“又一個登月時刻？”

這一期的主題是2025年中的AI復(fù)盤與展望。

節(jié)目分成了兩次錄制。第一次是在7月18日，真格基金管理合伙人戴雨森與晚點科技報道負責(zé)人程曼祺，圍繞月之暗面剛發(fā)布的KimiK2、AI應(yīng)用普及的新動向，以及近幾個月持續(xù)升溫的搶人大戰(zhàn)，做了一次中場回顧。

第二次是在7月21日，我們補充聊了剛剛發(fā)生的新進展：7月18日，OpenAI發(fā)布了ChatGPTAgent；7月19日，OpenAI又宣布，一個尚未公開的通用大語言模型，首次達到了IMO國際數(shù)學(xué)奧林匹克金牌水準；7月22日，GoogleDeepMind也宣布，他們的GeminiDeepThink模型取得了同樣成績。這之前，只有GoogleDeepMind曾用為數(shù)學(xué)調(diào)優(yōu)的模型達到銀牌。

兩年半前，曾寫下《通用人工智能的火花》的現(xiàn)OpenAI研究員SébastienBubeck形容，通用大語言模型拿下IMO金牌，或許會成為AI的一個「登月時刻」。

這場已持續(xù)兩年多的AI競速從未放緩，模型能力與應(yīng)用創(chuàng)新交替上升，而兩者的進化速度，可能都在被低估。

全球的AI社區(qū)仍處于EarlyAdopter（早期采用者）階段。他們愿意試錯、愿意反饋。當你拿出一個好產(chǎn)品，并以開放的態(tài)度對待用戶時，無論是DeepSeek、Kimi、Manus還是Genspark，都已經(jīng)證明：來自各地的用戶不僅會欣賞、支持你，甚至?xí)鲃訋湍愀倪M產(chǎn)品。

回看KimiK2的故事，也能看到「投人」這件事在AI時代被重新認識的過程。Kimi從一開始就是一個以技術(shù)視野和技術(shù)能力為底的團隊。2023年，AI風(fēng)向幾乎月月在變，但楊植麟的團隊押中了長文本這個方向，并基于此做出了第一個具備搜索能力的版本。這是一場面向未來的下注。

AI正在讓人們?nèi)L試那些原本不會做的事。這次IMO金牌事件更讓我們看清AGI即將到來的信號。如果說過去我們只是遠遠望見一輛冒煙的火車，如今，已經(jīng)能清楚地聽見它的轟鳴聲了。

2025年，屬于各行各業(yè)的「李世石時刻」，可能才剛剛開始。

OpenAI拿下IMO金牌，又一個李世石時刻

晚點：最近有哪幾件重要的事值得展開聊聊？

戴雨森：確實過去這個周末發(fā)生了很多事情。我覺得最重要的一件是OpenAI的一個新模型，在IMO（國際數(shù)學(xué)奧林匹克）2025年的題目上獲得了金牌級別的成績。具體來說是六道題做對了五道。

這個為什么重要呢？因為按照OpenAI的描述，這是一個沒有聯(lián)網(wǎng)的通用大語言模型，并且沒有針對數(shù)學(xué)做特別優(yōu)化，也沒有用任何CodeInterpreter一類的工具。它完成的是IMO的證明題，而且OpenAI找了三位IMO的金牌得主來交叉驗證，確認這些解答是對的。

當然，這個結(jié)果也引發(fā)了一些爭議。比如有些人指出它還沒有經(jīng)過官方認證，因此不一定有效。陶哲軒也說，IMO題目的解法路徑會有很多不同，最終得分也會不一樣。

注：7月22日當晚，GoogleDeepMindCEODemisHassabis在X上發(fā)帖強調(diào)，這一結(jié)果已經(jīng)獲得了奧賽組委會官方認定。

但不管怎樣，這個結(jié)果是一個劃時代的進展。語言模型沒有經(jīng)過特別的數(shù)學(xué)優(yōu)化，只在離線環(huán)境中就能解出IMO級別的證明題。像之前Google用AlphaGeometry是為數(shù)學(xué)專門設(shè)計的模型，還借助了形式化驗證方法，并不具備泛化能力。

晚點：這剛好是一年前的事，2024年7月Google的AlphaGeometry達到了IMO銀牌的水準，當時差一點到金牌。但那不是通用大語言模型，而這次OpenAI說是通用大模型。

戴雨森：對，而且今年這個時間點正好是IMO出題的時間，OpenAI是題目一出就做了，所以也不存在模型訓(xùn)練時提前見過這些題的情況。

雖然過去一年語言模型已經(jīng)有很多進展，但像數(shù)學(xué)證明這樣的任務(wù)，尤其是IMO這類題，屬于hardtoverify的問題類型。驗證一個答案是否正確本身就非常難。

這類問題一直以來都被認為是當前語言模型難以勝任的任務(wù)。并且現(xiàn)實中世界上大部分真正的問題，事先都是沒有標準答案和解法的。所以當一個語言模型可以在沒有任何特別調(diào)教的前提下，解出這類高難度的題，達到人類頂尖水平時，這意味著它的思考能力確實上了一個臺階。

OpenAI也提到，這種能力可以通過延長思考時間進一步提升，這也驗證了inferencescalinglaw（推理擴展定律）。

我們以前聊過，除了pre-training，還有post-training和inferencescalinglaw。這次的結(jié)果說明：

LLM的泛化能力很強，能解決我們原來認為解決不了的問題；

模型能力越強，可應(yīng)用的場景越多，所創(chuàng)造的價值也越大；

IMO的證明題和現(xiàn)實中的某些理科的問題在形式邏輯上很相似，都是證明題。LLM既然能做前者，也許說明它離發(fā)現(xiàn)新知識的能力也不遠了。

目前它肯定還不能解決像哥德爾猜想這種超難問題，但發(fā)現(xiàn)理科新知識這件事，可能已經(jīng)是一步之遙了。

還有一個八卦：據(jù)說這次OpenAI使用的模型和GPT-4o是同一個底層模型。也就是說，取得這個成績并不是因為底層模型有很大提升，而是在post-training和inference階段做出了優(yōu)化。后續(xù)的優(yōu)化空間給整個AI發(fā)展帶來了很多想象。

晚點：你是從一些技術(shù)人員那聽來的描述是嗎？

戴雨森：對，簡單打聽了一下。這事情也就24小時之內(nèi)發(fā)生的，但我感受非常強烈。

這讓我想到2023年3月微軟那篇論文《SparksofAGI》，當時他們測試GPT-4的預(yù)發(fā)布版本，感嘆從中看到了AGI的火花。那篇文章也就兩年半前，而現(xiàn)在我們已經(jīng)走到了能解IMO的地步。兩年半在科技進步史中是很短的時間，甚至比很多創(chuàng)業(yè)公司從種子輪到產(chǎn)品發(fā)布還短。

那篇文章的作者后來加入了OpenAI，他在看到這次OpenAI模型獲得IMO金牌成績后說，這是「AI的登月時刻」。

一個「只是預(yù)測下一個詞」的語言模型，在沒有任何工具輔助的情況下，能夠完成一個只有極少數(shù)天才人類才能做出的有創(chuàng)造性的數(shù)學(xué)證明。這確實說明AI的能力已經(jīng)到了一個新的高度。

我們年初錄節(jié)目《和戴雨森長聊AIAgent》時也說過：2024年會是很多行業(yè)迎來「李世石時刻」的一年。所謂「李世石時刻」，就是AI在某個領(lǐng)域超越了人類最強水平。

我們已經(jīng)在圍棋、編程、數(shù)學(xué)推理等領(lǐng)域看到這種情況不斷出現(xiàn)。接下來還會有更多這樣的時刻等待著我們，解決我們原本以為還很難、很遠的問題。

晚點：而且我還看到一個信息：似乎不止OpenAI做到了。因為OpenAI發(fā)這個消息之后，一個Google的研究員也在X（原Twitter）上發(fā)帖，說OpenAI搶先發(fā)布了。

戴雨森：我們也在拭目以待。好像GoogleDeepMind也做到了金牌，但我們不知道是不是用通用模型實現(xiàn)的。如果真是通用模型，那就說明這個能力已經(jīng)不只是一家掌握的。這種技術(shù)一旦擴散開來，會帶來推理能力的大幅提升，不管是哪個模型廠商都會從中受益。

注：7月22日，GoogleDeepMind宣布，GeminiDeepThink模型獲得官方認證的IMO金牌，并公開了具體解題過程。這一通用模型僅用純自然語言（英語）完成了解題。

晚點：你和國內(nèi)一些從業(yè)者交流過，他們對這個成果是感到吃驚，還是覺得其實也在預(yù)期之中？

戴雨森：我覺得方向大家早就知道，是朝著更強reasoning能力去的。誰都知道reasoning能力提升了，模型就能解更難的題。但現(xiàn)在就能做到確實還是讓人很震驚。我聊到一些中國最頂尖的研究者，他們也表示非常驚訝。但就像原子彈一樣：爆炸那一刻起，大家知道這件事情可以做到，就已經(jīng)離做出來不遠了。

晚點：從技術(shù)進展的角度看，圍棋、編程、數(shù)學(xué)是三個典型的「李世石時刻」。你怎么看這三個的不同影響？

戴雨森：數(shù)學(xué)推理其實比編程更難。

編程屬于好驗證的問題。強化學(xué)習(xí)在編程上容易成功，一大原因是因為它的reward清晰。代碼能運行、能通過testcase就說明結(jié)果是對的。

但數(shù)學(xué)證明題的判卷是非常復(fù)雜的。IMO就是典型的「hardtoproduce,hardtoverify」的問題。

圍棋是一個雙方信息公開且完備、勝負明確的任務(wù)，非常適合強化學(xué)習(xí)；編程也是結(jié)構(gòu)化任務(wù)，而且很多代碼是已有人寫過的，拼裝比全新創(chuàng)造多。

但數(shù)學(xué)是理工科的基礎(chǔ)，它的推理是很多學(xué)科的根基。而且不依賴自然世界實驗，只靠邏輯思維。所以AI能解IMO級別的證明題，意味著理工科很多知識生成方式可能都要改變，帶來的科學(xué)進步可能比編程還大。

晚點：你覺得這個應(yīng)用影響會更大？

戴雨森：有可能更大。因為編程現(xiàn)在替代的是一些重復(fù)性較高的初級工作，比如VibeCoding大部分還是復(fù)制粘貼一些前端代碼。但數(shù)學(xué)推理帶來的是非常強的思考和潛在的新知識發(fā)現(xiàn)能力。顯然，這是更值錢的部分。

AI會不斷替代簡單任務(wù)，而人類往更有價值、更難的方向走。但現(xiàn)在AI正在追著人類解決那些最有價值的難題。

這就是為什么我說這次IMO金牌事件讓我更清晰地看到了AGI即將到來的信號。如果以前是遠處看到一輛冒煙的火車，現(xiàn)在已經(jīng)能聽到它的轟鳴聲了。

晚點：有人在X（原Twitter）上說強化學(xué)習(xí)現(xiàn)在也能處理那些獎勵反饋不是很直接的領(lǐng)域。這可能是這次進展背后更大的突破之一。還有人提到「驗證的非對稱性」，說有些任務(wù)你做出來的時間可能比驗證時間還短。IMO數(shù)學(xué)題就屬于這種類型。

戴雨森：對，以前很多任務(wù)是「hardtoproduce,easytoverify」，比如寫代碼。但現(xiàn)在變成了「hardtoproduce,hardtoverify」。

晚點：不過有人認為，在這些驗證成本高的任務(wù)上，AI還很難完全替代人，因為最終還得靠人來判斷。

戴雨森：有可能。但光是給出證明這一點，其實就已經(jīng)是質(zhì)的飛躍?，F(xiàn)在我們還不知道所有細節(jié)，但我們期待更多公開信息，或其他模型公司復(fù)刻類似成果。按照目前AI的發(fā)展速度，只要一件事被做到，那它就已經(jīng)不是遙不可及的難題了。

ChatGPTAgent發(fā)布，「殼」的價值在于context

晚點：7月18日凌晨，OpenAI發(fā)布了ChatGPTAgent。不過和Manus不同，這個Agent讓很多人其實覺得有點失望，沒有那么驚艷。

戴雨森：我覺得這反映了OpenAI作為AI的領(lǐng)頭羊、最大的AI應(yīng)用公司，他們也把Agent作為重要的方向。就像我們年初就開始討論的：理解目標、拆解規(guī)劃、編程使用工具、對結(jié)果進行復(fù)盤和反思。從一開始的構(gòu)想，到Devin、Manus等第一波產(chǎn)品的出現(xiàn)，再到ChatGPTAgent的發(fā)布，Agent確實逐漸成為了AI應(yīng)用的共識，變成了大家聚焦的方向。

晚點：有人說「OpenAI發(fā)了一個Manus」，你怎么看？

戴雨森：我們不會這么想。我覺得不能低估OpenAI。他們有最多的人、最多的卡、最多的用戶，在安全性上也做了很多考量，加了很多額外約束。其實ChatGPTAgent的能力是被限制得很死的，這是負責(zé)任的表現(xiàn)。

這個產(chǎn)品也是他們第一個在AI安全性評估中被列為「高危險級別」的，說明他們確實擔心這類Agent會遇到比如釣魚網(wǎng)站、或者生物武器信息等風(fēng)險（詳見OpenAI發(fā)布的ChatGPTagentSystemCard）。當公司變大，就會變得更謹慎；這也反過來說明了創(chuàng)業(yè)公司的行動力快、敢于突破的機會所在。

晚點：我覺得「發(fā)了個Manus」的說法也不一定是說效果不好，更多是說產(chǎn)品形態(tài)。它其實把Operator和DeepResearch結(jié)合起來了，形態(tài)上有點像Manus或Genspark。

戴雨森：是的，Manus確實探索出了一個方向：讓AI在做什么可以被直觀看到，讓人理解背景，否則如果只看到最后的結(jié)果，會很困擾。所以我們看到Manus、Genspark、Kimi，還有MiniMax等中國團隊也在針對OpenAI的Task，用自己已經(jīng)發(fā)布的線上Agent做對比。不得不說，這些公司的產(chǎn)品在很多維度上的表現(xiàn)，比如做PPT的任務(wù)，確實比ChatGPTAgent要好。

晚點：ChatGPTAgent做出來的PPT真的有點丑。

戴雨森：但這讓我有幾個啟發(fā)：

第一，中國團隊在產(chǎn)品力上確實不錯。移動互聯(lián)網(wǎng)時代就有很多例子，比如TikTok、Shein、剪映，中國團隊確實做出了很多好產(chǎn)品。

第二，所謂的「套殼」產(chǎn)品，也就是調(diào)用API的應(yīng)用，并不會就一定被modelnative產(chǎn)品吊打。之前大家以為OpenAI下場，訓(xùn)練的模型能端到端處理，就能完全替代第三方。但其實不然，尤其Agent需要更多context和工具，很多都依賴殼和應(yīng)用本身提供的環(huán)境。

Manus分享的那篇關(guān)于ContextEngineering的文章《如何系統(tǒng)性打造AIAgent的上下文工程？》就收到很多好評。因為這就是一個大家現(xiàn)在都在解決的問題，里面有很多實踐是需要時間和經(jīng)驗的。

我理解，ContextEngineering最早是來自于PromptEngineering。PromptEngineering就是給AI一個命令、一個任務(wù)，然后AI自己去做事。這很像傳統(tǒng)管理方式：老板布置任務(wù)，員工去執(zhí)行。而像Netflix、字節(jié)等先進公司強調(diào)的「Context,notcontrol」，意味著要給員工更多上下文和授權(quán)，才能更好完成任務(wù)。ContextEngineering也是類似的道理：我們要給模型提供的是能夠幫助它更好完成任務(wù)的上下文。

第一個層面，就是單個session，看我們怎么提供更好的上下文、更好的數(shù)據(jù)、以更適合模型操作的格式去處理它。

第二個層面，是多session或跨session的個性化記憶：比如說今天做了什么，明天再做對應(yīng)的事，用戶的偏好、習(xí)慣、工作經(jīng)驗，能不能累積？這個長期可能成為護城河。因為同樣的模型，誰有更好的上下文，它就更懂我。

第三個層面，是產(chǎn)品設(shè)計本身可以提供模型原本獲取不到的上下文。比如大家設(shè)想的一個還沒做出來的產(chǎn)品：戴個眼鏡可以實時看到周圍世界。這樣的context是模型自己無法產(chǎn)生的，必須通過好的硬件與軟件設(shè)計來實現(xiàn)，也說明了產(chǎn)品層的價值。

晚點：你說的眼鏡能看到的數(shù)據(jù)，是現(xiàn)在所有互聯(lián)網(wǎng)巨頭都沒有的。

戴雨森：對。所以從ChatGPTAgent的發(fā)布，我覺得可以看到三點：

第一，Agent方向逐漸達成共識；

第二，創(chuàng)業(yè)公司在模型核心巨頭面前，依然有靈活性、先發(fā)優(yōu)勢和競爭力；

第三，進一步印證了我們之前說的兩個被低估：模型進步速度被低估了，產(chǎn)品「殼」的價值也被低估了。

模型這條線，OpenAI這周剛拿下了IMO金牌，說明它的進步速度還是很快。而OpenAI自己做的ChatGPTAgent還有很大提升空間，說明「殼」的價值也非常重要。所以我覺得模型和應(yīng)用都被低估了。

晚點：你剛說的context的價值特別好。它其實和管理學(xué)也打通了，比如Netflix的那本書《NoRulesRules》最開始就講了這個邏輯。AI確實很像一個人，你要教它、要給上下文，比起給它具體指令，這可能是更好的方式。

戴雨森：第一階段大家都在寫更好的prompt，就像老板寫brief。后來發(fā)現(xiàn)要加更多示例、更好的上下文、更適合模型工作的環(huán)境。這其中有很多具體技巧。Manus的文章就分享了很多。我想說的是，更多的Context帶來模型能力的提升，也反映出我們對AI的使用越來越深入，產(chǎn)品本身也越來越完善。以前一句prompt就能跑，現(xiàn)在產(chǎn)品本身要承擔更多事情，產(chǎn)品公司的價值也在這里體現(xiàn)。

晚點：你覺得這一層的應(yīng)用價值，什么時候會被模型本身做掉？是不是等到模型具備在線學(xué)習(xí)能力、能不斷吸收新的上下文的時候？

戴雨森：也得看你的產(chǎn)品有沒有用戶input。如果沒有用戶輸入，那模型再怎么學(xué)習(xí)也沒法學(xué)到用戶自己獨特的東西。

晚點：所以是不是又回到一個曾經(jīng)被否認的邏輯？以前移動互聯(lián)網(wǎng)時代，用戶越多，數(shù)據(jù)反饋越多，推薦越準，有一個數(shù)據(jù)飛輪。但后來大家覺得大模型里用戶輸入對模型智能提升沒啥幫助。但你剛剛的意思是：用戶輸入對上下文是有幫助的。

戴雨森：這是兩個不同的問題。大家說的數(shù)據(jù)飛輪失效，指的是用戶的聊天記錄不能提升模型智能。這我同意。因為現(xiàn)在模型的智能已經(jīng)超過普通人。你跟它聊些日常話題，沒法提升它的能力。

最開始模型通過RLHF（人類反饋強化學(xué)習(xí)）來學(xué)習(xí)人類偏好，現(xiàn)在來看普通人反饋意義不大。比如AI都能解IMO的題了，為什么還要在意普通人覺得哪個答案更好？所以對于有標準答案的任務(wù)，用戶輸入越來越?jīng)]什么價值。

但如果是完成一個具體工作，比如Agent在完成人類工作時、怎么更好達成目標，這時用戶的輸入和喜好當然有用。

晚點：所以用戶數(shù)據(jù)其實對產(chǎn)品體驗是有幫助的，但不一定能直接提升模型能力？

戴雨森：是的，尤其是在智能能力或者那種有標準答案的任務(wù)上。最開始大模型可以看作是對大量人類平均智能的一種壓縮。當時特德·姜（TedChiang）不是就說過，語言模型本質(zhì)上是對互聯(lián)網(wǎng)的模糊壓縮嗎？但現(xiàn)在，它顯然已經(jīng)超越了普通人的水平，達到了某種超人水平。在這個階段，簡單的數(shù)據(jù)可能就沒那么有用了。

晚點：現(xiàn)在這個時間點，是越早做Agent越好嗎？因為你積累的用戶上下文越多，價值也越大。之前大家可能擔心新的強模型會把已有產(chǎn)品淹沒掉。

戴雨森：如果你沒有上下文、沒有環(huán)境，最后只是調(diào)模型，那確實可能被新模型取代。

AI應(yīng)用普及：最重要的、被高估的、被低估的

晚點：上次我們聊是二月份，轉(zhuǎn)眼到現(xiàn)在差不多五個月了。今年已經(jīng)過去一半，回頭看，你覺得2025年上半年AI領(lǐng)域發(fā)生的幾件最重要的事是什么？

戴雨森：整體來說，AI已經(jīng)從一個偏研究性質(zhì)、看起來很新穎但實用性有限的技術(shù)，進入到了主流市場。上半年我認為有幾個重大進展。

第一，是AI在編程領(lǐng)域的突破。Coding已經(jīng)成為AI應(yīng)用的重中之重。我今天還聽說OpenAI現(xiàn)在已經(jīng)有三個業(yè)務(wù)線：GPT、API和Coding。用戶也發(fā)現(xiàn)AIcoding產(chǎn)品非常有用，也愿意為此付費。Cursor等AI編程工具的成長速度就是一個代表。ClaudeCode也有人稱是L3或Agent級別的產(chǎn)品，能比人類寫得更快更好，代碼更優(yōu)雅，還能處理更大的代碼庫。所以AI在編程領(lǐng)域已經(jīng)正式跨越鴻溝，進入了主流市場。

第二，是o3在四月的正式發(fā)布，伴隨著ChatGPT用戶的高速增長，這是推理模型的持續(xù)演進。從去年下半年開始我們就看到OpenAI推出o1、R1，到今年的o3，它標志著推理問答、題解這些能力從科研層面進入到了普通用戶可以使用的產(chǎn)品，是真正的落地了。

ChatGPT的用戶增長還在持續(xù)，這一波也受益于o3推理能力的提升。我們也看到年初中國這邊的突破，比如R1是國內(nèi)在reasoning上邁出的重要一步，KimiResearcher也是第一個廣泛可用的deepresearch類產(chǎn)品，用戶反饋很好。AI在這個領(lǐng)域已經(jīng)比絕大多數(shù)人做得更好了，也是跨越鴻溝。

第三，是Agent應(yīng)用開始普及。比如Devin是第一個讓人看到L3Agentprototype的產(chǎn)品。Manus和Genspark都是在三月發(fā)布，ClaudeCode也在不斷完善。我們看到隨著模型在推理、編程、工具使用這三大能力的增強，出現(xiàn)了第一批具備完整Agent形態(tài)的產(chǎn)品：它們能接收模糊目標，自主調(diào)用工具，尋找解決方案，評估任務(wù)進度，并最終完成任務(wù)。雖然它們還不算主流，但已經(jīng)進入EarlyAdopter階段，部分場景下用戶非常愿意用。盡管還有不少問題，但Agent已經(jīng)變得有用了，這是上半年AI應(yīng)用領(lǐng)域最重要的進展之一。

第四，是多模態(tài)能力的快速進步，尤其是圖像生成。從早期像玩具一樣的工具，變成了實實在在的生產(chǎn)力工具。比如ChatGPT的圖像生成對語義的跟隨非常好，能準確理解用戶意圖?，F(xiàn)在很多人用AI來畫漫畫、畫流程圖、做視覺內(nèi)容。這種生成能力的提升已經(jīng)變得非常實用。

晚點：它也能支持Agent做出更豐富的輸出，對吧？

戴雨森：對，因為它的指令跟隨能力越來越強，能更好滿足用戶需求。原來是像抽卡那樣的不確定性，現(xiàn)在已經(jīng)越來越好了。直播頭像好多都變成了AI生成的。

Veo3也是一個很厲害的模型。它加入語音配音后，我發(fā)了個朋友圈感嘆，它生成的世界已經(jīng)接近真相難辨的虛擬世界了。Veo3第一次讓我有一種跨越恐怖谷的感覺，真假難辨。

第五，是搶人大戰(zhàn)。無論是Meta的大規(guī)模挖人，還是創(chuàng)業(yè)公司瘋狂融資，再到Windsurf最近收購的drama，都說明硅谷對人才的爭奪和資本競爭進入了一個新的階段。我們在國內(nèi)也感受到類似熱度：融資額上升、項目搶手、一個月融資幾輪的情況又出現(xiàn)了。這背后是因為大家真的看到了AI正在落地，不再只是概念，很多已經(jīng)實實在在地產(chǎn)生收入了。

晚點：你關(guān)注的主線還是圍繞AI的應(yīng)用普及，技術(shù)的變化是原動力，對嗎？

戴雨森：我們認為模型基礎(chǔ)能力的提升是解鎖應(yīng)用場景的關(guān)鍵。模型能力配合好的產(chǎn)品設(shè)計，才能真正釋放價值。一個真正有價值的AI應(yīng)用，一定能通過某種方式讓用戶付費，比如訂閱或按工作交付。所以我們特別關(guān)注AI在提升生產(chǎn)力方面的價值，尤其是在數(shù)字世界里的應(yīng)用。可以看到我們投的很多是AIAgent或者AI生產(chǎn)力方向的項目，因為這是當下最能真正幫用戶解決問題的場景。

晚點：除了你說的應(yīng)用這條主線，其實AI硬件也很熱，比如機器人，具身智能其實也在AI產(chǎn)業(yè)鏈上。

戴雨森：是的，但我認為上半年有一個被高估的方向，就是人形機器人。特斯拉最近下調(diào)了對Optimus的生產(chǎn)預(yù)期，我覺得很有代表性。

去年我就說過，大家對Optimus進工廠打螺絲的期待值太高了。當時有人說2025年特斯拉就能有一萬個機器人進廠干活，這完全低估了manipulation（操作控制）的難度?，F(xiàn)在我們看到的一些demo確實越來越好，比如疊衣服，但真的要機器人做出一杯咖啡，還是非常難的。

當然，我認為這個領(lǐng)域還在快速發(fā)展，在未來幾年可能會看到manipulation的「ChatGPT時刻」突破，但如果期待2025年就能大規(guī)模落地，我覺得是大大高估了。

技術(shù)的發(fā)展不能拔苗助長，必須經(jīng)歷：方向確定、逐漸放大、形成產(chǎn)品、再到大規(guī)模落地，這幾個階段，沒法跳過。機器人目前顯然還處在早期探索階段。

晚點：另一方面，你覺得這半年有沒有一些被低估的事情、公司或者現(xiàn)象？

戴雨森：我覺得首先，應(yīng)用的價值還是在被低估的。一年前，大家還在講模型公司會顛覆應(yīng)用公司，說「應(yīng)用只是套殼」，這個業(yè)務(wù)模式不成立。當時不管是Manus、Genspark，還是很多其他公司，都經(jīng)歷了不少質(zhì)疑，說：「你是一個殼公司，有沒有長期價值？是不是模型一升級你就完了？」

現(xiàn)在這個爭論雖然還在繼續(xù)，但顯然不是模型升級了應(yīng)用公司就會完蛋。相反，好的應(yīng)用公司是期待模型升級的，這樣可以讓用戶享受更強大的體驗?！笟ぁ沟膬r值仍被低估了。

第二，優(yōu)秀團隊的價值也在被低估。不管是Kimi、Manus，還是Genspark，我們歸根結(jié)底是投人。

大家之前可能不會料到，肖弘能做出一個世界級的AI應(yīng)用。而幾天前發(fā)布的KimiK2，在7月15日這個時間點，可以說是全球最強的開源大模型，沒有之一。它在coding、Agent工作流和中文寫作等方面的表現(xiàn)，確實優(yōu)于Claude。當然，Claude是在年初發(fā)布的，但在AI這個領(lǐng)域，六個月就相當于很久了。

OpenRouter上的調(diào)用數(shù)據(jù)顯示，K2剛上線沒幾天，昨天還在編程類目里排第13，今天就升到了第10，前面是Claude、Gemini、GPT。這種上升速度是非?？斓?，說明用戶反饋非常好。但現(xiàn)在大家其實已經(jīng)對benchmark麻木了，對吧？我們更看重實際用戶的使用反饋。

比如Perplexity的創(chuàng)始人就在推特上說，他們團隊已經(jīng)開始調(diào)研在Perplexity上引入K2，也明確表示：Kimi做得非常好。

Kimi是最典型的例子，但不是唯一的。我們也討論過DeepSeek后他們團隊的轉(zhuǎn)型問題，Kimi背后的Moonshot也經(jīng)歷了很多復(fù)盤，并集中精力攻堅下一代模型。我覺得外界太容易在很早期就下結(jié)論，比如說DeepSeek出來的六小龍公司是不是都不行了。但實際上，如果一個團隊足夠穩(wěn)定，有優(yōu)秀人才、有資源、有意志，那他們的主觀能動性和突破空間遠遠被低估了。

第三，我覺得模型能力進化的速度也被低估了。比如現(xiàn)在已經(jīng)有傳言說GPT-5很快就要發(fā)，它可能是一個原生多模態(tài)、推理能力非常強、具備高級Agent能力的模型。

現(xiàn)在新產(chǎn)品發(fā)布的時候往往會被噴，說畫了大餅但實際上產(chǎn)品體驗沒有那么好。但好的應(yīng)用公司需要為6到12個月后的模型設(shè)計。比如Cursor一開始發(fā)布的時候，當時的模型還無法實現(xiàn)它的完整愿景，直到Claude3.5Sonnet出來，Cursor才真正成為一個好用的產(chǎn)品。

Manus在設(shè)計時能用的最好模型是Sonnet3.5，發(fā)布時Sonnet3.7剛上線，Manus因此能夠完成一些更復(fù)雜的任務(wù)，之后Claude4，Gemini2.5Pro等新模型的發(fā)布也進一步提升了Manus的表現(xiàn)。也許再需要1-2個模型的大版本迭代，才能夠充分讓主流用戶感受到Agent帶來的生產(chǎn)力提升。

所以我們認為，未來模型的能力提升仍然非?？欤苍S很快就會有讓大家震驚的發(fā)布出現(xiàn)。那時，模型增長和應(yīng)用價值可能都將超出市場預(yù)期，整個AI發(fā)展節(jié)奏也會再度加快。

晚點：這半年還有一個我之前沒有想到的新變化，就是最近非常激烈的外賣大戰(zhàn)。因為外賣大戰(zhàn)這件事情牽扯了好幾個巨頭的精力和資源，包括阿里、美團和京東。你覺得這個會怎么影響中國的AI的格局，或者說對創(chuàng)業(yè)公司來說，它可能會有什么影響？

戴雨森：現(xiàn)在看其實還是兩個戰(zhàn)場。從長期看，可能會對資源投入產(chǎn)生一些影響。

但我看阿里云的增速預(yù)期還是挺高的。今天Jensen還宣布可以重新向中國銷售H100。我們看到，今年美國這邊的IDC和云服務(wù)增長得非?？?，因為應(yīng)用落地之后推理的用量會大幅增長。

我認為中國市場的發(fā)展路徑也會是類似的。當Kimi、字節(jié)、DeepSeek等公司推出更好的模型后，更多場景被解鎖，推理的算力需求也會很快爆發(fā)。知識工作者在中美其實都很像，大家都用Office、都要搜索、都用deepresearch工具，在美國市場已經(jīng)驗證的這些需求場景在中國遲早也會爆發(fā)。

當然這跟外賣大戰(zhàn)沒什么直接關(guān)系。但比如說阿里云、火山云這些中國云服務(wù)商，可能也會經(jīng)歷一次美國那樣的增長過程。

從DeepSeek出發(fā)，不同公司各有演進之路

晚點：我們接下來圍繞一些具體的方向聊聊，你覺得為什么DeepSeek還沒發(fā)布R2？

戴雨森：哈哈，這個現(xiàn)在還是挺神秘的，我們也只能通過一些外圍信息去了解。我聽說現(xiàn)在V4還在訓(xùn)練階段。因為他們當時是先發(fā)了一個V3，然后再發(fā)R1，那現(xiàn)在V4都還沒補發(fā)，聽說還在訓(xùn)練中，那R2的發(fā)布時間可能就要等到V4之后了。但我相信DeepSeek肯定在做很多有意思的創(chuàng)新。我們也和里面的一些同學(xué)聊過，知道他們的創(chuàng)新能力是非常強的。不過我覺得他們也確實會受到算力資源的限制。畢竟卡的總量是有限的，而且他們發(fā)布模型之后，還有大量的算力要用來做推理（inference）。

晚點：對，我覺得他們現(xiàn)在可能也在思考模型或者智能未來的演進方向，基本上還是不做多模態(tài)。

戴雨森：對，這其實反映了一個很現(xiàn)實的情況：DeepSeek的資源沒有多到可以在所有領(lǐng)域?qū)薙OTA。所以就像Claude背后的Anthropic一樣，他們要做一些判斷：哪些方向在當前階段最重要、最能出結(jié)果，然后集中資源突破；而對于一些尚不明朗的方向，他們可以等等，等到思路更清晰之后，再利用自己的工程能力和團隊的努力趕上。

而字節(jié)Seed現(xiàn)在可能是在試圖做到全面領(lǐng)先：他們有Edge組去做最前沿的研究，有Focus組去沖擊SOTA，還有Base組去做服務(wù)產(chǎn)品應(yīng)用。這種是全棧型的布局。

相比之下，DeepSeek更有選擇性，比如重點突破模型智能。當資源不那么充足時，確實需要做一些取舍。像Seed這樣的組織結(jié)構(gòu)，把Edge、Focus、Base三個方向明確分開，我覺得是更明確的。

晚點：對，他們現(xiàn)在就是這種比較明確的分工結(jié)構(gòu)。Edge一開始列了五個方向，現(xiàn)在可能已經(jīng)擴展到了十幾個項目，確實挺厲害的。

戴雨森：我覺得把應(yīng)用和研究分開，再把研究中的SOTA和Frontier部分繼續(xù)細分，是比較對的做法。之前大家可能就是分成Frontier和AppliedResearch，但那時候資源不夠，組織的職責(zé)也不夠明確。普遍的問題是：如果你讓一個模型團隊既要做前沿研究、追趕SOTA，甚至超越SOTA，同時又要滿足App的落地需求，這兩個目標是很容易沖突的。

Kimi在過去半年其實也總結(jié)了很多這方面的經(jīng)驗。如果有個大用戶量的應(yīng)用在線上，需要花大量精力去維護，處理各種cornercase，修bug。但這些工作其實對推動下一代模型、挑戰(zhàn)SOTA的幫助是有限的。今年就沒有投入太多精力在K1的迭代和應(yīng)用功能上，而是專注于做下一代模型，來拓展模型智能的邊界。

晚點：這也是我們以前反復(fù)會問大模型創(chuàng)業(yè)公司創(chuàng)始人的一個問題：你一邊做模型，一邊做產(chǎn)品，中間的精力怎么分配？

戴雨森：目前來看，我覺得還是要先把一個方向做到極致。比如你如果是做應(yīng)用的，那就假設(shè)自己能用上最好的模型，誰最強、最合適就用誰。但如果你是做模型的，那目標就是讓自己的模型保持在SOTA水準，在某個具體領(lǐng)域做到最強。

投人的價值，K2如何逆風(fēng)翻盤

晚點：我想聊一下KimiK2。今年年初DeepSeek引發(fā)熱潮后，Kimi內(nèi)部也有了一個比較明確的目標，就是要追求SOTA。在這個目標下，K2應(yīng)該是他們做出方向調(diào)整后第一個比較重磅的成果。你對這個過程是怎么理解的？

戴雨森：我想先講個小故事。前幾天，暗涌在良渚組織了一個圓桌，把投資了Kimi和MiniMax的投資人都請到一塊。我還開玩笑說，這像是一個「同情局」，仿佛我們投了大模型公司，很慘該被同情。但我覺得，其實真正體現(xiàn)一個團隊能力的，是他們面對挑戰(zhàn)時的應(yīng)對方式，以及是否堅持自己的路線去做有價值的創(chuàng)新。

順風(fēng)的時候有順風(fēng)的打法，逆風(fēng)的時候也有逆風(fēng)的打法。像MiniMax，他們專注自己的方向，現(xiàn)在也在推進上市流程。這就是他們面對挑戰(zhàn)的方式。當然，也有一些公司在逆風(fēng)中內(nèi)部團隊發(fā)生較大變化，甚至業(yè)務(wù)方向都有調(diào)整。但我覺得Kimi特別的一點，是他們的團隊非常穩(wěn)定。如果你看他們的創(chuàng)始團隊或核心成員，幾乎沒有大的變動。

晚點：這其實就是我第一個好奇的點?，F(xiàn)在很多公司到了聯(lián)合創(chuàng)始人或核心業(yè)務(wù)負責(zé)人層面，都會有一些變化，但Kimi基本沒怎么變。

戴雨森：這可能跟他們的團隊組成有關(guān)。Kimi的創(chuàng)始團隊一直是以植麟為核心，而且成員是清華的老同學(xué)，之間合作很多，甚至是室友還一起玩過樂隊。并不是因為要做大模型公司才臨時組起來的。

晚點：我查閱資料時發(fā)現(xiàn)，當年楊植麟去評特獎的時候，有一張照片是他們系的一些同學(xué)舉著橫幅去支持他。幾位他們系的師弟師妹都會說楊植麟在當時就是一個讓大家覺得、非常有號召力的人。

戴雨森：沒錯，這也是我們從一開始就決定投資他們的重要原因之一。這個團隊不僅有技術(shù)，而是有很長的共同信任。創(chuàng)業(yè)會經(jīng)歷很多挑戰(zhàn)，如同壓力測試，在面對挑戰(zhàn)的時候，團隊穩(wěn)定和方向聚焦會很重要。

Kimi這個團隊從一開始就是以技術(shù)基因和技術(shù)視野作為核心能力的。很多人可能已經(jīng)忘了，在2023年的時候，AI的變化太快，幾乎每個月都有新風(fēng)向。當時，Kimi就對長文本這個方向做出了很重要的判斷，選擇做了一個具備長文本能力的模型，并基于這個推出了帶搜索能力的Kimi第一個版本。

那時大量的AIchatbot其實是沒有搜索功能的。沒有搜索，模型的用途就會受到很大限制，比如你隨便問一個「現(xiàn)在的美國總統(tǒng)是誰」，它都可能答不上來。

Kimi團隊當時對長文本技術(shù)方向的判斷就展現(xiàn)了他們非常強的技術(shù)vision。到了2025年，AI更強調(diào)Agent能力、復(fù)雜任務(wù)執(zhí)行、以及處理更大的代碼庫，大家才真正意識到長文本的重要性。如果你真的要讓AI做一個Agent，完成一個復(fù)雜任務(wù)，它不能只是執(zhí)行100步就歇了?；仡^看，其實這也驗證了植麟判斷上的準確。

所以我覺得他們團隊身上，有三個特別重要的品質(zhì)：

第一是團隊的穩(wěn)定性。這來自于成員之間長期的淵源和信任。

第二是對技術(shù)方向的堅持。他們不是看到哪個火就往哪兒跟風(fēng)，比如陪伴火了去做陪伴，多模態(tài)火了又去做多模態(tài)。很多方向都可以做，但真正有積累的是那些持續(xù)做一件事的團隊。

第三是他們一直保持的技術(shù)敏感度和洞察力。這個在技術(shù)變化的關(guān)鍵節(jié)點上尤其重要。

當然R1的成功也確實給了行業(yè)很多啟發(fā)，這一點毫無疑問。當時很多人看到R1，有個流行說法是：「pre-training不重要，post-training才重要?！沟艺J為R1的基礎(chǔ)是V3，這恰好說明好的基礎(chǔ)模型很重要，pre-training和整體架構(gòu)優(yōu)化可以帶來模型能力的提升。K2現(xiàn)在還是個non-reasoning的模型，已經(jīng)呈現(xiàn)出很好的能力，這也說明pre-training依然很重要。

開源也很重要?，F(xiàn)在全球AI社區(qū)正處于EarlyAdopter（早期采用者）階段，通過開源優(yōu)秀的模型和產(chǎn)品給社區(qū)提供價值的團隊，很容易得到熱心的回應(yīng)。我們在DeepSeek、K2，以及我們sponsor的vLLM、ControlNET等開源項目中看到，只要不斷拿出好的產(chǎn)品，保持對用戶開放交流的態(tài)度，世界各地的用戶都會欣賞、支持你，甚至主動幫你改進問題。但只是開源不本質(zhì)，本質(zhì)是開源好的東西，不是開源就一定好，社區(qū)覺得好才是核心。

晚點：說到開源，因為K2是1萬億參數(shù)，開源社區(qū)里能真正部署的人很少。

戴雨森：K2主要的場景不是在本地機器部署，事實上要在本地滿血跑DeepseekR1也不簡單。開源的核心不在于本地部署，而是讓大家對模型有更多自主把控。

晚點：你能總結(jié)下他們?yōu)槭裁茨茏龀鯧2這種級別模型？現(xiàn)實過程中遇到了哪些挑戰(zhàn)？外部輿論把他們放在低谷，是否帶來很大壓力，比如人才流失？我指的不光是核心層，還有一線工程師。

戴雨森：這里肯定有人流失，但Kimi有兩點優(yōu)勢：第一，核心層很穩(wěn)定；第二，很多年輕同事愿意留在Kimi。

我覺得大家留下不只是因為錢，更因為能學(xué)到東西，能干成自己覺得厲害的事。這符合Kimi核心團隊的基因。

之前做投放時討論過，他們做投放不是強項，但現(xiàn)在是回歸了初心，做團隊能力最強的方向。我覺得這很重要。面對外部市場壓力，首先不要亂，要聚焦自己最擅長、最能做好、最有意義的事情。知乎上也有好幾位Kimi的研究員寫了參與K2的很多感想。

技術(shù)變化：推理、編程、工具使用

晚點：在技術(shù)領(lǐng)域，你會比較關(guān)注哪些變化？

戴雨森：我們之前聊到過，我認為解鎖AI生產(chǎn)力的三大主線是reasoning、coding和tooluse。

在reasoning方面，我們看到了o3、o4mini的發(fā)布，還有后來的o3pro。雖然這些模型在一些榜單上表現(xiàn)進展不大，但我們自己的使用體驗是，o3相比o1是一個明顯的大臺階，o3pro在推理長度和邏輯連貫性上也越來越好?，F(xiàn)在很多模型在reasoning的細節(jié)上都有進步，比如細節(jié)的幻覺減少，推理結(jié)果更嚴謹。

同時我們還看到，一些小一點的模型也開始具備很強的reasoning能力。像GPQA或AIME這些反應(yīng)模型reasoning能力的指標都非常高。K2在這方面也表現(xiàn)不錯。

晚點：我們之前和一些人交流，比如阿里云CTO周靖人，他并不覺得像o系列的更新是特別大的范式變化。他認為這還是在大模型原有方法框架內(nèi)的自然延展。

戴雨森：這個我同意。如果這些模型還是Transformer架構(gòu)，那它們就還是在現(xiàn)有范式內(nèi)演進。大家現(xiàn)在都在期待下一個Transformer是什么。

不過有時候，一個技術(shù)范式就可以走得很遠。就像高速公路可以用幾十年，不一定非要每年都有顛覆式的架構(gòu)變化才叫創(chuàng)新，實際上，如果每年都有顛覆式的技術(shù)發(fā)生，那說明這個行業(yè)還很不穩(wěn)定，反而不一定適合產(chǎn)業(yè)落地。今年我們在產(chǎn)業(yè)上真正能用到的技術(shù)，并不是從0到1的變化，更像是從1到10，甚至從5到8的進化。像reasoning的進步，就是從很好變成非常好。

在coding上，Sonnet3.5已經(jīng)很不錯了，但context長度還不夠，自我糾錯能力也一般。Sonnet3.7和4跑在ClaudeCode上效果非常好。對復(fù)雜代碼、長代碼段，它們常常一步就能做對。這不是從0到1，而是從7到10的質(zhì)量提升。

晚點：在基礎(chǔ)模型的競爭上，Google最近的勢頭也很強。過去兩年OpenAI橫空出世時，Google給人感覺有點被打懵。但現(xiàn)在Gemini2.5的口碑和實際使用反饋都很好。

戴雨森：確實，Google技術(shù)積累深厚，人才密度高，又非常有錢，算力也很充沛。所以我們今年明顯感覺到Google的邊際變化是很大的。

模型層面，Google的Gemini2.5表現(xiàn)非常好。云服務(wù)層面，提供同樣的ClaudeAPI推理服務(wù)上，GCP的表現(xiàn)其實更好，這背后也離不開TPU的支持。Google的實力很強，是現(xiàn)在模型領(lǐng)域前三名中非常有競爭力的一家。

但他們現(xiàn)在也有一個現(xiàn)實問題，就是Google的搜索主業(yè)正在承壓。因為擔心AI對搜索廣告帶來沖擊，所以它的股價一直在震蕩。我覺得這就是一個典型例子：老業(yè)務(wù)在受損，而新業(yè)務(wù)增長又很快。這最終會怎么演化，我覺得可能還需要一兩年才能看清。

應(yīng)用的生長，讓AI不止于問答

晚點：這也回到了你之前提到的一個主題：模型和上層應(yīng)用之間的關(guān)系，現(xiàn)在這個關(guān)系還在演變。

戴雨森：應(yīng)用的價值首先取決于模型本身，也就是模型廠商固化在權(quán)重里的那些基礎(chǔ)能力。模型的推理能力、編程能力越強，應(yīng)用所能釋放的價值就越大。但權(quán)重一旦固定，內(nèi)容就是死的，而問題是動態(tài)的，所以需要引入context，現(xiàn)在流行的contextengineeringvspromptengineering也說明了prompt模型并不夠，還需要更多更好的context。

我認為context可以分為三層：

第一層是通用信息，比如「今天的天氣怎么樣？」這類模型本身是沒有的，需要通過搜索等方式動態(tài)獲取。雖然現(xiàn)在也有模型能做簡單的搜索工作，但這需要給模型配備合適的工具。

第二層是組織層面，比如公司內(nèi)部有哪些流程、文檔、已有的知識積累。這些信息模型本身也不知道，需要通過應(yīng)用層與模型協(xié)作，讓模型指導(dǎo)人去調(diào)用這些信息。比如一個人和AI的對話歷史、個人偏好、背景信息等，這些模型也不具備，必須由應(yīng)用層來提供。

所以context這一層是由應(yīng)用來提供的，它的質(zhì)量會對AI應(yīng)用的表現(xiàn)帶來巨大差別。

AI的目標不只是成為一個問答機器，最終它是要真正幫用戶完成事情。那在做事情的時候，它能調(diào)用哪些工具、影響什么結(jié)果，這些也是由應(yīng)用層公司提供的。比如產(chǎn)品提供了哪些公有或私有的MCP工具，或者最終AI能把它的輸出結(jié)果部署在什么環(huán)境上。

所以我覺得模型其實只是最底層的那一塊。只是因為在ChatGPT剛出來的時候，我們大多數(shù)使用場景都是在「問」模型，也就是提取它通過壓縮已有知識獲得的回答。比如問一個事實類的問題，這種情況下確實主要靠模型本身。但當任務(wù)更復(fù)雜、模型的智力需要與context、甚至environment配合才能發(fā)揮作用時，那就是「殼」的價值了。

晚點：所以你覺得這是一個很自然的演化路徑？也沒必要非得強化「我們就是做模型」這件事？

戴雨森：對，模型肯定很重要，但只靠模型本身可能不足以真正釋放出全部的價值。

晚點：一年前大家怎么看Google？一個失意者？

戴雨森：大家那時候肯定覺得Google有點落后，被OpenAI搶了風(fēng)頭，很多人才也選擇出走。但后來Google的聯(lián)合創(chuàng)始人SergeyBrin回歸公司之后，很多事情發(fā)生了變化。比如有傳聞?wù)fGoogle收購的Character.ai創(chuàng)始人NoamShazeer回去后親自改了一個bug，直接讓模型性能大幅提升。真假不確定，但關(guān)鍵人才確實能解決問題。

晚點：所以Google能快速追趕，可能不僅是技術(shù)，也有組織方式、投入強度的變化？

戴雨森：對，他們對這件事是真的非常重視。我聽說Gemini團隊加班也很厲害，原本大家覺得Google是養(yǎng)老公司，但現(xiàn)在他們也很拼。

晚點：模型競爭其實激活了很多聰明人，追求的成就感也回來了。

戴雨森：我覺得是的。這幾家公司的創(chuàng)始人都非常重視AI，現(xiàn)在已經(jīng)不是「AI會不會落地」的問題了，而是必須贏。

不管是Zuckerberg、SergeyBrin，還是OpenAI和Anthropic的團隊，他們都看到AGI已經(jīng)迫在眉睫，意識到這件事的重要性，愿意花錢、愿意投入資源。

最近YCombinator的創(chuàng)業(yè)營也提到，現(xiàn)在做任何公司，都應(yīng)該以「AGI兩年內(nèi)實現(xiàn)」為前提假設(shè)。你要思考：假設(shè)AGI兩年內(nèi)實現(xiàn)，那你的公司該怎么做？

當然AGI到底是什么還有很多爭議，但毫無疑問巨大的變化正在發(fā)生，而且是快速發(fā)生。現(xiàn)在硅谷學(xué)計算機的學(xué)生找工作都變難了，因為初級程序員的工作已經(jīng)被AI替代了很多，很多變化是實實在在發(fā)生的。

晚點：我們回到你說的三條主線。我們講了推理和編程，現(xiàn)在講工具使用。最近像KimiK2和Grok都在訓(xùn)練階段就加入了使用工具的能力。這是新趨勢嗎？

戴雨森：現(xiàn)在AI使用工具主要有兩條路線：

像MCP這樣，走API接口方式；

通過視覺模擬AI操作已有軟件。

這兩種方式都有人在做，現(xiàn)在像MCP這樣的生態(tài)已經(jīng)建立起來了，越來越多為AI搭建的工具變得可用。又比如Manus和OpenAI的Operator用的是沙盒虛擬機里面的瀏覽器、通過視覺操作瀏覽器等已有的軟件，模擬人類的使用過程，目的是讓AI更好地調(diào)用已有軟件的功能。

能夠使用人類的工具完成任務(wù)，我覺得這是讓AI真正變有用非常重要的一件事。

Agent讓每個人學(xué)會當好老板

晚點：其實在OpenAI最開始規(guī)劃的五個階段里面，第三個階段就是推理之后的Agent。

戴雨森：對，之前張祥雨有個播客講得特別好，我很認同他的分析。第一個階段是chatbot，對應(yīng)ChatGPT；第二個階段是reasoning，對應(yīng)o系列模型；第三階段的Agent對應(yīng)的是Agent-native模型，但目前好像還沒有真正出現(xiàn)。

在Agent的定義中，目標是AI自己去尋找的，但目前目標仍由人給定。Agent是說，我給你一個目標后，它去預(yù)測使用工具的序列，選擇什么工具完成任務(wù)。它可能還沒做到像給員工完成任務(wù)那樣，自己拆分任務(wù)和定義目標。

現(xiàn)在AIAgent這一類產(chǎn)品還處于非常早期階段。比如Manus才剛推出幾個月，但我覺得一年甚至半年后，隨著模型能力提升，這類產(chǎn)品的能力會大幅增強。

我想說的是，不同公司因為資源稟賦不同，解決Agent這個問題的方式也會有差異。我們盡量不做預(yù)判，不認為我們能夠預(yù)先知曉未來。比如Kimi的看法是ModelasAgent，通過模型訓(xùn)練中加入大量端到端的工具使用數(shù)據(jù)，讓模型本身具備強大的工具調(diào)用能力。而同樣是調(diào)用閉源模型API的產(chǎn)品。Manus提出了「lessstructure,moreintelligence」，但有時結(jié)構(gòu)化也能提升工作效率。Genspark就專門做了針對PPT場景的slide生成功能，引入了一系列優(yōu)化工作效果的方法。

晚點：這兩種角度都對。對用戶來說，有些場景有大致流程，結(jié)果更可控，成本也會更低。

戴雨森：因為用戶要的是最后的結(jié)果，而不同的公司想實現(xiàn)這個結(jié)果，可能有各種不同的路徑。有的靈活但成本高，有的固定但成本低。所以大家解同一道題，用不同方法都合理。

晚點：你說的最大趨勢無疑還是Agent？

戴雨森：是AI對生產(chǎn)力的提升，想讓AI把生產(chǎn)力真的提高，就得讓AI承擔更多工作。像ClaudeCode、Manus等Agent產(chǎn)品，核心理念是人不做事，AI做事。

有人說這是類似自動駕駛L3級別的產(chǎn)品，人不動方向盤，車自動駕駛。我們發(fā)現(xiàn)寫代碼的工程師一開始喜歡Cursor，因為它還是讓你在熟悉的IDE里面寫代碼，但Manus發(fā)現(xiàn)產(chǎn)品經(jīng)理用Cursor去完成任務(wù)不怎么看代碼，只是看右邊的對話框，所以他們把對話框放到主要的位置，做出了一個更加適合非程序員人群使用的Agent。

隨著模型能力的進步，ClaudeCode更極致，用戶不能寫代碼，只能告訴AI你要做什么，其他的AI去完成。所以L3或Agent意味著AI去作為執(zhí)行主角，而用戶要學(xué)會當AI的好老板。

晚點：這對很多人來說挺難，是門檻。AI做事不滿意，你讓它做幾次都不行。

戴雨森：以前我創(chuàng)業(yè)時也這么想，所有事我都親自做。后來發(fā)現(xiàn)這不是好管理方式，我應(yīng)該賦能下屬，讓他們知道我要什么，讓他們有主觀能動性。

以后人類指揮AI可能也是這樣，這可能是人類歷史上第一次要培養(yǎng)一個工具。以前培養(yǎng)人很難，大部分人是被培養(yǎng)的，很少有人有能力或機會去培養(yǎng)一個下屬。但現(xiàn)在每個人可能都要學(xué)會如何給AI下命令，如何培養(yǎng)AI去更好完成工作。

晚點：你提到Manus、Genspark這類通用Agent的用戶群都比較廣泛。你們怎么觀察垂直場景里的Agent？

戴雨森：通用是因為當前模型能力偏通用，但肯定會逐漸涌現(xiàn)某些垂直場景。

我覺得一個好的產(chǎn)品，最后肯定還是要有清晰的定位，要在某些領(lǐng)域做到絕對的第一名，才能擁有長期價值。或者說我們目標不是追求通用，而是從通用開始，逐漸發(fā)展收斂到一些核心場景。

技術(shù)革命的早期發(fā)展階段，往往大家都在嘗試，也不知道新技術(shù)適合做什么，最后看什么效果最好。例如蒸汽機剛被發(fā)明時，最開始是用于抽煤礦的水，后來發(fā)現(xiàn)用來驅(qū)動火車和紡織機更好。蒸汽機也是一個「通用技術(shù)」，但最后最大的價值可能來自幾個具體場景。

我覺得現(xiàn)在coding、做PPT這類的officework、deepresearch三者毋庸置疑是已經(jīng)涌現(xiàn)出來的重要方向。

晚點：有個話題挺有意思。國內(nèi)大家討論通用產(chǎn)品，覺得這是大公司的必爭之地。但跟國外投資人聊，他們反而對SuperApp的可能性更感興趣，關(guān)心怎么打敗OpenAI和Google。

戴雨森：如果你有機會挑戰(zhàn)大公司，那是好事，至少有資格參與奧運會，比不參與強。

很有意思的一件事是，Manus出現(xiàn)后，有很多人說它沒壁壘，用開源框架一個周末就能搞出來。但現(xiàn)在過了這么多個周末，還沒看到任何一個類似的應(yīng)用能真正做好的。

我覺得在全球市場，大家對真正的創(chuàng)新還是尊重的，不會直接復(fù)制完全一模一樣的產(chǎn)品。可能會借鑒交互或呈現(xiàn)思路，比如AI在干活的表現(xiàn)形式，但不會直接像素級復(fù)制。在全球化競爭里，先發(fā)優(yōu)勢會帶來很多口碑和傳播優(yōu)勢，這也是對創(chuàng)新者的建獎勵。

每月1000美金的AI產(chǎn)品訂閱

晚點：你算過現(xiàn)在一個月在AI產(chǎn)品訂閱上花多少錢嗎？

戴雨森：大概接近1000美金。Manus是200美金，Genspark是200美金，ChatGPT、Gemini、Grok這些也都差不多各200美金。我買的基本上都是高級方案。

我一直有個理念，新產(chǎn)品就要多試試，很多時候花點錢試一試并不過分。很多AI產(chǎn)品的革命之處不能只看報道，得親身去用。當你能看到一個未來的時候，你會產(chǎn)生很多的靈感。

我們?nèi)路菥陀^察到，Manus上線后推理用量暴漲，Agent產(chǎn)品的token用量相比Chatbot是顯著增長。當時二級市場很多人還在質(zhì)疑英偉達，覺得哪怕全世界所有人都用chatbot，推理需求也根本沒那么大，用不了那么多算力。

但其實這就像撥號上網(wǎng)時代，一開始所有人都在聊QQ，不需要那么多帶寬。但有了寬帶網(wǎng)之后，大家就要在線上看4K視頻了。模型能力越強，可以解鎖的場景越多，token使用就越多。

晚點：2023年，黃仁勛在英偉達內(nèi)部講話中說，他們的市值目標是2萬億美元。當時英偉達剛剛突破1萬億。我們還在討論他這口氣是不是太大。結(jié)果今年已經(jīng)突破4萬億了。

戴雨森：他很快可能會到5萬億。因為token向生產(chǎn)力的轉(zhuǎn)化趨勢才剛剛開始。

這就像火車開動了，就不會突然又停下來了。我們現(xiàn)在還在不斷發(fā)現(xiàn)AI新的使用場景。比如說一個工程師原來一天可以寫100行代碼，現(xiàn)在有了Cursor、ClaudeCode，可能寫的代碼是原來的10x，能解決更多以前沒想過要解決的問題。又比如有了ChatGPT和Manus，你會問的問題也會變多。

很多以前不知道該問誰的問題，現(xiàn)在可以用AI來解決。給用戶帶來的生產(chǎn)力提升，導(dǎo)致用戶更愿意付費。

晚點：目前生產(chǎn)力場景的token消耗是非常高的？

戴雨森：生產(chǎn)力可以以10倍，100倍的速度增長。和AI閑聊再怎么聊，一天就那么多時間，這是我們以前講的attentionisallyouneed。如果你要的是用戶注意力，它是有限的，并且是和抖音，Tiktok、小紅書一起去爭奪的注意力。

但在生產(chǎn)力場景，用戶需求的上限很高，可以從問一個問題變成問100個問題，需要的算力可以漲100倍。

晚點：而且單位時間內(nèi)token消耗的復(fù)雜度也在迅速提升，比如我要消費的內(nèi)容、視覺信息可能也變得更復(fù)雜。

戴雨森：在未來你可以問AI之前沒想到的非常復(fù)雜的問題，我給你舉個很簡單的例子。比如美股二級市場的朋友，在財報季時一天可能要關(guān)注五六家公司發(fā)業(yè)績。凌晨四點起床看財報數(shù)據(jù)、代入模型做對比、聽電話會議、分析CEO的展望，都是他們的日常。

原來他們不可能同時聽多個財報會，只能靠招更多人或挑重點去選擇。但現(xiàn)在有了AI，雖然目前還不能完全跑通全流程，但6-12個月內(nèi)就有可能讓一個分析師同時覆蓋50家股票的財報。

AI可以幫他們看財報、聽電話會議記筆記、回答事前準備好的問題、總結(jié)CEO回答、寫報告。這些原來因為「做不到」才沒放到你的工作時間表里的事情現(xiàn)在AI能完成了，需求就自然增長了。

就像飛機出現(xiàn)之前，沒有人會說「我今天要飛美國出差」。但飛機一旦存在，新的需求就出現(xiàn)了。AI也一樣，它讓你開始做那些你原本不會想做的事。

晚點：時間是有限的。但單位時間內(nèi)娛樂內(nèi)容的復(fù)雜度、感官刺激可能會大幅提升，這也是以前難以想象的。

戴雨森：對，確實難以想象。但我想說的是，生產(chǎn)力的價值是直接可衡量的。比如AI幫我賺100塊錢，我為它付1塊或者10塊。

而且我們觀察到一個很有意思的現(xiàn)象：當AI按token用量計費后，很多人是希望用得更多的。因為它確實在幫你完成工作，比如幫你寫了更多代碼。

這本來就是你自己要做、要花時間花錢雇人做的事，現(xiàn)在AI幫你完成了，它就有價值。

硅谷Acqui-hire搶人大戰(zhàn)

晚點：關(guān)于最近這場「搶人大戰(zhàn)」你有沒有什么看法？

戴雨森：確實最近有很多人被挖走，也有人接到電話但沒去。大量優(yōu)秀人才被disruptive（顛覆性）級別的薪資挖走。

這種挖角不管是對被挖團隊，還是Meta自己原有的團隊，都是非常大的沖擊。在硅谷幾乎所有頂尖公司都在發(fā)生類似動蕩。被挖的人所在團隊軍心難免動搖，留下的人也開始質(zhì)疑：是不是自己也該漲薪？

這種高薪挖人當然是人才價值的體現(xiàn)，但越是頂級人才，也越需要時間和環(huán)境來磨合，才能真正形成合力。歷史上失敗的例子也很多，所以對于這些組織來說，這既是機會，也是一場挑戰(zhàn)。

晚點：你覺得搶人競爭算良心嗎？

戴雨森：我覺得這也是體現(xiàn)了創(chuàng)始人的精神，就是他愿意不惜代價去爭取人才。如果花錢能解決的事，我就花錢辦。我覺得這也反映了人才確實很重要。

晚點：壓力主要是在硅谷嗎？不過從另一面看，這也給創(chuàng)業(yè)公司提供了不錯的退出機會。

戴雨森：但是這種退出可能不夠大。有的人覺得公司賣個幾億美元就挺好，有人則想做千億美元公司。創(chuàng)業(yè)公司也需要更多彈藥去和Meta這樣的大廠競爭。比如說Cursor之前融了很多錢，我們一度還覺得融這么多錢做什么，現(xiàn)在看到他們要面對的是更多錢補貼用戶用token，招人也要更高成本，所以融資更多很合理?，F(xiàn)在競爭無論是補貼還是人才都升級了。頂級人才也有很多選擇，對很多創(chuàng)業(yè)公司來說，加入戰(zhàn)局的門檻和水位都在提升。

晚點：硅谷這種人才收購（Acqui-hire）很流行，主要是為了繞過反壟斷限制，也反映了競爭多激烈。

戴雨森：大家都想加快節(jié)奏，因為錢太多了。幾家巨頭賬上都有大量現(xiàn)金，這些錢投下去，如果能用錢換時間和競爭優(yōu)勢，對他們來說就是簡單的事情。

Benchmark鈍化，突破智能的邊界

晚點：最后這一部分，我想問一些你的感受。從GPT-3到現(xiàn)在，已經(jīng)有兩年半時間了。你目前對什么事情還是特別好奇？

戴雨森：我好奇的事情始終還有很多。首先是如何衡量智能的邊界。

你想，ChatGPT剛出來的時候，人類還能指出它的回答問題所在。但現(xiàn)在無論是它研究的內(nèi)容本身還是文筆，普通人類越來越難發(fā)現(xiàn)它的缺陷了。當人類智能被逐漸接近的時候，你怎么衡量一個或許比你更聰明、更深度思考、記憶力更強的存在？

關(guān)于如何衡量智能，我的好朋友姚順雨他寫了篇文章《下半場》提到，未來AI的benchmark會越來越重要，現(xiàn)在的benchmark已經(jīng)鈍化，不能準確區(qū)分模型差異。比如說一個benchmark得85分和90分，真的能反映模型的區(qū)別嗎？Kimi的經(jīng)驗也說明，內(nèi)部制定好的benchmark也很重要，模型訓(xùn)練，關(guān)鍵是如何衡量結(jié)果。內(nèi)部benchmark的水平質(zhì)量往往決定了模型的質(zhì)量。

所以我覺得如何衡量智能、如何探索智能邊界依然非常重要。現(xiàn)在我們還能勉強說用一用模型，「VibeTesting」，能感受到模型的能力好壞，但再過幾年，前五名的模型可能都比你聰明的時候，你怎么去評估誰更好？

晚點：所以怎么去衡量智能的邊界？

戴雨森：第二個我想說的是，我一直反復(fù)思考生產(chǎn)力這個邏輯。每個人擁有大量生產(chǎn)力之后，對于個人、組織、乃至世界的影響是什么？

對個人來說，超級個人。一個人能做的事情越來越多：從做小貓補光燈這樣的小app，到開發(fā)游戲，甚至到SamAltman預(yù)言的「一個人的獨角獸公司」完全可能實現(xiàn)。當年Instagram被收購時只有13個人，在AI時代，13個人到3個人是完全有可能的。

這意味著人和人之間差距會變得很大。當每個人都擁有無限聰明的助手，以及像Manus這種可以日夜無休幫你打工的「賽博牛馬」時，有人能很好地利用它創(chuàng)造巨大價值，有人可能沒有產(chǎn)生那么大價值，所以成長速度差異會進一步拉大。

對組織來說，一是小組織可以變得很強大，二是大組織能通過先進技術(shù)管理更大、更復(fù)雜的業(yè)務(wù)。比如美團管理幾百萬騎手，業(yè)務(wù)非常復(fù)雜，如果沒有先進互聯(lián)網(wǎng)通信和管理技術(shù)，根本無法實現(xiàn)。加入AI后，大公司的管理人數(shù)、業(yè)務(wù)復(fù)雜度和深度都會再升一個臺階。

世界是由各種組織驅(qū)動的，組織能力邊界的提升對世界影響巨大。進一步來說，當整體生產(chǎn)力大幅提升，而人與人、組織與組織之間差距變大時，如何在效率和公平間尋求平衡？AI最初是最聰明的人制作工具給頭部用戶用，但這些精英產(chǎn)生的價值如何反哺普通大眾？即便一個普通人不是特別努力學(xué)AI，我們?nèi)绾巫孉I產(chǎn)品越來越易用，讓普通人也能從中獲益？

晚點：AI還會帶來隱私暴露和虛假信息泛濫，讓真實界限變得模糊。

戴雨森：對，現(xiàn)在你很難區(qū)分什么是真實的文章。我現(xiàn)在還能讀出DeepSeek的味道，但一年后可能分辨不出，或者說，可能已經(jīng)有很多AI寫的文章我已經(jīng)分辨不出來了，我能分辨出來的只是那些還偽裝得不夠好的。大家都知道AI會引用虛假內(nèi)容，但關(guān)鍵什么是虛假呢？真假的界限也越來越模糊了。

我一直在想，人類最大的限制是什么？我這邊覺得是大腦的功率，大腦功率大約20瓦，人類智能的上限就是這么多。而AI可以很快接近甚至突破這個上限。智能越多，我們用它做什么，人與AI的角色分工如何，這些都是我們很快要面對和調(diào)整的問題。

有時候我覺得有點可怕，因為大的變化已經(jīng)到來，只是大家還在逐漸感受到它。比如對程序員影響特別直接，普通初級程序員如果不用AI，未來兩年后找到工作會非常困難。但一年的時間人是很難做出改變的。而更多的職業(yè)可能也會在很短的時間內(nèi)受到極大的沖擊。

Talkischeap,Showmetheproduct

晚點：你會對什么事感到疲倦？

戴雨森：我覺得第一個疲倦的是過度營銷。過去幾年有一個趨勢，就是很多產(chǎn)品在過度營銷，各種「震驚體」，但好的產(chǎn)品比如說Manus，幾乎沒花錢營銷，但大家誤以為它花了很多錢。

之前AI的進步主要是模型的進步，普通用戶還無法在產(chǎn)品中體驗，因此研究員和媒體擁有很大的解釋權(quán)。但現(xiàn)在模型已經(jīng)開始轉(zhuǎn)化成應(yīng)用了。那時候我在即刻發(fā)了一條說：「Talkischeap,showmeyourproduct.」

現(xiàn)在很多AI模型的核心能力最終都要轉(zhuǎn)化成產(chǎn)品，用戶能真正用得起來，AI才有生命力。很多講故事、炒作的公司，不如專注做好產(chǎn)品。我們看到現(xiàn)在發(fā)展好的AI公司大多做到了這一點，拿出真正對客戶有價值的產(chǎn)品。

晚點：你今年內(nèi)想驗證的是什么問題？

戴雨森：一個是AIL3級別的Agent應(yīng)用能不能快速達到完成實際工作的程度。比如Manus我們都在用，用戶也在付費，但有時一個任務(wù)只能完成七八十分，還需人補充到100分。ClaudeCode相比之前的codingagent，逐漸能做到一次完成，不用修改就能上線。

未來幾個月到年底，我相信Agent的能力還會有很大提升。到那時，可能你給AI一條指令，它就能埋頭干完，甚至一次就干好了。

晚點：我現(xiàn)在用AI感覺是得刻意多用它。因為給它比較復(fù)雜的任務(wù)時，它完成得不完美。

戴雨森：這是普遍現(xiàn)象。好的AI產(chǎn)品一定是為未來的模型設(shè)計的。Cursor上線兩三年了，但直到Sonnet3.5出來的時候才開始火，等3.7出來后才爆發(fā)增長。

Manus也是一樣，剛上線時很多任務(wù)其實也做得不好，但6個月、12個月后，新一代模型會讓它表現(xiàn)更好。所以你要為未來設(shè)計，而不是為當下就能獲得的模型設(shè)計。

晚點：這對普通用戶可能反直覺，但我理解，這是快速發(fā)展階段。普及到主流用戶時，大家仍追求開箱即用。

戴雨森：其實也不一定，比如我們之前發(fā)的《Manus對談YouTube聯(lián)創(chuàng)陳士駿》，Youtube的聯(lián)合創(chuàng)始人Steve他說YouTube出來時是為未來寬帶設(shè)計的，2005年那時候美國剛開始普及寬帶，因此一開始的體驗并不是那么好。同樣短視頻平臺如抖音快手上線時，也是為一兩年后的智能手機和4G普及設(shè)計的。AI也是這樣，你要永遠提前走一步，喬布斯曾經(jīng)說過「要去冰球?qū)巴牡胤健埂?/p>

晚點：所以你想驗證的是，到年底看產(chǎn)品能否高度自動化完成任務(wù)，不再需要人參與？

戴雨森：比如現(xiàn)在Agent完成任務(wù)的成功率可能是20%，能不能到70-80%？這會讓前沿用戶對工作的定義和AI使用方式發(fā)生巨大變化。

另外我好奇的是，隨著用戶使用AI產(chǎn)品的變多，記憶會帶來多大變化。AI應(yīng)用長期壁壘是什么？我覺得很重要的是記憶和個性化?，F(xiàn)在記憶個性化對結(jié)果影響有限，但長期來看，我們希望它像員工或助手，隨著使用時長增加，越來越了解你，變得不可替代。這是我們想看到的進步。

晚點：這個進步不能光靠模型是嗎？記憶需要不斷互動，給AI個人層面上下文。

戴雨森：一方面是在線學(xué)習(xí)（onlinelearning），模型在使用中學(xué)習(xí)。另一方面需要你給它更多數(shù)據(jù)、文件、上下文，應(yīng)用設(shè)計非常重要。模型和應(yīng)用要協(xié)同合作。

我覺得我們對未來創(chuàng)新要有更多期待和包容，對中國團隊的創(chuàng)新和發(fā)展能力要更有信心和支持。

創(chuàng)業(yè)新浪潮的新觀察

晚點：你們現(xiàn)在特別關(guān)注的團隊是什么類型的人？還有哪些地方有新創(chuàng)始人在出現(xiàn)？

戴雨森：今年我們看到，想出來創(chuàng)業(yè)的人多了很多。一兩年前大家還在相信未來應(yīng)用會落地，現(xiàn)在已經(jīng)看到有Manus這個例子，大家堆的都是金玉在前。所以大家肯定會想，「那我也許也可以」，這一定是一個更多的過程。我們看到很多不管是研究員，還是大廠里的年輕人，都蠢蠢欲動。

晚點：你最近在看什么比較好玩的書，或者有沒有作品想分享？

戴雨森：我想推薦《33號遠征隊》。這是一個游戲，由一家法國創(chuàng)業(yè)公司開發(fā)。故事設(shè)定在一個虛擬世界，有一個神「繪母」，每年在天邊的一個石頭上寫下一個數(shù)字，這塊石頭叫Monolith。

她從一百開始倒計時，每寫一個數(shù)字，對應(yīng)年齡達到那個數(shù)字的人就會死去，全部消失。第一年是100，第二年是99，如此類推，一波一波的人死去。于是人類開始反抗，每年組織剩余年齡差一歲的人組成遠征隊，想挑戰(zhàn)并打破這個魔咒，但一直沒有成功。今年繪母寫下了33，33歲的人將在明年此刻死去，于是第33號遠征隊出發(fā)了。

前幾天是Manus創(chuàng)始人肖弘的33歲生日，我就推薦他玩這個游戲。這個游戲講述了一個滿33歲的人如何出海挑戰(zhàn)天命的故事。游戲團隊也是33個人，是一個創(chuàng)業(yè)公司開發(fā)的，創(chuàng)始人曾在育碧（Ubisoft）工作。他在那里覺得無聊，于是出來做了這款游戲。

《黑神話·悟空》是中國的大IP，結(jié)合中國的文化積淀和先進技術(shù)制作的精品作品?！?3號遠征隊》也是一個法國浪漫主義設(shè)定，藝術(shù)與先進技術(shù)結(jié)合帶來的優(yōu)秀作品，它的情節(jié)，畫面，音樂等都非常非常棒，這是我今年非常喜歡玩的游戲，我認為非常有希望沖擊年度游戲。

題圖來源：真格基金