8 月的一个下午,我从旧金山机场出来,上 101 高速往南开。
湾区的夏天几乎没有云,阳光把路面晒得发白。机场附近还是仓库和低矮的办公楼,再往南,风景慢慢被广告牌接管。
这条路的广告牌,一直是硅谷最诚实的风向标。两年前挤满 SaaS,去年还能看到一点消费品牌,今年清一色全是 AI 公司。
几位 OpenAI 的朋友,花了很长时间复盘过去一年押错的方向,也认真拆解中国模型公司到底强在哪;Google 的 researcher 聊到多模态,很直接地说:“打不过国内。” 这当然不能概括今天中美 AI 的整体位置,但几年前,很难想象这样的判断会从硅谷一线的 researcher 嘴里说出来。
大家开始重新估计中美之间的差距到底有多大,不过这个问题也已经没有一个统一判断:在预训练、后训练和多模态上,答案可能完全不同。
另一种变化,发生在过去两年最贵的那批 Neo lab 身上。
Thinking Machines Lab 的 researcher 告诉我,他们今天经历的痛苦,其他 Neo lab 迟早还会再经历一遍。而我越来越怀疑,下一家真正跑出来的 Neo lab,不会长成今天这个样子。
这可能是我这次在硅谷最强烈的感受:过去两年形成的很多边界和共识,并没有想象中那么牢固:
最顶尖的 researcher 聚在一起,是不是就能再造一家 OpenAI?美国最好的 Lab,是不是在每一个战场上都能领先?模型、数据、应用和算力,到底谁是谁的上游?最强的模型,是不是就应该一直卖最贵的价格?……
甚至连最漂亮的增长故事,也被重新计算:8 月,彭博报道 Anthropic 的 ARR 达到了 650 亿美元,比两个月前又涨了 180 亿。放在任何一家公司身上,这都是惊人的增长。但它仍然低于市场此前的期待,一些投资者原本预期,这个数字会达到 700 多亿美元。
五个月前我写 “全员 token-maxxing”,那时候硅谷最强烈的情绪是怕跟不上,更多 token、更多卡、更大的模型、更快的迭代,速度本身就是答案。
但五个月后,越来越多人开始回头问:过去两年我们最相信的那些东西,到底还有多少成立?