30 秒看懂
2024 年 6 月，张小珺与李广密讨论 Perplexity 的增长，以及 AI 搜索为何与当时的模型能力相匹配。他们也分析应用成本、模型研发、机器人、科技巨头与检索增强。 节目里的公司数据、竞争判断和技术时间表均反映当时的观察或预测，不应当作当前事实。
- 1搜索与模型能力广密认为搜索和信息组合适合当时的模型，探索性任务仍更难。
- 2产品与模型他认为可以先用外部模型验证需求，再考虑优化和小模型。
- 3应用爆发的条件他讨论模型能力、调用成本和速度对产品的影响。
- 4火车与铺轨研究推进和基础设施建设需要同步协调。
- 5检索增强企业检索需要数据、排序和回答等环节共同优化。
要点建议
- 信息检索是广密认为与当时模型能力较匹配的应用。
- 应用可以先借助外部模型验证需求，再优化成本和质量。
- 模型能力、成本和速度共同影响应用体验。
- 模型训练、基础设施和产品部署需要相互配合。
- 创业公司可能同时与大型平台竞争并依赖其资源。
按章节阅读整理后的全文
Perplexity 与 AI 搜索
李广密回顾搜索产品、增长与竞争，讨论模型能力和用户需求的匹配。
2024 年 6 月，张小珺与李广密回顾上半年大模型和 AI 应用。广密认为，除模型公司的产品外，独立 AI 应用尚未全面爆发；他以 Perplexity 为重点讨论搜索。
他回顾 Perplexity 团队和融资，认为其增长吸引了硅谷研究者及投资人的关注。节目中的估值、用户数和收入数字是当时的描述或预测，并非当前数据。
广密认为信息检索与当时模型能力较为匹配：系统可以搜索、组合信息并回答复杂问题。他把探索性研究和科学发现看作更难的任务。
讨论先做产品还是先做模型，他认为没有标准答案。应用可以先借助外部模型验证需求，再根据成本和质量需要优化，甚至使用针对特定任务的小模型。
张小珺问如果大模型公司也做好搜索，独立产品如何建立壁垒。广密承认存在竞争风险，认为产品可能需要更深的模型优化或合作；具体公司未来的交易只是他的假设。
关于 Perplexity 的估值，他从用户增长、留存和搜索市场切入，但提醒产品仍要面对 Google、模型公司及其他信息入口。竞争和价格判断是 2024 年中期的个人观点。
他认为 AI 搜索可能通过直接回答和组织来源改善信息获取，但产品仍要让用户持续回来，并处理内容来源、成本和准确性。
他总结 Perplexity 当时的优势是产品与模型能力匹配、形成了一定用户习惯；使用频率、变现和与巨头的错位竞争仍需要探索。
谈及中国 AI 搜索，广密提到秘塔，并讨论不同内容生态的开放程度会影响检索。产品竞争不仅涉及模型，也涉及能否可靠地获取和组织信息。
主持人追问 Perplexity 的护城河以及独立发展或被收购的可能性。广密认为产品与底层模型之间的关系、用户习惯和竞争者动作都可能影响结果。
应用生态、成本与端侧
他比较模型和应用公司，讨论调用成本、速度、小模型与多模态。
他把基础模型公司和应用公司分开比较：训练模型需要不同的资源结构，应用则必须证明用户需求、分发和留存。估值差异不能单独说明哪一种更有价值。
他比较海外模型公司的融资和云平台关系，认为资金、算力与合作伙伴都会影响竞争。对具体团队和融资前景的判断是他在 2024 年中的观察。
广密认为 2024 年上半年 AI 原生应用还没有系统性爆发，原因可能包括模型能力、调用成本和响应速度。他强调这是当时对生态阶段的判断。
展望未来，他关注模型变小、端侧计算和多模态能力。将模型部署到设备上可能改变成本与隐私体验，但具体效果取决于硬件、模型和产品实现。
缩小模型并不只是减少参数，还需要考虑训练数据、能力保留以及设备上的延迟和内存。广密认为这些工程权衡会影响端侧应用的可用性。
他认为推理和多模态可能成为下一阶段的能力重点，并讨论压缩模型时如何保留有用能力。这些方向和时间表都是前瞻性的研究判断。
两人请听众思考：如果模型调用成本大幅下降，哪些现在不可行的应用可能变得可行？广密把价格、速度和用户体验联系起来，而不认为降价自动保证产品成功。
模型研发与商业模式
两人讨论模型发布、基础设施、盈利和计算效率。
关于下一代模型发布节奏，他认为更大模型的训练、基础设施和产品化都需要协调。对公司内部进度及发布时间的说法是外部猜测，不能视作已确认计划。
他用火车和铺轨比喻模型研究与基础设施：研究者推动能力向前，工程团队则需要让计算、数据和训练系统跟上。比喻表达了他对协作难度的看法。
他提醒，像 GPT-4 那样显著的能力跃迁不一定每年都会发生。公众预期提高后，渐进式改进可能看起来不够戏剧化，但仍可能改变应用成本和体验。
谈商业模式时，他比较订阅与成熟广告平台，并认为模型本身的投入、收益和壁垒仍需验证。他的收入估算与市场规模比较只反映访谈当时的假设。
对于 scaling 之外的路线，他关注数据和计算效率：能否用更少样本与算力获得有用能力？他认为这是值得研究的问题，而非已经找到的确定答案。
广密认为 AI 和人的能力可以互补：模型擅长处理大量信息，人可以提出目标和判断结果。他对未来工作方式的描述是设想，实际能力仍因任务而异。
机器人与科技巨头
广密分享对机器人、自动驾驶和科技公司竞争的 2024 年判断。
谈机器人，他认为规划能力转成可靠的物理控制仍然困难，应用场景也需要逐步找到。他预测自动驾驶可能比通用家务机器人更早落地，但具体时间高度不确定。
两人逐一讨论 OpenAI、苹果、Google、英伟达和其他科技公司的位置。广密对人员变化、模型能力和产品战略的评价均是 2024 年的外部观察。
他认为苹果需要观察 AI 功能是否能改变用户的设备体验和换机意愿；对 Google，他同时提到模型竞争和既有流量优势。这些不是对未来公司表现的保证。
他认为芯片、云平台和企业客户之间的关系会影响 AI 产业的收益分配，也承认某些云收入假设缺乏足够事实验证。
创业生态与展望
他讨论创业公司对平台的依赖、检索增强和下半年的研究重点。
他认为许多创业公司既与巨头竞争，也依赖它们的算力、云和分发。对投资人而言，评估研究团队和长期资源支持变得更困难。
谈检索增强生成（RAG），他认为企业内部信息检索是一个实际需求，但做好需要协调数据、检索、排序和回答等多个工程环节。不同组织还需处理数据访问权限。
比较中美创新生态，广密认为长期资本和对失败的容忍能支持早期探索。他期待更多具有技术辨识度的创业团队，但这是他对生态的概括而非对所有公司的评价。
展望 2024 年下半年，他重点关注成本下降后哪些应用能变得可行、手机等端侧体验，以及长期的通用机器人机会。节目以这些当时尚待验证的问题收尾。
同频道的其他文章
1:59:52EN → 简体中文
Zhang Xiaojun Podcast· 2026年10月21日播客 · 2 人对谈David Qian 谈企业传承、机器人与寻找自己的抱负嘉宾 David Qian (Qian Cheng) · 主持 张小珺Ecovacs CEO David Qian 回顾自己如何接手由创始人建立的企业、在错误中学习领导，并为机器人业务选择一条耐心发展的道路。在他看来，传承不是终点，而是持续建设企业、迎接新时代的过程。
2:51:18EN → 简体中文Zhang Xiaojun Podcast· 2026年10月15日播客 · 2 人对谈Lindon Gao 谈打造 Dyna Robotics，以及如何在迷雾中找到方向嘉宾 Lindon Gao · 主持 张小珺Dyna Robotics CEO Lindon Gao 解释公司为何从真实工作流中发展智能、硬件与研究为何必须同步迭代，以及创始人如何放下必须正确的执念、重新找回清晰感。
2:51:18ZHZhang Xiaojun Podcast· 2026年10月15日播客 · 2 人对谈Dyna Robotics 创始人 Lindon Gao：从折叠任务到完整工作流嘉宾 Lindon Gao · 主持 张小珺从无人零售到机器人创业，Gao 讲述产品研究、真实部署的难题和在不确定性中寻找方向。
2:34:18EN → 简体中文Zhang Xiaojun Podcast· 2026年9月3日播客 · 2 人对谈曾鸣谈 AI 新时代：伟大公司与新型组织如何诞生嘉宾 Zeng Ming · 主持 张小珺曾鸣认为，AI 正在改变商业的底层逻辑：模型将成为基础设施，新一波价值则由智能体原生应用和组织创造。他建议创业者拥抱不确定性、持续生成和调整战略，并围绕有意义的工作构建组织，而非沿用旧架构。
2:34:18ZHZhang Xiaojun Podcast· 2026年9月3日播客 · 2 人对谈曾鸣：AI 产业化的三阶段与公司组织的消亡嘉宾 曾鸣 · 主持 张小珺战略学者曾鸣以互联网、工业革命和电气化的历史周期为参照，提出 AI 正从基础设施走向 Agent 应用，并最终进入原生应用阶段。他认为，旧公司的科层制难以穿越范式转型，下一代组织将围绕任务、创造力和人机协同重构。
1:09:50ZHZhang Xiaojun Podcast· 2026年8月19日播客 · 2 人对谈苏庭灏：一位高中生的 AI 研究、教育与快乐嘉宾 苏庭灏 · 主持 张小珺从自学 Transformer 和发表论文，到思考 AI 时代的学习、焦虑与人与人的连接。