碼薈2026｜源碼資本韓光：寫給還在岸邊的AI創業者

前言：

在2026碼薈上，源碼資本董事總經理、成長期AI賽道負責人韓光，帶來了題為“站在智能革命的1769”的分享。在他看來，這一次AI帶來的不是上一波通信革命的延續，而是又一場生產力革命——被工業化的，是“智力本身”。scaling law仍在穩定持續，“AI一年，人間三年”，而全球83億人中68%還沒用過AI——我們不是站在浪潮的頂點，而是站在它的極早期。

從硅谷一線的“三個月太久”“許愿式工作”，到“Tokens are not equal”、“to human還是to agent”的新判斷標準，再到留給CEO們的組織拷問與源碼的投資思考，韓光試圖回答的不是“AI會不會來”，而是它已經來了——時代的大船三年前就已經啟航，創業者是站在舊大陸上看著它走掉，還是跳上去。

重要觀點：

• 信scaling law的人和不信的人，過去幾年的行動完全不同，收益也完全不同。
• Frontier lab 的 CEO 們不是在吹牛，他們是在描述一個fact。
• 工業革命商品化了機械能；這一次，我們有可能工業化了智力本身。
• 我們要為智能搭建一個新世界。
• Tokens are not equal——有像鉆石一樣值錢的token，也有像水一樣不值錢的token。
• 過去我們用to C、to B劃分公司；現在邊界正在模糊—— 你是一家to human 還是 to agent的公司？
• 時代的大船三年前就已經開了。我們是站在舊大陸上看它走掉，還是跳上去

以下為韓光的分享內容精編，有刪減：

我今天的分享主題是“站在智能革命的1769”，也想和大家交換些觀點：AI不是上一波通信革命的延續，而是另一種生產力革命，是人類繼1769年蒸汽機之后，又一次把一種生產要素徹底“工業化”——工業革命被工業化的是“機械能”，這一次是“智力本身”。

這半年，“撞墻了”“泡沫了”“該冷靜下來了”的聲音時不時出現。但實際上我覺得：scaling law一直在穩定持續，AI一年抵人間三年，我們不是站在浪潮的頂點，而是站在它的“極早期”。

所以今天我想聊的，不是“AI會不會來”，而是它已經來了——作為創業者，是站在岸上看著船開走，還是跳上去。

01

有沒有scaling law，是兩個完全不同的世界

從這半年的“推背感”說起。

相信大家跟我一樣，這半年都有一種被時代列車裹挾的感覺——我們坐在一輛瘋狂加速的車上，椅背頂著后背，讓人下意識屏住呼吸——現在能做的，就是緊緊把住扶手，別讓自己別掉下去。

如果問過去幾年什么最重要，回頭看，我覺得是scaling law。

存在scaling law和不存在scaling law，是不同的兩個世界；信它的人和不信它的人，過去幾年的行動完全不同，收益也完全不同。

scaling law有學術定義，也有一個簡單理解：人工智能的智力水平，大概和你訓練和運行模型資源投入的對數可預測地相關。這里有兩個關鍵詞：一是投入的體量是隨時間指數級上升的；二是模型的智力是“可預測”地提升的。“可預測”這件事特別重要——我們看Sam Altman和Dario最近在說的很多事情，都大概表達了“這件事我幾年前就大概預測了”的意思。

站在現在，一個自然的問題是：scaling law是不是撞墻了？怎么判斷？ 其實最好的判斷方式是你就在 Frontier lab 里，我們在外面怎么看呢？也有幾個辦法。

第一，聽能直接看到真相的人的發言，“和真相之間只隔一個人”。信息會衰減，你和真相之間隔了兩個人，聽到的事情就不那么靠譜了。離真相最近的，是Frontier Lab的CEO和頂尖研究員們。最近半年他們反復在說：scaling law仍在持續。包括他們的文章、博客、采訪、演講，都是這樣。Dario今年一月寫《技術的青春期》，說公眾要么過幾個月就覺得AI撞了天花板，要么為某個新突破興奮不已，但背后AI的能力一直在平穩而堅定地增長；上個月他接受采訪又說，現在的進展和他2017年想的差不多。

第二，看領先模型等效算力的投入。如果scaling law撞墻了，領先模型的等效算力投入就不會再指數級增長；如果還在指數級擴大，就說明他們看到墻還沒到。有一個機構叫 Situational Awareness，他們 2024 年畫了一個frontier model 的等效算力投入的圖，橫軸是時間，縱軸是模型的等效算力投入，對數數軸，每一個刻度是一個數量級，當時畫到了GPT-4那個交叉點，做了一些當時看起來非常crazy、沒人相信的預測。兩年過去，這些預測大體上是靠譜的，令人震驚。我們在AI的幫助下更新了這張圖，驚奇地發現這條線還在直線往上走，而且在o1模型出來之后，還有一個小小的加速拐點。我們大概率仍在scaling law的路上。

還有一個有趣的觀察：AI的進步速度，大概相當于兒童智力增長速度的三倍——AI一年，人間三年。19年GPT-2像個學齡前兒童，20年GPT-3像小學生，2023年我們有了一個聰明的高中生，2025年下半年，他突然像一個博士生。基本就是1:3的關系。推演一下，2030年我們會得到什么樣的智能？也許我們去年年末才開始感知到AI的可怕，不是因為他進步變快了——他一直在穩步增長，只是我們感知到的閾值到了。

一兩年前我一直覺得Dario，Sam Altman，Demis 他們幾個在吹牛，因為他們描述的是一個看起來像是科幻的世界。現在我再看，他們不是在吹牛，是在描述一個fact。

Dario說會出現powerful AI，在大多數相關領域都比諾貝爾獎得主更聰明，一到兩年內、極大概率未來幾年內會出現，會有“a country of geniuses in a data center”；到今年年底，全世界一半的人都會談論AI；他們推薦讀《原子彈秘史》，因為這事跟原子彈一樣重要。Sam Altman說，距離真正超級智能的早期形態可能只有幾年之遙，他的定義是：能做一家大公司的CEO，或者做出比最頂尖科學家更出色的研究。Demis是三個人里最保守的，今年一月他說有50%的概率AGI會在十年內實現，而他的標準高得多：給AI一個1911年以前的所有知識，看它能不能獨立做出廣義相對論。哪怕只有50%的概率，也足夠可怕而令人興奮。

我們是不是已經看到了AI scientist的微光？前幾天，OpenAI一個沒有經過專門訓練的通用reasoning模型，獨立做出了1946年提出的單位距離猜想的一個證明，經過四位數學家審定。這個證明不算超級難，是個構造類的證明，但它讓我們看到了AI scientist出現的微光——他們描述的那個世界，是有可能的。

02

1769年革命生產的是機械能，這一次被工業化的是智力本身

1769年，是瓦特改良蒸汽機的年份，人類歷史在那里出現了一個斷點。在那之前，我們周圍所有商品里沉淀的機械能，主要由人力、畜力，加一點風能、水能提供；在那之后，大部分由機器提供——先是蒸汽機，再是內燃機，今天有一部分是電動機。我們花了兩百年，讓人力與畜力從供給98%的機械能，變成今天的不到1%。

如果這一次是一場計算革命，會發生什么？

我們現在的認知活動，大部分還是人腦提供的，有一點點靠機械計算、靠電子計算（PC、手機），現在有一點點神經網絡。如果這真是一場計算革命，未來通過人腦進行的一般意義上的認知活動會不會被壓縮？會用什么來提供一般意義上的人類智能？也許是神經網絡，也許是別的結構，也許是我們現在想象不到的東西，但這個方向是確定的。

我們驚奇地發現：工業革命商品化、工業化了機械能；而這一次，我們有可能在商品化、工業化一般意義上的人類認知，或者說智力本身。

這可能是有史以來最快的浪潮。Apple和微軟花了二十年，把收入做到一兩百億美金；移動互聯網快很多，二十年做到一兩千億；而那兩家異軍突起的AI公司，只花了三四年，就做到了幾百億甚至去往千億美金的年化收入。這是人類商業史上從沒見過的速度，遠遠超過他們的前輩。

那這個市場到底多大？

一個思路是替代：全球110萬億美金GDP，其中約60萬億是工資，假設能替代其中的50%到80%，同時機器替代價格總要打個折，假設一個比較好記的金額10萬億美金，我們現在已經吃了多少呢？才吃掉800億美金，非常小的一塊。

但替代真的是好的測算方式嗎？

工業革命前的1700年，完全來自人力畜力的全球功率是10吉瓦，兩百年后增加到500吉瓦，漲了50倍。織布機發明出來，它產生的市場絕不只是它替代掉的那點手工織布——它極大地擴展了市場。我們所有用“替代”算出來的數字，很可能都被自己的想象力限制住了。

而且我們還在極早期。這個世界83億人里，68%還沒用過AI；付費用戶只占1.2%，編程用戶只占0.3%——但這部分人用得非常猛：一個編程用戶的用量是免費用戶的300倍、付費用戶的10倍，而且還在漲。過去兩年，從chatbot到agent，單任務的token用量漲了1000倍。

我們要為智能搭建一個新世界，這里有兩層。

第一層，要先促進智能的產生，而這會撞上能源和硬件的物理墻。把Dario說的AI 行業的算力需求畫成圖就會發現：三到四年后，如果他們想拿到全部算力，需要的功率會達到美國平均發電量的50%。這是一個體系化的物理世界——我們需要電力、芯片、存儲、互聯、遠距離互聯、電力電子、液冷，甚至土建，現在全線缺貨。本質上，獲得算力、獲得智力的增長，需要指數級的投入，而物理世界是線性增長的。

第二層，要給agent搭一個世界。現在虛擬世界所有的基礎設施——身份系統、支付系統、安全審查、身份驗證協議——都是給人用的。agent有一部分有，有一部分沒有。將來他們可能會有自己的通信協議、身份驗證、支付工具，甚至有一天有自己的經濟循環和經濟市場。那是一個全新的、令人興奮又讓人有點焦慮的世界。

03

我們都是初學者：今天，你親自玩電腦了嗎？

三月份我們去硅谷實地考察，身處現場，帶給人的體感和震動完全不同。幾個關鍵詞想和大家分享。

一是“三個月太久了”。我問一線researcher今年年底會發生什么，他反問：到年底還有九個月，這么長時間會發生太多事，我怎么知道？在前沿實驗室里，他們已經不討論四個月以后的事，因為時間被壓縮了。我們今天討論事情用的時間跨度，可能都需要被重新質疑。

二是“許愿”。我問另一位研究員，你們離AI最近，你平時怎么指揮AI干活？他說我哪是指揮它啊，我是跟它學啊——我每天上班就許三個愿望，“AI啊，今天幫我實現這三個愿望吧”，然后今天它就幫我實現了。許愿，這是我最近最喜歡的一個詞了。

三是“兩小時后拿結果”。一個researcher說他老板布置工作的用詞變了：this is very promising, I want to see results in two hours——不是等你做完，也不是明天。我們組織的血液流通速度、迭代速度的基準線，到底在哪里？

那怎么做AI時代的超級個體？我們給自己提了幾個關鍵詞：

第一是dive in，這個時候別站在岸邊看，要跳下去。

第二是unlearn，忘掉以前的判斷標準、判斷的metrics、熟悉的工具和程序，從事實出發、從邏輯出發。

第三是be open，在這個時代里我們全是初學者，沒有人天生懂得更多，態度會決定行動。

第四是enjoy，這是一個物質豐饒、充滿新玩意兒的時代，整個世界就像一個pupils' playground，我們應該享受它。

所以我也常問自己：is AI always on？我們都是管理者，天天在管理，但今天你親自玩電腦了嗎？遇到問題，你的第一反應是找AI，還是找人？是找熟悉的工具，還是看看新工具能不能解決？這里也有負面作用：沉迷coding、沉迷工具之后，重要的事反而解決不了，把自己弄得很累——你是不是陷入了負向循環？

我們要做好準備，迎來和agent共存的新世界。agent能完成的任務長度，每四個月翻一倍。兩年前chatbot和tab補全的時候，人和agent的比例是1:1；現在有的人一個人帶著10個agent上班；再過一段時間，也許這10個里有一個能被提升成“CEO”，替你管團隊，你就擁有了一家agent的公司，一個人帶50個agent；最后，我們甚至一個 agent 都不用管，他們自動運行，會有一個"黑燈工廠"——一個data center里的workforce，你不用管它們，他們交給你一個結果就行。1937年科斯寫《企業的性質》，那在這個時代，會不會出現某種“agent時代企業的性質”？我有點期待那個時刻。

所以想請在座的CEO同學們想幾個問題：如果三年后你每個員工都帶著5到10個agent，你的組織架構還成立嗎？你公司里哪些崗位，本質上只是搬運信息、推進流程？你下一個senior想招誰？如果junior的活都被智能做了，你的senior又怎么培養？你最核心的十條workflow里，哪一條已經能讓AI跑個七七八八，它的bottleneck又在哪里？以及，如果執行的門檻極大降低了，你的護城河是什么？

04

Tokens are not equal：從販賣注意力，到販賣智力商品

時代在變，投資也在變。黃仁勛說AI是一個五層蛋糕：能源、芯片、基礎設施、模型、應用。過去三年新創的企業正在迅速填滿這個蛋糕，而蛋糕還非常大——這是一個幾十萬億美金的新機會，我們應該去搶。

同時我們覺得，這是兩種不同的革命。在座的人包括我自己這代人，其實都沒真正見過生產力革命，我們見過的都是通信革命。通信革命加速信息的流通和分發效率；而智能生產力革命，產生了新的智力商品，把“智力”從珍貴、稀少、手工的狀態，變成了工業化的。這里要戴上不同的眼鏡去看。

通信時代，我們販賣的是注意力——我是億萬富翁，他是普通白領，我們的注意力大體等價，“Attention is more or less equal”，我們賣廣告、賣抽成，希望用戶在平臺里多留一會兒、別去干別的。但今天，“Tokens are not equal”：有高價值的、像鉆石一樣值錢的token，也有commoditize、像水一樣不值錢的token；有高毛利的，有黏性強的，也有用完就走的。

所以判斷標準很可能也要變：通信時代我們看DAU、看時長、看cohort retention，現在要看token的量，將來會不會要看token的“價值密度”，或者我們現在還想象不到的指標？我覺得一定會。

過去我們習慣用to C、to B劃分公司，現在這個邊界正在模糊，都是人在用，哪些用量算 2B，哪些算 2C？相對應的，大家已經在說，“我是一家to human的公司，還是一家to agent的公司”。

還有一個我們也沒有答案的難題：模型公司這么強，應用公司怎么辦？幾點可以思考。

第一，AI capabilities這條線幾乎垂直上漲，像暴風驟雨一樣解鎖新能力，而現實世界的adoption要慢一點，中間這個gap，就是應用公司的機會——誰快誰先拿住。

第二，好產品會說話，老生常談，但依然成立：就像我兩歲多的女兒都知道把四個手指伸進馬克杯的杯柄、用大拇指扶住，一個好產品不需要解釋；你把杯柄轉個90度，用戶立刻知道這是個壞產品。相似的產品很多，用戶會知道哪個好。

第三，last mile is important，模型公司會吃掉一些vertical，但不會吃掉所有，在幾十萬億的市場里，總有一些vertical能做到intelligence works、workflow acts——二次創業時，是不是要go deep before you go wide。

第四，護城河怎么建立這個問題特別難答，因為發展太快了， all the parts are moving，但從用戶角度而不是技術角度去想可能更重要：怎么嵌入用戶的業務流，domain knowledge怎么獲得，另外軟性的能力，組織的學習速度，等等，可能比以前更重要。

第五，be imaginative。十九世紀末剛有電的時候，我們只能想到電燈泡（1879年）和電話（1876年），誰能想到接下來一百年是一個充滿各種電器的世界？今天，我們也能想到chatbot、coding agent，誰能保證五十年后不是一個充斥著各種智能應用的時代？這是一個冒險家的時代，一個天才產品經理的時代。

我們投什么？

智力本身就是這一輪最大的贏家之一，在美國格局已經開始清晰；硬件，因為指數級投入和線性增長之間的矛盾，可能是近期最重要的主題；后面會有為智力建設的基礎設施，為智能搭建新世界的基建；最后是應用——這會慢慢跑出來，不是幾年的事，是一件十年二十年的事，我們會持續尋找那些用好智能、把高價值智力解決方案提供給用戶的天才產品經理。

這個時代的大船，三年前就已經開了，這是一個fact。我們是站在舊大陸上看著那艘船走掉，還是跳上去？選擇權，在我們自己手里。