【学习笔记】RSI 来了、天天看奇观,然后想要一点粗糙:庄明浩的 10 个 AI Aha Moments
这是《十字路口 Crossing》2026 年终 AI 复盘系列的第一期——《AI 带给我的 10 个 Aha Moments|庄明浩:RSI 来了、AI 的奇观与粗糙、巨头夹缝中的创业机会》(全长 53 分钟,小宇宙链接)。素材是节目音频的全文机器转录,口语和专有名词按公开信息做了校正。
先介绍嘉宾。庄明浩是播客《屠龙之术》的主播,自称「游走在互联网与风险投资行业的边缘人士」,身上挂着一串标签:2C 互联网、文娱、二次元、电竞、直播、风险投资。他 2009 年从盛大进入投资行业,赶上了中国移动互联网兴起的整波浪潮,之后入职经纬创投;2015 年加入王思聪创办的熊猫直播,完成了从投资人到创业者的转身;如今专注做播客,《屠龙之术》已经更新了一百三十多集——节目名的来历是他的一句自嘲:多年积累的认知「似乎都成为了某种屠龙之术」,宏大,但难以直接使用。
今年《十字路口》的年终复盘不做大而全的新闻盘点(原话是「交给 AI 总结就够啦」),而是请身处 AI 一线的创业者、研究员和投资人,各分享 10 个真正触动自己的 AI 瞬间。庄明浩这一期按时间线串起了整个 2026:Q1 的 OpenClaw 和 Seedance 2.0、3 月的 Sora 2 关闭、6 月 Anthropic 那篇 RSI 文章、7 月的 GPT-6 与 Codex 合并、8 月的 Qwen 小模型和苹果财报、Q4 的斩杀线和 Opus 5.5。他自己总结:这期聊的一半是 aha moment,一半是毛骨悚然 moment。
一、OpenClaw:刷屏之后留下了什么(00:36)
第一个瞬间属于 OpenClaw。它 2025 年 12 月正式发布,真正在国内产生巨大影响是 2026 年 1 月底春节前后:春节回来所有大厂瞬间跟进,腾讯楼下有人排队装机,大家抢 Mac mini、甚至花钱请人帮装——在那个时间点,OpenClaw 还太新、周边生态也不完善,但所有参与者都明显感觉到,Agent(或者说今年更热的词:agent harness/宿主)带来的范式,把潘多拉魔盒打开了。庄明浩的判断是:在这之前做 Agent 的尝试很多但都在摸索范式——给用户提供什么组件、云端还是本地、有没有一台 24 小时常驻的设备、通知走 App 还是网页——到 OpenClaw 这个时间点,大家认为范式收敛了。
回头看数据也很残酷:OpenClaw 当年发推特更新,单条转发几万,后来变成几千,现在只有几十。讨论的人少了,但庄明浩认为这条线是整个 2026 年产品层和应用层最大的主线——Q4 大家热议的 Personal Agent,其中的演进方向(自己的 Agent 集群等)在 OpenClaw 那一轮就被极客们推演过了,只是当时还是少数人的尝试,如今变成了标配。
怎么评价当时的疯狂和 FOMO?他的答案很平衡:好的方面是最前沿的使用者和工程师真的开始探索「给 AI 上下文、给本地权限之后怎么协作」;不好的方面是大部分普通人如果没有参与,今天来看其实也没漏掉什么。但 Koji 补了一个很关键的视角:这个世界不是均匀分布的——如果你作为 early adopter 早点接触到那些产品,就会得到比别人早一步的启发。比如今天大家说 skills 可能不重要了(模型能力上来后不需要预制 skills),但你经历过那套打法,就非常清楚模型和产品能力的边界在哪、它们是怎么实现的,「用不用你就自由了」;没经历过的人,只能默默接受现在的状态。
二、Seedance 2.0:字节赢的只是模型吗(06:28)
第二个瞬间几乎同期:Seedance 2.0 的发布。那个时间点大家公认视频模型这场战役要看中国厂商,而字节已经站到最前面。庄明浩给了一个很扎眼的对比:语言模型几乎每天在更新版本号,而以 Seedance 为代表的最头部视频模型,版本更迭没那么快——从 2.0 直接跳到 2.5,中间半年多几乎没动作,但哪怕什么都没做,它依然是最领先的。视频模型有自己的节奏。
为什么追不上?他的拆解是各家有各家的问题:Google 在过去一年经历了叙事摇摆(去年底「Google 落后了」的故事一出,就要把资源优先给 coding 和语言模型,多模态在美国的叙事里只是「半桌」不是主桌);国内的可灵、MiniMax、海螺、Pigworth 各有各的问题。更关键的是字节的独特资格:拥有独家数据的编辑效应,加上资本、人员的富裕程度和战略决心超过对手一到两个身位。而去年兴起的 AI 短剧浪潮让这件事变成了一个更强的循环:字节生产、字节分发、字节消耗广告、字节拿掉所有利润——庄明浩直接把它称为「广义上的 RSI」:全流程全吃、利润全吃的自我强化循环,所以字节可以策马狂奔,其他选手跟它不是一个量级(可灵的「圈」比它小好几号,能赚,但小)。在这个世界里,大就是好,好就是大。
这期还延伸出两个悬念:一是世界模型会不会把视频、物理一起包进去用通用方式解决(GPT-6 发布后用它做 3D 的讨论很多,宇树的王兴兴说 GPT-7 出来应该就把物理捅穿了——那对所有做物理 AI 的独立厂商既是挑战也可能是威胁);二是庄明浩主持两场论坛后把七八位具身智能公司创始人的观点总结成「通用模型对具身是不是降维打击,从一分到十分打几分」——他的判断是具身智能自身的商业模式还不够丰满稳定,所以存在被捅穿的可能;相比之下游戏行业每次被喊颠覆都还站得住,因为固有商业模式够强、盘子够大。最后一个冷知识:红果上线三年的发展速度(用户量和用户时长)超过了当年的抖音——打败抖音的可能不是抖音。
三、Sora 2 关闭:一鲸落,谁在生(14:34)
第三个瞬间是 3 月 24 日 Sora 2 关闭。一种论调认为:纯视频模型的独立状态被 Seedance 冲击过于强烈,竞争疯狂加剧之下,OpenAI 在有限资源里做了取舍,战略放弃。
这件事引出的议题是过去几年被讨论最多的问题:最头部的大模型厂商能不能把所有东西都吃掉。庄明浩认为两方观点都对:一方说会捅穿——今天捅穿数学、明天捅穿物理、后天是法律金融;另一方说哪怕大模型这么强,各个垂直板块照样长出了发展很快的公司。他的结论是:AI 这一波发展到今天,可以认真去看主战场之外的边缘战场了——边缘战场的机会也很多,不是所有人都要做一两万亿美金的公司,做一两百亿美金的公司其实也很强,而这样的盘子在 AI 大浪之后非常多。
他举的例子都很具体:Perplexity 所在的 AI 浏览器+AI 搜索板块,在「AI 搜索第一天就会被 Google 干掉」「OpenAI 也发过 Comet 谁还记得」的默认判决下,照样活得很好,如今已是两三百亿美金的公司;更典型的是 Character.AI——核心团队被 Google 买走时大家都觉得公司被判了死刑、最多算死缓,但到今天这个战场跑出了四五家公司,估值从十亿到小几十亿美金,月流水千万美金以上、ARPU 一美金以上,OOC、Tipsy、Emochi,几乎全是亚洲公司。相对于一万亿美金的 OpenAI 确实不算什么,但对初创公司和早期投资而言非常值得参与。
这一段最有味道的是他的反思:当我们频繁去提那个最大的数字的时候,我们已经忽略了我们起初追求的不是那个。当年投出一家十亿美金公司就是非常好的成绩,今天这个战场里十亿美金的公司可能刚融完天使轮;而当最大的公司涨到一两万亿美金、收入比传统巨头都大的时候,它花出去的钱就会变成另外一些公司的收入——这个量级足以养活出一批几百亿美金的公司。今年 RSI 带火的数据公司、后训练公司、推理公司,包括那一波 NeoCloud,全是这个逻辑。
四、RSI:一篇让明浩毛骨悚然的文章(19:09)
第四个瞬间是全期情绪浓度最高的:6 月 4 日,Anthropic 发布文章《When AI builds itself》。庄明浩说 Anthropic 是一家特别擅长做「动画」的公司——每次发博客文章都配一个做得极好的可视化示意图(他天天做 PPT,对这种图格外敏感)。文章标题图是一个动画:一个方块逐渐变成 RSI 的 logo,然后不断复制、不断叠加,叠出一个更大的 logo,再变成小的、再叠成更大的。他的原话:「我当时看完就跟恐怖片里地上全是害虫在爬的感觉一模一样——一生二,二生三,三生万物」。文章正文里还有一张更清楚的示意图:第一行是人类加一台电脑训练出 RSI;第二行是人类加电脑加一个 RSI 训练出新的 RSI;第三行加两个……加到最后,人类不见了。不用看技术细节,单看那张图,你就知道这个世界变了。
更深一层的推理是:Anthropic 决定在 6 月 4 日发布这篇文章,就代表之前可能两个季度、甚至两个版本之前,体系内部已经开始尝试、测试过了,才敢拿出来给公众看。那之后下半年所有的叙事全部围绕 RSI 展开:智谱发 GLM 5.2/5.3 时唐杰老师说 GLM 6 最大的下一版本完全基于 RSI;Ilya 在做 TTT(实时 training);田渊栋的公司名字里就带着 Recursive;DeepMind 首席科学家、27 年的 Google 老将 Jeff Dean 离职创业,公司 logo 就是一个无穷大符号;Mira Murati(Thinking Machines)讲的也是 loop。最头部大厂最核心位置的研究员和科学家们,在差不多同一个时间点做类似的事情——一个大方向收敛到了可操作的状态。
钱也随之涌进来:新的实验室也好大的 Lab 也好,都要针对 RSI 建体系——人员、组织、训练环境、数据全都来了,这些钱流到下游,下游生态被硬生生拉起来,今年 Q2 开始做后训练的、做 RL 环境搭建的、做数据的、做 benchmark 的厂商(无论中美)收入暴涨。庄明浩说这像另一个被打开就关不上的潘多拉魔盒。安全问题随之而来:Anthropic 后续又发文说内部监控到模型自己可以用二十几台几十美元的电视盒子串起来跑——你光把数据中心的电源看起来已经没用了。录制当天前后还接连爆出重大安全事件,零日漏洞的时间窗被压缩到了 0.0000001 天的量级,从 vibe coding 到 vibe hacking 已经没有任何时间间隔。一位做后训练和 RL 环境搭建的厂商 CEO 接受播客采访的话让庄明浩再次毛骨悚然:「最懂代码规则的 AI 当然最懂得如何利用漏洞;你在追求 7×24 小时 Agent 的同时,也是一个 7×24 无休息、无中止的矛在一直运作」。今年这种无力感出现在各行各业最前沿的人身上:DeepSeek 研究员那篇《我不得不把我的才华埋葬在昨天》;Karpathy 写过,原以为自己还能靠品位、审美、花招去教模型引导模型,现在发现只能站在后面。
五、老牌硬件厂商为何重回聚光灯(28:21)
第五个瞬间是个没人这么想、但他觉得特别有意思的:6 月 27 日上半年结束时他做了一次总结,标题叫「文艺复兴」。PPT 第一页是两天前的 2026 金曲奖:最佳男歌手张震岳,最佳女歌手蔡依林——梦回三十年前,为什么没有新人出现?第二页标题是「那些老朋友全都回来了」:标普 500 涨幅前二十名里,十六到十八家是戴尔、SanDisk、希捷、西部数据、美光、海力士、三星、AMD、微星,港股里还有联想、技嘉——80 后 DIY 装机年代的老家伙们今年全部暴涨。剩下那两家公司,是做减肥药的。所以这个世界现在似乎只有 AI 和减肥药两件事,「今夕是何年」。
作为内容创作者,他对 AI 冲击内容行业给出了一个框架:三次死亡——素材之死(大家都知道)、流程之死(已经在剧、电影、音乐领域看到)、版权之死(短剧行业已经出现)。再往后,「我们对艺术的追求,或者说现代的艺术,在 AI 时代会变成什么样子」,是一个没人讲清楚的议题。他补了一句:「这个是我们播客还存在的一丝人类的荣光」——内容创作者对这些板块的变化,会比别人更敏感一点。
六、Codex 并入 ChatGPT:版本之子(31:26)
第六个瞬间在 7 月 9 日 GPT-6 发布前后:OpenAI 顺手做了一个「礼貌换太子」的动作,把 Codex 并进了 ChatGPT。之后 Codex 的 MAU 曲线暴涨,最近一次是四千万,之前是一百万、两百万、三百万、五百万、六百万这么涨上来的。时间线是:Claude Code 去年就发了、Q1 的时候大家认为无敌,Codex 在 Q2 开始追,GPT-6 发布之后慢慢追平了口碑。庄明浩给 Codex 的封号是「版本之子」——它定义了这一波所有产品的样子:一个类似三栏的界面,左边项目、中间执行、右边呈现状态,今天大部分 Agent 产品、办公 Agent 都长这个样子(其实最早长这样的是 Manus),直到这一波 Portable AI 才把范式又推过去。连 Kimi Code、Z Code 之类的国内产品全是这个模子——「Codex 是一个非常好的老师」。
对 Koji 来说,这次合并还有个副作用:他原来百分之百的任务都在 ChatGPT 完成、复杂任务用 Manus,现在简单任务换成了 Grokbot——因为 ChatGPT 太慢了,默认开着 Ultra 模式,还要纠结这件事放聊天还是放工作、要考虑额度重置。庄明浩的总结是个产品规律:当你的产品样子足够复杂、包袱足够多的时候,就一定会有一个更新更简单的东西来扎你一下——OpenAI 自己为什么要做 Dot?Claude 为什么把聊天框、Worker、Code、Design 全塞进客户端?因为它知道原来的东西已经繁杂到不行,又不能一刀切掉。极简的新东西永远有市场定位,Koji 现在大部分时间都在 Muse 上。
七、Qwen 小模型:奇观的九个月保质期(35:12)
第七个瞬间是 8 月 14 日 Qwen 3.8 的 27B 模型发布。这一年光模型发布就聊不完,他为什么挑这一个?因为他看到一张绝妙的「干涉图」时间轴:把某个月发布的旗舰模型能力(比如 GPT-4o)画一条线往后推,推到什么时候,会有一个 30B 以下、可以本地部署的小模型的能力追平它——这个横条的长度代表端侧追平上一代 SOTA 的周期。这个周期原来是 18 到 24 个月,到 Qwen 3.8-27B(约等于 Opus 4.6/4.7 的能力),只要 9 个月。
背后的原因是模型训练的变化:强化学习环境的搭建、最大模型参数到万亿量级之后涌现的更复杂问题。他的判断是:如果世界上存在一条能定量刻画模型能力的曲线,最头部模型的进展一定在放缓(只是没法量化),而后面追的模型会比较快。小模型在小参数量下还能把效率、路由、渗透率这些事情做得更好,所以差距越来越压缩——今天被称为奇观的东西,九个月之后就可以在一台很小的设备上本地跑。把模型的大小、它做的事情、成本几个因素放在一起衡量,端侧小模型跟同期冒出来的各种「小而便宜」的模型分工,其实是在做同一件事:在相对低成本的情况下做更高效的事。背后的成本考量是五六个维度的:单价、中美对抗、开源闭源、端侧本地……所以今天的模型厂商像 iPhone 一样分层:Pro Max、Pro、标准版、Flash、Lite。
八、App Store 首次下降:软件的护城河还守得住吗(38:40)
第八个瞬间是 8 月 21 日苹果第三财季财报:App Store 收入在那个季度首次下降——连续十几年的首次。大家不买软件了,因为「你自己造了」:一个功能日抛,让模型直接帮你做。GitHub 上百花齐放,快成了新的小红书。当然苹果有苹果自己的问题(增长、设备普及、运营),但众多原因里一定有一个、甚至很重要的一个是:AI 编程的能力到了。一个可爱的小例子:知名 AI 博主归藏买了前魅族 VP 李楠做的怒喵鼠标,嫌固件做得不好,自己 vibe coding 写了一个还开源了,李楠还转发了——「不要用我们自己」。这种事原来属于非常极客、非常小的人群,现在已经扩了两个圈。
Koji 的亲身体验更妙:他喜欢观鸟,迁徙季在上海南汇东滩看鸻鹬——鸻鹬类是最难辨认的鸟,学了三年自认考试只能得十分,于是让 AI 做了一个遵循艾宾浩斯遗忘曲线的学习程序,像多邻国一样天天打卡学鸻鹬识别。多邻国自己的收入和用户还在涨,股价却跌了一大截。庄明浩说:站在软件厂商的立场上,他们当然有各种说辞讲自己的护城河,但这个浪已经淹到墙根底下了。Koji 现在不管怎样都持续付费的软件只剩 1Password——支付、密码、安全类可能是最后守得住的几块。
九、模型「斩杀线」:竞争开始算另一笔账(41:33)
第九个瞬间来自美国的模型评测网站 Artificial Analysis,十一期间发了一个可视化视频:纵轴模型打分、横轴每百万 token 价格,所有模型分布在空间里,把最上面的点连起来就是当下的帕累托最优曲线——这条曲线被拉得无限高。大家开玩笑叫它「斩杀线」:一个新模型打进坐标系,如果得分又高又便宜,从它往横轴纵轴拉出一个长方形,长方形里面的模型就没有意义了——又没你强,还比你贵。DeepSeek V4.1 当年出圈就是打在了这个位置。这个词最初是自媒体发明用来讲故事的,直到谷歌 Gemini 5.3 Flash 上线前匿名打榜的版本正式公布时,官方公众号自己画了斩杀线——自此国内所有厂商发布新模型,除了打分表之外都开始放斩杀线。因为柱状打分表已经没有任何意义了:只要出现榜单,它就会被刷到接近打满。
配套的数据来自 OpenRouter:去年一季度,公认 benchmark 打分前十的模型吃掉了大约八成调用量;过了五个季度,最近一个季度 Top 模型的调用量只剩两成——更多的人在用没那么 SOTA 的模型,因为日常任务没那么复杂,而 SOTA 贵。所以未来一边是斩杀线继续存在、SOTA 的追求无止境(越 SOTA 可以越贵),另一边会出现免费化的下行趋势——Token 量和花的钱都在往下走。
十、Opus 5.5 与奇观时代:明浩为什么只想说「毁灭吧」(45:12)
压轴的第十个瞬间是 Opus 5.5。庄明浩先看到有人和橘子做了一期播客:三个头像、一个类似 PPT 的画面,一边讲一边把话做成可视化效果——他天天跟 PPT 和可视化打交道,一下子就 get 了。然后他看到 Koji 的版本:科学家讲 scaling law,直接做出三维的动态图。清华叉院徐梦迪那一期内容很深,庄明浩录的时候自认只懂六七成,Opus 5.5 帮他做了动态 PPT 之后他从头到尾重看了一遍,「可能学到了八成功力」。这期播客的视频版也是 Opus 5.5 配的图:不需要操控剪映,不需要 skill,不需要具体指示,顶多给一点风格上的指示——模型就过了那条线。他 PPT 上放了两位主播的截图,旁边配黄渤和沈腾那个「毁灭吧,赶紧的」的表情包。
为什么这跟上一个议题连在一起?因为单纯打分没意义了、帕累托最优也没意义了,那大家追求什么?阑夕的观点被他引用:打帝国时代的人知道,每个文明最后能造一个巨大的建筑叫奇观——奇观公告天下「来打我」,但有极强的展现性。Opus 5.5 剪视频、GPT-6 做 Blender 的 3D、推特上有人拿 GPT-6 把魔兽争霸的人物和场景做成塔防游戏、把 Steam 游戏搬上 MacBook、让马里奥逃亡——奇观就是让一个什么都不知道的人,第一眼看到就震惊。今天最头部的模型怎么让人知道它强到什么程度?造奇观。所以发产品、发模型,要造的其实是魔法时刻(magic moment)。庄明浩说最近天天看奇观,已经看到有点 PTSD 了——就像学霸考 100 分是因为卷子只有 100 分,你给他一万分的卷子他也能考一万分,但 100 分跟 1 万分对一个 60 分的人来说没有区别。那奇观之后下一步是什么?2027 年有什么计划?——「不知道」,已经没有任何人可以预测的方式了。
彩蛋:从《赵云与阿斗》到公路播客(48:38)
原来排第十的彩蛋太不正经,被挪到了最后:最近微信生态里最火的小游戏《赵云与阿斗》——三国题材 + 塔防 + 合成+Rogue Like,全是玩了多年的成熟玩法的排列组合,素材精美到无以复加。但它爆火最重要的原因恰恰是:画面极度粗糙,全是文字——弓箭手是一个「弓」字,枪兵是一个「枪」字,武将赵云就是「赵云」两个字,出一个「羽」再出一个「关」就合成「关羽」。人类过去几年被 AI 的高清、高亮、精细画面(尤其加上短剧)刺激了小一年,物极必反,需要一点杀回来的糙劲。这个游戏当然不会火很久(模仿者已经一堆),但它说明人对过度精致的东西会有逆反——庄明浩自己的体感是公路播客:在公路上录的那种不受控的状态、旅行般的张力,让他焕发出录音棚里没有的生命力。所以 2027 年肯定还会发生更多让人震惊摊牌的事,「反正做好自己,做出人味」。
最后送祝福的段落格外可爱:庄明浩每次去狂喜播客节都会统计 AI 话题的场次数——巅峰期(二四二五年)能占到 12%-15%,这次大概八十八场里只有八场,不到 10%。他每次收尾用的最后一张 PPT 都一样:一张他举手像极了个手势的照片,后面的标题是——「什么他妈的 AI 不 AI 的,享受生活」。所以大家听完这期不要太焦虑,还是享受生活,「焦虑留给我们就好了」。
下一篇是同一系列的第二期:NeoCognition 联合创始人谷雨的 10 个 Aha Moments——RSI 反而是 NeoLab 的机会、教授与夜店男模、创业要造灭火器还是先卖砖头。