目录
- 季报开场与模型竞争 [00:00:00 - 00:10:00]
- Claude发布事故与Coding竞争 [00:10:00 - 00:20:00]
- Coding Agent格局与模型即产品 [00:20:00 - 00:30:00]
- RSI递归自我改进的边界 [00:30:00 - 00:40:00]
- RSI成果与物理AI [00:40:00 - 00:50:00]
- 世界模型与企业自有模型 [00:50:00 - 01:00:00]
- 开源模型与企业后训练 [01:00:00 - 01:10:00]
- Claude Tag与语音交互模型 [01:10:00 - 01:20:00]
- Google Meta xAI竞赛 [01:20:00 - 01:30:00]
- Meta追赶与Midjourney转向 [01:30:00 - 01:39:37]
季报开场与模型竞争
程曼祺：RSI是什么？Anthropic首先发布了掉了大家胃口很久的Methos。发布名称以后是Claude,可以说是史诗级能力,但是灾难级发布的一个反面教材。RSI是什么？RSI和上一期我们聊到的AutoResearch这个概念是紧密相关的。AutoResearch也就是说我们的AI像一个研究员一样工作。RSI的话它是在auto research的基础上往前更进一步，就是说这个研究员会在研究的过程中不断地改进自己，使得自己在下一次做研究的时候能力会变得更强，因为这个事情如果一旦做到了的话，它最大的意义就是说，那我们之后仍可以从这个loop中抽离出来，只要不断地给这个AI系统去喂算力。 [00:00:00]
Henry Yin：它就会不断地去提升它的智能，这一季度，两家最厉害的公司 OpenAI和Anthropic，在智能前沿上，还有一个不约而同的举动，就是他们都在加码robotics。
程曼祺：Anthropic的话，他们在 One AI Builds Itself，这篇博文里面也提到，就是他们认为，在recursive intelligence的下一步，就是robotics和physical intelligence，当这个AI模型它work的时候，它比我做得又快，做得比我又好，我感觉我自己没有什么价值，当这个AI模型它不工作的时候，那我更惨了，因为我完全不知道，就是它为什么不工作，所以AI能力变强了，但是这个AI研究员的幸福感，不一定会比之前更强，欢迎收听晚点聊，我是曼祺。本期继续带来2026年Q2的AI季报，嘉宾仍然是MoE Capital的创始合伙人 Henry Yin，这个季度我们沿两条脉络，来看AI的进展，一是推进智能前沿，我们聊了三个话题，首先是OpenAI和Anthropic之间的竞争，然后是RSI Recursive Self-Improvement，递归自进化，这延续了Q1我们重点讨论的一个话题 AutoResearch Anthropic这个季度专门写了RSI的长文，更多新的创业公司正在涌现，就在上周我就新知道了，四五个在这个方向创业的团队，有的已经官宣，更多在水下，三是物理AI OpenAI官宣Robotics Team，更新鲜的非公开信息是 Anthropic也在考虑这个方向，第二条线是智能如何扩散，我们看到更多企业客户想要自己的模型，这如何成为Fireworks等科技公司，和中国开源模型的机会，二是交互创新 OpenAI带来了Record and Replay。Cloud终于接入了Slack群协作，最后我们补充了Google Meta xAI的近况，还有很久没上头条的MidJourney，它居然做起了超声波医学影像设备，一个小说明是，我们录这期时是6月27日，这之后又有重要变化，如Claude 5恢复了全量上线，所以节目里的这部分内容有之后，我们正式进入本期的讨论吧，欢迎收听晚点聊 2026年Q2的AI机报，这次我们继续来和Henry Yin MoE Capital的创始合伙人，聊这个季度，他的观察和他看到的进展，那正式开始之前，首先恭喜一下MoE Capital，你们已经正式的announce了，现在你们是有两位合伙人，你还有Naomi，你可以简单讲讲你们的近况，有什么好消息可以分享吗，谢谢曼祺大家好我是Henry。 [00:02:32]
Henry Yin：很高兴回到晚点聊跟大家聊Q2的进展 MoE Capital最近正式launch了，然后我们希望能够做离AI前沿最近的早期基金 MOE背后其实也有一个前沿的AI社区，我们的成员包括在OpenAI Anthropic Google Dmy等前沿实验室工作的研究员，也包括很多正在做创业的Founder，学术界这边的话，我们也有Princeton和Stanford的教授，作为我们的Founder Advisor，我们会一起来讨论很多新的技术进展，我们最近已经投资了10家公司，然后这个季度也有几家公司陆续公开了，比如Recursive，是Richard Socher，石天林，田园栋等人一起创办的NeoLab，专注做递归自我改进，还有Elorian，是Gemini Data Co. Lead，安住大业创办的视觉推理NeoLab，最近xAI的Post Training Lead Dustin Tran也加入了他们，最后一家是Dreamlabs。 [00:03:20]
程曼祺：来自NVIDIA的Gear Team，他们是DreamDojo Dream Zero团队的四位研究员，创办的机器人公司，如果大家对前AI研究，或者这些研究，如何变成下一代，创业公司的机会，感兴趣，欢迎来找我们聊一聊 OK，你提到这些公司，正好有一些，也在我们这个季度。要展开聊的一些话题，比如说最近非常火的RSI，还有同样在国内，也非常火的世界模型，这个我们到后面可以展开，那首先，我觉得可以先回顾一下，上个季度的一些话题，哪些到这个季度，是在持续发生的，哪些可能是有变化的，以及你觉得，就比如说，如果我们展开第二季度的观察，从哪几个角度去看，去梳理，能帮大家抓到大的脉络，上个季度，我觉得有几个方向性的判断。这个季度其实都变得更清晰了，第一的话，就是OpenAI在coding上的反扑，基本上已经被验证了，上个季度我们说 Anthropic最大的风险，就是OpenAI如果重新聚焦的话，战斗力会非常强，那么这个季度我们可以看到，就是Codex的势头明显起来了，有很多开发者，从Claude Code接回Codex，尤其是在Anthropic，自己出现了一些，限流价格模型口碑的波动以后 OpenAI其实抓住了这个窗口期，第二的话就是上一季度，咱们聊过Android Capacity的，这个AutoResearch项目，那么AutoResearch RSI，在这个季度从比较前沿科幻，变成了一个，我觉得比较明确的一个，研究和创业方向，这个是第二个进展，第三个的话就是Computer Use，我觉得也往前走了一步，上季度我们说Computer Use，非常值得期待，因为它本质上是，数字世界里面的机器人，那么这个季度的话。我们看到OpenAI出现了一个，很有意思的Codex，一个新Feature，后面的话我们可以展开聊一聊，它就是基于Computer Use，在模型能力上面的进展，最后的话就是OpenClaw，这个上季度最火的这个话题，当时我们说它是一个灯塔效应，它可能自己不是终点，那可能会指明方向，我觉得确实这个季度，它自己的热度降下来了，但它其实很多，它有一些前沿的想法，都被Codex和Claude Code，吸收到他们的这个产品的功能里面去了 OK，那我们如果要来看Q2的话，你会以一个什么脉络和框架来看，我觉得Q2我们可以用一个框架来看，这个框架有两部分，第一部分就是，如何继续推进前沿智能，第二部分是，如何把我们现在已经有的智能，加速在社会里面的扩散，所以第一条线的话，我觉得最重要的能力就是两个，一个是coding，另外一个是长程的agentic能力 coding现在它已经不是一个，就是应用场景了。 [00:05:38]
Henry Yin：它现在既是当下最重要的事情，因为它代表了收入，它也是未来，因为我觉得coding是很多，接下来前沿继续往前推进的，一个基础能力，长城的agentic能力的话，则决定了AI是不是能继续完成，更长更复杂的任务，像这两种能力组合起来的话，才能真正实现auto research，乃至未来的RSI，所以在前沿的这块，我觉得最重要的就是这几个事情，包括OpenAI Antwerp在发力，然后以及有一些新的，比如说Recursive Mirandio Core Automation这些的新的公司，都在往这个方向去做探索，他们都是在做自动化研究，或者RSI就是递归自进化的方向，第二条线的话，就是前沿智能的扩散，就是我觉得Frontier Lab，他们创造出这些新的智能能力，然后这些能力会通过他们的产品 API，开源模型，企业的这些workflow，然后UI UX。 [00:06:32]
程曼祺：乃至于就是硬件，来一层一层扩散到这些社会里面，那么这个季度的话，我们可以看到 Frontier Lab在想各种方法，来加速扩散的过程，一方面是让AI更加深入进入企业，那么企业也会开始考虑，我应该用什么样的模型，我应该继续用OpenAI And Tropic的模型吗，还是应该去用开源模型，或者说我自己的模型，另外的话就是，如何让AI更自然地，进入人的工作和生活，这会带来很多 UI UX和产品形态上的创新，比如Cloud这边有Cloud Tech OpenAI那边的话，有Record and Replay，这些的话我觉得都是Q2，如何让智能进行扩散的新进展，所以接下来的话，两件事情同时发生，一件事情的话，就是如何在前沿，继续把智能往上推，然后第二件事情的话，就是如何努力的，去把已有的智能，往整个社会去扩散，前者会决定AI的能力的天花板。后者会决定，就是AI真正改变世界的速度，那我们就从第一条线，推进前沿智能开始，第一个话题，还是延续上几个话题，也就是两大Frontier Live OpenAI和Athropic之间的竞争，我们可以先从他们，这个季度的新的模型开始说，因为这仍然是，一切后续的竞争的原点，刚好在第二季度，两家都有非常重磅的发布 Henry你可以和大家简单的讲一讲。 [00:08:18]
Henry Yin：这个季度真的非常的exciting，首先是Anthropic这边，首先发布了，它吊了大家胃口很久的Methos，那么发布名称以后是Claude，这两个它们的基模是一样的，主要区别就在于，就是Methos是面向可信任的客户，所以他们没有一些安全的护栏，然后Claude的话是面向所有人，它加上了一些安全护栏，能力非常的强，我觉得大家还是觉得，它的能力是非常惊艳的，比如说它在Suitebench Pro上面，是一个80.3%的成绩，相比它自己的上一代的，顶尖模型4.8的话 69.2有一个，大概11分的一个提升，然后在Terminal Bench上面，也做到了88分，但是整体的发布下来，是一个可以说是，实时级能力，但是灾难级发布的，一个反面教材，有几个问题，反馈的会比较凶，一个的话就是过度封锁，因为它加了安全护栏，所以如果在有一些问题，它觉得不太合适的时候，它会拒绝回答。
程曼祺：然后有的时候会退回到4.8，那么他自己的公布是说，大概在小于5%的任务上面，我会进行回退，但实际网友去用了以后，发现会有很多问题，比如说当聊癌症的时候，他会把这个认为是一个生物安全问题，而拒绝回答你的问题，或者有的人问就是说，这个心脏是怎么回事，然后他也会拒绝回答，所以就是有点过于神经质了，这个安全护栏，然后第二个问题其实可能更严重。 [00:09:36]
Claude发布事故与Coding竞争
程曼祺：然后第二个问题其实可能更严重，当然这个问题就是比较快速的被修复了，就是他们在系统卡里面说，当这个任务涉及到前沿的LM，或者ML研究的时候，那么我们是有可能，在不告知用户的情况下，静默地进行降制，通过改写prompt，或者steering vector的方法，把这个能力降下来，那么这个事情就是最典型的，如果有什么事情是misalignment，这个就是定义级别的错误。
Henry Yin：所以被大量的AI的研究员，就是吐槽这个问题 misalignment如果翻成中文是什么，就是非对齐，非对齐，我们的目标本来应该是对齐，对齐的一个基础的一个假设，就是当人让AI完成一个任务的时候 AI会忠实的，尽自己之大能力去完成这个任务，而这个恰恰就是 Claude它就是在不告知人的情况下，不尽力去完成这个任务，这件事我记得第一时间，在推特上就掀起了轩然大卧，有很多人讨论，很多人吐槽。 [00:10:25]
程曼祺：因为Anthropic一向是以，做最aligned模型的 Frontier Lab著称的，这也是他们自豪的点，但他们在几个小时以后，就做出了修正，然后现在的话应该是，如果要是拒绝回答的话，应该是会主动告诉你，我再降至到4.8，然后在OpenAI这边的话，就是刚刚发布的GPT 5.6，那么他们没有report SuiteBench增速，但是他们report了。
Henry Yin：TerminalBench上面 SO Ultra能够达到91.9%，这个是历史上，就是第一个应该是超过90%的模型，因为SuiteBench，就之前聊过很多次，都是一个coding的benchmark SO Ultra去打这个TerminalBench。第一次上9是意味着什么 Terminal Bench的话，它是一个就是测试在Terminal，也就是终端里面完成一些任务，一些多步，然后需要使用工具的任务的，这么一个Benchmark，所以它可以认为是，它能够测试这个偏长程的 Agentic能力的一个Benchmark，你说的偏长程，就是还没有那么长程，对我觉得它可能没有就是达到，比如说几个小时，或者超过一天的这种任务，在这个Benchmark里面。但至少是一个多步的，然后就GP5.6在Agent's Last Exam，也是一个benchmark，然后它的表现也比较精明，是目前的模型里面，为一个超过50%的，对这个也是一个。 [00:11:57]
程曼祺：比较不错的一个分数，除了这两个benchmark以外，他们还report在生物，然后以及网络安全上面，能够匹敌，这个Methos Preview的成果，为什么这次它没有去公布 SweetBench Pro上的分数，这在以往模型发布，都是一个惯常的操作 OpenAI在今年2月份的时候，其实发布了一篇文章，就说SweetBench Verified，现在已经不是一个很好的，测量coding能力的一个benchmark了，因为它已经持续的被污染了，他们会推荐就是SuiteBench Pro，但是为什么他们这次，没有发布在SuiteBench Pro上面的分数，可能外界也不知道具体的情况，因为现在GPT 5.6，它和Claude类似，它也都是限量使用的。就是它开了一个安全可信的名单，这些人才能来用最先进的模型，所以今天也有很多人在讨论说，是不是美国政府的这种监管，以后会变得常态化，这块补充一下，就是这两个模型发布以后。另外一个非常大的变化，就是现在不是所有人都能够使用最前沿的模型了，这个Claude发布在三天以后，美国政府就一直禁令，就是说不允许Anthropic给外国人提供Claude这个模型，然后因为Anthropic无法判断这个用户是否是外国人，所以它直接就全球用户下线了Claude，那么在我们现在录制节目的时候，刚刚就是限量的重新上线了Claude，然后在GPT 5.6发布的时候，也是同样的是美国政府要求，只能对美国政府批准的实体，开放5.6的能力，所以目前的话，应该是只有大概20家，像Vidia Amazon这样的客户。能够access5.6，总结而言的话，在第二季度的新的模型上，一边是Claude 5，一边是GPT 5.6，你觉得两家的对比怎么样，如果我们要是看Claude 5。和GPT 5.6的benchmark上，我觉得是各有千秋，但是实际的使用体验上来说 5.6刚刚发布，还没有太多的用户能够使用 Fibre 5的话也就发布了三天，所以总体反馈不多，但是Fibre 5我们可以看到，在网络上有一些demo，比如说能够one shot我的世界，或者one shot像红色警戒，这种级别的游戏，所以能力上面应该还是，比之前是一个大版本的一个跃进。那我们接下来就是进入，更产品化和商业层面的竞争，也就是现在这两个公司的主线 coding相关的产品，以及和这个相关的，通用agent的产品的竞争，其实上个季度，我们就聊到说 Anthropic的隐忧，就是Codes OpenAI的coding agent，可能会强势反扑，最开始你也提到，这件事情在本季度，是已经有苗头的，确实你能感觉到，周围有很多人在迁移，你可以讲讲，一个是你感受到的，这种迁移的状态，就一些事实，然后背后的原因，以及比如说宏观上，我们能看到势头的反转，我先从我身边的感受说一下，我觉得就是最大的一波迁移潮。 [00:14:21]
Henry Yin：可能是Cloud 4.7的时候 4.7是一个明显大家都不太喜欢的模型 4.8我觉得口碑是有回声的，那4.7的话呢，应该是主要目的发布4.7就是为了降本，但是4.7的时候就是有大量的这个用户，因为不满意4.7模型的表现，所以从这个Claude Code迁移到了这个Codex，另外一个的话呢，就是Anthropic在5月份的时候，定价上面有一些变化，他们就是不想再让第三方的Harness，能够按照subscription的价格，来去用它这个token，而是要用按照API的价格来算，所以这一波又让有很多用户，就是流失掉了，然后OpenAI的话也是很好的，就是抓住了这个机会，就是说Sam在X上说，所有最近30天，愿意从Claude Code迁移到 Codex的企业用户，我给你两个月免费，然后这一波又拿了一波客户，所以从宏观上来讲的话。 [00:15:01]
程曼祺：我们可以看到 Codex应该usage，应该是有比较大幅的上升，当然Anthropy，现在最近几个月的revenue增长。
Henry Yin：还是非常的猛，并且好像在Q2，出现了首度的盈利，就是有好几个媒体，包括华尔街日报，然后像路透他们报道说，出现了二级的盈利，这不算是公司官方放出来的，但因为这几个都是，比较权威的财经媒体，应该相对靠谱，大概是说它二季度，有5.6亿美元的营业利润，还有一个也是非官方的一个营收数据，就是Anthropic大概的增长是。 [00:16:05]
程曼祺：5月早期的时候大概是，年收入预期的年收入，大概是在470亿美元，然后到5月底的时候，就增长到了540亿美元，到6月中的时候，增长到了620亿美元。
Henry Yin：所以这个增速还是非常可怕的，对比一下OpenAI的话，就是6月中的时候，大概在400亿美元，然后Anthropic的6月中，是620亿美元，对吧，有1.5倍的差距，对对对，这差距，其实如果你对比第一季度，应该是拉大了 Anthropic的增长更快了，不过这里面，我觉得有一个，就和前面说的事实，结合起来看，它可能就是，用量上的差距，也许没有这么大，是因为你说到，去Codex送了很多，免费的东西，就是它的价格占，比较激进，因为它是，相对落后的一方，所以它有一些，用户的增长，可能没有等量的反应，在它的收入上，因为现在Codex，很多人是20刀，每个月就能用饱的，但是Anthropic，他们可能如果要用的话，可能是至少是100刀，或者200刀的，那就相当于相同的用量，你就差了5到10倍的收入 OpenAI还是挺激进的，挺狠的，就是在争夺这个份额上，你自己投的一些公司，他们有权益。去用Codex的这种现象吗，比如之前在用Claude Code，现在用Codex，都有，我当年投的公司，用Devin的也有，然后用Claude Code的，也用Codex都有，现在还有人用Devin，还有人用Devin，而且用Divend的原因，就是因为Divend和Slack合作做得好，和我们后面可能要讲一个事有关，就是Divend和Slack的合作做得好，但是这个季度 Anthropic也推了一个，打通Slack的新的功能，就是Claude Tag。 [00:17:38]
程曼祺：就相当于，它可能也会去吃Divend的这方面的需求 Divend是最先推出，就是AI Coder或者AI Software Engineer，和人在Slack里面合作的，当然现在是一个，所有人都有的功能。但Anthropic现在加上了以后，我觉得还是因为，它体量比较大，并不是一个非常新的东西，然后这两家公司的竞争，还有一点，虽然这个季度还没发生，但是正在进行中，就是IPO的竞争，目前来看，应该是AnswerPick更快，它定义文件的时间是更早的，应该是的，你觉得他们谁先上市，影响大吗，这两家公司，我觉得影响不会很大，因为差不了太多时间，差不了太多，你觉得OpenAI，如今如此激进地做价格战，你觉得会怎么影响它的IPO，因为很有可能，这会在财务上反映成，比如说你的毛利，相比AnswerPick就会有差距，然后你的收入体量，现在已经有比较大的差距了，我觉得他们可能还是相信。 [00:18:16]
Henry Yin：现在用户和数据，应该是很重要的事情，如果要是能够通过一些这种手段，能够把更多的用户拉回来，然后给他们收集更多的数据，我觉得对于他们的模型。
程曼祺：再进一步提升和赶超，应该是有帮助的，其实我还是觉得，他们的做法也挺有魄力，就一方面我再准备登陆二级市场，但另一方面，从长远考虑，它还是采用了一种，比较激进的竞争手段，没有说因为要上市，就考虑说，让这个财务数字更好看，关于这两家的竞争，还有一个相关的第三方，就是科瑟退场，其实上季度我们就聊到，科瑟是比较威的，就当时看起来，在Anthropic Claude Code的压力之下，那到了第二季度，它已经不再是一个独立的公司了，被SpaceX AI，就是合并了xAI之后的 SpaceX这个新的主体，给600亿美元收购了，你可以讲讲这件事。 [00:19:07]
Henry Yin：就是在行业里引起的，涟漪和变化是什么，首先Cursor，包括Cursor在内，所有做coding的公司，就是短期和长期，我觉得分两方面来看，就是大家短期的这些。
Coding Agent格局与模型即产品
Henry Yin：就是大家短期的这些，营收的增长，都是非常强劲的，但是长期的话，就是在Claude Code和Codex，这种双重的打压之下，公司的前景在哪里，我觉得Cursor可能也是，主要是这方面，有一些问题，收工的价格的话，我觉得其实是一个非常好的退出 600亿美金，对吧，这个应该是历史上，就是最大的创业公司被收购的价格，那么如果尤其是和他的竞争对手 Windsurf，仅20多亿美金被Google Demand收购的话，大概有一个接近30倍的一个差价，如果大家用过Windsurf的话，其实在Windsurf被收购之前，我觉得他的用户体验，几乎是和Cursor完全一样的，所以我觉得Cursor的话。就是做到这个行业第一，我觉得还是以这个价格被收购，是一个非常好的一个退出结果，我觉得它刚好赶在了一个很好的时间点，就是xAI自己出了比较大的波动和问题，他们有需求去要这样一个团队，同时SpaceX刚上市，上市其实它对，就是我去做一些更完整的布局，或者说我去讲一些故事，它也是有需求的，就刚好卡在这个点是挺好的，准确地击中了老马的需求，因为老马从去年年底开始。 [00:20:39]
程曼祺：就是非常看重coding这一块，然后就给了xAI内部团队，非常大的压力来做coding，也因为这个原因，就是导致xAI这个团队，重要的人都离职了，所以他现在的话，他也非常急需的去收一支团队。然后能把coding这个故事，接着讲下去，你觉得还有什么买家，接下来可能会需要这一类的公司 Google有可能做类似的动作吗，我觉得Google的话，现在是这个季度，从战略上来讲。应该是在给他之前，传统侠乡多么太降级，然后给coding继续升级，不过他之前已经收购了，这个Windsurf团队了，所以它应该有很大的需求，但我不知道它是不是还会继续。通过买团队的方式，买团队的方式在收购 Meta了 Meta已经招了太多人了，招了太多人，但它也采了很多人，对，但是它的TBD，已经招了很多很好的researcher，所以你觉得他们应该大概就是，用自己的团队去追这件事，对，如果总结一下这两家公司的竞争，你觉得他们现在核心比拼的是什么，我觉得比拼的话，是一个比较系统性的比拼了，当然模型的能力的话，两家现在又达到了一个。 [00:21:45]
Henry Yin：旗鼓相当的水平，当然还要去看5.6，真实使用起来的反馈怎么样，但是另外就是在，他们产品，然后以及变现，然后以及整个生态系统上面，我觉得应该现在是一个。 [00:22:11]
程曼祺：系统化的竞争，你觉得模型及产品这件事，还有在多大程度上成立，因为他们其实也有很多，我觉得产品的创新，和产品上做得很好，然后去提升体验的部分，我不知道这一部分的努力。
Henry Yin：是被怎么评估和认识的，我觉得模型级产品，在他们两个人的竞争中，不完全成立，因为我感觉在，和很多OpenAI研究员的对话中，有一种情绪，就是他们觉得，他们的研究和模型，做的是很好的，和Antropic是同一个level的，但是在产品和推向市场方面，是一团糟，所以我觉得这两个，不完全化得好，他觉得至少有一些OpenAI研究员，的观点是说。
程曼祺：现在我们的收入，各方面做得没有Antropic好，是这个产品和走向，推向市场的过往，这个想法还挺有意思的，因为一般来说，大家对这两个公司的印象，会觉得Anthropic，是一个更精简的团队，他们更focus在少数的方向上，给人的印象是，他研究做的更多，然后OpenAI已经七线多人了，然后他的职能，是相对更齐全的，包括他最近也招了很多FDE，就是前向部署工程师，就2B的那块他也在做，但是反而，他们内部的研究人员，还认为他们的产品，和go to market，走向市场做的不够好，你首先你觉得这个评价它客观吗，你就是说如果说它做得不够好的话，因为它其实是更早意识到，要做这个也投入的比较多。为什么它还做得不够好，我们可以看到OpenAI的，在这方面的这个管理层也经常在换，也不是非常的稳定，当然OpenAI是个很大的公司，但我是应该是听到不止有一个，就是OpenAI的这个研究员，有这方面的看法，就你觉得他们说的这个对吗，我觉得Q1或者Q2早期的时候，确实是这样的，就是你如果在这个X上面你看的话，就是Claude Code这个声量会比Codex大很多，我觉得就是在产品的宣传，然后社区的构建上面是要比Codex好很多的，现在Claude Code在X上面有几个大的influencer，比如说它的Claude Code之父Boris，然后还有他们的Catherine Wu，然后还有Tarik等等几个人，就是在X上面都有大量的关注者。然后他们就有很大的流量，所以他们所有的新的功能发布的时候，应该会以更快的速度出达到用户，所以他们产品团队也相对稳定，然后这些人也在社区里很有影响力，对这两家公司来说，因为他们模型的能力是相对旗鼓相当的，所以他们的竞争是一个更加综合的系统的竞争，你提到就其中有一个点是，比如说产品和走向市场的能力，如果更完整来说，这系统里面还包括什么，包括这个系统最后，就是一个系统，可能会越来越好，或者说保在一个比较好的状态，一个系统可能会竞争力差一点，会是什么导致的，我觉得有一个点，就是Anthropic，他们的人的retention，一直做得很好。 [00:24:35]
Henry Yin：就是从Anthropic离职的人的数量，应该是远小于，其他的Frontier Labs的，这个原因的话，有人说是因为Anthropic，现在已经邪教化了，然后洗脑非常成功，有人说是因为，他们的option太贵了，所以得留在那儿，要不然走了以后，付不起钱买那个option，但是我觉得这其实是一个，人我觉得是一个很重要的因素，从来就是如此，还是最近它变得越来越强之后。 [00:25:14]
程曼祺：会更明显，我觉得Anthropic一直是，它的retention都是非常好的，包括你可以直接去看，它的创始团队，还有多少人在Anthropic，你说的第一种就是猜想，就说它是一个，有点宗教化的组织，是因为就这个组织的愿景，是比较独特和强烈，让它可能本来信来的人，就开始就比较信这个，走的人也比较少是吗，对，我觉得他应该是，愿景是非常强烈的，然后非常，另外的话就是。
Henry Yin：这个小道小喜，就是面试的时候，他的这个价值面，都是非常的严格的，挺有意思的，历史上有什么这样的公司吗，我觉得还真不多，但我觉得他们是，非常的认真的看待，自己做这个事情，所以他们也会去找，和教皇合作，然后发表一些，这个宗教怎么和AI结合，这些事情，对他们是真的是在思考，就是未来这个AI世界，应该怎么构建，因为现在有一些人，由于Anthropic。 [00:26:07]
程曼祺：一些反人设的行为出现，就类似于你刚才提到的，我默默地给你降制，这些做法，然后对这个公司，有很多的非议和争议，就是会不太相信，他所宣称的一些他的理念，比如说我们要，做非常安全的AI，比如说我们把对其视为，非常高的优先级，然后从你的角度，包括你和他们的一些人，接受角度，你还是觉得他们，确实是在信这些东西的，我觉得硅谷这边的氛围的话。对于Anthropic在对齐上面的投入，应该还是比较认可的，不能代表所有人，但是我其实聊到的一些OpenAI的研究员，也是认为这个Cloud，在对齐上面做的是比OpenAI强的。
Henry Yin：这个东西如果反映在体验上，是不是它也会带来更好的体验，大家用的时候能感觉出这个区别吗，这个地方我可以举一个例子，就是OpenAI最近发了一个研究。就是说人其实并不太喜欢听到真实的一些反馈，就是说如果这个模型它的产妹程度上升的话，其实人是会更喜欢的，所以如果要是你往这个方向去做优化的话，其实会增加你这个模型的产妹程度，我想大家如果同时用过Cloud和ChatGPT的人，也可能会感觉到就是OpenAI的ChatGPT更会提供情绪价值，而Cloud有的时候会给你当头一棒，就是会更说实话一些，对我觉得这个可能也是，就是在training的这个目标上面，和对齐的目标上面，可能会有一些，两个公司会有一些，不一样的价值观。 [00:27:25]
程曼祺：OK那我们进入就是，黑信前沿智能的第二部分，就是RSI递归自进化，它的全称英文的全称是 Recursive Self-Improvement Henry你可以先说一下，就是这是个什么意思，以及为什么最近。就大概四五月份开始，我觉得这个方向，其实是越来越多人讨论的 Recursive Self-Improvement，翻译成中文的话，就是递归自进化，这个事情听起来很复杂，但其实它本质很简单，就是我们都想要一个，能够自我改进，不断自我提升的一个AI系统，那么这个事情的话，它在AI里面，我觉得可以算是一个，圣杯一样的概念，那么他们在过去几十年，已经被反反复复的，拿出来做尝试了，那么最近一波的话，就是因为coding能力，和长程的agent能力变强了，所以我们又看到了希望，所以又开始进行新一轮的尝试 RSI我觉得和上一期，我们聊到的auto research，这个概念是紧密相关的，那么auto research，也就是说自主研究，它是说我们有一个，我们的AI像一个研究员一样工作，能够去读论文，然后提假设，写代码，然后跑实验，然后分析结果，然后最终的话。 [00:28:16]
Henry Yin：得出一些新的技术结论，那么这个的话是auto research，就是AI自动化研究流程，但是RSI的话，我觉得它是在auto research的基础上，往前更进一步，就是说这个研究员，不光是产生新的知识，而是说这个研究员，会在研究的过程中，不断地改进自己，使得自己在下一次，做研究的时候，能力会变得更强，那这样的话，就达成了RSI的能力。就是它是自己产出了，更好的东西，来帮助自己变得更好，然后又能产出更好的东西，又能帮助自己变得更好，就这样一个循环的，一个loop往上的，螺旋上升，对吧，左脚踩右脚，因为这个事情，如果一旦做到了的话。 [00:29:35]
程曼祺：它最大的意义就是说，那我们之后，人可以从这个loop中抽离出来，只要不断地给这个AI系统，去喂算力，它就会不断地去提升它的智能。
RSI递归自我改进的边界
程曼祺：它就会不断地去提升它的智能，那我们就真正实现这个ASI了。这也是我想讨论的一个问题，就是在递归自进化这个里面，自动化，就是人是否在这个循环里面，和递归，就是这个，它是以一个相似的结构，在比较快地往前推进，这两件事，哪个是更第一性的，哪个是更重要的，我觉得先自动，你觉得得先自动，挺有意思的，我今天跟田元栋也稍微聊了一下这个问题，他觉得可能递归是会先发生的，递归可以说已经发生了，但是自动也发生了，自动对，自动也发生了，只不过自动不是全自动，这个自动是一个阶段性的，它会一点一点的，就是人参与的更少，比如说回到十年前，其实Google做AutoML的时候，它也是AI自己可以做一些事，但是它能做的事是比较机械的搜索，搜索的空间方向，都是人要深入参与，去给它规定好。我觉得我们可以看到一个趋势，就是AI能够改进的，这个系统的部分会越来越大，就是最早期的时候 AI是做超参数的优化 AI来帮我们做超参数的搜索，然后后来的话 Google做了刚才，刚才提到的，这个Neural Architecture Search，或者这个AutoML，就是AI能够帮助我们去搜索，一个网络最好的架构，是什么样的，这个是2017年的事情，再往后的话，我觉得最近 AI可以去帮我们做 Harness的优化 Harness Optimization，是有很多公司在，还有包括Frontier Lab在做的，大公司也在做，然后也有专门的，创业公司在做，有很多创业公司在做，这个事情，然后包括AI帮我们，能搜索training recipe，训练的配方，这个配方指的是，比如说包括 learning rate schedule，然后具体用什么 optimizer等等之类的，然后我觉得再往后的话。就是说AI可能能够，刚才是一点一点升级，能够最后把整个系统，都纳入它优化的范围以内，上述所有事情它都可以做，那就实现完全的RSI了，所以从局部的自动来说，它已经发生了。 [00:31:49]
Henry Yin：对吧，你刚刚说的这些是已经出现了，然后把整个系统放进来，这可能是大家未来追求的目标，在RSI上大的公司，还有一些新的公司，这个季度有什么具体的进展，这个季度我觉得有两家公司。 [00:32:03]
程曼祺：在RSI上面有比较大的进展，第一家公司的话，就是Anthropic，他们在6月4日的时候，发布了一篇文章，叫做When AI Builds Itself，就是当AI开始构建自己，那么这里面，他们分享了很多，他们内部的实践，以及他们对未来的展望，第二家公司的话，是Recursive，他们也在6月份，发布了他们的第一个成果，展示了就是RSI早期，未来的一个缩影 Anthropic这篇 When AI Builds Itself，里面有几个关键数字，第一个数字的话，是截至5月 Anthropic代码库里面，合并的超过80%的代码，都是由Cloud来写的，第二个的话是 2026年Q2开始，工程师人均每天合并的代码量，是2025年之前的八倍，第三个的数字的话是，然后4月有一个案例，是他们让他们的AI agent，端端端的完成一项AI安全研究，然后这个AI agent，累计工作了800个小时，然后比人类研究员。做一周的效果还要好不少，最后一个数字的话是，他们在一个让AI来优化一段代码performance的测试里面，发现这个Methos Preview能够做到大概52倍的加速，而Opus 4系列只能做到就是三倍，一个熟练的人力研究员 4到8小时可以做到就是4倍，所以有一个非常大的一个提升，你前面还提到就这个报告还描绘了比较有意思的未来，这个具体来说是什么 Anthropic设想的未来世界有三种，第一个世界的话就是模型能力不会再变强了，那么我们现在就是如何利用已经有的模型能力来服务全人类，第二个世界的话是模型能力还会继续变强，但可能不会指数级的变强，而是现在这些拥有比较强的模型公司，他们利用这些模型来开发下一代模型，会有一个复利的效果，第三种可能性的话就是RSI完全实现。这样的话就是人类在未来训练AI的流程中的角色会大幅的缩小，然后进度的话就完全只是受算力的限制，那么在这三种世界里面的话 Antwerpik认为第一种世界的可能性应该是非常小的，因为他认为我们现在基本上根据他们自己的进度，我们已经达到了第二世界，那么第一世界唯一的可能性就是，突然我们这个世界发生了一些什么变故，使得比如说电力突然没有了，或者说算力突然没有了，那么可能才是第一个世界的情况，那么第二个世界的话，他认为是我们现在处于的这个世界，基本上你可以认为它是一个auto research实现。 [00:34:01]
Henry Yin：但是RSI还没有实现的一个世界，就类似于他们自己说的，我的什么人群产出代码，变成了8倍，就我效率在提升，但那不是指数级的提升，就目前如果是从研究员，他们自己的表达上来说。
程曼祺：就是他们可以给一个想法，然后AI可以，就是以数量级别，数量级别提升的这个速度，来帮他们完成这个想法，从头到尾，但是他们自己，其实会是那个卡点，对他们自己还是卡点。
Henry Yin：就是AI现在的研究品位，还是不太行的，就还是需要人给他提供，但人的脑力，人的时间是有限的，对，那么第三个世界的话，就是AI能够不断地去 train下一代AI。 [00:35:03]
程曼祺：相当于自然繁衍一样，就很快就比如说，就是未来不是一个月，两个月发一个新模型，可能不断地每天都会有，或者说每小时都会有新的模型，被AI就是自己train出来，那么他们觉得，这个未来最大的风险，还是回到了对齐上面，因为现在我们比如说，基模有一点对齐的，这个瑕疵的话，那么这个瑕疵在AI不断繁衍，和自进化的过程中，可能会不大地放大，那么当AI又比我们更聪明的时候，我们就有更大的失控的可能性，所以也是基于第三个世界的设想，他们现在提出，我们是不是应该有意的放缓研究RSI，或者进一步推进前沿智能的速度，这样的话我们可以给社会更多的准备的时间，我觉得他们也非常矛盾，因为他们一方面就是觉得，为了全人类我们应该放缓这个进度，但另外一方面觉得，我们放缓了这个进度，我们的竞争对手。不一定会放缓这个进度，所以可能还是得往前走，对，他这个文章的标题，就是叫 Our Progress Toward RSI，那讲的也是他自己的进展，但是他里面又说，他觉得最好大家别一起进展太快，对，你觉得他的这种矛盾是真实的，对吧，就结合我们前面说的，你说这个公司，还是有非常独特的愿景的，我觉得是真实的，但我觉得现在可能，除非发生，比如说全世界的人民联合起来，说我们都把这个速度放缓，要不然的话，还是大家会竞争往前，先看谁先能达到，因为你平时也接触大量的研究员，他们自己对制造一个AI，来把人踢出AI进化的路，是怎么想的。 [00:36:07]
Henry Yin：我觉得也是一个非常矛盾的心态，一方面的话，如果RC实现了，相当于是他们把AI的圣杯做出来了，那是一个非常大的成就，但另外一方面，日常生活中并不是很开心，虽然AI现在能力变强了，这篇文章里面也有一个，研究员说的一句话，就是当我的工作，就是这个AI模型，它work的时候，它比我做的又快，做的比我又好，我感觉我自己没有什么价值，当这个AI模型，它不工作的时候，那我更惨了，因为我完全不知道，就是它为什么不工作，然后我还得去弄明白，到底发生了什么，所以现在我觉得也是。
程曼祺：AI能力变强了，做的研究的速度变快了，但是这个AI研究员的幸福感，不一定会比之前更强，就是价值感和成就感，在经历新的考问和定位，我早些时候和田元栋聊，他有一个想法挺有意思的，他觉得很重要的一件事，还是去解释AI，就让AI真的变成一个科学，因为过去也是从地鼓，到开普勒到牛顿的，他认为AI也会经历这个状态，现在可能更多还是在，我理解，可能还是在地鼓的阶段了，大家有很多经验，但是你很难解释，为什么这个经验是有效的，那个经验就没效，它可能都还不到一个，我们以前定义的，那种科学的程度，我觉得如果要是能做到ASI的话 ASI应该是能够理解自己的，你觉得ASI能够理解自己，对，自进化和理解自己，你觉得就会同时发生吗，一定会同时发生吗 ASI我觉得是能够理解自己，你说超级智能是会理解自己。你觉得人理解自己吗，部分理解，对，它可能也不是一个零和一的关系，人在不断地加深对自己的理解，智能如人那种生物，它也没有完全地理解自己，还是有很多东西是不知道的，还有一个关于，就是他设想的第三种未来的，我有一个想补充的问题，就你前面提到，就Anthropic认为，这件事的最大的风险是对齐，那另一方面，如果说模型进化这么快的话，他们不认为有一种风险是，就是智能泛滥吗，就有可能没有，这么多对智能的需求，我不知道这个文章，你提到这件事没有，或者说你们平时的一些讨论里面，大家是怎么看这件事情，好像很少讨论这个问题，因为就是默认，现在有大量的问题需要解决。比如说人类如何长生不老，然后这些问题的话，都需要更强大的AI来解决，所以默认对智能的需求，是不太会有上限的，我感觉现在在硅谷，在制造Frontier Lab，就是认为是。对智能的需求，和对算力的需求，都是没有上限的，那在新的公司里面，你提到说 Recursive Super Intelligence，在RSI上这个季度，也释放了一些具体的成果，这个可以展开讲讲，我觉得Recursive可能是。这个季度最值得关注的 New Lab之一，刚才我们提到，它的创始团队非常的强，有这个Richard Sousa，然后石田林，田园栋，他做的事情就是做RSI，让这个AI系统能够自我改进，那么他们放出的第一个成果，就是做了三个Benchmark上的改进，第一个的话，就是Andrew Capaldi的，这个NanoChat AutoResearch，那么他们是偏这个算法。 [00:39:24]
Henry Yin：就是在固有的budget的情况下，怎么去把这个事情做得更好，就是算力相对固定的情况下，算力资源固定的时候，怎么把这个性能弄得更好，对，然后第二个的话。
RSI成果与物理AI
Henry Yin：然后第二个的话，是NanoGPT的Speedrun，就是说。大家的终点是一样的，就要train到一个performance，把模型train到一个程度，但看谁能train的时间更短，然后第三个的话，是一个GPU kernel的，一个benchmark，叫做SolExecBench，那么这个是，比谁的算子写得好，然后谁的算子的，这个效率更高，所以他们在，这三个benchmark上面，都取得了SolTar的结果，通过把他们做的，这个RSI的系统，应用在这三个benchmark上面，这其实就覆盖了，就是AI进步的三个杠杆，就是说这个更好的算法，然后更快的训练，然后更高效的，这个硬件的利用程度，我觉得可能，这个意义可能不光在于，就是说这个benchmark，它具体提升了，这个数字的大小，可能更多的是。 [00:40:02]
程曼祺：它展示了这么一套，通用的研究闭环，能够把这个东西跑通，我觉得它是它的，这个工作的意义的所在，它是同一个系统，去做了这三个测试，就是一套通用的东西，然后同时这个季度，就除了你刚才提到的 Recursive这家公司，因为他们其实是，水下了一段时间，在这个季度正式宣布的，并不是这个季度成立，但这个季度，也有些新的公司出来，一个就是刚刚在6月25号的时候，正式announce的Mirondale，它也是一成立，就有10亿美元的估值，还有另一家公司是Core Automation，你可以讲就是，现在这些不同的新的团队，都在出现，然后都看到觉得这是一个机会，是为什么大家觉得。
Henry Yin：可能有新公司，来做这件事情的机会，我可以简单介绍一下这两家公司创始人的背景，首先是Core Automation，那么它的创始人Jerry Torek，是OpenIO系列的负责人，所以是在推理方面做出了很多贡献的，然后Mirandale的创始人是Bayman，是Anthropic的，之前在Anthropic应该是负责他们的AI for Science团队，所以这两家公司现在都是在RSI的方向上面去做探索，我觉得RSI这个事情之所以，我觉得还有创业公司的机会，首先它是，我觉得技术上，它还没有完全收敛，就是可能在除了 coding和长程的agent能力以外，我们可能还有一些别的东西，是目前还缺失的，所以我们还没有完全达到RSI，那么这样的话，它不完全是一个对算力的游戏，可能还是需要一些新的idea。 [00:41:23]
程曼祺：才能让这个领域达到下一阶段，一般来说创业，你要找一个现在的主流公司，主线不会去做的事，你觉得Sarpeak和OpenAI，他们就是往后推的话 RSI会在他们的主线上吗，其实从SRP和发这篇文章，包括OpenAI也会去说一些目标，说他们到今年9月的时候，要实现AI研究实习生，说二八年三月的时候，要实现自动化的AI研究员，我自己觉得有一种可能性是 Frontier也会比较重视这个事，这就是你说的，为什么它火的其中一个原因，就是大家设想，如果你做到了这件事情之后，你的加速度可能会越来越快，这可能是帮你在竞争中，把其他人甩得更远的方式之一，就看起来他们，可能也会往那个方向去做，这和创业公司之间。 [00:42:14]
Henry Yin：会形成一个什么样的竞争关系，我觉得就是 Anthropic他们自己也提到了，就是现在的这个AI研究员，他的这个Bottleneck，还其实在这个研究的品位上面，人类现在依然是这个瓶颈，所以我觉得。
程曼祺：Frontier Lab来做这个事情，并不一定会和，现在新的这个Startup，做这个事情，拉开无限的差距，这一季度，两家最厉害的公司 OpenAI和Anthropic，在智能前沿上，还有一个不约而同的举动，就是他们都在加码Robotics OpenAI这个事是相对公开的，而Sopic这个事是，就业内大家慢慢的在流传吧，它应该确实是有这个意向，要去尝试做Robotics Henry你可以讲讲，就是两个公司在巨星智能，或者说在物理AI上的一些情况 OpenAI的话，其实是这个季度 Sam还有Greg，就是亲自在推特上公开，他们的做机器人，并且开始招人。但他们的这个尝试，其实应该是从很早以前，可能2024年开始，就开始在做机器人这件事情，然后他们在1G的FreeMount，现在也有一个机器人的一个warehouse，然后现在有一个几十人机器人团队，在做这方面的探索 Anthropic的话，他们现在应该团队规模比较早，然后机器人尝试在早期，但是他们在 One AI Builds Itself，这篇博文里面也提到，就是他们认为。在Recursive Intelligence的下一步，就是Robotics和Physical Intelligence，所以他们应该也开始在这边提前布局了，机器人理论上也可以RSI，首先机器人比较强之后，它部署到真实的环境之后，就可以获得很多数据，其实机器人发展，它本身也是需要数据，就巨声的模型的这一部分，然后另外就是更科幻的情况，就是机器人可以造机器人，现在看起来有点难想象的事情，但是之前其实也发生过，比如说工业革命的时候，就是机器造机器，母机出现之后，机器就可以造机器了，一直到现在，其实工业母机，都是非常重要的领域，那我们可以稍微多讲讲，因为它的公开信息要更多一点，因为在三毛特曼，自己就是去官宣这个团队，以及招人的信息里面，他还是透露了一些信息的，首先我觉得有几个关键词，就是他说在人上，他要找优秀的全站工程师。全站后面，他包括硬件运营系统机器学习，然后他还提到，就是他们第一个，可能会用的场景是，服务于自己的基础设施，这个应该就是，他们自己的算力设施，然后再往后的话，他也是想做，能够服务普通人的机器人，这也是一个比较有共识的愿景，就是做家庭机器人，包括马斯克机神也说过，他觉得程序状态下 Optimus可能会有200亿台，还有就是他讲了这个团队的负责人，这个负责人是Aditya Ramesh，从这些信息里面，你觉得有什么可以更多去解读吗，就比如他们可能会怎么去做这个事，我觉得Opio和Antropic这些模型公司。 [00:45:05]
Henry Yin：他们应该会发挥自己的长项，然后把这个问题的模型的训练部分就是做好，然后我觉得他们的招聘里面，说到他们要招全站的robotic system，但也不完全代表，他们一定会去造自己的硬件。
程曼祺：就是说不一定会推硬件的产品，跟Optimus那种逻辑可能不太一样，对，这个我们可以往后观察，看会怎么发展，因为现在比较主流的大公司，来做这件事情，就两种方式，一种就是Optimus那样，它最后要做的这个产品，它是一个完整的软件系统，硬件系统都有的，这样一个机器人的东西，然后还有一类就是Google，还有英伟达，其实他们都想做这个领域的，安卓，就是比较偏大脑和智能的那一层，然后创业公司里面，其实派也是这个方向的，和巨生和Physical AI相关的一个，最近发生火的话题是世界模型，虽然就是，我们刚才讨论这两家公司，在这方面的有什么成果，现在不是很明显，但整个领域是出现了很多变化的，正好在五月的时候 MoE Capital，就是你们自己的这家机构，也写了一个世界模型的研究报告，你可以讲讲，你们在梳理世界模型的发展的过程中间，一些核心的总结和观察吗。我可以先简单说一下，就是说为什么这个世界模型，这个事情就是，大家觉得这么重要，就是想象现在有一个机器人，对吧，他可能从来没有见过，就是鞋带，或者说从来没有人，通过TellyUp的方式，教过这个机器人去解鞋带，但这个机器人呢，他因为已经就是，足够对这个世界有了解，所以他就可以就是说，弯下腰，然后抓住这个鞋带，然后把它拉开，然后解开，做这个事情，我觉得就是这个的话是，世界模型想要去解决的一个问题，然后世界模型这个词，我觉得就是被用的很多，然后我觉得最近的话，之所以这个火起来，它主要是之前有两个独立的研究的分支，在2024年和2025年做了一个合并，那么有一个分支的话，就是这个RL World Models这个系列，那么可能比较有名的是，之前Google Demand他们做的Dreamer系列。他们这个idea就是说，在真实世界里面去收集数据非常的昂贵，那我不如去学一个真实世界的模型，然后在这个模型里面，就相当于做梦一样，去simulate真实世界里面，发生变化是什么样的，然后让机器人在虚拟的世界里面去学习，这是一条路线，但是这条路线之前的问题就在于，它每一个环境都是单独去学习的，所以比较难以generalize，另外一条线路的话，就是大家比较熟悉的视频生成线路，包括就是Sora,Ville，或者Seedance，这样我们比较熟知的模型，那么这一条线路的话，就是说我们其实是从这些，人类这种拍的这种video数据里面，是能够取得大量，关于这个世界的知识的，包括这个世界的物理是怎么工作的，但是他们这个系列的话，这些模型的话。它是只能就是说生成这个视频，但不能说我如果在这个，当前这一帧，然后我做了一些 take了一个行动，下一帧会发生什么样的变化，这个就是action condition，就是action condition，所以现在的话就是把这两者结合在一起了，前者的话就是说，我能在一个虚拟的世界里面，让robots或者agent去进行学习，后者是说，我能够通过大量的视频数据，去学出这个世界的一些信息，如果把这两者结合在一起的话，就是我们现在说的这些world action model，这些系列，包括我们投的这家公司Dreamlabs。他们的一个经典的工作，就是Dream Dojo和Dream Zero，就是这个方向的，这个2026年，可能2月份发布的新工作，你刚才就是在解释说，为什么现在这个领域，变得比较火对吧，它其实还是和 Robotics的热潮，也是相关联的，你们当时，这个世界模型的报告里面，还有一个观察，就是在统计，过去这18个月里，世界模型，获得的100亿美元，都去了一些什么公司，你这个可以讲讲，我觉得这个。大概有几个层次吧，一个是纯做世界模型的公司，或者说做模拟器的公司，包括AMI Labs，他们融了1.03B，然后World Labs融了1.23B，然后Runway。 [00:49:41]
世界模型与企业自有模型
程曼祺：然后Runway，他们是从做视频模型起家的，现在应该是融了超过860M，然后Roda 450，然后Decart 153，还有最新的Deniger做的Enble，然后也是超过了1亿美金，这是一层，另外一层的话，就是做robot foundation model，或者说做机器人大脑的这些公司，包括比如说skilled，然后physical intelligence figure mind robotics，就属于这个类别，第三个类别的话，就是说做整体的平台型的公司，包括像NVIDIA，然后Google DeepMind，然后以及就是，现在可能要加入，机器人战团的 OpenAI Anthropic，然后我们看到一个，比较有意思的这个pattern，就是说这些，现在使用数据，这个世界模型的公司，比如说这些 robotic brain的这些公司，他们的融资规模，其实是要比。做世界模型的公司，是要大不少的，可能还是，大家可能会比较相信，就是说做robot brain的公司，最后可能会capture，就是在，如果哪天机器人实现了，这个经济价值最大的，这个capture，可能是被这些公司拿到，你们这个统计，是全球范围的对吧，这个统计主要还可能是偏向是欧美这边的公司，偏向欧美，那你如果把中国算进去。你会看到做机器人这块整个融资规模可能会更大，我还以为这是算上中国的，所以中国之外也有100亿美元过去8个月，其实也不少，但是和SRP和OpenAI最主线的战场相比，它的吸金提量还是，又太小了，差了很多量级，随便一轮就融几百亿美元，那我们接下来进入第二个大的板块，就是关于智能的扩散，已经可以帮我们干很多事情的，智能怎么通过更多新的产品的设计，和一些新的商业模式的设计，让更多人更多企业可以用起来，前面你提到就是有一个新的趋势，或者说机会是很多企业在考虑，我到底应该用什么样的模型，是继续用最贵的Frontier Lab的模型，还是我自己要来有自己的模型，你可以讲讲，这个趋势在第二季度，是怎么发展怎么变化吗，这个领域。我觉得我们可以看到几件事情，第一件事情的话就是，越来越多的公司，在和后训练公司合作，然后来train他们自己的专用模型，一个例子的话就是 Harvey和Apply Compute合作，基于GRM 5.1 train了一个他们自己的模型，然后在他们的 legal agent benchmark上面，击败了Anthropic和OpenAI，那么这个事情很有意思，因为Harvey他们自己本身，就是Anthropic的用户，所以这也是一个风向标，就是现在公司，他们会考虑，不光是使用Frontier Lab的模型，而是说真正去开始，去post train他们自己的模型，那么之前的例子的话，上个季度的话。这个例子应该是就是Cursor Cursor是基于Kimi 2.5，然后post train他们，一个自己的一个composer，那我觉得这个季度的例子，和上个季度的例子，它的模式还不太一样，因为Cursor是，自己基于一个开源模型，然后后训练了一个模型，自己来用，你刚才讲到的这个例子里面，它其实有三方，就Harvey是一个做法律AI的，垂直的AI的公司，面向行业的，然后是Applied Compute又用了GLM 5.1，那就是中国的开源模型。 [00:52:49]
Henry Yin：厂商的模型，然后来帮Harvey去，训了Harvey要用的模型，对 Applied Compute是一个，由OpenAI研究员出来做的一家公司，他们的主要业务，就是Post Training as a Service，也就是把后训练作为一项服务，提供给他的客户，那么为什么现在有更多的像Harvey这样的公司，他愿意去做post training，然后拥有自己的模型呢，我觉得可能有多个原因，第一个原因的话就是成本，就是Cloud的前沿模型它性能很好，但它实在是太贵了，比如Piloto Networks的CEO在X上发了个帖，就是呼吁Cloud立马降价，因为我现在的客户已经用不起你的模型了，如果你再不降价的话，那么我们只能把这个生意给开源模型，或者更便宜的模型，这个发起的CEO，他们的公司的业务，就是一边用Anthropic的模型，然后去一边服务，下游其他的企业客户是吧，对，就是Pilota Networks是。 [00:53:17]
程曼祺：他们是一家做网络安全的公司，所以他们也是和Anthropic在，他们叫做Project Glass Wing，就是用Cloud去找网络安全漏洞的，这个项目上面一个深度的合作方，所以他们也会用Anthropic的模型，去做各方面的安全的业务，包括prevention，就比如说做代码扫描，或者说实时的detection，他们都会去用Anthropogon模型，所以他们现在自己也觉得，这个模型实在是太贵了，这是第一点太贵了，第二点的话，就是说稳定性，这个稳定性指的是说，我能不能期待这个模型，我一直能有access，因为现在的话，一个问题就是说，有可能你在用前沿模型的时候，政府一直禁令，你突然你就没有这个模型的access了，你如果要是产品，基于这个模型去构建的话。 [00:54:11]
Henry Yin：那就相当于是，你的产品构建在没有保障的沙子上面，其实Claude已经发生了，还好它只上线了三天，如果它上线了一个月，美国政府再来这么一遭的话，那确实有些公司。可能已经去与它开发了很多东西了，然后第三个点的话，就是护城河的一个问题，就是因为现在大家越来越觉得 Antwerp这个公司竞争能力太强了，对吧，它会把各种数据都 train到它的模型里面，模型能力会不断的变强，大家也会担心就是说，如果我不拥有模型的话，那么Anthropic会不会就是，逐渐地把这些，所有的能力都内化，那么未来的话，大家直接去找Anthropic就行了，可以跳过我，另外一句话就是说，那我和我的竞争对手，都有同样的基模，那我的这个竞争优势在哪里，所以我觉得从竞争优势的，角度上来讲，大家也会更加地倾向于去，现在去拥有自己的模型，就是有的企业客户，会担心自己变成，下一个Cursor。Anthropic确实也有意义，往这个方向拓展，他之前和黑石成立了，合资的公司，然后有这种大的PE方，其实是可以给他，链接很多大型企业客户，而且大的PE，其实自己就拥有，很多企业类的资产。 [00:55:52]
程曼祺：他可能也能用起来，就是在2B的这种场景里面，对，然后在竞争和护城河这块，我还想补充一点的就是，对于像Harvey这样，就是有高价值场景，然后自己有大量，有价值的数据的公司，他们其实非常希望，自己能够通过，把数据能够利用起来，然后不断地加强，自己的竞争能力，那么如果要是自己有一套，后续链的pipeline的话，它实际上是可以不断的，有越多的用户，越多的数据，它可以加强自己的，产品的竞争力的，但如果要是没有的话，它可能只能依赖于，就是Anthropic的基模，就是在我们刚才讲的 Harvey和Applied Compute。 [00:56:06]
Henry Yin：再加上GLM 5.1，这个三方都在的，这种模式的合作里面，后续链的pipeline，它是由Applied Compute，这家公司来掌握的，还是说Harvey，自己之后就能掌握了 Harvey这个公司。
程曼祺：他们自己也是有人在做后训练的，不过在他们这个合作里面的话，他们是使用了Applied Computer的这个平台，应该叫做The Lab，那么在这个平台上面完成了，就是整个后训练的这个过程，所以这个Pipeline，其实是在Applied Computer里，就知道在这个合作里是这样，所以通过Harvey给Applied Computer，就是付费，然后使用他的这个平台，但是最后中的话 Harvey他自己拥有，就是这个模型和数据，就是它拥有了一个自己的模型。 [00:57:00]
Henry Yin：你前面也提到，他们用来做后训练的基础的模型，是GLM5.1，为什么选这个模型，其实他们试了，市面上可能所有的这些开源模型，可能大部分都是中国的，然后他们最后发现在，这个baseline上面，是GLM5.1的效果最好，然后他们就基于GLM5.1，他继续去做post train，就是智普的这个模型，所以现在从大家，就是在这边的一些使用体验，不管是企业来使用，还是个人来使用，智普的模型，在中国的开源模型里面，确实是最强的吗。可以这么说吗，我觉得质朴的模型，尤其是在5.2发布以后，在硅谷这边呼声非常的高，一方面的话，是真实的去看这个数字的话，它是Terminal Bench，首一个开源破80的模型，并且有多项长程编码任务，能够超过GPT 5.5，然后成本只有六分之一，但是更重要的是，我觉得有很多人在X上，就是说这是第一个，他们觉得编程手感对的模型，就不光是benchmark跑得好，然后实际完成任务，确实效果不错，尤其是质朴非常明智的支持Lanthropic的API，所以你现在可以直接就是接着用Claude Code的Harness，但是把后面的这个API替换成这个GIM 5.2，然后有人就是说可以几乎无痛的替换就是OPP 4.8，这个我觉得还是非常非常厉害的，还有一个我观察到比较有意思的现象，就是除了Harvey除了和Apply Compute合作。
程曼祺：他和Fireworks也在6月初合作，然后创立一个模型，也是基于这个GIM 5.1的，所以就是从大家的用脚投票里面，也能看出这个模型，至少在现在这个阶段，是表现比较好的，是的，我觉得可以稍微延展聊一下，就是中国开源模型的一些情况，因为其实我们刚才聊的，这种合作里面，我觉得它事实上是，美国的一些，有一定能力做模型服务的公司，就比如说Fireworks，比如说Applied Compute，然后再结合上，中国的开源模型生态，他们一起来服务一个客户，这个客户可能很有可能，最开始第一批，也还是一个硅谷的，或者说一个美国的客户，就算是某种意义上的中美合作，在AI领域的，然后他们共同的另一面，看起来就是越来越强的，似乎无所不能，什么都想干的frontier-like，你怎么看这种对局的强国，我觉得从过去三年。回看一下历史的话，就是历史告诉我们，这个模型能力都是，你方唱罢我登场，然后很少有人能够，一直领先的这么一个态势，但是过去三年。 [00:59:39]
Henry Yin：币源也一直没有让开源追上，没有真正的追上，没有真正的追上，它看起来有逼近的趋势，有逼近的趋势，但可能现在币源比开源。
开源模型与企业后训练
程曼祺：但可能现在币源比开源 Frontier还是能领先几个月，半年的水平，而且币源的LIB，它有一些东西，它是没有展露出来的，就有可能它内部，还有更厉害的东西，所以这个差距，有的时候确实很难，动态地去判断，就有一种，对现在这种趋势能否持续，就是说是不是大家都想，要有自己的模型，有一种质疑就是，在24年前年的时候，其实也有一波微调的红利，但是最后随着就是基础模型能力的提升，其实这些工作的红利都被覆盖掉了，你觉得在今天这个时刻，你看到比如像Harvey这种公司，他去找一些人来帮他做后训练，又或者其实微软也有一个相似的场上，微软是说他要去服务更多，就其他的大的企业客户去做这件事，去帮他们训练他们自己的模型，它能持续吗。我觉得这个里面可能有几个变化，一个变化的话，就是现在就是所有做这些后训练，作为服务的公司，他们都要去做一个事情，就是去做FDE，就他们需要去让一些，这个forward deploy engineer，然后去到他们服务的企业里面，然后去帮他们去做这个后训练，前向部署工程师，前向部署工程师，这个也是最近特别获得一个新的职业角色，对，然后这个前向部署的这个成本，应该和就是两年前相比，应该是有所下降的，所以这是一个变化，这是一个变化，也是因为AI coding，本身变得更强了，对，然后第二个变化的话，就是模型能力和任务的相对难度，我觉得有一些变化，就是之前的话，就是模型在我们，比如说LEGO这个场景，它前进的速度可能太快了，比如说从GPT 3.5到GPT 4，这个提升非常大。 [01:00:44]
Henry Yin：那你在老版本的模型上面，去做post train以后，你可能根本赶不上，新模型的这么一个改进，但我觉得现在可能不太一样了，就是现在的话是，你在一个frontier的开源模型上面。 [01:01:38]
程曼祺：加上你的私有数据，很可能是能够超过，就是frontier模型，并且可能frontier模型，短期内都不会反超的，这么一个变化，其实之前你说到的 apply compute和 Hardware的例子就是这样的，他们就是基于GM5.1，做的这个，整个的后训练之后的东西，你刚刚说是超过，就是我直接拿 OpenAI或者 Anthropic的模型来做的效果，所以你觉得这个趋势，在这一次有可能是一个，更持续的趋势，我觉得会比上一次强一些。
Henry Yin：但这个我觉得也是一个，此消彼长的一个过程，当Frontier模型，就是说触顶的时候，受到各种各方面的阻力，比如说包括监管在内，那么开源模型，就会迎来一波增长，另外我觉得还有一个点，补充一下，就是说这个事情，可能也不适合所有公司，比如说我觉得初创公司，可能就不应该做这个事情，它可能应该先用 Open Anthropic的模型，去把他们的产品跑通，然后拿到市场的验证。你说的是不适合初创公司，去有一个自己的模型，你是指这件事对吧，对，主要公司倒是可以去帮别人，拥有自己的模型，这是一个创业方向，对，所以我觉得就是说，比较适合的公司，我觉得可能有几种特征，一种的话就是说。 [01:02:41]
程曼祺：你得有高质量的专有数据，要不然你没有必要去做后训练，第二个的话就是，你还得有一个比较明确的，这个评估系统，能够知道你这个模型是不是变好，比如说Harvey，他们就有一个legal agent benchmark，他自己有一个法律场景的，这种测评指标，测评指标，第三个的话就是说，你真的得有高频和高价值的业务，这样的话你这个模型，比如说稍微提升几个点，你能带来你这个经济价值。我觉得这三个条件满足的话，就可能能够适合来，做一些后训练，然后拥有自己的模型，那其实也能明显的看到几个，大的行业是适合做这件事的，比如说Harvey所在的法律，是的，医疗健康可能也是，金融肯定也是，可能咨询也算是，咨询也算是，这几个确实也是 Anthropic OpenAI会去做的方向，他们也在搞一些这种，比如说health care，什么什么的，这方面的，一个是他们会有这方面的一些专业模型，一个是有些商业上的合作，然后这部分可以补充聊聊，就是中国开源模型的一些情况，因为前面也是提到的两个合作，都是用了智普的GLM5.1这个模型，整体上来说，在第二季度，中国的这么多开源模型，它的一个发展，包括就是比如说，被全球的科技公司采用，是一个什么样的情况，你怎么看这几家厂商，陆续出的一些新模型 DeepSeq基本符合咱们之前的预期吧。就是说这个还是有一些小的，尤其Infer做得非常solid，有一些改进，但是就也没有惊艳到大家了，像我之前和SGLAN的人他们聊，就是他们SGLAN这个项目起飞，就是V3带的，因为他们当时就是优先支持了V3，然后大量的人就想用V3，然后就是都会去问，你们能不能帮我们，把我们这个M1部署做一做，对其实在SGLAN之前。还有一个存在更久的，这种框架的社区，就是VLM，我上次听朱邦华的采访，也挺有意思的，因为他之前，不在SGLang这个社区，他就是Redis Arc这个公司，成立之后，他一起加入去作为联创，他就说最开始，其实他不是特别看好 SGLang的发展，因为他觉得你起步相对晚，而行业里面，已经有一个，其他的开源社区，做得很好了，所以你说V3，其实对他们来说，是一个很大的注意，对吧，那比如说从这些，开源框架的角度来说，他们现在觉得，我应该抓住哪个开源模型的机会，好好地增长发展一步 V4他们其实投入了很多时间精力去做，但V4当然就是，没有V3给他们带来那么大的RI了，那像Kimi像MiniMax，包括像小米，千问，你觉得这个季度有什么亮眼的进展吗，如果我们总结一下，这个季度中国开源模型的进展的话，就是中国开源模型四刹。在过去的这个八周内，先是Kimi 2.6，然后是DeepSync V4，然后是Kimi 2.7，再然后是GIM 5.2，四次一组全球最强开源，基本上就是在编码和成本上，已经快要追平前沿的，比如说5.5和OPUS 4.8级别的模型，然后最强的B元，可能还要领先大概半年的水平。但是差距还，我觉得目前还没有继续拉大的趋势，这是我们聊到的智能的扩散的第一部分，就是观察到一种神奇的中国开源模型，和美国的公司之间的这种合作，然后是第二个，想展开的和智能的扩散相关的话题，就是一些新的交互的尝试，这个更多是在产品创新上的，前面其实也聊到说 OpenAI的一些人，也觉得自己的模型是很强的，但是在产品在走向市场上，不如Anthropic，那我们可以先从 Anthropic这个季度的进展开始讲，他们最近推了一个，还挺受关注的新的产品功能，就是Claude Tag，也是我们前面稍微提到了，就是说类似于Devon之前，做的那件事和SWAG打通，你可以讲讲，就这个新的功能。带来的一些变化和讨论是什么 Claude Tag其实是一个，非常直观的一个功能，它就是允许你能够在 Slack里面，用Add Cloud的方式，来把任务提交给Cloud，然后Cloud就会把这个任务，做好了以后，然后再把结果，返回到这个群聊里面，所以我觉得它的交互方式，就是说从每个人自己，开一个独立的聊天机器人，相当于是你有一个，自己的个人助理，变成了你现在，团队有一个24，小时一直在监听你的需求，和有所有上下文的一个同事，这个我觉得可能是一个，比较大的变化Android的话，在加入Land Traffic以后也是开始疯狂，的灌水他说这个是 AI UI UX，的第三次大改那他是这么想的，就第一次的话是有一个网页 chatbot让所有人去网页聊天，第二次的话就是所有人下载一个 app到自己的手机和电脑上面。 [01:06:36]
Henry Yin：然后能够和AI进行各种交互，那么第三次的话，就是AI来到你的，协作空间里面，企业协作空间里面，然后能够和人，比较深度的去协作，所以就是，这个我觉得是 Anthropics他们这个季度，自己非常兴奋的一个功能，他们，比如说他们的 Claude Code团队的产品经理 Catherine就说，他们现在产品团队，大概有65%的代码，都是通过Claude Tag的形式。来完成的，它的这个好处就是，我们可以群体来协作，是吧，就它可以在一个群里，共享上下文，然后和很多证人，一起来合作，而不光是专门属于一个人，其实这个想法，本身并不是很新，我觉得国内和国外，都有很多。比较更早的尝试，为什么 Claude Code，做这一步比较晚，我觉得他们可能，之前的话，是在自己，最擅长的，产品形态上面，就是下功夫，就在Claude Code上面，花了大量的时间，那么现在的话，他们想要进一步的，去拓展他们的，这个产品战线，所以Slack的话，我知道他们，之前已经做了，内部其实做了挺久的，应该是比较深入的，打磨了这个产品体验，那我觉得可能也跟。它的产品策略有关，就是它希望，推出市场的时候，就已经是一个体验上，各方面比较丝滑，比较成熟的东西，这个也有利于，就是让用户能持续地，觉得你是一个，能给我带来高品质，高体验产品的公司的，这么一个形象吧。 [01:08:37]
程曼祺：我觉得Cloud Cloud，确实它这方面的口碑，是不错的，之前我问过一个 Anthropic的朋友 Cloud进Slack这件事情，难道不是这种程度的集成，以你们的编程能力，不是直接webcode一下就完了吗，他说在用户体验上面，如何能够尽可能有效的利用上下文，然后能够不光是被动的接收信息，而且包括主动的去propose一些任务上面，他们是下了很多功夫的，对这也是他其中的一个功能。
Henry Yin：就是他会在一些合适的时机，跳出来来提醒团队，你不要遗忘一些任务，不要遗漏一些事，以及他还要设置一个全线的管理，这个也是协作类的 agent的需要去考虑的事情，就是不同的员工，可以看到什么类型的数据，可以访问什么不同的频道，我觉得这个也是一个，挺有意思，有点张力的地方，这一方面，就你刚刚说这个Catherine Wood，她自己说我们的很多代码，就是用Cloud来写的，尤其是Claude Tag这个功能，但另一方面，他们自己在推出一个产品的时候，其实我能感觉到，他还是做了很多细致的打磨，你光靠webcoding，是肯定不够了，这一方面，我觉得他把这个，用Claude Tag来提升效率的，这种前景描绘的很诱人，另一方面自己又在默默的。 [01:09:18]
Claude Tag与语音交互模型
Henry Yin：另一方面自己又在默默的，默默的实力，默默的有些地方还是，打磨细节，还是得靠人，得靠团队来实力，所以这不算一个很大的新的东西，但是有可能会是，对Cloud的用户来说，一个更好用的东西，我觉得从概念上来讲，它并不新，没有Android说的那么新，那就是看它执行的好不好，是不是第一个执行的很好的，可能实际对于用户的，这个影响上来说，应该可能是比较大的。
程曼祺：因为我身边的用Devin的团队，他们最喜欢Devin的点，就是和Devin在Slack里面的协作体验，那么现在如果Cloud又有了 Slack的这个集成的话，我会更加担心，就是Devin的这个用户群体 Devin现在什么情况 Devin的revenue增长应该挺好的，因为他们有两部分业务，第一部分业务的话，是卖他们这个工具，就类似于Antwerp卖Claude Code，另外一方面他们还卖服务，就是说比如说，你有一个几十亿个银行，你有一个什么Fortune写的，一个代码仓库，然后我要给你 migrate成一个Python代码仓库，你这个可能几十万行代码，然后那你就直接，把这个东西交给我来，我给你从头做到尾，其实就是之前洪珊说的。 [01:10:24]
Henry Yin：就是SaaS不再是，给你交付一个工具，我不再是按用量来获得价值，我是按我给你的服务，我给你带来的价值，来获得我的价值，相当于是AI empowered咨询，或者你也可以说是 AI empowered的外包，只不过里面可能，人参与的没那么重，对，这是Anthropic在这个季度的，一个功能上的变化 OpenAI也有一个新的功能，是record and replay，这是一个挺不一样的思路。 [01:11:04]
程曼祺：你可以讲这个新功能是干嘛用的，这个新功能呢，它做的事情是，它叫做record and replay，就是它有两部分，第一步是record，就是你可以让Codex去录制，你做一个任务的过程，那么你点完录制以后，它就会开始观察你，你是怎么一步一步完成，你电脑上的一个任务的，那么录制完成以后呢，它会把这个东西固化成一个skill，就是技能，那么当未来你想replay，就是重播的时候呢，它就会根据这个skill的记录，然后来自动的通过computer use的方式，来完成这个任务，所以这个我觉得是一个非常好的，把一个技能从人transfer到AI的一个方式，那么这个事情呢，它其实概念上也不行，在之前的话 Meta内部就有一个项目叫做MCI，就是专门做这个事情，就是在员工的电脑上安装了软件。然后录屏，然后希望能够通过这些数据，让AI学会这些任务，然后最终达到一个，把员工蒸馏掉的效果，不过这也是这个季度发生的 MCI也是这个季度。 [01:12:24]
Henry Yin：差不多的时间，但好像这个项目，是不是已经在Meta内部被叫停了，对对对，这肯定会引起很大的反弹，所以对OpenAI来说，相当于他们都看到了这个方向，认为这个方向还是有价值的，就我Meta那个推的方式，大部分人不能接受，它是想要置信的，然后OpenAI已经抢先，在GPT里面产品化了，所以应该在时间线上，是更加领先的，它这个其实有点像什么，有点像机器人的摇操，早期机器人摇操，也是你去摇操一个，同构的机器人。
程曼祺：然后你把人类的，这个操作的能力，给迁移到一个机器上，然后在模型的进展上面的话，我们可以看到就是现在，预三家在这个OS World Verify上面，已经全部超过了，人类的基线，也就是72%。大概OPUS在83%，然后GPT 5.5，也是在这个，接近80%的水平 OS World就是一个 computer use的benchmark，对吧，其实也是它主打的，这个功能，要去做的那个东西，对，你觉得OpenAI推出的，这个record and replay，还有AnswerPick，推出的cloud tag，哪个可能会是，更引领方向性的，会有更多人来跟进的东西，以及如果你自己用过的话，你觉得哪个对你来说。 [01:13:15]
Henry Yin：更有用，我觉得从概念上来说的话，应该是record and play，更能代表一个，未来大家前进的方向，我相信后面会有，更多的厂商，去追随OPI的这个脚步，但是在require and play的话，它非常依赖于现在 computer use模型，各方面的能力，包括它多步任务的准确性，包括它延迟，都还有在提升，所以我觉得可能 Claude Tag会在短期的。用户的impact上面，影响上面，影响力可能会更大一些，就会有很多人用，会有很多人实际能用起来，而且也会冲击到 Devon这一类公司，有可能，对我觉得很有可能，然后回到就是recurrent replay，你说它现在是一个比较早期的状态，有些地方可能不是很好用，理论上来说，它这个功能推出去之后，它也可以获得相关的数据，它可以获得大量的数据，就有人用，它就能有大量真实的数据，但可能也要看它的这个，对数据的条款能不能，能不能用于模型的，能不能用于模型的训练，这个还挺涉及隐私的，因为这个数据里，是应该能看到你的，就是有些系统的这个界面，然后里面就有些，比如说截图，或者你在用的一些，你个人的信息，都有可能会被看的，这个数据应该比之前的，这种文本数据会更加的丰富，我觉得这是个很好的提醒，如果有人想试这个东西的话，可以仔细看一看，它的隐私协议是怎么来规定的，如果能用上的话。我觉得对它提升自己的OS Word，类似于这种，就是Computer Use的Benchmark的能力，应该是会有挺大的帮助，对我觉得OS Word，或者Computer Use的Benchmark。 [01:15:03]
程曼祺：好像一直没有，特别大规模的Benchmark，所以他们这个东西，如果一旦launch，比起有大量用户使用的话，他们应该可以比较快速的，去拿到这个可能市面上，最大的computer use的数据集。
Henry Yin：也许他们自己就能编制一个，更好的这种评测指标了，说到这个挺有意思的，这个也是和机器人，挺不一样的地方，你看OpenAI推了这样一个新功能，那就会有人来用，当然这个数据，能不能直接用来做训练，就我不知道，然后在机器人，在物理世界里，它就不是这个逻辑，因为你得造一个机器人，然后你才能放到一个地方，它才会有真实的数据，而且就算你免费，把一个机器人放到一个地方，对方也不见得想要这个东西。他的面目就是没有这么通畅，成本没有这么低，更难，然后另外我觉得，大家在数字世界里面，放弃自己的隐私，这个事情干了这么多年，已经干习惯了，但是在物理世界，要放弃自己的隐私，可能。
程曼祺：还是有个心理的门槛，得适应一下，除了我们前面说的，两个功能之外，在新的交互上，二季度还有一个进展，就是OpenAI再继续，发布它的一些多模态的系列，包括RealTime，这是一个流逝语音的系列，它是一整套API，然后还有Image2，就是他们纹身图的这个系列，同时我觉得可以稍待讲讲，就是TML这家公司 Thinking Machines Lab，一家Leo Lab，他们也是在二季度，发布了自己的首个模型 Interaction Model，它也是一个，这种语音交互类的模型，就可以讲讲这一块的进展吧，一个是为什么大家觉得，这个方向还是很重要，就比如说语音，另外一个就是。 [01:16:04]
Henry Yin：这些新的成果里面，有什么相比之前不一样，或者说有进步的地方，我觉得首先语音，它并不是一个普通的多模态能力，我觉得语音它是一个，人和AI交触的基础设施，刚才咱们提到第二个主线，是AI在社会里面的扩散，我觉得就是让人能够在各种场景，随时随地的和AI进行交流，用上AI这个事情还是非常重要的，这是为什么我觉得语音，这个事情特别重要，然后Thinking Machine Lab的发布，我还是非常，我个人觉得非常有意思，就这个模型我先给大家介绍一下，它叫做Interaction Model，它是一个276B ME模型，然后有这个12B的激活，是他们自己从零开始训练的，这个模型最有意思的点就是，它是一个能边听边说，然后还能看，然后能够看你动作这个及时反应，然后能够打断人的这么一个模型。就在以前这个是从来没有过的，就像一个采访模型，采访模型，边听边说，还要打断人对吧，还要看对吧，你采访也要看对方的反应吗，那这个模型就是万机可以立马用起来，对，然后他不仅可以就做这些事情，并且他后台还配了一个异步的一个推理模型，就是说在做这些实时反馈的同时，他后面还有一个模型在做长思考，然后可以把这些深度思考再插回对话里面，但他在网上就是发了一篇博客，然后和一些demo的录制视频，但是目前的话，就是还是没有开放API和大规模使用，所以其实没有太多的用户，能够用上，然后给出真实的反馈，但是我觉得这个东西，它的意义在于什么呢，就是在之前的话，最好的模型在语音方面，就是实时交互，应该是LPI的GPT Realtime，但GPT Realtime。 [01:17:38]
程曼祺：它其实是一个对讲机，它还是turn-based，你说完了以后，然后你按了以后，然后对方说话，然后他按了以后，你之所以感觉是Realtime，是它上面包装了一层，它上面包装了一层VAD，就是Voice Activity Detection，它会知道就是说，你这边大概应该是说完了，然后就该我这边说了，但它其实还是，本质上还是一个，轮流说话的对讲机，它包装的这一层，并不是在模型层是吗，不是在模型层，是加在上面，外围包装的，而这个Thinking Machines的，新模型它的交互模式，就是从对讲机。 [01:18:32]
Henry Yin：变成了真正打电话，所以它是一直在听你说什么，然后并且可以同时说话的，所以这个叫做Full Duplex，它没有去全量的开放这个API，是因为这种新的方式，可能会非常贵吗，这个呢。 [01:19:03]
程曼祺：我就不太确定是说，它这个效果还需要打磨，还是因为，他们觉得现在成本太高，自己的这个infrastructure，没有做好，还是因为什么原因了，而且它这个东西，是不是不好直接变成，一个2C的产品，就像你说的。语音它是，交互的一种基础方式，对吧，它其实是，这个生态的一个基础设施，包括我们第一次录节目，就是聊这个 Agentic Infra的，创业机会的时候，你是单独把语音，列成一层的，你是把它列成和推理和 coding和computer use，都是平行的，那从这个角度来说，它就得加在一个什么上面，它才是一个完整的产品，我觉得这其实是个，很有可能性的一个推断，就他们可能最终是要推出一个。个人助手的一个 2C的一个产品，然后这个模型呢，是他这个个人助手交互的。
Google Meta xAI竞赛
程曼祺：是他这个个人助手交互的，方式 interface，对，所以他现在先把这个模型放出来，他可能最终是想 release那个个人助手。
Henry Yin：我们叠个假，这都是我们推测的，就有可能他想在，自己的产品出来之后，他再放在一边，再给别人用，当然也不排除就说，成本啊各方面综合的考量，还有一个就是能突出，他这个架构和以前，是完全不一样的，就是他自己，在发布这个模型的时候。 [01:20:09]
程曼祺：还做了两个benchmark，一个benchmark叫做time speak，就是按照指定时间精确开口，比如说每四秒提醒一下我呼吸，然后这个模型就会，比如说这个按准时，准时说话，然后另外一个的话，就是叫queue speak，就是监听用户这个语音，然后在内容这个里面出现线索，就该你说话的时候，你就要说话，所以他们内部做了两个benchmark，来衡量这个模型，在实时语音这方面的能力，是不是够强，那么在这两个benchmark上面，他们和OpenAI做了一个对比，在指定时间精确开口这上面，他们是64.7%，然后OpenAI这个real-time 2.0是4.3%，差这么多，差了很多倍，就这个都是有点，我感觉有点欺负小朋友，就主要是因为它这个架构，就做不了这个事情，所以他们才，他们这个新架构才这么高，所以那43%基本上就懵的，随机，对，然后在这个Qspeak上面，他们是81.7%。然后OpenAI是2.9% 2.9% 2.9%，所以都是，几乎就基线几乎是零了，那他们应该测的就是RealTime 2.0，那你觉得RealTime 2.0表现如何，它也是二季度OpenAI发的一个新的东西，就RealTime这个系列的一个最新的东西，我觉得RealTime 2.0的实际使用体验还是不错的，但是我这个地方不完全确定，我在ChatGPT里面 Advanced Voice Mode，现在用到的是不是，已经是Real-Time 2.0了，对我记得好像刚发布的时候，是后面应该是 Advanced Voice Mode，还没有更新成Real-Time 2.0，我觉得它这个东西不一样，它是一个比较成熟的产品，因为它API。也就是到6月十几号的时候，它就有全量可用了，然后很多就是开发者，这些都可以用起来，这个是跟Interaction Model，不一样的地方，确实一个我觉得，是个还更前沿的尝试吧，然后一个是，它已经相对成熟，一个系列的新的一代，也可以稍微再一手讲讲，这个image2，就继续，就纹身图的这一块，就是在Sara关停之后，纹身图，我们现在看下来再继续，我觉得image2的效果，是非常好的，然后它在这个 image arena上面。应该是断层式的领先，就是应该是 elo score应该是1500多分，然后比第二名可能高了，就是200分，然后它呢，就是在这个，视觉生产力的各个方面，都非常强，比如说我们应该可以看到，就是社交媒体上，大量的用image2来生成，那个电影海报或者，的那些就生成的效果非常非常的好，所以能够实际的就是，我觉得在一些有经济价值的这个任务里面，是比上一代，文生图的模型要强很多，所以它和SARS的区别就是它没有，那么花钱以及它比较能算过来，这个回报，我觉得历史上我们能看到的就是说，像nano banana还有这种文生图，他们其实对于 2C产品其实还是，有很大的帮助的，当时Nano Banana Google Nano Banana发布的时候，他们的那个 Gemini的下载量，有大幅的上升，并且还有一些startup，他们自己想要。把自己的流量做上去，就是通过免费提供 Nano Banana给用户使用，来吸引用户，所以这样的功能，其实对于2C产品的增长，还是很有帮助的 OK，那我们在聊完前面的，推进智能前沿。 [01:23:16]
Henry Yin：和现在已经有的智能，怎么更好的扩散之后，我觉得最后可以补充，来聊一聊，一些在前面的话题里，没有提到的，重点公司的进展，首先我觉得就是Meta Meta在这一季度，其实还是有一个挺重要的变化，就TBD他们的核心爱部门，是放出了重组之后的第一炮，也就是MuseSpark这个模型，这是4月初发的，行业里是怎么讨论这件事情的，就这个模型反向如何。
程曼祺：行业里的讨论就是讨论不多，就是这个模型应该是，这个接近前沿能力，但应该是还是处于一个追赶的态势，还没有达到真正达到就是前沿，而且能用的人也比较少。因为他没有完全开放API，对我身边没有听说，有人就是用过MuleSpark，那有可能这个季度，围绕Meta更大的新闻，依然是裁员，是我们上次讨论的，就是他当时不是说，要计划裁员吗。 [01:24:07]
Henry Yin：现在是开始裁员了，我觉得小扎的计划，就是持续的裁员，然后把这些裁员用的钱，来进一步投到，这个AI的开发上面，但只不过现在可能内部，比较动荡，所以受到了一些内部的阻力。
程曼祺：我们在最开始回顾上一季度，和这一季度的变化的时候，你也提到有一个事儿，是没有在这一季度延续的，就是我们之前讨论Meta的 Token消耗的竞赛，然后更广泛的来说，其实是当时在一季度的时候，有一种Token Maxing的风潮，就很多公司都争先恐后的，希望自己的员工能更多的去用AI，你怎么看这个风潮，好像比较快的就趋于平息和平稳，我觉得所有的这些技术趋势。都应该follow一个三部曲，先是frenzy，狂热，然后下一步可能就是crash，就是崩盘，最后的话是stabilization，就是稳定，我觉得token maxing，基本上也是这三个阶段，我觉得可能Q1的话，就是一个狂热的阶段，那么这个狂热的阶段，就是大家会看到，就是钱花了上亿美元，对吧，但是最后并没有太多的产出，那么接下来就可能会进入，现在第二个阶段，但我相信接下来，马上可能就会进入，就是第三个阶段，他们内部之前，会有一个leaderboard，就是看谁的token用的最多，现在这个Leaderboard，也已经被取缔了，所以然后给每个人，也加上了这个，使用token的quota，就是有一个上限，限额，所以这个事情应该，就是相当于是，进入新的阶段，这边大公司的人均限额，一般是多少，我觉得Meta限额，应该是一个比较高的，我们之前听说 Uber在四个月就用完了。它全年的coding的budget，它应该是大概是，每个工程师，每一个月平均是 500到2000美元的限额 500到2000美元，国内差不多也是这个量级，国内我知道有一些公司。是5000人民币 700美元，就在你刚刚说的 Uber的这个范围里面，当然就是2000美元，就是属于还比较高了，他们还有一个有意思的，说是我们前面聊到过的，这MCI，就有点类似于 OpenLight2的那个新功能 Record and Replay，只不过在Meta，他们是强制，所有员工都要去做的，然后后面又出现了，比较大的安全问题，数据泄露的问题，又叫停了，所以强制和自动开启的区别，还是挺大的，自愿开启，对OpenAI来说，就是我给了你一个新的服务，你可以用你也可以不用，然后Meta是要所有的，在美国的员工，都要在电脑上，去安装一个追踪软件，然后去看你是怎么移动鼠标，你怎么点击，你怎么键盘输入，但这样也有一个好处，因为刚才我们在讨论 OpenAI的新功能的时候，就在说这个数据，能否被用来去训练更好的 Computer Use模型，其实是不知道的，大概率是不能直接用的，那我觉得在Meta的算盘里，它肯定是拿来直接用的。它和员工之间就没有这种问题，毕竟是自己的数据，但是这个如意算盘就没敲响，反正现在被叫停了，然后我们来聊聊Google和业余，不是独立公司的xAI，在二季度的一些情况。 [01:27:02]
Henry Yin：Google在这次的IO大会，发布了他们的新模型Gemini Omni，就是对于视频的剪辑能力，应该还是让大家非常惊艳的，那看起来还是动模态上的进展，对主要Google的话，就是这个季度，可能还是多摩泰的进展比较多，但是内部的话，他们应该也充分的意识到了，就是代码能力对于未来，不管是营收，还是未来竞争的重要性，所以他们也在加码代码这方面。然后xAI这个季度有巨大的变化，就是我刚才提到的，他们已经不是一个独立的公司了 xAI的话，现在是有一个从New Lab，到New Cloud的一个转变。
程曼祺：当然在自己放弃这个Train模型以后，他们赚钱就赚得非常多了，他们的集群租出去以后，现在每个月的租金是1.25B美金，就是12.5亿美金的收入。然后伊朗现在又要去太空里面，去建太空算力中心，相当于SpaceX，我觉得应该是朝算力的方向走，所以有一件事他至少做对了，就是建特别大的算力，这是一个从现在这个时间点，你倒回到过去三年去看，一个很聪明的投资，然后另一方面你刚才说，他放弃了训练模型，这件事已经板上钉钉了吗，他对外肯定就是，不是说他要放弃这个模型，但他目前的话，实质上他没有这个训练模型。之前的人才团队了，你觉得他收购Cursor之后，能多大程度的去改变这件事情，我觉得Cursor的团队，可能并不能完全填充，他之前的那个窟窿 Cursor团队。应该有一些人是做过模型的，至少做过后训练，对吧，至少他们做过后训练，但我觉得Cursor可能，比如说没有预训练的人才，所以我们还会看到Grok模型吗，我觉得可能会去，至少会需要一段时间，其实五月的时候，五月底的时候，马斯克自己在S上说，说Glock V9，已经完成了预训，说两到三周之后要公布，但是到现在还没有发布，我觉得Elon is always right except the timing，你周围的人，有人收到SAA的offer吗，补充新团队的，好像没听说，没听说，所以也没有听说他们，我听说的都是，离开SAA去别的地方找工作，就也没听说，他们在补充人才是吗，没有这种，他们招了人，但听说招了人，是做那些什么harness那些的，就是并不是吹模型的，就做agent的harness那些东西的，你觉得马斯克还有可能再追上吗，他还有可能再抓住，模型的这个机会吗，其实当年OpenAI。他是最早的支持者和，创始团队之一，如果代入一下马斯克，我觉得他做这个机会，应该还挺老火的，你觉得他还有可能赶上吗，我觉得比较难，你觉得比较难，我觉得比较难，但他如果要是，就You never bet against，伊朗，对吧，他如果真的想做的话，我就说他还有希望，因为他这里面有一个更大的问题，就是其实到25年。 [01:29:39]
Meta追赶与Midjourney转向
程曼祺：就是其实到25年，还是有一些新的团队在出现，就考虑做预训练的，其实国内也有，比如说像米哈游，他们也说要用1000亿来做这件事情，当然米哈游的蔡浩宇之前，其实他更早的时候就组了一个公司，在做AI游戏，这个公司存在比较早了，但是他想去做预训练这件事情，可能是更晚才发生的，就他也类似于，现在这种要重建地基的状态，我想知道有比较大的资源，有这种抱负的团队，还有没有可能在现在这个时间点，赶上这个窗口，还是说这个事情在23年24年，可能就已经结束了，我觉得已经结束了，除非说之后技术又会有比较大的变化，有一个大的瓶颈期，然后再有大的变化，有可能，但是那样的话，就是说应该也是要去解决新的瓶颈，而不是把原来老路再走一遍，那样的话可能又会有更新的公司，有更新的组织出现，那你觉得Google和Meta，还有可能赶上来吗。
Henry Yin：就他们和xAI的情况又不太一样，它没有完全散掉，我觉得Google和Meta，是有机会赶上来的 Google的可能性会更大一些，一方面现在确实大家觉得 Google是落后了，相比于去年三季度 Google is back的，强势回归的状态，我觉得去年年底的时候 Gemini 3，然后发布的时候 Google有短暂的，就是有那种重回第一的感觉，短暂的重回第一，对，然后现在到今年的话，肯定就是，是落后于OpenAthropic，它当时短暂的重回第一，是不是也和多摩泰本身，带来的传播比较多有关。 [01:30:54]
程曼祺：我们之前也讨论过这个问题，有一期节目里面，我觉得一方面是，它多摩泰能力确实做得不错，另外一方面是，当时它应该是同时发布了 Gemini 3和Anti-Gravity，就是它们那个Wingsurf，收购了以后，做的新的agent IDE，然后就是Gemini 3，当时的，就12月底的时候，它们当时的coding能力，和Anthropic OpenAI，还没有差那么多，但是今年的话，就是Anthropic OpenAI，在coding这边，就是有长足的进步，而Gemini那边并没有太大的进步，并且就是还有一个Google非常擅长的，是他们的这个cost做得非常低，就之前的话，如果我们看那个Paretto Frontier那张图，就是纵轴横轴分别是cost和模型能力，基本上这个在Paretto Frontier，就是给定一个这个模型能力，然后cost最便宜的，基本上都是Google的模型，然后到今年的话，好像这个优势好像也不在了。就是这个新的Gemini 3.5 Flash，好像比之前贵了好几倍，所以在Private Frontier上面 Google也不是，就是都是在领先的状态，所以就几方面的因素加一起，我觉得现在Google，肯定是大家会觉得会落后一些，但我觉得就是，然后再加上最近 Google的这个Noam Shazier，也离开Google，然后加入了这个OpenAI，他是Transformer的八位作者之一，然后所以我觉得，大家可能会比较担心 Google的状况，但我觉得Google，还是有一个很好的底子，在那里的，这个底子是来自于，这个底子我觉得，关于几方面吧，一个是他们研究人才的储备，除了Noam Shazier，还有很多很好的研究员，然后另外的话，就是他们的算力基础也在，对，然后我觉得TPU的话，他们有很大的算力上的一些优势，你觉得Meta，也是有可能赶上的原因是什么了。其实我这几天和不少人交流，我觉得大家对Meta的，整体态度还是比较悲观的，我觉得Meta最大的风险，就是说出现类似于XCI的那种，团队解散的那种风险，之前是育三家，然后现在是两大Frontier Lab，你觉得再往后，未来会只有一个公司持续领先吗，我觉得应该不会是，一家公司持续领先的状况。 [01:33:11]
Henry Yin：因为我觉得举一个例子的话，就是2023年GPT-4刚发布的时候，大家都觉得非常惊艳，那个时候就是OpenAI，领先其他Lab的身位，应该大于现在最领先的Frontier Labs，领先第二名的深卫，但是这么大的这个优势 OpenIE也后来被追上了，所以我觉得应该是一个交替领先的一个态势，除非是这个有某一个Lab，提前把比如说达到在RSI上面有一些进展，然后使得他们的加速度大幅超过其他的Lab，那我觉得可能会出现就是有一家独大的情况。
程曼祺：你刚才讲全面内办的时候，我也是想到了RSI，就如果你说，你真的实现低规自进化的话，那你可能加速度会变快，但同时也有可能，两家公司差不多时间实现，也有可能，这个也是我们之后，会持续关注的话题，那最后来一点轻松的话题，就是之前你跟我讲到，就是这个季度在硅谷，有一家可能之前，已经不是风口浪尖的公司，也发生了很有意思的变化，就是MeterJerling，之前我们有聊到过，就是它其实还是，一直比较赚钱的。只不过它不在，大家讨论的这个前沿，你可以加上二季度，它做了些什么事 MeJourney这家公司大家都比较熟悉，但可能就是最近一段时间，没有出现在大家的视野里面，他们是做最早可能做文生图，比较有影响力的公司，那么6月中的时候 MeJourney突然宣布，他们这个新的产品和部门，就是MeJourney Medical，他们首个新的硬件产品，叫做MeJourney Scanner，就是号称是这个50年来，第一个全新的全身医学影像方法 50年来第一个 50年来第一个，然后他们的工作原理，就是人站在一个潜水池的平台上面，然后周围环绕着，大概40万个超声波的换能器，然后声波就会从全方位的，穿过你的身体，然后每秒会生成TB，这个级别的数据，然后他们会有他们的计算集群。然后重建你的肌肉，脂肪骨骼器官的3D横线面图像，他们管这个方法叫做 Ultrasonic CT，就是一个CT的超级升级版，超声波CT，对超重波CT，怎么突然搞这个，就一般人看到这件事情，都会觉得跟他之前的主业，好像八根字打不着 MeJourney的这个founder David他实际上是一个，非常有想象力的一个人 MeJourney这个公司，他从来不向VC融钱，因为David不想受到，就是投资人的控制，他希望能够完全，以自己的意愿来run这个公司，所以他利用这个MeJourney，在文生图方面的这个收入，然后养了一个，大概50人的一个团队，做各种硬件项目，应该已经做了，超过一年多的时间，然后他现在可能，同时做了八个项目，可能一半是硬件，然后一半是软件，然后短期的话，可能想把两个硬件产品，推向市场，那么我们看到的，这个Midgerni Medical，可能是其中的一个，所以它另一个硬件，或者说它其他的硬件，都还不一定是。 [01:35:35]
Henry Yin：跟健康医疗相关的，可能什么各种方向，都有可能，对，就是很天马行空的，非常天马行空 David Holtz这个人，就Midgerni的创始人，他以前是什么背景的 David之前的话，他最早是在NASA工作过，然后做过激光雷达相关的工作。 [01:36:26]
程曼祺：然后后来的话，他自己创办了一家公司，叫做Leap Motion，是做手势识别的，然后后面的话，是被他竞争队友收购了，所以他其实，有很多丰富的，这个硬件的经验，然后他后来又，成功转行，做这个AI多模态模型，然后也做得非常好，然后他涉猎非常的广，在他家里面，他经常会办一些，就是各行各业的活动，比如说诗歌朗诵，或者说这个音乐即兴，或者说AI和人，一起创作音乐，像这种活动，他都办过很多，然后有很多的研究员和旧金山的创业者，会去他家参加这些活动，所以他是住在城里的，他不在硅谷这边。我觉得这还是让我挺意外的一个事，就是在硅谷在湾区古岛这种新的智能硬件，它可能都不能算是一个AI硬件，它里面也许还没有那么多，所以最后的这个one more thing，是关于一家AI公司做了一件，跟AI没有那么直接相关的事，我觉得以此作为二级度的总结挺好的，因为我们这个记报当然主要是聊AI的，然后科技行业确实，很多的话题也是被AI占据的，但另一方面在AI之外，也有很多事物，然后也有很多新的进展，那今天非常感谢Henry，再次做客晚点聊，和我们一起来讨论了 2026年第二季度 AI领域的一些大事件，我们分两条脉络，一个是智能前沿是如何推进的，另一个是已经存在的智能，是怎么更好地扩散到，全社会被企业被个人使用的，那在第一个部分，有之前已经非常明显的。coding和agent的竞争，那在二季度，它也变得更加激烈，包括出现了各种发布的波折，还有价格战，然后另一个是，我们上次有聊到过的 auto research，之后变得更明确，然后也更活跃的一个趋势，就是RSI递归自进化，第三个是，从虚拟世界到物理世界，大家对物理AI的探索，也在加码 OpenAI官宣了Robotics的题目 Anthropic也被传闻说，要去做机器人相关的探索，然后是在智能扩散的这条线，我们讨论了新的交互 Sopic和OpenAI都在二季度，推出了一些新的功能，我们也讨论了中国的开源模型，和美国的企业客户之间，怎么形成了一种生态上的良性合作，一起去替代和对抗，特别特别贵的Frontier Lab的模型，最后的补充部分，我们聊了前面的框架里，可能没有特别多涉及到的 Google xAI还有Meta的一些情况，以及特别有意思的。MidJourney这家公司的新的尝试，那今天的节目就到这里，各位拜拜，谢谢。 [01:39:06]
Henry Yin：下期再见。