為什么我們對 25 年 AI 極度樂觀？| 42章經

我對當下的 AI 市場和明年的發展都極度樂觀，明年肯定是個 AI 大年，我發現市場太悲觀了，這就是我拖延了兩周，最后決定一定要做這期內容的原因。

來，我們直入主題，先來看這兩年 AI 發生了什么。

23 年，AI 來了，很多互聯網人和美元基金就直接沖了，因為不管從什么角度看，AI 這波都和大家熟悉的互聯網那波機會太像了，而且天下其實已經苦互聯網人久已，從 15 年以后大機會其實就不多了，18 年以后更是幾乎沒有，我記得過去兩年漲起來的到千萬日活的產品可能也就是番茄小說等極少數的幾個。

那互聯網人發現我練成一身武功絕學，江湖卻沒了，這怎么能忍？

然后市場做了個判斷，AI 是不是大機會？肯定是，是什么量級先不說，是對標電、互聯網還是云也先不管，但這里又有個判斷，就是 AI 肯定還在早期，所以很多人有個結論，說 AI 要先投技術背景的人，所以像清華的教授都被擼了一遍，然后 23 年最多的錢就都流向了大模型公司，很少量的錢流向了做中間層和應用的公司。23 年的時候，但凡你是從 OpenAI 出來的，都像是神壇上的人，大家到美國去學習也是千方百計拼誰能約到個 OpenAI 的人聊聊。

那沖的結果怎么樣呢？我們就再來看 24 年。

24 年要分成兩個部分來看，一個是 9 月前，一個是 9 月后，為什么呢，因為 9 月前市場就如一潭死水，我現在幾乎敢斷言，24 年的上半年就是過去 10 年，及未來幾年一級市場的最底部，市場交易非常差，尤其是新創業公司融資幾乎歸零。

在這期間，幾個大模型公司漸漸地從熱點頂端退溫，如果一個人 23 年從 OpenAI 出來，可能剛開始估值能到幾千萬刀，到 24 年也許都不會有人投，再一直到最近，大家得到一個結論，說 Pre Training 沒用了，都不做了，都去搞 Post Training 就行，那價值就更小了，可能要在國內跳槽找工作都性價比極低了。

這個時候，仍然要出手的機構就去了兩個方向，其中最主要的就是具身智能。如果說 23 年 AI 創業投資的關鍵詞是大模型，那 24 年的關鍵詞就是具身智能，在這個過程中，也有些不那么相信具身智能的機構同時兼顧了一些 AI 硬件或者說消費電子的投資。

那同期來看 23 年出來的這些人怎么樣了？大模型的這幾家公司大家討論很多了，我就不再多說了，總之現在模型的發展趨勢非常符合我們 23 年初的判斷，即

1）大模型是 Commodity，逐漸成為基礎設施

2）大模型開源進展速度仍然超過閉源

3）實際應用落地時市場偏向于多模型混合方案，而不是單一模型通吃

4）技術永遠是為了解決問題存在的，所以好的產品大于一切

那 23 年開始出來的產品和應用的創業公司的狀態如何呢？

我們計算了下，當下市場中大概有 20 - 30 家應用類公司的估值超過了 5000w 美金，而所有應用公司的 ARR 年收入中，大多數為 0，因為還在打磨未上線，或者上線了但還在找 PMF，少數找到了 PMF 的達到了 100w 美金 ARR，極少數頭部項目達到了 1000w 美金 ARR。

所以，我可以說我們所有人在 23 年都對 AI 過于樂觀，以至于 24 年市場給的反饋又讓大家都過于悲觀，包括最近我看到很多人在討論和總結當下市場的時候都是悲觀的基調。

但我們對于當下和未來的 AI 市場現在是 極 度 樂 觀 的狀態。

這就要從 24 年 9 月后說起。

在 9 月后我們發現市場出現了幾個核心的變化：

1）融資市場明顯復蘇，有很多高估值初創企業出現，這可能來自于一些機構年底沖 KPI，或明年的募資規劃等等。

2）各種模態模型的能力都在默默加強，其中圖片生成本就超過了人類、語音和歌曲的我認為也超過了人類、視頻和 3D 模型的進展速度遠超大家預期，基本達到了 GPT 3 左右的水平，而大語言模型本身的進展速度反而是最弱于預期的，但也已經降本到可用，且出現了以 o1 為首的推理模型，這讓 Agent 的落地變得更能實現。

3）這個點是很多人忽略，但我們感知尤為明顯的，就是創始人的畫像發生了明顯的變化，在 24 年中以前，AI 創始人基本都是傳統互聯網行業轉型過來的，但最近幾個月有大量的我們稱之為 AI 創二代的人出現，比如大模型公司出來的、大廠 AI 業務負責人出來的、甚至是一些中小型 AI 創業公司的聯創等出來創業，這些人對 AI 的理解、認知，講的要做的方向和故事，都給人耳目一新的感覺。

所以，我們是切身體會到整個 AI 市場的進步，而這個進步毫無疑問會延續到 25 年，這個就是我們樂觀的核心原因。

當然，我知道有很多人擔心美元基金的問題、擔心宏觀經濟的問題、擔心中美關系的問題等等，但我一直堅信最終決定市場的是資產本身的價值，只要資產好了，其他問題總有辦法解決。

那么 25 年我們怎么看，AI 會往什么方向走呢？

1）首先大的市場環境會進一步變好，但變好的表現形式不是萬眾創業或者火熱市場的回歸，而是越加的兩極分化。

從資本方向來說，比如美元基金仍然在和人民幣基金分化，目前國內一級市場明確的兩條路，一條是出海、一條是國產替代、硬科技等，前者偏美元，后者偏 rmb。

從創業融資來看，機構會更傾向于把錢投給背景非常好的人，并且愿意給更高的估值，而不是低估值撒很多小項目，從 23 年開始很長一段時間創業公司第一輪的平均估值就是在 5000w 到 7000w 左右人民幣，而這兩個月有很多 3000w 甚至 5000w 美金的初創公司融資成功案例。

所以如果你還沒進入 AI 這個圈子，你又對自己的能力和積累有一定信心，當下最好的選擇可能仍然不是創業，而是去加入其他 AI 創業公司或者去大廠內部負責 AI 業務來進行積累和學習。

2）像我們之前說的，23 年市場關鍵詞是大模型，24 年關鍵詞是具身智能，那 25 年的關鍵詞就是應用落地，而且現在這似乎成為了中美市場以及一二級市場對于 25 年資產標的預期的共識。

從具體落地角度，過去兩年大家探索出來了一個最共識的方向，也是目前最能落地的方向就是生產力工具類產品。

這是過去一年火起來的一個概念，即 Prosumer 或 Pro C 人群，或者也可以說是小 B 大 C 的這么一群人，比如專業的視頻創作者、歌曲創作者、保險經紀人、券商從業者等等（甚至也包括 AI Coding 的工程師群體），這里的核心原因是：

1）過去五到十年，國內市場似乎驗證得到了一條結論，即國內 to 大 B 的市場就是不行，做不出來，這里的問題原因有很多，核心的幾條就是人均 GDP 低、人的成本低、以及產業結構和美國不同，美國頭部企業都是私企，而國內都是國企，所以最后利潤都被渠道賺走了。

2）大 B 不行，純 C 好像暫時也不行，其中最核心的一個原因是國內 C 端的付費意愿和能力都非常低，而 AI 又是一個一上來就有 token 成本的事情。

所以大家卡出來一個小 B 大 C 的概念，就是生產力工具，這個人群兼具了 C 的用戶和傳播屬性和 B 的付費能力。

而這個概念在 25 年仍然會是最主流的方向，我相信明年我們會看到一批千萬美金 ARR 的這類創業公司出現。

除此之外 25 年我們最看好的兩個方向是 Agent 和多模態，這里 Agent 大家提的最多，但我個人覺得多模態的潛力其實更大，我們來分別講下。

Agent 其實是從去年就開始火的概念，但直到最近推理模型能力提升才真正解鎖了可能性。未來各種專業人群、垂直領域都會有 Agent 的機會。

現在很多人認為 Agent 會是對傳統 SaaS 的一次迭代更新，并且市場價值會是 SaaS 的十倍，因為本質上 SaaS 是提供了軟件服務，而 Agent 是軟件服務+人力的打包替代方案。

那這里有一個核心問題，即 Agent 到底是大廠和現存玩家的機會，還是新創業公司的機會呢？如果 Agent 是對 SaaS 的更新迭代，會不會是現有 SaaS 公司直接加上 Agent 能力即可？

為了回答這個問題，我去研究了 SaaS 當年是如何取代傳統軟件公司的，也就是為什么傳統軟件公司沒有成功轉型成為 SaaS 公司呢？

我發現答案有幾個：

1）將現有的本地化軟件遷移到云端有技術門檻且成本高。

2）SaaS 公司更用戶導向，需要持續交付，而傳統軟件公司更多是強銷售、一次性銷售。

3）最核心的原因是商業模式上有本質的區別，傳統軟件是開發完成后一次性軟件付費，比如一年數百萬的費用，而 SaaS 公司是少量多次的訂閱制收費。

所以你可以想象，傳統軟件公司可能是重渠道、重線下、長周期，不知道要開多少次會、吃多少次飯，最后敲定一個幾百萬上千萬的大單，而與此同時 SaaS 公司的一個剛畢業的學生，坐在辦公室里跟客戶開了個視頻會，說你看，我們這個線上可以直接開通，一個月只要 500 塊每個人，功能跟你們幾百萬買的一樣。

所以 SaaS 公司和傳統軟件公司從開發模式、銷售模式、到組織結構、人員管理等都有本質的區別，這個區別就決定了傳統公司要轉型還不如重來或者收購。

那我們再來看 AI 公司和 SaaS 公司在這幾個點上相比如何。

從技術門檻來說，AI 的技術門檻和改變，可能沒有之前變化那么劇烈，但開發模式是一定需要根據 AI 時代來重新變化的。

從銷售模式和商業化來說，這里可能會有一個核心的變化，如果未來 AI 真的能做到按結果付費，而不是按訂閱付費，那可能就會是一個對現有 SaaS 公司和模式的顛覆式變化。

即我現在可以賣一個 SaaS 軟件給你，說這個能幫你 100 個營銷人員提效，然后你買了試了，最后到底結果怎么樣并不好歸因，但 AI 公司會說，你就拿去用，最后幫你省多少錢，你給我其中一部分就行。

如果最后 AI 和 Agent 真的能實現這個效果，那我會傾向于認為 Agent 仍然是新公司的機會，因為 SaaS 企業要徹底變革成這樣實在是太難了。

隨之而來的，銷售人員的管理和組織模式等也會產生劇烈的變化。

在 SaaS 時代，銷售的作用已經弱化，比如我們會聽到有上千人電銷團隊的例子，所以后來 SaaS 中會有 PLG 的說法，即通過產品本身的功能和口碑來吸引用戶，再做商業轉化。

那如果 Agent 成為按結果付費，似乎甚至大多公司都不再需要銷售，只要做好 SEO 等就足夠了。

除此之外，還有兩個問題是當下所有 SaaS 公司都會遇到的，一個是客戶覺得 SaaS 軟件的定制化太差了，都是通用功能，另外是 SaaS 軟件太多，而數據又無法打通，而這兩個問題都非常適合用 AI、bot、Agent 的方式來解決。

所以未來可能一個公司就使用一個打通的 bot 平臺，上面有 N 個 Agent 互相協同工作就足夠了。

最后，雖然我們分析了這么多商業邏輯，但我始終認為最終最重要的就是人和組織的問題。

比如你可以想象到大多傳統軟件開發者可能是背個公文包的中年人形象，你不覺得他們懂互聯網，也不覺得他們能轉型成功，那 SaaS 創始人呢，其中有大量的有很深的行業 knowhow 的人，但他們能很快轉到 AI 嗎，他們可能會猶豫一年、自己試驗一年、再招人做一年、中間如果發現人不行還要再換，最后發現現有組織形式無法在內部產出，這些時間成本可能已經足夠一家新公司跑起來了。

所以最終，我認為市場上創業者的平均基準線能力，決定了新玩家的機會有多大，在 20 年前這個基準線肯定是不及格的，10 年前可能剛及格，而現在在 2C 領域這個基準線已經極高（比如你不會覺得今年的張一鳴和十年前有本質區別，也不會覺得他就落伍了，實際上他可能更強了），而 2B 領域可能仍然還有大量機會。

所以作為結論，我們覺得 25 年的 Agent：

1）主要在 2B 領域落地

2）一些存量的 SaaS 公司會基于已有的渠道快速利用 AI 概念攻占一些市場，先見到收入

3）更多的主打新商業模式的 Agent 創業公司會開始冒頭，并在未來反攻現存 SaaS 企業

然后再給大家留一個問題，或者說是一個思路，如果說未來好的產品經理可能來自 Post Training 背景，那好的 SaaS 創始人會不會是來自客戶成功團隊？

討論完 2B Agent，這里再提一個很容易被大家忽視的問題，比如我們以 Perplexity 這家公司為例，大家提到 AI，就會想到幾個最大的場景和代表公司，比如陪聊的 Character.ai 和搜索的 Perplexity。

但如果我說 Perplexity 實際上是一家 Agent 公司，你會如何反應？

Perplexity 創始人前陣子在斯坦福做了一個對談，其中主持人問他，Perplexity 最終如何成為一家偉大的公司？

他的回答是：如果我們能夠幫助人們找到所有問題的答案，并幫助他們完成所有任務，我們肯定能躋身于此行列。

這個回答看起來很普通，但卻開啟了我的一個認知升級，即原來 Perplexity 的目標不在搜索，而是在完成任務。

其實想來也是，用戶搜索是為了得到一個問題的答案和解決方案，Google 已經把信息檢索和推薦做到了極致，但用戶仍然是跳轉出去來尋找答案，那如果 Agent 可行，是否能在搜索的同時自動幫助用戶提供解決方案呢？

比如 Perplexity 已經上線的電商搜索就是一個類似的嘗試，與其我在各個平臺搜索商品和評價，再跳轉下單，為什么不能在一個平臺上完成所有呢？

所以從這個角度來說，是否也可以說 Perplexity 最終就是個 Agent 公司，那這就解釋了為什么它能有這么高的估值，可以說 Perplexity 很可能是下一代 AI 的最大入口和平臺。

我們再把這個邏輯推而廣之。

前微軟 CEO 納德拉曾經講過一個點，他說比爾蓋茨在他整個職業生涯中一直強調的一件事是，數字領域只有一個類別：信息管理。（我相信張一鳴可能也是同樣的觀點。）

那如果信息管理都最終指向一個行為 action，有沒有可能 AI 時代最終就是信息管理+行動，而 Agent 就是一個完成體呢？

所以可能當下所有做信息類、輔助類的 AI 產品，尤其是 2B 或 2 Prosumer 的未來就都要往提供結果角度去思考和發展了。

好了，終于講完了 Agent，最后我想講一個我覺得最重要，卻很少人提的方向，就是多模態。

大家這兩年一直在討論 AI Native，討論是不是所有的 APP 都值得被重做一遍，目前為止似乎還沒有答案，而我覺得這個答案就藏在多模態之中。

尤其在 2C 領域之中，如果 AI 只是產品的一個附屬功能，比如在產品中加入 AI 總結、AI 提示、AI bot 等，產品的交互形態、界面都沒有大的變化，那自然不可能出現 AI Native 的產品。

但在多模態視角之下，產品的組織形態和使用邏輯都是有可能發生徹底的變化的。

比如我們以 NotebookLM 為例，這個產品能夠讓用戶把一篇文章變成一段兩個 AI 的對話，并且用戶還能隨時插入對話之中進行互動或改變對話的走向。

這里用到了 AI 的理解能力、語言能力、也引入了多個 AI 人格，并且完成了跨模態的內容組織，還加入了用戶的互動，可以想象這類產品的最終形態和使用行為肯定是現有產品無法承接的。

那如果我們把這個例子再泛化，用多模態中 Any to Any 的思路來推衍呢？即未來用戶的輸入可以是任何內容，不管是發一段話、拍一張圖、還是上傳一段視頻，而 AI 可以把這類內容變成任何最適合的形式。比如我要討論一個課題，AI 直接生成了一段辯論類視頻綜藝來幫我理解，我還可以作為其中一方的辯手隨時加入，那這是否顛覆了現有的內容獲取和人類接受教育的方式？

所以，我認為 Agent 的路徑是相對有標準答案的，而 AI Native 的答案可能就藏在多模態之中，當然，我現在只能給個大概的方向和思路，并不能給出完美的 AI Native 的答案，這個也不該是我的工作，而是需要無數勇敢和天才的創業者和產品人來探索，在這里我只能給大家幾個可以持續思考的建議。

1）雖然是 Any to Any，但從歷史經驗來看，是否視頻類型內容的輸出才是多模態的最終歸宿？

2）人們未來的內容消費會不會都從被動接收信息，轉變為被動接收與主動參與的結合？

3）Any to Any 仍然是生產力的變革，如何通過新的 AI、bot 和人的組織形式，真正變革生產關系？可能這個答案出現的那一天，就是下一個抖音將要出現的時候。

我知道很多人這兩年不好過，做不做 AI 的都差不多，但我明確看到早入場的人，和堅定樂觀的人也獲得了回報，比如今天有一批高估值的公司基本都是 23 年初就勇敢進場的創業者，比如去年聊的比較多的人，今天也都遇到了各種機會，成為了各個大廠的 AI 負責人。

所以，我們還是要：

在巨大的不確定性面前保持樂觀，

在腳踏實地賺錢的同時保有夢想。

42章經

思考事物本質