当GPT、Claude、Gemini等通用大模型的基础能力趋于收敛，“模型大战”的第一阶段已经落幕。下一个战场在哪里？

答案指向了后训练（Post-training）与场景落地。后训练阶段决定了大模型能否真正”好用”——从人格设计到行为对齐，从系统指令到安全护栏，这些”最后一公里”的优化，正是大模型从”实验室玩具”走向”商业产品”的关键。 

美西时间2026年4月21日，钛媒体「Talk to The World」@斯坦福活动中，第二场圆桌论坛聚焦「模型大战后，AI竞争的下半场」。NTU EMBA校友、元理智能创始人&CEO、前智谱AI COO张帆担任主持，Microsoft AI Superintelligence Team核心成员Steven Lin、Traini创始人&CEO孙邻家（Arvin Sun）两位分别来自”模型最前沿”与”创业最前线”的实战者，从技术演进、产业落地到组织变革三个层面，分享了他们对AI下半场的深度思考。

“下半场”还是”新阶段”？

张帆：“下半场”这个词从去年开始火起来了。从基座模型到个人智能体再到MCP，迭代非常快。关注点从通用模型转向一个个智能体，AI开始真正进入产业。两位怎么看待下半场？

Steven Lin：我对”下半场”这个词有点异议——“下半场”暗示要打完了、要结束了。用”阶段”来解释更好。在我看来，我们现在经历的是几个阶段的演进：

第一阶段，C端early adopter先用，敢于尝鲜的人。第二阶段，大模型真正走入千家万户，帮大家做之前做不到的事——从”不会数数”到能做大学数学题。第三阶段（我们现在进入的），是大模型真正在应用中提供ROI——“我花10块，你给我15块”，这才是给具体客户带来经济价值。第四阶段，大模型自我进化、从online service到offline service，帮助机器人走入千家万户。

孙邻家：从创业和AI应用的角度，我觉得三个词——脏、精、线下。

“脏”就是脏活儿。硅谷过去三年是技术驱动，做大模型、做infra容易融钱，科学家驱动。tech wave起来的时候，钱容易拿，没人愿意干脏活——就跟移动互联网后期才出现O2O一样。现在融资难、烧钱多、赚钱难，逼着创业公司往细分领域解决问题。没有数据想把产品做好非常难，只能干脏活——从线下场景拿数据。

“精”就是做精。多模态是做精的利器。纯依赖大模型很难做精、厚度不够，要做宽——多模态。VLM形式下视频语音都要进模型，再操作action，工程复杂度极高。创业公司要专注明确场景，用小量高质量多模态数据打透单点再扩展。

“线下”就是AI to X。X包含三部分：Service（线下服务深度连接）、Community（社区品牌粘性，如Mid Journey靠社区活得好）、Hardware（硬件强交互增强软件体验，华人有供应链优势）。线下过程中拿到更多非结构化/结构化数据，护城河越来越深。

后训练：Scaling Law之后的下一个爆发点

张帆：后训练变得比预训练更重要。从训练视角，下半场是什么样？模型自进化、每次对外服务变成一次训练？

Steven Lin：我想提两点。第一，坊间说”fancy lab撞墙了”，但在lab里根本没人这么想——大家都在埋头苦干，Scaling Law依然有效，接下来还有很大很大机会。第二，后训练本身有很大很大的机会可以scale up。第一阶段大家都在scale前训练，现在发现后训练本身有很大空间。各大lab都鼓着劲——下一个爆发点是“怎么让我们自我进化”。

张帆：企业家该训自己的模型吗？

Steven Lin：两个建议。第一，先拥抱现有模型——先看模型能不能解决我们的问题，再想是不是该训模型、投钱做模型。第二，最重要的是解决用户痛点——不是训不训模型的问题，而是是不是真正做出了用户愿意付钱的东西。

模型与应用的边界在哪里？

张帆：大模型出来后创业者和公司很多，但通用模型与应用的边界很难定义，早期Jasper等”模型生意版”没了，怎么找到破局点避免被模型卷死？

孙邻家：边界现在就是很模糊，没必要跟世界拧着干。但机会在三个native：

首先要区分两个概念——“AI Native Company”（完全原生）和”Native AI Company”（加AI）。在座大部分企业家属于后者。

AI Native有三个维度。第一是技术路径原生，比如Web Coding完全用LLM做出；Traini没有大模型就没有这个产品。第二是组织原生。Anthropic内部3~4人扁平小组特别多，HR想做东西不用经过PM和工程师，直接用web coding做完加到主站。所有人都必须自己会做。第三是用户原生——观察幼儿园/小学生怎么用AI产品，他们的习惯、态度、不爽的地方就是创业机会。

举个例子，大人用Traini产品是”amazing→question→解释→ok”，小朋友直接把狗拽过来说”你说吧”——场景完全不同。按大人路径设计产品未来没机会，按小朋友路径做今天就必须开始做。“这个边界未必在今天，可能在10年后。当下的小朋友10年后成长起来，他们的世界才是真正的边界。”

张帆：公司最重要的第一性能力是什么？没了就没法竞争的关键能力？

孙邻家：第一性回到用户痛点。但今天最关键的能力——“干脏活，不断修正，不断采用新技术。”

AI Native组织的真实样貌

张帆：AI改变了我们的工作范式。原来找实习生调研一周看20篇论文写摘要，现在自己做智能体看100多篇论文、20多个开源项目、社区评论、综述，结构化输出，自动做实验。组织怎么更加AI Native？

Steven Lin：两类公司特别成功，组织架构都值得参考。第一类是做模型的公司——OpenAI、Anthropic、Google DeepMind。比如Anthropic扁平架构、开放文化，每个人都可以参与产品构建。第二类是用模型的公司——Midjourney、Cursor等，快速迭代拥抱市场和技术变化，今天出新模型马上用，新范式出现马上转变，哪怕要放弃去年最赚钱的业务。

孙邻家：补充Anthropic的人才策略。他们只要两类人：第一类是Steven这种非常资深的科学家，知道工具边界，30个线程同时工作。第二类是刚毕业的学生——数学好、极度聪明、会用工具、踏实干活。中间层全不要，连培养都不培养，来了直接进扁平组织自学。

回去马上要做的一件事

张帆：两位如何用AI让自己提效？给同学最重要的建议？回去之后马上要干的一件事是什么？

Steven Lin：不要想AI让东西有多卷，要想”我自己人生的目标是什么、梦想是什么”。AI是工具，可以帮助你实现梦想。“希望有一天AI也可以帮大家实现你们自己的梦想。”

如果回到即刻行动，我的建议是——“尽量想想看，如果今天让你用AI做以前觉得肯定做不到的事情——什么事情？让它真正试一下。”

孙邻家：我买了OpenAI、Claude等工具（20美元级别），团队全员部署Claude API，“账单每个月double在涨，压力大但很开心”。

给建议的话，第一是Relax。国内做得不错的企业家来硅谷希望抓住AI浪潮，但世界发展很快、资源要求高、短时间内补齐40年AI发展不现实。极度焦虑只会带给团队。“世界就是要被年轻人碾压的”，心态上先做好。

第二是行动上武装年轻人。投资、内部孵化、组织结构变革、产品重构全部AI化。“否则下半辈子每天都在AI焦虑中度过，不值得。”

回去马上要做的第一件事——“回去把你的助理开了，用AI干助理的活儿。”有一家深圳上市公司，来找我们交流，看到我们只有四个人做了很多事情，回去一个星期之内裁了2300个人。“他们确实精简之后还是很好。”

张帆：我也想补充几点建议。

第一，AI是业务问题不是技术问题。不要指望招到”又懂AI又懂业务的人”——“能招到就都单干了，就算招到你意识没变化他在你组织里也活不下去”。

第二，一定要自己拥抱、自己摸——“没有人可以替代你去理解这个时代的脉搏”。

第三，我反对大家花大量时间养电子宠物（龙虾/马）。“大多数人不是驾驭它，是它在驾驭你”——给一种没被时代甩开的幻觉。回头看两年沉淀下了什么？

第四，要在一线摸——“哪怕今天上课，也时不时给AI下命令让它回去接着干活”。

「Talk to The World」是钛媒体打造的全球科技对话品牌，致力于在全球最重要的科技创新场景中搭建中国与世界对话的桥梁。此次@斯坦福活动，是Talk to The World继CES、IFA、MWC之后的又一重要站点，链接改变全球创新趋势的前沿领袖。

（本文根据活动现场速记整理，经嘉宾审阅授权发布）