本文撰写滞后了两(三)周，由于最近沉迷大刘科幻作品，写作内容会时不时穿插大量胡言乱语。

本公众号一字一句完全UGC，除配图不含任何AI成分。保留一下人类在AI时代最后的一点坚持。

在硅谷呆了一个月。基本上一周半分配给了产业的同学，半周分配给了我自由的灵魂，一周在AllinPodcastLiquiditySummit和一些TechConf见世面，一周在闲聊/组织Hiking/发呆。

3月份的时候也来过，正值OpenCLaw带来的HypeCyclePeak，结合最近发生的各种事情，以及和3月时候的对比，分享一些takeaway：

0/AGI会非常快。不要质疑、不要质疑、不要质疑！3月份的感受是，作为白领/知识工作者的我们已经被AI替代50%，Researcher被AI替代30%；现在的感受是知识工作者被替代80%，Researcher被替代50%，Infra的Ai自动化也开始了，定性感受是10-20%；

不同researcher都表达了Scalinglaw还远远没有到头，不管是数据余量、算法还是Infra的优化，都还有很大的headroom。当然，模型的进步已经是只属于少部分人的事情了，和大部分人都无关。

1/之前觉得LLM吃掉80%的应用的价值，现在觉得可能是90%+。不过这是一个量的概念，90%的应用都没有价值。剩下的10%有杠杠可撬，最终可以释放出来的价值未必低，我甚至觉得在这里有机会出现非常大的公司。

刘慈欣在《吞食者》里面写到，文明是什么？文明就是吞食，不停地吃啊吃，不停地扩张和膨胀，其他的一切都是次要的。而自己生存是以征服和消灭别人为基础的，这是这个宇宙中生命和文明生存的铁的法则，谁要首先不遵从它而自省起来，就必死无疑。吞食者是依靠不断吞食行星来扩张的一种文明，在吞噬行星后会与它依靠相互引力作用保持同等速度运行，进行长达一个世纪的消化。

行星对抗吞食者有三种态：1.归属；2.平行；3.逃逸。

归属是一种活路。

平行必然意味着被消化，被毁灭；

第三种，吞食者最终会因为自身结构膨胀到达一个加速度的物理极限，这是最终人类对抗吞食者，以及所有行星的潜在“逃生速度”，其实也是应用类型公司对大模型的“逃生速度”。

这部小说的点睛之笔在于，吞食者其实和人类同源，吞食者就是恐龙。无限制吞食自带的负反馈平衡机制，使得地球上的文明生物有越来越小的趋势，恐龙——人——然后可能是蚂蚁，甚至最后是草。虽然在变小，但是生态系统的强度和韧性并不见得低。

大模型是一种新的不断吞食的超级文明，但这种文明本身也存在物理极限的“加速度”，越是无限制扩张越会存在内生结构的脆弱性。应用类型的公司可以靠给自己疯狂“加”速度来实现逃逸——最终极的答案可能是一种数据上的加速度。

至于怎么加杠杆的问题我们下次再说（嘿嘿）。

2/Codingmodel能力在快速收敛：1）是头部模型之间的追及问题；2）开源和闭源之间的追及问题（本质是中国和美国之间的追及问题）。但是CodingModel格局——>Coding格局咋翻译，没完全想明白，之前在硅谷和各路企业、创业者、开发者聊下来的感受是：

1）Coding很容易切换，但是AgenticWorkflow没那么容易；

2）个人开发者和创业团队很容易切换，但是Enterprise不容易（第一是价格敏感，第二是都在担心自己工作要丢，切换工具的成本很高，犯不着）。

3/企业AI需求是最大的盲区。

企业需求的特点是：

1）Adoptioncurve是阶梯跳跃式；一方面是人才结构更复杂，学习能力不同，一方面要看预算

2）模型能力不是卡点，但模型理论能力和实际能力之间的Gap会更大，企业落地需要对AI、企业Workflow和管理都懂的复合型人才；

3）价格并不敏感；

生产力进步会带动生产关系进步；生产关系变革会反作用于生产力变革。此时正处于两句话的交界处。

企业需求的结构是，模糊不清的结构：

1）100%cloud：云infra+云LLM；——>CSP、Neocloud、头部LLM

2）Hybrid：本地Infra+云LLM；——>某些ODM/OEM服务器玩家、头部LLM

3）100%本地：本地Infra+本地LLM（开源）；——>某些ODM/OEM服务器玩家、开源LLM

倒回到10年前的SaaS时刻，请问长期到底有多少会彻底云化，多少是留在本地的需求？黑箱啊黑箱，但是很大就对了，都在猛猛增长就对了。

4/马上会进入模型分层的时代，ModelRouting是接下来的超级简单题，比纯粹价格战有意义100倍；

哈耶克有一篇论文是《知识在社会中的运用》，以前因为知识的分布是零碎的，价格信号成为了知识运用的最大杠杠，所以广告是最好的商业模式。但是有了AI，知识的分布可以被逆向工程，意味着知识可以直接被定价。

但是现在的问题很大：token就是信息和知识的载体，但token目前是平权的；生产不同知识凝结的劳动力是不同的，但现在不同任务都是用的一套模型。为什么我做一个简单的搜索和知识问答也需要Opus4.8呢？

Token定价是下一个重要议题。

并不认为现下的盲目价格战有太大的意义，两个差不多的模型，如果价差只有30-50%，其实很容易被infra和tokenefficiency的优化吃掉。做好Modelrouting是线下更简单且直接的策略。

模型一旦分层，给中国选手留出的TAM会打开得巨大。

《朝闻道》里面，南方古猿开始仰望星空，真理之门就此打开了，从此以后人类就会踏上不断求索的道路。朝闻道，夕死可矣。

大刘通过宇宙文明的准则，同时也揭露了顶级闭源模型和开源模型之间的关系。Fable无论怎么封锁都是没有用的，上士闻道中士闻道下士闻道，大刘说得比这更有暴力美学。

6/这其中，Harness和数据isKey。

好的Modelrouting意味着对于workflow的价值需要有正确度量，一个超级中心化、集权制的模型公司，未必会有这样的能力。

那么，是否存在这样的机会呢：一方面，大模型不断拓展知识的边界，当算力足够的时候连人类的Taste也没有价值（因为Taste本质也是一种有偏分布，算力不够的时候AI无法充分捕捉所有的Outlier）；但是一方面，在垂直领域留下了一部分知识的定价套利空间？

在和一些前沿lab聊的时候了解到，目前海内外数据已经可以占到大模型训练（Pretrain+posttrain）的1/10，意味着1T的Capex，训练占30%，数据市场规模可以有30bn。大模型在不断通过数据去扩充知识边界，反过来想，这里是不是大量垂直公司的机会，以及是不是会出现新的平台和生态？

综上一下吧：

1.Tokenmaxxing是一个局部问题，不用刻意夸大；

2.但从科技先驱->企业深水区，大模型增长斜率会迎来一个“Reset时刻”，此后继续健康发展（3/）

3.中国开源模型未来会有非常巨大的空间（严重看好ChinaAI，具体什么投资机会欢迎大家来讨论）（2/，3/和4/）

4.不在任何阵营头部梯队的LLM公司，和应用公司无差别（1/和4/）。要么gotop，要么gocheap，中间一点机会都没有（2/和4/）

5.Modelrouting和Token重定价带来的变化和机会，需要持续关注

再说说在Liquidityevent和某行Techconf上的见闻吧，尤其是老外咋看的。

1.存储>CPU>>光。

存储=学一个票；

CPU=学3个Maybe4个；

光=学？？？；太难了；NVDA和AMD的会上一半时间都在讨论CPU而不是GPU；

2.老外已经进入自我强化模式。

印象最深刻是某globalcross-overfundparter的分享，大概意思是GPU是有fab和foundry两种bizmodel的，但是Memory没有TSMC，没有Broadcom，所有Memory公司都是端到端的没有第三方平台，所以Memory的估值倍数应该更高。

总结来说，每次在硅谷呆着AI信仰会暴力充值到200%，回国了会被理性拉回来一部分。深入第一线的时候才会感受到涌现的魅力。