1信scaling law的人赢了过去几年，决定AI赛道参与者命运的最重要变量，是scaling law。存在scaling law和不存在scaling law，是两个完全不同的世界。信它的人和不信它的人，行动完全不同，收益也完全不同。scaling law可以简单理解为：人工智能的智力水平，与训练和运行模型所投入的资源（算力、数据、时间）的对数成可预测的正相关。两个关键点：投入呈指数级上升，智力“可预测”地提升。“可预测”这件事尤其重要——Sam Altman、Dario等人最近表达的许多观点，都暗含“我几年前就大概预测到了”的意思。那么scaling law撞墙了吗？怎么判断？第一，听能直接看到真相的人。 Frontier Lab的CEO和顶尖研究员们反复表示：scaling law仍在持续。Dario曾指出，公众总是过几个月就觉得AI撞了天花板，或者为某个新突破兴奋不已，但背后AI的能力一直在平稳而坚定地增长。第二，看领先模型的等效算力投入。 如果scaling law撞墙了，等效算力投入就不会再指数级增长。但实际情况是，这条线还在直线往上走，o1模型出来后甚至出现了一个小小的加速拐点。还有一个有趣的观察维度：AI的进步速度，大约相当于儿童智力增长速度的三倍——AI一年，人间三年。2019年GPT-2像学龄前儿童，2020年像小学生，2023年是聪明的高中生，2025年下半年突然像一个博士生。按此推演，2030年我们会得到什么样的智能？韩光坦言，一两年前他也觉得Dario、Sam Altman、Demis等人在吹牛，因为他们描述的是科幻世界。但现在再看，他们不是在吹牛，是在描述一个fact。2今天工业化的是人类智力本身1769年，瓦特改良蒸汽机。在此之前，全球商品里沉淀的机械能主要来自人力和畜力，在此之后，大部分由机器提供。人类花了两百年，让人力与畜力从供给98%的机械能，变成今天的不到1%。如果这一次是一场计算革命，会发生什么？我们现在的认知活动，大部分仍由人脑提供。如果这场革命成立，未来通过人脑进行的一般意义上的认知活动将被压缩，由神经网络或其他结构来提供。工业革命商品化、工业化了机械能；这一次，我们有可能商品化、工业化一般意义上的人类认知，或者说智力本身。这可能是有史以来最快的浪潮。Apple和微软花了二十年，才把收入做到一两百亿美金；移动互联网快很多，二十年做到一两千亿；而两家异军突起的AI公司，只用了三四年，就做到几百亿甚至向千亿美金的年化收入迈进——这是人类商业史上从未见过的速度。不是快一点，是快了一个量级。3全球只有1.2%的人为AI付费那这个市场有多大？韩光给了一组让人清醒的数据：全球83亿人中，68%还没用过AI；付费用户只占1.2%；编程用户只占0.3%。但这0.3%用得极其猛——一个编程用户的token用量是免费用户的300倍、付费用户的10倍，而且还在持续上涨。过去两年，从chatbot到agent，单任务的token消耗量涨了1000倍。这两组数字放在一起看，结论很明确：行业还处于极早期，但需求端已经炸开了。1.2%的付费渗透率意味着绝大多数人还没入场，而0.3%的编程用户已经用出了300倍用量——一旦更多人开始用，增长曲线会怎样？韩光还做了一个市场测算：全球110万亿美金GDP中，约60万亿是工资，假设AI能替代50%-80%，机器价格打个折扣，大约10万亿美金规模。目前才吃掉800亿，非常小的一块。但他紧接着说——这个算法很可能严重低估了真实市场。为什么？回到蒸汽机的类比：1700年全球功率10吉瓦，两百年后500吉瓦，涨了50倍。织布机发明出来，它创造的市场绝不只是替代掉的那点手工织布——它极大地扩展了市场。韩光说："我们所有用'替代'算出来的数字，很可能都被自己的想象力限制住了。"韩光提出，我们要为智能搭建一个新世界，包含两个层面：第一层，促进智能的产生，将撞上能源和硬件的物理墙。三到四年后，AI行业的算力需求会达到美国平均发电量的50%。需要电力、芯片、存储、液冷等全线供给。第二层，给agent搭一个世界。现有的身份系统、支付系统、安全协议都是给人用的。Agent将来可能会有自己的通信协议、身份验证、支付工具，甚至有一天形成自己的经济循环。4从贩卖注意力到贩卖智力商品黄仁勋将AI产业比作一个五层蛋糕：能源、芯片、基础设施、模型、应用。过去三年新创企业正在迅速填满这个蛋糕，而蛋糕仍然巨大。但韩光强调，这是两种不同的革命。这代人没有真正经历过生产力革命，经历的都是通信革命。通信革命加速信息的流通和分发效率；而智能生产力革命产生了新的智力商品，把“智力”从珍贵、稀少、手工的状态变成工业化的。需要戴上不同的眼镜去审视。通信时代，贩卖的是注意力。亿万富翁和普通白领的注意力大体等价——Attention is more or less equal。商业模式是卖广告、卖抽成，让用户多停留。但今天，Tokens are not equal：有像钻石一样值钱的token，也有像水一样不值钱的token；有高毛利的，有黏性强的，也有用完就走的。判断标准随之改变：通信时代看DAU、看时长、看留存；现在要看token的量，将来要看token的“价值密度”。过去用to C、to B划分公司的习惯也在失效。边界正在模糊，一个新的提问方式正在流行：“我是一家to human的公司，还是一家to agent的公司？”5模型公司如此强大，应用公司怎么办？对创业者，韩光的建议很具体。第一，AI capabilities几乎垂直上涨，现实世界的adoption相对滞后。这个gap就是应用公司的机会——谁快谁先拿住。第二，好产品会说话。一个两岁多的孩子都知道把四个手指伸进马克杯的杯柄——好产品不需要解释。第三，last mile is important。模型公司会吃掉一些垂直领域，但不会吃掉所有。在几十万亿的市场里，总有一些垂直能做到intelligence works、workflow acts。深耕一个场景做到极致，再考虑横向扩展。第四，护城河的建立没有标准答案。发展太快，一切都在移动。但从用户角度思考可能更重要：如何嵌入用户的业务流？domain knowledge如何获得？组织的学习速度可能比以往更重要。第五，be imaginative。19世纪末刚有电的时候，人们只能想到电灯泡和电话，谁能想到接下来一百年是各种电器的世界？今天我们能想到chatbot和coding agent，谁能保证五十年后不是一个充斥着各种智能应用的时代？对CEO的建议更直接：提前规划适配AI的组织架构和工作流程，不要等AI能力到位了才发现组织还没准备好。企业划分标准正在从to C/to B转向to human/to agent——你的客户到底是人还是AI agent？这个判断会深刻影响产品设计和商业模式。源码资本的投资方向也由此展开：智力本身是这一轮最大的赢家之一；硬件因为指数级投入与线性增长之间的矛盾，可能是近期最重要的主题；紧随其后是为智能搭建基础设施；最后是应用——这不是几年的事，而是十年二十年的事。而那些用好智能、将高价值智力解决方案提供给用户的天才产品经理将成为这个时代最稀缺的人才。6船已经开了，你是跳上去还是看着它走掉？今年三月，韩光团队去硅谷考察，几个关键词带来了强烈的体感震动。“三个月太久了。” 当被问及年底会发生什么，一线researcher反问：到年底还有九个月，这么长时间会发生太多事，我怎么知道？在前沿实验室里，人们已经不讨论四个月以后的事。“许愿。” 另一位研究员描述自己的工作方式：每天上班就许三个愿望，“AI啊，今天帮我实现这三个愿望吧”，然后AI当天就帮他实现了。“两小时后拿结果。” 一位researcher说他的老板布置工作时用词已经变了：“this is very promising, I want to see results in two hours”——不是等你做完，也不是明天。这些变化折射出一个根本问题：组织的血液流通速度、迭代速度的基准线，到底在哪里？韩光给AI时代的个体提出了四个关键词：dive in——别站在岸边看，跳下去；unlearn——忘掉以前的判断标准和熟悉的工具，从事实出发；be open——在这个时代所有人都是初学者；enjoy——这是一个物质丰饶、充满新玩意儿的时代。他也抛出一个自省式的问题：今天你亲自玩电脑了吗？遇到问题，第一反应是找AI，还是找人？更重要的是，要准备好迎接与agent共存的新世界。Agent能完成的任务长度，每四个月翻一倍。两年前chatbot和tab补全时期，人与agent的比例是1:1；现在有的人一个人带着10个agent上班；再过一段时间，也许10个agent中有一个能被提升为“CEO”替你管团队，你就拥有了一家agent的公司；最终，甚至一个agent都不用管，它们自动运行，形成一个“黑灯工厂”——数据中心里的劳动力。韩光向CEO们提出了一组值得深思的问题：如果三年后每个员工都带着5到10个agent，你的组织架构还成立吗？公司里哪些岗位本质上只是在搬运信息、推进流程？如果初级工作都被智能做了，你的senior又怎么培养？如果执行的门槛极大降低了，你的护城河是什么？时代的大船，三年前就已经开了。这是一个fact。站在旧大陆上看着船走掉，还是跳上去——选择权，在每个人自己手里。————本文根据源码资本韩光在2026码荟的分享内容精编，有删减。图源 | 源码资本、AI 看 AI 如何 创造一个有趣的世界……
点击蓝字，关注我们
基本文件流程错误SQL调试
请求信息 : 2026-06-10 12:56:47 HTTP/1.1 GET : https://www.yeyulingfeng.com/a/731096.html
夜雨聆风
