2025年底，欧派按8000亿美金估值再融1000亿美金的消息传出时，广密正在硅谷和一线研究员聊下一代范式。Sam在播客上被追问1.4万亿美元投入如何回本，他的回答让市场震动——「如果你想卖掉股份，我可以帮你找买家」。AI泡沫的质疑声四起。
如果你还在用传统商业逻辑计算AI公司的现金流回报，你可能正在用算盘时代的方式理解核武器竞赛。
广密是光速中国的投资人，过去三年，他和张小俊每个季度都会录制一期全球大模型季报。这是他们的第八集，也是第三年跨年对谈。2023年初他预判Coding会成为年度主题时，这个单一赛道还不到10亿美金。十个月后，它硬生生涨出了100亿美金年化营收。「做播客的反馈闭环比投资快」，他笑着说，「很多一线从业者听完会找我聊天，我也学到很多东西」。
但这次对谈，广密的语气比以往更谨慎。
他花了大量时间研究给前沿模型做数据标注的公司，得出一个结论——今天的模型还是一个巨大的压缩器。如果模型的数据分布里没有某类任务的数据，这个任务就不work。你需要找打印店店员怎么操作Photoshop的数据，需要银行柜员怎么用系统的数据，需要蒸馏金牌级别专家的真实工作环境。「这很像自动驾驶，有多少人工就有多少智能」，他说，「对AGI需要的时间预期，我肯定是拉长了」。
这不是重点。
真正让广密改变判断的，是他看到了战争的本质。「不能称作AI bubble，更像是AI war」，他说，「这是每个科技巨头都输不起的战争，甚至是中美国家战略都输不起的竞赛」。AI可能就是新的国防或核武器，所以很多人会砸光最后一分钱，也不会轻易下牌桌。
转折发生在10月。Sam提出1.4万亿美元、30GW算力建设的计划时，市场开始计算账本——按GPU六年摊销，欧派平均每年要烧掉2000多亿美金。而派到2030年的公开预测也就2000多亿美金年营收。从现金流视角，短期肯定算不过账。
但广密给出了另一套逻辑。
他把欧派的收入拆成两部分——看得清的和看不清的。看得清的是订阅、广告、电商、API，按照40亿月活、10%付费率、每人200美金年费计算，订阅就是800亿美金。不付费用户看广告，假设每个周活20到50美金UP值，再加上25亿周活，这是500到1000亿美金。API销售再做到500到1000亿美金。三块加起来，差不多两三千亿美金年营收，相当于今天的Meta或亚马逊。
「这只是多了一个互联网平台，没啥意思」，广密停顿了一下，「真正有意思的是看不清的那部分」。
他提到两种可能。第一种是Agent真的端到端替代劳动力了，赚到工资的预算。全球有10亿白领，如果欧派输出10亿白领的价值，每个Agent收费1000到1万美金，那就是1万亿到10万亿美金的营收。Coding已经验证了这条路——全球软件开发市场1500亿美金，今年AI Coding已经拿下100多亿，不到10%的渗透率。未来几年涨到30%或40%，广密觉得是必然的。
第二种更加星辰大海——大规模做人做不了的增量高价值内容。比如Coding可以重新写Linux，科学发现可以治愈人类所有疾病，AI可以研究室温超导材料。「这些潜在价值都是非常高的」，他说，「我们总是缺乏想象力。回到AWS诞生的头几年、抖音诞生的头几年，大家都不会觉得它们能做到千亿美金营收」。
这些想象力的前提，是模型能力的突破。而突破的关键，正在从Pretraining和RL转向下一代范式——Online Learning。
广密在硅谷花了大量时间和领先研究员聊这件事。「Pretraining的Scaling确实快结束了，但Online Learning刚开始」，他说。预训练走到七八成了，投入很大但空间有限。强化学习走到30%到50%，大家都在Scale数据，但彼此甩不开。「最主要原因是预训练搞不出更多数据了，56万亿Token可能是很多模型公司的极限」。
而Online Learning，是让模型在推理和交互的时候也在学习。今天的ChatGPT是静态的、冰冻的产品，它必须等你Prompt后才会回答，每次提问都要从头推理一遍，推理过程中还没法学习。「移动互联网比PC互联网大十倍，因为每天的交互过程中沉淀了数据，吸收了用户偏好」，广密说，「Online Learning work以后，AI会吸收人的智能，从人类经验中学习」。
谁在押注这个范式？欧派依然是最领先的，投入最大。其次是伊利亚的SSI、Mira的Thinking Machines。「这几个团队都很强，Anthropic是欧派最早的Scaling team，伊利亚是最早的team，Thinking Machines是原班ChatGPT和Post training team」，广密说。即便欧派分崩离析三四次以后，依然还很强。而谷歌今天应该还没有整体top down做Online Learning，可能还是独立研究员在个人探索。
广密给出了一个时间窗口——2026年夏天，应该能看到突破的一些信号。
但他也提出了一个暴论——「机器人、世界模型甚至多模态，很多可能是假问题，Online Learning可能才是唯一重要的真问题」。因为最重要的是泛化性。如果不泛化，后面还是走自动驾驶的老路，有多少人工就有多少智能。「所以有很大概率，未来机器人世界模型的突破可能不是今天在座的这批人，今天这批人可能是上一代LP1.0的结果」。
他用三种燃料做了比喻。Pretraining的数据像石油化石燃料，量很大但总共有限，现在已经用了七八成。RL强化学习的专家数据像新能源，有用但总量比较小，所以出现了像Scaleai、Mojo这种专门招聘人类专家的外包公司。而Online Learning像核聚变——核能还没有突破，但如果突破了，就是无敌的，人类就进入硅基时代了。
两个字，战争。
想通了这是战争而不是生意，很多现象就解释得通了。
你看咕咕越强越会形成一个反咕咕联盟，欧派越强也会形成一个反欧派联盟。欧派诞生的初衷不就是为了挑战谷歌吗？所以英伟达也好、微软也好、亚马逊也好，会继续支持欧派和Anthropic，因为任何一家太强都会对其他家造成威胁。这是巨头博弈的平衡。
商业上看，Agent落地后，传统流量平台的生意会有很大影响。如果Agent成为流量入口，今天的Super App就被短路了。滴滴、携程这种信息中介平台，不应该赚那么多钱了。在湾区打Uber经常被平台抽50%，司机连一半都拿不到。传统搜索也不应该赚那么多钱。所以今天的科技巨头又要防守，又要激进进攻。
广密把全球AI分成两大阵营——英伟达的GPU和谷歌的TPU。谷歌第一次推出真正端到端集成的模型、芯片、云产品，更像AI时代的苹果。而英伟达生态下的OpenAI和Anthropic依然是优等生，人才密度更优质一些。英伟达更像AI时代的安卓。「GPU综合还是比TPU更好，缺点就是贵。但英伟达的Rubin那一代卡应该能甩开TPU一个代际身位」，广密说。
交替领先，是他对2026年模型格局的判断。GPT、Claude、Gemini未来一段时间还会你追我赶，本质原因是现有范式下，大家的Roadmap、方法彼此甩不开。人才在流动，信息在流动。想甩开，就得新范式了。
局限性也很明显。
广密说，局部的L3、L4确定性非常高，但很难整体到L4。即便是预训练和RL两个现有范式，也能让AI系统比绝大多数白领效率高很多，有很高经济价值。但能不能真正意义上吃到工资预算，或大规模解决人类的高价值问题，不好说。如果这个周期拖得比较久，就是烧现金流的现金流之战。那谷歌、字节是很有优势的，Meta投入太大。
「所谓的通用Agent，可能是个伪命题」，他说，「要在通用能力基础之上做分化，在垂直场景里找价值」。ChatGPT做朋友，Anthropic做Coworker和Coding Agent，Gemini做多模态助理。大家都要向下优化各自的数据。
他给投资者和创业者的建议很简单——压注到技术成长最陡峭的支处。投全球最领先的两三家模型，投最领先模型需要的算力和硅基基础设施，投最领先模型技术溢出的红利。「交替领先是常态，最好有一个组合」，他说，「今天阶段性觉得欧派非常好，中间有一段时间觉得Anthropic非常好。你不能只押一家，风险太大」。
问题出在下一步。
如果Online Learning在2026年夏天真的有信号，如果下一代范式真的突破，那今天的交替领先格局会被打破吗？SSI和Thinking Machines会成为新的OpenAI吗？中国有可能诞生下一个伊利亚吗？
广密给出的概率是20%。「之前华人背景团队做出全球最领先AI公司的概率是0到5%，现在我觉得到了20%」。核心变量是华人的人才基础非常好，但今天只有人才这一个关键要素，还需要资本、算力、创新环境。
他说，做这个播客很大的意义，就是要有Passion去鼓动中国科技公司多买卡，给年轻研究员更多搓卡的机会。「为什么伊利亚诞生在硅谷？因为大厂很早期就做长期投入，没有计算短期ROI。如果中国大厂多投入、多买卡、培养人才，下一代伊利亚大概率未来三五年一定会出来」。
他停了停。
「2026年了，战争才刚开始」。