拆解2025：AI的泡沫、拐点与幸存者 郑庆生x刘英俊x李彦男x李广平

摘要

• 2025 的拐点不是单一模型发布，而是 AI 从“接下茬”跨到“直击结果”：DeepSeek 抬高了市场情绪，Devin 让任务可以异步完成，Claude 3.5 打开了 coding/Agent 空间，Nano Banana Pro 则把普通消费者带到可感知的“iPhone 4 时刻”。 刘英俊真正受震动的时刻早于 DeepSeek：Devin 是“第一个能让你离开屏幕去完成一个任务”的产品。模型与产品仍在双线高速演进，押注某个静态能力领先并不足够。

• 这一轮可能出现的商业范式变化，不只是又一个注意力平台，而是从“房地产生意”转向“劳动力生意”。 互联网把商品、服务和内容标准化后分发；郑庆生设想，未来泛白领劳动力可能极其充裕，平台价值转向连接人的完整意图与劳动力。刘英俊判断，供给侧革命还没有真正发生，但“已经快了”。

• Total Record 与 AI 硬件化可能形成长期数据飞轮：此前从未被记录的会议、通话、操作和生活过程，正在成为可分析的原始材料。 刘英俊把互联网过去的数字化称为“浅层次的数字化”，把这一轮称为“深层次的数字化”；他的使用原则是“先把它记录下来再说”。郑庆生对 2026 年的明确期待之一，是“数据和智能都硬件化”，同时解决采集与执行。

• AIGC 没有按最初预想直接消灭 UGC，更现实的路径是“人驾驶 AI”，人的领地持续缩小但仍负责意图、专业判断和画龙点睛。 推荐数据只告诉模型什么结果受欢迎，却未必包含脚本、分镜、灯光、表演等生成过程；郑庆生把 AI 比作“学业特别好的博士生”或“最大公约数”。但刘英俊也保留另一种可能：know-how 最终会沉到底层，人类甚至不再需要理解过程。

• AI 内容的采用拐点不在于能否以假乱真，而在于用户是否还 care：Sora 2 视频带水印、明显由 AI 生成，评论区仍只讨论剧情和梗。 这类似人类从无法理解电影剪辑，到接受闪回、特写和复杂蒙太奇；内容产品的下一范式可能把剧、动漫、游戏合并成实时生成、可交互的一类体验，“你爽就行了”。

• 早期投资最危险的不是没有方法论，而是把幸存者写下的必要条件误当成能推出未来的充分条件。 行业巨变期应对大趋势极度乐观，对具体产品保持开放；刘英俊认为“我们的描述往往是有毒的”，“AI 时代的抖音、微信、小红书”并不存在。模型能力如上涨的海平面，创业公司必须做随水位抬升的“船”，而不是终将被淹没的“柱子”。

• 巨头跟进不必然是利空，它可能验证市场足够大；但每个周期真正进入下一代巨头名单的公司仍只有“一只手数得出来”的几张门票。 Midjourney 仍有约 7 亿美元 ARR，科瑟和 ChatGPT 也被作为非共识现象讨论；这说明品牌、习惯、认知与创始人特质可能比短期技术差异更深。最难复制的差异，最终可能落在“个人的激情和时代共振”。

• 嘉宾不否认短期会有大量落水者，却认为“是不是泡沫”不是最有用的问题：运河、铁路、电信、电商和百团大战都曾伴随泡沫，流动性本身是创新的福利。 郑庆生认为，若算力需求接近无穷、单位算力继续变便宜，五至十年的产业尺寸仍可能被线性外推低估。刘英俊具体预测，到 2026 年底或 2027 年初，早期投资人可能不再专门讨论 AI；他还预测豆包 DAU 可能达到 5 亿、海外排名第三，以及微信会出现实质性的 AI 能力。

精读

1. 2025 的转折先发生在 Devin，DeepSeek 放大了市场情绪

• 主持人的年度时间线从 DeepSeek 开始：随后中国模型和 Agent 密集出现，市场情绪明显抬升；刘英俊却把真正的转折点放在年初使用 Devin 新版本的那一刻。

• Devin 最震撼他的不是代码能力，而是“第一个能让你离开屏幕去完成一个任务”：用户给出目标、离开界面，系统规划、执行，完成后直接交付结果。主持人随后把这种能力概括为“直击结果”。

• 两年前团队讨论 Agent 时还“有一点像写小说”，Devin 则让刘英俊意识到“那快来了”。李广平补充说，人与实习生早、中、晚布置任务、追进度、收结果的沟通过程，被 Devin 数字化成了产品关系。

2. ChatGPT、Rewind、Devin 定义了三种真正的 AI-native 产品

• 李广平列出的第一个原生范式是 ChatGPT：互联网诞生以来，普通人第一次能与一个系统对话，并得到明确、即时、自由且多维的反馈。

• 第二个是 2023 年的 Rewind——让软件长期驻留在电脑和手机上，看见并记录用户的一举一动。这种产品在 AI 之前“不会有人想这样去设计”，只是当时技术还处在很早期。

• 第三个是 Devin：它没有把 AI 限制在聊天框，而是把真实工作中的委派、等待、追问和交付变成 Agent 工作流。三者分别重写了对话、记录和任务执行。

3. Claude 3.5 打开 coding 空间，Nano Banana Pro 抵达消费者的 iPhone 4 时刻

• 模型侧最超预期的节点被郑庆生指向 Claude 3.5：此前 chatbot 主要依据上下文“接下茬”，Claude 3.5 则开启了 coding 与 Agent 范式；再叠加 OpenAI 的 o 系列模型，探索空间从“平面”变得更立体。

• 郑庆生把 ChatGPT、Claude 3.5、Nano Banana Pro 视为三次近似“iPhone 时刻”的跃迁，并在 2025 年的产品中选择 Nano Banana Pro。谈话时它发布还只有约两周，用户仍在不断发现新玩法。

• Nano Banana Pro 的意义在于视觉和娱乐让非技术用户也能立刻体感：像 iPhone 4 相比初代 iPhone，不再只是极客认可，而是每个人拿到手都能说“真帅、真流畅”。这被视为一个 tipping point。

4. AI 把数字化从纸面供给推进到未记录的人类过程

• 刘英俊把互联网阶段称作“浅层次的数字化”：文章、地址、电话和纸面信息被搬到线上，但大量谈话、操作和判断过程从未留下可计算记录。

• AI 时代的“深层次数字化”开始收集会议录音、通话、屏幕操作乃至生活过程，一下子为模型增加大量此前不存在的材料。处理能力先到位，记录本身才从存档变成潜在资产。

• 这种变化甚至重写人与机器的语言：给大模型留言时，刘英俊只关心信息点有没有说全，不再在意先后顺序或中途补充，因为模型可以重组意图。“表达不清楚也可以得到结果。”

5. 互联网分发标准化供给，AI 匹配完整意图与最终交付

• 过去二十年的主线，是把信息做成文章与推荐条目，把商品做成图片和文案，把咖啡、奶茶等服务做成照片加描述，再通过平台完成标准化分发。

• AI 的差异在需求侧：一个人能够表达更多意图、背景和约束，系统可能不只检索既有条目，而是从完整意图推进到任务交付。投资机会因而可能出现在“意图—执行”的整条链路。

• 互联网创新的基础单元是连接，修路、运河、电信和平台都可归入网络扩张；这一轮则是网络里加入智能，人与 AI 共同存在于业务流中并持续协作，旧周期经验因此只能部分适用。

6. 当前的工具繁荣更像移动互联网早期，而非消费平台终局

• 讨论把今天的 AI 应用类比为 iOS 初期的天气、日历、万年历和 productivity 工具：偏工具、偏 To B、功能简单，但并不代表此后仍由这类产品主导。

• 移动互联网后来才出现 O2O、社交、短视频和手机游戏；AI 也可能仍未走到“技术平权、底层完善、产品百花齐放”的阶段。今天看到的灵光一现，只是新范式的前置实验。

• 网络效应等旧规律未必失效，只是当前还没有真正形成成熟的 To C 交互，也没有形成大规模的 AI 生产内容、再供他人消费的模式。未来一个人周围可能同时运行几十个工作或娱乐 Agent。

7. 技术与产品双线演进，使静态壁垒比上一轮更脆

• PC 与移动互联网的网络基础设施在应用爆发时已相对成熟；大模型时代则是基础技术和产品同时高速变化，模型榜单、能力边界和产品形态持续改写。

• 过去一些技术进步藏在幕后，等市场确认变化时，产品格局往往已经形成；这一轮技术和产品几乎同步变化，静态的技术领先未必能形成长期安全。

• 范式成熟也可能来得很快。类似 LBS 最终隐入美团、滴滴底层，用户记得的是产品价值，而不是支撑它的技术主题。

8. Sora 2 让“是不是 AI”退出内容消费的中心

• 刘英俊回忆 10 月、11 月刷到大量 Sora 2 短视频：水印明显，观众一眼就知道由 AI 生成，但评论区已不再讨论模型，而是在讨论剧情和梗是否有趣。

• 他认为关键不是生成内容能否伪装成人类作品，而是“用户已经不 care 它是不是 AI”。时间继续往后，用户可能分不出来；即使分得出来，心态也已经改变。

• 电影史被用作类比：早期观众无法理解剪辑和特写，甚至会以为画面里的人“被砍了一半”；今天观众能自然理解闪回和复杂蒙太奇。AI 内容也可能在某个点突然完成认知跳变。

9. 新交互最初往往显得冒犯，成熟后却会变成肌肉记忆

• 短视频的全屏单列、自动播放和自动出声，最初都不符合“用户主动选内容、点播放、拖进度条”的旧习惯，甚至在公共场合显得冒犯；后来却成了最自然的消费方式。

• Pinterest 的瀑布流与 Twitter 第三方客户端的下拉刷新，被用来说明产品范式如何形成：某个设计先解决移动端的真实限制，随后被全行业复制，最后用户忘记此前的界面是什么样。

• AI 视频剪辑、分镜和工作流仍处于类似阶段。谁先把交互做得足够好，谁就可能定义之后产品默认采用的范式，而不是只赢得一个功能窗口。

10. AIGC 没有简单取代 UGC，人类暂时转为驾驶者

• 主持人承认自己三年前一度认为“什么 UGC 都 go to hell 了”，AIGC 会更快、更强地接管供给；三年后，模型产能虽大幅提升，高质量小说和完整视频仍需要人干预。

• 主持人把修正后的路径概括为“UGC 会慢慢演化成 U 在驾驶这个 AI”，也就是 AI Copilot UGC。人的堡垒会越来越小，画龙点睛的“眼睛”也可能缩小，但过程可能很漫长。

• 这一判断仍保留开放性：未来 AIGC 是否会跨过独立生产高质量内容的门槛，主持人表示自己也不知道。

11. 推荐结果不能直接还原创作过程

• AI 被郑庆生比作“学业特别好的博士生”与“抽象和最大公约数”：通用能力很强，却未必懂投资、医学或导演工作，需要专业人士补上领域知识和最后判断。

• 主持人的追问是，抖音积累的大量喜好数据能否直接指导模型生产更受欢迎的内容；郑庆生认为这些是结果数据，只说明什么好，却不说明“怎么造成这个好”。

• 一部好电影背后还有脚本、分镜、导演、灯光、舞美、服装和化妆。没有进入制作现场，平台就缺少中间过程数据；但刘英俊也提出，know-how 最终可能像 HTTP 一样沉入基础层，用户不理解也不在乎。

12. Manus 让模型主动寻找通往结果的路径

• 郑庆生描述自己在 Manus 中要求系统筛选一段时间内所有华人创业项目；Agent 不仅自己开发程序，还主动思考“华人创业者到底怎么定义”，设定原则后输出结果。

• 震撼点不只是推理和逻辑，而是“没有人告诉它这样做，它这样做”。AI 从执行显式步骤，转向为了触达结果自行创造工具与补足定义。

• Claude 3.5 的 coding 能力则打破了早期 chatbot 的边界：最初模型连两位数加两位数都可能算错，与更智能的搜索没有本质区别；后来编程和规划空间被打开。

13. ChatGPT 接近 10 亿 MAU，真实使用渗透仍可能处于早期

• 主持人提到 ChatGPT 已接近 10 亿 MAU，再叠加豆包等国内产品，绝对用户规模已经庞大；但身边不少同行接受 AI 的速度仍明显落后于行业想象。

• 关于中国市场的去重渗透率，李广平判断“可能还不到 10%”，同时认为 10% 已非常可观，因为搜索本来就是固定刚需，用户默认先问豆包或 ChatGPT 已是明显的行为迁移。

• 分歧在于这是不是新需求：郑庆生认为豆包可能主要升级搜索等既有业务，还没有像百度出现那样带来全新的需求；但他也认为对话和多模态可能是重要的产品创新。

14. 对话是被低估的 killer app，自然语言开始接近 coding

• 郑庆生把 ChatGPT 和豆包视为目前最大的 game changer 和 killer app；其核心创新不只是搜索答案，而是用对话表达意图并推进任务。

• “对话本身就接近 Coding”：一个四岁小朋友只要能把意思说清楚，就可以让模型找信息、解释世界或完成事情，多模态对话尤其降低了接触知识和工具的门槛。

• 这也解释了对话形态为何可能比单个功能更大：它不是要求用户学习软件，而是让软件适应人类本来就会使用的表达方式。

15. Memory 开始把工具变成了解工作习惯的主动助理

• 刘英俊把自己的文章、PPT 和分享资料喂给大模型，建立个人分身；面对串场演讲等任务，模型已经能用“几乎和我一样的口气”写稿，显著节省时间。

• 刘英俊把 GPT 作为搜索、思考和整理工具，几乎所有输出都会经过它；同时从年初开始记录电脑、手机会议和微信通话，“也不知道这些东西记录干嘛，但是先把它记录下来再说”。

• GPT-5.1 的一次追问成为他的 aha moment：模型根据 memory 主动问“要不要像以前一样，我帮你总结成一段话”，他只回“Yes”，便得到一段可以直接复制使用的项目简介。

• 刘英俊有时还会要求模型列出关于自己的全部长期记忆，逐条检查并纠错。主持人则认为，主动性一旦形成习惯，失去 AI 辅助写 memo 或处理任务可能会让人不舒服。

16. 审美权重可能下降，偏好与意图成为新的控制面

• 郑庆生提出“暴论”：编辑、导演和编剧曾用一群人的审美影响另一群人；推荐引擎与 AI 则让统一审美的权重下降，用户自己的偏好、信息流和意图变得更重要。

• 主持人追问这是否会强化信息茧房；郑庆生回应，推荐系统会因划走而停止展示不喜欢的内容，AI 对话却可能主动给出不同观点，用户还能继续辩论，因此茧房有机会被打破。

• 这并非断言 AI 必然中立，而是对交互机制的比较：单向分发优化即时偏好，持续对话则允许不喜欢的内容留下来，成为进一步讨论的对象。

17. AI 已经进入儿童记忆，而儿童不需要先理解 AI

• 郑庆生用一句 prompt 和两个儿子的照片生成每周一两个冒险视频：哥哥被设定为超级英雄，弟弟跟随成长，兄弟关系和成长主题因此进入孩子对自身的叙事。

• 主持人把它概括为“用 AI 给孩子创造了新的记忆”。孩子不知道 AI 是什么，却已把生成角色视作自己与兄弟，生活经验和机器生成内容深度耦合。

• 郑庆生认为这对自己来说是正面的事情，同时也承认十年、二十年后可能会出现不同结果。李彦男则对电视、互联网、手机和 AI 被称为“毁掉一代人”保持总体乐观，认为技术总体扩大了普通人可享受的文化供给。

18. 创业史由幸存者书写，必要条件不能推出下一个赢家

• 主持人回顾自己旁观多个周期后的不安：“下一个周期的人从上一个周期学习时，那些文本实际上是幸存者写的。”失败者没有媒体发言权，许多路径与教训直接消失。

• 郑庆生提醒，后人从成功者叙事中看到的只是必要条件；身处新周期真正需要的却是充分条件，因为投资者必须从今天推导未来，而不是解释已经发生的结果。

• 刘英俊认为，行业剧烈变化、技术不断移动，个人主观能动性又会让同一起点发酵出完全不同的结果，因此早期“没有那么多方法论”。

19. 直播、短剧与机器人愿景都先以争议或荒诞的形式出现

• 李广平举例说，直播刚出现时，很多人不理解为何要长时间看陌生人说话、还要与其互动；短剧也曾有争议。今天这些形态已分散进入内容和商业的各个节点。

• 刘英俊认为，早期投资的可贵信号，有时是创始人能让人 dream big，哪怕愿景“crazy”甚至科幻。王兴兴曾说想“用机器人去造机器人”，这句话比当时可验证的商业路径更打动投资人。

• 他的想象是：造比山、比奥特曼还大的机器人，也造小到纳米级的机器人。故事听起来无厘头，却表达了跨形态探索的长期方向，也体现“个人激情和时代共振”。

20. 投资框架像物理学：不断吸收 outlier，而不是假装理论永远正确

• 郑庆生把创业判断类比物理学：经典力学、相对论等体系在各自阶段都能自圆其说，直到新现象跳出边界，迫使人寻找更 general 的理论。

• 投资行业也会在抖音、语速等 outlier 成功后倒推 pattern，扩张旧框架；实际下注时，则在 founder passion、已有体系外推和赔率之间动态调整，纯理性与感受都无法单独完成决策。

• 郑庆生认为，传统、能算账的行业可以更数据驱动；技术浪头与极早期项目则应更乐观地支持看起来奇怪的人，因为经验过滤很可能先过滤掉真正的新东西。

21. 非共识不是奇怪本身，而是数据出来前持续不被相信

• 抓娃娃直播曾显得新奇好玩，又同时满足联网、直播和线下行为，但很快被巨头复制；这说明它是好的产品 idea，却未必构成适合创业公司的长期事业或壁垒。

• 字节与抖音的推荐逻辑在很长时间内是非共识，李广平坦承自己曾不认同字节和抖音，最后被事实打脸。灯下黑的价值恰恰在于，共识形成前没有拥挤交易。

• Midjourney 仍有约 7 亿美元 ARR，被李彦男视作已发生的非共识现象：即使更强图像模型不断出现，其收入仍在增长。李彦男愿意对这种现象保持开放心态。

• “科瑟”和 ChatGPT 也被李彦男作为非共识现象讨论：很多人认为 ChatGPT 可以更易用、功能可以更方便地唤起，但它仍以相对简单的产品形态发展至今。这反驳了“功能越丰富，产品越强”的直觉。

22. 最深的竞争差异最终落到不可复制的创始人个性

• 主持人把壁垒分成多个深度：最浅是技术领先及其持续时间，再往下是网络效应、用户习惯与品牌，然后是认知与非共识，最深处才是创始人的激情、个性和长期取舍。

• “投资是我能找到的最好工作”与“投资是我最好的生活”看似接近，实际代表完全不同的驱动力。主持人借《论语》概括：“知之者不如好之者，好之者不如乐之者。”

• 这种差异无法被巨头通过增加预算复制。技术、分发和功能都可能被追平，创始人是否把事业视作“生命的喜悦”，却会持续改变组织的速度与选择。

23. 不存在“AI 时代的抖音”，用旧时代名词描述未来反而有毒

• 刘英俊认为，可以高概率判断智能会越来越强、越来越便宜，所有人都能“唾手可得地获取智能”；但无法预先描述具体产品将长成什么样。

• 他的警告是：“我们的描述往往是有毒的，你带着太多上个时代的痕迹了。”寻找 AI 时代的抖音、微信或小红书，本质是在要求新范式长得像旧赢家，“这件事情是不存在的”。

• 李广平则用动漫中的“机械降神”描述未来 To C 产品：真正重要的产品可能突然引入此前完全没有想到的规则，找到全新的灵感，而不是沿旧能力树线性升级。

24. 巨头名单每轮只增加少数名字，旧玩家更多是被遗忘而非消灭

• 每次创新都会重新问“巨头吃掉更多，还是创业公司获得机会”；讨论中的经验是，每个周期真正进入下一代巨头名单的名字很少，移动互联网新增者“一只手数得出来”。

• 腾讯、阿里等公司可以跨周期积累，Google 也能让“大象跳起舞来”；创业者争夺的仍是少数超大门票。郑庆生认为，巨头跟进不等于机会消失，创业公司面对的只是巨头内部的一个部门。

• 上一代玩家更常见的结局“不是被淘汰，或者不是被消灭，而是被遗忘”。门户网站可能仍有用户，但已经不再占据公众脑海最重要的位置，也不再代表“时代最强音”。

• 李广平认为，组织能否跨越业务枯萎，取决于创始人精神、企业文化与自身生命力。业务基底变化时，这些因素可以继续做乘法；组织僵化时，原有产品衰退就会拖着公司一起衰退。

25. 短视频接近注意力经济的认知极限，AI 必须打开新的价值维度

• 李彦男把短视频称作人类历史上可能 top five 的媒体门票，甚至是“文字级”的变化：单位时间消费 ROI 高、形式兼容直播、电商、知识、娱乐和游戏，且天然适合广告变现。

• 郑庆生认为，手机也可能接近便携显示装置的交互极限：正好能放进口袋，随时取出；眼镜或把界面投到手上，未必比掏出手机更自然。短视频则近似“把你拉去看一眼”，已模拟人类最直接的认知传递。

• 因此，下一代巨大产品未必继续争夺眼球和用户时长。刘英俊认为，新的范式可能发生在人的眼球之外，处理用户来不及亲自处理的信息与任务。

26. AI 平台可能从注意力地产商转向可调用的劳动力市场

• 过去互联网公司像“线上的地产商”：聚集用户、出售注意力，再通过广告、商品和服务变现。郑庆生认为，若要求 ChatGPT 也成为泛娱乐平台，它在刺激效率上未必胜过上下滑短视频。

• 郑庆生提出另一条主线：当泛白领劳动力极其充裕，每个人拥有一个乃至 N 个助理，平台价值将来自连接意图与劳动力，“从房地产生意变成劳动力生意”。

• 刘英俊因此认为，不应继续只押注抢时长与分发渠道，而应让普通人获得更好的劳动力。编程已展示了一个早期样本——原本需要高密度智力介入的任务，可以交给电脑自己完成。

27. 异步云端世界让“时间已被打满”不再是产品天花板

• 李广平设想，未来的助理、分身和 Agent 可以一直存在于云端，异步处理任务。用户不在线时，另一个世界仍在运行。

• 他把它想象成“多维宇宙”：大量 Bot 在其中工作或提供娱乐内容，人的二十四小时不再是系统产出的硬上限。这为 Agent 平台提供了不同于注意力平台的增长逻辑。

• 刘英俊认为通用 Agent 和 Assistant 的能力尚未释放，今天看起来“很傻”，类似最早短视频只能刷几条、显得无聊；一旦跨过拐点，可能带来真正的供给侧革命。

28. 多人、多 Agent 协作可能成为创造力的新容器

• 主持人把四位参与者的漫谈类比成四个不同 pre-train、post-train、技能包和 RAG 知识库的 Agent 相互碰撞；差异化背景使同一句 prompt 在每个人脑中触发不同联想。

• 郑庆生提到 OpenAI 已在 ChatGPT 中加入群组功能。这个功能目前可能还比较无聊，却可能预示未来一群人和一群 AI 共同讨论、分工和产出。

• 设想四位同事再加入四个 Agent，或让设计、Web Coding、通用任务等多个 Agent 围绕同一播客页面互相协作，结果可能比单一模型更有创造力，而不只是“被逼着干活的牛马”。

• 主持人说“所有的诗歌实际上都是 Prompt”：诗句信息量很低，却能调用读者自身模型。好的 Prompt 也许 98% 是 crap，但只要 2% 让某个人灵光一现，就具有价值。

29. Total Record 的商业价值尚未被“录音笔”这个外壳解释清楚

• AI 硬件的核心机会不是多一个设备，而是发现仍未被数字化的数据场景。过去录下信息却无法大规模分析，所以没有动力记录；现在分析能力先出现，采集才变得可做。

• 主持人认为，会议纪要和录音产品从商业 PMF 到未来潜力都符合逻辑。市场常把它们浅层理解为“录音笔”，甚至追问手机为什么不能录。真正的问题是，所有谈话可被长期分析后，会解锁什么服务与决策。

• 主持人还考虑过直接开项目，把一个人的录音、照片、手机信息和其他传感数据长期保存；他的判断是，这些材料理论上已能“完整地还原一个人的一生”。

30. 错看 Character.AI 与短视频供给，暴露的是对情感和创造力的低估

• 李广平曾对 Character.AI 极其兴奋，认为人与 AI 在同一空间角色扮演、讨论问题，上限可以达到数亿乃至 10 亿 DAU；后来发现它“可以打扮得像任何一个人，但是它就是不是那个人”。

• 他并未完全否定方向，而是认为当时的技术可能不够 ready：与“爱因斯坦”Bot 对话能提供外形和语言，却无法满足用户真的想与那个人交流的期待；多模态和长期记忆或许会逐步逼近。

• 刘英俊回看短视频时承认，自己曾认为普通用户拍不出优质内容，后来发现方言梗、生活技能和各种小组创作形成了此前无法想象的形态。“完全低估了人类的创造力。”

• 主持人回忆，早期也有人担心中国用户太内向，不会举着手机在街上跳舞。产品结构只要足够开放，用户就会从消费者变成创造者，供给问题可能在规模化教育后突然被解决。

31. 早期项目的“大不大、巨头做了怎么办”需要被重新提问

• 李彦男回忆早期接触小红书、B 站和抖音等项目时，静态数据很难显示终局：小红书在 10 亿美元估值前后仍在社区与海淘电商间探索，B 站早期主要商业模式有很大一部分是游戏，抖音也曾只有数百万 DAU。

• 美国账单协商 Agent 是另一个认知偏差样本：系统替用户打电话，针对医院、保险、银行、停车费账单争价或“帮你吵架”，最初听起来不像大众需求，后来有两三家公司发展得不错。

• 对早期 AI 公司，与其只问商业模式是否已 work、ARR 是否够快、赛道是否太卷，不如看团队进步速度、产品结构是否开放、赛道是否足够宽，以及是否存在明确反证会令公司中途死亡。

• 郑庆生认为，巨头投入资源反而可能令人兴奋：它验证方向够大，而创业公司只是在与巨头内部的一个部门竞争。Chatbot、coding、通用 Agent、视频剪辑都处在这种共振与正面竞争中。

32. 模型涨潮时，创业公司必须成为船而不是柱子

• 刘英俊转述一位创业者提供的比喻：模型每次迭代都像海平面上升；若产品只是固定高度的“柱子”，能力刻度迟早被基础模型淹没。

• 如果公司做的是“船”，模型进步、成本下降乃至资本泡沫都可能把它一起托高。投资判断因而不只看当前功能，而要看产品能否持续把底层升级转化为更高价值。

• 李广平还提醒，不要只是“用新的工具造马车”：某些领域在前一两个周期始终打不出水，不能仅因 AI 出现就线性类推为大机会。需要重新调查此前失败究竟源于技术限制，还是市场与用户行为本就不同。

33. 泡沫是创新的燃料，但长期趋势不会替每条船兜底

• 郑庆生回答“现在是不是泡沫”时认为“还不够泡沫”，包括美国市场；理由是把时间拉长到五至十年，异步云端、多个 Agent 和持续交互对算力的需求可能仍被严重低估。

• 李彦男称这是“非常典型的伪问题”：百团大战、电商、门户、电信、有线电视、铁路和运河周期都出现过泡沫。若泡沫在基础设施扩张中不可避免，判断其阶段性存在并不能直接指导行动。

• 李彦男认为，泡沫甚至可能是创业者和投资者的“福利或者奖赏”，因为充足流动性允许大量创新同时涌现；若所有项目始终按看似理性的低价格融资，探索数量反而不足。

• 他们的乐观有明确条件：算力需求接近无穷、单位算力继续下降、产业增长可能是指数级而非线性。主持人同时强调，长期趋势成立不代表个体安全，航海时代仍有大量人死在路上。

34. 超级个体正在把组织从岗位集合改写为意图集合

• 关于亲自创业的选择，李彦男想重做 ACGN，把视频、交互和游戏结合；郑庆生不愿做 CEO，更倾向十人以内甚至个人行动；主持人想做记录完整人生的 AI 硬件；李广平关注实时、可交互的多模态应用。

• 郑庆生提到一家仅三人的公司：大量 Agent 二十四小时监控数据、写代码，人类早上 review。AI 工具繁荣后，任何创业点子都值得先问“一个人是不是能干掉”，超级个体甚至可能形成超级公司。

• 主持人还讲到一家不再严格区分产品、策划、Coding 和工程的公司：任何人有 idea 就发起，三四天内上线，快速获得流量和反馈。一名实习生用 Gemini 3 做了一个网站，接入 Nano Banana 服务对外提供，成为公司最赚钱的业务之一。

• 该早期业务一天收入约 1 万至 2 万美元，实习生“跟做梦一样”。案例说明岗位技能树与资历的解释力正在下降，能提出意图、调动工具并快速闭环的人获得更高杠杆。

35. AI 会重估人才、职业与 venture studio 的组织方式

• 李广平观察到，顶级研究员可能获得数亿美元 package，可能是人类历史上第一次出现单个员工回报远超许多 CEO 的情形。工具杠杆把少数人的产出放大后，最顶尖人才已经成为“超级人类”。

• 郑庆生认为，传统科层制本就落后于信息技术，现在差距进一步扩大；未来公司可能由两三个关键人物加大量 AI 组成，产品、增长、运营和工程岗位边界持续弱化。

• 刘英俊认为，Venture Studio 可能进入更好的时代：一个人同时尝试多个方向，半年内验证、挣钱或退出，再切换下一机会。职业不再是一辈子的固定身份，而是企业家暂时与一群人形成组织。

• 主持人把这套变化概括为：“主观意志乘以工具能力的巨大提升，可能会变成创造力的大爆发。”关于普通经验是否仍值得模型学习，郑庆生更强调专家知识，李彦男则认为梗、音乐与幽默仍需要普通人发现和标注。

36. 原始数据、数据库和 PPT 都可能被 AI 重新定义

• 主持人认为，企业软件过去要求按预设颗粒度记录数据、定义字段、接入 ERP 并维护系统接口；若原始信息保存得足够完整，AI 理论上可以在事后按不同维度重组流程和视图。

• 郑庆生进一步提出，未来未必需要像以前一样定义某种数据格式，数据库的很多东西可能发生变化；但他也承认这只是方向性的“暴论”，背后的基础设施变迁尚未展开。

• 郑庆生转述一位 CEO 对“怎样让 AI 做出更好的 PPT”的反问：“为什么还要有 PPT？”Deck 是旧时代压缩和顺序展示信息的容器，未来可以把需要交付的信息放进一个容器或 AI 工具，以视频流呈现，并让接收者实时追问、看到不同版本。

• 主持人认为，信息授权也可能从“给你看或不给你看”变为渐进披露：LinkedIn 必须一次展示大量对方不关心的个人信息，AI 则可只回答当前问题，让用户在交互中逐级开放必要内容。

37. 2026 的具体押注集中在硬件、多模态、豆包与微信

• 郑庆生期待“数据和智能都硬件化”：一类设备持续记录生活，一类设备接收指令后真正把事情办完。到下一次录制时，系统或许已能基于全部历史生成他的个人脚本。

• 李广平押注实时可交互多模态跨过产品门槛：传统的剧、游戏、动漫分类可能合并成同一类动态内容，未来内容可以按用户互动即时生成，“你爽就行了”。

• 李彦男认为，视频模型若在速度、实时性和成本上达到类似 Nano Banana Pro 的 PMF，API 发布后会迎来“产品经理狂欢”；大量此前受制于生产成本的交互玩法将同时出现。

• 刘英俊更激进地预测，到 2026 年底或 2027 年初，早期投资人可能不再专门讨论 AI，AI 会变成大家不再关心但无处不在的常态。

38. 豆包被押注到 5 亿 DAU，微信被视为重要的 AI 容器

• 刘英俊给出具象预测：豆包到 5 亿 DAU，并在海外市场位列第三，仅次于 GPT 和 Gemini；这不是现状判断，而是留待一年后复盘的大胆预判。

• 微信被多人同时选中。李彦男认为，今天大家对 AI 手机、智能助手、虚拟人和数字人的很多想象，都可能在微信上实现，不需要付出太多额外努力。

• 主持人认为，腾讯动作慢在这里可能是优势：它“几乎不犯错”，经常等 PMF 清晰后再进入。视频号比抖音晚接近六年，单 DAU 仍接近 4 亿，被用来证明腾讯的壁垒仍然很强。

• 讨论的判断是，微信可能成为 AI 渗透既有生活的重要容器；与此同时，真正属于新周期、今天尚无名字的产品仍会从创业公司中争夺那几张超大门票。