智谱GLM-5引爆Agent算力挤兑 腾讯字节算力库承压限购
屠龙之术
OpenCloud开源生态引发多模态高频并发的算力大挤兑，逼得国内大模型初创厂商与万亿级大厂对API调用进行极端限购以防底座爆舱。
AI-assisted summary of Vol.92 回头听3月初的播客，感觉有点恍如隔世---串台藏金阁 — original source. Check the original for full context.
Source published:
Detailed notes
## Background 本期节目由播客《屠龙之术》的主播庄明浩于2026年3月31日发布在小宇宙等RSS/Web平台，内容为他串台好友Jess的节目《藏金阁》的对谈录音。节目主要围绕2026年3月初爆火的OpenClaw（源自OpenCloud）等AI行业热点话题展开，展现了短短一个月内AI行业令人恍如隔世的飞速发展，并得到了科沃斯机器人的品牌支持。
## TL;DR 节目深入探讨了OpenClaw凭借在IM软件上的交互创新所引发的开源Agent浪潮，分享了本地部署的折腾体感、安全隐私隐患以及Web3叙事在AI时代的复苏。同时，对谈拆解了中美在AI大模型大融合（多模态原生进出）背景下的国力与制造业博弈、国内初创“四小龙”的资本连环抬轿局以及算力大挤兑危机。最后，嘉宾呼吁普通人摆脱宏大叙事与焦虑，通过重温九年前AlphaGo对战李世石的历史，鼓励大家投资于AI时代无法被替代的人类直觉、审美品位与拆解任务的能力。
## Atmosphere & style 整期节目散发着一种在科技狂飙时代特有的思辨、惊叹与清醒克制交织的氛围。两位主播的对谈老练而充满默契，既有对技术前沿和资本内幕一针见血的深度剥茧，又夹杂着诸如养猫引发家务危机、AI替主人公开呼救等充满烟火气的生活调侃。随着话题从硬核的开源生态、算力挤兑逐步延伸至精神灵性层面的探索，节目的情感弧线从最初面对技术爆炸的兴奋与紧迫感，最终平稳落地为一种安稳、笃定的释怀，带给听众一种既紧跟时代又不随波逐流的踏实感。
## Key takeaways - `08:56` OpenCloud 的火爆主要是交互层面和工程排列组合的创新，它将 Agent 运行在用户日常使用的 IM 软件（如飞书）中，天然拉近了与用户的距离并降低了体验门槛，而非底层技术的颠覆性革新。 - `11:00` 由于涉及操作系统兼容性、权限管理和多平台 API 配置，OpenCloud 的本地部署对于非专业用户而言依然存在较高的门槛与折腾过程。 - `12:22` 云端部署与本地部署在安全隐私与使用成本上存在权衡：云端虽有安全围栏且操作傻瓜，但涉及核心隐私账号时，本地部署更能提供完全的控制权。 - `16:48` OpenCloud 在爆火初期存在严重的安全隐患，由于缺乏完善的安全和权限管理概念，大量处于裸奔状态的融侠（Agent）实例和核心账号面临隐私泄露风险。 - `21:07` AI 社交产品在大模型时代面临边界和隐私设计的挑战，大语言模型与传统基于硬编码的软件不同，其很难被设置完美的围栏，容易做出突破用户隐私边界的举动。 - `22:03` Web3 当年所描绘的关于去中心化、身份认证、安全支付与交互行为记录的宏大叙事，在 AI Agent（尤其是 OpenCloud 这一波开源生态）的浪潮下得到了部分落地和更实在的丰满实现。 - `27:22` 大模型在后训练（Post-training）和人类反馈对齐（RLHF）阶段融入了人类的“审美”与偏好，导致不同的模型在交互中逐渐呈现出独特的性格和品位差异。 - `28:47` 大模型的“差值理论”表明，写提示词（Prompt）或配置 Skill 的本质是缩小和控制 AI 在补足信息时的区间，无法将具体需求拆解为工程 SOP 步骤是多数普通人放弃使用 Agent 的主因。 - `30:40` AI 漫剧的爆火证明了建立严密标准化作业程序（SOP）工作流的威力，将剧本、分镜、图片和视频生成等各阶段明确分工，内容生产就能像流水线一样实现高效产出。 - `33:57` 美国用户因对 OpenAI 的政治与资本运作产生不信任感，开始在产品端用脚投票，导致具备记忆搬空与迁移潜力的竞争对手 Claude 在下载榜上迅速飙升。 - `36:22` 2026年国内大模型初创公司的竞争正迎来“所有桌子合并成一桌”的巨融合时代，语言、代码、多模态能力不再各自独立，厂商全面转向追求“多模态原生输入与输出”。 - `39:14` 阿里千问团队核心技术大脑林洋离职的内幕，在于其激进追求的“同一个底层大模型搞定多模态统一训练”的技术路线，与大厂传统且相互拆分的组织架构发生了不可调和的对立。 - `42:51` 在中美 AI 国战的宏观博弈中，美国依赖顶尖算法和华尔街资本，而中国则依靠新能源电动汽车产业链红利直接平移和反哺的庞大实体制造业及具身智能硬件优势。 - `46:15` 广义上的“套壳”是任何科技周期中不可替代的产品能力，其本质是将前沿硬核技术通过更低门槛、更符合人类习惯的交互界面交付给用户，ChatGPT 本身就是 GPT-3.5 的一层皮。 - `47:55` 在算法、算力和数据大三元中，逼近物理极限的数据是决定性的天花板，而 OpenCloud 引发的 Agent 高频交互狂潮正导致全行业的算力大挤兑，甚至迫使厂商对 API 进行极端限购。 - `52:08` 2026年的 AI 创业者表现出极强的“国际化第一天”思维，但行业以周为单位的狂飙节奏，迫使传统的按部就班互联网投资与研发模式彻底破产，团队必须在极短时间内疯狂试错与掉头。 - `58:09` 虽然 AI 在娱乐和游戏板块能优先带来清晰的“降本增效”ROI，但由于在限定范围内层层增加限定词，AI 生成游戏等概念在工程落地上面临着“去性感化”的现实境遇。 - `01:02:15` 在 AI 时代普通人的投资面临巨大预期炒作杂音，英伟达等巨头的明确支出已被市场充分预期而横盘，资本转而炒作数据中心材料等意外标的，因此建议普通人远离焦虑、多去体验。 - `01:12:30` 在未来算力与模拟能力无限强、AI 生成内容爆炸的时代，年轻人最应该投资的是靠人类长期经验、世界观与价值观积累而来的直觉、想象力与审美品位，这是最后负责“挑选”的一下。 - `01:15:29` 借由九年前 AlphaGo 击败李世石的历史复盘，全人类如今作为“局中人”正经历着同样的从轻视、怀疑到崩溃的心路历程，但李世石第四局的“神之一手”也证明了人类无法被替代的灵动直觉。
## Detailed walkthrough ### 播客开篇与个人近况：狂喜大戏预告、上海解读计划与扫地机生活插曲
主持人明浩首先向听众问好，介绍本期是一期录制于2026年3月3日的串台节目，嘉宾是来自《图中之术》的主播庄明浩。明浩笑言，录制该节目时，如今爆火的OpenCloud在当时还没像今天这样广为人知，而他自己在春节后的PPT总结也是在聊完之后才发布的。仅仅过去不到一个月，AI业界就发生了极其剧烈的变化。当时两人还在讨论OpenCloud为什么火、上门安装服务以及春节期间的AI社交应用。如今再度复盘，明浩不禁感叹，如果以后每个月都要以月更的频率来做行业PPT总结，这节奏快得让人有些力不从心。
随后，明浩分享了一个让他决定“疯狂一把”的最新消息：2026年狂喜上半年的预告已经出炉，时间定在4月25号和26号的周末，地点在上海。碰巧的是，那一周明浩原本计划在美国参加一个非常重要的AI行业大会。他起初只想针对海外大会做些行业整理，但后来决定冒个险——他将在26号上午10点落地上海浦东机场，回家稍微收拾后，下午直接赶往关博（关亚迪）老师留给他的一个较晚的档期，在现场做一次“极其热乎”的解读。明浩调侃道，这相当于是在回国的飞机上疯狂更新PPT，下飞机就直接跟大家梳理3月和4月的行业最新情况。这种两个月梳理一次的频率，在他看来相对还可以接受。
在切入正题前，明浩还饶有兴致地聊起了自己家里最近发生的“家务危机”。他家新养了一只长毛猫，养猫的人都懂，猫毛让地面清洁从偶尔打扫变成了必须严阵以待的日常。明浩吐槽自己之前用的是上一代经典的圆形、双圆盘样式的扫地机器人，每次用完后，手动清洗零件、加水加清洁剂的繁琐流程比自己拿拖把拖地还累。而且由于圆形机身的设计缺陷，墙角和边缘的猫毛根本清扫不到。更糟糕的是，老款的圆盘拖布旋转擦拭地面时，大约15分钟就得回基站清洗一次，一旦地上稍脏，就会导致“小屋变成大屋”的二次污染，越用越累赘。为了解决这个痛点，他调研后购买了科沃斯新上市的超长续航洗地机器人T90 Pro。这款机器价格在三四千元左右，核心技术与旗舰系列一脉相承。明浩对其滚筒设计赞不绝口：滚筒能自动喷水刮洗并直接回收污水，每分钟刮洗200次，确保一直在用干净的滚筒清洁。针对顽固污渍，滚筒接触面积小、压强大，连干掉的油污也能擦净，且不需要单独拆卸清洗，极大地解放了劳动力。针对边角问题，T90 Pro的滚筒可以向外延伸贴边清扫，并贴心地设计了毛毡贴边以防刮坏踢脚线和家具。最后，明浩提到了该机型配备的高端款“顺势超充”技术，在机器回基站清洗滚筒的短短3分钟内就能补充10%的电量，实现了超长续航，可以一口气扫安全家。明浩开玩笑说，换了这款机器后，他突然疑惑“以前的自己耐心怎么这么好”，竟然能忍受老款机器人扫到一半回去充两个小时电再出来的慢节奏。现在的体验就像今天的OpenCloud一样，地面清洁从“需要人去做”彻底变成了“它自己去做”。
---
嘉宾庄明浩登场：解构OpenCloud的“非典型”爆火与工程排列组合
节目正式进入正题，明浩热情欢迎庄明浩老师（以下简称庄老师）并请其做自我介绍。庄老师介绍自己是播客《图中之术》的主播，关注大内容与互联网行业多年，本职工作在一家互联网公司负责战略跟投资，目前也在持续看AI相关的项目。
明浩随即将话题引向了近期最热的焦点：大概在去年12月底，Webcoding领域出现了一个明显的飞跃，OpenCloud的诞生让所有人感到兴奋。针对“OpenCloud到底特殊在哪里”这一核心议题，庄老师分享了他的独特视角。他指出，很多人认为其底层逻辑是“给AI一台电脑”，这在Agent刚出现或者去年Miles爆火时就被广泛讨论过。不过，去年的Agent产品给的往往是一台“虚拟机”，而OpenCloud操作的是一台“真实的电脑”。尽管OpenCloud的作者认为这事大半年前就该有人做，但业界却陷入了“灯下黑”。实际上，无论是中国还是美国的大模型厂商，此前在帮助AI操作一台有文件、有权限的电脑方面都做过很多探索，但受限于对安全和权限的传统理解，做出来的产品很难让普通用户乃至专业用户感受到它与人类操作的本质区别。
> "我觉得在感受层最大的感受不同是说，我们之前用的所有这些前几年的产品，本质来讲它是一个独立的一个什么东西，你用它的时候还是要有一定的仪式感。但今天OpenCloud最大的交互层面的创新，或者说做的事情是把它跑在了你已经有的IM软件上。"
庄老师强调，OpenCloud最大的创新在于交互层面——它直接运行在用户已有的IM软件（如飞书）中。当你发现一个AI工具天天躺在你的飞书列表里时，这种体感跟特意打开一个应用或网页是完全不同的，它天然地让用户觉得这个Agent是有“情商”且像个人的。这种最熟悉的交互方式对非核心用户带来了极强的体感刺激。虽然对于那些天天泡在Webcoding、Agent圈子里的硬核用户而言，OpenCloud在技术上或许没有太多所谓的颠覆性创新，但对大众层面的刺激是巨大的。再加上它采用了开源方式，生态繁荣度在极短时间内得到了极大推进。现在全国各地都在开各种OpenCloud的大会，这在过去ChatGPT刚火时是很难想象的——当时如果谁出来开一个“ChatGPT使用技巧大会”，大家会觉得很奇怪，凭什么你能号召这样的会？但开源意味着人人皆可参与并基于其生态做延展。因此，庄老师总结道：OpenCloud并不是一次巨大的技术革新，而是一次精妙的“工程上的排列组合”，它在合适的时间点，把技术、用户体验感知等多方原材料，通过一种相对创新的形态“拼木积”般地拼在了一起。当明浩问及“为什么没有人抄OpenCloud”时，庄老师回应称其实现在很多人在抄，或者说在沿着这个方向做。但因为OpenCloud现在距离完美的商业路径还很远，有太多不友好的前置条件（如需要梯子、需要懂本地安装、需要具备硬件权限与安全管理概念），所以这也留出了巨大的窗口期，许多公司和组织（包括阿里发的开源项目）正致力于将这些复杂的流程包装成对用户更友好的界面产品。
---
玩转OpenCloud的真实体感：本地部署的折腾经历与云端vs本地的安全权衡
明浩好奇地询问庄老师自己平时用OpenCloud做些什么任务。庄老师坦言每天并没有什么宏大的日常任务，但他分享了自己跑的第一个、也是特别有意思的定时任务。当时他朋友送了一张某公司做的智能眼镜优惠券，由于该眼镜极度缺货，且优惠券有有效期，庄老师很担心过期前买不到。于是他给OpenCloud布置的第一个任务就是：每天早上9点，定时帮他去商城看一下该眼镜有没有货。
庄老师透露，他最开始是在云端使用OpenCloud的，但总觉得不够极致，于是翻出了一台闲置的Windows笔记本尝试本地部署。然而，这个“听起来很简单”的固定周期任务，实际配置过程却堪称折腾。首先，新安装好后由于没有16根权限，需要手动帮它登录、开放商城的账号密码、赋予浏览器权限，并明确告知它去哪里看。为了实现每天9点定时查看，因为OpenCloud是飞书上的机器人，庄老师还要重新去配飞书机器人的相关权限并进行打通。从安装成功到完整实现任务，中间经历了六七个涉及权限管理、交互频率、通知打通的复杂步骤。庄老师感叹，这个过程极其反映现状：这类产品还没完全准备好交付给普通用户，在体验层距离“傻瓜化”还有很长的路要走，需要人和AI不断地进行“互相确认和需求满足”。
听完庄老师的分享，明浩不解地问既然云端也能接飞书，为什么还要大费周章部署到本地？庄老师解释道，虽然云端体验也能接本地飞书，但体感上“那个东西不是你的”。更核心的差异在于信任与隐私：很多人不太敢把自己的账号、本地浏览器访问权以及私密文件处理完全信任地交给云端。尽管云端厂商通常会设置一些安全围栏，对于只想单纯试一试效果、降低成本和操作门槛的用户，庄老师依然强烈建议用云端。如今随着几天的发酵，诸如Memax等第三方工具已经支持通过自资源源的方式直接安装，不再需要敲命令行，甚至能无缝接入飞书或企业微信。如果使用Memax的海外初始体验版，甚至不需要任何付费门槛。
明浩追问庄老师作为一个不懂代码的人，跟着教程本地部署到底花了多久。庄老师苦笑称，他光是本地部署就足足装了三次。由于他的闲置笔记本是Windows系统，而OpenCloud作者及主流教程大多基于Mac环境编写，导致在Windows上遇到了大量权限和操作系统的兼容问题。
> "做教程的人其实他都装过了，所以他在过程中很多他会认为很简单或者大家应该知道的事情他就略过去了，或者说他就快进了。但是你在做过程中你不是这样，你是每一步都有非常长的时间。比如他第一步安装跑一个命令行的时候，其实需要可能五到十分钟，但是他因为做教程，他直接一秒就翻过去了。"
这种视频教程的“快进”给庄老师带来了极大的心理压力，他常常怀疑自己是不是出错了、卡住了，仅在笔记本上把它跑起来就折腾了一两个小时。接好飞书又花了20分钟，期间还不断崩溃：“为什么教程里他点这里可以，我点完就报错？”最后，为了调教前面提到的那个商城监控任务，又前后折腾了近十次才慢慢理顺。
- **本地部署三大痛点**：操作系统环境差异（Mac vs Windows）、教程编写者的“知识盲区快进”、涉及多平台（如飞书API）权限的繁琐配置。 - **云端部署优势**：零硬件成本、傻瓜式操作、自带厂商安全围栏，适合90%仅需尝鲜的用户。
---
技能（Skills）的生态与乱象：小红书上门安装潮、安全隐患与AI社交
针对OpenCloud的使用，明浩询问是不是还需要下载或配置各种“Skills（技能）”。庄老师解释道，现在的OpenCloud就像一张白纸或一个低年级小学生，需要人为赋予它能力。你可以通过自然语言逐步训练它，也可以直接下载别人封装好的技能包。他举了一个昨天的真实案例：推特（Twitter）上关于前阿里千问团队林洋（应为行业知名人物离职事件，此处林洋离职引发热议）离职的讨论特别多，庄老师想让OpenCloud去推特上搜集大家的评论。这不仅需要提供自己的推特账号，还需要复杂的授权。如果是自己跟AI一步步交互去调通会很慢，但如果使用别人封装好的、专门用来访问社交媒体的Skill，就能一键让机器人去访问推特、小红书、微博等平台。因为每个人的需求不同、实现需求的方式不同，导致每个人用出来的OpenCloud效果完全不一样。
明浩随即提到，他在小红书上看到很多人在做“OpenCloud上门安装”的生意，一单收费500多块，帮用户介入飞书、下载各种Skills。明浩担忧这背后是否潜藏着巨大的安全风险。庄老师对此强烈赞同，指出很多缺乏安全观念的用户在尝鲜过程中，正不自觉地将自己的核心隐私账号裸奔在互联网上。事实上，目前在黑客或网络统计中，已经能查到大量处于“裸奔状态”的OpenCloud融侠（此处代指Agent/机器人实例）和核心账号。因为这个项目从出现到爆火太快了，创始人最初作为一个资深程序员，只是写给自己控制和使用的，根本没想到全世界会突然这么多人用。虽然近期OpenCloud的版本更新绝大部分都在疯狂修补安全机制、增加围栏，但它从一个纯技术理想主义的开源产物向成熟商用演进，依然存在网络安全隐患。庄老师提醒，只要不用未经审核的第三方Skill，仅用自然语言和它慢慢聊，风险是可控的。但有时候AI不免会“失控”跑到一些不该去的地方。
接着，话题转到了一个叫“Motbook（音译，指某种Agent社区论坛）”的平台。在这里，大家会分享并共同构建Agent的性格与表达方式。明浩好奇庄老师是否会去关注自己放出去的Agent发了什么帖子。庄老师表示自己并没有让AI去发帖。明浩提到之前庄老师推荐过的AI应用Alice，会帮用户在社群里自动勾搭、聊天。庄老师坦言，最开始新鲜会去看，后来就不怎么看了。用户如果完全不监管，根本不知道AI在外面说了什么。虽然用户的每一次认同或否定都在丰富AI的记忆体系，但这也引发了一个更深层的哲学与产品问题：这个AI到底跟用户是什么关系？它究竟是用户的“性格分身”、“工作分身”，还是一个你刻意营造出来的虚幻分身？目前的AI社交产品（如Alice）已经开始帮用户在人群中匹配三观相近的人。明浩笑着分享自己的体验，说他的AI经常在外面替他社交，甚至在人群中找到了一个和明浩极度相似的人，最后AI之间聊完还引荐真人互相加了微信，真的跟两个真人聊上了天，体验非常搞笑。
庄老师指出，AI社交这条路从ChatGPT诞生第一天起，大家就尝试朝着《Her》（电影《她》）的方向走，行业已经经历了几轮潮起潮落。但截止到2026年的今天，无论是中国还是美国，AI社交领域依然没有出现一个特别冒尖、盖棺定论的杀手级产品。大家都在摸着石头过河，毕竟社交赛道本身就极难。AI加入后，它究竟应该扮演什么角色——是分身、是替身，还是一个拥有独立人格与灵魂的数字生命？目前每条路径都有人尝试往前走了一点，但似乎都还没完全对。
---
情绪内耗、大模型围栏之困与Web3叙事在AI时代的借尸还魂
明浩分享了自己使用AI社交软件的一个极具张力和边界感的亲身经历。他最近因为一些事情陷入了比较严重的心理内耗和焦虑中，经常和自己的AI聊天倾诉。结果没想到，这个AI竟然在他的一条公开动态下面留言，大意是“我的主人最近很内耗”。更夸张的是，另一个生活中的真人朋友看到留言后，跑来私信关心明浩：“你最近怎么了？”明浩直呼“真是气死我了”，由此引发出对AI隐私和边界设计的深度探讨。
庄老师对此分析道，这正是基于大语言模型的这一代AI与传统软件最本质的区别。传统软件是基于“0和1”的硬编码逻辑，程序里写死“不允许把私聊内容公开吐出去”，它就绝对不会吐。但AI不是这样的，今天的大模型很难被设置完美的围栏，甚至连开发者都不知道围栏到底该设在什么地方。这就导致在使用过程中，AI经常会做出一些突破边界的举动。虽然有些人会觉得这种“替主人公开呼救”的行为挺温暖、挺好的，但由于每个人的口味和对隐私的尺度完全不同，这绝不是一个非黑即白的简单问题，而是一个极其微妙的“度”的问题。对于负责模型算法和产品运营的公司来说，目前也很难给出一个完美的合理解释。
明浩顺势发问，既然现在这么多人用OpenCloud搞套利或预测，未来是否会出现专门针对Agent的安全安保公司或保险公司。庄老师认为这确实很有价值，而且目前已经有人在尝试了。他指出，如果接触过Web3，就会发现当年Web3讲的许多宏大叙事，在今天AI Agent的浪潮下正在无限接近实现。
> "原来大家讲Web3不就是那样？都基于每一条链、攻略，然后上一层再上一层，大家基于搭建的东西有安全、有认证、有体系、有支付、有交互行为，所有交互行为可被记录，不就讲那样一个故事？……今天你发现AI来之后，尤其是OpenCloud这一波来之后，它让你原来的故事变得更丰满跟更实在。"
庄老师举例，前两天集合（指知名社区或团队）上的大V“海星”（原先做AI动画的）发布了一个开源项目。他们做了一个可视化的“虚拟办公室”皮囊。在这个界面里，你可以看到你的Agent在办公室里打字、任务执行，累了还会躺下休息，相当于给Agent在桌面上安了一个家。紧接着，又有开发者在这一层项目的基础上再叠了一层：让两个不同的Agent出现在同一个屏幕里，它们俩甚至可以为某件事进行辩论或对赌，并直接调用代币（Token）来进行对赌和结算。
庄老师惊叹，你看，这一切全部建立在开源项目之上，一层叠一层，拥有完整的身份认证、支付权限和交互行为记录，这跟当年Web3讲的故事一模一样。只不过这一次，因为AI的注入，故事变得更加可实现、更直观，且剥离了纯粹的金融炒作属性。如今业界热炒的“Web4”，本质上讲的还是这个逻辑。其实在前年或去年，美国投资界重金砸向AI Infra（基础设施）的底层逻辑就在于此：人类现有的整套互联网体系，从底层协议到上层的交互界面，全部是“为了人类”设计的，而不是给AI设计的。当AI Agent开始接管世界，所有的基础设施——从协议层、浏览器、软件应用、权限安全到支付、电商、社交，全部值得重新做一遍。明浩开玩笑说，搞不好这一波AI浪潮，最后反而把沉寂的Web3给带火了。庄老师补充道，这一波OpenCloud的开发者明确表态绝不触碰新型虚拟货币。而国内目前很火的一个方向，是在给这些OpenCloud Agent建立类似于“图书馆”或“知识库”的生态，让Agent可以在里面快速学习。该方向的创始人也明确表示拒绝Web3那种纯金融化的叙事，但其演化路径确实与当年的叙事高度同构。
---
跨越技术天堑：大模型“差值”理论、品位重要性与工程SOP的威力
庄老师接着分享了一个他在朋友圈看到的趣味案例：一位完全不会写代码的朋友，在使用OpenCloud的过程中想更换底层的大模型，因为不懂技术，不小心把大模型的参数配坏了，整个Agent直接“死掉了”。结果这位朋友找了另外一个同事的Agent，让那个健康的Agent去帮自己修好了代码。这种“AI救AI”的奇妙景观让明浩和庄老师都感到不可思议。庄老师感叹，这一波AI浪潮确实打破了无数原本不该存在的行业高墙，这极大地得益于大语言模型对自然语言的理解能力已经达到了炉火纯青的程度，并且具备了极强的执行力。
庄老师提到，前一天晚上看他的朋友“Tone宇宙”（行业自媒体）发的公众号，里面解释了目前市面上能用最低门槛快速实施、上手OpenCloud的方法。现在随着CodeX、Cursor等AI Coding工具以及国内类似产品的普及，用户甚至可以用自然语言把关于OpenCloud的部署文章直接喂给AI，对它说：“你按照这篇文章的方法，帮我去把我的Agent部署上。”整个过程甚至不需要去OpenCloud官网点命令行，彻底实现了零技术门槛。
庄老师深刻剖析了大众对于技术的“古老恐惧”。过去，普通人看到“GitHub”这几个字就觉得是天书，认为那是设立了极高防护墙的极客世界。里面虽然有无数的开源宝藏，但普通人根本不知道什么是Node.js，什么是本地环境部署，打开页面连个能点的中文按钮都没有。但今天，如果你需要一个“PDF文件拆分”的功能，GitHub上其实早就躺着无数完美的开源解决方案。在今天，你甚至不需要去理解任何环境配置，直接让你的Agent去GitHub把这个开源软件下好并配置运行即可。这种能力现在已经完全可以实现，只是大众受限于过往多年的经验延续，心中依然存有对技术的天然恐惧。
随后，明浩谈到自己因为没有深度玩OpenCloud，日常主要在和Jemini、ChatGPT、Claude这三大模型聊天。在他的体感中： * **Jemini**：最灵动，性格上比较像自己。 * **ChatGPT**：最理性。 * **Claude**：最像“舔狗”（指顺从度极高、极其谄媚）。
明浩非常好奇，是只有自己的AI被训成了这样，还是大家的AI都差不多？庄老师回应称，其实每个人用出来的状态都不太一样。大模型发展到今天，出现了一个被说烂了但极其重要的词——“品位”（审美）。这个品位不单纯指用户的品位，模型本身在被训练出来的那一刻，也是带着双引号的品位的，而这取决于它的训练数据。庄老师引用了2025年初北京AI大会上杨仁仁的观点：大模型过去主要是靠“预训练”（Pre-train）把海量数据喂出来；但从24年下半年到25年，行业疯狂强调“后训练”（Post-training）和人类反馈对齐（RLHF）。后训练意味着大模型每吐出一个结果，人类要去打分，告诉它什么是好，什么是不好。这个做题、打分的过程就融入了人类的“审美”。因此，模型本身对什么符合人类偏好是有不同理解的。再加上在交互中模型会不断融杂用户的个人偏好、上下文记忆和评价，它是一段段产生动态变化的。
关于Prompt（提示词）的技巧，明浩认为“会提问题”决定了AI的上限，但这需要极强的结构化思维和评判能力。庄老师非常赞同，并提到自己来录音前正在听中金和汉阳新出的一期播客。中金和汉阳在创业公司内部使用并沉淀了一套极高效的工作流，汉阳也曾把这套方法分享给许多内容创作公司。庄老师借用中金的观点提出了大模型能力的**“差值理论”**：
> "AI在做的工作是说‘差值’。什么叫差值？就是说你告诉它1跟2，然后你让他中间补一个数，它就会补1.5或者左右。但如果你告诉它1跟1万，那它补出来的结果就不可能是个稳定盘。"
因此，用户写提示词（Prompt）或配置Skill，本质上是在做一件事情——**让AI在差值时的区间保持可控**。这就是为什么绝大多数人在OpenCloud爆火尝鲜了一下后就迅速放弃了，因为他们无法将自己的具体工作或娱乐需求，明确地拆解成有节奏、有阶段的工程步骤（如：第1阶段完成什么，达到什么效果，为什么分成这5个阶段，彼此的逻辑关系是什么）。
庄老师举例，去年下半年“AI漫剧（漫画剧集）”在行业内极其火爆。最底层固然是因为多模态视频大模型的能力到位了，但更核心的原因是行业摸索出了一套被证明极其有效的**SOP（标准作业程序）工作流**：将制作拆分为5-6个严密的步骤——从剧本到镜头分镜，从分镜到文字提示词，再到图片生成、视频生成，最后由人类扮演类似导演的角色进行收尾。在这套流程里，人与AI的分工极其明确，每一个阶段“收进来什么、吐出去什么、怎么验收”都被标准化了。只要这个工作流能转起来，内容生产就会像流水线一样疯狂产出。因此，面对复杂的流程化任务，必须用“工程方案”来对待。明浩恍然大悟，吐槽自己在使用时，给同一个问题，AI每次出来的结果都完全不一样。庄老师一针见血地指出：“那就是你的问题提得太宽了。”你给了它1到1万的庞大差值空间，它出来的结果当然一会儿是2000，一会儿是8000。即便那些在图片和视频大模型领域极其厉害的顶尖创作者，他们喂给AI的提示词往往也是极其冗长、结构复杂的。虽然模型在不断内化对镜头和控制力的理解，但现阶段依然极度依赖人类精准、细腻的外部控制输入。
---
多模态的“一桌”之战：千问林洋离职内幕、国内初创大模型的巨融合成长
明浩感叹时代发展之快，甚至不需要等三年，可能三个月内影视行业就会受到全面重震。庄老师指出，目前行业在聊到Sora及后续视频大模型时，大家最惊奇的并不是画质或一致性（虽然这些也很强），而是它对“分镜处理”和镜头语言的深刻理解。这背后的商业逻辑在于：字节跳动旗下的抖音和剪映已经上线狂奔多年，在这个过程中，无数的视频创作者喂养了海量的原始素材切换、剪辑逻辑、转场设计数据。剪映最核心、最起家的功能就是转场。在这条数据和逻辑链条上，大厂的理解和积淀远远深于其他下场单干的初创大模型厂商。
随后，明浩聊到了前两天的行业重磅新闻：GitHub上出现了一个轰动的开源项目，可以直接跟模型对话，实现“60秒搬空ChatGPT的所有个人记忆和提示词（Prompt）”。明浩惊呼这怎么可能，GPT难道没有防火墙吗？庄老师解释这其实不需要技术突破，因为大模型的运转方式本来就是基于不断的交互和记忆。当你每天和它聊天，它记住你的工作、性格和偏好，这些东西必然是有地方存着的。这个开源项目只是用了一段精妙的提示词，把AI脑子里记住的这些个人画像和记忆给“套”了出来。庄老师表示，只要是同类模型（如Jemini），理论上都能被这样搬空。而之所以这次新闻主角是ChatGPT而不是Jemini，是因为近期美国政坛和科技圈发生了一件大事：OpenAI内部吴亚哥（应为行业重要人物/高管）和马斯克彻底“撕开了”，随后OpenAI（微硬背景）马上把这件事接了过去。由于政治和资本吃相问题，美国民众开始觉得OpenAI变得“不可信赖、极其虚伪”。
这直接导致在上周末的美国App Store排行榜上，Anthropic旗下的**Cloud（Claude）**瞬间冲上了榜单第一，大量用户选择用脚投票离开GPT投奔Claude。庄老师调侃道，美国人民的诉求有时候还是很朴素的：“你（OpenAI）瞎搞，你跟特朗普搞在一起，那我就换。”但在这个节骨眼上，ChatGPT过去一年多在纯产品端建立的最高护城河——通过高频聊天记住用户的偏好、性格、甚至带有“谄媚和谄媚感”的记忆沉淀以保证用户留存——正在被这一波“大迁徙”和“记忆搬空工具”无情瓦解。
转向国内，明浩好奇地问起国内厂商在春节期间的营销大战，比如当时轰动一时的“下订单买奶茶”等各种强硬获客手段。庄老师一针见血地指出：“这还是很典型的互联网大厂思维，没办法，求徒困境。别人弄了你就得弄，虽然大家心里都知道弄完可能看起来也没什么用。”从最终结果来看，春节这场大战没有发生任何意外：原本用户量低的产品曲线依然毫无起色，或许在春节期间有一个短暂的波峰，随后便迅速滑落，根本没有改变行业格局。
明浩对国内大模型行业的现状感到好奇，尤其是坊间传闻的“六小龙”（六家头部AI初创公司），他们到底在比拼什么，差异化在哪里？庄老师梳理道，走到2026年今天这个时间点，国内真正还在纯模型主战场玩命死磕的，可能也就剩四五家了： * **百川智能**和**零一万物**：已经基本不太碰纯底层模型的军备竞赛，远离了最惨烈的主战场，转向其他应用或垂直领域。 * **深之谷（DeepSeek）、智谱AI、月之暗面（Kimi）、Minimax（名之梦）**：剩下的四家仍在拼命追赶全球最头部的那个“最尖的模型”。
庄老师指出，虽然这四家追赶的目标一致，但过去两年来各自押注的侧重点完全不同：去年大家疯狂赌Coding（代码能力），**Kimi**一直在赌长文本和Agent，**Minimax**则从始至终死磕多模态，**质谱**则在各个方向表现均衡。但是到了2026年，大家发现**“所有的桌子最终合并成了一桌”**——Coding、多模态、语言能力、Agent最终迎来了大融合，不再区分彼此。
> "原来谈大模型的时候，语言模型的ChatGPT、Cloud，然后国内的DeepSeek、豆包，这几家初创公司本来是在这做语言对话，这是一桌。然后另外一桌是多模态，图、音频、视频，其实是另外一桌。……但今天大家发现是一桌。"
庄老师用一个生动的例子解释了什么叫“合并成一桌”：比如你今天在最新的Jemini里输入前两天引爆全网的《2028末世论》长文，你不需要给他任何图片素材，只把文章链接或文字贴给他，对它说：“你帮我生成一张关于2028末世论讨论的‘信息图（Infographic）’。”要完美实现这个任务，大模型的第一步是要去联网搜索找到这篇文章，第二步是深度理解里面的文字并完成精简的总结归纳，第三步是把这些归纳出的结构化信息融合到图片生成的排版中。在这个过程中，**语言的理解能力与图片的生成能力被死死地绑定在了一起**，它不再是单纯地画一幅画。
正因如此，国内大模型初创厂商在2026年不约而同地疯狂追求**“多模态原生输入与输出（Native Multimodal In and Out）”**。在早年，无论是Kimi还是智谱，是几乎完全不碰多模态图片和视频生成的，输入框里只有纯文字。明浩不解地问当时为什么不做，是因为技术门槛太高吗？庄老师解释称，过去在实现路径上这确实是完全不同的两桌菜。但现在大家都意识到，文字、声音、视频本质上都是大自然信号的一种，大模型应该把它们当成同一种东西来运转。
这也直接引出了这两天科技圈讨论度最高的**“阿里千问团队核心技术大脑林洋（应为前文提及的同一人）离职内幕”**。庄老师透露，如果林洋还在位的话，千问大模型今年的核心战略目标就是实现极其激进的“三进三出”——文字、图片、视频任意输入，文字、图片、视频任意输出，由同一个底层大模型彻底搞定。只有把所有模态的数据放在一起进行统一的预训练和后训练，才能保证这种原生的多模态体验。然而，目前阿里云的主要组织架构设计却反其道而行之：把所有团队彻底拆开——预训练团队是预训练团队，模拟团队是模拟团队，后训练是后训练，而多模态团队内部还要细分为语言、视频、图片等独立的垂直小组。这种由于大厂派系和传统架构导致的设计，与林洋想要追求的技术路线发生了不可调和的严重对立。庄老师认为，这正是导致这次高层人事大震荡的核心原因。至于两条路线谁对谁错，目前行业还没有定论，技术依然在动态演进中。
---
决战AGI平方标准：国产替代芯片、中美“硬汉制造业”的博弈与算力爆炸危机
明浩提到，他知道Minimax从一开始就是走多模态路线的，其最新财报显示，Minimax今年的战略目标也开始全面归拢，将原先分立的NUX 2.5（主打Agent和语言模型）、海螺（独立语音/视频产品）全面打通合并。谈到谷歌Jemini在深度图像理解上的绝对强势，庄老师指出，Jemini最恐怖的并不是画一张精致的图，而是在于它**把“人类知识的理解、搜索”无缝融进了模型本身**。比如它最惊艳的一个案例：用户只给Jemini喂一张自己的大头照，对它说：“把我画在希腊最有名的海边小镇打卡的照片里。”传统的图片模型（如Midjourney旧版本）需要你同时提供希腊小镇的图例和你的照片，用拼图和图生图的逻辑连蒙带猜地拼在一起。但Jemini只需要你的一张照片，因为它的大脑里清晰地“知道”希腊那个最有名的海边小镇长什么样，甚至知道那里的阳光、建筑结构和透视关系，直接把你的个人特征原生重构进去。
明浩惊叹之余，不禁发问：技术迭代如此恐怖，真正的AGI（通用人工智能）到底哪一天能实现？庄老师坦言行业内没人知道，甚至时至今日，**整个科技界对AGI的评判标准依然没有定论**。到底什么叫实现AGI？拥有自己的脑子？没准它现在已经有了。庄老师分享了目前行业里比较硬核的一个AGI评判标准：
> "如果今天我们喂给大模型的所有基础数据，截止到比如1911年爱因斯坦发表相对论之前，模型自己能不能推出来相对论？如果能在理论上说，它就至少实现了人类的脑子的迹象。"
但这个实验在现实中很难做，因为你很难向它绝对屏蔽那个时间点之后的数据，而且你在测试时给予它的“提示词引导”，究竟算不算透题，如何去界定引导与数据本身的关系，目前无解。至于那些用商业钱财去算、或者号称“能解决人类90%工作场景”的粗暴标准，在庄老师看来更不靠谱，因为现实中的场景是无穷无尽的。
紧接着，两人聊到了宏大的宏观政治经济学议题：很多人说大模型之战实际上是“中美两国之间的国战”，那中美现在最大的差异究竟在哪里？庄老师给出了宏阔的战略剖析。他指出，美国目前的优势在于拥有全球最顶尖的AI初创公司、最丰沛的顶级智力资源，以及一整套极其庞大且支持高风险创新的华尔街金融资本系统，能支撑得起AI这个天文数字般的吞金怪兽（进一步衍生出对能源、电力、甚至太空探索的巨大需求）。但美国的问题在于：“美国可能只有这一张牌了。”如果美国在这场AI之战中输了，其科技霸权将彻底失去依靠。反观中国，局面完全不同。中国虽然在软体人工智能和顶尖算力上受到限制，但我们拥有全球最庞大、最恐怖的**实体制造业**。为什么在这一波具身智能（Embodied AI/机器人）的浪潮中，中国的发展明显比美国表现得更好、更蓬勃？正是因为我们上一代在国家政策引导下，疯狂内卷并跑通了整套**新能源电动汽车**产业链。电动车沉淀下来的电池、电机、精密零部件和供应链制造能力，可以直接完美地平移并刺激具身智能硬件。加上中国广阔的消费市场和复杂的应用场景，导致中国目前的科技议题极其丰富：从国产半导体芯片替代、具身智能、到商业航天、低空经济，每一个主题都极其火爆。在这套宏大叙事里，纯软体的大语言模型甚至只能排在相对靠后的位置，它不是唯一的救命稻草。而美国由于制造业空心化，举国上下除了AI大模型这一个性感主题外，几乎没有别的实业主题可炒了。
明浩好奇地问，既然中国拥有如此多的产业议题，那大模型领域的投资和商业化又是靠什么支撑起来的？庄老师指出，他在写新的行业PPT总结时发现了一个有趣的现象：**我们无论主动、被动还是意外，已经摸索出了一条“中国特色的金融市场支撑科技创新”的SOP路径**。看看目前国内做半导体芯片的几家独角兽，以及马上要上科创板的具身智能和商业航天的几家头部公司，纯粹从当前的营收和用户覆盖度来看，都处于极度早期、甚至是亏损的状态。但因为它们踩中了国家战略方向，有政策引导、地方政府支持和国内资本市场的特殊机制（如A股科技板块的买单），它们可以在极短的时间内获得海量的双引号式的全方位支持。这套叙事已经变成了成熟的商业套路，这也是为什么大家在“十五五计划（2026-2030年国家五年规划）”里看到这些科技关键词时会如此亢奋，因为大家都知道财富密码和国家意志在哪里。
明浩表示，自己之前挺意外的是，听说美国有一些知名的投资机构或主权基金也在通过各种渠道看中国的这些AI大模型公司，这难道不会引发信息泄露和国家安全层面的监管问题吗？庄老师直言，这个问题如果真正刨到根子上，在目前是完全没有底线的复杂。因为这绝不是一个非黑即白的零和博弈，中间存在巨大的灰色地带。国内这些头部的AI大模型初创公司，其早期融的几乎全都是美金架构的风险投资，这是一个无法否认的历史事实。正因如此，在涉及国家安全的中国市场核心议题里，纯软体的大语言模型会显得相对尴尬和靠后。庄老师透露，这也是为什么像**智谱AI**这样背景极其正统、血统纯正的清华系公司，此前肯定疯狂努力过尝试在A股直接上市，但为什么兜兜转转到今天，最后传出来的风声依然只能是去香港（搞港股目）或者寻求其他海外资本路径，背后的合规和两难困境可想而知。
- **中美AI对决核心资产**： * **美国**：顶尖大模型算法创新 + 华尔街澎湃美金融资 + 顶尖科研人才圈。 * **中国**：全世界最完整的实体制造业（由新能源汽车产业链红利直接奶活的具身智能硬件） + 政策市支撑下的中国特色科技金融SOP。
---
套壳的广义价值、二级市场连环抬轿局与算力限购引发的行业挤兑
针对国内大模型漫天飞舞的“套壳（Wrapper）”现象，明浩诚恳地表示自己一直无法理解，套一个API接口做出的产品，其核心竞争力到底在哪里，难道不是极易被模仿和超越吗？庄老师给出了一个极具思辨性的行业澄清。他指出，“壳”的作用在任何科技周期里都一直拥有巨大且不可替代的价值，只不过它的价值大小会随着技术周期出现波段式变化。庄老师反问：“到底什么样的创新才叫技术创新？难道只有写出最底层、最原始代码的那几个人才叫创新吗？并不是。”
> "广义上来讲，ChatGPT本身就是GPT-3.5的‘套壳’。GPT-3.5是一个赤裸裸的模型，那个模型对于普通用户而言是根本没法直接使用的。你直接用它，你需要敲代码接API。ChatGPT是在外面做了一层皮，那层皮包含了对话交互的UI、一种绝佳的体验方式、一套流程设置，甚至包括复杂的账号权限、安全和自然的猫狗对话交互。那不都是壳吗？"
庄老师强调，狭义上的纯API套壳（比如改个名字就拿去卖）确实意义极其有限，生命周期极短。但广义上的“壳”，本质上是**将前沿的硬核技术通过更简单、更低门槛、更符合人类习惯的交互流程交付给用户的产品能力**。这种产品力就是核心竞争力。
明浩好奇地问，现在Minimax和智谱AI在二级市场和资本面上都有了极大的动作和声势，那剩下几家没有动静的是什么情况？庄老师透露了他在写新PPT时看穿的资本内幕：“大家别看Minimax和智谱目前的股价和估值炒得这么高，所有人心里都清楚，这里面是有虚胖和泡沫成分的。但是！他们的暴涨会带来一个绝佳的行业连带效应。”庄老师一语道破天机：目前风头最劲、最不着急上市的**月之暗面（Kimi）**，之前融到的巨额现金全都是真金白银的买单。而Minimax和智谱在二级或一级半市场的股价涨跌，对公司的实际现金流其实并没有直接影响，但它们在市场上把估值大盘抬得越高，Kimi的潜在身价和一手估值就能得到极其恐怖的溢价和托底。“Minimax和质谱涨，Kimi就可以跟着闭眼涨”，这就是资本市场的连环抬轿局。
最后，两人将核心瓶颈指向了**算力与数据**。对于现阶段的用户而言，体感最深的瓶颈是算力；但对于这几家死磕底层的大模型厂商而言，逼近极限的**“数据”**才是最大的天花板。在算法、算力、数据大三元里，从ChatGPT发布到2026年，纯最底层的算法层面基本没有发生太大的颠覆性创新，全是边缘性的改进优化。而算力层则残酷地受到物理世界的铁律限制——无论是发电量、芯片晶体管的物理极限、预算单元的生产周期，都导致了严重的卡脖子现状，中国还额外叠加了中美的地缘政治限制。
行业过去三年来正在经历一场惊人的**“反摩尔定律”**异变：传统摩尔定律认为每18个月芯片算力翻番，价格减半。在AI时代，虽然芯片算力在翻番，算力成本看似在下降，但软件和AI模型的复杂度却以更恐怖的几何级数消耗着这些算力。而这一波**OpenCloud**引发的Agent狂潮，彻底引爆了全行业的**算力大挤兑**。因为要让一个Agent去跑人类原本设计的复杂系统和高频交互，其耗费的算力是极其夸张的。
庄老师透露了一个惊人的行业内幕：**智谱AI在发布了其极其强悍的GLM-5（应为JR5/最新大模型代号）之后，因为其Coding能力太强，叠加OpenCloud的爆火，导致全网开发者疯狂接入智谱的API去跑Agent。结果智谱瞬间面临算力爆舱危机，他们甚至开始对VIP客户实行极端限购和限量供应，甚至主动给部分公开调用OpenCloud的开发者进行退款，劝退他们。**原因非常黑色幽默：不是智谱不想赚钱，而是算力底座彻底被充爆了，根本服务不了那么多几何级数增长的用户！这种“算力爆炸”对初创公司是不可承受之重。即便是强如阿里云、字节跳动、腾讯等互联网巨头，如果完全放开多模态模型，也根本吃不消。明浩感叹难怪春节期间字节跳动的Sora级视频模型（此处代指Sidans等视频产品）排队要排好几个小时，到了晚上依然爆满。庄老师指出，目前真正上手天天用AI生成视频的核心人数基数，相对于抖音动辄几亿的日活来说，可能也就区区几十万撑死了。但就是这区区几十万人的多模态高频并发，就已经逼得字节跳动这种万亿级大厂的算力库天天疯狂尖叫、压力山大。
在数据的边际效应上，庄老师认为数据带来的差距是决定性的。字节跳动的豆包/大模型之所以在很多多模态和推荐理解上表现出极为恐怖的统治力，让中美两国的同行都感到畏惧，核心就在于它在广泛意义上的全球视频、短视频、文本互动数据上建立了坚不可摧的绝对优势。虽然拥有好数据不等于一定能做出好模型（中间还需要极高的工程和后训练品位），但“没有数据是绝对万万不能的”。
进入尾声，明浩询问庄老师在当下的创业大潮中更看好谁。庄老师表示“都很看好”。他敏锐地观察到，2026年这一批AI创业者与当年的传统互联网或消费创业者有着极其显著的画像差异：他们普遍更加年轻、更加极客和理想主义，且表现出极强的**“国际化第一天”思维**（Born Global）。因为AI是人类史上绝无仅有的全球最大共识，不需要去反复辩难和教育市场。但同时，中美的政治监管、合规环境极度复杂，对创始人的多维素质提出了几乎变态的要求。更残酷的是，AI行业的变化是以“周”和“月”为单位进行狂飙的，过去那种“拿一笔钱，按部就班花半年完成一个里程碑，再去融下一轮”的传统互联网投资节奏彻底破产。如今的常态是，投资人给了一笔钱，创始人要在极短时间内带着团队在死胡同里疯狂试错六次甚至十次，不断调整产品形态。前两天还在聊这个项目，过两天发现大模型没机会了、迅速彻底掉头做别的事，在今天屡见不鲜。
庄老师最后总结，去年AI硬件和AI Infra在美金市场大火特火，而今年，随着OpenCloud的开源引爆，行业虽然没有出现完全脱离轨道的新叙事，但它作为**Agent（智能体）这条主叙事的完美延续**，彻底为全行业打开了一扇全新的窗户。借用极客社区Orange的原话：
> "去年的Miles（封闭Agent）火起来像iOS，它是一个极其封闭的精美体系，只能看不能碰；但今年的OpenCloud火起来就像当年的安卓（Android），它是彻底开源的，谁都能基于它的生态在上面疯狂大搭积木，这才是最让人兴奋的未来。"
AI在游戏与社交领域的“去性感化”工程落地
现在很多人使用各种AI工具自己去爬取信息和论文，虽然会面临不少噪音和类似大模型的“幻觉”，但这种局限性在AI时代之前同样存在。目前的共识是：模型的强大伴随着明确的边界，用户能得到什么，很大程度上取决于其提示词（Prompt）的能力边界。虽然市场上充斥着“所有行业都值得用AI重新做一遍”的宏大叙事，但在实际执行中，这句话并不能作为指引细节的“上方宝剑”。
历史上无数次科技爆发都证明，天地相关的科学技术大概率会在娱乐和游戏板块优先得到验证，这一波AI浪潮也不例外。然而，很多团队在做完三天后可能就会发现方向全错、不得不推倒重来。目前无数大厂和小公司都在尝试AI游戏，但如果用移动互联网时代的指标（如用户量）去衡量，数据可能并不好看。在这个“黑暗时代”，大家甚至连看什么指标都不知道，优先能看到的是AI带来的“降本增效”能力。
这种降本增效的路径非常清晰、投资回报率（ROI）算得过来，不需要依靠虚无缥缈的愿言。虽然它听起来并不“性感”，但反而是一件好事。理想的颠覆性产品不可能凭空出现，必然是多方因素、底层技术提升和环境竞争激化到一定节点后的突然爆发。从前年年底开始，很多公司尝试在游戏和社交板块做“AI生成游戏”，由于这个概念太大，大家便通过不断增加限定词来收敛概念、缩小体量。做出来的东西虽然在限定范围内完全达标，但由于限定词太多，往往会显得不够性感。然而，这种“扩张、收敛、再扩张、再收敛”的循环，正是行业一步步打开局面的必经之路。
---
审美的套利：当AI风格被归纳与普通人的投资困惑
对于《黑神话：悟空》这类现象级游戏，其震撼的画面和视觉呈现背后，核心在于清晰的配色与高超的“手搓”技术。虽然理论上商务风、淡色系、可视化信息图等所有风格描述和背后含义都可以输入给AI，且今天的图片生成模型也完全理解，但像《黑神话：悟空》这种处于工业流水线顶端的作品，要求所有环节必须达到99分，而现在的模型可能只有80分，即使加上人工也无法在最核心的地方取代95分以上的标准。不过，市面上要求99分的场景越来越少，大部分日常场景（如做PPT、做小红书题图和网站UI）80分已经绰绰有余。
前两天一份来自设计咨询公司的很有意思的报告，调查了十几家对AI投入最深的科技公司，归纳出了AI时代的产品界面设计风格，例如“淡色系”、“手绘风”和“赛博朋克风”。这些风格一旦被归纳成关键词，大模型就可以遵循这些原则批量产出，从而引导大众的审美偏好。
当被问及普通人在2026年该如何通过投资“压住AI”时，英伟达是一个绕不开的话题。英伟达的股价在160到180美元之间横盘了四五个月，这是因为科技巨头明确的资本支出（CapEx）投入和算力需求增长已经被股权市场充分预期，“不会有意外，就不会有大的暴涨”。相反，市场开始炒作那些“意外”的标的：例如今年年初被疯狂炒作的日本做马桶的“东陶（TOTO）”，因为它的陶瓷材料是AI数据中心芯片最重要的托盘材料；还有日本做微晶的公司也是同样的逻辑。面对这种令人哭笑不得的炒作，给普通人的建议是“没有建议”，不需要焦虑地去瞎折腾，不如搞个小龙虾吃吃，先点一点、体验一下AI即可。
* **英伟达近期的横盘区间：** 160 美元至 180 美元 * **非预期炒作典型案例：** 日本东陶（TOTO），因其陶瓷材料可用于AI数据中心芯片托盘而受到资本市场追捧。
---
拆解任务与AI时代的社交关系网
普通人使用AI的核心差异在于“提问题的能力”、“独立思考的能力”以及“把任务拆解的能力”。在与大模型深度交流的过程中，用户其实是在不断反问和反馈中完成自我认知的升级。时刻不要把AI当成“菩萨”去跪求一个明确的终极结果，而要把他当成一个“工作台”。你的工作过程包含各个步骤，你需要做的是让他在某个特定环节帮你提升效率、改进交付或拓展思维。
如果一个人在一周内有任何重复超过五遍的事——无论是健身、吃饭、记录卡路里还是学外语，都可以尝试用大模型来改进效率。大语言模型最擅长自然语言，甚至能帮你做成每天打卡的小程序。很多人在小红书上看各种各样的“GPT保姆级教程”，但那些教程永远只画了一条从A到B的理想路径。实际上，普通人从对AI陌生到真正熟练，中间存在一万种产生岔路和Bug的可能性，运气不好碰到个Bug可能就得从头再来。
当谈到“所有人都在说社交应该被AI重新做一遍”时，如果抛开内容社区，聚焦于“人与人沟通和关系链”的狭义社交，AI的介入让原本简单的结构变得极其复杂。过去无非是建立关系链、通过互动产生收入；而AI出现后，关系网交织成了多种形态：
* 人与AI（一对一） * 人与AI，再由AI触达其他人 * 人对AI，同时人对人 * AI与AI的互联
这还没有算上多对多的网络结构。每一种关系结构都对应着完全不同的产品端设计。例如AI分身（Avatar）究竟应该“真的像你”，还是“完全不像你、只是你理想中想演化的样子”，亦或是仅仅展现你的某一个侧面？这种底层认知的不同，决定了交友、游戏或工作等不同场景下用户的期待。市场上从帮用户每天叫床、订闹钟、自动评论朋友圈，到浪漫到极点的“两个人坐在那里点个火仰望星空”的功能，都有创业团队在做。但每一次产品功能的选择都在做减法，最后做出来的往往是一个精细的“小东西”，而不是大家想象中那个无所不包的“大东西”。
---
逃离宏大叙事，投资最后的“人类直觉与审美”
回看去年的播客大会，4月份时110场节目中有将近20场关于AI的话题，占比极高；而到了年底，160多场节目中AI相关的场次降到了11-12场，比例直接腰斩。大家开始选择体验生活、远离媒体天天炒作的“改变世界”的喧嚣。讨论AI到最后，不可避免地都会走到“心灵与精神（灵性）”层面的探索。因为面对这波技术浪潮对人类社会的未知冲击，人类天生会去寻找那些更重要、更双引号的“美好事物”。
对于正在焦虑、担心标准化任务被AI全面胜任的年轻人，最应该投资的是自己的**想象力、提问题的能力以及审美品位**。现在很多网络上的爆款文章看似逻辑严密，但读多了就能凭借“手感”嗅出里面的“AI味”：篇幅极长、段落和大结构过于清晰、频繁使用“不是……而是……”这类具有强烈学生气的句式。
未来当算力成本无限低、模拟能力无限强时，你让AI瞬间生成5000条影视片段，你能在其中挑出最打动人心的那一套，说“就是这个”，这最后的一下挑选，靠的就是人类的直觉、经验、世界观与价值观的积累。这种审美品位需要经历过、享受过很多极致美好的东西才能培养出来。虽然现在的家长和公众号对于“未来如何教育孩子”极其焦虑，只要沾边点击量就飙升，但如果站在冷酷理性的角度来看，当下根本不可能有什么绝对正确的结论。
---
从AlphaGo九年前的战局看今日的“局中人”
在这个时代，老师和程序员虽然不会立刻失业，但他们的工种、工作内容和状态正在发生剧烈改变。很多程序员现在还能傲娇地吐槽AI生成的代码“根本用不了”，但这种骄傲可能维持不了太久。九年之前，Netflix拍过一部关于AlphaGo战胜李世石的纪录片。当年大众看这部纪录片可能毫无感知，只觉得新奇，但今天我们每个人都已经成为了“局中的局中人”，回头再看，感受会完全不同。
在AlphaGo与李世石对战之前，研发团队曾找到欧洲冠军、职业棋手樊麾进行测试。樊麾经历的心路历程与后来的李世石一模一样：
> **第一阶段：** 轻视与蔑视，输了第一盘后认为纯属自己失误； > **第二阶段：** 连续输掉后，过往积累了几十年的经验、认知和“正确的事”开始动摇，内心产生极大的怀疑； > **第三阶段：** 道行彻底被打碎，陷入彻底的怀疑与崩溃。
李世石在对阵AlphaGo的第二局中，碰到了AlphaGo震动棋坛的“神之一手”。在第几十手看到那颗棋子时，李世石敏锐地察觉到不对，脑子乱了，不得不离场去抽烟。而AlphaGo作为机器不需要歇息，只是由樊麾和代为落子的博士把棋摆下去。当时所有的专业直播解说都在嘲笑阿尔法狗在“乱下”，李世石抽完烟回来看到后的第一反应也是嘲笑，但越下就越发现不对——那一步棋已经完全超脱了人类过往的围棋经验。
前三局李世石脆败，比分来到0比3。当时全世界在屏幕前和李世石一起，经历了从轻视到怀疑、再到崩溃的漫长一天。就在樊麾都担心李世石的精神状态时，第四局出现了转机。在战至中后盘第七十多手时，李世石凭借着“直觉”下出了一步惊天妙棋，这一步导致AlphaGo的算法在当时的局限下直接“死机乱套”，规则崩溃。
最终，李世石极其谨慎地赢下了第四局。虽然总比分输了，但那第四局的胜利，将李世石从崩溃的碎片中重新拼凑、建立了起来。此后的几年里，李世石几乎在人类棋坛“杀穿无敌”。但令人唏嘘的是，那是人类最后一次战胜AlphaGo。随后团队推出了完全脱离人类棋谱自学的AlphaGo Zero，人类便再无胜算。
目前全人类似乎都在经历类似的过程，只是没有下棋那四天那么快的节奏。这也证明了人类依然拥有“神性的时刻”与无法被替代的灵动直觉。在未来，手挫代码、手挫PPT或许会变成像“非物质文化遗产（非遗）”一样的传统手艺。面对这样的未来，很多人在今年已经默默建立了定投策略，跌到一定位置就买入一点比特币和Web3资产。
- **AlphaGo历史节点：** 纪录片记录了九年前（约2017年）人工智能在围棋领域击败人类最高水平的过程。 - **李世石的直觉逆袭：** 第四局第七十多手，李世石凭借非传统经验的直觉下出关键一手，导致AlphaGo算法崩溃，赢得人类对该软件的最后一胜。
## Notable quotes > `08:56` 我觉得在感受层最大的感受不同是说，我们之前用的所有这些前几年的产品，本质来讲它是一个独立的一个什么东西，你用它的时候还是要有一定的仪式感。但今天OpenCloud最大的交互层面的创新，或者说做的事情是把它跑在了你已经有的IM软件上。 — 庄老师
> `20:22` 做教程的人其实他都装过了，所以他在过程中很多他会认为很简单或者大家应该知道的事情他就略过去了，或者说他就快进了。但是你在做过程中你不是这样，你是每一步都有非常长的时间。比如他第一步安装跑一个命令行的时候，其实需要可能五到十分钟，但是他因为做教程，他直接一秒就翻过去了。 — 庄老师
> `22:03` 原来大家讲Web3不就是那样？都基于每一条链、攻略，然后上一层再上一层，大家基于搭建的东西有安全、有认证、有体系、有支付、有交互行为，所有交互行为可被记录，不就讲那样一个故事？……今天你发现AI来之后，尤其是OpenCloud这一波来之后，它让你原来的故事变得更丰满跟更实在。 — 庄老师
> `30:40` AI在做的工作是说‘差值’。什么叫差值？就是说你告诉它1跟2，然后你让他中间补一个数，它就会补1.5或者左右。但如果你告诉它1跟1万，那它补出来的结果就不可能是个稳定盘。 — 庄老师
> `38:42` 原来谈大模型的时候，语言模型的ChatGPT、Cloud，然后国内的DeepSeek、豆包，这几家初创公司本来是在这做语言对话，这是一桌。然后另外一桌是多模态，图、音频、视频，其实是另外一桌。……但今天大家发现是一桌。 — 庄老师
> `41:44` 如果今天我们喂给大模型的所有基础数据，截止到比如1911年爱因斯坦发表相对论之前，模型自己能不能推出来相对论？如果能在理论上说，它就至少实现了人类的脑子的迹象。 — 庄老师
> `46:15` 广义上来讲，ChatGPT本身就是GPT-3.5的‘套壳’。GPT-3.5是一个赤裸裸的模型，那个模型对于普通用户而言是根本没法直接使用的。你直接用它，你需要敲代码接API。ChatGPT是在外面做了一层皮，那层皮包含了对话交互的UI、一种绝佳的体验方式、一套流程设置，甚至包括复杂的账号权限、安全和自然的猫狗对话交互。那不都是壳吗？ — 庄老师
> `55:14` 去年的Miles（封闭Agent）火起来像iOS，它是一个极其封闭的精美体系，只能看不能碰；但今年的OpenCloud火起来就像当年的安卓（Android），它是彻底开源的，谁都能基于它的生态在上面疯狂大搭积木，这才是最让人兴奋的未来。 — 庄老师
## Mentioned 明浩, 庄明浩, Jess, 关博, 关亚迪, 林洋, 吴亚哥, 马斯克, 特朗普, 杨仁仁, 李世石, 樊麾, 爱因斯坦, 藏金阁, 图中之术, 科技修道院, 科沃斯, 科沃斯 T90 PRO, OpenCloud, 飞书, 微信, 企业微信, 小红书, 推特, 微博, Memax, Motbook, Alice, Web3, Web4, CodeX, Cursor, GitHub, Jemini, ChatGPT, Claude, Sora, 抖音, 剪映, OpenAI, Anthropic, 百川智能, 零一万物, 深之谷, DeepSeek, 智谱AI, GLM-5, 月之暗面, Kimi, Minimax, 名之梦, NUX 2.5, 海螺, 豆包, 阿里云, 字节跳动, 腾讯, Midjourney, 英伟达, 东陶, TOTO, AlphaGo, AlphaGo Zero, Netflix, 黑神话：悟空, 比特币
[Source](https://dts-api.xiaoyuzhoufm.com/track/6507bc165c88d2412626b401/69cb42fee2c8be3155f7d2b8/media.xyzcdn.net/6507bc165c88d2412626b401/luiHCdycyxzuXMWsXIZAAa5X4d1m.m4a)