跳转至

广密：Coding 是 AGI 第二幕、硅谷御三家真相、模型正成为新一代 OS（张小珺·全球大模型季报第 9 集，2026-04-15）

"全球大模型季报"是张小珺与广密连续三年、每季度一次的对谈系列，用季报形式记录大模型技术进展与趋势。本第 9 集站在 2026 年 Q1，给出硅谷一线体感下对 Coding 爆发、三大实验室战略、模型即操作系统、以及白领失业窗口的系统判断，是本库 中美 AI 生态对照、AI 商业化与价值捕获、LLM OS、AI 与就业 的重要中方素材。

⚠️ 转录说明：whisper 对英文专有名词误识较多，本页已归一化——Anthropic（转录作"Answerp/Anthorpey"）、OpenAI（"OpenEye/OPANI/OpenApp/openire"）、Gemini（"Gemina/Gemney"）、Claude Code / Codex / Cursor / Manus、Jared Kaplan（"Jerry 的 Kaplan"）、Dario、多模态（"多莫泰"）、预训练（"于训练"）、reasoning model（"residing/Resident Model"）、SWE 软件工程（"Suite"）、Magnificent 7（"MAG7/mac7"）、硅谷（"灰谷/微谷"）。两处"Mizos/Misos 跟 Spar 的"疑为 Anthropic / OpenAI 即将发布的下一代模型代号，转录含糊，本页记作"两家即将发布的新模型"，具体以官方为准。

说话人映射（据补做分离的 speakers.md；转录稿本身无标签，此处认人属 wiki 层编辑判断）： SPEAKER_03 = 广密（嘉宾，84.7%）、SPEAKER_02 = 张小珺（主持，13.8%）。 依据：SPEAKER_02 在 [00:02:03] 说"过去三年呢 我和广密一直在用季报的形式……"，并在后段负责提问。 SPEAKER_01 也是张小珺——它只有一段 48 秒的连续轮次（00:00:06–00:00:53），正是片头旁白 "大家好,我是小俊 今天给大家带来的是全球大模型季报的第九集"（[00:00:00]）。旁白单独录制、声学条件不同， 被分成了另一标签，不是第三个人。SPEAKER_00（23 秒，13 段）为秒级碎片，判为伪影。

概要

覆盖：过去一季度最关键转折（Anthropic Opus 4.5→4.6）、Coding 为何是 AGI 主线加速器、AR 爆发与"追求 token usage 而非 DAU"、两条 AGI 路线（C 端流量 vs 高价值任务）、硅谷御三家（Anthropic / OpenAI / Google）战略—组织—文化逐一点评、挑战者（META TBD、XAI）、Cursor 等"壳公司"的窗口、模型即新一代操作系统、Harness Engineering、国内玉三家（Kimi / Minimax / 智谱 / 豆包）、白领通缩与失业窗口、以及投资终局判断。

核心观点

AGI 三幕论：Coding 是第二幕、是加速器

  • AGI 路线图分三幕：第一幕 Chatbot（ChatGPT，能对话/联网，商业价值有限）→ 第二幕 Coding Agent（能直接干活、干高价值任务，本质"能帮我们干活了"）→ 第三幕 Automated AI Researcher（AI 自动化 AI 研究，去解决脑科学/材料学等基础科学）（[01:14:10]–[01:15:11]、[00:52:43]）。
  • Coding 不是垂直场景，而是 AGI 路线图里的"加速器/打药"："领先的 Coding 模型就像领先的 GPU"，模型公司若不重视 coding"大概会掉出第一梯队"（[00:12:21]）。
  • "语言即世界，代码即方案"：自然语言是对世界的描述、code 是对 solution 的描述；只有语言和代码的泛化性被充分证明，数学能表达的东西太有限（[00:11:19]、[00:15:21]）。Coding 之所以最先跑出来，是因为 feedback loop 最短、最清晰（[00:13:21]）——呼应 姚顺宇"coding reward signal 清晰"。

过去一季度的转折：Opus 4.5→4.6 = GPT-3→GPT-4 级跨越

  • 判断这是从"chat 问问题"变成"真正 Agent 模式做高价值任务"的跨时代提升；一个季度的模型进步幅度可能超过 2025 全年，"AI 的基点时刻应该已经到了"（[00:03:04]–[00:05:07]）。
  • 硅谷一线体感：前沿实验室的 researcher 和顶尖程序员"基本上不写代码了"——去年一个系统七八成代码人写，今年可能 <1%；日常是"AI 写、人审"，且很多人每天消耗几百美金 token（[00:06:10]–[00:07:10]）。更质变的信号：一些 AI research 突破来自 Codex / Claude Code 而非人类工程师——"AI 今天可以显著加速 AI"（[00:07:10]–[00:08:13]）。

AR 爆发与"token usage > DAU"

  • Anthropic 官宣 AR 超过 OpenAI；更关键的是其头部一两百万 coding 用户贡献的收入 > OpenAI 五六千万订阅用户——"c 端好像没有 coding/agent 这个更大"（[00:09:14]–[00:10:18]）。
  • 因此竞争指标从"追 DAU/广告规模"转向追 token usage，尤其超级开发者/塔尖用户（[00:09:14]、[00:20:23]）。预测年底两家 AR 可能到 800–1000 亿美金、明年奔 2000 亿，"已成为新时代的 MAG7"（[00:09:14]–[00:10:18]）。
  • 一个可跑正的微观指标："消耗 100 美金 token，能不能赚到 110"——很多人 ROI 还没跑正（[01:20:14]）。

两条 AGI 路线与战略误判

  • 路线一：C 端流量（ChatGPT / Gemini / 豆包）；路线二：高价值任务（Anthropic 领先）（[00:19:23]）。
  • OpenAI / Google 在 2025 年忙抢 C 端窗口，严重低估、战略误判了 coding，反给 Anthropic 让出黄金窗口；"不应再用互联网 DAU 思维看这些东西"（[00:19:23]–[00:20:23]、[00:34:31]）。
  • 未来两条路融合概率很大（ChatGPT 把 chat + agent + code 做成 all-in-one 平台是对的）；但也可能分化为"只服务塔尖用户"的形态（少数人贡献绝大多数 usage，像量化）（[00:20:23]–[00:21:23]）。

硅谷御三家点评

Anthropic —— 战略/专注/文化的胜利 - 24 年夏 Sonnet 3.5 拿到 coding 正反馈后 all-in coding、放弃多模态与 C 端，战略极 top-down、目标扼腕一致（[00:22:24]–[00:24:24]）。 - "模型即应用，数据即模型"：founders（Dario、首席科学家 Jared Kaplan 均物理学家出身）重数据刻在基因里（rumor 称 Kaplan 亲自带队搞数据）；不神化单一环节，像"工业化球队"每个环节都做好（[00:17:23]–[00:18:23]、[00:24:24]–[00:25:24]）。 - 团队稳定、AGI 原生、招 underdog 不招 big name、文化面试严；防泄密最严的一家（[00:24:24]–[00:28:27]）。 - 产品极 AI Native：Claude Code 做成终端形式而非 IDE，更能承接模型指数级红利；定位塔尖高价格带用户、高定价高 margin（[00:25:24]–[00:30:28]）。 - 风险：算力可能是冲 1000 亿 AR 的最大瓶颈（此前低估需求爆发、算力规划保守）（[00:29:28]–[00:30:28]）。

OpenAI —— 阶段性被低估，50% 概率仍是最终 winner - C 端遥遥领先（9 亿多周活）但最近 flat、五六千万付费；两次"立凡是创新"（[00:33:31]、[00:39:36]）。 - 最大问题：ChatGPT 的成功让它专注 2C、忽视 coding（战略误判），且为控 inference 成本不敢把模型做大（[00:33:31]、[00:40:37]）。约两三个月前才把 coding 提到最高优先级（[00:34:31]）。 - 文化自下而上、鼓励自由探索——"coding 能力很强后，一两个人就能干出惊天动地的大事"，有可能搞出下一个范式级突破；"今天胜利的秘籍可能就是下个时代的毒药"（[00:39:36]–[00:41:37]）。 - 弱点：SAM 是 VC 出身、容易摊大饼/FOMO（多模态、Sora 抢资源）；文化 value 0→1 不 value 1→100，"没人做脏活累活搞数据"；ChatGPT"很成功但没有灵魂"（[00:41:37]–[00:44:39]）。

Google Gemini —— 最稳的追随者 - Gemini 3 被高估：benchmark 过度优化、实际产品体验一般、连 PC 桌面版都还没有；工程师文化强、PM 文化弱；沉浸于 Gemini 3 成功而误判 coding（[00:46:40]–[00:48:41]）。 - 但算力/现金流最足、第三代职业经理人体系化运转（"像一台机器，换一两个人没影响"）、有 OS 和 Workspace 分发；worst case"TPU 都可以变成另一个英伟达"——长期最稳、掉队概率低（[00:49:42]–[00:50:42]）。

挑战者：META TBD 强、XAI 掉队

  • META TBD 是"硅谷四号种子"，已取代 XAI；人才密度高、9–10 个月做出不错的 model；思路"七八成学 Google + 20% 学 OpenAI"，收购 Manus。但产品战略未明，且中国团队产品创新力比 META 强（硅谷擅长模型层创新、中国擅长产品创新）（[00:53:44]–[00:56:47]）。
  • XAI 短期掉队：核心 founding team（世界级）离开；根因是 Elon 战略摇摆 + 耐心不够——迷信"大力出奇迹"盲目 scale 参数，而"今天的 bottleneck 不是模型大小而是数据"，甚至中国蒸馏模型都可能比 XAI 好（[00:57:48]–[01:01:50]）。做好模型数据是需要耐心的长期/research 工程，与 Elon 追求"两周见效"的短平快文化冲突（[00:59:49]–[01:01:50]）。

壳公司的窗口：Cursor / Manus

  • Cursor、Manus 本质都是吃模型公司技术溢出红利；若模型公司选择不溢出最强模型 API、优先做自己的 agent 产品，壳公司就危险（[00:37:35]–[00:39:36]）。
  • 壳是阶段性窗口：有的能借窗口变伟大公司，但"模型公司作为大哥也想吃这块肉，就看谁速度快"——今天模型公司速度更快（[00:38:35]–[00:39:36]）。Manus"肯定卖便宜了"（[00:56:47]–[00:57:48]）。

模型 = 新一代操作系统

  • 未来最领先的几个模型 = 世界最重要的技术基础设施 = global GDP 的操作系统：生活问题问它、工作自动化靠它、科研支持也是它，重要性超过今天的 Google（[01:04:51]–[01:06:53]）。
  • 操作系统的定义"支持应用的无限扩展"——这里的应用就是 agent，会形成像 Android/Windows 一样的新生态（[01:05:52]）。

Harness Engineering：把 agent 当一等公民

  • 新词 Harness Engineering：未来要把 AI agent 当人/一等公民看，在平行世界给它搭环境（电脑、信用卡、工作环境）；agent 想做好，一方面靠模型、一方面靠 Harness（相当于 agent 的"管理学与组织"）（[01:01:50]–[01:02:50]）。
  • Harness 的更大意义：有了它，普通/开源的非 SOTA 模型也能做高价值任务，接住 Claude 溢出的需求（[01:02:50]）。思维从"2C/2B"转向"to 人类 / to agent"——未来调用工具的决策者可能是 agent 而非人（[01:02:50]–[01:03:50]）。Manus 是 Harness 的鼻祖（[00:56:47]）。

国内玉三家

  • Kimi、Minimax、智谱都在 bet Anthropic 路线（高价值任务），这一共识是过去 3–6 个月才形成的（此前 C 端还有机会时不是共识）；豆包在 C 端做得最好，其余几家是"觉得跟豆包没得打才转型"（[01:03:50]–[01:04:51]）。
  • 胜负手是综合的组织能力与资源，非单一人才/方法/bet；"AI 进入工艺化时代"（[01:04:51]–[01:05:52]）。

社会影响：白领通缩与失业窗口

  • 今年是人类开始面临失业的痛苦一年，有可能 30% 工作岗位没了；美国本科毕业生就业率历史新低（AI 已自动化工作两三年的初级岗位）（[01:08:57]–[01:09:58]）。
  • "最牛逼的 AI researcher 都担心自己一到两年后没工作"——未来一两年可能是他们仅有的工作/赚钱窗口，因为 AI 将 automate 整个 AI research workflow（[00:32:29]–[00:33:31]）。
  • 根因：人类的知识和智力变廉价（被压缩进模型、变成 token/计算资源），"我们不再是最聪明的物种"；会带来通缩（很多 SaaS 消失）、贫富差距拉大、社会矛盾激化（Sam 两次被袭击）（[01:07:54]–[01:09:58]）。
  • 建议：AI 取代的是不拥抱 AI 的人；人未来去"创造"（创造力被极大释放，一两个人可做惊天大事）、审美/taste 变得关键；one person company 可能成常态（[01:11:00]–[01:12:04]、[01:19:14]–[01:20:14]）。

投资终局

  • 最好的三五家模型公司 = 全球 GDP 的操作系统 = 每家 10 万亿美金，加起来 30–50 万亿；理想 AGI portfolio：三五家模型各 20% + 机器人 10% + AI for science 10% + agent infra 10%（[01:13:05]–[01:18:14]）。核心指标：投能持续做出 SOTA model 的公司。
  • 机器人未来 6–18 个月可能质变（架构突破、数据 scaling 开始、深圳招人潮）——"这里中国团队更有优势"（[01:18:14]–[01:19:14]）。
  • 再造一个 OpenAI/Anthropic 极难：需每年投三五百亿美金且持续三五年 + 管理层认知魄力 + 上百名世界级科学家 + 战略 bet + 买得到 GPU；观察最优秀 AI 人才是否流入 new labs 最能说明问题（[01:14:10]–[01:16:12]）。

与本库其他观点的呼应/分歧