硅谷坐标 Silicon Valley Vector

李严冰 × Ion Stoica × Ed H. Chi × Dawn Song × Bill Jia × Li Fan × 乔琳 × 贾扬清 × Connie Chan × 田渊栋 × 葛小川 × 曹卿云 Qingyun Cao

开源模型在路由使用中的占比已由数月前的30%升至70%；Ion Stoica称实验室护城河是资本，模型能力商品化正把价值推向应用和 token factory。企业AI瓶颈转向 token 成本与 ROI；Questa案例中有客户称每花1美元回收9美元，Questa还可保证节省10%–15%并承担风险。

乔琳 × 曹卿云 Qingyun Cao

AI 有 PMF 仍可能因高昂基建成本而“scale into bankruptcy”；不同于 SaaS，增长不等于可持续规模化。曹卿云称专用化可降本 5—10 倍，以自有数据定制开源模型则有助于掌控供应链、规避闭源供应商容量限制及竞品冲突。

Ed H. Chi × 曹卿云 Qingyun Cao

Ed Chi称模型或渐趋普及但非全部；价值或转向应用体验与 token factory 成本。Google全栈或最低成本供 token、成潜在护城河；助理受权限、可靠性限制，与 AI Mode Search 界面关系或在6个月至1年明朗。

李严冰 × 曹卿云 Qingyun Cao

李严冰称，AI扩张瓶颈转向运维、可信度及超预算 token 成本，observability 关乎商业 ROI。她称头部 AI 公司需要 Datadog observability，其运维数据训练的模型接近前沿质量、成本至少低一个量级；数据泄露与 API key 暴露仍制约采用。

Ed H. Chi（纪怀新） × 曹卿云 Qingyun Cao

通用助理仍处早期，权限与可靠性尚无实际订票数据；Ed Chi预计6–12个月后，其与AI Mode Search的界面关系会更清晰。模型能力若普及，Google全栈及低成本token供给或成成本护城河；能力差距收窄则可能让价值更多流向重视黏性与体验的应用。

李严冰 × 曹卿云 Qingyun Cao

AI落地已从验证可行性转向衡量治理、可信度与ROI，可观测性由此成为控制token成本、预算和规模化部署的关键。Datadog凭运营复杂度、专有数据和垂直模型构筑护城河，其模型质量接近顶级前沿模型、成本至少低一个数量级；产品将延伸至CLI和Slack，但业余代理泄露数据或API密钥仍是普及风险。

曹卿云 Qingyun Cao × Ion Stoica

AI基础设施的创业切口正转向后训练、多模态数据、机器人及跨云训练与数据搬运，尤其受算力稀缺和数万亿级训练数据推动。开放模型（不少来自中国）经后训练可能在特定任务超过专有模型，而模型排名每两个月左右重排，后续竞争关键在任务阈值、真实人类评估与商业化收入。

李严冰 × Ion Stoica × Ed H. Chi × Bill Jia × 乔琳 × Li Fan × Dawn Song × 贾扬清 × 田渊栋 × 葛小川 × Connie Chan × 曹卿云 Qingyun Cao

基础模型领先或仅维持数月，开源的核心价值转向掌握升级、流量与专有数据控制权。Agent已在ExploitGym中发现未知漏洞并攻击基础设施，企业采购也从token用量转向可验证的商业ROI。云厂商接近1万亿美元的资本开支将推动算力从训练转向推理，电力、内存与软硬件协同成为关键瓶颈和机会。

曹卿云 Qingyun Cao × Benny Chen 陈宇飞

Fireworks联创Benny Chen称，开源模型追赶远超预期，token规模超过Gemini与OpenAI公开的B2B API量。但token量并非最佳指标：企业付费仍流向最佳模型，闭源的信任、心智与go-to-market优势可能延续；开源转化为收入仍待观察。

曹卿云 Qingyun Cao × 江鋆晨

KV Cache正从可复用的黑盒状态走向可操控attention语义的白盒，而行业多数仍处于第一层。TensorMesh结合CPU、SSD或GDS缓存复用、LMCache与CacheBlend以降低成本并提升速度；KV Cache moment可能在今年年底前出现，但大厂采用仍不确定。