大家好，欢迎收听老范讲故事的 YouTube 频道。

AI 时代的圈地运动开始了

被羊吃掉的人怎么办呢？

400 多年前，英国发生了著名的圈地运动。他们把地圈起来，把原来土地上的农民轰走，用这些土地去养羊。因为他们要发展羊毛纺织业，所以就出现了著名的“羊吃人”事件。

400 年后，这个故事在科技行业中重演了。这一次吃掉人的不是羊，而是 AI 算力。

2025 年到 2026 年，全球科技大厂开始了一波前所未有的裁员。但这一次裁员跟以前都不一样。疫情结束之后，其实很多公司都进行过裁员，但那一次裁员是因为公司亏钱、经济不好、受到疫情冲击，而且有些互联网公司在疫情期间过度招聘，疫情结束之后用不了这么多人了，所以要进行一定的裁撤。

但这一次真不一样。很多在裁员的公司其实是在盈利的，而且挣得非常多，他们依然要裁员。他们裁员的理由已经不再是公司不好、业绩不好、亏钱了，或者前面招太多人，而是 AI 提效，我要把钱留下来买 AI 基础设施。

所以我说，这一次的裁员，就是一次 AI 时代的圈地运动，就是一次算力吃人的过程。

先说美国大厂

Meta：盈利也要裁，因为 AI 基建太烧钱

第一个是 Meta。Meta 计划裁员 20%，大概是 1.58 万人。这个数据来自路透社 2026 年 3 月 14 日的一篇独家报道，据说是三位知情人士透露的。不过公司的回应是，这只是一个猜测性的报道，并没有正式承认，也没有彻底否认。

我在今天写完稿子以后，还问龙虾要不要给我提提意见，觉得我哪里写得不对。它说我的标题有一点太平了，应该选一个带有特别惊悚数字的标题，还给了我一些建议。我就不跟大家讲这个建议是什么了。

但大家要知道，一旦经过这样的改造以后，这个新闻、文章或者视频的点击率、转化率一定会上升，但是也很容易发生事实偏移。

所以，到底是全公司裁 20%，还是某些部门裁 20%，现在并没有定论。只是路透社说，据三名知情人士透露，是裁 21.5% 还是八万人规模中的一部分。

2026 年 1 月，Meta 刚刚裁了 Reality Labs，也就是他们做 VR、做元宇宙的那个项目，裁了 10% 的人，大概 1000 多人。但如果真的要裁 1 万多人，我觉得还是要耐心看看后面到底会怎么样。

因为扎克伯格现在遇到一个很大的问题：他要在 2028 年之前完成 6000 亿美金的 AI 基建。你要从工资单里把这个钱挤出来，否则这个事情就玩不转。

亚马逊：三个月裁 3 万人，连环宕机引发担忧

第二个是亚马逊。亚马逊前面我们已经知道了，三个月裁了 3 万人，还导致了连环宕机。

第一波是在 2025 年 10 月 28 日，官宣裁了 1.4 万人，而且这 1.4 万人都是白领，不是那些搬箱子的蓝领。遣散费花了 1.8 亿美金，但这个 1.8 亿花完就完了，以后不用再每个月给他们发薪水了。

第二波是 2026 年 1 月 23 日，又裁了 1.6 万人，所以加在一起是 3 万人，占白领员工总数的 10%。

说到 10% 这个事就已经很吓人了。亚马逊也出现了连环宕机。去年 10 月 20 日，也就是裁员前 8 天，AWS 美东一区大故障，1700 万次报错，持续了 15 个小时，全球 60 多个国家被波及。迪士尼、Coinbase，连智能床垫都瘫痪了，因为智能床垫也要从亚马逊云走，损失超百亿美金。

这虽然是去年的一次故障，而且那一次还没赶上正式裁员，但要相信，裁员前 8 天已经是山雨欲来风满楼了，大家心里肯定都毛了，所以出现了一次大宕机。

宕机以后，最后还是要靠人修复，要靠人去把 bug 找出来。当时是一个 DNS 复制错误，就是把一个错误的 DNS 复制到了云服务器上，最后只能靠人工一点一点、一条一条去查。

3 月 5 日，裁员落地以后，亚马逊电商主站直接崩了，2.27 万次报错，也是损失巨大。前面裁员的时候股价怎么涨，崩了以后股价就怎么跌。市场不管你这些乱七八糟的东西，只会觉得你这肯定不行了。

Block：承认裁 40%，裁完又返聘

第三个是 Block。这家支付公司亲口承认裁了 40%。它的 CEO 叫杰克·多西，是原来 Twitter 的创始人。

2026 年 2 月 26 日，他发内部信，说员工从 1 万多人缩编到不到 6000 人。实际上裁的人应该比 40% 还多。理由就是 AI 工具整合以后效率提升了，不需要这么多人了。

裁完以后，市场当天涨了 25%。但魔幻的是，有些人裁完以后又被请回来了。

这两天有报道，说有两个原因：

• 第一个原因，是有人直接收到一封邮件，说对不起，当时弄错了，是文书错误，你回来上班吧。AI 有时候有幻觉，发文书出去也确实会有一些问题。
• 还有一种情况，是有些经理说，你把这人都给我裁了，我实在没法干活了。你要让我继续干下去，就必须把人给我弄回来。

于是也有一些人被返聘回来，但返聘回来的人是非常非常少的。

还有一个故事，有人拿了 75% 的涨薪和留任奖金，结果依然选择离开。我前两天还专门录了一个短视频，讲一个地主老财请村里人吃饭，发现来的人稀稀拉拉，只来了一半，他说：“怎么该来的都没来呢？”来的人一听，心想，那我就是不该来的呗，于是又走了一些。

剩下四分之一的时候，老头又说：“怎么不该走的又都走了呢？”剩下的人一听，心想，那我们这些肯定是多余的了，于是又走了。最后只剩一个人，上来说：“老爷啊，您不能这么说话，太得罪人了。”结果老爷说：“我不是说他们呢。”这人一想，那就是说我呗，实在哭笑不得。

所以裁员的时候通常就是这样。员工未必这么想问题，但老板就是这么看问题的。他肯定希望把不该留下的人裁掉，把该留下的人留下。

但人毕竟不是螺丝钉，不能随便拨。这里头一定有很多心理上、人情世故上的事情要处理，不可能今天让你走，明天让你回来，像开开关一样，这件事是搞不定的。

中国公司的情况是什么样

百度：亏损压力下，部分团队裁 40%

先说百度。2025 年，百度是这么多年来第一次在三季度由盈转亏，原来一直挣钱，现在开始亏钱了。然后 AI 竞争失利，我们一直讲，百度做 AI 是起了个大早，赶了个晚集，最后把自己变成了一个笑话，广告收入还下滑。那怎么办呢？只能裁员。

百度部分团队裁了 40%。大家注意，不是全部百度员工裁了 40%，只是部分团队。重灾区是手机生态和核心在线营销部门，主要人群是入职未满 1 年的新人和工资高的老员工。

入职未满 1 年的新人，这就很坑。大家知道，中国有一个身份叫应届毕业生。应届毕业生是带着很多政策下来的，比如可能涉及北京户口。你一旦把应届毕业生身份丢了，再去找工作，这些身份和优惠也都没了。

所以以前大厂裁员，通常是尽量不要动应届毕业生的。第一，他们心智也不是很成熟，家里人还都把他们当宝贝一样；第二，利益牵扯很大，真有可能闹出事来。所以百度干这个事，真的是被骂惨了。

至于老员工，那没办法了，岁数大了，在这种公司里本来就不太受待见，工资又高，有时候还倚老卖老、四处指手画脚，所以这些人也容易被干掉。

网易：外包裁员传闻与官方辟谣

再往后一个是网易。网易是外包裁员，传说是要“全清”。据说有人把丁磊的微信截图传出来了，后来丁磊说这个到底是谁传出去的，要把他逮住、要罚他。但网易后来自己辟谣，说没有这回事。

那个截图上写的是：4 月 1 日裁 30%，5 月 1 日外包全裁，到 5 月 1 日以后就没有了。

大家知道，裁外包这个事情，在财报上是看不到的，因为这些人原来就不是网易员工。如果他们是正式员工，网易每个季度发财报的时候要写清楚有多少员工。所以这个事情它完全可以辟谣，也不会有什么人能揭穿它。

网易的说法是，相关信息不实，我们只是正常的业务调整，有些项目关掉了，有些项目开始了，跟外包全裁没关系。

那它为什么会干这个事呢？2026 年 2 月的财报发布会上，丁磊自己就说了，现在 AI 已经应用到游戏研发和运营的所有链条上，每一个环节都用上了，就不需要这么多外包了。

这几年其实游戏产业的日子都没有那么好过。很多人说，不对啊，我看游戏挺热闹的。但要注意，AI 对游戏来说并不仅仅是提高效率，不只是“用了 AI，游戏做得更快了”。另一方面，AI 对游戏的打击其实也非常彻底，那就是 AI 挤占了大量用户的注意力和时间。

游戏需要占用大量连续时间，用户才会玩得爽，才愿意付钱。

B 站：传裁员 60%，更可能是局部部门收缩

再往后一个是 B 站，传裁员 60%。B 站当然也出来辟谣了。我觉得像这种谣言，大概率是 B 站某些部门会裁员 60%，但是为了让标题更好看，就变成了“B 站要裁员 60%”。因为像 B 站这样的公司，如果真的裁 60% 的员工，就直接挂了，这个数据太夸张了。

而且 B 站去年是首次盈利。大家要注意，公司在蒸蒸日上的时候是敢于亏损的，当然百度那种除外，它是逼不得已只能亏。很多公司往上涨的时候敢亏，越是不行的时候越要去挣钱，要向大家证明说，你看我还有口气，千万不要抛弃我，我还活着。

那 B 站去年是怎么挣钱的？裁员、砍项目。它把各种自研游戏项目都砍掉了，不做自研了，老老实实做一个轻公司，就在流量上挣钱。反正我有 IP，有这么多视频，我就在这里卖流量就可以了。

所以我相信，所谓裁员 60%，大概率是游戏部门或者自研游戏团队，这个说法可能更靠谱。

小米：南迁不是裁员，但效果类似裁员

小米是在 2025 年 11 月做过一件事，叫南迁。它把很多部门从北京迁到了武汉。

在这个过程中，一方面它不叫裁员，这个怎么能叫裁员呢？我只是搬个地方。另一方面，它可以很好地裁掉岁数大的员工。

为什么？因为岁数大的员工有家有口，你让他把整个家都搬过去，另一半怎么上班，孩子怎么上学，这都没法解决，所以只能选择离职。

但小米会说，你看我还给他们安置费、搬迁补贴、搬家费，我们欢迎他们过来。可对于稍微有点岁数、有家有口的人来说，那点钱基本上不解决问题。

谁在裁员，谁在加人

持续收缩的一批公司

从整个结构上来说，谁在裁员，谁在加人？

阿里一直在裁员。这几年阿里的人数从 25.4 万人降到了 12.4 万人，基本上砍了一半。当然，人数下降有时候不一定完全是裁员，也可能是某块业务拆出去不要了，这些人就不再算阿里员工了，这也是一种处理方式。

百度这几年则是一直在缓慢裁员，并没有那种一把裁很多人的特别大新闻，而是持续性地在缩减。网易也是连续收缩，正式员工在收缩，更不要说外包了。美团和快手也是在缓慢下降，因为业绩压力很大，没办法，只能慢慢缩减。

仍在扩张的一批公司

那谁在加人呢？

• 腾讯：腾讯去年增加了 5000 多人，基本盘还比较稳。但未来它到底会怎么样也不好说，因为游戏这一块其实大家都在砍，只有腾讯还在投。腾讯现在也说我们要全力做 AI 了，那么“羊吃人”或者说“算力吃人”的事情，会不会在腾讯这里发生，也不好说。
• 字节跳动：现在全球已经有 15 万人了，因为 TikTok 加 AI 这两块都很猛，是真的猛。AI 大模型在中国，豆包，包括 Seedance 这种视频模型，已经算是绝对第一梯队了。豆包 APP 在中国也是用户量最大的 APP，非常普及。所以在这一步上，字节其实已经算在国内市场赢了，国外市场还要再看。
• 京东：现在有 57 万人。京东是怎么扩张的呢？并不是说它招了一堆新人回来，而是把原来一帮外包骑手转成全职员工了。原来这些人其实也是在给京东干活，现在直接跟你签劳动合同，给你买五险一金，于是他们就变成了全职员工，人数自然就上升了。

通过卖业务调整结构

还有一些企业则是在通过卖业务做调整。比如把沐瞳网络作价 60 亿卖掉。这个公司人也不少，2021 年 40 亿美金买的，2026 年 60 亿美金卖出去了，算下来这生意还是挺划算的，卖给了沙特的国资游戏公司。

现在沙特在四处收这些东西，他们已经是任天堂、卡普空的大股东了。以后沙特可能会变成一个拍电影和做游戏的国家，不再只是产石油的国家。

被裁的人都去哪儿了

一方面，这些人像老范这样上 YouTube。还有一些人在小红书上讲“我离职了”“我今天被裁了”“我终于收到了裁员信”。这样的内容非常非常多。

从 2024 年开始，这类内容的互动就极其强，大概有 2.5 亿到 3.8 亿次互动。现在我们到抖音、小红书这些社交媒体上看，大量的人都在讲“我是大厂离职出来的”“大厂离职经验”“大厂原来怎么回事”“大厂内幕”。

老范原来也不算大厂，算中厂吧，但也算互联网公司离职员工。现在这块确实成了一个新的风口。2025 年 11 月，中新网还专门做了一个调查，叫“大厂离职的流量密码到底怎么变现”，专门有人研究这个事。

当然，这里面有真的在大厂混过一段时间的人，也有伪装的，专门伪造离职证明。为什么？因为大厂离职了以后好卖东西。老范虽然没卖东西，但开了个频道，也能勉强糊口。

那为什么我们会觉得满街都是大厂离职人员？原因是算法愿意把这些内容推出来给大家看。其实刚才我们讲这几万人、那几万人，阿里一下少了 12 万人，少了一半，但对于整个中国社会来说，基本上可以忽略不计。

可对社交媒体来说，“大厂离职”“我离职了”这种信息推出来以后，互动性很好，可以让用户留下来接着看，多点几个广告，多买点东西。

为什么平台喜欢推“大厂离职”内容

这种内容情绪高、冲突高、评论数高，所以平台喜欢推。那为什么社交媒体喜欢推这样的东西？一定是因为它满足了一定的社会心理需求。

1. 替代性逃离，代入体验。有些人说，我还在这上班呢，但别人被裁了，我得看看人家是怎么回事，这就带来流量。
2. 身份焦虑与安抚。有些人会想，连前阿里、前字节的人都离开了，那普通人就会觉得，不是我不行，是整个环境就这样。
3. 偷看别人的人生，做 AB 测试。因为这些做“大厂离职赛道”的人都在讲，我虽然离职了，但我现在过得还可以。过得不好的人不会出来说。大家一看，觉得没准我不干了也还可以，也会有其他出路，这也会引起关注。

当然，更多的其实还是羡慕嫉妒恨。真正能混进大厂的人没几个，像我也没混进去。虽然我也在互联网公司里做投资总监，但腾讯、阿里这些公司我没进去。

于是很多外面的人看这件事的心态就是：眼看他起朱楼，眼看他宴宾客，眼看他楼塌了。你也不行吧，你也有今天。

劳务派遣会不会被整治

还有一些人会讲，现在这么多大厂在裁人，是不是因为劳务派遣的问题，国家是不是要动手整治劳务派遣了？

为什么会有这样的说法？因为 2026 年 3 月两会期间，全国政协委员周世虹正式提出建议，废除劳务派遣制度。但目前为止，这个事情仍然停留在呼吁和倡议层面。

为什么会提出这样的倡议？因为一旦用了劳务派遣，就会出现 同工不同酬。这是企业逃避责任、逃避雇主责任的一种做法，让很多做同样工作的人拿不到同样的薪水，所以应该废除。

其实劳务派遣发展到今天这个状态，一直都是违法的。劳动法规定，你可以使用劳务派遣，但必须是临时性、辅助性、替代性的岗位，而且比例不能超过 10%。你看看有些大公司是怎么玩的，他们一直就在违法。

但到目前为止，虽然有人呼吁，也并没有去修改这个法律。因为如果去改，某种程度上等于承认原来的法律定得不好。现在的情况是，法条原来就有，只是没人执行而已。所以并没有因为有人呼吁，就立法或者出台什么新的法规，没有这样的事。

圈地运动之后，社会会变成什么样

历史上的结论：两极分化

下一个问题，圈地运动之后，社会变成了什么样子？

结论叫 两极分化。英国圈地运动之前，有大地主、大工厂主，也有很多小地主、小的有产农民，是一个相对比较平滑的金字塔型社会。

但圈地运动以后，就两极分化了。只剩下大地主越做越强，变成大工厂主；另一帮则变成失地农民或者无产农民，被迫进工厂打工。我们从小学政治大概都是这么学的。

AI 圈地运动后的社会图景

那 AI 圈地运动之后会变成什么样？

平台型大企业，像字节、腾讯这种还在招人的公司，会继续做大做强，把平台功能做得更完善。被挤出来的这些人，就像失地农民一样，要重新在新的体系里找到自己的位置。像老范现在找到的位置，就是 YouTube 上的内容贡献者，靠老范讲故事还能挣一口饭吃。

但讲到这里要说一句，前面我们讲的其实是错的。错在哪？大家知道，圈地运动在历史课和政治课上，可能也就是一页纸、半页纸，但实际上，圈地运动中失地的农民，绝大部分并没有在工厂中找到自己的位置。

整个圈地运动持续了 350 到 400 年，是一个非常漫长的过程。被驱赶出土地的农民，有些变成了无产雇农，还是在地里干活，但地不是自己的了；有些成了城市无业游民；有些做了港口苦力；还有一些上船去了美洲。

真正变成工人的，可能只是很少一部分。很大一部分人，可能就是冻饿而死。

农民变成城市工人的过程，大概要持续一两代人。不是说把农民赶出来，他们马上拎个小包就去工厂上班了。绝大部分被从土地上赶出来的农民，可能都饿死了。

现在 AI 的圈地运动，跟当年英国“羊吃人”的圈地运动有一个特别大的区别：那个过程用了 350 到 400 年，而这一次可能就是 三五年。

所以我们要想一想，这件事落在我们身上怎么办。

从公司人到个人经济体

接下来面临的，就是平台经济和更零碎的个人经济体。以前，比如农民有土地；以后没有土地了，也没有任何依附关系了，就变成了一个个人经济体。

未来的社会，可能会变成一个 K 型社会。原来我们讲 K 型消费，就是便宜的东西卖得很好，特别贵的东西卖得也很好，中间的东西没了。人也是这样，中产阶级没有了，有钱的人变得特别有钱，穷人变得特别穷。以后可能会变成这样，社会会向这个方向发展，产业界也会向这个方向发展。

原来在公司里上班，比如像老范这样，有固定的岗位、固定的职位、平台绑定，还有社保，都是由公司承担整个管理成本。现在没有这些东西了，老范就变成失地农民了。

但同时，也会有更松散的合作关系。我愿意在 YouTube 上更新视频就更，不愿意更可以少更两条。或者说，我去开个滴滴。平台对我们来说没什么硬性要求，你今天愿意发就发，明天不愿意发可以不发。更多事情要依赖个人社会保障，一个人就是一家公司。

所以为什么现在很多人玩 one person company，这有点像从农业社会的大地主经济，转向工业革命的工厂经济，但规模更小、更碎片化。这些一人公司或者个人经济体，能够混到温饱的，可能只占少数，甚至很少数。

圈地运动以后的失地农民，可能有一两代人的时间慢慢完成身份转换；这一次，可能三五年就全转完了。

那我们怎么办

第一，教育体系必须调整

第一件事，初级职位会消失，AI 对人的要求更高了。昨天我跟江边也讨论过这个问题，所以整个教育体系必须调整，不能再培养螺丝钉了。原来那种“一个萝卜一个坑”的岗位没了。未来一定要培养能够领导一群 AI agent 干活的人。

以前的大学教育，包括研究生教育，都达不到这个能力，所以这块必须改。否则就是培养出来一个失业一个，培养出来一个失业一个，没有办法。

而且未来的学生必须能够快速适应各种环境变化。以前我们可能在一家公司一干很多年，甚至像日本那样终身雇佣制，一直干到退休。现在不一样了，你同时就要应对不同的平台、不同的服务，都要去提供，所以必须提高适应能力。

还要真正能够提出正确问题。这个能力，现在国内教育相对还是比较差的。这是第一个要调整的地方。

第二，被裁的人要先想清楚自己要做什么

第二个，被裁的人怎么办？如果你说我已经来不及回炉重造了，我已经被裁了，或者马上就要被裁了，该怎么办？

1. 静下心来想一想，我到底想做点什么。 这个很重要。找到自己感兴趣、也有欲望去做的事情，这才是真正 AI 比较难以取代的。你说 AI 写文章比你好，画画比你好，没毛病。但 AI 无欲无求，它什么都不想要。只有我们人才有真正想要的东西，这个才是最重要的。
2. 应用起 AI，应用起 AI agent。 把那些原来一个人搞不定的事情做掉。这就是被裁的人现在必须走的路。

所以，虽然你未必能够在工厂里找到位置，或者在新的平台里找到位置，但你总要去试一试。时代对每个人都会提出全新的要求，必须离开舒适圈。

因为以前很多人是得过且过，当一天和尚撞一天钟，没什么想法，也不愿意接受新鲜事物。这样的人，未来一定会被碾压到最底层去。

但比较痛苦的是，这些人其实是社会的主流，是绝大多数。绝大部分失业者，可能会像圈地运动中的失地农民一样，成为无业游民，或者打零工、做苦力。比如美团外卖，这某种程度上就相当于是零工苦力。

可惜的是，现在没有美洲可以供大家去开发了。但走出国门，到一些相对传统的地方去卷别人，这件事中国人还是比较有优势的：聪明、肯吃苦，而且没有那么多工会之类的约束。所以我们的冲击可能会来得更早一些。

早上船、早出发的人，未必能在那边混成大亨，但总会有新的活路。中国人其实一直在干这个事：饥荒了怎么办？闯关东，下南洋，饿着肚子也得出门。所以这可能也是对在国内混不下去的一部分人的一种出路。

最后：先往前冲，互相帮助

最后，让我们一起先往前冲吧。

听老范讲故事这个节目的人，应该都不是那种不愿意思考、不愿意接受新鲜事物、没有想法和欲望的人。我相信，听老范讲故事的人，应该是一些愿意动脑筋的人。那就让我们先冲，先去适应这个新时代。

老范已经在 YouTube 平台上混了 5 年了，没混多好，但也能够勉强糊口度日，也算是有了一个新的位置。而且我一直追着最新的各种技术在往前走。早上船的人，未必能在美洲混成大老板，但只要活下来，就能有自己的一块地。

当然，活下来很重要。去了美洲的人，很多其实都没活下来。那怎么活下来？互相帮助，抱团取暖。这也是早期移民美洲的人提高生存率的一个手段。

所以，有惦记走老范这条路的，我们也可以抱团取暖。你说你做 YouTube，可以到我的 Discord 群里来，大家互相交换一些链接，甚至有时候可以做一些联合节目，互相带带流量，这个事老范都是支持的。说 AI 怎么用，我也愿意跟大家去沟通和交流。

时代不会等你准备好了才来。特别是这一次的 AI 圈地运动，它会在三五年内，把当年英国圈地运动 350 到 400 年的流程一把走完。所以，我们要跟上。

这就是咱们今天讲的故事。

山姆·奥特曼突然官宣 OpenClawd，创始人 Peter Steinberg加入了 OpenAI。是不是 OpenAI 收购了 OpenClawd？甚至有些人出来哀嚎说，OpenClawd 现在变成 CloseClawd 了。事情并没有大家想象的那么简单。

大家好，欢迎收听“老范讲故事”的 YouTube 频道。

OpenClawd 应该算是 2026 年年初的一个现象级产品，甚至有很多人说，这又是一次 ChatGPT 3.5 时刻了，确实是引起了整个社会的关注。这位 OpenClawd 的创始人 Peter Thielberg 就同时收到了山姆·奥特曼和扎克伯格两个人的电话，这两个人都说：“我们聊一聊吧。”

他还回顾了说，扎克伯格给他打电话的时候是这样的。突然打个电话来说：“你好，我是扎克伯格，咱们能不能约个时间聊一下？”这位老哥，因为是个退休程序员嘛，说：“我不习惯跟人家去约时间，要么就现在聊，要么就拉倒。”扎克伯格说：“你等我 10 分钟，我要写一段代码，把这段代码写完了以后我来找你。”这老哥特别感动，说这么大 CEO、Meta 的老大创始人，自己还在这写代码。写了 10 分钟代码以后打电话回来聊，说：“我真的在用，有什么样的想法，我觉得应该怎么改，哪个地方我喜欢，哪地方不喜欢。”跟他聊了半天。

当时大家就认为，OpenClawd 大概就是会被这两家中的一家所收购。但是最后其实并没有走收购这条路，而是创始人加入团队的这条路。这个到底有什么样的区别？咱们后面再去讲。

今天这故事咱们分三段来讲：第一段叫 OpenClawd 并没有被收购；第二段，大型的开源项目和大厂之间的几种合作方式，咱们要稍微掰一掰；第三段，OpenAI 为什么不直接收购 OpenClawd。

首先咱们来讲，OpenClawd 并没有被收购

OpenAI 到底出了多少钱？应该没多少钱，可能也就是几百万美金。这个对于一个像 OpenClawd 这样的、引起整个社会关注的项目来说的话，相当于是白捡了。他这个钱是怎么给的？就是我们直接把人招回来，有可能会有一个入职奖金，甚至这种奖金还是以股票的形式来发放的。就是真正出的现金应该没多少。这位 Peter Stinebrink 就成为 OpenAI 的一个员工。

那你说那 OpenClawd 怎么办？这开源项目你还做不做？这个项目会继续留在一个叫 OpenClawd 基金会的管理下，由他们来去管理，这是一个开源项目。OpenClawd 的商标、OpenClawd 的域名、里头所有的代码，依然是属于 OpenClawd 基金会的。只是它的创始人、这个最核心的贡献者，上 OpenAI 上班去了。上班了以后，他其实依然是在管理 OpenClawd 这个项目，但是他要分清楚，哪些是 OpenAI 的指令，哪些是 OpenClawd 基金会的指令。

而加入到 OpenAI 里边的，只有 Peter Stinebarger 一个人。其实现在去维护这个项目的人已经有很多了，核心的大概也有快 10 个人了，但是真正加进去的就他一个，其他人都没有加进去。而 OpenClawd 自己的话，主要是由这个基金会来运作。这个基金会需要什么？付服务器的钱，或者组织各种活动，制定各种的标准。说我们这个项目以后要向什么样的方向前进，跟谁兼容跟谁不兼容，这都是由基金会来定的。

OpenAI 原来就是 OpenClawd 基金会的一个赞助者。只是你赞助了多少钱不知道，因为你要成为他的赞助者，最少赞助 5 美元就行了，一个月 5 美元就可以。当然以 OpenAI 这样的一个体量来说，应该还是给了不少钱的。而且现在 OpenAI 已经告诉大家了，说以后 OpenClawd 就不用再担心了，你们再用服务器、再用算力、再用这些东西，我包圆了，你们就不用管了。因为原来 Peter Thielberg 也讲过，每个月还要赔进去一两万美金，因为需要付服务器成本，收到的捐款根本就不够。以后这个钱就通通归 OpenAI 来付了。

但是这点钱对于 OpenAI 来说算个什么？一个月一两万美金，这都不是什么事。当然 OpenAI 肯定还会出很多其他的钱，比如说组织各种的研讨会，组织各种线下活动，或者做各种的标准的修订，这个是 OpenAI 会去做的事情。当然 OpenAI 也不可能直接做，还是会把钱给到基金会，让基金会去做这个事情。只是坐在那领导基金会、去做所有工作的人，是从 OpenAI 领薪水的。

开源软件跟这些大厂有几种合作方式？

这里要注意，大型开源软件咱们可以去讨论这个事，那些小型开源软件其实跟这个没有特别大的关系。

第一种方式：人员加入，继续做开源社区的事情

就像这一次 Peter Steinberger 加入 OpenAI 这个事情是一样的。这个里头有一个很典型的案例，就是 Python。Python 是现在最火热的编程语言，因为现在大模型都是使用 Python 语言再去做各种的编程。那么 Python 的创始人其实很长一段时间是在谷歌上班的，后来被谷歌开了。这个很有意思，当时他从谷歌就直接被优化掉了。很多人还很奇怪，说你怎么就被优化掉了？这个兄弟后来好像又跑到微软继续去上班去了。他们这些人到公司里头只是领薪水，具体的事情还是干原来的基金会的事情，或者是干原来这种开源项目的事情。谷歌除了发薪水之外，其他啥也不管。

包括一些开源的编辑器，他们的这些创始人实际上都是谷歌在发薪水。就是这些人在谷歌有时候会也参与一些谷歌的项目，但是他的主要工作就是领了谷歌的薪水去维护自己的项目。谷歌属于确实有钱，他们也特别喜欢干这个事情。你说谷歌给他们发薪水了，到底从他们身上挣到什么？其实也没挣到什么。你说我把 Python 项目的老大搁在这，那我能不让别人使吗？谁使谁给我交钱？他也不能干这个活。或者说我把这个标准改到你离开谷歌的环境你就跑不了？他也不能干。所以除了发钱，他们啥也干不了。这是谷歌的一个比较有意思的玩法。

第二种方式：开源之后再成立基金会，控制权外移

就是一开始这个项目是公司里边的项目，做一段时间我们把它开源了，然后拿出去。这个里头最典型的一个案例叫 PyTorch，就是现在最火热的运营大模型用的这个工具。这是谁做的？是 Meta 做的。做完了以后就成立了一个基金会，说我们以后把 PyTorch 这个项目就放在这基金会里头运营了，Meta 跟它就没有特别直接的关系了。它的创始人依然在 Meta 上班，上了很多年的班，大概是在去年才从 Meta 离职。现在是加入到了叫 Thinking Machine Lab，就是那个从 OpenAI 离职的那美女 CTO，她创建那公司，加到那去了。

就这种项目，你说为什么？明明我把它做出来了，干嘛要把它交到基金会里去管理？原因也很简单，就是你要去跟其他人竞争。竞争的时候靠你一家又搞不定，你需要大家凑在一块来竞争。谁会愿意说我们出人出力去使用一个 Meta 控制的项目？没有人会愿意干这个事。那他说我们放基金会里，这东西是中立的。PyTorch 最后战胜了谷歌的 TensorFlow，成为现在最流行的、大模型支援的这种架构，就是通过这种开放的方式来搞定的。其他人你说，我们使 TensorFlow 不就完了吗？但是 TensorFlow 是完全谷歌控制的，别人就不愿意用，所以最后 PyTorch 赢了。

第三种方式：直接收购型

就是人家原来是开源的，我把它买下来，我自己来去运营这个项目。但是这种它分两种情况。

• 第一种：买完后闭源或限制。 我就找人收钱，或者我就想办法让他跟别人不兼容。这种就会翻车。一旦被收购了以后说：“我现在闭源了，或者我现在要收钱了，我对你进行限制了。”原来的开源项目就会进行分叉，我再做一个别的项目，跟你做同样的功能。这样的话其实最终两个项目都不会发展起来，全都做的很惨。
  
  
  
  这个里头比较典型的案例，一个是 Sun 收购了 OpenOffice。Sun 当时收购了很多的这种开源项目，收完了以后说这东西只有我能使，别人不能使了。后来他们就去分叉了，分叉成叫 LibreOffice，但是这两个项目发展的也都不怎么样。还有一个特别典型的案例叫 MySQL，它是被 Oracle 收购了。收购完了以后说：“我们对它进行各种限制，你们以后就少用这玩意，都上我这来买 Oracle 数据库来。”他们后来也是分叉的，一个 m 开头的一个数据库的名字，跟 MySQL 完全兼容的，但是后面我觉得发展的也都不是很好吧。就是你一旦收购回来以后说我要管你了，这就翻车了。
• 第二种：买完后投入巨资快速迭代。 虽然要管，但是我还是开放的，你们还是可以随便用，而且我投入巨大量的经费，让整个的项目极快的迭代起来。一旦说这个项目快速迭代起来以后，大家就顾不上说你这东西到底是谁家的了，跟都跟不上了。这里头有两个典型的案例：一个叫 安卓，一个叫 Chromium。都是谷歌花钱买回来的，买完了以后就投入巨大的资金，开始快速的迭代。谷歌现在这两个当家的软件，都是这么来的。现在安卓也是开源的，Chromium 这个是开源的，Chrome 是谷歌自己的产品，咱们要分清楚。

大家看到这几家，Meta 其实有点浑浑噩噩的。它其实站在了一个非常非常强的生态位上，它是 PyTorch 开始的这个公司，创始人也一直在 Meta 上班，但是 PyTorch 实际上没有给 Meta 带来任何的帮助，最后人还离职了。就是在前面把这个亚历山大·汪招回来以后，这哥们就走了。Sun 和 Oracle 就属于格局小了，我把这个开源软件买回来以后说，我要把它管起来，不许跟别人兼容了，你们通通都得上我这来交钱来，这就属于格局小了。

而这个谷歌是真正财大气粗的，他支持了非常非常多的项目。在这些项目对于谷歌本身的发展不是那么重要的时候，他就发钱，我也不管你，你就自己玩去，什么时候需要钱，你什么时候来找我要就可以了。我到时候给你发薪水，给你发各种各样的社区活动的钱。就社区里头真正花钱是底下各种的线下活动，包括各种标准制定。谷歌说我就愿意花钱养着你，你们也不用给我回报任何东西。一旦发现里头有这种跟他们的未来发展方向特别息息相关的东西，那马上冲出来，全情投入买下来，快速迭代更新。他是来走这样的一个方式的。一定要广种薄收，就是非常非常多的种子选手在那培养，有那么一两个特别核心的，砸重金进去发展，就有了谷歌的安卓和 Chromium。

OpenAI 这次肯定是赚到了，这样的一个核心产品直接被他也算是收入囊下吧。但是最终的结果还是需要时间检验的。所有跟开源相关的项目，没有说我今天花钱把它买下来，明天就有结果的，除非是像 Oracle 和 Sun 那么干活，就是我一花完钱以后，我马上就去改各种的开源协议，我就限制着别人使用，这种会马上翻车。只要不做这种杀鸡取卵的事情，它未来的效果都是需要很漫长的时间积累，叫日久见人心才能看出来。

OpenAI 为什么不直接收购 OpenClawd？

那下一个问题是，OpenAI 为什么不直接收购 OpenClawd，而是要选择这样的一种很难以控制的方式？

1. 保持中立标准

第一个最重要的原因叫保持中立标准。就跟当时 PyTorch 去战胜 TensorFlow 这个过程是一样的，我是开放的，我是中立的，任何人都可以在这个平台上去干活。比如谷歌说，我也愿意在这个平台上去干活，这个没有任何问题，它不是属于 OpenAI 的，它是属于 OpenClawd 基金会的。再加上中国的一大堆的模型厂商说，我们也愿意上去弄去，给他提供各种支持和服务，提供代码，我们也愿意给钱。这个是 OpenAI 所乐于见到的。

你要想，一旦他把它收购下来了，你后边跟不跟这些中国厂商合作？比如说像 MiniMax，比如说像 GLM 这种。GLM 专门有 OpenClawd 套餐，GLM 智谱是美国实体清单上的公司；MiniMax 现在还在被一堆的美国的电影公司在那告。那你说干还是不干？包括字节跳动也是专门提供了 OpenClawd 套餐。那你说我现在属于是 OpenAI 的一个项目了，那 OpenClawd 以后还跟不跟这些中国团队合作了？你要想跑得快的话，还是要留着这口子，你要继续跟中国团队合作。那你要收进去了以后，OpenAI 的原则是我不跟中国人做生意，特别是不能跟这种在实体清单里的公司做生意，那这事就没法整了。所以他必须要保持开放和中立这样的一个位置。

2. 架构与责任归属

第二个原因是 OpenClawd 本身的架构还有很多问题，也有很多的这种不完善的地方。你一旦把它收进来，那么所有这些问题的话，你就要承担责任。你比如说过两天谁用了 OpenClawd 说：“我这个数据丢了，我这造成什么经济损失了。”你 OpenAI 赔不赔？这个跟我没关系，它是 OpenClawd 基金会的，我们只是把人拎回来发工资了，它不用赔。这个是很重要的一点。

3. 安全性与合规风险

第三点是什么？OpenClawd 本身的安全性有待提升，而且很多的黑灰产的用户在使用 OpenClawd 做事情，就是做一些不是那么正规的事情，不是那么好的事情，或者拿出去做诈骗了，都是有的。OpenAI 肯定也是不愿意承担相应的法律责任的。你们接着该干嘛干嘛去，跟我没关系。

OpenAI 未来也并不一定会推出基于 OpenClawd 的产品。一旦说我们准备推出 OpenClawd 产品了，那他可能就会选择像谷歌处理安卓和 Chrome 那样的方式，我直接把它买下来，然后完全控制。这是 OpenAI 的一个选择。但是如果说我以后的产品形态可能是把一个类似功能的服务放到 ChatGPT 的客户端或者是 Codex 客户端里头，那就没有必要说再去跟 OpenClawd 这个东西较真了，没必要费这个劲了。他只需要说我们把这个 Peter Thielberg 拎回来说，你就给我们做这个个人代理的负责人，你来去指挥说我们以后要往哪个方向走就可以了。这不就是挺好的事情吗？

OpenAI 的实际收益

但即使如此，OpenAI 拥有了 Peter Stinebrink 之后，他依然是可以做很多事情的。比如说各种的联盟的建立，我们要去组织各种各样的这种 OpenClawd 联盟，或者 OpenClawd 的这种线下会议。现在各个地方都在开 OpenClawd 线下会，就是我们拿这东西到底干什么了。

然后主导 OpenClawd 标准。我们以后是不是只支持 OpenAI 标准的大模型？中国的所有这些开源模型都是走 OpenAI 标准接口的。在 Claude Code 火起来之前，咱们都从来不去兼容 Anthropic 接口。但是现在我们很多的模型公司都跑去兼容 Anthropic 接口去了。那么以后 OpenAI 说我要出一些什么新的标准、什么样新的接口，可能 OpenClawd 就会第一个站出来支持。其他人说我想去内卷一下，我想去比赛谁兼容最新的标准，就都会去跟着 OpenAI 的路子去走。这是 OpenAI 真正想要得到的东西。

还有一个 OpenAI 想得到的东西，他们现在在各种新闻报道里没有写，但是是必然可以得到的是什么？就是在极限的这种 AI 编程之中，Codex 要去战胜 Claude Code。原来 OpenClawd 里边大量的代码是使用 Claude Code 去写的，但是现在它的最核心的创始人 Peter Steinberg 上 OpenAI 上班去了。那你说我不能继续使用 Claude Code 吗？不行，因为把 OpenAI 员工的账号都给封了，你不能用了。所以你想以后再继续去维护 OpenClawd 代码，你就只能用 Codex 了，你就不能再去用 Claude Code 了。以后其他人说我们想继续去在这个 OpenClawd 代码库上再去做各种各样的工作的话，对不起，你们也要用 Codex。在这一点上 Codex 又胜出一局。这就是 OpenAI 为什么不去直接收购 OpenClawd，以及 OpenAI 从这一次交易里头到底能够得到什么。

最后总结一下吧

Peter Stinebrg 加入了 OpenAI，也算是尘埃落定了。他最后没有选择 Meta，而是加入了 OpenAI。这是一种更先进的开源协作方式，更有利于不同的公司之间，甚至是不同的地缘政治与法律架构之间，在统一的标准下进行协作，推进技术和推进技术的发展。

OpenAI 这一次肯定是赚大了，花了很少的钱就得到了未来的一个制定标准的机会。但是这一次交易的结果还是需要时间检验的。这种开源策略很难在短时间内看到成效。

好，这就是咱们今天讲的故事。不要再出去说 OpenAI 收购了 OpenClawd，OpenClawd 变成 CloseClawd 了，这个属于外行说的话，开源圈里内行会告诉你事不是这样的。

这个故事今天就讲到这里，感谢大家收听，请帮忙点赞、点小铃铛，参加 DISCORD 讨论群，也欢迎有兴趣有能力的朋友加入我们的付费频道。再见。

背景图片

Prompt：in the style of Moebius (Jean Giraud), Franco-Belgian ligne claire illustration, hand-drawn ink linework with watercolor gouache textures, ultra-maximalist interior storytelling, an unoccupied high-rise family computer studio in Beijing’s bustling metropolis, modern Chinese home aesthetics with wood lattice shelving, ink-scroll accents, porcelain decor, dual-monitor desk setup, gaming console dock, retro game devices, hi-fi speakers, mechanical keyboard, headphones, layered cables and gadgets, Lunar New Year decorations in every corner with red lanterns spring couplets paper-cuts Chinese knots and festive ornaments, floor-to-ceiling window with glowing city skyline, 24mm wide environmental interior shot, eye-level, dense yet readable composition, warm tungsten ambient light mixed with subtle RGB tech glow, cozy lived-in atmosphere with strong futuristic vibe –no people, person, human, face, body, text, watermark, logo, sterile showroom, lowres blur, photoreal CGI texture –ar 16:9 –stylize 180 –chaos 8 –v 7.0 –p lh4so59

杨乐坤出走Meta：一场关于战略、用人和未来的博弈

大家好，欢迎收听老范讲故事的YouTube频道。

这一天还是来了。前面我们已经猜测了很久，说杨立昆到底什么时候会离开，因为所有人都眼睁睁地看着Meta的AI战略转换方向。亚历山大·汪进入Meta，一个28岁的辍学生，在管理65岁的大学教授和图灵奖得主，这个事一定不能长久。而且前面还对杨立昆手下的FAIR部门进行了600人的裁员。

靴子落地：杨乐坤宣布离职

现在靴子终于落地了。2025年11月19日，当地时间13:20，杨立昆发了一个长文宣布离职了。在这个文章里边，他回顾了一下在Meta待了12年，感谢了小扎和一堆高管，然后准备要去做他的AMI。他这个AMI呢，叫做“高级机器智能”，说：“我在Meta期间就一直在干这件事，现在呢我准备出去了以后接着干。”而且新公司呢，Meta依然还有参与，具体的情况后续再公布。他呢，也终于可以不受Meta的限制，去研究自己的世界模型了。

杨立昆也要去做世界模型，跟李飞飞有些相近。最后咱们再说一下，他的世界模型跟李飞飞的世界模型到底有什么差别。

Meta呢，应该在这个里边还是给了钱的。你请这样的一位大神出去，而且大神在发文的时候还感谢了扎克伯格，那一定还是要给钱的。所以杨立昆未来的公司里头，Meta应该还是一位重要的股东。但是到底给了多少钱，占了多少股份，可能还要等未来Meta的官宣，现在应该公司还在注册过程中吧。

谁对谁错？一场责任的追问

我们普通人呢，真正关心的不是这些事。我们关心的是，这些大神们斗来斗去了以后，到底谁对谁错呢？

• 有些人讲了，扎克伯格短视了，不听老人言，找了一个年轻小伙子过来，你把这个图灵奖大学教授给放走了，这一定是要吃亏的。
• 还有人呢说，Alexander Wang抢班夺权，给扎克伯格进了谗言了。这是中国人比较喜闻乐见的一种论调，为什么呢？总是“清君侧，不能斩昏君”，皇上做出什么错误的决定，一定是下边人进谗言了。这个28岁学生整了这么一公司，进来以后就把老教授给挤跑了，一定是他的错误，扎克伯格只是被他一时蒙蔽了。
• 当然呢，也有一些人，特别是像傅盛这样的人呢，就出来说杨立昆耽误了Meta，如果没有他的话，Meta早就行了。这种呢就属于站在CEO的角度上，CEO的角度呢，通常都是不会承认自己有错的，都是下边人是坏蛋。而杨立昆呢，站在这样的一个位置上，把持了这么多的资源，又没有把这些资源真正的变成Meta能够挣钱的商业利益，那么一定是他错了。

扎克伯格的决策失误

从我个人的角度来分析，当一定要有一个人来承担责任的时候，这个人一定得是老大，也就是扎克伯格自己。扎克伯格在这件事情上到底做错了什么呢？是不是听信谗言了？是不是不听老人言了？是不是选错方向呢？还不是。扎克伯格真正做错的是决策错误。

哪样的一个决策错误？就是你去找杨立昆这样的一个人来，纽约大学的教授，图灵奖得主，算是人工智能三教父之一，这样的一个人你把他招来，这个决策没毛病。但是你招来让他干嘛？这个事就错了。你真的让他整了一个研究所，叫FAIR (Facebook AI Research)，这样的一个机构，说：“你们自己研究去吧，研究完了这些东西，你们去发论文吧，你们去开源吧，我们在后边支持你。”他去干这件事情，其实是有问题的。

如果你说你前面就下了这么一个决心，说：“你就干吧，我就不管你了，你们给我赚名声就完了。”也行。那你后边自己该去产品化的地方，该去做工程实施的时候，你要组建另外一套班组去干活去。结果呢，扎克伯格后边那一半事没办，他把前面那半截干了。最后导致什么？杨立昆他们研究出来的很多东西，在Meta里头没有办法落地，还没有办法给Meta带来实际的利益。而且呢，在各种的竞争里，他还落后了。

如何正确“使用”顶尖科学家？

这是扎克伯格犯的错误。就这种大佬请回来干嘛使？

1. 招牌效应：人工智能三巨头我请回来一个，那三个人里头，有一个是被谷歌直接把公司收购了，收谷歌去了；另外一个呢，每天在外边吵吵，说要去做人工智能监管；杨立昆呢，被Meta收下来。首先你这个招牌是有了。
2. 人才磁场：作为一个大学教授，你就应该是把他的学生都拎回来。谷歌也是这么干的，把一个哥们拎回来以后，就天天的拉着他的各种学生，拉着他的师兄师弟，上谷歌干活来。这个应该也是杨立昆真正能够给Meta带来的东西。

至于杨立昆真正研究的东西，其实这种大学教授真正研究的东西，对于公司来说通常是没用的。为什么？就是离变现太远了，离具体的实际使用太远了。

结果呢，Meta是前面不够果断，把杨立昆找回来了，但是你该继续投入的时候，就不够果断了。因为FAIR这个团队这么多年，这十几年可能总共花了十几亿、二十亿美金的样子。那你说这也不少钱了，老范你又这个拿钱不当钱了是吧？十几亿、二十亿你就一张嘴就来了。你看看微软花了多少钱，你看看谷歌花花了多少钱。想去跟大家竞争的、平起平坐的扎克伯格，他花的钱真的算少的。而且在这个过程中，主要还是去发论文、发开源，并没有真正的去工程落地这件事。因为工程落地，你还要花更多的钱。

所以呢，杨立昆到了Meta，让不合适的人去承担了错误的预期。你找了一个大学教授回来，你希望他把整个这一套事都干完：竖招牌、再招人、再到科学研究、工程实施和产品化。你希望他一个人把这事都干掉，这是不可能的。

正常的应该是什么？你把这位大神请回来养着他，他想干什么你让他干，他花不了太多钱。剩下的呢，你再让他的学生挑一摊，把后边真正的跟公司有关的研发做掉，把跟公司有关的工程化、产品化的事情做掉。这才是应该干的活。什么时候缺人，你就让徒子徒孙们继续上，继续进来填坑。这才是这种大神正确的用法。

新旧团队的冲突与杨乐坤的出局

所以这一次杨立昆的出走，就是扎克伯格前面在用人方面用错了。等到最后呢，扎克伯格发现我们落后了，没有达到他一开始的预期。他没有去检查自己犯了什么错误，而是大刀阔斧地开始是1亿美金、10亿美金去招人去了。他有这钱，你多给杨立昆点，没准还能做出点东西来。到后边“七嚓咔嚓”整了一大堆人进来，找了一个叫亚历山大·汪的人。

亚历山大·汪最后能干成什么样，现在去猜测还为时过早。但是呢，杨立昆这一摊，他就实在维持不住了。亚历山大·汪这帮人进来了以后呢，跟杨立昆他们之间的分工还有很多是重合的。那就怎么办？内部关系一定摆不平，就要开始抢夺资源。那一定还是要立起一个“正宫娘娘”来，其他的小三什么的，你们就先朝后站一站就完事了。那么杨立昆呢，就这样出局了。

所以这里头谁对谁错？杨立昆没错，亚历山大·汪也没错，这里头唯一犯错的就是扎克伯格。他犯错误了。

FAIR的遗产：对中国AI产业的巨大贡献

杨立昆在Meta期间做的这个FAIR，到底给世界，特别是给中国的AI产业，做出了什么样的贡献呢？巨大的贡献。没有杨立昆，就没有今天中国的AI产业，完完全全可以这么讲。

他们做了两个非常、非常重要的产品出来。

• 第一个叫PyTorch，现在绝大部分的AI平台都在这上面跑，这是一个开源的系统。当然了，PyTorch的负责人现在也离开了Meta，他要比杨立昆走的稍微早几天。这哥们呢，现在加入了Thinking Machine Lab，叫TML。这个公司是谁创建的呢？大家还记得OpenAI有一年闹宫变，当时有一个美女CTO，他后来离开OpenAI以后，创建的这个公司叫Thinking Machine Lab，就是这个公司。当时扎克伯格想去找人顶杨立昆的时候，在找亚历山大·汪的同时呢，也在找这个TML，说我把你收购下来吧。当时人家不同意，说我们要自己发展，不愿意被你收购。所以呢，他就把亚历山大·汪找回来填坑来了。
• 另外一个巨大的贡献就是Llama大模型，开源的Llama大模型。Llama1、Llama2，绝对是给中国早期的开源模型奠定了基础。没有Llama1、Llama2，甚至是Llama3的这些开源，就不会有中国今天百花齐放的大模型。所以这个FAIR对于整个世界，特别是对于中国的AI产业，是做出了巨大贡献的。

杨乐坤为何在Meta混不下去？

杨立昆为什么在Meta混不下去了呢？亚历山大·汪来的时候，他还说我们好好合作一下吧，当时还是很有求生欲的，但是现在还是混不下去了。

原因一：科学家与CTO的角色冲突

第一个原因很简单，他呢是要去做长期研究的。通常大学教授都是做长期研究的，他是没有明确的工程化和产品化压力的。我今天做了一研究，这东西到底最后怎么工程化，或者在我的整个内部怎么去改进，他从来没想过这事，科学家也不想这事。或者说我把这东西做成一个什么产品给大家提供出来，他们也不会思考这个问题。他们真正追求的是什么？更多的经费，研究更遥远的未来的事情，以及呢，发表更多的论文。而且科学家的本质呢，从来就没有改变过。

那你说CTO跟科学家之间到底有什么区别呢？CTO，你是为股东负责的，你是要为董事会负责，什么该说什么不该说，你心里应该有数，你每说一句话都会影响股价的。而科学家就是只为自己心中的梦想去负责：“你们那些乱七八糟东西，不要来给我捣乱。”

那你说杨立昆跟作为Meta AI里头的领衔科学家，到底说了什么不该说的话呢？作为一个CTO他肯定不合格。总喊着“大语言模型是死路一条”，这玩意咋搞？我们现在招人做产品、做工程化，老大在这天天喊：“这个这是死路一条，你们再往前走就死了。”而且他还喊：“现在的所有大模型，跟一只猫比起来都不行。”OpenAI也好，谷歌也好，都说我们的模型可以顶博士了。说：“你把它装机器人里，你看看它有猫灵活吗？”肯定没有。这就是他的一个论断。你作为科学家你可以这么喊，而且你越这么喊，越容易搞到经费。但是你作为一个企业里面的领军人物，也是Meta的AI领军的科学家，但你天天喊“大语言模型是死路一条”，这事肯定是不行的。

原因二：商业压力与战略落后

他呢，一直准备去做世界模型。世界模型这个事呢，肯定是巨大的天坑。因为大语言模型这件事，大家已经走通了，知道怎么往前走……虽然挣钱还难一点，但是怎么去骗股民，怎么去骗基金，怎么去骗华尔街，这条路其实已经通了。那对于Meta来说，人家已经验证成功的路，我们得走下去，该捡的果子我们得捡起来。你不能在这个时候再喊说，我要去做世界模型。世界模型这个东西到底怎么做，做完了以后会达到什么效果，谁也不知道。我要靠这个东西去忽悠别人给钱，是非常非常难的。

这里呢，也会体现出Meta跟谷歌他们的差异。谷歌就是我这头挣着钱呢，那头呢，我还投入了很多的钱，去研究各种各样现在大家看不出结果的东西出来。而Meta现在不行了，我必须要马上见着钱，我没有那么多钱让你们去放飞自我了。

Meta现在呢，明显在AI领域里头落后了。Meta自己的商业化模式其实是有问题的。为什么呢？大家看看现在所有做大模型的公司，或者AI这类的公司，英伟达那是做芯片卖铲子，其他几家其实现在也都是卖铲子的。微软、谷歌他们虽然也做芯片，但是他们芯片卖的量并不大，就是只是自己用而已。他们卖什么？他们卖云计算呢。谷歌云上提供了这些大模型的东西，“你来买买我谷歌云吧”。微软也是这样，“我微软云上提供了OpenAI的全套东西，你来买我微软云吧”。大家每次去看财报的时候，只管看谷歌云的收入涨了，虽然可能其他的收入有些波动，但是你只要谷歌云的收入是呈两位数上涨的，我们就认你的市值了。他是这样的一个逻辑。微软也是如此，亚马逊和Oracle走的都是这条路，他们是卖云服务的。

那你说Meta呢？Meta缺云，他自己是不卖云服务的。Meta 97%的收入全是广告收入，他就讲不了那故事了。那他怎么办呢？他只能是实打实地做出产品来，大家很喜欢这个产品，用户量很高，只能干这条路。另外一条路是什么？就是我通过AI的改造，我的广告收入上升了。广告收入这种事情呢，它是跟用户数和用户时长相关的，你最后的转换率会有优化，但是优化起来是非常难，即使加上AI以后，也很难说我就一下有这种质的飞跃。所以Meta很难证明自己真的做的这些东西是有用的。

而另外一方面呢，他做的Llama4也翻车了。Llama4全面被千问赶超。原来Llama1、Llama2、Llama3还是遥遥领先的一个位置，但是等到Llama4的时候，第一个是做各种评分的时候呢刷题，就是他做了一些学术不端的行为，想把自己想做成那种“小镇做题家”似的，我把题刷完了以后去刷成绩，这个事是不行的。在他们这个领域里头，这是非常非常丢人的，虽然中国模型都这么干，但是呢对于美国大公司来说，这个是不可接受的。另外一个是什么？就是他的Llama4只出了几个特别大的模型，底下这些小模型都没做。Llama3还是从小到大做了一遍，大家还可以在Llama3的各种层级的模型上，去做自己的微调，做自己的行业应用。而Llama4只做了个最大的。那在这块填补空白的呢，就是千问。千问是从0.6b开始做到200多b，中间所有的层级全都做了。这个就是绝对是超越Llama4的一个状态。

原因三：扎克伯格的“亲自部署”

扎克伯格呢，觉得我必须要生死一搏了，原来这种慢慢悠悠的玩法不成了。为什么扎克伯格这么聪明的人，会让AI这么重要的事情慢慢悠悠往前晃荡呢？原因很简单，他的注意力还在元宇宙上呢，注意力没在这上头。我觉得我这才是正经事，我这个一定是最终出结果的，大语言模型只是中间的小波浪而已。

跟大家讲一个当时猎豹的故事。傅盛这帮人原来在360是怎么做出来的？周鸿祎当时是跑去做搜索去了，他认为只有搜索才是对的，这是互联网里唯一的出路。所以他带着大量的人去做搜索，傅盛、徐明这帮人呢，说这留着一摊子咱看着，那算了，咱们做一个360吧，做个安全助手吧，安全管家吧。等做着做着做起来了，周鸿祎在外边做搜索碰了个一鼻子灰，说玩不下去了。那一回头一看，这块你们做起来了，那我亲自指挥、亲自部署一下吧，就把傅盛他们直接从公司里扔出来了。

所以现在就遇到了这样的一个情况，扎克伯格决定回来说，元宇宙一时半会搞不定，咱们还是要在大语言模型上见真章。那么他的处理方式是什么呢？就是招募了亚历山大·汪，组建新团队。而这个新团队马上开始跟FAIR争夺资源，这个事情是由汪涛说了算的。所以在这件事情上，汪涛要去替扎克伯格背锅，要去挡雷。比如禁止随便去开放源代码了，禁止随便去发表论文了。你现在想去发表论文，必须要在内部走一个审核流程，走完了以后你才可以去发表。如果审核的过程中，发现这个东西我们可以变现，马上就能用得上的东西，你这发表了别人就用了，我们先不发表。他现在有这样的一个审核机制。再加上呢，裁了600多人，基本上把FAIR的下面的很多直接干活的人给裁了。杨乐坤就没办法了，实在混不下去，只能离开了。

世界模型之争：杨乐坤 vs. 李飞飞

最后呢，咱们聊一下世界模型吧。杨立昆出去要去做世界模型，还有谁在做世界模型？李飞飞也在做世界模型。那杨立昆跟李飞飞的世界模型，到底有什么一样的地方，有什么不一样的地方？

杨乐坤的JEPA架构

杨立昆要做这个东西呢，叫JEPA，联合嵌入预测架构。它呢，是非生成式的。大家注意，这个非常非常重要。什么是非生成式的？咱们的大语言模型也好，李飞飞做的东西都是生成式的。生成式的就是，我要生成下边最有可能的这个词，或者下边最有可能的这个场景，这个东西叫生成式。而非生成式呢，不注重生成未来的预测，不关心未来会变成什么样，它要生成的是什么？是未来的一个动作。我们要在这个世界里做什么？他要去找到现在这个状态跟未来这个状态之间的一些规则，我们应该如何来做这个决策。

这呢，稍微有一些抽象，后边我们再去讲他到底跟李飞飞这个差在哪。杨立昆这个世界模型呢，分为感知模块、世界模型模块、成本模块、记忆模块，以及行动模块和一些配置器。它要把整个这东西配在一起，基本上像一个机器人似的东西凑在一块，才是它这个JEPA。它是一个可学习的、端到端的可微调的一个主动智能体架构，在抽象状态空间里边，预测未来可能的世界状态，而不是直接生成图片和视频。

李飞飞的空间智能

而李飞飞的呢，它不叫世界模型，它这个东西叫“空间智能”，让AI真正理解和操作物理世界，就必须要能够在3D空间中感知、想象和交互。世界模型是一个生成式的、多模态的、交互式的。

相同点与差异点

它们的相同点呢：

• 都认为光靠大语言模型这事走不通，这是死路一条。
• 而且呢，面向未来的预测器和推理引擎，不应该是单纯的生成器。
• 他们都认为呢，需要做自监督的学习，需要大规模的观测数据。
• 都相信他们现在所做的事情，是通向未来具身智能和机器人的一个正确路径。

那他们的差异点在哪呢？

1. 研究空间不同：杨立昆研究的叫“抽象表征空间”，它这个东西是抽象成一大堆的数值的，而不是一个多模态空间。李飞飞那个是一个具象化的多模态空间，他最后出来的是视频，是3D模型，而杨立昆研究的是一大堆的数字。
2. 生成方式不同：刚才咱们讲了，李飞飞玩的是生成式的，杨立昆玩的是非生成式的。
3. 核心目标不同：杨立昆研究的是通用的自主智能，而李飞飞研究的是空间智能。那你说这两个词我都听懂了，到底差异在哪儿没想明白。说白了，杨立昆研究的是怎么做“人”，而李飞飞研究的是怎么做“世界”，这就是他们两个最主要的差别。所以你看杨立昆的这个大模型里头，它是有感知模块的，有世界模型、有运动模块、有记忆模块，这个东西基本上是个人。而李飞飞那个模型，就是在一个3D空间里头，来预测下一帧的画面是什么，他最后出来的东西是世界。所以这是对于世界模型的两个不同的前进方向。杨立昆搞的是抽象的表征世界，人看到当前的世界以后怎么去做决策，这个过程不是靠看图说话来的，你是要在这个人的内部形成一大堆的这种抽象指令，然后在这个过程中去往前走的。这就是他们之间的差异。

未来展望

最后呢，让我们来展望一下Meta跟杨乐坤的未来吧。Meta呢，现在必须要完成AI的应用和商业化，如果这个故事讲不通的话，他可能在七姐妹里边掉队。投资并且继续控制杨乐坤，对于Meta来说呢，也算是名声没有塌房。而杨乐昆的话，我们还要继续等待其后续的成果，看看后续是不是有其他的投资人参与。对于大学教授创业，我一直观点是一致的，就是他们会指明方向，会带领很多人去做研究，但是最后成为CEO的那个人，通常不是他们。但是杨立昆现在想做的事情还是比较有趣的。

好，这个故事就跟大家讲到这里，感谢大家收听。请帮忙点赞、点小铃铛，参加Discord讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

Meta到底是不是世界上最大的诈骗公司呢？

大家好，欢迎收听老范讲故事的YouTube频道。这是路透社的报道，不是咱们道听途说来的。2025年11月6日，路透社报道，根据内部泄漏文件显示，Meta正靠大规模的诈骗广告来挣钱。一批2021年至2025年的Meta内部文件，包括财务、风控和安全相关的文件曝光，其中提到2024年Meta广告收入中的10.1%来自于欺诈广告，大概是160亿美金。而且Meta主观阻碍了更严格的诈骗广告防控手段，为了挣钱吧，就是稍微手松了一些，这才造成了这样的结果。

前面美国政府没收太子集团陈志的比特币，也就是150亿美金，但那还是陈志攒了好多年，再叠加上最近比特币涨价才凑到的一个钱数。而Meta光2024年一年，靠欺诈广告就挣了160亿美金。所以他到底是不是最大的那个呢？咱们抱着这个疑问往下听。

媒体与社会的反应

那么，路透社把这个文章报出来以后，社会和其他的媒体是如何反馈的呢？

• ABC News（澳大利亚广播公司）在11月7日进行了跟进报道。
• Yahoo Finance（雅虎财经）、AOL和SFGate等媒体也都在11月7号做了跟进报道。

社交媒体上就更多了，他们大多是以“大瓜”、“丑闻”为标题，社交媒体一般会更轻松一些。但是呢，这件事情好像对于很多人来说就这么过去了。这种社交媒体平台公司，Meta自己就是一个这样的公司嘛，他们自己是有一套方法可以把这些舆论压下去，所以并没有激起特别大的水花来。

对Meta的实质性影响

上面这些呢，其实还都是无关痛痒的一些批判。真正对于Meta来说有伤害的是什么呢？

1. 第一个是美国SEC开始调查Meta上的金融诈骗广告问题了。骗你卖假货这事我不管，但是你如果是拉着大家说买股票，这个事SEC是要去管的。
2. 一些地区，包括亚太、欧洲部分国家，他们的官员跟机构呢，已经点名要求Meta就路透社披露的内容做出解释，包括是否故意放宽诈骗广告以保营收。

现在呢，诉讼、和解和罚单还没有报道出来，毕竟是11月6号才报嘛，那11月7号才有人开始跟进，所以相信这些诉讼、和解和罚单呢，应该在路上。

内部文件是如何泄露的？

那文件是如何披露的呢？刚才咱们讲了，这是内部文件泄露。路透社呢并没有说清楚这些文件到底是怎么出来的，包括Meta后边出来的解释，也没有指责造谣，也没有说这些文件不存在。所以这个文件首先是真实的。那最近Meta到底干了什么样的事情，导致内部这么重要、这么敏感的文件泄露呢？裁员。在做一些很大部门的、很核心员工的这种裁员。那么以后各个公司裁员的时候，你们要稍微小心一点点。

Meta上的垃圾广告类型与损失分析

下面我们来讲一讲，都是什么样的垃圾广告被投放到了Meta，一共造成了多少损失呢？Meta在文件里边披露的是叫“欺诈或被政策禁止的广告”，并不是说都是欺诈，有一些就是政策不允许的，色情或者一些赌博，或者超出一定范围以外的这些，这个呢都属于是政策禁止的。其实政策禁止广告真正被封的最多的还不是这些东西，真正封的多的是叫做“素材违规”。什么叫素材违규呢？就是我们看广告的时候，你总是要看一个图片、看一句话，或者是看到一个视频。不是说色情暴力，大家想歪了，没有版权。你说我盗版了一个别人的视频上来，推广了我的产品，那么这些呢都算是违规。

都有一些什么样的广告被投放上去呢？

• 虚假投资：大家去买币，大家去做什么量化，大家去做策略，这个叫虚假投资广告。
• 非法赌博：大家来赌钱，或者来做博彩，这种就是非法賭博。所以前面陈志，就是太子集团，大概率是Meta的客户。
• 假电商：但是假电商的这个范围非常非常广泛。你说我在真实的电商平台上卖假货，到底算不算？还是完完全全就是虚假的电商平台、虚假的收款？
  在Meta上，原来有一类特别特别有名的广告叫“货到付款”。就是我在上面给你打广告，你说“哎，我要这个东西”，不要钱，人家给你送来了，到现场去把这个快递签收掉。你如果说不满意，我可以说我不付这个钱，然后快递员就会把这个东西带走。在东南亚有非常非常多货到付款的这种项目，而且这种项目里卖的东西呢，都是品质非常非常差。为什么呢？因为货到付款的退货率是极高的，你需要把这个成本背回来，所以你只能是卖一些非常非常高利润的假货，才有可能把这个成本背回来。
• 违规药品：各种的什么增肌、减肥，当然也有合规的药品，但是还有很多人会使用这种违规的药品。现在很多那种肌肉猛男，动不动就是突然暴毙，都是使用这样的药品出来的。而且他们这些药品的利润非常非常高，他们也会跑到Meta上去投放。这些呢都属于叫违规的投放，但是这些药本身在医生的指导下，或者在一定的范围内还是可以销售的，甚至有些是兽药，就不是给人吃的，或者不是给人打针的。我也认识一帮人，就真的是在里边来卖这些东西。

我呢一直是在做流量相关的生意，后来的投资也都是在这个行业里边去。所以呢，我以前的同事、朋友，包括我们投资的案子，应该都是在这160亿美金的贡献额里，当然有些可能他们还没算进去，待会儿咱们再细讲。

如何在Meta上投放欺诈广告？

那么，在Meta投放这种欺诈广告到底怎么投呢？

1. 大量注册假账号：这些账号，如果Meta认为你是投假广告、欺诈广告了，他会给你把账号封掉。所以这些人为了能够不断地把广告投出去，他们会大批量地注册假账号，用各种各样机器人去注册Gmail邮箱，然后再从Gmail邮箱去注册Meta账号。那都是几十万甚至上百万账号，这么一批一批这么注册下来的。
2. 上传素材：拿到假账号以后呢，就开始上素材，就是你的视频也好、图片也好，要上素材。这个里边呢，就有很多的违规素材，没有版权的，或者是有强烈诱导性的，这种素材就会扔上去。
3. 设置预算并投放：再往后就是挂预算，就告诉Meta我准备花多少钱，我有一个什么样的策略，想投给男的、投给女的、投给多大岁数的、投给哪个国家的、投给什么样收入情况的。你可以设置一大堆条件，设完了以后，你就可以把广告投出去。Meta的后台就按这些要求，慢慢地去给你展示这些广告。
4. 应对封号并循环：那这些广告展示了以后呢，他就会遇到投诉，说我买到假货了，被人骗了投资了，那他就会跑到Meta去投诉。投诉了几次以后，这些账号就会被封掉。封完了以后呢，这些人再接再厉，因为前面刚才我们讲，这个注册假账号是几十万、上百万，那么注册出来的假账号，那就再来一个呗，接着投呗。所以这件事呢，并没有办法去彻底封干净。

欺诈广告造成的真实损失有多少？

那你说Meta的这些欺诈广告到底造成了多少损失呢？这个事并没有办法去进行严格的计算。因为Meta自己内部的文件所披露的呢，是160亿美金，是Meta挣到的钱。2024年，他们靠这种违规广告挣到的钱是160亿美金。那么这些欺诈到底带来多少损失？这个事是很难衡量的，但是我要告诉大家，肯定比这160亿美金要多得多得多。为什么呢？没有人做赔钱生意。你说我都已经出来骗钱了，我都已经是诈骗了，那我还赔钱，你以为是雷锋吗？这是不可能的。

当然，这种项目的话，广告投放的预算呢，大概率占比比较高的。比如说一共挣10块钱，里头可能有个六七块钱都是广告投放。那么剩下的钱是什么呢？剩下的钱就是你的产业上下游还要再挣钱。

• 广告制作公司：你还要做素材。就算你要去使用违规素材，也不是闭着眼睛随便挑一个素材就能用的，你也得去做各种AB测试，这个素材好，而那个素材不好。使用违规素材的原因不是因为偷懒，不是为了节省创作成本，“我不要原创，我要去抄袭”，他们是为了有更好的转化率，这也是千挑万选挑出来的。
• 广告投放平台：这么多人坐在这个平台上，面对Meta的后台，在上面敲数字，我愿意投1块钱，还是愿意投10块钱，这个也是要有成本的。而且他们是要做资金占压的，我要先把钱给Meta，然后把广告发出去以后再把钱挣回来，所以它的成本也很高。那你说这个钱是谁来的？这个钱是银行，像前面我们讲过，硅谷银行他们就愿意放这种贷款，我贷款给你，你们去投吧，投完了以后再把钱挣回来还给我。
• 电商、支付、物流等平台：后边还有电商、支付、物流等平台，他们也是要去产生成本的。
• 生产成本：当然还有生产成本，你说我卖给人一假包，那这个包你还是得生产，你不能从空气里变出来，那这也有成本。那这块呢就可以压得比较少。
• 退货成本：还有就是退货成本，在这个里边，可能除了广告投放成本之外，另外一个大头就是退货成本。
• 合规成本：还有的就是各种封号成本，比如说把你亚马逊账号封了，或者是把你的速卖通的电商账号给你封了，或者是把你的Facebook的投放账号给你封了，这个也是一个成本，叫合规成本。

所以这是几块要去分摊这个东西。而最后这个产业链呢，要把所有这些成本都cover掉，因为他既然一直在做这个事，肯定做这事他是挣钱的。

欺诈广告的惊人规模

所以到底产生多大损失呢？现在有一些侧面论证。

• 美国呢，1/3与支付相关的欺诈都是来自于Meta广告。大家注意，这里头有一个定语叫“与支付相关”，你还要付钱的，与支付系统相关的。那你说我被人骗着出去炒股票了，做了老鼠仓了，或者我被人骗了去这个做比特币投资去了，还没算在这里头。你与支付相关通常是，你去电商买东西了，那么我买的假货，这里头有1/3来自于Meta。
• 英国接近一半与支付相关的欺诈是来自于Meta广告。Meta还确实是占了很大一块的市场。

那么到底发出多少欺诈广告才能有这么彪炳的战绩呢？让大家稍微猜一猜，心里稍微想一想，看看数量级对不对得上。这个具体小数咱们就不用想了，你说我这一年发1亿条、发2亿条还是发10亿条。大家都不用再猜了，可以跟大家讲，公布答案：每天150亿条。通过这样的广告狂轰滥炸，才能够有这么彪炳的战绩。

为什么Meta的政策备受批评？

你说我是一广告平台，有10%是有问题的广告，这在所难免嘛，我也在很努力地去治理了，那为什么被骂呢？首先在这呢要跟大家讲，到底哪条广告是欺诈，哪条不是，这件事呢并不是非黑即白，特别是对于审核平台来说，更没有办法来去做非黑即白的判定。一天150亿条，你咋判定的过来吗？根本没法整。

而且广告主想的事情呢也很简单，就是怎么提高转化率。我已经花钱了，做了产品，然后找人去画了这个广告的素材，还去投放。这个投放的成本可能是1000次展示，比如说10美金，我已经把这钱都花了，我就希望更多的人看到了我这个展示了以后去买我的东西。那么在这个过程中就难免擦边，比如说我说个“遥遥领先”什么这种事情，都算是有点擦边。

高风险打分标准：95%的“智慧”

那么Meta处理的方式是什么呢？它叫设定高风险打分标准。我们对每一条广告、对每一个广告素材去进行打分，到多少分以上就算是高风险广告了。他们打分了以后呢，到多少算是欺诈广告呢？95%。就是95%的条款都符合，你们就算欺诈广告。那么这些广告会被封禁。那么现在统计的就是落到这95%外，把这个5%的欺诈广告就直接封禁掉了。

对于那些很像是欺诈，但又达不到95%的怎么办呢？就跟是这个大胡子，你说到底是100根胡子是大胡子，还是1000根胡子是大胡子？那1000根胡子是大胡子，拔一根剩999根，还算不算大胡子？他就是这样的一个概念。那么有些就很像，但是又达不到。Meta的智慧呢就体会在这里了，我觉得你可能是在做坏事，那怎么办呢？不是说上去警告，“多给点钱吧”，Meta是这么来处理的。他会对这疑似是做欺诈广告的广告主提高报价。

如果你还愿意做下去，基本上后边会有几种可能性，大家猜一猜。第一个，投放成本上升了，那么投放者呢会小心维护。既然我已经花了更多的钱来获得用户了，那我就稍微地规矩一点，这个是有可能的。当然还有一种呢，就是投放成本上升，投放者就更加肆无忌惮，“我都已经花这么多钱了，把这些竞争对手都挤死了，那赶快上，捞一把是一把。”这些人呢到最后的结果也很简单，就是换账号。就是你更肆无忌惮了以后就可能落到超过95%的这个范围内了，就直接被封号。那么这些人就会上一个新账号，继续去投广告。

对于Meta这种大数据来说，看到的都是比例，能够设置的就是各种阈值，影响的都是转化率。大家一定要记住，这事就是没有0和1。大数据，就是这数据首先要大，一天150亿条，够大了吧。而且这还是他们认为落到这95%打分标准以外的这些欺诈广告，一天150亿条。

救火队式治理与“收入围栏”

那么Meta也经常被人告，说你这个欺诈了，被人投诉了，被人告了怎么办呢？他会优先处理一些国家。那他先处理谁、后处理谁呢？有些国家呢最近有专项整治，或者最近准备立法，或者是最近立法趋于严格，有可能会带来重大罚金了，Meta就会先处理这些国家的欺诈广告。这真的是各种救火队的这个玩法。

而且呢，Meta还有一个特别有趣的政策，叫“收入围栏政策”，就是让公司收入下降控制在0.15%以内，这是给打击欺诈广告的这个部门的KPI上限。就是如果你打击了以后，造成公司收入大幅度下滑了，那这事都不行了，这个幅度呢就是0.15%。

Meta的官方回应

那对于这样的这种批判来说，Meta肯定得回应。Meta的发言人叫Andy Stone，他就出来回应了，说首先你这个叙事有问题，你选择性视角，扭曲了公司打击欺诈和违规广告的整体策略，“我们在很努力，你不能说只看到我们的缺点，没看到我们的优点”。这个叙事方式是不是很熟悉？在哪看到过的，我就不跟大家讲了。

他回应的要点如下：

• 淡化关键数字：他淡化了10%和160亿美金这个具体数字，说这个10%也不是说不存在，确实存在，160亿美金的也有，但是呢这只是一个粗陋且过度泛化的模型，我们并没有进行特别详细的统计。而且呢我们统计这里头还包含很多合法的广告，这些广告其实是没问题的，因为它是使用打分的方式。那咱们就想，这每天150亿条是没有办法逐条核实的，那95%这个标准还是能够说明问题。那大家想呗，到底有多少合法广告落在那5%里头被他干掉了，又有多少不合法的广告落在那95%里头被他放过了呢？
• 强调已采取行动：他也强调说，我们已经采取行动了。2025年，我们删除了1.34亿条欺诈广告内容。2025年的1.34亿条欺诈广告内容，跟每天150亿条发送量比起来，还是有一点点触目惊心的。而且呢，过去18个月，全球欺诈广告用户的举报量下降了58%，这个呢确实还是做出点成绩了。你可以别的都不说，但是大家不来投诉了，还是有点效果。
• 否认指控：Meta也否认营收护栏优先于安全，说0.15%收入影响上限只是一个预测的情景，不是硬性限制，“我们并没有要求他们不超过，只是就正好发生在这了，就是这么巧”。他们呢也否认只在被监管威胁时才行动，就是你这个国家哪怕不来管我，我也会去打击这些虚假广告的。

所以Meta真正出来回应的呢，就是否认自己从欺诈中牟利是商业策略，承认问题存在，但是呢强调数字被误读了，公司还在改进之中。Meta的回复呢，还是看着比较眼熟的。

总结：Meta是最大的欺诈公司吗？

最后总结一下吧，Meta到底是不是世界上最大的欺诈公司呢？这里还有一个比他还大的，这公司叫谷歌。谷歌的数字应该会更恐怖一些。现代欺诈大多是以互联网形式传播的。

• 谷歌2024年广告收入有多少呢？2,646亿美金，占谷歌整个的收入是75.6%。
• 而Meta2024年的广告总收入是1,606亿美金，占它的总收入97.6%。

所以Meta是没有别的收入的，全是广告收入，97.6%。刚才算那个10%、160亿美金，就是拿这个1,606亿美金，基本上拿这玩意算的。

在互联网世界中，没有非黑即白，一切都是比例，都是转化率。所有的政策都会有错杀，也都会有漏掉。世界上所有的交易，好的与坏的，都和互联网广告脱不开干系。治理这件事呢，还是要增加广告平台的责任。Meta肯定属于不太负责任的，特别是我觉得你有可能欺诈我涨价这个事，真的是太不负责任了。

未来的治理方向

现在大家期望什么呢？

1. 更严格的广告实名和审核制度。因为刚才我讲，你要想投这种垃圾广告，第一件事是要去注册假账号，如果你能把最上游的假账号封掉了，那这个确实能够有一定的效果。
2. 独立的第三方审核诈骗广告数据。这件事呢理想很美好，但是不太现实。原因也很简单，一天150亿条，你让什么样的第三方机构来审这东西？这是不可能的。未来我们只能期望AI能够能力更强一些，对这些欺诈广告进行快速的筛选，靠人这事是不现实的。

最后呢要跟大家提醒，大公司裁员之前稍微加点小心。Meta如果不是因为紧急裁员的话，估计这些未公开数据、未公开的内部文件也不会泄露到路透社去。

好，这就是咱们今天要讲的故事。感谢大家收听，请帮忙点赞、点小铃铛、参加DISCORD讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道，再见。

Meta暴跌带崩美股，AI泡沫是不是要破了？

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲Meta暴跌带崩美股，AI泡沫是不是要破了？

TACO之后，为什么紧跟着就是美股下跌呢？我是在Taco之前，还专门转了一部分的钱，进到这种美国科技股的基金里边去，结果转进去以后就开始跌，给我气的。我太太就说：“你看你转早了吧。”反正这种事呢，只能是自己承担了，也没什么好说的。确实没想到两个老大见面聊了以后，就变成这样了。

TACO峰会回顾：符合预期，渐行渐远

TACO这个事呢，咱们简单的总结一下吧，算是符合预期。所有的事情暂停后推，但是呢，也没有任何超出预期的部分。芯片该不给还是不给，稀土我们也没说就解除了，所有的东西都是往后推。所以这意思呢，就是看看谁能够把这个事克服掉。比如说我们这也在疯狂造芯片，美国也在疯狂整稀土。

我今天还看到一个哥们在那讲，说钩呢还是要脱的，这个链还是要断的，只是呢，中间这个过程是要变得可控。如果有一家觉得不可控了，就会出来闹事，甭管是他们在这虚空造牌，还是我们对等反制，都是会闹事。而且这种闹事呢，谁也受不了。所以现在呢，两边就说咱们再慢一点，再往前走一点，大概是这样的一个状态。所以呢，属于叫符合预期，但是依然是在向着渐行渐远的方向发展。

科技股下跌元凶：Meta财报引发的连锁反应

美股就开始下跌了。除了谷歌之外，谷歌在涨，其他的科技股都在跌。为什么我们只讲科技股呢？其实现在美股里边最大头就这7个，“美股七姐妹”。他们涨，就整个的指数在涨；他们跌，就整个指数在跌。而且他们之间呢，也有相当的关联性。有一家跌了，或者出现一些什么重大的问题以后，大家会一起往下跌。

这一次美股科技股的整体下跌的罪魁祸首呢，就是Meta。它的财报公布，收入呢其实还是超预期的，一把被大美丽法案干掉了159.3亿美金的利润，它的整个的利润就变成了负增长。原来每个季度的利润，都是能够涨百分之三十几往上涨。是不是因为这件事，所以大家对它不看好了，还是怎么样？待会咱们再讲。

这个大美丽法案还是挺神奇的。当时大美丽法案出的时候呢，并没有录节目去讲，因为它这个东西很复杂，跟着一堆的这种二道贩子、三道贩子的解读呢，也没什么意思。但是今天这个大美丽法案，确实是影响我们了，也让老范亏了钱了，所以呢要稍微的去研究一下。待会呢，把研究的结果分享给大家。

其实呢，即使是没有这笔钱，就是说这159.3亿美金的利润不去掉，它的利润增长呢，其实也没有达到预期。它的利润增长是在下降，就是利润还是在涨，但是涨幅没有那么高。这是它这一次被做空，或者说这一次暴跌的一个主要原因吧。AI的投入过高，而且呢，没有后续的故事和预期，这是现在市场上给出的一个论调。

它最高大概跌了13%。微软也被拖累了，跌了2.9%，因为微软其实现在是AI圈的老大，它是OpenAI的大股东。谷歌现在在这一块上，跟OpenAI算是打的有来有回，但是还没有完全超越，现在老大还是OpenAI。OpenAI没上市呢，那微软就是上市公司里的老大了，所以把它也带崩了。英伟达、特斯拉呢也都是在跌，亚马逊呢是稍微下跌一点，前面呢涨上去的，现在要稍微消化一下。谷歌是涨了2.5%，为什么它能涨呢？老大又站起来了。很多人都觉得谷歌会死，因为AI把整个的搜索广告逻辑给打破了，而谷歌大概百分之七八十的收入来自于搜索广告。现在一看，谷歌你还可以，特别是Nano Banana上来以后，Gemini整个的用户量直接上去了，起飞了。纳指呢是整个跌了1.6%，标普跌了1%，道指呢跌了0.2%。所以就是这几大科技股下跌，会把整个的股市往下拉的。

深入解读：神奇的“大美丽法案”

这到底是减税还是增税？

咱们来首先来讲一个东西：大美丽法案。直接扣掉的这159.3亿美金的税，到底是怎么回事？很多人说川大统领您太狠了吧，怎么就收这么多税呢？这个理解其实是不对的。大美丽法案其实是在给大公司减税。

大美丽法案规定的是，美国本土的研发投入和美国的基建设施，都可以当期直接进行100%折旧和抵扣。原来比如说我在这招了一堆程序员写程序，但是你是不能把它完全算成当期的成本。100万美金的这个研发成本进去，可能在未来的4到5年里头才能把它摊掉，每年挣了利润以后，减掉20万美金、25万美金，剩下的钱是我的真实的利润，我要再去交税。我建完算力中心呢，可能要5年或者10年才能把它摊销完。现在的大美丽法案说不用，花了钱，当期就可以把它都摊掉了，你现在就直接把它折旧掉就完事了。那意思是什么呢？比如像Meta这样，10亿美金薪资我去挖人去了，或者1亿美金薪资我挖人去了，你直接就可以把当年的利润去掉，剩下的钱再去交税就完了。而是这样的一个法案。

所以呢，它是在鼓励美国的互联网大厂，多在美国做研发，你不要跑到外国做研发去；多在美国做基建，把这些大的这种基础设施、算力中心都给我建在美国。原来研发和基建的钱，需要分很多年从利润里头抵扣掉，现在一把干掉。这个是很神奇的一个东西吧。所以大家看到这大美丽法案，是不是跟咱们的某个东西很像呢？是不是很像中国的以旧换新政策？这川建国的名字真不是白叫的。只是咱们的以旧换新呢，只关注设备，而人家的这个大美丽法案呢，除了设备更新之外，还希望大家尽可能在美国去做研发，他对人的投入也是允许一次性抵扣的。所以川建国美国版以旧换新，就是大美丽法案。

159.3亿美金利润去哪了？

那这个钱到底交了吗？谁出的钱，交给谁了？这159.3亿美金不是一个小数字。首先跟大家明确一点，这个钱并没有交。Meta没有拿出这153亿美金来，美国政府也没有收到这笔钱。那这钱是怎么回事了呢？159.3亿美金这利润怎么就没了呢？这笔钱其实是被Meta花了。花哪去了？去高薪挖人去了，去建算力中心去了，我去买英伟达显卡去了。如果是在大美丽法案公布之前，这笔钱呢，Meta会把它记在账上，说我未来的可能四五年，或者有五六年，我每年摊销一部分。那这一块呢，你算利润了，你今年的这个利润你要去交税。那现在的未来，这个的摊销的这个东西我就不要了，我这159.3亿，我今天一把子都把它摊销掉，所以今年这个利润就没了，不用拿这个利润去交税了。

双轨制税制下的选择

什么情况下会选择进行一次性冲抵呢？就是他把这个159.3亿全都给一把冲抵了吧。美国的税制呢，还是比较麻烦的，这个东西我也没有那么懂，今天研究了半天。它呢是双轨制税制。一个呢叫实际税，就是你应纳税所得的21%，你是要去交税的。大美丽法案呢，等于极大的降低了应纳税的这个基数。你比如说像Meta，原来你这个159.3亿，你都应该算是实际的应纳税所得，现在把这个东西一下全去掉了，等于你整个的税就可以交的少很多。另外一个税呢，叫做财报上的利润，加减指定的一些调整之后，它规定有哪可以调，哪个不可以调，这个呢是可以去做最低税额。最低税是多少呢？就是你财报利润算上加减的这个指定调控以后15%。应纳税的这个实际税和这个最低税，它是俩税，然后这俩税里头呢，算一个最高的。比如说你现在把这个应纳税额全都给我抵扣没了，你就不交税，这事不行，你要把你财报利润的15%，就按照这个最低税去交。实际税是应纳税所得的21%，最低税是你的财报利润去除了一些加减指定调整之后乘15%，这是俩数，这俩数里头呢，哪个多交哪个。他是这么来算税的。所以你做了这个税务优化，财报做的很漂亮，政府收不到税，这事是肯定不行的，必须得收到税。

七姐妹的军备竞赛：谁在疯狂烧钱？

Meta做了巨额的研发和算力投入。其实呢，Meta花的钱不是最多的，肯定现在花的最多的应该是微软，它是买算力中心花的最多，但是它的研发投入其实没有那么高。但是呢，要注意一点是什么？Meta的市值没有微软那么高。微软3万多亿、4万亿去了，Meta只有1万亿，所以它花的钱虽然少，但是它占比例高。

基建投入对比

• 亚马逊：基建投入占市值的5.2%（包含物流中心）
• Meta：基建投入占市值的4.2%
• 微软：基建投入占市值的3.6%
• 谷歌：基建投入占市值的2.7%
• 特斯拉：基建投入占市值的0.5%到0.7%
• 苹果：基建投入占市值的0.3%
• 英伟达：基建投入占市值的0.15%

有一个更高的是亚马逊，亚马逊的基建投入是占亚马逊整个市值的5.2%，但是亚马逊是要建这个物流中心的，它里头有很多是仓库，所以它的基建呢，跟其他人还不太一样。苹果的基建投入只占市值的0.3%，非常非常少，但是苹果本身市值很高。英伟达的基建投入只占市值的0.15%，万亿美金的公司，他就投了50亿美金出来建晶圆厂，所有这些算力中心跟他都没关系。他的算力中心都怎么办？他是投资别人，你们去建去，而且我投资你的钱，你还得回来给我买芯片来。这是英伟达做的比较鸡贼的地方。特斯拉的基建投入呢，是市值的0.5%到0.7%，所以特斯拉也没有做特别多的基建投入。真正狠狠的在这做基建投入的，就是微软、谷歌、亚马逊和Meta。而且这里头真正比较狠的，实际上是Meta跟亚马逊。

研发投入对比

• 亚马逊：研发投入占市值的4%
• Meta：研发投入占市值的2.9%
• 谷歌：研发投入占市值的1.6%
• 微软：研发投入占市值的0.8%
• 苹果：研发投入占市值的0.8%
• 特斯拉：研发投入占市值的0.36%
• 英伟达：研发投入占市值的0.3%

研发投入呢也是可以进大美丽直接抵扣的嘛，那么研发投了多少呢？Meta投了2.9%，就是它的市值乘2.9%是它的研发投入今年的。谷歌是1.6，再往后微软是0.8，英伟达是0.3，苹果有0.8，亚马逊还是最高的，亚马逊有4%，特斯拉是0.36。这个里头真正敢花大钱的，一个是Meta，一个是亚马逊。

穷兵黩武的Meta

那Meta呢，其实有点像二战前的日本穷兵黩武。本身市值不高，1万多亿了也不能算不高吧，但是跟美股七姐妹里的其他公司相比，它算是不高的。但是研发跟基建投入的占比，非常非常巨大，而且赌徒心态非常彰显，就要赌一把大的上来，我就1亿美金去挖人，10亿美金去挖人，他在玩这样的一个事情。

很多人说亚马逊不是比他花的更狠吗？怎么没有跌的这么惨？原因很简单，基建和研发针对市值占比，确实是亚马逊更高，但是亚马逊刚玩了一个什么？3万人大裁员。不是没有道理的，你对于股市来说，裁员就是最好的强心剂。只要说我这做大裁员了，股票就会涨。亚马逊宣布说我3万人大裁员的时候，那股票蹭就上去了。这一次只是被Meta带着稍微的回调了一点，大概回调了2%。如果Meta也敢搞上万人、上万人的裁员的话，他也能涨，只是前面偷偷的裁了600人，还被人骂的狗头一样。而且还都是裁到关键位置上，把杨乐坤的团队都给裁了。你想干嘛呀？所以这个里头花的钱多，内部的整个的战略比较混乱，不是很清晰，还不舍得裁员，所以他就得跌。

为何只有Meta“一把梭哈”？

那下一个问题说，既然大美丽法案这么好，是不是大家都这么干？还是说只有Meta这么干？跟大家讲，只有Meta这么干。为什么呢？七姐妹里头其他的几家公司，都没有利用大美丽法案，直接把研发投入和这种基建投入一把全都给它冲掉。其他人有可能在第四季度干，但是至少第三季度没干。因为很简单，就这些投入，并不是一定要一次性冲掉，你还是可以留到后面去冲抵，你可以自己选，说我这次是一把把它都冲了，还是说我留到以后再去冲。

Meta的财务呢，可能是感觉未来这些用不上了，所以干脆一把冲了算了。这个呢，为什么是这么算？大家再想想，刚才咱们讲的这个税是怎么算的，还有俩税，一个呢叫实际税，一个叫最低税，两个里头呢找最高的交。Meta觉得以后，可能实际税也超不过这个最低税，所以咱就按最低税交就完了，我就不需要再去冲抵了。如果它的利润非常高，实际税就会很高，也需要留好多这样的抵扣到未来进行冲抵去。最后呢，他们会把实际税呢，也保持在比如16或者是十几这样的一个位置。像英伟达，就是始终保持它的税率是16%点几。那我就可以把这些东西留到以后用。但如果我觉得，以后实际税可能也没有多少，我这个大头就是这个最低税，那我就不用再去留着钱到后边去做冲抵了。所以一把就梭哈进去了，一把全都冲掉了。其他大厂呢，可能未来的利润还会更高一些吧，所以就留着钱。当然了，这依然是一个利空信号，等于从Meta自己内部来觉得，这些抵扣留到以后没啥用了。这个是非常非常不好的一个信号。

财报背后的真正危机

那么利润上涨不及预期是真的。把这159.3亿的利润去掉了，所以导致整个利润看着很难看。就算是不扣这159.3亿，利润增长的也没有前两个季度猛了。所以总体利润上升不及预期，才是整个这个事情里的最要命的一件事。Meta的主要收入呢依然是广告，而广告收入的增幅却在下降。你像另外一个广告大头是谁？是谷歌。谷歌现在广告确实是在下降，但是我另外一头，靠YouTube广告稍微拉起一点来，然后云计算开始挣钱了，AI开始挣钱了，所以大家觉得你行了。而Meta呢，除了广告之外没别的东西，那你这事儿就会有问题。

而现在Meta广告收入的增幅在该下降。其实呢，它受AI影响的并没有那么大，它受到的影响主要是关税战，导致电商广告的投入下降。这块对于Meta来说，是比较沉重的打击，而且很难恢复回来。中美之间就是这样打打和和，现在呢相当于是一个离婚冷静期的时候，那你在这种时候，那Meta这种广告商，日子就不会那么好过。

它的流量呢，也确实在被其他的平台所分流，比如像TikTok、YouTube short，都在开始分流和吸引Meta的电商流量。因为TikTok自己本来就是做电商的，现在TikTok shop在美国也开了，那你直接在内部进行变现不就完事了吗？YouTube的话，谷歌现在也开始做电商了。在这一块上，Meta的很多的广告流量就会被分流掉。而且还有一点是什么呢？就是虚拟现实就VR这块，扎克伯格折腾了这么久还是亏损，一点光都看不着。你比如说亏损的这个面逐渐缩窄，我的盈利逐渐增加，或者营收逐渐增加，这事也行，没有看到任何希望。小扎呢又舍不得砍VR这一块。营收4.7亿美金，亏了44.32美金，而且亏损额一点都没有下降，上个季度是亏这么多，这个季度还亏这么多。所以这就没法整了。如果小扎宣布说我把这块砍了，裁员上万人，那股价绝对起飞了。但是小扎舍不得，那这事就没法整了。

市梦率 vs 市盈率：Meta讲不出新故事

Meta遇到的下一个问题是什么呢？就是AI的市梦率跟市盈率之争的差异，在Meta身上体现的淋漓尽致。又不是只有Meta在这砸研发、砸基建，为什么只有Meta被人质疑，说你的AI投入变现能力有问题呢？前面有一个OpenAI在那顶着呢。OpenAI特别擅长玩模糊处理，拿了英伟达的钱，拿了AMD的股票和高通之间签了芯片研发的这种协议，和韩国企业签了存储芯片协议，和Oracle签了算力租赁协议，Oracle再去找英伟达和AMD再去签这种基建协议，这个钱都不知道是在里边转了多少圈。

那你说这事没人告他吗？还真就没有，因为他没上市，他不是个上市公司。所有这些钱呢都是意向性的钱，有一个很大的数字，但是具体什么时间、怎么花、如何交付细节，通通没有。因为你一旦有细节了，你最后交不出来，或者说这个钱没花掉，你就会有问题。你虽然OpenAI不是一个上市公司，但是其他人都是上市公司，就不能胡说八道了。山姆·奥特曼等于做了很多这种非常模糊的交易，所以他就可以在里面去玩这个事儿。而且呢，微软、OpenAI、英伟达、AMD、Oracle玩的呢，就是市梦率。你说这个市盈率、市销率咱明白，啥叫市梦率？市盈率就是你的市值跟你的利润之间除一个比例。市盈率20倍什么意思？你挣了1亿，你的市值就是20亿，它是这样的一个20倍。市销率呢，就是你的销售额跟市值之间的比率。很多游戏公司市销率有1的，有2的，就是我销售额是一块钱，我的公司就值一块钱。那市梦率是什么呢？这个市梦率就是“信我者得永生”，未来很远大，未来的商业模式，你们现在人根本就没见过，你也想象不出来，所以未来到底能挣多少钱，根本就不是现在的人能想明白的。咱就只管做梦就行了。

微软也好，OpenAI也好，英伟达也好，都在干这个事。英伟达上来说，我在所有的基站上给你装芯片，大家就可以在基站上进行算了运算了。但是你说我拿基站算完了，以后到底是怎么挣的钱，怎么把这钱挣回来揣口袋里，这个事谁也不知道。但是Meta这呢，就不能玩这个事了。为啥呀？你像微软、OpenAI都说，你们只管拿着我们的产品去做开发就行了，至于以后到底怎么挣钱，我不管了，我是基础设施。Meta呢，它是一个传统的商业模式，没有什么新东西，它就是社交媒体，做广告，最后通过广告来变现，也没做出什么别的花样来。OpenAI讲的故事它讲不了，它只能说AI加入了以后，我的广告的变现率提升了多少，或者我广告的展示率提高了多少。我看到Meta财报上讲，因为加了AI，广告的展示率上升了。我在那乐，我说你广告展示率上升跟AI没关系，只跟用户体验有关系。但是他也讲不出别的故事来了，你又花了这么多钱，那这就没法整。

内部失调：失败的AI产品Vibes

原来Meta挣钱实在挣太容易了，就是做广告这个事，各种脏活累活，他是不太愿意干的。这里头呢，还有一个叫VR的赔钱货，就是Meta的虚拟现实。这个赔钱货大家都不看好，偏偏小扎呢，又舍不得扔。你说我花了大钱，我做AI我做出点东西来也行，我也能让人高看一眼。但是呢，Meta又没做出来。他们有一个新产品叫 Vibes，这个产品呢，我是听到过几耳朵，但是自己也没试用过，也没有去研究到底怎么回事，也没有看到什么响动，这产品就挂了。

产品定位与技术困境

那这个Vibes这产品是谁做的呢？Ned Fredman。这哥们原来是GitHub的老大，也是一个天使投资人，投了很多项目，也是很多项目的这种顾问。他被小扎拎回来，说你来给我做一个产品。接着开始整了这么一个东西，太急于求成了，做了一个叫短视频生成和轻量级社交平台的一个东西。这个名字是不是有点长？毁就毁在这了。如果单纯的短视频生成平台没毛病，但是如果还要再加一个轻量级的社交，这事就废了。

他们呢，也没有使用自己的技术。Meta其实原来自己是有整套的AI生图、AI生视频的技术都有，但是那些技术呢，都在Meta的原来的技术团队手里头，刚裁的600人那就是他们。那新人跟旧人正在两看相厌的时候，合作是不可能合作的，所以干脆就找别人去拿技术就完了。他们的技术哪来的呢？Midjourney和Flex，这两家的技术直接拿来用。Midjourney呢是Ned Fredman，应该算他投资吧，他也是Midjourney的顾问，所以直接给Midjourney付钱，说我直接付你几年的服务费，拿来我用一下吧。这些系统拼在一起以后的话，就不太容易去整合，可控性也没有那么强。而且Midjourney，我用Midjourney经常给自己画像，画的就不像。不像我，那你作为社交来说，最核心的一个点不是画的有多好看，而是画的有多像。社交就是你的社会关系，要参与到交往中去，产生新的价值。如果你画的不像，折腾半天这是谁呀？那你的所有的社交价值就被折损了。他技术上本身就有一些天坑在里头。

流量操作与办公室政治

所以呢，技术只能说是有点太着急了，但是这个产品真正死的，还不是死在技术上，他是死在流量操作上了。为什么一定要做这个轻量级社交平台？大家想过没有？他Meta的人就这套词熟，就这套拳脚比较熟练。你不做这个轻量级社交平台，我不会做别的。跨平台，把这些短视频发到Instagram REELS，或者是Facebook story，什么这个里边去，都可以去干去。这个时候就会出一个很严重的问题，是什么呢？既然你Vibes也有一个轻量级社交平台，那你是按什么考核的呢？你是按用户数考核？按生成量考核？还是按标准的这些社交平台的指标考核呢？那肯定按社交平台指标考核，因为就这套词熟嘛。那你既然按社交平台的方式来考核，那你要干嘛呢？就要从其他平台上洗流量回来。我要发一个东西出去，再把这个Instagram的流量和Facebook的流量给我洗到这个Vibes里头去。那其他的平台就很困扰了，我让你把内容发上来，你还把我的流量洗走了，这不行，大家都有KPI，不是光你有，我也有。那这个里头就会有一个问题，就是平台推荐算法，因为平台都是推荐算法嘛，我到底是不是推你的这些流量？如果不推的话不就没事了吗？

但是咱们想清楚，Ned Fredman他是个新人。虽然这哥们是一个很资深的投资人，而且是GitHub的老大，跑到小扎这儿，但是他在Meta他是个新人，新来的嘛，那肯定跟小扎是有蜜月期的。又不太了解内部应该如何推动，这种人在里头干会干嘛呢？一定是举着尚方宝剑四处挥砍，上来以后就是我们是天子门生，你要听我的。那么下边这帮人你说能不能配合呢？一定会配合，不可能说完全不配合，但是这种配合一定是掺了水的，最后把各种屎盆子再重新扣回来。所以呢，它这个Vibes上来以后，Instagram上那些真人的创作者，包括这些大V，还有各种的MCN机构就开始骂街了。骂什么呢？说你这AI内容垃圾，内容长得又不像，不好看，还把我的流量吸走了。骂完了以后，这个产品直接就臭街了嘛。

京东原来也出过这种事。京东原来招了好多这种外来的和尚，因为京东有一段时间呢快速发展，人不够使，他们就在内部提拔了很多这种叫将将够用的人，占据了关键岗位。等京东长大了以后，刘强东说不行，我也得整点高大上的人回来，我要这个大厂的人，我要名校的人回来。结果这些人去了以后呢，京东以前的这些掌握各种资源的人就会给他们穿小鞋。出现一什么问题呢？销量下降。而京东刘强东最后只看一个东西，就是你的销量是上升了还是下降了。如果销量下降了，那你不行吧，原来那个老人留着，把这个新人干掉，再换一个。所以这种传统势力对抗这种新人，就是这样的一个方式。Vibes就遇到了这种问题了。

横向对比：谷歌VEO3与OpenAI Sora 2

咱横向比较一下谷歌的VEO3。它的技术很好，API是开放的，受到了开发者和创作者的好评，很多人现在已经开始拿VEO3去干活去了。VEO3就是一个视频创作工具，甚至它视频创作工具这块，做的都不是那么好，它就是个API，没有自己搞社交平台。现在呢，他准备把这个产品集成到Gemini和YouTube里边去，大家也都挺欢迎的。我原来有这么多用户，这用户还是我的，我我增加了新功能了，他们可以在我这有更长的停留时间，有更好的变现机会。所以VEO3去跟下边这些兄弟单位之间去合作的时候就比较顺畅。

OpenAI的Sora 2呢，它是社交平台和视频创作工具。社交平台没问题，因为OpenAI自己原来没有这东西，我从头做一个呗，也不跟别人打仗。即使是这样，Sora2的社交平台，现在感觉活跃度也不是很高，没有那么热闹起来。其实并不是原来的技术达不到，而是有一些伦理限制。原来我们去做Sora2的视频，必须是拿自己拍视频，现在的话它允许大家上传视频了。比如说我上传一个《哪吒2》的视频上去，你就可以拿哪吒的形象去做视频了。但如果一开始你就开放这事的话，那版权方一定会弄死你的。现在已经有一些声量了以后，他就慢慢开始开口子了，用户达到一定阶段，慢慢的放松。Sora2的技术呢，我一直讲没有那么好，但是呢，它比较会投机取巧。Sora2最强的地方在哪？就是人长得像。我要做社交，一定是人要长得像，这个是最重要的。而且原来也没有其他的社交部门，也不需要去抢，我们就从头开创就完了。所以他们玩的还比较开心。

社交媒体平台本身玩的就是推荐算法，就是引导舆论或者压下意见，这玩意是老本行。所以咱们刚才讲，你去得罪这些公司里的老人，他们给你小鞋穿的时候，一定会出幺蛾子。Instagram上的这些大V，Instagram上的这些MCN机构，去抱怨去骂街，还能传起来，一定是有人在内部组织，而且在推荐算法上，对他们进行了一定的倾斜，否则这东西绝对出不来。

团队动荡与补救措施

Meta呢就刚刚把一位印度人，一个老将调到Nate Friedman手下去了，看看怎么能够推动项目继续往前走。这哥们呢原来是Instagram电商的老大，后来呢是跟着小扎去做VR的负责人去了。这种老人呢，会和各个部门的负责人进行沟通，因为他们跟各个部门的负责人呢，本身就知根知底，一块打过仗，一个坑里爬出来的，各种小花招跟潜规则的他们也熟。这些人呢还有一个很重要的能力是什么？叫直达天庭。有什么事你直接去跟小扎汇报就完了。这种补救你说能不能管用呢？不是每次都行，但是老板呢，还是觉得把一个身边的贴己人派下去，这个事情会变得可控。对于一个老板来说，以前的这些原来跟着我一块干过，但是也没那么熟；外边我挖回来的大神，比如Ned Fredman这种人，我很崇敬他，但是呢也没那么熟。他们下边两边人吵来吵去的时候，他也不搞不清楚到底发生了什么。现在有一个自己人下去负责呢，把这个冲突抽丝剥茧给老板讲清楚，好让老板可以做决策。算是这种大内总管吧，直接派下去了。

Meta内部的团队呢也在动荡。前头呢刚裁了600人，这个其实也是个利空。你要真的裁几万人，这事就变成利好了。说明什么呢？说明他AI研发团队内部并没有调和好，他把这个杨乐坤的人给裁了。虽然看不出Meta如何用AI挣钱，但是AI投入总不是坏事，你现在把AI投入的给干掉了，那这个一定不是好事，对于整个市场来说都是看空的。小扎现在最该干的活是什么？把VR干掉，而不是把杨乐坤的团队干掉。

谷歌也经常做内部调整。原来谷歌不也是Deepmind跟谷歌AI、谷歌大脑打来打去，也走了好多人。谷歌咋就没事呢？怎么也没他走600多人就成这样了呢？谷歌人多，谷歌就是AI的发源地，大神多去了，走几个你看不出来。而Meta这块呢人没那么多，走一个两个，这个和尚脑袋顶上有虱子，都看着呢，明摆着呢。谷歌一直是整个技术的发源地，现在你说哪个公司里头做AI的人不是在谷歌干过的？都在谷歌干过。以后量子计算机真的普及了、实用了以后，估计到那个时候，全世界量子计算机公司里头也都是谷歌的全员工。如果没有谷歌的话，就没有现在整个的AI行业。那谷歌你说还有一点是什么呢？他也没招来这么大流量。我就这么一屋子人在这吭哧吭哧干活，时不常走几个出去，说我不干了。Meta呢，10亿美金的天价挖人，1亿美金的天价挖人，他干了好多这种事，你带来了巨大的流量，流量这个东西是会反噬的呀。所以Meta这一次600人儿的裁员，股价下跌雪上加霜。

总结与展望

最后呢，咱们总结和展望一下吧。Meta在一个特定的时间点，选择了将大漂亮法案的税一把都抵扣掉，支出了超过其体量的研发和基建成本，还没舍得像亚马逊那样大裁员砍项目，缺乏未来盈利的想象力，因为它就是传统的商业模式。不但自己暴跌，还带崩了谷歌之外的七姐妹。

Meta基本盘其实并没有什么特别大的问题，用户还在，虽然有流失但是并不严重，广告收入也在。OpenAI其实也没有找到新的变现方式，也是在那做广告的。他最大的问题就是，应该真正的让AI被用户或者在社交圈子里的真正用起来，而这个呢，对于他来说其实是挺难的。如果能够有些耐心，把手头的资源好好消化一下，也不是完全没机会。最忌讳的就是瞎折腾。小扎去折腾VR这个事情，就是完完全全的自己在这瞎折腾，我是非常不看好这个事情。其他的公司即使是一时落寞，只要忍住了，还是可以起飞的。比如微软，微软在移动互联网时代隐忍了，后来投资了OpenAI再次起飞。

这就是咱们今天讲的故事，Meta带崩了整个的科技，AI到底是不是有泡沫的事情，大家自己去判断一下。

马斯克终于开源了他的Grok-2。虽迟但到，这背后隐藏着哪些不为人知的秘密呢？

大家好，欢迎收听老范讲故事的YouTube频道。

马斯克最终还是开源了他的Grok-2。原来我们还嘲笑过他，Grok-1开源完了，往那一扔就再也不管它了，有任何人提问题，你也不说什么。Grok 4都出来了，现在Grok 2都没开源出来。马斯克说：“那我们下周开源。”当时是这么讲的。然而下周完了以后，好像还是又等了那么一段时间，稍微晚了这么几天吧，Grok 2最终还是开源出来了。而且承诺呢，6个月之内，或者说在年底之前吧，有可能会去开源Grok 3。但是马斯克的话嘛，大家相信，就是他说了的事会做，但是未必按时间做。

马斯克的开源呢，只能算是符合非常广义的开源。这话什么意思呢？开源也是分原教旨主义者的，他们是肯定不会认可马斯克在开源的。第一个，马斯克不是当时发布产品马上开源，而是要过一段时间，甚至是过了一年多才去开源。而且现在他开源出来的这个版本，远远落后于当前主流模型。当然Grok 2呢也不算特别落后，它在当时刚推出的时候，应该是跟GPT-4不相上下的一个水平，但是跟后边4O，以及后边O1、O2这些东西就没法比了。跟当前的主流模型，像什么GPT-5、Grok-4、Claude 4或者是Gemini 2.5这些，它是比不过的。

而且呢，马斯克开源出来的这个大模型，对于部署是非常不友好的。你要想去把它的大模型下载下来，把它部署到自己的服务器上去，这个是非常非常痛苦的。这个大小是500G，需要在Huggingface上做断点续传。Huggingface是大模型领域里边的开源仓库嘛，你需要把这500G的文件从那上头慢慢往下传下来，错了没关系，继续再来几次。他专门给大家写了这样的一个话。

而且运行的时候呢，需要8张40G以上显存的显卡才能跑起来。8张40G以上显存的显卡什么意思呢？在国内合法可以跑的这个显卡是H800、H20、RTX 6000。你说我拿5090D跑行不行？这是为中国专门量身定做的5090，跑不起来。5090D呢是24G显存，把这个D去了，也就是国际上正常的5090是32G显存，也跑着费劲。而且呢，5090跟前面我们讲的H20比，有一个巨大的差异是什么？它没有Nvlink，卡跟卡之间的通信是很慢的。而H20这种专门的算力卡，里边是有Nvlink的，八块卡搁在一起，它还可以快速的跑起来。

当然了，Grok 2呢不是特别不友好，你像在那个当时还有一个跟Grok 2前后脚发布的产品，叫Deepseek V2，那个版本当时开源出来的时候是需要8张80G的显存的显卡才可以跑起来。这个Grok 2只需要8张40G显存的显卡就可以跑起来了。为什么会有这样的差距呢？原因很简单，当时的Deepseek V2是FP16的，而现在的Grok 2的话是FP8的，所以它会要更加的省显存一点点。

现在开源出来的呢叫Grok 2.5，并不是真正的Grok 2。它必须使用叫SGLANG的这样的一个系统来去部署。这个里边呢就会有很多故事了。大家注意，Grok 1并没有这样的要求，Grok 1使用的是Jax系统部署的。Jax是谷歌的系统。咱们待会就围绕这个SGLANG，来讲一讲它这个故事到底在哪。

马斯克的开源跟其他人开源不一样，就是他把东西开出来以后，基本上就不闻不问了。你其他人开源出来以后，你去提意见，说我哪遇到问题了，开源出来的这些公司还是要去修修补补的，调整一些东西的。马斯克就甭管是它前面的Twitter的推荐算法，还是Grok 1开源出来以后，就再也没人说这事了。你提任何事情，他都不理你，也不会做任何更新，就是这样的一种开源。

而且呢，它的开源参数呢也没有完全公开。你像Deepseek这些，都是直接告诉你我有多少参数，如何去部署，怎么去用这个东西，甚至连论文什么一块扔出来。马斯克就是我把东西扔这了，你们自己谁爱用谁用去。现在呢，大家只能通过下载的模型去猜测，它呢应该是一个269B的模型，是一个挺大的模型。

license呢也是严苛的，商务社区版本的license。所有的开源项目，你都是要有开源license，就是我拿这开源项目以后，什么事许干，什么事不许干。它这个Grok 2是不允许商用的。你就算是把它放在自己的产品里用，你说我不商用，没有达到大规模使用的这个程度，你也要在里边写上“powered by XAI”，这个都是要注明的。一旦超过了它一个使用限制以后，这个事就没法整了。Grok 1是阿帕奇2.0的license，还是一个完全开源的产品，但是到Grok 2就不是了，就已经变成了这种商业许可的产品了。

国际上面是有这种商业许可限制的大模型呢，像Llama其实是有限制的，那个也是有规定的，就是你用户量达到多少以上，你就不可以再去使用了。你拿去做一些研究是OK的，但是呢你不可以拿Llama再去训练新的模型。但是这个东西呢，说也是叫防君子不防小人吧，Llama 1开源，全中国的这些开源大模型就如雨后春笋一样夸夸就出来了。所以你去写说不允许训练其他模型，不允许去优化自己产品，不允许去商业使用这些事，反正你说着开心就好了。Grok 2呢也是这样的一份协议，大家说着开心就好了。但是差异在哪呢？就是Llama当时发布的时候是当时最领先的模型，大家会去照着去学习；但是Grok 2发布的时候就已经是去年的模型了，反正你算是开过源了吧，也就如此了。国内的模型呢，像Deepseek、千问这些，基本上都是MIT或者是阿帕奇的这种license，就是你可以拿去使，可以商用，可以自己去修改，拿它去干嘛我就不管了。所以跟他们还是有很大区别的。

咱们后边讲这个SGLANG到底是一个什么样的系统呢？它的名字是一个缩写，叫结构化生成语言。S是structure，G是general，LANG是这个language，它大概是这么三个单词拼在一起了。它的开发者呢，两个主要开发者，一个叫郑连敏，一个叫尹良生，听着像中国人吧？郑连敏呢是上海交大的本科，UC伯克利的博士，他现在就是Xai的工程师，在Xai里头主要就负责SGLANG这个版本的继续推进。明年7月份呢，会加入到UCLA任助理教授，现在UCLA的官网上已经把他的名字写上了。像美国的这些大厂里边的科学家，或者是这种大工程师呢，都会有这种两边来回流动的一个过程，去上两学期课，然后呢回来做一段时间的研究，很多的美国这些大厂的顶尖科学家是这么工作的。另外一个呢叫尹良生，尹良生呢是上海交大的本科，2025年从上海交大毕业，就是今年毕业，已经拿到了UC伯克利的博士生入学许可，准备到那儿接着去读博士了。

他们两个人写的这套系统。那你说老范，你是不是要讲中国人好厉害？比大家想象的可能还要再稍微厉害那么一点点。本身XAI里边这个中国人的比例就非常非常高，咱们这讲的是中国人，不是广泛的意义上的华人，就是从国内去的这帮人，比如清华、北大或者上海交大这些地方学完了去的，他们可能在美国读的博士，然后就在XAI里边去上班了。

但是这个项目还不太一样，咱们去稍微捋一捋这个SGLANG的一个发展历程。他是2023年12月12号发表的SGLANG的论文，当时呢郑连敏应该是在UC伯克利读博士，而尹良生应该是在上海交大还在上本科，他们两个人呢联合署名做了这样的一篇论文。到2024年5月份，Deepseek V2发布，236B的一个大模型，每次激活21B的参数。他们呢就说我们要去升级我们的版本，大概是到9月份，这个SGLANG就升级好了，专门对Deepseek进行了优化。SGLANG是Deepseek最优化的一个运行平台，你在其他平台上跑这个Deepseek都没有在SGLANG上跑得快。到2024年的8月份，Grok-2发布了，269B，每次激活115B。这个时候呢，郑连敏应该已经从UC伯克利博士毕业了，已经到了XAI去上班去了。2024年的12月份，SGLANG继续升级，这个升级是为了支持Deepseek V3的。Deepseek V3呢是2024年12月份发布的671B的一个大模型，包括后边我们讲的Deepseek R1，都是在Deepseek V3的基础上进行训练的。Deepseek最近刚出的V3.1还是671B，所以呢这都是一个系列的模型。2024年12月份还发生了一个什么事呢？grok V3发布。

大家按这个线去捋，你就基本上可以发现，Grok 1做的时候，马斯克还是满眼抓瞎的时候，不知道该怎么弄，拿着这个JAX就开干了。另外一个拿JAX开干的是谁？是苹果。苹果那个时候也是举着JAX就开干了，最后呢做出来的一个产品，但是效果一般。这个时候Deepseek大量的这种MOE模型的开源的东西就出来了，包括后面的论文什么就都出来了。上海交大这两位同学吧，他就开始去写这个SGLANG，专门针对这种MOE的模型进行优化。马斯克觉得这条路不错，那咱就干脆把这个团队招到我这来，你给我去好好维护这个SGLANG的版本，我们也在这个基础上，去训练我们的模型。

你说这个里头有抄袭没有？还是说有借鉴？我觉得说借鉴还是比较合理的。因为你去做新的研究的时候，你总要看论文吧？梁文峰写了那么多论文，你也得看。看完了以后，你说我受这个影响了，照这个方向去往前发展，这个本身没有任何问题。咱们不要老觉得说不是原创就怎么怎么样，别老想着这事。

所以从这看呢，Grok跟Deepseek还是很有缘分的。Grok 2跟Deepseek V2、V2.5，它们之间其实是有非常相近的地方。再到Grok 3跟Deepseek V3，也是有很多相近的地方了，有相互借鉴的地方。可能更多的是Grok去借鉴Deepseek，因为Grok每次出新版本的时候，它不开源也不开放出来，他要过一年以后才开放；而Deepseek每次拿出点什么东西，马上都开放了。所以这个到底谁去借鉴谁，大家自己心里去想。

其实呢，这就是开源生态的一种发展方式。很多人在讲什么“美国人一开源，中国人就自主研发、自主知识产权了”，这可不是这么回事的。开源了，我们就可以在开源协议的允许范围内去使用这些代码，甚至是去修改这些代码，再发行这些代码。他只要是协议允许你干这个事，你就可以去干。我干完了以后，我去注明了，说我是用了人家的代码，我把它写清楚就完事了。就算是前面翻车那盘古大模型，上头也写了“我用了别人东西”。但是中国人有时候没法接受这事，你说你都叫盘古了，你好意思你用别人的吗？前两天华为云内部的架构大调整，把整个的盘古这个团队全开掉了，以后这个丢人现眼的东西咱不弄了。前边别人说盘古去抄袭了，华为还在那义正词严的在那辟谣呢，辟完谣以后沉寂了俩月，直接把团队给开了。你说这玩意叫啥事？

我觉得我们应该很好的去接受这种开源生态，而不是说我一定要原创，我从来没有抄过，我从来没有用过别人，这个是相对来说比较狭隘的。你像Deepseek发了论文，公开了参数，SGLANG呢肯定是以这些公开信息为基础进行了优化。Xai呢也在这个过程中呢转型，在SGLANG基础上用同样的系统进行优化。大家走的路呢又不是完全一样，Deepseek还是要更多的考虑到算力紧张，没有NVlink的情况下，这个性能到底怎么样，到底怎么把它跑起来。Grok那就是土豪家的败家子，有的是卡，最新最好的卡，而且还有工程师爸爸负责部署和实施。他还跟微软、Oracle这些公司不一样，那些公司还需要外包，找别人去给部署。那马斯克干这玩意，肯定是没有任何问题的，因为他从特斯拉的时候就开始部署这种超算的集群，非常非常有经验。所以他可以把最好的卡、最新的卡拎回来进行部署，而且量大管饱。现在马斯克已经说，我们注册一公司叫“巨硬”，准备买上百万块的显卡，接着往前走。

马斯克算迎头赶上了，用Deepseek没有的资源，直接暴力推进。我们前面在讲Deepseek的时候就已经讲过了，马斯克肯定会照着往前冲的。苹果啥也没干，其实苹果在做大模型这块跟XAI是同时起步的，都是从JAX这开始起步的，但是苹果最后啥也没出来，马斯克这边都做出来了。梅塔呢还在老路上面去蹉跎前行，未来到底怎么走还不知道。所以呢，别人都开源了，谁你抄的好、抄的不好，或者在这个基础上到底能不能做出新东西来？我相信Grok还是创新的，我并不是说我就指责了，说“Grok你就是抄Deepseek”，没有说这话。还是得看谁可以把这个工程往前推的更远，这个才是本事。

国内的模型厂商的话，你说他们没有借鉴Deepseek吗？肯定借鉴了。他们只是说太多东西要抄了，到底抄谁的呀？这个是真正国内厂商要去头疼的事情。大家发现了，Deepseek V2的版本其实并没有那么热，到V2.5开始这个热度一下就上来了。就是从Deepseek V2.5开始，很多的国内厂商就开始转型，说我们是不是去看一看，像百度什么，他们就已经开始转型了。等到Deepseek V3出来的时候，其实就已经很热很热了。当然对于整个的行业来说，或者说对于社会来说，圈外的人真正知道Deepseek是从Deepseek R1，就是从今年1月份才开始知道这个事儿。但是从去年12月份的Deepseek V3开始，在这个程序员圈里头，在这个行业内呢，大家就已经普遍认知了，这就是一个当前最好的框架了。所以当时很多的团队就都已经都转过来了。现在Kimi k2、mini Max M1、百度的这个4.5、智谱的4.5，其实都是按照一个模式做出来的。但你说它们都是抄袭的，我觉得大家不要想这个事。大家呢都在同样的看论文，都在一个可能同学圈或者是朋友圈里边去，大家一块可能平时喝个咖啡、聊个天什么的，他是这样的一个环境。

国内大模型厂商也是相互借鉴。你看谷歌、微软，他们肯定也会去读论文，他们去做新的研究、去做新的产品的时候，“这Deepseek写的，中国人写的，我不看”，他们也不会这样的，没有那么狭隘。

今天我其实主要跟大家讲的是这样：开源才是未来的一个方向。不要上来说你抄袭，不尊重原创，这太狭隘了。咱们最后总结一下：开源是当今世界比较先进的全球化、松散协作方式。大家注意我刚才讲的这些定语：全球化、松散协作。开源呢推动了互联网、移动互联网和今天的大模型的整个产业的升级。Deepseek呢在里头起到了巨大的推动作用，包括咱们今天讲的SGLANG，都是在开源大潮里边起到了巨大的作用。

马斯克的Grok开源呢，基本上没有为社区贡献太多的东西，毕竟是去年4月份的东西嘛，还是稍微差一些的。马斯克喊开源呢，主要还是为了要吸引眼球。第一方面呢是恶心OpenAI。当然OpenAI现在人家也开源了，把GPT OSS拿出来了。但GPT OSS要比现在开源的Grok 2要强非常非常多，因为GPT OSS是大家可以用的一个产品，不是像Grok 2这样的，没有人会去用它。为什么没有人用？因为部署起来成本非常高，还是一个旧模型。我花了这么多成本，我去部署Deepseek V3.1不行吗？所以他就不想让别人用，也不想让任何人占他便宜。

马斯克现在想干的活呢，就是让更多的人去用他的Grok服务。而且呢也希望在未来呢，让更多的人呢去用他的这个巨硬的产品。那你说巨硬到底做什么的？前面他专门申请了一个商标叫巨硬，就专门为了恶心微软的，“你叫微软我叫巨硬”。一开始以为马斯克就是开个玩笑，或者说出来嘲讽一下比尔盖茨，没想着他真在里头干活。现在说了，我们这巨硬公司是真的要干活了，而且呢干这方向呢，也是大家熟悉的方向，他要做manos，就是做agent。说以后你微软的这些产品，我通通都拿各种各样的AI agent给你覆盖掉。你做了office，我就给你做个AI agent，跟他说你给我写一PPT或者给我写一什么东西，他吭哧吭哧给我写好了，我就不需要那么复杂的叫做office这些东西了。他是搞了这么一套东西出来。

大模型在不断创造内容的过程中呢，其实也在不断的污染大模型被发明之后的语言环境。所以呢，中国的创业公司跟开发者，也在不断的创造新的技术，创造新的内容。在这个过程中，再通过开发者社区或者通过开源社区，不断的将这些新的思想拿出来，去影响全球的科技发展，为全球科技发展添砖加瓦。不要想着说脱钩断链，说我们不要中国人的思考，我们不要中国人的技术，这个玩意是有毒，这个世界不是这么发展的。

咱们今天通过Grok 2的这个发布，通过Grok 2使用的SGLANG的这个平台的一个历程，你就会看到在这个过程中的话，你需要上海交大的学生来去给你写这些系统，你也需要去借鉴Deepseek的论文、借鉴他的一些思路去训练自己的模型。而且这个节奏是一模一样的，这边出Deepseek V2，那边过几个月出这个Grok 2；然后那边出Deepseek V3，你同一个月出Grok 3。这个就是同样的节奏，一模一样的往前走。所以这是一个进步的过程，别老想着谁抄谁的事。

好，今天这故事讲到这里，感谢大家收听。请帮忙点赞、点小铃铛、参加DISCORD讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲美国科技股，这是怎么了？本周亏钱了，AI泡沫难道要破了吗？

首先，讲这个故事的原因很简单：我自己亏钱了，出来稍微惆怅一下。一些老听我节目的人知道，我是去买这种美股ETF的，而且是盯着科技股买。因为这个呢，就比较省事，你没有那么多的时间去研究股票，也没有那么多的时间去追他的财报，所以扔给这些科技股基金的话，相对来说要省事一些。前面涨得快的时候，涨得呀那可开心了，每天拿出那个银行余额来瞅瞅，多少账面盈余。这几天，就是都不敢拿出来看了。

涨了，一定是我英明神武；跌了呢，咱们要分析原因。是不是很多人炒股票都是这样的？一涨了以后，“我就是股神，巴菲特是谁？”跌了以后，“怎么回事？”

这个一方面的原因，也是最大的原因，其实就是前面涨太多了。今年包括去年，都是这些科技股在涨，稍微调一调呢，是合理的。还有一个原因是特朗普对半导体加税，但是具体有多大的影响，还有待观察。

有一篇文章，据说是对于这一次下跌起到了很大的作用，就是MIT（麻省理工）写了一篇关于“AI建设95%都失败”的文章，很多人认为这是一个原因。我记得我是周三读评论的时候，专门有一位网友还问我说，你怎么看这篇文章？当时还没看，后来发现自己亏钱了，不行，我得把这文章拎出来看一看，到底说了啥。然后呢，是Palantir被香橼资本做空。Palantir也算是AI里边比较有代表性的一支股票吧，直接被做空了大概百分之九点几，这个是非常非常吓人的。做空报告出来以后，直接那股价就下去了。最近呢，还有一个比较有意思的事情，就是Meta的AI抢人大赛。它本来是个行为艺术，我从来不认为Meta的AI抢人大赛是一个正常的商业操作，但是这个表演呢，现在出现了不和谐的声音，抢了一堆人以后，说咱们暂停招聘吧，把所有head count都锁住。

所以呢，是这么几个原因：前面涨太多了；特朗普加关税，这个咱就没什么讨论的了，因为这个超出了咱们的能力范围；后边这几个，MIT的文章、Palantir的做空和Meta的AI抢人大赛，这个咱们稍微去聊一聊。

首先咱们来讲一下，MIT的AI建设无效的文章吧。这个文章呢是8月18号周一，MIT麻省理工学院发表的。文章的名字呢，叫《生成式AI鸿沟：2025年商业AI现状》。它里边讲的是什么呢？就是尽管企业对生成式AI充满期待，但绝大多数项目未能产生实际的财务影响。核心观点就是，高达95%的企业从其生成式AI投资中获得的回报为零，光投入了没有收益。

数据呢，也不是MIT拍脑袋就来了。像我现在可以拍拍脑袋跟大家讲东西，但是MIT人家不能干这事。数据是怎么来的呢？对150名企业领导者进行访谈，对350名员工进行调查，对300个公开的AI部署案例进行分析，得到了这样的一个结论。当然人家那个结论要相对来说文雅一点，人家写的是：“只有约5%的AI试点项目实现了收入的快速增长，而绝大多数项目停滞不前，对公司的损益表没有产生任何可衡量的影响。”

那咱们呢，分析一下吧，文章里的一些原因。他说为什么会出现这样的事呢？当然首先要讲，很多里边的原因是我不认可的。第一个，企业内部的工具和组织的学习差距，以及存在缺陷的整合策略。这话解释来说，就是现在很多企业的号称要去做AI化，其实连数字化都没做。我记得那时候去听周鸿祎讲，他们去给企业做AI转型，上来说我们现在需要把数据拿出些来，去微调模型，或者去做这种本地知识库，人家“夸”拿出一本来，你这玩意咋弄？就完全没法整。而且很多企业里面的管理者和员工的话，也不知道拿AI干点什么，这个是To B去做AI转型的一个很大的困扰。

许多高管将失败归咎于监管和模型性能，但是MIT的研究直指企业集成过程中的一些问题。高管认为不是我的毛病，一定是你这个模型性能有问题，但其实不是那么回事。然后ChatGPT无法从特定的工作流中学习和适应，因为ChatGPT呢，它是一个无状态的模型，让它有状态这个事是非常危险的。你让它去这个在企业里头很专业的领域里干活的时候，就会一本正经的胡说八道，这个咱们已经领教过好多年了。

我的观点是什么呢？用不好AI的企业就应该被淘汰，就完事了。我们没必要让所有的公司都用好AI。我们曾经尝试做一些公司内部的制度实验，当时呢是在盛大创新院，想做一个制度实验室，看看到底什么样的制度对公司更有好处，然后让大家去想办法。后来说你要有一个制度实验的话，你必须要去有一些观察的角度和衡量的标准，才能知道什么样的制度对一个团队或者对一个项目来说是有利的。最后发现的是什么呢？制度根本就没有负责人重要。牛逼的负责人可以搞定各种制度，很烂的负责人，什么制度给他都是扯淡。所以呢，最后那个制度实验失败了，咱还是好好地找创始人吧，不要说这个公司制度是什么样的，他就可以成功或者可以失败，没有那回事。

所以制度是不可能事无巨-细的，总是人的发挥空间会更大一些。但是呢，大公司，特别是大到一定程度以上的公司呢，制度已经强大到难以战胜了，他也没有办法。因为你如果没有这么严苛的制度的话，这种公司它也长不大，它是会分崩离析的。在这样的情况下，这样的公司在转型调头的社会变革中就应该被淘汰。会有一些新的公司发明新的制度，或者说在一开始快速增长的时候没有制度，发展到一定程度以后再去创造一些新制度，把这些老公司完完全全挤到角落里去。而不是说，我们真的要给这些传统的老大公司，让他们能够在原来这个很刻板的制度下把公司做好，让他把AI用起来，这是不可能的。像日本这样的由上往下创新的，搞什么IT外包派遣的，这种公司在AI时代必死无疑，或者说基本上发不出什么声音来，也就可以直接拜拜了。

然后，成功的5%是怎么做到的？你看95%失败，那还有5%成功的呀，人家是怎么干的呢？第一个，小公司，公司很小。第二个，管理者比较年轻。他们呢，喜欢选择一个痛点，出色的执行，并与使用其工具的公司建立明智的合作伙伴关系。就是你大公司搞不定这事，老老的管理者搞不定这事，但是小公司、年轻人是比较容易接受新事物的。而且呢，你惦记说一碗水端平、四平八稳地把所有的地儿都照顾到，你搞不定这事。我们只能是先把一个地儿搞定，其他的有些什么样的这种连带损失，或者有一些其他的看不着地方碎了个瓶子、丢了个碗什么的，拉倒了，咱们就不管了。而且呢，要跟这些给你提供工具或者是其他的一些合作伙伴呢，要去建立新的这种关系。为什么要专门强调这一点？因为大公司都是想着，我所有事都自己干，你们谁跟我竞争，我弄死你。而新公司的话，有新的商业合作模式，所以它是不一样的。

那你说还有什么其他的原因呢？这个文章里还写了，他们钱花错方向了。超过一半的生成式AI预算被用于销售和营销工具，但是最大的投资回报实际上是来自后台办公自动化，如削减业务流程外包和外部机构成本。就是你不应该拿这东西去做销售，应该拿这东西去降本增效。这个呢，是我绝对不认可的一部分。为什么呢？钱绝对不是省出来的，而是赚出来的。销售跟营销这方面的AI投资，如果没赚回来，说明选择赛道了，你还可以再选，还有机会再去尝试。但是如果是内部降本增效的话，那这种企业大概率会被新生事物干掉。因为你做得再好，你做的还是原来那个事。你说我这个产品本身不创新，销路本身也不创新，商业模式也不创新，我就把成本降下来了，这种企业一定会被收拾掉的，因为它并不适应于新的行业。所以AI花钱就应该花在销售跟营销工具上，而不是去搞一大堆什么降本增效的事情。

再往后说，这个企业呢，喜欢自建，自建基本都废了，还不如花钱去买。这个是我比较赞同的一个文章观点。说从专业供应商处购买AI工具并建立合作关系的成功率约为67%，而企业内部自行构建系统的成功率仅有1/3。文章指出，尽管许多公司倾向于构建自己的专有工具，但数据显示，这种单干的模式的失败率要高很多。

这个我是完全可以理解的。因为你想这样的一个事情，虽然现在大家没有那么好找工作，但是你想真的找一些把AI工具彻底玩明白、玩透的人，工资很高的。你要让这些人上你的公司里头来去做劳务派遣，来去做外包，别开玩笑了，他才不理你呢。你只能找一些比较差的人去给你干这个活，这些人对于最新的技术、最核心的一些新的观点，肯定是接受不了的，没有这个能力。他们拿着你的数据去搞很多的重复建设吧，那一定会失败。

而且还有一点是什么？以前做这种软件工程的时候，西方的很多公司呢，会根据软件去修改公司的流程和制度。这个软件是这么设计的，我为了把这软件用起来，我把公司流程制度改了，改变一些组织架构。但是呢，在中国或者是一些东方的国家呢，大家比较习惯干的活是什么？我这的制度就这样，你必须按照我的东西重新改改你的软件，就是定制你的SaaS系统。所以呢，西方人做的SaaS相对来说呢，会比较好用，但是东方人做的SaaS呢，通常会有很强大的后配置功能，就是你买完SaaS以后，后边进行各种各样的配置和调整以后，保证可以照着去把原来的组织架构装进去，把原来的整个的流程都装进去。很多的公司惦记自己去做系统的原因，就是不希望打破原来的管理体系。

当然我的看法呢，就是这个作者还是只看到了表象，并没有看到本质。为什么呢？就是可以选择购买的，通常都是新公司，包袱小，没有历史数据。选择自建的，通常都是有过完善系统，大量的历史数据积累的这样的公司。这些数据的梳理和清洗成本是极高的，而且失败的概率极大。所有现在在帮企业做AI化转型的公司，现在遇到的最大问题，都是企业传统数据的清洗和梳理。而且这是一个欠账，原来好多东西它是个本，或者说我们能不能把老师傅的经验流传下来，让新的人直接照着就可以学？老师傅的经验在哪呢？老师傅朝你乐一乐，拍拍脑袋，在这呢。你说这玩意咋弄？他连个本都没有。

所以这个非常非常费劲。历史数据呢，参与大模型运算以后，对于结果的改进其实是非常非常有限。你把它很多的数据搁进去，生成的时候参考这些东西去生成，没有多大提高，但是处理的成本极高。有些价值不大的这些数据建议什么？尝试把这些数据直接封存舍弃，扔了完了，或者是以后有空的时候再处理。而这些价值特别巨大的数据，你说我这东西必须有这数据才能跑，就赶快去找Databricks或者是Palantir去签合同就完了。有专门干这个的公司，而且还很挣钱，人家提供专业的服务，不要想办法自己去搞这事，因为成本极高。

AI企业呢，是应该自下而上创新，而不是反过来。我们这里讲的AI企业，并不是说OpenAI这样的公司，而是说我们想去应用AI、改变自己公司的这些公司。AI呢，实际上是让每一个人成为英雄，而不是让老板成为英雄。有些企业是老大说了算，老大决策，下面只管执行，这种企业压根就不适合进行AI改造。上面支持，下面一线干活的人做决策，这种才适合AI改造。这个呢，是美军在海湾战争之后发明出来的一种新的战争模式。原来呢，都是这些将军们坐在这个办公室里边，“运筹帷幄之间，决胜千里之外”，下边人只管执行就完了。到海湾战争的时候呢，将军也不知道沙漠里发生什么了，说你们挨个去吧，背着电台去，缺什么你找我要，需要空中支援你找我要，需要坦克你找我要，我来帮大家做协调就完事了。他把整个的决策流程给你反过来。AI以后的这种企业就要这样去工作。如果你是正向的说老大决策，他掌握最多的信息，他做所有决策都英明无比，他这个不适合AI改造。

另外呢，就是当估值起飞这么久，发现这东西没赚到钱的时候，于是呢，就开始回调，这个事其实是正常的。现在呢，就相当于汽油机已经发明了，但是呢，现在的汽车都是谁造的呢？都是一帮马车车厢厂在造汽车。原来我是造马车的，车厢厂还不是厂，是马车车厢作坊。这些人呢，尝试再将汽油机安装到原来的马车车厢里边去。在汽车发展的有一个时期，确实是这样干的，但是最后发现效果不好，然后就有人出来写了一篇文章，说你看这个效果不行，汽油机装到马车车厢里头以后，并没有办法让这些马车的作坊挣到更多的钱。实际上他这个文章，归根结底就是这样的一个东西。

那么最终会怎么样去改变呢？一定是马车车厢厂全倒闭掉，新的汽车厂建立起来，专门设计和生产汽车，而不是在原来的马车车厢里边去装汽油机，这个才有可能起飞。这是我对于MIT这篇文章的一个简单观点。

第二个呢，是香橼资本做空Palantir。首先呢，咱们想一下香橼资本。“香橼”这个“橼”字呢，是一个“木”，然后是“缘分”的“缘”。香橼实际上是一种特殊的香水柠檬的意思。香橼资本呢，是一个挺有名而且也很有争议的做空机构。他过去的战绩是什么样的？2020年做空瑞幸，导致瑞幸退市。但其实瑞幸是一个非常好的标的，很好的公司被他做空了，而且给做废掉了。现在瑞幸在国内、在包括美国都快速地在往前发展。第二个，2012年做空特斯拉，做空完特斯拉以后，特斯拉马上股价大涨。香橼呢，一直争议比较大，他呢敢说，听起来也很有道理，但是实际呢，很多数据停留在表面上，也不是非常准确，最终呢，做空的成功率其实并不高。这就是香橼这样的一个机构。

另外呢，咱们再讲讲这个Palantir。Palantir其实很早，去年就有观众在我的直播的时候提说，你了解这事吗？当时真不了解，也没看。今天呢，为了做这个节目，还稍微地去学习了一下。Palantir呢，是美国AI国防供应商，专门给国防部做AI数据清理服务的一个公司。主要呢，提供国防敏感数据的梳理和清洗工作，以及呢，在里边去建模，协助一些决策辅助吧。他们最有名的一个战绩是抓住本拉登。本拉登肯定藏起来了嘛，他把各种的数据梳理起来以后，最后找到了蛛丝马迹，然后说他可能在这个地方。这是他们成名之战。

这个公司的创始人是非常非常有名的，叫彼得·蒂尔。这哥们是一个什么样的传奇人物呢？他是PayPal黑帮的精神领袖，真正的老大。PayPal黑帮就是PayPal当时创立以后的一群创业者，当时他们还收购了x.com，也就是马斯克的公司。所以这些人都是硅谷里边呼风唤雨的一帮人，管他们叫PayPal黑帮。PayPal被eBay收购了以后，这些人就相对来说财富自由了吧，拿着钱自己去干自己想干的事情了。现在PayPal黑帮里头大家比较熟悉的，第一个就是老大彼得·蒂尔；第二个呢是马斯克，因为他也是原来PayPal被卖掉的时候挣到钱了，才有第一桶金拿去做特斯拉；另外一个在PayPal黑帮里大家比较耳熟能详的人是什么人呢？就是在彼得·蒂尔中间有一段时间做投资基金，投资基金的法律顾问叫JD Vance，这个人现在是美国的副总统，可能也是下一个美国总统。而且JD Vance能够被特朗普选中，也是彼得·蒂尔出的钱，从一开始就支持JD Vance去选举。马斯克可以站在特朗普、站在JD Vance后头去参加这一次的选举，也是彼得·蒂尔牵线搭桥的。所以这是一个极其传奇的人物。

香橼资本这次做空Palantir，它的理由是什么呢？第一是市值太高。它呢跟OpenAI比，说你看OpenAI 5000亿美金还是很贵的，但是呢，OpenAI挣多少多少钱，你才挣几个钱，你就值这么多的吗？而且OpenAI这个钱都是To C的钱，20美金、20美金收回来的。你这个用户太集中了，或者收入太集中。对于我们来说，如果一个项目的收入非常集中的话，确实是一个很高的风险。一朝天子一朝臣吧，你这一次混得风生水起，等下回不是这帮人在台上的时候，你是不是还能接这单子不知道了。所以这个呢确实是风险。

但是跟OpenAI去比较，这个是非常非常不职业的。为什么？因为在行业里头不同角色进行比较，这个事没有任何意义。OpenAI是行业里边提供底层模型的，Palant-ir是做上层应用的，而且是专门做特定行业敏感数据应用的，别人也没法跟他竞争。你说我现在也想干这个活，你到国防部那边去，通过一大堆的安全认证，可能公司就直接挂掉了，这是没法整的。所以呢，他直接把这样两个公司进行比较，这事是很不职业的一个做法。

另外一个是什么呢？就是任何公司去跟行业老大做比较也是不合适的。为什么俩公司比呢？OpenAI是5000亿美金，Palantir是4000亿美金，两个公司市值已经比较接近了。其实不应该这么讲，Palantir是上市公司，所以它是市值；而这个OpenAI呢，是没上市的公司，它是估值。那你要知道，像OpenAI这样的公司，如果上市的话，可能就不是5000亿美金了，可能直接就一两万亿美金就去了。所以你拿一个没有上市的这种行业老大的公司、有巨大增长潜力的公司的估值，去跟一个已经上市了的这种老牌公司、还是做系统集成的、或者说做特殊行业服务交付的这样的一个公司，你拿这俩公司比，有啥可比性吗？像我们以前做投资的时候，看到这样的比较就会乐的，这个香橼又出来制造话题来了。

第二个就是收入太单一，这个我其实认的。就是他的政府订单是占了这个Palantir主要收入，这个确实是有一点点的小的瑕疵。香橼资本跟这个Palantir算是一直不爽，他有些个人恩怨在里头。Palantir是2020年上市，到现在应该是5年。2020年上市的时候他是直接上市。大家注意上市有很多种，第一种呢就是我们叫IPO，IPO的时候我们一定是干嘛？要增发一部分股票，卖给外面的这些股民。所以呢，很多人在IPO的时候是要圈钱的，等于你整个公司的现金上升了。第二种上市呢叫SPAC，就是我们直接做一个基金，把这个基金做起来以后，再把外面那个公司买下来，这是一种上市。还有一种上市就是直接上市，上市的过程中呢，没有股市股票需要稀释，我也不需要你们去买我的股票，反正我就上市了，想去买的人自己上股市上买去，我也不会增发这个东西。

2020年Palantir上市的时候，就被香橼做空了，原因一样：就是收入跟你的估值不符，你的收入来源太单一。上次做空其实没什么效果，你想2020年200亿美金，到现在2025年4000亿美金。2025年了，这一次做空报告出来以后，股价从173.64美金下跌了9个点，达到了156.18美金，就直接掉下来。它的市值呢，从4133亿美金掉到了3705亿美金。

那你说Palantir到底值不值这么多钱呢？首先呢，这事没什么可比性。就像刚才我讲的，彼得·蒂尔这哥们到底值多少钱？他能够去跟马斯克、跟JD Vance、跟川普去攒局的人，这样的一个人到底值多少钱？而且他吃的就是政府饭，他跟这个马斯克还不一样，马斯克做的是什么？X，做的是特斯拉呀。当然SpaceX是一个相对来说比较政府的项目，因为它需要跟NASA打交道，但是Palantir它本身就是个政府的项目，彼得·蒂尔干这个活实在太合适了。只要川普这帮人还在，接着在台上晃荡，他就没什么大毛病，可以接着玩。

国防确实是收入来源单一，这个事是真的。但是呢，其他人想闯进来也不容易，这东西门槛很高。不是说谁我往这一坐，比如Databricks，Databricks现在是1000亿美金，跟它算是竞争对手，Databricks上来以后说，我们也去接这单子吧，你光建立信任、通过各种认证，估计就脱一层皮了，谁有这空？还不如出去接一点To C的单子，或者一些小B的单子。因为国防部和CIA，他的客户迁移成本极高，你让他换一个，杀了他一样，非常非常费劲。AI时代需要处理的数据一定会彻底爆炸的，所以这一块的需求呢，肯定还会继续上升。所以我觉得，这个Palantir不用担心做空的事情，未来还是大有发展的。你就看看彼得·蒂尔的现在这个位置就可以了。这是我们讲的第二个原因。

第三个原因是Meta的AI抢人大战的行为艺术演砸了。抢人大战呢，只能算行为艺术，小扎演的还不错，大家呢也鼓个掌，开心一下就可以了。这些年呢，像小扎这样的人，马斯克这样的人，川大统领这样的人，愿意给大家出来表演，让大家开心一下，我觉得真的是一个蛮幸福的时代。

真的被小扎1亿美金、2亿美金、10亿美金抢的这些大牛聚集在一起，其实是很难管理的。而且呢，这你就算是再大的大牛，你真看到1亿美金的时候，人是会心态失衡的。就跟那范进中举似的，一说你中举了，人一下就疯了，必须有人上来“啪”打一个耳光，说你还知道你是谁吗？“哦，我知道我是谁。”然后咱们再才能干活。他是这样的一个过程。那你说有没有人拿了1亿美金就疯了？有很多人拿到这个钱就觉得自己是神了，就已经不是人了。这帮人已经开始去做人生导师了，开始四处发表什么哲学见解去了，那就已经心态失衡了。好几个拿了1亿美金的人就开始去说，我要去指点一下江山，我觉得应该怎么怎么样。

这是赚到钱的人，还有没赚到的呢？你进去40多个人，不是每个人都给1亿美金，还有那没赚到的呢。那没赚到的人就会看看身边的人，肯定不服气：凭什么你有我没有？谁差哪了？中国人的民族性是什么？王侯将相宁有种乎？我不服。而这次小扎找来的人里头呢，华人的比例极高。有些人拿到了1亿美金，剩下的没拿到的人，一定会觉得心里不舒服的。这也是为什么好多地方搞保密薪资制似的。你到底是哪强？哪比我强？你要求各种配合，我才不理你呢。我到底要看看你到底能到什么程度去拿1亿美金。中国人一般是这样来思考问题的。

还有老员工呢？Facebook那么多老员工，Meta那么多老员工，那肯定人心里也是这样：“我倒要看看，你能做出点啥不一样的东西出来。你有没有那金刚钻揽这瓷器活？1亿美金是那么好拿的吗？”老员工一般心里是这样的。说前面吃苦的时候没有你，最难的时候你没在，我们是跟着企业一起成长出来的。到现在了，你这趁人之危，直接1亿美金到手，哪有你这样的？我到底看看你行不行。甭管是中国人还是外国人，都是这样的。

在这呢，给大家讲一故事吧。当年呢，可牛跟金山合并的时候，傅盛这帮人也是度过了极其艰难的难关。可牛是一个50人的公司，金山当时大概有三四百人吧，俩公司合并了。合并完了以后呢，就觉得你们这帮人是啥呀？啥也不是。你50人的公司，凭什么跟我们就这么合并了？而且上来以后是CEO制度，俩CEO，傅盛是一个，还有一个CEO一起来管理这公司。那肯定什么也不管，不给你，你要办公室都没有，你要各种的服务都没有人给你，大家都看着你。

当时金山去收购可牛，去跟金山网络合并的原因很简单：雷军觉得打不过周鸿祎，打不过360，我一定要找一个对他的套路比较熟悉的人去跟他们战斗去，去把傅盛这公司收进来了。那傅盛怎么办呢？他就把北京团队的人，就是他原来可牛团队的人，带到珠海去。金山在珠海嘛。你不是办公室没有给我位置吗？也没有给我会议室，我们不在你办公室里待着，租房。你把你们不要的产品给我，我们租房封闭开发。在他们那个金山大厦旁边小区里头租了几个房子，吃饭我们自己做饭吃，我也不要你食堂，我也不要你的办公室，什么都不要你的。咱比看这个产品到底谁强谁弱。这个产品上来就特别牛，才能站住脚跟，才慢慢地把另外一个CEO干掉。这个是当年我们比较风光的时候，跑到海上去坐游轮，傅盛喝了酒给我们讲的故事。

所以外来的和尚，想在这种老公司里边能把经念下去，你是要前面要闯关的，你要过五关斩六将的，上酒桌你要一个一个喝酒，要打通关打过去才能可以干活的。否则的话，谁服你？谁愿意跟你干活？所以呢，Meta他们遇到的新问题，是在任何一个大公司里都会有的。

什么叫做冻结招聘呢？很多人的理解，冻结招聘就是不招人了。这个呢，其实不对。冻结招聘并不是不能招人了。我原来在猎豹移动的时候，每年到3月份、4月份的时候冻结招聘，然后过几天发现，人数怎么又涨了一倍呢？其实冻结招聘，特别是在这种大公司里的意思，一定记住了，叫“只许州官放火，不许百姓点灯”。什么意思呢？就是你们大家都别招了，让老板招。你们都放着，老板亲自来。

所以问个问题，如果冻结招聘的时候，您不是老板，但是呢，正好有一个特别牛、特别适合某个岗位的朋友，应该怎么办呢？是不是现在冻结招聘了，我让他等一等？还是冻结招聘了，我一定要跟老板闹，说一定要把他弄回来，这人太合适了？不是这样的。冻结招聘的时候要私下去找老板推荐：“我有一个朋友，特别适合干这活，人可厉害了。”这个时候如果你能把老板说明白了，他就会开特例说：“这没问题，再怎么难我也要把这个面子给你，把这个人招回来。咱们冻结招聘了也没关系。”如果老板没看上呢，也没毛病，也有一个冠冕堂皇的理由可以来拒绝你，大家都不丢面子。老板会回复说：“这个人真的很好，我特别想把他招进来，但是现在冻结招聘了呀，太可惜了，我也没有办法。如果不冻结招聘的话，我绝对把他招进来，我是信任你的。”老板一般会这样来去处理这个问题。所以冻结招聘意思就是招聘权上收，不要把这事理解偏了。

那为什么要冻结招聘呢？大家想一想，花大价钱挖回来的人，到底是干活的人呢，还是指点江山的人呢？其实要想清楚，真的能够拿到1亿美金的人，都是指点江山的人，没有哪个吭哧吭哧干活的人能拿到1亿美金的。所以招了一堆指点江山的人回来，这些人招回来以后要干活，怎么办呢？说您原来是一个将军，现在请扛着枪上那战壕里挖沟去，这不行，这个将军还有将军肚呢。所以下一件事干嘛呢？要给这些人凑齐部众。你是个将军，我给你凑两个师，你去打仗去吧。

那凑齐部众的过程中呢，每个人肯定还都有亲朋故旧，小山头一片一片的。而且他们招这些人进来的目的也是说，你可以把原来能够看顺眼的人给我带回来。但是呢，你要让大家自己眉毛胡子一把抓，都开始来拉山头了，这是不行的，会乱套的。我记得以前这个军阀混战的时候，军阀就给下边人挨个开委任状，拿到委任状的这帮土匪就挨着个地去拉枪杆子，拉完了以后，就一堆的散兵游勇就出来，这些人是打不了仗的。所以呢，这个时候就一定要去控制一下。而且呢，你想大家都那么多钱招回来的，自古以来中国人还讲究一什么东西？招了这么多华人回来，咱们就讲中国人的理论：“文无第一，武无第二”。谁服谁？他们自己之间互相怼的话，还不太好意思，但是呢，别人招来的人，“就这人你也看得上他？”一定是这样的一个态度。所以一定要去冻lge招聘。

下面才是真正考验Meta的时候。什么叫真正的考验？就是如何管理好梦之队，以及如何给梦之队配齐干活的这个班底，最终呢，把有竞争力的产品和服务交付出来。这个是后面的事情，前面那个就真的是行为艺术。这个做出成绩来固然可贵，但是呢，我个人感觉吧，Meta翻车的概率会更大一些。因为表演这种行为艺术的，通常最后都翻车了，包括我前面讲的盛大创新院，最后也翻车了。

但是呢，不要担心说Meta翻车了，是不是AI不行了。没事，Meta翻车了，对于整个行业来说，其实是巨大的利好。有没有人没顺过这个概念来呀？为什么Meta砸了这么多钱，给我们表演行为艺术，让大家看着开心，最后他翻车了以后，反而对行业好呢？

给大家讲几个故事。第一个呢，是百度的移动互联网战略。百度呢，是最早发现要做移动互联网的。安卓刚出来的时候，他说这我得得着呀，那边做安卓的公司叫谷歌呀，人做搜索引擎的呀，我也做搜索引擎的，他能做出安卓来，对号入座嘛，我得上。以前咱们做投资的时候都问，说你对标美国哪公司？百度说我对标谷歌。谷歌做出安卓来，我上。所以百度花了大钱，也是玩抢人大战，组建了一个特别豪华的百度移动互联网的一个事业部。但是呢，他特别着急，过了一段时间没有出什么成绩，直接就把项目给解散了。

所以百度的移动互联网战略呢，大概是做了三次还是两次。每过一段时间就说了，我们要all in移动互联网了，我们招人。招人嘛，肯定涨薪水，给所有人涨薪水。过一段时间说，呀，实在不行搞不定，你们散了吧，把整个的解散。又过个一年，说我们再来一次，我们又要all in移动互联网了。他干了好几回。当时我们讲，说整个中关村或者说海淀吧，移动互联网程序员的工资就是由百度抬起来的。整个中国的移动互联网大潮拉起来，我觉得百度在里边功不可没，虽然他自己没捞着，但是功不可没。

第二个，百度的AI战略其实也是一样的。百度有大量的算法人才，推荐算法人才，各种的AI人才都有。那后来说，咱们谁需要AI人才，上百度挖去不就完了吗？他自己也没得着。刚才我们讲的盛大创新院的故事也是如此的。当时盛大创新院在全国各地，甚至全世界，把这个最牛的一些工程师凑集在一个院子里头，说来，大家干活吧，咱们来碰撞一些各自想做的事情。在那做了三四年吧，也是散掉了。

这个对于盛大、对于百度，可能自己没有什么捞着什么好处，但是对于整个行业的推动力量是巨大的。一群大牛，平时是没有机会凑在一起的，现在你给它凑到一块了，而且还配齐了资源相互碰撞。这个呢，基本上就是在为下一个时代培养班底。再过一段时间，发现一帮创业的人，原来咱们都是哪哪同事，原来在那个地方我们合作过，大家知根知底。没有这样的碰撞，其实是没有办法让整个的时代往前翻篇的。所以Meta现在做的事情，对于AI行业来说是有巨大帮助的。可能没有像我这样这种在盛大创新院混过的这个经验的人，真理解不到这一层。

我们把三个原因讲过了，下面要说服自己有信仰，继续坚持。不能说股票跌了我们就跑，我们一定要说服自己，这就是未来20年唯一的主题，没有之一。

为什么英伟达能涨到4万亿美金？我出去做线下活动，上一次去天津也有人上来问，说为啥只有英伟达涨了，其他人都不涨？原因很简单，通过前面讲的3个故事，其实大家已经看到了，在整个的AI发展过程中，非常非常多的不确定性，而英伟达是所有不确定中唯一的一个确定。就甭管谁干，你都得买他的卡。你下去挖井、挖金子，你挖得着挖不着，你都得买把镐，下去得喝水。他就是这个卖镐卖水的人，所以他是唯一的确定性，所以大家都去买，这个资本是用脚投票的。

而且我也相信呢，AI革命就是人类最后一次技术革命了，再往后就不叫人了。我可能也会成为硅基永生的第一代，如果有机会的话，我一定要去。我要继续看看人类文明怎么发展，这就是我的性格，相对来说比较乐观。

AI现在的距离黎明前的黑暗还有差距。为什么这么讲呢？很多人说你看AI回调了，AI泡沫破了，是不是黎明前的黑暗，马上该涨了？还没到呢，最黑的时候。首先呢，AI的道路是非常曲折的。第一个，我们赶上了经济下行。互联网、移动互联网都是经济上行，而且是全球化推进的时候。而AI呢，正好赶上反过来，经济下行，全球化倒退的时候。而且呢，简单的增量已经消失了。什么叫简单增量？互联网上来的时候，上网的人快速增加；移动互联网上来的时候，使用手机上网的人快速增加，而且使用手机的用户时长快速增加。而AI上来的时候，没有原来有这么多个人用手机，你现在还是这么多人用手机；原来一个人一天用8个小时手机，现在还是8个小时。你也不可能说现在有了AI了，我一天用25个小时的手机。所以呢，简单增量消失了，这个就是对AI整个这一次创新的一个最大挑战。

而且呢，一开始的AI呢，有点选错商业模式了。其实我反复强调，使用订阅跟TOKEN的这个方式，其实并不太适合大规模底层革命的早期阶段。这后边有好几个定语。咱们来讲，小规模创新，我做了一个小而美的东西，你上TOKEN跟订阅，这事是没毛病的。你说我打个游戏做个订阅，在里头买点什么小装备，这都OK的。但是如果最终AI变成了一个基础设施了，你说我做个TOKEN，做个订阅，也没毛病。但是现在呢，我们又要做这种大规模的底层革命，又是早期阶段，你直接上来就是TOKEN跟订阅这样没有吸引力、没有利润的方式的话，很多的艰难险阻未必过得去。就相当于什么呢？比如我这闹革命了，革命胜利了，大家有一个固定薪水，这事有吸引力吗？没有吸引力。那什么样有吸引力？“皇帝轮流做，明天到我家”呀！这玩意才有吸引力呢，可以让整个社会一起动起来，冲过各种艰难阻碍。所以一定要用一些更有吸引力的方式来去喊口号，上来就玩TOKEN和订阅，这事一定是错的。

现在的泡沫呢，还没有到破的时候，现在泡沫还在往前走，未来应该会有真正破灭的时候。什么是真正破灭的时候？还记得我一开始讲马车车厢厂装汽油机这故事吗？当巨头倒下的时候，诸神黄昏的时候，就是真正的该破灭的时候了。互联网泡沫破的时候，那是有很多饱受关注的公司直接死了，最后才把互联网泡沫渡过去。所以一定是要有巨头倒下，微软、谷歌、亚马逊、Oracle、Meta这样的公司，是要经历磨难的，最后肯定会倒下几家，才能把剩下的公司往前走。所以一定是等他们倒的时候，才是真正最难的时候。

未来的预测是什么样的？咱们吹着口哨绕坟头，自己给自己壮个胆，说这事一定是行的。还要强调，本频道不提供具体的投资意见和建议。咱们聊股票、聊聊金融没毛病，听了老范讲的故事，你赚了是你的，亏了也别来找我。

第一个，短期内应该会有变化。董王最近没空搭理科技，现在都盯着俄乌呢。董王后续的操作，可能会有一些新的玩法。比如说吧，拜登上台是给补贴，你Intel要补贴吗？我给你补贴。董王呢，可能说，补贴你也拿了，你不能白拿。就跟当时跟泽连斯基说的似的，你看这个欧盟给的都是贷款，只有美国给的是补贴，直接给钱了就没了。前面那个太傻，不能这么干。泽连斯基说，前面那个拜登挺好的呀，直接给轰出去了。所以呢，董王的大概率是什么呢？补贴我今儿给，但是呢，你给我股份。我给你补贴，你给我股份。我们以前管这活叫“债转股”。所以我给你的算你欠我的，转成股份给我就完了。

现在呢，就是Intel可能就要成为第一个典型了。出来我给你补贴，接着做下去，你就直接给我股份就完了。原来不还有很多的厂，像什么台积电呀，包括ARM呀，孙正义这些人，他们都说我要给美国投资。投资行，你投资这个钱算是美国政府占的股份，或者说我们共管的一个账户，算我的股份。那以后呢，比如说台积电在美国那个厂里，美国政府就持股了；孙正义在美国做的各种投资，美国政府直接持股了。他可能在向这个方向发展，直接债转股了。

美国呢，正在向国家资本主义的方向前进。“川建国”不是白叫的。以后这些AI企业，美国可能会有一个国资委这样的一个机构，占股分红，在董事会里边投票。就像我们现在讲，你像字节跳动里头是有国资的，虽然它就占1%，还是可能连1%都没有，但是呢，它有投票权，还有一堆一票否决权，该分红你也得人分去。它是这样的一个架构，川建国同志可能也在往这块走。

另外的话，等待董王访华吧。看董王访华的时候带着谁来，这个还是可以期待一下的。等这边他把贸易协议都签得差不多了吧，俄乌冲突也收拾得告一段落了，等董王访华的时候，我觉得股票还可以再快速地起飞一下。

但是呢，这都是小波段。真正的起飞是什么？真正的起飞，是找到真正的增量的社会价值，找到新的利益创造的通道，才有可能起飞。就是我们要造出汽车来，而不是在马车车厢厂里装汽油机。所以呢，改变社会结构和社会财富分配方式的时候，新的AI的投资逻辑才会真正显现。现在我们使用的依然是传统的互联网、移动互联网的投资逻辑，并没有上真正的AI投资逻辑，因为AI现在创造出来的价值还不够，还没有办法成为主流。

这就是今天我们讲的这个故事，美国科技股跌了，老范赔钱了，要出来给自己打打气，也顺便给听节目的人讲一些故事。

8月14号，英国金融时报发了一篇报道，说Deepseek R2模型之所以难产，是因为在使用华为升腾芯片训练的时候，持续遇到了技术问题，最后被迫改用了英伟达芯片。甚至透露华为曾经派出一支救火队，常驻在Deepseek，手把手帮忙调教升腾服务器，但仍然无法完成训练。无奈之下，Deepseek只能退回老路训练，重新切换回性能更加可靠的Nvidia的GPU，升腾芯片仅退居辅助，用于模型推理环节。

虽然没有华为和Deepseek官方的回应，也没有他们的辟谣，但是呢，据说是援引了三位知情人士的一些说法，也进行了很多交叉验证，所以这个事情呢，大概率是真的。

国运跟国运相碰撞的时候，升腾也号称是国运级产品，Deepseek肯定是国运级产品，为什么是升腾不灵呢？升腾芯片是可以替代的，也还有一堆竞争对手，所以出现问题以后，他的竞争对手会帮他去宣传。而Deepseek虽然在国内也有模型在追赶，但是地位是不一样的。升腾和国内的其他算力芯片，以及其他那些大模型，从来没有像Deepseek那样震动过世界。所以呢发生碰撞的时候，必须是升腾不行了，不可能是Deepseek不行了。

大家为什么会这么期待Deepseek R2呢？现在又有千问3，也有Kimi、Mini Max，还有豆包等，有一大堆的这些模型出来，怎么就只有Deepseek才行呢？其他人为啥都不行呢？其实现在呢，很多新的这些模型已经并不比Deepseek R1的性能差了，基本上是可以替代使用的。但是大家依然在期盼Deepseek R2，而且你只要讲Deepseek要出R2了，就会有流量。这个原因其实很简单，因为我们在跟国外的大模型竞争中打不过了。

国外已经进入了10万级芯片的训练时代了。Llama4，40万块H100训练出来的。虽然Llama4翻车了，但那也是10万块。而马斯克XAI的Grok 4，20万块H100训练出来的，效果相当不错。GPT5的话，现在推测也是20万块H100训练出来的。Anthropic的Claude 4，据说呢是40万块H100，但是呢它这个数并不是那么准确，40万块H100呢是一个部署的数量，并不是精确的训练的数量。另外一个没说的是Gemini 2.5。Gemini的2.5是没有公开数据，因为他们家使的TPU，其他人都是使的GPU，所以呢没有办法去比较，但应该也是几十万块H100的一个算力，才有可能训练出Gemini 2.5来。

以前是一个国外大模型特别强，特别是GPT4压着所有的模型的时候，我们终于期盼到了Deepseek R1一出来，觉得我们好像又可以了。但是现在我们发现，国内的大模型跟国外这些明显有差距了。我们只能再去期盼Deepseek，因为其他这些肯定是追不上的。那没有20万块H100，这个日子就没法过了。国内的算力芯片呢，大家也都知道不是那么靠谱。这个时候大家期待的就是奇迹了。

Deepseek V3、Deepseek R1，他们呢号称使用了2,048块H800，还不是H100。他们这个算力转换，可能也就是1,000多块H100。拿这样的算力就直接训练出来了，大家觉得你们可以用很少的卡训练出来，还可以震惊世界。现在我们还搞不定20万块的H100，是不是依然可以期待Deepseek再创造一次奇迹呢？

Meta花了好多钱收入进去的亚历山大王曾经在接受采访的时候说，Deepseek手里头有5万块H100，压根就不是他讲的几千块就给这事搞定的事。而且呢，新加坡3月份还抓了一些向大陆走私英伟达芯片的人，有传闻说这些芯片的采购方里边包括Deepseek。

Deepseek呢也正式做出过回应，2025年2月份做了回应。Deepseek强调，仅使用了2023年合法采购的H800芯片，其他我都没用。但是讲完了这个以后，甭管你原来这个东西到底有还是没有，你讲这个话以后肯定就不能再用了吧？所以呢现在大家期待说，这个反正你们原来是这么讲的，我们就这么信了。那以后呢创造奇迹也只能是等着你了。哪怕是使用H20芯片，用很少的芯片训练出来，堪比20万块H100芯片训练结果的这种奇迹，也不是完全不可能吧？这个怎么说呢，人有多大胆，地有多大产吧。我们总还是要有一些希望吧。

新的模型没有出来，但是新的论文呢，Deepseek其实一直不断在产生。在V3跟R1之前，Deepseek也没做什么铺垫，这不也就突然蹦出来了吗？他是这样去期待这个Deepseek的。

原来讲是8月15号到30号之间要发新版本，最后Deepseek自己出来辟谣说：“对不起，我们发不出来。”英国金融时报出来说，被这个升腾给拖累了。那这消息是怎么传出来的呢？Deepseek原来是有没有说过自己要去发Deepseek R2这件事呢？

首先呢，是Deepseek R1震动了世界，应该是在2025年春节前后的时候，我印象里特别深刻。Deepseek R1出来以后，我还连续做了很多天的直播来跟大家讲这个事情。国际大厂呢，在Deepseek R1的这种搅动之下，纷纷转向。转向什么呢？主攻数学、科学与编程，然后呢是长上下文、工具调用和agent，以及指令依从、降低幻觉。

数学跟科学这块呢实在太难了，这个咱们不擅长，而且那个你真的是需要可能10万块、20万块卡，你才可以把这事搞定，咱们没有。那编程呢基本可用，国内的这些模型做编程，肯定没有Anthropic的Claude 4好用，但是呢也基本上可以跑。长上下文、工具调用和agent这块呢，包括指令依从这一块呢必须要有，这一块其实国内的大模型基本上已经追上了。剩下的呢降低幻觉这事咱们就不谈了，反正有幻觉还是可以甩锅的事情。全面开源，这个是国内大模型真正卷的地方。千问直接把200多b的模型直接就开源出去了，Deepseek 600多b的模型直接开源出去了。这件事情我们在努力的往前走，所以各有所长吧。基础设施这块、数学科学这部分实在是费劲，大家就期待Deepseek来再创辉煌了，其他人就不管了。

Deepseek发R2这件事呢，其实传了两回。一回呢5月份，风起云涌。每一次说Deepseek要出R2的时候呢，都是风起云涌的时候，大家都在上新模型，说呀Deepseek你也得上，所以就会开始给他传这个事儿。

今年5月份，发生了一些什么样的事情呢？首先呢Claude 4、Opensource和sonnet这些模型直接出来了，王炸。5月份开谷歌IO，Gemini 2.5 Pro和Gemini 2.5 Flash直接发布，这个其实现在已经是我的主力模型了。GPT呢当时倒是没有什么特别大的动作，上了一个Deepseek 4.5，但是呢也没有引起特别多的响动。大家就说Deepseek你们也该来了。但其实呢Deepseek没有去出R2，而是把Deepseek R1的模型稍微的小步更新了一点点。

6月26日，the information就做了一个报道，说Deepseek R2原来计划是5月份发布的，但是呢因为梁文峰对于Deepseek R2表现的性能不是很满意，决定推迟了。路透社呢也引用了the information的这个报道，国内的媒体呢也纷纷去引用。但是这件事呢，并没有得到Deepseek官方的回应。Deepseek这个公司就是这样，他基本上不怎么回应大家的这个响动。你们猜吧，猜完了以后我也不理你，除非是有一些太过分的，否则他一般不说什么。

Deepseek呢也不是说没更新，就是做小版本更新。像Deepseek V3出了0324版，也就是2025年3月24号出了一个版，把分数又往上刷了刷。因为每一次去更新这些模型，一定要刷分数上去。代码能力，特别是前端代码能力呢，有所提升。拿这玩意写个网页没什么问题，但你说我要做一些大的架构，或者做一些这种后端的东西，可能就要稍微费劲一点。做算法的东西要费劲一点。为什么？因为它Deepseek有一个问题，就是它的上下文比较短，想去做一些大的架构上的东西，你必须上下文长，你得能把整个代码塞进去才行，这块还是要费点劲的。然后他把中文写作能力做了一些提升，Deepseek其实一直在努力的方向，就是中文推理。因为在海外的这些模型，很多都是使用英文推理，然后再翻译成中文的。他说我们直接用中文推理这个事，是不是OK？他们一直在努力干这件事情。使用体验上呢也有所提升，特别是function call更加准确了。在做AI agent的时候，其实核心就是function call的能力，就是我们先描述一堆的功能，然后交给大模型，大模型在完成整个的语言生成的过程中呢，去根据你描述进来的这些function，去决定我要调哪个、不调哪个，或者如何去调用、什么时候调用。Deepseek V3 0324呢，就在这一块做了一些增强。

Deepseek的R1呢，其实也更新了一个版本，就是0528。大家在传说Deepseek要出R2，讲的其实就是0528的这个版本。而这个版本呢，其把这个分又往前刷了刷，减少生成的一些错误信息。因为Deepseek最大的让大家无法忍受的东西是什么呢？就是胡编乱造，他太喜欢瞎编了。所以在这一块呢，稍微做了一些调整，但是依然胡编乱造的很厉害。Deepseek 210528呢，还支持了Json输出和function coding，提升了调用的准确度，但是呢不能叫R2。这就是5月28号的这个版本。

紧跟着就开始传说了，说8月15号到8月30号，要准备发布Deepseek R2了。这个消息是怎么来的呢？首先肯定还是要风起云涌一下。8月份发生了些什么事情呢？马斯克XAI的GROK4发布了，Anthropic又发布了Claude 4.1 Opensource，OpenAI发布了GPT5。GPT5这东西到底好不好使，大家各自去领会。大家可以认为说，GPT5是一个划时代的产品，但是也可以认为说，GPT5就是山姆奥特曼为了要去忽悠融资去搞的一个事情。因为GPT5出来以后，OpenAI的估值已经正式从3,000亿美金提升到5,000亿美金了，而且是孙正义要去买这个单，说您这5,000亿美金我认了，我去买去。

所以呢8月份风起云涌了。那么空穴来风呢，你这事怪不得别人。在Reddit上有人发了个帖子，这个帖子特别有意思，他说他去问了Deepseek R1：“Deepseek R2什么时候发布？”他等于是把这个东西交给Deepseek R1了。但是大家注意，Deepseek R1这个大模型呢，它并不代表Deepseek这公司的一些官方的观点，只是说这个模型给你生成了这样的一个结果。Deepseek R1回答了：“8月15号到8月30号之间发布。”而且号称呢是引用了雪球和东方财富等可信的信源，而且进行了多个渠道的证实。

Deepseek R1的幻觉其实一直都是很严重的，虽然经过0528的调整以后，但依然很吓人。而且Deepseek R1的最大幻觉是什么？就是编造可信的信源。说我从哪哪引用了，你点进去以后，压根就没有这篇文章。但是甭管怎么说，这个文章就在Reddit上就贴出来了，随后呢这个消息就逐渐的被传播和放大了。国内的很多的媒体、自媒体就开始引用这篇消息，特别呢是华为下边的一些科技媒体进行了转载。而且呢在标题里边还夹带了私货，讲的是什么呢？讲的是深度求索，就是Deepseek这个公司，“升腾芯片版本Deepseek R2预计在本月发布”。它讲的就是说，它是使用升腾芯片来去做训练的。

华为都说了，两大国运级产品强强联合了，那信吧，这事怎么办呢？国内一帮的媒体就冲上去说：“我们信了，确实是有这事了。”到8月14号，英国的金融时报出来报道，说升腾芯片拖累了Deepseek 2。然后动点科技、腾讯科技就出来辟谣，原引自公司内部人士，也就是Deepseek这公司里边的人说了，说8月份不会发布Deepseek R2。所以呢，8月15号到30号之间发布Deepseek R2的一个消息，实际上是Deepseek R1自己编出来的，其他人把这个编的信息信了，直接截了个图发到这个Reddit上，以此来发酵出来的一个过程。

那么Deepseek R2到底遇到了一些什么样的问题呢？首先升腾芯片确实是有问题的。升腾910C的这个芯片，虽然单芯片的算力在部分指标上呢，已经达到了H100的水平，但是呢显存的带宽不够，想从显存里调数据回来，速度是没有H100快的。而且最大的问题是什么？就是多个芯片之间的速度，就是我需要把数据在多个芯片之间进行流通的时候，这个速度是相对来说比较差的，而且差的很远。你要想去做同样的训练的话，你就需要更多的时间全功率的去运转。因为你想，人家都已经达到20万块H100这样的集群的规模再去训练新的模型了，你没准就是需要这个50万块或者60万块升腾910C串在一起，才能达到人家那个算力，而且你需要很长的时间去连续的运作，这个对于升腾910C的这种考验来说就比较大了。

这样的芯片，其实是没有办法长时间稳定地去运行的。并不是说训练一个模型，这头输入进去数据，过三个月去开盖看结果。中间每过一段时间，可以取得阶段性成果，再继续往下训练。但是中间这个过程呢，你是不能停的。你中间比如说准备了一批数据，你去训练了，如果这批数据没有训练完，升腾910C就直接冒烟了，就不干活了，这一波呢就白干了，你必须要从这个节点接着往后干。这个玩意有点像什么？有点像打怪升级，你一定要打死这个妖怪才能存盘，你没打死这个妖怪就不让你存盘。升腾910C在这块差一点。

那为什么差呢？升腾910C呢，是两个910B堆叠在一起的，散热肯定会出问题。就算是上了液冷以后，依然是搞不定这个事情。

其实同样的坑，英伟达也踩过。大家还记得H100独挑大梁好久了吗？很多人应该还是有印象的。甚至呢到现在为止，H100已经成为一种计量单位了。现在我们再去算说：“你这个算力相当于多少英伟达芯片呀？”我们都是以H100的这个算力作为一个计量单位的。就是因为H100挺长时间在那孤独一只。为什么它会孤独一只呢？本来计划替代H100的这个产品叫B100，叫Blackwell黑井100，这个芯片直接就跳票了。研究完了以后开了发布会，开完了以后，这个芯片压根就没有大规模的部署，也没有交付。为什么呢？就是他做的就是这种堆叠技术，导致散热失败。散热失败了以后会直接把版卡烧掉，这压根就没有办法去交付。到H200出来了以后说：“那这咱交付这个呗。”但是一开始依然是受困于散热问题，导致了大规模交付的延迟，一直到今年才开始去交付H200。

后面的工艺呢不断的进步，再加上全面液冷。H100这些机器是可以进行风冷的，你拿风扇吹它是OK的。但是到H200这个机器开始交付的时候，你必须是液冷。而且这种液冷呢，还不是种普通的液冷，叫完全浸泡式液冷。见过这种游戏主机装机视频的这些人，会知道他们那个液冷是怎么做的。他在芯片外面给你涂散热的胶，然后呢把这个液冷管贴上去，靠这个液体呢快速的把你热量带走到外边，再去找风扇把这个水给你吹凉了，再重新循环，它是这样来工作的。但是这种工作方式对于H200来说还是不行的，它必须是全浸泡式的，就是把整个的H200的芯片，或者包括它整个的板卡，一起泡在这个液体里头。这就肯定不是水了嘛，是一些不导电的水，整个泡在里头，才能够达到散热的这个能力。

当然了，甭管是英伟达也好，还是升腾也好，散热都是有问题的，导致什么呢？就是液冷概念股都涨疯了。你只要说我这公司是做液冷的，就赶快涨。而且现在都是浸没式液冷，就把整个板卡都泡里头。A股上强瑞科技、英维克、深林环境、飞龙股份，大概有十来家公司，都是专门做液冷的。飞龙股份是专门给升腾这个384超节点做液冷的。美股那边的话，有一个叫VERTIV的一个公司，它的代码是VRT，是专门给英伟达做液冷的公司，这个公司的股票也是涨的可好了。

讲回来，910C这个芯片连续的做长时间训练的话，液冷也压不住，直接把板卡烧掉。即使是有大量的华为的工程师坐在Deepseek公司里头，出来我帮你调，他也调不过去。实际上这些华为工程师能调什么呢？他们只能调一件事，就是CUDA里头没有实现的部分，我来帮你去实现一下。华为的这个升腾910C，他们使用的训练相关的代码的话，是华为自己开源的一套训练框架。这套框架据说是可以实现CUDA 70%的功能，但是还有30%你是实现不了的。那这一部分由华为的工程师到现场来搞定。再怎么搞，该冒烟、该着火、机器直接停摆，这个事它是解决不了这问题的。

另外一个传闻，DEEPSEEK R2出不来的原因是什么呢？是数据标注的质量跟速度不过关。这个呢也没有得到官方的证实，也是坊间在流传。因为在中国嘛，很多的数据肯定还是需要去审核一下的，这个审核的过程是相对来说比较麻烦的。

而且Deepseek呢，其实一直也是一个比较低调的公司。提前预热，不停的出来吹牛，这件事呢是容易翻车的。山姆奥特曼每次出来讲GPT5，说：“我太震惊了，我从来没见过这么棒的。”等GPT5发布的时候，大家说：“这就能让你震惊了？您到底是眼皮子有多浅？”马斯克在发布GROK4之前，也在说：“这是我所见过的最聪明的大模型。”也有人认为老马吹的有点过头了。

其他的公司都必须不断的发模型，跟着一起卷，不断的来吹牛，这个事是有原因的。为什么？因为这些公司是需要融资的。马斯克发GROK4发完了以后，马上就给XAI去融资。山姆奥特曼GPT5发完了马上融资，这公司直接值到5,000亿美金了，他现在已经是没有上市公司里头最贵的一家了。第二家应该是SpaceX，再往后是3,000多亿的字节跳动。但是大家注意，字节跳动的收入现在好像已经超过Meta了，这个是非常吓人的一个事情。所以这些人他有融资的需求，你就必须得不断的出来炒这个热点。不炒的话，你说我现在想提高估值，融资这事费劲了。而且现在Anthropic也在融资，而且是要按照1,500亿美金的估值要去融资，我估计他们后边的日子不是那么好过，现在他们的CEO应该已经奔中东，找中东土豪去给钱去了。

谷歌呢虽然不需要融资，但它后边有股市、有股价、有市值这些东西，所以呢不能落后，所以谷歌也必须要不停的推陈出新。实在做不出来东西呢，确实哪块也做的不太行，怎么办呢？你还可以像扎克伯格那样，表演抢人大戏这种行为艺术。我发2亿美金的薪水，我把人抢回来。虽然你的Llama4像屎一样，Llama再往后怎么走谁也不知道，但是看到你表演行为艺术表演的这么热闹的话，Meta的股价涨的也还可以。所以大家必须不停地去表演。

但Deepseek自己，他没有这种融资的需求，所以呢也并不太需要出来表演，自己踏踏实实做自己的事就好了。至于说他到底做成什么样，咱们也只能在外边来看。

大家有没有想过这样的一个问题：到底是谁家的芯片能够训练大模型呢？训练跟推理是完全两个不同的概念。训练你是必须要长时间高强度的工作，而且在中间是不允许停的。而且在训练的过程中，我们需要在更多的芯片之间进行数据的调度，更更大规模的这种协同。国内的这些算力服务器都搞不定这件事情，他没有办法说让这么多的芯片相互之间进行协调的情况下，这么长时间稳定的工作下去。推理的话相对来说要简单一些，可能只要几个芯片读出很少的数据来，他就可以把这事干完。比如说我们去提了一个问题，他给我们过了几秒钟做了一个反馈，反馈完了以后呢，他就可以再给我们分配其他芯片了。在这个过程中，芯片出现任何的问题，过热了或者说你对资源进行切换了，它是不影响的。所以呢推理咱们国内的这套系统是可以的，但是训练搞不定。

那么到底谁家的芯片可以做训练？英伟达这个必然是可以的。除了英伟达之外，还有哪些芯片可以进行大规模的这种模型训练呢？你说我这个芯片训练了一个10B的、20B的模型，这不算。或者说你说我这个虽然能够训练，但是我训练的模型从来没有人用过，这个也不算。现在唯一证实了可以进行大规模训练的，而且是训练这种大模型的，还被大家普遍接受和使用的，猜猜是谁？

很多人可能会猜是不是AMD？AMD MI300，或者现在应该是MI三百零几了吧，这样的一个芯片。不是他们。现在唯一的一个能干这个活的人，是谷歌的TPU。Gemini大模型是在上面训练出来的，Anthropic的Claude模型有部分声称是在TPU上训练的。除了英伟达之外就是他们了，再没有第二家了。

那老牌厂商像AMD、英特尔，号称我这个芯片是可以进行大规模的模型训练的，也给出了一些用他们的芯片训练大模型的实例，甚至呢还训练了一些不太流行的小模型拿出来去开源，但是他们训练出来的模型也没人用。AMD跟英特尔呢，一般大概也就是10B或者20B以内的这些小模型。另外一个呢就是富士通，富士通用一款ARM的CPU呢，也训练过一点可能也是10B以内的这种小模型吧，也没有听说过谁去用他们。

其他的一些ASIC芯片呢，也是号称自己能做。所谓ASIC芯片呢叫专用集成电路，像升腾、谷歌TPU呢都属于ASIC。亚马逊、阿里、百度呢，也都号称可以进行训练，但是呢没有实例。亚马逊号称是我拿自己的ASIC芯片呢，做了一些训练，也有几个模型，但是呢谁都没用过。OpenAI的模型，有些据说是在亚马逊上进行训练，但这个事呢，也没有得到最终的证实。百度呢是号称自己设计的ASIC芯片可以去进行训练，但是反正百度自己家的模型烂的跟屎一样，我们就不去评论了。

至于华为的升腾芯片呢，科大讯飞号称是在上面训练的。但是呢也有朋友跟我讲说，科大讯飞其实是在英伟达上训练出来的，只是呢对外宣称是在升腾上训练的，这个我们就不去做考证了。只是科大讯飞的模型，其实也没有那么普遍，除了一些教育领域里头有些人会去用，其他的让你自由选择的时候，很少有人会去选择用科大讯飞的模型。华为呢自己号称是在升腾模型上训练了盘古大模型，但是呢前面被内部的人指责蒸馏、指责抄袭，之后就不再有任何声音了。所以现在华为已经不再提他的盘古大模型这事了，估计是准备装一段时间的死狗以后，再次遥遥领先。所以华为的升腾模型，其实没有证实过训练成功过任何的大模型。Deepseek R2呢，应该是真的尝试过，但是败下阵来。

华为跟Deepseek官方呢，都没有出来证实，就既没有出来说我用了，也没有出来说我没用。所以呢升腾芯片，没有成功的训练出过任何一款大家普遍使用的模型。

那么国内的算力芯片是怎么样去竞争的呢？英伟达大概占54%，就一半多。升腾呢占28%，其实已经占的非常非常多了。像寒武纪等等其他的一些芯片公司的，所有的加在一起，可能还加上AMD的吧，一共占18%。这个大就是国内整个的算力芯片的一个分布情况。

国产的芯片呢，目前来看都是可以去做推理了，但是呢没有哪一个真的跑出来模型过。所以国内的算力芯片，基本上是没有办法做训练的。

现在呢还有一群的“赢学家”在鼓吹英伟达芯片里头有追踪器。但是这些“赢学家”呢，现在有点吹不下去了。他说呀：“这个英伟达的芯片里头，是不是在集装箱里装追踪器了？”还有人说：“是不是在包装箱里装追踪器了？”或者是说：“在服务器里边装追踪器了？”因为他们也知道，在这个芯片里头是装不上的。还有人说：“H20这里头肯定没有追踪器，但是呢H100、B200这个里头有追踪器。”这个呢都想多了。因为中国人是经历过挖矿的，我们是完完全全可以把芯片整个扒下来，重新拿新的版卡去焊。而且大量的，其实做英伟达版卡的公司就在国内，所以我们完全可以拿他的版卡，自己回来去加工这个事情。装追踪器这个事是没用的。

中国官方对于H20的态度呢，也很暧昧。有人就到外交部的新闻发布会上就问：“说你们是不是要准备禁售H20？”外交部的新闻发言人回答是：“没听说过这件事情。”中国的这些官员回答，一般都不会说是或者不是，通常回答是：“请你看以前的表态”，或者“请你看有关部门的表态”，或者说“我不知道”、“没有听说过”。所以他这一次的回答叫“没听说过”。

中国政府呢，也没有明令禁止说我们去销售H20或者谁去买这东西。但是呢潜规则就是这样去运营的。多家媒体，比如说Bloomberg、Marketwatch就做了些报道，说中国的监管部门针对H20芯片表达了强烈的不信任和谨慎态度，尤其是强调相关芯片可能存在后门的风险和数据隐患，建议企业回避在政府或敏感用途使用H20。所以呢这些H20可能最后去做训练就完了，推理的这块就通通交给国内的升腾384超节点就OK了。

还有报道说字节跳动、腾讯、百度等企业被召集，这些人是准备去买H20的。国内的有关部门把你们都召集一块说：“你们为什么要买这东西？买多少？”给他们开这样的会。监管侧重国家安全与网络安全审查，并未提出商业禁令，就是我们还是让你买，但是你买之前呢，我们得把你拎来稍微恶心恶心。所以现在都约谈过了。

总结一下吧。Deepseek R2呢确实是难产了，肯定的没有出来。国内的算力芯片目前呢，也无法进行大规模的模型训练，可以进行推理这个事没问题了，但是训练搞不定。20万块H100量级以上的大模型训练，国内很难突破。如果20万块串在一块可以训练大模型的话，我们可能至少需要40万块或者50万块，比如像升腾910C这样的芯片凑在一起，而且我们所需要消耗的电和时间，可能都是要呈几何级数上升的。因为我们卡之间的联通的速度是相对来说比较慢的。所以比如说H100，它也不是说一直就不坏，它可能工作个20个小时或者是40个小时都会坏一次，会出现问题，对于老外来说就可以去接受了。对于我们来说呢，我们可能要求要连续坚持500个小时不出问题，才能够回收回来数据了，因为算的慢嘛，真的达不到。大概就是这样的一个情况。

国内算力卡的这些供应商呢，很有可能会阻碍中国大模型的进展和训练。为什么呢？自己做不好，你又不让别人买H20，可能中国的大模型再往下一步走，就会变得非常非常困难了。

未来国内算力卡是不是可以训练大模型呢？反正一两年之内呢稍微有一些困难吧。国内的大模型到底能不能用呢？基本还是能跑的。高深的数学、科研研究、物理学或者这些基础学科，我们不去研究了。就是让你去做一些信息整理，现在国内大模型基本上都是可以用的。

还是稍微耐心地等待一下Deepseek的慢慢发展吧，它反正中间只要不需要融资，它也不需要出来吆喝，万一有惊喜呢？这个也不好说。这就是我们今天要讲的故事。

大家好，
欢迎收听老范讲故事的YouTube频道。
今天咱们来讲一讲GPT-5发布了，到底是又一次划时代的革命，还是开始挤牙膏了呢？

8月8号凌晨开的发布会，我呢看了一眼就去睡觉了，实在是没有功夫把它都看完。北京时间凌晨1点开始发，我今天看了一下回放，大概是一个小时十几分钟吧，但是我并没有特别耐心地把它们都看完。

GPT-5到底有什么不一样的呢？

首先，这一次的发布会跟OpenAI以前的发布会，有一些巨大的差异。第一点大家有没有注意到，就是这次发布以后呢，没有出现服务器拥挤宕机的情况。以前甭管是Sora呀，还是GPT-4o这些产品发布的时候，紧随而来的都是OpenAI的服务器拥堵宕机。这次没有，第一时间就可用，免费版也可以使用，速度还挺快的。我自己反而感觉速度还可以，应该呢是进行了一些实时的算力分配，简单的问题就没必要消耗那么多的算力。原来呢，大家都是要尽可能用最大的模型，你哪怕问一个“你好，今天天气不错”，他也得把那个最大的模型跑起来。现在的话应该就不需要干这个事了，他发现你去问“你好，你是谁，你到底是哪个版本”的时候，他可能做一些很简单的回复，消耗的算力就比较小。这是第一个比较大的差异。

第二个比较大的差异是什么呢？这一次没有哀嚎一片。原来OpenAI每次开发布会以后，通常都是哀嚎一片：“完了，我们创业白创了，做的事情被OpenAI覆盖了，创业公司天塌了。”这次还好。那这个是不是代表着OpenAI就开始挤牙膏了呢？还是说恰恰是一个新时代的开始呢？服务器也没崩，说明他肯定是有一些算法的优化在里头，但是是不是大家也没什么兴趣？另外一方面，没有哀嚎一片，是不是他也没做出什么东西来呢？咱们要去看一看这个问题。

除了GPT-5发布之外，还有一个很重要的新闻是什么？说马斯克在那说风凉话，有人在那尬吹，有人在那开骂了。跑分呢，其实是必不可少的。GPT-5这样的东西出来以后，必然要跑分，但是现在大家对于跑分也没有那么重视了，因为跑分好的这个模型其实未必好使。在这个里头有两项跑分呢，没有跑过Grok-4，就是马斯克自己的模型。马斯克就出来发了一个X，说“Grok-4 Beats GPT-5 on ARC-AGI”，在这个测试里头我们把它打败了。

ARC-AGI是一个什么样的测试呢？它呢是常识推理和复杂问题解决能力的一个测试。模型呢找到类似于大学入学考试难度的问题，让AI在有限信息里头进行推理，得出答案。就是做这个测试的时候呢，是不可以联网的，不可以调用工具，必须是使用模型本身的能力去做测试。它呢偏向于测模型的思考能力，而不是背诵搜索信息的本事，对于AI的生成推理挑战更高一点点。在这个里头呢，GPT-5是怎么输给Grok-4的呢？GPT-5呢使用的是GPT-5 BASE模型，它的正确率是9.9%，而Grok-4呢使用的是Grok-4 thinking模型，就是思考模型，它的正确率呢是15.9%，足足高了6个百分点。

但是大家注意了没有，这里头好像有些细节不对。GPT-5使用的是base基础模型，而Grok-4呢使用的是思考模型，thinking模型。那你说如果GPT-5使用thinking模型，或者是thinking Pro的这个模式，是不是能够反超呢？这个不知道。为什么呢？thinking模式肯定要比这个base模式消耗更多的算力和TOKEN，它有更高的正确率，它是合理的。马斯克是不是作弊了？也不能这么算。为什么呢？因为他这个测试的要求呢，是不可以调用外部工具，要依赖自身的能力完成测试。对于是不是要使用thinking模式，或者是不是要进行多步推导呢，这个测试本身并没有要求。你愿意一步到位，还是愿意多步思考，这些都没毛病。那你说是不是GPT-5高风亮节一下，我就测一下base模式一步生成？也没那么夸张。这个原因其实挺简单的：GPT-5的thinking模式和thinking Pro的这个模式，默认是要调用外部工具解决问题的，关不掉。所以它只能用base模式来参加这个测试，如果用了thinking，你就调用外部工具就作弊了。Grok-4呢，它是可以在不调用外部工具的情况下进行推理的，所以呢Grok-4它也没有作弊。但是要注意一点，你不调用工具直接去thinking，直接去进行推理的话，在现实工作中意义不是很大，就是我们完全靠模型自己的能力去推理，现实工作中一般不干这个事。

那么这是一项。另外一项Grok-4比GPT-5高的测试是“最终人类测试”。在这个里头呢，GPT-5 Pro，也就是最强的这个版本，答对了42%的题目；而Grok-4 heavy，也是最强的版本，答对了44.4%的这种题目。这个呢就没什么好说的，火力全开，都是用的最大的模型，工具链武装到牙齿，不计成本的情况下，Grok-4呢还是要稍微高出一点点，高2.4%的一个这样的一个比例。所以呢，在一些特别难的情况下，或者说进行深度思考的时候，Grok-4做的还不错。

那GPT-5到底更新了点什么东西呢？

第一个，统一大模型，不再需要选来选去的了。原来我们需要选GPT-4、GPT-4o、GPT-3…一大堆的东西我们要选，选完了以后还要进去选，说你是给我画画，你还是给我做其他事情，你要去选半天。现在呢就不需要了，你从统一入口就进来就可以了。当然了，它可以选择GPT-5和GPT-5 thinking，或者是GPT-5 thinking Pro。当然Pro呢，你必须要200美金的账号才可以选。但是你说，哎，我就选GPT-5了，我也没有去点击thinking，没有强制他使用thinking，这个没问题，该思考的时候他就会进入思考模式。而且呢，他发现你在跟GPT-5聊天的时候，进入思考模式是不计次数的。不计次数什么意思？待会收费的时候去详细讲这个东西。Pro版本，你没有200美金的这个账号，你就别用了，跟我这种Plus用户关系不大。通过API调用的时候呢，并没有一个模型叫Pro，通过API调用的时候就是GPT-5、GPT-5 mini、GPT-5 Nano这样的几个模型，然后自己选择消耗多少thinking的TOKEN就可以了。你进去的时候，你去选说我现在是深度思考一下，还是简单想一想，还是说拍脑袋就来，你自己去设计好。

GPT-5的上下文是256K，比Gemini还是短。Gemini 2.5 Pro的上下文是一兆，就是100万TOKEN，要比它大四倍，还是很强的。但是呢，也别羡慕这东西。当你向GPT里头去输上下文的时候，少于200K是一个价格，超过200K是另外一个价格，输的多以后要单独加钱的。

现在呢，GPT-5也不再区分各种功能、工具、任务，都不再管了。虽然有选择的地方，你还可以选说我现在是不是到canvas里头去做一些后期的编辑，还是说给我画画。但是呢，如果在聊天上下文里头，你直接告诉他“给我画画去，给我去做什么编辑”，它就直接过去了，你不需要再单独靠菜单去选择这个事情。

生成代码极其强大。这个事呢怎么说呢，我今天试了试，我觉得它生成代码还是有待提高的，特别是有的时候代码的格式、缩进什么的还有点小错误。现在呢，Anthropic的Claude一直是程序员最爱的模型。这里的话，OpenAI也做了一个很骚的操作，他呢把Cursor的CEO拎来了，说：“来，你给我演示一下GPT-5很强大。”这小伙子坐在那演示，说这个绝对是太强了。Cursor原来里边主流的模型就是Anthropic。为什么他跑来给OpenAI站台呢？因为最近Cursor跟Anthropic闹得不是特别开心。两个Anthropic Claude code的核心开发离职加入了Cursor，但是呢只在Cursor干了两个礼拜以后呢，又回Anthropic继续去开发这个Claude code去了。反正这种事搁谁身上谁都不会太爽。现在呢一群的程序员都在测试GPT-5的编程能力到底怎么样，这个效果呢还可以，但是我个人感觉距离Claude 4 sonnet还是稍微有一点点小差距，有待提高。

继续往前发展呢，跑分其实已经意义不是很大了。因为很多考试成绩很好的人，未必能够干的好活，更别说招人喜欢了。有一些人就是特别会考试，但是呢你跟谁聊天，跟谁去合作，大家都烦他，这种人是存在的。Anthropic的CEO曾经在很多个场合强调过一个事儿，说人们倾向于使用某个AI，不仅仅是因为其性能指标，而是因为其人格和性格特质。他认为AI的人格特质直接影响用户使用的体验和信任感。这个我是比较认可的，就很多人喜欢使用Claude，还是说Claude的整个的人格是比较讨喜的。

现在呢，GPT-5说：“我们也改进这件事吧。”原来呢GPT-4o的时候呢，会有这种讨喜型人格上来去夸你。现在说我们把这事改掉了，已经没这事了。现在呢是推了五个人格，你可以在五个人格里自己选。第一个是默认人格，上来你不用改它，叫“乐观灵活”，这是它的特性。第二个叫“挑剔者人格”，犀利毒舌，就经常骂你这种。第三个呢是“机械人格”，就是高效直言，上来以后有话我就直说了。还有“倾听者人格”，善解人意，如果有人需要诉说一下，你改成倾听者人格。还有一个叫“技术宅人格”，就特别热情，而且呢喜欢去刨根问底。这个人格还可以有一些更复杂的选择，它有一些属性你可以去选择去，包括：健谈、诙谐、直言不讳、鼓励性、z时代、传统型、前瞻型、思维有主见、谦虚、俏皮、直接、务实、企业、打破常规、同理心。你说上面这个5个不能满足我要求，你可以在下边挑一个自己最喜欢的。当然还有一些特殊的信息，你可以直接在里头写，比如说我这个人喜欢什么东西，不喜欢什么东西，下次他再跟你聊天的时候，会注意这些事情。这个是我觉得GPT-5一个比较大的提升吧。

另外一个比较重要的提升是什么呢？就是极大的降低了幻觉。AI哈，一本正经地胡说八道，就是他们最擅长做的事情。但是现在的话，GPT-5说我们已经把幻觉降低了30%-40%。所以呢，现在GPT-5的各种答案相对来说是比较靠谱了。我原来集中在使用Claude 3模型，觉得已经是比较靠谱了，至少比国内能够拿到的模型，或者像Grok、Gemini 2.5 Pro，比这些模型还是要靠谱一些的。那么现在的话，它在Claude 3的基础上再降低幻觉30%-40%，那我觉得这个已经是可以去做一些严肃的工作了，包括医疗健康，还有法律相关的工作，拿它去上手已经没毛病了。

然后安全上面呢，还是很严格的。这个是我不太喜欢OpenAI的一点，就是它道德制高点，我该干什么，不该干什么来它决定，这个事我是不喜欢的。这一次呢稍微做了一些变通吧，就是说原来你触碰红线呢，就直接告诉你说“对不起”，停止工作了。现在呢你触碰了红线以后呢，他还会尽量说点什么，不是直接就应声地给你停掉了，“我绕一下看看，我能够给你回答点什么，过线那部分我就不说了”。但是在这点上呢，我是站Grok这边的，Grok基本上还是百无禁忌的。

那么下边呢，谁能用？多少钱能用？我现在在网页上已经能用了。在这个网页端，现在我们已经不可以再去选择GPT-4、GPT-4o什么Claude 3都没有了，现在就三模型了：一个是GPT-5，一个叫GPT-5 think，还有一个叫Pro。Pro就是你点击了以后，就找你要200美金去了。大概就这三个模型可以选了，其他模型都直接隐藏掉了。这个是我现在的一个状态。

现在呢，免费用户也可以直接用，5个小时可以问10条，超过了以后就降级到GPT-5 MINI，这个比较小的模型去了。他们每天还可以用一条thinking，每天有一个额度。但是要注意，当我们使用GPT-5模型问了一些问题，GPT-5自己认为需要去推理的时候，这个时候是不占这条thinking的这个指标的。所以呢，我们在跟GPT-5沟通的时候，要更努力地去把这个问题提清楚，让他不要占我的指标，直接把该思考的问题给我思考清楚。大家需要技巧一点。当然了他设置这种技巧也是不怕大家去薅羊毛的。为什么呢？就是胡乱地去问一些简单问题，其实对于OpenAI来说是一个很重的负担。但是你说我每一个问题都三思而后行，想了半天再往里提，哪怕他thinking了一下的话，对于他来说这个负担都还是可以承受的。

那Plus用户，像我这样的用户呢，每三个小时呢可以使用GPT-5 50次，超过的部分就退回到GPT-5 MINI了。thinking模式呢是每周200条，估计基本上也够我使了。Pro用户，就是200美金用户，基本上就都可以用了，专门有一个Pro的模型是给它用的，其他的呢基本上是没限制。

但是呢，在这里要跟大家讨论一个问题，就是对于Pro用户来说，这200美金到底买的是什么？难道Pro用户的消耗量真的是Plus用户的10倍吗？不是这样的哈。山姆·奥特曼曾经自己发过X去抱怨过这个事。他抱怨什么呀？Pro订阅让他们亏了好多钱。为什么呢？这个原因很简单，你一旦花了这个200美金以后，你就肯定说：“我不能让他闲着，我一定让他干起来。”就跟原来甲方乙方的电影似的，大骡子大马们得让它活动起来，不能让它闲着。山姆·奥特曼自己写了两条推，一条呢叫做：“疯狂的事，我们目前的OpenAI专业版订阅上亏损了，人们使用它的频率比我们预期的要高很多。”另外一条说：“我亲自定了价格，还以为我们能挣点钱呢，最后发现亏钱了。”

这两句话呢，其实告诉我们一个什么？就是200美元这个价格，并不是一个经过财务人员精确计算出来的，而是山姆·奥特曼拍脑袋拍出来的一个价格。Xai也有这样的一个套餐，叫superGrok heavy，300美元一个月。Anthropic呢，有一个套餐叫Anthropic Max，是100美金到200美金的一个月。因为我没有用过Grok的套餐，所以它这个为什么是100美金到200美金，我不是特别了解。谷歌AI的Ultra也有一个套餐，基本上250美金一个月吧。大家到底为什么要去设这样的一个套餐出来？真的是说有大量的TOKEN需要消耗，有大量的算力需要消耗，我需要回点血吗？其实压根不是那么回事。

大家注意，免费版是没有忠诚度的，我今天用你两天，明天用他几天，这都没有忠诚度。Plus版本呢其实还是可以朝三暮四，我买两三个都还是承担得起的。但是Pro、heavy、Max、Ultra这样的版本，你一旦买了200美金、300美金、250美金这种，买了你就一心一意地用吧。所以呢，大家去买这种Pro版本的，其实买的东西是一个叫“投名状”的东西，就是我把我的这个身家性命交给你了，以后我就在你家老老实实干下去了。他要求的是用户去交这个投名状，而不是说真的拿200美金就可以cover成本了，这是200美金的这种套餐设立的一个目的。

再往后讲呢，你说今天他亏了，难道一直亏下去吗？也不至于。因为TOKEN的成本呢，是在快速下降。20美金、200美金都是一种用户绑定的手段。现在亏钱，以后是不是能挣回来呢？未必，以后也未必能挣得回来。那为什么呢？TOKEN成本下降的是一个速度，但是呢我们通过使用agent，通过使用工具，也在快速提升TOKEN消耗量的速度。到底哪个更快？现在不知道。可能TOKEN现在价格是原来的1/10了，但是呢我们现在使用的TOKEN量是原来的100倍，至少最近这一两年吧，是这样的一个变化趋势。过一段时间以后，是不是TOKEN成本下降的这个速度可以追上TOKEN消耗量上升的速度？有这个可能，但是市场目前还没看到。

那咱们再讲一讲API的价格。GPT-5的API价格是极具竞争力和压迫感的。GPT-5 BASE模型，基础模型，100万TOKEN的输入输出分别是1.25刀和10刀。输入100万TOKEN是1.25刀，输出100万TOKEN是10刀。这个其实已经很便宜了。它的MINI模型，就是比它要稍微小一点的模型呢，基本上就是在前面那个数字上除5，0.25刀和两刀的这个输入和输出。Nano模型，就更小的模型就是，在MINI的基础上再除5，就是这样来的。就这种东西都是拍脑袋拍出来的，千万不要认为说这个数是很详细的计算出来的，真计算出来那个数不会这么有竞争力。

为什么说它有竞争力呢？Gemini 2.5 Pro的这个价格，我们去比较一下。Gemini 2.5 Pro的价格，200K以下的，输入是1.25刀，输出是10刀。这个呢跟GPT-5基本上是一样的，GPT-5基本上是照着谷歌的Gemini 2.5 Pro去定的这个价格。但是如果我输入的TOKEN超过200K了，输入是2.5刀，输出是15刀，它就会有一个上浮了。Gemini 2.5是有Pro版本、Flash版本，还有一个叫Flashlight的版本，所以它整个的定位跟GPT-5基本上是一致的。它的Flash版本和Flashlight版本呢，都要比GPT-5相应的版本，比如mini版和Nano版，要稍微贵那么一点点。具体钱就不跟大家念了，基本上是稍微贵一点点。Grok-4，就是XAI的呢，只有一个版本，输入3刀，输出15刀。这个明显要贵很多，它要比GPT-5和Gemini 2.5 Pro都要贵。所以呢，Grok-4刚出来的时候，我用了一段时间，一个礼拜吧，然后就都改成Gemini 2.5了。

另外的Anthropic的Claude，它的价格是什么样的呢？它最大的模型，输入15刀，输出75刀，基本上是没有竞争力的，太贵了。Sonnet输入3刀，输出15刀，又是一个田忌赛马的故事。其实我们平时用的最多的模型就是Sonnet，效果已经很不错了。但是呢，现在的GPT-5，1.25刀嘛，它这是三刀嘛，所以还是要便宜很多的。原来你使用Claude 4 Sonnet，现在咱们就使用GPT-5就可以了。所以GPT-5的价格是极具竞争力和压迫感的。

AI竞争的格局呢，也开始向新的方向去进发了。第一个，谷歌Gemini 3应该已经不远了。虽然没有明说，但是呢普遍猜测今年年底我们是应该可以看到Gemini 3的。现在呢，谷歌已经进入下一个竞争阶段，谷歌跟OpenAI开始去抢别的东西了，抢什么呢？开始抢终端用户了。怎么去抢终端用户？免费用户就可以去使用Gemini 2.5 Pro了。他现在也在努力地把谷歌的Gmail用户，他的Workspace用户，向他的Gemini Pro版本去进行转化。而像OpenAI，他也是说GPT-5出来了，你们这些免费用户就可以用了，我一定要把我最好的一面展示给你，万一有一点转化率，说我今天想去充钱了呢。

马斯克的XAI呢，应该已经感受到压力了。在Grok的模型能力上，其实还是有一点点小差距的。Grok-4在进行复杂运算的时候还是很能打的，但是呢在综合能力上和用户体验上还有待提升。Grok我觉得最大的优势是百无禁忌，这块是我最喜欢他的点。用户体验上，马斯克到底是不是要继续往前跑？现在呢还没有看出苗头来。因为现在的Grok的客户端，Grok的各种功能，比OpenAI也好，比这个Gemini也好，差的还是比较远的。而这一块的话，不是靠天才可以搞定的，这一块是需要靠堆人才能追的平的。你需要很多的人，OpenAI现在的总人数已经超过了XAI的总人数，即使是XAI跟X合并了以后的总人数，OpenAI也是人更多一些。XAI现在大概是1200人，OpenAI 7月份的人数的话，现在有两个猜测，因为没上市嘛，非上市公司，它的很多的数据就靠大家猜。一个呢是SEO.AI他们猜的，OpenAI现在有2659个人，就基本上是XAI的一倍多一些。另外一个呢叫LeadIQ，他们猜呢，OpenAI现在应该有6400人。那差为什么差这么多？因为有一些可能是contractor或者是一些派遣员工，或者是其他的这种合同制员工吧，所以可能会有一些差距。但甭管是哪个数吧，都差好几倍。另外一些竞争对手，比如说谷歌、微软，那你这俩公司就别跟他们比了吧，谷歌18.7万人，微软22.8万人，你说你跟他们比什么劲。但是后边说我们现在开始进行终端竞争了，要去打造一个用户体验非常好的生产环境了，你就需要堆人。马斯克可能未来需要堆人把这个事情搞定。所以下面呢，要去进行这个终端用户争夺，你到现在为止，Grok-4我还没有在平台上用过，我只用过API。为什么呢？因为像我这种8美金的X用户，他不给我用，必须要去买30美金的超级Grok用户，他才让你去用Grok-4。到目前为止，马斯克还没有把这个弯子转过来，所以他还没有进入到终端用户争夺的这个战场上去，已经落后半步了。

另外一个落后的可能比较远的是谁？就Anthropic。为什么呢？从资本到算力上，它都相对来说比较受限，所以在价格上就能体现得出来，它所有的这个API的价格它最贵，而且贵的不是一星半点。最后要打价格战的时候，刺刀见红拼不过前面那几个。马斯克虽然现在争夺终端用户他抢不过OpenAI、抢不过微软、抢不过谷歌，但是他至少手里还有一个X，X上还有一堆用户呢，这是他的天然基本盘。而且马斯克别的不行，募资很强，他募了一堆钱切着咔嚓买显卡，把它堆起来去堆算力这事，它是很强的。Anthropic融的钱本身就不是那么多，虽然它的两个大股东一个叫亚马逊一个叫谷歌，说“哎我这有算力你来使吧”，但是呢你真的要真刀真枪的去跟别人拼的话，还是不行。但我估计后边会比较麻烦，虽然他们家的模型我也很喜欢，但是从商业角度上来说他们是很麻烦的。现在有传闻苹果要收购他们，但是我其实不太相信，因为苹果呢不太做这种特别大规模的收购，这么高的价格去收购的话，不是厨子这种守城之君可以做出来的决定。如果他真能做出这种决定来，当时他就把车造出来了，而不是说抠搜抠抠搜搜，最后整个Vision Pro出来，这个我估计他搞不定。

然后Meta呢，等着看他们一鸣惊人吧。挖了这么多人回来，超级团队，后边可能还会为我们带来很多不同的故事。现在进入了一个新的竞争状态。

这里还有一帮人，中国团队怎么办呢？中国团队呢，只能靠差异化了。开源更大更新的模型，把agent一起开源出去，这可能就是中国团队未来竞争的一个方向。因为你去卷大模型，你卷不过他们了，手里头没有这么多的显卡，没有这么多的算力，数据上也有受到一定的限制，我们去卷底层大模型这块就会比较费劲。现在中国的这些AI公司里头呢，字节是在走OpenAI这条路，就是我闭源，我就疯狂的往前堆，但是未来到底能堆成什么样还不好说，而且字节也在堆显卡，他很多显卡是堆在海外了。其他的像阿里、百度、MiniMax、Kimi这些团队呢，都在堆开源，把最新的、最完整的、最大的模型直接开源出去，争夺一些客户回来，争夺一些市场空间回来。所以呢，大家玩的是不一样的。

那么开发者跟创业者应该干点什么呢？这一次OpenAI开完发布会以后，没有哀鸿一片，这是非常好的事情。说明什么？AI agent大家还是可以继续做下去的。把具体行业的需求解决掉，这个是创业者和开发者该去做的事情。而且现在呢，底层模型也相对来说比较稳定了，它没有那么多的幻觉了，拿着这些模型就可以去做一些相对比较严肃的工作了。所以现在就是开发者、创业者要冲的时候了。

GPT-5的API呢，我今天测试了一下，比Grok-4和Gemini 2.5呢，能力上其实并没有特别明显的差异。速度和稳定性、价格，这就是后边要拼的东西。这一块呢，OpenAI应该还是可以去占优的。为啥？因为OpenAI自己压根不惦记挣钱。谷歌那后边是个上市公司，你赔多了这事肯定是不行的。而至于说Grok的话，现在虽然他没有那么惦记挣钱，但是马斯克很多的操作其实是比较粗犷的，这种真正需要绣花，一针一线的往前去拼价格战的时候，他未必跟得上这个节奏。所以我相信在这一块上，OpenAI会领先一点点。未来一段时间呢，大家应该都会加班加点，对每一个应用中的AI节点进行效果、速度、稳定性和成本的这种对比，去更换GPT-5的API。这就是开发者现在该干的活。

原来说AI创业很难，原因就是大模型厂商的边界不清晰，你今儿干着干着，明天被他覆盖了。现在的话，这块清晰了，他们就去干他们的事情，我们干我们的事情。所以呢，最初的问题其实已经解决了，赶快去找到方向去干活。

那么到底是在挤牙膏，还是新的时代到来了呢？首先要讲，OpenAI再次地给行业指明了新的方向。第一个叫模型融合，不要整一大堆模型让我挑来挑去的，你就给我一个，我自己呢做这个提示词，你根据我的提示词去给我反馈就完了。该多说两句的时候多说两句，该少说两句的时候少说两句，不要让我去选取。第二个呢就是自动的进行判断，对于什么各种工具的调用，这个是需要去做的。还有一个方向就是降低幻觉比例，你要想去解决实际问题，就要降低幻觉。这块呢是中国大模型差的比较远的一块。在这一块上Gemini、Grok和Claude都还是比较强的，虽然达不到GPT-5这个层次吧，但是已经是可以用的了。中国的像Deepseek、千问、Kimi、豆包这些模型，幻觉得一塌糊涂，现在需要向这块去往前走一走。降低幻觉的方式就是不断的加算力进去，反复验证，多做这种强化学习，但是呢这个是需要大量算力在里边堆进去的。

新的时代还是到来了。新的时代是以什么样的方式到来了呢？阶级逐渐固化了，分层的时代到了。顶层的就是模型商卷，顶层模型OpenAI这次真正卷的是谁？他卷的是谷歌，卷的是XAI，卷的是Anthropic，他已经不再去跟这些应用厂商去竞争去了。“我们玩我们的，你们玩你们的。”这个是新的时代。他们一旦是开始把这个事搞清楚了，下面的这些创业者就可以冲锋了。就像是盘古开天地，混沌归于有序，大家就可以在这里繁衍生息了。这个是非常重要的一个时间点。

操作系统跟平台商呢，都去参与模型厂商的内卷就可以了。比如说谷歌，现在说Gemini不是大模型，Gemini就是操作系统。微软说我这个就按操作系统来了。OpenAI也说我就是操作系统。Grok肯定也是要去奔操作系统来的，它把X收进来以后，未来这一块可能就会有一个像微信似的超级应用，对于它来说这也是个操作系统。底层应用开发好好干吧，不用再担心模型商突然抄后路了。应用商也要有自知之明，不要去干这个大模型、操作系统、平台的这个事情。怎么说呢，要安天命，就是该你干的活你去干，不该干的活就别干。

这儿呢跟大家讲一个小故事吧。应该是在2014年年初的时候，我当时还在猎豹，跟着傅盛还有猎豹的其他几个高管呢，到谷歌北京办公室去吃早饭。不是占人便宜去了，我们跑去谷歌谈很多事情的时候呢，他们就特别喜欢让我们到他的办公室里去吃早饭，因为谷歌当时的食堂特别好，后来搬家了以后那食堂就没那么好了。当时是香港谷歌的一个负责商务的高管跑到那来跟我们吃早饭，趁着吃早饭的时候开个会嘛。当时我们做的工具呢，叫Clean Master，清理这个手机垃圾信息的。他问了一个什么问题呢？他说：“你们到底是清理memory，还是清理disk？”其他人就没想明白到底在问什么。我呢当时抖了个机灵，我说：“我们只清理disk，绝对不碰memory。”因为其实安卓手机上压根就没有DISK这个词，它叫storage drive，就是存储的驱动，这个不是叫DISK的。所以当时我就直接反应过来了。其实Clean Master是两个都会清理的。我回答了以后呢，其他人还看着我说你怎么胡说八道，明明不是这么回事，我们两个都可以清理，你干嘛说只能清理disk，不能清理memory呢？但是我回答完这个问题，还没有等到我的这些领导们来质疑我的时候，谷歌这个高管就直接肯定了，说：“这就对了，你们就只能清理disk，你们就不能清理memory。memory的事情是操作系统的事情，你不应该去做这件事。你就把这个硬盘上的东西清理清理就完了，或者说这个存储介质上东西清理清理。你一旦开始去碰内存了，就相当于是我们介入到了操作系统管理层去了，哎，你不该干这个活。”

讲完了以后呢，我们都是一头冷汗，也是觉得好不容易从鬼门关混出来了。吃完这顿早饭以后，出来这些高管就开始骂呀，说这个谷歌还说不作恶什么，这些东西都是扯淡。他划定这块地方，你就绝对不能碰他，你碰了他，他就甭管你是不是作恶，就直接干掉你。因为当时呢，跟我们同期有另外一个软件是杀病毒的，台湾趋势科技做的一个杀病毒的软件在里头，就被谷歌的高管作为典型跟我们讲。说你看这个台湾趋势科技，做了一个杀病毒的软件在安卓手机上，说这事是不对的。说为什么不对呢？说安卓是没有病毒的，我们已经宣布了安卓没病毒，你怎么可以在我这没有病毒的操作系统上杀病毒呢？最后你还杀出来了，这不扯淡吗？这个是不允许的。所以给了他们很严重的这种处罚。我们如果当时告诉他说“哎我们既清理硬盘也清理内存”的话，估计也是很严重的处罚。我们跟他吃完饭了以后，过几天就去纽交所去敲钟去了。如果当时那问题没回答好的话，这个钟就不用敲了。所以我觉得我那个机灵抖的还是挺好的。

这个也是说，做应用的厂商要各安天命，做自己该做的事情，在人家的规则下去做事情。这个就是未来这些模型厂商给这些做应用的厂商留出来的空间。当然了，中国厂商呢，总是会有一些不太愿意在你框框里头去跳的这些人吧，就是我们总是愿意做一些跳出圈的事情，不太喜欢这种逐渐固化的阶级，我们会再折腾一下。

所以结论就是，GPT-5发布了，确实还是有一些比较强的新特性的，包括统一的模型，自动地去判断怎么去工作，降低了幻觉。新的时代也到来了，这就固化，该选操作系统、选大模型的，你们选那个去，其他人在稳固的平台下，去做我们的应用就完事了。只要我们不去挑战权威，不去挑战规则，在这个规则下也可以挣到钱。这就是一个新的时代。

好，这一期呢就讲到这里。

OpenAI再次开源，中美AI竞争加剧，这一次体现在了不同的开源策略上。

大家好，欢迎收听老范讲故事的YouTube频道。

OpenAI再次开源，这一次发布的版本叫GPT-OSS (Open Source System)，8月5号突然上线了。这一次又不是GPT-5，我们从7月份就开始等GPT-5，现在已经等得大家开始胡思乱想了。很多人猜，说为什么出不来。现在最新的说法是48小时之内出来，等等看吧。

这一次呢，开出来的是GPT-OSS，是一个开源模型，20B和120B两种参数。它呢，是一个MOE模型，就是混合专家模型。其实在GPT-4的时候呢，大家就已经猜测它开始使用混合专家模型了，只是呢它不开源，大家只能猜。现在开出来了MOE推理模型，是有COT的思维链，是直接给大家展示出来的。而且呢，是一个文本模型，没有多模态的东西。上下文比较长，128K的上下文，要比国内的一些开源模型还要再长一些。因为现在没办法，你要使用工具、使用MCP，没有足够长的上下文，你是跑不起来的。所以呢，这一次的GPT-OSS说，我们很擅长使用工具，有的时候有点太擅长了。因为我测试的时候，有的时候工具调用次数非常多，直接就把自己的上下文填满了，这种情况也是不少的。

这一次呢，创新性地使用了MXFP4的一个量化，这是它最新的一个技术。首先要讲一下MXFP4的这个训练。我们以前使用的模型，千问、DeepSeek这些模型呢，我们都是使用的FP16去进行训练的，有的甚至是FP32去进行训练。就是我们把每一个数码位上的指针都做得​​很长，非常非常精确。这个好处是什么呢？就是你训练的时候，可以很精确地去进行训练。你再去推理的时候呢，我们再想办法把它这些数据呢，做成FP8，就是做成8位的一个短指针，速度就会快很多，而且呢，在这个缩短的过程中呢，精度损失的也不是很大。原来我们都是这么来干的。但是呢，这一次的GPT-OSS呢，他们使用了一种4位的指针，更短小一些。而且呢，它跟以前不一样，原来都是用比较长的数码位去进行训练，训练以后再去进行缩短。这一次直接训练的时候，就是4位的，出来就当4位的使，他是这样来去工作的。这个好处是什么呢？就是特别地节省空间，它的速度很快，我在本地测试的时候已经感受到了。

它呢，没有做蒸馏。原来大家都在想，GPT-OSS是不是直接拿GPT-4o，或者拿什么样的这个数据去蒸馏一下就可以了？因为OpenAI手里有很多这些大模型嘛。它并没有去做蒸馏，是从头开始原生训练的一个大模型。用了数万亿TOKEN的纯文本，重点覆盖STEAM、代码和通识知识。主要是拿这些东西训练。它呢，使用了GPT-4o的CBRN过滤器来清洗有害内容。在这里要专门讲一下，GPT-OSS的道德感还是很高的哈，所以呢，不要想着它到本地了，我们就可以拿它随便做一些什么样的事情，它会拒绝大量的指令的。它的知识呢，是截止到2024年6月，再往后的知识是没有的。你说我想处理一些新的知识怎么办？没有问题，因为它调用搜索、它调用工具的能力很强，所以你可以先命令它搜索，然后再去总结。

在进行了预训练之后呢，使用了与GPT-3相同的COT强化学习的数据进行训练，它就可以进行COT的输出。所以这是一个推理模型。两个版本的模型，一个20B，一个120B。20B呢，它的效能相当于GPT-3 mini，其实对于很多的本地工作来说，已经够使了，效果我刚才试了还是相当不错的。120B呢，相当于GPT-4 mini的水平，这也是我们普通的plus用户可以在GPT.com的这个网站上使用的最高版本的推理模型。实际上它那个上面最强的模型，我们能用的应该是GPT-4o全量模型。

20B呢，我装了，效果不错，速度飞起。比我本机跑的各种的30B模型、32B的模型要快非常多，甚至比一些十几B的模型速度还要快。产出的内容的质量，要比那些三十几B的，像千问模型要好很大一些。这个是我的一个主观的感受吧。我呢，是用Ollama直接在我的MacBook Pro 32G内存的笔记本上跑起来的。据说呢，这个东西是可以在16G内存的笔记本上跑，但是我没有测试，因为我们家没有这么低内存的电脑。

至于120B的话，这就不是我应该用的东西。为啥呢？它需要80G的显存，咱们没有这东西，是小团队在服务器上用的东西，这个不是给普通人在电脑上用的。你说我一定要去买一个Mac studio，或者我在本机去装4090装好几块，这个东西也是可以跑，但是真的没有什么必要。

那你说云端有没有？云端你现在上OpenRouter等等这些网站呢，是提供120B的模型的。但是我都上了云端了，谁用这玩意儿？我直接用GPT的大模型不就完了吗？所以呢，120B的模型对于我们这种个人玩家来说，稍显尴尬。但是你说我是一个小团队，我有一些信息不可以出办公室，你可以专门搭一台服务器来跑120B的模型。

中国的云端大模型托管服务上呢，目前都没上。这个它虽然是使用Apache 2.0协议，国内的这些像阿里云、硅基流动或者像火山云，你都可以去用，这个事他是不管的，至少这个协议是允许我们去用的。而且呢，这个Apache 2.0，我们不但可以用这个模型，还可以商用，还可以去修改这个模型，都不需要他的同意。但是呢，在中国有另外一个比较麻烦的是什么呢？就是谁把这个大模型包装出来给公众去使用了，谁需要去申请牌照，是需要申请合规的。上一个新的模型测试、申请合规的过程的话，还是有一些成本，所以现在大家还没有上。其实像Llama系列的模型，国内的这些云服务商上基本上都还是有的，也可以用。但是呢，每次上一个新的，这块我们没有那么快。国外的像Open Router什么的就已经上来了，第一天出来，第二天就直接可以上来使。中国的要求呢，不是说谁出大模型谁要去申请牌照，而是谁拿着这大模型出去给人服务，谁需要去申请牌照。你比如说，DeepSeek说我今天开源模型了，你不需要申请牌照；但是你说DeepSeek提供了API、提供了聊天窗口，要跟人服务了，这个你需要申请牌照。它是这样的一个工作逻辑。

那OpenAI为什么时隔这么多年又去开源了呢？原因也很简单。总有一些机构呢，不希望自己的数据离开可控的网络，不希望说这个数据跑到外网上被OpenAI学习了。最近OpenAI好像还有一个聊天提示词泄露的事情，这个事情是大家不希望的。前面包括三星还有很多的海外公司，使用OpenAI的时候都发生过泄漏情况。但是这种泄漏呢，其实很多是他们的防火墙爆出来的：“我发现你把一些公司敏感信息发到外网去了”，这个时候防火墙就会报警。但是你说我发到OpenAI以后，OpenAI是不是再去用这个数据，或者是不是拿这个数据再去训练模型了，或者再去传播了？这个事呢，反正OpenAI对外的承诺是它不做这个事，但是这个不好说嘛，有些人我们未必信得过他。所以有一些机构说，我一定要本地模型。原来这个生意OpenAI是不做的，现在呢，说我们这块也得做着，我们也要抢这个生意。20B呢，本机运行；120B呢，内部服务器运行，可以很好地解决这些敏感单位的需求。

而且呢，20B也好，120B的模型呢，还可以进行微调。微调了以后，你可以拿它去进行法务、医疗等等这种特殊需求的应用。而这儿呢，要稍微提醒大家一句，前头我们讲，GPT-OSS是有非常高的道德水平的。你一旦微调了以后，这个道德水平就不好说了，有可能GPT-OSS震碎三观，从此堕入黑暗的可能性是存在的。但是呢，那个就是你们各自自己负责任了，跟OpenAI就没什么关系了。

咱们呢，讲到这再讲一讲，中美之间到底是怎么去进行竞争的呢？美国人出了这个东西，不是美国人赢了吗？不是这样的。中美之间呢，有四种不同的开源策略。

第一种呢，是混沌模式。甭管什么样的东西，我先开了再说，开完了以后，你们爱怎么用怎么用。这个是谁呢？Llama就这么干的。Llama 1、Llama 2、Llama 3、Llama 4，都是上来我就开了，开完了以后你们拿去用吧，我就不管了。但是到目前为止呢，发现这条路可能走不太通。扎克伯格捞了一大堆的人以后，说我们是不是不开源了，重新思考一下未来该怎么走的问题，稍显可惜。

第二种模式呢，叫做“开旧闭新”模式。就是呢，我把这个新模型闭源了，我把老模型把它开源出来。谁干这活呢？就是马斯克，xAI就干这个活。他现在呢，是Grok-1开源的，2、3、4都是闭源的。但是马斯克呢，应该是昨天讲的吧，说我们近期准备把Grok-2也开源出来，那就3和4是闭源的。对于他来说呢，他的这个策略很简单，就是开源这一扇大旗我还是要扛着的，但是呢，如果你们想要用最新的模型，你就老老实实上我这来交钱，来把数据交到xAI的服务器上去进行运算。所以马斯克这个xAI呢，我一直评论它是一个假开源，他并不希望别人真的拿这个东西去做点什么事儿，只是说“我还开着呢”。

第三种模式呢，就是OpenAI现在做这个事儿，叫“开小闭大”。它的GPT-3、GPT-4这些东西呢，是闭源模型，GPT-4o也是闭源模型。同时呢，它开了一个小模型叫GPT-OSS。你如果本地需要一些敏感数据处理，你就用开源模型；如果是一个很复杂的处理，你就老老实实地到网上来使用我的这些闭源模型就完了。谷歌也是这么干的，谷歌的闭源模型呢叫Gemini，现在Gemini 2.5 Pro是我目前用到的算是最好用的模型之一吧。他还开源了一个叫Gemma的模型，Gemma现在最新的应该是Gemma 3。你们如果有一些需要单独处理的数据、需要敏感处理的数据，你就把这个Gemma当（download）回去在本机使用。还有呢，微软，微软的小模型开源出来，这个模型叫Phi-4现在最新的版本。他们家自己不做大模型，用OpenAI的大模型就完事了。现在Mistral也是走着这条路，就是法国这公司，他们呢，现在有一些小一点的模型开源出来给大家用，但是大一些的、复杂一些的这个操作，你就老老实实地上云端，调他们家的服务器就完事了。

这个混沌模式和这个开旧闭新模式呢，咱不讨论，没有什么明确的商业诉求在后头。“开小闭大”模式，就是美国人现在使用的开源模式。那你说中国人使用的开源模式是什么样呢？跟他到底有什么不一样的呢？而中国人是直接把最新的、最大的全开出来。千问三就直接把200多B的模型开出来，DeepSeek直接把671B的模型开出来。而且只要我发布了最新的模型，我就把最新的模型直接开出来。这个是咱们的玩法。现在中国跑得比较靠前的开源模型：DeepSeek、千问、Minimax、Kimi和GLM。

所以这是两个完全不同的开源策略。那么中美博弈在什么地方？这两个策略，一个是“开小闭大”，一个是“应开全开”，那到底是怎么博弈的？中国人玩的，其实是“田忌赛马”的故事。就是你那最好的马呢，我跑不过；但是呢，我用我最好的马去给你一个中马跑，我用我的中马呢，给你的次马跑，反而我那个次马呢，上来我就给你最好的马跑，一次就完事了。这样三局两胜，我还是胜了两局的。

那你说大模型开源，这到底怎么去“田忌赛马”的呢？中国目前开源大模型呢，跟美国顶尖的闭源大模型比，它是比不过的。你比如说千问三的230几B的这些模型，DeepSeek 671B的模型，你去跟GPT-3、GPT-4这些模型比，你比不过他；你跟Claude、Code 4这些模型比，你也比不过；跟Gemini你也比不过。那怎么办呢？我们去跟你的开源模型比，去跟这些120B或者是这种三十几B的这些开源模型，我比你跑得好。我这个一上来就是600多B，效果一定是比你那个三十几B的效果要好非常非常多的，相当于是用我的最好的马去跟你那个中等的马去跑。当用户选择本地闭源、中小模型的时候呢，中国队就会占优。但是你说我在本地、在电脑上直接需要一个小模型，目前为止我使用到的GPT-OSS 20B是最好用的。中国现在同样大小的，你比如说都是20B或者是30B的这些模型，你比不过它。但是呢，有些人说，你看我这也是一个小的单位，我这个单位里头呢，也有一些服务器，我想要用一些模型去处理一些问题的话，那你使用这些600多B的或者是200多B的模型，你去跟GPT-OSS 120B打，你是打得过的。那么在这种小团队选择开源模型的时候，中国队就占优了。它是不同的一个竞争策略。

而且呢，当有创业公司想要去挑战大厂的时候，你比如像Perplexity说，我们想拿一些好一点的开源模型再去进行调整，我们想去跟大厂掰掰手腕的时候，中国团队会给他们提供充足的弹药。他们拿美国队，比如说Gemma、Phi或者是GPT-OSS，这些专门为PC端运行训练的这些小模型，你是没法整的。你拿这些模型再怎么微调、再怎么折腾，你没法跟那些大厂竞争。它会有这样的一个差异。但是呢，你拿中国这些模型，你再去微调一下，或者拿这个模型再去怎么折腾一下，那都是有可能能够做出一些比较强的应用出来的。

美国人的想法呢，其实挺简单的。使用美国的开源小模型，可以解决大厂预设的一些问题。比如OpenAI，我给你预设了些这些问题，你用这小模型解决；那些问题呢，你就用大模型解决。大模型你上云端来调，小模型自己去用。但是呢，使用小模型的人，永远不可能形成对于大厂的竞争来，这就是他想干的事。而中国人的策略是什么呢？看热闹不嫌事大。有人打架了，赶快往上递什么无缝钢管，递什么煤气罐，咱们赶快去干这些事。当然这些无缝钢管，比如到了中东，他们可能就变成了煤气罐大炮了，那个我们就不管了，我们都是卖的民用设备过去的，他们拿去打仗，这事跟我们没关系。所以中国人喜欢干这样的事情。

那谁能笑到最后呢？刚才我们讲了，中美两个策略不一样。短期内看呢，美国的策略是更精明的，他把应用分析得很清楚，谁该用什么东西，谁自己去用就完了。但是呢，中国的策略呢，也有自己的定位，短期内呢，我们也可以争夺到一部分市场，这个事本身并没有太大的问题。从长期考量来说呢，美国的策略首先要保障的是巨头永远是巨头，巨头规划未来的格局，中小企业呢，在巨头的规划内生长。有点像谷歌跟苹果似的，你说这么多做App的、做游戏的公司，谁也没有能力去撼动这些做App Store和Google Play的公司去，这个就是他们所希望去规划的事情。而中国的策略呢，就是有可能培养出一些颠覆市场的妖怪来。我们不管你这个规则是什么样的，反正我们给你这个煤气罐、给你这个无缝钢管，你拿去爱干嘛干嘛去，这是中国的策略。而且有很多的国家呢，是不甘心永远去用美国的这些闭源模型的，那么在这种时候，中国的开源模型也是他们唯一的选择。你比如说到了沙特了，到了阿联酋了，也希望有一些自己的大模型，但是你拿美国的这些模型你没法整。虽然他可以给你部署到你本地来，但是这个东西还是由美国人来管理的，哪天他给你关了，你就没法用了。你说我有一个完全我自己控制的了的这些模型，那你就老老实实地用中国的模型去训练，美国的这些开源小模型，你拿它是没有办法的。

而且呢，在一个一半以上研发人员都是中国人的领域里头呢，中国策略可能才是未来。AI领域是一个有着深深中国民族性烙印的领域。在这个圈子里头，只要是做AI相关的公司，出来讲点什么事儿，基本上一半以上是中国人。那你说中国人的民族烙印到底是什么呢？每个中国打工人都惦记着阶级跃迁，惦记着翻身做主人。咱们讲的是说，哎，我这开了一个拉面馆，我请了几个中国师傅在我这拉面，他们就想着说：“我应该怎么把这个配方偷出来，以后我可以在旁边再开一家拉面馆，去跟原来的老板竞争。”中国人讲的叫“王侯将相，宁有种乎？”，凭什么你行我不行？咱们也可以上来试一试。所以呢，像美国人这种，就是规划好了你就拿小模型，你永远做不出大模型的，这东西拿去用去。咱们的策略就是每个人都有枪有炮，最后谁说了算不一定呢。

日子还长，咱们往后继续看，到底哪条路可以走得通，到底哪条路可以结出丰硕的果实来。

好，这个故事就跟大家讲到这里，感谢大家收听，请帮忙点赞、点小铃铛、参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道，再见。