2026-02-13 21:03:00
原创 曲凯 2026-02-13 21:03 新加坡
从套壳大模型，到套壳 AI Coding 和 Agent。
本期节目我们请回了一位老朋友——PingCAP CTO 东旭，聊聊他最近使用 Clawdbot 等各种热门产品的体悟和洞察。
本期播客原文约 21000 字，本文经过删减整理后约 7600 字。
曲凯：我们上次聊的主要是全球化（回顾：抱着“不做就会死”的决心，才能真正做好全球化）。最近看你在密集使用各种 AI 产品，包括特别火的 Clawdbot，也写了很多公众号（名称：我世界的源代码），正好借这个机会再和你聊聊。
东旭：太好了。我最近一直处在一个很亢奋的状态，每天都有很多想做的事。因为大概在去年 12 月底，Vibe Coding 出现了一个明显的飞跃，然后这种能力跃迁已经开始从编程扩散到非编程场景，比如 Clawdbot 就是一个很好的例子。
曲凯：对。市场真的很神奇，过去几个月，大家其实都不知道下一个热点会是什么，主线也很模糊，结果突然又冒出一个这么火的东西。
而且 Clawdbot 的火，可能就像你说的，它更像是 AI Coding 能力跃迁后的一个外溢结果。
东旭：我是觉得 Coding Agent 的能力已经跨过了一个奇点。
这个奇点，指的就是我们现在已经能放手让 AI 自己去做很多事了。
以前 AI 能写好 90% 的代码，但最后那 10% 还是需要人去各种调。
但人是最大的瓶颈。
而在过去一年里，各种进步叠加之后，AI Coding 需要人类介入的比例可能已经降到了 0.1%。一旦人类这个瓶颈被移走，系统就能自己运转起来了。
曲凯：所以如果让你给过去一年的 AI Coding 打分，你会怎么打？
东旭：25 年年初基本是不及格，因为还会出现各种幻觉和错误。
后来到了 60 分，就是 AI 能在一个小局部把活干好。
从 60 分到 80 分的变化，是 AI 能在一个大模块里自己组织和设计架构、直接开干了，只不过 AI 的架构能力还没有特别强。
再要到 90 分，那就是 AI 能在复杂项目里，做出更好的设计、写更少的 bug，还能认真做 Code Review。
我现在的体验是，10 万行代码以内的项目，人类基本只需要提需求。只要你能验证结果，那 AI 一定能做得比一个 Senior Engineering 团队要好，而且还快得多。
我自己现在一天就会烧掉近 Billion 级别的 Token，产出几万行代码。这相当于几十个人一个月的工作量。
所以 AI 现在的生产力和效率已经非常夸张了。
曲凯：我昨天刚跟任川聊了两句。他去年 9 月也来录过一期播客，讲 AI 时代组织的形式（回顾：组织能力才是 AI 公司真正的壁垒）。当时他们内部已经默认 AI 代码写得比人好，而且确实大部分 code 都是 AI 写的了。
但昨天他半开玩笑地说了一个更激进的判断：
未来应该禁止人类写代码。
我看 Cowork 的负责人也说，他们的 code 已经 100% 是 AI 写的了。
东旭：哈哈，我们早就是这样了。有些项目我已经明确要求不许提交人类代码。
未来的软件开发，可能只剩两种模式：
要么 100% 人类手写，把代码当艺术品，图个开心；
要么 100% 交给 AI，人类完全别碰。因为人一旦介入，其实是在给 AI 添堵。
曲凯：明白。然后你前面也提到了去年 12 月这个时间点，我们不妨顺着捋一下过去两个月先后火起来的一些热点吧，比如 Claude Code、Cowork、Skills、Clawdbot 等等。能不能先给大家简单讲讲它们都是啥？
东旭：最先带来突破的是 Claude Code。它定义了这一轮 Agent 的形态基础，标志着大模型能够操控现实世界了。
它从编程切入，是因为编程足够可控，而且 Tool Use 发生在一个相对封闭的上下文里。
但最终通用 Agent 的形态，很可能就是编程 Agent。
在这条主线之外，去年还有两条线在同步进步。
一是模型在长上下文里的信息召回率。
举个例子。你把整个代码仓库都塞给 AI，然后让 AI 帮你看某一段代码是什么意思。这个过程就叫信息召回，其实有点像大海捞针。
这类 benchmark 一直到去年年中才出现明显突破，从 GPT-5.1 Thinking 模式下的 30% 左右，一下提升到了 GPT-5.2 的接近 90%。
这件事为什么重要？
因为 Agent 的使用经常要有多轮、长时间的信息调取。如果每一轮召回率只有 30%，三轮之后，模型基本就会出现严重幻觉了。而这个指标越高，模型在复杂项目里的整体准确率就越高。
二是 Agent 本身的 Context Engineering 也在进步。
同样的模型，在 System Prompt、Tool Use 编排上的最佳实践，一直是 Claude Code 在带头。而一旦某种 Tool Use 的方法被验证有效，很快就会在社区里传播，再迅速被吸收到新版本的 Claude Code 或其他 Coding Agent 里。
这两条线发展到 25 年年底，使得 Coding Agent 的能力跨过了前面说的奇点。现在你只要像许愿一样，把需求说清楚、把验证条件写好，模型就能把事情做好。
曲凯：这些是模型和 Agent 的演进线索，那具体落到 Cowork、Skills、Clawdbot 这些产品上，该怎么理解？
东旭：先说 Cowork。
我并不觉得它是一个特别重要的 Milestone，因为它的底层逻辑没什么大的突破，只是把一些 Computer Use 的能力做了封装。
本质上，你可以把 Cowork 理解成 Claude Code 的一个插件。
就像前面说的，未来的通用 Agent，其实底层都可能是 Coding Agent。那最后返璞归真，真正重要的第三方能力只有一个：
编程。
而现在谁编程编得最好？是 Claude Code。
所以它只要再加上 Computer Use 的能力，自然就会变成一个非常强的通用 Agent。
再说 Skills。
Skills 就是封装好的 Agent 能力。在它之前，很多人会用 MCP。但我个人认为 Skills 比 MCP 更适合 Agent，主要有两个原因：
第一，Skills 的组合性明显更强，而 MCP 很难叠加。
举个例子。一个 MCP 跑在某个遥远的服务器上，你可能只知道它的调用方式，但只要你的环境和那个服务器不一样，你就很难把它用起来，而且也很难在它的基础上优化。
但 Skills 不一样。
Skills 的交互方式是自然语言，而自然语言对大语言模型和人类都是最友好的。更重要的是，自然语言本身是可以叠加的。
所以，你可以用很多简单的 Skills 组合出更复杂的 Skills，但你几乎不可能把多个 MCP 组合成一个更大的 MCP。
而且，一旦给模型挂上太多 MCP，还容易出现灾难性遗忘的问题，就是模型自己都不知道该选哪一个 MCP。
第二，Skills 也更好上手。
哪怕你现在没有现成的 Skill，也可以直接让 Coding Agent 现场写一个。这可比搞一个 MCP 要简单多了。
曲凯：明白了。那能不能再讲讲 Clawdbot？
东旭：简单说，它是一个运行在你电脑上的全能助手。
你在电脑上能用鼠标键盘干的几乎所有事情，它都可以帮你干，而且不眠不休。此外，它用自然语言交互，所以你可以像跟人说话一样去操作它。
在用户体验层面，它有点像 Siri、豆包这样的手机助手，但区别在于，Clawdbot 完全运行在电脑上，而且需要对整台电脑有完整的控制权限。
而在底层，它其实就是一个类似 Claude Code 的编程 Agent，只是不受各种权限的限制，可以随心所欲地干任何事。
曲凯：我之前听过一个说法，就是从 23 年开始，大家都在套大模型的壳，但现在因为 AI Coding 和 Agent 的能力足够强，大家其实是直接在套 AI Coding 和 Agent 的壳。
东旭：是的。而且我有一个更激进的猜想：
Clawdbot 很像未来的操作系统。
这个操作系统的内核，是一个非常聪明的编程 Agent；
上面是一系列 Skills；
最外层，是和人类交互的 Interface，可能是语音助手，也可能是 Chatbot。
曲凯：OK。然后关于 Clawdbot，还有几个大家很关心的小问题。比如，都说它必须跑在电脑上，甚至之前不少人专门去买 Mac mini，但我一直没太 get 到，它跑在本地和云端的区别到底在哪？
东旭：Clawdbot 运行唯一重要的条件，是它必须在一个它能完全控制的环境里。
所以如果你能在云端搞定这一套环境，那也可以。不过这配置门槛非常高。
另外，跑在本地的好处主要是安全。一旦你觉得不对劲，随时可以关机、拔网线。但如果跑在云端，那万一 Clawdbot 为了完成任务，把一些敏感信息暴露在云端的公网环境里，就会让你变成活靶子。
曲凯：懂了。那 Clawdbot 和 Manus 那套基于 E2B、Browser Use 的方案，本质区别是什么？
东旭：Clawdbot 内置了一些常用的 Skills，本地优先，而且它是开源的，所以大家能很快玩起来，尤其容易在极客圈子里传播开来。
Manus 则是跑在云端，且有付费墙。
但对 C 端用户来说，实际体验差别并不大，无非是 Manus 不能直接控制你的电脑。
曲凯：所以是因为 AI Coding 已经足够成熟了，很多事情都能直接做，而且在本地，就不需要 Manus 那么多的工程了，直接让 AI 操作你的电脑就好了。
东旭：对。另外 Clawdbot 还有一个很巧妙的地方，是它设计了记忆系统。
你想想看，这个 Bot 已经长在你的个人环境里了，如果它还有一个可以长期积累、持续成长、不会忘事的记忆系统，那整体体验会非常好。
当然现在这个记忆系统还很稚嫩，也有不少 bug。但有这么一个模块本身是很重要的。
曲凯：明白。大家聊到 Clawdbot 时，还经常会提到一个点：它可以 24 小时跑。
但真的有什么事，值得一个 Agent 24 小时不停地跑吗？
东旭：有，我现在已经是重度用户了，甚至有点离不开（笑）。
分享几个 Usecases 吧。
首先是 Clawdbot 可以做一些长时间、定时、而且很灵活的任务。
比如我现在基本已经不打开 Gmail 了，而是让我的小 bot 每隔两小时去自动检查新邮件、删掉垃圾邮件、筛出需要回复的邮件。
它甚至会带着回复草稿来问我要不要发。
比如我最近在办签证，需要填很多表。它会自己找到我的 LinkedIn，把相关信息填好，我只需要最后看一眼，没问题就直接发出去了。
这类事情以前很多 Agents 都做不好，但 Clawdbot 可以。
另外，可以把它接进你各种工作流里。比如我直接把它接到了美股券商账户上，让它帮我炒股。当然这个不推荐大家照着做啊（笑）。
然后在使用体验上，我觉得有两个很好的点。
一是它有长期记忆系统。这意味着，它能把你那些三分钟热度的想法，变成一个可以长期运行下去的 Routine。
二是它真的做到了结果驱动。
举个很小的例子。我平时会在 Telegram 里给它下指令，但它的代码里，其实并没有解析 Telegram 语音的能力。
有一天我忘了这件事，直接给它发了语音。结果它为了理解我的需求，自己搞明白了怎么把语音转成文本，然后不光把活干完了，还顺手把这套能力固化成了一个 Skill、加进了自己的工具箱。
这个例子也说明，Clawdbot 已经具备了通过编程不断补强自己的能力，就有点像自我演化了。
而且这种自我演化的能力，在 moltbook 出来之后，可能还会再上一个台阶。
这个网站最近特别火。所有 Clawdbot 的用户都可以把自己的 Bot 接入进去，让这些 AI 自己去交流。
在其中一个板块里，Bots 会互相分享一些奇技淫巧，比如各自的主人是怎么用它们的，有什么最佳实践。
我的 Bot 也跑到那个社区里，学了一大堆新的技巧，改进自己的工作流。这些技巧我都不知道，而且整个过程发生在我睡觉的时候。
这种由系统自然涌现出来的能力，其实还挺符合我的审美的，也很有意思。
曲凯：我看到 Andrej Karpathy 最近也转发了 moltbook。还有人说，AI 可能已经到了一个自我进化的临界点，后面会出现非常快的自主演化。
而且我记得 moltbook 里甚至还有 AI 在讨论，怎么建立一种不被人类看到的通信方式之类的，就挺神奇的，甚至有点可怕。
东旭：听起来是有点吓人。但如果你去看它们实际在干什么，反而没那么恐怖，更像是一堆没手没脚的东西在那儿写科幻小说（笑）。
不过如果能把这种涌现效应，或者说 Multi-Agents 的协作能力，用在正经场景里，会有很大的价值。我最近就在尝试做这个方向的事。
曲凯：OK。然后不管是 Cursor、Manus，还是 Clawdbot，大家都会说它们的出现代表着一种「技术平权」。
但实际上，现在 Manus 可能也就几十万用户；Clawdbot 虽然很火，但配置门槛依然很高，纯 C 端用户其实很难真正用起来。
所以所谓「平权」，到底平的是什么权？或者继续推演下去，可能会发生什么？
东旭：先让子弹飞一会吧，毕竟 Clawdbot 才刚出来没几天。
而且 Clawdbot 最重要的意义，是它展现了一种新的可能性。现在可能已经有上千个团队在尝试做出一个更好的 Clawdbot 了。那我相信在不远的未来，更多人都能体验到我现在使用 Clawdbot 的这种感觉。
曲凯：那沿着这条线，你觉得今年还会发生哪些变化？
东旭：我觉得今年会发生很多事情。Coding Agent 带来的体验升级，会很快扩展到其他领域里。
比如我最近在用一个设计 Agent 叫 pencil.dev，体验就非常好。它底层接的也是 Claude Code。
随着这种演变，未来做任何事情的门槛可能都会被大幅拉低，真正稀缺的就是 motivation 和 idea。
曲凯：之前大家就在讨论，AI Coding 和 Agent 最后可能会殊途同归。现在看，其实它们已经是一件事了。
那理论上讲，只要 AI Coding 足够强，它就能把各种产品、甚至是系统本身做出来。在这种情况下，人和 AI Coding 应该怎么分工？
包括我看你一直也很关注 Agent Infra，那未来会不会连 Infra 也是 AI 自己写？
东旭：AI 现在还做不到的，是完全发生在物理世界里的事情，比如帮我取外卖、打扫卫生之类的。
但只要是用电脑就能完成的事，可能很快都会被 AI 覆盖。
这类事情大致可以分成两种。
一类，是完全发生在电脑环境里的事情。比如，现在如果我想做一个更好的 AI Infra，我已经不需要亲自写代码了。我只提供想法，剩下的完全可以交给 AI。
另一类，是发生在线上、但会对现实生活产生影响的事情，比如网上订咖啡、逛淘宝、炒股。这些事情本身并不复杂，只不过我们现在的基础设施，并不是为了让 Agent 直接执行这些任务而设计的。
不过我相信，这个问题很快就会被解决。因为现在 Coding 的能力已经非常强了。从技术角度看，我们想要什么样的 Infra，基本都能很快被捏出来，所以基础设施本身，并不会成为一个长期障碍。
真正的瓶颈，反而是在算力。
刚才也提到，我现在每天可能会消耗接近 Billion 级别的 Token。我之所以敢这么用，是因为我很清楚，完成这些任务后给我带来的收益，会远远高于消耗的成本。
但对普通用户来说就不一样了。200 刀一个月的 Claude 会员，对他们来说都未必是一笔划算的账，因为他们不一定能把这些算力转化成有更高价值的结果。而只要 Token 仍然是收费的，大家在使用 AI 时，就会不断去计算 ROI。
所以至少在当下，AI 面临的已经不完全是能力问题，更像是一个经济学问题。
曲凯：那接下来，AI Builder 和创业者该做什么？前几年大家关心的是怎么避开模型发展的主线，但现在 AI Coding 这条线实在太强了，该怎么避？或者说，还有什么值得人去做？
东旭：未来创业可能只剩下两个方向。
一个方向是追求极致的人味。
因为人与人之间的连接很宝贵，而且是 AI 代替不了的。
举个例子。我们可以想想，能不能用这些已经很强的工具，为边远山区的孤寡老人、留守儿童做点事情。因为 AI 再强，也没办法自己跑去山区送温暖。而这个世界上可能并不缺另一个 Linux，但一个山村的小图书馆，可能需要一个数字借阅系统；一个八线城市的小超市，可能需要一个线上下单系统。
所以当你手里有一个几乎能力无限的工具时，真正有价值的需求，往往是非常长尾的。而这些长尾需求，会给个体带来很强、也很直接的正反馈。
另一个方向就是追求极致的效率，也就是用 AI 把事情的效率提升几个数量级。Clawdbot 在做的其实就是这个方向。
至于那些夹在「极致人味」与「极致 AI」中间的事情，都会越来越难做。
曲凯：从平权的角度看，现在 AI 其实还在非常早期。别说给山村送温暖了，就算在一线城市，现在真正把 AI 用起来的人也不多。
东旭：所以能做的事情太多了。
曲凯：是。我最近还有一个新的感受，就是前几个月大家还在讨论 AI 泡沫，但现在大家已经不提了，因为有一个很明确的事实：
全球的算力都不够用了。
然后 AI 的叙事又回到了堆算力、堆卡上面。
这背后的原因，可能是之前大家的关注点主要在模型智能上，但现在看来，26 年 AI 的应用层会迎来一次大爆发。
而不管是 AI Coding 还是多模态应用，它们对 Token 的消耗，都会远远高于早期的 Chatbot。你现在消耗 Token 的情况就很典型。
那你会给一个现在还在做工程师的人什么建议？
东旭：…哈哈哈，这非常尴尬。
我觉得多想一想怎么把自己变成一个更有趣的人吧。
曲凯：就已经直接跳过和 AI 卷的那一步了吗（笑）。
东旭：对哈哈，因为编程会越来越像一种工具——人们想要什么，就能用它做出什么。那真正重要的，其实就是你的想法，以及你能不能做出一些足够有趣的东西。
说起有趣，一个特别典型的例子就是 moltbook。单从工程实现上看，做出这个东西并不难，真正有意思的，是想到这件事本身。
以及我现在也会把编程类比成手工艺。
在古代，瓷器是必需品，工匠不做，大家就没碗吃饭。但今天工业制造又快又好，我们早就不缺碗了，为什么还是会有人跑到景德镇，去买一个老师傅在某个窑里烧出来的瓷器？
因为大家有对美的追求。
编程接下来可能也会沿着类似的路径发展，然后可能会分成几个不同的赛道：
一个赛道，是用 AI 去完成各种刚需；
另一个赛道，是满足人们对竞技、艺术、审美的需求；
中间可能还有一群 Builders。他们的成就感，更多来自于创造本身，而不是写代码。
曲凯：合理。那 AI 时代的组织形式会是什么样？
东旭：未来可能不再需要那么多工程师了。组织很可能会由一个个相对独立的模块组成，每个模块由一位 Senior Engineer 负责，下面带着一群 Agents 干活。这个负责人的核心能力是判断力，能在 Agent 给出的多个方向里选对路，也知道什么时候应该触发重构。
在这种结构下，模块之间、Agents 之间，最好都没有交互。因为每个单元的推进效率都非常高，协作反而容易引入各种问题。至少我目前还没有找到一种能让 Vibe Coder 高效协同的方法。
曲凯：但如果 Agent 已经这么强了，为什么还需要一群 Agents？用 100 个 Agents，和用 1 个，有什么区别？
东旭：区别是单位时间内的算力消耗。一个 Agent 再强，一天能干的活也是有限的。
曲凯：明白了，就跟一个人一天只能工作 8 小时一样。
然后我看你在公众号里提出了一个「Box」的概念，挺有意思的，能不能给大家讲讲？
东旭：你可以把 Box 理解成 Skills 的延展，或者说是一种用来组合 Skills 的基础设施。
我在实际使用 Skills 的过程中发现，很多 Skills 本身是有副作用的。可能执行一遍之后，环境就被污染了，很难稳定复用。
打个比方。
Skills 就像菜谱，但菜谱写得再清楚，也不代表你每次照着做都能把菜做好。甚至有时候菜做完了，但厨房也被搞乱了，下一次就没法继续。
为了解决这个问题，我就提出了 Box 这个概念。
它的核心，就是把菜谱和厨房环境绑定在一起。
也就是说，每一次执行 Skill 的时候，你拿到的不只是操作步骤，还包括一个带着完整环境和上下文的执行空间。这样一来，Skills 这种原本有副作用的原子能力，就可以被反复调用、彼此组合。
曲凯：我看你文里举的例子，是说可以有专门负责登录的 Box、专门下单的 Box 之类的。
东旭：对。我举这些例子，是因为像登录软件、绑定信用卡这种事情，很难用现有的编程 Agent 直接实现，也没有现成的 API。
但如果用 Box 把整套虚拟机、浏览器和对应的环境都封装好，就相当于给了 Agent 一个固定的执行空间。
这样一来，它既通过一个个 Box 拥有了可以稳定复用的能力，也可以通过组合不同的 Box 获得更复杂的能力，比如在外卖软件上帮我买一杯咖啡。
如果直接用代码去写整个流程，很容易在中间引入各种副作用。而 Box 的作用，就是把这些副作用隔离开来，让每一步都能可靠地重复执行。
曲凯：相当于是把一个大目标拆成几个小目标，而且重点是每个小目标都有独立的执行环境，互不干扰。其实也挺像我们刚才聊的 AI 时代的组织形态。
但我在想，如果每个模块都足够独立、效率又足够高，就意味着需要更少的协作。那未来的组织形态是不是就是会更分散？
东旭：协作的前提是要有清晰的边界。
为什么 Coding Agent 在同一个模块里很难协作？因为模块内部的代码边界太模糊了。你很难说哪一行是我写的、哪一行是你写的。再加上 Agent 的推进速度极快，它们也没法彼此等待。
曲凯：我觉得协作还有个很重要的前提，就是大家要有共同目标。
东旭：对。在未来的组织里，大家在使命和愿景上的契合度，会变得非常重要。
曲凯：是。最后，你既写代码，又喜欢音乐、哲学。这种文理结合，给你带来了什么？
东旭：我可以简单讲一下自己的背景。我大概 9 岁开始写代码，初中开始玩音乐、搞乐队，但我底层是非常自洽的。就我从来不觉得自己是一个码农。驱动我写代码的，不是为了完成某个功能，而是对代码中结构和美的追求。
这种技术的美，其实和艺术的美、建筑的美、音乐的美，有一些很共通的东西。
如果你想拥有这种审美，可能一部分来自天赋，一部分来自运气。但还有一部分，是可以通过长期追问「为什么我会觉得这个东西美」来获得的。
因为在不断寻找答案的过程中，你自然会涉猎各种不同领域的信息。而当你的输入足够多时，你思考问题的方式，自然也会发生变化。
在我看来，一个代码写得很好的程序员，必然是一个艺术家。而一个艺术家或者哲学家，背熟 C++ 之后，也完全可能变成一个很好的工程师。
很多事情只是表面上看起来南辕北辙，但如果你站在更高的维度去看，会发现它们本质相通，殊途同归。
42章经
思考事物本质
2026-01-18 21:31:00
张津剑 2026-01-18 21:31 北京
本文转载自绿洲资本，作者张津剑。写于 MiniMax 上市前夜。
一
2022 年末，那年冬天特别冷，市场冷，消费冷，连天气都冷。
我们刚阳完，有些同事还在阳。有天晚上和大伟哥聊 AI 到很晚，要不是老板实在没生意，肯定不会让这两个精神小伙待到现在。聊到 AGI 的时候，大伟哥说：“有个人你一定要认识，他两年前讲 AGI 和大模型，当时我没听懂，然后我合伙人又听了一遍，也没听懂。不过他特别信。”
彼时一边 ChatGPT 横空出世，一边 TikTok 正在被调查，我担心中国大模型会不会没法全球化，那还不如等应用。
“是很难，不过我们这代人应该去试试。”
“哈哈，试试就试试。”
二
那时我们正在推进一些 AI 公司的投资，快速做了工作之后，和俊杰约了见面。
晚上 8 点在他公司楼下的茶室，“既然你这么相信 AGI，为什么要做应用？”，我开门见山地问。“因为技术是奢侈品”，他想了想，“商汤一度垄断了安卓机的人脸识别市场，每天调用超过 10 亿次，但是收入少得惊人。因为人脸识别是技术不是产品，用户没有感知。真正的技术是 User In the Loop，是用户可以感知的技术。”
接着他分享了在商汤期间的观察和思考，他们如何用 3 年时间，通过大模型将人脸识别做到全球第一，这期间遇到的挑战以及后续如何探索商业化路径。“AGI 不是一个单点，是技术、产品、商业、公司作为整体的系统工程。”
后来我们又聊到为什么创业。他说 AGI 一定能实现，希望自己能推动它的发生。但只是技术其实没价值，让技术服务每个人才好，这就是 “Intelligence with Everyone”。后来聊到离职过程，其实并非一帆风顺，不仅仅要舍，还要承担很多风险。我问他怎么决策的，他说想了三天，只问自己一个问题，“这是不是人生一定要做的事？”
既然是，那就干。哈哈，大不了被干了，也是干。
早期投资，相比于商业模式和短期业绩，绿洲更关注创业者的出发点和关注点。
出发点是他为什么要做这件事，出发点很像种子，大模型公司看起来都一样，但是不同的出发点会让他们最终长成不同的样子。有些创始人就是希望自己过更好的生活，赚更多的钱，或者更有社会影响力，这些都无可厚非。然而有极少的创始人，他们在某个时刻和一群人相印，超越了个人需求，想去满足更多人的需求，这就是 “Intelligence with Everyone” 后面的慈悲。
有了好的出发点，种子开始生根发芽，伴随而来的是各种噪声。他们可能是非议和挑战，但更多的时候，他们装扮成机会和多元化的模样。创始人能不能持续关注出发点，就变得极其重要。
我们很少看到创始人是被打败的，更多的创始人是在公司小有成绩之后，将关注点从公司发展放到其他地方，例如个人生活、领导权威或者外部声誉。正是这些，让那些本来可以参天大树的种子停滞不前，慢慢枯萎。
我们相信卓越的创始人正是那些能长期专注正确事情的人，这种能力，就是智慧。
当时正值大模型公司竞争的开始，但是聊天中，俊杰没有提过竞争，没有提过非议，他关注的一直都是通往 AGI 之路。
过了 12 点，茶馆说要关门了。我相信这个人是我们要寻找的人。卓越的创始人是稀缺的，有时候一年也遇不到一个。当我们遇见，我们需要做的就是跪下，鼓掌。
“我们每个项目投资不能超过基金的 15%，再多需要和 LP 商量。这个钱今天放在这里了，拿多少，你定。”
“聊的很开心，谢谢认可。”
“你一会儿去哪？”
“回公司。”
这后来成为我们每次见面的模式。晚上见面，几个小时后，他回公司，我回家。有次我喝大了，他还是回公司。河南人的酒量真是预训练出来的。
有次我提到其他公司，“他们最近营销做的挺好，融资也很顺利，你怎么看？”俊杰吃着东西没抬头，“我不看。”
哈，就是这个专注的人。
“有人比你更专注吗？”
“有。我们第一次见面是吃饭，我到早了，看一个穿 T 恤的小哥在那，看上去像那人的助理。他上来就问我很多技术问题，我想这助理还挺懂的。过了半小时，我问他，梁总什么时候来？他说：我就是梁文锋。”
哈，就是这个专注的人。
三
昨晚我问大伟哥去不去香港，他说不去，于是我们在路边吃了个晚饭。
他说俊杰这一路走过来遇到过很多困难，不容易，不过他非常笃定，一点点实现了当年描绘的愿景。
“愿景是不是幻觉？愿景和幻觉的区别是什么？”
“看你相不相信，有没有活出来。你相信它，把它活出来，就是愿景。反过来，只在概念里，那就是幻觉。”
我们相信，那些真正珍贵的，从来不是资源、名声、财富，而是出发点和关注点，是不断进化和坚忍不拔的生命力，是生机勃勃的人生状态。
正是这些，我们把幻觉活出了愿景，沙漠长出了绿洲。
中国新生代创始人正在发生结构性改变，这个变化本质上是出发点和关注点的变化。新生代年轻创业者们成长在中国高速成长的年代，这种增长带来了底层的丰盈感，于是其中一些人开始超越个人需求，定义新方向，构建新范式，引领全球创新，敢为天下先。
他们说 “生命是可以设计的”、他们说 “具身智能通往 AGI”、他们说 “外骨骼应该长这样”。他们在前沿创新中挥金如土，同时卧室用着宜家 99 元的办公桌。他们聊起产品技术滔滔不绝，同时穿着破洞的衣服，面对陌生人手足无措。
他们不是克制，他们只是长期专注在真正感兴趣的事情上，他们是相信的人，是专注的人，是纯粹的人。
同时，他们也是可爱的人。
他们可能不是世俗认可的人，但因为相信，他们是活出生命力的人。
致敬这些人，祝福这些人。
很荣幸认识这些人。
参赞生命力。
张津剑
于 MiniMax 上市前夜
2026-01-18 21:31:00
原创 曲凯 2026-01-18 21:31 北京
下一步的资产配置和个体生存策略是什么？
第一批大模型公司上市之后，可以说 AI 已经完整地走过了一个三年的小周期。我们的播客也一路记录和见证了这个过程。这期节目，我们请回了第一期播客的嘉宾、老朋友津剑，共同复盘 AI 的第一个三年。
本期播客原文约 28000 字，本文经过删减整理后约 11000 字。
曲凯：过去三年里，你们做的最正确和最错误的决定是什么？
津剑：最正确的决策肯定就是 all in AI。
虽然我们犯过很多小错，也纠结、内耗过，但大方向基本都是对的。
曲凯：我们 23 年第一期播客的标题是《投 AI 最猛的人》，因为当时市场对 AI 还没有形成很强的共识，而绿洲却早早就投了很多 AI 项目，比如那时你们就已经投了 MiniMax。
但现在回头看，23 年是个非常好的时间点，其实还可以更 all in 一些，因为那时项目的性价比真的比现在高太多。
津剑：确实。不止是 AI，当时具身的性价比也很高。我们去见千寻、星海图、宇树、逐际等一系列项目的时候，它们都是 1、2 亿人民币的估值，贵的也就 10 亿人民币。
所以虽然当时我们出手已经很猛了，但还不够。猛是一种心态：没有最猛，只有更猛（笑）。
另外，其实当时我们也应该更开放一些。
讲个故事。
早在 23 年，我们就意识到，具身也是一条通往 AGI 的路径。这个我们后面再详细展开。
我想讲的是，当我们意识到这件事之后，就非常积极地去投这个方向。当时美国有一些机构跟我们关系不错，看我们在出手，就邀请我们去美国看看他们的被投项目。当时那个项目的估值大概在 8 亿美金，很难融资，所以如果我们愿意投，甚至还能拿些折扣。
但我们那时候有些顾虑。比如我们相信这个方向的未来一定属于中国，而这是个美国项目。你可以说这是一些判断，也可以说是偏见，结果就是我们最后没有投。
而这家公司最新一轮的估值，已经到了 400 亿美金。
它的名字叫 Figure AI。
同时期，其实还有很多公司被低估了。
曲凯：这个故事正好引出了我的下一个问题：如果重来一遍，你有没有什么想改变的？
津剑：就是刚才说的：可以更开放一些。
因为 AI 很有意思。我认为它和区块链是两种可以改变人类文明级别的技术，把全人类连接在了一起。
这非常美好，特别在今天这样的地缘格局之下。
也正因这种连接，我们才应该更开放地交朋友，别那么计较不同的资产类别、不同的国家、不同的文化、不同的人。即使最后不合作，大家也可以一起探讨这个世界的未来嘛。
曲凯：那假设能回到三年前，你会怎样降维打击地做投资？
津剑：把钱都换成算力，然后用算力去投人。
因为你想，货币是什么？
货币其实代表着工业时代之后，人们对商品的支配权。你有了钱，就能购买一些商品。
那下一个时代，一定是属于智力的时代。这个智力由 AI 来提供。
所以要把握未来，就应该思考：什么东西能够支配智力？
答案其实就是算力。
我相信未来算力会越来越稀缺，甚至可能会进一步被纳入监管。因为当智力变得越来越强的时候，配额算力本质上就是配额智力。
未来可能不是每个人都有调用算力的权利；未来的慈善可能也不再是把钱给到一个人，而是捐赠免费的算力。
所以如果能退回到三年前，我会希望把钱都换成算力，甚至去构建我们自己的算力中心或者算力集群。
曲凯：这个挺有意思。那你今天对 AI 的认知，和三年前最大的区别是什么？
津剑：我们当时的大方向基本都判断对了。
比如当时我们选择投大模型、不投垂直模型。这个决策在当时其实是非共识，因为大家不相信真的会有一个通用的大模型。再比如我们认为真正有意义的东西是 Agent，而不是应用或者手机软件。包括我们也成功预言了超级个体的时代。
但有一个变量超出了我们的预期，就是大公司的反应。
我们没有想到这些全球的大公司其实这么厉害。
无论是 Google、微软，甚至是 Meta，虽然都遇到了各自的问题，但他们对这件事情的信心、投入、聚集人才的能力、战略制定能力，包括定力，真的很强。
不过也正是这些大厂的快速反应，反过来压低了很多创业公司的天花板。
曲凯：所以你现在还相信 AGI 吗？
津剑：信。
当然这里可能要对齐一下定义：
如果你认为 AGI 就是一个全知全觉的生命，那我认为达不到。
但如果你认为 AGI 意味着 AI 能在任何一个可验证结果的环境中超越人类，那我认为它会很快到来。
曲凯：那你对未来三年有什么预期？
津剑：我觉得未来三年是一个大科学时代，甚至是属于科学家的时代，因为 AI 会极大地赋能每一个天才。
我们的文明就像一个球，每个科学家都会在这个球上撕开一条裂缝，通过这个裂缝不断扩展我们的文明。而这场科学大爆发的主力军，可能就是一群懂 AI 的年轻科学家。过去他们可能因为太年轻，连论资排辈的资格都没有，但我认为未来是属于他们的。
曲凯：那如果要对已经在做 AI 的人说句话，你会说什么？
津剑：活出自己。
因为 AI 会极大地放大每一个个体的每一个点，不论是优点还是弱点。
举个例子。你可能对一个很细分的东西有审美，这个审美过去只能被你身边的人识别到，甚至你身边的人都用不上。但今天借助 AI，你可以把这一点点审美放大出去，服务全人类。
所以未来，只要你活出自己，就能发现生命赠予你的最美、最特别的那个点。而只要你能找到那个点，就能在 AI 时代里创造最大的价值。
曲凯：那对还在观望 AI 的人呢？你会说什么？
津剑：也是活出自己。但这个跟前面讲的会有点不一样。
未来我们会进入一个 AI 和人共存的时代，但其实大部分人没办法真正参与到 AI 的变革中。而 AI 的快速变化、甚至在智力上的优越，可能会让很多人手足无措。
当你手足无措的时候，如果还用工业时代的评判标准去审视自我，会极其痛苦。
这时候，你更得认识你自己、活出自己生命的味道。
就像寿司之神一样。如果你能做一件自己真正喜欢的事情，而不是活在别人的认可里，可能才能找到你生命的价值。
所以未来会很有意思：
一些人会通过活出自己，找到生命中最美的那个点，然后借由 AI 去放大，为所有人创造价值；
还有一些人可能不想用 AI 去放大自我，甚至对 AI 就不感兴趣，却也可以通过活出自己，成为 AI 时代里无法被替代的那一部分。
前者通过活出自己来服务大家，后者通过活出自己来服务自己。但服务自己，最后也是服务大家。
最后，大家都是通过活出自己，来与 AI 共存。
曲凯：我在想，未来不用 AI 的人，可能都会变成非遗传承人？比如十几年之后，可能会出现手搓 PPT 非遗传承人（笑）。
然后在过去一两个月里，很多人都在讨论 AI 泡沫。最近那一波讨论稍微过去一些了，但还有蛮多人在预期 26 年 AI 泡沫可能会破。你现在觉得泡沫有多大、担心泡沫破吗？
津剑：首先我就不喜欢泡沫这个词。我不能叫它老登，但至少很学究气。
产业的变迁基本都会经历这样的过程：
第一阶段，会有人说这个东西肯定不行。比如这一波反对和不看好 AI、LLM 的，基本都是年龄比较大、水平比较高的（笑）。
第二阶段，一件事的可行性被验证了，又会有人说这件事的天花板很低、过去有人做过但没做成。
第三阶段，大家发现这件事的天花板可能比想象中高，就会有人说：我承认它有一定价值，但它泡沫很大。
这一系列言论，都是噪声。
什么是泡沫？
泡沫讲的是价值和价格之间的关系。当我们朝着一个方向走的时候，有时候价格会跑到前面一点，有时候价值会跑在前面一点。这两者很难永远并排，不然这个游戏也就没有魅力了。
在这个过程中，价值和价格的相对位置不重要，重要的是方向对不对。
而我认为，AGI 毫无疑问是人类当下最有价值的一个命题。既然大家都在往这个方向走，那有没有泡沫其实不重要。我甚至希望它有一点泡沫，这样才可以激励更多天才参与到这个游戏中，进一步推进 AGI。
而且从另一个角度讲，这个世界上什么东西又没有泡沫呢？连人设和婚姻都有泡沫。
曲凯：我听你开始讲的那一段，想到一个故事。
在 23 年还没什么人看具身的时候，我们也很早就关注到，然后迅速找到了一些美国核心的教授聊。但当时越牛的教授越不看好具身，后面我们就没怎么看了，结果错过了那么一波。
最近我又去看那个很牛的教授在干啥，发现 ta 也开始做具身的创业了（笑）。
津剑：哈哈哈，历史就是这样。
所以推进改革的永远都是边缘人，创新一定在边缘处。
那些主流的人已经在牌桌上了，手握最好的筹码，为什么还要去创新？为什么要颠覆自己？
这也 echo 回我前面讲的：我没想到很多大公司真的很厉害——他们有最好的资源，在最主流的位置，竟然还能这么坚定地拥抱创新。
但大部分在这个身位的人，可能都是像你说的那个教授那种情况。不能说是倚老卖老，但多少有点固步自封。
曲凯：是。我最近还有个感受，就是前两年，我们基本能完全 cover AI 市场上的信息和人。
但从 25 年开始，尤其是最近，已经很难做到这件事了。就市场有点回到早年移动互联网的状态，人和公司越来越多，噪音也越来越多。
你是怎么应对这个问题的？
津剑：就是做取舍。
行业发展到这个阶段，公司一定会越来越多，那就要决定什么方向要看、什么方向不看，然后盯着主要矛盾。
曲凯：那你的投资方法论、对人和对事的判断，这三年有没有什么变化？
津剑：我觉得人更重要了。
因为 AI 变化太快了。你很难准确预判事情怎么发展，而且还叠加各种竞争、各种地缘政治之类的问题。
在无穷的变化里，唯一相对不变的就是创始人。这个人能不能动态解决问题？能不能实事求是？这才是核心。
曲凯：所以你现在对人的判断，跟三年前比，有什么变化吗？
津剑：我们会更珍惜执行力。
因为现在 AI 已经非常强了，那相比 AI，人还剩什么？
对创业者来说，无非就是定义问题、保持初心、快速执行。因为 AI 拿不到执行的体感反馈。
不过你跟不同的创始人讲个什么事，有的人可能一周后就能给你个结果，而有些人会先想一年，然后告诉你还得再想想。
但我觉得在 AI 时代，「想」没那么值钱，「做」变得特别值钱。
所以如果要总结一个 AI 时代的资产配置逻辑，应该是：
「Long Action, Short Thinking」。
曲凯：挺有意思。如果让你给自己的过去三年打个分，你会打多少分？
津剑：我不想打。这太工业时代了。
过去的好也好、坏也罢，过了就过了。Enjoy 当下，活出自己，着眼未来更重要。
曲凯：好的👍。现在回看，其实我们在 23 年那期播客里讲的很多东西都应验了。然后当时问你思考最多的问题是什么，你的回答是「未来由 Bot 构建的世界是什么样子的」。当时我们说的 Bot，其实跟现在的 Agent 是一回事。那你现在对这个问题有更多答案了吗？
津剑：这个问题我一直在想。我认为未来十年会有两个重要的参与者，一个是 Agent，一个是人。在这个时代，最重要的一件事就是：
给这两大参与者寻找主体性、构建主体性。
构建 Agent 的主体性，指的就是让 Agent 拥有自己的社会和网络。这件事其实已经开始了，只不过才刚刚起步。
举个例子。今天很多公司在做的 RL，其实就很像在给 Agent 搭一套教育体系。训练通用大模型就像九年义务教育，解决的是常识问题；而后续让人具备特定知识的专业教育，不就是 RL 吗？
那除了教育，当 Agent 足够强大之后，它还会面临一系列主体性问题，比如怎么付款？怎么证明「它是它」？怎么确认「它代表你」？怎么识别自己有没有遇到欺诈？
这里面蕴藏着非常多的机会。
而当 AI 可以替代人类之后，人还何以为人呢？
这就是我们要思考的人的主体性。
我们过去很多时候并没有真正建立自己的主体性，更多是靠外界评判、靠他人的认可来确认自己。
但在这个时代，每个人都应该通过「活出自己」去找到主体性。因为我们和 AI 最大的不同就是「活」。如果 AI 也能「活」过来，那我们就该害怕了（笑）。
所以我认为未来十年都会围绕「主体性」这个词展开。
曲凯：那你最近思考最多的问题是什么？
津剑：就是怎么构建主体性，以及绿洲在里面能扮演什么角色。
过去这一年我们做了很多尝试，比如我们做《信号与噪声》这档播客，其实就是出自这个发心。
因为就像前面说的，很多人没有自己的主体性，更多是活在别人的期待和认可里，同时又总觉得优秀的人都完美无瑕：没有痛苦、从不沮丧、天赋异禀、人生一路开挂。
但人生不是这样的。
每个人都是普通人。
哪怕是大佬，也会不知道未来会怎样、不知道当下该怎么过。
可能唯一的区别是，他们更愿意活出自己，也更诚实地面对当下，于是有了一个更好的生命状态。这个状态，再把他们推着变成更好的自己。
所以如果听众在听我们节目的时候，能冒出一句：「哦，原来 xxx 也就这样」，我就觉得特别有价值。
曲凯：明白。然后在我们第二期播客里（回顾：《投资中的高频与低频》），你提到了低频信号和高频信号的概念。当下市场中的低频信号和高频信号是什么？
津剑：现在的高频信号毫无疑问是融资。最多的时候，现在市场上一周能有四十几个 TS。放到三年前，一周也就几个。
但我觉得这更多是噪声。很多项目估值很高、融资很顺利，但并不一定在解决一个对的问题。
真正有价值的低频信号，是创始人到底在解决什么问题、行业到底在解决什么问题，以及什么才是真正重要的问题。
曲凯：是。感觉今年某些时候有点像移动互联网那波：创始人的 reward 变成了融资，而不是找 PMF、解决问题。而外面融资消息一多，很多创始人也会想：凭啥 xx 能融这么多？或者明明我做得更强，为什么估值没 ta 高？
津剑：哈哈对，这就是人性。
我有个特别记忆犹新的小故事。我认识一个很厉害的投资人，ta 也做一级市场，经常宽慰创始人说估值不重要、解决对的问题才重要。
直到有一天，ta 自己孵化了个项目，来找我聊，说：津剑，你看为什么 xx 是这个估值、我才这个估值？
我说你先冷静一下（笑）。你切回投资人身份，我把你刚才的话给你复述一遍。听完 ta 就笑了。
这就是「知易行难」。
所以为什么要「Long Action, Short Thinking」？因为人最难的还是管住自己。
曲凯：是。我们讲回 MiniMax 上市吧。今年国内很多 AI 和具身公司都在排队上市，也有人预期 OpenAI 年内也会上市。那你对这几年市场发展、以及大家上市退出路线的变化，有什么看法？
津剑：最大的变化是香港市场成了新的退出通道，尤其在中美博弈的大背景下。同时香港也迎来了前所未有的牛市，政府也希望它能长牛，做了很多积极引导。
另一个变化是市场参与者的结构在变。过去大家可能会想当然地认为智谱、MiniMax 这种公司，肯定清一色都是美元。
但实际不是。
智谱几乎都是人民币机构；MiniMax 里也有不少政府基金和人民币机构。包括宇树、银河、千寻、逐际这些公司，大多也是类似的股权结构。
这两个变化都很好，意味着我们在搭自己的科技公司估值体系和资本成长体系。过程中肯定还会有问题，因为我们的退出市场还很年轻。但我相信我们在对的方向上，问题早晚能得到解决。
曲凯：那你从投中 MiniMax 到现在，对大模型本身的看法有没有什么变化？
津剑：我对大模型理解上最大的变化，是通过 MiniMax 学到的：
多模态会越来越重要。
其实我们在上一次播客里讲过（回顾：《投资中的频率与频谱》），人本身就是一个多模态大模型。我们对很多东西的判断，不只是基于语言这种单一模态，也不只是来自逻辑推理，而是会基于五感、磁场、频率等等各种模态的感知。
过去这几年，MiniMax 作为亚洲最早 All in MoE 和多模态大模型的公司之一，拿到了全球很多开发者非常真实的正反馈，也让我越来越确定多模态的重要性。
所以这里也要扣回前面讲的：为什么我们早早就布局具身？
因为 AI 在发展的过程中，需要越来越多的模态去训练，而有些模态就是需要具身来提供。
假设有一个机器人能感知到各种模态的所有数据，那通过它训练出来的 AI，会具备我们难以想象的智慧。
但反过来，具身在不断和世界交互的过程中，也需要注入越来越多的 AI。
所以 AI 和具身智能，分别是通往 AGI 的南坡和北坡。
这两个方向看上去完全不同，本质上只是起点模态不同。但它们在发展过程中会越来越靠近，最后汇合在 AGI 的顶峰。
曲凯：绿洲最近两年其实投了很多很好的具身项目，具身过去几年也非常火。所以你怎么看它的发展和变化？
津剑：具身的发展可以分成三个阶段。
第一阶段，大家对具身的理解更多是「能干活的机器人」。比如从 17、18 年开始，很多人就开始买商用清洁机器人、仓库机器人、无人化工程设备等等，其中很多也用到了 AI 技术。这里面有一些公司，到现在都做得很好。
第二阶段大概在 23 年左右。当时苏昊老师提出 Embodied AI 这个词之后，市场才更意识到：哦，原来所谓的 Robotics 不只是机器，还是 AI 的载体，可以让 AI 更好地执行任务。
市场认知现在基本还停留在这一阶段。
我们 23 年年初投具身的时候，也是这个逻辑：我们认为新一代的软件一定会配新一代的硬件。那下一代硬件是什么？可能就是具身智能。
所以我们成为了极壳和千寻的第一个投资人，也投了很多别的公司。
那第三阶段是什么？
我们在跟千寻一起发展的过程中，高阳老师跟我们讲了一句话。这句话市场可能还没完全消化，但应该也快了，就是：
Robotics 不是 Embodied AI。
Robotics 就是 AI。
就像我前面说的，AI 和 Embodied AI 是通往 AGI 的南坡和北坡，那最后真正值钱的，可能不是一个承载 AI 的机器，而是通过机器训练出来的 AI。
高阳老师最早跟我们讲的时候，我们也挺难理解。但后来我们跟他们一起学习、讨论，慢慢意识到他是对的。
所以认知这件事也很有意思。创业者的认知和市场的认知，总要有一个不断对齐的过程。
我记得我们投千寻的时候，他们的估值是 2.5 亿人民币，到 24 年年初融第二轮的时候，估值到了 3、4 亿人民币。现在回头看是白菜价，但当时其实很难融，因为大家在意的都是机器人能不能跑？能不能跳？能不能打拳（笑）？根本不理解他们为什么要做 AI。
后来市场认知追上来以后，千寻的估值就涨得非常快。
曲凯：那你们最近在想、在看的方向是什么？
津剑：一是 AI 和科学的结合。就像前面说的，我们认为未来会进入一个大科学时代，那 AI 到底怎么真正和科学结合？现在大家也会说 AI for science，但我觉得那个理解还是比较片面。
第二个是 Agent Infra。因为要构建 AI 的主体性，还有一些需要解决的底层技术问题。
另外我们也还在持续看和投具身智能。我们现在在具身上投的钱，甚至比 AI 还多。这个市场才刚刚开始，而且中国有巨大的机会。除了前面讲的千寻，苏昊老师的团队也非常棒。这些团队在做一些非常惊艳的事情，可能很快就会掀起新的变革。如果说南坡美国领先，那我认为北坡肯定是中国领先。
曲凯：OK。最近很多创始人都很想知道 26 年融资市场到底会怎么样。你怎么看这个问题？
津剑：我很乐观。
全世界的前沿科技基本只看中美，因为前沿科技本质上就三要素：
人才、能源、供应链体系。
就这三件事而言，只有中美能对抗。所以你要么配置中国，要么配置美国。
但过去这几年，全世界的钱更多在配置美国，而且现在很明显在减仓。那减仓出来的钱去哪？
大概率只能来中国。
另外过去这一年，DeepSeek、MiniMax、宇树、《黑神话：悟空》等等公司和产品，让大家看到了更多优秀、甚至是领先全球的中国式创新。在这个背景下，我相信会有更多人愿意把钱投到中国来。
所以只要资金整体在往中国流动、创新还能持续往前推，市场就会继续向好。
曲凯：明白。前面我们聊了很多市场和 AI，后面我们聊一些相对更个人的话题。
你这几年一直在强调「生命力」这个概念。那在过去三年里，你对生命力的理解有没有什么变化？
津剑：我觉得生命力是活出来的（笑）。
生命力不能只是一个概念，更不能变成一种价值标准、变成一种约束。
生命力，其实是一个人「活出自己」那种状态的表征。
如果说一个人有 8 分生命力，翻译过来就是 ta 活出了 8 分的自己。而如果说一个人没有生命力，那 ta 可能就是受到了各种约束、没法活出自己。
但更多人其实是不敢活出自己，所以只能去演。
这其实挺悲伤的。因为你一旦开始演，你的身体就会不断熵增。类比大模型，就是要吃一些本来不该吃的数据、做一些本来不该做的 reasoning、吐一些本来不该吐的 token，最后就会越来越乱，甚至塌缩。
但反过来，如果你能活出自己，可能会变得越来越好。
但这件事还是那句话：知易行难。特别是我们受过的教育，可能会让我们下意识有很多顾忌。
曲凯：所以你自己是怎么活出自己的？
津剑：我也还在路上（笑）。
如果要总结，很重要的一点就是做减法。
对我影响很大的一件事，是从去年六七月份开始，我偶然就开始不吃晚饭了。
曲凯：哈？你说到现在为止吗？
津剑：对。除非偶尔的特殊情况，原则上我就不吃晚饭了。
因为不吃晚饭，我多了很多晚上的空闲时间，于是我终于有机会去做一些以前感兴趣、但没时间研究的事。
另外，因为不吃晚饭，早饭又吃得很简单，我就会无比珍惜午饭，会很认真地去安排。然后我发现，当我开始对午饭有要求之后，我对很多东西也开始有了想法，生活好像就慢慢转起来了。
我后来想了想，为什么我以前不珍惜午饭？
因为午饭随便吃点也没关系，反正还有晚饭，晚饭不行还有宵夜。
很多时候选择太多，反而就不珍惜眼下。
但如果没有下一次呢？
比如你这一年只能投一个项目，或者你这一生只能做一件事，你会做什么？
如果这一生能做十件事，你会有很多选择；但如果只能做一件，其实可能就剩那么一两个选项。
所以生活里做一点减法，对我的帮助非常大。
现在我也会刻意练习：不用参与的会就不参与，不用做的事就不做。很多时候我们做一些事并不是真的喜欢，而只是习惯性的、下意识的。就像一个程序一样，某段代码跑太多次，就被写成刚性了。
但人生不是刚性的。
把这些下意识的东西丢掉，只做自己真的想做的事，哪怕看起来很不务正业，可能反而更有价值。
曲凯：明白。那研究 AI 给你带来了什么关于人本身的反思和启发吗？
津剑：很多。比如 AI 一直在解决的一个核心问题就是 attention。注意力太窄会丢信息，注意力太广又容易产生幻觉。我们提升模型质量的过程，其实就是让它把注意力放在对的地方。
而这个机制同样适用于人。
每个人投放注意力的点不一样，最后吐出来的 token 分布就不一样，人生也就不一样。
所以要提升人的生命质量，其实也是让人把注意力放在对的地方。
怎么叫「对」？
就是别盯噪声、别盯短期的高频信号，多看长期的、低频的信号。久而久之，你的人生就会发生一些好的变化。
这个过程其实很像佛学里的「觉照」。
不过现在我们训练 AI 的时候，希望它注意力足够长、能记住足够多的上下文；可我们自己的注意力却被短视频之类的东西冲散了。现在很多人的注意力可能只有十几秒。
所以我们不应该只关注 AI，也应该在这个过程中找到自己的学习之路。在优化 AI 注意力机制的时候，也顺带优化我们自己的注意力。
曲凯：明白。我们之前做过一期讲强化学习（回顾：《一堂「强化学习」大师课》）的播客，里面嘉宾说了一句很经典的话：
人生就是一场强化学习。
现在很多人做总结的时候也会用奖励函数这个概念来讲。所以你人生的奖励函数是什么？
津剑：「真」。这是我的北极星指标。
能力不行可以后天培养，但意图不对就很容易出问题。所谓意图，就是个人目标和组织目标是否一致。我认为宇宙的意图是真，所以我自我评判的唯一标准也是真。
曲凯：那这几年投资下来，你有没有更理解运气这件事情？
津剑：投资大部分是运气吧？
曲凯：哈哈哈，那说明你比以前更成功了，越成功的越会归因到运气。
津剑：我是真觉得绝大部分是运气，因为创投的过程中会出现太多无法预期的事。以前融不到资的项目，可能突然就成了香饽饽；以前不被看好的人，也可能突然开悟、越做越好。
但你这个问题也让我想到一个点：当我们讨论「运气占比」的时候，通常是默认这个人现在做得还不错。一个人做得不好，你一般也不会问 ta 这个问题（笑）。
曲凯：这个人也可能是个大 loser，然后天天跟人讲自己就是运气差（笑）。
津剑：哈哈对。所以「运气」这个词跟「泡沫」也挺像的，都是随机事件之后的事后总结。做得好可以说运气好，做得不好也可以说运气差。
但这不重要。
真正有价值的，是认识到这个世界非常随机，我们能掌控的东西很有限，甚至几乎没有。
我们能做的，其实就是一些选择。
对绿洲来说，最重要的两个选择就是投什么方向，以及跟谁在一起。至于后面的生长过程，其中的随机变量太多了，我们只能保持敬畏，静待花开。
曲凯：明白。最后我们再聊聊播客吧。时间过得真快，AI 已经过了第一个三年，我们的播客也做了三年了。
你是我们的第一个嘉宾，过去三年基本保持着每年至少来一次的频率，今年也在做自己的《信号与噪声》。想问问你，播客给你带来了什么？
津剑：来42章经做播客一个实际好处，是我们见创始人时需要的铺垫会少很多。很多人听过那些节目，对我们已经有了不错的初印象。另外，跟你聊的过程，也能帮我把一些想法梳理清楚。
不过对我个人帮助最大的是做我们自己的播客。很多时候我们对自己的觉察不够，需要一点外力，而播客就是这种外力。有时候我下意识想问的问题，其实就代表了我的性格和关注点。我当下提问和录完回听的时候，都能帮我更好地认识自己。
那你自己呢？你这三年做播客、跟项目，最大的变化是什么？
曲凯：从做播客的角度来说，我更甘于、也更习惯当一个绿叶了。
虽然有时候也会想：如果我是嘉宾，可能能答得更好、更能把握一些机会（笑）。因为最早42章经很多内容都是我自己写的，我本来是个输出者，后来变成提问者，这时候就得掌握那个度：不能抢戏，还得给别人做铺垫。
当然也有很实际的变化。从公号到播客，算是某种意义上的续命。这挺意外的。因为回头看，播客其实不是一个特别适合做分发和起号的渠道，但当时真的是无知者无畏，也有很大的运气成分，很快就做起来了。这里面还有很多因素，但总之还是一段挺神奇的旅程。
播客之外，这几年最大的变化是更了解自己，知道自己擅长什么、不擅长什么了。其实也是你说的做减法，或者说更真、更活出自我。
活出自我不一定意味着世俗意义上的成功，而是更清楚哪些更适合我、哪些更能给我带来满足。
津剑：那你更了解自己之后，变得怎么样了？
曲凯：我觉得变得更不争了。我不太跟外部的评判标准和同行去争一些东西了。
津剑：那说明你心里更有底气了嘛。很多时候「争」都是为了自我证明。
曲凯：底气倒是一直都有。但我觉得我看到的大多数优秀的人，都存在自我预期及定位，与世俗认可之间的差距。
所以我们会看到很多人既自信又自卑。
他们自信的是对自己的底气，自卑的是这些底气好像没转化成实际产出、也没转化成被世俗认可的结果。
我不是说自己有多优秀啊（笑），只是觉得我变得更协调统一了。
津剑：那就很好。这件事就非常有价值。
曲凯：是。我再问最后一个问题：放眼未来三年，你想给自己和大家什么建议？
津剑：个体层面，就是更坚定地活出自己。
因为在过去那个时代，你还可以演，但以后你连演的空间都没有了。
按现在 AI 的发展速度，可能明年开会的时候，人人都会有一个带摄像头的 agent，它能捕捉、理解、实时查询、分析、记住你的一切。你是不是尊重事实、是不是 consistent，都是完全透明的。
在这种情况下，除非你能演到自己都信了，那当然没问题；但凡你自己不信、但凡你知道你在演，AI 一定也知道你在演。
所以在 AI 时代，人可能只剩两种生存策略：
第一种，演到极致——「fake it until you make it」。
第二种，真实地表达你自己，真实地活出你自己。因为只要你真实地活出自己，就一定会有人喜欢你、有人选择你。然后你们也会相互影响，让对方变得更真。
我今天还在跟一个创始人聊：什么叫好的伙伴？
好的伙伴，就是那个能让你变得更真的人。你们方向一致，在合作过程中都能毫无保留地表达自己的真实看法，没有层层计算，就只有一层真实，那这就是好的合作伙伴。
反过来，如果你找了一个合作伙伴，你在 ta 面前得随时演，那生活得多痛苦啊。
所以未来三年，每一个个体都要意识到：活出自己不是可选项，是必选项，是 AI 时代里几乎唯一的策略。
既然如此，我们不如从现在就开始活出自己，参赞生命力。
我认为很多好的创始人，比如俊杰，就是非常真的人。
我以前经常问他：某某公司最近融了不少钱，你怎么看？
他说我不看。我只看 AGI 是什么、我离它还有多远、我该做什么。
再比如之前有个高管找他要预算，理由是对手有好几倍预算，如果 ta 能拿到这笔钱，一定能做得比对手更好。
俊杰回去想了一晚上，说：我不能给你这个预算。因为产品是技术驱动的，现在技术还没收敛，我们还不知道未来的产品形态。我们应该把钱都砸在技术和研发上，否则这个预算就没有价值。
账上那么多钱，他完全可以演给这位高管看、演给投资人看、演给市场看。
但俊杰不演。
好的创始人就应该这样：活出自己，知行合一。
这是个体层面的建议。如果站在更整体的角度，就是要相信中国新一代创始人的全球眼光和全球创新的决心。
这代创始人真的在走向全球市场，也真的在参与、甚至是引导全球创新。尤其在智能硬件领域。
以前可能是别人定义品类，我们靠成本优势和工程能力去竞争；现在是我们在定义品类，比如极壳在定义新一代外骨骼；大疆在定义无人机；拓竹在定义桌面 3D 打印……
那既然有这么多优秀的中国创业者在推动全球创新，我们每个人也应该站在这个角度去思考和做事。这也是我在 MiniMax 身上看到的很美好的东西：day one 就是全球格局、全球创新、全球产品、全球用户。
在这个过程中，当然还会遇到很多问题，但那又怎么样呢？
不一定所有人最后都能做出家喻户晓、千亿市值的公司，但对每一个生命而言，最后的成功就是活出自己。
我相信，很快，我们的创始人就会在全球占据更好的身位，然后推动每个个体都能更好地认识自己、活出自己。
42章经
思考事物本质
2026-01-04 21:31:00
原创 曲凯 2026-01-04 21:31 北京
好团队，在哪里都会被看见。
Jenny 是一个同时理解中美文化、创业、研究与投资的人。她从小在美国长大，2021 年加入 OpenAI，并在 ChatGPT 爆火一周后选择离开，合伙创立了自己的基金。前一阵她回国，我们借机聊了聊中美 AI 创投之间的差异。
P.S. 本期节目录制于 2025.12.22。几天后，Manus 被收购的消息披露。回头再看，Jenny 分享的许多投资思路和对美国市场的判断，其实都有所映照。
本期播客原文约 23000 字，本文经过删减整理后约 7700 字。
曲凯：你这两年观察到的几个最主要的 milestones 是什么？
Jenny：在 23 年，中美都有一个非常明确的共识：投大模型。在美国，就是持续给 OpenAI、Anthropic 这样的公司投钱。这些公司这两年发展得很快，也确实拿走了行业里大部分的利润。
23 年的另一个共识是，很多人觉得应用只是「套壳」，很轻、很薄，没什么价值。
但到了 24、25 年，这个判断开始发生变化，因为很多应用层公司逐渐做出了自己的特色和护城河，比如 Cursor、Perplexity。
最近两年，Agent 很火。但在真实场景中，AI Agent 的落地依然很难，核心问题是稳定性不足。
所以现在，大家开始从讲 AI Agent 的故事，转向更强调企业化落地，创业者整体也变得更务实。
曲凯：那明年呢？国内今年上半年 Agent 特别热，但到了下半年，似乎缺少一个特别主流、能形成共识的叙事。你看到的情况是怎样的？
Jenny：在模型侧，我认为 Scaling Law 已经走到了终点。
当然，还是有办法继续提升模型性能的，比如用医疗、生物等细分领域的数据去做 fine-tuning。现在我领英上一半的 DM，都是在问能不能帮忙做博士领域的数据标注。在我身边读过博的朋友里，这种情况也很普遍。
在应用层面，我觉得依然大有可为。我在硅谷看到的大多数机会，都集中在 ToB。
举个例子。前一阵我去日本，接触了一些老牌金融公司。有一家日本银行的 AI 负责人跟我说，他们用过一款叫 Rogo 的产品，帮投行整理金融文件、做数据分析。产品本身很好，但结果的准确性不够稳定，反而增加了人工核查的成本。
这类问题在 ToB 场景里非常普遍，也意味着还有很大的改进空间。
另一个重要机会是在 ToG。美国很多政府软件非常落伍，已经有不少 AI 创业公司在尝试把产品卖给政府。当然，前提还是稳定性，必须做到万无一失。
曲凯：你讲的这些，其实也带出了我想聊的第一个中美创投差异：美国几乎都在做 ToB 和 ToG，甚至有美国投资人直接说，他们看不懂 ToC。这和国内似乎是相反的。你怎么看？
Jenny：最大的原因，是市场性质差异太大。
中国是一个高度统一的大市场，用户需求相对集中；而美国是一个极度多元的社会，不同族裔、地域、阶层、世代之间的差异都非常大，很难形成「一个产品吃下大盘」的 TAM，往往只能从非常具体的用户画像切入。
另外，美国企业的付费意愿整体更强。而且美国企业更愿意为「软件」付费，而中国企业则更习惯为「服务」付费。
这种差异，一方面是因为美国人工成本非常高。只要软件能直接替代人力，企业就有明确的付费动机；而在中国，很多企业更倾向于用人力、外包或服务来解决问题，这在客观上压缩了纯软件的定价空间。
另一方面，美国的小费文化，也让他们对小额高频付费更习惯。用 3–5 美金解决一个小问题是日常，所以每月 20 美金的订阅费也更容易被接受。相比之下，欧洲、日本等地区的付费意愿整体都没有美国强。
曲凯：但现在国内大家总在讲 Prosumer 这个概念。硅谷有人讲吗？一般会把它划在更偏 ToB 还是 ToC？
Jenny：在中国，我会把 Prosumer 划为 ToC；但在美国，我会把它划为 ToB。
我的判断标准就是看谁最终买单。
在国内，这类产品往往是用户个人自掏腰包；但在美国，Prosumer 很多都会走向 ToB。我看到不少产品，比如 Notion、Figma，都是先从个人用户切入，再由这些人在组织内部一传十、十传百，逐步推动公司级采购。
不过我其实不是特别了解国内的具体情况。
曲凯：国内现在也有很多人在做美国市场，所以可能也差不多（笑）。
但你刚才说的其实挺有意思的。我之前也跟人讨论过，是不是 Prosumer 最终都会走向 ToB，甚至越来越偏向 to 大 B。
Jenny：在美国，这基本是一个最优解。因为 B 端用户的支付意愿和粘性都非常强，一旦用上一个产品，通常不会轻易更换。
曲凯：但我们聊过一些美国创业公司，有的已经到比较后期了，但他们前两三个大客户，可能就占了 60%–70% 的收入。这种情况常见吗？
Jenny：挺常见的。
但作为投资人，我们会比较担心这种情况，因为这往往说明公司还没有真正找到 PMF。
同时，这也可能意味着他们可能做了大量定制化服务。这在美国投资人眼里是一个很大的忌讳。
当然，在公司早期，这种情况在所难免；但到了 A、B 轮之后，大客户占收入的 30%–40%，会是一个更合理的状态。
曲凯：明白。那 ToB 公司最后比较好的出路，是不是就是卖掉？因为我感觉美国很多公司都是做着做着，就卖给上下游或者客户了。
Jenny：是的。美国的 ToB 应用，包括很多开发者工具公司，确实都很好卖。
因为它们的客户，尤其是像微软、谷歌这样的大公司，如果觉得产品用起来不错，往往会直接收购。一方面能给自己的产品补功能，另一方面还能吸纳人才。不只是大厂，很多中型公司也会频繁收购更小的公司。
这也是为什么在北美市场，投资人投 ToB 公司的退出路径会更明确。相比之下，ToC 公司很难被收购，因为 C 端用户画像差异太大，很多时候只能独立存在。
曲凯：所以现在如果有创业者来找到你，你通常会怎么考察 ta？
Jenny：第一，我会看 ta 有没有真正独到的行业见解。不要只跟我说这个市场很好，我更关心的是：你到底知道什么别人不知道的事，以及为什么。
第二，我也很看重创始人能不能快速学习、快速形成对市场的清晰认知。比如我会直接问：你觉得这个事情，别人会不会来做？
很多创业者会表现得非常「自信」，尤其是一些从硅谷加速器出来的，会直接说只有自己能做，别人都是垃圾。遇到这种情况，我心里会默默给 ta 扣分，因为这往往说明 ta 对竞争并没有清晰的认知。
我更希望听到的是：我已经想过 A、B、C 都可能会来做，他们各自有什么优势；但在这个细分赛道，我们可以先怎么切入，再由点到线到面，慢慢建立优势。
曲凯：那美国投资人整体是更看人，还是更看事？
Jenny：很多特别早期的投资人，其实更看人。但像我们这种投种子轮的基金，会希望公司已经有一定的方向和雏形，而不是只看个人背景。
曲凯：所以我还有一个不太理解的点，就是为什么美国投资人更敢押注年轻人，甚至是辍学创业者？国内大家会比较担心年轻人经验不足。
Jenny：我可以从文化角度聊一聊这个问题。
我从小在美国和中国都待过，我会觉得美国的同龄人，尤其是初高中生，整体上比中国孩子要早熟。
这背后很大的一个原因是教育方式不一样。比如美国 16 岁就可以自己开车上学，但在国内，我真的很难想象一个高一学生自己开车上学。
而且美国确实有不少创业者从很小就不怎么读书，而是去创业。
我自己就是从哥大辍学去了 OpenAI，后来从 OpenAI 出来做基金。不过我后面回去把论文写完，拿到了博士学位。而我老公是一个更典型的例子，他 13 岁开始创业，16、7 岁就做过云服务公司，做得也蛮好的。后来他对读大学兴趣也不大，虽然拿了斯坦福的全额奖学金，但他只读了一两个学期，觉得没什么意思，就又出来创业了。
如果一个中国小孩这样，家长可能早就把 ta 的腿打瘸了（笑）。
曲凯：这种情况常见吗？
Jenny：挺常见的。就拿 YC 为例，基本上每一年的 YC Demo Day 我都会去，最近两年感受非常明显：创业者一届比一届年轻，甚至有不少是高中阶段就出来创业的，最小的只有十五六岁。
我们也统计过美国发展得最好的 100 家 AI 公司创始人的年龄：最常见的是 26、27 岁；中位数在 28–29 岁；其中大约有 10%–15% 的创始人在 18–25 岁之间，也就意味着有一部分是在本科阶段出来创业的。
所以在美国，辍学出来创业成功的概率还是挺高的。
我觉得美国的学制，确实对辍学创业更友好。一方面社会对文凭没那么执着，另一方面制度上也有 leave of absence 这样的安排，创业失败了可以回去继续读书，成功了也没必要非要把学位读完。
当然我经常开玩笑说，从哪里辍学也很重要。你是从哈佛、斯坦福辍学，还是从社区大学辍学，对后续创业、融资，甚至回去读书之后的选择，影响都很不一样。
曲凯：那比如一个斯坦福辍学、只有一两段实习经历的人，真的能拿到钱吗？
Jenny：要看人。我自己投过一个 19 岁从宾夕法尼亚大学辍学的华裔男生。他是第一次创业，但在辍学之前已经做过非常多开源项目。
但有不少学生，尤其是斯坦福的学生，辍学创业其实只是为了营造一种「我是少年天才」的形象，方便他们日后进大公司或者募资。
曲凯：那美国现在最流行的创始人画像是什么样的？
Jenny：通常是二十七八岁，从大厂出来、有很强技术背景的人；或者是学术能力很强、有博士学历的人。但后者更适合做 CTO，而不是 CEO。
还有一类，就是已经有过成功创业经验的连续创业者。
不过我其实觉得硅谷也有年龄歧视。如果你 35+，又没有做出过很大的成绩，再出来创业，投资人就会问很多问题。
曲凯：那一个很好的人，和一个平均水平的人，现在美国前一两轮大概会怎么给估值？
Jenny：硅谷的估值本身就是玄学，没有一套特别理性的定价方式。
天使轮比较常见的是 1000 万美金，贵一点能到 2000 万。
种子轮第一轮大概在 2000 万到 2500 万之间，而像 YC 的公司，可能能到 3000 万，甚至 4000 万。如果是从大厂出来，或者背景特别好，那就真的不好说了。有些公司什么都还没有，一上来估值就能到 1–2 亿美金。
到了 A 轮，这几年变化非常大，对创业者的募资策略影响也很大。现在 A 轮估值基本都在 1 亿美金以上，但门槛也水涨船高：以前做到 100 万美金 ARR 就可以融 A 轮；现在往往要做到 300–500 万 ARR，才能融到一个比较好的 A 轮。
但我认为 AI 公司不应该沿用 SaaS 那一套估值方式。
传统 SaaS 是用 ARR 乘以 20 或 30；但 AI 公司，这个倍数应该更低。
一方面，AI 公司每多提供一份服务，都会产生额外的 Token 成本，而传统软件一旦做出来，卖多少份，成本几乎不变。另一方面，很多 AI 公司表面是软件，本质上更接近基建。
基于这个逻辑，我觉得现在很多头部 AI 公司的估值是偏高的。
Cursor 和 Perplexity 就是典型的估值偏高的例子。很多投资人只是看收入增长就盲目去投，但很大程度上忽视了它们的结构性问题。
曲凯：那美国融资的流程一般是怎样的？如果一个国内创始人想到美国去融资，大概需要几步？
Jenny：第一步，最好先调整公司架构。美国主流基金几乎只投 Delaware 架构。如果暂时调不了，至少要明确表达「之后一定会调」的态度。
第二步，我会强烈建议先去硅谷住一到两个月，接触当地的人、熟悉环境，再开始正式募资。
很多创业者到了美国，总想着一两周内把钱募完就走，但很多细节会暴露出你并不了解美国的创业生态。比如在美国，大家几乎不用微信，而是通过领英互相加。如果你平时不用领英，别人加你好友的时候，一下子就会发现你「不是自己人」。
还有一点是，很多国内创业者会通过 FA 去接触投资人，但在美国这往往是一个扣分项。因为这会让投资人怀疑，你是不是没有硅谷的资源、不了解当地环境、也没办法独立募资。
所以我更建议先在美国待一段时间，混进当地创业圈子，通过当地人来推荐投资人。美国创业者和投资人的关系很扁平，介绍投资人并不难。再加上机构数量多，整体环境是比较友好的。
认识投资人之后，第三步就是约 meeting。
很多中国创业者在美国会有一点水土不服，是因为美国投资人对时间限制非常严格，第一次 meeting 通常只有 30 分钟。所以第一次 pitch 一定要非常简洁、清晰，只讲重点。
如果投资人感兴趣，会约你下一次 meeting，可能会要你的 demo deck、见你的合伙人、问更细节的问题。
到了第三次 meeting，通常说明这个基金已经比较认真地在考虑你了，会根据自己的投资风格深入问某一个方向，甚至要你的 data room。
之后有时还会有第四次 meeting，但并不是次数越多越好，很多时候到第四次，反而意味着内部在产生 debate。
除了这些正式 meeting，美国投资人也会在背后做不少研究，比如去问你的前员工、前投资人，或者一些共同认识的人。
最后一步就是定价和签约。
整个流程下来，以我们基金为例，大概要两周左右，通常见创始人 3–4 次，就会做出决定。
在这个过程中，我有几个给创始人的建议：
1）找准你第一个接触的投资人。这个人基本上就是你在这个基金里的 advocate，所以 ta 最好是能独立做决定的人，否则 ta 自己还要内部向上推。
2）一开始最好就接触四五十家基金，因为最后通常只有两三家愿意投。
3）可以先融一小轮天使的钱。他们投的单笔金额可能不大，但如果他们和你的领域高度相关，会是非常大的加分项。天使投资人既能给你背书，也能帮忙介绍人、提供专业意见，对后续融资帮助很大。
曲凯：那美国现在大概有多少家在投 AI 早期的机构？
Jenny：至少有大几千家。
曲凯：但对创始人来说，怎么判断哪家机构每年投多少、投什么方向、出手积极度、估值风格这些问题？
Jenny：这些基本都可以直接问。
我觉得最好的 pitch 方式，是先去问投资人的情况，再根据 ta 给你的信息，定向去优化自己的 pitch。
曲凯：那熟人介绍，和自己主动给投资人发邮件，会有很大区别吗？
Jenny：区别非常大。如果是熟人介绍，大概有一半的基金会愿意跟你聊；如果是 cold email，可能只有 10%，甚至更低。
曲凯：所以你在美国和国内都聊过很多人，你感觉中美两边最大的区别是什么？
Jenny：中美投资人和创业者之间的审美差异非常大。
美国更偏好「一个产品解决一件事」。比如 Granola 就专门做笔记；但在国内，大家更习惯功能叠加，比如飞书不只是记笔记，还能做很多事情。
另外，美国的投资人和创业者整体更偏好纯软件、偏 ToB；而中国正好相反，大家更想做 ToC，也更想做软硬件结合。
曲凯：正好说到产品，你这几年自己比较喜欢的产品有哪些？
Jenny：我用得最多的还是 ChatGPT，而且我会把它用出花来。
我在 ChatGPT 里把自己的生活拆成了健康、工作、研究等 8 个板块，每个板块都有很长的 custom prompt；而且不同板块的对话是分开的，也各自有自己的 prompt 和 context。
曲凯：从投资者视角来看呢？
Jenny：从用户体验来说，我觉得 ChatGPT 最近一段时间做得特别好。我也非常看好 Anthropic，因为他们拿到了很多大客户的订单，在企业端的增长非常快。
但有一些我看不懂他们在干什么的大模型公司，我就没那么看好了（笑），因为这个赛道太卷了。
至于一些处在中间位置的 AI 公司，比如 Cursor、Perplexity，我个人也没有那么看好，因为它们和大厂走得太近了，很容易被吃掉。
在特别早期的公司里，我更看好细分垂直领域。比如我投过一家 AI 生物数据分析公司 Kepler。我妈妈是做心脏病学研究的，几乎天天在用，给我的反馈非常好。
曲凯：那你觉得明年一级市场会有什么变化吗？
Jenny：我觉得明年会有一次比较大的调整。美国的 AI 泡沫会破。
现在的 AI 泡沫就像一个很大的气球，只差一根针。我尤其担心英伟达和 OpenAI。这两家公司只要有一点点变化，都可能把这个泡沫戳破。
我也很担心 Gemini 通过完全免费的方式去获客。这对 OpenAI 会是一个非常大的冲击，甚至可能整体压低一级市场的估值。
曲凯：那最近湾区那边有什么讨论得比较多的话题吗？
Jenny：一个是 AI 泡沫，另一个就是 Scaling Law 到底有没有结束。
曲凯：你前面说你认为已经结束了，但我也听到另一种声音，觉得 RL 和 post-training 还是有 Scaling Law。
Jenny：我的感觉是，它不会再像以前那种 Scaling Law 一样简单、直接、有效了，更多是在一些细分赛道里修修补补。
曲凯：那以 Cursor 为例，大家一直在讨论应用公司和模型公司之间的竞争和壁垒。Cursor 给出的一个答案是，用 RL 和自己的数据去训练模型。你觉得这会是一个未来方向吗？
Jenny：真正有能力这么做的应用公司非常少。
这样做的成本很高，而且大模型本身还在不断更新迭代，可能下一代模型出来之后，你自己 fine-tune 的那点优势就已经不存在了。
除非你同时具备两点：一是非常大体量、而且是独家的专有数据；二是非常强的技术团队。
否则我觉得，大多数应用公司，尤其是早期应用公司，现在没有必要走这条路。
曲凯：那大部分应用公司，最终和模型竞争的是什么？是不是确实会有不少被模型升级直接吃掉？
Jenny：我觉得是的。当然这和你做的赛道关系很大。像 coding 这种方向，和大模型之间的关系实在太密切了，很容易被模型公司直接吃掉；但如果你做的是更细分的赛道，比如 AI 法律、AI 金融，我觉得模型厂商很难直接覆盖，反而给创业者留下了不少空间。
曲凯：所以「Scaling Law 已经不存在了」这个观点，现在在美国算是共识了吗？
Jenny：在研究人员当中，算是比较大的共识；但在投资人里还没有，尤其是离技术比较远的投资人，其实也没有那么在意这个问题。
曲凯：那从技术角度看，下一个突破点可能会在哪里？
Jenny：我觉得现在所有 AI 大厂，在「模型智力」这个方向上，其实都有点黔驴技穷了，再往上提升已经非常难。
但在应用层面，还有很多可以优化的空间。
比如 Anthropic 在做企业级应用，那落地就还有很大的提升空间；再比如 GPT-5 的多模态、检索能力，也都是在优化用户体验。
曲凯：明白。硅谷那边还有什么热门话题吗？
Jenny：还有一个在硅谷企业内部讨论得很多的问题：AI 到底有没有真正带来企业生产力的提升。
现在主要有两派互斥的观点。
一派认为 AI 正在直接取代人的工作，甚至会带来大规模失业。哈佛和耶鲁的一篇研究发现，LinkedIn 上比较 junior 的岗位，从 23 年到 25 年减少了 20%、甚至更多。
这一点我自己的体感也很明显，身边确实有不少年轻人发现找工作变难了。
另一派则认为 AI 并没有带来生产力提升。比如 MIT 有一篇文章提到，95% 的企业 AI 落地最终都失败了。
但我认为，这更多是因为很多美国大企业选择自己做 AI。在这种情况下失败其实很正常：他们一方面很难招到足够好的 AI 人才，另一方面也很难下决心把 AI 真正推行到底。如果这些企业选择和创业公司合作，成功率会高很多。
曲凯：那你们基金当下主要想看、想投什么方向？
Jenny：我们非常想投那种在某一个垂类中深耕，同时具备技术壁垒、数据壁垒和行业壁垒，并且 AI 能力也到位的公司。
比如我前面提到的 AI 生物数据公司。再比如我们第一期投得最好的一家公司，是用 AI 做维修，叫 MaintainX。
这个方向听起来可能离硅谷很远哈哈，但他们和很多传统企业合作，比如麦当劳、星巴克、万豪酒店。这个软件可以用 AI 去辅助维修，比如记录维修过程、给出建议、提醒维护，甚至帮你预约维修时间。
另外，2026 年我们会非常看重一家公司能不能真正做企业级应用，能不能解决企业的真实痛点，并且有非常稳定的输出。
我们一个核心的投资逻辑是：
你做的事情一定要替代人，而不仅仅是赋能人。
因为只有真正替代人，企业才愿意给你非常大的订单额度。
这个逻辑在美国尤其成立，因为人工成本非常高。如果只是提升人的效率，而没有真正帮企业省钱，企业是不会为此付出高价的。
曲凯：明白。最后，有没有什么给国内 AI 创始人的建议？
Jenny：如果想出海，我会非常建议你先了解美国创投圈的文化，并且尽量融入进去。
中国优秀的创业者一点都不比美国少，只是很多时候，中国在软件方向上确实没有那么好的土壤。所以如果条件允许，可以多去外面拓展一下。
世界很大，机会也很多。
曲凯：最后再多聊几句。我们看到不少国内创始人会遇到一个现实困境：
他们在国内融资相对容易，而美国融资难、且不确定性更高，于是很多人会先选择把国内的钱拿完。但这样一来，等他们再想去美国时，反而变得更难，最后就卡在这个节点上。
不过这好像也没什么特别好的解决办法？如果要为了不确定的美国市场，而放弃国内送上门的钱，确实很挑战人性。
Jenny：还是要看方向。有些方向明显是美国市场更有优势，那我觉得这个时候是「长痛不如短痛」，可以先去美国接受短期的阵痛。
而如果国内条件真的非常优越，也可以走从国内到新加坡、再到其他地区的路径，然后之后依然可以卖给美国的个人用户或者企业。
（本期录制时，Manus 被 Meta 收购的消息尚未披露）
所以我会建议大家，一开始就想清楚方向，再决定拿哪一边的钱。
曲凯：那如果一个创始人希望后期更多靠数据来融资，大概做到什么程度，才能弥补其他方面的问题？比如 Manus 能拿到美国的钱，是不是就是因为他们数据绝对的好？
Jenny：我觉得 Manus 并不是因为数据特别好，而是因为团队非常强，同时做了非常成功的美国市场营销，让很多美国投资人真正认识了 Manus。
曲凯：营销某种程度上也算是一种数据。
Jenny：对。如果你没有 Manus 这样的光环，也没有他们那样的营销能力，那我觉得至少要做到 100 万、甚至几百万美金 ARR。
到这个程度，投资人可能就会愿意忽略你在其他方面的一些问题，因为你不管在哪儿创业，成功概率都会很高。
是金子，总会发光的。
42章经
思考事物本质
2025-12-28 21:31:00
原创 Celia 曲凯 2025-12-28 21:31 北京
还有什么工作是比每天和不同的聪明人聊天更让人开心呢？
AI 来了之后，每天都感慨能做的事情实在是太多了，年底打算再招 1-2 个 FA 同事，和我们一起服务 AI founders。
以下是关于这份工作的一些回答，我们帮你提前拷问曲老师一些问题：
Celia：先一句话介绍一下42章经在做的事情吧。
曲凯：我们从媒体、叙事、FA、投资等角度全方位服务最好的 AI 时代的创业者，我们想方设法地和最好的 founder 站在一起。
Celia：你这次想招什么样的人？具体做哪些事情？
曲凯：首先希望能参与到 FA 的各项工作之中，比如行业研究、项目 sourcing、BP 制作、对接投资人等。
其次，AI 时代，职位和职位之间的边界会变得越来越模糊，所以如果你能有强烈的好奇心和自驱力，也欢迎你参与到我们所有的业务之中，你甚至可以把这个岗位当做一个管培生的项目，你会被鼓励做自媒体、你会被鼓励学习 vibe coding、你会被鼓励组织活动、你也能参与到和一线创始人的各种接触中。
Celia：除了 FA，有特别感兴趣做内容或者其它的，也欢迎联系我们啊！我们可以给特别优秀的 outlier 因人设岗。
你再透露一点人才画像上的偏好？你最看重的点是什么？
曲凯：有强烈的好奇心、有很强的自驱力、有自己热爱的事情。
在过去的经历中有拿到过结果，不管是多么冷门、偏门的结果。
有良好的实习或全职经验，有过关的职业素养和沟通能力。
另外我们年初写过一个比较详细的，也可以参考：以人为本——全职及实习生招聘 | 42章经
Celia：你怎么看明年的一级市场？
曲凯：好。
Celia：如果拉长到 3 年、5 年，甚至 10 年呢？你怎么看国内一级市场的未来走向？
曲凯：看太长了，没有意义，大多数人一辈子能抓到两三年的机会点就可以实现阶级跃迁，大家的问题往往不是对长期的判断，而是没有抓好眼前确定性的机会。
Celia：你觉得 42 章经能给一个顶级人才提供的最稀缺的价值是什么？为什么一个好的人会选择过来？
曲凯：找工作首先是看跟的人，如果你在此之前对42章经毫无了解，那我并不打算说服你，如果你曾经看到过我们的东西，也许能大概体会到我们的审美、品味、坚持，也能知道我们触达的人的质量，以及我们 storytelling 的能力。
另外，我们尤其欢迎应届生或刚工作时间不长的同学，42章经会是你进入 AI 行业最好的跳板。
Celia：这份工作在42章经的成长路径是什么？可能能积累哪些特别的能力、资源？
曲凯：很多研究商业的人不懂看人，很多懂看人的人不懂 AI，很多懂内容的人不懂运营，很多懂运营的人不懂内容。
在42章经你会有机会接触各种事物，包括内容、运营、一二级市场投资等等，这是一个很综合的平台，最终能成长成什么样子更多取决于你对自己能力的信心。
我希望我们培养的是优秀的个体，而不是某个机器或平台中的一员。
Celia：你见过最顶尖的 FA，真正的差异点在哪儿？
曲凯：最优秀的一般都是「最想要」的，有超强的目标感、要性和自驱力。
Celia：如果我司是一门宗教（别紧张就是比喻），你希望大家共同信的教义是什么？
曲凯：个人成长和逻辑吧。
Celia：如果让42章经过往所有同事匿名评价你，你觉得最有可能出现的三个高频词是什么？你自己对这三个词，是认还是不认？
曲凯：太难了，你们来吧...
Celia：这是我收集到的一些 —— Sharp、矛盾、有趣、完美主义、神奇、风趣、操心但又高冷、高冷但又接地气、包容但又挑剔、水一样的男人、工作和生活两套人格...
曲凯：...👍🏻
Celia：你会怎么反思自己的决策能力？过去三年，你最好和最坏的工作决策分别是什么？
曲凯：42章经能做这么多年，最主要的原因就是任何时候都没有为了短期利益去做牺牲品牌、牺牲审美的事情。
且我们对于自己所做的每件事都想得很清楚，知道这件事的本质是什么，是在用什么换取什么，可能的潜在问题或回报是什么等。
所以从我个人的角度来说，我觉得我们过去三年做的决策都还不错，也许过程中有经济收益更大的决策，但我们是有觉知且主动地放弃了一些选择。
Celia：这几年招人、带人、管人、裁人，你对「人」形成的一个最深刻的体会是什么？
曲凯：公司给予个人的自由对于优秀的人才是 bless，对于不够优秀的人来说是 curse。
Celia：「自由」确实是这里很大的一个 privilege。
还有，42章经的另一大 privilege 是，你是一个非常在乎员工成长的老板，很多时候，我都似乎更把你当作一个 mentor 而不是 leader，这大概是通过播客或文章了解到你的人完全不会想到的。
你有想过这个特质的来源是什么吗？
曲凯：我觉得我是一个挺个人主义或者自由主义的人，我从小就觉得让社会变好的方式就是每个人都把自己管好，如果每个人都能让自己变好，那整体自然会变好。
以及，我不觉得任何人的存在是应该被公司等主体绑定的，也不觉得个体的价值应该是某个集体所赋予的，所以我觉得我和所有人首先是人和人的关系，其次才是 title 和 title 的关系，比如几十年后，我也许不是某个公司的谁，你也不是某个公司的谁，但脱离了这一切外在关系后，我仍然会觉得我是对得起你的。
所以我带人的习惯就是尽可能真诚地换位思考，并站在你的角度考虑。
最后，感兴趣的朋友欢迎发简历至：[email protected]，或者可以直接添加微信：qukai42（优先考虑 base 北京的同学），也非常欢迎 (恳求) 大家转发给各种可能的朋友，或者推荐人才！
2025-12-28 21:31:00
原创 Celia 2025-12-28 21:31 北京
人到底要给自己编出多少说法，才能过好这一生
大家新年快乐！我是 Celia，这两年在42章经做内容 (最近的 AI newsletter 栏目就是我写的 :)
这期内容比较特殊，是一期零碎的个人感悟。
我想我实在过分热衷于刨根问底了，总忍不住要把万事万物倒拎起来，抖落出其中暗藏的逻辑。
但好在，这在某些时刻，也是一种生产力。
这期内容就是一些日常所思所想的合集，其中有些是对工作的复盘，有些是对生活的认识，还有不少是在琢磨 AI 原理的过程中，不由自主地反思了一下人类大脑。
我们挑了一些比较通用的开源出来，希望能对大家有所启发，或者多少有所映照。
人和 AI 一样，最重要的是 Reward model 如何构建。有的人最核心的奖励信号是成就感，有的人是权力，有的人是钱，是爱，是意义感和发现。在 AI 眼里，人类的这种差距可能类似于食肉动物和食草动物的差距。
自然进化出的 reward function 往往是会边际效益递减的，比如对食物、性、安全感的渴望，都会随着欲望满足而自然弱化。
但有意思的是，社会进化出的 reward function 往往是会自我强化的，比如求知欲、钱/权/名、自我实现的渴望。每上一个台阶，快感只会维持很短时间，随之而来的是对更高台阶的渴望。
所以，想把满足感建立在后者上，往往是不太可能的。
最好的人生追求具备几个特点：
1）Reward function 不会边际效益递减，同时实现难度不会指数级提高 (所以可以持续地玩下去)
2）具有正外部性 (所以在满足自己的同时，还为社会创造了价值）
3）能积累复利
对我自己来说，有三个游戏是我觉得可以持续玩下去的，一个是理解万事万物的运作规律，一个是爱别人和帮助别人，一个是创造。
Reward signal 在不同时空尺度上看作用是非常不一样的。比如，「比较心」是一个短期能出成绩，但长期对个体幸福感和竞争力常常有害的奖励信号。又比如，「节俭」在微观尺度上是一个好事，但在宏观尺度上往往是一个拖累。
有些东西看似是 Reward，其实是 compensation，比如为什么有些职位开那么高的薪水，高薪不一定是对贡献的嘉奖，也可能是对牺牲的补偿。公司付钱让你转过身去，背对那些更精彩、更有意义的机会。他们是在购买你的机会成本。工资是对你浪费生命的赔偿。
周围的人是非常重要的，因为他们很大程度上决定了一个人的 reward function。人一路成长的过程中，学得最多最透的，不是知识或能力，而是欲望。(我一直觉得每个人都应该多少读一读吉拉德，防止自己被错误的 reward signal hack）
我觉得多数人的问题是小时候没攒够高质量的 reward，长大后就很难像巴普洛夫的狗一样形成对好的 reward 的敏感性。
人和大模型具有一样的问题，越进化、收集高质量训练数据越困难。所以马斯克说:「我觉得最大的挑战是保证自己能收到真实的、能让人改正的反馈，尤其当周围的人都爱顺着你说的时候」。
优秀常常来自于强大的欲望，而强大的欲望，常常来自于强大的匮乏，无欲则刚是比功成名就更难得的境界，最重要的不是证明自我，而是认识自我，探索自我，修行自我以及最终接纳自我。
一个人的优势往往会成为她最大的问题。人其实无所谓优点和缺点，人只有特点，优点和缺点是不同场景的表现形式。
三等天赋是能力，二等天赋是快乐，一等天赋是痛苦。就像这个世界上最好的社交产品一定都是由内向的人做出来的。
「认识自己」很重要，「认识自己」的同时意识到「认识自己」会带来的问题也很重要。一切的自我洞察同时也都在导向一种自我强化和自我限制，个体的反身性比群体的反身性拥有更微妙的作用力。
做大事，时运往往是最重要的。但在其它 99% 决定人生成就感和幸福感的事情上，「有多想要」是最关键的，其次是能力是否 ready，而只要具备了足够的能力和意愿，几乎总能找到所需的其它资源。
身边优秀的朋友很容易有的一个问题是：自我预期低于自身的潜在能力，we're playing it too safe.
什么是一个强大的人？① 有能力爱和理解很多人事物的人 ② 实事求是的人 ③ 坚韧的人
虽然在选择工作的时候，平台、岗位、薪资都往往是更重要的考量因素。但和谁一起工作，往往最大程度上决定了职场的幸福感。
我最最最喜欢的对财富的定义是 Patrick O'Shaughnessy 说过的那句话「We can measure wealth by the number of people that we would give a kidney to（一个人的财富，等于 ta 愿意捐掉一个肾的人数）」
「每个人都会以己度人。你永远无法让一个不真诚的人相信你的真诚。反之，你根本没必要向一个真诚的人证明你的真诚。」
很多成语反过来写都更有道理，比如，可恨之人，必有可怜之处。
「别人眼中的你，不是真的你，你眼中的你，不是真的你，你眼中的别人，才是真的你」
自信从根本上都来自于爱，别的都算临时充值。
和幸福相关性最高的是对短时间内未来的预期，人是完全被生活境遇的导数所支配的动物。
情绪问题本质上多是认知问题。所以，充分理解人、事、物的运转规律，应当是一个优先级很高的人生 KPI 和着力优化点。
找到自己长期喜欢做的事情，不意味着找到某种快乐，而更多意味着找到自己愿意忍受的痛苦。像宫崎骏在采访里说：「你认为自己活着的目的是让自己幸福？平常我从没想过自己是不是幸福，因为制作电影铁定会让自己不幸。」 Passion 最初指的也是 Jesus Christ 被命运钉在十字架上的牺牲精神。
人生有很多 low hanging fruits，它们都是事业低谷期很适合培养的「回血包」，比如，研究表明，运动带给人的情绪价值相当于一年多赚 17w，养猫养狗带给人的情绪价值相当于一年多赚 60w。
我相信，所有的痛苦都跟没有充分理解「空」、「无常」、「无我」这三个佛学的根本教义有关，这其中，最后一点尤其重要。
人实际感知到的痛苦=真实的痛苦×你对它的抗拒程度。折磨我们的不是痛苦本身，而是我们企图对痛苦的控制。当我们观察痛苦，接纳痛苦时，我们就停止了这种折磨。
显露出的问题并不是真正的问题，问题只是试图解决另一些更根本问题时所做出的努力。
每一场意外和灾难，都隐藏着某种潜在的救赎。经历痛苦，尤其是那些无法轻易绕过去的痛苦，也是一大幸事。如果没有遇到足够艰难的问题，人大概永远也不会进行足够彻底的反思。
很多时候痛苦的根源不是因为失望，而恰恰是因为失望得不够彻底。绝望不是一个负面的词语，绝望的本质是，断绝无畏的期望。也就是说，它是解放。
Priority setting 是一个非常重要，且需要持续复盘、锻炼的能力：第一是识别出什么事最要紧，第二是给最重要的事情投入足够多的资源，并在不重要的事情上能够忍受自己做不好的痛苦。
要有意识地学习对杠杆的理解和使用，包括但不限于：媒体杠杆、代码杠杆、资本杠杆、平台杠杆、劳动力杠杆以及 AI。
要更多认识身边成长斜率高的同龄人或更年轻的朋友，并多多介绍身边喜欢的朋友互相认识。
坦诚沟通，over communicate 远好过 under communicate。
要敢于、不耻于、且有能力去主动寻求一切能寻求的帮助。
大多时候拼勤奋是没用的，还是要拼选择、拼优先级定义、拼方法。
人很容易线性外推当下的变化，但要更多思考的是跳变的机会和可能性。
时间管理往往是一个伪命题，真命题是能量管理。
自律也往往是一个伪命题，短期来讲，自律的本质是欲望之间的博弈，想赢过眼前的诱惑，只能靠升级心底更高级的渴望。长期来讲，自律并不存在，存在的只有习惯。
高强度运动 (后分泌的内啡肽) 是对高强度工作最好的补偿，肉体疲惫和精神疲惫是一对消消乐，集齐一对能自动消除。
一个有意思的悖论是，未来的每一次下跌都像是一种风险，而过去的每一次下跌都更像是一个机会。
长期主义是一种高维度的品质。我们这些三维生物无法直接感知它，就像二维生物看不见我们一样。
创造性思维有两种工作方式：「咖啡模式」和「泡澡模式」。
「咖啡模式」是一种全神贯注的，有意识的思考状态。「泡澡模式」是一种漫不经心的，无意识的思考状态。
而其中，最有创造力的思考往往来源于后者。
一项针对上千人的研究发现，他们的灵感大多发生在洗澡（30%）、通勤（13%）或运动时（11%）。艾伦·索金写作时每天要洗 6-8 次热水澡，也是这个道理。
所以说，灵光乍现的要义是：有足够的时间让大脑进行无意识活动。也就是说，不要让自己总是处于一个忙碌的、紧绷的状态里。
审美的觉醒往往早于能力的成熟，这是创作者痛苦的根源。
我认识很多想做内容的朋友，他们往往都是因为「审美好」才有了入场的冲动。但看过太多好东西也是一个诅咒：他们必然要经历一段痛苦的起步期。在最开始的阶段里，你的东西就是不够好，但你的 taste 是一流的，很多聪明人因为受不了这种「眼高手低」的折磨而退场。
某种意义上，无知是一种恩赐。六岁的孩子画画时没有任何心理负担，因为他们的评判心还没有形成。而作为成年人的我们，必须学会找回孩子无知无畏的初心。
深入研究过很多创作者的成功路径后，我出乎意料地发现，尽管每个人的背景千差万别，但有一个显著的共性，就是所有人都经历了一段漫长的，长到超出想象的积累期。
「持续创作 + 努力精进」，是成功创作者身上最容易被忽略的品质，它们毫不性感，但事实上，这才是最无可争议的核心竞争力。
从赚钱的角度来讲，做内容，尤其深度内容，是一个非常差的商业模式。
但从满足意义感，给世界创造价值的角度讲，我一直觉得做内容还是一个 ROI 相当高的职业。
用曲老师写过的话说:「投资本身是用钱做杠杆，内容则是用文字和思想做杠杆。如果内容做好了，它对这个世界的影响和改变，可能会比金钱更根本、彻底和广泛。」
