摘要

今年中美AI叙事正式分岔：美国资本给OpenAI等标的“主权级资产”的AGI溢价，中国资产则更早进入“看财报、看DAU和留存”的阶段。 划算是表象、折价才是本质——“中国所有AI初创公司的估值加起来可能都不如一个Thinking Machines Lab的出道估值”，因此美元VC押注中国团队的工程化、应用与Agent，而不为大模型梦买单。
Reverse CFIUS（OIR法案）令华人AI创业进入决绝选边时代，Benchmark、Sutter Hill、Greylock等顶级美元机构形成“decoupling of capital and talent”的默契。 Benchmark 7500万美元投Manus后遭美国财政部问询是标志事件；HeyGen回购早期股东、总部迁洛杉矶，跑通“华人团队+中国技术红利+硅谷资本+全球市场”的极窄通道，而黄敏达律师提醒Manus迁新加坡“并不值得大家借鉴”。国内融资额一亿美金以上，就会面临与中国切割的选择。
中国一级市场经历短暂春天，钱汇向具身智能、AI应用与Agent、多模态、AI硬件四大方向，2025年Q2流向硬件的资金超过了软件。 截至Q2具身与AI硬件投融资总额突破145亿人民币，头部具身公司账上现金不低于十亿元；中国智能眼镜同比增长121%，AI眼镜因占据面部“核心三角区”被视为下一代交互入口的核心战场。
云启陈宇的窗口论：顶尖项目的融资窗口往往只在几个月内，就像2016年的自动驾驶——今天还在牌桌上的公司当年在一到两个季度内集体登场。 非共识变共识的速度急速缩短，因为ChatGPT爆发前已有六七年技术积淀、只是资本没有进入；但“中国市场上能够做出独立判断的机构和人很少”，绝大多数项目只是“在iPad上看报纸，今日头条现在还没有出现”。
硅谷排位赛年内快速变化：年初冲击SOTA的仍是ChatGPT，年终是Anthropic，下半年则变成Gemini；GPT-5发布后“现有Transformer架构下scaling law的天花板可能已经出现了”。谷歌凭Gemini 2.5 Pro史上首次同时制霸文本、视觉、Web开发三榜以及Nano Banana翻身，给OpenAI带来巨大压力并促使其借星际之门去微软化；Oracle作为“带资进组的超级基建承包商”，股价单日一度涨近40%后又距高点跌去近40%，自由现金流转负。
Meta数十亿美元收购Manus买的是Agent势能：有没有一种可能，即便没造出最强的模型，打造出最强的智能体执行层也有机会写下另外一种剧本。 Meta在基模正面战场被不少硅谷从业者和观察者认为“全面掉队”且未来至少半年仍会落后，内部四个AI团队并行、杨立昆离开，二级市场重现做空力量——所有大厂的问题“不是在创新，而是在组织”。
Scaling law仍然有效但形式在变：从模型尺寸的scaling到思考深度（inference-time）的scaling，下一个是Agent协作网络效应的scaling，而“低垂的果实可能快被摘完了”。撞墙派（LeCun、Ilya）与不死派（Hinton、Dario）存在分歧；谷歌DeepMind研究员的边界论——“语言是人类知识的边界，但并不是宇宙知识的边界”，“AGI可以approach but cannot arrive”。
商业现实冷峻：OpenAI年化收入200亿美金，但仅租卡成本就高达160亿，经营性亏损119.2亿——每赚一块钱要投一点六块。 “如果训练消耗的算力是一滴水，推理消耗的可能是一整个池塘”；中国基模靠开源与性价比完成商业超车（智谱定价仅Anthropic的七分之一、拿下多国主权订单），创业公司的现实主义出路是model orchestration，“集众模型之所长”。

精读

1. DeepSeek的第一重后效应：竹子天花板在AI领域彻底消失

诗婕的方法论声明：这份复盘取材近三十位中美从业者、数十万字录音，因为“很难找到一位嘉宾对每一个方向都产生足够聚焦和准确的观察”，所以采用“人海和题海战术”，在多领域视角中寻找交叉验证、也呈现分歧。
大观资本北美负责人Richard转述其英伟达白人朋友读DeepSeek源代码后的感慨：“这个工程太漂亮了。”华人成为AI主力军的深层原因是硅谷早年infra都是华人在做——“infra很苦，白人不愿意干”，但infra对大模型恰好关键。
多位美元投资人曾对诗婕表示：当DeepSeek、Qwen、K2这些中国大模型项目出现时，“bamboo ceiling在硅谷AI领域的当下就已经彻底消失了”。

2. 第二重后效应：从“防的无用”到“防的不够”

DeepSeek R1以更少算力、更高效率做出媲美GPT-4o的模型后，美国出现两派：英伟达代表的一派认为算力卡脖子被证明无效、不应再防；Anthropic CEO Dario代表的加强管制论则认为“不是防的无用，而是防的不够”。
后一派随特朗普上台迅速发展：算力限制升级、投资限制加强与AI扩散规则一起，把中美科技竞争推向新高潮——这是贯穿全年的宏观底色。

3. Manus与Benchmark的super check：某种信心被点燃

Manus三月爆火后被国内官媒定义为“DeepSeek再现”，年中经历投资审查，年尾被Meta以数十亿美元收购。Q1从DeepSeek、宇树到Manus，“整个硅谷都在谈论中国”，市场情绪发生了变化。
Benchmark创始人亲自来华寻项目，几个月后以7500万美元投资Manus母公司蝴蝶效应，估值推到5亿美元。这笔钱在硅谷不算大，但是顶级机构创始人亲投中国背景AI项目的super check——“很多人会觉得Manus可以，所以我也可以”，Q2起大量创始人开始询问能否拿硅谷本土美元。
更有趣的信息：Manus之前顶尖美元机构一直在通过数据监测中国潜力公司，a16z曾主动询问一个据称与OpenAI深度合作的成都项目——毕竟美国AI估值涨太快，中国资产显得“划算无比”。

4. 划算是表象，折价才是本质

诗婕拆解中美定价逻辑：OpenAI、Anthropic、xAI有AGI溢价，资本愿为OpenAI 160亿美金算力亏损买单，赌的是它成为“数字世界的电力公司”——主权级资产的定价逻辑。
中国因暂时无法引领世界级SOTA，更早进入“看财报、看落地、看DAU和留存”的阶段——资本“不为中国团队的大模型梦买单，只为能赚钱的超级应用或极致性价比买单”。在此逻辑下，应用层的中国项目被特别看好，且开源的DeepSeek和千问把成本打下来、Manus演绎了“套壳产品定义和工程化创新的力量”，应用时机成熟了。

5. Reverse CFIUS与OIR：资本与人才的脱钩

OIR（Outbound Investment Rule）限制美国资本投资半导体、AI、量子计算三大行业的中国公司，且“中国公司”界定被扩大：总部在中国、中国人或中国公司持大部分股权、控制子公司、财务数据判定均可能中招。Benchmark对Manus的投资因此被认为有禁止投资嫌疑，五月Manus收到财政部问询函。
客观营造出寒蝉效应：红杉、GGV等早已拆分中国分支的机构不会面临同样的问题，但纯美元机构面对中国背景项目“既兴奋又谨慎”，正在形成一种默契——“decoupling of capital and talent”：依然热爱中国背景的顶级工程师和产品团队，前提是项目在法律架构、数据存储、市场重心上彻底剥离中国属性。

6. 黄敏达的提醒：Manus不是好的模仿样本

律师黄敏达的三点逻辑：其一，“在美国的眼中，新加坡已经不是一个绝对信任之地了”，迁新加坡“并不是对美国彻彻底底的投名状，可能呈现一种暧昧之姿”；其二，裁撤中国团队甚至变更国籍都不彻底说明问题——美国真正在乎的是“当中美发生不可调和的分歧，这家企业是否会完全站在美国这边并为美国所控制”；其三，照法案设计规避方案是“头痛医头脚痛医脚”，法案只是动态变化的对阵武器。
节目发出时的补丁：Meta对Manus的收购正被中国相关部门评估是否接受审查——黄律师的观点显示出一定前瞻性。
选边的残酷案例：一位具身智能领域“绝对权威”的华人学者因美国要求其与中国彻底切割，挣扎后决定回国创业。一位投资人的断语：“上一代的全球化创业已经彻底画上句号”——过去把工程师团队放在中国、利用成本洼地的做法，现在没人敢这么做了。

7. HeyGen：极窄通道的果决示范

徐卓2020年创立视界一线科技（HeyGen前身），三年后产品在海外跑通，ARR从百万美元飙到逼近一亿；Benchmark合伙人Victor Lazarte亲自进董事会——“这在硅谷意味着某种血统认证”。
入场前的投名状：2023年底起游说早期股东（红杉、真格、百度等）接受回购、取消个别董事席位实现资本隔离，确保处于OIR安全地带；总部彻底搬到洛杉矶、创始人常驻美国实现物理隔离。与Manus惊人相似，区别是HeyGen是黄律师更建议的“更彻底、更安全的做法”。
双币基金掌门人的三步论：第一步用户和市场本来就在海外且找到PMF，第二步增长曲线吸引本土美元砸大钱，第三步顺理成章成为美国公司——“只是绝大部分公司会卡在第一步”。

8. 去硅谷是资本驱动的：三亿美金天花板与硅谷的钱不好拿

双币基金掌门人的国内现状描述：“三亿美金前很热闹，三亿美金后融不到”——市场化的钱里只有VC和投机资金，PE资金真空。融资额一亿美元以上就面临与中国切割：搬总部、清退股东、裁撤中国团队、控制中国运营支出，原则上创始人也要尽快换美国身份。
常驻硅谷投资人的泼冷水：抱着“硅谷人傻钱多”心态来的多半铩羽而归。周航（LAMA Venture联合创始人）的观察：口音不重要，“创始人可以满口口音，但是不能表达不好”；很多中国佼佼者放进硅谷人才堆“不如想象中出色和扎眼”；许多创始人“来了就马不停蹄开工和时间赛跑，但都是瞎忙”——至少要两三年才可能真正适应美国。
周航对新一代的肯定：像米哈游创始人“国内这么大的成就都不要了，跑到美国重新开始”——这是独属于这一代华人创业者的野心、见识和抱负。

9. 中国一级市场的短暂春天：具身智能虹吸国资

情绪的多重来源：美股AI龙头的溢出效应提供对标；港股与科创板IPO恢复让机构在退出通道看到曙光、二级带动一级；宇树春晚爆火的长尾效应；影石Insta360上市及华米、安克的高PE表现点燃出海硬件FOMO。全年钱的流向汇于四处：具身智能、AI应用与Agent、多模态、AI硬件。
具身的资本繁荣直观到“每一家叫得上的头部公司账上都趴着不少于十亿元现金”——三亿美金魔咒不适用于它们，因为头部企业虹吸大量国资人民币基金：国资偏好长周期的底层和硬件（芯片、具身），“周期长，尽量不出错”，对Agent和AI应用则因“易被证伪、失败率高”极度谨慎。
但也有从业者指出“机器人大脑跟Agent本质相近，抓手虚且烧钱重”；且硅谷调研的结论是硬件供应链看中国、大脑层面的领先探索仍在美国创业公司和巨头——中美之间存在认知差。

10. AI应用与Agent：好数据不愁大钱，中东钱转向

上半年头部美元基金明显活跃：据说红杉、高瓴一个月可投二十个项目、每个一两百万美金，但整体主力仍是大厂投资部；中东的钱也在变多——2024年美方施压限制中东主权基金直接投中国基模，“到了AI应用跟Agent这一波就没关系了”。
最贴切的新案例：字节90后产品经理陈冕创立的Liblib日收入达15万美金且仍在增长，下一轮估值可能达到惊人的八亿美金；小八卦是估值五亿时阿里放弃了这个项目，涨到八亿时“一个回马枪又重新入场”——再次验证真有傲人增长时“不愁钱拿，而且不愁大钱拿”。

11. 多模态：中国急需自己的Nano Banana，也在等Cursor时刻

Google有了Nano Banana，“中国也要有”——快手因可灵迎来市值重估；创业梯队里生数科技更侧重研究、爱诗科技已有不错商业化，但市场仍在关注新选手。
最受关注的是从商汤离职的刘宇创立的Vivix AI：刘宇出身汤晓鸥创办、被誉为“计算机视觉界黄埔军校”的港中文MMLab，曾是几千张算力卡的总指挥——这种底层算力调度与大规模参数模型的实操经验在创业者中稀缺，估值一年内从一到两亿美金飙到13.4亿美金，“这个项目甚至从来没有正式亮相过”。
关键问题：多模态整体比语言模型滞后一到两年，语言模型经历过的scaling law爆发节点它都会再经历一遍——“多模态的Cursor时刻何时到来？多模态的DeepSeek会被谁家做出来？”这是市场渴望找到的未知。

12. AI硬件元年：眼镜之战与大模型的入口逻辑

诗婕的分期：“2023到2024一级市场在买大脑（模型），2025大家开始买身体（硬件载体）。”推理、coding、Agent成熟意味着大脑发育到可接入硬件，谈论多年的AI助手开始成真——全球增速最快的AI硬件Plaud表面是最快把大模型接入录音传感器，实质蕴含对基座模型的精细化工程和“下一代设备必须具有主动性”的理解。
巨头意识到贴身消费硬件是收集线下数据与下一代交互的入口，硬件爆发背后是“一场大模型的入口之战”；可穿戴设备24小时always on，可能是比手机“更佳的大模型宿主”。
AI眼镜成最大黑马：春天Rokid创始人朱明旻（Misa）把Rokid Glasses带到国家领导人脸上并登上权威媒体，随后阿里、字节、百度、小米甚至理想纷纷入局，IDC预测2025中国智能眼镜同比增长121%。Meta的豪赌是从芯片、操作系统、AI适配到应用“全部自己重做一遍”——因为眼镜架在面部核心三角区，一位从业者的观察：“只有AI眼镜的摄像头拍出的才是人的第一视角画面”，项链、别针式AI Pin都还原不了。
政策推力不可忽视：“十四五”收官与“十五五”衔接之年，人工智能+行动明确2027年新一代智能终端普及率超70%；一家头部眼镜公司最新一轮融资达惊人的20亿人民币；2025年Q2流向AI硬件的资金超过软件，具身+硬件投融资总额已破145亿人民币。

13. 孵化潮、饥饿营销与27岁基金

VC们“差把工位搬到大厂门口”：一级市场都在说服DJI、拓竹、安克、影石、小米的技术产品精英出来创业，流行的孵化做法是机构给明确方向、两三个月验证执行力，顺利就投、反之放弃。
“投资年轻人”成为共识：比起大厂高P，草根实干型人才股权动力更强、“更具估值性价比”；云启今年设立专投27岁以下创业者的基金——“27岁是个神奇的数字”，Google、Facebook、当年的Microsoft和Bill Gates创业时都没超过27岁。
FA从业者揭示估值炒高的通俗做法：“用额度紧俏和滚动估值制造项目势能，再由CVC在一到两亿美元阶段承接。”诗婕的定调：适当的泡沫是行业繁荣的副产品，是自然现象，但其中一定存在压错注的个案。

14. 陈宇的窗口论与三类创业者画像

云启资本陈宇（经历完整自动驾驶周期、本轮投了MiniMax）的核心判断：顶尖项目融资窗口只在几个月内——2016年自动驾驶就是如此，今天还在牌桌上的几家当时在一两个季度内集体登场；他相信AI牌桌上的最终玩家“已经集体出现了”。共识之所以极速形成，是因为ChatGPT爆发前深度学习已有六七年积淀，“万事俱备只欠资本”。
顶尖华人AI创业的三类画像（像美国留学生）：刷盘子模式——自有主营业务造血，如爆火前靠量化的幻方、靠游戏积累甚至可自建算力的蔡浩宇、以创始人自有资金启动的Plaud；奖学金模式——凭卓越表现拿全球顶级机构融资，如Manus，“标的非常少，一旦发现估值惊人”；集资模式——国家队或人民币基金支持、与国家战略深度绑定。三类都不缺钱，市场绝大部分的钱被少数项目拿走。
由此衍生两种投资风格：热门赛道“矮子里拔将军、重在参与”——微妙的信号是新一代投资人只有在应用浪潮才能出场，比起真实回报更在意投出案例数写进履历；另一种是坚持找颠覆性项目、宁可长期不出手。后者中一位投资人的评价：“绝大部分项目只是把上个时代的传统应用用AI再做一遍，就像在iPad上看报纸，但今日头条现在还没有出现。”“中国市场上能够做出独立判断的机构和人很少。”

15. 硅谷排位赛：GPT-5撞墙，Gemini翻身

冲击SOTA的接力：年初仍是ChatGPT，年终是Anthropic，下半年则变成Gemini。一位二级分析师的困惑：“变化太快……二级看不清走势，市场不知道该怎么做明年的定价。”五月Claude Sonnet 3.7催生coding与Agent项目爆发，也标志分化——Anthropic放弃To C和多模态聚焦Coding和Agentic，“是基于竞争局面的选择，因为它是创业公司而非巨头”。
OpenAI一边训模型一边全力产品化，一级市场流传的算力财务表显示其更大比例算力仍花在训练而非推理；但GPT-5发布后，“现有Transformer架构下scaling law的天花板可能已经出现”，不止一位业内人士指出GPT-4起就有挤牙膏现象——第48期OpenAI前科学家Ken和Joe“scaling law快见顶、要重回研究时代”的预言在年底被多位技术核心人物验证。
谷歌的翻身仗：Gemini 2.5 Pro横扫榜单、史上首次同时制霸文本、视觉与Web开发三榜；八月底Nano Banana出圈；到Gemini 3 Pro，很多业内人士认为回答效果已超GPT-5.1且多模态远比GPT稳定。DeepMind研究员的自述：看着自己发明的Transformer被OpenAI用到极致、后者成为硅谷权力中心，“谷歌过去两年非常煎熬”，代价是暂缓其他前沿方向、举全公司之力聚焦LLM。
但这位研究员拒绝宣布胜利：“当下的胜利只是阶段性结果，没法确定此刻的聚焦到底是彻底的胜利，还是牺牲了其他前沿方向的更大机会成本。”如今Google的表现给OpenAI带来的压力实实在在；而不想与Azure绑定的Sam Altman找来黄仁勋搞星际之门，被观察者视为“OpenAI的去微软化”——今年硅谷AI大战最值得回味的一幕。

16. 星际之门三角闭环：小弟Oracle最先流血

姚欣（PPIO创始人）的框架：Oracle是“带资进组的超级基建承包商”，为三角关系完成完美闭环——英伟达分批投资高达千亿美元给OpenAI（前提是部署英伟达系统），OpenAI用这笔钱向Oracle买云服务，Oracle再把这些收入甚至更多交给英伟达买数以十万计的GB200建数据中心。三方豪赌中赌注最大的是Oracle。
市场一度认为“成为OpenAI的基建商就会成为下一个英伟达”：九月Oracle单日涨幅一度接近40%，Larry Ellison短暂超越马斯克成为世界首富；但不到一个季度，2025年底财报显示自由现金流转负，Q4股价距高点跌去近40%——“一夜回到解放前”。更重要的信号：独立创业云公司“目前云服务的收入甚至抵不上租卡的成本”。
英伟达同时花两百亿收购Groq的推理芯片资产LPU——后者宣称跑大模型推理比GPU更快更便宜、剑指千亿美元推理市场，英伟达“直接用超能力化解技术威胁，把对手转化为生态伙伴”。叙事从单向技术挑战转向“生态团战、圈地为盟”；另一面是SOTA模型间差异化变小、领先窗口快速缩短——上半年Anthropic的coding大幅领先，下半年被Grok、Gemini等头部模型将将追平。

17. Meta买的是势能，苹果甘为人后

不少硅谷从业者和观察者认为：Llama 3之后Meta在基模正面战场“几乎全面溃败”，且“当下落后了，未来至少半年也会落后，这是代差的势能”。十倍重金挖人被视为扎克伯格的猛药，但可能破坏内部共识文化；姚欣了解到Meta内部围绕AI四个团队并行——保留的Llama团队、四五十人重做闭源预训练的团队、杨立昆带领的前沿研究团队、新建的AI基建团队。随着杨立昆离开，前沿研究团队仍会存在但将易主。
多位访谈对象的同一论断：“当下所有大厂的问题，不管中国还是美国，都不是在创新，而是在组织。”Meta正在经历2023—2024时期谷歌合并Brain与DeepMind的磨合阵痛，需要一位既有技术威望又有手腕的一号位——扎克伯格选了Alexander Wang，但“能否担此重任是未知数”，且二级市场又出现做空Meta的力量。
诗婕对数十亿美元收购Manus的个人观点：这不是“人傻钱多的买卖”，Meta可能在向智能体腾挪重心——Manus没训模型却实现了SOTA级智能体表现，“有没有一种可能，即便没有造出最强的模型，打造出最强的智能体执行层，也有机会写下另外一种剧本”；Meta买的是势能与市场信心，与英伟达买Groq LPU如出一辙。
苹果的看法则割裂：有人认为它已在AI时代下桌，但DeepMind研究员和Plaud创始人Nathan都认为其人才储备和产品思考深度决定了“不出手则已，一出手一定有分量”——诗婕的类比：像中国的腾讯，“不是最积极的那一个，但一直是市场最期待的那一个，因为它有条件甘为人后”。

18. 中国基模：落后走向开源，开源完成商业超车

Nathan Benaich与Air Street Capital的《State of AI Report 2025》首次把中国从“外围追赶者”提升为“平行竞争者”：“中国不再是追赶者，它正在开源AI和商业化部署方面设定节奏。”客观约束仍在：海外先进模型已用Blackwell、明年要用Rubin，但国内只能用水货卡——基础设施决定发展速度受限。
开源领域DeepSeek、Kimi、Qwen已在多项关键指标上全面反超Llama系列；商业超车的样本是智谱：coding能力自称与Claude齐平、全球第三，定价仅Anthropic的七分之一，拿下不少一带一路国家的主权大模型订单（与其股东性质有关）。下半年硅谷创业公司都开始切换千问、DeepSeek和K2——这是2025中国基模的质变。

19. 三种scaling：尺寸、思考深度，与刚萌芽的Agent网络

一项业内观点认为，海外模型公司已以后训练（post-training）为主，中国仍以预训练为主，其中阿里和DeepSeek正大力投入post-training；但目前还没有任何迹象能证明后训练就是未来，大家都在探索下一个scaling law在哪里。
年底围绕天花板的两派：LeCun和Ilya为代表的撞墙派认为堆算力和数据的pre-training边际效应递减、必须换范式；Hinton和Dario为代表的不死派认为scaling law有效、只是形式会变，推理侧扩展仍有很大空间——Claude 3.7是这一理念的体现，“但这个观点是有争议的”。
诗婕认为最有价值的一种声音：scaling正从模型尺寸的scaling过渡到思考深度的scaling，而未来更重要的是“Agent智能体之间协作所诞生的网络效应的scaling”——第三种才刚刚萌芽。只堆预训练数据和参数的时代接近尾声，“低垂的果实很快就要被摘完了”，而抢夺过程中的训练成本可能代价过大。
另一大技术趋势是AI从数字世界迈向物理世界：语言模型是next-token prediction，世界模型是next-state prediction。谷歌研究员的原话值得全文保留：“现在LLM的world model是learn from这个世界上所有的文字，语言本身就是人类知识的边界，但并不是宇宙知识的边界……不能直接跟宇宙interaction获得signal，你的知识很难超过人类语言的边界。AGI可以approach but cannot arrive。”

20. 回归商业现实：每赚一块钱，投一点六块

一级市场流传的Q4数据：OpenAI 2025年化收入200亿美金已是一骑绝尘，但仅算力租卡成本就160亿，经营性亏损119.2亿——“每赚到一块钱，就要投入一点六块钱”，相比之下有自有算力和成熟基建的谷歌、Meta利润好看得多，“这是对创业公司的警告”。乐观者认为token性价比在以十倍速提升、2026很多场景可充分应用，但推理成本也在暴涨——“训练是一滴水，推理是一整个池塘”。
算力自控权成为决定性的一张牌：美国开始大规模用债券、私募债把算力资产化；中国进口算力买不到且不允许买，关注点从“谁的卡多”转向真正的算力可得性，蚂蚁和米哈游都在自建算力。云+基模只剩阿里千问与字节豆包的对决：千问开源作为技术抓手引来应用公司用阿里云，形成“模型免费、算力付费”，投资创业公司时很多投资比例还是算力券。
中国基模创业公司普遍压力大：算力折现与PR口径放大普遍存在，名义融资与实际到账有差距，高估值市场难以消化——“再遇市场骤冷期会比较挑战”。现实主义出路是模应一体走产品化，以及陈宇说的行业新维度model orchestration：凭独立身份不绑定任何巨头生态、协调多模型求更优解，Genspark创始人景鲲的原话：“大家可以放心，我们的mixture of models一定会比大家自己挑选的要好。”
收尾的判断：卷benchmark已不再有意义，“增长留存仍是检验大模型产品的金线”；AI应用将经历模型主导、模型与应用分离（当下所处阶段）、产业结合三阶段。中美路径已然分岔——美国巨头提前进入团战棋局，中国坚定走开源和应用；2026值得期待的，是super app的出现与Agent层面scaling law的发生，“当它发生的时候，可能会极大地改变我们的生活”。

2026年1月随笔杂谈达沃斯2026：中美AI竞赛、GPU外交与走上街头的机器人 | #225