AI应用能融下一轮吗？收购、擦边、中转站、大厂围猎

为什么Anthropic不收购Cursor · 号池与中转站 · 陪伴AI的擦边宿命 · 飞书黑马 —— 对话财搭子AI联合创始人马克汤

「他不用收购。反正你会自动死。」 —— 马克汤，谈 Anthropic 为什么不买 Cursor

马斯克用 600 亿美金把 Cursor 装进了 SpaceX；被问到 Anthropic 为什么不出手，马克汤只用了一句话回答。而当年赌”谁是 AI 时代的抖音”的那批明星公司，已经很久没有融资新闻了。

马克汤是财搭子 AI 的联合创始人、播客「发财搭子」主播，自称打引号的”中国第一批 AI 产品经理”。Raymond 把投资人的立场摆在明面上：他对整个 AI 应用市场”表示极大程度上的怀疑”。这一期《苔藓之火》，两个人把这条赛道从头拆到尾：大模型为什么还没吃掉套壳应用、号池和中转站的灰色供应链、陪伴 AI 的擦边宿命，以及——AI 最值钱的应用，可能根本不是一个 App。

以下是对话全文（经编辑整理，有删节）。

一、为什么AI应用突然没人讨论了？

Raymond： 大家好，欢迎收听新一期苔藓之火。最近市场的重心慢慢移向两个地方：一个是大模型，OpenAI、Anthropic 做得好不好；另一个是半导体，存储、光、PCB，所有硅基生物需要吃的东西。但已经很长时间没有人讨论 AI 应用了。24 到 25 年，很多 VC 花大量时间赌谁是 AI 时代的抖音、小红书；过去六个月行情重大变化，很多公司很久没有新闻、没有融资消息了。所以今天请老朋友马克汤聊聊：现在 AI 应用的创业环境怎么样？那些明星公司还有没有机会融到下一轮？

马克汤： 苔藓之火的听众们大家好，我是发财搭子的马克汤。我从 23 年就开始做 AI 应用；24 年几个合伙人出来创业，做了财搭子这款 AI 应用。先叠个甲：今天很多只是我个人粗浅的认知，讨论到的公司仅代表个人观点——毕竟我们产品也不是做得特别好吧。AI 应用是 23 年年底火起来的，一批传统互联网老兵出来做。

Raymond： 所以是 GPT 一周年的时候。

马克汤： 对。23 年年初只有 GPT 3.5，国内模型完全不可用，GPT 3.5 站在今天看也不太可用；GPT 4.0 出现后很多事变得 doable，原来跑不通的流程能跑起来，23 年年中一批应用开始发酵，24、25 年井喷。融资上直到 26 年也有很多大额融资在发生，只是大家 bet 的事情显著变化了：以前看 DAU、看流量，这几年反转了，大家开始关注这家公司到底赚不赚钱、能不能抓住用户心智，以及在跟大模型的竞争里，它的生态位是什么。对投资人来说，看懂 AI 应用蛮难：先要看懂大模型，判断它会在什么地方把其他东西吃掉、哪些地方留给应用公司活口。

Raymond： 总结一下：4o 之后大模型能力被释放，很多事从不可为变成可为——23 年用 GPT 还在问 Strawberry 里有几个 R；投资的北极星指标从 DAU 换成了 ARR。但又要懂大模型又要懂应用，认知上是不是已经是两种人了？

马克汤： 是，非常难。甚至到现在，智能体变成家喻户晓的概念了，也不是所有人都懂它怎么做到个性化、怎么打破原来的工作流。

Raymond： 看硅谷的数据：过去一年 VC 投向 AI 的钱，大概 40% 投到 OpenAI 和 Anthropic 两家，三四成去了硬件比如推理芯片，最后 30% 去了 AI 应用——但里面是接近好几千笔交易，特别散，小而杂。

二、中国和美国做2B的AI差别在哪？

马克汤： 先分 2C 跟 2B。2B 又分标准化 SaaS 和项目制，在中国，项目制反而是更多的。大的 B 端就几个拳头赛道：法律、金融、医疗，还有汽车，智谱和国内其他大模型厂做 B 端都在做这些。它们基本依赖本地部署——要保障企业数据安全，模型部署到本地，企业自己购卡，甚至做个小型数据中心承接内部服务压力。而且基本是模型公司或云厂商在做：最懂怎么让模型发挥最大推理潜能的肯定是模型方本身。DeepSeek 针对华为昇腾 950PR 做过针对性优化，拿华为的卡部署 DeepSeek，它自己出来做是最好的。美国则很多是偏 SaaS 的服务，比如法律层面有 Harvey。

Raymond： 其实好像是大模型公司在做 FDE。

马克汤： 对。而且按今年的叙事，大家都说这些会被 Claude 全部吃掉——尤其 OpenAI、Anthropic 自己下场做 FDE 之后，恐惧越来越深。

三、为什么大模型不直接吃掉这些套壳应用？

Raymond： 那我反过来问。法律、医疗、金融都是直接跟钱和生命挂钩的高价值场景，模型公司自己也在吃：OpenAI 从 Jane Street 挖了很多 Quant，Anthropic 花大钱找华尔街资深分析师标注 DCF 估值模型，每一步关键假设写得清清楚楚。而且他们最不愁生态：把最佳实践沉淀成一个 skill、一个 plugin，marketplace 一放，每个人点个 finance、点个 legal 就成了领域专家。如果这是真的，推演到极端，垂类应用应该完全倒掉——为什么它们在美国好像还活着？壁垒是什么？

马克汤： 跟 timing 很有关系。大模型厂商有能力把所有事做掉——接近一半的融资额在他们手里——**现在还没吃掉，只是因为还没腾出手来。**企业端服务非常依赖人力：要驻厂、做客户定制化的项目管理。模型厂还怀着 AGI 的梦想，注意力放在智力提升上，不想把自己变成人力密集型公司。

Raymond： AGI 主线的 exponential growth 已经够夸张了，分心做 Harvey 的事，反而变成 distraction。

马克汤： 对，做企业端要派人进去，避免不了。另外这些垂直公司本来就有几个壁垒。第一个是数据优势。现在没人自己训垂直模型了——Harvey 也不会训一个 specifically for law 的模型，因为没有比较优势：在通用模型里注入垂直数据带来的效果增益，比单独训个垂直小模型注入同样数据还要高。

Raymond： 换句话说，招人要招北大清华的通才，他 fundamentally 更聪明，哪怕后面培训时间一样，也比招二本三本的专才好。

马克汤： 这个比喻特别好，尤其考虑到能力上限。我们 24 年刚创立时还跟智谱的 AI 院合作，尝试用 LoRA、SFT 训金融垂直模型——26 年的今天，基本没人再讨论这个问题了，都会被参数量足够大带来的智能涌现直接碾掉。

Raymond： 像坦克车一样。那我追问 Harvey，我之前一直觉得它很早就要死。它的故事是：律所是文科生，不知道怎么用模型配语料；我来做私有云部署，你们律所的案件放云上别人看不到——Skadden 看 Skadden 的，Clifford Chance 看 Clifford Chance 的——但全世界 Common Law 的判例我都能看到，一个独家又有延展性的数据库。这在 23、24 年说得通，今天怎么还有人相信？我第一反应是 Harvey 可能不成立，因为它完全是文字——数据壁垒来自复杂的结构化数据还情有可原，法律就是一段话一段话。

马克汤： 取决于数据具不具有私有性——金融投资里说的 alternative data。公开领域拿不到的才有价值：会议纪要、券商研报、很多投资人在看的知识星球——信息是客观的，观点是主观的，可以分开。它如果存在公域、ChatGPT 和 Claude 能搜到，就没有价值。第二个壁垒是 Dirty Work。我们财搭子在数据清洗上做非常多工作：同样是 RAG——拿搜索引擎召回向量块——我搜 10 条出来的准确率和相关性，是不是高于通用产品用 Web Search 查的效果？这非常考验应用公司的底层基础设施。包括数据管线：同一串文字，我的管线能分成客观信息和主观观点，用在下游不同的推理路径上——财务数据、行情数据是客观的，英伟达今天下午 3 点 10 分的股价不存在歧义；主观观点就要交叉验证、看观点分布。这些 Dirty Work still matters。

Raymond： 推理的效率重要吗？

马克汤： 对实时任务非常重要：10 分钟后要开会，PPT 还没好，当然越快越好。但现在有 Long Running Agents，深更半夜也在干活的赛博牛马，一个任务干一两天——overnight 四五个小时能解决的活，没必要优化成两三个小时。不过从成本角度，效率就是钱：底层做了这么多脏活累活，就不需要实时去分类、打标——Harvey 底层对法条有归类总结、分论点、过程结论，就不用实时做。同样的任务、同样的结果，它能花更少的钱和时间，这本身就是优势。

四、AI应用的三个护城河？

Raymond： 我总结一下，AI 应用可能的优势就是三个：数据优势、数据清洗这些 dirty work、推理效率。但现在的画面是，大模型像海浪，一遍遍冲上岸边这个沙子做的堡垒，有些壁垒会慢慢消失。数据壁垒我感觉就不明显，大模型厂商也可以买——OpenEvidence 买了几个美国重要期刊的权限，重新 RAG 一遍让医生很快搜到；后来 Anthropic 还是谁也去买了。那东西不贵、也不排他，只是它先做了。三个优势排个序？

马克汤： 我觉得效率是最后留下来的。

Raymond： 但会不会有个问题：你效率提升得很好、毛利很不错，Anthropic 一看，最近 API 消耗量最大的是谁？发财搭子。会有这种情况吗？

马克汤： 它要有比较优势才会做。微观经济学第一课：比尔盖茨剪草坪可能比你强，但为什么还是你在剪？他只有绝对优势，没有比较优势。当然你提到的融资额是关键——巨头的资金远胜所有垂类 combined，是能分人力解决问题的，但那就是组织问题了：OpenAI 切几百人做金融、几百人做法律、几百人做医疗，最终效果不一定好，小公司跑得快，这是事实。只是壁垒确实没那么牢固，所以要在过程中积累用户认知——很多完全跟 Codex、Claude Code 同主航线的产品，用户还很多、ARR 还在涨，一是大家还没反应过来，二是品牌和切换成本在那里。就像最近几个月，互联网上都开始调侃 Cursor 了。

五、为什么Anthropic不收购Cursor？

Raymond： 我正想问。昨天看到一个搞笑短视频，一个人模拟自己是 AI 的老板开会：Cursor 同学，你去年表现特别好，今年好像没有 Claude Code 和 Codex 优异了，没给我惊喜感，交付也变慢了，我决定下个月取消你的订阅。这个事情很容易发生啊。为什么还有人坚持用 Cursor？

马克汤： 我们公司也有程序员小伙，习惯了 VS Code 那个页面，觉得 Cursor 跟它很像，就坚持在那用。Codex 和 Claude Code 的原生 App 营造的是你根本不需要看代码——口喷需求，验收交付物就行。对有路径依赖的工种，他就不想切换，切换成本不容小觑。只能说长期看，这些通用大产品威力实在太猛了。

Raymond： 聊到这大家也听出来了，我对整体 AI 应用市场表示极大程度上的怀疑。为什么还录这期？过去两年烧了非常多钱，很多人趟出路，我想在起起落落里找到共性：哪些人可能活下来——活下来一定有原因，那个原因可能创造非常差异化的回报。就像垂直电商，在中国搞了那么多年，回头看死光了，没有一家活下来；但过程中有差异性的公司出现了：拼多多，它不是垂直电商，打的是 niche market；得物——以前的毒——活下来了，更别说微拍堂那种边角料的地方，长出了几十亿上百亿的公司。你可以有”垂直电商不 work”的暴论，但有可能 miss 掉拼多多。回到 Cursor——我以前觉得 Cursor 很厉害，Claude Code 出现后就换了，拜拜：我是文科生，完全不会写代码，那个界面对我更友好。Cursor 最近刚被 SpaceX 收购，deal 应该完全 close 了，600 亿美金，很夸张。前提是两三个月前 a16z 给了个 offer：你要融下一轮对不对，给你 500 亿估值。马斯克说不行，我给 600 亿，收掉了。我想问：Cursor 明显站在 Anthropic 的主航道上，用的也是 Anthropic 的模型——我相信可能没有人用 Composer——

马克汤： 哈哈哈。

Raymond： 我要叠很多甲：Composer 也是很好的模型，我就很怕听众来骂我。

马克汤： MiniMax 也是好模型，GLM 也是好模型，全世界没有不好的模型。

Raymond： 那 Anthropic 会要收它吗？为什么不收？

马克汤： 先讲 Cursor 的比较优势：Composer 和它的工程化，也就是 dirty work。Claude Code 的底层机制叫渐进式披露，从目录一层层往下找，比较费 token；Cursor 用非常多 grep——你可以理解为 Ctrl+F——直接搜到潜在的文件段落定向过去，推理链路的准确性有折损，但效率大增。这是很多场景下 Cursor 比 Claude Code 快的原因，毛利率也会好一点。那它为什么要从 Kimi 那里”洗”一个 Composer——

Raymond： 洗的不是智谱？

马克汤： 是 Kimi，K2.6 嘛。因为 Claude 的模型太贵了。Opus、Sonnet 是 Cursor 的成本项，Anthropic 收的是带溢价的 API 费用——Claude API 大概 75% 的毛利。Cursor 要把这笔溢价支付给 Anthropic，长远是打不过 Claude Code 的。它本质上也是个 wrapper，一个高级的、工程化做得非常好的 wrapper，有很大价值，但需要 Composer 来降推理成本。社区上很多人问，为什么 Cursor 同样是付 40 美金、100 美金的 plan，给的 Sonnet、Opus 量比 Claude Code 少很多——他不是不想给，是给不起啊：给你相同的量，他是没有毛利的，Claude Code 是有毛利的。另一个角度，Cursor 创始人之前接受采访说，最早 Anthropic 告诉他们 Claude Code 只是内部工具、未来不会发布，你们放心吧——

Raymond： 谁信啊。

马克汤： 还要知道一点：Cursor 是当时调用量最大的，Manus 也是——这是闭源模型，所有 API 请求要么打到 Amazon 的 Bedrock 上，要么打到 Anthropic 自己的数据中心。闭源模型厂商能把请求拿去侦测、琢磨共性，决定下一代模型怎么训——新时代的数据飞轮就是这么滚起来的。Cursor 完全不具备预训练后训练的能力，在这方面处于下风，现在也能看到它处在降温的状态。

Raymond： 确认一下你的总结：Anthropic 不会收购 Cursor。

马克汤： 打死都不会。**他不用收购，反正你会自动死。**他已经做出一个比 Cursor 更好的产品了。

Raymond： 就像以前垂直社交跑去想把自己卖给腾讯，腾讯说为什么要买你——it’s a good idea, let’s copy it。那马斯克为什么要买？

马克汤： 首先是期权式的收购——SpaceX IPO 之后不收你，分手费 100 亿美金；收了就是 600 亿。

Raymond： 用现金还是 SpaceX 股票不确定——我猜是股票，三万亿估值的股票，约等于是吧。

马克汤： 从马斯克的角度，这个模型可以在 X 上，利用 X 仍然还有的大规模用户体量，把 Grok 的数据飞轮跑起来。现在 Grok 的访问来源主要是 X，里面的任务没有这么高价值。Codex 和 Claude Code 为什么成功？因为把目光放在 coding 和它衍生的高价值任务上——用户愿意为高价值任务付更高溢价，商业化循环能跑通。这是 X 缺乏的。

Raymond： 所以你觉得他在买路口。Interesting——Cursor 是高价值任务的路口，X 都不知道是啥路口，是我每天刷一刷的路口。

马克汤： 还有毛利视角：Cursor 之前要付 Anthropic 那笔 75% 的 Opus 溢价，接了 X 自己的数据中心就不用付了，商业模式就成立了，跑得跟 Codex、Claude Code 同一个级别。之前 Google 收了 Windsurf，也是很短时间就把 Antigravity 做出来了。

Raymond： 那是一年前的事了，过去一年 Google 没做啥——对不起，Google 是很好的公司。

马克汤： 而且 X 又有数据中心的支持——它现在把数据中心到处租，租了三四个大买家——从毛利层面，这是很 make sense 的交易。

六、为什么你只用聊天框就浪费了AI的智能？

Raymond： AI 应用有真正的客户粘性吗？除了 Cursor 那种切换成本呢？

马克汤： 现在来看，没有粘性明显的产品，尤其 B 端。粘性可能发生在两个地方：一是情感链接，做陪伴的可能有；二是记忆带来的粘性，memory 模块能提供长期支持，打引号的”越用越懂你”——你之前说的事它记得，甚至能做 proactive agent，主动式交互：因为你过去提过什么事，它最近找到相关信息就主动来通知你，不是只有你能发起对话。

Raymond： 刚才聊的大部分是 2B，我感觉 2B 的应用基本都是帮 productivity 的。

马克汤： 而且 2B 对可靠程度、鲁棒性要求更高：幻觉容忍度极低，还有风控合规、审计，企业固定的 SOP 也不能说我是 AI 比人聪明就把它吞掉了，不科学。这些只能靠堆人力去了解，也是本地化部署公司还占一席之地的最主要原因。

Raymond： 那 C 端赛道捋一下。Prosumer 也算 C 端？Claude Code 也算？

马克汤： 只要不是企业签单付钱的都算 C 端。C 端做得最多的是效率类工具，第一大市场占有率。国内大厂包括模型厂都在尝试复刻 Claude Code 和 ChatGPT 的成功：Kimi 推了 Kimi Code，还有附带的 Kimi Work；腾讯有 CodeBuddy 和 WorkBuddy——现在腾讯不是谁都能叫 Buddy 的，Buddy 是内部非常高级别的产品序列。

Raymond： 为什么不把产品合并一下？内部政治太多、每个人要有个山头吗？

马克汤： 不是，这些 Code 和 Work 的产品，都是根据 Anthropic 现在的路径划分的。

Raymond： 但我觉得 Anthropic 这个路径本来就有问题——先叠甲，Anthropic 确实是很好的公司。Claude Code 我用了一段时间之后，忘记从什么时候起就再也不用前两个 tab 了，所有工作都通过 Code 完成。聊天、Cowork 和 Code 三个其实是一回事，是产品在不同历史阶段留存下来的 legacy，不面向未来。

马克汤： 用户体验层面确实没有差异，但差异有几点。Claude 的对话 chatbot 跟 ChatGPT 一样，主打一问一答，工作流简单，不带 skill、MCP、记忆模块，非常省 token。你在 Claude Code 里问一句”你好”，两块钱。

Raymond： 真的是两块钱——不是有个段子说跟 Fable 说个你好就两块钱嘛。还有个短视频：你发一句”你好，今天天气怎么样”，后面的数据中心疯狂地轰鸣般运转。我记得 Sam Altman 有次采访请大家再也别跟 GPT 说哈喽和 thank you，浪费 intelligence——你说一次 thank you，公司每天要花几百万美金来应付。

马克汤： 因为你说了 thank you，它可能回一句 and you，又促成一次多轮会话，上下文越来越长。所以他们要区分入口：用户有感知，科普问题 ChatGPT 就答得很好——不依赖本地文件、不依赖记忆——对 OpenAI 就是一次成本一次结算。

Raymond： 但这不是把选择成本丢给用户吗？我觉得这是很大的问题，大部分人接下来就停在第一层。我知道我没资格管 Anthropic 这种公司，但假设某个平行宇宙我能管，我希望所有人去第三层、去 Code——我当然希望用户有更智能的行为，in return 别人才愿意把 plan 从 20 upgrade 到 200。所有东西直接弄去 Code。

马克汤： 他现在的逻辑是：你已经付了钱，他希望你经常用便宜的。Work Buddy 跟 Code Buddy、Kimi Work 跟 Kimi Code 也是类似的分层。

Raymond： 说到 Skill——今年 Claude Code 把 Skill 带火了，这个东西怎么变现？

马克汤： 一旦涉及到生态，那我就要涉及：供给方是谁、消费者是谁、供给方怎么从消费者那赚钱、平台是谁。如果这些 Skill 都是一个 Markdown 的文本文件，我发出去就发出去了，我把 Skill 分享给人们，人们也可以打开，我的所有秘密就被你知道了——那我也没办法从你这收更多的钱，最多收一次性的成本。所以这只能平台公司做：Manus 也做 Skill 的生态，Lovable 也做，给 Skill 创作者一些分成的空间，从而把这个生态激活起来，鼓励更多创作者把更好的 Skill 放在你这个平台上。从最早的 GPTs 一直到现在的 MCP、Skill，考验的都是我们对生态的认知。

七、AI做PPT的赛道是不是个玄学？

马克汤： 效率场景里能切出几个子赛道，比如 PPT，我个人觉得有点玄学。最早的元祖叫 AiPPT.com，模板做得非常好——股东一个是智谱、一个是视觉中国。然后是 Genspark，主打的也是 PPT 场景，最早做 PPT 出身，用它做增长营销，所有触点都是 PPT。

Raymond： 等一下，我是先了解 Manus 再看到 Genspark 的，一直以为它是 Manus 的 copycat——原来前身是个类似 AiPPT 的工具。

马克汤： 还有 Gamma，把 AI PPT 做出花来了，估值跟 ARR 都非常夸张，我记得是 21 亿美金的估值，光靠这一件事。但为什么说玄学：PPT 是给人看的、投大屏幕的，动画交互只能点一下出来一下，不能 hover 出效果，做不了动态图表。HTML 明显更适合这个时代的汇报——我们内部汇报、研究统计结论都用 HTML 作主力，甚至跟投资人 pitch 项目也是用 HTML：对外发材料会发图片和 PDF，信息比较敏感；HTML 是现场演示用的，动态效果丰富，整个体验会更好。

Raymond： 录播客之前马克汤直接发了两个页面给我，我打开发现他的页面比我的好看。我现在把所有研究报告都上云，放在 Cloudflare Pages 上，随时能看。所以 PPT 是这个时代有点别扭的产物——PowerPoint 这个 slides 形态可能就不需要了，被彻底颠覆掉。H5 页面肯定更适合 agent 去实现，将来会有个 PPT for H5，另外一种编辑器，会出现新的机会。

八、陪伴类AI为什么最后都走向擦边？

Raymond： 那我们说说浪费时间的赛道。

马克汤： 比如陪伴类。最早的 Character AI，现在基本没什么声音了；MiniMax 的 Talkie 和星野，一个国外一个国内——

Raymond： 对不起我想问一下，这两个——

马克汤： MiniMax 是很好的公司。字节还有猫箱，都是陪伴。24、25 年还有个概念叫捏仔：捏出自己的一个仔，设定画像、对话文风，括号代表行动——正文说”你手里这杯咖啡好好喝的样子”，括号里是”我伸手去拿了一下”。猫箱后面搞抽卡，做得像二次元游戏；有些产品往乙女方向走，参考叠纸恋与深空的形态。

Raymond： 我当时把这些产品都下来试了一遍，感觉它们不可避免走向偏擦边。看美国的，Character AI 这些最后都引起争议，因为不约而同吸引到更年轻、有时候未成年的人群，文风和画面越来越不适合。但我又觉得可能有机会——我是互联网老人，带着古典互联网的记忆活着：移动互联网时代，陌陌是非常早上市的纯移动公司，成立三年出头就上市了。我当时想陪伴赛道是不是也有类似机会。但现在看，跑得最好的反而是大型游戏。

马克汤： 这个赛道最大的问题是付费。这是为什么这么多产品最后都开始擦边——**擦边是最好挣钱的，你不擦边，说实话还挺难挣钱的。**受众多是年轻画像，支付能力天然弱一些，只能偏游戏的课金玩法，抽卡、做任务。还有一些结合最领先的 AI 生图和视频去做世界，比如捏他，也是我们模速空间一个非常好的公司：你构建自己的世界，一群人共建——像地下城与勇士、魔兽世界那样添加角色、道具、剧情，新玩家进来玩，一个创作者加消费者的创作平台。

Raymond： 他们怎么收钱？

马克汤： 商业化有挑战，主要是客群问题，还有模型层面：这类产品非常依赖生图模型的时效性。进阶创作者本来就做游戏画面、世界观，一张图二三十秒有包容度；小白用户等二三十秒才拿到第一次 aha moment 的反馈，等不了，基本上就走了。解法是收窄：先不做二次元爱好者，做二次元创作者，让愿意等、愿意付钱的人先把商业模式跑通。

Raymond： 毛利呢？倒卖文字模型的 token 还好，视频和图片的 token 非常大非常贵，捏他这种公司毛利应该是负的吧？

马克汤： 不一定，他们财务状况应该还可以——创作者是愿意付钱的。取决于你的生态位和模型实际表现，你要切中愿意给你花钱的人。财搭子也是，我们有很大一部分用户，牛散牛户群体，是愿意花钱的。

九、Seedance 月入十亿背后：套壳、号池、中转站

Raymond： 你了解 Lovart 这家公司吗？

马克汤： 也在模速空间有办公室。最近拿了比较大的一笔融资，估值应该上到 20 亿美金。最早的产品叫 LibLib，后来打出来的是 Lovart，做创作者、设计师群体的 agent，增长和 ARR 数据都非常好。今年做得非常成功的是新产品 LibTV，做视频生成——因为字节的 Seedance 2.0 效果非常惊艳，都能生成 4K 原生视频了。字节自己有即梦，图片接 Seedream、视频接 Seedance，但即梦都没有 LibTV 做得好。**LibTV 是火山引擎非常大的营收贡献者。**我在发财搭子里聊过：火山引擎现在光靠 Seedance 一个月就是 10 亿的收入；年初给 2026 年整个平台定的目标是 100 亿，现在已经提到 150 亿。而 Seedance 空前成功的背后就有 LibTV 的贡献：很多用户不直接调火山引擎的 Seedance，而是在 LibTV 或类似的 AI 视频网站上用。大家都在视频模型基础上做剧本、脚本、分镜，让创作更简单，底层卖的核心价值还是 Seedance。

Raymond： LibTV 为什么能创造跟 Seedance 不一样的体验？有点像 Cursor 跟 Anthropic 的关系嘛。

马克汤： 不一定是体验不一样，可能是便宜。LibTV 会有毛利补贴，也会在不同渠道抓账号。这就要说到中转站——中国不能用 OpenAI、Anthropic 的模型嘛。

Raymond： 我再次跟听众说一下：我们苔藓之火真的不是做中转站生意的。如果说了国外任何模型好，那也是听说的，没用过。

马克汤： 中转站的生意去年到现在都非常火爆。它的价格比你直接在 Amazon 买 Opus、在 Azure 买 GPT 还便宜，本质是因为有所谓的号池：有用户买了 Codex 20x 的服务用不掉，就把 key 主动转手卖出去；甚至有些企业里也有 token 额度，用不掉换点零花钱。

Raymond： 这段能播吗？天哪。

马克汤： 这些号池的情况同样作用在 Seedance 上。现在云厂商非常卷：Amazon 要做你生意，先给你 5000 刀抵扣券，百度云、腾讯云、华为云一模一样。火山引擎给了你 5000 块试用额度，你转手给号池，它就能给出更低廉的单价——因为你是免费拿到的。这些券本身也构成号池的一部分，拼的就是供应链管理能力。

Raymond： 有意思，我没想过号池和中转站是这样的模式。那从 Seedance 自己的角度就是：你的所有创新我都看在眼里，感谢你的付出，改天我们再来聊一聊。是这样子吗？

马克汤： 对，跟 Claude Code 和 Cursor 非常像。Cursor 最早收到的 Anthropic 的建议就是：我们内部做了个 Claude Code，只是一个内部产品。

十、AI应用的毛利为什么干不过传统软件？

Raymond： 照这么说，除了 Lovart，可能还有很多公司是 Seedance 的 wrapper。这些 wrapper 是负毛利吗？

马克汤： 很可能是。现在 to C 或 to prosumer 的公司很多都是负毛利的，之前节目里也讨论过 Manus，我们怀疑它是不是负毛利——ARR 可以很高，最后有可能是负毛利。

Raymond： 有没有毛利明显为正的？

马克汤： 一些做 prosumer 的可以为正，能收比较高的溢价。像财搭子，还有我朋友做外贸 AI 的、信封 AI，都有固定的、比较 niche 的垂直人群，愿意付较高溢价，而且底层做了很多 dirty work，分析效率更高，确实有比较高的毛利。但 AI 应用跟传统软件的毛利没法比：以前软件动不动八九十的毛利，看财报都看得出来；**做 AI 应用，能做到 50%、60% 以上已经是特别好了。**因为我们是应用公司不是模型公司——Claude 的 Opus 模型自己有 75% 的毛利，应用公司等于要把模型公司的毛利支付成成本。

十一、字节的豆包跑分差？体感好？

Raymond： 聊聊全世界最可怕的公司，字节跳动——现在就是字节在跳动，其他人不知道能跳多久。你怎么看字节过去一年在 AI 应用上的努力？

马克汤： 字节厉害的还是整个生态，它的基础模型其实没有掉队。

Raymond： 没有掉队怎么定义？我的体感是豆包极其好——有些 research 的活我会给豆包做，能在我这边干 research 的模型不多。但它在所有 benchmark 里表现很差。

马克汤： 也不是——就今天，刚刚发布了 Seed 2.1，跑分基本跟上第一梯队了，GPT5.5 和 Opus4.7 那一梯队。最近网上对豆包的吐槽，是我说什么它就顺着我说。

Raymond： 最搞笑的段子：第一天问豆包这只股票能买吗，它说财务状况好、资金起势、值得买入；第二天你说今天暴跌怎么回事，它说啊，我昨天说错了，马上用最简洁最快速的方式重新概括一下。天天在道歉。

马克汤： 这说明豆包这个产品上用的不一定是最好的模型。Seed 2.0 我们内部也用，表现不错，但它的模型分梯队：豆包完全免费，能省一点是一点，又不像 ChatGPT 允许免费用户切换模型，你不知道底层是什么。普通用户的 daily question 大概率给的不是最好的模型——省成本、省推理时间，反应快的只可能是小模型。

Raymond： 高价值的复杂任务，大家也确实没用起来。国内做 web coding，用 Claude Code 接国产模型，讨论的还是 Kimi 的 K2.6、现在有 2.7，还有 GLM——4.7 开始很多人接。我从去年 12 月底开始，Claude Code 里的备用模型就是 GLM，4.7 换 5.1，现在 5.2，效果挺好，但不会考虑接豆包的模型。

马克汤： 豆包在火山引擎上也有 coding，但声量就是少，为什么，不知道。我觉得字节的 Seed 系列是被大家低估的。字节非常强的是多模态，音频、视频和图片——今天刚发的音频模型能做非常多事：克隆音色已经是基操了，它能模仿任何场景的声音，你的人声口播直接配上背景音乐，完全听不出 AI 感。这得益于抖音这么多数据积累。字节的优势在于基础模型到达了临界点——intelligence 到临界点，上层应用就非常好做，coding 的 Trae、豆包、甚至猫箱，都有比较好的比较优势。跑出来的应用，主要还是豆包，第二名应该就是即梦，然后可能就是猫箱了——剪映是 GPT 前时代就有的，算 AI 赋能，不算。

Raymond： 过去两年，字节给自己打几分？一到十分。

马克汤： 至少八分。执行力和速度挺快，没做花里胡哨的应用，本质是聚焦——聚焦在豆包上，把生态在豆包里融合得比较好，豆包里也能生成图片视频。

Raymond： 你想说的是阿里不聚焦吗？

马克汤： 阿里没那么聚焦，事业部有点太多了。再回过来，字节还有个被忽略的——剪映是 GPT 之前的产物，飞书也是——但飞书和剪映在 AI 时代迎来了非常大的重估机会。

十二、飞书成了AI时代被低估的黑马？

马克汤： 飞书跟 Lark 底层都有非常完善的接口，是前 AI 时代就准备好的基础设施：多维表格支持大量自定义需求，IM 机器人也做得非常早。所有接口的说明文档都写得非常清楚，当时可能都是人写的。最近几个月它疯狂迭代 AI 融合能力。现在我的 Codex、Claude Code 里，飞书 Skill 的使用频率排我第二。

Raymond： 第一是谁？

马克汤： Super Power，专门写代码用的。我用飞书的 AI 做几件事。一是看文档：文档移交开发前，把链接贴给 Codex，让它按固定流程审——有没有遗漏、上下文没对齐、风险、卖点足不足。它还能读评论：我非常喜欢的博主张杂娃拿 AI 做口播——在飞书录会议、导出文字稿，在文字稿里做评论标注”这段要剪出来”，然后把链接给 Claude Code，让它读文档和评论，把标注的那块剪成口播，非常快地定位解决。

Raymond： 天生 MCP。

马克汤： 对，做得非常棒。二是写：我跟 Claude Code、Codex 做的研究探讨，只放在聊天记录里没法分享，现在直接让 agent 写到飞书文档甚至表格里。我还会让 agent 每天固定时间、一天好几次去调我们产品的问答接口，看有没有出问题——类似原来做回归测试的工作，全部自动化。你还可以把 Code 配在飞书里做机器人，等于数字分身。我办公环境里有两个：一个只针对我，能读写我本地电脑的文件；另一个只读，是同事用的——同事问我问题之前，可以先问我的 agent：马克汤最近在忙什么。

Raymond： 这听起来很可怕，是老板会问的问题。

马克汤： 我可以指定只读 agent 能看的文件，边界自己把握。

Raymond： 你讲完我今天就把 Lark 的东西迁到飞书去——种种历史原因我一直用 Lark，很多 AI 功能 Lark 就是没有。请注意，这期播客飞书可以考虑来赞助，我们已经说了足够多广告的话了：大家只要在 Claude Code 里说，帮我下载安装一下飞书 skill。

十三、AI最值钱的应用可能是去改造老公司？

Raymond： 我们完全跳出 AI 应用赛道，聊一种新的情况。美国的 Thrive Capital 搞了个 Thrive Holdings，收购传统企业做 AI roll-up。前几年 Thrasio 做过类似的事——收亚马逊大店：你产品卖得不错，但抖音、TikTok 你不会做，不如我把你收了，你做了从 0 到 1、1 到 10，我帮你做 10 到 100。还有一家我觉得很好玩的公司，做科技保险：拿到一张保险牌照，用 AI 写 policy，自己 underwrite、自己出保单，YC 的公司，增长超级快，可能一年翻十倍那种。它给我的启发是：AI 应用最后不一定按传统移动 App 的方式做，也可能是公司级别的创新。

马克汤： 我觉得现在很多传统企业都值得用 AI 改造一下，两个维度：产品功能和组织。组织维度后面找时间聊——AI 原生组织非常稀缺，迭代速度、沟通成本、知识库上下文的透明度都跟传统企业完全不一样，也没有上下层级。先说产品：很多传统企业成功是因为商业模式特别好，比如保险公司，吃牌照、有客户关系、有 SOP，商业模式证明能赚钱，只是缺一个增长或规模化放大效率的引擎。做 AI native 的改造，是绝对能快速把这个公司搞出来的。

Raymond： 问个具体的：反过来，财搭子为什么不做成一个基金、一个资产管理公司？

马克汤： 就是牌照的问题。

Raymond： 如果有人给你足够的钱买张牌照，你愿意做吗？

马克汤： 能买张牌照，且证监会同意，我可以做。我们也确实在跟一些持牌机构探讨合作。这些强依赖商业模式的公司，都会被 AI 重新赋能一遍，组织效率和产品力：产品力体现在能服务更长尾的需求。以前是写死的规则、后台 SOP 才能跑；现在获客可能不需要人了，AI 批量发邮件打电话，客户进来有一套 AI 客服和预筛，快速放大人效，毛利和业绩提升的速度非常快。

Raymond： 这跟 PE 做 Buyout 挺像——把星巴克中国收掉，因为我觉得我有更好的运营中国餐饮市场的 know-how。

马克汤： 本质上是一样的。最近 OpenAI 这些模型公司也在跟 PE 合作成立 JV：五家 PE 旗下 Portfolio 可能 500 家公司，都用 OpenAI 的模型，再投入 FDE 工程师做一系列改造。

Raymond： 它反映的是：地球上有一些地方大模型去不到。Cursor 是很容易去到的，数字世界的软件载体；医院、保险公司、线下零售、制造业，去不到。可 somehow 大模型的智能又能帮你很多，那不如结成同盟，或者我把你收了。反过来说，这类公司可能最后才是最核心的 AI 应用。你想今天中国最大的房地产互联网 App 是什么？是贝壳，previously 链家。那个时代大家以为会是我爱我家、房多多那种没有线下店、号称导流的 App，最后火下来的反而是贝壳。

十四、「应用不起来，所有的硬件都是泡沫」

Raymond： 最后一个问题。今天你有 100 块钱，买一篮子 AI 应用——name it，Cursor，whatever——还是一篮子存储、光、PCB？AI 应用是给人用的，光和存储其实是给 AI 用的。

马克汤： 先定义清楚：应用包括大模型公司吗？

Raymond： 不包括。甚至可以包括 Claude Code，但不能包括 Opus。

马克汤： 我会选 AI 应用。首先我自己做 AI 应用，必须相信这个事情——创业者的最佳品质就是盲目乐观。第二，理性上，老黄说过五层蛋糕理论，AI 应用是他非常强调的一层：应用要起到教育市场的作用，是最终让消费者付钱的一层。**消费者不会为 HBM 里的封装技术付钱，不会为光模块里的光源付钱，不会为什么 ABF 玻璃基板付钱——他为带来体验增加、效率优化、生活变好的产品付钱。**如果 AI 发展到最后应用不起来，那所有的硬件都是泡沫。这个循环要跑起来，必须是整个社会层面 GDP 大幅增长——甚至像马斯克说的，机器人来了之后，从 Universal Basic Income 跃迁到 Universal High Income。要么应用没起来、硬件也没起来；要么大家都起来，而应用是最终直接对客、消化这部分业绩的。

Raymond： 今天学到非常多。如果现在真有很大的 AI 泡沫，万一破裂，有非常多好东西可以捡——说不定有些 AI 应用公司，就是我们可以投资或者关注的标的。

马克汤： 还想提一点：AI 应用在二级市场层面还是非常缺乏的，现在偏炒作。

Raymond： 你想说美图吗？

马克汤： 不止美图，像蓝色光标这种，还有一些游戏公司、中文在线。它们不是纯血的 AI 应用。一个互联网旧组织做 AI 应用，跟纯血的完全是两回事，因为它没有 AI 组织的推动力。**一个 AI 应用要做好，产品功能要足够 AI，组织也要足够 AI。**这可能就是一些大厂没做好这件事的原因——也是我和 Raymond 下一期串台的话题：为什么大厂做不好 AI。

Raymond： 非常感谢马克汤今天的时间。最后强烈建议大家关注「发财搭子」这个播客。介绍一下马克汤的背景——应该在片头说的，我们在片尾才说：马克汤其实是电子工程毕业的，所以他最近有一系列讲光、存储、PCB 的播客，深入浅出。我在听的过程中学到很多，也因此发了一点小财。这一系列播客都会放在 shownotes 里，欢迎大家去听一听。

马克汤： 感谢 Raymond，拜拜。

完整版 90 分钟对谈，在小宇宙 / YouTube 搜索「苔藓之火」收听。