范凯说 AI · 周日晚聊 第27期：AI 卖了三年，这个账到底算没算清楚？

AI直播PalantirMeta本体论开源模型Loop-Engineering

开场

今天是第 27 期，已经进入 2026 年下半年了。

这周的内容分四块：Palantir CEO 炮轰 OpenAI 和 Anthropic、Meta 宣布出租算力、国内 AI 的最新变化（包括阿里禁用 Claude 这件事），以及我这周用 AI 编程的感悟——吴恩达刚发的那篇 Loop Engineering。

第一部分：本周 AI 新闻

新闻一：Palantir CEO 炮轰 OpenAI / Anthropic——Token 经济已死？

Palantir 的 CEO Alex Karp 这周在 CNBC 的采访上，公开点名抨击 OpenAI 的 Sam Altman 和 Anthropic 的 Dario Amodei，说卖 Token 的商业模式"已经彻底走歪了"。

他的核心逻辑是：美国企业界普遍的感受是，花了大量的钱买 Token，但根本不知道 ROI 在哪里。你烧了一堆 Token，可能把一些成本压下来了，但营收有没有增长？增长了多少？这笔账算不清楚。

而他的解决方案，是 Palantir 一直在卖的本体论（Ontology）——把企业的核心业务逻辑结构化，用 Agent 精准执行，按效果付费。他的说法是：如果我帮你多赚了一个亿，你愿不愿意给我 30%？这是在说，按效果付费才是合理的商业模式，而不是买 Token。

我对这件事的判断：

Karp 说的问题是真实的。企业投入 AI、烧了很多 Token，但投入产出比确实很难量化。原因很简单——大多数企业的核心业务，是在 AI agent 时代之前就建好的，整个收入结构不是跑在 agent 上的，所以你很难直接算清楚"AI 给我多贡献了多少收入"。这只有在真正的 AI native 公司里才能算清楚。

但 Karp 的动机也需要独立判断——他说的问题恰好就是 Palantir 要解决的问题，他开的药方恰好就是 Palantir 在卖的东西。这不代表他的判断是错的，但你要注意这个利益关系。

本体论是什么？

Karp 非常强调本体论，很多人觉得这是个神秘的东西，其实并没有那么复杂。

本质上，本体论就是知识图谱——把企业的业务逻辑、实体关系结构化，放在图数据库里。实体是什么？关联关系是什么？举个例子，医疗行业：疾病是一个实体，症状是一个实体，药品是一个实体，它们之间有关联关系。痛风导致关节疼痛，关节疼痛关联某类药物——这就是图。

图数据库的好处是：当你要做逻辑运算的时候，不需要大模型绕很大的弯去推理，直接在图上做检索，又快又精准。把检索结果再交给大模型执行，这就是 Agent + 本体论的组合。

过去知识图谱没有大规模普及，是因为整理图谱需要专家手工投入，周期以月计甚至以年计。但现在有了大模型，你可以用模型帮你抽取实体、建立关联关系，然后用另一个模型给结果打分验证，整个构建效率大幅提升。这就是为什么现在本体论在国内大型 AI 企业应用里开始普及了。

未来的 AI native 企业软件：Agent + 本体论 + FDE

我认为未来真正落地的 AI native 企业软件是三位一体的：Agent 执行任务，本体论提供企业业务的结构化上下文，FDE（前端部署工程师）负责落地和维护。这三个缺一不可。

对普通人和独立开发者的启示： 模型层厂商正在往上侵蚀应用层，应用层厂商要生存，核心是做得足够垂直。做一个模型厂商不会关注的 Niche Market——人力少，一人或几人的小团队，专注极其细分的领域，才有竞争优势。

新闻二：Meta 宣布出租算力——成本中心变利润中心

Meta 这几年花了超过 1000 亿美元建 GPU 数据中心，但模型一直拉垮。2025 年上半年 LLaMA 4 出来表现很差，然后 Zuckerberg 花 140 亿美元收购了 Scale AI 的创始人 Alexander Wang（汪涛）的团队，专门来训练新模型，代号叫"西瓜（Watermelon）"，目前还没发布。

现在的问题是：算力建好了，模型还没出来，自用消耗不完，大量 GPU 闲置。所以 Meta 宣布推出 Meta Compute 计划，正式出租算力——直接租 GPU、提供托管版 LLaMA 模型、以及基于 Meta 社交图谱的应用平台。

这就是 SpaceX 的那套逻辑：把成本中心变成利润中心。 SpaceX 建火箭基础设施，顺带做了卫星互联网；Meta 建 AI 算力，现在顺带卖给别人。

消息出来后，Meta 股价当天止跌反弹。

顺带说说 Google 为什么模型一直拉垮：

Google 内部有个 GCP（谷歌云），租算力很赚钱，包括 Anthropic 也是 GCP 的大客户。问题是算力如果租出去就赚钱，如果留给 Gemini 训练就短期不赚钱。内部两个部门左手打右手，算力优先分配给了 GCP 出租，Gemini 的训练算力就不够了。这就导致 Gemini 的迭代节奏一直跟不上 OpenAI 和 Anthropic。Meta 一旦出租算力，未来也可能面临同样的内部博弈。

新闻三：国内 AI 为什么全线开源？——格局分析

这周还有一个话题，是阿里禁止所有员工使用 Anthropic 的 Claude 模型。原因有两个：

第一，Anthropic 上周控告阿里大规模蒸馏 Claude，双方已经走向法律纠纷。

第二，更关键的是：Anthropic 目前在 Claude Code 里放了大量数据搜集的逻辑，明确搜集用户的设备 ID、时区、语言，针对性地侦测中国互联网大厂用户。阿里的程序员用 Claude Code 写核心代码，这些数据等于直接交给了 Anthropic。站在大厂的角度，这是不可接受的风险，所以索性一刀切禁掉。我预计国内其他大厂接下来也会陆续跟进。

更大的背景：国内模型为什么全线开源？

目前国内主流模型——Deepseek、GLM、Kimi、MiniMax、小米、千问——六家全部开源。腾讯（混元）和字节（豆包）不开源，但只服务自家生态，在外部几乎没有存在感。

这背后的逻辑很简单：Deepseek 率先坚持开源，而且能力很强，直接把大家的退路砸了。你不开源，企业客户就没办法私有化部署，就全跑去用 Deepseek 了。GLM、Kimi、MiniMax 都不是一开始就想开源的，是被 Deepseek 逼得没办法，只好跟进。

这形成了一个有趣的格局：顶级闭源在美国（GPT-5.5、Opus 4.8，都已经经美国国防部白名单审批），国内中等能力全线开源卷价格。国内厂商的开源不是因为崇高，是竞争烈度太高、不开源就没有生态。

GLM-5.2 值得单独说一句：在编程能力上确实排到了全球开源第一，性价比高，已经有很多开发者在生产环境里用它替代 Opus 4.8。

第二部分：Loop Engineering——AI 编程的节奏感

这周我自己在用 AI 开发网站，代码量大了之后出现很多 bug，然后也认真研究了一下怎么用 AI 编程才能保证质量。恰好吴恩达 7 月 1 日在 X 上发了一篇关于 Loop Engineering（循环工程）的帖子，和我自己的实践完全对应上了。

吴恩达提到的三个循环：

第一个：Agentic Coding Loop（分钟级） 给 AI 一个 spec（验收标准），AI 自己写代码、测试、迭代，跑通为止。你不需要盯着，去喝杯水回来，它已经改了好几轮。

第二个：Developer Feedback Loop（小时级） 你来看 AI 做出来的东西——功能对不对？方向对不对？然后更新 spec，AI 再跑下一轮代码循环。

第三个：External Feedback Loop（天级） 真实用户来用，收集反馈，再来调整产品方向。

这三个循环真正重要的地方是：快不是目的，紧才是。 每个循环都要完成一个完整的"做→验证→调整"闭环。循环太大、任务给 AI 太多，方向跑偏了，来回改越改越乱——这不是 AI 的问题，是循环失控的问题。

吴恩达的原话让我印象最深的一句是："这三个循环不只指导我怎么构建软件，还指导我决定构建什么样的软件。" 这句话的意思是：你不是在执行一个已经想好的方案，而是在循环过程里逐渐发现真正的方案。

Loop Engineering 不只是编程框架，它是用 AI 做任何事的底层方法论——用 AI 写文章、做分析、做产品，都是同一套逻辑：循环要紧，规格要清晰，验证要到位。

用户答疑精选

Q：现在 Claude 和 GPT 哪个编程更强？

目前 Opus 4.8 编程能力最强，这基本是共识。但有一点要注意：Opus 4.8 在对话中有很多"黑化"——比如它会说"你这个问题问到点子上了，但我不会简单附和你，这里有个危险的坑"，或者"我应该拍一下你的肩膀来提醒你"——在编程 Agent 场景下这些说教非常奇怪。我的用法是：编程场景用 Opus 4.8，非编程场景用 Sonnet 4.6，批量生产跑 Agent 时切换到 GLM 或 Deepseek 降成本。

Q：Mac Studio 96G 显存，推荐哪个开源模型做本地部署？

96G 显存可以跑 Qwen 3 35B A3B 8bit，这是目前这个显存量级里比较推荐的选择。

Q：企业用哪家模型隐私保护比较可靠？

我会优先考虑 Deepseek。梁文峰的做事风格大家有目共睹，不以赚钱为第一目标。

Q：AI native 公司什么时候才能看到真正的 ROI 爆发？

我的判断是三年左右。现在大多数企业还处于从传统 IT 向 AI native 过渡的阶段，真正从第一天就架构在 agent 上的公司，才能量化 token 的投入产出。这类公司爆发，大概在 2028 年前后。

Q：现在还有没有机会做开源 CRM？

开源 CRM 我觉得意义不大了，但 AI CRM——专注某个垂直行业，深度喂入客户数据，AI 驱动——在 Niche Market 里是有机会的。关键是足够细分，用户愿意付费，而且这个市场小到模型厂商不会直接做。

本期金句

  • 卡普说的问题有七分真：企业烧了很多 Token，但 ROI 算不清楚。根本原因是大多数企业不是 AI native 的公司，业务没有跑在 agent 上。
  • 本体论本质上是知识图谱加权限控制。神化它的，恰好是在卖它的人。
  • Agent + 本体论 + FDE，是未来 AI native 企业应用的三位一体。
  • Meta 出租算力，是 SpaceX 那套逻辑：把成本中心变成利润中心。
  • Google Gemini 拉垮的原因：GCP 租算力赚钱，Gemini 训练消耗算力——左手打右手，训练算力长期不够。
  • Deepseek 坚持开源，把国内所有模型的退路全砸了。不开源就没有生态，没有生态就没人用。这不是崇高，是竞争烈度使然。
  • Anthropic 在 Claude Code 里放数据搜集后门，国内大厂会逐渐一刀切禁掉 Claude——这是可以预见的趋势。
  • 快不是目的，紧才是。循环越紧，越快知道对错，错了也好改。
  • 不是在执行一个想好的方案，而是在循环过程里逐渐发现真正的方案。——吴恩达 Loop Engineering
  • 模型层侵蚀应用层是趋势。要存活，就做足够垂直的 Niche Market——小到模型厂商不会关注，你用一两个人就能做好。