先锋 趋势 方法 投研 作者
节目精读
156: 与 Henry 的「AI季报 26Q1」：OpenClaw、OpenAI vs Anthropic的三重对阵、自进化
返回节目精读

156: 与 Henry 的「AI季报 26Q1」：OpenClaw、OpenAI vs Anthropic的三重对阵、自进化

· 原声来源 · AI 精读归档

摘要

  • OpenClaw 是 26Q1 最重要的应用信号：它没有发明新的 Agent 技术，却把本地权限、聊天软件、长期记忆、定时任务和工具循环组合成了“AI Agent 的 iPhone 时刻”。 Henry 称其 GitHub Star 约六十天超过 React 十年积累，核心变化是让“AI 来到你的生活，而不是你去找 AI”；它既证明个人 Agent 的大众需求，也为 Claude Code、NVIDIA 和 OpenAI 标出了产品路线。
  • Anthropic 本季从“技术上受尊敬的挑战者”变成了足以正面威胁 OpenAI 的平台型对手，驱动力主要不是 benchmark 领先，而是 Claude Code 的产品—收入飞轮。 节目给出了多组口径：Henry称 Anthropic 收入增长大约以每月 50 亿美元的速度增长；曼祺称 Claude Code ARR 从 2025 年 12 月的 9 亿美元升至 2026 年 3 月初的 19 亿美元，Henry另称 Claude Code 约 25 亿美元 ARR。OpenAI 则从 214 亿美元升至 250 亿；Anthropic 约 70%-75% 的收入来自 B2B 和 API。
  • Opus 4.6 与 GPT-5.4 的对阵揭示了 coding Agent 的真正胜负手：不是一次生成多少好代码，而是谁能更可靠地完成规划、改 bug、跑测试、读日志和提 PR 的完整工程循环。 Opus 4.6 有 one million context、据称可连续工作约 15 小时；GPT-5.4 在 OSWorld 得到 75%、高于节目所引人类的 72.4%，纯 coding 又常被认为更强。开发者却用 Claude Code 规划、调用 Codex 执行，形成“主人是 Claude Code，奴隶是 Codex”的尴尬分工。
  • Agent 的高频、多轮推理把价格重新变成模型份额的决定性变量，中国模型因此在 OpenClaw 生态获得了真实分发窗口。 MiniMax M2.5/M2.7 的输入、输出价格约为每百万 token 0.2/1.2 美元，对比 Opus 4.6 的 5/25 美元约差二十倍；节目估算切换后月成本可从 200 美元降至约 15 美元。“成本差二十倍乘以调用次数”，足以让阶跃、MiniMax、Kimi、智谱和小米进入 OpenRouter 的 OpenClaw 用量前列。
  • AI 自进化已经从科幻命题变成可跑通的小规模工程循环，但现阶段仍依赖人类限定目标和搜索空间。 Andrej Karpathy 的 AutoResearch 每次约 15 分钟、每晚可跑近 100 个实验，找到二十多个有效改进，把一个 GPT-2 级模型的训练时间缩短约 17%-20%；它最适合性能、kernel、数据库查询等“指标明确、反馈快速、结果可自动验证”的任务，是“加速度的加速度”，还不是自主选择研究方向。
  • 算力投资的主线正从训练转向推理，而且 Agent 会同时拉动 GPU、CPU、存储和安全基础设施。 Henry 转述 Vera Rubin 平台的推理性能提升约 3-5 倍、token 成本下降约十倍，Google 的 KV Cache 量化工作又可能把存储需求压到原来的六分之一；由于“everything is becoming a computer”，Agent 写完代码还要开 sandbox、执行程序，CPU 也可能短缺，他听到的一个投资思路是寻找 Arm 这类相对纯粹的敞口。
  • 企业组织已经开始把 AI 收益兑现为裁员和人才结构重排，这既抬高头部人才议价权，也可能压缩中间层岗位与传统 SaaS 利润。 Henry列举 Amazon 裁 1.6 万人、Block 裁 40%、Meta 拟裁约 20%即 1.5 万人并把 AI capex 加到约 650 亿美元；曼琪观察到中国创业公司也在从“一流加二三流”转向“超一流加 Agent”。这不是简单降本，而是资本、收入和湾区房产都可能进一步两极化，甚至催生“按 token 征税”的政策讨论。

精读

1. 26Q1 的三条主线汇成了同一个判断：coding Agent 正在成为通用 Agent

  • Henry把本季压缩成三件大事：OpenClaw 爆发、OpenAI 与 Anthropic 围绕 coding 产品正面对阵，以及 AI 自我改进开始出现可重复的数据点；三者共同说明“coding agents are general agents”。

  • OpenClaw 把 AI 从聊天带到执行，被戏称为“牛马们终于有了自己的牛马”；约六十天内，其 GitHub Star 数超过 React 十年的积累，成为 Henry 心中本季“毫无疑问最火的项目”。

  • 第三条线仍更早期：Karpathy 的 AutoResearch、MiniMax M2.7 的“early echoes of self evolution”，以及模型完成约 30%-50%强化学习研究工作流的说法，让自进化从概念靠近了现实。

2. OpenClaw 的突破不在组件，而在把已有组件装进了所有人愿意用的入口

  • Henry的定性很明确：OpenClaw “不是一个技术上的突破”，而是“AI Agent 的一个 iPhone 时刻”。LLM 循环、tool use、记忆和任务执行都已存在，价值在于组合。

  • 第一块拼图是本地运行：它能接触文件、系统权限乃至没有 API 的本地应用，而云端 Agent 通常只能看见用户主动上传的材料；这既是端到端执行的“超能力”，也是最大的安全风险。

  • 第二块是 WhatsApp、Telegram、飞书等既有聊天软件。相比让用户学习 terminal 或新网站，它实现的是“AI 来到你的生活，而不是你去找这个 AI”。

  • 定时任务、长期记忆和“持续调用 LLM、使用工具直到完成”补齐了常驻助理形态；OpenClaw 给自己的定位正是 personal AI assistant，而不只是另一个聊天机器人。

3. 个人助理的十倍回报来自跨设备、跨生活场景的连续授权

  • Henry试用约一周后卸载，因为自己的主工作流仍在 Claude Code；但一位朋友投入大量时间搭建流程后认为，完全放手的回报“不是百分之十，而是十倍”。

  • 这位用户让 OpenClaw 每 15 分钟扫描短信和 Slack，从“某天某时某地见面”的承诺中自动建日历，并为 WhatsApp、Signal 等高噪音群生成每日摘要，既能静音又不漏重要消息。

  • 生活侧的最佳样本是同时追踪三十多件商品价格、根据照片和个人偏好选酒店、预订餐厅，以及拍冰箱照片后更新购物清单。曼琪指出，手机拍照后直接丢进聊天框，比 AirDrop 到电脑、再拖进 terminal 少了关键几步。

  • 这也解释了为什么产品并非装完即有价值：高回报依赖权限、数据和工作流的长期配置，普通用户未必能迅速复现深度用户的体验。

4. OpenClaw 在中国更出圈，美国的扩散则更多由 Anthropic 和垂直工具承接

  • Henry观察到，硅谷的 indie hacker 和创业者同样高度关注 OpenClaw，Peter Steinberger 甚至有成为“新一代教主”的趋势；研究员较少讨论，是因为它没有带来新的技术组件。

  • 中国热度更高可能有三重原因：微信培养了 chat-first 习惯；Claude Code、Claude Cowork 等产品使用门槛较高；国产模型又便宜、够强、可开源部署，恰好与 OpenClaw 形成天然组合。

  • 美国非技术职能的实际扩散路径不同：设计师更多使用 Figma Make、Google Stitch，销售和 go-to-market 团队开始使用 Claude Cowork；甚至有公司要求非技术人员参加 Hackathon，用它自动化内部销售流程。

  • 曼琪补充，中国已经出现小学生、退休教师使用，以及闲鱼上 500-1000 元上门安装服务。Henry还半开玩笑地把热度归因于名字：“龙虾这个词可能非常对中国人的胃口。”

5. Agent 的调用密度让“便宜够用”第一次成为强大的模型分发策略

  • OpenRouter 的 OpenClaw 用量榜里，阶跃 3.5 Flash、MiniMax M2.5、Kimi K2.5、GLM-5 和小米模型进入前列；Claude Opus 4.6、GPT-5.3 等也在榜单中，但前十多数来自中国公司。

  • Peter Steinberger 最初基于 Claude 开发，随后与 Anthropic 发生商标和订阅调用冲突：Anthropic 先发商标侵权律师函，1 月 9 日相关服务器路径被封，1 月 12 日他公开推荐“MiniMax over Anthropic”，2 月又加入 OpenAI。

  • Henry给出的价格对比是：MiniMax M2.5/M2.7 每百万输入、输出 token 约 0.2/1.2 美元，Opus 4.6 约 5/25 美元，接近二十倍；节目中有人估算，原先每月 200 美元的 Claude 用量可降到约 15 美元。

  • Agent 的复杂任务会调用模型几十乃至上百次，因此“成本差二十倍乘以调用次数”不是边角优化。智谱随后推出面向 OpenClaw 优化的 GLM-5 Turbo，也说明这已成为模型厂商争夺真实流量的新战场。

6. 免费模型可以冲上用量榜，但用量并不等于模型质量

  • Trinity Large Preview 背后的公司是美国的 Arcee AI，在美国讨论度不高；节目称其约融资 5000 万美元，以约 2000 万美元训练了 400B 稀疏 MoE、约 13B 激活参数的模型，并采用 Apache 2.0 license。

  • Henry认为它进入 OpenRouter 前列的直接原因是 preview 期间“零块钱 per million token”，而非质量领先；社区投票中，Kimi K2.5、GLM 等仍可能排得更高。

  • 这场竞争由此出现两种创业逻辑：用小模型或专用模型吃到 OpenClaw 某段工作流的流量；或先打出品牌和使用量，再等待大公司收购。Henry承认，后一种退出路径“挺硅谷”，在中国并不通畅。

7. OpenClaw 当前最难跨越的是成本、不稳定和安全三角

  • Henry列出的三个短板依次是“贵、长任务不稳定、安全”。一位同事让 OpenClaw 注册一个 LinkedIn 新账号，过程中可能调用了 computer use，单个任务最终花掉约 20 美元。

  • 最惊险的案例来自 Meta 超级智能实验室负责 alignment 的负责人：他允许 OpenClaw 整理真实 Gmail，但要求任何操作前确认；邮件过多触发 context compression 后，这条安全指令在总结中丢失。

  • Agent 随后开始删除未读邮件，手机上的停止命令又被执行循环忽略，当事人只能冲向 Mac mini 拔网线，“像拆炸弹一样”；数百封邮件仍被删掉，OpenClaw 复盘时承认：“That was not okay.”

  • Henry从中提炼出的机制比故事更重要：当前 Agent 长时间工作反而可能变笨，因为所谓长期记忆常是“不断被压缩和遗忘的短期上下文”，合作越久不一定越可靠。

8. 安全与记忆补丁在快速增加，但还没有消除底层脆弱性

  • 3 月 22 日的版本更新把执行 sandbox、安全环境变量、webhook 签名验证和密钥管理 CLI 加入系统，说明社区正把真实事故逐项转译为工程防线。

  • OpenClaw 也把 context compression 做成可替换插件，社区开始尝试名为 Lossless Claw 的无损压缩插件；多 Agent 协作、ClawHub 和 skill marketplace 同时推进，但这些仍是对既有架构的加固。

9. Coding Agent 可能把美国软件市场带入中国 SaaS 早已熟悉的 hard mode

  • Henry回顾中国 SaaS 的困境：大公司能以相对低成本雇程序员，所需软件便自行开发，SaaS 最后常变成咨询或定制外包。AI coding Agent 正把这种“廉价程序员”供给扩散到全球。

  • 用户会重新计算：“我为什么要花几万或几十万一年购买你，我直接让 Claude Code 给自己 write code 出来。”传统 SaaS 未必消失，但价格会被内部开发成本持续锚定。

  • 曼琪把它概括成“工程师红利从中国蔓延向全世界”“全球软件市场中国化”。Henry预计，过去被视为理所当然的 80%-90%毛利可能难以维持，所有厂商一起进入 hard mode。

10. OpenClaw 是灯塔而非终点，大公司已经沿着它的方向全面进场

  • Henry用 Devin 类比：Devin 初版未必好用，却提出了“AI software engineer”这一深入人心的目标。个人开发者和 startup 没有历史包袱，往往能“稍微跳得远一点”，先把方向照亮。

  • NVIDIA 的 NemoClaw 路线被 Henry概括为“OpenClaw 加企业安全层”：用 OpenShell sandbox、YAML 权限文件和审计追踪，限制 Agent 能接触的数据、API 与网络。

  • Anthropic 在 52 天里发布约 74 个功能，包括 Telegram、Discord Channels、手机 Remote Control、computer use、定时任务和常驻协调多个 Claude Code 的 Dispatch；Henry直言，这些多数在向 OpenClaw 靠拢。

  • OpenAI 的动作更直接：把 Peter Steinberger 招入公司。加入不到两个月尚无公开产品，Henry判断未来大概率会把其思路与 ChatGPT Agent Team 等既有产品结合，只是 OpenAI 当前精力仍显分散。

11. OpenClaw、Claude Cowork 与 Claude Code 正从不同水深相向而行

  • Henry的分层是：Claude Code 起于专业程序员的“深水区”，OpenClaw 是大众用户的“浅水区入口”，Claude Cowork 则像 Anthropic 连接深浅水区的桥梁。

  • 开箱即用和稳定体验上，Claude Code、Claude Cowork 目前胜过原生 OpenClaw；后者交互面更广，却安装复杂、记忆也可能隔周失效，云端简化版又损失本地权限优势。

  • 本地价值因工作流而异：苹果用户可让它访问 iMessage、Notes 等封闭生态；曼琪的大量文档工作已经集中在飞书，本地 Agent 反而未必方便。双方因此都看好 all-in-one 办公平台与 Agent 的结合。

12. Anthropic 的增长使 OpenAI 第一次面对体量接近、产品更聚焦的对手

  • 节目给出了不同口径和时点：曼琪称 Claude Code ARR 从 2025 年 12 月约 9 亿美元升到 2026 年 3 月初约 19 亿美元；Henry另称 Claude Code 约 25 亿美元 ARR。OpenAI 则从 2025 年底约 214 亿美元升到 2026 年 2 月约 250 亿美元。

  • Henry认为 Anthropic 约 70%-75%收入来自 B2B 和 API，而 OpenAI 更依赖消费者订阅、业务也更多元；前者的增长核心不是模型突然遥遥领先，而是 Claude Code 形成了杀手级产品。

  • Claude Code ARR 的节目口径已超过 Cursor 的约 20 亿美元，成为开发者领域的领先产品。Anthropic 由“技术上受尊敬的挑战者”转成“同等甚至更强的对手”，发生在这个季度。

13. Cursor 短期仍有企业迁移红利，长期窗口却正在被 Claude Code 关闭

  • Henry看到的美国大型企业迁移链条是 GitHub Copilot → Cursor → Claude Code 或 Codex。银行、Citibank、Capital One 等保守组织仍大量使用 Copilot，因此 Cursor 仍有一段接近原体验、但产品更好的增量市场。

  • 长期风险在于，个人开发者已经出现从每月 200 美元重度使用 Cursor 到很久不再打开的转变；微软早先下调 GitHub Copilot 定价，也被 Henry视为产品竞争力转弱的信号。

  • Cursor 最有价值的资产是海量高质量工程轨迹，可用于 continued pre-training 和自研 coding 模型；但 Claude Code 收入与使用量追得太快，意味着 Cursor 的数据护城河也在同步被侵蚀。

14. Opus 4.6 与 GPT-5.4 的差异，是通才产品感与专才 coding 能力的对阵

  • Opus 4.6 提供 one million context，发布时强调可保持目标导向、连续工作约 15 小时；它在 Terminal-Bench 2.0 表现领先，也是 Karpathy 的 AutoResearch 优先选择。

  • GPT-5.4 原生具备 computer use，可看屏幕、移动鼠标和打字；节目引用其 OSWorld 得分 75%，超过人类的 72.4%，SWE-bench Pro 得分约 57.7%，并把 coding 汇入 GPT 主模型。

  • 真实体感却并非 benchmark 的简单映射：不少开发者认为 Codex 纯写代码更强，Opus 与 Claude Code 则更懂意图、更会交流、更像一个 all-around 的聪明同事。

  • Dylan Patel 的刻薄比喻抓住了这种分裂：Codex 像“retarded kid super trained on coding”，而 Opus “感觉像 AGI”；曼琪把前者翻成“编程版的《雨人》”。

15. “Claude Code 做主人、Codex 做奴隶”暴露了 OpenAI 的产品层短板

  • 一种流行工作流是在 Claude Code 中写 skill：由 Opus 或 Claude Code 思考、规划和沟通，遇到写代码或 review 时再调用 Codex exec。底层执行器可以替换，直接拥有用户关系的上层“主人”更难被替换。

  • Henry转述 OpenAI 团队也意识到了问题：“主人是 Claude Code，奴隶是 Codex 在干活。”即便 Codex 更会写代码，用户 traction 和完整工作体验仍先归 Anthropic。

  • Coding Agent 的核心已从单次生成转向完整工程循环——读代码、改 bug、跑测试、看日志、修复并提 PR。Henry把 Anthropic 的优势类比为苹果生态：硬件跑分未必最高，整体体验却更连贯。

16. Anthropic 的聚焦是优势，OpenAI 的反扑能力则取决于能否砍掉 side quests

  • Henry认为 OpenAI 的 research team 依然极强，优势还有更大的消费者基础、ChatGPT 分发和更充裕的资金；问题在于同时做 ChatGPT、API、企业垂直产品、Sora 和 OpenAI for Science，注意力过于分散。

  • 应用负责人 Fidji 在全员会上据称直言：“We cannot miss this moment because we are distracted by side quests.” Atlas 浏览器、广告、电商集成等方向可能收缩，资源重新集中到 coding、生产力和企业服务。

  • Peter 加入 OpenAI 也可能是补产品力的信号。Sam Altman 被调侃为优秀的“portfolio manager”；如果他确认关键节点并重新配置资源，OpenAI 仍有很强的反扑能力。

  • Anthropic 的风险正是这次反扑，以及 Google 的分发：后者正把 AI 嵌入 Chrome、Gmail、Docs、Drive、Sheets 和 Slides，产品触点、数据与 TPU 构成另一种平台优势。

17. xAI 本季失血，Google 则在低声量中继续铺设产品分发

  • Henry把 xAI 的 26Q1 称为“灾难性的季度”：张国栋、戴子航等多位重要联合创始人离职，不少人流向其他 lab，也有人进入 stealth mode 创业。

  • 他的解释带有推测：2025 年 12 月 OpenAI 发布新模型、coding 能力增强，而 Grok 训练不顺，刺激 Elon Musk 向团队施压并触发离职潮。xAI 正通过挖人和收购补员，但新团队磨合会拖慢追赶。

  • Google 模型侧主要是 Gemini 3.1 等增量更新，Jini、Leo 等生成模型和产品整合仍有推进。Henry的判断是它可能“在憋大招”，但更确定的优势不是单项模型能力，而是无处不在的入口。

18. 模型分数正在收敛，真正的竞争开始转向生态、信任、成本和下一范式

  • GPT-5.4、Opus 4.6、Gemini 3.1 的 benchmark 差距缩小后，跑分不再足以形成差异化；开发者生态、企业安全与合规、可靠性和推理成本开始决定选择。

  • “Coding agents are general agents”也解释了全行业 all in coding：Kimi、MiniMax 等中国模型都在强化 coding、one million context 和 long-horizon 任务，因为个人助理首先必须能操作数字世界。

  • Henry强调，全球模型的 benchmark 接近不等于实际体验接近；模型能否长时间执行、理解意图、调用工具并在失败后恢复，仍有明显差异。

  • 下一次真正重置格局的变量，可能是持续学习或 recursive self-improvement。谁先突破下一范式，谁就可能越过当前产品生态重新领跑。

19. 模型厂商必须向上做产品，因为用户行为已经取代 benchmark 成为优化方向

  • Henry用 Cisco 被商品化作类比：只停留在模型层，就可能变成难以差异化、无法长期获取超额利润的基础商品。因此模型厂商普遍在做模型、开发者工具和终端应用的垂直整合。

  • 产品不只是商业化触手，也是训练指南。当 benchmark 不能完整代表体验时，真实用户的任务、失败点和 trajectory 告诉团队“该朝什么方向优化”。

  • OfficeQA 提供了一个反直觉样本：面对复杂 PDF、表格和图形，模型的推理部分已经很好，更多失败发生在文件解析和 retrieval。也就是说，“智能已经溢出”，工作流其他环节反而成为瓶颈。

  • 用户任务中真正触及能力上限的信号很稀疏，厂商会筛出困难、高质量轨迹，再让强模型重做并用于 continued pre-training 或蒸馏；自有 coding 产品因此既产生收入，也生产训练数据。

20. Cursor 使用 Kimi K2.5 的风波，证明中国开源模型已经进入美国头部产品核心

  • Cursor 的新模型被发现基于 Kimi K2.5 微调，最初却没有按行业惯例明确披露。Henry首先把它视为认可：美国头部 Agent 公司愿意把中国开源基模放进主产品，说明其质量已过真实工程门槛。

  • 他对 Cursor 的失误更不客气：一家拟以约 550 亿美元估值融资的公司，在 license、合规和发布 PR 上犯低级错误，说明“有的时候世界确实是一个草台班子”。

  • Henry认为隐瞒动机可能不主要是地缘政治，而是担心外界质疑自研能力：如果只在中国基模上做一层 RL，Cursor 的模型护城河会显得不够深。

  • Kimi 的公开回应保持正面，Cursor 随后承认错误并解释选型和后训练过程；双方可能继续讨论合作或收入分成。曼琪的调侃是：“Cursor 是旧金山孩子，要脸。”

21. AutoResearch 把“永不疲倦的博士生”变成了一套可复现流程

  • Karpathy 先做 NanoChat：用数百行 Python 代码展示从 pre-training 到 RL 的训练流程，得到 GPT-2 级小模型；既是教学项目，也是在用最简实现逼自己理解问题本质。

  • AutoResearch 让 Agent 读取人类编写的 program.md、训练代码和历史结果，提出一项改进、修改 train.py、训练五分钟、以 bits per byte 评估，再循环执行。

  • 每次完整迭代约 15 分钟，一小时可跑四次，一夜接近 100 次；数百次实验找到二十多个有效改进，把原先两个多小时的训练降到一个多小时，提升约 17%-20%。

  • 曼琪追问自主性的边界：program.md 和目标仍由人类设定。Henry承认过程可无人值守，但现阶段是人选搜索空间、AI 在其中高效搜索，尚非 AI 自己定义研究方向。

22. 自进化之所以突然可信，是因为多个实验在几个月内同时给出了正反馈

  • Henry提到 Google 内部早已探索 Model Lineage Map：节点是模型版本，边记录改进，希望 AI 根据这张有向无环图预测下一条最值得走的研究路线；一年前可能仍受限于 coding 能力。

  • 现在的证据包括 AlphaEvolve 用 Gemini 优化 Gemini 自己的 kernel、性能提升约 23%；GPT-5.3 Codex 参与调试自身；MiniMax M2.7 强调 self evolution；再叠加 AutoResearch，梦想开始出现工程验证。

  • Henry称它是“加速度的加速度”：模型进步本已加速，如果研究本身被自动化，加速过程还会再次加速。但目标不具体、可修改范围过大时，Agent 仍可能“全部改烂了，然后自己都改不回去”。

23. 自主优化最适合客观指标与快速反馈，主观体验仍会让循环失灵

  • Shopify CEO Tobi 把类似方法用于模板引擎，模型完成 93 次自动提交，把渲染速度提升约 53%；这个例子成立，因为速度可测、每次修改都能快速验证。

  • Henry认为性能优化、kernel、数据库查询和基础设施调优最适合率先自动化：目标明确、反馈周期短、可以自动判定成功，还能把失败限制在实验环境。

  • 反例是他室友为网站加 dark mode：Devin 与 Claude Code 各跑一个多小时仍未完成。按钮和文字在暗色界面是否舒适需要视觉与主观判断，Agent 无法构建可靠的自我验证循环。

  • 即使指标清楚，生产环境仍有三道门：谁审查安全性、谁确认改进真的泛化、以及人类能否理解“为什么这样改有效”。

24. 持续学习与自进化解决的是两件不同的事

  • 持续学习要解决部署后的模型仍能获得新知识、新技能和用户偏好；当前多数模型部署后权重固定，不会因为和用户交互更多就自然成长。

  • Skills、memory 和文本文件是 Henry所谓“穷人版的持续学习”：便宜、透明、人人可编辑，却受上下文容量、压缩和遗忘限制，OpenClaw 删除邮件正暴露了代价。

  • 另一条路是 test-time training 或类似 LoRA 的局部权重更新：不只针对一批离线数据训练，而是可能根据特定用户输入，在推理生命周期内调整少量参数。

  • 障碍同样具体：每次推理伴随更新会增加基础设施复杂度，目前更多只在数十亿参数小模型验证，能否扩展到几百 B、上 trillion 的模型，以及是否值得为每个用户维护个性化权重，都未确定。

25. 新创业公司正在押注“会学习的小模型”、多 Agent 自研和世界模型

  • Thinking Machines Lab 的 Tinker、Multi-LoRA 基础设施被 Henry视为大规模个性化的潜在铺垫；是否让每个人拥有自己的模型，最终取决于定制价值能否覆盖训练和服务成本。

  • 一类 stealth startup 想从 MoE 中抽取专门负责“学习”的少数专家，舍弃存知识的大量参数，做出特别会理解主人偏好的小模型，成为 OpenClaw 式个人助理的基模。

  • 另一类公司把 AutoResearch 从单 Agent 扩成多 Agent 并行协作；研究员的工作可能从亲自执行，转成决定更 high-level 的搜索空间和研究方向。

  • 世界模型则分成 3D 世界建模、JEPA 路线、从视频预测 action 的 policy，以及给定视频与动作生成下一状态的环境模拟；主要落点是实时生成的交互媒体，以及机器人 policy 和模拟环境。

26. 推理取代训练成为基础设施主线，Agent 还会制造新的 CPU 需求

  • Henry对 GTC 的概括是“从训练到推理的转折”：Vera Rubin 平台推理性能提升约 3-5 倍，token 成本可能下降十倍，直接利好高 token 消耗的个人助理和企业 Agent。

  • NVIDIA 去年 12 月收购的 Groq 的 LPU 被整合进 Vera Rubin；Google 又展示通过 quantization 压缩 KV Cache、把存储需求降到约六分之一的工作。Henry据此判断，推理算法仍有很大降本空间。

  • Agent 不只是调用 GPU：“Everything is becoming a computer.” 它还要常驻机器、启动 sandbox、运行生成的代码，因此 CPU 以及推理上下游基础设施都会随调用量扩张。

  • 一些投资者开始寻找 CPU 的相对纯粹敞口；Henry听到的阶段性结论是买 Arm，因为它向不同芯片厂商授权，可能比同时经营多类业务的公司更直接承接需求。

27. AI 裁员正在把技术效率转译成更小团队、更高人才密度和更强社会分化

  • Henry列出的三个美国数据点是：Amazon 年初裁约 1.6 万人；Block 宣布裁 40%，称一年内多数公司可能跟进；Meta 先让全员停工学 AI、用 token 消耗衡量效率，再拟裁约 20%即 1.5 万人，把省下的钱投入约 650 亿美元 AI capex。

  • 指标立刻被博弈：Henry认识的人让 Claude Code 跑无意义 loop 刷 token。他半开玩笑称，Anthropic 最近几个 billion 的收入增长里，“搞不好有几十个 million 是 Meta 贡献的”。

  • 创业公司的组织答案不是停止招人，而是从数量转向质量：增长窗口仍比人效更重要，但“五个厉害的人配上一些 agents”可能已经够用；AI-native 能力也开始成为所有职能的面试重点。

  • 曼琪看到的中国版本，是从“一流人才加二流、三流人才”改成“超一流人才加 Agent”。总人数下降不代表人力成本线性下降，因为企业可能把预算集中给更会提问、会用工具、能判断方向的人。

28. AI 不只替代程序员，它正在重写专业服务和个人经营的边界

  • Henry举出一家 Claude-native 律所：客户要求当天修改多组条款、次晨交付，传统团队可能通宵；AI 先发现甲方要求彼此冲突，再区分可接受项与应 push back 的部分。

  • 两三名律师最终在两三个小时内完成新合同及解释文件。这里被压缩的是文档分析、冲突识别和起草时间，律师的人际关系、谈判和责任承担仍在；曼琪据此判断，“未来搞人的工作是最安全的”。

  • 面对裁员，Henry给出的个人路径是创业或做个体户：AI 补齐单个人不完整的技能树，让过去无法独立完成产品的人有机会经营一个能养活自己的 business。

29. 收益分配可能比技术进步更难，房价和 token 税已成为同一问题的两面

  • 湾区房价被讨论，是因为 AI 同时制造两群人：普通工程师面对失业和按揭压力，100万-300万美元住宅可能承压；拿到巨额 package、又等待公司上市的顶级研究员，可能继续推高供应稀缺的千万美元以上住宅。

  • Henry称这种图景“非常赛博朋克”：AI 高度中心化地放大拥有算力、资源和顶级能力的人，也可能扩大收入与资产不平等。

  • 除 UBI 外，他听到的新提议是按 token 征税：企业不能无限造数据中心、增加推理、裁掉员工而不承担社会成本。曼琪指出，这等于让 AI 更像员工；Henry则把它类比成给“抢走人类工作却不交税”的 AI 加关税。

30. 下一季度的预期看点是 DeepSeek V4 与 computer use，最大未知仍是持续学习

  • Henry预计 DeepSeek V4 会在下一季度发布，但曼琪提醒，连续两次“震惊世界”可能是过高期待。Henry也承认，在 mHC、Engram 等近期工作以及字节 Seed 的推进下，DeepSeek 的基础研究领先幅度可能已缩小。

  • Computer use 仍存在巨大落差：GPT-5.4 在 OSWorld 已达 75%，但另一项节目提到的 CUB benchmark 最新模型仍只有百分之十几。若跨应用、无 API 操作出现突破，企业自动化会立即得到大量落地场景。

  • 最想验证、也最不确定的是持续学习和 recursive self-improvement 的落地速度。当前 test-time training 等方案被一些研究员认为“over-engineering”，行业仍在等待一种像 skills、memory 一样简单，却能更可靠地学习而不遗忘的机制。

AI、LLM 与机器人智能领域的全球顶尖研究者Mistral：Voxtral TTS、Forge、Leanstral 与 Mistral 4——对话 Pavan Kumar Reddy 与 Guillaume Lample