全球大模型季报第9集：Coding 是 AGI 第二幕，模型正成为新一代 OS

概览

本期围绕 2026 年第一季度大模型产业的关键变化展开，核心判断是：Coding 已经从一个垂直场景变成 AGI 进程中的主线能力。嘉宾认为，AI 正从 Chatbot 第一幕进入 Coding Agent 第二幕，模型不只是回答问题，而是开始真正完成高价值任务。

讨论的主线包括硅谷模型公司的战略分化、Anthropic 在 Coding 上的领先、OpenAI 和 Google 的追赶、Meta 与 xAI 的挑战，以及模型公司未来可能成为新一代操作系统。节目反复强调，模型能力、数据、组织文化、算力和产品承接能力正在共同决定下一阶段竞争格局。

社会影响部分更具警示意味：嘉宾认为 AI 正在压缩知识和智力劳动的价格，白领岗位、初级岗位、SaaS、外包服务等都可能受到冲击。但同时，AI 也可能释放个人创造力，让少数高效使用模型的人拥有前所未有的生产力。

分段落总结

[00:05] 开场：Coding 推动 AI 进入 Agent 第二幕

[事实] 主持人在开场指出，本期情绪复杂：一方面 AI 革命极速进化，Coding 把 AI 从 Chatbot 推向能干活的 Agent；另一方面社会可能进入白领通缩与失业窗口期。 [事实] 嘉宾的核心判断是，Coding 是新的 AI 加速器，正在加速 AGI 的实现，领先的 Coding 模型会像领先 GPU 一样重要。 [推测] 节目把 Coding 放在 AGI 进程的基础设施位置，而不是把它视为单一开发工具。

[02:47] 本期议题：硅谷体感、Coding、御三家与社会影响

[事实] 嘉宾介绍本期会讨论硅谷一线观察、对 Coding 变化的新理解、硅谷核心模型公司的战略组织文化、模型终极形态为何像操作系统，以及失业、通缩、投资等社会影响。 [事实] 主持人提到，去年节目持续讨论 Coding，而到 2026 年第一季度，Coding 的变化已经像海啸般到来。 [事实] 嘉宾认为过去一个季度变化极快，很多人已经感觉跟不上 AI 的进步。

[03:46] 季度转折：模型从聊天走向高价值 Agent 任务

[事实] 嘉宾认为过去一个季度最关键的转折，是 Anthropic 某轮模型跃迁带来的 Agentic 能力提升，使 AI 从聊天问答进入能做复杂任务的阶段。 [事实] 嘉宾说自己的体感是，过去一个季度模型水平进步幅度可能超过 2025 年全年。 [事实] 嘉宾判断今年夏天前后可能还会出现一次类似 GPT-3 到 GPT-4 的跨越。 [推测] 这里的重点不是单一模型名称，而是模型能否稳定完成更长链条、更高价值的任务。

[06:06] 硅谷一线体感：研究员和程序员开始不亲自写代码

[事实] 嘉宾说，硅谷前沿实验室的 AI researcher 和强程序员已经基本不写代码，日常更像带团队一样让 AI 写、人来审。 [事实] 嘉宾提到，去年一个系统中可能七八成代码由人写，今年可能小于 1%。 [事实] 嘉宾说 Cloud Code 和 Codex 在很多任务上已经达到很多公司 CTO 或首席工程师水平，顶尖用户每天会消耗几百美元 token。 [事实] 嘉宾认为，研发想法从跑通代码过去可能要两三周，现在可能缩短到一两天或两三天。

[07:36] AI 加速 AI：Coding 成为 AGI 的关键加速器

[事实] 嘉宾提到，有朋友认为最近很多 AI research 突破不是人类工程师直接带来的，而是 Codex、Cloud Code 带来的。 [事实] 嘉宾说 Coding 加速后，多模态研究中的数据迭代也从一两个月缩短到几天或一周。 [事实] 嘉宾引用公开信息称 Anthropic 在 50 多个工作日内发布了 70 多款产品和功能。 [推测] Coding 的意义在于缩短实验、数据处理和工程验证闭环，从而让模型研发本身也被模型加速。

[09:15] 商业变化：从 DAU 转向 Token Usage

[事实] 嘉宾认为 Anthropic 的高价值用户收入能力非常强，少量头部用户可能贡献了超过大规模 C 端订阅用户的收入。 [事实] 嘉宾说，今天更重要的指标可能不再只是 DAU 或广告规模，而是 Token Usage，尤其是超级开发者和高价值任务用户的使用量。 [事实] 嘉宾预测，如果趋势持续，OpenAI 和 Anthropic 的年化收入可能在年底达到 800 亿到 1000 亿美元，明年可能奔向 2000 亿美元。 [推测] 这意味着模型公司的商业价值可能从“用户数量”转向“模型被用于创造多少高价值产出”。

[11:30] 为什么 Coding 是主线：语言描述世界，代码描述方案

[事实] 嘉宾提出“自然语言是对世界的描述，代码是对 Solution 的描述”，并认为 Code 可以表达数字世界绝大多数任务。 [事实] 嘉宾认为，如果 Coding Agent 做好，办公室电脑上的大部分知识工作任务都可以被自动化。 [事实] 嘉宾说，领先模型公司如果不重视 Coding，大概率会掉出第一梯队；没有领先 Coding 模型就像没有领先 GPU。 [推测] 嘉宾把 Coding 视为通向更广泛知识工作自动化的打样场，因为它反馈闭环短、可验证性强、泛化范围大。

[13:21] AGI 三幕：Chatbot、Coding Agent、自动化 AI 研究员

[事实] 嘉宾把 AGI 进程分成三幕：第一幕是 Chatbot，第二幕是 Coding Agent，第三幕是自动化 AI researcher。 [事实] 嘉宾认为 Coding Agent 可能意味着 AGI 的 90% 已经实现，因为大多数知识工作者任务可能不需要新的范式创新就能被自动化。 [事实] 第三幕中，每个人可能拥有强大的研究助理，帮助解决脑科学、神经科学、材料学等基础科学问题。 [推测] 这一路线图把“能干活”放在“能发现科学规律”之前，说明节目更重视可执行任务能力的渐进扩展。

[16:03] 做好 Coding 的难点：组织、文化与数据

[事实] 嘉宾说，多个 AI lab 已在过去 1 到 3 个月把 Coding 放到最高优先级，但做好并不容易。 [事实] 嘉宾认为最重要的是组织和文化，其次是数据；Coding 不是单纯技术 know-how，而是战略和组织问题。 [事实] 嘉宾说 Coding 和 Agentic 数据更复杂，因为它同时涉及任务、环境和评估，不只是聊天文本数据。 [事实] 嘉宾认为 Anthropic 的特点是专注、重视数据、放弃多模态和 C 端等支线，把资源集中到 Coding。

[19:45] 两条路线：C 端流量与高价值任务

[事实] 嘉宾把 AGI 路线分为两条：一条追求 C 端流量，如 ChatGPT、Gemini、豆包；另一条追求高价值任务，由 Anthropic 代表。 [事实] 嘉宾认为 C 端窗口在 2025 年很关键，ChatGPT 和 Google 忙于争夺 C 端窗口，反而给了 Anthropic 在 Coding 上的机会。 [事实] 嘉宾认为未来 C 端和高价值任务大概率会融合，但也可能出现少数塔尖用户贡献巨大 token 使用和收入的局面。 [推测] 节目暗含的判断是，模型公司的战略选择不能同时贪多，阶段性聚焦会决定窗口期胜负。

[22:18] Anthropic：专注 Coding 的战略胜利

[事实] 嘉宾认为 Anthropic 并非一开始就完全想清楚 Coding，而是在 2024 年夏天 Sonnet 3.5 带来的正反馈后逐渐摸清路线。 [事实] 嘉宾强调 Anthropic 的特点是 top-down、目标一致、创始人懂技术、重视数据、团队稳定，并且文化上更 AGI mission driven。 [事实] 嘉宾认为 Anthropic 不神话单一环节，而是更像工业化体系，把预训练、后训练、数据、工程和产品都做好。 [事实] 嘉宾说 Anthropic 的产品 sense 很强，Cloud Code 选择终端形态而不是 IDE，是为了更好承接模型能力增长。

[29:00] Anthropic 的护城河与风险：算力、高端用户和竞争追赶

[事实] 嘉宾认为 Anthropic 在 Coding 上的护城河取决于这件事本身的难度系数；OpenAI 和 Google 最终都有可能追上来。 [事实] 嘉宾认为 Anthropic 今年实现巨大收入增长的最大瓶颈可能是算力，因为需求爆发超出此前规划。 [事实] 嘉宾指出 Anthropic 定位高价格带塔尖用户，模型更大、效果更好、定价更高，能形成较好的 margin。 [推测] Anthropic 的风险在于收入高度集中于 Coding 和 Agentic 场景，一旦其他模型公司追平，塔尖市场可能被重新分配。

[31:08] OpenAI：C 端成功带来的战略包袱

[事实] 嘉宾认为 OpenAI 在 C 端仍然遥遥领先，拥有很大的周活和付费用户规模，但 ChatGPT 的成功让它更专注 2C，忽视了 Coding。 [事实] 嘉宾说 OpenAI 可能在最近两三个月才真正意识到 Coding 的重要性，此前还在与 Google Gemini 争夺 C 端流量。 [事实] 嘉宾批评 OpenAI 不够聚焦，容易什么都想要，也更偏自下而上和 VC 式资源分配。 [事实] 嘉宾认为 OpenAI 文化重视 0 到 1 的突破，但不够重视 1 到 100 的脏活、累活和数据工作。

[40:05] OpenAI 仍可能反超：范式突破与底层文化

[事实] 嘉宾并不悲观，认为 OpenAI 仍有约 50% 概率成为 AGI 最终 winner。 [事实] 嘉宾认为 OpenAI 自下而上的探索文化有好有坏，但在 Coding 能力很强的时代，一两个人可能做出范式级突破。 [事实] 嘉宾判断 OpenAI 的 Coding 和 Agentic 能力大概率会追上 Anthropic，未来一年格局仍不会稳定。 [推测] 节目把 OpenAI 的短板和优势都归因于同一种文化：不聚焦会错过窗口，但自由探索也可能孕育新范式。

[47:12] Google Gemini：最稳的追随者，但短期错过 Coding

[事实] 嘉宾认为 Gemini 3.0 当时被高估，benchmark 很高，但 C 端没有持续增长，实际产品体验不够好。 [事实] 嘉宾说 Google 更重视 C 端和多模态，因此低估了 Coding；最近 Coding 已升到公司最高优先级，但可能晚了三四个月。 [事实] 嘉宾认为 Google 长期仍是最稳的追随者，因为算力、现金流、TPU、操作系统和 Google Workspace 都是优势。 [事实] 嘉宾强调，未来比拼不是一代模型火不火，而是能否持续 deliver 强模型。

[54:15] Meta 与 Manus：第四号挑战者和产品整合问题

[事实] 嘉宾认为 Meta 是最有机会的挑战者，已经取代 xAI 成为硅谷第四号种子选手。 [事实] 嘉宾认为 Meta TBD 团队人才密度高，知道各家 know-how，模型能力长期有机会追上 T1。 [事实] 嘉宾认为 Meta 的产品战略还不够清楚，可能更适合做个人助理或低门槛 Agent 产品。 [事实] 嘉宾提到 Manus 收入增长很快，并认为如果 Meta 真能整合好 Manus，会有机会。

[58:06] xAI：战略摇摆与数据耐心不足

[事实] 嘉宾认为 xAI 短期有点掉队，核心团队离开，当前可能不在正确路径上。 [事实] 嘉宾认为 xAI 的问题是战略摇摆：从大集群预训练、多模态、音频、搜索到 Coding，不断切换方向。 [事实] 嘉宾说今天模型突破的关键不只是模型参数和算力，还包括数据质量、Data Efficiency 和长期工程。 [事实] 嘉宾认为 Elon 仍有 GPU、数据中心、芯片厂等资源，也有调整能力，因此 xAI 并非完全没戏。

[61:51] Harness Engineering：给 Agent 搭建工作环境

[事实] 嘉宾认为未来应该把 AI Agent 当成一等公民，像人类知识工作者一样给它工作环境、电脑、信用卡和工具。 [事实] 嘉宾说 Agent 能力一方面来自模型，一方面来自 Harness；Harness 像公司的管理和组织体系，可以提高 Agent 的下限。 [事实] 嘉宾认为有了 Harness，普通模型甚至开源模型也可能完成高价值任务。 [推测] 这意味着未来工具设计可能从“给人使用”转向“给 Agent 调用”，评价指标也可能从 DAU 转向 token 使用价值。

[63:50] 国内模型公司：普遍转向 Anthropic 路线

[事实] 嘉宾认为国内模型公司过去三到六个月逐渐形成共识，都在追求 Anthropic 代表的高价值任务路线。 [事实] 嘉宾提到 Kimi、Minimax、智谱都在押注 Anthropic 路线，而豆包在 C 端做得最好。 [事实] 嘉宾认为 Coding 和 Agent 不能输，豆包大概率也会追上来，最终可能拼组织能力和资源。 [推测] 国内竞争可能从早期模型能力比拼进入工业化阶段，窗口缩小后更像大厂游戏。

[65:38] 模型成为新一代操作系统

[事实] 嘉宾提出，模型可能就是新一代操作系统，未来最领先的几个模型会成为世界最重要的技术设施。 [事实] 嘉宾认为生活问题、工作自动化、科研支持都可能由模型承接，重要性甚至超过今天 Google 对世界技术设施的作用。 [事实] 嘉宾把模型类比 Windows、iOS、Android 和微信，认为模型会支持应用无限扩展，并形成新的 Agent 生态。 [推测] “模型即 OS”的判断把模型公司估值和战略地位推到平台级，而不仅是应用或云服务级。

[67:05] 社会冲击：知识劳动变便宜，失业窗口打开

[事实] 嘉宾认为路线图更清晰，时间表也更快，可能今年年底或明年初就有公司宣布实现 AGI。 [事实] 嘉宾认为社会准备不足，因为前沿研究者看到的信息没有充分传递到社会层面。 [事实] 嘉宾说人类知识和智力正在变得廉价，被压缩成模型能力、计算资源和 token。 [事实] 嘉宾认为 AI 可能带来巨大通缩，降低顾问、软件、外包和初级白领岗位需求，本科毕业生和初级程序员会最先承压。

[70:26] 个人工作会怎样变化：创造力、审美和拥抱 AI

[事实] 主持人问两人的工作还能做多久，嘉宾认为播客提纲已经很大程度由 Cloud Code 辅助完成。 [事实] 嘉宾说自己过去几个月成为 Cloud Code 中度用户，感觉写作和生产力都被明显增强。 [事实] 嘉宾认为未来人仍可去创造，尤其是有创造力和审美 taste 的人，可能借助 AI 做出过去无法实现的东西。 [事实] 嘉宾给听众的建议是，AI 取代的是不拥抱 AI 的人，积极拥抱 AI 的人可能成为受益者。

[72:51] 投资判断：持续做好 SOTA Model 的公司最重要

[事实] 嘉宾认为，如果最好的三五家模型公司成为全球 GDP 的操作系统，每家未来都可能达到十万亿美元级别。 [事实] 嘉宾总结自己的投资主线是模型，最关键指标是能否持续做好 SOTA Model。 [事实] 嘉宾认为新模型公司再出现的难度很大，因为需要每年数百亿美元投入、管理层认知和魄力、上百名世界级 AI 科学家、战略 bet、产品 go-to-market 和 GPU。 [推测] 这套投资框架高度集中在头部模型公司，天然会低估应用层或新实验室中非共识突破的可能性。

[76:46] 其他趋势：ARR、机器人、AI for Science 与 One-Person Company

[事实] 嘉宾提到头部 AI 产品 ARR 增长很快，包括 OpenAI、Anthropic、Cursor、Perplexity、11Labs、Suno、Manus、Lovable、GenSpark 等。 [事实] 嘉宾理想中的 AGI portfolio 以三四家领先模型公司为主，少量配置机器人、AI for Science、Agent Infra 等方向。 [事实] 嘉宾看好机器人在未来 6 到 18 个月出现质变，并认为中国团队在硬件和深圳供应链上更有优势。 [事实] 嘉宾认为 One-Person Company 仍有可能成为常态，关键指标是消耗 100 美元 token 是否能赚回 110 美元。

[80:56] 结尾体感：加速中的压力与生产力提升

[事实] 嘉宾说自己担心跟不上 AI 进步，因为每天、每周变化太快，学习压力很大。 [事实] 嘉宾从 ChatGPT 用户变成 Cloud Code 中度用户后，感到生产力提升明显。 [事实] 嘉宾也承认自己还没有像塔尖开发者那样消耗大量 token，Cloud Code 100 美元额度大部分时间用不满。 [推测] 结尾把宏观趋势落回个人体感：即使是长期追踪 AI 的人，也已经感受到学习速度和工具使用方式的压力。

播客点评/总结

[推测] 本期最有价值的地方，是把 Coding 从“程序员工具”提升到“AGI 加速器”和“模型公司战略主线”的高度，并用硅谷一线体感、公司组织差异和商业收入逻辑串起来，适合关注大模型战略、投资和产品方向的人。

[推测] 节目的亮点在于观点密度高，尤其是对 Anthropic、OpenAI、Google 的组织文化比较，以及“模型即操作系统”“Token Usage 比 DAU 更重要”等判断，能帮助听众跳出传统互联网指标理解 AI 公司。

[推测] 局限也比较明显：很多数字、市场份额和公司内部判断来自嘉宾观察或猜测，并非逐项可验证；同时节目对社会失业和通缩的判断较强烈，适合当作风险预警和趋势假设，而不是确定性结论。

[推测] 如果听众是开发者、产品经理、投资人、研究员或企业管理者，本期尤其值得听；如果只想了解 AI 工具怎么用，内容会偏宏观和战略，需要结合自己的工作场景再转化为行动。