本集简介
双语字幕
仅展示文本字幕，不包含中文音频；想边听边看，请使用 Bayt 播客 App。
你先给大家说说，目前在您看来，这个行业都发生了什么？
你先给大家说说，目前在您看来，这个行业都发生了什么？
因为我是做投资研究的嘛，最早从移动互联网时代开始做基金经理。
因为我是做投资研究的嘛，最早从移动互联网时代开始做基金经理。
所以我是经历了一次从移动互联网时代到二一年、二二年一个青黄不接的技术期，终于在二二年底横空出世的 ChatGPT 带来了一线曙光。
所以我是经历了一次从移动互联网时代到二一年、二二年一个青黄不接的技术期，终于在二二年底横空出世的 ChatGPT 带来了一线曙光。
所以从我投资的角度，我是看到了一次底层技术上的飞跃所带来的变革。
所以从我投资的角度，我是看到了一次底层技术上的飞跃所带来的变革。
其实这个东西不仅是投资的人能感受到，其实老百姓也能感受到。
其实这个东西不仅是投资的人能感受到，其实老百姓也能感受到。
我们可以看到啊，在 AI 时代，一些 AI 原生的软件，它的增长的速度是极快的，就是从来没有过的速度的快。
我们可以看到啊，在 AI 时代，一些 AI 原生的软件，它的增长的速度是极快的，就是从来没有过的速度的快。
比如说我们看到的，现在叫做 W A U，就我们说周活，因为这个是 ChatGPT 它自己公布的这个数据。
比如说我们看到的，现在叫做 W A U，就我们说周活，因为这个是 ChatGPT 它自己公布的这个数据。
周活呢已经达到了9亿。
周活呢已经达到了9亿。
这是人类历史上增长最快的一个消费级 APP 的诞生的一个速度了。
这是人类历史上增长最快的一个消费级 APP 的诞生的一个速度了。
在这个之前应该就是微信了。
在这个之前应该就是微信了。
那9亿是个什么概念呢？
那9亿是个什么概念呢？
这还是一个 w a u 周活的概念，如果折算到 m a u 咱们说的这种月活的概念，可能就到了12亿左右了。
这还是一个 w a u 周活的概念，如果折算到 m a u 咱们说的这种月活的概念，可能就到了12亿左右了。
那我们可以罗列数一数哈，全世界能超过10亿的 MAU 的应用有几个？
那我们可以罗列数一数哈，全世界能超过10亿的 MAU 的应用有几个？
咱们两只手就可以数的过来，比如30亿以上的。
咱们两只手就可以数的过来，比如30亿以上的。
Meta 的 Facebook 然后有 Meta 的 WhatsApp 然后有 Meta 的 Instagram 这是30以上的，然后20以上的有 Google 的 YouTube 如果再把我们字节的海外的 TikTok MAU 的量加上，咱们国内的抖音的版本。
Meta 的 Facebook 然后有 Meta 的 WhatsApp 然后有 Meta 的 Instagram 这是30以上的，然后20以上的有 Google 的 YouTube 如果再把我们字节的海外的 TikTok MAU 的量加上，咱们国内的抖音的版本。
加起来差不多，海外有一个。
加起来差不多，海外有一个。
我记得不太清楚啊，应该有个十九二十亿的样子。
我记得不太清楚啊，应该有个十九二十亿的样子。
对，差不多。
对，差不多。
然后国内差不多有一个九亿左右的样子，那加起来也有二十八九亿，也将近小三十亿了。
然后国内差不多有一个九亿左右的样子，那加起来也有二十八九亿，也将近小三十亿了。
再往下数，可能就是什么支付宝啊、淘宝这些十亿左右的，微信有个十亿，所以能数下来也就这七八个，就是真正的是能在十亿以上的 m a u 的。
再往下数，可能就是什么支付宝啊、淘宝这些十亿左右的，微信有个十亿，所以能数下来也就这七八个，就是真正的是能在十亿以上的 m a u 的。
所以我们可以看到，其实这一轮我们说 ai 原生的应用，它已经非常大了，大到什么？
所以我们可以看到，其实这一轮我们说 ai 原生的应用，它已经非常大了，大到什么？
大到你不能忽略它了，也无非就是两年多的一个时间。
大到你不能忽略它了，也无非就是两年多的一个时间。
这是我特别大的一个感触啊。
这是我特别大的一个感触啊。
我我看到另外一个数据也很震惊，他说就是2024年初，我们中国日军的 token 调用量大概是1000亿左右，但是到了今年3月份是140万亿。
我我看到另外一个数据也很震惊，他说就是2024年初，我们中国日军的 token 调用量大概是1000亿左右，但是到了今年3月份是140万亿。
所以就是两年之间增长了超过千倍。
所以就是两年之间增长了超过千倍。
这这个数据也很震惊我。
这这个数据也很震惊我。
对，是的，其实你可以看到，基本上我觉得这一轮的 AI native 的大厂，咱们所说的。
对，是的，其实你可以看到，基本上我觉得这一轮的 AI native 的大厂，咱们所说的。
像海外的 anthropic google OpenAI 咱们国内的像豆包这些，还有阿里。
像海外的 anthropic google OpenAI 咱们国内的像豆包这些，还有阿里。
其实我们看到这些大厂，他们更愿意披露的数据是 Tokens。
其实我们看到这些大厂，他们更愿意披露的数据是 Tokens。
虽然他没有很高频的去说，一般在他的一些大的会上可能会谈到这个数。
虽然他没有很高频的去说，一般在他的一些大的会上可能会谈到这个数。
但是谈到这个数的时候，其实我们就意味着什么？
但是谈到这个数的时候，其实我们就意味着什么？
意味着大模型这件事情正向循环起来了。
意味着大模型这件事情正向循环起来了。
为什么？
为什么？
因为你的大模型它体现为性能的迭代，你的性能好用。
因为你的大模型它体现为性能的迭代，你的性能好用。
那就意味着什么？
那就意味着什么？
有更多人用，有更多人用就意味着它 Tokens 起来了。
有更多人用，有更多人用就意味着它 Tokens 起来了。
所以并不代表你以前的用户数多，你这个东西就好。
所以并不代表你以前的用户数多，你这个东西就好。
这个事情已经不是我移动互联网那个时代的投资的范式了，我觉得已经完全变化了。
这个事情已经不是我移动互联网那个时代的投资的范式了，我觉得已经完全变化了。
那个时代我看的领先指标是什么？
那个时代我看的领先指标是什么？
不是收入，是这个公司只要积累了足够多的在平台上的用户。
不是收入，是这个公司只要积累了足够多的在平台上的用户。
所以我最爱用的指标就是我看它月活 MAU 是多少。
所以我最爱用的指标就是我看它月活 MAU 是多少。
DAU 日活是多少？
DAU 日活是多少？
然后日均使用时长。
然后日均使用时长。
日均使用时长是多少？
日均使用时长是多少？
对，因为这些都变相意味着潜在的货币化的手段和货币化率。
对，因为这些都变相意味着潜在的货币化的手段和货币化率。
对，就意味着你有多少的库存的空间嘛，有市场就有库存的空间，可以往里头加广告嘛。
对，就意味着你有多少的库存的空间嘛，有市场就有库存的空间，可以往里头加广告嘛。
然后还有一个你会看，粘性强不强？
然后还有一个你会看，粘性强不强？
dm ratio，你会用 dau 再比上 mau 如果你的 dm ratio 是30%，那你就不如45%的嘛，就说明它用户登录的活跃度很强嘛，日活比上你的月活。
dm ratio，你会用 dau 再比上 mau 如果你的 dm ratio 是30%，那你就不如45%的嘛，就说明它用户登录的活跃度很强嘛，日活比上你的月活。
所以这都是我们在移动互联网时代的，我作为金经理的投资范式。
所以这都是我们在移动互联网时代的，我作为金经理的投资范式。
这是一个非常领先的一个指标，我先不看收入，我看的是什么呢？
这是一个非常领先的一个指标，我先不看收入，我看的是什么呢？
看的是你的用户数， dau 和 mau 和 dm ratio。
看的是你的用户数， dau 和 mau 和 dm ratio。
但是到了20年之后的，咱们这一轮把它定义义成一个生成式 AI 时代。
但是到了20年之后的，咱们这一轮把它定义义成一个生成式 AI 时代。
到生成式 AI 时代，其实我们看到的指标已经变了，领先指标是什么？
到生成式 AI 时代，其实我们看到的指标已经变了，领先指标是什么？
叫 Tokens 因为你做投资最重要的一点是你要有投资的框架体系。
叫 Tokens 因为你做投资最重要的一点是你要有投资的框架体系。
什么叫投资的框架体系？
什么叫投资的框架体系？
就是本身投资的这件事情呢，是可以跟踪的，可以复制的。
就是本身投资的这件事情呢，是可以跟踪的，可以复制的。
就你不仅投 A 公司，你投 B 公司也可以用这个框架体系。
就你不仅投 A 公司，你投 B 公司也可以用这个框架体系。
可跟踪、可复制，而且可以验证的。
可跟踪、可复制，而且可以验证的。
我最终证明，哦，这个公司是按照我的这个想法去走了，然后股价也这样去走了。
我最终证明，哦，这个公司是按照我的这个想法去走了，然后股价也这样去走了。
就可以跟踪，可以复制，可以验证。
就可以跟踪，可以复制，可以验证。
所以我在每投一个行业之前，要先建立一个基本的框架体系。
所以我在每投一个行业之前，要先建立一个基本的框架体系。
其实这个 Tokens 的领先指标，我认为我在23年是没有建立起来，因为我不知道什么是这个 AI 这个行业领先指标，每个人都告我刷榜。
其实这个 Tokens 的领先指标，我认为我在23年是没有建立起来，因为我不知道什么是这个 AI 这个行业领先指标，每个人都告我刷榜。
你去看榜单好了。
你去看榜单好了。
哪一家公司的得分，每一项的得分是多少。
哪一家公司的得分，每一项的得分是多少。
后来发现这刷榜也是可以有技巧的，对吧？
后来发现这刷榜也是可以有技巧的，对吧？
我就根据榜单的内容去训我的模型就好了。
我就根据榜单的内容去训我的模型就好了。
后来才发现，其实你真正的有效的健康的辅助验证指标叫 Tokens 这是唯一健康的领先的指标。
后来才发现，其实你真正的有效的健康的辅助验证指标叫 Tokens 这是唯一健康的领先的指标。
所以我们看到，如果哪一个大厂敢跳出来说我的日均的 Tokens 在一个 Q 之后能是现在的环比的五倍、十倍，那你就可以看到。
所以我们看到，如果哪一个大厂敢跳出来说我的日均的 Tokens 在一个 Q 之后能是现在的环比的五倍、十倍，那你就可以看到。
它的大模型的性能一定是最好的和最优的和迭代的最快的。
它的大模型的性能一定是最好的和最优的和迭代的最快的。
所以这个指标它就成为一个用户替代我们原来所说的在移动互联网时代的 dau 和 mau 的一个最佳的，在生成式 ai 时代的一个投资的领先指标，就叫 Tokens。
所以这个指标它就成为一个用户替代我们原来所说的在移动互联网时代的 dau 和 mau 的一个最佳的，在生成式 ai 时代的一个投资的领先指标，就叫 Tokens。
哦，我记得就是大家一度对 Tokens 应该怎么翻译，还有过一些争论。
哦，我记得就是大家一度对 Tokens 应该怎么翻译，还有过一些争论。
有人说这个最好叫算元，而有人说这个叫词元。
有人说这个最好叫算元，而有人说这个叫词元。
但其实把把它翻译过来，好像都是它变成了某种货币。
但其实把把它翻译过来，好像都是它变成了某种货币。
那如果我们以货币的视角，当然也有人说是新时代的石油。
那如果我们以货币的视角，当然也有人说是新时代的石油。
就我们以这种视角来衡量 Tokens 的话，就它可能直接就意味着它就是货币化本身了。
就我们以这种视角来衡量 Tokens 的话，就它可能直接就意味着它就是货币化本身了。
今年还有一个很好玩的点，就是过去大家看任何一个行业，都会觉得说你的成本曲线应该随着规模效应而降低。
今年还有一个很好玩的点，就是过去大家看任何一个行业，都会觉得说你的成本曲线应该随着规模效应而降低。
但今年，Token 的价格并没有。
但今年，Token 的价格并没有。
如期的下滑，甚至还越来越贵了。
如期的下滑，甚至还越来越贵了。
大家也能意识到，就是这个事它是一个价值导向的事。
大家也能意识到，就是这个事它是一个价值导向的事。
杰文斯的悖论呢？
杰文斯的悖论呢？
历史上我们在做投资的时候，我会看一个很重要的指标，这个行业的渗透率到什么阶段了。
历史上我们在做投资的时候，我会看一个很重要的指标，这个行业的渗透率到什么阶段了。
就当一个行业在低渗透率阶段的时候，就意味着你有很大的一个空间，1%~5%是五倍的空间是吧？
就当一个行业在低渗透率阶段的时候，就意味着你有很大的一个空间，1%~5%是五倍的空间是吧？
5%~10%就剩两倍的空间了。
5%~10%就剩两倍的空间了。
所以我一定是要在低渗透率的时候去投一个行业。
所以我一定是要在低渗透率的时候去投一个行业。
所以我觉得现在的问题是，随着每一代的芯片性能的迭代，我们本质上是看到单 Tokens 的成本一定是下降的。
所以我觉得现在的问题是，随着每一代的芯片性能的迭代，我们本质上是看到单 Tokens 的成本一定是下降的。
是 Tokens 的用量变得很大了，你的 Coding Plan 里头的 Tokens 的包的量变得很大，你觉得好像贵了。
是 Tokens 的用量变得很大了，你的 Coding Plan 里头的 Tokens 的包的量变得很大，你觉得好像贵了。
但到底是一个东西使用效率提升，东西变省了之后，你觉得你是用的可能总的花费是少了，还是总的花费是多了？
但到底是一个东西使用效率提升，东西变省了之后，你觉得你是用的可能总的花费是少了，还是总的花费是多了？
这个是我们要讨论问题。
这个是我们要讨论问题。
你以前买一辆特别省油的车，哎，你觉得哎，这车真省油，你天天开。
你以前买一辆特别省油的车，哎，你觉得哎，这车真省油，你天天开。
以前只是上班开，现在是出去玩也开，干什么都开。
以前只是上班开，现在是出去玩也开，干什么都开。
所以你会发现，诶，全社会的油，实际上使用石油的量并没有下降，因为每个人都买了这台省油的车，是一样的道理。
所以你会发现，诶，全社会的油，实际上使用石油的量并没有下降，因为每个人都买了这台省油的车，是一样的道理。
所以在 AI 这个时代。
所以在 AI 这个时代。
也是一样，我们芯片更强了，推理模型从架构优化上、工程化上也做得更好了。
也是一样，我们芯片更强了，推理模型从架构优化上、工程化上也做得更好了。
确实我们看到每一次调用的单 token 的成本应该是下降的。
确实我们看到每一次调用的单 token 的成本应该是下降的。
但是实际上呢，你调用的轮次越来越多了，更多的场景去使用了，也更多的用户去使用了。
但是实际上呢，你调用的轮次越来越多了，更多的场景去使用了，也更多的用户去使用了。
所以本质上我们发现，你对 Tokens 这个资源的消耗，不是因为你单次计算的便宜。
所以本质上我们发现，你对 Tokens 这个资源的消耗，不是因为你单次计算的便宜。
而下降的，就是我们说的这种杰文斯的悖论。
而下降的，就是我们说的这种杰文斯的悖论。
本质上我们看到是调用的人和场景越来越多，它反而是增加的。
本质上我们看到是调用的人和场景越来越多，它反而是增加的。
可能我觉得这个事情也不是现在发生了，可能就我从我前面讲的汽车。
可能我觉得这个事情也不是现在发生了，可能就我从我前面讲的汽车。
你买了一个省油的车开始，其实以前坐公交车的场景你也开始开车了。
你买了一个省油的车开始，其实以前坐公交车的场景你也开始开车了。
就是每一轮技术革命虽然都是对一种新能源的使用效率更高了，但是因为它普及了之后。
就是每一轮技术革命虽然都是对一种新能源的使用效率更高了，但是因为它普及了之后。
我们对能源的需求和消耗量反倒是越来越大。
我们对能源的需求和消耗量反倒是越来越大。
对，我感觉是越便宜反而用的人越多。
对，我感觉是越便宜反而用的人越多。
所以我特别喜欢看到的一个现象是低渗透率，同时呢又非常的低价，这是特别好的一个场景。
所以我特别喜欢看到的一个现象是低渗透率，同时呢又非常的低价，这是特别好的一个场景。
就是又低渗透率又低价，低价就意味着可以接受的人就更多了嘛，他可以负担得起了嘛。
就是又低渗透率又低价，低价就意味着可以接受的人就更多了嘛，他可以负担得起了嘛。
所以它越便宜的东西，其实应该是反而用的人越多，总需求应该是越来越大的。
所以它越便宜的东西，其实应该是反而用的人越多，总需求应该是越来越大的。
所以我觉得这种效率的提升，无论是芯片更强了，模型推理能力更强了，模型的工程化优化使得它的成本下降得更多了。
所以我觉得这种效率的提升，无论是芯片更强了，模型推理能力更强了，模型的工程化优化使得它的成本下降得更多了。
本质上我觉得这种效率的提升，一定或者是不一定是让资源的总量下降的，大概率可能是因为使用场景和使用人数的增多，让资源的总量的消耗是增加的。
本质上我觉得这种效率的提升，一定或者是不一定是让资源的总量下降的，大概率可能是因为使用场景和使用人数的增多，让资源的总量的消耗是增加的。
而且这一轮就是需求方或者使用场景使用人数不光光是来自于探机的人。
而且这一轮就是需求方或者使用场景使用人数不光光是来自于探机的人。
甚至我们人可能本身是瓶颈，一个新增的需求方就是 Agent 我也有个很很好玩的观察，就是好像似乎从去年底开始。
甚至我们人可能本身是瓶颈，一个新增的需求方就是 Agent 我也有个很很好玩的观察，就是好像似乎从去年底开始。
或者从 Agent 越来越普及，无论是在 B 端还是在 C 端，其实大家都有大量的井喷。
或者从 Agent 越来越普及，无论是在 B 端还是在 C 端，其实大家都有大量的井喷。
然后你会发现2026年开始，大家讨论 AI 泡沫的声音，声量是远远没有2025年多的，就这个事好像越来越被少提及了。
然后你会发现2026年开始，大家讨论 AI 泡沫的声音，声量是远远没有2025年多的，就这个事好像越来越被少提及了。
在我们的年度策略报告25年的时候，我们就讨论过到底是不是有 AI bubble 有没有泡沫论。
在我们的年度策略报告25年的时候，我们就讨论过到底是不是有 AI bubble 有没有泡沫论。
其实那时候也很难争执，因为这几个巨头之间交叉持股，交叉融资。
其实那时候也很难争执，因为这几个巨头之间交叉持股，交叉融资。
就是一个循环，你怎么能证明到底会不会有可能有 bubble 最好的反驳，为什么到这个时候，26年的一季度，我们对这个事情反而没有那么大担忧了。
就是一个循环，你怎么能证明到底会不会有可能有 bubble 最好的反驳，为什么到这个时候，26年的一季度，我们对这个事情反而没有那么大担忧了。
你知道最好的反驳是什么？
你知道最好的反驳是什么？
就我本质上回来一看。
就我本质上回来一看。
ARR 不断地上修了。
ARR 不断地上修了。
我一个公司我自己开始造血了，你就对我的怀疑会大幅的一个下降。
我一个公司我自己开始造血了，你就对我的怀疑会大幅的一个下降。
我觉得这是最重要的一点，就什么都不如这个指标更好。
我觉得这是最重要的一点，就什么都不如这个指标更好。
其实我是万万没有想到，在今年一季度的时候，Anthropic 的ARR能够反包 OpenAI 的。
其实我是万万没有想到，在今年一季度的时候，Anthropic 的ARR能够反包 OpenAI 的。
是。
是。
你像现在300亿美金的ARR，这个我觉得是太超乎我的预期了，所以我觉得任何东西就是当你去争论这个capex可不可以持续，因为我们以前看。
你像现在300亿美金的ARR，这个我觉得是太超乎我的预期了，所以我觉得任何东西就是当你去争论这个capex可不可以持续，因为我们以前看。
capex 可不可以持续，可能是看它跟经营性现金流之间的比例。
capex 可不可以持续，可能是看它跟经营性现金流之间的比例。
你从30%变50%，现在变成130%的一个比例，那你肯定超过你经营性现金流，你会担心这个事情可不可持续。
你从30%变50%，现在变成130%的一个比例，那你肯定超过你经营性现金流，你会担心这个事情可不可持续。
那我刚才就讲了，其实它有很重要的一个验证指标，就是 Tokens 它是个健康度嘛，我们把它叫做一个领先指标。
那我刚才就讲了，其实它有很重要的一个验证指标，就是 Tokens 它是个健康度嘛，我们把它叫做一个领先指标。
那领先指标如果能够 Tokens 不断的增长，就说明哎我的模型很很好呀。
那领先指标如果能够 Tokens 不断的增长，就说明哎我的模型很很好呀。
很多人愿意用啊。
很多人愿意用啊。
OK，那就说明这个模型的 CapEx 的投资的训练带来了用户的增长，带来了用户使用量，这是一个产业的一个循环。
OK，那就说明这个模型的 CapEx 的投资的训练带来了用户的增长，带来了用户使用量，这是一个产业的一个循环。
那从我们的财务的角度去看，那你带来用户的使用量，用户付费吗？
那从我们的财务的角度去看，那你带来用户的使用量，用户付费吗？
那你付费看的是啥？
那你付费看的是啥？
看的不就是ARR 这个指标吗？
看的不就是ARR 这个指标吗？
如果 Tokens 又转化成为ARR，它是不是进一步强化了我在模型训练迭代上所前期投的那些 capex，终于什么？
如果 Tokens 又转化成为ARR，它是不是进一步强化了我在模型训练迭代上所前期投的那些 capex，终于什么？
飞轮转起来了。
飞轮转起来了。
我觉得这件事情很重要，就是我在一季度看到了，是因为 anthropic 的 AR 的上调的速度太亮眼了，你关注了它。
我觉得这件事情很重要，就是我在一季度看到了，是因为 anthropic 的 AR 的上调的速度太亮眼了，你关注了它。
实际上 openai 也在上调，各家都在上调。
实际上 openai 也在上调，各家都在上调。
这是一个非常健康的产业上的，能看到的财务的一个数字的现象，就是我们所看到的。
这是一个非常健康的产业上的，能看到的财务的一个数字的现象，就是我们所看到的。
capex 投在了模型的性能迭代上，带来了 tokens 的增长， tokens 转化成了付费的用户，带来了 arr 的提升，一个正向循环的飞轮转起来了。
capex 投在了模型的性能迭代上，带来了 tokens 的增长， tokens 转化成了付费的用户，带来了 arr 的提升，一个正向循环的飞轮转起来了。
这个就是特别从我们去反驳 ai bubble 的一个角度来看。
这个就是特别从我们去反驳 ai bubble 的一个角度来看。
似乎给了一个非常好的一个正向的信号。
似乎给了一个非常好的一个正向的信号。
刚才您说 anthropic 对 OpenAI 的反包，我脑子里面突然想到一个挺感慨的事，就是因为我们正处于一轮新技术革命导入阶段，所以它演化过程是充满未知数的。
刚才您说 anthropic 对 OpenAI 的反包，我脑子里面突然想到一个挺感慨的事，就是因为我们正处于一轮新技术革命导入阶段，所以它演化过程是充满未知数的。
我记得二三年可能大家一度最看好的是微软，因为觉得你是作为 OpenAI 的股东，那个时候对 OpenAI 是否可以充分的商业化都是有争论的，因为这并不是这家公司创立的初衷。
我记得二三年可能大家一度最看好的是微软，因为觉得你是作为 OpenAI 的股东，那个时候对 OpenAI 是否可以充分的商业化都是有争论的，因为这并不是这家公司创立的初衷。
然后后来发现微软的声量就下去了。
然后后来发现微软的声量就下去了。
然后我们关注 OpenAI 去年的时候大家又觉得哇，谷歌生态好强啊，结果今天又变成了 Anthropic 就是预三家，这个格局真的稳了吗？
然后我们关注 OpenAI 去年的时候大家又觉得哇，谷歌生态好强啊，结果今天又变成了 Anthropic 就是预三家，这个格局真的稳了吗？
大家好像总是对现有格局打一个大大的问号。
大家好像总是对现有格局打一个大大的问号。
这种演化的不确定性也挺有意思的。
这种演化的不确定性也挺有意思的。
其实也真的是这样，其实我觉得这一轮我感觉以前是投资的人特别焦虑，就是诶，我怕错过什么，尤其是 PEVC 是吧？
其实也真的是这样，其实我觉得这一轮我感觉以前是投资的人特别焦虑，就是诶，我怕错过什么，尤其是 PEVC 是吧？
我宁肯错了也不能错过。
我宁肯错了也不能错过。
因为我不能错过任何一个带给我百倍收益的一个公司，在很小的阶段我没有去投它。
因为我不能错过任何一个带给我百倍收益的一个公司，在很小的阶段我没有去投它。
但是我觉得这一轮我感觉产业比我们更加的焦虑，他们之间你死我活咬的非常非常的紧。
但是我觉得这一轮我感觉产业比我们更加的焦虑，他们之间你死我活咬的非常非常的紧。
所以我能感觉到，原来大家觉得是一家独大 OpenAI 但从去年开始呢，大家觉得是三家轮着做这把头把交椅。
所以我能感觉到，原来大家觉得是一家独大 OpenAI 但从去年开始呢，大家觉得是三家轮着做这把头把交椅。
轮着做到底是一会谁做一会谁做呢？
轮着做到底是一会谁做一会谁做呢？
在25年8月份的时候，当时是 Google 的 gemini 的多模态做的最好，对吧？
在25年8月份的时候，当时是 Google 的 gemini 的多模态做的最好，对吧？
它一把就新增了很多的用户，就你总有一个自己的切入点，让你的长板够长。
它一把就新增了很多的用户，就你总有一个自己的切入点，让你的长板够长。
所以这个时候其实我觉得很重要一点就是选择。
所以这个时候其实我觉得很重要一点就是选择。
大模型其实也跟我们每个人的人生一样，到底是努力重要还是选择重要？
大模型其实也跟我们每个人的人生一样，到底是努力重要还是选择重要？
因为也活了半辈子了，我自己感觉下来好像选择挺重要的。
因为也活了半辈子了，我自己感觉下来好像选择挺重要的。
当然努力是每个人的前提，但是选择很重要。
当然努力是每个人的前提，但是选择很重要。
我觉得 OpenAI 它最初它就选择了 to c 我是做一个 c 端定位的一个产品的，所以你看它给你做商业计划书的时候。
我觉得 OpenAI 它最初它就选择了 to c 我是做一个 c 端定位的一个产品的，所以你看它给你做商业计划书的时候。
他会把原来在 c 端的玩法那些，比如说我给你导流到 Shopify 这些，我去扣你的 take rate 的扣点，我去用广告的收入。
他会把原来在 c 端的玩法那些，比如说我给你导流到 Shopify 这些，我去扣你的 take rate 的扣点，我去用广告的收入。
说明什么？
说明什么？
说明它是 C 端的定位嘛，因为这些东西都是在 C 端去产生，你不可能给一个企业端的客户说我给你插广告吧？嗯。
说明它是 C 端的定位嘛，因为这些东西都是在 C 端去产生，你不可能给一个企业端的客户说我给你插广告吧？嗯。
就你显然没有把这个事完全当做一个价值导向的事。
就你显然没有把这个事完全当做一个价值导向的事。
对，他认为 c 端的用户足够多，所以我可以在 c 端有更多的用户的获得和将来更丰富的变现方式。
对，他认为 c 端的用户足够多，所以我可以在 c 端有更多的用户的获得和将来更丰富的变现方式。
我觉得无可厚非，因为一个新的技术的诞生，其实谁也不知道这种新的技术。
我觉得无可厚非，因为一个新的技术的诞生，其实谁也不知道这种新的技术。
将来会是以什么样的方式去变现，所以它就定位一个更广泛的群体，我觉得这个也没错。
将来会是以什么样的方式去变现，所以它就定位一个更广泛的群体，我觉得这个也没错。
但是呢，Anthropic 它就选择了另外一条路径，我选择 to b 的定位，我更加的集中在 to b 定位中的 coding。
但是呢，Anthropic 它就选择了另外一条路径，我选择 to b 的定位，我更加的集中在 to b 定位中的 coding。
程序员的这个方向上。
程序员的这个方向上。
最后我们发现一个什么事情呢？
最后我们发现一个什么事情呢？
就是 coding 其实它不仅仅是 coding 我把它理解为它是披着 coding 的外套的一种泛化。
就是 coding 其实它不仅仅是 coding 我把它理解为它是披着 coding 的外套的一种泛化。
其实我们发现 coding 场景，因为它相对标准化，好有一个 feedback 的一个评价。
其实我们发现 coding 场景，因为它相对标准化，好有一个 feedback 的一个评价。
所以它非常快的在程序员的这个人群中得到了渗透率的提升。
所以它非常快的在程序员的这个人群中得到了渗透率的提升。
但是实际上我们发现，Coding 是可以在金融这样的垂类行业中、医疗这样的垂类行业中进行泛化的。
但是实际上我们发现，Coding 是可以在金融这样的垂类行业中、医疗这样的垂类行业中进行泛化的。
这就是25年到26年发生的事情。
这就是25年到26年发生的事情。
我记得当时25年我说25年是 Agent 的元年。
我记得当时25年我说25年是 Agent 的元年。
但是没圆起来。
但是没圆起来。
就是 agent 没有到处的用起来，我觉得一个原因是因为数据治理的问题，就很多数据到了企业端落地的时候，发现不行，我得先处理数据。
就是 agent 没有到处的用起来，我觉得一个原因是因为数据治理的问题，就很多数据到了企业端落地的时候，发现不行，我得先处理数据。
处理数据就处理了我一年多的时间。
处理数据就处理了我一年多的时间。
其实我看到很多美股的上市公司，过去一年做了很多收购，收购的什么数据治理公司。
其实我看到很多美股的上市公司，过去一年做了很多收购，收购的什么数据治理公司。
因为你得把公司内部的数据变成什么 agent 可以读的，是 AI 可以去认知到的东西。
因为你得把公司内部的数据变成什么 agent 可以读的，是 AI 可以去认知到的东西。
所以我们会发现，Coding 在25年的 Agent 领域中，其实就独一家叫 Coding，程序员在用。
所以我们会发现，Coding 在25年的 Agent 领域中，其实就独一家叫 Coding，程序员在用。
那 Agent 呢从25年到26年进行了泛化了。
那 Agent 呢从25年到26年进行了泛化了。
咱们就发现什么呢？
咱们就发现什么呢？
就是你在金融场景中，在医疗场景中，包括我们看到的那 anthropic 的 co:work 的那个套件，法律的、医疗的什么都有，说明什么？
就是你在金融场景中，在医疗场景中，包括我们看到的那 anthropic 的 co:work 的那个套件，法律的、医疗的什么都有，说明什么？
说明它其实 coding 它只是一个垂类场景。
说明它其实 coding 它只是一个垂类场景。
但是它可以进行有效的泛化，所以我们到26年才看到真正的，我觉得叫做 Agent 的元年也好，爆发年也好。
但是它可以进行有效的泛化，所以我们到26年才看到真正的，我觉得叫做 Agent 的元年也好，爆发年也好。
我非常同意，我自己用 Cloud 最开始就是用那个聊天框嘛，Chat。
我非常同意，我自己用 Cloud 最开始就是用那个聊天框嘛，Chat。
后来 coworker 出来之后用 coworker 但最后发现其实你的所有需求，我后来觉得就是好像 coding 其实是真正原生的入口。
后来 coworker 出来之后用 coworker 但最后发现其实你的所有需求，我后来觉得就是好像 coding 其实是真正原生的入口。
对。
对。
就它也能联网，你想在 coding 里边跟它做那种对话也可以，然后它可以调各种的 mcp。
就它也能联网，你想在 coding 里边跟它做那种对话也可以，然后它可以调各种的 mcp。
你想干什么其实都可以。
你想干什么其实都可以。
比如说如果你用用 ChatGPT 你想联网的话，还得多点一步。
比如说如果你用用 ChatGPT 你想联网的话，还得多点一步。
嗯，对。
嗯，对。
增加一个那个联网搜索的选项之后才行。
增加一个那个联网搜索的选项之后才行。
我从 Chat 到 CoWork 到 Coding 一直跟着它走的。
我从 Chat 到 CoWork 到 Coding 一直跟着它走的。
然后另外一个，您说产业很焦虑也是，因为我之前看有一个博主，他总结了一下 claude 或者 anthropic 它3月份的更新量。
然后另外一个，您说产业很焦虑也是，因为我之前看有一个博主，他总结了一下 claude 或者 anthropic 它3月份的更新量。
那个更新量是以表格形式统计的。
那个更新量是以表格形式统计的。
那个数量感觉是移动互联网时代可能两年的版本迭代的量，但是现在一个月时间，就是我们这期聊天，我想起的标题就是 AI 的进化速度已经远远超过了我们的适应速度了。
那个数量感觉是移动互联网时代可能两年的版本迭代的量，但是现在一个月时间，就是我们这期聊天，我想起的标题就是 AI 的进化速度已经远远超过了我们的适应速度了。
我们追踪它的更新量有点难事了，每天都有呃要学的。
我们追踪它的更新量有点难事了，每天都有呃要学的。
我自己在小红书上建了一个收藏夹，就是我每天看到什么新事，我说哎，那我回去我自己跑一下，自己试一试。
我自己在小红书上建了一个收藏夹，就是我每天看到什么新事，我说哎，那我回去我自己跑一下，自己试一试。
后来发现收藏家的扩张速度远远高过我自己验证的能力，有这种感慨。
后来发现收藏家的扩张速度远远高过我自己验证的能力，有这种感慨。
没错，是的。
没错，是的。
其实我觉得以前的，比如咱们说的 PC 互联网时代到移动互联网时代，你是等着人工程师。
其实我觉得以前的，比如咱们说的 PC 互联网时代到移动互联网时代，你是等着人工程师。
帮他去写下一行的代码是什么的，就他的每一次的进化都得在你8个小时的工作时间之内去做。
帮他去写下一行的代码是什么的，就他的每一次的进化都得在你8个小时的工作时间之内去做。
现在不管怎么样，我们其实已经看到了一个他的自我进化。
现在不管怎么样，我们其实已经看到了一个他的自我进化。
就我不需要在你8个小时的工作时间去做，或者是说每一个人的8个小时的工作时间被大幅的效率提升了。
就我不需要在你8个小时的工作时间去做，或者是说每一个人的8个小时的工作时间被大幅的效率提升了。
所以从这点上来说，它又可以有大幅的效率，就程序员的工作人员的大幅效率提升。
所以从这点上来说，它又可以有大幅的效率，就程序员的工作人员的大幅效率提升。
其次再加上大模型的自我的迭代，确实就产生了。
其次再加上大模型的自我的迭代，确实就产生了。
就像您说的，我们可能已经追踪不到了，它可能已经不是几行字的一个更新，它变成了三页的 sheet 的更新。
就像您说的，我们可能已经追踪不到了，它可能已经不是几行字的一个更新，它变成了三页的 sheet 的更新。
还有我再回到我前面，咱们刚才聊到的 AI 的原生应用的 MAU 也好。
还有我再回到我前面，咱们刚才聊到的 AI 的原生应用的 MAU 也好。
w a u 也好，周活也好，就是我想到一个数字，我觉得还是要分享一下啊。
w a u 也好，周活也好，就是我想到一个数字，我觉得还是要分享一下啊。
OpenAI 它自己推的这个 ChatGPT 是史上增长速度最快的，就它大概用了0.2年达到了1亿的用户，就0.2年。
OpenAI 它自己推的这个 ChatGPT 是史上增长速度最快的，就它大概用了0.2年达到了1亿的用户，就0.2年。
这个数据，如果对比微信，微信是不是已经是非常快的了？
这个数据，如果对比微信，微信是不是已经是非常快的了？
微信是四百三十三天，相当于一年多的时间，达到了一亿用户。
微信是四百三十三天，相当于一年多的时间，达到了一亿用户。
但 ChatGPT 是零点二年就达到了。
但 ChatGPT 是零点二年就达到了。
再往前推，能达到一亿用户的就是 Facebook 了，Facebook是用了四点五年。
再往前推，能达到一亿用户的就是 Facebook 了，Facebook是用了四点五年。
其实微信的433天已经比4.5年快了好多了，对不对？
其实微信的433天已经比4.5年快了好多了，对不对？
但是你也没有想到，在生成式 AI 时代，ChatGPT 用史上最快的速度达到了1亿用户，只用了0.2年的时间。
但是你也没有想到，在生成式 AI 时代，ChatGPT 用史上最快的速度达到了1亿用户，只用了0.2年的时间。
所以我觉得从各类应用达到1亿用户所用的时间，其实就可以看到我们在指数级增长的一个时代，就时间被加速的。
所以我觉得从各类应用达到1亿用户所用的时间，其实就可以看到我们在指数级增长的一个时代，就时间被加速的。
是一个月之前，因为我前两天刚续了新一个月的 cloud 完了我是大概一个多月之前才开始用 coding 我本来想的就是说，当时出差，我说回北京之后我要好好健身。
是一个月之前，因为我前两天刚续了新一个月的 cloud 完了我是大概一个多月之前才开始用 coding 我本来想的就是说，当时出差，我说回北京之后我要好好健身。
但是回来之后第一个事是先弄了 cloud 完了开始用 coding 做网站。
但是回来之后第一个事是先弄了 cloud 完了开始用 coding 做网站。
我发现这一个月时间，首先下班时间大幅延后，然后我之前给自己定了个规矩，就是我回家之后坚决不干任何活。
我发现这一个月时间，首先下班时间大幅延后，然后我之前给自己定了个规矩，就是我回家之后坚决不干任何活。
过去一个月开始什么呢？
过去一个月开始什么呢？
求着程序员帮我把家里的 VPN 弄得更好一点，就是更稳定一些，别被封了。
求着程序员帮我把家里的 VPN 弄得更好一点，就是更稳定一些，别被封了。
这样的话，我可以回家之后接着干。
这样的话，我可以回家之后接着干。
然后这一个月根本没有任何健身，一切被加速。
然后这一个月根本没有任何健身，一切被加速。
而且这一个月的密度就又是非常高的，你觉得这一月干了好多事，不知不觉就已经一个月了。
而且这一个月的密度就又是非常高的，你觉得这一月干了好多事，不知不觉就已经一个月了。
26年整个就是一个被加速的感觉，这点其实一直给我冲击都挺大，我至今都没有缓过来。
26年整个就是一个被加速的感觉，这点其实一直给我冲击都挺大，我至今都没有缓过来。
比较明显的同样的感受。
比较明显的同样的感受。
但是我们还好，我们就无非感受一个时间被加速，叫世界迭代的很快，也无非是这样。
但是我们还好，我们就无非感受一个时间被加速，叫世界迭代的很快，也无非是这样。
有一些行业很惨，它会因为 AI 使得它有可能被消亡的顾虑会越来越大。
有一些行业很惨，它会因为 AI 使得它有可能被消亡的顾虑会越来越大。
就比如说软件行业，包括我前面讲到的 CoWork 推出的。
就比如说软件行业，包括我前面讲到的 CoWork 推出的。
法律的套件。
法律的套件。
推出法律套件，我记得当时推的第二天的时候，跌了百分之十八还是十几，就是。
推出法律套件，我记得当时推的第二天的时候，跌了百分之十八还是十几，就是。
很直接的，你就对行业产生了最直接的一个冲击了。
很直接的，你就对行业产生了最直接的一个冲击了。
RELX 就是股价会非常剧烈的反应，因为 claude 发布了法律套件，就是26年的2月初的时候，我记得特别清楚。
RELX 就是股价会非常剧烈的反应，因为 claude 发布了法律套件，就是26年的2月初的时候，我记得特别清楚。
发布法律套件，什么意思呢？
发布法律套件，什么意思呢？
就这个插件基本上就可以逐条的审阅合同了，可以标记风险了。
就这个插件基本上就可以逐条的审阅合同了，可以标记风险了。
绿、红、黄三级提示我就给你做出来了，生成具体的修改建议了，并且根据企业的自身的谈判策略。
绿、红、黄三级提示我就给你做出来了，生成具体的修改建议了，并且根据企业的自身的谈判策略。
可以进行定制化的配置了。
可以进行定制化的配置了。
那这些原来在做同样的活的公司，比如像 RELX 的股价跌了15%，LegalZoom 的股价当天跌了18%。
那这些原来在做同样的活的公司，比如像 RELX 的股价跌了15%，LegalZoom 的股价当天跌了18%。
特别直接的反应。
特别直接的反应。
所以我觉得我们作为一个局外人，可能看到 AI 变化这么快，我得不断地去学新知识去适应它。
所以我觉得我们作为一个局外人，可能看到 AI 变化这么快，我得不断地去学新知识去适应它。
你会发现很多这么多年积累下来的实体产业。
你会发现很多这么多年积累下来的实体产业。
好像比我们还惨。
好像比我们还惨。
就是我说现在产业界对 AI 的担忧焦虑，比我们做投资，或者我们只是一个 C 端的一个小使用者而言，要大得多。
就是我说现在产业界对 AI 的担忧焦虑，比我们做投资，或者我们只是一个 C 端的一个小使用者而言，要大得多。
就这个东西不仅是在法律行业，最可怕的是软件行业。
就这个东西不仅是在法律行业，最可怕的是软件行业。
所以可能这某种层面证明了呃为什么 anthropic 能能反包。
所以可能这某种层面证明了呃为什么 anthropic 能能反包。
对。
对。
就是因为它的需求端。
就是因为它的需求端。
是基于恐惧的，而且这种恐惧是非常强烈的。
是基于恐惧的，而且这种恐惧是非常强烈的。
可能原来大家的诉求是，这轮新技术革命我不容错过，但是现在好像就变成了，如果错过了你就必死一样。
可能原来大家的诉求是，这轮新技术革命我不容错过，但是现在好像就变成了，如果错过了你就必死一样。
对，我的感觉也是这样子，就是很明显，很多行业一夜之间，曾经的朝阳行业就变成了夕阳行业，岌岌可危。
对，我的感觉也是这样子，就是很明显，很多行业一夜之间，曾经的朝阳行业就变成了夕阳行业，岌岌可危。
可能是有点夸张了，但事实上就是因为 AI eat software AI 要吞噬软件这么一个叙事。
可能是有点夸张了，但事实上就是因为 AI eat software AI 要吞噬软件这么一个叙事。
使得我们看到，哎，是不是软件有新的形态出现了？
使得我们看到，哎，是不是软件有新的形态出现了？
就我们现在看到 Agent 他们再去调用的 Skills 这种东西。
就我们现在看到 Agent 他们再去调用的 Skills 这种东西。
如果 Skills 是一个我们所理解的新的软件包的插件，是喂给 Agent 来去看的话。
如果 Skills 是一个我们所理解的新的软件包的插件，是喂给 Agent 来去看的话。
那是不是软件重生了？
那是不是软件重生了？
或者说它是不是一种新的软件的雏形的诞生了？
或者说它是不是一种新的软件的雏形的诞生了？
所以这个在资本市场它就会演绎得非常极致，因为资本市场它是根据逻辑的演绎可以在股价中快速的变化的嘛，它并不需要现实中已经发生了。
所以这个在资本市场它就会演绎得非常极致，因为资本市场它是根据逻辑的演绎可以在股价中快速的变化的嘛，它并不需要现实中已经发生了。
我更多的是我要做出前瞻性的预判的，如果这个预判形成了共识，它就会造成股价的大幅的下跌。
我更多的是我要做出前瞻性的预判的，如果这个预判形成了共识，它就会造成股价的大幅的下跌。
其实我们可以看到美股的那个软件指数，IGV，年初以来跌了百百分之二十一。
其实我们可以看到美股的那个软件指数，IGV，年初以来跌了百百分之二十一。
A 股的软件指数，年初以来如果从高点是跌了百分之二十五，因为月初涨了一波嘛。
A 股的软件指数，年初以来如果从高点是跌了百分之二十五，因为月初涨了一波嘛。
但实际上，年初以来也跌了有百分之八，也是在各个的 A 股行业中排名倒数的。
但实际上，年初以来也跌了有百分之八，也是在各个的 A 股行业中排名倒数的。
就说明大家不仅仅是一种忧虑吧，而是真的把这件事情放到台面上来。
就说明大家不仅仅是一种忧虑吧，而是真的把这件事情放到台面上来。
我在投资的角度把它演绎出来了，这就说明很多人在这件事情上形成了共识。
我在投资的角度把它演绎出来了，这就说明很多人在这件事情上形成了共识。
我们从来认为定价是最聪明的一群人在定价。
我们从来认为定价是最聪明的一群人在定价。
一定是这样的。
一定是这样的。
他更多是杀估值，因为可能他的当期的财务指标还 ok 但是大家高度怀疑你三年之后会什么样。
他更多是杀估值，因为可能他的当期的财务指标还 ok 但是大家高度怀疑你三年之后会什么样。
没错，事实上就是这些公司 deliver 出来的 earnings。
没错，事实上就是这些公司 deliver 出来的 earnings。
都是符合预期，甚至略 beat 的。
都是符合预期，甚至略 beat 的。
应该说是大部分是 beat 的。
应该说是大部分是 beat 的。
但是你现在 beat 又怎样呢？
但是你现在 beat 又怎样呢？
因为我投资看的是未来。
因为我投资看的是未来。
这个事情其实我也仔细思考过。
这个事情其实我也仔细思考过。
AI 的模型的厂商，真的能取代软件行业吗？
AI 的模型的厂商，真的能取代软件行业吗？
是，包括我觉得就是这些已经被杀了一轮的，他们的股价。
是，包括我觉得就是这些已经被杀了一轮的，他们的股价。
能否回来也是一个值得观察的对象。
能否回来也是一个值得观察的对象。
当然了，有的时候，比如说你的界面，你的 No号可能被干掉了。
当然了，有的时候，比如说你的界面，你的 No号可能被干掉了。
但如果你掌握了数据，或者你掌握了执行权。
但如果你掌握了数据，或者你掌握了执行权。
你在某些节点上仍然是重要的。
你在某些节点上仍然是重要的。
这个事到底是，我们说的 AI 是必须经过你，还是能绕过你？
这个事到底是，我们说的 AI 是必须经过你，还是能绕过你？
那。
那。
对对对你你这个问题问得非常好，就是我是要经过你还是绕过你的问题。
对对对你你这个问题问得非常好，就是我是要经过你还是绕过你的问题。
现在好像是通杀。
现在好像是通杀。
不是，现在是什么呢？
不是，现在是什么呢？
因为你前期我给了你 PS 的估值，6倍7倍的。
因为你前期我给了你 PS 的估值，6倍7倍的。
嗯。
嗯。
很贵的估值，那对应 PE 水平也差不多在三四十倍了嘛。
很贵的估值，那对应 PE 水平也差不多在三四十倍了嘛。
所以呢，我这一轮，当你受到竞争格局挤压的时候，我先杀估值，我觉得这个无可厚非，对吧？
所以呢，我这一轮，当你受到竞争格局挤压的时候，我先杀估值，我觉得这个无可厚非，对吧？
竞争格局发生了变化了，我肯定要先杀估值。
竞争格局发生了变化了，我肯定要先杀估值。
但是呢，有一点就我们要想这个，就你说的经过你还是绕过你。
但是呢，有一点就我们要想这个，就你说的经过你还是绕过你。
我本质上认为，我觉得可能 AI 的大模型的厂商，它不可能取代现有的软件行业所有的企业的。
我本质上认为，我觉得可能 AI 的大模型的厂商，它不可能取代现有的软件行业所有的企业的。
它更多的是凌驾于软件之上的一个总的协调者。
它更多的是凌驾于软件之上的一个总的协调者。
可能入口变成你了。
可能入口变成你了。
就入口变成 Agent 了，入口变成 OpenClaw 了。
就入口变成 Agent 了，入口变成 OpenClaw 了。
就是入口变成各种交互的 Agent 的入口，我不以你软件作为入口了，因为我觉得以前软件的价值它在于两个。
就是入口变成各种交互的 Agent 的入口，我不以你软件作为入口了，因为我觉得以前软件的价值它在于两个。
第一个是 C 端的用户，我长期在用嘛，所以我就很熟悉你的用户的界面。
第一个是 C 端的用户，我长期在用嘛，所以我就很熟悉你的用户的界面。
你现在给我换另外一个 A 软件换 B 软件，我就还得熟悉软件的 UI 界面，还得花我时间。
你现在给我换另外一个 A 软件换 B 软件，我就还得熟悉软件的 UI 界面，还得花我时间。
用户是有粘性的。
用户是有粘性的。
哎呦。
哎呦。
这个是用户的粘性壁垒，对吧？
这个是用户的粘性壁垒，对吧？
就想起终于开通了万德账号之后，是一脸懵逼。
就想起终于开通了万德账号之后，是一脸懵逼。
因为这东西真的需要学的。
因为这东西真的需要学的。
对吧？
对吧？
你说我从万德切换到 iFind 其实它已经做得非常接近了。
你说我从万德切换到 iFind 其实它已经做得非常接近了。
而且高度同质化。
而且高度同质化。
很像了，就各个按钮你都觉得。
很像了，就各个按钮你都觉得。
还是有点。
还是有点。
我还是得适应。
我还是得适应。
如果但凡我今天能够第一个去打开什么，我可能还是毫不犹豫地打开了万德，我就熟悉它一点。
如果但凡我今天能够第一个去打开什么，我可能还是毫不犹豫地打开了万德，我就熟悉它一点。
这就是一个用户的粘性。
这就是一个用户的粘性。
但并不代表他不能切换。
但并不代表他不能切换。
但有一点就如果 c 端的用户仅仅就是因为你的一个操作界面的一个粘性的话，现在发生了变化。
但有一点就如果 c 端的用户仅仅就是因为你的一个操作界面的一个粘性的话，现在发生了变化。
因为以前用户是直接接触软件，他要知道功能点在哪。
因为以前用户是直接接触软件，他要知道功能点在哪。
比如我进我自己公司的 oa 我需要知道哪是人力资源，哪是报销的系统，我怎么点进去，怎么请假，怎么公出。
比如我进我自己公司的 oa 我需要知道哪是人力资源，哪是报销的系统，我怎么点进去，怎么请假，怎么公出。
但是我现在不需要了，我现在就一句话，我说你帮我提交一个今天下午出差的单子。
但是我现在不需要了，我现在就一句话，我说你帮我提交一个今天下午出差的单子。
我根本就不需要他知道他从哪进的人力系统，从哪进的我的请假，从哪选公出还是选因私。
我根本就不需要他知道他从哪进的人力系统，从哪进的我的请假，从哪选公出还是选因私。
自然语言变成了新的编程语言。
自然语言变成了新的编程语言。
啊，对，这个非常直接，因为人是懒的。
啊，对，这个非常直接，因为人是懒的。
展开剩余字幕（还有 480 条）
就这个特别符合人的惰性，但凡能一句话解决的，你还愿意一个一个按钮去点那个 button。
就这个特别符合人的惰性，但凡能一句话解决的，你还愿意一个一个按钮去点那个 button。
肯定不需要。
肯定不需要。
所以我现在感觉就是，现在的用户被隔离到了原来的软件的 UI 的界面之外了。
所以我现在感觉就是，现在的用户被隔离到了原来的软件的 UI 的界面之外了。
就咱们说的，你到底是 LUI 还是 GUI 以前的软件它是个 GUI 嘛，因为你看那个界面看熟悉了，现在就是 LUI 我的一个 language 就是我的 UI 我用我的自然语言就说了。
就咱们说的，你到底是 LUI 还是 GUI 以前的软件它是个 GUI 嘛，因为你看那个界面看熟悉了，现在就是 LUI 我的一个 language 就是我的 UI 我用我的自然语言就说了。
如果是这样的话呢，你就会发现，哎，好像软件原来 c 端用户的熟悉程度的壁垒被削弱了。
如果是这样的话呢，你就会发现，哎，好像软件原来 c 端用户的熟悉程度的壁垒被削弱了。
我觉得这是软件为什么大家说 AI eat software 很重要的一点，就它削弱了软件的一个用户入口的价值。
我觉得这是软件为什么大家说 AI eat software 很重要的一点，就它削弱了软件的一个用户入口的价值。
这点很重要，就我们打什么仗都会发现都在争入口。
这点很重要，就我们打什么仗都会发现都在争入口。
就无论是京东、美团还是阿里，他为什么要打这仗？
就无论是京东、美团还是阿里，他为什么要打这仗？
争入口嘛，我用一个高频去打一个低频的应用嘛，外卖是一个高频的应用嘛，外卖总比你在淘宝上去购物买衣服更加的高频吧，你永远都是在争夺这个入口。
争入口嘛，我用一个高频去打一个低频的应用嘛，外卖是一个高频的应用嘛，外卖总比你在淘宝上去购物买衣服更加的高频吧，你永远都是在争夺这个入口。
如果以前的 c 端的用户的粘性是一个壁垒的话，这个叫用户的入口价值。
如果以前的 c 端的用户的粘性是一个壁垒的话，这个叫用户的入口价值。
可能就是因为现在 Agent 去读软件了，而不是人去读软件了。
可能就是因为现在 Agent 去读软件了，而不是人去读软件了。
但是 Agent 读的是软件吗？
但是 Agent 读的是软件吗？
不是啊，它读的是 Skills 包啊。
不是啊，它读的是 Skills 包啊。
就会发现原来用户变了，用户不是碳基生命了，用户已经成了硅基了。
就会发现原来用户变了，用户不是碳基生命了，用户已经成了硅基了。
人和软件之间被 Agent 被 AI 隔出来一道，AI 成了一个新的中介。
人和软件之间被 Agent 被 AI 隔出来一道，AI 成了一个新的中介。
没错，是这样子，我真的不想去点一个一个的按钮去完成一项功能。
没错，是这样子，我真的不想去点一个一个的按钮去完成一项功能。
其实我可以一句话去完成。
其实我可以一句话去完成。
你帮我报销一下就好了，你从哪个里头去掉我的出差的飞机票和火车票就好了。
你帮我报销一下就好了，你从哪个里头去掉我的出差的飞机票和火车票就好了。
我觉得这是很重要的一点，就是 c 端的用户的粘性壁垒。
我觉得这是很重要的一点，就是 c 端的用户的粘性壁垒。
还有个第二点。
还有个第二点。
就您刚才提到的 No号。
就您刚才提到的 No号。
其实企业软件最重要的一点就是我在 B 端这么多年积累下来，我去前期 consulting 到这个公司去做，前期去了解它的业务流程是什么，这就是我们所说的它对 B 端的企业的 No号。
其实企业软件最重要的一点就是我在 B 端这么多年积累下来，我去前期 consulting 到这个公司去做，前期去了解它的业务流程是什么，这就是我们所说的它对 B 端的企业的 No号。
但这个护城河是软件商多年甚至是十几年所积累下来的，对业务流程的一个了解。
但这个护城河是软件商多年甚至是十几年所积累下来的，对业务流程的一个了解。
但很可惜，他现在这些流程被 Skills 显性化了，被 Skills 公开化了。
但很可惜，他现在这些流程被 Skills 显性化了，被 Skills 公开化了。
甚至我觉得还有一种是被众包了，因为每个人都熟悉一点点这个流程。
甚至我觉得还有一种是被众包了，因为每个人都熟悉一点点这个流程。
就我举个很简单的一个例子，比如说 Workday 这家美股啊，它挺惨的，它年初以来跌了45%。
就我举个很简单的一个例子，比如说 Workday 这家美股啊，它挺惨的，它年初以来跌了45%。
它的核心壁垒是什么？
它的核心壁垒是什么？
它是一个做 HR SaaS 的一个公司。
它是一个做 HR SaaS 的一个公司。
他干嘛呢？
他干嘛呢？
他去了解各国、各州、各个行业的这种复杂的薪酬的计算规则。
他去了解各国、各州、各个行业的这种复杂的薪酬的计算规则。
加班怎么算？
加班怎么算？
社保怎么扣？
社保怎么扣？
跨州的员工的税怎么处理？
跨州的员工的税怎么处理？
这些规则其实都是埋在 Workday 的这种代码和配置表里的，他用了十几年的功夫，服务了几千家企业所积累下来的。
这些规则其实都是埋在 Workday 的这种代码和配置表里的，他用了十几年的功夫，服务了几千家企业所积累下来的。
但是这些规则它本质上是来自于公开的法律法规的。
但是这些规则它本质上是来自于公开的法律法规的。
如果这种 LM 的大模型把这些规则，因为是公开的法律法规，我全都读过了，那么我就很快能够让 AI 去生成一套符合加州法规的加班的。
如果这种 LM 的大模型把这些规则，因为是公开的法律法规，我全都读过了，那么我就很快能够让 AI 去生成一套符合加州法规的加班的。
和薪酬的计算的 skills 这成为一个 skills 包了。
和薪酬的计算的 skills 这成为一个 skills 包了。
啊，那所以这种公司就是很典型的被绕过了。
啊，那所以这种公司就是很典型的被绕过了。
对呀，就是说我还需要再雇一个团队，去到一个公司，去到一个州去研究它三年的法规，去跟这个公司的业务相结合吗？
对呀，就是说我还需要再雇一个团队，去到一个公司，去到一个州去研究它三年的法规，去跟这个公司的业务相结合吗？
就这个过程被大幅的缩窄，门槛也被大幅的降低了。
就这个过程被大幅的缩窄，门槛也被大幅的降低了。
而且一定是公司最了解自己。
而且一定是公司最了解自己。
对，肯定是。
对，肯定是。
我可以让我公司的几个员工来去做这件事情，而不是每年再给你付几十万美金，甚至上百万美金，我去买你的东西。
我可以让我公司的几个员工来去做这件事情，而不是每年再给你付几十万美金，甚至上百万美金，我去买你的东西。
因为我买你的东西无非是买你对我的业务流程和法规相结合的 know how。
因为我买你的东西无非是买你对我的业务流程和法规相结合的 know how。
我买的是你这个东西，但这个东西现在被 Skills 显性化了。
我买的是你这个东西，但这个东西现在被 Skills 显性化了。
就我刚才说的众包化了，很可怕，就它变成一个个小的 Skills 包。
就我刚才说的众包化了，很可怕，就它变成一个个小的 Skills 包。
所以我一直在想这个事情，就是它有了更多的新参与者。
所以我一直在想这个事情，就是它有了更多的新参与者。
有了更低的门槛，让新参与者参与进来，到 B 端的软件市场。
有了更低的门槛，让新参与者参与进来，到 B 端的软件市场。
所以我们会看到，这有可能就会瓜分现有的软件厂商的市场份额。
所以我们会看到，这有可能就会瓜分现有的软件厂商的市场份额。
这是我们特别不愿意在投资端去看到的事情，就是竞争格局恶化。
这是我们特别不愿意在投资端去看到的事情，就是竞争格局恶化。
就你可能你还可以活得很好，也活得不错，也有自己用户，但是用户的增长变慢了，因为有更多的新参与者进来跟你去瓜分这个市场了。
就你可能你还可以活得很好，也活得不错，也有自己用户，但是用户的增长变慢了，因为有更多的新参与者进来跟你去瓜分这个市场了。
然后我一直把它视为我自己的竞争力。
然后我一直把它视为我自己的竞争力。
就是我们从杭州参加完魔造火箭那个活动回来之后，然后我决定我再也不做图了。
就是我们从杭州参加完魔造火箭那个活动回来之后，然后我决定我再也不做图了。
我就是照原来的流程自己写了个 skill 然后我就把它公开化了。
我就是照原来的流程自己写了个 skill 然后我就把它公开化了。
我说以后我再也不做图了，我说以后的所有图全部都是 AI 的。
我说以后我再也不做图了，我说以后的所有图全部都是 AI 的。
我唯一做的就两个，第一个找数据，第二个告诉他折柱饼我要哪个形式的，配色什么的字号全部都是统一的。
我唯一做的就两个，第一个找数据，第二个告诉他折柱饼我要哪个形式的，配色什么的字号全部都是统一的。
我为了自绝后路，我还把它公开了。
我为了自绝后路，我还把它公开了。
但那刻就感觉哦，原来从14年你如此打磨，甚至靠这个挣了不少钱的一个技能，如今真的是零门槛。
但那刻就感觉哦，原来从14年你如此打磨，甚至靠这个挣了不少钱的一个技能，如今真的是零门槛。
你的技能完全可以被大家通过 skill 直接加载下来，人家也会了，然后人家可以在你的基础上修改，做的比你还好，就很幻灭。
你的技能完全可以被大家通过 skill 直接加载下来，人家也会了，然后人家可以在你的基础上修改，做的比你还好，就很幻灭。
是啊，因为这个东西就是，你是在原来的版本上去改，还是一个纯粹的创新。
是啊，因为这个东西就是，你是在原来的版本上去改，还是一个纯粹的创新。
实际上从我们很多程度上去理解，还是一身轻松的去上阵会更好一点。
实际上从我们很多程度上去理解，还是一身轻松的去上阵会更好一点。
转型总是累的。
转型总是累的。
嗯。
嗯。
是，就包括以前大家，比如说那个 photoshop 玩的溜的那么多选项，那么多模板怎么用，和我让那个。
是，就包括以前大家，比如说那个 photoshop 玩的溜的那么多选项，那么多模板怎么用，和我让那个。
找一个图，我说你先给我抄，抄完再改。
找一个图，我说你先给我抄，抄完再改。
就是完全两套工作流了。
就是完全两套工作流了。
然后大家可以再看一下 Adobe 的股价。
然后大家可以再看一下 Adobe 的股价。
对，是这样。
对，是这样。
Adobe 也是比较直接的受到了冲击的，但是 Adobe 还好一点，就是 Adobe 它还有自己的专业的用户，所以它最终还能收敛到一部分特别特别专业的小用户上，但不管怎么样就是被打散了格局。
Adobe 也是比较直接的受到了冲击的，但是 Adobe 还好一点，就是 Adobe 它还有自己的专业的用户，所以它最终还能收敛到一部分特别特别专业的小用户上，但不管怎么样就是被打散了格局。
开始分化了，这件事情是不得不承认的。
开始分化了，这件事情是不得不承认的。
所以我也不认为 AI 大模型会把软件杀死，我觉得这个可能也是为了博眼球或者很直接的一种表达而已。
所以我也不认为 AI 大模型会把软件杀死，我觉得这个可能也是为了博眼球或者很直接的一种表达而已。
我本质上是认为 AI 大模型替代不了软件的，但是有一个事实，它削弱了软件的现有的价值。
我本质上是认为 AI 大模型替代不了软件的，但是有一个事实，它削弱了软件的现有的价值。
无论是 C 端的用户的入口的粘性的价值，还是对于 B 端企业的 know how 的价值，这件事情确实价值是被稀释了的。
无论是 C 端的用户的入口的粘性的价值，还是对于 B 端企业的 know how 的价值，这件事情确实价值是被稀释了的。
咱们就回到前面说的那种指数级的增长，不仅是在用户数量上的指数级的增长，ARR 也其实是这样子。
咱们就回到前面说的那种指数级的增长，不仅是在用户数量上的指数级的增长，ARR 也其实是这样子。
我看那个 Jeffrey 写过一个自己的那个分析师的研报，它里头有一个数据的分析，就是 anthropic 在2026年前三个月新增了大概21个 b 的ARR，就是210亿美金左右的ARR，也差不多嘛。
我看那个 Jeffrey 写过一个自己的那个分析师的研报，它里头有一个数据的分析，就是 anthropic 在2026年前三个月新增了大概21个 b 的ARR，就是210亿美金左右的ARR，也差不多嘛。
25年底的90亿到现在的300亿美金，就是210亿。
25年底的90亿到现在的300亿美金，就是210亿。
所以有百分之七十就是这一个 q 涨起来的。
所以有百分之七十就是这一个 q 涨起来的。
没错，所以就是为什么你刚才前面给我讲到说 AI bubble 这件事情，大家现在不太 challenging 这个观点了。
没错，所以就是为什么你刚才前面给我讲到说 AI bubble 这件事情，大家现在不太 challenging 这个观点了。
嗯。
嗯。
我都把我的收入ARR deliver 给你了，你都现实中看到了我能够正循环起来了。
我都把我的收入ARR deliver 给你了，你都现实中看到了我能够正循环起来了。
所以，Bubble 这件事情的讨论确实在这段时间降温了啊。
所以，Bubble 这件事情的讨论确实在这段时间降温了啊。
这个数据很可怕，就是从25年底的90亿到三个月，就是相当于26年3月份底的300亿，就210亿美金的三四个月的时间增加的ARR。
这个数据很可怕，就是从25年底的90亿到三个月，就是相当于26年3月份底的300亿，就210亿美金的三四个月的时间增加的ARR。
超过了 Jeffrey 自己，他覆盖了六十三家软件的那个上市公司啊，当然没有含微软这么大的。
超过了 Jeffrey 自己，他覆盖了六十三家软件的那个上市公司啊，当然没有含微软这么大的。
超过了六十三家上市的软件公司，在整个二零二五年全年新增的 ar 的三分之一，就是二五年的时候的 Jeffrey 覆盖的这六十三家软件上市公司，全年新增是五十八个 b 就五百八十亿美金的 ar。
超过了六十三家上市的软件公司，在整个二零二五年全年新增的 ar 的三分之一，就是二五年的时候的 Jeffrey 覆盖的这六十三家软件上市公司，全年新增是五十八个 b 就五百八十亿美金的 ar。
但是 anthropic 这家公司用三到四个月的时间做了两百一十亿美金，就相当于我做了你整个六十三家的软件上市公司二五年全年新增的三分之一的 ar。
但是 anthropic 这家公司用三到四个月的时间做了两百一十亿美金，就相当于我做了你整个六十三家的软件上市公司二五年全年新增的三分之一的 ar。
所以就是极致的马太。
所以就是极致的马太。
对。
对。
然后好像我们进入2026年，大家必须适应一个非线性的增长。
然后好像我们进入2026年，大家必须适应一个非线性的增长。
包括您刚才提这段，我又想到 OpenClaw 在 GitHub 上拿星的那个曲线。
包括您刚才提这段，我又想到 OpenClaw 在 GitHub 上拿星的那个曲线。
也是一个非常典型的指数性增长，它超越了线性增长的 React 还有 Linux 这两个特别高性的。
也是一个非常典型的指数性增长，它超越了线性增长的 React 还有 Linux 这两个特别高性的。
那是纵轴吗？
那是纵轴吗？
把曲线拉直了往上飙。
把曲线拉直了往上飙。
对，这个可能就是这一轮生成式 AI 的一种指数增长的在各个层面上的演绎吧。
对，这个可能就是这一轮生成式 AI 的一种指数增长的在各个层面上的演绎吧。
嗯。
嗯。
然后我三月初回来之后，做了三个网站。
然后我三月初回来之后，做了三个网站。
第一个网站就是我把我所有的公众号，还有播客的逐字稿，新增了两个格式，一个是那个 markdown 文档，一个是 json 格式。
第一个网站就是我把我所有的公众号，还有播客的逐字稿，新增了两个格式，一个是那个 markdown 文档，一个是 json 格式。
其实就想做一个 geo 的网站，就是方便 AI 来读嘛。
其实就想做一个 geo 的网站，就是方便 AI 来读嘛。
然后开了一个 API 接口，就是随便用，只要大家愿意。
然后开了一个 API 接口，就是随便用，只要大家愿意。
稍微带上一下这个引用来源，就是你可以随便调我的内容。
稍微带上一下这个引用来源，就是你可以随便调我的内容。
这是第一个网站，完了后面做了一个黄金的看板，应该很快会和大家见面。
这是第一个网站，完了后面做了一个黄金的看板，应该很快会和大家见面。
后面又做了一个美股的，呃，标普500，纳指，还有道指三个指数超过百年视角的复盘的看板。
后面又做了一个美股的，呃，标普500，纳指，还有道指三个指数超过百年视角的复盘的看板。
我看您的提纲的时候，我才意识到我犯了一个巨大的遗漏。
我看您的提纲的时候，我才意识到我犯了一个巨大的遗漏。
我做这些网站时候，我从来没用过 MCP 这个接口。
我做这些网站时候，我从来没用过 MCP 这个接口。
我老想着用下载点 skill 啊，什么 superpowers 啊，这些高新的 skill 来做，然后我发现我从来没想过用 MCP 您的那个比喻我觉得也特别好，就是大模型它可能是一个厨师的大脑。
我老想着用下载点 skill 啊，什么 superpowers 啊，这些高新的 skill 来做，然后我发现我从来没想过用 MCP 您的那个比喻我觉得也特别好，就是大模型它可能是一个厨师的大脑。
然后 skills 就是说你炒菜的一个流程，啊，先放哪个调料，后放哪个食材，掌握什么火候。
然后 skills 就是说你炒菜的一个流程，啊，先放哪个调料，后放哪个食材，掌握什么火候。
但 MCP 就好像是是一个厨房的设备，以及这个食材的供应链。
但 MCP 就好像是是一个厨房的设备，以及这个食材的供应链。
所以看完您的提纲，我昨天火速让克劳德帮我装了几个 MCP 尤其是金融数据类的。
所以看完您的提纲，我昨天火速让克劳德帮我装了几个 MCP 尤其是金融数据类的。
给我一个感觉，好像就是如果说大模型是一个特别厉害的缸中之脑，MCP 就好像是帮它接了很多标准化的外部接口，然后让它可以进入赛博世界了。
给我一个感觉，好像就是如果说大模型是一个特别厉害的缸中之脑，MCP 就好像是帮它接了很多标准化的外部接口，然后让它可以进入赛博世界了。
没错没错，是这样。
没错没错，是这样。
我觉得 MCP 这个协议，就我们说的这种模型的上下文的这个协议，是个非常非常重要的基础设施的创新。
我觉得 MCP 这个协议，就我们说的这种模型的上下文的这个协议，是个非常非常重要的基础设施的创新。
它太重要了。
它太重要了。
MCP，你就把它简单理解成 AI 世界里的 USB 的 Type C 你以前为了不同的设备插不同的，我记得最早那个一些家里的小设备还是那种圆口的充电器，你知道吧？
MCP，你就把它简单理解成 AI 世界里的 USB 的 Type C 你以前为了不同的设备插不同的，我记得最早那个一些家里的小设备还是那种圆口的充电器，你知道吧？
后来开始有苹果的，然后呢，现在就变成统一的 Type C 的。
后来开始有苹果的，然后呢，现在就变成统一的 Type C 的。
我觉得 MCP 的最重要的作用就是。
我觉得 MCP 的最重要的作用就是。
以前的各种充电器的接口有多乱，安卓的、苹果的、 type c 的各家一个标准，其实你现在就换成一根线了，这是一样的道理。
以前的各种充电器的接口有多乱，安卓的、苹果的、 type c 的各家一个标准，其实你现在就换成一根线了，这是一样的道理。
所以每一个 AI 工具，如果你想跟外部产生联系，外部是谁呢？
所以每一个 AI 工具，如果你想跟外部产生联系，外部是谁呢？
包括数据库、包括 GitHub 包括 Slack 包括 ERP 这些所有的，你都可以用一个很优雅的方式叫接入 MCP 来去实现。
包括数据库、包括 GitHub 包括 Slack 包括 ERP 这些所有的，你都可以用一个很优雅的方式叫接入 MCP 来去实现。
就是我觉得 MCP 它的这个架构，它是一个很优雅的一个架构。
就是我觉得 MCP 它的这个架构，它是一个很优雅的一个架构。
让 agent 呢可以通过 mcp 去查数据库，可以去操作。
让 agent 呢可以通过 mcp 去查数据库，可以去操作。
对，是这样，他可以去操作 github 仓库。
对，是这样，他可以去操作 github 仓库。
所以我觉得 mcp 是是 anthropic 非常漂亮的一个动作，或者是说它是一个极度前瞻的一个企业。
所以我觉得 mcp 是是 anthropic 非常漂亮的一个动作，或者是说它是一个极度前瞻的一个企业。
它是一个做标准的东西。
它是一个做标准的东西。
我们做投资以前就说，这种三流的企业做的是产品，二流的企业做的是服务是吧？
我们做投资以前就说，这种三流的企业做的是产品，二流的企业做的是服务是吧？
你有服务有品牌，一流的企业做的是标准。
你有服务有品牌，一流的企业做的是标准。
就是我们真的是希望看到的，就像华为啊、高通啊、ARM，我就授权标准就可以了，全世界没有比授权标准这样最好的一个生意了。
就是我们真的是希望看到的，就像华为啊、高通啊、ARM，我就授权标准就可以了，全世界没有比授权标准这样最好的一个生意了。
Anthropic 为什么在过去一年多的时间内能够有这么快的一个增长？
Anthropic 为什么在过去一年多的时间内能够有这么快的一个增长？
它前期是做对了一些事情的。
它前期是做对了一些事情的。
第一个就是它24年年底您提到的这个，它发布了 MCP 的协议，就它这个万能的一个插头，这么一个 USB 的这种 Type C 的，让所有设备能相互连接的这个插头。
第一个就是它24年年底您提到的这个，它发布了 MCP 的协议，就它这个万能的一个插头，这么一个 USB 的这种 Type C 的，让所有设备能相互连接的这个插头。
所以 MCP 它能让 AI 以统一的方式去连接和调用外部的工具和数据。
所以 MCP 它能让 AI 以统一的方式去连接和调用外部的工具和数据。
这个是一个非常重要的事情，有了 MCP 之后，我们就可以一次地去接所有的标准化的工具，实现外部的一种接入吧。
这个是一个非常重要的事情，有了 MCP 之后，我们就可以一次地去接所有的标准化的工具，实现外部的一种接入吧。
就我不用每一个新接入都要单独地去做一次开发。
就我不用每一个新接入都要单独地去做一次开发。
所以，Anthropic 真的是有做 B 端基因的，这个完全就是为企业端。
所以，Anthropic 真的是有做 B 端基因的，这个完全就是为企业端。
对。
对。
呃，上 AI 的，接入 AI 定制呢。
呃，上 AI 的，接入 AI 定制呢。
而且这个事情是24年的11月份就发布了的。
而且这个事情是24年的11月份就发布了的。
实际上从我们投资的角度，我记得在25年年初，我们是投了一小波，在 A 股市场中反映哪些公司是跟 MCP 相关的。
实际上从我们投资的角度，我记得在25年年初，我们是投了一小波，在 A 股市场中反映哪些公司是跟 MCP 相关的。
投资是完全映射产业逻辑的，但是产业逻辑会比投资走得更久，因为产业逻辑是要变现成每一个用户在用它，最终呢，这个用户用它产生了什么样的价值，我们投资更多的是一种跟产业之间的映射吧。
投资是完全映射产业逻辑的，但是产业逻辑会比投资走得更久，因为产业逻辑是要变现成每一个用户在用它，最终呢，这个用户用它产生了什么样的价值，我们投资更多的是一种跟产业之间的映射吧。
反正我炒完了就走了，就撤了，赚了一波钱就走了。
反正我炒完了就走了，就撤了，赚了一波钱就走了。
定价完了，大家就对，定价完了就找新的更新鲜的东西再去定价了。
定价完了，大家就对，定价完了就找新的更新鲜的东西再去定价了。
MCB 很新鲜，嗯，有意思，来炒一波吧。
MCB 很新鲜，嗯，有意思，来炒一波吧。
然后炒完了之后，把三年的事定价完，就可以走了。
然后炒完了之后，把三年的事定价完，就可以走了。
定价完了我就撤了，我去找更有趣的东西了。
定价完了我就撤了，我去找更有趣的东西了。
但是我觉得 anthropic 它做了一个三级跳，就什么是三级跳？
但是我觉得 anthropic 它做了一个三级跳，就什么是三级跳？
就24年11月份推出来的 MCP 的协议是第一跳，我觉得是很漂亮的。
就24年11月份推出来的 MCP 的协议是第一跳，我觉得是很漂亮的。
然后第二跳它做了什么呢？就25年10月份
然后第二跳它做了什么呢？就25年10月份
啊，就是今天如火如荼。
啊，就是今天如火如荼。
对，就咱们现在大家都在谈的这个 skills 技能包，我把它定义成有可能是新的 generative 的这种 AI 时代的软件新雏形。
对，就咱们现在大家都在谈的这个 skills 技能包，我把它定义成有可能是新的 generative 的这种 AI 时代的软件新雏形。
我也不敢确定是不是，因为可能还有。
我也不敢确定是不是，因为可能还有。
命令行呀这种新的方式什么。
命令行呀这种新的方式什么。
但从现在来看，这个中间态就很像一个新的软件的雏形。
但从现在来看，这个中间态就很像一个新的软件的雏形。
就第二件他做的漂亮的事情是什么呢？
就第二件他做的漂亮的事情是什么呢？
就是25年10月份推出来的这个 skills 的技能包。
就是25年10月份推出来的这个 skills 的技能包。
这技能包就是让大模型让 agent 可以随时查阅的说明文档嘛，是吧？
这技能包就是让大模型让 agent 可以随时查阅的说明文档嘛，是吧？
你要做什么事情，你就先查这个 skills。
你要做什么事情，你就先查这个 skills。
你就知道要做什么了。
你就知道要做什么了。
哎，对，就是您刚才说的那个五星级的米其林大厨，他要做饭，他是不是得有锅碗瓢盆啊？
哎，对，就是您刚才说的那个五星级的米其林大厨，他要做饭，他是不是得有锅碗瓢盆啊？
锅是不是就是 MCP？
锅是不是就是 MCP？
对。
对。
的协议就是每个人做饭其实也是标准化的，炒锅你得有吧？
的协议就是每个人做饭其实也是标准化的，炒锅你得有吧？
标准化的蒸锅你得有吧？
标准化的蒸锅你得有吧？
标准化的炒勺、铲子你得有吧？
标准化的炒勺、铲子你得有吧？
其实 mcp 它就是一种标准化的它的厨具，因为每个人都要用灶台，在灶台上做一个锅，然后开始煮东西、炒东西。
其实 mcp 它就是一种标准化的它的厨具，因为每个人都要用灶台，在灶台上做一个锅，然后开始煮东西、炒东西。
Skills 是什么呢？
Skills 是什么呢？
Skills 就是你今天想给我做满汉全席，你想做佛跳墙还是北京烤鸭，你得先有菜谱吧？
Skills 就是你今天想给我做满汉全席，你想做佛跳墙还是北京烤鸭，你得先有菜谱吧？
对。
对。
这个就是菜谱，就相当于让大脑去读的菜谱。
这个就是菜谱，就相当于让大脑去读的菜谱。
有了这个菜谱，我才知道在我的通用的工具里头去怎么做，去怎么炒菜。
有了这个菜谱，我才知道在我的通用的工具里头去怎么做，去怎么炒菜。
所以这个 skills 它就相当于是给米其林大厨去查阅的菜谱，其实就是 agent 去要完成一件事情的时候，他先查阅一个说明文档，这个文档告诉你要完成一个美股的个股分析。
所以这个 skills 它就相当于是给米其林大厨去查阅的菜谱，其实就是 agent 去要完成一件事情的时候，他先查阅一个说明文档，这个文档告诉你要完成一个美股的个股分析。
你应该先看什么？
你应该先看什么？
公司的主业是什么？
公司的主业是什么？
要看这个公司的营收的构成是什么？
要看这个公司的营收的构成是什么？
要看这个公司最盈利的业务的毛利率是什么？
要看这个公司最盈利的业务的毛利率是什么？
要看这个公司未来一年增长的驱动是什么？
要看这个公司未来一年增长的驱动是什么？
其实我是告诉他，你分析一个个股的时候，应该从哪几个方面去看。
其实我是告诉他，你分析一个个股的时候，应该从哪几个方面去看。
分析完财务指标后，你告诉我，这个公司现在所处的竞争格局是什么？
分析完财务指标后，你告诉我，这个公司现在所处的竞争格局是什么？
行业竞争态势是什么？
行业竞争态势是什么？
未来的风险点在哪里？
未来的风险点在哪里？
其实我是把这一步一步的流程告诉他了，他就写成了一个说明的文档。
其实我是把这一步一步的流程告诉他了，他就写成了一个说明的文档。
那下回你要说，哦，给我做一个美股的股票的分析的时候。
那下回你要说，哦，给我做一个美股的股票的分析的时候。
那 AI 就知道原来调一个叫 US Stock Skills 的这个说明包，你阅读完了，按步骤来执行，然后你自动加载，那我最后看结果就好了。
那 AI 就知道原来调一个叫 US Stock Skills 的这个说明包，你阅读完了，按步骤来执行，然后你自动加载，那我最后看结果就好了。
金融类的 skills 毫无疑问有特别多。
金融类的 skills 毫无疑问有特别多。
然后大家认为这个 skill 好不好，就是看 github 上拿了多少星。
然后大家认为这个 skill 好不好，就是看 github 上拿了多少星。
然后我也用它跑过很多结果，比如说我输入一个主题，你帮我写一个同心圆结构。
然后我也用它跑过很多结果，比如说我输入一个主题，你帮我写一个同心圆结构。
就离这个主题最相关的标的一层一层的往外给我去映射去扩散。
就离这个主题最相关的标的一层一层的往外给我去映射去扩散。
我发现一个巨大的问题是，我在底层对它的输出结果是做不到百分之百信任。
我发现一个巨大的问题是，我在底层对它的输出结果是做不到百分之百信任。
嗯嗯嗯。
嗯嗯嗯。
就是总是怀疑。
就是总是怀疑。
包括刚才您说的那个看财报，我先看哪个，后看哪个。
包括刚才您说的那个看财报，我先看哪个，后看哪个。
毫无疑问，就在这个事上，我写的 skill 肯定远远远远不如您，因为您是有绝对手感和大量经验的。
毫无疑问，就在这个事上，我写的 skill 肯定远远远远不如您，因为您是有绝对手感和大量经验的。
但我可能就是，哎，我照着一本财务书，我写一个。
但我可能就是，哎，我照着一本财务书，我写一个。
这两个一定是有巨大差距的，这也是我对所有的金融类的 skill。
这两个一定是有巨大差距的，这也是我对所有的金融类的 skill。
我当然尝鲜，但我又非常怀疑他能否真的指导投资，然后赚到钱。
我当然尝鲜，但我又非常怀疑他能否真的指导投资，然后赚到钱。
我对这个事是有一种直觉式的、经验式的怀疑的。
我对这个事是有一种直觉式的、经验式的怀疑的。
所有的 skills 是这样，就当你是一个 A 行业的从业者的时候，你看 B 行业的 skills 你觉得它挺不错的，挺满意的，因为你不熟悉那个行业。
所有的 skills 是这样，就当你是一个 A 行业的从业者的时候，你看 B 行业的 skills 你觉得它挺不错的，挺满意的，因为你不熟悉那个行业。
但如果你是个 A 行业的从业者，你去，你看 A 行业自己的 skills 你会觉得，哎，这有问题，那有问题，我得做很多我自己的价值的判断。
但如果你是个 A 行业的从业者，你去，你看 A 行业自己的 skills 你会觉得，哎，这有问题，那有问题，我得做很多我自己的价值的判断。
其实这个并不影响我们对 Skills 的使用。
其实这个并不影响我们对 Skills 的使用。
正是因为你在自己的行业沉淀了多年，其实你是可以在标准化的 Skills 多加几行自己的需要的。
正是因为你在自己的行业沉淀了多年，其实你是可以在标准化的 Skills 多加几行自己的需要的。
甚至更多的时候，我其实也受到很多标准化 Skills 的一些启发。
甚至更多的时候，我其实也受到很多标准化 Skills 的一些启发。
就像您刚才说的，我会告诉他，你要优先先从公告和点评里给我找原因，不要先在那些段子里给我去找那些东西。
就像您刚才说的，我会告诉他，你要优先先从公告和点评里给我找原因，不要先在那些段子里给我去找那些东西。
就先看有没有发生业绩预告、重大合同、股权变动，就这些是公开信息，但是最直接的信，因为它是正确的信息。
就先看有没有发生业绩预告、重大合同、股权变动，就这些是公开信息，但是最直接的信，因为它是正确的信息。
然后呢你除了公告和点评中的，你要从新闻事件中去帮我找，因为新闻事件是可能在盘中最直接的一个这种冲击吧。
然后呢你除了公告和点评中的，你要从新闻事件中去帮我找，因为新闻事件是可能在盘中最直接的一个这种冲击吧。
新闻事件包括什么？
新闻事件包括什么？
有什么行业政策发生了？
有什么行业政策发生了？
还是有突发消息？
还是有突发消息？
还是什么发生了爆炸了？
还是什么发生了爆炸了？
有这种行业性的事件发生了。
有这种行业性的事件发生了。
第二个你是给我找行业新闻。
第二个你是给我找行业新闻。
第三个呢，如果这两个都没有的话，那会不会是因为板块联动资金啊？
第三个呢，如果这两个都没有的话，那会不会是因为板块联动资金啊？
就因为资金它当天在选美嘛，是吧？
就因为资金它当天在选美嘛，是吧？
它炒完核能之后，然后它又过来去炒机器人，然后又过来炒 AI 应用。
它炒完核能之后，然后它又过来去炒机器人，然后又过来炒 AI 应用。
它是不是一个资金之间的板块联动的一个流向？
它是不是一个资金之间的板块联动的一个流向？
如果仅仅是一个资金的一个选美的行为，我在想是不是风格切换了？
如果仅仅是一个资金的一个选美的行为，我在想是不是风格切换了？
大小盘切换了，跟前面两个是完全不同的角度了。
大小盘切换了，跟前面两个是完全不同的角度了。
这种东西实际上你作为一个从业人员，你一定会想的很全面很全面的。
这种东西实际上你作为一个从业人员，你一定会想的很全面很全面的。
并且我还告诉他，如果你以上三种来源都没有找到原因，别给我胡编乱造，禁止编造原因，你就告诉我，我没有找到合适的，禁止编造原因。
并且我还告诉他，如果你以上三种来源都没有找到原因，别给我胡编乱造，禁止编造原因，你就告诉我，我没有找到合适的，禁止编造原因。
反正我现在用克洛蔻的用的比较多，用那个。
反正我现在用克洛蔻的用的比较多，用那个。
Anthropic 用多了，它就会告诉你说我没找到你想要的合适的，我也不愿意给你编造它。
Anthropic 用多了，它就会告诉你说我没找到你想要的合适的，我也不愿意给你编造它。
它这点也特别好，它就没有 ChatGPT 那么讨好你。
它这点也特别好，它就没有 ChatGPT 那么讨好你。
对对对，是。
对对对，是。
然后我刚才听您说这些，就很强烈的感受就是这个事显然是一个干中学的东西。
然后我刚才听您说这些，就很强烈的感受就是这个事显然是一个干中学的东西。
对对对。
对对对。
你只有是一边做才能一边建立手感。
你只有是一边做才能一边建立手感。
它不存在于说我上来就拿到一个完美的解决方案，这有点许愿了。
它不存在于说我上来就拿到一个完美的解决方案，这有点许愿了。
对，是这样。
对，是这样。
而且一旦你带着这样的预期，肯定又觉得说那那那失望了，那肯定是 AI 不行。
而且一旦你带着这样的预期，肯定又觉得说那那那失望了，那肯定是 AI 不行。
所以很多东西可能就是你不要一上来就觉得他很聪明，他是 AI 他就一定交付给你一个最好的结果。
所以很多东西可能就是你不要一上来就觉得他很聪明，他是 AI 他就一定交付给你一个最好的结果。
你就一直想着，我总是可以在他的多轮对话中得到他给我的启发和灵感，我可以找到一个最佳的结果。
你就一直想着，我总是可以在他的多轮对话中得到他给我的启发和灵感，我可以找到一个最佳的结果。
不是期望他永远 deliver 给你一个更好的结果。
不是期望他永远 deliver 给你一个更好的结果。
我觉得 AI 对我的作用更多的是给我一些在我框架体系之外，我没有想到的东西的一些启发。
我觉得 AI 对我的作用更多的是给我一些在我框架体系之外，我没有想到的东西的一些启发。
它给我更多的是让我去寻找一些灵感和补充。
它给我更多的是让我去寻找一些灵感和补充。
我自己没有想到的一些点，我觉得这个是它对我最重要的一个作用。
我自己没有想到的一些点，我觉得这个是它对我最重要的一个作用。
第三激活剂。
第三激活剂。
哦，对对对，咱们再讨论回来，就是如果是说 anthropic 的前两跳，一个是打通了工具的 mcp 的这个协议，然后第二跳呢，我们是看到它推出的给 agent 去读的 skills 的这种技能包的说明书，使得我们看到。
哦，对对对，咱们再讨论回来，就是如果是说 anthropic 的前两跳，一个是打通了工具的 mcp 的这个协议，然后第二跳呢，我们是看到它推出的给 agent 去读的 skills 的这种技能包的说明书，使得我们看到。
它越来越丰富了，就它本质上很多事情都可以去干了。
它越来越丰富了，就它本质上很多事情都可以去干了。
这是它做的第二级跳，第三级跳呢，就是咱们今年1月份的时候，它推出的 Cloud CoWork。
这是它做的第二级跳，第三级跳呢，就是咱们今年1月份的时候，它推出的 Cloud CoWork。
因为 Cloud Code 我觉得还是有门槛的，说真话我觉得还是有门槛的，很多人用起来还是有难度的。
因为 Cloud Code 我觉得还是有门槛的，说真话我觉得还是有门槛的，很多人用起来还是有难度的。
但是呢，CoWork 就不一样了。
但是呢，CoWork 就不一样了。
CoWork 它是把 Cloud Code 的 Agent 的能力，我觉得是带给了非技术的人员，也可以去用了。
CoWork 它是把 Cloud Code 的 Agent 的能力，我觉得是带给了非技术的人员，也可以去用了。
就相当于是，我可以直接帮你干活了。
就相当于是，我可以直接帮你干活了。
我前面只是告诉你工具是什么，MCP。
我前面只是告诉你工具是什么，MCP。
然后呢我告诉你技能包是 skills 但是我没有帮你干活。
然后呢我告诉你技能包是 skills 但是我没有帮你干活。
其实人是很懒的，如果要是我说一句话，仅仅是帮我找到那个东西和帮我把那个东西拿过来是两回事。
其实人是很懒的，如果要是我说一句话，仅仅是帮我找到那个东西和帮我把那个东西拿过来是两回事。
所以我一直说 agent 这件事情很重要的事情是完成了最后一公里的闭环。
所以我一直说 agent 这件事情很重要的事情是完成了最后一公里的闭环。
比如说要点一杯奶茶，你只是帮我列举了一堆奶茶，最终还是我去点。
比如说要点一杯奶茶，你只是帮我列举了一堆奶茶，最终还是我去点。
我现在告诉你点一杯奶茶，你就直接确认付款，它就送到了我公司来，完全是两种体验。
我现在告诉你点一杯奶茶，你就直接确认付款，它就送到了我公司来，完全是两种体验。
嗯。
嗯。
所以从这个角度上来说呢，第三点它做到的事情就是用 co-work 这样的 agent 使得什么呢？
所以从这个角度上来说呢，第三点它做到的事情就是用 co-work 这样的 agent 使得什么呢？
使得可以直接帮你干活了。
使得可以直接帮你干活了。
所以它很成功的就是前两个打通了工具，MCP，Skills 包更加的丰富。
所以它很成功的就是前两个打通了工具，MCP，Skills 包更加的丰富。
第三个用 coworker 帮你干活了，其实你就会发现，哎呀，好像它就是一个永不疲惫，随时待命的一个数字的同事也好，一个数字的伙伴也好。
第三个用 coworker 帮你干活了，其实你就会发现，哎呀，好像它就是一个永不疲惫，随时待命的一个数字的同事也好，一个数字的伙伴也好。
从这个角度上来看呢，Anthropic 这家公司还是挺优秀的。
从这个角度上来看呢，Anthropic 这家公司还是挺优秀的。
他能够想到很早的就去做标准打通这件公益上的事情。
他能够想到很早的就去做标准打通这件公益上的事情。
但事实上是建立了生态。
但事实上是建立了生态。
包括英伟达其实也是，CUDA 就是它的生态。
包括英伟达其实也是，CUDA 就是它的生态。
所以我觉得很多时候做无用之事是挺重要的，就是当期看起来是无用之事。
所以我觉得很多时候做无用之事是挺重要的，就是当期看起来是无用之事。
就如果任何时候我们能去建立一套在你的细分领域中的标准，我们都要把握那个时机。
就如果任何时候我们能去建立一套在你的细分领域中的标准，我们都要把握那个时机。
这个我看了很多公司和行业，对我都有很大的启发。
这个我看了很多公司和行业，对我都有很大的启发。
很多时候不是你当时认为这个东西有多大的价值，而是你认为这个东西可能大家都需要，其实你就去做就好了。
很多时候不是你当时认为这个东西有多大的价值，而是你认为这个东西可能大家都需要，其实你就去做就好了。
就像您说的，您把你的一套作图的工具，好像 skills 化出来以后，感觉哎呀，我怎么这么多年的努力都被大家轻而易举的获得了。
就像您说的，您把你的一套作图的工具，好像 skills 化出来以后，感觉哎呀，我怎么这么多年的努力都被大家轻而易举的获得了。
我觉得它不仅是你自己有觉得我对社会产生了一定的影响力也好，对社会的贡献也好。
我觉得它不仅是你自己有觉得我对社会产生了一定的影响力也好，对社会的贡献也好。
我可完全没这么想。
我可完全没这么想。
对呀，祖国培养了你这么多年，你产生一点贡献不好吗？
对呀，祖国培养了你这么多年，你产生一点贡献不好吗？
呵，但是很多东西，它是无形之中让你获得了其他的，就是送人玫瑰，手留余香。
呵，但是很多东西，它是无形之中让你获得了其他的，就是送人玫瑰，手留余香。
慢慢的时间长了，很多时候也在想这个事情。
慢慢的时间长了，很多时候也在想这个事情。
我当时问一个中国特别顶级的一个做 PEVC 的大佬，他跟我说这事情，我觉得特别有启发。
我当时问一个中国特别顶级的一个做 PEVC 的大佬，他跟我说这事情，我觉得特别有启发。
他说，你知道吗？
他说，你知道吗？
我在十几年前我就想不通，为什么有人愿意把自己的投资理念写成一本书，让大家都知道。
我在十几年前我就想不通，为什么有人愿意把自己的投资理念写成一本书，让大家都知道。
我觉得那好宝贵啊，他一本书才卖多少钱？
我觉得那好宝贵啊，他一本书才卖多少钱？
30、5100，他能产生多少的收益呢？
30、5100，他能产生多少的收益呢？
但是呢，他说但这个人的思想，他就沉淀了下来，甚至很多人就会因为他的思想而获益。
但是呢，他说但这个人的思想，他就沉淀了下来，甚至很多人就会因为他的思想而获益。
他说这件事情的价值是极大的，他说这个事情可能就是你人百年之后，他依然会对社会产生很大的影响。
他说这件事情的价值是极大的，他说这个事情可能就是你人百年之后，他依然会对社会产生很大的影响。
我觉得可能就是到了不同的层级的人，甚至到了不同的需求的人，他就会有这样价值的一个扩散吧。
我觉得可能就是到了不同的层级的人，甚至到了不同的需求的人，他就会有这样价值的一个扩散吧。
就很多时候我们还在做当期需要的事情。
就很多时候我们还在做当期需要的事情。
但是你做一些当期看起来不是很盈利的事情，但实际上让更多人受益的事情，你会中长期比所有人都受益。
但是你做一些当期看起来不是很盈利的事情，但实际上让更多人受益的事情，你会中长期比所有人都受益。
我觉得这个事情我自己越来越能够体会得到。
我觉得这个事情我自己越来越能够体会得到。
把自己懂的东西分享给更多的人，就我们说那个知识嘛，那个圈，你就会越来越大。
把自己懂的东西分享给更多的人，就我们说那个知识嘛，那个圈，你就会越来越大。
碰撞出来的东西，可能比你自己在自己的圈里去守住自己的那一点所谓的技能要好很多。
碰撞出来的东西，可能比你自己在自己的圈里去守住自己的那一点所谓的技能要好很多。
我想和你讨论另外一个话题，就是毫无疑问，这一轮人，白领，知识工作者，甚至可以说整个人力资源行业，都因为 AI 而开始通缩了。
我想和你讨论另外一个话题，就是毫无疑问，这一轮人，白领，知识工作者，甚至可以说整个人力资源行业，都因为 AI 而开始通缩了。
然后与之对应的，那什么正在通胀呢？
然后与之对应的，那什么正在通胀呢？
好像是，比如老黄的那五层蛋糕里面的每一个物品，资源，算力，存力，电力，这些东西在通胀。
好像是，比如老黄的那五层蛋糕里面的每一个物品，资源，算力，存力，电力，这些东西在通胀。
然后我想顺着这个逻辑，您可以展开聊聊它对投资的映射。
然后我想顺着这个逻辑，您可以展开聊聊它对投资的映射。
确实是这样子，就是我们现在投资一个大的方向，就是如果可以指导你三年五年周期的话，就很简单的一句话。
确实是这样子，就是我们现在投资一个大的方向，就是如果可以指导你三年五年周期的话，就很简单的一句话。
你就围绕着这句话去找投资的方向和标的，就是人力资源行业的通缩正在转化为算力基础设施的通胀。
你就围绕着这句话去找投资的方向和标的，就是人力资源行业的通缩正在转化为算力基础设施的通胀。
就人力资源行业的通缩是什么？
就人力资源行业的通缩是什么？
比如像 IBM 咨询这样的公司，包括我前面讲到的 CoWork 的法律套件出来之后，对 Legal Zoom 这样的公司，这样的人力资源咨询的公司，它开始通缩了。
比如像 IBM 咨询这样的公司，包括我前面讲到的 CoWork 的法律套件出来之后，对 Legal Zoom 这样的公司，这样的人力资源咨询的公司，它开始通缩了。
什么意思？
什么意思？
就是可以用更少的人干同样的事情了，那可能就是裁员啊、降薪啊，就这样的事情。
就是可以用更少的人干同样的事情了，那可能就是裁员啊、降薪啊，就这样的事情。
所以我们看到的是人力资源行业一定程度上被 Agent 替代，就是我们说的 Agent 在替代一部分的人力。
所以我们看到的是人力资源行业一定程度上被 Agent 替代，就是我们说的 Agent 在替代一部分的人力。
就这种行业呢，它在通缩，但是这种行业通缩转化成了算力为基础设施的通胀。
就这种行业呢，它在通缩，但是这种行业通缩转化成了算力为基础设施的通胀。
这什么意思呢？
这什么意思呢？
就是算力为基础设施的通胀包括什么呢？
就是算力为基础设施的通胀包括什么呢？
包括我们上游的原材料的涨价，包括我们看到的 Tokens 所拉动的算力的投资的基础设施的通胀，比如说对光纤的。
包括我们上游的原材料的涨价，包括我们看到的 Tokens 所拉动的算力的投资的基础设施的通胀，比如说对光纤的。
对存储芯片的需求的大幅的提升，这都直接转化成为什么光纤的涨价、存储的涨价。
对存储芯片的需求的大幅的提升，这都直接转化成为什么光纤的涨价、存储的涨价。
这是很直接，我们在过去一到两年，很肉眼可见的两倍的这种涨幅。
这是很直接，我们在过去一到两年，很肉眼可见的两倍的这种涨幅。
所以实际上我们在做的事情就是人力资源行业的通缩，这部分省下来的钱干嘛去了呢？
所以实际上我们在做的事情就是人力资源行业的通缩，这部分省下来的钱干嘛去了呢？
转化成为了 capex 算力基础设施的通胀。
转化成为了 capex 算力基础设施的通胀。
其实从我们财务的角度来说就是。
其实从我们财务的角度来说就是。
CapEx 对 OpEx 形成了一个跨期的替代效应。
CapEx 对 OpEx 形成了一个跨期的替代效应。
这句话得展开讲讲。
这句话得展开讲讲。
就是 OpEx 是什么呢？
就是 OpEx 是什么呢？
就更多的我们所说的人员嘛，就是你平常的日常的经营的这些开支嘛。
就更多的我们所说的人员嘛，就是你平常的日常的经营的这些开支嘛。
你有一万个员工和有八千个员工，你的日常的开支能一样吗？
你有一万个员工和有八千个员工，你的日常的开支能一样吗？
你租的写字楼的大小可能也。
你租的写字楼的大小可能也。
从三层变成了两层半。
从三层变成了两层半。
你平常用的每天的用电量、用水量也都下降了吧？
你平常用的每天的用电量、用水量也都下降了吧？
你给员工的开支薪资也都减少了吧？
你给员工的开支薪资也都减少了吧？
这个是咱们所说的 OPEX 因为你从1万人降到了8000人。
这个是咱们所说的 OPEX 因为你从1万人降到了8000人。
的这些。
的这些。
然后它直接影响的是你当期的利润表。
然后它直接影响的是你当期的利润表。
对。
对。
以及经营现金流。
以及经营现金流。
对对对，是这样子。
对对对，是这样子。
但是呢，我们这个呢，因为人效的提升了，我可能一万人做同样的呃活的情况下，我不需要一万人，我八千人就可以了。
但是呢，我们这个呢，因为人效的提升了，我可能一万人做同样的呃活的情况下，我不需要一万人，我八千人就可以了。
我的租赁的面积也减少了，我的写字楼里的用电用水，包括我发给人员的薪资全部都减少了。
我的租赁的面积也减少了，我的写字楼里的用电用水，包括我发给人员的薪资全部都减少了。
那这部分钱干嘛去了？
那这部分钱干嘛去了？
省下来的钱企业都用来投 capex。
省下来的钱企业都用来投 capex。
他去买了更多的算力，他去训自己的大模型，他去做算力的租赁。
他去买了更多的算力，他去训自己的大模型，他去做算力的租赁。
就是他要把这些 capex 转化成为什么呢？
就是他要把这些 capex 转化成为什么呢？
转化成为他自己大模型性能的提升。
转化成为他自己大模型性能的提升。
比如咱们就举一家科技公司。
比如咱们就举一家科技公司。
他自己现在每多头的10亿美金的 CapEx 带来的自己模型的性能的提升，可能对于将来能节约更多的人员。
他自己现在每多头的10亿美金的 CapEx 带来的自己模型的性能的提升，可能对于将来能节约更多的人员。
就这句话就很直接的让我们看到，其实一个很残酷的现实可能慢慢的正在。
就这句话就很直接的让我们看到，其实一个很残酷的现实可能慢慢的正在。
发生，就是我们看到越来越迭代的性能好的模型，它是用 CAPEX 建的算力中心来去训练出来的。
发生，就是我们看到越来越迭代的性能好的模型，它是用 CAPEX 建的算力中心来去训练出来的。
但是呢，他们的能力变得越来越强，CAPEX 的投资越来越多。
但是呢，他们的能力变得越来越强，CAPEX 的投资越来越多。
可能转化成为未来几年，甚至5年之后，这家公司整个经营上的一个节约。
可能转化成为未来几年，甚至5年之后，这家公司整个经营上的一个节约。
这就是一种跨期的替代效应。
这就是一种跨期的替代效应。
明白，就是说我现在砸更多的 capex 是为了未来更低的 opex。
明白，就是说我现在砸更多的 capex 是为了未来更低的 opex。
呃，对，本质上可能会是这样的一个结果，但事实上会不会是这样呢？
呃，对，本质上可能会是这样的一个结果，但事实上会不会是这样呢？
我觉得可能也未见得，因为你可能会开展更多的业务了，你可能需要更多的人员了。
我觉得可能也未见得，因为你可能会开展更多的业务了，你可能需要更多的人员了。
这个也有可能，但是呢，如果只是 apple 对 apple 的话，你用现在的人。
这个也有可能，但是呢，如果只是 apple 对 apple 的话，你用现在的人。
和现在的 capex 的开支的话，一定是节约了你现在的人力的。
和现在的 capex 的开支的话，一定是节约了你现在的人力的。
但你可能是因为这个事情呢，我有了更多的人力资源的释放的扩张，我有了更好的方向的投资，我也可能增加人员啊，但是我们不把这个事情。
但你可能是因为这个事情呢，我有了更多的人力资源的释放的扩张，我有了更好的方向的投资，我也可能增加人员啊，但是我们不把这个事情。
说的这么可怕。
说的这么可怕。
啊，这个其实有有点像，其实两个方向。
啊，这个其实有有点像，其实两个方向。
第一个是我就做这么多事，但是我用更低的成本。
第一个是我就做这么多事，但是我用更低的成本。
另外一种是我就保持我现在成本，我就用这么多人。
另外一种是我就保持我现在成本，我就用这么多人。
对。
对。
但是我要做更多的事。
但是我要做更多的事。
对，是这样子。
对，是这样子。
我觉得这件事情呢，就是我们说的人力资源行业的通缩转化为算力基础设施通胀，就意味着你做投资就很简单了。
我觉得这件事情呢，就是我们说的人力资源行业的通缩转化为算力基础设施通胀，就意味着你做投资就很简单了。
因为通胀是什么？
因为通胀是什么？
通胀就是买涨价的逻辑。
通胀就是买涨价的逻辑。
以前我们通胀的时候，就知道，哎，中国 CPI 涨价了，我们去赶快买点鸡蛋，买点猪肉，猪肉价格从8块涨到15块了。
以前我们通胀的时候，就知道，哎，中国 CPI 涨价了，我们去赶快买点鸡蛋，买点猪肉，猪肉价格从8块涨到15块了。
鸡蛋从一块钱一个涨成一块五一个了，就大家知道通胀很简单逻辑就是主线就是涨价。
鸡蛋从一块钱一个涨成一块五一个了，就大家知道通胀很简单逻辑就是主线就是涨价。
其实这一轮也是一样，如果是算力为代表的基础设施的话，那算力需要什么呢？
其实这一轮也是一样，如果是算力为代表的基础设施的话，那算力需要什么呢？
你就去买它有涨价逻辑的是吧？
你就去买它有涨价逻辑的是吧？
那就是又回到了老黄的那个五层蛋糕。
那就是又回到了老黄的那个五层蛋糕。
对，是这样子啊，所以你就看到光纤啊、存储芯片啊，这种算力基础设施为代表的上游的原材料的一个涨价。
对，是这样子啊，所以你就看到光纤啊、存储芯片啊，这种算力基础设施为代表的上游的原材料的一个涨价。
而且从我们投资的角度来看的话，你会发现你看一家科技企业的创新能力的时候，不是在看它有多少的研发人员，不是看它有多少的 RND 的投入，也不是看它当期的这个 ROE 是多少，不是看它当期的毛利率和净利率的水平代表它的创新力。我认为
而且从我们投资的角度来看的话，你会发现你看一家科技企业的创新能力的时候，不是在看它有多少的研发人员，不是看它有多少的 RND 的投入，也不是看它当期的这个 ROE 是多少，不是看它当期的毛利率和净利率的水平代表它的创新力。我认为
在这个时代，评价一家科技企业的创新力的指标前置了，前置成什么了？
在这个时代，评价一家科技企业的创新力的指标前置了，前置成什么了？
前置成 capex 了。
前置成 capex 了。
如果一家科技企业不愿意在这个时候投 capex 就意味着它可能并没有去训练更领先的模型，去让它的模型能够去领先，因为你模型的性能的领先才有可能带来更多的使用的人。
如果一家科技企业不愿意在这个时候投 capex 就意味着它可能并没有去训练更领先的模型，去让它的模型能够去领先，因为你模型的性能的领先才有可能带来更多的使用的人。
才有可能带来更多的 tokens 才有可能转化成 ar 这个在咱们前期。
才有可能带来更多的 tokens 才有可能转化成 ar 这个在咱们前期。
讨论过这个问题，所以我们要看一个企业的投入的前瞻性，就是 capex 它是一个创新的前瞻的指标。
讨论过这个问题，所以我们要看一个企业的投入的前瞻性，就是 capex 它是一个创新的前瞻的指标。
那如果 capex 能够有强度的话，比如我记得特别清楚，25年的时候，我们去看北美的这四大 csp 如果每家企业的每个 q 的 capex 的环比的 q 和 q 是 beat 超预期的。
那如果 capex 能够有强度的话，比如我记得特别清楚，25年的时候，我们去看北美的这四大 csp 如果每家企业的每个 q 的 capex 的环比的 q 和 q 是 beat 超预期的。
它股价就会上涨嘛。
它股价就会上涨嘛。
就是2425年的时候，大家在想花钱为什么要上涨啊？
就是2425年的时候，大家在想花钱为什么要上涨啊？
你上调 CAPEX 指引怎么会上涨呢？
你上调 CAPEX 指引怎么会上涨呢？
那本质上就是我认为你花的钱转化成为模型迭代之后的性能的提升。
那本质上就是我认为你花的钱转化成为模型迭代之后的性能的提升。
性能的提升转化成 Tokens，Tokens 转化成未来的 ARR 的收入。
性能的提升转化成 Tokens，Tokens 转化成未来的 ARR 的收入。
我认为这个飞轮是可转的，所以你在每上调一轮 capex，其实你在竞赛嘛，你在跟你的小伙伴们，在跟你的友商们去比，谁有钱去建最大的。
我认为这个飞轮是可转的，所以你在每上调一轮 capex，其实你在竞赛嘛，你在跟你的小伙伴们，在跟你的友商们去比，谁有钱去建最大的。
万卡集群去训最好的模型，我认为 scaling law 有效的情况下去让我的模型迭代嘛。
万卡集群去训最好的模型，我认为 scaling law 有效的情况下去让我的模型迭代嘛。
所以 capex 的强度，我们说的 q on q 也好， year on year 的一个 capex 增长，就成为了我们看到的科技企业有没有创新。
所以 capex 的强度，我们说的 q on q 也好， year on year 的一个 capex 增长，就成为了我们看到的科技企业有没有创新。
进行的一个前置性的一个前瞻指标了，这个跟以前是完全不一样，我从来没想过。
进行的一个前置性的一个前瞻指标了，这个跟以前是完全不一样，我从来没想过。
模型的性能。
模型的性能。
那你为了这个命根，你现在给它喝多少水？
那你为了这个命根，你现在给它喝多少水？
你给它注多少养分？
你给它注多少养分？
我这个事在个人视角也是一样的。
我这个事在个人视角也是一样的。
二零二五年，我我的支出在 AI 方面是超过了游戏视频网站的大会员。
二零二五年，我我的支出在 AI 方面是超过了游戏视频网站的大会员。
我可以把它它定义为精神文明消费。
我可以把它它定义为精神文明消费。
我也可以把它定位为我个人这家企业的研发支出，或我个人的 capex 对。
我也可以把它定位为我个人这家企业的研发支出，或我个人的 capex 对。
或者是呃25年还有一个很热的词叫斩杀线，斩杀线之上可能是你有很多不得不的。
或者是呃25年还有一个很热的词叫斩杀线，斩杀线之上可能是你有很多不得不的。
订阅制的支出，可能房租是，五险一金某种程度也是。
订阅制的支出，可能房租是，五险一金某种程度也是。
你又多了一个订阅制的支出，就是在 AI 上面的你个人的 capex。
你又多了一个订阅制的支出，就是在 AI 上面的你个人的 capex。
所以我们在做投资的话呢，看 capex 领先的这种前瞻性的指标之外呢，我会看一个辅助性的指标，作为一个投入到产出的闭环，就是合同负债。
所以我们在做投资的话呢，看 capex 领先的这种前瞻性的指标之外呢，我会看一个辅助性的指标，作为一个投入到产出的闭环，就是合同负债。
就什么意思呢？
就什么意思呢？
合同负债就是，比如说你自己订阅 ChatGPT 你自己花了240美金，对吧？
合同负债就是，比如说你自己订阅 ChatGPT 你自己花了240美金，对吧？
你付了一个年费，它实际上当期在第一个月只确认20美金。
你付了一个年费，它实际上当期在第一个月只确认20美金。
啊，明白。
啊，明白。
然后呢，剩下的220美金呢，它就作为递延收入了。
然后呢，剩下的220美金呢，它就作为递延收入了。
合同负债了，所以我会看一家企业，你投了 capex 之后，你的合同负债是不是增长了？
合同负债了，所以我会看一家企业，你投了 capex 之后，你的合同负债是不是增长了？
如果你 capex 增长了，你大模型能力提升了，性能迭代了，用户呢付了年费了，你的合同负债增长了。
如果你 capex 增长了，你大模型能力提升了，性能迭代了，用户呢付了年费了，你的合同负债增长了。
这是不是投入产出闭环了？
这是不是投入产出闭环了？
你就是在不断的通过这些指标来做前瞻的确认。
你就是在不断的通过这些指标来做前瞻的确认。
对，那我投一家企业，我总不能看你不停在花钱吧？
对，那我投一家企业，我总不能看你不停在花钱吧？
所以这个事情到最后就演绎成了二四年底二五年大家说这是个 bubble。
所以这个事情到最后就演绎成了二四年底二五年大家说这是个 bubble。
那我怎么知道这个 bubble 是真的是能戳破的，还是不能戳破的？
那我怎么知道这个 bubble 是真的是能戳破的，还是不能戳破的？
我就要看一下你投入产出有没有闭环。
我就要看一下你投入产出有没有闭环。
如果你的合同负债在增长的话，就你未来收入兑现的程度就会更高嘛，对吧？
如果你的合同负债在增长的话，就你未来收入兑现的程度就会更高嘛，对吧？
那那么多人都付了240美金一年了，那你只是。
那那么多人都付了240美金一年了，那你只是。
现在你看的是20美金每个月的一个收入确认，那你未来的递延收入是很多，是很确定的。
现在你看的是20美金每个月的一个收入确认，那你未来的递延收入是很多，是很确定的。
这个就是我们看的一个很关键的指标。
这个就是我们看的一个很关键的指标。
如果再从业务角度，再拿 Tokens 量去验证。
如果再从业务角度，再拿 Tokens 量去验证。
这不就是一个很健康的吗？
这不就是一个很健康的吗？
capex 不断的增长，这是做的未来的投入。
capex 不断的增长，这是做的未来的投入。
我担心它是 bubble OK，我看 tokens 量增长没有，如果 tokens 增长的话，说明它已经从产业界的循环用户用起来了。
我担心它是 bubble OK，我看 tokens 量增长没有，如果 tokens 增长的话，说明它已经从产业界的循环用户用起来了。
财务的报表中能不能再给我一个闭环呢？
财务的报表中能不能再给我一个闭环呢？
那财务报表中给我的闭环就是你的合同负债递延收入也增加了。
那财务报表中给我的闭环就是你的合同负债递延收入也增加了。
那就说明 Tokens 转化成为你未来的 ARR 的收入了。啊。嗯。
那就说明 Tokens 转化成为你未来的 ARR 的收入了。啊。嗯。
是这个道理。
是这个道理。
因为这些都是一个季度一个季度才有的嘛，如果你还愿意更加领先的去做投资的话，你就上那种 open router 呀，什么上头你去看一看是不是这种 tokens 的曲线吧，因为它并不能看绝对值吧，斜率是不是还在加速？
因为这些都是一个季度一个季度才有的嘛，如果你还愿意更加领先的去做投资的话，你就上那种 open router 呀，什么上头你去看一看是不是这种 tokens 的曲线吧，因为它并不能看绝对值吧，斜率是不是还在加速？
产业界的指标 tokens 你也有了。
产业界的指标 tokens 你也有了。
前瞻性的指标 capex 你也有了，投入产出闭环的合同负债递延收入你也有了。
前瞻性的指标 capex 你也有了，投入产出闭环的合同负债递延收入你也有了。
从投资的角度来说，就回到了我前面说的，我们任何的投资一定要做到什么呢？
从投资的角度来说，就回到了我前面说的，我们任何的投资一定要做到什么呢？
可以研究，可以复制，可以验证。
可以研究，可以复制，可以验证。
这样我的一个投资的闭环，我的逻辑框架就自洽。
这样我的一个投资的闭环，我的逻辑框架就自洽。
还有一个是什么呢？
还有一个是什么呢？
就是实际上如果再往后看一点啊，因为我投资是喜欢看前瞻的，因为我们从来都是赚前瞻性的钱，就是你要做。
就是实际上如果再往后看一点啊，因为我投资是喜欢看前瞻的，因为我们从来都是赚前瞻性的钱，就是你要做。
别人还没有看到的时候的机会的钱，去人少的地方嘛，等大家都一拥而上的时候呢，你可能又去找新的机会去了嘛。
别人还没有看到的时候的机会的钱，去人少的地方嘛，等大家都一拥而上的时候呢，你可能又去找新的机会去了嘛。
capex 作为创新投入前瞻性的一个指标的话，其实我们现在经过过去两年多的这些企业的 ai 的使用，我们已经看到。
capex 作为创新投入前瞻性的一个指标的话，其实我们现在经过过去两年多的这些企业的 ai 的使用，我们已经看到。
可以在他的业务中体现为什么？
可以在他的业务中体现为什么？
Copilot 去赋能了他存量的业务。
Copilot 去赋能了他存量的业务。
我存量是广告，因为我使用了新的算法，我的广告收入提升了，从11个点的增速变成15个点，加速了4个点。
我存量是广告，因为我使用了新的算法，我的广告收入提升了，从11个点的增速变成15个点，加速了4个点。
还有一个呢是我产生了新的业务，比如快手，我自己可灵的收入产生了，对吧？
还有一个呢是我产生了新的业务，比如快手，我自己可灵的收入产生了，对吧？
我从一个零的一个业务变成了一个二三十亿的年收入的一个可灵的订阅费的一个收入，相当于我有 AI native 原生的收入了。
我从一个零的一个业务变成了一个二三十亿的年收入的一个可灵的订阅费的一个收入，相当于我有 AI native 原生的收入了。
所以你会发现，哦，前瞻性指标完了之后，在业务层面，一对我存量业务产生收入加速，11个点变15个点。
所以你会发现，哦，前瞻性指标完了之后，在业务层面，一对我存量业务产生收入加速，11个点变15个点。
二，让我自己有了新增的 AI native 的一个新的业务板块。
二，让我自己有了新增的 AI native 的一个新的业务板块。
明白，甚甚至很多这个云厂商，你怎么能想到云的价格居然开始涨价了，这过去多少年一直是往下掉呢？
明白，甚甚至很多这个云厂商，你怎么能想到云的价格居然开始涨价了，这过去多少年一直是往下掉呢？
对，是这样子。
对，是这样子。
很多事情可能就是我们在不断的观察的过程中发现。
很多事情可能就是我们在不断的观察的过程中发现。
一些投资范式、框架都要发生了变化。
一些投资范式、框架都要发生了变化。
就前面咱们聊到的移动互联网时代，你看的 m a u d a u d m ratio 的这些指标，现在变成了我刚才去讲的。
就前面咱们聊到的移动互联网时代，你看的 m a u d a u d m ratio 的这些指标，现在变成了我刚才去讲的。
capex 合同负债的递延收入、 tokens 包括它的 AI native 的原生的收入占比的，这些指标都是很重要的。
capex 合同负债的递延收入、 tokens 包括它的 AI native 的原生的收入占比的，这些指标都是很重要的。
我也想在这里讲的一点就是，这些都是财务上的一些指标。
我也想在这里讲的一点就是，这些都是财务上的一些指标。
无论是一个社会，还是一个企业，它是一个组织。
无论是一个社会，还是一个企业，它是一个组织。
它这个组织就是个人员的构成，你会发现最终的所有的这些一定会带来组织的变革的。
它这个组织就是个人员的构成，你会发现最终的所有的这些一定会带来组织的变革的。
就我以前也没想到，就是一家十几个人的公司，几个月的时间做几千万美金的收入。
就我以前也没想到，就是一家十几个人的公司，几个月的时间做几千万美金的收入。
就是你没有会想到组织的敏捷性，就你会看到人均的创收的大幅的一个增长。
就是你没有会想到组织的敏捷性，就你会看到人均的创收的大幅的一个增长。
这个也是我们前面谈到的，就这种指数级的生成式 AI 时代所带来的这种组织的变革，每一个单体的超级个体的能力的提升。
这个也是我们前面谈到的，就这种指数级的生成式 AI 时代所带来的这种组织的变革，每一个单体的超级个体的能力的提升。
使得十几个人可能完成了一百个人的事情。
使得十几个人可能完成了一百个人的事情。
但他同样创造了几千万美金，大几百个人的公司才能实现的一个收入。
但他同样创造了几千万美金，大几百个人的公司才能实现的一个收入。
包括一人公司也是。
包括一人公司也是。
哦，对，我们看到财务的指标的背后，还是要想一些社会的问题的。
哦，对，我们看到财务的指标的背后，还是要想一些社会的问题的。
它带来了哪些组织的变革？
它带来了哪些组织的变革？
比如一个新的技术革命导入社会，大家的变化速率是完全不一样。
比如一个新的技术革命导入社会，大家的变化速率是完全不一样。
嗯。
嗯。
比如技术层，那不用想了，就是蒙眼狂飙。
比如技术层，那不用想了，就是蒙眼狂飙。
商业层，就是咱们以利润为导向，往死里干。
商业层，就是咱们以利润为导向，往死里干。
但什么东西是滞后的呢？
但什么东西是滞后的呢？
你的组织方式，然后社会制度，劳动法肯定跟的慢，新的福利怎么去兜这个底？
你的组织方式，然后社会制度，劳动法肯定跟的慢，新的福利怎么去兜这个底？
技术层、商业层和社会层。
技术层、商业层和社会层。
它一旦断裂之后，比如我们看甘特那曲线也好，总有一个挫折期，感觉那个挫折期就是这三层不同的速率好像得需要重新耦合，不然的话。
它一旦断裂之后，比如我们看甘特那曲线也好，总有一个挫折期，感觉那个挫折期就是这三层不同的速率好像得需要重新耦合，不然的话。
大家全凭自己的速度发展，这个东西会撕裂的。
大家全凭自己的速度发展，这个东西会撕裂的。
那你只能在挫折期或者巨大的回撤期，什么什么科网股泡沫的这些，重新耦合在一起，大家重新达成一个共识，利益分配怎么弄，福利制度怎么兜，大家耦合在一起之后，才可能回到那个，就像什么。
那你只能在挫折期或者巨大的回撤期，什么什么科网股泡沫的这些，重新耦合在一起，大家重新达成一个共识，利益分配怎么弄，福利制度怎么兜，大家耦合在一起之后，才可能回到那个，就像什么。
开悟之坡就是一点一点，这个新技术开始在这个社会里慢慢的展开，大家都认这个结果，有点这个感觉。
开悟之坡就是一点一点，这个新技术开始在这个社会里慢慢的展开，大家都认这个结果，有点这个感觉。
我们可以再聊聊一些更具体的投资，包括了五层蛋糕对更具体的标的映射，您可以聊一聊吗？
我们可以再聊聊一些更具体的投资，包括了五层蛋糕对更具体的标的映射，您可以聊一聊吗？
我们看 Jason 黄他提出来的五层的蛋糕这个理论吧。
我们看 Jason 黄他提出来的五层的蛋糕这个理论吧。
本质他也是带货嘛，反正，肯定是给自己卖东西，他确实是带货的一把高手。
本质他也是带货嘛，反正，肯定是给自己卖东西，他确实是带货的一把高手。
但这个框架还是值得学习的，我觉得从能源层到芯片层到基础设施层，然后最后再往上游的模型和应用层。
但这个框架还是值得学习的，我觉得从能源层到芯片层到基础设施层，然后最后再往上游的模型和应用层。
那我们先看最底层的这个能源层。
那我们先看最底层的这个能源层。
这个事情其实我们原来也说过，AI 的尽头是电力，大家也都这么说，因为每一个 token 的生成，本质上就是电子的运动嘛，它就是一个电力消耗的一个物理过程。
这个事情其实我们原来也说过，AI 的尽头是电力，大家也都这么说，因为每一个 token 的生成，本质上就是电子的运动嘛，它就是一个电力消耗的一个物理过程。
这是一个很很简单的过程。
这是一个很很简单的过程。
你 AI 的大模型的训练，包括我们现在用的 query 的推理，你这 tokens 的生成的每一个环节，你是不是要依赖 GPU 服务器、数据中心？
你 AI 的大模型的训练，包括我们现在用的 query 的推理，你这 tokens 的生成的每一个环节，你是不是要依赖 GPU 服务器、数据中心？
24小时的不间断的运行。
24小时的不间断的运行。
我们看啊，单张的 H100的芯片的功耗是700瓦，如果是一个万卡的智算集群的年耗电量就要到，差不多是5亿千瓦时。
我们看啊，单张的 H100的芯片的功耗是700瓦，如果是一个万卡的智算集群的年耗电量就要到，差不多是5亿千瓦时。
就是5~10亿之间吧，这相当于差不多一个20万到30万个家庭的小县级城市的一年的用电量。
就是5~10亿之间吧，这相当于差不多一个20万到30万个家庭的小县级城市的一年的用电量。
虽然也不算很大，但是也挺可怕，这只是一个万卡集群嘛，这才是我们 AI 渗透率。
虽然也不算很大，但是也挺可怕，这只是一个万卡集群嘛，这才是我们 AI 渗透率。
如果现在是付费用户，可能只有4/10000，如果全部都使用的用户可能是，我忘了是16%吧，是吧？
如果现在是付费用户，可能只有4/10000，如果全部都使用的用户可能是，我忘了是16%吧，是吧？
有一个图，我会给它放到 show notes 里，免费用户的话大概16%。
有一个图，我会给它放到 show notes 里，免费用户的话大概16%。
对。
对。
你一个月付20美元的，这种的就是属于初步入门级的，大概是千四不到。
你一个月付20美元的，这种的就是属于初步入门级的，大概是千四不到。
很低的一个水平了。
很低的一个水平了。
呃，因为这张图其实之前流传度也很广，但这张图其实是二月份的图。
呃，因为这张图其实之前流传度也很广，但这张图其实是二月份的图。
那如果现在的这种时间加速的话，可能它这个渗透率变化可能也会比较大。
那如果现在的这种时间加速的话，可能它这个渗透率变化可能也会比较大。
对对对，那可能付费用户数就到了1%了。
对对对，那可能付费用户数就到了1%了。
大概算一算吧，ChatGPT5000万。
大概算一算吧，ChatGPT5000万。
Jamie 那是他四分之一，1000多万。
Jamie 那是他四分之一，1000多万。
然后，Claude 差不多是他的八分之一，600多万。
然后，Claude 差不多是他的八分之一，600多万。
这几个加起来就算一个6000多万，不到7000万。
这几个加起来就算一个6000多万，不到7000万。
反正也无非就这水平，那就是1%的渗透率。
反正也无非就这水平，那就是1%的渗透率。
对，依然的就是这个是人数层面的嘛，就我们还在用 dau mau 的思维。
对，依然的就是这个是人数层面的嘛，就我们还在用 dau mau 的思维。
嗯嗯。
嗯嗯。
对，但如果是 Tokens 的话，可能人家 Cloud 的消耗量可能也不比 OpenAI 低。
对，但如果是 Tokens 的话，可能人家 Cloud 的消耗量可能也不比 OpenAI 低。
说的日活的数据嘛，它是1亿多嘛，他说。
说的日活的数据嘛，它是1亿多嘛，他说。
但是 anthropic 的 claude 只有1100万。
但是 anthropic 的 claude 只有1100万。
但他俩都是300亿美金的 ar 哦。
但他俩都是300亿美金的 ar 哦。
就是说，一个1亿，一个1000多万，对吧？
就是说，一个1亿，一个1000多万，对吧？
所以不要再用 dau 的指标去单纯的在生成式 AI 这个时代去衡量一个所以我前面才谈到的，我我认为我对这种科技企业的创新评价指标的体系，我谈到的 capex tokens 合同负债的递延收入。
所以不要再用 dau 的指标去单纯的在生成式 AI 这个时代去衡量一个所以我前面才谈到的，我我认为我对这种科技企业的创新评价指标的体系，我谈到的 capex tokens 合同负债的递延收入。
就是我们要有新的指标去看这些东西。
就是我们要有新的指标去看这些东西。
是远比 OpenAI 要大的。
是远比 OpenAI 要大的。
关于 Bayt 播客
Bayt 提供中文+原文双语音频和字幕，帮助你打破语言障碍，轻松听懂全球优质播客。