“悲观者正确，乐观者成功”，和好友亚婷聊聊AI行业的种种

这场对谈从一个很具体的职业感受开始。庄明浩做过移动互联网投资、游戏直播创业，又在一级市场经历过元宇宙的迅速升温。他发现，过去熟悉的增长、运营和早期 VC 方法，未必还是市场最急切需要的能力；于是把自己的播客叫作《屠龙之术》。这个名字既是自嘲，也点出了整期对谈的主线：当技术与行业切换得越来越快，人该怎样判断什么还有效，什么已经折旧。

投资没有放弃判断，只是更快地承认不确定

庄明浩 2011 年进入经纬，先后关注移动互联网早期的社区、电商、游戏、广告和平台公司。离开后，他做了三年多游戏直播，创业没有成功；2019 年回到经纬，赶上元宇宙从小众议题迅速变成投资热点。他无法说服自己以当时的价格和速度押注早期团队，最终再次离开。

这段经历没有让他把快速投资简单归为错误。元宇宙那一轮后来表现不佳，他仍把 VC 看作在不确定里配置概率的工作，不要求每笔都对。用户需求、团队适配和执行节奏依然重要；变化在于，AI 让一次尝试需要的时间和成本都变小。过去一笔钱可能支持一个阶段，现在同样的资源可能支持多轮验证，投资人也得更频繁地调整对团队和进度的判断。

AI 已经接手了知识工作的前半段

主持人把庄明浩的工作概括为收集信息、从中找规律、再把规律讲给别人听。他没有挑出哪一段可以稳稳留给人类。相反，他把自己的工作拆成四步：找材料、加工整理、统筹安排、最终制作。知识库和模型可以处理文字、图表与 OCR，也能帮忙理解材料、规划顺序；这些能力已经进入前三步。

最后的制作在访谈当下仍主要由他自己完成，例如做 PPT 和演讲稿。这个边界并不牢固：要求没有那么高的场景，他已经会交给 AI；留下的部分既有工具能力的限制，也有他作为使用者的偏好。所谓手工，并不能天然证明其中存在无法自动化的技术环节。

合成图像把审核、版权和责任推到一起

谈到图像模型时，庄明浩用 AI 合成的黄仁勋图片说明问题：生成结果足够接近真实时，普通人第一次看到很难分辨。过去，伪造和审核的成本大致相当；现在，内容生成变快，平台逐条判断的压力会变得更大。

节目没有把水印或内容标签当成终点。庄明浩认为，生成式内容牵动的并非单纯的技术管理：角色形象、版权素材、平台审核和责任认定都落在法律、社会规范与商业利益的交界处。技术能生成什么，与社会准备好如何处理它，是两件不同的事。

垂直应用的防线有用，但未必长久

模型能力向上游集中，也让应用公司的位置变得复杂。庄明浩提到，法律产品 Harvey、Legora 以及编程产品 Cursor、Replit、Lovable 都曾展示快速增长；随后，Google 或前沿模型公司也会推出、加强相邻能力。在他的观察中，当某项工作已经被证明能在 AI 上产生收入，基础模型公司就更可能将其视为重要战场。

他没有因此断言所有垂直公司都会被取代。律所等行业的隐私、数据安全和合规要求，连同长期积累的工作流，都可能构成保护。问题是这些保护能维持多久，是否足以抵抗通用能力继续下沉。节目把这个问题留在开放状态，而不是把数据或工作流写成永久护城河。

三张主桌，以及一场资源取舍

庄明浩用三张“主桌”描述当下的竞争：语言能力走向 Agent，多模态能力，以及编程。他把 OpenAI、Google、Anthropic 分别放在这三条线上，同时强调这只是观察当下格局的比喻。若通用人工智能走向同一目标，这些分工可能重新合流；没有哪家厂商能长期同时把所有方向推到最前面，资金、算力、人力与产品重点都会迫使它们取舍。

中美竞争也被放进这幅图里。嘉宾把数据、算力与能源都视为条件，并提到 DeepSeek 为适配华为昇腾投入了较长时间。他认为，美国拥有芯片和集中算力的优势；中国则在能源以及部分硬件生态上有自己的条件。对这些条件如何转化为长期优势，他没有给出确定判断。

企业的难题是边用边判断

不少企业仍在问 AI 的投入回报：写出的代码做成了什么产品，产品卖了多少钱，宏观生产率何时显现。庄明浩承认，这些问题在访谈当下没有令人满意的统一答案。组织惯性也会让大公司在没有全面采用 AI 的情况下继续正常运转，不能把暂时平稳读成影响不存在。

他的建议是从真实任务开始使用，不要等待头部企业交出一套可复制的标准答案。企业可以反复用它处理手边的问题，从结果中形成手感，而非专门划出一段时间学习 AI。这种做法不承诺立即得到回报，只是承认变化速度很快，旁观本身不会积累判断。

对齐与评测没有一个代言人

把同一个问题交给不同模型，庄明浩感到差别不仅在文字，也在情绪、立场和人格感。后训练、系统指令与价值取向都会影响输出，于是与人类对齐立即遇到一个具体困难：究竟是与哪一群人、哪一种价值观对齐？节目里没有出现一条被所有人接受的界线。

这也让 benchmark 的含义变得有限。嘉宾并不否认模型能力有高下，也提到业内有人认为中美模型差距正在缩小，有人却认为差距扩大；但他认为单一分数越来越难概括真实使用体验。测试仍然必要，只是它不能替使用者决定什么叫好。

公平不是天然存在的条件

对谈最后回到 AlphaGo、李世石和 Faker。庄明浩转述，李世石后来与 AI 下棋时，曾让 AI 每步只能在 20 秒内落子，自己却可以不限时，还要求 AI 让子。这样的设置并未让双方能力相同，而是在绝对差距之中保留一个人类能参与的比较条件。

游戏也是同样的逻辑。节目谈到模型与职业战队对抗的设想时，限制不再只是胜负：AI 需要像人一样看屏幕、操作鼠标键盘，并接受接近人类的输入延迟，不能直接从后台读取数据。所谓公平，是人先规定好哪些能力可以参加比赛。

这种不确定也落在普通人的工作与创作上。庄明浩担心中间岗位的培养与上升通道会先受冲击，但预计组织惯性会拉长这个过程。纯信息交换可能越来越容易自动化；人的现场感、眼神、身体状态和氛围反而更稀缺。谈到音乐，他把极端情况推到作品供给已经足够的地方：创作仍要回答的是想表达什么、希望谁听见，以及听众从中得到什么。节目没有给出新的平衡何时到来，只把这些问题留给正在经历变化的人。