一、先把中美 AIGC 的分工讲清楚：美国在堆底座，中国在找中间层
朱啸虎的开场判断很直接：市面上已经有两百多个模型，但仅仅增加模型名称，不会自动产生商业价值。他看到的中美差异是，美国更集中地投入超大基础模型，讨论的是训练规模、算力和通用能力；中国则更多从现有模型出发，把能力嵌入具体业务和本地场景。
他对美国应用的评价并不完全乐观：一类只是把大模型包上一层界面，价值很薄；另一类一上来就要解决过于宏大的问题，离可交付、可收费很远。中国的机会反而在两者之间：既不必从零训练最强底座，也不只是套一个聊天框，而是利用开放模型、本地数据和实际业务流程，做出能被企业购买的中间层。
因此，这期节目不是在说“基础模型不重要”，而是在区分两种资本逻辑：基础模型需要极大投入、技术领先和长期融资；应用公司要证明的是客户是否真的因为它省钱、增收或提高转化而持续付费。朱啸虎明确说，他不把“相信 AGI”当作投资信仰，他更相信可以验证的商业化。
二、被投公司怎么被 AIGC 改造：从功能演示到可测量的业务闭环
主持人追问，朱啸虎所谓“中国应用机会”到底是什么。他从自己观察到的被投公司讲起：原来做企业服务、营销或消费工具的团队，都在把 AIGC 放进产品；有的做 AI 视频面试，有的为品牌生成商品短视频，有的服务微信和私域营销，还有的把 AI 嵌入销售管理。
他特别强调一个区别：真正的壁垒不是“我能调用某个模型”，而是客户是否愿意授权，让系统看到投放、转化、销售和复购的完整结果。节目中提到一家服务品牌和零售客户的公司，转录中的名称近似 FancyTech。朱啸虎说，部分客户已经允许它持续监测投放效果并优化广告平台，系统因此能把生成内容、投放动作、用户反馈和销售结果串成闭环。
这套闭环的价值在于，系统不是单纯生成一张海报，而是知道哪类内容带来什么结果。模型可以被替换，单个提示词也会被复制，但一家公司长期积累的客户数据、业务流程和效果反馈，不会那么容易被一个新界面拿走。这里的“数据”不是越多越好，而是与实际收入结果连接的数据。
三、AI 视频面试：一个看似普通的案例，为什么被他当作 PMF 证据
视频面试是节目里较具体的案例。传统面试需要人力反复问相似问题，面试官之间的评分也可能不一致。朱啸虎描述的 AI 视频面试，一方面可以让 AI 和人类面试官进行盲评，观察两者的判断是否接近；另一方面，AI 能根据候选人上一句回答继续追问，而不是机械地播放固定题库。
他认为这个产品的第一批客户主要会是大型企业，因为招聘规模足够大，节省几分钟或一次人工复试，累计起来就能变成可计算的成本。节目转录提到参与人数超过一百万、可能到两三百万，这类数字没有给出可核查来源，只能理解为嘉宾对产品规模的现场说法；真正重要的是逻辑：当一个工具替企业减少大量重复劳动，客户会更容易接受它。
主持人不断把话题拉回“是不是 AI 很厉害就能做出产品”，朱啸虎的回答是不能。PMF 不是把团队从十个人扩到一百个人，也不是拿更多钱买更多显卡就能找到。产品必须先在一个窄场景里证明有人愿意用、愿意付钱、愿意把结果数据交回来。PMF 之后，规模化投入才有意义；PMF 之前，钱只会把错误放大。
四、为什么他不愿意投中国基础模型公司：资本密度、开源压力与退出问题
节目进入最容易被误解的一段：朱啸虎并不是否认基础模型的技术价值，而是拒绝把它当成普通天使投资可以轻易覆盖的赛道。他提到，GPT-4 级别模型需要巨额算力、数据和工程投入，未来更强的模型甚至可能需要更大规模的资本。公开转录把其中一个数字识别成“几千美元”或类似说法，显然不可信；这部分只能保留“训练成本极高”的判断，不能把 ASR 数字当成报价。
他的担忧有三层。第一，模型曲线如果继续快速提升，后来者很难靠较小预算追上；第二，即使公司训练出了模型，开源社区也可能迅速复制其中一部分能力，让昂贵的研发投入变成难以回收的沉没成本；第三，中国的反垄断和资本市场环境，使基础模型公司像美国那样被大公司收购或形成顺畅退出的路径并不确定。
所以投资人会出现 FOMO：大家知道这件事重要，又担心自己错过下一家 OpenAI，于是宁愿先投。但朱啸虎的逻辑是，天使投资不应该用“所有重要的东西都要投”替代选择。只有当团队同时拥有数据、业务模型和明确场景时，基础模型能力才更接近可持续的公司价值。
五、B2B 先行、B2C 后来：他为什么反复借用 iPhone 的历史
朱啸虎对 AIGC 应用的时间判断，比节目当时的市场情绪更冷。他认为新技术通常先在企业内部解决效率问题，因为企业愿意为节省成本、提高转化和降低风险付费；面向普通消费者的大爆发，要等到模型足够可靠、产品形态足够自然、每个人的设备都能方便使用。
他用 iPhone 的几代变化作类比：第一代产品证明了新设备的可能性，真正成熟的应用生态要等到更好的硬件、触摸交互和分发平台出现。AI 也可能经历类似过程。早期的“个人 AI 助手”常常只是把已有功能重新包装，并不代表用户已经形成持续需求。未来也许会出现新的图形化入口，但当时没有人能准确说出触发点。
这个类比还带来一个现实建议：在没有明确收入之前，企业不应该把增长当作默认前提。朱啸虎甚至建议把未来收入按下降而不是增长来做基础预算，把每一轮融资都当作最后一轮，先保证活下来。对于应用公司，他倾向于先给相对有限的资金，看到数据和销售后再追加，而不是一开始就把资本结构做得很重。
六、中国独有的场景：视频、保险、销售和电信网络如何变成应用优势
他认为中国的机会不只是“工程师便宜”或“开源模型容易部署”，还来自一些特有的业务密度和基础设施。节目中提到，中国普通手机用户可以进行面向消费者的视频或营销通话，运营商网络与短视频平台也能提供更丰富的触达方式。这里的价值不在 5G 这个标签本身，而在于通信、支付、内容和企业销售系统已经连接起来。
他举了几个方向性的例子。第一，营销电话可以通过实时视频或 AI 交互提高转化；节目给出的行业规模和“转化至少翻倍”之类数字没有来源，应视为嘉宾估计，不能当作市场统计。第二，针对外卖和配送人员的保险理赔，可以利用视频核验降低欺诈和误赔，把每一百元保费对应的赔付支出从一个更高区间压到更低区间；这同样是节目中的案例数字。第三，AI 销售可能替代部分重复销售动作，尤其是标准化、可记录、可追踪的流程。
这些例子共同说明：真正的 AIGC 产品往往不是“AI 自己变聪明”，而是把模型接进原来很昂贵、很重复、很难标准化的工作流。模型只是其中一环，客户、流程、结果数据和合规能力才决定能否形成商业闭环。
七、为什么他说 AIGC 已经在企业里“悄悄爆炸”，但公众还没有感觉
朱啸虎认为，AIGC 的企业应用已经在增长，只是使用者往往不是科技媒体里的“高知用户”，而是大量传统行业的企业。过去中国 SaaS 增长较慢，一部分原因是产品需要长期教育客户、定制成本高、客户不愿意为抽象的软件能力付费。AI 把价值展示得更直接：第一次见客户时做一个小型 POC，第二次就可以围绕效果谈正式订单。
他因此提出一种产品纪律：能标准化就标准化，不能每个客户都重新定制。AI 如果只是把传统外包服务换成更便宜的人力，规模很快会被交付成本吃掉；如果它能把客户的输入、模型处理、结果反馈和销售转化固定成标准流程，才可能获得比传统 SaaS 更快的增长。
节目把这称为一个持续三到五年的“寒冬”或淘汰赛：大量公司会死掉，但数字化和 AI 化不会因此停止。未来当每部手机都能调用可靠模型时，消费端可能出现一次比移动互联网更快的扩散；然而在节目录制时，触发这个爆点的具体产品还没有出现。
八、创业者判断：清楚、直接、能快速验证，比宏大叙事更重要
后半段朱啸虎谈到他如何看创业者。他喜欢能在十到二十分钟内把问题讲清楚的人：目标用户是谁、为什么现在做、如何验证、客户如何付费。对于 AIGC，尤其看重软件能力、产品敏感度、愿意快速试错，以及能在很少资源下跑出第一个闭环。
他讲了几个带有自我反省意味的案例。早期投资饿了么时，创始团队当时的市场看起来很小，投资人用大学覆盖率等假设帮助他们把潜在市场放大；后来需求真的发生了变化。相反，他曾经错过今日头条/字节跳动，原因不是看不懂产品，而是觉得创始人没有表现出足够“惊艳”，同时估值从两百万美元涨到五百万美元时，他认为价格太高。这些故事的落点不是“某个估值数字正确”，而是投资人常常把自己的偏好误当成机会本身。
他也承认，自己更偏好直接、锋利、软件驱动的创始人，因此可能错过不符合个人审美的人。一个投资人能做的不是消灭偏见，而是把偏好写出来，持续检查它是否真的与结果相关。
九、工资、现金流与“活下来”：节目最后把宏大叙事拉回创始人账户
朱啸虎最后谈到一个不那么光鲜、却非常实际的问题：创始人给自己发多少工资。节目中的“几千万工资”显然是自动转录或玩笑语境里的失真说法，不能按字面引用。更可靠的意思是，创始人不应该把融资变成高薪，尤其在 PMF 尚未出现时。
他的建议是：工资首先应覆盖基本生活和合理的家庭责任，而不是复制大厂的市场年薪。创始人本来已经通过股权参与公司上行，早期融资的稀缺现金应优先投入产品、客户和关键人员。工资过高会缩短 runway，让公司在还没有证明 PMF 前就被迫再次融资。
节目最终回到一个非常朴素的词：生存。互联网和移动互联网每一轮都改变主题，但创业公司的底层能力仍然是用户粘性、收入、变现、组织和学习速度。AI 时代不会取消这些约束，只会让验证、复制和淘汰都更快。