李广密：2025 年末的模型竞争、在线学习与 AI 创业

2025 年末，张小珺与李广密进行第三次跨年对谈，回顾模型竞争，并讨论在线学习、机器人和创业。广密说播客既让他接触一线研究者，也帮助他定期复盘观点。

面对 AI 泡沫的讨论，广密更愿意把局面比作竞争激烈的“AI 战争”。他认为大公司可能因战略需要持续投入；这是一种解释，并不能证明投资一定会获得回报。

他设想，如果智能体成为用户获取服务的入口，云平台、搜索和中介平台的价值分配可能变化。这个推演依赖智能体能力、用户采用和平台反应。

讨论基础设施承诺和收入时，他承认短期现金流很难简单算平。节目中金额来自他对报道和未来支出的理解，不能视为已实现收入或独立财务审计。

他用假设性的订阅、广告、电商和 API 收入估算模型公司的商业空间。张小珺追问潜在收入，他又提出智能体和科学应用，但这些规模与时间都只是高不确定性的情景。

他认为智能体如果能够可靠完成端到端工作，可能创造新的经济价值；科学发现是更远期的可能性。这些都取决于能力、成本、可靠性与现实中的采用。

对广告与电商，广密长期乐观，但认为商业化速度取决于公司的优先级。他对某家公司内部目标的描述是外部推测。

他把 2025 年末的竞争粗略分成 Google 的 TPU 与其他公司的 GPU 生态，并比较芯片、云、模型和产品的整合。这是分析框架，实际合作关系并不只分成两边。

他猜测领先者越强，其他参与者越可能合作寻求平衡。张小珺把话题带回模型本身：领先会不会轮流变化？广密认为至少在当时，这是一种值得关注的竞争状态。

他比较 GPT、Claude 和 Gemini，认为领先团队会在通用能力上相互追赶，同时在编程、多模态和消费产品上选择不同重点。排名和收入数字都是访谈时的估计。

他区分“交替领先”和“模型分化”：整体能力接近并不排除团队围绕不同用户和任务进行优化。他认为数据选择和组织战略会影响这种差异。

对新研究实验室的方向，他明确说自己只能猜测。团队是否探索在线学习或其他路线，需要等待其公开研究与产品，而不能根据人员背景确定。

他将基础模型公司比作综合电商：先打通一个场景，再尝试扩展到更多任务。应用创业者需要思考哪些体验、数据或工作流是平台未能覆盖的。

谈 Google 和 OpenAI 的竞争，他对两家长期机会都乐观，但对估值、用户规模和未来市场份额的看法是个人预测，不是投资建议。

他设想聊天产品与搜索可能逐渐融合，但也承认传统搜索公司可以自行整合 AI。不同产品如何改变广告与信息分发，需要实际观察。

张小珺问预训练和强化学习之后是否有第三种范式。广密提出在线或持续学习：模型能否在交互中更有效地学习，而不是只依赖离线收集的大批数据？

他期待研究在记忆、长上下文、参数更新和学习效率方面取得进展，但具体机制、成熟时间和效果都尚未确定。他提出的 2026 年突破时间是预测。

广密甚至提出，泛化和自主学习可能比单独扩展机器人或世界模型更关键。张小珺称这是激进观点；它反映他的研究优先级，不是已验证结论。

他用化石燃料、新能源和核聚变类比预训练、专家数据与在线学习，想表达三种资源和潜在路径的差异。这个类比不应被理解为已证明的技术进度。

他希望更多年轻研究者能够获得算力和长期支持，认为投入和人才培养有助于探索新方向。但资源增加并不保证特定突破一定发生。

研究人类专家工作数据后，他更重视智能体面对真实流程和长尾任务的困难。他认为获得适当的数据和反馈很重要，也因此把完全通用智能体的时间预期拉长。

他认为编程、办公和研究等部分任务可能较早看到较高程度的自动化，但不等于所有知识工作都能被可靠替代。能否创造价值和谁获得价值仍有不确定性。

谈投资时，他把领先模型、计算基础设施和受益应用作为三个观察方向，并认为技术变化太快，难以确定唯一赢家。他给出的组合是个人假设，不构成投资建议。

展望 2026 年，他关注在线学习、主动智能体和多模态，也提出 agentic web 可能改变入口与流量分配。各方向能否落地取决于技术、用户和商业环境。

他用“模型即产品、数据即模型”概括自己的观察：不同任务的数据选择可能影响最终体验。团队也应考虑数据质量、获取权限和真实工作场景。

“一横一纵”是他的研究框架：横向学习更多行业专家知识，纵向探索下一代学习方法。他认为两条路线可以并行，具体成效仍需实验检验。

他介绍多个新研究实验室及其可能关注的材料、群体智能和世界模型方向。对尚未公开成果的团队，他的定位和预测只能作为当时的外部观察。

机器人方面，他比较远程操作、手套和其他方式采集数据，认为泛化和实际硬件仍是难点。公司披露的数据集大小和能力主张应按各自测试条件理解。

他认为机器人技术路线和硬件尚未收敛，类比语言模型的发展阶段来说明距离成熟还有多远。该时间判断是他的估计。

主持人问头部公司的收入增长，广密列举多个模型和应用公司的年化收入估计，并据此讨论估值。他没有提供逐项审计，数字和投资结论都只能代表当时观点。

对中国模型与应用公司，他期待各团队找到自身产品重点，并预测消费级聊天产品竞争会继续。他强调未来模型表现还要看实际发布和用户体验。

他认为下一阶段的竞争既涉及端到端产品战略，也可能涉及新的学习范式。哪条路线奏效、谁会领先仍然未知。

对华人创业者，他建议理解全球用户需求并利用团队的人才和工程能力，同时承认跨境融资、信任和地缘环境会带来现实困难。

他希望更多长期风险资本支持高风险的原创探索，并认为人才、算力与开放的创新环境需要共同具备。对华人团队未来领先概率的数字只是个人猜测。