# 大模型季报跨年对谈：和广密预言一场AI War、两大联盟和第三个范式Online Learning

> 张小珺商业访谈录 No. 127 精读

- 发布日期：2025-12-24
- 主持：张小珺
- 原节目：https://www.xiaoyuzhoufm.com/episode/694bbc49d996dd7bfddeecbf
- 网页版：https://zhangxiaojun.qiaomu.ai/ep/694bbc49d996dd7bfddeecbf.html
- 精读字数：约 8474 字（阅读约 19 分钟）

> 本文为 zhangxiaojun.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

2025 年 12 月 24 日，《张小珺商业访谈录》上线第 8 期《全球大模型季报》，也是张小珺和广密连续第三年做跨年对谈。78 分钟，两人从 AI 泡沫聊到 AI War，从 OpenAI 的收入账本聊到第三个范式 Online Learning，最后落到 2026 年该把筹码放在哪里。

广密长期在硅谷看 AI 一级市场，日常和前沿研究员泡在一起。这期节目里，他给出一组很具体的判断：AI 更像一场军备竞赛，OpenAI 今年 200 多亿美元 ARR，明年可能到四五百亿；全球最领先的三家模型拿走 AI 原生营收的 80% 到 90%；预训练 scaling 快走完了，真正的下一场在 Online Learning。

下面按对话的时间顺序，把这场跨年对谈里最值得留下的信息整理出来。投资部分是他的个人思考，节目也注明不作为投资建议。

## AI War：巨头输不起的军备竞赛 03:19

张小珺先问 AI 泡沫。广密说自己担心过一阵，现在结论是不用太担心。他把 AI 比作新的国防或核武器，科技巨头和国家战略都输不起。

> AI 可能就是得看作这是新的国防或核武器一样的东西。

他举了两个商业例子。开发者过去首选 AWS 或 Azure 部署应用，现在先选 GPT、Claude 还是 Gemini，云厂商被放到后面。C 端如果 AI Agent 成为流量入口，今天的 Super App 会被短路，Uber、携程这类靠信息不对称赚钱的中介平台，传统搜索，都不该再赚那么多钱。巨头既要防守又要进攻。

泡沫导火索是 Sam Altman 提的 1.4 万亿美元、30GW 算力建设。GPU 按六年摊销，OpenAI 平均每年要烧两千多亿美元。公开预测到 2030 年营收也就两千多亿美元，未来五年累计五六千亿美元，短期算不过账。广密认为未来两三年 OpenAI 现金流没问题，最近还按八千多亿美元估值融一千亿美元。1.4 万亿美元大部分投入在 2028 年之后。Sam 在播客里被追问如何买单，回答“你想卖股份我可以帮你找买家”，引发信心波动。

## OpenAI 的账本：看得清与看不清的收入 07:38

广密把 OpenAI 的收入拆成两块。看得清的是订阅、广告电商、API。看不清的是 Agent 替代劳动力、重写和扩大高价值内容、科学发现。

订阅部分，他做了一个乐观假设：40 亿月活、25 亿周活、15 亿日活，10% 付费，就是 4 亿付费用户，每人 200 美元年费，订阅收入 800 亿美元。广告和电商，假设 20 多亿周活，每个周活用户贡献 20 到 50 美元，就是 500 到 1000 亿美元。API 拍脑袋也能做到 500 到 1000 亿美元。三块加起来，一年 2000 到 3000 亿美元营收，体量接近今天的 Meta 或字节。

更值得想的是看不清的那部分。如果 Agent 真能端到端替代白领，全球 10 亿白领，每个 Agent 拿 1000 到 1 万美元工资预算，就是 1 到 10 万亿美元的收入。全球软件开发市场约 1500 亿美元，今年 AI coding 只有 100 多亿美元，渗透率不到 10%，未来涨到 30% 到 40%，空间还很大。

张小珺问 OpenAI 做广告和电商的速度。广密说长期乐观，历史上只要是大流量、有粘性的平台，最终都能变现，速度取决于优先级。今天 OpenAI 的最高优先级可能是 2026 年底之前做到 10 亿日活。

他也提到 Anthropic 的“巨头棋子价值”。任何一家太大，都可能对其他家造成威胁，所以英伟达、微软、亚马逊会继续支持 OpenAI 和 Anthropic，巨头之间需要平衡。中国的独立模型公司没有显著比巨头领先，字节和阿里很强，腾讯也在挖人。

## 两大阵营，交替领先 15:04

广密把 AI War 分成两大阵营：英伟达 GPU 和 Google TPU。Google 首次推出真正 SOTA 的模型，模型、芯片、云产品端到端集成，更像 AI 时代的苹果。英伟达更像 AI 时代的安卓，生态下支持的 OpenAI 和 Anthropic 依然是优等生。Google 在人才密度上更优质一些。

> Google 越强，越会形成一个反 Google 联盟。

他补了一句，OpenAI 越强，也会形成反 OpenAI 联盟。OpenAI 诞生的初衷，本来就是挑战 Google。AGI 不能只在一两家公司手中，也不能只在美国手中，这样世界才更平衡。

模型格局的关键词是交替领先。全球最领先的三家，GPT、Claude、Gemini，年底营收分别约 210 亿美元、90 到 100 亿美元、50 亿美元，总计约 360 亿美元，占全球 AI 原生营收的 80% 到 90%。其他所有大模型原生收入加起来 40 多亿美元出头，xAI 的 Grok 大约 3 到 10 亿美元，还很小。

交替领先的原因是，现有范式下预训练加 RL，大家的方法彼此甩不开，人才在流动，信息也在流动。想甩开，就得等新范式。模型分化与交替领先是递进关系：Gemini 3 在多模态断档领先，Claude Opus 4.5 在 coding 和软件开发最好，ChatGPT 在 to C 消费端依然断档领先，日活约 4.85 亿，是 Gemini 的五六倍。

Meta 是一个反面例子。广密算了一笔账，Meta 明年要投 1200 亿美元资本开支，账上现金约 500 亿美元，明年利润可能 600 亿美元。只交一个 SOTA 模型不够，得有 ChatGPT 量级的爆款产品，才撑得起这笔投入。今天很多 SOTA 是 benchmark 的 SOTA，高分低能，真正好的定义应该看有多少营收、多少客户、输出多少 tokens。

他保留了一个偷懒的类比：基础模型公司很像十年前的综合电商平台，scale SKU 就是 scale data。模型公司想做好哪些能力，就是加数据。ChatGPT 做 chat、coding，像亚马逊早年卖书拉通物流仓储和用户，再横向 scale 更多 SKU。今天领先的模型公司也在做 Office 里的 PPT、Excel 数据分析、金融投研。创业者要想清楚，自己做的是垂直电商，还是小红书。垂直电商也能赚钱，但要退得灵活；小红书是在综合电商之上又构建了一层内容资产。

Google 和 OpenAI 的竞争，广密判断 Google 短期高估，OpenAI 短期被低估。Google 这波估值从 18 到 19 倍 PE 扩张到 28 到 29 倍 PE。ChatGPT 三年涨到 14 亿月活，微信当年三年约 4.5 亿月活。ChatGPT 日活 4.8 到 5 亿，Gemini 约 9000 万。Gemini 的月活是 ChatGPT 的 20% 到 25%，但 DAU 比 MAU 只有 10%，ChatGPT 约 25%，ChatGPT 是更高频打低频。地域上，ChatGPT 守住北美、欧洲这些高付费市场，Gemini 走农村包围城市，在巴西、印度、越南这些安卓主导的新兴市场渗透率高。ChatGPT 相对 Google 搜索的流量占比，从年初的 5% 升到 15% 左右，已经不再是边缘流量。

Google 的危机没有真正解除。未来有两种走线：ChatGPT 真的吃掉很多传统搜索广告份额，或者 Google 自我革新，集成 AI，继续做 AI 时代的王者。两种都要继续观察。

## 第三个范式：Online Learning 36:01

广密说，预训练 scaling 确实快结束了，Online Learning 刚开始。预训练走到七八十，RL 走到 30% 到 50%。预训练搞不出更多数据，五六十 T 可能是很多模型公司的极限。今天模型的激活参数没有无限变大，反而在变小，稀疏度变高，趋势是更大的 MoE 架构。

硅谷现在最热的是 continual learning，很多人叫 online learning，本质是模型自主学习。学习效率更高，更少的数据就能学得更快，边推理、边交互的时候也在学习。今天的大模型还是静态的、冰冻的、没有数据流的产品，没法从每天交互中吸收足够信息。移动互联网比 PC 互联网大十倍，因为每天在交互，交互过程沉淀数据，吸收用户偏好。Online Learning 跑通以后，AI 会吸收人的智能，从人类经验中学习。

新范式成熟还需要基础设施，比如更长的 context、memory，多个模型的变形采样。广密和领先研究员聊下来，大家比较乐观，2026 年夏天或某个时间点，可能看到突破信号。主导的公司里，OpenAI 投入最大，最领先，其次是伊利亚的 SSI、Mira 的 Thinking Machines Lab。

OpenAI 即便分崩离析三四次，依然很强。Anthropic 是 OpenAI 最早的 scaling team，伊利亚是 pre-training team，Thinking Machines 是原班 ChatGPT 和 post-training team。这几个团队都很强。

广密在这里抛了一个暴论：大家提的机器人、世界模型、多模态，很多可能是假问题，Online Learning 可能才是唯一重要的真问题。核心是泛化性。不泛化，机器人就走自动驾驶的老路，有多少人工就有多少智能。未来机器人、世界模型的突破，不一定来自今天在座的这批人，今天这批人可能是上一代 LP 一样的结果。

> 预训练是石油，RL 专家数据是新能源，Online Learning 是核聚变。

他解释这三个比喻。预训练数据像石油、化石燃料，量非常大，总共有限，已经用了七八成。RL 的专家数据像新能源，有用，但总量小，所以出现了 Scale AI、Mercor 这种专门招聘人类专家的外包公司，收入快速爆发。Online Learning 像核聚变，还没突破，突破了就是无底的，人类进入硅基时代。

为什么相信第三个范式会出现？广密从基础设施成熟的角度看。过去三年 GPU 出货量、每个研究员手上的算力、研究员的能力和数量都在爆发性成长。这很像好莱坞形成了工业化创作体系，持续做出新作品就是时间问题。他也因此说，做播客的一个意义是鼓动中国科技公司多买卡，给年轻研究员更多搓卡机会。硅谷能诞生伊利亚，因为大厂很早就做长期投入，不看短期 ROI。中国大厂多投入、多买卡、培养人才，中国下一代伊利亚未来三五年大概率会出来。

## AGI 是马拉松，也是现金流之战 43:05

广密过去半年认真研究了给 frontier model 做数据标注的公司，最大的体感是：如果模型数据分布里没有这类数据，这类任务就不 work，只有压缩过这类数据，任务才 work。今天的模型还是巨大的压缩器，数据太重要了。

模型在知识层面已经超过绝大多数人，但它没见过人真实工作的环境。所以要找大量人类专家真实工作环境的数据：打印店店员怎么操作 Photoshop，销售人员怎么操作 CRM，银行柜员怎么用系统，皮肤科医生怎么看病。要有金牌级别专家的数据，再做 RL training，模型才能泛化。这很像自动驾驶，长尾数据量很大，解决长尾问题需要很久。

> 模型即产品，数据即模型。

他听过一个 rumor，Sam 最近在内部说先忘掉 AGI。广密说，搞明白模型公司怎么弄数据之后，大家都在花很大力气搞数据，他对 AGI 需要的时间预期拉长了一些，真正进入实际工作场景也更久。但在局部知识工作者群体，进展可能很快。现实一点说，知识工作者能感受到局部 L3 或 L4 的体验，比如 ChatGPT 做长尾信息获取、Coding Agent、Office/PPT/Excel Agent、金融投研 Agent。围绕知识工作者，能挖出更多像 coding 一样的金矿。

结论是，局部 L3、L4 确定性非常高，整体到 L4 很难。即便只用预训练和 RL 这两个现有范式，也有可能让 AI 系统比绝大多数白领知识工作者效率高很多，有很高的经济价值。能不能真正吃到工资预算，大规模解决人类高价值问题，还不好说。周期拖得久，就是烧现金流的现金流之战。Google 自己很有优势，但投入太大，不好说。Anthropic 是棋子价值。OpenAI 还是能融到非常多钱，美国资本比较充裕。

Frontier lab 会走向垂直，走向分化。广密认为分化会更明显，在自己的战略 bet 之下做到更极致。所谓通用的超级 AGI，可能是个伪命题。要在通用能力基础之上做自己的分化，在垂直场景里找价值。ChatGPT 做朋友，Anthropic 做 co-worker、coding agent，Gemini 做多模态，大家都要向下优化各自的数据。

## 2026 下注：Neo Labs、机器人与 ARR 50:57

聊到投资，广密说 AI 投资就是押注技术成长最陡峭的地方。三句话：投全球最领先的两三家模型，很像当年投电商平台，不存在小而美的垂直电商；投最领先模型需要的算力和供应链，宁德时代和英伟达都是一类公司；投最领先模型技术溢出的红利，会有更多 Perplexity、Cursor 这种从夹缝中冲到几百亿美元的公司，往大了说还有拼多多、TikTok 级别的机会。

他现在的组合是 25% OpenAI、25% 字节、10% Google、10% Anthropic、10% 英伟达、10% 台积电，每家都放一点。上一期是 40% OpenAI、40% 字节、10% Google、10% Anthropic。今天还要 bet 三年后的范式和 winner，Thinking Machines、SSI 这种 Neo Labs 也应该好好考虑。只押一家风险很大，大家交替领先，技术变化太快，最好有一个篮子。

2026 年他最期待的是下一个核弹级范式突破，比如 Online Learning。如果突破，可能带来更主动的 Agent，产品形态会变化。豆包手机给了很大启发，Agentic Web 才是真正的 Web 3，终于有了让创业公司或新公司掀桌子的机会。围绕知识工作者，尤其是 coding，可能有挺大机会；多模态进步也会很快，2026 可能是多模态大年。

他把硅谷的趋势概括成“一横一纵”。横向是蒸馏人类专家知识，拓宽更多行业领域，这样 AI 的上限也很高，Anthropic 就觉得这样做能到 AGI，超过绝大多数知识工作者。纵向是下一代技术范式 Online Learning，解决 memory 问题，边推理边学习，有交互，甚至有新硬件。AI 产品会更主动，always on，后台帮你准备和联想很多东西。今天 ChatGPT 必须 prompt 之后才回答，不会主动思考，每次提问都要从头推理，推理过程中还没法学习。

硅谷新冒出的 Neo Labs，最领先的是 SSI，伊利亚在做模型的自主学习。Thinking Machines Lab 也有一盘大棋。还有 Periodic Labs，做材料模型，目标是室温超导，材料实验反馈周期比医药短，模型做 RL 的整个周期也更短。General Intuition 做世界模型，以前是游戏高光录制平台，积累了 38 亿条游戏片段，天然带有用户标注的高质量和操作反应数据。英伟达最近投的 Reflection，像美国版 DeepSeek，因为中国开源模型充斥美国企业，一批人认为不能过度依赖中国开源模型，要扶持一个美国开源模型填补空白。

机器人过去半年很热闹。OpenAI 火了之后，很多人出去创业，想做机器人领域的 OpenAI。广密看好三家创业公司：Physical Intelligence、Generalist、Sunday。大公司里最好的是 Google 和 Tesla，一个做大脑，一个做本体。数据是最重要的 bet 和差异化所在。Google 和 Pi 摇操作的真机数据，Sunday 用手套和重包采数据，Generalist 用手套采了大量真机数据，宣称有 27 万条，是目前最大的真机数据集。世界模型和 YouTube 数据也在成为机器人训练数据的重要来源。场景主要还是叠衣服、冲咖啡，除此之外还没有大规模泛化。越来越多算法公司开始做自己的硬件，有研究员觉得硬件可能占 70% 到 80% 的成功要素。

机器人现在到什么阶段？广密说离 GPT-4 还有挺长距离，今天可能是 GPT-0.5 到 GPT-1 的时刻，未来两三年到 GPT-2 到 GPT-3 的时刻。架构、数据、方法都还没有收敛。语言模型是先统一再分化，机器人一上来就是分化的，没有统一的基础，也没有统一的硬件，每个团队都有自己的 bet，还是百花齐放。

硅谷头部公司的 ARR，广密给了一个结论：越头部的公司越便宜，越头部的公司越没有泡沫，反而有泡沫的可能是后面的某些公司。OpenAI 200 到 210 亿美元，Anthropic 90 到 100 亿美元，Claude Code 已经 10 亿美元以上 ARR，Cursor 也超过 10 亿美元，数据标注的 Scale AI、Mercor 都超过 10 亿美元。Midjourney 公开说七八亿美元，Together 做 serving 约 3 亿美元。再往后，Glean 企业搜索 2 到 3 亿美元，Replit 2 到 3 亿美元，ElevenLabs 近 3 亿美元，Lovable 2 亿多美元，OpenEvidence 1.5 亿美元，Synthesia 1.5 到 2 亿美元，Fireworks 1 到 2 亿美元，Harvey 1.5 到 2 亿美元，HeyGen 1 亿美元以上。

国内公司，豆包已经超过 1 亿 DAU，广密觉得超预期。豆包今天的模型完全不代表真实水平，人才密度比较高，可能一个模型就改变所有人对豆包模型的印象。2026 年可以期待豆包新模型。2026 年也是中国 C 端 chatbot 竞争的关键窗口，今年还没有分胜负，腾讯、阿里肯定会激进地抢流量入口。独立的模型公司，2025 年很多在学 Anthropic 做 coding，或者学 Manus 做 Agent。

模型的下一个胜负手有两个。产品上端到端的战略 bet，Anthropic 在 coding 给自己找到了战略生态位，ChatGPT 在 C 端做朋友，体验比其他人更好。另一个是下一代范式，看谁先弄出 Online Learning。更主动的 Agent 如果摸清自主学习，work 之后，最后就是加算力的问题，可以跑得很快。

## 华人创业者与中国的硅谷 1:10:16

中美 AI 叙事差异，广密概括得很直接。美国资本主义追求最极致的东西，资本驱动、数据驱动、token 驱动，资本家奔着金字塔塔尖去。缺点是产业空心化严重，制造业空心化，贫富差距大，美国能造出来的东西很少。巴菲特为代表的资本家只追求回报率，Tim Cook 为代表的职业经理人为了迎合资本家，把制造业转移到中国，这是产业空心化很大的原因。

在湾区待久了，会有一种感觉：美国制造业就是印钱，印出无数美元和美债，这些钱今天都投到了 AI。如果 AI 成，美国会非常牛；如果 AI 遇到卡点，短期挑战肯定有。这很像当年美苏争霸，中国像当年美国身后的国家，把美国 frontier 的 0 到 1 去做产业化。电动车、智能手机、3D 打印机、运动相机，很多东西都是硅谷 0 到 1 发明，中国后来居上，占据很大市场份额。硅谷做出来，主动放出来，去追求更高阶的创新，坏处是产业空心化，只剩一个空中楼阁。AI 会决定中美未来的战略格局和竞争力。

给华人创业者，广密有三条建议。第一，坚定做全球化市场，尤其是高付费能力的美国市场，美国能贡献收入的 60%，利润的 70% 到 80%。第二，用好中国的人才，工程师红利，不要放弃中国的人才红利和产业优势。淡化身份，淡化地缘，做好产品本身。华人创业者要更自信，不用别扭地把自己包装成海外公司，团队百分百都是中国人，做好产品就是王道，自强则万强。第三，真想拿硅谷一线 VC 的钱不容易，信任链很难。你在自己的圈子里大家都知道你很牛，去给老外证明，有时候比较难。中国 VC 也是重要力量，早期发展能拿什么钱就多拿。

为什么希望推动中国有个硅谷？广密说，中国一度 0 到 1 的创新很多，移动支付、二维码、直播、微信 O2O，美国投资人还经常来中国学习，过去四五年少了很多。他 2011 年读大一，双十一快递堆满学校门口，那次给他很大震撼。后来各种 O2O、跑腿生意，再到红杉做投资，看过很多中国 0 到 1 的创新，那时候创新氛围蛮好。这种创新氛围，现在只能在硅谷感受到。过去几年，中国的硅谷对比美国的硅谷，差距有点拉大，很大的原因是资本偏紧，市场化民间资本太少。

他们团队拉过数据，过去三四年全球诞生的 AI 应用公司，涨到独角兽的可能有 100 多家，做应用的中国团队只能想到三五家，这个比例比互联网时代少太多，非常可惜。中国的人才优势还是很强，这批 95 后、97、98 年的年轻人非常优秀。很多年轻人做 0 到 1 的高风险创业创新，需要 VC 的风险资本去投资，创新失败率非常高，VC 本身就是风险生意。很多创新从边缘市场冒出来，需要风险资本支持才能做起来。他希望中国能有比今天多几十倍甚至几百倍的 VC 资本，支持各种创新，年轻人的想象力才能被激发出来。

三到五年后，全球最领先的 AI 公司会是华人团队吗？广密说，这个概率之前是 0 到 5%，现在到了 20%。核心变量是华人的人才基础非常好，但只有人才一个关键要素还不够，还需要资本、算力、创新环境。也要看“最领先”怎么定义。如果规模和营收都是最大，人才竞争力最强，那可能是字节。他希望未来中国还能有十个字节这样的公司，做好全球化的跨国业务，营收、技术和人才竞争力比肩甚至超过美国的 Mag 7。Google、Meta 没有中国市场，中国公司能把中国做好，全球也做好，肯定是最好的。也希望未来对中国公司的估值和定价更好一些。

如果只带走三句话：看模型公司别只看 benchmark，看它 scale 什么数据、端到端战略是什么；2026 年盯 Online Learning 的突破信号、Agentic Web、机器人数据；投资和创业都别单押一家，交替领先是常态，组合和现金流都要留余地。