商业模式、科技创新、竞争壁垒以及个人最执着的能力，这些东西都在经历重新估值。
晚点专栏作者丨五源资本合伙人 孟醒
八月某个下午，我从旧金山机场出发，驾车沿着101号公路向南行驶。
夏季的湾区很少有云彩，太阳直射把路面烤得闪闪发白。机场周边依然是仓库和矮小的办公建筑，继续南下后，视线逐渐被各类商业广告所占据。
这条走廊上的广告牌，堪称硅谷最坦率的风向指标。两年前它被SaaS公司铺满，去年还能看到一些消费品牌，今年则被各类AI企业的海报完全接管。
图一：Kimi也在旧金山的”AI广告牌”争夺战中出现；图二：Codex的广告牌数量在增加，投入巨资与Claude Code展开竞争
没有任何迹象表明增长动力有所减缓，资金、芯片以及人才流向这里的速度没有放慢。真正出乎我预料的是，一些在过去难得一听的判断，现在开始在最关键的人群中传播。
几位我认识的OpenAI员工，耗费了大量时间来回顾和反思去年战略布局中的失误，同时深入分析了国内模型团队到底掌握了什么竞争优势；Google的研究者在讨论多模态问题时，不加掩饰地说：”我们的水平不足以与国内竞争。”这当然无法说明今天中美AI整体的相对位置，但回溯几年前，很难想象这样的论断会从硅谷前沿的科研工作者口中说出。
大家都在重新审视中美科技实力之间的真实差距，但目前还没有形成统一的看法：在模型预训练、后期优化和多模态这三个维度上，结论可能完全反向。
第二类变化，落在过去两年估值最高的那批初创Lab身上。
Thinking Machines Lab的研究人员告诉我，公司目前面临的各种困难，其他类似的初创Lab迟早也要面对。我越发怀疑，下一批真正存活下来并快速发展的初创Lab，未必会按照今天这个样子形成。
这回在硅谷最深刻的认识是，过去两年大家形成的许多分界线和基本认识，其实并没有表面看起来那么稳定：
将业界顶尖的科学工作者聚到一起，能否重现第二个OpenAI的辉煌？美国最好的研究Lab，能否持续在所有的战场上保持先发优势？底层模型、训练数据、最终应用、硬件算力，究竟谁才是真正的游戏制定者？技术能力最强的模型，就一定该维持最昂贵的价格吗？……
连最抢眼的增长故事也被重新审视：八月时，彭博社报道了Anthropic年度经常性收益达到650亿美元，比两月前又增加了180亿。放在任何商业机构上，都堪称奇迹般的增速。不过这仍然未能达成之前市场普遍的预期，一些基金原先估计会突破700亿美元。
我在五个月前发表过”全民Token消耗竞赛”的观察，当时硅谷最强烈的心态是对掉队的恐惧，需要更多Token、更多芯片、更大的参数量、更高的开发速度，快就是一切。
五个月时间过去，越来越多的声音开始追问：过去这两年我们笃信的那些东西，到底还剩多少站得住脚？
“打不过国内”这种说法
这一次出差硅谷，我一再听到一句过去很少出现的评价：
“打不过国内。”
说这话的人都位于业界的核心圈层。包括Google多模态的研究人员、xAI和其他领先Lab的从业者，以及专注于美国开源模型的开发者。这个论断在不同的交流对象、不同的场景中多次出现，听到的频率之高，让人无法再当成只是一句随意的吐槽。
这里的”打不过国内”，针对的是多个具体的技术方向，在不同的训练阶段、不同的应用模态、不同的评估任务上，答案可能截然相反。
做多模态的在说Seedance；搞开源模型的盯着K3；还有人看重的是数据处理和运营体系。同时，美国那边的一些开源项目和初创Lab，进展明显不如预期。
在多模态领域，一个让我意外的现象是，一直在多模态上投入最坚决的Google，它的王牌团队反而被削减了算力分配。无论是做图像编辑的Nano Banana，还是做视频生成的Veo（如今的Omni），这些在全球范围内都已属于顶级水准，但现在几乎所有人都开始调转方向。当Google的研究朋友说出”打不过国内”时，这个背景就变得很有意义。
过去那种靠一份排行榜、一条能力曲线，就给中美模型定出总体排名的办法，早就失去效力了。
听得越多，我越是想要搞清楚：具体哪些方面真的被赶上来了，哪些差距仍然很大，以及为什么会形成这种分化的局面。
从预训练讲起吧。
过去这一年，国内模型公司补得最急的功课，是怎么搭建”训练阶梯”。
一个数百亿、数千亿参数量的大模型，通常不会直接从零开始一步到位。团队会先在较小的模型版本上验证数据质量、模型结构和训练方法论，然后逐层向更大规模逐步扩展。阶梯搭建的是否完整，决定了小规模实验中的偏差，最后会不会在大模型上演变为损失数千万美元的失败。
多位来自领先Lab的预训练专家告诉我，今年国内一流的研究机构在阶梯构建上已显著优化，训练的方法论愈发科学严谨。
所以预训练呈现出一个有些反直觉的现象：表面上看，中国和美国的差异仍然可观，但在底层方法论上已经很接近了，剩下的主要瓶颈是硬件数量和对应的系统工程经验。
最顶级的预训练工作仍然离不开海量算力投入，美国的Lab已经经历了更多的超大规模训练场景，拥有更充足的芯片资源、更成熟的分布式集群技术，也更清楚当数万块GPU协同运作时可能会遇到什么问题。国内目前还在积累”用同样方法稳定地扩展到更大规模”的经验。
简而言之，预训练的路线大家都明白怎么走，只是美国的队伍已经走得更远、跑过的案例更多。
领先Lab的计算资源配置在发生快速转向，预训练的比例在持续下降，后训练和强化学习的占比在上升。过去的重点是把模型”训练出来”，现在越来越多资源被用在让模型”性能更优”和”真正能跑起来”
一旦进入后训练阶段，答案就开始走向多元化，因为情况变得复杂了。
后训练不是单一方法论，需要的技能组合很丰富：怎样界定问题、怎样设计环境和奖励机制、怎样定义评估标准、怎样让训练过程稳定运行，每一项都很关键。但若要抓住最容易制造中美之间拉开差距的几个点，有三项显得特别突出：大规模强化学习、人工协调管理，以及知识提炼。
中国在这三件事上的处境，各不相同。
最难补齐的，是第一个：大规模强化学习。
当今前沿的后训练工作中，一次强化学习的大规模运行可能需要占用数万块硬件，单个任务的连续执行步数可能超过千步，任何一个环节发生波动，整个训练轨迹都可能作废。你还得判断什么样的环境值得搭建、什么样的奖励设定真正有效、评分标准如何确定，当执行步数从百级别涨到千级别，之前的经验还适不适用。
这类技能很难通过阅读论文习得，它更像是只有真实运行过许多大规模实验才会养成的”肌肉反应”。
由于之前算力不够充足，也没有进行足够多这一数量级的强化学习实验，国内在这方面的差距，可能比预训练方法论上的差距还要深一些。
但后训练这件事还有另外一面。
一旦模型需要优化的指标被明确定义，接下来的工作就是组织大量人力去完成数据积累、注释工作、结果评测和反馈循环，这正是中国公司最擅长的领域。
Seedance是一个很能说明问题的案例。字节跳动拥有最终的短视频分发渠道，相比于单纯从事模型研究的企业，它更容易掌握：一个视频生成模型怎样才算做得好？用户欣赏什么样的镜头语言，什么样的角色保持度才能接受，哪种输出结果用户真的想去分享……这些细节很难事先通过某个测试集来定义，分发系统自身在不断帮着定义标准。
一旦目标明确，后面的流程就呈现出明显的”中国特色”：迅速调集大规模人力，把数据、标注、评测和迭代工作层层推进。
这个过程当然涉及到算法创新，但越来越大的差异，实际上隐藏在算法之外。
这也是为什么，在多模态这个领域，中国公司的优势特别容易被放大。不像代码生成，视频生成没有一个绝对的”对”或”错”，大量判断还是需要由人做出，目标定义得越模糊，人力协调的价值就越凸显。
OpenAI和Google的同事，用”运营能力”这个词总结了这种差异：在那些最终目标还没有充分标准化的行业里，中国公司的竞争力反而会更加显著：一旦方向清晰，就能动员大规模人员队伍，搞定庞大而复杂的数据、标注、评估和模型优化工作。
美国企业其实也在学这一课。
Meta最近组建了一个名叫Applied AI、规模约6500人的内部部队，大量Meta职员被安排去出题、造场景、进行评测。有些人甚至不是主动要求调岗，而是直接收到了通知。
第三种是知识提炼。
提炼的本质是后训练里的一种工具。你能自己搭建环境、跑完整的训练过程、寻找奖励信号，把某种能力从头开始构建出来；你也能拿一个已经具备这种能力的模型，把它的输出重新转化为训练数据。
所以提炼本身并不完全是”见不得人”的事。许多时候，它只是为了更高效地把一种已掌握的能力，重新融入下一代模型。同家厂的模型，有时候也会互相提炼。
比如DeepSeek开发R1时，就用强化学习后的模型生成并筛选了约60万条推理轨迹，配合约20万条来自V3的非推理数据，再对V3-Base进行了一轮完整的重新训练。
也正因为模型的产出能够再次变成学习素材，推理过程本身开始显示出独特的价值。今年数家领先Lab集体关掉了完整的思考链输出。
但把门关得并不严密。
五月时，有一组研究者发现，即便完整的推理链被隐藏，推理的细节仍然可能通过加密的推理区块泄露出来，Anthropic、OpenAI、Google三家全都中招。
具体手法是，将强大模型的加密推理数据传给同厂的弱模型，后者就会把加密区块内的内容用明文表述出来。加密的大门没有被强行破开，但钥匙竟然就放在”门外的垫子下面”。
这篇题为”从专有LLM接口窃取推理过程”的论文到八月才正式发布。没多久又有人找到了新办法，打开了Fable 5.1的推理流程，还有专业的第三方公司在从事这项业务。
与此同步，我从多家数据机构和模型研究团队听说，其实有些美国的初创Lab也在蒸馏K3。
原因很实际：开源的模型可以直接部署在自家的硬件群里，本钱低，而且便于大规模数据合成。当K3这类开源模型在某些能力上已经足够强时，它自然会进入这些团队的后训练工具箱。
但在代码领域，中国的模型却没有展现出多模态那样的优势。
代码生成同样高度倚赖后训练，但在前面提到的几项能力中，它对大规模强化学习的依赖程度更高。
代码天生拥有很强的可验证奖励：代码能否正常执行、测试能否通过、任务有没有完成，这些判断都非常清晰。但奖励容易判断，不等于强化学习容易实施。
当一条执行链涨到超过千步时，最后往往只会得到一个成功或失败的结果。真正的挑战在于信用分配：这个最终的结果，到底应该归功于前面哪几个关键的选择？哪一步看上去浪费了时间，却恰好是通向成功的必经之路？
所以代码的比拼不仅仅是能否进行大规模试验、能否稳定执行强化学习，还包括怎样设计奖励体系、怎样把最终的成败正确分配回一条漫长的决策轨迹。这也是目前中国的模型，在后训练上更难补齐的区域。
人力调配在这里仍然能起作用，但其边际贡献明显下降了。真正需要人提供的数据，也更看重少数顶级程序员的贡献质量，大规模标注员的作用相对降低了。
一位来自领先Lab的朋友提到，Anthropic手里最高质量的代码数据，主要是由内部100多名杰出编程人员贡献的，而普通Claude Code用户产生的数据则显得相当噪杂。在这类任务上，即使投入再多的人力也无法弥补质量差距，需要的是精英力量。
所以对后训练而言，很难单纯地说”谁的人力协调能力强，谁就一定领先”。
若某个领域的优化目标模糊不清、质量判断需要大量人的直觉，那么人力协调的作用会被放大，多模态就是这样的典型。
若某个领域有非常明确的判断标准，可以自动执行海量的试验过程，那么大规模强化学习的基础设施和少量精英级数据就显得更加关键，代码生成更接近这一类。
在这三种能力背后，还有一个更值得关注的变化：AI研究本身的外延在扩大。过去说起研究，首先想到的是模型架构和训练方法。后来，搭建AI的硬件体系也被纳入研究范畴，到了现在，运营协调本身也进入了科研的疆界。
万级规模的强化学习、千步量级的试验、大规模数据生产团队的组织管理，这些完全不同性质的工作，都开始直接影响最后的模型成就。
从企业角度，一个研究部门必须同时兼具多方面的专业能力；从个人角度，一个研究者的定义，也在从”我能想到什么”转向”我能组织和管理什么”。
而中国企业过去最擅长、曾经没那么受重视的能力，恰好在这一轮竞争里，开始变得越来越关键。
所以最近反复听到的”打不过国内”，并不是指总体排名的移位，而是说：决定模型竞争力的要素在重新洗牌，有些差距仍然很悬殊，有些过去不被看重的优势，却骤然变得至关重要。
旧金山AI创业圈最近很火的Corgi Cafe，是由AI保险公司Corgi在办公大楼下面开的一家全天候咖啡馆，专供那些深夜伏案写代码、打磨产品的创业人士和技术人员。它完美诠释了这座城市创业精神的浓缩版：创业不只是职业，更是一种生活方式。
当然只是个咖啡馆而已，但旧金山这座城市散发出的气息就是，创业者位于这里最受瞩目的位置中心，他们思考什么、尝试什么，甚至在哪里聚会，都可能引领下一个时代的潮流，创意、人脉和日常生活，在这里往往是一体的。
初创Lab失魅：每一个阶段的Lab，都有相应的历史使命
“Thinking Machines Lab经历的所有苦难，其他初创Lab都注定会走一遍。”
晚上八点多钟，一位曾经和TML联合创始人在一起工作过、一向很难约见面的朋友，这一次终于有了档期。
过去这两年，初创Lab是硅谷最昂贵的创业方式：最顶级的科学家从OpenAI、Google、Anthropic跳出来独立创业，风投就跟着这些人砸钱。没有产品、没有营收都无妨，只要队伍足够强悍，直接砸几十亿美元再说。
但无论是TML还是SSI、无论从内部视角还是外部视角看，最后的成绩都不及预期。一位持续跟踪前沿实验室的风投朋友叹息道：”上一波在美国募到大笔资金的一流初创Lab，没有一家真正做成了。”
Thinking Machines Lab就是赌注最重的一个。
去年七月，企业才运营五个月，没有产品、没有收入，就融资20亿美元，公司估值120亿美元，这是有史以来最大的种子轮融资。创始人Mira Murati的母国阿尔巴尼亚也参与了投资，每出1000万美元，国家还为此调整了2025年的财政预案。
到了去年十一月，TML开始按500亿美元估值展开新融资谈判，有消息说价格被推高到600亿。两个月后，CTO以及一批重要成员回到了OpenAI，那轮融资最终没有成交。直到最近，TML才重新启动400亿美元估值的融资。
虽然TML的估值数字在往上走，但新融资的报价，已经低于它去年底期望的数字，这在过去几年AI市场持续飙升的背景下，显得极其罕见。
更令我诧异的是，连TML的内部人士都觉得，公司从开始就有浓重的”临时拼凑”的气质。
那位曾和TML创始人并肩工作过的朋友告诉我，几位创业者原本想要做的东西距离很远：Mira Murati倾向于主攻商业应用，Lilian Weng对交互模式更有兴趣，John Schulman更偏爱纯学术研究。
官网首页的企业宣言，其实是由各位创始人分别撰笔，然后强行拼凑到一起的，最后选择”人与机器的协作”作为远景目标，很大程度是因为这是大家为数不多能达成共识的交集。
这也解释了TML后来的众多问题。
能从OpenAI、Anthropic这样的机构跳出来创办公司的人，通常都具备非常鲜明的研究理念：关于什么问题重要、什么研发路线值得投入、什么技术手段可能有效，以及应该坚守哪条道路，每个人都有自己的深层确信。
可是当一群各自信念都很强硬的人聚在一起时，问题反而被放大了。他们是一群在原来的大机构里，既说不动其他人、也改不了自己想法的人，现在出来单独创业。
在成熟的大企业里，组织的top级指标已经被明确设定。你可以对某条技术路线有保留意见，但最终一定有人做出资源分配的决定。看OpenAI、Anthropic，它们都已经有了机制，能够把不同的研究理念最后汇聚到组织整体的选择上。
这一次在Palo Alto吃饭时，几位OpenAI的朋友坐在我对面。菜还没全部上桌，其中一个人就开始复盘公司在过去一年犯过的错。
最让他感到遗憾的是reasoning这条研发线。o1本来是OpenAI首先推出的，但最后Anthropic却更早地把这个技术方向变成了好用的编程产品，对OpenAI而言”这实在是一件很让人痛心的事。”
两家公司的管理方式也不尽相同。OpenAI更倾向于从下往上，许多研究方向都是研究员自己主动冒出来的，科研的自由度很大，也容易”八面开花”。Anthropic采取自上而下的方式，上层确定要往哪个方向突进，资源就集中投向那里。
前一种模式容易造成分散，后一种则更依赖少数领导的眼光。但一旦方向判断正确，Anthropic这种模式的执行效率会很快。在中国公司中，Moonshot更接近前者，DeepSeek更接近后者。
而对TML来说，从成立之初就缺少一个足够具体的共同愿景。当每个人的信念都很坚定时，每位创始人最坚守的东西，往往最容易把队伍拉向不同的方向。
在计算资源充裕的时候，各种方向还能并行存在；一旦资源分配的优先级摆上台面，内部矛盾就浮出来了。TML的队伍在半年间迅速增员，老人和新人之间的信赖尚未建立，几位联合创始人却接连离职，中层管理层也随之出现变动。
计算资源的情况也不如外人想象得那么充裕。表面上看，公司和Google Cloud签了巨额算力合同，也获得了英伟达最新的芯片，但实际的研究人员反映，试验之间经常互相占用资源，”很多基础实验都跑不了”，部分小实验只能在太小的模型上执行，难以形成有参考价值的结果。
最沉痛的教训来自于Tinker项目。一位曾参与Tinker训练的朋友复盘时说，Tinker是”到目前为止最洗练的单一场景框架”，但也坦承队伍一度太沉溺于把框架打造得优雅这件事：”当你有那份自信、觉得自己搭建了一个漂亮框架而洋洋自得时，就不会去把那些不那么体面的工作做完。”
他说的自信指的是很具体的东西：一个顶级的研究者会天然地觉得，结构设计、算法创新、难题破解才是自己的职业内容，而前缀缓存、成本控制、系统部署、可靠性保障这些”脏活”，总觉得应该由后面的人来搞。
可问题在于，商业产品的利润率，最后往往就死在这些细节上。同样的用户调用量，如果没有认真做缓存优化，成本就会比别家高；再漂亮的框架设计，客户最后还是按照具体的调用次数付款。结果这块生意，反而被对这些”脏活”更加重视的Fireworks抢走了不少市场。
把这些现象拼在一起，TML暴露的就是初创Lab 1.0版本最根本的矛盾：一群靠理念驱动而脱颖而出的人，最缺乏的恰恰是一个不需要理念的具体方向。
最近我一直在思考，为什么这一批初创Lab起步这么迅猛，现在却放慢了速度？
后来我用”跳车”来理解这个过程。OpenAI、Anthropic像两辆高速奔驰的大巴车。当一位研究者从车上跳下来的时候，他会短暂地继承那辆车的运动速度：履历、融资、人才团队、硅谷全方位的关注，一下全部到位。
但那是原来那辆车的速度。一旦落地，靠自己的力量继续加速，才是真正考验的地方。
而这批人在跳车时，往往还带着一张”过时的地图”。
当领先Lab还在发展初期时，行业急需的是几项特别基础又特别稀缺的能力：模型该怎么搭建、大规模训练怎么做、训练数据从哪里找、如何让数千上万张芯片稳定协作。
那时候，掌握这些技能的人本身就代表竞争力。OpenAI、Anthropic用实际行动证明了这条诱人的路线：集合全球最优秀的研究者，获得足量的算力，把模型的能力一次次推向新高度，至少在语言大模型的初期训练阶段，模型不必事先明确最终要应对的具体任务，随着规模扩大，一大批能力会自动跟着涌现。
所以最初的初创Lab相信”把最聪慧的人再召集一次，配上足够多的算力”并不奇怪。他们复制的，就是OpenAI、Anthropic很早前被实践验证的成功方程。
只是模型发展到了今天，OpenAI、Anthropic面临的问题也随之演变。机器人、法律咨询、医疗诊断等实际应用场景，最后都需要回答一个非常明确的问题：需要完成的任务到底做成了没有？机构内部也需要一个非常清晰的北极星指标，来引导一群各自都有研究理念的人确定接下来应该朝哪里走。
这也是当代的领先Lab正在花费大量精力解决的课题：怎样搭建评估环境，测试标准怎么制定，能力评估怎么执行，激励机制怎样设定，模型最后应当在哪些真实的工作流中变得更强。
历史的每一个时代的Lab，都有相应的历史使命。
想要在现在创办初创Lab，必须在当下领先Lab最艰难的那些问题上，找到全新的解决方案。
所以我愈加确信，下一批真正能发展起来的初创Lab，可能会从完全不同的地方生长出来。它很可能先有真实的应用产品，再建立评估环境，最后才逐步发展自己的模型。
Cursor是一个最直观的例子。它从切入真实的编码工作流开始，积累了大量的用户和实际任务，然后逐步向模型层次推进。
Harvey、OpenEvidence也具备这种条件。它们最有价值的资本，就是每天都在真实的业务流程中清楚地看到：用户真正需要完成什么、什么样的结果算是成功、在哪个环节模型会失败。
这恰好也是现在的领先Lab最难补上的短板：北极星指标已经被写入了产品当中，研究者不需要从零开始讨论公司到底应当解决什么问题。
但变动的远不仅是初创Lab。
这一趟交流下来，一个很明显的印象是，过去两年AI技术栈中分工很清晰的各种公司，现在都在向别人的位置靠拢。
初创云计算厂商是最明显的一类。过去它们最容易被理解为”芯片租赁商”，现在却越来越多地进入到模型和推理这些领域。
CoreWeave收购Weights & Biases之后，已经把预训练、后训练、推理运行、agent评测一整条链路都装入了自家的产品线。今年四月推出的托管推理产品，仅仅用三个月时间就把年经常性营收从100万美元拓展到1亿美元。
Nebius也在做类似的事情。它的Token Factory已经开始直接售卖模型推理服务，二季度的生产级推理负载相比一季度增加了超过三倍。
原因其实很好理解。GPU出租本来就是一门重资产业务，单纯卖算力的利润率很难持续向上；但一旦掌握了芯片、拥有了客户、能看到客户在运行什么任务，继续往推理、模型服务和能力评测进发，基本是不得已但又是必然的选择。
另一方面，有些新兴的初创Lab又开始往数据业务转向。模型还没开发出来，或者根本负担不起足够多的数据成本，就先帮其他机构做数据处理、搭建训练环境，从提供服务的过程中积攒知识和资源，最后把沉淀下来的东西拿来训练自己的模型。
所以现在再看待这些企业，以前的标签都变得不够准确了。
Lab在做数据业务，初创云服务商在往模型和推理转进，还有的初创Lab试图把算力和服务都掌握在自己手中。每家公司的转向都有其逻辑，大家都在向别的位置挪动。
这或许就是这个阶段AI发展中最有趣的地方。初创Lab有初创Lab的2.0版本，初创云商有初创云商的2.0版本，数据企业也在找自己的2.0新路。
再往后会不会还有3.0，没人能预言，也许到了那个时候，现在这些标签本身都已经失去了意义。
除了TML，Google的人事调整也相当剧烈。我和一位在Google工作十三四年的朋友共进晚餐，他仍然难以接受Jeff Dean的离开：”Jeff Dean就是Google。”在他看来，Jeff Dean比Eric Schmidt更能代表这家公司的精神内核。他的离开，就像是”Google的一部分也随之离去”（摄于8月8日AASF活动）
全美AI行业都在抢夺数据：数据商成了战争的中心
Spirit航空在五月就已经停运了，但它留下的一件东西，忽然变得奇货可居。
八月时，Google在破产清算中出价1000万美元，想要收购这家企业多年积累的内部数据库：数亿份邮件、数亿条内部聊天记录，还有代码、财务报表、营运和项目追踪的各种记录。Mercor给出了750万美元的报价，后来Micro1又把竞价推到了1250万美元。
买破产公司的这个办法，我在去年只听TML提起过，业内都当是说笑的。
但今年大家已经组织化地在干，手法已经被标准化了。一位Mercor的朋友告诉我，把一家破产的企业买过来以后，第一个任务是把数据”活化”。
几十年来积累的邮件、电子表格、聊天记录就堆在那边，外人根本看不懂意思。某张表格对应什么业务、某个代号是谁制定的、一班飞机被取消后运营部门、服务部门和财务部门怎样协调，这些逻辑不会自己从文件里蹦出来。
所以买完数据后，通常还得留下一两位原企业员工。他们的工作好比是给一片废墟做讲解员：解释这些数据过去是怎么运作的、某架飞机停飞后是谁最先发现问题、各部门怎样通讯与协同、一项决定经过了哪些人的手、什么时候出现了纰漏、最后又是如何修正的。
一个倒闭的公司，因为”失败得足够逼真””成为了新的商业资产。
这背后的驱动力其实很直白：那些容易从互联网获取的文字内容早就被挖尽了。互联网能抓到的文字大约在100T数量级，真正能被清洗然后用于初期训练的，可能只剩下15T。即便再竭尽全力去掘取那些藏在网页背后、难以直接抓取的信息，顶多再增加到300T，这些早就被用完了。
当互联网数据越来越难以提供新的资源，模型企业的眼光转向了那些还没被整理成学习数据的真实世界。
进一步来看，”数据”这个概念本身也已经不够精确。模型真正渴望的，正在从一份已经组织好的数据合集，转化为一个能够不断衍生新任务、新流程和新反馈的动态环境。
过去的学习环境更像一份静止的试题集，而Agent要面对的是一个会因行动而变化、信息不完全、很多动作无法撤销的真实世界。它必须一边行动，一边推断自己现在的处境。
Vending-Bench 2是这些转变的一个缩小模型。它是Andon Labs开发的一个评估系统，让AI agent去管理一台自助贩卖机：选择进什么商品、怎样定价、什么时候补货、库存和现金流的管理。它要跑满整个365天的周期，每日还要支付两美元的场地成本，最后按账户余额来评分。
Agent看不到完整的决策框架，只能根据每日拿到的那些数据往前推进。时间的方向是单向的，昨天进错的货物，今天察觉了也回不来。无所作为同样会亏损，每天的场地费照收不误。
更妙的是，这个模拟环境后来真的走进了现实。今年四月，Andon Labs在旧金山签订了一份三年租约，交给一个名叫Luna的agent10万美元和一张信用卡，让它从零开始经营一家小店，包括选品和定价都由它自己决定。
坐落于旧金山的Andon Market。Vending-Bench里的模拟自助店试验，如今已经被搬到了真实的世界：AI开始实际面对房租、库存、定价以及每日出现的新题目
这类环境所考察的，已经不是AI有多聪明，而是它在一个看不全、回不了头、持续在变的状况下，能不能把一件不复杂的事连续做对很久。
而一台自助售货机，还是这类业务中最简单的。那些真正能换钱的环境，都存在于还活跃的企业内部。
这也是已停业的公司和仍在营业的公司之间最关键的区别。已经破产的Spirit航空，数据量再多，也只能记录曾经发生过的故事。一家还在营业的企业，明天仍会产生新的订单、新的纠葛、新的误判，以及后续怎样弥补。
所以模型企业更想要进入那些还”活着”的公司的内部。现在大体上有四种进入办法，从上往下成本递增，获得的东西也逐渐完整。
最轻量的是让自己的agent进入工作流。比如在Claude Code里，用户编写代码、修改漏洞、反复测试，这个过程自然被记录了下来。
再进一步，是进入企业的沟通渠道。比如把agent放进Slack，让它观察任务是如何被讨论、如何推动和如何调整的。Claude Tag干脆不搭建自己的交互界面，它直接驻扎在客户的Slack频道里，谁需要就@它一下。
如果没办法把产品接入，就直接派驻人员。FDE的代表直接进驻客户公司，一方面部署系统和解决技术问题，一方面更贴近真实的工作模式。
但客户企业往往对此很敏感。一位技术主管很直接地说：”我花钱请你帮我干活，不是让你录下我的数据。”
于是就出现了代价最高的办法：干脆把整家公司都收购了。
Scale AI的一位朋友跟我说，FDE最多只能捕捉到部分轨迹；买下一家企业，获得的就是整个运作系统。企业的原业务、工作流程和历史数据都还在，能够不停地衍生新的轨迹，甚至可以直接跑强化学习。
卖方未必都是破产的。Mercor的同事说，不少还在正常运营的企业其实也愿意出手，因为对于那些公司来说这就是一笔持久的收益。数据购买者有专人去寻找目标，挨家挨户地谈判，最大的困难在于卖方往往意识不到自己有什么值得卖的东西。
于是数据企业就这样坐在了中间的位置，越来越像是一个产业知识的交换枢纽。Lab们知道自己缺数据，但不知道这些数据藏在哪；卖方手里握着东西，但不清楚模型企业究竟需要什么。
从事这个业务的人，现在也开始分出两个派系。
老式的还是按人工成本来定价。Scale、Mercor这一类，本质上是在售卖一个人在单位时间内能加工出来的数据产出，员工越多生产力越强。
新型的开始按动态系统和处理轨迹来定价。同样的两小时劳动投入，价格可能差别很大，关键取决于这个环境本身有多独特、组织起来有多复杂。
但老式的也在演变，最显著的就是FDE这一类：既然人才本身就是最珍贵的资源，不如把这帮人直接派遣到客户的企业去处理具体问题。除了更接近真实的业务模式，这类服务相比一次性的数据项目而言，也更加稳定可靠。
两种派系最后，其实都在指向一个共同的方向：单纯出售人工服务越来越不够，谁能更接近真实的运作系统，谁的价值就越大。
但无论哪一派，核心逻辑都是”加工”。一位在Scale AI工作的朋友，把自己定位成”厨师”，购来企业数据只是采购食材，复杂的活都在后厨。
其中一个关键的操作流程叫”逆向拆解”：把一个企业已经完成的业务工作，重新拆回任务刚刚启动的那一刻。当时有什么资源可用、要解决什么困难、最后产出了什么结果，再把全部流程打包成一个强化学习的试验环境。
然后是最艰难的一步：怎样判定模型的表现？数据企业必须把那些行业老手说不出来、只能凭经验判断的标准，转化为一条条可以被自动检验的规则，让成果能够被机器验证。
现在这个行业甚至已经卷到了更深的层次：不能只告诉Lab”这批数据很优质”，还得直接做实验，报告这批数据能够把基础模型的某项能力拉升多少。
不过如果说数据企业已经开始反向指导Lab怎么做研究，这还远不够成立。最关键的方向决策权，仍然牢牢掌握在一流Lab的研究者手中。
但活得最好的那些数据企业，已经不甘心被动等活。它们开始自主判断什么方向会变得重要，提前把相应的评估系统搭好。一旦一个评估系统被主流Lab认可，变成业界刷榜的基准，它手里的数据就水到渠成地进入了主流。
独家数据特别值钱。一份数据要是卖给所有人，一年可能才值1万美元；如果只卖给一家企业，价格可以翻好几倍。一位在领先Lab负责数据的朋友讲过：”如果我有钱，会把所有数据商都买下来，这些数据我甚至都不用。我买掉的，是对手赶超我的可能性。”
代码领域过去就给了所有人一次教训。最初真正重注于此的人并不多，直到代码消耗的token开始暴升，资源和数据才快速跟进。
现在业界形成了一条简单粗暴的判断标准：什么地方的token消耗在快速增长，数据就往哪个方向去。
当然，数据的卖价越来越昂贵，另一个问题也随之出现：你买到的这些数据，到底从哪儿来的？
一位在大企业负责数据采购的朋友，曾经给我讲过一个案例。他们和供应商的合同明文写着，交付的数据不能是由GPT这类模型生成的。但有一次收到外包的数据，用检测工具一扫描，几乎100%都显现出GPT的特征。
他质问这个印度的供应商。对方的解释非常”合理”：我们的英文能力有限，所以先用本地语言写，再用ChatGPT翻成英文，你们的检测工具检出来不是很正常吗？”我也没招，真的没办法。”
于是就演变成了一种”只要别让我看到来源就行了”的局面，毕竟这类数据确实是模型企业的需求所在，需求越来越强烈，来源却越来越模糊，大部分买方既没有能力，也缺乏动力去深入追查根源。
这也留给了数据企业一个微妙的处境。一方面它们替Lab寻找数据、寻找人员、进行加工，另一方面它们也把那些买方不想直接去面对的来源、合规和风险，隔离在了外面。
某种角度上，数据企业其实就是这场模型竞争里的”中介人”。
“中介”价值几何？同一段执行轨迹，来源不清楚的报价3美元；通过美国合法渠道获得的，要300美元。
一百倍的差价，购买的就是风险的转移。
既然外部数据这么复杂，大企业自然就想到了另一条路：从自己的员工那里获取。
今年Meta曾一度记录员工的鼠标动作、点击行为和键盘输入，并随机对屏幕截图用于训练模型。后来超过1600名职工发表联合反对声明，计划最后夭折。一位研究者告诉我，做过类似尝试的远不止Meta。
但这件事反过来也说明了，为什么真正优质的人工数据这么难得到。要记录一个人工作时发生的一切，这恰好是最昂贵、最敏感，也最难规模化的部分。
数据生意继续演进，还有一种更深层的”加工”形式。
前面提到的那位Scale AI的朋友把自己称为”厨师”，一份原始数据其实能有多种做法：基础的方式，就是把它清洗、整理成模型能够直接学习的格式；再往深处走，干脆用这些数据去训练一个模型。
旧金山的初创企业Noetik就更接近后一种。
它积累了数亿个包含空间坐标的人体细胞数据，在肿瘤领域拥有规模最庞大的空间生物学数据库。这类数据不仅告诉模型某个细胞的属性，还保留了它在真实组织中的空间位置，以及周围还有什么细胞。
Noetik没有只作为数据集来出售这些东西，而是拿它们去训练自己的模型。对于药企客户而言，二者的价值完全不同：数据记录的是过去曾经发生的事，模型却能够用来处理新的问题。一种新的药物、一套新的实验条件，都可以用模型进行新的虚拟实验和未来预测。
今年葛兰素史克（GSK）和Noetik签署了为期五年的合约，获得的其实是对这个模型的使用权。
所以Noetik更像是数据加工链的更深处：出售数据的时候，卖的是一份资源；把数据训练成模型以后，卖的就是利用这份资源来回答新问题的能力。加工得越深，就越有机会索取更高的溢价。
但这种经营模式的可复制性并不强。Noetik的数据足够专业化，下游客户又是药企，模型本身就可以演变成商业产品。大量的人工数据还停留在更沉重、更脏乱的加工环节。
模型企业当然也能自己来做，但支撑这个工作需要成千上万承包商的招聘、监督、质量检验，还有一整套劳动和合规方面的风险防控。
Lab想要掌握更多数据权益，但不等于它们想把整个数据供应链都自己承包下来。
这就是为什么，过去看起来最苦、最脏的数据业务，反而晋升到了模型竞争越来越靠近的中心。
硅谷也是一个封闭的”围城”
最后，如果这趟硅谷之行还有其他让我记忆深刻的变化，那就是那些从AI浪潮中获益最丰厚的人，现在开始认真思考：自己接下来的人生道路该怎样规划。
有个晚上，我和一位年轻的AI研究员一起用餐。聊及硅谷这一轮的人才流动局势，他突然说道：
“你是不是也觉得，这里有点像缅甸的工业园区？一个大园区，大家都在这儿上班，讨论的全是agent、基础设施、初创公司，同质化特别严重。”
这个比喻听起来很刺耳，但我一时间也找不到反驳的理由。
他本人就是这个”园区”里的一份子。他的博士实验室，去年毕业了5位博士，到现在只有1个人没有换过工作。”在一家企业待满一年，已经变成了一件很奢侈的事。”
过去两年的AI热潮，给研究者们开出了前所未有的天价：曾经50万美元年薪就已经很不错了，现在100万以下的邀约，许多人已经懒得看了。
离开旧金山前，在机场目睹了一场工人示威，他们要求把时薪定到30美元。我在20年前留学美国时，打工时薪大概就只有6美元。在硅谷的另一端，AI正在创造超常的财富：今年旧金山大都会区有三成的购房交易使用现金全款；去年十月，OpenAI员工做的一次股权交易，直接套现了66亿美元，其中75名员工每人套现超过3000万美元
但最早开始怀疑这个价格还能坚持多久的，也恰好是这帮人自己。
有人依然像”传道士”那样信仰AGI的到来，愿意为一项技术判断投入许多年的生涯；也有人更像”雇佣军”，”没什么特别的信念，能赚多久就赚多久，不行了再换一家”。走到这个价格水位，工作其实就变成了一笔很难拒绝的经济交易。
再过两三年，AI研究者也许就不再是今天这样的紧缺物种。有人在抢着晋升为leader以锁定现有薪酬，有人开始搞投资，有人已经在琢磨赚够这笔钱以后还想干什么。
所以在研究员的聚餐中，聊起模型之外，还会讨论该买哪只股票、投资什么项目，以及下一份工作能否维持现在的薪资预期。湾区不少投资基金的LP名单里，现在已经能看到许多来自Anthropic和OpenAI的研究员。
另一位已经财务自主、仍在从事AI研究的朋友，给我数过他的社交网络里的近况：有人想要开红酒店，有人计划把国内商品贩到美国，有人正在筹备新房产投资，还有人真的开了一家室内滑雪场，像在玩真实版的我的世界游戏。
“我也想离开任何数字化的东西，休整一段时间。”他说。
放到两年以前，这个画面几乎是不可想象的。当时硅谷最看重的商品之一，就是研究者本人。
但这次一路聊下来，我越来越觉得，那些被重新评估的东西，最后也包含了我们每一个人。
那些过去我们最有把握的能力，可能被AI学会、被工具打包提供；原本只有少数人掌握的技艺，也可能迅速演变成业界的普遍技能。
只是身在其中的人，每天只能看到很小的变化，往往就容易把它当成正常现象。
一位年轻的研究员曾经和我说过一句话，我一直记在心里：”找不到有什么问题只有我能解答、而ChatGPT解不了。剩下需要人做的，是人和人之间的沟通交流，以及在一个人年纪尚小的时期，怎样去引导他、塑造他。”
他周边的许多人都计划”先赚几年钱，再回学校读书”。有人推迟了一年，有人推迟了两年，也有人已经拖到了第四个年头。后来我才意识到，这些看似很个人化的决定，其实也和这种变化息息相关。
当企业、科技、竞争堡垒，甚至一个人最执信的能力，都可能在这么短的时间里被重新定价，最后往往还会遗留一个没法由AI来回答的问题：
我的人生时间，究竟应该怎样分配才最值得？
我来硅谷之前，在法罗群岛度假。
那儿离现在这个世界很远，海面上持年笼罩着雾气，山坡上只有羊、草地和零落的房屋。动身前我跟朋友说，总算能有几天不聊AI了。
可是好几趟打出租车，司机都听不懂英文，只会说法罗语和丹麦语，两边比划了老半天也没沟通明白，最后我拿出手机，让安排这次行程的ChatGPT充当翻译员。
AI越来越像一个不会消失的背景。模型可以在无穷的分支中进行试错和循环，最后从头开始。人不行，我们无法把多个人生都活一遍，然后再选出最优的那一条。
时间是不可逆的。每一个选择，都只能过一次。
二十年前留学的年月里，我常常爬上Telegraph Hill，望着旧金山夜景里的万户灯光，心里涌起说不出的伤感，就像那时的”北漂”一样。有时也会想，每一扇点亮的窗户后面，住着什么样的人、他们过着什么样的日子。
二十年后再站在同一个地方，城市的天际线没有任何改变，可是正因为有了AI，接下来的五年里，这些灯光背后的人的生活，肯定会发生巨大的转变，他们今后还会做现在这份工作吗？又会做出什么样的人生选择？AI带来的改变，最终都会落到每一个具体的个人身上。也许再过五年回头望，我们才会真正明白，当下正身处怎样的历史巨变之中。
最后，也感谢你，在快节奏的当代，还愿意读完这么一篇长文。
晚点专栏作者孟醒：五源资本合伙人、前滴滴自动驾驶首席运营官。这是他AI投资观察的第三篇，往后他会在晚点上持续分享他的投资观察。
