2026 是回報之年：模型沒有秘密，應用才有護城河
模型能力進步在放緩，中國開源模型把差距壓到 6-12 個月，API 生意沒有壟斷性壁壘；真正值錢的是模型之外那層 context、工具和環境。
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
AI 商業化這條鏈路今年被驗證了
去年底雨森打的比方是：AI 還在快速學習，是個非常聰明的小學生，但小學生去打工還不能賺錢，所以要先看技術進步，再看產品落地，最後才是商業化。2025 年這條鏈路被驗證：ChatGPT 收入漲得很快，Anthropic 的 API 漲得很快，Cursor、Cloud Code 這類 Coding 應用到了接近 10 億美金 ARR 的級別，Manus、GenSpark 這樣的 Agent 應用也朝著 1 億美金 ARR 走。他年初判斷推理能力、編程能力、Computer Use 三個能力加起來會解鎖 Agent 元年，今年確實看到了能自己編程一小時以上的 L3 級 Coding Agent，以及通用型 Agent 產品。
— 戴雨森中國模型把差距壓到 6 到 12 個月
年初大家擔心中國公司缺卡、缺人才，會落後很長時間。DeepSeek 橫空出世後，大家發現可以用十分之一甚至更小的成本追到接近世界前沿；後來 Chain One、Kimi K2、GLM、MiniMax、字節一系列模型，都能在美國 SOTA 發布後過幾個月拿出性能接近、成本只有五到十分之一的開源模型。年初開源生態主導還是 Llama，現在基本是中國模型的天下，連 Cursor 的 Composer 1 都被普遍認為基於中國開源模型訓練。雨森認為短期內完全超越很難，但把差距縮小在 6 到 12 個月是比較現實的。
— 戴雨森模型沒有秘密，API 不是壟斷生意
雨森說這個行業信息和人才流動很快，尤其硅谷沒有競業，很多 know how 不可能完全保密，加上大家手上都有幾十萬卡，數據也大差不差，所以很難拉開代差。他舉 Manus 的例子：上線時原本全是 Claude 3.7 的 API，因為當時只有它能跑起來 Agentic 產品，但很快發現 Gemini 跑得也挺好、價格更便宜，就切了大量量給 Gemini；後來 Codex 發布，編程能力也很強。對一個 API 用戶來說，在模型之間切換是容易的，應用公司反而可以博採眾長、不同任務用最好的模型——這恰恰說明賣 API 本身壁壘不高，也不是壟斷性生意。
— 戴雨森應用從生魚片變成滿漢全席才有護城河
23 年第一批 AI 應用大部分只是給模型做了個外部 UI，用戶通過 UI 跟模型交互，拿到的還是模型的輸出，雨森打的比方是「生魚片，就是魚肉加上芥末和醬油」。現在複雜的應用不一樣：它們需要用戶自己的 context、行業專有數據、用戶跟應用交流的歷史（memory），這些模型本身不具備；同時 Agent 能使用更多工具、改變所在環境，比如寫一段代碼給自己用。所以模型層外面多了 context 一層、環境和工具一層，比方就從生魚片變成滿漢全席——食材質量還是重要，但服務、環境、廚藝也重要。Manus 在 Scale 發布的 Remote Labor Index 測試上超過了所有先進模型，就是因為它確實在模型之上做了更多事情。
— 戴雨森2026 是 Year of R，第一個 R 是回報
過去幾年大家 bet 的是對 AI 的投資持續超預期，被潛在的大回報吸引。但現在投入越來越大，而且數據中心裡差不多 50% 的投入是算力，這些卡 4 到 6 年之後可能就會過時，所以投資需要在更短的回報週期裡看到落地。同時模型端邊際回報在下降：GPT-5 相比 GPT-4 的進步，不如 GPT-4 相比 GPT-3 那麼大，而投入又大了很多，還擋不住中國開源模型低成本快速接近。應用端去年是低預期高增長，現在大家對 26、27 年很樂觀，預期已經很高。紅杉 David 提出的 200 億問題後來變成 600 億問題，現在這個賬越來越難算清楚。
— 戴雨森第二個 R 是 Research，第三個 R 是 Remember
雨森說 AI 歷史一直是 scaling 和 research 交替的過程，現在又到了要 research 提高的時候，Demis 也認為到 AGI 還需要一到兩個研究突破。硅谷因此出現投 New Labs 的新趨勢——以研究員為核心、探索跟頭部模型公司差異化的機會，比如 Thinking Machines、Ilya 的 SSI、Reflections、Human End 這些一上來就 10 億美金級估值的新研究 lab。第三個 R 是 Remember/Memory：如果沒有 memory，你問 AI 和我問 AI 得到的結果都一樣；現在 ChatGPT 對他的瞭解已經比一個新 chatbot 高很多，因為有三年的聊天記錄。但現在的 memory 基本還是基於 retrieval，像朋友靠一本很厚的筆記本記下每句話，而不是真正在模型權重層面理解你。
— 戴雨森泡沫還沒到頂，但長端預期可能變悲觀
雨森認為人類歷史上每次技術革命都帶來泡沫，AI 可能帶來人類歷史上最大的泡沫也很理所當然。但現在還沒到泡沫最頂端，因為泡沫頂端的表現是資產價格出奇地高，連爛公司、騙子公司都很高，而目前英偉達這些公司短期估值甚至很低。他真正擔心的是長端預期的變化：現在短端對英偉達明後年的預期還很樂觀，但如果長端對 AI 落地回報週期變長、AGI 到來放緩的預期變悲觀，短端業績再好也不會是主要交易因素。他判斷明年美股可能出現比較明顯的 pullback，時間點可能在下半年，OpenAI 本身的用戶和收入增長會是重要的 trigger。
— 戴雨森智能變便宜後，agency 和 taste 才值錢
雨森說人類歷史上智能一直是奢侈品，能大規模動用聰明人的要麼是頂級企業，要麼是國家政府。現在花 20 美金就能買到很多智能，所以第一，執行力變得廉價，因為 AI 可以幫你做執行、寫代碼，重要的是 agency 和 taste——你要做什麼、你有沒有自己想做的東西，以及 AI 給你三個方法你選哪一個。第二，原來我們是線性做一件事，先做 A 再做 B 再做 C，現在可以並行完成很多事情，用 AI 編程就是給不同 agent 不同任務、自己負責下指令，要做好 AI 的老闆。第三，多使用最先進的工具體驗未來，當年最早用 ChatGPT 的人可能因此對 AI 有更樂觀的判斷。
— 戴雨森原話 · 已逐字校驗
AI還在快速學習 他是一個非常聰明的小學生 但是一個小學生去打工呢 可能還不能賺錢 所以我們是要先看到技術的進步 然後技術的進步在產品上落地 然後再進行商業化
AI 還在快速學習，它是一個非常聰明的小學生，但一個小學生去打工可能還不能賺錢，所以要先看到技術進步，技術進步在產品上落地，然後再商業化。
戴雨森3:00
如果你替代了很多的程序員 並不意味著說你能賺到這些程序員的工資 而是說這些程序員原來完成的任務 變得不值錢了
如果你替代了很多程序員，並不意味著你能賺到這些程序員的工資，而是說這些程序員原來完成的任務變得不值錢了。
戴雨森1:11:35
好比說 你的朋友對你的理解 完全來自於他有個很厚的筆記本 記錄了跟你聊天的每一句話 那真正的記憶肯定是他不用帶這個筆記本 他已經在內心深處更理解你
好比說你的朋友對你的理解完全來自他有個很厚的筆記本，記錄了跟你聊天的每一句話；真正的記憶肯定是他不用帶這個筆記本，他已經在內心深處更理解你。
戴雨森1:21:41
就是大家都非常樂觀的時候 做好悲觀的準備 大家都非常悲觀的時候 做好樂觀的準備 我覺得才是一個 反共識的一個思維方式
大家都非常樂觀的時候做好悲觀的準備，大家都非常悲觀的時候做好樂觀的準備，我覺得這才是一個反共識的思維方式。
戴雨森1:44:51
不要拿上一個時代的產品形態去定義自己 對 我覺得不要叫說AI的某某某 某某某是一個上一個時代的產品形態
不要拿上一個時代的產品形態去定義自己，不要叫 AI 的某某某，某某某是一個上一個時代的產品形態。
戴雨森3:14:58
數字與實體
| Cursor / Cloud Code 的 ARR 級別 | 接近 10 億美金 | 3:00 |
| Manus / GenSpark 的 ARR 級別 | 1 億美金 | 3:00 |
| Thinking Machine Lab 第一輪估值 | 100 億美金 | 53:21 |
| Thinking Machine Lab 第二輪估值 | 500 億美金 | 53:21 |
| Mistral 最新一輪估值 | 140 億美金 | 54:21 |
| 數據中心投入中算力佔比 | 約 50% | 1:04:29 |
術語
- Year of RR 之年
- 雨森給 2026 年的關鍵詞，R 代表 Return、Research、Remember。
- New Labs新型研究實驗室
- 以研究員為核心、探索與頭部模型公司差異化範式的新公司。
- proactive agent主動性智能體
- 不需要人主動發起，就能主動發現並解決問題的 Agent。
- Remote Labor Index遠程勞動指數
- Scale 發布的測試，衡量應用在真實遠程工作任務上的表現。
- OOD分布外
- out of distribution，指不在訓練數據分布內的數據或行為。
收聽指南
關注 AI 一級市場下注節奏的投資人、正在選方向的 AI 應用創業者，以及想理解模型公司護城河爭議的工程師。
2:36 之後的閒談可只聽 OpenAI、Google、Anthropic、Manus 四段，其餘點評較散。