张鹏对谈汪华、袁进辉、胡修涵：2025 年，匍匐也要前进，活下来最重要

科技 2025-01-01 12:14 北京

这种寒武纪爆发级别的大机会，要抓住。

作者 | Founder Park

2024 年，AI 行业的进展可能并不如大家预期的那样让人惊喜。

年初惊喜的 Sora 引爆了视频生成赛道，却在年尾才姗姗来迟；GPT-5 迟迟没有发布；期待已久的 AI 应用爆发和 token 自由也一直没有实现。

但也有一些意料之外的惊喜，语音、视频赛道的火热、Agent 智能体的爆发、AI 搜索和 AI Coding 赛道出现了不少新的独角兽企业、以及 o1 的正式发布。

我们该怎么看待这一年的变化？以及，2025 年的 AI 创业该怎么做？最该关注的技术趋势和变化是什么？哪些赛道更值得做？

12 月 26 日，在 Founder Park 直播间，极客公园创始人张鹏，与三位分别来自投资、中间层和应用层创业的嘉宾，聊了聊 2025 年的 AI 创业趋势和可能的新变化。文章基于直播进行整理。

用汪华老师的话作为总结，「大家得千方百计活下去。不管会遭遇怎样各种各样的情况，哪怕是处于黎明前的黑暗之中，也得咬牙坚持。」

「这种机遇大概上一次还是 15 年前，人一辈子能赶上这种寒武纪爆发级别的大机会一辈子最多两次，两次里面有一次你可能年龄、生活状况，状态不合适。高概率一辈子只能接触一次机会，虽然明年很难，但是你这一辈子的机会也很少。」

对谈嘉宾介绍

创新工场管理合伙人汪华，投资了多家模型、infra 和应用公司，此前在 AGI Playground 2024 上针对 AI 应用趋势的演讲好评如潮。
硅基流动联合创始人兼 CEO 袁进辉，做 AI 应用的 Token 工厂，文本、推理、图片、视频、语音都有覆盖，是国内开发者口碑最好的一家 AI Infra。
捏 Ta 创始人胡修涵，做 AI 内容社区，做了两年应用，有成绩，更重要的是有 learning。

OpenAI 12 天发布季，

o3 和 SFT 是关键

张鹏：不妨先从 OpenAI 近期的动态开始谈起，临近年末，OpenAI 在圣诞节前的 12 天里连续公布了 12 项进展。大家怎么看这连续的 12 个「彩蛋」，有什么印象深刻、倍受启发甚至是影响未来的地方吗？

袁进辉：最近大新闻层出不穷，每家厂商都有很多新进展，像谷歌等，今天 DeepSeek 又发布了模型，感觉都有点应接不暇、变得「迟钝」了，毕竟每天的大新闻实在太多。以前只要 OpenAI 有什么新闻，肯定都会第一时间深入研究和，但现在它连续 12 天发布成果，我也没办法做到每天都去仔细看，确实没那么大的精力和动力了。

在我看来，这次 OpenAI 的发布中，最关键的还是 o1 的延续，包括 o1 的正式版以及 o3 的预览版，特别是它们在编程方面所展现出的作用。至于 Sora，因为它的上线时间拖得太久，国内很多模型已经做得相当不错了，所以对它没什么特别的感觉，我也没有去使用，只是看大家的评价说它在产品层面或许有一些创新，但在基础模型方面，不见得有多领先。

总体而言，对我来说印象最深刻的还是 o1 和 o3 的发布，重点在于其逻辑推理能力，以及对未来像智能体、数字工人等对智力密度要求较高的场景的解锁，这是我比较关注的地方。

张鹏：修涵，你作为应用创业者，怎么看 OpenAI 最近的这一系列的「大招」，有什么觉得有收获的吗？

胡修涵：其实我能记住的就只有他们发的 ChatGPT 的热线电话。

张鹏：为啥记住这个了？

胡修涵：从去年到今年，我明显感觉到 AI 在人群中的渗透率有了大幅提升，国内外的大型企业都为此做出了不少贡献。国内的字节以及其他的 AI 大模型企业做了大量推广工作。所以总体相较于一年前，实际使用过 AI 的人数确实多了不少。

我印象深刻的地方，主要是体现在这个热线电话的应用场景上，边远地区的民众现在也能够通过拨打免费电话来使用 AI 服务。从这个角度来讲，确实让我感到有些惊喜和意外。

张鹏：来听听汪华的观点，怎么看待 OpenAI 这一系列动作？

汪华：OpenAI 这波动作，最后的大招是不是 o3 呢？实际上，o1 一出来，它在推理层面的开拓路径就已经很惊艳了。在我看来，o3 相较于 o1 并没有本质性的重大改进。还记得上次我们讨论 o1 的时候，当时有两种观点，我持乐观态度，认为国内能够很快复现，事实上国内的复现速度还是相当快的。

不过说实话，o3 或者 o1 Pro 推出后，对于国内是有利的。因为不管是否通过蒸馏数据，只要技术路径走通了，国内的追赶步伐就会加快。唯一的压力就在于 OpenAI 是不是能开辟新的技术路径。另外，o3 目前主要还是存在成本问题，Pro 模式的采样量是标准模式的 100 多倍，这就导致其应用场景相对受限。o3 在封闭域问题的解决上表现良好，但 OpenAI 此次并没有展示它在泛化的开放域方面的成果。像数学代码以及链路推理这些明确的任务，虽然它能够处理，但如果想要让它取代人类工作，还是需要更好的泛化能力。

成本我不是特别担心，因为 OpenAI 用最贵的算力把这些东西做出来之后，后续是可以进行蒸馏的。目前可能是 1024 倍的采样，但未来或许 8 次采样就能达到相同效果。总体而言，OpenAI 推出 o3 继续向上突破是好事，毕竟如果基础模型已经遇到瓶颈，整个 AI 的发展进度就会放缓，这对整个产业来说是有益的。

另外，对于 Sora 的成果没什么关注，我反而对发布中的两件事比较关注。其一是它的强化学习中的 SFT 技术，如果描述属实，那么只需几十个或者 100 多个样本，就能在模型的垂直领域任务上实现非常显著的提升，而且效果远远好于之前用大量数据进行 SFT 的方法。我觉得这对于未来的应用开发至关重要，因为目前模型在做垂直应用时难度较大，可控性较差，就算天天调 prompt 也很难达到理想效果。

其二就是成本问题，OpenAI 到底能不能降下来？现在很多应用的成本还是太高了，就像它声称将语音模型的成本降低了 60%，还接入了 4o-mini，但实际上使用几分钟仍然需要几十美金，对于面向 C 端的应用来说，成本至少还需要降低 10 倍、20 倍才具有可行性。

在多模态领域，尤其是对于面向 C 端的应用来说至关重要的是成本问题。目前 OpenAI 作为效果最好的标杆，其全双工的语音模型以及图像模型的价格非常昂贵，大几十美金甚至到两百美金每百万 token。我现在期望 Google 的 Flash 模型能够在保证可接受效果的前提下，迅速将成本降下来。因为目前 OpenAI 和 Google 展示的语音、视频等技术成果，其实已经足够好用，关键就在于成本能否降低 10 倍、20 倍甚至降至 1%，这样 C 端应用才有可能迎来爆发式增长。

张鹏：在这 12 项成果里，如果作为科技爱好者去看，或许会觉得每项都有一定程度的进展；如果是从创业者的视角出发，更能看到其中潜藏着一些关键要点和关键问题。就像刚才汪华老师提到期待 Google 追上来，据我了解现在 Google 虽说没有抢占先机的姿态，但一直紧紧跟在 OpenAI 后面，不差太远，并且还会时不时地发力往前赶一赶，这应该算是 Google 比较稳健的策略了。

所以我们可以预想，未来这两家企业大概率会相互推动，站在我们的立场来看，就是促使这个产业的技术上限不断提高，成本持续降低，对吧？毕竟 Google 在降低成本方面肯定是有动力的，而 OpenAI 推动技术突破天花板也是它必然的使命。从这两个方面来讲，还是挺让我们感到欣慰的。

OpenAI 的 2024：

作为一家商业公司，相当成功

张鹏：在这一轮 AI 变革中，OpenAI 无疑是发起变革的先锋，堪称行业的引路人。如果要总结这一年 OpenAI 的表现，您觉得它做得怎么样？是否达到了我们最初的预期呢？

汪华：我觉得如果按一家公司来说，绝对是符合预期的。但我们整个行业都指着有一家公司来破开天花板，这个角度来说，OpenAI 没有起到我们希望它起的作用。

张鹏：哈哈哈对，进辉也是这个观点吗？

袁进辉：的确，OpenAI 这一年公司内部动荡频繁，这可能对它的发展产生影响。这几天有爆料说 GPT-5 的训练不太顺利。原本它计划推出一个重大版本，但可能迫于某些压力，将处于中间状态的 o1 发布了出来，这也就意味着它原本预期的效果、或者计划采用的方法还没有完全实现或走通。

Sora 虽然发布得很早，但后来被许多团队追上了。如果给表现打分，我觉得七八十分较为合适。主要是因为起初大家对它的期望过高，但确实这种从 0 到 1 的创新往往伴随着诸多不确定性。当 OpenAI 成功探索出像 o1 这样的路径后，其他人就知道了前行的方向，就像在一条原本不知道怎么跨越的河流上找到了一座桥，或者说至少确定了能够跨越的可能性。但率先去验证这种可能性，成功率确实比较低。

张鹏：领先者也压力很大，大家所有的希望都压在他身上。修涵和你身边的创业者朋友会怎么看 OpenAI？是什么样的视角？

胡修涵：从两个视角来看，一方面，作为应用领域的创业者，我自然会更关注 OpenAI 如何去探寻一个最为恰当的场景，来展示这个技术的应用潜力。另一方面，因为我本身从硅谷回来，从一家海外硅谷初创公司的运营状态这一角度去考量 OpenAI，我的评价是：在团队面临这么大挑战的情形下，它能够 deliver 如今的成果，实属不易。所以总体而言，考虑到一些客观状况以及公司内部的种种变化，它能够给出像 o1 这样的技术方向，已经相当不错了。

但从整个行业的角度来讲，OpenAI 之前的很多突破可能是积攒了两到三年的成果，属于厚积薄发，逐步展现出来。我们不能像看小说那样，之前别人攒了两年的内容一下子呈现给我们，而到了现在变成追更模式的时候还要求每天更新的是过去两年的量，这在预期上确实有点过分。综合来看，我觉得 OpenAI 目前的表现已经是挺不错的了。

汪华：我再补充一点，就 OpenAI 作为一家公司是相当符合预期的。从应用的角度来看，它如今拥有三亿的周活用户，这已然是有史以来用户增长速度最快的公司之一了。再者说收入，对比谷歌、脸书等公司在创立第二年的收入情况，OpenAI 的收入状况也是符合预期的，况且这还是在跟大厂进行正面竞争的情况下（达成的）。在这样的形势下，它的商业化以及产品推进的成果实际上已经非常出色了。

我们以前对它的预期存在偏差。因为它研发成本很高，又要探路（进行技术探索），又要做很多其他业务。但 OpenAI 既不是谷歌，也不是脸书，它所有的突破资金都来源于融资。想想谷歌一个月的利润数额，但 OpenAI 所有的运作都依赖于融资，同时还要推进商业化进程，并且肩负着需要投入百亿美金级别资金的技术突破重任。

所以回过头来看，我们指望它独自带领整个行业发展，这对这家公司来说实在是一个过分的要求（笑）。而且你看，谷歌能够免费且大规模地进行技术部署，甚至打价格战，但 OpenAI 却为何近期不断尝试提高收费标准呢？例如推出 200 美金的服务，甚至还有言论说未来要按照工作效果来收费，甚至 2000 美金。毕竟它投入了几百亿美金去训练模型，大量资金打了水漂，如果仅靠每月 20 美金的商业化收费，除非是谷歌、微软这类巨头公司，否则任何一家公司都难以维持正常的商业模式。

张鹏：作为从业者多少都有点这样的心态：一方面，希望前面有个能「破风」的引领者，另一方面，又在后面给它加油，盼着它跑得再快点，甚至还预期它能以光速前进。但要是设身处地想一想，不能因为对它在行业里「破风」作用有着更高的期待，就忽略了这家公司其实已经取得了令人极为震惊的进展和成功。这里面存在两个维度，一个是我们内心的期望，另一个是它实际所展现出的价值。

其实我觉得这是创业者的同理心，它确实已经是一家非常了不起的公司了。从这个角度来讲，我也认为我们对它的那种期待，在某种程度上也会成为它最终实现突破的关键因素。就像汪华说的，如果它不带头往前冲，就没办法像谷歌那样通过其他方式来维持自身发展。所以它必须持续地突破和创新，引领整个行业的发展趋势，在这个不断变化的竞争环境中抓住机会越做越大，最终在面对各种挑战和变数时，它就能站稳脚跟。我觉得这其中也存在一定的合理性和自洽性。

作为开源扛把子，

Meta 跑得有点慢

张鹏：除了聊 OpenAI，似乎还应关注身边的其他科技力量，比如 Google 、Meta、苹果等，还有 Anthropic，很多海外新应用的诞生也值得关注，也可以盘点一下。你觉得 Google 、Meta、苹果这三家公司在今年有哪些值得关注或圈点的地方呢？

汪华：从技术层面来看，Google 是我寄予最大期望的。

Anthropic 本质上与 OpenAI 处境非常相似，同样依赖融资来推进发展。而 Anthropic 做事情就非常有选择性，它的代码写作能力相对好一些，在模型的向上 scaling up 也非常小心，所做的 agents 也属于应用层的探索。从某种意义上说，Anthropic 像是更好的的 OpenAI。因此，我期待 Anthropic 能在特定领域做出很独特的东西，但并不认为它能够打破天花板。

张鹏：那岂不是它这个位置比 OpenAI 更舒服一点？我们没有把引领产业的高度预期压在它身上，只是说好好发展，做出好的落实的技术就行，这个位置反而是不是对创业者来讲更舒服？

汪华：而且因为各种各样的原因，能得到阵营支持，因为 OpenAI 之外要支持另外一个阵营，所以也是一个非常不错的位置。而且你看 Anthropic 训的模型都相对比较务实。

张鹏：有意思，是一个听起来比较好的位置。

汪华：但是，OpenAI 是一个大成大败的位置，Anthropic 很难成为那种公司。但因为 OpenAI 要做大，反而会非常注重下沉。我觉得 Anthropic 反而是更注重于更小范围、更高端和专业一点的人群，所以有一点当年 MSN 和 QQ 的感觉。

张鹏：这个比喻有点意思。

汪华：从我自己来看，我了解到有一些爱好者、高端人群、程序员以及业内人士，挺喜欢用 Anthropic 的。但是普通大众甚至都不知道 Anthropic 或者 Claude。不是程序员或者相关从业者，大部分人通常会选择使用 OpenAI，毕竟 OpenAI 当前的估值体量决定了它的目标受众是全体人群。相较而言，Anthropic 不仅是跟随者的定位，而且其目标显然是瞄准细分人群，甚至包括一些细分行业以及垂直领域，从中寻找自己的发展空间和独特优势。

张鹏：你把 Anthropic 和 OpenAI 都做了很好的定位。那你觉得 XAI 是什么定位呢？马斯克在未来会是什么位置？

汪华：我不知道。

张鹏：我也不知道（笑）。

汪华：将来做给特斯拉机器人用（笑）。

张鹏：我觉得有些东西还没有真正表现得很清楚，但这一波 AI（发展），如果说 2023 年是 OpenAI 一枝独秀，其他人跟在后边追，那今年看到很多公司有自己更加清晰的定位，或者形成了自己的节奏。进辉怎么看待这个问题？

袁进辉：前一段时间有个榜单说 Google 的 Gemini 超过 OpenAI 的指标，还有像刚才说的 Claude，它的编程指标是排在第一的，在 GPT-4o 之前。在 Pre-training 这个领域里 scaling law 放缓的情况下，其实给追赶方——这些大厂，包括 x、Google、Meta 更多优势，他们既有计算资源，又有很多顶级人才。Google 还有数据的优势，毕竟 Google 的产品实在很多，用户量很大。所以在 pre-training 这个比赛来看，各方都在努力追赶。

现在 o1 又开拓了一个 inference scaling law，这个思路很多人能复现。所以我认为在一段时间内海外的五支力量应该会不相上下，Google、Meta、X、Claude、OpenAI，还有 Llama。

汪华：我想问一下大家，真的会觉得 Meta 是一支力量吗？因为 Meta 的场景是最丰富的，但实际上 Llama 或者整个 Meta 作为模型，无论是基模、多模态还是 pre-training 等等，我个人觉得跟其他几家不在一个梯队。虽然 Llama 开源是非常好，我非常喜欢 Meta 的开源。

袁进辉：我感觉之后比如像 OpenAI 没有像 o1 这样的大招的话，以及前面 pre-training 这种 0-1 的突破的话，其他各方追上是迟早的事。其实中国这些公司追赶的也非常快啊。

另外，过去这些年的一个体会，算法上的秘密是非常难保守的。特别是在硅谷，像大家讲的，硅谷没有秘密，人才流动也比较自由，也没有竞业等等。所以最终这对于跑在最前面做 0-1 突破的其实蛮不利的。

汪华：但 Llama 为什么做的不那么好呢？

袁进辉：在第一梯队和第二梯队之间，可能是这么一个位置。

张鹏：我觉得硅谷难以保守秘密，这确实是真的。一方面他没有竞业的约束，人员流动更自由。另一方面，硅谷圈子也很小，可能家里一方在 Google，另一方在 Meta，这样很难避免大家进行讨论，在讨论的过程中相互启发，inspiration 会比较多。

所以硅谷天天有几十场 party，各种人来回交流，一方面它的好处确实能带来创新和流动，另一方面，像进辉所说，这件事如果不是水银泻地，而是开始进入一个沼泽，艰难前行的时候，原本资源丰富的（公司）总能向前缩短距离。这确实是对 OpenAI 一个很大的挑战。

张鹏：顺着这个角度再问问修涵，在应用层面有什么让你印象深刻的？包括海外的什么样的应用吸引了你比较多的注意力？

胡修涵：首先我会聊聊 Llama。为什么我理解 Meta 可能会慢一些。因为我之前在 Meta 工作，隔壁就是 infra 的组，探索方向和管理相对更松一点。在这个问题上，由于一开始就选择了开源路线，所以在这一侧上去，实际去全力追赶的动力也没有那么足。

袁老师之前也提到过，其实很多东西并没有太多秘密，有些东西祛魅之后，对于相关领域而言，大家就会努力做到最好，然后进行开源，但内部或许会有更多的讨论，比如随着参数量规模越来越大，到底要不要这样开源出去。

不管怎样，DeepSeek 确实是不错的，对吧？在开源领域，总会有新的力量和强者来角逐所谓的开源第一的位置，这样一来，整个开源生态才能形成相互竞争的态势。我觉得这种互相竞争的局面很有必要，闭源与闭源竞争，开源跟开源竞争，竞争越激烈，大家前进的速度就会越快，毕竟如果第一名没有受到威胁，就不会有足够的动力快速奔跑。

从整个应用侧来看，在这一整年中，我们更多看到的是之前袁老师和汪华老师常提及的由 token 费用下降所带来的趋势性影响。例如，搜索类应用在更多场景中广泛出现，娱乐类应用也开始朝着单元经济更平衡的方向发展，像 Chatbot 类以及其他多模态生成类的应用，出现了一些能够盈利的基本模式。

在交互层面，我觉得 Sora 最近的一些 demo 还是给大家留下了深刻的印象，比如在多模态生成中如何进行 storyboard 的编辑，也就是关于故事版视频的一些探索。

如果单点来看一些有意思的成果，我认为可以关注一下 Midjourney 最近的进展，也就是如何通过生成图像来构建每个艺术家的小空间、小世界，这是一些不错的设想。从整个应用的思路，或者说理解这一代 AI 应该朝着什么方向落地、在哪些场景中发挥作用的角度而言，我觉得火山引擎发布会上张楠（Kelly）的讲话是一定要看的，除此之外的其他部分，我觉得确实还都处于探索阶段。

张鹏：我留意到直播间里有人提到 Meta 的开源模型，认为它达不到第一梯队的水平，有些低于预期，并且感觉 Deepseek 相比之下更卷、更拼。汪华，你觉得今天大家对 Meta 的质疑，是不是主要因为它在最近这一波推理能力的提升上没有跟上节奏呢？

汪华：说实话，我原本对 Meta 的期待值相当高，毕竟 Meta 是现在开源领域的扛把子。一旦 Meta 表现不佳，整个开源界恐怕都会受到影响，所以 Deepseek 能卷起来是件好事。要是整个开源界没有人卷，开源与闭源之间的差距必然会持续拉大。

实际上，Meta 的开源成果在各方面都稍显低于预期。从基础模型角度来看，就拿它的 405b 的模型来说，性能密度并不突出。70b 的模型能力上限也相对有限。举例而言，相较于谷歌的 1.5-Flash 或者 GPT-4o，以及其他已发布的模型，Meta 模型的性能密度都更低，往往需要更大的体量才能达到相同的效果。

而且这还不仅仅局限于近期的新技术方面。在多模态领域，比如类似谷歌的 Gemini 以及 OpenAI 的相关成果，Meta 也落后了许多，包括在语音、图片、视频的理解与生成等多模态能力上，然后才是 o1 这样的推理。所以，如果 Meta 不奋起直追，开源界将会在全方位上落后于闭源，而不只是文字模型的性能存在差距这么简单。

张鹏：我同意，不过刚才也谈到一点，就是能不能振作起来还是需要一些动力的。当年 Meta 开源的时候，所有人都觉得世界因它而改变了，可在那股强大的能量爆发释放之后，后续持续的动力从何而来呢？世界是客观的，所以从本质上讲，还是得有动力支撑才行。就像我们刚才说希望 DeepSeek 继续加油，我觉得 Deepseek 应该还有很强的动力。

在开源领域，如果 Meta 不行了，那 DeepSeek 就得顶上去，这对中国来说也是个机会，可以在世界的开源领域树立新的标杆。

如何面对字节：

在具体赛道先做出成果

张鹏：刚才修涵提到，火山引擎上张楠（Kelly）的发言挺值得一看。这让我想起前段时间极客公园的年度创新大会，来了很多 AI 创业者，虽然字节的人没来，但大家谈论的话题或多或少都涉及字节。最近有一种说法，在这波国内的 AI 应用创新领域，字节就像是一个「大锅盖」，很多人似乎都对字节感到恐惧，不知道该怎么突破。今年我们也看到了字节在这个领域的实力，

修涵，我不知道你作为创业者怎么看？你会不会觉得字节的能力像阴影一样投射到你这边，给你带来影响？或者你有什么应对的办法吗？你身边的创业者们会把字节当作一个重点关注或者要避开的力量吗？

胡修涵：首先，在过去的一年里，字节跳动的突破不只是体现在应用场景的全面拓展上。在模型方面，那些真正在底层进行认真评测的应用公司，应该也能察觉到豆包的基础模型以及其他系列模型的能力提升速度非常之快。字节虽然起步晚，但进步迅猛。所以，从这些方面来看，大家对字节的敬畏不只是源于应用层，而是这家公司整体的效率等各方面都表现得很出色。

我觉得，从过去这一年得到的教训就是，要始终尊重字节跳动的组织能力以及创新能力。

在增长能力上发力要战胜字节，我认为这不是一个挑战字节的正确方向。换句话说，增长能力或许是应用创业的基本素养，但在当前的环境下，尤其是创业初期，仅靠增长能力不太可能战胜字节。不管你设想的是何种增长手段与增长渠道，这都是我个人觉得最为重要的教训之一。

除此之外，我觉得字节也不可能覆盖所有的应用场景。一方面，无论是从生态布局的角度，还是内部资源分配的情况来看，我都比较相信这一点。所以，没必要过度地去避开或者惧怕字节，这一点我并不担心。我认为更重要的是，在某个明确的赛道上，找准相对于字节的额外竞争优势，率先在该领域做出有价值的成果。要为自己争取到一些合作的机会，以便能够持续向前发展。我觉得这大概是应用型创业公司一直在思考的问题，也就是如何获取更多的资源支持，从而把事情做成。

张鹏：刚才修涵提到今年他学到了一些东西，这说明他在这个过程中确实经历过一些挫折，不过也正是在这个过程中，最终对某些事物产生了敬畏之心。我很认同他说的一点，那就是我们确实不能期望一个成熟的大厂在正面战场上会犯非常愚蠢的错误，不应该有这样的预期。

胡修涵：这么做只是在干一件事，就是赌那家大厂老了，除此之外没有其他的理由。

张鹏：对，唯一有可能的情况就是它真的老了。但字节正身强力壮的，还是没必要去赌这个。从另一个角度看，字节这样的大厂也不可能面面俱到，所以反而能看到一些趋势，最近一些应用在远离互联网主战场的领域取得了不错的成绩，这些领域其实还有很大的发展空间。虽然字节可能也注意到了这些机会，但目前可能不会将其作为首要任务来推进，这就给创业者留下了不少机会。

国内基础模型公司，

未来要更聚焦

张鹏：大家都知道，今年国内涌现出了一大批大模型公司，至少在融资的时候都宣称是中国的大模型公司。就国内这些做模型的公司而言，我们该如何总结今年的情况？它们会面临哪些问题和挑战？又该如何破局呢？

袁进辉：就像刚才咱们讨论的，无论是国内还是海外，这项技术从 0 到 1 的突破难度确实很大。大厂往往具有后发制人的优势，像谷歌的进展就十分显著，国内的字节等企业能力提升也非常快。

最近我们还留意到一些有意思的现象，比如小米开始涉足大模型领域，在四处招揽人才；理想汽车也宣称要将自身定位成 AI 公司等等。这些情况在一定程度上表明，那些拥有丰富资源的大公司看到了凭借资源优势取胜的机会。回想最初，很多大厂对大模型领域可能都存在一种不确定感，不清楚这里面的门道深浅，也不知道有多少难题是自己这样的大厂解决不了的。但如今，大厂们似乎更有信心了，而这对于那些原本定位做基座模型的公司来说，无疑是一个巨大的挑战。

此外，开源模型也带来了挑战，像 Llama、Qwen 以及 DeepSeek 等。在这种形势下，我觉得对于创业公司而言，比较务实的做法是找准应用场景。创业公司拿到的资金相对较多，这既是好事也是挑战。说它是挑战，是因为如果项目规模太小，可能很难有所作为，所以必须寻找大的应用场景，但这样又容易陷入过度竞争的困境。不过，我始终相信每个创业团队自己会有独特的经历和认知所形成的 insight，在某些方面还是具有竞争优势的。

关键是要聚焦。我感觉要是我还在做这一行，就必须聚焦，真正找到一个方向，而且在这个方向上要比大厂投入更多的精力和资源。毕竟大厂业务众多，不可能在每个方向上都做到极致。所以对于创业公司来说，聚焦于那个仿佛是自己命中注定要做的事情，全力将其做深做透，也就是所谓的「力出一孔」，或许才是能够实现发展或者突围的有效办法。

张鹏：你说这句话的时候，我想起了小川，最近他经常说他命中注定要做的就是智能医生，我感觉你们俩之间对过词似的（笑）。

汪华老师会怎么看？中国在 2023 年崛起的这一批大模型的公司，接下来他们要走的大战略方向挑战，会像刚才进辉说的，有点像 Anthropic 那种感觉，找到一个更聚焦的市场，这是更务实的一个未来的方向吗？

汪华：可能比 Anthropic 还要更聚焦一点。

张鹏：还要再聚焦一点？

汪华：因为 Anthropic 是模型聚焦，本身的模型能力也很强。国内的模型公司不跟大厂 PK 模型的话，实际上就涉及到我们一直说的模型应用的联动了。我的模型或许不像 Anthropic 那样针对特定的大领域进行优化，而是针对特定小领域进行优化，这样的话，在训练和标注方面也不需要花很多钱。而且这样的联动，大厂的优势也会被削弱。就像袁老师所说的，应用要「力出一孔」，而且不只是整个公司，包括模型的训练、对齐也要与应用保持一致，做到「力出一孔」。

Anthropic 主要聚焦的一个核心场景是写作，在我看来还包括编程。所以它在高端白领和程序员群体中很受欢迎，但国内的大模型公司，我甚至觉得应该比 Anthropic 更加聚焦。

张鹏：我觉得汪华说的内容其实比较契合当下国内的情况。大家不妨算一算自己手头现有的资源，在如今这个形势下，你还站在广阔的平原地带，大厂的机械化军团确实正滚滚向前，靠双腿是跑不过车轮子的。所以这个时候，我觉得就应该进山，对吧？哪怕是在阿富汗那样的地方建立一个根据地，那也算是根据地。我认为这是非常重要的一点。

随着时代不断变化，根据地也要做出相应的选择。对，「躲大厂」（要避开大厂的锋芒），就得进入「山区」，这一点其实相当明确。

应用生态的爆发需要 token 自由

张鹏：经过这两年的发展，是不是逐渐能够看清楚未来在 AI 领域，不管是应用技术体系方面，其未来的生态可能会呈现出怎样的格局呢？

先问问进辉，因为你本身就在整个基础设施层面与众多创业者有过交流，在整个生态肯定观察很多。就国内而言，未来如果我们要去定义一个所谓的中国 AI 生态，它大概会分为哪些层次？可能是怎样构成的呢？

袁进辉：我觉得可能会如同国际上的情况一样，首先会划分出封闭体系和开放体系。封闭体系主要是大厂构建，垂直、全面整合，从底层到应用全部由自己掌控，就如同苹果那样。而开放体系是通过众多公司相互协作，共同组成一个生态链。这里面的基本要素包含算力、数据的推理（infra），还有工程平台以及模型等方面。

从应用层面来看，又可以细分为应用层以及开发工具链。进一步细分的话，还能分成 C 端和 B 端。我认为 C 端的发展趋势会倾向于垂直整合，而 B 端则可能会形成分工与合作的局面，这其中就包括各种解决方案以及标准相关的内容。怎么说呢？就是像标准的工具链，还有那些提供基础支撑服务的，类似于「卖铲子」「卖水」的公司，也就是像我们这样定位的供应链公司，也就是服务商。可以说，应该会出现 AI 云（AI Cloud）这样的形态。在海外，像 CoreWeave 就在朝着这个方向发展，当然，大厂如微软和亚马逊也都在紧紧抓住这个增长契机。

在国内，既有大厂，当下也存在许多较为分散的算力供应商。这些算力供应商需要以最高效的方式将算力销售出去，实现算力的消纳，同时还要将算力之上的基础设施建设得更加完善。这会存在着类似我们这种定位的 Infra 公司与算力公司之间分工合作的机会，最终有可能打造出一个接近大厂云形态的产品或用户体验。

张鹏：汪华怎么看？就是现在能看出未来的一些生态、一些格局，或者在这个格局里看到一些位置值得去填充，未来有更大的需求。

汪华：说实话，目前还不太好判断，因为有两种情况会导致本质上的差异。打个极端的比方，如果未来模型的能力，包括自动化 agents 方面发展得极其强大，那将会形成一种全新的格局。再比如，如果 AI 大致卡在当下的水平，不再向上走了，那么我觉得 AI 的生态和原来移动互联网的生态就没太大差别。会有基础能力的提供商，有众多算力提供商，在此之上会有开源、闭源项目以及中间件，还有许多程序员和应用公司。里面有大大小小的 To C、To B 的应用，也有不少服务公司在提供服务，这样整个生态其实和现在相比不会有本质区别，只是技术栈全部改变了。

但要是出现另一种极端情况，即整个模型 agents 和相关的东西变得非常成熟，每家公司都能像培训员工一样去开发新应用，甚至模型可以半自动构建，那很多中间层就会消失，生态也会有非常大的不同。所以，我最中庸的猜测，是实际情况会介于这两者之间。

张鹏：所以这件事到底是个老瓶装新酒，还是新酒要需要一个新瓶，今天可能还并不清晰，这种开放性的状态我估计还得再有一段时间，或者需要有一些新的应用形态和 AI 落地的价值，才可能产生变化，是不是这个感觉？

汪华： 包括现在的这个天花板模型的可控性、智能化、 agents 自动化，这些东西的天花板到底在哪里。

张鹏：不过只要天花板还在一寸一寸往上提，这个事儿就不能定论，对吧？然后这个我觉得这个就是相对的好消息。所以你看为什么进辉天天说 OpenAI 还要再努力一点（笑）。

汪华：应用的生态也是一样。以前有无数垂直的应用，但如果自动化 agents 、多模态更加成熟，可能就不需要那么多应用了，只需要不同的底层 API 或接口，或者服务提供商就行。就像移动互联网催生了超级应用，在 AI 领域，如果自动化程度足够高，那么更多的应用可能会整合，整个应用生态也会与以往不同。

但如果它没有那么强大，在交互以及模型智能化等方面都无法实现高度的自动化和智能化，那可能还是出现一大堆应用，这些应用只是升级过后的版本。

张鹏：这点正好可以让修涵来谈谈。你作为应用的创业者，你反过来看今天的生态，你觉得这个生态还应当如何发展，才会对像你这样的创业者更为有利呢？你的哪些需求在今天的这个大格局里还没有被很好的满足？或者你希望怎么样这个生态能带来更高的效率呢？

胡修涵：对，我比较完整地看过之前汪华老师在访谈中介绍的这一代 AI 的三层假设。

第一层是基于当前生成式的情况，第二层涉及自动化情况，第三层则关乎对人类社会进化层面的影响等假设。截至目前，我们很多的构建以及应用层的假设还是基于第一层就能满足的，也就是能够借助生成式 AI 来完成大量内容的整合、remixing、以及模拟等操作，我觉得这是在这一基础层面上最常用的能力。

长链条的推理自动化等方面，目前来说，如果我们想要进行推广式的应用，或许还需要一些更有力的假设支撑。在第一层的问题当中，我认为核心问题至今仍然是成本结构问题，也就是袁老师所说的「token 自由」的问题。

我们可以看到，从去年到今年出现了一个较大的变化，去年生成一张图片的成本，大概需要两到三次广告曝光的收入才能 cover，今年在好一点的优化状态下，一次广告曝光的收入就能够生成 10 到 20 次以上的图片。所以，在单多模态的生成方面，效率至少提升了 10 倍，在整个达到 4o 级别的智能语言模型上，效率更是提升了 120 到 160 倍左右。所以成本方面的变化是极为显著的。实际上，要真正推动大规模应用的推广，我觉得关键在于找出哪些应用能够完成 token 的倾销，从而实现推广，也就是它能够无限制地提高生成地需求。

张鹏：追问一下，比如日消耗量到什么级别，你认为可以进入到所谓的这个 token 倾销的这个能力的范围了？

胡修涵：我认为先是单个应用的规模能达到万亿级别，接着单个应用的 token 消耗也会达到万亿级别，就目前全球头部应用来说，最头部的那些应用其相关指标比这个还要高一些，而我这里讲的可能是某个类别赛道上整体应用都超过这个水平的情况。这意味着单个模型提供商的日消耗规模或许要达到亿亿级别了。这样程度的日消耗，我感觉像豆包之类的模型，明年可能就要为这件事去做相应准备了，就是在为亿亿级别的日消耗情况去做考量。

所以，单个用户若要消耗到万亿级别的 token，单纯通过 Chatbot 之类的场景，大概率是碰不到这种情况的，肯定得有那种核心的、能产生无限消耗需求的情况才会出现。当然了，Chatbot 也可以引入更长的上下文、其他更多类型的信息，像 role play 等更多丰富化的内容来做拓展，但实际上，可能都还不能解决包括多模态整体模型能力如何融入到这些场景当中等一系列问题。

我觉得对于应用层而言，视频生成的成本目前还处在每 4 秒钟零点几元到几元这样的水平，这是完全让人难以接受的。所以，我的预期是到明年年底，单个短视频的生成本能够接近一次广告曝光的成本。这样的话，我觉得很多账就能算得过来了。

张鹏：这是从通用反推。

汪华：其实 token 自由有一个更简单的算法。举个例子，比如说一个在美国的成熟应用，假设它今年的 ARPU 是五十美金，那我就要保证用户一天用两个小时不断的自由的生成使用，我维持它的成本不能超过两毛美金，考虑到不是天天来用。那如果我能让用户连续的用两三个小时，成本却不超过一两毛美金，用户的 ARPU 广告费用就能支撑我有盈利。

张鹏：如果按照汪华老师去年我们探讨时的观点，他就坚定地认为未来成本得有两个数量级的下降，这样整个事情才能形成闭环。否则，如果按照当下的成本推理下去，这件事无论如何也算不过账来。如果按照这样的成本推理，说白了，要是成本降不到位，就很难出现那种让人震惊的情况。实际上，一天 100 万 token 的消耗成本，已经算是相当高的成本了。

胡修涵：对，我稍微补充一点，如果是图片的话就友善很多了。跟不同场景下的模型能力的关系还是比较大，就综合考虑成本、多模态智力水平和延迟这三件事儿，然后我们在一个场景上看到它达到的水平。

汪华：其实现在只是文字和图片还好，而且降的路线比较明确，但是语音、视频还是严重偏高的。但实话说如果要 token 自由的话，不能仅限于图文的 token 自由，必须是自然交互和多媒体的 token 自由，这样的话才能出现亿级或者几千万亿级日活的，而且一用户在上面能连着两三个小时，而不是用两下就走的那种应用。

国内 AI 创业的困境是什么？

张鹏：修涵，我还想追问一个问题。记得去年就有不少人预测，2024 年将会是应用爆发的一年。而且在这一年里，很多团队都在认真尝试利用 AI 开发各种形态的应用。但是这一年下来，在应用领域真正获得投资的团队数量并没有我原本预期的那么多，而且拿到钱而且真正取得有效闭环成果的团队还是要认真找一找，没有遍地都是，所以总体感觉应用的崛起速度比之前预期的要慢一些。

我不知道修涵你怎么看，毕竟你身边的创业者朋友和同学也比较多。你是怎么看待这件事的呢？是什么原因导致应用的发展没有达到我们的预期呢？

胡修涵：我觉得整个生态建设中，大家好像给应用做的支持和投入也还是比较少的。就这一代的创业环境而言，实话实说这一点表现得较为明显。

应用是一个靠「卷」出来的事情，从很大程度上讲，无论是在交互模型、数据处理的整体流程、新的增长范式，还是在能够利用的红利方面，很多都是通过一定程度的随机尝试和探索验证出来的。当可尝试的方向和选项如此有限时，应用发展速度缓慢也就不出乎我的意料了。而且我们自己在很多时候也不知道该抄谁。哈哈哈。从另一个角度来说，token 的成本以及相应的模态限制也是客观存在的因素。

因为我们都清楚，如今在应用时长的竞争上，已经不同于当年移动互联网的竞争生态了。现在大家都在争夺抖音这类平台的使用时间以及优质游戏的时间。在这样的体验过程中，如果我们仅仅实现了图文方面的自由，从很多角度来看，显然是缺乏爆发性的。

不过，我认为在这个过程中，大家也忽略了一些在早期投入方面其实更为有利的事情。就比如说这一代的生成天然是跨模态的，所以从上一代创业过程中对于模态过度纠结，比如在应用形态上，是否一定要等到模态非常成熟后才开始进行大量实验，这可能是一个存在问题的假设。在供给方式上，我们完全可以通过文字 prompting 和图片的 prompting 输入作为通用的输入形式，来构建后续的消费场景以及后续的任何处理方式。

所以，这一代的输入输出条件与上一代截然不同，如果按照上一代的思路，等待技术完全成熟后再在应用方面进行投入，我觉得可能就会错过一些机会了。所以，在这些方面，如果大家觉得整个生态发展缓慢或者存在其他问题，可能也只是相对 ChatGPT 的发展速度而言。

张鹏：如果这波技术是一个越跑越快的列车，你自己不跑起来可能就上不去了。所以这个时候是不是已经上了车不重要，反正得先跑，不跑起来你肯定上不去车。

想问进辉，因为你们既然在中间层，帮到很多的创业者，和很多创业者也有合作，你怎么观察今天的应用？创业者们面对的困难除了融资，进来的钱很少，没那么多人竞争也就难以更好的涌现，激发，让这里的能量密度比较低。除了这个问题，还有没有其他的现实问题是你观察到，目前的应用创业者正在面对的？

袁进辉：我感觉刚才大家聊到的一个情况是，投在这个方向的钱太少了。记得上次直播时，汪华总说过一句代表投资人心态的话——VC 还在观望，要看到有东西冒头才会下注。而实际上，国内现在资金确实比较紧张，在这种情况下，如果投资人不下注，很多创业者就只能自带干粮，先做出一点成绩、有了一定信号之后才能去融资拿到钱。

另外，从市场端或走通闭环的角度来看，在当前的融资环境下，创业者需要尽早实现闭环盈利，无论客群多小，都最好能看到有人愿意付费的效果，无论是 C 端还是 B 端。但这方面存在一些挑战，特别是在 C 端，是否会像互联网初期主要靠广告模式的出现，像谷歌那样打开整个场景，让大家看到赚钱的希望呢？目前还不确定。

在当下这个阶段，还有可能出现新的商业模式吗？比如在 AI 搜索方面的变现，如果用户追求的是准确性，就可能没有太多展示广告的机会，那么该如何解决变现问题呢？此外，有人讨论 B 端按效果付费，即根据 AI 替代的工作量来计费，而不是按成本付费，这能否实现也有待探索。所以在走通商业闭环这一端，无论是国内还是海外都还需要进一步探索。不过，感觉融资难、资金少的问题在国内尤其显著。

张鹏：追问一下，你觉得今天的 AI 应用的创业者们在技术管线上会有什么普遍面对的难题？

袁进辉：有两个问题，不过目前来看还不是特别严重。

第一个问题是访问最高水平模型的便利程度。对于那些走在最前沿的创业者而言，这基本不是什么难题，他们通常都有办法解决。在制作产品的前期验证的时候，创业者肯定会先选用最好的模型。毕竟，如果最好的模型都做不到，那肯定别的模型就指望不上了。这个问题应该不算太严重。

第二个问题是在工具链和基础设施层面。实际上，国内在这方面还是落后于海外的。在海外，各种各样的供应链和生态建设得非常完善。就拿制作一个简单的网站来说，海外有专业的供应商，像提供 CDN 服务的 Cloudflare，甚至做支付有 Stripe 这样方便的工具。海外有一套完整的链条，但是在国内，创业者在做这些事情的时候，还有很多工作要自己去做，这样一来，上手的门槛自然就高了。

所以，在这方面我们也在思考，我们可以做些什么样的工作呢？包括 Infra 这块的工作，怎样才能让国内的创业者在这方面不落后于海外的创业者，让他们在国内也能使用和海外创业者一样的资源呢？我们希望能够在这方面开展一些工作。

另外，在 go to market 这一块，我感觉有这样一个实际情况，就是很多海外的创业项目在变现方面见效比较快。对于国内的创业者来说，在这方面也有需要学习的地方，也就是市场进入策略，像在海外怎么做 SEO、怎么做 KOL 等这些事情。目前来说，这也不应该是本质上难以克服的困难。因为已经有很多特别勤奋好学的创业者把这一套方法都摸透了，而且还出现了一些专业的供应商来帮助解决这些问题。

张鹏：想让汪华老师来明确一下，为什么今天应用领域的创业者没有出现大规模爆发的情况？他们到底面临着什么样的问题？在你看过的那么多创业者当中，你发现的普遍问题是什么呢？

汪华：说实话，我并不觉得是创业者本身存在问题。我个人认为，每一代创业者，无论是当年移动互联网时期，还是现在处于 AI 发展早期，大家其实一开始都是满怀热情，同样聪明且具备能力的。但不得不说，所处的环境确实不一样了。

我从两个方面来讲，先说说拿不到钱的情况吧。我很实在地讲，第一个原因是美元基金基本上要么已经「死光」了，要么就是处于「躺平」状态。而人民币基金和美元基金在性质上有着本质的区别。第二个原因就是中美上市脱钩了，A 股市场和港股市场对于科技类尤其是尚未盈利的企业其实是很不友好的。VC 就算进行了投资，后续又该如何实现退出呢？所以整个产业链来看，虽说感觉 VC 是「躺平」了，但实际上 VC 本身也是一种正常的商业行为，它有着自身的商业逻辑，客观来讲，目前这种情况在短期内还是很难有实质性的好转。不过，中间可能会出现一些阶段性窗口的机会，比如明年，我国政府有可能会将 AI 视作新质生产力，大水漫灌（进而出台一些大规模的扶持政策）。

但要是指望依靠这类政策红利的话，对于 AI 应用的方向和类型就会有特定要求了，这就不再单纯是市场竞争的事儿，而是会受政策导向影响。所以，创业者在选择应用的方向和类型时就得格外留意，这和移动互联网的逻辑并不完全一样了，我只能客观地这么表述。比如说，想要拿到国内针对新质生产力的资金，或者获得国内大型基金的支持，其实也不是所有类型的项目都符合要求的。

再来说说应用有没有爆发这个问题，这和我们观察的着眼点也是有关系的。我们现在之所以觉得应用没有爆发，是站在中国 C 端应用这个角度来看的，除了像豆包等少数几个应用之外，基本看不到太多其他亮眼的了。但实际上，在我看来，海外的应用生态已经在逐步形成了。

一方面是面向 ToB 的应用，另一方面是依靠用户付费的应用，这两类在欧美地区发展得都挺蓬勃的。ToB 领域的公司，从 finance、 legal 这些垂直领域，到职能性的 HR 等各个方面，各式各样的相关应用层出不穷。而且有不少公司在很短时间内就已经取得了可观的营收，比如达到了百万美金的营收里程碑，甚至突破千万美金营收的也有。

在 C 端里面，付费应用的发展同样很不错。海外 ToB 的生态已经非常成熟了，用户付费模式也很成熟。其实国内那波工具出海的企业，在海外的收益增长速度也挺快的。只是像以前那种依靠广告支撑、纯免费且拥有大量用户的 C 端应用，在海外目前还没有大规模爆发。但即便如此，现有的这些应用也已经足以支撑起整个生态了。你会发现，像做上游垂直模型的 ElevenLabs 这类公司，运营得很好；做算力、算力云服务的 Fireworks 之类的公司，活得也远比中国同类型公司要好很多；还有很多做中间件、中间层的公司，无论是融资情况还是自身的运营状况也都挺不错的。

从这点来讲，海外的应用生态不仅已经挺蓬勃了，甚至都已经开始形成较为完整的生态体系了。

另外，关于 ToC 这件事，在我看来也是迟早会发生的。

而且海外在这方面的发展速度会更快，抛开政策监管等因素不谈，海外的 CPM 其实比国内要高很多。所以在我看来，海外那些有着大量用户且靠 CPM 盈利的应用，就跟刚才修涵说的情况类似，其实在一些领域已经到了关键的临界点了。比如说海外广告的 CPM 支撑图文类且长时长应用的这个平衡点其实已经差不多快达到了，我甚至觉得用不了多久，像那些原本依靠用户付费的应用，如果真想扩大规模，在广告的 CPM 以及 token 成本下降一些的情况下，其实就没必要再向用户收取 10 美金、20 美金的费用了，完全可以转型成免费应用了。所以客观来讲，国内在这方面的情况相比之下确实要严峻一些。

Chatbot 和 C.AI 都不是最终形态

张鹏：咱们再深入聊聊应用领域里出现的一些变化吧。最近，可能大家都看到过一篇文章，说字节内部对于像豆包这类的应用，似乎觉得其未来的发展可能没有预想中那么有价值，进而开始将重心往剪映的方向倾斜了。

虽然我没办法确认这是否真的就是字节的一项战略，但这件事确实引发了大家诸多的探讨。毕竟，最早这一波人工智能应用，我们大多是从 Chatbot 这种形态开始去看。

所以，该怎么看待聊天机器人这种形态未来的价值呢？像这类人工智能应用还有没有发展前景呢？还有像豆包这样的产品，或者说在国内，有没有可能出现一款像 ChatGPT 那样的应用，功能越来越强大、越来越全面，进而成为每个用户必备的工具呢？想问问汪华，你如何分析聊天机器人这种形态的发展走向以及对它的价值判断的呢？

汪华：Chatbot，无论是豆包还是 ChatGPT 本身，都属于早期非常初级的产品形态，肯定不会是最终形态。就拿豆包来说吧，现在它已经被打造成了类似百宝箱的模样。从本质上讲，这其实就是在朝着最终产品形态迈进过程中的一种探索路径罢了。

而且豆包目前的功能挺混杂的，实际上算是一个挺矛盾的产品了。一方面，它想要去解决搜索工具类应用所涉及的相关问题；另一方面，它又试图往陪伴方向发展，毕竟有不少老年人和小孩会把它当作聊天陪伴的工具来使用。但把这两种应用方向整合在同一个功能里面，确实显得有些别扭，它们各自朝着未来发展的话，应该都会有更为极致的产品形态出现。

再看 ChatGPT，它的产品形态也一直在变化。它最初的形态主要是针对 PC 端的，从本质上来说，一开始并不太适配手机端。即便是现在手机端的 ChatGPT，其产品形态也还没有完全定型呢。而且工具类应用本身在手机端就不存在固定的一种形态，就好比移动互联网刚兴起的时候，最早出现的都是搜索工具类应用，可到了后面，就慢慢演变出了围绕日常生活中的吃喝玩乐、住行娱乐等方面的常态化应用了。

实际上，说到工具类应用，比如说搜索工具，用户使用的时长必然很短，留存率也肯定比较低，所以这显然不是最终的理想形态。甚至包括现在字节跳动所做的所有产品，在我看来，目前都还没达到最终形态，在这个过程中必然要经历一个非常快速迭代的阶段。

还有，Character.ai 也不是最终形态，而且距离最终形态还差得挺远。

首先，我很反对把 Character.ai 称作「AI 社交」，因为它里面压根儿就没什么社交元素。从本质上来说，它包含两方面的内容，一方面它算是带有 fantasy 或者说带有角色扮演元素的互动小说；另一方面呢，它可能更像是互动游戏里的角色扮演之类的，并且还是单机版的。现在咱们玩游戏大多都喜欢跟其他人一起玩网络游戏，它却只是单机版的文字类游戏。

所以，它目前的产品形态决定了其受众也是比较特定、比较硬核的。你在 Character.ai 里玩得好不好，完全取决于你自己的表达能力强不强。要是你自身表达能力欠佳，那玩起来肯定不会太尽兴，这就有点像我们当年玩那种比较重度、面向特定圈层的产品一样。不过，我相信它未来肯定会朝着真正意义上的社交、真正的多模态方向去进化的，毕竟相比于传统的应用，生成式 AI 在其中能够发挥的作用可太大了。但它肯定不会一直保持现在 Character.ai 的这种产品形态，它现在的样子有点像移动互联网早期出现的那些产品形态。

张鹏：我们今天看到的 Chatbot 本质上是一种幼虫的状态，就是它最终可能会在某个瞬间里要破个茧，变成另一种形态，只是今天我们还没有完全能看到它会怎么变。

汪华：是的，你还记得当年 App Store 刚出来的时候，前三年出来的那波产品形态有几个到今天了？反而这波做工具的都没有问题，直接找用户收订阅费，直接去做各方面的工作，尤其是出海做工具的，因为移动互联网第一波也是工具，所以这些反而没问题。但大家希望的可能是那种将来能持久、长赛道做大的应用，但那些应用在我看来现在产品形态都还没出现。

张鹏：我想听听修涵的看法，我觉得在你做产品的过程中，包括你的创业伙伴们，肯定也在研究这些趋势。我想知道你们如何看待 Chatbot 这种形态的未来演进空间？

胡修涵：我首先同意汪华老师的观点，这些产品形态距离最终形态还挺远。在我们自己的工作中，也在不断观察和实验各种不同类型的方式。除了 bot 在特定场景中遇到的一些场景上硬核的问题外，还有一些长期存在的潜在问题在当前看来非常难以解决。

第一个问题是是内容的私密属性。通过这个界面，用户之间的沟通和交流往往是私密的，这涉及多方面的私密性。私密性带来的最大问题是数据难以在用户之间复用。无论你采用哪种方式来复用数据，无论是通过训练优化模型，将数据提供给他人以用于推荐或其他用途，还是尝试利用这些数据构建社交网络效应，都会面临一些难以克服的挑战。因此，在这个方面，我们正在努力实现一些突破。

第二个问题是关于内容创建和消费的割裂性——它不是一个非常方便的、能在同一个地方完成消费别人产生的内容和自己去创作生成内容的事情，这是一个很痛苦的点。在移动互联网应用中，通常只有一个主要界面，即用户心智层面的主界面。然而，当涉及到核心内容资产的发现，比如探索新事物或进行实际消费时，这些行为与生成内容的平台并没有很好地融合在一起。目前，在任何 AI 或其他类型的产品界面上，这一分离现象都很普遍，导致了用户体验的不连贯性，会让用户的粘性和成瘾性都变差。这些局限在当前的交互信息模式中比较突出。尽管如此，我们相信基于目前的模型层输入输出范式是有迹可循的，现在去积累用户在概念层创建的资产是有价值的。

本质上，我们谈非工具型产品，甚至包括那些能够长期存在的工具型产品，它们共同的特点是拥有模板、资产和用户沉淀。关键在于，我们需要了解在什么时候、基于什么样的技术成熟度之后可以开始积累，开始建立早期飞轮的实验？现在也可以基于 CAI 模式开实验，去解决刚提到的问题。具体问题具体分析。

AI 搜索 ToC 已经没有新机会了

张鹏：想问问进辉，对于 AI 搜索以及 AI Coding 这些今年的热门概念，你是怎么看的呢？

袁进辉：从当前的形势来看，在编程领域，AI Coding 已经毫无疑问地发挥着巨大作用。在美国，这方面的融资热度很高，甚至可能已经催生了十来个独角兽企业。而 AI 搜索也是一个备受瞩目的方向，如果要挑选出大家普遍认可的方向，coding 是一个，AI 搜索领域有 Perplexity 这样的代表。不过，这个领域的共识度似乎有些过高了。就拿谷歌来说，这几天它推出了一款产品——Deep Search，类似的产品，大厂们都在纷纷推出，毕竟对他们而言，这是不容有失的业务领域。所以，在这方面的竞争太过激烈，甚至有国内顶尖的玩家认为，面向 C 端的 AI 搜索创业公司已经没什么机会了。不过这只是他的看法。

而我觉得有机会的地方在于企业搜索领域，比如企业内部的搜索，像美国的 Glean 就是例子。前段时间，Mela VC 对几百家企业的相关人士做了采访，有个数据显示，RAG 是超过 50% 的使用范式。这说明 AI 搜索作为一项技术，除了面向 C 端的应用场景，在 ToB 领域也有大量的运营场景。在国内企业内部也有大量类似的需求，比如知识库搜索、整理流程的优化等等。所以在这个领域我觉得创业公司或许更有机会。

这在某种程度上就如同之前提到的，平原打仗与山地打仗的区别。如果在开阔的平原上，面对大厂开着「坦克」一路横扫，创业公司毫无优势；但如果进入企业服务这个「山地」领域，大厂的那些优势就难以发挥了。因为在进入企业服务市场时，与 C 端那种依靠流量的打法截然不同。在企业服务领域，即使是大厂，也得一家一家去攻克客户。在这个层面，我认为创业公司是更有机会的。

张鹏：明白了。汪华怎么看 AI 搜索和 coding？

汪华：我同意袁老师的观点，AI 搜索 ToC 没什么能做的了。

张鹏：巨头的正面战场，你不能指望他在这视而不见，是吧？

汪华：对，但三件事儿这个加在一起，实际上是关联的。AI 搜索、coding 以及 agents 这三项技术的结合，将会给企业服务市场带来革命性的变革。在海外市场这种趋势尤为明显，而在国内，如果创业公司想要从事 ToB 业务，最好是有资源，否则，即便是像商汤这样的企业，也可能出现投入 1.5 亿至 2 亿的成本，却仅获得 1 亿收入的情况。

为什么说这三项技术是相互关联的。就像袁老师所说，在过去的一年里，大量的 ToB 创业公司中，有相当大比例（或许不是一小半，而是一大半）其实都涉及到 AI 搜索，尽管这些公司属于各行各业的 ToB 应用，但本质上都是 AI 搜索，也就是连接企业数据库，用于客服、销售支持以及内部流程等方面，但从本质上来说，这都属于 RAG，只是应用在不同的领域而已。不过目前这种应用还相对比较浅显，因为仅仅是将企业数据重新整合起来，而企业内部实际上需要实现工作流的自动化，而不仅仅是完成一些简单的事务性工作。

AI coding 本质上是低代码，能够通过自然语言来实现特定功能。这样一来，无论是低技能还是高技能的人员，其工作效率都有可能被放大十倍，低技能人员也能够进行一些流程的编排工作。如果再加上 agents 技术，将会使整个 AI ToB 应用提升到一个新的水平。

具体而言，以 RAG 作为底层的数据连接和知识库，就如同以往企业应用的数据层；而上面的 coding 则相当于应用实现层，能够以非常简单的低代码方式形成流程；再通过 agents 技术，基于 coding 生成 agents 工作流并形成代码。即便这个过程不能完全实现自动化，仍需要人工开发，但以往企业应用中大量的定制化开发工作，由于成本过高，非常泛化，很多工作流在以前是无法实现的。如果将这些技术整合起来，那么 AI coding 在未来的应用将不仅仅局限于大厂的程序开发，还会成为企业内部人员进行简易开发或定制的工具，被广泛应用于企业内部。

张鹏：就是零代码，在所有的体系里边其实都可以去运用到推动进一步的数字化和智能化。

汪华：各种各样的垂直应用三位一体，agents，AI coding，加上 AI 搜索。

张鹏：同意，汪华刚才提到的一个关键要点十分重要。我们常常是先注意到某个产品，当这个产品刚一上来的时候像是全新的事物，于是大家就倾向于把这个产品当作一个独立的赛道或者领域，进而展开进一步的推演和思考。有时候推着推着就会发现，它实际上可能只是一个元素，而非完整的赛道，甚至在未来，多个不同的此类元素能够重新组合，创造出新的价值。

就拿 AI 搜索来说，我个人始终认为，那种将搜索作为中心化应用的时代必然会过去。但 AI 搜索必定会无处不在，并且发挥更为重要的作用。它会从整体上转变为一种技术，渗透到各个场景之中。关键在于我们如何巧妙地运用这个技术元素，去重新组织和优化相关的事物，从而有可能在某些方面提供更好的、更能切实解决问题的方案。

新一代的 AI 用户有什么不一样？

张鹏：在如今的 AI 领域，越来越多的年轻人，甚至是小孩子都开始参与其中，「小孩哥」「小孩姐」扮演着越发重要的角色，呈现出低龄化的趋势，而且他们还愿意为此掏钱，或者说至少会让父母为之付费，这样的现象不断涌现。

另外，二次元方面，今年我们看到了许多基于二次元进行内容社区和内容生成的团队。这与我们过去对互联网人群的认知有所不同，在移动互联网兴起的初期，参与的大多是科技极客、技术人员和产品经理之类的群体。

但如今在 AI 领域，尤其是修涵，我相信你们的产品中也能看到更多不同类型的用户。那么，对于这些早期活跃用户群体的变化，能否和我们分享一下你的观察和见解呢？

胡修涵：我首先是不太认同之前的一些应用是通过我们所说的 tech-savvy 人群火起来这种观点。就拿最早的移动应用手电筒之类的来说吧，这类大众都会使用的应用。在那个时代，我常常提到，除了效率工具型应用以外，其他任何应用如果首先在 tech-savvy 人群中火起来，这其实是一个负面信号。大概率意味着这个东西只是对某些热衷于尝鲜的爱好者有吸引力，是个新颖效应驱动的，但却没有关注到更广泛的用户群体和实际的应用场景，导致说这件事儿就必然不可能是留存性场景。

从技术渗透影响的角度来看，不管 ToB 场景现在加上 AI 看起来有多么好，或者说具备多少优势，实际上技术的渗透往往是通过大规模的年轻用户群体来实现的。只有当技术能够切实改变他们真正的生活或者工作范式时，才有可能去影响整个世界和行业的发展。

所以我个人觉得，如果我们讨论 AI 原生或者类似的概念，那么大概率要从一群新的技能人口的角度去看待，而不是简单地将其视为对原来某个技能人口的提效方式。当我们谈到这些新的人群与 AI 结合将会如何发展，或者说会产生怎样的生活变化时，我觉得可以从他们的一些心态来进行思考。

事实上，年轻人对于 AI 改变生产力这件事是更有心理预期的，或者说他们更加能感受到在未来竞争中攀爬的压力。他们觉得社会上留给他们去展现自我、做出贡献的空间以及能够去突破和反抗既定模式的空间并没有那么大。毕竟每一代人都有对上一代人的反叛精神，而现在这种反叛的空间被上一代掌握得太牢固了。在这种情况下，他们就需要去开辟新的领域和方向——「第二战场」。

对于年轻人来说，他们需要通过不同的方式去「发疯」，去「整活」，去制造当年在城乡结合部出现的「杀马特文化」。如今则是不同的人去寻找新的自我人设，或者说借助一些工具来体验不同的生活方式。因为如果按照传统意义上正统的生活路径去和他人竞争，去组建自己的社交圈子和影响力，他们会觉得太过无力。而且通过常规的方式，比如金钱、更好的学习成绩、更努力地工作等来竞争，从他们的视角来看，投入产出比是很低的。所以在这个时候，他们会很积极、很自豪地去开辟新的人设方向，或者说去探索新的生活体验领域。而 AI 在一定程度上就充当了「agents」这个词原本的含义，即代理人的角色。

比如，我听说有很多使用「豆包」的小朋友，喜欢把自己的声音克隆成一个机器人，然后跟自己的声音对话。他们实际上是在欣赏或者说憧憬一个更加全能的自己。在捏 Ta，很多时候，当他们去创造或者塑造一些虚拟角色的时候，他们觉得这些角色代表了他们可能想象不到的生活和体验。同时，他们对于那种千篇一律的生成内容以及存在缺陷的信息流是不满的，因为他们在其中的自我参与感较弱。实际上，他们对于情绪价值的供给有着较高的自我参与感需求，所以不会特别满足于那种纯被动式地感受事情所带来的情绪价值。

所以我觉得，这些都是当下时代文化与技术发展相互共振所带来的一些变化。但好的一面是，现在这些 early adopter 的年轻人，他们的心态积极性是很强的。所以我觉得他们不太认为自己需要 AI 来为他们制定什么，这和很多人的观点存在一些不同之处。我不觉得疗愈、治病或者解决某些特定问题是很多用户核心的需求，他们更多地是追求更强的自我表达和自我实现，这就是我所观察到的一些现象。

张鹏：我认为修涵提出了一个极为有趣的视角，这也是我非常认同的一点。

从本质上来说，当我们探讨如今这些 AI 应用中的 early adopter 群体时，对他们的画像、资源以及背后的驱动力进行分析是很有价值的。因为在每个时代，都会存在一些特定的思潮，就像你刚才阐述的那样，在年轻群体中存在着一些普遍的思维方式、需求以及他们所追求的事物，这其实反映出在这个群体中存在着某种思潮，而这种思潮背后蕴含着巨大的动能，意味着他们的需求尚未得到有效的满足。

如果 AI 在当下能够精准对接这些需求，那就如同我们之前所讨论的，它不是在开阔的平原上与巨头竞争，而是在复杂的山地环境中找到了立足之地，即便是那些服务着十亿级用户的大型公司，也难以在这样的局部领域做到极致。所以，本质上这是一个值得「小题大做」的空间。

首先，尽管这个群体目前并非是数量上的最大主体，其消费能力或许也不是最强的，但他们具有高度的活跃度，并且有着明确却未被满足的需求。这个视角对于我们展望 AI 应用的未来发展而言，是一个非常有意义的补充，为我们在寻找新的思考方向时提供了独特的视角，甚至会让人产生一种二次元即将借助 AI 之力逆袭、反攻主流世界的感觉，似乎二次元思潮会因 AI 而愈发主流化，并有可能引发更为广泛和深刻的变化，这种可能性是不是存在呢？

胡修涵：我个人觉得不能简单地给他们贴上二次元的标签，因为这一群体中的许多人并不愿意被称为二次元。不管怎样，在这个过程中，整个 Z 世代人群的变化是非常有意思的。我一直都在认真观察他们的想法，并且我始终认为，不应该以一种将他们视为异类的方式去猜测他们的行为和观念。毕竟，他们只是新一代的人群罢了。

不过很明显，这一代被贴上二次元标签的群体，和包括我自己这一代的「宅男」情况有着很大的不同。当然，我们首先得承认，对于某些方向，可能相对而言还是会存在一些诸如小众性，或者说合规性等方面的潜在问题让人有些担忧。但像奥运冠军也喜欢把自己的 ID 改成与之对应的动漫角色以及玩梗的昵称这类现象，其实也反映出了一些时代精神，这些都是值得我们去重视的地方。

张鹏：汪华老师想必也在关注一些领域，比如未来在内容消费、娱乐，乃至更广泛的情绪价值等领域的情况。我想请教一下，对于这些比较年轻的群体，在未来 AI 的应用中，你觉得他们会如何发挥作用？他们将怎样 onboard？您在这方面有什么观察吗？

汪华：就目前这代 AI 应用的情况来看，本质上可以说是年轻人的自语。当然，我有着两点期待，不过我不是产品方面的专家，只是怀揣着一些想法罢了。

我期待的第一件事是关于新一代社交关系链。我特别想知道，Z 时代加上 AI，怎样能产生新一代的人与人、人与群体之间的社交互动？就好比曾经的 Discord、微信，还有类似于 B 站这样的平台。如今在新一代技术的加持下，会诞生出什么样的更具创新性的社交互动形式，而不是自语。

第二件事就是内容复用。内容复用有一个核心关键，那就是新一代内容创作者会呈现出怎样的面貌。AI 作为一个前所未有的创作平台，理应有能力去赋能新一代的创作者们。之前文字盛行时，出现了博客；语音兴起后，有了播客；到了视频时代，视频自媒体大量涌现。而且我觉得年轻人的创作能力远比我们想象中要强得多，这从刚才提到的那些 ToB 的企业级技术应用就能看出来。

比如说，AI 自动编程功能就很强大，它能够帮人们生成视频、生成图片；让那些原本没有绘画能力的人也可以创作出绘画作品，让有好创意、好点子的人可以把想法扩写成小说，甚至能让不会编程的人也编写出自动化程序。举个例子吧，在 Roblox 平台里，有很多都是小孩子，可他们却能够在里面创作出许多虚拟游戏；在 Minecraft 游戏中，也有不少人可以编写规则，造奇观，实现各种复杂的自动化操作，年轻人都能做到。

那么，面对 AI 自动化编程以及自动生成的能力，新一代的内容创作者要如何去利用好它们呢？究竟有没有哪家公司能够打造出相应的模式，去充分激发这些内容创作者的创作热情，让他们积极生产内容，进而形成一种全新的内容消费循环呢？不是以往的视频、图片或者微博等形式。

张鹏：年轻群体现在能够 onboard AI，成为非常活跃的主力军。他们学习能力强，表达欲旺盛，内心也渴望得到更好的满足。综合这些因素，如果能精准对接他们的需求，贴合他们的状态，那他们肯定会成为推动发展的强劲动力。

反过来说向老板展示某个产品能降本增效，这就是遵循着 ToB 的商业逻辑。而在 ToC 这边，顺着当下这个方向深入挖掘，其实有很多值得探索的地方。

出海是势在必行的吗？

张鹏：在当前 AI 发展进程中，海外的环境相对更宽松，也更容易找到发展空间。我想问问进辉，特别是像你们从事中间层技术基础设施工作的，理论上应该更 universal，对吧？毕竟今年我们也看到一些中国团队在海外发展得挺不错的。但要是真的计划往海外发展，需要考验哪些方面的能力呢？又得具备什么样的基础条件呢？现在我发现好多创业者都宣称「我这个项目未来要面向海外」，可这真的那么容易实现吗？这里面可能会遇到哪些挑战呢？

袁进辉：我们其实差不多每天都在探讨这些事情，包括在海外的发展策略。现在有一些基本的结论，分享出来，希望能给有类似情况的朋友提供一点参考。

首先，我们得出的结论是出海是势在必行的。简单来讲，就是 ROI 会更高。当然，这并不是说在任何阶段出海都是最佳选择，但对于初创企业和处于非常早期阶段的企业而言，同样的努力，在海外能够获得的回报往往更大，这对于我们这些企业来说是极为宝贵的。同样付出一份努力，在国内可能收回 100 元，而在海外或许就能收回 1000 元，这其中的差别是很显著的。

其次，出海就意味着要参与全球竞争，所以自身必须得有过硬的本领，要有「金刚钻」。也就是说，要在一定程度上与海外全球的公司在主流赛道上展开竞争，这就要求产品具备很强的竞争力。海外市场和国内市场存在一个区别，在海外讲 PLG 的理念更多，在国内讲客情关系更多。所以，从某种程度上来说，我们的产品必须要有足够的信心和竞争力。结合刚才提到的第一点，对于那些对产品竞争力有信心的企业来说，此时出海是比较有利的，能够以同样的付出收获更多的回报。

当然，这其中也有许多功课需要去做。就像刚才提到的，我认为主要是在 go to market 方面的策略，以及对海外生态的了解。以 ToB 领域为例，国内倾向于做 all in one 的产品，将多种功能集成在一起；而在海外，垂直赛道的产品更多见，或者说只要在某一个环节、某一个品类上做得足够出色，能够融入当地的生态链条，就能够参与到价值分配当中，而不需要打造所有的环节。

所以，了解海外的生态，以及掌握市场进入的基本技能是非常重要的，这也是我们所观察到的情况。因此，对于我们来说，出海是一定要做的决策。

但从更长远的发展来看，当这些企业发展到一定阶段，即使是海外的 ToB 公司，想要获得更大体量的收入，也可能需要从 PLG 模式转向 SLG 模式，这时候在一定程度上又与国内所说的客情关系比较接近了，而这又是企业发展到另一个阶段所面临的新问题。

张鹏：对，在我看来，往海外发展这件事确实存在很多好处，这一点从身边许多人的经历中都能找到例证。然而，出海这件事本身所面临的挑战和考验也不容小觑。

修涵，你之前在 Meta，后来从海外回到国内进行创业，而没有选择在海外继续发展。这与大家普遍认为的「都应该往海外走」的想法似乎不太一样，这背后有着怎样独特的逻辑呢？

胡修涵：嗯，实际上我觉得这归根到底是个优先级的问题。

虽说海外发展有很多好处，从 ROI 等角度来看，我们也都认可这一点。但我认为创业有几个基本的常识性原则是很难违背的。其一，如何能更快地了解用户，怎样才能更迅速地洞察深层次需求并完成产品假设的实验。当然，这在很大程度上也是个拿几分钱办几分事的问题，如果有五倍以上的成本支持去海外做验证，那自然也不错。但是对于我们这种文化属性很强的产品，尤其是社区属性也很重的产品而言，出海确实会带来许多额外的成本与挑战，这是我们必须客观认识到的。而且在其他方面，比如收入模式等层面，我们可能也无法享受到太多出海带来的优势。

从另一个角度讲，大家所看到的出海的那些好处，对我们来说其实比较有限。所以如果要出海，我可能会在一开始选择做一种链路更短的工具化产品模式。

此外，我自己还有一个感受，就是在当前的整体环境下，如果能找到一种合理的方式，给团队持续的正向激励就已经很好了，不管是收入的增长、用户良好的反馈，还是看到用户在其中展现出只有新创作者才能做到的事情，能明显看出他们是一群独特且有趣的人，这些都能给团队带来正向的反馈和支持。经过这么长时间，这可能也是我们产品形态和所选市场带来的重要益处，不然的话，或许我早就放弃我们的项目了。所以我觉得不同的事情，确实可能还是要基于企业不同的使命和方向来进行定义。

张鹏：不要跟风，对吧？最终可能还是要结合自己的特性。

胡修涵：而且在一些赛道上，明显存在一种「反者道之动」的现象。就拿 CAI 这样的赛道来说，大家都一股脑地选择出海。之前有人跟我提到出海的一个原因是国内的竞争手段过于不择手段、五花八门。然而，当我看到所有的竞争者在海外也用类似的手段进行竞争时，就会觉得这个理由好像不太站得住脚了。

新一代的创业者，更多是「大厂二代」

张鹏：最近我们一起参与了一些早期孵化的尝试，花了不少时间陪伴创业者们成长。在这个过程中，我相信汪华也有所感触，那就是现在 95 后创业者大量涌现，对吧？如今要找到一个 80 后创业者都不太容易了，基本都是 90 后都在逐渐变少，95 后越来越多。

我不太清楚汪华对此有什么感受，对于这新一代的创业者，他们身上有哪些特点呢？换个说法，不同时代的创业者是不是会面临着不同的挑战和需要解决的问题呢？这些问题的表现形式和难度在不同时代是不是也会有所变化呢？

汪华：因为我们那个孵化整个是偏 ToC 了，所以创业者相对比较年轻一点，如果整体来看，ToB 创业者的年龄和经验还是 40 岁左右更好。

张鹏：40 岁正当年。

汪华：所以说，不同的情况还是存在差异的。年轻创业者做 ToC，我个人觉得他们所面临的问题，与七八年前移动互联网时代的创业者相比，并没有本质上的区别。都是要找到一个突破口，学会如何去了解用户，明确自己核心客群的真实需求，还要清楚怎样才算验证了这些要点，以及如何去实现增长等等。实际上，这些方面与七八年前甚至十年前做移动互联网时相比，差别并不是特别大。

其次，这一代创业者相对来说有个优势，就是他们的思维与国际接轨程度较高，创新的程度或者说个人的想法也比较多、比较新颖。不过客观来讲，这一代创业者中有很多人是相对比较「科班出身」的，无论是来自大厂，还是其他途径，这是比起我上个时代的创业者，哪怕是大厂出身的创业者，但那是大厂一代，不是大厂二代。

张鹏：哈哈哈，这个观察定义非常有意思。一代和二代还是不一样。一代二代有什么核心区别？

汪华：大厂一代，指的是在大厂早期草创到第一波高增长涌现出来的创业者。他们虽然身处大厂，但优势在于既没有完全脱离基层实践，又亲身经历了企业的高速增长过程。他们有着大厂的工作经验，而且是在充满活力与挑战的增长阶段积累下来的经验。

然而，第二代创业者成长于已经进入稳定发展状态的大厂。在这样的大厂里，业务条块分割细致，他们所负责的业务范围相对较窄。这些创业者没有经历过从无到有的创业初期的拼搏过程，虽然有着大厂的背景，但在亲身体验从 0 到 1 的完整创业历程以及全力以赴的奋斗精神方面，与大厂一代相比，确实在实践经验、拼搏精神以及对完整创业过程的深刻理解等方面稍显欠缺。

张鹏：如果用一种浪漫主义的方式来解释的话，可以这么说，大厂一代就像是在地球上出生，而后凭借自身努力最终迈向太空的人类；而大厂二代呢，则是一出生就处在太空里的人类。所以对于创业这件事来说，其中的「重力」，如今创业者面临的依然是过去那些老问题，还是得回归到基本功上。只不过大厂一代经历过那些摸爬滚打的过程，而大厂二代可能没有这样的经历。

恰恰是因为如此，现在的创业者更需要回归本质，「down to the earth」，脚踏实地去夯实基本功。当做到这一点后，我觉得他们所拥有的独特世界观、能够更加自由地去探索更广阔天地的能力，以及信息流动的高效速率和创新的那股劲头，就能发挥出更大的作用了，这真的是挺好的一件事。

2025 年，活着最重要

张鹏：最后呢，其实就是做一个总结，或者说站在即将跨越 2025 年这个时间节点上，展望一下未来的一年。作为一名与 AI 相关的创业者，大家觉得最值得花费精力去做的事情是什么呢？

胡修涵：我特别认同汪华老师前面所讲的关于这一代创业者的那些问题，真的是感同身受，感觉特别好。我们也算是稍微经历过上一代创业阶段的尾声了，所以体会会更加深刻一些。虽说当时只是作为最基层的小兵，但那种状态和经历，跟现在相比，确实是完全不一样的。现在回想起来，就好像已经进入到了另一种「太空」里的状态，差别很大。

而我自己觉得，在接下来的一段时间里，最值得花精力去做的事就是认识人。经过过去一到两年在这个赛道上的洗礼以及发展，在真正的创新性、技能方面，还有对各类问题的理解上，想必已经经过了大浪淘沙，沉淀出了不少值得互相交流和学习的内容，而且数量还非常之多。所以，我最近大部分时间都在寻找这样的一些伙伴，不管是通过聊天，还是别的什么方式，就好像在寒冬里抱团取暖一样。不管怎么说，我觉得这在当下是一件性价比挺高的事儿。

张鹏：我觉得刚刚提到的这点很务实。大家多聚聚，有机会一起琢磨点事儿，我觉得这种氛围挺好的。我想问进辉，你觉得创业者在 2025 年最应该花时间和精力去做的是什么事儿呢？

袁进辉：我觉得如果是有时间的话，特别想看一看过去这十几年杀出来的这些公司和人，他们经历的事情，就是看一看历史。我觉得会有很多很多和今天这个时代我们面临的困境挑战有相通之处，肯定能从里面学到很多东西。

张鹏：要多看看历史，不要光猜未来，是吧？我觉得历史不重复，但是会押韵。要是找到这个规律，在未来代价会小一点，成功率会高一点。这两个都说的是很本质，一个在说人，一个是在看规律。

最后问问汪华老师，汪华老师帮我们总结一下，你觉得创业者最值得花精力时间在 2025 年会是什么？

汪华：说实话，2025 年实际上会是很不容易的一年，我说句最直白的，大家得千方百计活下去。不管会遭遇怎样各种各样的情况，哪怕是处于黎明前的黑暗之中，也得咬牙坚持。就拿移动互联网来说，当年在类似的阶段也是极其难熬的，很多企业和创业者没能熬过那个阶段，压根就没看见春天。2025 年的情况，我记得差不多相当于移动互联网发展历程中的 01、02 年，总之，2025 年的形势会非常严峻，不容乐观。

张鹏：我认为关键就在于要能够往前走，坚守在牌桌上，这一点真的是至关重要。

尽管我们知道这一年或许充满艰难险阻，或许只是处于迈向新爆发点的过渡阶段，但我依然觉得，能够身处这样一个风云变幻的时代，本身就是极为难得的机遇。毕竟，并非所有人都有机会在时代巨变之际，近距离地观察甚至亲身参与其中。

汪华：补充一句，我说明年活下来最重要，但我特别同意你说的这句话。这种机遇大概上一次还是 15 年前，人一辈子能赶上这种寒武纪爆发级别的大机会一辈子最多两次，两次里面有一次你可能年龄、生活状况，状态不合适。高概率一辈子只能接触一次机会，虽然明年很难，但是你这一辈子的机会也很少。

张鹏：前面让大家脚踏实地，对吧？后面还得来一针鸡血，匍匐也要前进，对得起时代。

极客一问

你对 2025 有信心吗？

热点视频

马斯克：永远不要信愤世嫉俗的人，他们看谁都是坏人。

点赞关注极客公园视频号，

观看更多精彩视频

更多阅读

极客公园

用极客视角，追踪你最不可错过的科技圈。欢迎同步关注极客公园视频号👇