硅谷 AI 大转弯与二级市场的牛市｜42章经
输入“/”快速插入内容
硅谷 AI 大转弯与二级市场的牛市｜42章经
硅谷 AI 大转弯与二级市场的牛市｜42章经
用户4242用户42422025年8月31日修改
原创 曲凯 42章经2025年08月31日 20:33 北京
莫傑麟已经是第五次做客我们的播客了。从 23 年底到现在，我们差不多保持着每半年一次的频率，定期复盘中美 AI 的发展趋势。最近我又来了硅谷，也再次和傑麟聊了聊今年美国的 AI 进展，以及近期二级市场的牛市。
本期播客对谈原文约 30000 字，本文经过删减整理后约 10000 字。
曲凯： 今年硅谷有什么新趋势？
莫傑麟： 今年大家达成了一个新共识：AI 又进入了一个高速发展的阶段。
但硅谷出现了一个大转弯，就是 AI 的核心衡量指标，从「Scaling Law」变成了「Token 消耗量」。
今年最核心的叙事，就是 Token 消耗量在持续增长，而且增速惊人，比如七月就比六月增长了 20% 以上。这非常像移动互联网高速发展那几年里，流量、留存等指标的增长曲线。
在 Token 消耗加速的背景下，从最底层的 GPU，到模型，再到最上层的应用，整个行业都有新的发展。
目前消耗 Token 最多的，还是 OpenAI、Anthropic、xAI 等几家核心 AI Labs。再细分来看，增速最快的是这些 Labs 自有的应用，比如 ChatGPT 的日活、使用时长都在上涨，其次是很多 ToC 的生产力工具。
曲凯： 所以大家现在会越来越多地用大模型。但今年美国的模型并没有明显变聪明，GPT-5 的评价甚至还褒贬不一，为什么它还是有不错的增长？
莫傑麟： 这背后有一个很重要的认知迭代，就是大家对 AI 的预期发生了变化。
为什么大家从 24 年开始就一直很期待 GPT-5？
因为过去大家期待模型会不断突破智能上限，实现 AGI。
但从今年 1 月开始，大家更期待的是能在日常生活中用好现有智能，因为现有智能已经解锁了很多应用场景，而且大家的需求也很强烈。B 端希望 AI 可以解放生产力、降本增效，C 端则希望 AI 可以替代搜索、辅助工作等等。
所以无论是 AI Labs、Infra 公司还是应用公司，都在想办法让现有智能更可用，释放更多需求，衡量指标自然也就从 Scaling Law 转向了 Token。
不过不同公司关注的截面不一样，比如应用端主要看 Token 的消耗量，Infra 端更关注 Token 的利用率和成本。
其实你每期播客我都有听哈哈，我看你今年请了很多做 Infra 的创业者，他们做的事情就是让 Token 响应更快、更稳定、更精细化，甚至是把成本降下来。
GPT-5 本质上也在走这条路。它没有试图证明自己更聪明，而是把很多之前分散的模型能力、信息和前端界面都整合了起来，从而追求更好的可用性和易用性。
曲凯： 所以 AI 已经进入应用阶段了？
莫傑麟： 我觉得已经过了应用阶段，到了逐步产业化、加快工业化的新阶段了。
AI 完整进入应用阶段的标志是 Chatbot，最后一个关键更新是 Agent。
Agent 特别像移动互联网时代的 App，以前每个产品都需要一个 App，现在每个场景可能都要有一个 Agent。
但目前 Agent 的 Token 利用效率还不够高。比如我们用 Manus，经常发现 credit 很快就用完了。
那为了让 Agent 的使用体验更好，就需要去优化 Infra，让智能更好地落地。
曲凯： 那如果大家不再讲 Scaling Law，是不是意味着 AGI 不重要了，或者说实现不了了？
莫傑麟： 这点很有意思。今年大家对模型和应用的分工也形成了一个新共识。
模型的地位依然很强势。并不是说模型智能不重要了，而是它必须被封装进商业环境，或者和 Infra 结合，成为一体化的解决方案，真正提供商业价值和产品价值。
在应用层面，过去大家常常争论套壳有没有价值。但随着 RL 范式的发展，大家逐渐发现目前可被验证的使用场景并不多，所以现阶段更实际的做法是先通过产品让用户把模型用起来。比如 Manus 提出的 Context Engineering，就是一个从产品层面找到的切口。越来越多的人也认识到，context layer、agentic layer 本身也很有价值。
所以今年不同位置的玩家都会以 Token 消耗量为主轴去做事，各有分工。 模型公司要让 Token 本身更有价值，Infra 公司要让 Token 的使用更快、更好、更省，而应用公司则会想办法让消耗出去的 Token 换回更多的数据反馈。
曲凯： 但如果模型公司不再把精力放在 AGI 上，而转向整合和应用，这是不是一种不太健康的趋势？
一方面，应用端已经卷得厉害了。就拿 AI Coding 来说，美国甚至卷得比国内还狠。如果模型公司也下场，岂不是更卷？不过可能有 PMF 的事情还是太少了，大家看到一个能跑通的事情，不去做也不太现实。
另一方面，之前 OpenAI 之类的公司专注于提升智能，每次智能有突破，就会解锁更多能力，催生一批新的套壳公司。 但如果今天模型公司不再追求智能提升，而是把有 PMF 的事情顺手做掉，那好像模型和应用之间的分工反而变模糊了？
莫傑麟： 我觉得这反映了一个很有趣的变化，就是今天的公司和过去的公司不太一样。
以前我们习惯用一句话来定义一家公司，比如字节就是「App 工厂」。到了 AI 这波，大家也有这种惯性，想用一句话去定义各种公司，比如 Google 就是「有很强的技术人才储备」。
但在 AI 时代，技术和产品是可以逐步融合的，可能就没必要把分工划得特别清楚。
能融合到什么程度还不好说，但从逻辑上来说，应用可以提供一部分数据给模型，所以一些有企图心的公司一定会尝试既做模型，也做产品，甚至顺带做一些 Infra，把整个链条端到端地打通。
我们也确实能看到，今年 OpenAI 招了不少创业公司的 founder 进来做产品，Google 在应用端的发力也越来越快；Manus 本身就在做一些技术工作，Cursor 也开始训练自己的模型。
所以说，今年不同 AI 公司之间的边界变得很模糊。