对话Manus两位创始人 ：2025,AI Agent 即将引爆

00:05AI创业的成本大家之所以会觉得很高，是因为你可能一开始没有从一个小的目标开始做。就是你可以先做一个很低成本的验证，然后再去考虑如何去扩大你的投资。所以其实我一直认为，创业不存在一个所谓的特别高的试错成本这件事儿。尤其是十年前的移动互联网和现在的AI，都是很好的适合个人开发者的机会。

00:26需求比技术更重要。我们绝大部分的创业公司失败，并不是失败在没有技术上、产品开发能力上，更多的时候是没有找准正确的市场，没有找出来真的可以被规模化复制的需求。

00:42AI的能力是在不断演进的，你要做的应用应该跟模型能力本身是一个正交的。模型能力应该是随着它的增长，你在另一个维度上持续做你的投入。同时每次模型能力提升，你能在你的应用中获益，但不要为现有的一个模型，你发现它好像在哪个方面做得不好，

00:57然后你就去通过很复杂的工作手段去给它进行优化。这就是典型的我们叫premature optimization，就是过早的优化。这个是我觉得AI这次创业中最大的打击。

01:52我们还要有请一位重量级的嘉宾，是海外先锋Agent的产品首席科学家，90后的AI创业者，技术极客季逸超老师。我们掌声有请季逸超。另外我们也邀请我们的任鑫老师和张涛老师也上台。好，那我先抛一个问题吧。老师们因为都在强调AI的工具要先用起来，但是现实中呢，情况就是很多人会陷入学工具、换工具，

02:20然后有的新工具还得再学。那么作为实践者，你们是如何定义有效使用AI这个阈值的？就怎么样就是够了，还是我得不停地去换新工具？看哪位先回答哈，这个不一定要按顺序。

02:32嗯，行。那我就先说一下吧。我觉得那个新不新其实无所谓，因为这个变化太快了，基本上每个月每个星期都有全新的东西出来。我觉得作为普通的使用者来说，完全没必要去求新，更多的就不是向外看，还是向内，更多的是把一个已有的工具，在自己已有的这个学习和工作流程当中，能把它用好。

02:53我觉得一些比较好的工具，它其实是能够经得起这个时间的考验的，你可能用个一年、五年，它仍然还是一个很好的工具。所以更多想的是怎么跟自己结合，而不是不断去体验那个工具它推崇的、它的那个创新点是什么。我是这么想这个问题的啊。

03:09够用就好哈。

03:56对，一会儿可以再介绍一下。

03:58我是觉得就是用新工具没什么不好的，对吧？就是其实只要新工具是免费的，大家多多益善嘛。所以我也那句话，就是你订阅一个Monica.im就可以了。

04:09好，大家可以用起来哈。那刚好那个季总，我们也想问一下哈，就你作为这个连续创业者，你高中开始创业的，然后也是真格长期支持的这样一个创业者。所以你觉得我们AI的创业项目的试错成本是怎么样控制的？你怎么样去判断哪个项目值得all in？

04:25对，我觉得这个其实话题可以说更广一点，就不只是AI。我觉得创业这件事从来都没有变。就是怎么说呢，AI创业的成本大家之所以会觉得很高，是因为你可能一开始没有从一个小的目标开始做。就现在我们其实可以发现很多现在很火的AI产品的前身，只不过就是一个个人开发者做的一个很小的产品。

04:43所以就很像我可能已经十几年前我自己开始做iOS独立开发者的时候，一开始你不是拿了融资然后高举高打去做，你可以先找到一个自己本身就想用的东西，先以个人开发者形式做出一定程度的PMF，就是你可以先做一个很低成本的验证，然后再去考虑如何去扩大你的投资。

04:59所以其实我一直认为，创业不存在一个所谓的特别高的试错成本这件事儿。尤其是十年前的移动互联网和现在的AI，都是很好的适合个人开发者的机会。对。

05:10您怎么看这个问题？作为创业者。

05:12我其实比较赞同Peak刚刚说的那个很核心的一个观点啊，我觉得现在AI这边啊，你要去验证PMF，成本降得更低了。我给大家讲一个，就是当时22年那个ChatGPT刚出来的时候，然后整个在用ChatGPT嘛，用着用着我突然就发现了一个点，就是我一直有一个做独立游戏的梦。

05:29所以说呢，我日常的时候其实我自己经常会写一些游戏策划，然后有一个呢就是想做一个那种互联网创业模拟器，就假装你去做一个创业公司，有点像那种文字冒险游戏一样，一轮一轮地去做决策，然后看公司会变成怎么样。结果当时用ChatGPT用了几个月之后，我突然发现我不需要做那个游戏了，我就基于ChatGPT，

05:48我就把我的那个互联网创业公司模拟器就跑起来了。就它每一轮都会问我说，现在市场有这种变化，你们公司的数值变成什么样子了，ABCD四个那个决策你要选哪个？选，然后它就告诉我，我这个决策对我的公司的数字的影响变化是什么。其实也就是说，我觉得AI这个时代，大家可能很多时候还在想说是不是通过AI coding编码的方式去降低我的创业成本。

06:11其实不是的，是你直接就可以用现有的AI模型去验证很多你的想法了。那你完全是可以先把这个想法在一个简单的AI的一个聊天机器人上先跑出来，给你的朋友、给你的家人去试用一下，看看这个东西对他有没有吸引力。如果真的有，我们再去拉技术合伙人怎么样子。

06:28我觉得这个成本变得前所未有的低啊。

07:32刚好说到这个话题啊，因为几位原来也是高科技行业的从业者，所以在AI时代你们的迁移其实是无痛迁移的。但是对于很多创业者来说，他们可能之前没有这样专业的背景。那么在AI时代，他们该怎么样去拥抱和相处呢？是不是没有更大的机会呢？

07:50你们怎么看这个问题？怎么跟普通创业者相关联？

08:50您说的这个可能在DeepSeek出来之后，我也有点感觉。就是以前可能要一个，就是我要一套那种问题，然后才能问出一个答案来。但是DeepSeek可能我自然语言就能得出我想要的答案。对。就是有点像我们开始学驾驶的时候，先学那个手动挡的车，最怕的就是坡起嘛，就很容易那个起不上去，

09:10人死活了。但是自动不用自动驾驶，我手动挡其实就没这问题了。以后我都不用学驾驶了。所以可能对于大多数创业公司来说，就是模型这个东西已经变成一个基础设施了。刚才我看两位在分享的时候，一个说后面模型可能成为电，另外一位说成为自来水，那就是我们都可以用的。

09:31所以我们作为投资端呢，我们其实有判断今年会是一个应用爆发年。因为应用有个问题，就是看起来门槛好像不太高，呃，我能做你也能做。因为既然有自来水和电嘛，那这个怎么看待核心壁垒构建的问题呢？

09:46其实刚刚前面在聊另外两个话题的时候啊，其实我一直有个感受，包括刚刚问就是非技术从业者在这个里面是不是会有劣势。其实我反过来想，其实我觉得是有优势的。原因是因为就是我们搞这个东西的人啊——很容易就一下就看到它的原理层面，它的技术层面，其实往往会忽略了它到底有什么用。

10:05但恰恰你对这个底下东西不懂，反正你就放弃了嘛，是吧？你说我我也搞不懂，我也不去理解它。我就看，就是我像那个看一个黑盒一样，你到底能产出什么？我只从你的产出、从你的表现出来的能力去思考，你到底能够给我行业带来什么。我觉得也许反倒是这种集中去思考这个事情，更能够去探索出来到底有什么用。

10:28那回到你刚刚主持人的这个问题本身，是吧？我是觉得说，它变成电和水这样的通用型，我们叫commodity这种商品化，它是一定会发生的，而且事实上现在已经发生了。但是恰恰是它的发生，就所有人都可以来参与这个游戏了。它顶级的这个智能模型能力不再掌握在少数的几家公司手上。

10:48而是所有人都可以来参与这个事情的。那我觉得在这个里面呢，大家更多应该想的是，你们行业的痛点需求是什么？需求比技术更重要。我们绝大部分的创业公司失败，并不是失败在没有技术上，或者是说产品开发能力上，更多的时候是没有找准正确的市场，

11:06没有找出来真的可以被规模化复制的需求，往往是死在这个事情上面。所以说我是觉得说，比如说自来水和电，大家都有，但为什么不是每一家奶茶店最后都做成了霸王茶姬，都做成了蜜雪冰城，对吧？那他们到底是为什么成功？我觉得这个里面就有很多共通的商业性质的东西可以去研究了。

11:26那回到刚才那个壁垒的问题，就如果我们回到了一个同一水平线的竞争，那么技术不再成为核心壁垒的时候，那核心壁垒会在哪里？除了刚才讲的需求洞察之外哈，可以看看投资人的角度。

13:26嗯，对。季逸超，呃，或者

13:28是刚才说了很多就是正向的壁垒。我觉得其实我们在创业的时候经常想的一点，就是如何避免一个根本性的错误，就是你到底壁垒判断得对不对，这其实是很大的一个点。然后这个问题我们自己也扪心自问过很多次，但后来发现其实就是Sam Altman有一句话就说清楚了一切：

13:43就是在AI时代创业的时候，你只要不骗自己地问自己一句话，就是当OpenAI或者DeepSeek或者任何公司发一个新模型的时候，你是开心还是紧张？对。如果你是开心的话，那你就该做你的事。如果你会因为别人的模型跌点而紧张，你就不该做这个事。

13:57嗯。

13:58这个能展开再说一下吗？呃。

14:00就是去年可能很多人在讨论的一个话题，就是说当模型的能力在不断往上走的时候，自己应用的这个优势是在哪儿？因为其实我们可以回看过去一年多，可能有很多不是非常成功的尝试，其实他们做错的一个根本的点都是说在给现有的模型能力在这个上面再给它擦屁股，这个是非常不对的。

14:17因为我们要相信AI的能力是在不断演进的，你要做的应用应该跟模型能力本身是一个正交的。就是说模型能力应该是随着它的增长，你在另一个维度上持续做你的投入，同时每次模型能力提升，你能在你的应用中获益，但不要为现有的一个模型，你发现它好像在哪个方面做得不好，然后你就去通过很复杂的工作手段去给它进行优化，

14:37这就是典型的我们叫premature optimization。就是过早的优化，这个是我觉得AI这次创业中最大的打击。

15:00所以有点我们曾经讲创业的时候，以前叫一招鲜吃遍天嘛。就是我一旦掌握了一个什么样的技术，或者我掌握了一个什么样的商业模式，我就构建我的所谓护城河嘛，规模效应，是网络效应。但是好像在AI时代，这些东西可能被打破了，就跟我们以前的很多想法不一样了，壁垒的理解也不一样了。

15:24也许并不是说我曾经有一个什么样的模式，或者某某一个技术能让我再吃个什么三个月、半年，可能都做不到了。那么这个快速迭代的能力以及学习力和成长速度，可能反而成为最终的壁垒。然后另外刚才张涛老师其实讲到了一个概念哈。就是那个商业化的规模。

15:42当模型能力成为基础设施之后，可能还回归价值创造本身。那别人为什么为我们付费？其实是因为我提供了某种价值，满足了你一个什么样的需求嘛。这就是混沌的供需链模型，因为要从“需”着手，有一个什么需求没有被很好的满足，而我用什么方法能够更高效或者更低成本、更便捷或者更优质地去满足它，

16:06从而他为我付费。那么这个其实是从技术到产品的一步。那产品到商品，然后到这个产业化，可能里面每一步都是有很大的鸿沟的。所以我们其实在回归商业本身的时候，我觉得一个是刚才任老师他们也讲到了，我们可能跟以前的商业模式的构建不一样了，

16:28但是我们可能依然要回到商业的本质去思考这个问题。当然另外还有一个问题其实引发的就是，现在创业的门槛其实是变低了。我们刚才举了很多那个切实的例子，包括一人公司，是吧？然后我一个人有一群AI的员工，我就能做很多这个微创新和快速迭代的事情，我也能产生价值。

16:49那这样我们竞争是变得更加激烈了，还是说我参与竞争更容易了？就看看这个大家怎么看哈。看起来好像我一做完之后——立刻就有一堆人那么做，好像我比以前创业更难了。

17:53那是否意味着大的创业机会越来越难了？

17:59看看创业者看到的这个，感知到的世界。

18:02大的机会从来都很难。哎，对。就是既然你都已经选择创业，其实你就不该考虑说我要如何避免竞争，竞争是必然会出现的一个事儿。对。所以就要么像我刚才讲的，先从一个很小的产品做到PMF。

18:15现在有很多这样的例子，比如像沉浸式翻译，就是一个现在很火的一个例子，就背后可能也就一两个人。所以就是，我觉得就还是那句话，就不负为盈吧。你可以先从小的开始做，但后来你也许就有一个大的机会找到你，但千万别一开始就奔着一个特别大的去。

18:30而且

18:30事实上如果常年做startup的这个同学哈，应该有个感受，就是如果你做一个东西做了一年，然后一直没有人竞争，其实你会很慌的。你会去反思说，我选的这个市场到底是不是有点问题，为什么连来跟我竞争的人都没有。所以说其实怎么说呢，我就觉得你站在推演的角度和站在那个入局的那个视角上，这种感受会非常不一样。

18:57就是我们有时候在做一些东西的时候，比如说我们可能已经投入了半年了，然后就在我们疑惑不定到底要不要继续投入的时候，突然有一个大厂进来做了，可能很多人会觉得，你是不是很慌，你是不是觉得很恐惧。其实从来都没有过。每次有这种瞬间产生的时候，我们都说，我靠，终于赌对了。

19:15对

19:15对对对对。所以我们会觉得，就是你在那个局里面的感受是会非常不一样的。

19:21这个你们是非常有经验的创业者，所以你们的感知是对的哈。我们平常讲，就是很多人我们在做那个创商作业的时候，然后经常在推演的时候就会说，我发现了一个蓝海，没有人做，就是一个全新的市场。然后我从这个地方进去，我就有一片无限大的空间。

19:39我说你可能想一下，就第一，它是不是一个伪需求，就这个需求是否是真的，你要验证是否真需求，是吧？所以用MVP来做验证。第二呢，其实如果你真的发现一个蓝海，不是没有，有可能，但当你一脚踏进去的那一瞬间，它就不再是蓝海了。就你一旦跑通了，立刻就有人去覆盖，对吧？

19:59所以你要看一下，呃，为什么是我？我在里面有什么独特的优势，能够支撑得更久？我在这个支撑的过程里面，形成了我的怎么样的一个越来越的复利效应，是吧？你最后不管是被并购，还是你独立去发展，其实都是一个成功的路径嘛，对吧？中国原来一直在讲IPO、IPO，去年反正IPO的那个数量就惊人的低，一共加起来几十家。

20:22所以后来发现其实被并购也是价值的一种体现。还有一种就是小而美。所以超级个体时代，我觉得大家有了更多生存的可能性吧，对。这个感觉其实还是挺明显的，就不太会有那种纯蓝海，然后让我在里面遨游什么半年这种情况，不太会发生啊。另外还有就是我们其实都在讲这个AI会抢饭碗嘛，AI之间会互相抢饭碗嘛。

20:47但是张涛老师刚才分享的主题叫做创造之美，就这两个之间的一个一个关系啊。哦，我明白这个意思。确实是很创造，但是我也会觉得很多很多工作好像确实不太需要人做了。

21:01比如说我这个也可以给大家讲一个非常简单的例子，就是2025年肯定是人类历史上第一年，叫整个AI产出的代码会超过人类工程师。应该就是今年。比如说以我们自己公司为例，我们现在可能每天有40%的代码可能都是AI写的了。但那你说我们公司的工程师慌不慌？

21:19从来没见过。而且他们用得越来越开心。原因是什么啊？是因为就像刚刚我分享里面我提到的，就是提问的能力，寻找问题，寻找需求的能力，它变得前所未有的重要了。那我觉得可能真的会担心的是什么呢？

21:34是说你以前所有的工作里面，比如哪怕就是写代码，你的所有的问题都是别人为你设置的，你的任务都是别人为你去去定义的，你做的东西都是一些那种类型的事情，那就很难。但如果你以前的工作就是在寻找问题、解决问题，只不过呢，以前那个解决问题要你自己来，寻找问题八小时，

21:54解决问题八小时，现在变成了寻找问题八小时。解决问题八分钟。那提升的是会寻找问题的人，会解决问题的人，他的能力。一个这样子的人，他被放大了。那所以说我觉得当然哈，就是任何的变革，就像纺织机出来是吧，那纺织员工他短期来看他可能是下岗的，

22:11但你站在整个人类的视角上来说，我们的生产力整个是提升的。所以说在这样子的时代下，你应该去思考的是，你到底是不是那个发现问题、解决问题的人。那如果你是那样子的人的话，AI一定对你来说是一个是一个放大器。就我们的观点是这样的。

22:27所以大家的问题是，如果我不是那个，该怎么办？

22:31我觉得就是你得去锻炼那种能力，对吧？我们刚刚那个分享里面提到的，你要去想，在我们现在这个组织里面，到底是谁在发现问题啊，谁在解决问题啊？你要去观察那样。因为以前的话，确实还需要大家去做很多重复性的工作，所以我也还有价值，我也还能待在这个组织里面。

22:47那未来有可能真的就不需要了。那这个时候你就更要去学习那样子的能力，对吧？因为我们说实话，没有任何一个东西能cover到说，OK，你就躺平，你也仍然能够被带着走，我觉得可能不会是这个样子的啊。

23:00从这个分布的概率来说，确实在下面的这一层可能是百分之九十吧，因为那是一个非常高级的能力。其实，呃，我觉得大家更想问的是，确实这个AI的取代可能是个百分之八十到九十的这么一个比例。你如果学习能力抵不过AI来势汹汹，那普通人如何自处啊？

23:20我觉得这个还是要放在一个更开阔的视野来看。我自己本质上是一个非常信仰人性，而不是说一个纯粹的那种技术进步主义者。我觉得人本身的创造力是非常强大的。我觉得人一旦被释放出来，比如说那个我前两天看有人问DeepSeek一个很有趣的一个问题，就是说怎么向亚当·斯密去解释我们现在的第三产业。

23:46就是你如果你站在亚当·斯密那个年代，你很难给他解释为什么现在全球有那么多人在从事服务产业，他可能都无法理解，那那那谁来种地呢，是吧？那你你站在那个时候生产力的水平上，你很难理解，但我们现在都知道第三产业对整个人类社会不管是呃经济层面还是文化层面都是非常重要的一个一个东西。

24:04那未来我觉得是一样的，就是底层的生产力被极大的增长了之后，我觉得我们人会诞生出来其他的工作岗位、人生志向或者人生轨迹。但我现在确实看不懂。

24:14对，所以张涛总的观点是释放，是解放，对人是解放，而不是威胁。我

24:21可能就更纯粹的技术进步主义者，就是，呃，我觉得肯定会发生很多替代，但是呢，其实你也别慌，对吧？首先AI有一个问题我认为永远解决不了，就是它不能替你坐牢。所以就是，

24:32这个还是替代了好一点。

24:35这不太现实吧，对吧？因为责任问题。所以，就是像刚才我们讲的，就是程序员可能是就是第一个受到AI大规模影响的一个群体。但是一个公司你到最后你也不可能没有程序员，因为哪怕代码都是AI写，你需要有一个人去验收，对吧？然后现在有很多这个一人公司，一人公司可能是一个人带着很多的这个AI，但人主要是人是法人。

24:53所以就是人的这个责任是无法被AI取代的。另外一点其实就是context，context是什么意思呢？就是说AI它本身所有很强的学习能力和理解能力，但它依赖于你的输入，但是人是把控着AI的输入的，对吧？所以就是传统公司里头，这个层级啊什么东西，你要当好一个领导。

25:09就现在大家转换一下心态，就是别担心自己的工作会被AI取代，你应该想想你怎么取代你的老板。对，你的老板怎么对你，你就怎么对AI，然后就能让你在AI的时代活得比较滋润。

25:21哎，这是个比较好的视角哈。

27:45嗯。就真正纯粹回到做人哈，做一个纯粹的人。所以就是焦虑的反面是具体，我们坐在这里焦虑其实没有什么用的。就回到那个熊的故事哈，熊追过来了，然后只需要跑得比我的同行快一点，就快一点就好了，对。后面我觉得所有的东西可能生态结构都会发生改变吧。

28:06刚才在那个任老师分享的时候，其实我还挺想问这个问题的。我们混沌很多同学其实都是企业主，都是创始人。那么我我自己去学习了之后，我当然希望它在组织层面去落地嘛。那么从个人个体的实验层到业务的改造层到组织的进化层，它怎样能够让这个AI能够，您刚才说可能不能自上而下发生哈，

28:30有没有一些成功或者失败的案例跟我们分享一下？嗯。

29:21季总，你会有什么样的建议给到就是偏传统一点的企业，做AI落地转型中可用的一些建议？

29:28我觉得首先一点就是不要硬上。就是大家可能最近在网上看过一个梗图，叫传统企业加AI，就是在肥皂的上面插了一个那个那个洗手液的摁的那个头。对。所以就是其实很多时候我们发现一个企业开始考虑AI转型主要是源于老板或者CEO的焦虑。

29:44那这个其实是有点危险的。对，所以就是一定要从自己的这个业务的这个比较小的点去开始做，而不要去追很多的buzzword。对，包括现在其实DeepSeek这个东西，我一直呼吁大家稍微冷静一点，就是DeepSeek不是一个万能的模型，

29:57你一定要具体问题具体分析。比如如果你想做function calling什么的，你可能选择千问这个模型会更合适。嗯。对，

30:04因为刚刚那个，就是任总这边提到一个点，我比较有感触啊。我之前做神州数据，我做了四年。大家可以想象，当时大家对于大数据的拥抱，跟现在对于AI的拥抱，是同等浪潮的。然后呢。但是我们的服务类型是年费制，就相当于订阅一点，第二年要续费。

30:19我很重要的一个对于公司的经营指标，就是续费的留存。那续费留存最重要的什么？就是你用了一年之后，企业有价值，它才会继续付钱，对不对？我们从这个视角去工作的时候，我们就发现了一个很重要的点，就是自上而下的一把手工程通常都会失败。

30:35就但凡啊，这个是那个CEO，可能在某个像这种样子的场合听我讲了一次，然后觉得说，啊，大数据太重要了。我也回去要上，这个时候多半就会出问题。就是CEO一把手项目就会出问题。原因是什么？是因为一个系统最后用的不是CEO，最后用的是这个一线的员工。

30:51决策者是用，决策者使用，他是分离的。维护者不一样。然后这三者角色一旦他们的信息脱离了，那个动机不一致的时候，这种项目通常都会失败。

31:00我们后面就会搞什么呢？但是我们一定会在他们的企业里面，像刚刚任总提到的，我们会去培养几个苗子。比如说我们以前做客户成功Customer Success这个服务的，是去做大规模培训。比如一个万人级企业，我们搞他二十场培训，成本花得巨高。

31:18二十场培训，大家想想，非常恐怖的，一个培训一两百人，搞他二十场，培养几千人。结果你发现根本没用，大家听了之后回去就继续上班，就完全没什么。后来我们就转变了思路，我们搞什么呢？我就挑几个那个总监，挑几个比如说小组长，年轻人啊。

31:34他愿意那个，他他自己职业还有上升空间的，我们去重点培养他。然后呢，让他在他们公司的那个月会啊，或者平时汇报的时候啊，他的那个材料或者他的那个分析一个问题的那个视角，立马就发生了变化。然后他们说，哎。小张，你最近这个东西搞得不错啊。

31:53我们就是，人都是这样子的，人就是不患寡患不均。哎，对对对。那么这个时候呢，大家你就会发现，其他的那些总监就会主动来找我们。说，哎，他们那个怎么做的呀？我们部门也想这么搞一搞。

32:06他得看见了。

32:07你主动去培训二十场，跟他主动来找你，可能我们最后付出的那个effort可能是一半。但效果可能好很多。

32:16因为他有那个愿力了。

32:17对对对对。其实我非常赞同任总刚才说的，一定要相信年轻人的力量，然后呢，要多在组织里面去培养这样子的标杆出来，让大家看见。对，因为看见了，所以相信嘛。而且还有一个点，就是刚刚任总也提到的，就是年轻人这个事情。

32:32我在就是搞AI这两年里面，我有一个非常强烈的感知。就是我我岁数也不小了哈，我不得不说，我过去十几年的工作经验给我留下来了太多的负担。就我在想任何问题的时候，那些知识都会冲击进来。但是呢，我在这两年，特别去上海、杭州的时候，跟那些年轻刚毕业一两年，甚至还在读书的年轻人交流，

32:54我就会发现他们没有这些负担。所以他在解决很多问题的时候，他是AI native的思路，就他是AI的原住民。他有很多他天生就是，我就说啊，我说这个还能用AI做啊，就对我来说我是不敢想象的，我觉得效率很低啊。但是他们真的这么去干，而且最后真的能干出来。

33:11所以说我觉得大家一定要多去相信年轻人，相信这些脑子里面对于过去经验没有负担的这些年轻人。我觉得他们搞出来的创新，是我们坐在这个地方，通过规划的方式，通过研讨的方式，永远谈不出来的。

33:24我今天因为听到非常高频的一个词叫年轻人，我想代表我以及像我这样子年龄段的，然后问一个问题。因为混沌同学也是比较多元的嘛，那么组织里的中年人应该怎么样去拥抱这个时代？就你们会有什么样的建议给到他们？因为我觉得改变的心大家是有的，但是改变的方法会是怎样的？

33:46然后怎么样去交互？我觉得这些是不是有一些视角？

34:27你看现在这是一个非常非常重要。我们其实像我跟那个任鑫老师，我们俩都是领教哈。然后我们其实有自己的主业，但是我们每次就是混沌有这样的场，我们都很愿意积极地回来，就是要让自己主动浸泡在里面。可能我们已经算比较前沿的一些行业了，我们就天天跟他们打交道，但我觉得依然跟你做不一样。

34:47那天是哪位老师说的，这个你看AI新闻不等于你在用AI。张涛老师说的吧？对。我们天天看，哎哟，DeepSeek又怎么样了，然后马斯克又怎么样了，但是我依然不会用AI。所以我们要把自己丢在这个环境里面来，你自然的这个意识不一样。

35:03我相信今天可能在线听的同学，然后包括在现场的同学，我们今天不管怎么样，我们在离开之前拿起自己的手机，给大家问一个问题，问啥都行，问出来。嗯，我觉得这就是我们迈出的一小步嘛。

35:24对

37:03避免这个句式，“这不就是”其实是一个结构性的傲慢。对对对，呃，归因大法。因为我以前碰到的事情是这样子的，所以这个事情它肯定就是这样子的，可能不一定，哎，试一试。我看的这个静和茶说，中年人也不能落后，说出了我的心声，

37:21不能落后。对。

37:25对，还有一个问题啊，刚才有一个同学提的问题，就是人跟AI肯定是要开始搭伙过日子的。就不管我想过不想过，我都得这么过啊，就是我肯定得跟它过日子。就像没有人问你要不要用互联网一样，你已经在这个环境之中了。我觉得这个速度比互联网时代要快得多得多，所以我们要做好这个准备。

37:45那么其实有一些场景哈，比如说我们跟AI去协同。那我举一个极端一点的例子，就是我们跟化工厂的AI巡检这个场景，对，AI巡检。那如果是万一AI漏掉了危险信号，或者它的算法里没有包含这个东西，最后责任是算谁的？那设计产品的时候。

38:04到底是要让AI当全能管家，还是说当辅助助手，这应该问两位创业者。对，就是其实本质问题叫做怎么划清人和AI的权责边界。

38:17老的问题，做老的问题，做老的问题，交给这个来讲。

38:19对，我觉得这个还是想好回答。

38:22就是你还是把自己放在老板的地位上，你会相信你的实习生给你做出一个会影响你们公司命运的决策吗？实习生他其实在给你提供做决策的一个辅助。就现阶段我觉得你还是不要把这个特别重要的事完全交给AI，你起码作为一个人工最后的一个审核。

38:38这个东西我认为是会是长期存在的，因为首先你的现代的人工智能，或者说这个机器学习，它本质上来说就不可能保证绝对正确这件事。对。所以这个是一个长期的问题，不是通过技术进步能解决的。

38:50张涛总。

38:51我觉得刚刚就是那个主持人提到的那个例子啊，其实他当年给我的感触特别深。就是那个，因为这个以前做NLP嘛，做自然语言处理，然后肯定对那个CV那边呢，肯定也有所了解。就是那个CV是那个Computer Vision，就是计算机视觉，它是以前AI研究很重要的一块领域。

39:07我记得好像是五年前还是六年前，我忘了。就是计算机视觉虽然研究得很前沿了，但他们在那个应用落地方面一直很难找到很好的落地方向。结果后来我我了解到一家公司，就是exactly就是做你刚刚说的那个方向。他们就是把那个国家安全生产的那些条文啊，每一条做成一个feature。

39:28比如说那个安全生产条文有一条是某某某那个炼钢炉启动的时候，这个区域不能进去人，就是这是一条规则，他就把它做成一个feature。然后那个条文从头到尾可能有一百多条，每一条都是一个feature。然后它们组合起来就是一个非常好卖的这样子的一个产品。

39:45那这个里面我当时问了一模一样的问题，我说那万一是吧，任何时候你漏检了，那这个责任是算你们公司呢，还

39:53呢？还是说算一个虚拟的算法，这算法肯定不能背锅嘛，对吧？但他给我讲的一个很有趣的一个观点是什么啊？他就说，就咱们不要老用这个替换式的兜底的这个角度去想这个思路。而是说以前你即使叫一个真人来盯着一百多路video，因为以前是那个国家生产安全总局，他们会要求各个厂把那个视频都传到他们中央那边来嘛。

40:17你其实你以前你根本找不到人统一的来做这个事情。因为这是真需求。所以它首先是从不能变成能了。那我们这个时候从不能变成能的时候，我们就不能说你一下就要求你百分之百的准确。你首先是能够预警的，以前连预警都做不到，现在可以预警了。

40:36而且或者说以前的预警是要靠人，一百多个看过去，你可能看一轮，整个这个周期就两个小时，你的发现的频率就两个小时。但现在我把它变成了秒级别，把一个危险信号抛出来，然后用真人去做确认，对吧？那所以说我就觉得这个是完全不一样的这个场景。

40:51所以大家在思考自己的那个流程里面其实也是一样的，就不要是一种责任交付制，就我把责任完全给拖出去了。而是说预警的这种思路，其实我觉得是比较不错的

41:02理解。这个其实就是避免一种叫二元对立，就是我要么就是你做人做，要么就是AI做。对对对。它不是人和AI的关系，可能是人加AI的一个渐进式替代的关系。对的，

41:14效率提升。

41:15所以我觉得这个回答其实跟刚才季总你们俩的回答其实可以应用在很多类似的场景中，确实是一个思路。其实好多像这种技术进步，包括模式的转变，监管其实没有那么快能跟上的。法规没有那么快能跟上的。就有点像智能驾驶是吧？就智驾这个东西，它不是说技术不能达到，它可能现在还有很多比如人文的东西吧，人伦的，你没有办法解决。

41:39对。所以导致现在还不可以使用，但是其实我觉得技术已经还是蛮发达了。我看他们开特斯拉的都是在停车场门口就下车了，然后他自己去停车。

41:49后来我们还在讲那个萝卜快跑，就是完全无人驾驶嘛，已经在推行了，是吧？武汉呀，包括杭州一些场景推行了。我还发了这个文章之后，底下有人评论说，太好了，他说我要一辆。白天他把我送到办公室之后，他就去跑滴滴。然后我们说，你是对上班有什么执念吗？

42:06那你为什么还要去上班呢？你不应该搞一堆去吗？对。所以好多场景可能不是我们原来想的那个惯常的这么个逻辑链条了，完全是重构了。但是非常有意思哈，去关注这个东西。

42:18我在那个同问区啊，同问区有一个很大的问题，它有一个非常长的问题，但是我觉得这个同学的问题，他经过了非常认真的思考，有一点哲科的意味了。我就念一下哈，可能还有点长，但是我觉得还是有价值，可能能够促进大家的思考。这个问题我先问一下季总吧，好不好？

42:37就是目前所有的AI大模型都会涉及到一个根源性的语料输入和算法输入的问题，对吧？语料加算法，所以它会有一个模型的输出，它的那个算力加上推理。那么人们在使用它辅助思考的时候，它出那个解决方案。所以我们可以说这个方案背后其实是有不同的文化意识形态的，因为你输的语料不同，我们就会发现DeepSeek和ChatGPT出来的东西可能差异还挺大的，

43:02背后其实是有意识形态的。如果你看见了这个东西，你会发现加上开源的输入和输出会不断地叠加构建，构建一个比真还真的信息结果呈现。这个在这个领域里面确实会发生的哈，就会有这个越多信息。然后训练它就越有点像我们原来讲的那个信息壁垒哈。

43:20然后当AI大模型被大家使用的时候，到底让渡的是什么权利？这是第一个问题。要不先回答一下这个问题？

43:28好的好的。这个问题其实拆了很多块，就先回答第一部分。刚才讲到算法和数据是两部分，其实对于一个模型产生的内容，其实算法是次要的。无论你是走哪条技术路线，一个模型无论它的输出质量还是说它的风格，基本都是由数据决定的。所以首先由于DeepSeek跟OpenAI他们肯定都有自己的pretrain的语料，所以他们天然会有一些差距。

43:48但是呢，这个差距其实不是那么的致命，因为首先现在在预训练阶段，你所用的语料几乎可以说覆盖了人类已有产生的，不敢说全部吧，就是绝大部分的这个的数据。那其实模型它其实本质在预测下一个token，它在学一个概率分布。但这个概率分布其实你可以理解成是人类咱们这个世界的一个中庸或者说一个均值的一个状态。

44:07所以其实在模型完成预训练的那一刻，它其实并没有自己所谓的一个意识形态，它是把世界上所有人的观点按照它本有的一个概率记在了自己模型的这个心中。但是呢，其实模型到了post train阶段会进行一个环节，我叫所谓的这个对齐。对其中有一个很重要的一个环节叫衡量两个值，一个叫helpfulness，就是有帮助性，还有叫harmlessness，

44:27就是无害性。这无害性会涉及一个环节叫refusal，就是拒答。这个其实是你会体现很多模型有的都能让你感受到，就是你在问一些比较尖锐，或者说对于各个国家，不只是中国，国外也有，都会有一些比较忌讳的东西，或者有一些这个涉及政策法规的东西，模型会选择拒答。

44:45但注意这个模型他其实知道背后的很多东西，但他会选择拒绝回答，这是第二类让你产生觉得他好像有价值观因素的一个点。但是呢，实际上我觉得大家也对这个事不用特别的担心，因为你别忘了还是刚才讲的一点，就是context上下文非常重要。对于模型来说，你会发现你在用一些联网搜索的时候，模型的回答会极大的程度被他搜到的网页所影响。

45:06因为这是整个人工智能行业有一句话叫garbage in garbage out，就是你输入垃圾，模型再从模型吐出也是垃圾。所以其实模型本身的价值观是在那的，但是当你给他输入了上下文，比如你对他有一个具体的要求，或者你给了他很多对应的参考资料的时候，

45:20模型更大概率其实是延续着参考资料和你的命令在进行一个输出。所以我觉得大家不用特别担心模型本身那个意识形态的这一个问题，也可以插一个比如广告，比如那个涛哥讲的Monica的这个CIN，CIN版最近不是上线了嘛，其实我也在试用，我发现有一个特别好的点，就是它有一个记忆功能，就是说那个上来他好像问了几个问题，

45:39就是说你是怎样的一个人，你喜欢什么，其实这个时候就相当于你的一些偏好被写在了一个模型上下文中，然后你发现这个模型的输出其实非常偏好于你的意识形态。对。我想说就是模型自身的意识形态是可以被扭曲的，而且你的inference time的输入的优先级明显是要高于训练中本来掌握的。

47:25我跟你说，今天两位老师就是给我们

47:28我就顺着那个任老师的这个话题我继续聊一下啊。其实就是我觉得人从自古上古以来就有一种东西，就是我们会神化我们使用的工具。啊，就是人会有一种那种崇拜的那种癖好，很容易就把某些东西变成了一种我们崇拜的东西。但是呢，我觉得动态来看有一个好处是什么，就一个东西它是动态演进的一个过程。

47:48比如说刚刚那位同学他的那个提问，我想到最近一个例子，就现在淘宝上有一些那个卖家会在自己的商品详情页里面写，我们这个商品是DeepSeek推荐的。就是他一般会截一张图，就是那个他问DeepSeek，比如说全世界最好的充电宝是谁，然后DeepSeek说了一个牌子。

48:03他说你看我们是DeepSeek推荐的，其实这个就是一种就是工具的一种异化，一种神化的一种过程。但是呢我觉得这个东西它只是一种短时间内的一种状态。什么意思呢？就打个比方说，至少我们这样啊，就是接近40岁的人，从小成长起来的这个环境里面，我们肯定会觉得科技产品、数码设备，

48:21那一定是美国公司或者日本的生产的是好的。因为我们从小都是在这个买索尼是吧，买索尼、Walkman觉得巨巨厉害的东西，然后觉得国产货呢都是比较山寨的。但大家可以看一看，就是到了当下来说，你要买一个无人机，你要买一个那个便携式的那个摄影设备，我相信不会有人想到说我要买个美国无人机，

48:40一定是大疆，一定是insta360，对不对？这是我们品牌，那。这种也是一样的，我们现在之所以是因为大家可能还没接触AI，或者是说对于AI的那个还没有适应。那我觉得再过个一两年，当AI能提供的文字表达变成了一个很常态之后，慢慢地我们人类里面那些有价值的表达方式，

48:59更有意义的那种思维方式，它会变成一个更稀缺的。而且大家会养成一种审美，就一看这个啊，这个就是一个很标准的AI回答，这个是有深度的人类思考。我觉得它反倒是把人类的思考变得更加的高级。高级了，我觉得是这样子的。

49:14特别精彩的回答啊，三位嘉宾，我们应该给个掌声，真的，三个视角，三个非常精彩的回答。然后刚才任老师的回答我想到了那个本来无一物，何处惹尘埃。就是我们让渡的到底是个什么权利，就是人类本来没有权利，对吧？后来我们让渡了什么权利给AI了。

49:35但是我还是把这个同学的问题问完啊，我觉得还有还有。这是上半截，我觉得大家给出了自己的思考和回答哈。他下面呢，他其实有一个答案，我觉得这个答案其实无所谓对错啊，就是每个人的一个深度思考，但我觉得他这个思考还是非常有价值。他认为我们让渡给AI的是决策权。

49:53啊，就是我给了你相关的这个语料和你的信息，然后包括像季总刚才说的，也糅合了他自己的价值观，但是他依然输出了一个结果哈。那个决策给了我让渡了这个决策权之后，那么AI工具其实不担责，跟刚才的问题有一点点同构性啊。好。那么假使我得到了决策信息之后，根据信息去决策，指导我个人或组织的行为，那么我自己是担责者。

50:19所以如果我只是获取信息，我没有这个信息解码的能力。它这个可能描述的有点复杂哈，就是语言文字描述它。其实这个语言模型呢不一定了，我觉得还不一定就是语言模型了。就如果我没有强大的基本功去解码、识别、判断、扬弃和迁移，那么我是否可以认为，在这种看似智力升级的幻想背后，

50:40隐藏着对普通人更多的认知剥夺？有一点信息茧房的意思。好。不完全是，就是看大家怎么看这个问题，可以张涛总开始。

50:50我觉得这是必然会发生的，而且这个东西不是说是AI时代带来的。其实之前上一代的，我们有搜索引擎是吧？有这个推荐之后就是这样。但我不得不说，就是我一直不想给大家传递一种，就是你可以不努力就可以很好，对吧？就是任何东西你都要靠，就是我们叫那个熵减嘛，你要去对抗那个熵增的过程，你要去让你的思维是一个熵减，

51:11你就需要努力，你需要去梳理你每天的这个input的信息是什么样子的，你需要去思考这个过程。

51:17不要被驯化。对

51:18对对。所以说我觉得这个过程就一定是要靠用力去抗争的，因为这个物理世界就是你只要不努力去把它梳理的井井有条，熵增是必然发生的。所以任何时代我们都要去努力对抗熵增。但是它不是说是AI带来的，当然AI可能会加大这个熵增的容易程度，熵减会更难。

51:36但是我们仍然要试图去对抗它，这是人类的一个恒久命题。

51:41对。这个就非常底层了，就是你所有的熵减必然要做功。对，是吧？我们自己要做功，所以我觉得第一步叫做看见和觉察。你要看到这个东西，就像很多人被短视频所驯化，已经没有办法去做那种长文阅读或者长视频的观看了，

51:57电影都看不了了。我觉得短视频刷两下，我电影我就知道情节了。可是你的那个深度审美已经缺失了。所以我对我小孩子就是你可以玩游戏，你都不可以看短视频。对对对。

52:07真的，我觉得那个对人的伤害，注意力的伤害是极其大的。但是大部分人是不自知的。我碎片时间看怎么不行呢？但那种碎片化我觉得对人的伤害真的真的是不可逆的。所以这是我们要看见及觉察。

52:18所以刚才我觉得张涛老师给了一个非常好的视角，就是我们要做功去熵减。我们要看到这个问题，熵增必然发生。看看刘老师。

54:48嗯。我觉得就是还是这个让渡的这个问题，就是我觉得其实我们所有人都从未拥有过真正就是掌握原信息的能力。因为你想，AI是什么？AI你问它的问题，AI其实去上一层进行了搜索，搜索又过了一手。而AI搜索的内容是什么呢？

55:03可能是某一个媒体的小编他没你懂了，他写了一篇文章。就是我们中间隔了太多层的东西，所以其实归根结底有没有AI，我觉得都要掌握的一件事就是溯源的能力。这个很重要，无论是用搜索用AI都是一样的。这方面可能国外的互联网我觉得做得更比国内稍微好一点，就是你会发现大家写文章都还在保持着超链接这个特别朴素的习惯。

55:23就比如你至少发现谁引用了一句话，你这个链接能点，你就能再往上点。所以就是具体到我自己的一个实操的话，比如我在让AI给我一些回答的时候，我一定会在背后补一句prompt，就说请引述原文。然后如果你再用一些，比如那个agent，就那种能够多层深入研究的时候，你跟他说去找到原文并把原文粘贴回来。

55:42对，我觉得这是能做到的极限吧。就是AI其实可能只是又加了一手，但是我不认为我们以前也有多好的一个情况。

55:50好的。我们先把今天我们讨论的一些问题啊，我们大概做了一个抽象。我们刚才讲就是AI时代这个来世生说我们如何自处嘛，对吧？其实第一层我觉得几位嘉宾老师给我们的就是一个叫认知刷新。认知刷新。

56:06认知刷新里面其实讲了几个比较关键的点哈，一个叫技术的可用性其实大于技术的先进性，合适最重要。它现在网上不是有个段子挺火的嘛，就是我不知道大家手机里有多少个那个AI的APP啊，其实我是原来好好多年不怎么下APP了，但现在AI火了之后我下了好多个。

56:26然后那个人生老师说他没有把它装在一个文件夹，我把它放那个文件夹里面，把它取了个名字，之前叫AI助手，后来觉得它太聪明了，比我聪明多了，就把它叫AI顾问。所以就是你怎么看待这个AI工具，就是你的心态。你的念头，你怎么看他，你会怎么用它，对吧？

56:43然后很多人觉得，哎，我是一个老板，然后他都是我的员工，这个AI给那个AI布置任务，然后共同完成我要做的一件事情，那就是比较高阶的使用了，就是可以这样子呀。那你有没有了解你的员工呢？你的员工不是说哪个最新哪个就是最好的，不是的，应该是哪个最合适你要做的那个任务嘛，是吧？

57:02所以那个段子叫什么？就是我他手机有一个愚蠢但勤劳的。哦哦哦，对。愚蠢但勤劳的是谁？豆包。

57:11然后有一个中性但是没有情绪价值的Kimi，有一个非常聪明但是不干活的DeepSeek，因为每天五点钟起来问他，你知道吧？他不然就繁忙了，然后还有一个留学生就特别不好用的ChatGPT是吧，不怎么听话。但是呢后来底下有个留言，我觉得那个留言其实特别神哈，那个留言叫有一个什么都想要但啥也说不清的老板。

57:37对。所以也是归因到今天我们整体的这个问题，就是提问的能力。你首先你了解你的员工，然后你能够准确的知道谁擅长什么，然后以及你怎么给他下发任务，你就能把它用好呀。那为什么有的人用的很好，有的人就觉得它不好用呢？那问题是不是在自己？

57:53所以我觉得这是我们今天可能最重要的一个点哈。然后第二个行动的框架。行动的框架里面呢，其实刚才我们讲了有几层哈，一个叫做个体，个体的思想实验，个体的实验层，我先用起来这么跑。然后第二个呢叫做这个业务的改造层。第三个叫做组织的进化层，逐步往下哈，进化层。

58:18然后刚才几位老师也详细讲了，给了很多的建议，很多非常接地气的，今天真的是真流淌，就是组织落地中要注意什么问题，然后还给了组织中的像我们这样的中年人一些建议，中肯的建议啊，我们也不会放弃的。所以这是我们今天讲的这一层，第三层叫资源杠杆，资源杠杆里面其实就是如何善用它了，我们怎么理解AI，

58:39它是我们的什么资源，人力，可以是人力杠杆，对吧？然后可以是认知杠杆。可以是时间杠杆。

58:49最后会成为你的资本杠杆。对人对企业都是这样哈，就你怎么认知这个AI，它是你的资源杠杆。第四层就是长期生存，长期生存里面呢其实就是我们跟AI如何相处。未来会是怎么样一个样子，其实谁也说不清，它可能变化远超我们，毕竟不是说皇帝锄地用金锄头啊，这是我们的想象。

59:09那可能还有更多我们完全没有意想到的场景，但我们怎么跟AI长期去共存，起码在中短期里面怎么共存。刚才几位老师也给了一些视角，就是人机的分工原则，然后另外就是破二元对立，我们可能目前是用共生，然后我们是渐进式的替代，而不是一步到位，不是人就是AI。

59:29不是的，渐进式的替代，然后随之所有的配衬的机制可能会逐渐的去完善，我们能更好的去用到AI，然后我们最后叫做生而为人，我们该看红蚂蚁就看红蚂蚁，我们真正做一个人，这是我们今天其实几位嘉宾老师当然会有很多的细节哈，给了我们大量的视角，我觉得有一些新的洞见，也是非常感谢三位老师。

59:58线上小伙伴们在里面其实也提了很多问题哈。我们这样子，我们在现场要不先开放两个问题或者三个问题，大家有什么问题可以跟嘉宾老师交流，问什么都没有关系。因为本身也不一定会有正确答案，而是我们此刻的思考。那个

1:00:12女生先先举手。右后边那个，嗯。

1:00:15其实我特别想问最右边的这位老师，我是做AI Agent加Infra的。其实我们也是在这两三年的当中落地过一些大的项目，对于To B的项目和To G的项目深有体会。在这个过程当中，其实是随着今年年初DeepSeek的爆发，然后引爆了整个应用市场，然后大家对AGI的期待可能也越来越清晰。

1:00:38那我非常想问的一个就是，您对于今年DeepSeek引爆的这个应用的市场是如何看待，以及未来的这个趋势是如何？那么对于Infra这个方面的建设，您是认为这几年还是否有机会？然后纵观于全球，包括像美国的这些Meta、OpenAI、Microsoft的这些大厂的基础设施建设，

1:01:01其实都在不断地推进。那对于国内，其实政府来讲也是有很大的举措。从Infra和Agent的这个未来发展的趋势方面，您可以有一些分享吗？

1:01:12谢谢。好的好的，就问题比较多，我先一个一个讲吧。就首先确实这一切事都是DeepSeek可能在国内带起来的。当然我觉得这首先是非常好的一点，因为之前在国内做应用的时候，大家其实一直没有一个非常好的一个开源的foundation去做。

1:01:26但是呢如果你具体到Agent跟Infra的话，其实DeepSeek这个会有一些需要探讨的方面，比如第一点就是DeepSeek的模型。无论V3还是R1，它其实本身的agent能力，具体到比如说你必须要的多模态，你必须要的function calling，

1:01:39还有所谓这个long horizon task planning，就是长程的任务规划，其实它的能力并不是非常出众。因为这可能不是DeepSeek这个团队目前这六个月的主要的一个关注点，他们其实还是在用强化学习，把reasoning这件事，他们想在六个月内做到一个更高的一个阶段。

1:01:54他们可能对于多模态等一些方向就是战略性地先往后推一推。所以就是如果你真的是专注Agent这件事的话，其实我觉得可以借着DeepSeek的东风，但不要太跟它绑定太深，或者等他们进一步的一个进展。同时Infra层面其实也是因为DeepSeek的爆火，其实对国内国外的Infra提出了很多的这个高的要求。

1:02:12包括其实你如果看了DeepSeek最近它尤其是V3那篇paper的话，它其实在Infra，我们指的Infra可能更多Infra time就推理阶段，它其实跟以前传统的Llama-like模型已经做了很大的区别。所以其实除了DeepSeek官方以外，目前至少我们知道国内所有的推理厂商提供的DeepSeek，

1:02:28它的Infra的优化都是比较差的。所以这块也有很多要东西要做，比如所谓的这个expertism，就是专家并行这些东西。对，然后呢，如果你要说在Agent跟Infra这两个方面去做结合的话，我觉得今年会有非常非常大的一个机会，

1:02:41就是之前可能大家对算力的关注主要在于训练阶段，但我觉得Agent带来一个最大的一个变化，刚才张涛老师也提到了一点，就是说希望有一个24小时不断在推理的智能。这会有一个巨大区别，就我相信可能今年也许吧，就是推理层面消耗的token的量可能过去的一百倍都不止。

1:02:58因为一个很简单的道理，一是时长变长了，无论是因为Agent还是因为reasoning模型本身的output token就更多。更重要一点是什么，就是Agent它是处于一个多轮的一个状态，而大家知道其实LM在每一轮的交互的过程中，你得带着之前所有的context，所以它是一个不断不断不断变长的过程。

1:03:15随着交互轮次的提升，你的消耗的token量是非常非常大的。所以我觉得今年因为有了Agent这个母题，所以Infra会有非常非常大的一个发展。大家也看到国内一些我们朋友的这个Infra的模型推理公司的估值都高了很多。对。当然如果你要具体到美国或者国外的这个更宏观这个领域的话，也会有几个比较大的点。

1:03:33一方面就是说现在推理模型的火爆，无论是R1还是O3这些东西，它其实怎么说呢，呃。这可能偏技术一点，就是它会对单个用户使用的时长更长，用的这个output会更多，所以它其实推理的压力会非常非常大。之所以大家看到O3或者O1它的价格这么贵，其实也是因为这两个点导致这个定价有一个变化。

1:03:52那么其实到了硬件层面的话，现在可以看到比如国外像那个Cerebras或者那个Grok之类的，它们有两类，一类是其实它们部署的DeepSeek不是真的DeepSeek，是蒸馏版的，蒸馏到了千问或者Llama上面。这两个模型是比较传统的一个dense decoder，它可以复用现在所有的AI infra做的很高速的推理，

1:04:10但是类似于比如说DeepSeek这样本身又是MoE又做了很多这些attention层面的改进的模型，其实也许会有一些优化的一个方向，但是对硬件厂商来说，我。我觉得这可能对他们来说有点冒险，因为这对于硬件厂商来说，他们在买模型彩票，就是我是否要让我的这个专用的芯片过度绑定于某个特定的一个模型的一个架构。

1:04:27所以认为这可能还会有一段时间的一个挣扎期。所以，Infra我觉得接下来主要的变化可能是在于推理软件或者framework层面会有一个比较大的一个进展。我们可以期望可能一个月到两个月之内，R1这种模型它本身的推理价格和现在这种稳定的服务就是很难获得情况会有一个很大的一个好转。

1:04:44对，大概如此。

1:04:46刚刚那个白衣服那位男士是第二个举手了，哎，就戴帽子这位。哎，对。

1:04:50我先说一下我的大概做的事情是什么，是做呃传统的这种广告营销公司的。基于这样的话，其实刚才有一个小范围的一个大课题，就是组织架构的一个变革。假如说我现在公司想尝试，比如说一个人去主导，我把AI的所有的一些东西，不论从大模型还是些应用的东西，

1:05:10都把它做成一个个体的一个某一个团队当中的一个人。然后他共同组成了我的一个业务模式，比如说大模型，刚才我们说DeepSeek它的什么样应用，还有比如说有一些文生图的我怎么应用，还有一些生视频的怎么应用，还有一些写文章的怎么应用，就所有这一个系列的，把它组成一个团队，但是每一个人都是独立的个体。

1:05:32然后我问一个比较直接的问题。就因为大家都是尝试了很多的这些应用了，他们在工作当中的话，我怎么利用好这几种平台和应用，然后再过来就是他们之间互相，我让他们既然是团队嘛，互相怎么协同的工作，能够做得更好，我怎么能够带领他去做这件事情。

1:05:52然后这个问题是问三位老师，嗯。就这样的一个事情。

1:05:56一个很朴素的问题，那就三位老师回复一下吧。

1:05:59广告反正因为我身边做广告创业啊这些朋友比较多嘛，其实广告行业拥抱AI应该是特别积极特别早，已经不是最近的事儿了，其实他们已经拥抱了两年了。我们看到这个过程呢基本上会是这个样子的，首先就是人员肯定是没有什么变化，更多的还是那个赋能。

1:06:15啊就比如说早期那个客户一个brief过来是吧，我怎么拆这个brief，怎么找角度去切入，因为你在做这个工作之前你要先得到这个工作嘛。那广告行业经常要去投标拿着brief去投，那很多时候就要找切入角度。传统的说可能就是小工作室啊，老板带着那个几个核心员工说咱们就来脑暴一下。

1:06:33我们看看这个客户该怎么做。这个环节其实特别适合AI，而且特别适合现在的AI。两年前可能做起来还有点难。现在的AI为什么哈，一个是有reasoning model，它的那个思维方式更多。另外一个呀是现在基本上大部分的AI产品都跟搜索结合在了一起。

1:06:48我们去解决一个客户的brief的时候，通常是要不能光是脑补，一般是要先对这个客户做研究。就像刚刚任总提到的，就是说一个我不太了解的领域，AI现在能非常快速的帮你去了解清楚。哎，这个客户的背景是什么，他们的产品是什么，甚至连这个客户的这个CEO，他那个平时在发言的时候，

1:07:08这个CEO更关注什么，他们最近在提什么概念，AI能很快速的帮你做一个整合。这个是传统你一个工作室，其实有时候大家对于客户的了解都没有那么快了解那么深的。然后基于这样子的一个基本的一个研究报告，我们就开始提出，好，那这个客户的基本情况这样，那当前他给我们下了一个什么样子的一个brief，

1:07:26那我们想要去打动客户，你能不能够从那种分别不同的角度，比如说那种呃表扬型啊，搞怪型是吧哈，或者是说一种提出一种特别新颖的一种角度去给我脑爆出不同的去解决这个brief的一些方案。那当然最后做决定的肯定还是你们这个组自己的人或者就是你自己。

1:07:45但是呢，这个脑爆啊，就是比如像我以前专门培训别人怎么做脑爆。我们发现做脑暴其实是一个非常有技巧的事情。我看过大多数组织其实是做不来脑暴的，浪费那个大家两个小时时间，其实什么都没得到。首先做脑暴本身就很需要技巧，其次还需要参与的每一个人他愿意贡献。

1:08:04这个东西可能还要你以前把你们组织培养得比较好才做得到。但现在你既不需要技巧，也不需要一个好的组织，你只需要有个AI，它可以无限制地给你脑暴。其实我们自己在这样的工作当中，我最经常让AI干的事情就是脑暴，就是说那个呃你你把这个东西从不同角度给我来思考idea，

1:08:22它判断出来，呃我说这三个还行，基于这三个再给我脑暴一下。所以我觉得首先从策划这个角度。它就已经能起到很大的作用了。那早期呢可能是跟你的员工co-pilot，那后期就是到现在啊，现在的模型能力来说，在策划和产生方案这个事情上，

1:08:39呃。AI已经能取代很多非顶级的做广告策划的呃同学了。然后另外还有一个就是在后面你提到的就是图像那个领域，不管是现在的文生图还是图生图还是图生视频，这三个领域里面，我觉得AI基本上拿来做内部的概念验证和跟客户的沟通是完全足够用的了。

1:09:00但是呢，短期之内，比如说六个月到十二个月，一年之内，你不要期盼它可以直接交付商业级别的作品。就是商业级别的作品一定还是要靠那个专业的人通过后期的处理、剪辑，甚至可能要重建模，就是整个这套事情。这个东西我觉得一年之内就不用去考虑，但是呢，你们内部去做那个概念验证的时候，或者说带着一些非常早期的方案，

1:09:25比如说可能你们以前跟客户沟通，第一轮沟通的时候，通常只能拿出一个文字brief，或者是在在互联网上去搜了一些图片，说哎。大致你要的是不是这种感觉，你现在可以做到更高级的第一轮沟通，就第一轮沟通的时候，就能拿出一个很visual的一个视觉的东西去跟客户沟通了。

1:09:43我觉得以我的经验来说哈，当下可能基本上就进展到这样子一个阶段，嗯。对，

1:14:03OK，老张。其实刚才听两位说了很多，反而让我就recall起了前面那个问题，就是人在，比如以广告行业为例，人到底还跟AI的这个协作在哪儿？其实刚才无论讲到就是语言生成或者图像生成，你会发现这也都存在一个颗粒度问题，这是很具体的颗粒度。

1:14:17就是因为你在跟AI交付任务的时候，其实你在跟它用语言接口在沟通。这就像你在跟你的一个设计师在讲的时候，到最后你可能还是说你这块这个像素我想改一改，但最后谁来改这个像素？你如果还跟AI是拿语言作为这个接口，你这样颗粒度改，你很难达到你最后满意的一个效果。

1:14:33所以你团队内仍然可能会需要有一个能最后进行final touch的那个人，对吧？就比如真的就帮你把这个边儿给给给弄弄好了，帮你把AI里头声音这部分给编辑掉了。就是因为实际上AI也会有一些类似的工具，比如大家可能听说过什么ControlNet啊，那个Lighting之类的，

1:14:47就打光这些东西。但那个操作非常专业。所以我觉得确实就是人可能还会在一段时间内扮演AI到最后交付的最后一公里。对。因为这是颗粒度问题导致的，不是智能导致的，对。

1:14:58这可能在广告行业尤其明显。

1:15:00是感谢我们这个全程的一个陪伴哈，希望大家有所收获。所以最好的建议其实大家浸泡在那个场中，我觉得所有的成长在不知不觉中就会发生。所以今天在最后的时间，我们请各位嘉宾每个人就说一个关键词吧。今天我们可能聊了这么多哈，跟同学们最touch自己的一个关键词，讲一个就好。

1:15:20这老师开

1:15:21一定。今天讲讲自身的感受，我就是恐惧，就是一定要活在恐惧之中，就因为我觉得自己也不年轻了。其实今天我做AI或者说端元处理第十二十三年了，但我觉得驱动自己学习的根本原因就是peer pressure和恐惧。所以经常大家常说什么不要相信中文三大顶会，啊就是三个公众号，就具体不点名了。

1:15:41但是我自己非常喜欢关注它，因为它的标题非常吓人，我每天都是被被被吓醒的。所以我觉得这是除了就让自己沉浸其中之外的另一个方法，就是盯着吓吓自己。嗯嗯。

1:15:52好的。

1:16:30一书上传是吧，真正走向星辰大海。

1:16:43嗯。我自己的话可能就是关键词就是好奇吧。我觉得其实你看，自身我自己做了八年的C端产品，做了五年的SaaS to B的东西，为什么最近两年还能够就是完全转身又投入AI这边来？其实最大的一个动力是我想搞清楚它，它为什么会发生，它为什么是这个样子。

1:17:01我觉得这个好奇心会驱使我去做很多的事情。而在一个那种确定性没那么高的很宽泛的一个领域里面，我觉得如果你没有一个底层的好奇心去驱使你的话，你就很难在这个里面能能学到一些东西，或者能往前面走近一些。嗯。

1:17:19对，我想分享一个关键词啊，就是叫学习力。因为信息太多了，我们看不完，怎么看都觉得很焦虑。我觉得如果有了一个好的学习环境哈，浸泡在里面，然后有了好的学习力之后，其实就会有成长加速度，跟我们的起点没有关系。每个人起点都不一样，但是有成长加速度，终有一天会走到最前面，就跑赢我的同行嘛。

1:17:39最后我们在离开之前，希望大家都不管有没有用过我们的AI工具，都拿出来提一个问题。世间所有的答案都在等待一个好问题。从今天开始，好吧。今天就这样，谢谢大家。