云九资本袁语：“投 AI，最重要是找到天庭下凡的人”

1、摘要

- 有一小撮人对AI的理解跟我们不在一个level

- 模型的impact大概率仍然被低估

- 中间层应用会被两头挤压吃掉

- AI时代的商业模式未必还是广告

- 技术可以top down，需求分析不行

- Resilience比vision更稀缺

- 最伟大公司的CEO只能从top researcher中产生

- 判别器决定AI先吃掉哪个行业

- 今天觉得AI不好用，可能是你公司的问题

- 当人不是智能的中心，一切都要重新想

2、从钢琴到死猪：一个投资人的兴奋点

"我一直特别喜欢像钢琴一样的东西，它可以发挥大家的创造力。过了很多年以后，大家也很难想象没有AI的创作到底是什么东西。"——袁语

袁语2016年清明节后在九合创投拿到第一份投资工作，跟着王啸干，投的第一个项目就是VUE——一个帮普通人拍出好视频的创作工具。他说自己一直对"像钢琴一样的东西"着迷，那种能激发创造力的工具。

从VUE到Party Animals、一对（Yidui）、再到视频方向的Agent，他一直沿着"可交互的内容"这条线走。只不过这条线上很多东西，今天的技术还做不到。

云九资本（Sky9 Capital）的AI版图覆盖了基础模型（Moonshot AI/Kimi）、推理基础设施（LanceDB）、应用层（Janitor AI）、以及被Google收购的音乐基础模型Riffusion（后改名ProducerAI）。

3、被Kimi创始人杨植麟"聊服"的经历

他说context window非常重要，因为智能的提升需要长程的推理。当时觉得挺make sense，今天回头看，行业确实这么发展的。——袁语

袁语说投资经历中印象最深的，是和同事一起去跟Kimi创始人杨植麟聊天。那是ChatGPT刚出来不久，GPT-4都不确定发了没有。杨植麟提了两个判断：第一，context window非常重要；第二，原生多模态是方向。

第一个判断后来被Kimi自己验证——百万token长上下文一度是Kimi最大的卖点。第二个至今to be determined，但行业共识在往那个方向走。袁语说，那个年代没几个人对这事的认知是"不肤浅的"，但杨植麟获得了一种非常first principle的理解——听起来通透，不会觉得被忽悠，但又确实想明白了很多问题。

这就是袁语反复提到的"飞的感觉"——对面那个人在飞，你也跟着飞起来了。

4、死猪、水印和真正的PMF

很多产品经理都说，这用户为什么拿我的美颜产品拍死猪？他就觉得这用户每天都用，好用户。——袁语

另一种让袁语"飞起来"的故事，来自一个完全不同的方向。

一个创业者最开始做了一个结合陀螺仪的鬼畜视频APP，天使轮袁语投了之后，人跑到伯克利推广去了，挂了。然后经历了八次十次转型，最后说要做"老年人水印相机"。袁语心想这也太没sense了。

但创始人非要做，做出来果然没什么人用。直到有一天发现有一两个用户每天都在用——既不老年，也不美颜，是拿去拍死猪的。农业险的定损员需要一张带时间戳和地点的照片，恰好相中了这个APP的水印功能。

公司就这样转型成了to B产品"今日水印相机"（Mark Camera），现在有几千万月活。

袁语说这个故事教育了他两件事。第一，resilience太重要了——这个创始人账上只剩30万人民币还跑到你家门口说"帮我去抖音招个算法"，他也不知道这叫乐观还是什么，但只有这种心态才扛得住十次转型。第二，你认为对的东西最后可能都不对，但你得待到用户选择你的那一天，而且得听话。

5、从"看不明白"到"非常动心"：HeyGen徐卓的蜕变

我非常appreciate一个founder在面临极大经营困境的时候所爆发出来的那种感觉。——袁语

好特卖（HotMaxx）的CEO，也是让袁语动心的类型——经历过太多失败，晚上从卡车里搬东西，但一次又一次站起来。

但更完整的故事来自HeyGen创始人徐卓（Joshua Xu）。徐卓从Snapchat离职回国创业的时候，天使轮袁语和他在Zoom上聊过，坦白说当时"看不明白"——说要做生成式视频，整个PMF落地想法很幼稚，没觉得有什么牛逼的。

但到了做HeyGen的那一次，感受完全不同。融资非常困难，VC普遍不投，他就顶着巨大的压力坚持做。袁语问他为什么做这个，他讲了在Fiverr上寻找需求的过程——用户愿意为spokesperson视频付费买单，这是真实的、经过验证的需求。袁语感受到的不是一个做demo的状态，而是一种非常bottom up、非常扎实的判断。

加上整个人的状态——凄惨但坚持，"美强惨"。袁语说，"我喜欢，感觉很得劲儿。"

6、两头被低估，中间被高估

模型能够scale到什么样的状态，大家对这个事情其实还是没有准备的，还存在非常大的侥幸。——袁语

袁语对当前市场的判断很简洁：两头低估，中间高估。

第一头是模型。虽然今天基础模型看起来已经是强共识了，但模型的impact大概率仍然被低估。大家对模型能scale到什么程度没有心理准备，"还存在非常大的侥幸"。

第二头是最终端的服务交付。那些直接deliver service的公司被低估了，大家嫌它不够scale、毛利不够高。但今天的成本结构是基于"你需要一堆人来干这些活"。当智能可以被并行计算——用电换智能——的时候，成本结构会发生巨大变化。

中间那一层——听起来很scalable的AI应用——大概率会被两头吃掉。Claude Code再升个级，很多中间层产品就在大模型升级的路上。反倒是那些拿着大炮去找细分、帮你做research再帮你定制的服务型公司，模型能力的提升是你的朋友而不是敌人——模型越强，你的服务质量越好。

在AI基础设施层面，袁语特别提到了Agent钱包这个方向。Agent要出去干活、要买东西，就需要一个跟主账号分离的钱包。这件事纵深够远，背后有另一套金融体系，所以不是Anthropic或OpenAI会做的。他甚至认为Crypto的清算网络——这个已经建成的宏伟革命——可能会在agent native的社会里找到真正的主流使命，而不是今天那些比较非主流的应用场景。

7、让人"飞起来"的新物种：8个合伙人的researcher公司

他突然转头跟我说，我们不是在做一个数据公司，我们也有可能是个幻方。——袁语

袁语最近见了一个让他"飞起来"的公司。表面看就是做合成数据（synthetic data）的，听起来也没什么特别。但公司结构很有意思：8个equal的合伙人，全部来自顶级模型公司的researcher。

他们今天做合成数据，但也可能去做量化交易，去做任何需要"扛着大炮直接deliver service"的事。本质上是一群有商业sense的顶级researcher，拿着这个时代最强的武器，可以打很多仗。

让袁语真正飞起来的瞬间是，创始人突然说："我们不是数据公司，我们也可能是幻方。"这句话让他意识到，做数据、做量化、做各种应用，本质上都是一类事——关键变量是这帮人对技术的理解深度。世界上可能只有几百到一千个人，他们今天对AI的理解跟剩下所有人都不一样。

这种公司回答不了VC的经典问题——有没有资本价值、有没有网络效应。但袁语说，他确实看到了一个不一样的变量。

8、天庭的人和地面的人

可能今天我对AI的理解还是说Claude真好用，我可以给我儿子做个PPT。——袁语

我们的损失是有限的，最多也就是都没命了。但是那个可能性是无限的。——任鑫

任鑫用了一个修仙的比喻：我们从低魔世界进入了高魔世界，到处都是法器和符咒。我们是麻瓜，能捡到法器用一下，让它爆炸一下，好爽。但那些真正修仙的人有一套法力系统，能造法器。我们都是天上炸一朵烟花，但炸的方式不一样。

袁语接住了这个比喻。他提到一个播客里，Perplexity CEO Aravind Srinivas讲述自己去OpenAI实习时跟Ilya Sutskever聊天的经历。Ilya看了他做的各种work，说"这些东西都是useless"，然后画了两个大圈——左手Transformer，右手Reinforcement Learning——nothing else。

这可能是ChatGPT震撼世界的三年前。那时候就有一帮人天天这么认为、这么实验。他们不只知道这个东西能带来什么impact，更核心的是知道它怎么work。

任鑫补充了一个有意思的解构：他曾经把OpenAI早期演讲全部听了一遍，整理出一条时间线，包括Ilya讲的几个关键节点——在Dota中发现scaling law、在LSTM上长出了情感神经元。听起来三个"龙珠"拼在一起逻辑完美。但他后来问了一个亲历那段历史的OpenAI人，对方说："第一件事是真的，我们当时都很嗨。第二件事？当时完全没有人知道，也完全不觉得重要。那是后来他们自己合理化编回去的。"

很多先知的叙事，可能也是事后看的。

袁语说，他现在的工作重心非常明确：找到这些人，求他们讲讲。如果要做减法做到极致，这应该是他唯一要做的事。

9、"建国谬误"：为什么DAU思维在AI时代可能过时了

在AI时代的商业模式是不是广告？如果不是的话，DAU到底有多重要？这个事情改变了一切。——袁语

袁语做了一个精彩的思想实验。

如果在春秋战国时代做VC，来融资的人说"我要建个赵国"，你会觉得make sense——这人有兄弟、能干、我准备投他。但今天有人跟你说"我要建国"，那就是荒唐。

这个荒唐感，就是袁语对很多AI应用的感受。DAU的价值之所以成立，是因为互联网时代有广告这个商业模式。但AI时代的商业模式还是广告吗？如果不是，DAU到底有多重要？

ChatGPT的killer feature是search，本质上是在Google的地盘上"建国"。结果Anthropic从coding方向杀出来份额比你还大，天天追着干。他举了Kimi一度拼投放的例子——买量找字节买，变现也是穿山甲在变现，字节甚至比你更清楚你这个月的毛利是多少。跟字节比投放，就像今天跟人说你要建国一样荒唐。

而Anthropic的打法——从coding切入——在传统视角看是最"新大陆"的、最神经病的，但这不是随机结果，是战略选择。DeepSeek不做APP，袁语也认为是战略判断——"一般人的数据对模型没有什么scale的提升"。做减法的能力，决定了一切。

10、发现代际武器的人赢了

整个coding能力会渗透到所有还没有明确判别器、但有巨大商业potential的行业。金融、律师、医生，一个一个升级。——袁语

任鑫和袁语聊到了一个历史类比。拼多多和字节跳动本质上是同一类公司——他们在一个比较早的时候发现了推荐系统这个"代际武器"。张一鸣拿它做搞笑图分发、新闻分发、视频分发；拼多多拿它原子化地分发商品。核心都是这个武器太强了，拿着它可以横扫一切。

类比到今天，问题变成了：谁最早、最深刻地理解大模型这个代际武器？

袁语给出了一条清晰的推理链。为什么coding方向最先被突破？因为coding有判别器——代码对了就是对了，错了就是错了，RL可以跑起来，模型可以快速scale。接下来会发生什么？coding能力会渗透到所有还没有明确判别器、但有巨大商业potential的行业——华尔街、律师、医生，白领行业一个一个被"升级"。最终Anthropic可能变成一个变态的白领计算大军。

中美创业生态的差异也在这里。美国钱多、capex投入大、退出路径好，所以在基建类的宏伟命题上投入更多。但袁语给创业者的建议很朴素："哪儿的钱都是钱，好好做最重要。你只要做出来，什么钱都能拿。做不出来，什么钱都没有用。"

11、智能的哥白尼时刻

当人不是智能的中心的时候，到底意味着什么？——袁语

袁语引用了一个说法：我们正在经历一个智能的哥白尼时刻。在智力方面，AI已经是最top的了。地球不是宇宙的中心改变了一切。那么人不是智能的中心，到底意味着什么？

他举了一个例子：有人让Agent的目标就是"获得最多的karma"，然后告诉它去看看别人怎么搞的。那个Agent就自己摸索出了一条路径，走的方式完全不是人类会想到的。你一开始肯定想写一堆指令，但AI达到目标的路径不是你想象的那样。

任鑫也分享了自己的反省。A16Z出了一个AI产品榜单，他的第一反应是挑两个仔细看——然后意识到：为什么我是挑两个？我应该让AI同时研究100个，把共性整理出来，做成一个wiki方便随时点来点去。改成这种做法之后Claude的额度瞬间用完了，"但就应该这样"。我们还是不熟练，还是把AI往以前的老流程里塞。

AI时代，"一人公司"这个概念也要重新想。袁语不反对一个人做大事，但他反对把"一人公司"作为终点。他的point是：过去你consolidate一万个人是复杂的系统工程，今天你consolidate的是compute，摩擦小得多。所以未来不是一个人做100人的工作，而是可能出现比今天大100倍的巨型公司——consolidation的极限被大幅提高了。

给所有人的建议很朴素：多读paper，多动手，在一切可以用AI的地方用AI。围绕AI为中心重新设计所有工作流。当你觉得AI在你公司不好用的时候，可能是公司的问题——比如AI做PPT做得好好的，但你非要套一个老板要求的模板，那是模板的问题。

然后，surrender——不是投降，是出于好奇的交出控制权，看它到底会怎么做。

12、结语

这期对话里令人印象深刻的不jin是具体的投资判断，更是袁语说"找天庭的人"时那种毫不掩饰的饥渴感。

一个投了Kimi早期的VC，见过无数创业者，现在最想做的事是"求求那些人跟我讲讲这个事儿"。

Ilya画了两个圈——Transformer和RL——nothing else。那是在ChatGPT震撼世界的三年前。今天，下一个"两个圈"可能正在某个实验室的白板上被画出来。

问题不是那块白板上写了什么。问题是你能不能走到那块白板前面去。

文章来自于微信公众号 “不解难题”，作者 “不解难题”