2025年AI发展回顾与2026年展望
陈茜: 第一场呢，我就先跟我们的两位嘉宾来聊一聊 AI。这一场嘉宾会加入我们的是郝亦，也就是大家非常熟悉的硅谷徐老师。他是资深的硅谷技术高管，也是财富百强 Ja 首席 AI 创新官。还有一位也是我们的老朋友了，张璐，她是 Fusion Fund 的创始合伙人。那接下来我们就有请两位加入到我们的直播间。哎，你好。
郝亦: 好的好的，新年快乐，新年快乐。
张璐: 新年快乐。
陈茜: 那我第一个问题呢给两位的就是说，我们来总结一下 2025 年的整个 AI 的发展。如果有一件事情是超乎了你在 2024 年底的预期的，会是什么？我可以先抛砖引玉一下，比如说我没有想到 OpenAI 这个新闻事件会这么抓马（Drama），经历了大规模的裁员，然后 Board（董事会）的一个重组，甚至动了整个硅谷的 AI 人才大战，然后也包括 Altman 被开。这一点我是完全没有预料到的。还有就是我没有想到硅谷会以这么强势的一个姿态给追回来。那我也很想来问一问两位，你们觉得 2025 年有什么的事件或者是趋势，你们之前是没有预料到的？我们先从路开始，然后郝亦。
张璐: 嗯，好的。第一个像你讲的，其实 OpenAI 掉队大家也都是比较意外。因为当时你也知道，我很早就讲，我们从 23 年、24 年就开始讲，非常看好开源生态，以为说可以有 Meta 这样的一个大的科技公司作为领路人，所以这我们一会也可以多聊一聊。
如果你问我的话，回想 2024、2025 年的话，一个是说我们其实过去十年一直在布局企业级的人工智能应用，就是不是 consumer 端的应用。所以我们一直还是比较相信垂直领域小语言模型的应用落地的可能性。但说实话，在 24 年的时候，也没有预期到说 25 年大家的这个转向的共识会这么快。我觉得有一个非常大的转向其实是在 25 年，就是说大家能意识到说它不是解决所有问题的万能钥匙，而且也会更加实际和现实的去考虑，说在行业落地的话呢，并不需要最最好的模型去解决所有问题，而是去关注一些小语言模型。然后通过这样的一个我之前聊过的这种“鸡尾酒”的方式，去进行当地微调，去进行各种各样尤其是数据隐私监管比较多的这些行业的垂直部署。所以这个转向的速度是比我想象的要快很多。
我记得大概是去年的 1 月份，当时无论是 CES 1 月份，每年都有几次大会嘛。我记得当我去了之后，就听到各大 500 强公司，还有包括甚至是全球的一些领袖在探讨这个问题的时候，对于这方面的认知转向速度很快。我觉得这个是一个比较大的惊喜。
那认知转向之后的话呢，我们也要看说实际的行动。在过去这一年，尤其到是下半年年底的时候，第三季度第四季度能看到的这个在大的企业里面，对于垂直领域 AI 布局的预算的增加，还有包括在董事会上面的讨论，已经不是说“我们要不要应用 AI”，这个问题的答案一定是 Yes；那是要怎么样，How？How much？就是我们要放多少预算过去。我觉得这个是一个让大家还比较让我可能觉得比较惊喜的一点。
另外一点的话呢，其实当 24 年去预想 25 年的时候，会觉得 25 年会是很混乱的一年。因为 25 年特朗普上台。我记得当时在大选的时候，我们大家大选还在讨论说，上台之后，也不知道整个监管各方面会不会有很大的变动啊，会不会对科技行业，包括 AI 的发展产生巨大的影响。但是你回头会发现，反而 25 年监管在大规模的放松。所以形成了一个不只是人工智能，是多个技术叠加的高速发展的一年。
所以去年一年，整个不仅是我们，还有包括我们认识的其他的这个创业投资的伙伴，其实大家的核心就觉得很忙，很累。但同时有一种非常有热情，很打鸡血的状态。它不只是单一的一个 AI 的叙事，它其实是 AI 原生企业，还有 AI 赋能的各种产业的医疗、金融各方面技术的一个叠加增长，包括还有太空科技，还有包括国防科技等等，所以是让人非常兴奋的一年。
陈茜: 嗯，非常好。Hao Yi 呢？
郝亦: 嗯，我觉得那个其实就像过去三年，好像每一周、每一个月，甚至有的时候每一天都觉得是有很多意外的事情。嗯，那我就先顺着你刚才讲的一点，就是 Meta 的 Model 落伍。这是一方面。但另外一方面，我们也看到开源的模型。其实在 2024 年年底的时候，大家就觉得开源的模型的战斗已经结束了，对吧？Llama 就是一统天下。
但到了 2025 年，发现不是这么一回事情，然后横空出世一个 DeepSeek。当然 DeepSeek 其实也不是 2025 年横空出世，它在 2024 年的时候已经显现出来强大的功能了。只是到了 2025 年那个 Reasoning Model（推理模型）出来，让大家只是 Confirm 了，这不是一个 fluke，这是一个好像是系统性的一件事情。
我觉得这件事情一年走下来，其实是有更大的意义。这个 DeepSeek Moment 其实远远超过我们 2025 年年初的时候的想象。为什么这么说？年初的时候，大家想的一个问题就是 DeepSeek 出来了，好像中国的模型能够用十分之一甚至于不到的计算力就能够做出来跟前沿的模型差的不是太多。大家把这个规律归为 Geopolitical（地缘政治）一方面，或者说是对 英伟达 (NVIDIA) 的股票的一个 Penalty，在那一天一下子掉了几百个 Billion，闻所未闻的事情。
但我觉得一年下来，我观察下来，我觉得 DeepSeek 的一个 Moment 的 Implication（影响）是远远大于那一个。为什么？因为让我们看到了好几件事情。第一个其说老实话，不是一个公司能够做出来。这个 Organization 肯定是有一批很优秀的人，也把这件事情做出来。但后来大家后来发现包括 Kimi，包括一些其他的模型，其实中国的模型或者开源的模型很多都做的很不错，都是以比较小的代价就能做了。当然了，有各种各样的分析，为什么他能够对吧？是不是做蒸馏了？是不是做这个了？你可以说很多东西，但是最终是结果决定一切嘛。所以说并不是一家能做这件事情，我觉得这本身就是一个 Implication。
另外一个，其实不只是一些大公司，就是 OpenAI 我是把 OpenAI 认为是大公司了，其实从人数啊，从估值啊，其实也已经是大厂了，或者说接近大厂了。像 xAI 的能量也很大，Google 也是。但其实说老实话，大家后来发现一年下来，其实包括那个出走 OpenAI 的以前的 CTO，她做了一个 Think Machines，包括那个 SSI，就是做了几个好几个 New Lab 出来。
所以说我觉得 DeepSeek 只是一个开端，是一个什么开端呢？就是做大模型这件事情，并不是说几个大厂——我们 2024 年认为的这 5 家、4 家大厂所垄断，或者说只有他们能做。其实不管是开源的模型，美国以外的公司，还是说那个真正的 Research，可能是发生在这几家公司之外。对，这个我是觉得在 2025 年的年初的时候是没料到有这么深远影响的。
当然了，结果我们看到了 ODC 的一些结果。我们看到了以 DeepSeek 为首的一批开源公司的结果。因为即使是在美国的很多的 Enterprise（企业），现在都在用这些开源的模型。然后 New Lab 就是那些新的做 AI Research 的公司，我不觉得我们今天看到他的结果了，但是我觉得至少业界的人认为他们是在做一件很有意义的事情。然后像这样的 Lab，我觉得至少有五六个，甚至于感觉每个月都在增加一个。然后我觉得他们这一批公司会有希望做出 OpenAI 在 2018、2019 年做的事情。大约是这样子的。
New Lab 与 AI 架构创新
陈茜: 那既然刚才提到了那个 New Lab，我就把那个问题提上来说一说。包括你刚才提到的，包括 Think Machine Lab，包括 Safe Superintelligence (SSI)，你觉得 So far 我们还没有看到他们出一个非常重磅的东西出来。你们觉得他们会在 2026 年爆发吗？他们会出来一个什么样形态的东西？他们会和主流的 LLM（大语言模型）是一个不一样的应用的形态，还是基础模型的形态，还是另外一个到达 AGI 的形态？你们觉得他们会出来什么样的一个东西？然后这个东西我们会不会在 2026 年看到吗？
郝亦: 呃，我个人是有期待的。但是是不是看到，我觉得这个很难说。我觉得是有这个可能性的。这个可能性是在于，现在最重要的一件事情是特别很多很多非常聪明的人愿意集中精力、集中的资源，去很投入的去做这么一件事情。而且这些不同的 Lab 都有自己的 Thesis（论点），对吧？都是有自己的 Plan。我觉得肯定会出来一些结果。是不是会像 GPT-3、4 那样，2020 年、21 年、22 年那样就是一个 Moment？这个我觉得还太早，但是我觉得会让我们看到一些 Progress，我是非常期待的。因为每一个 Lab 都有自己的 Thesis，有可能这 5 个、6 个、7 个 Lab，只有一个是更加靠谱一点。最终结果如何我知道，因为硅谷的 VC 也都是在大价钱在这里面砸钱嘛。
陈茜: 对，你是怎么看他们在 2026 年发展的？
张璐: 我觉得其实你看这 New Labs 就像提到的，今年年底的时候，有几个新的成立，包括像 xAI 的其中一个 Member，也是我们认识很久的，也出来做了一家新的公司。我觉得你就会发现不只是这种特别大的特别有名气的科学家，其实这些主流的模型公司的核心的科研成员，他也会在做的探索的过程中，可能有一些新的模型架构的想法。
那你想这些已有的大的模型公司，他其实很难在现有的 LLM 的架构上面去做根本性的这种创新和调整，因为他的整个生态已经基于这个基础去搭建了。所以当这些内部的人员，有些新的模型架构的想法，他们也会考虑出来做一些新的探索。
但是呢这类公司他有几个特点。一来是说他本身公司的一个特性和设计都不是设计来去优化短期爆发的。他本身的设计就是为去探索下一代的长线的新型模型架构的搭建。所以你会发现这些公司的特点就是他为什么叫 New Lab？因为他更偏研究性，专注的安全性。然后呢，他会对很多不同的方向去进行探索。所以你会有一种感觉说啊，可能在 AI 的这种应用，还有包括我们投资创业的生态里面如火如荼再往前走，但是他们那边的话，唉，怎么这么久才发了一个 Demo？可能在做了几个一些开源的一个模型。但是这是他们本身在设计之初的一个底层的一个逻辑。
所以其实你说你想去期待他们像当年 ChatGPT 一样，对行业突然间进行这样的一大的一个冲击，甚至说去冲击整个主流 LLM 的一个架构的话，我觉得在短期是比较困难的。他可能短期无法形成一个竞争形态。但是呢我觉得现在大家也在看到，说到底 LLM 是不是我们真的能达到 AGI 的一个最终的一个方向？包括其实现在大家对 AGI 的定义，我觉得都很混乱。
我其实个人非常喜欢的一个 AGI 定义，是我记得在那个 AI Conference 上，我听大佬提到的，就是说：“人工智能能够做 90% 以上的工作比 90% 以上的人做的好。”所以你其实想这是一个非常清晰的定义，但是我们距离他还很遥远。那在这个过程中，其实我觉得大家也有很多的探讨。现在是不是世界模型？甚至说我们是非常相信接下来下一步刚开始是二维的语言，下一步的话三维世界等等，它是会进阶的。那这些 New Lab 它是不是内部的讨论？是说我们现在要去超越 LLM 去一个新的架构，还是说我要布局的就是接下来三年、5 年到那个时候 AI 所需要的底层的基础设施的技术，还有说 Architect 的建立，我觉得这是他的一个底层逻辑。
另外一点的话呢，我也是觉得说，因为它的这种比较偏研究偏安全性的设定，它可能和我们传统意义上看到的，无论是商业化为基础，或者说我去追求的这种高增长公司的特性是不太一样的。所以确实会有很多钱，像用大家的定义说，可能会被“浪费掉”。因为你会发现研究探索出来，这个方向是走不通的，但他对行业有没有价值呢？确实也有价值。
另外一点呢，当时我们记得说 2019 年、2020 年 ChatGPT 让大家非常惊艳，再到后面的话 2022 年，再到 2023 年，但是现在也要知道，我们被惊艳的门槛也在变高。你现在也很难说出来一个架构，你说“啊，我现在比现有的高 10 倍”，可能很可能只是一个季度的参数。大家想一想，我们大概可能从一年多前的时候，那个时候一个 Token 的训练的成本，到现在已经降了几百倍。这只是一年的时间。所以其实我觉得现在大家的预期也会比以前高很多。这也是为什么我个人可能觉得 26 年比较难能够从这些 New Lab 的公司里面看到一些大家觉得说“唉真是有一个 Breakthrough”，但是他们做的东西还是对行业和长线是非常有价值的。
巨头竞争：Google 系统优势 vs Meta 掉队
陈茜: 那你觉得在 26 年会，这些大模型公司会对有个更就是进一步的推进嘛。因为比如说我们在 GPT-5 推出来的时候，市面上大家都说就是 Transcendent。但是呢谷歌的一代出，大家又说唉，这个谷歌是对的。一个进一步极致的执行，说明其实还没有还有继续往前推进的可能性。刚才那个路也说了，就是在过去一年，我们看到整个的 Token 价格也是一个急速的下降。其实整个的算力的性能也在一个急速的成长的这样的一个过程。那大家觉得 26 年我们还会看到的一个进一步的推进？我们从路，然后郝亦。
郝亦: 我觉得嗯我个人是比较乐观的。我是倾向于还是还是非常 Strong 的一派的。证明有几个点。第一个就像你刚才提到了 OpenAI 出来，然后给人家感觉也就一般般。但是又让人家重新燃起希望。但我觉得这一个例子就正好说明，其实 OpenAI 在上半年的时候，或者说甚至之前他自己内部都已经觉得这个预训练也差不多了，就是也也可以也已经 Payoff 了。然后所以说他花了大量的精力，是在预训练之外。但是其实谷歌的证明这个方向是错误的。呃，据说 OpenAI 现在又开始重新要把这个 Focus 又又要放回那个预训练里面。
这里面为什么？因为我是从一个 Computer Architecture 的角度来讲，我们一直说算法、算力、数据这三方面。我觉得数据这一方面，虽然说数据大概从 ChatGPT 出来那个 Moment，已经把网上的数据都已经扒光了，但是实际上我觉得远远不够。因为什么呢？因为数据是到底应该是怎么把它给 Curate，什么样的数据是好，什么样的数据不好，应该要放多少这个比重。其实我觉得这里面有太多的 Secret，有太多的那个其实大家没有把这件事情搞清楚。
谷歌的那个 Google 近期的那个 5.3 的很多突破，其实跟数据那个很好的数据，并不是说网上的数据一下子多很多了。但是把数据给整理好，清洗好，怎么用法这上面下了的功夫，我觉得还现在还远远还有很大的空间。这还只是公开的数据，你怎么去用？还有很多私域的数据不一定是隐私的，就 Domain Knowledge。以前我在管 AI 的时候，我发现当然今天的跟当时的的第一版的很多不一样。但就发现哇，他们对安全界的数据不是说不了解，是一丁点都不了解。然后就说要让他去理解这个 Domain Knowledge，这还是有很长很长的路要走，这是从数据的角度。
从算法的角度，我们刚才已经说了，你其实有不同的 Angle，可以去思考，去 Try 不同的东西。刚才我很同意路的一个看法，就是不一定 2026 年今年会出什么成果，但是大家会试很多东西，即使你试错了，或者说有一些东西试了没用，这本身就是一个 Progress。我觉得这大家也是能够互相学习的。
所以我觉得算法是这样子的。然后算力这方面，虽然说你看了那个最大的数据中心，那个百万张那个 10 万、20 万那个甚至以后要做百万张卡。但我觉得这个就是怎么说呢？就是你不是说把卡都串起来了就一样的，这里面有太多的从 Computer Architecture，从数据的那个，从 Cluster 怎么去建 Cluster，有太多太多的问题在里面了。你你怎么去把这个卡连起来，然后使得它的容错，它的带宽，它的各方面其实有很多很多的工作可以做。不是说只是数卡是不是有多少张卡，这这个卡是怎么连起来？你到底是训练了多少时间会崩掉？因为什么原因崩掉？这里面有太多太多的工作可以做。
所以说从我的角度来讲，那个说预训练 Scaling Law 已经达到极限，或者说不是说达到极限，没人说达到，就大家觉得已经差不多了。我个人不觉得，我觉得我不敢说这 Breakout 出在哪里，但是我觉得如果我们若干年以后回来看，觉得还有 10 倍的空间，我完全觉得是可以想象的。这是我的看法。
张璐: 对我觉得我也同意讲的，2026 年我觉得 Scaling Law 还是成立的，但是一方面它不是唯一增长的一个路径了。二来的话呢，他可能也是由于现实的原因，可能会成为更多少数玩家他可以去负担的这样的一个发展方向。另外的现在对 Scaling 的理解，不能不像以前觉得说你只是越来越多的数据，有点无脑一样的把数据去堆砌，然后去进行推进，而是更多是从系统层面上的一个 Scale。包括我们提到的刚才提到的一个算力，还有包括就是整体的一个优化。
谷歌其实他就是这点比较有优势。像刚才郝亦提到了，就这不是说数据更多，那数据的质量很重要，还有数据的优化，还有就是数据的多样性。另外一点的话呢，谷歌还有一点优势，就是他这个闭环真实世界的一个用户反馈。他这种快速的用户反馈，他多线产品搭出去之后呢，反馈在进行产品的优化。这也是成立的原因之一。
那再提到说现在其实我们的叙事也在改变，对吧？2025 和 2026 相比较的话呢，大家不再只是追求说哪个 AI 最聪明，模型的效果最好。那哪个 AI 成本更低？哪个 AI 可以有更实际的落地应用？那这个时候的话，你再看谷歌它的很多系统优势，他在这个层面上去有一个系统方式的横向纵向对他来讲就是成立的。这也是为什么你会看到说这次表现这么惊艳。而且包括其实我们内部也了解到，谷歌毕竟还是有一个非常强的 DeepMind 部门。就是其实从几年前开始，他们内部已经有很多新型的模型架构，那种新型的模型架构，它就可以和现有的他们的模型进行整合，和各个角度的一个协同的一个优化。这也是他一个非常大的特点。
所以我觉得今年会非常有意思，就是大家会看到说对于过去单一 Scaling 的方式的修正，然后也会对更多的这种系统式玩家的看到他们的强大的一个实力。我觉得现在其实你看 AI 生态，可以分成两类公司。一类是模型中心的公司，比如说还是像 OpenAI；还有一个就是系统中心的公司，就是一个系统为中心的公司。那谷歌是一个代表，其实 xAI 也是在以系统为中心的方式去搭建这公司。你看马斯克一开始不只是在训练模型，他整个生态硬件到软件，也希望自己去搭起来。他用它的超能力，无论是资金层面上，还是说执行能力层面上，往这个方向去发展。
包括 Apple。它其实虽然说现在大家对他的就是批评比较多，在 AI 这一波大科技公司的竞争中，他还是有非常强有力的一个系统优势的。所以你其实从这个角度去看的话，大家对 Scaling 的理解，还有包括说定义，都会和以往几年会不一样。
Meta 收购与战略分歧
陈茜: 嗯，好的。那接下来我们聊聊几个大的 Player 公司，他们现在发展的这个情况哈。那首先我们来看一下 Meta 来预测一下 Meta 在 2026 年，因为现在 Meta 讨论度也很高嘛。然后最近呢其实还有个新闻，就是收购了这个中国团队，交易金额呢据说是在 20 到 30 亿美元之间。然后听说仅用 10 多天就完成了谈判，非常快哈。因为我记得其实他们整个团队再到美国来，其实也就一年多的时间。然后大家觉得就是 Meta 这么快的出手，它背后意味着什么？他为什么要收购？以你们觉得 2026 Meta 能给大家一个 OK 这样的一个 Surprise，还是一个落后的更远的这一比比悲观的一个预期？我们从路开始，然后郝亦。
张璐: 我这个话说的可能相对来说，我可能是有一些自己的偏见。我其实说实话现在对 Meta 挺失望的。因为我刚才也提到了，我们之前一直非常非常看好开源生态的，也希望他在开源生态继续推。后来出批评，就是表现和大家的预期差很多。也是因为他们内部的战略调整，推理模型，是说更去关注产品太早的去向产品去推进。所以发布不尽人意，让大家对开源公司开源生态的角度比较失望。
那在 Meta 他过去这一年非常动荡的 AI 的收购团队内的调整，再到过去讲个非常好的团队执行能力，包括产品能力。但是我有一个疑问，就是现在 Meta 最需要的能力是什么？他们最需要的是应用能力还是模型能力？我个人觉得他其实可能更需要的还是模型能力。那他为什么不去更多的去追逐一个更好的一个模型公司，而是去花大的一个价钱去收购一家应用公司？所以这个可能是我的疑问点。当然我也听说了，就是一些就是界面上的时，他们也问了好几家公司。然后他们可能也是有自己的一些想法和布局。
但是至少来说今年下半年，Meta 那边在 AI 这边是完全整体落队，就是从整个第一梯队完全掉下来了。再加上我其实之前虽然说对于大家对于杨立昆（Yann LeCun）的评价，可能也是有各种各样的不一样的看法，但我还是觉得当然也有种可能是说他错了。但也有种可能是说不定他们就是在黎明前的黑暗呢。他们如果说坚持当时对于世界模型的一个继续的投入，说不定也会出来一些新的东西。
对于像 Meta 这么大体量的公司来说，或者你就有像谷歌一样，可以弯道超车，马上走到第一步；或者你就做一些跟别人不一样的东西。如果说你做的永远都是说这个科技行业里面连前三都排不进去的话，这个就很痛苦。
但是呢另外一方面，我觉得 Meta 有一个非常大的优势。就在于说他的这个创始人，非常有非常有执行力，然后非常有 Talent。然后有什么决策了之后呢，你看他本身的转向能力也很强。而且本身对公司的控制程度也很强，本身公司它的现金流各方面现在还是处于非常好的一个位置。所以我觉得他是由试错的成本的。也是希望他的这个人才储备，还有包括整个公司内部的结构可以更快的稳定下来。我们也是希望能看能够看到更多的科技公司，尤其是大的科技公司，玩家可以进到这样的一个竞争的梯队里来。不要让 Google 一家逐渐做大，做的太大的话，一家独大，对于生态来讲也不是一件好事。
陈茜: 对，没错，还有什么补充吗？
郝亦: 呃，我觉得这个上面我跟路的观点完全相反。
陈茜: 太好了，我都喜欢观点相反的嘉宾。
郝亦: 我觉得 Meta 没事找事啊，去做大模型。我觉得他就做做应用挺好的。是这样子的，我觉得 Meta 作为一个世界级的公司，他需要有一定的研究能力，有一定的就对模型啊，对 AI 要有一定的深度的研究理解，我觉得一点都问题都没有。所以说我觉得做一点大模型，这本身不是一个问题。但我觉得 Meta 他最大的优势实际上他今天最大的优势其实还是应用。然后怎么样让那个用户体验到 GenAI 在我用 Meta 任何产品能够体验到更好的体验，我觉得这是最重要的。
我没觉得他必须要做大模型。我觉得他不做模型也挺好的。他就去买那个 OpenAI 呃那个其他的 Proprietary Model（专有模型）的 License，我一点都没觉得有任何问题。而且我们待会我相信，因为你说要提提些其他公司，我们也会提到一些其他公司。其实我对还有一些其他公司也挺失望的。比如说微软，包括苹果。但我对他们的失望不是他们大模型没做出来，我是觉得他们没有把应用给做好，这是我对他们的失望。
当然了，你可以说有一个点，就是你要把一个应用真正做好，你需要应用到模型到硬件，完全把它给串起来，可能是这是最好的，这是有可能的。但我觉得今天 Meta 最大的问题，还是应用里面我看不到那个看不到模型的能力的体现，这是我觉得我所失望的地方。
张璐: 我可能稍微再加一句，我我是觉得 Meta 其实已经到了这个体量的公司，它不做大模型，它未来其实是有比较大的一个生存的挑战。而且其实 Meta 虽然我觉得在表面上大家看它是一个偏应用的公司，其实内部很多东西都是做，包括芯片也都是自己的。而且很多年前大概不到 10 年前吧，他们当时其实就推出过一个产品，叫 Graph Search。那个时候其实是一个比较大的宣布，当时带队团队也都比较强。那个时候他们其实就已经在，比如说 AI 搜索这个层面上去布局了。只是后来有一些数据隐私的考量，这个产品没有去继续推进。
所以我觉得其实 Meta 无论从未来公司，如果我们经常讲说未来人工智能是像 Electricity 一样，像电力一样。那作为一个这么大体量的公司，如果电力不掌控在自己手里，它还是有一定的危险度的。尤其是硅谷的这几家科技公司，也很难讲说，谁和谁是一个比较紧密的合作伙伴，然后可以去协同发展。当然呢，你说短期时间的话呢，可能说他还是有一个比较强的惯性。但我觉得尤其是在看到扎克伯格（Zuckerberg），他本身也是一个比较年轻的 CEO 和创始人，我觉得还是在这方面，一方面是公司的愿景，一方面也可能是个人的这个一个愿景和野心。
郝亦: 对，是这样子的。我觉得小扎其实是很早就对 AI 感兴趣。在 OpenAI 都没有成立之前，小扎就对身边的人说，他对 AI 怎么怎么感兴趣。我以前有一个同事是的，你能够可想 AI 是这一点。所以我完全同意路你说的从一个长期来讲，你需要技术一定掌握。但我不觉得我不觉得急着做这件事情。因为说老实话，OpenAI 几十亿百亿美元你都能够买下来。而且模型过期了世界第一，稍微就不觉得是一个只争朝夕的这么一件事情。
而且我对这个只争朝夕这件事情，我觉得是从一个 Industry 的角度来讲，我觉得是一件好事情。但从一个单一的公司来讲，我并不觉得你 Miss 了一年，你这一年只是去做应用，然后到了 2027 年再去想这个模型，我觉得也来得及。
张璐: 你的整体这个观点，我是同意的。就比如说其实我觉得你这个观点也适用于 Apple，其实包括大家对 Apple 的批评这么多。但你看到其实 Apple 它现在：唉，我之前是要和 OpenAI 合作；我马上和谷歌合作。牢牢把住自己的硬件层面。它本身是一个数据的入口，还是应用的入口。所以这个真实世界的这个叫 Apple Intelligence，在 Apple 手里，它就有很强的优势。
所以你的这个大的观点我是同意的。但我觉得实像 Meta 的话，它其实确实有一个比较特殊的位置，是在它与 Apple 的关系。他一直想摆脱 Apple，但是又不能摆脱，所以是不是能够通过 AI 这波趋势，让自己有更强的一些独立性，我觉得可能也是一个机会。
陈茜: 嗯，对，没错。那其实我们看到 Meta 其实已经通过 AI 的发展，包括在他的广告的算法上，已经是到了很多的二级市场的红利了啊。所以而且就是我听到一个说法，就是硅谷的这几家大公司，包括这几家大公司背后的 Founder，他们都非常的希望自己能够带领公司成为第一个达到 AGI 的人。所以这是他们想要留下他们的野心所在。所以不管是自己的野心，还是公司为以后的发展所在，所以包括你看谷歌这几个人，包括这个 Sergey Brin 也回来了，对吧？好像除了 Apple 没有去选这个大模型之外，其他的公司其实也都是在去这个大模型想要去达到 AGI 的。所以嗯可能 2026 年我们就继续的拭目以待吧。
OpenAI 的上市与 Anthropic 的崛起
陈茜: 那我们继续来聊一聊这个 OpenAI。然后在 25 年呢，Sam Altman 搞定了一个 OpenAI 的一个关键的架构的转变，就是让他变成了一个可盈利的公司。也就是说他可以上市了。然后他很有可能会在 2026 年上市。那接下来如果你觉得从一个资本的角度看，怎么去看他的估值呢？它的收入能够对齐外界对他的期待吗？
张璐: 我觉得首先这个架构的其实是它一直以来比较大的一个雷。所以我觉得他其实能把架构这一层，尤其适合他比较大的一个投资方，也就是微软可以谈到这个程度已经是一个很大的 Win 了。但是他现在的收入水平还增长水平，以包新的这一估值，是不是能够大家得市场得到一的倍的一个期待和对待，我觉得这个是大家有很大疑问的。
这也是你看他宣布 IPO 之后，Anthropic 那边马上提出来，他们觉得自己可能也会有机会，以更加合适的这一个收入和估值的比例去获得资本市场上更多的支持。另外的话呢，就像你提到的之前他最新做的 GPT-5 的发布，其实让大家比较失望。我现在听到的论是从用户端的数据留存，还有包括就比如说现在你创业，他一直在调用 API 之前，其实调用 API 最多的，就是从 OpenAI 调用。但是现在其实调用最多的就是最新的这个 Claude。
当然这还是一个早期的阶段，OpenAI 本身还是一个非常大体量。从用户的惯性、用户的数量，还有包括收入水平，都是一巨无霸。但是他现在的利润空间，基本上很难让大家能够看到。说了他怎样成为一个不只是一个“可盈利公司”，而且是一个真正的盈利的公司。他只是把架构转成了从 Non-profit 转成一个可盈利公司，但是他能不能真正达到盈利？现在至少说大部分的投资人是很难看到他的路径。
那再看到他的竞争对手，实现 Anthropic 基本上他的训练的成本可能是不到 30%，这还是他没有进行极致优化的一个结果。所以我觉得他面临的挑战还是比较大的。但另外一方面就是因为他的利润的问题，包括他现在巨大的成本的问题，所以他可能也确实需要更多的资本市场的支持。所以你说他需不需要 IPO 呢？他一定需要 IPO，但他 IPO 之后的话呢，他这个价格能不能撑得住？我觉得这个可能对市场和对公司都是一个比较大的挑战。
陈茜: 嗯，可以，你觉得 OpenAI 在今年会怎么样？
郝亦: OpenAI，我觉得主要还是一个故事吧，我说的故事没有任何贬义跟褒义的。因为我觉得这是一个未知的。大家 Sam Altman 是一个很能讲故事的人，也是能够让投资人有信任，赢得投资人信任的一个人。呃，至于说他是不是能够把这件事情做出来，是不是 OpenAI 有前途，或者这个前途是无量的这件事情，我觉得都需要很多事情，就还还需要很多去证明。
过去我们看到的一件事情，就是 ChatGPT，对吧？已经有可能接近 10 亿用户了。这是一个很大的一个 First Mover Advantage，第一个把这件事情给做出来，然后有这个红利。但是这个 10 亿的用户到底粘性有多强？嗯，我觉得半年前大家还是觉得哇这个是其他人追都赶不上的。但我觉得现在有很多人是有质疑的，包括 Perplexity 的那个 CEO 已经说了，我已经从 ChatGPT 改成那个 Claude。当然了，他是有那个做 PR 之前，但是我觉得半年前我个人是不会转成那个 Claude。半年以后，我还没有转，但是我说，但我觉得我是有可能在今年转，因为也要看怎么做，所以你就能够看出来其实是有所松动了。
这个 10 亿用户，这是一个。另外的，他到底他做的东西很多，他做的东西跟 Anthropic 比起来要砸的多的多。到底是 一件好事情还是一件坏事情，我觉得现在很难说。很有可能是。如果我们十年以后复盘，为什么 OpenAI 完全失败？就是因为他做的太广了。但是有可能 10 年以后，我们复盘为什么 OpenAI 成为遥遥领先的？就是因为他比其他人更加对吧？更加的想要做的东西更多。
所以我觉得这里面对我来说都是故事，这些故事都需要去一个一个的去 Validate。而且我没有看到一件事情是铁板钉钉的，但每一件事情又让我感觉到是有很大的潜力。我是这么看 OpenAI 的。
陈茜: 对对对，市场太大了。就是说他一上来就要吃掉所有的市场，还是说他像 Anthropic 一样就专攻一个市场。那接下来的一个问题呢，还是我们来看下 Anthropic 在 26 年会有什么样的一个发展，就 Anthropic 他说也会要上市嘛。但是我们看到 Anthropic 他其实在商业还有收入上，他们它是特别去打 Coding 这一块的。嗯，那 Coding，它其实在 2025 年是一个关键词嘛。大家会觉得在这个市场会在 2026 年继续的扩大嘛？Anthropic 会不会独占这个蛋糕？比如说已经谷歌给收了，那接下来现有的这些小一点的初创公司，还有这些 Player 会不会被吃掉这些蛋糕啊？然后接下来 Anthropic 的商业化，它其实还能往哪里扩张嘛？
郝亦: 我再讲，我就顺着讲下，我觉得过去两年 Anthropic 是非常稳扎稳打，他做事非常 Focus，是非常的聚焦。然后把企业服务这一块，基本上从两三年前不能说远远落后于 OpenAI。但是是就像我不知道大家还记得吗？大概两年前那个 OpenAI 的那个 Sam Altman 有一个对吧？一个周末被 Fire，但是又回来了。然后那个时候其实绝大多数的企业只用 OpenAI。但是那一件事情让很多企业就在想，哇，这件这个可以瞬间就可以消失掉。那我是不是要有一个 Plan B？所以从那个开始到现在，大概两年两个月的时间，我觉得基本上财富 500、财富 1000 的公司，如果说你只用 OpenAI 公司其实很少了。所以说大家都开始要选择 Anthropic。
不管是或者说是一个大赢家，我觉得现在我不知道现在他是已经完全超越 OpenAI。就是企业服务 API 调用这一块，是不是已经完全超越了 OpenAI？但是即使没超越，我相信现在已经是在在超越的路上。有些数据说去年大概夏天的时候已经超过了市场份额，但是这些东西都是很难说的。但是我觉得我是比较相信，那 OpenAI 还像现在这样不聚焦的话，我觉得 Anthropic 那个超过 OpenAI，从企业服务 API 这件事情到今年的是铁板钉钉的事情。
所以说从这件事情上来讲，我觉得 Anthropic 非常聚焦，非常有成就。但是这也是 AI 时代的一个我们说的 AI 时代特别独特，我觉得每一个时代也差不多。但是今天这个 AI 时代，其实没有什么哪个公司也真正的有护城河。你看那个前几年对吧？三年前我觉得大概 OpenAI 这一件事情，大概应该是完全那个已经是占领了市场，对吧？其他小打小闹的公司一堆。然后到了去年发现一年前发现哇，那 Llama 开始，这就在，但现在又发现 Claude 又起来了。说老实话，我不觉得这个战斗结束了。我觉得又会有下一个什么东西出来。就用户的粘性没有那么强。不管是企业服务的 API，还是那个 AI Coding。我自己我自己身边的人，去年一年已经换了好几个了。所以说我觉得这也是一个蛮 Interesting 的一件事情。
张璐: 我觉得我同意郝亦讲的。其实在这个层面上的话，现在其实是一个还是在第一阶段。其实今年的话，整个市场规模，市场的应用，它会进一步加速和扩张。就是大家就会看到说 AI 不只是一个 C 端的一个娱乐的应用。它是一个企业生产力，这个是很关键的。尤其是像 Cursor，他其实后面也有调用 Claude。所以 Claude 出来之后，他自己是一个自己本身模型的原生的代码模型，Coding Agent。所以他的整个使用的体验，还有包括它的对一些开发场景都非常受到开发者的欢迎。
所以我听到的就像郝亦提到的，过去这一年，其实很多公司其实都从 Sora 在转向 Claude。然后包括我自己我也做一些 Coding，其实也现在主要是在用 Claude。所以我觉得 Coding 这方面的话呢，确实现在 Anthropic 在市场上的地位还是比较坚挺的。
另外一方面话呢，我觉得 Anthropic 还有一个优势，就是在于他们其实一直以来像提到的稳扎稳打在做。而且他强调安全。所以他可能希望自己成为这些高监管行业，或者说对于数据敏感行业的一个默认 AI。他比如说对于很多行业，我们提到非科技行业，比如说金融、医疗保险等等。这些行业追求的，并不是说你的模型表现能力要最强。但他们的第一要求是要很安全。我这边有监管 Compliance 数据隐私的问题。你是不是能够理解到我整个现有的这些架构在监管层面上的需求，然后可以让我有一个安全的 AI 本地化部署等等等等。这些 Anthropic 一直都在推进。这也是他们一直想达到的一个目标。其实像 25 年的时候，他们专门推出了一款专门针对金融行业的产品。
AI Agent 与垂直领域爆发
陈茜: 那我们说 2025 年很多人说是这个应用的元年。那在这一年，我确实是看到非常多的 Startup，很多的应用其实是变得好用了，跑出来了。然后在应用上，两位觉得 2026 年，我们不说这个 API 或者是不做，不说开发者，就是像我们还有可能很多在看直播的观众们，他们自己的一个体感是什么样子。大家会不会觉得会有更多好用的应用会爆发出来？
张璐: 我是非常相信的。我觉得其实像我们，尤其是专注早期投资，包括像我去年投的最后一个项目给公司汇款是在圣诞节那天。就是真的可以谈到说，就是人家说 Money Never Sleeps，我创新也不 Sleep。
现在大家是一个大公司在进行军备竞赛，小企业其实也是非常打鸡血的状态。在往前推就是为你提到了现在很多垂直领域的应用，层出不穷。而且他发生的这个过程中，他已经给大家开了许多大家没有想象过的一个应用场景。包括我提到说，如果我们以看科技行业，科技行业应用新技术互联网后 AI，但整个科技行业在美国也只占 10%。但如果你看金融、医疗保险，有的这些服务行业，包括这些行业加到一起的话，美国 50% 以上。每个行业里面各种各样应用场景垂直应用，它都有这种垂直 AI Agent 的一个落地的机会。
再加上在开始的时候，我也提到说在过去 2025 年一年，我们觉得非常惊喜的一点就是这些大的企业，他在 AI 层面上的，无论是说整合的速度，还有包括预算的提升，都让人很惊讶。就比如说大家可能知道的 JP Morgan，对吧？他是美国最大的银行。那他们现在在公司内部，他们也其实 CEO 公开也在讲，他们公司内部部署给 AI 相关的这个预算，比剩下其他的排名前十的银行的总和还要高。那我们就有三家公司在跟他合作。然后呢，这三家公司都是初创企业。可能就是 A 轮左右的企业，就可以看到他拿到订单的这个量级，还有包括速度非常的惊艳。
所以 26 年我觉得一定会加速。所以在 25 年，我就记得到年底元旦的时候，我就问团队，我说尤其我几个合伙人说有什么计划，大家都没有计划，我们都是想再多歇一些。因为要准备好 2026 年会有一场硬仗要打。
陈茜: 好的好的，看起来确实是一场硬仗要打。Hao Yi，你觉得呢？
郝亦: 呃，刚才陈茜你刚才提到 2025 年是应用的元年。我觉得看要看这个元年是怎么定义的。如果说这个元年定义是说开始看到一些比较比较有意思的 Application，就是应用啊，我觉得可能算。但是如果说元年是说大规模爆发，那肯定算不上。因为我们知道每一代的产品，不管互联网啊，那个移动啊，出来那个 Application，对吧？就杀手级的应用，一般都是过了几年以后才有。等到这个技术成熟了一段时间，或者说是用户的那个对新的技术的接受教育的程度，那个期望值的设置，都要达到一定程度的时候，才有这些杀手级的。包括 YouTube 在互联网时代，Instagram 在移动时代都是过了几年。
我不知道大家还记得吗？大概 7 个月前我还在买那个 Devin 那个 AI Coding，现在我不知道他们怎么样了。反正就我觉得这一代，反正我觉得今天的程序员也好，或者说是非程序好开用那个 Lovable 对吧？就是这一代的产品。我觉得这个应用算是很多人在用了，但你说真的是对我们工作生活都产生巨大的价值，我觉得没有。
第二大的应用可能就是在企业服务里面，那个客服啊，有有好几个公司，甚至于你可以说几百个，或者说你可以说所有的企业服务的 AI 公司都在多多少少在做一些 Support 的一些功能。这一块的应用我觉得算是起来了，是比较广，比比较做的也比较深了。
开始除了这之外，前你跟我做过一期节目，做那个 AI 浏览器，我自己也在做，对吧？欢迎大家下载。但是我觉得你说这个 AI 浏览器是不是已经走入了千家万户，那显然还没有到。但至少呢让大家感觉到，或者说硅谷的人我一直跟跟跟很多人最近在很多人说，一年前我刚开始做 AI 浏览器的时候，所有的人都在问：“哎，为什么要做一个新的浏览器啊？浏览器都已经这个战斗已经结束了 5 年十年了。”但今天至少你在硅谷，大家都说：“哦，对，做 AI 浏览器是一个很有意义的事情。”
这里面有好几层，我自己在想的。第一个是我觉得 ChatGPT 说老实话，虽然说我们刚才已经说了，它的护城河不够深，但是我觉得他在人的绝大多数人嗯的的脑子里面已经比较应的比较深刻了。很多时候你要去做一些比较的一个应用的话，其实做的已经是 Benchmark 了，已经不错了。所以你这时候你再去做一个新的应用的时候的机会，就不是那么多。所以说你要做的比他好很多。但要做的比他好很多，这件事情就要就花很多功夫，要花很多时间去思考。
第二个，所有的模型它的功能都在提都在提升。很多，这个其实对很多做应用的人多多少少是造成一点困扰的。并不是说他们没有空间，但是这个他在提高很多，有几个有几件事情在里面。一个事情是说，我本来做的一件事情被模型做掉了。这个大家都说对吧？这是一个已经讨论了无数至少三年，过去三年一直在讨论这件事情。但我觉得不只是这个对应用开发者其实很难，为什么？因为你的模型不断在变化。不要说什么 5.0 到 5.1 那个这些模型不同，我这个模型就 5.1 出来了以后说老实话，这个模型版本没有变。但是他模型背后的能力其实也在变，或者说他的一些特性其实也在变。我觉得对今天的开发者这件事情还是蛮困扰的，每天都是不一样的世界。
陈茜: 好的非常好，非常感谢郝亦路。那我们接下来 Take 一个观众的问题。我看到有观众问说，两位对于 Specific Agent 的前景，有什么看法？比如说面向传统的供应链 Supply Chain，还有 Real Estate 行业的这种 Agent。
张璐: 我觉得像你提到的，其实一个方向就是从 Copilot 到 Agent，然后就是我刚提到的行业的垂直应用的这些 Agent 的发展方向度是很快的。就比如说像前段有一家比较大的一个保险科技公司，刚被一家保险公司收购，大概卖了 15 亿，不到 20 亿美金。他们其实是做一个相对比较简单直接的应用。它是用人工智能去自动化 Brokerage。其实你说他有做整体一个平台服务嘛？并没有。但是因为他的量级做的很大，其实也就 5、6 年的时间做了几亿美金的收入。然后最后出售也是一个比较好的价格。
然后再包括供应链物流供应。我们朋友看到特别大的。但是这个方向有一些中比说收几千万美金，包括我们投的一些公司和科氏工业在合作的也在快速崛起。然后我可能觉得说今年还有一个比较大的方向，两个比较大的方向，一个是医疗，一个是 Space，就是太空科技。整个太空生态，它的这个数据量的崛起，它本身有比较 AI Robot。那医疗的话呢，因为现在其实数据隐私和数据孤岛的问题，应用了这些 Compute，也就是学习之后呢，得到了这非常好的解决，是一个很巨大的市场。
特斯拉 FSD V14 与端到端模型壁垒
陈茜: 好的。那么接下来的一个小时呢，我就把红君请上来。他会跟另外两位嘉宾来跟我们聊聊自动驾驶以及机器人。然后这个接下来的这个环节也是我非常期待的。所以呢今天也是非常的开心，把老于啊请到我们的节目上，然后来跟我们讲一讲最新的这个自动驾驶的最前沿的一些路线。那接下来呢，我们就把这一个小时的时间交给红君、大卫，还有振华。
红君: 好的，好，谢谢茜。对，我觉得今天我们的这场直播应该不会被打成“特斯拉黑媒体”了。因为今天跟我在一起的嘉宾是 Whale Dynamic 的 CEO 及创始人大卫。Hello，大卫，你好。
大卫: 大家好。大家新年好。
红君: 对，大卫也是《大小马聊科技》的主播。然后还有一位是 Twitter 的听众们非常熟悉的特斯拉的前 AI 工程师于振华。Hello，老于。
于振华: 嗨大家好，新年好。
红君: 对，我觉得就是其实就是在这两周啊，就整个自动驾驶圈是发生了很多很有意思的事件。就比如说有一个待会老于你可能会重点聊的，就是 FSD V14 的这个升级跟他的整个的使用体验。其实我看用户的评价跟反馈都还是蛮积极的。
然后呢，就在新年的那一天，就是跨年夜的那一天。我看到一条新闻，就是说有一个特斯拉的车主，他是从美国的西海岸，用特斯拉的 FSD 一路是开到了东海岸，然后全程在一个没有接管的状态。包括他说这个充电停车的时候，也是没有人工介入的。而且他说整个过程中，他是没有出现任何险情的。待会我觉得这个案例我们也是可以来剖析一下的。
另外就是最近在湾区，因为大卫你也是来湾区了。然后我们明显看到整个 Waymo 的车在变多了。就我看了一下整个 Waymo 他城市的拓展情况啊。就他之前的好多年，他是只拓展了 5 个城市，然后就在年底，很新的就一下又开辟了 5 个城市，而且 Waymo 他现在也是在寻求投新一轮的融资。这个融资额大概是 150 亿美元，然后它的估值是超过了千亿美元。所以总体来看呢，就是这对整个自动驾驶界来说，它其实都是一个好消息。
那最后一个就是一个非常怎么说呢？有一点点让大家意外的一个新闻。就是在也是在前两周，就是整个旧金山发生了一次停电。然后这个停电导致了什么？就是旧金山的交通大拥堵。为什么拥堵呢？因为 Waymo，他不知道该怎么开车了。所以他就都在路口。唉，这个红绿灯不工作了，我该怎么办呢？停在那了。然后整个旧金山就陷入了一片拥堵中。
那首先，我觉得老于，你要不要先跟我们分析一下？就是你最近用上了 V14.2 的这个最新版本吗？
于振华: 呃，是的，我用的还不是最新的版本，因为我现在人不在美国，不是 V14.2，他现在有个 V14.2.2.2，好像是这样的，他的版本精确到这样，所以是正好是在美国更新。但是我已经用到 V14.2 了，和这个是一个相当相当接近的一个版本了。
说到 V14 呢，这个其实在今年后半年刚推出的时候呢，我觉得刚推第一版本的时候，我还说我说这个版本我不是非常喜欢，就是还不如 V13。因为从用户体验来讲的话，还很保守。这个车这个很保守，我在右转的时候，等了好久才过。然后最后到 14.1.4 还是几，我不太确定，就已经就立即就把它给 Fix 了。然后到现在 14.2 已经已经非常好了。
我呢从这最近来，可能大家从这个网上的这个网友啊，他们的这个来看，我后来又回想到，其实我们过去从包括大卫我们在一起讨论，说说说这个特斯拉 FSD 这么好，产品，大家怎么不用怎么不买呢？这个这还是用户不懂啊。但是现在我觉得到 V14 来讲，我觉得我改变这种想法，我觉得不是用户不懂啊，是我产品不够好啊，就是产品好的话，真的大家就会使用啊。
其实包括一些自媒体，也是所谓的特斯拉黑媒体。我发现这个在转变，特别在美国测试 V14 之后。很多很多这个你会看到很多说哎，我今天又是没有接管，或者说呃因为 V14 出来之后呢，对于 Driver，就是司机的监控放松了，你不需要一直看着前面，你可以特定其实在很长时间下，你低头看手机，从头到尾都都没关系。所以说这个体验一下就上升了。
然后还有他的停车场进停。然后其实对我来讲，我关注的最重要的就是它的安全性。就是说在在高速上，在高速上，你有时候你这个在大弯变道时候，你还会很害怕的。我觉得是 V14 以后，就是这些已经就没有了。我认为今年来看的话呢，V14 看来是看起来是一个水到渠成的提升。但是我认为这里面的技术肯定有一个很大提升。
红君: 对，大卫，你有用到 V14 吗？
大卫: 有，我其实圣诞节前在就是湾区这边刚好打了这个 Robotaxi。那个版本应该是最新的一个一个版本。然后我那天发了个朋友圈，我在我家到这个健身房。我同时拿手机打开两个 App，一个是 Tesla Robotaxi，一个是 Waymo。这个 Waymo 呢，他过不了 101 这个高速，所以他给我绕了一圈，要差不多 18 美金。然后我自己家到这个 Gym 就 4 块多美金。
然后我当时一下就想就是说 Waymo 在湾区耕耘了这么多年，他在干嘛呢？就是过高速，肯定是一个刚需。然后反过来我也在想，特斯拉为什么走的这么快？因为特斯拉其实是一个量产车。所以他在跟当地的 DMV 打交道，跟这个比如说 San Mateo 呃，这个 SFO 的机场管理局打交道。他其实是不是一个像 Waymo 这样的一个全新车的自动驾驶。它是一个量产车。所以他地推的速度会非常快。
其实我自己的体验，你先说一下，就是我觉得那个 Robotaxi 给我的感觉，依旧是坐上去非常无聊啊。我觉得一个自动驾驶车就是表现好，就是无聊。就是你坐在上面会觉得啊，就这？他就把我送到地方了。我记得跟老于咱们是 7 月份吧，在奥斯丁的时候，当时咱们两个在车上，你就问我什么感觉，我说好无聊啊。我觉得在奥斯丁当坐做这个 Waymo 的车，没有任何惊艳，就不像 Waymo 在当经常会给我一些感觉有点惊艳的那种经验。就是说哎这个坡能过，哎，这个是上坡，他也能过了。然后到那个 Winding Road，他居然能能绕着上山了。他给我很多那种惊艳，但是特斯拉就给我感觉就是非常无聊。那我反过来讲，我觉得一个产品嗯，其实好，就是说明他已经跟你融了一部分，你不需要额外感知到它存在。
红君: 对我我稍微就是补充一下你打车跟做测试的这样的一个场景啊。你是说你用 Waymo 花了 18 美元，然后绕了一大圈，然后你是用特斯拉没花那 18 美元，因为他要绕圈，所以我就说是。所以你就没有你没有体验，对吧？然后但是你是打了一个特斯拉的这个无人驾驶呃，FSD 的车。对对，然后这个地方我觉得可能稍微要跟我们的观众澄清一点啊，就是 Waymo 他的车，他现在是可以不带驾驶员的，但是特斯拉的这个无人驾驶车上还是需要配一个安全员，对不对？至少在湾区是这个样子。
大卫: 在湾区是在奥斯丁的话，他现在对在奥斯丁应该是不用不用驾驶员的。在湾区的话，主驾是需要有人坐在那里的。
于振华: 对对，奥斯丁奥斯丁开始测试，他的主要的 Fleet 还是要驾驶员，就是他开始慢慢的测试，去掉驾驶员。我想这个点确实是，我就是因为 Waymo 嘛，他们在缓呃就高速。我们都知道高速在纯自动驾驶场景里比较简单的场景。但是为什么？就是每个玩家都到最后才把高速打开，而因为他的这个 Risk 太大了啊，你如果一旦出事了情况的话，就非常危险啊。所以我觉得 Waymo 就到到最后一个，其实他现在有些路那个路径已经上高速了啊，可能就是大卫那天，他就是就那个恰恰巧那个高速，可能就那个口他不上，是是是。
红君: 对，所以现在特斯拉在奥斯汀他的进展是怎么样的？就是他已经有，因为你刚刚刚老于提到了，说特斯拉可能开始还是要配安全员，然后慢慢的会把这个安全员去掉。他去掉这个是需要一个政府的申请的牌照，还是说他自己去这个技术过关了，是在他自己把握的，就是这样的一个界限是什么？
于振华: 据我所知是在奥斯丁在就是德克萨斯州呢，应该是不需要这个监管再通过了。现在他可以直接就拿掉这个安全员。我觉得之所以这个也是我们特斯拉非常关注的话题啊。就是说马斯克是说了，年底之前要拿掉安全员，怎么还没拿呢？是不是日历新年啊？因为新年已经过了。
我对特斯拉工作了解的话，他是有节奏的。就是因为整个团队现在还在把这个 V14 最后一点还没做完呢。所以你如果说技术上这个团队根本就没有做这件事情，就不太可能。就是说这个方面有就是就是有个进展，以觉得可能是这个会晚一些时间啊。然后我觉得还是要很重要看看待一个就是就真正那个无方向盘车的这个量产时间啊。这马斯克确定时，这个是一个已经排期的，在工厂排期。
大卫: 理解。对，就是那个排期的话是这样的。所以说这个就是一个很重要问题。就是因为大家知道量产车是很不就是说是一下出来，那就是那个很大 Volume 这个积压资产的。就是我们说为什么这大说 Waymo 刚才提到已经扩展了这么多城市，但他其实辆车嘛，对不对？就是因为这个不是互联网行业那种完全的经济规模的。就是说你扩展到一个城市，扩展到用户，你就是需要加车，而加车的话你就很 Heavy 嘛，对不？所以说这也是为什么还要融资，是个 Billion。然后特斯拉呢这个大家都知道特斯拉现金流是吃紧的。因为特斯拉不像 Uber，对吧？就特斯拉，如果这个没有足够信心的，不能贸然量产。这个的话，量产这个的话，那那这个积压放里面，他无法在路上进行进行这个进行接人进行产生现金流的话，是对公司是一个很大风险事情啊。所以我觉得这个节点的话，就是说量产之前或者量产后这一两个月，然后 Ramp Up 这个车的话，然后再把它去掉，完全全面。我觉得这是一个非常合理的一个时间点。
停电大考：Waymo 瘫痪与特斯拉 FSD 的适应性
红君: 对，然后我们刚刚聊了一些，就他们在就是无人车的这个 Robotaxi 方向的一些对比呀。那其实还有一个对比很有意思。就是在今年我刚开始提到的旧金山的这场停电事故中，就我们发现 Waymo 他就停在那，他不知道该怎么办了。但是我们就发现在当天特斯拉他并没有僵持，就是他的这个 FSD 功能运行还是很顺畅的。两位可不可以从这个技术的层面给大家讲一下，为什么会造成这种差异？
大卫: 就我先讲吧。首先这个当时我也很惊讶，我以为他就算起码得有多套路去 Fallback，对吧？就是因为美国的交规，实际上是有这个就是路权的那假设没有红绿灯，那我们都看到 Stop，那该谁先走，也是谁先走嘛，对吧？其实特斯拉，他看不到红绿灯，他 Follow 的就是这个路权优先，就是谁先来，那就谁先走。但是我明惊讶的是，Waymo 居然在这套逻辑上没有做啊，就是面对红绿灯如果不亮，他就干脆就就歇在那里了。这个是让我觉得非常非常不应该。
然后其次呢，就是关于这个红绿灯识别，有些人说是不是用了这个 V2X 什么的，这个倒不是，这个我澄清一点，就在老美这边，实际上基建是很贵的。不像在国内可以搞这种车路云一体化。这个是不会搞车路云一体化的。然后还有一点呢，就是对于旧金山这样的城市，即使是一个我们认为其实旧金山并不大。旧金山的 Downtown 跟深圳南山区或者上海老于可能跟熟上海浦西某一个区的范围差不多大。那在这一个范围内已经跑了若干年了，那还是会有这样的 Corner Case 出现。他无法应对，而且是面对的大面积的瘫痪。那也就是说，尽管我把一个城市不停的测试，最后把它打穿，那他可能还会面对新的 Corner Case。那这个对于商业运营来说还是有风险。所以我觉得可能整个这条路径要要要重新考虑。
于振华: 对，我我稍微补充一下，就是大卫可能这个他他说指的是我举个例子吧，就是就是国内的这个 理想汽车，理想汽车的他的个第一代端到端系统。他的他说的端端系统叫这个双系统，就是一个慢思考，一快思考。慢思考呢，其就试图想要解释，对吧？就是试出他的输出，并不是给给机器的，还要给人看啊，就是我这个前面有个什么什么东西，他会蹦出来。就像我们这个 GPT 一样。但这个路线他已经放弃了。
我这里想引用一下，就是我的前老板也也是 Andrej Karpathy 的前任，就是说他在看到这今年的这 V14 进展和他测试过。他当时他测试 V14 还不是 V14，他说了一个，就是他回忆起我当年我们特斯拉也是 Rule-based，就是我在的时候也是 Rule-based。就是一个街道上，如果就因为你这个这个车会经常刹停嘛，是因为旁边有停车嘛。你要在在湾区，是不是就是在车旁边都有刹车，都有停车停在那里。就如果你要是这个车，你你对他的速度检测不好的话，你就会你就会刹车啊。然后呢，好，我们把这个问题解决了。结果呢有些街道呢会有两辆车并排停着，就是说就不是一不是一排车，两两辆车并排两排车，那停着好，这不会了。所以要重新在那个 Rule 里面一个就是做 Double。所以说专门是这个我们在回忆这个过程。你可你有 Double Double，你到其他国家是不是有三辆三排四排五排，对吧？所以说这种是无穷无尽的。
但是 Waymo 的好处就是你 Fix 非常快，对吧？你的这个你的工程师像我说刚才那个场景，他回去很快 Fix。但是你如果是端到端，如果基于机器学习，基于人工智能的话，对你可要要重新要去采数据，要把这个去 Fix 它的周期会比较长一些。所以说这是为什么说 V13 到 V14，大家看哇，花了这么长时间才一个才更新一年时间，但是他一更新就是一个一个质变性的一个东西。
红君: 对，老于，你这里讲到有一点就是 Sorry，有时抢了红君的话。就老于刚才讲是那个关于这个可解释性。其实现在在国内的技术路线有两派了。一派就是说呃我们用这个 VLA 的方法，一定要有可解释性。另一派呢就是说直接把它全全部 Tokenize，就是大包小包把它打个包啊，不需要可解释性。但是其实从我在在我来看，我觉得其实是不需要可解释性的。就是你因为人去解释这个你面前的自然世界，他其实是一个已经是主观意识了。我们人在面对自然世界，其实是下意识。就是你任何你比如你开车很多时候，你不是说判断他说这个东西是一个红色的垃圾桶。你不需要把它可解释成这样，它就是一个障碍物啊，你你感知到就有这么个东西。你可以做判断。所以我对这个可解释性上，我是我是迟疑的。我觉得不需要花太多时间在在语言模型中间去解释它这些。
红君: 对，大家正好提到这个事，是我想细了特斯拉，他的 AI 技术的负责人叫 Ashok。他在一个国际计算机视觉大会上，他其实是有一篇非常经典的这个演讲。我推荐大家都可以去看一看。他是讲了，就是为什么特斯拉要采用这个端到端的训练模型，它的原理以及他遇到的挑战。他其中提到了一个非常经典的，我觉得算是一个“迷你电车难题”吧。就比如说前面有一条路，然后这个路上有一个非常大的水坑，你的这个车你是直接就是撵过这个水坑，就是开过去，因为这可能车会进水嘛，你不知道水坑的深度是多少？还是说唉我们去借道，就是逆行一下，穿过去。就是如果你是一个 Rule-based 的产品，这个东西是很难写死的。因为水坑的深度，对面有没有车？就是这个全都是需要判断的。但是如果是一个端到端的模型，其实人在面临这种情况下，人基本上看一眼就知道。OK 对面没有车，水坑不深不浅，我可以借道一下，就是人他是会去权衡利弊的。那么 AI 他其实就可以解决很多这种就是需要及时处理的情况。而且这个是红君讲的很多，这个是表征的，还有一些隐含的。
大卫: 就是前段时间可能一个月以前啊，在国内湖南某个城市，就是这个无人出租车把人撞，把人撵过去了。后来这个消息，当然其实在在我们圈子里就就传开了。后来发现造成事故的主要原因是什么呢？是那天前面有洒水车，洒水车把地面洒的很湿。那也就是说，当这个车在判断刹车距离的时候，实际上地面的湿滑是没有写在他这个这个参数里的。但是我们想象一下，就是说特斯拉这套体系在人开的状态下，实际上是下雨，实际上他不会专门为下雨天去录这个数据。而本身人在下雨天的这个行为被录入到了端到端进行训练。它其实是不太害怕啊。因为下雨天的路面湿滑所导致的刹车距离稍微变长的。
所以我想说的就是当我们基于 Rule-based 这条路去去做解耦的时候，我们会发现永远有解不完的题要做。即使是在一个沙盘游戏当中，在我们就是把把任何一个城市当做一个沙盘。我们在做一个沙盘游戏当中，也有很多解不完的题。而且很可能出现的是一个一个非常不好的结果。
芯片战略：NVIDIA、Dojo 与端到端算力
红君: 对，那第三个问题就是 GPU。就是 GPU 对这个事情有多重要。其实这一块应该就是讨论到老于你在特斯拉的公司了。你当时是参与开发了这个 Dojo 的第三代，对吧？就是你要不要讲一下你当时整个参与开发特斯拉芯片的过程？以及芯片在就是特斯拉能做成端到端的这个事情上，他占了一个什么样的位置，跟他贡献了多少的比重。
于振华: 呃，我是我，我没有参与 Dojo。就是说特斯拉的芯片设计呢，在历史上它有两个线，一个是推理芯片，就是在车上跑的。还有一个就是 Dojo，就是他用来作一作为训练的这样一个芯片。然后呢，在今年已经被取消了，被 Canceled 了，甚至他的这个负责人这个 Peter 已经离职了。
但是就是说这里面我觉得有一个是是呃，就是说就是在训练这个在训练这个芯片上的。在其实一直就就是 Dojo 的这个呃，他赶不上英伟达。所以说他一直都存在着被 Canceled 的危险啊，一直在就是这么一个一个。但是今年我觉得他就是壮士断腕，就把给 Cancel 掉了。但是现在现在端到端呢，这整个的它的这个芯片呢还都是都是来自英伟达啊。
然后大家也知道，就是说 Jensen（黄仁勋）曾经公开的这个就是说表扬过或者崇拜过一大以说这个世界上这个计算机这个集群训练中心的人，就是就只有一个人能做到就对吧？他又要发电都水冷这么快的时间把这个 xAI 搞定了。
我为什么会提到这一点呢？就是说在第五代芯片的时候，就要把这个也要考虑进去。说，不只是为了特斯拉自动驾驶，包括当然了以后自动驾驶，这个也要有大语言模型这个因素考虑过进去，对吧？所以说第五代芯片呢会把这些等等都会考虑进去。当然那个肯定不只是结束嘛，对吧？后面还有还有第六代。
我再举个例子，不说特斯拉啊，说理想的个双系统啊，是双系统的。这个为什么他们把这个这个这个语言模型部署到车上呢？他们会自我感动呢？就是因为这个东西是挺难的。在这有限算力上面的话，你却把这个语言模型上，然后去把放到一个一个车上，确确实挺难的。所以说就是巧妇难为无米之炊嘛，你的你的推理芯片不行的话，我们这边你做再做，就是说在软件这边你再厉害，你推不了，推不到车上去啊。
所以说我觉得这是一个非常有有战略眼光的啊。从第三代、第四代、第五代已经就是今天 V14 跑到跑到第四代跑这么好，真真的是一个有有战略眼光的一件事情啊。就是虽然说 Dojo 这件事情失败了，我觉得也是一个一个很好的一个教训啊。也给他一个就是说在很多多搞不好某一天某一天就是说这个比如说英伟达这个 GPU 啊，就是他他在这个硬件上设计的太缓慢了。就是或者说他的需求远远的这个偏离特斯拉这个需这个需求的话，我觉得他可能会在卷土重来，也都是非常有可能的。所以我我觉得他对整个思维就非常正确。
红君: 对，因为今天时间的关系，我再问一个问题啊，然后我们就把时间留给观众提问了。我们刚刚其实聊了很多的特斯拉。然后在开始的时候，我有提到 Waymo。他最近是在以这个 1000 亿美元左右的估值去融资，融资 150 亿美元。呃，其实 Waymo 它也是有优势的。首先就是他已经去掉了司机，然后他的这个每公里运营成本，现在还是 1.43 美元。就是特斯拉可能是 0.8 亿美元。这个数据是来自于摩根斯坦利的报告。但是呢摩根斯坦利预演这个 Waymo，他在新年呃新的一年里面，他的新的车型可能美英里会降到 0.99 到 1.08 美元。就是它的成本还是会大幅下降的。我知道两位也是这个特斯拉股票的持有者。如果就是从你们的角度来看，Waymo 作为一个投资者啊，就是你们会投给 Waymo 吗？就按这个估值来说，不会，我就保守性投资者会我会孤注一掷的投给投资。
大卫: 刚才他算的这个这个这个价格，无论他多低，他也是其实真正量产来说，不会比特斯拉低太多的，一定会比，不是不会比特斯拉少太少的，一定会非常非常高的。就是这里面还有一个就会越来越，这里面还有一个 Maintain。就是你要运营一个车队，对吧？我说实话。你要充电，然后你要做这个各种传感器的这个管理，然后这些传感器也有会损坏等等。一下来，不是咱们现在说的账面上，这一个车接了这么多活一除，而是一个非常大的盘子。
在旧金山湾区那个 Waymo 的充电站，就是我有一次在 X 上也给大家发了。那里面光充电的小哥又雇了 3 个，那三个小哥就坐在椅子上看着这这堆车，谁来了？给那个充电桩，把电插上，这是他需要一个人，那么特斯拉是不需要这个人的。在 S 上其实是无线充电。所以我想表达的是，对于这类技术公司，我们看它账面的这个能不能打平，实际上这只是一方面，而且要看它整个生命周期。内，这个车能用多久？微贸用的还不是固态激光雷达，还是机械激光雷达。这个东西其实在我们行业内，大家都都有心里有数的。这个机械雷达天天在那转，它到底能转多久？两年差不多啊，三年不太行。所以特斯拉就是摄像头啊。所以我们如果算下来这个折旧，还有均摊的话，其实差距还是蛮大的。所以我我不会投资 Waymo，而且我觉得 1000 亿实在太贵了。
投资展望：AI 泡沫与 2026 年黑天鹅
陈茜: 那我们今天就先这样，然后非常感谢 Bruce 跟任阳的时间啊。今天呢我也是非常的开心，请到我们的老朋友哈 Bruce 和任阳。然后 Bruce 是美国金融投资首席执行官兼首席投资官，任阳呢是金融投资的联合创始人。两位呢也是在过去的一年当中经常来上我们的节目。在对，特别是 AI 啊，Relay 的就是 AI 啊这个大类的投资，然后还有个股上面都有着非常有洞见的研究。
那在就是整个的 AI 投资里面啊，你们怎么去区分说哎，比如说这个叙事型的上涨以及基本面驱动的上涨。那比如说哪些公司是前者，哪些公司是后者？然后你们是在过去一年当中怎么去完善你们的投资逻辑跟框架呢？
任阳: 我觉得就是这两个其实很难，我我自己觉得很难有一个非黑即白的一个分界线，对吧？然后说叙事的上涨，它肯定是有一个基本面的一个种子。首先它是基本面，是肯定是看到一个好转的迹象了。然后有这个种子，然后随着随着基本面的好转，或者说大家预期基本面的进一步好转，然后有这个叙事的一个变化。
然后另外就是叙事，同时肯定也是会跟着跟着股价走的。我觉得这个是大家做做做股票的，可能也会比较比较熟悉。就是说股价涨了，各种各样的叙事就出来了。然后股价跌了，各种各样鬼故事就跑出来了，对吧？然后叙事这个东西，所以我们是尽量希望能够去抛开这些这些叙事。然后能够呃从一个还是从回到公司的一个估值和一个盈利能力的角度来看。然后从一个这种呃它的风险收益比，然后来我们来去权衡判断不同的这种这种投资机会。
Bruce: 其实这个也和上一个问题有点关系啊。就是比如说如果大家还记得话，去年前年底到去年初，像软件啊有一轮大涨，那会 CRM 什么这些都大涨了之后，但涨到 2 月份，其实他们一路就跌下来，后面呃就没有再回去啊。有特别是和这些客户更近的和 CRM。举个例子啊，像 CRM 呀，还有一些更小一点的这些软件啊。去前年底去年初的时候，他们也在讲自己的 AI 的这个故事啊。但是你可以明确的看到，没有起来啊，就是这个这个就是可以说是叙述叙事并不完备。
同时呢他还有一个更深远的一个一个宏观背景。就是他们呃，不但是呃呃呃呃从一个 AI 的赢家变成了一个 AI 的这个失败者。在这有一个就是他们的终端市场没有起来啊，这也是去年去年的一个大的美国宏观经济一个 AI 还不错。非 AI 的这种周期性的都是持续在往下走的这么一个分化。他们就是当你当你的叙事又不好，当你的现现有的这个业务也起不来的时候，这就是一个双重的打击啊，这是一个双重的打击。所以归到底，还说叙事，一方面，他不能帮你去不能帮你去把这个这个估值也好呀，什么完全撑起来。你最后还是要实实在在的落实在你的基本面。
陈茜: 嗯，对，那其实谷歌还有一个让大家非常惊艳的点，就是它的 TPU 嘛。对，然后其实 TPU 出来了之后，也让很多英伟达的投资人是捏了一把冷汗。那你们觉得就是呃在 2026 年 TPU 会成为怎么说？就是在英伟达头上的一朵乌云吗？因为我知道就不光是谷歌，那比如说 Meta，还有包括 Amazon 他们自己可能都在自研芯片。那么芯片，就之后会跟 GPU 呈现一个什么样的一个竞争关系呢？他们是一个互补的一个关系，还是说他们还是就是 ASIC 会慢慢的呃通过他的不断的优化跟训练的优化跟训练适配掉英伟达的这个？
任阳: 我觉得呃，就是首先 ASIC 这东西它不是一个新东西。对吧？Google 做 TPU 已经已经十年了。包括 Google 之前的芯片，呃，之前的这些模型，它也都是在 TPU 上面训练。这并不是一个呃并并不是一个很那个说突然出现的这么一个东西吧。包括 Amazon 自己去做。这个其实大家都是有预期的去是是是在往这个方向去发展。然后另外就是说呃我的一个大的一个想法，就是说 ASIC 和 GPU 肯定是一个并行的一个状态。然后我觉得短期之内 GPU 还会是一个主流，非常的这么一个这么一个位置。ASIC 作为一些特定的的高效的补充吧。
然后呃，关于 GPU 的，就是比如说通用性啊，或者说 CUDA 生态的壁垒啊，这些我觉得大家都讨论的讨论的很多了。然后我觉得有有一点可能我看到可能大家讨论相对比较少的，就是说在整个 AI 的这不同级的整个行业的结构会是什么样子。就比如说从最底层的芯片，然后到集群，然后到这个云计算厂商，他们提供这些 GPU 集群 TPU，然后再到模型的这个大模型的提供商，如果到最的应用，每一个的产业结构是什么样子。
然后但是现呃我现在的一个一一个结构来说，就是说从模型这一层只有谷歌是一个垂直整合，相对来说比较完整。就是从你的模型算法，然后是合你的这个芯片是一个深度耦合的一个状态。其他的第一梯队的玩家，其实现在都还是在一个相对来说对来中立，然他们拿了哪家云厂商的投资，对吧？你拿了 Amazon 的钱，拿了 Google 的钱，然后 OpenAI，你跟你跟 Microsoft 有一定一定一定程度的一个绑定。但现在都是处在一个相对来说比较独立于各个云计算平台的这么一个存在。然后各家云计算厂商呢也都是一个他们的战略，也都是我要去尽量多的去适配，去提供各种各样不同的模型给我的客户。这个是现在的这个这个这个格局。我觉得在这种格局下面的话，GPU 还是会一个非常主流的一个这么一个位置。
陈茜: 好的，那还有一个大事件啊，在 2026 年就是 SpaceX 会上市啊，有是又是一个很大体量的这样的一个独角兽上市。你觉得身为投资人，华尔街怎么去看商业太空的一个未来前行跟估值呢？因为现在我知道 SpaceX 他们也开始讲这个太空数据中心的一个故事嘛？你们觉得就会为他们的估值增加多少呢？
Bruce: 哎，就呃呃这么来讲，这个算这个真的，就是我觉得算不算，他没有什么意义。我但我换个角度来想这个事情，就是整个呃呃呃呃就是特朗普当选来之后，就过去，就从 2025 年开始呃，你的包括我们打这个贸易战啊，那个美国回归到北美美洲，然后呢我们全世界都在建立一个冗余供应链。那所有的国家中国也好，美国也好，德国、日本也好，都试图把自己呃成由于全球化带来的这个工业能力的缺失啊，现在大家都在往回收啊。
那你可能这里面的重要关键词就是国家安全。国家安全这个概念就会成为一个非常呃呃呃呃呃呃重要的啊一个来来来驱动。你投资，包括你估值的这么一个一个一个一个角度吧啊，一个维度。那我会觉得 SpaceX 也好，包括中国的这个需要长征火箭也好，呃，我觉得它有很强的这样子的一个国家安全的这么一个属性。同时又是稀缺资产啊，那那那这个的估值的天花板真的就你可以随便给随便给了。因为就有可能没有这个没没有可替代。然后国家又需要它啊，那你什么样的估值是合适的呢？我觉得就很难用一个正常的一个估值体系去去来标榜它。
就拿 SpaceX 来讲，现在是 8000 亿、8100 亿的估值。然后呃大家都在抢啊，很多人很多投资还是去在抢这个公司自己的这个上市。想的是 1.5 万亿或者是 2 万亿去上去去上市啊。这是现在的市场的一个一个预期。呃呃，你你说我我会不会去参与它啊？也许我会拿一点小钱去作为作为对一个 Elon 的一个支持，把它当成一个稀缺资产啊呃呃呃，摆在那里面啊。但是你说我会 All-in 这个资产呢？那可能也不会啊。
陈茜: 对，然后大家会觉得在 26 年会出现什么黑天鹅事件呢？啊，比如说我这边可能列 4 个哈。第一呢是大模型边际进步放缓。第二个呢是 Capex 集体收缩。第三呢是监管或者地缘政治冲击。第四呢是 AI 商业化的 ROI 长期不达预期。你们觉得这四个或者你们欢迎大家补充，你们觉得害怕的这个黑天鹅事件哈啊，哪一个会最大的冲击市场？哪一个是你们最担心，但是市场还没有充分定价的风险。
Bruce: 哦，你你你刚才说那四个对我来讲是一个一个东西啊，就是 AI 这块停滞了，AI 的这个这个这个呃呃就是呃呃回报率不够 ROI 不够，或者是是呃模型见顶。那自然会导致大家可能所有的可能最直接的反应就是所有的这些大厂不敢再去在加放缓在这边的投资。我觉得其实说的是一回事，这个算不上黑天鹅，这个是你可能是至少是集中可能出现的情况。
真正的黑天鹅，我可能会想，其实我会我会跳出来看啊。比如欧洲会不会出现出现大的状况啊，导致呃整个的整个的风险偏好呃下来。日本，因为日本是在这个周期的这个顶部啊，那一方面新上来的这个呃呃呃政府啊想去大力的推进呃激进的财政政策。另外一方面呢，BOJ（日本央行）啊又受制于这个通胀啊，它又要要加息。不管是欧洲还是日本，欧洲，因为由于各种各样原因，他也需要去去激进的财政政策，市场会不会支持它？
当市场不再支持政府的这种激进的呃呃呃财政政策的时候，会造成短期的一个流动性的收缩啊，在我看来这可能是个才是真正意义上的一个黑天鹅事件。呃，我觉得市场并没有去去去 Price 这个东西。那 AI 刚才我们讲的那些东西，这个不是一下子就能来的？我觉得这可能要两三个月，大家逐渐的这个在这个信息在市场上面去发酵，来作为一个这么一个发展。我觉得呃呃有可能啊，虽然这不是我们的 Base Case。