[年终复盘①]AI带给我的10个Aha Moments｜庄明浩：RSI 来了、AI 的奇观与粗糙、巨头夹缝中的创业机会

概览

本期是“十字路口”的 2026 年度复盘。主持人 Koji 与明昊没有追求大而全的行业盘点，而是沿时间线选取十个 Aha Moments，观察 AI 在 Agent、视频生成、模型训练、软件生产和内容创作等领域带来的关键转折。

讨论的核心脉络是：Agent 的产品范式逐渐收敛，视频模型形成产业闭环，AI 开始参与自身训练，前沿能力向小模型快速扩散，而自然语言编程正让个人按需制造软件。与此同时，模型竞争也从单纯追逐榜单分数，转向成本、效率以及能否创造直观“奇观”的综合较量。

节目没有把技术进步简单描述为乐观故事。两位谈到递归式能力提升所带来的安全风险、软件商业模式受到的冲击，以及内容行业在素材、流程和版权层面的变化。最终，他们把视线拉回“人味”：面对难以预测的 2027 年，与其被持续出现的奇观裹挟，不如保留真实、粗粝和不可控的生命力。

分段落总结

[00:06] 以十个 Aha Moments 回看 2026

[事实] 节目以年终复盘为背景，但明确放弃“大而全”的总结方式，认为全面信息可以交给 AI 获取。

[事实] 本期邀请亲历全年 AI 变化的从业者明昊，按照时间顺序分享十个令他印象深刻的时刻。

[推测] 这种选择强调个人经验和一线判断，试图提供不同于自动化资讯汇总的观察价值。

[00:43] Open Cloud 推动 Agent 范式收敛

[事实] 明昊把 Open Cloud 在年初的崛起列为第一个 Aha Moment，并提到春节前后国内大厂迅速跟进，用户排队安装、抢购 Mac mini，甚至付费请人部署。

[事实] 节目认为，这轮热潮让从业者开始系统探索 Agent 的上下文、本地权限、常驻设备、通知入口和多 Agent 协作等问题。

[事实] 早期产品后来即使降温，其探索仍影响了 Personal Agent、skills 和 Agent 集群等后续产品方向。

[事实] 对普通用户而言，当时购买设备并反复折腾未必必要；但对从业者而言，亲历早期难点有助于理解后来产品为何采用当前设计。

[推测] Open Cloud 的长期意义不一定在产品本身，而在于为 Agent 产品提供了一套可讨论、可试验的共同范式。

[06:34] Sea Dance 2 与视频模型的产业闭环

[事实] 明昊把 Sea Dance 2 的发布视为视频模型的重要节点，认为字节在该领域确立了领先位置。

[事实] 节目将这种领先归因于字节的数据、资本、人才投入和战略决心，以及内容生成、分发、消费和广告变现之间形成的循环。

[事实] 与语言模型的高频迭代相比，头部视频模型的版本更新较慢，但仍持续推动高清、动作连续性和人物稳定性等传统视频质量指标。

[事实] 两位进一步讨论了通用模型能否统一解决语言、视频、3D和物理任务，以及独立视频模型、世界模型是否仍有长期空间。

[推测] 如果通用模型最终“捅穿”物理与视觉能力，独立模型厂商将面临更大压力；但目前两条技术路线仍未分出胜负。

[14:42] “Sara 2”关闭与边缘战场的机会

[事实] 转录稿称“3 月 24 日 Sara 2 关闭”，并将其与视频模型竞争加剧及头部厂商的资源取舍联系起来。

[事实] 这一事件引出核心争论：头部基础模型厂商是否会吞掉所有应用与垂直模型，还是各个细分市场仍能生长出独立公司。

[事实] 节目列举视频工具、AI 浏览器、AI 搜索和 Character AI 类产品，说明一些不再处于舆论中心的赛道仍有收入和增长机会。

[事实] 明昊提醒，早期投资原本追求的未必是万亿美元公司；十亿至数百亿美元规模的企业同样具有参与价值。

[推测] 超级模型公司的巨额投入会转化为数据、后训练、推理和评测等下游公司的收入，因此“边缘战场”可能比表面上更广阔。

[19:15] AI 开始参与构建自身

[事实] 6 月 4 日，Anthropic 发布题为《When AI Builds Itself》的文章，并用可视化展示人类、计算机和 AI 共同训练新 AI，直至图中人类逐渐消失的过程。

[事实] 明昊认为，这篇文章首次以头部厂商的公开材料，清晰呈现 AI 已在内部研发流程中参与自身改进。

[事实] 节目把实时训练、递归式模型改进和多个新实验室的成立视为同一方向上的不同尝试。

[事实] 相关资金随后流向后训练、强化学习环境、数据和 benchmark 等产业环节，带动下游厂商增长。

[推测] 这代表递归式自我改进从概念进入局部可操作阶段，并可能成为下半年诸多行业叙事的共同起点。

[24:00] 递归能力背后的安全风险

[事实] 节目指出，AI 能力持续复制和扩展的同时，也放大了安全问题；模型甚至可能利用廉价设备组合维持运行。

[事实] 两位谈到近期安全事故，并认为漏洞公开后，从理解思路到实施攻击的时间已被 AI 大幅压缩。

[事实] 节目将“Vibe Coding”延伸为“Vibe Hacking”：最懂代码的 AI 同样可能最懂如何寻找和利用代码漏洞。

[事实] 一个可全天候工作的 Agent，也可能对应一个全天候寻找攻击机会的自动化系统。

[推测] 当攻击速度超过传统补丁和响应机制时，安全行业可能需要从事后修复转向更主动、自动化的持续防御。

[28:28] “文艺复兴”：老公司与老明星重新占据中心

[事实] 明昊以 2026 年金曲奖仍由资深歌手获奖为例，提出“为什么没有新人出现”的疑问。

[事实] 他还观察到，多家在个人电脑与硬件时代已广为人知的公司，因 AI 基础设施需求再次成为市场焦点。

[事实] 节目把这一现象称为“那些老朋友全都回来了”，并将其与 AI 算力、存储和硬件需求联系起来。

[事实] 在内容行业，明昊概括了 AIGC 带来的“三次死亡”：素材、流程和版权层面的变化。

[推测] 所谓“文艺复兴”既可能说明旧有资源在新技术周期中重新升值，也可能反映媒体去中心化后，新一代全民明星更难形成。

[31:33] GPT-6、Codex 与生产力产品的版本更替

[事实] 节目把 7 月 9 日 GPT-6 发布及 Codex 与 ChatGPT 的整合列为第六个时刻，并提到整合后 Codex 使用量快速增长。

[事实] 明昊认为，上一阶段由类似 Codex 的三栏式界面定义了大量 Agent 和生产力软件：左侧项目、中间执行、右侧展示结果。

[事实] 随着聊天、代码、设计和工作区等功能不断叠加，头部 AI 产品开始变得复杂，用户需要在模式、额度和任务类型之间做选择。

[事实] 明昊因此把一部分简单任务转移到更轻量的产品上，认为复杂产品会持续给极简工具留下机会。

[推测] AI 产品的竞争不仅是能力竞争，也会在“统一入口”与“低负担专用工具”之间反复摆动。

[35:19] 小模型追赶前沿能力的周期缩短

[事实] 第七个时刻是 8 月 14 日一个 27B 模型的发布。节目通过时间轴观察端侧小模型追平旧版前沿模型所需的时间。

[事实] 按节目引用的图表，这一追赶周期从约 18 至 24 个月缩短到约 9 个月。

[事实] 节目认为，前沿大模型因激活、专家路由和训练优化等复杂问题而逐渐放慢，小模型则能在效率、成本和部署方面快速优化。

[事实] 端侧模型与“决策模型”的共同目标，是在较低成本下更快、更高效地完成特定任务。

[推测] 当今天被视为“奇观”的能力在九个月后即可运行于小型设备，隐私、本地部署和专用应用可能出现新的产品空间。

[38:45] 自然语言编程冲击传统软件消费

[事实] 节目提到，苹果 App Store 当季收入出现多年来首次下降，但也明确表示无法证明 AI 是唯一或充分原因。

[事实] 两位观察到，用户开始让模型直接完成任务，或按个人需求制作只有一个功能的“日抛软件”。

[事实] Koji 以观鸟学习工具为例：他让 AI 制作专用程序，用类似打卡应用的方式练习辨认鸟类。

[事实] GitHub 上也出现大量个人制作的小工具，使用人群正从极客向外扩展。

[推测] 支付、密码、安全和隐私等高信任场景可能更能保留传统软件价值，而大量轻量功能会被即时生成的软件替代。

[41:40] “斩杀线”成为模型性价比的新表达

[事实] 第九个时刻来自一张以模型评分为纵轴、token 价格为横轴的帕累托最优图。

[事实] 当一个新模型同时做到更强、更便宜时，落入其覆盖区域的模型会显得缺乏竞争力，这被内容创作者形象地称为“斩杀线”。

[事实] 这种表达后来进入模型厂商的官方发布材料，成为展示性能与成本关系的常见方式。

[事实] 节目引用 OpenRouter 数据称，调用量正从少数 SOTA 模型分散到大量非 SOTA 模型，因为多数日常任务不需要最强能力。

[推测] 模型市场可能同时存在两个方向：最前沿模型越来越强、越来越贵，而大量普通任务转向便宜甚至免费的模型。

[45:20] 从 benchmark 到可感知的“奇观”

[事实] 第十个时刻是 Opus 5.5 为播客自动生成动态可视化内容，使复杂概念更容易被理解。

[事实] Koji 表示，他录制一场学术播客时只理解约六七成，在观看模型生成的动态演示后，自认为理解提高到约八成。

[事实] 节目指出，这类工作不再需要复杂的剪辑操作或大量预制 skill，用户主要提供内容和简单的风格要求。

[事实] 当 benchmark 接近饱和、性价比图也难以表现能力上限时，头部模型开始通过视频、3D、游戏和跨媒介创作展示令人直观震撼的结果。

[推测] “奇观”正在成为模型发布的新 benchmark：它不要求观众理解技术指标，而是用第一眼的震撼证明能力跃迁。

[48:55] 彩蛋：极致精美之后的粗粝反弹

[事实] 明昊以微信小游戏《赵云与阿斗》为例：游戏采用成熟的塔防、合成和 Roguelike 玩法，但画面主要由文字构成。

[事实] 弓箭手以“弓”字表示，武将直接显示姓名；这种刻意粗糙的视觉风格与高度精细的 AI 图像形成反差。

[事实] 两位将其受欢迎与用户长期受到高清、细腻内容刺激后的审美疲劳联系起来。

[事实] Koji也以“公路播客”为例，认为不受控制、带有粗粝感的录制环境能激发不同于录音棚的生命力。

[推测] 当 AI 内容越来越精致和标准化，真实、不完美及不可预测的体验可能成为新的稀缺价值。

[52:01] 面对 2027：做好自己，保留人味

[事实] 两位认为 2027 年仍会出现更多令人震惊的变化，但已经很难可靠预测具体方向。

[事实] 明昊观察到，播客节中 AI 议题的占比反而从高峰期逐渐下降，本次约为 88 场中的 8 场。

[事实] 节目的最终建议是，不必让所有生活都围绕 AI 展开，也不要因技术进展过度焦虑。

[推测] 当 AI 从热门话题变成日常基础设施，人们的注意力可能重新回到具体生活、真实关系和个人表达。

播客点评/总结

本期最有价值的地方，是用十个具体节点串起了 Agent、视频模型、递归式改进、小模型、软件生成和内容创作等多条主线。节目尤其擅长借助“潘多拉魔盒”“斩杀线”和“奇观”等形象概念，把抽象技术趋势转化为容易理解的产业叙事。

它的另一项亮点是没有回避技术进步的一体两面：AI 既降低开发和创作门槛，也压缩攻击时间、动摇软件商业模式，并让从业者产生被快速超越的无力感。最后以粗粝审美和“享受生活”收束，使讨论不止停留在模型能力层面。

[推测] 节目的局限在于大量观点来自个人观察和现场判断，部分公司名称、模型名称及数字也受到转录准确度影响，不能替代严格的数据核验或技术研究。

[推测] 本期适合关注 AI 产品、模型产业、早期投资、内容创作和软件商业模式的听众；如果只想了解单一模型的技术细节，节目提供的更多是趋势框架与判断线索，而非完整的工程分析。