No Priors Ep. 144 深度访谈

开场部分概括了过去一年 AI 行业的整体变化：AI 成为主流议题并受到政策制定者关注，ChatGPT 获得巨大用户规模与资金需求，Google Gemini 强势回归。应用层面，AI 编程从辅助工具走向代理形态，并大量消耗推理算力；医疗、法律、客服和企业市场采用加速。研究层面，开源模型缩小差距，新实验室获得融资，研究方向更加多元，包括扩散、自我改进、数据效率、情感智能、持续学习和能源 Transformer。主持人还指出，机器人公司明年会开始真正接触现实部署。

两位主持人在轻松调侃后进入正题，Elad 首先谈 2026 年的宏观判断。他认为明年仍会出现大量关于 AI 被高估、泡沫化或实际效果不足的说法，类似一些人引用 MIT 报告来质疑 AI 价值。但他强调，每一轮技术周期都会出现这种争论，真正的技术价值通常需要十年左右扩散。当前用户已经从 AI 中获得显著价值，未来还会获得更多，因此他把这些争论视为技术周期中的噪音。

Sarah 回应称，投资市场的 AI 情绪中存在焦虑：大量资本已经投入，但很多人对采用周期和技术下注缺乏完全的第一性原理信心。Elad 则认为采用速度非常快，尤其是在医疗领域。他引用医生采用 AI 的报告，指出文档生成、临床决策支持以及通用模型都获得高度热情。两人强调，医生、律师、会计、合规等过去技术采用较慢的职业群体，反而在 AI 上表现出快速接受，这一点被严重低估。

Elad 提出另一个重要方向：下一代基础模型不只是新的大语言模型或新实验室，而是面向物理、材料、科学和数学的模型。他认为这些模型可能在某些具体案例上表现很好，例如发明新材料、证明某个猜想或推动科学问题取得进展。但他也提醒，单个成功案例很可能被过度解读为“科学已经被解决”，从而进入夸大的炒作周期；与此同时，长期趋势反而可能被低估。

Sarah 预测，明年部分机器人公司的市场情绪会出现下滑，不是因为机器人领域不会进步，而是因为投资人和公众开始把时间表投射到现实交付上，而并非所有公司都能按时兑现。她预计人形或半人形机器人会在消费或工业环境中小规模部署，但很多功能不会完美工作。Elad 将机器人与自动驾驶类比，指出自动驾驶经历十多年才真正可用，机器人也可能沿类似曲线发展，只是速度也许更快。

两人继续讨论机器人产业结构。Elad 认为，自动驾驶可以视为一种复杂的单一用途机器人，并指出许多家庭设备也可被宽泛地看作机器人；Sarah 则强调，真正值得关注的机器人需要具备一定智能和泛化能力。随后双方争论创业公司与既有巨头的胜率。Elad 认为，机器人需要大量资本、硬件、制造、传感器、供应链和模型能力，因此会偏向 Tesla、中国公司以及少数具备工业能力的既有玩家，同时仍给创业公司留下机会。

最后一段转向 AI 公司的 IPO 与并购。Sarah 认为，关键取决于 AI 市场是否出现信心塌陷。投资人担心 AI 需求不足以支撑庞大的资本开支周期，也担心数据中心、芯片、信用协议和交付付款合同中存在系统性风险。此外，Nvidia 和少数玩家的高度集中也让公募投资者陷入两难。她举例称，一些大型科技对冲基金即使对基本面有疑虑，也可能因为散户热情、年度业绩比较和错过 Nvidia 的心理压力而必须参与 AI IPO。