AI 泡沫迷思：Token 需求、資料中心與電力瓶頸 -- 對話朱嘯虎

本文為閱讀： https://www.youtube.com/watch?v=-sowOoOeQz4 的摘要

這段長訪談其實有一條很清晰的主線：2025 年末，AI 產業的敘事從「AGI/模型競賽」轉向「應用爆發與入口（日活）之爭」；

技術在 Transformer 路線下邊際提升變慢，但需求端（Token 消耗）暴增，真正瓶頸變成資料中心與電力。

在這個背景下，所謂「AI 泡沫」更多被視為二級市場情緒與交易策略的產物，而不是產業基本面已經見頂的訊號。

以下把全文按脈絡深度梳理成一篇文章，盡量把原話裡的觀點、例子、數字與細節完整收攏。

文章主旨：2025 尾聲的 AI，不再講夢想，開始搶「日活入口」— 對話朱嘯虎

這是朱嘯虎與張小珺對談者近兩年的第三次聊天，被形容為「中國現實主義 AIGC 故事」的第三次連載：要持續記錄受訪者在 AI 浪潮中的觀察筆記。

訪談一路從「AI 泡沫」聊到 OpenAI 的產品策略、國內外競爭格局、Token 消耗與基建瓶頸，再延伸到 VC 投資方法、機器人與硬體機會、以及他對中國開源生態的長期判斷。

受訪者開場就把基調定死：大家越來越現實。他用一個很具體的信號來證明這件事——Sam Altman 在 2025 年幾乎不太提 AGI 了，OpenAI 反而持續上線偏「應用/工具化」的新功能（例如 Pulse、瀏覽器、群聊），甚至出現一種以前看似不可想像的反差：「追求 AGI 的公司，怎麼會去做群聊工具？」
他的答案是：這正是產業成熟、回到地面的證據。

產業敘事的根本轉折：從「周活」走向「日活」，從「模型之爭」走向「入口之爭」

1) OpenAI 的變化：不是亂做，而是「從周活到日活」的戰略轉向

朱嘯虎對 OpenAI 的評價是「非常好」「戰略很清晰」。他把 OpenAI 的產品演進解釋成同一個方向的不同落子：

OpenAI 群聊 https://openai.com/zh-Hant/index/group-chats-in-chatgpt/

  • Chatbot/對話式搜尋多屬於「周活型場景」：使用頻次不高、容易被大廠用渠道與產品矩陣進攻。
  • 日活型場景則不同：頻次更高、黏性更強、護城河越堆越厚。

因此他瀏覽器、群聊都視為同一件事：提高使用頻次，把 ChatGPT 從「偶爾用的工具」推向「每天打開的入口」。
他強調這是「非常重大」的戰略轉折。

2) ChatGPT 會不會成為「新的超級入口」？

他回答得很直接：會。
理由是：既然要切日活，本質就是想成為「超級 App 的入口」。而群聊讓想像空間更大，因為群聊一旦建立起來，下一步可能是：

  • 建立新的社交關係
  • 形成某種 social map（社交關係圖）
  • 進一步衝擊既有社交巨頭（他點名 Meta）

他把這稱為「很有意思的變化」，甚至形容為「新時代的社交軟體」或至少是新的超級入口。

3) 上市議題：體量夠大，但「未必必要」

對於 OpenAI 是否即將上市，他覺得「可能有點早」：

  • 因為一級市場募資仍然很容易（他提到 3000 億估值融資遠遠超募）。
  • 沒有迫切性非得盡快上市。
    但他也承認：體量與成長速度確實到了「開始籌備」也合理的程度。

4) 商業模式：海外付費黏性強，切日活會讓「護城河」更強

他認為海外市場的特點是：付費意願強、黏性好。除非你的產品「顯著更好很多」或差異極大，否則用戶不願意換。
同時他再次把「切日活」與市場結構綁定：越日活，越可能變成最多兩三家的寡頭格局，就像聊天 App 一樣（舉了微信、Instagram、Messenger 等“也就這麼幾家”的類比）。

世界競爭格局：Google 沒有落後；中國入口戰才剛開始

1) 「Google 被 OpenAI 取代搜索」的論斷，他不認同

他說自己一直不覺得 Google 落後，Google 的積累很深。以前外界常說 Chatbot 會替代 Google 搜索，但他現在不這樣看，因為：

  • Google「自我革命」很堅決
  • 讓搜索擁抱 AI 的決心也很強

他同時承認：Chatbot 對搜索的取代很明顯，甚至在國內很多人已經用 Chatbot 直接搜索。

2) Google vs OpenAI：一定競爭，核心看誰更堅決「切日活」

他把競爭的勝負手仍然放在日活深度上；而 ChatGPT 群聊被他稱為「非常漂亮的一招」，因為它可能建立社交關係，打到 Google 不擅長、卻更像是 Meta 主場的領域。
因此他判斷：海外競爭在 2025 進一步白熱化，呈現某種「忠誠度」與「日活/市場」的拉鋸。

3) 中國：字節目前領先；阿里 C 端偏晚；騰訊還未真正發力

他對「中國的 OpenAI」的回答偏務實與分段：

  • 豆包（字節）領先：體驗好、流量優勢明顯。
  • 阿里：最近才開始發力 C 端，他覺得「稍微有點晚」，但仍有潛力；並點名「千問/靈光」有亮點。
  • 騰訊：典型策略是不做前鋒燒錢試錯，而是等市場打明白再從第 5、第 6 名往上爬到第 1。他用「過去 20 年」的行事風格做論證。

同時他把阿里與美團的零售戰爭評為「三敗俱傷」（或不算京東就是兩敗俱傷），投入意義未必大；

相對而言，AI 超級入口之爭更有意義，而且「這個競爭才剛開始」。

4) 一個大判斷：2025 末開始的是「入口之爭」，不是「大模型之爭」

他把這當成「很大的變化」：

  • 大家不太講 AGI 了，因為覺得 AGI 很難
  • 必然往應用轉，並進入日活、時長、入口的競爭
  • 誰會成為下一個日活級超級 App？還在形成中

我覺得他其中一個觀點是講得很好的

現在大廠(Google, 阿里) token 免費送的策略，作為創業公司是很難防守的

所以 OpenAI 切換去做 Application，是 Sam Altman 一個很精準的方向轉換

原本的 ChatGPT 是周活，周活的產品相對於日活會比較難防守（使用者黏性較低）

做大模型如果做 API 是很競爭的，因為大家基本上會去 Aggresive 的找性價比最高的，API 並沒有使用者黏性

技術與瓶頸：Transformer 邊際提升變小，但 Token 需求爆發；真正瓶頸在「電與數據中心」

1) 「預訓練資料耗盡、不能只擴規模」：他認為這種悲觀更像“終於被大家接受”

訪談提到某些研究者（Ilya Sutskever, Yann LeCun）說法：過去只要堆算力和數據就能提升，現在進入研究室階段，要找新配方。
受訪者的態度是：這些話其實一直有人在說，只是以前大家不信，現在因為體感變明顯才開始信。
他用一句很“投資人式”的描述概括：再往前走是 margin improvement，但成本很高，提升有限。

在 Transformer 架構下「基本上可能說到頭了」

2) 技術夠不夠支撐一波新浪潮？他說：夠，而且應用已經在爆炸

他的論點不是靠 benchmark，而是靠「消耗量」來證明：

  • Token 消耗量已經十幾倍增長
  • 這說明很多場景「已經足夠用了」
  • 需求端爆發會持續

他預期：今年十幾倍，明年可能還能十幾倍。
而供給端（數據中心）「遠遠跟不上」。於是瓶頸變成：

  • 數據中心建設速度
  • 電力供應（尤其在美國）

朱對中國的立場非常鮮明：中國建核電、海洋光伏、光伏電站是「絕對正確」，因為後面競爭可能變成數據中心之爭、電力之爭，中國反而有機會。 美國要建設核電廠難度比中國高太多，中國是說建就建

「AI 泡沫」存在嗎 -> 更多是二級市場的情緒引導

1) 2025 年末，「至少三年內看不到泡沫」

他直接引用「阿里的財報講得挺好」來支撐“看不到泡沫”的信心，並拋出一個反直覺的判準：
大家都在講泡沫的時候，泡沫肯定沒到。

2) 他認為悲觀情緒的傳導來源：二級市場投資人“故意引導”

他判斷泡沫論的一部分是策略性的：

  • 希望市場回調一兩個月
  • 為明年再進場做基礎
  • 把回調視為更健康（他也用英偉達回調做了同樣評語：回調更健康，為明年爆發打基礎）

3) 他反駁「GPU 折舊兩三年」這類泡沫論點：不符合產業現實

他說這類說法是「對行業根本不了解」。他的反駁細節是：

  • 現在 GPU 卡遠遠不夠
  • 五六年、甚至七八年的卡都在用
  • “只要有卡就能用” 所以用兩三年折舊去推導泡沫不成立。

4) 他用“暗光纖”給出泡沫的真正指標：產能嚴重閒置才像泡沫

他引用 2000 年互聯網泡沫的例子：Dark Fiber（暗光纖）90% 以上鋪了但沒人用。
對照 AI，他認為今天反而是：卡不夠、數據中心不夠——離“產能閒置”那種泡沫形態很遠。

5) 「這波成本誰負擔？」他的答案：Token 在國內可被補貼到極低

他談了非常具體的成本與補貼機制（這段是全訪談最“算賬”的部分之一）：

  • 國內大模型 Token 價格很低，甚至大廠若認為有戰略價值，能再打折或接近免費
  • 許多公司每日消耗「幾百億 Token」並不罕見
  • 他提到一個量級對比：OpenAI 說消耗「萬億 Token」的是大客戶；但他聲稱中國接近或超過萬億 Token 的公司很多
  • “一百萬 DAU 消耗幾百億 Token 很容易做到”

他還給了一個近似經濟模型：

  • 每個 DAU 每天 Token 成本約 0.2 元人民幣
  • 靠廣告或簡單變現能回收 0.1 元
  • 補貼額度可控
    → 所以創業公司願意繼續往前衝。

估值、會計與「GPU 飛輪」：像泡沫但不是核心矛盾，核心仍是“夠不夠用”

1) 中美估值差：美國 AI 估值是中國的 100 倍，「肯定有一端是錯的」

他指出一個“背離點”：

  • 要麼美國收入不可持續
  • 要麼中國收入被低估
    但他也坦言：後續怎麼演化「看不清楚」。

2) 所謂「GPU 飛輪」互相交易、抬估值：像 2000 年，但他把它歸為會計技巧

訪談提到 OpenAI 與其他公司的互相交易、估值/市值互推。他承認這確實“有點像”當年互聯網泡沫，但他的判斷是：

  • 這是上市公司常見的表外化/會計操作，讓報表好看
  • 不是核心問題

核心問題仍然是：
不管表外表內，到底有沒有人在用？到底夠不夠用？
他堅持：今天卡不夠、數據中心不夠，這才是最重要的基本面。

對公司與人物的評價：Sam “嘴上說一套，做的是另一套”，但他稱之為務實

1) 對 Sam Altman：說 AGI 但做應用端，恰恰符合他推崇的務實

訪談一開始就有人吐槽 Sam “嘴上说一套，做的是另外一套”，他回應反而偏肯定：

  • “比較符合你的觀點”
  • 認為 Sam 是務實的人
  • 投資人出身的創業者，需要對投資人、員工、所有人交代

2) 英偉達回調與持倉：回調健康，但他覺得有更好標的

被問到是否仍持有英偉達，他的重點不是喊多喊空，而是：

  • 回調更健康
  • 為明年爆發打基礎
  • 但“應該有比英偉達更好的一些標的”

3) 若給他 50 億美金配置 AI 巨頭：偏好更穩的 Google、Microsoft（甚至 Apple）

他明確說「求穩」會選：

  • Google
  • Microsoft
  • Apple（也可能相對更穩）

OpenAI 他反而猶豫：

  • 關鍵考驗在 C 端超級入口能否站穩守住
  • 戰略選擇到位，但執行仍有持續考驗
  • 若它能藉群聊建立社交關係/社交網路，那他會覺得“厲害”，可能形成下注的臨界點

4) 為什麼不喜歡 Anthropic/不喜歡 API 生意？

他對 API 模式態度很強硬：不喜歡。理由是：

  • API 用戶幾乎沒有忠誠度
  • 任何模型“更便宜更好”就立刻全切
  • API 長期像水電一樣成為基礎設施，趨向“越來越便宜”、難形成護城河

🇨DeepSeek 與中國 AI 開源：他把 DeepSeek 視為歷史轉折點

1) DeepSeek 的意義：10 年後回看會是 AI 進程的重要轉折點

他認為大家仍低估 DeepSeek 對人類/歷史的改變。核心理由是：

  • 促使中國開源更堅決
  • 若沒有 DeepSeek，人類 AI 可能被少數私有公司控制，對人類有風險
  • DeepSeek 幫助中國 AI 模型/公司奠定長期優勢

2) 他認為 DeepSeek “根本沒考慮商業化、甚至沒考慮生態”

他多次強調 DeepSeek 的 DNA 是：

  • 一門心思往前走
  • 追問 AGI / “B 里在哪里”（原文口語）
  • 不走 follow 路線
  • 不在意 DAU、用戶體驗這種運營問題

因此當訪談追問「AGI 見頂」後 DeepSeek 怎麼辦、是否要轉向，他的回答是：這會是完全不同 DNA 和運營經驗的事，他不覺得需要給建議，團隊有自己的夢想。

3) 為何只有字節不開源？他把它解釋為商業化選擇

他說字節的生態太豐富，各種產品與入口都有，不開源也無所謂，是策略選擇。

六小龍、創業與大廠：訓練基模仍稀缺，但 Token 便宜讓商業化更難

1) 「去年說一年後看誰還在」：都在，但分化出現

他承認六小龍都還在，但已開始分化；同時他也修正自己對擴散速度的預期：

  • 即使基於 DeepSeek 的開源架構，進一步訓練基模仍然稀缺
  • 擴散速度比他想像慢

2) 創業公司為何難？因為大廠 Token 幾乎免費/極低價

他點名火山、阿里：

  • 企業端看到的要麼火山要麼阿里
  • Token 給得“很便宜很便宜”
  • 模型又“足夠好”
    → 創業公司很難找到大模型層的生態位

對智譜(ZAI)、MiniMax 這類想上市的公司，他認為「上市不上市意義不大」，關鍵還是商業化，但目前看不出更好模式。

投資方法論：不追共識，錯開 15 度；看增速與留存；10 分鐘決策習慣

1) 這輪 AI 週期與過去週期：節奏太像，只是速度更快

他說每一波科技浪潮都很像：從底層硬件 → infra → 應用。不同在於速度：

  • 這次比 PC 互聯網快約 6 倍
  • 比移動互聯網快約 3 倍 2025 年末他認為已進入「加速普及」。

2) “Agent 像當年投 App”：像，但今天巨頭太多，創業更難

他同意 agent 創業很像當年 app：工具類一開始增長很大，但容易被 OS/底層平台吞噬。
他舉了一串移動互聯網例子（用來說明工具難防守）：

  • 手電筒 App（早期系統沒內建）
  • 瀏覽器、郵件（提到 mailbox）
  • 安卓優化類（提到“安卓优化大师”、也提到富盛的轉型）
  • 結論不是“偽需求”，而是“需求在，但你守不住，因為你是工具”

他給 agent 創業的生存建議是：

  • 不做純工具
  • 聚焦垂直，離大廠“三條馬路”
  • 做私有化部署（他提到拿“千問 30B 小模型”做私有化部署）
  • 願意做垂直優化、做交付、做銷售（大廠往往會找創業公司落地）

3) 他投案看什麼指標？“增速 + 留存”

他說跟 App 時代差不多，核心就是：

  • 增速
  • 留存

他也提到收入增長：小規模公司可以十幾倍；大規模一年三倍也算很強。並舉 2B 垂直應用例子：

  • 去年幾千萬
  • 今年一個多億
  • 明年兩三億
    這樣的增長速度讓他吃驚。

4) VC 圈子“共識太集中”的行業現象：Club deal、股份比例小，LP 不滿

他描述香港 VC 圈 LP 的抱怨：

  • GP 共識集中
  • 項目都是 club deal（多家基金一起投）
  • 單家股份比例小，難賺大錢
  • 投不同 VC 的 portfolio 也差不多，LP 無法分散風險

他把自己的做法概括成一句很出圈的投資口訣：錯開 15 度。

  • 不是完全避開熱門（完全避開會變得“沒人關注”）
  • 是在共識高度集中的地方偏離一點，去找性價比高的機會
    他也點名自己避開的共識賽道：大模型沒投、人形機器人沒投。

5) “10 分鐘”投資風格：沒興趣 10 分鐘結束，有興趣 30 分鐘就接近要投

他把自己決策節奏講得非常具體：

  • 很討厭畫大餅講空話的創業者
  • 大家都知道他「10 分鐘」就會決定投不投
  • 沒興趣 10 分鐘結束，彼此也不尷尬
  • 聊到 30 分鐘已算很長，基本就是很有興趣、接近要投
    他每週見很多人，並強調：要多見多聊才有感覺，看的是“人的潛力”和“市場/壁壘/為何能成功”等基礎問題。

他實際投了什麼：AI 應用 + “干活牛馬機器人” + 軟硬結合（含洗船、按摩、AI 陪伴玩具）

1) 投資數量與方向：今年投了十幾家

他說今年很忙，投了十幾家，主要是：

  • AI 應用類
  • “干活的”機器人（他用“牛马机器人”形容）
  • 很多是軟硬結合（他後面又說仍以軟體為主略多）

他明確說：不太看人形機器人，理由是“沒有場景”、而且“很貴”、賽道太集中，性價比不高。

2) 具體案例一：海裡洗船的機器人

他說這個項目市場不小、壁壘很高，並給了技術困難細節：

  • 海水腐蝕性高
  • 海浪大
  • 中國海水浑浊
  • 要在水下看清船底、把附着物清洗掉，門檻非常高

3) 具體案例二：按摩機器人（還能對話、做銷售）

他描述得很生動：

  • 能按摩
  • 能和客戶對話
  • 甚至能推銷（原話是類似“姐我按得怎麽樣，要不儲值”這種效果的口語描述）
    他還補充：這類機器人公司“都很便宜”，性價比高，他對這賽道研究多年。

4) 具體案例三：AI 陪伴（玩具/硬體）

他承認投了 AI 陪伴（且投得很快，十幾分鐘、不到 20 分鐘就定），不到半年已成賽道明顯頭部，並提到多個指標：

  • 出货量
  • 活跃度指标
  • Token 消耗指标（“非常厉害”，超出期望）

他把護城河歸結為一句很樸素但很硬的話：把用户体验做到极致。甚至提到“就这么小的一个玩具，把 WiFi 能力做好也不容易”。

他也判斷這會是離散市場，像遊戲公司：會有一兩個做得特別好，但也會有其他打法的玩家。

5) 智能穿戴：高度共識、會非常激烈

他說未來很明顯：眼鏡、耳機、指環、手表都會 AI 化。
大廠與一二三線公司都在做，賽道非常卷。他投過一家為第三方提供解決方案的公司（偏供應鏈/方案商角色）。

️他對「創業公司是否不友好」的判斷：不友好；大廠會更大，10 兆美元公司可能 3–5 年出現

他認為 AI 這輪對創業公司可能很不友好，最後大廠更大、創業生態位被擠壓是“很有可能”的。原因在於：

  • 中美都 all-in
  • 不只一線巨頭，二三線也在拼命
  • 大廠犯錯的概率比移動互聯網時代低一個數量級
  • “找縫隙”變難，得去做苦活累活、髒活（當初杭州四小龍也是做髒活）

他甚至提出一個宏大的資本市場預測：

  • AI 時代會出現 10 兆美元市值公司
  • 可能三到五年內，甚至他覺得三年內就可能出現

對創業公司的期望值，他變得更務實：

  • 很難找到千億美金級的“生态位”
  • 但找幾十億、一百億美金机会，仍有可能
  • 仍然要“第一天大家都看不上的機會”，讓公司默默發育三年，才可能長大

融資、對賭與上市門檻：不適合融資就別融；港股的兩條硬標準

他也談到一些非常具體、偏“金融實務”的判準：

  • 早期 VC 對賭較少，後期對賭較常見
  • 很多小而美企業拿 VC 錢未必有意義，尤其拿人民幣投資可能“5 年後就被贖回”
  • 港股 IPO 的門檻（他說“相對明確”）：
    • 消費企業：至少 1 億美金利潤
    • 2B 軟體/SaaS/AI 應用：至少 10 億人民幣收入以上
  • 做不到就可能不必融資，尤其消費企業若只有 1–2 億利潤，融資可能沒意義

對 2026 的預測：Token 持續爆發，壓力測試落在美國電力；中國開源生態值得期待

1) 2025 的一句話總結

他說 2025 年的關鍵是：大家不談 AI 的夢想了，聚焦現實的應用層，這是好事。

2) 2026 的核心劇本

  • 應用層進一步爆發
  • Token 消耗進一步爆發後
  • 反過來考驗底層基礎設施能否跟上（數據中心與電力）
  • 主要壓力在美國；中國相對更容易解決

3) 他對中國的長期信念（拉長到 5–10 年）

訪談最後他把“不確定性”與“確信點”分開：短期一兩年不確定很多；但拉長到五到十年，他非常相信：

  • 中國的開源 AI 生態會遙遙領先
  • 甚至他預測 *10 年後中國 AI 會领先美國
    理由不是算法，而是基建：約束在電力與數據中心建設上，美國更難建核電站；而“算法/模型趕上”比“建數據中心與發電”容易得多。

他還提到：中美 AI 差距目前大致穩定在 3–6 個月，至少不再擴大，未來幾年有機會縮小。

這篇訪談的「隱含結論」：把 AI 看成供需與入口的戰爭，而不是單純的模型神話

把所有細節串起來，這位受訪者其實在反覆用同一套框架理解 2025 年末的 AI：

  1. 技術端：Transformer 路徑邊際收益變小，SOTA 排名的領先期很短，燒幾億美金只領先一個月意義不大；很多場景 30B 這種小模型就夠用，重點是性價比與適配。
  2. 需求端：Token 消耗暴增（十幾倍），而且他預期還會再爆；這代表“在用、好用、值得用”的場景已經廣泛存在。
  3. 供給端：真正瓶頸是卡、數據中心、尤其是電力；因此宏觀競爭將部分轉成基建競爭。
  4. 競爭端：不再是“誰模型最強”，而是“誰能切到日活、成為入口”；群聊被他視為 ChatGPT 最漂亮的一步，因為它可能打開社交關係的可能性。
  5. 投資端：共識太集中意味著風險；他選擇錯開 15 度，投看似不性感但更扎實、商業化路徑更清楚、能在巨頭陰影外活下來的東西（垂直 agent、私有化部署、干活機器人、供應鏈硬體、AI 陪伴等）。

如果要用他自己的語氣濃縮成一句話，大概就是：別再盯著“泡沫/AGI 口號”，看日活、看留存、看 Token 消耗、看電和數據中心；抓住機遇，全速前進。