用聲音，聽見真格。

「此話當(dāng)真」是一檔泛商業(yè)類播客，我們希望搭建這樣一個(gè)分享和交流的平臺(tái)，讓每一個(gè)對(duì)商業(yè)、科技、創(chuàng)投充滿好奇的人都能在這里有所收獲。每期播客將會(huì)由不同的真格投資人擔(dān)任主持，和各領(lǐng)域的領(lǐng)軍人物一起帶大家深入了解科技趨勢(shì)，以及創(chuàng)新技術(shù)的影響力。交流科技熱點(diǎn)，我們只想給你最專業(yè)的解讀。

當(dāng)然，我們希望這不僅僅是一個(gè)播客，更是一次創(chuàng)業(yè)的探索。真格，你的創(chuàng)業(yè)第一站！我們期待與你相遇，一同發(fā)現(xiàn)新的可能。

2025 年第一期，是「此話當(dāng)真」與「十字路口」的串臺(tái)節(jié)目。站在新年年初的時(shí)間點(diǎn)，雨森和 Koji 最近都很興奮，因?yàn)楦械秸谟H歷科技史上一個(gè)重要時(shí)刻。這種感覺源自兩個(gè)重大事件的發(fā)生：一是 Devin 的公開，二是 OpenAI o3 模型的發(fā)布。

Devin 為何如此令人興奮？就在半年前，雨森在做客「十字路口」時(shí)曾打過一個(gè)比方，「大模型還是小學(xué)生，別著急讓它去打工。」而就在親自體驗(yàn)過后，雨森認(rèn)為，Devin 作為第一個(gè)真正能用的 Agent 產(chǎn)品，讓人們看到了工作的 Scaling Law。從「你問我答」到「你問我做」，在 AI 能夠異步自主完成計(jì)劃與執(zhí)行后，擺在每個(gè)「人類」面前的新問題已經(jīng)變成：如何學(xué)會(huì)當(dāng) AI 的老板。

本期內(nèi)容，在深度探討 Devin 的使用感受與技術(shù)飛躍以外，我們回顧了過去一年 AI 行業(yè)的快速發(fā)展，并想象著 2025 年屬于 AI 創(chuàng)業(yè)的大機(jī)會(huì)將是什么。

新年宜暢想。AI 技術(shù)的發(fā)展波濤洶涌，然而只要深入其中就能看到，令人驚嘆的進(jìn)步總發(fā)生在一次次具體而微的努力中。新的一年，就讓我們繼續(xù)滿懷期待，且看這滔天巨浪，將帶人們駛向何方。

01

2024 回顧：AI 技術(shù)爆發(fā)，模型進(jìn)步超預(yù)期，應(yīng)用增長(zhǎng)顯著

Koji：我們先來問雨森的第一個(gè)問題：2024 年這一年下來，你的整體感受是什么？

雨森：非常高興能夠跟 Koji 再次合作，分享我們對(duì) AI 發(fā)展和投資的感受，和大家有機(jī)會(huì)交流。

2024 年這一年下來，整體感覺我覺得是一個(gè)字，「快」。因?yàn)槲覀兛吹?AI 的模型以及產(chǎn)品的迭代速度都很快。

我記得在 24 年年初時(shí)，最先進(jìn)的模型是 GPT-4。那個(gè)時(shí)候有個(gè)新的基準(zhǔn)測(cè)試（Benchmark）叫 SWE-bench，是把 GitHub 上常見的任務(wù)類型拿下來讓 AI 去嘗試完成。當(dāng)時(shí)最先進(jìn)的模型 GPT-4 在這上面的得分是 2.8 分，滿分是 100 分。到 24 年年底時(shí)，大家可以用到的 Sonnet 3.5 能夠得到 50 分，也就是能解決一半的任務(wù)。而剛剛發(fā)布的 o3 在初步評(píng)測(cè)里已經(jīng)得了 71.7 分。

樂觀來講，以這個(gè)速度在一年的時(shí)間內(nèi)，也就是 25 年，我們就可以看到人類絕大部分 GitHub 上的任務(wù)都能被 AI 解決了。這也意味著現(xiàn)有程序員的單個(gè)任務(wù)，雖然不是整體工作，但確實(shí)有很多都可以被解決。24 年年初時(shí)，ChatGPT 還不太會(huì)做四則運(yùn)算，那時(shí)候大家經(jīng)?？妓粩?shù)乘三位數(shù)，它可能也會(huì)算錯(cuò)。但現(xiàn)在解答 IMO 級(jí)別的題目已經(jīng)得心應(yīng)手，甚至在對(duì)數(shù)學(xué)家來說都很難的 Frontier Math 測(cè)試集上，o3 也得到了 25 分的成績(jī)。這是陶哲軒背書的，他認(rèn)為這些題目簡(jiǎn)單的是 IMO 級(jí)別，難的是前沿研究級(jí)別，現(xiàn)在 AI 也能做得不錯(cuò)。

Koji：這對(duì)應(yīng)用帶來了哪些影響？

雨森：比如我們投資的 Kimi，他們的產(chǎn)品是 23 年 10 月 9 號(hào)，差不多在 24 年開始前一點(diǎn)時(shí)間上線的。到 24 年年底已經(jīng)有 4000 萬月活用戶。考慮到它是一個(gè)一年左右時(shí)間的新應(yīng)用，這個(gè)用戶增長(zhǎng)速度非?？?。

我還記得在 24 年 2 月份春節(jié)假期時(shí)，看到 Sora 的發(fā)布宣傳片覺得非常震撼。當(dāng)時(shí)想著產(chǎn)品要過多久、以什么樣的成本才能用到這樣的視頻生成模型。但在 24 年底時(shí)，大家已經(jīng)可以用上了。像可靈、混元等一系列產(chǎn)品，包括 Google 也出了 Veo 2，都是比當(dāng)時(shí)的 Sora 可能更好的視頻生成模型，而且是免費(fèi)的，讓大家覺得不過如此。所以大家對(duì)于 AI 產(chǎn)品的標(biāo)準(zhǔn)提高很快，一年前讓人驚嘆的東西，現(xiàn)在可能就覺得平常。但我們始終覺得還有更多可以做的事情，還有很多東西沒落地，實(shí)際上進(jìn)展是非?？斓?。

同時(shí)我覺得也有很多觀點(diǎn)和看法被打臉。我記得在 24 年開始時(shí)，如果你去問中國(guó)的投資人、創(chuàng)業(yè)者，很多人都要做中國(guó)的 Character AI，當(dāng)時(shí)大家都覺得這好像是一個(gè) To C 應(yīng)用，又有很多人用，還說要「百 C 大戰(zhàn)」。

Koji：年初很多人預(yù)測(cè) 2024 年一定會(huì)發(fā)生的一個(gè)趨勢(shì)是 「百 C 大戰(zhàn)」。

雨森：反正我沒有那么預(yù)測(cè)，但有很多人這么預(yù)測(cè)。在 24 年 8 月份，Character AI 就宣布被 Google 收購(gòu)，大家發(fā)現(xiàn)要破圈也不是那么容易。3 月份，Cognition 這家公司，也就是 Devin 的開發(fā)者，他們發(fā)了一個(gè) demo 視頻。那時(shí)候大家都不相信，覺得這個(gè)公司是忽悠人，甚至有人說是騙子，還有打假的視頻。結(jié)果 12 月 Devin 這個(gè)產(chǎn)品出來，大家大為震驚，發(fā)現(xiàn)居然是真的，可以做到很多 AI 的功能。

我還記得在 23 年年底 OpenAI 的宮斗事件，那個(gè)時(shí)候整個(gè) OpenAI 的員工都集體在 Twitter 上發(fā)聲支持 Sam Altman，說「OpenAI is nothing without its people」，是刷屏的內(nèi)容。但到 24 年底，走了不知道多少人。最后連元老 Alec Radford，OpenAI 的核心研究員也走了。那中間基本上大部分早期員工都走了。包括在年初時(shí)，大家覺得 GPT-5 很快要出來，但一直到年底 GPT-4.5 也沒有出來。等來的是另外一條路線，就是 o1、o3 這條在推理（Inference）的路線。

一年下來有很多變化，不管是快速的變化，還是很多讓人想不到或沒有預(yù)計(jì)到的變化。這可能就是一個(gè)行業(yè)早期變化的常態(tài)。

Koji：半年前在十字路口那期播客里，雨森有一個(gè)核心觀點(diǎn)是說「大模型還是小學(xué)生，不要急著讓它去打工賺錢，給它多一些耐心?！?/p>

說這句話的時(shí)候，背后暗示著認(rèn)為技術(shù)的進(jìn)步雖然很快，但離商業(yè)化還很遠(yuǎn)，離 To C 的大規(guī)模應(yīng)用還很遠(yuǎn)。在今天你還是這么認(rèn)為嗎？還是你覺得進(jìn)化的速度比你當(dāng)時(shí)理解的要快？

雨森：首先當(dāng)時(shí)說這句話其實(shí)有一個(gè)上下文，就是大家在問「訓(xùn)練模型花了這么多錢，什么時(shí)候才能賺回來？」在討論訓(xùn)練模型投資回報(bào)周期時(shí)，我覺得這符合每次技術(shù)革命的相似模式：先投入資金進(jìn)行基礎(chǔ)建設(shè)和科研，然后產(chǎn)品逐漸找到落地場(chǎng)景，最終產(chǎn)生商業(yè)化收入。

那么一年下來，在一些具體模型能力比較擅長(zhǎng)的具體領(lǐng)域，比如編程領(lǐng)域，大模型的能力確實(shí)已經(jīng)超過了可以「打工」的閾值。就像我之前提到的，在 SWE-bench 測(cè)試上，年初只能解決 2% 的問題，顯然還無法勝任工作，但現(xiàn)在已經(jīng)能解決 50% 的問題。尤其是在 ChatGPT 3.5 出現(xiàn)后，我們看到像 Cursor、Windsurf 以及 Devin 這樣的產(chǎn)品開始涌現(xiàn)，它們能夠真正幫助程序員解決很多問題，為生產(chǎn)力帶來實(shí)質(zhì)性提升。

從收入角度看，一些 AI Native 應(yīng)用在找到產(chǎn)品市場(chǎng)契合點(diǎn)（PMF）后增長(zhǎng)迅速。比如 Cursor 現(xiàn)在的年度經(jīng)常性收入（ARR）已接近 1 億美元。另一家針對(duì)技術(shù)小白用戶的 AI 編程公司 bolt.new，在四個(gè)星期達(dá)到 400 萬美元的 ARR、兩個(gè)月內(nèi)達(dá)到了 2000 萬美元的 ARR，這是企業(yè)服務(wù)應(yīng)用有史以來最快的增長(zhǎng)。還有斯德哥爾摩的一家公司 Lovable 在四周內(nèi)就達(dá)到 400 萬美元的年化收入。

包括我們投資的 AI 應(yīng)用 HeyGen，在 23 年年中拿到 1M ARR，在 18 個(gè)月內(nèi)增長(zhǎng)了幾十倍，24 年年底達(dá)到近 50M ARR。我們投資的 Monica 也已超過千萬美元的 ARR，這些都是在短短十幾個(gè)月內(nèi)實(shí)現(xiàn)的。無論是海外創(chuàng)業(yè)公司還是我們投資的項(xiàng)目，在用戶增長(zhǎng)方面都取得了顯著進(jìn)展。比如前面提到的 Kimi 已經(jīng)擁有 4000 萬用戶。

我認(rèn)為，在某些領(lǐng)域 AI 已經(jīng)具備了「打工」能力，但整體收入仍遠(yuǎn)低于成本。我們需要保持耐心，畢竟 ChatGPT 問世也才兩年。我們?nèi)蕴幵谝粋€(gè)模型能力不斷提升、解鎖新應(yīng)用場(chǎng)景的階段。只有在應(yīng)用場(chǎng)景產(chǎn)生足夠多的價(jià)值之后，才能逐步開展商業(yè)化。

Koji：其實(shí)我覺得這一波技術(shù)擴(kuò)散的速度非?？臁偛盘岬降?Cursor、bolt.new，包括 HeyGen 和 Monica，除了 Monica 因?yàn)樾ず胨土宋?VIP 會(huì)員，另外三個(gè)我都是付費(fèi)用戶。這些技術(shù)擴(kuò)散起來，我覺得比上一波更快。即便它們并沒有網(wǎng)絡(luò)效應(yīng)，但今天有一幫非常熱情的技術(shù)前沿探索者，大家在不斷嘗試新事物，并且熱情洋溢地去傳播。其實(shí)十字路口也是這樣的一員，我和雨森每次用到什么興奮的東西，也都會(huì)第一時(shí)間分享。

我有一個(gè)強(qiáng)烈的感受，也是我們錄這一期的原因，就是希望讓大家不要隔岸觀火，不要覺得看到的只是各種版本號(hào)的新發(fā)布，好像對(duì)自己沒什么影響。我特別希望大家能夠跳到浪潮里面去，下載這些應(yīng)用體驗(yàn)一下，早一點(diǎn)感受，早一點(diǎn)用起來。

雨森：我覺得有一句話說得特別好，是科幻作家 Gibson 說的：「未來已經(jīng)到來了，只是沒有均勻分布而已。」如果日常只是用一個(gè)簡(jiǎn)單的 Chatbot，甚至還有很多人都沒怎么用上 AI 產(chǎn)品，那可能就覺得這都是一些新聞?lì)^條而已。但在某些特定領(lǐng)域，比如對(duì)程序員或者數(shù)字藝術(shù)創(chuàng)作者而言，我相信很多時(shí)候 AI 工具已經(jīng)成為他們生產(chǎn)中不可或缺的一部分。我一直覺得，花一點(diǎn)時(shí)間或者花一點(diǎn)小錢去體驗(yàn)最新的 AI 產(chǎn)品，是非常值得的。因?yàn)檫@是一個(gè)很好的方式，可以直觀感受到我們?cè)谀承╊I(lǐng)域的進(jìn)步，也是看見未來的一個(gè)好辦法。

02

AI 技術(shù)擴(kuò)散：如何讓人人都能創(chuàng)造，而不只是使用

Koji：剛才提到不管是數(shù)字藝術(shù)創(chuàng)作者還是程序員這兩個(gè)群體應(yīng)用的大規(guī)模進(jìn)步，我認(rèn)為它們的意義并不僅僅是在幫助這兩個(gè)群體。更重要的是在幫助普通人也能夠去做原來只有程序員和藝術(shù)創(chuàng)作者才能做的創(chuàng)造，這才是更大的意義。

我們?cè)僬f回來，雨森你去年在真格大概聊了多少個(gè) AI 應(yīng)用的創(chuàng)業(yè)項(xiàng)目？有什么整體感受？你覺得 AI 應(yīng)用落地的速度在加速嗎？

雨森：我們團(tuán)隊(duì)加起來應(yīng)該聊了上千個(gè) AI 應(yīng)用的創(chuàng)業(yè)項(xiàng)目，我自己大概接近 200 個(gè)創(chuàng)業(yè)者。我們確實(shí)覺得隨著技術(shù)的進(jìn)展，AI 應(yīng)用的落地速度在加快。

具體來說，我覺得三個(gè)進(jìn)展很重要：

第一個(gè)是模型的推理能力。像 GPT-4o、o1 這類的發(fā)布讓模型的推理能力變強(qiáng)后，它的幻覺會(huì)減少，所以可以去規(guī)劃和完成更加復(fù)雜的任務(wù)。

第二個(gè)是模型的編程能力提高。因?yàn)樵跀?shù)字世界，大量任務(wù)可以通過編寫程序來完成。我們開始也提到，編程能力的增長(zhǎng)速度非?？臁．?dāng)這些常見任務(wù)能夠被編程解決的時(shí)候，至少在編程這個(gè)領(lǐng)域，以及可以被泛化為編程的其他領(lǐng)域，執(zhí)行任務(wù)能力會(huì)強(qiáng)很多。

第三是 Anthropic 首先提出的工具計(jì)算機(jī)使用（Computer Use）。AI 能夠使用我們已有的軟件，從瀏覽器開始到其他軟件。人類社會(huì)造的這些軟件都可以被 AI 用來解決任務(wù)。所以這幾個(gè)加起來，我覺得對(duì)于 AI 完成任務(wù)的能力提高很多。

我覺得在 2025 年，Devin 的發(fā)布很重要，因?yàn)樗堑谝粋€(gè)把 Agent 從大家的想象、從原型變成現(xiàn)實(shí)落地的產(chǎn)品。我們會(huì)很快看到各個(gè)領(lǐng)域的 Agent 嘗試都會(huì)出來。當(dāng)然很多還是在比較初級(jí)的階段，但我覺得會(huì)有很多很有意思的思考得以落地。

Koji：所以我們待會(huì)兒會(huì)花很大的篇幅來和大家聊 Devin，以及聊我們對(duì)以 Agent 為代表的 AI 在明年發(fā)展的一些預(yù)期。

雨森：我們看到在美國(guó)和中國(guó)，AI 應(yīng)用的創(chuàng)業(yè)方向是挺不一樣的。在國(guó)內(nèi)由于企業(yè)服務(wù)落地還是有些難度，導(dǎo)致很多創(chuàng)業(yè)者想做的還是 To C 的應(yīng)用。而 To C 應(yīng)用里面，很多都傾向于做殺時(shí)間的應(yīng)用，比如各種情感陪伴、AI 聊天這樣的變體。在美國(guó)我們看到的是各個(gè)細(xì)分領(lǐng)域，大家都在想去替代部分人類的工作，讓工作變得更加降本增效。這是中國(guó)和美國(guó)創(chuàng)業(yè)方向的很大反差。

當(dāng)然國(guó)內(nèi)還有一個(gè)大方向就是機(jī)器人，整個(gè)具身智能領(lǐng)域有非常多的新公司出來，拿了很多融資，甚至我們覺得有點(diǎn)過熱。但整體來講，我覺得大家還是非常興奮的。尤其是對(duì)年輕創(chuàng)業(yè)者來說，因?yàn)橹按蠹铱赡苡X得互聯(lián)網(wǎng)時(shí)代已經(jīng)快結(jié)束了，我們 80 后都是互聯(lián)網(wǎng)時(shí)代的紅利獲得者，但是 00 后可以干什么呢？AI 沒興起之前，他們覺得在互聯(lián)網(wǎng)領(lǐng)域確實(shí)沒什么可干的。但現(xiàn)在 AI 讓大家看到了很多新機(jī)會(huì)，也是屬于他們這一代年輕創(chuàng)業(yè)者的機(jī)會(huì)。所以我們作為一個(gè)始終關(guān)注年輕人的基金，還是覺得有很多有意思的創(chuàng)業(yè)者在出來，有意思的項(xiàng)目也在出來。

Koji：說到這一波的創(chuàng)業(yè)者，你覺得他們身上有哪些典型的共同點(diǎn)嗎？除了對(duì)年輕更友好之外？

雨森：年輕是隨著不同時(shí)代進(jìn)展必然具有的特點(diǎn)。

他們普遍更加具有國(guó)際化視野。信息傳播現(xiàn)在越來越快了。在互聯(lián)網(wǎng)時(shí)代，海外一個(gè)應(yīng)用火了，中國(guó)可能要過個(gè)三到六個(gè)月才有對(duì)標(biāo)的產(chǎn)品出來。而現(xiàn)在基本上海外出現(xiàn)什么新事物，當(dāng)天就會(huì)有新聞報(bào)道，很多還是通過 AI 去總結(jié)翻譯的。所以大家對(duì)模型海外應(yīng)用的進(jìn)展普遍都很了解。

同樣，因?yàn)樽龅漠a(chǎn)品往往都是國(guó)際化的，出海也成了很大的主題。本來模型就具備很強(qiáng)的多語言能力，所以不少一開始做產(chǎn)品就是全球化的。這個(gè)在互聯(lián)網(wǎng)時(shí)代比較難以看到，那時(shí)大家往往都是說「我就做一個(gè)針對(duì)中國(guó)市場(chǎng)的產(chǎn)品」。而現(xiàn)在大家一開始就是兩條路一起走，既有國(guó)內(nèi)的也有國(guó)外的。我看到很多創(chuàng)業(yè)者和團(tuán)隊(duì)也更加 AI Native，不少人都有做 AI Research 或者工程實(shí)踐的經(jīng)驗(yàn)，這也是他們能夠更早看到機(jī)會(huì)并把機(jī)會(huì)落地實(shí)施的原因。

但同時(shí)，我覺得對(duì)于年輕的創(chuàng)業(yè)者來說，因?yàn)樗麄兛赡軟]有經(jīng)歷過互聯(lián)網(wǎng)很多業(yè)務(wù)的流程，所以在推廣、做商業(yè)化這些領(lǐng)域有些課需要補(bǔ)。在這個(gè)時(shí)候，一些老司機(jī)，比如像我們投資的 Monica 這樣的團(tuán)隊(duì)，他們之前經(jīng)歷過很多互聯(lián)網(wǎng)領(lǐng)域的增長(zhǎng)，所以這方面的經(jīng)驗(yàn)確實(shí)有一些優(yōu)勢(shì)。但我覺得這些都是可以學(xué)習(xí)的，并且也可以通過招人、通過團(tuán)隊(duì)的補(bǔ)充來提高，所以我們?cè)谶@方面還是長(zhǎng)期很有信心。我們相信新一代 AI Native 的創(chuàng)業(yè)者能夠做出很有意思的產(chǎn)品，并且在該補(bǔ)的課上也能補(bǔ)回來。

Koji：我們接下來聊一聊從去年到今年，整個(gè) AI 的技術(shù)突破、行業(yè)變化和創(chuàng)業(yè)機(jī)會(huì)在這些方面認(rèn)知上的變遷。首先想問的是，有哪些觀點(diǎn)是一年前你還蠻認(rèn)可，但一年之后你自己已經(jīng)不再認(rèn)可的？

雨森：我覺得太多了，所以后來我都不太想錄播客了，因?yàn)槊看沃v了就容易被打臉。但要做早期投資，尤其是看早期技術(shù)，打臉是常態(tài)，只有不怕打臉才能夠繼續(xù)學(xué)習(xí)成長(zhǎng)。

一年多以前，大家強(qiáng)調(diào)的都是 Pre-training，大家講的都是說你需要有多少顯卡、要有多大集群，這也是 NVIDIA 股價(jià)暴漲的原因。因?yàn)榇蠹液?jiǎn)單地把它理解為：你有更多的顯卡、更多的算力，丟更多的數(shù)據(jù)進(jìn)去，很好的模型就會(huì)出來。

到 2024 年底 2025 年初來看，在 Pre-training 上確實(shí)從 OpenAI 以及各個(gè)行業(yè)領(lǐng)先團(tuán)隊(duì)來看，已經(jīng)到了一個(gè)相對(duì)的瓶頸。

如果我們說 Pre-training 是對(duì)智能的壓縮，那現(xiàn)在以文本等這些形式容易被壓縮的智能已經(jīng)壓得差不多了。Ilya 在發(fā)言時(shí)說，「互聯(lián)網(wǎng)的這些文本就像化石燃料，是人類這么多年積累下來的文本，現(xiàn)在已經(jīng)被我們都訓(xùn)練到模型里去了。接下來就需要新知識(shí)，不管是在我們腦子里面還沒被提取出來的知識(shí)，或者是通過 AI 去產(chǎn)生的新知識(shí)，這樣的知識(shí)增長(zhǎng)速度其實(shí)沒那么快?！顾晕矣X得 Pre-training 大力出奇跡，這是今年大家都意識(shí)到要發(fā)生改變的一個(gè)過程。

一年前我確實(shí)也聊到一些 Agent 的內(nèi)容。當(dāng)時(shí)我覺得在大模型普遍存在很多幻覺的情況下，這種自主智能體（Autonomous Agent）或者說 L4 級(jí)別的 Agent 落地時(shí)間會(huì)需要比較長(zhǎng)。但目前來看，模型的推理能力、代碼生成能力和工具使用能力確實(shí)進(jìn)展很快。這使得在數(shù)字世界里面，如果我們對(duì)于一些目標(biāo)結(jié)果比較確定的任務(wù)，比如說編程，Agent 落地的速度確實(shí)變快了很多。我們已經(jīng)看到像 Devin 這樣的產(chǎn)品已經(jīng)不只是一個(gè)想法，而是成為了事實(shí)。

這里面有兩個(gè)要點(diǎn)：一是如何更好地規(guī)劃任務(wù)，能夠做更長(zhǎng)周期的任務(wù)；二是使用工具，包括寫代碼去使用和用已有的工具。這兩個(gè)能力都變得很強(qiáng)的時(shí)候，Agent 的落地速度可能會(huì)比大家想的要快，尤其是在數(shù)字世界里面。

第三點(diǎn)是，一年前大家普遍認(rèn)為模型會(huì)越來越大，之前說是 7B、70B、甚至 700B。但目前來看，先進(jìn)模型的大小提升其實(shí)不用那么快。我們可以用 70B 的模型得到越來越好的結(jié)果，同時(shí)我們也能夠把同樣的能力放在更小的模型上去運(yùn)行。

實(shí)際上，這種真正的超大模型可能主要用于對(duì)使用模型的對(duì)齊，或者說作為 Teacher Model（教師模型）。這其實(shí)有點(diǎn)像最早個(gè)人電腦的時(shí)代。大家一開始都覺得 CPU 的處理器頻率要越來越高，但實(shí)際上到了 3GHz 之后，單核頻率就不怎么單獨(dú)增長(zhǎng)了，而是通過更好的架構(gòu)、更低的能耗去提升性能。就像人的大腦一樣，不是要越來越大，而是在同樣的大小下，學(xué)到更多知識(shí)和技能，變得更加聰明。在這方面，我覺得模型成本的下降是超出預(yù)期的。雖然大家一直都知道模型的成本會(huì)越來越低，但現(xiàn)在我們看到每年同樣的模型或同樣的智能，它的成本能下降到原來的十分之一。這會(huì)解鎖很多應(yīng)用機(jī)會(huì)，這些都是在 2024 年初時(shí)大家可能沒有那么明顯意識(shí)到，或者說在過程中發(fā)生改變的觀點(diǎn)。

Koji：還有一個(gè)關(guān)于認(rèn)知變遷的問題：有沒有哪些是你在 2024 年初覺得值得關(guān)注但沒那么重要，但到今天卻變成了特別重要的認(rèn)知？

雨森：我覺得首先作為投資人，我們對(duì)于前沿研究的認(rèn)知往往是有些滯后的。有些事情可能在研究員群體中已經(jīng)形成共識(shí)，但我們還處于后知后覺的狀態(tài)。

2024 年有個(gè)重點(diǎn)，就是強(qiáng)化學(xué)習(xí)（Reinforcement Learning ，RL）的興起。前面提到 Pre-training 已經(jīng)到了一個(gè)瓶頸，而在 Post-training 里面通過 RL 讓模型能力持續(xù)變強(qiáng)，尤其是在 o1 和 o3 發(fā)布之后，大家發(fā)現(xiàn)在 RL 這條路上還可以走很遠(yuǎn)，模型的能力可以提高很多。在 2024 年初的時(shí)候，這一點(diǎn)其實(shí)還只在很小的范圍內(nèi)討論，還沒有成為業(yè)界甚至研究界之外的普遍共識(shí)。所以我們發(fā)現(xiàn)預(yù)測(cè)大模型或者 AI 的技術(shù)路線永遠(yuǎn)是一件很難的事情。RL 這個(gè)方面的人才其實(shí)也很稀缺，所以大家都在做這樣的團(tuán)隊(duì)建設(shè)和技術(shù)儲(chǔ)備。

與此同時(shí)提出了一個(gè)非常重要的 Scaling Law，就是推理擴(kuò)展定律（Inference Scaling Law）：如何把推理時(shí)間延長(zhǎng)，得到更好的結(jié)果。

這在去年是一個(gè)非常重要的進(jìn)展，不僅體現(xiàn)在模型的設(shè)計(jì)上，也包括我們?nèi)绾卧O(shè)計(jì)產(chǎn)品。因?yàn)楝F(xiàn)在大部分產(chǎn)品像 ChatGPT、Claude 或者像 Cursor 這樣，都是要跟人進(jìn)行實(shí)時(shí)互動(dòng)，我說一句它回一句。那這個(gè)時(shí)候，如何讓它每一步能夠做更長(zhǎng)的時(shí)間，甚至讓它自己能夠通過計(jì)劃使用工具持續(xù)地去做事情，而不需要我持續(xù)輸入。這種「慢思考」的思維方式不是張口就來，而是經(jīng)過深思熟慮之后得到更好的結(jié)果。這方面如何獲得更好的表現(xiàn)會(huì)是今年非常重要的一點(diǎn)。

還有一個(gè)是，模型之前是沒有太多背景信息的。比如當(dāng)我問 ChatGPT 一個(gè)問題，它實(shí)際上只有我的這個(gè)輸入作為它的背景信息。事實(shí)上任何一個(gè)聰明人，如果只有一句話來回答問題，都是很難的。但我們現(xiàn)在看到，比如 Cursor 可以把整個(gè)組織的 Codebase 作為背景信息。而 Devin 是整合在 Slack 里邊，它能把組織里面已有的對(duì)話記錄、功能記錄作為背景信息。當(dāng)模型在同樣的智能水平下，有了更多的信息，就能夠更好地理解意圖，更好地回答問題。

我覺得在這個(gè)方面，新的產(chǎn)品設(shè)計(jì)如何讓用戶能夠無痛、簡(jiǎn)單地把更多背景信息帶進(jìn)去，會(huì)變得很重要。所以我們現(xiàn)在看到的像 ChatGPT 這種一問一答的方式，我覺得還是一個(gè)非常原始的方式。大家都在思考新的產(chǎn)品形態(tài)是什么樣子，這些都是今年大家逐漸意識(shí)到并浮出水面的東西。

Koji：我們?cè)谏弦黄诘摹甘致房凇估镎昧牡搅?OpenAI 過去 12 天的連環(huán)發(fā)布會(huì)發(fā)布了什么。關(guān)于前面提到的第三點(diǎn)，即如何獲得更多的背景信息，OpenAI 也發(fā)布了一個(gè)新功能：ChatGPT 的 Mac 版本現(xiàn)在可以讀取你的屏幕，把屏幕上的內(nèi)容作為背景信息，結(jié)合你的問題來給出回復(fù)。

這個(gè)讀屏功能并不是簡(jiǎn)單的截屏，它可以讀取三個(gè)層面的內(nèi)容。第一個(gè)層面是截圖式理解，即屏幕上顯示什么它就理解什么。第二個(gè)層面是它可以讀取程序窗口里的所有內(nèi)容，哪怕這些內(nèi)容現(xiàn)在并沒有顯示在屏幕上，需要滾動(dòng)才能看到，它也可以獲取這些信息。第三個(gè)層面是最厲害的，它可以知道你的光標(biāo)位置。因?yàn)楣鈽?biāo)在哪里，往往表明你當(dāng)前的注意力最集中在哪里。因此當(dāng)你問問題或與它討論時(shí)，它會(huì)結(jié)合你的光標(biāo)位置或你選中的文字來進(jìn)行回復(fù)。

所以我覺得哪怕是在 Chatbot 這樣的模式下，能讀取更多背景信息的應(yīng)用也會(huì)讓 AI 能力變得更強(qiáng)。

雨森：對(duì)，原來的 ChatGPT 有點(diǎn)像是你的一個(gè)筆友，你只能給它寫郵件，你寫一封它回一封。但如果這個(gè)「筆友」不是在郵件的另一端，而是站在你電腦后面，看著你如何使用電腦，甚至是住在你的電腦里面，能看到屏幕上看不到的東西，它顯然會(huì)變得更有用。

所以我覺得如何把 AI 與用戶的背景信息、用戶已有的知識(shí)、組織已有的知識(shí)結(jié)合起來，對(duì) AI 的作用是巨大的。因?yàn)樗F(xiàn)在能夠消化這么多的信息，這當(dāng)然也得益于模型技術(shù)的進(jìn)步。

Koji：不僅是這些，最近剛發(fā)布兩周的 Gemini 2.0 也推出了多模態(tài)理解功能。你可以直接打開攝像頭，然后指著攝像頭看到的東西問「這是什么」。比如我試了一下，就問墻上一張電影節(jié)的海報(bào)：這是什么電影節(jié)、哪一屆的海報(bào)。類似這樣的問題在過去都只存在于科幻電影中，但在今天已經(jīng)變成現(xiàn)實(shí)，而且這個(gè)現(xiàn)實(shí)是在可接受的成本之內(nèi)，并且能以非?？斓乃俣确祷卮鸢?。當(dāng)然它還沒有特別好地變成一個(gè) C 端產(chǎn)品，但大家去試用一下，我覺得這個(gè)效果真的很讓人驚艷。

03

從 ChatGPT 到 Devin：AI 編程的四個(gè)發(fā)展階段與范式轉(zhuǎn)變

Koji：我們?cè)倭囊涣?AI 編程。編程領(lǐng)域今年取得了非常令人興奮的進(jìn)展。雨森一直有很強(qiáng)的框架歸納和總結(jié)能力。前不久你跟我分享過你提煉出來的 AI 編程發(fā)展四段論，要不要在播客里和大家分享一下？

雨森：這其實(shí)是和很多朋友一起探討得出的結(jié)果，是大家智慧的結(jié)晶。AI 編程從 ChatGPT 出現(xiàn)到現(xiàn)在也就兩年出頭的時(shí)間，但已經(jīng)經(jīng)歷了四個(gè)階段。

第一個(gè)階段是讓 AI 直接寫代碼，典型代表是早期的 ChatGPT、Claude。我們給它一個(gè)需求，比如「幫我寫個(gè)貪吃蛇」，它就給出一段代碼。在這個(gè)過程中，它既不知道我為什么要寫貪吃蛇，也不知道代碼運(yùn)行情況如何?？赡芤胰ケ镜鼐幾g運(yùn)行后發(fā)現(xiàn)報(bào)錯(cuò)，再把錯(cuò)誤告訴它，它才能給出調(diào)試后的結(jié)果。這時(shí)的 AI 完全就像一個(gè)只能通過郵件交流的筆友，是簡(jiǎn)單的問答模式。

第二階段是以 GitHub Copilot 為代表，AI 開始擁有上下文，它可以把整個(gè)組織的代碼庫(kù)作為 context。這樣 AI 就獲得了大量新的背景信息。但這時(shí)用戶還是需要手動(dòng)把代碼貼到 IDE 里面進(jìn)行調(diào)試。我覺得這是 2.0 階段，就是我們讓 AI 擁有了 codebase 作為上下文。

2024 年一個(gè)非常大的進(jìn)步是以 Cursor 為代表的編程 Copilot 的出現(xiàn)。它的核心理念是預(yù)測(cè)用戶未來要寫什么代碼。根據(jù)你的代碼庫(kù)以及剛才寫的代碼，它預(yù)測(cè)你接下來要寫什么代碼、創(chuàng)建什么文件、做什么操作。這里面對(duì)于生成代碼的質(zhì)量和數(shù)量，以及文件的創(chuàng)建和修改都有很大提升。后來 Windsurf 還加入了對(duì)命令行操作的自動(dòng)化，這樣 AI 就能很好地使用我的電腦。原來的 AI 是在一張紙上寫代碼，我把代碼抄走運(yùn)行；現(xiàn)在 AI 可以在我的電腦上創(chuàng)建文件、執(zhí)行命令行操作，進(jìn)入到「我為你寫」的階段。

當(dāng)我們覺得這已經(jīng)很令人興奮時(shí)，Devin 的出現(xiàn)帶來了幾個(gè)重要突破：首先，它可以異步工作。Cursor、Windsurf 這些工具雖然一步操作做的事情比較多，但仍然需要持續(xù)的注意力，即「我說一步它做一步」。而 Devin 可以持續(xù)工作，把用戶的注意力釋放出來。這是因?yàn)樗嗔艘粋€(gè) Planner，可以規(guī)劃任務(wù)。

其次，它可以通過虛擬機(jī)執(zhí)行更多操作，做更多調(diào)試工作。比如你寫個(gè)網(wǎng)站，它可以自己用虛擬機(jī)去訪問這個(gè)網(wǎng)站，檢查前端后端的業(yè)務(wù)邏輯是否正確，并且可以隨時(shí)打斷和調(diào)整。大家用 Cursor 或者 ChatGPT 都知道，你無法在它輸出的中間做調(diào)整，必須等它輸出完后才能修改。但 Devin 就像真人一樣，你可以在它完成任務(wù)時(shí)給出新指令，它會(huì)把這個(gè)結(jié)合到已有的 Planner 里調(diào)整計(jì)劃。這就從「為你寫」進(jìn)化到了「為你做」。

總結(jié)一下這四個(gè)階段：第一階段是讓 AI 寫代碼，代表是 ChatGPT；第二階段是 AI 開放代碼庫(kù)，代表是 GitHub Copilot；第三階段是 AI 可以自動(dòng)寫代碼并執(zhí)行，代表是 Cursor 和 Windsurf；第四階段是 AI 虛擬員工，Devin 開創(chuàng)了一個(gè)很好的先例。

04

AI 出海攻略：深耕用戶需求，巧用內(nèi)容營(yíng)銷，避免簡(jiǎn)單投放

Koji：這很像一個(gè)比喻：1.0 時(shí)代的 AI 是「讀萬卷書」來回答問題，到了 4.0 時(shí)代則變成了「行萬里路」。它成為一個(gè)真實(shí)的員工，你給它下達(dá)任務(wù)，它就去外面完成一圈，再回來向你匯報(bào)。這是我們親眼見證的、在這一年中發(fā)生的躍遷式四階段變化。

真格在過去投資了不少出海的 AI 創(chuàng)業(yè)團(tuán)隊(duì)，其中非常典型的代表是 HeyGen 和 Monica，都表現(xiàn)得超級(jí)優(yōu)秀。所以也想和你探討一下出海的話題。

今年在整個(gè)行業(yè)里有一句廣為流傳的說法是「不出海就出局」，出海似乎變得非常重要，甚至是至關(guān)重要。所以首先想問你的是，為什么海外 AI 的落地和國(guó)內(nèi)的反差這么大？以至于我們都鼓勵(lì)英語都說不好的國(guó)內(nèi)創(chuàng)業(yè)者去勇敢嘗試，做一做 AI 的出海？

雨森：最核心的原因是 AI 目前主要是一個(gè)提高生產(chǎn)力的技術(shù)，而在人均工資高很多的歐美地區(qū)，他們對(duì)工具的付費(fèi)意愿更強(qiáng)。

所以當(dāng)你做一個(gè)生產(chǎn)力工具時(shí)，比如像我們投資的 HeyGen、Monica 還有 Oculus、Max AI 等一系列提高生產(chǎn)力的工具，海外用戶尤其是歐美用戶對(duì)于生產(chǎn)力付費(fèi)的意愿比較強(qiáng)，而且他們付的是美元，所以這個(gè)絕對(duì)金額更高。這是最重要的因素。

同時(shí)也有一些其他原因：比如說去海外能夠使用能力更強(qiáng)的模型，如 Sonnet 3.5 或者 GPT-4o，所以能夠解鎖更多的應(yīng)用場(chǎng)景，而國(guó)內(nèi)大家能用到的模型確實(shí)還有一些差距。另外，當(dāng)一個(gè)產(chǎn)品做好之后，因?yàn)榇竽Ｐ捅旧砜梢蕴幚矶嗾Z言的輸入和輸出，既然已經(jīng)做了，為什么不把它面向全球化推廣呢？

我覺得現(xiàn)在普遍采用了訂閱制，這在國(guó)內(nèi)確實(shí)比較難推行，但是海外訂閱已經(jīng)被廣泛接受了。這樣對(duì)于創(chuàng)業(yè)團(tuán)隊(duì)來說，他們做商業(yè)收入的能力也提高了很多。

Koji：所以你認(rèn)為這一代的 AI 創(chuàng)業(yè)者，他需要具備哪些特點(diǎn)？然后你會(huì)鼓勵(lì)他出海嗎？因?yàn)槲蚁肽阋膊粫?huì)鼓勵(lì)所有人出海。

雨森：其實(shí)我們現(xiàn)在覺得當(dāng)所有 VC 都勸創(chuàng)業(yè)者出海的時(shí)候，這往往就說明市場(chǎng)太熱了。

因?yàn)槲覀円恢痹诰柽@種所謂特別共識(shí)性的觀點(diǎn)。而且我們覺得大部分中國(guó)創(chuàng)業(yè)者出海肯定是一個(gè) debuff 而不是 buff，因?yàn)楫吘故强蛨?chǎng)作戰(zhàn)，你要解決很多在國(guó)內(nèi)不需要解決的問題，以及去了解很多原來并不了解的用戶。

中國(guó)的機(jī)會(huì)其實(shí)很多，像我們?cè)趪?guó)內(nèi)投的 Kimi、與愛為舞這些 AI 公司，其實(shí)增長(zhǎng)得更快。只是說它的商業(yè)化可能會(huì)稍微慢一點(diǎn)。但是我覺得這也是互聯(lián)網(wǎng)時(shí)代我們學(xué)到的一點(diǎn)。其實(shí)想想看互聯(lián)網(wǎng)時(shí)代，當(dāng) eBay 那個(gè)時(shí)候很早商業(yè)化、抽傭金的時(shí)候，淘寶先免費(fèi)，然后最后做成了更牛的商業(yè)模式。在中國(guó)和歐美市場(chǎng)，本來適合的商業(yè)模式就不太一樣，并不是每個(gè)團(tuán)隊(duì)都要去出海。

Koji：在今天已經(jīng)選擇要出海的中國(guó)創(chuàng)業(yè)者，我相信有很多人在聽我們這期播客內(nèi)容。那雨森，你會(huì)有什么樣的建議給到他們嗎？

雨森：我覺得出海其實(shí)跟在任何地方做產(chǎn)品一樣，首先要非常了解用戶的真實(shí)需求。在出海的過程中，因?yàn)楦糁Z言和地理位置的障礙，所以這一點(diǎn)變得更加重要，尤其在企業(yè)服務(wù)領(lǐng)域。因?yàn)橹拔覀円姷叫U多中國(guó)做企業(yè)服務(wù)的創(chuàng)業(yè)者，覺得我們的工程師能力很強(qiáng)，解決問題的能力很強(qiáng)，所以他們覺得出?？梢匀コ礁?jìng)爭(zhēng)對(duì)手。

雖然我們的團(tuán)隊(duì)執(zhí)行力很強(qiáng)，但定義關(guān)鍵問題需要實(shí)地調(diào)研和真正了解客戶。所以尤其是在這種需要以銷售驅(qū)動(dòng)的領(lǐng)域，我們覺得一定要找到有 Go-to-Market 經(jīng)驗(yàn)的專家，甚至團(tuán)隊(duì)要去到對(duì)應(yīng)的目的地。像 Monica 這樣偏用戶端的產(chǎn)品，需求可能相對(duì)比較普世或容易理解，那這個(gè)倒不一定。但對(duì)于企業(yè)服務(wù)來說，人一定要出去。

當(dāng)然我們看到有很多做小眾市場(chǎng)的，因?yàn)檫@類需求理解起來最容易，可能全人類都差不多。這是第一點(diǎn)，就是真的要搞清楚用戶和需求。第二點(diǎn)，我覺得普遍做得好的團(tuán)隊(duì)的共性，就是要想清楚并找到一個(gè)低成本高回報(bào)的營(yíng)銷策略。比如我們看到 HeyGen、Monica、Viggle 這些中國(guó)出海比較好的產(chǎn)品，其實(shí)往往都是把 SEO、社交媒體傳播，或者優(yōu)質(zhì)內(nèi)容的病毒式傳播這些營(yíng)銷策略用得比較好，而不是簡(jiǎn)單地去做投放的打法。當(dāng)然如果你的產(chǎn)品變現(xiàn)能力很強(qiáng)，這個(gè)時(shí)候也許做投放能把 ROI 算過來，但基本上現(xiàn)在投放都很貴。

所以如何巧妙地做營(yíng)銷，尤其是通過產(chǎn)品特性實(shí)現(xiàn)病毒式營(yíng)銷，變得非常重要。

把海外的 Twitter 這些平臺(tái)用好，其實(shí)跟國(guó)內(nèi)很不一樣。因?yàn)樵趪?guó)內(nèi)大家可能習(xí)慣了去投信息流、做投放，通過很厲害的投放方式去做。而在海外我覺得更要巧妙地去做。國(guó)內(nèi)團(tuán)隊(duì)的產(chǎn)品執(zhí)行力往往都很強(qiáng)，所以無非就是說做什么和怎么推廣這兩點(diǎn)，可能是大家普遍遇到比較有挑戰(zhàn)，或者說做好了就會(huì)比較加分的地方。

05

AI 硬件創(chuàng)業(yè)：看上去很美，但需要謹(jǐn)慎對(duì)待

Koji：其實(shí)大家還有一個(gè)觀點(diǎn)，就是覺得這一波做 AI 硬件的也蠻多的。做 AI 硬件可以特別好地利用到中國(guó)的優(yōu)勢(shì)資源。那在 AI 硬件領(lǐng)域，雨森你們?cè)谶^去一年看過或投資了什么項(xiàng)目嗎？

雨森：AI 硬件我們看了蠻多項(xiàng)目，但說實(shí)話我覺得硬件看上去很美，卻不一定真的那么好落地。

過去落地比較好的還是這種，比如說海外已經(jīng)把產(chǎn)品原型打出來了，我們?nèi)グ阉龅酶?、更便宜，或者更小。?dāng)然我們也看到一些團(tuán)隊(duì)，比如像 Plaud，確實(shí)做出了很有創(chuàng)意的產(chǎn)品。但我覺得整體來說，硬件的擴(kuò)展速度其實(shí)都沒有那么快，軟件反而還是更加適合現(xiàn)在 AI 擴(kuò)散的載體。所以我們對(duì)于硬件一直都是比較謹(jǐn)慎的。

當(dāng)然我們也有投這樣的創(chuàng)業(yè)者，但我們整體并沒有像有的基金那樣投了很多。我自己對(duì)于 AI 硬件一直覺得，包括像當(dāng)時(shí)的 Rabbit、Humane 剛出來的時(shí)候，我自己都是持比較謹(jǐn)慎的態(tài)度。

06

Devin：不只是一個(gè)編程工具，而是首個(gè)真實(shí)可用的AI Agent

Koji：好，我們進(jìn)到今天的第二部分，我們將和雨森一起來聊一聊 Devin。首先要和大家特別說明的是，我們今天會(huì)用非開發(fā)者的視角來聊。因?yàn)槲覀z都不是專業(yè)的工程師，雖然學(xué)了七年的計(jì)算機(jī)科學(xué)，但畢業(yè)之后就一直做產(chǎn)品經(jīng)理。也是直到半年前 Cursor 發(fā)布之后，才重新開始寫代碼，應(yīng)該說是重新開始命令 AI 幫我寫代碼（笑）。

但另一方面，正是因?yàn)槲液陀晟际欠情_發(fā)者的背景，這反而讓我們可以用獨(dú)特的視角去感受和體驗(yàn) Devin，并且去預(yù)測(cè) AI Coding Agent 乃至更廣義的 AI Agent 將如何改變每個(gè)人未來的生活和工作。

因?yàn)槲覀冋J(rèn)為這一代 AI 編程技術(shù)最終會(huì)沿著兩個(gè)方向發(fā)展：一個(gè)是服務(wù)專業(yè)的程序員和開發(fā)者，第二是賦能所有像我們這樣的非開發(fā)者。而后者的商業(yè)價(jià)值和應(yīng)用前景可能更加深遠(yuǎn)而廣泛。

那第一個(gè)問題想問一下雨森，我們?cè)诎l(fā)布的第一天，你其實(shí)就花了 500 美金去充值。那你充值了 Devin 之后，第一個(gè)用 Devin 做的事情是什么？以及你用它做的讓你印象最深刻的事情是什么？

雨森：Devin 在安裝完成之后，它有一些推薦的任務(wù)。其中有一個(gè)就是它會(huì)把你的名字帶進(jìn)去，在網(wǎng)上找你的信息，給你做個(gè)人網(wǎng)站。之后我讓它做了我通常讓實(shí)習(xí)生做的典型工作，我給它一個(gè)任務(wù)：我們要改一改我們的創(chuàng)投基金的價(jià)值觀宣言（Manifesto）。然后，我說你去找一找美國(guó)有哪些頂級(jí) VC，他們的 Manifesto 是什么？這是一個(gè)典型的任務(wù)，你大概知道需要找什么，但這需要有信息收集整理和解決問題的能力。

我看它去做，發(fā)現(xiàn)很多有意思的點(diǎn)。它首先要確定什么是美國(guó)的 Top VC，所以先去 Pitchbook、CB Insights 這些網(wǎng)站找有沒有 Top VC 的列表。它先找到了它認(rèn)為 Top 的十幾家 VC，我看了看列表確實(shí)是比較頂級(jí)的十家，它就一個(gè)個(gè)去官網(wǎng)找他們的 Manifesto。但是 Manifesto 這個(gè)東西在 VC 里邊其實(shí)有不同的叫法。比如說紅杉叫 Ethos，在 Founders Fund 叫 Manifesto，在別的地方可能叫 About 或者 Philosophy。并且還有幾個(gè) VC 的網(wǎng)站上沒有這樣的內(nèi)容，就是沒有一個(gè)關(guān)于「我是誰，我的價(jià)值觀」的描述。所以我看到 Devin 在這個(gè)過程中，它在嘗試?yán)斫膺@個(gè)任務(wù)，找到最符合的內(nèi)容。

比如說它在找 Accel 這家 VC（也是美國(guó)非常有名的 VC）時(shí)，發(fā)現(xiàn)官網(wǎng)上沒有這樣的內(nèi)容。但它就去 News 里面找，找來找去找了兩三年，他們有篇文章里面介紹了 Accel 的價(jià)值觀方法論。它把那個(gè)內(nèi)容拿出來作為它要找的內(nèi)容。所以你可以看到它像一個(gè)初級(jí)人類員工一樣去解決問題，不是很機(jī)械地說你網(wǎng)站上有沒有個(gè)叫 Manifesto 的東西，沒有就沒找到。而是說我需要去看看你整個(gè)網(wǎng)站上面有沒有比較符合這個(gè)內(nèi)容定位的內(nèi)容，然后去尋找。

它最后給我一個(gè)包含 10 個(gè) VC 對(duì)應(yīng) Manifesto 的 Markdown 文件，但這里面有很多 AI 模型現(xiàn)在常見的問題。比如說它有時(shí)候容易偷懶，因?yàn)槲乙讶哪孟聛?，但在幾個(gè) VC 的內(nèi)容里面，它就給自己做了個(gè)總結(jié)。這是我們很多時(shí)候用現(xiàn)在 AI 的 Chatbot 也會(huì)遇到的問題，就是因?yàn)?Token 數(shù)的原因不給你全文，而是給你一個(gè)縮略。這個(gè)時(shí)候就要告訴它說，你要給我完整的文本內(nèi)容。所以它其實(shí)跟真正的實(shí)習(xí)生一樣需要教導(dǎo)。但我覺得這里面它體現(xiàn)的規(guī)劃能力，以及對(duì)于不能直接解決的任務(wù)去創(chuàng)造性解決的能力，是非常有意思的。

當(dāng)然這可能不是大家使用 Devin 的典型場(chǎng)景，因?yàn)槲覜]有讓它去編程，而是讓它來做一個(gè)語言模型 AI 的常見事情。所以我完全可以想到，現(xiàn)在我們有適合編程的 Devin，那么我們完全可以有適合做文本工作、適合金融界或法律界工作的對(duì)應(yīng) Agent 產(chǎn)品。

在這里面我認(rèn)為，只要我定義的工作是一個(gè)人坐在電腦前，通過使用電腦、上網(wǎng)、使用軟件能夠解決的工作，那么它大概率都能被或多或少地在這個(gè)工作流程里得到體現(xiàn)。這個(gè)還是蠻讓我覺得驚艷的。

Koji：所以你從第一天到現(xiàn)在，在兩周左右的時(shí)間里，你感覺自己體驗(yàn)到了一個(gè)什么樣的未來？

雨森：在體驗(yàn) Devin 之后，我感覺它作為第一個(gè)真正能用的 Agent 產(chǎn)品，可能標(biāo)志著人類歷史的一個(gè)重要時(shí)刻。

為什么這么說呢？因?yàn)槿祟悮v史上發(fā)明了很多工具，有人說「人就是能夠使用工具的動(dòng)物。」但所有這些工具基本上都可以分為兩類：第一種是需要持續(xù)注意力的工具，比如電鉆、錘子或鍵盤鼠標(biāo)，它需要我們持續(xù)的注意力關(guān)注和輸入；第二種是機(jī)械重復(fù)的自動(dòng)化工具，比如洗衣機(jī)、自動(dòng)售貨機(jī)、流水線，它可以不需要我們關(guān)注，但只能解決重復(fù)的任務(wù)。

我們一直在尋找第三種——不需要持續(xù)注意力，但同時(shí)能自己規(guī)劃去解決問題的工具。這就是所謂的 Autonomous Agent。

在原來的構(gòu)想里，可能只有像 Viggle 這樣的產(chǎn)品在硬件上實(shí)現(xiàn)了。在軟件層面，我們一直沒有看到這樣的產(chǎn)品出現(xiàn)。去年有一些像 AutoGPT 這樣的嘗試，但都還停留在產(chǎn)品原型階段。

我發(fā)現(xiàn) Cursor 定義了真正的 Agent 產(chǎn)品需要具備的幾個(gè)特點(diǎn)：

第一是由于強(qiáng)大的任務(wù)規(guī)劃能力帶來的異步體驗(yàn)。它原來設(shè)計(jì)的場(chǎng)景是在 Slack 里你可以 @Devin 說幫我改這個(gè) Bug，然后它自己就去改了。只有在它真的需要幫助或完成任務(wù)時(shí)才會(huì)來找我。這跟實(shí)習(xí)生很像，交代任務(wù)后他會(huì)自己工作，只在遇到解決不了的問題時(shí)才來找我。與此同時(shí)，我可以給多個(gè)實(shí)習(xí)生派活，讓我能專注做真正重要的事情。

第二是在云端部署的虛擬機(jī)。它可以使用瀏覽器，未來還能使用更多軟件，從而完成更多任務(wù)。這和原來的 Cursor 和 Windsurf 用我自己的電腦完全不一樣。如果大家之前用過類似于 RPA 的軟件，大家會(huì)發(fā)現(xiàn) RPA 在操作的時(shí)候，你是什么都不敢操作的，因?yàn)槟愕牟僮鲿?huì)打斷它的流程。AI 是在用你的電腦。但 Devin 是在用虛擬機(jī)，就像我們給實(shí)習(xí)生配電腦一樣，AI 用自己的虛擬機(jī)帶來的靈活性非常不同。

第三，Devin 做事時(shí)像真實(shí)員工一樣會(huì)學(xué)習(xí)和成長(zhǎng)。比如說我們招個(gè)實(shí)習(xí)生，他第一天肯定會(huì)搞砸很多事情，因?yàn)樗恢涝谖覀冞@個(gè)組織里面該如何處理很多社交行為。當(dāng)他做一件事情的時(shí)候，會(huì)逐漸意識(shí)到自己需要積累相關(guān)經(jīng)驗(yàn)，這些經(jīng)驗(yàn)被稱為「知識(shí)」。他會(huì)主動(dòng)提示說自己學(xué)到了某個(gè)知識(shí)點(diǎn)，比如在找信息時(shí)要盡量去官網(wǎng)查找。我會(huì)確認(rèn)他學(xué)到了這些好的知識(shí)，這個(gè)過程和我們跟實(shí)習(xí)生、員工做評(píng)估很像。就像員工寫工作總結(jié)說學(xué)到了哪幾點(diǎn)，我們會(huì)肯定說「對(duì)，這幾點(diǎn)做得很對(duì)」。這樣理論上就可以不斷積累組織內(nèi)的專有知識(shí)，讓他變得更加適應(yīng)這個(gè)團(tuán)隊(duì)。

其實(shí)我們?cè)谡腥藭r(shí)也是這樣。一個(gè)員工剛來的時(shí)候，他的價(jià)值相對(duì)有限，需要持續(xù)學(xué)習(xí)才能更好地適應(yīng)組織。但之前在使用工具時(shí)，我們都希望這個(gè)工具一打開就能用，不會(huì)期待說一臺(tái)電腦要不斷學(xué)習(xí)才能越來越好用。

在 Devin 這里，我們真正看到了它具備類似人類員工的成長(zhǎng)曲線。雖然這還比較早期，但我們發(fā)現(xiàn)這樣的范式轉(zhuǎn)變非常重要。

第四，Devin 提出了根據(jù)完成任務(wù)進(jìn)行收費(fèi)的模式。500 美元對(duì)應(yīng) 250 個(gè) ACU，每個(gè) ACU 約 15 分鐘工作，換算下來每小時(shí) 8 美元。這已經(jīng)低于加州最低工資標(biāo)準(zhǔn)（16 美元/小時(shí)）的一半。隨著 AI 算力提高、成本下降，這筆投入在未來能做更多事情。相比招人還要處理人事、場(chǎng)地、管理等問題，AI 是 7×24 小時(shí)不知疲倦的員工。

有朋友說得很有意思：程序員喜歡 Cursor，因?yàn)樗浅绦騿T的 Copilot，能幫助提升效率；老板喜歡 Devin，因?yàn)槔习蹇紤]如何花錢買到生產(chǎn)力。Devin 展示了一個(gè)潛在的范式變化，就是通過花錢去擴(kuò)展生產(chǎn)力。我認(rèn)為 Devin 讓我看到了工作的 Scaling Law。

在很多 Coding Agent 里，第一個(gè)任務(wù)往往是做個(gè)人網(wǎng)站，我們開玩笑說「這就是新時(shí)代的 Hello World?！惯@個(gè)任務(wù)它完成得不錯(cuò)，因?yàn)閺木W(wǎng)上找我的信息比較容易，它能快速搭建網(wǎng)站。

Koji：Devin 的出現(xiàn)，不僅讓大家覺得 AI 編程變得很厲害，更是定義了一個(gè)新的交互方式。大家可以看到，AI Agent 可以如此工作。因?yàn)槲液陀晟?Devin 里面用一個(gè)團(tuán)隊(duì)賬號(hào)，我能看到他所有任務(wù)的進(jìn)展，能看到他怎么用 Devin，Devin 又怎么回應(yīng)他。

這真的有一種在辦公室里的感覺。有一個(gè)實(shí)習(xí)生一開始在幫雨森做事，現(xiàn)在他做了一個(gè)報(bào)告。正好雨森下樓吃飯了，我看到了他的報(bào)告，就給他建議說，其實(shí)雨森想要的是這樣，你再去完善一下，等他回來就可以看了。這種真的像是在用一個(gè)人，這也是為什么我們說它是一個(gè)真正的 Agent。因?yàn)?Agent 翻譯過來是「人」，而不僅僅是機(jī)器，它是某種助理的意思。這是為什么我感覺 Devin 產(chǎn)生了一個(gè)新的、像用助理一樣的范式。

雨森：對(duì)，這里面還有很多細(xì)節(jié)挺有意思的。我再舉一個(gè)例子，在我們另外一個(gè)朋友的任務(wù)里，他要 Devin 去 LinkedIn 上抓一些人的信息。比如說 OpenAI 的中國(guó)員工，但 Devin 顯然沒有 LinkedIn 賬號(hào)，所以它需要找用戶說，你能不能幫我登錄一下 LinkedIn 賬號(hào)。這時(shí)候，因?yàn)?Devin 運(yùn)行在虛擬機(jī)上，所以它有個(gè)互動(dòng)模式。作為用戶，我可以在虛擬機(jī)里輸入我的 LinkedIn 賬號(hào)和密碼，然后 Devin 就繼續(xù)使用。

這很像什么呢？比如我們招一個(gè)實(shí)習(xí)生，給他配了臺(tái)電腦，但他沒有特定軟件的訂閱賬號(hào)，他就會(huì)說「老板你來輸一下你的賬號(hào)」，在我把賬號(hào)輸進(jìn)去之后，他就繼續(xù)用我登錄好的賬號(hào)工作。

這就是為什么虛擬機(jī)變得很重要，因?yàn)樗梢栽诶锩孀龊芏嗖僮鳎淮驍辔业墓ぷ髁鞒獭７駝t就像 Cursor 或 Windsurf 那樣借用我的電腦，那時(shí)我什么也干不了。這種異步的方式讓我可以同時(shí)給 Devin 布置很多任務(wù)，它是個(gè)并行的工作模式，我只需要付出算力成本就行了。

這其實(shí)很重要。比如在日常生活中我有一個(gè)實(shí)習(xí)生，但如果我有十個(gè)實(shí)習(xí)生，每個(gè)人都能幫我做很多事情。這個(gè)工作效率的提升可能是指數(shù)級(jí)的。

Koji：就讓我想起了當(dāng)年說「人人都是產(chǎn)品經(jīng)理」，但今天就變成了「人人都是 CEO」。因?yàn)樵诤?AI 單位互動(dòng)的過程當(dāng)中，好像只需要做 CEO 最喜歡做的三件事：第一，下指令；第二，檢查工作；第三，高水平一點(diǎn)的 CEO 還可以給它一些啟發(fā)和指點(diǎn)。

雨森：其實(shí)很多人在使用 Devin 或其他 AI 產(chǎn)品時(shí)，都會(huì)遇到一個(gè)問題：我要做什么，以及我該如何提出需求。想象一下，如果我們招一個(gè)員工，只對(duì)他說「幫我寫個(gè)淘寶」，那這個(gè)人肯定是做不出來的。但為什么我們對(duì) AI 常常會(huì)有一些不切實(shí)際的想法，認(rèn)為說「你給我做個(gè)淘寶」它就能做出來？這顯然是不對(duì)的。

確實(shí)，我們每個(gè)人都要思考自己到底要做什么。很多人面對(duì)一個(gè)很強(qiáng)大的模型時(shí)，雖然它具備很多能力，但關(guān)鍵在于你是否明確自己想做的事情，以及能否用更加合理、容易理解、更有結(jié)構(gòu)的方式提出需求。

就像我們自己在做產(chǎn)品經(jīng)理、設(shè)計(jì)師、程序員的時(shí)候，也很煩那種自己都沒搞懂需求的老板，比如提出「五彩斑斕的黑」這樣的需求。但當(dāng)我們自己成為 AI 的老板時(shí)，我們能不能做一個(gè)好的老板？這其實(shí)是接下來每個(gè)人都要學(xué)會(huì)的過程：如何當(dāng)一個(gè)好老板。

Koji：其實(shí)在使用過程中還有一個(gè)很強(qiáng)的感受，這也是 hidecloud 前段時(shí)間提到的。他提醒大家，Devin 有一個(gè)非常厲害之處，在于它可以幫助我們調(diào)用人類歷史上的智慧結(jié)晶。這句話怎么理解呢？

就是說我們要完成一個(gè)任務(wù)時(shí)，往往不知道世界上已經(jīng)存在這樣的輪子，不知道誰已經(jīng)開發(fā)了這樣的工具。因?yàn)楹芏喙ぞ呤且源a的形式，以代碼庫(kù)的形式放在 GitHub 或者 Hugging Face 上。要把這樣的代碼下載到本地，部署到機(jī)器上，并且和其他工作或軟件程序聯(lián)通運(yùn)行，這件事一千個(gè)人里可能只有一個(gè)人能做到。但今天有了 Devin 之后，理論上人人都可以做到，因?yàn)槟憧梢杂米匀徽Z言像老板一樣下指令。

舉一個(gè)具體的例子：比如說現(xiàn)在我們要做一個(gè)國(guó)際象棋應(yīng)用。在過去，僅僅是把國(guó)際象棋的規(guī)則寫出來，就需要花幾百行甚至上千行代碼。你可能會(huì)想說，我去搜索一下，看看是不是已經(jīng)有人把這個(gè)規(guī)則寫成了可調(diào)用的代碼庫(kù)。但你可能會(huì)搜出 Google 幾百頁的結(jié)果，在這里面什么是最好的、什么是最佳實(shí)踐也不知道。但有了 Devin 之后，你可以把這個(gè)命令下給它，它會(huì)用自己的分析方式幫你找到已經(jīng)存在的最適合的程序代碼庫(kù)，然后直接用起來。

這帶來的價(jià)值是：所有前人開發(fā)過的、用于解決特定問題的工具或代碼庫(kù)，你都可以直接使用，不必重新造輪子。你可以站在巨人的肩膀上，用這些經(jīng)過社區(qū)驗(yàn)證的最佳實(shí)踐來開發(fā)自己想要的工具。我覺得這也是 Devin 包括 Cursor 實(shí)現(xiàn)的一個(gè)價(jià)值，雖然可能不那么顯著，但影響很深遠(yuǎn)。

雨森：當(dāng) ChatGPT 剛出現(xiàn)時(shí)，我就有一個(gè)很強(qiáng)烈的感覺：如果你的工作中有很多是復(fù)制粘貼或者「縫合怪」的部分，那這個(gè)是很容易被替代的。大家發(fā)現(xiàn)最早被 AI 大幅提效（說得好聽點(diǎn)是提效，說得不好聽是容易被替代）的工作，其實(shí)就是初級(jí)美工的這種剪貼型設(shè)計(jì)工作。比如把別人的設(shè)計(jì)抄過來，或者初級(jí)代碼工作者把某個(gè)庫(kù)簡(jiǎn)單修改后應(yīng)用到自己項(xiàng)目里。這樣的工作最容易被替代，所以前端程序員其實(shí)面臨很大的壓力，因?yàn)榍岸苏故敬蟛糠謺r(shí)候并不需要那么多創(chuàng)新的想法。

在這個(gè)過程中，我覺得對(duì)于大家來說，如何提出想法、如何創(chuàng)造性地解決問題，這些能力會(huì)變得越來越重要。

而找到已有的解決方案，把它們用膠水粘起來的工作，恰恰是 AI 最擅長(zhǎng)的。我們工作中的大部分內(nèi)容其實(shí)都是已經(jīng)被解決過的問題，或者已經(jīng)被發(fā)明的輪子，只是以前人類不知道這些輪子的存在，或者沒有辦法把它們很好地拼接起來。但現(xiàn)在 AI 能夠幫我們做到這一點(diǎn)，讓我們能夠?qū)Ｗ⒂谒伎肌敢鍪裁础惯@件事情，這會(huì)變得越來越重要。

這也讓我想到對(duì)于教育的影響。我們之前大量的教育，包括培訓(xùn)都在教「怎么做執(zhí)行工作」。就好像當(dāng)沒有計(jì)算器的時(shí)候，我們要學(xué)大量的手算和心算。但現(xiàn)在，我們需要了解計(jì)算的原理，但未必要去做這些具體的計(jì)算。我們可以把更多的精力花在思考要做什么、提出正確的問題上。這也是我覺得未來教育體系需要做出重大變革的原因。

Koji：所以 2025 年是非常值得期待的。從 Devin 的發(fā)布，我們看到的不只是 AI 編程被 Agent 整個(gè)升級(jí)到下一個(gè)級(jí)別，這樣新范式的出現(xiàn)會(huì)給方方面面帶來顛覆式的革命，也意味著各種創(chuàng)業(yè)的機(jī)會(huì)。

剛才雨森提到了一個(gè)非常有趣的觀點(diǎn)：Devin 是人類歷史上第一個(gè)既不需要持續(xù)注意力，又不只是機(jī)械重復(fù)的工具。這也讓我們看到了工作的某種 Scaling Law。您覺得可以再展開講解一下嗎？讓大家更好地理解這意味著怎樣的了不起的價(jià)值。

雨森：首先說說 Scaling Law，最直白的解釋就是我能夠通過投入更多的錢來獲得更多的生產(chǎn)力，這里的錢可以等價(jià)于算力。這其實(shí)很不容易，想想看，很多公司融了很多錢，但似乎并不能把錢有效地轉(zhuǎn)化為生產(chǎn)力——他們需要招人、搭建組織、做各種瑣事。但隨著這種可以異步工作的 AI Agent 的出現(xiàn)，我們可以把很多任務(wù)分配給不同類型的 AI 去做。它們消耗的是算力和電力，就能完成任務(wù)本身，而且可以并行進(jìn)行。

你完全可以想象，會(huì)有一個(gè)更擅長(zhǎng)提出需求、拆解需求的「產(chǎn)品經(jīng)理型」AI 去指揮很多 AI 程序員工作，形成一個(gè)虛擬組織。在這個(gè)組織里，你更需要考慮兩件事：第一，你要做什么；第二，要有足夠的算力和資金投入。在這樣一個(gè)正在快速成為現(xiàn)實(shí)的組織里，我們可以通過投入更多的錢和算力，有效地把工作規(guī)?；瘮U(kuò)展。這就是所謂的工作的 Scaling Law。

第二點(diǎn)很有趣。我們經(jīng)常遇到創(chuàng)業(yè)者說「我有個(gè)很好的想法，但缺個(gè)程序員」。

優(yōu)秀的編程執(zhí)行能力現(xiàn)在還是稀缺資源。但當(dāng)執(zhí)行本身不再稀缺，「做什么」就變得尤為重要。就像剛才說的，每個(gè)人都要學(xué)會(huì)當(dāng)老板。這樣我們能看到更多的創(chuàng)業(yè)機(jī)會(huì)，很多原本因?yàn)槿狈?yōu)秀程序員而被埋沒的創(chuàng)業(yè)者，現(xiàn)在可能會(huì)獲得更多機(jī)會(huì)，更多創(chuàng)意可能被付諸實(shí)踐。這也是我們可以把創(chuàng)業(yè)這件事情規(guī)?；囊粋€(gè)原因：因?yàn)橥ㄟ^投入資金就能提高生產(chǎn)力。

這一切得以實(shí)現(xiàn)是因?yàn)?AI Agent 能夠并行工作。如果我們的注意力要放在工具上，那注意力是有限的。但現(xiàn)在我們的注意力可以分配到不同的 Agent 上，一個(gè)人可以同時(shí)給多個(gè) Agent 下達(dá)指令去完成任務(wù)。

Koji：其實(shí)說到 Scaling Law，我想到一個(gè)比喻。當(dāng)年王興讓我們看一本書叫「領(lǐng)導(dǎo)梯隊(duì)」，書中講到當(dāng)你第一次成為小團(tuán)隊(duì)的領(lǐng)導(dǎo)時(shí)，你要有一個(gè)重要的認(rèn)知轉(zhuǎn)變：你的產(chǎn)出不再是你個(gè)人的產(chǎn)出，而是整個(gè)團(tuán)隊(duì)的產(chǎn)出。

在今天，我們從 Devin 身上看到的工作的 Scaling Law 其實(shí)也是類似的。這里的產(chǎn)出不再是你一個(gè)人專注在眼前工作的產(chǎn)出，而是取決于你如何把團(tuán)隊(duì)任務(wù)下達(dá)好，把檢查標(biāo)準(zhǔn)設(shè)定好。團(tuán)隊(duì)的所有產(chǎn)出，包括 Devin 的所有產(chǎn)出，最終都會(huì)成為你的產(chǎn)出。這意味著你可以用有限的注意力實(shí)現(xiàn)無限的 Scale-up。只要你能夠管理足夠多的人和 Agent，而且管理 AI Agent 比管理人要容易得多，因?yàn)楣芾砣松婕案嗟臏贤▍f(xié)調(diào)和情緒價(jià)值。我理解這可能就是雨森想說的工作的 Scaling Law。

雨森：這個(gè)概念沒有問題：設(shè)想如果你能成為一家跨國(guó)公司的 CEO，能夠指揮上千人、上萬人，你能做什么事情？以前我們沒有這樣的機(jī)會(huì)，但現(xiàn)在可以通過管理 AI Agent、讓 Agent 去調(diào)動(dòng)其他 Agent 來獲得類似的機(jī)會(huì)。這所需要的就是錢和算力，而很多公司其實(shí)并不缺錢，他們?nèi)钡氖侨瞬?，是能把事情?zhí)行出來的組織結(jié)構(gòu)。

所以我相信在這種情況下會(huì)出現(xiàn)兩種趨勢(shì)：一方面，有實(shí)力的公司和個(gè)人能做更多的事情；另一方面，很多有想法的人可以通過相對(duì)較少的成本，快速把想法實(shí)現(xiàn)出來，獲得用戶認(rèn)可或投資，這樣我們就會(huì)有更多創(chuàng)業(yè)者和創(chuàng)新空間。

Koji：對(duì)，這就是今年最流行的說法之一：「超級(jí)個(gè)體」。因?yàn)橐粋€(gè)人在獲得越來越多工具的賦能之后，包括 AI Agent 的賦能，就可以做到原來需要十個(gè)人、二十個(gè)人才能完成的事情。

不過 Devin 發(fā)布后不久，也收到了很多吐槽和批評(píng)。對(duì)此你會(huì)怎么看？

雨森：很多批評(píng)都集中在 500 美金的價(jià)格上，大家把它和 Cursor 20 美金的價(jià)格進(jìn)行對(duì)比。首先，我認(rèn)為這是兩種不同的范式。

一種是需要用我的時(shí)間去使用的工具，它讓我的時(shí)間變得更高效，但并沒有省下時(shí)間。所以在使用 Cursor 這種工具型產(chǎn)品時(shí)，因?yàn)槲业某杀静]有下降，實(shí)際上是我的成本加上工具的成本。但如果把它當(dāng)作一個(gè)員工，對(duì)比對(duì)象就變成了員工的工資。只要它能夠比同等價(jià)格招到的員工干更多的活，我認(rèn)為這個(gè)價(jià)格在歐美市場(chǎng)是可以接受的。很多人一看到價(jià)格就說這是不是在割韭菜，其實(shí)關(guān)鍵是看你怎么看待和使用它。

我和一些程序員討論他們使用 Cursor 和 Devin 的體驗(yàn)，發(fā)現(xiàn)在 Devin 能力還不夠強(qiáng)的時(shí)候，使用 Devin 對(duì)于大多數(shù)程序員的工作流是一個(gè)很大的轉(zhuǎn)變。因?yàn)槌绦騿T自己懂得代碼如何運(yùn)行，他們往往希望自己能夠掌控全局，所以這個(gè)時(shí)候 Cursor 這樣的 Copilot 是一個(gè)更適合他們當(dāng)前工作流程的方案。已經(jīng)習(xí)慣了使用 IDE 工作的程序員，在有任務(wù)要完成時(shí)，需要和 Devin 對(duì)話、等待 Devin 工作然后驗(yàn)收，這個(gè)過程并不那么高效。他們更希望自己去修 Bug 或者寫代碼，如果你是一個(gè)很厲害的程序員，你可能不會(huì)愿意必須帶一個(gè)能力有限的實(shí)習(xí)生。因?yàn)楝F(xiàn)在的 Devin 還只是個(gè)實(shí)習(xí)生水平，培養(yǎng)實(shí)習(xí)生需要時(shí)間和耐心。

這個(gè)時(shí)候程序員可能會(huì)覺得，與其等你寫代碼，還要幫你解決問題，不如自己寫。我覺得在技術(shù)早期階段這是完全可以理解的，我們要從人的角度去看待這個(gè)問題。如果一個(gè)人犯錯(cuò)誤，作為管理者我們往往會(huì)比較有耐心，因?yàn)槲覀冎廊耸菚?huì)學(xué)習(xí)和成長(zhǎng)的。今天指出他的問題，他可能就會(huì)記住，然后會(huì)有更多的動(dòng)力去工作，通過培訓(xùn)成為不錯(cuò)的程序員。

Devin 其實(shí)是可以學(xué)習(xí)的。但我們現(xiàn)在對(duì)于 AI 的軟件和產(chǎn)品還沒有建立起「它可以成長(zhǎng)、可以學(xué)習(xí)、可以被管理」的預(yù)期。

所以當(dāng)它出現(xiàn)問題時(shí)，很多用戶的反應(yīng)就變成了「我買了一個(gè) 500 美金這么貴的工具，居然也會(huì)出問題」，感到失望。因此在企業(yè)引入 Devin 這樣的產(chǎn)品時(shí)，對(duì)其期望值的管理變得很重要。包括 Devin 自己在文檔中也說明，它首先是做一些會(huì)安排給實(shí)習(xí)生做的事情，比如簡(jiǎn)單的前端任務(wù)、修改 Bug、給前端加一個(gè) Dark Mode 的開關(guān)之類的工作。

但是人類提出好問題的能力也是需要學(xué)習(xí)的。我經(jīng)?？吹接腥颂岢觥笌臀覍憘€(gè)淘寶」「幫我做個(gè)微信」這樣的需求，這遠(yuǎn)超出它的能力范圍?，F(xiàn)在的 Devin 和所有 AI 產(chǎn)品一樣，會(huì)傻傻地接下這個(gè)任務(wù)說「好，我來幫你寫個(gè)淘寶」。這種情況下得到的結(jié)果肯定不會(huì)令人滿意。如何用好一個(gè)工具是需要學(xué)習(xí)的，現(xiàn)在還沒有到給什么需求都能直接完成的程度，那樣就不是實(shí)習(xí)生而是神了。

隨著 Devin 能力的提升，以及對(duì)組織環(huán)境理解的加深，我相信它會(huì)從實(shí)習(xí)生逐漸成長(zhǎng)為初級(jí)全職員工，然后變成資深全職員工，這需要一個(gè)接受的過程。

我覺得 Cursor 是在現(xiàn)有流程上的漸進(jìn)式創(chuàng)新，它沒有讓程序員的工作發(fā)生翻天覆地的改變。但 Devin 是一個(gè)顛覆式創(chuàng)新的邏輯，這往往需要很多適應(yīng)時(shí)間和不同的入職培訓(xùn)過程。第一個(gè)產(chǎn)品可能未必能做到這一點(diǎn)，所以我并不覺得 Devin 就一定是最終答案。

很可能 Devin 只是展示了未來 AI 產(chǎn)品的一種形態(tài)。我們要真正學(xué)會(huì)適應(yīng)、使用 AI 型的產(chǎn)品，就像適應(yīng) SaaS 這個(gè)概念、適應(yīng)遠(yuǎn)程辦公這樣的分布式工作概念一樣，都需要很長(zhǎng)的時(shí)間和合適的契機(jī)。所以我覺得它在方向上給了我們很大的指示，但現(xiàn)在還是實(shí)習(xí)生水平。在這個(gè)過程中指出它的問題很容易，但更重要的是它提出了這樣一個(gè)未來的方向，從這里得到啟發(fā)去做更好的 Agent 才是關(guān)鍵。

Koji：這就像半杯水的理論，有人從半杯水里看到的是價(jià)值，有人看到的是問題。就像我們剛才討論 Devin 完成「尋找十個(gè)頂級(jí) VC 的 Manifesto」這個(gè)任務(wù)時(shí)，它知道如何在 Accel 官網(wǎng)沒有相關(guān)背景的情況下，從新聞稿中找到這些內(nèi)容。這是一個(gè)巨大的亮點(diǎn)，它會(huì)設(shè)定任務(wù)、會(huì)反思、會(huì)自檢查。另一方面確實(shí)也存在很多問題，比如它做出來的網(wǎng)頁非常不美觀。但看到亮點(diǎn)而不是問題，看到未來的可能性而不是當(dāng)下值得批評(píng)的點(diǎn)，這讓我想到：批評(píng)者往往感到正確，但只有建造者雖然看上去笨拙，卻更有可能會(huì)成功。

這讓我想到王慧文說過的一句話：如果你相信一件事情終究會(huì)發(fā)生，那就每隔三年做一次。Agent 從人類有科幻開始就一直被認(rèn)為會(huì)出現(xiàn)，也時(shí)不時(shí)會(huì)有人去嘗試。而在看到 Devin 之后，感覺這可能是我們最接近成功的一次。

我們?cè)賮砹牧?2025 年。整個(gè) 2024 年，雖然我們的討論也挺樂觀，但整個(gè)大環(huán)境時(shí)不時(shí)會(huì)出現(xiàn)各種悲觀的論調(diào)。我尤其記得在第二、三季度的時(shí)候，整個(gè)語境都在討論 AI 的 PMF 究竟在哪里，看上去這一波 AI 落地比預(yù)期要難。

現(xiàn)在站在 2025 年的開端，有一個(gè)非常簡(jiǎn)單的 Yes or No 的問題：雨森你對(duì) 2025 年是樂觀的嗎？

雨森：我其實(shí)還是很樂觀的。

第一，AI 應(yīng)用找 PMF 這件事本身就不應(yīng)該期待它那么快。我經(jīng)常打個(gè)比方，雖然很多人把 ChatGPT 的發(fā)布與 iPhone 發(fā)布做對(duì)比，說 AI 來到了 iPhone 時(shí)代，但我始終認(rèn)為它代表的是一個(gè)黑莓時(shí)代。

黑莓時(shí)代和 iPhone 時(shí)代有什么區(qū)別？黑莓時(shí)代可能很多聽眾還沒有用過黑莓，這屬于我們 80 后的記憶。在 iPhone 發(fā)布之前，智能手機(jī)的形態(tài)很不統(tǒng)一，因?yàn)槟菚r(shí)技術(shù)還比較早期，發(fā)展也比較分散，大家沒有找到一個(gè)收斂的路徑。這導(dǎo)致很多事情想做但做不到，技術(shù)本身也很貴，沒有統(tǒng)一的開發(fā)標(biāo)準(zhǔn)和產(chǎn)品標(biāo)準(zhǔn)，開發(fā)者也比較少。所以在那個(gè)時(shí)候，想做移動(dòng)互聯(lián)網(wǎng)上真正火的應(yīng)用，比如抖音是很難做出來的。我反復(fù)提到過這個(gè)觀點(diǎn)：在黑莓時(shí)代做不了抖音。隨著技術(shù)進(jìn)步，從黑莓時(shí)代到 iPhone 時(shí)代會(huì)解鎖更多的應(yīng)用機(jī)會(huì)。

iPhone 出現(xiàn)之后，首先技術(shù)發(fā)展足夠好了，很多應(yīng)用從「想做」變成「能做」，包括它有好的攝像頭、好的屏幕、好的處理器。其次技術(shù)變得標(biāo)準(zhǔn)化，iPhone 發(fā)布之后，手機(jī)都長(zhǎng)了一個(gè)樣子，大家發(fā)現(xiàn)技術(shù)方向收斂了。同時(shí)也誕生了更多的開發(fā)者，因?yàn)殚_發(fā)變得容易，技術(shù)也標(biāo)準(zhǔn)化和便宜了，大家更理解了，所以 iPhone 時(shí)代誕生了大量的應(yīng)用。

在 ChatGPT 剛出來時(shí)，我們也發(fā)現(xiàn)很多事情想得到做不到。比如 Agent 就是個(gè)典型的例子，2023 年上半年有個(gè)嘗試叫 AutoGPT，它提出了很多很好的概念，也是用語言模型先做計(jì)劃，然后去檢查完成情況并迭代。但那時(shí)的模型太多幻覺，很難有效使用工具，也很難有效瀏覽網(wǎng)絡(luò)，所以根本做不到。這是個(gè)典型的「在黑莓時(shí)代做抖音做不出來」的例子。

現(xiàn)在隨著 Agent 在推理能力、編程能力、工具使用能力上的進(jìn)步，Agent 的樣子就更加有模有樣了。雖然還有很多缺點(diǎn)，但至少已經(jīng)達(dá)到實(shí)習(xí)生水平可用的第一步。這是技術(shù)進(jìn)步解鎖更多應(yīng)用機(jī)會(huì)的典型例子，我相信這是一個(gè)最終會(huì)把我們從黑莓時(shí)代帶到 iPhone 時(shí)代的例子。

從 ChatGPT 出現(xiàn)到現(xiàn)在這兩年，我們看到了巨大的進(jìn)步，這讓我很樂觀。僅僅兩年時(shí)間，AI 編程就從 ChatGPT 的「你問我答」變成了 Devin 的「你問我做」和 Cursor 的「你問我寫」，帶來了非常大的進(jìn)步，這個(gè)速度其實(shí)很快。

第二，很多時(shí)候 PMF 是來自于技術(shù)本身的進(jìn)步。比如 Cursor 這個(gè)產(chǎn)品其實(shí)在 2023 年就出現(xiàn)了，但當(dāng)時(shí)它提出的預(yù)測(cè)下一個(gè)行動(dòng)，需要更強(qiáng)大的模型去進(jìn)行預(yù)測(cè)并寫出更好的代碼。可以說是 Sonnet 3.5 的出現(xiàn)造就了 Cursor 真正能夠完成它要做的事情。Sonnet 3.5 激活了 Cursor 想要交付的產(chǎn)品體驗(yàn)，同時(shí) Cursor 的普及也讓 Sonnet 3.5 迅速成為 AI 編程領(lǐng)域最受歡迎的模型，這是個(gè)互相成就的關(guān)系。

同樣，Devin 這樣的產(chǎn)品要成功，也需要模型在推理、工具使用這些能力上的提高。Sonnet 3.5 或者 GPT 4o 現(xiàn)在可能還不足以把它做好。所以 Devin 這個(gè)產(chǎn)品形態(tài)可能需要一個(gè)更先進(jìn)的模型去激活它，這個(gè)模型可能是 o1、o3 或者是 Anthropic 的其他新模型。這是一個(gè)產(chǎn)品等待模型激活，然后讓模型得到廣泛使用的互惠過程，所以這個(gè)階段確實(shí)需要技術(shù)和模型本身的進(jìn)步。

我們剛剛經(jīng)歷的移動(dòng)互聯(lián)網(wǎng)成熟期有個(gè)特點(diǎn)是產(chǎn)品非常容易使用。比如抖音動(dòng)動(dòng)手指就可以了，微信、小紅書都很容易上手。但當(dāng)我們來到一個(gè)技術(shù)的早期，要用好一個(gè)產(chǎn)品是有門檻的。大家可以想想最早的智能手機(jī)、個(gè)人電腦、互聯(lián)網(wǎng)，其實(shí)都需要學(xué)習(xí)才能使用。

現(xiàn)在很多人使用 AI 時(shí)遠(yuǎn)遠(yuǎn)沒有把產(chǎn)品里的智能提取出來。現(xiàn)在的大模型，不管是 OpenAI、Claude 還是 Kimi，其實(shí)模型里都已經(jīng)壓縮了大量的知識(shí)和智能。但我們有沒有學(xué)會(huì)正確地使用它，高效地提問，高效地提取模型里的智能。

我認(rèn)為大部分人還沒有學(xué)會(huì)，包括我自己。我一直都在發(fā)現(xiàn)原來模型能夠?yàn)槲易鲞@樣的事情，回答這樣的問題。所以在這個(gè)過程中，我們經(jīng)歷了從易用產(chǎn)品的移動(dòng)互聯(lián)網(wǎng)時(shí)代到需要學(xué)習(xí)使用的深度 AI 時(shí)代。

這個(gè)時(shí)候大家一開始體驗(yàn)會(huì)有點(diǎn)挫敗感，覺得產(chǎn)品有點(diǎn)難用，這就是技術(shù)早期的特點(diǎn)。很多時(shí)候應(yīng)用已經(jīng)可以做很多事情了，只是我們還不太會(huì)用，還沒有變成一個(gè)好的提問者或者好的管理者。

這些都需要學(xué)習(xí)，或者說需要等模型能力越來越強(qiáng)時(shí)幫我們做這些事情。到那時(shí)可能我們又會(huì)進(jìn)入到一個(gè)產(chǎn)品應(yīng)用期，但現(xiàn)在產(chǎn)品還處在和我們磨合的階段。

Koji：所以大家要在嘗試的過程中了解邊界在哪里，以及邊界現(xiàn)在如何不斷拓展。我想補(bǔ)充一下，除了剛才提到的技術(shù)和模型的新進(jìn)步所解鎖的新機(jī)會(huì)，尤其在 Agent 這個(gè)領(lǐng)域，還有第四個(gè)方面。

在上一期「十字路口」，我們討論 OpenAI 12 天發(fā)布會(huì)時(shí)，嘉賓大聰明提到，這次發(fā)布會(huì)其實(shí)有一些重磅內(nèi)容沒有公布，是出于 PR 考慮或是不想讓競(jìng)爭(zhēng)對(duì)手過度關(guān)注。其中有一個(gè)對(duì) Agent 至關(guān)重要的點(diǎn)，就是現(xiàn)在 OpenAI 輸出的 Function Call 以及結(jié)構(gòu)化輸出的能力，能夠讓 Agent 得到更加精確的指令。這一點(diǎn)之前可能被忽略了，但說出來后非常合理。

再看 2025 年，雨森你認(rèn)為什么樣的應(yīng)用方向比較容易落地？這也是現(xiàn)在創(chuàng)業(yè)者非常關(guān)注的方向。

雨森：從過去兩年比較容易落地的方向來看，我覺得有幾個(gè)。

第一個(gè)是能幫客戶賺錢的。如果你的技術(shù)還不夠完善，但能直接幫我賺錢，或在商業(yè)化流程中直接提高效率就變得很重要。比如說像 Midjourney，它有幾億美金的年化收入，其中約一半收入來自廣告類需求，就是用它去生成商業(yè)用途的圖像來投放廣告。這是一個(gè)很實(shí)在的場(chǎng)景，我本來做這些廣告就是為了賺錢，現(xiàn)在能夠更快更好地制作廣告內(nèi)容。比如 HeyGen 主要也被用于營(yíng)銷場(chǎng)景，大家用它來制作宣傳型的視頻廣告內(nèi)容。所以首先，能幫客戶賺到錢的技術(shù)，在早期階段大家就愿意花時(shí)間去使用、去琢磨。

第二個(gè)是能夠在重要任務(wù)上提高十倍以上生產(chǎn)力的。因?yàn)橐粋€(gè)好的技術(shù)，如果只提高 50% 的生產(chǎn)力，那其實(shí)大家可能還會(huì)有很多阻力。一定是這個(gè)東西能帶來非常強(qiáng)的生產(chǎn)力提升，比如說像 Cursor、Devin 這種對(duì)程序員來說絕對(duì)是十倍生產(chǎn)力的提高。程序員花時(shí)間去找代碼庫(kù)可能就得花很長(zhǎng)時(shí)間，所以大家使用它的動(dòng)力才會(huì)變得非常強(qiáng)。

再比如 Perplexity 這樣的 AI 搜索引擎，對(duì)于傳統(tǒng)搜索引擎來說，它也是個(gè)十倍生產(chǎn)力的提升。因?yàn)樵瓉砦乙?Koji 資料，得去搜索很多內(nèi)容，要看十幾二十篇 「新世相」的文章?，F(xiàn)在我只要去問它，它會(huì)幫我去看這幾十篇網(wǎng)頁然后進(jìn)行總結(jié)。所以在信息收集提問類的問題上，比搜索引擎要高出十倍以上的效率。這種產(chǎn)品比較容易找到產(chǎn)品市場(chǎng)契合度。

第三點(diǎn)就是滿足人性基本需求，比如說 NSFW 內(nèi)容，大家也都看到了很多這樣的場(chǎng)景。整體來說，要么能賺錢，要么能幫我提高非常高的效率，這兩個(gè)能實(shí)現(xiàn)一個(gè)就非常好。

Koji：那有什么樣的應(yīng)用方向是你覺得大家要稍微回避一下，做起來有點(diǎn)難度的？

雨森：在移動(dòng)互聯(lián)網(wǎng)里，很多贏家都是「殺時(shí)間」的應(yīng)用。在中國(guó)，大家習(xí)慣了做一個(gè)用戶粘性很高的應(yīng)用，用戶在上面花很多時(shí)間，然后通過投放廣告賺錢。字節(jié)、小紅書、快手都是這個(gè)范式。這是移動(dòng)互聯(lián)網(wǎng)已有的范式，因?yàn)樗且粋€(gè)新設(shè)備，讓用戶原來無法上網(wǎng)的時(shí)間變得可用，是一個(gè)從零到一的邏輯。

現(xiàn)在當(dāng)抖音這樣的應(yīng)用已經(jīng)占用我們大量時(shí)間的時(shí)候，如果 AI 應(yīng)用一開始就要和這些成熟玩家比拼「殺時(shí)間」，就會(huì)遇到競(jìng)爭(zhēng)對(duì)手已經(jīng)非常強(qiáng)大，并且已經(jīng)占據(jù)大部分時(shí)間的情況。這時(shí)再做「殺時(shí)間」的應(yīng)用是很難的。

最后能落地的只有相對(duì)小眾、面向特定人群的產(chǎn)品。而針對(duì)普通用戶的 AI 陪伴聊天很難比抖音這樣的視頻更有吸引力。與巨頭搶時(shí)間的應(yīng)用要謹(jǐn)慎。

第二，改變物理世界還是比較難的事情。我們剛才說到 AI 寫代碼、AI 使用工具都還是在數(shù)字世界里。在數(shù)字世界里 AI 可以做很多事情，但在物理世界，AI 現(xiàn)在連拿起一個(gè)杯子這樣基礎(chǔ)的動(dòng)作操作還是比較難的。

雖然我們現(xiàn)在看到人形機(jī)器人非常火爆，但在這個(gè)方向上，技術(shù)的實(shí)現(xiàn)路徑以及如何擴(kuò)展模型的數(shù)據(jù)，還都是開放性問題。在未來三五年內(nèi)，要改變物理世界的應(yīng)用還會(huì)遇到很多挑戰(zhàn)。

第三，這兩年有不少設(shè)備想要替代手機(jī)，比如 Rabbit、Humane 這些。他們強(qiáng)調(diào)要做一個(gè)替代手機(jī)的產(chǎn)品，包括現(xiàn)在大約有 100 個(gè)團(tuán)隊(duì)在做智能眼鏡。我的看法是，如果你做的場(chǎng)景是手機(jī)已有場(chǎng)景中的一個(gè)，比如打電話、搜索周邊信息、聽音樂等，那替代手機(jī)是非常難的事情。

目前來看，能與手機(jī)共存的硬件，基本都是在做手機(jī)完全做不到的事情。比如無人機(jī)可以飛，智能手表可以戴在手腕上，智能戒指可以套在手上，或者像 Insta360 可以在運(yùn)動(dòng)場(chǎng)景下使用。但像 Humane、Rabbit 這些產(chǎn)品，其實(shí)都是在做手機(jī)已經(jīng)做得很好的場(chǎng)景。這時(shí)用戶的切換動(dòng)力非常小，因?yàn)槭謾C(jī)在大多數(shù)場(chǎng)景下已經(jīng)至少能做到 80% 的程度。除非你做的這個(gè)產(chǎn)品好很多很多，或者是手機(jī)根本不能做的事情，否則要替代手機(jī)會(huì)很難。

我覺得 2025 年我們可以看到特別多的 Agent 產(chǎn)品出現(xiàn)。這里面很多會(huì)遇到一個(gè)挑戰(zhàn)：當(dāng)你要對(duì)組織做出很大改變時(shí)，能否實(shí)現(xiàn)這樣的改變。比如 Devin 就面臨著要改變程序員的工作方式，從自己寫代碼變成指揮別人寫代碼。這種工作流的改變對(duì)很多組織來說都有很多阻力，尤其是在大公司里。

我們發(fā)現(xiàn)，在大公司推行 AI 還牽扯到很多數(shù)據(jù)權(quán)限、隱私安全等問題。如果要改變工作流，很多人的工作都會(huì)發(fā)生變化，那就會(huì)有更大的難度。所以我覺得要對(duì)組織做出很大改變，除非你能顯著提高生產(chǎn)力，讓組織有不得不用的理由，或者針對(duì)中小型企業(yè)去做。否則針對(duì)大組織做大改變，很多時(shí)候面臨的是人性的壁壘，而不是技術(shù)的壁壘。

07

2025 展望：Agent、個(gè)性化服務(wù)與超人類水平的突破

Koji：我們剛才聊到，技術(shù)的解鎖帶來了一些新的機(jī)會(huì)，討論較多的是模型的推理能力、幻覺降低、計(jì)算機(jī)使用能力所帶來的 Agent 機(jī)會(huì)。除此之外，還有哪些技術(shù)的解鎖你認(rèn)為在 2025 年可能帶來浪潮式的 AI 創(chuàng)業(yè)機(jī)會(huì)？

雨森：我自己總結(jié)了幾個(gè) 2025 年可能帶來浪潮式 AI 創(chuàng)業(yè)機(jī)會(huì)的技術(shù)解鎖方向：

第一是 Agent。我們剛才討論過，未來會(huì)出現(xiàn)針對(duì)各個(gè)領(lǐng)域的 AI 產(chǎn)品。它們會(huì)借鑒 Devin 的思路，做異步的工具使用，按工作量收費(fèi)。

在美國(guó)，有人把原來的 SaaS（Software as a Service）反過來叫「Service as Software」，即把服務(wù)變成軟件銷售，或者說是 sell work, not software，銷售的是工作結(jié)果而非工具本身。

2025 年可能會(huì)有很多這樣的嘗試，雖然很多會(huì)失敗，但也會(huì)有一些有意思的產(chǎn)品誕生。

第二是「Scalable Personalization（可擴(kuò)展的個(gè)性化）」?；仡櫥ヂ?lián)網(wǎng)內(nèi)容分發(fā)的發(fā)展歷程：先是門戶網(wǎng)站的「千人一面」，每個(gè)人看到的都一樣；然后是搜索引擎，針對(duì)關(guān)鍵詞提供個(gè)性化內(nèi)容，但同樣的關(guān)鍵詞得到相同結(jié)果；再到以抖音為代表的推薦算法，根據(jù)用戶背景信息主動(dòng)推送感興趣的內(nèi)容。

現(xiàn)在，我們?cè)谒伎几M(jìn)一步的個(gè)性化：如果用戶想看的內(nèi)容還不存在，就為他生成。比如 Sora 這樣的視頻生成技術(shù)，就是要按照個(gè)性化需求生成內(nèi)容。最近增長(zhǎng)很快的應(yīng)用 bolt.new 和 Windsurf，都是通過文本 Prompt 生成個(gè)性化網(wǎng)站。在軟件開發(fā)領(lǐng)域，未來可能不再是像微信、抖音這樣的「好萊塢大片式」集中化開發(fā)，而是為每類用戶提供更個(gè)性化的軟件 / 內(nèi)容體驗(yàn)。

Google 的 NotebookLM 也體現(xiàn)了這種趨勢(shì)。比如播客內(nèi)容，現(xiàn)在我們只能聽到已經(jīng)錄制的對(duì)話，但未來可能通過 AI 生成任意兩個(gè)人關(guān)于特定話題的對(duì)話。隨著 AI 能力提升，我們使用的軟件、消費(fèi)的內(nèi)容都將變得更加個(gè)性化。

第三是 在 o3 中我們能看到 AI 能力從「普通人水平」進(jìn)化到「超人水平」。早期的 MMLU 等測(cè)試還在評(píng)估 AI 是否達(dá)到普通人水平，現(xiàn)在已經(jīng)轉(zhuǎn)向針對(duì)精英人類的 Benchmark，如面向程序員的 SWE-bench、美國(guó)高中數(shù)學(xué)競(jìng)賽 AIME、PhD 資格考試 GPQA 等。在 2024 年初，o1、o3 等先進(jìn)模型在這些測(cè)試中已經(jīng)達(dá)到了 80 分左右的水平。

我們現(xiàn)在需要建立超人類水平的 Benchmark，比如陶哲軒背書的 FrontierMath。o3 最近在 Codeforces 上獲得 2700 分，這是全人類僅有 130 多人達(dá)到過的水平。這意味著 AI 在科學(xué)研究、前沿探索方面將發(fā)揮重要作用。

我看到 o3 出來之后，有人詬病說它做一個(gè)任務(wù)需要花很多錢，算力消耗很大。但 o3 的高算力模式本來就不是給普通任務(wù)用的，它的定位是解決人類前沿最難的研究和探索問題。這個(gè)東西貴是很正常的事情。

其實(shí)我們以后會(huì)發(fā)現(xiàn) AI 模型在日常任務(wù)和前沿研究上可能會(huì)有分叉。就像「生活大爆炸」里面的 Sheldon，他是個(gè)很厲害的科學(xué)家，但日常任務(wù)一塌糊涂。有的 AI 模型就更像 Sheldon，去解決前沿探索的問題；有的就像價(jià)廉物美的 o3 mini，主要用來干活的，可能就像一個(gè)程序員；還有更加簡(jiǎn)單的模型，就是為了回答一些端側(cè)的簡(jiǎn)單問題，比如說今天天氣怎么樣這樣的日常需求。

在這里，我們既可以看到日常需求被越來越高效便宜地解決，也能看到在真正的前沿研究里，AI 跟科學(xué)家一起協(xié)作，為人類獲得新的進(jìn)展，從而產(chǎn)生新的知識(shí)。這一點(diǎn)讓我覺得非常興奮。

Koji：今年在多模態(tài)方面還有一個(gè)較大的突破。除 4o 實(shí)時(shí)語音外，還有一點(diǎn)被 OpenAI 發(fā)布放在一個(gè)不太起眼的角落，但卻被認(rèn)為是 12 天來最值得關(guān)注的成果之一，即他們的多端到多端的多模態(tài)互動(dòng)。你認(rèn)為多模態(tài)在明年會(huì)帶來哪些值得期待的創(chuàng)業(yè)機(jī)會(huì)？

雨森：第一重要的是 AI 怎么理解這個(gè)多模態(tài)的世界。

對(duì)于文本來說，比如「今天天氣很好」這幾個(gè)字，是一個(gè)非常簡(jiǎn)單的句子，但它里面蘊(yùn)含了大量需要看到才能理解的東西，所以一圖勝千言。

圖片和影像中包含的信息特別多。如果 AI 不能充分理解這些信息，它的智能就會(huì)有很大的缺陷?，F(xiàn)在的 AI 就像一個(gè)瞎子，雖然瞎子也可以解很厲害的數(shù)學(xué)題，這可能并不妨礙什么，但要具備更完整的智能，多模態(tài)的理解能力確實(shí)很重要。

OpenAI 和海外的先進(jìn)研究者普遍認(rèn)為生成能力可能不是最重要的，所以 Sora 現(xiàn)在獲得的資源相對(duì)比較少。在美國(guó)，多模態(tài)的生成是個(gè)相對(duì)平行的路線，因?yàn)樗穆涞貓?chǎng)景主要是娛樂內(nèi)容和內(nèi)容生產(chǎn)，所以跟 AGI 似乎還是有些距離。像 Anthropic 這樣的公司因?yàn)椴蛔龆嗄B(tài)生成，他們認(rèn)為靠文本、代碼和 API 就能實(shí)現(xiàn) AGI，這是不同的觀點(diǎn)。

關(guān)于多模態(tài)這個(gè)話題，我覺得 NotebookLM 給我們一個(gè)很好的啟示：如何把一個(gè)模態(tài)的內(nèi)容轉(zhuǎn)換到另一個(gè)模態(tài)進(jìn)行消費(fèi)。

比如說我們?cè)瓉碜?TTS，是把文本直接轉(zhuǎn)成語音，但把文本轉(zhuǎn)成播客，不是簡(jiǎn)單地把它讀出來就完了，那只能叫讀書。播客需要把內(nèi)容變成更適合在音頻模態(tài)消費(fèi)的形式。同樣，從文本到視頻也是如此，我們把《三國(guó)演義》拍成電視劇，不是簡(jiǎn)單地還原，而是需要藝術(shù)改編。視頻到文本、視頻到聲音也是這樣。在不同模態(tài)之間自然轉(zhuǎn)換，并在每個(gè)模態(tài)中創(chuàng)造最適合該模態(tài)消費(fèi)的內(nèi)容，這是一個(gè)很令人激動(dòng)的過程。

假設(shè)我喜歡刷抖音，那我能把《三體》變成適合抖音消費(fèi)的內(nèi)容，或者變成適合播客消費(fèi)的內(nèi)容，這在內(nèi)容消費(fèi)上會(huì)帶來很多機(jī)會(huì)。

更進(jìn)一步說，大家認(rèn)為多模態(tài)的生成和理解對(duì)具身智能會(huì)有很大幫助。我們看到很多前沿研究，比如最近的 Genesis 項(xiàng)目，研究如何實(shí)現(xiàn)對(duì)物理世界的模擬，以及機(jī)器人如何操作現(xiàn)實(shí)生活中的物體，這些都是很有意思的研究。不過這個(gè)領(lǐng)域我最近研究得相對(duì)較少。

總的來說，多模態(tài)之間的轉(zhuǎn)換確實(shí)是一個(gè)非常重要的方向。就像你提到的 Gemini 2.0，它能夠高效理解接收到的視頻信號(hào)。這帶來一些很直觀的應(yīng)用場(chǎng)景，比如在生活中，有很多東西我們看到卻不會(huì)用，但如果它的視頻生成能力夠強(qiáng)，就可以直接在視頻畫面上疊加使用指示。比如我們之前跟 Google 的研究員討論過這樣一個(gè)場(chǎng)景：我家有個(gè)咖啡機(jī)，把手機(jī)對(duì)著它，視頻流里就會(huì)直接疊加一個(gè)「按這個(gè)按鈕開始煮咖啡」的視頻提示。這個(gè)提示視頻是生成的，但會(huì)疊加在現(xiàn)有視頻上。這些都是很有意思的想法，但目前可能還需要技術(shù)進(jìn)一步提升。

08

AI Native 應(yīng)用：等待深度技術(shù)擴(kuò)散后的新商業(yè)模式

Koji：我覺得 2025 年很可能會(huì)看到這樣的應(yīng)用出現(xiàn)，包括它和 AI 硬件的結(jié)合。比如之前看到一個(gè) demo 是帶著 AI 眼鏡打網(wǎng)球，它可以給你實(shí)時(shí)指導(dǎo)，告訴你對(duì)面球過來時(shí)如何調(diào)整姿態(tài)和接球方式，幫助你更好地提升水平。

關(guān)于多端到多端，我想再多說一點(diǎn)，這是我最近感到非常驚喜的發(fā)展。就像上一期「十字路口」節(jié)目中嘉賓提到的，在 12 天發(fā)布會(huì)上，這項(xiàng)技術(shù)雖然發(fā)布了，但被放在一個(gè)不起眼的角落。他認(rèn)為這其實(shí)是最值得關(guān)注的突破。OpenAI 為了避免被競(jìng)爭(zhēng)對(duì)手關(guān)注，選擇低調(diào)地透露這一信息。不過在開發(fā)者群體中，他們還是在一些重點(diǎn)開發(fā)者那里進(jìn)行了一對(duì)一的推廣。

這項(xiàng)技術(shù)的特別之處在于可以同時(shí)接收多模態(tài)輸入，并同時(shí)輸出多模態(tài)內(nèi)容。而且這種輸入和輸出是多端到多端的。大家知道端到端的概念，那么多端到多端其實(shí)是端到端在級(jí)別上的幾個(gè)層次躍升。

另外還想問問雨森一個(gè)很有意思的問題，這應(yīng)該是所有人都關(guān)注的：你認(rèn)為 AI Native 應(yīng)用的大機(jī)會(huì)可能會(huì)是什么樣子？

雨森：首先我覺得大機(jī)會(huì)的出現(xiàn)，應(yīng)該是在深度 AI 技術(shù)擴(kuò)散之后。如果現(xiàn)在使用的還是小眾人群，那大機(jī)會(huì)可能還沒有顯現(xiàn)。讓我們復(fù)盤一下歷史上互聯(lián)網(wǎng)原生應(yīng)用和移動(dòng)互聯(lián)網(wǎng)原生應(yīng)用的出現(xiàn)過程。

第一步是隨著技術(shù)擴(kuò)散，用新技術(shù)解決老問題。比如互聯(lián)網(wǎng)時(shí)代，我們有電子郵件解決通信問題，有門戶網(wǎng)站解決看新聞的問題，有自營(yíng)電商解決賣貨的問題。但隨著互聯(lián)網(wǎng)進(jìn)一步擴(kuò)張，當(dāng)人們都上網(wǎng)后才出現(xiàn)了社交網(wǎng)絡(luò)；信息都上網(wǎng)后，才出現(xiàn)了搜索引擎的必要性；當(dāng)買家、賣家、支付和物流都建設(shè)完善后，才出現(xiàn)了平臺(tái)電商。這些平臺(tái)電商、社交網(wǎng)絡(luò)、搜索引擎才是真正的互聯(lián)網(wǎng)原生應(yīng)用，而且都是創(chuàng)業(yè)公司做的，最終占據(jù)了最大的市值。

移動(dòng)互聯(lián)網(wǎng)原生應(yīng)用也是類似，當(dāng)移動(dòng)互聯(lián)網(wǎng)（包括智能手機(jī)硬件和 4G 網(wǎng)絡(luò)）普及后，內(nèi)容生產(chǎn)者和消費(fèi)者都用上了智能手機(jī)，才會(huì)出現(xiàn)抖音、快手、小紅書這樣的移動(dòng)互聯(lián)網(wǎng)信息平臺(tái)。當(dāng)藍(lán)領(lǐng)工作者都用上智能手機(jī)后，才能誕生美團(tuán)外賣、滴滴這樣的應(yīng)用；當(dāng)游戲玩家都用上手機(jī)后，才能出現(xiàn)米哈游和王者榮耀這樣的移動(dòng)互聯(lián)網(wǎng)原生游戲。

AI Native 應(yīng)用的出現(xiàn)應(yīng)該也會(huì)遵循類似邏輯。首先可能是像 ChatGPT 這樣的應(yīng)用，讓每個(gè)人都有了 AI 助手，但它的擴(kuò)散規(guī)模還需要更大。當(dāng)我們每個(gè)人都有了自己的 AI 助手，用 AI 解決工作中的很多問題，甚至像現(xiàn)在這樣開會(huì)，就會(huì)產(chǎn)生新的可能。

這時(shí) AI 與 AI 之間的互動(dòng)會(huì)產(chǎn)生什么樣的結(jié)果？比如在一個(gè)公司里，如果大部分工作執(zhí)行都由 AI 來完成，那么對(duì)生產(chǎn)力、對(duì)企業(yè)服務(wù)軟件可能產(chǎn)生巨大變化。因?yàn)槟悴粌H要執(zhí)行，還要管理這些 AI，為它們下達(dá)任務(wù)、進(jìn)行任務(wù)拆解。這些可能是人類完全做不到的，因?yàn)槿藳]有那么多注意力和精力。

另外一個(gè)重要主題是 AI 時(shí)代的商業(yè)化方式。在移動(dòng)互聯(lián)網(wǎng)和互聯(lián)網(wǎng)時(shí)代，大量商業(yè)化都是通過廣告進(jìn)行的。但當(dāng)你用 Kimi 或 Perplexity 問問題時(shí)，原來搜索引擎里的廣告、網(wǎng)頁上的廣告都不會(huì)被看到，因?yàn)槭?AI 幫你看了這些網(wǎng)頁。這就需要重構(gòu)價(jià)值獲取方式。我從 AI 那里得到答案的價(jià)值該如何提?。吭瓉韽V告是給人看的，但 AI 看到廣告就會(huì)把它們過濾掉。所以對(duì)廣告商業(yè)模式的顛覆，也會(huì)帶來很多 AI Native 應(yīng)用的機(jī)會(huì)。

Koji：我們最后一個(gè)問題，就是在 2025 年，真格基金和你最感興趣的投資方向會(huì)有哪些？尤其是這里面有沒有一些是行業(yè)的非共識(shí)，是你們差異化的觀點(diǎn)？

雨森：我們的差異化觀點(diǎn)主要有三個(gè)方面：

第一，我們對(duì)「殺時(shí)間」類應(yīng)用會(huì)比較謹(jǐn)慎。現(xiàn)在很多人都在按照字節(jié)跳動(dòng)的經(jīng)驗(yàn)去找下一個(gè)字節(jié)跳動(dòng)，尋找一個(gè)耗時(shí)高、靠投放起量的 To C 應(yīng)用。但我覺得當(dāng)用戶時(shí)長(zhǎng)已經(jīng)被字節(jié)占用這么多的情況下，下一個(gè)殺手級(jí)應(yīng)用未必會(huì)以這種范式出現(xiàn)。也就是說，下一個(gè)字節(jié)跳動(dòng)可能不會(huì)長(zhǎng)得像字節(jié)跳動(dòng)。

第二，相比當(dāng)下對(duì)人形機(jī)器人的熱情，我們保持相對(duì)冷靜。我們看到很多人形機(jī)器人本體公司獲得了大量融資，但通用型人形機(jī)器人的技術(shù)路徑，無論是 Sim-to-Real、從視頻角度訓(xùn)練...