硅谷 AI 大轉彎與二級市場的牛市｜42章經(jīng)

莫傑麟已經(jīng)是第五次做客我們的播客了。從 23 年底到現(xiàn)在，我們差不多保持著每半年一次的頻率，定期復盤中美 AI 的發(fā)展趨勢。最近我又來了硅谷，也再次和傑麟聊了聊今年美國的 AI 進展，以及近期二級市場的牛市。

本期播客對談原文約 30000 字，本文經(jīng)過刪減整理后約 10000 字。

曲凱：今年硅谷有什么新趨勢？

莫傑麟：今年大家達成了一個新共識：AI 又進入了一個高速發(fā)展的階段。

但硅谷出現(xiàn)了一個大轉彎，就是 AI 的核心衡量指標，從「Scaling Law」變成了「Token 消耗量」。

今年最核心的敘事，就是 Token 消耗量在持續(xù)增長，而且增速驚人，比如七月就比六月增長了 20% 以上。這非常像移動互聯(lián)網(wǎng)高速發(fā)展那幾年里，流量、留存等指標的增長曲線。

在 Token 消耗加速的背景下，從最底層的 GPU，到模型，再到最上層的應用，整個行業(yè)都有新的發(fā)展。

目前消耗 Token 最多的，還是 OpenAI、Anthropic、xAI 等幾家核心 AI Labs。再細分來看，增速最快的是這些 Labs 自有的應用，比如 ChatGPT 的日活、使用時長都在上漲，其次是很多 ToC 的生產力工具。

曲凱：所以大家現(xiàn)在會越來越多地用大模型。但今年美國的模型并沒有明顯變聰明，GPT-5 的評價甚至還褒貶不一，為什么它還是有不錯的增長？

莫傑麟：這背后有一個很重要的認知迭代，就是大家對 AI 的預期發(fā)生了變化。

為什么大家從 24 年開始就一直很期待 GPT-5？

因為過去大家期待模型會不斷突破智能上限，實現(xiàn) AGI。

但從今年 1 月開始，大家更期待的是能在日常生活中用好現(xiàn)有智能，因為現(xiàn)有智能已經(jīng)解鎖了很多應用場景，而且大家的需求也很強烈。B 端希望 AI 可以解放生產力、降本增效，C 端則希望 AI 可以替代搜索、輔助工作等等。

所以無論是 AI Labs、Infra 公司還是應用公司，都在想辦法讓現(xiàn)有智能更可用，釋放更多需求，衡量指標自然也就從 Scaling Law 轉向了 Token。

不過不同公司關注的截面不一樣，比如應用端主要看 Token 的消耗量，Infra 端更關注 Token 的利用率和成本。

其實你每期播客我都有聽哈哈，我看你今年請了很多做 Infra 的創(chuàng)業(yè)者，他們做的事情就是讓 Token 響應更快、更穩(wěn)定、更精細化，甚至是把成本降下來。

GPT-5 本質上也在走這條路。它沒有試圖證明自己更聰明，而是把很多之前分散的模型能力、信息和前端界面都整合了起來，從而追求更好的可用性和易用性。

曲凱：所以 AI 已經(jīng)進入應用階段了？

莫傑麟：我覺得已經(jīng)過了應用階段，到了逐步產業(yè)化、加快工業(yè)化的新階段了。

AI 完整進入應用階段的標志是 Chatbot，最后一個關鍵更新是 Agent。

Agent 特別像移動互聯(lián)網(wǎng)時代的 App，以前每個產品都需要一個 App，現(xiàn)在每個場景可能都要有一個 Agent。

但目前 Agent 的 Token 利用效率還不夠高。比如我們用 Manus，經(jīng)常發(fā)現(xiàn) credit 很快就用完了。

那為了讓 Agent 的使用體驗更好，就需要去優(yōu)化 Infra，讓智能更好地落地。

曲凱：那如果大家不再講 Scaling Law，是不是意味著 AGI 不重要了，或者說實現(xiàn)不了了？

莫傑麟：這點很有意思。今年大家對模型和應用的分工也形成了一個新共識。

模型的地位依然很強勢。并不是說模型智能不重要了，而是它必須被封裝進商業(yè)環(huán)境，或者和 Infra 結合，成為一體化的解決方案，真正提供商業(yè)價值和產品價值。

在應用層面，過去大家常常爭論套殼有沒有價值。但隨著 RL 范式的發(fā)展，大家逐漸發(fā)現(xiàn)目前可被驗證的使用場景并不多，所以現(xiàn)階段更實際的做法是先通過產品讓用戶把模型用起來。比如 Manus 提出的 Context Engineering，就是一個從產品層面找到的切口。越來越多的人也認識到，context layer、agentic layer 本身也很有價值。

所以今年不同位置的玩家都會以 Token 消耗量為主軸去做事，各有分工。模型公司要讓 Token 本身更有價值，Infra 公司要讓 Token 的使用更快、更好、更省，而應用公司則會想辦法讓消耗出去的 Token 換回更多的數(shù)據(jù)反饋。

曲凱：但如果模型公司不再把精力放在 AGI 上，而轉向整合和應用，這是不是一種不太健康的趨勢？

一方面，應用端已經(jīng)卷得厲害了。就拿 AI Coding 來說，美國甚至卷得比國內還狠。如果模型公司也下場，豈不是更卷？不過可能有 PMF 的事情還是太少了，大家看到一個能跑通的事情，不去做也不太現(xiàn)實。

另一方面，之前 OpenAI 之類的公司專注于提升智能，每次智能有突破，就會解鎖更多能力，催生一批新的套殼公司。但如果今天模型公司不再追求智能提升，而是把有 PMF 的事情順手做掉，那好像模型和應用之間的分工反而變模糊了？

莫傑麟：我覺得這反映了一個很有趣的變化，就是今天的公司和過去的公司不太一樣。

以前我們習慣用一句話來定義一家公司，比如字節(jié)就是「App 工廠」。到了 AI 這波，大家也有這種慣性，想用一句話去定義各種公司，比如 Google 就是「有很強的技術人才儲備」。

但在 AI 時代，技術和產品是可以逐步融合的，可能就沒必要把分工劃得特別清楚。

能融合到什么程度還不好說，但從邏輯上來說，應用可以提供一部分數(shù)據(jù)給模型，所以一些有企圖心的公司一定會嘗試既做模型，也做產品，甚至順帶做一些 Infra，把整個鏈條端到端地打通。

我們也確實能看到，今年 OpenAI 招了不少創(chuàng)業(yè)公司的 founder 進來做產品，Google 在應用端的發(fā)力也越來越快；Manus 本身就在做一些技術工作，Cursor 也開始訓練自己的模型。

所以說，今年不同 AI 公司之間的邊界變得很模糊。

曲凱：如果模型和應用公司能夠互相促進，形成平衡，長期看當然是好事，但前提還是要看模型本身的能力能發(fā)展到什么程度。

比如 GPT-3.5 解鎖了聊天能力，才有了 C.AI 這類產品；模型具備了 RL 推理能力，就出現(xiàn)了一大批 Agent 公司。這也是為什么我們最近在看多模態(tài)，因為如果多模態(tài)模型解鎖了新的能力，未來就可能涌現(xiàn)出多模態(tài)時代的 C.AI 和 Manus。

不過現(xiàn)在回看，其實當時 o1 出來之后，大家都覺得模型好像沒變得更聰明。

最近 GPT-5 發(fā)布，似乎大家也覺得它沒解鎖什么新能力。在你看來，GPT-5 有沒有什么被低估的地方？

莫傑麟：我覺得很有。

首先評估模型智能水平這件事的重要性已經(jīng)降低了。

今年 OpenAI、DeepMind 的模型已經(jīng)拿下了 IMO 金銀牌，說明我們其實已經(jīng)沒有太多合適的工具去評估模型的好壞了。

而且現(xiàn)在 AI 已經(jīng)進入工業(yè)化和產業(yè)化的新階段，在這個階段，最關鍵的評估指標就不是智能水平，而是成本，因為在性能差不多的情況下，只有足夠便宜，產業(yè)化才能加速。

另外，我覺得大家對模型的預期經(jīng)常和模型本身的能力有偏差。

比如當時大家對 o1 的預期是它一下子能解決很多問題，但回頭看，大家當時并不知道它解鎖了什么能力，也不知道該怎么準確評估。后來大家才慢慢意識到，RL 范式在產品上最直觀的體現(xiàn)，是模型更懂你、情商更高，降低了用戶寫 prompt 的門檻。

那么我個人認為，GPT-5 是一個非常重要的轉折點。它標志著大家對 AGI 的預期被大幅修正，接下來拼的就是全棧能力和效率。

GPT-5 依然是一個不錯的可用的模型，更關鍵的是它把模型拆分成了 Instant、Thinking 等不同模式，從而能夠分開計價。從商業(yè)模式上看，GPT-5 已經(jīng)明顯進入了加速產業(yè)化的階段。

曲凱：但這豈不是進入了國內創(chuàng)業(yè)者的舒適區(qū)？假設大家都開始拼整合、拼 Infra、拼工程，那 DeepSeek 不會比 ChatGPT 差，甚至可能更好。

莫傑麟：邏輯上是這樣。

因為模型確實進入了一個瓶頸期。除非 Thinking Machines 能帶來新的架構創(chuàng)新，否則大家基本已經(jīng)接受模型架構就是這樣了，智能提升主要來自各個環(huán)節(jié)擠出來的增量。

不過各個環(huán)節(jié)的增量疊加起來，依然有幾十個百分點的提升空間，也還有圍繞 Infra 的創(chuàng)新余地，所以今年幾家 AI Labs 在 ASIC 上的研發(fā)速度都加快了，都在圍繞 Infra 下功夫。

曲凱：對，我們剛跟亦博錄完一期，和他聊完我才意識到，原來現(xiàn)在 Infra 這么重要、對模型的影響這么大。

比如之前大家都在討論 DeepSeek 為什么這么強，亦博給出了一個特別好的答案，就是因為 DeepSeek 的 Infra 足夠強、梁文鋒本人也特別懂 Infra。

莫傑麟：我聽了那期播客，我覺得亦博講得非常好。Infra 的作用其實很直觀，但做 Infra 優(yōu)化的人還不多。

在我的理解里，Infra 優(yōu)化可以拆成四層：

第一層是模型和 GPU 之間的優(yōu)化，也就是怎么把卡用好。我理解 DeepSeek 就是在這一層做得特別好。

第二層是模型和應用之間的優(yōu)化，現(xiàn)在主要體現(xiàn)為推理加速。以前模型公司會順手把這件事做了，但今年有了一些初創(chuàng)公司的機會。因為 Anthropic 不再給 Windsurf 提供 API 之后，很多應用公司不想只綁定一家模型，而是會去找 Together AI 和 Fireworks 這樣的中間商，然后順便讓它們幫忙做推理優(yōu)化。不過推理加速的技術壁壘不高，很多東西還是開源的，所以這一層的毛利空間還存在爭議。

第三層是純應用層的 Agentic Infra。像 、在你們播客里提到過的就屬于這一層。這一層做得好不好，會直接決定用戶體驗。比如你給 Manus 一個任務，它是只能跟你對話，還是能在前端直接調動一個優(yōu)化好的模型幫你做事，用戶感知差別會很大，消耗的 Token 也會完全不同。

第四層就是 context 層的 Infra。Manus CTO Peak 提到的 Context Engineering，講的就是這一層的事。

曲凱：明白。所以未來一段時間里，模型會把更多東西整合起來，既包括已經(jīng)驗證過 PMF 的應用，也包括能優(yōu)化 Token 消耗的 Infra。

在這個前提下，我自然會有個疑問：

為什么英偉達和一些 AI 公司還能漲得這么好？尤其是英偉達，它上一波大漲主要是靠 Scaling Law，現(xiàn)在大家都不講 Scaling Law 了，為什么它還在漲？

莫傑麟：英偉達漲得好的核心原因，就是 Token 消耗量一直在增長。

英偉達的需求主要分兩部分。一部分來自模型訓練，尤其是 pre-training。這類需求有周期性，當模型或架構穩(wěn)定后，訓練用卡需求會下降。另一部分則是推理需求，來自用戶的使用過程。這兩種需求此消彼長，前者對應 Scaling Law 的邏輯，后者則對應 Token 消耗的邏輯。

現(xiàn)在 Token 的消耗越來越多，大家看到 RL 的進展、Meta 大規(guī)模招人后，對 pre-training 的需求也在回升。再加上英偉達在軟件和售后服務上的優(yōu)勢，很多公司更愿意一站式地用他們的 GPU。各種利好因素疊加，英偉達自然還是會有不錯的漲勢。

但今年一些 ASIC 廠商，包括 AMD 的股價也表現(xiàn)亮眼。

這說明什么呢？

說明雖然英偉達依然強勢，但市場和公司已經(jīng)在思考怎么「節(jié)流」了。比如一些大公司會考慮在推理環(huán)節(jié)用 ASIC 或 AMD 來降低成本。而國內因為長期有卡脖子的問題，更是早已有不少替代方案。

這里面其實有一個賺錢的密碼，就是大家只要解鎖了 Infra 的變化趨勢，可能就會在其中找到機會。今年很多英偉達產業(yè)鏈公司的漲幅甚至超過英偉達本身，就是因為它們是在 Infra 層做優(yōu)化。

曲凱：你前面講過 Infra 優(yōu)化有四層，現(xiàn)在最核心的是哪一層？

莫傑麟：最核心的還是最底層，因為卡的價格依舊決定了所有事情的走向。但英偉達實在做得太好了，所以這一層的優(yōu)化會是一個長期趨勢，不會特別快。

曲凱：但像你說的，國外 AMD 等公司，國內的寒武紀、光模塊企業(yè)也都漲得很好。那這個漲勢能延續(xù)多久？

莫傑麟：邏輯上的延續(xù)性很強。大家都希望降本，也希望英偉達多幾個競爭對手，至少在推理端有更多替代方案。

但關鍵還是要看個體公司能不能真的交付出東西來。硬件需要訂單、預期和交付能力同時到位。在沒到這個合力點之前，就算需求和預期再高也沒用。

Infra 層還有一個很有意思的看點，就是推理加速這種事情，到底是第三方公司的機會，還是模型公司、應用公司自己就能做掉。

曲凱：但這個短期內應該很難看出來，相當長一段時間可能都會并行。

莫傑麟：是。不過這其中有一個轉折點，就是現(xiàn)在該出現(xiàn)的 Infra 公司基本都出現(xiàn)了。所以我們也在觀察這批公司里會不會長出下一個 Snowflake，或者出現(xiàn)一個嵌在 Palantir 里的 Snowflake。

曲凱：明白。你們今年還有看到什么比較有意思的應用嗎？

莫傑麟：今年有兩個點讓我印象很深。

第一，RL 范式出來之后出現(xiàn)了一些變化。

一方面大家逐漸認識到，能給出準確 reward 的場景其實很有限，所以都爭相去做 Coding、數(shù)學這些能明確驗證效果的場景。

另一方面，大家也意識到很多場景依然需要人的介入，所以一些垂類公司發(fā)展得還不錯，比如法律領域的 Harvey AI 就做到了很高的 ARR，醫(yī)療、金融、保險等領域也都出現(xiàn)了找到 PMF 的團隊。這些團隊借助模型去解決了一些行業(yè) workflow、專用語言和使用環(huán)境等問題，真的把智能用了起來。

第二個亮點來自國內創(chuàng)業(yè)者。今年有一些國內團隊解決了一部分模型和 context 之間的 Infra 問題，并且率先找到了場景，讓消費者直接感受到了智能。比較有代表性的產品包括 Manus 、Genspark、Fellou 等等。

曲凱：今年美國二級市場上還有一些挺有意思的公司，比如 Meta 最近就超級火。你們最關注的幾個點是什么？

莫傑麟：Google 和 Meta 這兩家公司很值得研究。

Google 最值得研究的課題，是組織模式和技術儲備等要素，究竟哪一個對 AI 發(fā)展來說更關鍵。因為大家一直認為 Google 有很強的全棧技術能力，但協(xié)作效率有問題。然而，Google 今年在文字模型、視頻模型和機器人上都有所進展，依然能穩(wěn)居行業(yè)前二。

這個課題很難回答，或許更適合國內的企業(yè)家去思考。因為他們經(jīng)歷過類似的大規(guī)模競爭，更容易理解什么才是決定性因素。他們也可以判斷，如果 Google 真的能夠改變組織模式，是不是有機會創(chuàng)造出更厲害的新東西？

Google 的問題和 Meta 也有所呼應。

Meta 當下爭議最大的課題，就是砸錢招人到底有沒有用。一部分人認為臨時拼湊的團隊缺少統(tǒng)一愿景，很難做出下一代模型。但另一部分人會覺得，Meta 招的人幾乎都是各個 Lab 的頂尖專家，而且很多人都擁有豐富的一線工程經(jīng)驗。

曲凱：甚至很多人還有上鏡經(jīng)驗，比如上過 OpenAI 的發(fā)布會（笑）。

莫傑麟：是的哈哈。所以這兩個課題都非常有意思。

把它們放在一起看，可以看出一個趨勢，就是大家今年的 FOMO 情緒不僅沒有減弱，反而更強了。折射到行動上，就是各個公司從 23 年的「搶卡」，演變成了今年的「搶人」。

曲凱：但我覺得大家本來還好，好像是 Meta 靠一己之力把 FOMO 又帶了起來。

莫傑麟：但是國內騰訊也在做類似的事。美國除了 Meta、Google，這半年里微軟，甚至 ServiceNow 這樣的公司，招聘動作也都很夸張。

至于為什么會這樣，不同的人有不同的視角。

曲凱：所以你的視角是什么？

莫傑麟：我覺得是因為 AI 真的離產業(yè)化越來越近了。

我經(jīng)常開玩笑說，現(xiàn)在的 AI 很像當年的移動互聯(lián)網(wǎng)地推。過去靠地推把線下用戶拉到線上，今天則靠 AI 把用戶帶進全新的場景。

所以那些有場景、有能力的公司，會更真切地感受到 AI 不是遙不可及的 AGI，而是能和自己的商業(yè)場景結合、貼近產業(yè)化的實在創(chuàng)新，那他們就會更堅定地去做判斷和動作。

曲凱：明白。前面我們聊到，Token 消耗的敘事仍然帶動了很多二級市場股票的增長。在我們錄音的這兩天里，國內也進入了一波牛市。那你覺得未來一段時間，二級市場的反饋會有什么變化？

莫傑麟：中美二級市場目前表面走勢類似，但驅動邏輯完全不同。

AI 對美國整體景氣度的影響占到三分之二以上，因為它決定了美國能不能在科技生產力上繼續(xù)保持領先，進而影響各個產業(yè)的落地。

所以美股的走勢相對更好判斷，本質上取決于大家對 AI 發(fā)展的預期。過程中當然會有各種干擾和顛簸，但只要市場相信美國 AI 能持續(xù)領先，產業(yè)化、工業(yè)化在不斷加速，那美股整體還是一個偏向上的局面。

中國這邊則更復雜。

AI 對中國也很重要，但沒有美國那樣的決定性地位，因為中國宏觀經(jīng)濟和二級市場情緒，受居民存款、投資意愿、風險偏好、制造業(yè)周期等多重因素影響，所以 A 股的表現(xiàn)更多反映的是大家心理預期和風險偏好的變化。

曲凱：我們先講美國。我記得你提過一句話，說「AI 是美國所有資產里唯一的泡沫」。

莫傑麟：我現(xiàn)在依然這么認為。但這里的「泡沫」不是貶義，不是說 AI 是騙局、沒有發(fā)展前景，而是說它的估值確實偏高。

曲凱：那比如之前英偉達到 3 萬億市值時，大家核心在驗證的是模型能力能不能持續(xù)提升、Scaling Law 是否依舊有效。

現(xiàn)在有沒有類似的待驗證點，一旦被證偽，就會讓市場的泡沫破掉？

莫傑麟：有兩件事特別關鍵。

第一，Meta 為什么在這個時間點花這么多資源組建這樣一個團隊，以及他們能不能在 6 到 12 個月內做出更好的模型。

第二，會不會出現(xiàn)一些能穩(wěn)定消耗 Token 的應用或場景。

美國現(xiàn)在有個詞叫 Vibe Revenue，意思是用戶知道 AI 有用，但并不清楚到底能用它干什么，所以現(xiàn)在很多產品的收入其實來自于用戶過高的預期，甚至是跟風。

曲凱：所以你覺得以英偉達為代表的這些 AI 的 Beta，在美國二級市場會繼續(xù)漲嗎？

莫傑麟：會有波動。但在 Meta 推出新模型，或者發(fā)現(xiàn) AI 沒有真需求（如果那一天真會到來）之前，大趨勢還是順的。

曲凱：但國內二級市場的 AI 表達，更多還停留在芯片、Infra 上，比如寒武紀、英偉達的產業(yè)鏈公司等等。國內好像就沒有 Meta、Google、微軟這樣的標的。

莫傑麟：其實有。

一開始大家認為最原生的 AI 公司是 DeepSeek 和字節(jié)，但這兩家都沒上市。今年大家找到的新標的是騰訊，過程中一度是阿里，但因為今年騰訊在 AI 上的努力程度和戰(zhàn)略高度都強了很多，所以騰訊今年的股價也很順。

曲凱：其實就還是大廠邏輯。只要一個大廠花錢了、讓大家感覺到它在努力了，就會被列入到這類故事里面。

莫傑麟：也要看它有沒有實質性進展。

其實這波 AI 的估值邏輯和移動互聯(lián)網(wǎng)完全不同。移動互聯(lián)網(wǎng)時代大家看的是 PMF、市場占有率和留存率這些指標。

但現(xiàn)在大家的商業(yè)和投研能力強了很多，不再只盯著現(xiàn)成的數(shù)據(jù)，而是會預判這項技術重不重要、這些人的執(zhí)行力和視野是不是對的、這家公司是不是在正確的路徑上等等。只要你的業(yè)務基礎是健康的，市場就愿意給你希望。

這套邏輯今年在 Meta 和騰訊身上都得到了驗證。

曲凱：所以這波 A 股到底是不是牛市？該怎么判斷？

莫傑麟：這件事我相信誰講都容易被打臉（笑）。

二級市場本質上是預期的投射。比如科技在美國市場之所以特別關鍵，是因為它代表著一種長存的預期，而且科技的毛利率也很高。

我記得 24 年初，我們錄過一期關于樂觀的播客。當時市場環(huán)境很悲觀，但我們身邊的創(chuàng)業(yè)者和大廠負責人并沒有躺平，而是在積極向上、扎扎實實地做事。

到了今年，這批人真的找到了能比全球同行做得更好的事情，比如泡泡瑪特、生物醫(yī)藥等等。

所以，從 24 年初到現(xiàn)在，我觀察到的最大變化，就是 AI 已經(jīng)從少數(shù)人相信的愿景，變成了真正落地的好產品，比如 DeepSeek、Manus、Genspark 等等。

那么牛市需要兩個要素，一是要有一批優(yōu)質公司能持續(xù)輸出業(yè)績，這一點從去年開始中國市場就具備了。二是市場的風險偏好在提高。要具備這一點，就需要市場能有正反饋，也就是大家能真正賺到錢。

曲凱：你發(fā)給我的那張有人拄著拐也要開戶的照片，其實就印證了第二點哈哈。

莫傑麟：是的。其實這波波動里一個很重要的群體就是散戶。

現(xiàn)在的散戶和過去相比，手里有更好的投研工具，也能接觸到更優(yōu)質的信息。不論他們的判斷對不對，研究散戶本身也很有價值。

美國最優(yōu)秀的投資機構是平臺型資產，靠高周轉獲取收益。如果市場里全是高周轉資金，或者全是跟隨型量化，要形成牛市反而更難，因為資金都在博弈。

相比之下，散戶往往更團結，尤其是高知散戶，對一家公司會有更堅定的認知。比如特斯拉和 Palantir 就是典型的由散戶推動起來的公司。

曲凱：但這跟很多人的認知是反的。很多人說國內市場波動大，正是因為散戶占比太高，缺少長線資金，而美股機構資金占比高，所以更穩(wěn)定。

莫傑麟：但這兩年的二級市場和以前已經(jīng)完全不同了。

確實，美國的長線資金占比很高，但這類資金周轉非常慢，不會引發(fā) 6 到 12 個月周期的劇烈波動。現(xiàn)在市場的波動，通常是由機構、量化資金加上散戶共同引起的。

不過，就像我前面說的，機構和量化資金大多是跟隨型、博弈型，其中六七成都不夠團結。他們會緊盯別人的預期，一旦判斷這個預期有誤，就會立刻進行反向交易。

而散戶通常不會有太多博弈性動作。而且在美股這種「熊短牛長」的環(huán)境里，散戶更容易形成自己的投研體系，并通過正反饋不斷完善。比如，有人因為看好英偉達或特斯拉而賺到錢，就會逐漸形成一套自己的投資方法論。

所以這些散戶對股票的選擇很有借鑒價值。

以 Palantir 為例，我們一開始看好它只是因為訂單充足，但如今它已經(jīng)被推到了百倍以上的估值。這背后既有基本面的支撐，也有散戶的貢獻。

再回到 A 股是不是真牛市這個問題。我個人相對偏樂觀，但這其中有一個重要的變量，就是中國的個人投資者，尤其是那些平均股齡二十年的老股民會怎么做。

A 股的牛市相對較短，熊市更長，散戶很難建立穩(wěn)定的反饋系統(tǒng)，往往剛做對一些事，市場就轉向了。但老股民們即使不炒美股，可能也從美股中學到了不少東西。如果他們能把這些經(jīng)驗移植到 A 股，或許會帶來很有意思的變化。

曲凱：這段很有意思。確實，A 股沒有長牛，所以很難形成真正的正反饋閉環(huán)，大家更多還是一種猥瑣發(fā)育或競合關系的循環(huán)。

然后過去兩年，美股 AI 板塊表現(xiàn)最好的，基本還是那幾只大票。你覺得未來會有什么變化？

莫傑麟：我們把模型和算力統(tǒng)稱為 Infra。過去一段時間，市場一直在嘗試從 Infra 切換到軟件。因為大家的肌肉記憶是當 Infra 成熟之后，軟件應用里應該會跑出一個大牛股。

但過去兩年市場一直沒太切過去，因為大家發(fā)現(xiàn)還是 Infra 公司手里有數(shù)據(jù)、有 demo、有頂尖人才，所以大部分交易熱情還是集中在 Infra 上。最多是大家看完英偉達，再去看看它的產業(yè)鏈、投資標的，或者更便宜的芯片替代方案。

不過今年出現(xiàn)了一些值得關注的應用公司。

第一個是 Reddit。它有點像美國版的知乎 + 小紅書 + B 站，而且沒有被過度商業(yè)化，社區(qū)數(shù)據(jù)質量很高。現(xiàn)在 ChatGPT 就在高頻使用 Reddit 的數(shù)據(jù)。我最近也經(jīng)常在想，如果知乎或小紅書本身也有很強的 AI 團隊，會做出什么樣的產品？

第二個是 ServiceNow。這家公司會幫企業(yè)梳理 Workflow，然后把能固化的部分做成軟件交付。雖然起步慢，但他們憑借著強大的交付能力和工程能力，逐漸占領了用戶心智，還拓展了一些 500 強客戶，拿到的軟件需求越來越多，現(xiàn)在的增長速度也快了起來。我很推薦想做美國 ToB 業(yè)務的創(chuàng)業(yè)者去研究一下 ServiceNow 的路徑。

第三個值得關注的公司是 Figma。當年國內研究 SaaS 時，大家都很有熱情地分析過一些 PLG 公司，比如 Figma、Notion 等等。這批公司如今幾乎都是 AI 的贏家，而且它們的打法也契合華人團隊在增長上的優(yōu)勢。

不過，大家對 Figma 的評價非常兩極。一種聲音認為它只是設計軟件，技術不夠先進，容易被原生 AI 產品替代。

但在我看來，設計本身離 AGI 就還比較遠，所以 Figma 最大的優(yōu)勢在于它的協(xié)作場景。實際上，用戶使用 Figma 的一大需求，是他們的設計師可能不在同一地點工作，所以需要通過 Figma 完成協(xié)作，甚至是制作一些模版。

另外，F(xiàn)igma 作為一個中生代公司，既有成熟的場景和資源，也有幾百億美元的市值作為人才和資本的保障。如果它能把 AI 真正融入?yún)f(xié)作場景，或許也能給其他幾百億、幾十億美元規(guī)模的公司提供一個參照。

曲凱：明白。二級市場我們已經(jīng)聊得很全了，美國一級市場有什么值得關注的嗎？

莫傑麟：今年美國一級市場最明顯的現(xiàn)象，就是模型公司的估值越來越夸張。

像 Thinking Machines，一上來就是上百億美元的估值，全明星團隊加持。再比如 Scale AI 的收購，也進一步強化了大家對模型產業(yè)的信心。

當然，這些市場變動背后的過程很復雜，不能只看結果。但它們反映出了一個大趨勢，就是 AI 的個體性極強，可能只有那 1% 最特別的團隊，能拿到最多的錢。

而且確實有不少人通過二手份額，從 Scale AI、OpenAI 這樣的公司上賺到了錢，這種正反饋又進一步加劇了市場對頂尖 AI 公司的追捧。

在我十幾年的從業(yè)生涯里，從沒見過第一梯隊和第二梯隊之間有這么大的估值差距。

我也很好奇，國內今年的融資環(huán)境也是接近美國這種局面嗎？

曲凱：有類似的趨勢，也有不同點。

美國的一級市場的一個優(yōu)勢就是它有一個非常好的生態(tài)，也就是一個健康的閉環(huán)。而國內一級市場缺乏這種生態(tài)，所以更多是單點擊破，最終只有少數(shù)幾家公司拿到最多的錢、賺到最多的錢，以及投中這幾家公司的少數(shù)機構，也會賺到最多的錢。

然后最近一兩年，國內一級市場有兩個明顯的變化。

第一，不可否認的是整個市場在往下走。雖然中間有起伏，但拉長時間線看，過去兩三年和過去五年、十年相比，整體還是下行的。而且國內一級市場越來越像一個偏職能型的部門。它不再是驅動增長、帶來大增量的引擎，而是一種必備的基礎配置。

第二，兩極分化越來越嚴重。因為 DeepSeek 和 Manus 的大火，今年 AI 的熱度可能是去年的十倍，但從實際投資數(shù)量看，和往年差別不大，絕對沒有十倍那么多，不過被投中的公司可能真的能拿到十倍的資金。結果就是大家仍然想投最好的團隊和公司，而且這種兩極分化的趨勢目前看起來還會繼續(xù)。

莫傑麟：最近美國一級市場還有一個很火的概念叫 Vibe Coding。Coding 成本越來越低，個體在早期驗證 PMF 變得更容易、更便宜，所以很多原本做 VC 的人開始轉去做孵化器或加速器，去支持各種「一人公司」。國內有類似的趨勢嗎？

曲凱：國內有人在做類似的事，也有人在支持獨立開發(fā)者。

但我的看法可能和大多數(shù)人不太一樣。

AI 的確會讓未來公司的效率更高，需要的人更少，但這并不意味著會普遍出現(xiàn)「一人公司」。如果兩個人能把事做得更好，為什么一定要一個人？關鍵還是要看組織結構和人效比，而不是執(zhí)著于概念。

另外，大家經(jīng)常會看到新聞說美國某個獨立開發(fā)者一年能賺幾百萬美金，但國內這樣的例子很少。我覺得一方面是因為美國生態(tài)更完善，能變現(xiàn)的錢更多，另一方面是國內很多獨立開發(fā)者工程和代碼能力很強，但在商業(yè)化和產品運營上的經(jīng)驗相對不足。

莫傑麟：我還有個好奇的問題。你接觸張月光、曹越、小紅他們這些創(chuàng)業(yè)者這么久，你覺得國內創(chuàng)業(yè)者怎么看 AI？他們遇到的最大困難是什么？

曲凱：我們接觸的創(chuàng)業(yè)者狀態(tài)差不多，都是越來越相信 AI 的前景。

至于困難，首先模型的競合始終是個問題，就是怎么能更好地利用模型去做更好的產品，但又不會被模型的迭代吃掉。

第二是市場選擇。很多公司現(xiàn)在首選出海，因為大家覺得 AI 成本太高，只有付費能力和意愿更強的市場才能覆蓋成本。

但我覺得很多人對國內市場的悲觀都是感性判斷。如果你真正去拆解邏輯，會發(fā)現(xiàn)國內市場完全可做。因為長遠來看，國內 Token 成本有可能降到接近零。到那個時候，大家完全可以重走移動互聯(lián)網(wǎng)的路徑，比如做大 DAU 的產品，靠廣告賺錢，或者做社交產品等等。

所以中長期來看，我認為國內市場仍然有機會。

莫傑麟：我還有最后一個問題。我發(fā)現(xiàn)今年視頻消耗 Token 的增速非常快，不僅增速遠高于文字，絕對數(shù)量也很高。我們一直在研究，到底是哪些應用在拉動這波消耗。你有看到什么有意思的應用嗎？

曲凱：我們今年年初發(fā)過一篇，其中的各種預測都在逐步被驗證。

我們在文章中提到過，今年的兩大重點就是 Agent 和多模態(tài)。Agent 那波已經(jīng)過去，接下來就是多模態(tài)，而多模態(tài)里最突出的就是視頻。

不過，目前大多數(shù) AI 視頻產品還停留在特效、剪輯，或者圖片轉視頻階段。這些方向雖然可能會消耗很多 Token，但還稱不上是真正的多模態(tài)原生應用。

我們真正期待的，是當像 Veo3 這樣的模型變得更好、更便宜時，會不會出現(xiàn)類似 Manus 的現(xiàn)象級產品。它也許是一個多模態(tài)原生的內容社區(qū)，也許是一個多模態(tài)推理產品，甚至可能是類似世界模型的探索性應用。

一旦這樣的產品出現(xiàn)，可能就又會帶動一波長達半年甚至更久的浪潮。

【莫傑麟 @ 42章經(jīng)文字稿 & 播客回顧】

2025.3《世界怎么就「東升西落」了？聊聊二級市場與 DeepSeek+Manus 的熱潮》 （）

2024.7《上半年 AI 市場有多差？為什么機構出手這么少？》（）

2024.3《英偉達、Sora 與 AI 的三種核心敘事邏輯》（播客傳送門：https://www.xiaoyuzhoufm.com/episode/65e34a65da891a9cd9bf90f2）

2023.12《為什么我們開始樂觀？關于經(jīng)濟發(fā)展的明線暗線、AI 與最佳實踐》（播客傳送門： https://www.xiaoyuzhoufm.com/episode/656aeffd0500be931c4eb099）

最后，莫傑麟團隊最近在做一個叫 WhatIf 的項目，希望把更多投研經(jīng)驗與 AI 實踐結合起來。他們定期組織商業(yè)和投資的 Panel 討論，如果你對中國和美國 AI 基礎設施和應用公司研究有持續(xù)穩(wěn)定的視角，且對宏觀/二級市場策略感興趣，可以在公眾號「WhatIf Ideas」中提交注冊信息，通過后加入討論日歷名單。

42章經(jīng)

思考事物本質