雨森的创投观察第1集：2026年预期、The Year of R、回调、我们如何下注

2025 年 12 月，北京下起初雪。张小珺把真格基金管理合伙人戴雨森请到《张小珺商业访谈录》，录了一期 203 分钟的年终对话，节目叫“站在 2025 年之外”。同一系列的第 122 集里，朱啸虎说三年之内不会有泡沫，创业者 2026 年应当全速前进。戴雨森给出的判断几乎相反。

他把 2026 年的关键词定成“The Year of R”，回报与研究重新变得重要。他自己的二级市场仓位已经基本清空，预期明年可能出现一次比较明显的回调。这期节目从 2025 年的模型和应用复盘讲起，一路谈到中美估值差、Return、Research、Memory、多模态、泡沫、看人方法和普通人的处境。

下面是我替听众听完这 203 分钟之后，整理出的高密度版本。戴雨森的观点保留为戴雨森的观点，关键数字和案例尽量按节目里的原意写清楚。

2025 复盘：模型和应用都兑现了，叙事却变了 2:00

戴雨森先复盘 2025 年。他的总体判断是，AI 的发展基本符合他在 2024 年底的预期：技术进步，产品随之前进，商业化再跟上。这个链路在 2025 年得到了验证。

模型侧最大的变化来自 o 系列代表的 Thinking Time Scaling。过去靠 Pre-train 的 Scaling，现在在推理端多花时间也能提升性能。落到 benchmark 上，GPQA 从 2023 年的二十多分涨到接近八九十分，超过人类博士水平；SWE-bench 从 GPT-4 时不到 5 分，十二个月里被推到接近 80 分；Humanity’s Last Exam 从几分涨到三十多分甚至四十多分。年中 OpenAI 和 Google 都宣布通用模型拿到 IMO 金牌级成绩，DeepSeek 的开源版本也做到了。

第二个进展在多模态。年初 GPT-4o 带来“吉卜力时刻”，图片生成模型能很好地跟随指令、理解 prompt 语义，用户场景一下被拓宽。后面 Nano Banana 能把长文章变成解释型 PPT、信息图，甚至用哆啦 A 梦来讲。Veo 3、Sora 2 在视频生成里做到音画同步、更长时长、更好的物理一致性。

第三个进展是中国模型公司持续追赶。2024 年大家担心中国缺卡、缺人才，模型会落后很久。DeepSeek 横空出世后，大家发现可以用十分之一甚至更小的成本追到接近世界 SOTA。后来 Qwen、Kimi K2、GLM、MiniMax、字节的模型陆续证明，能追的不只 DeepSeek 一家。开源生态年初还是 Llama 主导，一年下来基本成了中国模型的天下。Cursor 的 Composer 模型被普遍认为基于中国开源模型训练，Chamath 也说 Social Capital 把很多使用切到了 Kimi K2，因为表现好、价格低。

模型之间有没有秘密？戴雨森的答案偏悲观。行业信息和人才流动很快，硅谷尤其如此，很多 know-how 没法完全保密。大家手上都有几十万卡，数据也大差不差，所以短期很难拉开代差。benchmark 还饱和了。Opus 4.5 在 SWE-bench 上大约 80 分，Gemini 3 Pro 大约 78 分，分数只差两分，开发者实际用下来却觉得 Opus 4.5 好用很多。戴雨森用高考来类比，有人高分低能，有人分数不高但能力强，benchmark 也需要升级。

“大力出奇迹”的简单叙事正在受到挑战。 投入大量卡和钱，能不能带来一家独秀的差异化，目前第一军团还在你追我赶；能不能形成后来者追不上的壁垒，中国公司追得挺紧。Ilya 说 AI 历史是 scaling 和 research 交替的过程，现在又到了 research 变得重要的时候。Demis 也说，到 AGI 还需要一到两个研究突破。

应用侧，2025 年兑现了“模型能力进步打开应用场景”这条主线。Sonnet 3.5 让 Cursor 这类编程应用跨越鸿沟，Claude Code、Codex 把 coding agent 推到接近 10 亿美元 ARR。Manus、Genspark 作为通用 Agent 产品，ARR 走到 1 亿美元级别。戴雨森说，2025 是 Agent 元年，元年意味着第一年，离事情做完还远。Agent 来自 agency，关键是自主性，能拆目标、规划路径、调用工具、获得反馈、调整动作。现在大部分所谓 Agent 还在 early market，离普通白领都用起来，至少还要一年以上。

应用有没有护城河？戴雨森认为有。2023 年第一批 AI 应用更像“生鱼片”，鱼肉加芥末酱油，只做了模型外面的 UI。现在复杂应用多了上下文层，用户的行业专有数据、偏好、历史记忆，模型本身没有；还多了环境和工具层，Agent 能使用工具、改变环境，比如写一段代码给自己用。他把这比作从生鱼片变成满汉全席，食材仍然重要，厨艺、服务、环境也重要。Manus 在 Scale 发布的 Remote Labor Index 测试上超过所有先进模型，说明应用在模型之外做了增量。

中国应用出海表现不错。Andreessen 的 Top 50 AI 应用榜单里，中国公司做的有十几家。戴雨森投的黑剑、YouScan、Clip，到 Manus、Genspark，排名都靠前。这一代基于语言模型的应用第一天就是国际化的。美国人、巴西人、日本人、中国人做 PPT 的需求差不多，语言模型又通晓语言，所以不用像小红书、美团、拼多多出海那样做很重的本地化运营。中国创业者的执行力、产品设计、打仗经验，在通用型 prosumer 和 SMB 产品上很有竞争力。

他也提到几个没那么乐观的方向。人形机器人的 manipulation 能力继续不及预期，改变物理世界比改变数字世界难，自动驾驶已经证明过这一点。试图替代手机的通用硬件也难。Agent 在大公司渗透率很低，数据、隐私、权限要求高，目前主要用户还是全球几亿知识工作者。杀时间的 AI 应用没有出现大家期待的大爆发，生产力应用反而更稳。

2025 创投：真格投了 20 个左右，中美估值差出一截 52:31

2025 年真格投了 20 个左右项目。戴雨森说这是真格一直保持的稳定节奏。市场悲观时他们持续投，市场火热时他们也觉得最优秀的人没那么多。现在跑得比较好的 AI 公司，基本都是真格在 2023 年投的。Manus 背后的蝴蝶效应是 2022 年投的，黑剑是 2021 年投的，Genspark、Vivo、Kimi 是 2023 年投的。

他承认过去三年有可以提高的地方。头部 AI 软件应用公司是真格天使投的，但有些好公司拿到的股份还不够多，不是第一大股东。机器人领域他们一直谨慎，现在很火热，也有公司马上上市，但真格还是希望公司真正带来用户价值，然后投资人赚到钱。

中美 AI 公司的估值差，戴雨森举了几个很直观的例子。Thinking Machines 第一轮 100 亿美元估值，第二轮 500 亿美元，基本没有产品，只有一个 demo。500 亿美元已经超过中国所有 AI 创业公司加起来的估值。Mistral 最新一轮 140 亿美元，自己都不怎么做 Pre-train 了，benchmark 对标 Kimi、Qwen、DeepSeek，而 Kimi 上一轮估值不到 40 亿美元。应用端，美国一家像 Manus 这样几个月做到 1 亿美元 ARR、几十个点 gross margin、月环比增长 20% 的公司，市场一般给 30 到 50 亿美元。中国同类公司可能只给到十倍 ARR，美国给到三十到一百倍。

中国 AI 公司对全球资产配置者有很高的期权价值。 估值低，如果跑出一个 AI 时代的字节，可能有百倍回报。戴雨森说，美国投资人可以采取哑铃型策略，一头押最稳的 OpenAI、Anthropic、Google，一头押弹性大的中国公司。中美估值差距会缩短，可能相向而行，美国降一些，中国升一些。两年前大家交易的可能是一比一百的差距，现在也许五比一百，最后三十比一百、五十比一百，都可以期待。

他也提醒，市场始终有效。美国有人担心估值太高，中国新的优秀创业者估值也在提升。真格不会因为市场高就不投，也不会因为市场低就不投，原则是投最优秀的创始人。巴菲特说安全边际是用合适的价格买入好资产，真格不是市场定价者，能确保的是创始人本身的能力。

The Year of R 第一层：Return 变成主线 1:03:15

“二六年，我有一个关键词叫 year of R。”

戴雨森给 2026 年造了一个词，The Year of R。第一个 R 是 Return，回报。

过去三年，大家交易的是 Investment。英伟达股价暴涨，上下游的光模块、内存、Oracle、CoreWeave 都涨，本质是 AI 投资持续超预期。为什么愿意投？因为大家被潜在的大回报吸引。GPT 出来之后，大家谈论的是几年后实现 AGI，大量价值被创造，大量公司被颠覆。

现在 Investment 越来越大，Return 的兑现越来越受关注。数据中心里大约 50% 的投入是算力，卡四到六年就可能过时。投资需要在更短的回报周期里看到回报，有越来越多的 R，才能推动未来的 I，形成 ROI 循环。

模型端的边际回报在下降。模型能力进步是这波 AI 革命最本质的驱动力，但新一代 SOTA 模型相比上一代的进步正在放缓。GPT-4 相比 GPT-3 的进步很大，GPT-5 相比 GPT-4 的进步就小了很多。同时投入大了很多，美国头部 lab 的 Capex、人员工资都涨，却无法阻止中国模型以低成本快速跟进。Scaling Law 不能简单理解成投入大力出奇迹。

应用端的梦想也在变小。戴雨森把现在核心的 AI 商业模式拆成四类。

• 订阅制：OpenAI 接近 180 亿美元 ARR，接近 6 亿 DAU、10 亿 MAU。早期几亿知识工作者里愿意付费的，渗透率已经比较高。普通用户提价难，Gemini 等竞争激烈。Netflix 二十年给用户的价值提升巨大，订阅价格却没涨多少。
• 广告加电商：大部分是分 Meta、Google、字节的存量蛋糕。整个在线广告和电商的盘子跟 GMV、零售在线渗透率相关，不会突然翻倍。Chatbot 是新形态，广告探索速度不会快。Google 找到 AdWords 花了四年，Facebook 找到信息流广告花了六年。订阅和广告还会互相打架，用户付费了为什么还要看广告。
• 按用量付费的 AI Coding 和图片视频生成：Token 用量会持续增长，Token 价格也在下降。只有最 SOTA 的智能能按用量收费，普通任务很快会变成固定价。AI 替代了很多程序员，不代表 AI 能长期赚到这些程序员的工资。原来值钱的任务会变得不值钱。
• AI 加行业的企业服务：还在早期市场，规模有限，尝鲜的企业多，长期留存未必好。微软 Copilot 持续低于预期。大公司有数据安全、权限、隐私、工作流改造等阻碍，使用新技术的速度比小公司和个人慢不少。

戴雨森引 Satya 的说法，真正的 AGI 要能让 GDP 加速增长，把蛋糕做大。AI 创造新药、发现新知识、真正解放人的注意力，才可能撑起这么大的投入。只分存量蛋糕，账越来越难算。红杉美国的 David 先提 200 亿美元问题，后来提 600 亿美元问题，现在这个数字已经超过 1000 亿美元。每年要多赚回 1000 亿美元，目前没有特别好的答案。

市场 setup 也变了。2024 年底是低预期、高增长，ChatGPT 增速很快，Coding 和 Agentic 模型的确定性带来应用机会。现在是高预期、大投入，短期模型端看不到革命性的新能力，新的范式还在萌芽。戴雨森认为，2026 年大家对回报的要求会更高。

对创业者来说，负毛利烧钱追求增长的逻辑正在过去。 硅谷已经开始要求应用公司有好的 margin、好的 retention，增长和毛利率并重。应用公司把 Token 买回来，加工成有附加值的产品卖出去，应该有可观的毛利。简单倒卖 Token、打折卖 Token 的增长，质量不高，不可持续。美国非常宽松的融资环境可能放缓，中美创投市场的价格鸿沟会缩短。

The Year of R 第二层：Research 重新变得重要 1:16:13

第二个 R 是 Research。戴雨森说，这一个月、半个月，大家普遍指向研究。AI 历史上都是阶跃式提高，每次新的 paradigm 解锁，带来新的 scaling 机会。Scaling 到瓶颈之后，又需要研究去打开下一段 scaling。

Ilya 那场访谈讲得很清楚，scaling 和 research 是交替的，现在又到了 research 的时候。Demis 也说，到 AGI 还需要一到两个研究突破。目前看，Online Learning、世界模型都是重要方向。现有研究没法让大家直接一步到 AGI，这点大家比较认同。

硅谷因此出现一类新公司，叫 neo labs。典型的有 Thinking Machines、SSI、Reflection，近期的 Humans&、Periodic、Isara。它们以研究员为核心，一上来就是 10 亿美元级估值、融上亿美元，想成为下一代的 OpenAI，通过偏研究型的组织找到下一个范式。

做工程、做产品跟做研究很不一样。研究需要宽松的环境、自由探索的文化，不设时间和 KPI 限制。六个月做出一个新研究，很难计划。OpenAI 早期那本《为什么伟大不能被计划》反映了研究 lab 的状态。现在 OpenAI 已经主要是一家产品驱动、用户和收入指标驱动的公司，所以大家把研究文化的期待放到 neo labs 身上。

研究还缺新的 benchmark。现有 benchmark 已经逐渐被刷爆，不能很好体现 AI 能力的区别。Opus 4.5 和 Gemini 3 Pro 分数只差两分，实际体验差距却不小。姚顺雨提出“下半场”，需要新的 benchmark 去衡量一个在大多数领域超过人类表现的模型。人类要 benchmark 一个比自己更聪明、推理更强、知识更多的存在，越来越难。benchmark 又会影响模型训练和数据准备，像高考命题组，出什么题，大家就练什么。现有题被刷爆之后，怎么出题会成为每家公司的内部壁垒。

对创业者来说，要关注前沿研究的进展。 应用创新的先决条件往往是技术本身进步。研究的突破可能解锁新的应用机会。2024 年 o 系列的突破，就给后来的应用埋了伏笔。

The Year of R 第三层：Remember 与多模态 1:21:00

第三个 R 是 Remember，也就是 Memory。戴雨森认为，Memory 是 AI 应用差异化的关键。没有 Memory，没有个性化，你问 AI 和我问 AI 得到的结果一样。现在 Memory 还比较初级，却已经明显影响体验。同样一个问题，他问 ChatGPT 和问 Gemini，ChatGPT 的回答个性化程度高很多，因为有三年来聊天的记录和记忆。

现在的 Memory 基本还是基于 retrieval。把过去的聊天记录存下来，需要时去引用。戴雨森打了个比方，你的朋友对你的理解完全来自一个很厚的笔记本，记录了跟你聊的每一句话。真正的记忆是他不用带笔记本，内心已经更理解你，模型权重级别地记住了你。这部分是研究的兵家必争之地。最后每个人用的 AI，可能都是一个针对自己的模型。

Memory 还会解锁 Proactive Agent。现在 AI 应用的价值评估，大多是人主动去问、主动发起操作。人的意图有限，大量需求想不起来去讲。一个好的秘书应该察言观色，老板没说就主动解决问题。AI 主动为人服务，才有 10 倍场景的机会。做好主动型 Agent，前提是有好的 Memory 和对用户 context 的理解。戴雨森认为，2026 年 Memory 会是 AI 应用的必争之地，谁能获得用户更多 context、更多交流，形成好的 Memory，谁就有差异化。

多模态是第四个 R，虽然他找不到一个合适的 R 单词，硬凑了一个。多模态分两块，一块是 generation，一块是 reasoning。Nano Banana、Veo 3 让图片和视频生成进入可用时代。GPT-3.5 解锁了 ChatGPT，Sonnet 3.5 解锁了 Cursor，Sonnet 3.7 解锁了 Manus，Nano Banana、Veo 3 会解锁什么？在 Chatbot 里让 AI 生成图片、生成视频，体验并不自然。图片和视频的消费、广告素材、创作者工具，都是百亿、千亿美元级的机会。

另一块是 Visual Reasoning。人本质上是 Pixel Machine，大部分对世界的理解来自视觉输入。可以关注 Zerobench 这个视觉推理 benchmark，目前最好的模型还不到 10 分，前沿 lab 里可能有能做到六七十分的模型。AI 现在看虚拟界面、看真实世界，还会犯很多“弱智错误”。Visual Reasoning 突破后，交互和 AI 能做的事情会提升很多。这还不到 AGI，但对应用价值很大。

语音也是重要机会。声音是人跟人、人跟计算机交流最自然的媒介。Siri、Alexa 早期基于语音，但 AI 太笨。2025 年 Plaud、Granola、Wispr Flow、Typeless、Suno 这些应用，基于语音交互和获取的进步，带来了很魔法般的体验。戴雨森特别推荐 Typeless，按一个键就能用语音驱动 AI 输入、结构化、翻译、改写，像把 Siri 没做到的事情先做好。

泡沫与回调：2026 下半年可能有一次 pull back 1:30:29

张小珺问，站在 2025 年尾巴上，有没有嗅到泡沫的味道。戴雨森说，人类历史上每次技术革命都带来泡沫，几乎毫无例外。修运河、修铁路、修高速公路、互联网，都带来了泡沫。AI 可能是人类历史上最重要的技术革命，带来最大的泡沫也很理所当然。

泡沫本质是估值和价值高度不契合。现在还没有到泡沫最顶端。互联网泡沫、Web3 泡沫的顶端，资产价格出奇地高，不只的好公司高，烂公司、骗子公司也高。现在英伟达短期估值甚至很低，因为增速很快。大家被互联网泡沫吓过，所以资产价格还没到特别离谱的阶段。

更大的风险在预期变化。 长端和短端出现错配，会带来资产价格大幅变化。2023 年初，长端 AI 预期大幅提高，短端因为库存多、短期估值高，很多二级市场高手做空英伟达，结果错了。现在短端比较乐观，大家对英伟达明年、后年的预期很高。长端如果对 AI 回报周期变长、AGI 到来放缓，预期转悲观，短端业绩再好也不是主要交易因素。

戴雨森判断，2026 年美股可能出现比较明显的 pull back，时间点可能在下半年。触发因素包括美国劳动力市场放缓，AI 本身的 return 不及预期。OpenAI 的用户和收入增长，会是担心的一个重要指标。市场很难预测，这只是基于 Return 和 Research 的思考。

他提到《Boom: Bubbles and the End of Stagnation》把泡沫分两种。好的泡沫认为未来会比现在好很多，参与者主要是专业玩家，投入有外部性。互联网泡沫虽然破裂，但投入变成了光纤、创业公司资金，最后改变了世界。坏的泡沫认为未来和现在完全一样，比如次贷危机时大家觉得次级贷款一样还得上，中国房地产永远涨，茅台永远涨。这种泡沫参与者可能是普通人，也不鼓励改变未来。

朱啸虎说至少三年内看不到泡沫，大家都在讲泡沫时泡沫肯定没到，token 消耗量今年爆发十几倍，明年还要爆发十几倍。戴雨森回应，token 用量大幅上涨是必然，每年涨十倍也可能，但 token 价格也在下降。互联网用量一直持续增长，没有哪年大家用得少了，可很多互联网流量也没赚到钱。Token 用量不能直接 justify 现在的估值，关键还是投下去的钱能不能有好的 return。

当前市场主要在担心 OpenAI。Oracle 等公司公布与 OpenAI 的大单后，大家质疑 OpenAI 怎么掏得出 1.4 万亿美元去满足未来的算力需求。Gemini 发新版后，OpenAI 的影子股票软银、CoreWeave、Oracle 跌得很厉害，Oracle 跌回到超大订单新闻之前，市场等于把这个事情全抹掉了。戴雨森认为，明年大家对整个 AI 生态的 return 会越来越担心，原因一是商业化变现没那么快，二是研究端需要突破才能让模型能力大幅提高。

中美估值差距会缩短。一两年前大家对中国 AI 应用普遍悲观，现在看到很多乐观信号。长期看，中美差距不会那么大，互联网时代差距就不大，有些领域中国应用开发者做得更好。差距缩短可能相向而行，美国降，中国升。

“我个人现在是基本空仓的。”

戴雨森个人二级基本空仓。他经历过互联网周期，当时自己在创业，是狂奔的一员。他信两条：第一，回调一定会来；第二，长期一定会发展。大家都嗨的时候警惕回调，大家都悲观的时候准备乐观。优秀公司往往很早成立，亚马逊、Google 都在互联网泡沫破裂前成立，泡沫破裂时股价也严重受损，亚马逊差点跌 95%、差点破产。做得早、投得早重要，风险预备也重要。风暴来的时候能活下去，可能等来宏观环境帮你清理竞争对手。创始人要多想想自己的增长是不是高质量增长，是低毛利甚至负毛利换增长，还是有不错的毛利和 retention。

如果 2026 年是研究年，技术不能提升、范式没有新变化，现有技术能支撑 AI 应用浪潮吗？戴雨森说，现在技术不是不提高，只是从指数级加速进化到更线性的提升。L2 级别的要求没有大问题。一个坐在电脑前、按流程做事的人类白领，做的工作应该都能做。他不用搞新发现，不用解决没遇到过的问题，大部分办公室工作都是解决已经解决过的类似问题。L3 级别需要 AI 自主决策、承担后果，需要比较长时间。L4 自动驾驶 robotaxi 在二维世界运动，后果大，也花了十几年。

创业、看人与生活：留在牌桌上，做难被复制的人 1:47:38

基于三个 R，戴雨森给创业者几条建议。

第一，对技术进展要有高质量判断。优秀 AI 应用创业者基本都对技术有自己的预判。杨植麟在 2023 年对长文本、2025 年对 Agent 的判断，质量很高。你做的应用要为 6 到 12 个月之后的 SOTA 准备。做的时候模型能力已经成熟，可能做晚了；应用需要五年后的能力，可能做早了。萧红团队能做 Manus，Pick 的加入很重要，他对模型能力发展有更多了解。Manus 之前他们尝试用 AI 控制浏览器，对 AI 怎么使用工具做了很多研究。应用创始人可以不是技术背景，但要对技术发展有预判，或者招一个能补这块的人。

第二，立足全球市场。AI 生产力应用一上来就可以做全球产品，公司面对的市场规模和收入前景会大很多。萧红在 Manus 发布前没去过美国，但要对全球市场的产品设计、功能审美、运营推广有了解。中国新一代创始人从小用全球优秀产品长大，读 Elon Musk、Steve Jobs 的传记，看全球同步的新闻，竞争力提升很快。

第三，不下牌桌，持续翻牌。AI 每年都有很多变化，像一张牌桌，每年都有新牌翻出来。Manus 是第三次尝试，先做 Benchling，再做 Monica，再做 Manus。Genspark 团队先做 AI 搜索，再转到 Agent。Typeless 先做 Shopify 浏览器插件，再做 Max AI 浏览器插件，再做 Typeless。黑剑先做电商模特换头，再做虚拟人。AI 时代变化快，机会多，不要拘泥一件事，保持高执行力、高迭代速度。

第四，垂直里有壁垒。想想自己的数据、场景，什么是模型公司没法简单覆盖的。AI 加教育、AI 加制造、美国 AI 加法律，你有没有模型厂商不具备的专有知识。分发渠道也重要。美国公司 Abridge 做医院里的 transcription，帮医生根据跟患者的沟通形成诊疗记录，大投资方 Epic 是美国大部分医院软件提供商，有独特分发渠道。医院不是装个 Chatbot 就能用。

怎么看人？真格内部把创始人分成小天才、老司机、操盘手、科学家四类。今年真格投了小一半 00 后创始人，也投了 70 后景坤、张爱玲、木兮。年龄不是判别因素。戴雨森强调“引领者”，中国每次技术浪潮都有很多人创业，最后赚到大钱的基本是第一个提出创新形态的人，不是行业很火之后才进来的人。美国收购退出机制完善，第二名也可能被大厂并购；中国不是前三名、甚至不是第一名，大家都没有赚大钱的机会。真格内部找“大黑马、引领者、king makers”。

团队构成越来越重要。美团创始团队很多是王兴的同学、室友，张一鸣创业团队也有好多室友，米哈游是同学室友创业，饿了么是同学创业，Manus 团队萧红、潘潘一起做过第一家夜莺科技，Kimi 团队是清华同学，甚至一起玩乐队。市场很火时，几个人原来不太认识，被凑在一起创业，这种团队遇到高压容易出问题。

“创业像 F1 赛车，对团队是极致考验。”

戴雨森提到 Manus 团队。Pick 是真格高中就投的创业者，做过猛犸浏览器，上了苹果推荐，后来卖给深度学习公司，更像 chief scientist，对技术狂热，不想管太多人。张涛和戴雨森大学时一起写博客，做过 To C、To B、中国产品、国际化，一直阴差阳错等一个大机会。张涛 2024 年作为联合创始人、产品负责人加入萧红团队，那时还在做 Monica，团队不大，很多人觉得是套壳。真格一直喜欢这个团队，因为过去经历、团队组成、萧红的成长都很优秀。后来 Manus 跑出来，是第一步很好的结果。

今年戴雨森一对一聊了大约 150 个项目，只投了 2 个。他说投得少，可能也是自己的问题，好项目还没见到，希望通过播客见到更多。判断错很正常，投了的可能不好，没投的可能很好，看缘分。

他也谈到人生。今年读的书接近 100 本，年度推荐《智能简史》，从海洋古细菌讲到 GPT-4 的诞生，讲智能的五次革命。《第一只眼》讲光开关理论，寒武纪大爆发时三叶虫进化出感光细胞，在一个全是瞎子的世界里突然有了眼睛，捕食优势推动其他生物进化出眼睛、四肢。戴雨森觉得这像技术进步带来应用变化，也像市场竞争推动价值创造。《跨越鸿沟》仍然是讲新技术从早期市场进入主流市场最重要的一本商业书。

普通人怎么在智能充沛的世界里生活？戴雨森说，人类历史上智能一直是奢侈品，只有顶级企业、政府、军队能大规模动用聪明人。现在十美元就能买到很多智能。执行力变得廉价，agency 和 taste 变得重要。你要做什么，你有没有自己想做的东西；AI 给你三个、五个方案，你选哪一个。还要从线性思维转向并行思维，像给不同的 AI 分配任务，做好 AI 的老板。多用最先进的工具，提前体验未来。ChatGPT 发布当天，戴雨森凌晨四点用了，觉得这东西太革命。互联网最早上网的人、最早买 iPhone 的人、最早买特斯拉的人，都是提前感受未来。AI 训练讲究 OOD 数据，out of distribution。你的工作、思想如果都在数据分布里，价值不大，AI 很容易复制。毕加索、莫扎特能产生非常不一样的数据，所以成为大师。努力让自己变得稍微独特一点。

快问快答里，戴雨森说喜欢常德牛肉粉，圆的粉，跟长沙扁粉不一样。喜欢墨西哥坎昆的天坑溶洞，圆形平台在湖中间，顶上一束光打下来，像柏拉图岩洞隐喻里穿透洞穴的光。一个冷知识是，你能看见自己的鼻子，但日常生活中不觉得碍事，因为大脑不断把鼻子抹掉了。大脑也把视网膜上倒过来的世界正过来。我们看到的世界不是真实世界，是大脑加工后的世界。

节目末尾，张小珺放了一段录前闲谈，戴雨森点评了几家 AI 公司。他说 ChatGPT 更像 AI 1.0 产品，一问一答很 general，但不够主动、不够多模态，处理复杂操作别扭。Chatbot 可能不是最终容器。Google 当年把搜索技术做成极简 search box，字节用抖音上下滑把推荐引擎放大，新容器才带来完全不一样的体验。ChatGPT 之后，OpenAI 自己也在看 chat、reason、agent、organization、innovation 几步，最适合 Agent 的产品形态可能不是 Chatbot。Manus 有点像给大家 preview 2.0 时代的 Agent，有自己的 sandbox，可以用电脑、浏览器，有一大块画布让 Agent 自己操控。

OpenAI 的超级入口故事，戴雨森不太买账。美国投资人不太讲超级入口，讲大 DAU 产品。大 DAU 最好的变现方式是广告，Google、Meta、字节都靠广告。ChatGPT 奔十亿 DAU，分的是同一块广告蛋糕，大部分是存量重新分配。Satya 说 AGI 要让 GDP 以十个点增速增长，要创造新蛋糕。广告和电商更像分现有蛋糕。AI 编程替代程序员，也不等于 AI 能赚到程序员原来的工资，原来值钱的任务会变得不值钱，像通缩。

Google 有没有脱离危险？戴雨森说，Google 把 DeepMind 和 Google Brain 合并，Sundar 亲自进 founder mode，表现出很强的在位公司竞争力。换一家公司可能就被颠覆了。但他不觉得 Gemini 已经能阻止 ChatGPT 增长。ChatGPT 的留存仍然好于 Gemini，原因可能是 Memory，也可能是品牌。普通用户心里，ChatGPT 可能就是 AI 的代名词，像互联网早期雅虎就是互联网的代名词。《跨越鸿沟》里叫龙卷风暴，技术跨越鸿沟进入主流市场时，number one 会获得大量自然流量，第二名很难竞争。Google 有资金、有分发，可能弯道超车，但不是一定会发生。他也不觉得 OpenAI 做群聊对 Meta 威胁很大，社交网络网络效应很强，ChatGPT 还没影响人们的社交关系。搜索跟 ChatGPT 最直接针锋相对，Google 还没脱离危险。

Anthropic 没有自己的产品，戴雨森一直觉得风险大。模型只调 API，切换很快，用户数据、context 在应用端。像造了一辆好车，换发动机影响没那么大。Claude Code 对 Anthropic 很重要，不仅要有模型，还要有应用和用户。Opus 4.5 在 SWE-bench 分数没高多少，实际用起来体验不一样，Gemini 3 很多开发者反映实际使用没那么好。benchmark 不一定能直观反映应用多好，像高考分数一样，有人高分低能，有人分数不高但能力强。Cursor 面临 Claude Code、Codex、Anti Gravity 三家模型公司 coding agent 的竞争，模型公司还有自己的语言分发，Cursor 处境尴尬。Cursor 给用户的是 code，模型给它的也是 code，中间增量不多。PPLX 做 AI 搜索，ChatGPT、Gemini 都带上搜索后，天花板就明显了。应用要在模型之外把 context 层、工具和环境层的增量做厚，才有壁垒。

Thinking Machines、SSI 这类 neo lab，戴雨森说做科研不是钱越多越好，也不能定很明确的时间目标。Ilya 拿了很多钱之后不理会外界，专心做研究，爬下一座高峰。科研型 lab 适不适合投资，本身都是问题。中国大模型公司只做大模型可能比较难，模型会变成产品，不管出海还是做中国特色产品，都得解决 Return 的问题。明年中国和美国都要在 Return 上有更多 visibility、更多确定性。钱还没赚来，但能看到钱可以赚来。

听完这期，能带走的判断有几条。2026 年不会缺 AI 新闻，缺的是回报兑现的证据。模型能力还在进步，速度更像线性，不像指数。应用公司要把模型之外的上下文、工具、环境、记忆做厚，简单套壳会越来越难。创业者要提前 6 到 12 个月押技术方向，立足全球市场，留在牌桌上持续翻牌。投资人要接受中美估值差缩短，也要为下半年可能的回调留出余地。普通人可以早点用最先进的工具，练 agency 和 taste，做一点 AI 不容易复制的事。