“这几天听到的高频词汇就是 post training（强化学习）。”子树对记者说，这次去硅谷基本上有一个非常明显的共识，和国内大模型讨论类似，大家已经不太谈所谓的预训练了，所有人在谈强化学习。GPT5也是大家“八卦”的话题。万旭成提到，有人说OpenAI已经耗尽了互联网的所有数据来训练GPT5，当前ChatGPT Plus每个订阅用户背后其实还亏损200美金。这意味着过去模型大厂不计成本的投入，在未来几年可能会重新评估。除了订阅模式，未来或许有基于任务等新的计费方式出现。相比互联网的所有数据，to B产业端的数据还没有大规模地贡献给大模型训练，业界预计这一进程将是高度市场化的，大模型能产生多少价值就会交换到多少行业数据，未来AI Native（AI原生）进入产业替代，相关的数据飞轮未来也值得期待。在湾区时，国内一家大模型产品的业务负责人Fischer参加了不少行业讨论，令他印象深刻的一场是关于AI Coding（人工智能编程）。现在Coding Agent 趋于成熟，能够做到只有很少bug的几百行代码，或者自己修复 bug。不过，编写更大规模的产品或功能（如小游戏）目前仍有挑战，预计在今年内，AI厂商有信心实现这一目标。他提到目前还有一个较火的方向是 Interview Agent（面试类智能体），尽管这一领域可能还处于早期阶段，但已经显示出一定的应用潜力。灵宇宙创始人顾嘉唯也对AI Coding颇有感触。他在飞机上，看到一位湾区工程师频繁在Anthropic的 Claude 切换代码流，进行相关操作。这种高频使用意味着AI编程工具的实用性正在被验证。在去硅谷前，顾嘉唯先去了趟CES，发布了基于空间交互智能的AI硬件。相比以往多年的参展和观展经验，他认为今年CES硬件创新亮点减少，产品同质化明显。不过，他注意到端侧模型的热度非常高，手机厂商和对隐私要求高的 B 端场景可能率先应用 。他对第一财经记者分享了在硅谷印象深刻的两场讨论，一场是在斯坦福大学的 AI SUMMIT上，知名风险投资人、Inflection.ai创始人Reid Hoffman依旧在All in这一轮具有拟人情感大模型领域。他坚信情感和多模态的LLM能够让AI真正变成像《her》所展现的那样，而以此驱动的硬件时代会造就新机会，可能造就下一个潜在最大的公司。另一场OpenAI 联创Andrej Karpathy创办的 AGI House 活动中，谷歌高管Jeff Dean 分享了 Physical AI 下一步的发展路径，提出从 AI 眼镜和随身 Personal AI 着手进行长期数据积累，类比特斯拉 FSD 的发展模式。由于目前具身人形机器人难以构建走进千家万户形成家庭服务场景的数据，Jeff 认为，有效获取人的第一视角的 life streaming （生活流）数据集是关键路径，通过在AI 眼镜等带摄像头的随身 AI 硬件产品成为关键载体。这也与顾嘉唯的创业赛道选择相契合。从硅谷回来后，AI私教运动平台BodyPark 创始人林宜立则说，自己比较印象深刻的一个感受是：“大家都在聊，巨头之后是什么？”讨论过后大家普遍认为，在更需要本地、实时以及在交互方式上有更多创新的垂直领域，创业公司由于没有历史包袱且与巨头在商业利益上存在对冲关系，因此拥有更多的机会。林宜立说，这次在湾区集中听了很多北美的创业项目，发现其实有一定同质化倾向。硅谷创业者多是软件或技术背景，常喜欢做“横切通用平台”或“工具层”的项目。而中国创业者更倾向或者擅长做“竖切”，做应用做垂直场景的应用和整合。“场景越垂直越深，技术产品创新的机会可能越大。”在记者的采访中，还有多位创业者表示，参观硅谷后有一个强烈的体感是：从创业公司团队来看，美国创业公司更加综合、全面。例如硅谷算法工程师关注业务，去做非常深入的用户调研，产品经理了解市场，也做用户增长、运营，团队文化使合伙人决策更高质高效。这也是一些创业者接下来打算实践的方向。多位采访对象还提到，北美这样的人才密集区域，完全把人从大厂挖过来成本较高，相当于国内3-4倍，创业公司可借助 part-time、consultant等方式，与那些在硅谷才能获取的、专注于 AGI 方向的人才展开协作。
