141. Freda的投资札记第2集：Tokenmaxxing、把电机塞进蒸汽机、接力赛变篮球赛、孤独、人的连接

(音樂) 哈囉大家好 我是小俊 今天是我們的系列節目 Frieda的投資炸技第二集 可能有聽眾是第一次聽我們的節目 那我還是來介紹一下 Frieda斷在灣區做投資 是LTM的Kapetode的合夥人 這是一個歸古科技基金 很誇一二集市場 在一起市場的投資 在網站裡有OPEN AI and DRAPIC 字節跳動 在二集市場的投資 有因為達存儲新片 Snowflake Robin Hood 那在Frieda的投資炸技第一集 也就是我們的第125集節目中 他曾經深入的分析了 當下美國的明星公司 給他們的巨額收入算了算帳 探討了美國資本的新式續續 以及當時大家都很關注的泡沫化體 那可以預告一下的是 在本集節目中 我們除了一如既往的了 AI和投資這些很乾的內容之外 比如說Token Maxi AI時代的組織架構 我們還會來一些很感興的東西 尤其在充滿了不確定性 每個人都很焦慮和孤獨的時代 任何人的關係還是很下什麼 接下來就是我對Frieda的訪談 起來2016年 我們和AI共同進步 實話說就是很焦慮 所以你也會覺得自己根不上對吧 對 我其實比如說幾位之前 有一天我深夜因為在家裝不上 OpenCut我真的是痛苦 就說說還讓搞笑 但當時就是你一個東西裝不上 你就會想說我連這個都裝不上 我什麼都跟不上 是不是要為時代淘汰了 那你覺得人和人之間還剩下什麼 人和人之間 那我們今天邀請的是 在官區做投資 也是我們之前125級的嘉賓Frieda來翻唱 那Frieda還是先給聽眾朋友們檔個招呼 A大家好 因為謝謝小君邀請 那開始我不是很想跟你從我們熟悉的 規股預算加這些模型公司開始聊 我們先聊一個 在AI時代新出來的一個技能單位就是Token 那現在大家都在講 Token公司的收入 Token的消耗 但是Token這件事的本質應該這麼理解 我覺得這幾年因為AI出來 所以出了其實是有極客這樣單位吧 包括大家經常說的叫Doller per Flop 包括Doller per Wild 包括你剛才聽到Doller per Token 那現在用的更多的是Doller per Token 讓它比較的是相當於是實際業務的回報 我覺得一個比較明顯的趨勢就是 我覺得到未來當我們去看一下公司 會去比較一些公司的時候 應該都會去看Doller per Token 我會把它想成為就是工業時代的 大家看Doller per Kilova hours 就是一個千把十的一個概念 比較的是能耗產出比例 但同時其實我也寫過一些文章 然後我非常想說的就是 我覺得Token其實也是一個非常容易誤導人的這麼一個單位 因為這裡面最重要的就是Token per Task 就是說你同樣一個任務不同的模型 或者說不同的應用 消耗的Token可能差幾十倍升級上百倍 我覺得這個理解是非常重要的 這是為什麼呀 其實原因非常多 我覺得一個就是輸出的長度可以差很多 比如你同樣去有一個做Code的這麼一個任務 比較好的模型可能有個一兩百行 非常精便的代碼就寫完了 你便宜一點可能弱一點的模型 需要寫幾千行非常多所的代碼 你表面上看這兩邊的任務都是完成了 但是其實你消耗的Token是完全不是一個兩級 然後這個裡面還有一些 像大家都說的這個什麼一些比較隱藏 叫什麼Reasoning Token 很多模型在回答之前會做大量的中間的推理 你這部分用戶是看不到的 但它實際上不同的模型會消耗 非常不一樣這個數量的這個Code Token 第三就是現在大家說的比如說一些什麼 Gente的這個WolfLow它本身就會像一個放大氣一樣 更加放大幾個Token的消耗 所以就真的是同一個任務 不同模型的這個Token消耗量是可以差非常非常多的 嗯 這是不是解釋了 為什麼有些Token的用量特別大 那Token的消耗是越多越好呢 這個肯定不是越多越好 而且我覺得其實是反過來的 因為最終大家會意識到你要的其實是你的效果 以及你追求達到這個效果 能達到最高的這個效率 比如說我舉一個身邊的這些DVLPR 都說了一個反饋的例子 像Cursor這個Code模型 你問他同一個問題 他就是會消耗更多的Token 那他並不是說他的效果更好 而是說同樣的效果 這下他的這個能效是更低的 但是如果我想想一下 如果我是一個大公司的這個CFO 我給我的這些DVLPR一些Cursor的Credit 然後我能看到的其實就只是Cursor的使用量是在爆針的 然後我就會推斷說 澳原公是非常喜歡用的 然後也能看到一些這個 對吧 原公生產效率的提升 那我作為這個CFO 那我的結論就是說 我要繼續加單 我覺得這個是一個 行業在相對比較早期的這麼一個現象 我覺得是大家還沒有真的理解到 就是Token和Token不是一回事 就是這個事實 那所謂Token大爆釗會不會自然的消停 因為畢竟模型會變得越來越的高效 我覺得沒有那麼容易去直接回答說 是或者不是 就是這個裡面 如果我們比較 就是Gadammic可能會有這麼一個 比較學術化的這麼一個公式 就是AI的總投入 實際上是可以拆除分為幾個Input的 那其中第一就是你有多少 用戶然後去用這個去成立 每個用戶完成多少個Task 然後再成立Token perTask 然後再成立你的 Doller perToken的這麼一個概念 其中前兩項就是用戶數 和每個用戶的任務的量 肯定會繼續大幅增長的 你從程序員如果說破圈到普通的白臉 去用AI其實是一個非常大的一波用戶破圈 比如說像Antropa有一個產品叫Cowork Cowork是一個給像我這樣的普通人 去用的一個產品 Cowork我們看到在他同等的規模量級的時候 他的增長的協率實際上是比 就是Cowco當時還是要抖翹很多的 所以就是前兩項 也就是用戶數和每個用戶的任務數 我覺得是沒有什麼可說的 是一定會繼續增長而且大幅增長的 然後當時後兩個 我覺得都會是有優化的 因為現在整個這個狀態 你看大家都去 都去說我用多少個Token 然後一級多少多少錢 我覺得這個狀態本身 其實是不太正常的 你覺得這個未來會怎麼演變 我覺得可能還是插一插 看打比如說Token per task 就像我們剛剛講的 我覺得是最有效率的模型 其實OverTime是會越來越大家認可 然後Dollar perToken這個裡面 也有一些變化和一些具體的理解 比如說像Antropa with Opus這個模型 它名義上的這個售價是 5塊錢 per million的Input Token 然後是25刀的Permillian Opus Token 但是根據行業的第三項的分析 它實際上的售費其實只有一塊錢 就是因為它的做緩存 做Cash的民眾力其實非常的高 可能有90%大99%這麼高 當然也是有其他原因 比如說Egentian Warflow 它Input是比Aupo長很多的 所以Dollar perToken這個裡面 實際上也是有很多文章可以做的 我覺得過一陣大家會越來越意識到 其實模型的性價比 才是這個裡面最重要的東西 所以怎麼演變 我覺得現在肯定是一個非常浪費的狀態 但是並不意味著 我們剛才把這幾個拆完之後 就是AI的總統入回下降 我自己的想法會說 就是想的這個方式 就是我覺得現在就是來背景 很多事情其實是 既對又對的 就比如你說現在的 大家說Token Maxing 有沒有大量的浪費 我覺得大家是肯定的 但是你說Token的用量未來會不會繼續大幅上升 我覺得這個也是對的 聽著矛盾那其實是不矛盾的 對 我看那有一些投資人 是用那個Token的消耗量 作為項目的判斷的依據你怎麼看 我覺得是一個階段的產物吧 就好像你在工業時代的時候 你不會去真的炫耀說 我一個燈我耗電耗特別多 反而你會去購買可能過一點的LED 我覺得過在時間 這個東西會有一定的變化 我記得你比較擅長算帳 現在很多公司花在AI上的錢 你覺得是真的在創造價值 還是說在稍前 這個裡面大家一般被淋出來說的 其實都是 比如說Mata 也都是傳言說 它在Cloud Core上面一年的這個花銷 是好幾個擠臉就是有幾十億吧 確實是一個非常散人的數字 然後這個裡面比較有意思是 因為Mata最近也說 它要裁變10% 然後我大概算了一下 我說數量級上 它這個10%它裁員 大概剛好能對應它在Cloud Core上面這個開支 當然我不是說這個是直接的因果關係 在比如說像Ober的CFO 其實上個月跳出來說 他說他們公司在三個月之內 就光Coding這一項 就花掉了原來計劃一整年的AI8G 所以算下來大概是幾千萬的這個量級 我大概算下來把頭部級加公司 尤其是在做Token Maxing的公司拉出來來算的話 目前大家的這個 AISBEN大概對應100% 2%的一比大 所以目前還算是一個可控的吧 說實話其實算出來 這就是比我想象的要好 我以為其實已經是一個更大的 怎麼一個數字了 你覺得按托克爾收費這個模式 成績合不合理 這個我其實會有一個 自己表強的判斷 就我覺得行業逐漸大家會理性起來 然後所以這個收費模式 是一定要變的 我覺得是會逐漸從按照 托克爾收費轉向按照效果付費 就因為我們剛才說的 就托克爾這東西本身 其實真的不是很可憐 有一公司叫邪爾 它是做AI客服的 然後它就是完全是按效果收費的 然後我們訪談下來 其實它的客戶也非常認可 它這種收費模式 它就是說如果你 我AI能幫你解決這個客服 我沒有轉人工我是收錢的 如果我轉了我就不收錢 而且它裡面還分很多 就是問題的複雜度 這個解決度 然後它的單價也會不一樣 所以我作為客戶 其實我跟邪爾是非常英雄的 就是我們都想解決這個問題 然後我們都想少去燒這個偷懇 所以其實是我覺得一個最有解 但是這件事情在客服裡面 是非常OK的 因為你可以量化 但並不是每個行業 所以我覺得可能會是一點一點 比如說從客服的解決率 從你的銷售轉化 包括怎麼吹收貸款 或是保險立陪 就是一些場景 我覺得會先開始變成用效果付肥 然後有一些比較有創意類的 比如什麼寫作這些 我覺得可能對把長期可能 還是會是按頭肯收費這種效果 因為寫作的效果不好量化 接下來我們還是要聊聊這幾個 重點的模型公司 先從這幾個月 大家最關心的一家公司 Drawpay開始聊起 它應該是今年最亮眼的模型公司之一 那在你看來 Drawpay你覺得 它這一波的領先優勢能持續多久 它的畢類高嗎 對我其實一直在想這個問題 就是我覺得過去兩年吧 就是大家的末院的假設 都是說Sota的模型 每幾個都會換一次手 那去年底是大家都在吹這麼來 然後之前是OpenAI 現在Drawpay那過幾個月 是不是會繼續換 所以領先這個詞 就在之前一兩年 其實都是一個rolling basis的 但是我覺得可能就是 這一兩個月可能是第一次 我開始質疑這個假設 它會不會持續 核心的原因就是當coating agent成熟之後 其實出現了一個 我覺得非常重要的一個loop 就是你更好的AI 才能去訓練出下一代更好的AI 所以就是這個循環一旦跑起來 就有一點點 就是那些Racer說的 叫Recursive Self-Importment這個味道 就是它如果真的過了某個零階點 這個曲線會變得非常的抖翹 那你後面就是有點就 single-ality 或者你怎麼定義它 就是後面再吹的人 可能真的就沒什麼意義了 你覺得這個拐點這個轉折點 這個變化會在什麼說法上 你也就是說AI訓練AI 其實已經還了兩年了 為什麼這次是不一樣的呢 我覺得現在只是 還在這個發生的時間點的一個早期 就是可能就是從今年1月份開始吧 其實節點也就是coating agent的成熟 往前3可能6月之前 你coating的模型 對一個工程師的他們叫 Total Factor Productivity的提升 可能就只有一個15% 然後到去年底 不能到15%20% 現在肯定是更高的 所以你看模型大廠 出新模型的速度 其實也不像以前 就是要花大幾個月 甚至一年 反而是一個月就能出一個新的版本 我覺得這個其實是真正的原因 為什麼想賣他那麼大一家公司 會願意花幾十億 在一個別的公司的模型上面 因為你如果沒有這個東西 你疊來的速度 就是真的會比別人慢一大檔 那你覺得今天現在 到了後面無法追趕地步了嗎 我個人怕段其實 我覺得已經非常非常快了 就不是很擦擋 但如果說做一個類比 就有點像是 我不知道 是不是像當年 比如說馬車換汽車那種那種感覺 就是我擦擋 就最早創造出來的汽車 可能也是經常泡毛 所以你前面的 一些就是快麻 可能還能跟一根追追 然後那個時候兩者的差距可能沒有那麼清楚 但是你一旦這個汽車 可以正常穩定的跑塞了 那你沒有這個汽車的這個引擎 就沒有任何比的意義了 所以可能就回到Coding 馬上比如說 OpenI 它是按照 最近這兩個月按照 GBT和Coding的兩個組 做了非常大的重組 然後把Coding推到了 非常非常高的位置 然後Google是Serge 親自在管Coding 然後Mata內部 也在推自己的Coding的模型 然後也是希望你能做出Sota什麼的 然後XAI的就是公開SogoCursor 其實背後的邏輯都是差不多 你怎麼看Coding 和Coding之間的進程 對 外面的比較非常非常多 討論也非常多 我個人覺得任何時候 如果大家在兩個產品 否則說甚至兩個人之間 又非常大的 非常多的爭論會比較 其實通常說明他們實際的效果 是差不多太多的 Coding最近很明顯自打價格佔 做了非常大的補貼 然後凡事比如Coding 不讓用的地方 然後Coding都是歡迎你去用 所以我覺得這個價格佔 還是挺正確的一個策略吧 對於他來說 因為他是畢竟是後來者 這裡面也說到我自己一個凡事 就是這兩年 花了太多時間 就在比較open and run play 但我覺得更重要的邏輯 應該就是說知道這兩個都會非常大 而且最近的一個思考 就是覺得 你如果看商業模式 就是整個這個模型 你怎麼會叫智能吧 它不是一個SARS的一個概念 SARS是Subscribers 它上下人頭手匪 當你一個東西是Subscribers的時候 實際上你是價格是風頂的 然後你買了之後 你用得越多實際上越便宜 所以你作為客戶 其實你會傾向於指用一架 因為你錢都花了 花在這個PIRC上面了 但是模型它就肯定是一個usage base 然後是一個TokenBased 所以你作為CFO 就是你做的這個選擇 不再是說 我今年選擇哪個Windar 而是你在去optimise 就是我每一個Corey我用的是哪一個模型 這麼一個問題 所以它實際上 因為它的商業模式 會反過來鼓勵大家 同時用很多個Windar 然後而且隨時比較隨時切換 所以Open and run play的關係 在現在看來 我覺得不是傳統意義上的競爭 CodeNanly還是接本質的 對我覺得這兩年有很多反思 但其實這個是裡面非常大的一個反思 實話說一兩年之前 剛出來CodeNan這個賽道的時候 其實投資人去估算 我們叫Tan就是一場大小的時候 就是用價格從你量 然後那個時候覺得量 也就是說誰會去用這CodeNanly的模型 我當時大家就是說 每一個都要Diamond Loper 然後就是蘇百萬人 其實是一個很小的一個小重群體 然後那個時候 當大家去考慮這個價格的時候 對吧 我記得我們那時候 還內部有些討論 有人說二十刀差不多了 有人說應該能到兩百刀 因為你整個一個軟件也就是這麼鬼 因為一個公司最多最多可能也就花一兩三塊錢 在它所有的軟件Subscription上面 所以兩百刀對把CodeNanly 大家覺得已經很可憐了 對吧 你用價格成一量 你算出來其實也就是一個一百億美金 這麼一個市場規模 但明顯這個東西是完全錯誤的 因為到很今天 你Antrope一家的收入 都遠不止這個量了 所以反思的話 我覺得量和價當時的這個 股船都錯得非常離譜 所以這個到底應該怎麼去思特 對 我覺得可能真的是回到 像Dario說的 就是全球的白靈 他一直他的那個PBT 就投色PBT裡面 就是下來的D也就是白靈的TEM 他說是一個三四十個Trilling 就是大概三四十萬億的 這麼一個市場規模 他說這個就是他要去吃了市場的大小 這個邏輯我理解來看就是說 因為我們每天做了很多事情 都有一點點就是說 如果我會寫代碼 我應該會讓電腦自動去做任務的 這個意思 所以這個四倍就是說 我Coding真實的探 實際上是任何可以被計算機操作的事情 然後隨著這個世界 也是越來越數字化 這個範圍是在持續擴張的 包括我現在大家用AI去操作XL 或者是我覺得之後會用AI來做交易 所以這個是他真正的TEM 所以其實每次想到Coding這個產品 就兩個人做出來 都覺得真的是挺正常的一件事情 對回到Coding 我覺得會說 反思投資這件事情 就投資做判斷 我覺得是經常錯的 然後作為投資人 我覺得我能做的事情 也就是在發現Coding的收入 當時很快標到十億美金的時候 就應該非常快速地意識到 自己本來的投資框架和TEM 就徹底想錯了 對 然後即時改吧 你什麼時候意識到的 這個應該就是可能最早什麼看 最開始是Coding Coding的這個Coding收入很快 就標到十億美金 然後是Coding然後上來 就是那個時候 因為你按十億美金 按照我們那個TEM來算 就已經這樣10%了 那肯定是沒有那麼正常的這件事情 所以那個時候 就應該有很急事的這麼一個反思 我就你之前提過一個概念 叫互相滾雪球 你用來打互相滾雪球 我來解釋模型公司商業模式 這個框架你現在有沒有發生一些變化 這個概念其實是第二題的 我只要把它翻譯成 就是更投資人的一個語言 我依然覺得這個是一個 非常經典的一個概念 就是非常簡單的說 就是如果你去年 你去年一個模型的成本是一 那這個模型今年 能帶來大概三到四的收入 那毛利一般就算了 就算50% 那你就是不到 兩塊錢的這個毛利 然後這個問題就是說 因為你今天 今年吧 你在訓練的模型 這個成本最起碼要是三 對吧 然後你這樣再加上一些什麼銷售 什麼人員啊 然後你利潤就會是負的 然後只要你訓練成本每年 還是就把就幾倍的這樣的增長 你的這個生意就會像 附像滾水球一樣就越溫越負 就以前Darrow講的 就是或者他當時的認知是說 你如果想跳出這個附像滾水球的錄影 你只能靠你訓練Skating的這個變慢 但是我就最近幾個月 就是證明其他有另外一條路 就是如何你的這個收入增長的協率 是更抖操的 不再是3是比3高很多 你公司也是會突然努力的 嗯 所以公司其實自己 也沒有想清楚需求會這麼強 對對對 就阿泊北其實已經打預測做的 非常極致 非常優美了 就非常第一種原理 但就是 這裡沒有一個很簡單的公司 就是說兩件事吧 一個就是說如果你訓練了成本 這樣收入的比例是低於你推理毛利的 公司就能賺錢 然後第二是一個Construer 就是說因為你訓練 就你總成本就訓練加推理這個總和 實際上是提前定下來了 就是這個裡面不知道講了一講清楚 就比如說你推理的毛利率 公司是可以掌控的 但是訓練和推理的算力佔比 最終是你需求決定的 所以就是你需求並不是真的那麼可控 但像比如說阿泊北其實 就把就是年初這幾個月 他需求突然爆發 所以公司會被迫把更多的 扛平放在推理上面 所以就突然下個暴力了 現在媒體經常把Open Eye 和RP這些公司的收入結界身高 這樣你怎麼對比 這是很難對比 就首先大家管它叫AR嗎 就是但它根本就不是AR 因為AR是叫什麼 Annio Recurring Revenue 在模型這裡它又不是Annio 又不是recurring 而且大家用的口徑 真的是七七八十元都有 有的是用過去四週的收入程以13 然後更激進的是用過去預週 成為53 所以其實是可以恰出很多的 然後這兩個公司 也沒有讓這個比較變得很容易 因為有的是用Growl 比如說Natt 比如說Antropet 它是爆發出來的是Growl's Revenue 然後你還有做一些調整 比如說假設40%是第三方的API 然後你那你Natt 對吧 你要扣掉這個 然後少個可能20%這樣子吧 然後Open Eye是反過來 所以它是爆發是Growl's Revenue 然後你要換成Growl's 你可能要再加個百分之十 反正它們的一筆大事 即使是完全可比的 對 所以反正也是浪費了很多時間 算在算這個數字上面 你怎麼看Open Eye和Antropet 對算你的需求 我覺得這個裡面最大的學大的點 就是我覺得市場就包括自己 其實都比較遠低 顧了每一個Gigawar的電力 能產生多少的模型收入 像第三方有爆出來 就是Open Eye and Propet 現在分別可能有 小幾個Gigawar的這個算力 然後年底就是應該能到五 然後明年比如到十 就之前大家覺得說 每個Gigawar差不多能對應 比如說110的收入就還不錯了 但是這幾個證明 這個數字被遠遠低估了 就推理和訓練這邊的成本 應該分別都是對應 一個Gigawar能有110 這個沒有問題 但是生物這邊其實可以標得非常的高 然後所以這個東西的 這個隱瞞就是模型公司的收入天花板 我覺得其實是被系統性低估了的 就是說一個Gigawar到底能產生多少收入 到今天也沒有人能看到 對吧 沒有能看到上線 你說110你說500億 其實現在看來都是挺有可能的 Durapig大部分歸古投資的人 是什麼時間看懂這家公司的 On Propet真正的演藤聖碰 我覺得就是去年 就是他AR從11到51那個時候 那個時候投就是因為他 從10到50他用了不到半年 然後比OPIN的同期其實要快很多了 其實看到那個就應該已經知道 對吧 就是我們剛才提到的 比如Coding比我們大家想到要大要快 對吧 那個單那個時候也不是無可調低 那個時候會挑剔兩個東西吧 一個是他那個時候毛利率是非常難看的 但是你真的和一些做Infraud 做工程的人力也會覺得說 可能問題不大能有很多優化可以做 然後另外一個當事大家 其實都非常考慮的 就是很擔心Durapig和美國政府的關係 但是你說投資人物我覺得大部分都是2025年 覺得說真的是Coding這個東西起來了 所以是要加藏或者說建藏的Tropet 你覺得OPIN的AR and Durapig和Germina 這個預三家未來會長期在統一條合流理競爭嗎 還是他們會瘋化 這個也挺有意思的 我覺得去年這個時候 會覺得說幾家已經有明顯的分工了 已經幾乎就定下來了 但到了今年反而覺得 就是模型層的商業模式可能會挺驅捧的 就是什麼東西活起來 什麼東西有時候如果大家都會去做的 就是曾經委會覺得GBT年性非常大 我把我不管是報稅或提檢的單子 都存在它的那個 就是它有一個folder或叫Portx的年了 但今年就是只是因為Antropet 有一個可能幫我畫圖的叫 一個Visualization的這個功能 我個人其實就倒割了 那也是因為現在大家對Coding市場的大小判斷 就覺得說這個Coding會很大 所以反而不是很在乎這幾家現在具體側種什麼 而是其實覺得模型層本身會佔 這個就是Compute Stack就是更大的比例 然後今年底這兩家加起來看了 什麼2000億的收入體量 我覺得也不是特別奇怪 所以也是在多年自己這個腦子去習慣 就是更大的數字和這個叫Appsicepricis吧 那那個Vasick和分工聯繫的SAI呢 我覺得這個要說實話 我覺得現在沒有人真的能對XAI 就接下來的這個成功與否做出任何判斷 因為沒有任何能參考的Data Points 也沒有團隊也沒有進展 就去取一個真的是在亂裁了 但這裡面其實有一點 就是比如說伊朗他把XAI的Data Center 租給Antropet 那我看很多媒體說什麼 是他徹底不做訓練了 他就做一個NEO Cloud了 這個卻是不是 這個都是公開的數據 但是XAI是有三個Data Center的 有什麼Clossus 有Marcrawhard 還有第三名它叫Marcrawharder 就是它後面兩個都是用Blackwell的 然後那個Clossus是用H100 就是本來是來跑推理的 所以它實際上是把自己現在 就是不太用了一個 然後租給就是最缺卡的Antropet 而且那個本身也不打 就300個就是Magobabab 可能就是這樣XAI整體數據中心20% 然後大概能租出就是451的收入 所以其實是一個 非常Megsense的一個商業決策 Mata TVD你有沒有什麼想說的 Mata TVD這邊 我覺得一個是 它年底肯定是要衝擊一個SOT的模型 它今天可能是對標一個JAMM-2.5 然後更大的問題就是說 Mata它做出這個模型 之後怎麼去真的變現 然後現在看來可能有這麼幾個可能的方式 一個就是它已經一直在推的Mata AI 就是一個單獨的一個App 然後另外Mata應該也會推他們自己的 叫OpenCow或是這個小龍蝦這個住手 然後第三個我也會好奇 我會看一看 因為它現在有內部再用它的這個Coding模型 但是如果Coding模型真的能做起來 那一塊是不是能有一些 就是給外部用的收入 我覺得這個是Mata 對吧 就是能不能有真的多出來的AI收入的這個重點 AI對軟件公司的衝擊也是 歸古現在討論非常多的一個話題 你怎麼看這個問題 這個裡面其實給我最大的反思是 軟件這個是本身 就是軟件一直大家都覺得 這跟吐吸是很不一樣的 就是它是一個我們叫PUSH的這麼一個Model 就是你需要銷售 你需要一整套的GoToMarket 所以你看不管是Service Now都比都是 三四萬人 要Sales 49978萬人 這裡面很大一部分是銷售 就是Sales自己也是銷售 那它銷售和銀銷占比 就是占收入比例應該有百分之四五十都有 但是就是比較大的正常就是Antrop 其實也是一個圖幣的公司 它百分之八十都是企業的這個用戶 員工就只有三千人 那就是你傳統軟件公司 你算起來可能每個員工有五十萬美金的這個對應的收入 那Antrop的每個員工應該能對應 就是上千萬美金的收入就差了 就是一個數量級 而且Antrop的真的都沒有一個正景的銷售團隊 像它的不管是它這個叫什麼GoWork 或者它的Skills它的Portx 其實是普通人沒有那麼容易上手的這些產品 但大家還在非常瘋狂的上手去學習 要去使用 所以我自己也在反思 就是是不是說用戶真的對智能的需求是無限的 是不是我們之前有點過於去強調就是銷售的這個重要性 我覺得這個也當然也不是說只是對軟件 因為會讓大家去反思 之前很多我們就比較稀 非常大公司 就為什麼需要有這麼多的員工 這個對比也不只是對於軟件公司對吧 對對就像比如說舉個例子像Mata 已經是挺高效的 就是挺喜歡那個公司八百萬員工 然後每個員工你算起來可能有三百萬美金的這個對應的收入 已經比軟件好很多了 但是Ant出現之後 我覺得我再看這個八百萬員工 就還是會覺得很神奇 就這個是一家土C的公司 也沒有新的貨客的需求就肯定有些維護 但是就為什麼這整個Mata團隊 就朋友在裡面的朋友還都是比較忙碌的一個狀態 所以對挺多東西可以反思的 我覺得是還是像剛才就說的比如說 他說Betrope Co.Work 對吧這麼成功的產品 就兩個人做出來 所以AI了之後我覺得挺值得思考 就是組織架構應該什麼樣子 然後 以及一個公司 就把去到底需要多少人 所以投資人士在拋棄軟件公司嗎 對 簡單說是 我覺得這裡面有一個就是投資裡面非常 簡單的一個邏輯就是我們看Discount Rate 因為說到底和東西都是大家可能聽過叫DCF 都是開未來的這個現金流 然後你去放一個Discount Rate 然後就算到今天 然後看公司值多少錢 所以都不需要是對未來 有非常強的這個判斷 就只要不確定性上升了 這個固執就會被壓 因為Discount Rate就就上升了嘛 所以二級市場 還有一個比較有意思的一個觀察 就是二級市場其實 軟件已經被賣的七八八 已經跌了可能50%都不止了 但是一級市場還有很多公司 停留在AI之前的那個固執邏輯裡面 所以會有一些就是一二級 就是固執的到掛了 很多一級市場的明星公司 就是不管是什麼 DataBullet就會說一些很大 很不妥的公司 你如果今天上市你的固執 其實都會被砍停離海的 然後軟件公司還不止 它還有一個問題 就是它的SBC 你如果股價跌了50% 然後你還想給員工 同樣的股票 對吧這個賠償 你就要發兩倍的股票 所以是一個比較兩難的這麼一個狀態 你覺得哪些軟件是更脆弱的 我覺得其實都有一點點是時間問題了 就是比如說一個 我會不會看 它本身軟件裡面Ui的這個占比有多高 如果它的核心價值本來就是一個非常精美的Ui 那它是最脆弱的 就死在最前面了 比如說很多Points and Lootions 對吧就受衝擊是臭的最大最徹底的 相當於是什麼電子籤 相互管理 一些BI的工具 然後另外也是看它這個數據結構化程度有多深 就是你可能也聽過一句話 就是大家說一切軟件都是一個Excel wrapper 但其實這個Rapper和Rapper也差很多 像比如像Mande是一個就是 項目管理工具的這麼一個軟件 它的數據結構是非常規整的 它每一行是一個固定的一個任務對象 然後每一列也是固定的 就這類其實是最容易被A聲取代的 但是Excel其實是很混亂的 它每一個表面每一個格子 其實 Ui是可以把全部一樣的 不管你是名字、數字、公式都混在一起 所以Excel本身其實我覺得是很難被AI直接替代的 所以我在我覺得也是一個Mathlet of Time 哪些從在前面哪些可能大家覺得還能再稱一稱 那Office這套辦公軟件還有意義嗎 對 最近其實突然間大家吵這個吵得非常火 就是說整個這套Office 不管你是Powerpoint or Excel都沒有存在了意義了 你就直接用一個網站的HTML就可以了 我之前也這麼覺得 但我最近覺得其實這個背後也沒有那麼簡單 就是像你AI生成一個網頁版的Powerpoint其實是很快的 但是只要你需要再手動去改一改 你會發現還是你直接在Powerpoint裡面改 就是你直接人手去改是會拉一下、抓一下 是會快很多而且是會更精準的 然後我會把整個Office這套想成是 有點像是一個流水線 就是我可能不需要手動改 我只需要去審批就可以了 但是只要我怕這個文件發給這個流水線 他們的整個一條線 只要有一個人他需要去手動修改 我覺得Office 供具其實還會有繼續存在的下折 有什麼類型軟件是相對安全的 市場會普遍覺得比如說說書句存儲 DataWarehouse 還是比較安全的 當最近我們都自己去體的再用這個 然後我也有一個感想 我覺得這件事情可能也不是絕對的 就比如我作為一個投資經理 我想比如說50支股票的這個估值吧 做一下很快的一個比對 過去我是需要一個Warehouse 是去Office這些數據 然後我會要寫非常精準的Sql去調用 但現在其實如果我有這個模型 然後我在Cloud裡面寫一個Skills 然後我直接Cop 比如說Bumbur的API 我只需要幾秒鐘的這個頭肯的消耗 就能完成一個分析 然後我這個Satub 衝登 幾乎就是0吧 這個是在模型就是出來之前是完全不可能的 所以就是也讓我在想就是對吧 Warehouse 會說DataLay 或什麼這些東西 是不是純安全的 我覺得其實也不是 AX 代新的暖定集會在哪裡 有嗎 現在比如從VC投資角度 能看到很多公司說自己是AICRN 就是AICRP 但是看起來其實我覺得還沒有什麼真正本質的改變 也就是說它那些更多就是說 你不需要手動輸入 我可以跟你就是螢幕入或者怎麼樣怎麼樣 我覺得最近有很多人聊 但我覺得一個比較大的機會就是去讓軟件去處理 以前這些企業角色過程中沒有被記下來的部分 比如說我在CIRRN裡面我記錄一個客戶 我會記下來說我給這個客戶打了25%的這麼一個折扣 但是我今天這個Satub CRRN其實是不會記錄說 為什麼是20% 為什麼不是30% 那曾經還有過一些什麼方案被誰否決了 誰說服了誰 對吧就CFO有什麼Council Council 人就把就是客戶到底想要什麼 所有這些決策過程其實都是消失的 那之前這些東西也沒辦法為記錄 因為有太多AICRN的這個Data 那到了AICN時代你就不再去需要去做一個加速的工具 你可以直接去處理這個比較原始的形式 所以是一個可能是有一部比較大的機會在這裡的 我覺得軟件是不是要為AICN重新設計 我覺得肯定是的 也是最近一個使用性的一個感觸 就是在連AICN的一個是去連SLAQ 一個是去連Disk Quart 然後會發現SLAQ其實還是基於HTTP 就是你人發一個消息讓他服務器回應 他對人類聊天是夠用的 但是對AICN其實他是非常非常非常難用的 因為AICN他需要是一個非常持久 非常地地把RailTime需要長期在線 然後發現就是Disk Quart 因為他是WapSocket所以就用得非常的順手 所以我是那天在想 我說如果說哪個模型公司把Disk Quart收購了 很容易也不奇怪 對所以我就整個軟件這一套 都要從第一行原理都要去想 就是AICN需要什麼一起重新做一套設計 然後包括在股票市場就更明顯 大家最近都在炒CPU的短缺 實際上也是幾乎是同樣一個數字同樣一個事情 我看到你最近還寫的不少怪AIC 是帶組織加狗的文章 這有點不太像頭髮的人會研究的課題對吧 你為什麼會開始研究這個 對我也不是AICN為Bersale 就是到我研究下來 我覺得這件事情比想像的要重要很多 而且其實非常有意思 就是還是Darry有他提過兩個概念 他說一個叫TanologyDiffusion 然後另外一個他叫就是EconomicDiffusion 那Tanology就是說是模型能力本身的進步 大家都能看到這個曲線還是非常躲翹的 然後他這個EconomicDiffusion 他就是說你這套模型能力真正被企業和經濟 就是牺牲落地的速度 他自己是說這個是沒辦法吃得準的 因為可能要落後幾年 甚至就大幾年就是十幾年了 這麼一個一個窗口 所以其實研究這個組織加狗 本質上就是在判斷EconomicDiffusion 就是AIC什麼時候變成收入 然後什麼時候社會社長 那個會提升的這麼一個問題吧 歷史上有沒有類似的例子 其實有非常非常非常經典的例子 一個就是當年差不多就是電法名的那個時候 就是從電能砲到真正的社會生產率提升 就其實是用了40年 大概有230年那個市場率是沒有任何提升 甚至反而還降了一點的 然後這個去看背後的原因就是說 之前都是蒸氣機嘛 然後蒸氣機的那些工廠 實際上是是垂直這樣堆起來設計的 因為你中間是需要放一台這個非常大的蒸氣機 然後你靠這個皮帶然後去去發這個動力的 就其實電機很快就被發明了 但是並沒有就是真的用到流水現象 並沒有真的提升效率 就是大家還是奧把蒸氣機拆掉 然後換出去然後把電機塞到同樣一個位置 然後工廠還是像原來那樣垂直設計的 對一直是到流水現形成了 其實那個時代的這個就是兩律才上去 所以給我的漸行也比較大 就是說新技術出現 對吧真的不是說直接就等同於這個 就是一個Nomative Fusion 或者這個經濟的價值 還有另外一個就是離我們近一年 就是說換到計算機的時候 就應該是80年代 90年代吧80年代的時候 其實電腦就已經在辦公室在銀行 其實都已經在用了 然後那個時候跟現在非常想 我覺得就是每個人都覺得自己的工作更快了 但是紅官上面生產率沒有任何提升 然後我看一些經濟學家就是說 這個是什麼Purletipity Pyrodox 就是很多人對這個話題進行研究 最後發現是到了90年代中後期了 就是一些像Worma 像亞馬遜那些公司 他們開始圍繞的這些計算機和網絡 重新設計它的這個業務 那個時候出現了就是企業的數據庫 然後非常早期的ERP 然後包括像亞馬遜的這個供應鏈 然後整個就把用這個電腦的這套思維重新設計了一下 然後一下子整個生產率就上去了 所以就回到就是Darrel這個東西 我覺得還是挺有意思的 對比之前這個歷史時期 你覺得AI現在取限它在哪個位置 我覺得現在可能就是 像剛才說的把電機塞進蒸氣機的那個 位置的這個階段吧 就是每個人都把AI塞進了自己工作流 然後但是其實我覺得也沒有人真的去問說 這個流程本身 或是說這個公司本身 為什麼長得 像我們剛才說的為什麼 買了或任何公司需要8萬人 為什麼我們需要這麼多的層級 還是有挺多就是沒解決的問題 那如果從低性遠離判的話 你覺得公司為什麼是今天這個形態 公司其實就是裡面有幾個事情 就是你有很多人 然後你今天又喝到層級 然後中間有一些信息流 一般大家說層級都會理解為說是一個權力的一個結構 就隨向誰會報 然後誰比誰更C-NIR 但我覺得其實這個層級 它更更深層的功能 應該是一個信息的一個傳遞 就是因為你這個組織變大了之後 你沒有人能看到一個權貌 所以你需要一層一層的Manager 是一個管理層 然後下先從CEO這裡收集信號 然後它綜合一下 然後它體驗一下 然後它向下一層一層傳遞下去 然後從下往上也是靠這個方式去翻譯去拆解 其實組織這個機制 我覺得都是在解決這個信息傳遞的這個問題 包括我們開這些會 包括大家說的什麼同步進度 包括這個什麼一個Coder大家要有 要對其一下 然後所有的信息都是一個信息頒獄的機制 都是因為人和人之間傳輸的層面比較高吧 就在科技公司裡是不是有氣名顯 對 就是或你想一個產品 在科技公司免費設計出來 就是你的Pian你要寫這個PRD 然後你的Disigner要把PRD 就是解讀成一個可實化的東西 然後DibarloPen看了之後 可能要再做幾週或幾個月的開發 然後還有QA還有幾週 然後你還有GoToMarket 就這個銷售團隊 然後端到端可能就六個月就過去了 裡面很多其實都是翻譯成本 就是一個人打另外一個人到底想做什麼 然後大概翻譯成就是大家能理解的東西 我覺得AI進來之後每一個環節 都會變成新的BouterNack 就那天聽一個Founder講 我覺得挺有意思的 他說最開始打擊的是這個DibarloPen 這個開發的這個時間 你之前可能要兩到三個月 你現在Bipcoder了 然後你可能兩週就行了了 然後你就會發現 QA就不太對 變成了BouterNack 你就沒理由說在花幾週做QA 所以就把QA的人採了 或者把這個方式就改了 然後你就會發現這個前面的PM設計 又成了新的BouterNack 變成了最花時間的地方 然後你改完之後 你發現GoToMarket又成了最新的BouterNack 所以就像不停地在解決為你打低數一樣 就是我覺得實際上 整個流程都需要重新設計 你經過研究以後 你覺得重新設計之後 可能會長什麼樣 我覺得之前可能是一棒一棒的 這種就接力賽吧 然後之後可能更像是一個小團體的這種 叫籃球賽也好 就是可能就散到五個人一個小分隊 然後你的這個必要的技能 都在你的這個團隊裡面了 而且這個團隊應該是 能自己直接做決策 然後只有非常大的這個問題 才會向上會報 可能是這麼一個模式吧 然後裡面一些細節 比如說你這個QA可能你欠入開發 然後包括你PM要做的就是更全能一點 所以是挺多細節很的電話 很多人最近也在多來討論AI時代 應該怎麼做組織變革 就是現有的一些公司 你目前也沒有看到一些比較成功的案例 也沒有一些具體的做法 然後還有比如說 很基層中層 角色層 哪個鏈路的人在未來會變得更重要 相應的哪些可能都危險一下 說說我也在找 就是哪些組織就是可能就是轉型比較快 但美國這邊說說還沒有看到 就是比較孔孫四四大 可能都會說說中層要被壓縮 我另外感覺就是 我覺得一個企業裡面可以被追蹤到的這個信息 我覺得會這個量會暴增 那我覺得人會把就是他和客戶 談判的整個過程細節應該都會 capture到 然後都會為給這個Agent 然後Agent還能拿到所有我CIRRAN的歷史數據 然後往來 然後他應該是能有一個上帝式角色 能直接告訴我說客戶現在就其實什麼狀態 然後你需要做什麼 所以整體感應就是企業 就更活了吧 但我自己也在找就是有沒有比較好的例子 你看我們前面聊了頭刻模型軟件和組織 那現在我們會當你最屬於的另一月 就是AI的投資行業會帶來主變化 我覺得非常非常多 就是因為投資行業真的是一個非常非常低小的行業 很大家花大量的時間都在找信息 然後清理這個數據 讓比較預期 然後判斷這個Puzzish內 我去幾個月想的問題就是說 如果你給到這個Agent足夠乾淨 也足夠亮的這個數據 然後你能很清晰地告訴他 你的這個交易目標 他有沒有可能做得比人好 我覺得理論上這個百分之百會比人做得好 當然你需要告訴他 你你想的交易是什麼樣 因為每個人就把理想交易 或是交易的這個風格不同 你希望每一筆持有多久 你希望追求多少的收益 你能承受多好的回徹 什麼樣的機會你會願意出手 就是這些都定義清楚之後 我覺得AI能做出一道非常完美的這個交易系統 所以我輕鬆一學 今天沒錯出來只是因為大家 其實思維也很混亂 沒有把真的自己的思維過程完全結構清楚 你今天沒有做出手 你覺得難點主要是在哪裡 我覺得一個很明顯的就是在數據 因為財務數據就是清上去非常標準化 但是實際上非常非常非常細緒 像最近比如我在用這個Agent 去接財務數據 我發現我需要接可能十幾二十個 這個財務數據的Winders 才能拼湊起 我平時用的這些數據 所以是非常亂的這麼一個一個行業 然後另外我覺得也需要去更好的理解 市場背後不同玩家 怎麼去做決策的 就是拿媒體說 從交易量早樂來看 其實量化站比是超過百分之六七十的 然後散戶大概是百分之三十 然後傳統機構我們覺得很大 但實際上根本不佔什麼交易量 然後平台行了一些機構 比如什麼私了掉 他能佔個百分之幾個位數 然後如果你再回到量化 如果你假設高頻本身 他不去下一個方向性的一個判斷的話 他更像是一個某門他們的一個加強器 所以真正影響方向的就是散戶中平和 Platform少 所以說回來就是這個Agent還需要能 很理解就是散戶 就是到底在怎麼想 我覺得所以散戶是非常重要的 我覺得AI時代也會讓更多人參與股市 散戶的行為也會更加機構化 也會更複雜 所以是挺值得去多想一想的 A散戶喜歡什麼 我覺得幾條比照 我明顯的我總結出來的規律 一個就是散戶整體其實喜歡 就是P就供給比較低的 然後可能不一定看那麼多 很細的財務數據 但是P這個數字怎麼都會描演 然後另外就是喜歡就是夢想比較大的 然後喜歡這種創始人有張力的 包括這些Tasla SpaceX這些 包括我們說的ROM&Hui 也在這個範疇 還有就是喜歡絕對股價不高的 就比如同樣是指 如果你每股八塊錢 你會比每股800塊錢更收 散戶的這個歡迎 所以但是說到底吧 我就散戶喜歡股價獎的 反正我整件的感覺就是未來 不再是一個機構教育散戶 而是說機構也要向散戶學習 因為這個市場很明顯 非常的越來越叫豐狗 越來越thematic 然後也越來越neritive driven 所以散戶本來就是 你價格形成的一部分 你覺得市場會有很大的變化嗎 我自己覺得會 就是一個是剛才說的 散戶和機構性氣差 我覺得會非常快的收聯 然後另外我覺得基本面和量化 遊戲是和中頻量化 我覺得會有一波叫Converse 然後我覺得任何市場和Alpha的這個 就是會說Alpha的Releization 就是Alpha的實現會變得非常快 舉個例子比如之前說 Open i 它如果宣佈和某一家公司合作 那以前市場可能要花幾天理解 那這幾天之內 我會給我 比如說不同機構投資人朋友打電話 讓大家對一對數字 然後你會看到 那個股價幾天會調整到 我們大部分玩家覺得比較合理的位置 但之後就是 對吧 你給Agent所有這些信息 他能自己去看 就之前那些一些案例 所以他能可能那一秒 就是就能達到那個那個股價 所以這種就是以Win Driven的這個事件類型的交易 我覺得會越來越幾乎是沒有做的必要 在比如說財報也是 就是今天我們其實看一個財報 因為要看很多東西 你要對吧 算第三方的這個數據 然後你要問市場預期 你要比較Converse 然後我覺得未來這些都會更細的花 更礦假花 然後AI會有一種上帝市場的感覺 做更精準的判斷 那說回來市場怎麼變呢 我覺得可能因為Agent做了非常精準的變化 可能股價不會像今天是在業績 就是有那麼大的這個波動 那你覺得市場會更波動 還是更有效率 兩者都會有 因為更波動 因為大家反應都更快 因為就是Agent 他會放大幾乎是同一個這個 signal 交易會更擁擠 然後也會就是更有效率 因為就是信息就是很快 就進入反應到價格裡面 所以真正的Alpha 就會從我比你早發現一點 然後變成我比你更能理解一些大的趨勢 而且我覺得很明顯 就我覺得之後就是跨行業的研究越來越重要了 我覺得以後是需要在籌資行業 去做一個專材 然後可能像比如我們今天有一些激進 他說他主要是做這種中小盤 做這種就是沒人看的這種小公司 因為這個裡面才能有一些就是一些Alpha 但我覺得這個東西很快就都會被AI覆蓋 您的意味? 的這個學習能力是非常強的 對 所以也挺期待的 你應該能看到挺多變化呢 我們回到投資層面 AI直播創業公司哪些方向 已經跑出收入了 你可以來個快文快點 Coding平日最大的 就是幾十個邊收入都有了 是最大的一塊 然後往下就斷島 比如說做Housecare的 不管是 Appleage Open App Alliance 然後大概有兩個B 然後做Lego的 比如說不管是Harvey 或者是Megora 這個有超過一個B 然後Customer Services 有進行一個B 然後Video Generation 大概是幾百個Minute 然後AI就是推理 其處設施 不管是Together 或者Fireworks 都是這個行業 有幾個Billian的收入 然後做芯片的 不管是馬上要上市的Serebra 包括之前被收過的Grook 這個也是大頭 這個幾乎就很蓋了 所有能上一個Billian 量級的創業公司 在這些領域這些模型劇頭們 會不會跟它直接進徵 這個其實挺有意思的 這個問題 從二二年大就開始問 但我覺得這個答案 在過去幾年 是一直有變化的 就是二三年的時候 那個時候大家 管職業叫AIRapper 對嗎 或者叫模型Rapper 那個時候大家是很擔心 模型公司會吃一切的 但實際上二三五年 這兩年大 其實已經不再說這個話了 就是因為會發現 這些公司其實收入增長也非常快 然後也有一些比較好的推出 但是可能就到這兩個月吧 我覺得我重新又開始非常擔心 模型公司的競爭 因為模型本身 在變的 他們就要非常的這個Stay for 就是它有這些 不管是Skills 然後它可以用工具 有Connector 有記憶 就是就應用層和模型層的編界 其實是 又一次就是被推向應用層這邊 然後像Anthropic 對吧 他已經就已經站出來說 他說他會先吃編程 然後他第二大業務 他就會去吃金融領域 對我我覺得他應該可能就看到了 我看到了就是 金融領域非常的 非常的肥 而且非常的低小 然後像OpenI 馬上就推出自己的這個音頻模型 那他對不管是什麼 LiveK 不管是對 Ula的Live 會是什麼樣的影響 就這些問題 我覺得都會很快出現 而且還有一個 挺大的一個變化 就是Open and Prop 幾乎在同一天 都宣布自己和很多 這個絲幕基金合作 然後把模型推到 這些基金的被頭的企業裡面 就是 這個裡面會有一波非常大的 就是Adoption 所以對 聽多聽多清楚 那說到這裡 英國模型公司 是什麼呢 模型公司四處開戰 模型公司吞噬一切 我用我自己的看法 但是我先說一下 這些英文公司 自己是怎麼去抵犯的 就比如說 做Live 做法律的那些公司 他會說 說因為何歸啊 因為 就是那個行業的 一些監管會比較延 然後律所會非常擔心 模型出這個和路行內心 所以不能用 今天大模型直接去做英勇 然後像我們聊的一些 就是做客服的公司 他會非常強調說 啊 客服領域有很多的這個 叫Last mile 就是你你總有一些 就長美的一些需求 但是我個人覺得說 如果你只是依賴於一個何歸 或說你只是去處理 Last mile的這個工作 其實你並不能吃到 就是最大最肥的這塊價值 而且你的利潤率 我覺得長期也不會說特別好 所以二零二六年了 你還投英文 死滿最投資人 投還是投的 這裡面還有一個 就是從投資行業 流動性的一個變化 我覺得也挺重要的 就是在過去幾個月裡面 其實每一家你熟悉的VC基金 都成立了一個 就是成長型基金 就是投後期項目的 然後用這個基金 其實去從 自己的VC基金裡面去接 不管是OpenAI Tropage這樣的大項目 所以就是VC基金 反而是被空出來了 所以就是做一串的公司 其實還是很容易拿到融資的 而且今年馬上有一波 上市 然後也有很多就收購的案例 所以VC都在瘋狂退出 所以手裡的現金 是還是挺充足的 對 ok 所以現在VC 你們那裡最貨的是什麼樣 我就規模這幾個月 肯定就是Neolapse 就是真的是能有100家Neolapse 就是Neolapse就是那些 從AI Lapse 發言就員自己開的新的 這個Lap 對 包括那個 在您包括那個紅了紅 蘇裕他們來過我們節目 他們應該都算是Neolapse 我也發現就是 歸古的那個投資主題 變成了Neolapse 這本身說明什麼 為什麼會這麼頭呢 而且為什麼是這個時間點 是不是說就是有能力做模型的創業者 都不太會去做應用 一般來說這兩個拿到的 融資的金額差距還是挺大的 對 為什麼現在會出來 我學就是因為opai and Huawei 長到了這個接近一個 吹臉就一萬億的這麼一個孤子 然後很多投資人會去想說說 我現在拿著它 我還能再賺多少的回報 但是如果說有任何一個 對吧這個Neolapse 我能播到一個幾倍的這麼一個收益 那我還是非常值得去做這一筆的 而且在有就是這幾年 因為歸古整個它叫做Quirehire 對吧就是你只要你優秀 你總會被一個非常優秀的Lab 再去再去給招回去 所以也讓退出其實變得非常好 所以我覺得 這樣我就主要這個是原因吧 然後我也可以實話說 就是從VC的角度 因為有的VC就是投Neolapse 投得非常的多 有的是完全不碰 這個背後實際上是一個 非常非常非常簡單的一個數學問題 就是因為你每家Neolapse融資的資格 都是比較多的 那VC會想說說 我在這麼大幾實家裡面 我不可能全都投 但是我也絕不可能只投一家 因為你這一家你根本選不出來 所以我要放大概是放 比如說就四五家 然後每一家我如果放五千萬 那我就是大概兩個億的總投資 那這個時候VC就會去看說 我這一期基金有多大 如果我是一個大幾個億的基金 我是可以去做就是整個Neolapse 這個板塊的投資的 那其中像我們說有一個 比如說有幾倍的收益 就就可以了 對 所以這個是從VC的角度 現除了Neolapse還有什麼別的方向 這和跟推理 或能讓模型就像架的 這些創業公司都非常的火 然後另外一個我自己覺得比較有意思的 是給這些Agent去做基礎設施的 創業公司這波挺有意思的 就是因為像我們剛講的Agent 他不是人 就當他用工具用 email 然後包括用這個用支付 和人是不一樣的 比如說那一本來說 就是你今天這個Gmail API 對發送量的這個請求的這個頻率是有限制的 你對原來說可能是夠 但對於Agent來說是完全不夠的 是很容易就被detacked 然後就被就被block住的 然後所以有這樣的創業公司叫Agent Mail 他是給Agent用來發郵件的 然後手機也是一樣 因為就會叫Agent Phone 我覺得最後其實所有的基礎設施 不管你是就是什麼browser identity 什麼payment complies 這些都會被重新做一遍 Jancey Conmeris這條線你怎麼看 可能跟幾個月之前相比 新的胖端就是我覺得土壁比 土C要大很多 土C就是今天這個消費體驗 其實已經做得還挺不錯的 甚至很多時候消費者是自己願意花時間 去看這些網頁 然後也有一些娛樂的屬性在裡面 那AI只是幫我去下單的話 可能價值是有 但是不是那麼大 所以其實你看OP&I 也看到了這個它也覺得不是很好做 所以它目前那一塊它只是想做合 就是Trivo想管的 先沒有去碰 就真正的這個消費 然後土壁這邊 我研究下來我覺得是很不一樣的 比如說跨星電商 就是我公司比如說在美國 但是我想 比如說遠程過買一批辦公的砂發 然後這個裡面其實有非常廣的信息為度 包括我的這個 你定量是多少 你的單價是多少 如果你定得多了可能有一個折扣 然後你這裡面的這個認證 然後有沒有一些進出口的合規 然後有一些付款的條款 如果你對吧 可能你付款付的早 我會給你一個什麼樣的折扣 就是是一個非常複雜 非常長的一個鏈條 其實有很多溝通成本 然後只要溝通成本高的長警 都天然非常非常適合AZN 所以這塊我覺得反而是值得去看一看 最後想想自動加上一個機器耳班 怎麼看這一塊的新動想 我說說好就整體比我想的發展是要慢的 所以這個對我來說也是一個看法的修正 像自動價這邊 我覺得最有意思的其實是因為它 它推出了自己的科研模型叫Alp-Mario 這個如果真的能做起來 就是像車廠的安卓系統 如果能成的話 行業的格局都會變 就不再只是一兩家車廠能做自動下實 而是會很快有一個就是一個撲開的一個過程 所以這個是我個人花時間最多 也是覺得最適合關注的 然後一些自動下實的細節上面 大家有開始卷Risling 像比如說圓模型感覺已經就已經做好Risling了 但是動價實施大家開始做Risling 因為大家也發現就你呈靠對數據 讓模仿學習你覆蓋不到所有的HKs 所以模型還是要能去理解 就是路上發生了到底是什麼 之前最近是不是有點突破 我看了很多 就是我自己可能會更仔細一點 因為就很多Risling都會說 說在機前流域還沒有看到像 Lan這樣的清晰的Skating Law 就是Skating Law對我來說也是一個學習 就是Skating Law其實和這個模型 你加了數據就有進步是兩把式 就是說 你的skating loss需要你pre-turning loss 能呈现一个非常干净的 这么一个Loss-girl的这么一个下降 而且你还有一些什么跨任务 跨场景 跨这个本体的这么一个范化 所以现在是一个大家都希望它出现 但是目前更像是一个 Feeders强化的这么一个阶段 没有一个真的可以外推的 一个干净的这么一个曲线 然后美国还有就是对吧 就机器人的Hawware怎么做 然后感觉每一家这个场称 都在过去几个月 都去深圳学习了一波 所以面临的挑战还是挺多的 要不要中国偷偷 对 如果说中美关系 更好演 其实偷偷中国的一些机器人 是比较合理的一个角色 我们去年了过 AI对美国大炮顶小 那过去半年 你也没有一些新的想法 对我还回顾了一下去年了的 我觉得有两个判断 需要很承研的腹盘 我觉得一个是对的一个错的 就是对的就是去年底 我觉得今年市场最重要的 风向标会是 Open i和ProPay的收入 这个看来确实是对的 我就是想今天长得这么火热 就是安TroPay的收入一家唱起来的 然后当时有一个判断非常离谱的是 我觉得我自己以为今年整个市场的重心 会慢慢地从半导体接棒到AI应用 那这个判断现在看来是完全是错的 对 我感觉过年前和过年后 完全是两个世界的伟子的 那你现在觉得最核心的判断是什么 或者说我最担心的吧 我觉得我最担心的就是接下来 这些大场 尤其是云场上的现金流 会非常的难看 然后我不知道市场对这个会是一个什么样的一个反应 因为你按照今天的开拍 就是资本开支曲像走下去 到二七年 你挤架就是大的场上的 我们叫现金流 就自由现金流都会转成是负的 整个行业有一万亿美金超过不止的K-Pax 而且这些还只是表内的数字 就是每一家大厂其实都按错错的 就都签了很多表外的资本开支 对 而且这些大客户还都和这些存储的公司 签了我们叫长鞋 所以K-Pax的预测几乎是指挥上修不会下修的在这一块 所以我不知道这个东西当大家真的看到 全都是负的现金流会是一个什么样的一个状态 但是市场也会问花这么多钱到对面回报 对 这个问题一直都是存在的 今年可能一个比较好的变化就是除了模型厂商 以及模型厂商甚至能看到律人律了 然后云这边也看到了投资回报 而且也开始加速了 比如说谷歌是一个例子 如果说今年二千亿的资本开支 它的云收入能大概有一千亿美金左右 所以可能是一个两年回本的资本一个概念 然后也马上也累死 所以云厂商不是没有回报 将问题就是云这个生意本身我还是觉得是变差了的 为什么说宁生意变差了 一个是竞争变多 一个就是我觉得它在价值 它的在这个ComputeStack的价值链也被分走了很多 像现在有很多这个NewCost 我们刚才也聊到这不是XAI 也成了一个新的NewCost 那你现在几家云厂商加起来 已经有两万亿美元的收入储备 那这个里面其实有超过一大半都是Open and Open这些模型的这个长期的算利定单 然后我说这个价值的这概念就是说 你云之前你会卖很多上层的这个软件 那个部分其实是MARG很高的 但现在内部分的价值很多是被模型公司是去拿走了的 新片这边有没有什么变化 新片这边 一个就是云厂商的很多自言芯片都开始从内部工具变成了 一个对外卖的这么一个商业产品 那谷歌的TPU我这个是变化最大的 它之前都是不对卖的 然后但现在它已经开始把TPU 作为硬件直接卖给客户 这个可能是它我觉得过去10年 就是它这个战友里面最重要的变化 然后Yamma训练实际上它也才报报出来 它有200多个Billion这个Trinium的收入 它这个已经是就是已经是一个独立新片公司的规模的 每个一个状态了 我记得我们之前还聊过广告 如果OPEN-IP是卖广告你觉得市场会有什么一项 这块我也有一个反思 我觉得是之前理解的不够完整 因为我之前的思维是说 我觉得OPEN-IP做广告对行业会非常危险 因为美国线上广告的这个深透率超过80% 那你OPEN-IP再进来 你肯定是一个存在的感染吗 你是能从Google Matter手里面强 然后后来就是又看了一下比如亚拉圣的广告 亚拉圣其实在过去几年 就自己尽巧巧地做出了一个 其实是100个Billion量级的广告业务 就它拿的其实不完全是传统意义的上广告预算 就比如说保节如果说给欧尔马吧50美元 让自己的这个洗发水放在一个 只货加上更咸眼的位置 这笔钱其实它不算是广告费用 而是作为一个收入的这个叫什么 Trident Promotion的这么一个一个东西 它是从销售收入里面扣掉的 所以已经有很多细节 但就是说我觉得整个这个市场还是很大的 而且在新进来玩家 比如说OPEN-IP开始买广告 也未必是一个完全存量 一定要从Google Matter手里面强了这么一个感染 今年是不是还有几个超大型的IPO Dropake Open-IP 这都市场会有什么大顶项吗 对 第一个上的可能是SpaceX 叫还有你说那两家 这几个加起来反而咱们算 比如说4万亿美金级别的IPO 那这样子你融资 按5%算大概是2千亿美元 然后你可能你流通盘可能是4千亿这样子 所以就有做了很多测算 你跟投行就是来来回回 就是觉得从一个存市场容量上面看 是称得住的 就是你全球你主动投资股票基金 这些没有数房子 现在可能它账上就能有一万亿的美金的这么一个现金 那再加上散户 因为散户这些年自己会投不到 就Open-IPO和SpaceX 肯定会想进这个市场罕算去投 包括一些主权基金 包括最终基金 所以市场不是接不住 但是我个人感觉 更大的问题其实是一个自信的轮动 就是你新的IPO进来 大家喜欢 大家想去哪 那肯定我觉得今天现有的Macs 闻会成压 这个还不算上 我们可能说了就是对吧 Macs 很多的限制内容已经要付了 所以原来你是期去投 然后之后你很多都会被歧视 我觉得大票财园会不会有什么意思 这个也是做了很多测算 我觉得其实对它的这个叫 EPS 就对它这个美股这个收入帮助是有限的 大概算起来就比如说你如果20%的财园 对于那几个就是Macs 能对应 EPS的5% 或10%吧 但是对软件公司影响会非常大 像比如说搜错这种就是典型人力 密集型的SARS公司 你一个20%的财园 能很轻松的对应 40%的 EPS的增长 今天听起来市场一片相好 又是上时又是退出 有什么是可能让市场情绪变差的吗 我觉得几个可能的吧 就一个就是社会影响 如果说大规模的财园 可能政府多少会有一些干预 然后这样比如说偷肯浪费 带来这个回落 对吧比如说Mathia这几个Billian的外部模型跨销 但我还是那个观点 我觉得哪怕有一波浪费带来的回落 我就也不影响中长期的趋势 然后再有我觉得大家对于整个Mac 7 这个负现心理由 我觉得会有一波更大的一个讨论 大家会问说 那接下来哪怕模型还在进步 但这个钱从哪里出 这块是确实现在是没有看到一个很好的学办法的 然后目前比如说Antropet看到收入是 就非常好的一件事情 但是Antropet的这个收入毕竟不是 它并不是Antopropet 就是比如说像其他的人 去用Antropet产生更好的这个收入 这个收入其实大家一直是没有真的看到的 我觉得比较乐观的看可能当年底吧 大家会更希望看到一个就是真正的 就是因为AI大来的收入 总结来说归谱现在是不是你慢着一种对于裁员的控制 我觉得确实有 而且焦虑恐惧 本来就是最容易传播的情绪 然后还有一个 我觉得就很实在说比较现实这个背景 就这几年很多人也因为AI这波就报复了 然后所以是财富差距 然后你祭福的变革 全能点在一起的这种焦虑 这个影响会有多大 你说裁员对吧 最近有人问Druck Miller 就说这个AI是不是肯定导致裁员和通缩 然后他的原话 他说如果你报听这个想法 你是AirGun 然后也不是Openminded 对我特用这个 我就说我在这上面肯定是没有资格真的下定论的 一方面 从人类有记忆来 其实每一顿技术变革都会 大家说是就业的末日 不管是当年这玩马车 汽车 然后防止机 然后电力 计算机 到互联网 其实每一次都是这样 然后但另外一方面 我们投资面都说 这次不一样是投资里面 就最危险的几个字 所以可能真的就是像Druck Miller说的 就是保持一个 Openmind的保持一个开放的这么一个态度 如果说这个悲观者是对的 AI造成很大规模的纪归冲击 政府其实也可以通过印超 就比如说伙说全民基本收入 伙说就是收税 就做一些应对 所以可能不会是一个 大家想像的長期通促了這麼一個市場 那投資上面 我就能做的事情 或者普通人能做的事情 就是就知道市場的主流是什麼 然後但是同時去看到別人 現在還沒有看到這個路徑 然後提前做好心理的這個準備 所以當這個劇情 不管是按那條路展開的時候 在心理上和這個組合上面都能準備好 都能快速調整 我覺得這個就是能做的事情了 一時常技術革命都是怎麼影響的 就業的 你有沒有一些研究 這個我其實是花了很多時間 讓這個AI去回顧幾百年的歷史 包括最早在英國這個動力之不及 摧毀了這個手工之部 然後還有之前很大規模的美國 農業人口從勞動力的40%降到的只有1% 然後在美國還曾經有一波 是這個電話接線員 他在高峰時期其實也是有大幾十萬人的 然後到最後全都被自動化就替代了 才包括美國可能稍微進氣 這個鐵修代 就是把世界中國加入WTO 也有很多這個引擎的變化 我覺得也不敢說是真的學到什麼 但是最大的感受就是 歷史上人類真的經歷了很多區別 今天我們會覺得AI這種 對吧 很多不確定性很大的壓迫感 但如果真的和當年 就工業化取代手工農業 對農民的震撼相比 我覺得是不是一個量級的 就是每一代人或者是每一個個體 都會覺得自己非常的 sperson 我覺得自己非常的不一樣 但是實際上放到一個歷史的成合 也就是很小的這麼一個波蘭 但你覺得這次到底是一樣還是不一樣 我覺得一樣或者不一樣 雙級主要看速度和廣度 然後就是這個變化的速度和廣度 那你速度上面歷史上看 其實很多技術轉型是很難的 比如說你農業到農業 雖然影響很大 但其實花了100年的時間 然後你哪怕是接線員 自動化也花了幾十年 就是AI目前來看 我覺得擴散可能是會快很多的 然後廣度上面 大家都覺得說這一次白臨影響很大 但實際上就是之前的農業 或什麼對應的規模時間是差不多的 這個裡面我覺得真的很難下判斷 像比如說先大家都淋出來說 比如說在2015一動眼的時候 就是水天天 他就說他說我們不應該再有放射科醫生 因為這個深度學習已經超過人類 放射科醫生的這個水平了 但到今天其實這個醫生的名額 不僅沒有減少反而 對吧 女女雙性高 然後新頭也上漲 然後包括最近大家說說軟件徹底死了 公司要彈遠了 但是其實你看這個Divolop的招片的數據 其實已經到了一個歷史上最好的 這麼一個點位 所以一樣不一樣 我覺得說實話真的走一步 我傾向於覺得會變化會快很多 你自己是長期背關還是長期樂觀 長期肯定是樂觀 我覺得一個的東西能大幅提升 生產力長期肯定對經濟是利好的 我覺得現在 具體來說 我覺得是一個非常適合創業的一個時間點 就是當你這些大廠不再是絕對的安全 但創業的話你融資是很容易的 然後你Coding讓做很容易變得很快 然後很多新的需求 然後歌劇也沒有穩定 所以大家都叫這個是什麼第四次工業革命 一個大時代 所以去做點新的東西本身也不丟人 在創業的人也是一些建議 如果在創業的話 我覺得不要聽我上面人和分析 因為說說說前面的分析都是分析大公司 就分析一些比較 就是已經有很明確的這個商業模式的公司 你這些VCE遊戲早期的項目 很難有那種讓你覺得說有互稱和 然後有很 對吧很叫全部MOTA 就是你如果去想的話其實是沒有的 有什麼東西是模型公司或者大廠 真的想做自己做不出來的 我覺得也是沒有的 所以就不能去想一個終局的概念 就是有一點要腦子一熱 然後好好準備 然後好好努力想做就做吧 我覺得這個就是建議 對 前面聊了很多當貨 硬核的東西包括模型商業模式 即是一幾百億的數字 那我想換個頻道 有很多人都去歸股帶了一圈回來 反規最多的就是焦慮 那你天天在那裡你的真實感受是什麼 你焦慮嗎 實話說就是很焦慮 可能能說的就是更好聽一點 但我覺得實話說就是非常焦慮 對 我甚至自己也去思考這個 我也去想就是焦慮 這件事情的本質 其實就是對於未來 不確定性的恐懼 我自己每天聚集的狀態 就是覺得自己跟不上 包括什麼 Auto Research出來了 包括 Carri-10 有Demo的一個新的 Workflow 哪怕是這個Cloud 上面每天新的這個功能 然後軟件的變化 硬件的變化都太多太快了 做科技投資 你肯定每出一個性的東西 我覺得都應該自己上手去用一下 才能對投資做判斷 但事實就是東西太多太快 然後每天打開 Twitter 上面都會說說 什麼 You have to look at this 然後 this is changing my life 就是有一種就是又有新東西了 然後我又落後了 我又沒跟上了這種感覺 我覺得在現在不確定性高的這個時代 實話說我覺得不管是媒體 或者說就是個人 其實創造交流也變得非常的容易 你就是去問問說 你這週稍了多少Tocons 你有幾個 Open Cloud 就一堆對吧 就是這種名詞 然後再跌下大家對裁員的恐懼 就是確實是有很糟的一個狀態 所以你也會覺得自己根本上對吧 對我其實比如說幾個月之前 有一天我深夜因為在家裝不上 Open Cloud 我真的是痛苦 就說出來讓我搞笑 但當時就是你一個東西裝不上 你就會想說我連這個都裝不上 我什麼都跟不上 就是是不是要為時代淘汰了 就說說我都不叫普通人是怎麼能一次裝上的 因為那個 Open Cloud還有連很多東西 然後也沒有那麼注意 就他要自己寫什麼J上這種東西 我哪裡會寫我連那個 我連屏幕上的光標我自己都找不到 然後他要我給他什麼 API key 又不能 expose API key 反正是一個 反正當時那個信義狀態是非常著急 然後非常焦慮的 就是很容易 有很負面的情緒的 但是我可能也不想把這句話太重 就是因為確實每天感受到的不只是焦慮 還有一種莫名的激動 就突然好像什麼事情都可以做了 因為變化了過程中你機會就多 你投資也是有機會的時候 那像我們聽眾聽到你這個例子 能夠感覺好一點 就是所有人都很焦慮 不是只有你焦慮 對對我也希望大家其實說出來 很多事情也就沒什麼所謂了 你覺得這種狀態到底是 玩具特色還是說是我們整個大時代的特色 我覺得是時代特色 焦慮無非就是第一是你很在乎這個 然後第二就是你作為 本體你沒有足夠的確定感 人都會有一種想要 講空未來的衝動 但是我們前面聊的所有的問題 不管是裁員會不會發生 然後經濟的影響 然後 unproper能力先多久 都不一定性很高的這個話題 就是我覺得人或是包括自己 是我會對什麼事情 都有一個自己的看法 但有一句英語說的是叫 Stronle Penance Rusely Health 就現在因為出來這個時間點 你其實未來本來就是 不能完全被掌控的 在這個不確定這麼高的一個時代下 你沒有什麼確定性是高的東西 我們能抓住點什麼 我覺得肯定也有 就是我覺得不斷去問自己 不斷去想說 這到底對吧 這波到底帶來的是什麼 我覺得更高的智能和效率的提升 長期肯定是好的事情 而且智能本質上是非常平權的 就是像今天一個 對把一個小陣上的那個孩子 能用上了工具 可能後面給過工程師 沒有什麼本質區別 但是同時就是因為平權了 所以整個社會市面的很多資源 也會有一個重新的分配 所以這個平權會議一種非常痛苦 這個非常佩服的方式 在這個社會中間去實現 所以我會覺得 其實我們這代人應該覺得挺幸運的 就是活著這個大幾十年 見證了很多歷史 但大家好像都沒有這種 很幸運的感覺 都感覺要被焦慮捲走了 你之前還提到一個變化 就是說越來越不善快人構同了 對這個確實是誰 也可以說是一種孤獨感 就是我以前非常喜歡的樂人聊 所以尤其是樂就是行業的專家 像比如30分鐘之內 可能就從一個 幾個頂域非常頂尖的人的面 拿到非常高濃度的支持 那種感覺是非常爽的 然後但現在就是很多 跟工作有關的對話 真的是不管對方是誰 不管是從業者、投資人 可能90%就是我的信息性的內容 我都可以直接問AI得到答案 而且這個答案可能是我更想要的 就真的不是說 這裡面我有什麼優越感 不想再跟別人聊 而是說我很真實的覺得 以信息交換為目的的對話 這個意義是在快速地被掏空的 那你覺得人和人之間還剩下什麼 人和人之間 非常激唐 我覺得剩下就是 情感的連接 現在除了出去開會 只要我做了準備 就是對方說的事實性的內容 其實我都能透過準備 然後能基本上預料到 但是比如說我其實前段時間 隨便在跑牢走跟一個朋友做下來 可能本來也沒有準備了什麼大的事情 然後能聊著聊著話題跑道 就是說做事情的勇氣 然後他人生了一些遺憾 然後我再會什麼 然後有沒有什麼東西 會讓我覺得有很Spark 就是很閃光的感覺 我就我自己回頭看的時候 我覺得那個可能是我 自己一長暖的時間裡面 就最有內容的一次對話 就他沒有給我任何信息上的增量 但就是比較有人味吧 所以我自己其實現在心裡 也算是明顯化了一條線 就是我如果是跟信息 跟知識分析有關的事情會交給AI 但是見人這件事情反而變得 可能更單純了 就是去觀察觀察別人 然後去聊黑聊新路歷程 然後聊一些比較真誠 甚至可能之前大家都不會聊的 一些東西吧 我覺得不然的話 也確實浪費兩個人的時間 可能兩個人都去跟AI聊聊 會效果會更好 對 你說到這些真誠的說出來 會有點不好意思東西 就像你說你裝OpenCow沒有裝上 然後痛苦一點 我覺得這也是我們這檔節目的初衷 也是希望能夠和聽眾 時間形成一些真實的真正的連接 對 所以我覺得我請問說那些 就是知識的信息 應該都算是公開信息吧 不要適合AZN總結使用 可能最後這一段希望能有點意義 對了 我們那個工作室叫做語言 及世界工作室 當你第一次聽到這個名字的時候 你會想寫什麼 嗯 前可能看了沒有多想 不是特別的敏感 現在看我覺得有一點點像我們剛才說的 就是AI時代組織下夠那個意思 就是說 今天社會很多時候語言都是被用來 對吧 就是翻譯信息 傳遞信息的 那這個時候我的判斷是 我覺得AI會去做到這部分的工作 但是語言很多時候還會被用來 就真正建立人與人之間的聯繫 我覺得這個是會越來越寶貴的 這麼一個一個東西 好了今天的節目就是這樣 這裡是商業訪談路 是一檔由語言及世界工作室 出品的深度訪談節目 你可以到公眾號關注我們的工作室 或取更多的信息 我們的公眾號是語言及世界 Learn great is world 我們希望和你一起從這裡探索新的世界 Learn will draw your rules till the path appears We'll explore the new world from here shining out so the clouds can hear Every heart be drawing the map please tear up We'll explore the new world from here step by step to the top to cheer We're the start of the story This world will hear We'll explore the new world (你還沒說到)