scripod.com
127. 大模型季报跨年对谈：和广密预言一场AI War、两大联盟和第三个范式Online Learning

Overview

Shownote

Highlights

Transcript

Chapters

Pins

127. 大模型季报跨年对谈：和广密预言一场 AI War、两大联盟和第三个范式 Online Learning

张小珺Jùn｜商业访谈录

2025/12/24
张小珺Jùn｜商业访谈录

张小珺Jùn｜商业访谈录

2025/12/24
OverviewShownoteHighlightsTranscriptChaptersPins

Shownote

这里是《全球大模型季报》的第 8 集，也是我和广密跨年对谈的第三年了！ 这集节目将带你看到，在对 AGI 开始充斥着现实主义情绪回归的当下，全球 AI War 形成了怎样的战队、阵营和联盟？各个前沿实验室在探索哪些新范式？硅谷又涌现出了哪些新型的研究实验室？ 如果你对全球大模型季报有更多的想法或者建议，欢迎大家在评论区留言，我们都会看到。 2025 的最后，期待我们和 AI 共同进步！ > AI War：一场全球巨头都输不起的竞争 02:00 全球大模型季报陪伴大家到第 8 集了 03:19 一开始就不免俗地聊聊 AI...

Highlights

随着全球对 AGI 的期待回归理性，人工智能的发展已进入阵营化竞争的新阶段。技术演进不再只是单一模型的突破，而是生态、数据与资本的全面角力。
05:36
AI agent 若成流量入口，将冲击现有平台商业模式
09:41
AI 有望大规模生产人无法完成的高价值增量内容
13:38
现有范式有机会让 AI 模型比多数知识工作者更聪明
15:04
英伟达已占据台积电未来产能，长期 GPU 优势明显
24:39
应以营收、客户和输出 tokens 定义 SOTA，而非 benchmark 榜单
25:45
Gemini 的崛起引发对 OpenAI 市场地位的担忧
29:54
ChatGPT 三年增速远超微信，长期日活或达 10-20 亿
33:43
ChatGPT 已成为主流流量平台，商业化根基稳固
38:00
业内对 2024 年夏左右看到新范式突破信号较乐观
38:49
Online learning 是唯一重要的真问题，机器人和世界模型可能是假问题。
40:06
若不解决泛化性问题，机器人将重走自动驾驶老路
41:07
Online Learning 是核聚变，还没实现突破
43:10
模型即产品，数据即模型，强调数据对模型的核心作用
44:33
Sam 在内部表示先忘掉 AGI
45:06
通用 Agent 可能是伪命题，模型应聚焦垂直场景价值
49:14
英伟达被低估，未来可能与 OpenAI 交替领先
50:58
Agentic Web 是真正的 Web3，将引发流量终局之战
52:55
模型升级的本质是数据升级，由数据分布决定模型特性
54:51
下一代 AI 产品必须提升记忆能力以实现个性化
1:02:13
机器人目前处于 GPT 0.5 到 GPT 1 阶段，尚未达到 GPT 4 水平
1:08:05
模型胜负手在于产品端到端战略选择和下一代学习范式的实现
1:10:18
华人创业者应坚定做全球化市场，尤其针对美国市场，用好中国人才和产业优势
1:14:22
华人团队有 20% 概率在三到五年内做出全球领先的 AI 公司

Chapters

AI 时代的联盟与竞争
00:00
AI War：一场全球巨头都输不起的竞争
全球大模型季报陪伴大家到第 8 集了
02:00
一开始就不免俗地聊聊 AI Bubble 吧
03:19
OpenAI 收入构成算账：看得清的收入和看不清的收入
07:38
有的公司是 “巨头的棋子价值”
13:10
OpenAI 做商业化的速度问题
13:32
纵观全局，这场 AI War 的主要推动方和阵营：英伟达 GPU vs 谷歌 TPU
15:04
Google 越强，越会形成反 Google 联盟，OpenAI 越强也会形成反 OpenAI 联盟
17:16
交替领先是顶尖模型的新常态
全球最领先的 3 个模型 GPT/Claude/Gemini，交替领先是竞争常态
17:48
这里有个偷懒的判断，基础模型 = 综合电商，scale SKU = scale data
25:40
Gemini 崛起，大家会担心 OpenAI 会怎么办？怎么看待这两家的竞争？
27:40
另一个判断是：最终的最终，ChatGPT 会融合传统 Search，最终也会吃掉传统 Search 广告的份额
31:20
大家不把 Google 当做 AI loser 诺基亚了，但 Google 危机没有真正解除
35:08
Pre-training 和 RL 之后的第三个范式：Online learning
Pre-training scaling 确实快结束了，但 Online learning 刚开始
36:01
OpenAI 即便分崩离析 3-4 次了也依然很强：Anthropic 是 OpenAI 最早的 Scaling team，Ilya 是 Pre-training team，Thinking Machines 是原班 ChatGPT 和 Post-training team
38:49
说一个暴论：大家提的机器人、世界模型、多模态，很多可能是假问题，Online learning 可能才是唯一重要的真问题
40:01
Pre-training 预训练是石油，化石燃料；RL 专家数据是新能源，有用但总量少；Online Learning 是核聚变，还没突破，突破了无敌，人类进入硅基时代
41:01
AGI 像马拉松 or 自动驾驶？持久战 + 现金流之战
如果模型数据分布里面没有这类数据，这类任务就是不 work，只有压缩过这类数据，才 work—— 今天的模型还是巨大的压缩器
43:05
“模型即产品，数据即模型”
44:33
听过一个 rumor：Sam 在内部说先忘掉 AGI？
44:45
局部 L3/L4，很难整体 L4：现实一点的是，在知识工作者群体，局部 L3/L4 的体验是能看到的，比如 ChatGPT 做长尾信息获取, Coding Agent, Office/PPT/Excel Agent, Finance 金融投研 Agent
45:04
现阶段对于投资的思考（不作为投资建议）
上一期播客说的是 40% OpenAI + 40% 字节 + 10% Google + 10% Anthropic
47:11
2026 年，湾区的重要趋势和信号
2026 年期待投资的主题
50:57
模型即产品，数据即模型
52:53
一横一纵：横向蒸馏人类专家知识，横向扩宽更多的行业领域；纵向就是下一代技术范式，Online learning，创造更高的经济价值
54:48
硅谷新冒出的 Neo Labs 的分布图
56:45
Robotics 的最新进展和公司分布
59:43
硅谷头部公司的 ARR 增长状况：越头部的公司越便宜，越头部的公司越没有 Bubble
1:05:55
国内的大模型和应用公司
1:08:02
模型的下一个胜负手是什么？
1:09:39
华人创业者、基金和 “中国的硅谷”
中美的 AI 叙事差异
1:10:16
对华人创业者想说啥
1:12:15
为什么说希望推动中国有个硅谷？
1:14:20
3-5 年之后全球最领先的 AI 公司会是华人团队吗？
1:16:45

Transcript

广密: 不能称作是 AI Bubble，更像是 AI War，AI 可能就是得看作，这是新的国防和核武器一样的东西。所以很多人可能就会砸光最后一分钱，也不会轻易下牌桌吧？你看 Google 越强，越会形成一个反 Google 联盟，OpenAI 越强也会形成一个反 OpenAI 联盟。其实你看 OpenAI 诞生的初衷，不就是为了挑战 Google 吗？所以有一个很大的概率，就是说，未来机器人世界模型的突破。可能不一定是今天在做的这批人，有可能今天在做的这批人。是上一代 NLP 一样的结果，确实是悖论，就机...
小宇宙
Open in 小宇宙