视频模型、Agent 与大厂焦虑

这场对谈从视频模型的竞争讲起，却很快落到一个更具体的问题：当模型会写、会看、会调用工具时，谁能把它做成可靠的任务系统，谁又能从中赚到钱。庄明浩给出的判断并不单线乐观。中国的视频模型公司正在密集投入，Agent 正从聊天工具进入工作流，但模型公司的高估值、企业软件预算的迁移和 AI 硬件的落地，仍有不同的节奏与约束。

视频模型为何先卷成耐力赛

节目所说的视频模型竞争，已经不是某一家模型领先就能结束的比赛。庄明浩看到的是一组同时投入的中国公司：既有字节、快手等平台，也有可灵、海螺和多家初创团队。训练、推理和部署视频模型都比纯文本更消耗资源；当头部公司短期不急着盈利，后来者要留在赛场，面对的便不只是模型效果，还有资金储备和战略定力。

他认为，美国一侧仍在这个方向持续投入的主要是 Google。一些早期视频模型创业公司则改变了位置：节目以 Runway 为例，说明它开始把多个视频模型接到同一平台上，而不再只依靠自家模型出售能力。对 OpenAI 收缩视频方向的解释也放在资源取舍中：浏览器、社区、新闻、广告电商和模型同时推进，会让算力与组织的优先级变得更尖锐。这个解释是受访者对竞争格局的判断，并不等于其他公司没有视频业务或不会再进入该领域。

Agent 不是更会聊天的模型

主持人提到春节后不断出现的新词，庄明浩把它们放回一个连续的能力路径：L1 是对话，L2 是带推理过程的回答，L3 是能够执行任务的 Agent。对话产品的重点是回应用户；Agent 的重点则变成任务是否完成。它要知道用户正在做什么、要交付什么、何时算完成，也要能使用文件、数据库、权限和电脑操作环境。

这也是节目反复谈到 Harness 的原因。庄明浩借发动机和整车作比喻：基础模型或推理模型像发动机，Agent 产品还需要座舱、仪表、方向盘、刹车和传动系统。换成软件语言，就是任务定义、上下文、工具调用、权限管理、验收和反馈。模型厂商会做其中一部分，使用模型的团队也会做其中一部分；两边的设计会反过来影响下一代模型应该训练什么能力。

估值在讲什么，风险又在何处

谈及智谱、MiniMax 等模型公司，庄明浩先说了一套他使用过的粗略参照法：把中国某赛道的头部公司，放在美国头部对手市值的 1% 到 2% 区间里比较。这个比例不是财务模型，故意不纳入收入、亏损、现金流和商业模式。它反映的是市场先用中美头部公司的相对位置建立预期。

在节目所述的阶段，智谱和 MiniMax 的市值已经被市场推到约 5% 到 6% 的位置。受访者把溢价归于纯模型标的少、使用热度上升和对新一年收入的期待。上市后披露的财报仍主要反映此前年度，春节后形成的收入增长判断需要后续财报来印证。相近公司的模型发布也会相互带动股价，这使市场能够在一段时间里把同一叙事继续向上延展。

庄明浩特别提到两个可能的压力窗口：首批基石投资人的解禁约在上市六个月后，更广泛的解禁约在十二个月后。窗口本身不会决定涨跌；新模型、收入和整体市场情绪都可能改变结果。它提示的是，市场的宽容并非没有期限。

企业 Agent 瞄准的是软件与服务预算

节目把 Anthropic 的上升与企业市场联系在一起。庄明浩认为，模型能力到达某个可用门槛后，以编程方式解决任务的路线会扩展到更多工作场景。AI 编程不只给程序员使用：用户交代任务、系统完成实现、用户检查结果，这套交互与通用 Agent 已经很接近。企业若能用这种方式完成一部分 IT 咨询、财务、营销或内部工具开发，原本支付给软件订阅和外包服务的预算就可能改道。

他用这条链路解释了 Anthropic 的收入增长、部分软件股承压以及 OpenAI 调整战略之间的联系。企业预算通常高于个人订阅，因而企业市场的收入曲线会直接影响模型公司如何分配资源。不过，庄明浩也说明这是一种事后解释：一项功能发布并不自动替代某类 SaaS，市场对替代的担忧也可能先于实际部署。

这也解释了为什么阿里、腾讯等上市平台承受的是另一套评价。对于大体量公司，市场会问 AI 对当期收入贡献多少，而不是只看模型和产品能否跟上热点。庄明浩判断，这种直接贡献目前仍然很小；但平台的生态、用户习惯和入口仍有价值。办公、云、文档、社交与支付等既有关系，能决定用户最终把哪些工具留下来。对平台而言，AI 未必表现为一个独立产品的收入，也可能表现为整套服务的留存和付费理由。

成本优势不等于竞争已经定型

主持人提出了一个常见期待：中国厂商能否以较低成本做到足够好的水平，再凭价格和规模追上甚至超过美国。庄明浩认可成本是很直接的优势，也用中美模型公司投入量级的比较说明这个判断为何有吸引力。但他不认为竞争已经进入可以从容打磨产品的稳态。模型能力仍在快速爬升，过去可能半年一轮的发布，正在缩短到数月一轮。

节目把视频模型视为较早的信号。它提到 Seedance 2.0 在短时间内多次提价，供给与算力仍然紧张；这与低价抢市场的传统想象不同。另一边，中国用户对算力、Token 和编程套餐的直接付费开始出现，至少不再被一概视为没有意愿。它们都不足以证明全面反超，却说明价格、能力与付费之间的关系还在变化。

硬件在用旧周期追新能力

AI 玩具、眼镜等硬件的困境，在节目中不是单纯的产品设计问题。软件模型可以按月改变能力，硬件却要经历设计、开模、定产、渠道和销售。正在热卖的设备，往往在更早的模型能力阶段就已立项。消费者拿着当下对 Agent 的期待去评价它，很容易觉得设备仍像预设程序；远程更新能改善一部分功能，却不能完全越过硬件定义时就写下的边界。

庄明浩还把供应链、渠道费用、存储和芯片成本、退货率放进同一笔账。小众场景可以让一款产品成立，例如记录、拍摄、语音交互或连接车机；它们却未必能说服普通人改变购买习惯。眼镜首先仍要看得清、戴得舒服，许多设备还需要手机联网、查看结果或完成下一步操作。因此，节目认为这些产品目前更多是在增强手机和既有生态，短期内看不到手机被整体替换。

增长空间与物理边界同时出现

对谈结尾回到一种不舒服的并存状态。一边是视频模型的需求、Agent 对工作流的进入，以及内容、导览、办公等日常场景的普及；另一边是算力、存储、数据中心审批和硬件周期等难以迅速跨越的限制。节目提到，许多人还没有真正使用过 AI，但供给侧已经开始碰到现实资源的边界。

AlphaGo 十周年让这种焦虑显得更具体：人们往往在技术能力已经改变后，才重新理解早期信号的含义。庄明浩没有把这种回看变成确定的预言。AI 的需求会不会持续扩张到足以消化现有投入，企业预算会如何迁移，硬件能否跨过大众市场，仍要由产品体验、收入和基础设施一同回答。