闲聊8月：AI 和机器人改变世界，这钱你出？

「不管是哪种结局，长端的利率都会跌。」 —— 马克汤，谈那张两头都通向同一个结局的图

嘉宾： 马克汤｜财搭子 AI 联合创始人、《发财搭子》主播

马克汤是从阿尔卑斯山里出来的。8 月底他在夏蒙尼——法国阿尔卑斯山脚下的一个小镇——待了一个礼拜，去跑 UTMB 越野跑世界总决赛。那地方基础设施好得离谱，山顶都有网，但他还是当了一个礼拜野人，回来又花了一周补课。

真正让他愣住的是落地。飞日内瓦，机场里全是越野跑和户外品牌；回国走廊桥，两侧铺天盖地全是办公 AI 的广告。同一个人，一周之内，两个世界。

这一期是每月一次的复盘。8 月的资本市场从 7 月那场下杀里慢慢缓过来了，没有继续跌，但情绪没跟着回来——用 Raymond 的话说，是一种「反复的像绞肉机一样的行情」。英伟达的财报发出来，市场吃了一针镇定剂，但也只是镇定剂。与此同时，「AI 是不是泡沫」这个讨论在美国重新烧了起来：英伟达拉着华尔街的大机构组了个银团一起投数据中心，Michael Burry 出来说科技公司的折旧全是假的，中国的开源模型把价格压到了一条谁也活不下去的线上，而美债的长端利率已经是 2007 年以来最高。

这一期把这些拆开了：老黄的残值担保哪里靠得住、哪里靠不住；八年前的 A100 为什么还在涨价；一千家机器人公司最后能活几家；蒸馏是从什么时候开始变成一个贬义词的；以及那张两头都通向同一个结局的图。

以下为对话精编，有删节。

一、英伟达的财报是镇定剂，不是强心剂

Raymond： 8 月刚过。市场从 7 月那波非常大的波动里慢慢恢复了，看起来没有再往下走，但很多投资人还是难受——也可能人家不难受，人家 8 月份就去过暑假了。你在山里那一周，回来补课补出什么感觉？

马克汤： 7 月的时候我就做过一次复盘，7 月整个全球 AI 硬科技链下杀得非常严重。8 月整体的市场情绪出现了复苏，但大家持续地有那种恐慌的情绪在那里，就觉得泡沫、犹豫、担心、害怕。人总归是有那种情绪在那里，不会这么容易消失。

行情回来了一点，但情绪并没有完全回来。后面就是看英伟达整个财报的节奏，好像给市场注入了一针新的镇定剂。

Raymond： 但他是镇定剂，他不是强心剂。完全不是强心剂，而且效果并不明显——发完财报涨了一波，然后马上又跌回去，并不是一个更持续的行情。

马克汤： 你能明显看出来，这些股价还在高位的大公司，CEO 们都很着急。大家在尝试搞出一些新的叙事，或者给未来一个更高的指引，来鼓动市场的情绪。

Raymond： 英伟达的财报成绩其实很不错，对明年的 guidance 也很好，这个毋庸置疑。它看起来还是一家比较大、比较稳健的公司——我只能说到这里，这肯定不是投资建议。

但它最近有些操作比较特别。这里要分开两件事，很多人把它们混成了一件：一件是它拉了很多人一起借钱，一件是它自己的循环借贷。

拉人借钱，是去找华尔街那些很大的投资机构——BlackRock、Brookfield、Goldman、KKR——一起做一笔融资。说白了就是，我拉着一大帮金主一起来投数据中心，把数据中心变成一个跟房子差不多的东西：打包在一起，再去找金主拿钱。听下来挺多人愿意给。

马克汤： 需求确实还在那里。我们每个月甚至每个周都在看，包括 OpenRouter 上的 token 使用量数据，所有的用量都还是在激增的状态。

Raymond： 我第一反应是挺惊讶的，这么多机构都愿意支持——当然也可能不支持的就不出来说话了。还有英伟达做担保这件事。

二、「一家公司违约的时候，往往是整个行业出问题的时候」

马克汤： 老黄之前公开讨论过这个事情。他的说法是：如果一家公司破产了、违约了，他的卡可以作为残值再卖给别的数据中心。他举的例子是八年前的 A100，现在又签了五年长租——固定资产该摊销完了，结果还能再延续下去。

Raymond： 我补充两点。

第一点，我当时看到有个统计，说只要供大于求百分之三还是百分之五，就足够把整个市场的价格打到崩——我不知道他有没有什么具体的根据或者测算，但这个方向是对的，因为定价是边际卖家定的。

马克汤： 反过来也一样。供小于求的情况是同一个道理，只要多一个人抢，价格就要翻倍。存储就是这样，缺口没多少，价格就上去了。

Raymond： 对，缺口不大他就能要到翻倍、三倍甚至更高的价格，因为就是很需要。

第二点是要区分单点和全局。单点的泡沫破裂、单点的问题，和全局的问题，是两回事。老黄那个残值的说法，在单点上完全自洽：一家公司违约，卡收回来、转租、二手卖掉，都能兜住。但很可能一家公司出现违约的时候，是整个行业出现危机的时候。那个时候芯片残值本身也会下降得非常猛烈，股和债是一起下杀的。

马克汤： 就像过去几年的中国房地产。那这个就会很麻烦，他挡不住——那不是一栋楼降价卖，那是大坝直接倒了，洪水是直接泄下来的。

三、靠写邮件年入一亿的大空头

Raymond： 这个说法的始作俑者，或者说最大的声音，还是 Michael Burry。我跟大家简单介绍一下这个人。

他是《大空头》里那个原型，就是在 2008 年之前判断出次贷会崩、然后做空成功的那个基金经理。但他过去这几十年，看空的时间远远多于看多的时间——除了 2008 年那一次大的对了之外，其他很多次到底对没对，是要打个问号的。他过去两年一直在说 AI 泡沫马上要破裂，大概一年多前开始做空英伟达和 Palantir——具体时间表我已经忘了。

他现在其实已经把基金注销了，AUM 大概是 1.5 亿美金。真正赚钱的是他的 Substack，叫 Cassandra Unchained，三十多万付费用户，一年三百多接近四百块的订阅费。他每年靠写这个 newsletter、写这个邮件，赚一亿美金。

我真的很羡慕别人可以靠写邮件写出一亿美金来，太厉害了。

他的控诉核心有两条。第一条是循环借贷，他认为这一套迟早要崩。第二条更狠：他普遍认为所有科技公司的折旧都是做假的。

他的逻辑是，芯片是电子产品，不是生产资料。电子产品就该像 iPhone 一样，两三年快速 write off 掉。但现在这些公司按五年、六年去摊销，那就是在人为地把成本往后推、把利润做高。所以他说这些公司的利润全是假的。

四、八年前的 A100 为什么还在涨价

Raymond： 但这里有一个事实和他的说法是冲突的。

虽然说 A100 的需求是在膨胀的——A100 的需求在膨胀才导致它能够涨价、还能够维持——这个我觉得其实是一个很神奇的事情。八年前的卡，租价和买价都还很坚挺，流动性也很好。一个真正该被 write off 的电子产品，不会是这个样子。

马克汤： 因为不是同一批卡在被同一件事用。

以前的算力需求更多是因为训练、尤其是预训练，需求特别高。但我们现在也知道，越来越多的 token 消耗从训练转到了后面用户使用时的推理。推理对顶级卡的要求就没那么高了——顶级卡去吃预训练，老一点的卡下沉去做推理里比较低档的那一层。你去用 Codex 或者 Claude，它有 fast、有 ultra fast，那些不同的档位，底层其实就是不同的卡。

Raymond： 这个很好理解。我要是问「西红柿炒蛋放盐还是放糖」，根本不需要用最贵的模型，这种问题谁答都一样。客户来源也是分梯队的：AI for science、材料科学这一类不需要那么大算力，还有本地部署的，都在用老卡。所以 A100 不是过时了没人要，是下沉到了另一个客户群。

马克汤： 所以现在可能有两层的路由（router）。

第一层是模型层：不同任务，甚至同一个任务里 agent 执行的不同子任务，按等级分流给不同的大模型。第二层是芯片层：同一个模型，在中国和在美国可能跑在完全不同的卡上，因为两边的电价和 TCO 完全不一样。

电力是生产 token 的原材料。

Raymond： 举个更具体的例子，亚马逊拿一套模型服务它的客户，火山云或者阿里云拿另一套服务中国的 agent 客户——同一个能力，底下的卡和电完全是两笔账。

马克汤： 而且很多事情在数据里没有办法完全体现出来。我觉得现在研究 AI 最重要的一点，就是你得自己用 AI，你得自己去摸各种产品，去体验到底现在比一年之前有什么变化。

Raymond： 所以我去硅谷转一转就应该知道了。

五、泡沫要破，先看哪个指标

Raymond： 假设他们说的是对的，现在确实是一个泡沫，那我们该盯哪个指标最早能看出来？

马克汤： 我最担心的是链条内部的互刷。

前面说的循环借贷，或者现在做 AI 应用，都有很多潜规则，有刷单的情况——大家会互相刷。我买你的服务、你买我的服务，双方的应收账款都涨了，报表都很好看，但其实谁也没赚到钱，甚至还要多交一笔税。这种循环在链条内部可以自我维持相当长一段时间。

所以要看的是链外的需求。链外的需求如果不出现真实的上升的话，这里面再怎么变都没有用，它只是内部循环。

Raymond： 但这些指标非常滞后。看创业公司比如 OpenAI 你根本看不到；看 hyperscaler，资本开支高是正常的，而且季度更新、报出来还要再加两个月，他们本身也有动力 sugarcoat。

马克汤： 财务上还能看经营性现金流，还有存货和应收账款，这也是非常重要的。

Raymond： 但都很难看，现在就是都很不清晰——数怎么做都行。等你从财报上看出来，已经是很后面的事了。

所以我想到两个可能更靠前的指标。

第一个是 CoreWeave、Oracle 这些公司的 CDS 的边际变化。信用违约互换的价格是市场对它们还得起钱的实时定价，比财报快得多。

第二个是 A100 的交易量和价格，我猜这可能是一个比较好的前置指标。注意不是 GB300——GB300 是硬通货，中国人说你送过来我都能吃下，价格里没有信息量。但如果美国那边 A100 多出来了，中国人想不想买？我觉得是不想买的。所以 A100 是一个更边缘、更敏感的资产。

至于循环借贷本身我倒没那么担心。之前有人在 CNBC 上问过黄仁勋：你不给他这个钱，这事还成不成立？实际情况是，你不给，他也会去借别人的钱买卡。中国这边买不到卡但非常想要——真实需求是在的。

六、「不要以为你用的是豆包，我们就不再打仗了」

Raymond： 还有一件有意思的事。David Sacks 在 All-In 的 podcast 上说过一句话，我当时有很强烈的共鸣。他的意思是，AI 这件事本质上是中美之间的军备竞赛，是核武器级别的东西。

那如果是这个级别的东西，你在研究新时代的核武器，那不就是那个国防部给钱吗？现在的情况是，让私营企业拿自己的 free cash flow 去覆盖这件事，覆盖不了了就去借钱——这在逻辑上是别扭的。

不要以为你用的是豆包，我们就不再打仗了。

所以我一直觉得，美国现在最大的国防就应该是把利息降下来。利息降下来，这些 hyperscaler 就不必这么难受地去借钱。你一边说这是国家安全级别的竞赛，一边让长端利率停在 2007 年以来的最高位，这两件事是矛盾的。

马克汤： All-In 那几个人对政府支持这件事的推动一直是很积极的，一如既往。

七、机器人的终局，和 fake it until you make it

Raymond： 宇树你有关注吗？

马克汤： 这不都跌掉一半了吗。

说到机器人，我是从终局思维在理解这件事的。

如果机器人真的做成了，生产效率就接近无限，那消费端的逻辑就变了——你想要什么就有什么。所以它可能不是 UBI（Universal Basic Income，全民基本收入），而是 UHI，Universal High Income，全民高收入。当然这听起来很科幻。

Raymond： 我关心的是这个 GDP 的整体抬升，多少来自于印钱印得多，多少来自于生产力的提升。它必定得是有效的 GDP 抬升才算数。

马克汤： 现在的机器人主要在干什么？在开运动会对吧，表演武术、切水果、跑步跑得腰都闪了。真正进工厂干活的是机械臂——机械臂更像 ASIC，不像 GPU，它只能做一件事，但那件事它做得很好。

所以这个阶段是需要 fake it until you make it 的。你得先做出来给人看，甚至需要做一些刷单刷出来的东西，真的就是 fake it until you make it。

Raymond： 我觉得我可能跟你的看法不太一样。

运动会那种，我觉得那不叫 fake it，那叫 marketing，是 marketing 的一部分。

马克汤： 我记得也是 All-In podcast 说的——你看美国人会宣扬「机器人很恐怖」，中国是反过来的：先支持这个支柱产业，再让老百姓一步步熟悉它。

Raymond： 你说的意思是中国政府在帮国民建立对机器人的亲和度。所以从顶层设计上，中国对机器人更友好，美国和欧洲对机器人更不友好，最后民众的态度就反映出来了。

八、洗碗机悖论：一千家机器人公司最后能活几家

Raymond： 说到接受度，我前两天在即刻发了一个帖子，就一句话。我说：我们中国人有这么多人其实都不用洗碗机，他怎么会将来接受一个家务机器人走进他家里帮他做家务？

这一句话下面几百个评论、几百个赞，在即刻上已经是热搜级别了。评论清一色是负面的。

第一类说洗碗机洗得不干净、不够快，还要我自己预处理，还要我把碗拿出来——不如我自己洗。很多人是以「我自己洗碗比洗碗机洗得好」为荣的。

第二类说谁讲中国人不用洗碗机，中国人可爱用了。有个人举的例子特别好笑，他说洗碗机要能洗蔬果我才会用。我人生第一次知道，原来现在国内有厂商为了让大家买洗碗机，给洗碗机加了一个洗蔬果的功能。洗碗机本来不是应该超级烫、高温消毒的吗？你拿它洗蔬果，那是火锅吗，洗完直接能吃了？后来我一搜才发现是我孤陋寡闻。

第三类说没地方接、没地方放，这么大一个东西怎么摆。还有说长辈肯定不习惯这个机器，年轻人又都吃外卖。

但没有一个人能反驳我那一句话：这些问题、这些缺点，不都同样会用在家务机器人上面吗？

马克汤： 阿姨也会犯错嘛，而且你很难找到一个跟你特别搭得来的阿姨。大家对人形机器人的要求是很高的——他要能猜到我今天想吃什么，我在沙发上眯一会儿睡着的时候，他能帮我把毯子盖上。这种很贴心的动作，你找个阿姨也很难做到。

Raymond： 因为大家对机器人的想象可能过高。如果机器人最后 collapse 到机械臂那个单一场景，比如分拣快递包，大家反而很喜欢，觉得很好。一旦你做成人形，大家对泛化的要求和想象就非常高，反而让这个东西更难推进。

马克汤： 我们的观点其实没冲突。它必须落到一个具体场景让人看见——不能是「我知道他什么都能干所以我去买」，而是他在我平时用的那个场景上做得特别好，我才会买。你如果一个特定场景都做不好就说自己全能，没有人会买账。

Raymond： 在特定场景打穿了，有明显的 use case，泛化再说。

我再讲一点：机器人在中国的一级市场肯定是有明显的泡沫，这是一个 fair statement。

马克汤： 中国的机器人行业，现在大概有一千多家创业类公司在推进，跟各地的产业园、政府都有一些合作，大家互相之间会去做一些采购来做支撑——你的交付数据就起来了。然后每一家又都共享了上游相似的供应链，有些像宇树自己做电机、自己做视觉。

但量级根本不大。大多数公司包括宇树在内，一年也就生产一千多台、两千台。这个量级一点都不大，你要把它吞掉是很简单的。所以问题是有几家公司能撑到三年、五年甚至更长时间的技术拐点，或者有足够的资金保障它在这个过程中持续积累。

现在一千家这种创业公司，一半甚至更多的他是要去死的。他没办法，他必须要被淘汰，或者去做垂直整合。

Raymond： 我描述几个我感觉会发生的事情：现在大家对机器人有好感、有期盼，达不到，然后融资越来越困难，很快就会进入一波要死人的状况。

但我对这个行业长期肯定是高度乐观的。这个乐观有点类似于，我对中国的电动车很乐观，但未必对单一企业很乐观——这可能是两件事情。国家肯定希望看到电动车整体行业非常好，对全世界拳打脚踢，但单一企业可能会遇到很大的困难。

马克汤： 整个行业是好的，但要看谁能拿到足够的资本活下去。我之前听哪个知名投资人讲的——好像是徐新——说零几年的时候投网易，然后碰上互联网泡沫，大部分公司都死了，但网易有那笔钱能撑下去。竞争环境里大部分都死了，所以他活下来很正常，因为竞争变小了，最后他就起来了。前沿科技行业大概都会经过这样一轮优胜劣汰，头部效应会非常明显。

九、斩杀线：切换成本为零的残酷

Raymond： 我们再讨论另外一个非常非常惨烈的前沿科技，就是大模型。我先问你一下，你记不记得住所有大模型的编号，几是谁，是几点几？

马克汤： 记得住一点吧，因为我们自己每天在用。

Raymond： 你毕竟是个 AI 创业者。

马克汤： 我吃这碗饭的嘛。我们现在工作里很经常发生的一件事情就是，今天突然一个新模型上架了。先看一下评测他在哪些维度上是 OK 的，然后猜测他能不能替代我们在某个场景上用的那个又便宜又好的模型。

Raymond： 跟观众介绍一下：马克汤是财搭子的联合创始人，财搭子是个 AI 应用。AI 应用你可以理解成一个冰箱，冰箱要用很多电，电越便宜越好。所以全世界谁最了解哪个模型好坏、便不便宜、稳不稳定——就是 AI 应用公司的老板，他每天靠这个活着。

马克汤： 那是我的成本项。我得挑出能产出最好效果、但是最便宜的那个模型，那对我整个的利润来说是最好的。

Raymond： 8 月在推特上和中国社交媒体上都非常火的一张图，就是那个斩杀线的图——所谓斩杀线，就是把各家模型按「能力」和「价格」两个轴画出来，画一条线，线以下的模型基本就没有存在必要了。这个图我不会贴在 show notes 上，因为它每天都在变。

现在的情况是，DeepSeek V4 是一条重要的衡量线：你要么能力比 V4 好，要么价格比 V4 便宜。which basically 不可能。所以大部分的模型其实没有存在的必要。

这件事跟中国电动车那种情况还不太一样。电动车是你不小心买错了，买了一个斩杀线以下的车，那买了就买了，你也开十年，反正是一次性买卖。但软件是无限容易切换的——十分钟就换了，而且你所有的 memory、所有的 skill 都带着走，整套个人 context 带着走，完全没有感知。所以这变成一个极其残酷的竞争。

马克汤： 这条线对我们来说是非常真实的。我们肯定不会去用一个比 DeepSeek V4 Flash 更贵、能力又没它强的模型，完全没必要。

所以我可选的范围现在非常有限。要么为了追求某些特定场景下任务达成率非常高、准确、幻觉第一，那我就选最顶尖的模型，那可能是个闭源模型；要么我就去选偏便宜那一侧，但能力比大部分模型都好的。

我最近的定义是「够用」。因为大部分你打给大模型的请求，要求就是够用——你别犯低级错误，你的回答是对的。它可能根本不是最终展示给用户的，它可能在后端的数据生产管线里。那就够用，把这一步的任务做扎实了就 OK。剩下考验的其实是我们整个应用产品的 harness（指调度模型、组织工具与上下文的那层外壳）的能力。

中国的开源模型也出现梯队了。比如 Kimi 的 K2 是一个 2.8T 的大参数模型，部署成本比较高，需要六十四张卡才能完成比较好效果的部署。DeepSeek 对应的是六张卡——好像，我记得啊——六张卡他就能，四张卡就能跑起来。

Raymond： 等一下，你说 K2 是需要六十四张卡，还是指 V4 是要四张卡？

马克汤： 四张卡。呃，四张还是六张卡，这个我不知道，就是官方给的部署 use case 里面。反正差这么多。

所以 K2 的成本会更高。它刚出来的定价基本跟美国 GPT-5.6 那一档对齐，比 GPT-5.6 最便宜的 Luna 还要贵，完全谈不上是性价比的开源模型。

我们过去对开源模型的定义就是便宜——便宜好用量大环保。现在不是了，它也要分梯度。反过来，智谱的 GLM-5.3 Flash 是小模型，部署成本低，价格仍旧维持在斩杀线上，而且足够聪明。

这对美国人的焦虑感是非常大的。闭源模型能力很强，大家都拍手叫好，没问题，非常好——但大部分企业已经用不起最好的模型了，量太大了。我最近包括我很多朋友，不管是游戏公司、大厂还是各种类型的公司，大家都开始说公司在限制 token 用量。

Raymond： 你说的是硅谷大厂限制 Claude 的用量吗？

马克汤： 我说的还是偏国内的大厂为主。

Raymond： 国内大厂用国内的模型也控制？

马克汤： 也控制。企业上到一定规模，你就会考虑数据安全。考虑数据安全，你就不会让员工去用 Codex 的 coding plan 来做你的现实工作。他内部可能有一套 harness 的壳子，底层其实差不多，然后让员工自己去选不同的模型，不同的模型有不同的积分消耗倍数。你自己去组合，但当月的 quota 用完就是用完了。

Raymond： 等一下，他们用国内的模型也要卡额度？

马克汤： 我说的是闭源模型。国内这些大公司其实都接了那些顶尖闭源模型的接口。

Raymond： 哦，那我懂了，我听错了——你的意思是国内某大厂的员工现在不能再像以前一样无限制地消费 Opus 了。我还以为你说国内不能用 DeepSeek。

马克汤： 对。硅谷也开始限制了。

Raymond： 那这逼着大家去做什么？

马克汤： 你去找老板要更多 quota，就得说：我产出比原来高两倍，quota 要两倍，不过分吧？我人效 ROI 提上去了。

以前是 token maxing 的时代——我这个月 token 比上个月多用两倍，我厉害死了。现在不是了，现在得实实在在把成绩交出来。这个策略在我们家是我老婆在管，很好笑，因为你作为管理者其实很难衡量底下员工真实的产出。

Raymond： 那有一个问题我一直想不通。既然中国的开源模型价格这么低，为什么全球的价格没有被明显拿下来？

我看过一个说法：科威特是全世界石油开采成本最低的国家，却不是最有影响力的产油国，因为它的 Q 不够——P 很低，但产量不够大。理论上美国人要是也能用开源的 DeepSeek，Anthropic 的价格应该降下来去 match 它。但很明显不是。是不是因为 Q 不够？

马克汤： 国内的国产卡在推理卡上的普及是越来越快的。我不知道实际情况，但从各种媒体和财经新闻的报道来看，确实是变大了，包括训练卡也从原来以英伟达为主，开始切换到十万张卡的国产集群去做训练。推理卡理论上更简单。所以我觉得现在应该还好，没有到说完全供应不上的阶段。

十、蒸馏是不是一个脏词

Raymond： 蒸馏这个词，8 月被很多播客节目聊过了，小宇宙上搜一搜非常多，我们就不用介绍它是什么了。听听你的 reaction。

马克汤： 我觉得大家就是中美互相蒸馏嘛。谁也别说别人没蒸馏，谁也别说自己没蒸馏。

你比如说中国的开源模型，他又不是只发开放权重就结束了，他还发技术报告呢，好多东西全部都说了。技术报告里那可是真金白银地说了新提出的架构提升——比如之前 DeepSeek 对 KV cache 的优化，比如 Kimi 对 attention 机制的优化，那都是架构层面的东西。

Raymond： DeepSeek 从最近那个访谈稿来看，是公布了一部分成果，没有公布全部成果。所以它在实际使用上还是比别人厉害很多，成本也比别人低很多。

马克汤： 但海外的模型也会去参考中国模型的技术方案和架构贡献——那我来蒸馏一下，不很正常吗？

Raymond： 我想更多聊的是张一鸣那个讲话。

我先表达一下我的态度。我之前做过一期关于中转站（指把各家大模型 API 二次转售的中间服务商）的节目，当时我最想问那个中转站的人的问题是：你有没有把你的数据卖给谁，或者谁来找你买这个数据。

因为对我来说，这是一个投资角度的加分项。一个大模型公司愿意去蒸馏别人、而且蒸馏得好，或者主动地竭尽一切方法去拿到这些数据，我觉得这对这家公司是一个利好。我会愿意买这家公司。

但张一鸣不这么认为。他的说法是两条。第一条：你如果是学生，天天去抄老师的作业，你是永远抄不过老师的——你只能追赶，可以无限趋近，但你永远不可能翻上去。第二条是组织层面的：你最后 end up 的是一公司特别会蒸馏的人，感觉很多黑客；但真正的数据清洗、预训练准备、后训练那一整套，组织能力反而搞不好。

这可能是一个企业家对这件事有更大的追求。但他这句话同时也把蒸馏变成了一个负面的词。

蒸馏在科技界之前不是负面的。家里那台空调是个巨大的模型；我想在手机上用、在电脑上用，那些 Lite、Flash，都是一种蒸馏，都是从大变小——是把大的智慧收进小的体量里。那些公司自己也一直在做，不停把大模型蒸馏成小模型，说我这个更便宜更好用。这本来是个性价比的做法。

我自己个人认为它不是一个负面的词。我前两天在即刻上也发了一个例子，我说：你觉得拼多多是一家蒸馏的公司吗？

我的意思是，2015 到 2016、2017 年的中国，我们假设那时候的电商环境跟今天的中美环境是一样的。中美环境是说，我有卡我不让你用，永远卡着你，你被卡脖子，你发展不了。而当时的中国电商环境是有二选一的，所有电商公司完全打不了，真的就打不了——所以京东做自营，自营可以活下来，其他平台都活不下来。

在二选一的情况之下，拼多多用砍一刀这种方式起来了。我不知道这个词对不对，但那可以说是在蒸馏腾讯的社交关系，或者说他用了一种取巧的方式，让自己有了上牌桌、往前走的机会，才有了后来市值超过淘宝的那一瞬间。

马克汤： 我刚听的时候还觉得，我脑袋里联想的那个蒸馏和你说的是两回事——你前面那个还是偏社交裂变的打法，他确实是在蒸馏微信的社交关系。

但拼多多后面做 Temu 才是第二种蒸馏：本来人家做一个品牌、一个独立站、然后卖东西，他把你的能力抽象出来，取你的精华，变成白牌产品，全托管。他就是把你的供应链蒸馏出来。蒸馏本身就是萃取精华。

Raymond： 我得澄清一下，我说的拼多多那种方式，肯定不是现在讲的那个偏模型技术的蒸馏。我讲的是：当你遇到一个比你更大的人，而且他对你有超出你竞争能力的限制时，有什么方式能突破、能取巧，让自己活下去、长大——因为长到一定体量，你才有超过他的可能性。先模仿，后超越。

所以我的主观期待是，创业公司在大厂和芯片短缺这两个问题之上，肯定要想更多方法去弯道超车。因为你可能要一直走弯道，才能活下来。

马克汤： 而且我们国家的这些企业，不管是 AI、机器人这些新兴产业，还是像车子，现在很大程度上都是在引领整个世界的。前沿技术都是弯道走走走，然后就直接变成领跑了。

Raymond： 但主要还是要在牌桌上。

马克汤： 从模型迭代的角度，这件事可以分成三块：架构优化、数据优化（里面也包含合成数据）、以及通过蒸馏带来的优化。蒸馏和数据那一块其实有非常大的共通性，因为很多合成数据你也可以管它叫蒸馏。

这三块的提升是各自做各自的，考验的是一个组织的管理能力——你多少人员配置的重心是要做架构提升的，那不耽误我另外去做一些蒸馏，把后训练的能力快速补齐。我觉得这没有任何问题。这也是为什么我们确实看到国内这些前沿的大模型公司，架构上是有不断优化的，而且这个优化又会被美国那两家闭源公司积极采纳。

而且大家是互相成长的，开源社区的价值就是这样。

Raymond： 如果他蒸馏出来的东西是闭源的，那问题很大——我觉得问题会更大。但他蒸馏出来是开源的，所以美国有一半人是支持的，一半人反对。

听说 Fable 5.1 额外增加了一个防蒸馏机制，蒸馏变困难了，是真的吗？

马克汤： 他可能加了一些机制吧，但这个真的还是可以继续做，只是难度增加，并不是不能做。很多时候跟中转站是一样的，它可能发生在 coding plan 里去蒸出来，不是实际去调用官方的付费 API——那你就没有办法拦掉。

Raymond： 那现在 GLM-5.3 这些都已经如此逼近 Fable 的情况下，中转站的生意还好吗？

马克汤： 好啊。因为那些大厂里面的员工还是习惯用最好的。就像你让我现在不用 Codex，让我去用 WorkBuddy（国内大厂的办公 AI 助手）——

Raymond： 我好像也得想一想啊。

马克汤： 这个东西就是一个习惯问题，就是我们上次聊的切换成本。

十一、中国人是被办公禁锢住了

Raymond： 我们来说一下 8 月中国 AI 办公软件的情况。之前那期九十分钟的聊天上了编辑精选，非常多人听到，很多大厂员工给了我不同的反应。有人说哪里有你们说的这么差，你们都是造谣，我们公司做得可好了；也有一些大厂的前员工私下来说，实际情况比我们节目里讲的还要糟。

先说数据。Cross Mobile 有一份数据出来还蛮特别的，讲了几个大厂 App 截止 7 月份的最新月活（都是国内大厂的 AI 办公或编程助手）：WorkBuddy 六百多万，Qclaw 两百万，TRAE 两百万，Qoder 二十多万。

假设 8 月全都翻倍，头部那个可能上千万。但我听说的另外一些数据是，它的日活可能只在小百万这个量级。考虑到广告投放的规模，我不知道这个数据符不符合他们的预期。

马克汤： 说到广告——我这次出去玩，先跟大家聊一个跟投资没关系的事情：中国的机场和欧洲的机场，广告是完全两种东西。

我在中国上飞机之前，看到的是各种办公 AI，然后是豆包、阿里云、火山引擎，这一类数据库和云的产品。然后到日内瓦下飞机，因为我去的那一周正好是比赛，全是各大运动品牌——Nike、Brooks、adidas、Hoka，全是越野跑的广告。完全是两个世界。

回国的时候我又再次感受了一下，因为那个廊桥实在走太长了，全是铺天盖地的办公 AI 的广告。我觉得中国人是被办公禁锢住了。

Raymond： 美国的话可能都是那些想要融资的公司，去刷那些巴士、那些广告牌。

中国机场那么多办公软件和数据库、云的广告，其实反映的是他们肯定经过衡量测算，发现这个效果是好的。去机场打广告不便宜，打完之后确实对产品下载和使用时长有增量，他们才会愿意打。

中国人真的好爱工作啊。非常向上，非常积极。

这让我想到最近一件事：Stanford 的毕业典礼上，谷歌的 CEO 皮查伊去了，然后学生们不是很喜欢他。我觉得这件事很有意思，因为 Stanford 已经是全美国最 AI native 的大学了。

据说的情况是，很多学生对 AI 有很强的负面情绪——AI 替代人、AI 危险、AI 把我取代掉。这在美国是很普遍的，美国还有针对数据中心的抗议。但这些在中国其实没有。我很少在社交媒体上看到「我们要抵制 AI」。中国人反过来是高度拥抱 AI 的，现在的大博主都是 AI 教程型博主——如何更好地用 AI、副业搞钱、打第二份工。

马克汤： 你说为什么两个地方的人不一样。

欧洲人是「这跟我没关系」。AI 反正跟我们没关系，我们的 Mistral 分分钟也要垮掉，我只管下班从日内瓦河漂回去、上山徒步——这一类词我在那边一个都没听到过。

美国人是他能接触到这个东西，但生活方式很强调平衡，所以很多人会觉得「我好像不卷就不行了」。

中国人是习惯卷了，太要强了，他要向上，他要成功——所以是想尽一切办法让自己更有竞争力的角度去想这件事。

Raymond： 我那天看一个做饭的节目，有一句话特别好笑。有个厨师说另外一个七十岁的老师傅——「正是出来闯的年纪」。那个老师傅确实很厉害，七十岁出来上综艺，做宫保虾仁那些特别好的菜，可能也是帮餐馆打打广告。「正是出来闯的年纪」——这句话在欧洲被听到，应该要上法庭吧。

马克汤： 虐待老人。

抛开投资和科技发展的角度先不说，我总觉得大家可以看看多样的生活方式。不是只有在办公室里吭哧吭哧地用办公 AI 才能过好人的这一生。很多方式大家可以多探索探索，不要被局限住。我觉得我们国家大家都太努力了、太要强了，可能因此失去了很多探索美好的机会。

十二、给人插上翅膀，还是让这个人不存在

Raymond： 你现在说了一些非常不卷的话，那我现在又要把你卷起来。

我猜马化腾和马云两位马老师可能同时在听这个节目。你怎么评价办公软件这场战争打到现在这个阶段，终局会是什么样？因为有些战争打完是好的——支付战争打完是有明确壁垒和结果的；有些战争打完是烂尾的，比如外卖战争打到现在已经很明显烂尾了。

马克汤： 我还真没思考过这个问题。但我觉得现在这个战争才刚刚开始打。

我们之前提到过一个观点：办公 AI 可能是先从辅助，再到替代，再到真的变成一个数字员工去扩充，这三个阶段。那现在远远没到第一阶段的完成状态——它还在辅助人，帮人把效率提升到极致。

国外已经有一些新的产品形态，比如 Grok bot 那一类，其实就是新的一种办公方式；或者 Claude Tag，或者说现在 Slack 上在做的一些努力，它们其实都已经在尝试往数字员工那个方向去靠了。这类似的产品形态，中国也有非常优秀的创业 AI 应用公司在做，而且非常早就在做了——我一时想不起名字，回头贴在 show notes 里，因为要尊重一下人家。

但中国现在主流还是以通用 agent 的 co-work 这种场景在定义办公 AI 的产品形态。其实是差了一个代际。

Raymond： 但应用层的东西中国追得很快。

不，不是追不追得上的问题。它其实是两种思维方式：一种是我让这个人给这个人插上翅膀，这是一种思维方式；另外一种是说一个人就不存在了，就是数字员工或者 Claude Tag 那一型。它有一点是在用一个通用知识库去取代一个人的意味，它其实是把人和那个东西放在同一个阶层——它不是个工具，它就是人本身。

马克汤： 中国有可能有些人会走那条路，但今天所有的办公战争都是围绕工具去打的，不是围绕数字员工去打的。这是产品设计和产品定义上的一个代际。

就像 Claude Cowork 是去年年底出来的，各个大厂年底开会，赶上春节，往后三四个月对应的产品就上架了。同样地，如果 Grok bot 未来几个月的数据验证通过了，中国大厂也会开始开会，说这是不是一个新的好形态。

Raymond： 所以从 vibe coding、从 Cursor，到 Claude，到 Cowork，到 Claude Tag，这三种代际三种形态，中国这边就是看到学一学，然后打下一场战争。

那我把话说窄一点。现在打的都是办公软件，是 AI empowered 的 WPS 时代。我的主观看法是，这个战争不是很值得打。Claude Tag 那一类、或者说数字员工类型的，我觉得是值得打的。

我之前有一期节目，是跟以前 Final Round 的 Michael 录的，讲的就是数字员工。那期播放量极差。但我觉得那期特别好、特别重要——他说的其实是下一个代际的产品应该怎么做，而且他公司自己就走完了一二三代的转型。我一直很奇怪为什么没人听。

我自己会非常非常关注，在中国这种社会环境之下，有没有创业公司直接做第三代的。我的主观看法是，中国的第二代很难走通——就是所谓的现在这些以人为主角、agent 做助手的产品，我觉得会低日活、低月活、零付费。但直接做数字员工那个方向，可能会有更多机会。

马克汤： 而且那可能不是大厂的机会，是创业公司的机会。

因为一旦变成数字员工，就涉及人和人、agent 和 agent、人和 agent 的整个关系网络，对基础设施的要求高非常多。现在是我用我的助手、你用你的助手，两边互相完全不认识，也没必要认识。

我现在最烦别人开会时跟我说「这个东西是 AI 帮我写的」。你不用告诉我你拿什么写的，你交上来的作业就是你的作业。

但未来如果每个人都有一个悟空，那就是悟空跟悟空聊、八戒跟八戒聊，最后可能是我的八戒跟你的悟空要聊——组织内部是这样，供应商和客户之间也是这样。人和人的沟通会变得非常复杂。

Raymond： 我说的那一类产品，指的是所有「人做主角、agent 做助手」的形态。它最后面临的问题是拿一个技术方案去适配存量的世界，而存量的世界本身可能就是有问题的。硬要适配，用户又不喜欢用，用完又觉得会把我取代，长期处于很拧巴的状态。

马克汤： 步子迈太大，直接做第三代，可能会扯着蛋。而且大厂很难论证这件事——你要证明一件事有效，无非是收入、活跃、留存、转化；但数字员工要劝说的是掏钱的那个人，他更难做决定。

现在买工具明显是为了提效、为了砍人头。做数字员工你就要去设计集团战略、组织规划，是一条复杂得多的链路。所以最开始必须有几个明星公司出来做 case，而且他们可能是不付钱的，也是为了这个事而做这个事。

Raymond： 我这次去硅谷也是想看一下，因为硅谷那些千人以上的公司，在如何用 AI 这件事上肯定比中国很多公司更前沿。要看别人是怎么用的，组织关系和组织方式其实非常重要。

现在很少有人讨论这个问题，因为这通常需要企业一号位出来讲自己公司为什么做不好，很多人不愿意说。但这对社会是很重要的财富——在这么特别的工具出现的时候，组织应该做什么调整，什么是短期阵痛，什么是社会代价。这是应该被充分讨论的。

跟你刚才那个 echo 一下：Michael 当时在一堆数字员工的可能性里选了 marketing，因为 marketing 的工作流全是跟数字打交道——投放、对接 YouTube 广告，不需要碰真人和线下环境。别的类型各自都有门槛，他都做不了。

十三、无论 AI 成败，长端利率都会跌

Raymond： 最后一个问题，关于宏观。

现在已经过了 labor day。这一段时间日元大涨，美债整体到了非常高的位置——现在不管你降不降息，美债都在替你加息。石油价格又重新回到相对高位，九十多块。仗天天都在打，虽然不上头条了但还在持续。然后是贝森特宣布的 treasury twist，发短债买长债。再加上最近 FOMC 比较鹰派的讲话。

这一系列都非常动荡，而且有点说不清楚。8 月你看到哪个宏观因素，会觉得这个好像有点不一样？

马克汤： 我前天看到一张图，我觉得挺有意思，它又跟 AI 相关。

它说 AI 未来的结局假设有两种：一种是泡泡破掉了，一种是它非常非常成功。不管是哪种结局，长端的利率都会跌。

为什么呢？如果 AI 特别特别成功，那就代表 AI 的渗透率变得非常高，生产率大增，那就会出现某种程度上的通缩，出现通缩之后长端利率就会下降。第二种是泡泡破掉了，那所有 AI 产业链上的股票、纳斯达克全部爆炸，爆炸之后投资者就会去买国债，那利率也下来了。

所以不管 either way，长端利率在 2027 年年底、随着 AI 的结局有一些明了之后，会出现必然的下跌。只是说在这个过程中，现在整个财政的压力、通胀的压力，都会让短期利率一直处于高位。

你像美国财政部一直在尝试通过一些财政手段把长端利率往下压，但都有一些饮鸩止渴的感觉。它好像不解决实际问题，市场是在通过交易的方式，逼着美联储去加息。

Raymond： 我觉得加息的概率还是比较小的，原因很多，展开又是一个小时。但我能感觉到，投资人对「美债危机」这件事的定价越来越大了。

同时很有意思的一点是，现在处于一个狼来了的状态。每次都是川普、或者 Fed、或者 Scott Bessent 轮流出来说一句话。第一次说，对十年期或三十年期有一定影响，降个几个点，大家觉得市场挺听话；第二次、第三次说下去，到第十五次的时候，递减效应已经没人理他了。

他最近做的这个 treasury twist，发短债买长债，第一天有反应，第二天、第三天，一个星期之后全部就回来了。所以现在美国的长端利率是 2007 年以来最高的水平。

马克汤： 这个要爆不爆的状态已经持续很久了。桥水的 Ray Dalio 说美国债务问题说了十几年了。它如果一直能通过做时间差把影响往后延，人就还活着，那就还能顶一顶。

但如果利率持续走高，对我们现在关注的这些硬科技成长股影响是非常大的，因为这直接增加了大家的融资成本。你像现在 Google 也好，这些大厂自由现金流都已经转负的情况下，大家都需要融资，不管是股权融资还是债务融资，本质上都有资金成本。美国整体利率往上抬，大家的融资成本都变高，潜在的 ROI 就变低，ROIC 也变低，那所有故事就都往负面的方向走。大家关注宏观新闻，本质上就是在关注它对大科技有没有下杀的影响。

Raymond： 你可以理解，现在的股价是在三十年期 5.3 的情况下的股价；如果三十年期跌到 4.7、4.8，股价应该是什么样子，有可能是完全不一样的。

马克汤： 也不能单从长端一端去看，如果出现倒挂也是不好的。但倒挂现在感觉有点困难——贝森特的动作是想让它往倒挂的方向走，但是它明显——

Raymond： 不听话。

这个月我们可能会看到 Anthropic 准备上市。在中国模型这条线的追杀之下——其实它不是斩杀线，它是追杀线，追着你杀——它追的就是 Anthropic。我非常非常好奇，Anthropic 在 IPO 路演的时候，会怎么跟投资人解释这条追杀线追上来了。

马克汤： 他肯定跟你说，我憋着一个大的一直没发呢。然后直接发一个 Fable 6。

Raymond： 反正每次都是这样——因为你不炸裂，你就不会发。

如果你也在看这个方向，或者不同意上面的判断，欢迎写信到 [email protected]——不想写信也没关系，把邮箱留在下面就行。