Ep112 6Yexfotusww
导读：这一季的两个关键词
本节先建立整期季报的主线。过去几期《全球大模型季报》更强调智能上限、模型进步和 AGI 主线；这一期开始明显转向产品、入口和商业化。广密给出的两个关键词是“分化”和“产品”。分化指模型公司开始向不同能力区间和产品路线拆开；产品指模型智能必须转化成用户体验、流量、品牌心智和商业化闭环。
这期的核心张力在于：一方面，基础模型前三名还在快速进步，持续吃掉 AI 创业者的机会；另一方面，Magic Moment 的产品窗口仍然存在，只是保鲜期越来越短。创业者面对的是既兴奋又绝望的局面：技术每个月都在变强，但巨头下场也越来越快。
图片资源缺失
\begin{figure}[H]
\centering
\includegraphics[width=0.96\textwidth]{startup-between-giants.png}
\caption{创业者夹在巨头之间：技术每月进步，但模型公司也不断吃掉机会。自制概念图，依据 00:00:05--00:03:54 对谈内容整理。}
\end{figure}
读图：为什么又兴奋又绝望
兴奋来自技术进步，绝望来自头部模型公司同时做模型和产品。创业者必须抢在巨头产品化之前找到 Magic Window，或者选择巨头难以快速覆盖的垂直场景。
本期核心命题
大模型行业从“智能上限竞赛”进入“智能 + 产品 + 入口 + 商业化”的复合竞赛。模型能力仍然重要，但产品壁垒、默认入口、品牌心智、垂直整合和 L4 体验开始决定谁能把智能变成真实价值。
本章小结
EP112 是模型季报从“模型智能”转向“产品战略”的一集。它不只是列举公司动态，而是在回答：头部模型公司开始产品化之后，创业者和投资人还能在哪里下注。
模型在分化：通用、Coding+Agentic、多模态交互
导读提出“分化”和“产品”两个关键词，本章先展开第一条，核心问题是：头部模型公司不再只沿同一条 benchmark 曲线竞争，而是在能力栈和产品路径上开始分叉。硅谷模型公司这个季度开始显著分化。Google Gemini 和 OpenAI 仍然做通用能力；Anthropic 分化到 Coding 和 Agentic 模型能力；Thinking Machines Lab 分化到多模态和下一代交互；Grok 还在摸索生态位置；Meta 的原创 0-1 基因被认为较弱。最领先的几家公司像 F1 竞赛，速度极快，路线也开始不同。
图片资源缺失
\begin{figure}[H]
\centering
\includegraphics[width=0.96\textwidth]{model-company-divergence.png}
\caption{模型公司开始分化：Gemini/OpenAI 通用，Anthropic Coding+Agentic，Thinking Machines 多模态交互。自制概念图，依据 00:03:54--00:21:37 对谈内容整理。}
\end{figure}
读图：分化不是掉队，而是选择赛道
通用模型要保持全能力领先；Coding+Agentic 下注高价值工作流；多模态/交互下注下一代入口；生态型公司需要找到与自有平台的结合点。分化说明行业从单纯追 benchmark 进入战略选择。
术语消化：公司路线地图
| 公司/路线 | 本期定位 | 关键风险 |
|---|---|---|
| Gemini/OpenAI | 通用模型和全能力入口 | 成本高，产品线复杂。 |
| Anthropic | Coding + Agentic 能力 | 需把技术壁垒转成更大产品入口。 |
| Thinking Machines | 多模态原生和下一代交互 | 方向新但商业路径未定。 |
| Grok/xAI | 生态位置仍在摸索 | 平台协同和品牌心智仍需证明。 |
| Meta | 开源和社交生态强，但原创 0-1 被质疑 | 模型路线和产品入口之间不稳定。 |
分化背后的能力栈
| 能力栈 | 代表公司/方向 | 关键资产 |
|---|---|---|
| 通用智能 | Gemini、OpenAI | 多模态、推理、搜索、产品入口和算力。 |
| Coding/Agentic | Anthropic、Claude Code | 代码环境、长程任务、企业开发者心智。 |
| 多模态交互 | Thinking Machines、Gemini | 原生多模态、下一代 interface 和硬件入口。 |
| 生态型模型 | Grok、Meta | 社交平台、开源生态、分发渠道。 |
模型公司战略对照表
| 公司/路线 | 当前强项 | 需要继续证明 |
|---|---|---|
| OpenAI | ChatGPT 入口、通用能力、产品化 | 广告/商业化是否不伤用户体验。 |
| TPU、搜索、广告、Workspace、Gemini | 能否把资产重新组合成默认 AI 入口。 | |
| Anthropic | Claude Code、企业开发者、Agentic 能力 | 能否从 coding 扩展到更大工作流。 |
| Thinking Machines | 多模态原生、下一代交互想象 | 能否把研究路线变成强产品。 |
| Meta/xAI | 平台、开源、社交或实时数据资产 | 能否做出原创 0-1 产品心智。 |
分化给创业者的启发
前面给出公司地图，本节把它翻译成创业者视角。如果头部公司路线开始分化，创业者不能再只问“谁模型最强”，而要问“我站在哪条能力链上”。做 coding 工具，要看 Anthropic/Claude Code；做搜索和研究，要看 Deep Research；做多模态交互，要看 Thinking Machines 和 Gemini；做消费入口，要看 ChatGPT 的全家桶。
不要把分化误读为小公司机会自动变多
分化意味着头部公司开始主动选择战场，不是放弃战场。创业者的机会在于更快、更窄、更深，而不是在巨头已经明确下场的正面战场硬拼。
本章小结
模型公司分化说明行业进入策略期。通用、Coding+Agentic、多模态和生态路线都可能产生赢家，但每条路都要求不同产品、数据和商业能力。
横向全家桶与纵向垂直整合
上一章讲分化，本章讲收敛。C 端有明显头部收敛趋势，ChatGPT 可能收敛掉很多产品。横向全家桶的例子是 ChatGPT，把 Chat、搜索、Coding、Agent、Workspace 都纳入同一入口；纵向垂直整合的例子是 Gemini，从 TPU 芯片、Gemini 模型、Agent 应用，到 Google Docs、Chrome、Android、YouTube，可以形成超级集成。
图片资源缺失
\begin{figure}[H]
\centering
\includegraphics[width=0.94\textwidth]{horizontal-vs-vertical.png}
\caption{横向全家桶 vs 纵向垂直整合：ChatGPT 横向套件，Gemini 纵向超级集成。自制概念图，依据 00:21:37--00:33:35 对谈内容整理。}
\end{figure}
读图：横向和纵向是两种吞噬方式
横向全家桶把多个用户任务聚到一个入口；纵向垂直整合把芯片、模型、应用、浏览器、操作系统和内容生态串起来。前者吃用户心智，后者吃基础设施和默认入口。
ChatGPT 的横向产品壁垒
ChatGPT 不只是一个模型壳，它拥有用户习惯、品牌心智、默认入口、历史对话和持续功能扩展。对于独立 AI 产品，最难的是：你做出的功能如果变成 ChatGPT 全家桶里的一个标签页，用户为什么还要单独使用你？
横向全家桶的杀伤力
横向全家桶最可怕的地方不是单点功能都最好，而是它成为用户默认入口。默认入口可以把“够好”的功能迅速分发给海量用户，从而压缩创业产品的窗口期。
Gemini 的纵向整合
Google 的优势在纵向整合：TPU、云、Gemini、搜索、广告、Docs、Chrome、Android、YouTube 都能协同。广密对 Google 的看法发生转变，原因也在这里：当 AI 产品最终需要搜索、广告、办公、浏览器和操作系统协同，Google 的老资产可能重新变成新优势。
Google 纵向整合的资产
| 资产 | 作用 | AI 时代价值 |
|---|---|---|
| TPU/Cloud | 算力和训练基础设施 | 降低模型成本并保证供给。 |
| Search/Ads | 入口和商业化系统 | AI 搜索和广告平台可能重新融合。 |
| Chrome/Android | 浏览器和移动操作系统 | Agent 可以进入默认数字环境。 |
| Docs/Workspace | 办公场景和用户文件 | 企业和个人生产力入口。 |
| YouTube | 视频内容和多模态数据/场景 | 多模态理解和生成的应用场。 |
本章小结
横向全家桶和纵向垂直整合解释了为什么头部公司越来越难绕开。创业者要么成为全家桶里的关键能力，要么找到巨头不容易整合的场景。
智能和产品都重要
本章讨论第二关键词：产品。过去三年行业一直极度上头地探索智能上限，但现在产品重新变得重要。ChatGPT 身上有很多非技术性壁垒，而 Coding 工具或模型公司如果只有技术壁垒，很容易被追赶。OpenAI 的强处在于平衡：一边探索智能上限，一边把智能红利转化成产品流量和品牌心智。
图片资源缺失
\begin{figure}[H]
\centering
\includegraphics[width=0.96\textwidth]{intelligence-product-balance.png}
\caption{智能和产品都重要：智能上限探索必须转成流量、品牌和用户心智。自制概念图，依据 00:33:35--00:38:52 对谈内容整理。}
\end{figure}
读图：智能不是自动等于产品
模型能力提供可能性，产品体验把可能性变成默认使用，流量和品牌心智让用户持续回来，商业化把智能变成公司能力。缺任何一环，都可能只是技术 demo。
模型壁垒与产品壁垒
上一节强调产品重新变重要，本节拆开两类壁垒。模型壁垒来自 benchmark、coding、agentic、上下文和推理能力；产品壁垒来自用户习惯、品牌、入口、数据回流和商业化。模型壁垒会被追赶，产品壁垒也会被吞并，但二者叠加才形成强公司。
图片资源缺失
\begin{figure}[H]
\centering
\includegraphics[width=0.94\textwidth]{model-vs-product-moat.png}
\caption{模型壁垒 vs 产品壁垒：技术壁垒会被追赶，产品壁垒包含流量、品牌和默认入口。自制概念图，依据 00:33:35--00:38:52 对谈内容整理。}
\end{figure}
不要只看技术壁垒
AI 产品的技术壁垒可能在 3 到 6 个月内被追上。如果没有数据回流、用户习惯、渠道、品牌或工作流沉淀，技术领先很容易变成短暂窗口。
产品壁垒的非技术部分
| 壁垒 | 表现 | 为什么难复制 |
|---|---|---|
| 默认入口 | 用户每天自然打开 | 需要长期品牌和使用习惯。 |
| 工作流嵌入 | 产品进入团队流程 | 替换成本高，数据持续回流。 |
| 品牌心智 | 用户把某类任务默认交给它 | 首个 Magic Moment 会被长期记住。 |
| 商业化 | 有稳定付费和渠道 | 不只是模型强，还要懂销售和包装。 |
本章小结
智能和产品的关系变得更平衡。模型公司需要产品化，产品公司也需要模型理解；单纯技术或单纯产品都不够。
AI 产品像挖矿：Magic Moment 与保鲜窗口
本章解释“挖矿”比喻。第一个做出让用户惊叹体验的产品，会获得巨大营销红利，即使 token 消耗很高也值得。早期搜索问答产品、Cursor、Manus 都属于抓住了某个 Magic Moment 的例子。但窗口期正在缩短：从两年、一年，到几个月。
图片资源缺失
\begin{figure}[H]
\centering
\includegraphics[width=0.96\textwidth]{ai-product-mining-window.png}
\caption{AI 产品像挖矿：Magic Moment 的保鲜窗口正在缩短。自制概念图，依据 00:38:52--00:44:21 对谈内容整理。}
\end{figure}
读图：挖矿不是长期护城河
挖矿阶段抢的是第一次惊叹和品牌红利；窗口缩短后，模型公司、竞品和开源实现都会迅速跟进。真正护城河要从 Magic Moment 过渡到工作流、数据、入口和品牌。
产品公司能赢过模型公司吗
挖矿窗口的关键问题是：产品公司能不能在模型公司下场前形成壁垒。产品公司有速度、专注和体验优势；模型公司有模型、分发、算力和全家桶优势。产品公司要赢，必须在窗口期内形成强用户心智和数据闭环，否则会被模型公司功能化吸收。
窗口期公式
其中，Magic Moment 是首次惊叹，Speed 是抢窗口速度，Moat after copy 是被复制后仍然保留的壁垒。
窗口缩短的原因
窗口期缩短有三个原因。第一，基础模型能力更新更快，旧体验很快变成默认能力。第二，头部模型公司有更强分发，能迅速复制成功模式。第三，开源和工具链让工程实现更快，产品领先不能只靠 demo。
创业者策略表
| 策略 | 适用场景 | 风险 |
|---|---|---|
| 抢 Magic Moment | 新能力刚出现，用户还没形成默认入口 | 窗口短，容易被模型公司复制。 |
| 垂直深扎 | 行业工作流复杂，数据和客户关系难迁移 | 增长慢，销售和交付重。 |
| 做工具链 | 围绕头部模型做开发者/企业工具 | 平台 API 变化会影响产品。 |
| 做入口 | 抢默认使用场景和品牌心智 | 与 ChatGPT/Gemini 正面竞争。 |
本章小结
AI 产品像挖矿，是因为新能力出现时会有短暂高收益窗口。创业者要做的不是只挖第一铲，而是在窗口关闭前形成长期壁垒。
产品窗口案例复盘：从惊叹到默认工具
前一章给出挖矿比喻，本章把它拆成产品生命周期，回答“为什么 Magic Moment 很快不够用”这个问题。AI 产品常见路径是：新模型能力出现，创业者包装出第一个惊叹体验，用户快速传播，模型公司和竞品跟进，最后这个能力变成默认功能。只有在传播之后继续沉淀工作流、数据和品牌，产品才不会被全家桶吸收。
Magic Moment 生命周期
| 阶段 | 发生什么 | 关键动作 |
|---|---|---|
| 发现能力 | 新模型能力刚刚可用 | 快速找到最能展示价值的任务。 |
| 包装体验 | 做成用户能感知的 Magic Moment | 降低使用门槛，强化传播点。 |
| 传播爆发 | 社交媒体和口碑扩散 | 抢默认心智和早期品牌。 |
| 竞品跟进 | 模型公司或同类产品复制 | 补工作流、数据和团队协作。 |
| 默认化 | 能力变成平台基础功能 | 转向更深场景或成为平台组件。 |
从惊叹到默认工具的分水岭
惊叹来自“第一次看到它能做”；默认工具来自“每天都离不开它”。AI 产品的难点，是在惊叹窗口结束之前完成这次迁移。
Magic Moment 的副作用
Magic Moment 会让团队误以为产品已经成立，但用户惊叹不等于长期留存。真正危险的是，团队继续围绕演示效果优化，而不是围绕高频任务、协作流程和付费理由优化。
本章小结
AI 产品的生命周期越来越短，创业者必须把产品从惊叹体验推进到默认工具。否则，Magic Moment 只会成为模型公司全家桶里的一个功能。
L4 级别体验：Deep Research 与 Claude Code
前面讨论挖矿窗口，本章看当前最明确的矿脉在哪里。广密认为最优秀的两个 Agent 已经有 L4 体验：ChatGPT 的 Deep Research 和 Anthropic 的 Claude Code，分别对应信息搜索/研究和软件开发。今天最大红利仍然是 language/code 红利，尤其是 code，还不是多模态、世界模型或机器人。
图片资源缺失
\begin{figure}[H]
\centering
\includegraphics[width=0.94\textwidth]{l4-experience-map.png}
\caption{L4 体验地图：Deep Research 和 Claude Code 分别代表搜索和软件开发。自制概念图，依据 00:44:21--00:52:43 对谈内容整理。}
\end{figure}
读图：为什么这两个像 L4
Deep Research 能完成多步信息搜索、综合和报告；Claude Code 能理解代码库、修改、测试并迭代。这些任务都有明确输入、工具环境和可验证输出，因此更容易形成高阶 Agent 体验。
为什么 code 红利最大
代码世界有天然优势：任务可形式化、工具可调用、结果可测试、反馈快、价值高。相比多模态、机器人和世界模型，coding 更早出现 L4 体验并不意外。它是数字世界里最适合 Agent 的高价值环境之一。
L4 体验条件
| 条件 | Deep Research | Claude Code |
|---|---|---|
| 任务清晰 | 研究问题和资料收集 | issue、bug、feature。 |
| 工具可用 | 搜索、网页、引用 | 代码库、测试、shell。 |
| 结果可评估 | 报告质量和来源 | 测试通过、代码 review。 |
| 价值高 | 节省研究时间 | 节省工程时间。 |
下一批 L4 候选场景
| 场景 | 为什么可能出现 L4 | 难点 |
|---|---|---|
| 法律/合规 | 文档密集、流程明确、价值高 | 责任重，错误成本高。 |
| 金融研究 | 信息检索、模型、报告和交易线索 | 数据授权和实时性要求高。 |
| 销售运营 | CRM、邮件、会议、报价都可工具化 | 私有数据和组织流程复杂。 |
| 数据分析 | SQL、报表、BI、业务解释闭环 | 需要理解指标口径和业务语义。 |
| 设计/多模态 | 视觉生成和编辑迭代变快 | 主观评价和版权问题更复杂。 |
本章小结
L4 体验不是抽象等级，而是用户真的愿意把复杂任务交给系统。Deep Research 和 Claude Code 是目前最清晰的两个样本。
重新评价 Google：广告、搜索与全家桶汇合
上一章讲当前 L4 体验，本章回到平台级竞争，尤其是 Google 的再评价。一个猜想是 ChatGPT 后面会做广告平台，因为最近招了新的商业化 CEO；但 Google 仍然是全球最好的广告平台。最后大家产品形态可能殊途同归：Search 演变，广告、AI、全家桶和操作系统逐渐融合。
图片资源缺失
\begin{figure}[H]
\centering
\includegraphics[width=0.96\textwidth]{google-revaluation.png}
\caption{重新评价 Google：广告、搜索、Gemini、TPU 和全家桶逻辑会重新汇合。自制概念图，依据 00:52:43--00:55:53 对谈内容整理。}
\end{figure}
读图：Google 的旧资产可能变新优势
AI 搜索需要商业化，广告需要新入口，Gemini 需要产品分发，TPU/Cloud 需要模型需求。Google 的资产如果重新组合，会形成纵向整合优势。
平台路线对照
| 平台路线 | 核心打法 | 可能结果 |
|---|---|---|
| OpenAI/ChatGPT | 横向整合用户任务，形成 AI 默认入口 | 吃掉大量独立应用的轻量场景。 |
| Google/Gemini | 纵向整合算力、搜索、广告、办公和 OS | 旧互联网资产被 AI 重新激活。 |
| Anthropic/Claude | 在 Coding 和 Agentic 体验上形成技术心智 | 高价值开发者/企业场景领先。 |
| 垂直创业公司 | 在巨头不够深的场景里抢窗口 | 需要快速形成数据和工作流壁垒。 |
本章小结
Google 的故事提醒我们，AI 不会简单替代旧互联网资产。搜索、广告、浏览器、办公和操作系统都可能被 AI 重新整合。
泡沫、华人 AGI 与全球叙事
前面都是公司和产品分析，最后一章处理外层变量：资本、泡沫和全球叙事。AGI 是否有泡沫，泡沫破裂的导火索是什么，人类和大猩猩智能差异在哪里，湾区新话题，以及“犹太人的金融，华人的 AGI”。这些话题看似分散，其实都在讨论 AI 的社会叙事和资本预期。
图片资源缺失
\begin{figure}[H]
\centering
\includegraphics[width=0.96\textwidth]{agi-bubble-dashboard.png}
\caption{AGI Bubble 仪表盘：泡沫是否破裂取决于收入、模型进步、CapEx 和产品兑现。自制概念图，依据 00:55:53--01:09:11 对谈内容整理。}
\end{figure}
读图：泡沫不只看情绪
判断 AGI 泡沫，要看模型是否继续进步、收入是否兑现、CapEx 是否有回报、L4 产品是否继续出现、估值是否过度透支。情绪会波动，但基本面要看这些指标。
泡沫触发器表
| 触发器 | 可能信号 | 为什么危险 |
|---|---|---|
| 模型进步放缓 | 新模型提升有限，成本更高 | 估值建立在持续能力跃迁上。 |
| 收入不及预期 | 订阅、API、企业收入低于 CapEx | 资本开支难以被现金流解释。 |
| 产品窗口关闭 | L4 体验迟迟不扩展 | 用户增长和付费意愿下降。 |
| 硬件/能源约束 | GPU、数据中心、电力成本上升 | 训练和推理成本压缩利润。 |
| 监管/版权风险 | 数据和生成结果被限制 | 数据和产品供给受影响。 |
华人的 AGI
“犹太人的金融，华人的 AGI”是一句带有叙事色彩的总结。它指向一个事实：全球 AGI 竞赛中，华人团队在模型、应用、工程和创业中都非常活跃。但挑战也明显：全球化品牌、资本市场、算力供应、企业销售和合规都不是纯技术问题。
图片资源缺失
\begin{figure}[H]
\centering
\includegraphics[width=0.94\textwidth]{chinese-agi-global.png}
\caption{华人的 AGI：全球 AGI 竞赛中，华人团队的技术、产品和商业能力被重新定价。自制概念图，依据 00:55:53--01:09:11 对谈内容整理。}
\end{figure}
叙事不能替代能力
“华人的 AGI”可以是鼓舞性的叙事，但不能替代模型能力、产品能力、组织能力和全球商业能力。真正的全球公司需要同时解决技术、产品、资本、品牌和合规。
本章小结
泡沫和全球叙事是 AI 周期的外层变量。模型进步和产品体验决定底层，资本和叙事决定波动，创业者必须同时看两层。
总结与延伸
本节把 EP112 压缩成五个结论。第一，模型公司开始分化，通用、Coding+Agentic、多模态交互和生态定位成为不同路线。第二，C 端入口出现收敛，ChatGPT 横向全家桶和 Gemini 纵向整合代表两种吞噬方式。第三，智能和产品都重要，产品壁垒开始重新被定价。第四，AI 产品像挖矿，Magic Moment 的窗口越来越短。第五，L4 体验已经在 Deep Research 和 Claude Code 上出现，当前最大红利仍是 language/code。
把 EP112 放进张小珺 AI 队列
EP127、EP136 是更宏观的大模型季报，EP115/EP113 讲 Agent 和 K2 技术路线，EP112 则把视角拉回产品和市场：模型公司如何分化，AI 产品如何抢窗口，Google/OpenAI/Anthropic 的平台路线如何收敛。
关键 takeaways
前面章节分别讨论公司分化、平台收敛、产品窗口和泡沫叙事，本节把它们压缩成可操作判断。对投资人来说，关键不是追每一个新模型发布，而是判断能力是否转化成入口和收入；对创业者来说，关键不是证明模型能做，而是证明自己能在窗口期后仍然留住用户。
本期判断清单
| 判断 | 含义 | 观察指标 |
|---|---|---|
| 模型公司分化 | 不同公司选择不同能力栈 | coding、agentic、多模态和通用榜单。 |
| 产品重新重要 | 智能要变成入口和心智 | DAU、留存、付费、品牌默认选择。 |
| 窗口缩短 | Magic Moment 更快被复制 | 竞品跟进速度、模型原生功能吸收。 |
| Google 被重估 | 旧资产可能在 AI 中重新组合 | Search、Ads、Gemini、Workspace 集成。 |
| 泡沫要看兑现 | 情绪不是唯一标准 | 收入、CapEx、模型进步和 L4 产品。 |
投资/创业决策框架
| 问题 | 投资人看什么 | 创业者要回答什么 |
|---|---|---|
| 能力是否稀缺 | 模型公司多久会追上？ | 我的体验窗口有多长？ |
| 入口是否明确 | 用户是否高频打开？ | 我是否能成为默认工作流？ |
| 数据是否回流 | 使用越多是否越强？ | 我能否积累专有数据或偏好？ |
| 商业是否闭环 | 收入能否覆盖推理成本？ | 我如何从 Magic Moment 变成付费理由？ |
| 巨头是否会做 | 全家桶是否天然包含它？ | 我能否避开或借力平台？ |
- 模型公司分化不是弱化，而是路线选择：通用、Coding+Agentic、多模态交互都在争夺不同高地。
- 横向全家桶和纵向垂直整合，会持续压缩独立 AI 产品的生存空间。
- 产品壁垒包括默认入口、品牌心智、数据回流和商业化，不只是模型能力。
- AI 产品的 Magic Window 正在缩短，创业者必须快速把惊叹转成壁垒。
- 当前最清晰的 L4 体验仍在 language/code，而不是多模态、世界模型或机器人。
开放问题
- 下一个 L4 体验会出现在法律、金融、销售、数据分析还是企业 workflow？
- Google 的纵向整合能否抵消 ChatGPT 的横向入口优势？
- 产品公司如何在 3 到 6 个月的 Magic Window 里形成持久壁垒？
- 如果 AGI 出现泡沫，最可能的破裂点是模型进步放缓、收入不及预期，还是 CapEx 回报不足？
- 模型公司产品化以后，独立应用公司最适合留在哪些层：入口、工具链、垂直工作流，还是数据网络？
- 当搜索、广告、办公和 Agent 融合时，Google 与 OpenAI 的竞争会更像搜索战，还是操作系统战？
季报判断的时效性
季度判断天然会过期。真正值得保留的不是某家公司一时领先，而是判断框架：分化、收敛、产品窗口、L4 体验、平台整合和泡沫指标。这些框架可以继续用来观察下一季。
拓展阅读
- 对 Agent 技术路线感兴趣，可对照 EP115 姚顺雨访谈和 EP113 杨植麟 K2 访谈。
- 对企业落地感兴趣，可对照 EP116 吴明辉访谈，理解 Agentic Model 在 ToB 私有数据中的形态。
- 对更宏观的大模型季报感兴趣，可继续对照 EP127 和 EP136 的季度报告笔记。