小宇宙音频转文本

[00:00:01] **主持人：**哈喽大家好，欢迎收听硅谷101，我是红军。
[00:00:07] 今天的播客是我与我们的视频主理人陈倩，在硅谷101视频的账号上，在2026-01-03做的一场三小时的视频直播。
[00:00:17] 在这场直播中我们主要讲了三个大的部分。
[00:00:21] 第一部分是AI的2025年与2026年技术领域的共识与非共识。
[00:00:27] 第二部分是我们回顾了过去这几个月自动驾驶领域的商业战争，还有特斯拉FSD的表现。
[00:00:35] 第三部分是从华尔街的视角，大家如何看待2026年的美国股市。
[00:00:41] 我把这场长达三个半小时的直播浓缩成了三期播客，大家可以挑自己感兴趣的部分来听一听。
[00:00:49] 下面就开始我们今天的第一场直播。
[00:00:54] 第一场我就先跟我们的两位嘉宾来聊一聊AI。
[00:00:59] 这一场嘉宾会加入我们的是Howie Xu，也就是大家非常熟悉的硅谷徐老师。
[00:01:05] 他是资深的硅谷技术高管，也是财富五百强Gen AI创新官。
[00:01:11] 还有一位也是我们的老朋友张璐，她是流行棒子的常识合伙人。
[00:01:16] 接下来我们就有请两位加入到我们的直播间。
[00:01:20] 你好。
[00:01:21] **Howie：**好的Howie。
[00:01:22] **张璐：**新年快乐。
[00:01:25] **主持人：**我第一个问题，我们来总结一下2025年的整个AI的发展。
[00:01:30] 如果有一件事情是超乎了你在2024年底的预期的，会是什么？
[00:01:37] 我可以先抛砖引玉一下。
[00:01:39] 比如说我没有想到Meta落后这个新闻事件会这么drama，经历了大规模的裁员，包括TPD Lab的一个重组，甚至是搅动了整个硅谷的AI人才大战，也包括燕窝空的离开。
[00:01:53] 这一点我是完全没有预料到的。
[00:01:55] 还有呢就是我没有想到硅谷会以这么强势的一个姿态给追回来。
[00:02:00] 我也很想问一问两位，你们觉得2025年有什么样的事件或者是趋势，你们之前是没有预料到的？
[00:02:07] 我们先从陆开始，Howie。
[00:02:09] **张璐：**嗯好的。
[00:02:10] 回想2024年到2025年的话，第一个是说我们其实从过去十年一直在布局企业级的人工智能的应用，就不是2C是2B的应用。
[00:02:18] 所以我们一直还是比较相信学者领域小语言模型的应用落地的可能性。
[00:02:23] 但说实话，在2024年的时候也没有预期到说2025年大家的转向的共识会这么快。
[00:02:28] 大家能意识到说Scaling Law不是解决所有问题的软件钥匙，而且也会更加实际和现实地去考虑说在行业落地的话，并不需要最贵、最好的模型去解决所有问题。
[00:02:39] 而是去关注一些小语言模型，通过这种鸡尾酒的方式去进行当地化的微调，去进行各种各样，尤其是数据隐私监管比较多的这些行业的垂直部署。
[0m2:50] 我记得大概是去年的一月份，当时无论是一月份每年都有几次大会，像JPMorgan Healthcare Conference，再到后面的Davos。
[0m2:58] 去年我记得当时我去了之后就听到各大的500家公司，甚至是全球的一些领袖在探討这个问題的时候，对于这方面的认知转向速度很快。
[0m3:07] 我觉得这是一个比较大的惊喜。
[0m3:09] 那认知转向之后的话呢，我们也要看说实际的行动，尤其到下半年年底的时候，第三季度、第四季度能看到在大的企业里面对于垂直领域AI布局的预算的增加，还有包括在董事会层面的讨论。
[0m3:22] 已经不是说我们要不要应用AI，这个问题的答案一定是Yes要，那是怎么样，How and how much，就是我们要放多少预算过去。
[0m3:32] 我觉得这是一个让我比较惊喜的一点。
[0m3:34] 另外一点的话呢，其实当时24年预想25年的时候会觉得25年是会很混乱的一年。
[0m3:39] 我记得当时在Davos的时候我们大家还在讨论说，上台之后也不知道整个监管各方面会不会有很大的变动啊，会不会对科技行业，包括AI的发展产出巨大的影响。
[0m3:51] 但是你回头会发现，反而25年监管在大规模的放鬆，所以形成了一个不只是人工智能，是多个技术叠的高速发展的一年。
[0m4:01] 所以去年一年整个不仅是我们，还有包括我们认识的其他的创业投资的伙伴，其实大家的核心就觉得很忙很累，但同时有一种非常有热情很打鸡血的状态。
[0m4:12] 它不只是单一的一个AI的叙事，它其实是AI有一叫做AI原生企业，还有就AI赋能的各种产业的医疗、金融各方面技术的一个叠增长。
[0m4:22] 包括还有太空科技、国防科技等等。
[0m4:24] 所以是让人非常兴奋的一年。
[0m4:26] **主持人：**嗯非常好。
[0m4:27] Howie呢？
[0m4:28] **Howie：**那我就先顺着你刚才讲的一点，就是Meta。
[0m4:31] 我觉得Meta的Model落伍，这是一方面。
[0m4:36] 但另外一方面我们也看到，在2024年年底的时候，大家就觉得开源的模型的战鬥已经结束了，Lama一统天下。
[0m4:45] 但到了2025年发现不是这么一回事情，出来横空出世一个DeepSeek。
[0m4:50] 一年走下来这个DeepSeek moment，它的影响力其实远远超过我们年初的时候。
[0m4:56] 为什么？
[0m4:57] 因为让我们看到了好几件事情。
[0m5:00] 一个DeepSeek不是一个公司能够做出来。
[0m5:03] 但大家后来发现，包括Kimi，包括一些其他的模型，其实中国开源的模型很多都做得很不错，都是以比较小的代价就能做了。
[0m5:13] 另外一个其实不只是一些大公司，像OpenAI Anthropic, XAI的能量也很大，Google, Meta。
[0m5:22] 但其实说老实话，大家后来发现一年下来，包括出走OpenAI的以前的CTO Mira，她做了一个Thinking Machines，包括SSI，做了好几个Neolab出来。
[0m5:34] 所以说我觉得DeepSeek只是一个开端，就是做大模型这件事情，并不是说我们2024年认为的这五家四家大厂所垄断，或者说只有他们能做。
[0m5:46] 不管是开源的模型，美国以外的公司，还是说真正的research，可能是发生在这几家公司之外。
[0m5:55] 这个我是觉得在2025年的年初的时候，是没料到有这么深远影响的。
[0m6:01] 当然了以DeepSeek为首的一批开源公司的结果我们看到了。
[0m6:05] 因为即使是在美国的很多的enterprise，现在都在用这些开源的模型。
[0m6:11] Neolab就是那些新的做AI research，做研究的一些公司。
[0m6:16] 我不觉得我们今天看到它的结果了，但是我觉得至少业界的人认为，他们是在做一件很有意义的事情。
[0m6:24] 他们这一批公司会有希望做出OpenAI在2019、2018年做的事情。
[0m6:32] **主持人：**那既然刚才Howie提到了Neolab，我就把那个问题提上来说一说。
[0m6:38] 就包括你刚才提到的Thinking Machine Lab，包括Elias Discover的这个Safe Super Intelligence。
[0m6:45] 你觉得就是so far我们还没有看到他们出一个非常重磅的东西出来。
[0m6:50] 你们觉得他们会在2026年爆发吗？
[0m6:52] 他们会出来一个什么样形态的东西？
[0m6:55] 他们会和主流的LM是一个不一样的应用的形态还是基础模型的形态，还是另外一个到达AGI的形态？
[0m7:03] 这个东西我们会在2026年看到吗？
[0m7:06] **Howie：**我个人是有期待的。
[0m7:08] 我觉得是有这个可能性的。
[0m7:10] 现在最重要的一件事情是，很多很多非常聪明的人愿意集中精力，资源很投入地去做这么一件事情。
[0m7:18] 而且这些不同的Lab都有自己的thesis，都是有自己的angle。
[0m7:23] 我觉得肯定会出来一些结果。
[0m7:25] 是不是会像GPT-3、4那样，20年、21年、22年，这样一个巨大的时刻，这个我觉得还太早。
[0m7:36] Luna，我知道因为硅谷的VC也都是在大加钱，在往这些Neolab里面砸钱。
[0m7:42] 您是怎么看他们在2026年发展的？
[0m7:45] **张璐：**我觉得其实你看这个Neolab，包括就像Howie提到的，今年年底的时候有几个新的成立，包括像XAI的其中一个Founding Member，也是我们认识很久的Eric，也出来做了一家新的公司。
[0m7:57] 你就会发现不只是这种特别大的新的科学家，其实这些主流的模型公司的核心的科研成员，他也会在做探索的過程中，可能有一些新的模型架构的想法。
[0m8:07] 但是这类公司它有几个特点。
[0m8:09] 一来是说，它本身公司的一个特性和设计，都不是设计来去优化短期爆发的。
[0m8:15] 它本身的設計就是为了去探索下一代的长线的，新型模型架构的搭建。
[0m8:21] 所以你会发现这些公司的特点就是，它为什么叫Neolab，因为它更偏研究性，它也更专注了安全性，对很多不同的方向去进行探索。
[0m8:30] 所以你会有一种感觉说，可能在AI的这种应用，包括我们投资创意的生态里面，如火如荼在往前走。
[0m8:38] 但是它们那边的话，怎么这么久才发了一篇paper，怎么这么久，可能在做了几个一些开源的一个模型。
[0m8:44] 但是这是它们本身在设计之初的底層的一个逻辑。
[0m8:47] 所以其实你说，你想去期待它们像Chai GP当年一样，对行业突然间进行这样的一大的一個冲击，甚至说去冲击整个主流IOM的架构的话，我觉得在短期是比较困难的。
[0m8:59] 但是我觉得现在大家也在看到，到底IOM是真的能达到AGI的最终的一个方向吗？
[0m9:06] 包括其实现在大家对于AGI的定义，我觉得都很混乱。
[0m9:10] 我个人非常喜欢的一个AGI定义，是我记得在TED AI Conference上，我听凯博老师提到的，就是说人工智能能够做90%以上的工作，比90%以上的人做得好。
[0m9:20] 所以你其实想这是一个非常清晰的定义，但是我们距离它还很遥远。
[0m9:25] 在这个过程中，大家也有很多的探討。
[0m9:27] 现在是不是世界模型，甚至说我们是非常相信，我们刚开始是二维的语言，下一步的话，三维世界等等等等，它是会进阶的。
[0m9:35] 那这些New Lab，它是不是内部的讨论是说，我们现在要去对标IOM，去做一个新的架构，还是说我要布局的就是接下来三年五年，到那个时候AI所需要的底层的，基础设施的技术，还有说Architecture的建立。
[0m9:49] 另外一点的话，我也是觉得说，因为它的这种比较偏研究偏安全性的设定，它可能和我们传统英语上看到的，无论是从以商业化为基础，或者说VC去追求的这种高速增长的公司的透信是不太一样的。
[0m10:04] 所以确实会有很多钱，像用大家的定义说可能会被浪费掉，因为你会发现研究了很多之后，可能探索出来说这个方向是走不通的。
[0m10:11] 但它对行业有没有价值呢？
[0m10:13] 确实也有价值。
[0m10:14] 另外一点呢，当时我们记得说2019年，拆GDP这个让大家非常惊艳，再到后面的话2022年，再到2023年。
[0m10:22] 但是现在也要知道我们被惊艳的门槛也在变高了。
[0m10:26] 你现在也很难说出来一个架构，你说我現在比现有的高10倍，10倍很可能只是一个季度的参数。
[0m10:33] 大家想一想，我们大概可能从一年多前的时候，一个Million Token的训练的成本，到现在已经降了几百倍。
[0m10:42] 所以其实我觉得现在大家的预期也会比以前高很多。
[0m10:46] 这也是为什么我个人可能觉得2016年比较难能够从这些Neolab的公司里面，看到一些让大家觉得说真是有有一个Breakthrough。
[0m10:53] 但是他们做的东西还是对行业和长线是非常有价值的。
[0m10:57] **主持人：**那你觉得在2016年，这些大模型公司会对Scaling Law有个更进一步的推进吗？
[0m11:03] 因为比如说我们在GPT-5推出来的时候，市面上大家都说Scaling Law已经Hitting a wall。
[0m11:10] 但是呢谷歌的Gemini新一代出来，大家又说谷歌是对Scaling Law的一个进一步极致的执行，说明Scaling Law其实还没有Hitting a wall，还有继续往前推进的可能性。
[0m11:22] 但刚才Lu也说了，就是在过去一年我们看到整个的Token价格也是一个急速的下降。
[0m11:28] 其实整个的算力的性能也在一个急速的成长的这样一个过程。
[0m11:32] 那大家觉得26年我们还会看到Scaling Law的一个进一步的往前推进吗？
[0m11:38] **Howie：**我个人是比较乐观的。
[0m11:40] 我是倾向于Scaling Law还是非常Strong的一派的。
[0m11:45] 第一个就像你刚才提到了，OpenAI5出来，然后给人家感觉也就一般般，但是Gemini又让人家重新燃起。
[0m11:53] 但我觉得这一个例子就正好说明，其实OpenAI在上半年的时候，甚至之前，它自己内部都已经觉得这个预训练也差不多了，也已经Tap off了。
[0m12:02] 所以说它花了大量的精力是在预训练之外。
[0m12:06] 但是其实谷歌的证明这个方向是错误的。
[0m12:10] 据说OpenAI现在又开始重新要把这个Focus，又要放回预训练里面。
[0m12:16] 我是从一个Computer Architecture的角度来讲，我们一直说算法、算力、数据这三方面。
[0m12:22] 虽然说数据大概从China GPT出来那个Moment，已经把网上的数据都已经扒光了。
[0m12:27] 但是实际上我觉得远远不够，因为数据到底应该是怎么把它给curate。
[0m12:34] 什么样的數據是好，什么样的數據是不好，应该要放多少这个比重。
[0m12:38] 其实我觉得这里面有太多的permutation，大家没有把这件事情搞清楚。
[0m12:43] Google的很多的Gemini的最近的2.53的很多突破，其实跟很好的数据，并不是说网上的数据一下子多很多了。
[0m12:50] 但是把数据给整理好清晰好怎么用法，这上面花了很大的功夫。
[0m12:56] 我觉得现在还有很大很大的空间。
[0m12:58] 这还只是公开的数据，你怎么去用，还有很多Domain Knowledge。
[0m13:02] 以前我在Palado Network管AI的时候，当然了今天的Gemini跟当时的第一版的Gemini差很多。
[0m13:09] 但是就发现哇，他们对安全界的数据不是说不了解，是一丁点都不了解。
[0m13:14] 让他去理解Domain Knowledge，这还是有很长很长的路。
[0m13:18] 这是从数据的角度。
[0m13:20] 从算法的角度，我们刚才已经说了，你其实有不同的angle可以去思考，去try不同的东西。
[0m13:26] 刚才我很同意路的一个看法，不一定2026年今年会出什么成果。
[0m13:31] 但是大家会试很多东西。
[0m13:33] 即使你试错了，或者说有一些东西试了没有用，这本身就是一个progress。
[0m13:38] 我觉得大家也是能够互相学习的。
[0m13:40] 然后算力这方面，虽然说你看Elon Musk建了最大的数据中心，甚至于以后要做百万张卡。
[0m13:47] 但我觉得不是说把卡都串起来了就一样的。
[0m13:51] 这里面有太多的从computer architecture，从数据的cluster，你怎么去把卡连起来，然后使得它的容错带宽。
[0m13:58] 你到底是训练了多少时间会崩掉，因为什么原因崩掉。
[0m14:03] 这里面有太多太多的工作可以做。
[0m14:05] 所以说从我的角度来讲，说预训练scaling law已经差不多了，我不敢说这出在哪里。
[0m14:12] 但是如果我们若干年以后回来看，觉得还有十倍的空间，我完全觉得是可以想象的。
[0m14:17] 这是我的看法。
[0m14:18] **主持人：**嗯嗯，陆陆有什么补充吗？
[0m14:20] **张璐：**对，我觉得我也同意陶奕讲的，2026年scaling law还是成立的。
[0m14:24] 但是一方面它不是唯一增长的一个路径了。
[0m14:28] 二来的话呢，它可能也是由于现实的原因，可能会成为更多少数玩家，他可以去负担的这样的一个发展方向。
[0m14:34] 另外的话，现在对于scaling law的理解，不会是在像以前觉得说，你只是扔越来越多的数据，有点像无脑一样的用数据去堆砌进行推进。
[0m14:43] 而是更多是从系统层面上的一个scaling，包括我们提到的，刚才陶奕提到的一个算力，还有包括就是system整体的一个优化。
[0m14:50] 谷歌其实它就是这点比较有优势。
[0m14:53] 像刚才陶奕也提到了，就是它不是说数据更多，那数据的质量很重要，还有数据的优化。
[0m15:01] 另外一点的话，谷歌还有一点优势就是它这个闭环，支持世界的一个用户反馈，它这种快速的用户反馈，多线产品搭出去之后的话，反馈再进行产品的优化，这也是它Scaling Now成立的原因之一。
[0m15:14] 那再提到说现在其实我们的叙事也在改变，对吧。
[0m15:17] 25年和24年相比的话，大家不再只是追求说哪个AI最聪明，模型的效果最好，哪个AI成本更低，哪个AI可以有更实际的落地应用。
[0m15:27] 那这个时候的话，你再看谷歌它的很多系统优势，它在这个层面上去有一个系统方式的横向纵向的Scaling Now，对它来讲就是成立的。
[0m15:37] 这也是为什么你会看到说Gemini这次表现这么惊艳。
[0m15:41] 其实我们内部也了解到，谷歌毕竟还是有一个非常强的部门，就是DeepMind。
[0m15:45] DeepMind其实从几年前开始，它们内部已经有很多新型的模型架构了，它就可以和现有的它们的Gemini的模型进行整合，和各个角度的一个协同的一个优化。
[0m15:56] 这也是它一个非常大的特点。
[0m15:58] 所以我觉得今年会非常有意思，大家会看到对于过去很多的Scaling的方式的一个修正，也会对更多的系统式玩家的看到他们的强大一个实力。
[0m16:10] 我觉得现在其实你看AI生态可以分成两类公司。
[0m16:13] 一类是模型中心的公司，比如说还是像OpenAI和Sorpic。
[0m16:17] 还有一个就是系统为中心的公司，那谷歌是一个代表。
[0m16:20] 其实XAI也是在以系统为中心的方式去搭建这样的公司。
[0m16:24] 所以你看马斯克一開始他不只是在训练模型，他整个生态从硬件到软件也希望自己去搭起来。
[0m16:29] 他用他的超能力，无论是资金层面上，还是说执行能力层面上往这个方向去发展。
[0m16:35] 包括Apple虽然说现在大家对他的批评比较多，在AI这一波大科技公司的竞争中，但他还是有非常强有力的一個系统优势的。
[0m16:42] 所以你其实从这个角度去看的话，大家对于Scaling Law的理解，还有包括说定义都会和以往几年会很不一样的。
[0m16:50] **主持人：**好的，那接下来我们聊聊几个大的Player公司，他们现在发展的情况。
[0m16:55] 那首先我们来预测一下Meta在2026年，因为现在TPD Lab，大家对他们的Hype也很高嘛。
[0m17:02] 最近其实还有一个新闻就是Meta收购了中国团队Manus，交易金额据说是在20到30亿美金之间，听说仅用10多天就完成了谈判，非常快。
[0m17:12] 因为我记得Manus他们整个团队，请到新加坡再到美国来，其实也就一年多的时间。
[0m17:19] 大家觉得Meta这么快的出手，它背后意味着什么？
[0m17:22] 它为什么要去收购Manus？
[0m17:24] 以及你们觉得2026年Meta能给大家一个OK, I can come back这样的一个Surprise，还是落后的更远的这样的一个比较悲观的一个预期？
[0m17:34] **张璐：**我可能是有一些自己的偏见。
[0m17:36] 我其实说实话现在对Meta挺失望的，因为我刚才也提到了，我们之前一直非常非常看好开源生态。
[0m17:42] 当时Llama 3出来的时候也很惊艳，也非常希望他们在这个方向上继续去推进。
[0m17:47] 那后来Llama 4之所以出来之后，大家的批评就是表现和大家的预期差很多。
[0m17:52] 也是因为他们内部的战略调整，希望AI不是去reasoning去做推理模型，而是说更多的去关注产品端，太早的去向产品端去推进。
[0m18:00] 所以导致当时发布其实很不尽如人意。
[0m18:03] 在像Howie提到的DeepSeek发布之后，再让大家看到其他公司开源生态做的角度。
[0m18:08] 那在他过去这一年非常动荡的，从Scale AI的收购，团队内部的调整，再到过去对Manas的收购。
[0m18:16] Manas和Meta的收购对Manas来讲是一个非常好的推出，而且Manas整个团队的执行能力，还有包括产品能力是非常强的。
[0m18:25] 他们的數據也很好。
[0m18:26] 但是我就有一个疑问就是，现在Meta最需要的能力是什么？
[0m18:30] 他们最需要的是应用能力还是模型能力？
[0m18:33] 我个人觉得它其实可能更需要的还是模型能力。
[0m18:36] 那它为什么不去更多的去追逐一个更好的一个模型公司，而是去花大的一個价钱去收购一家应用公司？
[0m18:44] 当然我也听说了了一些界面上的rumor说，他们也问了好几家公司，他们可能也是有自己的一些想法或布局。
[0m18:51] 但是至少来说，今年下半年Meta那边，在AI这边是從整个第一梯队完全掉下来了。
[0m18:57] 再加上我其实之前，虽然说大家对于杨立坤的评价，可能也是有各种各样不一样的看法。
[0m19:04] 但我还是觉得，当然也有一种可能是说他错了，但也有一种可能是说不定他们就是在黎明前的黑暗呢。
[0m19:10] 他们如果说坚持当时对于世界模型的一个积蓄的投入，说不定也会出来一些新的东西。
[0m19:16] 对于像Meta这么大体量的公司来说，或者你就有实力像谷歌一样，可以弯道超车马上走到第一步，或者你就做一些跟别人不一样的东西。
[0m19:25] 如果说你做的永远都是说这个科技行业里面，连前三都排不进去的话，这个就很痛苦。
[0m19:30] 但是呢另外一方面，我觉得Meta有一个非常大的优势，就在于它的创始人非常有执行力，非常有Gut，然后有什么决策了之后呢，你看它本身的转向能力也很强，而且本身对公司的控制程度也很强。
[0m19:44] 本身公司它的现金流各方面，现在还是处于非常好的一個位置。
[0m19:47] 所以我觉得它是有试错的成本的。
[0m19:49] 也是希望他的这个人才储备，还有包括整个公司内部的结构，可以更快地稳定下来。
[0m19:55] 我们也是希望能够看到更多的科技公司，尤其是大的科技公司，玩家可以进到竞争。
[0m20:01] 不要让Google一家逐渐做大，做得太大的话一家独大，对于生态来讲也不是一件好事。
[0m20:06] **Howie：**这个上面我跟陆的观点完全相反。
[0m20:09] **主持人：**太好了，我都喜欢观点相反的嘉宾。
[0m20:13] 来。
[0m20:13] **Howie：**我觉得Meta没事找SARCH做大模型。
[0m20:17] 我觉得它就做做应用挺好的。
[0m20:19] Meta作为一个世界级的公司，它需要有一定的研究能力，有一定的对模型，对AI要有一定的深度的研究理解。
[0m20:30] 做一点大模型这本身不是一个问题。
[0m20:32] 但我觉得Meta它最大的优势其实还是应用。
[0m20:36] 怎么样让用户体验到GenAI在我用不管Meta任何产品，能够有更好的体验。
[0m20:44] 我觉得这是最重要的。
[0m20:46] 我没觉得它必须要做大模型。
[0m20:49] 它就去买OpenAI，其他的Anthropic的Model的API。
[0m20:52] What's wrong with that?
[0m20:53] 所以我一点都没觉得有任何问题。
[0m20:56] 其实我对还有一些其他公司也挺失望的，比如说微软包括苹果。
[0m21:00] 但我对它们的失望不是它们大模型没做出来，我是觉得它们没有把应用给做好。
[0m21:06] 当然了你可以说你要把一个应用真正做好，你需要应用到模型到硬件，完全把它给串起来可能是最好的。
[0m21:14] 这是有可能的。
[0m21:15] 但我觉得今天Meta最大的问题还是，应用里面我看不到模型的能力的体现。
[0m21:23] **张璐：**我是觉得Meta其实已经到了这个体量的公司，它不做大模型，它未来其实是会有比较大的一个生存的挑战。
[0m21:31] 而且其实Meta虽然在表面上，大家看它是一个偏应用的公司，它其实内部很多东西都是做Fullstack的。
[0m21:37] 包括它们的Server也都是自己的。
[0m21:39] 而且很多年前大概不到十年前吧，它们当时其实就推出过一个产品叫Graph Search。
[0m21:44] 那个时候其实是一个比较大的宣布。
[0m21:46] 当时带队团队也都比较强。
[0m21:49] 那个时候它们其实就已经在，比如说AI搜索这个层面上去布局了。
[0m21:53] 后来有一些数据隐私的考量，这个产品没有去继续推进。
[0m21:56] 所以我觉得其实Meta无论从未来公司，如果我们经常讲说未来人工智能是像Electricity一样，是像电力一样。
[0m22:04] 作为一个这么大体量的公司，如果电力不掌控在自己手里，它还是有一定的危险度的。
[0m22:08] 尤其是硅谷的这几家科技公司，也很难讲说谁和谁是一个比较紧密的合作伙伴，可以去接通发展。
[0m22:15] 当然你说短期时间的话，可能说它还是有一个比较强的惯性。
[0m22:20] 但我觉得尤其是在看到Zack，他本身也是一个比较年轻的CEO和创始人。
[0m22:24] 一方面是公司的愿景，一方面也可能是个人的愿景和野心。
[0m22:31] **Howie：**在OpenAI成立之前，小扎就对身边的人说他对AI怎么怎么感兴趣。
[0m22:35] 我以前有一个同事是在小扎身边就是负责AI，那是2013年14年的时候。
[0m22:41] 可想而知他是对AI的憧憬，并不是说只是因为最近加GPT这一点，所以我一点都不奇怪。
[0m22:48] 我完全同意陆你说的，从一个长期来讲你需要对这个技术要有一定的掌控。
[0m22:54] 但我不觉得Meta急着做这件事情，因为说老实话不管是我们说的NeoLab，什么50 billion dollars, 100 billion dollars, 1000亿美元你都能够买得下来，而且现在的模型的shelf life，保鲜期太短了。
[0m23:07] 你即使今天做到世界第一, so what?
[0m23:09] 稍微有6个月打个瞌睡就已经是掉到很后面了。
[0m23:14] 所以说我不觉得是指针朝夕的这么一件事情，而且我对指针朝夕这件事情我觉得是从一个industry的角度来讲我觉得是一件好事情。
[0m23:24] 但从一个单一的公司来讲，我并不觉得你miss了一年，你这一年只是去做应用，然后到了2027年再去想模型，我觉得也来得及。
[0m23:35] **张璐：**你的整体这个观点我是同意的。
[0m23:38] 其实我觉得你这个观点也适用于Apple。
[0m23:41] 包括大家对Apple的批评这么多，但你看到其实Apple它现在，我之前说要和OpenAI合作，现在Gmail更好了。
[0m23:47] 我马上和谷歌谈一个合作。
[0m23:49] 它牢牢把控住自己的硬件层面，它本身是一个数据的入口还有应用的入口。
[0m23:54] 所以它这个真实世界的这个叫AI Info，就是AI Layer。
[0m23:58] AI Interface它抓在手里它就有很强的优势。
[0m24:01] 但我觉得其实像Meta的话呢，它确实有一个比较特殊的位置是，尤其像比如说它和Apple的关系就很垂体，它一直想摆脱Apple，但是又不能摆脱。
[0m24:09] 所以是不是能够通过AI这波趋势让自己有更强的一些独立性，我觉得可能也是一个机会。
[0m24:15] **主持人：**对没错，那其实我们看到Meta其实已经通过AI的发展，包括在它广告的算法上，已经取消了很多的二级市场的红利了。
[0m24:27] 而且我听到一个说法就是硅谷的这几家大公司，包括这几家大公司背后的founder，他们都非常的希望自己能够带领公司成为第一个达到AGI的人。
[0m24:38] 所以这是他们想要留下Luxy他们的野心所在。
[0m24:41] 所以不管是自己的野心，还是公司为以后的发展所在。
[0m24:45] 所以也包括你看Elon Musk，你看Zuckerberg，你看谷歌，这几个人，包括Brain也回来了对吧。
[0m24:52] 好像除了Apple没有去卷这个弹幕星之外，其他的公司其实也都是在去卷这个弹幕星，想要去达到AGI。
[0m25:00] 所以可能2026年我们就继续地拭目以待吧。
[0m25:03] **Howie：**就像你说的，这里面有很多的成分是个人的一个激情。
[0m25:07] **张璐：**不是从商业模式。
[0m25:10] **主持人：**对对对，很多是founder个人的激情在的。
[0m25:12] 那我们继续来聊一聊OpenAI。
[0m25:15] 在25年，Sam Altman搞定了OpenAI的一个关键架构的转变，就是让它变成了一个可盈利的公司。
[0m25:22] 也就是说它可以上市了。
[0m25:24] 它很有可能会在2026年上市。
[0m25:26] 接下来如果你觉得从一个资本的角度看，怎么去看它的估值呢？
[0m25:32] 它的收入能够对齐外界对它的期待吗？
[0m25:35] **张璐：**我觉得首先架构其实是它一直以来比较大的一个雷。
[0m25:39] 所以我觉得它其实能把架构这一层，尤其是和它比较大的一个投资方，也就是微软可以谈到这个程度，已经是一个很大的milestone了。
[0m25:47] 但是你说它现在的收入水平，还有增长水平以及它最新的这样一些估值，是不是能够让大家觉得说，真的到二级市场得到一样的二倍数的一个期待和对待。
[0m25:58] 我觉得这个是大家有很大疑问的。
[0m26:00] 这也是为什么你看它宣布IPO之后，Anthropic那边也马上提出来，他们觉得自己可能也会有机会，以更加合适的收入和估值的比例，去获得资本市场上更多的支持。
[0m26:10] 另外的话呢就像你提到了之前，它最新做的GP5等等这样方面的发布，还有Gemini前后的一些发布，其实让大家比较失望。
[0m26:20] 包括我现在听到的，无论是从用户端的数据流存，还有包括现在你看Y Combinator，YC的这些初创企业，它一直在调用API之前，其实调用API最多的就是从OpenAI去调用。
[0m26:32] 但是现在其实调用最新的这个batch，大部分用的都是Gemini的API。
[0m26:36] 当然这还是一个早期的阶段。
[0m26:38] 本身OpenAI还是一个非常大体量的，无论从用户的惯性用户的数量，还有包括的收入水平都是一个巨无霸。
[0m26:46] 但是它现在的利润空间，基本上很难让大家能够看到说，为了它怎么样成为一个不只是一个盈利公司，而且是一个真正能盈利的公司。
[0m26:54] 现在至少说大部分的投资人，是很难看到它的路径。
[0m26:58] 那再看到它的竞争对手，其实Gemini现在基本上它的训练的成本，可能是OpenAI的不到30%。
[0m27:04] 这还是它没有进行极致优化的一个结果。
[0m27:07] 所以我觉得它面临的挑战还是比较大的。
[0m27:10] 但另外一方面就是因为它的利润率的问题，还有包括它现在巨大的成本的问题。
[0m27:16] 所以它可能也确实需要更多的资本市场的支持。
[0m27:19] 所以你说它需要IPO，它一定需要IPO。
[0m27:22] 但它IPO之后的话，它这个价格能不能撑得住，我觉得这个可能对市场和对公司，都是一个比较大的挑战。
[0m27:28] **主持人：**嗯可以。
[0m27:30] 你觉得OpenAI在今年会怎么样？
[0m27:32] **Howie：**OpenAI我觉得主要还是一个故事吧。
[0m27:35] 我说这个故事没有任何贬义跟保义的。
[0m27:38] 因为我觉得这是一个未知的。
[0m27:41] Sam Altman是一个很能讲故事的人，也是能够赢得投资人信任的一个人。
[0m27:47] 至于说他是不是能够把这件事情做出来，是不是OpenAI有前途，或者这个前途是无量的这件事情。
[0m27:55] 我觉得还需要很多去证明。
[0m27:57] 过去我们看到的一件事情就是，Chai GPT已经有可能接近10亿用户了。
[0m28:03] 这是第一个把这件事情给做出来，有这个红利。
[0m28:07] 但是10亿的用户到底黏性有多强。
[0m28:12] 我觉得半年前大家还是觉得，哇这个OpenAI Chai GPT，是其他人赤着脚都赶不上的。
[0m28:18] 但我觉得现在有很多人是有质疑的。
[0m28:21] 包括Salesforce的CEO已经说了，我已经从Chai GPT改成Gemini。
[0m28:25] 当然他是有做PR之嫌。
[0m28:28] 但是半年前我个人是不会Chai GPT转成Gemini。
[0m28:33] 半年以后我还没有转。
[0m28:35] 我说default。
[0m28:36] 但我觉得我是有可能在今年转。
[0m28:39] 因为要看怎么做。
[0m28:40] 所以你就能看出来，其实是有所松动了这个10亿用户。
[0m28:45] 另外的他做的东西很多。
[0m28:47] 他做的东西跟Android比起来，要杂得多广得多。
[0m28:50] 到底是一件好事情还是一件坏事情。
[0m28:53] 我觉得现在很难说。
[0m28:54] 而且我没有看到一件事情是铁板钉钉的。
[0m28:58] 但每一件事情又让我感觉到有很大的潜力。
[0m29:02] **张璐：**对对对，市场太大了。
[0m29:04] **Howie：**就是说他一上来就要吃掉所有的市场，还是说他像Android一样，就专攻一个市场。
[0m29:10] **主持人：**那接下来的一个问题呢，我们来看一下Android在26年会有怎么样的一个发展。
[0m29:14] Android他说也会要上市嘛。
[0m29:16] 但是我们看到Android，它其实在整个的商业还有收入上，它是特别去打Coding这一块的。
[0m29:23] 那Map Coding它其实在2025年是一个关键词嘛。
[0m29:26] 大家会觉得这个市场会在2026年继续的扩大吗？
[0m29:30] Android会不会独占这个蛋糕？
[0m29:33] 现在Windsurf已经被谷歌给收了。
[0m29:35] 那接下来现有的这些小一点的初创公司，还有这些Player，会不会被Android吃掉这些蛋糕？
[0m29:42] 接下来Android的商业化，它其实还能往哪里扩张吗？
[0m29:47] **Howie：**Android我觉得过去两年是非常稳扎稳打。
[0m29:50] 它做事情非常的聚焦，把企业服务这一块。
[0m29:54] 基本上从两三年前，不能说远远落后于OpenAI，但是是。
[0m29:58] 大家还记得吗？
[0m30:00] 两年前，OpenAI的CEO一个周末被fire掉，但是又回来了。
[0m30:04] 那个时候其实绝大多数的企业只用OpenAI。
[0m30:08] 但是那一件事情让很多企业就在想，哇，这个OpenAI瞬间就可以消失掉。
[0m30:13] 那我是不是要有一个Plan B。
[0m30:15] 所以从那个开始到现在大概两年、两个月的时间。
[0m30:19] 我觉得基本上财富500、财富1000的公司，如果说你只用OpenAI这个公司其实很少了。
[0m30:27] 所以说大家都开始要选择，不管是Gemini或者说Anthropic。
[0m30:31] Anthropic是一个大赢家。
[0m30:33] 我不知道现在企业服务API调用这一块，是不是已经完全超越了OpenAI。
[0m30:38] 但是即使没超越，我相信现在已经是在超越的路上走。
[0m30:43] 但是我是比较相信OpenAI还像现在这样不聚焦的话，它超过OpenAI从企业服务API这件事情，到今年的是铁板钉钉的事情。
[0m30:53] 所以说从这件事情上來講，我觉得Anthropic非常好。
[0m30:58] 但是不代表他们就可以心安理得地。
[0m31:00] **主持人：**好想问你。
[0m31:03] **Howie：**对。
[0m31:07] **张璐：**我觉得我同意Howie讲的，其实在Web Coding层面上，现在其实是还是在第一阶段。
[0m31:11] 今年的话整个市场规模，市场的应用它会进一步加速和扩张。
[0m31:16] 大家就会看到说AI不只是一个C端的一个娱乐的应用，它是一个企业生产力。
[0m31:21] 这个是很关键的。
[0m31:22] 尤其是像Cursor它其实后面也有调用Cloud。
[0m31:25] 所以它Cloud Code出来之后，它自己是一个自己本身模型的，原生的代碼模型Coding Agent。
[0m31:32] 所以它的整个使用的体验，对一些开发场景都非常受到开发者的欢迎。
[0m31:37] 过去这一年其实很多公司都从Cursor再转向Cloud Code。
[0m31:41] 所以我觉得代碼这方面的话呢，确实现在在市场上的地位还是比较坚挺的。
[0m31:46] 当然也会进一步进步，根据他模型的进步的提升等等。
[0m31:49] 再加上现在可能是科技圈用这种coding agent比较多。
[0m31:53] 但是就像我提到他会逐渐形成一个非常明确的企业生产力，那他在大产业的一个推进之后的话呢，他会是一个非常巨大的市场量级。
[0m32:00] 所以他这个收入水平还有收入的潜力会进一步增加。
[0m32:04] 另外一方面的话呢，我觉得还有一个优势就是在于他们其实一直以来像好，提到的文章文章，而且他很强调安全。
[0m32:15] 所以他可能希望自己成为这些高监管行业，或者说对于数据敏感行业的一个默认AI。
[0m32:22] 比如说对于很多行业，我们提到非科技行业，比如说金融医疗保险等等，这些行业追求的并不是说你的模型表现能力要最强，但他们的第一要义是说要很安全。
[0m32:32] 我这边有监管有compliance有数据隐私的问题，你是不是能够理解到我整个现有的这些架构，在监管层面上的需求，然后可以让我有一个安全的AI本地化部署等等等等。
[0m32:44] 这些人一直都在推荐我做这些行业的工作。
[0m32:47] 所以他可能希望自己成为这些高监管行业推进，这也是他们一直想达到的一个目标。
[0m32:53] 其实在25年的时候，他们专门推出了一款专门针对金融行业的产品。
[0m32:58] 当那个产品推出之后的话，我听到的反馈意见也是褒贬不一。
[0m33:02] 但是至少说他们的思维理念是比较明确的。
[0m33:05] 他没有说去很发散的说，我要又做硬件，又做infrastructure，又做芯片等等等等。
[0m33:11] 他很明确说我就是要做2B的这种敏感行业的落地AI。
[0m33:15] 那这个会不会形成对一些初创企业的竞争呢？
[0m33:18] 当然会，因为我们主要就是投2B AI的。
[0m33:21] 但是呢也能看到说他毕竟还是做一个大模型的公司，那到底是做一个通用的agent，还是做一个更加细分市场的小的一个垂直领域的agent，这个还是他需要去考量的一个未来的战略的发展方向。
[0m33:35] 所以的初创企业还是可以以更快和更聚焦的一个方式去获得一些市场先机。
[0m33:41] 最后一点我觉得Answerpick比较好的一点呢，就是没有太多的历史遗留问题。
[0m33:46] 刚才Howie也提到，其实OpenAI一直也想推2B，但他们在2B上遇到了一个最大的竞争对手，拦路虎，就是Microsoft。
[0m33:55] 包括现在你会去看OpenAI成本，它是一个非常柔软的架构，中间其实很依赖于Microsoft的Azure。
[0m34:03] 所以在这个角度上你会看到为什么OpenAI开始也去跟别的云平台去谈合作。
[0m34:08] 但是Answerpick从一开始就没有这个问题，他并没有绑定到某一个云平台上。
[0m34:13] 他可以拿谷歌的钱，他可以拿Amazon的钱，他现在开始和微软合作。
[0m34:18] 所以他在自己的成本结构层面上有更多的灵活性。
[0m34:22] 当然他现在也是还是存在跟OpenAI一样的一个大模型的问题，就是怎么样进行成本优化。
[0m34:28] 成为一个在26年可以去IPO的公司的话，这些财务数据是要更好地去体现的。
[0m34:36] 所以他们怎么样去探索下一步的盈利，还有包括盈利路径，同时不要牺牲自己的高增长率。
[0m34:44] 这个可能是公司内部现在比较重要的一个方向。
[0m34:47] 但整体上我觉得它还是有很多跟OpenAI相比比较大的一个利好的方面。
[0m34:52] **主持人：**特别好。
[0m34:54] 那我们说2025年，很多人说是应用的元年。
[0m34:58] 在这一年我确实是看到非常多的startup，很多的應用其实是变得好用了，跑出来了。
[0m35:05] 甚至我们自己的团队的视频，其实都在用非常多这样的一个工具。
[0m35:10] 然后在应用上，两位觉得2026年，我们不说这API或者是开发者，就是像我们还有可能很多在直播的观众们，他们自己的一个体感是什么样子？
[0m35:21] 大家会不会觉得会有更多好用的应用会爆发出来？
[0m35:26] **张璐：**对我是非常相信的。
[0m35:28] 像我们尤其是专注早期投资，像我去年投的最后一个项目，给公司汇款是在圣诞节那天。
[0m35:36] 人家说money never sleep。
[0m35:37] 我们说创新也never sleep。
[0m35:40] 所以过去一年，主要是投资人不睡觉。
[0m35:42] **Howie：**投资人也不睡觉。
[0m35:43] **张璐：**所以现在大家是一个大公司在进行军备竞赛，小企业其实也是非常打鸡血的状态在往前推。
[0m35:51] 就是因为像你提到了，现在很多垂直领域的应用层出不穷，而且它发生的这个过程中，它已经给大家铺设它的很多可能以前大家没有想象过的一个应用场景。
[0m36:01] 如果我们以前看科技行业，应用 新技术 互联网 然后AI。
[0m36:06] 但整个科技行业在美国GDP也只占10%。
[0m36:10] 但如果你看金融 医疗 保险，所有的这些服务行业加到一起的话，是美国GDP的50%以上。
[0m36:18] 每个行业里面各种各样的应用场景，它都有垂直AI agent的一个落地的机会。
[0m36:24] 再加上在开始的时候我也提到，在过去205年一年，我们觉得非常惊喜的一点，就是这些大的企业它在AI层面上的，无论是说整合的速度，还有预算的提升，都让人很惊讶。
[0m36:39] 大家可能知道的银行JP Morgan Chase，它是美国最大的银行。
[0m36:44] CEO公开也在讲，他们公司内部部署给AI相关的预算，比剩下其他的排名前十的银行的总和还要高。
[0m36:52] 那我们就有三家公司在跟它合作。
[0m36:55] 这三家公司都是初创企业，可能就是A轮左右的企业。
[0m36:58] 就可以看到它拿到订单的量级，还有包括速度非常的惊艳。
[0m37:03] 最快的一个可能不到几个月的时间，就是非常大的一个订单就签订了。
[0m37:08] 所以你看到这样的一个部署的过程，它带来的不只是一个商业验证和市场验证。
[0m37:13] 更重要的是说我刚才提到谷歌的一个优势，是什么真实世界的反应。
[0m37:17] **主持人：**对。
[0m37:18] **张璐：**你有快速的一个闭广的反饋，你的产品才可以继续优化，然后再可以更快的进行再部署。
[0m37:25] 所以现在我们也在二五年看到了这个趋势的开始。
[0m37:28] 二六年我觉得一定会加速，尤其是早期科技创新的这个领域可能会比去年要更晚。
[0m37:34] **主持人：**嗯，好的，好的，看起来确实是一场硬仗要打。
[0m37:39] Howie，你觉得呢？
[0m37:40] **Howie：**晴晴，你刚才提到二零二五年是应用的元年。
[0m37:44] 我觉得看要看这个元年是怎么定义的。
[0m37:47] 如果说这个元年定义是说开始看到一些比较有意思的application，就是应用，我觉得可能算。
[0m37:55] 但是如果说元年是说大规模爆发，那肯定算不上。
[0m37:59] 我觉得二零二五年从某种角度上來講，如果我是站在一年前我在预测会不会今年的应用会有更多，我觉得一年以后好像比我想像的要少一点。
[0m38:09] 至少从广度上來講，从深度上來講，我觉得一些application是不错的。
[0m38:15] 最重要的一個application可能就是我们刚才也提到了很多次，就是AI的Vive Coding，或者说是AI Coding。
[0m38:23] 不管是Cursor, Cloud Code，其实一堆。
[0m38:26] 今天的程序员也好，或者说是非程序员也好，开始用Loveable这一代的产物。
[0m38:32] 我觉得这个应用算是很多人在用了。
[0m38:35] 但你说是真的是对我们工作生活都产生了很大的价值，我觉得没有。
[0m38:41] 第二大的应用可能就是在企业服务里面客服。
[0m38:45] 有好几个公司, Sierra, Background，可能几十个甚至于几百个，或者说你可以说所有的企业服务的AI公司，都在多多少少在做一些support的一些功能。
[0m38:58] 这一块的应用我觉得算是起来了，做的也比较深了开始。
[0m39:03] 除了这之外，曾经你跟我做过一期节目，我做那个AI浏览器，我自己也在做。
[0m39:09] 但是我觉得你说AI浏览器是不是已经走入了千家万户，那显然还没有到。
[0m39:15] 但至少能让大家感觉到，一年前我刚开始做AI浏览器的时候，所有的人都在问为什么要做一个新的浏览器。
[0m39:24] 浏览器战鬥已经结束了五年十年了。
[0m39:27] 但今天至少你在硅谷大家都说，对，做AI浏览器是一个很有意义的事情。
[0m39:32] 但是这个战鬥其实还没有完全开始，更不用说走了很远。
[0m39:37] 所以说AI浏览器虽然一塊，但其他的我没有看到很多的應用。
[0m39:41] 那我自己其实也在想为什么。
[0m39:44] 这里面一个是周期的原因。
[0m39:46] 我是说一个新的技术，等到它有新的应用，总共是要一段时间。
[0m39:52] 但我觉得里面有好几层，我自己在想。
[0m39:55] 第一个我觉得Chat GPT说老实话，虽然说我们刚才已经说了，它的互称核不够深，但是它在绝大多数人的脑子里面已经印得比较深刻了。
[m40:07] 很多时候你要去做一些比较niche的一个应用的话，其实Chat GPT做的已经不错了，这时候你再去做一个新的应用的时候的机会就不是那么多了，除非你的功能就是要好很多。
[m40:20] 第二个，所有的模型它的功能都在提升很多，这个其实对很多做应用的人多多少少是造成一点困扰的，并不是说他们没有空间，但是它在提高很多。
[m40:32] 有几件事情在里面，一个事情是说我本来做的一件事情被模型做掉了，过去三年一直在讨论这件事情。
[m40:40] 但我觉得不只是这个，对应用开发者其实很难，为什么？
[m40:43] 因为你的模型不断在变化，不要说5.0到5.1这些模型。
[m40:48] 我这个模型5.1出来了以后，说老实话这个模型版本没有变，但是它模型背后的能力其实也在变，或者说它的一些所有的特性其实也在变。
[m40:58] 我觉得对今天的开发者这件事情还是蛮困扰的，每天都是不一样的世界。
[m41:03] 但多多少少我希望2026年有更广的应用在我们的手机上面出现，在我们的desktop上面出现，而不只是少数几个应用。
[m41:14] **主持人：**非常好，非常感谢Howie跟Lu。
[m41:17] 那我们接下来take一个观众的问题，然后我看到有观众问说两位对于domain specific agent的前景有什么看法，比如说面向传统的供应链supply chain，还有retail行业的agent。
[m41:28] 那我觉得这个问题提的非常好，因为agent确实是2025年的一个关键词。
[m41:33] 然后两位觉得在2026年会有什么样的发展呢？
[m41:37] **张璐：**其实现在一个方向就是从chart到agent再到multi-agent。
[m41:42] 然后我觉得domain specific就是我刚刚提到的行业的推迟应用的这些agent的发展方向速度是很快的。
[m41:49] 就比如说像前段有一家比较大的一个保险科技公司，刚被一家保险公司收购。
[m41:55] New Farm Insurance大概卖了15亿不到20亿美金。
[m41:58] 它们其实是做一个相对比较简单直接的应用，它是用人工智能去自动化brokerage。
[m42:04] 那其实你说它有做整体一个平台服务吗？
[m42:06] 并没有，但是因为它的量级做得很好。
[m42:09] 所以它是一个非常好的应用。
[m42:12] 它产量这么大的公司其实也就五六年的时间做了几亿美金的收入，最后退出也是一个比较好的价格。
[m42:18] 物流供应链我们当然没有看到特别大的，但是这个方向有一些中型的，比如说收几千万美金，包括我们投的一些公司，和科学工业在合作的，也在快速的崛起。
[m42:29] 然后我可能觉得说今年还有两个比较大的方向，一个是医疗，一个是space，就是太空科技。
[m42:36] 整个太空生态它的这个数据量的崛起，它本身有比较AI Robotics延伸。
[m42:41] 那医疗的话呢，因为现在其实数据隐私和数据孤岛的问题，应用了这些factor computing，也就是学习之后得到了比较好的解决，又是一个很巨大的市场。
[m42:53] 所以这些领域的trigger agent，我们也看到很多公司在早期决断在崛起。
[m42:59] 那现在他们的量级可能还比较小，这也是为什么可能像哈利提到的，可能说普罗大众在市面上还没有关注到他们。
[m43:05] 但是因为我们是做早期投资，我们能看到这些公司从可能没有收入增长到几千万美金的收入，甚至很快的增长到上亿美金的收入。
[m43:14] 增长的速度我觉得是在过去十年，任何一个技术发展的趋势或技术创新趋势，都没有这么快的一个发展的体现。
[m43:23] **Howie：**你一旦要做到一个domain specific在某一个领域，就意味着你对这个回答或者做事情的精度、准确度的要求就会高。
[m43:34] 不像ChartGBT或者说任何一个语言模型，你有的时候hallucination，大家哈哈笑一下，尤其是consumer也无所谓。
[m43:42] 甚至于我是做一个programmer，像Cursor或者说Cloud Code，其实很多还是一个prosumer的应用。
[m43:49] 他做错事情了，我有人不断地在修正也能够去检查，所以说OK。
[m43:53] 但是之所以做垂直领域比较难，是因为很多时候他对你的期望值很高，他希望你不只是90%对，也甚至于不是99%对，是希望你是全对。
[m44:03] 实际上没有全对的事情。
[m44:05] 但我觉得这件事情就很难了。
[m44:07] 这就是为什么在这种情况下面，你需要做很多domain specific的，不管是agent，或者说做一些数据的处理，或者说自己的模型微调或者怎么样。
[m44:17] 因为你很难让一个horizontal，generic的agent把它做成精度很高。
[m44:24] 所以说这里面会有domain specific的agent也好，模型也好，平台也好，数据各方面也好。
[m44:31] 但最重要的原因是我对做的事情的期望值很高。
[m44:35] **主持人：**好的，那非常感谢两位。
[m44:39] **Howie：**好，大家新年快乐。
[m44:40] **张璐：**新年快乐，新年快乐，拜拜。
[m44:43] **Howie：**拜拜。
[m44:45] **主持人：**好的，那这就是我们的第一期节目，也欢迎大家在评论区写下你们对2026年AI领域的看法，记得收听我们接下来的两场直播。
[m44:59] 感谢大家对这种形式感兴趣。
[m45:01] 还有很多人说希望听到我们的直播回放。
[m45:04] 我们以后可以尽可能多地同步上线我们的播客账号。
[m45:08] 我是红军。
[m45:10] 感谢大家的收听。