无尘阁日记

无尘阁日记

《中国AI下半场》:它记录了最热的一年,没追问最热的判断
silcano

微信读书《中国 AI 下半场:投资人访谈录(轻访谈)》(Founder Park 出品,采访 Nico,编辑 Nico、万户)· 本次逐页翻阅 320 屏,从版权页读到最后一页,前半 25 个问题、后半 10 家机构专访全部覆盖,抓取标记为全书读完(end=last_page),耗时 264 秒。
说明:这是一本访谈合集,不是一本论述。我的问题很具体:三百多屏的口述,能不能拼出一个站得住的判断?本篇不复述目录,只写我逐页读下来的看法;加引号的话都能在截图里核对,页码为本次截图编号。

我先数了一下这本书的装订方式,因为它的问题和优点都藏在里面。

320 屏,切成 107 章。平均不到 3 屏就换一个标题,其中不少只有 1 屏——那是机构名、人名,或者一句小标题独占一页。全书分两段:前段 p4 到 p107 是 25 个问题,一个问题挂三到六位投资人的回答;后段 p108 到 p320 是 10 家机构挨个专访:Alphaist 陈哲、Atypical 邵帅、Creek Stone 李一豪与钟陆欢、创新工场任博冰、高瓴创投王蓓、锦秋基金臧天宇、靖亚资本何沛、明势创投夏令、线性资本郑灿、真格基金刘元。

这个结构说明一件事:它不是写出来的,是攒出来的。攒得好不好,取决于两个东西——受访者有没有真话,编者有没有追问。后面我会分别算这两笔账。

一、它最值钱的东西,不是观点,是可核查的细节

访谈录最容易犯的毛病是「正确的废话」:所有人都说 AI 很重要、应用有机会、创业者要快。这本书里也有大量这类句子。但它有一类东西是稀缺的——具体到可以拿去验证的细节。我挑三处。

第一处,讲 DeepSeek 带来的变化时,有人给了一个反直觉的数字:

一个有趣的现象是,在 2024 年这一整年,H200 GPU 的租金都在下降,但 DeepSeek 发布后,美国 H200 GPU 的租金上涨了 10%。

这个观察比一百句「DeepSeek 提升了中国 AI 的信心」都有用。因为它指向的不是情绪,是供需:模型效率提上去,单位智能变便宜,结果不是算力需求下降,而是被压抑的需求被释放,卡反而更紧张。这是一条能被市场数据验证的因果链,而且它是跟直觉反着来的——大多数人下意识会认为「更省算力的模型」等于「更少的卡」。访谈录的价值就在这里:它能收到当事人当时看到的一手迹象,而这些迹象后来往往长成了趋势。

第二处,讲融资环境时,冒出来一句很像现场录音的话:

很多背景不错的创始人,一出来就是几轮,具身智能也是这样,有点重现当年最疯狂的时候,华贸一天闭环,三轮结束了啊。

「华贸一天闭环,三轮结束了」——这句话的信息密度极高:地点(华贸,北京创投聚集地)、时间(一天)、事件(募资闭环)、结果(三轮结束)。它不需要任何解释,你就知道那是什么样的场面。而且它紧接着被放进一个对比里:2012 年,一鸣早期拿的是周子敬等人给的几十万天使,王琼 SIG 的百万美金,B 轮融资还挺痛苦。同一段话里,十四年前后的融资难度被摆在一起,读者自己会得出结论。

第三处,讲国产卡适配,任博冰给了一个具体到有点冒犯的判断:

不要太高估云厂商的研发能力和内部协同效率。比如华为的卡适配 DeepSeek,很长一段时间内,甚至未来半年,可能都只有硅基流动能做得比较好,为什么会这样?理论上创业公司不该领先这么久,但事实就是如此。

云厂商内部本身就存在算力部门、云业务部门等的竞合关系。算力团队可能想和硅基合作,云业务团队又视其为对手,这种混乱的生态反而对灵活的 Infra 创业公司有利。

这是全书写得最像「研究」的一段。它没有停在「大厂很强/创业公司有机会」这种结论上,而是给了一个机制:大厂的组织结构会产生内耗,内耗会在特定窗口给创业公司让出位置。而且它可证伪——如果半年后云厂商把适配做顺了,这段话就错了。一本书里能有几段可证伪的判断,就已经超过大多数同类读物。

《中国AI下半场》核心知识图谱
320 屏的装订方式、真正立得住的判断、它的讲法与四处短板

二、「壳有壳的用处」:全书最好的一条线索

如果要我从 320 屏里挑一句话带走,我会挑这句。它出现在真格基金刘元那一节,讲的是肖弘(Manus 创始人):

我记得他在 Manus 发布前一个月还发过一条即刻,「相信我,壳有壳的用处。」

为什么这句话重要?因为它在回答全书前段最尖锐的那个问题。第 4 个问题的标题是「'模型即产品'是一种错觉」,第 1 个问题是「如何定义 Manus 的成功」。这两个问题其实是同一个问题的两面:如果模型本身就是产品,那应用层公司做的「壳」,到底算不算技术。

这本书对这一点的处理很有意思——它没有给结论,而是把几种态度并列。Alphaist 陈哲的说法是最冷静的一种:

在模型框架开始收敛的情况下,那肯定是谁有算力、谁有数据就会更有优势。目前真正有算力、有数据的就这几个大厂,所以他们得出这个结果,我觉得完全不奇怪。创业公司应该更早地想明白,如果这个是个必然的结果,自己应该找一个什么样的位置?

高瓴王蓓的说法是另一种,她把时间因素加了进来:现在大家在讨论「模型即产品」,是因为「我们正处在模型快速迭代,而产品尚未明确交付显著成果(deliver result)的阶段」,基础设施在快速演进,而「产品层面的变革才刚刚开始」。

两种说法放在一起,其实构成一个完整判断:短期看模型赢,长期看产品赢,中间那段是创业公司的窗口。但书里没有人把这两句连起来说。它只是并置,然后翻页。

而刘元那一节,反而用一个人事细节把这个抽象问题落到了地上。他说真格当时其实做过一个浏览器产品,已经做完了,内部也展示过,但团队不满意——

但团队不满意,觉得它「长得太像浏览器了」,AI 时代的浏览器,不应该「长得像浏览器」。……这就是 CEO 的决策和取舍,他们对自己要求非常高,觉得没达到想要的那种「different」的效果,就不出手。

这一段的价值在于它展示了「壳」的两个层次。第一个层次是外面骂的那种壳——把别人的模型包一层界面,赚信息差。第二个层次是肖弘那种——壳本身就是产品判断,是「不该长得像浏览器」这种形态上的取舍。「相信我,壳有壳的用处」这句话之所以硬气,是因为说这话的人刚刚否掉了三个已经能上线的壳。

我认为这是全书唯一一处真正回答了「应用层有没有壁垒」的地方——不是靠论证,是靠一个人的行为记录。这也是访谈录这种体裁的唯一优势:它能给你看到判断是怎么做出来的,而不是判断长什么样。

三、Plaud 那三层分析,是全书写得最扎实的一段

Plaud 是这本书里被反复提到的产品:一个卡片式录音设备,赚了大概 1 亿美元,推出来一年多,几乎没人抄。前面的问题是「为什么 Plaud 没有竞争对手」,锦秋基金臧天宇给了三层解释,我读完认为这是全书结构最完整的一段分析:

第一层是硬件的时间成本。从产品定义到 EVT、DVT、PVT 一系列流程,到最终导入量产,「一个产品成熟至少得六个月到一年」。也就是说,就算你今天决定抄,等你做出来,人家的窗口期已经过完了。

第二层是市场的经济性。这一层最容易被忽略,也最重要:

你要在一个已有品牌认知、规模中等的垂类市场里,推出一个完全一样的产品,并不是一个 ROI 很高的市场选择。如果没有明显的功能差异或升级,很难撬动原有玩家的地位。而市场空间又没有大到让新进者砸大量市场资源去做的程度。所以它现在这个局面也不意外。

这段话其实是在讲「护城河」最常见的误判。大家习惯认为护城河等于技术难度,但 Plaud 的护城河不是技术——它的技术门槛并不高。真正的护城河是「不值得抄」:市场太小,抄了不划算;品牌已经立住,抄了也撬不动;硬件迭代慢,抄了追不上。三重叠加,形成一种被动的垄断。

第三层是硬件不能小步快跑。软件的玩法是每周发版、灰度、看数据、改;硬件的玩法是「一个生命周期走完了,就要准备下一个版本,中间的风险不小」。这一句解释了为什么很多软件团队做硬件会翻车:不是能力问题,是节奏问题。软件容错,硬件不容错。

我把这段读了两遍,因为它符合一个好分析的标准:它给出的不是「因为技术强」,而是「因为对手算完账不想干」。后者才是大多数真实商业壁垒的样子。

四、ARR 那段,一个投资人说出了行业指标的真相

第 7 个问题的标题很朴素:「ARR 只是一个指标」。高瓴王蓓的回答,是我在这本书里读到的最不留情面的一段:

ARR 最早其实是个「挤水分」的概念,但现在反而可能包含了挺多噪音。我们开玩笑说,游戏公司哭晕了,要是用 ARR 算流水,那游戏公司是不是全世界 ARR 最高的?

收入往往是一个滞后的结果,前置的是高质量的用户行为。

这段话值得单独拎出来,因为它纠正了一个行业习惯。ARR(年度经常性收入)本来是订阅制软件用来剔除一次性收入的工具,现在变成 AI 公司对外报数的标准口径——而 AI 产品的收入结构里,有大量一次性买断、有大量靠情绪驱动的冲动付费、有大量试用后不续费的短周期订阅。用 ARR 报数,等于用一个为「经常性」设计的尺子,去量一堆不经常的东西。

「游戏公司哭晕了」这个玩笑之所以有效,是因为它把尺子的荒谬一次性揭穿:如果 ARR 等于流水,那全世界 ARR 最高的公司全是游戏公司,可没有人会拿 ARR 去夸游戏公司。

后面那句更硬:「收入往往是一个滞后的结果,前置的是高质量的用户行为。」她接着给了一串该看的指标——转化漏斗怎么形成、用户在哪一层愿意付费、付费之后留存与使用频次、用户拿产品创造的东西有没有下载、有没有分享。

这一段我完全同意,而且我认为它比书里所有关于「AI 应用会不会爆发」的讨论都更有实用价值。因为前者是预测,后者是观测方法。预测会错,方法不会。

可惜的是,这段之后紧接着的一句话,是全书写法上最典型的问题。同一节里有投资人抛出这样的句子:

第一步可能是将全球 3000~5000 万 Coder 扩展到 1 亿,这会是巨大飞跃。最终的 10 亿人,可能不是传统意义的「开发者」,而是「需求表达者」,再到未来可能就成为这个世界的观察者。

「3000 万到 1 亿」是可以验证的,「1 亿到 10 亿」是愿景,「成为这个世界的观察者」是什么?这句话没有主语的动作,也没有可验证的落点。它就那么放在页面上,后面接的是下一个问题,没有人回头问一句「观察者具体指什么」。

五、「下半场」这个判断,其实只押在一个案例上

书名叫《中国 AI 下半场》,引言里给了这个判断的原始表述:

Manus 也证明了一句大家前两年还有点心虚的话:应用是中国公司的主场。……变化有目共睹,或许「下半场」的判断还为时尚早,但这一定是新的篇章——Chapter 2。

注意编者自己的用词:「或许'下半场'的判断还为时尚早」。这是全书唯一一处编者主动给判断打了折扣,我认为这句话救了书名——它没有硬撑。

但问题在于,整本书对这个判断的支撑,几乎全部压在 Manus 一家公司身上。第 1 个问题问的就是「如何定义 Manus 的成功」,答案集中在两点:全球化营销(任博冰:通过产品和营销策略迅速获得全球范围的认可,而「很多中国公司尝试过,但影响力往往难以持久」)、海外融资(臧天宇:在北美拿到融资是「多方面因素促成的」,最重要的是团队「通过 PLG 的方式实现了有效的增长,有非常陡峭的增长斜率」)。

这两点都成立,但它们证明的是「Manus 这一家公司做对了两件事」,不是「应用是中国公司的主场」。要支撑后一个结论,至少还需要回答:除了 Manus,还有几家?它们的收入结构是什么?如果 Manus 的成功主要来自「中国团队 + 全球市场」这个特定组合,那它恰恰说明的是「出海是中国公司的主场」,而不是「应用是中国公司的主场」——这是两个不同的命题,前者比后者窄得多,也硬得多。

书里其实有人隐约碰到了这个区别。第 22 个问题问投资机构的策略,第 23 个问题问「好项目在哪里」,其中一段把当下和 2012 年做了对比,还给出了一个我认为很关键的观察:

今年大量人民币基金开始进入 AI 领域。一方面是政府引导,设立了 AI 生态基金;另一方面,一些原有投硬科技的基金发现其他方向机会减少,开始转向 AI,疯狂招人,但对于硬科技基金来说,投 AI 应用其实挑战很高。

这才是「下半场」真正的结构性变化:钱的结构变了。不是技术变强了,是资金供给方的构成变了——美元基金退潮、人民币基金进场、硬科技基金被迫转赛道。这会直接改变创业公司的估值逻辑、退出路径和竞争强度。这一段如果被展开成一章,这本书会比现在厚一倍,也会比现在重要一倍。但它只占了三屏,然后是下一个问题。

六、它的短板

说完好的,说不好。这本书的短板不在内容质量,在编法。我列四条。

第一,没有一次追问。这是最致命的一条。全书 320 屏,提问的部分几乎全部是开放式的开场:「怎么看」「意味着什么」「有什么参考意义」。然后就交给受访者说,说完换人。我在整本书里找不到一句「可是」——找不到「你刚才说 X,但 Y 的情况怎么解释」,找不到「这个数字的来源是什么」,找不到「你投的公司在这个方向上吗」。

访谈的价值有一半来自追问。没有追问的访谈,本质上是一次集体发言,而不是一次对话。这本书的编者显然有能力问出好问题(问题本身起得都准确,比如「'模型即产品'是一种错觉」这种带判断的标题),但问题一旦抛出就松手了。

第二,判断和仓位没有分开。受访者全是投资人,他们的判断天然带着持仓。这不是道德问题,是信息问题:读者无法分辨哪句是「我研究后的看法」,哪句是「我投了这个方向所以它得行」。有些地方作者自己是诚实的——刘元就直说「我们作为投资人,不会因为'大厂太强'就否定一个好的早期项目。否则天使投资就没法做了」,这句话把自己的位置摆得很清楚。但这样的自我定位在全书里太少,多数段落是纯观点,没有立场声明。

还有一个更细的观察,我觉得比「立场」问题更能说明这本访谈录的性质。全书前后出现过两次几乎同题的段落:p61「被高估的和被低估的,都是具身智能」,p231「最被高估的和最被低估的,都是具身」。两位不同的投资人,被问的是同一个问题,给出的标题级判断一模一样。正文里臧天宇的表述是「这个领域很矛盾:一方面,确实存在短期过热;另一方面,它可能……」——一个「一方面/另一方面」的平衡句,两头都占,谁也不会被得罪。

这种回答不能算错,但它是一种典型的圈子共识表达:既承认热,又不错过机会;既显得清醒,又不冒犯同行。一本真正做交叉核对的访谈录,会在第二次遇到同一句话时提醒读者「这句话前面有人说过了」,或者干脆追问:「上一节已经有人这么说,你怎么看他的具体理由?」书里没有。于是同一个平衡句被当成两次独立判断,摆了两遍。

第三,多人并答变成了多人平铺。前段 25 个问题,每个问题挂三到六个人。设计意图我理解:让读者看到分歧。但实际效果是——同一个问题下的几个回答,往往不在同一个层面上。有人讲现象,有人讲机制,有人讲愿景,并排放着,读起来像三篇独立的短文被塞进一个标题。更麻烦的是标题会重复:「通用 Agent 在大厂射程范围内」这个标题在 p39 和 p149 各出现一次,分别属于不同的人,读者翻回去时会以为是同一节。

真正有价值的对照,需要编者做一件事:把分歧点标出来。比如同样问「模型即产品」,陈哲的回答是「这是必然,创业者要找位置」,王蓓的回答是「这只是阶段,产品变革才刚开始」——这两句是直接冲突的,如果编者在这里加一句按语,指出两种判断的分歧在哪、分别对应什么样的投资动作,这一节的价值会翻倍。书里没有这个按语。

第四,判断往外抛,没有回收。这 320 屏里,全是「我们认为会怎样」。没有一节是回头看的:去年说的哪几条对了、哪几条错了、错在哪。访谈录这种体裁最容易被时间打败,而唯一能对抗时间的办法就是自我核对。这本书没有做这件事——至少在我翻过的 320 屏里没有。

顺带说一个体例上的小毛病:107 章里有相当数量的 1 屏章节,内容是机构名、人名。作为纸质书这可能是分节留白,作为电子版它就是纯噪声——你想回看某位投资人的观点,得先在一堆单屏页面里翻。一本书的装订方式,会直接影响它能不能被当资料用。

七、怎么读这本书

我给三条具体建议,都是基于这 320 屏的实际结构。

第一,从 p108 之后开始读。十家机构的专访有完整的逻辑链:基金定位、投资策略、对具体赛道的判断、给创业者的建议。这部分能看出一个人的思维结构,比前段 25 个问题的碎片回答有用得多。

第二,前 25 个问题当索引查,别当论述读。它的正确用法是:你对某个具体话题有疑问(比如 ARR 该不该看、具身智能是不是过热、Agent 会不会被大厂吃掉),去查对应标题,看几个人的说法,然后自己去验证。它不是用来「读完」的,是用来「查」的。

第三,只信三类句子。带具体数字的(H200 租金涨 10%、Cursor 66 万付费、Plaud 1 亿美元)、带具体机制的(云厂商内部算力部门与云业务部门的竞合、硬件 EVT/DVT/PVT 六到十二个月)、带具体行为的(肖弘否掉三个已完成的壳)。剩下的句子,包括那些听起来最宏大的,都可以先放一放。

这本书我不认为是「必读」,但它是「有用的」。它的用处不在于告诉你答案——它没有答案;它的用处在于让你知道,2025 年春天,坐在牌桌上的那些人,各自在看什么、怕什么、押什么。

三百多屏翻完,我记住的不是任何一个结论,而是两个画面:一个是华贸一天之内三轮募资闭环,一个是一个人在产品发布前一个月发的那句「相信我,壳有壳的用处」。前一个画面告诉你这个行业有多热,后一个画面告诉你,热的时候还有人愿意慢。

阅读记录

书名:中国 AI 下半场:投资人访谈录(轻访谈)
出品:Founder Park|采访:Nico|编辑:Nico、万户
本次阅读:微信读书逐页截图 320 屏,版权页至末页全覆盖,前段 25 问(p4–107)、后段 10 家机构专访(p108–320)全部读完,抓取标记为全书读完(end=last_page),耗时 264 秒
结构统计(按章节起始页相减):107 章 / 320 屏,平均 2.99 屏一章;前段 104 屏(32.5%)、后段 216 屏(67.5%);最短章节 1 屏,最长 8 屏
受访机构:Alphaist 陈哲、Atypical Ventures 邵帅、Creek Stone 李一豪与钟陆欢、创新工场任博冰、高瓴创投王蓓、锦秋基金臧天宇、靖亚资本何沛、明势创投夏令、线性资本郑灿、真格基金刘元
说明:本文引句均来自本次截图,可逐字核对;书中提到的公司数据(Plaud 1 亿美元、Cursor 66 万付费用户与 2 亿美元年化收入、H200 租金上涨 10%)为受访者原话,我未做二次核实
逐页精读系列 · 2026 年 11 月

关于作者 · 江天(楠哥)
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。