节目简介
来源：小宇宙在《雨森的创投观察》第1集（我们节目124集）中，真格基金管理合伙人戴雨森预言称，2026年的关键词是“The Year of R”，他彼时较为谨慎，觉得2026年将是一个现实与回调之年。并在过年前清空了所有二级市场股票。
现在过去了小半年，很多人说他的一部分观点有点打脸。雨森经过了短暂的内心挣扎，决定还是继续录制我们的系列节目。他将持续分享自己的投资思考。
OUTLINE:
Strong Opinions, Weakly Held
00:02:00 雨森回应第一集“被打脸”往事：“Strong Opinions, Weakly Held”
00:06:50 我的二级市场投资偶像是Stanley Freeman Druckenmiller
00:09:07 在《雨森的创投观察》第1集，我说对了什么？说错了什么？
00:13:06 理解Anthropic的选择、组织和价值观（Dario的memo和对齐）
00:18:57 Harness由模型公司第一方地来做，更有优势吗？
00:20:07 Anthropic vs OpenAI，Claude Code vs Codex
00:23:17 “Year of Return”，到今天return的问题并没有真正被解答
好的Harness是很有生命力的，Harness本身更像OS，模型更像处理器
00:34:05 重新总结2026年的大叙事、大变化
00:37:14 在模型外面包了越来越多的层次，“壳”早已不是简单的壳：model - harness - context - runtime
00:41:30 通过Harness带来的数据也能够反哺模型的训练，形成数据飞轮。Chatbot没有数据飞轮，是因为普通人的聊天很难给模型带来新的知识。但Agentic模型要的就是帮用户解决真实问题，用户真实使用产品的轨迹是很好的训练资料
00:44:45 之前节目中罗福莉和姚顺宇的观点差异（关于Harness重要性），其实不矛盾
00:46:26 一个好的Harness是很有生命力的。按照出现顺序，像Manus、Claude Code、OpenClaw、Codex、Hermes是用户喜欢的Coding Agent Harness，甚至说ChatGPT可以认为是GPT API的第一个 Harness
00:52:25 我认为Harness本身更像是OS：之前广密有一个比方说，模型公司是新生代的OS，但我感觉，模型更像是驱动OS的处理器，我们看到有越来越多的应用是跟用户的Harness对接，而并非直接跟用户使用的底层模型去进行耦合
00:55:24 一个反直觉的现象是，勇敢地去做创新，勇敢地去做通用的，是有大机会的
00:57:33 我的第一个暴论：“AGI是在缩水的”
00:59:20 模型能力提升会不会向下吞并Harness的空间？有可能出现Agent的网络效应
字节系创始人，要把在字节学的东西，自己颠覆自己
01:04:03 2026年各个基金投的创业公司变多了，估值也变高了
01:04:07 创业者要做大厂看不上的事情，比如曾经的“套壳”、“开源”
01:10:50 好的创始人和好的方向有时候是共振的
01:21:26 “你原来的护城河可能会变成你的软肋”
01:26:24 对于AI产品，大DAU应该成为目标吗？ 大DAU vs 高质量任务，优化哪个指标？
01:28:51 “AI有点像外星人，来到了人类的世界”，这里面的机会
01:34:35 AI时代的组织与组织变革
01:38:51 “下一个字节跳动级的公司可能长得不像字节”
01:41:42 我的第二个暴论：“字节系创始人，要把在字节学的东西，自己颠覆自己”
01:42:37 我眼中的AI创业框架和大机会
01:48:01 美国vs中国创业端对比
02:01:30 思考需要刻意练习，创新需要刻意练习
LINKS：
我们的播客在小宇宙、Apple Podcast、Spotify等全音频平台播出；
我们的视频播客在Bilibili、小红书、视频号、抖音等全视频平台播出；
如果你想服用文字版，请搜索我们工作室的公众号：语言即世界language is world。
DISCLAIMER: 本内容不作为投资建议。
CONTACT: [email protected]
Jump into the new world-and explore with us!😉
小宇宙热评
共 20 条 · 按点赞排序-
78
Jackson_1 TOP 1
· 上海
最喜欢的嘉宾之一
-
55HD922769z TOP 2
· 浙江
yusen这期足够真实和谦虚了。 Freda高估了广告预期，yusen低估了收入增长，在巨大的时代浪潮里，看不清和判断错误是常态，勇敢否定自己的观点才难为可贵。
-
39榛橡 TOP 3
· 江苏
05:32 船停在港湾永远是最安全的，可是那并不是我们造船的目的！ 相比较试错打脸，不做不行动很简单，99% 的人都做得到👌
-
35
Diiiiiiiii
· 北京
这篇访谈的质量很高，听完主要有以下几个启发。 第一，这次访谈生动展现了优秀的人如何通过强化学习来自我迭代。yusen 敢于在公开场合给出自己的预测，同时又能克服自证陷阱 (confirmation bias)，敢于自我打脸和复盘，试着找到判断失误的原因。这种在真实环境中的预测-反馈-复盘的循环是非常好的一种 RL 的示范。 第二，我觉得访谈中最有力的一个洞察体现在 yusen 对当前 LLM 商业模式的质疑。看似 Anthropic 最近的营收增长非常猛， 2B / 2P 卖 token/API / 订阅的模式看起来非常健康，但实际上可能是一种虚假繁荣，或者说是一种阶段性的噪音，因为它实际上是将“AI 能否带来真实价值”这个问题传递给了更下游的公司。公司采购了这些 token 之后，能否带来真实的商业回报，其实是个还没有被解答的问题。烧 token 确实能够大幅降低开发成本，以及完成某些重复性任务的成本，但如果公司雇佣了 10倍、100 倍的程序员之后，是否能够带来公司营收和利润的真实增加呢？短期内可能未必，因为 “做什么” 可能是一个比“怎么做” 更加不确定的问题。最终生产力一定会得到巨大的跃迁，但是时间上可能会比想象当中更长久。 第三，另一个非共识在于 harness / 套壳的价值。yusen 的观点是，openclaw / manus / cursor 这些公司通过壳的这一层的某些创新和体验优化（比如针对如何把 PPT 做的更好看，OpenAI 认为 这一点“不本质”，而 Manus 认为“很本质”），实现了数据飞轮，最终将用户的 context 和 memory 沉淀在 harness / 壳的这一层，从而拥有了一些在短期内难以取代的价值。 第四，yusen 对于 AI 时代产品的发展路径有一个比较抽象的总结。分为三步：一是让人类拥有更多更好的agent，二是让 Agent 更好地适应人类的数字世界（搜索、浏览、阅读与理解信息、支付等），三是建设 to Agent的数字世界。其中每一步都是巨大的产品机会。 其他一些（共识更强）的观点罗列： - AI Native 时代，什么是一个好产品？互联网时代的好产品是大 DAU 的产品，而在 AI 时代或许粉丝量或者付费用户数是更重要的指标 （甚至有些时候 DAU 指标可能是误导性的，因为很多产品可能不是给真实用户用的，而是给 Agent 用的，DAU 太高说明产品做得不够好）； - 什么是一个好的组织？类比从蒸汽时代以主轴为中心的厂房，到电动机时代扁平化流水线化的厂房，技术的进化需要物理上的组织变化来与之相匹配，同理，在 AI 蛮荒时代 OpenAI 自下而上的机制可能是更合理的架构，但到了大力出奇迹，集中力量办大事的阶段，Anthropic 这种自上而下的机制或许会更有效，但这不意味着这种架构就会一直有效下去，当发展到了某个瓶颈的时候，或许需要新的英雄主义才能够推动下一轮范式的变迁。 - AI研究员的个人英雄主义时代过去了，都是集体主义的事情。但是AI产品经理可能还有一些个人英雄主义的机会。 - 硅谷近期热点：第一个是coding，第二个是世界模型，然后第三个我觉得就是auto research。 - 很多消费电子公司会重蹈当时新消费内卷的覆辙。 - 关于子女教育。未来对人才的定义可能在于能否创造out of distribution的事情。现在AI它没法讲一个原创的笑话，他只能把一个人类已经讲过的笑话给rephrase。因此，如果你做的事情，你的能力全都在一个正态分布的中心的话，其实就很容易被替代。但如果一个人能产生的内容是out of distribution，是能够创造出之前没有过的内容，那这个还是有可能比较不容易被替代的。
-
17
臭蛋猫
· 北京
嘉宾习惯线性外推，可是AI时代是指数增长
-
16HD768563pa
· 四川
29:15 微软已经在喊痛烧不起claude的token了，还有米哈游周末两天烧了几百万水花都没冒一个，有越来越多的公司在发现token的成本很高，且不能转化成利润率。但是token成为水电气的趋势已经不可逆了，用户黏性也越来越强，持续看好
-
15
长期持有指数增长
· 北京
有没有可能，不一定需要有生产力/经济上的Return？编程门槛极大降低，会让写代码就像玩游戏一样，满足大家的及时反馈和创造的满足感，也是价值。
-
15风云霜雨
· 上海
感觉50%左右是 1个月之后可以被时代忘记的噪音
-
7
牧彤
· 北京
相比一年前，大家对AI产品的认识产生了极大转变，一年前很多观察员和从业者在讨论大模型公司做c端产品是否能建立数据飞轮，是否能像移动互联网时代一样，用户量越大用户数据越多，越有利于训练大模型获得能力提升，大部分人认为是不行的，因为AI生成的内容质量已经超越大多数用户的结构化思考和写作能力，因此用户数据对大模型能力提升来说用处不大。但是从cursor开始到claude code这一类coding Agent火起来后，从业者发现，这些Agent能深入到用户所在各行各业，能把之前无法在物联网静态文章中获取的垂直领域sop、行业经验沉淀下来作为大模型学习长程任务处理能力的原料，意识到这一点后，突然发现Agent类产品相比chatbot的价值高很多，依靠Agent产品能做起数据飞轮，进入agentic rl 后训练scaling up 阶段，因此大力投入Agent产品开发和推广，如国外的codex，国内各大厂的Agent产品相继推出，迎来产品能力和模型能力互相驱动的新一轮快速发展阶段（这几天谷歌高管回应谷歌大模型coding能力落后原因就是谷歌缺少cursor这样的产品）。而正因为Agent产品带着模型能力对各行各业如此深入的渗透，使各种垂直领域的公司和业务争先恐后进行AI转型尝试，担心在这一浪潮中落后，这一需求侧的爆发有促进了能力供给侧更快的发展。在各种因素的共同促进下，这半年尤其年初以来，AI发展速度和对各行各业的影响程度感觉显著大于之前。
-
7丝诺姐姐
· 上海
最有干货的投资人之一👍足够聪明又足够humble，真诚又不失态度，每期必听的节目。
