2026 开年AI对谈：the year of R | 对谈真格基金戴雨森

摘要

• 戴雨森认为，2025 已经从 AI 的“黑莓时代”跨入应用爆发的“iPhone 时代”。 O1 带来的 thinking time scaling、Claude 3.5 Sonnet 的编程能力、OpenAI o1 的推理能力与 Anthropic 的长链路规划，把 GPQA、SWE-bench 等能力推过可用阈值，Cursor、Claude Code、Codex、Manus、Genspark 随之爆发，coding agent 赛道一年内从零走到可能约 10 亿美元 ARR。“模型能力的进步会带来应用机会的解锁”，仍是整期对谈的主轴。
• Agent 的方向验证了，但产品成熟度仍停留在 early market，不能把 workflow 换个名字就当成 Agent。 真正的 Agent 来自 agency：能自主拆解目标、选择并调用工具、根据反馈改路，核心产出是“节约人的时间”；从 Devin、Manus、Claude Code 到豆包手机助手都只是开端。戴雨森认可“Agent 元年”的判断，同时强调这会是“Agent 的十年”，从 L2 辅助到 L3 承担责任仍可能需要几年。
• 戴雨森把 2026 定义为 Year of R，其中第一个 R 是 Return：过去三年市场交易的是 ROI 里的 I，现在必须验证回报。 数据中心的百亿、数百亿美元投入、单人每年 1 亿美元的人才报价，以及英伟达、光模块、存储的上涨，都由 AGI 和应用利润的潜在 return 驱动；但前沿模型从 80 分走向 90 分所需投入更大，能力增幅却在放缓，中国开源模型又能在约六个月内追到 SOTA 的 80%—90%。“高预期和慢落地”的反差，可能成为 2026 年市场情绪与融资环境的关键变量。
• 四条主流变现路径都能增长，却没有一条自动兑现此前的宏大估值。 Chatbot 的 20/200 美元订阅面临 token 通缩和免费竞争；广告、电商需要数年探索 native 形态，且相当部分是在重分 Google、Meta、字节的存量蛋糕；AI coding 替代 10 万美元程序员，不代表模型能收走 10 万美元，反而可能令任务迅速贬值；企业 AI 虽已有 1亿—2 亿美元 ARR 公司，仍要跨越大企业部署缓慢的鸿沟。投资人因此开始从纯增速转向毛利、retention 和现金流，追问“一块钱的 token 能不能被应用增值成两块钱”。
• 第二个 R 是 Research：Scaling 的边际回报下降后，下一阶能力需要新的范式、组织和测量方法。 Ilya 把当前阶段称为从 scaling 重返 research，Demis 预计 AGI 还需 5—10 年及一到两个 breakthrough；self-play、持续学习、世界模型成为候选方向，SSI、Thinking Machines Lab、Reflection 等 New Labs 则试图在低 KPI 环境中寻找不同路径。与此同时，MMLU、SWE-bench 等 benchmark 接近刷满，Gemini 3 Pro 的约 78 分与 GPT-4.5 的 80 分出头并未反映真实体验差距，“没有新的 benchmark，就难以判断训练方向”。
• 第三个 R 是 Remember：Memory 可能成为应用差异化，并把被动助手推向 proactive agent。 现有记忆仍像“带着一个大笔记本做 retrieval”，下一步是通过 online learning 形成属于每个用户的模型，理解其偏好，而非只翻出原话；戴雨森用 ChatGPT 根据其偏远、小众偏好推荐日本屋久岛作为体验样本。当 AI 能结合长期记忆与实时 context，主动准备会议材料、预判需求而非等人发 prompt，戴雨森认为可能打开“十倍的机会”。
• 中国开源模型是 Koji 认为仍被低估的结构性力量，也改变了应用创业者的牌桌。 DeepSeek R1 之前，创业者担心拿不到闭源 SOTA；十个月后，中国开源模型已快速追赶，DeepSeek Math-V2 又在约六个月后达到通用模型的 IMO 金牌水平。开源像“核武器”一样摧毁昂贵闭源模型短期领先，还凭便宜、透明和人才可见性形成优势；应用团队则应全球起步、连续“翻牌”，并用产业经验、专有数据、分发或软硬一体避开模型直接吞没。
• 在模型快速同质化的环境里，最值得押注的是提前 6—12 个月判断技术阈值、又能用人类 agency 放大创造力的团队。 戴雨森强调学习力、领导力、创新力、意志力，以及 AI 时代更稀缺的韧性；他也强调产品思维和营销，因为“最可悲的不是讲错话，而是辛辛苦苦做出来的东西根本没人知道”。AI 擅长复刻数据分布里的毕加索，却仍难创造新的 OOD 风格、原创笑话或公司，因此近期最强组合不是 AI 单独创造，而是人“画龙点睛”，再让 AI 提供数百倍、上千倍杠杆。

精读

1. 2025 已从“黑莓时代”跨进 AI 应用的“iPhone 时代”

• 戴雨森重申上一年的核心判断：ChatGPT 虽然惊艳，却不足以单独触发应用大爆发；真正的因果链是“模型能力进步—可用阈值被跨过—新产品形态解锁”。2025 年，这个前提终于成立。

• 转折可追溯到 2024 年 10 月左右的 OpenAI o1：thinking time scaling 让模型在 GPQA、SWE-bench 等 benchmark 上快速跃升。按他的概括，一年内，衡量博士级推理与真实编程任务的成绩从远低于人类走到 80 分以上，接近满分并超过强人类水平。

• Coding 最先兑现：Cursor 成为许多程序员的必备工具，随后 Claude Code、Codex 等 coding agent 爆发。戴雨森给出的量级是，这一领域“一年从零可能到达一个 billion，10 亿美金 ARR”。

• 应用不再局限于 chatbot：美国出现法律领域的 Harvey、Legora，客服领域的 Sierra、Decagon；中国也有 AI+教育、AI+工业的尝试。戴雨森据此改判：“我们走出了黑莓时代，进入了 AI 的 iPhone 时代。”

2. “Agent 元年”兑现的是标志性产品，不是一年完成自动化

• 从 Devin 到 Manus、Claude Code，再到字节的豆包手机助手，戴雨森认为 2025 已出现各领域的标志性 Agent，因此“元年”的判断符合预期，但没有理由把元年理解成终局。

• 他认同 Andrej Karpathy 对时间尺度的提醒：这会是一个“decade of agents”。Agent 必须代表用户调用资源、完成任务，并承担更多主动性与责任，这类产品天然需要比 chatbot 更长的演进期。

• 自动驾驶是他采用的类比：从 L2 辅助驾驶走到 L3、让人真正释放注意力，比市场最初预期慢得多。Demis 的预测则提供了较乐观的近端节点——下一年 Agent 或可完成电脑上的大部分动作，规则较清晰的白领任务可能达到“七八十分、八九十分”。

3. Agent 的分界线是 agency，而不是预设 workflow

• 戴雨森坚持一个窄定义：“Agent 这个词来自 agency，就是主观能动性。”它必须根据用户要求自主拆目标、规划路径、选择工具，执行后读取反馈，再调整方案直至确认完成。

• 这套反馈闭环的产品价值不是炫技，而是“自主性，能够节约人的时间”。只有 AI 能在环境变化、异常情况和 corner case 出现时改路，用户才真正把注意力交出去。

• 许多所谓 Agent 只是把固定工作流接上模型：问题按预设步骤发展时可以完成，一旦条件改变便不知道怎么办。“这个不叫 Agent”，也意味着当前真正的 Agent 产品远没有市场标签显示得那么多。

4. Agent 仍在 early market，模型和产品要共同跨越鸿沟

• 戴雨森借用“跨越鸿沟”的框架：当前用户主要是创新者和早期采用者，他们愿意尝鲜，也容忍失败；要进入主流市场，模型可靠性、责任边界和产品形态都还需进步。

• 一年前反复出现的 PMF 质疑正在淡出，因为行业依次验证了三个问题：有人使用、有人付费、部分产品可以赚钱。用户价值、商业价值和利润率都开始出现正向样本。

• 这些样本仍有明确的模型前提：Claude 3.5 Sonnet 解锁 AI coding 与 Cursor，OpenAI o1 的推理和 Anthropic 的长链路规划让 Devin、Manus、Genspark 成为可能。戴雨森判断，工具使用目前已经解锁了约 10%—20%；走到约 80% 时，可完成的任务会急剧扩大。

5. 多模态统一可能孕育下一批 Cursor，而不只是更强的生成按钮

• 戴雨森把第二条明确主线放在原生多模态：文本、图片、视频和音频不再由彼此割裂的专用模型处理，而是在统一模型里共同理解和生成。“人类其实就是多模态 native 的。”

• GPT-4o 带来“吉卜力时刻”；Nano Banana、Nano Banana Pro 把指令遵循和图片内信息表达推到新阶段，infographic 由设计工具变成高密度信息媒介。“一图胜千言”在这里不是审美口号，而是信息传递能力。

• Sora 2、Veo 3 又通过更好的指令遵循、保真度和音画直出，打开视频与 AI 漫剧。Koji 提醒，真实短剧仍需时间，但漫画式内容已经出现 AI 生产、人类消费的内容。

• 戴雨森提到一个名为 ZeroBench 的视觉理解 benchmark：100 分中，现有模型大致只能拿约 5 分；他预计一年后先进模型可能达到 60、70 甚至 80 分。Elon Musk 所说的人是接收视觉 input 的“pixel machine”，而市场尚未出现多模态时代的 Cursor 或 Claude Code，多数能力仍困在 chatbot 里。

6. AI 的“跳变”来自连续升温跨过产品阈值

• 戴雨森的比喻是：“水烧到一百度之前只能泡咖啡，但是烧到一百度立刻会解锁蒸汽机。”底层能力可以连续增长，用户可完成的任务却会在某个阈值后呈阶跃变化。

• AutoGPT 在 2023 年已尝试让 GPT-3.5、GPT-4 自己思考、执行、反思并使用工具，但“水没烧开”，只能展示概念。到了 Claude 3.5，尤其是 Claude 3.7 的能力区间，Devin、Manus 这类产品才真正跑起来。

• 跳变也不能只归功于模型：用户使用的是完整产品，不是 benchmark。模型到达阈值后，还需要 AI-native 的交互、任务编排和结果展示，才能把潜在能力转化为大众可感知的变化。

7. Typeless 把语音从听写工具变成理解用户的输入层

• 戴雨森每天使用的两个 AI 产品，一是积累了大量个人记忆的 ChatGPT，二是其投资的早期产品 Typeless。后者表面是语音输入法，目标却是重做人与电脑的自然交互。

• 用户按下任意指定键即可说话；Typeless 会删除“嗯、啊”等 filler words，理解“接下来讲三点”并自动排成列表，而不是机械转录一串口语。

• 更关键的是 context 和学习：同一句话进入微信或飞书时可采用不同语气，它也会记住用户是否喜欢句末句号等细节。“最后你说出来的话，在它呈现之后，就变得是你真的需要的了。”Siri、Alexa 当年缺的并非语音入口，而是足够理解意图的模型。

8. 豆包手机助手首次让“AI 控制手机”像可工作的原型

• 戴雨森把豆包手机助手称为“产品原型”或技术预览，而非成熟消费品；它仍太早、争议不少，也不适合普通用户直接依赖。

• 但它第一次比较完整地端到端完成了点外卖这类任务：既要理解模糊需求，又要跨应用执行，还要处理若干 corner case。这个原型像“打开一扇窗户”，让人看到几年后 AI 接管日常软件操作的具体样子。

• 他坦言，此刻的兴奋感不及上一年末：coding 加 Agent 几乎覆盖了人类在虚拟世界的两种核心动作——写代码和使用软件。如今更多领域是在完成零到一后“猛做蒸汽机”，从一走向十，而不是同等级别的新大潮。

9. Sunday 团队的产品审美、数据装置和 demo 同时推进具身智能

• 戴雨森说，他特别喜欢 Sunday 这个家庭机器人产品，也第一次真正想买一个人形机器人放回家。它的外观审美使其从大量同质化方案里跳出来，背后的 Tony Zhao 与 Chi Cheng 又分别有 ALOHA、五指夹爪等研究积累。

• 团队还发布了约 200 美元的数据手套，其结构可与三指机器人手对应。戴雨森看重的不是单个配件，而是低成本数据采集、机器人构型和软硬一体之间的一整套思考。

• Sunday 在一些家庭环境中通过零样本学习完成放进洗碗机、清理桌子等任务，甚至能一次拿两个红酒杯而不打碎。两人都认为，这类 demo 展示了与他人不同的技术思考和实践，而不只是视觉奇观。

• 戴雨森为“会做 demo”正名：从 AlphaGo、Manus、乔布斯发布会到莱特兄弟第一次飞行，技术进步一直存在，但好的演示能借媒体杠杆让人才、资本和公众提前看到其意义。“好的 demo 是一种时光机”，能穿透十年、二十年，让今天的人愿意为未来工作。

10. 王兴早年的吸引力来自产品直觉与宏大叙事同时成立

• Koji 与戴雨森在大学时期都是校内网、饭否的重度用户；戴雨森的校内网 ID 是 3527，而用户编号从 1000 开始，意味着他是第 2527 号用户。那时他们还说不清“用户体验”，但已经直觉地感到产品丝滑、海报和文案审美突出。

• Koji 回忆，王兴既有 bottom-up 的用户思维，总在追问具体痛点；也有 top-down 的战略视野。他曾把校内网和饭否比作“建设人类信息的毛细血管”：过去互联网修的是高速公路，下一步要让每个人随时上路、彼此连接。

• Koji 从这段经历提炼的不是追名人，而是“努力去参与自己感觉到的最厉害的事情，去靠近你觉得最厉害的团队”。当时没有方法论，这更像由好产品触发的直觉和行动。

11. 一封给实习生的邮件，已经呈现王兴的领导力框架

• 2007 年，约 27 岁的王兴在欢迎 Koji 去海内网实习的邮件开头便写：“我们团队有宏伟的计划，在做一件很有意义也很有挑战的事情，要建最好的中文真人网络，用科技改善亿万人的生活。”

• 接下来不是职位说明，而是三个对齐问题：公司的目标是什么、个人目标是什么、怎样让两者尽可能协调。“只有先把这三点搞清楚了，合作才有坚实的基础，才不是一时冲动。”

• 面对微软、Google 等实习选择，王兴给出的对比也很直接：“如果你想做实事，希望有实际的贡献和实际的收获，那么海内可能是个非常适合的地方……我们每天都要进步。”Koji 认为，这套话放到今天仍适用于任何考虑创业公司的人。

• 当 Koji 因“复制 Facebook、Twitter”而沮丧时，王兴指着五道口的柏油路和路灯说，它们也不是中国原创，关键是用户是否需要、能否做得更好更便宜。戴雨森接着说：“学习不是问题，学不好才是问题。”

12. 报 bug、公开表达和十几秒编译时间，构成早期人才识别的细节

• Koji 第一次主动接近王兴时，没有泛泛表达崇拜，而是拿着黑莓手机去报饭否 Web 版的 bug；这恰好击中王兴真正关心的东西。王兴此前也通过饭否上的公开表达认识他，说明“Building in Public”在社交媒体早期已是人才发现机制。

• 那一代年轻人写博客、发饭否、评论 Google 新产品，很多判断今天看并不成熟，却因此认识了一批长期朋友。Koji 的建议是继续表达：多发博客、Twitter、微博或小红书，公开的思考会成为合作的入口。

• 海内网时期的张一鸣给戴雨森的第一印象是“非常靠谱的工程师”：做得快、爱问问题、每次会议都让产品经理有压力。更极端的细节是，别人等待十几秒编译时喝水发呆，他会念叨“这十几秒我能用来干什么”，试图把等待继续优化掉。

• 戴雨森借毕加索的“松节油”比喻补充：评论家谈形式、结构和意义，真正的艺术家可能只谈哪里能买到便宜松节油。创业既不能只有宏大叙事，也不能只见松节油；“脚踏实地、仰望星空”必须在同一个人或团队里结合。

13. 创业者的“道”不随技术浪潮变化

• 戴雨森把跨时代的创业者能力归为四项：学习力、领导力、创新力和意志力。无论做麦当劳、互联网还是 AI，创始人都不可能一开始掌握全部知识，也不可能单人完成组织化创造。

• 学习力应对不断出现的未知；领导力把价值观一致的优秀人才聚在一起；创新力要求即便学习外部方案，也做出符合本地用户和自身条件的差异；意志力则支撑长期坚持，并抵抗小利诱惑。

• 他并不认为 AI 会产生一套完全相反的人才标准。“术”会升级，“道”大体不变；真正的问题是，下一代王兴、张一鸣如何在新技术条件下表达这些旧品质。

14. 中国创业从复刻、本土模式走向全球首发，但竞争客观更难

• 戴雨森把过去二十年分成三段：早期是 copy to China，例如 Facebook 对应校内网；约 2015 年出现共享单车、共享充电宝、小红书、拼多多等中国市场特有模式；到 2025 年，越来越多团队从第一天就面向全球，甚至成为世界首批创新者。

• Manus 被他视为世界上第一个通用 agent，用户可同时来自美国、巴西和韩国；Typeless 的语音需求也天然跨语言。大语言模型降低语言壁垒，全球知识工作者的任务又高度相似，使“先中国、再出海”不再是默认路径。

• 创业同时更难：二十年前中国 GDP 约 8% 增长，互联网从小众走向十几亿用户，全球还有 80 亿人的分发红利；今天增长放缓，大厂更强，“现在都是一鸣跟你竞争了”。

• 创业者本身也水涨船高。早年只要较早研究海外产品就有优势，如今团队与全球同步看发布、读产品、学融资；资本市场也更成熟。AI 还更像半导体而非移动互联网：依赖科研、代际迭代、capex 和 scaling law，而不只是新分发渠道。

15. 没有地图时，行动速度和人才密度比预测精度更可靠

• 戴雨森把 2009 年移动互联网与今天类比：所有人都感到机会，却没人知道终局。没有地图、没有 GPS 的环境里，方向可以“连猜带蒙、充满假设”，但行动必须快。

• 他认为两件事几乎不会错：先积极行动，再去优秀人才扎堆的地方。科技浪潮常从很小的地理或社群节点爆发，与其独自寻找完美答案，不如进入高密度反馈环境。

• 具体主义仍是筛选标准。沃尔玛自传中提到，创始人公路旅行经过小镇就一定停车研究超市货架与价格；AI 创业对应的口号则是“Get your hands dirty”——亲自用 ChatGPT、AI coding 和 Manus，而不是只听二手概念。

16. 一号位、二号位和投资人，本质上是不同生活方式

• 戴雨森做过创业公司二号位、上市公司高管和一号位。他形容一号位“最模糊、最孤独”，但自由创造和主观能动性最大；二号位更像配合导演的制片人，负责把复杂事务张罗落地。

• 戴雨森也长期把自己视为“二把手性格”。一号位是最后防线，权力、名气和回报都可能更大，幸福感却往往更低；如果并不渴望管理上千人或追求极致影响力，找到最适合自己的一号位可能是更诚实的选择。

• Koji 把职业选择也视作投资：加入哪家公司、跟谁工作，是在下注不可再生的时间，比用钱投资代价更大。按这个口径，他“投过王兴”，戴雨森“投过陈欧”，而早期职业回报远不只体现在股权。

• 戴雨森区分两种焦虑：创业者把一件事做得极深，有明确上线进度条，因此辛苦；早期投资人懂很多话题却都不够深，无法规定“三个月投出一个独角兽”，因命运不完全在自己手里而焦虑。他自嘲投资人像“大模型吐 token”，听起来什么都懂，却未必真正理解。

17. AI 时代最先被放大的创始人品质是韧性

• 戴雨森认为韧性在今天优先级更高：AI 工具让团队更快做出更多产品，也意味着更频繁失败；模型又会“淹没应用”，昨天筑起的小城堡可能因下一次发布迅速失效。

• Manus 团队是他反复引用的样本：AI 浏览器受阻后迅速寻找新机会，all in Manus，做出一个 agent。关键不是从不判断错，而是快速试验、坦然承认失败、调整方向，还能带团队重新形成士气。

• 另外两项仍是产品思维和营销能力。技术变化越快，人越容易“拿着锤子找钉子”；团队必须退一步问是否解决真实需求。同时，碎片化注意力使好产品也可能悄无声息，营销不再只是成功后的包装。

18. 最好的 AI 创业切点是提前技术成熟 6—12 个月

• 戴雨森给出的时间窗口很具体：用已完全成熟的技术做产品，往往太晚；依赖三五年后才成熟的技术，可能变成先烈。先驱应做“六到十二个月之后技术突破能够支撑的产品”。

• 杨植麟的路径来自技术判断：2023 年预判长文本及其解锁的 memory，之后又较早转向 agentic，因此 Kimi 的 agentic 能力成为重点。Manus 团队则因先研究 AI 浏览器与工具使用，在 2024 年 10 月开始研发时预判到 Claude 3.7 数月后的能力阈值。

• AI 的牌桌每年会发十几张、二十张新牌，容许团队连续试验。Manus 是蝴蝶效应团队的第三款产品，Typeless 也是团队第三款产品；此前 Max AI 与 Monica 竞争，后来一边转向 Manus，另一边转向 Typeless。“不下牌桌”与对新牌敏感同样重要。

• 长期壁垒不能只与基础模型能力重叠。戴雨森更看重模型智能加产业经验、专有数据、分发渠道或软硬一体：法律、客服、教育、制造，以及中国擅长的消费电子，都是模型厂商难以一次性覆盖的部分。

19. 被看见与迈出小步，是把模糊机会变成反馈的机制

• Koji 给创业者的媒体建议首先是“以终为始”：上播客不是万事俱备后收掌声，而是明确目标究竟是 to VC、to 人才还是 to 行业影响力，并回答“为什么别人应该在乎、为什么是你、为什么是现在”。

• “知己知彼”的另一半是理解媒体需要好内容。Koji 将其压缩为三个词：“有趣、有用、有共鸣。”平铺直叙介绍功能通常不够，观点、冲突、具体故事和意义才会进入公共讨论。

• 他对营销的“暴论”是：“最可悲的不是营销出来讲错话或者做错事，而是辛辛苦苦做出来的东西根本没人知道、没人讨论、没人 care。”没有注意力，产品对错无法验证，也吸引不到人才。

• 模糊期的第一步不必是辞职。Plan Coach 的开发者因自己迟迟不洗碗，听 AI 建议“先站起来”，悟到对抗拖延靠可完成的小动作；做成 App 后，小红书笔记获得约 26 万赞。Koji 希望创业者把联系同路人、公开表达等也看成这种小步。

20. Return 将把 AI 叙事从投入规模拉回经济兑现

• 戴雨森先为预测“叠甲”：“我所说的都是错的。”随后提出 2026 是 Year of R，第一个 R 是 Return，因为此前市场主要交易 ROI 中的 Investment。

• 数据中心的 100 亿、数百亿美元计划，Meta 以单人每年 1 亿美元挖人，以及英伟达、光模块和存储上涨，背后都不是对投入本身的热爱，而是相信 AGI 或 AI 应用最终带来巨大回报。

• 问题在于，OpenAI o3、GPT-4.5、GPT-5 等新 SOTA 相对六个月前模型的体感增幅开始收窄。模型从 80 分走到 90 分需要更多算力和人工，前沿进展却不像早期那样显著。

• 大投入也没有阻止低成本追赶：中国开源模型常在 SOTA 发布约六个月后达到其 80%—90%。OpenAI 和 Gemini 用通用模型拿到 IMO 金牌后，DeepSeek Math-V2 约半年后也以开源方式达到类似成绩，“单纯大力出奇迹、别人跟不上”的叙事因此受挑战。

21. Chatbot 订阅和广告都难按 AGI 叙事的速度兑现

• 第一条路径是订阅。ChatGPT 可收每月 20 或 200 美元，但戴雨森不认可“智能每年增强，所以价格从 20 涨到 200、再涨到 2000”的线性想象；token 价格持续下降，去年卖 200 的能力可能很快只值 20。

• Netflix 二十年来订阅价格没有数量级变化，是他采用的参照。知识工作者中的 chatbot 渗透率已经不低，而大量用户使用免费版或 20 美元档便足够；Gemini 的能力、低价和 Google 资金实力会继续限制提价。

• 第二条路径是广告和电商。ChatGPT 已超过 5 亿 DAU，并可能向 10 亿 DAU 发展，历史上的 Google、Meta、字节、腾讯都以这两种方式变现；但其中相当部分只是重新分配已有广告和电商预算，而非创造全新 GDP。

• Native 商业化需要时间：Google 1998 年发布，约 2003—2004 年才形成 AdWords、AdSense；Facebook 2005 年上线，到 2012 年才有信息流广告；抖音从 2016—2017 年发展，也到约 2020 年才成熟。Chatbot 若简单插广告，还会损伤助手尤其是付费助手的信任。

22. AI coding 可能先通缩工资价值，企业服务则仍要跨越鸿沟

• 市场常把全球几千万至 1 亿程序员、每人约 10 万美元工资推导成数万亿美元 AI 收入池。戴雨森的反驳是：“AI 能替代程序员的工作，并不意味着它能赚到这些程序员的工资。”

• 一旦任务被模型做得容易，它本身就不再值原来的钱。只有最前沿、最 SOTA 的任务暂时可以按用量持续收费；随着能力商品化，它会落入固定订阅，随后趋近免费，甚至转到端侧运行。

• 企业服务是第四条路径。Harvey 等公司今年已出现约 1 亿、2 亿美元 ARR，但年初基数很低；Office Copilot 已有通用场景和成熟技术，实际企业采用仍低于预期，说明大公司部署和采用不会因模型发布自动完成。

• 戴雨森用 Amara’s Law 概括：人们倾向于高估技术的短期影响、低估长期影响。2026 年的问题不是 AI 没价值，而是已投入资本要求快速回报，企业落地却仍处跨越鸿沟阶段。

23. 真正的 AGI 回报应扩展生产力边疆，而非重分广告蛋糕

• 戴雨森引用 Satya Nadella 的标准：若要称为 AGI，应看到 GDP 增长明显加速，甚至全球 GDP 年增速达到 10%。“把蛋糕做大”比模型在榜单上得高分更接近经济意义上的 AGI。

• 在此框架下，ChatGPT 从 Google、Meta、字节手里拿走广告，只是存量再分配；AI 创造新药物、发现新知识、提高整体生产率，才是扩展人类边疆的增量价值。

• 这也解释了 Return 的审慎并非否定长期技术趋势。问题是短期估值隐含了多快、多大的新增回报，而实际商业化可能先经历价格战、信任问题、组织部署和通缩。

24. 投资人开始从纯增长转向毛利、留存和现金流

• 年初不少应用以负毛利增长，Cursor 一度被形容为“把大模型公司的 token 打折卖出去”。当时的假设是 token 会迅速降价，所以先抢用户比当前毛利重要。

• 新问题是应用到底有没有增值能力：即使今天 token 进价是 10 美元，未来降到 1 美元后，产品能否把这 1 美元变成用户愿付的 2 美元，而不是继续低于成本转售。

• 硅谷投资人因此更关心收入质量：毛利是正是负、retention 能否留下用户、现金流是否健康。戴雨森提到，据说 Lovable 已经现金流转正；Midjourney 则从未融资，这些样本提高了市场对“有质量增长”的要求。

• Return 不及预期也可能改变资本节奏。戴雨森预判的风险组合是“高预期和慢落地”：只要回报持续符合预期，investment 可以延续；一旦偏离，市场情绪和后续投入都会受影响。

25. Research 是第二个 R，下一阶能力要等待范式突破

• Ilya 的划分是，AI 会在 scaling 与 research 阶段之间切换：研究找到新范式，随后扩大算力和数据；当 scaling 接近瓶颈，就必须重新寻找突破。戴雨森认为当前正回到 research。

• Dario 也承认，AI 能力继续增加，但经济回报的速度可能放缓，或者说经济回报是不确定的；Demis 则预计 AGI 仍需 5—10 年，并需要一到两个 breakthrough。

• Self-play、持续学习和世界模型是对谈提到的前沿方向。前两者希望模型能继续从自身交互中更新，后者试图通过视觉与逻辑形成对世界的理解，而不是只从静态语料里预测 token。

• Koji 从 Ilya 的访谈保留了另一条研究线索：情绪并非智力的累赘，而近似机器学习中的“价值函数”。一个失去情绪的人甚至可能花一小时无法决定自己要穿什么袜子；若 AI 要提高决策效率，情绪机制也许值得重新研究。

26. New Labs 在宽松组织里寻找下一次 OpenAI 式突破

• 硅谷开始集中投资以研究为导向的 New Labs，包括 Ilya 的 SSI、Mira Murati 的 Thinking Machines Lab、Reflection AI、Hume 等。

• 戴雨森特别指出，Thinking Machines Lab 的天使轮估值据说约 500 亿美元，甚至超过中国生成式 AI 创业公司估值总和。这反映资本仍对下一次研究范式突破抱有极高预期。

• 现有头部模型公司已有明确产品战线：ChatGPT 面向 C 端，Anthropic 聚焦 coding 与企业服务，Gemini 强调多模态。New Labs 的假设是，真正不同的科研路径需要新组织、更宽松环境，以及较少产品 KPI 和时间压力。

• 争议也不能抹去：科研结果高度不确定，VC 的资金与回报期限未必适配基础研究。戴雨森没有断言 New Labs 必然成功，只把它视为美国的新投资趋势，并认为中国也可能出现类似组织。

27. 旧 benchmark 快刷满了，研究需要新的“高考命题”

• 从早期 MMLU 到后来姚顺雨提出的 SWE-bench，benchmark 曾为训练提供清晰方向；现在不少榜单已到 80、85、90 分，每提高几分都需要巨大投入，也越来越难对应用户体验。

• 戴雨森举例：Gemini 3 Pro 编程成绩约 78 分，GPT-4.5 是 80 分出头，榜面只差两三分；实际使用者却会感觉 GPT-4.5 好得多，差距显然不只是 1%—2%。

• benchmark 不只是营销记分牌，也是训练、预训练和后训练判断路线是否正确的反馈。姚顺雨文章的命题因此成立：“AI 的下半场已经到来，我们需要新的 benchmark。”

28. Remember 将长期记忆升级成个人模型和主动服务

• 戴雨森把第三个 R 凑成 Remember，因为 memory 已开始改变留存与体验。他无法验证 ChatGPT 的“微笑曲线”究竟来自记忆还是模型升级，但自己的使用感受明确：三年历史使 ChatGPT 比 Gemini 更懂他。

• 当戴雨森询问春节一周去哪里，ChatGPT 没给通用热门榜，而是依据他偏远、小众的旅行偏好作答，给出了日本屋久岛这个他知道、也很想去却遗忘了的地方。

• 现有 memory 仍主要基于 retrieval，像 AI 带着“大笔记本”，每次回答前翻旧记录。真正的理解应是在模型内部形成“关于你的模型”：即使记不起原句，也能预判你的选择和反馈。

• Online learning 可能让每个人最终面对一个属于自己的模型；再叠加对用户及其上下文的深入理解，就会出现 proactive agent。好的助理不会一直等老板喊，而会提前准备会议材料、察言观色、主动解决需求，戴雨森认为这是潜在“十倍机会”。

29. 2025 也是 AI 真正进入大众日常的一年

• 戴雨森给出的规模信号是：豆包 DAU 破 1 亿，ChatGPT 破 5 亿，且两者都出现早期用户流失后重新回归的“微笑曲线”。这意味着 AI 不再只是从业者的新工具，而开始形成日常习惯。

• 戴雨森的一位朋友在广东大型茶餐厅抬头发现，周围五六桌的小孩都拿着手机与豆包对话；戴雨森为一年级孩子准备 AI 分享时调研到，六岁孩子“百分之百都知道 AI”，并以不同方式交互过。

• 二人也为真格写了关于 2036 年的小作文，但承认十年预测“基本等着被打脸”。这类练习的意义不是精准预测，而是明确自己想要怎样的未来，再决定创业、投资或加入哪家公司。

• 戴雨森对三年变化的真实反应是：“如果三年前有人告诉我今天 AI 能做到这些，我不可能相信。”从 AI 四小龙低潮、硅谷感叹只剩 140 字 Twitter，到重新相信“飞行汽车级别”的创造，他认为时代再次允许创业者 dream big、shoot for the moon。

30. 中国开源、人的 OOD 创造力与真实世界，构成下一阶段的机会边界

• Koji 认为最被低估的仍是中国开源模型。年初创业者还抱怨拿不到模型厂的 SOTA、比赛不公平；十个月后，开源与闭源差距迅速收窄。开源不仅便宜、透明，也让研究者的贡献被全球看见，更能吸引顶尖人才。

• 他的比喻是“开源像核武器”：闭源公司花 5 亿美元训练出的领先能力，六个月后可能被开源追平，短期技术租金随之被摧毁。相应地，语音、视频、Agent、memory 驱动的主动 AI，以及消费电子软硬结合，都仍有大量细分切口。

• 年度产品上，戴雨森把 Manus 放在首位；近期惊喜则是中国团队的 Tuny AI。他用女儿名字生成圣诞歌曲和 MV，孩子反复播放、唱歌跳舞；相较 Suno，它更重视 30 秒、60 秒及全长短视频传播。戴雨森提到，Suno 目前大约有 2 亿美元 ARR，已经形成很强的用户心智。

• 二人最终把人的价值落在 OOD 创造：AI 能从大量毕加索作品中复刻风格，却难创造下一个毕加索、全新笑话或原创公司。Marc Andreessen 所说“用 AI 放大人类创造力的创业者”因此尤其稀缺——人提供 agency 和画龙点睛，AI 再加数百倍、上千倍执行杠杆。

31. AI 提高虚拟生产力后，幸福感更依赖团队、身体与真实世界

• 戴雨森给自己的幸福指数打 9 分，高于许多顶尖创业者约 6.5 分的说法；Koji 打 8 分，并说上一年会更低。戴雨森的差 1 分主要来自希望多运动、照顾身体与家人，而非对事业方向不满。

• 他认为创业的 growing pain 很难消失，因此创业首先是生活方式选择：“做自己喜欢的事情，以自己喜欢的方式过生活，那痛苦也愿意。”投资的幸福则来自好团队、有趣项目、家庭，以及能在资金、资源或情绪上帮助创始人，却不必独自承受全部创业压力。

• 戴雨森年度首推《A Brief History of Intelligence》：从海洋里的单细胞生物写到 GPT-4，以五个阶段讨论智能如何产生；另一推荐《穿越平行宇宙》留下的句子是，“并不是宇宙赋予生命以意义，而是生命把意义赋予了宇宙。”

• Koji 用爱丽丝·门罗的短篇和《远东冰原上的猫头鹰》暂时离开 AI；戴雨森则买过现实中不存在的“蛇颈龙运输车”模型。二人的共同落点是：当 AI 在虚拟世界替人完成更多事情，冰原上的巨大猫头鹰、荒诞玩具和具体生活带来的快乐，反而会更珍贵。