導語：AI 高速演化，「認知更新能力」正在變成一種稀缺資源。

昨天，我和一位剛拿了非常大規模孖展、正在做 AI 遊戲的朋友聊了很久。那種談話並不是信息密度特別高的那種技術交流，更像是兩個已經深度身處這個行業裏的人，對同一個時代節奏產生的共同震盪。

最強烈的感受，其實只有一個： AI 的發展速度，已經開始明顯超出我們作為從業者的認知邊界。

如果把時間撥回一年多以前，AI 仍然處在一個「幾個月一個爆款」的節奏裏。我們會在一次模型發布、一次產品突破之後，集體驚歎一下技術進展有多快，然後再回到原本的工作節奏中。

但從 2026 年開始，這種節奏被徹底打碎了。

現在的狀態更接近於：幾乎每一周，都會出現一次足以改變產品形態、改變工作方式、甚至改變認知框架的更新。不是小功能，不是參數優化，而是可以實實在在重構生產流程的能力躍遷。

過去一兩周，我自己幾乎是以一種不太健康的方式在跟進這些變化。平均每天睡四個小時左右，除了必須處理的工作和生活事務之外，大量時間都用來閱讀最新的模型進展、產品發布和研究動態。即便如此，我仍然只能很勉強地告訴自己：大概跟上了。但如果嚴格一點說，其實已經開始掉隊。

而真正讓我意識到這種變化對現實世界衝擊有多強烈的，是我那位朋友的狀態。

他現在管理着接近四十人的團隊，方向非常明確，就是做 AI 驅動的遊戲產品。從孖展規模、人員配置和組織成熟度來看，這已經是一家相當健康的創業公司。AI 的確極大地提升了他們的生產效率。很多原本需要四五個人協作完成的模塊，現在一個工程師就可以在極短時間內交付。

從表面看，這反而意味着團隊不再需要繼續擴張研發規模。

但現實恰恰相反。他的焦慮感，比我更強。

原因很簡單。AI 的更新節奏已經快到這樣一個程度：每一次模型能力的躍遷，都會直接影響產品設計方式、系統架構、玩法設計乃至商業假設本身。更重要的是，他是管理者，而不是一線研究人員。他並沒有足夠的時間與精力，去系統性地追蹤每一條技術路線、每一個新模型的能力邊界。

所以他已經開始非常認真地考慮一個在幾年前聽起來極其奢侈、甚至有些「脫離業務」的配置——專門招聘幾名只負責跟進 AI 前沿研究的人，而不是直接參與產品開發。

他們的唯一任務，就是確保公司在認知層面不被時代甩下。

這一點對我觸動很大。因為這意味着，在 AI 高速演化的階段裏，「認知更新能力」本身，正在變成一種稀缺資源。

在交流中，我們也談到了國內 AI 公司的整體格局，並且非常自然地形成了一個高度一致的判斷：在中國的 AI 企業中，最有可能率先進入第一梯隊，甚至在某些方向上形成引領效應的，很大概率會出現在字節體系。

這個判斷並不來自於對某個模型參數的對比，而是更偏現實和組織層面的判斷。

第一，團隊整體的執行效率與工程能力極強，與許多傳統大廠已經不在同一個效率維度上。

第二，決策層對新技術的投入意願和進取心非常強。

第三，也是最容易被低估、但在 AI 時代極其關鍵的一點，是其所掌握的數據規模和數據多樣性。

更重要的，其實是產品路線。

相比很多團隊仍然高度聚焦在「模型智力天花板」這一單一目標上，字節系的核心產品明顯選擇了一條更加面向大衆使用場景、更加強調普及率和真實使用頻次的路線，而不是單純追求能力排行榜的領先。

從用戶規模與活躍度的角度看，這條路線已經開始形成非常明顯的優勢。至少在國內市場，豆包面向普通用戶的 AI 產品滲透率，很可能已經處在絕對領先的位置，甚至在活躍用戶規模上，我個人判斷很可能已經超過了 ChatGPT。

從商業視角出發，我們進一步討論了一個更根本的問題：AI 到目前為止，究竟有沒有創造出真正意義上的新商業模式？

我們的結論，其實非常剋制。

到今天為止，AI 本身並沒有帶來超越互聯網範式的新商業結構。它更多帶來的，是對原有業務體系的一次徹底重構。

尤其是在互聯網行業中，這種重構顯得尤為合理。傳統業務普遍存在流程複雜、系統割裂、組織冗餘的問題，而 AI 提供了一種極為直接、且具有規模效應的降本增效手段。

在這種背景下，真正能夠最大化享受 AI 紅利的，並不是那些從零開始的新公司，而是本身已經擁有成熟商業模型、穩定用戶入口和完整生態體系的科技巨頭。

這也是為什麼無論是阿里將通義千問深度接入自身業務體系，還是谷歌將 Gemini 融入其全家桶生態，在商業邏輯上都顯得極其合理。它們並不需要重建一套新的商業模式，只需要讓 AI 大幅提升現有體系的效率與競爭力。

對這些公司而言，AI 更像是一種「超級效率引擎」，而不是一場模式革命。

但如果從創業者的角度來看，AI 依然是一場前所未有的機會。

原因也非常直接。生產力結構發生了根本改變。

過去需要一百人規模團隊才能完成的事情，現在十個人就可以完成。再往前推，很可能一個人就可以構建出完整的產品原型、系統架構乃至早期商業閉環。這意味着創新的門檻正在被大幅拉低，試錯成本急劇下降，產品迭代速度呈現出指數級提升。

但在這種極大解放生產力的背後，其實隱藏着一個非常容易被忽視、甚至被刻意迴避的問題：好項目的數量，會發生爆炸。

過去，全世界每天真正值得被認真關注的創業項目，其實並不多。資源、技術和組織能力本身構成了天然篩選器。而在 AI 的加持下，這個篩選器正在快速失效。每天可能會出現幾十個、上百個，甚至上千個完成度極高的產品原型。

這會對傳統投孖展體系形成極大的衝擊。

我很難想象，在高質量項目數量成倍增長的情況下，傳統 VC 依賴人工判斷、長期盡調、深度陪跑的決策模式，如何維持原有的效率與回報結構。

進一步推演，我們甚至開始設想一個更激進的場景：當幾乎人人都可以構建自己的產品之後，AI 產品本身可能會逐漸演化為一種新的注意力經濟市場形態，類似於今天的 Meme 生態。

但兩者存在一個關鍵差異。未來的 AI 產品是真正可用的，並且可能在極短時間內完成商業閉環。也就是說，一個 AI 產品很可能在幾周之內，就完成整個生命周期所需的收入積累。

在這種高度短周期、高併發創業形態之下，孖展與退出反而會成為最大的摩擦成本。正因如此，我們甚至認真討論了一個此前看起來非常激進的判斷：未來部分 AI 項目的投孖展過程，很可能會更多通過 Crypto 體系來完成。

原因並不複雜，從純粹經濟效率的角度看，它可能是目前我們所能看到的、最接近極致資本流動效率的基礎設施。

在討論完產業結構和創業形態之後，我們回到了一個更底層的問題：現在的大模型，距離真正意義上的 AGI，到底還有多遠？

我們的判斷非常直接。從「聰明程度」本身來看，當前主流模型已經非常接近我們對通用智能的直覺預期。

真正可能引發下一次質變的，並不完全來自模型規模本身，而更可能來自兩個方向。

第一，是權限與長期記憶。

當一個 AI 擁有極高系統權限，能夠接管個人設備、賬戶系統和行為數據，並且具備長期記憶能力，能夠持續學習和理解一個人的偏好、習慣和決策模式時，它的能力將不再只是「問答工具」，而會轉化為真正意義上的個人智能中樞。

第二，是高質量、實時且高度專業的數據源接入。

這一點，我自己有非常具體的經驗。

在一個多月前《阿凡達》討論度最高的時候，我分別向多個主流模型（豆包、ChatGPT、grok、Gemini）詢問當下最新的國內外票房數據和市場表現情況。結果非常有意思。只有豆包給出了非常準確且更新及時的數據，其它模型大多只是基於通用谷歌搜索結果，抓取了一些已經明顯滯後的新聞報道。

根本原因並不在模型能力本身，而在數據源結構。通用搜索本質上只能提供低頻更新的公開信息，而真正高質量的數據，來自於高度專業化的數據服務體系。

這件事背後的意義其實非常重要。未來，大模型公司與專業數據公司之間的深度合作，很可能會形成一條極其關鍵卻不容易被公衆察覺的護城河。當用戶在高度專業問題上持續獲得準確、實時且可信的數據反饋時，體感上的智能水平會出現顯著躍遷，即使模型本身並沒有發生顛覆式變化。

從用戶體驗角度看，這種躍遷甚至比單純的推理能力提升更加直觀。

當然，我們還聊了很多更細節的內容，其中一部分涉及他公司的具體戰略和內部佈局，我並不適合展開。但有一個結論，我們幾乎完全一致。

未來五到十年，很可能會成為人類歷史上變革幅度最大的一段時期。

不是局部行業變化，而是社會運行方式、生產結構與個人能力結構的系統性重構。

我們都非常焦慮。但同時，也都感到非常幸運。

能夠身處這樣一個劇烈變化的時代，本身就是一次難得的機會。

真正危險的，並不是失敗，而是對穩定的錯覺。

我越來越堅定地認為，所有相信自己的職業路徑、能力結構和行業位置已經穩固的人，未來大概率都會為這種判斷付出代價。

在這個時代，我更願意把自己定位為一個「投機分子」。

不是投機資產，而是投機方向。

當趨勢發生變化時，能夠迅速調整認知結構；當底層邏輯發生遷移時，願意推翻已有路徑，重新構建自己。

不是賭一次成功，而是儘可能保證自己，始終站在變化之中。（X Corp.）

#AI #字節 #千問 #豆包 #VC