太平洋科技 要聞

DeepSeek 之后，又一個(gè)科技圈的不眠之夜。

3 月 6 日凌晨，Monica.im研發(fā)的全球首款A(yù)I Agent 產(chǎn)品“Manus”正式面世，引起全球范圍內(nèi)的行業(yè)關(guān)注，邀請(qǐng)碼被一搶而空。

“Manus”成了AI圈今天所有人的話題！

“Manus”能夠解決各類復(fù)雜多變的任務(wù)。與傳統(tǒng) AI 助手不同，Manus 不僅能提供建議或答案，還能直接交付完整的任務(wù)成果。

Agent真的能幫人類做事了。

它不僅整合旅行信息，還為用戶創(chuàng)建定制旅行手冊(cè)；它可以進(jìn)行深入的股票分析，對(duì)股票進(jìn)行全面的洞察；它可以為中學(xué)教師創(chuàng)建視頻演示材料，幫助教師更有效地教學(xué)；它可以幫你篩選簡(jiǎn)歷，整理表格對(duì)候選人進(jìn)行評(píng)估……

用一句話來總結(jié)就是，“Manus”是你在數(shù)字世界中，字面意義上的“代理人”。

在兩周之前，混沌邀請(qǐng)了

Monica.im產(chǎn)品合伙人張濤

“Manus”首席科學(xué)家，原Magi創(chuàng)始人&真格基金EIR季逸超

混沌創(chuàng)新領(lǐng)教、云九資本合伙人任鑫

混沌創(chuàng)新領(lǐng)教、洪泰基金董事總經(jīng)理潘楊

一同參加混沌圓桌探索流，深聊了《創(chuàng)新范式轉(zhuǎn)移，AI革命下，創(chuàng)業(yè)何去何從？》。

這次圓桌探索流有兩位“Manus”背后的創(chuàng)業(yè)者參與，有助于我們深入了解這家公司的底層邏輯。

潘楊：關(guān)于AI“搶”人類的“飯碗”怎么看？

張濤：我們預(yù)測(cè)今年將是人類歷史上AI產(chǎn)出代碼首次超過人類工程師的一年。在我們公司，目前約40%的代碼由AI生成。然而，我們的工程師并不擔(dān)心失業(yè)。他們不僅不擔(dān)心，反而越來越得心應(yīng)手。原因在于尋找問題和需求的能力變得前所未有的重要。

如果過去你的工作是被動(dòng)接受任務(wù)、解決問題，那么在未來可能會(huì)面臨挑戰(zhàn)。但如果你的工作本就是主動(dòng)尋找問題、解決問題，只是現(xiàn)在借助AI將解決問題的時(shí)間從8小時(shí)縮短到8分鐘，那么你的能力就會(huì)被放大。任何技術(shù)變革都會(huì)帶來短期的沖擊，但從長(zhǎng)遠(yuǎn)來看，生產(chǎn)力會(huì)得到提升。就像紡織機(jī)的出現(xiàn)。

在這個(gè)時(shí)代，你應(yīng)該思考自己是否是那個(gè)能夠發(fā)現(xiàn)問題、解決問題的人。如果是，AI將成為你的放大器。所以，你需要鍛煉這種能力。觀察組織中誰在發(fā)現(xiàn)問題、解決問題，如果自己目前不具備這種能力，更要主動(dòng)學(xué)習(xí)。因?yàn)槲磥碇貜?fù)性工作可能會(huì)被取代，沒有人能靠躺平被時(shí)代帶著走。

潘楊：怎樣控制一個(gè)AI創(chuàng)業(yè)項(xiàng)目的試錯(cuò)成本？

季逸超：很多人覺得AI創(chuàng)業(yè)成本高，是因?yàn)橐婚_始就沒從小目標(biāo)做起。其實(shí)，現(xiàn)在很多熱門的AI產(chǎn)品，最早都只是個(gè)人開發(fā)者的小項(xiàng)目。就像我十幾年前剛開始做iOS獨(dú)立開發(fā)者的時(shí)候，也沒想著一開始就拿融資，高舉高打。我只是先找到自己真正想用的東西，先做出一個(gè)初步的產(chǎn)品，驗(yàn)證它到底有沒有市場(chǎng)。等驗(yàn)證成功了，再考慮擴(kuò)大投入。所以，創(chuàng)業(yè)其實(shí)沒有所謂的“高試錯(cuò)成本”。無論是十年前的互聯(lián)網(wǎng)創(chuàng)業(yè)，還是現(xiàn)在的AI創(chuàng)業(yè)，都是個(gè)人開發(fā)者的好機(jī)會(huì)。

潘楊：基于大模型的創(chuàng)業(yè)怎么構(gòu)建核心壁壘？

張濤：我有個(gè)很深的感觸。對(duì)于非技術(shù)從業(yè)者而言，他們?cè)诿鎸?duì)新技術(shù)時(shí)反而可能有獨(dú)特的優(yōu)勢(shì)。我們技術(shù)從業(yè)者很容易陷入技術(shù)原理和技術(shù)層面的細(xì)節(jié)，而忽略了技術(shù)的本質(zhì)價(jià)值——到底能解決什么問題。而正是因?yàn)榉羌夹g(shù)從業(yè)者不懂底層原理，反而會(huì)跳過這些細(xì)節(jié)，把新技術(shù)當(dāng)作黑盒看待，直接關(guān)注它的實(shí)際輸出和表現(xiàn)能力，從而思考它能為行業(yè)帶來什么價(jià)值。這種從需求出發(fā)的思維方式，反而更容易發(fā)揮想象力，挖掘出技術(shù)的真正用途。

我發(fā)現(xiàn)AI正在變成像電和水一樣的通用商品，這種趨勢(shì)是必然的，而且已經(jīng)成為現(xiàn)實(shí)。它的普及使得技術(shù)優(yōu)勢(shì)不再局限于少數(shù)機(jī)構(gòu)或企業(yè)手中，而是向全社會(huì)開放。事實(shí)上，大多數(shù)創(chuàng)業(yè)公司失敗并非因?yàn)槿狈�技術(shù)或產(chǎn)品開發(fā)能力，而是因?yàn)闆]有找到真正可規(guī)�；瘡�(fù)制的市場(chǎng)需求。就像電和水是家家都有的基礎(chǔ)設(shè)施，但為什么不是每一家奶茶店都能成為霸王茶姬或蜜雪冰城呢？這些成功品牌的背后，有很多共通的商業(yè)邏輯值得研究。

潘楊：如果大家技術(shù)都差不多，技術(shù)不再是核心壁壘，那壁壘到底在哪里？

季逸超：創(chuàng)業(yè)時(shí)我們常犯的一個(gè)根本性錯(cuò)誤，就是對(duì)壁壘的判斷對(duì)不對(duì)。我自己也反復(fù)思考過這個(gè)問題，最后發(fā)現(xiàn)其實(shí)就是山姆·奧特曼說的話的道理：當(dāng)OpenAI或者別的公司發(fā)布新模型時(shí)，你是開心還是緊張？如果你開心，說明你在做自己的事，不受影響；如果你緊張，那可能就不該做這件事。

其實(shí)，過去一年里很多不太成功的嘗試，都是因?yàn)榇蠹以诂F(xiàn)有模型能力的基礎(chǔ)上，試圖去彌補(bǔ)它的不足，這是不對(duì)的。我們要相信AI能力會(huì)不斷進(jìn)步，你的應(yīng)用應(yīng)該和模型能力是獨(dú)立的。也就是說，模型能力提升時(shí)，你的應(yīng)用能在另一個(gè)維度上持續(xù)投入，并從中受益。不要因?yàn)楝F(xiàn)有模型的不足，就去優(yōu)化它，這是典型的“過早優(yōu)化”，也是AI創(chuàng)業(yè)中最大的誤區(qū)。

任鑫：核心壁壘并非憑空存在，而是在發(fā)展過程中逐漸形成。就像水電煤氣一樣，其滲透過程是不均勻的。比如倒水時(shí)，水面會(huì)均勻上升；但如果倒的是粘稠的蜂蜜，它會(huì)先堆成一團(tuán)，然后慢慢平鋪開。在這個(gè)緩慢滲透的過程中，企業(yè)可以抓住紅利。以ChatGPT為例，雖然人人都能用，但它的滲透需要時(shí)間。Monica通過套殼ChatGPT并添加模板（如翻譯功能），讓那些處于滲透邊緣的用戶先嘗到甜頭，這就是抓住了紅利。雖然ChatGPT創(chuàng)造了市場(chǎng)勢(shì)能，但Monica通過這種方式獲得了用戶基礎(chǔ)。Monica積累了一定用戶后，其壁壘逐漸形成。比如，假設(shè)我有一個(gè)創(chuàng)意，可以讓瀏覽器一鍵切換到護(hù)眼模式，即使這是個(gè)好點(diǎn)子，當(dāng)我試圖推廣時(shí)，Monica可能已經(jīng)有1000萬用戶。他們要么直接購(gòu)買我的創(chuàng)意，要么將其功能整合到自己的產(chǎn)品中，從而進(jìn)一步加固了自己的壁壘。關(guān)鍵在于動(dòng)態(tài)把握機(jī)會(huì)。第一步不是直接構(gòu)建壁壘，而是先抓住一小塊紅利，積累力量。當(dāng)紅利轉(zhuǎn)化為自身實(shí)力后，壁壘也就自然形成了。

潘楊：AI時(shí)代參與競(jìng)爭(zhēng)是更容易還是更難了？

張濤：常年做創(chuàng)業(yè)項(xiàng)目（startup）的同學(xué)應(yīng)該有這種感受：如果一個(gè)項(xiàng)目做了一年，卻沒有任何競(jìng)爭(zhēng)對(duì)手，反而會(huì)讓人不安。你會(huì)開始懷疑：我選的市場(chǎng)是否真的有問題？為什么連競(jìng)爭(zhēng)對(duì)手都沒有？從推演的角度和實(shí)際入局的視角來看，感受截然不同。比如，我們已經(jīng)投入半年，還在猶豫是否繼續(xù)時(shí)，突然有大廠進(jìn)入，很多人可能會(huì)覺得慌張。但其實(shí)，我們只會(huì)覺得慶幸——終于證明我們的方向是對(duì)的。所以，在局中時(shí)，感受真的會(huì)非常不一樣。

潘楊：如果學(xué)習(xí)能力跟不上AI的來勢(shì)洶洶，普通人該如何自處呢？

季逸超：我可能是一個(gè)更純粹的技術(shù)進(jìn)步主義者。我認(rèn)為，雖然AI一定會(huì)替代很多工作，但沒必要過于恐慌。因?yàn)锳I有一個(gè)無法解決的問題——它無法替代人類承擔(dān)責(zé)任。比如程序員雖可能是受AI影響最大的群體，但公司不可能完全沒有程序員，因?yàn)榧词勾�碼由AI生成，仍需人類去審核和承擔(dān)相應(yīng)責(zé)任。其次，現(xiàn)在有很多一人公司，一人公司是一個(gè)人帶著很多AI，但人是法人，這種責(zé)任是AI無法取代的。此外，AI的學(xué)習(xí)和理解能力再?gòu)?qiáng)，也依賴于人類的輸入。在傳統(tǒng)公司里，層級(jí)架構(gòu)依然重要。大家不妨轉(zhuǎn)變心態(tài)，別擔(dān)心工作被AI取代，而是想想如何利用AI提升自己的價(jià)值。

任鑫：解決問題的工作容易被AI取代，因此要向產(chǎn)業(yè)鏈上游、甲方或領(lǐng)導(dǎo)靠近，調(diào)整自身定位。在這個(gè)過程中，不必過于擔(dān)心工作問題。大家真正擔(dān)心的不是工作被搶，而是工資受影響——這是兩個(gè)不同的問題。

潘楊：組織內(nèi)的AI進(jìn)化如何發(fā)生？比如對(duì)于偏向傳統(tǒng)企業(yè)企而言。

季逸超：我覺得首先不要硬上。比如最近網(wǎng)上有個(gè)“傳統(tǒng)企業(yè)加AI”的梗，就像在肥皂上插個(gè)洗手液按頭一樣，這種做法很可笑。很多時(shí)候，企業(yè)考慮AI轉(zhuǎn)型是因?yàn)槔习寤駽EO的焦慮，這其實(shí)很危險(xiǎn)。一定要從自身業(yè)務(wù)的小處著手，不要盲目追逐B(yǎng)uzzword（流行），比如現(xiàn)在很火的DeepSeek系列。雖然我們講了很多關(guān)于DeepSeek的內(nèi)容，但我一直呼吁大家保持冷靜。DeepSeek并不是萬能的。具體問題要具體分析，比如要做Function calling（函數(shù)調(diào)用），選擇千問模型可能更合適。

張濤：我之前在神策數(shù)據(jù)工作四年，當(dāng)時(shí)大數(shù)據(jù)的浪潮和如今AI的熱度相當(dāng)。我們的服務(wù)模式是年費(fèi)制，續(xù)費(fèi)留存率是公司最重要的經(jīng)營(yíng)指標(biāo)之一。因?yàn)槠髽I(yè)續(xù)費(fèi)的前提是感受到產(chǎn)品在一年內(nèi)的實(shí)際價(jià)值。從這個(gè)視角出發(fā)，我們發(fā)現(xiàn)一個(gè)重要的觀點(diǎn)：自上而下的“一把手工程”通常會(huì)失敗。原因在于，CEO雖然決策引入系統(tǒng)，但實(shí)際使用者是一線員工，而維護(hù)者可能又是IT部門。這三者——決策者、使用者和維護(hù)者——信息不對(duì)稱，動(dòng)機(jī)不一致，導(dǎo)致項(xiàng)目推行困難。

為此，我們調(diào)整策略。雖然CEO是項(xiàng)目的主導(dǎo)者，但我們會(huì)在企業(yè)中挑選一些重點(diǎn)培養(yǎng)的苗子，比如有上升空間的總監(jiān)或小組長(zhǎng)。我們不再做大規(guī)模培訓(xùn)，而是改為一對(duì)一的陪伴式服務(wù)。通過精準(zhǔn)輔導(dǎo)，讓他們?cè)诠�司�?nèi)部匯報(bào)時(shí)展現(xiàn)出不同視角和能力提升，從而引起上級(jí)關(guān)注。這種“示范效應(yīng)”很快會(huì)吸引其他部門主動(dòng)尋求合作。因?yàn)槿瞬换脊训�患不均�?/span>

實(shí)際上，大部分人是先看見才能相信。這有點(diǎn)像種子傳播的模式，先在核心群體中播種，再逐步影響周圍人，從而推動(dòng)整個(gè)組織的變革。而不是從上到下強(qiáng)行改變機(jī)制，讓大家每天必須使用10次，這種做法很難奏效。

我這兩年在搞AI時(shí)感觸很深。過去十幾年的工作經(jīng)驗(yàn)給我?guī)�來了太多思維負(fù)擔(dān)。每次思考問題，那些舊知識(shí)都會(huì)干擾我。然而，我在上海、杭州和那些剛畢業(yè)或還在讀書的年輕人交流時(shí)，發(fā)現(xiàn)他們沒有這些負(fù)擔(dān)。他們用AI原生的思路解決問題，很多想法讓我驚嘆：“這也能用AI做？”雖然我曾覺得效率很低，但他們真的做到了。所以，大家一定要相信年輕人，相信那些沒有過去經(jīng)驗(yàn)負(fù)擔(dān)的頭腦。他們創(chuàng)造的創(chuàng)新，是我們坐在這里永遠(yuǎn)規(guī)劃不出來的。

潘楊：對(duì)于傳統(tǒng)廣告營(yíng)銷公司，想要通過AI實(shí)現(xiàn)組織架構(gòu)的變革，該如何去操作？

季逸超：人同AI的協(xié)作在在哪里？無論是語(yǔ)言生成或者是圖像生成，都存在一個(gè)顆粒度問題，顆粒度就是你在跟AI交付任務(wù)的時(shí)候，最后誰來完成“改”的這個(gè)環(huán)節(jié)，如果還跟AI是拿語(yǔ)言作為這個(gè)接口，很難達(dá)到最后滿意的效果，團(tuán)隊(duì)中還是需要一個(gè)人去完成最后的工作。人可能還會(huì)在一段時(shí)間內(nèi)扮演AI到最后交付的最后一公里，因?yàn)檫@是顆粒度問題所導(dǎo)致的，這種現(xiàn)象在廣告行業(yè)尤其明顯。

張濤：廣告行業(yè)擁抱AI是特別積極的，但是需要明確幾個(gè)事項(xiàng)。首先，公司人員肯定是沒有什么變化的，更多的還是賦能。比如，早期客戶的brief過來之后，公司需要考慮如何切入需求，廣告行業(yè)要拿著需求去投標(biāo)，傳統(tǒng)小工作室的方式就是老板帶著幾個(gè)核心員工一起商量，這個(gè)環(huán)節(jié)其實(shí)特別適合現(xiàn)在的AI去做，一是有Reasoning models（推理模型）它的思維方式更多，二是現(xiàn)在大部分的AI產(chǎn)品都和搜索進(jìn)行了結(jié)合，當(dāng)公司去解決客戶的需求的時(shí)候，一定要對(duì)客戶進(jìn)行研究，查清客戶的背景和真實(shí)需求，甚至AI可以查清用戶近期關(guān)注的事項(xiàng)，從而進(jìn)行快速的信息整合，傳統(tǒng)工作室就做不到這點(diǎn)�；�于AI提供的信息報(bào)告，再研究通過哪種方式去打動(dòng)客戶，會(huì)更加有效。就現(xiàn)在的AI大模型的能力而言，在策劃和產(chǎn)生方案領(lǐng)域，AI已經(jīng)能取代很多非頂級(jí)的廣告策劃了。對(duì)于文案和圖像視頻生成等問題，用AI來做內(nèi)部的概念驗(yàn)證和客戶溝通是完全足夠的。但是短期內(nèi)不要寄希望于AI可以交付商業(yè)級(jí)別的作品，這方面還是要靠專業(yè)人士。

潘楊：如何劃清人和AI的權(quán)責(zé)邊界？

季逸超：舉個(gè)例子。你不會(huì)把影響公司命運(yùn)的重大決策完全交給實(shí)習(xí)生吧？實(shí)習(xí)生的作用是輔助決策，而不是替代決策。同樣，現(xiàn)階段AI也應(yīng)被視為決策輔助工具，而不是最終決策者。我認(rèn)為這種由人工進(jìn)行最終審核的模式會(huì)長(zhǎng)期存在。因?yàn)槟壳暗娜斯ぶ悄芎蜋C(jī)器學(xué)習(xí)本質(zhì)上無法保證絕對(duì)正確，這并非技術(shù)進(jìn)步能完全解決的問題。

張濤：季總以前是做自然語(yǔ)言處理（NLP）的，對(duì)計(jì)算機(jī)視覺（CV）應(yīng)該也有所了解。計(jì)算機(jī)視覺是AI的重要領(lǐng)域，但過去在應(yīng)用落地方面一直缺乏好的方向。后來，我了解到一家公司，他們將國(guó)家安全生產(chǎn)的條文每一條轉(zhuǎn)化為一個(gè)特征（feature）。比如，有一條規(guī)則是“煉鋼爐啟動(dòng)時(shí)，該區(qū)域禁止人員進(jìn)入”，他們將其轉(zhuǎn)化為一個(gè)特征。整套條文有100多條，每條都是一個(gè)特征，組合起來就成了一個(gè)非常好賣的產(chǎn)品。

當(dāng)時(shí)我問了一個(gè)問題：如果出現(xiàn)漏檢，責(zé)任該由誰承擔(dān)——公司、工廠還是算法？對(duì)方提出了一個(gè)有趣的觀點(diǎn)：不要總是用兜底的思路去思考。以前，即使安排真人盯著100多路Video（視頻），也很難做到全面監(jiān)控，因?yàn)檫@是真實(shí)的需求�，F(xiàn)在，技術(shù)從“做不到”變成了“能做到”，雖然不能保證100%準(zhǔn)確，但至少可以預(yù)警。過去，人工預(yù)警需要兩個(gè)小時(shí)一輪，現(xiàn)在則可以做到秒級(jí)預(yù)警，將危險(xiǎn)信號(hào)拋出后由真人確認(rèn)。所以，我認(rèn)為這是一個(gè)完全不同的場(chǎng)景。大家在思考業(yè)務(wù)流程時(shí)，也應(yīng)該從預(yù)警的角度出發(fā)，而不是一味追求責(zé)任交付。這種思路其實(shí)更合理。

潘楊：人類在使用AI大模型時(shí)，到底讓渡了什么權(quán)利？

任鑫：首先，我不認(rèn)為人有什么天然的權(quán)利。比如我希望孩子能研究紅螞蟻，但這只是我的期望，如果生產(chǎn)力不足，他憑什么擁有這種權(quán)利呢？這種想法大多是YY。其次，我認(rèn)為這個(gè)問題無解。只要某種事物存在，無論是否進(jìn)行對(duì)齊，都會(huì)有問題。在互聯(lián)網(wǎng)上，留下痕跡多的內(nèi)容自然會(huì)更受關(guān)注，這是無法改變的。所以，最終只能通過市場(chǎng)經(jīng)濟(jì)的方法解決。當(dāng)你有更多選擇時(shí)，就像唐太宗“兼聽則明”一樣，你可以選擇不同的平臺(tái)，了解它們各自的價(jià)值觀偏好，而不是把自己綁定在某一個(gè)平臺(tái)上。這樣，我讓渡的權(quán)利就會(huì)更少。一旦我綁定在某個(gè)平臺(tái)上，哪怕它完全符合我的需求，我也已經(jīng)讓渡了某些權(quán)利。

張濤：其實(shí)自古以來，人類就有一種習(xí)慣，會(huì)把使用的工具神化，賦予它們一種崇拜的色彩。但動(dòng)態(tài)地看，這種現(xiàn)象只是暫時(shí)的。比如最近淘寶上有些賣家會(huì)在商品詳情頁(yè)寫“DeepSeek推薦”，并附上一張截圖，聲稱某產(chǎn)品是被AI推薦的。這其實(shí)是一種工具的異化過程。但這種狀態(tài)是短暫的。

以我們這一代接近40歲的人為例，小時(shí)候總覺得科技產(chǎn)品和數(shù)碼設(shè)備，只有美國(guó)或日本生產(chǎn)的才是好的，比如索尼的Walkman。當(dāng)下來說，如果要買無人機(jī)或便攜攝影設(shè)備，大家首先想到的一定是大疆，而不是美國(guó)品牌。這說明隨著技術(shù)的發(fā)展和市場(chǎng)的變化，人們的認(rèn)知也在改變。

現(xiàn)在很多人還沒接觸AI，或者對(duì)AI還不熟悉。但再過一兩年，當(dāng)AI的文字表達(dá)變得常態(tài)化后，真正有價(jià)值的、有深度的人類思考反而會(huì)變得更加稀缺。人們也會(huì)逐漸形成一種審美觀念，能夠區(qū)分“標(biāo)準(zhǔn)的AI回答”和“有深度的人類思考”。這種變化反而會(huì)讓人類的思考變得更加高級(jí)。

潘楊：是否可以認(rèn)為在這種看似智力升級(jí)的幻想背后，隱藏著對(duì)普通人更多的認(rèn)知?jiǎng)儕Z？

張濤：我認(rèn)為這種情況是必然會(huì)發(fā)生的，并且不僅僅存在于AI時(shí)代。在上一代的搜索引擎時(shí)期就已經(jīng)開始了。但我想強(qiáng)調(diào)的是，任何事物都符合熵減定律，所以人們一定要努力對(duì)抗熵增的過程，一定要每天根據(jù)收集的信息進(jìn)行思考，不要認(rèn)為不努力就可以實(shí)現(xiàn)目標(biāo)，這是人類的一個(gè)恒久命題。

季逸超：用戶問AI的問題，AI也是要進(jìn)行上一層搜索，它可能搜索的是某一個(gè)媒體小編寫的一篇文章而已，中間隔了太多層的東西。所以，無論有沒有AI，人們都要掌握溯源的能力，這一點(diǎn)非常重要，國(guó)外寫文章還保留著超鏈接這個(gè)特別樸素的習(xí)慣，文章引用的哪句話都可以通過鏈接尋找到根本源頭。在實(shí)操階段，如果我需要AI回答一些問題的時(shí)候，一定會(huì)讓它引述原文，我覺得這是人們所能做到的極限。

任鑫：大家可以把AI當(dāng)做一個(gè)人，他幫你提供了更好的信息，還能幫你做參謀，這個(gè)時(shí)候再談?wù)撟尪苫蛘郀奚�你的�?quán)利，好像有點(diǎn)說不太過去。我并不覺得大部分人是被AI剝奪了信息，反倒是得到了更多信息。比如我們要做美國(guó)某個(gè)特定市場(chǎng)的一個(gè)調(diào)研，deep research在10分鐘內(nèi)幫我出了四五份不同維度的報(bào)告，看上去感覺雖然不太好，但如果我自己要寫出一份類似的報(bào)告，可能至少要三個(gè)小時(shí)，大量的時(shí)間都會(huì)消耗在點(diǎn)擊關(guān)鍵詞和搜索方面，但是deep research節(jié)約了我大量的無意義的手工勞動(dòng)，最后我獲得的信息量是更全面和更有效的。

潘楊：對(duì)于今年DeepSeek引爆應(yīng)用市場(chǎng)，后續(xù)的發(fā)展趨勢(shì)，您是如何看待的？

季逸超：首先可以確定，AI在中國(guó)的熱潮可能是DeepSeek帶起來的，我覺得這非常好。之前在國(guó)內(nèi)，大家一直沒有一個(gè)非常好的開源大模型，但如果具體到agent和infra的話，其實(shí)還有需要探討的方面。

第一點(diǎn)，DeepSeek的模型（無論V3還是R1）本身更側(cè)重推理能力，在多模態(tài)、函數(shù)調(diào)用、長(zhǎng)期規(guī)劃等能力上并不出眾。這可能是因?yàn)镈eepSeek團(tuán)隊(duì)前期將資源集中于推理優(yōu)化，對(duì)多模態(tài)采取了戰(zhàn)略性后推策略。如果專注于智能體領(lǐng)域，可以借DeepSeek的東風(fēng)，但需避免過度綁定其技術(shù)路線，需等待其多模態(tài)能力的進(jìn)一步發(fā)展。

第二點(diǎn)，因DeepSeek的爆發(fā)，國(guó)內(nèi)外對(duì)Infra的要求顯著提升。從DeepSeek最近的V3論文看，其架構(gòu)已與傳統(tǒng)MA-like模型有顯著差異，但除官方外，國(guó)內(nèi)推理廠商的Infra優(yōu)化普遍不足，仍需大量工作。若要將智能體與 Infra結(jié)合，2025年將是一個(gè)關(guān)鍵機(jī)遇。傳統(tǒng)算力關(guān)注點(diǎn)主要在訓(xùn)練階段，但智能體帶來的24小時(shí)持續(xù)推理需求將徹底改變格局——交互時(shí)長(zhǎng)延長(zhǎng)導(dǎo)致Token消耗量劇增，且多輪對(duì)話中上下文不斷累積，進(jìn)一步推高資源需求。今年因DeepSeek母體模型的成熟，Infra有望迎來爆發(fā)。

潘楊：最后，請(qǐng)各位嘉賓分享一個(gè)關(guān)鍵詞。

季逸超：從自身的感受出發(fā)，我的關(guān)鍵詞是恐懼。人一定要活在恐懼之中，我覺得自己已經(jīng)不年輕了，今年是我做AI或者自然員的第十三年了，一直驅(qū)動(dòng)自身能夠堅(jiān)持學(xué)習(xí)的根本原因就是壓力和恐懼。人不能沉浸在溫柔鄉(xiāng)中，一定要經(jīng)常嚇嚇自己。

張濤：我的關(guān)鍵詞是好奇，我之前做了8年的C端產(chǎn)品，做了5年的TOB業(yè)務(wù)，近兩年又完全投身AI行業(yè)，最大的動(dòng)力驅(qū)使就是我想弄清楚它是什么，為什么是這個(gè)樣子，未來會(huì)發(fā)生什么事情？好奇心會(huì)驅(qū)使我去做很多事情。在一個(gè)不具有確定性的領(lǐng)域中，如果沒有底層的好奇心趨勢(shì)，很難真正學(xué)到東西，也很難前進(jìn)。

任鑫：我建議大家想開一點(diǎn)，人類大概有一半的概率會(huì)被AI消滅掉，如果這種情況沒有發(fā)生，我們將會(huì)是最幸運(yùn)的一代，可能享受到疾病被完全消滅、肉身上網(wǎng)、星際旅行等事情，現(xiàn)在AI為未來的這些可能帶來了概率，所以要想開一點(diǎn)，注重身體，努力看到那一天。

本文來源：混沌學(xué)園