朱哲清

Meta以143亿美元取得Scale AI 49%股份、再传出四年3亿美元挖人，仍没买到组织稳定性。 到9月已有新成员迅速离开，其中两人回到OpenAI；朱哲清认为，两三个月内跳槽在硅谷也不寻常，即使新包更大，也可能因疫情后延续至今的层级臃肿、审批负担与“内部政治斗争非常严重”而迅速退出。

五千人的Superintelligence Labs很难靠人才密度直接赢过OpenAI，因为SOTA模型真正的核心团队通常不超过50人。 朱哲清估算，二十多人定模型、二十多人做infra，再配少量PM；如果目标只是让Llama超过GPT-5，他认为应是150—250人的聚焦团队。“人数多是没有用的”，尤其Meta的bottom-up文化会让多个团队主动赛马，却缺少清晰的模型ownership和落地归属。

顶尖AI人才真正追逐的不是单纯的薪酬上限，而是成为AGI历史时刻十位核心作者之一。 朱哲清称，若有90%概率进入那张作者名单，即使“一分钱不给”，包括他在内的很多人也可能接受；所谓“为爱发电”，仍包含让贡献被历史看见的回报。这解释了为何OpenAI、Anthropic的人才吸引力领先Google，也解释了Meta的大包为何不足以覆盖组织与使命风险。

OpenAI、Anthropic和Google正在押注三种不同的AI价值捕获路径。 Anthropic把文字动作空间做到极致，最强落点是coding；OpenAI优先覆盖C端全部场景，Sam Altman式命题是“当我有十亿DAU的时候，AGI一定会发生”；朱哲清猜测，Google则以深厚技术栈服务开发者，让大量应用自行进化，可能在语言、视频、图像、world model乃至robotics上“批量开花”。

Chatbot竞争的关键变量不是模型榜单，而是ChatGPT能否从桌面效率工具变成手机上的go-to place。 节目中程曼祺称ChatGPT周活由年初约3亿升至7亿—8亿；Gemini也高速增长，但后者并未披露可直接比较的活跃数据。桌面端Chrome给Google近乎天然的分发壁垒；若ChatGPT能让用户打开手机后先点它，移动端粘性才可能真正切断Google的追赶路径。

AI-native创业公司的组织红利来自少招人、提高任务抽象度，以及用AI维持网状协作。 Pokee AI每新增职位先问“两三个月内能否被AI取代”，能就不招；工程师不再领取细碎ticket，而是负责架构完整feature，再把执行交给AI。代价是每个人输出可放大3—10倍，管理者无法逐项验收，因此信任、能力互补和避免重复劳动反而比传统流程更重要。

人才价格最终仍由资本对AI原生营收的判断决定，而最危险的错位是把旧推荐系统带来的广告增益也统称为生成式AI回报。 朱哲清猜测，若年末及明年Q1后的评估不及高预期，明年下半年资本与人才市场可能同步降温；程曼祺则指出，二级市场确实会为Meta的“AI提升广告”买单。更长期的风险是学生一窝蜂选择LLM、diffusion model和创业，导致人才高度同质化，却没有打牢博士训练最重要的critical thinking。

🔗 原始收听与视频来源： 134: Meta AI人才动荡，上亿美元为何留不住人？| 与Pokee AI朱哲清盘点 AI 组织

本场讨论反复指向的关键分水岭不是需求，而是能否把每次调用的单位经济做正。 朱哲清估计，行业平均80%—90%的成本已落在推理端；一次超过100万token的Deep Research，用国内模型约3—4美元、海外顶级模型约8—10美元，Grok甚至十几美元，目前他“没有看到一家公司能够把成本打平”的C端案例。生存路径包括模型路由、上下文压缩、垂类fine-tune与自建serving；对C端而言，还要看模型厂商能否把价格打掉约80%并留下利润，否则继续烧钱最终会崩溃。

Cursor的100亿美元估值与20美元套餐限额风波同时出现，说明应用层增长并不会自动变成毛利。 泓君援引其今年6月融资9亿美元、Anthropic去年约40亿美元收入中Cursor与GitHub合计贡献约12亿美元的口径；陈志博直言Cursor“基本上是在给Anthropic打工”。当Claude、OpenAI、Gemini、xAI都把coding列为主战场，Cursor既要承受上游推理成本，又要与上游产品正面竞争；泓君推测此次改价也可能是在为下一轮融资改善gross margin。

Poke AI试图把全网工具变成模型自身的动作空间，以同时破解工具发现与上下文成本。 单个模型上下文只有十几万到100万token，而全网工具描述可能达到几千万token；传统Agent每一步都重放历史和工具信息，同一内容会被处理20、30甚至50次。Poke的目标是让开发者像调用ChatGPT API一样调用Agent，但模型面对上千个高度相似工具时可靠性仍会明显下降。

三家公司押注的是三种不同护城河：工具生态、身份网络与设计交付。 Second Me区分职业的“doing”与人的“being”，希望每个人都有代表自己的身份Agent并形成网络；Lovart则不与Nano Banana等foundation model争单点生成，而以设计师式planner、审美memory和可编辑画布完成个性化交付。对Lovart而言，模型能力是原料，“只有足够深的水位才能承载足够大的船”。

训练范式正因数据瓶颈从SFT转向RFT与RL，但“边用边学”仍远未解决。 朱哲清认为SFT最贵的已是授权数据与复杂任务标注，RFT/RLVR则以更长、更不稳定的训练和更差的泛化为代价；陶芳波把变化概括为“SFT时代找数据，RFT时代找环境”。两人的关键分歧在下一代是否进入经验时代：陶芳波相信在线使用会让Agent变聪明，朱哲清则强调few-shot反馈可能是outlier，安全的inference-time更新“非常难”。

B端Agent已能看见成本打平，C端则分化为订阅、网络效应和结果分成三种赌法。 Poke的B端可覆盖成本，C端订阅即使覆盖推理也无法覆盖人力；Lovart按credit分层订阅，以用户是否愿意持续购买检验交付价值；Second Me为建立身份网络选择“能不收费就不收费”，未来是否形成类似AI原生广告的模式，是泓君提出的增长押注，陶芳波表示认同。Pine按替用户处理账单争议的金额抽成，则给出了最直接的答案：“按最终交付的结果去提成。”

高价KOL流量的信任与持续性在减弱，Community和Agent内核成为更受关注的分发与平台筹码。 Bill认为高价KOL带来的traffic掉得快、信任也弱，Runway和Luma早期依靠Discord共创更可持续；陶芳波则把Claude Code SDK视为被严重低估的“coding kernel”，甚至可能成为Agent时代的CUDA。泓君对Cluely、Lovable与Replit的改观也说明，价值未必来自完全自动交付，实时总结、原型沟通和人的信心提升同样可以构成真实需求。

🔗 原始收听与视频来源： E207｜智能体创业者们的成本突围与商业落地

Agent训练的关键分水岭不只是数据规模，更是任务能否被目标与Verifier闭环。 已有文本、图片和视频协作数据的任务可先靠SFT学习，再用RLHF对齐偏好；但一个任务若对应50次工具调用，互联网上根本没有这种完整轨迹。代码、数学、物理、供应链等目标驱动任务需要反事实生成新解，再由ground truth验证——“如果能够找到一个验证器，那我可以认为问题解决了。”

OpenAI五级AGI中，真正的技术鸿沟不是聊天到推理，而是第三级Agent到第四级Innovator。 朱哲清认为这套分级偏产品能力：第1级取决于具体定义，2到3未必有巨大跨越，4到5之间也未必差距很大；难点是Verifier能否从已知知识泛化，判断AI自己发现的新知识。“3到4之间，是远超过1、2、3跟4、5之间的差距的。”

RL预训练可能把AI推向人类未知的知识，也可能产生能运行却没人看得懂的策略。 目前类似尝试仍可能带有无法靠预训练获得的先验知识；若进一步发展，一段代码可以输入输出完全正确，内部变量、操作与编译逻辑却像乱码，而“人类可读性”本身又难写成规则验证。朱哲清因此把Reward design视为潜在监管对象，因为训练时赋予Agent的incentive会决定其最终行为。

RL的成本劣势是真实的，但复杂任务最终可能不给企业选择。 泓君引用“效果约好2倍、token消耗约10倍”的说法，朱哲清没有确认比例，只解释RL只能依靠reward function完成目标，SFT则已有标准答案；所以“强化学习微调的价格会更高”。当任务复杂到不存在标准答案时，性价比比较将失效：“到了未来问题会越来越复杂……就没有选择。”

Meta收购Scale AI的逻辑，可能不是回到纯文本数据竞赛，而是补多模态与机器人领域的中期标注缺口。 朱哲清把资源周期概括为短期算力、中期数据、长期RL优化：图片审美难统一，视频细节难解析，机器人的中间动作甚至可能让标注者看不懂。多模态可能要先提高解析与奖励模型能力，才可能建立Judge或Verifier并进入强化微调。

Pokee AI押注自研“推理＋工具序列”模型，以一个API、一行prompt直接交付结果。 浏览器或虚拟机能把几千个工具压成一个通用界面，却带来高成本、低速度和专业场景泛化不足；Pokee选择直接访问工具，并希望未来把语义理解、规划、工具选择和结果生成合成单一模型。但朱哲清强调，“模型能力是决定你的产品下限的，而产品的上限是由你的产品细节决定的。”

RL人才稀缺与Agent负毛利，将共同驱动下一轮资本分化。 朱哲清估计真正能优化好RL的“整个行业也就这么几十号人”；与此同时，Agent公司可能增长越快、亏得越快，甚至出现负50%毛利。技术路线决定能否活下来，创始人与团队决定产品分化；未来一到两年，市场可能出现小团队被收购的“大鱼吃小鱼”过程。

🔗 原始收听与视频来源： E201｜下一个AI前沿方向：强化学习预训练与AGI的转点时刻（下）

ChatGPT Agent把Deep Research、Operator与虚拟机串成端到端流程，但首轮体验更像抢占通用Agent入口的工程整合，而非成熟的技术跃迁。 朱哲清测试“先研究、再做幻灯片”需35分钟至1小时，旅行任务也要二三十分钟；他认为主要与Deep Research和Operator原有的速度有关，两者结合后更慢。优势是依靠较强的vision在网页上执行，但整体效果低于预期，速度也比想象中慢很多。

消费级Agent当前最难跨越的并非点击网页，而是个性化、支付信任与任务本身是否值得代理。 ChatGPT Agent选出的新加坡航班和酒店最终都被推翻，因为它没记住用户偏好凯悦、直飞和低价；到支付又必须由人接管。泓君提醒人类秘书同样需要沟通，朱哲清承认这一点，但认为复杂偏好的记忆仍不完整，冷启动没有解决。

通用Agent的四条架构路线，本质是在万能性、速度、可靠性和权限覆盖之间做取舍。 浏览器路线“确实是万能的”，代价是高token与网络延迟；开放虚拟机适合代码和数据分析，却难处理登录授权；受限环境靠模板换速度；Pokee式第三方API/SDK集成更快、更可靠，却只能执行平台正式开放的动作。

产品分化已经从“谁更通用”转向“谁能在目标工作流里稳定复用”。 Manus以浏览器加虚拟机覆盖面取胜，但可能受长上下文、幻觉与小时级耗时拖累；JSBox把超级智能体拆成幻灯片、表格、AI电话等模板，速度更快却趋向垂直平台；朱哲清称Pokee速度可达同类的4至10倍、单次工具调用成本可降50%至60%，代价是放弃部分个人账户场景。

真正更清晰的商业市场是专业用户的重复工作流，而非普通消费者的一次性“万能助手”。 朱哲清观察到许多消费Agent留存差，是因为任务“用一次就结束了”；相反，Pokee用户会每周重复跑同一流程。标准化出差适合API型Agent，变量众多的休闲旅行则更适合浏览器型Agent，这一分界直接决定留存与单位经济性。

未来一到两年若Agent成为入口，门户流量、协议控制权和内容付费方式都可能被重写。 朱哲清判断电商、搜索、视频等门户流量会快速下降；他以Google推出A to A为例，并认为ChatGPT、Cloud及Pokee推出协议，同样是在争夺Agent入口。他同时估计近2万个MCP中可用者不到200个，维护与可靠性仍是协议生态的硬约束。

创作者经济未必消失，但广告和推荐可能从“页面排名”迁移到“对话时序”。 面对泓君关于AI摘要侵蚀播客广告的质疑，朱哲清设想Agent按调用向内容方付费，再在没有唯一答案的节点插入商业推荐；传统一次展示5至10条内容的排序机制，则可能被五至十轮、每轮争取下一次交互的推荐逻辑替代。他明确保留不确定性：“我也不是100%确定说，这个一定是未来的方向。”

🔗 原始收听与视频来源： E201｜从Manus到ChatGPT Agent：底层技术架构有何不同？（上）

Poke AI 的核心押注，是把语言模型作为理解需求与交互的前端，把经 RL 训练的非语言模型放到后端负责规划、推理与工具调用。 Bill 认为，50 个工具若各需 1,000 tokens 描述，仅工具上下文就达 5 万 tokens；叠加 memory、网页结果和十几步执行，一项任务可能达到上百万 tokens，语言模型容易产生幻觉。长期来看，LM 可能更像 UI，而不是 Agent 的决策中枢。

产品切口不是生成更多内容，而是让 Agent 跨平台写入真实工作账户。 Poke AI 计划首轮提供约 1,000 个可调用子工具，涉及几十个平台；目前不使用 MCP，但计划支持 MCP 和 Agent-to-Agent，并提供基于 JSON 的简化接入方式。它优先使用官方接口和代码，尽量避免 browser。

Bill 在节目开场概括的优秀通用 Agent 要素包括：比人快、尽量无需人工干预、既能读也能写、成本低。 Poke 的演示任务包含 approval 时约需 60 秒，不含 approval 时可能十几到二十秒；Bill 称单次成本约为同类产品的几十分之一。由于任务会写入账户，产品同时支持受控和自动两种模式。

商业落点是开发者和 prosumer，自下而上进入企业；护城河被定义为工作流绑定，而不是单点模型技术。 社媒、营销、法务、财务等用户的痛点已从内容生成转向跨平台分发和操作；企业内部几十步、上百步的流程才是更大的终局市场。Bill 认为，集成、历史文件、账户关系和使用习惯可以形成更深的用户绑定。

技术壁垒在于跨大量工具进行有效探索，而不是靠随机采样承受极强的负信号。 当一万个工具中只有一个正确答案时，传统带监督或 contrastive learning 的方法可能反复得到错误信号。Poke AI 希望利用更智能的 exploration，跳过已知无效的工具和路径，降低训练所需的数据量。

市场教育影响了 Poke AI 何时从垂直应用回到通用平台。 2024 年秋融资时，投资人认为 Bill “six months ahead of the curve”；DeepSeek 及其他公司的相关工作带来更多市场共识后，公司称收到上百位投资人、几十家大型潜在客户的联系。3 月发布 demo 后，一周内有 800 多个 waitlist sign-up；3 月上线后又有 800 多人 sign up，线上帖子到 waitlist 的转化率约为 8%—9%。

竞争窗口存在，但 Bill 不认为速度领先本身足以守住市场。 他预计未来一年横向 Agent 公司会有不少于 10 家，最终可能留下 3—4 家或 4—5 家，并通过垂直领域、能力侧重、集成和用户绑定形成差异。北美开放的 API、SDK 和第三方集成使其成为首个主战场，中国商业生态相对封闭，则可能需要先以平台能力与大厂合作。

这场创业的 founder-market fit 来自近十年 RL 落地，而旅行 demo 能否扩展到真实世界仍曾是一个“大问号”。 Bill 在 Meta 负责 Applied RL，估算相关算法每年带来近 5 亿美元收入贡献，同时并行完成 Stanford PhD；他的技术判断方法是先找一个计算量很小、具有普适性的 minimal viable example，验证该技术在第一性原理上是否有优势，再尝试扩展到大规模系统。

🔗 原始收听与视频来源： 111: Pokee.ai 朱哲清的 Agent 造法：强化学习作后端，语言模型作前端|Agent#3

Bill 的核心判断是，RL 并非 LLM 的替代路线，而是叠加在 Transformer 之上的学习与规划方法。 LLM 提供语言、embedding 与对世界的基础理解，RL 则负责在未知路径中搜索并按长期 reward 决策；两者不是平行竞争，而是“可能是垂直型的”。这也是他认为 RL 能在大模型时代“焕发新生”的前提。

复杂 Agent 的瓶颈不是理解指令，而是在指数增长的多步路径中找到可行解。 LLM 容易沿最高概率路径反复打转，RL 则能优先探索不确定性最高的方向，并依据未来期望值回退、换路；Bill 将其概括为“你需要的不是一个穷举的能力了，而是一个搜索的能力”。旅行规划是典型样本：走到第十一步才发现城市或时间冲突，系统必须知道该退回哪一步。

Pokee AI 押注的架构是“RL 做决策，LLM 做 I/O”，而非用更大的 LLM 包办一切。 用户需求先被抽象为目标、状态与 action，RL 决定 API 的调用顺序和参数，最终结果再由 LLM 转回人类可读形式；其 Shopify 公测系统据称以 1,500 万参数的 RL Agent 加不到 10B 的语言模型，在不足一个月内掌握几十个 API，且迁移到不同店铺不需特殊个性化训练。

这条路线的商业杠杆来自可靠性与成本，而非模型规模叙事。 Bill 称团队一个月训练成本不到 1 万美元，RL 模型可以在 CPU 上运行；若用 GPT-4o 完成同类能力，价格可能是其“1,000 倍”。他的反问是：“能解决问题就好”，公司定位也不是大模型公司，而是“强推理、强规划型的工具使用 Agent”。

电商只是通用 API Agent 的首个闭环场景，价值主张是替代碎片化插件和人工协调。 一个圣诞促销原本要销售、工程师与多个供应商分别修改折扣、运费、首页、搜索和推荐，成熟后的 Agent 只需一段文字即可调用底层 API 完成；Bill 称部分商家每季度为这类工作花费上百万美元。若产品兑现，他估计这类纯工程型东西“可能有 45% 到 60%”会失去价值。

Pokee 与 coding Agent 瞄准的是两种不同市场：前者组合既有业务能力，后者从零创造能力。 Bill 认为现实工作的大部分代码本就是组合 API，直接把一次 API call 视为 action，比逐 token 生成、编译和验证代码便宜得多；因此路线图是扩展到数千乃至上万个 API，再进入广告、旅行、教育、健身、法律和金融，而非先追逐全能编程。

投资侧的关键挑战是公测中的准确性、可依赖性和单位经济，而不是“Agent 元年”的口号。 Bill 观察美国资金“不缺”，垂类 Agent 仍受关注，但大公司密集、标的混乱，science、supply chain 等较少拥挤的领域可能更受青睐。他不认同元年叙事，只判断下一年可能成为“真正由 Agent 来帮你采取措施并产生结果的一年”。

🔗 原始收听与视频来源： 我是这样用 RL + LLM 做 Agent 的｜对谈 Pokee AI 创始人朱哲清 Bill