LWF交流会核心观点总结
核心观点
-
礼物DS定位与战略
- 以AGI为唯一主线,目标非短期商业化,不抢C端流量、不做超级APP、不急于铺产品线。
- 现阶段聚焦智能上限提升,视频生成、3D、世界模型等非主线,应用层交由生态。
-
开源策略与商业化逻辑
- 开源非被迫选择,最强模型倾向开源,商业化依赖工程效率和低部署成本。
- API定价按约10个月收回设备成本,只赚合理利润,开源不必然损害收入。
-
技术路线与瓶颈
- 技术路线:语言模型/CoT→Agent→持续学习→模型自我迭代→具身智能。
- 当前瓶颈在持续学习,突破后AI可自我迭代,研发效率将非线性提升。
-
终局竞争力与市场格局
- 成本为终局竞争力,能力差距会收敛,难一家独占或长期暴利,低成本供给方获更大份额。
- 中美差距核心是算力、资本开支和高质量后训练数据积累,非人才禀赋。
- 中国结构性机会在于成本控制和产品体验,国产芯片生态有望改善,近中期硬约束仍是产能。
-
产业进展验证
- 能力差距收敛、成本为终局竞争力、持续学习已获产业进展验证。
关键数据与进展
- 模型能力差距收敛:Anthropic当前保持code agent领先,但领先程度在OpenAI、Kimi等新模型发布后缩小。
- 持续学习进展:Anthropic、智谱、LWF均提及持续学习(RSI),未来目标是模型自我迭代,迭代速度将大幅提升。
- 用户模型成本优化:转向关注单任务成本,未来大概率通过强模型策略+弱模型执行分层解决,低总成本厂商获更强定价权。
研究结论
- 短期关注点:
- 智谱GLM 5.3近期发布,年底前或发布T级别以上模型(对标fable 5)。
- DS-V4正式版发布,代码、Agent能力提升显著。
- Minimax预计发布海螺3和2T模型。
- Qwen 3.8正式版发布。