AI创业与投资的下一个出手方向:从RSI、垂直模型到AI员工资产

      当前资本市场从“很清晰要投什么”变成“不知道下一个该出手什么”：大模型投不起，格局又似乎初定；投应用和Agent，又容易变成大模型公司的“养料”。很多人因此迷茫。核心问题不是追热点，而是看清范式转移中的卡位点。

一、对WorkBuddy的判断：阶段性产物，关键看模型能力

      我对WorkBuddy整体偏悲观。它和去年的扣子有点像，可能是阶段性产物。今天的WorkBuddy，可能就像去年的扣子——不是没人用，而是不再是宠儿。

      WorkBuddy最大的价值，是做了AI员工生态，让所有人都能用AI员工；相比扣子，它更简单、更容易上手。但看终局，如果腾讯的模型能力上不来，WorkBuddy大概率也会像扣子一样被淹没。这个判断基于过去三四年的从业观察，我比较坚信。

      短期看，WorkBuddy企业版是重要机会：企业需要AI员工底座。员工离职时，他用的AI员工、skill和AI资产会被带走，无法形成公司资产平移。未来一年，如何让这些AI资产零摩擦留在公司，会是很多人抢的方向。字节的豆包工作伙伴已经在这个方向打响第一枪，给AI发工牌、独立账号、组织身份、权限分级；阿里也把QoderWork、悟空、MuleRun整合为千问办公。办公是仅次于coding的token消耗场景，但To C付费目前还不是很work。

二、看好的三个大方向

1. 通用模型下一范式：RSI（递归自我改进）

很多人说通用模型没机会，但我认为下一阶段范式在RSI（Recursive Self-Improvement，递归自我改进）方向。田渊栋联合创立的 Recursive Superintelligence（RSI） 已融资6.5亿美元，估值46.5亿美元，目标就是让AI接手AI研究，形成递归自我改进的闭环。核心逻辑是：现在主流AI还处于“跟人对齐”阶段，人仍是模型瓶颈；RSI要让AI自己提出问题、设计实验、验证迭代，让人不再成为模型的瓶颈。

   RSI不等同于“超级智能”。Recursive Superintelligence的名字里虽然有“Superintelligence”，但其技术核心是递归自我改进，而不是一步到位的超级智能。国内RSI赛道也在快速起来：陈勇超创立的超衍智能聚焦RSI，累计融资近4亿元；陈恺的超进化智能完成数亿元天使轮；刘子鸣的元环智能同样押注RSI方向。

    需要澄清一个常见误传：杨立昆并不在专注RSI，恰恰相反，他公开反对RSI路线，主张分层世界模型和JEPA，认为AI应先学会正确表示世界，再谈自我改进。姚期智团队在可解释性与自我进化方向有布局，但不宜简单等同于“推RSI”。RSI会越来越火，但它是方向之一，不是唯一路线。

2. 垂直AI/产业AI模型：明年会大量出现

    明年会有大量产业AI模型出现。医疗是第一大赛道，其次是金融、工业。未来每家公司必须有自己的模型，否则商业模式不成立；如果只做智能体，大概率会成母公司的养料。

      现在像2000年做网站：今天做垂直模型，坚持三年，大概率能卡到头部位置。垂直模型参数比通用大模型小，单位token成本大概率更低；模型终局拼的是谁能把解决问题的成本压到最低。梁文锋团队研究芯片和模型架构，核心也是降成本。

      模型公司内部，真正训练占比并不高：约5%—10%精力在数据，20%—30%在benchmark，10%—20%在训练。未来两年训练门槛会降得非常低。蒸馏是提升模型能力最快的方式，没有捷径。

3. 具身智能：门槛高，等2.0时刻

     具身智能现在处于1.0时代，类似2012—2013年的AI阶段。只有出现具身智能的“ChatGPT时刻”，才会进入2.0时代，全民机会才会来，大概在2030年左右。除非你已经在1.0时代卡上位，否则不建议现在重投入。

三、应用创业：别再做通用Agent

     今天发生了一个大范式转移：当你需要软件时，第一反应不再是去市场买，而是让AI自己搞一个。因为过去做软件成本极高，今天几乎为零。结果就是SaaS公司、软件公司99%会消失。很多软件公司老板还沾沾自喜，觉得自己开掉很多人、只留几个人，但最后可能把自己也开掉。FDE短期还可能有订单，到明年可能也没有了。

应用公司未来只有两条路：

1. 交付结果：别人1万元能干的事，你1000元搞定。但边际成本高，一个人一个月可能做5—10单就到顶。

2. 卖AI员工：必须找数据壁垒足够高、市场规模不太大、大厂又看不上的事情，并且有自己的数据接口或行业资源。像医院数据壁垒高、市场规模还可以、大厂看不上，就值得做。

3.做应用要形成数据飞轮：收集用户意图的数据要最快，模型要在行业前三，才能有足够多人用、收到高质量数据。AI员工可以阶段性依赖大模型，但终局绝不能依赖大模型。不要做通用Agent，要做垂直细分赛道模型。

4.我也不看好“智能体网络”：做好一个智能体，为什么要上网让所有人免费用？一旦给出去就可能被复制。AI是生产力革命，不是生产关系革命；能用一个智能体搞定，就不需要搞多个网络。除非你是大厂，否则不要把精力花在AI社交、AI网络上。

四、其他机会与避坑

1.企业AI员工资产治理：未来一年重要机会，解决员工离职后skill和AI资产留在公司的问题。

2.GEO（生成式引擎优化） ：这是猫捉老鼠的游戏，大模型再强也有优化空间。做好GEO的关键不是只研究SEO，而是研究benchmark；做好benchmark的人处在GEO食物链顶层。GEO按效果付费，需求一直在，能赚钱，但资本化、上市有难度。FDE和GEO类岗位未来在AI公司会长期存在。

3.出海：做To C且执行力强，可以把WorkBuddy等好用的AI产品搬到海外卖，卷国外比卷国内好。

不建议的方向：

· 短剧：98%的人不赚钱，除非你是导演或做模型，普通人没机会。

· 法律：律所内部消化，难市场化。

· 智能家居：小米等已经做得很好，机会少。

· 农业垂模：最终付钱的只有头部十几二十家农业公司，需要农业部资源。

· 人形机器人进工厂：工厂线机器人已成熟，不是刚需；机器狗在工业检测、巡检有场景。

· 游戏AI硬件：有机会，但基本属于头部游戏公司。

· 文化：太个性化、场景分散，训练成本高；做精品、非遗、3D裸眼等细分还有机会。

五、关于ChatGPT新版爆料

按当时爆料，ChatGPT新版有四个变化：

1. 知识库能力：可链接外部应用，如网盘、微软365数据套件；支持个性化角色设定，可分享、可设置权限。

2. Magic角色：类似自定义角色，指定它做什么，可约束、可分享，像公开提示工程。

3. 人人可定义AI Agent：可设置名字、描述、规则、欢迎消息、开场白，上传知识库，添加actions/API能力，支持web browsing、图像生成、代码解释器等，未来可打通本地数据库。

4. Team团队订阅：不限量、速度更快，提供32K上下文窗口的GPT-4；团队内可分享对话模板，会话记录不用于训练；月付30美元/人，年付25美元/人，团队不少于3人。

这会冲击做Agent和应用的公司，也会带来新机会。

结论

窗口期不会太长，要往深水区走：通用模型看RSI（递归自我改进） ，但要知道它不是唯一路线；产业看垂直模型；应用要么交付结果、要么卖AI员工，并尽快形成数据飞轮。训练门槛会快速下降，蒸馏是最快提升能力的方式；数据和benchmark是长期竞争力。不要停留在通用Agent和普通软件外包上，尽早卡位垂直模型、AI员工资产治理和出海等方向。