开场0:00
Anthropic 上市正好处在一个转折点 。 过去这 5 年吧 , 大家讨论最重要的一个点是 : 怎么样进行更大的资源的投入 , 可以去堆出来一个能力最强的 AI。
但是在接下来这些年的话呢 , 我觉得更主要的是怎么样把 AI 的能力去嵌入到各个工作流程和各个产业中去 。
模型能力不再是最重要的因素 ,而成本 、 整合等等这些才是 。
AT&T 是美国最大的通信运营商之一 , 它就直接公开宣布说公司内部 AI 的预算 60%、70% 会放到开源部分 。
只要一个行业有一家动起来 , 剩下几家企业追上速度就很快 。 包括美国有一家非常知名的一个银行 , 我从他们的首席 AI 官听到的 ,他在 AI 的今年的预算是已经达到了 100 多亿美金 。
这个是让人非常惊讶的一件事情 。
我其实最近真的思考非常多的一点就是 AI 监管 。 我们其实刚才那个 AI 向善 , 就 AI for Good 的 commission, 我们就是这个礼拜二刚刚就开了一个董事会讨论 , 大概两个多小时 。
就是因为现在进入到了一个非常敏感的一个时刻 。
欢迎收听 《 晚点聊 》。 今天我们一次发了两期节目 , 分别从一级市场和二级市场的角度来解读 Anthropic 在上周发布的 S-1 文件招股书 。
在一级市场的讨论中, 我邀请了 《 晚点聊 》 的老朋友 ,Fusion Fund 的创始合伙人张璐 。 过去 11 年, 张璐一直在硅谷投资 to B 科技领域 , 正好和 Anthropic 的主要客群 、 各行业大企业的 CIO、CTO 有直接的接触 。
她的观察可以帮我们看清一个需求端的关键问题 : 实际上那些使用 AI 和 token 的企业客户 ,是什么心态 ?
用 AI 来做什么 ? 是否已经验证了回报 ? 哪些具体领域有新的增长机会 ? 总结而言就是 :coding 之外还有什么 ?
最后说明一下, 本期节目录制于上周四 。 本周 Anthropic 更新了招股书里的部分数字 , 包括官方口径的三季度收入和长期算力支出合同的总额 。
具体的数据分析可见 show notes 里我更新的数据图 。 我们正式进入本期节目吧 。 这次欢迎老朋友 Fusion Fund 的创始合伙人张璐 , 再次做客 《 晚点聊 》。
璐 , 你可以和我们的听友简单打一个招呼 。
好的 , 谢谢曼祺 。 很高兴有机会和大家又在 《 晚点聊 》 来交流一下 。
然后这次邀请璐来交流 ,是想一起聊一聊本周行业里的大事件 , 就是 Anthropic 正式披露了 S-1 文件 ,也就是招股书 , 里面也是首次披露了大模型前沿公司的财务和经营数据 。
这也离他们 11 月中旬正式上市又更近了一步 。 因为 Fusion Fund 都是长期关注硅谷的创业活动的 , 所以我们也想更多从一级市场以及 Anthropic 上市之后, 后续对 AI 创业的影响来展开讨论 。
确实 。 现在其实包括像过去这几天吧 , 大家对 Anthropic 上市的关注度是非常高的 。 包括其实你会看到在纳斯达克上, 我正好前两天和纳斯达克北美的西韩的负责人在聊 ,他就说其实也是因为 Anthropic 的上市 , 会导致很多其他的本来准备上市的公司都往后延期了它的上市的时间线 。
包括大家可能知道 , 都在讨论就是 Oura Ring 嘛 , 智能戒指 , 那家公司其实是提前一天 pull back。 这种情况他说在纳斯达克的历史上可能就发生过两次 , 就是 24 小时, 就是 24 小时左右 , 然后决定不再取消它这个上市计划 。
所以你能看到说 Anthropic 上市整体对整个上市的一个市场的影响还是比较大的 。
对 , 我们后面也会展开来讨论它对别的一些公司的影响 。 我们可以先从一些就是比较快的问题开始 , 你可以分享一些你的直观的想法 。
第一个是 , 看完它的这份 S-1 文件之后, 哪个信息让你会更看好 Anthropic?
对 ,其实我看完 S-1 之后的话 , 当然大家都知道它的收入增长 , 尤其是这个今年的第二季度 、 第三季度 , 对吧 , 这个过程中增长的速度是非常非常惊人的 。
但我觉得可能我会觉得比较深刻的是 , 它已经拥有了超过 , 我记得数字大概是 11,000 多家 , 可能到 12,000 家 , 年消费超过 10 万美元以上的客户 。
这个其实和刚开始它相对来讲客户比较集中的情况是非常不一样的 。其中我记得是大概有 2,000 家 , 一年的消费额是达到了 100 万美金以上 。
那这就证明它是一个在企业内部比较深入的 cloud 和工作流程的一个整合 。 所以你会发现它就不是一个单纯的只是一个技术工具 , 它变成了一个 , 怎么说呢 , 像企业内部的一个基础设施一样 。
那从这个角度去想的话呢 , 未来它的我们讲 upsell, 就持续在流程里面的深入迭代 , 可能也会更加快 ,而且影响范围会更大 。
所以我觉得很多时候大家可能讨论 AI 讨论比较多的是一个模型的性能 ,但是呢 , 模型性能它只能决定说这个客户或大企业它会不会尝试这个产品 ,但最后能不能够长期的留下来 ,有一个很长的留存率 ,是基于你是不是能够和现有的工作流程直接渗透进去整合进去 。
所以我看到这个数字是让我觉得比较惊艳的 。
嗯 , 那有哪个信息会让你对它更谨慎吗 ?
我觉得其实可能就是它的收入增长和资本投入之间的这样的一个关系吧 。 其实大家可能也看到了 Anthropic 手上的现金是非常多的 , 然后它在过去这一段时间它的融资能力也很强 , 然后它的 , 怎么说呢 , 消费能力也很强 。
大家可能今天也看到另外一个报道 , 就是 SpaceX 它的 , 尤其这个数据中心其中一个非常大的客户也是 Anthropic。 所以我觉得这个数字可能是我持续会更关注一些的 , 尤其是要看一下它实际比如说经营的一个利润率 , 它的现金流 , 包括它未来在模型训练投入多少资金 , 它未来这些算力合同大概会是怎么样的一个预期 。
我觉得这些可能是会让我更谨慎去看待公司长远的一个商业和盈利层面上的发展 。
你认为它这一次上市有多大几率会导致 AI 整个行情从盛转衰 ?
我其实并不觉得 Anthropic 上市它本身会导致 AI 行情整体的反转 。 因为其实 AI 整个大趋势现在大家是看得比较清楚了 。
可能说一两年之前还会有人问我说 AI 是不是真的会来 , 我觉得现在大家意识到这是一个不可逆的大的趋势 。
但是呢 , 我们也处在 AI 的一个不同阶段 。 就比如说过去这 5 年吧 , 大家讨论最重要的一个点是怎么样进行更大的资源的投入 、 算力的投入等等基础设施的搭建 , 可以去堆出来一个能力最强的 AI, 对吧 。
就是无论是在模型表现能力各方面 , 就是这个能力的追逐是一个最重要的一个优先点 。 但是在接下来这些年的话呢 , 我觉得更主要的专注是怎么样去把 AI 的能力去嵌入到各个工作流程和各个产业中去 。
所以你会发现它的优先级不一样了 。 模型能力不再是最重要的因素 ,而成本 、 整合等等这些才是 。
所以我觉得这个是一个很有意思的时间节点 。 那 Anthropic 上市正好又处在这两个不同的 AI 阶段的一个转折点 。
所以我并不觉得它会让 AI 行情反转 ,但是可能会让大家更多的去讨论比较现实 、 比较实际的一个 AI 的实际的应用场景 。
包括我觉得 IPO 呢 , 它是一个就让大家去冷静下来看一看说这个公司的价值和它未来的一个发展方向是不是有一个合理的预期 。
你说现在市场上是不是有泡沫 ? 当然有泡沫 。 任何新的技术都会催生一批资金变成热钱 , 那一定会产生泡泡 ,有点像泡沫经济的感觉 。
那如果上市之后它的股价表现得不好呢 ,也确实可能会让投资人重新去评估其他的一些 AI 模型的公司 、AI 基础设施 , 还有一些估值很高的独角兽 。
但是它这个价格的虚高和 AI 的真实需求增长 , 它其实是两回事 。 我其实反而觉得市场如果能够更加理性地去定价 , 更加理性地去进行资本的投入 , 它对于长期的一个 AI 的创业生态是一个非常好的事情 。
包括我刚才提到的 , 我们下一步是怎么样可以去低成本 、 大范围 、 然后高效地去把 AI 植入到各个工作流程 、 各个产业里面 。
所以我觉得如果市场的价格有回调 , 反而对长线是个好事情 。
那说到这个定价的话 , 大家现在也关心的一个问题就是它最后的市值会落在什么位置 。 最开始认为是 2 万亿美元 , 然后 10 月中旬又传出可能是 1.5 万亿美元 。
定价与估值8:01
你自己是怎么看这个问题的 ? 包括硅谷有些什么讨论 ?
对 ,其实你看前一段我记得好像是 Chamath 吧 , 就 Social Capital 那个投资人 ,他当时是和 Anthropic 对话的时候也提到一点 。他其实就建议说公司要不要把上市的价格定得再更低一点 。
我觉得现在大家也都希望就是 Anthropic 上市的这个价格可以定在一个相对来讲让市场可以健康反馈的一个区间 。
所以我个人觉得可能现在会更多讨论是在偏向于 1.5 万亿这样的一个窗口 。 那当然也取决于说它整个路演的情况 , 最后的话认购的情况 , 那价格会不会再走高 。
包括其实你看当时 SpaceX 上市的时候 , 整个市场的当时对于它的期待 , 还有包括整个市场的环境还是更好一点的 。
最后 SpaceX 也并没有说是最高的价格去进行上市 。 所以我觉得这也取决于整个市场它现在对于公司价格的一个期待 。
我觉得如果它是会偏向于 1.5 万亿的一个区间的话呢 , 反而可能对于之后股价的一个变化会更良性一点 。
再加上大家还是要考虑说 Anthropic 其实在过去这一段时间融了很多资 , 那很多资金它有些可能是长线投资人, 有些可能是短线投资人。
那在上市之后的锁定期 , 锁定期之后的这个股市震荡 , 股价震荡怎么样去调整 , 包括它怎么样去完成这个锁定期的一个设计 。
SpaceX 的锁定期的这样的一个包括七个不同的时间节点 , 最后大家会发现这是一个很聪明的设计 。 那 Anthropic 要不要做类似的事情 , 我觉得这些都和它的初始定价相关 。
对 ,因为我也和一些二级的人交流嘛 , 然后他们就是比较看重现在还没有披露的 10 月的 run rate 的那个数据 。
就可能说到时候有了 10 月的数据 , 能推测它比如说到今年年底的时候能不能达到最开始年终预期的 1,000 亿美元左右 , 还是说比那低 。
就可能会影响它上市的时候的那个定价 , 会比 1.5 万亿美元更低 。
其实你知道 , 你会发现 AI 的市场很有意思 。 如果大家回头想一想 , 你看今年 1 月份的时候 , 当时声望比较高的还是 OpenAI, 对吧 。
然后是大概到 summer 的时候 , 那个时候是 Anthropic 就开始在市场上的声望很强 。 当时 OpenAI 在二级市场交易的价格已经跌了很多 。
然后到现在的话呢 , 大家又开始对于 Anthropic 的它有很多 , 包括前一段开源的整个趋势起来之后, 对吧 , 大家对于 Anthropic 会有很多的一个不能说质疑吧 , 就是可能会还是希望说看到说它有更强劲的数据去体现它的价值 。
我也能理解为什么二级市场的投资人他想看 10 月份的数据 。 因为我记得大概是两周前有一个报告出来 , 就讲到现在大的企业对于这个闭源模型的 , 或者说前沿 AI 模型的使用率已经从 57% 降到了 14%。
而大部分的企业开始转向说我想去部署这个开源模型 。 包括我记得有一个公开的新闻 , 就是 AT&T,AT&T 也是美国最大的通信运营商之一 。
它就直接公开宣布说公司内部 AI 的这个预算百分之六七十会放到开源部分 。 再加上包括大家也看到英伟达 、 黄仁勋他对于开源生态的一个支持 。
我正好也是 7 月份刚刚加入了那个 AI for Good 的 commission,是联合国和 ITU 办的这样的一个 AI 向善的一个董事会吧 。 然后里面有 44 位创始成员 , 我也是其中之一 。
那包括黄仁勋 , 还有包括 Salesforce 的创始人 Mark Daneel, 还有十几个各个国家的一些政治领袖都在里面 。 那在里面我们讨论的一个比较大的议题 , 除了 AI 监管之外就是开源 。
那 7 月份我们第一次会议之后的话呢 , 你看很快 NVIDIA 包括黄仁勋就发布了倡议的这封信 , 然后去号召大家更多的去支持开源生态 。
那从 7 月份到现在 , 整个开源生态在美国发展的速度也是如火如荼 。 所以当然中国那边开源生态做得也非常好 , 美国这边又在快速的发展 。
那这些开源生态的加速的在企业级的部署 , 包括英伟达也在帮助他们的很多企业客户去进行开源生态的部署 。
那可能是不是也会影响到前沿模型 , 包括闭源模型 , 像 Anthropic、OpenAI 未来的一些市场份额 。 所以其实能看到说这个市场它迭代变化的速度是非常非常快的 。
但我个人并不觉得说开源崛起之后的话 , 闭源公司就一定会受影响 。 因为核心还是说这个市场整体有多大 。
这个市场我们现在是进入到一个全经济体都在进行 AI 整合的过程 ,不只是科技行业 。 那在美国的话 , 科技行业占美国 GDP 可能也就不到 10%。
那现在我们是去向超过 30%、50% 的美国的 GDP 的这些经济体去进行 AI 整合 。 所以整体的这个蛋糕还是越变越大的 。
那只是说在未来呢 , 大家切分蛋糕的时候就不只是一家或两家独大了 , 会有更多的开源 、 闭源 、 大企业 、 小企业一起来切分这个蛋糕 。
对 ,其实它核心就是说整个需求的盘子有多大 ,以及增长会有多快 。 嗯 , 这个问题我们之后可以展开来聊 。
上市时机13:00
回到就是 Anthropic 上市的一些情况 。 这次它这个招股书里也披露了一个点 , 跟你刚才提到有一个事情相关 , 就是这锁定期怎么设计 。
它这一次是说非核心员工在上市当天就可以去解禁 10% 的期权 。 这个设计它常见吗 ? 以及它有可能会带来什么影响吗 ?
因为看起来这个抛压好像比较大啊 。
对 ,是的 。 当然这个可能会带来一个潜在的它上市之后价格的一个波动的压力 。 但另外一方面 , 我觉得 Anthropic 一直以来他们对公司自己内部的员工还是比较有信心的 。
再加上它毕竟还有一个特点 , 这家公司相对来说比较年轻 , 和别的公司可能经历十多年才上市的情况不一样 。
它毕竟从成立到现在的周期和一般的上市公司周期相比的话是比较短的 。 所以它可能也会觉得给一个好的窗口期 , 让员工可以早一点变现 ,但不是全部变现 。
这样的话他们有灵活度 , 可能也会长期持有这些股票 。
对 ,因为他们现在是 5,300 多名的员工 。 当然本身 Anthropic 的文化也是比较特别的 , 就是大家有时候会开玩笑说他们有些这种宗教氛围 , 就是公司里的人都是有很一致的一些想法和信仰的 。
有一种可能是到时候就是真的会去在当天卖股票的员工比较少 , 这也许反过来也会让市场觉得至少公司里的人对公司是非常有信心的 。
对 ,是的 。 就像 SpaceX 这样公司上市的时候 , 当时员工也认购了很多上市的份额嘛 。 所以我觉得很多时候公司员工内部对于它愿景的一个信心 ,其实对市场也是一个比较好的信息信号 。
大家还比较关注的一个问题就是时机的选择 。 其实 Anthropic 在目前这个时间点上市 , 它是有一些问题也没有完全解决的 。
包括之前有员工离职 , 然后美国政界也在讨论整个 AI 发展太快带来的失控的风险和安全问题 。 包括就是它自己的增速也有放缓的迹象 。
为什么它还是选择在 26 年年内上市 ? 然后另一方面 ,OpenAI 其实是推迟了上市的时间到 2027 年的 。 就是怎么看这两种不同的选择 ?
其实 OpenAI 就算它真的想今年上市 , 我不知道它是不是就是从公司内部的准备 、 它财务状况真的是可以达到上市的一个阶段 。
所以我觉得可能一部分是他们的选择 ,但另外一部分也是它确实也做不到今年上市 。 嗯 ,但是这两家公司我相信有一点是一致的 , 大家都想做第一个上市的公司 , 对吧 。
这个先发优势还是非常明确的 。 那所以我觉得 Anthropic 选择现在上市 , 可能确实也是因为它希望能够赶在 OpenAI 之前去上市 。
而且就像你提到的说 , 它增速已经在放缓了 , 那之后是不是会更加慢谁也不知道 。 那它在现在整个市场的这个热度 , 还有包括他们公司本身的一个发展的速度都很快的阶段去这个时间点去上市 , 可能对它来讲也是一个相对比较好的一个选择 。
另外一方面的话呢 , 当然它现手头的现金很多 ,但毕竟上市也是为了融资嘛 。 就是在后续是不是可以持续有更加巨大的一个资金支持 , 对于他们来讲也很重要 。
而且它的估值已经确实到了一个阶段 。 我们之前你想想多少年都不会出一个万亿级别的公司 ,但今年出了这么多 。
那从他们的角度也要去考虑说资本市场有多少资金可以去支持一个万亿级别公司的一个上市 。 那 Anthropic 先上市的话呢 , 会不会有一个优势是在于说很多想投 AI 的资金会先进先上市的这家公司 。
那如果后上市的这家公司还是不是有那么多可以去投资的资金去投到它里面去 。 那市场上的钱也不是取之不尽用之不竭的 , 对吧 。
那所以现在事实上 Anthropic 会先上市 , 对 OpenAI 来说还是带来了发展的更多不确定性 。
那一定是的 。 这两家公司确实它是一个直接竞争对手 , 又是直接的一个类别之内 。 所以确实可能先上市还是会就是对公司未来比如说市场对它的看法 , 还有包括资金的流向会有一个影响 。
招股书看点16:42
嗯 , 你个人最关注这个招股书里披露的哪些指标和事实描述啊 ? 前面其实已经提到了一些 , 包括它的客户集中度 , 包括它的收入的增速和算力支出的这个投入的承诺等等。
还有什么吗 ?
我觉得可能另外一个我会比较 , 一来是说可能它企业客户的一个留存率的问题 , 还有包括它怎么样可以去扩张 , 这个比较重要 。
因为其实它如果是整体做 to B 生意 ,因为我们过去 11 年我们一直做的都是 to B 的投资 。 那你的企业的一个留存率这个是很重要的 。
包括你将来我们讲 upsell, 对吧 。 你向上的一个销售的一个空间在哪 ? 我觉得这个都是公司未来是不是收入可以指出一些增长一个非常重要的指标 。
另外一个的话呢 ,其实大家知道 Anthropic 的一个龙头的产品还是它的 coding 的业务 , 对吧 。 它的代码的一个业务 。 但是呢 , 它现在也有很多越来越多的非 coding 业务开始贡献到收入的部分 。
所以我是想看一下这个指标是它是不是能够从 coding 的成功层面上扩展到更加广泛的一些企业的工作流程 。
对 , 正好可以补充一下 。 它这次其实是披露了他们的有一个指标叫净收入留存率 , 就是 NRR。 这个应该是对应你刚才说的就是客户的增购的情况的 。
然后这个数字是 900%。 这次招股书里还有一个比较有意思的信息啊 , 这个也是和一级市场的 VC 相关的 。
就是投资了 Anthropic 的 VC 是很多的 ,但这个招股书里正文里面反复提到的 VC 就是 Spark Capital。 然后这个机构的合伙人 Yasmin Razavi 也是董事会里唯一的 VC 的代表 。
你可以和我们的听友简单介绍一下这是一个什么机构 ,以及它为什么就是在这个公司里看起来角色是比较重要的 。
对 ,Spark 其实是我很喜欢的一个基金 。 去年的时候还跟他的一个合伙人我们自己在我们在一个活动上正好是一个 panel。
当时他们就提到了对 Anthropic 的这个案例 。 那我当时可能讲的是 SpaceX。其实都是在公司相对早期的时候你建立了很强的对于公司的一个价值的一个认可 。
同时的话呢 , 长期持有 ,而且是不停加注 。 那 Spark 的话呢 , 我记得它可能是在 05、06 年左右的成立 , 所以在硅谷大概也有 20 多年了 。
它之前它是有投过像 Coinbase 还有 Twitter。 对 Anthropic 的投资的话呢 , 它其实不只是说它投中了一个非常好的高速增长的公司 。
其实更重要的是它在投 Anthropic 的时候 , 那个时候市场并没有形成一个共识 。 包括像你说的 Yasmin 她作为 Spark 的合伙人, 包括 Anthropic 的董事 , 她也是持续的在支持公司和持续的在董事会上施加自己比较大的一个影响力 。
当然另外一点的话 , 我也想就是稍微就是给大家区别一点 , 就是大家在 S-1 里面看到 Spark 经常会出现呢 ,也是因为它的董事的一个身份 , 它需要被披露 , 这个是一个要求 。
所以它出现的次数多呢 , 这个不是说它贡献不大 , 当然它贡献很大 。 但是呢 , 大家看 S-1 并不是说谁出现次数多它就一定是贡献最大的 。
也不应该是用文件上面提及的一个次数去排名。 还是有一些其他的一些因素 。
对 , 就我可以补充一下, 就是他们是在 23 年 5 月的时候投的 。 因为那个时间点的话是 ChatGPT 刚刚就是引起了全球的这种热潮没多久的时候 。
然后 Anthropic 肯定在那个时间点是一个非共识 。 而且那会儿的整个估值也比较低 ,是 45 亿美元左右的时候投进去的 。
以及 Daryl 自己他说过就是 Yasmin 是有在战略上去推动把 coding 这个市场作为整个团队的重点的 。 我觉得有可能是这个原因 , 所以她一直在董事会上 。
嗯 , 你说的很对 。 23 年的时候你可能也记得当时 OpenAI 成了全球关注度都非常非常高 , 对吧 。 ChatGPT 它成了一个全球的现象 。
那当时的话呢 , 市场不一定是有一个 belief, 说有一个共识是说我们还可以容得下第二家的一个前沿模型公司 。 嗯 , 对吧 。
而且 Anthropic 在那个时候很早就提出来了说安全的重要性 。 但那个时候对于 AI 安全的讨论也不是一个核心的优先的一个点 。
所以其实从这个角度来讲 ,他们当时确实投的比较早期 。 我记得在那个之前还有一轮 , 当时是大概 30 亿美金的估值 。
那个时候其实最早 Anthropic 融资的时候并不是很顺利的 。 到后面的话 , 大家可能比较熟知的时候才是它高速发展 、 高速融资的一个阶段 。
我看它这个历史很有意思的一点是它早期还拿过 FTX 的创始人 SBF 的钱 。 应该是 FTX 公司的钱吧 。
对 。
它那个时候是很不好融资吗 ? 所以它会就是有币圈的资本来支持 。
还有另外一个原因 , 可能大家也可能有这样的一个相关背景 , 就 SBF 他们这帮人也有一个 , 就是他们有那个小团体 。
哈哈 , 所以他们当这个小团体当时内部也在互相支持 。 所以也是这个原因 。 我觉得他倒不是故意去拿币圈的钱 ,而是因为 SBF 正好是他们那个利他小团体其中的一个重要成员之一 。
嗯 , 它现在应该还是在服刑的状态 。 这个说起来也非常戏剧性了 。 因为当时 FTX 破产了嘛 , 所以他们在 Anthropic 里的股权应该是被用来偿债了 。
就它没有拿到现在啊 。
对 , 当时其实它的在 Anthropic 的股权很多都是拍卖的 。 还有一些投资人是当时以一个相对打折的价格买的 。
相当于是一个清算的一个过程嘛 。 但是我记得之前大家就有讨论 , 如果说当时没有出现爆雷 ,SBF 它在 Anthropic 的投资现在是完全可以覆盖掉它当时需要赔掉的那些资金的 。
所以很多时候你会发现这个市场时机啊 , 还有包括整个市场的一个运转是很有意思的 。
嗯 ,Anthropic 什么时候才是一个主流共识里特别好的 、 特别值得投资的公司呀 ?
共识之路22:05
23 年的时候我们刚才提到了 , 当时大家市场其实还在想说是不是有空间给第二个模型公司 。 但是 23 年的时候呢 , 它已经开始获得了一些战略资本的一个支持 。
那个时候我记得像比如说谷歌呀 、Amazon 啊 , 还有包括一些其他的一些战略的投资都是在那个阶段 。 我觉得那个时候这些战略投资一方面当然是说它也在去布局更多多样化的一个模型 。
但另外一方面其实他们也不希望市场上只有 OpenAI 这一家 。 它也是希望能够去打造一个更加多元化的 , 然后有竞争性的这样的一个市场 。
对于这些大的企业 , 包括像谷歌 、 亚马逊来讲的话呢 ,也是有利于它自己本身 AI 能力提升了一个战略布局 。
所以在那个时候就已经开始了 。 但是当时你说整个资本圈可能对他们来讲并没有形成共识 。 但是在 24、25 年的时候 , 当时 Claude 的技术能力基本上得到了一个非常强的认可 。
尤其是当时整个代码的能力 , 还有复杂的推理上下文 。 尤其是企业级应用 , 它一开始一直在强调了自己的对于安全的一个重视性 。
还有包括对于安全的技术层面上的一个优先化 ,也让它在企业部署层面上赢得了非常强的信任和口碑 。
那会让企业会觉得说跟它合作会更加 , 就是在内部层面上的话接受度会更高 。 那再加上刚才你也提到的一点 , 就是很重要的一个战略选择 , 就是代码这样的一个产品线的一个选择 。
所以我觉得是在 24、25 年的时候 , 它的技术能力就获得了比较大的一个认可 。 它的企业级的定位也比较清楚 。
那个时候大家基本上就会觉得说 OpenAI 更多是走 to C, 对吧 。 都是 C 端客户 。 然后呢 ,Anthropic 更多是走企业级的客户 。
其实就是今年 1 月份的时候 , 整个 coding 带来的商业化的一个重要转折 。 因为 AI coding 其实证明了 , 就是前沿模型它可以直接参与到一个很有高价值的应用场景里面去 ,而不只是单纯的提供信息 。
最早觉得 ChatGPT 你是用来智能搜索 , 搜索信息 , 回答问题的 。 但是 AI coding 就发现说 , 哎 , 它确实是一个很高效的生产力 。
我们经常讲说什么时候才是 AGI。 我记得我之前听过开普老师的一个定义 , 我一直很喜欢 , 就是什么时候 AI 可以做人 90% 的工作和比 90% 的人做得好 。
那如果我们把它范围拉得小一点 , 就是我觉得各种各样的 AI 智能体什么时候能够做到我们说贴近 AI、AGI 的时刻 。
就是说你在至少针对的这个应用场景里面 , 你可以完成 90% 以上的工作 ,而且做得比 90% 以上的人好 。 那现在看到所有的智能体里面 , 唯一达到这个标准的就是 AI coding。
其实回顾这个历程的话 ,Anthropic 的战略上或者它的行为上有一个特点 , 就是它是没有去做特别大的 C 端的投入的 。
这个和 OpenAI 的做法是有一个对比的 。 当然不同阶段大家对这个事的解读不一样 。 就是在 C 端用户增长非常猛的时候 , 大家会说 Anthropic 不做这个 , 可能是一个它缺失的部分 ,因为它没有去积累这方面的能力 。
另一方面就是在它本身的 coding, 然后它的企业端的客户表现很好的时候 , 大家又会说啊 , 它这个战略很好 , 非常聚焦 。
你觉得更长期来看 , 你怎么看它的这种做法 ? 就是它是相对做的事情是更少的 。
其实我当然回答这个问题 , 当然有我的一个偏向性 。 因为我过去 11 年只投 to B, 我从来不投 to C。 那从一开始看 Anthropic、OpenAI 这两家公司的时候 , 我比较偏向 Anthropic 也是因为这个原因 。
因为我自己非常看好 to B 的一个市场 。 当然也有一个特点是因为美国它 to B 市场的一个优越性 , 还有包括它的一个成熟度 。
那我个人还是觉得这是它非常正确的一个战略选择 。 尤其是说它不是市面上第一家 AI 模型公司 , 它是第二家 。
因为这样的话 , 就像你说的 , 它可以把有限的资源集中在非常高价值的一个企业的需求上 。 因为 C 端需求它的问题是它的需求非常的发散 , 对吧 。
每个人的需求都不一样 ,但是它的要求又比较高 。 但同时它给的反馈信息又不是一个叫结构化的 structure 的 。
因为每个人的想法都不一样 , 对吧 。 我们就说人是很难去预判的 。 但是企业需求其实相对来说比较结构化 , 对吧 。
哪怕是不一样的企业 , 它内部的工作流程 , 它是有一个非常好的一个结构化的体系的 。 那这个体系也就让你在设计产品的过程中, 获得反馈的过程中, 你获得的信息的质量更高 。
同时获得的这个反馈的一致性更强 。 这些对于它产品的优化 , 尤其是在有限资源的情况下, 都是非常有利益的 。
那另外一点的话呢 , 就是企业级客户 。 当然 C 端的话你会发现用户增长速度很快 。 但是我记得现在 ChatGPT 好像在北美的付费用户的比 , 我上次去看的时候大概是 5%。
可能应该是不超过 10%。 但是企业级客户不一样啊 。 企业级客户它有非常明确的付费能力 。 而且它的使用强度也很高 。
它会持续的去使用 , 持续的进行一个真实世界的反馈 。 因为大家经常会讲说怎么样可以让 AI 产品更好 。
那我们现在可能大家已经有共识的 , 就是说你要有高质量的数据去用来做训练 。 第二步的数据是说你是不是能够在用户使用的过程中获得高质量的反馈数据 。
也对于 AI 产品的优化很重要 。 第三部分呢 , 就是说你这个 AI 产品在被使用的过程中是不是可以持续生成高质量的数据 。
那这三种数据如果都有的话呢 , 对于你 AI 产品的继续的优化和成长都是非常非常有价值的 。
不只是说你刚开始训练的数据 。 那你想想企业级的话呢 , 正好是这三点在数据层面上的优势都是符合的 。
那另外一点的话呢 , 就是还是说它的应用场景相对来讲也比较 , 怎么说呢 , 比较有限 。 它不会有那么多发散的一个应用场景 。
那你产品本身它的可靠度 , 还有包括它的准确率也会给有更好的保障 。 那尤其像 coding 这样的场景的话呢 , 你还非常容易的去衡量你这个产品的 ROI, 对吧 。
你给我带来了多少价值 。 那你将来收费的这个商业模式也更好的去定价 。 所以我觉得消费端它当然有这个用户规模大的一个好处 。
但是它有很多其他的一些挑战 。 我是一直非常看好 to B。 我也是一直坚定的在只投 to B。 所以我并不觉得 to B 的公司需要一定要去在 to C 层面上也有布局 。
我也不觉得 Anthropic 需要在所有的市场都和 OpenAI 去竞争 。 那你说未来的话呢 ,personal agent 的发展确实消费者的一个入口可能会变得越来越重要 。
那企业端会不会也有这样的一个发展 , 把它变得更加怎么说 , 分散式 、 分布式 。 我觉得是有可能的 。
尤其是在 agent 的这样的引擎之下, 你会发现包括像 OpenAI、 谷歌 、Apple, 它都是在去强化自己的一个消费端的一个入口的优势 。
但是我觉得如果 Anthropic 它通过企业的 API 和第三方去触及用户的话 , 它也是可以触及到这部分的这个 C 端的用户的信息的 。
只是说它的入口优势没有那么强 。 但是这个市场足够大 。 这个市场也大到或者多样化到 , 它不会去只是容纳一家企业 。
它还会容纳多家企业进行多样化的发展 。
Coding 之后29:07
然后我们前面其实反复提到了 , 就是它现在的增长是由 coding 带来的 。 而且 coding 从数据闭环的角度 , 从它的一致性 , 然后它的强反馈等等各种角度来说是一个非常好的市场 。
同时大家也就开始关注说 coding 之后是什么 。 因为 Anthropic 它自己的三季度的收入对比它二季度的收入 , 它的环比收入增速已经下滑比较多了 。
面临这种情况的话 , 你自己这边看到的下一个 coding 能媲美这种规模和这种爆发速度的场景可能会是什么 ?
对 , 我其实觉得说它不一定会说再有一个产品 , 就是单项产品像 coding 这么强势的 , 或者说这么快速的增长 。
但是我觉得 Anthropic 现在应该强化的就是它整体的一个企业级的平台 。 保证它不只是一个模型的供应商 ,而是说在企业的智能体 agent 的工作流程层面上能够成为它最主要的基础设施的一个提供方 。
我觉得这样的话呢 , 包括你看像现在 cowork, 对吧 。 cowork 现在企业用的很多 , 我们自己内部也用 cowork。 这就是它其中的一个探索 。
那 cowork 如果再嵌入通过 MCP 各种各样的软件去进行连接之后的话呢 , 形成了一个中台的效应 。 那所有的工作流程它的一个入口都是从 cloud cowork 去走的话 , 我觉得这个对它未来在企业平台层面上的一个强化 , 还有包括整个流程层面上的一个提升都是非常重要的 。
嗯 , 对 , 你说到这个我觉得有一个数据是可以补充的 。 因为它这一次在招股书的文件里面 , 它是把订阅收入和按量消耗的收入 ,也就是 API 的收入 , 它是分成了两个部分 。
就你可以半年半年是看到它的不同的构成的 。 就我的一个粗浅的理解啊 , 我觉得就是按量消耗的收入里面应该大部分是比较偏纯粹编程的需求 。
因为程序员他比较习惯这种用法 。 而订阅的收入的话 ,有很多是更偏更广泛的知识工作者的 。 因为有些不编程的人 ,他其实更喜欢就我定一个账号 , 我每月付他多少钱这样去用 。
然后我就发现 , 如果你按这个半年拆开来看的话 ,Anthropic 自己订阅的收入的增速是高于它按量的收入的增速的 。
它按量收入的增速 26 年上半年同比的话是增长了 1200%。 然后它订阅的收入 26 年上半年是同比增长了 1690%, 接近 1700% 了 。
我觉得这可能是一个相好的数据 。 就是也许有更多非程序员的知识工作者在用 cloud。 当然这个数据还有另一种解读 , 就是在年中 Anthropic 没有改收费政策之前 ,其实你用订阅这个方式是更划算的嘛 。
就会导致订阅的增长更快 。 以及现在 Anthropic 对企业客户的新的政策是 , 如果一个企业客户的规模它超过 150 人的话 ,是不能走订阅 , 只能走按量的付费的 。
所以我们之后也可以再观察一下, 就是它会不会去直接披露编程用户和非编程的更偏你说的企业办公平台的这种用户的比例 。
现在是没有这个官方数字的 。 所以我也想请你先分享一下你自己观察到的一些身边的案例 。 比如说你们的一些被投 , 包括你们接触的很多大企业的 CIO。
企业落地32:05
这种大企业我觉得它更典型 ,因为很多具体的岗位它不是编程类的岗位 。 就这些人他们是怎么用 cloud 的产品的 ,是怎么用 AI 办公产品的 。
以及他们自己觉得实际的回报怎么样 。
对 ,其实现在我觉得我们也要就理解说 AI 它其实是有两个阶段 。 一个叫 AI 的植入 , 它是能够完成叫 business automation, 就是一个整个这个商业的一个自动化 。
另外一个就是 business optimization, 就是一个商业的优化 。 那自动化的话更多的是一个效能提升 , 还有包括工作流程的一个优化 。
那它可能是会降低成本 。 那但降本增效这个时候就会让大家能看到它的优势 ,但是不一定去能够从这个财务报表上面体现出来 。
那但另外一个的话呢 , 就是我提到的这个 optimization 优化 。 那优化的话呢 , 这个时候就涉及到说是不是可以更好的去提升公司的一个收入等等。
所以你现在会发现 ,其实企业内部不同的部门在使用 AI 的时候 ,有些可能是在 automation 那个类别里 , 一个是在 optimization 的这个类别里 。
所以呢 , 大家看到 ROI 也就不太一样 。 我们确实和 500 强企业的沟通非常多 。 因为你是知道我们是从 18 年开始就建立了这个 Fusion CXO 网络 。
因为我有一个合伙人当时加入我 ,他以前也是惠普的全球 CTO。他还一直在做美国总 , 那几年也做了好几届的一个美国总统顾问 。
所以我们就一起做了一个网络 。 现在有 40 多个 , 快到 50 个 500 强企业的 CTO 都在我们的里面 。 很多也不只是 CTO, 还有这个首席 AI 官 , 就是 Chief AI Officer。
首先就几点比较有意思的 。 一来是说很多公司都是在过去半年时间的时候开始设置了这样的一个首席 AI 官的这样的一个职位 。
那这个职位的影响范围 、 战略范围也都越来越大 。 那有些公司如果没有设这个职位的话呢 , 它的 CTO 一般是有技术背景的 ,也开始担任这个职能 。
我的一个强烈的感受就是在过去这一两年的时间 , 尤其是过去这一年 2026 年, 我们这个 CXO 网络里的成员找我的频次非常高 。
以前我们是每个季度聚一次 ,但现在他们经常就会 , 甚至说董事会的话 , 最后留一部分时间让我进去之后跟他们分享一下 。
包括说他们可能整体的 C level 的团队想跟我整体有一个沟通交流 。 就是因为他们现在非常迫切的要建立针对自己企业内部的不同的工作流程和不同的战略价值的一个 AI 战略和数据战略 。
这个对他们来讲非常非常重要 。 嗯 , 那这个不只是科技行业 。 我给你举个例子 , 我们其实前一段做了一个针对制药行业的一个行业调研报告 。
那我们就当然就基本上和全世界排名前 20 的制药行业都聊了 。 聊了之后发现百分之六七十的企业在内部的一个战略优先级里面 ,AI 都是第一位的 。
甚至在对于一些 AI 企业的整合的速度也非常快 。 那今年年初大家可能也听到新闻 , 比如说像依赖李李 , 对吧 。
李莱就和英伟达宣布了几十亿美金的一个合作 。 后面的话呢 , 我记得是 Mark 和谷歌的 Jim 也宣布了一个比较大的合作 。
那只要一个行业有一家动起来 , 剩下几家企业追上速度就很快 。 包括美国有一家非常非常知名的一个银行 。
我从他们的首席 AI 官听到的 ,他在 AI 的今年的预算是已经达到了 100 多亿美金 。 他是一个银行 ,他有这么大的一个 AI 的预算 。
这个是让人非常惊讶的一件事情 。 所以其实现在你看到说 500 强企业它的 AI 的整合速度 , 还有包括 AI 的使用速度 , 渗透率还比较低 。
比如说就像我也投很多 AI 医疗嘛 , 这个行业现在 AI 的渗透率可能还不到 56% 以上 ,不到 10% 是一定的 。 包括像什么金融保险行业 ,其实现在还是在初始阶段刚刚起步 。
但是他们的优先级 , 现在已经企业在去储备的这个预算 , 还有包括未来的增长空间都是非常巨大的 。
所以现在其实你会发现很多 500 强企业 , 它的特点是说它先在一个部门 、 一个团队 、 一个特定的业务场景先使用 。
那然后呢 , 就会从试点的这个业务场景或者团队向全公司扩张 。 然后呢 , 从一个个人的工具向企业级的这个智能体的平台的扩张 。
那刚开始可能说是用来代码层面上的应用比较多 。 那到后面就包括整体的一个软件的维护啊 , 它的测试啊 , 整个安全的拓展 。
后面从产品呀 , 从数据呀 , 所有的其他和技术相关不相关的团队 、 销售团队等等客服团队 , 全部都可以去逐渐的进行 AI 的植入 。
所以它这个逐步增加的速度是合理的 。 那早期的基数比较小 , 后面的翻倍就会比较容易 。 但另外一方面的话 , 我觉得大家也要对整个 500 强企业它植入 AI 的整体的时间要有一个合理的预期 。
因为大家总觉得说 AI 进来之后可以直接做优化 。 但为什么我刚才提到说它其实有两步呢 ? 有一个 business automation, 还有一个 business optimization。
就是因为大部分的产业 、 大部分的企业 , 它并不想或并不能马上改变自己的工作流程 。 我们在科技领域一定觉得说啊 , 马上过来 break, 所以先打乱 , 然后再重新建立 。
但是其他行业 , 你去跟保险公司说 , 你想不想自己建一个你自己的 CRM? 他们说不想 , 我们就想用现在的 。
所以你要给我个智能体 , 用现在的软件是可以的 。 即使它用智能体 ,也希望智能体再继续使用他们现在用的软件 ,而不是说你从头再给我自己编一套软件 。
所以其实 AI 的初步的在企业级的嵌入 , 尤其大规模的一定是还是植入现有的工作流程 。 那这一步做完之后呢 , 才是我们说的优化 。
那这个优化的过程中, 可能会实现更大规模的我们叫 AI 原生的一个能力的体现 。 但你想 , 第一步可能就需要三五年的时间 , 第二步可能还需要相对长一些的时间 。
所以并不是说明年一年突然间整个产业 、 整个经济体都被 AI 赋能了 。 那可能还是需要几年的时间逐步去推广 。
包括一些核心的问题 , 比如说 AI 监管 , 对吧 。 企业经营有很大的一点是你对 AI 的安全性有没有监管 , 甚至说不要提监管 , 就是不要提安全 , 先提说你是不是有一个透明度 。
你作为一个公司的 CEO, 你知不知道你的整个公司的人员在用多少 AI 工具 ? 那这些 AI 工具都触及到了哪些核心数据 ?
你这个是不是有一个基本的认知 ? 如果这个都没有的话 , 更不要去谈什么 AI 安全了 。 所以这些都是未来要解决的问题 , 还有包括成本的问题 。
为什么我刚才提到很多大的公司开始使用开源 ? 也是因为闭源模型太贵了 。 之前我看到一个公司是一个咨询公司 , 它提到说有一个它不能说名字的大企业 ,在大概一个月的时间之内 , 突然间 Anthropic 的 cloud 它的这个账单就达到了几亿美金 , 将近 5 亿美金的规模 。
这个对他们 CFO 来讲是非常震惊的一件事情 。 当然这个数字是一定不可持续的 。 那他们就要开始去找说为什么用了这么多 , 怎么样去进行控制 。
包括你看各大科技公司现在都在开始限制员工 。 刚开始的时候是说鼓励大家要使用更多的 token, 现在是限制你不能用太多 。
所以这都是一个很有意思的市场的一个变化的周期 。
你刚才说到一些 500 强企业 , 就非科技行业的企业 ,他们已经有很高的 AI 预算了 。 这是因为他们实际上从之前的使用中已经看到这个事情 , 要么能帮我降本 , 要么能帮我带来新的收入 。
还是说他们正在去更大规模试的一个过程 ?
现在还是在试的一个过程 。 我觉得就企业逐渐开始形成共识 。 那前几年的话呢 , 每个公司 , 尤其是非科技行业的公司 , 它对于 AI 战略 、 时机这些东西是有不同的想法的 。
但我觉得今年是所有的产业形成了共识 , 就是 AI 绝对是未来 。 而且它会想到的并不是说啊 ,有一个初创企业过来去跟我竞争 , 它更多想到的是自己业内的一个竞争 。
就是如果我不用 AI, 我的竞争对手用了 AI, 那我可能就会被它吞掉 , 然后它可能就会市场占有率更高 。
而且确实因为 AI 它一个核心其实是降本增效 , 还有包括赋能 。 你就是可以让更少数的 、 更核心的 、 高能量 、 高质量的一个团队做更多的工作 。
那从市场的角度也是一样 。 以前可能说这个市场里面 80% 的市场由 30 家公司去占有 。 那在未来很可能 80% 的市场只有 5 家公司 、7 家公司去占有 。
因为这几家公司通过 AI 的植入 , 大规模的赋能了它内部的一个产品能力和外在的一个服务 、 它客户的一个能力 。
那这几十家公司都要想说我会不会能成为最后的这 5 家或 8 家 , 对吧 。 那我是不是在我的竞争对手动手的时候 , 我要快速的去动手 。
所以你会发现很有意思 , 就是只要每个行业有一个企业开始在 AI 层面上进行大规模的部署 , 那其他企业跟上的速度就很快 。
尤其美国还有一个特点 , 当然大家关注比较多的都是上市企业 , 对吧 。 但是美国包括很多大型的企业 , 它其实是非上市企业 。
那他们的动作速度就很快 。 包括我像和美国一些非常知名的 、 很大的这种家族企业 , 或者说是非上市的企业去交流的时候 ,他们从几年前开始就是已经有几十亿美金的投入在 AI,在自动化 ,在机器人 physical AI 这个层面上去部署了 。
而且他们的好处是 ,因为他们不是上市企业 , 嗯 , 所以他们的董事会相对来说比较小 ,也不需要去担心股价 。
那手里的现金又很多 , 所以它在 AI 投资和部署层面上的灵活度就很高 。 这也是为什么我我们一直在投 to B 嘛 , 我们也一直很看好 to B。
那在过去这几年, 尤其是 AI to B 的这个浪潮里面 , 我们是看到了非常巨大的机会 。 我们自己的企业增长速度也很快 ,因为他们都是做 to B 的 。
我们自己今年这一年真的是非常的累 ,但是一边累一边又很高兴 ,因为觉得是市场到了一个很成熟的阶段 。
那以前可能只是说大家在拼算力 , 然后怎么样去把模型能力推到最好 。 但是模型能力推到最好 , 它毕竟还是没有在产业里面体现出价值 。
但是现在到了一个产业体现价值的一个阶段 , 大家开始用它了 。 这真的是一个未来市场的巨大机会 。
我觉得它整体规模很大这件事是比较确定的 。 不太确定的一个事 , 或者说比较难判断的一个事情是节奏 。
对 ,因为 coding 的爆发节奏非常快 。其实从我觉得是 25 年开始吧 , 就比如 Cursor 那会儿 , 然后到 26 年, 现在可能中美这些比较大的经济体的程序员有很多就已经把特别多工作都交给 coding agent。
但就如果别的类型的知识工作 , 比如说金融 、 法律 、 医疗 , 还有一些各种各样更细的分类里面 , 它这个扩散速度会有多快了 ?
以及说速度如果不够的话 ,是不是也会导致市场未来几年是会有起伏和波折的 ?
嗯 , 会是有 。 所以我刚才才说非常重要的一点是 , 大家有一个合理的 、 理性的一个预判和预估 。 因为 coding 它毕竟有几个比较明确的特点 。
一来是说它毕竟还是科技行业嘛 , 科技行业它对于 AI 的使用的速度就是比较快 , 它对于新技术的植入速度很快 。
同时的话 , 它还是一个高频次的 , 嗯 , 对吧 , 就是高频次的一个使用的一个应用场景 。 它的任务价值又非常的高 ,因为你 coding 的过程直接产生产品 , 你的结果验证的速度也很快 。
而且 of course 像我刚才提到说它的 AI coding 又是可以直接完成任务 , 它不只是说给你一个建议等等。 但其实你刚才提到比如说法务啊 、 金融啊 , 很多东西 , 它并不是说可以马上验证结果的 。
它本身就不是一个直接出结果的一个应用场景 。 而且有些时候 , 比如说你在法律层面上, 你你也不能够说直接用 AI 去替代律师 , 你可能还是用 AI 去提供意见 。
包括像医疗 、 金融等等 , 它有很多场景 。 所以呢 , 很多的这种应用场景 , 它和 coding 是非常不一样的 。
所以我们不希望大家有这样的一个预期 , 觉得什么都像 coding 一样去快速的爆发 ,而是要去合理的预估 , 还有去预判每个工作流程 。
后面的话 ,其实你像企业后台的一个工作流程 , 它其实是可有很多地方可以通过 AI 去进行自动化的 。 比如说你刚才提到财务 , 对吧 , 财务的整个从它这个数据的收集到整合到报告等等 , 这个过程其实需要很多的细节 , 还有包括大量的一个数据的一个分析整合 。
这个能力其实 AI 是可以做的很好 。 包括像企业后台 , 还有一个像它合规的过程 , 它的运营 , 还有它的销售的一个企业级服务 , 还有包括它采购啊 , 还有包括这个库存管理这些 ,其实都是可以用 AI 做非常好的自动化流程的一个管理的 。
嗯 , 另外的话呢 ,其实我觉得企业拥有大量的数据 , 还有一个特点 , 就这些数据也都是资产呢 。
19 年我记得我去中东的那个未来倡议大会 FII, 就是沙漠中的达沃斯 。 我当时去一个 panel, 我就讲我说未来每个人 、 每个企业最重要的资产就是我们的数据资产 。
因为你的数据资产的价值最高 , 同时增长速度最快 。 09 年到现在已经 7 年了 , 那大的企业终于意识到他们的数据资产的一个重要性 。
那所以他们现在其实做很多的 AI 战略的核心之一 ,也是他们的数据战略 。 怎么样让自己的数据 , 我有这么多有价值的资产 ,但它现在还不可用 , 那怎么样可以把它进行整合 、 清洁 , 然后把它变成一个数据库 ,而且它是高质量的数据库 , 可以用于 AI 的训练 。
这个我觉得也是现在企业意识到的一点 。 所以它也不单纯只是说我要试 AI 产品 , 它也是意识到了 AI 时代 ,他们也拥有很多有价值的数据资产是 AI 所需要的 。
包括你看现在其实很多 AI 模型公司 , 像 Anthropic、OpenAI, 它花销最大的一个方向之一也是买数据嘛 。 所以那些数据的拥有方 , 尤其是高质量的企业级数据 , 还是在这些大的企业 、 传统企业手里 。
创业机会45:24
嗯 , 你刚才说到了这几个方向 , 我们可以跳开 Anthropic 就算上这种大的模型公司 ,也算上各种新的创业公司 。
你觉得可能会比较快 , 或者说相对容易可以用 AI 来带来比较大的改变的这种场景可能会是什么 ?
我觉得就刚才我提到的企业后台的这种智能体 , 它应该相对是比较快的 。 因为从某种程度上来讲的话呢 , 企业它后台的各种各样的一些需求 ,在各个不同企业它的需求的一致性比较强 , 比较标准化 。
我知道有一个市场大家不一定特别看好 ,但我个人蛮看好的就是医疗领域 。 因为医疗领域本身在美国的话呢 , 它是美国 GDP 的将近 20%。
而且医疗领域还有个特点 , 它的数据质量都很高 。 那数据质量的量又大 , 数据的质量又高 ,而且它的应用场景又非常的多样性 。
那同时呢 , 又由于医疗行业它本身的一个就是系统的问题吧 , 你会发现它很多的一个工作流程 , 它的标准化程度还是比较高的 。
所以如果说公司可以去把医疗所需要的一些 , 比如说数据层面上的敏感性啊 、AI 监管啊 , 还有包括这些特定的需要的一些功能去整合好的话呢 ,在医疗行业内部 , 我觉得 AI 推动速度也会比大家想象的快很多 。
因为我自己本身当然之前就是做医疗 AI, 然后我又投 AI 医疗投了十多年, 我们是很看好这个方向 。
今年的话呢 , 无论是药厂还是说医疗机构 ,也都非常的公开的在聊他们的 AI 愿景 。 我也在美国的一个比较大的 , 应该现在是美国非营利的医疗机构最大的一家 , 叫 Common Spirit Health Foundation 的董事会上 。
那今年 5 月份的时候 ,他们的 CTO 就跟我讲说 ,他们上千家的这种医院啊 、 诊所啊 , 可能就要开始部署一些 AI 智能体了 。
那你想它的体量又这么大 , 一旦开始部署 , 真实世界反馈 , 然后整个流程走下来 , 我觉得还是有很多的快速增长的一个空间的 。
他们部署的这个医疗智能体 , 它是来自于 Anthropic 这一类的做通用模型的公司 , 还是这个领域的一些专门的公司 ?
对 , 你这个问题非常好 。 因为我们当然是投初创企业 , 我们也不希望整个市场被一家独占 。
而且现在确实能看到 , 像我刚才提到的医疗行业 ,其实用的很多也是一些初创企业的解决方案 。
那另外的话呢 , 还有一些大一点的机构 , 它可能也会内部自己做一些本地化的内部的开源模型的一个部署 。
所以这也是为什么你看英伟达 ,他们在开源推的非常的强力 。 因为它希望大部分的自己的客户 , 尤其是这种高监管的行业的客户 , 可以去用开源模型的部署 , 去更快的进行 AI 工作流程的一个植入 。
所以你看英伟达 , 它不仅是开放权重 , 它甚至是开放数据 , 对吧 , 它真的是开源 。 就是因为它想推动企业的一个加速的部署 。
如果说没有开源的话呢 , 对于很多敏感的数据来讲 , 尤其像医疗和金融 , 它是高监管 , 它不是说它想不想的问题 ,是它确实有法律风险 。
如果直接去使用闭源的这个 AI 模型 ,而且把所有的数据去传到云端 , 它有些数据它就是必须要留在本地的 。
那你留在本地怎么办呢 ? 你当然就要用本地化的这种小模型 。 所以这种市场的一个要求 ,也就形成了各种多样化的一个初创企业的一个机会 。
所以我们投了很多 , 包括就是 AI 医疗的公司 , 你也会看到它的核心都是小模型 , 本地化部署 , 然后非常好的这个 AI 监管 , 还有数据隐私的功能 ,在产品层面上直接整合 。
说到这个话题 , 我觉得有一个有意思的讨论是这样的 , 就是说在 coding 之后, 包括企业级办公的更多细分的场景 , 包括像医疗 、 金融 、 法律这些高价值的垂类场景 , 这个机会到底它更偏向谁 ?
首先我觉得 Anthropic 和 OpenAI 肯定也都想做这些方向 ,其实今年也能看到他们在法律 、 医疗这些方面都有投入 。
然后另一方面就是我在想这些场景 ,因为它的分散程度和它的速度和它你如果每个单独去算规模的话 , 它可能还是比他们之前已经进入的这个 coding 这个领域的 ,不管从爆发节奏还是规模上会有一定的差距 。
就有可能导致你做了一个更大的东西之后, 你反而会更难去做那些更细更小的东西 , 就可能会有更多创业的机会啊 。
对 ,是的是的 。 所以其实今年我觉得是创业非常好的一年 。 就像我刚才提到说大的一个方向是在于说 , 大家现在不只是单纯追求模型的一个能力了 ,而是说非常实际的 , 像你提到的大企业的一个 AI 在产业的大规模的一个铺设 。
那所以我们要看到说过去的 AI 基础设施 , 对吧 , 它是以什么为目标去进行优化和搭建的 , 就是建模型能力最强的一个 AI。
但现在我们的优先级变了呀 , 那我们的基础设施也要变成怎么样去降低成本 , 降低推理成本 , 降低每个任务的推理成本 。
讲到这一点 , 还有一个变化 , 就以前对于算力的需求也是更加集中式的 ,在训练里面对于算力的需求和消耗 , 对吧 ,80% 的算力消耗都是在 training。
但是现在的话 , 大家看到说其实 80% 未来算力的消耗是会在 inference,是在推理层 。 那怎么样去降低 AI 的成本 ,其实不只是在训练层很重要 ,在推理层甚至更重要 。
而且推理层 inference 的话呢 , 它还和企业本身本地化部署息息相关 。 所以这就是一个新的创新 , 一个大的一个机会 , 对吧 , 怎么样可以去重新设计搭建我们的 AI 基础设施 , 去符合新一代这个 AI 整体化大规模部署的一个需求 。
还有另外一点 , 就以前大家 AI 使用的话是一个 passive 的 , 就是说你要去使用这个产品 , 产品再给你一个答案 , 就像你用 ChatGPT 一样 。
但现在 agent 的话 , 它是一个主动的 , 主动的调用和完成工作的 。 那这种主动被动的形式的变化也很很有意思 。
另外一点的话呢 , 就是我们今天还有一个很重要的一个话题 , 就是从语言模型到 physical AI, 对吧 , 这也是一个非常大的一个技术方向 。
而且语言模型和 physical AI 不一样的一点是 , 语言模型我们一开始确实是大语言模型 , 之后的话再去讨论小模型 。
但是呢 , 从 physical AI 的开始的话呢 , 大家从一开始就会讨论 specialized model。 为什么呢 ? 就是因为 physical AI 的很多应用的场景 , 它都涉及到物理世界的一个设备 。
那你在这个时候的话 , 如果你的模型非常大 , 你在当地的算力有限 , 包括说电量有限的情况下, 它确实运行不起来 。
包括大家当然讨论很多 , 就是世界模型 world model 很重要 ,world model 也非常的强有力 。 但是大家没有讨论的是 world model 非常贵 。
你真的去运行 world model, 它在算力电力的消耗是非常非常巨大的 。 但是我们现在又进入到了一个非常实际的讲究成本的一个 AI 使用的一个时代 。
那怎么样可以去帮助未来 physical AI 形成低成本的一个大规模的部署 , 这又是一些创新的机会 。 所以你会发现 , 刚才我讲这些创新机会 , 初创企业都可以做 ,而且是非常好的 AI 基础设施的一个机会 。
那更不要提说 AI 监管啊 ,AI 安全等等。 那在应用层面上, 就是我刚才提到那些高监管行业的垂直应用 。
那当然你说 OpenAI、Anthropic 想做 , 那他们就要面临一个挑战 ,是说你要和初创企业去拼垂直小模型吗 ? 你要和初创企业去拼 , 你可以针对特定应用场景去进行个性化的优化 , 然后去做一些个性化的这种特定产品的一个能力的开发吗 ?
这个对他们来讲是不是一个最优的一个战略 ? 包括你能跑得这么快吗 ? 还有一点就是企业会相信你把内部数据给他吗 ?
现在其实对于初创企业一个很大的优势是在于 , 很多的大公司 , 包括我刚才提到的药厂 、 保险公司 , 它愿意开始把内部的数据分享给初创企业 , 让它通过这些数据去给他们建立针对他们工作流程和应用场景的一个 AI 应用 。
那他们愿意分享给初创企业 ,是因为他觉得他是有优势可以进行控制的 。 但是他们愿意把这些数据分享给 Anthropic 或 OpenAI 吗 ?
对 , 这两个都是大巨头了其实 。
对 ,是 。 而且尤其是 Anthropic 确实前一段有一个事情 , 怎么说呢 , 对于产业就是当时讨论也比较多 , 包括对于他们客户层面上, 大家的反馈也不是特别的正向 。
就是 Anthropic 开始做 wet lab 嘛 。
对 , 湿实验室 。
对 , 它会让这些药厂觉得说 , 哎 , 你用了我所有的这些数据 , 你现在反过来跟我竞争 , 那我是不是还要继续让你能够拿到我的内部的数据 ?
那这不只是一个行业 , 那其他的行业都会想说 ,是不是我将来也会面临这样的一个问题 。
对 , 我后面正好有个问题也是跟这相关的 。 因为我们前面其实是在讨论说对 Anthropic 这个公司来说 ,coding 之后可能是什么 。
然后你提到就是你认为它把企业级的 agent 的平台做好 , 对它来说是一个就现在就能看见的一个大的机会 , 对吧 ?
但另一方面可能很多垂直的 , 然后有监管的 , 然后有一些个性化 、 特性化需求的领域 ,是有很多创业机会的 。
甚至底层的算力基础设施可能都会随之变化 。 包括我们之前也讨论过 , 你们也投了一些推理层的一些易购的芯片的新的公司 。
科学探索54:02
然后就说到前沿模型公司自己他们在干什么 , 我发现一个很有意思的事 , 就是他们好像现在还是卯足劲在去做那种最难的事 。
包括刚才我们提到的 Anthropic 自己搞湿实验 , 应该是要把比如说发现新药这个事情做得更加的完整 , 或者说做成一个闭环 。
然后 OpenAI 这边最近就是哐哐的在发数学论文 , 一会儿解决了千禧年问题 , 一会儿又一网打尽各种菲尔斯这样级别的难题 , 还有物理的问题 , 还有计算机理论的问题 。
就是你怎么看前沿模型公司的这方面的探索呀 ? 这些它在未来一段时间能给他们带来多少商业的回报 ?
对 ,是的 。 首先我想就是 OpenAI 嘛 , 它投入了这个大量的像你说的数学啊 、 理论科学这个研究 。 我觉得这个呢 , 你要从不同的角度去看 。
第一个的话呢 , 它确实是一个测试和提高模型推理能力的一种方式 。 因为数学它有一个比较明确的优势 , 对吧 , 就是很多问题它是可以通过形式化的一个证明去验证的 。
那你对于很多比如说自然语言任务 , 它是相对比较开放式的 。 但是数学证明它是比较明确的 , 就对就是对 ,不对就是不对 。
这个对于就是像我们经常讲的就是强化学习啊 , 还有推理模型的训练啊 , 还有包括一些自动化的评估 , 它都非常的重要 。
它其实也是在推动它一个模型推理能力的发展 , 它是一个它重要的一个技术路径 。 因为这最近正好我们聊了一个团队 , 很有意思 ,他们其实是一群数学家吧 , 然后他们呢 ,其实是自己生成了很多的数据 , 然后这些数据其实就被高价被 OpenAI 这样的模型公司买走了 。
因为他们也缺这样的数据 , 这个数据对他们最有价值的就是推理能力的一个应用 。 所以这是一个 。
另外的话呢 ,其实我觉得 AI for Science 的话呢 ,其实还有一点让大家会觉得很重要的一点是说 , 如果模型它不只是我们过去讲 ChatGPT, 它其实是在总结已有的知识 , 对吧 ?
但是什么是我们经常讲科学研究很重要的一点 ,不只是说解决一个问题 , 更重要的是提出问题 。 那 AI 是不是也能够开始提出问题 , 提出新的可以去验证的一些科学的结果 ?
那它去产生的知识不只是基于已有的知识 ,而是产生新的知识 。 所以我觉得这个可能也是为什么很多大的模型公司它想做 AI for Science 的一个原因 。
它其实也是在去彰显说 AI 的能力可能进入到了下一层 , 开始去逼近 edge AI 等等。
对 。
所以我觉得它是不是能够短期的贡献收入呢 ? 我觉得不一定 。 我个人觉得从商业角度来讲的话 , 这些研究应该是不太能够在短期去给他们进行收入层面上的贡献的 。
但是你说长期的层面上, 它是不是能够提升模型的一个推理能力啊 , 它的科学研究能力 , 当然它非常重要 。
而且呢 , 它也会逐渐的去让他们在就是还是说一个技术路径层面上去做更多的一个探索 。 那你刚才一开始还问了一个问题 , 就是说 Anthropic 它现在做制药这方面 , 我觉得一方面的话呢 , 确实可能它自己有自己的愿景和这方面的部署 , 你确实是一个巨大的市场 。
但另外一方面 , 我可能要提出一个不同的看法 , 就是我并不觉得我们需要把那么多的关注都放在 AI 去发现 , 就是 drug discovery, 就是药物研发 。其实啊 , 发掘这个过程现在已经做了很多了 。
但是我们要想一个现实的问题 , 就是比如说你现在通过 AI, 比如说突然间以前可能你只能发现两三个 target, 那现在能发现几百个 target。
但是你这几个 target 也不能形成药啊 , 你还是要去做临床 , 做 clinical trial。 但你现在难道要把这几百个都去做临床吗 ?
这样的成本岂不是更高 ? 本身在整个药物研发的过程中, 最大的成本其实是花在临床的过程中的 。
那你现在反而难道要因为你发现了更多的 target, 你要花更大的资金和更大的资源去做这么多的临床吗 ?
那最后临床之后的成功率也不一定更高 。 所以我们其实现在看很多的 , 包括我们自己投的一家公司 ,其实是用 AI 做 clinical trial, 去用 AI 去辅助怎么样可以提高临床的成功率 。
比如说你用 AI for drug discovery, 你发现了三五百个 target, 你是不是可以用通过 AI 的方式再可以去从这三五百个挑出两三个临床可能成功率最高的 target, 然后去进行临床实验 , 最后你的成功率至少在百分之五六十以上 。
这个我觉得反而是对整个制药行业非常有价值的一件事情 。 包括还有一点就是你可以用 AI 做很多这种垂直模型 。
我们有家公司我个人很喜欢 , 它就是用 AI 做 cell therapy 的一个垂直模型 , 就 vertical model for cell therapy。 那它其实就是做人体细胞的一个数字孪生 。
那它可以做的不同的疾病就很多 。 它最近也是和哥本哈根的那个 Novo Nordisk 的这家药厂做了一个很大的合作 ,也是针对帕金森的一个 indication。
所以我觉得这些都是非常好的发展方向 , 我也非常看好 。 而且我们经常讲说 AI 向善 , 对吧 ,AI for good。
那其实 AI 医疗的结合就是 AI 向善最好的一个方向探索 , 又非常大的经济价值 , 同时还可以给我们人类确实创造福祉 。
对 , 我觉得他们现在开始去做的这种就是偏科学发现的一些领域 , 它怎么就是和商业结合 , 我觉得它有可能会有很大的价值 。
只不过因为这一类经济活动本身一般以往离普通人也比较远嘛 , 所以可能大家就感觉起来会比较抽象 。
不过这个倒是挺符合 OpenAI 自己最开始给它自己定的一个 AGI 的 roadmap。 因为他们前面是 chatbot, 然后有 agent,agent 的后面就是创新者 。
对 , 它现在干的这个事确实是我觉得是在往那个方向发展 。 再往后是 organizer,是组织者 。 然后接下来想讨论一个话题 , 就是这一次 Anthropic 的招股书里也披露了非常多的算力的长期投入 。
算力长协59:18
这也引起了一个讨论 , 就是长期算力需求的持续性 。 因为这一轮整个全球二级市场的大的行情 ,其实主要还是由 AI 基础设施这个板块来驱动的 。
首先我是想求证一个事实啊 , 就是最近有一些和美国的公司交流过的朋友提到说 , 硅谷的一些中腰部的明星独角兽是面临很大的算力压力的 。
就是一方面他们为了竞争 ,其实是和算力厂商签了三到五年的长协 , 和云厂商 。 但另一方面 ,他们的需求其实肯定又不如 OpenAI 和 Anthropic 的那些最领先的公司那么大以及那么有确定性 。
所以有些公司已经出现了因为业务发展或者需求不及预期 ,他们之前承诺的算力需求是满足不了的 , 要开始比如说打折去转租一些算力 。
首先我想知道这种现象它是个别存在的吗 ? 还是有可能会成为一种群体现象 ?
现在确实个别存在 ,但是整体上你现在无论和 Nebula 啊 、Together AI 啊 , 还有包括 Covert 去聊的话 ,他们的算力基本上今年都已经没了 , 都是要等明年 。
那现在基本上需要做模型训练 、 预训练 、pre-training、post-training 的公司都还是缺算力 。 但你说这种中腰部的这个 AI 独角兽呢 , 它确实就像你说的有个问题是他们基本上都要签长约 ,而且这个长约就基本上三年起 。
那它如果说公司中间出现了这个问题的话 , 确实有很多算力可以去释放出来 。其实去年已经出现过一波了 , 我记得是去年底的时候 ,有一段就突然间市面上算力出现了很多 。
但是到今年初没过多久 , 马上算力又出现了紧缺 。 所以它确实可能会有一个周期性的现象 。 因为大家现在都特别缺算力的时候 , 会把价格包括说它这个合约推到一个比较高的一个价格 。
包括 SpaceX 前段卖算力卖得很贵 , 它也是允许说初创企业你可以签短约 ,不是说要签三年, 但是签两年, 不是签一年的话 , 好像价格是要 double, 就是它的价格直接给你翻一倍 。
那这个时候公司就觉得说那我还不如签三年, 对吧 ? 因为我签一年的这个价格本身都可以买两年了 。
所以确实有这样的一个情况 。 但我并不觉得即使中腰部的这些独角兽公司或者模型公司 , 它所有的算力都释放出来之后, 它会真的对市场产生挤压 。
因为需求还是非常巨大 。 另外一点 ,GPU 算力它不是一个就是说标准化的 、 同质化的一个商品 。 就不同的这个 GPU, 不同的网络架构 , 不同的这个数据中心 , 它的位置 , 它对于就是可能是对应于不同的 AI 的一个工作流程 , 还有包括你的需求 , 对吧 ?
所以并不是说你这个公司释放的 GPU, 另外一家公司就直接能够用掉 , 它可能不一样 。 就比如说现在市面上其实你想要 H100 的是买是拿得到的 ,是订得到的 。
但是大部分公司现在想要的是 B300 和 H200。 那还有包括就是比如说你要是真的是你训练模型的话 , 你整体对于这个数据中心的需求 , 你是需要大规模高带宽低延迟 。
但是如果你是做推理的话 , 它其实它是一个分布式的 。 所以你就可以更容易的去把它进行分布到不同的区域啊 , 不同的一个类别的一个 GPU 层面上 。
所以哪怕我刚才提到说确实算力的需求非常大 ,也会持续增长 ,但不代表他们就可以去直接用那些你说的这些中部的这些独角兽公司 ,他们可能用不了的 GPU 或者是用不到的这些 GPU。
所以一定会市场出现一个情况 , 就是一方面有些公司它觉得哎 , 我还是算力不够 ,但另外一方面呢 , 还有很多闲置的 GPU。
那我觉得这个至少对算力层是一个利好吧 。 就是说别人用不着的 , 土到市场上的其实别呃另外的客户也不见得能用上 。
所以还是得采购新的 , 可能还是得要些新的算力 。
对 ,但是对于有一些它可能就是进行这种 GPU 买卖的企业 ,不一定是好消息 , 对吧 ? 你如果说你是英伟达的话 , 当然你的需求会一直强烈 。
但有些公司它做的其实是倒卖这个 GPU。 那你会发现你的这个旧 GPU, 它它就可能没有那么强的一个计算价值了 。
那你可能就需要大规模的降低价格 , 你才能够把它卖出去 。 那同时的话呢 , 大家持续都需要的是一个新一代芯片 、 新一代的 GPU、 新一代的一个算力 。
而且我觉得算力需求增长和算力资产价格下跌 , 我觉得是可以同时发生的 。 因为很可能就是说整个 AI 产业它消耗的这个计算量在不断的增加 ,但是某一代的 GPU 的租赁价格在持续的下跌 。
就是我刚才讲的这个例子 , 对吧 ? 那大家就都不要 H100 了 , 它的价格越来越低 。 但同时呢 , 我们消耗的算力还越来越大 。
所以我觉得这个是一个很有意思的现象 。 所以大家也不应该把这两个情况直接就看作说哎 , 这个一件事情发生就一定会导致另外一件事情发生 。
对 , 就是整个交流下来 , 我理解就是在你现在的视角来看 , 你觉得其实整个 AI 创业创新未来可以去渗透的市场空间还是非常大的 。
整体是一个向好的状态 。 我们前面也聊到了 , 除了 Anthropic 自己未来发展的一些机会之外, 整个创业领域有哪些创新公司可以去做的方向 。
另一方面你觉得比如说从现在 Anthropic 和 OpenAI 的进展 , 尤其是它披露了更详细的财务情况之后, 你觉得有什么赛道是可能会受一些不利的影响的吗 ?
其实我觉得就还是说 Anthropic 它本身 , 像比如说它这个相对做得比较好 , 像 coding 啊这些行业 , 我觉得你真的很难再去跟它去进行竞争了 。
另外一点的话呢 , 就是还有很多你会发现 , 就是以前我们叫 wrapper, 就是你在这个模型层面上套一个壳 , 直接去做一些科技行业直接做的一些应用 , 可能会越来越难 。
因为它模型本身能力已经很强了 。 这个时候的话 , 你只是单纯做一个产品 , 用现有的模型的话 , 你很难和模型公司去竞争 。
就是一方面是看横向的这个 AI 基础设施 , 另外一个是纵向的 AI 应用 。 你会发现我可能接下来会关注更多的 AI 应用 , 还是关注在较高监管行业 。
因为高监管它也是一个准入门槛 。 但如果说它是非高监管行业的话 , 比如说科技行业各种各样的这种 AI 应用 , 我觉得对于初创企业来讲的话呢 , 它的竞争性就会越来越差的 。
因为对于 Anthropic、OpenAI 来讲的话呢 , 它的这个模型及产品它已经可以直接打通了 , 尤其是在科技领域的一些应用 。
那你觉得对一些 2C 端的应用了 ,其实 Anthropic 最近也发了它的个人 agent, 或者说偏向个人 agent 的那个产品吧 , 叫 Duet。
对 , 我其实从很多年前 , 好几年前 , 三四年前 , 我可能就有一个不太受欢迎的一个论调 。 我当时也公开演讲的时候讲过 , 我是觉得 AI 的市场非常巨大 ,但我们一直专注 B 端市场 。
还有一个原因是因为我觉得 C 端的 AI 市场最终大头百分之八九十还是会被大的模型公司或者说是科技公司去占领 。
就是你刚才说的这个原因 。 还有很重要的一点就是 C 端数据到底谁的拥有性更强 , 然后谁可以拿到最多的高质量的 C 端数据 。
就比如说像谷歌 , 我其实在几年前开始我就会公开讲说我对谷歌的一个模型能力的看好 。 尤其包括你看它像 C 端层面上, 它的一个用户数据的质量真的非常可怕 。
而且它不只是用户数据 , 它的一个就是叫 distribution channel, 对吧 ? 它的 Gemini flush 说你只要是有谷歌的这个浏览器 Chrome 浏览器 , 你就可以免费使用 。
这不只是说有这么多的用户 ,是你马上就有这么多的几十亿用户的一个真实使用的一个反馈 。 这个反馈的信息你回去再去优化你的产品 , 这个体量和这个速度 , 一般的初创企业根本没有办法去跟它竞争 。
这就是为什么我们一直都没有去投 。 我不是说 C 端 AI 就是 2C 端的 AI 产品做不出来 , 一定还是有做得好的产品 。
但是确实从整体的一个市场机会上来讲的话呢 , 大头的市场应该还是会被巨头的科技企业在我的判断下, 会被巨头企业去占领 。
我当然讲的是美国市场啊 , 中国市场和美国市场是不一样的 。
就是像 Instinct 这个创业公司做的 personal agent 产品 , 它前段时间不是特别火吗 ? 它最近在硅谷的水温有下降吗 ?
就那种体感上 。
啊 , 现在还可以 。
OK。
我觉得其实还是用的人蛮多的 。 但是呢 , 你想刚开始有很多我们提到的其他像 Carter AI 刚开始出来的时候也很火呀 。
它已经申请破产 。
对 , 这种 2C 端的产品的话呢 , 它热度起来的很快 ,但后续是不是能够持续发展 , 这个还是要观望一段时间 。
因为你看不只是 Meta 在做个人的 agent,其他公司也会逐渐开始做 。 那你会面临很多大的竞争 。 它不只是说你产品做得好不好 ,其实很简单的一点就是一个用户的一个分销渠道 , 对吧 ?
你确实马上你在 Meta 的平台上就可以触及到这么多的用户 , 它下载量一下起来也是因为它是 Meta 做的 agent。
所以我觉得这一点也是初创企业可能需要考虑的 。
OK, 那最后想请露分享的一个问题就是 , 你现在有什么正在思考你觉得很重要的 ,但是这个答案还不是很清晰的问题吗 ?
AI 监管1:08:01
我其实最近真的思考非常多的一点就是 AI 监管 。 我们其实刚才那个 AI 向善 , 就 AI for Good 的 commission, 我们就是这个礼拜二刚又开了一个董事会讨论 , 大概两个多小时 。
就是因为现在进入到了一个非常敏感的一个时刻 。 以前可能你觉得说监管的话呢 , 它是一个之后的话题 , 你先做 AI 产品部署之后再做监管 。
那现在因为涉及到 physical AI, 它就有一个很现实的问题 , 就是以前你说 AI 有幻觉 , 给你的答案是错误的 , 你笑一笑可能也就过去了 。
但是 physical AI 不一样啊 。 physical AI 的这个情况语境下的话 , 如果 AI 出现任何问题 , 那可能就会人的生命受到伤害 , 甚至说出现非常巨大的一个事故 。
那这个时候你就会发现 , 包括我认识的很多比较大的这些产业龙头企业 ,他们的 CTO 现在很着急在问我的一点就是 AI 监管 。他们一定要先把监管层这个技术解决方案做进去之后, 才可以进行大规模的 physical AI 的一个部署 。
所以这也是我现在觉得说一直在思考的一个问题 。 因为它对于产业的 AI 整合来讲太重要了 。 医疗也是一样啊 , 它又不只是用语言模型 , 对吧 ?
它也要用 physical AI 的一个模型 。 但 AI 监管又是一个非常复杂的话题 。 首先你要考虑到未来技术发展的方向 , 你不能只只只是考虑现在的技术 , 还要未来的技术 。
另外的话呢 , 它又是一个跨区域的 、 跨产业的一个合作 。 甚至说最后你到底是要做产业的一个独立性的一个监管呢 , 还是说是跨产业的一个大家标准化的监管 , 这些都是一个巨大的问题 。
所以这样为什么说现在无论你看从企业界到政界 , 还有包括到商业界 , 大家都在比较着急的要去把这个问题去找到一个解决的方案 。
所以这可能是我觉得又是一个机会 ,但同时也是一个挑战 。 我也希望可以有更多的无论是创业者还是企业家还是资本方可以关注这个方向 。
OK, 那今天非常感谢露再次做客 《 晚点聊 》。 我们从 Anthropic 发布招股书这件事本身聊起 , 聊到了前沿的模型公司 , 比如 Anthropic 和 OpenAI 他们现在的一个发展状况 , 之后可能会面临的新的课题 。
同时也聊到了目前这个时间节点 , 大家从之前一股劲的去把模型做得更强 , 到整个市场更关注 AI 实际能带来怎么样的价值 。
然后这个转换也会有很多新的创业公司的机会 。 那今天非常感谢露的做客 , 我们这期节目就到这里结束 。
各位拜拜 。
好的 , 谢谢 。
连点成线1:10:31
最后连点呈现总结一下这两期张璐和 Rob 的观察和视角 。 这两位投资人最关注的都是需求端 。
Rob 虽然自己在 AI 算力层有长期的持仓 ,但他多次提到问题的关键在于需求端而非供给端 。 如果需求接不上, 供给侧的债务才是问题 。
也由于他比较长期的投资风格 ,而且这一轮入局较早 , 所以我能感觉到他本人从投资操作上并没有放太多注意力在现在很多人会去讨论的供给端的债务风险上 。
其实显而易见的一点是 ,AI 未来的价值规模是相对确定的 。 编程本身就很强的扩展性 ,而且 AI 还可以进入更多企业 、 行业 , 还有个人的经济活动之中 。
不确定的是节奏和过程 。 整体来说 , 我感觉 Rob 对需求接下来的节奏的判断是偏中性的 。 比如他提到亚马逊给出的未来两年的云增速是有信心的表现 。
虽然不能全信 ,但现在就判定这是骗人也为时尚早 。 过去一直投 to be 的张璐正好高频接触很多企业的 CIO 和 CTO,他有对需求的更多具体观察 。
比如他提到现在有一种心态 , 就是大企业客户之间也会有竞争 。 行业里如果有一家公司有了比较明确或者激进的 AI 战略 , 那它的对手也会想更快的跟进 。
他认为服务这些 coding 之外的更多企业机会的公司不一定是前沿模型公司 。 未来的市场不会几家公司独大 , 尤其是企业市场 。
而 AI 要更深入的进入 500 强企业的流程 , 要经历自动化和优化业务的两个环节 。 这个时间不太可能像 coding 一样在一年内就快速的爆发 。
不过这对一级市场的投资人其实是一个好消息 , 说明还有很多机会不会都被 Anthropic 和 OpenAI 等模型巨头满足 。
同时应用层和模型层的变化也会带来算力层的变化 。 过去的绝对重心是用大规模 GPU 集群去训练最强的模型 。
未来更多资源和资金也会投入到推理降本 、 推理阶段的异构芯片架构 、 分布式计算 、 端侧计算等新的算力形式上 。
这些地方也可能有新公司的机会 。他对需求的观察是中性偏积极的 。 也想问一问各位听友 , 你们对自己和身边的 AI 需求有什么直观的感受和想法了 ?
或者你发现了哪些有意思的现象和数据了 ? 欢迎在留言区一起讨论和分享你自己看到的 AI 需求前景 。
这也是我接触的这么多从业者都非常关心的问题 。 coding 之后有什么 ?






