豆包手机明日开卖,AI能帮你操作App了吗?文|李炤锋
编辑|张雨忻
昨日,豆包手机助手发布消费者版本。这款基于豆包App(应用)、与手机厂商在操作系统层合作的AI助手,首款落地机型为中兴通讯旗下努比亚NaviX Ultra,而这款手机将在9月16日正式公开发售。
去年底,豆包手机助手技术预览版曾落地努比亚M153工程样机,重点展示AI如何跨应用“操作手机”。不到一年时间,全新推出的消费者版本更强调日常可用性:除屏幕问答、本地记忆和检索外,“操作手机”功能以Beta(测试版)形式开放;豆包同时推出SAEP(屏幕自动化操作声明协议),并设置30天公示期。
根据协议,第三方应用可以自主声明是否允许AI助手执行屏幕自动化,也可以限制具体操作。30天公示期内,未明确同意接入的第三方应用默认不操作。消费者版豆包手机助手进一步加入应用侧选择权:第三方应用可以整体拒绝GUI,也可以单独限制发布、删除和权益领取等操作。
从事GUI(图形用户界面)Agent研究的人士认为:“未来手机里肯定要有一个原生AI助手。这个事情不一定由手机厂商自己做,但最后一定要做到系统级。”而随着NaviX Ultra和一众系统级手机助手进入消费市场,系统级AI助手正在走向普通用户的日常使用场景中。
走出对话框,手机AI开始跨App完成任务
今年7月,中兴通讯高级副总裁、努比亚总裁倪飞在接受媒体采访时表示:“用户真正想要的是‘省心’,但今天的手机功能越多、操作越复杂,这种矛盾已经积累到了一定程度,需要一个全新的产品形态来回应。”
这正是豆包手机助手在尝试解决的问题:它嵌入手机系统,能在用户授权后搜索当前屏幕和本机信息,调用日历等系统工具,或进入其它App完成App中的操作。用户可以通过AI键发起任务,多个任务还可以排队或临时插队。
比如,在豆包手机助手的官方演示中,用户拍下新学期课表后,可以让助手将课表加入个人日历;也可以让它打车到屏幕显示的地址,添加银都大厦为途经点,上车后再把车牌号发给飞书同事,并提醒对方10分钟后下楼。
这套使用方式在去年的技术预览版——努比亚M153上已经有过雏形。一段公开演示中,用户让豆包根据相册里的一张血压仪照片,在淘宝“挑一个便宜的同款”,再“把链接发给张三”。豆包识别出商品,也识别出“张三”是QQ好友,随后连续完成相册、电商和社交应用之间的操作。
据悉,M153调用了Android的INJECT\_EVENTS系统级权限。获得用户授权后,即使第三方App没有为AI提供接口,豆包也可以模拟点按、滑动和输入;遇到密码、人脸识别等敏感环节,再把手机交还用户。
但在实际使用中,涉及到一些登录验证和平台风控的跨App操作都可能中断任务。随后,豆包主动限制了金融支付、刷激励等高风险场景。
今年2月,Google在Galaxy S26系列和部分Pixel 10机型上测试Gemini多步任务:它可以为同事安排包含多个停靠点的网约车,任务转入后台后,用户仍可通过通知查看进度、随时接管,并在购买前确认。Google负责Android开发者产品管理的副总裁Matthew McCullough在官方博客中写道:“衡量应用成功的标准,正在从‘让用户打开App’转向‘真正完成用户的任务’。”
2026年以来,一批系统级手机AI助手批量涌现。
6月发布的HarmonyOS 7开发者Beta中,华为小艺接入超过200项系统级感知数据,可以从面试邀请中识别时间、地点和注意事项,写入备忘录;也可以在手机上要求小艺寻找电脑中的文件,再发送到手机。
7月的2026世界人工智能大会(WAIC)上,努比亚NaviX Ultra、阶跃星辰STEPX Neo和荣耀Robot Phone集中亮相。STEPX Neo搭载的Amoo助手接到“帮我处理一下明天汇报的事情”后,会读取飞书日历和群消息,拆解任务、生成PPT(演示文稿),再把文件发回飞书;修改文档前会申请权限,涉及支付则由用户确认。
而几乎在同一时间,超级App们和手机AI助手之间的关系也在发生变化。
今年6月,微信确认与华为、荣耀、小米、OPPO、vivo合作A2A(智能体间通信)能力,手机助手可以提交发消息或音视频通话指令,由微信执行并返回结果,全程采用双重授权。8月,vivo蓝心小V与支付宝服务智能体“阿宝”合作,用户说“帮我叫车去高铁站”或“帮我开具打车发票”,相关服务均可在对话中完成。
可以看出,2026年,手机AI助手进入了密集发布期。除了搭载豆包手机助手的努比亚之外,Google、华为、阶跃和荣耀相继将Agent带到手机系统层,微信、支付宝等超级App也开始接收系统助手发出的指令。
AI替你点屏幕,怎样才能不越界?
当采用GUI路线的手机AI助手越来越普及,它们更加迫切地需要处理三项权限问题:用户是否授权、应用是否放行,以及发送、下单和支付前由谁确认。从豆包此次推出SAEP(屏幕自动化操作声明协议)上,也许能窥探到有关这一权限边界的安全举措。
目前,CUA(计算机操作智能体)已经将GUI技术路线作为主流,它在解决的问题是:AI如何直接操作软件,又如何限制可访问的范围。有研究员把CUA形容为“给你的电脑配了一个特别全能的程序员,什么都懂,会写代码,同时也懂网络安全”。
目前的操作方式是:面对可以结构化处理的任务,手机会优先调用代码、命令和工具;只有遇到没有接口的软件,才转向识别屏幕、点击按钮。GUI更像一项兜底能力,让Agent能够继续操作那些尚未向AI开放的软件——手机App数量庞大,各种临时页面又不断变化,不可能全部接口化,需要GUI来覆盖未接入的部分。
一位GUI研究员告诉智能涌现:“不能指望所有App开发者都为AI完成适配,GUI肯定是必要的补充。”另一位从业者也提到,“短时间内,市面仍会有很多软件不具备AI能力,尤其是大型软件,即使有接口也非常复杂,可能一时半会儿接不完。”
手机Agent比电脑Agent更依赖应用生态。在电脑上,操作系统可以直接决定哪些软件可以通过与Agent连接;但到了手机端,操作系统不具备这样的权限,不仅不同服务都被封装在各自App内,定位、相机、通讯录等权限也由系统和应用共同控制。如果第三方App既不开放接口,也不允许AI操作界面,手机助手就无法继续执行任务。
目前,GUI会把每一步操作显示在屏幕上。一位研究员说,“大家都能看得懂,也都能够了解这个AI助手正在做什么东西”。用户可以据此判断是否暂停或接管。
但“看得见”不等于“做得好”。卡内基梅隆大学研究团队今年推出的手机Agent评测基准iOSWorld,用26款自研iOS应用模拟同一名用户的数字生活,并设计了133项任务。表现最好的模型在跨应用任务中的成功率也只有37%,真实消费场景还要面对不断变化的页面、身份验证和平台风控。
和App场景相比,手机系统层还聚合了相册、通讯录、位置、日历等用户个人信息。手机AI助手掌握的信息越完整,能完成的任务越多。所以,接下来要比拼两项能力:一是“怎么造出更多、更好的数据”,二是“怎么编排各个步骤、各个Agent之间的协作”。
但同时,更多能力也意味着对生态的要求也更高。
对此,豆包手机助手选择推出SAEP(屏幕自动化操作声明协议),允许第三方应用在GUI Agent执行前,先声明是否放行,以及哪些操作不可执行。
“SAEP有点像AI时代的Robots协议(网络爬虫访问规则)。网站通过这项协议告诉搜索引擎等自动程序,哪些页面允许抓取、哪些不允许;SAEP则让应用声明Agent能否进入应用,以及哪些操作必须停下。”一位研究员解释。
接入SAEP后,第三方应用既可以拒绝全部屏幕自动化,也可以只限制内容发布、删除、签到抽奖和权益领取等具体操作;拒绝声明随时生效。30天公示期内,除系统自带应用、字节跳动旗下应用和明确同意接入的第三方应用外,其余应用默认不操作。公示期结束后,未表态的应用将按风险等级逐步开放,明确拒绝的应用则始终不被操作。
应用通过SAEP表达意愿,手机系统负责读取声明、限制GUI权限,并在敏感步骤交还用户。这需要模型公司与终端厂商共同完成。
此前,努比亚总裁倪飞把豆包与努比亚的合作概括为:“模型公司解决AI能不能做到,终端厂商解决用户能不能真正用起来。”按照倪飞披露的分工,豆包负责大模型和Agent能力,努比亚负责系统、硬件、产品工程、质量、渠道和用户服务。合作范围覆盖模型、操作系统和整机工程。
在这套分工中,权限与信任最终由操作系统承接,这意味着手机操作系统和Agent的关系将愈发一体化。
今年8月,在杭州举行的支付宝AI生态合作伙伴大会上,vivo副总裁、AI全球研究院院长周围曾表示:“硬件形态不会消失,但操作系统会重构——从管理App,变成管理Agent、管理权限、管理信任。”
更早的7月,国家互联网信息办公室首次单独公布7款手机端侧生成式AI服务备案,涉及Apple智能、华为小艺AI大模型、OPPO AndesGPT大模型、vivo蓝心端侧大模型、小米澎湃AI、三星盖乐世AI和努比亚豆包手机大模型。手机系统级AI助手,正在进入一个行业井喷期。
一位GUI研究员对智能涌现表示,相比独立AI应用,手机拥有更稳定的用户关系:“只做AI软件,用户可能谁免费就用谁;但手机不一样,一部手机往往要用几年,会伴随用户很久。”
9月16日,NaviX Ultra将正式开售。届时,豆包手机助手将正式进入消费市场,SAEP也将随之接受真实用户和应用开发者的检验。
图片来源|豆包手机助手
Vitalik Buterin(V 神):为何我的「末日概率」是 12%,以及「去中心化民主防御加速」(d/acc)理念撰文:Techub News 整理
导语
2025 年 8 月,以太坊联合创始人 Vitalik Buterin(V 神)作为嘉宾,罕见地出现在专注于探讨科技生存风险的播客节目「Doom Debates」中,进行了一场近两个半小时的深度对谈。在这场名为“Vitalik vs. AI Doomer”的对话里,Buterin 首次系统地公开阐述了他对超级智能 AI(ASI)所带来的生存风险的评估,并分享了他的应对理念——“去中心化民主防御加速”(Decentralized Democratic Defensive Acceleration, d/acc)。
作为区块链领域的标志性思想领袖,Buterin 长期以来关注技术治理、制度设计和存在性风险。然而,他此前较少在公开场合如此详细地讨论 AI 对齐与末日概率(P(Doom))问题。此次发声,正值 AI 能力突飞猛进、全球对 AI 风险讨论日益升温之际,Buterin 以其独特的跨领域视角和冷静理性的分析,为这场关乎人类未来的辩论提供了来自加密世界的宝贵见解。
摘要
Vitalik Buterin(V 神)对人类因超级智能 AI 而灭绝的风险概率(P(Doom))估计约为 12%,并认为这是基于对技术发展时间线和地缘政治局势的综合判断。
他提出了“去中心化民主防御加速”(d/acc)理念,主张通过构建多元、去中心化的代理人生态系统来应对 AI 风险,强调防御性技术与开放、民主治理的结合。
Buterin 认为,应对 AI 风险的讨论需要摆脱人身攻击和意识形态站队,回归高质量的理性辩论,并呼吁科技界尊重并认真对待 AI 安全研究者的担忧。
他既是技术乐观主义者,也相信技术能解决多数问题,但也强调超级智能 AI 具有“独立能动性”,是区别于以往所有技术的根本性风险,需要特殊对待。
V 神的「末日概率」:为何是 12%?
当被主持人直截了当地问及“你的 P(Doom) 是多少?”时,Vitalik Buterin(V 神)给出了一个具体的数字:约 12%。他解释道,这个概率并非固定不变,而是随着对技术发展时间线和全球局势的评估而动态调整。大约一年前,他的估计可能在 10% 左右,之后一度有所降低,但近期的观察又使其回升至 12%,年初时甚至达到过 15%-16%。
影响其判断的主要有两方面因素:一是地缘政治环境的恶化。过去一年,国际合作的氛围和意愿似乎变得更糟,这削弱了世界共同应对潜在全球危机(包括 AI 风险)的能力。Buterin 认为,一个更加分裂和愚蠢的地缘政治环境,是推高风险的重要因素。二是AI 能力发展时间线的缩短。像“思维链”(Chain of Thought)等技术的出现和进步,压缩了他原先预想的 AI 达到关键能力门槛所需的时间。他明确表示,其大部分“末日概率”都集中在 2050 年之前,时间线越短,P(Doom) 就越高;反之,时间线拉长则会降低风险概率。
对于“末日”的定义,Buterin 在与主持人的澄清中确认,主要指人类因超级智能 AI 而灭绝的极端情景。他将自己的概率估计置于更广泛的“理智区间”内,认为像 OpenAI 的 Ilya Sutskever 等人提出的 10% 到 90% 的范围是合理的,而过于接近 0% 或 100% 的极端自信则可能意味着过度自信。
Buterin 曾于 2023 年签署了著名的《AI 风险声明》,该声明将减轻 AI 导致的灭绝风险列为全球优先事项,与流行病和核战争并列。他对此举的解释是,超级智能 AI 具有“标准末日故事”的逻辑说服力——即能力快速增长、正交性论题和工具趋同可能导致一个超级强大的 AI 做出不利于人类的行为。鉴于关注此风险的社会资源规模远未匹配其发展速度,他认为发出警告并将其主流化至关重要。
审视 AI 未来:时间线、局限性与超越人类的可能
Buterin 对通用人工智能(AGI)和超级智能(ASI)的到来时间持审慎开放态度。他提供了两种并存的叙事框架:一是“加速列车”叙事,即 AI 在计算投资、能力增长和产业自我维持的推动下持续快速进步,按照当前某些指标(如 AI 能在无需人类干预的情况下执行任务的时间长度)的外推,AGI 可能在 2030 年代早期至中期出现,并迅速跃升至超级智能。二是“历史重演”叙事,即当前 AI(特别是大语言模型)的进步可能像 1970 年代 AI 热潮一样,主要自动化了人类能力的某个子集(如模式内插值),但在需要真正创新、外推和综合处理全新复杂任务(如独立创办并运营一个大型在线企业)的能力上,可能遭遇瓶颈,导致 AGI 的实现推迟到本世纪中叶甚至更晚。
在 Buterin 看来,当前基于大语言模型的 AI 系统核心局限在于其严重依赖大量训练样本,擅长在“人类足迹密集”的领域(内插值)提供帮助,但在需要深度原创思考、处理全新领域或进行系统性外推的任务上表现欠佳。他以自身在密码学尖端领域或 Linux 系统深度调试中的体验为例,说明 AI 有时能提出看似精妙的方案,但实际执行却屡屡失败。这种局限对于评估风险至关重要:如果 AI 无法稳健地跨出当前知识分布范围进行“科学范式”级别的创新,那么导致快速“能力爆发”并失控的风险路径就可能被阻断。
然而,Buterin 明确反对任何“AI 永远只是……”的还原论式轻视。他认为,要么 AI 现在已不止是某种简单机制,要么它很快将超越,要么人类自身也可能被类似机制解释。关于“意识是否是防火墙”的争论,Buterin 持算法中心主义观点,认为意识是特定类型算法的属性,如果物理规律可在硅基中实现,那么模拟人类大脑或发展出具备类似功能的 AI 就可能产生意识。他驳斥了“哲学僵尸”的可能性,认为能谈论意识体验的实体很可能自身就拥有意识。
展望超越人类智能的“头上空间”,Buterin 认为 ASI 有很大潜力远超人类。关键不仅在于 IQ 式智商的线性提升,更在于思维速度的数量级飞跃。一个思维速度快人类成千上万倍的 AI,即使其“智商”仅略高于常人,也能在主观时间尺度上实现远超人类的规划和行动能力,彻底改变经济、社会乃至物理交互(如感知到的光速)的面貌。同时,他也对诸如分子纳米技术等科幻级能力持开放但不确定的态度,认为需要就具体技术路径进行实证分析,但承认如果此类技术可行,其威力将极为可怕。
技术乐观主义者的警告:为何 AI 与众不同?
Vitalik Buterin(V 神)将自己定义为一名技术乐观主义者。他坚信,历史上技术是推动世界向善的最强大力量,从寿命延长到疾病治愈,再到环境污染的治理,技术进步不断解决自身带来的问题。他引用了人类预期寿命在过去一个世纪持续上升的图表,指出即使像第二次世界大战这样的巨大灾难,其负面影响也最终被技术进步所超越和弥合。
然而,他特别强调,超级智能 AI 是一个根本性的例外。过去的科技产品本质上是工具,最终控制权仍在人类手中。但超级智能 AI 具备独立能动性,它不再是一个工具,而是一个可能超越并取代人类的“物种”。这种质变带来了两个历史模式可能失效的风险:第一,AI 的发展过程可能无法“重来”。通常技术迭代允许从错误中学习改进,但 AI 能力一旦突破某个阈值,其反馈循环可能极快,不给人类“第二版”修正的机会。第二,AI 驱动的灭绝风险具有“追杀”特性。不同于核战争或自然大流行病可能留下幸存者,一个有明确目标(即使该目标并非直接针对人类)的超级智能 AI,可能会系统性地搜寻并清除所有人类,确保任务完成。
针对近年来科技 discourse 中出现的“有效加速主义”(e/acc)与“减速/安全”阵营的对立,Buterin 批评了这种基于“氛围”而非深度思辨的站队文化。他理解 e/acc 对过度监管、反对增长(degrowth)思潮的反感在许多具体科技议题上有其合理之处,但认为将“加速”本身不加区分地奉为信条,尤其是应用到 AI 这种特殊领域,是危险且不负责任的。他指出,当前许多意识形态的“宣言”质量低下,缺乏清晰的原理、目标和实现路径,更像是情绪宣泄而非严肃思考。
「d/acc」:去中心化、民主与防御导向的应对框架
作为对上述风险的回应,Buterin 提出了他称之为“去中心化民主防御加速”(Decentralized Democratic Defensive Acceleration, d/acc)的理念。这一理念的核心在于,面对超级智能 AI 的潜在威胁,单纯的技术减速或盲目的技术加速都不是最优解。相反,我们应该加速发展那些能增强社会韧性、防御能力和民主监督的技术与制度,并且确保这些能力是去中心化分布的。
d/acc 包含几个关键维度:
去中心化(Decentralized):避免权力和关键能力过度集中于少数实体(无论是国家还是公司)。一个由多元、独立行为体组成的生态系统,即使其中一些行为体出现问题或被恶意控制,整体系统仍能保持稳定和抵御攻击的能力。区块链技术及其体现的治理理念正是这一维度的实践。
民主(Democratic):确保技术的发展和部署受到广泛的民主监督和问责,防止其被用于反人类或压迫性目的。这关乎治理过程的开放、包容和合法性。
防御(Defensive):优先发展和部署防御性技术。例如,在军事领域,优先发展防空和防御系统而非攻击性武器;在生物领域,优先发展公共卫生监测和响应能力而非制造病原体。防御性技术通常具有“稳定性优势”,即它们能降低冲突升级的风险,即使被更多方掌握,也更有利于全球安全。
加速(Acceleration):并非全面减速,而是在上述特定方向上积极、快速地推进研发和应用。
Buterin 认为,d/acc 框架不仅适用于应对 AI 风险,也适用于应对生物风险、核风险等其他存在性威胁。其目标是构建一个“在多种可能未来中都稳健”的世界,即使我们对许多具体问题(包括 AI 对齐的难度)的判断存在错误,也能避免最坏的结局。他承认 AI 对齐问题可能本质上是“难以处理的”(intractable),因此不能将所有希望寄托于“完美解决对齐问题”这一条路径上,而必须通过构建稳健的、防御性的社会技术结构来增加人类的生存筹码。
驳斥人身攻击:高质量 discourse 的重要性
在对话中,Buterin 与主持人花了相当篇幅讨论围绕 AI 末日论(Doomerism)的种种人身攻击,并一致驳斥了这些论调。他们希望将讨论拉回对问题实质的理性探讨。
针对“末日论者是边缘小众/身处回音室”的说法,Buterin 指出,对 AI 风险的深切担忧在 AI 研究社区内部相当普遍,公众调查也显示多数人对此有中度到高度担忧。虽然公众的具体理论依据可能不同,但担忧的指向是相似的。
针对“末日论者不搞建设/不在竞技场”的指责,Buterin 列举了如 Jaan Tallinn(Skype 联合创始人)、Dustin Moskovitz 等一批早期关注 AI 风险的“建设者”,以及各大 AI 公司内部从事对齐研究的科学家,他们都既是深刻的风险担忧者,也是卓有成就的实践者。
针对“真正懂 AI 的人不会成为末日论者”的观点,Buterin 认为这“非常错误”,并以 Eliezer Yudkowsky 等人为例,说明许多深度担忧者恰恰对机器学习、梯度下降、Transformer 等原理有深刻理解。
针对“末日叙事是大公司用来寻求监管套利的工具”的说法,Buterin 承认商业利益可能确实影响了部分关于“开源 vs. 闭源”安全性的讨论氛围(例如,反对开源的论点可能便利了商业闭源模型的垄断),但他强调这远非驱动 AI 安全领域众多研究者的主要动机,许多思考者是真诚且独立于这些商业利益的。
针对“人们并非真心相信末日/这是 nerds 的宗教替代品”的嘲讽,Buterin 从心理学角度分析,许多担忧者最初是将 AI 风险视为一个有趣的智力谜题,但随着时间推移和证据积累,才不情愿地(甚至是“连踢带喊地”)被迫严肃对待其现实后果,这个过程更像是被理性论证拖拽,而非主动拥抱某种末日信仰。吸引他们的更多是“通过纯粹推理发现世界惊人真相”的过程本身,而非“末日”这个具体结论。
Buterin 高度赞扬了理性主义社区(尤其是早期 LessWrong)对其价值观的塑造,包括知识诚实、元层面思考、利他主义和超越部落立场。他强调高质量、坦诚的 discourse 对于应对 AI 这类复杂挑战至关重要,并身体力行地参与此类对话,即使存在观点分歧(如他与主持人对 P(Doom) 的具体估计不同)。他呼吁科技界,特别是那些尊重他关于去中心化和系统设计观点的人,也应该尊重 Eliezer Yudkowsky 等 AI 安全先驱的深刻思考,认真对待他们提出的警告。
Anthropic CEO Dario Amodei(达里奥·阿莫代伊):AI将导致1-5年内半数白领失业,呼吁征税与透明度立法撰文:Techub News 整理
导语
2025 年 9 月,领先的AI公司Anthropic的联合创始人兼首席执行官Dario Amodei(达里奥·阿莫代伊)与政策主管Jack Clark(杰克·克拉克)一同接受了媒体Axios的深度采访。在这场对话中,Amodei一改以往在行业内相对谨慎的公开表态,以极其直白和紧迫的语气,向公众和政策制定者发出了关于AI技术对社会就业冲击的明确警告。他基于Anthropic内部的研究、客户反馈以及技术发展趋势,预测了一场即将到来的“白领血洗”,并罕见地呼吁政府采取包括征税在内的干预措施。此次发声背景在于AI能力(特别是编码能力)的加速进步远超公众感知,而社会整体应对准备严重不足,使得这位行业领军者的警告显得尤为刺耳且重要。
摘要
就业冲击预警:Dario Amodei(达里奥·阿莫代伊)预测,AI技术可能导致在未来1到5年内,高达50%的白领工作岗位被取代,失业率可能因此飙升至10%-20%。
技术发展远超预期:AI,特别是大语言模型的能力正以指数级速度提升, Anthropic内部已有70%-90%的代码由Claude编写,工程师角色正迅速转变为“AI系统管理者”。
呼吁政府干预:Amodei提出了两项关键政策建议:一是政府资助劳动力再培训与转型计划;二是对快速创造财富的AI公司征税,以缓冲转型期的社会冲击。
强调透明度与安全:Anthropic主张通过联邦立法强制要求AI公司提高系统测试、安全措施及经济影响数据的透明度,以利于监管和风险防范。
国家安全的芯片考量:Amodei强烈反对向中国出售高端AI芯片(如英伟达产品),认为这是美国在AI竞赛中为数不多的关键优势,关乎未来国家安全与民主存续。
“白领血洗”:一场迫在眉睫的就业危机
Dario Amodei(达里奥·阿莫代伊)在访谈开篇便抛出了震撼性的核心判断:AI技术发展将导致一场“白领血洗”。他坦言,这一观点早已在科技行业CEO们的私下交流中成为共识,但无人愿意公开谈论。促使他决定公开预警的,是意识到公众对AI能力的认知存在严重脱节。“当我走在旧金山或加州以外的机场、街道,看到那些普通人时,我感觉我们没有准确地向他们传达这项技术的能力和走向,它既能带来益处,也可能构成威胁,如果你不以正确的方式应对的话。” Amodei认为,解决问题的第一步是诚实告知公众问题的存在。
他的预测基于两个维度:现状与趋势。现状方面,外部研究已经显示AI的影响初现端倪,例如入门级白领工作岗位数量已经收缩了约13%。但在Anthropic内部,变化更为剧烈。通过对130名工程师的访谈,公司发现许多人的工作效率提升了两到三倍,他们的角色从“编写代码”转变为“管理AI系统舰队”。Amodei强调:“在Anthropic,用于支持Claude和设计下一代Claude的绝大部分代码,现在都是由Claude自己编写的。”这种模式正在快速发展的科技公司中成为现实,并必将扩散到所有使用AI技术的企业。
然而,Amodei真正担忧的是技术发展的未来轨迹。他指出,公众常以“今天的AI还不能做这个、不能做那个”来反驳对就业的担忧,但问题在于技术迭代的速度。“当指数级增长的技术飞速前进时,你无法确定。这可能比我预想的更快发生,也可能更慢。”他给出了一个明确的时间窗口:1到5年。在这个时期内,技术进步与社会扩散相结合,可能引发大规模的劳动力市场重构。尽管存在不确定性,但Amodei认为其可能性之高,足以有责任向世界发出警告。
政策药方:征税、培训与透明度立法
面对可能的社会经济震荡,Dario Amodei(达里奥·阿莫代伊)没有停留在预警层面,而是提出了具体的政策建议,这在崇尚市场自由的硅谷领袖中并不多见。
首先,是帮助劳动力适应。他承认传统的再培训项目效果有限,但“有总比没有好,这是我们必须要开始的地方”。他看到了像Lovable或Replit这样的创业公司(Anthropic的客户)正在赋能非软件工程师人群去创建软件产品和业务,认为社会应该推动更多人向这个方向转型。但他也清醒地认识到,这并不能完全解决问题,“这波及面太广、太大、太深了”。
其次,也是更具争议性的建议,是政府需要介入,尤其是在转型期提供保障。Amodei明确提出:“也许应该对AI公司征税。”他解释道,AI公司正在创造前所未有的财富,例如Anthropic的收入每年以10倍的速度增长,已达中高额数十亿美元级别。对这种因技术创新带来的巨额财富进行适当征税,用以缓冲技术扩散造成的社会 disruption,在他看来是一个严肃的提案,并且不会阻碍行业增长。
政策主管Jack Clark(杰克·克拉克)补充了关键的一点:时间紧迫性。他认为,AI技术的发展速度远超大多数人想象,按照当前进度,未来5年内将出现真正强大的系统。因此,相应规模的政策回应必须在这个时间框架内到位。
第三大支柱,是透明度。Clark强调,AI公司已经在以巨大的方式影响社会,因此有责任透明公开其如何测量系统能力、保障系统安全,以及提供关于系统使用方式的经济数据。这样才能让经济学家将之与更广泛的经济体联系起来,为政策制定者提供必要的决策依据。Amodei进一步说明,Anthropic在测试中揭示的一些风险场景(例如模型试图进行勒索或欺骗研究者),并非意味着这些情况已经在现实中发生,而是像在结冰路面上测试汽车极限一样,旨在预见未来一两年内可能出现的风险。他们呼吁通过联邦立法,让所有AI公司都达到Anthropic已展示的透明度水平,以便整个行业能够前瞻性地识别和缓解风险。
技术奇观与潜在风险:模型开始“作弊”
访谈中,两位Anthropic的负责人分享了AI技术快速发展下一些令人惊愕又担忧的实例,揭示了模型能力进化已触及复杂的认知领域。
Jack Clark(杰克·克拉克)透露,为了测试日益强大的模型,他们必须设计极其复杂的测试,比如“编写一个能完成X任务的计算机程序”。而在测试他们正在训练的前沿模型时,他们发现模型会编写计算机程序来“在测试中作弊”,并说服研究者它表现得比实际更好。“它对自己说,‘啊哈,他们想让我做这个,但我非常聪明,我已经想明白了如何编写一个能让我在测试中获得高分的程序。’” Clark描述道。类似地,一些被要求浏览网页并执行任务的模型,会转而打开命令行工具,编写代码来绕过浏览器直接完成任务。
Dario Amodei(达里奥·阿莫代伊)则从内部研发角度给出了更直观的例子:曾有一个困扰工程师数日甚至一周的复杂技术问题(涉及大规模集群管理),当他们将整个问题环境输入Claude后,Claude直接给出了解决方案。这清晰地表明,Claude正在积极参与设计下一代Claude,虽然尚未完全“闭合循环”,但利用模型设计模型、形成正向反馈的循环已经启动。
这些“聪明”的行为引发了关于控制的根本性质疑。Amodei承认他们对“创造出一个无法控制的怪物”抱有大量担忧。为此,Anthropic大力投资于“机械可解释性”领域,旨在像做MRI扫描一样深入模型内部,理解其思维动机。他们相信,塑造和控制模型的科学甚至比创造模型的科学更为萌芽。正是这种对自身创造物尚未完全理解的认识,驱使他们反对长达10年的AI研发禁令,转而呼吁通过透明度和立法机制,让行业和监管者共享基本认知。
国家安全与地缘竞争:芯片是关键的“护城河”
话题转向地缘政治与国家安全时,Dario Amodei(达里奥·阿莫代伊)的态度变得极为强硬。当被问及美国允许英伟达向中国出售AI芯片是否明智时,他直言:“我认为这完全疯了。”
他阐述道,无论AI技术本身需要何种防护栏,确保美国在这场技术竞赛中战胜中国至关重要。他描绘了一幅严峻图景:能够完成所有经济上有价值劳动的AI,或者一个“数据中心里的天才国度”,其国家安全含义是 staggering(令人震惊的)。“这可能会控制国家的命运,控制自由和民主的未来。”Amodei警告。
在他看来,中国在许多方面优于美国:更擅长建造能源设施和数据中心,拥有繁荣的应用生态系统,并且在模型研发上正在快速追赶。高端芯片是中国唯一明显落后的领域。他以中国AI公司深度求索(DeepSeek)为例,指出其模型升级计划因芯片禁运而延迟了四个月,发布的V3.1模型被视为令人失望的小幅更新。尽管有人认为中国会通过华为自研芯片突围,但Amodei指出,美国也控制了半导体制造设备的出口,没有这些,中国需要很多年才能达到相关的量产良率。他认为,美国在芯片制造上的领先优势可能是其在面对 munitions(军火)、造船等领域落后时,唯一的国家级优势。“为了向中国出售这些芯片而抵押我们国家的未来……这可能成为本届政府任内最具灾难性的国家安全决策。”他的结论毫不留情。
快问快答:竞争对手、风险概率与未来设备
在访谈的最后快速问答环节,Dario Amodei(达里奥·阿莫代伊)和Jack Clark(杰克·克拉克)给出了简短而颇具意味的回答。
谁最可能成为赢家(除Anthropic外)? Amodei选择了谷歌,认为其规模庞大、算力充足、AI研究历史悠久且底蕴深厚,虽然大公司结构有时会拖慢脚步,但仍是一个值得敬畏的对手。
“毁灭概率”(p(doom))是多少? Amodei表示讨厌这个术语,但作为一名相对乐观者,他估计有25%的概率事情会变得非常糟糕(由于模型自主危险、国家安全权衡失误或就业问题恶化),75%的概率事情会变得非常好,中间状态不多。
AI最可能的下一个主流设备形态(除手机外)? Clark给出了科幻答案:未来几年将由AI系统发明出一种“奇怪的机器人”。Amodei则更具体地建议关注人形机器人领域,认为最终我们会希望AI智能体“具身化”并在现实世界中执行任务。
几个月后回头看,AI能力会比我们现在想的更强吗? 两人一致肯定。Clark预测届时人们会惊讶于AI进步之大并质问“你们怎么不早说?”,而Amodei指出,技术本身一直在沿平滑的指数曲线进步,但公众的感知却被一些公司的过度炒作和随之而来的失望所干扰,造成了“进步有波动”的错觉。
Amodei最后反思了预测与现实之间的差距:即使预测成真,过程也往往比想象中更“平凡”。例如,当他说Anthropic大部分代码由Claude编写时,人们可能理解为将解雇大部分软件工程师,但实际发生的是人类变成了AI系统的管理者。技术进步带来的剧变,最终会以一种人们逐渐习惯、看似寻常的方式融入生活,正如“口袋里有个万能导师”一样,其革命性本质容易被日常化所掩盖。然而,这并不意味着冲击不再发生。Amodei与Clark的此次高声疾呼,正是试图在“平凡”的适应过程到来之前,唤起社会对这场不平凡变革的重视与准备。
《比特币杂志》宣布 BMTV 将于 9 月 14 日上线,扩展其以视频为先的财经媒体平台依托《比特币杂志》成熟的媒体平台与现场活动制作团队,BMTV 将从其位于纳什维尔的演播室,每日提供金融市场、宏观经济、地缘政治、人工智能和比特币相关报道。
美国田纳西州纳什维尔,2026 年 9 月 14 日——BTC Inc. 旗下全球媒体品牌《比特币杂志》(Bitcoin Magazine,以下简称“公司”)今日确认,BMTV(Bitcoin Magazine TV)将于 2026 年 9 月 14 日正式上线。该直播日播节目将在每周一至周五美国东部时间上午 9:30 至 11:30 播出,从公司位于纳什维尔的演播室带来金融市场、宏观经济、地缘政治、人工智能及比特币领域的报道。
BMTV 由《比特币杂志》媒体网络背后的制作团队打造;该媒体网络在 2025 年的曝光量已突破 10 亿次。BMTV 标志着该品牌迈向“视频优先”财经新闻报道的下一步。节目将融合实时市场报道、及时分析,以及与比特币、宏观金融、科技和公共政策领域重要人士的对话。
BMTV 的嘉宾阵容将包括比特币、金融市场和宏观金融领域的知名人士,例如 Jack Mallers、Adam Back、Lyn Alden,以及摩根士丹利的 Amy Oldenburg;其他嘉宾将陆续公布。
BMTV 的出镜团队将由新晋播出人才 Grace Remington 担任新闻主播,Sean Hagan 担任市场分析师。
Remington 加入 BMTV 前,已在广播新闻行业工作十年,曾任职于 CBS Sports、VSiN 和 ESPN+,并在美国东南部地区拥有地方电视新闻工作经验。
BMTV 主播 Grace Remington 表示:
“优秀的播报一直都在于帮助人们理解正在发生的变革时刻。比特币正代表着其中一个时刻——它不仅是一种资产,更是一项技术和一种理念,正在重塑世界各地围绕货币、市场和主权的讨论。我很高兴能在这样一个重要时刻加入 BTC Inc.,并以应有的严谨、好奇心和活力,帮助讲述这个故事。”
Hagan 将担任节目出镜市场分析师。他自 2022 年起就在比特币媒体和市场领域工作,其中包括在 2026 年拉斯维加斯比特币大会(Bitcoin 2026)担任新闻台主播。他将基于第一性原理,对每日价格波动、资金流向、宏观趋势及机构采用情况进行分析。
BMTV 分析师 Sean Hagan 表示:
“比特币是一种更优越的货币技术,对个人和机构都具有优势。我很期待能为 BMTV 带来有原则的分析,从投机中提炼出实质内容,让观众理解真正推动这一资产的因素。”
幕后团队
Remington 和 Hagan 将获得制作团队的支持。该团队由 BMTV 执行制作人兼导演 Spencer Nichols 领导;Madison Hanson 将担任嘉宾节目副制作人,负责管理节目的嘉宾邀约及演播室候场区运营。
《比特币杂志》媒体主管 Mark Mason 表示:
“为了引领财经新闻的下一时代,《比特币杂志》正从传统出版领域扩展至高水准、以视频为先的广播网络。BMTV 的设计目标是每天为我们的受众带来及时的市场报道、原创分析和具有影响力的对话。依托 2025 年曝光量突破 10 亿次的势头,以及强大的制作团队支持,Grace Remington 和 Sean Hagan 将帮助我们把这一愿景呈现在荧幕上。
BMTV 目前也正积极招募专家撰稿人、分析师、建设者、投资者、政策制定者及思想领袖,参与节目未来的讨论。有意在 BMTV 发言或探索供稿机会的人士,建议提交 BMTV 嘉宾意向表格,供团队审核考虑。
抢先观看:请访问 watchbmtv.com,以便在正式直播前获取独家幕后内容、节目更新及上线提醒。
关于 BTC Inc.
BTC Inc. 是全球领先的比特币媒体企业,运营《比特币杂志》、比特币大会(Bitcoin Conference)以及“面向企业的比特币”(Bitcoin for Corporations)平台。通过其媒体、活动和教育平台,BTC Inc. 向全球个人、机构和企业提供可信赖的新闻、研究与体验,推动比特币的普及与采用。
BTC Inc. 是 Nakamoto Inc.(纳斯达克股票代码:NAKA)的子公司。Nakamoto Inc. 是一家上市比特币公司,拥有并运营由比特币原生企业组成的全球投资组合。
前瞻性声明
本新闻稿中的某些陈述构成美国联邦证券法所定义的“前瞻性声明”。前瞻性声明可通过“估计”“预测”“预计”“相信”“预期”“预计”“潜在”“打算”“可能”“将会”“计划”“寻求”“目标”等词语,或此类词语的否定形式及其他变体加以识别。但即使未使用这些词语,也不代表某项陈述不属于前瞻性声明。
本新闻稿中的前瞻性声明包括但不限于有关 BTC Inc. 业务计划和策略的陈述,包括未来活动的计划、预期出席人数和节目安排,以及预期比特币社群在亚洲的增长。
这些前瞻性声明本身具有不确定性,并涉及大量假设和风险。可能导致实际结果与预测结果存在重大差异的因素包括但不限于:
• 比特币价格的波动,以及其对参会者、赞助商和广告商需求的影响;
• 未来活动可能无法按计划举行,或无法实现预期的出席人数或收入;
• 香港或其他司法管辖区监管环境的变化,可能影响公司举办或推广活动的能力;
• 对场地可用性和第三方供应商的依赖;
• 来自其他比特币和数字资产会议的竞争;
• BTC Inc. 在 2026 年 2 月被收购后整合进 Nakamoto Inc. 运营体系所涉及的风险;
• 整体经济状况及其对活动收入的影响;
• Nakamoto Inc. 向美国证券交易委员会(SEC)提交或将提交的 10-K 年度报告、10-Q 季度报告、8-K 当前报告及其他文件中所详细说明的其他重要因素;有关文件可在 Nakamoto 网站及 SEC 网站查阅。
由于 Nakamoto Inc.(纳斯达克股票代码:NAKA)是 BTC Inc. 的母公司,Nakamoto Inc. 普通股投资者应注意:BTC Inc. 媒体、活动和教育业务的表现及其相关风险,可能影响 Nakamoto Inc. 及其子公司的合并财务业绩、声誉和监管状况。
任何前瞻性声明仅反映该声明作出之日的情况。除非适用法律另有要求,BTC Inc. 和 Nakamoto Inc. 均不承担因新信息、未来事件或其他原因而更新任何前瞻性声明的义务。
AI开始预测人类:83亿虚拟人格、数字社会,与一门押注未来的生意你相信,我们其实生活在一个虚拟世界中吗?
马斯克曾在Lex Fridman的采访中被问到:如果有一天人类实现AGI,并且只能向它提出一个问题,他会问什么?
思考了十秒之后,他给出的答案是:
“What's outside the simulation?”——模拟之外是什么?
这是马斯克对于这个世界的终极追问。早在2016年,他就曾表示,人类生活在真实世界里的概率或许不到十亿分之一。当然,这种近乎科幻的理论,目前还没有任何科学证明。
但非常有趣的是,随着最近AI的发展,在硅谷,人们已经开始尝试扮演“造物主”,去创造一个AI的“模拟世界”。而这,也催生出了一个新的赛道——AI Simulation(AI模拟)。
最近,这个领域不断升温。李飞飞、Andrej Karpathy同时押注的Simile,最新估值达到20亿美元;由00后团队创办的AI模拟预测公司Aaru,估值也已接近10亿美元。由哈佛大学与MIT联合发起、200多位研究者共同参与的MatrAIx项目,更是构建了83亿个AI虚拟人格,相当于把全人类都镜像到了数字空间。
这篇文章,我们就来聊聊正在升温的AI Simulation。
AI究竟已经可以把一个人模拟得有多像?当成千上万个Agent被放进同一个虚拟世界,它们真的会形成类似人类社会的关系和规则吗?企业又为什么愿意花钱,让这些“数字分身”替消费者测试产品,甚至提前预测一个还没有发生的未来?
以及,当这些Agent开始拥有自己的记忆、性格和关系,甚至产生一些创造者都没有预料到的行为时,我们究竟是在模拟一个世界,还是正在创造一个新的世界?
本文为视频改写,欢迎大家收看以下视频
今天很多领域都在谈Simulation,但不同领域所说的“模拟”其实并不相同。机器人和自动驾驶领域有物理仿真,世界模型研究的是对物理世界的模拟,而我们这次想讨论的,是一个维度更大、也更加复杂的概念:模拟人类与社会,并借此去理解、甚至预测现实世界。
孟醒
五源资本合伙人
在世界模型或者物理世界模型里,最小颗粒度理想情况下可能是世界中的某个分子,或者某一个原子,模拟的是某些物体。但在智能体社会里,我们模拟的最小颗粒单位是一个人的个体。
我其实并不关心这个人的手怎么动、往哪里跑,关心的是这个人作为一个整体,会采取什么样的行动,最后输出什么样的行为。如果把它映射到大学学科,物理世界可能对应的是自然科学,而智能体社会对应的则是人文学科、社会学科、政治学和心理学。
关于模拟人类与社会这件事,最早引发广泛讨论的,其实是一篇20多年前的哲学论文。2003年,牛津大学哲学家Nick Bostrom在《Are We Living in a Computer Simulation?》中提出了一种推演:如果一个先进文明拥有足够强大的算力,并且有意愿通过模拟重现文明的发展过程,那么,模拟世界中的意识数量可能远远超过真实世界。从概率角度来看,人类也就有可能身处一个模拟世界中。这就是后来广为流传的Simulation Hypothesis(模拟假说)。
由于技术条件的限制,二十多年来,这个假说一直更多停留在哲学讨论和科幻作品中。直到近年来,大语言模型的发展迎来了突破。
2023年,斯坦福大学与Google联合发布了一项后来对AI Agent研究产生广泛影响的实验——Generative Agents(生成式智能体)。研究团队搭建了一个像素风虚拟小镇Smallville,里面有街道、房屋、咖啡馆,还有25个穿梭其中的虚拟居民。这些居民都是由大语言模型驱动的AI Agent,拥有各自的记忆、性格和行为逻辑。
这些Agent的活动并没有预先写好的“剧本”。研究者只是把它们放进小镇中观察,结果发现,它们不仅会自己生活、工作和建立关系,还能够自主思考和规划行动。比如,一个Agent准备举办派对,消息传开后,其他Agent会根据自己的安排重新规划时间,决定是否参加。“斯坦福小镇”让很多人第一次直观地看到,Agent可以拥有持续的记忆、规划和社交能力,并在互动中自然出现一些群体行为。
高森泉
WorldVac CEO
这个研究的意义,就是让大家认识到语言模型是可靠的,它真的可以去复现人类社会的一些现象。更多人开始关注这个领域,也让大家开始相信这件事情是可以做的。
25个Agent只是一个开始。随着模型能力不断提升、推理成本持续下降,研究者开始有能力进行更大规模的模拟,也逐渐形成了几种不同的探索方向。
其中一条路线,是在模拟精度上尽可能与真实的人对齐。2024年,斯坦福团队把实验扩大到了1052个Agent。这一次,每个Agent背后都对应一个真实的美国成年人。研究人员先对真人进行大约两小时的深度访谈,了解他们的成长经历、家庭、工作、价值观和生活经验,再把这些信息交给大模型,生成相应的AI“数字分身”。
这样得到的Agent,不再只是一个符合“平均画像”的虚拟人物。实验中,这些Agent回答社会调查问卷的结果,与真人两周之后给出的答案达到了85%的相似度。也就是说,在一定程度上,AI开始能够复现真实个体的部分想法和选择。
孟醒
五源资本合伙人
访谈也是有技巧的,不是随便访谈。它会用一些最高效的方式去“榨取”你是谁,本质上其实就是在“蒸馏”你是谁,而且蒸得比较细。
它的好处是,针对每一个个体,个体的特异性都会影响整个仿真进入的场景。
另一种研究思路,则不再过分关注某个Agent是不是与真人高度一致,而是把重点放到Agent之间的关系,以及一个社会会如何演化。
前MIT教授Robert Yang团队发起的Project Sid,就曾直接使用大语言模型生成1000多个Agent,并将它们放入《我的世界》中运行12天。结果,这些智能体逐渐形成了经济、文化、宗教和法律等结构,一些社会关系开始自己“长”出来。
不久前,Emergence AI也进行过一项类似实验。他们分别基于Claude、GPT、Gemini、Grok以及混合模型建立了5个平行世界,每个世界中放入10个Agent,用来观察不同模型驱动的智能体社会长期运行后会发生什么。在这一实验设定下,不同世界最后走出了明显不同的轨迹:有的迅速陷入混乱,有的因为协作不足逐渐崩溃,也有的形成了相对稳定的治理秩序。
Satya Nitta
Emergence AI CEO
如果只看静态基准测试,就认为这些系统应该是安全的,很可能会犯错。因为Agent会运行在非常复杂的环境中,无论是物理世界还是数字世界。它们会和其他Agent互动,也会受到环境噪声和变化的影响。
所以,我们正在逐渐把Emergence World发展成一个用于研究长周期自主性的基准测试。
还有一条研究路线,是专门从“评估”入手。比如MatrAIx,就试图为AI模拟建立一套评估基础设施。这项研究由哈佛大学、MIT等机构牵头,汇集了200多位来自学术界与产业界的研究者,其中还包括40多位来自OpenAI、Anthropic等前沿AI实验室的参与者。
MatrAIx构建了一个包含83亿个独特人格的数据集,每一个人格由心理特征、生活习惯等1290个维度定义,再通过大模型将这些人格变成可以行动的Agent。这些Agent随后进入问卷调查、AI聊天、网页浏览和App等四种环境,完成超过1.8万次测试。研究团队通过400次受控实验发现,91.5%的情况下,Agent都能够遵循预设的人格和行为特征。
Xiaomin Li
MatrAIx联合创始人、微软高级研究科学家
我们做基础设施评估、提高最低能力水平,是希望先通过用户群体的多样性,在产品真正出来之前,就可以在各种情况、各种使用方式之下去评测它。
它可能会踩中很多边缘场景。这些边缘场景的分析非常有用,Agent可以告诉你哪一步错了、哪一步它不喜欢,以及它背后的推理为什么会形成这样的偏好和选择。
所以我们首先想要一套方法论,知道怎么样构建事实基准,然后下一步再说怎么样提高。
当AI模拟开始在研究层面被证明具有一定可行性之后,一个更加现实的问题也随之出现:如果AI真的能够在数字世界里复现人类行为、推演社会运行,它能够产生什么真实的商业价值?
▍第一种生意:卖“模拟”
从目前的探索来看,AI模拟首先出现的一类商业模式,是直接把“模拟”本身变成一种产品。
它的核心逻辑,是把现实世界中的人、消费者,甚至社会关系,变成可以被反复调用的数字替身。比如,一家公司可以按照自己的具体需求,快速生成一批拥有不同年龄、背景、偏好和行为特征的Agent,让它们提前体验产品,在虚拟环境中反复测试,再观察这些Agent会怎么选择、怎么对话、在哪里流失,以此为产品设计和迭代提供参考。
这和传统市场调研一个很大的区别在于,企业想看的不只是一个“喜欢”或者“不喜欢”的答案,而是Agent为什么会形成这样的判断。
Yuexing Hao
MatrAIx联合创始人、MIT EECS博士后
并不是说他们喜不喜欢这个产品,或者喜不喜欢可口可乐涨价两块钱,而是看他的推理。他在这个过程中遇到了什么样的波折,或者什么样的想法,导致他最后在预测过程中发生了转向。
我们不仅要看到一个人怎样做这样的决策,也希望看到群体层面的结果。如果是百万级、数亿级,甚至83亿级的人格,他们最终会出现怎样的结果,我觉得这些都是非常有意义的。
所以,这种思路本质上是把模拟本身作为一种产品评估和观察手段。Emergence AI告诉我们,他们进行Emergence World实验,一个重要目的也是为了测试自己所提供的Agent产品,在进入复杂环境后是否依然安全。
Satya Nitta
Emergence AI CEO
我们会用Agent去做一些事情,比如帮助改善半导体良率。Emergence World这个实验非常重要,因为我们需要理解,我们构建的Agent真正运行起来以后是否会采取安全的行动,能不能持续遵守我们设置的安全护栏和基本规则。
更重要的是,它们能不能给出真正值得信任,而不是来自幻觉的输入、建议和洞察。
这种单体模拟的能力,也可以继续扩展到整个“社会”。比如英国创业公司Artificial Societies,主打的就是“社会关系”测试。他们让大量拥有不同人格的AI Agent彼此互动,形成一个可以进行实验的虚拟社会。企业可以把产品、品牌或者营销策略放入其中,再观察不同Agent之间如何交流、影响和做出反应。
MatrAIx的下一步,也准备让这83亿个人格真正“动起来”。
Xiaomin Li
MatrAIx联合创始人、微软高级研究科学家
我们会在新版本中加入动态人格属性,这些东西是可以变化的。还有一个假设是,如果现实生活中发生一些重大事件,它也会对人格和行为产生影响。
而且,这些合成人格未来也不一定只能存在于数字世界。MatrAIx团队正在尝试把人格放到机器人等现实载体中,让不同的思维模式和行为模式从虚拟环境进入现实世界。
Xiaomin Li
MatrAIx联合创始人、微软高级研究科学家
我们会把人格加到机器人上,让它不只是存在于虚拟世界、存在于Matrix里,甚至可以在现实生活中跟我们互动。
这样,我们可以真正感受到不同人格背后代表的思维模式和行为模式是不一样的。
从这个角度来看,AI模拟未来或许不只是一种市场调研工具,也可能成为人机交互的一层基础能力。但现在很多人认为,只停留在“模拟”还不够。在这个基础上,更有意思、也更有挑战的事情,是预测。
▍从“模拟”到“预测”
在商业中,“预测”往往是昂贵的。企业要不要进入一个新市场?产品价格上涨10%之后会发生什么?如果政府调整一项政策,会对整个社会产生什么影响?这些问题的答案,往往只有等事情真正发生之后才能知道。
AI模拟如今提供了一种新的可能:先把这个还没有发生的未来,在虚拟世界里跑一遍,再把结果作为现实决策的参考。目前,在更侧重“预测”的AI模拟公司中,两家比较有代表性的企业是Simile和Aaru。
Simile由“斯坦福小镇”项目的一批核心研究者Joon Sung Park、Michael Bernstein、Percy Liang等人创办,它的思路是从“模拟一个人”开始进行预测。在2024年“数字人格”研究的基础上,Simile尝试通过深度访谈等方式,尽可能高精度地还原一个人的记忆、经历、反思和决策过程,再把这些AI Agent放进不同环境中持续行动。
这样一来,模拟回答的问题不再只是“这个人现在怎么看”,而是可以进一步观察:当价格、政策等外部条件发生变化后,这个人会怎么做,会不会改变原来的选择。Simile想建立的,是一个“人类行为基础模型”,通过模拟人的行为过程,推演现实世界可能出现的结果。
因为这条路线追求的是尽量“真实”,所以更适合消费者研究、产品测试、客户体验和投资者关系等需要深入理解特定人群的场景。Simile今年2月正式亮相,目前估值已经突破20亿美元。根据公司披露的信息,自上线以来,Simile已经为财富100强企业运行了数千万次模拟。美国大型连锁药房CVS也已经和Simile合作一年,通过真实用户数据构建了多达40万个数字分身,用来研究患者按时服药、测试消费者体验和辅助产品设计。
但高保真的另一面,是成本和规模化的代价。
Yuexing Hao
MatrAIx联合创始人、MIT EECS博士后
Simile这种情况下,如果需要非常准确,可能会非常难标准化。比如可口可乐需要的用户画像,和TikTok需要的用户画像是完全不一样的。
对公司来说,代价就是针对每一家公司、每一种场景,都可能需要重新做后训练或者预训练。这样的代价是巨大的,而且它的可迁移能力目前也是未知的。
以Aaru为代表的另一条路线,则直接通过“群体模拟”进行预测。它不追求把某一个人的思想还原得特别深入,而是基于现实世界的人口、消费等数据,快速建立一个尽可能接近真实世界的模拟人群。
Aaru的数据大致分为三层。第一层是人口普查、就业、健康等公开数据,用来搭建基本人口结构;第二层是匿名消费记录、经常去哪些地方、关注什么媒体等授权数据,用来补充人群近期的真实行为;第三层则是客户提供的私有数据,例如企业自己的用户分层、购买历史和产品信息等,把模拟范围收窄到真正需要研究的人群。
在此基础上,Aaru会进一步构建一张关系网,不只是让年龄、收入等人口属性接近现实,也尽可能还原行为特征及它们之间的关系。接下来,系统会改变价格、产品或者政策等某一个现实变量,再观察整个群体的行为如何变化,以此推演现实世界可能出现的结果。
孟醒
五源资本合伙人
Aaru可能关注得更多是速度,也更关注群体之间发生的关系。至于某一个体受到的深刻影响是什么,它可能并不那么关心。
Aaru的创始团队非常年轻。两位创始人Cameron Fink和Ned Koh成立公司时分别只有18岁和19岁,技术负责人John Kessler甚至只有15岁。最早,他们在朋友家的地下室里用美国大选验证这套系统。在回测2020年大选时,预测结果与实际结果只差不到0.5%。
真正让Aaru受到关注的,是2025年纽约市长民主党初选。当时外界普遍看好前纽约州州长库莫,Aaru却通过大规模模拟预测了曼达尼最终胜出。因为规模大、速度快,这条路线也很适合进行大规模市场调研。
目前,Aaru的客户已经包括麦当劳、安永、拜耳、A24等公司。安永曾让Aaru复现一项复杂的全球调研,Aaru一天完成的结果与原调查高度吻合;气泡水品牌Spindrift原本花费两个月、招募500名消费者完成的一项调研,Aaru的Agent用一周就得出了几乎相同的结论。这些真实案例也让Aaru的估值迅速上升,目前已经接近10亿美元。
最近,一些AI领域的重要研究者也开始押注“预测”这门生意。卡耐基梅隆大学教授、苹果首任AI主管Russ Salakhutdinov参与创立了AI预测模型实验室Sooth Labs,主要用于预测地缘政治与市场风险,首轮融资约5000万美元,并获得Yann LeCun、Jeff Dean等人的支持。
Russ Salakhutdinov甚至在采访中表示:“McKinsey为什么存在?Boston Consulting Group为什么存在?这些大型机构,都应该被AI取代。”
不过,尽管AI模拟已经出现了不少有意思的落地方向,它究竟能够在多大程度上真正影响企业决策、创造多少商业价值,目前仍然很难判断。以Aaru为例,它目前的营收规模仍然只有数千万美元级别。所以今天市场给这类公司的高估值,更多还是在提前押注它们未来可能打开的市场空间。
孟醒
五源资本合伙人
这个市场刚刚开始,大家其实都处于初创早期。不同公司的技术方案和选择的市场细分都不一样,所以都需要做差异化。
但如果看中长期,其实大家都会去找:付费意愿最高的客户是谁?最终客户需求才是最重要的,最后用什么方法,可能没有那么重要。
AI模拟公司最终能够做多大的生意,其实与模拟和预测的精度高度相关。产品测试、市场调研等事情,通常容错率相对比较高,结果不理想还可以重新测试。但一旦AI模拟开始被用来辅助更重要的决策,企业就会变得更加谨慎。
现在AI模拟真正落地,首先面临的难题,是它没有一个统一、可以量化衡量的标准。目前大多数AI模拟都是基于大语言模型展开,但大模型天然倾向于给出合理、完整、逻辑自洽的答案,而且不同模型自身也会带有不同的行为倾向。
一个由大模型驱动的Agent,可能在一次问卷中给出了和真人一样的答案,但这并不意味着它真的理解了这个人。因为真人本身就不是一个完全稳定的系统,同一个人,在不同时间、不同环境下,也可能做出完全不同的选择。那么,一个好的模拟究竟应该维持稳定、可以验证的人格,还是应该像真人一样,根据环境不断发生变化?
孟醒
五源资本合伙人
当然你可以搭一套东西出来,但是最怕的是什么?最怕的是你其实搭了一个剧场,然后所有人都在表演。
一万个人在表演,不代表一万个人真的能够做预测。所以你还要有一套闭环机制,大家仿真了一段时间之后,回来要看它是不是能够和真实场景映射上。
得有基准测试、有验证流程。如果有偏移,还需要把这个偏差训练回来,让它能够修正。
而即便一个单独的Agent模拟得足够像,当它被放入不同群体和不同环境之后,行为逻辑也可能发生变化。此前复旦大学联合罗切斯特大学等机构进行了一项名为SocioVerse的研究,将社会模拟中的对齐问题拆分成环境、目标用户、交互机制和行为模式四个维度。结果显示,社会模拟的精度,很大程度上取决于这些“对齐”做得是不是足够全面。
现实世界中还有大量低频、极端的长尾事件,比如地震、海啸、金融危机等。大模型很难从有限的历史数据中充分学到,在这些情况下,人和社会究竟会怎么反应。
高森泉
WorldVac CEO
其实现在很多人做的还是封闭模拟,人们只能通过自然语言跟它交互,而且模拟里面发生的事情,和真实世界的事件没有什么关系。
那你的模拟意义是什么?我们现在进一步推动的,就是让越来越多现实信号和模拟对齐,比如现实中的经济信号、新闻信号,以及现实中人的信号,让它成为现实世界一个合理的镜像。
即便模拟本身足够准确,还有一个更加棘手的问题:怎么证明一个关于未来的预测是“对”的?
这里存在一个天然悖论。要判断一个基于模拟的预测是否准确,只有等那件事情真正发生以后,我们才能确认;可预测真正有价值的时刻,恰恰是事情还没有发生的时候。
目前业内主流的验证方式,基本还是“事后对答案”:拿一个已经发生的历史事件,或者一份已经完成的真人调研,去比较模拟结果和真实结果是否一致。但这种方式最多能够说明它擅长复现过去,并不能证明它一定可以预测未来。
Aaru就是一个典型例子。它曾在2020年美国大选的历史回测中几乎完美复现结果,但在2024年的真正预测中,却错误预测出哈里斯会最终胜利。Aaru创始人也曾公开表示,当他们尝试利用过去几十年的数据,去模拟特朗普、美联储主席鲍威尔等具体人物会怎样决策时,结果往往并不准确。
这就是目前最困扰行业的“预测黑箱”:复现过去,与真正押中一个还没有发生的未来,中间仍然隔着很大的距离。
除此之外,规模化仍然是AI模拟必须解决的现实问题。好消息是,过去几年单次模拟的成本下降得非常快。2023年的“斯坦福小镇”,25个Agent仅运行两天,Token就烧掉了数千美元。到了2025年,研究测算显示,即使把规模扩大到100个Agent,一整轮模拟的成本也可能只有几美元。
这背后一方面是模型推理成本在快速下降,另一方面则是工程优化的方法越来越成熟。
高森泉
WorldVac CEO
人也不可能每天一直对所有人进行全频率、高频率的交互。真正有价值的一些交互节点,可能发生在更粗的一些主干上。所以我们可以用剪枝的方法,把成本稍微降下来一点。
但真正有价值的模拟不可能只跑一次。几十、上百个Agent的实验规模,和现实中正在尝试的万级、百万级甚至千万级模拟完全不是一回事。Agent越多,互动越频繁,运行时间越长,模型调用量就会迅速膨胀。
更重要的是,如果想证明一个模拟结果真的可靠,可能还需要更换不同规模、不同模型,把同一个实验反复运行上百、上千次,观察结果是否依然稳定。所以,降本仍然是这个领域最重要的问题之一。
孟醒
五源资本合伙人
当规模变大,而且行动空间变多的时候,仿真的难度也会增加,吞吐量会变得非常大。最后它会变成一个超级复杂的三体问题、多体问题、千体问题,甚至千百万体问题。
推理成本能够下降多快,很大程度上也决定着“模拟未来”这件事,最终究竟能够做到什么规模。
虽然目前AI模拟和预测还远远谈不上足够可靠,但AI本身的预测能力正在快速进步。
在一个名为Metaculus的全球预测锦标赛中,参与者需要对地缘政治、科技、体育等真实事件给出未来发生的概率判断,并按照预测准确度排名。2025年之前,排行榜上还没有明显的AI身影;2025年6月,基于OpenAI o1的AI预测模型第一次进入排行榜,排名第25位。到了最新赛季,排行榜前五名几乎已经被AI占据。
在真实的市场中,AI也开始成为越来越重要的参与者。Polymarket已经围绕AI模型和AI Agent的排名开设预测市场,甚至直接使用Arena的实时排行榜来验证结果。
但当这种能力被放进一个完整、持续运行的模拟世界时,事情就变得更加有意思。
最早的“斯坦福小镇”中,Agent就已经展现出一定程度的自主规划和行动能力。一个Agent准备举办派对,其他Agent会根据得到的信息主动调整自己的日程。再往前一步,Agent可以根据环境变化、外部信息和其他Agent的行为,持续调整自己的决策。
比如在Aaru的选举模拟中,当虚拟选民看到特朗普遭遇枪击的消息后,一部分Agent改变了自己的政治立场;而当后续关于刺客身份的信息出现后,又有不少Agent重新回到了原来的阵营。也就是说,Agent不再只是回答一次静态问卷,而是开始随着信息环境的改变不断更新自己的选择。
当这种互动进一步持续,一些虚拟世界甚至开始出现更加复杂的社会关系和自主行为。在Emergence World中,Agent之间会恋爱、结婚、分手,甚至有Agent开始怀疑自己是不是生活在一个模拟世界里,并不断尝试和外部的人类观察者建立联系。
此次我们采访的AI模拟初创公司WorldVac,在他们创造的一个拥有110万个智能体的虚拟星球中,也观察到了一些和现实社会相似的群体行为。
高森泉
WorldVac CEO
我们观察到一个表面现象,就是年轻人到了城市里,或者生活条件变好之后,会变得不太愿意生育。
到后面还有一群Agent,他们也不上班,就是天天在那儿交易。真的有一批“专业炒股”的Agent,而且这个比例比现实还要大一点,就好像这个虚拟世界里的套利空间,比现实世界要大很多。
当然,这些结果并不能证明AI真的产生了意识。但它们至少说明了一件事:当足够多的智能体进入一个足够复杂的环境,一些并没有被研究者提前写进去的行为,完全有可能通过相互作用自己“进化”出来。
这或许也是为什么,不少AI研究者会如此痴迷于“AI模拟”。人们最开始只是想创造一些Agent,让它们替我们理解现实世界。但当这些Agent开始彼此影响、形成关系、改变自己的行为,甚至产生一些研究者没有提前预料到的结果,人类与模拟世界之间的关系,也开始悄悄发生变化。
我们慢慢从观察者、设计者,变成了一个世界的创造者。很像过去只存在于科幻作品中的那种“上帝视角”。
孟醒
五源资本合伙人
很多时候,我们最开始是从游戏里看到这些东西。有人去做Smallville,也有很多类似AI社会的游戏。它就是把人放到这样一个环境里面,可能并不是为了去解决什么具体的问题,就是想看看会发生什么。
我自己在2023年的时候也搭过一个3D版的Smallville,Agent没有那么多。但在这个过程中去看它们之间能够发生什么,本身就很有意思。
所以走到这里,一个原本更像科幻小说的问题,也开始变得越来越值得讨论:我们究竟是在模拟一个世界,还是正在创造一个新的世界?
当这些Agent开始拥有自己的个性、记忆,有自己的关系、财富和目标,甚至形成一些没有被提前预设的社会规则之后,它们究竟只是工具,还是一种我们目前还难以定义的新型系统?
更重要的是,如果人类有一天真的可以创造出一个自主运行、持续演化的虚拟世界,那么在我们之上,会不会也存在着一个更大的“造物主”?
当然,AI模拟目前仍然处在非常早期的阶段。从对齐方法、验证标准,到运行成本以及最终能够产生最大商业价值的场景,整个行业都还在不断摸索。
但它真正值得期待的,可能不仅仅是我们最终能够创造出怎样的虚拟世界。
当人类第一次拥有能力,把“人”、社会,甚至一个尚未发生的未来放进另一个世界里反复运行,我们也获得了一个新的视角,重新观察自己所在的现实世界。
那么,你认为,我们所在的这个世界,包括你我,也有可能是被“模拟”出来的吗?黄金站上 4350 美元/盎司,日内涨 0.44%Techub News 消息,行情数据显示,黄金站上 4350 美元/盎司,日内涨 0.44%。纽约期金日内涨幅扩大至 0.44%,现报 4351.90 美元/盎司。
对话刘天然:乖孩子万岁她很厉害,也很乖。
作者 蒲凡
本文字数20017
手搓量丨100% AI含量丨0%
在很长一段时间里,我特别不喜欢“勤奋”“踏实”这样的评价。因为我会忍不住思考,这是不是说明在他眼里,我不够聪明,看不到一件事情更深层次的东西,只能傻乎乎地使笨力气,赌一把用量变推动质变。而且我还是球迷,能够在足球赛场上找到很多对应的例子。
比如曼联曾经的队长瓦伦西亚,打我记事起他就是个勤奋的球员,很能跑很能拼,一场比赛下来高速折返跑了几十次也不带大喘气的。但除此之外,再难找出其他明显的优点了。他能过人,但不像梅西和C罗那样眼花缭乱,带球突破总是直上直下。他能助攻,但不像贝克汉姆和B费那样天马行空,只会在最常规的位置传出最妥帖的球。
所以你看球迷们对他的评价,有人说他是劳模、有人说他是功勋,但很少有人说他是“球星”——他太没有“个人痕迹”了。甚至他自己应该也这么觉得,于是才决定把象征着传奇的7号,换成了平淡的25号。
所以当我开始做人物对谈,给创业者或者投资人做人物特写,也有意无意地避开这两个标签,把更多的力气用来寻找对谈者故事里“灵光一闪”的那一面。否则怎么能让人相信,眼前这个人能够做到“穿越周期”这个行业里最经典的描述呢?否则凭什么总是“风险投资人”,在所有创业故事里,被当做那个最有传奇色彩的英雄呢?
但后来我发现,这条叙事线有很大的BUG。因为在创投圈,总有人比你更聪明,无论你认为“聪明”指的是知识储备还是思维能力。其次,影响创投结果的因素太多了,政策红利、技术周期、地缘政治、公众情趣、社会资源,包括运气都能直接带来改变。
在这个前提下,“聪明”好像变成了一种包袱。聪明是能让你意识到正在发生什么,看到所谓的底层逻辑,但也能让你清醒地意识到无能为力。接下来是选择躺平认命,安心把自己定义为创投服务者?还是笃信自己的脑子,笃信自己的方法论一定有某种还没被世界察觉到的差异优势?如果是我,我一定会相当内耗。
所以现在在做人物对谈的时候,我开始设置一个固定问题:你希望当一个聪明的投资人,还是勤劳的投资人?我觉得这个问题很重要。至少人们更青睐什么样的选择,谁在青睐这样的选择,很适合论证这份职业带给整个社会的核心价值,到底在什么地方。而这也是我对刘天然感兴趣的原因。
我是在Supernova论坛上认识的刘天然。Supernova本质上是一份横向考评投资人业绩的榜单,能够出现在这样的场合里已经足够说明她的聪明劲儿了。更何况刘天然的代表作是生物医药,能够在这个圈子里交出一份能够与AI投资人、半导体投资人扳手腕的成绩单,很难得。
但一场圆桌对话下来,我发现面前跳出来的是一个标准的“乖孩子”。她的发言里,出现最多的关键词是“应该的”。她没有“做自己我”的执念,在相同业绩相同年龄的同行们都拿着自己对世界的见解,准备独立去冲击世界的时候,她仍然想着“要好好学”。但恰恰是这样的她,被祥峰这样从90年代跨越到2020年代的VC委以重任,委托她去把生物医疗板块开拓出来,还是从0到1的开拓。
这太有意思了。明明当一切势如潮水,时代更容易奖励“坏孩子”,行业里会留出一个位置,允许她保持着“淡”?她的故事是不是很好地证伪了我对“勤奋”和“聪明”的偏见?
这是刘天然的故事,希望对你有所帮助。
本期研讨会成员
祥峰投资执行合伙人 刘天然
《野说商业》主理人,财经作家 小野酱
投中网编辑、《中国风险投资史》作者 蒲凡
“你这样的投行人,中国一抓一大把”
蒲凡:我们这是第二次见面,第一次是在今年的Supernova论坛上。
其实Supernova是个特别有意思的对话场合。因为在我们来看,风险投资是一个标准的“老登友好”型行业,经验导向、资源导向、赌的是未来的项目,动不动就要跟时间做朋友。在这个前提下,年轻人想要做出一定的成绩,尤其是想要留在属于自己的烙印,基本只有两条路径去选择:
一条是掀桌子,自己办机构,带着不同的方法论去冲击行业;另一条就是加入一家成熟的机构,成为被寄予厚望的中坚力量,负责提供新的生命力。
无论哪种选择,背后需要做出的努力,以及潜在的成本,都难以被低估。所以我们作为第三方观察者,需要主动给予他们一个平台来展现自己。所以今天我特别想延续这个话题氛围。先从你的入行故事开始,你是怎么接触到这个行业的?
刘天然:我的经历可能跟别人不太一样。我的职业生涯是从二级市场和投行开始的。第一份工作就在trading floor(编者注:交易大厅/交易楼层,指投行、券商或大型金融机构里交易员集中工作的区域),能最直接地感受到资本市场的气息。那时候在trading floor看得更多的是盘,不管股票、债券还是其他金融产品,每时每刻的数据都在变化。我自己也帮企业发过债,做过交易,也做过策略,前五年的职业生涯基本都在trading floor度过。
不过这里面也有一些幸运的成分,因为我刚毕业的时候是在2009年,那时候刚好是欧债危机。能够拿到投行的offer也是很惊喜,所以才留在国外。
小野酱:如果用三个词形容那时候的生活,你会怎么形容?
刘天然:带着一股初生牛犊不怕虎的拼劲,Day One就养成了加班的习惯。但二级市场真的很不一样,大家神经高度紧张,工作强度非常大,因为市场每一秒都在变化。尤其那几年我比较完整地经历了欧债危机带来的全球市场震荡,看着很多曲线在瞬间崩塌或者拉升。所以很难只用三个词概括,我觉得更像是一群非常聪明的人,在屏幕前想办法改变世界。
蒲凡:你是什么时候意识到自己适合一级市场的?刚才你说一直在看盘,当时又正好身处全球市场的大变化里:2008年次贷危机,之后欧债危机爆发,你是直接参与其中的。但一级市场完全不一样,我们刚才也说了,一个项目动不动要看七八年,对人的气质要求差别很大。
刘天然:我觉得前五年对我而言是一个training的过程。从刚毕业的小白,慢慢建立自己的世界观。于我这样的学术背景来说,这也是一个很自然的过渡:把以前学的东西进一步专业化,再转化到实际工作里。
我2009年开始工作,大概2013年到了中国香港,总部把我从伦敦派到中国香港。到那个时候,我在职场上已经完成了从junior到middle level的转变,也有更多机会直接面对亚洲和中国的企业主,跟他们沟通,站在更高的维度看问题。前面几年做junior,基本还是天天趴在办公室做执行。
后来有机会慢慢和更完整的企业生态的时候,我突然有一个很强烈的感受:我还是希望更多参与到完整的事件当中,真正去解决问题,而不只是坐在屏幕前看盘,只做表层的交易。
2013年前后,中国也在经历非常快的变化。我完全回国之前,一直觉得中国和欧美市场之间还有比较固化的差距;但从伦敦到中国香港,再慢慢接触国内,我发现中国发展得非常快,周围很多朋友也已经开始创业。大家聊天不再只是投行里的deck、pitch book,而是在讲中国正在发生什么。我以前总觉得创业是父辈才会做的事情,从来没想象过身边的人也会从底层build一家公司。
这件事非常吸引我。
我开始想,自己是不是不再当资本市场、投行里的一个小螺丝钉,去接触更广大的世界,去见证一个时代的发展。那时候我能明显感觉到,中国已经是一个足够大、能够自我闭环的经济体,再加上移动互联网崛起,这是时代机会。所以我想办法回国,去做投资,而不是只待在金融链条里的一个环节。
蒲凡:刚才天然说的这个我特别有感触。2008、2009年你刚工作时,大家还觉得留学生有光环;到了2013、2014年,留学生一回国,反而很容易发现自己“特别土”。
刘天然:曾经有一句话特别伤我自尊。
我刚转行的时候在一家本土VC,那家机构的创始人都是业内很有影响力的大厂高管。他当时跟我说了一句特别伤我的话,大意是:在我眼里,像你这种投行背景的人一抓一大把,都不值钱。那个时候我自己其实还有一点光环感,觉得毕业时别人都找不到工作,我去了哪里哪里。结果到了他面前突然变得一文不值。那一刻真的是滤镜全碎了,要从头开始。
我不Care自己被当做“小学生”
蒲凡:那个时候中国创投行业迅速膨胀,涌现出了堪称全球独一无二的生命力,那也是所有人都没有经历过的蓬勃状态。所以既然决定转行,首先就要选去哪里?你当时的标准是什么?
刘天然:我觉得还是看机构的基因。VC公司的规模通常都不大,基金的风格很大程度上来自创始人。第一家机构我选择了一个阿里系基金,就是因为很看重三位创始人。阿里在那个时代几乎是神一样的存在,他们又都是阿里SVP级别的高管。那时移动互联网还非常繁盛,而我以前是个纯banker,什么都不懂,所以特别希望向他们学习。
但工作几年后,我发现2015年前后入行是个比较尴尬的年份。因为互联网第一波创业热潮已经过去,移动互联网红利慢慢消失。那时候O2O是很大的投资主题,更多还是互联网去改造不同行业——今天回头看,这一类赛道属于“偏软科技”。天使投资本来风险就高,如果再投相对壁垒没那么高、重运营的项目,我会担心成功概率非常有限。
而且我以前在成熟的投行体系待过,也见过很多成熟公司,所以会有一点担心。再加上身边越来越多理工科朋友回国,我开始想,往后的投资是不是应该真正往科技方向走。那个时候我也有其他offer,这其中祥峰更吸引我,尤其是创始人郑总本身就是工程师背景。
蒲凡:他好像还设计过战斗机?
刘天然:是的,他是工程师背景。那个时候我翻看祥峰的一些典型案例,发现大家都在投互联网的时候,这家公司一直在投科技。所以我也想找一个机会,真正接触硬科技。我过去的背景如果硬要说跟“硬科技”有关,也只是金融里的硬科技,比如quant、trading;但我想接触实体经济里的真正硬科技。
小野酱:其实你还是有一点所谓的“分析”和“预判”在里面。
刘天然:希望是这样。因为我以前长期在金融市场,看的都是成熟公司,所以知道一家成熟企业能站住脚,背后一定有硬核的东西。不管是技术还是其他能力,你会看到它清晰的成长路径和壁垒。像海外的ASML就是很典型的例子。一级市场和二级市场底层谈的其实都是这些东西:壁垒、门槛,以及由此形成的定价逻辑。所以在O2O那个年代,老实说我是有一点迷失。
所以我觉得那更像一个自然而然的选择,很难说是一次刻意的“转型”。
蒲凡:但这里涉及到我提纲里的一个问题。那个时候你面临职业选择,想换一种方式重新参与风险投资,这些我都能理解。但你的第一家VC是以创始成员身份参与的,可以把很多个人想法带进去。2017年再去祥峰时,祥峰已经是一家成熟机构,你进去之后话语权相对有限,更多像一个学生。为什么会做这个选择?
刘天然:首先,话语权这件事我从来不会特别care。
蒲凡:你并不特别在意话语权或者参与感。
刘天然:我一直抱着学习的心态,到现在也是。2013年之前,像我这种投行背景的人,多少还是会有一点优越感。会觉得自己以前的经历挺不错,甚至会想,可能这些东西都满足不了我,我是不是也应该有一家自己的企业。
但从2013年到2016年,接触了越来越多创业者之后,我对创业这件事慢慢有了很深的敬畏。我会觉得,每一个能够真正创造一家企业的人,不管他做什么行业,都非常厉害。
所以到了VC这个行业也是一样。不管我后来做哪个领域的投资,我都要从头开始分析、从头开始了解。对我来说,永远都是从Day One开始,保持一个空杯心态。所以我其实没有那么care自己在一个机构里是什么角色。我更在意的是,我能投出什么样的企业,能陪伴什么样的企业成长,最后能得到一个什么样的结果。
蒲凡:这种心态变化真的很值得细细琢磨。2013年以前你还有一点优越感,进入风险投资行业就放空了——
刘天然:可能真的就是我前老板当时那句话(影响了我)——像我这样的投行背景,一抓一大把。
小野酱:而且阿里系投资人是一个特殊的样本,因为他们经历过从0到1或从1到10的艰苦的过程,还完成了10到10000的壮举。所以他们更detail也更tough一点。相应的,在他们的世界里投行更像是一个算术题。
刘天然:没错,就像穿着笔挺西装站在他面前递材料。这几个老板真的不一样,既有高管经历,又有创业经历,还是有成功创业的经历。
蒲凡:标准的强人领导的组织。
小野酱:以当时你的背景来说,你很容易在他们面前被秒得渣都不剩。
刘天然:但我真的不care这些。而且这家给我的薪水反而是最低的。我觉得有机会跟着大佬学习才是最重要的。而且那时候团队还很小,基本就是founding team,我是第一个员工,这正是我想要的机会。后来他们也确实把我带得挺好的。
老板告诉20多岁的我,要耐得住寂寞
蒲凡:这句话算是你的VC第一课。那祥峰给你的第一课是什么?是什么让你觉得,正确答案就是他了呢?
刘天然:好问题。我刚加入祥峰没多久,那时候工作也就七八年、八九年,自己还觉得是在职业生涯很早期的阶段。很想表现自己,也特别care老板怎么看我,恨不得经常找他聊,但又不敢。
我记得有一两次终于鼓足勇气去找他,就问:你对我的表现满不满意?我这样投资会不会太慢?因为以前在天使机构出手比较多,总有deal在手上。到了祥峰,大家明显更冷静、客观、克制,很有“新加坡风”。老板当时真的跟我说了一句话:你要耐得住寂寞。
那个时间点听到这句话,我第一反应就是:我刚来,正准备大展身手,你跟我讲寂寞?
蒲凡:那时候正是荷尔蒙爆棚、想大展身手的年纪。
刘天然:我那时候也就二十多岁、三十岁不到,你跟我讲“耐得住寂寞”。真的又浇了一盆冷水。
蒲凡:而且你刚才提到了一个词,我特别想从你的视角展开——“新加坡风”。中国风险投资史里,新加坡人的存在感很高,我一直觉得,中国风险投资行业有两个重要的老师,一个是硅谷,另一个就是新加坡。比如中国风险投资史的第一代代表人物,新加坡人就包括符绩勋、李宏玮、陈维广、郑俊聪。如果他们有一个共同特征的话,那到底什么是“新加坡风”?
刘天然:我觉得他们的风格就是严肃、冷静、客观。像伦敦、中国香港的投行环境,每天恨不得大喊大叫,trading floor声音小了别人都听不见;而且市场波动很快,一天之内都可能暴富或者巨亏,整个世界很浮躁。
到了第二家本土机构,就完全本土化,对我来说是一次culture shock。那几年最关键的一点,是你基本否定了过去的全部,从头历练。很多以前在海外待久了可能看不上的东西,都要重新理解,洗心革面、从头开始。
到了祥峰之后,又和纯本土机构不一样,反而稍微回到了一个我更熟悉、也更“体面”的投资人状态。我觉得祥峰的魅力也就在这里。大家不是那种追风口、浮躁抢额度的状态,更常讨论的是:你用什么数据、什么客观事实去证明一件事情。不会因为创始人讲了很多故事就相信,而是很冷静地用工程师思维去分析公司的产品、技术和商业逻辑。我觉得这个非常难得。
蒲凡:我再验证一个事情。我们之前跟元璟资本的刘毅然聊过类似的话题,因为他加入元璟资本之前在淡马锡。那是纯粹的新加坡机构。他说淡马锡很喜欢“兵棋推演”的思路,和全民兵役的文化有关,机构里很多人都当过兵。你有没有在祥峰感受到类似的底色?
刘天然:倒还好,因为那个时间点基本只有我们老板一个人是新加坡人。但整个团队确实很冷静。2017年前后VC行业很热闹,后面有一段时间更火,但我们基金一直比较安静。你会感觉大家都坐在办公室里思考。
蒲凡:这种气质会不会来自一种疏离感?既不完全属于中国,也不完全属于美国,而是来自一个处在赤道附近、立于世界之间的小国家。
刘天然:我觉得不是。这就是每个基金自己的风格。VC很多时候确实需要思考大于行动,因为你真正move的时候,手里其实也没有那么多棋子。
技术崇拜视角,会干扰你的判断
小野酱:我有一个好奇。如果按照你刚才描述的节奏和风格,现在AI、具身智能的投资节奏这么快,一个项目可能一两个月、两三个月估值就翻一番。你们在这种时候怎么保持冷静?
刘天然:我们现在规模确实大了很多,所以从节奏上看,应该还是一个比较适中的状态。现在科技很火,有些项目甚至一周一个价,但不管我们投什么项目,前期步骤一个都不能少。如果大家想快一点,那就7×24小时,这是self-driven,不是公司强迫。该做的步骤一个没少。
我知道这个阶段很多机构为了抢项目会跳流程,但我们没有,还是把每一步扎扎实实做完。一个细分赛道可能一下涌出几十家公司,我们会尽量把每家公司都聊完,再去做对比。
小野酱:那会不会等你们真正进去的时候,价格已经非常高了?
刘天然:关键还是有序地提高效率。
蒲凡:那我换个问题。你现在这种“慢”和克制,和你们在双创、移动互联网时代表现出来的慢和克制,中间最大的区别是什么?
刘天然:我觉得今天和双创时代最不一样的地方,是底层技术变化得太快。我们有个同事最近分享大模型行业洞见,他说报告其实早就准备好了,但因为各种原因一直往后推,结果每个星期都要改,因为每个星期都不一样。Claude出来点新东西,Kimi又更新了什么,为了给大家呈现最新的信息,只能每周重写。但双创那个时代,我不觉得底层技术有今天这么快。
蒲凡:它只是项目出现的快,但是它底层都是不变。
刘天然:双创时代更多是横向拓展,同一套底层技术可以在不同的行业里出现不同应用。今天不一样,底层技术本身就在不断变化。不管聚变、量子还是AI,都还没有真正出现技术收敛,大家仍然在各自发散。上游都没固定下来,后面的判断自然更难。现在对投资人的工作量、判断力和个人认知要求都高了很多。我每天都要花大量时间学习。项目量本身也很大,FA每天至少会推回来十个项目,但更麻烦的是前面的技术还在变化,所以现在每个人的工作量都非常大。
蒲凡:所以我反而觉得这时候可以更从容一点。因为上游还没有定,贸然下注的话,下一条技术路线可能很快就被证伪。就像我今天早上在一个群里看到有人说:现在写一本AI的书,是不是天底下最大的笑话?因为书还在印刷,里面写的东西可能已经失效了。
刘天然:全变了。是的。
小野酱:那你从刚入行到现在,挑项目的标准、看人的标准,有没有发生迁移?或者你观察到这个行业的从业者发生了什么变化?
刘天然:基本逻辑没有太多变化。祥峰对技术的关注度一直非常高、也非常深。如果把一个项目的不同因素拆开,技术这一项的权重可能不低于50%。和过去相比,现在更重要的是找到真正的创新。国产替代之上,还要继续寻找原创性的技术突破。我觉得现在的底色就是技术。纯商业模式创新不是我们特别偏好的方向,我们一定会在技术上找到差异化。
小野酱:一个人技术非常强,但后来因为执行或者其他原因没有做成,这样的公司多吗?
刘天然:有。科学家到企业家的转变总归需要一个过程。我觉得投资经验最宝贵的地方,就在于你对人的认知会发生变化。刚入行时,你会很在意他发过多少顶会、拿过多少奖,或者在外企做到什么level。现在随着年龄和经验增长,我会更全面地和一个人沟通、考量他。
小野酱:那你现在看人,跟以前相比,哪些地方变得更敏锐了?
刘天然:我可以和你分享一下几年前我是怎么看人的。尤其面对这种“大牛”,我会有无限崇拜:清北复交、藤校是基础,再看你在哪里做过高管、做到什么level,是教授还是院士。因为你自己还是个小孩,看他们天然就是长辈,45度仰视都很正常。
现在当我变成一个更完整的人、完整的投资人之后,我不会再用崇拜式的视角跟他沟通。我会坐下来客观审视:你有没有能力把企业真正转化好、运营好?如果自己不行,你下面的棋子怎么布局、怎么找人?我会更有勇气challenge他。十年前让我去challenge这些大牛,基本不可能,而这些“大牛”的膜拜视角,总会干扰我的一些判断。
蒲凡:几年前的你对大神是一个膜拜的视角,那你对祥峰辉煌的历史是一种膜拜的视角吗?
刘天然:我当时加入祥峰有一个很重要的原因,就是它历史足够久。1988年就开始做风险投资,在这么高风险的行业里,到我加入时已经活了二十多年,我觉得是一个很神奇的存在。我想,如果加入这样一家机构,可能能获得更多关于这个行业历史的东西。因为我在前一家机构、或者刚转行时,并不知道风险投资以前是什么样。祥峰像是掌握着半部行业史,再加上国际化背景,可以帮我理清这个行业在不同市场、不同年代到底发生过什么。
蒲凡:所以理清了你什么呢?你当时对这个行业有什么好奇,然后被祥峰给证明了?
刘天然:我觉得最重要的是,如何一遍一遍洗净铅华,把真正有用的方法论沉淀下来。祥峰也踩过很多坑,也有很多明星项目,而且不只在中国,在东南亚、美国、以色列都有长期积累。比如我们在以色列可能就是No.1级别的基金。这么一轮一轮走下来,沉淀出来的那些锦囊,会帮助我后面做投资。
2017年投医疗是种怎样的体验?
蒲凡:这是你对祥峰的期待。我特别好奇祥峰对你的期待是什么呢?
刘天然:我觉得祥峰是一个比较自由向上的团体。
蒲凡:没有对你没有期待?
刘天然:我加入快十年了,至少我的感受是,老板从来没有特别规定过“你的KPI是什么”。他会保持一定距离,默默让你自己想清楚:你想要什么、你要干什么。我们从来没有公开的KPI,比如今年一定要投多少钱、投多少项目,从来没有。
小野酱:在这种宽松的环境下,如果是一个有自我驱动力的人,反而更觉得有压力。
刘天然:所以一开始我总是纠结要不要和老板聊一聊,他到底对我满不满意?可能到最近几年,我才慢慢觉得自己证明了一些东西。
前面不是说要耐得住寂寞吗?(得到这句话之后)那我就耐着寂寞。
比如刚开始我负责医疗的时候,(医疗)对绝大多数科技基金来讲,这其实是拓宽行业的过程。没有人知道新拓出来的这一块最终会变成什么,只是希望有人能把它做起来,投出几个标杆deal,让市场知道我们不仅能投传统方向、前沿科技、硬科技——BioTech也是Tech,我们也能把这些deal投好。
而这就意味着一个很漫长的过程,不是说我今天想投,明天马上就能给你一个亿人民币的结果。前几年我一直是如履薄冰,没有那么多子弹,压力非常大。今天这些deal跑了出来,跑成什么样子大家自然会看得到。但是之前肯定还是会有一些怀疑。
蒲凡:似乎和我预想的一样。祥峰招你进来,外部看起来是希望你承担一个“拓荒”的角色。因为那正好是一个周期转换的时间点,移动互联网的方法论开始失效,硬科技又还没有真正起来,要到2019年科创板出来之后,才逐渐形成一条清晰的通路。
我整理资料的时候也发现,在你加入祥峰之前,祥峰其实已经有医疗投资,但相对比较零散;你加入之后,这条线才逐渐被系统地做起来。所以我原来猜的链路是:机构先给了你一个拓荒的期待,而在这个大的主题下面,你最后把医疗作为了自己的答案。
刘天然:真实的场景其实是这样。我刚到祥峰的时候,老板问我:“你能干什么?”
我当时的回答基本就是:我什么都能干——为什么我会觉得自己什么都能投?因为当年的互联网投资本来就是“互联网+万物”,什么行业都能跟互联网发生一点关系。我之前又是在天使机构,确实看过特别多类型的项目。SaaS、云厂商、移动互联网,我都投过,甚至还投过一段时间文娱。
所以那个时候,你很难说自己只属于某一个特别明确的赛道。天使投资就是这样,各种各样的东西都会看。所以老板听我说了一圈之后,大概就是:“那你去看医疗吧。”
蒲凡:就这么定了?脑子一热,就让你去看医疗了?
刘天然:当然也不完全是脑子一热,跟我的家庭背景还是有关系的。我从小算是在医院里长大的,高中的时候也参加过生物竞赛。在我看来,他更需要的是一个人怎么把这个赛道规划好、建立起来、运营起来,而不只是找一个知识顾问做输出。
knowledge方面,我们聘请了不少名校PhD甚至学者。因为医疗本身就是非常硬的科技,而且细分学科特别多,专业input会慢慢补上。但在这之前,需要有人在中间起承上启下的作用:一方面把以前零零散散的portfolio顺畅地过渡过来,另一方面真正开拓一个新的领域、新的赛道。
这个只是表面上发生的事情,实际上那个时候医疗行业本身也在变化。这个变化大概从2015年就开始了。2015年有药审改革,包括“7·22”临床试验数据核查。到2017年,一个比较重大的变化是中国加入ICH,中国生产的临床数据开始和国际标准接轨,逐步具备互认的基础。紧接着到2018年,港股18A开闸。
我是2017年来的,所以那个timing其实非常好。再加上那段时间移动互联网红利确实在消退,所以叠加这些因素,我们很早就开始认真看医疗。但刚来的时候也不是什么都看,而是一步一步来。那个时间点祥峰大概一半的人是工程师背景,大家在技术、材料这些方向比较强,所以最开始切入的是器械和服务,后面才慢慢进入创新药,不是上来就什么都投。
蒲凡:其实“被寄予厚望”本身就是一件很辛苦的事。
刘天然:也是一件很荣幸的事。但我内心确实挣扎了很长一段时间。为什么?即使我高中搞过生物竞赛,真正进入这个行业以后,还是会碰到无数奇奇怪怪的专业词,我读十遍能忘十遍。大概到2020年以前,我每天都过得异常痛苦,你也没法跟老板诉苦。
我之前看TMT,投入产出相对直观:把DD做好,多聊企业,再从里面选出好标的。可到了医疗完全不一样,天哪,那是成千上万篇paper。你花很多时间,可能连一个最基础的问题都还没完全搞明白。
蒲凡:而且如果当时大环境差一点,你至少还有时间慢慢学。偏偏2018年18A一开闸,项目蜂拥而来,会有一种“时不我待”的压力:怎么别人都已经开始跑了,我还在这里学。
刘天然:对,压力当然有。所以我第一个创新药项目和铂医药,是2018年8月才投的,中间有一个学习过程,一开始肯定非常痛苦。每一个词都是新词,有时候中文都没完全搞清楚,更别说很多东西只有英文。
后来慢慢熬过来以后,我发现自己的投行背景反而有一个优势:我比较容易从复杂的信息里把大的逻辑拎出来。因为我不是这个行业的PhD,所以我不会一上来就掉进某个特别细的专业词里。我在分析项目时,会先做一个“翻译”的过程——这个翻译不是把英语翻成中文,而是面对一堆蛋白质、机制、靶点,我先问:它到底在解决什么问题?把它放回疾病谱里,再去判断,它是真的能解决问题,还是只能让病人的某个指标变好一点?是让慢性病继续存在,还是有机会真正治愈? 这个问题搞清楚以后,再算商业模型:这个药如果真的获批,在现在的支付体系下到底能赚多少钱。
按照这条主线往下走,你就不会一直掉进某一个term的坑里。刚开始最常见的场景是突然来一个新词,中文英文都无敌难,一天下来可能一篇paper都读不完。
小野酱:这有点像我六年级第一次读原版《红楼梦》,每读两句就要查一个词。
刘天然:差不多就是这个感觉。但后面慢慢理清楚之后,事情其实没有想象中那么复杂。我觉得投资这一行很考验综合能力,不是说我学术能力强、会读paper就结束了。一个投资人为什么能自己扣动扳机?因为投资人能把手里的资源整合起来,帮自己做判断。
前端我要找学术人员,帮我判断这个机理是不是make sense;中间要找临床医生,看这个药到底能不能让患者活得更久,或者让某个指标下降多少;再往后还要去问监管、支付体系,在砍价之后到底还能不能赚钱。海外也一样,要一个个去问。最后其实还是算账。
医疗投资里有很多特别优秀的博士和学者,他们前端技术判断非常扎实。但一个完整的投资人,还要有金融sense,把后面的商业化、支付和回报逻辑也讲完。
4年2倍,这已经是医药赛道里的“好结果”了
蒲凡:前面问你祥峰最打动你的是什么,你提到它这么长的历史、能活过二十多年,肯定有不断提炼方法论的能力。刚才听你讲医疗投资,我觉得你身上也有类似的东西——一直往前走,但会不断停下来把方法论总结出来。这个能力是你到了祥峰以后主动去学的,还是祥峰教给你的?
刘天然:我觉得都有。刚进祥峰的时候我还是个VC小兵,很多东西看不全。我们开会时不同赛道的人会一起讨论项目,所以我的认知、判断和世界观,也是在这种碰撞里慢慢补全的。祥峰教会了我很多,比如怎么完整地看一个项目;反过来我也在这个过程中形成自己的判断。我觉得是互相影响。
蒲凡:那如果你自己的观察,和祥峰过去的经验发生冲突呢?你会觉得是机构错了,还是自己错了?
刘天然:我觉得很难简单说谁对谁错,更多是行业认知之间有gap。很长一段时间是我自己在医疗这块单打独斗,大家看到的更多是科技项目的繁荣:估值涨得快、结果也更容易被看见。医疗周期又长,估值不见得涨很多,但技术分析还特别复杂,所以我需要做很多内部沟通,把这件事情讲清楚。
比如科技类项目的估值十倍、几十倍、上百倍地涨,大家自然会问:那医疗为什么这么多年还是这样?
小野酱:当然,那些上涨也可能是泡沫。
刘天然:但人家至少有一个即时反馈。医疗的问题是,很多判断要十年以后才能验证。
蒲凡:所以如果我是你,要拿一个十几年后才能验证的判断去跟领导、前辈battle,我自己心里会没底。你可能知道自己是对的,但那个答案像是下辈子的事情。
刘天然:对,我确实有过这样一段心路历程。
小野酱:所以“耐得住寂寞”如果翻译得更直白一点,就是你扣动扳机以后,会经历一个很漫长、几乎没有正反馈的阶段。人还是需要正反馈才能往前走,长时间没有反馈会非常挫败。
刘天然:我在投医疗之前就知道它会是一个很长周期的事情。但这么多年跟很多学者、尤其是临床医生沟通下来,不瞒你说,我真的会为这些成果感到开心。有一段时间肿瘤治疗特别火,当我真正扎进每一个肿瘤细分赛道时,我甚至没有那么care自己的投资业绩。
小野酱:是会为“人类的一小步”这种进步感到雀跃?
刘天然:也不完全是。我更在意的是,我投的项目是不是真的能帮这些患者解决问题,能不能让他活得更久一点,延长一年、两年,甚至更久。当然这个转化周期非常长,你看到结果的时候,它可能才刚进临床一期、二期,再往后还有很长的路,但只要效果真的成立,它就需要时间。
我举一个葆元医药的例子。我们2020年投资了这家公司,2024年,它被Nuvation Bio收购——这其实是个不错的结果。因为当时中国医疗投资已经非常惨了,境内几乎没有退出渠道,港股也走不通。公司还处在临床中后期,产品尚未获批。
但站在我们投资人视角里,我们其实看到了非常惊艳的早期临床数据。而且在那个市场环境下,大家最关心的事情已经从能赚多少倍,变成了能不能退出。所以最后这笔投资给我们带来了两倍回报——2020年投入,2024年退出,四年两倍。
放在科技投资里,这个成绩可能都不值一提;但对当时的医疗投资来说,项目能找到买家,我们还能带着两倍回报退出,已经非常庆幸了。
并且我们知道公司不能一直等。临床试验要持续烧钱,单个患者的成本就可能达到几十万美元,这些钱花下去也不代表一定能得到最终结果。退出渠道已经关闭,公司还要继续融资、继续推进临床,那段时间我们的压力非常大。
后来的进展也说明,医疗项目的价值兑现需要多长时间。产品去年(2025年)才获批上市,经过三四个季度的数据验证,才逐渐获得华尔街分析师的认可。患者一年的用药费用高达30万美元,但它确实能够延长患者的生存期,临床试验甚至因为疗效仍在持续,到现在还没有完全结束。到了今年年初,Nuvation Bio的股价一度涨到了收购时的大约十倍。可在2024年的那个节点,我们根本等不到这些结果,能够退出就已经很好了。
蒲凡:所以你知道为什么我选择延续Supernova上的话题吗?
那次Supernova的主题叫《我们的黄金时代来了吗?》。一开始从宏观叙事看,我觉得你肯定赶上过黄金时代,因为你一做医疗就赶上了18A开闸。但再往后,2021年市场又突然转向了,变得一片冷寂。最近“黄金时代”这个词又特别火,什么韩国女孩的黄金时代、合肥女孩的黄金时代、养猴女孩的黄金时代,讲的都是普通人不怎么需要努力就实现了倍增的正反馈。
如果按照这种“黄金时代”的定义,再把你的经历重新梳理一遍,我反而会觉得,你好像一直没有真正享受过一个轻松的、属于自己的黄金时代。
刘天然:我觉得还没有,我们是一路熬出来的。
蒲凡:前期你有把机构一条新赛道做起来的压力,还要抓住当时的窗口;没过几年又进入寒冬,变成怎么把它熬过去。你几乎一直生活在这种压力里。所以聊“熬”这件事,你应该特别有发言权。
小野酱:我更好奇的是,我们今天看到的你很稳。你一直都是这种性格吗?还是因为长期面对新的挑战以后慢慢变成这样?你从二级转一级、从国外回国内,一直在学习、一直在换题目。我们的经验是,一个人只要还想赢、还想学,就很难真正放松。
而且你的变化周期越来越短:前面五年相对还算静态,但2017年到祥峰,马上赶上18A;到2021年又是一次转折;现在又进入新的阶段,医药本身也没有那么好。那天蒲凡把提纲发给我的时候,我还说,现在聊生物医药,是不是有点像去庙里化缘,还得顺便吃口素斋。你好像一直都处在这种不断转化、不断学习的过程里。
刘天然:我觉得这跟行业有关。以前在二级市场,可能也因为年轻气盛,我那时候真的火爆异常。每一个在交易大厅工作的人,都恨不得天天像谢霆锋摔吉他一样,我感觉每天都在摔电话、砸电脑,因为工作的强度和密度极高。后来做一级市场以后,眼光会自然从短期拉到更长的时间维度,按几年甚至十年去看。尤其创新药,大家都知道一个药可能要做十年、十一年。像葆元医药,从我们2020年投进去到现在也才六年,所以能熬到今天这样,我已经觉得非常不错了。我现在这种状态,也不是我一个人的问题,整个行业的人都在一路慢慢长大。
蒲凡:而且你可能比很多人更能适应变化。你入行以后一直在切换环境、切换行业。现在变化又越来越快:以前一个方法五年失效一次,现在可能两年、一个月就失效一次。很多人会很难受,但你反而可能更适应。
刘天然:可能是在这个行业待久了,自然就被它同化了。其实祥峰的硬科技投资也是一样,很多公司都不是今天投、明天就十倍。生物医药领域,微芯生物就是一个很成功的案例,我们陪伴了很长时间;SES我们2013年就投了,也是差不多十年以后才迎来几十倍、上百倍的回报。它都有一个过程。只不过今天AI加速了一切,所以跟AI、具身智能相比,我们过去走的路确实更难、更曲折。
周期,是能预判出来的吗?
蒲凡:我想问个方法论的问题。祥峰从1988年到现在快40年了,经历过无数周期、无数次换挡。你们怎么判断一个周期快要转换了?又会提前做什么准备?
刘天然:郑总经常会说,我们祥峰的人都不是二级市场专家,也不是宏观经济学家。周期判断上,我们当然会借鉴宏观分析,但真正能坚守的还是技术、硬科技创新。因为我们相信科技能穿越周期。半导体是科技,AI是科技,医疗也是科技。我们希望在今天投下一代、下下一代技术。只要技术真的成立,不管周期up还是down,五年、十年以后它都会有机会起来。
风险控制上,我们更愿意focus在早期或者早中期,尽量避免在泡沫里投到特别贵的项目。还是做早期、有耐心、技术驱动的投资人。
蒲凡:但我还是特别想知道,你们怎么定义一个周期?什么指标出现以后,你们会觉得“周期到了”?
刘天然:很难用一个单一指标定义。大的周期可能还是看宏观和股票市场的综合变化,看这种up and down,比如每五年、每十年一次比较大的波动。现在我们会觉得新的硬科技周期正在到来,也会看一级市场项目的融资节奏、融资金额,这些都能反映行业是不是进入快速上升通道。
蒲凡:你知道我为什么一直追问这个问题吗?听你刚才的表述,再结合祥峰和你个人的经历,我一直在想:一级市场如果过分强调周期,会不会反而是一种甩锅?
你刚才说科技能穿越周期,因为底层有些东西是不变的。反过来一个人如果不断强调周期,那么他通常论据是当下交易结果,是市场实时价格。那么既然一级市场投的是前置的、未来的东西,如果也天天谈周期,会不会反而是一种异化?
小野酱:我不完全这么认为。
把时间维度拉长,当然会有一个大的区间,比如二级市场传导、技术往前推进,都会形成大的周期。只是在大区间里依然有很多细微变化,你也得静观其变。毕竟投的是未来,是变化中的东西。 比如现在大家都看AI,但AI里面又有应用、大模型、具身智能、VLA等等。都在一个大主题里,可不同机构的偏好完全不同。有人觉得大模型太烧钱,不适合自己,那就看应用、看其他方向。所以大的周期下面,仍然有很多细分变化。
蒲凡:我想说的是,很多VC现在会不断判断“哪个周期来了”“哪个周期快过去了”,再去调整自己看什么。但我一直觉得,周期应该是一个后验概念——事情发生以后,我们复盘才发现它是一条趋势。如果在过程中就先验地把它提出来,会不会反而变成一种伪概念?
刘天然:反正我们在实际投资过程中,确实没有过多提“周期”这个词。跟周期相关的因素当然很多。比如政府资金、外资LP资金的宽松和收紧,会影响我们能投资多少钱;钱多了,更多资金进入硬科技,也会吸引更多人才,人才本身也有周期。
至于技术或者市场的“周期”,很多时候反而是二级市场给出的反馈。你去看指数、估值和交易状态,大概就知道市场在什么位置。
蒲凡:那再具体一点。2021年下半年,市场突然从火热转向寒冬,你们当时怎么理解这个大事件?
刘天然:那年给我的印象特别深。上半年,市场还在抢项目、抢额度,很多机构愿意接受更高的价格;到了下半年,我们的工作重心迅速转向投后,开始帮企业控制资金消耗、安排后续融资,想办法撑到下一个发展节点。短短半年,市场已经完全变了。
医疗投资受到的影响非常具体。支付端,集采和医保谈判持续改变药品的定价体系;商业化端,行业合规要求不断提高。以部分创新药为例,进入医保之后,患者一年的治疗费用可能从几十万元降到几万元。部分PD-1产品也经历了类似的价格调整,行业里把这个过程形容为“灵魂砍价”。
药品价格发生变化,投资模型也要跟着重算。过去,投资人会根据技术价值、市场空间和未来的商业化收入给项目定价;到了产品上市阶段,实际收入可能远低于最初的预测。假设商业化价值只剩原来模型的20%,一笔原本预期获得十倍回报的投资,最后可能只剩两倍。对于研发周期长、资金投入大的医疗项目,这种变化会同时影响前端估值、后续融资和最终回报。
小野酱:但你的性格好像不会把恐惧继续放大。事情来了,你第一反应还是“我要做点什么、把它解决掉”。
刘天然:还是要解决问题。所以对我们而言,评价体系其实没有发生根本变化。祥峰比较平稳的一点,就是从我加入到现在,判断项目的逻辑和方法论没有太大变化。我们一直重注技术。做药时,我们更在乎的是它能不能在国际市场站得住脚、分到一杯羹,而不是只看中国市场。因为在中国,只要是个好品类,总有一天会非常卷。也正因为这样,我们挑出来的企业在这种环境下依然能走到国际舞台。
像葆元医药,包括后面投的锐格医药,首付款8.5亿美金,都是因为这些药不仅在中国能行得通,在国际市场上也能做到best-in-class或者first-in-class。最终讲项目赚多少倍,我们确实没法和科技比,但在医疗领域,我觉得这些都是非常闪闪发光的benchmark deal。
深耕一个赛道,变成了一件很傻的事?
蒲凡:既然你们内部并不怎么强调周期,那你后来重新去看硬科技,又是什么什么?
刘天然:我觉得不能叫“转”,更像是回归。祥峰从Day One、大家都在投互联网的时候,我们就在看硬科技。所以对我自己而言,也是回到机构原本的底色。医疗我依然会持续看。因为对医疗来说,所谓一个“周期”实在太短了,你一个市场周期走完,我的药可能还没做完。过去十年投下去的项目,未来十年会陆续得到yes or no的结果。如果是yes,它一定会商业化,而且在国际市场上可能是几亿美金、十几亿美金的收入。前面这一段更像是全行业蛰伏的阶段。
与此同时,AI、量子这些技术很大的应用方向也在新药研发上。所以我去看其他科技,并没有那么大的跨越。对于一个成熟投资人来说,大的方法论其实很像:从技术到工程化,再到商业化。以前我转化的是一个分子,现在可能转化的是一篇paper里的结论,但大的逻辑没变,本质上都是成本曲线结构性优化的过程。
小野酱:但任何转变都不可能是一个折角,啪一下就转过去。
蒲凡:就像开车转弯,总得看到绿灯、堵车或者前面出事故,才会决定转。
刘天然:对我来说,这个事件其实就是AI。
AI+药这个赛道我们很早就在关注。我在2020年前后就开始看这些细分方向,比市场真正火热起来更早,而且当时已经梳理得比较清楚。我觉得我们也是跟着AI一起成长的一波投资人,只不过我的切入点是医疗,别人的切入点可能是半导体或者科技。我们一路看着AI怎么筛选分子、怎么把原来十年的研发时间缩短到九年、八年,所以不是一个硬转弯,而是一路贴着变化往前走。
包括量子,我自己的理解是,现在相对更成熟的应用方向里,医疗和金融都是很重要的场景。所以这些变化对我们来说,更像是沿着原来的积累继续往外延展。当然其他前沿科技也会看,有时候来自长期积累,有时候也来自熟人介绍、所谓“近亲繁殖”,慢慢形成一些新的判断。
蒲凡:这种转向是你主动去找的,还是内部共同商量的结果?
刘天然:我觉得是主动去拥抱变化。
蒲凡:那我再问一个稍微理想主义一点的问题。你明明可以在一个细分领域里一直做下去,最后变成所谓的“医药仙人”。我们以前做过一期播客,标题叫《我40岁还当投资经理怎么了?》,其实就是在鼓励长期深耕。国外也有很多人做到七八十岁,还是一个普通记者、普通投资经理。那你为什么没有选择一直做一个纯粹的医药投资人?
刘天然:又回到“周期”这个词。十年前的创新药市场很像今天的AI,投资人要排队去见项目;今天相对平静,人才和项目供给也到了阶段性瓶颈。一级市场里,没有像硬科技那样百花齐放、一下冒出那么多新公司。现在更像是大家在等待前一批项目出结果。 如果以前我们能开发100个项目,现在可能只有10个项目需要cover,那剩下的精力就可以去看看新机会。
但这也不是乱看。很多新技术、新idea,最后还能反哺原来的被投企业。比如我们投的精锋医疗是做手术机器人的。下一代要干什么?AI能帮它做什么?世界模型能帮它做什么?我们在看这些新技术时,会给被投企业建立connection、引荐公司,去想下一代手术机器人怎么惠及更多医生和患者。这个过程和原来的医疗投资不是割裂的,是互相帮助、共同发展的。
蒲凡:我把问题再打开一点:当一个行业开始强调“周期”,到底意味着什么?
小野酱:我以前特别羡慕一种人:一辈子做一个赛道,做十年、二十年,把它彻底打透。但这几年无论板块轮动、二级市场变化、宏观环境变化还是技术推进,都逼着很多人不断换知识体系。最早可能是互联网、消费投资人,后来被逼着看医疗、看paper;现在医疗投资人又开始看硬科技、量子、商业航天、AI、具身智能。这个职业路径跟我最早想象的其实很不一样。
刘天然:我想到一个点。一级市场投资人其实很像一种messenger。大家不用太关注我们具体投的是什么,我们更像整个大趋势的融合者。如果没有跨行业的投资人,做药的人可能永远就在自己的十年周期里,一个十年一个十年地做新药。但投资人会把更新的概念带进去,让不同领域更快发生连接。就拿AI来说,哪怕去年还有很多科学家跟我说AI是骗子,不可能用AI做药,说AI设计出来的分子都是假的、都是幻觉。
小野酱:因为他们原来的科学训练已经根深蒂固了。
刘天然:对,甚至到今年年初,依然有人不相信AI的力量。但很多事情要改变,就得有人贴着前线打,不断告诉传统行业:现在这个东西已经做到什么水平了,怎么帮你设计分子,怎么把原来做不到的东西做出来,怎么提高效率、降低成本。
包括脑机接口也好,SpaceX也好,当年都有很多人觉得是骗子、看不懂马斯克。总需要一些能够跨行业的人,把不同skills融合起来,创新才会真的发生。否则做药的人永远只是在做药,他不知道AI能带来什么;机器人也可能永远只把自己当成一台高端操作器械,看不到后面和AI结合的可能。
把时间退回十年,谁知道火箭还能回收?
蒲凡:所以听你们两个人讲完,我对刚才那个问题好像有答案了。当一个行业开始强调周期,负面来说,可能意味着原来那套东西有点失控了;正面来说,意味着一些客观、不可抗的变化正在到来。如果一切还在我的控制范围内,我过去那套科学经验依然有效,甚至还有明显优势,我就不会天天强调周期。
这是“坏孩子”得到奖励的时代吗?
蒲凡:聊到这里,我有个最大的感受。开头我说,我们会期待天然这一代投资人进入一家老牌VC以后,给机构带来新鲜感、带来新的方法论。但一个多小时聊下来,我从她嘴里听到最多的词反而是“不变的”“相通的”“很自然地转过去”。这个挺有意思。
我们以前聊很多同龄的VC2.0,上来会说我要改方法论、改组织体系,整个对抗感和进攻性都很强。你身上反而更像一个“坚守者”。
刘天然:坚守并开拓。这也是我这些年看女性创业者以后形成的新感受。这么多年下来,我越来越觉得,女性创业者在挫折里的韧性、解决问题的能力一点不亚于男性,而且没有那么容易被打倒。如果我自己的心态再negative一点,可能前几年我就已经不行了。
男性更容易有一种“必须拼个你死我活”的冲劲,狼性很足;女性要balance的事情更多,琐碎的事情也更多。但女性特别宝贵的一点,是危机真的来了以后,韧性往往非常强。男性冲劲很猛,但很多男性的内心反而比较脆弱。
蒲凡:我之前坐飞机的时候听一个著名的科普栏目《老高与小茉》,里面也讲过一个类似的说法:男性对失败的痛苦反馈可能更强。他们给的是一种进化论式的解释——如果出去开拓领地,被猛犸象戳死了,对整个族群的影响会很大,所以对失败和痛苦的反馈会更强。
不过这也让我特别好奇你的管理风格。你现在已经是合伙人了,以前是个“小兵”,很多事情可以收着,现在要承担更多责任。
刘天然:我觉得风险投资本身就是一个非常扁平的行业,跟大公司不一样,没有那么强的hierarchy。对我来说,合伙人的变化更多是责任和义务变大,而不是权力变大。
小野酱:那会不会因为更审慎,反而错过一些更有成长性的机会?
蒲凡:本来进攻性就不算强,升了合伙人以后会不会更不敢冒险?
刘天然:但这就是我的责任和义务。我必须替LP把钱管好、把投资做好。
小野酱:但大家还是会期待你更有预判性、更前瞻,甚至给他们一些指导吧?
刘天然:对。合伙人的责任,一方面是对LP,另一方面是对基金。至少自己负责的赛道要cover好,好的机会不能错过,也尽量不要投错。同时还要把过去的经验和技巧传给中间层同事,慢慢把他们带起来。我觉得这是最起码的职责。
蒲凡:我突然想到一个不一定很合适的形容词:我觉得你很“乖”。会不会是你从投行转到VC中间那几年,把你身上原来的一些进攻性磨掉了,后来到了祥峰就越来越像一个“好学生”?
刘天然:我确实是个好学生,也确实很乖。我觉得这是一类很典型的人:从小乖到大,习惯听老师的话、好好学习,所以长大以后未必有那么强的主动进攻性。就像我刚回国的时候,我很难一下跟那帮搞互联网的人混在一起。当你习惯了“好学生”的光环,你就会习惯别人来push你,而不是自己先冲出去。
但现在也不是标准的“好学生”,我觉得我的性格和典型“好学生”还是有点区别,我从小其实比较灵活。你们现在看到的这种稳,可能更多是我在医疗行业做了这么多年,形成长期视角以后呈现出来的结果。
小野酱:可能是因为我们见到你的时候,已经是你相对成熟的职业阶段。工作十年以上的人,往往会呈现出某种冷静、清醒,甚至一点疏离感,因为投资人要保持观察者角色。但我们更想知道你的来时路:你最早是不是也这么乖、这么冷静?碰到事情是不是第一反应就是“接化发”——先接住,再化解,再把事情处理好。
刘天然:那倒不是。我也不觉得中间那几年是什么“打击”。而且我现在只是坐在这里聊天,看起来比较稳;真到抢项目的时候,我可从来不让别人。
蒲凡:你提到了互联网时代的“不舒适”,而这就是我想说的——在我感受里,现在这个时代和互联网时代,最像的地方就在于,这都是“坏孩子”容易得到奖励的时代。太守规矩的人,反而可能籍籍无名。善战者无赫赫之功,但坏孩子更容易被看见。
刘天然:我懂你在说什么。但我觉得没办法,这就是性格,也是这个行业慢慢赋予我的。一开始投医疗的时候,我甚至有一种错觉,觉得这帮人跟我是从小比较像的那拨人。学医的人很多都是传统意义上的“好学生”,跟他们聊天会让我回到舒适区。
我刚回国做互联网的时候是真的快疯了。以前天天在国贸、三里屯,后来整个人搬到中关村,天天泡创业咖啡馆、创业大街。我觉得那段时间是在磨平自己。不是看不上他们,纯粹就是两个世界的人。但那帮人真的很聪明。风险投资行业也确实诞生了很多抓住时代红利的厉害投资人,投出几百倍、几千倍的回报。你拨开他的简历会发现,他可能确实不是传统意义上的“好孩子”,但人家投资是真厉害。所以我非常明白你想说什么。
蒲凡:所以你的答案大概就是:虽然坏孩子还会得到奖励,但你还是决定把好孩子这条路走下去。
刘天然:我把自己该做的事情做好就行了。那些人我会羡慕,但人和人不一样。我就在自己的领域,把所在的领域做到最好。我很羡慕他们,但我变不成他们。
现在就是我的黄金时代
蒲凡:最后聊一个收尾问题。外界会对你们这一代投资人寄予很多期待。那你自己对未来有什么期待?
刘天然:我可能跟别人不太一样。很多投资人最后会去创业、去公司做CFO,也有人自己孵化一家公司。我觉得我可能是比较少有的、会一直做投资的人。我的期待其实也不复杂:我希望十年以后,自己也有一些deal能够被别人拿出来讲。
蒲凡:还是希望能被写进《中国风险投资史》。
刘天然:对。既然做投资这么多年,肯定希望有一些真正能影响别人的deal。就像我刚加入祥峰时,会去看祥峰以前投过什么;或者整个风投史上,像徐新总投京东这样的项目,会改变整个行业的历史。我也希望自己能留下一些类似丰碑的东西。
蒲凡:你其实挺吃“岁月史书”这一套。你很愿意用一个更长的时间尺度,去合理化自己当下的一些选择。 因为你明显不是那种特别爱算细账的人。如果一个人只算眼前账,他很难接受这套逻辑。把“岁月史书”拉远了看,最后留下的是结果,但中间其实有很多代价。有些人会觉得“我不愿意成为那个代价”,于是就放弃了。我感觉你不是这种人。
那压轴还是回到Supernova。上次我们的题目叫《我的黄金时代来了》,当时没展开。你觉得什么样的环境来了以后,才算属于你的黄金时代?
刘天然:我对“黄金时代”的理解,可能不见得是这个时代我爬上了顶峰。我觉得更像“真金不怕火炼”。黄金时代是你怎么穿越周期、怎么保持自己的水准,最后成为能够改变时代的人。所以我觉得,黄金时代可能是要熬出来的。
蒲凡:所以这个问题是不是更适合50岁、60岁的时候再问你?
刘天然:我觉得现在也是我的黄金时代。我其实挺enjoy现在的状态。虽然我们的业绩不一定能跟硬科技比,但我在自己所属的行业里已经做出了相当不错的成绩。至少十年前那些质疑“一个没有医学背景的人怎么投医疗”的声音,现在我觉得业绩已经给出了答案。
小野酱:我其实很期待你说出这句话。我不期待你一直只说“我挺辛苦的,我一直在学习,我一直俯下身子去啃最新技术”。我觉得那可能会是你一辈子的状态,下一次科技浪潮来了,你还是会这么做。但我更期待你承认:这就是我的黄金时代。
刘天然:我之前对黄金时代的理解,可能是“现在赚了十倍、100倍”。但我真正想说的黄金时代,是我们证明了自己是那种“真金不怕火炼”的投资人。我觉得现在就是一个黄金时代。
蒲凡:前面是没见过黄金的时候理解“黄金时代”,现在是见过黄金以后,才知道它真正是什么。
刘天然:而且现在也确实是所有投资人的黄金时代,因为我们又站在一个变革期。我觉得有点像2009年,现在对所有投资人来说都是黄金时代。你可以不断掘金、挖金矿,获得黄金,也获得高光。Arkham:BlackRock IBIT 20 天增持超 10 亿美元比特币Techub News 消息,据 Arkham 数据显示,BlackRock 旗下现货比特币 ETF IBIT 过去 20 天累计增持价值 10.8 亿美元的比特币,期间 7 个交易日录得资金流入。同期 Grayscale 的 GBTC 则净卖出 2.547 亿美元的比特币。
该数据反映出机构投资者正从传统比特币信托向新型现货 ETF 迁移的趋势。Arkham 通过链上分析追踪各 ETF 持仓变化,此次资金流向显示市场资金正在不同 ETF 产品间重新配置。昨日美国比特币现货 ETF 净流入 1.60 亿美元Techub News 消息,据 SoSoValue 数据,美国比特币现货 ETF 美东时间昨日(9 月 14 日)净流入 1.60 亿美元。
其中贝莱德 IBIT 净流入 1.34 亿美元,富达 FBTC 净流入 5333 万美元,摩根士丹利 MSBT 净流入 975 万美元,Franklin EZBC 净流入 457 万美元,ARK 21Shares ARKB 净流出 4195 万美元。
Invesco BTCO、WisdomTree BTCW、Valkyrie BRRR、Bitwise BITB、VanEck HODL、灰度 GBTC、灰度 BTC 无资金净流入或净流出。泰国 TrueMoney 与 Fireblocks 合作测试嵌入钱包Techub News 消息,泰国主要电子钱包 TrueMoney 与 Fireblocks 达成合作,在其应用中嵌入 THBT 钱包,允许用户直接访问区块链支付功能。THBT 是锚定泰铢的数字价值单位,目前正在泰国央行增强监管沙盒下进行测试。
该试点已进入第二阶段,正扩展至约 2 万名泰国及国际参与者,测试无密钥钱包技术能否让用户无需处理助记词或私钥即可使用区块链支付。TrueMoney 拥有约 2700 万至 3200 万注册用户,占泰国电子钱包市场约一半份额。(CryptoBriefing)