摘要

截至2025年Q3，AI仍沿着OpenAI定义的L1 Chatbot、L2推理、L3 Agent、L4创新、L5组织者路线推进，智能本身的进化仍是主线。 GPT-5评价两极，但榜单表现仍属最领先一档；当固定测评趋近满分，模型可连续执行任务的时长已从ChatGPT初代的几十秒拉到约2小时17分钟。“It actually works”仍是这轮技术浪潮最关键的事实。
强化学习把竞争重心从预训练推向后训练，但真正的飞轮仍取决于合成数据、自我评估和可验证奖励能否成立。 数学、编程因为答案明确而进展最快；其他领域仍卡在环境构建、reward hacking与博士级高质量数据上。让AI生成训练数据是“第一台永动机”，再让AI给AI打分是“第二台永动机”——逻辑简单，工程落地却远未解决。
中国模型正在以开源争夺全球主桌，但头部席位已经从“六小龙”明显收缩。 一个设计师模型榜单的前15名均为中国模型，第16名才是GPT-5系列的一个细分型号；a16z合伙人称其投资的AI初创公司中约80%在使用中国开源模型。庄明浩用“江湖再无六小龙”概括格局：DeepSeek、千问最强势，智谱、MiniMax、Kimi仍在桌上，百川、零一等已淡出核心竞争。
Coding率先跑出PMF，多模态则证明竞争远未终局，数据所有权正在转化为模型优势。 Cursor、Replit、Lovable快速增长，国内大厂即使面对全球化开发者，也会因代码安全而建设自有工具；图片领域从Midjourney到GPT-4o、Nano Banana反复“打完又重开”，视频榜单则被字节、快手、MiniMax大量占据。“谁拥有视频数据”成为解释YouTube、字节和快手系能力差异的关键。
ChatGPT正在从领先模型入口长成平台，产品数据比单一榜单更能解释OpenAI的领先。 截至2025年8月，节目给出的数据是7亿周活、每天25亿次提示；月均使用约13天，付费留存尾端反而回升，出现成熟互联网产品才有的“微笑曲线”。在“AGI还是十亿日活平台”的选择题上，Sam Altman至少阶段性押中了后者。
Agent不是单纯的模型能力，而是模型、脚手架、上下文工程与运行环境的合体。 杨植麟认为第三方产品是在“逆向工程模型训练过程”，模型公司则可把工具和环境直接纳入训练，因此Claude Code、ChatGPT Agent等一方产品的上限可能更高；Manus一方的补充是，Agent比Chatbot多出的第三个角色正是“环境”。这也把投资机会扩展到MCP、记忆、浏览器、computer use、数据库、路由、虚拟机、安全和沙箱。
资本已把AI投成第三条主线，但回报越来越集中于少数巨头和超级交易。 2025年美国VC约58%的金额流向AI，却只对应36%的项目；超过5亿美元的big deal占融资额约63%，而2021年只有18%。二级市场同样分化：NVIDIA、Meta、微软领先，苹果与特斯拉阶段性掉队；即便91%的受访基金经理认为美股高估，现实仍是“相较于持有，抛掉的风险可能更高——人在江湖，身不由己”。
AI最危险的矛盾不是没有收入，而是ARR、毛利和Token消耗可能同时失真。 上线九天便按日线性外推的“千万美元ARR”无法处理年费、退款和留存；头部AI应用毛利可能只有约25%，coding产品约20%-30%，甚至出现“一亿美金ARR、一点二亿美金Token费用”。模型降价也未自动转化为利润，因为用户不会用旧模型，Agent任务长度又以几何速度增长：“一个亏钱的生意建立在另一个亏钱的生意之上”，最终还叠加AI伪内容的信任成本——“AI是问题，AI也是解决方案”。

精读

1. 行业变化快到任何综述都带着保质期

庄明浩为这份PPT设定了明确截止线：8月开始准备，9月4日封稿，9月6日录制；因为“每天早上一睁眼”，前夜的新模型、政策或财报就可能要求重写判断。
制作期间的节点密集到近乎荒诞：8月初Google DeepMind更新世界模型与视频模型，8月6日Claude 4.1，8月8日GPT-5，8月19日DeepSeek V3.1；8月27日国务院发布“人工智能+”行动意见，8月28日NVIDIA交出全球市场紧盯的季度财报。
他把全篇压成三个比喻：“推理像打怪，场景像开图，投资像氪金。”技术、应用、资本彼此咬合，最后通向泡沫、就业与两极分化；至于当下怎么赚钱，朋友给出的戏谑答案是“赚钱靠炒股”。

2. OpenAI定义的五级路线仍在统治大模型

这一轮的原点仍是2022年11月30日ChatGPT发布：GPT-3.5加Chat UI，让人类真正体验到通用大模型的能力边界。比尔·盖茨在2023年3月把AI称为自己继GUI之后亲历的第二次重大技术革命，并与芯片、电脑、互联网和智能手机相提并论。
OpenAI提出的路线至今没有失效：L1 Chatbot、L2推理、L3 Agent、L4创新者、L5组织者。庄明浩的核心判断不是OpenAI永远领先，而是截至2025年Q3，全球头部厂商仍在它定义的坐标系里争夺同一阶段。
Ilya Sutskever面对“深度学习最美丽、最惊讶的想法是什么”时，答案只有一句：“It actually works。”把神经网络做大、喂入足够数据，能力真的持续提升；庄明浩把它类比为“大力真的可以出奇迹”，以及哥伦布找到新大陆后，所有人终于知道那条路确实存在。

3. o1把训练重心从预训练推向后训练

2024年6月Claude 3.5、9月OpenAI o1之后，行业正式进入L2；从2024年Q3到2025年Q1，头部模型公司的共同任务几乎就是复现o1，让Chatbot“慢下来”，把一次回答变成可探索、犯错和收口的推理过程。
Kimi研究人员给出的路径很明确：用RL持续做题，必须有精确reward，不要预设结构化思考模板，让模型自己探索范式并“允许犯错”。庄明浩先把Kimi 1.5与DeepSeek R1并列为关键实现，并补充“Kimi 1.5应该没有开源”；重点在于两者证明了强化学习做题的有效性。
DeepSeek的链条是V3基础模型经强化学习得到R1-Zero，再通过冷启动数据和可用性调整得到R1；R1于5月28日更新为R1-0528，V3又在8月升级到V3.1。由V3.1继续训练可能得到更强R系列，但那是否叫R2、是否要等V4，只有DeepSeek内部能够决定。
头部技术领先窗口当时估计约6至9个月，后来可能已缩短到约3个月。推理模型成为标配不意味着训练结束：基础模型与推理模型仍在持续升级，“智能这件事情本身的进化依然是行业主线”。

4. 强化学习的两台“永动机”尚未真正落地

预训练数据规模化一度被认为正在失效，但模型自己生成原本不存在的合成数据，打开了新的可能；若这些数据能稳定反哺模型，就相当于“让AI训练AI”，是庄明浩所说的“第一台永动机”。
第二台更激进：既然部分模型已被认为达到人类博士水平，能否让模型给模型答案打分、构建reward？如果成立，自我训练可能进入加速循环；但“永动机是一个违背物理规律的逻辑”，盘起来容易，真正实施仍有大量问题。
数学和编程有可验证答案，其他领域却缺乏稳定奖励函数；环境如何软硬结合、怎样避免reward hacking、如何取得高质量数据，往往是工程问题。Meta以148亿美元投资Scale AI并带走核心团队，折射出数据工作的升级：2018年标注道路、人车与路牌，今天则由程序员、医生、律师、金融从业者乃至博士为模型评分。

5. 榜单失灵后，任务时长成了新的能力尺

GPT-5发布后的口碑高度两极化，甚至有人要求换回旧模型，但庄明浩只看测评数据时仍把它放在全球最领先模型之列；与此同时，头部模型单位成本继续下降，长期趋势接近“每年降一个数量级”。
麻烦在于固定榜单一旦成为KPI，厂商就会围绕题库优化，很快把分数推近100。模型继续进化时，人类反而失去了有效测量工具；这不是能力停滞，而是尺子先到头了。
Agent开始执行人类工作后，连续完成任务的时长成为替代指标。早期ChatGPT一次问答只有十几秒，节目引用的GPT-5相关数据已到约2小时17分钟；从几十秒跨到数小时，体现了任务执行时长的数量级变化。

6. Agent延续了“更通用、更少控制”的路线

2025年即使只看前三季度，也足以被称为“Agent之年”。一个开源模型、开源数据库的平台统计显示，近几个月AI Agent创建的数据库已达到人类的4倍；若未来互联网中更多运行的是AI Agent，今天为人类设计的生态似乎都可能被重做。
从L0到L3的共同方向是通用、更少控制、更强学习。追求通用意味着早期不可能在每个垂直场景都优于专用方案，却也意味着L3看起来不应长期依赖预设workflow，而应更多由模型自行解决。
使用体验总在“简单—复杂—简单”之间摆动：L1最初只需聊天，随后出现提示词工程；L2推理模型又能理解简单指令；L3曾被大量workflow包围，现在则重新走向由通用模型自行拆解任务。

7. 中国以开源挤上主桌，但席位已经明显收缩

庄明浩用“江湖再无六小龙”描述中国模型格局，并把DeepSeek与千问视为全球最领先的两套开源AI模型。7月中国模型密集更新、8月全球头部继续跟进，开源看起来已从差异化策略变成行业共识，但“开源到底是目的还是手段”，各家公司答案并不相同。
一个面向美术与前端设计师的平台上，开源模型榜单前15名全部来自中国，第16名才是节目所称的GPT-5系列一个细分型号；a16z合伙人在Reddit称，其投资的AI初创公司约80%正在使用中国开源模型。庄明浩保留疑问：这是阶段性结果，还是趋势起点？
若语言模型仍是AGI主桌，美国席位包括OpenAI、xAI、Google、Anthropic和仍未离桌的Meta；中国是阿里千问、DeepSeek、智谱、MiniMax、Kimi，另有法国Mistral。百川、零一万物等原“六小龙”成员已经淡出，字节、腾讯、华为也不在他列出的当前核心席位表里。
DeepSeek迟迟未发布R2正说明命名不等于路线：V3.1之后可以继续强化学习，但它究竟是新R系列、传闻中的R2，还是等待V4后的更大升级，节目没有替公司下结论，只给出“静观其变”。

8. Coding率先跑出PMF，安全又造出本土需求

“当机器掌握语言，强人工智能就到来了”代表语言中心论；但coding本身也可被视为一种语言。若AI能写出世界上所有代码，coding究竟是大语言模型的子集，还是通向AGI的另一条路径，就不再只是分类问题。
无论答案如何，Cursor、Replit、Lovable等已经用高速收入增长证明，AI coding可能是本轮最早找到PMF的应用方向。模型厂商也因此竞相推出编码能力和第一方产品，竞争覆盖客户端、云端、数据库、安全、前后端与应用生成。
庄明浩原本以为程序员使用英文写代码，天然是最无国界的人群，国内厂商未必需要重复建设；后来他改变了判断：如果腾讯、字节、阿里、美团或小红书的内部代码都流入第三方工具，CIO不会接受。安全需求会像当年企业自建IM一样，强行创造本土AI coding市场。

9. 图片与视频的战争远未结束，数据所有权决定排名

Stable Diffusion在2022年8月开源，早于ChatGPT；Midjourney到2023年就说其AI ARR达到2亿美元，庄明浩估计今天可能已到5亿美元。图片生成曾多次被宣布“战争结束”，却先后被GPT-4o的吉卜力风格和Google Nano Banana重新打开。
Nano Banana的图片编辑、一致性与视角转换让他想到“言出法随”：把人物、商品和背景重组后仍保持一致，甚至能从俯视切到平视、从正面推导背面。图片仍像移动互联网时代的摄影类App，是持续诞生新产品的兵家必争之地。
视频从“威尔·史密斯吃意大利面”的失真阶段，走到Veo 3实现声画同步；图片、图生视频、文生视频和视频编辑的边界随之快速模糊。节目引用的榜单里，字节、MiniMax、快手可灵占据大量前列位置，OpenAI最好的模型在一份文生视频榜单中仅排第13。
庄明浩给出的机制解释是数据：美国最强视频数据源是YouTube，但即使同属Google，版权灰区也限制其完全开放训练；中国的字节和快手既拥有大量视频，也有真实生产场景，因此此前视频模型进展和榜单占比更占优势。

10. 语音、3D和世界模型把AGI主桌继续外扩

8月27日的语音榜单中，MiniMax排第1和第3，OpenAI排第2和第4，ElevenLabs占第5至第7，Fish Audio第8。庄明浩据此判断，语音模型所需人才、算力和数据门槛低于文本、图片和视频，是小米、B站、小红书等中型厂商AI Lab的“绝佳性价比之地”。
这个判断隔天就被修正：8月28日OpenAI发布GPT Realtime API，微软也推出两款自研模型，其中一款是语音模型。语音不只是中型厂商可以切入的侧翼市场，也变成了巨头必争之地。
3D领域里，腾讯、微软、Roblox等游戏公司拥有数据与使用场景，可能具备天然优势；再向前一步，Google Genie 3、李飞飞的World Labs以及9月3日发布首版世界模型的腾讯混元，把局部生成推向可无限扩展的虚拟世界。“元宇宙”的旧叙事由此换了一套技术底座回来。

11. 从模型到数据中心，AI形成了巨头资本闭环

Gartner 2025技术曲线上，AI Agent站在“期望膨胀的峰值”，生成式AI开始滑向低谷，云计算已进入稳定阶段。庄明浩借此提醒：技术不是单向上涨，不同阶段对应的产品预期和资本需求完全不同。
过去两年形成了一条简单而昂贵的链：更多资本建设数据中心，训练更强模型，产生更好结果，再支撑巨头股价与下一轮CapEx。2025年亚马逊、Meta、微软和Google四家的相关投入超过3000亿美元，AI也因此像“美股七姐妹”的共同叙事。
美国数据中心建设投资已快速接近办公室建设投资，前者上升、后者下降；庄明浩把它描述为硅基世界的“办公室”即将超过碳基世界。这个画面带有玩笑，却直指算力基础设施正在挤进宏观投资的核心位置。
微软近几个季度云收入增量高于AWS，他归因于微软与OpenAI的深度绑定；亚马逊虽投资Anthropic，但后者此前也大量使用Google Cloud。最终受益者仍是NVIDIA：从游戏显卡、Web3挖矿到AI数据中心，完成“三波Combo”，市值升至4万多亿美元。

12. ChatGPT正从模型入口长成平台

截至2025年8月，节目给出的ChatGPT数据是7亿周活、每天25亿次提示；7月流量仍有约135%的增长。面对“AGI还是十亿日活平台”的选择题，Sam Altman当然都想要，但实际优先级明显偏向平台。
更重要的是付费留存：一般产品随着月份拉长，留存应持续下降，ChatGPT的曲线尾端却开始回升。庄明浩称其为“微笑曲线”——品牌、竞争壁垒或垄断跨过临界点后，老用户反而更稳定，抖音、拼多多曾出现的现象正在ChatGPT重演。
Sensor Tower口径下，ChatGPT月均约有13天被使用，已从发布早期的约4天持续上升；对比数据是Claude约12天、xAI和Twitter约13.7天、Google约18.6天。单看外部访问量，他认为Chatbot流量之战已经基本被ChatGPT打完。

13. Agent的上限取决于模型、产品与环境如何合体

在Chatbot里，用户给模型一句话，模型返回结果，关系只有用户与模型；Manus创始人之一Peak的框架是，Agent增加了第三个关键元素——环境。产品团队真正建设的，往往不只是聊天界面，而是模型可以长期工作的运行空间。
杨植麟从模型厂商一侧解释：许多第三方Agent是在基础模型上搭“脚手架”和工具，本质是逆向工程模型训练过程、享受能力溢出；模型公司做一方产品时，可以先设计工具、上下文工程与环境，再直接在其中训练模型，因此理论上限可能更高。
Claude Code和ChatGPT Agent是他点名的一方产品。杨植麟说，Kimi当时对一方产品的投入仍不算多，主要精力还在模型训练；未来关键不是一方必然吃掉三方，而是双方怎样分工、生态是否允许第三方继续获得模型溢出。
Agent基础设施的“环境”远比界面宽：MCP等协议、记忆和上下文、浏览器与computer use、数据库、模型路由、结果呈现、虚拟机、沙箱与安全都在其中。用户看到的Agent只是冰山尖，能否可靠运行取决于水下工程。

14. 榜单显示中国应用强势，社交陪伴却藏在擦边流量里

a16z第五版Top 50榜单中，Web端有12个中国公司或产品，App端有22个，接近一半；其分类是服务本土的巨头、面向全球的出口者，以及美图这类“内外兼修”的混合选手。中国优势并不只存在于模型开源，也体现在应用产品化。
被媒体忽略的数据是，Web前50里有10个社交或陪伴产品，比例并不低；但多数仍停留在与虚拟角色聊天的“1.0体验”，且大部分内容带有NSFW或轻度擦边。庄明浩追问得很直接：“除了做擦边这个事情还能干点什么？”
更有设计感的尝试包括外星角色陪伴产品Tolan、与小动物交流的林间疗愈室、类似AI朋友圈并延伸手环硬件的独响，以及AI男女友产品Eve。冷静从投资角度看，部分项目的突破仍主要发生在交互和设计层，商业化、增长与模型壁垒尚未被证明。
对无法继续争夺基础模型主桌的公司，社交是一张副桌：字节、美团、昆仑、MiniMax、作业帮、元象、西湖心辰乃至游戏厂商都在尝试。游戏公司用可语音交互的NPC解决任务，也让游戏、陪伴与世界模型重新连成一条线。

15. 模型能力溢出后，应用边界比分类更快扩张

a16z榜单第一次同时出现Gemini、NotebookLM、Google Labs和Google AI Studio四个Google项目；好处是各条业务线都在进展，另一面则是部门墙仍然清晰。尽管如此，模型与产品表现都使市场重新讨论“Google回来了”。
Nano Banana最能体现能力溢出：开发者花生把女友室内照片和一个海滩地图位置交给模型，生成了几乎无破绽的海滩旅行照。庄明浩看到后评论：“把这个功能封装起来，似乎就是一个小产品了，这个产品可以叫云旅游。”
三色塔统计的不是AI应用绝对数量，而是AI带来的品类新增量；增长第一名竟是营养与美食，宗教与灵性也很靠前。他的解释是，这些领域原有能力薄弱，AI带来的边际增强最直接，因此反而比拥挤的通用工具更容易产生新品。
Web Coding则从2024至2025年“生生抠出”约10亿美元新增市场。Anthropic选择all in coding，Claude Code增长甚至开始影响Cursor；但OpenAI和Google作为领先者不能只押一个方向，于是coding之后，营销、HR、创业等一切工作都可能被重新Web化或Agent化。

16. ARR已经成为最流行、也最容易被滥用的数字

BVP用“18个月达到1亿美元ARR”定义AI超级明星，榜单和融资新闻也普遍以ARR衡量公司。但ARR究竟是年收入、年订阅还是线性外推，退款、折扣、年费确认和周期波动都缺少统一处理。
庄明浩引用朋友兰溪的讽刺：“上线不满一年的产品不允许用ARR这个指标，立法了已经，违者死刑。”一个产品上线9天，把收款额乘40便号称千万美元ARR；若其中是一次性收取的年费，等于把不该重复的收入再外推了40次。
Manus披露约9000万美元“真ARR”时，给出的办法是直接看支付后台：年费除以12，月费计入当月，再把月度经常性收入乘12。庄明浩的总结是：“真男人就直接给你开支付后台，别给我扯那些run rate。”

17. 二级市场已经按AI兑现能力给巨头重新排位

标普500前十大公司市值占比已接近40%，NVIDIA季度财报也成了世界经济晴雨表；但“大数定律”开始生效，即使收入再创新高并达到预期，市场也不再自动兴奋，增长减速本身就足以引发调整。
四家巨头的AI路径各不相同：亚马逊主要靠AWS，Google同时覆盖应用、模型、云和芯片，微软的全栈故事受制于与OpenAI的新关系，Meta则用AI修复广告定向能力。Meta没有终端设备的旧劣势，被模型驱动的广告效率部分抵消。
截至约8月20日，节目引用的年内涨幅是NVIDIA约30%、Meta约28%、微软约21%，七巨头平均约10%；亚马逊和Google各约5%，苹果约跌10%，特斯拉约跌18%。模型不强并未阻止Meta受益，产品和广告收入兑现比模型榜单更能支撑股价。
其他得益者更极端：Palantir约90倍PE、250倍PS，在标普500估值图上“一骑绝尘”；AppLovin卖掉游戏业务、聚焦广告，也直接受益于AI推荐效率。庄明浩用格雷厄姆的话收束：“股市短期是投票机，长期是称重机。”

18. 一级市场的钱越来越多地堆向少数超级交易

美国2025年约58%的VC投资额流入AI，却只占约36%的项目，节目给出的过去三个季度融资规模约4400亿美元。差额来自定价：AI项目在种子轮就可能比普通项目多融约40%，后期交易更是几十亿乃至上百亿美元。
OpenAI前CEO米拉·穆拉蒂的新公司仅凭团队，天使轮就融资20亿美元、估值120亿美元；Anthropic随后融资130亿美元、估值1830亿美元。庄明浩对这种定价的概括是“姜太公钓鱼，愿者上钩”。
超过5亿美元的big deal已占市场约63%，2021年最疯狂时也只有18%；基金端同步集中，2025年上半年Top 10基金拿到市场50%的资金，Top 30达到74%。AI创业的集中化与资管行业的马太效应彼此强化。
Anthropic已有约86名投资者，OpenAI约83名，Hugging Face约53名，SPV又把实际资金来源藏到更多层级之后。OpenAI与Anthropic公开反对投资人再套SPV；庄明浩也提醒，对那些自称OpenAI、SpaceX投资人却缺乏正规机构背景的人，需要追问究竟是直接股东，还是只在某个通道里放过一点钱。

19. 超级独角兽不急于上市，并购先成了主要退出渠道

字节、小红书等公司业务增长、持续融资和老股交易都很顺畅；节目提及的市场估值约为字节3300亿美元，小红书公开数字约310亿美元、真实成交可能接近380亿美元。只要想卖便有人买，公司甚至可以回购员工股权，于是“为什么还要上市”成为真实问题。
2025年被庄明浩称为“绝对意义上的并购大年”：到年中，交易规模已超过2023、2024全年，AI相关并购约为五年平均水平的两倍。大量交易是“掏空式并购”——给投资者流动性、用高价拿走核心人才，原公司和业务壳仍然存在。
OpenAI也从被投资对象变成收购方：任命应用部门CEO菲姬·西莫后，又以约11亿美元收购应用数据监控公司Statsig；超级非上市公司同样可以扮演产业整合者，不必等IPO后才开始并购。
IPO本身尚未真正开闸，但Figma制造了极强样本：天使轮每股约0.09美元，上市当天一股110美元；按上市初期几天的价格计算，Index回报约1850倍，A轮约480倍、B轮约240倍、C轮也接近100倍。即使股价随后从高位腰斩，这种回报仍足以重燃风险偏好。

20. 泡沫证据已经充分，市场却更害怕提前离场

标普500的PE、PS已超过1999至2000年互联网泡沫时期，AI数据中心和基础设施投入占GDP比重也超过当年互联网基础设施；按通胀调整后，今天头部AI公司累计估值同样高于当时，且很多最大公司尚未上市。
Sam Altman已经公开承认AI投资存在泡沫；一份MIT报告以“95%的企业AI尝试没有效果”触发美股连续数日、每天约2至3个点的调整。庄明浩读后的评价却是，报告的数据来源、调研方法和推导质量都不高，市场仍被一个骇人数字击中，恰好证明情绪“过于紧绷”。
美国银行调查约3000名基金经理，其中91%认为美股估值过高；同一份报告却说，相比继续持有，卖出这些股票的风险可能更高。不是投资者不知道贵，而是基准、职业风险与错失上涨让他们“人在江湖，身不由己”。
就业问题则需要保留时间维度：过去几年的岗位下降不能简单甩锅给AI，因为没有AI时也会发生失业；未来影响尚不确定，但现有迹象显示，入门级工作受到的直接冲击可能大于更高级岗位。

21. Token的几何增长正在吞掉AI应用毛利

BVP数据显示，增长很快的AI应用毛利可能只有约25%，远低于传统SaaS常见的50%-60%；模型公司可能还有50%-60%，AI coding应用常见约20%-30%，某些阶段甚至为负。“毛利为负行不行”已从玩笑变成估值必须回答的问题。
庄明浩把产业链画成一场击鼓传花：用户付钱给应用，应用用收入和VC补贴购买模型API，模型公司再用收入和融资支付云与芯片。于是公司可能拥有1亿美元ARR，却承担1.2亿美元Token费用——“一个亏钱的生意建立在另外一个亏钱生意之上”。
“模型成本每年降十倍”没有自动救利润，原因有二：用户不会用旧模型，“就跟没有人会看昨天的报纸一样”，最先进模型的单价并未同步降十倍；Agent任务又从几十秒延长到数小时，节目引用的增长速度约每7个月翻一番，Token消耗是几何而非线性变化。
结果是模型与应用都在重做计价。Claude Code曾出现每月付200美元却消耗数万美元Token的“榜一大哥”，这种套餐无法长期持续；与此同时，QuestMobile显示仅约三分之一AI App和Web产品增长，插件却有约四分之三增长，但独立创业者的难题是：“谁他妈甘心做个插件呢？”

22. 叙事通胀与AI伪内容正在同时透支信任

A股的“喜新厌旧”已被段子化：寒武纪一度约91倍PS、555倍PE，利润改善前PE甚至超过4000倍，估值逼近Intel。年初的估值笑话是“有1%概率成为NVIDIA，所以值NVIDIA的1%”，后来接近2%，便变成“英伟达不就是美国的小寒武纪吗？”
寒武纪股价超过茅台后，庄明浩提醒这在A股历史上近似“诅咒”：多家公司超过茅台后最终跌去99%以上。段子本身不是交易依据，却是温度计——当“不持有寒武纪而惶恐不安”成为“不寒而栗”，市场热度已经溢出基本面讨论。
产品营销也形成了固定SOP：“全球首个”叠加足够多定语，介绍视频堆满“端到端”等黑话、CEO正脸、邀请码和同日媒体投放。一款玩具被称为“全球首个端到端AI互动玩具”，普通用户追问含义，官方只解释成“拥有媲美真人的流畅互动体验”；连a16z都开始教创始人拍产品视频、经营社交媒体，套路化已深入到投资机构。
更棘手的是信息污染：阅兵与特朗普恶搞图、假的梁文锋知乎回答、虚构的DeepSeek融资消息，都可能被多个AI反复总结、引用、再收录，最终失去可追溯源头。9月1日起实施的AI生成内容标识办法要求平台做显性或隐性标识，庄明浩认为未必能根治，但“有总比没有强”；整期最后只剩一句悖论：“AI是问题，AI也是解决方案。”

Mercor 高速增长的秘诀与其中的聪明人｜对谈 Mercor 首位中国员工虞快 114. 与殷一、欧迪聊聊萨洛蒙：中国意外的增长阀门、小众越野跑与少女故事