下一个Google不是搜索，是任务引擎
ChatGPT、Anthropic、Perplexity 形态各异，但都在争夺同一件事：重新组织信息与任务。搜索和推荐融合成任务引擎，谁掌握 context 谁就赢。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
ChatGPT 增速超过 TikTok
ChatGPT 周活已过 3 亿，对应 5-6 亿月活，明年这时候可能 10 亿多月活。这个增速是全球所有科技产品中历史最快的，超过了 TikTok 之前用四五年做到 5 亿多月活的记录。广密认为 hype 因素存在，但更本质的是 ChatGPT 奔着「下一个 Google」的方向去了，对手和目标不只是 ChatGPT，而是如何 beat Google。
— 广密伟大公司都从边缘市场起来
雅虎门户模式只能 listing 头部网页，Google 用关键词搜索 index 整个互联网，重新组织了信息分发。红杉美国最早投雅虎，投 Google 是希望帮雅虎覆盖长尾网页内容，因为长尾只能通过关键词模式触发。做门户的人当时都觉得 Google 这种关键词搜索做不大，但 Google 从雅虎的边缘市场称大做起来。广密强调一定要重视边缘市场起来的公司。
— 广密Anthropic 走的是 AI 时代的 OS 路径
OpenAI 正在把自己变成唯一的 K-Lab，在 C 端一骑绝尘；Anthropic 走向 AI 时代的 OS 操作系统路径，占据了 Coding 和协议，尤其是最近发布的 MCP。Perplexity 最大的创新是重新定义了 AI 搜索形态，是 AI 在帮你使用搜索引擎，也是一个 Agent，用户可以围绕一个主题一直追问和互动。产品最终都会变成任务引擎或任务容器。
— 广密ChatGPT 的商业模式效率比传统互联网低 10-20 倍
ChatGPT 是典型工具类产品，付费率能做到 5% 已非常优秀，但广密猜可能只有 2%-3%，对应每个 MAU 约 0.5-0.6 美金。对比抖音、淘宝、微信，接近大几百亿甚至千亿美金营收，10 亿月活，每个 MAU 每年 100 美金，每月 8-10 美金。传统互联网产品的变现效率比 ChatGPT 高出 10-20 倍。后端成本每年 5-10 倍猛增，前端榨不出营收，不可持续。
— 广密context 是新时代的支付
广密认为 99% 的从业者今天都盯着模型的生成能力或 coding 能力，但更核心的是 context 的采集能力。没有 context 的同步，绝大多数任务成功率都非常低。他比喻 context 就是新时代的支付——电商的两翼是物流和支付，没有这两个基础设施网购体验非常差；AI 模型帮你做任务，成功率不完全取决于生成或 coding 能力，更取决于 context 是否充分同步。context 获取应该是自动化的，而不是人工 prompt。
— 广密OpenAI 的组织问题不比 Google 小
OpenAI 今天的成功很大程度依赖早期 research 能力非常强、技术遥遥领先带来的心智和品牌红利，但过去一两年并没有很好接住这个技术红利。最典型的两个地方是搜索和 coding，今天都不是明显第一名。搜索给 Perplexity 留了完整两年的窗口，coding 被 Anthropic 的 Claude Sonnet 反超，大量开发者迁移到 Claude Sonnet 生态。广密认为还是组织或哪里出了问题，那么多老人离开不是好事。
— 广密Long Horizon Task 是下个重点
广密认为 2025-2026 年最大的期待是 Agent 落地，尤其是长距离多步骤的任务 Long Horizon Task。硅谷核心圈子的几个大佬级人物都在做，OpenAI 的 CTO Mira 出去也是做 Long Horizon 的 Agent。可以类比 Perplexity 的 Aravind 当年离开创业想做 RAG-based search。Long Horizon Task 落地可能是 Agent 创业最核心的方向，最领先的模型公司 OpenAI、Anthropic 都花了很大精力。
— 广密预训练数据墙是永久还是短期，有分歧
Ilya 提出的 Data Wall 是预训练的数据平顶：互联网数据线性增长，每月增加不到 1T 有效 token，但模型预训练需要的数据是指数级增长。广密认为今天预训练百分百遇到困难了，瓶颈不是计算或架构，是数据问题。互联网上能用来提升智商的大规模训练数据可能就二三十个 T。有人悲观有人乐观，乐观者认为数据挖掘空间还很大，关键是把 Data Efficiency 提上去——人类学一个知识五到十条样本就够，模型需要几千条上万条。
— 广密原话 · 已逐字校验
我是感觉一定要重视边缘市场起来的 往往伟大公司 都还是从边缘市场做大做起来的
我是感觉一定要重视边缘市场起来的，往往伟大公司都还是从边缘市场做大做起来的。
广密5:02
我觉得99%的人从业者 今天都指定着模型的生成能力 或者coding能力 我觉得更加核心的一个 可能是context的采集能力 如果没有context的同步 其实绝大多数的任务 成功率都非常低的
我觉得 99% 的从业者今天都盯着模型的生成能力或者 coding 能力，我觉得更加核心的一个可能是 context 的采集能力。如果没有 context 的同步，其实绝大多数的任务成功率都非常低的。
广密20:13
有一个简单的比喻 就是context可能就是新时代的支付
有一个简单的比喻，就是 context 可能就是新时代的支付。
广密21:15
其实大家都说 Google的组织问题很大 其实这样看 OpenA的组织问题 其实也不小
其实大家都说 Google 的组织问题很大，其实这样看 OpenAI 的组织问题也不小。
广密28:21
我觉得今天预训练 我觉得今天看应该是百分百 遇到困难了
我觉得今天预训练，今天看应该是百分百遇到困难了。
广密1:11:49
数字与实体
| ChatGPT 周活 | 超过 3 亿 | 3:02 |
| ChatGPT 付费率 | 2%-3% | 12:10 |
| ChatGPT 每个 MAU 月收入 | 0.5-0.6 美金 | 12:10 |
| 传统互联网产品每个 MAU 月收入 | 8-10 美金 | 13:10 |
| Cursor 新一轮估值 | 25 亿美金 | 59:45 |
| 互联网可训练数据极限 | 二三十个 T | 1:11:49 |
| 全球第一梯队公司 GPU 规模 | 10 万张卡 | 14:10 |
术语
- Long Horizon Task长距离任务
- 需要多步骤、长时间规划才能完成的复杂任务，是 Agent 落地的核心方向。
- MCP模型上下文协议
- Anthropic 开源的协议标准，让模型与外部工具和数据源连接，长期影响大。
- Data Wall数据墙
- Ilya 提出的预训练数据平顶：互联网数据线性增长，但模型预训练需要指数级数据。
- Reward Model奖励模型
- 用于评估模型输出质量的模型，O1 路线依赖它，但通用泛化仍是难题。
- K-Lab知识实验室
- 广密用来指代 OpenAI 这类面向消费者的 AI 实验室，区别于 OS 路径。
收听指南
关注 AI 产品形态、投资判断的创业者和投资人，尤其想理解 2025-2026 年 Agent 落地和 context 竞争的人。
1:22:19 之后的复盘和关键词总结可快速跳过，前面已覆盖。