范凯说 AI · 周日晚聊第21期：AI 时代，回归商业本质

开场

今天是第21期，时间过得很快，眨眼之间已经第21场直播了。

本周的主题叫「AI 时代，回归商业本质」。我本周没有花特别多的时间研究 AI 工具，反倒花了比较多的时间关注 SpaceX 星舰的第12次试飞。

开场彩蛋：SpaceX 星舰 V3 首飞

5月22号，SpaceX 星舰完成了第12次试飞。这次是星舰 V3 版本的首飞。

星舰迭代了三个版本——V1、V2、V3。去年11月 V2 最后一次试飞（第11次飞行）很成功，但 SpaceX 的最终目标是殖民火星，所以它不停迭代升级，推力更大，运载更多货物到太空。

V3 相比 V2 又高了很多，一级超重型助推器加二级星舰本体合在一起124.4米，相当于40层的高楼大厦，推力达到9200多吨。一级下面有33台全新设计的猛禽 V3 发动机——全部用3D打印，看着有一种非常简洁的、有力量的美感。

这次试飞的整个超重型助推器、星舰本体、猛禽发动机全部重新设计，风险极高。也只有 SpaceX 这样的公司才敢做这种推倒重来的事。一般火箭公司可能迭代十几年才做微小改进。

虽然出了问题——起飞一分钟后有一台猛禽 V3 发动机熄火爆炸，二级火箭外面三台推力发动机也挂了一台导致翻转——但硬是通过剩余的发动机把姿态调整过来，最终顺利完成了卫星和试验载荷的发射。

在航空航天领域，全新设计加发动机接连故障的情况下还能完成飞行任务，这真的让人无限崇拜。我有一个梦想：等生活和工作状态稳定了，带着小孩到美国德州的 Starbase 去现场看一次星舰发射。

星链 V3 与太空算力

星舰 V3 成熟之后可以批量发射星链 V3 卫星。有意思的是，星链 V3 的卫星本体被设计成了数据中心——每一个卫星就是太空的算力中心。

我们知道地球上建数据中心最缺的是电。但在近地轨道，太阳能板张开后近乎无限的太阳能，散热也可以通过背面辐射解决。技术上都可以搞定，关键就是发射成本。

从智能体发展趋势看，现在模型都在往长程任务方向跑——十几个小时、二十几个小时连续运行。十个智能体排排开跑长程任务，消耗的 token 是天量级的，背后都是海量的推理算力。地球上的算力迟早不够，未来必然依靠太空算力。

我个人判断，5到10年之后太空算力一定会实现。SpaceX 据说6月份要 IPO 了，这是一个星辰大海级的公司。

大胆开个脑洞：也许10到20年后，SpaceX 就是全球最大的算力提供商。蒸汽机时代靠煤，电力化时代靠石油，AI 时代的血液就是算力、就是 token。源源不绝的算力最终来自太空。

第一部分：本周 AI 新闻

新闻一：Google I/O 2026——Gemini Spark，7×24 云端个人智能体

发生了什么

Google I/O 开发者大会上发布了一大堆东西，但最值得一提的是 Gemini Spark。它是一个7×24小时运行的个人智能体，跑在 Google Cloud 的虚拟机上，给它安排任务后它在云端持续执行，完成后主动发通知。

它的特点在于深度整合了 Google 生产力工具——原生接入 Gmail、Google Calendar、Google Drive、Docs、Sheets、Slide 整套办公套件，还支持接入 Canva、OpenTable 等第三方应用。未来还可以通过发短信、发邮件来下指令，在一定预算范围内帮你付款。

同时苹果确认下一代 Siri 由 Gemini 驱动。苹果放弃折腾自己的 AI 模型路线，选择跟 Google 合作。

为什么重要

ChatGPT、Codex、Claude Code 本质上都是打开对话窗口，你说一句它做一句，关了它就停了——实时交互模式。Gemini Spark 打破了这个等式：你给它指令，然后去睡觉，明天早上看结果。它从"对话伙伴"变成了"值班员工"。

Google 走出了一条不同的差异化路线：Claude Code 面向工程师，Codex 强调 GUI 图形界面，而 Gemini Spark 是云端个人管家，智能体使用门槛进一步降低。

我的判断

每个人的 AI 管家已经不是未来时，是现在进行时了。2026年还没过一半，智能体已经从工程师快速向个人扩散。我们更应该思考怎么把个人智能体更多地用起来。

新闻二：Anthropic 王炸周——Karpathy 加入 + 估值9500亿

发生了什么

5月19号，Andrej Karpathy 宣布加入 Anthropic，参与 Claude 模型的预训练工作。

介绍一下 Karpathy 这个人：他是李飞飞的斯坦福学生。李飞飞很早牵头成立了 ImageNet 开源图片库，2012年 Geoffrey Hinton 带着两个学生（其中一个就是后来 OpenAI 首席科学家 Ilya Sutskever）用深度神经网络做图像识别，一举震惊世界。当时 Google 以4400万美元拍下了 Hinton 的三人公司。

Karpathy 从斯坦福毕业后先加入 Google，后来作为最早的员工被挖到 OpenAI。2017年又被马斯克挖到特斯拉负责自动驾驶——这件事直接导致 Sam Altman 和 Elon Musk 彻底决裂。在特斯拉，Karpathy 完成了一个重大转变：从写代码控制自动驾驶，转向用端到端神经网络模型做自动驾驶。

2022年 ChatGPT 横空出世后他回到 OpenAI，做了很重要的科普工作——在微软活动上详细讲解模型训练的整个过程（预训练、奖励模型、微调），促进了整个大模型的井喷。2024年离开，感知到内部分裂。出来后创办了 AI 教育公司、写了 NanoGPT。

从去年年底开始，他说自己很焦虑——离开前沿 AI 实验室太久会失去对行业的感知。最终选择加入 Anthropic。

为什么重要

第一，Karpathy 是用脚投票。他在 Google、OpenAI、特斯拉都干过，除了 Anthropic 哪都待过。一个行业最顶尖的意见领袖、做出过重大贡献的人，选择加入 Anthropic，证明 Anthropic 的模型目前全球最领先。

第二，他之所以要回到模型前沿团队，说明模型发展还在快速发展期。如果模型已经撞到天花板了，没必要去专门负责预训练。

从2022年底到现在经过三年高速发展，AI 碰到天花板了吗？没有，还早。模型还在狂飙突进，智能体在往长程任务、减少人的干预方向发展。这两个加在一起，未来两三年 AI 的能力会更加恐怖地往前跑。

其他信号

Anthropic 估值已到9500亿美元，超过了 OpenAI 的8250亿。年化收入从10亿美元增长到300亿美元，一年涨了30倍，极度恐怖的增长速度。谁掌握了最强的模型和智能体，几乎就是坐着收钱。

我甚至认为通用软件行业在未来若干年会消失——就像手工艺时代被工业化大规模生产取代一样。智能体时代，你基于智能体快速就能搭建自己的软件产品，不再需要通用软件。

新闻三：阿里 Qwen 3.7-Max——国产模型盲评首超 GPT-5.5

发生了什么

5月20号阿里云峰会上发布了通义千问最新旗舰模型 Qwen 3.7-Max。在全球大模型盲评排行榜上达到1284分，超过 GPT-5.5 的1215分。国产模型第一次在盲评排行榜上超过 GPT-5.5。

另一个亮点：它可以在不干预的情况下自主执行智能体长程任务达到35个小时，自主编程调用工具超过1000次。

我的判断

除了最能打的三家（Claude、GPT、Gemini）之外，XAI 被 SpaceX 收购后基本废掉了，Meta 也退出了通用模型竞争。剩下的真的是中国的 AI 模型在打——DeepSeek、千问（开源方面很不错）、三小龙（KIMI 月之暗面、智谱 GLM、MiniMax）。中国人确实很强。

使用建议：做研究型任务还是应该用 GPT 或 Claude 订阅套餐；企业端部署或批量使用可以降级到国产前沿模型如 DeepSeek，降低成本。

另外一个消息：GPT-5.6 也快出来了，这是从微软朋友那里获得的信息。头部两家竞争非常激烈。

第二部分：从工程脑到销售脑——AI 时代回归商业本质

我从去年年底到今年4月，半年时间非常投入地研究 AI 工具——从 Claude Code、OpenCode 到 OpenClaw、Codex，同时搭建了一整套完善的基础设施：Mac Studio M4、个人知识库、28个智能体技能，把创作工作流、生活工作流、心理顾问、每日教练、健身减肥全都用技能安排好了。半年下来工作流全部跑通了。

但我做了一个反思：在当前状况下，更多精力应该放在产出上。

三个方向的产出：

企业智能体转型咨询——今年技术已经成熟了。过去干了十几年 CTO，从软件解决方案到智能体解决方案，要去跑通这个流程。
投资领域的智能体落地——二级市场（股票筛选、行情分析、交易策略回测）、个人财务规划（特别是针对30-40岁有一定资产积累的人）。
付费会员社群——一方面学习实践 AI 转型，一方面经营社群。

工程脑 vs 销售脑

工程师出身的人有一个「工程脑」——关注向内，关注自己学到了什么、做出了什么、系统搭得好不好，追求确定性和可控性。

但真正想赚钱，需要「销售脑」——盯别人的状态，客户最近怎么样了，用户关注什么事情。它的逻辑是先行动再调整，PDCA 循环——做计划、执行、检查、调整，不断试错。

我自己是工程师脑，接下来要做个人转型：留20%精力钻研 AI 工具，80%精力转变到销售脑——把赚钱这件事本身当成产品来打造。

落到每个人身上：

很多工程师面临被裁的困境——这是行业趋势，不是个人能力问题。面向未来，至少要有一个第二职业。主业可能是份枯燥但稳定的工作，但有时间开辟第二职业。第二职业说到底就是经营一个生意模式。

我们要花时间学工具，但不要为了学工具而学工具。最终目标是建立自己的第二职业，用 AI 让一个人干很多人的事情。当工作流建立起来后，把精力放在怎么把赚钱变成你的产品来琢磨。

用户答疑精选

Q：Claude Code 源代码泄露后是否值得研究？ A：完全没必要用它的源代码。如果你要编程实现智能体，直接用 Anthropic 的 Agent SDK 调 Claude 模型，或用 OpenAI 的 Agent SDK 调 GPT 模型，或用其他 SDK 调 DeepSeek。第一步不是编程，而是用 Claude Code 或 Codex 的智能体加技能加知识库去实现业务；实现后想要更灵活控制再考虑 Agent SDK。

Q：在美国读 CS 研究生，未来哪方面有发展机会？ A：一定要进入 AI 行业，去大厂做算法、做模型训练和推理。

Q：怎么订阅 Claude 付费？ A：苹果 App Store，美区或日区下载 Claude App，买苹果礼品卡支付。

Q：咨询业务如何开展？ A：之前都是别人主动找过来的。今年觉得智能体在技术上成熟了，有必要主动去做。具体方法会在付费社群里真实分享。

本期金句

AI 工具正在全面商品化。工具越强大，"会用工具"这件事本身带来的差异化就越小。
工程脑关注向内，销售脑关注向外。留20%精力给工具，80%给赚钱。
不要为了学工具而学工具。最终目标是建立你的生意模式。
把赚钱这件事本身当成产品来打造。
通用软件行业在未来若干年可能会消失——智能体时代不再需要大规模通用软件。
SpaceX 也许10-20年后会成为全球最大的算力提供商。蒸汽机时代靠煤，电力化时代靠石油，AI 时代的血液是 token。
Karpathy 用脚投票证明：AI 模型远没到天花板，还在快速发展期。