2026 是回报之年：模型没有秘密，应用才有护城河
模型能力进步在放缓，中国开源模型把差距压到 6-12 个月，API 生意没有垄断性壁垒；真正值钱的是模型之外那层 context、工具和环境。
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
AI 商业化这条链路今年被验证了
去年底雨森打的比方是：AI 还在快速学习，是个非常聪明的小学生，但小学生去打工还不能赚钱，所以要先看技术进步，再看产品落地，最后才是商业化。2025 年这条链路被验证：ChatGPT 收入涨得很快，Anthropic 的 API 涨得很快，Cursor、Cloud Code 这类 Coding 应用到了接近 10 亿美金 ARR 的级别，Manus、GenSpark 这样的 Agent 应用也朝着 1 亿美金 ARR 走。他年初判断推理能力、编程能力、Computer Use 三个能力加起来会解锁 Agent 元年，今年确实看到了能自己编程一小时以上的 L3 级 Coding Agent，以及通用型 Agent 产品。
— 戴雨森中国模型把差距压到 6 到 12 个月
年初大家担心中国公司缺卡、缺人才，会落后很长时间。DeepSeek 横空出世后，大家发现可以用十分之一甚至更小的成本追到接近世界前沿；后来 Chain One、Kimi K2、GLM、MiniMax、字节一系列模型，都能在美国 SOTA 发布后过几个月拿出性能接近、成本只有五到十分之一的开源模型。年初开源生态主导还是 Llama，现在基本是中国模型的天下，连 Cursor 的 Composer 1 都被普遍认为基于中国开源模型训练。雨森认为短期内完全超越很难，但把差距缩小在 6 到 12 个月是比较现实的。
— 戴雨森模型没有秘密，API 不是垄断生意
雨森说这个行业信息和人才流动很快，尤其硅谷没有竞业，很多 know how 不可能完全保密，加上大家手上都有几十万卡，数据也大差不差，所以很难拉开代差。他举 Manus 的例子：上线时原本全是 Claude 3.7 的 API，因为当时只有它能跑起来 Agentic 产品，但很快发现 Gemini 跑得也挺好、价格更便宜，就切了大量量给 Gemini；后来 Codex 发布，编程能力也很强。对一个 API 用户来说，在模型之间切换是容易的，应用公司反而可以博采众长、不同任务用最好的模型——这恰恰说明卖 API 本身壁垒不高，也不是垄断性生意。
— 戴雨森应用从生鱼片变成满汉全席才有护城河
23 年第一批 AI 应用大部分只是给模型做了个外部 UI，用户通过 UI 跟模型交互，拿到的还是模型的输出，雨森打的比方是「生鱼片，就是鱼肉加上芥末和酱油」。现在复杂的应用不一样：它们需要用户自己的 context、行业专有数据、用户跟应用交流的历史（memory），这些模型本身不具备；同时 Agent 能使用更多工具、改变所在环境，比如写一段代码给自己用。所以模型层外面多了 context 一层、环境和工具一层，比方就从生鱼片变成满汉全席——食材质量还是重要，但服务、环境、厨艺也重要。Manus 在 Scale 发布的 Remote Labor Index 测试上超过了所有先进模型，就是因为它确实在模型之上做了更多事情。
— 戴雨森2026 是 Year of R，第一个 R 是回报
过去几年大家 bet 的是对 AI 的投资持续超预期，被潜在的大回报吸引。但现在投入越来越大，而且数据中心里差不多 50% 的投入是算力，这些卡 4 到 6 年之后可能就会过时，所以投资需要在更短的回报周期里看到落地。同时模型端边际回报在下降：GPT-5 相比 GPT-4 的进步，不如 GPT-4 相比 GPT-3 那么大，而投入又大了很多，还挡不住中国开源模型低成本快速接近。应用端去年是低预期高增长，现在大家对 26、27 年很乐观，预期已经很高。红杉 David 提出的 200 亿问题后来变成 600 亿问题，现在这个账越来越难算清楚。
— 戴雨森第二个 R 是 Research，第三个 R 是 Remember
雨森说 AI 历史一直是 scaling 和 research 交替的过程，现在又到了要 research 提高的时候，Demis 也认为到 AGI 还需要一到两个研究突破。硅谷因此出现投 New Labs 的新趋势——以研究员为核心、探索跟头部模型公司差异化的机会，比如 Thinking Machines、Ilya 的 SSI、Reflections、Human End 这些一上来就 10 亿美金级估值的新研究 lab。第三个 R 是 Remember/Memory：如果没有 memory，你问 AI 和我问 AI 得到的结果都一样；现在 ChatGPT 对他的了解已经比一个新 chatbot 高很多，因为有三年的聊天记录。但现在的 memory 基本还是基于 retrieval，像朋友靠一本很厚的笔记本记下每句话，而不是真正在模型权重层面理解你。
— 戴雨森泡沫还没到顶，但长端预期可能变悲观
雨森认为人类历史上每次技术革命都带来泡沫，AI 可能带来人类历史上最大的泡沫也很理所当然。但现在还没到泡沫最顶端，因为泡沫顶端的表现是资产价格出奇地高，连烂公司、骗子公司都很高，而目前英伟达这些公司短期估值甚至很低。他真正担心的是长端预期的变化：现在短端对英伟达明后年的预期还很乐观，但如果长端对 AI 落地回报周期变长、AGI 到来放缓的预期变悲观，短端业绩再好也不会是主要交易因素。他判断明年美股可能出现比较明显的 pullback，时间点可能在下半年，OpenAI 本身的用户和收入增长会是重要的 trigger。
— 戴雨森智能变便宜后，agency 和 taste 才值钱
雨森说人类历史上智能一直是奢侈品，能大规模动用聪明人的要么是顶级企业，要么是国家政府。现在花 20 美金就能买到很多智能，所以第一，执行力变得廉价，因为 AI 可以帮你做执行、写代码，重要的是 agency 和 taste——你要做什么、你有没有自己想做的东西，以及 AI 给你三个方法你选哪一个。第二，原来我们是线性做一件事，先做 A 再做 B 再做 C，现在可以并行完成很多事情，用 AI 编程就是给不同 agent 不同任务、自己负责下指令，要做好 AI 的老板。第三，多使用最先进的工具体验未来，当年最早用 ChatGPT 的人可能因此对 AI 有更乐观的判断。
— 戴雨森原话 · 已逐字校验
AI还在快速学习 他是一个非常聪明的小学生 但是一个小学生去打工呢 可能还不能赚钱 所以我们是要先看到技术的进步 然后技术的进步在产品上落地 然后再进行商业化
AI 还在快速学习，它是一个非常聪明的小学生，但一个小学生去打工可能还不能赚钱，所以要先看到技术进步，技术进步在产品上落地，然后再商业化。
戴雨森3:00
如果你替代了很多的程序员 并不意味着说你能赚到这些程序员的工资 而是说这些程序员原来完成的任务 变得不值钱了
如果你替代了很多程序员，并不意味着你能赚到这些程序员的工资，而是说这些程序员原来完成的任务变得不值钱了。
戴雨森1:11:35
好比说 你的朋友对你的理解 完全来自于他有个很厚的笔记本 记录了跟你聊天的每一句话 那真正的记忆肯定是他不用带这个笔记本 他已经在内心深处更理解你
好比说你的朋友对你的理解完全来自他有个很厚的笔记本，记录了跟你聊天的每一句话；真正的记忆肯定是他不用带这个笔记本，他已经在内心深处更理解你。
戴雨森1:21:41
就是大家都非常乐观的时候 做好悲观的准备 大家都非常悲观的时候 做好乐观的准备 我觉得才是一个 反共识的一个思维方式
大家都非常乐观的时候做好悲观的准备，大家都非常悲观的时候做好乐观的准备，我觉得这才是一个反共识的思维方式。
戴雨森1:44:51
不要拿上一个时代的产品形态去定义自己 对 我觉得不要叫说AI的某某某 某某某是一个上一个时代的产品形态
不要拿上一个时代的产品形态去定义自己，不要叫 AI 的某某某，某某某是一个上一个时代的产品形态。
戴雨森3:14:58
数字与实体
| Cursor / Cloud Code 的 ARR 级别 | 接近 10 亿美金 | 3:00 |
| Manus / GenSpark 的 ARR 级别 | 1 亿美金 | 3:00 |
| Thinking Machine Lab 第一轮估值 | 100 亿美金 | 53:21 |
| Thinking Machine Lab 第二轮估值 | 500 亿美金 | 53:21 |
| Mistral 最新一轮估值 | 140 亿美金 | 54:21 |
| 数据中心投入中算力占比 | 约 50% | 1:04:29 |
术语
- Year of RR 之年
- 雨森给 2026 年的关键词，R 代表 Return、Research、Remember。
- New Labs新型研究实验室
- 以研究员为核心、探索与头部模型公司差异化范式的新公司。
- proactive agent主动性智能体
- 不需要人主动发起，就能主动发现并解决问题的 Agent。
- Remote Labor Index远程劳动指数
- Scale 发布的测试，衡量应用在真实远程工作任务上的表现。
- OOD分布外
- out of distribution，指不在训练数据分布内的数据或行为。
收听指南
关注 AI 一级市场下注节奏的投资人、正在选方向的 AI 应用创业者，以及想理解模型公司护城河争议的工程师。
2:36 之后的闲谈可只听 OpenAI、Google、Anthropic、Manus 四段，其余点评较散。