1186
2三年前，硅谷的每一次模型发布都像一场地震，"世界变了"是那两年最常听到的一句话。今天，它更像是每周准时推送的天气预报——大家看一眼 benchmark，切个 API，能跑就继续搬砖，跑不动再说。
这期是我和 Leo 的对谈，聊了聊在硅谷一线生活工作的她，眼中这种"祛魅"之后的 AI 到底是什么样子。当最初的兴奋褪去，真正决定一个产品、一家公司能不能活下去的，到底是什么？是模型公司天天挂在嘴边的 benchmark，还是那些没那么性感、却实实在在的 cost、workflow 和组织能力？
我们从硅谷开发者切模型 API 的日常聊起，聊到了 Cursor 和 Anthropic 之间那段有点微妙的往事，也聊到了在硅谷这几年看到的创业风向——从人人都想做一个套壳应用，到现在大家不得不回过头去问自己：我到底懂不懂这个行业。
但这期最戳到我的，其实是聊到"依赖"的那段。Leo 说，人性里有一个挺不好的部分：当你找到一条捷径、并且它总能带来好结果的时候，你会认为那就是你唯一需要的路，直到有一天它被封住，你才发现自己已经不太会走别的路了。这话说的是 AI，其实也是在说我们每一个人正在经历的事情。
如果你也处在这种"AI 已经变成背景音"的状态里，偶尔会怀疑自己是不是也在这个过程中丢掉了点什么，这期或许能帮你把问题想得更清楚一些吧。
主播介绍
Leo：硅谷大厂高级机器学习工程师，GenAI LLM发烧友
PongPong：连续创业者，AI初创公司产品负责人
时间线 Highlights
三年冷静期：AI 从颅内高潮变成日常背景音，大家默认它能帮忙做事，"怎么用"取代了"要不要用"
硅谷公司普遍给员工发 AI 使用 budget；新模型发布后，大家不再逐条看 metrics，而是直接切换体感，benchmark 本身没那么重要了
三年模型公司简史：从大家都做基础功能，到 DeepMind 做多模态、马斯克的 X 服务自家产品、Anthropic 摸出 coding 的路、OpenAI 全都要，再到最近半年集体收敛回 coding 赛道
创业者对模型的判断力在变强：做图片/广告选 Gemini，做 workflow 选 Claude；模型能力趋同后，拼的会是 engineering work 的投入比例
国内开源模型（智源、Kimi 等）通过 Fireworks 这类部署公司被硅谷开发者调用，Openrouter 上国产模型 token 占用已过 50%
Cursor 与 Anthropic 那段"背刺"往事：Claude Code 上线后 Cursor 转向用 Kimi 的 coding 模型做 post-training，以及后续和马斯克公司合并的传闻
"Claude一慢，大家就自然而然说今天摸鱼了"——聊 AI 依赖背后那个不太好的人性：捷径一旦打通，就再也不想走别的路
投资时最大的敌人不是信息太少，而是牛市里信息太多、噪声掩盖了风险
成熟投资者的判断更多来自对行业的理解和自己的性格，而不是"是不是 AI 概念"
拆解七巨头的 AI 打法：Google 先做扎实模型再下放全家桶产品，Amazon 靠云和投资吃收益，Meta 押注 Avatar 广告，Apple 死磕 on-device AI
英伟达信仰：拼的是 GPU 的 scale 能力而非单纯性能，TPU 目前更多卡在"量太少"而非"好不好用"；国内 B300 一个月内从 600 多万涨到 1000 万
创业叙事的转向：套壳应用已被证伪，模型公司很难覆盖所有 vertical，真正稀缺的是能跑出实际订单的产品，而不是又一个 AI agent
硅谷 OPC（一人公司）实录，以及给还在攒 domain knowledge 的产研同学的建议：先问自己有没有 strong motivation，没有相关积累就去找靠谱的人合作
SaaS 没有死，只是要以 AI native 的形态、打破传统组织架构重新长出来；Physical AI 仍处在数据泛化的早期阶段，离规模化还有很长的路
从 model first 到 problem first 是这三年最大的行业共识；AI native 创业者最怕的不是传统 SaaS 公司，而是自己被模型厂商的下一次升级吃掉
三年后的认知转变：模型能力不能解决所有问题、AI 的 cost 比想象中重要得多、要敢于做 AI native 的 SaaS，别总指望大厂会替你把活干完
节目中提到的持仓、加仓时点、个股判断等内容，均为主播基于个人经验的分享，仅代表个人观点，不构成任何投资建议。市场有风险，投资决策请结合自身情况独立判断，或咨询专业人士。
以上就是本期的全部内容了，欢迎您的收听，我们下期再见～
PS：AI Odyssey 听友群正式开通了，添加 vx：aiodysseyai 带你一起看 AI。
