戴雨森：复盘 AI 投资判断，重新理解 Harness 与创业机会

张小珺邀请真格基金管理合伙人戴雨森复盘半年前对 2026 年 AI 和市场的判断，并继续讨论投资、产品与创业。双方明确表示，个人投资经历仅供分享，不构成投资建议。

上期节目中，戴雨森曾对 AI 回报和市场回调持谨慎态度。面对后来行情和新产品的发展，他认为早期投资需要在信息不完整时判断，被新事实推翻是常态；重要的是持续复盘。

他回顾过去数月市场关注点在不同模型公司之间快速变化，认为在 AI 领域，某个时点看起来领先的产品可能很快受到新的挑战。这些比较反映访谈时的观察，不代表持续排名。

戴雨森引用“Strong opinions, weakly held”：可以形成明确观点，但应知道观点依赖哪些条件，并在条件变化时调整。他承认公开表达后更容易被自己的话束缚，也在努力克服。

他认为此前低估了编程智能体和企业需求增长的速度。随着模型与工具让更多较长的编程任务变得可行，他调整了对 AI 商业回报时间线的判断。

谈到自己的二级市场操作，戴雨森说他偏交易而非长期持有风格；观察到编程工具使用增长后，重新建立了一些与硬件瓶颈相关的仓位。他强调自己的仓位受此前公开观点影响，并非建议他人跟随。

他解释，越强烈地公开表达某个观点，越可能不愿承认变化。朋友劝他继续讨论和学习；他把市场反馈和听众质疑当作检验思考的机会。

复盘先前判断时，他认为自己对普通用户订阅提价、广告和电商变现难度的担忧仍有一定道理，但没有预料到编程和企业使用在短时间内的变化。具体增长和收入判断是他的观察。

戴雨森认为 AI 能力可能跨越一个使任务突然变得实用的门槛，因而事前较难预测。他用加热水的比喻说明这种非线性感受，但承认事后解释不等于事先能准确判断节点。

在他看来，高质量编程数据和智能体训练等因素可能促成了更长的任务循环，但他没有把模型命名或单一因素当作充分证据。他认为产品体验的变化是事后较明显的转折。

张小珺问他何时理解了 Anthropic。戴雨森先强调自己的信息不少来自二手交流，因此只能提出观察，不能声称掌握公司内部全貌。

他认为，探索新方向时，较分散、自下而上的组织可能更适合尝试；当主线逐渐明确时，目标更一致、执行更集中的组织可能有优势。他用 Anthropic 与 OpenAI 作比较，但将其作为外部观察。

戴雨森提到招聘、价值观和内部沟通，认为统一方向可能帮助快速迭代；相对发散的组织则可能保留更多创新种子。他说，未来若出现新范式，适合的组织形态也可能改变。

他还说，编程不只是一个孤立的垂直领域，工具能力可能支持研究、医疗和其他工作。这个认识在产品出现后更明显，但此前并非所有人都预见到。

讨论模型公司的商业模式时，戴雨森认为单卖 API 可能面临价格和替代压力；面向用户的产品能影响使用体验，并可能在适当条件下提供改进模型的数据。具体数据回流方式仍取决于产品和权限。

张小珺问，好的 Harness 是否只能由模型公司开发。戴雨森认为未必：模型公司了解自己的模型，但独立开发者也可以在产品设计和工作流程上创新，OpenClaw 等工具是他提出的例子。

讨论模型公司估值时，戴雨森区分短期市场情绪、中期回报和长期潜力。他提出不同时间尺度可能得出相反判断，但具体估值、上市时间和回报均是访谈时的预测，不应视为事实或投资建议。

他认为领先编程工具之间的差距会变化，用户习惯、配置、价格和渠道都可能影响选择。他的工具价格和能力比较反映当时经验，不代表永久关系。

回到“回报”问题，戴雨森认为模型公司的收入也是客户的投入。客户买 token 后还需要做出软件或服务，并最终增加收入或降低成本；他把它概括为投入、产出和结果三个环节。

他质疑更多编程能力是否会自动带来同等比例的新收入：一些公司缺的可能不是写代码的人，而是值得做的新产品和需求判断。张小珺提出，结果也可能需要更长时间才显现。

戴雨森认为投入与回报可能存在时间错配。token 成本立即发生，新产品发现和收入增长则可能逐渐释放；这不意味着所有使用都无效，而是需要检验具体价值。

他观察到，编码成本下降后，一些公司更容易进入彼此的产品领域，复制现有功能的速度提高。但发现真正新的需求仍是产品和创新问题，不只是编程问题。

对于降本，他讨论裁员与自动化的区别：工程师还承担沟通、协调、信任和责任等工作，部分任务可以自动化不等于岗位能被简单移除。他把自动驾驶中的边缘情况作为类比。

他认为模型公司收入快速增长不能单独证明最终客户已获得足够回报。新用户不断尝试的同时，也可能有人因收益不足而离开，因此留存与实际成果需要继续观察。

戴雨森认为，小公司或个人过去可能有想法但缺少工程资源，编码工具对他们尤其有用；较大的组织则可能还受产品方向和协作效率限制。

张小珺提醒，编程能力还会影响更广泛的知识工作。戴雨森以投资研究为例说，AI 能增加报告产出，但人仍要检查信息、承担决策责任，因而产出增加不必然等于最终成果同比增加。

他承认现在评价回报可能仍早，但认为基础设施投入规模大，使问题不能无限期推迟。具体支出和收入数字是他的估计，应放在录制时的背景下理解。

谈 2026 年的主线，戴雨森说自己长期关注 AI 对生产力的提升，尤其关注能在一定程度上独立执行任务的智能体。他披露基金投资过相关公司，这也是其观察的利益背景。

他认为，当智能体能承担较长任务时，人可以把部分注意力转向其他工作；但是否真正节省时间，仍取决于任务、监督和结果质量。

解释 Harness 时，他用赛车团队作比喻：模型提供能力，周围的上下文、工具、任务循环和运行环境帮助它在具体任务中发挥作用。

上下文可能包含实时信息或组织专有知识，工具和循环则决定智能体怎样行动。戴雨森提到定时检查、文件操作和沙箱等机制，认为这些工程组合可以拓展任务范围。

他进一步讨论持久运行环境：智能体可能需要一个能保存状态、访问软件并持续执行任务的环境。模型之外的这些层可以由模型公司或第三方提供。

张小珺问这是否与“模型即产品”矛盾。戴雨森认为模型能力和产品包装都重要：用户通常通过具体产品交互，即使能力来自模型，界面和工作流程也影响能否被使用。

他认为先进模型对完成任务仍不可或缺，同时产品层也可能提供独特价值和反馈。他把模型改进与应用改进看作可能相互促进的关系，而不是只能选择其一。

戴雨森提出，真实任务中的轨迹和反馈可能有助于改进模型，并以编程工具和模型训练为例。他的飞轮判断依赖实际数据使用授权、质量和训练方式，不能假设所有用户数据都会用于训练。

作为早期投资人，他认为即便某类产品未来可能被整合，也不代表它在现阶段无法创造用户价值或形成投资回报；这反映其投资视角。

他观察到用户可能为了保留工作流、记忆和配置而继续使用某个 Harness，同时替换底层模型以比较表现和成本。他据此推测产品层可能形成一定黏性。

谈到不同研究者对框架与模型重要性的看法，戴雨森认为两者不必矛盾：强模型和好的工具层都可能影响任务表现；模型厂商对模型更熟悉，应用团队则可能更关注具体用户体验。

他以演示文稿为例：研究者可能把外观视为次要问题，而用户实际需要一个好看的结果。模型能力和产品设计可以相互促进，第三方应用也能使用更强的模型。

戴雨森认为，模型厂商会做重要应用，但不会必然覆盖所有用户需求。他以操作系统上既有平台自家软件也有第三方软件作类比，说明生态可能有多种参与者。

他回顾 Manus 等产品的沙箱、浏览器操作和并行研究，将它们视作应用团队围绕模型和任务循环作出的创新。他也提到自己作为投资人对相关公司的了解。

谈到命令行形式和 Claude Code，他认为工具接口、技能和任务循环帮助模型完成工作；不同产品的优势不只来自底层模型，也来自具体的交互与工程设计。

戴雨森认为 OpenClaw 的本地访问、定时检查、记忆和接入熟悉聊天工具等设计，让用户感到智能体更贴近自己的工作。他同时承认，这些功能会带来稳定性、上下文混淆及权限安全问题。

他提出一个类比：Harness 更像操作系统，模型像处理器，其他应用或技能可以建立在运行环境之上。这个比喻旨在解释分工，不意味着不同模型一定可以无成本互换。

在他的设想里，应用开发者可以利用已有工具层处理任务循环、记忆和模型通信，而把精力放在自己的功能与用户体验上。这可能降低一部分开发门槛。

谈创业方向，他反对为了稳妥而简单跟风，认为技术快速变化时应敢于探索真正不同的产品。他也提出，通用产品可能跨多个场景发现需求，不必默认只有垂直领域才有机会。

张小珺问大家都做编程智能体是否过于同质化。戴雨森同意有这种风险，并认为对 AGI 的标准在公共讨论中不断变化；能否创造新的知识和价值，仍是开放问题。

模型能力增强是否会吞并应用层？戴雨森说有可能，因此产品需要建立用户体验、工作流、数据或其他优势；应用团队也可能发展自己的模型。

他设想智能体之间可能出现价值交换：不同用户的智能体积累了不同知识和上下文，因此同一任务可能产生不同结果。这个网络效应目前只是他提出的可能性。

例如，一个访谈主持人的智能体若积累了独特经验，别人或许愿意为其协助付费；价格可能既包含模型调用成本，也包含专有知识的价值。这是思想实验，并非已验证的市场模式。

张小珺问模型更强后应用创业机会是否缩小。戴雨森根据自己观察称融资项目和估值有所增加，并认为模型及基础设施更强也会让更多应用场景成为可能；这不是对市场的全面统计。

他认为，记忆、沙箱和其他组件逐步成熟，应用团队可以更快尝试；同时品牌、用户关系、数据和具体产品体验仍可能影响竞争。

他建议创业者留意大公司暂时忽视的机会：有时一个方向看起来太小、太早或不够体面，但需求和产品价值可能被低估。具体案例和分类是他的复盘。

他也提到开源可能帮助产品获得用户，再探索商业化；但能否形成可持续收入需要验证。对于本地智能体的权限与稳定性问题，他承认实际使用中存在风险。

真格基金在挑选项目时，戴雨森说重点仍是人：他以年轻机器人研究者为例，称团队长期关注其技术判断和创业意愿，而不是仅仅追逐最近热门的方向。

在他看来，学习、领导、创新和意志力等基础能力跨技术周期依然重要；同时，技术前沿的创业者需要对尚未被广泛认识的问题有独立理解。

他提到基金关注过灵巧手方向的团队，并认为手部硬件、成本和训练数据的发展可能相互影响。对具体公司的产品排名、估值和前景，他的说法反映投资人观察。

对于具体创始人，戴雨森看重长期投入、对技术的独立理解和创业动机。他承认投资时也曾担心方向是否太早，后来的进展并不说明当初风险不存在。

他介绍基金用于讨论创始人的框架，包括学习力、创造力、领导力和意志力，以及合伙人的信任、互补和团队经历。这些是投资团队的判断工具，而非保证成功的公式。

张小珺问创始人是否必须有博士背景。戴雨森认为深刻理解技术很重要，但不一定必须取得博士学位；研究驱动的方向和应用创业对经历的要求可能不同。

谈 AI 产品经理，他认为产品领导者需要对用户需求和未来有自己的判断，并能组织资源实现；模型训练更趋系统化时，产品方向上的个人判断仍可能发挥作用。

他以一位开发者为例：出于在手机上继续使用编程智能体的需求，先连接电脑和即时通信工具，再逐步扩展产品。戴雨森认为亲身使用和理解技术细节有助于发现新需求。

张小珺问移动互联网时代哪些经验可能失效。戴雨森认为，注意力和使用时长曾是重要指标，但如果智能体能长时间执行有价值任务，用户一直盯着屏幕未必是最好的目标。

他提出，封闭平台原有的优势也可能在新交互方式下成为限制：如果用户授权的智能体不能访问某处信息，用户可能转向更易协作的工具。这是他对产品变化的观察。

成熟产品往往要兼顾安全、稳定和广泛用户，而新产品可能先服务愿意接受复杂度的用户。戴雨森说，两种设计取舍不同；创新不能自动消除权限和安全风险。

他认为补贴可以带来尝试，但长期使用仍需要产品提供明显价值。他举语音等体验说明用户传播的可能性，并非否认推广和渠道的作用。

关于日活跃用户数，戴雨森说它是有用指标，但生产力工具还应看是否完成高价值任务。为了提高访问次数而要求用户频繁查看，可能与节省用户注意力的目标冲突。

他在早期产品中关注是否有真正喜爱产品的用户，而非只看能否讲出宏大叙事。他认为亲自使用产品，有助于判断它是否解决了具体问题。

戴雨森把智能体进入数字世界比作新参与者来到人类社会：先让更多人获得智能体，再让智能体使用现有软件和基础设施，最后可能出现更适合机器之间协作的工具。

他讨论支付、软件接口和沙箱等潜在需求：机器任务可能涉及高频小额操作，而现有界面多为人设计。这是产品机会的设想，实际部署仍需解决授权、安全和责任。

假设编程能力更便宜，他设想已有软件体验可能改善，也可能出现更个性化或一次性的软件。但这些需求仍需要人发现，平台也需要提供适当接口，因此变化不会一蹴而就。

谈初创公司的组织，他认为 AI 可能让产品开发团队更小、更跨职能，但销售、商务和线下工作仍需要人。不同任务的变化速度可能不同。

他认为新公司从一开始就把知识和流程组织成智能体可用的形式，可能更容易使用 AI；老公司则需要处理分散数据和既有部门边界。

戴雨森用工厂从蒸汽动力转向电力的历史类比说明：新技术并不自动转化为生产力，工厂布局和工作组织也要改变。他认为企业采用 AI 同样需要流程和组织调整。

张小珺问“下一个字节跳动级公司可能不像字节”是什么意思。戴雨森认为，每个时代的重要公司可能解决不同问题、采用不同交互方式；照搬上一代信息流和推广模式，可能直接与原有强者竞争。

他认为娱乐产品的直接竞争是现有游戏、短视频和其他娱乐方式，用户首先需要觉得好玩，而不是因为产品用了 AI 就接受它。他相对更看好能解决具体工作的生产力应用。

谈到字节背景的创业者，他认为他们可能具备很强的能力，但有时需要主动审视甚至推翻过去学会的方法，而不是把熟悉的产品形态直接套到新技术上。

戴雨森用互联网和移动互联网作类比：新技术初期常先解决旧问题，随着普及和基础设施成熟，才可能出现此前无法成立的产品和商业模式。他认为智能体之间的协作也可能带来类似机会。

他设想，如果越来越多的人和服务使用智能体，沟通、广告、数据交换和组织方式可能变化。例如，机器之间可能通过接口交换数据，而不总需要为人设计的表格界面。

他强调，这些场景仍很早；人和多个智能体在同一工作空间协作、智能体之间交易能力，都是正在探索的雏形。他披露自己投资过相关协作产品。

比较中国与硅谷的创业主题，戴雨森说硅谷既有研究型实验室，也有垂直应用公司；中国市场则可见机器人、硬科技、生产力和消费应用等多种方向。这是他的观察，并非完整市场调查。

他总结自己在硅谷关注的方向包括编程、世界模型和自动研究。不同团队对于“世界模型”的定义、数据和技术路线并不一致，具体能力仍在研究和验证中。

在机器人领域，他认为团队正在探索如何利用数据改善操作、稳定性和泛化，并尝试借鉴模型训练的方法。他指出，“世界模型”是一个含义尚未收敛的术语。

谈消费 AI 硬件，戴雨森持谨慎态度：他担心只给现有设备加聊天功能未必创造足够新的价值，而硬件还要面对供应链、制造和销售等成本。

对于可穿戴录音设备，他认为用户需要付出佩戴和维护习惯，产品必须提供足够大的持续价值。他强调这不是针对某一家公司的结论，而是自己的投资偏好。

他的基金投资了机器人组件和模型相关项目，但没有覆盖所有方向。他认为人形机器人仍在早期，有用的操作能力、机械结构和模型都需要进步；具体投资判断有不确定性。

戴雨森说，他较多放弃的是简单跟风的项目，更希望见到创始人提出独立的问题和不同的产品思路，而不是只因为一个赛道热门就制作相似版本。

谈信息获取时，他说自己通常更喜欢阅读播客文稿，并用自己做的小工具检查更新、整理到笔记中。阅读对他而言通常比完整收听更节省时间。

他分享使用编程智能体制作个人工具的经历：把播客、通讯、会议纪要和写作资料整理成日报，并围绕人和公司持续归档信息。他认为这提升了个人信息处理效率。

但他担心如果直接接受 AI 的答案、跳过自己的推理过程，理解和独立思考可能受影响。他把刻意思考比作健身，并用准备访谈的论据作为练习例子。

他认为创新和使用 AI 也需要练习：可以从日程、会议或小型网页工具等具体问题开始，逐渐学习能做什么、哪里仍需判断，而不是一开始就期待复杂成果。

他和朋友还尝试整理家庭健康设备数据，并合作做简单的健康看板。他说这些项目未必直接产生商业价值，但帮助他体验人和智能体协作的难点。

讨论就业冲击时，戴雨森认为技术扩散速度可能超过部分人的适应速度，短期失业和再分配问题值得重视；他同时对长期出现新工作持乐观看法，但承认变化可能带来动荡。

他用工业技术扩散带动其他行业的历史故事说明，新机会可能经过多个环节才出现。他强调不能简单将历史直接套到 AI，尤其当前变化速度可能不同。

他观察到人与智能体长期合作后，可能形成更强的信任、依赖和情感投射。社会如何适应这种关系仍有很多未解决的问题。

张小珺问孩子未来应培养什么能力。戴雨森认为主动提出问题、选择想解决的事情和保持好奇心值得重视，同时承认自己也没有确定答案。

他区分已有分布内的任务和真正新颖的问题，认为创造力、学习和自主行动值得继续研究；他对现有模型能力的判断只是访谈时的观点，不是能力边界的定论。

谈是否继续录制节目，戴雨森说公开表达会让观点接受反馈，也暴露自己没有想清楚的地方。他愿意继续复盘，把被新事实纠正视为学习过程。