#122 朱啸虎：泡沫、超级入口与“15 度偏差”

总判断：泡沫不是一个二元标签，而是“供给、入口、回报”的错位

朱啸虎的核心判断可以压缩为：只要 GPU、数据中心、电力和 token 消耗仍然处于紧张或快速扩张状态，就不能仅凭估值很高宣布“AI 泡沫已经破裂”；但 token 增长也不等于投资回报，真正的风险在于基础设施投入能否通过产品和现金流回收。这个区分让他既能说“三年内看不到典型泡沫”，又承认估值、融资和个别公司的订单承诺可能出现剧烈回调。

节目地图：从 OpenAI 到小团队的四个转折

1. OpenAI 从 AGI 叙事转向日常入口

节目开头观察到，OpenAI 逐渐少谈抽象 AGI，更多谈应用、日活、使用时长和群聊。朱啸虎将 ChatGPT、豆包等产品的竞争理解为“超级入口”之争：入口一旦拥有稳定的高频关系，后续可以承载搜索、助手、内容、支付或社交。群聊的潜在价值不是多一个聊天功能，而是把用户之间的关系、共同任务和 AI 参与方式组织起来，形成可能的 Social Map。

2. “没有泡沫”的依据其实是生产能力仍未过剩

他的论据包括 GPU 供给仍紧、旧卡仍在使用、token 消耗快速增长，以及未来瓶颈可能从芯片转向数据中心和电力。这里应当严格标注为访谈中的判断和估算，不是节目外部核验过的行业统计。它说明朱啸虎使用的是“过剩产能型泡沫”框架：如果买来的产能还在被大量使用，就不能直接类比 2000 年前后的闲置光纤。

3. 模型商品化不等于应用没有机会

他认为追求最强模型并不是所有创业者的正确路径。一个足够小、成本可控、适配具体场景的模型，可能比昂贵的通用 SOTA 更适合产品；评价要回到日活、留存、调用成本和用户是否愿意持续使用。应用层的价值来自场景选择、产品形态、分发和真实反馈，而不是把模型名字换成自己的品牌。

4. 投资策略是小幅偏离，而不是为了反对而反对

“15 度偏差”是本期最有迁移性的投资方法：共识往往掌握了方向，却未必掌握价格、时机和实现路径。离开大厂“三条马路”也不是鼓励盲目逆向，而是寻找尚未被大组织流程完全覆盖、又能利用现有能力的窄入口。对创业者而言，这比宏大叙事更接近第一步行动。

证据账本：哪些是事实，哪些只是嘉宾的估计

这期最容易被误读的是“token 消耗量持续上涨，所以估值没有泡沫”。朱啸虎自己也在后半段承认，usage 与 return 不是同一个变量。互联网历史上可以存在用量上升但商业回报不佳的产品，因此 token 更像需求强度和成本结构的观测量，不是现金流的替代变量。

深度分析：他的判断在哪些地方成立，在哪些地方不够

成立之处：把“技术真实”与“资本便宜”拆开

很多泡沫争论把技术是否有效和资产是否值得当前价格混为一谈。朱啸虎的框架更稳健：AI 可以是真的，产品可以有用户，基础设施也可以紧张，但投资仍可能因为增长被过度透支而回报不佳。这一拆分也让 #122 与后续 #124 戴雨森的“Year of R”形成有意义的对照：前者更关注需求和供给是否已过剩，后者更关注 return、research 和 memory 是否能撑起预期。

不足之处：供不应求并不自动推出高回报

GPU 或数据中心被使用，只能说明当前存在需求；它不能回答需求由谁付费、价格是否覆盖折旧、客户是否会迁移、推理成本是否随价格下降而扩大，以及供应扩张后利润会落在哪一层。要把“还在使用”变成投资结论，至少还需要客户留存、毛利、资本强度、合同兑现和替代风险。

最有启发的部分：把创业机会放在“共识的边缘”

“15 度”不是寻找完全没人相信的故事，而是寻找共识方向里的二阶问题：模型已经够用但工作流没有重做，某个行业有数据但没有产品，或大厂能力外溢后仍有低成本、强反馈的小切口。它和 #123 王冠谈的产品内生数据、#124 戴雨森谈的 context 与工具形成互证：真正的边缘机会往往不是再训练一个模型，而是拥有别人没有的任务状态和反馈。

把判断变成研究表：四个不能混在一起的指标

如果要把这期访谈转成季度跟踪表，第一列应是需求，而不是估值。需求要看真实任务数、重复使用率、用户是否把工作交给系统，以及使用是否来自少数重度用户的补贴。第二列是生产能力：GPU/数据中心的利用率、推理延迟、每个任务的 token、能源和折旧成本。第三列是产品结果：完成率、返工率、用户留存、跨模型迁移和企业愿意支付的金额。第四列才是资本价格：融资倍数、现金消耗、合同兑现和退出预期。这样可以区分“大家都在用”“公司能交付”“公司能赚钱”和“资产很贵”四个不同问题。

超级入口的三种失败方式

第一种失败是高频但无关系：用户每天打开 ChatGPT，却没有形成跨用户的关系、共同任务或可迁移的社交图谱，产品仍只是强工具。第二种失败是关系有了但不可变现：群聊和社交行为增长，却无法承载搜索、交易、服务或订阅，入口的商业价值低于想象。第三种失败是入口被平台替代：大厂把模型、手机、浏览器、支付和社交同时掌握，独立产品的上下文和分发无法留住用户。只有当入口同时形成频率、关系、结果和切换成本，社交图谱才可能从叙事变成护城河。

“15 度偏差”也有边界

偏离共识必须建立在更好的信息或更清晰的机制上，而不是把反向观点本身当作洞察。一个可复用的检查方式是：先写出共识为什么成立，再指出哪一个前提可能被高估，最后给出能够在三到六个月内观察的信号。若不能说明信号，所谓非共识可能只是延迟验证的故事；若信号出现却没有行动窗口，差异化也无法转成收益。把偏差写成假设、价格和验证日期，才能避免投资人事后重写自己的判断。

给创业者的现实翻译

对创业者而言，本期最实用的建议不是“不要做大模型”，而是选择一个能在小规模上产生密集反馈的切口：用户愿意反复使用，结果容易判断，成本能被控制，且大厂的通用能力还没有覆盖全部流程。然后保留可逆性：模型可以替换，数据和评价不能丢；入口可以变化，用户任务和结果记录要留下；融资可以快，也要知道没有下一轮时还能活多久。这样，15 度偏差才不是口号，而是一种带有止损线的产品策略。

因此，朱啸虎的观点更适合被当作一个“观察顺序”而不是一句结论：先观察真实需求，再观察生产约束，再观察产品结果，最后才讨论资本价格。这个顺序不能消除不确定性，却能减少把热度、供给紧张或融资金额误认为回报的错误。

后续如何证伪或修正

• 若 token 消耗持续增长，但推理价格下降、客户付费和基础设施回报长期不改善，说明 usage 不是 return 的可靠先行指标。
• 若 OpenAI 或其他超级入口形成稳定社交图谱、跨用户关系和高频留存，超级入口假说得到加强；若群聊只产生短期尝试而没有关系沉淀，入口叙事应收缩。
• 若小模型在成本、延迟和真实任务完成率上长期优于大模型，应用选择小模型的判断成立；若模型能力快速商品化且上下文无法形成壁垒，应用公司仍会承压。
• 若 club deal 项目的退出收益显著高于非共识项目，且高价格确实换来更高胜率，“15 度偏差”就不应被当作通用投资原则。

证据边界与资料索引

本文以 #122 的官方 YouTube 音频和公开逐句转录为主，节目中的金额、增长倍数、模型差距和未来预测均保留为嘉宾口径，未在本文中改写成外部事实。Scripod 的说话人标注可区分朱啸虎与张小珺，但仍属于自动转录层，引用时以节目音频为最终依据。

• 官方 YouTube：#122 朱啸虎
• Scripod：#122 公开转录入口
• 小宇宙公开 RSS：张小珺商业访谈录节目索引
• 全频道目录与路线图 · 四十三期系列总览

本文完成于 2026-07-31。公开转录存在口语识别错误，尤其是公司名、模型名和数字；任何投资、公司或市场判断都需要回到原音频和独立一手资料核验。