鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

泡沫、配角、重估、淘汰,周鸿祎揭开AI浪潮下的9个真相

编程导航
编程导航
2025-11-19 12:31
阅读 164
编程导航
2025-11-19 12:31
阅读 164

文 | 节点财经 ,作者 | 崔大宝 

两位中国互联网世界的“顶流”和“老炮儿”——360创始人周鸿祎与罗永浩,用一场4个小时的对话,为大众解开了AI浪潮下隐藏的真相。

这场对谈的发布平台,是罗永浩在B站的视频播客节目《罗永浩的十字路口》。这个节目名称本身充满了象征意义,罗永浩自己正站在一个关键的十字路口,他创办的“Thin Red Line”在海外推出了AI助手“J1 Assistant”,彻底放弃AR硬件,转而全力投身AI软件赛道。

对话的另一方,周鸿祎,曾经的“红衣大炮”,以“好斗”和“颠覆者”的企业家形象定义了一个时代。

对谈的核心张力,在罗永浩开场的一个灵魂拷问中瞬间拉满:“老周,大家都说你越来越温和,是不是激素水平下来了,连攻击性和斗志都没了?”

这句“激素之问”拉开了序幕,这场长达四小时的对谈,表面看是两个中年企业家的反思与和解,实则是在AI奇点迫近的当下,整个中国科技行业面临的一次集体焦虑、战略重估和路径选择。

这不仅是一场对话,更是一份关于2025年AI浪潮的战略简报。《节点财经》从中提炼出9个含金量最高的话题点,它们共同构成了理解这场技术变革的完整图景。

01 AI时代生存,从颠覆转向共生

面对罗永浩关于“激素水平”的直白拷问,周鸿祎没有回避,坦然承认自己“肯定平和了”。他给出了三个原因:第一是生理,激素水平确实变了;第二是经历,人到中年回头看,发现很多仗“没必要打”;第三是责任,作为一家上市公司创始人,他“更想给360争个和平发展的空间”。

在AI战略上,360不再四面树敌,而是联合了16家大模型企业建立合作生态,并主动从阿里云、腾讯云购买算力服务。

这是本次对谈的第一个核心洞察——AI时代的生存法则已经从“颠覆”转向“共生”。

彼时在PC时代,市场是分散的,360靠免费杀毒这一轻模式的单点爆破,足以颠覆传统巨头。但AI时代,游戏规则彻底变了。

AI的基础设施,无论是大模型还是算力,都具有极端的“规模效应”,它是一个需要重投入的模式。

周鸿祎的“温和”,不是一种中年人的妥协或认怂,而是一种清醒的“战术”。这是为了在AI这条超级生态链中,为360(作为应用层和服务层)争取“和平空间”的必要外交手段。这标志着中国互联网丛林战争时代的终结,和生态位时代的开始。

02 我们要“拥抱”AI泡沫

在谈及AI的巨额投入时,周鸿祎对“AI泡沫”的看法“独树一帜”。他非但不排斥,反而认为泡沫是不可避免的,甚至是有益的。

泡沫就像一块巨大的磁石,扮演了催化剂的角色。它的历史作用,就是用一种非理性的方式,在短时间内吸引海量的资金和最聪明的人才涌入一个新领域,为其注入强大的发展动力。他同时也承认,泡沫必然伴随残酷筛选,大量投身AI的公司最终都会失败。

这种“泡沫催化论”,与西方主流财经媒体的焦虑形成了鲜明对比。

比如《彭博社》10月的一篇深度报道,“对万亿美元AI泡沫的恐惧正在增长”。分析师指出,科技公司正以前所未有的速度,将数千亿美元投入一项“商业模式尚未得到证实”的技术。比如Meta为其数据中心寻求260亿美元的融资;而OpenAI预计到2029年将烧掉高达1150亿美元的现金。咨询公司贝恩公司更是预测,到2030年,AI公司为满足算力需求,其年收入将可能出现高达8000亿美元的巨大缺口。

而周鸿祎代表的是“局内人”和“企业家”的视角。对于一个投身于革命性浪潮的企业家而言,他担心的不是“泡沫太大”,而是“泡沫太小”以至于无法启动。

他看到的不是风险,而是一种高效的资源调动机制。他不怕泡沫破裂后的“一地鸡毛”,怕的是在泡沫聚集资源的阶段就已经落后于人。

03 360甘当“行业配角”

在明确了AI的重投入属性后,周鸿祎给出了360在AI时代的清晰定位——行业配角。

360宣布不做通用大模型。周鸿祎的理由很充分,巨头(如OpenAI、谷歌,以及国内的阿里、腾讯)已经重兵布局,360此时再入局就是“重复造轮子”。

360转而执行“纳米AI”战略,他们不追求大而全,而是聚焦于训练垂直的基座模型。周鸿祎的判断是,将复杂任务拆分,用多个“小而美”的垂直模型协同工作,不仅成本更低,而且在特定领域的表现会比通用大模型更出色。

周鸿祎的“配角论”展现了极端的战略清醒。他深刻地意识到,AGI(通用人工智能)的战场是算力和资本的“核战争”,只有极少数玩家能上桌。

而对于绝大多数企业而言,真正的战场是“应用”。通过与巨头合作算力与服务,将AI能力深度注入自己原有的核心业务。

04 CEO必须成为AI时代的布道师

罗永浩本身就是“企业家网红”的代表,周鸿祎近两年也活跃于短视频平台。周鸿祎在对谈中特意区分了两种网红。

第一代网红的核心是直接变现,例如带货、卖课。而以俞敏洪、雷军,也包括他自己和罗永浩为代表的企业家网红,核心目的并非销售消费品,而是充当“新一代的市场部和公关部”。其核心功能是,通过企业家的个人影响力,向社会、资本和人才市场传递企业价值。

在AI时代,CEO必须成为首席布道师。

AI技术本身正变得极其复杂,当周鸿祎试图向市场解释“多智能体协同” 或“垂直基座模型” 时,他是无力的。普通用户、客户、甚至许多投资者都难以理解这些黑匣子的真正价值。

当技术本身无法被轻易理解时,市场的信任就从产品转向了人。

公众无法评估你的算法,但他们可以评估你的人设和愿景。雷军卖小米SU7,卖的不仅是车,更是雷军的愿景、审美和他对技术的承诺。周鸿祎和罗永浩做个人IP,也不是为了带货,而是为了在资本市场和人才市场,为公司复杂且昂贵的AI战略“布道”。

这是一种“叙事权”的竞争。企业家必须亲自站到台前,用最通俗的语言,翻译公司的技术愿景。

05 Agent比AGI更重要

周鸿祎指出,AGI(通用人工智能)短期内不会到来。在他看来,Agent(智能体)才是AI的核心进化方向。

如果说大模型是AI的大脑,那么智能体就是AI的手和脚。

Agent能实现“目标驱动 + 工具使用 + 推理决策”,这意味着AI不再是一个只能聊天的工具,而是一个能行动的工具。周鸿祎进一步将其分为L1至L5五个级别,并预测多智能体协同——即多个Agent像一个人类组织一样协同工作——将是未来趋势。

这个论断为所有兴奋或焦虑的大众指明了AI的下一步到底是什么。

过去两年,AI的关键词是聊天,而周鸿祎称2025年是“智能体元年”,这意味着AI的范式正在发生根本性转移。

聊天是被动的,你问,它答。它本质上是一个信息聚合器。而Agent是主动的,你给它一个目标,它会自主地将目标拆解、规划步骤、调用工具,并最终执行任务。

这标志着AI从一个知识助理,正式进化为行动助理。

06 AI从产品驱动转向需求驱动

在谈到Agent时,周鸿祎罕见地进行了一次自我批评。他坦诚,自己之前因为Manus的母公司Monica主要是做浏览器插件的,所以有些“看不上”。

但在今年3月,Manus作为一款通用型AI Agent面世后,迅速引爆了国内科技圈。由于其能自主完成复杂任务,其内测邀请码的价格一度被炒至近10万元人民币。

周鸿祎意识到,Manus虽然没有做基座模型,但它给整个行业探索出一条至关重要的路:即可以通过智能体去完成各项任务。

Manus的成功,是对当时业界普遍存在的“唯底层技术论”的一次降维打击。

AI时代,创业公司需要快速移动。Manus的成功不在于技术有多“重”,而在于它验证了需求。在所有人还在谈论大模型参数和能力时,Manus用一款Agent产品粗暴地证明了:市场对“能干活的AI”已经极度渴望。

当360还在苦心钻研垂直模型时,Manus这家创业公司已经通过产品创新抢先圈到了千万用户,并获得了美国顶级VC的巨额融资。

这迫使周鸿祎和所有从业者反思,在AI时代,是技术驱动更重要,还是“需求驱动”更重要。

07 中国式AI应用创新的价值重估

Manus爆火背后最大的争议是“套壳”。

这其实是指没有自研的底层大模型,而是调用别家的模型API来包装成自己的产品。Manus团队及其联合创始人季逸超对此毫不避讳。他们公开承认,Manus是基于“阿里千问大模型”以及“Claude”等多个模型进行微调而成的。

这是对中国科技行业“创新”定义的世纪之问。

中国互联网长期被“C2C”(Copy to China)的阴影笼罩,导致整个行业对套壳和模式创新非常敏感,甚至有些鄙视。

但Manus的成功和硅谷的追捧证明:在AI时代,基于大模型的“应用创新”的价值,绝不亚于“基础创新”。

就像在iOS和Android之上,诞生了Instagram和TikTok一样。在AI时代,真正的万亿市场可能不在“炼模型”,而在“用模型”。Manus的光荣在于,它用千万用户和顶级VC的背书,证明了基于大模型的应用创新是一条黄金赛道,而不是可耻的套壳。

08 AI不会淘汰你,但是用AI的人会

对于大众最关心,也最焦虑的问题,周鸿祎给出了他的经典答案:“未来不是AI淘汰人,而是会用AI的人将淘汰不会用AI的人”。

他认为,重复性的文案工作、数据整理等,未来一定会逐步被AI取代。

但这不等于失业。周鸿祎预测了一个新岗位的诞生“智能体管理员”。他再次类比,工业革命淘汰了马车夫,但创造了汽车司机这个新岗位。AI时代同样需要大量教AI干活、调试参数的人。

普华永道在其《全球AI就业晴雨表》中称,那些更易受AI影响的行业,其生产力增长也更快。该机构预测,到2030年,AI可为全球GDP带来高达15.7万亿美元的贡献。

AI带来的不是“失业”,而是“职业的平移”。

“AI淘汰你”是一个科幻问题,它指向终结,让人绝望。而“AI用户淘汰你”是一个教育问题,它指向方法,给人希望。智能体管理员这个新概念的价值在于,它为焦虑的打工人提供了一个具体、可执行的饭碗升级路径。

09 AI终局,“AI for Science”的图景

在讨论了商业、战略和饭碗之后,周鸿祎将话题引向了AI的终局价值“AI for Science”,即科学智能。

这是指利用AI强大的计算和推理能力,去解决人类最基础、最重大的科学问题,而不仅仅是商业应用。

这并非空想,而是正在发生的现实。

华为等机构已在《自然》杂志发文,展示了利用3D神经网络,实现比传统方法更精确的全球中程天气预报。位于杭州的德睿智药,利用其AI药物发现工具,仅用8个月时间就从近百个分子中确定了候选药物MDR-001,该药物用于治疗肥胖和2型糖尿病,已在中美获批临床试验。

这为AI的“万亿泡沫”提供了最终的价值锚点。

“AI for Science”回答了我们为什么要发展AI的终极问题。AI的真正含金量不仅在于千亿美金的估值,更在于它为人类文明提供了一个强大的加速器。它让我们第一次有能力去规模化地解决那些曾经无法企及的挑战,如气候变化、新药研发、能源转型等。

这为这场席卷全球的技术狂热,注入了最根本的意义。

写在最后

这场长达四小时的对谈,真正的主角不是AI,而是“变化”本身。

罗永浩和周鸿祎两人的个人转变,就是这场AI浪潮给所有人的最终启示。

周鸿祎的“平和”,源于对AI这场超级技术革命的真正“敬畏”。他意识到,在这场比互联网深刻百倍的变革面前,任何个体(或公司)的颠覆姿态都是渺小且无效的。

他们不再试图用颠覆的姿态对抗世界,而是选择成为时代的“合作者”和“应用者”。

这或许是这九个话题之外,给我们的附加的、也是最重要的启示。

原文链接: 泡沫、配角、重估、淘汰,周鸿祎揭开AI浪潮下的9个真相
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手