對話回顧：Harry Stebbings vs Rich Socher（You.com 創始人，斯坦福博士，前Salesforce首席科學家）⸻部分摘錄“基礎LLM 會像電信營運商：支撐了網際網路，卻分不到 Uber 的利潤/Infrastructure LLMs will look like telcos: they make the internet possible but don’t get a cut of Uber”“聊天廣告效果比搜尋廣告差 10–100 倍，算力成本卻高出 2 倍。”“DeepSeek 發佈當天，開源抹去了數十億美元的護城河估值。”“未來只要你做某事超過十次，就會問：AI 為什麼還沒學會替我做？”1.  Rich Socher 是誰？學術背景斯坦福大學博士；曾在“神經網路用於 NLP 仍具爭議”時期率先引入該方法。共同建立了兩套最常用詞向量之一；主導了上下文嵌入（ELMo → BERT）和提示工程的早期工作。產業履歷創辦 MetaMind 並被 Salesforce 收購；隨後出任 Salesforce 首席科學家兼執行副總裁。2020 年創立 You.com，最初打造以 LLM 為核心、答案優先的搜尋引擎；現已轉型為面向企業的 LLM 智能體與搜尋平台。2.  LLM 版圖現狀浪潮 vs. 泡沫整體能力穩步提升，但 hype 周期（如 DeepSeek、Llama‑4 等）會引發情緒尖峰。“智能”上限Socher 將智能分成 10 個維度。其中一些（如目標檢測）已解決約 90%；而世界知識、推理等離物理極限仍“遙不可及”。同質化正在發生單純“算力‑模型”提供商將類似電信營運商：資本開支巨大，創造巨大價值，卻只捕獲有限利潤。抓住終端使用者關係者才能獲取價值（OpenAI 的 ChatGPT 已佔據消費端；Anthropic 因 Claude 消費端份額小，反而被迫強化基礎設施）。開源 vs. 閉源開源（如 DeepSeek‑V2）大幅縮小差距；完整訓練成本估計在 1–2 億美元，而非幾百萬美元。隨著開源質量提高，單純“賣模型”的估值（Anthropic、xAI 等）若無強黏性產品，將不再符合 VC 偏好。3.  搜尋、廣告與拆分使用者往往提出簡單查詢（天氣、比分、股價），Google 已能毫秒級返回，難以做到 10× 提升。聊天廣告轉化率比搜尋廣告低 10–100 倍，算力成本卻翻倍。網際網路仍處於拆分周期：人們樂於跳轉至 Yelp、TikTok 搜尋、Amazon 等垂類。LLM 答案在複雜或企業專屬查詢中表現最佳 → You.com 現向企業出售“答案 + 智能體”方案（內部網路部署）。4.  企業落地與“智能體”現實檢驗大企業 DIY / OpenAI 試點常以失敗告終：啟動率低（購買 1000 席位後一周留存僅 6%）。流程轉譯困難：員工需把隱性知識顯性化，成為 AI 的“經理”，而多數人缺乏此技能。行動型智能體的“幻滅谷”預訂行程、自動退款等演示很炫，但在混亂的現實場景頻繁出錯；缺乏深度個性化。目前，垂直或任務明確、帶清晰護欄的智能體效果優於“萬事通”助手。5.  經濟學、投資與護城河純模型公司 ≠ 理想 VC 標的（稀釋、期權開支、開源壓力）。Socher 青睞早期、技術導向的創始團隊，聚焦垂直 AI 應用，尤其生物科技與藥物發現領域（“AI + 生物學是完美風暴”）。預計市場估值壓縮：部分僅賣 API 的初創公司當前按 180× ARR 交易，未來將被重估。6.  超越 LLM —— 機器人、量子、生物與政策人形機器人：僅在任務多樣且規模小（家庭雜務）時才有利；高規模、重複性場景更偏好定製形態（如配雷射器的拖拉機）。生物學突破：AI 將攻克複雜系統空白（微生物組、細胞模擬）。需量子或超大規模經典計算來模擬完整細胞 → 醫療與長壽的巨大解鎖。經濟學新前沿：AI‑Economist 項目證明 RL 能搜尋數十億種稅收政策，但經濟學界進展緩慢。監管：歐盟 AI 法案或削弱本土初創；Socher 倡議強制電腦科學教育、放寬退出管道（IPO & 併購）、設立全球投資的主權財富基金。7.  職業與社會建議即便 LLM 會寫程式碼，也應學程式設計：能建立思維模型，管理 AI“員工”。入門級崗位消失最快；具長遠視野的公司仍須培養新人，以便未來的高級人才瞭解流程。職位替代短期內會帶來陣痛（當今的“盧德分子”＝插畫師）。政府需在不扼殺技術的前提下緩衝轉型。給學生的建議：將專業知識（法律、醫學、化學）與 CS/ML 結合，未來幾十年需求旺盛。8.  個人與哲學札記AGI 賭局：到 2027 年同時滿足：可購買的家用機器人能像人類一樣清潔；解決一項千禧年數學難題；文學作品可被完美翻譯，獲原作者認可。（他仍自信能贏，但佩服對手為追賭局已成億萬富翁。）關於意義與 UBI：擔心無條件基本收入侵蝕目標感；社會應培養以創造為驅動的心態。最期待的未來十年：長壽醫療、企業級 LLM 智能體普及、量子助力的生物模擬。 (Luis Lens)

1、Google的廣告收入佔了全部收入的78%左右，其中57%來自於Google搜尋的廣告收入，剩下10%來自Youtube的廣告收入。如果從線上搜尋請求份額來看，Google依然是全美第一的份額，約佔60%左右，這個資料如果放在全球會更高，約佔90%左右，但是Google搜尋廣告收入份額卻在逐年下滑，雖然仍然是第一，但是和第二名的差距以可見的趨勢正在慢慢接近。換句話說，Google的搜尋份額沒有明顯變化，但是廣告收入卻不斷在縮水。2、Google的廣告業務主要依託搜尋引擎，搜尋引擎是一種目標需求為導向的業務，所以這類的廣告更適合效果廣告，尤其是金融、電商這種目的性很強的業務，廣告轉化效果就會很好。Google搜尋每個月有25億人訪問，如果搜尋份額沒有變化，廣告收入下降，也就說明Google搜尋在市場上的相對價格正在不斷下降，側面反映出廣告效果正在下降。與META相比，Google廣告在出價方式、目標客群、廣告類型和廣告目的上面都是大致一樣的，唯獨更大的差別在於對使用者群體的細緻劃分，全球20億以上月活的應用，META全家桶（Facebook、Whatsapp、Instagram）佔了三個，Google只有Youtube一個頭部客戶端應用。客戶端應用天然能比網頁端擁有更豐富的使用者行為資料，再加上META的強社交屬性，尤其擅長捕捉使用者的興趣和情感偏好，再加上使用者自動輸入的年齡、職業和教育背景等，這些多維的使用者畫像，是Google僅僅憑藉搜尋關鍵詞和單一的Youtube觀看記錄無法獲得的。Google其他的產品如Gmail、GooglePlay等工具屬性過於濃厚，使用者的日常行為基本沒有能反饋出興趣和情感便好的場景，所以對於廣告主來說，選擇面就會比較窄。3、TEMU和SHEIN曾在全美大量投入廣告，從曝光佔比和預算分配可以看出，Temu花費了61%的預算在META，獲得了總曝光的64%，SHEIN花費了70%的預算在META，獲得了總曝光的68%，而與之對應的是Temu花費了22%的預算在YouTube，只帶來了總曝光的12%，而SHEIN花費了19%的預算，也只帶來了總曝光的9%。更有趣的是，TEMU和SHEIN只給大概5%-10%的預算用於傳統搜尋廣告，但帶來了總曝光12%-17%的量。廣告效果到底如何，廣告主是最清楚的，從上面的廣告主預算分配來看，至少能說明2個問題：廣告主目前更傾向於把超過一半的廣告預算砸在META手裡，起碼能帶來等效的曝光，而Youtube能帶來的廣告曝光，還沒有傳統的搜尋廣告效果好。其次傳統的搜尋廣告也許更適合長尾流量的效果回收，而不太適合新品的冷啟動，所以佔比才會這麼少，如果量大了曝光量就會立馬減少。畢竟社交媒體廣告的場景，天然適合新產品的冷啟動廣告植入，這因為基於使用者偏好資料的大膽嘗試，這裡面能大大縮短廣告主的最佳化周期，也能在短時間內驗證產品和市場的契合程度。這就是以搜尋關鍵詞為核心的廣告業務的弊端，它更適合於做基於搜尋詞和相關長尾詞的效果廣告，而且是一種決策鏈相對較長的廣告，如汽車、家具等，整個回收周期會更長，會更偏向被動行銷。4、Google和亞馬遜都是做以搜尋關鍵詞為核心的搜尋業務，前者更偏向於使用者有購買意圖，但沒有明確的購買目標，而後者更強於有明確購買目標的使用者，你可以理解為前者的流量更廣，更泛，後者的流量更精準、轉化率更高，商業變現更好。對於看重第二種流量的商家來說，如果是亞馬遜的商家，基本上都是用亞馬遜的廣告業務在推進，毫無疑問比在廣告打廣告的質量是更高的，如果不是亞馬遜的商家，也就是剩下40%-50%左右市場規模的獨立站，只能依靠Google和社交媒體去打廣告。目前全美3大廣告企業，排名第一Google的廣告收入佔比正在不斷下滑，而排名第二的META保持平穩，排名第三的亞馬遜正在不斷提升，可以理解為越來越多Google的電商搜尋份額正在被亞馬遜所吞噬。Jacob：亞馬遜零售業務的風騷走位5、有人說Google的廣告轉型，還能靠Youtube來挽救，我看未必。Youtube 的收入有兩個來源，一個是廣告，另一個是訂閱收入，YouTube這些UGC平台，廣告收入是大頭，一個季度能帶來100億美元的收入，影響廣告收入很重要的兩個指標就是月活人數和單次訪問時長。就網頁端來看，Youtube月均訪問人數14.5億，僅次於Google的25億，其中單次訪問時長20分鐘，是所有頭部網站裡面訪問時長最長的網站。Youtube在美國的收入有40%是來自CTV，也就是美國聯網電視，同樣Youtube連續17個月已經位居全美串流媒體電視觀看市場之首了，在收入層面也是位居第二，這樣一個成績無論如何都算是串流媒體屆的扛把子了，但是它的收入仍然不足搜尋廣告的1/5。從另一個維度去看，全美CTV廣告的支出，只佔數字廣告支出比重的9%，從2018年到現在，還是沒有突破10%，但CTV的市場在2024年底，就接近70%的市場滲透率了，這也許充分說明了，在廣告業這麼發達的北美市場，長視訊廣告的商業化效率是真心不高，在效果廣告層面比不上社交媒體，甚至連老本行傳統搜尋廣告都比不上，所以廣告主的預算分配都不會優先考慮。Youtube、Netflix這裡串流媒體產品和META的使用時長佔比相當，但廣告的支出佔比相差接近4倍，這也進一步說明了這個問題。6、2022年，前OpenAI科學家Aravind Srinivas創立了Perplexity，目的是通過將搜尋和大語言模型結合，通過確保答案的每個部分都帶有引用來源，最大限度低減少了大語言模型中“幻覺”的問題。這裡面最大的區別是，Google只是把與問題相關的這些引用來源羅列了出來，需要你自己點進去逐個翻看尋找所需內容，而Perplexity是把這些引用來源裡面的內容整理出來，並標註出內容來源方便查證。這種形態的產品毫無疑問對Google來說更具有挑戰性，它不僅把使用者想要的內容概括了出來，還避免了使用者受到廣告推薦的騷擾。這種技術形態對Google來說並不難，但是對Google的商業模式來說卻是毀滅性的，Google目前把所有引用羅列，相對模糊的搜尋方式，才是最有利於搜尋廣告的。使用者不斷搜尋的過程越久，廣告的曝光才會更充分，這個時候廣告的填充效率才越來越高，如果真的想Perplexity那樣弄了，廣告曝光大大減少，搞不好很多廣告庫存是載入不出來的。Perplexity與其他Chatbot一樣，在商業模式上面向C端採用訂閱模式，面向企業是一個買賣token的生意，他賺錢的核心在於賣人頭，賣模型輸出，它當然可以在廣告最佳化層面往死裡搞。這讓我想起當年，Google擁有最優秀的的分佈式工程師，沒有人比Google更清楚雲端運算業務應該怎麼弄，但依然被亞馬遜搶佔了先機，歸根到底，與廣告業務相比，當時雲端運算的利潤還是太低，Google沒有動力去推進這項業務。Jacob：從Perplexity看AI搜尋場景的關鍵切入點有那些Jacob：其實，Google還是在靠搜尋撐著 (雅格布)