真格基金戴雨森：长聊 AI Agent，各行业都会遭遇「李世石时刻」（下）

Q：还有一件对现在的格局影响很大的事，就是 DeepSeek 出圈，这本身影响就很大，而且它采用了非常彻底且一贯的开源方式。我觉得可以分几个层面来讲，一个是大的科技公司，首先原本闭源的大科技公司现在有很多动作，比如说腾讯、百度，都接入了 DeepSeek。而且腾讯接入了很多产品，它的 AI 主力产品元宝接入了，最大的国民级产品微信也接入了，大概有十几个产品都接了。百度是文心接入了，不过阿里和字节没有接入。

你觉得豆包什么时候会接入 DeepSeek？

戴雨森：如果豆包选择接入 DeepSeek，我会觉得很意外。因为在我看来，字节特别想探索智能前沿，很注重自己基础模型的研发。要是接入 DeepSeek，不管是对外形象还是对内士气，可能都是一个挺大的改变。

但从另一个角度说，如果豆包的用户觉得 DeepSeek 更好用，那从豆包用户价值的角度来看，这也是合理的。不过我觉得这肯定不是字节做 AI 的初衷，据我了解，他们还是想在 AI 领域实现全面领先，而且他们的人力、资源都很丰富。

Q：那腾讯呢？

戴雨森：我们这都是小道消息，毕竟作为天使投资人，也没办法了解他们决策层的想法。之前有人说腾讯做视频是后发先至，让别人先跑三年，反正微信用户这么多，始终都能调动出来。之前就听说腾讯在模型这块也是抱着后发制人的想法，因为有用户的关系、用户数据，大家又都离不开微信，等模型技术出现收敛或者成熟之后再接入。而且微信是面向用户的基础设施产品，不能做太大调整，不然会给用户带来很多影响。所以我倒是觉得腾讯接入 DeepSeek 这件事值得点赞。因为我听说 AI 搜索去年就开始推进了，但是接入 DeepSeek 这个决定肯定是高层做出来的。

我觉得这对腾讯的用户来说是好事。听说接入 DeepSeek 之后，腾讯很多产品的数据增长得很不错，可能是两位数的增长。从 DAU 的角度来看，现在很多人点微信搜索，下面就会出现下载「使用了 DeepSeek-R1 的元宝」的提示，这导量能力简直是无与伦比的。所以元宝现在在 App Store 排第二名，我觉得明天可能就第一名，这都很正常。

Q：所以你觉得这是腾讯的选择吗？就是它在自研大模型方面没那么激进，它略慢一筹，它知道会有人做出更好的模型，到时候凭借微信这个大杀器，再积极接入。你觉得这是它早就设定好的主动战略路线吗？

戴雨森：我听说这是腾讯主动选择的战略，但我同时也听说混元大模型在大量招人来扩充团队。从中国互联网过去的经验来看，大厂很少完全依靠第三方来提供关键基础设施，而不是自己去做。所以一方面，我觉得腾讯现在这个决定非常厉害，也许这会开启一个新时代。在美国有很多这样的例子，比如 Netflix 一直用亚马逊云服务（AWS），虽然亚马逊有 Prime Video，是 Netflix 的直接竞品，但 Netflix 仍然觉得 AWS 在商业和技术上是最好的选择。但在中国，以前都是有了支付宝，就得有个微信支付，大家都想有自己的一个东西。不过我觉得选择 DeepSeek 肯定是个很中立的决定，因为 DeepSeek 团队也没打算做一个超级 App，也没有想去做 to C。

Q：所以我觉得，马化腾知道梁文锋对做一个大 DAU 的产品没那么感兴趣。

戴雨森：是的，所以我觉得他们至少现在目标很明确，双方合作也有这个基础。但腾讯会不会一直不想要自己的大模型，这很难说。毕竟技术变化太快了，就像之前大家说微软就靠 OpenAI，后来微软好像也打算自己训练模型，甚至还投资了 Anthropic。所以这些情况都可能发生变化。但我觉得这里面最核心的，是谁能一直处在前沿。在过去两年多时间里，我们已经看到很多声称要做基础模型、挑战智能的，都逐渐掉队了，这也合理，毕竟做这件事需要人才、资金和大量创新。

Q：所以你刚才说，有资格做这件事的大公司只有字节跳动，有资格做这件事的创业公司，目前只有月之暗面？

戴雨森：如果说在获得风险投资（VC）之前的创业公司，原来说的 AI 六小虎，目前看下来，确实只有 Kimi 在人才、团队、资金和用户上，具备这样的能力。就连 OpenAI 最新发表的一篇论文，还同时 refer 了 R1 和 K1.5 的研究成果。包括今天中午你们来的路上，Kimi 又发布了 Moonlight 这个最新的开源小模型。我觉得能持续为技术社区做贡献，是对团队本身的能力以及方向要求挺高的事情。

Q：说到 OpenAI 的论文同时 refer 了 K1.5 和 R1，这两个成果其实是同一天发布的。其实成果刚发布后，我就去找技术社区的人聊了聊。当时大家给我的反馈是，他们对 K1.5 和 R1 的认可度差别没那么大，但最后实际产生的整个影响力差别却非常大，你怎么看待这件事？

戴雨森：我觉得开源是一个关键差异。确实 DeepSeek-R1 的一些工作意义很大，而且它开源后大家都能使用，尤其在西方引起了很大反响。

本来在过去几年，硅谷一直有人质疑预训练花这么多钱到底值不值。至少从二级市场投资人那边，大家陆续开始担心是不是钱花太多了。这时候突然出来说 500 万美金就能训练一个 o1 级别的模型，当然这是误读，论文里写得很清楚，那只是最后一次训练的结果。但就有人想搞大新闻，在美国引发了大量担忧，导致 1 月 27 号英伟达股价暴跌 16 个点。当这事情成了全球新闻，它的影响力肯定不是 Kimi 单纯发一篇论文或者一个技术创新能比的。

有个和 DeepSeek 很熟的同学跟我说，他们觉得美国的 OpenAI 或者 Anthropic，训练像 V3 这样的模型，甚至都不用花 500 万美金，人家有更大的集群和更多的训练经验。但当时很多不太懂行的人看到这个叙事，就开始拿 500 万美金和别人融的 10 亿美金作比较。但现在大家也渐渐明白不能这么比。你看英伟达的股价又快恢复了，对吧？

在训练成本上，真的行内人其实没觉得 500 万美金有多惊人，大家可能更关注像当时 MLA 那种降低推理成本的创新。另外，模型的智能提升以及模型训练与推理成本的下降，这是一直在发生的事儿。比如说 GPT-4 的 API 推出后，成本已经下降了 90% 多，今年肯定还会降 90% 多，这是必然的。芯片会更强大，大家也会找到更多降低成本的优化方法。所以我觉得现在大家首先关注的还是智能能不能提升，只要智能能提升，成本肯定会快速下降，可能每年降到原来的二十分之一甚至几十分之一。所以对降成本倒不是特别担心，至少在美国，大家相信这个曲线一定会发生。

Q：所以降成本其实在一个轨迹里的，后来 Anthropic 的创始人 Dario 不是写了一篇很长的文章吗，他前面的分析还挺充分的，就是说降本是在大行业的曲线上。

戴雨森：对，包括智能提升方面。当然篇文章后面写得有点气急败坏了，但我觉得他对前面技术的分析挺正确的。按照他的说法，他们对 Sonnet 模型的对齐工作经历了很长时间，因为他们很强调安全性之类的。确实，Sonnet 甚至都不算一个推理模型，所以他们还是挺厉害的。

听说他们马上要发布 Claude 4 了，我觉得这从一部分来说也许也是 DeepSeek 带来的好处，就像鲶鱼效应一样，模型界来了一个实力强劲又要开源的对手，大家就不得不加快步伐了，这确实是件好事。而且回过头看，DeepSeek 还有个优点，它是一个全新的应用，一上来就是 R1 和搜索的结合，是从一张白纸开始做新产品，这是个大的特点。

还有个特点，我后来才意识到，大家在训练推理模型的时候，其实都是对标数学和编程能力。我们看 DeepSeek、OpenAI 还是 Kimi 发的论文，都是用美国数学邀请赛（AIME）、数学竞赛（MATH）、代码基准测试（Code Bench）这些来做对标。但 DeepSeek 出现后，突出的反而是它的文笔。听说它第一次专门做了文笔方面的对齐工作，甚至还找了北大中文系的人来做标注。

我们一开始看到它的回答时，第一反应是觉得说得有点天马行空，动不动就扯到量子力学。其实对 OpenAI、Kimi 还有豆包来说，它们之前一直是要避免这种情况的，因为训练模型时都怕模型胡说八道。

但我觉得 DeepSeek 一方面可能是有意在文本上做了对齐，另一方面，毕竟它之前定位是 research lab，所以没太对所谓的中立性、truthfulness 进行微调，所以它发布后大家直接就用了，没想到这个特点反而成了好的特性。

我们发现很多人传播它，就是因为觉得它的回答、思考过程特别有创意，我不知道这是不是阴差阳错，但事实上也会导致它传播率更强。

Q：你跟圈子里的人聊过吗？他们觉得这是阴差阳错造成的吗？他们是有意训练的写作能力吗？

戴雨森：我听一些人说，他们可能确实在写作能力方面对模型进行了加强，但也有人觉得这或许是对齐不够充分导致的结果。所以我觉得这两种情况都有可能，我确实也没有确切的答案。

不过单从结果来看，这是出圈的一个很重要的原因。因为真正用它做数学题的人没那么多，大部分人反而是拿它来算命之类的，然后突然发现它给出的结果让人觉得很有道理。还有像 MBTI 测试这些，大家并不觉得这是一个 AGI 的前沿模型该做的事情。

Q：大家对 DeepSeek 还有一个比较好奇的点，就是它到底是怎么赚钱？刚才我们也聊到，腾讯、百度，还有很多大小的公司都接入了 DeepSeek。不过我理解，它实际上不会直接从这些接入里赚钱，对吧？

戴雨森：如果你只是用它的模型，它已经开源了。DeepSeek 目前能直接赚钱的方式就是卖 API，而且我听说它的 API 是有毛利的。因为他们在推理方面做了很多 infra 的创新，所以相比其他公司，他们 serve 自己的模型成本更低。

现在很多人都想用它的 API，可它现在面临的问题是算力不够。因为它还要进行模型训练，前阵子它好像还关掉了 API 充值入口，意思就是别给我钱了，我服务不过来。这就是商业模式的一种体现，很多人都问能不能付钱买一个稳定的版本，有点像 GPT Plus 那种订阅制。所以我一直觉得，在技术革命的早期，不要太快的用成熟期的标准去要求商业模式。应该先靠技术为用户和客户创造价值，然后再从这些价值中提取一部分作为收入。我觉得这是迟早会实现的，只是需要一些耐心。

Q：关于这个事情你是在 2024 年就有了清晰的认知？还是说在受到 DeepSeek 带来的冲击或者启示之后，才有了更清楚、更坚定的想法？

戴雨森：我觉得这也是一个不断学习的过程。我们 80 后入行的时候，移动互联网已经逐渐兴起，或者说互联网已经进入下半场了。在最早期，比如 90 年代的时候，我那时候也是互联网用户，但当时根本没考虑过商业模式的问题。我觉得应该经常以史为鉴，想想为什么很多早期的互联网公司，都是凭借当时很强的技术做起来的。

其实复盘一下 Google 遇到的第一个问题，它用 PageRank 这项新技术打造出了体验好 10 倍的搜索引擎，用户特别喜欢，还自发传播。但那个时候它其实不知道怎么赚钱，因为一开始谷歌的搜索引擎是没有广告的，界面很清爽。1998 年上线后，2002 年《纽约时报》有篇文章就说「Google最难搜索的就是它自己的商业模式」，批评它没有自己的商业模式。但后来大家也知道了，2002 年它逐渐找到了 AdWords 和 AdSense 这两种商业模式，2004 年上市后成了现在最好的「印钞机」。这是个很好的例子，一开始你问  Google 商业模式是什么，它其实也不知道。但它首先是有技术突破，凭借技术打造出好产品，然后再把产品的价值变现。

Q：所有的技术突破都会有这样水到渠成的过程吗？还是说我们存在幸存者偏差，只是看到了那些后来取得巨大商业成就的技术突破？

戴雨森：当然，不可能所有的技术突破都能赚钱。不过我觉得，得看技术突破处于哪个发展周期。我还是那个观点，现在是一个技术变化斜率很陡峭的时候，那这个时候，要是逼着现有的技术去变现，就好比让一个天资聪颖的高中生去赚钱，他可能只能去做些搬砖之类的活，赚不了什么大钱。但要是多培养他，等他成为博士生，那就能赚大钱。所以我觉得，如果技术发展已经到了平缓期，比如移动互联网，五年前的技术和现在没太大区别的时候，那才是商业模式百花齐放的时候。

我再举个例子，不只是 Google，Facebook 刚出现的时候，提出了一个非常前沿的产品，引发了「病毒式」传播。但那时候大家也不知道 Facebook 怎么赚钱。它尝试过放横幅广告，尝试过本地广告，后来还做过游戏中的广告，可这些都没赚到什么钱。直到2012年，它把 news feed 从时间排序（就像微信那样的排序方式）改成了推荐排序，形成了所谓的信息流推荐模式。只有做成了推荐信息流排序，才能插入广告。所以它在 2012 年推出了信息流广告（news feed ads），并且同年上市。当然现在信息流广告也是超级「印钞机」，字节跳动的核心商业模式。但 Facebook 是 2005 年上线的，信息流在 2007 年上线，推荐信息流是在 2012 年上线，同时找到了真正的商业模式，这中间花了 6 到 8 年的时间。那时候 Facebook 一直是用户很喜欢、但商业模式不清晰的公司，所以伟大的公司往往都经历过这样的阶段。

Q：你觉得字节跳动会开源吗？

戴雨森：首先，开源是不是每个人都必须做的事？第一，得处于领先地位，开源才有价值。要是开源一个不怎么样的东西，只是为了开源而开源，那没什么意义；第二，我觉得开源稍微弱一点的形式就是免费。免费加领先，我觉得这就很厉害了。

是不是一定要开源？我觉得这次 DeepSeek 有个「甜头」——它开源后引起了西方的高度关注。在美国引发大新闻后，回到国内大家就更觉得它厉害了，让美国人「破防」了。当然，开源也有像和微信合作这样的形式，但我在想这不仅仅是开源的问题，而是公司得坚持做这件事。比如说，假设现在豆包开源，微信会接入吗？我估计不会。所以这不是开不开源的简单问题。假设豆包现在和 DeepSeek 一样厉害然后开源了，我估计微信也不会接入，阿里的千问估计也不会。这不是说它们能力不行，而是从阿里和字节的立场来看是这样。所以我觉得梁文锋他们厉害的地方不只是开源，而是他们坚持开源，而且他们的市场定位是一个不会让大家感到威胁的定位。

Q：对，坚持开源，而且保持中立，没有接受某个大厂特别多的投资。

最近还有个变化，就是 OpenAI 也在考虑开源。阿尔特曼（Altman）发了一条推特，给大家两个选项：一个是可以开源 o3 mini，还有一个是可以开源 phone size 的 model，就是一个适用于手机端的模型。你更期待它开源哪个呢？

戴雨森：当然，我觉得开源哪个都很好，但我肯定对 o3 mini 更感兴趣。因为我觉得目前手机端的模型用途可能还不是那么大，现在大家更需要在智能前沿取得突破。o3 mini 是一个很强大的模型，在经过较长的推理时间，也就是现在 GPT 里的 o3 mini pro、o3 mini high 模式下，它的表现非常好。如果这样级别的模型能够开源，大家能知道它是怎么做出来的以及它的特点，我觉得对大家会有非常大的价值。而且听说这个模型的规模也不大，所以这可能对大家在模型训练和应用方面会有很多借鉴意义。

Q：你听说它有多大？

戴雨森：比较可靠的消息来源，听说它每次激活的规模是 3.7B 的大小，这确实让我有点震惊，感觉确实有点太小了。但这个尺寸意味着，他们确实能把一个很大的 o3（o3 应该是挺大的），变成一个很小的 o3 mini，然后让 o3 mini 经过更多的思考时间，从而得到很好的结果，这确实是一项很厉害的工作。

Q：他们之前其实分享过自己不开源的顾虑，他们认为开源会削弱竞争优势，比如会给 Google 可乘之机。

戴雨森：所以我觉得这是梁文锋伟大的点，他确实把很多技术秘密分享给大家，让大家都能变得更好。但从纯商业公司的角度来看，确实会有很多担心。毕竟除了刚刚说的问题，OpenAI 还担心强大的 AI 会被坏人利用，这可能也是一个很合理的担忧。

Q：你觉得 DeepSeek 对那些本来就在开源生态里想要主导的公司，比如 Meta 和阿里这样一直都在开源的公司，会有什么影响呢？

戴雨森：我觉得肯定是一种激励。大家发现来了一个更「卷」的对手，原来开源社区，开玩笑地说有点像「赛博佛祖」，有点做慈善的感觉。不管是阿里还是 Meta，都是大公司拿出算力给大家用，带动整个行业发展。但现在来了一个进步更快、更开放的 DeepSeek，这肯定对大家来说既是压力也是激励。但确实，我觉得 DeepSeek 的中立性是一个比较独特的优势，腾讯也可以用、千问也可以用，这不仅仅是能力的问题，是他的屁股坐在哪儿的问题。

Q：苹果最近不是也和 DeepSeek 有过沟通合作之类的吗，不过最后它选择了阿里。

戴雨森：苹果和很多公司都聊过，也和 Kimi 聊过。我觉得从苹果的角度来看，选择阿里很好理解。它肯定要选一个服务稳定，能很好应对大规模用户量，不管是 infrastructure、服务还是技术经验等方面都很出色的合作伙伴。

Q：其实这一轮阿里还是比较开放的。

戴雨森：千问和 Llama 挺兼容的，而且它的产品模型不错，更新也很频繁，所以其实很多开发者都在用千问。说实话，DeepSeek 的 R1 在使用的时候，因为存在很多「幻觉」，所以如果用它来做应用，可能不一定是最好的选择。

Q：在 DeepSeek 全民爆火之前，在海外技术圈，我觉得千问和 DeepSeek 的影响力是比较相当的，因为它们俩都是开源系列的。

戴雨森：确实，复盘一下就会发现，不管 Kimi 的 benchmark 做得多好，如果对别人不开放，不能开源使用，也不提供海外应用服务，那在海外确实就没有认知度。

Q：你们之前是怎么讨论的，Kimi 为什么不开源？

戴雨森：我觉得即便到现在，开源也不是一件必须要做的事情。就像我刚才说的，开源只是公司在某些情况下的一种选择。比如说，在没有保密竞争压力、没有融资压力的情况下才会考虑开源，而且我们现在看到的是事后的结果，因为开源再加上一些偶然的机会才会有现在的情况，所以我觉得开源不是必备选项。当然，选择开源的人很厉害，非常值得尊敬。但对于一家商业公司来说，核心还是在于能不能创造用户价值，并最终将用户价值转化为商业价值，所以我觉得开源不是必经之路，只是一条很有意思、很创新的路。

Q：但今天所有的探索 AGI 的公司都不会以用户价值作为核心的。

戴雨森：很多还是以技术价值为主。我只是说在技术增长期，只有技术价值提升了才能带来用户价值。所以我觉得在技术前沿进行探索是非常关键的。大模型出现之后，可能涌现出了一批所谓比较务实的投资人或创业者，他们想着用现有的技术去赚钱。但我觉得 Kimi 肯定属于另外一类，它是要推动技术前沿的提升，这又回到我们一开始说的，打造出令人惊叹、如魔法般的产品体验，最终获得商业价值。

其实 Kimi 在 2023 年火起来，它火一个很重要的原因是，它是第一个把 chat、搜索和长文本结合起来的产品。大当时 ChatGPT 是不能搜索的，而且 ChatGPT 对于长文本、多文本、多文件的处理也不是很好。所以 Kimi 在前两三年，就是凭借着长文本处理的技术理念，以及将搜索和聊天相结合，带来了不一样的用户体验，从而成功出圈的例子。

Q：当年选择做长文本是非共识吗？做这个决策很难吗？

戴雨森：其实当时长文本肯定是技术选择中的一个选项，但要不要把它放在最重要的位置去做，我觉得这并没有达成共识。当时有个不知道真假的段子，据说百度在 Kimi 火了之后，就说为什么 Kimi 做了长文本他们却没做，好像是说长文本的优先级没排在他们第一批要做的事情里。因为当时还有很多其他优先级更高的事情可以做，比如也有很多人做 CharacterAI，做那种情商方向的对齐。但 Kimi 坚定地选择了长文本，并且把它做到了极致。因为长文本能解锁两个关键场景，一个是处理多个文件，第二个就是搜索，比如看 100 个网页然后进行总结，这两个场景没有长文本是做不出来的。

尤其在当时，Kimi 刚成立，还没融到那么多钱。团队也是年轻人、小团队，资源受限，必须专注在一件事情上，选择一个正确的方向。其实 DeepSeek 现在火的很多因素，放到 2023 年的 Kimi 身上也是成立的。当资源有限的时候，就要在一个关键的点上实现突破，给用户带来那种非常惊艳的体验，这样才能出圈。所以我总结了一下，发现有很多相似的地方，这不是往自己脸上贴金，我是真觉得它们有一些相似之处。

Q：那长文本对 Kimi 现在做的事情有帮助吗？

戴雨森：比如说同样做 retrieval，Kimi 在 truthfulness、准确度方面其实做得更好。当然，普通用户可能不会去这么对比。说实话，现在很多用 DeepSeek 的用户，对于产生的「幻觉」是没感觉的，但说不定你用它写个报告，回头就被坑了。我昨天就遇到了这种情况，在一个群里，群里的人还都挺有水平的，有人发了篇文章，我一看，里面 DeepSeek 味道怎么那么浓。

Q：你觉得 DeepSeek 大火出圈之后，对之前这段时间经常被拿来和它比较的大模型「六小虎」，会有什么直接冲击？

戴雨森：说实话，我觉得它确实起到了清场的作用。在 R1 出圈之前，「六小虎」里就有几家已经不做自己的技术模型训练，也没打算冲击 SOTA  了。我觉得 R1 出来之后，也让大家意识到，如果没有做到 SOTA 的可能的话，确实还不如去做垂直领域或者应用开发。

Q：他们放弃是因为什么？

戴雨森：有资金的原因，也有团队、自身定位的原因。我们作为 Kimi 的天使投资人，实际来讲，就拿 K1.5 这个模型的表现，以及他们接下来要发布的模型来说，在我们刚才提到的 MATH、coding 方面还会有进一步的表现。从学术贡献上看，至少从 reasoning 方面，K1.5 提出的 long-to-short 等技术分享 得到的评价也挺好的。而且今天发布的 Moonlight，还有前两天发布的 MoBA，这也说明 Kimi 团队有能力持续和技术同行进行交流输出。

同时，Kimi 现在的用户量已经达到了千万 DAU 的级别，而且还在持续增长。说实话，不少人在用过 DeepSeek 和 Kimi 之后，在很多场景下还是更喜欢 Kimi。比如说 Kimi 的「幻觉」更少，在一些工作场景中表现更好。在一些多模态推理方面，像拍照搜题这些场景，目前 DeepSeek 还没做。所以，可能我这话有点私心，但我确实觉得从团队资金、技术能力、用户产品这些角度来看，Kimi 是现在「六小虎」里唯一有能力持续参与 SOTA 模型竞争的。当然，这条路很难走，需要钱、需要人等各种条件，但我觉得至少值得一试。

Q：Kimi 接下来会更专注吗？会砍掉一些东西吗？

戴雨森：他们已经砍掉了很多东西，比如海外业务，他们现在就是要继续冲击 SOTA。

Q：他们正式不做视频生成了吗？

戴雨森：至少从目前来看，我觉得有所不为很重要。

Q：「六小虎」里的多数（公司）在 DeepSeek 出来之前就已经放弃了，这在你的预期之中吗？

戴雨森：其实在 2024 年年中我们就感觉会是这样的结果。因为那个时候就有几家很明显，不管是从意愿还是资源方面，都很难再继续下去了。我觉得 Kimi 有一点挺好的，就是它的团队非常稳定。这和他们团队的构成有关，联合创始人之间都有长期合作。可以看现在各家模型公司人员变动都挺大的，其实创业就像走平衡木，走着走着同行的人就越来越少，很多时候能一直留在牌桌上就已经很厉害了。

Q：刚才我们主要聊的是 DeepSeek 对模型公司的影响，包括大公司，不管是开源的还是闭源的，还有一些创业公司。接下来可以聊聊其它生态里的公司，比如说，在 DeepSeek 带来的更开源的风潮里面，会产生什么样影响？我想到一类公司，就是 AI 云平台。按 DeepSeek 的预告，接下来的开源周它是要开源 infrastructure 层的一些推理优化技术，那这对硅基流动、无问芯穹这类公司在创业方面可能会有什么影响呢？

戴雨森：我们是无问芯穹的天使投资人，他们的业务量增长得很厉害，收到了很多需求。尤其是各地国资、政府都在拼命想部署 DeepSeek，这方面的需求暴涨。

他们做了很多创新，包括在华为的卡上做推理也很火，很多人都想用。我觉得开源模型的「火」，确实给 AI Infra 公司带来了很好的机会。原来这些公司要 serve 什么模型？如果都是豆包、Kimi 这类闭源、私有模型，那它们确实发挥不了什么作用，因为字节跳动自己会做 serve。但从长远来看，还得看它们能不能持续服务好客户。毕竟公有云公司，像腾讯云、阿里云、火山引擎，确实资金充足，Infra 能力、资源包括客户服务能力也更好，所以对于客户来说，他们肯定也不是做慈善，谁能服务得好，又价廉物美，他们就选谁。所以对创业公司来说，还是有很多挑战的。

而且 DeepSeek 要开源这些「黑科技」，这意味着它在服务方面其实也有很多优势，同样的服务它成本可能比别人低。因为短期内因为算力需求激增这肯定谁也没想到，它自己扛不住，让别人来承担这也很正常。但如果进入稳定状态，这些创业公司面对大的公有云公司和 DeepSeek 第一方服务，是否还有优势，这还得再观察。但总体来说，肯定是创造了很多机会。

Q：其实 AI 云平台夹在云和模型中间对吧？它有可能受到两边的挤压，但也可能因为生态的变化获得一些机会。

戴雨森：对，如果开源之后中间这一层的选择变多了，比如有不同的框架、不同的模型可供选择，那中间这一块就会变得越来越好。但如果最后像操作系统那样，收敛到只剩下像 iOS 或者安卓这样的少数选择，那可能最后还是由系统提供商来提供。

Q：你觉得它对广大只做应用的公司会有什么影响？

戴雨森：我觉得肯定还是正面的。就是多了一个更好的、开源的、还能自己微调的模型可以用。在这个过程中，要是想在模型的主航道上做 office 相关的事情，那还是挺难的。但要是做的事情是丰富模型生态，那就不一样了。我一直打比方，在技术革命的早期，就相当于黑莓时代。因为那个时候黑莓技术能力有限，所以你有的 PMF 是很少的。黑莓时代主要就是发邮件、发信息。就算张一鸣回到那个时代想做抖音，也做不出来，因为黑莓不具备那样的条件。但后来移动互联网为什么能蓬勃发展？首先是因为有了 iPhone，它实力够强，解锁了很多新场景。它有好的摄像头、好的屏幕、好的网络、好的芯片，所以才能解锁短视频、移动电商、社交网络这些场景。

iPhone 之后就是安卓，安卓让市场变得更开放，小米、OPPO、vivo 等更多手机厂商加入进来，进一步把智能手机普及开了。比如说 Sonnet 和 4o、o1，有点像 iPhone 时刻，就是闭源的技术进步让很多人能在它上面构建应用。而 DeepSeek 可能就是安卓时刻，它从闭源变成开源，同时实力也足够强，让大家做应用有了更多选择。所以技术进步一方面能带来更好的产品体验，导致出现「杀手应用」；另一方面也能让生态变得更繁荣。原来只能做有限的几件事，有了 iPhone 和安卓之后，才能做抖音。

Q：然后我还想聊聊 o1 和 R1 对大家都很关注的基础设施算力需求的影响。其实 DeepSeek R1 有段时间特别火，这和刚才我们说的英伟达股价大跌有关系。有一种观点觉得，是不是因为它训练成本低，所以会减少对算力的需求。包括我看你也发了一些朋友圈，很多人对此也有不同看法。

戴雨森：我觉得算力需求有不同的结构。原来就是训练和推理，在 2023 年到 2024 年的军备竞赛阶段，大家简单总结成一句话叫「大力出奇迹」，好像觉得只要买足够多的卡，就能得到更好的结果。当然，那个时候预训练还没撞墙，或者大家还没意识到撞墙的时候，这么说也能成立。

但现在我们发现，pre-training 短期大量投入，确实边际效益是有限的。比如 Grok 3 是用 20 万张卡训的，虽然有进展，但边际效益在递减。所以不能说「大力出奇迹」是错的，只是它产生奇迹的边际效益在递减。但我认为会发生的事情是，由于模型的能力已经达到了做 Agent 产品的临界点，并且还在不断突破。所以当 Agent 产品形态能落地之后，它使用的 token、inference 的算力会大幅增加。如果只是做 chatbot ，你和 ChatGPT、Kimi、豆包聊天，没那么多能聊的，花不了多少 token。当它能帮你做更多、更复杂的事情，需要更多工具、思考时，inference 算力的需求可能不是提高 10 倍，而是 100 倍、1000 倍地增长。这种情况之前没法发生，因为技术没达到那个程度。但现在我觉得技术到了这个转折点，推理需求可能会大幅提高。

Q：百倍千倍的推理算力需求增长，会在 2025 年就出现吗？

戴雨森：首先，从技术发展历史的角度来看，是 2025 年、2026 年还是 2027 年发生这件事，其实一点都不重要。就像自动驾驶，最终它能发生才是最重要的，具体在哪一年实现，其实没那么重要。

但我觉得现在 Agent 产品，至少我能感觉到它已经快要出圈了。比如说 Deep Research，它需要的 token 肯定多很多。这也就是为什么阿尔特曼说 GPT Pro 虽然每月收费两百美金，但还是在亏钱，因为那个时候 inference 的需求增加了很多。不过我觉得这里面有两个情况，一是 pre-training、post training inference 花的占比会发生变化；二是这确实会对英伟达产生格局上的影响。在 2025 年 2 月，英伟达在推理和训练方面，肯定还是性能最强且效率最高的选择。不过我们也看到，当 R1 火了之后，国产芯片就开始针对 R1 进行优化了，这种定点优化其实效果更好。

Q：其实已经在用昇腾了。

戴雨森：他们已经看到昇腾的 910B 了。

Q：而且即便用英伟达的产品，也可以用 FP4 推理技术的优化。

戴雨森：是的，我觉得一直以来都存在这种情况，当技术还没有收敛时候，GPU 具备很强的通用性。或者为什么会有英伟达？最早都是 CPU，它是最通用的。后来大家要玩游戏，游戏有很具体的需求，所以就做了 GPU，专门用来加速游戏，当然后来 GPU 可以做 AI。目前，GPU 对于 AI 的通用训练和推理来说，还是最通用的选择。但要是只服务于某一个具体的模型，有两种做法。一种是像昇腾这样，可以专门做优化；另一种做 Eclipse，像博通、Marvell 那样去做。

Q：或者像谷歌做 TPU 那样，针对自身的需求去优化。

戴雨森：其实这也是一种专用化。一旦架构稳定下来，在芯片领域通常就能通过专用化来实现更高的效率。所以这里就涉及到架构到底会不会固化下来，我觉得这也是大家激烈讨论的点。目前来看，O1、O 系列这条路能走得很远，那可能 ASIC 就会逐渐 work。但从另一个角度，假设明年、后年架构基础发生变化，Transformer 都不 work 了，换成其他架构，那做 ASIC 可能就白做了，还得依靠 GPU，所以这里面有很多不确定因素。不过英伟达确实存在一个问题，就是它现在市场份额太高了，很难 go up。

Q：对，它好像已经到顶点了。

戴雨森：对，它的市场占有率都 90% 多了，所以有往下走。这种走下坡路的可能性让很多人很担忧。现在一方面大家对未来算力需求的预期比较高，另一方面对英伟达的市场格局以及由此带来的毛利率预期也比较高。一旦市场格局出问题，它的毛利率可能也会受影响，这是大家比较担心的地方。但要说现在大家都在做什么，包括 DeepSeek 最想获得的是什么，肯定还是英伟达的产品，能买多少就买多少，想尽办法去买。

Q：其实这一波最稳的还是博通。

戴雨森：博通或 Marvell，这两个表现都挺突出的。但要是说 ASIC，第一，基本上得到 2027 年才能用得上；第二，这里面还存在一些情况，比如价格变化可能会导致 ASIC 这条路不 work。并且要做出 ASIC 并投入使用，在产能、良品率、效率等方面也有很多问题，不是说想设计就能做出来的，所以这里面有很多不确定因素。

当然，英伟达也遇到了一些问题，比如液冷问题、整体良品率问题等。反正我认为 Agent 产品的落地，对算力来说肯定是整体利好的，大家现在也都听到了这个词杰文斯悖论。但英伟达市场格局是否会变化，只能说出现了一些新的可能性。所以对于炒股票的人来讲，Deepseek 出来后的第一反应可能是看到相关新闻先抛售再说，现在好像问题不大，再加回来。

Q：我们刚才聊了很多对未来的展望，有些可能今年就会出现，有些可能要等很久之后。总结来说，你觉得 2025 年我们大概率会看到些什么呢？

戴雨森：我觉得我们会看到更多的「李世石时刻」，就是在一些任务上，AI 超过 99% 的人类，其实这种情况已经在陆续发生了。比如说写代码，现在 AI 写代码的能力应该比 99% 的人类都要强。

Q：是超过 99% 的程序员，还是 99% 的人类？

戴雨森：我现在说的是人类，但我觉得超过 99% 的程序员可能也快了。因为在 Codeforces 竞赛级别的编程中，AI 已经超过 99% 的程序员了。不过竞赛级编程和日常编程产出不太一样，日常编程可能需要更多的上下文信息，还要读取各种代码库。但我觉得类似这样 AI 在能力上打败人类，或者打败精英人类的情况会越来越多，我们会看到更多让人惊叹的相关新闻。另外，我觉得会有更多以更方便、更实用的形式呈现的 Agent 产品出现，成为现象级产品。可能不会有几亿人使用，但我觉得能进一步破圈，达到像 Cursor 那样的破圈程度。

Q：Cursor 现在的日活是多少啊？

戴雨森：日活我不太清楚，但它的年度经常性收入（ARR）大概有 1 亿美金左右。日活很难衡量，所以别用日活来衡量 AI 产品。用户愿意为产品提供的价值付多少钱，这可能才是关键。我觉得模型的发展速度会加快，开源和经验分享也会增多，这还挺有意思的。其实在中国，我们现在刚有了在美国经历 ChatGPT 爆火时的那种感觉，因为现在各地的政府都开始用 DeepSeek 了，大家也都在接入 DeepSeek，我觉得这对于提升大家对 AI 的认知度很重要。大家会意识到，原来 AI 这么厉害。之前 Kimi、豆包等模型加起来可能也就几千万的 DAU，月活可能都不到 2 亿。我觉得这也就是让大概十分之一的人用上了比较先进的 AI 模型。但要是能让百分之几十的人都试用过比较先进的模型，感受到 AI 的强大，那不管是从创业者、用户、新产品的角度，还是从投入资源和资金的角度来看，我觉得整个行业都会迎来一场像寒武纪生物大爆发那样的生态繁荣。

Q：现在是 2025 年，你也说过，2025 年在有些领域可能会出现「李世石时刻」，也就是 AI 超过 99% 的人类，甚至是精英人类。我感觉 DeepSeek 这个事儿，让整个行业发展的速度变得更快了。那你觉得，如果我们更快地实现 AGI，或者在更多领域解锁「李世石时刻」，之后会怎么样呢？我现在都有点想象不出会发生什么变化，比如人要去做什么，社会结构会怎么改变。

戴雨森：我觉得我们正处在人类历史上一个非常有意思的时期。其实指数增长是世界发展的常态，因为我们每年都是在前一年的基础上增长。但能亲眼见证并亲身感受指数增长，是很罕见的事情。

Q：你说的指数增长是指什么？是经济总量，还是其他方面？

戴雨森：GDP 每年增长 2%、3%，这不就是指数增长吗。不过一般来说，这种指数增长得用一生去体会。比如说，今年和明年比可能变化不大。但在 AI 上，具体讲，从 o1、o1 Pro 再到 Deep Research，我在短短几个月内就明显感觉到了它的指数级增长，这种体验很特别。而且我觉得这会让我们对未来的预期发生很大的改变。

所以现在很多人都在问，AGI 是什么，实现 AGI 之后会怎样。我个人觉得，AGI 确实会对生产力、社会，甚至政治、文化都产生很大的影响。但具体它到来之后会有什么影响，我觉得我们得做好应对冲击的准备。因为像安全问题，以及新技术出现后如何解决社会福利问题，我觉得只有当这些情况真正发生时，大家才会真正重视起来。

Q：而且这个能力掌握在谁手里，其实是影响世界格局的。

戴雨森：所以加速主义就认为 AI 肯定会发展，坏人会用 AI 去做坏事儿，所以好人应该更快的发展 AI。

Q：比如会出现搞金融诈骗的情况，包括像韩国之前出现的那种 Deepfake AI 色情。

戴雨森：所以就得有更强大的手段去侦查 Deepfake，因为人已经没精力去甄别了，我觉得这肯定会带来巨大的影响。其实我在想，一方面很多人可能会失业，我觉得这种情况大概率会发生。现在大家对通 AGI 的定义就是它能替代多少人的工作，如果 AGI 的作用就是替代人的工作，那实现了 AGI，不就等价于很多人会失业吗？当然，这是从社会层面来说。也有人说那个时候物质会极大丰富，每个人都发钱了，但我也不知道到底会怎样，我觉得肯定会有很多冲击。

但从另一个角度看，我们人眼中的真实会发生巨大变化，不管是视频生成、图片生成还是内容生成。我是 1986 年的，我出生的时候，一个人能接触到的信息全都是经过权威认证的，要么是书、要么是报纸，不然根本没办法出版传播。后来互联网的巨大意义在于，能让普通人写的东西被大家看到，现在 AI 变成了你想要什么就能生成什么。其实我发现，包括我自己在内，很多时候都没有判断力了，没办法甄别信息的真假。所以在这样的环境里，如何进一步适应，建立起自己的认知体系，我觉得这是非常重要的问题。

Q：有一个网络流行语，现在越来越有深意了，它大概意思是「视频没法 P，所以是真的」。

戴雨森：对，现在视频都能生成了。我觉得这对我们的社交以及认知世界的方式都会产生很大的影响。我发现科技发展有个规律，第一波往往是最厉害的人创造出最强大的技术，第二波就是用强大的技术为最厉害的人打造最强的工具。就拿计算机来说，一开始它是为了解决核爆炸问题或者破译密码问题而出现的。这种为「超人」设计的超级工具，会逐渐走向大众化，普及到普通人，然后变得小型化进入家庭，再发展到移动化，到处都存在。

我们现在还处于最厉害的一群人给精英人群打造超级工具的阶段。但我觉得这个东西最终肯定会惠及大众。当初我们投资王慧文的光年之外，口号就是「加速 AGI 普惠人类」，我觉得普惠大众肯定是最终的结果。不过中间肯定会像威廉・吉布森说的「未来已来，但分布不均」，现在确实分布得不均匀。所以我觉得不管是 DeepSeek 这种开源也好，还是像 Kimi、豆包这种大用户的产品也好，其实都在加速未来更加均衡地分布，这都具有重要的意义。我觉得新技术最终是要惠及大众、全人类的，这样才有真正的价值，而不是只掌握在少数有钱人或者少数公司手里。我觉得这整体来说是我希望看到的结果。

Q：我比较好奇，你个人在为可能更快到来的 AGI 做一些什么准备？

戴雨森：锻炼身体。我觉得在投资领域优秀的创业团队其实很重要。有了更多的技术创新之后，创业者就显得尤为重要。当然，梁文锋一开始也是创业者，只不过他太厉害了，自己炒股、自己做量化就能赚到钱。还有很多可能成为梁文锋那样的人，他们或许缺少启动资金。所以我觉得 VC 在这个时候很重要，尤其是早期投资。因为从理论上来说，早期投资承担的风险最大。要是很多事情都已经确定了，那也就不需要我们了。但我觉得现在又回到了一个充满不确定性的时期，不是每个人都能像梁文锋那样，自带 100 亿干粮。

Q：你觉得下一代应该如何接受教育？他们应该学习什么？我觉得这是很多人都在思考的问题。

戴雨森：我认为最重要的是提出问题的能力。比如说，我经常会遇到这样的情况：面对一个能力很强的 deep research，我应该问他什么？我应该如何指挥他？作为 AI 公司的老板，我每天要考虑让大家做什么，今年的方向是什么，这个月的重点是什么。这个过程其实需要大量思考，因为事情不会自己推进，我们需要主动决定方向。但目前的教育体系更多是教授学生「会做什么」，让他们掌握技能。

然而，很多技能现在已经可以由 AI 代替，或者可以通过指挥 AI 来完成。那么，在这种情况下，我们自己应该做什么？这成为一个非常重要的问题。其次，我们当前的许多工作本质上是一种「缝合」工作——将各类信息复制、拼接、整理，最后形成一份报告。但 AI 在这方面已经比人类做得更好。因此，我们要思考自己的内容是否能为人类或整体知识体系增添独特价值。

就像我们现在的对话，可能也有「缝合」的成分，但至少可以诞生一些独特的数据。那么，我们的工作能否创造出 AI 训练数据中不存在的独特信息？还是仅仅在重复 AI 已有的内容？这一点对教育和工作的本质都会产生重大影响。

Q：马斯克那句话我觉得特别有意思，简而言之就是：「我想在火星上死去，但不是在着陆时。」

戴雨森：对，关键是别撞死。

Q：我有一个比较个人化的问题。你最近在做投资，同时也即将学习 HI（Human Intelligence），还在研究二级市场。面对这么多领域，你如何保持高效的学习速度？

戴雨森：也没有特别快，否则我早就更深入地研究 DeepSeek 了（笑）。其实在 V3 发布的第二天，也就是 12 月 27 号，我就在家里组织了一场讨论会，邀请了十几个朋友，包括字节和各个 AI 研究机构的朋友，一起探讨 AI 领域的最新进展。当时正好有 DeepSeek V3 的发布，非常振奋人心。这说明我们的学习能力还是不错的。

比如 MLA 发布的第二天，我就觉得它非常厉害。当时我在美国，和朋友们讨论这个技术。我认为兴趣非常重要——只有真正感兴趣，学习才会更有效。我自己也比较「多事」，比如 ChatGPT 发布当天，我就用到了凌晨四点，觉得这个技术完全不一样。这种习惯可能源于我 1998 年开始上网，1999 年第一次使用 Google。当时的搜索引擎很弱，几乎搜不到有价值的信息，而 Google 的搜索结果完全不同，给我带来了极大的冲击。

类似的经历还有很多，比如校内网上线的第二天我就开始使用，后来对整个互联网创业的发展有了深刻的印象。ChatGPT 发布后，我第一时间体验，并立刻组织研究小组。Devin 也是如此，我觉得它很有潜力，于是马上组织讨论。

回顾历史，互联网的第一批创业者往往是最早上网的人，移动互联网的先行者通常是最早买 iPhone 的人，甚至最早赚钱的特斯拉投资者，也是因为他们最早购买了特斯拉。因此，现在愿意花一点小钱甚至不花钱去体验未来，仍然非常重要。比如 Devin 订阅费是 500 美金一个月，乍一看不便宜，但对于朋友圈的投资人来说，可能只是喝一瓶茅台的价格，而这点成本可以帮助我们提前看到未来的趋势。

Q：确实。

戴雨森：所以最重要的是多动手实践，主动去阅读 paper，关注顶尖研究者的工作。比如 OpenAI、DeepSeek 以及其他前沿机构，他们的高质量信息大多是免费公开的，值得学习。去年年初，二级市场很多人认为 AI 需求会遇到瓶颈，2025 年行业可能会下滑。但我从行业内部的观察来看，完全不是这样。AI 训练仍然在加速，军备竞赛的趋势明显，各家公司都在大规模采购算力。我在去年下半年开始投资 ASIC，当时的逻辑是，尽管 ASIC 未来可能很重要，但短期兑现度还不高。类似的故事在行业内屡见不鲜，比如早年 AMD 被认为会挑战英伟达，如今 ASIC 也被认为可能威胁英伟达。

Q：ASIC 其实已经冲击了英伟达好几次，当年 5G 时代的一些公司就是 AC 公司的代表。

戴雨森：是的，每次看似会有冲击，但最终影响有限。不过二级市场往往是「先炒再说」，兑现情况并不一定重要。二级市场的一个有趣之处在于，它可以作为一种验证认知的工具。比如，我很早就知道 DeepSeek 很强，但他们并不需要外部投资。这种情况下，二级市场就提供了一个「投注」的机会，就像训练模型需要 reward signal 一样，市场的反馈可以验证你的思考是否正确。因此，我认为二级市场真正的价值不是赚钱，而是提供一个不断检验和修正认知的机制。

Q：那你现在如何利用 AI 工具进行投资决策？

戴雨森：Deep Research 给了我一个很具体的案例。前阵子特朗普每周五都会发布新的加关税政策，当时我正在研究美国国债的交易走势。我向 Deep Research 提问：「2018 年特朗普宣布加关税时，美国长期国债利率的反应是怎样的？」

当时我有两种推测：一是加关税会推高通胀，长期通胀预期上升，导致国债利率上涨；二是市场避险情绪增强，投资者会卖出股票，转而买入国债，导致国债利率下跌。Deep Research 在 5 分钟内就给出了分析，指出 2018 年的历史数据表明，每次特朗普宣布关税政策，美国国债利率都会下降，市场倾向于避险。这一分析帮助我做出了买入美国国债的决策，最终证明是正确的。

Q：这确实是 AI 赋能决策的好例子。

戴雨森：是的，我问它一个问题，五分钟就能得到答案。如果换作是我的助理，或者一些二级市场经验丰富的朋友，他们可能要到第二天才能告诉我「会涨」之类的。在金融市场，快速响应真的很重要。

Q：你刚刚提到学习，似乎你对 AI Agent 有很强的兴趣？

戴雨森：对，我特别喜欢读书，这也是为什么我经常讲 Agent。我确实觉得它们极大地改变了我的生活。我有时读书会遇到一个很有趣的观点，想要深入研究，但如果自己查资料，可能会花很多时间，甚至影响读书的节奏。

我举个例子，Reid Hoffman 的新书《Super Agency》里提到了美国 GPS 发展的历史。美国最初担心 GPS 精度太高会影响国家安全，所以人为地加入了 100 倍误差，导致它只能用于非常粗放的应用。但后来美国发现这样反而限制了 GPS 的商业价值，于是克林顿政府最终取消了这个限制，使 GPS 彻底开放，也催生了美团外卖、滴滴打车等一系列应用。

这个例子让我想到 AI 技术的发展：到底是要以国家安全为由限制它，还是选择开放、共赢，构建生态？于是，我让 Deep Research 帮我研究 2018 年 GPS 开放政策的背景，并与当前 LLM 政策做对比分析。这种情况下，如果我自己查资料，可能一个小时就过去了，而我只需要让 Deep Research 先做着，我可以继续读书。等它整理完，我再看总结。

最终，我发现 GPS 开放的关键在于，美国开发了定向屏蔽 GPS 信号的技术，这样在战争时期可以局部关闭 GPS，而平时可以开放使用。这也解答了一个关键问题：美国政府如何在开放 GPS 的同时，解决国家安全的顾虑？这个过程如果让我自己研究，可能要花很久，但现在 Deep Research 就能帮我完成。这也是为什么我愿意为它付费——从时间价值的角度来看，绝对是划算的。

Q：200 美元一次，你觉得完全值得？

戴雨森：当然值得啊，200 美元买一次研究，平均到每次 2 美元。这种性价比太高了。

Q：你有没有一些其它书籍推荐？

戴雨森：我特别推荐一本书，叫《A Brief History of Intelligence》。这本书的作者是一位科技创业者，他从地球生命的起源讲到 GPT-4，总结了智能演进过程中的五次关键突破，并分析了每次突破的驱动力以及由此带来的影响。这是我 2024 年的年度推荐书目之一。

我还推荐给 OpenAI 的研究员，他们读完之后也觉得很有启发。这本书不仅能帮助我们理解智能的演化，也让我们意识到——我们可能正站在第六次大爆发的前夜，甚至已经进入了这个时代。

Q：还有其他推荐吗？

戴雨森：有一本更专业一点的书，叫《第一只眼》。它讲的是寒武纪生物大爆发的历史。地球上生命存在了 20 亿年，但一直是鼻涕虫一样的软体动物。然后在寒武纪的几百万年里，生命突然演化出了多个门类，生物多样性大爆发。

为什么会发生这样的进化？有很多理论，比如空气含量变化、海水成分变化等等，但这本书提出了一个「光变假说」，认为正是因为某些生物偶然进化出了感光细胞，它们可以感知光线，获得了生存优势。随着感光细胞越来越多，最终演化出了真正的眼睛。而当第一只眼睛出现时，整个生物圈的竞争格局发生了巨变，捕食者变得更强，被捕食者也进化出了保护机制，比如甲壳或者更敏捷的运动能力。

这个理论让我联想到 AI 发展的现状。DeepSeek 发布等一系列进展，让我觉得 AI 也处于类似的「寒武纪大爆发」阶段。当竞争变得激烈，所有人都必须快速前进，才能不被淘汰。这就像《爱丽丝梦游仙境》里的红皇后假说——「你必须拼命奔跑，才能留在原地。」

这种竞争推动了技术进步，使 AI 发展得越来越快。但从进化的角度来看，这既是生存竞争，也是智能发展的必然结果。

Q：刚才你提到智能的演化，语言的作用是不是也是其中之一？

戴雨森：对，语言其实是智能演化中相对晚期才出现的特征，它是一种高度浓缩的信息表达方式。现在的 AI 主要是基于语言模型进行训练，因为语言本身包含了极高的信息密度。

但这也引发了一个问题：如果 AI 真的足够聪明，它是否会重新发明一种语言，而不再局限于人类的自然语言？刘慈欣的某部科幻小说就提到，外星文明可能会认为人类用语言交流是极低效的方式。

所以，现在 AI 主要依赖语言模型，但未来也许会超越语言。AI 的思维速度远超人类，如果让它继续使用人类的语言，它可能会受到表达方式的限制。回顾智能演化的历史，有助于我们理解 AI 未来可能的发展方向。

Q：你提到了强化学习（reinforcement learning），它在智能演化中是怎么起作用的？

戴雨森：这本书也探讨了强化学习的起源，并通过大量进化生物学的案例进行分析。我觉得这些研究对 AI 领域有很大的启发。

Q：非常感谢雨森做客。今天我们从 o1 和 R1 这两个关键进展聊起，讨论了它们对 AI 格局的影响，以及随之而来的变革。2025 年，或许我们会迎来更多 AI Agent 的 PMF 突破，以及更多「李世石时刻」的到来。

戴雨森：谢谢邀请，我也期待 2025 年的 AI 发展。我们还处在 AI 智能革命大爆发的第一天，未来一定会有更多惊喜！