Anthropic估值飙向两万亿美元蒋涛警告恐重演Sun服务器溃败

涌现EmergenceHK

低成本开源模型与垂直场景正在截流实际需求，过度依赖基础设施溢价的闭源巨头将因企业端采用廉价平替而面临估值崩塌。

AI-assisted summary of 中美竞赛升级对AI龙头资产有哪些影响？ — original source. Check the original for full context.

Source published: 2026-09-28

Key ideas

GPT-6 Astra 在 ARC-AGI 基准测试中达到 99.9%，标志着跨软件协同（Computer Use）的数字世界硅基劳动力正式上岗；前沿实验室隐藏思维链与推进 RSI 递归自迭代，使蒸馏红利收窄并拉大代际鸿沟。 (0:00)
算力基础设施剪刀差再度被拉大，海外正构建 10 万张 GB300 至 40 万张 Rubin 规模的超级单体集群，硬件竞赛或在未来一年终结上一轮开源阵营的紧密贴身追赶。 (5:00)
市场对 Anthropic 高达 2 万亿美元的 IPO 估值预期产生警惕，全员调用通用闭源模型的高额 Token 成本正促使企业转向低成本开源拼装方案，恐重演千禧年 Sun 公司高昂商业服务器被廉价 PC 集群平替的宿命。 (5:00)
职场技能范式从执行层（How/What）彻底向意图定义（Why）与 Harness Engineering（控制驾驭工程）迁移，核心竞争力转为兵团化调度数十个 Agent 的协同能力。 (10:00)
AI 时代确立了人类无法被模型算法替代的五大立足之本：战略意图（Purpose）、责任担当（背黑锅）、实体与独占资源、真实人际信任关系以及审美取舍（Taste）。 (15:00)

Detailed notes

## Background 本期视频由 YouTube 频道“涌现EmergenceHK”于 2026 年 9 月 23 日发布。节目为《涌现对谈》专栏，由科技投资人 Bill Qian 连线 CSDN 创始人蒋涛与科普创作者所长林超，聚焦 GPT-6 发布后“硅基劳动力正式上岗”的技术与产业拐点。内容围绕中美前沿算力竞逐、闭源模型公司的万亿估值与商业化瓶颈、企业软件护城河重塑，以及打工人在大模型时代如何确立不可替代的生态位展开深入研讨。

## TL;DR 对谈指出 GPT-6 的问世标志着数字劳动力正式接管复杂软件操作，但前沿模型隐藏推理链正在推高追赶成本并加剧算力竞赛，而实际企业落地中平价实用的“本科生级”模型已能胜任 90% 的长程任务。嘉宾警惕 Anthropic 喊出两万亿美元估值背后的商业隐忧，直言其过高的基础设施溢价正面临开源拼装平替与垂类模型的侧翼合围，或将重演千禧年 Sun 公司的盛极而衰。面对大模型对日常执行技能的降维打击，职场单兵作业被“规机调度”与驾驭多 Agent 协同所取代。最终，对谈提炼出人类不可替代的五大立足之本——意图定义（Purpose）、责任担纲（背黑锅）、独占资源、社群信任与审美取舍（Taste）。

## Atmosphere & style 对谈展现出高度理性、犀利且兼具历史纵深感的产业与投资思辨氛围，摒弃了盲目鼓吹 AGI 的狂热宣讲。蒋涛结合深厚的技术从业背景，以 Sun 公司覆灭、绝世拳法遭遇热兵器等极具冲击力的隐喻剖析行业痛点；林超冷静拆解中美底层硬件剪刀差的现实壁垒；Bill Qian 则从资本与商业模式视角敏锐穿透估值迷局并归纳底层框架。三人配合默契、观点层层递进，在刺破估值泡沫与直面打工人技能贬值焦虑的同时，以极具建设性的五大人类价值收尾，营造出既警醒又指引全局的清醒智识体验。

## Bulletin - [00:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=0s) GPT-6 Astra 在 ARC-AGI 基准测试中达到 99.9%，标志着跨软件协同（Computer Use）的数字世界硅基劳动力正式上岗；前沿实验室隐藏思维链与推进 RSI 递归自迭代，使蒸馏红利收窄并拉大代际鸿沟。 - [05:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=300s) 算力基础设施剪刀差再度被拉大，海外正构建 10 万张 GB300 至 40 万张 Rubin 规模的超级单体集群，硬件竞赛或在未来一年终结上一轮开源阵营的紧密贴身追赶。 - [05:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=300s) 市场对 Anthropic 高达 2 万亿美元的 IPO 估值预期产生警惕，全员调用通用闭源模型的高额 Token 成本正促使企业转向低成本开源拼装方案，恐重演千禧年 Sun 公司高昂商业服务器被廉价 PC 集群平替的宿命。 - [10:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=600s) 职场技能范式从执行层（How/What）彻底向意图定义（Why）与 Harness Engineering（控制驾驭工程）迁移，核心竞争力转为兵团化调度数十个 Agent 的协同能力。 - [15:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=900s) AI 时代确立了人类无法被模型算法替代的五大立足之本：战略意图（Purpose）、责任担当（背黑锅）、实体与独占资源、真实人际信任关系以及审美取舍（Taste）。

## Key takeaways - [00:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=0s) 数字世界劳动力的 AGI 时刻已经到来，GPT-6 Astra 在 ARC-AGI 达到 99.9%，具备自主任务规划和跨复杂软件操作（Computer Use）的硅基劳动力正正式上岗接管电脑。 - [00:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=0s) 前沿模型关闭思维链（CoT）可见性并设置数据迁移签名保护，大幅削弱了后发阵营依靠高质量蒸馏缩小技术差距的路径，倒逼原生算力与探索成本激增。 - [00:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=0s) 企业实际办公场景 90% 的长程推理仅需低成本的“本科生”级模型即可满足，如智谱 5.3 或 DeepSeek-V4 Flash 等高性价比模型对超高溢价的博士级通用模型形成定价压力。 - [05:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=300s) 中美算法理解与工程数据虽逐步拉齐，但在超大规模算力基础设施上出现硬性剪刀差，海外正规划 40 万张 Rubin 或 10 万张 GB300 超算集群，代际差距短期内可能再度拉开。 - [05:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=300s) Anthropic 喊出 2 万亿美元估值面临极其严苛的商业兑现压力，其营收与利润规模必须实现现有水平的 20 倍以上跃升，面临估值泡沫隐忧。 - [05:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=300s) 通用大模型切入 30 万亿美元白领替代市场面临三重侧翼截流：廉价开源模型拼装、专用私域垂直模型（如法律独角兽 Harvey），以及掌控应用入口的超级云平台绞杀。 - [05:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=300s) 大模型巨头面临千禧年 Sun Microsystems 的历史警示：2000 年 Sun 达到约 2051 亿美元顶峰后走向衰落，高昂的基础设施溢价最终会被低成本架构与“拼装平替”击穿。 - [10:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=600s) C 端个人市场因缺乏转换成本而粘性极其脆弱，而 B 端企业级市场因深度嵌入工作流而拥有强锁定效应，但纯大模型公司未必具备复杂企业软件交付的工程管理基因。 - [10:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=600s) 智能体软件工程（Agentic Software Engineering）成为企业落地新范式，核心考验多个 Agent 共享知识库、对齐工程方法论与稳定代码规范的精细化协同能力。 - [10:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=600s) 职场传统执行技能（How与What）遭遇“热兵器降维淘汰”，单兵徒手写代码或操作软件的技能急剧贬值，核心能力演变为指挥数十个 Agent 兵团作战的协同调度力。 - [15:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=900s) 新兴核心学科“Harness Engineering（控制/驾驭工程）”兴起，重点在于通过精巧架构去约束、验证并管控容易失控的大模型输出，确保其满足业务验收标准。 - [15:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=900s) FDE（前置部署工程师）服务模式门槛大幅降低，懂战略意图、审美叙事与提示工程的超级个体借助大模型吞吐量，能以极低成本提供媲美大厂研发与创意团队的交付成果。 - [15:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=900s) 人类立足 AI 时代的五大不可替代价值维度明确：定义目标与为何而做（Purpose）、承担商业与法律责任、掌控牌照/专有数据等独占资源、维系有限的人际信任粘性，以及依靠 Taste 进行审美与价值取舍。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=0s) GPT-6 发布与“硅基劳动力”上岗：AGI 真的到来了吗？

围绕 GPT-6 Astra 的发布以及黄仁勋等业界领袖关于“AGI 已经到来”的论调，对谈从 AGI 的实际定义切入。蒋涛指出，在科幻小说的语境中，大众倾向于将 AGI 理解为具备自主思考、自主行动、独立规划甚至拥有物理实体的内在智能；但若严格剥离物理具身，仅探讨“大脑”层面，科技史已多次证明“所有被 AI 突破的领域，此后都很难再被称为真正的人类智能”——正如当年下棋与心算珠算被算法攻破后，便褪去了智力光环。这次 GPT-6 Astra 在 ARC-AGI 测试中达到了 99.9% 的惊人基准，标志着其解题能力与自主行动力已经全面超越人类普通水准。蒋涛认为，这不意味着具备真正人类情感与原创哲思的全面 AGI 降临，而是“数字世界劳动力的 AGI 时刻到来了”，他在文章中将其定性为“硅基劳动力正式上岗”。

这一阶段数字劳动力的边界，本质上是能够接收人类指定的目标和任务，自主进行逻辑规划，并在数字世界中灵活操作多款复杂软件（Computer Use）、甚至主动与人类进行协同沟通来完成任务。从海外的 GPT-6 跨入工业与视觉设计领域，到国内的 Workbody、豆包等产品推动 AI 帮用户接管电脑，大洋两岸都在加速落地这一应用范式。然而，前沿技术竞争的门槛正在急剧抬高：OpenAI 通过关闭思维链（Chain of Thought）可见性让模型蒸馏变得极为困难，其他前沿模型也纷纷对数据迁移施加签名保护，这给依赖蒸馏缩小差距的后进模型带来了严峻挑战。

追赶前沿模型的门槛提升，正在深远地重塑全球 AI 资产的竞争格局与估值逻辑。过去开源阵营能在短时间内逼近闭源前沿，核心红利在于高质量蒸馏；一旦无法直接获取顶尖模型的思考路径数据，开源及后发模型就不得不重新投入海量算力从底层做自主探索与训练，进而减缓追赶节奏。与此同时，Anthropic 与 OpenAI 还在发力 RSI（Recursive Self-Improvement，递归自我迭代），如果前沿实验室的模型在封闭系统内部实现自我循环进化，两者的代际鸿沟将进一步拉大。但蒋涛也提出了另一个极具现实意义的视角：企业真实业务场景中是否真的需要如此顶尖的博士级模型？在诸多实际办公场景中，类似智谱 5.3 或 DeepSeek-V4 Flash 这样成本极低、水平相当于“本科生”的模型，已经能够完美胜任 90% 的长程推理与日常任务，低成本模型的可用性或将倒逼产业对超高溢价的前沿模型重新定价。

- **数字劳动力上岗标准**：具备自主规划、跨软件协同操作（Computer Use）及与人类顺畅交互的能力。 - **蒸馏红利收缩**：前沿实验室隐藏推理链与设置数据保护，倒逼追赶者增加原生训练与长程试错成本。 - **RSI 自我迭代壁垒**：头部模型在封闭环境内部实现自我造数据与自我循环进化，进一步拉大代际差。

```mermaid flowchart TD accTitle: AI 模型分化与商业落地路径 accDescr: 展示前沿闭源模型与实用开源模型在技术路径与落地选择上的差异

subgraph Frontier ["前沿闭源实验室 (OpenAI / Anthropic)"] F1["GPT-6 Astra / 新架构"] --> F2["隐藏思维链 / 限制蒸馏数据"] F2 --> F3["RSI 内部闭环自我迭代"] F3 --> F4["争夺 30 万亿白领替代叙事"] end

subgraph CatchUp ["开源与后发阵营 (中国团队 / 垂直厂商)"] C1["自建原生训练与架构创新"] --> C2["智谱 / DeepSeek / 本地部署"] C2 --> C3["低成本本科生级劳动力"] C3 --> C4["满足 90% 现实办公落地场景"] end

Frontier -. "拉大能力差距 & 消耗巨额算力".-> CatchUp ```

---

[05:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=300s) 算力军备竞赛升级与 Anthropic 估值隐忧：重演 Sun 公司的宿命？

随着蒸馏捷径受阻与 RSI 验证需求暴增，AI 对硬件算力的饥渴程度不仅没有见顶，反而呈现爆发式扩张。后发者要弥补数据与架构差距，唯有进行数倍的实验性训练；头部厂商要实现闭环自迭代，更需要垄断性的超大规模计算底座。林超分析指出，当前中美顶尖团队在算法层面的理解基本持平，高质量工程数据也在逐步拉齐，但硬件基础设施上的硬性剪刀差正在再次被残酷拉大。英伟达下一代 Rubin 架构登场，黄仁勋已公开描绘 40 万张 GPU 互联的超级集群蓝图，而 GPT-6 训练也依托于 10 万张 GB300 级别的算力网；在海外代训通道日渐收紧的背景下，国内短期内根本无法凑齐如此量级的单体超算集群。大模型竞争周期由此再次发生逆转：在经历上一轮中国开源模型的紧密贴身追赶后，未来一年闭源头部阵营可能凭借硬件堆叠再次确立代际优势。

硬件竞赛的白热化直接将头部模型公司的估值推向了资本癫狂的边缘。针对市场上 Anthropic 估值从 1 万亿美元飙升至喊出 2 万亿美元 IPO 的传闻，对谈嘉宾表达了强烈的警惕与质疑。蒋涛回顾了此前对 1 万亿估值偏高的判断，并指出企业若要撑起两万亿美元乃至所谓的四万亿美元估值，其营收与利润规模必须达到现有水平的 20 倍以上。尽管 Anthropic 目前在 Coding 领域稳坐第一把交椅，但它所切入的并不是垄断市场；在代码生成之外，它所描绘的“吞食全球 30 万亿美元白领劳动力市场”的宏大叙事，正遭遇全方位的侧翼合围。

Anthropic 面临着三股极度致命的竞争力量： 1. **高性价比开源与本地模型的冲击**：企业很快会意识到，“既然有便宜且能完成同样质量工作的硅基劳动力，我为什么要为昂贵模型买单？” 2. **专有垂直领域模型的精准截流**：例如法律独角兽 Harvey 正在利用自身独有的海量私域律所数据自训专用法律模型，其专业表现与性价比在特定垂直场景下均优于通用的大模型底座。 3. **超级平台的生态绞杀**：OpenAI、Google、亚马逊以及各大云厂商本身就牢牢掌控着企业应用和流量入口。

蒋涛由此提出了一个耐人寻味的历史警示——千禧年互联网泡沫时期的 Sun Microsystems（升阳电脑）。在 2000 年 9 月的巅峰期，Sun 作为所有科技公司搭建系统必买的服务器底座，股价登顶历史高位，市值达到约 2051 亿美元，与思科、微软等共同构筑了当时的产业基石；然而当 Google 等新一代应用崛起时，这帮穷极思动的创业团队根本买不起昂贵的 Sun 商业服务器，而是选择拆解廉价 PC、用几百台 PC Server 拼装集群解决问题。如今同样如此，如果一家拥有十万员工的大型企业全员调用 Anthropic，高昂的 Token 费用将直接导致公司破产；当各类便宜的开源模型拼装在一起就能解决 90% 的企业问题时，过分依赖基础设施溢价的大模型厂商，很可能无法笑到最后，甚至重蹈 Sun 轰然坍塌的覆辙。

- **硬件规模差距**：海外迈向 10 万张 GB300 至 40 万张 Rubin 级别的超大规模互联，单点算力规模成为核心壁垒。 - **估值逻辑苛刻**：按成熟 SaaS 或平台型公司的估值模型，2 万亿美元市值要求营收与利润呈现 20 倍以上的实质性跃升。 - **Sun 公司的历史对照**：2000 年 Sun 达到约 2051 亿美元顶峰后走向衰落，过高的基础设施收费最终会被“拼装平替”与低成本架构瓦解。

---

[10:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=600s) 护城河之争：个人市场的流失与企业级 Agent 的长程壁垒

关于大模型公司究竟是否存在长期护城河，对谈展开了关于用户粘性与客户锁定效应的深度辨析。Bill Qian 提出，从 ChatGPT 到 Claude 再到各家代码助手的兴衰更替，似乎表明整个 AI 行业的用户粘性极度脆弱，护城河难以稳固。蒋涛对此区分了 C 端个人市场与 B 端企业市场的根本不同：个人级市场缺乏深度的转换成本，用户对性能边际改进极度敏感，始终处于频繁流转中；但企业级市场则呈现出显著的锁定效应，这也是目前 Anthropic 企业端续费率居高不下的主因。

然而，企业级市场的防线并不仅取决于大模型本身的智力高低，更取决于繁复工程化交付的后劲。当前企业服务正迈入所谓的“Agentic Software Engineering”（智能体软件工程）探索期，重点转向多 Agent 协同开发大型项目——这需要让多个 Agent 共享相同的知识库、深度对齐工程方法论并维持稳定的代码规范。这种极其细致、重度依赖行业理解与复杂工程管理的能力，恰恰并不是模型基础研究公司的传统基因，纯模型公司能否通吃企业级市场依然充满变数。

与此同时，《经济学人》等媒体报道显示，虽然 AI 在 AIDC 等基础设施领域创造了约百万个就业机会，但各行各业普遍的裁员潮与打工人焦虑却在加剧。蒋涛借用经典的思考三维度模型（Why、How、What）阐释了背后的职业断层： - **旧模式的瓦解**：绝大多数职场人过去的精力消耗在“怎么做（How）”和“做什么（What）”的执行层面上，本质是机械操作与常规脑力劳动；而关于“为什么要做（Why）”的核心意图，向来掌握在少数高层管理者脑中。 - **技能的“热兵器淘汰”**：如今大模型将 How 和 What 的大部分工作迅速吃掉，过去引以为傲的熟练操作与代码编写技能彻底贬值，“就像原来我练的是绝世武功、拳法很厉害，但现在大家都改用手枪甚至机关枪了，原本的拳法瞬间废掉，只剩下表演价值。” - **新维度的竞争**：现代职场的较量全面上升到了“枪法与重火力”的维度。单兵徒手作业的时代已经终结，未来的工作范式不再是单打独斗，而是如同指挥几十个乃至数百个“硅基数字人”（Agent）协同兵团作战，“你必须具备调度几十个 Agent 的规机调度力与硅脑协同力”。

---

[15:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=900s) AI 时代的新生态位：Harness Engineering 与不可替代的五大人类价值

在旧技能被系统性瓦解的阵痛期后，全新的职业生态位与商业空间正加速浮现。蒋涛指出，当前市场存在着两个核心能力方向：其一是前置的“定义问题、提出问题与战略判断”，这极度依赖跨学科的通识素养、底层架构逻辑以及审美感知；其二则是全新的管理控制学科——“Harness Engineering”（控制/驾驭工程）。因为大模型如同无所不能却容易失控甚至偷懒的巨兽，即使给它堆砌算力也未必能产出最优解，工程师必须通过精巧的 Harness 架构去约束、验证并管控 Agent 的输出质量，确保其严格契合人类既定的战略方向与业务验收标准。

这催生了极具价值的复合型角色。过去，许多极具商业洞察的架构师和创始人，往往受困于团队执行力不足与招聘成本过高，无法组建如 Google 或字节跳动般的精英兵团，导致大量商业想法大打折扣；而今天，借由 GPT-6 级别的硅基执行力，这类人才的脑力价值被成倍放大。与此同时，服务于个人与中小企业的 FDE（Forward Deployed Engineer，前置部署工程师）模式门槛大幅降低。蒋涛举例说明：一个普通家庭希望用孩子从小到大的照片和视频素材制作一部高品质纪录片，哪怕拥有强大的 AI 生成工具（如各类视频大模型），缺乏导演与编剧能力的普通人依然无法完成；若有懂叙事、懂提示工程的专业服务者用 AI 撰写脚本并完成高质量调度剪辑，收费一万元对于家庭而言依然极具性价比。企业端亦然，过去难以落地的大规模 A/B Testing 方案设计，如今一个顶级 AI 产品经理借助大模型一天便能产出上百套成熟设计方案，让普通小团队瞬间拥有大厂般的研发吞吐量。

对谈最后，Bill Qian 将 AI 巨浪中人类不可替代的立足之本归纳为极具穿透力的五个核心维度：

节目最终强调，尽管技术狂飙引发了对估值泡沫与岗位淘汰的普遍焦虑，但只要紧紧抓住目标定义、工程驾驭、责任担纲与信任审美这几大锚点，个体与企业就能跨越技能废弃的周期，从被替代的恐惧中跃迁至操盘全局的新生态位。

## Notable quotes > [00:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=0s) AGI 已经到来 — 黄仁勋

> [00:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=0s) 所有被 AI 突破的领域，此后都很难再被称为真正的人类智能 — 蒋涛

> [00:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=0s) 数字世界劳动力的 AGI 时刻到来了 — 蒋涛

> [00:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=0s) 硅基劳动力正式上岗 — 蒋涛

> [05:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=300s) 既然有便宜且能完成同样质量工作的硅基劳动力，我为什么要为昂贵模型买单？ — 蒋涛

> [10:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=600s) 就像原来我练的是绝世武功、拳法很厉害，但现在大家都改用手枪甚至机关枪了，原本的拳法瞬间废掉，只剩下表演价值。 — 蒋涛

> [10:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=600s) 你必须具备调度几十个 Agent 的规机调度力与硅脑协同力 — 蒋涛

> [15:00](https://www.youtube.com/watch?v=9evEbTCH-nY&t=900s) 你敢去背黑锅，你就有生态位。 — Bill Qian

## Mentioned Bill Qian, 蒋涛, 所长林超, 黄仁勋, CSDN, GPT-6 Astra, OpenAI, Anthropic, Claude, ARC-AGI, Workbody, 豆包, 智谱 5.3, DeepSeek-V4 Flash, 英伟达, Rubin 架构, GB300, Harvey, Sun Microsystems, 思科, 微软, Google, 亚马逊, 字节跳动, 《经济学人》

## Video description GPT6之后，AI能做的工作越来越多。但更大的市场，是否意味着模型公司能获得更高的利润？当估值预期走向两万亿美元，增长、竞争与护城河该如何重新审视？

本期《涌现对谈》，科技投资人Bill Qian@billitup 与CSDN创始人蒋涛、所长林超@所长林超从“硅基劳动力正式上岗”聊起，讨论AI商业化的新空间，以及技术进步背后的投资逻辑：

• 编程之外，电脑操作与软件使用能打开哪些新市场？ • 中国开源模型持续追赶，前沿算力差距会带来怎样的竞争变化？ • 面对开源、本地部署与垂类模型，闭源模型公司的增长和利润率能否持续？ • 个人用户容易切换，企业服务能否构成真正的护城河？ • 当执行能力越来越便宜，个人的判断、调度与信任关系将如何体现价值？

[Source](https://www.youtube.com/watch?v=9evEbTCH-nY)

中文简报

Anthropic估值飙向两万亿美元蒋涛警告恐重演Sun服务器溃败低成本开源模型与垂直场景正在截流实际需求，过度依赖基础设施溢价的闭源巨头将因企业端采用廉价平替而面临估值崩塌。对谈指出 GPT-6 的问世标志着数字劳动力正式接管复杂软件操作，但前沿模型隐藏推理链正在推高追赶成本并加剧算力竞赛，而实际企业落地中平价实用的“本科生级”模型已能胜任 90% 的长程任务。嘉宾警惕 Anthropic 喊出两万亿美元估值背后的商业隐忧，直言其过高的基础设施溢价正面临开源拼装平替与垂类模型的侧翼合围，或将重演千禧年 Sun 公司的盛极而衰。面对大模型对日常执行技能的降维打击，职场单兵作业被“规机调度”与驾驭多 Agent 协同所取代。最终，对谈提炼出人类不可替代的五大立足之本——意图定义（Purpose）、责任担纲（背黑锅）、独占资源、社群信任与审美取舍（Taste）。 GPT-6 Astra 在 ARC-AGI 基准测试中达到 99.9%，标志着跨软件协同（Computer Use）的数字世界硅基劳动力正式上岗；前沿实验室隐藏思维链与推进 RSI 递归自迭代，使蒸馏红利收窄并拉大代际鸿沟。 (0:00) 算力基础设施剪刀差再度被拉大，海外正构建 10 万张 GB300 至 40 万张 Rubin 规模的超级单体集群，硬件竞赛或在未来一年终结上一轮开源阵营的紧密贴身追赶。 (5:00) 市场对 Anthropic 高达 2 万亿美元的 IPO 估值预期产生警惕，全员调用通用闭源模型的高额 Token 成本正促使企业转向低成本开源拼装方案，恐重演千禧年 Sun 公司高昂商业服务器被廉价 PC 集群平替的宿命。 (5:00) 职场技能范式从执行层（How/What）彻底向意图定义（Why）与 Harness Engineering（控制驾驭工程）迁移，核心竞争力转为兵团化调度数十个 Agent 的协同能力。 (10:00) AI 时代确立了人类无法被模型算法替代的五大立足之本：战略意图（Purpose）、责任担当（背黑锅）、实体与独占资源、真实人际信任关系以及审美取舍（Taste）。 (15:00)

Reading summary

蒋涛与林超在对谈中指出，大模型正向自主操作的“硅基劳动力”演进并借助超大算力集群拉大代际差距，但高昂调用成本与低成本开源平替的崛起正对其商业逻辑构成挑战，龙头厂商需警惕重演 Sun 公司的估值泡沫与衰落宿命；伴随基础操作技能的贬值，人类核心生态位正转向驾驭工程、意图定义与承担责任。硅基劳动力落地与模型代际分化 (0:00) GPT-6 Astra 在 ARC-AGI 测试中取得 99.9% 的成绩，蒋涛认为这标志着能够跨软件自主协同操作（Computer Use）的数字世界“硅基劳动力”正式上岗，而非诞生了具备情感与哲思的全面 AGI。随着前沿实验室关闭思维链可见性并推进内部递归自我迭代（RSI），追赶阵营通过蒸馏缩减差距的路径受阻，被迫大幅增加底层训练与算力试错成本。与此同时，模型应用场景出现明显分化。蒋涛指出，企业实际场景并不完全依赖博士级前沿模型，类似智谱 5.3 或 DeepSeek-V4 Flash 这类低成本的“本科生级”模型已可满足 90% 的长程推理与日常办公需求，低成本模型的成熟将倒逼产业对超高溢价的前沿模型重新定价。算力剪刀差与类Sun公司的估值隐忧 (5:00) 林超分析指出，中美顶尖团队在算法与工程数据上的理解正逐步拉齐，但硬件基础设施的剪刀差再度被拉开：海外正依托 10 万张 GB300 及未来 40 万张 Rubin 级别的超算集群展开训练，在海外代训通道受限的情况下，国内短期难以拼凑同等规模的单体集群，闭源头部阵营可能在未来一年凭借算力堆叠重构代际壁垒。然而硬件军备竞赛也推高了估值泡沫。针对 Anthropic 寻求 1 万亿至 2 万亿美元估值的市场传闻，蒋涛提出警示，指出该估值要求其营收与利润实现现有水平的 20 倍增长。他以 2000 年千禧泡沫期市值登顶约 2051 亿美元的 Sun Microsystems 举例：若企业全员调用 Anthropic 带来的高额 Token 成本难以承受，市场便会转向使用廉价开源模型拼装架构或专用垂直模型（如法律独角兽 Harvey），过度依赖基础设施溢价的大模型厂商可能重蹈 Sun 公司的衰落覆辙。企业级智能体工程与单兵技能瓦解 (10:00) 对谈指出，相较于缺乏转换成本、用户流转频繁的 C 端个人市场，B 端企业级市场具备较强锁定效应。但企业服务正转向多智能体协同开发大型项目的“智能体软件工程”（Agentic Software Engineering），这需要跨 Agent 共享知识库并维持严密的工程规范，重度依赖行业理解与复杂工程管理，纯基础模型厂商通吃企业端仍存变数。在职场层面，蒋涛借用 Why、How、What 模型分析，大模型正迅速吞食过去消耗职场人大量精力的操作与编码执行（How 与 What），传统熟练技术出现“热兵器淘汰冷兵器”式的贬值。职场竞争由此上升为规机调度力，单兵作业转变为指挥数十个乃至数百个 Agent 协同作战的兵团范式。驾驭工程兴起与不可替代的人类锚点 (15:00) 随着单兵技能瓦解，新型学科“Harness Engineering”（驾驭工程）应运而生，工程师需要构建精巧的架构来约束、验证并管控易失控或偷懒的 Agent，确保输出符合业务验收标准，同时也大幅降低了前置部署工程师（FDE）模式的门槛。针对人机协作边界，Bill Qian 归纳了人类不可替代的五个核心维度：界定前端战略价值与“为何而做”的 Purpose（意图定义）；为商业与法律后果承担实质代价的“背黑锅”责任；牌照资质与私域数据等独占资源；内容泛滥背景下维系受众注意力的信任关系；以及在海量平庸方案中依托艺术直觉与价值观进行精准取舍的 Taste（审美）。技术代际狂飙与算力垄断虽然暂时拉大了前沿闭源模型的壁垒，但高昂的商业化成本与高性价比开源方案的并存，正使龙头企业的超高估值面临可持续性检验；个体与企业能否化解替代焦虑，核心在于能否从基础执行层跃迁至驾驭复杂系统、明确战略意图并承担商业责任的高阶生态位。

Source quotes

[0:00] 黄仁勋: AGI 已经到来 [0:00] 蒋涛: 所有被 AI 突破的领域，此后都很难再被称为真正的人类智能 [0:00] 蒋涛: 数字世界劳动力的 AGI 时刻到来了 [0:00] 蒋涛: 硅基劳动力正式上岗 [5:00] 蒋涛: 既然有便宜且能完成同样质量工作的硅基劳动力，我为什么要为昂贵模型买单？ [10:00] 蒋涛: 就像原来我练的是绝世武功、拳法很厉害，但现在大家都改用手枪甚至机关枪了，原本的拳法瞬间废掉，只剩下表演价值。 [10:00] 蒋涛: 你必须具备调度几十个 Agent 的规机调度力与硅脑协同力 [15:00] Bill Qian: 你敢去背黑锅，你就有生态位。

Original transcript

[0:00] 两边的这个模型差距扩大对整个AI产业的资产会有什么样的影响那你对更多的算力就能提高更多肯定是需要采过更多的算力你敢去背黑锅你就有生态位大家好,欢迎收听新一期的永线社区的对话节目,我是Bill。今天我们要聊的话题是GBT之后,AGI真的来了吗?今天我和超哥邀请到了我们永线社区的好朋友,蒋涛总。这周的话,其实大家都很关心就是GBT6Astra,很多人都说AGI是不是降临了。那黄人鑫最近也说这个AGI这个已经到来啊。首先我想请教一下两位,就是AGI的定义到底是什么?然后呢,这个AGI到底来没来?现在这个科技圈里面,大家是怎么看待这个问题的?在科幻小说的影响下,大家认为它是一个真正的内能的智能,是吧?能够像人类一样自主思考、自主行动、自主规划,我觉得还有自己的身体。我们当然现在讲的AGI可能是讲了它的脑袋,是吧?身体现在离得还很远。脑袋来讲,我觉得它是分几个层面。就是现在在所有被AI突破的地方,以后都不能叫智能了。就从下棋开始,就AI会了以后,就发现原来下棋下的好,你这些人都不太好。是说明你很厉害的现在也不说明了是吧计算原来还有什么新算朱算的所以这一次GPT Astro我觉得主要突破是这些benchmark吧就包括什么ARC AGI那个测试达到99.9%所以我是认为是达到了叫数字世界劳动力的 AGI时刻到来了在更广泛意义上的 AGI 就是真正的内容的智能的思考啊还有那些什么创意啊这些东西我认为他现在还没有就他的解题能力包括他的自主行动能力超过人类了所以我们可以认为这个AGI时刻到来了所以我专门还写了篇文章叫规矩劳动力时刻到来不叫AGI到来数字世界的规矩劳动力现在正式上岗我插一句说你觉得这个数字劳动力它的边界是什么边界是操作现在的软件去完成一个叫你指定的一个任务和目标然后这个任务我可能要去做一定的规划然后要去操作很多软件甚至可能要跟人类做一些沟通能力已经完全具备了对好像就是说这个computer use就帮你用电脑这件事情从美国的角度现在GBT6啊然后呢进入这个设计啊等等领域然后同时的话好像过去的这个一两个月在这个太平洋的这一段workbody啊包括豆包他们其实也在让大家更多的人够让AI帮你用电脑然后两边的这个模型其实追的也很厉害但这次的话其实我们也看到就是说GBT6呢就是让这个蒸馏好像是变得更加困难了然后呢Fibro 5.1呢也上这个转移签名数据变得这个更加困难了怎么看就是说两边的这个模型啊现在在前端的这个use case上都看到了新的方向但是呢在模型能力上来讲会不会担心就是说亚洲的这些开源权重模型要去追赶那些西方的前一实验室上这个难度会加大就两位怎么看就是说接下来差距啊接下来是会扩大还是说呢这个不会扩大然后对整个AI产业的这个资产会有什么样的影响呀看不到它的那个整个的那个示威过程了这个对于开源模型或者落后的模型去追赶前沿的模型还是有比较大的影响的因为这一轮其实开源模型快速的去逼近这个前沿模型本质上它是在正丢上有一个很好的成果嘛但拿不到这个数据以后呢肯定会相对来说会影响这个后续模型的追赶速度所以对产业链来看呢这个速度可能会放慢一点带来的整个影响当然是头部模型的估值它的叙事更有保障一点吧后进模型呢它也需要投入更多的叫算力因为它现在就需要自己去做更多的训练当然前沿模型除了这一个就是关闭这个隐形链以外呢其实它还有一个前沿模型呢由于现在所谓的这个叫RSI就自我循环迭代嘛Athrobic也好OpenAI也好也都在做这个工作就如果这个事情它的 RSI 的能力越来越强的话其实对后续模型也是一个很大的影响本来前院模型就领先我又能够自我迭代的差距就会越大越大这是我另外一个观点就是说可能我们不需要那么好的模型了现在的字谱5.3或者DeepSecret V4的Flash就已经可以把我现实工作中90%的任务都已经解决得很好了但我不需要你那个更前面的模型你虽然是全世界最好的博士但是我现在只要一个本科生就能干活了而且我的成本还比你低这个其实也要去观察在企业里面这个真实应用 [5:00] 到底是不是已经到了一个临界爆发的时候那我是认为是可以的因为现在模型能力包括长城推理能力已经足够了如果说我们现在对硬件产生的影响是会扩大对硬件的需求的因为后续模型要追前,模型争丢可能是最快的路径也是最省力的路径如果这条路径现在有一些障碍的话那就要做更多的尝试,更多的尝试就因为你要消耗更多的硬件算力在训练成本要花更多这是我们可以看得到的然后包括自我迭代这个 RSI 要去做验证因为这个是闭环的就只能在自己内部外部你也看不到所以这个也会带来这个训练进一步的算力的提升就如果这个逻辑是成立的话那你对更多的算力就能提高更多那我肯定是需要采购更多的算力所以这两套户式都是在支撑美国这些头部这两家公司的估值的现在中国前员团队在算访这个层面上来讲我觉得跟美国的前员团队是没有太大差距的然后在数据这个层面上来讲其实现在大家也在逐渐拉齐但是现在在算力这个层面上来讲接下来还是有一个问题还是会拉开差距的就是Rubin要出来了另外大家下一代新片要出来了更大的规模比方说现在黄仁勋说要40万张卡连在一起了OpenAI这次去年GBT6他是说10万张GB300连在一起我们都知道之前都是海外训练嘛问题是现在这个海外训练的这个通道其实也在逐渐逐渐被封起来更别说如果未来有人有野心要去凑40万张的Vair Rubin连在一起那么这个规模呢短期之内中国肯定是抽不起的未来一年时间吧就对中国的大模型来讲可能会是一个周期又反过来了上一个周期就中国的开源模型赶得非常快接下来这个周期有可能是美国的币源模型又会领先一层然后中国又再找到方法去追赶基本上拉不开持久的差距应该是会拉开插曲的运营我们上次聊天的话是两个月前嘛然后当时这个涛哥有提过一个很著名的这个论断就是这个Anthropic Cloud的IPO的话1万亿估值应该是高了对吧然后他又运贫这个1万亿可能就需要这个不断的这个增长收入的增长还有毛利的这个维持这个行情最近不错嘛他这个都已经要喊到2万亿了大家怎么看这个点呢对就说Anthropic现在其实他的核心问题就是说coding他肯定是老大嘛事情上他也不是唯一嘛,他要30万亿的话,他coding肯定要吃到很多其他的市场去嘛,但他吃其他市场的时候,你看现在在openAI,google,包括开源模型,甚至亚马逊,其实现在大家都各自有各自的一些入口可以去吃嘛,各自的场景在切嘛,那大家其实都能够吃他的不同的细分场景,还有刚才蒋总说的这个垂直场景,所以现在在coding之外,他讲的这个big story,他其实有很多的竞争者他没有甩开没有彻底甩开其他竞争对手的情况下他怎么能够证明说他的市场就一定是他就一定一家独秀了他虽然说今年增长特别快但他能不能持续然后还有竞争上来之后他的利润率能不能够维持呢我觉得这些都是问题如果2万亿这个估值上市的话我是不太敢买的我觉得有挺大风险的最后看他的财报吧我是觉得就是他上市以后大概在半年内还维持一个增长他一定要储备这个嘛就算我做他的CFO我也得储备这玩意儿你怎么支撑这件事情呢就是一个是它确实它有规模化增长第二个它也得造一些增长出来是吧储备一些增长我现在觉得说就是它面对问题是它是开脱了一个大型市场但那个市场并不一定只属于它对吧核心是这个它取代的是一个所谓的30万亿的现在讲的故事是30万亿这个白领劳动力的这个市场这个逻辑我是没有问题的就刚才我们已经讲了AI的进步已经可以成为归机劳动力了但是归机劳动力很快就会发现有便宜的能完成同样的质量我为什么要用一个硅的呢?所以它就会面临这一轮的中国模型开源模型的冲击,它还会面临这个本地开源模型的冲击,本地的模型就未来也会占一个大的比例。第三,它可能还会面临一个锤类模型的竞争。就比如说我是Havin,Havin现在也是在训自己的模型了。就是我训一个更好的绿四模型,因为我拥有更多的这个绿索的数据。所以我比Anthropic在绿索里面的表现会更好。那我为什么要用一个贵的呢?要用一个这个Azorobic的模型呢所以他的收入我觉得在当前的情况下实际上他的增长已经放缓了嘛而且呢如果他能够维持这个就是说现在假设他能维持2万亿或者所谓的4万亿按照正常的这个我们对SARS公司的估值他的收入和利润要是现在的20倍以上吧所以我还有一个比喻当年那个上就互联网泡沫的时候那时候的科技公司是买的上的服务器所以上的股票在那时候的最高峰是2400 [10:00] 那时候最高峰的是思科和微软分别大概是5000亿相当于底座嘛你可以认为那就是现在的Athrobic我卖的是服务能力嘛那所有人是架在他的上面的但是到最后你看谷歌出来的时候谷歌就用不起啊谷歌那几个是穷光蛋对吧虽然拿了红杉的钱但是钱也很少啊所以他们第1台机器是拼装出来的在谷歌的总部里面他有一个展示的他是拿拆下来的PC当成服务器叫PC Server搞了几十台几百台连在一起就像现在很多模型买不起我公司有10万人我都用Athrobic我就破产了便宜的模型拼造起来能用就行能解决我的问题就行最后上就不行了撑不下去了最后崩盘了不存在了现在已经所以大模型公司笑不到最后我是这么看的必然大模型公司如果他能继续笑是因为他还能讲科学的故事讲科学发现就是2000年9月初的时候上就是到了历史最高点差不多2051亿美元我们同比翻大10倍所以Astroker一定会到2万亿这个可以确定的它是到了2万亿你要小心对另外我在想这个行业是不是最后没有什么粘性呢这个大家就从GVT换到这个Cloud然后这个现代Codex又起来好像就这个行业到最后护城河这件事情最后是很难稳定去形成的我觉得个人级市场实际上是确实是很难锁定的这需要比较长时间的竞争企业级市场还是锁定效应还是可以的你知道Antropic现在还是续费率还是很高的因为企业级市场所以这就是考后面的功夫了就是你的企业级的服务啊还有一系列的这个能力啊后面变化会很快而且也会很大的就是现在企业级的叫Agentic Software Engineering就是我组队一起开发协同这个东西我怎么能让这个大型项目维持更好的比如说大家的知识库也能对齐方法论也能对齐就是这个东西就是还在摸索期所以到底谁能解决的好是不是模型公司能解决我感觉这不是他们的长项最近的话我看经济学人也提到就是这个AI好像在美国已经进新创造了100万个就业机会当然主要都还是在这个AIDC领域了但是呢这个很多公司又开始在裁人这个GBT6之后的话好像大家就更焦虑了觉得这个打工人这个越来越这个价值比较稀疏了我不知道两位怎么看就是说在现在这个时代大家在职业上应该怎么去设计让自己最后能够用AI而不是这个被AI淘汰这个问题当然很多人会很关注啊就是AI现在它是一个新物种它是超出很多人的想象和预期的就我们在这谈的很热闹但大部分人没有真正的使用过它帮助自己去完成一个高价值的任务它现在取代了是大部分叫Office工作者和程序员的工作技能就过去这个工作技能是人要去操作的人要去思考的现在这个执行的工作就是有一个著名的TED上的一个演讲讲人的思考的模式吧就是你要三个维度对吧Why你要干这事How怎么去干然后What干的是什么事大部分的人都是在后面是吧你干什么事怎么干但你没有去思考为什么要干这事这是个意图意图一般都在老板的脑袋里面他在思考Why为什么要做这个事大部分人都是执行厂但现在呢这个How和What都被AI吃掉了所以更多的我们需要思考的更多是Why这是第一个第二个呢AI是能干How但是呢怎么让这个号干的更好就不再是你原来的技能了你原来技能等于是没了是吧就等于原来我练的是武功我拳法很厉害我现在都改手枪了你那个武功没用了就废了只有表演的作用了所以现在我们就绝大部分原来的工作技能都废了你呢现在需要的学习的是新的技能而新的技能能够更快的完成现在的任务所以所有人的竞争都在更高的一个维度上比的是枪法了比的是机关枪了比的是大炮了你要学的不是个人作战你要学的是几十人几百人的作战当然这个人打个引号实际上是agent就你能不能去管理好几十个agent而不是只是一个agent调度agent的能力所以我叫规机调度力嘛再一个叫规脑嘛你现在要培养的是这个能力到底要干什么第二个我怎么用AI把它干得更好定义问题提出问题还有做判断力这个都是人很需要的重要的技能包括逻辑和架构啊审美啊就这些东西就需要更多的通识能力那第二个呢是你驾驭就是所以我们现在叫Harness 对吧Harness Engineering 就是你去管控这个Agent和AI的输出它是一个大模型什么都能干你现在不能让它什么都能干你得按照我们的方向质量验证标准干出来而且它也会偷懒给它更多的算力他也不一定能干好你得管理好这个东西这两个能力都是现在需要的然后会诞生巨大的新的市场但是他会先压缩现有市场因为所有老板一看就懂了那可以省人了但是呢会出来很多新的岗位这些岗位都是用AI在创造的这里面有两类人是特别牛的一类就是过去有想法有经验但是呢 [15:00] 下面的团队执行力不够下面团队他没有AI能力嘛所以你的配置执行力不够啊你不能像字节跳动你也不能像谷歌那样顾全世界最好的人所以你所有的事情的想法都是被打折扣的啊你要问任何的老板你的公司执行的怎么样所有人都不满意对吧但是你有了AI以后他是可以大幅提醒的所以这一类人包括有想法的架构师这些都是未来会放大很多的我们原来老大里面留了一堆经验笨方法被旧世界给禁锢的一大堆东西这个人过来看到的就是GBT6的能力你想想看他想出来的事情跟我们想的肯定不一样这是第二块第三块当然就是说有很多人用不好AI我觉得这很正常就像电脑出来的时候很多人也用不好电脑用不好软件所以会出现这种服务业嘛你可以服务个人服务家庭你也可以服务企业所以现在叫FDE FDE比原来更容易了我举个例子就先说个人的比如说我想给自己小孩拍个纪录片我们有他小孩的从小的成长史拍了这么多数字照片还有他的各种数字记录可是我会拍纪录片吗我不会你说C-Dance给我用我会用吗我也不会用啊就算C-Dance免费给我用我也不一定做的好你知道吧但是如果我原来要请一个人帮我拍个纪录片你想他得收我多少钱但是现在如果他能用好C-Dance 用好AI能力把脚本写好把我的素材给他他说他完成了他收我1万块钱我都觉得很便宜会出来很多这种这是对个人对企业也是一样的企业原来做了很多事情你可能要花很高的成本举个最简单的例子做A B Testing迭代我们就一直没做好你说这个页面到底放哪儿好还是放这儿好这个产品是怎么设计更好你没有那么多设计师你的人才都很弱现在你不是啊你是世界顶级的AI产品经理啊大猫行你给我出100个方案今天就要上线明天就给我验收他也可以干啊如果你能驾驭的好这就是另外一个能力你突然发现哇你拥有大厂能力所以未来它会创造出很多新的产业新的服务像刚才讲总说的这种结起来就几个点嘛第一个是说你要有 purpose嘛你能够定义说我想做什么第二种类型就是你要承担责任这个东西出错了我来负责你反正能承担责任你敢去背黑锅你就有生态位第三个就是说你确实你就有独占资源啊你有牌照你有独特的数据或者是你就有渠道这些东西现在也是AI也干不了嘛第四个就是说你的性能关系嘛因为现在这个AI时代就是你要去再去做一个账号要涨粉就很困难了原来在AI之前我们用这个非常人肉的方式去做这种高质量内容你看起来是比较稀缺的AI之后现在要做高质量内容反而就不太稀缺了但是这个其实粉丝的关注它的时间是有限的链接是有限的所以这个其实也是有意义的所以信任关系是有价值的最后就是我们常说的Taste审美取舍讲种讲的东西总结起来就是这五个点好的,那我们今天这一期的涌现对谈就到此为止,我们会在这里继续探讨全球AI创新创业和投资的相关话题。如果你喜欢,请记得订阅留言或分享给需要的好友。感谢大家的支持,我是Bill,我们下期再见。

Anthropic估值飙向两万亿美元 蒋涛警告恐重演Sun服务器溃败