先回顾LLM从2022年到2025年这四年间走过十个阶段。阶段与阶段之间在时间上有overlap。

阶段一：2021年，GPT-3被发明，但是还没被大众看见。Jasper率先看到生成的力量，做出了AI Marketing的软件。2022年11月，ChatGPT 3.5横空出世，Jasper被碾过。ChatGPT 3.5让人看到RLHF的力量，大力出奇迹，算法+算力+数据=上帝。Take away是，通用大模型会吃掉所有垂类应用。

阶段二：2023年2月，Llama出现，大家都觉得可以练自己的通用大模型，砸钱练模型，百模大战出现。套壳这个词已经出现并且带有贬义，有人批评李开复的零一万物是套壳，也有很多人批评各种AI集合工具是套壳。不过前者虽然说模型套壳，但是数据和后训练算力还是得砸钱的，人们普遍认为还是有技术含量和壁垒的。

阶段三：随后很多模型大规模消失。这些模型存在的问题在于，没人用，没收入，没前景。仅靠微调和后训练模型，并不能带来差异化和竞争力。不少C端用户最终又会流到ChatGPT，因为往往体验更好、成本更低。同样的，ToB企业做了POC，或者做成政绩工程，但是难以广泛部署，客户留存率低。事实上证明，全世界并不需要100个不同的模型，可能只需要10来个模型（OpenAI, Anthropic, Gemini, Grok, Llama, DeepSeek, Qwen, Kimi……）。2023年底，八成拿到融资的大模型公司面临困境或者转型。换句话说，通用大模型是有头部效应的。

阶段四：2023年到2024年初，AI应用兴起。AI硬件是比较失败的，比如2024年初的Rabit R1、Humane Pin和Rewind，宣称能直接帮你执行任务（点外卖、订机票、发消息）而非仅对话，发布当天预售 10 万台，首批发货后被集体吐槽完全无法执行操作。本质是ChatGPT的套壳，而GPT模型能力还不够，还只能对话，准确性、可控性都比较差。也有成功的AI应用，比如Character.AI成为现象级产品，启发了不少模仿者，比如Glow、豆包、Talkie等。AI搜索Perplexity月活超过千万。Cursor借着一个IDE的壳子做了coding AI。这些是好的例子。这个阶段，大家认为训练通用大模型太费钱，但是已有的通用大模型又不够好，所以垂直场景下Post-train和finetune模型，是很有用的。

阶段五：Character.AI还是消失在了2024年，被谷歌收购。这个产品的问题在于，高留存低变现，收入cover不了算力投入，更别说模型训练了。而且GPT-4、Claude 3、Gemini 1.5等通用模型的上下文理解、人格一致性、语音合成等能力全面超越c.ai的定制小模型。Perplexity也没有对Google搜索带来致命打击，直接在ChatGPT里面用Prompt Engineering提示词工程的效果也很好。出现了用提示词在ChatGPT玩的mud AI游戏产品。胡修涵的捏TA迎来了Pre-A轮、沈洽金的造梦次元凭借豆包token消耗量获得A轮融资，陈冕的liblib熬过了账上最低只有10万人民币余额的日子。训练垂直模型有用，但不一定划算，关键是场景和积累用户。

阶段六：2024年9月，OpenAI发布第一个推理模型o1。随后，OpenAI定义的人工智能发展的5个阶段。L1是Chatbot，L2是推理，L3是Agent，L4是创新者，L5是组织者。宣告当前进入L2。推理让回答的质量大大提升，成为SOTA模型的标配，2025年春节爆火的DeepSeek也是R1推理模型（V3虽然发布得早，但没R1那么火）。还得搞通用大模型，“强化学习的胜利”——戴宇森。

阶段七：“推理能力提升带来Agent机会”（戴宇森，2025年3月小宇宙），2025年被预言为Agent元年。2024年12月全球首个AI Agent程序员Devin上线，月费500美元。实际上这些Agent产品为什么成立，是因为Anthropic推出了最强的coding模型Claude 3 Sonnet。Cursor的大规模应用，不是在2023年推出的时候。此时，有一个说法，AI应用不该过早优化大模型肯定会做的事情，而应该预判模型能力接下来怎么进化，先做好其他事情，然后等着模型进化。我印象这句话是Monica的肖弘在小宇宙里说的。

阶段八：Agent究竟是什么，怎么做，有好多定义。模型厂商和应用厂商分别往中间的应用地带进军。Google讲的是记忆、Tool Use、计划、行动，这些应该是end-to-end强化训练的模型能力；Kimi的杨植麟认为，Agent应用就得大模型自己做，因为大模型训练的团队才知道，这个模型的agent能力怎么发挥出来；而应用厂商可以干Orchestration编排和Scaffolding脚手架。此时的Agent应用，不是写报告，就是写小网站。

阶段九：在end-to-end训练的大模型能力以外，应用厂商还可以创新怎么用好模型的其他方式。在2025年7月的Blog文章中，把Prompt Engineer的名词又被捡起来，但是升级为Context Engineering。“Manus将押注于上下文工程，这使我们能够在几小时而非几周内交付改进，并使我们的产品与底层模型保持正交。”包括围绕KV-cache缓存进行设计；动态mask；使用to-do.md文件系统作为上下文；通过复述操控注意力等。这些内容，既不是在训练模型，但也不是定死的workflow，那应该算啥呢？

阶段十：AI创作的内容量开始出现超过人类创作数量的迹象，但是AI内容的浏览量和带来的收入仍然非常低。可以说，在2024年以前，AI写的东西属于还不错，但很多人都看得出是AI，还不能完完全全看进去里面的内容。如果来量化AI渗透率的话，应该是在个位数百分比。2025年春节，有两篇文章爆火，分别是《临安城下的数字长城：83小时击退2.3亿次/秒的赛博匈奴》，以及知乎上自称是梁文峰的账号在知乎发文，回应冯骥盛赞deepseek是国运级别一事。这两篇文章，都是AI写的，但是大部分人根本看不出来，大量转发和点赞。可以说，这一周，这是AI文的iPhone时刻，是有划时代的意义。

从那时开始，AI文字的渗透率快速到提升。这个比例国外有Graphite统计已经超过50%，国内微信公众号长文体感上已经大部分是AI创作的了。只有超过双位数的渗透率，AI文字内容才真正进入人类宏观社会活动。但到达这个程度，又不只是看单个内容的质量的绝对水平是否比之前的高了，而是宏观价值规律开始发挥作用。对消费者而言，如果一个平台都是AI写的文章，为什么我要花时间去看呢；平台为了维护真人创作者的利益，会打压AI内容，供给量很大，消费量被控制在一个很小的比例，而且能分享的收入更低；AI内容与AI内容之间竞争加剧，导致单篇AI文字内容的消费量和收入远低于平均水平。

我相信还没完，后面还有阶段十一、十二、十三……

不同阶段在大模型厂商和应用团队之间来回震荡，兴兴衰衰。

贝索斯提醒我们，要问什么会不变。

1、对模型厂商而言，反复证明了技术是有头部效应的。大模型的厂商们的每一次的兴起都是找到某个scaling law的新的范式；而每一次往应用端移动，都是因为垂类模型被更新的通用模型吃掉。模型厂商只能做头部的几个，没有一个中小厂商能穿越周期。

之所以垂类模型会被头部通用模型吃掉，说明了AI还是遵循规模定律scaling law而不是边际效益递减规律law of diminishing marginal return. AI还在快速增长期，留给垂类模型变现的时间窗口越来越短，投入的模型研发的ROI是很难打正的，市场买单价格也涨不上去，没法bootstrapping。

这跟新药研发不一样。新药研发虽然成本也很高，但是一旦研发出来后，通过专利保护可以享受8-12年商业独占期，而且新药价格能卖很高，单个成功药物的生命周期累计利润通常可达10–50亿美元。所以新药研发的ROI是可以循环打正的。没有一个垂类大模型，能享有上亿美金的利润——能有千万美金的收入就不错了。

2、成功的应用公司需要一直推出新产品，但上一代产品的用户积累和技术积累，在新一代产品中并没啥用。比如liblib积累的创作者，等到推出lovart产品时还得重新获客；Monica的客户，也不能直接迁移到Manus。积累的技术栈，也没有太大的关系。看起来，应用层做上一代产品的意义，就是让创始团队能保持技术敏锐和市场敏锐，泡在水里与气候同频。这就导致了应用层的新陈代谢更残酷。很多增长的用户DAU，甚至创作者群体数量，实际上并不能真正积累下来。

3、技术能力和应用渗透率提高到一定水平，人类作为集体社会性动物的特点就要开始呈现了。需要借鉴人类历史、社会和宏观价值规律。

技术和权力并不总是直线发展的，而是有反复的。技术进步了，掌握技术者的力量就增强了。但是社会里还有其他力量来制衡，比如占据流量分配权力的平台、占据现实世界社会规则制定权力的社会阶层、使用技术的人、消费技术的用户等都是stakeholders。

世界上的每一个人都希望找到自己的定位，怎么从技术的发展中获益。要么是使用技术的人先建立比较优势，要么消费技术的用户先享受世界。如果只有极少数人能在一项技术中获益，那么这项技术一定会面临来自四面八方的攻击，无法团结一切可以团结的力量。

假设核武器掌握在希特勒手里，希特勒利用这个力量还控制了整个纳粹德国成体系的力量，那不是天下无敌？这些人的力量就会极大增强，但也会因此怀璧其罪。届时，反对他的人不只是纳粹德国的敌人，可能纳粹德国的中层也会有一大批人反对他。技术虽厉害，没法保证这个技术的benefit就归属于开发这项技术的人。

而现实世界制定社会规则的人，拥有国家暴力、民众基础的人，在产出的分配上有更强的话语权。流量平台实际上就是制定线上规则的人，今天中国互联网创作者有上亿，是不是大部分收入都被平台拿走了。

过去是学者名人跟国家成建制的体系合谋，今天是创作者和平台合谋。是否每个社会都想要让技术的benefit归属于开发这个技术的人？不一定的。对技术突破有期待的社会才有动力解决这个问题，可以通过专利制度、知识产权保护制度来给发明人分配利益进行保护，并依靠司法机关的力量打击侵权。这就叫做通过成建制的体系和学者合谋。过去的媒体也是金字塔式的，CCTV是最大DAU的媒体，学者从地方台一路走到CCTV金字塔顶端，成为官方认证的名人，就跟科举似的。这个合谋的过程，技术给社会提供什么价值？是让社会总体价值增加的还是耗散的，是让社会熵增的还是促进社会熵减的？这个问题不需要由技术开发人来回答，但是技术开发人应当对社会其他人会怎么回答这个问题有所感知。

视频模型，现在大概走到第二到三阶段之间。阶段一从2023年animateDiff开始，到2024年SORA和可灵出来；阶段二是大家都各自练模型（可灵、即梦、爱诗、PIKA、VIDU、Sand.AI）；阶段三是一些中型模型厂商开始掉队，厉害的还是得是大厂（Sora2, Veo3）。如果是阶段二到三，还只相当于LLM的2023年，下一步就是进入“应用兴起”的阶段四，很多人觉得已经可以用了开始执行复杂应用任务了，就开始开发各种应用。经过一段时间后会发现好像模型能力还不行，还得再调一调、训一训，但是最终被构建了场景并等待更强大的基模出现的产品超过（阶段五）。