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。
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）
