导读

THECAPITAL

本文 5826 字，约 8.3 分钟

前言

在 2026 码荟上，源码资本董事总经理、成长期投资与 AI 赛道负责人韩光，带来了题为 " 站在智能革命的 1769" 的分享。在他看来，这一次 AI 带来的不是上一波通信革命的延续，而是又一场生产力革命——被工业化的，是 " 智力本身 "。scaling law 仍在稳定持续，"AI 一年，人间三年 "，而全球 83 亿人中 68% 还没用过 AI ——我们不是站在浪潮的顶点，而是站在它的极早期。

从硅谷一线的 " 三个月太久 "" 许愿式工作 "，到 "Tokens are not equal"、"to human 还是 to agent" 的新判断标准，再到留给 CEO 们的组织拷问与源码的投资思考，韩光试图回答的不是 "AI 会不会来 "，而是它已经来了——时代的大船三年前就已经启航，创业者是站在旧大陆上看着它走掉，还是跳上去。

重要观点

信 scaling law 的人和不信的人，过去几年的行动完全不同，收益也完全不同。

Frontier lab 的 CEO 们不是在吹牛，他们是在描述一个 fact。

工业革命商品化了机械能；这一次，我们有可能工业化了智力本身。

我们要为智能搭建一个新世界。

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。

过去我们用 to C、to B 划分公司；现在边界正在模糊—— 你是一家 to human 还是 to agent 的公司？

时代的大船三年前就已经开了。我们是站在旧大陆上看它走掉，还是跳上去

以下为韩光的分享内容精编，有删减：

我今天的分享主题是 " 站在智能革命的 1769"，也想和大家交换些观点：AI 不是上一波通信革命的延续，而是另一种生产力革命，是人类继 1769 年蒸汽机之后，又一次把一种生产要素彻底 " 工业化 " ——工业革命被工业化的是 " 机械能 "，这一次是 " 智力本身 "。

这半年，" 撞墙了 "" 泡沫了 "" 该冷静下来了 " 的声音时不时出现。但实际上我觉得：scaling law 一直在稳定持续，AI 一年抵人间三年，我们不是站在浪潮的顶点，而是站在它的 " 极早期 "。

所以今天我想聊的，不是 "AI 会不会来 "，而是它已经来了——作为创业者，是站在岸上看着船开走，还是跳上去。

有没有 scaling law，是两个完全不同的世界

从这半年的 " 推背感 " 说起。

相信大家跟我一样，这半年都有一种被时代列车裹挟的感觉——我们坐在一辆疯狂加速的车上，椅背顶着后背，让人下意识屏住呼吸——现在能做的，就是紧紧把住扶手，别让自己别掉下去。

如果问过去几年什么最重要，回头看，我觉得是 scaling law。

存在 scaling law 和不存在 scaling law，是不同的两个世界；信它的人和不信它的人，过去几年的行动完全不同，收益也完全不同。

scaling law 有学术定义，也有一个简单理解：人工智能的智力水平，大概和你训练和运行模型资源投入的对数可预测地相关。这里有两个关键词：一是投入的体量是随时间指数级上升的；二是模型的智力是 " 可预测 " 地提升的。" 可预测 " 这件事特别重要——我们看 Sam Altman 和 Dario 最近在说的很多事情，都大概表达了 " 这件事我几年前就大概预测了 " 的意思。

站在现在，一个自然的问题是：scaling law 是不是撞墙了？怎么判断？ 其实最好的判断方式是你就在 Frontier lab 里，我们在外面怎么看呢？也有几个办法。

第一，听能直接看到真相的人的发言，" 和真相之间只隔一个人 "。信息会衰减，你和真相之间隔了两个人，听到的事情就不那么靠谱了。离真相最近的，是 Frontier Lab 的 CEO 和顶尖研究员们。最近半年他们反复在说：scaling law 仍在持续。包括他们的文章、博客、采访、演讲，都是这样。Dario 今年一月写《技术的青春期》，说公众要么过几个月就觉得 AI 撞了天花板，要么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；上个月他接受采访又说，现在的进展和他 2017 年想的差不多。

第二，看领先模型等效算力的投入。如果 scaling law 撞墙了，领先模型的等效算力投入就不会再指数级增长；如果还在指数级扩大，就说明他们看到墙还没到。有一个机构叫 Situational Awareness，他们 2024 年画了一个 frontier model 的等效算力投入的图，横轴是时间，纵轴是模型的等效算力投入，对数数轴，每一个刻度是一个数量级，当时画到了 GPT-4 那个交叉点，做了一些当时看起来非常 crazy、没人相信的预测。两年过去，这些预测大体上是靠谱的，令人震惊。我们在 AI 的帮助下更新了这张图，惊奇地发现这条线还在直线往上走，而且在 o1 模型出来之后，还有一个小小的加速拐点。我们大概率仍在 scaling law 的路上。

还有一个有趣的观察：AI 的进步速度，大概相当于儿童智力增长速度的三倍——AI 一年，人间三年。19 年 GPT-2 像个学龄前儿童，20 年 GPT-3 像小学生，2023 年我们有了一个聪明的高中生，2025 年下半年，他突然像一个博士生。基本就是 1:3 的关系。推演一下，2030 年我们会得到什么样的智能？也许我们去年年末才开始感知到 AI 的可怕，不是因为他进步变快了——他一直在稳步增长，只是我们感知到的阈值到了。

一两年前我一直觉得 Dario，Sam Altman，Demis 他们几个在吹牛，因为他们描述的是一个看起来像是科幻的世界。现在我再看，他们不是在吹牛，是在描述一个 fact。

Dario 说会出现 powerful AI，在大多数相关领域都比诺贝尔奖得主更聪明，一到两年内、极大概率未来几年内会出现，会有 "a country of geniuses in a data center"；到今年年底，全世界一半的人都会谈论 AI；他们推荐读《原子弹秘史》，因为这事跟原子弹一样重要。Sam Altman 说，距离真正超级智能的早期形态可能只有几年之遥，他的定义是：能做一家大公司的 CEO，或者做出比最顶尖科学家更出色的研究。Demis 是三个人里最保守的，今年一月他说有 50% 的概率 AGI 会在十年内实现，而他的标准高得多：给 AI 一个 1911 年以前的所有知识，看它能不能独立做出广义相对论。哪怕只有 50% 的概率，也足够可怕而令人兴奋。

我们是不是已经看到了 AI scientist 的微光？前几天，OpenAI 一个没有经过专门训练的通用 reasoning 模型，独立做出了 1946 年提出的单位距离猜想的一个证明，经过四位数学家审定。这个证明不算超级难，是个构造类的证明，但它让我们看到了 AI scientist 出现的微光——他们描述的那个世界，是有可能的。

1769 年革命生产的是机械能，

这一次被工业化的是智力本身

1769 年，是瓦特改良蒸汽机的年份，人类历史在那里出现了一个断点。在那之前，我们周围所有商品里沉淀的机械能，主要由人力、畜力，加一点风能、水能提供；在那之后，大部分由机器提供——先是蒸汽机，再是内燃机，今天有一部分是电动机。我们花了两百年，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，大部分还是人脑提供的，有一点点靠机械计算、靠电子计算（PC、手机），现在有一点点神经网络。如果这真是一场计算革命，未来通过人脑进行的一般意义上的认知活动会不会被压缩？会用什么来提供一般意义上的人类智能？也许是神经网络，也许是别的结构，也许是我们现在想象不到的东西，但这个方向是确定的。

我们惊奇地发现：工业革命商品化、工业化了机械能；而这一次，我们有可能在商品化、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，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；而那两家异军突起的 AI 公司，只花了三四年，就做到了几百亿甚至去往千亿美金的年化收入。这是人类商业史上从没见过的速度，远远超过他们的前辈。

那这个市场到底多大？

一个思路是替代：全球 110 万亿美金 GDP，其中约 60 万亿是工资，假设能替代其中的 50% 到 80%，同时机器替代价格总要打个折，假设一个比较好记的金额 10 万亿美金，我们现在已经吃了多少呢？才吃掉 800 亿美金，非常小的一块。

但替代真的是好的测算方式吗？

工业革命前的 1700 年，完全来自人力畜力的全球功率是 10 吉瓦，两百年后增加到 500 吉瓦，涨了 50 倍。织布机发明出来，它产生的市场绝不只是它替代掉的那点手工织布——它极大地扩展了市场。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。

而且我们还在极早期。这个世界 83 亿人里，68% 还没用过 AI；付费用户只占 1.2%，编程用户只占 0.3% ——但这部分人用得非常猛：一个编程用户的用量是免费用户的 300 倍、付费用户的 10 倍，而且还在涨。过去两年，从 chatbot 到 agent，单任务的 token 用量涨了 1000 倍。

我们要为智能搭建一个新世界，这里有两层。

第一层，要先促进智能的产生，而这会撞上能源和硬件的物理墙。把 Dario 说的 AI 行业的算力需求画成图就会发现：三到四年后，如果他们想拿到全部算力，需要的功率会达到美国平均发电量的 50%。这是一个体系化的物理世界——我们需要电力、芯片、存储、互联、远距离互联、电力电子、液冷，甚至土建，现在全线缺货。本质上，获得算力、获得智力的增长，需要指数级的投入，而物理世界是线性增长的。

第二层，要给 agent 搭一个世界。现在虚拟世界所有的基础设施——身份系统、支付系统、安全审查、身份验证协议——都是给人用的。agent 有一部分有，有一部分没有。将来他们可能会有自己的通信协议、身份验证、支付工具，甚至有一天有自己的经济循环和经济市场。那是一个全新的、令人兴奋又让人有点焦虑的世界。

我们都是初学者：

今天，你亲自玩电脑了吗？

三月份我们去硅谷实地考察，身处现场，带给人的体感和震动完全不同。几个关键词想和大家分享。

一是 " 三个月太久了 "。我问一线 researcher 今年年底会发生什么，他反问：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，他们已经不讨论四个月以后的事，因为时间被压缩了。我们今天讨论事情用的时间跨度，可能都需要被重新质疑。

二是 " 许愿 "。我问另一位研究员，你们离 AI 最近，你平时怎么指挥 AI 干活？他说我哪是指挥它啊，我是跟它学啊——我每天上班就许三个愿望，"AI 啊，今天帮我实现这三个愿望吧 "，然后今天它就帮我实现了。许愿，这是我最近最喜欢的一个词了。

三是 " 两小时后拿结果 "。一个 researcher 说他老板布置工作的用词变了：this is very promising, I want to see results in two hours ——不是等你做完，也不是明天。我们组织的血液流通速度、迭代速度的基准线，到底在哪里？

那怎么做 AI 时代的超级个体？我们给自己提了几个关键词：

第一是 dive in，这个时候别站在岸边看，要跳下去。

第二是 unlearn，忘掉以前的判断标准、判断的 metrics、熟悉的工具和程序，从事实出发、从逻辑出发。

第三是 be open，在这个时代里我们全是初学者，没有人天生懂得更多，态度会决定行动。

第四是 enjoy，这是一个物质丰饶、充满新玩意儿的时代，整个世界就像一个 pupils' playground，我们应该享受它。

所以我也常问自己：is AI always on？我们都是管理者，天天在管理，但今天你亲自玩电脑了吗？遇到问题，你的第一反应是找 AI，还是找人？是找熟悉的工具，还是看看新工具能不能解决？这里也有负面作用：沉迷 coding、沉迷工具之后，重要的事反而解决不了，把自己弄得很累——你是不是陷入了负向循环？

我们要做好准备，迎来和 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 补全的时候，人和 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，也许这 10 个里有一个能被提升成 "CEO"，替你管团队，你就拥有了一家 agent 的公司，一个人带 50 个 agent；最后，我们甚至一个 agent 都不用管，他们自动运行，会有一个 " 黑灯工厂 " ——一个 data center 里的 workforce，你不用管它们，他们交给你一个结果就行。1937 年科斯写《企业的性质》，那在这个时代，会不会出现某种 "agent 时代企业的性质 "？我有点期待那个时刻。

所以想请在座的 CEO 同学们想几个问题：如果三年后你每个员工都带着 5 到 10 个 agent，你的组织架构还成立吗？你公司里哪些岗位，本质上只是搬运信息、推进流程？你下一个 senior 想招谁？如果 junior 的活都被智能做了，你的 senior 又怎么培养？你最核心的十条 workflow 里，哪一条已经能让 AI 跑个七七八八，它的 bottleneck 又在哪里？以及，如果执行的门槛极大降低了，你的护城河是什么？

Tokens are not equal：

从贩卖注意力，到贩卖智力商品

时代在变，投资也在变。黄仁勋说 AI 是一个五层蛋糕：能源、芯片、基础设施、模型、应用。过去三年新创的企业正在迅速填满这个蛋糕，而蛋糕还非常大——这是一个几十万亿美金的新机会，我们应该去抢。

同时我们觉得，这是两种不同的革命。在座的人包括我自己这代人，其实都没真正见过生产力革命，我们见过的都是通信革命。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，变成了工业化的。这里要戴上不同的眼镜去看。

通信时代，我们贩卖的是注意力——我是亿万富翁，他是普通白领，我们的注意力大体等价，"Attention is more or less equal"，我们卖广告、卖抽成，希望用户在平台里多留一会儿、别去干别的。但今天，"Tokens are not equal"：有高价值的、像钻石一样值钱的 token，也有 commoditize、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。

所以判断标准很可能也要变：通信时代我们看 DAU、看时长、看 cohort retention，现在要看 token 的量，将来会不会要看 token 的 " 价值密度 "，或者我们现在还想象不到的指标？我觉得一定会。

过去我们习惯用 to C、to B 划分公司，现在这个边界正在模糊，都是人在用，哪些用量算 2B，哪些算 2C？相对应的，大家已经在说，" 我是一家 to human 的公司，还是一家 to agent 的公司 "。

还有一个我们也没有答案的难题：模型公司这么强，应用公司怎么办？几点可以思考。

第一，AI capabilities 这条线几乎垂直上涨，像暴风骤雨一样解锁新能力，而现实世界的 adoption 要慢一点，中间这个 gap，就是应用公司的机会——谁快谁先拿住。

第二，好产品会说话，老生常谈，但依然成立：就像我两岁多的女儿都知道把四个手指伸进马克杯的杯柄、用大拇指扶住，一个好产品不需要解释；你把杯柄转个 90 度，用户立刻知道这是个坏产品。相似的产品很多，用户会知道哪个好。

第三，last mile is important，模型公司会吃掉一些 vertical，但不会吃掉所有，在几十万亿的市场里，总有一些 vertical 能做到 intelligence works、workflow acts ——二次创业时，是不是要 go deep before you go wide。

第四，护城河怎么建立这个问题特别难答，因为发展太快了， all the parts are moving，但从用户角度而不是技术角度去想可能更重要：怎么嵌入用户的业务流，domain knowledge 怎么获得，另外软性的能力，组织的学习速度，等等，可能比以前更重要。

第五，be imaginative。十九世纪末刚有电的时候，我们只能想到电灯泡（1879 年）和电话（1876 年），谁能想到接下来一百年是一个充满各种电器的世界？今天，我们也能想到 chatbot、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？这是一个冒险家的时代，一个天才产品经理的时代。

我们投什么？

智力本身就是这一轮最大的赢家之一，在美国格局已经开始清晰；硬件，因为指数级投入和线性增长之间的矛盾，可能是近期最重要的主题；后面会有为智力建设的基础设施，为智能搭建新世界的基建；最后是应用——这会慢慢跑出来，不是几年的事，是一件十年二十年的事，我们会持续寻找那些用好智能、把高价值智力解决方案提供给用户的天才产品经理。

这个时代的大船，三年前就已经开了，这是一个 fact。我们是站在旧大陆上看着那艘船走掉，还是跳上去？选择权，在我们自己手里。

#  线索爆料  # rzcj@thecapital.com.cn

融中官方粉丝群

在这里，你可以获取丰富的股权投资行业资讯、热点报道；前沿行业报告、重点课题研究、最新业内动态。链接资本，连接市场，联结资源，共同打造创投交流新平台、合作共赢朋友圈。

END

融中 2025-2026 年度

产业投资榜单评选问卷征集启动 ~

有限合伙人榜单评选问卷征集启动 ~

创新企业榜单评选问卷征集启动 ~

微信线上沟通：rzcj2026

手机沟通：13120158785

媒体合作：010-84464881

商务合作：010-84467811