EP 120
价值流向何处？AI 市场调整、CoreWeave 危机与 operation loop
半导体暴跌与过度悲观情绪下的 AI 市场调整 0:00
卢正石 今天录制的日期是2026年10月24日，星期六早上。过去两周，市场波动得非常厉害。新模型在恰当的时机推出，已经成了再平常不过的事。而股市的波动可能才是最让大家震惊的。那些预计明年、后年仍会赚大钱的主要半导体公司，尤其是其中的韩国存储芯片公司，股价剧烈波动，较高点一度跌去近40%，甚至更多。再加上有人怀疑这是不是泡沫，而a16z等机构也拿出各种统计数据，向市场释放各种信号。对于该如何解读这些信号，大家似乎众说纷纭。我个人觉得，这种反应有些过头了。基础设施建设阶段还没有结束，但人们觉得这轮建设投资过度，需求被夸大、重复计算，实际需求又跟不上，因此感到不安，这种情绪似乎占了上风。
卢正石 另一方面，金融业的人士想必一直在看这些数字，可看看我们身边的人，大家也都盯着股票行情。海力士、三星电子，连美股也都打开看。能进入市场的资金已经全部进来了，没有更多买盘在后面支撑，市场的动能也有些耗尽了。这时如果再叠加悲观情绪，对做空的人来说，就是绝佳时机。果不其然，看看处于核心位置的CoreWeave或Nebius等公司，空头持仓量大得惊人。
所有 layer 同时变化的 AI 大转型 2:00
卢正石 现在大家似乎都在问这个问题。我自己也是，上次录制时就觉得，世界变化得太快了，每天追着变化跑、时喜时忧，大家都累了，似乎该退一步，思考世界究竟会走向哪里，现在似乎是探究这些问题的时候。不过，从历史上看，上次我们谈过铁路热、通信热，还有互联网和移动互联网，但这次变化的速度远非那些时期可比。这是第一点。第二点是，变化并非只发生在某一层。比如所谓的核心计算基础设施，或者核心通信基础设施，这次变化不限于某一种基础设施。不知道这个比喻是否恰当，从汇编语言到Python层面，上下各层不断相互影响，整个层级体系都在发生变革。过去通常是先把东西一层层搭起来，再在我们熟悉的应用程序之上叠加一个新层级之类的，变化只涉及一处。可现在中间的部分正整体被改写。
卢正石 这些变化叠加起来，人们的解读就真的各不相同了。金融业的人、做AI的人，还有不熟悉这个领域的人，所有人都参与到这轮行情中，在YouTube或Twitter上发表意见，彼此交换看法。现在正是各种观点相互交锋的时期，我也很难斩钉截铁地说这一定是这样、那一定是那样。不过，凭我的感觉，基础设施建设阶段还没有结束，需求还会再持续一阵，说不定还会持续很久，所以我觉得悲观情绪来得太早了。第二，从金融周期来看，已经没有更多人入场，做空占了上风，市场会经历一次小幅调整。但即便如此，上涨空间应该还很大，这是我个人的看法。
大航海时代的类比与 video modality 之后的需求 4:16
朴钟贤 嗯，我的想法也差不多。虽然我不太懂金融，但最终还是要看实际需求是否大幅增长，人们是否会持续大量使用它，今后大家是否会越来越多地使用AI。最终问题都会落到这里。无论市场怎么波动，都是如此。从我身边了解到的情况看，GPU公司之类的企业，需求似乎依然非常旺盛，我经常听到这样的说法。
卢正石 对，没错。所以，有需求的人不也几乎都已经入场了吗？不过，先说结论的话，要做的事情还多得很。这不是造出一样东西，就能产生相应收入的事，而是大航海时代。乘船熬过充满风险的航程，就有机会发现新大陆，甚至占下整块新大陆。比如，开发新药并申请专利，开发新材料，甚至解决衰老问题。看看数学之类的难题都被解开了，只是大家对这种变化的规模已经麻木了，其实这简直不可思议。这正是奇点视角下的变化：那些原本需要全人类合力、投入极其漫长的时间才能完成的事，如今一下子都在发生。
卢正石 我觉得我们还没能适应这种指数级的规模。所以，每发现一块新大陆，带来的成果都可能极其巨大，因此，拿风险投资的钱大举投入的动力还会持续很长一段时间。当然，从传统的B2B、B2C软件应用角度来看，需求确实远远跟不上，而且其价值至今还没有得到验证，这么说也完全有道理。再往深一层说，我跟正圭提出这种悲观观点，问他怎么看时，他抛开其他说法，最后总会说：“视频还没到来呢。”
卢正石 现在还是输入文本、输出文本，输入图像模态，生成几页PPT、几张图片的阶段，但假如能输入视频模态，再以视频模态输出，那就不得了了。互联网发展初期，人们也说不需要更多带宽，可后来利用那些富余的带宽，出现了Netflix和YouTube，如今YouTube总流量中，视频占比几乎超过90%。也就是说，模型完全有可能走上同样的路。只是我们的想象力还不够，未来会发生的事还多着呢。
卢正石 我上次也聊过一次，应该是两周前那期。当时围绕“到底该怎么解读这件事”，聊了大约四五十分钟。我说过要分成领域差距和时间差距来看，当时聊了这些内容，今天就来深入聊聊。我自己也需要弄清楚这些数字到底是怎么回事，以及这些公司的结构究竟如何，所以做了一番调查，用了Claude和ChatGPT，还运行了数不清的机器人，做了各种调查，提取出所需资料，又和Fable一起试着写了篇文章，做了这些尝试。下面就来聊聊这些事。
Domain gap、time gap 与难以上涨的模型价格 7:21
卢正石 原本直到去年年底、今年年初，大家还认为模型越好，价格就会大幅上涨。会出现3000美元、1万美元的订阅方案。为什么？因为即使花1万美元，也能创造更高的价值，前沿模型的能力实在太强了。当时有这样一种观点，对吧？但事实并非如此。GPU 的价格还在持续上涨，每个 token 的价格却在持续下降。今天早上 Kimi K3.1 发布了，这周 DeepSeek V4.1 Flash 也发布了，社交平台上有传言说，这些模型怎么用，token 数都不见减少。可见它们的效率有多高，而每单位能力的 token 价格还在持续下降。
Value chain、稀缺性与 margin 结构 8:47
卢正石 看 Jensen 画的图，最底层是能源，上面是算力，再上面是 AI 工厂，最上面是模型和应用。Jensen 画这张图时，也把应用层画得最厚。而算力层里只画了 Nvidia 一家公司。历史一再告诉我们，比如我们买汽车，或者买化妆品等商品时，一件商品从原料到消费者手中，要经过供应链中的许多环节。
卢正石 对吧？每个环节的经营者都会赚取一定利润，而利润率的高低，取决于它在价值链中有多稀缺。如果供应者很多，就会产生竞争，价格随之下降；竞争越来越激烈时，我们就称之为商品化。稀缺资源的这种特性，则叫作稀缺性。也就是稀缺性，而稀缺资源总是能赚更多钱。比如在制药行业，前端的制药公司赚得最多，后端的经销商赚得比药企少。
卢正石 但化妆品、文具，或者我们在 Coupang 买的插线板，这些东西有大量的人在生产，因此，在顾客面前展示商品、占据消费者注意力的Coupang 或搜索引擎这样的企业，反而赚得最多，网红也能赚很多，情况就是这样。所以如果问价值链中的价值流向哪里，答案始终是确定的：流向稀缺的环节。价值获取会流向稀缺的环节。
卢正石 而这种稀缺性，用我们的话来说，就是 IP、护城河、竞争力、战略优势，可以有很多种叫法，关键是它不能流失。所以说它有护城河，和说它不会流失，意思是一样的。因此我说，价值会流向不会流失的稀缺性。这样一来，我们观察这个行业时，就有了一个分析视角。从最底层的电力开始看。有意思的是，现在从电力和冷却，也就是供电和冷却，一直到最上层的应用，每一层都有值得讨论的事。
卢正石 所以用这个视角来看，就能判断哪些领域在未来一段时间会持续赚钱，哪些领域会商品化，可以借此看清这些问题。如果用这个视角来看模型，前沿模型实验室为什么没法涨价？
Near Frontier Lab 的追赶与 Frontier Lab 的提价困境 11:33
朴钟贤 因为中国模型发展得太好了，它们已经不那么稀缺了。
卢正石 美国国内也是，Muse 追上来了，Grok 也追上来了，还有 Google，长期以来的强者 Google。光是美国就已经有四五家了。Microsoft、Amazon 也都是随时可能决定进入这个市场的潜在参与者。这么算来，美国就已经有五六家了。中国也不止五六家，而是有几十家 Frontier Lab。今天早上我看了 Kimi K3.1 的基准测试，它的 Terminal-Bench 成绩接近 Opus 5.5。所以我们把 OpenAI、Anthropic 称为 Frontier Lab，把后面那些称为准 Frontier Lab。有人叫它们 Quasi Frontier Lab，也有人叫它们 Near Frontier Lab。但 Near Frontier Lab 和 Frontier Lab 的差距明显缩小了。
朴钟贤 最近我还观察到一个现象。因为我比较关注视频领域，发现 Canva 也开始推出自己的模型。HeyGen 也开始推出几乎能排进前列的模型。DeepMind 团队也开始推出名为埃洛里安的擅长制作视觉模型的模型。如今，我们熟悉的企业在迅速追赶，新模型企业也纷纷出现，大家常把它们叫作 NeoLab。它们也都加入进来，模型正逐渐朝着不再稀缺的方向发展，这一点我感受很深。
垂直领域策略与不会外流的稀缺性 13:11
卢正石 因为它们也都感到自己的服务面临生存威胁。Frontier Lab 不断购买数据，进入那一层，也就是那个领域。如果它们直接利用那个领域，这些企业的业务就会消失。所以我认为，它们是在竭尽所能守住自己的垂直领域，抵御 Frontier Lab。有些是在较小规模的单个领域层面这样做，也有些是在整体层面这样做。今天讲的这些内容我会公开，大家可以拿去放进自己模型的上下文里，作为素材使用。因为内容和数字都相当多，我不会对每个要点都逐页详细讲解，而是会沿着这条主线，讲到我想说的结论。归根结底，不会外溢的稀缺性会流向哪里？不会流失的稀缺性会流向哪里？从大的方面看，一部分会流向 Frontier Lab。第二个要问的是：Frontier Lab有哪些领域无法拿下？Frontier Lab 无法拿下的领域，包括刚才钟贤提到的 NeoLab 所做的几个垂直领域，也包括运营权掌握在自己手里的服务，也就是在自己体系内运转的服务；如果 Frontier Lab 想获取这些服务产生的任何信号，就必须付出巨大代价。我先说在前面：我认为结论可能就在这些地方。
基础设施过度投资与调整后的应用时代 14:49
卢正石 Andreessen Horowitz最近公布了大量数据。在 a16z 的 YouTube 频道上，能看到数据密集的幻灯片，他们还请来重量级嘉宾，展示各种数字。最近他们着重谈的就是这个主题。他们没有明确下结论，但指出每一轮周期都有基础设施建设阶段，等建设基本完成后，其上总会形成一个庞大市场。这里说的大致是 2010 年到 2016 年，也就是移动设备、云和移动互联网时期。对吧？一开始有 Qualcomm、Arm，后来有制造设备的三星、Apple 等企业，但在这些基础之上，许多软件企业相继崛起，出现了所谓的 B2B SaaS，还有 Airbnb 等等，就是我们常说的那些移动互联网赢家。软件和服务全面开花，他们讲的就是这个故事。
卢正石 我觉得 AI 领域也会发生类似的事，只是会以什么形式发生，我现在还没什么头绪。所以我们正通过 Muse、Grokbot 之类的产品，在应用层面进行探索嘛。再简化一点来看，规律总是这样：基础设施建设阶段一路上升，因为对未来的预期被夸大了一些，基础设施投资也随之增加，就像我在上一期说的，需求会被高估。比如纽约和芝加哥之间，铁路线其实有一两条就够了，但有人会说，不对，这片工业区和纽约之间将来会有多少货物往来啊？于是出现过度投资，铁路建了三条，这些线路之间又开始竞争。
卢正石 过度投资后，等人们察觉不对劲，就会经历一次调整，但调整并不意味着彻底崩盘。那些过度投资形成的资产，可能只是换了主人；第一批投资者可能会破产，下一批投资者再接手买下，他们的损益结构不同，就能以低得多的成本运营。就这样踩着前一批人的尸体，形成下一阶段的格局。在基础设施建设之后，应用和服务的时代会蓬勃兴起，持续很长一段时间，然后新的范式又会到来。
朴钟贤 而在 AI 时代，我们现在大概正处于那个基础设施建设阶段，很多人是这么看的吧。
卢正石 大家觉得现在大概走到这里了。已经接近基础设施建设的尾声了。单看股价，现在正开始下跌，对吧？此前投入其中的很多人现在不正在亏损吗？应该就是这个阶段。那么，这些投资最终会不会全都亏损呢？但只要出现过度投资，投资者蒙受损失几乎就是铁律。无论是投资者，还是投资这个行业的债权人，他们遭受一些损失，几乎是铁律；而在此基础上开发应用的增值服务企业，有时反而能获得更大的收益；也有时，这些好处会扩散开来，遍及整个社会，最终成为全社会的收益。
Anthropic 营收激增与知识工作者采用 AI 的时差 18:31
卢正石 不过，市场可能因为这件事感到有些意外。Anthropic 在 2026 年第一季度的营收超过了 2025 年全年的营收。2026 年第一季度的营收比 2025 年全年还高。其中的核心当然是 Claude Code。回顾从去年年底到今年的情况，全世界的程序员和类似程序员的人，几乎可以说都已经加入进来了。我身边写代码的人，已经没人开着 Visual Studio Code 了。现在还开着它，会被当成傻瓜。也就是说，这些人都已经进来了。
卢正石 但 Andreessen Horowitz 说，全世界大约有 3000 万名程序员。这 3000 万人都进来了。而这 3000 万人进来后带来的营收，就是 Anthropic 现在的营收规模。只有 Anthropic 增长了吗？OpenAI 和其他编程相关业务也大幅增长了。Devin 也增长得非常快。可后面的人却没怎么进来。
朴钟贤 是啊。非开发者也应该同样进来才对。
卢正石 非程序员的知识工作者人数，据 Andreessen Horowitz 说，约有 1.5B，也就是 15 亿人。3000 万人和 15 亿人，差距很大吧。现在才进来了 3000 万人，如果这就能达到这样的规模，等 15 亿人开始进来，此前一直在估算这个市场的 TAM 会有多大，可现在一看，咦？他们进场比想象中慢啊。似乎存在一点时间差，如今市场正戴着有色眼镜看待这件事。所以，如果他们持续进场，第三季度营收本该比第二季度更高，增速也该维持住，可增速却放缓了。第四季度的营收增速可能会说明很多问题。
增长放缓与 Anthropic valuation 中的市场预期 20:10
卢正石 所以 Anthropic 也许正因此在第四季度坚持推进上市。我们身边也有可供观察的风向标。写代码的人都进场了，但非编程领域的企业对于如何用好这项技术，甚至还没有形成明确的思路。所以我觉得，他们真正进入这一轮投资周期，可能还会有一点时间差。所以我觉得，增长可能会暂时经历一段平台期。
朴钟贤 不过我看这个数字，从第二季度到第三季度增长了 45%，这也已经很高了。可大家看到后，预期却受挫了，这让我想，之前的期待究竟有多高啊。
卢正石 对，正因为期待那么高，Anthropic 的估值才会达到 2T，就是这么回事。这家公司成立才五年。但看看它与 Apple、Google 的市值对比。一家成立仅五年的初创公司，竟能获得这样的估值。从营收规模来看，坦白说，它比 Meta 或 Google 小得多。可它能获得这样的估值，是因为市场预计这个领域还会扩大许多。一旦这个预期落空，这样的估值就很难得到支撑。所以继续观察就好。敢于下注的人，和管理风险的人，究竟谁会赢，谁也不知道。大家各自保持沉默，悄悄下注就好。
CoreWeave 的数据中心融资结构 22:02
卢正石 这期间还发生了一件事：CoreWeave 是这件事的焦点之一，它的公司结构很复杂。我曾听 CoreWeave 的 CEO 在某个场合解释过：他们先设一个“盒子”，把一份 15 年的数据中心合同放进去，然后买来设备，也放进去，再放入客户合同，期限是三年。接着，为了支撑这一切，他们会举债融资。发行五年期债券，把融来的资金限定在这个“盒子”里。而这个“盒子”通常由超大规模云服务商买走。据说 Anthropic、OpenAI 等三家公司占全部合同量的近 70%，它们会买下这些“盒子”，甚至有些债券还会得到买方的支持。像 Anthropic 这样的公司，会担保自己一定购买。这样就能降低这个“盒子”的风险，从而降低融资利率。利率降下来以后，扣除投入成本和融资成本，剩下的就是 CoreWeave 的利润。这些利润和风险最终都汇集到上层的 CoreWeave 母公司，整个业务就是这样设计的。所以并不是由 CoreWeave 母公司独自运营整个 IDC，而是在它下面设立类似独立子公司的实体，通过完全分离的不同业务实体来维持那些合同。它采用的就是这种结构，而眼前的这个数字属于 CoreWeave 母公司。
卢正石 我们谈债券时，那种没有营收支撑的，就是我们说的无担保债、次级债，最初是以 9.75% 的利率发行的。2031年到期的五年期债券，应该是今年年初发行的。当时国债收益率大约是4%点几，发行时说要再加5%的利差，也就是利息，就这样发行了。利率确实非常高。可上周到这周，几乎到了15.78%？有时甚至比这还高。还有CDS，也就是信用违约互换。那只债券可能违约，对吧？所以买了那只债券的人，为防范违约，还会买CDS。它相当于一种保险。付了保费后，即使那只债券违约，卖出CDS的人也会提供担保。但这两个数字实在不对劲。到期收益率达到15.78%，意味着现在面值100韩元的债券，大约花80韩元就能买到。花80韩元买入，按面值100韩元计算，之后还能拿到9.75%的利息。这样一来，买入时就便宜了20韩元，到期收回本金时还能赚到这笔差价，算下来收益率就是15.78%。
债券收益率与 CDS spread 揭示的风险 24:01
卢正石 这倒还说得通。但要对冲它的风险，如果想买CDS，费率是1,100个基点，也就是11%。面值每100韩元，每年要付11%。也就是每年要交11韩元保费，对方才会说：“这只债券我来担保。”这样把CDS和债券组合起来，就能作为无风险资产持有。而CDS保费大幅飙升，说明市场认为这门生意风险极高。
朴钟贤 按我的理解，简单说就是，CoreWeave借钱建GPU工厂，靠这个赚钱、经营业务，如果GPU卖不出去，CoreWeave就会倒闭，对吧？现在大家觉得它可能要倒闭，所以债券收益率上涨，保费飙升，我是这样理解的。
金融环境冲击下的基础设施业务 25:52
卢正石 对，没错。但关键是，大家仍认为需求很稳健。但满足这些需求所需的融资环境，就说利率吧，虽然这周降了一些，上周却曾升到5%多。至于为什么会这样，没人知道。只是随着市场当时的情绪，有时上涨，有时下跌。但总体上，利率正处于上升阶段，很多基础设施投资项目，也会利用这类创造套利空间的金融产品，为必须推进的项目引入金融手段，进而参与大型基础设施项目。这种事很常见。但导致这些项目失败的，主要还是融资环境，而非需求。比如利率突然升高，利率一高，项目就会亏损。或者得发行新债来填补旧债的缺口，却发不出债券，这时通常就会违约。
卢正石 说到违约，有个关键点：过去铁路热潮时也是这样，产业并不会停下来。只是通过重组，产业换了主人。比如CoreWeave，很多人说，如果十年期国债收益率超过6%，CoreWeave的业务就会垮掉。因为它的业务是在利率为4%的低利率时期设计的，所以才有这种说法。
卢正石 不过我也没有在Excel里反复计算这些数字，来判断CoreWeave到底会不会倒闭。到时候SemiAnalysis或其他分析机构会以光速发布分析。说这事究竟会怎样。金融公司大概会发布最多。金融公司还会拿着这些分析，在内部反复传阅，塑造市场情绪，让尾巴反过来摇动身体，这种情况也很常见。我觉得这次也是，与其说是泡沫破裂，我更觉得只是打了个喷嚏，短暂打了个嗝。我想价格大概都会回升。
朴钟贤 肯定有人盯上它，正等机会买下来。
卢正石 得等它倒了才能买。但现在还没倒。要等它们都倒下，还得花些时间。不过这事谁也说不准。正如胜准刚才说的，Terence Tao看起来有些憔悴。DeepSeek、Kimi这样的近前沿、准前沿实验室正在奋力追赶。这期间还有一条小消息：Tesla Roadster飞起来了。所以需求确实存在，利率也涨了，而最薄弱环节的CDS利差却飙升了。这就值得想想，为什么会这样。这是本周的数据，情况比上周更糟。好的一点是，国债收益率降了一些。CoreWeave的CDS利差在1,195个基点见顶后，仍有1,115个基点，还是非常高。股价大概也接近52周最低点。已经跌到了最低水平。不过有意思的是，做空需求也是最高的。所以Nebius和CoreWeave现在都有巨量空头头寸。在全部流通股中，近23.7%，也就是将近30%，被做空了。股价像下落的刀，又没有买盘接住，所以一路下跌。
做空与市场情绪推动的 CoreWeave 股价下跌 28:25
卢正石 据说目前那些做空账户的浮盈约有6B美元。所以股价下跌未必是因为基本面真的恶化。华尔街人士的看法也各不相同。Citadel的Ken Griffin明确说这是泡沫，也有人说不是。而Goldman Sachs则表示，他们非常激进地做多。现在各方看法都不一样。总会有人说对吧。毕竟无非是涨或跌。所以这个话题就先说到这里。
卢正石 另外，Anthropic的S-1申报文件也披露了一些数字。还有人提到Kimi K3.1的指标相当亮眼。所以我做了一个思想实验，想再谈谈刚才那个结论：要走向拥有运营业务和运营闭环的地方，除此之外没有别的出路。我想稍微展开说说。所以我们该投资哪里、该做什么业务，始终是最重要的问题，对吧？说实话，过去一个月，我从欧洲出差回来后，没有忙着砍树，而是登高看整片森林，花时间思考究竟该往哪里走，结果我都快成了个满口禅机的人。我觉得，与其说像电信泡沫，不如说铁路热潮时期的周期正在以类似的方式重演。我多少有这样的感觉。
掌握 operation loop 的企业与 Lab 之间的 time gap 30:30
卢正石 这里有时间差和领域差。时间差一直在缩小。后面的近前沿实验室与前沿实验室之间的差距确实正在缩小。但对我们这样并非实验室的人来说，把前沿实验室的能力卖给后面那些还不了解它的人，这个时间差我认为依然很大。至于领域差，如今各家模型都能做这些事了。如果说Opus 5.5擅长视频剪辑，Kimi也擅长视频剪辑，其他模型也擅长视频剪辑。想想为什么会这样，可能是有人把训练这项能力的RL数据集先卖给Anthropic，再拿去卖给后来的厂商。每当新模型推出，总会说“这个模型特别擅长这个”，就像发布新车时那样。“这次有座椅加热功能。这次配了巡航控制。这次配的是自动空调。”功能一个个加上去，再挑其中一项大力宣传。模型也是如此，各个领域的能力成了内置功能，也成了营销卖点。所以大家也知道，首先是那些在数字环境中有明确奖励信号的领域，比如编程和数学，再往后，才逐步走向那些奖励信号难以从数字环境中获得的领域。
朴钟贤 对，我也有同样的感觉。前沿实验室正在一个接一个地攻克各个领域，我是这么看的。如果能提前知道下一个领域是什么，就更好了。那该看什么呢？看数据供应商现在收集什么数据、卖给谁。看这些，就能大致判断下一个会被攻克的是哪个领域。
模型成为通用商品后的价值流向 33:12
卢正石 对，没错。所以我们经常听到这类消息。数据供应商带着哪些数据包去找所谓的近前沿实验室，我们大致知道。所以眼下出现稀缺性的地方，我觉得大概有两处。一处是物理瓶颈。模型的价值一旦趋于商品化，原本由它获取的价值就会转移到别处。往下转移，就由基础设施公司获益。但基础设施公司通常利润率最多也就10%？当然，AWS的利润率有35%，但这类业务通常维持较低的利润率。要不然，价值就往上转移。往上转移时，上层的公司往往能获取更多价值。
卢正石 因为越接近付钱的人，能获取的价值就越多，这是众所周知的。可如果上层也一路商品化，会怎样？那就没有任何一方能获取这部分价值，整个行业都会商品化，好处全以低价的形式流向消费者。最后就会是这样。
朴钟贤 全世界每个人的生活也会更便利。
卢正石 对，对。而且这样的行业多得惊人。铁路是这样，电力也是这样，价格不是一直在下降吗？多亏了Coupang和Amazon，以前要花高价买的东西，现在很多时候都能以最低价买到。我想简短说说前沿实验室。Anthropic和OpenAI这两家前沿实验室，在当前的市场环境下，只要它们有所行动，整个世界就会作出反应。所以它们做什么真的很重要。它们一行动，市场就会围绕那件事形成。这很有意思。总之，规模定律仍然起着主导作用，我们现在看到实验室取得性能提升，就惊叹：“哇，这是奇点。看，数学都被攻克了。其他领域也被攻克了。”但我认为这还不是RSI。
scaling law 与持续的 compute 竞赛 35:07
卢正石 因为如果真到了RSI，模型就得自己开发模型，带来超出增加算力投入所能获得的提升。但现在看来还没有到那一步。目前依然靠增加算力投入，再加上DeepSeek或Kimi擅长的模型效率、算法、KV缓存等方面的改进，他们会调整这些东西，对吧？我觉得性能提升来自这些因素的共同作用。我们看到的那些惊艳表现，大多来自投入更多算力。
卢正石 按现在的标准，用1GW级算力预训练一个季度，就是一代模型。之后还要投入同等规模进行后训练，模型就是这样出来的：后训练在精神时光屋里解决了所有问题才出来，对吧。我觉得它就是这样到来的。loss 在下降，但算力投入增加100倍，可降低的 loss 也只有约一半。因为当年 Chinchilla 论文发表时，有人说 loss 再怎么下降，也有一个无法突破的下限，数值是1.68。现在应该还在这个下限之上。算力每增加10倍，可降低的那部分 loss叫作 reducible loss，理论上每次能减少其中约30%。各家实验室不公布具体的 loss 数值，所以我们不知道，但它应该还在下降。而 loss 下降与性能提升之间的关系，我们也不知道。但要更快提升我们实际感受到的性能，就得投入大量算力。算力翻倍，性能却不会跟着翻倍。感觉更像是算力增加10倍，性能才翻倍，大概是这样。因此这场竞争会持续，只要性能竞争还在继续，所需的算力就会不断增加。
朴钟贤 我也有类似的感受。毕竟 loss 降低了，对普通人来说，自己能解决的任务也不会因此突然翻倍，不会出现这种情况。再看模型的发布周期，我们这几年一路追下来，感觉它在一点点加快，但也没有突然一飞冲天，让模型一下子发生翻天覆地的变化，感觉还是沿着原来的趋势发展。
卢正石 不过，算力不会有富余这件事，我觉得得先说清楚。算力会一直稀缺。因为在智能发展成超级智能，让我们变得像小狗一样之前，这场竞争恐怕都不会结束。如果沿用过去看大规模建设的视角，拿互联网、移动互联网，或铁路的发展来类比，恐怕就看不准如今的增长斜率。因为现在的时间尺度和斜率都变了。现在得换一副眼镜来看，这话我已经说过无数次了。回到刚才的话题。我看前沿实验室，主要看这三项：算力、数据、人才。但数据和人才都会外流。人才会因跳槽而流动。在旧金山，钟贤你也去过，应该知道，跟朋友吃顿饭，信息就会漏出去。大家都会告诉你。虽然不会明说具体做法，但大致方向，以及去哪座山能找到什么，都会告诉你。人才带来的知识就是这样传播开来的。至于数据，数据公司卖给这家之后，还会继续卖给别家，就这样扩散出去。“看到那家买了之后效果变好了吧？你们也该买。”他们就这样不断推销。所以即使在这些实验室之间，能拉开这种时间差的，也不是谁有更聪明的研究员，或谁有一位天才。在我看来，Ilya Sutskever 也押错了方向。关键已经不是人才和理念，而是彻底转向了算力竞争。只有在算力上保持优势，眼下积累的一切才有意义。因此 Anthropic、OpenAI这样的前沿实验室，在这场无休止的算力竞争中，直到其中一家彻底出局、竞争结束之前，都无法停下，也会继续投入。市场只是在波动，而这些实验室的人每有新数据中心投入运营，就会赶来购买算力。不管价格多高，都会有人来买。
稀缺的 compute 与外流的 data、talent 38:30
卢正石 那么，1GW到底是什么规模？如今大家不再谈有多少块GPU，而是像卖肉按斤计价一样，按电力规模来卖，对吧？大致按Blackwell GPU来算，约相当于40万到50万块。换算成金额，约为500亿到800亿美元。而且与两三年前相比，内存价格涨了10倍，芯片价格也随之上涨。随着这场基础设施建设竞争愈演愈烈，如今卖牛仔裤和镐头的人正赚得盆满钵满。如果牛仔裤和镐头没人要，他们本该全都倒闭，但这次的需求可能与传统市场不同。
卢正石 因为需求还可能从别处源源不断地产生，我认为这就是与过去不同的地方。电信业的带宽确实得有人使用，刚才钟贤也提到了吧。旧金山那帮人都在做自己的模型。对吧？因为他们有动力借此保护自己，并创造新业务，所以哪怕提前筹集资金，也要投入算力，去开拓并守住那些领域。这样的动力如今每家公司都有。每家初创公司也都有。如果非要打个比方，我们就像尚未发现印度和美洲、刚掌握航海技术时的欧洲。
从替代需求到创造需求的 AI 41:20
朴钟贤 我也觉得大航海时代这个比喻很贴切，因为到目前为止，这些公司做的都是把人们正在做的工作交给AI来替代，对吧？可如果人们正在做的工作全都提高了效率，需求不就到头了吗？我觉得我们似乎已经到了这个阶段，但以编程为例，人们能编写更多代码之后，事情并不会随着开发者被AI替代而结束，代码总产量反而大幅增加，互联网上也充斥着低质内容，大家似乎都在瞄准由此出现的新机会。这就像发现了新大陆，如果其他领域也出现这样的情况，需求就不会止于替代现有的东西，而可能成倍增长，突破原有的上限，我是这么想的。
卢正石 大家都备好船，朝四面八方出发了。有人运气不好，到达了北极；有人到达黄金之地，也有人死在半路。现在这样的事屡见不鲜，但只要有人率先发现那片土地，他获得的收益就会非常可观。说起来可能有点好笑，我之前不是说过，大家都会变成演艺经纪公司吗？因为一旦培养出李孝利那样的明星，回报就非常大，虽然全部预期收益都集中在一位明星身上，但正因为回报太大，她背后才会有数万名练习生。可从练习生到李孝利，大家都一样投入了大量时间练习，对应到现在，就是投入算力，对吧？所以有人会问：这不是没有需求吗？不是。新的看法是，需求正在被创造出来。
Lab 的关注顺序与 buyable data 推动的持证职业自动化 43:16
卢正石 说到数据，数据就对应着这些领域。可以这么说。这些数据领域被利用的顺序是确定的。实验室当然会先从可验证、数字化且规模大的领域入手，逐步将其转化为自身模型的功能。对此，我试着用了“实验室的关注点”这个说法。它们的关注点转向哪里，对我们也很重要。因为如果前沿实验室要去攻占某个领域，我们就不能做那个领域。所以，市场规模除以购买数据的难度，大概就是关注度的大小。它们会先从难度低、市场规模大的领域开始逐一攻克。
卢正石 说来好笑，这些领域汇集了传统的各类专业人士。凡是涉及这类专业职业的领域，大概都会按这个顺序被攻克。上有会计师、律师、医生，往下还有保险规划师，对吧。有这类职业的领域，AI 实验室一旦买到数据，就结束了。所以得好好想想数据这件事。有能买到的数据，也有买不到的数据。
卢正石 能买到的数据，数据集公司都会制作出来卖给 AI 实验室。拿会计师这个职业举例吧。会计师这个职业其实也很难直接验证工作成果。面对某种情况需要作判断时，答案可能这样，也可能那样，不像数学或编程，测试通过就算对，没通过就算错。事情没那么简单。要判断结果是好是坏，得先建立衡量标准。但只要找来会计师，让他们做完各种情况的练习题，再给答案打上标签，这些问题就变得可验证了。归根结底是覆盖范围的问题。
卢正石 而数据集公司现在做的，就是进入那些领域，按小时聘请专家，把所需的覆盖范围做成数据集。制作方法也很简单，只要写出问题和答案就行。中间过程由我们的模型自行处理，错的丢掉，对的给予奖励，就是这样的机制。如果这一切大规模发生，“所有知识产业都会终结”的假设就会成为现实。买不到的数据。
unbuyable data 与 Frontier Lab 的进攻路径 45:50
朴钟贤 我也看到了很多类似的信号，比如卖数据的公司发布招聘专家的启事，这样的招聘信息特别多。当时也有很多传闻说，OpenAI正在大量直接雇用专家。
卢正石 各家 AI 实验室都这样。很多领域都是，尤其是物理 AI。针对特定任务，让人头戴设备来执行任务，不是有这种做法吗？所以这类数据集也卖得很贵。所以最终，只要有人参与，以某种数字形式持续生成数据集，就能覆盖那个领域，这些最终都会作为某种功能融入前沿 AI 实验室的模型。只是时间问题。那么，哪里绝对做不到呢？都是些零碎的小领域，小领域。比如存在 AI 实验室注意不到的监管限制，或者领域太小，很难进入，又或者受到某些专利保护。说实话，这下更难了。AI 实验室有三条进攻路径。先是买数据，
卢正石 接下来，如果买数据行不通，像生物学或制药领域，预期收益又非常高，它们就干脆自己建实验室。建一间获取奖励信号的湿实验室，“我们在旧金山建了间新药研发实验室。”再把它和自己的模型结合起来。第三条，我觉得这个说法不太站得住脚，比如 Midjourney、视频生成。现在不是有很多公司进入这些领域，想打造自己的垂直产品，而且已经在做了吗？就是刚才钟贤提到的那些。但 AI 实验室不会进入这些领域吗？巨头正开着火车驶来，所以那里恐怕也会消失。
卢正石 人才的话题前面已经说过了。一杯啤酒就能把我喝趴。所以，所谓的前沿模型配方已经不再稀缺了。这不是只有 Noam Brown 才能做的事，他能做到，其他地方也有很多人能做到。至于所谓的 Near Frontier Lab，Kimi 或 DeepSeek 只要再迭代一两轮，我觉得就该和那些实验室一起被称为 Frontier Lab 了。那就先假设中美之间会进入另一种力量格局。
frontier recipe 的扩散与监管型 moat 47:46
卢正石 如果仍未达到那一步，所谓的 Near Frontier、Quasi Frontier Lab 这类机构，它们的护城河就是监管。或是某些政治因素，所以名称里才会带有 sovereign 一词。只要还去不掉“Near”，就像那些做政府采购生意的公司。韩国的代表有 Tmax 和 Hancom，很多机构的营收可能也就达到它们的水平。
卢正石 而且开放模型和封闭模型的发展速度似乎也不太一样。因为 Kimi 和 DeepSeek 内部也在努力发展自己的服务。其实，整个循环得在同一个地方运转。客户使用时产生的数据，由此出现的新需求意图，还有对特定领域的认识，这些都要提取出来，直接用作下一代预训练或后训练的训练题目。但开放权重模型的这个循环是断开的。一旦断开，循环似乎就会转得慢一些。
封闭式 operation loop 与普通用户需求之间的 gap 48:52
卢正石 关于 token 消耗，这也是 a16z 发布的数据。用的人，使用量特别大。而且 1% 的公司消耗了总算力的 90%，支撑这些消耗的，有的是风险投资，有的是大型公司的资金。所以他们同样认为，真正的需求还没有到来。就算看普通消费者的使用情况，也主要是编程、生产力工具和视频生成，没用在我们通常理解的那些应用领域。他们由此提出，这里是不是存在一定的落差。
卢正石 所以我一开始也在想：真的有落差吗？因为普通企业和普通消费者现在跟不上，这一点百分之百确定。他们甚至还没形成基本认识，不知道该怎么用。只有那些决心跟进的人聚在一起，热闹得很；稍微离开这个圈子，就没人知道了。胜准以前私下跟我说过这件事。他说自己很孤独。因为只要稍微走出这个圈子，就找不到能聊这些事的人。所以现阶段就是这样。
spot 与 contract 价格反映的 GPU 需求 50:40
卢正石 还有一个重要指标，就是分析 CoreWeave 时常提到的 spot 和 contract。比如 xAI 这次的业绩很好。我是说 SpaceX。埃隆建了大量数据中心。据说规模达到了约 3 GW，他们既自己用，也对外出售。因为这门生意能赚钱，他们现在又在推进送上太空的项目，还在得克萨斯州、弗吉尼亚州建设数据中心。而他们建成的算力不按长期合同卖，而是按现货卖。
卢正石 但 Nebius 和 CoreWeave会签三年合同，保证供应三年。因此价格会低一些。这就叫 contract，也就是固定价格；spot 则是由市场随时形成的价格，也就是现货价格。好处是能卖得更贵，坏处是没有需求时，算力就只能闲置。比如 AWS 的 Spot Instance，现在几乎用不上 Spot Instance 了。因为算力到处都不够用。可以这样理解：现在 spot 比合约价格贵得多。
卢正石 对，我想租的时候，发现 spot 根本就没有。像 GPU 就完全租不到。
卢正石 但这种情况会逆转吗？到底会不会逆转，我认为是一个重要的转折点。接下来稍微谈谈金融。利率正在上升。这是 CoreWeave 的架构。每份合同都有一个叫 SPV 的实体，应该是 Special Purpose Vehicle。也就是设立特殊目的公司，各个融资单元的条件都不一样。比如债券融资金额，以及为其提供支撑的超大规模云服务商，这些都各不相同。条件也会随之变化，各单元产生的亏损或利润会汇集到上层母公司，形成 CoreWeave 这家公司的价值。它就是这样的架构。
CoreWeave 的利率敏感性与期限错配 52:07
卢正石 说它“非常精巧”不太合适；这是很典型的架构。但利率一上升，过去铁路热潮时也是如此，那些预估了融资利率、据此设计融资单元的项目，当时也都垮了。现在很多人预测，CoreWeave 的架构会在十年期国债收益率超过 6% 时崩溃。大家都在这么说。这大概就是 CoreWeave 等公司股价偏低、CDS 利差却非常高的原因。
卢正石 不过对此，我还无法从财务角度作出判断。我只是觉得，存在这样的架构，也有这样的风险敞口，具体会怎样，还得继续观察。我是这么想的。这不是我提出来的，是 Fable 找到的资料。现在大家担心的不是资金会出现缺口，而是各项期限对不上。客户合同是 3 年，数据中心租约是 15 年，债务期限则是 5 年，这些期限本身就不匹配。
卢正石 因为这种期限错配，他们似乎认为下次融资，也就是下次债券融资，很可能会失败。不过，说债券融资很可能失败，是我个人的判断。我觉得原因可能不是算力需求萎缩，而是金融环境变化后，他们可能会因此陷入困境。
卢正石 到时候自然会有人来接盘。所以这张图里的都是建设数据中心的企业。最左边是 Google、Amazon，还有自建云设施的 Microsoft。他们用自己的营业利润，也就是赚来的钱建数据中心。过去几年都是这样。但今年 Google首次发行债券，引起了关注。因为他们如今的投资已经超出了自身现金流所能负担的范围。
从 Hyperscaler 到 neocloud 的数据中心风险图谱 54:34
卢正石 即便如此，他们还是安全的。接下来风险更高的是 Meta。Meta 也很有钱，但建设名为 Hyperion 的数据中心时，自己只出 20% 的资金，其余 80% 由一家好像叫 Blue Owl 的大型基础设施私募基金来出资。由它出资后，Meta 会像刚才说的 CoreWeave 模式那样，他们承诺在未来几年租用这座数据中心。
卢正石 如果做不到，还附有一份由他们担保的合同。这也是配套安排的一部分。这样一来，Meta 账面上的债务比例就大幅降低了。但潜在的支付义务虽然不记在账上，却密密麻麻地写在财务报表附注里。那可是一大块风险。
卢正石 接下来有风险的是 Oracle 这样的公司。他们现在直接靠银行贷款来做这件事，银行贷款筹集的通常是一笔巨款，规模接近数十万亿韩元。好像是从 JPMorgan 之类的机构筹的，因为金额太大，银行会拆分后再卖给其他人。采用银团形式。
卢正石 但我听说卖得不太顺利。也就是说，没人愿意接手那些债权。所以银行账上留着一笔巨大的潜在损失。风险最高的是 CoreWeave、Nebius 这样的公司。他们发的是垃圾债券。“垃圾”不是说债券一定不好，只是收益率超过 10% 就会被这么叫。风险敞口就这样依次排列，单看数据中心的话。
朴钟贤 xAI 也在那一边啊。看来他们也筹集了巨额债券资金。
卢正石 没错。他们以很高的利率借了很多钱。不过，这里面有马斯克的魔法。比如让 SpaceX 等公司上市，把 Roadster 送上天、发射宇宙飞船，借这些事带来的公司估值增长，再把债务转成股权之类的，债务就突然消失了。
卢正石 我觉得我们得学学。所以刚才钟贤聊硅谷时不是说过吗？那里的人梦想很大。他们不做些半吊子的东西，而是定下远大目标，奔着做大事去。因此，更优秀的人才和更多资金会聚集过来，他们梦想的事也就得以实现。我记得你还稍微提到，在韩国只做些小工具恐怕是不行的。我觉得这和刚才说的有点像。
朴钟贤 我觉得乐观主义占了上风。大家相信会成功，敢承担这样的风险敞口，也是因为觉得一切都会成。这种人的领头者似乎就是 Elon Musk。像 xAI，我也是看了这次给我的资料才知道他们是这样筹集资本的。实际上，SpaceX 已经靠 GPU 租赁赚得比航天业务还多。这或许正是因为他们敢于冒险筹资，并迅速采取行动。
丰田与法拉利之间的四种情景 58:19
卢正石 之前有人说过，现在要么做现代、Toyota，要么做 Porsche、Ferrari，似乎只剩这两条路，中间的都活不下去了。有人是这么说的。也就是说，要么做面向大众的大生意，要么做极具特色的细分业务，似乎只有这两种选择。放到 AI 领域，这和我们前面聊的完全一样。要么成为前沿 AI 实验室，要么掌握特定领域的运营闭环。除此之外，没有别的选择。所以如果利率上升，风险会从刚才说的右侧依次显现，但我觉得应该还不至于蔓延到左边。这两周我也一直在想：这个泡沫真的要破了吗？我的结论是不会，这就是我的结论。
卢正石 这也是今天的核心。那么，未来会发生什么？归根结底，我们该押注哪种可能性？我把它分成了X轴和Y轴。因为我这个人总喜欢把一切都用二维来表示。前沿差距是缩小还是拉大。也就是Anthropic这样的公司是否会一路领先。换句话说，模型是否会成为稀缺资源。如果差距缩小，Kimi也能做，DeepSeek也能做，韩国政府要打造的Frontier Lab也能做，差距就缩小了。那模型会变成什么？答案就是普通商品。模型再聪明，它能分到的价值也会趋近于零。这就是我所说的X轴。Y轴则是我用来判断刚才展示的行业转型期、转折点何时到来的衡量标准。现在投入成本明显高得多，所以还在下方。折旧费和利息远高于收入。但总有一天，收入会超过折旧费和利息。对吧？
朴钟贤 还没到那一步吗？
朴钟贤 还没有。
朴钟贤 我之前只想到投资，原来从折旧费来看也是如此。
卢正石 比如Anthropic说，推理的投入成本对应的利润率是多少，这倒没问题，但那更接近边际贡献。只是按变动成本算的。预训练所需的资金，维持下一代竞争力的投入、人工成本和其他各种开支、数据中心的费用，还有预先承诺支付给别人的费用，全算进去，亏损恐怕仍然很大。
朴钟贤 总之，现在投入的钱比赚到的钱多，简单说就是这样。要等赚到的钱比投入的多，他们才能皆大欢喜，既不倒闭，也能顺利发展。
卢正石 对。所以我一直在想会怎么发展，试着逐步估算各种可能性的概率，每天都在调整这些概率。现在OpenAI和Anthropic最希望进入的是S3象限。保持前沿差距，由它们独占市场，击败所有对手，成为垄断性的基础设施提供商，成为智能基础设施提供商，赚取巨额利润。那这两家公司的股价就会一直飞涨吧。这种情况也有可能发生。但我认为差距更可能缩小。我认为前沿实验室会大幅增加。Anthropic和OpenAI目前保持的差距，会从DeepSeek、Kimi开始迅速缩小，前沿实验室的数量会变得相当多。所以我觉得，落入S1象限的概率目前可能是最高的。那么，达到所谓最佳实践的几家公司，可能是走在前面的，也可能是获得大量投资的，或是抢先占据了一定市场份额，多少还能维持现金流的。这样，原本就存在的Google、Meta，再加上Anthropic和OpenAI，就能存活下来。而没达到最佳实践、收入低于折旧费和利息，产出低于投入的那些实验室，我称之为marginal builder，它们都会倒闭吧。倒闭后沦为残骸，被其他公司吸收。
模型通用化与价值向 operation loop 转移 62:16
卢正石 但前沿实验室之间的竞争会加剧，前沿模型本身会变成基础公用服务。变成基础公用服务、走向商品化，意味着价值不会留在实验室、前沿实验室，而会流向上下游。底层基础设施，比如Nvidia，或发电厂、冷却塔，会拿走相当高的利润。因为它们仍然是稀缺资源。不过，芯片似乎不再会是稀缺资源。全世界的聪明人都想拿出替代推理和Nvidia芯片的方案，正争相投入其中。Nvidia的利润空间也可能转移到别处。那么，大部分价值会流向哪里？会往上走，往上走。往上走之后，会去哪里呢？会流向拥有运营闭环的地方。如果连运营闭环都被前沿实验室充分利用，比如购买数据集，或建立自己的实验室，把这些都利用起来，而它们之间仍存在竞争呢？那连这些也会变成普通商品，好处就都会归消费者。
卢正石 甚至可能迎来超级智能零元使用的时代。不过，从财务角度看，下方的象限才有意思。不管差距是扩大还是缩小。咦？这不是泡沫吗？赚不到钱，投资却这么多？这就是S2，S2。
朴钟贤 确实有很多人这么想。觉得现在投入了大量资金。
卢正石 对。这么想的人很多。一些公司和基础设施倒下后，留下的残骸会被S1象限中建立了最佳实践的企业吸收。S1和S2是一枚硬币的两面，市场还没有给出答案。前沿实验室在努力赚钱，而下方的那些小企业，包括刚才钟贤提到的众多NeoLab，也有可能在这里站稳脚跟。它们会更快地在各个业务领域、各个业务单元，找到各家企业有需求的地方，形成能赚钱的业务。
卢正石 可以把互联网泡沫时期看作S2吗？
卢正石 对。先是S2；更准确地说，用刚才的视角来看，行业现在看起来像S2，但随着格局逐渐明朗，市场的不确定性逐步消除，最终总会升到S1象限。所以现在把S2和S1的概率加起来，我估计接近80%。因为我认为差距缩小的概率很高，所以S1和S2的概率之和也很高。营收与折旧、利息之间的转折点，也就是拐点何时到来，是个时机问题。那确实是最重要的变量。我认为S4几乎不可能发生。那么，拥有运营闭环的企业，是否一定要做模型研发？未必。拥有运营闭环与必须拥有自己的模型，两者毫无关系。我已经通过几家公司证明了这一点。
weight 所有权的折旧与 signal 所有权的复利 65:48
卢正石 无论是Jev还是什么，拿来所谓接近前沿水平的开放权重模型，直接接入，光是投入算力，很多时候就能解决问题。反而，自己掌握的闭环往往不在智能层面，而是在其他控制平面的闭环中，这种情况要多得多。而且那几个控制平面的数据量也没有那么大。所以就算把这些数据收集起来，输入模型，很多时候，相关领域也不足以让模型从中学到东西并不断进步。因此，竞争会推动企业不断将智能水平更高的模型以开放权重的形式发布。趋势就是这样。
卢正石 前沿实验室往前走，后面跟进的公司为了获得关注、达到宣传目的，总得公开权重，才会有人注意。所以我在下面写了这句话，其实不是我写的，是模型写的：拥有权重会贬值，拥有信号则会产生复利。因此，做模型研发的价值会持续下降。因为现在很多人认为，模型研发的价值在于数据和人才，但我认为数据和人才其实都是会贬值的资产。如果认为这些都能靠算力替代和解决，也能得出“无需做模型研发”的结论。单从逻辑上看是这样。如果打算与前沿实验室竞争，当然要做模型工作。但如果选择在前沿模型无法进入的业务运营领域构建闭环，就不必做模型工作。
朴钟贤 您说的信号具体指什么？
作为智慧结晶的 operation signal 68:01
卢正石 我也还在摸索如何准确界定它。而且我说的这种信号，不是做模型工作时所说的数据集规模，也不是那种程度的覆盖范围。比如，每家公司都有这样的信号。拿我们公司来说，如果营收这样下滑，就要找出问题所在，再针对问题调整，采取相应行动，对吧？这些信息不断积累，本身就会成为数据集。一问一答，不断重复，持续下去，最终会浓缩成几条规则。这些规则，我们有时称为智慧，有时称为规则库。它们的规模还不到需要植入模型的程度，却凝聚了智慧。而要提炼出这些凝聚智慧的规则，就要看到业务每天产生的信号。比如，在某种环境下会发生什么，做什么会让客户反感，诸如此类。这些就是我说的业务运营闭环。也就是说，现有的每项业务都有这样的闭环。如果是在同一个行业，行业里会有已经领先的公司。比如在市场份额分别为70%、20%、10%的成熟行业里，领先公司会拥有大量运营信号。因为它们内部已经在产生大量交易。如果这些公司把闭环与AI结合好，并构建完善，前沿实验室也难以撼动它们；它们还能获得AI带来的效率提升，成为迈向下一代的企业。如果做不到，外部就会有看清这一点的初创公司前来挑战它们。
卢正石 我认为，这是前沿模型领域里我们熟悉的编程和模型工作这场竞争之后会发生的事。所以，在Out of Model Work的三个候选方向中，我把第一项写成B2B：在业务运营中构建闭环。因为谈到企业AX，我今后也会继续和高专务讨论这些问题，但企业现在还不明白。它们完全不知道该构建什么、怎么构建。现在绝大多数做法，是用AI替代企业内部知识工作者原本做的事。这样确实能加快工作速度。速度是快了，但只是让那些人更省事，目前并没有提升整个公司的生产力。所以现在需要根据AI的特点，彻底重新探索工作流程，也需要这样的视角。这样的企业会出现。比如Palantir、EightyNinety，还有OpenAI和Anthropic，都建立了自己的B2B FDE团队。
B2B、B2C workflow 重构与 AI agent 竞争 70:06
卢正石 诸如此类。B2C领域，我也常和Hashed的Simon Kim代表讨论这些问题。其实Muse Spark、Gemini Spark、Grokbot都是如此。Kakao和Naver都会做。SK Telecom也会做，其他公司也一样。归根结底，B2C的竞争在于谁能占据消费者眼前的位置。而在这里，一旦占据这个位置，凭借这种触达消费者的能力，就能获得巨大的业务机会。所以所有企业都会朝这个方向走。那么，哪些企业会胜出？这让我想起以前在Google担任产品经理的经历：可以把覆盖范围和全面程度分别设为X轴和Y轴。搜索时，覆盖面够不够广，首先是影响满意度的最重要因素。比如，交给这个 agent 一项任务，从订餐厅、陪我玩这类琐事，到回答问题，它都得能做。
朴钟贤 就是能做多少种不同的事。对。
卢正石 咦？它能订去意大利的机票，却不能帮我买瓶三多水？这就是覆盖面有缺口。所以覆盖面得广，而且每项任务能完成得有多出色，也就是所谓的全面程度。最终效果应该是两者的乘积。此外，还要从另一个角度看：进入市场的时机。只是这个时机一直在动态变化。第 3 点和第 1 点差不多。从我开始做播客起，我的理想范本就是 Tesla：如果不做前沿实验室，就像 Tesla 那样做。从外部引入需要的技术，同时在公司内部实现从底层到顶层的垂直整合，让信号反馈循环在内部运转。不过 Elon 后来也觉得“看来有必要自己做前沿实验室”，于是创办了 xAI，自己也有了一家。真让人羡慕。所以我分两方面看。前沿实验室的股票得持有。这是一种保险，因为不知道这种投资敞口的拐点什么时候会到来。不过我认为，一两家前沿实验室形成寡头格局的可能性并不高。但如果这些前沿实验室从 OpenAI 到 Anthropic、SpaceX，还有 DeepSeek，虽然不知道它会不会上市，但希望它能上市。等它们上市了，它们的股票就该一直作为保险持有。因为它们从根本上说会成为所有智能的基础设施，也会成为能够抵御通胀和其他各种风险的资产，所以我认为应该持有。
垂直整合与作为保险的 Frontier Lab 投资 73:05
卢正石 而做生意，就得去它们不做的领域。这道理很显然。要找其中最大的领域。或者去找那些已有运营闭环的公司，尽快为它们做点什么。所以我也在考虑创办一家面向企业客户的 AI 公司。从创办《逃亡者联盟》时就在想这件事了。之前一直想得很复杂，现在感觉时机到了。所以我列了几项指标，虽然不是定量指标，但持续追踪几家媒体和相关信息，再加以整理，就能得出这些指标。我大约每隔一两周看一次，也在建立自己的衡量标准。因为我想把握市场时机。我关注的一项是现货与合约之间的价差如何收窄，又如何扩大。接下来第 2 点，这项其实可以略过：GPU 买来后用 3 年就报废，还是能用 8 年，结果完全不同。所以，一次投入的硬件成本多久能全部收回，也就是靠营收收回全部投入，这个回本周期有多长。因为如果回本周期短，之后的收入就都能转化为利润。像 CoreWeave 和 Nebius 这样的公司，即使硬件已经完成折旧，只要资产还在运转，之后赚的就是净利润。那么眼下难看的数字就可能好转，前提是算力需求持续存在。所以我也在看这一项。
判断 AI 市场时机的七项指标 74:24
朴钟贤 现在似乎确实正在发生这种事。那些原以为已经退役的 GPU，比如 A100，仍在持续带来不少营收。因为算力实在太紧缺了。所以才会出现这些说法。
卢正石 接着，开放权重模型与前沿模型的差距，实际上几乎等同于中国准前沿实验室与美国前沿实验室之间的差距，现在两者几乎是一回事。原本是 4 个月，现在似乎正缩短到不到 2 个月。也可能会觉得：中国的实验室正在成为前沿实验室了。
卢正石 再看我们现在做的智能体，绝大多数都用于编程。所以我也在看，编程之外会出现多少新领域。法律、财务这些领域，我也在关注。这些当然是意料之中的。接下来还有哪些大型领域会加入进来，也是一个观察点。
卢正石 然后第 6 点，可能是个比较陌生的概念。我把它看作观察价值捕获流向何处的一项指标，但我也还拿不到确切的指标。目前只能凭业内人士的感觉来判断。比如一家咨询公司，或一家运营 FDE 的公司，去客户那里做项目。那么这个项目的 Token 费用，是远高于这家公司的利润，还是公司的利润高于 Token 费用？我看的是这两者的比值。这样就能大致看出价值捕获的份额最终流向了哪里。
RSI 变量与观察 Frontier Lab 的视角 77:16
卢正石 第 7 点是首次观测到 RSI 的时间。一旦它开始出现，也许我们就该觉得自己完了。模型真的能自行改变我们目前所知的缩放定律曲线的斜率吗？如果出现能自行进步的模型，那可能会进入一个有点可怕的时代。刚才说了第 1 到第 7 点，但关注这些指标最大的风险，也许是超级智能突然出现，让这一切都失去意义，今年内就出现，一切就结束了。
朴钟贤 您讲了将近两个小时，我觉得您是以一切沿当前趋势发展为前提，把整个过程解释得很清楚。但包括 RSI 在内，就像您刚才说的，如果这正是 Ilya Sutskever 押注的方向，那么由新的人才带来的新的研究突破，比如持续学习，一旦出现这样的新进展，整个趋势又会彻底改变。无论如何，这些变化我们都得持续关注，我也是这么想的。
卢正石 对，没错。过去两周发生了太多事，我们是在解读这两周发生的事，再从我们的角度反复琢磨、梳理，所以还是有一条主线的。最重要的是密切关注前沿实验室。看清它们做不到什么，也很重要。接着，要看这期间各个时机如何变化，这一点也很重要。大概就是这些。
卢正石 毕竟我也不是每天都做这种分析，只是在这样的关键时期，一年做上一两次，借此形成自己的看法。如果您有不同看法，那您的看法就是对的。钟贤刚从美国回来，先好好倒倒时差。下周我们带着更有趣的话题，回到现实问题，再聊些有意思的内容吧。
朴钟贤 今天听得特别过瘾。我想，包括我在内，一直收听 AI Frontier Korea每一期节目的听众，大概都有相近的看法。都是押注 AI 会不断发展、深刻改变生活的人。正如胜准所说，稍微走出身边的圈子就见不到这样的人。我们被困在这样的泡沫里。就会表达得比较多。大家也会以此为依据，制定下一步的行动策略，然后付诸行动吧。
AI 时代的教育与结语 79:48
卢正石 没错。对了，最后顺便做个小宣传：胜准今天没来，是因为最近很忙。胜准在一山地区经营韩美幼儿园，这可是韩国少有的AI幼儿园，对吧？所以，如果当地有人想知道，在这个AI时代该如何教育年幼的孩子，对此感兴趣的话，请一定申请入读韩美幼儿园。今天的录制就到这里。
朴钟贤 好，辛苦了。