戴雨森

戴雨森复盘"year of R"被打脸：看对了OpenAI的C端天花板——$20订阅难提价、五千万付费用户已把愿付人群筛完、“在ChatGPT里插广告这个事情大家太乐观了”；看错的是coding在Claude 4.5→4.6发生的阈值突变。 他的解释框架值得记住：“把水烧开了才有蒸汽机，烧到九十九度也不会有”——智能的价值是突变不是渐进，连Anthropic把版本号叫4.5而非5，都说明官方自己也没预期。

Return问题没有解决，只是被下推给了Anthropic的客户：token是客户的投入不是结果，链条是投入→产出→结果，而"移动互联网停滞不是缺程序员，是大家不知道该做什么"。 数字已经too big to ignore——今年AI硬件利润七千亿美金、三星海力士利润接近英伟达、Anthropic年底AR预期一千亿即每月卖出一百亿美金token。估值三段论：短期（3个月）OpenAI/Anthropic都被低估（现在上市"炒到三万亿都有可能"），一两年角度都被高估，十年角度赢家可能是五万亿、十万亿的公司。

Harness是OS、模型是CPU：用户忠于harness不忠于模型——大家为救小龙虾（OpenClaw）里的记忆反复抢救，却随手把模型换成Kimi K2.5（“九十分的表现，二十分的价格”）；Cursor靠壳的数据训出Composer证明"没有这个壳就没有这个模型"。" 模型即产品"和"壳更值钱"两句话同时成立。

他最兴奋的新设想是Agent之间的网络效应：当harness沉淀了个性化context，同一任务给不同人的agent做结果不同——“我的agent雇佣张小珺的agent，一千块是token的价值，九千块是你agent积累的专有知识”，这些专有信息可能永远不会被蒸馏进模型，agent-to-agent marketplace公司已经出现。

下一个字节长得不像字节：AI信息流是"把新技术包进字节最擅长的壳里，在自己的游戏规则里打败自己是非常难的"；to C娱乐一上来就要比抖音、红果好玩，是难题，而生产力是"简单题"。 机会藏在大厂看不上的属性里——套壳、开源、不安全：“如果你认为套壳价值是零，what if你是错的？”

操作与布局：年前清仓的他加回了存储、光、CPU等"卡脖子"硬件仓位但不敢激进（偶像是Druckenmiller，交易员风格，“strong opinion weekly held”）；一级坚持投人不追风口——刘松明、丁宁两家具身公司从约2亿人民币估值涨到几十亿。 消费电子暴论：AI硬件会重蹈新消费覆辙，可穿戴录音是"VC想象出来的需求"。

个人与社会层面：警惕把思考外包给AI——“直接得到答案，你的大脑并没有变化，你的权重没有更新”，要建"思想的健身房"；教育押agency不押taste（taste可能不再是人的专属阵地）。 收束心法：“频繁被打脸是幸福的——一个人总是不被打脸，大概率不是因为他永远正确，而是因为他没有进步。”

🔗 原始收听与视频来源： 142. 雨森的创投观察第2集：Harness、下一个字节、2026大机会和Stanley Druckenmiller

戴雨森认为，2025 已经从 AI 的“黑莓时代”跨入应用爆发的“iPhone 时代”。 O1 带来的 thinking time scaling、Claude 3.5 Sonnet 的编程能力、OpenAI o1 的推理能力与 Anthropic 的长链路规划，把 GPQA、SWE-bench 等能力推过可用阈值，Cursor、Claude Code、Codex、Manus、Genspark 随之爆发，coding agent 赛道一年内从零走到可能约 10 亿美元 ARR。“模型能力的进步会带来应用机会的解锁”，仍是整期对谈的主轴。

Agent 的方向验证了，但产品成熟度仍停留在 early market，不能把 workflow 换个名字就当成 Agent。 真正的 Agent 来自 agency：能自主拆解目标、选择并调用工具、根据反馈改路，核心产出是“节约人的时间”；从 Devin、Manus、Claude Code 到豆包手机助手都只是开端。戴雨森认可“Agent 元年”的判断，同时强调这会是“Agent 的十年”，从 L2 辅助到 L3 承担责任仍可能需要几年。

戴雨森把 2026 定义为 Year of R，其中第一个 R 是 Return：过去三年市场交易的是 ROI 里的 I，现在必须验证回报。 数据中心的百亿、数百亿美元投入、单人每年 1 亿美元的人才报价，以及英伟达、光模块、存储的上涨，都由 AGI 和应用利润的潜在 return 驱动；但前沿模型从 80 分走向 90 分所需投入更大，能力增幅却在放缓，中国开源模型又能在约六个月内追到 SOTA 的 80%—90%。“高预期和慢落地”的反差，可能成为 2026 年市场情绪与融资环境的关键变量。

四条主流变现路径都能增长，却没有一条自动兑现此前的宏大估值。 Chatbot 的 20/200 美元订阅面临 token 通缩和免费竞争；广告、电商需要数年探索 native 形态，且相当部分是在重分 Google、Meta、字节的存量蛋糕；AI coding 替代 10 万美元程序员，不代表模型能收走 10 万美元，反而可能令任务迅速贬值；企业 AI 虽已有 1亿—2 亿美元 ARR 公司，仍要跨越大企业部署缓慢的鸿沟。投资人因此开始从纯增速转向毛利、retention 和现金流，追问“一块钱的 token 能不能被应用增值成两块钱”。

第二个 R 是 Research：Scaling 的边际回报下降后，下一阶能力需要新的范式、组织和测量方法。 Ilya 把当前阶段称为从 scaling 重返 research，Demis 预计 AGI 还需 5—10 年及一到两个 breakthrough；self-play、持续学习、世界模型成为候选方向，SSI、Thinking Machines Lab、Reflection 等 New Labs 则试图在低 KPI 环境中寻找不同路径。与此同时，MMLU、SWE-bench 等 benchmark 接近刷满，Gemini 3 Pro 的约 78 分与 GPT-4.5 的 80 分出头并未反映真实体验差距，“没有新的 benchmark，就难以判断训练方向”。

第三个 R 是 Remember：Memory 可能成为应用差异化，并把被动助手推向 proactive agent。 现有记忆仍像“带着一个大笔记本做 retrieval”，下一步是通过 online learning 形成属于每个用户的模型，理解其偏好，而非只翻出原话；戴雨森用 ChatGPT 根据其偏远、小众偏好推荐日本屋久岛作为体验样本。当 AI 能结合长期记忆与实时 context，主动准备会议材料、预判需求而非等人发 prompt，戴雨森认为可能打开“十倍的机会”。

中国开源模型是 Koji 认为仍被低估的结构性力量，也改变了应用创业者的牌桌。 DeepSeek R1 之前，创业者担心拿不到闭源 SOTA；十个月后，中国开源模型已快速追赶，DeepSeek Math-V2 又在约六个月后达到通用模型的 IMO 金牌水平。开源像“核武器”一样摧毁昂贵闭源模型短期领先，还凭便宜、透明和人才可见性形成优势；应用团队则应全球起步、连续“翻牌”，并用产业经验、专有数据、分发或软硬一体避开模型直接吞没。

在模型快速同质化的环境里，最值得押注的是提前 6—12 个月判断技术阈值、又能用人类 agency 放大创造力的团队。 戴雨森强调学习力、领导力、创新力、意志力，以及 AI 时代更稀缺的韧性；他也强调产品思维和营销，因为“最可悲的不是讲错话，而是辛辛苦苦做出来的东西根本没人知道”。AI 擅长复刻数据分布里的毕加索，却仍难创造新的 OOD 风格、原创笑话或公司，因此近期最强组合不是 AI 单独创造，而是人“画龙点睛”，再让 AI 提供数百倍、上千倍杠杆。

🔗 原始收听与视频来源： 2026 开年AI对谈：the year of R | 对谈真格基金戴雨森

2026年的关键词是"Year of R"：Return（回报）、Research（研究）、Remember（记忆）。 戴雨森的核心逻辑：新一代SOTA相比上一代的进步在放缓（想想GPT-4对GPT-3的跃升 vs GPT-5对GPT-4），投入却指数级变大，而数据中心约50%的投入是4-6年就会过时的算力——“大家在投入变大的时候，对于回报的关注也会越来越大”。

明确的市场判断：明年美股可能出现比较明显的pullback，时间点可能在下半年，触发条件是美国劳动力市场软化叠加AI回报不及预期，“OpenAI本身的用户和收入的增长会是这个大担心的一个很重要的trigger”。 他个人已基本清仓二级股票，但不做空：“做空是一个你希望别人变得很惨的事情”——只做多，可以降仓位。

泡沫观与朱啸虎"三年无泡沫、纯属无稽之谈"正面相抵：“人类历史上每次技术革命都带来了泡沫，几乎毫无例外”，AI是最重要的革命，“它带来人类历史上最大的泡沫可能也是很理所当然的”——但还没到顶，泡沫之巅的标志是烂公司骗子公司都很贵，目前英伟达短期估值甚至很低。 风险机制在长短端错配：一旦AGI预期在长端转悲观，“短端它业绩再好可能也都不会是主要的交易因素”。对token论的回应：用量年涨十倍是必然，但"token量的上涨不一定能带来回报的必然到来"。

模型没有秘密、卖API不是垄断生意：硅谷无竞业、人才流动快，“没有能够真正长期保守的秘密”；中国开源模型以五到十分之一的成本把差距压在6-12个月，“现在基本上已经是中国模型的天下”。 模型公司的第一方应用越来越重要（Claude Code发布几个月ARR到几亿美金，Dario不惜与最大客户Cursor直接竞争），而"模型给你的是code，你给用户的也是code"的薄壳应用会被持续挤压。

商业化四条路都比共识慢：订阅制难提价（Netflix二十年基本没涨价；“去年两百美金买到的模型，现在就只能卖二十美金了”）；广告电商是存量蛋糕（Google找到AdWords花了4年、Facebook信息流花了6年）；AI替代程序员是价值通缩而非工资转移（杰文斯悖论）；企业服务渗透慢于预期（Office Copilot始终低于预期）。 红杉David的$200B之问已膨胀到万亿级——“屋子里的大象”，目前没人有好答案。

中美AI估值差是全球配置里最大的期权：Thinking Machines五百亿美金估值"是中国所有AI创业公司加起来的估值还要多"；Mistral 140亿 vs Kimi不到40亿；美国高增长应用给30-100倍ARR、中国约10倍。 配置用哑铃：一头OpenAI/Google/Anthropic最稳，一头中国公司弹性最大、可能有百倍回报——“这个gap我认为最宽的时候已经过去了”。

给创业者：负margin倒卖token的增长已终结，硅谷开始要求应用有类SaaS的50%以上毛利与留存；要对6-12个月后的SOTA有高质量前瞻（杨植麟之于长文本、Manus之于agent）、第一天做全球市场、“不下牌桌持续翻牌”——Manus是第三次尝试才打成的牌。 2026年memory、多模态生成、voice是必争之地。

🔗 原始收听与视频来源： 124. 雨森的创投观察第1集：2026年预期、The Year of R、回调、我们如何下注

戴雨森把天使投资的本质归结为“投人”和“耐心”，因为早期公司的事会变，人的学习能力与创造欲才可能穿越十年。 他的第一个项目原本是 VR 播放器 Skybox，产业遇冷后创始人罗子雄转做游戏，打磨四年推出《Party Animals》；这条完全无法预判的路径，让他真正理解天使投资必须“因为相信所以看见”。

比追风口更重要的是找到“没有他，这件事就不会发生”的引领者。 风口中的“做题型创始人”常在成功样板出现后补票上车，却同时面对大厂、同行和资本催生的过度竞争；戴雨森的筛选标准因此转向创始人是否能提出愿景、是否早有自主创造的行为，以及“为什么要创业”能否经受极端压力测试。

ChatGPT 在 2022 年 11 月 30 日让戴雨森确认，AI 已从科研阶段跨越鸿沟，成为可赋能几乎所有脑力工作的 enabling technology。 他当晚用到凌晨四点，第二天就在团队群里提醒大家这件事很重大，三天后组织讨论，并在 2023 年初密集投资光年之外、Kimi 等项目；他的配置类比是：“如果回到 iPhone 发布三年后的 2010 年，百分之八十的钱和精力都花在移动互联网上也不为过。”

他同时判断，AI 会制造“人类历史上最大的泡沫”，但巨大泡沫恰恰可能为真正的基础设施和创新买单。 Scaling law 会把算力、基建与人才竞赛推到极致，风口里多数项目仍会失败；早期投资者不能回避泡沫，而要寻找“泡沫下面的啤酒”，区分会留下基础设施与创新能力的好泡沫，与只把既有资产价格推高的坏泡沫。

模型和应用并非非此即彼，应用的价值取决于它把模型 output 加工成用户真正 deliverable 的距离。 戴雨森以生鱼片和水煮鱼作比：若模型输出就是最终产品，壳会很薄；若要跨工具、多步骤地交付 PDF、文件、视频或完整任务结果，应用便积累了 context、environment、interface、数据、信任和习惯。Manus 上线几个月后披露年化收入约 9,000 万美元，是他反驳“应用必被模型吞噬”的事实样本，但他仍承认最终要由时间检验。

大模型公司烧钱并不自动意味着不能投，关键是头部模型能否控制规模巨大的通用入口。 按节目中的数字，ChatGPT 已有约 4 亿 DAU、接近 10 亿 MAU；OpenAI 估值约 5,000 亿美元、Anthropic 约 1,750 亿美元，而 Kimi 上一轮约 30 亿美元。戴雨森承认模型项目难有万倍回报且稀释严重，却认为若重来一次，不仅仍会投，还“应该给 Kimi 投更多的钱”。

中国创投正在从低谷回暖，但热度回归要求更高标准，而非再次追逐共识。 真格最新一期基金中，超过一半项目的创始人低于 25 岁；戴雨森看到 AI、机器人和硬件投资活跃度接近 2020—2021 年，也举出中国公司相对海外同类存在巨大估值差距的例子。他坚持的组合是“long China”、只做天使，冬天相信年轻人，夏天相信周期并坚持高标准投资。

🔗 原始收听与视频来源： Vol.189 戴雨森穿越了风口与泡沫，来到了AI时代：与Yusen聊他从聚美到真格的创业和投资经历

OpenAI 未公开的通用大语言模型在 2025 年 IMO 六道题中做对五道，达到金牌级水准，是本期最重要的能力跃迁。 它没有联网、没有数学专项优化，也未调用 Code Interpreter；尽管 Google 质疑其未经官方认证、陶哲轩提醒证明题评分存在分歧，这仍意味着 LLM 开始攻克 hard to produce、hard to verify 的任务。节目中还转述相关研究者将其称为 AI 的“登月时刻”：AGI 若曾是远处冒烟的火车，“现在已经听到声音了”。

这次突破同时强化了 inference scaling、通用泛化和科学发现三条技术逻辑。 延长思考时间可以继续提高表现，而据传模型的 base model 与 GPT-4o 相同，增量可能更多来自 post-training 和 inference；若属实，预训练即使遇到瓶颈，后续阶段仍有很长的优化空间。IMO 证明与未被证明的小定理在形式上相近，戴雨森因此判断，AI 发现“小的新知识”可能已近在咫尺，其潜在生产力价值可能高于许多主要复制、拼装既有代码的 coding 任务。

模型能力和应用层“壳”的价值正在同时被低估。 同一周末，模型拿到 IMO 金牌级成绩，而 ChatGPT Agent 的 PPT 等实际产出却不如 Manus、Genspark、Kimi、MiniMax 的部分线上结果；这说明模型进步并不会自动消灭应用。Agent 需要应用提供组织与个人 context、跨 session 记忆、工具和执行环境，“同样的模型更了解我”可能形成长期护城河。

2025 年上半年，coding 和 reasoning 已跨越鸿沟，Agent 则进入 early adopter 普及期。 Cursor、Claude Code、o3、Deep Research、Kimi Researcher 已展示出明确的生产力价值，Manus、Genspark 等开始承担目标拆解、工具选择、执行和复盘。真正的 L3 不是聊天框增加几个按钮，而是“人不要干事情，AI 干事情”，用户从亲自操作转向学习做 AI 的老板。

Kimi K2 的翻盘是“优秀团队价值被低估”的样本。 截至录制日 7 月 15 日，戴雨森称 K2 是“全世界最好的开源大模型，没有之一”，尤其看好其 coding、agentic workflow 和中文写作；OpenRouter 编程榜调用量几天内由第 13 升至第 10，形成比 benchmark 更直接的用户投票。其背后包括稳定核心团队、长期押注长 context、补齐 pre-training，以及继续探索 RL、工具使用和开源；K2 当时仍是 non-reasoning model，推理版和多模态版尚未发布。

Agent 带来的算力需求可能远超 Chatbot 时代，英伟达超过 4 万亿美元也未必是终点。 戴雨森观察到，Agent 应用的 token 用量可达普通 Chatbot 的“一千倍以上”，类比拨号时代不能用“所有人只聊 QQ”来估算后来 4K 视频的带宽。生产力需求也不受个人闲暇时间直接约束：AI 可以并行覆盖 50 只股票、同时处理多场财报会；他认为 token 转化为生产力“刚开始”。

最大的约束已从“AI 能否落地”转为人才、组织、安全与利益分配。 Meta 用“颠覆性薪资”挖人抬高了整个行业的成本水位，但把大量明星研究员拼在一起能否形成合力仍待验证；具身智能则相反，Optimus 下调产量预期印证了 manipulation 和产品化不能拔苗助长。到年底最值得验证的是：在成功率约 20% 这一假设下，Agent 一次性交付能否提升到 70%-80%，记忆能否产生真正的复利，以及无人能完整 review 的 AI 代码、真假难辨的内容和更大的个体差距将如何被治理。

🔗 原始收听与视频来源： 127: 与真格戴雨森 25 AI 中场复盘：OpenAI的IMO金牌、Kimi K2翻盘、Agent普及和抢人大战

戴雨森判断，2025 年 Agent 的拐点来自 reasoning、coding 与 tool use 三条能力曲线同时接近可用阈值。 GPQA 从前沿模型年初的几分、十几分升至 O3 的 70 多分，SWE-bench 从 GPT-4o 的个位数升至 O3 Mini／O3 的 70—80 分，Codeforces 约 2703 分、进入人类前列；强化学习一旦进入具体行业，就可能带来更多“李世石时刻”。

O1 的意义是验证 post-training RL 与 test-time compute 两条 scaling law，R1 的意义则是把这条路公开给全行业。 R1-Zero 显示不经过 SFT、直接在 V3 基础上做 RL，也能让输出持续变长、智能表现提高；GRPO、失败的 MCTS 路线等“一个比特信息”，既降低重复试错，也让微信、百度及应用开发者获得可用武器。

Agent 真正改变的是互联网依赖用户时长的增长公式，因为它让具备主观能动性的工具不再持续占用人类注意力。 戴雨森把这一转向概括为“Attention is not all you need”：钱可近似兑换成算力，算力再兑换成工作产出，由此形成“工作的 scaling law”，生产力不再只能靠招聘、培训和扩张组织来增加。

第一批明确 PMF 是 read-only Agent，随后才是风险更高的 write Agent。 Deep Research 已能在几分钟内交付接近优秀公司白领一两年工作的研究报告；Operator、MCP 以及 Monica 等产品开始操作网页、发送邮件和调用工具，但越权、误杀进程等副作用意味着“写”会比“读”部署得慢。

成本下降不会削弱算力需求，反而可能通过 Agent 把 inference 放大 100 倍甚至 1000 倍。 GPT Pro 每月 200 美元可做约 100 次 Deep Research，折合每次 2 美元；美国 Agent 每小时 6—8 美元已低于加州约 16 美元的最低时薪。对算力链而言，总需求仍向上，但英伟达超过 90% 的份额和高毛利给 ASIC、TPU、昇腾等专用方案留下了机会。

模型公司与应用公司会共生，真正危险的是被第一个 PMF 和大用户量反向绑架。 黑莓被键盘、雅虎被门户、Chatbot 可能被碎片对话困住；DeepSeek 更像开源生态的“安卓时刻”，而 Cursor、Perplexity、Kimi 说明应用层仍可凭多模型组合、用户心智、准确性和场景理解占住价值。

2025 年的投资主线不止是模型能力继续上升，还包括生产力与财富分配方式开始改变。 一个会指挥 Agent 的个人可能成为“超级个人”，大公司和富人也可能用资本同时调动成千上万个 Agent；戴雨森因此支持技术普惠与创新加速，也警惕资源进一步集中，并强调“先用，有问题再改”不等于忽视安全。

🔗 原始收听与视频来源： 106: 与真格戴雨森长聊 Agent：各行业都会遭遇“李世石时刻”，Attention is not all you need|Agent#1

戴雨森认为，2024 年 AI 的决定性变量是能力跃迁之“快”，而非版本号之多。 SWE-bench 从年初 GPT-4 的 2.8%，升至 Claude 3.5 Sonnet 的约 50% 和 o3 的 71.7%；o3 在 FrontierMath 也拿到 25 分。与此同时，Kimi 上线约一年达到 4,000 万月活，年初令人震撼的 Sora 到年底已面对可灵、混元、Veo 2 等可用甚至免费的替代品——“一年前大家觉得非常惊叹的东西，在现在可能就觉得不过如此。”

AI 已在 coding 等少数领域跨过“可以打工”的阈值，但整个产业仍远未覆盖成本。 Cursor ARR 接近 1 亿美元；Bolt.new 两个月超过 2,000 万美元 ARR，Bolt.new 与 Lovable 都曾在四周达到 400 万美元 ARR；Higgsfield 从约 100 万美元增长至接近 5,000 万美元，Monica 也超过千万美元。戴雨森的限定没有变：“它在一些领域已经可以开始打工了”，但 ChatGPT 出现才两年，商业收入总体仍远低于成本。

技术主线已经从单纯堆 pre-training，转向 RL、inference scaling、长上下文、代码生成与 Computer Use 的组合。 Ilya 把互联网文本比作已经被开采的“化石燃料”；戴雨森据此判断，现成文本中的智能已压缩得相当充分，下一阶段要靠 post-training、工具使用和模型生成新知识。同时，相同智能的推理成本每年约降至原来的十分之一，先进能力也能装进更小模型，“大力出奇迹”不再是唯一 scaling law。主播还补充，function call 与 structured output 也可能为 Agent 提供更精确的指令能力。

Devin 的意义不是更好的代码补全，而是第一次让“钱和算力可以近似直接购买异步工作”。 它能规划任务、在自己的虚拟机里执行、被中途纠正、积累组织知识，并在完成或真正卡住时再找人；500 美元对应 250 个 ACU，每个约 15 分钟，折算约 8 美元/小时，只有戴雨森所引加州最低时薪 16 美元的一半。“程序员喜欢 Cursor，老板喜欢 Devin”，因为后者展示的是“工作的 scaling law”。

2025 年最容易找到 PMF 的应用，要么直接帮客户赚钱，要么把重要任务提效十倍以上。 Midjourney 数亿美元年化收入中，据戴雨森估计约一半来自广告等商业制图；Higgsfield 主要落在营销，Cursor、Devin 和 Perplexity 则分别压缩编程与信息搜集成本。反面清单同样明确：谨慎进入被抖音等巨头占满的“杀时间”赛道、尚未收敛的物理世界操作、与手机高度重合的替代硬件，以及必须大改组织工作流却没有压倒性 ROI 的企业产品。

“不出海就出局”被戴雨森视为过热共识，而不是适用于所有中国创业者的命令。 欧美工资高、工具付费与订阅习惯强、可用模型更先进，确实让生产力软件更易商业化；但中国团队出海通常是“低 buff”，企业服务必须补足本地客户理解和 Go-to-Market，增长也要更多依靠 SEO、社媒与病毒传播。反过来，中国企业也许不愿为工具付费，却可能愿意以低十倍的价格购买 AI 直接交付的工作结果。

戴雨森对 2025 年的核心机会判断是 Agent、可扩展的个性化、超人级研究能力与跨模态转换，但他仍把当下定义为“黑莓时代”。 产品会从“卖工具”变成“卖工作”，软件、内容和教育可能按个人即时生成；o3 则让 benchmark 从普通人、专家人类继续上移至 superhuman。乐观的依据不是现有产品已经成熟，而是“技术进步解锁应用、应用反过来激活模型”的循环正在加速。

🔗 原始收听与视频来源： 2025 开年对谈：AI 关键之年，Agent 开启元年 | 对谈真格基金戴雨森