“悲观者正确，乐观者成功”，和好友亚婷聊聊AI行业的种种

摘要

• 庄明浩把早期 VC 归结为概率游戏：一轮泡沫可以“全军覆没”，仍不意味着当时拒绝下注必然更高明。 元宇宙若在某个平行宇宙跑通，少数赢家足以覆盖错误；真正的问题是投资人能否接受先下注、后验证的节奏。“悲观者往往正确，但乐观者成功。”
• AI 把创业试错从一次长期押注改造成连续开枪：同一笔钱过去支撑一个阶段，现在可能够团队“开六枪”。 用户需求、团队适配等底层原则没变，但产品一两个月即可决定继续或停止，投资人的阶段判断、团队要求和年龄形成的经验包袱都必须重估。
• 应用公司快速达到 1 亿美元 ARR，可能正是基础模型厂商开始封住其天花板的时刻。 Cursor、Lovable 等公司之后，OpenAI Codex 等能力迅速下沉；Harvey、Legal Run 登上榜单后，Claude也进入律所场景。垂类数据、工作流、skill 与 API 不能算稳定护城河，最多是阶段性护城河，但能维持多久没人知道。
• 模型竞争正在由语言、multimodal、coding 三张主桌走向同一张桌，资源和战略取舍将决定阶段胜负。 庄明浩认为 Anthropic 把 coding 硬生生拉成独立赛道，Google 靠多模态一度占优；视频侧 Seedance 2.0、快手、阿里、Google 及十余家公司同时下注，而几家头部玩家的共同特征是“不会有任何犹豫”。
• 企业最危险的不是暂时算不清 AI 的 ROI，而是一直等标杆给出标准答案。 AI 像拍篮球，“没有办法通过看视频去学会拍球”，只能先用起来形成手感；讨论已从“能不能、该不该”迁移到“build 了什么、卖了多少钱”，本身说明产业正在进入更重视兑现的阶段。
• 中美 AI 竞争并不只在模型分数，而在数据、算法、算力、能源和自主生态的整套堆栈。 庄明浩称美国前五大公司可能控制全球 75% 以上的算力，中国全部算力合并后仅相当于第四或第五名；DeepSeek V4 延期约四五个月与华为合作，其生态价值可能比单次模型是否登顶更重要。
• 庄明浩推演，AI 跨过能力线后，人的稀缺性可能从技术转向直觉、表达和关系，但过渡期会充满拉扯。 李世石与 AlphaGo 的故事说明所谓“公平”只能靠人为限时、让子和输入限制维持；若 AI 连 Faker 依靠千百次训练形成的临场直觉也能侵入，人类最后的阵地也可能被推进。庄明浩对打工人终局偏悲观，却强调惯性与组织会让中间过程持续：“然后的事情才重要。”

精读

1. “屠龙之术”是旧经验失效后的主动表达

• 易亚婷回溯两人 2018 年相识时，庄明浩还是被销售人员抢在演讲前加微信的“大佬”；她说自己每次想加上他的职业头衔时，他都只愿意留下“屠龙之术主播”。庄明浩解释，身份越来越不重要，个人表达可能更重要；非正式场合他通常只保留“播客主播”这一较圆融的身份。

• 节目名来自朋友对一期字节增长史访谈的评论：用户增长、运营和移动互联网方法论都曾是屠龙技能，但“世界已经没有龙了，所以你会的东西都过时了”。庄明浩索性为这些失去主流市场的经验保留一个表达场所。

• 《屠龙之术》约在 2024 年 9 月启动；当时科技行业的声音或许只有一半属于 AI，如今可能已到 90%。节目也从承载移动互联网旧史，逐渐变成大半讨论 AI 的观察窗口。

• 易亚婷在开场给出的反差颇能解释其价值：ChatGPT 刚发布时，庄明浩用六小时逐一分析 YC 投过的两三百个项目；几年后，他当年看好的项目估值从 5,000 万美元涨至 100 亿美元，但他仍把自己定位为媒体找不到专家时负责补位的“专业美缝选手”。

2. 主题轮动加速，让资深投资人的经验变成包袱

• 庄明浩 2011 年加入经纬，2015 年下半年离开；第一段经历覆盖社区、电商、游戏、广告、平台，以及随后兴起的动漫、电竞、二次元和 B 站那一代内容公司。此后他做了三年多游戏直播，创业失败，2019 年 6 月重返经纬。

• 第二次回归恰逢“元宇宙”从无人问津到全行业争抢。早期 VC 过去可能每一年或每两年出现一个主题，后来几乎每季度换一次，新主题还会把旧主题直接踢出视野；投资人若第一步没参与，后面往往“步步都参与不上”。

• 2020 至 2021 年的美元基金放水与激烈竞争把估值推到庄明浩难以接受的程度：公司可能只有一个团队，便融资数千万美元、获得数亿美元估值。他承认自己无法说服自己以这种价格和节奏下注，于是选择离开。

• 临走时，他给老板们的建议不是复制自己的谨慎，而是“找几个年轻人，不要找我们这些老登”：少些包袱，把项目扫全，先闭眼投几个。问题只在于，这套策略他能从旁建议，却无法亲自执行。

3. VC 赌的是概率，不是每一次都证明自己正确

• 易亚婷追问那批疯狂项目是否善终，庄明浩直答“那波全军覆没了”；但他的结论并非谨慎因此获胜，因为 VC“不需要保证每次都成”，只需有一个结果成功。

• 他的反事实推演是：若平行宇宙里的元宇宙真的成立，当初所有投资似乎都值得。投资决策因此不仅关乎事实判断，也关乎性格、风险偏好，以及一个人能否接受自己多数时候可能犯错。

• 三十五岁左右的庄明浩逐渐确认，自己的偏好已不适合那种早期下注状态。面对易亚婷关于投资原则是否应当一致的追问，他承认需求、满足方式和团队适配仍是底层答案，但新的人、新的受教育方式和新的理解，会要求投资人修改自己的判断参数。

• AI 进一步缩短验证周期：过去一个决定要埋头很久才知道去留，现在几个月甚至一两个月便可停掉重来。同样的钱从支撑一个阶段，变成可尝试六个阶段、开六枪；改变的不是战略常识，而是阶段评估和团队执行的标尺。

4. AI 已经进入知识工作的前三道工序

• 面对“搜集资料、发现规律、用大白话表达，哪部分 AI 不能取代”的问题，庄明浩回答：“都可以啊，现在都可以了，而且越来越可以。”他用厨师做菜拆解自己的内容生产，说明替代并非一句抽象判断。

• 第一步是购买原材料，即每天高速浏览、收集信息并放进知识库；第二步是洗切加工，AI 已经能对复杂英文图表完成 OCR、语义理解、趋势和含义解释。原本耗费经验与耐心的整理工作，在他看来“已经没有任何问题”。

• 第三步是大厨式统筹：决定做几道菜、各需什么材料、几个锅怎样排序。庄明浩称这一阶段自己与 AI 大约“一比一”；第四步才是狭义烹饪，即 PPT 和演讲逐字稿等最终输出。他先说这一阶段几乎不让 AI 介入，后来在被追问时估计最终输出大约已经一比一，仍保留部分手工。

• NotebookLM 和 Nano Banana 出现后，把复杂文字、图片、表格整理成可视化内容已足以应付非严肃场景。他把相关演讲命名为“最后的手搓”：坚持更多是老手艺人的自我要求，不再具有牢固的技术理由。

5. 地缘政治的主桌仍是金融、制造等传统行业

• 易亚婷从近期中美互动追问特朗普来华原因，庄明浩明确拒绝装懂：“大国之间的竞争我怎么会知道啊？”但他观察，代表团中直接与 AI 相关的可能也就黄仁勋或马斯克，只是马斯克现在也不太做 AI；更多公司仍来自 Visa、银行、波音等传统金融和制造行业。

• 科技圈高度关注芯片管制是否松动，但他判断相关议题“谈都没谈”，至少优先级没有从业者想象得那么高。两国元首处理的是更广泛的关系，“我们的期待可能有点过于给自己加戏了”。

• AI 反倒在传播层制造了醒目的变化：黄仁勋背包、搬茅台或搬芯片的合成图兼具创意和真实性，普通人第一眼很容易相信。庄明浩认为，2025 年图片模型已跨过靠肉眼寻找破绽的阶段，Nano Banana 是生成与理解结合的重要转折点。

6. 技术跨线之后，版权和就业都无法靠技术本身解决

• 易亚婷指出，传统 Photoshop 的造假成本与审核成本大致一比一，AI 则让生成规模远超平台审核能力；她认为眼下只能通过政府要求，为 AI 内容加标签或水印。她还提出，现有内容版权体系可能在未来一段时间不再适用，但新的版权制度“也没人知道”。

• 庄明浩补充，视频生成涉及皮卡丘等受保护形象时，版权归属本身就是问题，海外厂商会不断起诉；难点不是模型能否生成，而是法律、社会、人文如何重新划界。“技术本身早就已经没有任何问题”，制度却没有同步答案。

• 对横店、真人剧和传统制作流程的冲击不会因某家公司克制而停止：即使 Google 或字节不做，也会有另一家公司把技术推过线。“跟潘多拉魔盒一样，打开可能就回不去了。”

• 庄明浩不接受轻飘飘的“新工作总会出现”：下一个平衡何时形成、长什么样、多少人能分享新增机会都无法预知。尤其危险的是人才梯队——入门工作被吃掉后，中年人的下方没有新人练习空间，大学毕业生又首先失去进入行业的台阶。

7. 1 亿美元 ARR 既是成功刻度，也是模型厂商的瞄准线

• 关于基础模型公司的边界，庄明浩给出的答案近乎残酷：“现在看起来没有边界。”一旦某个 AI 应用被证明确实有效，模型公司就会顺着收入信号进入，不再把它视为不值得做的垂直小市场。

• Cursor、Replit、Lovable 等 coding 公司很快达到 1 亿、甚至 2 亿美元 ARR，随后 OpenAI 的 Codex 等模型原生产品跟进。原公司可能仍增长，但“天花板被封住了”。

• 法律 AI 重复了同一故事：Harvey、Legal Run 登上最快达到 1 亿美元 ARR 的榜单后，Claude 推出了面向律所的法律应用。法律行业的数据安全、隐私和合规要求或许构成缓冲，却未必是稳定、永久的城墙。

• 易亚婷代 Agent 创业者提出反论：垂类数据、工作流、大量 skill 和 API 就是积累。庄明浩的回答保留了时间维度——这些不能算真正的护城河，最多是阶段性的护城河；阶段有多久、壁垒能垒多深都是问号。最现实的玩笑是“最好先不要到，到了就被人盯上”。

8. 三张主桌终将并成一张，阶段胜负取决于不能瘸哪条腿

• 庄明浩把 AI 战场分成语言从语言进化到 reasoning、multimodal、coding 三张主桌，分别以 OpenAI、Google、Anthropic 为代表。coding 原本只是语言的子集，却因 Transformer 加强化学习特别适配、收入增长又过快，被 Anthropic“硬生生”拉成独立赛道。

• 三条路线像从不同山面攀向同一顶峰，最终可能合成一桌；但当下没有厂商能同时把三件事都做到最好。OpenAI 阶段性更在意与 Anthropic 的 coding、Agent 竞争，因而暂时把多模态放到后面，这首先是当前资源无法同时兼顾的结果。

• Google 曾凭 Nano Banana 及多模态长板，在去年下半年至今年春节前后被市场视作赢家；春节后几个月则是 Anthropic 在赢，因为“coding 在赢”。Google 可以有取舍，却不能让 coding 这一条腿瘸得过分。

• 纯模型研发也不再是预先憋好“大招”：团队每月叠版本、加功能，再看市场、用户和对手是否给出正反馈。coding 的突起本身带有意外性，未来会不会再杀出第四条路，同样没人能先验决定。

9. 视频模型的资本消耗，将淘汰无法承诺“不犹豫”的玩家

• 视频赛道已有字节 Seedance 2.0、快手、阿里、Google，以及 PixVerse、Vidu、HiDream 等十余家可叫出名字的模型公司。市场无比大不等于能容纳十余个基础模型，未来两三年的竞争压力反而因此更高。

• 庄明浩连续给字节、快手、阿里、Google 等玩家使用同一定语：“不会有任何犹豫。”视频分别连接它们的主业、平台或多模态长板，意味着竞争对手不能指望这些巨头因短期亏损主动退出。

• Imagen 2 在他看来未必让纯生成能力发生同幅度跃升，真正值得注意的是世界知识能自动补齐画面细节。Nano Banana 把图像生成和理解放到了一起，人类找破绽的旧审核方式已很难奏效；一旦这类能力过线，就会继续往前走。

10. 企业学习 AI 只能靠“拍球”，等标准答案等于退出比赛

• 庄明浩给不关心 AI 的企业主的建议是“别焦虑，先用起来再说”。AI 像打篮球或拍球，无法靠看教学视频获得手感；也不是专门空出一大块时间“学习 AI”，而应把它放进日常动作里持续使用。

• 易亚婷替企业主提出常见等待策略：让头部公司先趟出路线。庄明浩的回应是，变化速度决定这里没有稳定标杆；一直等下去，最后只能像观众看科比和乔丹打球，自己彻底失去上场念想。

• 她继续追问：许多百人、千人组织还停在 chatbot，也依靠惯性活得很好；即使加 AI，短期似乎也没发生什么。庄明浩承认组织变化不会瞬间完成，现阶段“coding 到底 build 了什么、卖了多少钱、ROI 是什么”也没有好答案。

• 但争论对象已经变了：行业不再争论 AI“能不能、应不应该”，而是追问产出和 ROI。纳德拉所说的 AI 带来比如 10% 的 GDP 提升仍遥远，但 GDP 本就是滞后指标，组织改造也需要时间，不能用尚未显现的宏观数字否认正在发生的变化。

11. AI 会把组织推向超级平台与超级个人

• 庄明浩的悲观推演是，未来可能只剩大模型和超级个体，少数巨大组织也会继续存在；依靠信息摩擦生存的中间层受到最大挑战。中介之所以存在，是因为信息不充分；若 AI 把摩擦压到极低，中间结构便失去经济理由。

• 游戏行业提供了最具体的样本：未来或许一端是超大型在线游戏，另一端是为表达而生的超小独立游戏。原本商业化的中体量游戏空间收缩，要么做成大平台内的插件，要么退回纯流量驱动的小游戏。

• Roblox 式平台拥有物理引擎、AI 引擎、开发工具、支付、运维和云服务器，开发者只需做一个 mod 或模块，不必再搭完整公司。越先进的 AI 能力越需要巨额资本推进，使用者又可能必须进入巨头生态，分化因而自我强化。

• 这不是人数变化的确定预测，而是可能的组织形态：极少数 OPC 与巨大公司并存。庄明浩反复保留“不知道”“有可能”，因为中间态会被挑战，却仍可能凭惯性、组织和各种复杂因素持续相当长时间。

12. 中美竞争的硬约束在算力，DeepSeek 押注的是自主生态

• 对“去依赖”的追问中，庄明浩称 DeepSeek 正在推进与华为的合作；DeepSeek V4 延期约四五个月，其中那段时间用于这类合作。按月更新已成常态时，这类努力本身就是“非利益导向”的投入。

• 他认为，这项工作的意义可能高于 V4 是否成为当期市场最强模型，其生态帮助会在下半年逐步显现；DeepSeek 融资的潜在投资方与叙事，也和这条自主化路线连在一起。

• 算力差距仍然巨大：按他引用的统计，美国前五大公司可能占全球算力 75% 以上；若把中国全部算力合成一个主体，大概只能排到全球第四或第五位。美国优势来自 GPU，中国可用的相对优势则是电力、能源及未来可能突破的存储等元器件。

• 数据早在本轮 AI 之前就是博弈焦点，TikTok 事件发生在 2021 年；算法反而较难形成绝对秘密，因为硅谷工程师中“一半可能都是华人或者中国人”，研发也已从个人英雄主义转为团队协作。姚舜宇的概括被庄明浩用来解释中国为何追得快：“算法没有秘密。”

13. 当能力不再稀缺，人的价值转向直觉、关系与表达

• 对齐首先卡在“人类是谁”：同一个问题交给 Kimi、豆包、DeepSeek、元宝、ChatGPT、Claude，答案不仅文字不同，连性别感、情绪、乐观程度和理性程度都不同。所谓正确价值观没有一条可画出的线，模型差异因此不可能完全消失。

• 模型差距究竟扩大还是缩小，庄明浩保留两派判断；benchmark 超过 80 分后或许已“基本够用”，但 DeepSeek R1 出现时人们就说够了，此后一年零四五个月仍高速进展，GPT-5 出来时同样的争论也没让竞赛停下。旧 benchmark 的结果并不代表太多，讨论最终仍会落到人的体验。

• 李世石提供了比当下多数人多走几步的样本：从轻视 AlphaGo，到第二局怀疑自己、第三局破碎、第四局重新建立优势，再到承认那只是职业生涯唯一一次、最后一次用类似“阴招”的方式赢棋。后来他要求 AI 每步 20 秒、自己不限时，再让两子，把这称作公平；耗时数周赢下一局后取消让子，现实再次击碎了他。

• 如果不是马斯克最近对 xAI 的调整，xAI 的模型今年可能会与 Faker 所在的 T1 对战；这场对抗若要公平，应限制模型操作电脑的延迟。DeepMind 正测试的相关模型也要求它只看屏幕、操作鼠标键盘，不能读取后台数据。

• 节目中，主持人向一个未明确身份的 AI 提问：如果要保证战胜 Faker，应该问 Faker 什么问题。答案指向怎样判断对手紧张、怎样察觉自己被针对——这些来自千百次训练、身体状态与临场反馈，而非操作规则。人类最后的阵地可能就是这种直觉。

• 音乐把终局推得更冷：悦耳旋律只是有限排列组合，现有歌曲已足够几代人消费，音乐模型也可以在令人不难受的区间里继续排列组合。继续创作的理由便不再是多产一首歌，而是“你想表达什么、想让谁听到、想得到什么反馈”；水面以下被淹没，略高于水面的真诚反而获得超额传播。

• 快问快答里，庄明浩承认打工人的未来如果只有一个结论，可能是“断头路”，但这一代未必见得到极端终局，组织惯性或许足够许多人走到退休。人与人协作也不会消亡：纯信息交换最容易被替代，眼神、气味、身体反馈和现场氛围却会越来越珍贵。

• 如果继续推到极端，人可能在营养舱和虚拟世界里消耗时间，甚至把某种数字永生变成标配；这幅图景赛博朋克，却不是当下行动的答案。庄明浩留下的不是乐观保证，而是越过终局恐惧后的追问：“然后呢？我们就不活了吗？……之后的事情才重要。”