即刻App年轻人的同好社区
下载
yusen
2k关注69k被关注37夸夸
真格基金管理合伙人 聚美优品联合创始人
投资人，过气创业家，交易员，量子速读修行者，未曾被评为福布斯30u30。2006年《时代周刊》年度风云人物。所有内容不代表机构观点。
在企业里面能跑起来的 AI 场景，可以类比之前能够被大规模外包出去的场景。比如说客服中心、非核心系统开发、数据收集和处理这几个场景，之前在美国外包给印度公司都已经很成熟了，现在也是 AI 企业服务公司落地发展得比较好的领域。
相反，如果一个领域之前没有被大规模的外包化，尤其是企业的核心业务流程，那可能用 AI 来替代也是有很多挑战的。这并不是说模型不够聪明，恰恰相反，很多可被外包的职能并不需要顶级智能。瓶颈往往在于业务系统整合、上下文获取、数据清洗和标注、权限控制、利益范围划分等。而过去几十年的外包产业，其实已经替企业完成过一次这样的组织工程：把原本嵌在企业内部的人类工作，变成可以由外部组织调用的服务接口；明确什么数据可以开放、什么权限可以授予、结果如何验收、异常如何升级、责任如何划分。
外包本质上是把外部的人类智能 API 化接入企业。一个职能能够被大规模外包，意味着它在企业里的组织接口已经相当成熟。到了 AI 时代，只要把这个接口后面的人类执行者逐步替换成 AI，改造成本自然比那些从未被接口化的核心业务低得多。
相反，如果一个领域之前没有被大规模的外包化，尤其是企业的核心业务流程，那可能用 AI 来替代也是有很多挑战的。这并不是说模型不够聪明，恰恰相反，很多可被外包的职能并不需要顶级智能。瓶颈往往在于业务系统整合、上下文获取、数据清洗和标注、权限控制、利益范围划分等。而过去几十年的外包产业，其实已经替企业完成过一次这样的组织工程：把原本嵌在企业内部的人类工作，变成可以由外部组织调用的服务接口；明确什么数据可以开放、什么权限可以授予、结果如何验收、异常如何升级、责任如何划分。
外包本质上是把外部的人类智能 API 化接入企业。一个职能能够被大规模外包，意味着它在企业里的组织接口已经相当成熟。到了 AI 时代，只要把这个接口后面的人类执行者逐步替换成 AI，改造成本自然比那些从未被接口化的核心业务低得多。
148 917
24 00
The Year of Return: Part II
去年 11 月份我和@张小珺 录 Year of R part 1的时候，对 AI 投入回报的核心担心是「ChatGPT 做出大 DAU 产品从而 subscription、广告、电商上收入可以快速增长」的逻辑不成立。现在这个正在逐渐被证实。
今年 3 月我在硅谷交流了一圈，去年 12 月 Claude 4.5 发布后，Coding 体感出现质变， OpenClaw 的火爆，Meta 等公司开始大规模使用等，带来 Anthropic 收入的爆发增长。目前 Anthropic 是 30B 左右的 ARR，单月ARR上涨 5B以上，按照这个趋势，很多买方直接线性外推到年底可以实现 80B 到 100 B 的 ARR。因此带动了北美数据中心市场重新短缺，GPU spot price 上涨，对 Capex 的重新乐观，以及上游最紧缺环节光&存的大涨。 Anthropic 的老股份额也是一股难求，从年初的 350B，上涨到了 现在 800B 左右的估值。
先不讨论 OpenAI，Gemini 等竞争对手的竞争，以及中国高性价比开源模型带来的冲击。我认为到了今年下半年，越来越多的人会开始思考：我买 Token 的钱赚回来了吗？上游 Capex 的利润，Anthropic 的收入，本身并不是 AI 产生的最终价值，而是给终端用户提供的生产资料成本，Anthropic 的收入不能回答 AI 基建回报的问题。最后这个循环要转起来，需要这些花了钱买了 Anthropic token的客户物有所值，得到增量利润。
得到利润有两种办法：1）增加收入；2）降低成本。
首先来看看增加收入这个方向。我们可以思考一个问题：一家公司突然多了 10 倍的工程师，收入就会爆涨了吗？Coding Agent 对于本身缺开发能力的个人开发者、小公司确实有很明显的帮助，但是公司越大，越不只是提高开发效率就够了，核心还是要有新的需求、新的产品被做出来，要能收到新的收入。这是一个渐进的、缓慢的过程。
至于 Openclaw 或是普通人学vibe coding这样的 token 消耗，如果仔细观察就会发现，热潮过后，Token 消耗很多时候是在重复造轮子，提供了很多情绪价值，对大多数人来说并没有真正产生生产力。这也是符合当前agent技术还处在 early adopter 阶段的特点。对绝大部分主流市场用户来说，还需要有更完善的技术和更简单的产品形态来提供实实在在的价值，并且所在的组织与环境以及生活方式也需要有很多的变化。
然后看看降低成本这个方向。这个体现在大家都在讨论和担心的硅谷大裁员。首先我认为肯定会来的，但是1）裁员能够减低的Recurring成本是一次性的；2）即使是软件工程师的工作，很多也不是 100% 都是只靠 coding agent 就能闭环解决的，还有大量的需要沟通、管理、对齐的部分。如同特斯拉的 AutoPilot 很早就可以解决 98% 的驾驶场景，但无法把驾驶员彻底替代；3）如果 AI 能够从软件工程师进一步渗透到知识工作者白领的大裁员，也会引发更大规模的衰退，毕竟大部分公司的收入最后还是来自于社会整体的收入提高而不是失业率上升。
说到底，这个问题的本质是 模型公司收入带动Capex 的快速上涨预期 + 新需求的逐渐兑现实际 会有巨大的久期错配。之前美国 Sequoia 合伙人 David 提出的 200B 问题和 600B 问题是关注同一个「AI 投入何时有相称回报」问题，所不同的是，Hyperscaler 对 Capex 投入的回报可以有耐心，但 Anthropic 这样的模型的客户是需要看到更及时回报的，否则没有理由空烧 token。
我毫不怀疑 AI 在长期会创造巨大的新需求，产生巨大的价值，但这是需要时间，需要人和组织的变化的。快速实现 AGI，短期投入的巨大成本很快看到回报的奇点叙事在短期落空的可能性非常大。
为什么今年尤其关键？在过去的几年，AI 投入还在大公司自己 balance sheet 和 cash flow能够承受的范围内。但现在 Capex 投入已经非常大，就连 Mega7 也需要举债去募资才能支撑了，简单计算下来，仅存储一个环节公司的利润已经超过几大 hyperscaler 的利润，在这条产业链上利润的分配已经严重失衡。同样，anthropic 等模型公司的收入今年也到了冲击千亿美金的规模，也是需要下游用户有很显著的收益增量才能持续的了。
所以我的预测是：现在还是越来越多的人来吃螃蟹的过程，Anthropic 为代表的 coding model 收入在 FOMO 驱动下会暴涨一段时间，然后增长会放缓，并且这里很多token收入最后并不会是 recurring 的，这将使得线性外推的预期落空，沿着供应链传递到 capex 端，这个事情大概率会在12个月内发生，尤其是下半年大家开始拍明年预算的时候带来的影响就更大了。
AI 是人类历史上最大的技术革命，它同时几乎必然也伴随着最大的金融泡沫。短期技术正在巨变很确定，长期的前景也很确定，但中期节奏的处理对创业者和投资人会是很大的挑战。
与此同时，AI 技术发展带来的真正价值创造，我坚信将由大量具有全新产品形态和组织形态的创业公司来实现。这是一个需要不断创新、经营、成长的过程，需要时间，不是一蹴而就，所以会带来久期的错配。但这也是为什么我们在这个时候如此看好创业公司机会的原因。越新的技术需要越新的组织。现在很多从业者也意识到了这一点，这将使创业公司的机会变得更大。
去年 11 月份我和@张小珺 录 Year of R part 1的时候，对 AI 投入回报的核心担心是「ChatGPT 做出大 DAU 产品从而 subscription、广告、电商上收入可以快速增长」的逻辑不成立。现在这个正在逐渐被证实。
今年 3 月我在硅谷交流了一圈，去年 12 月 Claude 4.5 发布后，Coding 体感出现质变， OpenClaw 的火爆，Meta 等公司开始大规模使用等，带来 Anthropic 收入的爆发增长。目前 Anthropic 是 30B 左右的 ARR，单月ARR上涨 5B以上，按照这个趋势，很多买方直接线性外推到年底可以实现 80B 到 100 B 的 ARR。因此带动了北美数据中心市场重新短缺，GPU spot price 上涨，对 Capex 的重新乐观，以及上游最紧缺环节光&存的大涨。 Anthropic 的老股份额也是一股难求，从年初的 350B，上涨到了 现在 800B 左右的估值。
先不讨论 OpenAI，Gemini 等竞争对手的竞争，以及中国高性价比开源模型带来的冲击。我认为到了今年下半年，越来越多的人会开始思考：我买 Token 的钱赚回来了吗？上游 Capex 的利润，Anthropic 的收入，本身并不是 AI 产生的最终价值，而是给终端用户提供的生产资料成本，Anthropic 的收入不能回答 AI 基建回报的问题。最后这个循环要转起来，需要这些花了钱买了 Anthropic token的客户物有所值，得到增量利润。
得到利润有两种办法：1）增加收入；2）降低成本。
首先来看看增加收入这个方向。我们可以思考一个问题：一家公司突然多了 10 倍的工程师，收入就会爆涨了吗？Coding Agent 对于本身缺开发能力的个人开发者、小公司确实有很明显的帮助，但是公司越大，越不只是提高开发效率就够了，核心还是要有新的需求、新的产品被做出来，要能收到新的收入。这是一个渐进的、缓慢的过程。
至于 Openclaw 或是普通人学vibe coding这样的 token 消耗，如果仔细观察就会发现，热潮过后，Token 消耗很多时候是在重复造轮子，提供了很多情绪价值，对大多数人来说并没有真正产生生产力。这也是符合当前agent技术还处在 early adopter 阶段的特点。对绝大部分主流市场用户来说，还需要有更完善的技术和更简单的产品形态来提供实实在在的价值，并且所在的组织与环境以及生活方式也需要有很多的变化。
然后看看降低成本这个方向。这个体现在大家都在讨论和担心的硅谷大裁员。首先我认为肯定会来的，但是1）裁员能够减低的Recurring成本是一次性的；2）即使是软件工程师的工作，很多也不是 100% 都是只靠 coding agent 就能闭环解决的，还有大量的需要沟通、管理、对齐的部分。如同特斯拉的 AutoPilot 很早就可以解决 98% 的驾驶场景，但无法把驾驶员彻底替代；3）如果 AI 能够从软件工程师进一步渗透到知识工作者白领的大裁员，也会引发更大规模的衰退，毕竟大部分公司的收入最后还是来自于社会整体的收入提高而不是失业率上升。
说到底，这个问题的本质是 模型公司收入带动Capex 的快速上涨预期 + 新需求的逐渐兑现实际 会有巨大的久期错配。之前美国 Sequoia 合伙人 David 提出的 200B 问题和 600B 问题是关注同一个「AI 投入何时有相称回报」问题，所不同的是，Hyperscaler 对 Capex 投入的回报可以有耐心，但 Anthropic 这样的模型的客户是需要看到更及时回报的，否则没有理由空烧 token。
我毫不怀疑 AI 在长期会创造巨大的新需求，产生巨大的价值，但这是需要时间，需要人和组织的变化的。快速实现 AGI，短期投入的巨大成本很快看到回报的奇点叙事在短期落空的可能性非常大。
为什么今年尤其关键？在过去的几年，AI 投入还在大公司自己 balance sheet 和 cash flow能够承受的范围内。但现在 Capex 投入已经非常大，就连 Mega7 也需要举债去募资才能支撑了，简单计算下来，仅存储一个环节公司的利润已经超过几大 hyperscaler 的利润，在这条产业链上利润的分配已经严重失衡。同样，anthropic 等模型公司的收入今年也到了冲击千亿美金的规模，也是需要下游用户有很显著的收益增量才能持续的了。
所以我的预测是：现在还是越来越多的人来吃螃蟹的过程，Anthropic 为代表的 coding model 收入在 FOMO 驱动下会暴涨一段时间，然后增长会放缓，并且这里很多token收入最后并不会是 recurring 的，这将使得线性外推的预期落空，沿着供应链传递到 capex 端，这个事情大概率会在12个月内发生，尤其是下半年大家开始拍明年预算的时候带来的影响就更大了。
AI 是人类历史上最大的技术革命，它同时几乎必然也伴随着最大的金融泡沫。短期技术正在巨变很确定，长期的前景也很确定，但中期节奏的处理对创业者和投资人会是很大的挑战。
与此同时，AI 技术发展带来的真正价值创造，我坚信将由大量具有全新产品形态和组织形态的创业公司来实现。这是一个需要不断创新、经营、成长的过程，需要时间，不是一蹴而就，所以会带来久期的错配。但这也是为什么我们在这个时候如此看好创业公司机会的原因。越新的技术需要越新的组织。现在很多从业者也意识到了这一点，这将使创业公司的机会变得更大。
303 23132