返回书斋原文链接
AI投资递归自我改进HarnessToken经济应用层硅谷

应用层将兴起！硅谷投资人：AI基础设施已经到位，上下文越来越有价值！5年后将走向递归自我改进或达到平台期

Mike Mignano / 20VC2026/07/0723 分钟https://mp.weixin.qq.com/s/Gj8tE8UQgQlTy6HaEj9t7g

【一】 🎯 核心摘要 (TL;DR)

硅谷投资人 Mike Mignano（Suno、Granola、xAI 早期投资人）在 20VC 播客中指出：AI 基础设施建设期已近尾声，应用层将迎来爆发。他提出 5 年后 AI 可能走向"递归自我改进"或"撞上 S 型曲线进入平台期"两种未来，并深入讨论了 Token 经济、Harness 概念、智能体信任问题、以及"不要自动化，去彻底颠覆"的投资哲学。

【二】 🧠 逻辑框架与深度拆解

  1. 基础设施已到位，应用层将兴起

    • 顶尖实验室（OpenAI、Anthropic、xAI）已完成基础建设，创造出了神奇技术并带来数十亿营收
    • 类比互联网早期：铺设光纤宽带后应用层爆发，AI 正在重演这一模式
    • 接下来会出现极多应用，除非明确知道自己找什么，否则无法下注

  2. 上下文越来越有价值，AI 的未来是永远在线

    • 产品和企业将越来越多地尝试推向"永远在线"的边缘侧
    • 以 Granola 录音为例，人们已跨过对"始终监听"的心理障碍
    • 上下文数据对实验室和应用层都变得极其有价值

  3. 5 年后的两种未来

    • 路径一：递归自我改进 — AI 能自我提升、自己做 AI 科学研究，实现智能指数级暴涨；谁先到达谁一骑绝尘
    • 路径二：S 型曲线平台期 — 撞上瓶颈（Transformer 架构极限、数据上限、硬件跟不上），智能变成"大宗商品"，所有实验室追平，迎来拼成本、拼产品体验的商业化混战
    • 递归自我改进大概率由已有优势的巨头实验室完成，但新架构（如 Thinking Machines、SSI）也有弯道超车可能

  4. Token 经济与 Harness 概念

    • 当智能撞上平台期，企业会优化 Token 支出：利用开源模型、路由层分配任务到性价比最高的模型
    • Harness：与底层模型紧密结合的应用（如 Claude Code、Hermes、Pi），形成高频互动飞轮
    • 开发者薪酬中多少比例变成 Token 支出是关键指标：Salesforce 已花 3 亿美元（3.8%），若升至 20% 则 Anthropic 被严重低估
    • 大企业会限制 Token 支出（员工太多），初创公司则应最大化 Token 消耗（尤其编程场景）

  5. 智能体的信任问题

    • 当你把所有自主权、个人信息、信用卡交给智能体，它究竟在为谁服务？
    • 大模型实验室的核心动机是让自己的模型更好更快，不一定站在用户利益立场
    • 市场需要足够多的"好演员"来制衡其他玩家，形成约束
    • 人类历史上首次将如此多的"自我"交托给技术，比浏览器时代深刻得多

  6. 对抗微软"全家桶捆绑"

    • 微软把 65-70 分的产品靠捆绑销售能力让竞争对手出局
    • 破局点：上下文数据极具价值，一旦组织建立了丰富的信息历史档案，就不愿放弃
    • AI 产品时代拼的是谁能先拿到第一、谁能动得非常快

  7. "不要自动化，去彻底颠覆"

    • USV 投资原则：不投让现有业务快一点点的传统企业级软件
    • 投的是能彻底重塑某件事路径和方式的业务
    • 案例：Doctronic — 用 AI 把真正的医生放进每个人口袋，而非帮诊所跑得更快

  8. 工程团队将越来越精简

    • 低级别基础任务将被外包给 AI 智能体
    • 工程团队规模缩小，但每位工程师的档次和素质更高
    • 80% 的非编程企业工作流可用非前沿模型完成，编程仍需最前沿模型

  9. 独立媒体崛起，传统媒体已死

    • 传统媒体团队臃肿、成本高昂，但没人听/看
    • 大量传统媒体大牌主持人跳船投身自出版/独立媒体
    • Suno 催生"创意娱乐"新行为：人们创作音乐纯粹为了快乐，而非为了分发变现

  10. 投资排序反转：创始人 > 市场 > 产品

    • 早期做投资时排"产品 > 市场 > 创始人"
    • 现在彻底颠倒：创始人核心，因为他们会经历转型，关键看韧性、执行力和自我进化能力

【三】 💡 核心概念与专属名词

  • 递归自我改进（Recursive Self-Improvement）：AI 能自我提升、自己做 AI 科学研究，在指数曲线上永无止境自我优化，直到遇到瓶颈
  • S 型曲线：技术普及遵循缓慢起步→指数爆发→停滞的经典曲线，AI 智能水平也可能遵循此规律
  • Harness：与底层模型紧密结合的应用，形成高频互动飞轮（如 Claude Code、Hermes、Pi）
  • Token 经济：企业将开发者薪酬的一部分转化为大模型 Token 支出，这个比例是衡量 AI 商业化的关键指标
  • 路由层（Routing Layer）：根据任务类型和成本，将请求分配到性价比最高模型的技术层
  • 创意娱乐（Creative Entertainment）：Suno 发现的新行为模式，人们用 AI 创作纯粹为了快乐而非变现
  • "不要自动化，去彻底颠覆"：USV 投资哲学，不投让旧模式快一点点的软件，投彻底重塑赛道的业务

【四】 🚀 结论与行动指南

  1. 关注应用层机会 — 基础设施已到位，现在是构建应用层的时候了
  2. 重视上下文数据积累 — 上下文越来越有价值，先拿到用户数据的公司有巨大护城河
  3. 智能体时代要关注信任 — 当你把"钥匙"交给智能体时，确认它是在为你工作
  4. 初创公司应最大化 Token 消耗 — 尤其在编程场景，用最前沿模型获取竞争优势
  5. 80% 非编程任务可用开源模型 — 优化 Token 支出，用路由层分配任务
  6. 做颠覆而非自动化 — 别做让旧模式快一点点的事，做彻底重塑赛道的事
  7. 创始人素质是核心 — 投资/合作时，创始人的韧性、执行力和自我进化能力比产品更重要

【五】 💎 金句提取

"基础设施已经到位，现在是构建应用层的时候了。"

"不要自动化，去彻底颠覆。"

"我曾一度认为模型提供商无所不能、可以包揽一切。"

"你的智能体究竟在为谁工作？"

"在这个构建 AI 产品的时代，很多时候拼的就是谁能拿到第一，以及谁能动得非常、非常快。"