AI 時代的公司最終都是生成系統公司，中間商會被幹掉
互聯網平臺靠分配權剝削生產端，同樣的內容不同人發量不一樣，說明分配機制失效。生成系統把分配內化，直接連接需求和生產，產銷合一。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
數據決定智能邊界，算法只決定湧現多少
王冠把智能想像成一個圓，邊界由數據決定，算力是逼近邊界的速度，算法是突破邊界產生湧現的部分。他引用行業自嘲「有多少人工就有多少智能」，指出當算法調不動時，最後總是產品經理去搞數據，因為數據代表對業務 knowhow 的理解。技術可以用 RL 換數據，但前提是代碼、數學這類封閉域能自動驗證質量，大量開放場景的 knowhow 只能靠人轉化成數據。
— 王冠公域數據階段已過，產品創業機會在第三份數據
王冠把數據分三階段：公域數據階段拼誰先到達固定邊界，適合人才密度高、算力足、決策快的組織；領域數據階段拼「我有你沒有」，利好大廠和信息化好的傳統行業；第三份是產品內生數據，即之前不存在、因你設計了產品形態才產生的數據。ChatGPT 就是樣本——對話解決各種問題這份數據歷史上不存在，它靠創造新數據建立壁壘。應用公司要從第一天就設計一份能被訓回模型的新數據。
— 王冠數據飛輪不準確，要篩出高於模型水平的數據
王冠認為「數據飛輪」這個詞不準確，因為不是所有數據都有用。如果不加篩選把用戶數據全訓回去，模型能力會趨同於所有用戶的平均智能水平，甚至出現降智。他提到 FSD 今天能用於訓練的數據可能已不足千分之一，一開始肯定不是這樣，是不斷提高了篩選標準。核心原則是從已有數據裡找到對智慧有增量的部分，要跟更聰明的人學。
— 王冠模型公司和應用公司的邊界正在消失
王冠認為今天不該再區分模型公司和應用公司：模型公司都開始做產品了，應用公司也不該被看成殼，而是還沒開始做自己模型的公司。Cursor 一直有在做自己的模型，只有把基座模型握在自己手裡，成本才可控、利潤才真正產生。應用公司會遇到基座模型的能力邊界，因為基座是 general 的，參數量固定，能力分配到不同任務上，有的互相促進有的互斥。
— 王冠生成系統是方法，不是某個具體產品
王冠把生成系統類比推薦系統：推薦系統是一種技術方法，可以推薦文章變成今日頭條，推薦視頻變成抖音。生成系統由三部分構成：DSL 定義問題如何被準確表達；Context 層降低用戶意圖的熵和智能體行動的熵；Environment 是人和智能體共同活動的界面，需要 reward function 來篩選有效數據。他強調 Agent 和 Workflow 之爭在內部不存在，兩者本質都是產生更多有效 Context。
— 王冠生成系統幹掉中間商，沒有分配環節
王冠說生成系統和推薦系統的本質區別是「沒有中間商賺差價」，所有互聯網平臺都是中間商。他舉了個思想實驗：假設兩個人 user profile 完全一樣，同一時間同一地點發同樣內容，量也會不一樣，因為身份權重不同，這說明分配機制失效。生成系統把分配內化，用戶對內容的需求直接交給生產端，生產端生成內容直接給到用戶，從庫存分配邏輯變成直接下單邏輯。
— 王冠北極星指標是智慧程度，不是用戶數
王冠說做產品有商業價值是毫無疑問的，但在這之上要用整個系統的智慧程度來衡量。智慧程度有兩個維度：相同輸入下能做出更高分的內容；相同質量內容消耗的 token 越少越智能。他用做題類比：一個人看一遍題直接給答案，另一個人演算半天還做錯一遍再重來，最後都對，前者更聰明。因此他更看重少數用戶產生海量營收，而不是海量用戶產生相同營收。
— 王冠未來生產的是 IP，貨幣從注意力變成信任
王冠推演未來生產者生產的不再是單點內容，而是 Recipe 抽象出的有共同屬性的連續內容，他稱之為 IP。經濟體系的貨幣也會變：之前是注意力，所以會出現兩三秒讓你看不清、循環播放撞推薦算法的內容。但內容供給過剩、注意力有限時，價值會轉移到信任。他舉例「暴雪出品必屬精品」，雖然暴雪今天不行了，但早年這句話代表的就是信任。
— 王冠原話 · 已逐字校驗
沒有中間商賺差價 現在中間商是誰 現在中間商 其實所有的互聯網平臺都是中間商
沒有中間商賺差價。現在中間商是誰？其實所有的互聯網平臺都是中間商。
王冠0:00
你的這個模型的能力 就會趨同於所有用戶使用 所代表的那個就是就是那個用戶的平均 平均智能水平
你的模型能力就會趨同於所有用戶使用所代表的那個用戶的平均智能水平。
王冠49:43
今天的應用公司 我們也不應該只把它們看成所謂的殼 或者是軟件的公司 app的公司 而是還沒有開始去做自己模型的公司
今天的應用公司，我們也不應該只把它們看成所謂的殼，或者是軟件公司、app 公司，而是還沒有開始去做自己模型的公司。
王冠1:42:28
有同樣的商品 它的價格不一樣 那生成系統為什麼可以做得更好呢 因為沒有這個環節了 沒有分配這個環節了
有同樣的商品，它的價格不一樣。那生成系統為什麼可以做得更好呢？因為沒有這個環節了，沒有分配這個環節了。
王冠2:40:09
用少量的用戶產生 我用三個用戶產生 100萬的這個營收 和用10萬的用戶 去產生100萬的營收 你說對於你們公司來說對吧 對我們會更看重前者
用少量的用戶產生——我用三個用戶產生 100 萬的營收，和用 10 萬的用戶去產生 100 萬的營收，我們會更看重前者。
王冠2:55:13
數字與實體
| 12X 團隊人數 | 30 人 | 3:05:21 |
| 王冠用 Mideal 做視頻的視頻號播放量 | 兩百多萬 | 3:17:24 |
| 王冠用 Mideal 做視頻的視頻號分成收入 | 幾百塊錢 | 3:18:24 |
| 12X 團隊中做過 founder 或 co-founder 的比例 | 一半左右 | 3:19:25 |
| FSD 今天能用於訓練的數據佔比 | 不足千分之一 | 50:46 |
| 美國市場做視頻處理 SaaS 產品的數量 | 20 到 30 家 | 1:07:01 |
| 美國視頻處理 SaaS 產品的 ARR | 幾千萬美金 | 1:07:01 |
| 全球能讀寫的人口比例 | 70% | 2:46:13 |
術語
- DSL領域特定語言
- 為特定問題設計的結構化語言，介於自然語言和代碼之間。
- System 1 / System 2系統一 / 系統二
- 王冠借用認知科學概念：System 1 是模型本能反應，System 2 是模型之外的 Context 構建。
- Context Engineering上下文工程
- 在基座模型之外設計有效 Context，讓模型輸出更好效果。
- prosumer產銷者
- 生產的同時就在消費，生產過程本身對生產者有價值。
- reward function獎勵函數
- 評價和篩選有效數據的機制，決定系統強化什麼。
收聽指南
AI 應用層創業者、產品經理、關注平臺經濟變遷的投資人，尤其是正在思考應用公司與模型公司邊界的人。
2:00-28:00 個人經歷和早期產品嚐試，可快速跳過。