苔藓之火

苔藓之火 的全部节目

共 62 集。

62. 后黄仁勋时代:一切还一样吗?- TC / Trader韭

62. 后黄仁勋时代:一切还一样吗?- TC / Trader韭

苔藓之火

“以前的两条捷径都没有,只能从头干。回到五年前了。” “唯一的火种,就是老黄;唯一的火种已经没了。” “4万亿估值一个人就占了2万亿” “AI泡沫的演进速度真的是三倍速在进行。” “你需要真的是需要中国自己的英伟达,否则搞不定。” 主持:Raymond - 科技投资人,苔藓之火主播 小红书 |B站 |抖音 |视频号|Youtube | Substack | Linkedin|即刻 |X | 公众号:苔藓之火 嘉宾:Tan Cong - Bedrock 主播 | 本拾投资 创始人 | 公众号:Bedrock 嘉宾:Trader韭 - 投资博主 本期文字版:中文全文 | English version Show Notes * 00:12 开场:黄仁勋离开创业三十多年的英伟达,资本市场与AI行业迎来重大变化。 * 01:47 嘉宾第一反应:震惊,黄仁勋对英伟达和AI革命的影响被类比乔布斯对苹果。 * 04:37 交易视角:从“利空出尽”到第二个高管事件,判断事情可能被“往死里整”。 * 07:22 美国公司体制与未知信息:三十多年创始人为何被迅速赶出,后续可能还有信息浮现。 * 08:55 继任者难题:CFO临时兼任CEO,未来权力分散、公司可能平庸化。 * 10:23 乔布斯-库克类比:AI势头从顺风猛冲转向平坦化、收敛化,需求和供应两端同时敲警钟。 * 13:48 从创业态到稳定态:英伟达可能从高增长aggressive公司转向更稳健、更重股东回报的公司。 * 16:03 受益/受害框架:GPU/ASIC竞争对手、CSP自研、国产半导体短期受益;中长期看硬件是否让利应用。 * 20:15 份额与毛利:英伟达份额长期有从80%降到40%的担忧,75%毛利和premium定位难维持。 * 23:40 “饼”会不会变小:CSP预算占80%,明年AI硬件总需求可能边际负面,但未必断崖。 * 27:43 护城河讨论:英伟达已是system provider/comprehensive offering,不只是CUDA;但CSP客户竞争力削弱更明显。 * 29:25 下一任CEO候选:ARM CEO Rene Haas约28%、CUDA创始人Ian Buck约16%,但无人能替代老黄全部职能。 * 36:31 公司治理与阴谋论:无AB股、老黄股份少、非董事长;对比马斯克的控制力,英伟达董事会支撑不足。 * 38:08 开源与蒸馏:premium模型公司有动机打压开源/蒸馏,Anthropic IPO窗口变窄,AI泡沫三倍速演进。 * 39:56 中国影响与建议:阿里等CSP受算力卡和大模型竞争力压力;中国公司需自强芯片,捷径消失只能从头干。 核心观点总结 1. 事件冲击极大:黄仁勋离开英伟达被类比为“乔布斯离开苹果”,甚至认为没有老黄,这一轮AI革命不会这么顺利。 2. 继任者难寻,英伟达可能走向“平庸化”:CFO临时兼任CEO,说明没有明确后任者;未来权力大概率分散,技术、供应链、融资、华尔街关系很难由一人同时掌控。 3. 短期 legacy 仍在,长期份额和估值承压:英伟达的system provider能力、软件生态、系统架构仍有竞争力,但premium定位和高毛利可能被削弱,份额有从80%向40%下降的长期担忧。 4. AI浪潮从“猛冲”转向“收敛”:资本开支预期可能从线性高速增长转向平坦化;需求和供应两端同时收到警钟,台积电、韩国memory、CSP、new cloud都会更谨慎。 5. 受益/受害框架:短期直接受益的是GPU/ASIC竞争对手、自研ASIC的CSP、国产半导体;中长期看硬件是否继续拿大头,还是让利给应用层。 6. 英伟达护城河不只是CUDA:更重要的是comprehensive offering/system provider能力;但对CSP客户,竞争力削弱更明显;对enterprise整体解决方案客户,英伟达仍强。 7. CEO候选人概率领跑但无人能替代老黄:Polymarket上ARM CEO Rene Haas约28%、CUDA核心创始人Ian Buck约16%,但嘉宾认为没人能handle老黄全部职能。 8. 公司治理是重要背景:英伟达没有AB股、老黄股份不多、非董事长,遇到风波时缺少足够支撑;对比马斯克在特斯拉/ SpaceX的控制力。 9. Anthropic IPO窗口变窄:AI泡沫演进“三倍速”,融资窗口短;中期选举前后可能是关键窗口。 10. 开源/蒸馏与地缘竞争:头部premium模型公司有动机打压开源和蒸馏;中国CSP、开源模型受算力卡和大模型竞争力双重压力。 11. 中国公司建议:自强芯片,捷径没了:以前可以跳过造芯片、跳过预训练/蒸馏,现在只能从头干;需要“中国自己的英伟达”,但设计、制程、客户和商业化都很难。

89 分钟 5k+ 次播放 3天前

61. 在Harvey训练大模型是什么体验?- Joey Wang

61. 在Harvey训练大模型是什么体验?- Joey Wang

苔藓之火

“法律的后果会比代码更严重。” “我们永远都是能够做一个在法律中去做一些决策权……甚至能提供 intelligence level,能够提供在法律中做决策一些 taste。” “很多东西模型公司没有办法去解决,甚至 lab 要去做,他也没有办法替我们说这个模型会在法律更好。” “当你一个 agent 就能看到 30 个文件和看到 3000 个文件的时候,你不管什么样的模型,看到 3000 个文件的 agent 都会有更好的收获。” “模型是验证你这个公司能不能作为上市公司、能不能有很好的 profit margin 而做的一个事情。” 主持:Raymond - 科技投资人,苔藓之火主播 小红书 |B站 |抖音 |视频号|Youtube | Substack | Linkedin|即刻 |公众号:苔藓之火 本期文字版:中文全文 | English version 嘉宾:Joey Wang - Harvey Linkedin, Prev. Figma, Uber, Google Show Notes 00:12开场:Harvey 估值 155 亿美元、3500 客户、85 国;垂类护城河之问 01:06Joy 背景:Harvey agents/云端 H 平台 Spectre,前 Figma、Uber 02:40为什么 2023 年加入 Harvey:GPT 早期体验、PHD recruiter、conviction 05:18大厂 vs 创业公司:审批与部门拉扯 vs 快速 build/ship 07:32Harvey 产品形态:嵌入律师工作流、connector、邮件文档、redline 12:09Redline 与 track changes:谁改的、为什么改、可追溯;律师工作变小 15:19公司名 Harvey vs Mike:提供决策 taste,不只是繁琐工作 18:24大模型迭代是否取代垂类功能:workflow builder → agent builder 22:35何时决定做模型:客户理解、benchmark、synthetic data、post-train 商业化 27:29Taste:法律要长篇大论、每句有索引,不是简短就好 28:14模型选择:Kimi/GLM/千问/DeepSeek,按场景 post-train,orchestrator 调度 33:33Tana/Tenant:内部旗舰训练方向,用 Kimi K3 训 1.0,方法可迁移 38:50Benchmark 难点:法律难对齐、分层任务、playbook、内部法律团队、专家 taste 45:18垂类训模型人才与坑:早期瓶颈是产品;开源最好模型是下限;失败是常态 52:25工程优化立竿见影:搜索 2 秒→200ms,30→3000 文件;Spectre 与安全信任 核心观点总结 1. Harvey 是法律垂类 AI 应用,但它的护城河不只是“套壳” Harvey 估值 155 亿美元,3500 客户、覆盖 85 国,美国前 100 律所约 80% 在用。它的核心不是做一个聊天框让律师来用,而是嵌入律师原本的工作方式:Word、Excel、Outlook、文档系统、邮件、合同审查,通过 connector 连接数据,输出可追溯的 redline。 2. 垂类应用的关键是“meet with customer”,不是把用户拉到新平台 律师真正的工作发生在 Word、Excel、Outlook 和大量文档里。Harvey 的产品形态要映射律师已有的工作流,而不是要求他们重新学一套平台。最终交付物仍然是 Word 文档,但带有 redline、修改解释、来源追溯。 3. Redline 和 track changes 是法律场景的关键产品设计 普通 GPT 可能直接改文档,律师还得“大家来找茬”;Harvey 输出 redline,标明谁改的、为什么改、是 Harvey 改的还是对方律师改的,律师只需 check/accept,工作变小而不是变大。 4. Harvey 与模型的关系是相辅相成,不是简单调用 API 早期用 GPT-3.5/4 做法律 demo,OpenAI 是投资人,双方有 pretrain 合作。Harvey 很早就是 legal model research company,只是今年才到可商业化阶段:客户足够多、benchmark 和 synthetic data 能力成熟,后训练变得更可行。 5. 模型策略:不做大而全,做小而美、场景专用,用 orchestrator 调度 Harvey 会公开试用 Kimi、GLM、千问、DeepSeek 等开源模型,按场景做 post-train;不同模型在不同任务上有差异,最后用强模型做 orchestrator/delegation,像“图书馆前台帮你找对应的书”。 6. 后训练的核心不是堆 research 人力,而是 benchmark 和 taste 法律 benchmark 很难对齐,需要分层任务、playbook、yes/no 评测、内部法律团队和领域专家 taste。Harvey 的 benchmark 要不断接近用户真实场景,甚至预测用户未来会用的场景。数据规模化可与 Surge 等合作,但前期方向和质量判断留在内部。 7. 垂类公司训模型最大的坑:开源最好模型只是下限 如果开源最好模型在法律上已经能打 OpenAI/Anthropic,后训练必须比它更好才有意义。失败是常态,只是早期失败不会写进 blog。模型训练是长期学习过程,工程优化往往更立竿见影。 8. 工程 harness 的价值被低估:搜索从 2 秒到 200 毫秒,效果天差地别 document search 从 2 秒降到 200 毫秒,agent 一分钟内能从搜 30 个文件变成 300 个;从串行到并行,再从 300 到 3000 个文件。模型不变,agent 能看到 3000 个文件,效果也会更好。 9. 人才结构反直觉:早期瓶颈是产品,不是 research Harvey 早期都是 researcher,但真正缺的是 PM、designer、产品 spec。做模型不一定需要大量 research 人力,更需要懂法律、能跟专家提炼 taste 的人;律师自己也能用 coding agent 写 benchmark/evaluation engine。 10. Spector:云端 sandbox agent,解决多人协作与可验证性 Joy 做的内部产品 Spector,把 coding agent 放进沙盒,在 Slack 里多人可 tag、共享 runtime/context/trace。解决的是五个人各自跑 agent、结果不可验证的问题。落地难点不是实现,而是权限、安全边界、信任:谁能让 agent 看什么、能不能 bypass 代码 review 规则。 11. 小律所市场:Harvey 偏 SLG,不急于 PLG 法律后果比代码严重,self-serve 容易让用户误以为 Harvey 对结果负责。Harvey 更愿意找 design partner、有供应商制度、能管好结果的客户,而不是急速扩张让所有人用。

71 分钟 3k+ 次播放 1周前

60. 美国中期选举的账单来了:关税,油价,电费,我的股票 - Gavin Newton-Tanzer

60. 美国中期选举的账单来了:关税,油价,电费,我的股票 - Gavin Newton-Tanzer

苔藓之火

“你允许了狐狸进了鸡窝。” “德州变成蓝色,肯定有很多人做梦。” “是他们想象不到川普会做这么多的犯这么多的错误。” “Every election is about turnout,make them show up to the polls.” “美国老百姓已经很多年不太信任大企业了。” “你抓了30万人,但是1000万人现在生气了、害怕了。” “皇帝的新衣,大家不敢说实话。” “John Ossoff cross check all the boxes,他证明了在红州还能赢。” 主持:Raymond - 美元二级基金合伙人,苔藓之火主播 小红书 |B站 |抖音 |视频号|Youtube | Substack | Linkedin|即刻 |公众号:苔藓之火 嘉宾:Gavin Newton-Tanzer - Sunrise 出海服务 总裁 - Linkedin | 小红书|视频号 哥伦比亚大学(政治学)校友,新泽西州注册选民 Gavin主业帮助中国创业公司出海,如果想和他联络,请在评论区留言 本期文字版:中文全文 Show Notes 00:12开场:中期选举尘埃落定,民主党拿下参众两院,德州翻蓝,特朗普输了 02:49Gavin自我介绍:康州/新泽西,中间偏左民主党,投过Romney但从未投Trump 04:58中期选举科普:参议员每两年改选三分之一,众议院全部改选 07:082024年真相:民主党选民生自己党派的气,拜登退选跳过primary,哈里斯被“强加” 09:30通胀与油价:一箱油从32美元到60美元,伊朗战争后飙升,特朗普说“没有通胀” 13:05候选人质量 vs 特朗普因素:德州肯尼迪对克鲁兹式对比,但更大原因是特朗普 16:39深红州翻蓝:德州、堪萨斯、南卡、北卡;州长参议员长期影响 21:41特朗普的“诅咒”:初选讨好特朗普才能过,大选因讨厌特朗普而输 24:27JD Vance困境:太子变靶子,必须与伊朗战争切割,共和党初选必被攻击 27:58国会权限:不能直接结束战争,但可用预算、传唤、听证会折腾马斯克和特朗普周边 36:08数据中心争议:NIMBY、AI焦虑、电价水污染、美国去工业化后心态没准备好 39:24企业与社会契约破裂:从建学校图书馆铁饭碗,到profit extraction、CEO薪资上涨 46:26就业结构错配:700万找工作、700万空缺,白领多蓝领缺,文化洗脑“不上大学是二等公民” 49:46ICE争议:1000万黑工只遣返二三十万,但抓错人、母子分离视频影响选情 55:32跛脚鸭政府:短期对企业是好事“终于可以睡觉”,长期对老百姓不好;2028展望 核心观点总结 1. 2026美国中期选举出现“蓝色海啸”,民主党大胜 民主党拿下众议院435席中的240席,参议院100席中的54席,参众两院全归民主党。德克萨斯州州长翻蓝,1988年后首次赢下参议院席位,多个深红州倒戈。特朗普输了。 2. 2024年不是民主党弱,而是民主党选民“生自己的气” 拜登承诺只做一届、交棒年轻一代,却在临近大选时退选,跳过党内初选(primary),直接提名哈里斯。许多中间派民主党人不接受“被要求接受一个不情愿的人”,选择待在家里不投票。这批人去了特朗普那边。 3. 通胀是这次翻蓝的最大原因,伊朗战争是直接导火索 美国人每天加油、去超市,油价从2020年一箱32美元涨到2026年10月近60美元,翻了一倍。特朗普说“我不在乎通胀,没有通胀”,但老百姓感受到了。伊朗战争后油价直接飙升,民众无法接受。 4. 候选人质量(candidate quality)有影响,但更大原因是特朗普 德州肯尼迪对泰迪·克鲁兹式的对比很明显:一个形象家庭都正,一个自己差不多是罪犯。但即便有好候选人,在特朗普没打伊朗之前也打不进去。这次是特朗普把整个党派拉下去了。 5. 特朗普对共和党的控制可能变成“诅咒” 深红州共和党初选即大选,候选人必须讨好特朗普才能过初选,但大选时选民因讨厌特朗普而投民主党。特朗普允许“狐狸进了鸡窝”,现在有了后果。未来两年共和党内部会出现与特朗普切割的比赛,但没人敢切太远。 6. JD Vance处境艰难,“太子”变靶子 他本以为自己能继承特朗普所有支持者,现在必须既满足特朗普又保持一定距离,尤其是与伊朗战争切割。共和党初选辩论中,所有人都会攻击他是最接近特朗普的人。2028年共和党候选人未必是Vance。 7. 国会没有直接结束战争的权力,但有用预算和传唤权折腾的空间 民主党可以通过预算作为杠杆与特朗普谈判,但特朗普享受斗争,未必有用。更可能发生的是大量传唤、听证会、要求提交资料,马斯克、特朗普周边的人、内阁部长都会被叫到国会问话。AOC等人会利用这个舞台拍“tiktok video”成为全国性人物。 8. 数据中心成为美国政治争议焦点,本质是AI焦虑的具象化 “美国人情愿住在核电站旁边也不愿住在数据中心旁边”不是真的,但传播的是真实心态。邻避效应(NIMBY)强烈,老百姓对AI取代工作、电价、水、空气污染有焦虑,数据中心是可以实实在在抗议的点。美国去工业化太久,突然同时进行几百个大基建项目,心态没准备好。 9. 美国企业与社会契约破裂,从“社会贡献”转向“利润榨取” 过去企业建厂会带动整个城市、给学校图书馆捐款、提供铁饭碗;现在企业分散、CEO只看股价和估值,CSR减少,利润榨取增加,CEO薪资上涨。老百姓对大企业不信任。数据中心最后会通过谈判给地方电费补贴、建学校、承诺高薪职位来换取支持,但需要重建社会契约。 10. 美国就业市场是结构性错配,不是没有工作 失业率约4%,700万人找工作、700万空缺,但白领候选人多、蓝领(电工、护士、焊接、屋顶)严重短缺。美国文化长期洗脑“不上大学就是二等公民”,导致很多人不愿接受仓库、医院、学校的工作,也不愿去底特律、哥伦布、克利夫兰、奥斯汀、达拉斯。 11. ICE过度执法伤害了共和党选情 美国约1000万非法黑工,实际被遣返仅二三十万,但ICE新招人员培训不足、手重,抓错人、母子分离等视频在TikTok上几百万播放。不仅1000万人害怕,合法移民也害怕。共和党想控制移民,但“不是要杀人、不是要把孩子和母亲弄开”,这影响了选举。 12. 进入“跛脚鸭”政府,短期对企业可能是好事 总统和国会分属两党,互相制衡,企业认为“终于可以好好睡觉”,政府会花大量精力内斗而不是出政策。短期对经济只有好处没有坏处,长期对老百姓不好。特朗普前两年没有制衡,“皇帝的新衣”没人敢说no,现在有了check。 13. 2028年大选:民主党方面John Ossoff势头强劲 他在Polly Market上24小时内从较低概率翻倍到20%,超过JD Vance的17%。原因:南方民主党人、白人男性、重视家庭、赢下深红佐治亚州、年轻(1987年生)、campaign on working class Americans and living costs、没得罪什么人。但他本人说“不考虑2028”,这是参议员的标准说法,不一定真。

68 分钟 12k+ 次播放 1周前

紧急加更:科创50跌成科创25之后,费半也要更名费2.5吗?- 慧客堂 X 苔藓之火

紧急加更:科创50跌成科创25之后,费半也要更名费2.5吗?- 慧客堂 X 苔藓之火

苔藓之火

“上周整个科技股的行情,可以属于是一个地狱级别的行情,当然地狱也分很多层。” “中国一级、中国二级、美国一级、美国二级,这四个地方分别都在四个不同的时空,他们是平行宇宙。” “美国这1000亿能够养非常多的公司,但中国的收入可能养不那么多公司。” “怎么有人可以120亿美金融第一轮?120亿美金都可以把中国的科技巨头收购掉了。” “一级还在抢算力,但二级你看 CoreWeave 的 CDS 已经在计算它什么时候会违约了。” “中国的问题,现在我认为其实不是有泡沫,而是泡沫不够大。” “酒壮怂人胆。对于我们这些做投资人来说,我们的胆是谁给的?是我们背后的资本给的。” 主持:董艺婷,《慧客堂》主播,至明科技创始人,慧度资产总经理 嘉宾:Raymond - 科技投资人,苔藓之火主播 社交媒体:小红书 |B站 |抖音 |视频号|Youtube|Substack | Linkedin|即刻 |公众号:苔藓之火 免责申明:本节目的所有内容都并非旨在提供任何形式的建议,包括但不限于投资、税收、会计或法律上的任何建议。 Show Notes 00:12紧急加更:科技股“地狱分层”,A股、美股、杠杆资金多层受伤 03:03录制时点:市场情绪接近临界点,群聊与问询密集 04:36Raymond 美国一个月观察:科技圈、创业者、投资人、生态伙伴 06:24中美温度差:美国链主带动生态,中国付费少、生态体量不同 07:49美国一级泡沫在 New Labs:Thinking Machines Lab 高估值融资困难 10:56算力紧缺:New Cloud 生意好、DeepMind 缺卡、一二级裂痕 14:46四个平行宇宙;六派听友;24年9月判断与“所有人转向科技”的危险信号 21:51谁能赚高波动钱:产业杠杆、大资本、早参与抽本金、反对杠杆 24:21科技有前景所以有泡沫;2026 vs 2021 泡沫打七八分 27:26中美估值差异:一级生态、接力资金、上市即C轮、并购退出少 33:12“中国不是泡沫而是泡沫不够大”;创一代思维与二级股价负循环 38:15股价为何跟随:互相投资、盈利外溢、共同流动性、一人一票 40:06AI资本开支:繁荣证据 vs 折旧与几万亿收入覆盖担忧 45:52泡沫难识别;Michael Burry 案例;按仓位和敞口做应对 54:40资产配置与再平衡;A股换美股易双打脸; 01:10:29 产业链信号与无人机拍星际之门 核心观点总结 1. 这是一期因科技股剧烈调整而“紧急加更”的节目 上周科技股行情被形容为“地狱级别”,A股、美股、杠杆资金多层受伤。录制时市场情绪接近阶段性临界点,电话、群聊问询密集。 2. 中美科技产业处在不同“时空”,甚至是四个平行宇宙 美国一级市场欣欣向荣:OpenAI、Anthropic 等链主带动大量服务公司,算力、数据、服务需求强;中国付费意愿和收入体量相对小,生态繁荣程度不同。中国一级、中国二级、美国一级、美国二级各有各的温度。 3. 美国一级市场最大的泡沫在 New Labs Thinking Machines Lab 无产品却高估值融资,后续高估值融资困难;很多 New Labs 没有明显 PMF。但美国并购退出活跃,Cursor、World Labs 等大额交易支撑生态正反馈。 4. 美国算力依然紧缺,一二级市场出现裂痕 New Cloud 生意很好,初创公司难拿算力,DeepMind 内部也缺卡。一级还在抢算力,二级却已在用 CDS 计算 CoreWeave 何时违约,一二级感受差别很大。 5. 科技产业有前景,所以科技股必然可能有泡沫 科技行业长期发展已是共识,但股票价格会透支未来。估值不只来自基本面,60%以上取决于背后资金的风险偏好、资金期限和承受风险的能力。 6. 中美估值不能简单横向比较,生态和接力资金差异很大 美国从天使到二级、并购退出链条完整;中国一级生态单薄,很多公司上市时只相当于美国 C 轮状态,并购退出少,估值层次拉不开,二级行情也难持续。 7. “中国不是有泡沫,而是泡沫不够大” Raymond 认为中国问题不是泡沫太大,而是支持创新的资金、并购和接力生态不够。中国老板多为创一代,资本思维较弱;二级股价低估时也不愿用股票收购。 8. 泡沫很难被识别和预测,普通投资者不必不自量力 短期预期差、信息不对称、技术迭代速度都让“泡沫破裂时点”极难判断。Michael Burry 长期唱空、靠 Substack 赚钱的例子说明:悲观者正确,乐观者挣钱,但预测对不等于做对。 9. 资产配置和再平衡是保护,不是精准逃顶 资产配置通过分散和再平衡,把高波动资产可能带来的损失控制到可承受范围,保护家庭财富,让你能淡定等待。它不能承诺精准逃顶。 10. 高波动市场里,先对号入座自己的资金性质和投资模式 能从头赚到尾的人,要么有产业杠杆,要么有庞大资本且无杠杆、无支出压力;部分赚到的人往往早期参与并已抽回本金。反对杠杆,反对在情绪临界点追涨杀跌。 11. AI 资本开支既是繁荣证据,也有折旧和收入覆盖的长期担忧 美国缺工人、缺电、缺数据中心,资本开支需求旺盛;但每年上万亿美元开支对应未来折旧和几万亿美元收入,市场会担心“地球上哪来这么多钱”。 12. 产业链上游信号可看芯片租赁价、内存现货价等,但二级市场领先指标基本是“最后最后” 专业机构会用无人机拍星际之门工地、热感应看机器是否运转;普通人看 A100 租赁价、内存现货价更可执行。不要指望在二级市场找到真正的领先指标。

76 分钟 20k+ 次播放 2周前

Anthropic冲刺IPO:2万亿美元估值贵不贵?拆解Claude的增长、成本与竞争|S10E34

Anthropic冲刺IPO:2万亿美元估值贵不贵?拆解Claude的增长、成本与竞争|S10E34

苔藓之火

一家成立只有五年的公司,能否撑起2万亿美元的估值预期?2026年10月26日,Claude背后的公司Anthropic公开了IPO招股书。2026年上半年,它的收入接近163亿美元,约为上年同期的14倍;截至9月底,净收入留存率达到约900%。这些数字让外界看到了AI需求的增长,也带来了新的问题:客户会一直增加使用量吗?模型领先能维持多久?如果收入增长放缓,提前锁定的算力成本又该如何消化? 本期,「科技早知道」主播丁教邀请「涉市未深」主播九州Aaron和「苔藓之火」主播Raymond,从二级市场投资人的视角,一起拆解Anthropic的增长、成本与竞争。我们聊到了为什么选择现在上市、如何理解万亿美元估值、Coding之外的商业机会,以及中国开源模型在全球市场的位置。两位嘉宾总体看好Anthropic,但对模型迭代、技术差距和买入时点有不同判断:当真实需求与高预期同时存在,我们该如何理解这门生意的机会与风险? 本期人物 丁教 Diane,「声动活泼」联合创始人、「科技早知道」主播|小红书、视频号、抖音:声动活泼-丁教 Aaron,周玖洲 Aaron, 十年中金、华夏基金等顶级投资机构工作经验,「涉市未深」主播,「不止金钱」主播, Raymond Huang,科技投资人、「苔藓之火」主播 主要话题 [02:32] 现金充裕,Anthropic为什么还要赶着上市? * 先进入公开市场的公司,有机会成为投资人理解和定价这个行业的参照,后来的公司则需要解释自己的差异。 * 上市身份还能打开股权、债务等更多融资渠道,即使账上资金充裕,公司也需要为下一阶段的竞争储备资源。 [08:30] 大模型到底是轻资产还是重资产生意? * AI基础设施需要巨额投入,但这些资产由云厂商持有还是模型公司自建,会形成完全不同的财务结构。 * 即使不持有全部硬件,模型公司也可能通过长期采购承诺承担很重的成本。 [10:03] 1.5万亿到2万亿美元的估值,到底贵不贵? * 按2026年全年约600亿美元收入估算,1.5万亿美元估值对应约25倍市销率(PS),2万亿则约33倍。 * 估值贵不贵不取决于绝对金额,还要看收入规模、增长速度,以及这些预期最终能否兑现。 [15:36] 模型像海鲜,领先优势只能维持几个月吗? * Anthropic披露,2026年第三季度超过80%的收入来自过去六个月发布的模型版本。 * 今天领先的产品必须不断面对更新模型的竞争;但如果迭代速度放缓,不同代际的模型也可能长期共存。 [21:41] 900%的净收入留存率,究竟是什么概念? * 同一客户群带来的收入约为上年同期的9倍,它衡量的是原有客户的收入变化,而不是用户数量。 * 增长来自客户把AI用于更复杂、更长的工作流程;但从少量尝鲜转向正式使用时,较低的起点也会放大增长倍数。 [24:23] 除了卖模型和API,Anthropic还能怎么赚钱? * 模型公司可能从工具提供者,进一步变成参与解决行业问题的商业伙伴,例如进入新药研发等更完整的业务流程。 * 如果未来按结果收费或参与收益分成,收入来源和竞争壁垒都可能改变,但这距离稳定、规模化的收入仍需要验证。 [29:15] 下一个Coding会是什么?答案可能还是Coding * Coding的市场空间不能只按程序员人数或工资估算,编程能力还能支撑工作流自动化、工具开发等更广泛的数字任务。 * 下一个增长点未必来自全新的行业,也可能来自更多人通过AI完成原本不会编程、没有时间编程或需要团队协作才能完成的工作。 [30:36] 给AI花的钱,已经超过给员工的钱了吗? * 2026年4月,Anthropic内部Claude用量按公开标价折算的价值,首次超过当月不含股权激励的人事费用。 * 这反映的是AI在公司内部的使用规模,不能直接解释成公司实际付给AI的现金已经超过员工工资。 [32:59] 单季度经营盈利,为什么上半年仍有巨额净亏损? * 2026年第二季度经营利润接近10亿美元,而上半年净亏损超过800亿美元,两个数字处在利润表的不同层级。 * 净亏损主要来自可转债等融资工具的公允价值变动,非现金损失不等于当期烧掉了同等金额的现金。 [34:33] 云厂商既是股东和渠道,又有自己的模型,会不会成为风险? * 云平台既帮助Anthropic触达企业客户、提供算力,又同时拥有自己的模型产品,合作与竞争交织在一起。 * 多方合作不等于绑定某一家或形成资金自循环,真正需要持续观察的是Anthropic能否扩大自己的客户关系和渠道。 [38:46] 需求还不确定,为什么先签长期算力合同? * 算力供给需要提前建设、提前锁定,但客户未来的购买并没有同样长期的保证,风险来自投入期限与收入确定性的错配。 * 2026年第二季度,每1美元算力支出已能带来约2美元收入;但算力并非全部成本,盈利能力仍要结合完整利润表和现金流判断。 [41:08] AI需求是真的,估值也可能跌吗? * 需求真实存在与估值出现调整可以同时发生:企业可能继续扩大AI应用,只是增速没有市场原先设想得那么快。 * 对一家被寄予高增长预期的公司来说,继续增长也可能意味着不及预期。 [42:53] 对比智谱和MiniMax,为什么不能只看增速? * 各家公司的收入基数、客户市场和融资环境差异很大,相似的高增长百分比,未必代表相近的业务规模和商业成熟度。 * 更值得关注的是现金流何时持续改善,以及融资环境变化后公司能否继续投入。 [49:26] 中国开源模型的机会,只是更便宜吗? * 一家巴西企业计划到2027年底,把约一半的Token用量转向开源模型,便宜之外也有真实的使用需求。 * 中美模型能力的差距会随版本迭代不断变化,不宜把某一时点的差距直接外推为长期结局。 [57:45] 看好Anthropic,是否意味着上市就应该买入? * 长期看好与在某个具体价格买入是两层判断,需要结合上市时的估值和市场情绪,过热时可以等待。 * 参与长期技术浪潮很重要,但也要预期价格会出现较大波动。 名词解释 Anthropic、Claude与Claude Code Anthropic是公司名称;Claude是其模型家族及相关AI助手产品的名称;Claude Code则是面向编程任务的Agent工具。 IPO与S-1 IPO(Initial Public Offering)指首次公开发行股票。S-1是公司向美国证券交易委员会提交的一类证券发行注册文件,通常包含业务、财务、风险和发行信息。提交S-1不代表发行价格已经确定。 市销率 PS或P/S Price-to-Sales Ratio,用公司总市值或股权估值除以某一年度的收入。 ARR与年化收入 ARR(Annual Recurring Revenue)通常指年度经常性收入。Anthropic披露的Run-Rate Revenue则把近期消费型和订阅型收入年化,用于描述某一时点的业务规模。年化值不等于已经实现的全年收入,也不保证下一年的收入下限。 净收入留存率 NRR Net Revenue Retention,比较同一客户群在两个时期带来的收入,综合体现增购、缩减使用和流失。Anthropic的口径排除Claude Pro和Max固定价格订阅;900%意味着相关客户群收入约为基期9倍。 资本开支 CAPEX与长期算力承诺 CAPEX(Capital Expenditures)通常指购买或建设长期资产的支出,例如服务器和数据中心。长期购买云算力的合同承诺不全部等同于CAPEX;即使自有资产较少,公司仍可能承担大量未来付款义务。 公允价值变动 部分资产或负债需要按公允价值重新计量,其变化可能计入当期损益。例如可转债负债价值上升,可能形成会计损失,却不意味着当期支付了同等现金。 GAAP与Non-GAAP GAAP是美国通用会计准则;Non-GAAP是公司在准则指标基础上作调整后披露的指标。使用调整后指标时,需要同时看它剔除了哪些项目,以及与GAAP指标的对照。 延伸阅读 Anthropic S1招股书 2026年10月26日 * 2万亿美元为节目讨论的估值预期,不是已确定的IPO发行估值。 * 节目中的全年收入和未来商业模式判断属于嘉宾预测;历史财务数据与预测需分别理解。 本期讨论仅供信息交流,不构成投资建议。 幕后制作 监制:Diane 后期:迪卡 运营:George 设计:饭团 商业合作 声动活泼商业化小队,点击链接直达声动商务会客厅,也可发送邮件至 [email protected] 联系我们。 加入声动活泼 声动活泼正在招聘全职商务运营经理、早咖啡内容实习生和社群实习生,如果你也对播客行业的内容制作感兴趣,欢迎点击招聘入口 关于声动活泼 「用声音碰撞世界」,声动活泼致力于为人们提供源源不断的思考养料。 我们还有这些播客:声动早咖啡、声东击西、吃喝玩乐了不起、反潮流俱乐部、泡腾 VC、商业WHY酱、跳进兔子洞、不止金钱 欢迎在即刻、微博等社交媒体上与我们互动,搜索 声动活泼 即可找到我们。 期待你给我们写邮件,邮箱地址是:[email protected] [科技早知道] 欢迎扫码添加声小音,在节目之外和我们保持联系。

62 分钟 58k+ 次播放 2周前

57. AI硬件是下一轮共识?从具身拳皇到万能赛博工牌 - FoloToy / 魂伴科技

57. AI硬件是下一轮共识?从具身拳皇到万能赛博工牌 - FoloToy / 魂伴科技

苔藓之火

“它并不是要让AI跑在硬件里面,反而是应该让AI去定义或者操控这个硬件。” “你越往陪伴方向做的时候……你就逐渐会变成一个内容公司、娱乐公司、IP公司、设计公司。” “我觉得硅谷公司它为什么不做它,因为它也陷入了一个硬件就必须靠中国的这样一个思路。” “1.8米高的太阳花……结果全部被别人买走了。” “我们真的是当花瓶在用,就是好看,然后吸引人过来跟好玩。” “出海我觉得是相当于第二次创业了。” 主持:Raymond - 科技投资人,苔藓之火主播 社交媒体:小红书 |B站 |抖音 |视频号|Youtube|Substack | Linkedin|即刻 |公众号:苔藓之火 主持:马克汤 - 发财搭子 主播 / 财搭子AI 联合创始人 / MIT毕业,CFA/FRM持证分析师 相关单集: 40. AI应用能融下一轮吗?收购、擦边、中转站、大厂围猎 - 对话|马克汤 51. AI 和机器人改变世界,这钱你出? - 马克汤|财搭子AI 嘉宾: 王乐 - FoloToy 创始人 - 小红书 / 公司网站 ai-passport.folotoy.cn 真地 - 魂伴科技 创始人 - 小红书 / 公司网站 cyberpartnerai.com 免责申明:本节目的所有内容都并非旨在提供任何形式的建议,包括但不限于投资、税收、会计或法律上的任何建议。 🎯本期提到:天翼云・花卷聆记 AI 录音卡 依托天翼云国云算力,一站式完成录音、实时转写、AI 自动纪要,多方言识别、多端同步,高效沉淀会议与访谈信息。 想了解产品详情,欢迎访问官网:【花卷聆记,你的随身AI助理】 Show Notes 时间话题 00:12开场:WTCC 2026现场,四位人类+机器人机器狗,AI硬件发展到哪一步 01:39为什么还需要新AI硬件?让AI定义/操控硬件,而非让AI跑在硬件里 03:53标准化产品 vs 用户自定义:AI降低普通人改造硬件的门槛 06:52让智能具身:AI硬件给AI身体和感知,而非只围绕人 09:44硬件作为上下文采集设备:眼镜、录音、吊坠,帮AI了解我们 13:0865%/45%完成度:不预装喜马拉雅,留接口让用户一句话对接 16:25人人都是程序员:六年级孩子周末消耗50亿token做3D游戏 20:17AI Passport社区:1300+玩法,创作者约5%,AIGC社区 29:38过去两年AI硬件点评:录音豆、无摄像头眼镜、手表 35:13隐私边界:砍摄像头、聊天记录只给关键词、防录音屏蔽器 42:43大厂 vs 创业公司:做“小绿豆填缝”,不研究大厂战略 45:03未来不会只有一个超级爆款;好产品是野种子野蛮生长 52:48AI手机的矛盾:广告系统 vs 用户时间;京东最危险,淘宝是逛 01:00:22Labubu不应该开口说话;陪伴越做越像内容/IP公司 01:07:04UGC/AIGC社区、机器人海关案例与出海:CES、AI Passport进美国

93 分钟 6k+ 次播放 3周前

56. 硅谷国庆见闻 - 愿天下处处是泡沫

56. 硅谷国庆见闻 - 愿天下处处是泡沫

苔藓之火

“硅谷其实是一个和人间有时差的地方。” “你说当时的中国有泡沫吗?那肯定是有的,那又怎么样呢?” “教授不应该穷,博士不应该穷,研究生不应该穷,读书就不应该穷。” “数据公司与其说是一个外包商、承包商或者白手套,你不如说它是一个 frontier model 的 researcher partner。” “训练数据其实不是一个成本项,有可能是个收入项。” “卡的分配是一个 CEO 做的公司级的决策,GCP 的价值目前有可能是 research 价值的十倍。” “第三名的座次是不变的,但人不一定,所以人就轮流上位。” “与其说他们是真正对中国好奇,不如说他们对中国是恐惧。” “YC 的毕业生可以互相购买,一起刷单,一起进步。” “80% 的收购可能都是吹牛。” “他非常像是一个男孩子偷穿爸爸的西装,整个衣服看起来大了一号。” “空气里面都是那种暴富的味道,没有时间解释了,赶快上车,再不上车来不及了。” “我非常希望天下处处都是泡沫,天下没有难做的生意。” 主持:Raymond - 美元二级基金合伙人,苔藓之火主播 视频播客:小红书 |B站 |抖音 |视频号|Youtube 其他地方:Substack | Linkedin|即刻 |公众号:苔藓之火 Show Notes 时间话题 00:14开场:硅谷与人间有时差,泡沫问题为何不重要 01:09硅谷经济上行期面貌,类比 2014—2015 年中国 03:30New Labs 泡沫:Thinking Machines Lab、943 亿美元、16 家披露收入 05:19教授创业与学术圈关系:教授不该穷,读书不该穷 07:15数据公司成显性机会:Coding 被覆盖,2027 年重心未知 08:46训练数据从成本项变收入项,数据生意 operation heavy 11:29DeepMind 的大厂病:慢、层级、数据合规、卡优先给 GCP 14:23中国模型轮流坐第三名;美国基金来华考察与恐惧 16:12YC 扩张年轻化、to B 扎堆、毕业生互相购买刷单 19:50并购退出多,但 80% 收购夸大;大二学生“被收购”故事 24:12华人创业者/投资人崛起,可能跑出 50—100 个 Zoom 27:08国内大厂来硅谷“白嫖”平替,付费意愿差 27:55硅谷人人找下一步;希望天下处处是泡沫

31 分钟 27k+ 次播放 1个月前

55. 从中国缺电到美国缺电:AI能源瓶颈?- 唐奕波

55. 从中国缺电到美国缺电:AI能源瓶颈?- 唐奕波

苔藓之火

“不要做个老登。” “缺电缺的并不是电量,而缺的是负荷。” “任何行业供需决定状态,不取决于你的商业模式多牛逼、壁垒有多牛逼。” “一旦需求不增长,设备需求不是从 100 降到 80,而是降到 10 到 20。” “你现在买一台要五年以后交货,他还是选择不扩产。” “你一直看一个行业,就会 miss 掉这个行业超级范式转移的机会。” 主持:Raymond - 美元二级基金合伙人,苔藓之火主播 视频播客:小红书 |B站 |抖音 |视频号|Youtube 其他地方:Substack | Linkedin|即刻 |公众号:苔藓之火 嘉宾:唐奕波 - 私募基金分析员,播客《随处奔波》,文章(公众号"奔波儿r") * 《AI 到底是泡沫吗——从 100 年前的电气化找答案》 * 《让研究的归研究,交易的归交易》 * 《投资的审美》 * 开源项目(github.com/Benboerba620):ai-signal 每天抓一线推特/播客/论文;ai-workspace-hub 带知识库闭环的 AI 投研工作流 * 本期提到的(《三点下班》)唐奕波 v.s. 星辰 免责申明:本节目的所有内容都并非旨在提供任何形式的建议,包括但不限于投资、税收、会计或法律上的任何建议。 主题: 中国 2021 缺电、美国/欧洲电力缺口、燃气轮机三巨头、叶片瓶颈、北美缺电链扩散,以及 AI 数据中心把电力变成新瓶颈。 Shownotes 1. 00:07 开场:AI 最大瓶颈是能源,中国并非一直不缺电。 2. 01:18 嘉宾介绍:新能源+电力研究员,公众号“奔波尔”。 3. 02:27 2018 年看光伏:531 退补、龙头必死、后发优势。 4. 05:22 全球缺电:中国 2021 先缺,缺的是负荷不是电量。 5. 07:49 可控系数:煤电 0.8,风电 5%,光伏 0.01,储能为什么重要。 6. 10:51 中国解法:快速核准煤电,2023 年后缓解。 7. 14:47 美国/欧洲缺电:需求十年不增长,制造业回流+AI 拉动。 8. 17:34 市场化传导:电价涨→CEG/VST→GEV 订单,24 年中才显著。 9. 18:55 燃气轮机格局:GE、西门子能源、三菱,85% 份额,中国为何缺席。 10. 22:10 商业模式:设备+15 年服务,服务利润率高,备件粘性强。 11. 25:25 下行周期:2015–2024,2018 裁员关厂,2024 才转。 12. 30:51 北美缺电链扩散:重燃→轻燃→燃料电池→燃气发动机→航改。 13. 36:43 周期结束看重燃扩产,瓶颈在叶片;Howmet/PCC/应流股份。 14. 44:31 还有左侧吗?设备链拥挤 8–9 分,机会或转向发电端/欧洲电力公司。 15. 54:35 欧洲:结构性缺电、数据中心接网排队、买接网权、北欧南欧机会。 一句话总结: AI 把电力从“老经济”重新变成瓶颈;中国缺电是供给结构问题,美国缺电是需求突增问题,而北美缺电链从重燃扩散到最 marginal 的方案,设备端已很拥挤,下一步机会可能转向电力运营和区域转移。 一、核心观点总结 1. AI 的最大瓶颈是能源,但中国并非一直“能源充足” 中国在 2021 年就出现过全国性缺电、拉闸限电。问题不是总电量不够,而是稳定电源和负荷能力不够。 2. 缺电缺的是“负荷”,不是“电量” 风电、光伏发电量可以增长很快,但它们是间歇式电源。缺电看的是某一时点的功率,而不是全年发了多少度电。 文本中给出一个关键对比:煤电可控系数约 0.7–0.9,风电约 5%,光伏约 0.01。装 100GW 光伏,对系统可控负荷贡献极小。 3. 中国 2021 缺电的根源:新能源上太快,煤电停太多 2020 年前煤电新建断崖式下跌,风光装机猛增,导致可控电源除以最高负荷的“可控系数”跌破 1.2,出现拉闸限电。居民感受不明显,因为优先保民用;工业则错峰生产。 4. 中国的解法简单粗暴:快速核准煤电 2021 年后政策转向,大规模核准煤电,文中提到“8880”“每年约 80GW”等口径。中国建设速度快,2023 年后缺电问题基本缓解。 5. 储能不能简单替代稳定电源 日内平衡配 20%–40% 功率、约 2 小时储能即可;但跨日、跨周要配 10 小时甚至 1:10 的储能,成本爆炸。光伏+储能要变成类似火电的稳定电源,比例可能到 1:10 甚至 1:16。 6. 美国/欧洲缺电:需求 10–20 年不增长,突然被制造业回流和 AI 拉动 美国电力需求约 10 年不增长,欧洲约 20 年。22 年后制造业回流、半导体/电池/新能源车工厂、AI 数据中心一起拉动,可控系数也掉到 1.2 以下。 7. 美国靠市场化解决,传导很慢 涨电价 → 发电商赚钱 → 下设备订单。CEG、VST 等股价 2023 年先涨,GEV 燃气轮机订单到 24 年中才显著变好。 8. 燃气轮机是工业皇冠,格局极其稳定 GE、西门子能源、三菱三家占全球约 85%,几十年没有新进入者。中国缺天然气、缺内需,也缺航空发动机/燃气轮机这种高端制造能力。 9. 燃气轮机商业模式:设备+长期服务,服务更赚钱 卖设备可能低毛利甚至白送,但绑定约 15 年服务合同,服务总价约为设备 2 倍,服务利润率约 40%,备品备件粘性极强。 下行周期 2015–2024,2018 年三家裁员 1/3、关厂 1/3,2024 年才转。 10. 北美缺电链不断扩散:从重燃到最 marginal 的方案 重燃 → 轻燃(贝克休斯)→ 燃料电池(Bloom Energy)→ 燃气发动机(卡特彼勒、康明斯、潍柴)→ 航改/退役发动机。 只要重燃不扩产,后面的方案就有经济性;一旦重燃扩产,后面可能被抹掉。 11. 周期结束看重燃扩产,扩产瓶颈在叶片 叶片全球主要是 Howmet、PCC 两家,中国有应流股份等。叶片验证周期 3–4 年,需要持续投入 10 年,壁垒极高。 12. 设备链已经很拥挤,偏左侧机会可能在发电端和区域转移 嘉宾给北美缺电链热度打 8–9 分,认为股票演绎充分。 更偏左侧的方向:美国数据中心因电价和中期选举受阻,可能向日本、韩国、东南亚、欧洲转移;北欧水电核电、南欧光伏、欧洲市场化电厂可能有弹性。 13. 欧洲是结构性缺电,不是总量缺电 欧洲电力需求 25 年才恢复增长,但午间光伏多、电价低,晚高峰电价高,价差大,储能发展好。 数据中心接网申请量激增,接网排队 8–10 年,买废弃工厂/火电厂的接网权变得很值钱。 14. 老行业研究员容易 miss 范式转移 传统汽车分析师很多 miss 比亚迪、特斯拉;传统电力分析师也可能低估 AI 带来的需求突变。 “不要做个老登。” EP55 中文逐字稿:https://insights.mossfire.xyz/posts/gas-turbines-ai-power-bottleneck/ English transcript: https://insights.mossfire.xyz/en/posts/gas-turbines-ai-power-bottleneck/

62 分钟 7k+ 次播放 1个月前

54. 搜索,推荐,聊天:AI时代广告的第三次跃迁 - Jaggie | Meta GenAI广告

54. 搜索,推荐,聊天:AI时代广告的第三次跃迁 - Jaggie | Meta GenAI广告

苔藓之火

“前端用户和机器的交界面的形态每次发生变化,你能收集到的数据本身也不一样。” “广告是建立在用户有一个新的行为、有 attention、在一个时间或场景的情况下,我怎么样去变现。” “行为一直存在,但以前 capture 不到;现在很多东西被闭环收集起来。” “广告聊天过程中我可以影响你的决策。如果我影响了你的决策,并且我收了广告主的钱,这就是一种广告场景。” 主持:Raymond - 美元二级基金合伙人,苔藓之火主播 视频播客:小红书 |B站 |抖音 |视频号|Youtube 其他地方:Substack | Linkedin|即刻 |公众号:苔藓之火 嘉宾:Jaggie - Meta GenAI 广告产品负责人|Linkedin 免责申明:本节目的所有内容都并非旨在提供任何形式的建议,包括但不限于投资、税收、会计或法律上的任何建议。 1. 00:12 开场:嘉宾身份与传奇经历——14 岁创业、Momenta 天使投资、字节/TikTok、Meta AI 广告。 2. 04:48 14 岁易趣开店:登录费、置顶广告、七浦路进货、站停送货。 3. 09:40 宝洁到创业:Chatbot 生活助理、Magic 模式与上一代 NLP 的局限。 4. 17:06 投资 Momenta:AI 下注、团队判断与几千倍回报。 5. 22:46 推荐引擎作为 AI 应用:字节 vs Meta,推荐是产品还是 feature。 6. 32:20 广告底层变化:用户信号从少到多,从语言表达到行为特征。 7. 36:23 对话流:多轮意图、上下文、搜索框与聊天框的异同。 8. 43:27 广告定义与形态:软广/硬广、GEO、链接点击、交互小游戏。 9. 54:16 广告主困境:宝洁/WPP 组织摩擦 vs 创始人 AI native。 10. 1:02:53 广告衡量:5A、品牌/效果、中国闭环 vs 美国分散与隐私限制。 11. 1:13:26 OpenAI/Anthropic 能否成为广告巨头?Meta 的现有盘子优势。 12. 1:17:21 豆包应用场景:医疗问诊、陪娃、实时摄像头。 13. 1:18:37 中美跃迁对比: 豆包从下沉大众用户到生产力 vs. 从ChatGPT到instinct 和muse 14. 1:20:03 豆包广告可能性:入口、数据飞轮、医疗广告的底线问题。 15. 1:22:27 Memory 与切换成本:嘉宾为何从 ChatGPT 切换到 Muse? 16. 1:25:12 ARPU 与变现效率之战:ChatGPT vs Muse,谁的商业化底子更好? 17. 1:28:19 Google/Apple 的信任与后发优势:为什么他们明明有数据却不急着做? 18. 1:30:00 Muse 的产品体验:为什么在非 coding 的 to C 任务上更具优势。 19. 1:33:17 中美科技心态:硅谷为何重新关注中国,TikTok/短剧/供应链。 20. 1:40:33 收尾:广告只是 consumer 的延伸,新交互形态才刚刚开始。 核心观点总结 1. 广告是交互形态的影子 广告形态不是孤立创新的,它建立在用户新的行为、注意力和场景上。前端“用户—机器”的交互界面一变,能收集的数据、能设计的广告形态都会变。 2. 用户信号经历三次跃迁 * PC/搜索时代:用户主动用语言表达 query。 * 推荐/短视频时代:行为特征更重要,如停留、滑动、点赞、完播。 * AI 对话时代:多轮语言 + 行为 + 上下文 + memory,意图更深、更 personal,也更涉及隐私边界。 3. 对话流广告已经在发生,但新形态还没成熟 对话流里会出现软广/硬广、链接点击、GEO、原生影响决策等形态。判断广告的关键是:是否影响用户决策,并且收了广告主的钱。 但真正的“AI 时代抖音/小红书”还没出现,新广告形态要等新的 organic 交互形态长出来。 4. 广告衡量会继续分化 品牌 vs 效果仍会存在,对应 5A、决策链路、MMM、增量、last touch 等衡量方式。 中国生态集中,抖音、淘宝、小红书等容易闭环;美国转化分散、隐私法规限制多,历史数据又被 Google/Meta 等巨头掌握。 5. 广告主侧的最大问题不是认知,而是组织 宝洁这类大广告主有预算,但素材、投放、agency、WPP 等层层外包,职业经理人缺少创始人式决断力。 年轻 DTC/抖品牌/淘品牌更 AI native,创始人更能直接改工作流、改组织。 6. OpenAI/Anthropic 有广告潜力,但 Meta 有现有盘子优势 广告收入取决于用户数据、用户时长、意图深度和变现效率。 即使 AI 产品 DAU/时长接近,Meta 仍可能因为 Instagram、Threads 等跨 App 信号,拥有更高变现效率。 7. 豆包可能成为入口和数据飞轮,不一定要靠自身广告赚钱 国内豆包已深入医疗问诊、陪娃、实时摄像头等场景。它可能像入口一样反哺抖音/头条广告,也可能面临“百度医疗广告”式的底线问题。 8. Memory 和切换成本是 AI 产品竞争关键 Memory 让产品更懂用户,但用户迁移取决于体验 delta 是否足够大。嘉宾自己从 ChatGPT 切到 Muse,就是因为后者在非 coding 的任务完成上更好。 9. Google/Apple 有数据但慢,信任与组织能力是变量 Google 掌握 Gmail、地图、Drive 等核心数据,但后发、组织能力和用户信任会决定它能否反击。 10. 中美科技心态正在变化 以前是中国创业者看硅谷;现在越来越多硅谷投资人/创业者关注中国:TikTok、小红书、短剧、直播电商、供应链、机器人、能源、芯片。美国不再那么傲慢,更多是学习心态。 一句话总结: AI 时代的广告不会只是“把旧广告塞进聊天框”,而会跟随新的 consumer 交互形态、memory 和数据飞轮,重新长出形态、衡量方式和商业模式。 EP54 中文逐字稿:https://insights.mossfire.xyz/posts/ep54-ai-advertising-third-leap/ English transcript: https://insights.mossfire.xyz/en/posts/ep54-ai-advertising-third-leap/

101 分钟 6k+ 次播放 1个月前

53. 为什么不是谷歌做出了Muse?- Lewis|微软 / ex-Gemini

53. 为什么不是谷歌做出了Muse?- Lewis|微软 / ex-Gemini

苔藓之火

硅谷温差 “我们是在 GPT 发布三个月前就开始做这个工作了。” “水龙头形状已经定义下来,后面更多是卷水,不卷水龙头。” “SharePoint 里的数据是整个互联网的很多很多倍。” “Google 太按照规矩来做事情。” “Personal assistant 在两年前 Google I/O 就聊到了,但产品迭代速度不够看。” “很多现在跑在云端的大模型,六七年之后都可以跑在手机上。” “现在头部公司很少发 paper,因为只能保住三个月,发 paper 只能保一周。” 主持:Raymond - 美元二级基金合伙人,苔藓之火主播 视频播客:小红书 |B站 |抖音 |视频号|Youtube 嘉宾:Lewis - 微软 Product Lead,谷歌 Gemini founding PM Linkedin / 小宇宙 播客 / 小红书: 硅谷温差 免责申明:本节目的所有内容都并非旨在提供任何形式的建议,包括但不限于投资、税收、会计或法律上的任何建议。 Show Notes 00:13开场:Lewis 背景,Oracle 公有云到 Google PM 01:55PaLM 2 产品化:GPT 前三个月开始,团队八九人 03:48大模型史前时代:Document AI 泛化,内部 chat 未发布 05:49ChatGPT 冲击:Google 两派、危机感、Bard 与苔藓之火 08:20离开 Google:Gemini 2.5 Pro 高峰,转微软做 agent/knowledge 09:40大公司组织病:层级多、信息 withhold、指令上传下达失真 11:08为什么去微软:企业护城河,SharePoint 数据是互联网很多倍 12:27微软做什么:agent memory、knowledge、context graph、procedure memory 16:40企业 memory 权限:个人/双人/team/公司层级,consolidation 与隐私 24:35Personal agent 兴起:Muse、Grok bot、Instinct、OpenClaw/Aris;读 Gmail/Calendar 32:42为什么不是 Google 先做 Muse:Google 慢、reactive、合规束缚 36:15Google 会封数据吗:开放文化 vs 中国 walled garden,微信/小红书机会 42:46Personal agent 定价:C 端 freemium/token,B 端 ROI 抽成,长期 commodity 51:40端侧模型与硬件:Mac Studio 跑万亿参数,千问 27B,苹果/Google 后发先至 57:17Google 前景与 DeepSeek 冲击:发布慢、SOTA 窗口短、不发 paper 核心观点总结 1. Google 不是没看到 personal agent,而是做得太慢、太 reactive Lewis 认为 Google 在 Gemini/Bard 时代就定义过 personal assistant,但组织层级多、信息 withholding、法律与 Responsible AI 束缚,导致产品迭代速度跟不上 OpenAI、Anthropic,甚至被 Muse 这类新产品弯道超车。 2. 大模型产品化的“史前时代” 2022 年 8-9 月,ChatGPT 发布前三个月,Lewis 已加入 PaLM 2 产品化团队,团队仅八九人。内部早有 chat 产品,但因 legal/responsible AI 没发布。ChatGPT 出来后,Google 内部有明显危机感。 3. 微软的企业护城河:数据量 + 权限 + 场景 SharePoint 里的企业数据是互联网很多倍,但企业找不到、用不上。Agent 要利用这些数据,必须解决 memory、knowledge、权限、consolidation 等复杂问题。 4. 企业 memory 与 C 端 memory 完全不同 C 端主要做 personalization;企业里 CEO、员工、双人 chat、team、公司各有层级权限。什么能 promote 到 team/公司,涉及隐私、法律、当事人控制,不能由模型或 manager 随意决定。 5. Personal agent 兴起,核心是产品导向而非技术导向 Muse、Grok bot、Instinct、OpenClaw、Aris 等产品,技术上很多建立在类似 harness 上,护城河不高。关键是谁能把 Gmail/Calendar 数据变成具体、傻瓜式 use case,如退订、退款、保险追款、生活琐事。 6. 隐私与安全是 personal agent 的核心矛盾 Instinct 条款被质疑可拿用户数据训练,Muse 有自己模型,用户不信扎克伯格,但也不一定信小公司。企业里 99% 公司不会无故看员工 chat,但 Anthropic 等公司 policy 可能不同。 7. 端侧模型与硬件会重新定义 personal agent Mac Studio 已可跑 trillion 参数模型,千问 27B 满足日常。未来六七年,现在云端大模型可能跑在手机上。苹果、Google 可能后发先至,创业公司先打样。 8. Google 仍有底子,但发布节奏和合规文化是最大挑战 Gemini 2.5 Pro 后压力持续增加,SOTA 窗口只有一两周。DeepSeek 出现时 Google 内部惊讶,但 Google 合规严格,不参考/蒸馏,不发 paper,员工不能上播客。技术瓶颈人员发光期可能只有 18 个月。 EP53 中文逐字稿:https://insights.mossfire.xyz/posts/ep53-google-muse/ English transcript:https://insights.mossfire.xyz/en/posts/ep53-google-muse/

64 分钟 6k+ 次播放 1个月前

52. 智力的价格:AI 研究员凭什么比 NBA 球星贵?- 高岱恒|Dinq

52. 智力的价格:AI 研究员凭什么比 NBA 球星贵?- 高岱恒|Dinq

苔藓之火

“生子当如庞若鸣!” “DeepSeek 十年 Vesting,感觉比长征还久。” “聚光灯都打给了 Sam Altman、Ilya,但我非常清楚这个活儿到底是谁干的。” “AI 人才的半衰期非常短,就像模型的半衰期一样。” “多模态往下走,核心门槛不在算法,而在数据。” “Cursor 是先瞄准全世界 50 到 100 个最好的人,然后持续派人追踪他的动向。” “OpenAI 2025 年股权激励占了收入的一半,平均 150 万美元一个人。” “Dinq 一句话介绍:Open Router for People Search。” 主持:Raymond - 美元二级基金合伙人,苔藓之火主播 视频播客:小红书 |B站 |抖音 |视频号|Youtube 嘉宾:Sam Gao 高岱恒,DINQ 创始人,前阿里达摩院研究员 Dinq / Twitter / 小红书: 小黑兔Sam 免责申明:本节目的所有内容都并非旨在提供任何形式的建议,包括但不限于投资、税收、会计或法律上的任何建议。 1. 作品定义人,进入“小小文艺复兴”时代 学历、大厂背景不再是唯一通行证,公开作品、代码、博客、播客等,正在成为定义个人价值的新标准。Sam 本人从双非土木到达摩院,靠的就是 Learning in Public:写博客、给开源项目提 PR、持续公开输出。 2. AI 英雄列传:关注关键技术背后的“边缘人” 聚光灯常打在 Sam Altman、Ilya 身上,但真正推动关键技术的人很多来自非顶尖机构、非主流路径。RAG、思维链、Adam 优化器、Claude Skills 等背后都有具体作者,他们的故事值得被记录。 3. 硅谷人才战争进入“体育转会”级别 Meta 因 Llama 落后而着急,扎克伯格亲自挖人,庞若明等华人研究员拿到 2 亿美元级总包,超过 NBA 球星。AI 人才市场远大于体育市场,一亿美金线可能只有小几十人。 4. 人才定价看“代表作”和稀缺经验 典型特征是有代表作,如推理能力、O1 系列、管过万卡/十万卡集群。管卡经验、训练基础设施经验、后训练能力都极度稀缺。 5. 技术方向冷热分化明显 多模态在收敛,核心门槛从算法转向数据;顶会一作贬值,GPT-6/vivo 5.1 几小时就能产论文。上升方向包括:数据相关、On-Policy Distillation、AI Infra、推理提效。 6. AI 人才半衰期极短 过去会 GAN、搜广推的人可能迅速贬值。传统互联网人追求确定性、CTR 涨点,但 AI 模型竞争是混沌的,Benchmark Maxing 和 Reward Hacking 不一定有用。 7. 招聘哲学:从漏斗转向 High Touch Cursor 的思路是瞄准全球 50-100 个最好的人,持续追踪、送吉他、办 Workshop、招通才。不要等投递,而要反向经营“前 100 人”。人生和投资也应如此。 8. DeepSeek 与 OpenAI 的激励问题 DeepSeek 十年 Vesting 对人才不友好,融资部分是为了留人;OpenAI 2025 年 SBC 占收入一半,平均 150 万美元/人,但相对估值涨幅不算高。 9. Dinq:Open Router for People Search Sam 的创业项目 Dinq 把 LinkedIn、Indeed、JobStreet 等招聘平台 API 集成,让用户通过 Agent 用自然语言搜人、找联系方式,按 Token 扣费。客户包括字节、蚂蚁、前沿模型公司等。核心判断:未来工作习惯会收敛到跟 Agent 对话。 10. 人才流动是投资信号 投资人可提前发现人才活跃痕迹,比如庞若明转会前就有迹象。追踪 AI 科学家转会、方向、价格,可能成为重要 Alpha。 Show Notes 00:12开场:作品定义人,属于我们的“小小文艺复兴” 01:19Sam 自我介绍:双非土木 → 达摩院 → 研究 AI 关键人物 02:20从土木转 AI:Learning in Public,写博客、提 PR 拿到 offer 06:17离开达摩院:扩散模型、数据 + Copilot 让算法与工程贬值 11:34OpenAI 堵门:为 AI 关键技术背后的作者立传 15:50智力超级垄断时代、AI 英雄列传与欧林工程学院 23:07硅谷人才战争:Meta 挖人、庞若明 2 亿美金总包 30:08代表作与一亿美金线:小几十人,管卡经验值钱 37:38方向冷暖:多模态向下,OPD / AI Infra 向上 45:12AI 人才半衰期:顶会论文贬值,搜广推思维失灵 50:46Cursor 招聘哲学:全球 50-100 人、送吉他、反漏斗 58:12DeepSeek 留人:10 年 Vesting、保密与融资 01:01:22OpenAI SBC:占收入一半,平均 150 万美元/人 01:07:14Dinq 创业:Open Router for People Search,Agent 搜人 01:17:23投资人用法、人才转会追踪与结尾 EP52 中文逐字稿:https://insights.mossfire.xyz/posts/ep52-ai-researcher-price/ English transcript:https://insights.mossfire.xyz/en/posts/ep52-ai-researcher-price/

81 分钟 19k+ 次播放 2个月前

51. AI 和机器人改变世界,这钱你出? - 马克汤|财搭子AI

51. AI 和机器人改变世界,这钱你出? - 马克汤|财搭子AI

苔藓之火

“单点违约没问题,但单点违约往往是行业系统性危机的开始。” “AI就是国运级别的竞赛,不是私营企业该独自扛的。” “蒸馏不是抄袭,是萃取精华——拼多多蒸微信,中国模型蒸海外架构。” “A100还在涨价,因为推理需求分层,老卡也能做差异化服务。” “中国人太爱工作,机场全是办公AI广告;欧洲人觉得这事跟他没关系。” “未来不是AI代替人,是Buddy跟悟空去开会,人和人沟通变复杂。” 本集播客文字稿可以看这里 或者关注 苔藓之火 公众号 主持:Raymond - 美元二级基金合伙人,苔藓之火主播 视频播客:小红书 |B站 |抖音 |视频号|Youtube 相关单集:40. AI应用能融下一轮吗?收购、擦边、中转站、大厂围猎 - 对话|马克汤 编辑推荐 - 46. 办公Agent大战:为什么大厂做不出好AI产品?- 马克汤 嘉宾:马克汤 - 发财搭子 主播 / 财搭子AI 联合创始人 / MIT毕业,CFA/FRM持证分析师 精彩单集 EP31-AI产业链跟踪5月刊-从LTA长协到800VDC电力链,寻找AI 硬件的新机会 EP26-AI产业链跟踪4月刊-光模块的爆发只是冰山一角,更大的叙事正在酝酿 EP20-你不会想让朋友们都知道你染上了恒生科技吧! 免责申明:本节目的所有内容都并非旨在提供任何形式的建议,包括但不限于投资、税收、会计或法律上的任何建议。 Show Notes 00:13开场:八月市场回稳,但情绪仍脆弱 01:34马克汤从UTMB越野赛归来,野人思考 03:50英伟达循环借贷:银团、数据中心资产化、残值叙事 05:30老黄的残值逻辑 vs 系统性风险(单点违约≠行业安全) 08:50Michael Berry的“大空头”逻辑:折旧造假、电子产品逻辑 13:50为什么A100老卡仍坚挺?推理分层与差异化服务 20:27如何观测泡沫破裂?看A100价格、CDS、存货与应收账款 24:49AI是国运竞赛:David Sacks的“国防部该买单”观点 28:44机器人行业:短期泡沫、运动会表演、长期UBI→UHI愿景 35:23中国推动机器人亲民 vs 美欧恐惧AI 41:56中国洗碗机渗透率低,机器人场景需先打穿单点 47:00模型“斩杀线”:DeepSeek V4成基准,Kimi K3部署成本高64倍 54:46蒸馏之争:张一鸣 vs 拼多多式“先模仿后超越” 01:07:33中国办公AI广告大战,月活数据与员工习惯 01:17:25宏观:美债、日元、石油——无论AI成败,长端利率终将下行 核心观点总结 1. AI资本泡沫争论:八月市场从七月暴跌中回稳,但情绪仍脆弱。英伟达财报带来“镇定剂”而非“强心剂”,市场担心反弹非反转。 2. 英伟达循环借贷与残值叙事:老黄拉银团将数据中心资产化,强调芯片高残值与流动性,但系统性风险下残值可能崩塌,类似债券违约时的股债双杀。 3. 大空头Michael Berry的质疑:他认为科技公司折旧作假,芯片如电子产品快速贬值,但实际中A100等老卡因推理需求梯度和差异化服务仍坚挺,Berry可能脱离技术现实。 4. 中国AI模型的“斩杀线”:DeepSeek V4以极低成本和高能力成为基准,多数模型若无性价比则无存在必要,开源模型梯队分化(如Kimi K3部署成本远高于DS)。 5. 蒸馏争议:中美互相“蒸馏”,张一鸣认为蒸馏难超车,但拼多多式“先模仿后超越”在中国科技界被认可,蒸馏是追赶阶段的合理策略。 6. 机器人行业泡沫:中国机器人一级市场过热(千家创业公司),短期场景不成熟,但长期看好人形机器人与国运级机会,需经历优胜劣汰。 7. 中美AI态度差异:中国积极拥抱AI(机场广告、办公软件),美国民众担忧替代与风险,欧洲漠不关心,反映政策与生活方式差异。 8. 宏观压力:美债长端利率高企,融资成本上升压制科技股估值,但无论AI泡沫破灭还是成功,长端利率终将下行。 EP51 中文逐字稿:https://insights.mossfire.xyz/posts/ep51-who-pays-for-ai/ English transcript:https://insights.mossfire.xyz/en/posts/ep51-who-pays-for-ai/

84 分钟 6k+ 次播放 2个月前

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的单集添加进来吧