硅谷温差 “我们是在 GPT 发布三个月前就开始做这个工作了。” “水龙头形状已经定义下来，后面更多是卷水，不卷水龙头。” “SharePoint 里的数据是整个互联网的很多很多倍。” “Google 太按照规矩来做事情。” “Personal assistant 在两年前 Google I/O 就聊到了，但产品迭代速度不够看。” “很多现在跑在云端的大模型，六七年之后都可以跑在手机上。” “现在头部公司很少发 paper，因为只能保住三个月，发 paper 只能保一周。” 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 视频播客：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube 嘉宾：Lewis - 微软 Product Lead，谷歌 Gemini founding PM Linkedin / 小宇宙 播客 / 小红书: 硅谷温差 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 Show Notes 00:13开场：Lewis 背景，Oracle 公有云到 Google PM 01:55PaLM 2 产品化：GPT 前三个月开始，团队八九人 03:48大模型史前时代：Document AI 泛化，内部 chat 未发布 05:49ChatGPT 冲击：Google 两派、危机感、Bard 与苔藓之火 08:20离开 Google：Gemini 2.5 Pro 高峰，转微软做 agent/knowledge 09:40大公司组织病：层级多、信息 withhold、指令上传下达失真 11:08为什么去微软：企业护城河，SharePoint 数据是互联网很多倍 12:27微软做什么：agent memory、knowledge、context graph、procedure memory 16:40企业 memory 权限：个人/双人/team/公司层级，consolidation 与隐私 24:35Personal agent 兴起：Muse、Grok bot、Instinct、OpenClaw/Aris；读 Gmail/Calendar 32:42为什么不是 Google 先做 Muse：Google 慢、reactive、合规束缚 36:15Google 会封数据吗：开放文化 vs 中国 walled garden，微信/小红书机会 42:46Personal agent 定价：C 端 freemium/token，B 端 ROI 抽成，长期 commodity 51:40端侧模型与硬件：Mac Studio 跑万亿参数，千问 27B，苹果/Google 后发先至 57:17Google 前景与 DeepSeek 冲击：发布慢、SOTA 窗口短、不发 paper 核心观点总结 1. Google 不是没看到 personal agent，而是做得太慢、太 reactive Lewis 认为 Google 在 Gemini/Bard 时代就定义过 personal assistant，但组织层级多、信息 withholding、法律与 Responsible AI 束缚，导致产品迭代速度跟不上 OpenAI、Anthropic，甚至被 Muse 这类新产品弯道超车。 2. 大模型产品化的“史前时代” 2022 年 8-9 月，ChatGPT 发布前三个月，Lewis 已加入 PaLM 2 产品化团队，团队仅八九人。内部早有 chat 产品，但因 legal/responsible AI 没发布。ChatGPT 出来后，Google 内部有明显危机感。 3. 微软的企业护城河：数据量 + 权限 + 场景 SharePoint 里的企业数据是互联网很多倍，但企业找不到、用不上。Agent 要利用这些数据，必须解决 memory、knowledge、权限、consolidation 等复杂问题。 4. 企业 memory 与 C 端 memory 完全不同 C 端主要做 personalization；企业里 CEO、员工、双人 chat、team、公司各有层级权限。什么能 promote 到 team/公司，涉及隐私、法律、当事人控制，不能由模型或 manager 随意决定。 5. Personal agent 兴起，核心是产品导向而非技术导向 Muse、Grok bot、Instinct、OpenClaw、Aris 等产品，技术上很多建立在类似 harness 上，护城河不高。关键是谁能把 Gmail/Calendar 数据变成具体、傻瓜式 use case，如退订、退款、保险追款、生活琐事。 6. 隐私与安全是 personal agent 的核心矛盾 Instinct 条款被质疑可拿用户数据训练，Muse 有自己模型，用户不信扎克伯格，但也不一定信小公司。企业里 99% 公司不会无故看员工 chat，但 Anthropic 等公司 policy 可能不同。 7. 端侧模型与硬件会重新定义 personal agent Mac Studio 已可跑 trillion 参数模型，千问 27B 满足日常。未来六七年，现在云端大模型可能跑在手机上。苹果、Google 可能后发先至，创业公司先打样。 8. Google 仍有底子，但发布节奏和合规文化是最大挑战 Gemini 2.5 Pro 后压力持续增加，SOTA 窗口只有一两周。DeepSeek 出现时 Google 内部惊讶，但 Google 合规严格，不参考/蒸馏，不发 paper，员工不能上播客。技术瓶颈人员发光期可能只有 18 个月。

“生子当如庞若鸣！” “DeepSeek 十年 Vesting，感觉比长征还久。” “聚光灯都打给了 Sam Altman、Ilya，但我非常清楚这个活儿到底是谁干的。” “AI 人才的半衰期非常短，就像模型的半衰期一样。” “多模态往下走，核心门槛不在算法，而在数据。” “Cursor 是先瞄准全世界 50 到 100 个最好的人，然后持续派人追踪他的动向。” “OpenAI 2025 年股权激励占了收入的一半，平均 150 万美元一个人。” “Dinq 一句话介绍：Open Router for People Search。” 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 视频播客：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube 嘉宾：Sam Gao 高岱恒，DINQ 创始人，前阿里达摩院研究员 Dinq / Twitter / 小红书: 小黑兔Sam 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 1. 作品定义人，进入“小小文艺复兴”时代 学历、大厂背景不再是唯一通行证，公开作品、代码、博客、播客等，正在成为定义个人价值的新标准。Sam 本人从双非土木到达摩院，靠的就是 Learning in Public：写博客、给开源项目提 PR、持续公开输出。 2. AI 英雄列传：关注关键技术背后的“边缘人” 聚光灯常打在 Sam Altman、Ilya 身上，但真正推动关键技术的人很多来自非顶尖机构、非主流路径。RAG、思维链、Adam 优化器、Claude Skills 等背后都有具体作者，他们的故事值得被记录。 3. 硅谷人才战争进入“体育转会”级别 Meta 因 Llama 落后而着急，扎克伯格亲自挖人，庞若明等华人研究员拿到 2 亿美元级总包，超过 NBA 球星。AI 人才市场远大于体育市场，一亿美金线可能只有小几十人。 4. 人才定价看“代表作”和稀缺经验 典型特征是有代表作，如推理能力、O1 系列、管过万卡/十万卡集群。管卡经验、训练基础设施经验、后训练能力都极度稀缺。 5. 技术方向冷热分化明显 多模态在收敛，核心门槛从算法转向数据；顶会一作贬值，GPT-6/vivo 5.1 几小时就能产论文。上升方向包括：数据相关、On-Policy Distillation、AI Infra、推理提效。 6. AI 人才半衰期极短 过去会 GAN、搜广推的人可能迅速贬值。传统互联网人追求确定性、CTR 涨点，但 AI 模型竞争是混沌的，Benchmark Maxing 和 Reward Hacking 不一定有用。 7. 招聘哲学：从漏斗转向 High Touch Cursor 的思路是瞄准全球 50-100 个最好的人，持续追踪、送吉他、办 Workshop、招通才。不要等投递，而要反向经营“前 100 人”。人生和投资也应如此。 8. DeepSeek 与 OpenAI 的激励问题 DeepSeek 十年 Vesting 对人才不友好，融资部分是为了留人；OpenAI 2025 年 SBC 占收入一半，平均 150 万美元/人，但相对估值涨幅不算高。 9. Dinq：Open Router for People Search Sam 的创业项目 Dinq 把 LinkedIn、Indeed、JobStreet 等招聘平台 API 集成，让用户通过 Agent 用自然语言搜人、找联系方式，按 Token 扣费。客户包括字节、蚂蚁、前沿模型公司等。核心判断：未来工作习惯会收敛到跟 Agent 对话。 10. 人才流动是投资信号 投资人可提前发现人才活跃痕迹，比如庞若明转会前就有迹象。追踪 AI 科学家转会、方向、价格，可能成为重要 Alpha。 Show Notes 00:12开场：作品定义人，属于我们的“小小文艺复兴” 01:19Sam 自我介绍：双非土木 → 达摩院 → 研究 AI 关键人物 02:20从土木转 AI：Learning in Public，写博客、提 PR 拿到 offer 06:17离开达摩院：扩散模型、数据 + Copilot 让算法与工程贬值 11:34OpenAI 堵门：为 AI 关键技术背后的作者立传 15:50智力超级垄断时代、AI 英雄列传与欧林工程学院 23:07硅谷人才战争：Meta 挖人、庞若明 2 亿美金总包 30:08代表作与一亿美金线：小几十人，管卡经验值钱 37:38方向冷暖：多模态向下，OPD / AI Infra 向上 45:12AI 人才半衰期：顶会论文贬值，搜广推思维失灵 50:46Cursor 招聘哲学：全球 50-100 人、送吉他、反漏斗 58:12DeepSeek 留人：10 年 Vesting、保密与融资 01:01:22OpenAI SBC：占收入一半，平均 150 万美元/人 01:07:14Dinq 创业：Open Router for People Search，Agent 搜人 01:17:23投资人用法、人才转会追踪与结尾

“单点违约没问题，但单点违约往往是行业系统性危机的开始。” “AI就是国运级别的竞赛，不是私营企业该独自扛的。” “蒸馏不是抄袭，是萃取精华——拼多多蒸微信，中国模型蒸海外架构。” “A100还在涨价，因为推理需求分层，老卡也能做差异化服务。” “中国人太爱工作，机场全是办公AI广告；欧洲人觉得这事跟他没关系。” “未来不是AI代替人，是Buddy跟悟空去开会，人和人沟通变复杂。” 本集播客文字稿可以看这里 或者关注 苔藓之火 公众号 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 视频播客：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube 相关单集：40. AI应用能融下一轮吗？收购、擦边、中转站、大厂围猎 - 对话｜马克汤 编辑推荐 - 46. 办公Agent大战：为什么大厂做不出好AI产品？- 马克汤 嘉宾：马克汤 - 发财搭子 主播 / 财搭子AI 联合创始人 / MIT毕业，CFA/FRM持证分析师 精彩单集 EP31-AI产业链跟踪5月刊-从LTA长协到800VDC电力链，寻找AI 硬件的新机会 EP26-AI产业链跟踪4月刊-光模块的爆发只是冰山一角，更大的叙事正在酝酿 EP20-你不会想让朋友们都知道你染上了恒生科技吧！ 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 Show Notes 00:13开场：八月市场回稳，但情绪仍脆弱 01:34马克汤从UTMB越野赛归来，野人思考 03:50英伟达循环借贷：银团、数据中心资产化、残值叙事 05:30老黄的残值逻辑 vs 系统性风险（单点违约≠行业安全） 08:50Michael Berry的“大空头”逻辑：折旧造假、电子产品逻辑 13:50为什么A100老卡仍坚挺？推理分层与差异化服务 20:27如何观测泡沫破裂？看A100价格、CDS、存货与应收账款 24:49AI是国运竞赛：David Sacks的“国防部该买单”观点 28:44机器人行业：短期泡沫、运动会表演、长期UBI→UHI愿景 35:23中国推动机器人亲民 vs 美欧恐惧AI 41:56中国洗碗机渗透率低，机器人场景需先打穿单点 47:00模型“斩杀线”：DeepSeek V4成基准，Kimi K3部署成本高64倍 54:46蒸馏之争：张一鸣 vs 拼多多式“先模仿后超越” 01:07:33中国办公AI广告大战，月活数据与员工习惯 01:17:25宏观：美债、日元、石油——无论AI成败，长端利率终将下行 核心观点总结 1. AI资本泡沫争论：八月市场从七月暴跌中回稳，但情绪仍脆弱。英伟达财报带来“镇定剂”而非“强心剂”，市场担心反弹非反转。 2. 英伟达循环借贷与残值叙事：老黄拉银团将数据中心资产化，强调芯片高残值与流动性，但系统性风险下残值可能崩塌，类似债券违约时的股债双杀。 3. 大空头Michael Berry的质疑：他认为科技公司折旧作假，芯片如电子产品快速贬值，但实际中A100等老卡因推理需求梯度和差异化服务仍坚挺，Berry可能脱离技术现实。 4. 中国AI模型的“斩杀线”：DeepSeek V4以极低成本和高能力成为基准，多数模型若无性价比则无存在必要，开源模型梯队分化（如Kimi K3部署成本远高于DS）。 5. 蒸馏争议：中美互相“蒸馏”，张一鸣认为蒸馏难超车，但拼多多式“先模仿后超越”在中国科技界被认可，蒸馏是追赶阶段的合理策略。 6. 机器人行业泡沫：中国机器人一级市场过热（千家创业公司），短期场景不成熟，但长期看好人形机器人与国运级机会，需经历优胜劣汰。 7. 中美AI态度差异：中国积极拥抱AI（机场广告、办公软件），美国民众担忧替代与风险，欧洲漠不关心，反映政策与生活方式差异。 8. 宏观压力：美债长端利率高企，融资成本上升压制科技股估值，但无论AI泡沫破灭还是成功，长端利率终将下行。

“愿打愿挨，愿赌愿服输，这就是个游戏。” “字节比香港大。” “你买的是Robinhood的信任，不是股份所有权。” “信息到成交，中间差了一个太平洋。” “老板不下班，并购就没戏。” “这圈子没有那么大，跟豪宅中介一样，一年成交几单就够了。” 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 关注我们：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube ｜公众号/苔藓之火 嘉宾：庄明浩 - AI司马迁，不需要介绍，没有人不知道 他的播客，他和我之前的串台 Show Notes 00:00开场：串台介绍，本期脱稿聊“水下江湖” 03:00科普：一级半市场是什么？（老股交易、SPV、基金到期退出） 07:00美国标杆：SpaceX如何从千万美元门槛变5000美元“散户可投” 12:00中国资本如何绕道参与美国AI/航天标的？匿名基金的“删稿”故事 18:00“真·Mag 7”登场：OpenAI、Anthropic、Stripe等未上市巨头 23:00估值泡沫 vs 基本面：信息不透明下，多数人买的是“叙事” 28:00从二手手机回收看S基金：估值打折、打包清仓、烂账归零 33:00小红书、字节、希音的定价密码：上市时间表、基金到期潮、老板意志 39:0036氪留言板五年数据：从“87%想卖”到“57%想买”的情绪翻转 45:00SHEIN的千亿→260亿：好业务+烂资本操作 50:00菜鸟、喜茶等“俱乐部标的”：出生即巅峰，潮退无人接 55:00并购信号：2024年321条卖身通告，老板们终于“想下班”了 60:00AI赋能研究：从简历、留言板挖出行业趋势，未来还可深挖 核心观点 1. 一级半市场定位：介于未上市融资（一级）与公开交易（二级）之间，本质是老股、SPV份额、代持等非标交易。因基金到期退出压力和IPO通道受阻，近年来在中美两国显著活跃。 2. 美国代表标的：SpaceX、OpenAI、Anthropic、Stripe等构成“真·Mag 7”，通过多层SPV和Token化将投资门槛降至数千美元，体现“金融民主化”，但法律结构存在灰色地带。 3. 中国特殊生态：字节跳动最特殊——每年主动定价回购员工期权，自身充当“流动性池”；小红书、希音（SHEIN）等交易活跃，估值随业务与情绪剧烈波动。 4. 数据洞察来源：基于36氪留言板五年5000+条数据，虽非成交数据，但可作为市场情绪先行指标，反映行业热点从互联网消费→Web3→硬科技→AI的轮转。 5. 交易非标性与风险：法律结构复杂（代持、SPV嵌套、币种、付款条件），信任比文件更重要，“愿打愿挨”属性强，存在链条断裂甚至欺诈可能。 6. 估值决定因素：基本面、上市时间表、基金到期潮、中美政策、买卖盘额度等多重博弈，同一公司同期可能多个成交价。 7. 并购需求涌现：2024年卖身通告增多，反映创始人愿意“下班”的罕见局面，但并购在中国仍极度依赖人脉与缘分。 8. AI赋能分析：利用AI整理海量非结构化数据，使文科生也能做宏观量化研究，未来可进一步挖掘简历、并购意向等隐藏信息。 9. 字节不可复制：体量、现金流、创始人意志、地缘政治共同使其成为“特殊存在”，上市地选择远超投资逻辑。

“如果一个人愿意离开OpenAI去某家公司或者创业，那是对那个方向最大的背书——这是极具投资价值的信息。” “在谷歌工作，你会真实地感受到同事不断离职——去新的startup，去Anthropic，这肯定有一点点peer pressure。” “一个非上市公司的季度数据，居然可以对美股半导体板块产生巨大影响——你简直无法想象这些公司上市之后会怎样。” “中美大模型的竞争，其实是在美国的中国人和在中国的中国人之间的竞争。” “这些表格如果你不认真看标题，都觉得是同一家公司的——名字换一下你都无法发现谁是谁。” 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 关注我们：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube ｜公众号/苔藓之火 Show Notes 时间轴： 00:13 – 开场：OpenAI/Anthropic未上市已撼动美股，今年或明年IPO在即 01:08 – 为何要扒简历？想看清“谁造出了大模型” 01:49 – 数据来源与免责声明：2万份→1.7万份有效，误差极多，当“细说”听 03:27 – 聚焦OpenAI与Anthropic，DeepMind数据因与谷歌混同仅作参考 04:26 – 城市分布：旧金山湾区占绝对主力，伦敦、都柏林、东京、新加坡是海外重镇 06:32 – 学校分布：前5所名校占14.7%，但另一半员工来自1308所“长尾”学校 08:40 – 清华是唯一排进前排的外国大学（23人），但LinkedIn数据严重低估中国学历 09:50 – 前雇主排行：Google、Meta、AWS前三，Stripe向Anthropic输送106人（创始人背景） 12:48 – OpenAI前雇主：Meta、Google、Apple，收购Stack AI带来129人“打包进场” 14:33 – DeepMind 44.6%员工上一份在Google，高盛居然贡献22人（意外） 15:51 – 三角人才流动：二线实验室（Scale AI、Character AI等）持续向前三家输血 17:26 – 职能分类：Anthropic工程30%+研究20%+销售18%；OpenAI工程38%+研究21%，销售比例更低 21:37 – 语言标签：中文排第二外语（20%+），仅次于西班牙语 23:12 – 华人深度挖掘：严格“中国背景”343人（2%），拼音姓名2952人（15%），整体华裔约20% 31:02 – 核心洞察：三家公司高度同质化，竞争激烈；安全对齐部门Anthropic是OpenAI两倍 33:28 – 流动方向：44人从OpenAI跳Anthropic，反向仅9人，趋势明显 35:23 – 结尾彩蛋：想看完整图表请关注公众号“苔藓之火”；欢迎提供新分析角度（尤其离职去向统计）

“中转站就是在你和官方之间差了一层，技术上一点都不神秘，就是一个收银台加上一个路由器。” “如果倍率调到10，你付10块，调到100你付100，但官方真正收的还是7块——换模型你还能查，调倍率是你不知不觉钱被扣光了。” “真正理性的站长可能不换模型，而是去调整倍率。” “当有一个东西我们不知道应该被定义为石油、能源、电还是货币时，最先看懂它的可能不是VC或投行分析师，而是走私的人。” “中国人实在是非常聪明，但身为中国人，竞争也是非常的激烈。” 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 关注我们：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube ｜公众号/苔藓之火 Show Notes 时间轴： 1. 00:15 开场：做AI内容被骂，却因不删评论引来中转站广告 2. 01:45 意外发现：评论区“牛皮癣”站长主动求合作 3. 03:04 中转站怎么赚钱？——收银台+路由器，倍率结算 4. 04:09 货源之谜：80%来自“号池”，合法渠道只是“缘分” 5. 05:20 为什么官方5折不够？中转站要一折甚至更低 6. 05:44 数据留痕：你的对话全在服务器，10%站长可能卖数据 7. 06:43 真实需求：有人定制“45~55岁美国女性对话” 8. 09:01 偷换模型？其实不普遍，更狠的是调倍率 9. 11:21 倍率详解：1倍=0.14折，调到10倍你就被悄悄吸血 10. 13:20 生意模型：3人团队，月流水70万，净利40万 11. 14:43 行业天花板：头部月流水千万级，团队不到20人 12. 15:56 猫鼠游戏：封号145万个，恢复率仅3.3% 13. 17:36 法律风险？他自称“可控”，但具体手段不便展开 14. 18:57 官方为何恨中转站？政治、订阅制被滥用、模型蒸馏 15. 21:28 类比影子船队：智能是新的石油，走私者最先看懂它 本期节目仅为行业观察，不构成任何使用建议。

“替代人不是AI的极限，AI的极限是创造我们想象不到的东西。” “你如果只用自由现金流去衡量Capex，那铁路、电气化一开始全是泡沫，但它们是文明的基石。” “开源模型把中低端智能打成白菜价，但闭源模型只要比人类天才再高一点点，就能拿走绝大部分价值。” “现在AI就像1920年的电车和电灯，你想象不出收音机，但收音机后来涨了300倍。” “Token价格下降不可怕，可怕的是需求弹性不够。AI弹性的上限是‘智力替代能源’。” “债务本身不是坏事，高杠杆才是。目前AI的杠杆远低于运河和铁路泡沫时期，跌40%也没人爆仓。” 本次播客的核心矛盾在于：AI的巨额资本开支（Capex）究竟是即将破裂的泡沫，还是文明级技术革命的必经成本？多方认为，市场错把“成长股”当“价值股”来估值。他通过算账指出，单G瓦数据中心已能实现极高回报率（年收入可达成本的1.5倍以上），且AI对标的是电气化革命——前十年投入占GDP 2%却未见生产力爆发，后期才催生收音机等颠覆性应用。AI是“智力”本身，TAM不止于Coding或SaaS（3000亿），而是全球40万亿白领市场，甚至能创造人类无法想象的新物种。当前的股价波动不影响实体采购，泡沫破裂须待极高杠杆（如4万亿Capex）出现，现在远未到顶。空方则质疑万亿美元级的年折旧需要5万亿收入支撑，而全球七姐妹总营收仅2万亿；同时Token价格长期趋近于零（如电费），行业可能沦为公用事业，且企业级AI目前尚未带来财报上的显著提效。最终结论偏向长期乐观：AI的“智力”属性决定了其弹性远高于光伏或互联网，但短期场景能否从Coding扩散到全企业工作流，仍是决定市场二阶导的关键胜负手。 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 关注我们：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube ｜公众号/苔藓之火 嘉宾：唐奕波 - 私募基金分析员，播客《随处奔波》，文章（公众号"奔波儿r"） * 《AI 到底是泡沫吗——从 100 年前的电气化找答案》 * 《让研究的归研究，交易的归交易》 * 《投资的审美》 * 开源项目（github.com/Benboerba620）：ai-signal 每天抓一线推特/播客/论文；ai-workspace-hub 带知识库闭环的 AI 投研工作流 * 本期提到的（《三点下班》）唐奕波 v.s. 星辰 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 时间轴（Time Table） 00:00 开场：七月市场巨震后，AI多头还剩下谁？ 01:00 嘉宾自我介绍：8年私募研究员，从新能源到AI硬件 02:40 核心争论：Capex每年七八千亿，钱从哪来？够不够？ 04:00 拿自由现金流质疑Capex是错的，电气化、铁路都这样 05:30 算账：1个G瓦数据中心=400-600亿成本，年收入600-1000亿（闭源推理） 07:30 开源模型收入低40-50%，但利润率也低 10:00 Token价格战：中国开源模型倒逼OpenAI降价，但唐认为这倒逼闭源向前沿狂奔 14:00 光伏 vs AI：光伏TAM被火电价格锁死，AI的TAM是“人类智力天花板”，无上限 18:00 后发优势：中国用1/10成本训出90%性能，但探索前沿的人必须烧钱 24:00 市场主要矛盾：不是Capex太多，而是担心只有coding一个场景 30:00 企业级AI突破：Claude Tag（公司级Agent）可能改变组织架构，Block已裁员40%提效 37:00 AI帮他20分钟从800只股票中筛出MLCC大牛股 44:00 空头发问：5万亿收入从哪来？全球SaaS才3000亿 51:00 对标电气化——Capex占GDP 2%投了15年，前10年无生产力提升 55:00 债务观点：泡沫破裂要到杠杆极高时，现在远未到 1:07:00 AI是“智力”，它不只是替代人，它会创造新物种，就像电催生了收音机 关键词：Capex，TAM，电气化对标，Token价格，推理收入，开源vs闭源，智力商品化，折旧压力，自由现金流，杠杆率，场景扩散，企业级Agent，AI-native应用，后发优势，需求弹性 中文逐字稿：https://insights.mossfire.xyz/posts/ep47-last-ai-bull/ English transcript: https://insights.mossfire.xyz/en/posts/ep47-last-ai-bull/

“局部理性，就是每个部门都在做自己定义下正确的事情，但最终结合产出就偏离了最初的目标。” “模型的忠诚度是零，谁强用谁的。迁移成本一旦被抹平，用户随时可以走。” “搬起石头砸自己的脚——旧业务太赚钱，新业务就下不了决心砸资源。” “未来的竞争，最终就是渠道之争。谁把握流量和预装，谁就把握AI应用的命脉。” “一个老师傅带五个Agent，比五个老师傅带五个应届毕业生厉害多了。” 电梯广告里铺天盖地的“办公AI”到底是大厂的新希望，还是新内卷？本期我们请回老朋友马克汤，拆解字节、阿里、腾讯、百度等中国大厂在AI办公Agent上的布局与困境。为什么手握重金和人才的大厂，至今做不出一款让人“眼前一亮”的AI原生应用？大公司病、局部理性、内部赛马如何扼杀创新？海外Google、微软、苹果、Meta又走到了哪一步？未来的AI入口是手机厂商的OS，还是微信这样的超级APP？一场关于“替代白领”的终局猜想，正在发生。 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 视频播客：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube 相关单集：40. AI应用能融下一轮吗？收购、擦边、中转站、大厂围猎 - 对话｜马克汤 嘉宾：马克汤 - 发财搭子 主播 / 财搭子AI 联合创始人 / MIT毕业，CFA/FRM持证分析师 精彩单集 EP31-AI产业链跟踪5月刊-从LTA长协到800VDC电力链，寻找AI 硬件的新机会 EP26-AI产业链跟踪4月刊-光模块的爆发只是冰山一角，更大的叙事正在酝酿 EP20-你不会想让朋友们都知道你染上了恒生科技吧！ 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 时间轴（Time Table） 00:07电梯里的办公AI广告引发的“周五烦躁”与分众传媒的商业信号 01:12新系列「Every-buddy」开场：谁会成为中国办公Agent的超级APP？ 02:19大厂广告投放有多猛？网红一个月接4条Body广告，单条十几万 04:05什么是“AI原生”产品？GUI硬改LUI就是反人性 06:30大厂通病①：OKR拆解导致“局部理性”，算法只关心准确率，不关心用户感知 08:40大厂通病②：内部赛马与合并，玉伯离开阿里的无奈 09:40经典案例：钉钉被曝“面试先拉5个新用户”，大公司病有多离谱 12:00组织解法对比：字节Flow（独立部门+内部结算）vs 阿里ATH（CEO直管） * 晚点：当一个年轻人空降：改造腾讯混元的 300 天 16:00小米雷军的“放权”式管理：给空间，不查岗，让团队自己跑 19:00为什么字节相对做得更好？独立期权、亲兄弟明算账、不耦合旧业务 22:00海外篇①：Google为什么稳住了？搜索份额没掉，Gemini在抢ChatGPT的量 26:00海外篇②：Meta没有应用亮点，微软输在Windows生态和Office的“可替代性” 29:00硬件终端之争：Mac统一内存吊打Windows，AI开发者都在换苹果 34:00未来入口之争①：OS Agent（手机厂商）vs Super App Agent（微信/支付宝） 38:00未来入口之争②：“预装应用”战争卷土重来，排他协议将决定渠道命脉 43:00AI替代人力的进度条：从“赋能”到“替代”，美国裁员加速，中国隐性变相裁员 48:00终局猜想：12个月内办公Agent将进入替代阶段，白领岗位面临蒸馏 中文逐字稿：https://insights.mossfire.xyz/posts/ep46-office-agent-wars/ English transcript: https://insights.mossfire.xyz/en/posts/ep46-office-agent-wars/

450亿美金的对冲基金Situational Awareness摔了个大跟头。 “基金强平从来不是行情的终点，它通常是下半场的发令枪。” “四倍杠杆去表达一个十年期的判断，市场根本不care你是对是错，市场只要证明你撑不住爆仓。” “七月份最大的强制卖家已经出清，但这次以后，买家的火力被削弱，涨得更慢，跌得更快” “他学会的可能不是不用杠杆，而是巧妙的隐藏杠杆。” 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 视频播客：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube 中文逐字稿 English transcript 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 * SA基金（Situation Awareness）于2026年7月遭遇多空双杀，四倍杠杆下单月亏损67%，被迫折价甩卖约160亿美元公开仓位。 * 基金并未破产，而是去杠杆后以零杠杆形态继续存活，但投资人的钱因两年锁定期无法赎回。 * 从规模看，这是五年来最大基金爆仓（峰值450亿），但破坏力远小于比尔黄、三箭资本和FTX。 * 短期：强制卖家出清，AI基建基本面未崩，短期底部可能已现；长期：暴露了AI行情的杠杆化程度，未来廉价杠杆难再获得，行情或将减速。 * 真正的警示不是方向错误，而是用四倍杠杆赌十年判断——市场只要证明你撑不到那一天 时间轴（Time Table） 00:00背景：25岁基金经理Lipo Brunner在7月24日发信称“大跌是最好买入机会”，但六天后（7月30日）其SA基金将160亿美元头寸折价卖给Citadel。 01:04本期三大任务：理清事实、历史排名、分析对AI行情的含义。 01:45Lipo其人：15岁哥大，曾任职FTX、OpenAI超级对齐团队，2024年发表165页论文《态势感知》，论证AGI将于2027年到来。 02:51基金以论文募资，豪华LP阵容，2024年底2亿美金起步，半年回报439%，规模飙至450亿美元。 04:32七月行情逆转：AI重仓股暴跌35-50%，做空软件股反涨，四倍杠杆下单月亏损67%，净值从年初100变539再变回180。 05:35Margin call触发，投行连夜找买家，最终折价卖给Citadel；但基金未破产，仍剩100亿美元资产（含Anthropic未上市股权）。 07:16第二封信：去杠杆、平空头、留全额付清仓位，基金继续以混合形态“打下一仗”。 08:04投资人困境：两年锁定期，无法赎回；年内仍赚80%，但心情从狂喜到失落。 09:46历史对比：AUM峰值450亿>比尔黄（360亿），但名义敞口（1600亿）不及；破坏力远小于三箭、FTX，未伤及银行系统。 11:44对AI行情的短期影响：仓位出清，而非基本面崩盘；最大强制卖家已现，短期底部可能形成。 13:31历史规律：LTCM、比尔黄爆仓后市场仍上涨，但往往成为周期下半场信号（互联网泡沫、2022年熊市）。 14:44长期警示：暴露了AI生态的多层杠杆（基金、散户、矿企、云厂商），未来杠杆融资将收紧，上涨变慢、下跌加速。 16:03问题不是方向错误，而是用四倍杠杆赌十年判断；SA基金本身就是AI行情的“保证金测试”，裸泳者现形。 17:35担忧：或学会隐藏杠杆而非放弃杠杆，下一轮拥挤仓位将更不透明，重蹈比尔黄TRS覆辙。

“现在大模型太多太强了，很多应用是玻璃钉子，经不起大模型的锤子。” “电冗余了，但没有人知道如何做冰箱和彩电。” “如果创业做出来的东西连你自己都觉得无聊，那就别做了，哪怕投资人很喜欢。” “AI时代的诺兰一定会出现——不是因为他们技术好，而是因为他们有脑洞和审美。” “焦虑没用，如果你继续焦虑就焦虑着，实在不行去看心理医生。” 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 嘉宾：王依然 - 图灵的猫 - B站百大，AI应用创业者，新兴播客 图灵的猫 也在小宇宙上找到 视频播客：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 时间话题 01:15为何在技术狂飙中要“回头看看”旧算法？信息检索、本地素材搜索仍有未被挖掘的价值 04:48创作痛点：磁盘不够、素材难检索——AI应用应解决非生成环节的问题 06:34AI应用创业为何难出杀手级应用？Manus是个例外，高客单价+高粘性值得思考 08:11早期产品实践：AI辅助写作但不代写，强调人的参与和逐行修改 10:00值得学习的AI应用案例：Granola（会议纪要）、Typeless（语音交互）——简单但爽 12:09吐槽“无线画布”：产品经理自嗨，用户学习成本高，技术上有缓存渲染瓶颈 14:49OpenClaw（本地权限工具）被高估又被低估——代表用户愿让渡隐私换取便利 18:32本地端应用趋势：素材存在本地，避免云端跑路风险；硬件耦合是护城河 19:54“大模型是锤子，应用是钉子”——太弱的钉子会被锤子敲碎，要选真正坚硬的场景 20:47柠檬（大模型）降价，蜜雪冰城（应用）不一定更好——补贴战下毛利并未改善 24:14百大UP主创业的利与弊：融资和曝光容易，但标签限制、粉丝付费率虚高 30:20做产品要取悦自己，PMF之外更要“让自己开心” 34:55IP变现方式：不做培训割韭菜，靠to B业务和硬件小规模试水 44:57未来畅想：AI电影时代——画面不再是瓶颈，创意和剧本才是 关键词： 智能应用、大模型、本地硬件、创作素材、个人品牌、无线画布、价格补贴、创意剧本、技术焦虑、主体性

“模型困在自己训练的语料里，他吃进去的语料实际上是他的枷锁。” “RSI 就是——你先靠人类智慧堆出一个够聪明的模型，然后它自己从外界获取信息，自己迭代。” “许愿式编程：你满足了当下的要求，但后果是拆东墙补西墙。” “人类能抽象出牛顿第二定律，模型只能记住所有落地的轨迹——这是本质区别。” “先扎马步，扎六个月，不要想九阴真经——这才是大智慧。” “越有智慧的人越不屑于黑 NASA，但一个受过训练的 19 岁高中生可以——他们训练的也许是黑化的爱因斯坦。” 嘉宾：王铁震 ｜前Hugging Face APAC Ecosystem Head | Linkedin联络方式 完整无删节版本请看视频播客 ▶️YouTube链接 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 时间核心话题 00:00 – 02:00Q2 的 AI 世界恍如隔世，GM5.2 已取代 OpenAI 4.8 成为主力工具；开源模型斩杀线持续上移。 02:00 – 06:30RSI（递归自我改进） 与 auto research 的区别：前者是“编译自己”，让模型自己优化自己；后者是优化外部目标。RSI 更像循环闭环。 06:30 – 10:00RSI 无法达到 100% 自主，人类参与比例虽递减但不可归零；代码生成行数虽多，但指令和架构仍由人类定义。 10:00 – 14:00“许愿式编程”的陷阱：AI 满足当下需求，但拆东墙补西墙，项目复杂度超限后无法维护；新模型版本成了“救火队”。 14:00 – 18:00人类的核心价值是抽象能力——将百万行代码提炼为不变量和模块；模型生成的是“始山”（spaghetti code），缺乏高屋建瓴的设计。 18:00 – 22:00模型困在自己的训练语料里，语料即枷锁；它只能组合已有方法，无法真正开拓全新领域，真正的创新仍依赖人类的“research taste”。 22:00 – 26:00数据飞轮：交互数据（录屏、操作反馈）是模型进化的燃料；未来产品两大方向——高效收集人类智能数据 + 将智能无处不在地下发。 26:00 – 30:00Harness（工具链） 从 TUI 起步，用户体验决定胜负；不会一家垄断，类似前端框架 React 等生态共存。 30:00 – 34:00Fable的发布：marketing 成分大于范式突破；它并未改变底层逻辑，而是通过训练“恶意语料”制造能力差，本质是“黑化的爱因斯坦”。 34:00 – 38:00安全悖论：要防黑化，先学黑化；Anthropic 收集大量攻击性语料，但智能本身不等于不安全，越有智慧反而越可能克制。 38:00 – 42:00中美差距：马斯克判断中国 2027 Q1 赶上 vivo，唐杰认为更快；中国模型迭代速度已追上来，超越只是时间问题。 42:00 – 46:00开源模型的进步是所有人的进步；投资角度上，赛道虽拥挤，但开源让模型透明化，倒逼真正科研投入。 46:00 – 50:00美团龙猫：在纯国产卡集群上成功训练 1.6T 模型，工程突破巨大，说明中国厂商已能绕过 N 卡限制。 50:00 – 54:00腾讯混元三：不追新架构，扎马步式打磨数据和训练方法，性能飞跃；证明数据清洗和质量比结构创新更关键。 54:00 – 结束“Coding”是个有毒的词，本质是 Automation（自动化）——所有数字世界的工作都可被自动化 本期提到 模型 * GLM-5.2（智谱） — 王铁震口中 Q2 最受震撼的发布，已在他的实战工作流里取代 Opus 4.8——不如 Fable 聪明，但能一口气把长程任务做完。 * Opus 4.8（Anthropic） — 被他形容成会顶嘴的资深员工：任务给过去先跟你讨价还价、要求改 scope。 * Fable（Anthropic） — 本期的核心争议对象。主打 0day 漏洞挖掘和国家安全叙事，王铁震认为能力强但范式没有跃迁，发布更像是被开源斩杀线逼出来的。 * Kimi 2.5 / 2.6 — 他拿来复现 Fable 宣称的漏洞：给了 hint、把问题局部化之后同样能找到，差在海量遍历时能不能自己 spot 到。 * 混元 3（腾讯） — 本期最长的一段技术讨论。结构相比 preview 版几乎没变，只换了数据和训练方法就有巨大性能飞跃，被当作「数据 > 结构」的证据。 * LongCat 2.0（美团） — 1.6T 模型，在完全没有 N 卡的五万卡国产集群上训出来，王铁震认为工程上是非常大的突破。 * 百灵（蚂蚁） — 对照组：此前尝试在 N 卡与国产卡混合的集群上训练，LongCat 则是全国产。 * MiniMax — 传闻要做 2-3T 的开源大模型，被用来讨论「尺寸上去之后开源模型能否直接找到漏洞」。 * DeepSeek — 作为「斩杀线」这个概念最早的锚点被提起——如今线已经被推得更前。 公司 * Anthropic — 今天 ARR 第一、Q2 断层领先，但两位主播都认为它的溢价正在被开源和中国模型压缩。 * 智谱 / 唐杰 — GLM-5.2 的作者。唐杰回应马斯克「不用等到 2027 年」，隔天股价大涨。 * OpenAI / Sam Altman — Codex 并入 ChatGPT、推出 Record Replay；节目末尾被拿来做脑洞：如果有机会，他会不会买 Cursor。 * xAI / 马斯克 — 马斯克在推特上判断中国模型 2027 Q1 追上，并主张「有用的智能唯一衡量标准是收入」；xAI 收购 Cursor 被解读为买数据。 * Cursor — 在 Anthropic 已有 Claude Code、自己也推出了 Composer 的情况下仍被收购，说明这笔交易看的是人工编程数据。 * 腾讯 / 姚顺宇 / CodeBuddy — 组织架构上给了足够空间；姚顺宇不追奇技淫巧、专注扎马步式的数据清洗；CodeBuddy 内外部使用量都为模型带来数据。 * 美团 — 外卖大战打得焦头烂额，还抽空做出了 LongCat，被当作「非模型厂商也在推高斩杀线」的代表。 * Recursive — RSI 概念的旗手公司，Q2 完成大额融资，田渊栋以 co-founder 身份加入。 * 苹果 — 被看好走「智能的盒子」路线：买一次设备、模型跑在本地，卖的是隐私和不被断供。 * Meta / 小米 / Airbnb — Meta 被认为随时能翻盘回桌；小米和美团一样属于非模型厂商入场；Airbnb 则是拿开源 check point 自己微调的典型。 产品 * Claude Code — Harness 的标杆，也是「日更」的原因：难的从来不是做出来，而是极致的用户体验和安全兜底。 * Codex — 与 Claude Code 的对照——没有危险命令检测的小模型，但有 Sandbox，两条不同的解题路线。 * Record Replay（OpenAI） — 录屏学你怎么改简历、怎么筛简历，然后替你重复——Raymond 认为这正是上一期说的「劳动数据」的产品化。 * OpenCode / Cline — 证明 Harness 不会被垄断，但会像 Vue 和 React 一样收敛到少数几家做得更好的。 * vLLM / SGLang — 他 RSI 实验里「还没被自己掌控」的一环：下一步是让 GLM-5.2 自己写出自己的推理。 概念 * RSI（递归自我改进） — 本期主线。和 auto research 的区别在于：auto research 是用一个东西优化另一个东西，RSI 是把这个环接到自己身上。 * 自举 / compiler bootstrapping — 解释 RSI 用的比喻：C 语言编译器最终用 C 自己来编译自己，模型也该走到自己迭代自己。 * 100% RSI 不可能 — 他的判断：完全闭环会熵增，屎山越滚越大直到超出模型能力；必须持续从外界摄取低熵的人类 input。 * 许愿式编程 — 对结果有期盼、对过程和可复现性没有期待——像刮彩票，刮到十个亿很好，但线上出事故时你刮不出来。 * 一口气能做对的项目 size — 他给出的一个衡量模型能力的实用指标：两万行的原型现在能一次跑对，往上加就开始六亲不认。 * 白盒 / 黑盒 — 软件工程正在从人写代码的白盒，变成人定架构、机器写实现的灰盒甚至黑盒。 * research taste — 在他和 Recursive 的逻辑里都是瓶颈：现存语料会给你 137 种「这事做不成」的理由，敢不敢做网状回收火箭是人的事。 * 蒸馏与智能的网络效应 — 你从最新模型里拿到的智能，其实来自地球另一端某个人趟出来的新路径——模型厂商只是把它蒸馏了进去。 * 古法手作 — 他对上一条的回应：人得留一点自己动手的能力，否则会被锁死在模型的平均值里。 * predict the next token 的枷锁 — 模型能把 A 领域的方法搬到 B 领域，但开创一个全新的 C 领域不是它的训练目标——在语料看来那就是幻觉。 * 黑化的爱因斯坦 — 解释 Fable 的攻击能力：智能本身不等于不安全，是海量攻击语料训出了一个会黑 NASA 的爱因斯坦。 * 斩杀线 — 开源和非模型厂商不断把这条线往前推，闭源模型必须拉开一个身位才卖得动。 * 大马造小鞍 — 他 RSI 实验的路径：用 Claude Code + Fable（大马大鞍）带 GLM-5.2 造出自己的 Harness，再做推理、再做 LoRA 训练，链路就闭合了。 * coding 其实是 automation — Raymond 的非共识：code 这个词有毒、太 technical，它真正说的是「所有数字化的工作都能被自动化」。 * 数据孤岛 — 点评答不了「这个商场哪家咖啡店没人」，因为中国各家 APP 数据不打通——这也是每家大厂都要自己做模型的原因之一。 文章 * Anthropic 的 RSI 文章 — Claude Code 里 80% 的代码已由 Claude 写；文章担忧的是 recursive drift——孩子长大后开始和你不 align，而你已经管不住了，因此呼吁各国联合监管。 * 《晚点》关于混元 3 的独家深度报道 — 节目里明确说会放进 show notes。两个要点：腾讯在组织架构上给了足够空间，以及姚顺宇不追奇技淫巧、把力气全花在数据清洗上。 💡 核心观点 * 训练语料是模型的枷锁：它学习的是人类已知的“平均”，无法跳出这个边界；而人类以极慢的速度探索未知，这正是原生价值。 * 未来竞争不在模型结构，而在数据和用户体验：混元三靠数据清洗逆袭，美团靠工程落地，开源让智能商品化，但差异化在于“使用智能的脚手架”。 * 安全与恶的悖论：Dario 通过“先黑化”来防黑，但本质是收集了所有恶意手段，这本身就是一个巨大的伦理和治理挑战。 * Coding 即许愿：未来的编程不是写代码，而是用自然语言描述意图，模型自动实现——这是自动化，不是代码行数。 中文逐字稿：https://insights.mossfire.xyz/posts/ep43-llm-half-year-report/ English transcript: https://insights.mossfire.xyz/en/posts/ep43-llm-half-year-report/

“以前有一百个理由不让自己抛头露面——灯光、表情、剪辑……当你欠了钱之后，你就不会想这些了。” “你签的各种协议看清楚了，你觉得明天会更好，明天不一定会更好。所有融的钱都不是天上飘来的，是要还的。” “AI帮你节省了1个小时，你就会拿那1个小时再去做别的事。但是任务之间的切换，对大脑耗能是极高的。” “老板在用AI这件事上，和员工完全是两个物种。老板Token消耗排名前几，员工每天9点下班到家，你让他再学3小时AI？你说不出口。” “我现在越来越没有耐心了。AI和自媒体两个东西叠加，让你觉得跟人聊天的信息密度太低了。” 嘉宾：李超 - 第四种黑猩猩 抖音 / 小红书 / Bilibili / 公众号 完整无删节版本请看视频播客 ▶️YouTube链接 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 ⏱️ 时间轴 00:47 - 03:37 为什么叫“第四种黑猩猩”？ 03:37 - 12:22 五年创业血泪史 12:22 - 14:44 创业不适合所有人 14:44 - 20:35 为什么转行做自媒体？ 20:35 - 28:58 “30个应用挑战”是怎么火的 28:58 - 34:28 一人公司：什么时候招第二个人？ 34:28 - 43:43 传统企业AI改造的最大难题 43:43 - 50:40 哪个行业AI改造最成功？ 50:40 - 55:24 AI原生公司的巨大机会 55:24 - 59:30 “龙虾不会超越你的认知边界” 59:30 - 01:04:26 致18个月前的自己

"你明摆着要炒我啊，我为什么还把自己先蒸馏贡献给你" "你做的时候他们觉得你是疯子，然后小扎做的时候说哎他应该有想法" "你猜一下Stripe有多少轮面试，14轮面试，非常可怕" "如果90天以后客户拿到的是一个交付结果，那就是agency；但如果90天后客户有了一个懂市场、产品、用户、渠道的数字员工，那才是我们真正想要做的" "就是不管你喜不喜欢，不管你担不担心自己被蒸馏，你可能就是被蒸馏的路上" "Codex应该付费让你使用" 嘉宾：Michael Guan ｜Hellyeah (prev. Final Round) CEO & 联合创始人 完整无删节版本请看视频播客 ▶️YouTube链接 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 Shownotes： 00:28 一个面试作弊器，怎么在12个月内火遍全网？ 02:19 用户主动求付费，99美金随口报，居然真打钱了？ 03:28 面试提词器太强，企业急了 05:28 数字员工不是概念，是“录屏数据”养出来的新物种 06:43 伊隆·马斯克的路线：AGI必须像人一样看得见 08:38 当客服系统被computer use agent接管，SaaS还有戏吗？ 10:13 Coding赛道太卷，那下一个“强化学习信号”最强的是什么？ 14:20 “试婚式”工作坊：先同居再结婚，能解决招错人的痛吗？ 16:09 你的Skill和“数字员工”之间，差了哪三样东西？ 20:40 为什么选Growth Marketing，而不是销售或法律？ 24:53 AI能想出“特朗普广告牌”这种创意吗？ 28:58 以前只做P0，现在P10也能啃，因为数字员工“闲着也是闲着” 32:08 扎克伯格提前六个月干了同一件事，被骂惨了，你们怎么扛？ 46:24 事件驱动营销 54:15 就业市场变好了吗？ 01:01:58 裁员80%不需要AI？Twitter早在GPT前就这么干了 01:03:00 给白领牛马的建议：不是学不学AI，是能不能用AI“卷赢” 01:12:07 硅谷造新品类，中国搞平替，谁更赚钱？ 01:22:14 CEO最后的价值当拉拉队长？ 01:25:36 你每月付200美金给大模型，其实是在付费蒸馏自己？ 关键词 Haya Final Round 数字员工 数字员工 蒸馏 知行合一 Computer Use Agent 招聘 面试 Copilot 录屏蒸馏 Workshop VLM AGI 数字员工 Reinforcement Learning 就业市场 裁员 AI Builder Growth Marketing 中美AI对比 出海 平替 大模型补贴 Codex Recall Claude OpenAI xAI Meta 扎克伯格 录屏 隐私焦虑 Event-Driven Marketing OKR Agent CEO价值 智力密度 扁平化组织 中文逐字稿：https://insights.mossfire.xyz/posts/ep41-screen-recording-rush/ English transcript: https://insights.mossfire.xyz/en/posts/ep41-screen-recording-rush/

“在AGI主航道上，大模型厂商还没腾出手来做垂类，不是因为不能，只是时候未到。” “同样的任务，同样的结果，我能花更短的时间、更少的Token——这就是垂直公司最后的比较优势。” “Cursor本质上是个高级的Wrapper，它付给Anthropic的API溢价高达75%，长期看根本打不过Claude Code。” “大模型厂商把API请求拿回去蒸馏，这是新时代的‘数据飞轮’，应用公司永远追不上。” “PPT是给人看的，但未来汇报可能根本不需要PPT——HTML的动态交互才是AI时代该有的形态。” “陪伴类产品走到最后都开始擦边，因为擦边是最好挣钱的，不擦边就真的很难挣钱。” “字节的音频模型已经听不出AI感了——它可能不是最好的文本模型，但在多模态上绝对是一流。” “飞书在前AI时代就准备好了所有接口，现在AI一来，它天然就是最好的Agent枢纽。” “AI应用要成功，必须产品功能够AI，组织也够AI——旧组织做不出新物种。” 嘉宾：马克汤 - 发财搭子 主播 / 财搭子AI 联合创始人 / MIT毕业，CFA/FRM持证分析师 精彩单集 EP31-AI产业链跟踪5月刊-从LTA长协到800VDC电力链，寻找AI 硬件的新机会 EP26-AI产业链跟踪4月刊-光模块的爆发只是冰山一角，更大的叙事正在酝酿 EP20-你不会想让朋友们都知道你染上了恒生科技吧！ 完整无删节版本请看视频播客 ▶️YouTube链接 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 时间核心话题 00:07AI应用赛道概览：从GPT-4O“解锁”能力到投资北极星指标从DAU转向ARR 03:15生态之争：从GPTs到Skill/MCP，平台如何激活创作者经济 07:56To B vs To C：法律/医疗/金融是高价值赛道，大模型公司为何还没“吃掉”一切？ 12:04垂直公司的壁垒：数据私有性、Dirty Work、推理效率与切换成本 16:24金融AI实战：特色数据（研报、会议纪要）与主观/客观信息的清洗管线 22:56三大壁垒的“保质期”：效率优势最持久，数据壁垒最易被大厂复制 26:55Cursor的兴衰启示：从500亿估值到被马斯克600亿收购，Anthropic为何不买？ 30:21工程化Dirty Work的价值：Cursor的渐进式披露 vs Claude Code的Graph搜索 34:13大模型厂商的“数据飞轮”：闭源API请求即蒸馏素材，应用公司永远处于下风 40:39C端效率工具：Coding、PPT、HTML——PPT是“玄学赛道”，未来或被H5颠覆 50:28陪伴类赛道：付费难题与擦边困境，捏他/猫箱等产品靠游戏化氪金生存 58:16LibLib/LibTV模式：中转站与Token套利，火山引擎靠SeedDance月入10亿的真相 01:04:10字节跳动AI布局：豆包免费但用“小模型”，多模态音频/视频才是真正杀手锏 01:10:00飞书迎来AI重估：MCP/Skill生态让文档、表格、画板成为Agent枢纽 01:18:14终极猜想：AI Roll-up——收购传统企业用AI改造，比纯App创业更有护城河 💡 核心观点 1. AI应用的“北极星指标”已变：从追求DAU流量，转向ARR（年度经常性收入）和真实盈利能力。投资人不再为“免费用户”买单。 2. 垂直公司的三条护城河——①私有/特色数据（如独家研报）；②Dirty Work（数据清洗、RAG效率优化）；③推理效率（降低Token消耗）。其中效率优势最持久，数据壁垒最易被大厂攻破。 3. 大模型厂商的“数据飞轮”是降维打击：闭源API请求可被蒸馏用于下一代训练，应用公司永远无法逆向。Cursor被Claude Code取代只是时间问题。 4. PPT赛道是“伪需求”：HTML/H5更适合AI时代的汇报场景，动态交互与实时数据展示将颠覆PowerPoint形态。 5. 陪伴类产品的核心痛点在于付费：不擦边就难赚钱，年轻客群支付力弱，只能靠抽卡/氪金游戏化变现。 6. 字节跳动的真正优势在多模态（音频/视频/图片），而非文本推理；豆包免费但用小模型，Coding场景仍不敌Kimi/DeepSeek。 7. 飞书是AI时代被低估的“基础设施”：文档、多维表格、IM机器人的接口在前AI时代已完善，如今成为MCP/Skill生态的最佳载体。 8. AI Roll-up可能是更具确定性的机会：收购传统持牌企业（如保险、资管），用AI改造其组织与产品力，比纯App创业更容易建立商业闭环。 中文逐字稿：https://insights.mossfire.xyz/posts/ep40-ai-application-next-round/ English transcript: https://insights.mossfire.xyz/en/posts/ep40-ai-application-next-round/

这是一期 Web3 101 和「苔藓之火」的串台节目，我们邀请了老朋友郑迪返场，细细拆解开来： * 一直坚持不出售比特币的微策略为什么开始卖币？ * 为什么 STRC 价格大幅波动让市场恐慌？ * 为什么一次数额不大的可转债回购彻底改变了市场对微策略的信心？ * 为何「每股含币量」这个故事，反而可能成为压力来源？ * 微策略和 Michael Saylor 该怎么办？ 完整无删节版本请看视频播客 ▶️YouTube链接 中文逐字稿： English transcript: 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 主播：刘锋，Web3 101主理人，BODL Ventures 合伙人，前链闻总编辑 主播：Raymond，Mossfire Capital创始人，播客《苔藓之火》主播 嘉宾：郑迪，前沿科技投资人，方舟投资亚太资深顾问（知识星球：22136749） 本期简介： 当持有比特币总量 4% 以上的囤币大户微策略（Strategy，MSTR）一改常态开始卖币，帮其融资超百亿美元且充满争议的金融工具高息永续股 STRC 价格突然大幅下跌，让我们不得不把目光再次投向 Michael Saylor和他的微策略，公开讨论那个在市场上已经从小声低语到嗡嗡作响的问题： 如果每一轮加密货币的熊市都有一个献祭的巨头或黑天鹅事件触发器，这一次，会不会是微策略？ 时间轴（核心话题）： 01:33 引子：微策略再危！ 04:12 美股与宏观环境分化，比特币在当前利率环境下天然承压 09:51 Bitmine 的 Tom Lee 「阴阳」微策略：无现金流的比特币不适合做永续债产品 10:55 微策略三个失策：回购CB得不偿失；卖币时机不佳；融资后大额买币 17:12 比特币价格、STRC 价格和和微策略股价成为「铁索连环」，现金储备大幅下降，火攻 Michael Saylor 这个铁索连环 25:24 细剖STRC：本轮争议最大的金融创新工具 30:09 微策略融资工具排排坐（依清偿顺位）：可转债（CB）\> STRF\> STRC\> STRK\> STRD\> MSTR（普通股） 35:28 「把 STRC 稳住，其他的东西都有机会稳住」 37:09 之前成功卖给市场的每股含币量（BPS）这个指标很难保持中性 43:06 「Michael Sailor 从 15 亿美元可转债赎回，到最近每股含币量中性的实验，都犯错了！」 43:23 他该做些什么？装死，还是继续激进行动？ 59:35 开个脑洞：万一微策略突然遇到问题，可不可以像大银行在金融危机时那样，私下找富翁通过发行优先股救急？ 01:11:23 另一个脑洞：如果中本聪看到今天的微策略，他会如何反应？