AI不是泡沫，是一场输不起的战争

type

status

date

slug

summary

为什么说是战争？

先说结论：因为每个巨头都输不起。

这不是夸张。你想想看，商业层面上，AI的颠覆性太强了。

拿B端来说，以前你是个开发者或者企业，做应用开发部署首选AWS或者Azure对吧？现在呢？现在首选的是用哪个模型——GPT、Claude还是Gemini。云厂商被"白牌化"了，就像当年的惠普戴尔一样，被藏到后面去了。

再看C端，这个例子更直观。今天的超级App是怎么赚钱的？靠信息不对称。你在望京打Uber，平台抽成50%，司机连一半都拿不到。携程、美团这些信息中介平台，本质上都是在信息不对称里赚钱。

但如果AI Agent成为流量入口了呢？如果Agent让信息分发变得充分对称了呢？那这些平台"其实就不应该赚那么多钱了"。

这就是为什么很多科技媒体说，今天的科技巨头"又要防守，又要激进地进攻"。

更大的层面，这甚至是大国国家战略都输不起的竞赛。AI可能得看作新的国防和核武器一样的东西。所以你会看到，很多人会砸光最后一分钱，也不敢轻易下牌桌。

战场地图：两大阵营

如果要画一张地图，其实很简单——两大阵营。

一边是英伟达的GPU生态，支持的是OpenAI和Anthropic。另一边是谷歌的TPU生态，自己端到端做模型、芯片、云、产品。

广密有个比喻挺有意思：

Google更像AI时代的苹果，端到端集成；

英伟达更像AI时代的安卓，开放生态。

那谁强？

答案是：交替领先。

这是播客里反复强调的一个判断。在现有范式下——预训练加强化学习——大家的方法论彼此甩不开。人才在流动，信息在流动，想真正拉开差距，得靠新范式。

所以现在的一种新的投资逻辑是：哪边跌了，其实都是加仓的时候。要有逆向思维。

当下的判断是什么呢？英伟达和OpenAI被低估了，Google短期被高估了。因为Google最近推了Gemini 2.0 - 3.0，市场把它从"AI的诺基亚"重新定义成了"AI winner"，估值从18-19倍PE扩张到28-29倍PE。但这是叙事反转带来的估值扩张，长期危机并没有真正解除。

未来Agent对传统搜索和广告怎么影响？ChatGPT会不会吃掉大量传统搜索的份额？这些问题还没有答案。

三大范式：石油、新能源、核聚变

这是整期播客里我觉得最精彩的一个新奇的框架, 把AI的三代技术范式比作三种能源：

第一代：Pre-training预训练，像石油。

量非常大，但总共是有限的。现在已经用了七八成了。五六十个T的数据可能是很多模型公司的极限。而且今天模型的激活参数并没有无限变大，反而在变小，吸收效率在变高。

预训练的scaling快结束了——这不是我说的，是Ilya公开说的，也是很多AI从业人员说的。

第二代：RL强化学习，像新能源。

需要人类专家的数据，有用但总量比较小。所以你会看到Surge AI、Mercor这种专门帮招聘人类专家的外包公司，收入在快速爆发。

这两代范式下，格局不会发生翻天覆地的变化。头部几家彼此都比较清楚对方在干什么。

第三代：Online Learning在线学习，像核聚变。

还没有突破，但如果突破了就是无敌的。

什么是Online Learning？简单说就是模型的自主学习——学习效率更高，更少的数据就可以学得更快，边推理边交互的时候也在学习。

广密举了个例子：为什么移动互联网比PC互联网大10倍？因为每天在交互，交互过程中沉淀数据，吸收用户偏好。今天的大模型呢？还是一个静态的、冰冻的、没有数据飞轮的产品。它没办法从每天的交互中吸取足够的信息，需要大量样本数据才能做后训练。

Online Learning如果work了，AI就能从人类的经验中学习，吸收人的智能。

硅谷现在最热的就是这个方向。OpenAI、Ilya的SSI、Mira的Thinking Machines，都在赌下一代范式。

大家预期2026年夏天左右能看到一个突破的信号。

一个暴论：机器人可能是伪命题

播客里有一段让我印象很深，我也很认同。

广密说，大家提的机器人、世界模型、甚至多模态，"其实可能很多是假问题"。Online Learning可能才是"唯一重要的真问题"。

为什么这么说？

因为核心还是泛化性。如果模型不能泛化，那机器人就还是走自动驾驶的老路——有多少人工就有多少智能，一点点采数据，走个十年。

更狠的一句话来了：

"所以有一个很大的概率，未来机器人世界模型的突破，可能不一定是今天在座的这批人。有可能今天在座的这批人是上一代MLP一样的结果。"

这话说得挺残酷的。但逻辑是自洽的：如果范式没变，大家都在现有框架里卷数据、卷硬件、卷场景，那护城河其实没那么深。真正的变量是下一代范式，而那个东西可能不是当前这批玩家能做出来的。

当然，这只是一种可能性。机器人领域当前进展也不错，Pi、Generalist、Sunday这几家创业公司都在出东西。但广密的判断是，机器人领域离GPT-4时刻还很远，现在可能处于GPT-0.5到GPT-1的阶段。架构、数据、方法都还没有收敛。

数据依然是王道

播客还有一个很实在的洞察：模型级产品，数据级模型。

什么意思？

他们花了半年时间研究给这些顶尖模型做数据标注的公司，最大的体感是——如果模型数据分布里没有某类数据，这类任务就是不work。只有压缩过这类数据，这个任务才work。

今天的模型本质上还是一个巨大的压缩器。它需要很多能激活的数据。

在知识层面，今天的模型已经超过了绝大多数人。但Agent为什么还不够强？因为它没有见过人真实工作的环境。销售人员怎么操作CRM？银行柜员怎么用系统？皮肤科医生怎么看病？这些都需要征集人类金牌级别专家的数据，然后做后训练，这个pattern才能泛化。

所以你突然感觉，这很像自动驾驶。AGI要处理的长尾数据量很大，解决长尾问题需要的时间很久。

据说Sam Altman最近在OpenAI内部也说：先忘掉AGI，搞明白模型公司怎么弄数据。

这对创业者的启示是什么？

除了你要的通用能力，你想做好AI产品或模型产品，一定要向下做好数据。你到底有哪些差异化的数据？这是最关键的。

Anthropic的coding为什么强？本质是有最高质量的code数据。Google的多模态为什么强？因为弄了很多真实的多模态数据——图像、视频各种。OpenAI更注重模型的性格和拟人化，想做你的朋友。

这些差异，都是在模型训练最初的数据分布里就决定了的。

华人创业者的机会窗口

最后说说华人创业者。

广密的建议很直接：

第一，坚定做全球化市场，尤其是美国。美国能贡献60%的收入，70-80%的利润。

第二，用好中国的人才工程师红利。不要放弃中国的人才红利和产业优势。

第三，淡化身份，淡化地缘，做好产品本身。"自强则万强"，拿产品说话。

他提到一个数据：过去三四年诞生的AI应用公司，长到独角兽的全球可能有一百多家了。但做应用的公司里，中国团队做的，他只能想到三五家。

这个比例比互联网时代少太多了。

原因是什么？资本的贫瘠。市场化的民间资本太少了。零到一的高风险创业创新，需要VC的风险资本去投资，因为失败率非常高。但中国现在这类资本不够充裕。

最后有一个数字挺值得思考的。

广密说，三到五年后，全球最领先的AI公司如果是华人背景团队的概率，之前可能是0-5%，现在他觉得到了20%。

核心变量是什么？华人的人才基础非常好，但今天只有人才这一个关键要素。此外还需要资本、算力、创新的环境。

20%这个数字，你觉得是高估还是低估？我觉得一点也不高，最好能到50%哈哈。

尾声

回到开头的问题：AI是泡沫吗？

如果你还在用这个框架想问题，可能已经落后了。

这是一场战争。巨头们在赌命，国家在赌未来，创业者在赌窗口期。

2026年会是很关键的一年。Online Learning能不能看到突破信号？Agentic Web会不会成为新的流量入口？中国的C端Chatbot竞争会不会分出胜负？

战争还在早期，但战场的轮廓已经越来越清晰了。各路英雄们，操练起来！！！