# 年中盘点2025硅谷科技大事件 | 对谈Fusion Fund张璐：社区驱动创新，人才争夺，VC转型，美股IPO形势 十字路口Crossing · 2025-07-27 Fusion Fund 创始合伙人张璐与十字路口复盘 2025 上半年硅谷大事件，从 DeepSeek 引爆开源共识、Gemini 发力到 AI Agent 成为行业共识。她以 Windsurf 连环收购案为切口，分析 Meta、Google、苹果等巨头通过高价抢人与收购压缩迭代周期、买时间的焦虑，并解读微软与 OpenAI 渐行渐远、VC 转型注册 RIA 牌照以及美股 IPO 回暖的趋势。张璐还分享了企业级 AI、医疗和太空产业中垂直 AI 的快速落地，强调 AI 作为生产力金铲子的时代机遇。 ## Key moments - **[0:00] 开场介绍** - **[2:30] 上半年盘点** - [3:10] 张璐：DeepSeek的出现让重视开源生态成为行业共识，从公司驱动创新转向社区驱动创新 - [4:48] 张璐：有些新模型架构在CPU上运行效率比GPU更高，质疑GPU是否最终极芯片架构 - [5:56] 英伟达GTC大会宣布DGX cloud program，联合五家基金为初创企业提供免费算力和工程支持 - [8:38] 张璐认为谷歌在人工智能研究领域积累最深，既有纵向深度又有横向广度，Gemini开始发力 - [9:55] Gemini近期连续发布包括AlphaGemini在内的多款产品，在代码模型和边缘端模型上表现强劲 - [11:35] 张璐：快速抓住AI机会的老牌公司如Salesforce，其CEO都是创始人，决策更稳准狠 - **[15:22] 大厂焦虑** - [16:07] 硅谷大公司焦虑：谷歌AI团队一周工作七天，xAI内部搭帐篷熬夜，马斯克凌晨亲自参与工作 - [17:34] Anthropic发布Cloud Code后，因高度适配开发者习惯，许多用户从Cursor和Windsurf转向Cloud Code - [19:30] Windsurf收购案折射大公司焦虑：先与OpenAI谈判失败，再被Google高价挖走团队，最后Cognition收购剩余业务 - [20:31] Q: 为什么OpenAI收购Windsurf不成？A: 与微软绑定，微软要求所有技术共享，导致利益冲突 - [22:06] 张璐：对OpenAI来讲，今年是很挑战的一年，面临技术、商业模式、资金和人才等多方面挑战 - [23:05] Meta在DeepSeek发布后受到较大冲击，模型能力不领先，开源生态没有形成，急于通过收购补救 - **[34:44] 谷歌与苹果** - [35:44] 张璐认为谷歌人工智能实力排各大科技公司首位，市场对此有所低估 - [36:26] 谷歌的挑战在于以什么形式和什么时间节点进行自我革命，避免杀死现有搜索广告现金牛 - [39:12] 张璐判断谷歌已到关键转型时期，今年需要做出更多调整，可能涅槃重生也可能落后 - [41:05] 苹果的问题在于缺乏AI产品，尽管人工智能芯片很强，但与ChatGPT集成只是阶段性妥协 - [42:31] 苹果占据硬件入口，有平台性优势，但其他公司也在做AI硬件，苹果的时间窗口不长 - **[44:42] 亚马逊与微软** - [44:59] 亚马逊AWS像卖铲子，模型公司和AI Agent公司越多，AWS云服务收入越高，不需要亲自做AI产品 - [46:49] 微软与OpenAI渐行渐远：微软在应用和模型层面开始去OpenAI化，支持多个模型供应商并自研 - [50:28] 张璐预测今年面临最大挑战的科技企业是OpenAI，年底前公司架构、资金和战略上将出现许多变数 - **[50:40] 人才与VC** - [52:09] 张璐：大公司疯狂招聘实际是给自己招大脑，能构建新模型架构的顶级AI人才可能不超过几千人 - [54:48] 针对人才的天价收购中，收购方优先将资金给予团队，导致VC投资人回报有限，可能引发投资策略调整 - [56:13] 张璐称Grok为搅局者：马斯克大力出奇迹，仅用十几月就从Grok1做到领先行业的模型 - [57:20] 超级人才创办的公司获天价融资：Mira公司种子轮20亿美元，Ilya公司首轮估值50亿美元，资本看重成为万亿公司的潜力 - [58:55] 张璐：有能力构建新模型架构的人很少，价格被炒到极高，Meta用1亿美元挖人，Mira团队估值因此水涨船高 - [1:01:29] AI时代初创公司收入增长极快，融资需求金额变小，影响VC大额资金投放，促使基金转型为多产品金融机构 - **[1:05:31] 医疗与工业** - [1:06:40] 张璐：“人类社会中30%以上的数据是医疗相关，但只有不到5%被用起来”，AI是挖出这座金矿的铲子 - [1:09:31] 再生医疗结合AI可实现低成本个性化，已有实验室培养出可跳动的人造心脏并在世博展示 - [1:12:28] 张璐：在医疗领域，AI的核心价值不仅是技术延展，更是将技术低成本化以实现普惠大众 - [1:13:23] 太空产业正快速崛起：SpaceX工厂高度自动化，月球加油机器人和Moon Rover已迭代到11版，未来10年将改变生活 - [1:18:23] 张璐：“宁可承担风险驱动新技术发展，也不要因为惧怕未知而停滞不前。” - **[1:19:53] 结语** ## Speakers - **Koji 杨远骋** (host) - **Ronghui** (host) - **张璐** (guest) ## Topics 投资, Agent, 行业应用 ## Mentioned Anthropic (company), Meta (company), OpenAI (company), Salesforce (company), x.ai (company), 亚马逊 (company), 微软 (company), 英伟达 (company), 苹果 (company), 谷歌 (company), AWS (product), ChatGPT (product), Claude (product), Copilot (product), Cursor (product), DeepSeek (product), Gemini (product), Grok (product), Llama (product), Windsurf (product) ## Transcript ### 开场介绍 **Koji 杨远骋** [0:03] 欢迎收听 《 十字路口 》， 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会 。 十字路口是乔布斯对苹果公司的一个比喻 ， 形容它站在科技与人文的十字路口 ， 伟大的产品往往诞生在这里 。AI 正在给各行各业带来改变 ， 我们寻找 、 访谈和凝聚新一代 AI 创业者和 AI 时代的积极行动者 ， 和他们一起探索拥抱新变化 、 新的可能性 。 我是 《 十字路口 》 的 Koji， 联合创办了街旁 、 新世相和躺岛 ， 发起了 AI Hacker House 这个新一代 AI 创业者的社群空间 。 我相信科技 ， 尤其是 AI，是我们这一代人最大的价值创造机遇 。 欢迎大家找我聊天 ， 碰撞想法 ， 链接下一个可能性 。 **Ronghui** [0:53] 我是 《 十字路口 》 的 Ronghui，在美元 VC 工作过 ，也做过 5 年的硅谷驻站记者 ， 关注科技发展和商业故事 ，也欢迎大家找我聊天和我交流 。 大家好 ， 欢迎收听本期的 《 十字路口 》。2025 年的一半已经过去了 ， 硅谷都发生了哪些大事 ， 对接下来的创投生态的格局会有什么样子的影响 ？ 我们今天非常开心地邀请 Fusion Fund 创始合伙人张璐 ， 和我们一起来聊一聊最近硅谷的热搜和上半年从创投到大公司都有哪些值得关注的事和总结 。 那请张璐先跟 《 十字路口 》 的听众打个招呼 ，也自我介绍一下吧 。 **张璐** [1:35] 嗯 ，Ronghui 你好 ，《 十字路口 》 的观众朋友大家好 。 很高兴有机会在这里跟大家分享一下， 尤其是今年上半年快速迭代的硅谷科技圈的一些新的创新的一些机遇 。 我是张璐 ， 我是 Fusion Fund 的创始合伙人， 从 10 年前开始创始这个基金 ，在过去 10 年一直专注于北美的人工智能驱动的生态的初创企业的一个投资 ， 现在已经大概投资了 100 多家企业 。 主要专注的领域就是三个方向 ： 企业级人工智能 、 工业自动化和医疗领域 。 尤其是在 AI， 我们经常开玩笑讲说在 AI 还不叫 AI， 叫 Machine Learning 机器学习的时候 ， 我们就已经开始投资这个领域了 。 所以在过去几年也是很高兴能够看到整个大的产业的快速崛起 ， 从模型到应用再到现在各个产业的一个落地应用 ， 确实是进入到了一个大时代 。 所以我也是很高兴今天可以有机会进行深入的一些创新的机会的探讨 。 **Koji 杨远骋** [2:30] 也谢谢张璐来做客我们的节目 ， 至少我从这个新闻上看到 ， 张璐的 Fusion Fund 今年上半年其实好几件大事 ，不仅是在年初宣布了这个 4 期基金 1.9 亿美元的这个消息 ， 然后其实也有几家公司的成功的退出 。 ### 上半年盘点 **Koji 杨远骋** [2:46] 张璐可不可以就是稍微简单地跟我们做一个中期的一个总结 ， 你觉得今年上半年发生在硅谷的哪些大事让你印象特别的深刻 ？ 在初创的这个生态和从投资机构的这个角度来看 ， 如果总结一下跟之前相比 ， 你觉得今年上半年有整体反映出来什么样子的变化和有哪些行业共识 ？ **张璐** [3:10] 嗯 ， 好的好的 。 今年上半年其实你会感觉其实到现在只是在 7 月份 ，但是基本上每个星期都有新的东西出来 。 所以对于整个 AI 创新生态来讲 ， 确实是非常活跃 ， 非常变动很迅速的这样的一个半年时间 。 那你要问我说印象比较深的几件大事 ， 我们从年初开始旅 ， 比如说年初的时候 ， 当然有一个全球可能都比较关注的事件就是 DeepSeek。 我还记得很深刻 ， 就是当时 DeepSeek 出来的那天呢 ， 第二天我正好就去英伟达 ，因为我们和英伟达的合作很紧密 ， 我正好去他那边去会看一些他们最新的一些产品研发的动向 ， 和他们那边的站头的人也聊一下 。 正好那天就是在 DeepSeek 之后， 你记不记得那个周一英伟达的股价掉了很多 ， 所以我们当时还在讨论说到底说这个开源生态对于英伟达这样的公司是利好还是说利差 ， 我们都觉得说其实是利好 ，因为这样会驱动更大范围的人工智能应用的铺开 。 但只是说市场反馈在短时间的话 ， 尤其资本市场可能是相反的 。 所以 DeepSeek 当时其实是一个非常重要也让人很振奋的消息 。 我觉得对于我们来讲 ， 可能你记得我大概从两年前开始 ， 我一直是非常支持开源生态 ，而且一直非常坚信开源生态未来在 AI 创新领域的重要影响和重要的作用 。 那所以从这个角度来讲 ， 我们就看到 DeepSeek 的出现 ， 一方面的话呢 ，也是开源生态的一个巨大的胜利 ，因为之前其实大家并没有说很确定说开源的模型它的表现可以和这个闭源的模型可以去相匹配 ， 甚至说更好 。 二来的话呢 ，其实 DeepSeek 也是让大家看到了说其实你可以把这个模型的架构做得非常的简单 ，而且你不一定是需要运用到最先进的 GPU 去训练一个先进的模型 。 所以我觉得这些其实都是和我们在甚至说去年我们发的一个人工智能基础设施的报告里面就已经提到了 ，有些新的模型架构 ， 它可能甚至会在 CPU 上运行的效率比 GPU 更高 。 那也就是让大家看到说 ， 虽然说大语言模型整个生成式 AI 是一个大的趋势 ， 大家也很兴奋 ，但还是在模型架构还有包括基础设施架构层面上有很多创新可以去做 。 所以这是两点让我们作为创新的投资早期投资人比较兴奋的地方 。 所以在 DeepSeek 之后， 我觉得大家也就形成了一个新的共识 ， 就是对于开源生态的重视 。 你刚才提到说我们今年其实是有四家公司退出 ， 都是被就是比如说像英伟达 、 苹果这样的大型的企业收购 ， 那好几家基本上四家公司里面有三家都是开源生态里面非常重要的贡献方 。 所以你也能看到说开源生态逐渐的这个生命力也是越来越快 ， 包括我也在讲说这其实也是体现另外一个趋势 ， 就以前会觉得创新是叫公司驱动 ， 就 corporate driven 的这样的一个创新 ，但现在的话因为开源生态就是一个 community driven， 就是一个社区驱动的一个创新 ， 这在人工智能的时代体现得特别明显 。 那年初的话 DeepSeek 之后的话呢 ， 三四月份比较重要的一点就是英伟达的 GTC 的 conference， 那今年的英伟达大会呢 ， 去年本来就来了很多人， 今年来的人更多 。 我们因为从 17 年开始和英伟达去深入合作 ， 所以今年在英伟达上他们也邀请我 ， 基本上是先给了一个主题演讲 ，其实是针对他们的这个 inception program 的来了几百个他们的生态里面的创业者 。 我相当于给他们去分享了一下在这样的一个环境之下怎么样和 VC 和创业生态 ， 还有包括和融资机构有更好的合作 。 另外的话呢 ，也是和其他的几家基金 ， 就是 Insight Partner 还有包括 A16Z 一起做了一个 panel， 这样的一个 panel 讨论 。 当时讨论的核心也是在讨论说整个 AI 生态的一个机会 。 当时在我们那个 panel 讨论之后的话呢 ， 英伟达就宣布了它的新一个 DGX program， 就 DGX cloud program， 它当时宣布的核心是在于进一步的推动它对于创新生态的建立 。 当时它许下的承诺是说我们其实这五家合作的基金 ， 除了我们之外其他几家也都是大家比较耳熟能详的 Insight Partner 啊 ，A16Z 啊 ，General Catalyst 啊 ， 都是几十亿上百亿美金级别的基金 ， 我们是唯一一家早期基金他们在合作的 。 所以它给出的合作的条件是 ， 如果我们投的项目入选了它的这个 DGX program 的话呢 ， 它可以这些初创企业可以拿到免费的到一定数额的免费的这个算力 ， 还有包括他们的工程师的定向的支持 。 所以这个是对初创企业来讲是一个很大的优待和优势 。其实不止英伟达在这样做 ，其实今年初开始你会发现无论是像亚马逊啊 ， 还有包括像谷歌 ， 还有包括像微软 ， 虽然一方面我们说这些大的企业它在 AI 层面上也会和初创企业形成竞争 ，但更重要的是他们在做生态 ，他们都在提供免费的 credit， 就是免费的这个算力的供给 ， 然后呢去说服更多的初创企 业去用他们的平台 ， 用他们的云 ， 用他们的 API 去在他们的生态里面建立应用 。 英伟达呢也是做的最好的企业之一 ， 从 17 年开始它的 inception program 到现在已经有几千家企业了 。 所以其实从这个角度你也能看到整个硅谷的 AI 创新生态 ， 大企业和小的初创企业它有竞争的关系 ，但更多也是一个协同合作的关系 。 所以其实在 3 月份的话 ， 英伟达那个大会上大家能够看到很多这方面的体现 ， 还有包括当时英伟达也有很多新的它的生态的宣布啊 ， 技术的宣布 ， 能让大家看到说进一步的一个算力提升和表现的提升 。 所以 3 月份是这样的一个大事 。 再到后面的话呢 ，其实发布就更多了 ， 四五月五六月开始的话呢 ， 我就看校长说就是 Gemini 开始发力的阶段了 。 之前大家其实一直对谷歌有比较大的一个非议 ， 就是觉得说人工智能这一批为什么让 OpenAI 占得了先机 ，但很多人可能没有记得说 OpenAI 最早基于的这个 transformer model 的文章就是谷歌发布的 。 所以谷歌一直以来在人工智能的研究领域的积累是非常深的 ， 甚至说是所有大科技公司里面我个人认为是最深的 。 它既有纵向的深度又有横向的广度 ， 包括 The DeepMind 的团队 ， 它各种的 AlphaFold、AlphaGo 的发布 ， 还有 AlphaGemini 最近的发布都很强 。 那 Gemini 的话作为谷歌的大模型 ， 它其实是在今年的话连续做了很多个非常好的发布 ， 包括在边缘端的小模型的发布 ， 包括 Gemini 当时 2.5 出来的之后， 大家也会发现它的表现非常的好 ， 尤其是在 long context window 就是长文本的层面上表现非常好 。 再到后面的话呢 ， 包括前一段它进行的新的发布 ， 就是针对代码模型的 ， 大家可能讨论比较多的像 Cursor 啊 、Windsurf 啊 ， 还包括到 Cloud Code 出现也很好 。 但是 Gemini 它出了一个 Gemini CLI， 它是一个 CLI 工具 ， 是一个终端 ， 相当于也给大家还是一个开源的 ， 所以就给大家更多的这种构建自己的代码模型的这样的一个机会和生态 。 所以 Gemini 在过去的这几个月时间 ， 我觉得是一直在发布大杀器 ， 包括前一段它 AlphaFold 那边的进一步发布了 AlphaGemini，其实是针对测序数据的 DeepMind 的一个主要的发布 ，也非常让人惊艳 。 所以这个是我觉得可能是五六月份开始的 。 那当然过去这一段时间呢 ， 新闻就更多了 ， 包括 Scale AI 和 Meta 的这个收购 ， 再加上 Windsurf 先是和 OpenAI， 再到 Google 这边 ， 再到现在 Cognition 又把它剩下的团队收购掉 ， 再加上 Grok 的一个发布 ， 还有包括我们讲 AI Agent 的整个大的市场的一个崛起 ，agentic AI、physical AI 等等等等。 所以其实现在真的不能够一月去丈量每个 AI 生态的变化 ， 可能要去至少要去每个星期去丈量这个星期有什么新的发布 、 新的文章 。 所以我可能总结得不全面 ，因为我也是临时想了一下从头捋了一下 ，但确实是有很多很多新的创新在快速的迭代 。 那上半年虽然感觉时间很短 ，但是信息的密度是非常高的 。 **Koji 杨远骋** [10:57] 嗯 ， 我也记得你在一个采访里面有提到说上半年总结下来是觉得 AI Agent 其实是继 PC 跟互联网之后的下一代通用平台 ， 开启真正意义上人机协同新时代 ， 这个成为了大家的一个共识 。 你提到这个 Salesforce 其实也是我在准备这次播客的时候其实看到有一些评价 ， 包括 Oracle， 包括 Salesforce，他们其实都是可以说是大家印象中上一代的公司 ，但是其实他们在 AI 的这个时代抓住了这个机会 ，不管是在这个内部管理还是在这个收入上其实都有一些体现 。 **张璐** [11:35] 对 ， 我觉得其实也很有意思 ， 你会发现这几个在 AI 这一波就是这么快的速度去迭代创新的周期 ， 能够快速转型的抓住机会的公司有个特点 ， 就是基本上它的 CEO 还都是它公司的创始人， 所以它其实获利就比较大 ， 投入也比较大 。 然后有些时候我们经常讲说这种大的技术革新的时候 ， 现有的玩家就要考虑说是不是要自己进行自我革命和自我迭代 。 那如果说你是公司的创始人的话 ， 可能这个底气就会足一些 ，而且做的决策也会更温中狠一些 。 但你会发现如果说是职业经理人做 CEO 的话呢 ，他可能就会比较犹豫 ，在这样的一个快速竞争迭代的周期可能就会失去先机 。Salesforce 其实像大家经常会讨论这个大模型呢 ， 讨论比较多的像 Anthropic、Claude， 然后 OpenAI、ChatGPT， 还有包括像 Google、Gemini， 对吧 ， 这些讨论比较多 。 但其实 Salesforce 它自己内部的模型叫 Einstein， 就爱因斯坦这个名字 ，他们做的也非常好 ， 只是说它这个只是内部去使用 ， 所以它内部的包括英伟达自己也有模型嘛 ， 所以他们这个自己的模型再加上自己的应用 ， 它其实就可以做到一个系统层面上的垂直的优化 。 所以它是自己的模型搭配自己的 Infrastructure， 再搭建自己的这个 AI Agent 的应用 ， 所以你会发现整体产品的这个专业度 、 灵活度 ， 还有包括成本都可以进行优化 。 因为现在 AI Agent 呢其实真的是在广泛的大行业去应用的时候 ， 各种各样不同的应用场景 ， 那其中有一个比较大的挑战还是说这个幻觉的问题 ， 就是大语言模型幻觉的问题 。 所以怎么样可以去优化的过程中去消灭幻觉或者说降低幻觉 ， 去应用在一些 B 端的应用场景还是比较关键的 。 **Koji 杨远骋** [13:15] 那你提到这个 AI Agent 的成为共识 ，其实这一点就是你分析了一些在硅谷发生的一些 AI Agent 落地的一些情况 ，其实在国内这个 AI Agent 也特别的火 ， 上半年其实就发了好几个 AI Agent 相关的产品 。 这个我想先问一下， 就是在硅谷大家有关注到国内的这些 AI Agent 产品吗 ？ **张璐** [13:36] 对 ，其实像 Manus 当时其实也是大家可能听到比较多的 ， 国内做得很好的 Agent 的这样的一个产品 ， 然后呢也是拿到了硅谷这边风投的投资 ， 现在也在部署全球的市场 。 我觉得两边其实还是有比较多关注和交互的 ， 尤其是现在我觉得中国的企业 ， 无论是大的科技企业还是小的初创公司 ，在开源生态的发生也比较多 。 所以开源生态它其实是一个跨国界的嘛 ，也就增加了整个我觉得人工智能 ， 中国的这个人工智能的整个生态对于全球的生态的一个影响力 。 但是我觉得其实聊 Agent 的话 ， 我可能有几点可能想先提一下， 一来是说 Agent 它其实不是一个新的概念 ，其实十多年前我们就开始讲 Agent， 只是说现在大家是更广泛的去认知 。 另外的话 ， 我觉得大家对于 Agent 的定义可能也不太一样 ， 那当然不同的这个机构不同的 ， 比如说学术界啊 ， 还有工业界它可能会有各种各样的定义 ，但我个人觉得对于 AI Agent 来讲的话呢 ， 首先就核心一点就是它是要能去处理复杂任务 ，而不是一个简单任务 。 它可以去处理复杂任务 ，而且可以自己进行决策 ，而不是需要人去介入去做决策 。 我觉得这是一个基础的对于 Agent 的一个定义和需求 ， 就是你的产品要做到这个程度才可以叫做 AI Agent。 当然是你在做决策的过程中， 你当然也要去决定说我用什么工具 ， 你这个 AI Agent 用什么工具 ， 还是需要创建 Agent 的这个团队或者人去给它提供一个工具库 。 但是呢提供工具库之后呢 ， 它使用什么工具去进行下一步的决策 ， 这个是需要 AI Agent 自主去完成的 。 这是我们所去定义的解决复杂问题 ， 能够自主决策 ， 调用适当工具的 ， 这个叫做 AI Agent。 所以在这个基础之上的话呢 ，有一些可能简单的自动化的这些 AI 的这个数字化转型工具 ， 它可能就不是一个 Agent 的定义范围之内了 。 ### 大厂焦虑 **Koji 杨远骋** [15:22] 然后说到这个 ，其实 Manus 拿到 benchmark 投资这件事情在国内也非常的受关注哈 ， 然后我也听说这个事其实在 Sand Hill Road， 就是所谓沙丘路硅谷的风投集中的这一条路上 ，其实也是挺受关注的 。在我们录播客的前一天呢 ， 正好是这个 Windsurf 就所谓连续剧一样的收购案进入了最终章 ， 它的剩下的部分被 Cognition 收购了 。 我在想这个事情的时候 ， 感觉这件事简直可以串起来很多事情 ， 所以我在想可以从这件事情入手跟张璐聊一聊这个上半年硅谷发生的一些比较有代表性的事 。 首先是就是这个收购案 ， 我觉得它非常的反映大公司的焦虑 。 **张璐** [16:07] 现在大公司的一方面的它的这个焦虑感 ，是因为觉得整个技术生态迭代速度很快 ， 另外一方面的话 ， 它有很强的这种竞争意识 ，因为各大科技公司现在都是在拼命的工作 。其实之前大家知道的谷歌的人可能工作节奏比较慢 ，也比较轻松 ，但现在我听到的这个像 Gemini 这种核心做 AI 的团队 ，他们团队扩张很快 ， 基本上一周是七天工作 ，而且是这个七天工作不是说只 在公司工作 。 当然我们也知道硅谷一定没有说像国内那么卷 ，但其实我觉得现在卷的程度也都差不多了 。 大家也看到像 x.ai 马斯克的这个团队可能更卷 ， 就是在公司里面去搭帐篷 ， 这个也不是作秀 ， 真的确实就是这么辛苦的工作 。 然后我也认识他们的创始成员 ， 基本上跟我讲就是马斯克有些时候就凌晨一点来跟他们一起工作 ， 工作到凌晨六点 ， 所以他跟我约见面可能就会约到凌晨上午七点或八点 ，他就是结束工作之后见一面 ， 然后回去睡两睡几个小时再回去继续工作 。 所以整个竞争生态还是比较严峻的 。 那 Windsurf 的话还有很有意思的一点 ， 就是他们和 Cursor 之前都是非常火爆的 ， 我们叫代码模型 ，也是人工智能代码的这样一个 AI Agent 的一个代表 。 那之前他们其实两个各自都有自己的优势 ，但是核心来讲 ，他们背后去调用的模型其实还是 ChatGPT、Claude 这些大的模型 。 所以其实前一段还有一个发布呢 ， 就是 Anthropic 的一个发布 ，是他们的 Cloud Code。Cloud Code 发布之后呢 ， 就相当于他们自己本地的 ，他们自己的 AI 模型 Cloud 又做了在这个基础上做了这样的一个代码模型 。 所以你想它的表现还有适配度是非常高的 。 所以 Cloud Code 发布之后， 基本上我周围认识的创业者或者说是企业都在 transfer， 都在转到使用 Cloud Code，因为觉得 Cloud Code 确实非常非常好用 ， 尤其是对开发者来讲的话 ，是非常符合他们的开发的这个习惯 ， 还有包括说它的环境等等。 所以我觉得这个当然是刚刚开始发生 ， 它并没有说完全去动摇 Cursor 和 Windsurf 在市场上面的占比 ，但是它是一个开始 。 对于这些就是初创的这种代码的 AI Agent 的公司来讲 ， 它就要考虑那我调用的都是这些通用的大的模型 ， 我做了一个通用的 Agent。 那在后面如果这些模型开始自己做代码模型的这些应用之后的话呢 ， 到底我的优势是在于哪 。 所以我觉得这也能够解释为什么像 Windsurf 这样的公司 ，其实你看它的财务啊 ， 各方面都还不错 ， 增长也不错 ， 为什么会考虑收并购这个角度 。OpenAI 当时比较挑战的一点是因为 OpenAI 现在确实面临比较大的一个各方面的挑战 ， 从技术层面到商业模式层面 ， 再到甚至 说是这个资金层面上， 还有人才层面上各方面的一个挑战 。 那谷歌的话呢 ， 一方面是他们已经在 Gemini 的发布层面上获得了很多很好的优势 ，但是它呢又不能够马上跳出来去变革自己现有的广告这个商业模式 ， 所以也是在探索其他的产品形态 。 那 Gemini 之前本身的发布已经做得很好了 ， 如果再直接搭建一个 Gemini 模型基础之上的 ， 本身 Windsurf 背后也有调用 Gemini 这样的一个代码的应用 ， 所以这个收购的战略的意义还是比较水到渠成的 。 所以其实也是为什么大家会看到就像连续剧一样 ， 很快的几周时间 ， 先是 OpenAI， 再是 Google， 然后今天 Cognition 又把剩下的团队也都收购掉了 ，也是很有意思 ， 很有戏剧性的这样的一个收购案 。 **Koji 杨远骋** [19:44] 如果把这个收购案拆成好几个层面的话 ， 我觉得它代表了好几件事 。 第一件事就是首先就像你说的 ， 它是一个自动代码平台 ， 然后为什么大家都在争这个自动代码平台 ， 为什么 Cursor 可以估值这么高 。 至少在国内哈 ， 我听到很多人都在说前两年这个 AI 的发展 ， 就是大家看到跑出来的可能就是特别成功的公司是 Cursor。OpenAI 为什么在年初的时候愿意以 30 亿美元来收购这个 Windsurf，但是为什么又失败了 ？ 这个里面还涉及到 OpenAI 跟微软的关系 ， 这个其实也是我就是我先从这一点上想问问张璐 ， 就是你了不了解是不是真的是像外界所说的 ，是因为微软本身跟 OpenAI 签的这个条款里面是要求所有它的技术是要共享的 ， 所以才造成了后来的这个 deal 没有谈成 。 **张璐** [20:31] 对 ， 这个是其中一个原因 ， 当然还有很多其他的原因导致这个 deal 没有去谈成 ，而且 OpenAI 现在和微软的关系相对来说也是比较敏感和紧张的一个阶段 。OpenAI 像微软的话呢 ， 它其实是也是借力于 OpenAI 它的模型去开发自己的 Copilot 的整个产品线 。 那 Copilot 刚发布的时候其实产品做得是很糟糕的 ，但现在其实是越做越好 。 另一方面的话 ，Microsoft 确实在天然做 ToB 的这个商业模式层面上， 它有很大的优势 ， 它的 ToB 的生态很完整 ， 包括它的我们叫售后的服务 ， 还有包括销售的支持 ， 还有包括它整个还可以给很多云端的免费的 credit 这个算力等等 ， 这些都吸引了很多客户跟他们合作 。 但是 OpenAI 在想去做 ToB 的时候 ， 就面临着和微软相当于自己的大股东和它进行直接的竞争 ， 这也是一个很大的问题 。 那 OpenAI 现在还有一个问题就是它到底能用什么样的数据去进步优化呢 ？ 基本上是公有的这些 C 端的数据用的都差不多了 。 那如果想进步优化模型的话 ， 可能就是要去更加关注于高质量的行业数据 ，但高质量的行业数据并不在公共领域 ， 你还是要说通过这样 ToB 的合作可以去获取这些数据 ，但它的这个现有的商业模式又会让它做走 ToB 这条路很难走 。 所以这就是为什么 Anthropic 的 ToB 的路径是走得很顺畅的 ，但是 OpenAI 却很艰难 。 但微软的话呢 ， 借用了它的基于 OpenAI 的一个模型能力 ， 它呢再基于自己现有的 ToB 的生态 ，也是可以把这条通路走下去 。 所以对于 OpenAI 来讲 ， 今年确实是一个非常非常挑战的一年 。 **Koji 杨远骋** [22:10] 对 ，而且应该是昨天还是前两天 ，Sam Altman 说他们的开源模型也要推迟 ， 好像是说是上线前发现有一些在准备的期间发现有一些潜在的风险 ， 所以不得不推迟了 。 **张璐** [22:23] 对 ，他说他觉得有一些安全的风险 ， 所以我们当时开玩笑说 ， 哇 ， 说其实你想想之前很少讲安全的 OpenAI 现在开始重点用安全作为一个理由 。Anthropic 当时的建立就是因为创始人觉得 OpenAI 对于安全 AI 模型的安全 ， 还有包括它的这个 ethical 方面的重视不够 ， 所以也是很有意思 。 包括像 Meta 前一段和 Skill.ai 的这样的一个收并购 ，其实它也是从各个层面显示了 ，Meta 那边确实能够感觉到他们很着急 。 本身的话 ，他们的在开源层面上一直之前是做得也比较好 ，但是 Llama 3 开始的话 ， 它对 Llama 4 它的表现就是非常不尽如人意 。 本来以为是在开源生态的领军 ，DeepSeek 出来之后 ，其实伤害比较大的是像 Meta 这样做开源的 。 那它的模型能力不领先 ，但它的生态又没有成型 。 像其他的哪怕就像是微软 ， 人家也是有生态的 ， 所以 Meta 现在还没有形成生态 ， 所以它才会这么着急去进行一个快速的收购 。 当然你也会发现它在收购的时候力度也比较大 ， 无论是从人才的收购还是说公司的收购 ， 包括收购 Skill.ai， 它其实核心的一个初衷也是为了补足数据 ， 补足工具层它的一个短板 ， 就是我们说的 Infrastructure 层的它的一个短板 。 那倒不是人才的话 ， 同时才通过别的方式去挖 ，因为其实它收购 Skill.ai 并没有从 Skill.ai 带走几个人， 可能就是三四个人去到了 Meta，但核心的话是可以在数据和工具层层面上去可以去补足一下 。 所以我感觉它的方式也是它通过一个比较传统的方式 ， 就是堆资源来去追赶 ， 就是它在战略层面上是落后的 。 那现在的方式就是去大规模的去堆资源 ， 从现金 、 从算力 、 从人才层面上看看能不能够补足自己战略层面上的落后 。 那另外一个的话呢 ， 比较厉害的就是 Grok 了 。Grok 其实就是 x.ai 的 ，其实 Grok 4 发布 ，其实它的所有的一些参数还是很让人兴奋的 。 当然也有一些争议 ， 就是说它通过很多推特的这些数据训练出来 ， 包括它的这个对话中出现了比如说像希特勒式的这样的一个对话 ， 当然是有很多模型数据的这个偏见性 。 但是如果你看它在其他的一些参数层面上的表现 ， 真的是非常非常惊人， 也非常惊艳 。 所以 Grok 它现在还没有发布它的代码模型 ，但我知道的是其实是 x.ai 内部现在百分之七八十的数据 ， 百分之七八十的代码都是用他们内部的人工智能代码工具在写了 ， 所以内部已经用得非常顺畅了 。 只是说要把它做成一个对外第三方可以使用的这个代码模型和工具 ， 虽然还没有发布 ， 我个人还是非常期待的 。 我觉得它的这个代码模型的这个能力应该也是非常非常非常值得惊艳的和期待的 。 那到时候等它出来之后， 我们就可以横向的去比较一下它和 Gemini 这边 ， 还有包括像 Cloud Code 层面上各自的一个代码能力 。 **Koji 杨远骋** [25:23] 嗯 ， 哎 ， 刚刚你说到这个 Meta 就是最近买买买的这个新闻 ，其实我想补充一个问题 ， 就是你怎么看 。 有点类似于暴力美学的这种方式来做 AI。 我自己的一个评价是 ， 我会觉得其实不管是就是都做成球星卡了的人， 还是说昨天应该是 SemiAnalyst 他们发了一个关于 Meta 在这个投入巨额资金堆算力的报告 ， 我觉得其实它其实也有一个目的 ， 就是说它其实是很希望不管是让公司还是让外界外界要看到它做 AI 的这个决心 。 **张璐** [25:54] 对 ，是的 ，而且我觉得还是回到我们刚才提到的 ， 如果说公司本身的 CEO 还是它本身的创始人来讲 ，他在很多方面的投入和坚定 ， 就是比较对于一些新的方向选择层面上 ，他的力度是会比较大 ，他的决心也会比较大 。 所以你能看到 Zuckerberg 确实现在是非常明确的要在 AI 进行大投入 。 另一方面说实话 ， 对于 Meta 来讲的话呢 ， 它其实一直以来在 AI 的投入都在持续 ， 就像谷歌一样 。 就谷歌我前两天看到一个视频 ，是 Laura Page 在 25 年之前 ，25 年前接受采访 ， 人家问她说谷歌的终极形态是什么 ， 她当时的回答就是人工智能 ， 说希望是我们这个搜索是你问任何的问题它都可以回答给你 ， 这是一个就是人工智能驱动的搜索引擎 ，其实就是类似于我们现在用的 ChatGPT 的一个形式 。 所以你会发现它 25 年前其实就是这个构想 ， 它过去这 25 年一直在人工智能领域的投入也很大 ，其实 Meta 也一样 ， 包括大家也会看到 Meta 的这个首席人工智能科学家呀 ， 还有包括他们的这个内部研究团队 ，其实人才还是非常好的 。他们之前各种各样的有一些开源模型的发布 ， 包括一些视频开源模型的发布 ， 我之前看到构建这个就是真实世界的物理模 型 ，其实做得也都很好 。 可惜的就是它没有生态 ， 所以你发布了这些模型之后， 你没有生态就没有办法去把它转成一个实际的应用 ， 让生态去体验到你这个模型的能力 。 二来是说确实公司内部的话呢 ，因为它也是有一个现金奶牛的生意 ， 就是它的广告 ， 所以导致的话到底说怎么样去倾斜专注产品的一个倾斜度 ， 还有包括资金和资源的一个倾斜度 ， 所以这些可能在 Meta 内部都是一个比较大的一个挑战 。 所以我觉得这些创始人， 无论是 Zuckerberg 还是 Laura Page，他们对于 AI 的长期的愿景一直都有 ，不是说现在才有 ，他们一直都有 。 只是现在到了一个真的是我们像机点临近 ， 这个机点拐过去之后， 加速的速度太大了 ， 所以它可能没有办法再像过去一样慢慢的去一步一步的投入 ， 还是希望可以更快的去在人工智能这个生态层面上建立自己的优势 。 所以 Meta 其实你看它这么疯狂的去招聘 ， 疯狂的去投资 ， 疯狂的去砸现金砸资源 ，其实核心它也是希望能够去压缩它的迭代周期 ， 去通过招聘和收购的方式买时间 。 买时间之后的话呢 ， 它可以从一个相对战略和技术相对落后的这样的一个现状去转向它可以去重建它的 AI 生态 。 那它现在还有一个优势是什么呢 ？ 你会发现各大科技公司 ， 包括 OpenAI 也在聊的一个概念 ， 就是人工智能时代呢 ，有一个新的需求 ， 就是人工智能的 interface。 **Koji 杨远骋** [28:35] 界面 。 **张璐** [28:36] 对对 ， 人工智能的界面 ， 就新的人工智能的界面 ，不只是说手机或者是电脑 ， 那人工智能的硬件作为一个新的界面 ， 可以让人可以通过多形式去进行人工智能的交互 。 那 Meta 它无论是从它的头衔到眼睛 ， 它是少数比较有明确的一个硬件形态的一个 AI 产品 ，但是它有了这个硬件层面上的平台产品 ，但它没有一个系统的能力和模型的能力 。 这就是为什么它觉得自己我其实在硬件生态上是有优势的 ， 如果我可以使劲的把模型和系统这方面砸出来 ， 我其实可能就会跑得比别人更快 。 当然这里面还有一个苹果了 ， 苹果大家对它的期望值很高 ，但没有想到这一波有很多决策 ， 还有包括说投入层面上的一个问题 ， 导致现在可能是掉队掉得比较厉害 。 所以你会看到从这个角度去看 ， 它的虽然大家觉得好像比较疯狂的一个投入 ，但其实是有逻辑有原因的 。 而且其实现在在这个建立 ， 它也很明确自己缺的是什么 ， 它其实缺的不是执行力 ， 它的工程师都非常的能干 ， 它缺的其实是核心的构建的这个大脑 ， 它需要招聘到最优秀的人工智能人才去帮助它搭建模型的架构 ， 还有包括生态的建立 。 所以你看它招聘的人才其实都是比较能力比较上游的这些人工智能人才去搭建模型的架构 。 同时的话 ， 招聘的这个 Alexandra Wong， 就是 Skill.ai 它的创始人， 她是一个很厉害的生态的一个建立者 ， 所以相当于两边都在发力 。 **Koji 杨远骋** [30:08] 这里如果再补充一下， 就是你觉得她之前在这一块做得不太好的主要原因是什么呢 ？ 因为我其实也听说 Meta 内部其实也挺卷的 ， 工作很辛苦的 。 **张璐** [30:18] 对 ， 它是比较卷 ，但是我觉得 Llama 模型其实我听到的当然也有一些就是不一定最准确的 ， 还是因为说他们可能还是团队的这个迭代过程中， 很多信息很多东西不能够完全的去 ， 就是说比如说做下一代产品的人并不能够拿到上一代产品所有的一个信息 ， 所以可能还是有内部管理的一些问题 。 再加上呢 ， 你也能看到他们的首席人工智能科学家一直对于大语言模型这个方向是不赞同的 。 所以在内部的话呢 ， 相对在人工智能的投入方向 ， 大家也是有各种各样不同的想法 。 所以这次其实 Zuckerberg 还是觉得说要比较破釜沉舟的说我们就是要做这个方向 ， 然后来去招来一些新鲜的血液 ， 就像鲶鱼效应一样 ， 把内部去给整活 。 所以就像你讲它内部很卷 ， 内部迭代速度也很快 ，而且它的工程师都很能干 。 更重要的是说怎么样可以构建一个比较强有力的大脑和一个生态去加强它现有的有这种已经有的这个人工智能硬件的优势 。 **Koji 杨远骋** [31:20] 那你看好就是这一系列买买买之后的前景吗 ？ **张璐** [31:24] 其实现在还很难说 ，其实你要问我个人的话 ， 我个人可能现在没有特别看好 ， 就是因为我觉得它当然是就是招聘了很多优秀的人才 ， 还有包括想去搭建这个生态 ，但是它的这个周期可能不会想象的那么快 。 因为包括人才进来之后的话呢 ，有新的血液和现有的一些架构 ， 它可能会有一个比较有一个过程的一个阵痛期 。 那这个阵痛期它并不能够保证它招来的所有人都全身心的去针对产品研发 ， 可能还是要在这个组织架构层面上做一轮调整 。 那这个调整需要多长时间可能就不确定 ，但是我觉得长线我还是很看好他们的 。 但至于说短期就是说到今年底之前 ，Meta 是不是能够迎头赶上， 我觉得还是比较困难的 。 **Koji 杨远骋** [32:10] 然后刚才其实你提到他们其实是在花钱买时间 ， 我也很同意 ， 包括昨天在看 Windsurf 这个收购案 ， 就是说回来这个收购案 ， 看这个各方的分析 ，其中有一个观点说那 Google 花了 24 亿来买这个 ， 买了这个团队感觉好像有点冤大头 ，但其实我觉得这个账可能仔细算的话 ， 这一步其实做得很精明 ，因为它如果自己重新搭建一个团队 ， 然后如果重新来做这一套 的话 ， 它至少需要两到三年的时间才能做一个类似的产品出来 。 那它现在直接挖人 ，并且还避开了这个反垄断的调查 ， 可以直接挖到人有这个 license， 就是有这个技术的授权 ， 同时当然是有这些人的 know-how 了 。 花了这么多的钱在一个这样的一个关键的时间买 ， 它其实也是买时间 。 **张璐** [32:58] 你说的非常对 ，其实现在对于大的科技公司来讲 ， 钱不不值钱 ， 最值钱的是时间 。 然后时间层面上， 现在的一个竞争的周期已经变到像我提到的每周都有新的发布 ， 所以其实相当于说每周每天的时间其实对他们来讲都很有价值 。 另一方面的话呢 ， 一方面是买时间去核心去提升自己的人工智能竞争实力 ， 另一方面的话也都是上市公司 ， 对于本身上市公司企业来讲 ， 它对于投资人还有华尔街资本市场的一个期待也是有帮助的 。 那大家可能会觉得说你花了 20 多亿买这样的一个团队是不是很不值得 ，但你会看到说如果说对于公司整个 AI 生态是有一个正向影响 ， 那它的股价也会调整 ， 那它可能股价增长的部分就已经超过了它花的这一部分去收购的资金 。 所以其实对于大的上市公司来讲的话 ， 它不一定会是只是单纯的看说这个企业赚多少钱去进行收购 ， 包括我们一些被收购的企业也是 ，有些企业是因为它的收入做得很高 ， 然后被高价收购 ，但有些企业它收入做得还不错 ，但是收购方愿意高价收购的原因是因为它看到的是战略价值 ， 就是说你的这个产品已经很成熟了 ， 如果放到我的现 有的一个分销渠道去销售给我现有的客户 ， 我可能可以马上给我制造的价值是比如说 5 亿美金 、10 亿美金 。 那在这个基础之上， 我如果拿出 5 亿美金 、10 亿美金来收购这个企业就是值得的 ，因为它不只是现有的产品 ， 还有未来可以研发的一个下一阶段的一个产品 。 所以我们想说战略的这个收购方其实现在是在这个生态里面非常重要的贡献方 ，也重要的一员 ，因为很多公司并不一定都要上市去进行退出 。 那进行这样快速的一个收并购的迭代呢 ， 进行一个高效的资金的回笼和循环 ， 还有包括人才的回笼和循环 ， 对于创新整体都是非常好的 。 ### 谷歌与苹果 **Koji 杨远骋** [34:44] 嗯 ， 那我们刚刚说了 Meta 说了 OpenAI， 那对 Google 来讲的话 ，其实我最近也有听说 Google 内部也在做挺多的调整 。 去年 Google 做了一个就是挺有名的产品 NotebookLM 的这个产品 ， 它所属的 Google Lab 的负责人， 我看到它 LinkedIn 上， 它现在已经是既是这个 Google Lab 的 VP， 同时它也在管 Gemini 的 APP。 我听说就是 Google 内部其实也在做挺多的调整 ，其实它就像前面我们前面也说到这个最近的各种的这种收购案 ，其实也反映出来了这些公司的焦虑 。 那你觉得 Google 现在的这个状态是一个什么样子的呢 ？ **张璐** [35:21] 对 ，其实 NotebookLM 首先它是一个非常非常好用的工具 ， 我们自己本身用的也很喜欢 ， 然后它本身就是 DeepMind 和 Google Labs 联合打造的一个产品 。 所以你看到说现在其实谷歌它之前也是有各个不同的部门去做 AI，有些可能偏向于产品一些 ，有些偏向于就是研究一些 ， 尤其是像 DeepMind 它其实是在研究做得很深入 。 那现在它也是希望把两边进行更深入的整合 ， 可以把它很强的研发的能力转成产品的能力 。 然后到目前为止 ， 我觉得 Gemini 的过去这一段时间的发布是做得非常好的 。 所以我觉得谷歌从人工智能的实力上来讲 ， 我个人还是觉得是在各大科技公司里面我觉得是排第一位的 。 而且现在我觉得市场对于它的人工智能的能力和未来的潜力是有点低估 ， 包括谷歌它自己也并没有大肆的去宣传和去推进它的这些人工智能的产品的发布 。 我觉得有一个挑战对于他们来讲 ， 就是因为它自己可能就是要考虑到底是一个什么形式和什么时间节点去进行自我的一个革命和优化 。 因为它现在的商业模式就是一个广告的商业模式 ， 然后搜索的广告 。 那但它如果说真的去大力推动它自己的 Gemini 驱动的一个搜索引擎的话 ， 就像大家经常讲 Perplexity 跟它竞争 ，但其实它自己完全可以做一个 Perplexity，而且做得比 Perplexity 更好 。 但是它做了之后的话呢 ， 它现有的商业模式怎么办 ？ 是不是能够很快的找到一个新的商业变现的模式去补上这个现金缺口 。 所以其实无论是它的商业模式还是 Meta 商业模式 ， 都有点像已经很成熟的一个现金奶牛 ，但是这个现金奶牛你不能够在没有找到新的现金奶牛之前 ， 把之前的这个奶牛去杀掉 。 所以对于它来讲 ， 这个层面上是比较挑战的 。 如果做好了的话 ， 谷歌会有一个新生 ， 就像涅槃一样 ， 凤凰涅槃一样 ， 它会做得更好 ，因为它的人工智能的实力真的非常强大 ， 生态建的也好 。 而且你要知道谷歌它在过去这些年的积累 ， 我经常讲一个概念 ， 就是怎么样去优化人工智能产品 。 现在人工智能竞争不单纯只是一个模型的竞争 ， 它也是一个成本的竞争 。 你怎么样可以去优化成本 ？ 那谷歌它其实就是也是我觉得部分从苹果那学习到的 ， 它现在有自己的 TPU、 自己的芯片 、 自己的模型 、 自己的云端 、 自己的 Infrastructure， 然后自己的人工智能应用 。 所以它作为一个整生态的这样的一个全栈式的产品 ， 它再去优化成本是非常非常好做的 。 所以我觉得这些年它积累起来的这个优势是别的科技公司很难去跟它比拟的 。 但是又回到说 ， 如果说你这个时机没有选择好 ， 形式没有选择好 ， 可能就是自断一条腿 ， 然后在新的产品没有快速的获得这种商业的认可之前的话呢 ， 就把自己现有的模式给打掉了 。 所以对它来讲 ， 一方面要从内部讨论这个时机 ，但另外一方面外部有很多竞争对手 ， 包括其实现在我们经常会做一些很简单的调研 ， 像我们这一代人可能生长起来非常熟悉的一个环境就是移动互联网 ， 对吧 ， 用智能手机 。 但现在年轻的小朋友他成长起来 ，他用的就是 AI 工具 ，他每天用的 AI 工具多种多样 ， 那很少的年轻小朋友开始去用这个谷歌搜索了 。他可能现在基本上就是这几类生成式 AI 驱动的搜索是他平时用的比较多的 ， 用谷歌的次数越来越少 。 那可能外界的这个竞争环境 ， 包括说新一代的用户习惯的快速的变化 ，也不会给谷歌留下太多的时间空间去做这个调整 。 **Koji 杨远骋** [38:54] 这个就是我觉得大家很多人都在说 ， 现在可能 Google 它是一个位置技术很强 ，但是它的位置也很尴尬 ，因为毕竟对搜索构成了根本的威胁 ， 然后搜索是它的这个商业模式的根基 。 那你觉得它有到这个就是非常关键的这个时刻了吗 ？ **张璐** [39:12] 我觉得其实是到了一个关键的时刻了 ，但是呢 ， 这个关键的时刻它又不能够去 ， 就说实话 ， 你现在问别人说是你能判断谷歌是不是一个到了一个这样的一个转折的阶段或自我调整的阶段 ， 你也很难给它答案 。 你还是要看它内部的一个数据的体现 。 所以我觉得今年的这个时间阶段的话 ， 谷歌可能还是会要做更多的一些调整 ， 去看看是不是能够抓住这个机会 ， 像我讲的一样 ， 像一个凤凰涅槃的过程一样 ， 去成为新一个人工智能时代的一个领军企业 。 但是我其实还是非常建议大家去多关注一下它 Gemini 整个这个家族 ， 它过去这段时间做的一些发布 ， 从 Enterprise 层面上的 AI 的发布 ， 再到包括它前一段还有就是那个 Gamma 3N，是 on-device 的 ， 就是终端的边缘端的这样一些模型发布 ， 还有些小模型 ， 另外像 AlphaFold、AlphaGemini， 这个其实都是非常非常让人惊艳的 。 还有包括我刚才提到的那个对于它的 AI 成本层面上的优化 ， 它自己本身的一个 TPU 的体系 ， 这也是给它了很多未来的可能性 。 **Koji 杨远骋** [40:16] 刚才其实也有提到苹果的一系列的决策可能会就是有一些问题 。 苹果现在看起来 ， 当然首先它是有这个设备上的优势 ，但是它没有模型 ，也没有一个直接的 AI 的产品 。 然后最近上半年它就是相关的应该是 WWDC 上宣布 iOS 26 会和这个 ChatGPT 做深度整合 ， 看起来是一些应用层面借力 AI 来让 iPhone 的使用体验来更好 。 但确实也有一些观点就是认为说 ，因为短期内其实 AI 不影响苹果的收入 ， 所以不管 AI 不管怎么发展 ， 反正人都是要用手机的 ， 可能长期来看会减少人使用手机 。 但是其实对苹果来说 ，因为不影响它的根本的 ， 就像如果类比 Google 的话 ， 就是不影响它这个商业模式的根基的话 ， 那你觉得它这个 AI 的策略的核心是什么 ？ 然后像你刚刚提到就是它是有一些问题 ， 你觉得这个问题是什么 ？ **张璐** [41:09] 我觉得可能苹果是没有预判到说人工智能的这个趋势的崛起速度会这么快 。其实他们在人工智能层面上的投入也是长线 ，其实硅谷的所有这些科技公司并不是像大家觉得突然间 ChatGPT 出来了 ， 大家再去一下子扎进 AI 的这个投入 。其实硅谷这些科技公司基本上在过去这十多年都在人工智能进行布局和投入 ， 只是说以前没有说那么紧张的一个时间线 ， 现在 是突然间竞争周期和迭代速度快速的缩短 。 那像苹果来讲的话 ， 之前苹果我非常看好就是它的人工智能芯片 ， 它的人工智能芯片做得非常好 ，而且它当时我记得有次发布 ， 基本上是说是世界上最强的人工智能芯片 ，因为它本身的运算能力 ， 还有包括和整个苹果的它的硬件生态的整合是做得非常非常好的 。 那他们那个人工智能芯片的团队也很强 ，也有我一些之前在斯坦福的朋友也在那边 ， 所以这边是它的一个巨大的优势 。 但是它的问题就是缺席 ， 就是缺乏人工智能产品 。 它的设备是核心 ， 它的硬件是核心 ， 它的芯片也是它硬件中非常重要的一个核心 ，但是它没有 AI 产品 。 所以它当时像你说的和 ChatGPT 的一个集成的一个整合 ， 它算是一个阶段性的妥协吧 ， 先去合作 ， 然后再去逐渐的去布局 ，但是也没有想到其他公司的迭代速度会这么快 。 所以现在它苹果它的好处是说 ，其实人工智能硬件它是一个很重要的入口 ， 就像你提到的 ， 短期时间之内 ，不管你是 ChatGPT、Claude Code 或者等等各种各样的人工智能的产品的 AI Agent 的 ， 你大概率还是要在手机和电脑上去使用 。 所以它占据了这个硬件入口 ， 它其实还是有一定的叫平台性的一个优势 。 但是呢 ，其他的公司也在考虑做硬件 ， 这个就是碰到了它的护城河 。 我提到的你看 Meta 和苹果一直在打 ，因为 Meta 自己也是想考虑要做硬件 ， 包括 OpenAI 也想做硬件 ， 谷歌其实之前在硬件层面上也有探索 。 所以在这个层面上， 苹果它还是有时间窗口 ，但是这个窗口期可能也不是很长了 。 所以怎么样能够在它 AI 的在它硬件层面上去布局 AI 硬件 ， 去像无论它的耳机啊 ， 包括像它的芯片的优化的一个本地模型啊 ， 还有包括怎么样可以将人工智能去嵌入到它硬件的体验中， 去让它更加流畅 ，而并不是一个开放的平台或模型 。 我觉得这些都是苹果在考虑的一些方向 。 但是我也提到了嘛 ， 就有些时候确实也能看到 ， 像 Tim Cook 是一个非常厉害的领袖 ， 然后包括说科技领袖 ， 还有说商业领袖 ，但是确实是在这种大的趋势到来的时候 ， 如果这个公司的 CEO 是创始人的话呢 ，他可能更敢去承担巨大的风险 ， 然后去赌一把新的方向 。 那这种魄力很多时候也是很难去要求非创始人的 CEO 去拥有的 ，因为毕竟不一样 ，因为你这个赌也可能赌输了 ，也可能投入巨大就失败了 。 你比如说像 Zuckerberg，他在元宇宙的投入投了这么多年， 到现在其实还是一个巨大的不可见的一个窟窿 ，但是因为他是创始人 ，他哪怕犯了错 ，他可能还是能够保住自己的这个位置 。 但是对于一些职业经理人来讲的话呢 ，他可能也是要去更好的评估一些新方向的大规模投入的风险 。 所以你就会看到就很有意思 ， 你看无论是像我们提到的像英伟达呀 ， 还有包括你说的 Salesforce 啊 ， 像 Zuckerberg、Meta， 还有像谷歌这一波人工智能崛起速度很快的企业 ， 它其实都是因为现在的 CEO 还是创始人。 **Koji 杨远骋** [44:42] 我们刚才其实没有提到一个公司是亚马逊 ， 应该是 AI 可以帮它在这个电商上面推荐算法更准确 ， 然后它的 AWS 服务也卖得很好 。 ### 亚马逊与微软 **Koji 杨远骋** [44:53] 你有关注亚马逊在这个上半年的一些动作跟它接下来的一些前景吗 ？ **张璐** [44:59] 对 ，其实 AWS 它现在其实现在是相当于就是有点像我们讲说淘金热 、 卖铲子的这样的一个角色 。 所以它现在对于因为大量的对于人工智能训练啊 ， 还有包括推理啊的这些需求 ， 无论是模型公司还是 Agent 的公司 ， 它其实都是 AWS 的客户 。 所以越多的 Agent、AI Agent 呢 ， 越多的模型公司对于 AWS 来讲都是好事 。 所以它的这个商业的收入 ， 还有包括商业的这个增长都会被进一步推进 。 这也是为什么大家可能感觉说它好像没有去大规模的去投入自己要做 AI Agent 啊 ， 去直接做一个人工智能产品 ，但没关系 ， 它在背后卖铲子卖得很开心 ，而且通过这个基础设施层面上的优势 ， 它也可以在默默的在人工智能这样的一个竞争生态中去胜出 。 那另外的话呢 ，Amazon 它其实一直是 Anthropic 比较强力的支持方和投资方 。 所以你会发现其实像我们的一些初创企业 ， 现在其实很有意思 ， 我们和什么 Amazon 啊 、AWS 啊 ， 还有包括像 Google 啊 、Microsoft 那边合作都很多 ，因为他们都希望我们可以推荐我们的初创企业去用他们的云端 ， 然后呢 ，他们也会给予很多的这种好的条件 ， 比如说 free credit。 那 Amazon 就是 AWS 给的 free credit 其实就是 Cloud 的 credit， 就是 Anthropic 的 credit。 所以你会看见他们两边的战略协同和战略的整合还是比较紧密的 。 **Koji 杨远骋** [46:28] 这里我补充一个前面的问题 ， 就是也是说到这个战略协同 ，其实前面就是提到微软的 Gentic AI 是它的未来的战略方向 ， 它会继续大力的做 Copilot 的话 ， 那你会不会推断微软接下来会不会跟 OpenAI 解绑呢 ？ 我觉得这个好像是一个已经存在蛮久大家的一个猜测 。 **张璐** [46:49] 我觉得他们现在的合作形式的话呢 ， 已经出现了一个就是渐行渐远的一个苗头了 。 因为现在你看前一段其实 Sam Altman 想在 OpenAI 的这个股权架构和公司架构上做一些调整 ，其实最后也是一个妥协的结果 。 再加上这一次 Windsurf 的收购 ，其实和微软已经形成了一个直接性的利益的冲突 。 **Koji 杨远骋** [47:11] 对 ， 冲突了 。 **张璐** [47:12] 再加上其实一方面的话也有些外界的压力 ，其实现在美国和欧盟的一些监管机构实际上还是在关注说微软是不是在实际的控制 OpenAI， 包括是不是就形成了一个垄断的问题 。 所以微软才是因为这个原因把它的 ， 它不是之前是在董事会上， 它虽然没有投票权 ， 它有一个观察员的席位嘛 ， 它就把它给让出了 。 另一方面 OpenAI 像我刚才提到的 ， 它确实面临一个挑战是 ， 一来做 ToB 层面上的商业探索 ， 你是去构建一个更加可持续性的商业模式 ， 另外一方面是它也需要去获取到更高质量的行业的数据 ， 去增加它模型的下一步的能力 。 那做 ToB 的话 ， 这个实际上是和微软的立场就是冲突的 。 微软其实当时对于 OpenAI 的希望是说 OpenAI 可以是做一个底层模型的一个提供商 ， 然后它呢 ， 微软是一个产品的一个提供方 ， 然后也是个整合方 。 但是现在 OpenAI 无论是从它的企业机版本啊 ， 还有包括它现在做 Agent， 它其实不想只是做一个模型提供方 ， 它想做一个像算是一个全栈式的人工智能产品的公司 。 所以你看这两边其实是直接的在路线层面上有一个冲突 。 那所以微软现在你会发现它不只是支持 OpenAI， 它其实也支持 Mistral， 对吧 ？ 它也支持 Coherent， 就是好几个其他的模型它们也都是在支持接入 ， 然后支持合作 ， 支持整合 。 包括它们旗下也自己有一个研究机构 ， 就是 Microsoft 的 Research， 它现在已经加快了自己的模型的研发 。 当然我现在个人对它自我模型研发也不是有特别高的期待 ，因为它本身的创新能力确实是在科技公司里面属于比较慢的 ，但是这也是发出的一个比较明确的信号 。 所以我觉得短期它不太可能会完全分家 ，因为毕竟之前的协议层面 ， 协议还是签得很紧密的 ，而且是在 Azure 这个云端层面上， 它还是有比较明确的绑定的 。 但是我觉得在应用端还有模型层面上的话 ， 微软其实已经在主动的去进行 ，有点像去 OpenAI 化 ， 就是不只是以 OpenAI 为核心 ， 它也要保证自己的一个多样性 ， 它去布局更多的模型的供应商 ，而且也去推动自己的自我研发的能力 ， 去降低它对 OpenAI 模型的依赖度 。 那包括尤其是像 Copilot 的一个生态呢 ，也会可能在未来不一定是只完全依赖于 GTP， 它也会去进行动态的调用多个模型 ， 这样对于微软来讲也是更加灵活的 ， 更加多样性的一个选择方式 。 而且本身来讲呢 ， 企业级客户它对于安全性合规性的要求也比较高 。 那 OpenAI 确实在安全合规层面上， 它的口碑也是不是那么的好 。 所以对于微软来讲呢 ， 它做这样的一个多样性的模型的探索 ， 对于它的企业级客户也会更好 。 所以我觉得从这个层面上来讲 ， 它们是有深度的利益捆绑 ，但是呢 ， 微软已经开始去做去 OpenAI 的这样的一个准备了 。 那 OpenAI 呢 ， 它也是在多方面去寻求自己未来的比较大的一个无论是资金啊 ， 还有算力的一个背后的支持 ， 包括它现在公司股权架构 、 董事架构也在经历一个迭代的过程 。 所以这也是回到我刚开始为什么提到说我觉得今年其实面临最大挑战的企业实际上是 OpenAI。 那到今年底的话 ，OpenAI 它的可能会有很多的变数 ， 我们就可以拭目以待来期待一下 。 ### 人才与VC **Koji 杨远骋** [50:40] 说 Windsurf 的这个收购 ， 我觉得它从几个层面上反映出来了好几件事 ， 就是刚才前面我们说到公司的焦虑 、 人才竞争 。 不知道我这么猜测对不对哈 ， 就是我是猜测说它是不是也在某种程度上代表了现在上半年在硅谷发生的这种人才跟收购的方式的一些变化 。 对 ， 然后昨天我看那个扎克伯格在 The Information 的直播里面说了一句话 ， 我觉得这句话挺有意思的 。他说就是钱是一方面 ， 当然他又否认了 ，他就说这个有很多报道是不对的 ，因为他后面没有说 。 我其实也很好奇他指的是哪里不对 ， 然后他说大家更多看到的是交易的钱 ， 然后大家其实忽略了是 more leverage as a researcher， 就是他说他在内部给这个研究员的这个应该说可以说是权限吧 。 就他提到一句说以前我招人的时候 ， 大家会问的是我的 scope， 我的权限范围有多大 。他说我现在招人的时候 ，其实我听到的更多的是你怎么样可以让尽可能少的人汇报给我 ， 然后同时给我尽可能多的 GPO。 然后他说到说这个其实是他现在招人的一个策略 。 从最近以 Windsurf 为代表吧 ， 这些收购案可以看到这个人才争夺究竟是在争什么 ， 然后以及就这样子的交易方式会给硅谷的初创的这个创投的这个环境带来什么 ， 什么样子的影响 。 **张璐** [52:09] 其实就像我提到的说 ，其实它们每个公司都有自己比较明确的执行能力 ， 还有包括自己已经搭建的这个基础架构 ， 它其实是给自己招大脑 。 就像你刚才也提到的是说 ， 它可能不仅是说我有一个构想 ， 我希望招来这些人去实现 ， 那是因为现在人工智能的生态的演变速度非常快 ， 它其实希望招来这些人说你给我一个构想 ， 你给我一个架构 ， 我们要怎么样去做 。 所以能够做到这个层面的人工智能人才还是比较少的 。 你不能说招个人工智能工程师 ，他是没有这个架构的思维的 ， 你还是要说大语言模型是我们现在的一个讨论 。 那包括现在做 Agent 之后， 有很多讨论其实就是在 LLM 的基础之上要加上 RL， 就是强化学习 。 那在这个基础之上的话 ， 很多模型也在迭代 ， 包括前两天我们还在看一个新的一个模型架构 ， 它其实是可以在 CPU 上跑得更加的高效 ， 比 GPU 层面上更高效 。 因为本身来讲 ，GPU 是不是最终极就是对于生成式 AI 来讲最好的一个底层芯片的一个架构 ，其实也现在还是有一些小小的疑问的 。 所以你会看到这些东西 ， 它实际上是很多未知 。 所以呢 ，Meta 他们希望招来人才 ，是帮助他们找到一个针对这个未知方向的一条路径 。 那这种人才的要求度就非常高了 。 所以确实没有多少人。 你说真的 ， 你要问我的话 ， 我觉得可能不 ， 可能都不超过几千人。 它不是说是一个说上万的量级 ， 它可能就是一个几千人的量级 。 那这几千人里面最核心那些人你再抢来抢去 ， 这些科技公司确实不太够分 。 这是一个前提条件 。 但另外你说这个对于 VC 行业的影响 ， 一方面我觉得说快速的这种收并购 ，因为整个 VC 行业在过去这几年有一个比较大的挑战 ， 就是过去这几年上市公司比较少 ， 退出的公司比较少 ， 大的退出很少 ， 导致它的资金的回流相对来讲是比较慢的 。 那通过这些快速的收并购的话 ， 形成了更加动态的快速的资金回流 ， 它对于整个创新生态是有好处的 。 但是呢 ， 另外一方面 ，有些就比较大型的收购 ， 如果说是正常的收并购 ， 像我们今年这些几个收并购都是正常的收并购 ， 所以作为投资方 ， 你的这个倍数还有说比例还是非常好的 。 但是像这种针对于人才的大金额的收购 ，其实收购方会更优先于把更多的收购的资金给予到团队 ，而不是给予到投资人的部分 。 所以投资人在这样的一个收购情况下， 它的回报就会比较有限 。 包括其实像 Windsurf 这样的一个收购 ， 这么大的一个收购 ，其实他们投资人的回报也相对比较有限 ， 就是因为它的很多资金是优先于去给到这个初创团队 ， 还有包括创始人团队了 。 所以在这个层面上的话呢 ， 可能也会让 VC 圈更多的去考虑到底要以什么样的形式去对待这样的一个退出 ， 什么样的退出是大家可以双赢的 ，而不是说由于大科技公司对于人才的现在的一个疯狂的一个需求 ， 导致 VC 的这个收益可能会被妥协掉 。 所以我觉得到今年的下半年， 可能也会看到很多这个生态里面的各种各样的变化 。 它这个生态你想 ， 它的主要的玩家也很多 ，有我们这样的一个风险投资方 、 资金方 ，也有这个初创企业的这个团队 、 创新方 ，有大的科技公司 ， 它既是生态构建方 ， 它又是潜在的收购方 ， 同时它还是一个主要的竞争对手 。 再到最后的话呢 ， 还有包括监管等等 ，在里面其实会形成很多很多这样的一个交互 。 所以到今年的下半年， 我觉得还是会有很多变化的 。 **Koji 杨远骋** [55:42] 这个变化比如说具体指的是 ？ **张璐** [55:44] 我觉得监管层面上也会有些新的东西出来 。 我并不是觉得监管加收紧 ， 我监管可能会放得更松 ，但是放松的过程中到底是放松在数据层还是在人工智能基础层 ， 这个也是不确定的 。 二来的话呢 ， 就是我们提到的对于这些几个大的公司 ，OpenAI 它是一个非常关键和敏感的时间节点 ，Google 它也是时间窗口比较有限 ， 要做出一些自己的判断和决策 。Meta 这样的一个大规模发力之后， 下半年会不会有一些新的东西出来 ？ 还有另外一个我经常管它叫搅局者 ， 那就是 Grok， 就是伊隆 · 马斯克 。 马斯克真的是大力出奇迹 ，其实你能发现它从 Grok 1 发布大概是 24 年初吧 ， 到现在也就十几个月 ， 能够基本上做出一个领先整个生态的模型 ， 这是非常非常惊人的 。 这不只是说它砸资源砸人， 我觉得还是在执行能力层面上， 还有包括它底层的架构 。 就像我提到的说 ， 每个公司都有执行力 ， 都有资源 ， 都有人能力 ， 都有算力 ， 怎么样可以构建一个大脑的团队 ， 快速把它迭代推出去 。 那确实 xAI 有这样的一个能力 ， 构建了一个很强的大脑 ，而且执行力也很强 。 所以在这个层面上， 我觉得不管大家对于最近当然伊隆 · 马斯克今年因为涉及到政治层面上的原因 ，他的口碑现在就是比较分裂 ，但是我觉得从创新和企业的角度 ， 还是要给他很多很多的认可度的 。 因为在执行能力层面上， 真的很难再找到另外一个企业家或者公司可以跟他去比拟 ，他这么快的一个执行度 ， 还有包括他快速的资源整合和构建的能力 。 **Koji 杨远骋** [57:20] 同时其实上半年我们也看到有几个所谓这个超级人才带领的公司在一开始就融了很多钱 ， 比如说像 Ilya， 比如说像 OpenAI 的之前的 CTO Mira，他们比如说像 Mira 的公司就应该是在种子轮就融了 20 亿 ， 然后 Ilya 的公司第一轮应该是当时估值就是 50 亿美元了 。 **张璐** [57:42] 对 ， 然后他们融了 10 亿美金 ，Mira 第一轮是融了 20 亿美金 。 而且当时我也听到说 ，其实 Mira 当时在融资过程中也有科技公司想要收购它 ， 大概的收购价格也是在 100 亿美金上下， 所以还是非常非常疯狂的一个资本市场 。 **Koji 杨远骋** [58:00] 就是资本市场可以给这么高的估值 ， 代表他们在看好什么呢 ？ **张璐** [58:04] 我觉得我可能不一定就同意他们的看法 。其实像这两个公司 ， 它的期望都是在于说 ，他们未来可以成为一个 trillion dollar company， 就是成为一个万亿级别的公司 ，因为他们可以做一个就是基础模型 ， 这一个模型可以去解决各种各样的问题 ， 成为各种各样应用的一个底层的通用模型 。 我觉得这个未来的可能性是存在的 ，但我觉得在现在这个时间节点 ， 一个新的初创公司它做的这个模型会成为未来的一个通用模型的可能性 ， 会比前几年要低很多 。 因为刚才我提到的像谷歌这些公司 ， 它崛起的速度都很快 ，他们的通用模型做得也很好 。 那而且在未来到底是说我们要用一个通用模型去解决所有的问题 ， 还是说各种各样的垂类的小模型针对不同的行业去做 ， 我觉得这个其实也是一个讨论的焦点 。 但是呢 ， 确实就像我回到说 ， 能够有能力去构建新的模型架构的人就那么多 ， 就很少 ， 可能不超过几千人。 那这个时候对于这些人才的评估 ， 还有包括它本身的量级 ， 还是价格非常高的 。 就像大家最近提到说 Meta 用 1 亿美金去挖人才 ， 那你想 Mira 的公司其实有十几个这样的人才 ， 那你要堆一堆的话 ， 一个人值 1 亿美金 ， 十个人是不是也就值了 10 亿美金 ， 然后再多加几个产品之类的 ，是不是有一个溢价 。 所以确实也有这方面的一个原因 。 但是我个人其实还是对于这么高的估值 ， 尤其是第一轮这么高估值 ， 我是有很多的担忧 。 这也是为什么我们没有投这类的企业 ，因为我觉得虽然说当然公司是有可能有潜力去成为一个万亿级别的企业 ，但是去看商业本质的发展 ， 确实还是说要尊重说 ，并不是说我们会出现好多个万亿级别的公司 ，而且万亿级别的这样的企业 ， 它的生长周期也不一定有那么快 。 那一开始的估值就这么高 ， 从投资人的角度来讲 ， 我觉得很简单的一个思考是在于说 ， 到底你最后的一个回报倍数会是多少 。 那我们本身来说做早期投资的话 ， 我就会觉得说从回报倍数来讲的话呢 ， 你一开始投资的这个估值还是很重要的 。 **Koji 杨远骋** [1:00:13] 我也想问问璐璐 ， 你觉得这个不管是上半年吧 ， 还是时间如果再放宽一点 ， 你觉得硅谷的 VC 有经过哪些比较大的变化 ？ 因为其实前段时间有一个新闻是这个 Light Speed 它注册了 RIA 的牌照 ， 我看 Bloomberg 有一个分析是说 A16Z、Sequoia 跟 General Catalyst 其实他们都注册过这个牌照 ， 就是又可以做 PE， 又可以做 VC。 **张璐** [1:00:38] 其实现在你会发现像 RIA 的这个身份转换 ，Light Speed 属于大基金里面相对比较后面的一个转换 ， 之前像其他的一些比较大家熟悉的基金也都做了这个转换 。 我觉得一方面是因为很多 VC 基金它的金额在越变越大 ， 所以像比如说像 General Catalyst， 还有包括像其他的一些个 ，他们现在就不只是做 VC， 还会做比如说母基金 ， 还会做 asset management， 就会变成一个更偏向 fund 的金融机构 ，而不只是单纯的风险投资机构 。 我觉得一方面是因为他们的资金金额太大了 ， 所以当金额过大的时候的话呢 ，VC 阶段其实可能用不到那么多的钱 ， 可能要做一些生态的一个变化 。 二来也是因为我觉得 AI 创新生态其实也会让大家去思考 ， 到底 VC 的这个资金的价值在于哪 。 因为我们看到一个变化就是 ， 像比如说十年前的时候 ， 如果一个公司从没有收入到两三百万美金的收入 ， 可能需要三五年的时间 ， 现在基本上一年时间就可以做到 ， 甚至说一年时间可以做到几千万 ， 甚至更高的这样一个收入的增长 。 但这就带来一个问题 ，以前公司可能说我需要融资一千万才能够达到五百万美金的收入 ， 现在可能是说我融资五百万就可以达到几千万 ， 甚至更高的收入 ， 那我在后面的融资需求就会越来越小 。 与其说我以前可能说我可能在中后期需要融几亿美金 ， 那现在可能融几千万就够了 。 那从 VC 的角度 ， 那怎么样去投出大额的这个资金呢 ？ 那是不是就要有一个更长周期的布局才可以把钱都投出去 ？ 所以我觉得是有各种各样的创新生态带来的整个公司融资的节奏 ， 还有金额的影响 。 再到本身 VC 行业 ， 它可能也是在面临一个挑战 ， 就是当你的规模做到一定程度之后的话呢 ， 只做 VC 可能就是这些钱太多了 ， 那怎么样可以去变成一个多产品 、 多生态的一个资金的这样的一个金融机构 ， 我觉得这可能是这个转变的一些原因 。 **Koji 杨远骋** [1:02:45] 然后另外你也说到这个前两年因为退出相对是一个比较低潮的期吧 ， 然后今年其实我有看到说以这个 CoreWeave 上市作为一个代表 ，其实美股 IPO 其实也是在回暖 。 **张璐** [1:02:59] 我觉得今年年初的时候大家都以为今年年初就可以回暖了 ，其实今年第一季度硅谷有大概二十多家企业准备要上市 ， 我们今年也有几家企业准备要上市 ，但是第一季度准备上市的这二十家企业基本上都暂停了 。 所以其实你看到就是因为还是觉得说市场的不确定性很大 ， 像第一季度先是特朗普的这个关税 ， 再加上整个金融市场的一个震荡 ， 所以就导致大家会比较谨慎的去选择上市的时机 。 但是我觉得其实我也会跟大家讲说 ， 要从辩证的角度去看待这样的一个选择 。 如果一个公司本来计划上市 ，因为觉得市场环境不够好暂停上市 ，在某种程度上也证明说它可能现金流还是可以的 。 因为如果它现金流不够了的话 ， 它就算留学也要上市啊 ， 上市的本质其实也是融资嘛 。 那它如果说自己还有一定的现金流可以再等一等 ， 那证明这公司本质还是不错的 。 比较明显大家一直很期待的两个公司 ， 一个是 Stripe， 一个就是 Databricks， 对吧 ？ 大家等他们上市等很久了 ，但是这两个公司本身现金流和金融状况都非常非常好 。 那所以在今年的时间上 ，他们也会去判断怎么样一个市场时机是更好的上市的一个时机 。 所以今年上半年本来大家期待的开放的这样的一个 IPO 市场没有发生 ， 所以大家现在的期待是看今年下半年能不能够逐渐开放 。 像你说 COVAV 确实表现不错 ， 包括 Circle 上市之后表现也很好 ，但是呢 ， 确实还是数量比较少 ，不太能够去体现说真的 IPO 的市场打开了 。 你现在问我说 ， 我还是觉得 IPO 市场还是一个没有打开的状态 。 等到下半年的话呢 ， 一方面我觉得金融市场也是要更去适应一下这个政治变化的节奏 。 现在你会发现整个华尔街对于特朗普的一些 惊吓或者惊喜 ， 它的反应速度已经 ， 反应度已经没有以前那么夸张了 。 所以我觉得像这种叫短期或者中长期的这个不确定性成为一种常态之后， 可能下半年的话大家会更加有信心的去进行上市 。 我也希望上市的通道可以尽快的打开 ，因为我们也有公司在筹备上市 ， 我们也非常期待这样的一个上市市场快速的打开之后的话呢 ， 会有更好的退出 ， 还有更好的一个资金的回笼去助力下一波的人工智能生态的发展 。 **Koji 杨远骋** [1:05:12] 有没有什么就是上半年你觉得其实影响也很大的事情 ，但是我没问到的 ？ **张璐** [1:05:17] 我觉得基本上都问到了 。 **Koji 杨远骋** [1:05:19] 那也想跟璐璐聊一聊 ， 你们投的这个企业级 AI、 医疗 、 工业自动化这几个方面 ， 可能相对来说我觉得是在国内大家看到的新闻里面相对来说比较少的 。 ### 医疗与工业 **Koji 杨远骋** [1:05:31] 这方面你觉得 AI 带来的创新有哪些你觉得也很值得被关注到的 ？ **张璐** [1:05:36] 其实我觉得我们投的这些领域都还是比较火热和发展速度比较快的领域 ，但我也能理解一下你讲的 。其实可能在媒体上大家看到比较多的就是像纹身图啊 、 纹身视频啊 ， 这些 C 端应用比较多的应用 。 但其实你真的看在商业层面上， 就包括说是 ToB 层面上的应用 ， 还有包括说商业收入成长速度很快的 ， 基本上都是垂直领域 ToB 的这些 AI Agent 和 AI 领域的垂直应用 。 那像我们在企业级人工智能的布局的话 ， 就分两个大方向 ， 一个就是人工智能基础设施 ， 包括你之前提到我们投的公司像 Laptin 啊 ， 蒋焕清的那个公司叫 Laptin 啊 ， 还有包括 Voyager AI 啊 ， 包括像 You.com 也是最新进的一个独角兽 ， 还有 Vectara， 这些公司都是在 Vectara 是做那个 RAG， 就是 embedded model 里面做的最好的一家企业 ，其实都是我们最早投资的 。 所以在人工智能基础设施这个层面上， 我们确实布局的比较好 ，也比较早 。 那另外的话就是垂直领域的人工智能 ， 就是 vertical AI， 那大家用的比较多像 Otter AI 啊 ， 这些其实讨论度还是比较高的 ，constructor AI 啊 ， 这些都是我们投资的 。 包括你刚才提到的人工智能在医疗领域层面上的应用 ，其实医疗领域的这个 AI Agent 它是一个非常巨大的市场和巨大的机会 。 那我们这两步相当于也是 AI 的垂直领域的应用和医疗做了一个结合 。 我们的优势是在于我们既有人工智能的技术的背景和洞见 ，也有这个医疗领域的经验和网络 ， 所以我们在这个领域确实投的比较好 。 而且今年是人工智能和医疗结合的一个大年， 年初的时候 JP Morgan Healthcare Conference 我们也是做了我们 AI in Healthcare， 就人工智能在医疗领域的 2.0 的报告 。1.0 的报告是我 17 年做的 ， 所以你想想中间跨度还是比较长的时间 ， 八年时间 。 所以你会发现现在像我们今年最近投的几个项目 ， 一个项目它是我们和 Cosla Venture 一块投的 ， 它是垂直的一个垂直的模型 ， 小模型 ， 针对的是 cell therapy。cell therapy 的中文是什么呢 ？ 就是那个细胞疗法 ，是这么翻译对吗 ？ 就是 cell therapy， 对 。 然后呢 ， 我们还投另外一家公司呢 ， 就是很有名的 Arc Institute 的 ， 它发布的一个叫 Evo2， 它呢是用人工智能的一个垂直模型去训练 ， 去针对于测序的数据 。 然后呢 ， 这两个公司都是纯软件公司 ，但是它的做这个垂直领域的模型 ， 一个是针对 cell therapy， 对于很多的这种免疫的疗法呀 ， 还有包括甚至癌症相关的疾病都有很好的应用 。 另外的话 ， 基因测序的话呢 ， 它应用的方向就更加广泛了 。 那我们早年也投的公司就是像 Silo Medical， 它是用生成式 AI 进行医疗影像增强 ， 它现在也是做到了这个行业的头部第一名的企业 。 所以我其实很同意你讲的 ， 我个人本身你也知道我的背景 ， 我之前做企业也是做医疗的创新出身 ， 后来自己又在做投资 。 我对于医疗领域是有非常大的热情的 。 本身在美国它是一个巨大的市场 ， 美国 20% 的 GDP 都是在医疗领域 。 那现在讨论人工智能 ， 我们经常讨论的一个核心要点就是数据 。 很多时候大家没有意识到 ， 我们人类社会的数据里 30% 以上的数据是医疗相关的 ，但是这 30% 的医疗相关的数据里只有不到 5% 现在被用起来了 。 所以就像一个大金矿一样 ， 我们还没有去把这个金矿挖出来 。 那人工智能就是这样的一个铲子 ， 非常厉害的 ， 非常高效的工具 ， 可以帮助我们把这个金矿的能量全都挖出来 。 所以其实你会看到医疗领域它的底层的技术还是在不停迭代 。 我也想加重一点 ， 就是并不是说人工智能能去替代医生 ， 替代护治 。 人工智能在医疗领域非常强的一个功能就是赋能 ， 就是赋能 。 它不仅赋能人工那个医疗领域的这些从业者 ， 它也赋能医疗领域的核心技术 ， 就是底层技术 。 比如说我们说那个再生医疗 ， 它的底层技术发展速度很快 ， 你再加上人工智能就可以完成低成本的个性化 。 那像再生医疗 ， 现在像我前一段看那个 IPS，他们那家公司做的 ，其实就是实验室长出来的人造心脏 ， 是一个三厘米的可以跳动的心脏 ，在大阪世博会还做了一个展示 ，是非常惊艳的 。 那你在之后的话 ， 怎么样可以让这样的技术可以低成本而且个性化 ， 就是我们每个人可以用我们自己的这样的一个 stem cell 去长出来这样的器官 ， 这个其实是在未来都可以是可能做到的 ，而可以把成本去大规模的降低 。 再加上我们讲个性化的医疗 ， 就是个性化的诊断和个性化的治疗 。 我个人很关注的 ， 除了癌症方向之外， 我还很关注的一个方向就是脑部疾病 ， 帕金森 、 老年痴呆 。 那这两个领域现在其实因为人工智能的助力 ，也有很多新的探索和发现 。 像之前我们在这种脑部疾病 ， 比如说像老年痴呆的话呢 ， 我们经常是看到了一个结果 ， 通过结果想去暂停它老年痴呆的发生 ，但是你没有找到它的一个根本性的 ， 就有点治标不治本的感觉 。 你怎么样可以去把它真的治好 ？ 那现在通过人工智能可以找到更多的数据的相关性 ，因为它本身也个性化 ， 它的诱因也不确定 ， 包括它的演变速度 ， 演变过程也不确定 。 那现在人工智能都给它提供了可能性 。 所以我觉得从这个角度你就会看到 ， 还是我说的那句话 ， 医疗数据是一个大金矿 ，但是我们用的非常少 ， 我们没有把金矿挖出来 。 有了人工智能这样的一个很强有力的自动化的铲子 ， 我们就可以把这些金矿挖出来 ， 真的是可以做到又很好的财务回报 ， 同时可以帮助这个世界变得更好 。 而且人工智能核心的一个增长效能降低成本 ，在医疗领域体现得更加明确 。 就体现更加明确之后， 可以让大家以更低的成本享受到好的医疗服务 。 就举一个例子 ， 像我提到那个 Silo Medical， 我们投的这家公司 ， 它的核心用人工智能生成式 AI 进行医疗影像增强 ， 达到的一个结果就是 ， 我们比如说去医院去进行 CT 扫描或 MRI 扫描的时候 ， 你不再需要去做一个可能相对于很长时间 ， 甚至一个小时的高精度的扫描 ， 成本也很高 ， 时间也很高 。 现在你可以做一个很短的几分钟的低精度的扫描 ， 通过生成式 AI 把它升级成高精度的图像的质量 。 那像 Silo Medical，他们在美国已经拿到了很多个 FDA 的批准了 ， 所以它是在医疗层面的监管层面上， 保证它的结果是足够医疗的精准的级别的 。 那对于患者的好处就是更快 、 更好 ， 同时更便宜 ，而且我们受到的辐射量也更小 。 所以我觉得在医疗领域很重要的一点 ， 就不只是说技术的一个延展和发展 ，因为医疗领域的技术发展速度在过去几年一直在持续 ， 核心的问题还是说的成本化 ， 就怎么样可以给它低成本化 ， 这样才可以普惠大众 ，而不只是经常大家听到这些亿万富翁想去追求 一些长寿相关的技术 ， 然后用各种样新兴的技术 。 如果不能普惠大众的话 ， 这些技术其实也是有上限的 ，因为你不能够收集到足够多的数据样本去进行进一步的迭代 。 对 ， 这块说的比较多了 ，因为我自己比较有热情 。其实你刚才提到还有一个方向 ， 我们投工业自动化嘛 。 **Koji 杨远骋** [1:12:34] 对对对 ， 这个我刚想说 。 **张璐** [1:12:36] 对 ， 跟 Physical AI 结合比较多 。 我们今年也发布了一个 Physical AI 的行业报告 ， 就是在英伟达 GTM 它的那个大会的期间 。 那像整个对于美国产业的 ， 像物流供应链 ， 包括当然也是这个中美的物流供应链层面上的脱钩 ， 导致北美这边它必须要进行大规模的自动化 。 所以对于很多自动化 、 机械化 、 机器人的一些应用就会进一步加速 。 另外的话呢 ， 还有一个行业 ， 它现在对于整个从硬件层面机器人的应用到软件层面上 AI 的应用是非常快速的 ， 那就是太空产业 。 整个太空生态 ，因为它是相对比较新的快速蓬勃的一个产业 ， 所以它有个优势 ， 就是它一开始的发展就是依托于 3D 打印 、 自动化 、 机器人， 还有人工智能 。 包括大家比较耳熟能详的 SpaceX， 你去看它的工厂内部的高度自动化 、 人工智能协同 ， 还有包括对于一些机械狗 、 机械手臂的应用 ，因为它也比较危险嘛 。 还有包括在整个卫星工厂的搭建设计层面上， 它人工智能的整合度是非常高的 。 那再加上太空生态崛起之后， 我们有很多的卫星发射到太空 ， 那发射到之后， 每个卫星其实它就是一个边缘设备 ， 它是一个硬件 ， 它是一个人工智能的一个载体 。 那在太空里面的话呢 ， 又可以进行很多人工智能的应用的搭建 ， 包括机器人的搭建 。 我其实去年投了一家企业 ， 我很喜欢 ，是他们就是 SpaceX 出来的一个团队 ， 它做了一个什么呢 ？ 它做了一个自动化的机器人系统 ， 相当于有点像在月球上的一个加油站 。 就像我们比如说平时你在地球上， 你在高速公路开车的话 ， 到一段时间你要去加油 ， 对吧 ？ 那在未来的话 ， 如果是太空旅行 ， 你的太空飞船是不是飞到太空 ，有些时候也需要补给 ，也需要加油 ， 带新的燃料 ， 带新的水等等。 那它能做到的就是 ， 它有一个自动化集成系统 ， 可以在月球层面上直接从月球本地去提取星际旅行所需要的那些资料 ， 就是资源 ， 还有包括尤其是像很珍贵的水 。 它这个系统已经做得非常成熟了 ， 还有包括在月球上， 我们经常去转一转去叫叫 Moon Rover， 它已经做到第 11 个版本 。 所以其实这个生态的崛起速度是比大家想象的要更快的 。 而且对于我们现在还比较年轻的一代来讲 ， 我们未来的 10 年、20 年真的是会非常让人兴奋 ，不只是人工智能 ， 还有太空生态 。 **Koji 杨远骋** [1:15:02] 就是我觉得讲到这里还是很让人激动跟兴奋的 ， 就是很像原来 。 这个话虽然被很多人引用过很多次了 ，但是我觉得刚才听到你讲这些的时候 ， 我还是蛮有这种感受的 。 就像 Peter Thiel 以前说的 ， 硅谷承诺了我们要造出会飞的汽车 ，而我们后来变成了 140 个字 。 对 ，但是我觉得这个还是挺能从你的讲述中听到那种 ， 就是对未来的一些可能性的一些想象的 。 不管是我觉得像医疗 ， 我觉得虽然说可能你讲的很多这些是可能是在美国的一些应用 ，但是确实这种技术的进步对于我们每一个人来讲 ，因为家里有人做过手术 ， 所以我对这一点非常的有感触 。 每一次去参加那些科技活动的时候 ， 都真的非常的期待科技进步可以在医疗上有大放异彩 。 **张璐** [1:15:50] 对 ，是的 ， 我特别理解你 ，因为我的背景其实我是学材料科学工程的 ， 就是国内经常讲的四大天坑专业之一 。 但是其实材料科学工程真的是一个很基础的专业 ， 包括我当时我们在斯坦福做 ， 我在斯坦福读书当时做研究的时候 ， 为什么涉猎那么广 ， 就是因为各个专业你跟它都相关 。 我的研究又是在 Double E 那边做的 ， 所以又偏应用 ，但你会发现其实很多物理层面上的创新 ， 底层的创新 ， 它在上层面可以驱动很多应用层面上的创新 。 但是如果你真的去看过去我们十几年的一个创新周期 ， 当然商业模式创新也会让人兴奋 ，但是商业模式创新它毕竟不是基础技术创新 。 所以你会发现 ， 虽然大家觉得好像确实生活上更方便了 ，有更多的社交网络 ，有各种各样的这种像 TikTok 这样的一个平台 ， 大家可以去更好的展示自己 。 但是在物理世界 ， 包括就是我们提到的医疗领域 ，其实它过去这十几年的技术发展是比较缓慢的 ， 就是我们没有看到很多新的东西进入到实际应用层面上 。 所以现在其实让我很兴奋的一点 ， 就是像你提到的 ， 像进入到一个大航海时代 ， 就哪里都有小金矿 ， 都可以挖一下， 然后人工智能就是那个铲子 ， 你挖一挖就可以把这个金矿挖出来 。 挖出来之后的话呢 ， 它对整个产业的影响 ， 它是一个就是底层性的一个产业的影响 。 那产业影响的话 ， 它核心其实是提升整个国家 ， 甚至说整个社会的一个生产力 ， 对吧 ？ 生产力提升之后， 我们才有能力去搭建下一个生态平台 ， 包括说太空生态的一个发展 。 如果我们在基础生产力都不能提升的话 ，不可能有那么多的额外的精力和资本去做这方面的一个探索 。 所以我觉得现在确实到了一个生产力提升的一个大时代 ， 人工智能确实是一个很重要的工具 ， 就像我说一个金铲子 。 所以我们要抓住这个金铲子去多做创新 ， 多去发掘 。 虽然我也知道 ， 我其实很同意 Peter Thiel 他前一段有一个采访里 ，他说的一段话我觉得很对 ， 就是大家会经常很担心说人工智能快速迭代发展 ， 会带来很多隐患和挑战 。 这我非常同意 。 我其实在过去这几年也参与了很多对于人工智能监管层面上的讨论和一些国会议员啊去进行这方面的探讨 。 但是我们这个时候就要评估 ， 一个风险是说人工智能快速发展 ， 它带来了很多好处 ， 同时也带来了很多挑战 。 还有一个可能就是人工智能不发展 ， 我们停滞 ， 这个停滞带来的潜在的风险和对我们的一个伤害可能是更加巨大的 。 所以我觉得我们宁可要去承担这个风险 ， 去驱动新的技术的发展 ，也千万不要因为惧怕未知和风险而不去向前进步 。其实人类社会有些时候就像我们说像水像河流一样 ， 你不进则退 ， 你停滞在那里其实就是一种倒退 。 那我们已经产生了这么多新的数据 ， 这么多新的平台生态 ， 为什么没有向前进步 ？ 那现在就是一个大的机会 。 所以我觉得还是非常值得大家兴奋的 ， 尤其是我觉得是年轻一代的人， 我们的生活会在过接下来的 10 年、20 年发生很大的变化 。 那对于我们来讲 ， 既是一个兴奋的事情 ， 另外一个也是挑战 ， 就你有没有做好准备 。 就最简单的一点 ， 我经常跟大家讲说对于人工智能时代的挑战 ，因为现在刚毕业的一些这个学生啊 ， 就会发现找工作很困难 ， 包括也会有很多困惑 ， 这个教育怎么样去帮助他们准备这个新的人工智能的需求 。 我说其实就想一想当时电脑出来的一个阶段 ， 最早电脑出来的时候 ， 你觉得会电脑还是一个技能 ， 最后你会发现各个产业都在用电脑 。 这个时候会用电脑的人 ，他就会替代掉不会用电脑的人 ，而这个他也不是一个技能了 ， 它是一个基础要求 。 人工智能也是一样 ， 会用人工智能工具是一个基础要求 。其实这一点是不一样 ，并不是说每个人都要会编程 ， 会用人工智能去创建什么东西 ，但是会使用人工智能工具 ， 这就像会用电脑一样 ， 是一个基础技能 ， 大家在未来都需要去学会 ， 尤其是相对年轻的一代 。 如果这个技能你没有 ， 那确实就会面临很多的淘汰和挑战 。 ### 结语 **Koji 杨远骋** [1:19:53] 好呀 ， 谢谢张璐今天跟我们分享了这么多 ，不管是对硅谷的大公司和初创生态上半年的一些观察跟总结 ， 还是提到了一些他们在医疗工业自动化方向投资的一些故事 ， 我觉得都非常的精彩 。 也期待大家可以多去关注 ， 人工智能不仅是在这个我们可能接触非常多的这个生成式 AI 方向上， 图片啊 、 文字啊这方面的创新 ，也期待大家更加的关更多的去关注在医疗 、 在工业等等这些底层技术方面上的创新 。 然后谢谢张璐今天跟我们聊这么多 。 如果你认为有朋友也会喜欢本期 《 十字路口 》 的内容 ， 请转发微信推荐给他们 。 最后欢迎你加入 《 十字路口 》 的会员群 ， 我们鼓励大家在群里聊天互动交朋友 ， 寻找未来的同路人。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。