先说结论

这期节目把"人比Token便宜"“AI算力是泡沫"“开源还是闭源"三个隔空互喷的辩题，拉回了三个不同站位的一线视角：在读多模态博士两两（西安交大博三）、临毕业的医疗AI博士十四（港大医学院，正在投简历）、毕业两年半的工业界算法工程师罗克（西电软工博士，现于半导体企业做低空经济）。三人没有收敛出统一立场——罗克给出了时间表最激进的泡沫预言，十四认为内地泡沫比美国小得多，两两代表在读博士的"嗅觉生存法”——但他们共享一个判断：AI能力叙事和AI就业市场是两个节奏不同步的市场，技术迭代极快、对生产力的辐射却很慢。对个人而言，对策不是押注哪个预言成真，而是把可迁移能力建宽、把去向对准增量市场。节目末尾三人达成的那条共识值得先记下：优秀的硕士并不比博士差。

人比Token便宜吗：同一个问题，三种利益站位

争论的起点是此前另一期节目里北美从业者的观点——“人目前还是比Token便宜的”，弹幕和评论区骂声一片；随后大厂开始限制内部员工的Token使用量，Meta 出租自家算力后，节目称韩国海力士、三星股价应声下跌。把这个问题抛给三位博士，答案恰好按"离工业交付的距离"分成三层。

离研究最近的两两认为这个比较本身没有意义：“智能体不可能离了人，现在人离了智能体也不太行”，纺织女工与纺织机的故事在历史上反复上演。他补充了一个更技术性的分层：AI coding 从大模型早期就有 Copilot、Cursor，当时主要在程序员内部用，后来才有 Claude Code 这类产品；如果以效率为目标，Token 的转化率可能更高，如果以可用性为目标，人仍然占优。

十四的答案最直接：“从我在华为实习完成任务的观感来说，人目前在大部分情况下还是比 Token 便宜的。“他 2025 年 6 月进华为实习，当时内部还不限制用 DeepSeek 网页版，不存在订阅问题。他转述上海一场会议上院士们的下一个议题——不是省 Token，而是提高 Token 质量：用更少的 Token 去做更难的事。同时他强调内地算力仍然极度稀缺，在华为连研发组内部都要跨组协调算力卡——这与北美"算力过剩到出租"的叙事构成微妙对照。

罗克的视角来自公司真金白银的投入实验。他们公司在做"数字员工”——把工作流程用 Agent 跑起来，这是"主要投入 Token"的形式。观察结论是：很多工作确实能做下来，但做得死板——业务流程一变，原有 Agent 就废了，而 Agent 往往是复杂工作流拧在一起的，更新极麻烦；软件开发同理，网上普遍吐槽 Agent 写的复杂项目越来越像黑盒、像屎山，“跑起来不花多少 Token，部署运行时间长一点，要维护的 Token 反而非常多”。即便模型降价到现在，从人力成本看，公司还是选择收缩 Token 投入，“让 AI 回到工具辅助的位置”。

把三段话拼起来就是一条完整的机制链：Token 单价下降 → 但流程变化带来的维护成本吞掉价差 → 企业重新把预算从数字员工挪回人 → AI 在组织内退回工具位。对做 Agent 创业的人，这个一线观察比任何榜单都值钱——价值锚点是可维护性和抗流程变化，不是首跑成本。

泡沫之辩：算力美元、赛博赎罪券与中美创业分岔

AI 算力叙事是否可靠，三人首次出现真分歧。

两两的判断框架是 Scaling Law：参数量、数据量、算力量同步上去，性能可预见地变好——在这个前提下商业公司追逐更多硬件是理性的，算力出租也很普遍（他列举 Meta 之外，字节、金山乃至国企央企都在做）。泡沫什么时候来？“等大模型能力到达瓶颈、Scaling Law 到头的那个时候。现在一时半会儿不会。”

罗克则完全站到泡沫论一边。他引用自己关注的几位宏观评论人（转写作黎东升、高志凯、卢奇元，后者疑为卢麒元）的预言：今年六月到明年六月会出现全球性危机，长度超过 2000 年互联网泡沫。他的推理链条是：美国国债和美元压力巨大，本想把"石油美元"换成"算力美元"实现垄断，但垄断没成功——“AI 已经被中国破掉了”；英伟达最近推出 Token 金融化工具，在他看来是"惯性没刹住车”；而 OpenAI、Anthropic 技术领先却都不挣钱，“明年一月也许就有烟花可以看”。

十四提供了第三个切面：中美创业生态的分岔。他在内地看到的 AI 创业更偏制造业和农业等多学科交叉项目，能实际观察到落地和融资；而 YC 和北美博主分享的项目多是找房、社交这类软服务平台。“泡沫在美国那边很难消解，在中国相关的这些发展同步的情况下，我们这边 AI 泡沫其实没有说的这么大。“主持人顺势反驳了"北美做理想、国内只赚钱"的网络刻板印象——他认为那只是几家大厂给互联网用户造成的错觉。

罗克随后把矛头转向 Anthropic，解释了"为什么 A 遭人恨”。两两的第一反应是双标：最早靠大模型可解释性起家、喊着安全与可解释，转头却做封闭。罗克补了历史与宗教两层的解读：Dario Amodei 早在 OpenAI 时负责安全审查，以"GPT-3 太危险"为由阻挠发布，被同事领导赶出去后才自立门户；Anthropic 内部有"宪法”、讲有效利他主义，Dario 本人每天在工作群里布道——罗克将其概括为犹太—基督教末日叙事的翻版：“世界要完了，唯一的诺亚方舟船票在我们手里，其他公司都不行”，卖的是"赛博赎罪券”。而对中国敌意特别大，他归因于两层：基督文明对无神论者的敌意，加上 DeepSeek 等中国公司打乱了其垄断计划。十四则分享了一个带问号的技术八卦：Claude Code 源代码泄露后，他第一时间下载喂给 Codex 分析，Codex 指出其中名为 Remote 的文件夹疑似预留的数据后门——但他强调自己没看过那段代码，“CodEx 这么说的，只能打一个问号”。三层不确定归属叠加，恰好是当下安全讨论的缩影。

回到开源闭源之争本身，三人倒是都倾向共存论。两两用苹果与安卓类比，开源让社区能量在其上 build up，企业能拿权重做垂直领域后训练；十四补充隐私敏感部门用不了 GPT 和 Claude Code，自部署的开源模型提供了"尽管成本很高但存在"的选项，他所在学校就在自部署一套供教育使用。工具使用习惯上分歧颇真实：两两靠教育优惠一路白嫖 Cursor；十四嫌订阅贵，经闲鱼会员、API 中转站一路薅到"一个月两三百"（公司报销限额三百到五百），主力 Codex，吐槽 Claude 4.6 之后"不说人话"、动不动以危害人类安全为由拒聊，而 GPT 5.5 之前也不说人话、5.6 好很多；罗克把工具分两类——OpenClaw、Hermes（节目戏称"爱马仕"）这类完全开源可定制的，和 Codex、Claude Code 这类官方配好的，前者要自己折腾，后者省心但功能迭代看厂商心情（Codex 直到最近更新才支持回退对话避免上下文污染）。

DeepSeek 的护城河：组织纯粹性本身

节目的第三场讨论围绕梁文锋在投资者交流会上那句"因为我们在做有意义的事，所以我们的商业护城河比竞争对手更深且不可复制"展开，三位博士的回答无意中构成了一份组织行为学样本。

两两坦承体会不深——他去查了"商业护城河"的定义（别人抢不走你的业务），据此认为国内确实难有替代 DeepSeek 的公司，但"不可复制"不好说。主持人当场点破：会去查这个词，说明博三阶段还没有对公司运作的成熟认知。

十四从第三方使用者观感出发：DeepSeek 与其他大模型公司很不一样，新技术的研发本身是高成本、难量化的探索过程，“当你知道自己的使命时，就可以集中力量更快更好地完成目标”，整个对话透着第一性原理的风格。他随即用一个亲身经历注解"探索"的含金量：在华为实习解决一个难题时，第四个月发现把预测目标泄露进了输入——整个东西做错了；沮丧之余他把错误翻转成预训练阶段的突破（如何在预训练时提高得分质量），一周内重写全部代码，最终"这个项目报价七百万，我这一部分可能值五百万"（主管的说法）。错误转为范式，是他科研信心的来源。

罗克给出的对比最系统。他的论点：梁文锋追求 AGI 的纯粹性本身就是护城河——交流会上连 C 端用户都表示不想要，“干扰我训练 AGI”。对照其他几家：千问在阿里体系内背负盈利要求，团队变动大、APP 匆忙推出；字节豆包与飞书交叉，想借 To B 方案变现；腾讯变革不断，WorkBuddy 投了大量广告——“几家都感觉办公还能挣点钱”；MiniMax（他口中的"质朴"）上市后引入资本方，Token Plan 涨价、额度说不清、还延迟，“AI 成了工具而不是目的，动作就容易变形”。而梁文锋量化交易出身本来就不缺钱，融资只是为了给员工股份留人，“没有老板跑过来说投了这么多钱怎么不挣钱，安心做研究就行”——这是最适合做 AI 研究的公司形态。主持人补了一句社会学观察：如果 DeepSeek 没有成功而这份文档流出来了，业内多半报以嗤笑；正因为它成功了，才让业界和未毕业的学生看到理想主义在业界也能活到前沿。

两两笑着补了个冷注脚：梁文锋关于多模态的评论是实打实的——直接影响了多模态大模型的就业岗位（他提到节目所称的腾讯混元多媒体部门被砍）。这也解释了他本人为何从多模态转向世界模型。

工具生态的讨论在此收尾：DeepSeek 刚发布的 Harness 工具被节目称为"毛坯房"——什么都没有，你得自己装修，但有插件列表、可玩性高，适合会折腾的人；它对 WorkBuddy 这类产品没有冲击，因为人群分层——轻办公、行政文员用 WorkBuddy 很方便，会折腾的人反而嫌它"来路不明"。

读博与就业的一线行情：从世界模型到低空经济

第三部分三人各自展开课题，恰好覆盖了"AI 科班"“AI 加 X"“工业界 AI"三条路径。

两两从多模态转向世界模型的动机是双重的：就业侧，梁文锋那几句话"实打实影响了就业方向”；技术侧，现有 Transformer 架构下文本利用视觉信息存在天然局限，加上个人算力限制做工业级大模型难出成果，而世界模型——“建模杯子被碰掉、落地、碎掉的物理规律”——与多模态更天然贴合，被视为具身智能的大脑。他的就业策略是"知道得多一点、嗅觉准一点、再加幸运”：2022 年 ChatGPT 出现前视觉岗位明显好于 NLP，出来后 NLP 岗位突增压过视觉——“AI 发展太快，不能判断两年后哪个方向活下来”，所以要覆盖当下最火的三个方向：智能体自我提升、世界模型、具身智能。

十四的路径展示了"AI 加 X"的选校逻辑：本科电气自动化、硕士机器人与计算神经学，2020 年入学时 GPT 尚未爆发，他刻意选择"独有的数据、不常见的疾病、竞赛里见不到的模态"，为此去港大医学院亲自收数据——跟几千个小朋友沟通过，在香港收数据还需要考医疗资格证（因为老板本身是医生）。他对医疗AI的一线判断相当冷峻：医院既是甲方又是乙方，医生没时间做科研、病人数据是医生的"财产"和论文来源，不会随便共享；“普通人（普通教授）不适合玩医疗AI”，只有大平台、有能量的 PI 才做得动——如果导师不在医疗体系内却丢给你医疗AI课题，他的建议是尽早放弃。同时他区分了两个常被混称的方向：医学图像处理（偏计算机视觉刷指标）与真正的落地医疗AI，前者撑起了大量论文，后者产品"非常单一，没有真正解决病人或临床上的问题"。

罗克代表了最接地气的工业视角。他在半导体企业做低空经济的无人机感知——可见光、红外、雷达、频谱多模态探测。他曾尝试把智驾的端到端感知算法移植过来，但"水土不服"：智驾数据是稠密图像加点云，无人机场景是稀疏雷达点、方向性频谱信号。实际交付用的大多是经典算法——滤波跟踪、频谱分析、统计学习，“非深度学习的东西，客户很满意”。他领导热情、一线保守的状态也很典型：高层刷朋友圈看到新东西就甩命题下来，一线的任务是"研究一下，告诉领导搞不了"。他对端到端的判断与产业共振：感知、规划、执行、控制本是自动化的完整闭环，“AI 应该做模块化的角色，而不是端到端打爆一切”；宇树刚上市、人形机器人大多卖给高校科研，产品普遍停在 demo 阶段、小场景拟合；智驾公司近两年也不怎么提端到端了，sim-to-real-to-sim 在他看来是"补丁摞补丁"。

薪资行情（均为受访者口述约数，指博士）：北上大厂约一百万起步，SSP 顶尖计划可到两百万；大厂纯研究岗（刷论文部门）薪资特别高但存续期短，“论文刷够部门就裁掉”；研究所全国基本一口价，年包约三十五万，过保护期掉到二十多万，“北京所跟西安差不多，性价比不高”；高校看地域，普通学校年包约二十万（陕西科技大学案例），西电留校约三十五万加项目激励到四十万，升副教授可再涨；罗克所在私企博士校招四五十万；硕士进华为定级约三十到四十万；香港博后月薪两万八到四万不等（十四称港大普通博后两万八，有老师给到三万五封顶）；十四自己接大厂 offer 的心理价位是四十到五十万。

硕士与博士的差距，三人罕见地共识：优秀的硕士不比博士差。两两的解释——同届入职博士定级高几档、薪资高很多，但工作四年的硕士与应届博士比"就不一定了"；十四补充博士不如硕士方便实习、企业对博士期待更高、AI 迭代快导致两年积累可能踏空；罗克观察到 AI 加领域的期刊论文"用的 AI 技术都挺落后"，生产门槛低。两两转述的"十五天调研、七天实验、三天写论文"虽属夸张，但方向如此。

AI 替代焦虑上，三人答案分别是：两两最佛系——“迟早要取代，那我就跟着它走”；十四最斩钉截铁——“真正的智能我们完全没有做到，会用工具的人替代不会用工具的人”；罗克给了一句含金量高的补充——AI 说它解决了一个数学猜想，你得水平到位才鉴别得了证明对不对，“首先你自己水平到那儿了，才能看明白”。对读博值不值：十四说不该用性价比衡量，罗克说读博积累的"勇敢探索、牵头做事"恰恰是 AI 时代最稀缺的品质——至少不会恐惧未知的工作。

收束：两个不同步的市场

整期节目最有解释力的框架，其实是十四那个提问里藏着的话：技术迭代很快，技术对生产力的辐射速度又很慢，节奏不同。这个错位解释了本期所有看似矛盾的现象——算力一边被抢购一边被出租；Token 单价在降、数字员工总成本却在升；大厂高薪抢博士、同时砍掉"赛博土木"化的存量岗位；医疗AI论文泛滥、临床产品单一。

罗克的就业建议因此格外具体：大厂很多生态位像"赛博土木"——数字基建已完成，支付宝曾为全球标杆的前端团队解散、全员转向全栈"要不然就滚蛋"；而另一边，传统行业龙头着急 AI 转型却招不到人，猎头在主动联系他这样的博士。“读博的同学可以多去实习，找到增量市场——AI 加医疗、AI 加制造、农业，机会反而很多。”

给纠结者的三条建议也各有出处：两两说，纠结要不要读博，那就不要读，“两个选择差不多时，选哪个不重要，走好更重要”；十四说，读博先备好身体和家境，“崩溃的时候不会特别难受”，做 AI 要有全局视角而非只盯几个热点；罗克说，不是读博才能搞 AI，硕士工作中发现流程卡点就用 AI 写小工具，“都是很有帮助的”。

至于下一步看什么：Scaling Law 是否到头（两两的泡沫触发条件）、大厂 Token 政策与数字员工投入的收放（罗克的机制链）、以及传统行业 AI 岗位的招聘密度（增量市场的温度计）——三个指标比任何站队都更能提前告诉你，哪一方的叙事正在兑现。

注：本文依据音频转写整理，文中观点分别归属于三位受访者（两两、十四、罗克为节目中的自称代号）及主持人；公司动态、股价波动、产品版本均为节目陈述，未做独立核实；转写中人名与术语已结合上下文校正（如梁文锋/Anthropic/Claude/智驾/非升即走等），个别无法确认的表述已随文标注。