莫傑麟已經(jīng)是第五次做客我們的播客了。從 23 年底到現(xiàn)在，我們差不多保持著每半年一次的頻率，定期復(fù)盤中美 AI 的發(fā)展趨勢。最近我又來了硅谷，也再次和傑麟聊了聊今年美國的 AI 進(jìn)展，以及近期二級市場的牛市。

本期播客對談原文約 30000 字，本文經(jīng)過刪減整理后約 10000 字。

曲凱：今年硅谷有什么新趨勢？

莫傑麟：今年大家達(dá)成了一個(gè)新共識(shí)：AI 又進(jìn)入了一個(gè)高速發(fā)展的階段。

但硅谷出現(xiàn)了一個(gè)大轉(zhuǎn)彎，就是 AI 的核心衡量指標(biāo)，從「Scaling Law」變成了「Token 消耗量」。

今年最核心的敘事，就是 Token 消耗量在持續(xù)增長，而且增速驚人，比如七月就比六月增長了 20% 以上。這非常像移動(dòng)互聯(lián)網(wǎng)高速發(fā)展那幾年里，流量、留存等指標(biāo)的增長曲線。

在 Token 消耗加速的背景下，從最底層的 GPU，到模型，再到最上層的應(yīng)用，整個(gè)行業(yè)都有新的發(fā)展。

目前消耗 Token 最多的，還是 OpenAI、Anthropic、xAI 等幾家核心 AI Labs。再細(xì)分來看，增速最快的是這些 Labs 自有的應(yīng)用，比如 ChatGPT 的日活、使用時(shí)長都在上漲，其次是很多 ToC 的生產(chǎn)力工具。

曲凱：所以大家現(xiàn)在會(huì)越來越多地用大模型。但今年美國的模型并沒有明顯變聰明，GPT-5 的評價(jià)甚至還褒貶不一，為什么它還是有不錯(cuò)的增長？

莫傑麟：這背后有一個(gè)很重要的認(rèn)知迭代，就是大家對 AI 的預(yù)期發(fā)生了變化。

為什么大家從 24 年開始就一直很期待 GPT-5？

因?yàn)檫^去大家期待模型會(huì)不斷突破智能上限，實(shí)現(xiàn) AGI。

但從今年 1 月開始，大家更期待的是能在日常生活中用好現(xiàn)有智能，因?yàn)楝F(xiàn)有智能已經(jīng)解鎖了很多應(yīng)用場景，而且大家的需求也很強(qiáng)烈。B 端希望 AI 可以解放生產(chǎn)力、降本增效，C 端則希望 AI 可以替代搜索、輔助工作等等。

所以無論是 AI Labs、Infra 公司還是應(yīng)用公司，都在想辦法讓現(xiàn)有智能更可用，釋放更多需求，衡量指標(biāo)自然也就從 Scaling Law 轉(zhuǎn)向了 Token。

不過不同公司關(guān)注的截面不一樣，比如應(yīng)用端主要看 Token 的消耗量，Infra 端更關(guān)注 Token 的利用率和成本。

其實(shí)你每期播客我都有聽哈哈，我看你今年請了很多做 Infra 的創(chuàng)業(yè)者，他們做的事情就是讓 Token 響應(yīng)更快、更穩(wěn)定、更精細(xì)化，甚至是把成本降下來。

GPT-5 本質(zhì)上也在走這條路。它沒有試圖證明自己更聰明，而是把很多之前分散的模型能力、信息和前端界面都整合了起來，從而追求更好的可用性和易用性。

曲凱：所以 AI 已經(jīng)進(jìn)入應(yīng)用階段了？

莫傑麟：我覺得已經(jīng)過了應(yīng)用階段，到了逐步產(chǎn)業(yè)化、加快工業(yè)化的新階段了。

AI 完整進(jìn)入應(yīng)用階段的標(biāo)志是 Chatbot，最后一個(gè)關(guān)鍵更新是 Agent。

Agent 特別像移動(dòng)互聯(lián)網(wǎng)時(shí)代的 App，以前每個(gè)產(chǎn)品都需要一個(gè) App，現(xiàn)在每個(gè)場景可能都要有一個(gè) Agent。

但目前 Agent 的 Token 利用效率還不夠高。比如我們用 Manus，經(jīng)常發(fā)現(xiàn) credit 很快就用完了。

那為了讓 Agent 的使用體驗(yàn)更好，就需要去優(yōu)化 Infra，讓智能更好地落地。

曲凱：那如果大家不再講 Scaling Law，是不是意味著 AGI 不重要了，或者說實(shí)現(xiàn)不了了？

莫傑麟：這點(diǎn)很有意思。今年大家對模型和應(yīng)用的分工也形成了一個(gè)新共識(shí)。

模型的地位依然很強(qiáng)勢。并不是說模型智能不重要了，而是它必須被封裝進(jìn)商業(yè)環(huán)境，或者和 Infra 結(jié)合，成為一體化的解決方案，真正提供商業(yè)價(jià)值和產(chǎn)品價(jià)值。

在應(yīng)用層面，過去大家常常爭論套殼有沒有價(jià)值。但隨著 RL 范式的發(fā)展，大家逐漸發(fā)現(xiàn)目前可被驗(yàn)證的使用場景并不多，所以現(xiàn)階段更實(shí)際的做法是先通過產(chǎn)品讓用戶把模型用起來。比如 Manus 提出的 Context Engineering，就是一個(gè)從產(chǎn)品層面找到的切口。越來越多的人也認(rèn)識(shí)到，context layer、agentic layer 本身也很有價(jià)值。

所以今年不同位置的玩家都會(huì)以 Token 消耗量為主軸去做事，各有分工。模型公司要讓 Token 本身更有價(jià)值，Infra 公司要讓 Token 的使用更快、更好、更省，而應(yīng)用公司則會(huì)想辦法讓消耗出去的 Token 換回更多的數(shù)據(jù)反饋。

曲凱：但如果模型公司不再把精力放在 AGI 上，而轉(zhuǎn)向整合和應(yīng)用，這是不是一種不太健康的趨勢？

一方面，應(yīng)用端已經(jīng)卷得厲害了。就拿 AI Coding 來說，美國甚至卷得比國內(nèi)還狠。如果模型公司也下場，豈不是更卷？不過可能有 PMF 的事情還是太少了，大家看到一個(gè)能跑通的事情，不去做也不太現(xiàn)實(shí)。

另一方面，之前 OpenAI 之類的公司專注于提升智能，每次智能有突破，就會(huì)解鎖更多能力，催生一批新的套殼公司。但如果今天模型公司不再追求智能提升，而是把有 PMF 的事情順手做掉，那好像模型和應(yīng)用之間的分工反而變模糊了？

莫傑麟：我覺得這反映了一個(gè)很有趣的變化，就是今天的公司和過去的公司不太一樣。

以前我們習(xí)慣用一句話來定義一家公司，比如字節(jié)就是「App 工廠」。到了 AI 這波，大家也有這種慣性，想用一句話去定義各種公司，比如 Google 就是「有很強(qiáng)的技術(shù)人才儲(chǔ)備」。

但在 AI 時(shí)代，技術(shù)和產(chǎn)品是可以逐步融合的，可能就沒必要把分工劃得特別清楚。

能融合到什么程度還不好說，但從邏輯上來說，應(yīng)用可以提供一部分?jǐn)?shù)據(jù)給模型，所以一些有企圖心的公司一定會(huì)嘗試既做模型，也做產(chǎn)品，甚至順帶做一些 Infra，把整個(gè)鏈條端到端地打通。

我們也確實(shí)能看到，今年 OpenAI 招了不少創(chuàng)業(yè)公司的 founder 進(jìn)來做產(chǎn)品，Google 在應(yīng)用端的發(fā)力也越來越快；Manus 本身就在做一些技術(shù)工作，Cursor 也開始訓(xùn)練自己的模型。

所以說，今年不同 AI 公司之間的邊界變得很模糊。

曲凱：如果模型和應(yīng)用公司能夠互相促進(jìn)，形成平衡，長期看當(dāng)然是好事，但前提還是要看模型本身的能力能發(fā)展到什么程度。

比如 GPT-3.5 解鎖了聊天能力，才有了 C.AI 這類產(chǎn)品；模型具備了 RL 推理能力，就出現(xiàn)了一大批 Agent 公司。這也是為什么我們最近在看多模態(tài)，因?yàn)槿绻嗄B(tài)模型解鎖了新的能力，未來就可能涌現(xiàn)出多模態(tài)時(shí)代的 C.AI 和 Manus。

不過現(xiàn)在回看，其實(shí)當(dāng)時(shí) o1 出來之后，大家都覺得模型好像沒變得更聰明。

最近 GPT-5 發(fā)布，似乎大家也覺得它沒解鎖什么新能力。在你看來，GPT-5 有沒有什么被低估的地方？

莫傑麟：我覺得很有。

首先評估模型智能水平這件事的重要性已經(jīng)降低了。

今年 OpenAI、DeepMind 的模型已經(jīng)拿下了 IMO 金銀牌，說明我們其實(shí)已經(jīng)沒有太多合適的工具去評估模型的好壞了。

而且現(xiàn)在 AI 已經(jīng)進(jìn)入工業(yè)化和產(chǎn)業(yè)化的新階段，在這個(gè)階段，最關(guān)鍵的評估指標(biāo)就不是智能水平，而是成本，因?yàn)樵谛阅懿畈欢嗟那闆r下，只有足夠便宜，產(chǎn)業(yè)化才能加速。

另外，我覺得大家對模型的預(yù)期經(jīng)常和模型本身的能力有偏差。

比如當(dāng)時(shí)大家對 o1 的預(yù)期是它一下子能解決很多問題，但回頭看，大家當(dāng)時(shí)并不知道它解鎖了什么能力，也不知道該怎么準(zhǔn)確評估。后來大家才慢慢意識(shí)到，RL 范式在產(chǎn)品上最直觀的體現(xiàn)，是模型更懂你、情商更高，降低了用戶寫 prompt 的門檻。

那么我個(gè)人認(rèn)為，GPT-5 是一個(gè)非常重要的轉(zhuǎn)折點(diǎn)。它標(biāo)志著大家對 AGI 的預(yù)期被大幅修正，接下來拼的就是全棧能力和效率。

GPT-5 依然是一個(gè)不錯(cuò)的可用的模型，更關(guān)鍵的是它把模型拆分成了 Instant、Thinking 等不同模式，從而能夠分開計(jì)價(jià)。從商業(yè)模式上看，GPT-5 已經(jīng)明顯進(jìn)入了加速產(chǎn)業(yè)化的階段。

曲凱：但這豈不是進(jìn)入了國內(nèi)創(chuàng)業(yè)者的舒適區(qū)？假設(shè)大家都開始拼整合、拼 Infra、拼工程，那 DeepSeek 不會(huì)比 ChatGPT 差，甚至可能更好。

莫傑麟：邏輯上是這樣。

因?yàn)槟Ｐ痛_實(shí)進(jìn)入了一個(gè)瓶頸期。除非 Thinking Machines 能帶來新的架構(gòu)創(chuàng)新，否則大家基本已經(jīng)接受模型架構(gòu)就是這樣了，智能提升主要來自各個(gè)環(huán)節(jié)擠出來的增量。

不過各個(gè)環(huán)節(jié)的增量疊加起來，依然有幾十個(gè)百分點(diǎn)的提升空間，也還有圍繞 Infra 的創(chuàng)新余地，所以今年幾家 AI Labs 在 ASIC 上的研發(fā)速度都加快了，都在圍繞 Infra 下功夫。

曲凱：對，我們剛跟亦博錄完一期，和他聊完我才意識(shí)到，原來現(xiàn)在 Infra 這么重要、對模型的影響這么大。

比如之前大家都在討論 DeepSeek 為什么這么強(qiáng)，亦博給出了一個(gè)特別好的答案，就是因?yàn)?DeepSeek 的 Infra 足夠強(qiáng)、梁文鋒本人也特別懂 Infra。

莫傑麟：我聽了那期播客，我覺得亦博講得非常好。Infra 的作用其實(shí)很直觀，但做 Infra 優(yōu)化的人還不多。

在我的理解里，Infra 優(yōu)化可以拆成四層：

第一層是模型和 GPU 之間的優(yōu)化，也就是怎么把卡用好。我理解 DeepSeek 就是在這一層做得特別好。

第二層是模型和應(yīng)用之間的優(yōu)化，現(xiàn)在主要體現(xiàn)為推理加速。以前模型公司會(huì)順手把這件事做了，但今年有了一些初創(chuàng)公司的機(jī)會(huì)。因?yàn)?Anthropic 不再給 Windsurf 提供 API 之后，很多應(yīng)用公司不想只綁定一家模型，而是會(huì)去找 Together AI 和 Fireworks 這樣的中間商，然后順便讓它們幫忙做推理優(yōu)化。不過推理加速的技術(shù)壁壘不高，很多東西還是開源的，所以這一層的毛利空間還存在爭議。

第三層是純應(yīng)用層的 Agentic Infra。像 、在你們播客里提到過的就屬于這一層。這一層做得好不好，會(huì)直接決定用戶體驗(yàn)。比如你給 Manus 一個(gè)任務(wù)，它是只能跟你對話，還是能在前端直接調(diào)動(dòng)一個(gè)優(yōu)化好的模型幫你做事，用戶感知差別會(huì)很大，消耗的 Token 也會(huì)完全不同。

第四層就是 context 層的 Infra。Manus CTO Peak 提到的 Context Engineering，講的就是這一層的事。

曲凱：明白。所以未來一段時(shí)間里，模型會(huì)把更多東西整合起來，既包括已經(jīng)驗(yàn)證過 PMF 的應(yīng)用，也包括能優(yōu)化 Token 消耗的 Infra。

在這個(gè)前提下，我自然會(huì)有個(gè)疑問：

為什么英偉達(dá)和一些 AI 公司還能漲得這么好？尤其是英偉達(dá)，它上一波大漲主要是靠 Scaling Law，現(xiàn)在大家都不講 Scaling Law 了，為什么它還在漲？

莫傑麟：英偉達(dá)漲得好的核心原因，就是 Token 消耗量一直在增長。

英偉達(dá)的需求主要分兩部分。一部分來自模型訓(xùn)練，尤其是 pre-training。這類需求有周期性，當(dāng)模型或架構(gòu)穩(wěn)定后，訓(xùn)練用卡需求會(huì)下降。另一部分則是推理需求，來自用戶的使用過程。這兩種需求此消彼長，前者對應(yīng) Scaling Law 的邏輯，后者則對應(yīng) Token 消耗的邏輯。

現(xiàn)在 Token 的消耗越來越多，大家看到 RL 的進(jìn)展、Meta 大規(guī)模招人后，對 pre-training 的需求也在回升。再加上英偉達(dá)在軟件和售后服務(wù)上的優(yōu)勢，很多公司更愿意一站式地用他們的 GPU。各種利好因素疊加，英偉達(dá)自然還是會(huì)有不錯(cuò)的漲勢。

但今年一些 ASIC 廠商，包括 AMD 的股價(jià)也表現(xiàn)亮眼。

這說明什么呢？

說明雖然英偉達(dá)依然強(qiáng)勢，但市場和公司已經(jīng)在思考怎么「節(jié)流」了。比如一些大公司會(huì)考慮在推理環(huán)節(jié)用 ASIC 或 AMD 來降低成本。而國內(nèi)因?yàn)殚L期有卡脖子的問題，更是早已有不少替代方案。

這里面其實(shí)有一個(gè)賺錢的密碼，就是大家只要解鎖了 Infra 的變化趨勢，可能就會(huì)在其中找到機(jī)會(huì)。今年很多英偉達(dá)產(chǎn)業(yè)鏈公司的漲幅甚至超過英偉達(dá)本身，就是因?yàn)樗鼈兪窃?Infra 層做優(yōu)化。

曲凱：你前面講過 Infra 優(yōu)化有四層，現(xiàn)在最核心的是哪一層？

莫傑麟：最核心的還是最底層，因?yàn)榭ǖ膬r(jià)格依舊決定了所有事情的走向。但英偉達(dá)實(shí)在做得太好了，所以這一層的優(yōu)化會(huì)是一個(gè)長期趨勢，不會(huì)特別快。

曲凱：但像你說的，國外 AMD 等公司，國內(nèi)的寒武紀(jì)、光模塊企業(yè)也都漲得很好。那這個(gè)漲勢能延續(xù)多久？

莫傑麟：邏輯上的延續(xù)性很強(qiáng)。大家都希望降本，也希望英偉達(dá)多幾個(gè)競爭對手，至少在推理端有更多替代方案。

但關(guān)鍵還是要看個(gè)體公司能不能真的交付出東西來。硬件需要訂單、預(yù)期和交付能力同時(shí)到位。在沒到這個(gè)合力點(diǎn)之前，就算需求和預(yù)期再高也沒用。

Infra 層還有一個(gè)很有意思的看點(diǎn)，就是推理加速這種事情，到底是第三方公司的機(jī)會(huì)，還是模型公司、應(yīng)用公司自己就能做掉。

曲凱：但這個(gè)短期內(nèi)應(yīng)該很難看出來，相當(dāng)長一段時(shí)間可能都會(huì)并行。

莫傑麟：是。不過這其中有一個(gè)轉(zhuǎn)折點(diǎn)，就是現(xiàn)在該出現(xiàn)的 Infra 公司基本都出現(xiàn)了。所以我們也在觀察這批公司里會(huì)不會(huì)長出下一個(gè) Snowflake，或者出現(xiàn)一個(gè)嵌在 Palantir 里的 Snowflake。

曲凱：明白。你們今年還有看到什么比較有意思的應(yīng)用嗎？

莫傑麟：今年有兩個(gè)點(diǎn)讓我印象很深。

第一，RL 范式出來之后出現(xiàn)了一些變化。

一方面大家逐漸認(rèn)識(shí)到，能給出準(zhǔn)確 reward 的場景其實(shí)很有限，所以都爭相去做 Coding、數(shù)學(xué)這些能明確驗(yàn)證效果的場景。

另一方面，大家也意識(shí)到很多場景依然需要人的介入，所以一些垂類公司發(fā)展得還不錯(cuò)，比如法律領(lǐng)域的 Harvey AI 就做到了很高的 ARR，醫(yī)療、金融、保險(xiǎn)等領(lǐng)域也都出現(xiàn)了找到 PMF 的團(tuán)隊(duì)。這些團(tuán)隊(duì)借助模型去解決了一些行業(yè) workflow、專用語言和使用環(huán)境等問題，真的把智能用了起來。

第二個(gè)亮點(diǎn)來自國內(nèi)創(chuàng)業(yè)者。今年有一些國內(nèi)團(tuán)隊(duì)解決了一部分模型和 context 之間的 Infra 問題，并且率先找到了場景，讓消費(fèi)者直接感受到了智能。比較有代表性的產(chǎn)品包括 Manus 、Genspark、Fellou 等等。

曲凱：今年美國二級市場上還有一些挺有意思的公司，比如 Meta 最近就超級火。你們最關(guān)注的幾個(gè)點(diǎn)是什么？

莫傑麟：Google 和 Meta 這兩家公司很值得研究。

Google 最值得研究的課題，是組織模式和技術(shù)儲(chǔ)備等要素，究竟哪一個(gè)對 AI 發(fā)展來說更關(guān)鍵。因?yàn)榇蠹乙恢闭J(rèn)為 Google 有很強(qiáng)的全棧技術(shù)能力，但協(xié)作效率有問題。然而，Google 今年在文字模型、視頻模型和機(jī)器人上都有所進(jìn)展，依然能穩(wěn)居行業(yè)前二。

這個(gè)課題很難回答，或許更適合國內(nèi)的企業(yè)家去思考。因?yàn)樗麄兘?jīng)歷過類似的大規(guī)模競爭，更容易理解什么才是決定性因素。他們也可以判斷，如果 Google 真的能夠改變組織模式，是不是有機(jī)會(huì)創(chuàng)造出更厲害的新東西？

Google 的問題和 Meta 也有所呼應(yīng)。

Meta 當(dāng)下爭議最大的課題，就是砸錢招人到底有沒有用。一部分人認(rèn)為臨時(shí)拼湊的團(tuán)隊(duì)缺少統(tǒng)一愿景，很難做出下一代模型。但另一部分人會(huì)覺得，Meta 招的人幾乎都是各個(gè) Lab 的頂尖專家，而且很多人都擁有豐富的一線工程經(jīng)驗(yàn)。

曲凱：甚至很多人還有上鏡經(jīng)驗(yàn)，比如上過 OpenAI 的發(fā)布會(huì)（笑）。

莫傑麟：是的哈哈。所以這兩個(gè)課題都非常有意思。

把它們放在一起看，可以看出一個(gè)趨勢，就是大家今年的 FOMO 情緒不僅沒有減弱，反而更強(qiáng)了。折射到行動(dòng)上，就是各個(gè)公司從 23 年的「搶卡」，演變成了今年的「搶人」。

曲凱：但我覺得大家本來還好，好像是 Meta 靠一己之力把 FOMO 又帶了起來。

莫傑麟：但是國內(nèi)騰訊也在做類似的事。美國除了 Meta、Google，這半年里微軟，甚至 ServiceNow 這樣的公司，招聘動(dòng)作也都很夸張。

至于為什么會(huì)這樣，不同的人有不同的視角。

曲凱：所以你的視角是什么？

莫傑麟：我覺得是因?yàn)?AI 真的離產(chǎn)業(yè)化越來越近了。

我經(jīng)常開玩笑說，現(xiàn)在的 AI 很像當(dāng)年的移動(dòng)互聯(lián)網(wǎng)地推。過去靠地推把線下用戶拉到線上，今天則靠 AI 把用戶帶進(jìn)全新的場景。

所以那些有場景、有能力的公司，會(huì)更真切地感受到 AI 不是遙不可及的 AGI，而是能和自己的商業(yè)場景結(jié)合、貼近產(chǎn)業(yè)化的實(shí)在創(chuàng)新，那他們就會(huì)更堅(jiān)定地去做判斷和動(dòng)作。

曲凱：明白。前面我們聊到，Token 消耗的敘事仍然帶動(dòng)了很多二級市場股票的增長。在我們錄音的這兩天里，國內(nèi)也進(jìn)入了一波牛市。那你覺得未來一段時(shí)間，二級市場的反饋會(huì)有什么變化？

莫傑麟：中美二級市場目前表面走勢類似，但驅(qū)動(dòng)邏輯完全不同。

AI 對美國整體景氣度的影響占到三分之二以上，因?yàn)樗鼪Q定了美國能不能在科技生產(chǎn)力上繼續(xù)保持領(lǐng)先，進(jìn)而影響各個(gè)產(chǎn)業(yè)的落地。

所以美股的走勢相對更好判斷，本質(zhì)上取決于大家對 AI 發(fā)展的預(yù)期。過程中當(dāng)然會(huì)有各種干擾和顛簸，但只要市場相信美國 AI 能持續(xù)領(lǐng)先，產(chǎn)業(yè)化、工業(yè)化在不斷加速，那美股整體還是一個(gè)偏向上的局面。

中國這邊則更復(fù)雜。

AI 對中國也很重要，但沒有美國那樣的決定性地位，因?yàn)橹袊暧^經(jīng)濟(jì)和二級市場情緒，受居民存款、投資意愿、風(fēng)險(xiǎn)偏好、制造業(yè)周期等多重因素影響，所以 A 股的表現(xiàn)更多反映的是大家心理預(yù)期和風(fēng)險(xiǎn)偏好的變化。

曲凱：我們先講美國。我記得你提過一句話，說「AI 是美國所有資產(chǎn)里唯一的泡沫」。

莫傑麟：我現(xiàn)在依然這么認(rèn)為。但這里的「泡沫」不是貶義，不是說 AI 是騙局、沒有發(fā)展前景，而是說它的估值確實(shí)偏高。

曲凱：那比如之前英偉達(dá)到 3 萬億市值時(shí)，大家核心在驗(yàn)證的是模型能力能不能持續(xù)提升、Scaling Law 是否依舊有效。

現(xiàn)在有沒有類似的待驗(yàn)證點(diǎn)，一旦被證偽，就會(huì)讓市場的泡沫破掉？

莫傑麟：有兩件事特別關(guān)鍵。

第一，Meta 為什么在這個(gè)時(shí)間點(diǎn)花這么多資源組建這樣一個(gè)團(tuán)隊(duì)，以及他們能不能在 6 到 12 個(gè)月內(nèi)做出更好的模型。

第二，會(huì)不會(huì)出現(xiàn)一些能穩(wěn)定消耗 Token 的應(yīng)用或場景。

美國現(xiàn)在有個(gè)詞叫 Vibe Revenue，意思是用戶知道 AI 有用，但并不清楚到底能用它干什么，所以現(xiàn)在很多產(chǎn)品的收入其實(shí)來自于用戶過高的預(yù)期，甚至是跟風(fēng)。

曲凱：所以你覺得以英偉達(dá)為代表的這些 AI 的 Beta，在美國二級市場會(huì)繼續(xù)漲嗎？

莫傑麟：會(huì)有波動(dòng)。但在 Meta 推出新模型，或者發(fā)現(xiàn) AI 沒有真需求（如果那一天真會(huì)到來）之前，大趨勢還是順的。

曲凱：但國內(nèi)二級市場的 AI 表達(dá)，更多還停留在芯片、Infra 上，比如寒武紀(jì)、英偉達(dá)的產(chǎn)業(yè)鏈公司等等。國內(nèi)好像就沒有 Meta、Google、微軟這樣的標(biāo)的。

莫傑麟：其實(shí)有。

一開始大家認(rèn)為最原生的 AI 公司是 DeepSeek 和字節(jié)，但這兩家都沒上市。今年大家找到的新標(biāo)的是騰訊，過程中一度是阿里，但因?yàn)榻衲牝v訊在 AI 上的努力程度和戰(zhàn)略高度都強(qiáng)了很多，所以騰訊今年的股價(jià)也很順。

曲凱：其實(shí)就還是大廠邏輯。只要一個(gè)大廠花錢了、讓大家感覺到它在努力了，就會(huì)被列入到這類故事里面。

莫傑麟：也要看它有沒有實(shí)質(zhì)性進(jìn)展。

其實(shí)這波 AI 的估值邏輯和移動(dòng)互聯(lián)網(wǎng)完全不同。移動(dòng)互聯(lián)網(wǎng)時(shí)代大家看的是 PMF、市場占有率和留存率這些指標(biāo)。

但現(xiàn)在大家的商業(yè)和投研能力強(qiáng)了很多，不再只盯著現(xiàn)成的數(shù)據(jù)，而是會(huì)預(yù)判這項(xiàng)技術(shù)重不重要、這些人的執(zhí)行力和視野是不是對的、這家公司是不是在正確的路徑上等等。只要你的業(yè)務(wù)基礎(chǔ)是健康的，市場就愿意給你希望。

這套邏輯今年在 Meta 和騰訊身上都得到了驗(yàn)證。

曲凱：所以這波 A 股到底是不是牛市？該怎么判斷？

莫傑麟：這件事我相信誰講都容易被打臉（笑）。

二級市場本質(zhì)上是預(yù)期的投射。比如科技在美國市場之所以特別關(guān)鍵，是因?yàn)樗碇环N長存的預(yù)期，而且科技的毛利率也很高。

我記得 24 年初，我們錄過一期關(guān)于樂觀的播客。當(dāng)時(shí)市場環(huán)境很悲觀，但我們身邊的創(chuàng)業(yè)者和大廠負(fù)責(zé)人并沒有躺平，而是在積極向上、扎扎實(shí)實(shí)地做事。

到了今年，這批人真的找到了能比全球同行做得更好的事情，比如泡泡瑪特、生物醫(yī)藥等等。

所以，從 24 年初到現(xiàn)在，我觀察到的最大變化，就是 AI 已經(jīng)從少數(shù)人相信的愿景，變成了真正落地的好產(chǎn)品，比如 DeepSeek、Manus、Genspark 等等。

那么牛市需要兩個(gè)要素，一是要有一批優(yōu)質(zhì)公司能持續(xù)輸出業(yè)績，這一點(diǎn)從去年開始中國市場就具備了。二是市場的風(fēng)險(xiǎn)偏好在提高。要具備這一點(diǎn)，就需要市場能有正反饋，也就是大家能真正賺到錢。

曲凱：你發(fā)給我的那張有人拄著拐也要開戶的照片，其實(shí)就印證了第二點(diǎn)哈哈。

莫傑麟：是的。其實(shí)這波波動(dòng)里一個(gè)很重要的群體就是散戶。

現(xiàn)在的散戶和過去相比，手里有更好的投研工具，也能接觸到更優(yōu)質(zhì)的信息。不論他們的判斷對不對，研究散戶本身也很有價(jià)值。

美國最優(yōu)秀的投資機(jī)構(gòu)是平臺(tái)型資產(chǎn)，靠高周轉(zhuǎn)獲取收益。如果市場里全是高周轉(zhuǎn)資金，或者全是跟隨型量化，要形成牛市反而更難，因?yàn)橘Y金都在博弈。

相比之下，散戶往往更團(tuán)結(jié)，尤其是高知散戶，對一家公司會(huì)有更堅(jiān)定的認(rèn)知。比如特斯拉和 Palantir 就是典型的由散戶推動(dòng)起來的公司。

曲凱：但這跟很多人的認(rèn)知是反的。很多人說國內(nèi)市場波動(dòng)大，正是因?yàn)樯粽急忍?，缺少長線資金，而美股機(jī)構(gòu)資金占比高，所以更穩(wěn)定。

莫傑麟：但這兩年的二級市場和以前已經(jīng)完全不同了。

確實(shí)，美國的長線資金占比很高，但這類資金周轉(zhuǎn)非常慢，不會(huì)引發(fā) 6 到 12 個(gè)月周期的劇烈波動(dòng)?，F(xiàn)在市場的波動(dòng)，通常是由機(jī)構(gòu)、量化資金加上散戶共同引起的。

不過，就像我前面說的，機(jī)構(gòu)和量化資金大多是跟隨型、博弈型，其中六七成都不夠團(tuán)結(jié)。他們會(huì)緊盯別人的預(yù)期，一旦判斷這個(gè)預(yù)期有誤，就會(huì)立刻進(jìn)行反向交易。

而散戶通常不會(huì)有太多博弈性動(dòng)作。而且在美股這種「熊短牛長」的環(huán)境里，散戶更容易形成自己的投研體系，并通過正反饋不斷完善。比如，有人因?yàn)榭春糜ミ_(dá)或特斯拉而賺到錢，就會(huì)逐漸形成一套自己的投資方法論。

所以這些散戶對股票的選擇很有借鑒價(jià)值。

以 Palantir 為例，我們一開始看好它只是因?yàn)橛唵纬渥?，但如今它已?jīng)被推到了百倍以上的估值。這背后既有基本面的支撐，也有散戶的貢獻(xiàn)。

再回到 A 股是不是真牛市這個(gè)問題。我個(gè)人相對偏樂觀，但這其中有一個(gè)重要的變量，就是中國的個(gè)人投資者，尤其是那些平均股齡二十年的老股民會(huì)怎么做。

A 股的牛市相對較短，熊市更長，散戶很難建立穩(wěn)定的反饋系統(tǒng)，往往剛做對一些事，市場就轉(zhuǎn)向了。但老股民們即使不炒美股，可能也從美股中學(xué)到了不少東西。如果他們能把這些經(jīng)驗(yàn)移植到 A 股，或許會(huì)帶來很有意思的變化。

曲凱：這段很有意思。確實(shí)，A 股沒有長牛，所以很難形成真正的正反饋閉環(huán)，大家更多還是一種猥瑣發(fā)育或競合關(guān)系的循環(huán)。

然后過去兩年，美股 AI 板塊表現(xiàn)最好的，基本還是那幾只大票。你覺得未來會(huì)有什么變化？

莫傑麟：我們把模型和算力統(tǒng)稱為 Infra。過去一段時(shí)間，市場一直在嘗試從 Infra 切換到軟件。因?yàn)榇蠹业募∪庥洃浭钱?dāng) Infra 成熟之后，軟件應(yīng)用里應(yīng)該會(huì)跑出一個(gè)大牛股。

但過去兩年市場一直沒太切過去，因?yàn)榇蠹野l(fā)現(xiàn)還是 Infra 公司手里有數(shù)據(jù)、有 demo、有頂尖人才，所以大部分交易熱情還是集中在 Infra 上。最多是大家看完英偉達(dá)，再去看看它的產(chǎn)業(yè)鏈、投資標(biāo)的，或者更便宜的芯片替代方案。

不過今年出現(xiàn)了一些值得關(guān)注的應(yīng)用公司。

第一個(gè)是 Reddit。它有點(diǎn)像美國版的知乎 + 小紅書 + B 站，而且沒有被過度商業(yè)化，社區(qū)數(shù)據(jù)質(zhì)量很高?，F(xiàn)在 ChatGPT 就在高頻使用 Reddit 的數(shù)據(jù)。我最近也經(jīng)常在想，如果知乎或小紅書本身也有很強(qiáng)的 AI 團(tuán)隊(duì)，會(huì)做出什么樣的產(chǎn)品？

第二個(gè)是 ServiceNow。這家公司會(huì)幫企業(yè)梳理 Workflow，然后把能固化的部分做成軟件交付。雖然起步慢，但他們憑借著強(qiáng)大的交付能力和工程能力，逐漸占領(lǐng)了用戶心智，還拓展了一些 500 強(qiáng)客戶，拿到的軟件需求越來越多，現(xiàn)在的增長速度也快了起來。我很推薦想做美國 ToB 業(yè)務(wù)的創(chuàng)業(yè)者去研究一下 ServiceNow 的路徑。

第三個(gè)值得關(guān)注的公司是 Figma。當(dāng)年國內(nèi)研究 SaaS 時(shí)，大家都很有熱情地分析過一些 PLG 公司，比如 Figma、Notion 等等。這批公司如今幾乎都是 AI 的贏家，而且它們的打法也契合華人團(tuán)隊(duì)在增長上的優(yōu)勢。

不過，大家對 Figma 的評價(jià)非常兩極。一種聲音認(rèn)為它只是設(shè)計(jì)軟件，技術(shù)不夠先進(jìn)，容易被原生 AI 產(chǎn)品替代。

但在我看來，設(shè)計(jì)本身離 AGI 就還比較遠(yuǎn)，所以 Figma 最大的優(yōu)勢在于它的協(xié)作場景。實(shí)際上，用戶使用 Figma 的一大需求，是他們的設(shè)計(jì)師可能不在同一地點(diǎn)工作，所以需要通過 Figma 完成協(xié)作，甚至是制作一些模版。

另外，F(xiàn)igma 作為一個(gè)中生代公司，既有成熟的場景和資源，也有幾百億美元的市值作為人才和資本的保障。如果它能把 AI 真正融入?yún)f(xié)作場景，或許也能給其他幾百億、幾十億美元規(guī)模的公司提供一個(gè)參照。

曲凱：明白。二級市場我們已經(jīng)聊得很全了，美國一級市場有什么值得關(guān)注的嗎？

莫傑麟：今年美國一級市場最明顯的現(xiàn)象，就是模型公司的估值越來越夸張。

像 Thinking Machines，一上來就是上百億美元的估值，全明星團(tuán)隊(duì)加持。再比如 Scale AI 的收購，也進(jìn)一步強(qiáng)化了大家對模型產(chǎn)業(yè)的信心。

當(dāng)然，這些市場變動(dòng)背后的過程很復(fù)雜，不能只看結(jié)果。但它們反映出了一個(gè)大趨勢，就是 AI 的個(gè)體性極強(qiáng)，可能只有那 1% 最特別的團(tuán)隊(duì)，能拿到最多的錢。

而且確實(shí)有不少人通過二手份額，從 Scale AI、OpenAI 這樣的公司上賺到了錢，這種正反饋又進(jìn)一步加劇了市場對頂尖 AI 公司的追捧。

在我十幾年的從業(yè)生涯里，從沒見過第一梯隊(duì)和第二梯隊(duì)之間有這么大的估值差距。

我也很好奇，國內(nèi)今年的融資環(huán)境也是接近美國這種局面嗎？

曲凱：有類似的趨勢，也有不同點(diǎn)。

美國的一級市場的一個(gè)優(yōu)勢就是它有一個(gè)非常好的生態(tài)，也就是一個(gè)健康的閉環(huán)。而國內(nèi)一級市場缺乏這種生態(tài)，所以更多是單點(diǎn)擊破，最終只有少數(shù)幾家公司拿到最多的錢、賺到最多的錢，以及投中這幾家公司的少數(shù)機(jī)構(gòu)，也會(huì)賺到最多的錢。

然后最近一兩年，國內(nèi)一級市場有兩個(gè)明顯的變化。

第一，不可否認(rèn)的是整個(gè)市場在往下走。雖然中間有起伏，但拉長時(shí)間線看，過去兩三年和過去五年、十年相比，整體還是下行的。而且國內(nèi)一級市場越來越像一個(gè)偏職能型的部門。它不再是驅(qū)動(dòng)增長、帶來大增量的引擎，而是一種必備的基礎(chǔ)配置。

第二，兩極分化越來越嚴(yán)重。因?yàn)?DeepSeek 和 Manus 的大火，今年 AI 的熱度可能是去年的十倍，但從實(shí)際投資數(shù)量看，和往年差別不大，絕對沒有十倍那么多，不過被投中的公司可能真的能拿到十倍的資金。結(jié)果就是大家仍然想投最好的團(tuán)隊(duì)和公司，而且這種兩極分化的趨勢目前看起來還會(huì)繼續(xù)。

莫傑麟：最近美國一級市場還有一個(gè)很火的概念叫 Vibe Coding。Coding 成本越來越低，個(gè)體在早期驗(yàn)證 PMF 變得更容易、更便宜，所以很多原本做 VC 的人開始轉(zhuǎn)去做孵化器或加速器，去支持各種「一人公司」。國內(nèi)有類似的趨勢嗎？

曲凱：國內(nèi)有人在做類似的事，也有人在支持獨(dú)立開發(fā)者。

但我的看法可能和大多數(shù)人不太一樣。

AI 的確會(huì)讓未來公司的效率更高，需要的人更少，但這并不意味著會(huì)普遍出現(xiàn)「一人公司」。如果兩個(gè)人能把事做得更好，為什么一定要一個(gè)人？關(guān)鍵還是要看組織結(jié)構(gòu)和人效比，而不是執(zhí)著于概念。

另外，大家經(jīng)常會(huì)看到新聞?wù)f美國某個(gè)獨(dú)立開發(fā)者一年能賺幾百萬美金，但國內(nèi)這樣的例子很少。我覺得一方面是因?yàn)槊绹鷳B(tài)更完善，能變現(xiàn)的錢更多，另一方面是國內(nèi)很多獨(dú)立開發(fā)者工程和代碼能力很強(qiáng)，但在商業(yè)化和產(chǎn)品運(yùn)營上的經(jīng)驗(yàn)相對不足。

莫傑麟：我還有個(gè)好奇的問題。你接觸張?jiān)鹿狻⒉茉?、小紅他們這些創(chuàng)業(yè)者這么久，你覺得國內(nèi)創(chuàng)業(yè)者怎么看 AI？他們遇到的最大困難是什么？

曲凱：我們接觸的創(chuàng)業(yè)者狀態(tài)差不多，都是越來越相信 AI 的前景。

至于困難，首先模型的競合始終是個(gè)問題，就是怎么能更好地利用模型去做更好的產(chǎn)品，但又不會(huì)被模型的迭代吃掉。

第二是市場選擇。很多公司現(xiàn)在首選出海，因?yàn)榇蠹矣X得 AI 成本太高，只有付費(fèi)能力和意愿更強(qiáng)的市場才能覆蓋成本。

但我覺得很多人對國內(nèi)市場的悲觀都是感性判斷。如果你真正去拆解邏輯，會(huì)發(fā)現(xiàn)國內(nèi)市場完全可做。因?yàn)殚L遠(yuǎn)來看，國內(nèi) Token 成本有可能降到接近零。到那個(gè)時(shí)候，大家完全可以重走移動(dòng)互聯(lián)網(wǎng)的路徑，比如做大 DAU 的產(chǎn)品，靠廣告賺錢，或者做社交產(chǎn)品等等。

所以中長期來看，我認(rèn)為國內(nèi)市場仍然有機(jī)會(huì)。

莫傑麟：我還有最后一個(gè)問題。我發(fā)現(xiàn)今年視頻消耗 Token 的增速非?？?，不僅增速遠(yuǎn)高于文字，絕對數(shù)量也很高。我們一直在研究，到底是哪些應(yīng)用在拉動(dòng)這波消耗。你有看到什么有意思的應(yīng)用嗎？

曲凱：我們今年年初發(fā)過一篇，其中的各種預(yù)測都在逐步被驗(yàn)證。

我們在文章中提到過，今年的兩大重點(diǎn)就是 Agent 和多模態(tài)。Agent 那波已經(jīng)過去，接下來就是多模態(tài)，而多模態(tài)里最突出的就是視頻。

不過，目前大多數(shù) AI 視頻產(chǎn)品還停留在特效、剪輯，或者圖片轉(zhuǎn)視頻階段。這些方向雖然可能會(huì)消耗很多 Token，但還稱不上是真正的多模態(tài)原生應(yīng)用。

我們真正期待的，是當(dāng)像 Veo3 這樣的模型變得更好、更便宜時(shí)，會(huì)不會(huì)出現(xiàn)類似 Manus 的現(xiàn)象級產(chǎn)品。它也許是一個(gè)多模態(tài)原生的內(nèi)容社區(qū)，也許是一個(gè)多模態(tài)推理產(chǎn)品，甚至可能是類似世界模型的探索性應(yīng)用。

一旦這樣的產(chǎn)品出現(xiàn)，可能就又會(huì)帶動(dòng)一波長達(dá)半年甚至更久的浪潮。

【莫傑麟 @ 42章經(jīng)文字稿 & 播客回顧】

2025.3《世界怎么就「東升西落」了？聊聊二級市場與 DeepSeek+Manus 的熱潮》 （）

2024.7《上半年 AI 市場有多差？為什么機(jī)構(gòu)出手這么少？》（）

2024.3《英偉達(dá)、Sora 與 AI 的三種核心敘事邏輯》（播客傳送門：https://www.xiaoyuzhoufm.com/episode/65e34a65da891a9cd9bf90f2）

2023.12《為什么我們開始樂觀？關(guān)于經(jīng)濟(jì)發(fā)展的明線暗線、AI 與最佳實(shí)踐》（播客傳送門： https://www.xiaoyuzhoufm.com/episode/656aeffd0500be931c4eb099）

最后，莫傑麟團(tuán)隊(duì)最近在做一個(gè)叫 WhatIf 的項(xiàng)目，希望把更多投研經(jīng)驗(yàn)與 AI 實(shí)踐結(jié)合起來。他們定期組織商業(yè)和投資的 Panel 討論，如果你對中國和美國 AI 基礎(chǔ)設(shè)施和應(yīng)用公司研究有持續(xù)穩(wěn)定的視角，且對宏觀/二級市場策略感興趣，可以在公眾號「WhatIf Ideas」中提交注冊信息，通過后加入討論日歷名單。

42章經(jīng)

思考事物本質(zhì)