刘一鸣
观点集合
E225｜硅基员工已来，SaaS业数千亿市值蒸发：AI如何变革组织架构？
企业软件付费对象正从坐席转向可验收的业务结果，RaaS按岗位、工时或端到端成果收费，张韶峰判断其规模至少是SaaS的几十倍。百融合同审核已从每份56分钟降至4分钟，硅基员工也被纳入组织治理，但私域数据、复杂流程和老客户容错率能为传统SaaS争取多久仍待验证。
查看摘要（8段）
- 这轮软件股重估的核心，是企业付费对象正从“坐席”转向可验收的业务结果。 节目称Anthropic在Claude Cowork上推出11款企业插件后一周，全球软件板块蒸发近万亿美元；张韶峰认为技术并非突然跃迁，OpenClaw与这些插件只是“压死骆驼的最后一根稻草”。License不会马上消失，但“新的范式序幕已经绝对拉开了”，旧模式最终下沉乃至消亡只是时间问题。他还回忆，2021年投资人要求百融改成美国式SaaS，而他主张中国可以跳过SaaS，直接做TaaS（Transaction）；投资人后来建议称BaaS（Business，业务级服务）。
- 能延长SaaS寿命的主要是私域数据和复杂流程，停留在人脑里的行业Know-how并不牢靠。 通用大模型拿不到私域知识便难以复制应用；一个流程可能有20个步骤，张韶峰又以0.99或0.98连续乘以25次说明错误概率如何累积，最终可能低于企业容错线，给传统厂商带来或许3年的“救赎期”。刘一鸣随即认为可能连3年都不到，追问是否过于乐观；张韶峰没有直接确认这一点，而是转而谈第三类壁垒。但张韶峰仍判断，中国满足这些条件的SaaS几乎没有，美国可能也只是小部分。
- RaaS把软件预算扩展到岗位工资、业务外包和端到端结果，张韶峰判断其规模至少是SaaS的几十倍。 百融内部合同审核从每份56分钟的人力降至4分钟，52分钟由硅基员工承担，因此可按岗位、工时或件数定价，成本可能只有碳基员工的三分之一至五分之一。更进一步，AI BPO可按端到端结果计价；张韶峰以传统销售渠道按销售额分成20%、30%或40%作类比，而非称百融固定采用这些比例。
- 传统软件巨头的客户与存量收入既是护城河，也是自我革命最沉重的阻力。 从一次性On-premise收入加15%—20%维保费切到前期收入较低、续费未知的SaaS，本就存在利益冲突；AI转型又会遭遇老客户对错误更低的容忍度。创业公司则“是个光脚的”，没有旧收入可蚕食，早期用户也更愿意接受犯错，等新范式被广泛认可时，“新王”的产品与组织可能已经成熟。
- AI Agent正在被当作可治理、可考核、可退役的劳动力，而不再只是软件功能。 张韶峰称百融1000多名碳基员工对应二三十万名硅基员工，公司将硅碳比概括为约130—150:1；硅基员工有组织架构、工号、邮箱、工龄、JD、KPI和训练责任人。表现不好时可能先自我改进，再由碳基伙伴重训或安排“退出服役”，“干得好，硅基员工只需要奖励电和芯片”，最终责任与经济激励仍归人类。他本人还曾为处理内部审批搭建硅基助理，后来这一需求被批量做成公司级硅基员工。
- 自动化并不必然等于同数量裁员，但能否完成角色迁移会决定收益如何分配。 百融原用50名碳基员工服务2500家小企业客户，这些客户每年贡献10万—50万元收入；后来改为18名硅基员工加5名碳基员工，剩余45人没有被裁，而是学会生产智能体，从成本中心转成利润中心，收入反而提高。张韶峰同时保留了关键限定：“是不是每个企业都能做到这样的，我觉得恐怕也不是。”
- 企业Agent的价值栈可能落在专属大模型、AI PaaS、IAV与Agent Store之间，而非由单一通用模型厂商通吃。 百融称专属模型基本上处理95%以上的问题，剩余约2%—5%的corner case再路由给通用模型；AI PaaS则把传统ISV转型为Independent Agent Vendor所需的公共能力补齐。生态方若创造100元收入，可示意性地拿70元、平台拿30元，原则是“你们没有赚到钱，我们也不收钱”。
- 招聘与法商财税显示，Agent最先吃掉的是搜索、沟通、非结构化内容生产和多步骤流程，人类保留审核、判断与责任。 招聘智能体可理解“微服务”背后的能力而非只搜关键词，并要求候选人现场使用Cursor、Claude Code、Codex或Trae；“百鉴”则把内部合同审核从56分钟压到4分钟，并用几十分钟生成跨境咨询报告。张韶峰预计3年后专业人士可能“只剩下一个体面的工作，就是审核加签字”，但这份签字仍代表证照、判断与最终责任。
Vol.71 简单聊聊GPT5和美国电力—with 刘一鸣/101 Weekly
GPT-5显示合成数据、预训练再利用与强化学习仍能延展scaling law，数学、编程和医疗成为强化学习更易兑现的领域。推理token消耗与算力需求可能以指数级上升，推动数据中心CapEx触及美国电力系统临界点；OpenAI仍需通过To B和政府订单补足To C订阅的收入约束。
查看摘要（7段）
- GPT-5并未证明数据“撞墙”消失，而是显示强化学习把 scaling law 延伸到了新路径。 庄明浩认为，Ilya 在2024年9月指出的原始数据瓶颈“没有说错”；变化在于合成数据、预训练再利用与后训练形成了“左脚踩右脚就飞上去”的梯云纵，数学、编程、医疗正是能够明确通过强化学习提升效果的领域。
- 算力需求仍会从训练延伸至推理，而且单位成本下降不会压低总需求。 庄明浩给出的量级是：token 单位成本差不多每12个月下降一个数量级，但 token 消耗和所需算力也差不多每12个月以指数级上升，“它就配上了”。推理 token 与算力并非简单线性关系，还要同时考虑时间和单次消耗成本，不能用单一方程处理。
- GPT-5发布不及预期，但产品工程仍在为 To C 主线补短板。 减少幻觉、路由、去掉谄媚，以及更细的工程实现，都在改善产品体验；工具应用、任务长度和成功率的提升，则指向更可靠的 agent。庄明浩的判断是，“主线还是 To C 的这个战场”。
- OpenAI必须加码 To B，因为消费订阅很难独自覆盖不断扩大的 CapEx。 ChatGPT 周活从年初约3亿—4亿升至7亿，但即便继续增长，周活乘转化率、再乘每月20或200美元的 ARPU，收入仍是可估算的；企业实施和政府订单提供更大的边际增量，同时也要正面应对 Anthropic 和云厂商的竞争。
- 广义 scaling law 仍有效，但能力增长已经从“喂更多数据”转向预训练、后训练与强化学习的组合。 庄明浩认为，这条研发路线至少到2024年Q3仍然奏效，GPT-5强化工具应用、任务长度与成功率，符合 L3 agent 阶段；至于下一节点及 L4 如何实现，“对于我们这些外人来讲可能没有办法知道”。
- 美国电力资产的重估，来自数据中心 CapEx 触及电力系统临界点，而非 GPT-5 单次发布。 几家头部公司当前单季度投入约1000亿美元；庄明浩转述摩根士丹利报告称，到2029年还是哪一年，年投入可能达到3万亿美元，并据此推演：“美国整个电力生态都可能被重新写一遍。”
- 电力扩容机会不止发电设备，而是生产、输送、配电及辅助设施的全链条。 刘一鸣关注 GEV 的蒸汽燃机、蒸汽轮机、SMR 与水电等布局，并提到订单排到2029年；但两人明确保留判断边界——他们是在按 AI 需求和 CapEx 推演，尚不知道数据是否已到临界点、具体需要怎样改变。
Vol.69 再聊星际之门计划—with 刘一鸣/101 Weekly
DeepSeek冲击后的算力悲观交易已反转，NVIDIA市值突破4万亿美元，但极端共识也在酝酿下一轮波动。星际之门的瓶颈从技术需求转向资金来源，Oracle凭数据中心建设和运营获得更直接的收入路径，而OpenAI收入与基础设施支出的缺口仍待收敛。
查看摘要（7段）
从 DeepSeek 冲击后 NVDA 单日暴跌17%，到 NVIDIA 市值突破4万亿美元、纳指与标普500创新高，市场在2025年上半年似乎证明，原先对算力投入的担心暂时无需担心。 Agent、强化学习、多模态与 AI coding 继续消耗算力，微软一度削减两个数据中心所代表的悲观叙事也已退潮；庄明浩的概括是，“所有事情似乎全都回来了”。但当共识再次走向极端，新风险也可能正在酝酿。
星际之门没有因为 DeepSeek 而被算力逻辑击穿，真正的瓶颈已经从“算力还要不要堆”变成“钱由谁来出”。 OpenAI 预计全年收入仅100亿—130亿美元，却与 Oracle 签下每年300亿美元的数据中心服务协议；微软、谷歌、亚马逊、Facebook、Oracle 或其他资本最终谁承担账单，比技术趋势本身更悬而未决。“大家已经不再讨论趋势……总会有人出的。”
如今被装入“星际之门”名下的项目，看上去已不再是1月公布的那个清晰独立实体。 原方案要由外部投资人和股东出资、Oracle 建设基础设施，并由正规的运营方参与；现在软银并不在原来那个计划里，而 OpenAI 与微软的利益主体及融资安排、软银对 OpenAI 的融资、软银自身募资及星际之门承诺彼此套叠，形成“一个解不开的线团”。
软银不是普通财务投资者，而是在把集团未来、ARM、日本 AI 落地及与日本政府的关系同时押上。 庄明浩没有把失败直接定义为“致命”，只说会“比较麻烦”；孙正义押注规模虽一贯激进，但今天头部基金都进入数亿美元融资、数十亿美元估值的牌桌，“这个筹码量加了个零”，软银的大额支票已不再独有。
Oracle 仍是这轮扩张中更清晰的卖铲方，因为它无需押中最终胜出的模型。 只要数据中心继续建设并由 Oracle 运营，“这份服务跟这笔钱我就挣到了”；同一逻辑向下延伸到 Vertiv、液冷、变压器与线缆。刘一鸣则感觉，若星际之门真推进至第五阶段，现有技术似乎都无法实现，这一工程判断在对话中没有被庄明浩进一步确认。
GPT-5 即便按当时预期发布，也更可能是强化既有范式，而非重演一次划时代冲击。 基础模型、强化学习推理、融合与 MoE 的路线已经高度可见，庄明浩预计它会“很强”、取得很高排名和高分，却未必特别意外；若 Scaling Law 的进步确实变慢，训练型算力才会面临更直接的压力。相较之下，他更关注 DeepSeek V4 能否抬高基础模型底座，并进一步释放 R 系列推理模型。
OpenAI 的商业化尝试在增加，却仍远未追上基础设施支出曲线。 ChatGPT 日信息条数据称从年初约10亿条升至25亿条，全年收入目标由100亿美元传出上调至130亿美元；但仅 Oracle 合同就达每年300亿美元，总成本还远不止此。“什么时候那两条曲线发生变化”，仍是去年红杉提出的6000亿美元问题，而且今天这个数字可能还要翻倍。