即刻App年轻人的同好社区
下载
置顶我们似乎总陷入同一种错觉：为即将到来的一年设想天翻地覆的剧变，却对接下来十年间，那些细微改变累积而成的深远重塑视而不见。此刻，站在2026年的开端，我们恰恰身处这“高估”与“低估”的缝隙里。潮水并未如预言般汹涌淹至，但它润湿大地的深度，已远超我们的想象。
2026新年寄语：我们总是高估一年而低估十年
23 20
2 11
字节当年避开的坑，大模型公司正在往里跳
推荐引擎这个生意，字节跳动做了十几年。
抖音的“猜你喜欢”、今日头条的信息流、TikTok的For You页面背后都是同一套东西，字节把这套能力练到了极致，也凭它撑起了数千亿美金的估值。但字节做的推荐引擎和今天AI公司卖的大模型有着某种微妙的相似，却又走向了完全不同的结局。
字节的推荐引擎不是没有对外卖过，2019年推出“灵驹”，字节想把头条的推荐算法打包成解决方案卖给外部企业，后来逐渐淡出视野。2021年6月，字节通过火山引擎再次对外开放推荐算法、数据分析等核心能力，某电商客户接入后人均点击率提高48.3%，人均GMV提高超过100%。
但这两次对外售卖都没有成为字节营收的主力，真正撑起其估值的是通过推荐引擎跑出来的广告和电商收入。离开抖音的语境，这套算法的威力要大打折扣。
当下大模型公司在做的事情正好相反，它们把核心能力拆成Token，明码标价直接对外售卖。推荐引擎解决的是“匹配”问题，大模型解决的是“生成”问题，但它们的本质都是把智能变成一种可计量的商品，把智力的劳动过程工业化、标准化和规模化。
但工业化的代价是价格会不可阻挡地往下走，字节的推荐引擎没有直接参与价格战是因为它的价值是通过抖音的生态来定价的，大模型公司的Token价格则直接暴露在全球竞争面前。在模型能力差异逐渐被拉平的趋势下，大部分用户关心的是Token单价，哪家便宜用哪家，切换成本几乎为零。如果Token最终会变成一种极度廉价、近乎免费的工业品，那么大模型公司的现在商业模式还能成立吗？
上一个时代的“AI四小龙”无疑深有体会，商汤市值从3200亿港元的峰值缩水至不足700亿，旷视累计亏损超150亿元，依图裁员超70%。它们的技术在当时是顶尖的，但商业化路径靠的是卖算法、卖SDK、卖解决方案来把技术能力对外输出，最终被价格战吞噬。
字节之所以能杀出重围是因为选择了一条不同的路，它把能力内化进产品，然后通过产品来变现。大模型公司要是选择继续卖Token，就要接受价格战的宿命。而价格战打到极致的结果就是Token变成水电煤一样的基础设施，不再稀缺。
但历史告诉我们最终真正赚钱的是那些造出电器的人，把核心能力内化进产品的天花板要高得多。
字节在这条路上已经领跑了一整个时代，而新一代的AI公司们才刚刚开始看路。
推荐引擎这个生意，字节跳动做了十几年。
抖音的“猜你喜欢”、今日头条的信息流、TikTok的For You页面背后都是同一套东西，字节把这套能力练到了极致，也凭它撑起了数千亿美金的估值。但字节做的推荐引擎和今天AI公司卖的大模型有着某种微妙的相似，却又走向了完全不同的结局。
字节的推荐引擎不是没有对外卖过，2019年推出“灵驹”，字节想把头条的推荐算法打包成解决方案卖给外部企业，后来逐渐淡出视野。2021年6月，字节通过火山引擎再次对外开放推荐算法、数据分析等核心能力，某电商客户接入后人均点击率提高48.3%，人均GMV提高超过100%。
但这两次对外售卖都没有成为字节营收的主力，真正撑起其估值的是通过推荐引擎跑出来的广告和电商收入。离开抖音的语境，这套算法的威力要大打折扣。
当下大模型公司在做的事情正好相反，它们把核心能力拆成Token，明码标价直接对外售卖。推荐引擎解决的是“匹配”问题，大模型解决的是“生成”问题，但它们的本质都是把智能变成一种可计量的商品，把智力的劳动过程工业化、标准化和规模化。
但工业化的代价是价格会不可阻挡地往下走，字节的推荐引擎没有直接参与价格战是因为它的价值是通过抖音的生态来定价的，大模型公司的Token价格则直接暴露在全球竞争面前。在模型能力差异逐渐被拉平的趋势下，大部分用户关心的是Token单价，哪家便宜用哪家，切换成本几乎为零。如果Token最终会变成一种极度廉价、近乎免费的工业品，那么大模型公司的现在商业模式还能成立吗？
上一个时代的“AI四小龙”无疑深有体会，商汤市值从3200亿港元的峰值缩水至不足700亿，旷视累计亏损超150亿元，依图裁员超70%。它们的技术在当时是顶尖的，但商业化路径靠的是卖算法、卖SDK、卖解决方案来把技术能力对外输出，最终被价格战吞噬。
字节之所以能杀出重围是因为选择了一条不同的路，它把能力内化进产品，然后通过产品来变现。大模型公司要是选择继续卖Token，就要接受价格战的宿命。而价格战打到极致的结果就是Token变成水电煤一样的基础设施，不再稀缺。
但历史告诉我们最终真正赚钱的是那些造出电器的人，把核心能力内化进产品的天花板要高得多。
字节在这条路上已经领跑了一整个时代，而新一代的AI公司们才刚刚开始看路。
21 23
技术零件已经齐了，但AI没有迎来iPhone时刻
2023年GPT-4刚发布的时候，OpenAI的CEO Sam Altman原以为软件行业会立刻被AI搅个天翻地覆，大量的生意会很快被重写，整个行业的格局都会在短时间内改变。
但三年过去了，这件事并没有发生。他最近在一期播客里承认，自己对这个时间表的判断过于乐观了。
Sam Altman把原因归结为“经济本身的惯性”，人们会继续购买同一家公司的软件，继续用同样的工具，继续按照同样的方式工作。一家公司要换掉一个已经跑通的工作流，远比塞进一个新模型要困难得多。他甚至觉得这种惯性本身也不算是坏事，它能让这场大转型变得更加平滑，不至于带来剧烈的社会震荡。但作为技术创造者，他也不得不承认“我们所有人都把时间估计得太乐观了”。
当前的AI发展阶段就像是iPhone诞生前的智能手机时代，在2003年前后Palm Treo这类手机就已经有了邮件、网页和应用，技术零件其实已经凑得差不多了。但当时缺的不只是一块多点触控屏，还有是“让iPhone成为iPhone的那些产品构想”。今天的AI也面临同样的处境，我们现在几乎拥有全部的技术零件，但还没有迎来那个彻底改变人机交互方式的iPhone时刻。
真正有趣的地方在于Sam Altman自己也没能跨过这道坎，他亲手创造了Codex，一个能读取文件、操作电脑、连续执行任务的AI助手。按理说他应该已经彻底抛弃了那些传统操作电脑的方式，但他仍然会用老办法逐条处理邮件、在应用间复制粘贴。似乎脑子里被写进了一段代码，这20年来几乎从未变过，总觉得做这些琐事才是“工作”和“高效”。
这并非单纯的习惯问题，同时也说明产品本身没有好到让人愿意彻底切换。比如接口太粗糙，信任还没建立，人在回路里的位置还没想清楚......
与此同时，英伟达把季度营收指引上调到了910亿美元，台积电的需求能见度延伸到了2030年。一边是产品采用慢得让CEO想亲自踩刹车，一边是算力订单厚得像砖头。这说明当下算力本身仍然是硬约束，就算产品做出来了，跑不起也是白搭。
Sam Altman在采访中透露当时OpenAI砍掉视频生成产品Sora并非是产品不够好，只因太耗算力。据测算，Sora日均运行成本高达1500万美元，每年耗费约54亿美元，而截至关停前累计消费者收入仅约140万美元。另一个被砍掉的还有浏览器项目Atlas，最终资源被集中到了Codex和通用AI这条主线上，OpenAI自己也在重新思考什么才是真正值得押注的方向。
相比覆盖所有品类的产品公司，OpenAI更想成为一家平台公司。它负责提供模型、API和统一入口，具体的工作流程留给开发者自己来完成。一个模型可以让代码生成更快，但它不会自动理解一家公司的订单流程，也不知道哪笔付款需要人工确认，那些业务边界和规则仍然需要人去定义和实现。
Sam Altman认为AI的下一个前沿是拥有“超过任何一个人所能掌握的上下文”，即一个能持续理解用户、掌握大量个人情境、主动提供协助的AI代理，能够处理用户没有时间阅读的资讯并就重大决策提供建议。这比单纯的“更聪明”更难做，因为它涉及产品、权限、信任和习惯的重新设计。就像真正的iPhone时刻并非“第一台多点触控手机”，而是“让所有人都觉得旧方式再也回不去”的那个转折点。
当下的技术零件已经基本集齐，真正缺的是能把这些零件组装成一件完整产品的人。就像2007年之前谁都知道手机能上网、能发邮件，但只有苹果知道下一代智能手机应该长成什么样子。
所以Sam Altman真正想说的是别光顾着造零件，该好好想想怎么把这些零件合理地组装起来并让大家自愿交出自己的钱包。
这个产品一定会出现，但并不一定会被OpenAI做出来。
2023年GPT-4刚发布的时候，OpenAI的CEO Sam Altman原以为软件行业会立刻被AI搅个天翻地覆，大量的生意会很快被重写，整个行业的格局都会在短时间内改变。
但三年过去了，这件事并没有发生。他最近在一期播客里承认，自己对这个时间表的判断过于乐观了。
Sam Altman把原因归结为“经济本身的惯性”，人们会继续购买同一家公司的软件，继续用同样的工具，继续按照同样的方式工作。一家公司要换掉一个已经跑通的工作流，远比塞进一个新模型要困难得多。他甚至觉得这种惯性本身也不算是坏事，它能让这场大转型变得更加平滑，不至于带来剧烈的社会震荡。但作为技术创造者，他也不得不承认“我们所有人都把时间估计得太乐观了”。
当前的AI发展阶段就像是iPhone诞生前的智能手机时代，在2003年前后Palm Treo这类手机就已经有了邮件、网页和应用，技术零件其实已经凑得差不多了。但当时缺的不只是一块多点触控屏，还有是“让iPhone成为iPhone的那些产品构想”。今天的AI也面临同样的处境，我们现在几乎拥有全部的技术零件，但还没有迎来那个彻底改变人机交互方式的iPhone时刻。
真正有趣的地方在于Sam Altman自己也没能跨过这道坎，他亲手创造了Codex，一个能读取文件、操作电脑、连续执行任务的AI助手。按理说他应该已经彻底抛弃了那些传统操作电脑的方式，但他仍然会用老办法逐条处理邮件、在应用间复制粘贴。似乎脑子里被写进了一段代码，这20年来几乎从未变过，总觉得做这些琐事才是“工作”和“高效”。
这并非单纯的习惯问题，同时也说明产品本身没有好到让人愿意彻底切换。比如接口太粗糙，信任还没建立，人在回路里的位置还没想清楚......
与此同时，英伟达把季度营收指引上调到了910亿美元，台积电的需求能见度延伸到了2030年。一边是产品采用慢得让CEO想亲自踩刹车，一边是算力订单厚得像砖头。这说明当下算力本身仍然是硬约束，就算产品做出来了，跑不起也是白搭。
Sam Altman在采访中透露当时OpenAI砍掉视频生成产品Sora并非是产品不够好，只因太耗算力。据测算，Sora日均运行成本高达1500万美元，每年耗费约54亿美元，而截至关停前累计消费者收入仅约140万美元。另一个被砍掉的还有浏览器项目Atlas，最终资源被集中到了Codex和通用AI这条主线上，OpenAI自己也在重新思考什么才是真正值得押注的方向。
相比覆盖所有品类的产品公司，OpenAI更想成为一家平台公司。它负责提供模型、API和统一入口，具体的工作流程留给开发者自己来完成。一个模型可以让代码生成更快，但它不会自动理解一家公司的订单流程，也不知道哪笔付款需要人工确认，那些业务边界和规则仍然需要人去定义和实现。
Sam Altman认为AI的下一个前沿是拥有“超过任何一个人所能掌握的上下文”，即一个能持续理解用户、掌握大量个人情境、主动提供协助的AI代理，能够处理用户没有时间阅读的资讯并就重大决策提供建议。这比单纯的“更聪明”更难做，因为它涉及产品、权限、信任和习惯的重新设计。就像真正的iPhone时刻并非“第一台多点触控手机”，而是“让所有人都觉得旧方式再也回不去”的那个转折点。
当下的技术零件已经基本集齐，真正缺的是能把这些零件组装成一件完整产品的人。就像2007年之前谁都知道手机能上网、能发邮件，但只有苹果知道下一代智能手机应该长成什么样子。
所以Sam Altman真正想说的是别光顾着造零件，该好好想想怎么把这些零件合理地组装起来并让大家自愿交出自己的钱包。
这个产品一定会出现，但并不一定会被OpenAI做出来。
9 42
以及汤的AI写作水平还是比唐杰要高一些的
莫唯书Mark: 其实这么看也没毛病，AI只是工具，人才是目的，以不变应万变才能在剧变中找到坚实的锚点
2 00
天使轮都可以这么玩了嘛，看来还是孤陋寡闻了
OJO完成近亿元天使轮融资：打造设计Agent Team Workspace，让每个用户都拥有一支顶尖设计团队｜高鹄交易
9 90
其实这么看也没毛病，AI只是工具，人才是目的，以不变应万变才能在剧变中找到坚实的锚点
汤道生内部长文回应「腾讯AI慢了」质疑：熬得久比起得早更重要
7 34
铁打的字节流水的兵，一个细分方向就可以有一个负责任，我都帮VC拉了不少皮条了...
rosicky311_明浩: 所以剪映到底有多少曾经的负责人在创业？
10 30
深度怀疑一鸣是不是偷偷关注我抖音了，反正Alex是有看的 //@潘乱: 前瞻过头了
莫唯书Mark: 豆包想收钱，得先学会把自家兄弟串起来 字节的豆包要出专业版了，瞄准的是软件开发、数据分析、设计、金融这些正经干活儿的方向。这本身不奇怪，AI产品烧了这么久，总得找到收钱的路。但问题是，豆包靠什么让别人掏钱？ 如果只是把免费版的聊天框换个皮肤再加几个模板，那大概率会被骂“贵又难用”。字节手里其实不缺牌，豆包有入口，扣子有Agent和工作流，Trae有编程工具，飞书有企业协作场景，Seed有底层模型。单看每一块都有东西可讲，但问题在于这些牌能不能像ChatGPT和Codex那样被真正串成一条让用户心甘情愿掏腰包的链。 OpenAI正在把ChatGPT从一个聊天框改造成一个超级应用，Codex、外部合作伙伴和Agent能力都将被接入进来。用户还是从ChatGPT进入，但后面接上了能写代码、管日程、操控软件的执行层。OpenAI打算用一个大众已经习惯的入口去承接那些更重、更专业、也更容易产生付费价值的工作，ChatGPT负责规模，Codex负责赚钱，两者一对接用户自然流过去。 而字节缺的正是这个环节，豆包是大众入口，但背后没有挂上一个像Codex那样清晰被市场验证过的“执行器”。Trae是字节的编程工具，但在开发者心智里它还没有成为像Claude Code或Codex那样的生产力符号。扣子有强大的Agent和工作流能力，但更像一个给极客搭积木的平台，普通用户几乎感知不到它的存在。豆包如果想收钱，就应该成为字节所有AI能力的总调度室。用户说一句话，后面的编程、自动化、数据处理、文档协作就能自然接上，而不是让用户自己去猜、去找该用哪个工具。 用户为专业版付费，真正买的是“把事情办成”。免费阶段AI回答错了，用户顶多骂一句。但涉及到写代码、做数据分析和跑金融模型，一旦出错就是真金白银的损失。豆包之前已经翻过车，有用户让它帮忙订餐厅，它回复得像模像样，结果商家根本没收到订单。还有用户问机票退票手续费，它给了一个5%的承诺，然而实际被扣了40%。在免费阶段，这些问题还可以被归为“AI幻觉”，用户容忍度较高。一旦开始收费，用户对可靠性的要求会陡增，这不是靠说俏皮话就能糊弄过去的。 OpenAI的做法给了一个很重要的参考，它没有让ChatGPT变成Codex，也没有让Codex消失，而是让两者各司其职相互打通。ChatGPT负责理解用户意图，Codex负责执行。用户不需要知道背后切换了什么，只感觉到事情办成了。。 但说起来简单做起来难，字节的这几块业务目前还是各自为战的状态。Trae、扣子、飞书、火山引擎，每个都有自己的入口、账户体系和收费逻辑。要想让豆包成为总入口，首先得把底层的打通做好，让数据、任务、结果能在这些工具之间顺畅流转。这不仅是技术问题，更是组织问题。字节擅长做出爆款App，但不一定好推这种“大后台多前台”的生态整合。OpenAI之所以能打通ChatGPT和Codex，是因为它们本来就在同一个模型体系下，由同一个团队推进。字节的AI业务分散在不同部门，要协同起来需要更高的管理成本。 另外还有一个心智层面的挑战，Codex之所以能被“装进”ChatGPT，是因为它自己已经长成了一个有辨识度的生产力品牌，开发者知道Codex能帮自己写代码、跑测试、修bug。字节的Trae和扣子还没有达到这种程度市场认知，豆包专业版如果只是把几个不太出名的工具放在后台，用户不会因为“多了一个入口”就觉得自己赚了。真正的价值在于，这些工具单独使用时已经足够好用，打包在一起又能产生1+1>2的效果。 字节有国内最大的AI用户入口，有最完整的C端触达能力，有从模型到应用到云服务的全栈布局。豆包专业版的推出本身就是一次战略探索，它想从3亿多用户中筛出真正愿意为生产力付费的那批人。尽管之前我讨论过纯订阅模式在国内的天花板，但产品本身的价值是基础。豆包想走通任何商业模式，都得先把自己变成一个“能办事”的总入口。 OpenAI这条产品架构和商业逻辑整合的路径字节是否要学，取决于它愿不愿意打破内部壁垒，让豆包真正成为那个“说话就能办事”的总入口。 豆包站在了同一条起跑线上，但能不能跑到终点还得看它能不能把自家兄弟真正拉拢到一起。
6 10
真实世界的问题远比刷榜复杂，Human in the loop的含金量还在提升
没有人比网吧包宿老哥更懂Benchmark
6 02