“又一个登月时刻？”
这一期的主题是 2025 年中的 AI 复盘与展望。
节目分成了两次录制。第一次是在 7 月 18 日，真格基金管理合伙人戴雨森与晚点科技报道负责人程曼祺，围绕月之暗面刚发布的 Kimi K2、AI 应用普及的新动向，以及近几个月持续升温的抢人大战，做了一次中场回顾。
第二次是在 7 月 21 日，我们补充聊了刚刚发生的新进展：7 月 18 日，OpenAI 发布了 ChatGPT Agent；7 月 19 日，OpenAI 又宣布，一个尚未公开的通用大语言模型，首次达到了 IMO 国际数学奥林匹克金牌水准；7 月 22 日，Google DeepMind 也宣布，他们的 Gemini DeepThink 模型取得了同样成绩。这之前，只有 Google DeepMind 曾用为数学调优的模型达到银牌。
两年半前，曾写下《通用人工智能的火花》的现 OpenAI 研究员 Sébastien Bubeck 形容，通用大语言模型拿下 IMO 金牌，或许会成为 AI 的一个「登月时刻」。
这场已持续两年多的 AI 竞速从未放缓，模型能力与应用创新交替上升，而两者的进化速度，可能都在被低估。
全球的 AI 社区仍处于 Early Adopter（早期采用者）阶段。他们愿意试错、愿意反馈。当你拿出一个好产品，并以开放的态度对待用户时，无论是 DeepSeek、Kimi、Manus 还是 Genspark，都已经证明：来自各地的用户不仅会欣赏、支持你，甚至会主动帮你改进产品。
回看 Kimi K2 的故事，也能看到「投人」这件事在 AI 时代被重新认识的过程。Kimi 从一开始就是一个以技术视野和技术能力为底的团队。2023 年，AI 风向几乎月月在变，但杨植麟的团队押中了长文本这个方向，并基于此做出了第一个具备搜索能力的版本。这是一场面向未来的下注。
AI 正在让人们去尝试那些原本不会做的事。这次 IMO 金牌事件更让我们看清 AGI 即将到来的信号。如果说过去我们只是远远望见一辆冒烟的火车，如今，已经能清楚地听见它的轰鸣声了。
2025 年，属于各行各业的「李世石时刻」，可能才刚刚开始。
OpenAI 拿下 IMO 金牌，又一个李世石时刻
晚点：最近有哪几件重要的事值得展开聊聊？
戴雨森：确实过去这个周末发生了很多事情。我觉得最重要的一件是 OpenAI 的一个新模型，在 IMO（国际数学奥林匹克）2025 年的题目上获得了金牌级别的成绩。具体来说是六道题做对了五道。
这个为什么重要呢？因为按照 OpenAI 的描述，这是一个没有联网的通用大语言模型，并且没有针对数学做特别优化，也没有用任何 Code Interpreter 一类的工具。它完成的是 IMO 的证明题，而且 OpenAI 找了三位 IMO 的金牌得主来交叉验证，确认这些解答是对的。
当然，这个结果也引发了一些争议。比如有些人指出它还没有经过官方认证，因此不一定有效。陶哲轩也说，IMO 题目的解法路径会有很多不同，最终得分也会不一样。
注：7 月 22 日当晚，Google DeepMind CEO Demis Hassabis 在 X 上发帖强调，这一结果已经获得了奥赛组委会官方认定。
但不管怎样，这个结果是一个划时代的进展。语言模型没有经过特别的数学优化，只在离线环境中就能解出 IMO 级别的证明题。像之前 Google 用 AlphaGeometry 是为数学专门设计的模型，还借助了形式化验证方法，并不具备泛化能力。
晚点：这刚好是一年前的事，2024 年 7 月 Google 的 AlphaGeometry 达到了 IMO 银牌的水准，当时差一点到金牌。但那不是通用大语言模型，而这次 OpenAI 说是通用大模型。
戴雨森：对，而且今年这个时间点正好是 IMO 出题的时间，OpenAI 是题目一出就做了，所以也不存在模型训练时提前见过这些题的情况。
虽然过去一年语言模型已经有很多进展，但像数学证明这样的任务，尤其是 IMO 这类题，属于 hard to verify 的问题类型。验证一个答案是否正确本身就非常难。
这类问题一直以来都被认为是当前语言模型难以胜任的任务。并且现实中世界上大部分真正的问题，事先都是没有标准答案和解法的。所以当一个语言模型可以在没有任何特别调教的前提下，解出这类高难度的题，达到人类顶尖水平时，这意味着它的思考能力确实上了一个台阶。
OpenAI 也提到，这种能力可以通过延长思考时间进一步提升，这也验证了 inference scaling law（推理扩展定律）。
我们以前聊过，除了 pre-training，还有 post-training 和 inference scaling law。这次的结果说明：
LLM 的泛化能力很强，能解决我们原来认为解决不了的问题；
模型能力越强，可应用的场景越多，所创造的价值也越大；
IMO 的证明题和现实中的某些理科的问题在形式逻辑上很相似，都是证明题。LLM 既然能做前者，也许说明它离发现新知识的能力也不远了。
目前它肯定还不能解决像哥德尔猜想这种超难问题，但发现理科新知识这件事，可能已经是一步之遥了。
还有一个八卦：据说这次 OpenAI 使用的模型和 GPT-4o 是同一个底层模型。也就是说，取得这个成绩并不是因为底层模型有很大提升，而是在 post-training 和 inference 阶段做出了优化。后续的优化空间给整个 AI 发展带来了很多想象。
晚点：你是从一些技术人员那听来的描述是吗？
戴雨森：对，简单打听了一下。这事情也就 24 小时之内发生的，但我感受非常强烈。
这让我想到 2023 年 3 月微软那篇论文《Sparks of AGI》，当时他们测试 GPT-4 的预发布版本，感叹从中看到了 AGI 的火花。那篇文章也就两年半前，而现在我们已经走到了能解 IMO 的地步。两年半在科技进步史中是很短的时间，甚至比很多创业公司从种子轮到产品发布还短。
那篇文章的作者后来加入了 OpenAI，他在看到这次 OpenAI 模型获得 IMO 金牌成绩后说，这是「AI 的登月时刻」。
一个「只是预测下一个词」的语言模型，在没有任何工具辅助的情况下，能够完成一个只有极少数天才人类才能做出的有创造性的数学证明。这确实说明 AI 的能力已经到了一个新的高度。
我们年初录节目《和戴雨森长聊 AI Agent》时也说过：2024 年会是很多行业迎来「李世石时刻」的一年。所谓「李世石时刻」，就是 AI 在某个领域超越了人类最强水平。
我们已经在围棋、编程、数学推理等领域看到这种情况不断出现。接下来还会有更多这样的时刻等待着我们，解决我们原本以为还很难、很远的问题。
晚点：而且我还看到一个信息：似乎不止 OpenAI 做到了。因为 OpenAI 发这个消息之后，一个 Google 的研究员也在 X（原 Twitter）上发帖，说 OpenAI 抢先发布了。
戴雨森：我们也在拭目以待。好像 Google DeepMind 也做到了金牌，但我们不知道是不是用通用模型实现的。如果真是通用模型，那就说明这个能力已经不只是一家掌握的。这种技术一旦扩散开来，会带来推理能力的大幅提升，不管是哪个模型厂商都会从中受益。
注：7 月 22 日，Google DeepMind 宣布，Gemini Deep Think 模型获得官方认证的 IMO 金牌，并公开了具体解题过程。这一通用模型仅用纯自然语言（英语）完成了解题。
晚点：你和国内一些从业者交流过，他们对这个成果是感到吃惊，还是觉得其实也在预期之中？
戴雨森：我觉得方向大家早就知道，是朝着更强 reasoning 能力去的。谁都知道 reasoning 能力提升了，模型就能解更难的题。但现在就能做到确实还是让人很震惊。我聊到一些中国最顶尖的研究者，他们也表示非常惊讶。但就像原子弹一样：爆炸那一刻起，大家知道这件事情可以做到，就已经离做出来不远了。
晚点：从技术进展的角度看，围棋、编程、数学是三个典型的「李世石时刻」。你怎么看这三个的不同影响？
戴雨森：数学推理其实比编程更难。
编程属于好验证的问题。强化学习在编程上容易成功，一大原因是因为它的 reward 清晰。代码能运行、能通过 test case 就说明结果是对的。
但数学证明题的判卷是非常复杂的。IMO 就是典型的「hard to produce, hard to verify」的问题。
围棋是一个双方信息公开且完备、胜负明确的任务，非常适合强化学习；编程也是结构化任务，而且很多代码是已有人写过的，拼装比全新创造多。
但数学是理工科的基础，它的推理是很多学科的根基。而且不依赖自然世界实验，只靠逻辑思维。所以 AI 能解 IMO 级别的证明题，意味着理工科很多知识生成方式可能都要改变，带来的科学进步可能比编程还大。
晚点：你觉得这个应用影响会更大？
戴雨森：有可能更大。因为编程现在替代的是一些重复性较高的初级工作，比如 Vibe Coding 大部分还是复制粘贴一些前端代码。但数学推理带来的是非常强的思考和潜在的新知识发现能力。显然，这是更值钱的部分。
AI 会不断替代简单任务，而人类往更有价值、更难的方向走。但现在 AI 正在追着人类解决那些最有价值的难题。
这就是为什么我说这次 IMO 金牌事件让我更清晰地看到了 AGI 即将到来的信号。如果以前是远处看到一辆冒烟的火车，现在已经能听到它的轰鸣声了。
晚点：有人在 X（原 Twitter）上说强化学习现在也能处理那些奖励反馈不是很直接的领域。这可能是这次进展背后更大的突破之一。还有人提到「验证的非对称性」，说有些任务你做出来的时间可能比验证时间还短。IMO 数学题就属于这种类型。
戴雨森：对，以前很多任务是「hard to produce, easy to verify」，比如写代码。但现在变成了「hard to produce, hard to verify」。
晚点：不过有人认为，在这些验证成本高的任务上，AI 还很难完全替代人，因为最终还得靠人来判断。
戴雨森：有可能。但光是给出证明这一点，其实就已经是质的飞跃。现在我们还不知道所有细节，但我们期待更多公开信息，或其他模型公司复刻类似成果。按照目前 AI 的发展速度，只要一件事被做到，那它就已经不是遥不可及的难题了。
ChatGPT Agent 发布，「壳」的价值在于 context
晚点： 7 月 18 日凌晨，OpenAI 发布了 ChatGPT Agent。不过和 Manus 不同，这个 Agent 让很多人其实觉得有点失望，没有那么惊艳。
戴雨森：我觉得这反映了 OpenAI 作为 AI 的领头羊、最大的 AI 应用公司，他们也把 Agent 作为重要的方向。就像我们年初就开始讨论的：理解目标、拆解规划、编程使用工具、对结果进行复盘和反思。从一开始的构想，到 Devin、Manus 等第一波产品的出现，再到 ChatGPT Agent 的发布，Agent 确实逐渐成为了 AI 应用的共识，变成了大家聚焦的方向。
晚点：有人说「OpenAI 发了一个 Manus」，你怎么看？
戴雨森：我们不会这么想。我觉得不能低估 OpenAI。他们有最多的人、最多的卡、最多的用户，在安全性上也做了很多考量，加了很多额外约束。其实 ChatGPT Agent 的能力是被限制得很死的，这是负责任的表现。
这个产品也是他们第一个在 AI 安全性评估中被列为「高危险级别」的，说明他们确实担心这类 Agent 会遇到比如钓鱼网站、或者生物武器信息等风险（详见 OpenAI 发布的 ChatGPT agent System Card）。当公司变大，就会变得更谨慎；这也反过来说明了创业公司的行动力快、敢于突破的机会所在。
晚点：我觉得「发了个 Manus」的说法也不一定是说效果不好，更多是说产品形态。它其实把 Operator 和 Deep Research 结合起来了，形态上有点像 Manus 或 Genspark。
戴雨森：是的，Manus 确实探索出了一个方向：让 AI 在做什么可以被直观看到，让人理解背景，否则如果只看到最后的结果，会很困扰。所以我们看到 Manus、Genspark、Kimi，还有 MiniMax 等中国团队也在针对 OpenAI 的 Task，用自己已经发布的线上 Agent 做对比。不得不说，这些公司的产品在很多维度上的表现，比如做 PPT 的任务，确实比 ChatGPT Agent 要好。
晚点：ChatGPT Agent 做出来的 PPT 真的有点丑。
戴雨森：但这让我有几个启发：
第一，中国团队在产品力上确实不错。移动互联网时代就有很多例子，比如 TikTok、Shein、剪映，中国团队确实做出了很多好产品。
第二，所谓的「套壳」产品，也就是调用 API 的应用，并不会就一定被 model native 产品吊打。之前大家以为 OpenAI 下场，训练的模型能端到端处理，就能完全替代第三方。但其实不然，尤其 Agent 需要更多 context 和工具，很多都依赖壳和应用本身提供的环境。
Manus 分享的那篇关于 Context Engineering 的文章《如何系统性打造 AI Agent 的上下文工程？》就收到很多好评。因为这就是一个大家现在都在解决的问题，里面有很多实践是需要时间和经验的。
我理解，Context Engineering 最早是来自于 Prompt Engineering。Prompt Engineering 就是给 AI 一个命令、一个任务，然后 AI 自己去做事。这很像传统管理方式：老板布置任务，员工去执行。而像 Netflix、字节等先进公司强调的「Context, not control」，意味着要给员工更多上下文和授权，才能更好完成任务。Context Engineering 也是类似的道理：我们要给模型提供的是能够帮助它更好完成任务的上下文。
第一个层面，就是单个 session，看我们怎么提供更好的上下文、更好的数据、以更适合模型操作的格式去处理它。
第二个层面，是多 session 或跨 session 的个性化记忆：比如说今天做了什么，明天再做对应的事，用户的偏好、习惯、工作经验，能不能累积？这个长期可能成为护城河。因为同样的模型，谁有更好的上下文，它就更懂我。
第三个层面，是产品设计本身可以提供模型原本获取不到的上下文。比如大家设想的一个还没做出来的产品：戴个眼镜可以实时看到周围世界。这样的 context 是模型自己无法产生的，必须通过好的硬件与软件设计来实现，也说明了产品层的价值。
晚点：你说的眼镜能看到的数据，是现在所有互联网巨头都没有的。
戴雨森：对。所以从 ChatGPT Agent 的发布，我觉得可以看到三点：
第一，Agent 方向逐渐达成共识；
第二，创业公司在模型核心巨头面前，依然有灵活性、先发优势和竞争力；
第三，进一步印证了我们之前说的两个被低估：模型进步速度被低估了，产品「壳」的价值也被低估了。
模型这条线，OpenAI 这周刚拿下了 IMO 金牌，说明它的进步速度还是很快。而 OpenAI 自己做的 ChatGPT Agent 还有很大提升空间，说明「壳」的价值也非常重要。所以我觉得模型和应用都被低估了。
晚点：你刚说的 context 的价值特别好。它其实和管理学也打通了，比如 Netflix 的那本书《No Rules Rules》最开始就讲了这个逻辑。AI 确实很像一个人，你要教它、要给上下文，比起给它具体指令，这可能是更好的方式。
戴雨森：第一阶段大家都在写更好的 prompt，就像老板写 brief。后来发现要加更多示例、更好的上下文、更适合模型工作的环境。这其中有很多具体技巧。Manus 的文章就分享了很多。我想说的是，更多的 Context 带来模型能力的提升，也反映出我们对 AI 的使用越来越深入，产品本身也越来越完善。以前一句 prompt 就能跑，现在产品本身要承担更多事情，产品公司的价值也在这里体现。
晚点：你觉得这一层的应用价值，什么时候会被模型本身做掉？是不是等到模型具备在线学习能力、能不断吸收新的上下文的时候？
戴雨森：也得看你的产品有没有用户 input。如果没有用户输入，那模型再怎么学习也没法学到用户自己独特的东西。
晚点：所以是不是又回到一个曾经被否认的逻辑？以前移动互联网时代，用户越多，数据反馈越多，推荐越准，有一个数据飞轮。但后来大家觉得大模型里用户输入对模型智能提升没啥帮助。但你刚刚的意思是：用户输入对上下文是有帮助的。
戴雨森：这是两个不同的问题。大家说的数据飞轮失效，指的是用户的聊天记录不能提升模型智能。这我同意。因为现在模型的智能已经超过普通人。你跟它聊些日常话题，没法提升它的能力。
最开始模型通过 RLHF（人类反馈强化学习） 来学习人类偏好，现在来看普通人反馈意义不大。比如 AI 都能解 IMO 的题了，为什么还要在意普通人觉得哪个答案更好？所以对于有标准答案的任务，用户输入越来越没什么价值。
但如果是完成一个具体工作，比如 Agent 在完成人类工作时、怎么更好达成目标，这时用户的输入和喜好当然有用。
晚点：所以用户数据其实对产品体验是有帮助的，但不一定能直接提升模型能力？
戴雨森：是的，尤其是在智能能力或者那种有标准答案的任务上。最开始大模型可以看作是对大量人类平均智能的一种压缩。当时特德·姜（Ted Chiang）不是就说过，语言模型本质上是对互联网的模糊压缩吗？但现在，它显然已经超越了普通人的水平，达到了某种超人水平。在这个阶段，简单的数据可能就没那么有用了。
晚点：现在这个时间点，是越早做 Agent 越好吗？因为你积累的用户上下文越多，价值也越大。之前大家可能担心新的强模型会把已有产品淹没掉。
戴雨森：如果你没有上下文、没有环境，最后只是调模型，那确实可能被新模型取代。
AI 应用普及：最重要的、被高估的、被低估的
晚点：上次我们聊是二月份，转眼到现在差不多五个月了。今年已经过去一半，回头看，你觉得 2025 年上半年 AI 领域发生的几件最重要的事是什么？
戴雨森：整体来说，AI 已经从一个偏研究性质、看起来很新颖但实用性有限的技术，进入到了主流市场。上半年我认为有几个重大进展。
第一，是 AI 在编程领域的突破。Coding 已经成为 AI 应用的重中之重。我今天还听说 OpenAI 现在已经有三个业务线：GPT、API 和 Coding。用户也发现 AI coding 产品非常有用，也愿意为此付费。Cursor 等 AI 编程工具的成长速度就是一个代表。Claude Code 也有人称是 L3 或 Agent 级别的产品，能比人类写得更快更好，代码更优雅，还能处理更大的代码库。所以 AI 在编程领域已经正式跨越鸿沟，进入了主流市场。
第二，是 o3 在四月的正式发布，伴随着 ChatGPT 用户的高速增长，这是推理模型的持续演进。从去年下半年开始我们就看到 OpenAI 推出 o1、R1，到今年的 o3，它标志着推理问答、题解这些能力从科研层面进入到了普通用户可以使用的产品，是真正的落地了。
ChatGPT 的用户增长还在持续，这一波也受益于 o3 推理能力的提升。我们也看到年初中国这边的突破，比如 R1 是国内在 reasoning 上迈出的重要一步，Kimi Researcher 也是第一个广泛可用的 deep research 类产品，用户反馈很好。AI 在这个领域已经比绝大多数人做得更好了，也是跨越鸿沟。
第三，是 Agent 应用开始普及。比如 Devin 是第一个让人看到 L3 Agent prototype 的产品。Manus 和 Genspark 都是在三月发布，Claude Code 也在不断完善。我们看到随着模型在推理、编程、工具使用这三大能力的增强，出现了第一批具备完整 Agent 形态的产品：它们能接收模糊目标，自主调用工具，寻找解决方案，评估任务进度，并最终完成任务。虽然它们还不算主流，但已经进入 Early Adopter 阶段，部分场景下用户非常愿意用。尽管还有不少问题，但 Agent 已经变得有用了，这是上半年 AI 应用领域最重要的进展之一。
第四，是多模态能力的快速进步，尤其是图像生成。从早期像玩具一样的工具，变成了实实在在的生产力工具。比如 ChatGPT 的图像生成对语义的跟随非常好，能准确理解用户意图。现在很多人用 AI 来画漫画、画流程图、做视觉内容。这种生成能力的提升已经变得非常实用。
晚点：它也能支持 Agent 做出更丰富的输出，对吧？
戴雨森：对，因为它的指令跟随能力越来越强，能更好满足用户需求。原来是像抽卡那样的不确定性，现在已经越来越好了。直播头像好多都变成了 AI 生成的。
Veo3 也是一个很厉害的模型。它加入语音配音后，我发了个朋友圈感叹，它生成的世界已经接近真相难辨的虚拟世界了。Veo3 第一次让我有一种跨越恐怖谷的感觉，真假难辨。
第五，是抢人大战。无论是 Meta 的大规模挖人，还是创业公司疯狂融资，再到 Windsurf 最近收购的 drama，都说明硅谷对人才的争夺和资本竞争进入了一个新的阶段。我们在国内也感受到类似热度：融资额上升、项目抢手、一个月融资几轮的情况又出现了。这背后是因为大家真的看到了 AI 正在落地，不再只是概念，很多已经实实在在地产生收入了。
晚点：你关注的主线还是围绕 AI 的应用普及，技术的变化是原动力，对吗？
戴雨森：我们认为模型基础能力的提升是解锁应用场景的关键。模型能力配合好的产品设计，才能真正释放价值。一个真正有价值的 AI 应用，一定能通过某种方式让用户付费，比如订阅或按工作交付。所以我们特别关注 AI 在提升生产力方面的价值，尤其是在数字世界里的应用。可以看到我们投的很多是 AI Agent 或者 AI 生产力方向的项目，因为这是当下最能真正帮用户解决问题的场景。
晚点：除了你说的应用这条主线，其实 AI 硬件也很热，比如机器人，具身智能其实也在 AI 产业链上。
戴雨森：是的，但我认为上半年有一个被高估的方向，就是人形机器人。特斯拉最近下调了对 Optimus 的生产预期，我觉得很有代表性。
去年我就说过，大家对 Optimus 进工厂打螺丝的期待值太高了。当时有人说 2025 年特斯拉就能有一万个机器人进厂干活，这完全低估了 manipulation（操作控制）的难度。现在我们看到的一些 demo 确实越来越好，比如叠衣服，但真的要机器人做出一杯咖啡，还是非常难的。
当然，我认为这个领域还在快速发展，在未来几年可能会看到 manipulation 的「ChatGPT 时刻」突破，但如果期待 2025 年就能大规模落地，我觉得是大大高估了。
技术的发展不能拔苗助长，必须经历：方向确定、逐渐放大、形成产品、再到大规模落地，这几个阶段，没法跳过。机器人目前显然还处在早期探索阶段。
晚点：另一方面，你觉得这半年有没有一些被低估的事情、公司或者现象？
戴雨森：我觉得首先，应用的价值还是在被低估的。一年前，大家还在讲模型公司会颠覆应用公司，说「应用只是套壳」，这个业务模式不成立。当时不管是 Manus、Genspark，还是很多其他公司，都经历了不少质疑，说：「你是一个壳公司，有没有长期价值？是不是模型一升级你就完了？」
现在这个争论虽然还在继续，但显然不是模型升级了应用公司就会完蛋。相反，好的应用公司是期待模型升级的，这样可以让用户享受更强大的体验。「壳」的价值仍被低估了。
第二，优秀团队的价值也在被低估。不管是 Kimi、Manus，还是 Genspark，我们归根结底是投人。
大家之前可能不会料到，肖弘能做出一个世界级的 AI 应用。而几天前发布的 Kimi K2，在 7 月 15 日这个时间点，可以说是全球最强的开源大模型，没有之一。它在 coding、Agent 工作流和中文写作等方面的表现，确实优于 Claude。当然，Claude 是在年初发布的，但在 AI 这个领域，六个月就相当于很久了。
OpenRouter 上的调用数据显示，K2 刚上线没几天，昨天还在编程类目里排第 13，今天就升到了第 10，前面是 Claude、Gemini、GPT。这种上升速度是非常快的，说明用户反馈非常好。但现在大家其实已经对 benchmark 麻木了，对吧？我们更看重实际用户的使用反馈。
比如 Perplexity 的创始人就在推特上说，他们团队已经开始调研在 Perplexity 上引入 K2，也明确表示：Kimi 做得非常好。
Kimi 是最典型的例子，但不是唯一的。我们也讨论过 DeepSeek 后他们团队的转型问题，Kimi 背后的 Moonshot 也经历了很多复盘，并集中精力攻坚下一代模型。我觉得外界太容易在很早期就下结论，比如说 DeepSeek 出来的六小龙公司是不是都不行了。但实际上，如果一个团队足够稳定，有优秀人才、有资源、有意志，那他们的主观能动性和突破空间远远被低估了。
第三，我觉得模型能力进化的速度也被低估了。比如现在已经有传言说 GPT-5 很快就要发，它可能是一个原生多模态、推理能力非常强、具备高级 Agent 能力的模型。
现在新产品发布的时候往往会被喷，说画了大饼但实际上产品体验没有那么好。但好的应用公司需要为 6 到 12 个月后的模型设计。比如 Cursor 一开始发布的时候，当时的模型还无法实现它的完整愿景，直到 Claude 3.5 Sonnet 出来，Cursor 才真正成为一个好用的产品。
Manus 在设计时能用的最好模型是 Sonnet 3.5，发布时 Sonnet 3.7 刚上线，Manus 因此能够完成一些更复杂的任务，之后 Claude 4，Gemini 2.5 Pro 等新模型的发布也进一步提升了 Manus 的表现。也许再需要 1-2 个模型的大版本迭代，才能够充分让主流用户感受到 Agent 带来的生产力提升。
所以我们认为，未来模型的能力提升仍然非常快，也许很快就会有让大家震惊的发布出现。那时，模型增长和应用价值可能都将超出市场预期，整个 AI 发展节奏也会再度加快。
晚点：这半年还有一个我之前没有想到的新变化，就是最近非常激烈的外卖大战。因为外卖大战这件事情牵扯了好几个巨头的精力和资源，包括阿里、美团和京东。你觉得这个会怎么影响中国的 AI 的格局，或者说对创业公司来说，它可能会有什么影响？
戴雨森：现在看其实还是两个战场。从长期看，可能会对资源投入产生一些影响。
但我看阿里云的增速预期还是挺高的。今天 Jensen 还宣布可以重新向中国销售 H100。我们看到，今年美国这边的 IDC 和云服务增长得非常快，因为应用落地之后推理的用量会大幅增长。
我认为中国市场的发展路径也会是类似的。当 Kimi、字节、DeepSeek 等公司推出更好的模型后，更多场景被解锁，推理的算力需求也会很快爆发。知识工作者在中美其实都很像，大家都用 Office、都要搜索、都用 deep research 工具，在美国市场已经验证的这些需求场景在中国迟早也会爆发。
当然这跟外卖大战没什么直接关系。但比如说阿里云、火山云这些中国云服务商，可能也会经历一次美国那样的增长过程。
从 DeepSeek 出发，不同公司各有演进之路
晚点：我们接下来围绕一些具体的方向聊聊，你觉得为什么 DeepSeek 还没发布 R2？
戴雨森：哈哈，这个现在还是挺神秘的，我们也只能通过一些外围信息去了解。我听说现在 V4 还在训练阶段。因为他们当时是先发了一个 V3，然后再发 R1，那现在 V4 都还没补发，听说还在训练中，那 R2 的发布时间可能就要等到 V4 之后了。但我相信 DeepSeek 肯定在做很多有意思的创新。我们也和里面的一些同学聊过，知道他们的创新能力是非常强的。不过我觉得他们也确实会受到算力资源的限制。毕竟卡的总量是有限的，而且他们发布模型之后，还有大量的算力要用来做推理（inference）。
晚点：对，我觉得他们现在可能也在思考模型或者智能未来的演进方向，基本上还是不做多模态。
戴雨森：对，这其实反映了一个很现实的情况：DeepSeek 的资源没有多到可以在所有领域对标 SOTA。所以就像 Claude 背后的 Anthropic 一样，他们要做一些判断：哪些方向在当前阶段最重要、最能出结果，然后集中资源突破；而对于一些尚不明朗的方向，他们可以等等，等到思路更清晰之后，再利用自己的工程能力和团队的努力赶上。
而字节 Seed 现在可能是在试图做到全面领先：他们有 Edge 组去做最前沿的研究，有 Focus 组去冲击 SOTA，还有 Base 组去做服务产品应用。这种是全栈型的布局。
相比之下，DeepSeek 更有选择性，比如重点突破模型智能。当资源不那么充足时，确实需要做一些取舍。像 Seed 这样的组织结构，把 Edge、Focus、Base 三个方向明确分开，我觉得是更明确的。
晚点：对，他们现在就是这种比较明确的分工结构。Edge 一开始列了五个方向，现在可能已经扩展到了十几个项目，确实挺厉害的。
戴雨森：我觉得把应用和研究分开，再把研究中的 SOTA 和 Frontier 部分继续细分，是比较对的做法。之前大家可能就是分成 Frontier 和 Applied Research，但那时候资源不够，组织的职责也不够明确。普遍的问题是：如果你让一个模型团队既要做前沿研究、追赶 SOTA，甚至超越 SOTA，同时又要满足 App 的落地需求，这两个目标是很容易冲突的。
Kimi 在过去半年其实也总结了很多这方面的经验。如果有个大用户量的应用在线上，需要花大量精力去维护，处理各种 corner case，修 bug。但这些工作其实对推动下一代模型、挑战 SOTA 的帮助是有限的。今年就没有投入太多精力在 K1 的迭代和应用功能上，而是专注于做下一代模型，来拓展模型智能的边界。
晚点：这也是我们以前反复会问大模型创业公司创始人的一个问题：你一边做模型，一边做产品，中间的精力怎么分配？
戴雨森：目前来看，我觉得还是要先把一个方向做到极致。比如你如果是做应用的，那就假设自己能用上最好的模型，谁最强、最合适就用谁。但如果你是做模型的，那目标就是让自己的模型保持在 SOTA 水准，在某个具体领域做到最强。
投人的价值，K2 如何逆风翻盘
晚点：我想聊一下 Kimi K2。今年年初 DeepSeek 引发热潮后，Kimi 内部也有了一个比较明确的目标，就是要追求 SOTA。在这个目标下，K2 应该是他们做出方向调整后第一个比较重磅的成果。你对这个过程是怎么理解的？
戴雨森：我想先讲个小故事。前几天，暗涌在良渚组织了一个圆桌，把投资了 Kimi 和 MiniMax 的投资人都请到一块。我还开玩笑说，这像是一个「同情局」，仿佛我们投了大模型公司，很惨该被同情。但我觉得，其实真正体现一个团队能力的，是他们面对挑战时的应对方式，以及是否坚持自己的路线去做有价值的创新。
顺风的时候有顺风的打法，逆风的时候也有逆风的打法。像 MiniMax，他们专注自己的方向，现在也在推进上市流程。这就是他们面对挑战的方式。当然，也有一些公司在逆风中内部团队发生较大变化，甚至业务方向都有调整。但我觉得 Kimi 特别的一点，是他们的团队非常稳定。如果你看他们的创始团队或核心成员，几乎没有大的变动。
晚点：这其实就是我第一个好奇的点。现在很多公司到了联合创始人或核心业务负责人层面，都会有一些变化，但 Kimi 基本没怎么变。
戴雨森：这可能跟他们的团队组成有关。Kimi 的创始团队一直是以植麟为核心，而且成员是清华的老同学，之间合作很多，甚至是室友还一起玩过乐队。并不是因为要做大模型公司才临时组起来的。
晚点：我查阅资料时发现，当年杨植麟去评特奖的时候，有一张照片是他们系的一些同学举着横幅去支持他。几位他们系的师弟师妹都会说杨植麟在当时就是一个让大家觉得、非常有号召力的人。
戴雨森：没错，这也是我们从一开始就决定投资他们的重要原因之一。这个团队不仅有技术，而是有很长的共同信任。创业会经历很多挑战，如同压力测试，在面对挑战的时候，团队稳定和方向聚焦会很重要。
Kimi 这个团队从一开始就是以技术基因和技术视野作为核心能力的。很多人可能已经忘了，在 2023 年的时候，AI 的变化太快，几乎每个月都有新风向。当时，Kimi 就对长文本这个方向做出了很重要的判断，选择做了一个具备长文本能力的模型，并基于这个推出了带搜索能力的 Kimi 第一个版本。
那时大量的 AI chatbot 其实是没有搜索功能的。没有搜索，模型的用途就会受到很大限制，比如你随便问一个「现在的美国总统是谁」，它都可能答不上来。
Kimi 团队当时对长文本技术方向的判断就展现了他们非常强的技术 vision。到了 2025 年，AI 更强调 Agent 能力、复杂任务执行、以及处理更大的代码库，大家才真正意识到长文本的重要性。如果你真的要让 AI 做一个 Agent，完成一个复杂任务，它不能只是执行 100 步就歇了。回头看，其实这也验证了植麟判断上的准确。
所以我觉得他们团队身上，有三个特别重要的品质：
第一是团队的稳定性。这来自于成员之间长期的渊源和信任。
第二是对技术方向的坚持。他们不是看到哪个火就往哪儿跟风，比如陪伴火了去做陪伴，多模态火了又去做多模态。很多方向都可以做，但真正有积累的是那些持续做一件事的团队。
第三是他们一直保持的技术敏感度和洞察力。这个在技术变化的关键节点上尤其重要。
当然 R1 的成功也确实给了行业很多启发，这一点毫无疑问。当时很多人看到 R1，有个流行说法是：「pre-training 不重要，post-training 才重要。」但我认为 R1 的基础是 V3，这恰好说明好的基础模型很重要， pre-training 和整体架构优化可以带来模型能力的提升。K2 现在还是个 non-reasoning 的模型，已经呈现出很好的能力，这也说明 pre-training 依然很重要。
开源也很重要。现在全球 AI 社区正处于 Early Adopter（早期采用者）阶段，通过开源优秀的模型和产品给社区提供价值的团队，很容易得到热心的回应。我们在 DeepSeek、K2，以及我们 sponsor 的 vLLM、ControlNET 等开源项目中看到，只要不断拿出好的产品，保持对用户开放交流的态度，世界各地的用户都会欣赏、支持你，甚至主动帮你改进问题。但只是开源不本质，本质是开源好的东西，不是开源就一定好，社区觉得好才是核心。
晚点：说到开源，因为 K2 是 1 万亿参数，开源社区里能真正部署的人很少。
戴雨森：K2 主要的场景不是在本地机器部署，事实上要在本地满血跑 Deepseek R1 也不简单。开源的核心不在于本地部署，而是让大家对模型有更多自主把控。
晚点：你能总结下他们为什么能做出 K2 这种级别模型？现实过程中遇到了哪些挑战？外部舆论把他们放在低谷，是否带来很大压力，比如人才流失？我指的不光是核心层，还有一线工程师。
戴雨森：这里肯定有人流失，但 Kimi 有两点优势：第一，核心层很稳定；第二，很多年轻同事愿意留在 Kimi。
我觉得大家留下不只是因为钱，更因为能学到东西，能干成自己觉得厉害的事。这符合 Kimi 核心团队的基因。
之前做投放时讨论过，他们做投放不是强项，但现在是回归了初心，做团队能力最强的方向。我觉得这很重要。面对外部市场压力，首先不要乱，要聚焦自己最擅长、最能做好、最有意义的事情。知乎上也有好几位 Kimi 的研究员写了参与 K2 的很多感想。
技术变化：推理、编程、工具使用
晚点：在技术领域，你会比较关注哪些变化？
戴雨森：我们之前聊到过，我认为解锁 AI 生产力的三大主线是 reasoning、coding 和 tool use。
在 reasoning 方面，我们看到了 o3、o4 mini 的发布，还有后来的 o3 pro。虽然这些模型在一些榜单上表现进展不大，但我们自己的使用体验是，o3 相比 o1 是一个明显的大台阶，o3 pro 在推理长度和逻辑连贯性上也越来越好。现在很多模型在 reasoning 的细节上都有进步，比如细节的幻觉减少，推理结果更严谨。
同时我们还看到，一些小一点的模型也开始具备很强的 reasoning 能力。像 GPQA 或 AIME 这些反应模型 reasoning 能力的指标都非常高。K2 在这方面也表现不错。
晚点：我们之前和一些人交流，比如阿里云 CTO 周靖人，他并不觉得像 o 系列的更新是特别大的范式变化。他认为这还是在大模型原有方法框架内的自然延展。
戴雨森：这个我同意。如果这些模型还是 Transformer 架构，那它们就还是在现有范式内演进。大家现在都在期待下一个 Transformer 是什么。
不过有时候，一个技术范式就可以走得很远。就像高速公路可以用几十年，不一定非要每年都有颠覆式的架构变化才叫创新，实际上，如果每年都有颠覆式的技术发生，那说明这个行业还很不稳定，反而不一定适合产业落地。今年我们在产业上真正能用到的技术，并不是从 0 到 1 的变化，更像是从 1 到 10，甚至从 5 到 8 的进化。像 reasoning 的进步，就是从很好变成非常好。
在 coding 上，Sonnet 3.5 已经很不错了，但 context 长度还不够，自我纠错能力也一般。Sonnet 3.7 和 4 跑在 Claude Code 上效果非常好。对复杂代码、长代码段，它们常常一步就能做对。这不是从 0 到 1，而是从 7 到 10 的质量提升。
晚点：在基础模型的竞争上，Google 最近的势头也很强。过去两年 OpenAI 横空出世时，Google 给人感觉有点被打懵。但现在 Gemini 2.5 的口碑和实际使用反馈都很好。
戴雨森：确实，Google 技术积累深厚，人才密度高，又非常有钱，算力也很充沛。所以我们今年明显感觉到 Google 的边际变化是很大的。
模型层面，Google 的 Gemini 2.5 表现非常好。云服务层面， 提供同样的 Claude API 推理服务上，GCP 的表现其实更好，这背后也离不开 TPU 的支持。Google 的实力很强，是现在模型领域前三名中非常有竞争力的一家。
但他们现在也有一个现实问题，就是 Google 的搜索主业正在承压。因为担心 AI 对搜索广告带来冲击，所以它的股价一直在震荡。我觉得这就是一个典型例子：老业务在受损，而新业务增长又很快。这最终会怎么演化，我觉得可能还需要一两年才能看清。
应用的生长，让 AI 不止于问答
晚点：这也回到了你之前提到的一个主题：模型和上层应用之间的关系，现在这个关系还在演变。
戴雨森：应用的价值首先取决于模型本身，也就是模型厂商固化在权重里的那些基础能力。模型的推理能力、编程能力越强，应用所能释放的价值就越大。但权重一旦固定，内容就是死的，而问题是动态的，所以需要引入 context，现在流行的 context engineering vs prompt engineering 也说明了 prompt 模型并不够，还需要更多更好的 context。
我认为 context 可以分为三层：
第一层是通用信息，比如「今天的天气怎么样？」这类模型本身是没有的，需要通过搜索等方式动态获取。虽然现在也有模型能做简单的搜索工作，但这需要给模型配备合适的工具。
第二层是组织层面，比如公司内部有哪些流程、文档、已有的知识积累。这些信息模型本身也不知道，需要通过应用层与模型协作，让模型指导人去调用这些信息。比如一个人和 AI 的对话历史、个人偏好、背景信息等，这些模型也不具备，必须由应用层来提供。
所以 context 这一层是由应用来提供的，它的质量会对 AI 应用的表现带来巨大差别。
AI 的目标不只是成为一个问答机器，最终它是要真正帮用户完成事情。那在做事情的时候，它能调用哪些工具、影响什么结果，这些也是由应用层公司提供的。比如产品提供了哪些公有或私有的 MCP 工具，或者最终 AI 能把它的输出结果部署在什么环境上。
所以我觉得模型其实只是最底层的那一块。只是因为在 ChatGPT 刚出来的时候，我们大多数使用场景都是在「问」模型，也就是提取它通过压缩已有知识获得的回答。比如问一个事实类的问题，这种情况下确实主要靠模型本身。但当任务更复杂、模型的智力需要与 context、甚至 environment 配合才能发挥作用时，那就是「壳」的价值了。
晚点：所以你觉得这是一个很自然的演化路径？也没必要非得强化「我们就是做模型」这件事？
戴雨森：对，模型肯定很重要，但只靠模型本身可能不足以真正释放出全部的价值。
晚点：一年前大家怎么看 Google？一个失意者？
戴雨森：大家那时候肯定觉得 Google 有点落后，被 OpenAI 抢了风头，很多人才也选择出走。但后来 Google 的联合创始人 Sergey Brin 回归公司之后，很多事情发生了变化。比如有传闻说 Google 收购的 Character.ai 创始人 Noam Shazeer 回去后亲自改了一个 bug，直接让模型性能大幅提升。真假不确定，但关键人才确实能解决问题。
晚点：所以 Google 能快速追赶，可能不仅是技术，也有组织方式、投入强度的变化？
戴雨森：对，他们对这件事是真的非常重视。我听说 Gemini 团队加班也很厉害，原本大家觉得 Google 是养老公司，但现在他们也很拼。
晚点：模型竞争其实激活了很多聪明人，追求的成就感也回来了。
戴雨森：我觉得是的。这几家公司的创始人都非常重视 AI，现在已经不是「AI 会不会落地」的问题了，而是必须赢。
不管是 Zuckerberg、Sergey Brin，还是 OpenAI 和 Anthropic 的团队，他们都看到 AGI 已经迫在眉睫，意识到这件事的重要性，愿意花钱、愿意投入资源。
最近 Y Combinator 的创业营也提到，现在做任何公司，都应该以「AGI 两年内实现」为前提假设。你要思考：假设 AGI 两年内实现，那你的公司该怎么做？
当然 AGI 到底是什么还有很多争议，但毫无疑问巨大的变化正在发生，而且是快速发生。现在硅谷学计算机的学生找工作都变难了，因为初级程序员的工作已经被 AI 替代了很多，很多变化是实实在在发生的。
晚点：我们回到你说的三条主线。我们讲了推理和编程，现在讲工具使用。最近像 Kimi K2 和 Grok 都在训练阶段就加入了使用工具的能力。这是新趋势吗？
戴雨森：现在 AI 使用工具主要有两条路线：
像 MCP 这样，走 API 接口方式；
通过视觉模拟 AI 操作已有软件。
这两种方式都有人在做，现在像 MCP 这样的生态已经建立起来了，越来越多为 AI 搭建的工具变得可用。又比如 Manus 和 OpenAI 的 Operator 用的是沙盒虚拟机里面的浏览器、通过视觉操作浏览器等已有的软件，模拟人类的使用过程，目的是让 AI 更好地调用已有软件的功能。
能够使用人类的工具完成任务，我觉得这是让 AI 真正变有用非常重要的一件事。
Agent 让每个人学会当好老板
晚点：其实在 OpenAI 最开始规划的五个阶段里面，第三个阶段就是推理之后的 Agent。
戴雨森：对，之前张祥雨有个播客讲得特别好，我很认同他的分析。第一个阶段是 chatbot，对应 ChatGPT；第二个阶段是 reasoning，对应 o 系列模型；第三阶段的 Agent 对应的是 Agent-native 模型，但目前好像还没有真正出现。
在 Agent 的定义中，目标是 AI 自己去寻找的，但目前目标仍由人给定。Agent 是说，我给你一个目标后，它去预测使用工具的序列，选择什么工具完成任务。它可能还没做到像给员工完成任务那样，自己拆分任务和定义目标。
现在 AI Agent 这一类产品还处于非常早期阶段。比如 Manus 才刚推出几个月，但我觉得一年甚至半年后，随着模型能力提升，这类产品的能力会大幅增强。
我想说的是，不同公司因为资源禀赋不同，解决 Agent 这个问题的方式也会有差异。我们尽量不做预判，不认为我们能够预先知晓未来。比如 Kimi 的看法是 Model as Agent，通过模型训练中加入大量端到端的工具使用数据，让模型本身具备强大的工具调用能力。而同样是调用闭源模型 API 的产品。Manus 提出了「less structure, more intelligence」，但有时结构化也能提升工作效率。Genspark 就专门做了针对 PPT 场景的 slide 生成功能，引入了一系列优化工作效果的方法。
晚点：这两种角度都对。对用户来说，有些场景有大致流程，结果更可控，成本也会更低。
戴雨森：因为用户要的是最后的结果，而不同的公司想实现这个结果，可能有各种不同的路径。有的灵活但成本高，有的固定但成本低。所以大家解同一道题，用不同方法都合理。
晚点：你说的最大趋势无疑还是 Agent？
戴雨森：是 AI 对生产力的提升，想让 AI 把生产力真的提高，就得让 AI 承担更多工作。像 Claude Code、Manus 等 Agent 产品，核心理念是人不做事，AI 做事。
有人说这是类似自动驾驶 L3 级别的产品，人不动方向盘，车自动驾驶。我们发现写代码的工程师一开始喜欢 Cursor，因为它还是让你在熟悉的 IDE 里面写代码，但 Manus 发现产品经理用 Cursor 去完成任务不怎么看代码，只是看右边的对话框，所以他们把对话框放到主要的位置，做出了一个更加适合非程序员人群使用的 Agent。
随着模型能力的进步，Claude Code 更极致，用户不能写代码，只能告诉 AI 你要做什么，其他的 AI 去完成。所以 L3 或 Agent 意味着 AI 去作为执行主角，而用户要学会当 AI 的好老板。
晚点：这对很多人来说挺难，是门槛。AI 做事不满意，你让它做几次都不行。
戴雨森：以前我创业时也这么想，所有事我都亲自做。后来发现这不是好管理方式，我应该赋能下属，让他们知道我要什么，让他们有主观能动性。
以后人类指挥 AI 可能也是这样，这可能是人类历史上第一次要培养一个工具。以前培养人很难，大部分人是被培养的，很少有人有能力或机会去培养一个下属。但现在每个人可能都要学会如何给 AI 下命令，如何培养 AI 去更好完成工作。
晚点：你提到 Manus、Genspark 这类通用 Agent 的用户群都比较广泛。你们怎么观察垂直场景里的 Agent？
戴雨森：通用是因为当前模型能力偏通用，但肯定会逐渐涌现某些垂直场景。
我觉得一个好的产品，最后肯定还是要有清晰的定位，要在某些领域做到绝对的第一名，才能拥有长期价值。或者说我们目标不是追求通用，而是从通用开始，逐渐发展收敛到一些核心场景。
技术革命的早期发展阶段，往往大家都在尝试，也不知道新技术适合做什么，最后看什么效果最好。例如蒸汽机刚被发明时，最开始是用于抽煤矿的水，后来发现用来驱动火车和纺织机更好。蒸汽机也是一个「通用技术」，但最后最大的价值可能来自几个具体场景。
我觉得现在 coding、做 PPT 这类的 office work、deep research 三者毋庸置疑是已经涌现出来的重要方向。
晚点：有个话题挺有意思。国内大家讨论通用产品，觉得这是大公司的必争之地。但跟国外投资人聊，他们反而对 Super App 的可能性更感兴趣，关心怎么打败 OpenAI 和 Google。
戴雨森：如果你有机会挑战大公司，那是好事，至少有资格参与奥运会，比不参与强。
很有意思的一件事是，Manus 出现后，有很多人说它没壁垒，用开源框架一个周末就能搞出来。但现在过了这么多个周末，还没看到任何一个类似的应用能真正做好的。
我觉得在全球市场，大家对真正的创新还是尊重的，不会直接复制完全一模一样的产品。可能会借鉴交互或呈现思路，比如 AI 在干活的表现形式，但不会直接像素级复制。在全球化竞争里，先发优势会带来很多口碑和传播优势，这也是对创新者的建奖励。
每月 1000 美金的 AI 产品订阅
晚点：你算过现在一个月在 AI 产品订阅上花多少钱吗？
戴雨森：大概接近 1000 美金。Manus 是 200 美金，Genspark 是 200 美金，ChatGPT、Gemini、Grok 这些也都差不多各 200 美金。我买的基本上都是高级方案。
我一直有个理念，新产品就要多试试，很多时候花点钱试一试并不过分。很多 AI 产品的革命之处不能只看报道，得亲身去用。当你能看到一个未来的时候，你会产生很多的灵感。
我们三月份就观察到，Manus 上线后推理用量暴涨，Agent 产品的 token 用量相比 Chatbot 是显著增长。当时二级市场很多人还在质疑英伟达，觉得哪怕全世界所有人都用 chatbot，推理需求也根本没那么大，用不了那么多算力。
但其实这就像拨号上网时代，一开始所有人都在聊 QQ，不需要那么多带宽。但有了宽带网之后，大家就要在线上看 4K 视频了。模型能力越强，可以解锁的场景越多，token 使用就越多。
晚点：2023 年，黄仁勋在英伟达内部讲话中说，他们的市值目标是 2 万亿美元。当时英伟达刚刚突破 1 万亿。我们还在讨论他这口气是不是太大。结果今年已经突破 4 万亿了。
戴雨森：他很快可能会到 5 万亿。因为 token 向生产力的转化趋势才刚刚开始。
这就像火车开动了，就不会突然又停下来了。我们现在还在不断发现 AI 新的使用场景。比如说一个工程师原来一天可以写 100 行代码，现在有了 Cursor、Claude Code，可能写的代码是原来的 10x，能解决更多以前没想过要解决的问题。又比如有了 ChatGPT 和 Manus，你会问的问题也会变多。
很多以前不知道该问谁的问题，现在可以用 AI 来解决。给用户带来的生产力提升，导致用户更愿意付费。
晚点：目前生产力场景的 token 消耗是非常高的？
戴雨森：生产力可以以 10 倍，100 倍的速度增长。和 AI 闲聊再怎么聊，一天就那么多时间，这是我们以前讲的 attention is all you need。如果你要的是用户注意力，它是有限的，并且是和抖音，Tiktok、小红书一起去争夺的注意力。
但在生产力场景，用户需求的上限很高，可以从问一个问题变成问 100 个问题，需要的算力可以涨 100 倍。
晚点：而且单位时间内 token 消耗的复杂度也在迅速提升，比如我要消费的内容、视觉信息可能也变得更复杂。
戴雨森：在未来你可以问 AI 之前没想到的非常复杂的问题，我给你举个很简单的例子。比如美股二级市场的朋友，在财报季时一天可能要关注五六家公司发业绩。凌晨四点起床看财报数据、代入模型做对比、听电话会议、分析 CEO 的展望，都是他们的日常。
原来他们不可能同时听多个财报会，只能靠招更多人或挑重点去选择。但现在有了 AI，虽然目前还不能完全跑通全流程，但 6-12 个月内就有可能让一个分析师同时覆盖 50 家股票的财报。
AI 可以帮他们看财报、听电话会议记笔记、回答事前准备好的问题、总结 CEO 回答、写报告。这些原来因为「做不到」才没放到你的工作时间表里的事情现在 AI 能完成了，需求就自然增长了。
就像飞机出现之前，没有人会说「我今天要飞美国出差」。但飞机一旦存在，新的需求就出现了。AI 也一样，它让你开始做那些你原本不会想做的事。
晚点：时间是有限的。但单位时间内娱乐内容的复杂度、感官刺激可能会大幅提升，这也是以前难以想象的。
戴雨森：对，确实难以想象。但我想说的是，生产力的价值是直接可衡量的。比如 AI 帮我赚 100 块钱，我为它付 1 块或者 10 块。
而且我们观察到一个很有意思的现象：当 AI 按 token 用量计费后，很多人是希望用得更多的。因为它确实在帮你完成工作，比如帮你写了更多代码。
这本来就是你自己要做、要花时间花钱雇人做的事，现在 AI 帮你完成了，它就有价值。
硅谷 Acqui-hire 抢人大战
晚点：关于最近这场「抢人大战」你有没有什么看法？
戴雨森：确实最近有很多人被挖走，也有人接到电话但没去。大量优秀人才被 disruptive（颠覆性）级别的薪资挖走。
这种挖角不管是对被挖团队，还是 Meta 自己原有的团队，都是非常大的冲击。在硅谷几乎所有顶尖公司都在发生类似动荡。被挖的人所在团队军心难免动摇，留下的人也开始质疑：是不是自己也该涨薪？
这种高薪挖人当然是人才价值的体现，但越是顶级人才，也越需要时间和环境来磨合，才能真正形成合力。历史上失败的例子也很多，所以对于这些组织来说，这既是机会，也是一场挑战。
晚点：你觉得抢人竞争算良心吗？
戴雨森：我觉得这也是体现了创始人的精神，就是他愿意不惜代价去争取人才。如果花钱能解决的事，我就花钱办。我觉得这也反映了人才确实很重要。
晚点：压力主要是在硅谷吗？不过从另一面看，这也给创业公司提供了不错的退出机会。
戴雨森：但是这种退出可能不够大。有的人觉得公司卖个几亿美元就挺好，有人则想做千亿美元公司。创业公司也需要更多弹药去和 Meta 这样的大厂竞争。比如说 Cursor 之前融了很多钱，我们一度还觉得融这么多钱做什么，现在看到他们要面对的是更多钱补贴用户用 token，招人也要更高成本，所以融资更多很合理。现在竞争无论是补贴还是人才都升级了。顶级人才也有很多选择，对很多创业公司来说，加入战局的门槛和水位都在提升。
晚点：硅谷这种人才收购（Acqui-hire）很流行，主要是为了绕过反垄断限制，也反映了竞争多激烈。
戴雨森：大家都想加快节奏，因为钱太多了。几家巨头账上都有大量现金，这些钱投下去，如果能用钱换时间和竞争优势，对他们来说就是简单的事情。
Benchmark 钝化，突破智能的边界
晚点：最后这一部分，我想问一些你的感受。从 GPT-3 到现在，已经有两年半时间了。你目前对什么事情还是特别好奇？
戴雨森：我好奇的事情始终还有很多。首先是如何衡量智能的边界。
你想，ChatGPT 刚出来的时候，人类还能指出它的回答问题所在。但现在无论是它研究的内容本身还是文笔，普通人类越来越难发现它的缺陷了。当人类智能被逐渐接近的时候，你怎么衡量一个或许比你更聪明、更深度思考、记忆力更强的存在？
关于如何衡量智能，我的好朋友姚顺雨他写了篇文章《下半场》提到，未来 AI 的 benchmark 会越来越重要，现在的 benchmark 已经钝化，不能准确区分模型差异。比如说 一个 benchmark 得 85 分和 90 分，真的能反映模型的区别吗？Kimi 的经验也说明，内部制定好的 benchmark 也很重要，模型训练，关键是如何衡量结果。内部 benchmark 的水平质量往往决定了模型的质量。
所以我觉得如何衡量智能、如何探索智能边界依然非常重要。现在我们还能勉强说用一用模型，「Vibe Testing」，能感受到模型的能力好坏，但再过几年，前五名的模型可能都比你聪明的时候，你怎么去评估谁更好？
晚点：所以怎么去衡量智能的边界？
戴雨森：第二个我想说的是，我一直反复思考生产力这个逻辑。每个人拥有大量生产力之后，对于个人、组织、乃至世界的影响是什么？
对个人来说，超级个人。一个人能做的事情越来越多：从做小猫补光灯这样的小 app，到开发游戏，甚至到 Sam Altman 预言的「一个人的独角兽公司」完全可能实现。当年 Instagram 被收购时只有 13 个人，在 AI 时代，13 个人到 3 个人是完全有可能的。
这意味着人和人之间差距会变得很大。当每个人都拥有无限聪明的助手，以及像 Manus 这种可以日夜无休帮你打工的「赛博牛马」时，有人能很好地利用它创造巨大价值，有人可能没有产生那么大价值，所以成长速度差异会进一步拉大。
对组织来说，一是小组织可以变得很强大，二是大组织能通过先进技术管理更大、更复杂的业务。比如美团管理几百万骑手，业务非常复杂，如果没有先进互联网通信和管理技术，根本无法实现。加入 AI 后，大公司的管理人数、业务复杂度和深度都会再升一个台阶。
世界是由各种组织驱动的，组织能力边界的提升对世界影响巨大。进一步来说，当整体生产力大幅提升，而人与人、组织与组织之间差距变大时，如何在效率和公平间寻求平衡？AI 最初是最聪明的人制作工具给头部用户用，但这些精英产生的价值如何反哺普通大众？即便一个普通人不是特别努力学 AI，我们如何让 AI 产品越来越易用，让普通人也能从中获益？
晚点：AI 还会带来隐私暴露和虚假信息泛滥，让真实界限变得模糊。
戴雨森：对，现在你很难区分什么是真实的文章。我现在还能读出 DeepSeek 的味道，但一年后可能分辨不出，或者说，可能已经有很多 AI 写的文章我已经分辨不出来了，我能分辨出来的只是那些还伪装得不够好的。大家都知道 AI 会引用虚假内容，但关键什么是虚假呢？真假的界限也越来越模糊了。
我一直在想，人类最大的限制是什么？我这边觉得是大脑的功率，大脑功率大约 20 瓦，人类智能的上限就是这么多。而 AI 可以很快接近甚至突破这个上限。智能越多，我们用它做什么，人与 AI 的角色分工如何，这些都是我们很快要面对和调整的问题。
有时候我觉得有点可怕，因为大的变化已经到来，只是大家还在逐渐感受到它。比如对程序员影响特别直接，普通初级程序员如果不用 AI，未来两年后找到工作会非常困难。但一年的时间人是很难做出改变的。而更多的职业可能也会在很短的时间内受到极大的冲击。
Talk is cheap, Show me the product
晚点：你会对什么事感到疲倦？
戴雨森：我觉得第一个疲倦的是过度营销。过去几年有一个趋势，就是很多产品在过度营销，各种「震惊体」，但好的产品比如说 Manus，几乎没花钱营销，但大家误以为它花了很多钱。
之前 AI 的进步主要是模型的进步，普通用户还无法在产品中体验，因此研究员和媒体拥有很大的解释权。但现在模型已经开始转化成应用了。那时候我在即刻发了一条说：「Talk is cheap, show me your product.」
现在很多 AI 模型的核心能力最终都要转化成产品，用户能真正用得起来，AI 才有生命力。很多讲故事、炒作的公司，不如专注做好产品。我们看到现在发展好的 AI 公司大多做到了这一点，拿出真正对客户有价值的产品。
晚点：你今年内想验证的是什么问题？
戴雨森：一个是 AI L3 级别的 Agent 应用能不能快速达到完成实际工作的程度。比如 Manus 我们都在用，用户也在付费，但有时一个任务只能完成七八十分，还需人补充到 100 分。Claude Code 相比之前的 coding agent，逐渐能做到一次完成，不用修改就能上线。
未来几个月到年底，我相信 Agent 的能力还会有很大提升。到那时，可能你给 AI 一条指令，它就能埋头干完，甚至一次就干好了。
晚点：我现在用 AI 感觉是得刻意多用它。因为给它比较复杂的任务时，它完成得不完美。
戴雨森：这是普遍现象。好的 AI 产品一定是为未来的模型设计的。Cursor 上线两三年了，但直到 Sonnet 3.5 出来的时候才开始火，等 3.7 出来后才爆发增长。
Manus 也是一样，刚上线时很多任务其实也做得不好，但 6 个月、12 个月后，新一代模型会让它表现更好。所以你要为未来设计，而不是为当下就能获得的模型设计。
晚点：这对普通用户可能反直觉，但我理解，这是快速发展阶段。普及到主流用户时，大家仍追求开箱即用。
戴雨森：其实也不一定，比如我们之前发的《Manus 对谈 YouTube 联创陈士骏》， Youtube 的联合创始人 Steve 他说 YouTube 出来时是为未来宽带设计的， 2005 年那时候美国刚开始普及宽带，因此一开始的体验并不是那么好。同样短视频平台如抖音快手上线时，也是为一两年后的智能手机和 4G 普及设计的。AI 也是这样，你要永远提前走一步，乔布斯曾经说过「要去冰球将会前往的地方」。
晚点：所以你想验证的是，到年底看产品能否高度自动化完成任务，不再需要人参与？
戴雨森：比如现在 Agent 完成任务的成功率可能是 20%，能不能到 70-80%？这会让前沿用户对工作的定义和 AI 使用方式发生巨大变化。
另外我好奇的是，随着用户使用 AI 产品的变多，记忆会带来多大变化。AI 应用长期壁垒是什么？我觉得很重要的是记忆和个性化。现在记忆个性化对结果影响有限，但长期来看，我们希望它像员工或助手，随着使用时长增加，越来越了解你，变得不可替代。这是我们想看到的进步。
晚点：这个进步不能光靠模型是吗？记忆需要不断互动，给 AI 个人层面上下文。
戴雨森：一方面是在线学习（online learning），模型在使用中学习。另一方面需要你给它更多数据、文件、上下文，应用设计非常重要。模型和应用要协同合作。
我觉得我们对未来创新要有更多期待和包容，对中国团队的创新和发展能力要更有信心和支持。
创业新浪潮的新观察
晚点：你们现在特别关注的团队是什么类型的人？还有哪些地方有新创始人在出现？
戴雨森：今年我们看到，想出来创业的人多了很多。一两年前大家还在相信未来应用会落地，现在已经看到有 Manus 这个例子，大家堆的都是金玉在前。所以大家肯定会想，「那我也许也可以」，这一定是一个更多的过程。我们看到很多不管是研究员，还是大厂里的年轻人，都蠢蠢欲动。
晚点：你最近在看什么比较好玩的书，或者有没有作品想分享？
戴雨森：我想推荐《33 号远征队》。这是一个游戏，由一家法国创业公司开发。故事设定在一个虚拟世界，有一个神「绘母」，每年在天边的一个石头上写下一个数字，这块石头叫 Monolith。
她从一百开始倒计时，每写一个数字，对应年龄达到那个数字的人就会死去，全部消失。第一年是 100，第二年是 99，如此类推，一波一波的人死去。于是人类开始反抗，每年组织剩余年龄差一岁的人组成远征队，想挑战并打破这个魔咒，但一直没有成功。今年绘母写下了 33，33 岁的人将在明年此刻死去，于是第 33 号远征队出发了。
前几天是 Manus 创始人肖弘的 33 岁生日，我就推荐他玩这个游戏。这个游戏讲述了一个满 33 岁的人如何出海挑战天命的故事。游戏团队也是 33 个人，是一个创业公司开发的，创始人曾在育碧（Ubisoft）工作。他在那里觉得无聊，于是出来做了这款游戏。
《黑神话·悟空》是中国的大 IP，结合中国的文化积淀和先进技术制作的精品作品。《33 号远征队》也是一个法国浪漫主义设定，艺术与先进技术结合带来的优秀作品，它的情节，画面，音乐等都非常非常棒，这是我今年非常喜欢玩的游戏，我认为非常有希望冲击年度游戏。
题图来源：真格基金
红腾网配资-河南股票配资-股票配资免费平台-实盘股票配资提示：文章来自网络，不代表本站观点。
