摘要

图像生成正迎来新一轮质量跃迁，但真正具有商业意义的突破在于可控性。 Elad 回顾了从2018年或2019年一件 GAN 艺术品登上 Sotheby’s 拍卖场，到 Midjourney 和早期 Stable Diffusion 经历“人人都有7根手指”的阶段，再到如今风格统一的动漫作品这一轮技术曲线。他认为，约1年后还会出现下一次跃迁，产品将从今天的“横向版本”走向能无缝处理平面设计的垂直产品。
公开市场走弱对早期软件创业公司的经营影响应当很小，除非宏观路径变得具有生存意义。 尽管消费者信心降至多年低位、Nasdaq 下跌8%，Elad 仍称一切照常；即使在2008年金融危机期间，一家只有6人的创业公司也没有太多理由作出反应。Sarah 认为，高质量早期机会仍有充足资本，昂贵的基础模型项目获得的资金也深度超出预期，但 crossover 投资者和 IPO 前项目正面临更高的谨慎程度与流动性压力。
关税是针对具体行业的政策工具，而不是一个一概而论的宏观结论。 Elad 认为，有些关税可能有用，有些是谈判工具，还有些只会造成破坏性的成本上升。Sarah 将中国汽车竞争视为一个案例：欧洲或许会保护自身工业基础；但她认为，真正有生产力的保护主义必须大举投资于本土技能、成本竞争力、防务零部件和汽车产能。
基础模型能力正与产品入口汇合，战略问题因此转向分发和消费者剩余。 Sarah 指出 ArtificialAnalysis.ai 的图表显示模型能力正在收敛，并称 Google 最新的 Gemini 发布说明它仍在牌桌上。Elad 补充说，搜索、研究和推理也正在作为产品入口汇合；基准测试中的模型集群，以及 xAI 约9个月就达到大致 SOTA 模型，说明行业仍可能出现离群者。因此，机会不只是另一个通用 LLM，还包括物理、材料、机器人、科学、健康和生物学等被忽视的模型。
专业模型要建立防御力，起点要么是专有数据生成，要么是真正不同的技术路线。 Sarah 的核心问题是“数据收集引擎”长什么样：化学、生物学和机器人可能需要开展新的物理实验，而现有大型实验室未必会做这些事；这不同于代码拥有丰富的数字语料和可测试的效用函数。Elad 认为，可能成立的技术切口包括状态空间模型、基于 Lean 的形式化推理，以及更好的软件智能体 RL 环境。
AI 市场感觉已经“可能进入第3局，而不是第1局”，标准化程度足以支持投资，但尚未形成持久均衡。 模型、基础设施、评估、编排和垂直应用层正变得清晰，MCP 则提供了模型与现有数据系统之间的开放接口。Elad 仍提醒说，“我学得越多，知道得越少”；这种“平静时刻”可能只会持续到下一次发布。

精读

1. 图像生成的下一项突破是控制力，而不是新奇感

Elad 将 Ghibli 和动漫风潮放在一条反复出现的技术曲线上：他回忆起2018年或2019年一件 GAN 艺术品登上 Sotheby’s 拍卖场，随后 Midjourney 和早期 Stable Diffusion 即使处于“人人都有7根手指”的阶段，也足以让用户惊叹。如今的系统已经能以惊人的保真度生成风格统一的作品，这正是“最新版本”的公众认知：质量正在以多快的速度复利式提升。
Sarah 说，用户很善于感知当前的质量和可控性，但最新一轮浪潮也显示，图像、视频、文本和 logo 仍有巨大提升空间。需求非常原始而直接——“人们想要更多可爱，也想要更多美”。
Elad 认为，约1年后还会出现一次类似的时刻，随后是商业上真正无缝的平面设计产品：“我们现在做的是它的横向版本，很快就会有垂直版本。” Sarah 提到 Krea 风格的实时编辑和 HeyGen 的自然语言控制：用户只需几个词，甚至说出“whisper, ASMR”，工具就能直接响应意图。

2. 公开市场动荡几乎传导不到早期软件创业公司

Sarah 精确描述了压力情景：消费者信心降至多年低位，Nasdaq 下跌8%，关税则瞄准中国进口商品和汽车。
Elad 的回答是“并没有太大压力”。只要没有出现具有生存意义的冲击，软件创业公司只要业务在推进，仍然可以销售产品和融资；硬件受到的直接影响更大。在 Sequoia 2008年的“RIP Good Times”演讲期间，他曾问，一家只有6人的公司为什么要在意这些。一位合伙人的回答是：“你根本不该担心这些。”
Sarah 认为，高质量的早期机会仍然资金充足，并称昂贵的基础模型公司所能获得的资本市场深度超出预期。压力集中在经历多年流动性受限后的 crossover 和 IPO 前项目，但复苏中的并购市场，以及准备上市的公司，可能带来帮助。
Elad 的关税框架是“逐项分析”：有些保护性关税可能有用，有些可能服务于谈判，或者带来净成本。Sarah 以汽车竞争为例，认为面对竞争力不断增强的中国汽车，欧洲或许会保护自身工业基础。她补充说，保护主义需要配套的积极产业政策，因为重建美国在防务零部件或汽车领域的能力，需要对技能和成本竞争力进行大规模投资。

3. LLM 收敛将注意力转向被忽视的模型市场

Sarah 指出 ArtificialAnalysis.ai 的图表显示模型能力正在收敛，并称 Google 最近发布的 Gemini 证明它仍在竞争中。Elad 补充说，产品入口也在收敛：搜索、研究和推理正在变成标准能力，使分发和消费者剩余成为核心问题。
Elad 指向 ArtificialAnalysis 的基准测试：许多模型已经聚集在相距很近的区间，同时在编程或推理能力上各自出现尖峰。Grok/xAI 约9个月就达到大致 SOTA 模型，令他觉得“非常惊艳”，说明收敛并不会消灭突然出现的离群者。
覆盖不足的机会在核心语言模型之外：物理、材料、机器人、科学、健康以及其他专业领域。生物学获得了不少关注——“每周都有一个新的生物学模型”——但 Elad 认为，资金和研究者兴趣往往与商业价值脱节，留下了可能规模巨大的未开发市场。
对于“是否存在一枚戒指统治所有模型”的问题，Sarah 的答案是数据引擎。现有的语言和推理能力可以为专业系统提供种子，但机器人、化学和生物学可能需要收集或生成尚不存在的知识；对通用模型实验室而言，运营实体实验室，可能远比在 RL 环境中训练代码更加偏离其核心能力。

4. 专业模型需要结构性理由穿越通用模型的碾压

Elad 认为，可信的技术切口包括：在可压缩数据上更高效的状态空间模型；将数学和代码转译为 Lean，以实现形式化推理；以及训练模型，使其能够在软件和互联网环境中可靠行动。最后一类仍缺少具备一致泛化能力的智能体 RL 环境，因此它是真正的研究问题，而不只是又一层封装。
Elad 从速度、成本和推理保真度3个维度评估模型。一个缓慢、昂贵但能力极强的系统，可以分析一份100页的最高法院案情摘要；快速的专业模型则可以服务于狭窄任务或特定垂直领域。通用模型提供推理和语言能力，编排层则在不同模型之间分配任务——这实际上就是今天“智能体化”产品在编程、客户成功和其他领域所做的事情。

5. AI 可能已经进入第3局，但平静期或许只能持续1周

Elad 描述了一个良性循环：并购重新活跃，模型开发和测试时推理仍然昂贵，而解决数据、规模和延迟约束的公司可以改善整个生态。Sarah 认为现在是一个适合投资的舒适阶段，感觉“可能是第3局，而不是第1局”，并且已经出现了一些有用的标准化。
顶尖人才分布在研究、基础设施效率、面向稀疏性或超大规模混合专家模型的软硬件协同设计、具备领域知识的产品工程、评估和 RL 环境等方向。智能体编排仍处于早期：收集上下文、制定计划、并行调用模型、验证并重试。
Elad 将其称为 AI 的“照常经营阶段”。模型栈正变得清晰；RAG 已从新鲜事物变成既有技术栈的一部分；评估实践正在成形；一些垂直领域赢家开始出现。消费者实验仍处于早期。ChatGPT、Perplexity 和 Midjourney 可能会被视为更早的消费级尝试，而新一代消费产品才刚刚开始出现。Elad 预计，今天的清晰格局会在1年内再次被打乱。
Elad 将 Anthropic 的 Model Context Protocol 描述为一种开放接口，把模型能力连接到文档、日志、商业工具、IDE 和其他系统；OpenAI 已表示将支持它。MCP 尚不完整，开发者仍必须清晰描述工具，但它可能大幅加速智能体开发。搜索和研究之外，下一批胜出的消费级智能体仍不明确，不过 Sarah 预计今年会出现案例。

AI 2027：智能爆炸逐月模型——Scott Alexander & Daniel Kokotajlo All-In 现场连线奥斯汀：Colin and Samir、Chris Williamson 与 Bryan Johnson