摘要

DeepSeek 让上半年的关注点从“闭源模型领先”转向更加重视开源生态，张璐因此把英伟达股价急跌后的判断定为利好。 更简单的架构、不依赖最先进 GPU 的训练路径，会扩大 AI 应用；资本市场短期给出相反反馈，但她看到的是创新正从单纯的 corporate driven 更趋向 community driven。
主持人将 AI Agent 概括为继 PC、互联网之后的通用平台；张璐强调，真正的 Agent 必须能处理复杂任务、自主决策并自行选择工具。 Cursor、Windsurf 等 coding agent 依赖 Claude、GPT、Gemini，Claude Code 等模型原厂产品因此可能压缩其护城河；OpenAI 曾拟以30亿美元收购 Windsurf。主持人认为，Google 以约24亿美元换取团队、技术授权和 know-how，说明大厂眼里“钱不值钱，最值钱的是时间”。
OpenAI 被张璐列为今年挑战最大的 AI 公司：公共 C 端数据接近用尽，下一步需要高质量行业数据，却又必须在 to B 市场与微软正面竞争。 微软短期仍受协议和 Azure 绑定约束，但已接入 Mistral、Cohere 等模型、强化自研，并可能让 Copilot 动态调用多模型；她将这概括为主动准备“去 OpenAI 化”。
Google 的 AI 技术和全栈成本结构可能被市场低估，Meta 与苹果面对的却分别是生态缺口和产品缺席。 Google 拥有 TPU、模型、云、infra 与应用，却必须决定何时革掉搜索广告这头“现金奶牛”；Meta 用现金、算力和人才“买时间”，张璐长期看好但不认为其能在年底前追上，苹果则仍有一个正在缩短的硬件入口窗口。
人才战争夺的不是普通工程执行力，而是能在未知中定义模型架构和产品路径的“大脑”，这类人可能总共不超过几千名。 市场流传的单人1亿美元报价、Mira Murati 公司首轮20亿美元融资、Ilya Sutskever 公司以50亿美元估值融资10亿美元，都体现了稀缺溢价；但张璐担心首轮估值已透支回报，因为“并不是说我们会出现好多个万亿级别的公司”。
AI 提高资本效率，也迫使大型 VC 从单一风险投资机构变成多产品金融机构。 过去企业从零做到两三百万美元收入可能要三至五年，如今一年可到几千万美元；后续融资需求可能由数亿美元降至数千万美元，大基金因而借 RIA、母基金和其他资产管理产品扩大部署范围。
并购已先于 IPO 成为创投流动性的主要修复工具，但人才型交易未必让投资人分享全部价值。 Fusion Fund 上半年有4家公司退出，其中3家是开源生态的重要贡献者；正常战略收购能让资金和人才快速循环，人才型收购却常把大部分对价优先给团队，Windsurf 式交易给 VC 的回报可能相对有限。
美股 IPO 尚不能称为重新打开，真正跑出收入的机会更多集中于垂直 to B、医疗和工业 AI。 一季度硅谷约20多家拟上市企业基本暂停，CoreWeave、Circle 的表现仍只是少数样本；与此同时，美国医疗占 GDP 约20%，人类数据中30%以上与医疗相关、被利用的却不到5%，这类“数据金矿”与工业、太空自动化才是张璐所说 AI“金铲子”的深层价值。

精读

1. DeepSeek 让开源从替代选项变成产业主线

张璐把2025上半年概括为“不能够以月去丈量”，因为模型、产品、论文和交易几乎每周都在刷新；DeepSeek 是年初最明确的认知转折点。
DeepSeek 发布后的第二天，她恰好前往英伟达。面对周一股价大跌，她与英伟达战投团队的判断反而是利好：开源生态会推动更广泛的 AI 应用和需求。
更重要的信号不只是性能能否追平闭源，而是模型架构可以更简单、训练未必依赖最先进 GPU。她还保留了另一种可能：“有一些新的模型架构，它可能在 CPU 上运行的效率比 GPU 更高。”

2. 大厂与初创公司的关系正在由竞争转为生态共生

张璐从2017年起与英伟达合作；今年 GTC 的 Inception Program 已覆盖数千家企业，新的 DGX Cloud Program 还向合作基金投资的入选项目提供一定额度免费算力和工程师定向支持。
合作方包括 Insight Partners、a16z、General Catalyst、Lux 等大型机构，Fusion Fund 是其中唯一一家早期基金。这说明英伟达也在系统性建设创业者生态和平台合作。
Amazon、Google、Microsoft 同样以 free credit、云、API 和工程支持吸引初创公司。张璐的总结是，大公司与创业者“有竞争的关系，但更多也是一个协同合作的关系”。
Fusion Fund 上半年4家公司退出，其中3家是开源生态的重要贡献者，并被英伟达、苹果等公司收购；这强化了她的判断：AI 创新正从 corporate driven 转向“community driven”。

3. AI Agent 的门槛是自主决策，不是给自动化换名字

主持人将 AI Agent 概括为“继 PC 和互联网之后的下一代通用平台”；张璐提醒 Agent 并非新概念，十多年前就已存在，只是这一轮获得了广泛认知。
她给出的最低定义很严格：Agent 要处理复杂任务、无需人类介入即可决策，并能在给定工具库中自行决定调用什么工具。“你的产品要做到这个程度，才可以叫做 AI Agent。”
因此，简单工作流、单任务自动化和普通数字化工具不能全部装进 Agent 概念。主持人提到 Manus 获 Benchmark 投资；张璐确认 Manus 获得硅谷风投投资并正在部署全球市场，也指出中国开源生态正影响全球生态。

4. 模型原厂下场，让通用 coding agent 的护城河骤然变薄

Cursor 与 Windsurf 此前都非常火爆，代表了代码 Agent 的市场热度；但两者底层仍调用 GPT、Claude、Gemini 等模型。问题随之变成：当模型公司亲自做代码产品，应用层还剩什么优势？
Claude Code 发布后，张璐周围许多创业者和企业开始迁移，因为原生模型、开发环境与工程师习惯的适配度更高。它尚未彻底动摇 Cursor、Windsurf 的份额，却已构成方向性警告。
Windsurf 交易因此像一部“连续剧”：OpenAI 曾拟以30亿美元收购，随后 Google 以约24亿美元争取团队，Cognition 再收走剩余团队。微软技术共享条款是 OpenAI 交易未成的原因之一，但不是唯一原因。
主持人认为，Google 花约24亿美元直接获得团队、技术授权和 know-how，并可避开反垄断调查；张璐认可其中的核心逻辑：“钱不值钱，最值钱的是时间。”

5. OpenAI 的真正瓶颈是数据、to B 路径与微软冲突同时出现

张璐认为公共领域的 C 端数据“基本上都用得差不多了”，模型继续优化需要高质量行业数据；这些数据不公开，只能通过企业合作获得。
这恰好迫使 OpenAI 进入微软最擅长的 to B 市场。微软原本希望 OpenAI 做底层模型供应商、自己负责产品和整合，但 OpenAI 正在做企业版、Agent 和全栈产品，两边已经发生路线冲突。
Anthropic 的 to B 路径相对顺畅，微软则可借现有销售、售后、客户网络和 Azure credit 推广 Copilot；OpenAI 的 B 端路径则比较艰难，又要与最大股东和执行合作方争夺业务。
OpenAI 延迟开源模型时把原因归于潜在安全风险，也让张璐觉得颇具反差：“以前很少把安全作为重点理由的 OpenAI，现在开始重点用安全作为理由了。”Anthropic 当初正因其创始人认为 OpenAI 对安全与伦理重视不足而成立。

6. 微软不会立刻解绑，却已为“去 OpenAI 化”铺路

监管机构仍在关注微软是否实际控制 OpenAI 及潜在垄断问题，微软因此放弃了董事会观察员席位；Sam Altman 推动的 OpenAI 股权和公司结构调整也只得到妥协结果。
微软短期不太可能彻底分家，因为既有协议与 Azure 绑定仍然紧密。但它已同时支持 Mistral、Cohere 等模型，加快 Microsoft Research 的模型研发，并降低产品对单一供应商的依赖。
张璐预计 Copilot 未来可能动态调用多个模型，而非完全依赖 GPT；企业客户对安全、合规的要求，也让多模型供应成为更合理的保险。这是“深度利益捆绑”之下的渐行渐远。

7. Meta 正用现金、算力和人才压缩战略落后的时间

Meta 曾是开源领军者，但 Llama 4 表现不尽如人意，DeepSeek 又削弱了它的领先叙事；更致命的是“模型能力不领先，但生态又没有成型”。
与 Scale AI 的交易主要补数据和工具层短板，真正进入 Meta 的 Scale AI 人员据张璐所知只有三四名。Meta 同时通过高力度招聘获得其他稀缺人才，因此整体更像用现金、算力、数据和人才进行传统的“堆资源”追赶。
Meta 并非缺少工程能力，缺的是模型架构和生态的“大脑”。Alexander Wang 被看重的不只是技术，而是生态建设能力；上游研究人才则要帮助 Meta 判断未知方向，而非执行一张已经写好的路线图。
张璐的谨慎结论是：新人才与旧组织必然经历调整和阵痛，无法保证立刻全身心投入产品。“长线我还是很看好”，但要在2025年底前迎头赶上，她认为“还是比较困难”。

8. Meta 的内部问题不在于不够卷，而在于方向和知识无法贯通

她听到的非完全确认信息是，Llama 迭代中下一代团队未必能取得上一代全部信息；再加上首席 AI 科学家长期不太赞同大语言模型方向，内部资源选择并不统一。
Zuckerberg 此番近乎“破釜沉舟”，意图用新团队制造“鲶鱼效应”。Meta 已有头显、眼镜等 AI 硬件入口，若能补上模型和系统能力，硬件优势才可能转化为完整生态。

9. AI 人才战争夺的是能定义未知路径的“大脑”

Zuckerberg 描述的招聘变化很典型：研究者过去问 scope 有多大，现在更关心“尽可能少的人汇报给我，同时给我尽可能多的 GPU”。稀缺资源不只是薪酬，更是研究杠杆。
张璐估计，能定义模型架构、组织 LLM 与 RL 等路径、判断 CPU 或 GPU 新架构的人才，可能“不超过几千人”；最核心的一批在各大科技公司之间根本不够分。
这些公司已有工程师、基础设施和执行能力，因此招聘的并非实现既定构想的人，而是“你给我一个构想，你给我一个架构，我们要怎么样去做”。

10. Grok 证明大力出奇迹，也把 xAI 变成下半年的搅局者

从2024年初 Grok 1 到 Grok 4 只经历十几个月，张璐认为其部分指标已达到领先水平，“非常非常惊人”；这既来自资源，也来自大脑团队、架构和执行的组合。
她没有回避争议：Twitter 数据可能带来偏见，模型还出现过希特勒式对话。但若只看其他参数表现，Grok 4 仍然“非常惊艳”。
xAI 内部约70%至80%的代码已由自有 AI coding 工具编写，只是尚未做成第三方产品。张璐期待其发布后与 Gemini、Claude Code 横向比较，并把 Musk 视为下半年最难预测的“搅局者”。
这种执行强度并非宣传：主持人说他认识一些 xAI 创始成员；这些成员曾告诉他，Musk 会与他们从凌晨1点工作到6点，再把会面约到早上7点或8点，睡几小时后继续工作。

11. Google 技术实力居前，搜索广告却让它无法轻易全力出击

Gemini 2.5 的 long context window、边缘端小模型、开源的 Gemini CLI 与代码能力连续改善；张璐还特别提到 AlphaFold 和 AlphaGenome 的测序数据应用。
主持人提到，NotebookLM 所属 Google Labs 的负责人同时管理 Labs 与 Gemini 应用；张璐确认 NotebookLM 是 DeepMind 和 Google Labs 联合打造的产品，并认为 Google 正把分散的研究和产品部门进一步整合，把研发深度转成产品速度。
张璐个人把 Google 的 AI 实力排在大科技公司第一位，并认为市场低估了它。TPU、模型、云、infra 和应用组成完整全栈，使模型竞争同时变成它最擅长的“成本竞争”。
尴尬之处是 Google 完全有能力做出比 Perplexity 更好的生成式搜索，却不能在新收入模式出现前杀掉搜索广告这头现金奶牛。年轻用户越来越少使用传统搜索，外部习惯变化不会给它无限时间。

12. 苹果还有硬件入口，却已经错过了第一轮 AI 产品竞争

张璐过去很看好苹果的 AI 芯片：算力强，并与自身硬件生态高度整合。问题是“它没有 AI 产品”，强芯片和设备没有转化成模型或可感知的 AI 体验。
iOS 26 与 ChatGPT 的深度整合被她称作“阶段性的妥协”：先借合作补位，再逐渐布局，但其他公司的迭代速度超出了苹果原先预判。
短期内，Agent 仍大概率运行在手机和电脑上，苹果因此保有平台入口；长期看，Meta、OpenAI、Google 都在探索新硬件界面，窗口“可能也不是很长了”。
苹果更现实的路线或许不是做开放模型，而是在耳机、芯片、本地模型与操作体验中嵌入 AI。Tim Cook 很强，但职业经理人很难像创始人那样押上职位去承担一次可能失败的巨额豪赌。

13. 创始人掌舵的旧巨头更敢进行自我革命

主持人以 Oracle、Salesforce 为例追问为何上一代公司也能抓住 AI；张璐观察到，快速转型者通常仍由创始人掌舵，因而决策可以更“稳准狠”。
Salesforce 内部有 Einstein 模型；张璐以英伟达为例说明，自有模型搭配自有应用和 AI Agent，可以进行系统级垂直优化，改善专业度、灵活度和成本。
企业 Agent 的核心约束仍是幻觉；自有模型、应用和系统级优化，有助于降低幻觉并满足 B 端可靠性要求。

14. AWS 不必争夺前台产品，也能靠“卖铲子”分享增长

AWS 的位置像淘金热里的铲子商：模型训练、推理和 Agent 运行都消耗云资源，模型与 Agent 公司越多，它的客户和收入增长空间就越大。
Amazon 同时是 Anthropic 的重要支持者和投资方；AWS 的免费 cloud credit 可用于 Anthropic 服务，双方形成战略协同。它看似没有高调推出统一 AI 产品，实际可凭基础设施“默默地胜出”。

15. 超级人才融资押注万亿公司，但首轮估值可能已吞掉回报

节目列出的资本样本极端鲜明：Mira Murati 的公司首轮融资约20亿美元，融资期间据称还有科技公司给出约100亿美元收购意向；Ilya Sutskever 的公司以约50亿美元估值融资10亿美元。
资本押注的是这些团队能打造底层通用模型并成为 trillion-dollar company。张璐承认可能性存在，却认为新公司成为统一通用模型的概率已低于前几年，因为 Google 等大厂进展太快，垂直小模型路线也尚未分出胜负。
单人1亿美元的挖角价格可以解释团队资产溢价，却不能自动证明投资回报。她没有投资这类公司，因为“并不是说我们会出现好多个万亿级别的公司”，而万亿公司的生长周期也未必足够短。

16. AI 提升资本效率，迫使大型 VC 改造成多产品金融机构

节目提到 Lightspeed 新注册 RIA，而 a16z、Sequoia、General Catalyst 已有类似安排。张璐认为，大基金正从单一 VC 转向母基金、资产管理和其他产品并存的综合性金融机构。
根本原因之一是钱太多：基金规模达到几十亿乃至上百亿美元，仅靠传统 VC 阶段很难完成有效部署，必须拉长投资周期、扩大资产类别。
企业融资节奏也被 AI 改写。过去从零做到两三百万美元收入可能需三至五年，如今一年即可完成，甚至冲到几千万美元；过去融资1000万美元做到500万美元收入，现在可能融资500万美元就做到更高规模。
当后期资金需求从数亿美元降到数千万美元，大型基金反而更难投出足够本金。RIA 转型既是扩张，也是对创业公司资本需求下降的回应。

17. 并购修复流动性，却把团队与投资人的收益重新排序

战略买家并不只按被收购公司的现有收入定价。如果成熟产品接入自己的渠道和客户后能立即创造5亿或10亿美元价值，支付同量级收购款仍然合理，未来产品还提供额外期权。
快速并购能让资本、人才重新进入创新生态，也不要求每家公司都走到 IPO。对经历数年退出低潮的 VC 来说，这是比等待上市更快的资金回流机制。
但人才型收购往往把更多对价优先给创始人与团队，投资人回报会被压缩。Windsurf 即使交易规模很大，其投资人所得仍可能相对有限，这会迫使 VC 重新设计条款并判断何种退出才算“双赢”。

18. CoreWeave 与 Circle 表现不错，仍不足以证明 IPO 市场重启

年初市场原本预期 IPO 回暖，硅谷一季度约有20多家企业筹备上市，Fusion Fund 也有几家公司在准备；关税与金融市场震荡后，这批计划“基本上都暂停了”。
张璐明确反驳“IPO 已打开”的说法：CoreWeave、Circle 上市后表现不错，但数量太少，不能代表通道恢复。
Stripe、Databricks 被等待已久，却因现金流和财务状况很好而有能力挑时机。她提出一个反向判断：能因市场不好而暂停上市，某种程度反而证明公司没有被现金流逼到“流血也要上市”。
她对下半年只给条件式乐观：当政治和政策不确定性成为常态，华尔街的惊吓反应会下降，企业或更敢上市；但截至访谈时，“IPO 市场还是一个没有打开的状态”。

19. 真正兑现商业价值的 AI 正深入医疗、工业与太空

Fusion Fund 十年间投资约100多家公司，集中于企业 AI、工业自动化和医疗。基础设施组合包括 Lepton、Voyage AI、You.com，以及 Vectara 这家在 RAG 和 embedding model 方面表现突出的公司；真正快速形成收入的，更多是垂直 to B Agent，而非媒体最常见的图片、文字应用。
医疗是最大的“数据金矿”：美国医疗约占 GDP 的20%，人类数据中30%以上与医疗相关，但目前利用率不到5%。组合案例包括与 Khosla Ventures 投资的 cell therapy 垂直模型；她还提到 Arc Institute 发布的 Evo 2 测序模型，以及 Subtle Medical 的生成式影像增强。
Subtle Medical 已获得多个 FDA 批准，可把几分钟低精度 CT 或 MRI 扫描增强到高精度质量，降低时间、价格和辐射。张璐强调 AI 的角色是“赋能”医生、护士和底层医疗技术，不是简单替代从业者。
工业端受北美供应链调整推动，自动化、机器人需求加速；太空产业则从起点就整合3D打印、AI 和机器人。她举出的月球机器人系统已能设想在月球提取水等补给资源、充当星际旅行“加油站”，moon rover 已做到第11版。
这最终回到她的“金铲子”比喻：AI 不只改善商业模式，而是在医疗、制造和太空中提升基础生产力。技术发展有风险，但停滞可能伤害更大；未来会使用 AI 工具将像会用电脑一样，不再是加分技能，而是基础要求。

Vol.69 再聊星际之门计划---with 刘一鸣/101 Weekly AI时代该取消PM吗？Monzo与伟大产品之道