Home

02.17.25: 需求即将觉醒

前天，微信接入了 Deepseek。也许是昨天，不重要。

供给唤醒需求

这几天的新闻太多了。

字节跳动的战略调整格外引人注目。作为用户增长的行业标杆，字节用传统的互联网打法在短短一年内让豆包成为了国内用户规模最大的 AI 应用。但高用户量背后是高昂的获客成本，而留存和活跃数据却未达到内部预期。这次将“智能上限”提升到首要位置，标志着即便是最擅长用户增长的公司，也开始重新思考 AI 领域的竞争逻辑。

几乎同一时间，微信在灰度“AI 搜索”入口，其中的“深度思考”把 Deepseek R1 接入了微信强大的内容生态和多年求而不得的搜索入口上。腾讯股价接连跳升，尽管绝大部分微信用户都还没有看到这个入口，更别提试用体验。

wechat_deepseek.png

周末还传出了“AI 六小龙”（除了 Kimi）以及百度纷纷接入 Deepseek R1 的新闻，虽然这些新闻都和 Deepseek 这个新变量有关，但其实每家公司所处的位置、所有的资源禀赋都不相同，能走到的终点也不会相同。

虎嗅的一篇独家报道披露，月之暗面的创始人杨植麟“可能连续几周为了攻克技术难题而减少与外界接触”，公司将“持续拿到 SOTA 结果”作为首要目标。而在 2024 年，这家公司主打 Kimi 的投流增长，激进的“融资 - 买量”策略正面临质疑。

Minimax 创始人闫俊杰在早先的晚点的播客访谈中指出：“用户越多，模型能力就提升越快”是一个行业误区。他用 ChatGPT 和 Claude 的对比说明，尽管 ChatGPT 的日活是 Claude 的 50 到 100 倍，但两者的模型能力相差无几。

用户数量或许对模型训练价值不大，但对需求挖掘则是空气和水。

可以预见的是：擅长做难题的继续埋首研究，技术迭代更快速剧烈。

以及：供给催动之下，需求即将觉醒。

展开与折叠

一个鲜明的例证是腾讯对 Deepseek 的布局。据“共识粉碎机”分析，腾讯采购 10-20 万张 H20 显卡的成本约 20 亿美元，年化折旧仅占其利润的 1%。这个投入相当于 7 年前上线微视的运营试错成本，但能支持高达 5000 万 - 1 亿的同时在线用户。

我把接下来可能出现的进化路径分为两种：展开与折叠。不管哪一种，中美市场都有很大的差异。

第一条路径可以理解为通用能力的“展开”。这种路径的特点是：在大用户体量上部署前沿模型能力，做通用型应用。这种应用所对应的用户需求其实长期存在，只是之前没有足够好的技术解决方案来满足，所以不需要对客户场景做特别多的适配，就是找对入口，把模型、算力、数据一股脑投下去。

OpenAI 的 Deep Research 就是一个美国市场的典型案例：作为第一个充分利用 o3 推理能力的通用研究工具，它展示了前沿模型能力能做什么。想到这个想法其实并不困难，甚至于在 R1 的支持下，Perplexity 很快就跟进了一个功能非常近似的版本。这件事的关键在于：用最前沿的模型能力来唤醒一个已经存在了的需求。这是一个不断扩充可能性边界的过程，而拥有前沿模型能力的厂商能够更快的推动通用性应用的发展，同时最早的获得用户需求的反馈。

在中国市场上，这个逻辑更加成立。

去年，多家入局的 AI 搜索就是这样一个例子：找答案的需求长期存在，而传统搜索亟待翻盘。但纯粹的信息搜索需求频次受限，人群打不开。最大的 AI 应用豆包的最大场景还是论文和公文写作，仅凭营销和增长手段很难破局。更大的需求如生活和娱乐，AI 模型要么自身能力不足，要么止步于封闭的生态墙外。

现在，微信重新打开了深度探索的可能性。微信接入 Deepseek 所放的入口显然只是投石问路，微信要夺取的主战场也不仅限于搜索。通过这个灰度放开的入口，看到用户行为会发生什么变化，谋定而后动，正是腾讯风范。

内容、支付、关系、小程序，谁知道能组合出什么来？

Deepseek 用开源卸下了所有大厂的戒备心态，解开了亿级 DAU 超级应用的封印，真正打开了中国盘根错节的数字经济生态的大门。很多人对腾讯、百度接入 Deepseek 感到惊讶，实际上这些公司都建立在成熟的互联网技术基座上，而他们更擅长的，或者是市场环境所允许的，都是打造洞悉人性、老少咸宜的应用型产品。

那么，除了大厂和通用型应用之外，垂直场景还有没有机会？

这肯定是很多人关心的问题。我把这条路径称为“折叠”。这不是简单地将 AI 应用于特定场景，而是将复杂的 AI 能力模块化，然后重新组合。这类工作考验的是对特定场景的深度洞察，控制成本，榨干模型能力。

Cursor、Harvey 等一系列美国市场上的垂直应用新贵都是很好的例证：他们擅长的是拆分和重组， 5% 的 prompt engineering + 95% 的 software engineering，不断提高特定场景下的“最低可接受质量”（minimum viable quality）。下限过了门槛，就能进入甚至改造原有的工作流。

“折叠”不仅发生在功能层面，也体现在用户界面上。正如我在《无面之网：重新想象 Agent 网络》一文中所说：传统应用程序是围绕人类交互模式构建的，而未来的 Agent 将针对机器间通信进行优化。用户看到的可能只是一个简单的界面，但背后是由多个专业化 Agent 组成的复杂工作流。从用户视角来看，一个长链条的工作流被“折叠”成了一次简单的交互。

对于垂直应用而言，AI 的机会在于结合特定需求，打造化繁为简的“折叠”能力。特别是围绕服务类场景，由于其非标准化的基本特征，用户交互的界面和流程往往很复杂，也需要大量的人工介入，进一步降低用户接受服务的体验。我认为，这里存在大量的机会，由 AI 代理来简化这些流程，不仅仅出于降低成本的考虑，也能带来用户体验的提升。

长期来看，今天的很多通用型应用都可能会被下放为垂直类应用，背后的驱动力就是由于为了竞争细分需求市场而持续精细化的过程。而真正的通用型“展开”更应该类似于一个在调用垂直型“折叠”应用上更统一、聪明的入口。需求觉醒，生态隐现。

资本与效率

Deepseek 解锁的另一件事就是中概股的资本环境。

不管是真实的业务预期，还是陡增的科技自信，肉眼可见的是中概股在经历了连年下跌之后，开始了新一轮爆发。和去年九月底十月初那一轮不同的是，这一轮的爆发并非政策拉动，而是自下而上的技术驱动。

信心比黄金更重要。无论是一级市场还是二级市场，科技行业需要这种自信。但经过过去一段时间的洗礼，也会更加理性和审慎。

周末花了一些时间读 Uber CEO Dara Khosrowshahi 的一篇长篇访谈（在本周的 Links + Notes 有我的阅读笔记）。在自动驾驶的热潮下，Uber 显得有些“过时”。但 Dara Khosrowshahi 在 Expedia 的丰富经验，让他对行业中不变的东西理解更深入。其中最重要的两个点：一是供给在长期中驱动需求（比如自动驾驶能力在长期中会让出行成本降低，从而扩大整个市场规模），二是资本市场与执行效率之间的关系（资本过热会影响执行效率）。

周期的钟摆总是在供给和需求两边摆动：在技术爆发的阶段，供给驱动的因素更强，而当技术逐渐稳定下来，需求又会变成主导。经历过一个周期的公司往往是在过去的周期中沉淀了需求侧的优势（比如：消费者心智、网络规模等），从而能够从容面对下一个新供给周期的冲击。

供给冲击会带来一波资本狂热，而当需求开始兑现的时候，资本又开始意兴阑珊。当美国科技业在经历供给热潮的时候，中国同行们正在超级入口上开始探索即将觉醒的需求。

在十亿消费者市场和“黑暗森林”式博弈中，Deepseek 选择开源，或许是 R1 都未能推理出的智慧。

Links + Notes 是你的科技前沿思考指南。当 ChatGPT 掀起生成式 AI 革命时，你需要的不只是零散新闻，而是一张清晰的洞见地图。每周，我从数百篇前沿报道中，精选最具价值的内容，通过主题分析，为你揭示技术变革背后的发展规律。这不是普通的新闻摘要，而是由深度思考串联起来的创新图谱，帮助你在纷繁的趋势中，找到创造和投资的关键洞察。

本周的链接笔记展示了 AI 如何重塑各个行业的商业模式——从网约车到社交媒体再到专业服务。我们看到一个共同的主题：企业都在寻找方法利用 AI 的同时保持其核心竞争优势，无论是通过网络效应、用户界面还是专业领域的专长。

Platform Thinking 由读者支持，请付费订阅以获取余下 80% 内容。

An Interview with Uber CEO Dara Khosrowshahi About Aggregation and Autonomy

Uber 首席执行官 Dara Khosrowshahi（达拉·科斯罗萨西，后简称为 DK）在采访中谈到了公司如何通过聚合供应来提高市场竞争力。他认为，尽管 Uber 放弃了自驾车项目，但公司仍然在外卖和乘车服务方面取得了重要进展。DK 对 Uber 的未来持乐观态度，认为公司在市场上的地位将继续增强。

尽管篇幅有限，我还是想简单介绍一下 DK 这个人。

DK 的职业生涯充满了戏剧性的转折。1991 年从布朗大学毕业后，他在华尔街投行 Allen & Company 开始了他的职业生涯。因为一次巧合，他遇上了媒体大亨 Barry Diller，并最终成为 IAC 的首席财务官——IAC 由 Barry Diller 自 80 年代的一系列并购交易打造，拥有包括 Expedia、Ticketmaster 在内的很多互联网和媒体资产。

2005 年，DK 被任命为 Expedia 的首席执行官，在那里他工作了 12 年，将公司发展成为一家全球性的在线旅游巨头。

2017 年，他在争议中成为 Uber 的首席执行官，带领公司度过了一系列的危机，并在 2019 年成功地将其带入公开市场。DK 是一名伊朗难民，在 1978 年跟随家庭来到美国。

正是由于他在 IAC / Expedia 的经验，他对 Uber 以及互联网交易平台的理解很深刻，我也花了一些时间来阅读这篇宝贵的访谈，并做了不少批注。

首先，DK 回顾了互联网早期面临的履约挑战，解释了为什么当时选择了旅游行业作为切入点——因为它是一个虚拟商品，不需要复杂的物流配送网络。

So for us then, at the time, fulfillment on the Internet was a real challenge. We kind of thought, "Well, what looks like Ticketmaster in that it has advanced reservations, booked either in person or through the phone, of a virtual good that didn't need fulfillment". Amazon hadn't demonstrated the incredible capacity to use capital and use incredible skill to build the fulfillment network that I'm kind of a part of now. And so, the model, when you think about that, virtual goods, advanced reservation, no fulfillment needed, physical channel, phone channel, maybe moving onto the Internet, it looked like travel.
因此，当时对我们来说，在互联网上实现订单履行是一项真正的挑战。我们当时想，“好吧，Ticketmaster 可以提前预订，无论是亲自预订还是通过电话预订，虚拟商品都无需订单履行。”亚马逊尚未展示出利用资本和技能构建订单履行网络的惊人能力，我现在是其中的一员。因此，当你想到这个模式时，虚拟商品、提前预订、无需订单履行、实体渠道、电话渠道，也许转移到互联网上，它看起来就像旅行一样。

在上周的 newsletter 中，我曾经讲到类似的观点：在 Web 1.0 时代，超越“套壳”的黄金法则就是在 UI 表面之下做价值链的纵深。Amazon 是如此，Ticketmaster 和 Expedia 实际上也是如此。当然，不同行业的价值链构成不同，做纵深的方法也不相同。

另一个心得是：互联网天然靠近需求侧。消费者不需要出家门，只要动动手指就能下订单。在移动互联网上，这种向需求侧的靠近更加被推到极致。但仅仅在需求界面上下功夫是不够的，而是要能够高效的重构供给侧。正如 DK 所讲到的，履约是挑战，只要能战胜这层挑战，就能拿到很大的结果。

Expedia 所在的酒店行业本身是非常碎片化的，也为 Expedia 这样的交易平台出现创造了优渥的条件。同时，中间件 Amadeus 和 Sabre 简化了聚合的流程，可以用轻资产的方式来做（相比于 Amazon）。同是旅行业务，航空业务虽然能吸引流量，但利润率较低。这个经验后来影响了 Uber 的战略思考。

It's interesting. You start with them, but that meant your margins were worse because you weren't dealing with that many entities.

DK: Totally, and you had industrial switches like Amadeus and Sabre to plug into.

Yep.

DK: Older APIs, but you could plug into all of the content in the world very, very quickly versus hotels that other than the change, the hotels had to be a ground game, building out sales forces, going out and signing up these hotels, many of which were smaller businesses that had to be introduced to the Internet, they often didn't have a website, etc. It turned out that while the early penetration of the business and the reason why or the biggest driver around online penetration was air, the business ultimately formed around hotels, because that was fragmented content that you can earn a lot of margin off of versus air that's pretty consolidated, that relatively is a great eyeball attractor, but not great in terms of transactional economics.
这很有趣。你从他们开始，但这意味着你的利润更差，因为你没有处理那么多实体。

DK: 完全正确，而且你有工业交换机 如 Amadeus 和 Sabre 可以接入。

是的。

DK: API 比较旧，但您可以非常快速地接入世界上的所有内容，而酒店则需要进行地面游戏，建立销售队伍，走出去签约这些酒店，其中许多是必须引入互联网的小型企业，他们通常没有网站等。事实证明，虽然业务早期的渗透以及在线渗透的最大驱动力是航空，但业务最终还是围绕酒店形成的，因为这是碎片化的内容，您可以从中赚取大量利润，而航空则相当整合，相对而言，它是一个很好的眼球吸引者，但在交易经济方面并不好。

从 Expedia 到 Uber，DK 认识到了两种平台本质的不同：Uber 面临着更复杂的实时地理空间供需平衡问题。

DK: It was definitely a learning. Expedia is an Aggregator, and you need to obviously match supply and demand, but the nature of the supply to Expedia is much more static. When you compare that to Uber, the supply-demand dynamics are so much more dynamic. The ability then, or the necessity to balance supply and demand in a real-time geospatial manner, is just a much bigger challenge.
这绝对是一种学习。Expedia 是一家聚合平台，显然需要匹配供需，但 Expedia 的供应性质更加静态。与 Uber 相比，供需动态更加动态。因此，以实时地理空间方式平衡供需的能力或必要性是一个更大的挑战。

下面这段话对 Uber 供给侧的认知描述很精彩（稍长）：

Uber, to some extent, it's unique as a retailer, which is when we sell something we actually don't even know — when we sell and price a ride, not knowing what our inventory is — we have to guess the inventory, predict what the inventory is. Every time we do a scan of the marketplace, it's just a much more complex beast. I did see with Uber it being all about supply, which is as we aggregated supply, ETAs came down, surge came down, the service got better. To some extent, while it's a simplification, the service sold itself. I do think in hindsight, if I think back to the Expedia days, one of the things that Booking.com, who was a competitor, who is a competitor with Expedia, got more right is that they were very supply-led.

Totally. If I could do it all over again, a lesson with Uber is actually the power of aggregating supply. Certainly you need demand, but there are certain aggregation categories where supply brings demand, it brings more eyeballs.

Every single restaurant that we add is a new item to sell, but also the more restaurants we have in a particular search, the greater your conversion is. It not only brings in eyeballs, but it also brings in conversion. Those two obviously are multiplicative, which gets to be a much bigger business as well. We're very supply-led as a company. I think as a manager of a big company, once in a while you get to learn, and I've definitely learned my lesson here.

The incentive pool on a macro basis is moving more towards building out demand and reducing prices for riders, etc., but these are long cycles and we kind of have this pool that's typically constant. It's not about managing a P&L, it's about managing marketplace balance, both short and long term.
在某种程度上，Uber 作为零售商是独一无二的，也就是说，当我们销售一些我们甚至不知道的东西时——当我们销售和定价一趟车时，不知道我们的库存是多少——我们必须猜测库存，预测库存是多少。每次我们扫描市场时，它都只是一个复杂得多的野兽。我确实看到 Uber 完全与供应有关，也就是说，随着我们汇总供应，预计到达时间 (ETA) 下降，高峰期下降，服务变得更好。在某种程度上，虽然这是一种简化，但服务本身就卖得好。我确实认为，回想 Expedia 的日子，Booking.com 是 Expedia 的竞争对手，他们做得更正确的一件事是，他们非常以供应为主导。

完全正确。如果我可以重来一次，Uber 的一个教训实际上是汇总供应的力量。当然你需要需求，但在某些聚合类别中，供应会带来需求，带来更多眼球。

我们添加的每家餐厅都是一个新的销售项目，而且我们在特定搜索中列出的餐厅越多，您的转化率就越高。它不仅吸引了眼球，还带来了转化。这两者显然是乘数效应，这也将成为一项更大的业务。作为一家公司，我们非常以供应为主导。我认为，作为一家大公司的经理，你偶尔会学到一些东西，而我在这里肯定学到了教训。

宏观上的激励池正更多地转向建立需求并降低骑手的价格等，但这些都是长周期的，我们的这个池通常是恒定的。这不是关于管理损益表，而是关于管理市场平衡，无论是短期还是长期。

这段话阐述了 Uber 的核心增长逻辑：通过聚合供给来改善服务质量（缩短等待时间，降低价格波动），从而自然带来需求的增长。

DK 反复被问的一个问题是：Uber 能否替代私家车。在下面这段话中，他也给出了非常精彩的回答。

结论是：价格并不决定用户决策，可靠性（reliability）才会成为用户做切换的决策依据。短期价格波动调节供需，不断提升可靠性，让用户感觉到使用 Uber 服务可以替代私家车。

DK: Our flexing prices up and down in a particular market during a particular time is designed to maximize the reliability of your ride.

Right. Reliability is more important than price.

DK: Correct. ETA in four minutes, getting that ride when you want that ride. On a short-term basis, if you look over let's say a 16-week experimental period, we can prove that out every single time. I think that the debate that we sometimes have is does surge and the unreliability of price over a longer term basis create a situation where people are less willing to give up their personal car? I think that's to be debated. Every single time that we look at it, reliability of availability of inventory comes out on top. People understand the idea of surge pricing, they get it. It was an ingenious move by Travis and team to introduce that. I think it's something that while we try to minimize is actually feature of the marketplace, not a bug.

Yeah, and it's sort of a customer education that happened over the long run.

DK: Totally.
DK: 我们在特定市场的特定时间上下浮动价格是为了最大限度地提高您乘车的可靠性。

对。可靠性比价格更重要。

DK: 正确。预计到达时间为四分钟，在您需要乘车时可以乘车。从短期来看，如果您看一下 16 周的实验期，我们每次都可以证明这一点。我认为我们有时会争论的是，长期来看，高峰定价和不可靠性是否会造成人们不愿意放弃私家车的情况？我认为这是有争议的。每次我们看它时，库存可用性的可靠性都是最重要的。人们理解高峰定价的想法，他们明白了。Travis 和团队引入这一举措是一个巧妙的举动。我认为，虽然我们试图将其最小化，但实际上是市场的特征，而不是缺陷。

是的，这是一种长期的客户教育。

DK: 完全正确。

这是一个关键的战略洞察：在替代私家车的长期目标中，服务的可靠性比价格更重要。价格波动实际上是确保服务可靠性的必要手段。

主题转移到自动驾驶上。因为 Tesla 和 Waymo 在自动驾驶技术上的进步，对 Uber 看空的声音每过一段时间就会浮出来。DK 在访谈中，比较清晰的阐明了为什么这对于 Uber 并不是一个利空。如果我们把他的解释和他在 Expedia 的工作经验联系起来，就更容易理解这种说法。

DK 把自动驾驶的价值链分为 5 层：

  1. 自动驾驶达到高于人类的安全记录
  2. 监管机构
  3. 经济高效的规模化硬件平台
  4. 地面运营（清洁、充电等）
  5. 能够管理变动需求的高利用率网络

在 DK 看来，前面的 3 层经过一段时间的努力，即将或已经达到临界点。Waymo 已经达成每周 15 万次出行的记录，并开始拓展到更多城市，本身就是例证。

而地面运营和高利用率网络，则是 Uber 更擅长的。在 DK 看来，出行市场很像酒店生意，下面是他的精彩类比：

Well, you have the demand layer, which can be Expedia, it can be Booking.com, it could be Marriott. Then you have the brands themselves, whether it's Marriott or an independent, then you have an operator. The operators, these are teams, management teams, sometimes Marriott is an operator of a hotel, sometimes there's actually these local management companies as well, that's an operator. Then there's the asset owner, these are REITs [real estate investment trust]. Marriott doesn't own almost any hotels whatsoever, these financial partners own the hotels, and then you obviously have the financier.

We think that same thing is going to happen in AV. You have the network layer that's Uber, that's Lyft, it could be Bolt, it could be Waymo too, they have the wherewithal of also going direct. Then you have the driver. To me, that's kind of like the brand, which is the Marriott driver or the Waymo driver. Then you have the operator, the management company. This is us or could be Moove.io, which is a partner of ours. Actually 15% of our inventory today come from fleet operators that are on the ground in these cities, so we think we can move them over to managing AVs very, very easily. Then you're going to have the vehicle owners, and then you're going to have financiers as well.

Ultimately we think OEM manufacturers, most OEM manufacturers are going to have different software providers providing AV sometimes on an exclusive basis, sometimes on an non-exclusive basis. A GM, Tesla are going to develop it in house, but then many other players are going to license it, whether from a Waymo or from a Wayve or other companies as well, so you're going to see a bunch of models. As the business financializes, as these layers come up, the player who can drive the greatest utilization of these really expensive assets called cars are going to be very, very valuable, and that's certainly the part that we play in addition to the local operations level.
你有需求层，可以是 Expedia，可以是 Booking.com，也可以是万豪。然后是品牌本身，无论是万豪还是独立品牌，然后是运营商。运营商是管理团队，有时万豪是酒店的运营商，有时实际上也有这些本地管理公司，它们也是运营商。然后是资产所有者，这些是房地产投资信托基金 (REIT)。万豪几乎不拥有任何酒店，这些金融合作伙伴拥有酒店，然后显然还有金融家。

我们认为 AV 也会发生同样的事情。您有网络层，即 Uber、Lyft、Bolt 或 Waymo，它们也有直接进入的必要资金。然后是司机。对我来说，这有点像品牌，即万豪司机或 Waymo 司机。然后是运营商，即管理公司。这是我们，也可能是 Moove.io，它是我们的合作伙伴。实际上，我们目前 15% 的库存来自这些城市的车队运营商，因此我们认为我们可以非常非常轻松地让他们管理自动驾驶车辆。然后你会有车主，然后你也会有投资者。

最终，我们认为 OEM 制造商，大多数 OEM 制造商都会有不同的软件提供商提供 AV，有时是独家提供，有时是非独家提供。通用汽车、特斯拉将在内部开发它，但许多其他参与者也会获得许可，无论是从 Waymo 还是 Wayve 或其他公司，所以你会看到很多模型。随着业务的金融化，随着这些层次的出现，能够最大程度地利用汽车这些昂贵资产的参与者将变得非常非常有价值，而这当然也是我们在本地运营层面之外所扮演的角色。

Uber 曾经试图自主研发自动驾驶技术。但因为在凤凰城的交通事故受阻。也正是因此，Uber 重新评估了自主研发的优劣，发现弊大于利（难以和 Waymo 等外部合作伙伴开展合作，同时也需要很重的资本支出，不利于聚焦在核心业务上），最终选择放弃。

DK 点明了 Uber 在自动驾驶时代的核心优势：高利用率网络效应，这在高利率环境下尤其重要。

DK: Listen, if you don't care about economics, then business model logic, that doesn't matter, but at some point you need economics to work in order to scale, and in a world where certainly if the cost of capital is high and these cars are relatively expensive, the player that's able to drive the highest utilization of these vehicles is going to have the lowest cost of capital. The player who works with us is going to be able to expand into every single market very, very quickly, will be first to market and being first to market matters, and I think those two elements, which is lowest cost of capital, ability to scale fastest, are going to play to the advantage that we bring in terms of being the best partner for AV in the world. So we're pretty confident of our position.
DK: 听着，如果你不关心经济模型，那么商业模式逻辑就不重要了，但在某些时候，你需要经济模型来扩大规模，在这个资本成本很高、车辆相对昂贵的世界里，能够最大程度利用这些车辆的参与者将拥有最低的资本成本。与我们合作的参与者将能够非常非常迅速地扩展到每一个市场，成为第一个进入市场的人，而成为第一个进入市场的人很重要，我认为这两个因素，即最低的资本成本和最快扩大规模的能力，将发挥我们作为世界上最好的自动驾驶合作伙伴带来的优势。所以我们对自己的地位非常有信心。

建立车队需要较重的资本支出，而高利率环境提高了资本成本，这就使得车辆需要在生命周期内有更高的利用率——接更多的订单，产生更多的现金流，才能弥补较高的资本成本，而 Uber 正好能够提供这种能力。

如果自动驾驶公司（比如 Waymo）逐渐被同质化，那么 Uber 提供的高利用率网络就至关重要。

作为运力的供给方，自动驾驶公司类似于酒店行业中的 Marriott，Waymo 可能提供了更高端的服务，但很可能还会有 Hilton 和 Intercontinental，也会有华住和很多不知名的小连锁。高利率环境对供给侧并不友好，而掌握需求的聚合平台则能够评价网络效应获得议价权。

DK: Over a period of time, we think that the feature is where you're going and the player who can, again, get you where you're going in the way that you want to, reliably, at the lowest price, at the lowest ETA, is going to play a big part in the development of this marketplace, and ultimately we think there are going to be multiple players. Waymo is absolutely in the lead, they are a great brand. They are setting the safety standard for everybody, but what we're seeing is many players are solving this issue, and ultimately there's going to be a choice of taking a Waymo, taking a Nuro, taking a WeRide, or taking a Baidu RoboTaxi as well. That choice is going to come in for consumers, and I do think the Aggregator model certainly would be helpful for all of those companies to succeed.
在一段时间内，我们认为这项功能就是你要去的地方，而能够以最低的价格、最低的预计到达时间，以你想要的方式可靠地把你送到你要去的地方的玩家，将在这个市场的发展中发挥重要作用，最终我们认为会有多个玩家。Waymo 绝对处于领先地位，他们是一个伟大的品牌。他们为每个人设定了安全标准，但我们看到许多参与者正在解决这个问题，最终会有选择，乘坐 Waymo、乘坐 Nuro、乘坐 WeRide 或乘坐百度 RoboTaxi。消费者将拥有这种选择，我确实认为聚合平台肯定会帮助所有这些公司取得成功。

在高利率环境和资本稀缺的环境下，千分之几的效率提升变得极其重要，这与之前烧钱竞争的时代形成鲜明对比。而这正是 Uber 所拥有的核心竞争力：一张让车辆资产具有高利用率的网络。

At the same time, I would also tell you that overcapitalization reduces execution discipline. We will have engineers build out a feature, it'll take three months, and it might optimize the marketplace by like 0.6% or 0.7%. That's a huge win for us. Hugely celebrated, incredibly sophisticated algos to achieve those kinds of wins. Then, in the olden days, someone would just raise $200 million and just blow you out of the water. It didn't matter all of the art and the craft of building the marketplace. Yes, it did matter, but it got lost in the macro of money sloshing around in the marketplace. I think the market that we're in right now, appropriate returns on capital, etc., the consolidation of the marketplace, a bunch of competitors who are competing very, very aggressively profitable.
同时，我还要告诉你，过度资本化会降低执行纪律。我们将让工程师开发一项功能，这需要三个月的时间，并且可能会使市场优化 0.6% 或 0.7%。这对我们来说是一个巨大的胜利。我们非常高兴，使用极其复杂的算法来实现这种胜利。然后，在过去，有人会筹集 2 亿美元，然后把你打得落花流水。建立市场的所有艺术和工艺都无关紧要。是的，这确实很重要，但它在市场上流动的金钱宏观中迷失了方向。我认为我们现在所处的市场，适当的资本回报率等，市场的整合，一群竞争对手在非常非常激烈地竞争，以赚取利润。

问题的反面就是：出行行业会不会变得像航空业一样，供给侧拥有更强的定价权？Tesla 可能就在站在这一面上。DK 认为，保底策略就是 Tesla 的 FSD 车辆同时在 Tesla 和 Uber 的网络上运行接单。

DK: Yeah listen, no one wants to compete against Tesla or Elon, if you can help it. Their capabilities are pretty extraordinary, but I think the same economic laws apply to them. Ultimately, if Tesla puts their cars on our network, we already have 150,000 drivers who are driving Teslas, and if they get FSD, they'd love to plug it into Uber as well. Then, that Tesla that is both on Uber, and by the way, they could be both on Uber and the network, that is going to create much, much more revenue. Ultimately, that'll increase the value of the Tesla so that the residual value of that car improves, and if they don't do that, there'll be some other OEM that does it.
是的，听着，如果可以的话，没人想与 Tesla 或 Elon Musk 竞争。他们的能力非常非凡，但我认为同样的经济规律也适用于他们。最终，如果特斯拉将他们的汽车纳入我们的网络，我们已经有 15 万名驾驶 Tesla 的司机，如果他们获得 FSD，他们也很乐意将其插入 Uber。然后，那辆特斯拉既在 Uber 上，顺便说一句，他们可以同时在 Uber 和网络上，这将创造更多的收入。最终，这将增加特斯拉的价值，从而提高该车的剩余价值，如果他们不这样做，也会有其他 OEM 这样做。

DK 的很多观点看起来都是基本的关于竞争和市场结构的经济学常识，而在我看来，分析和理解平台经济很多时候就是反复运用这些常识。不要忘记，Uber 在出行业务之外，还有外卖业务（与 DoorDash 竞争）。毫无疑问，它的业务模式是复杂的，但问题的关键在于从高效组织供给这个角度出发，驱动需求增长，拥有了一张具有规模和效率的网络，以及一个强大的消费者品牌。

在长期中，持续享受技术发展的红利，技术驱使履约成本下降，进而扩大潜在市场规模，可以认为是在原有业务飞轮上的拓展。

Meta Platforms: 2025 Update

这是 MBI Deep Dive 的 Abdullah Al Rezwan 对 Meta 的年度回顾分析。

Meta 在虚拟现实（VR）领域的投资已经达到数百亿美元，但自 2021 年以来，收入未见增长。尽管预计 2025 年将继续在可穿戴设备和元宇宙上投入大量资金，Meta 的运营亏损可能不会显着增加。总体来看，Meta 未来的股东回报可能会非常有限。

meta_vs_m7_stock_chart_2025_jan.png

Rezwan 的分析从 Reality Labs 开始，揭示了一个关键问题：尽管 Meta 在 VR 领域投入巨资，但自 2021 年以来收入增长乏力。不过，生成式 AI 可能为内容创作带来新机遇，特别是在降低 3D 资产创作门槛方面。

Even though we don’t have granular reporting of Meta’s VR segment, I have tried to sketch their historical numbers. As you can see below, despite investing billions of dollars every year, the revenue from VR segment is not on a upward trajectory since 2021. Perhaps Generative AI can inject some enthusiasm as the cost or skill required for creating 3D assets/content on Quest may drastically go down in the next few years. Quest is quite popular among kids as evidenced by repeatedly topping the app store chart on Christmas Day. However, retention has been difficult given the lack of engaging apps on the platform. If GenAI leads to a flood of new apps and enough of them gets the coveted traction that keeps the retention increasing, that can lead to much higher Quest units sales than what we have seen in the last couple of years.
尽管我们没有 Meta VR 业务部门的详细报告，但我试图勾勒出他们的历史数据。如下所示，尽管每年投资数十亿美元，但自 2021 年以来，虚拟现实部分的收入并没有呈上升趋势。也许生成式人工智能可以注入一些热情，因为在未来几年中，在 Quest 上创建 3D 资产/内容所需的成本或技能可能会大幅下降。Quest 在孩子们中很受欢迎，圣诞节当天多次荣登应用商店排行榜榜首就是明证。然而，由于平台上缺乏引人入胜的应用程序，留存一直很困难。如果 GenAI 引发大量新应用程序，并且其中足够多的应用程序获得令人垂涎的吸引力，从而保持留存率不断提高，那么 Quest 的销量可能会比我们在过去几年看到的高得多。

和很多人一样，Rezwan 对 Reality Labs 的态度有些两极化：一方面认为它的确是未来几年中 Meta 持续跑赢大盘的核心动力（Alpha），另一方面又从数据上看不到什么真正支撑这种跃升的证据。

I happen to be one of these bulls and do think if Meta has material alpha available even after this meteoric rise in stock price in the last couple of years, it will likely have to come from Reality Labs. Unfortunately, it is very, very hard to have high conviction on RL’s potential and the range of outcomes is wide.

我恰好是这些多头中的一员，并且确实认为，如果 Meta 在过去几年股价飞速上涨后仍有实质性的 Alpha 可用，那么它很可能必须来自 Reality Labs。不幸的是，很难对 RL 的潜力抱有很高的信心，而且结果范围很广。

去年十月份的突破性产品发布让很多人对 Reality Labs 的下一步发展充满了期待，但在内部来看，压力和挑战很明显。Meta CTO Andrew Bosworth 在一封泄露的内部邮件中讲道：今年（2025）很可能决定整个努力是会被看作是远见卓识的成果还是传奇的冒险。

Meta Ray-Ban 眼镜销售超过了百万，对于一个新产品而言，这个数字不错，但作为 Meta 开启新生态的敲门砖，远远不够。在我看来，这个产品最大的问题在于它和 Meta 的核心业务离得太远，两者只是在 Zuckerberg 讲的那个有些虚幻的“连接人类”的愿景上有所关联。虽然在财务报表，两者可以分开陈述，但如果它只是为了占领一个新的用户界面而做，那么这个赌注过大，也太需要运气成功。

好在 Meta 的核心业务非常强劲。

Rezwan 简要回顾了 Meta 核心业务在过去几年的发展，并不是一帆风顺，但有惊无险。

Let’s look at some history here. Meta added ~$15 Billion incremental advertising revenue in 2018, 2019, and 2020. Thanks to Covid and the resultant stimulus, Meta was able to generate $31 Billion incremental advertising revenue in 2021. Then ATT happened which severely affected Meta’s advertisers to capture signal to be able to keep spending ever increasing ad dollars on Meta’s apps. After heavy investments in this area, Meta was able to largely regain the signal through probabilistic attribution, and advertising dollars followed. After declining advertising revenue YoY in 2022, Meta’s incremental advertising revenue grew by $18 Billion and $29 Billion in 2023 and 2024 respectively. If you look at my model below, it appears we need to underwrite $25 Billion incremental ad revenue each year going forward.
让我们来看看历史。Meta 在 2018 年、2019 年和 2020 年增加了约 150 亿美元的增量广告收入。得益于 Covid 和由此产生的刺激措施，Meta 在 2021 年创造了 310 亿美元的增量广告收入。随后发生了 ATT，严重影响了 Meta 的广告商捕捉信号，以便能够继续在 Meta 的应用上投入越来越多的广告费。在这一领域投入巨资后，Meta 能够通过概率归因在很大程度上重新获得信号，广告费也随之而来。在 2022 年广告收入同比下降之后，Meta 的增量广告收入在 2023 年和 2024 年分别增长了 180 亿美元和 290 亿美元。如果你看看下面的模型，似乎我们需要在未来每年承保 250 亿美元的增量广告收入。

看 2024 年和近未来，包括短视频、广告效率提升和 TikTok 禁令等顺风因素逐渐减弱，考虑到 Meta 广告业务的规模，宏观经济因素可能成为决定性影响。

2024 numbers also enjoyed modest tailwinds from increasing reels monetization. This tailwind will likely continue in the next couple of years although the extent of tailwind is likely to taper over time. Advantage+, click-to-messaging ads, and potential TikTok ban also likely to continue to be tailwinds in the near term. However, given the size of Meta’s advertising business today, any particular year’s incremental ad revenue going forward may largely be driven by macro factors. If economy slows down for whatever reason, it is quite unlikely that Meta will be able to grow their advertising business by $25 Billion in such period(s). Nonetheless, falling short of such revenue growth target in a random year or two is unlikely to have material impact on business’s intrinsic value since as long as Meta continues to have users attention, ad dollars will inevitably follow once the economic cycle turns.
2024 年的数字也因 Reels 货币化增加而获得了适度的顺风。这种顺风可能会在未来几年继续，尽管顺风的程度可能会随着时间的推移而逐渐减弱。Advantage+、点击消息广告和潜在的 TikTok 禁令也可能在短期内继续成为顺风。然而，考虑到 Meta 目前广告业务的规模，未来任何一年的增量广告收入可能在很大程度上受到宏观因素的驱动。如果经济因某种原因放缓，Meta 不太可能在这段时间内将其广告业务增长 250 亿美元。尽管如此，在一两年内未能实现这样的收入增长目标不太可能对企业的内在价值产生重大影响，因为只要 Meta 继续吸引用户的注意力，一旦经济周期转变，广告收入将不可避免地随之而来。

Meta 在 AI 领域的大规模投资将从两个方面带来收益：提升内容创作效率和参与度，以及优化广告投放精准度：

Meta’s massive investments in AI will also act as tailwinds for the business in both the short and long term. If content creation becomes easier and/or content becomes more engaging thanks to AI tools, Meta will be beneficiary through higher engagement on its apps. Similarly, ad creation itself also will become easier and more engaging over time and thanks to Meta’s AI investments, Meta can potentially be much more granular in terms of what specific ads to show to particular users, in what frequency, and in what format.
Meta 在人工智能方面的巨额投资也将在短期和长期内为企业带来推动力。如果内容创作变得更容易和/或内容由于人工智能工具而变得更具吸引力，Meta 将通过其应用程序的更高参与度而受益。同样，广告创作本身也将随着时间的推移变得更容易和更具吸引力，并且由于 Meta 在人工智能方面的投资，Meta 可以在向特定用户展示哪些特定广告、以何种频率展示以及以何种格式展示方面更加细化。

Meta 在 AI 上的投入超过了很多人的想象。这个反馈直接来自于它最核心的广告业务，除了在推荐和广告的精准度上提升，内容创作的改善也非常关键。这是一个很彻底的供给侧改革：信息流还是那个信息流，但里面可以推荐出来的内容变得更加丰富和吸引人了，而且这还只是 AI 刚刚开始改造内容创作的阶段。

这里 callback 一下在 Uber 分析中有关自动驾驶的部分。去年年底以来，市场叙事开始转向对 AI 应用对投资，其中共识的两个方向就是自动驾驶和内容创作，前者的红利主要被 Tesla 吃到，而后者则主要被 Meta 吃到。

这两家公司的 AI 归因逻辑都很直观。无论是自动驾驶还是内容创作，都与它们的核心业务有着明显的关联。AI 投入对核心业务的支撑作用也很容易理解 — 本质上是在现有业务基础上的自然延伸，而非像 Meta 在 Reality Labs 上的投资那样需要一个巨大的跨越。

这是一个简单的商业逻辑：考虑到这些公司核心业务的庞大规模，即使 AI 只能带来些许效率提升，也能在整体层面产生显著影响，由此产生了巨大的想象空间。

从某种程度上说，Meta 在 2025 年展现出的大手笔资本支出，很大程度上是得益于此前 AI 在核心业务上的正向反馈。正是这种信心使得公司敢于投入 600 多亿的巨额资本支出，而不必过分担忧市场对这笔投资回报的质疑。

Zuckerberg 将 Meta AI（由 Llama 驱动）视为目前最大的 AI 消费级应用，这个判断主要基于一个关键战略：Meta 将 AI 能力嵌入了包括 WhatsApp、Facebook 在内的多个拥有十亿级用户的超级应用入口。

其中，WhatsApp 的表现特别引人注目。作为即时通讯应用，WhatsApp 天然具备理想的对话场景，无论是面向个人用户（C2C）还是企业用户（B2B），都能为用户与 AI 助手的互动提供自然的上下文环境。这一特性让这个曾经 " 低调 " 的业务突然焕发出新的价值潜力。

一个出人意料的现象是，Meta AI 在 WhatsApp 上的使用量竟然超过了其他 Meta 旗下应用。这很可能源于用户长期在 WhatsApp 上培养的文字交流习惯 — 既然用户已经习惯在平台上通过打字进行交流，与 AI 聊天机器人对话也就水到渠成了。

Meta mentioned Meta AI is currently being used much more on WhatsApp than on other apps. Moreover, as they come up with new tools/products through their new “Business AI” group, SMBs around the world will likely utilize WhatsApp to drive their business.
Meta 提到，Meta AI 目前在 WhatsApp 上的使用量远远超过在其他应用程序上。此外，随着他们通过新的“商业人工智能”小组推出新工具/产品，世界各地的中小企业可能会利用 WhatsApp 来推动他们的业务。

综合上述的分析，Rezwan 对未来三年的估值做出了自己的预判：考虑到当前估值水平，Meta 未来 3-5 年的股东回报可能会受限。即使达到 2028 年每股收益 36.96 美元的预期，如果估值倍数收缩到 Google 当前水平，年化回报率也只有约 2%。

Given Meta’s current multiple, I don’t expect multiple expansion to be a driver for the stock’s return in the next 3-5 years. I actually think it is more likely that we may see multiple compression for Meta over time. However, given Meta’s potential lackluster EPS growth compared to last couple of years, this may lead to very underwhelming period for Meta’s shareholders.
鉴于 Meta 目前的市盈率，我预计市盈率扩张不会成为未来 3-5 年股价上涨的驱动因素。实际上，我认为随着时间的推移，我们更有可能看到 Meta 的市盈率压缩。然而，考虑到 Meta 的每股收益增长可能与过去几年相比乏善可陈，这可能会导致 Meta 股东经历一段非常令人失望的时期。
For example, consensus GAAP EPS estimates for 2028 is $36.96. If Meta indeed reaches that EPS and for whatever reason comes down to where Google’s multiple is today, the stock will be $770 in three years, implying only ~2% CAGR during this period. Even if you assume Meta will handily beat the consensus estimates, the fact remains we need to hope multiple doesn’t compress too much for us to make double digit return in the next 3 years.
例如，2028 年的 GAAP 每股收益预期为 36.96 美元。如果 Meta 确实达到了这一每股收益，并且出于某种原因降至谷歌今天的市盈率水平，那么三年后股价将达到 770 美元，这意味着在此期间的复合年增长率仅为 2% 左右。即使你认为 Meta 将轻松超越普遍预期，但事实仍然是，我们需要希望市盈率不会压缩太多，以便我们在未来 3 年内获得两位数的回报。

本文是风险投资人 Sarah Guo 与 Harvey 联合创始人兼 CEO Winston Weinberg 的播客访谈。Harvey 是领先的应用层 AI 公司之一，为律师事务所、专业服务提供商和财富 500 强企业构建特定领域的 AI。

和我之前曾经推荐一个播客访谈《对话 Daloopa CTO Jeremy Huang: 融资 4 千万美金，如何打造红遍华尔街的 AI 金融产品》类似，法律领域的 AI 具有极强的专业性。Daloopa 的 Jeremy Huang 也曾经表示，提供准确的数据，赢得金融客户的信任，是 Daloopa 产品中最重要的部分。

在回答如何与法律客户建立信任这个关键问题时，Winston Weinberg 提出了一个重要的概念：minimum viable quality（最低可接受质量）。同时，他认为，对于效率性输出和专业性输出两种场景，最低可接受质量的标准不同。

Sarah Guo: In the legal profession, especially among senior, prestigious lawyers with high billable hour rates, there's a high expectation of quality from associates and models. How did you build trust, given that you didn't start with the capabilities you have today?

Winston Weinberg: Let me distinguish between two key aspects. First, regarding productivity versus specialized output: On the productivity side, the minimum viable quality can be lower because you're selling seats and multiple people review the work. The most important thing is to show your work.
...
Now, regarding the specialized system: Here, the goal is to produce the final output from start to finish. This requires a higher minimum viable quality, but it's actually easier to achieve because you're building systems focused on specific, repeated tasks – similar to a specialist. The scope is more defined, and evaluation is more straightforward. Unlike evaluating enterprise GPT or Copilot, which can be complex, specialized systems allow for step-by-step evaluation to ensure each component is working correctly.
Sarah Guo: 在法律行业，特别是那些收费很高的资深知名律师中，他们对初级律师和模型的质量要求都很高。考虑到你们最初并没有现在这样的能力，你是如何建立信任的？

Winston Weinberg: 让我先区分两个关键方面。首先，关于效率与专业输出的区别：在效率方面，由于你是在销售席位且有多人审查工作，所以最低可接受质量标准可以相对较低。最重要的是要展示你的工作过程。
……
而对于专业化系统来说，这里的目标是从开始到结束直接产出最终成果。这需要更高的最低质量标准，但实际上更容易实现，因为你在建立的系统专注于特定的重复任务——类似于专家。范围更加明确，评估也更加直接。与评估企业版 GPT 或 Copilot 这类复杂系统不同，专业化系统允许逐步评估，确保每个组件都正常运行。

这个效率性 vs 专业性输出的二分法很值得关注，实际上它意味着两种不同的应用范式，前者意味着应用的横向可拓展性，而后者则意味着用 agentic system（代理系统）来完成多个步骤的工作，交付最终结果，这意味着模型的垂直专业性。而这两种做法所对应的商业模式也越来越不相同。

Weinberg 还用了另一个比喻来解释这种差别：展开和折叠。

... what you have to do is you have to build a platform that is kind of constantly expanding and constantly collapsing. And so what I mean by that is you need to build specific features and maybe agentic workflows, etc., that can do parts of a task. And then you need to combine them all together. So the UI is simple and you don't have this like tentacle monster of a platform.
你需要构建一个不断扩展又不断折叠的平台。具体来说，你需要构建特定的功能和可能的代理工作流程等，来完成任务的各个部分。然后你需要将它们全部整合在一起，使界面保持简单，避免平台变成一个触手怪物般复杂的系统。

也就是说，特定功能在初期，限于模型能力、数据质量等原因，输出质量不够高，需要人类辅助和审查以保证交付质量，这时候它的价值就是效率性的；而随着这个功能的输出质量越来越高，人工介入程度较低，这个功能就已经 agent 化了，可以被整合到一个更复杂的工作流中，作为更复杂的自动化流程的一个组件——这就是所谓的折叠——整个工作流的价值就是专业性的。

... the thing that we're starting to land on is basically identify these systems as what we're calling AI patterns. So these are the 30, 50 things that we need to build that will be integrated into all of these different pieces of the product, right? So I'll give you an example of this. If you build an AI system that is really good at case law research, that can go into a motion for summary judgment, that can go into a billion different types of litigation use cases, right? It doesn't do that use case from start to finish, but you can add that on top. And so what we've been doing is we basically have teams that will work on building these are the patterns and then teams that are kind of implementing that across the entire platform. And that has been working really well.
我们现在开始确定的方向是将这些系统识别为我们所说的 "AI 模式 "。这些是我们需要构建的 30 到 50 个模式，它们将被整合到产品的各个不同部分中。让我给你举个例子：如果你构建了一个擅长判例法研究的 AI 系统，它可以用于简易判决动议，也可以用于数十亿种不同类型的诉讼用例。它并不是从头到尾完成这些用例，而是可以作为一个附加功能。所以我们一直在做的是，我们基本上有一些团队专门负责构建这些模式，同时还有一些团队负责在整个平台上实施这些模式。这种方式运作得非常好。

Weinberg 正在描述一种独特的 AI 平台开发方法。这种方法的核心在于构建模块化的 AI 能力（称之为 AI pattern）：想象一个专门用于判例法研究的 AI 系统。这个系统本身并不会完成整个法律流程——比如它不会独立完成一份完整的简易判决动议。但是，这正是他们策略的精妙之处：这个 AI 模式被设计成可以作为一个组件，能够被整合到各种不同的法律工作流程中。

这就像是在搭建积木：同一个判例法研究模式可以被用在撰写简易判决动议、准备法律简报、进行尽职调查，或者起草法律备忘录等多个场景中。这种方法完美地体现了他们所说的“不断扩展又不断折叠”的平台架构理念。

这种方法的高明之处在于，他们不需要为每种法律文件或流程都开发独立的 AI 系统。相反，他们创建了一些基础的 AI 模式，这些模式可以像乐高积木一样，以不同的方式组合起来，服务于多种不同的用途。这不仅提高了开发效率，也确保了整个平台保持简洁和可维护性。

下面这段对话中，Weinberg 更具体的讲了如何“折叠”界面：

Sarah Guo: 但我认为由于你们的做法和其他一些因素，我想听听你是否同意：也许在未来构建用户体验的成本会比过去更低。而且作为一家公司，你们正在培养一种其他公司不被鼓励具备的能力，就是持续简化的能力。

Winston Weinberg: 这些模型最擅长的就是编排。关于如何持续简化用户界面，我来举个例子。你可以构建许多处理股份购买协议（SPA）的不同工作流程，对吧？它可以从股份购买协议中提取陈述和保证条款，将它们转化为摘要，一个复杂的总结，处理成交条件，以及所有这些不同的事项。你需要分别构建这些功能，因为你的系统可能无法同时处理这个加上其他所有横向用例，确实做不到。所以你分别构建这些功能，然后只需要让它在用户上传 SPA 时，Harvey 会说：" 嘿，你想对它做这七件事中的哪一件？" 这样你就可以将其简化为一个非常简单的用户界面，如果你想想专业服务的用户界面就是电子邮件，就是这样。所以你可以在系统中构建所有这些不同的功能，但之后你必须有一个非常清晰优雅的方式来组合它们，这样用户才能真正找到这些功能。你不会想要一个拥有 10,000 个工作流程的系统，然后还要想办法筛选并找出你需要的东西。这就是我们现在的商业软件的问题。

在这段对话中，Sarah 首先提出了一个富有前瞻性的观点：在新技术的助力下，用户体验的开发成本可能会降低。更重要的是，她注意到了一个独特的组织能力——持续简化的能力，这是一种在当前商业环境中反而不被普遍重视的特质。

Winston 的回应通过一个具体的例子，完美诠释了如何在实践中实现这种简化。他以股份购买协议 (SPA) 的处理为例，展示了一种新型的软件架构思维。在这种架构中，复杂的功能被分解成独立的模块：提取条款、生成摘要、处理成交条件等。这些看似复杂的功能，最终却能通过 AI 的编排能力，被整合成一个简单的交互界面。当用户上传一份文档时，系统不会展示出所有复杂的内部机制，而是简单地提供几个清晰的选项。

这种方法的高明之处在于，它找到了一个平衡点：在保持强大功能的同时，通过智能的设计让用户体验变得简单直观。Winston 特别提到专业服务的用户界面本质上就是电子邮件这么简单，这个比喻生动地说明了他们追求的目标——将复杂的专业服务通过技术手段简化到近似日常交流的程度。

这种思路与当前主流商业软件的发展方向形成了鲜明对比。现有的企业软件往往陷入功能堆砌的陷阱，导致用户需要在成百上千个工作流程中艰难导航。而他们提出的方案，通过 AI 的智能编排，既保留了强大的功能性，又避免了让用户面对过度复杂的界面。

这段对话实际上展示了一种新型的软件开发范式：不是简单地追求功能的扩展，而是在扩展的同时始终牢记简化的重要性。这就是 Weinberg 所讲的“折叠”的一个清晰的案例。

访谈中还提到了关于招聘、团队文化等话题。

Prediction: Naveen Rao on X

这是 Databricks VP Naveen Rao 的一篇推文，对于开源和闭源模型的未来走向做一个很有意思的预测。

闭源模型一定会结合 UI 去做差异化这个判断，很值得深入思考。

Prediction: all closed AI model providers will stop selling APIs in the next 2-3 years. Only open models will be available via APIs.

Why? For an open model service, the value prop is clear...it's hard to build a scalable service to access the model and the model is commodity. The race-to-the bottom happened with the commodity already (model). Let AI app builders iterate on great UIs for apps upon scalable services with commodity capabilities

Closed model providers are trying to build non-commodity capabilities and they need great UIs to deliver those. It's not just a model anymore, but an app with a UI for a purpose.

If closed models are available via API, all it does is create competition for the app the closed provider is building. The secret sauce is capabilities + UI.
预测：所有封闭的 AI 模型提供商将在未来 2-3 年内停止销售 API。只有开放模型才可通过 API 获得。

为什么？对于开放模型服务，价值主张很明确……很难构建可扩展的服务来访问模型，而且模型是商品。竞相压价的现象已经发生在商品（模型）上。让 AI 应用程序构建者在具有商品功能的可扩展服务上为应用程序迭代出色的 UI。

封闭模型提供商正在尝试构建非商品功能，他们需要出色的 UI 来实现这些功能。它不再只是一个模型，而是一个具有用于特定目的的 UI 的应用程序。如果封闭模型可通过 API 获得，那么它所做的就是为封闭提供商正在构建的应用程序创造竞争。秘诀是功能 + UI。

海外 VC 说，DeepSeek 火爆后，高增长 AI 企业的估值有望达到 12 倍 ARR

这是一篇来自锦秋基金公众号的文章（翻译自海外，但我没有找到原文出处）。文章从一级市场投资的视角，分析了像 Deepseek 这样的开源 SOTA（State-of-the-Art）模型对 AI 创业公司估值的潜在影响。

回顾历史，AI 公司一直面临着一个根本性的挑战：过高的训练和处理成本严重侵蚀了初创软件公司的毛利，导致 AI 公司的利润率普遍低于传统 SaaS 公司。而 Deepseek 的出现正在改变这一格局。数据显示，开源模型的采用可以帮助 AI 公司将毛利率提升 15-25 个百分点，使其整体盈利能力有望达到 55-70% 的水平。这种改善来自于降低了获取前沿模型的成本门槛，以及帮助企业摆脱了对大模型公司“token 税”的依赖。

技术层面的创新同样值得关注。通过蒸馏技术，公司现在可以在较小的参数规模下获得令人满意的效果。对于大多数特定业务场景，这种优化后的模型完全能够满足需求，无需过度依赖算力。这与此前企业不得不依赖基础模型或能力有限的 Llama 的情况形成鲜明对比。

在商业模式方面，我们看到了令人振奋的发展。预计在未来 3-5 年内，AI 行业的财务指标将逐步接近传统 SaaS 的水平。新型定价模式正在涌现，比如按任务完成付费来替代传统的席位制，这种创新使得企业更容易说服和获取客户。

从估值角度来看，这些变化带来的影响已经开始显现。随着成本结构的改善，高增长 AI 公司的估值倍数有望从目前的 5-8 倍年度经常性收入（ARR）提升至 8-12 倍 ARR。这种估值提升反映了市场对 AI 公司改善后的盈利能力和持续增长潜力的信心。

原文并不长，就没有做引用，需要更多推导细节的读者，可自行阅读。

← Back to Newsletter Archive