码荟2026｜源码资本韩光：写给还在岸边的AI创业者|agent|chatbot|人工智能|创业者|源码资本|韩光(1912年)

前言：

在2026码荟上，源码资本董事总经理、成长期AI赛道负责人韩光，带来了题为“站在智能革命的1769”的分享。在他看来，这一次AI带来的不是上一波通信革命的延续，而是又一场生产力革命——被工业化的，是“智力本身”。scaling law仍在稳定持续，“AI一年，人间三年”，而全球83亿人中68%还没用过AI——我们不是站在浪潮的顶点，而是站在它的极早期。

从硅谷一线的“三个月太久”“许愿式工作”，到“Tokens are not equal”、“to human还是to agent”的新判断标准，再到留给CEO们的组织拷问与源码的投资思考，韩光试图回答的不是“AI会不会来”，而是它已经来了——时代的大船三年前就已经启航，创业者是站在旧大陆上看着它走掉，还是跳上去。

重要观点：

信scaling law的人和不信的人，过去几年的行动完全不同，收益也完全不同。
Frontier lab 的 CEO 们不是在吹牛，他们是在描述一个fact。
工业革命商品化了机械能；这一次，我们有可能工业化了智力本身。
我们要为智能搭建一个新世界。
Tokens are not equal——有像钻石一样值钱的token，也有像水一样不值钱的token。
过去我们用to C、to B划分公司；现在边界正在模糊—— 你是一家to human 还是 to agent的公司？
时代的大船三年前就已经开了。我们是站在旧大陆上看它走掉，还是跳上去

以下为韩光的分享内容精编，有删减：

我今天的分享主题是“站在智能革命的1769”，也想和大家交换些观点：AI不是上一波通信革命的延续，而是另一种生产力革命，是人类继1769年蒸汽机之后，又一次把一种生产要素彻底“工业化”——工业革命被工业化的是“机械能”，这一次是“智力本身”。

这半年，“撞墙了”“泡沫了”“该冷静下来了”的声音时不时出现。但实际上我觉得：scaling law一直在稳定持续，AI一年抵人间三年，我们不是站在浪潮的顶点，而是站在它的“极早期”。

所以今天我想聊的，不是“AI会不会来”，而是它已经来了——作为创业者，是站在岸上看着船开走，还是跳上去。

有没有scaling law，是两个完全不同的世界

从这半年的“推背感”说起。

相信大家跟我一样，这半年都有一种被时代列车裹挟的感觉——我们坐在一辆疯狂加速的车上，椅背顶着后背，让人下意识屏住呼吸——现在能做的，就是紧紧把住扶手，别让自己别掉下去。

如果问过去几年什么最重要，回头看，我觉得是scaling law。

存在scaling law和不存在scaling law，是不同的两个世界；信它的人和不信它的人，过去几年的行动完全不同，收益也完全不同。

scaling law有学术定义，也有一个简单理解：人工智能的智力水平，大概和你训练和运行模型资源投入的对数可预测地相关。这里有两个关键词：一是投入的体量是随时间指数级上升的；二是模型的智力是“可预测”地提升的。“可预测”这件事特别重要——我们看Sam Altman和Dario最近在说的很多事情，都大概表达了“这件事我几年前就大概预测了”的意思。

站在现在，一个自然的问题是：scaling law是不是撞墙了？怎么判断？其实最好的判断方式是你就在 Frontier lab 里，我们在外面怎么看呢？也有几个办法。

第一，听能直接看到真相的人的发言，“和真相之间只隔一个人”。信息会衰减，你和真相之间隔了两个人，听到的事情就不那么靠谱了。离真相最近的，是Frontier Lab的CEO和顶尖研究员们。最近半年他们反复在说：scaling law仍在持续。包括他们的文章、博客、采访、演讲，都是这样。Dario今年一月写《技术的青春期》，说公众要么过几个月就觉得AI撞了天花板，要么为某个新突破兴奋不已，但背后AI的能力一直在平稳而坚定地增长；上个月他接受采访又说，现在的进展和他2017年想的差不多。

第二，看领先模型等效算力的投入。如果scaling law撞墙了，领先模型的等效算力投入就不会再指数级增长；如果还在指数级扩大，就说明他们看到墙还没到。有一个机构叫 Situational Awareness，他们 2024 年画了一个frontier model 的等效算力投入的图，横轴是时间，纵轴是模型的等效算力投入，对数数轴，每一个刻度是一个数量级，当时画到了GPT-4那个交叉点，做了一些当时看起来非常crazy、没人相信的预测。两年过去，这些预测大体上是靠谱的，令人震惊。我们在AI的帮助下更新了这张图，惊奇地发现这条线还在直线往上走，而且在o1模型出来之后，还有一个小小的加速拐点。我们大概率仍在scaling law的路上。

还有一个有趣的观察：AI的进步速度，大概相当于儿童智力增长速度的三倍——AI一年，人间三年。19年GPT-2像个学龄前儿童，20年GPT-3像小学生，2023年我们有了一个聪明的高中生，2025年下半年，他突然像一个博士生。基本就是1:3的关系。推演一下，2030年我们会得到什么样的智能？也许我们去年年末才开始感知到AI的可怕，不是因为他进步变快了——他一直在稳步增长，只是我们感知到的阈值到了。

一两年前我一直觉得Dario，Sam Altman，Demis 他们几个在吹牛，因为他们描述的是一个看起来像是科幻的世界。现在我再看，他们不是在吹牛，是在描述一个fact。

Dario说会出现powerful AI，在大多数相关领域都比诺贝尔奖得主更聪明，一到两年内、极大概率未来几年内会出现，会有“a country of geniuses in a data center”；到今年年底，全世界一半的人都会谈论AI；他们推荐读《原子弹秘史》，因为这事跟原子弹一样重要。Sam Altman说，距离真正超级智能的早期形态可能只有几年之遥，他的定义是：能做一家大公司的CEO，或者做出比最顶尖科学家更出色的研究。Demis是三个人里最保守的，今年一月他说有50%的概率AGI会在十年内实现，而他的标准高得多：给AI一个1911年以前的所有知识，看它能不能独立做出广义相对论。哪怕只有50%的概率，也足够可怕而令人兴奋。

我们是不是已经看到了AI scientist的微光？前几天，OpenAI一个没有经过专门训练的通用reasoning模型，独立做出了1946年提出的单位距离猜想的一个证明，经过四位数学家审定。这个证明不算超级难，是个构造类的证明，但它让我们看到了AI scientist出现的微光——他们描述的那个世界，是有可能的。

1769年革命生产的是机械能，这一次被工业化的是智力本身

1769年，是瓦特改良蒸汽机的年份，人类历史在那里出现了一个断点。在那之前，我们周围所有商品里沉淀的机械能，主要由人力、畜力，加一点风能、水能提供；在那之后，大部分由机器提供——先是蒸汽机，再是内燃机，今天有一部分是电动机。我们花了两百年，让人力与畜力从供给98%的机械能，变成今天的不到1%。

如果这一次是一场计算革命，会发生什么？

我们现在的认知活动，大部分还是人脑提供的，有一点点靠机械计算、靠电子计算（PC、手机），现在有一点点神经网络。如果这真是一场计算革命，未来通过人脑进行的一般意义上的认知活动会不会被压缩？会用什么来提供一般意义上的人类智能？也许是神经网络，也许是别的结构，也许是我们现在想象不到的东西，但这个方向是确定的。

我们惊奇地发现：工业革命商品化、工业化了机械能；而这一次，我们有可能在商品化、工业化一般意义上的人类认知，或者说智力本身。

这可能是有史以来最快的浪潮。Apple和微软花了二十年，把收入做到一两百亿美金；移动互联网快很多，二十年做到一两千亿；而那两家异军突起的AI公司，只花了三四年，就做到了几百亿甚至去往千亿美金的年化收入。这是人类商业史上从没见过的速度，远远超过他们的前辈。

那这个市场到底多大？

一个思路是替代：全球110万亿美金GDP，其中约60万亿是工资，假设能替代其中的50%到80%，同时机器替代价格总要打个折，假设一个比较好记的金额10万亿美金，我们现在已经吃了多少呢？才吃掉800亿美金，非常小的一块。

但替代真的是好的测算方式吗？

工业革命前的1700年，完全来自人力畜力的全球功率是10吉瓦，两百年后增加到500吉瓦，涨了50倍。织布机发明出来，它产生的市场绝不只是它替代掉的那点手工织布——它极大地扩展了市场。我们所有用“替代”算出来的数字，很可能都被自己的想象力限制住了。

而且我们还在极早期。这个世界83亿人里，68%还没用过AI；付费用户只占1.2%，编程用户只占0.3%——但这部分人用得非常猛：一个编程用户的用量是免费用户的300倍、付费用户的10倍，而且还在涨。过去两年，从chatbot到agent，单任务的token用量涨了1000倍。

我们要为智能搭建一个新世界，这里有两层。

第一层，要先促进智能的产生，而这会撞上能源和硬件的物理墙。把Dario说的AI 行业的算力需求画成图就会发现：三到四年后，如果他们想拿到全部算力，需要的功率会达到美国平均发电量的50%。这是一个体系化的物理世界——我们需要电力、芯片、存储、互联、远距离互联、电力电子、液冷，甚至土建，现在全线缺货。本质上，获得算力、获得智力的增长，需要指数级的投入，而物理世界是线性增长的。

第二层，要给agent搭一个世界。现在虚拟世界所有的基础设施——身份系统、支付系统、安全审查、身份验证协议——都是给人用的。agent有一部分有，有一部分没有。将来他们可能会有自己的通信协议、身份验证、支付工具，甚至有一天有自己的经济循环和经济市场。那是一个全新的、令人兴奋又让人有点焦虑的世界。

我们都是初学者：今天，你亲自玩电脑了吗？

三月份我们去硅谷实地考察，身处现场，带给人的体感和震动完全不同。几个关键词想和大家分享。

一是“三个月太久了”。我问一线researcher今年年底会发生什么，他反问：到年底还有九个月，这么长时间会发生太多事，我怎么知道？在前沿实验室里，他们已经不讨论四个月以后的事，因为时间被压缩了。我们今天讨论事情用的时间跨度，可能都需要被重新质疑。

二是“许愿”。我问另一位研究员，你们离AI最近，你平时怎么指挥AI干活？他说我哪是指挥它啊，我是跟它学啊——我每天上班就许三个愿望，“AI啊，今天帮我实现这三个愿望吧”，然后今天它就帮我实现了。许愿，这是我最近最喜欢的一个词了。

三是“两小时后拿结果”。一个researcher说他老板布置工作的用词变了：this is very promising, I want to see results in two hours——不是等你做完，也不是明天。我们组织的血液流通速度、迭代速度的基准线，到底在哪里？

那怎么做AI时代的超级个体？我们给自己提了几个关键词：

第一是dive in，这个时候别站在岸边看，要跳下去。

第二是unlearn，忘掉以前的判断标准、判断的metrics、熟悉的工具和程序，从事实出发、从逻辑出发。

第三是be open，在这个时代里我们全是初学者，没有人天生懂得更多，态度会决定行动。

第四是enjoy，这是一个物质丰饶、充满新玩意儿的时代，整个世界就像一个pupils' playground，我们应该享受它。

所以我也常问自己：is AI always on？我们都是管理者，天天在管理，但今天你亲自玩电脑了吗？遇到问题，你的第一反应是找AI，还是找人？是找熟悉的工具，还是看看新工具能不能解决？这里也有负面作用：沉迷coding、沉迷工具之后，重要的事反而解决不了，把自己弄得很累——你是不是陷入了负向循环？

我们要做好准备，迎来和agent共存的新世界。agent能完成的任务长度，每四个月翻一倍。两年前chatbot和tab补全的时候，人和agent的比例是1:1；现在有的人一个人带着10个agent上班；再过一段时间，也许这10个里有一个能被提升成“CEO”，替你管团队，你就拥有了一家agent的公司，一个人带50个agent；最后，我们甚至一个 agent 都不用管，他们自动运行，会有一个"黑灯工厂"——一个data center里的workforce，你不用管它们，他们交给你一个结果就行。1937年科斯写《企业的性质》，那在这个时代，会不会出现某种“agent时代企业的性质”？我有点期待那个时刻。

所以想请在座的CEO同学们想几个问题：如果三年后你每个员工都带着5到10个agent，你的组织架构还成立吗？你公司里哪些岗位，本质上只是搬运信息、推进流程？你下一个senior想招谁？如果junior的活都被智能做了，你的senior又怎么培养？你最核心的十条workflow里，哪一条已经能让AI跑个七七八八，它的bottleneck又在哪里？以及，如果执行的门槛极大降低了，你的护城河是什么？

Tokens are not equal：从贩卖注意力，到贩卖智力商品

时代在变，投资也在变。黄仁勋说AI是一个五层蛋糕：能源、芯片、基础设施、模型、应用。过去三年新创的企业正在迅速填满这个蛋糕，而蛋糕还非常大——这是一个几十万亿美金的新机会，我们应该去抢。

同时我们觉得，这是两种不同的革命。在座的人包括我自己这代人，其实都没真正见过生产力革命，我们见过的都是通信革命。通信革命加速信息的流通和分发效率；而智能生产力革命，产生了新的智力商品，把“智力”从珍贵、稀少、手工的状态，变成了工业化的。这里要戴上不同的眼镜去看。

通信时代，我们贩卖的是注意力——我是亿万富翁，他是普通白领，我们的注意力大体等价，“Attention is more or less equal”，我们卖广告、卖抽成，希望用户在平台里多留一会儿、别去干别的。但今天，“Tokens are not equal”：有高价值的、像钻石一样值钱的token，也有commoditize、像水一样不值钱的token；有高毛利的，有黏性强的，也有用完就走的。

所以判断标准很可能也要变：通信时代我们看DAU、看时长、看cohort retention，现在要看token的量，将来会不会要看token的“价值密度”，或者我们现在还想象不到的指标？我觉得一定会。

过去我们习惯用to C、to B划分公司，现在这个边界正在模糊，都是人在用，哪些用量算 2B，哪些算 2C？相对应的，大家已经在说，“我是一家to human的公司，还是一家to agent的公司”。

还有一个我们也没有答案的难题：模型公司这么强，应用公司怎么办？几点可以思考。

第一，AI capabilities这条线几乎垂直上涨，像暴风骤雨一样解锁新能力，而现实世界的adoption要慢一点，中间这个gap，就是应用公司的机会——谁快谁先拿住。

第二，好产品会说话，老生常谈，但依然成立：就像我两岁多的女儿都知道把四个手指伸进马克杯的杯柄、用大拇指扶住，一个好产品不需要解释；你把杯柄转个90度，用户立刻知道这是个坏产品。相似的产品很多，用户会知道哪个好。

第三，last mile is important，模型公司会吃掉一些vertical，但不会吃掉所有，在几十万亿的市场里，总有一些vertical能做到intelligence works、workflow acts——二次创业时，是不是要go deep before you go wide。

第四，护城河怎么建立这个问题特别难答，因为发展太快了， all the parts are moving，但从用户角度而不是技术角度去想可能更重要：怎么嵌入用户的业务流，domain knowledge怎么获得，另外软性的能力，组织的学习速度，等等，可能比以前更重要。

第五，be imaginative。十九世纪末刚有电的时候，我们只能想到电灯泡（1879年）和电话（1876年），谁能想到接下来一百年是一个充满各种电器的世界？今天，我们也能想到chatbot、coding agent，谁能保证五十年后不是一个充斥着各种智能应用的时代？这是一个冒险家的时代，一个天才产品经理的时代。

我们投什么？

智力本身就是这一轮最大的赢家之一，在美国格局已经开始清晰；硬件，因为指数级投入和线性增长之间的矛盾，可能是近期最重要的主题；后面会有为智力建设的基础设施，为智能搭建新世界的基建；最后是应用——这会慢慢跑出来，不是几年的事，是一件十年二十年的事，我们会持续寻找那些用好智能、把高价值智力解决方案提供给用户的天才产品经理。