本期嘉宾梦秋是青楼资本创始合伙人，转型投资人之前曾任百度技术副总裁，先后管理搜索的产品技术及全部用户侧产品技术。他是张小珺商业访谈录第一期的嘉宾，本期是两人的第二次catch up。
录制于2023年春季，ChatGPT已引爆全球关注，GPT-4刚刚发布，技术大牛联名签署暂停AGI开发的公开信。一级市场从元宇宙泡沫中走出，尚未大规模投入AI。
梦秋用"自大学毕业以后知识界爆炸的年份"来形容2023年。他每天花大量时间阅读技术解析，坦承自己不是native AI出身，"我也没写过这些方面的代码"。这种诚实的自我定位，反映了这一轮AI浪潮对整个投资圈认知框架的冲击程度。
梦秋高度认同黄仁勋关于"iPhone时刻"的判断，但对其背后逻辑做了更深入的拆解。
梦秋反复强调的核心逻辑：所有技术和底层平台，只有当终端用户可感知的时候，才会爆发。ChatGPT之前，GPT-3.5已经推出，但只在开发者社区引起关注。ChatGPT让"不需要任何高深知识的人"都可以使用，这才引爆了大模型时代。
梦秋指出，iPhone推出时几乎没有一项技术是Apple自己原创的——触屏、多点触控等building block都已存在。但Apple的产品定义能力，将所有组件整合为"一台移动电脑"。诺基亚拥有同样的技术，但做不了这样的产品定义。
梦秋区分了底层技术能力（GPT）和产品形态（ChatGPT）的关系。底层能力超过临界点是必要条件，但必须有一个"好的产品载体"让终端用户感知，未来的应用场景和商业想象空间才会足够大。这一逻辑框架贯穿了他对整个AI浪潮的判断。
梦秋将这波AI与上一波（AI 1.0，以计算机视觉/AI四小龙为代表）及元宇宙等技术泡沫做了系统区分。
| 维度 | AI 1.0（计算机视觉时代） | AI 2.0（大模型时代） |
|---|---|---|
| 核心能力 | 识别 — 判别式AI（是/否） | 生成 — 创造内容 |
| 落地场景 | 安防等有限场景 | 几乎所有行业流程 |
| 商业化 | 极难，AI四小龙苦苦挣扎 | 与已有产品结合后迅速落地 |
| 用户感知 | 低，仅B端可感知 | 高，C端直接体验 |
| 技术信仰 | AGI少数人相信 | 路标已被验证，大方向明确 |
| 资金支撑 | 有限，商业化倒逼 | 微软等巨头提供无穷算力 |
梦秋认为从技术角度看，深度学习、神经网络、强化学习的论文都是多年前就有的。关键变化不在算法发明，而在信仰+资源的结合：相信AGI可以实现的人，获得了前所未有的算力支持。以前"无法想象可以在这样的算力下去真的实现这样的一个东西"，结果一旦算力到位，"就真的算出来了"。
以前很多人不相信强化学习与深度学习能走通这条路，也不相信暴力美学能实现。现在有人"已经走出来了"，即使地图上的具体路径对其他厂商并不清楚，但大方向已经确定。"最笨的方法就是你如果有足够多的钱，你就去穷举各种不同的路径的可能性。"
梦秋特别提到DeepMind每年烧数亿美元、三个创始人中一人专门负责商业化却最终卖给Google的历史。这说明纯技术信仰如果没有商业化闭环，终究不可持续。OpenAI走出了一条不同的路：先用ChatGPT教育人类，再逐步建立生态。
梦秋将OpenAI的成功归结为两个关键节点，而非某个单一技术突破。
纯公益组织的钱不可能支撑那么久。微软不仅投资，还专门建了超算中心、提供无穷算力。"与其说是OpenAI的人牛，我确实觉得微软make这个decision的人更牛。"微软通过复杂的可转债结构，做了一个"稳赚不赔的生意"。
一堆AGI researcher转向面向应用场景和产品思路。CTO Mira Murati（35岁女性）推动在GPT-4之前先发布ChatGPT，让终端用户可感知，"不断地通过落地产品教育人类"。
梦秋的分析揭示了一个关键模式：技术突破需要三个条件同时满足——(1) 相信AGI可行的信仰者团队；(2) 不用考虑短期收入的充分资金；(3) 将技术转化为用户可感知产品的能力。缺任何一个，都无法复制OpenAI的成功。这也解释了为什么这个模式"很难复制"。
面对"所有building block Google都有"这个公认事实，梦秋给出了一个多层次的分析。
但梦秋同时预判："所有building block都有，所以我还是觉得Google会很快赶上来。"
Google的案例完美印证了Clayton Christensen的"创新者窘境"：拥有所有资源但无法集中力量做颠覆性创新。梦秋将这个问题归结为两个字：信仰。不是有没有能力的问题，而是有没有不计代价、不问回报的坚定信念。
梦秋用"超摩尔速度"形容这一轮AI技术的迭代节奏，并与iPhone时代做了对比。
与外界感知到的"AI热潮"不同，梦秋提供了一个投资人视角的冷静描述。
除了AI这个新方向大家在积极看以外，其他情绪跟去年（2022年）差不多。2023年上半年各方面预期都不太好——消费恢复滞后、SaaS客户拖账期、A股上市政策不明朗。梦秋对portfolio的建议是：做好"更长时间融不到钱的准备"。
| 类型 | 行为特征 | 代表 |
|---|---|---|
| 激进派 | AI项目每一家都投，不管谁能成 | 部分头部美元基金 |
| 谨慎积极派 | "每天早上起来看到风起云涌多开心，但是不着急" | 梦秋自认属于此类 |
| 焦虑派 | 年初做的规划没有AI赛道，突然火了，重新开始规划 | 部分传统基金 |
梦秋最坦诚的判断是：目前能说清楚什么不应该投（大模型伸手就能做的事、缺乏数据壁垒的垂直应用），但回答什么应该投"我现在没有答案"。这种克制恰恰反映了这一轮AI浪潮的复杂性——不是看不到价值，而是判断具体标的的时机和路径极度困难。
梦秋明确表达了一个在当时可能有争议的判断：大模型仍然是大厂更有优势的。
从100万美金到2-3亿美金，创业门槛跨越了两个数量级。这意味着传统早期基金在大模型赛道几乎没有位置，也解释了为什么"没有一波中高层从大厂离职创业"。AI创业的资本密集度正在将VC行业本身重新分层。
梦秋在明确"大模型是大厂的菜"之后，系统性地分析了创业公司的可能机会。
创业公司要做垂直领域大模型（Foundation Model），必须同时满足：
| 领域 | 可行性 | 原因 |
|---|---|---|
| 医疗 | 较高 | 病历数据极度私密，医院联动know-how极深 |
| AI for Science（材料/生物科技） | 较高 | 基于元素周期表的底层计算，非大模型可覆盖 |
| 金融 | 不确定 | "要看数据反馈循环能不能循环得起来" |
| 游戏AI | 边缘 | 已有团队在做，但商业化程度不高 |
Jasper AI曾估值15亿美元，是OpenAI的早期深度合作伙伴，专做营销文案生成。但ChatGPT出来后"他们就慌了"，因为大量中小客户需求被直接满足。这个案例清楚说明：如果你的核心价值只是一层API调用加Fine Tuning，大模型自身能力的提升就会瞬间吞掉你的护城河。
作为前百度技术VP，梦秋对"ChatGPT是否会替代搜索引擎"给出了清晰的技术性分析。
大模型本质上"永远预测下一个词是什么"。如果永远按最高概率预测，那就是搜索引擎，"而且你的效率还比搜索引擎低"。模型加入随机因子正是为了生成——同样的问题给不同人不同答案。"这才叫生成式AI"。这个技术原理决定了：搜索求准确，生成求多样，两者不是替代关系。
梦秋提出了一个重要判断：AI这一代的Killer App有可能不是一个独立的入口，而是与已有大型APP结合——"这就已经足够好了"。他认为AI"强壮了巨头，但不一定产生巨头"。微软搜索、Google自有产品线、Office全家桶——AI落地的第一个最大场景可能就是搜索引擎本身。
梦秋提出了一个引人深思的判断：AI最大的挑战是对教育系统的挑战。
四则运算不再需要算得很快。"咱们中国的小孩从小被九九乘法表训练算得倍儿快，但这件事情并没有什么用。"
记性好不再重要。"我爸妈很得意觉得我可以背很多古诗词——有什么用啊？记不住搜嘛。"
写不出来可以生成，画不出来也可以生成。未来需要的是"有想法的人"。
梦秋认为发展到极致，"10%以内的人类驾驭AI"。AI会替代"不聪明的和不能驾驭AI的人"，但真正有想法的Artist不会被替代——被替代的是"只会照猫画虎的、根据甲方需求做设计图的画工"。在可见范围内，AI"远远不到说它就要把人类给overrule掉，现在还是人类的助手"。
计算器让算术变得无用，搜索引擎让记忆变得无用，生成式AI让执行层面的创作变得无用。梦秋的推演逻辑是清晰的：每一次工具升级都在往上推"人类必须拥有的最低能力线"。最终留下的是"有想法"这个最难被机器化的能力——判断力、审美、创造力、方向感。
梦秋将涌现类比为人脑的学习过程，认为这并不是不可理解的现象。
神经网络从设计第一天起就在模拟大脑。当模型接近大脑运作机制、又被灌入互联网上所有可抓取的数据（远超任何个人一生能接触的知识量）时，涌现出意料之外的能力是合理的。例如逻辑推理能力可能来自学习编程代码——"人类的逻辑之极大成者"。
梦秋将Prompt Engineering比作早期搜索引擎的使用技巧——余军曾写过"善用搜索引擎一百条小技巧"，因为早期搜索引擎"不够好用"，需要精心组合query才能得到正确答案。Prompt Engineering的目标完全一样。随着技术推进，"你就是自己想怎么问都行"。
梦秋提到一个引人注目的假说：大模型的逻辑推理能力可能源于训练数据中的编程代码。编程是"人类逻辑的极大成者"，模型可能从中"学习到了逻辑这个东西"。但模型的逻辑推理仍然需要一步步引导（Chain of Thought），尚未做到人类那样从一个提问直接跳到答案。
梦秋还提出一个有趣的观点：大模型的能力涌现也可以反向帮助人类理解自己的大脑运作机制。我们人类"还没有fully understand咱们自己大脑的运作机制"，大模型在这个意义上既是产品也是科学研究工具。
对于AI是否会改写科技巨头的竞争格局，梦秋给出了一个结构性判断。
AI不会重塑TMT行业的巨头格局，但会重塑所有行业的流程、工作流程、人才模型和效率模型。中国第一波觉醒的就是"巨头本人"——当OpenAI做出这种效果之前，巨头可能在"打瞌睡"，但现在已经全面觉醒。
移动互联网reshape了很多东西，也产生了新巨头（字节跳动等）。但梦秋认为AI这一代"也可以不出现"新巨头——因为Killer App可能不是独立入口，而是与已有大型应用结合。如果2C的独立杀手级应用始终不出现，AI就更像一个"牛逼的2B升级包"而非新平台。
梦秋留下了一个开放性问题：AI到底是产生新入口的平台级变革（如移动互联网），还是让所有行业全面升级的工具级变革（如云计算）？如果是后者，最大的受益者将是已有的巨头，而非新的创业公司。这个判断在2023年春提出，具有相当的前瞻性。
梦秋（前百度技术VP）对百度做大模型给出了明确的乐观判断，但给出的理由并非简单的老东家情结。
梦秋不赞成Robin（李彦宏）"中国不会出现第二个大模型"的说法：
梦秋对百度和字节的判断差异本质上是战略优先级的问题。百度在搜索/广告主业下行的背景下，大模型是"最具想象力的方向"，有生存级别的紧迫感。字节则有太多高增长业务争夺注意力。这与Google错失先机的逻辑完全一致——不是能力问题，是focus问题。
梦秋系统性地对标了多个历史技术浪潮，试图为AI这一波找到时间节奏的参照。
PageRank / Hyperlink分析算法出现，搜索效果秒杀上一代——用户端可感知的技术突破。
搜索引擎广告模式确立。在此之前Google差点卖给Yahoo。技术突破到商业模式间隔约3-4年。
类似搜索引擎的"用户可感知"时刻已经达到。但独立商业模式尚未出现——"这个答案没有了"。
移动互联网的APP生态繁荣，前提是底层系统收敛为iOS和Android两种操作系统。类比到AI：如果大模型格局不稳定下来，上面的应用就"长不出来"。这是中国VC观望的核心逻辑。
| 类比对象 | 特征 | 速度 |
|---|---|---|
| 搜索引擎（2C） | 用户可感知 + 独立商业模式 | 技术到商业化约3-4年 |
| 移动互联网（2C） | 新硬件入口 + APP生态 | iPhone到生态繁荣约3-4年 |
| 云计算（2B） | 基础设施升级，无独立消费者入口 | 从概念到普及约10年 |
| 上一代AI（2B） | 计算机视觉，安防场景 | 商业化极慢 |
搜索引擎的历史证明产业爆发需要两个要素同时成立：(1) 用户端可感知的技术突破（PageRank / ChatGPT）；(2) 可持续的商业模式（搜索广告 / ?）。AI已经完成第一步，但第二步悬而未决。如果AI最终是2B为主的生意，参照云计算的历史，产业化周期会更慢。
梦秋认为普通人对AI"过于panic"是不必要的。"有绝大部分还不知道这个事情在发生"，early adopter的兴奋放大了信号。他观察到更多的情绪其实是焦虑性的——"这个东西来了，是不是来干掉我们的"。
在技术飞速迭代、格局尚未定型、商业模式缺席的三重不确定性下，"谨慎乐观"实际上是一种认知上的诚实——承认看到了巨大潜力，也承认看不清具体路径。梦秋"我是觉得还没有特别适合我们出手的机会"这句话，可能是整期播客最有信息量的一句。
| 判断 | 置信度 | 时间窗口 |
|---|---|---|
| AI未来十年是长期价值主题 | 高 | 2023-2033 |
| ChatGPT = iPhone 1时刻 | 高 | 已发生 |
| 大模型是大厂的菜 | 较高 | 当前判断 |
| 中国至少有2-3家大模型 | 较高 | 中期 |
| 百度能做成国内最好大模型之一 | 较高 | 如不犯错 |
| 搜索引擎不会被替代 | 高 | 长期 |
| 不会重塑TMT巨头格局 | 中 | 中长期 |
| Google会很快赶上来 | 中 | 短期 |
| Prompt Engineering是过渡形态 | 高 | 短期 |
| 会不会出现独立2C Killer App | 不确定 | 未知 |
从今天的视角回看，梦秋在2023年春做出的几个判断极具穿透力：(1) AI有solid的价值基础而非泡沫——已被验证；(2) 大模型是大厂的菜——中国格局基本印证（百度文心、阿里通义、字节豆包等）；(3) "不一定产生新巨头"——到2026年AI独角兽虽多但尚未产生平台级巨头；(4) Prompt Engineering是过渡形态——Agent范式正在接替。而他当时"不知道"的问题——独立Killer App是否出现——至今仍是悬而未决的核心命题。