智能会通胀，智慧稀缺：汪天帆为什么更想投「让人活在当下」的 AI (2026)

单集信息

项目	信息
播客	十字路口 Crossing
主持人	Koji（杨远骋）
嘉宾	汪天帆 Will，BAI Capital 高级合伙人
集标题	「热爱一个行业 15 年的理由是什么？」｜对谈汪天凡：我要投真正的快乐、投最纯的愿景、投人性的光辉【公路播客】
发布日期	2026 年 8 月 3 日（北京时间）
原集	小宇宙单集页，完整音频

汪天帆在这期节目里没有把问题停在「AI 会不会替代某个岗位」。他更在意的是：当智能变得便宜，哪些东西仍然需要一个人亲自经历、判断和负责？他的答案从投资方法一路落到产品设计和个人训练：把 Context 还给人，把 AI 当作健身房，而不是外包大脑的机器。

以下引语和数字均来自本集完整音频转录；括号内为原音频时间。它们是嘉宾在节目中的判断、经验或举例，不等同于独立统计结论。

1. 15 年 VC，真正积累的是经历周期后的判断

汪天帆从 2011 年实习、2012 年加入一级市场算起，已经在 BAI 工作约 15 年。他把投资人的成熟度，粗略地看成经历过多少轮周期，而不是履历上有多少个漂亮项目；到这次对话时，他认为自己经历了「三四个周期」。早期没有审美时，他会从媒体报道、同行推荐和社交网络里四处找项目，尽量不漏掉任何机会。问题是，如果永远用这种自下而上的方式找项目，时间会被消耗在别人已经筛过的共识上。（原集 00:48-02:57）

他现在要求投资人先有一个自上而下的判断：自己相信什么、哪些变化值得追踪，再去寻找能证明或推翻这个判断的项目。没有预先判断，找到的项目很可能只是市场营销；等投资人看到时，它们已经是半共识甚至全共识，价格也被填满了。另一方面，宏观判断不能替代一线使用：他仍要求自己真正用产品、测模型，否则很容易被概念带走。（原集 02:59-04:01）

这套方法的关键不是更早下结论，而是让研究从「别人都在看什么」变成「我正在检验什么」。它也解释了他为什么不把 AI 当作一个单独赛道：赛道名称会变，判断问题必须先于项目列表存在。

2. 智能会通胀，稀缺的是带着 Context 做判断的智慧

节目中最清楚的一条分界线，是「智能」和「智慧」。汪天帆说，未来可能有 100 个、200 个实验室持续交付智能；他后来把问题抛给三个 AI，得到的启发是：智慧不是更大的模型，而是智能加上反馈、经验和反思，最后回答「为什么做」「什么重要」以及「什么不做」。（原集 04:08-05:28）

因此，应用的机会不只在回答得更快，而在于补上 Context。一个真正的「Context machine」，至少要能记住用户说过什么、听到什么、看到什么，以及这些信息后来如何改变了用户的行动。可如果产品只是录音、录像，差异化很薄：汪天帆说，他在 Context 相关的声音设备上已经投了 4、5 家公司，华强北甚至可能用 80 元做出某种采集设备的平替。（原集 05:34-07:02）

真正难的是交互。设备要让人觉得「不带不行」，带上之后能更了解自己、获得反思和关照，而不是多一个把信息塞回手机的入口。这个标准也解释了他对产品经理的抱怨：过去两三年，AI 圈里很少见到真正能定义这类产品的强产品经理。硬件采集的是数据，产品设计决定这些数据能不能变成用户愿意长期交付的 Context。（原集 07:02-07:47）

3. AI 让投资工作前移，却没有替投资人做最后判断

AI 对汪天帆日常工作的改变，首先发生在会议之前。他会针对学术、产品、国内外公开信息等不同问题，建立固定的研究模板，让 AI 先整理尽调方向和要追问的问题；访谈后，再把材料挖掘、总结，并持续追踪数百家公司的公开进展。它让准备更充分，也让投资人能把更多时间用在比较和追问上，但他承认，这些工作未必会直接改变最高层的判断。（原集 07:47-09:04）

他观察到，AI 公司的增长动力正在变：一是编码产生的数据飞轮，二是「用模型开发模型」的 AI for AI，三是把公司本身做成 AI-native organization，利用上下文减少协作摩擦。三者叠加，才可能让一家公司明显跑在行业前面；他把这种组合看成进入行业前 5% 的条件之一，而不是单靠网络效应就能解释的结果。（原集 09:04-10:43）

这里的反直觉之处是：AI 增加了信息处理能力，却提高了投资人对「先有判断」的要求。没有自己的问题意识，AI 只会把公开信息更快地整理成一份看起来很完整的共识报告。

4. 他想投的 AI 产品，不是让人更忙，而是让人回到当下

汪天帆把 AI 应用比作健身教练，而不是代替人锻炼的机器：如果把所有能力都外包给 AI，人的能力会因为不使用而退化；更好的产品应当帮助人训练自己的智能，再按自己的价值观排序和行动。于是，他认可的方向不是单纯追求 Productivity，而是把审美、价值观、人性和反思放进交互里。（原集 17:07-18:07）

他用几个投资案例说明这种差异。Luki 的价值不只是记录，而是把一天发生的事自动变成漫画，让用户在不需要主动操作的情况下回看自己的生活；PayPal for Six 的线下聚会，会根据六个人之前的回答生成话题，让陌生人更容易建立联系；他还提到 Table 46 这类线下 AI 社交体验，强调安全感和真实互动。它们共同指向的不是「多刷一点内容」，而是让 AI 把人的注意力从屏幕带回现场。（原集 18:13-20:11）

他引用「一天打开手机 97 次」、短视频刷两三个小时却没有更快乐的例子，来说明注意力经济的上限。对他来说，AI 硬件值得投与否，不取决于形态有多便携，而取决于它能不能让人少掏手机：带孩子时多一些眼神交流，旅行时多看现场而不是举着手机拍照，开会时把注意力放在建立连接和信任上。（原集 20:17-22:48）

5. 面对泡沫，先问自己到底在什么时间尺度上下注

他把现在对 AI Infra 的追捧，比作三四年前 Crypto Infra 的泡沫：上游和基础设施当然重要，但如果市场只奖励「做模型」而不问「有没有人用」，就会给创业者错误的信号。上游投入会产生真实价值，估值却可能先于产品被证明；几年后，实验室仍要面对生存问题。（原集 24:25-26:04）

「2026 是不是好年份」没有一个脱离时间尺度的答案。他把 AI 放在三个尺度上观察：30 年，它像一次技术革命；300 年，它接近工业革命级别；3000 年，它可能是文明级别的变化。最特别的地方在于，后一个尺度的变化可能被压缩到几十年里。若相信的是 10 年周期，很多模型公司的高估值像泡沫；若相信 3000 年文明变化被压缩进 30 年，那么现在反而只是开端。（[原集 26:48-30:05]([https://www.[xiaoyuzhoufm.com/episode/6a6eb9e71b5e24969ce77ab5](https://www.xiaoyuzhoufm.com/episode/6a6eb9e71b5e24969ce77ab5)](https://xiaoyuzhoufm.com/episode/6a6eb9e71b5e24969ce77ab5](https://www.xiaoyuzhoufm.com/episode/6a6eb9e71b5e24969ce77ab5))））

所以他的下注对象最后从「某个 AI 方向」退回到人：当中间过程被加速，创始人的真实野心、愿景和出发点反而更重要。对于早期投资，他提出「三非」标准：非共识，意味着定价仍有空间；非连续，意味着大厂不容易进入；非线性，意味着业务有多个增长动力，并能在风险投资通常的 7—10 年期限内长到足够大。（原集 41:56-43:58）

6. 把 AI 当健身房：主动性本身也需要训练

汪天帆给普通人的建议并不复杂：如果这场变化在 500 年、1000 年尺度上发生，不必制造焦虑；如果它在 20 年、30 年内完成，就不能只等别人把方法总结好。他说，可能只有 5% 甚至 1% 的人能先跨过这个坎，但这不是让人押注比例，而是提醒人主动训练。（原集 28:59-31:23）

他的做法很具体：手机里存着十几条 Prompt 模板，要求 AI 听完播客原声后梳理逻辑、数据、非共识观点和值得深挖之处；研究产品时，则让 AI 追踪社区、应用商店和一手用户反馈，再从投资角度整理竞品、复购、NPS、融资和创始人公开表达。他说，曾让 AI 生成约两万字的报告；为了让结果更贴近自己的问题，他会逼自己每次输入至少 300 字。（原集 32:23-35:41）

这不是一套 Prompt 技巧清单，而是一种把判断外显出来的方式：先写清楚自己担心什么、害怕什么、想要什么，再让机器扩大检索和推演。否则，所谓使用 AI 只是把思考交给一个更快的黑箱。

收听判断

想理解 AI 应用和硬件的真实机会：优先听 04:01—07:47、17:07—22:48。这里有「智能/智慧」「Context/交互」的完整推导，也有 80 元平替、手机使用和线下产品的具体例子。
正在观察 AI 泡沫、做创业或投资判断：听 24:25—31:23、41:56—48:04。汪天帆没有给出一个简单的看多或看空结论，而是把估值问题改写成时间尺度、团队和愿景问题。
希望把 AI 用到自己的工作里：听 32:23—35:41。Prompt 模板、300 字输入和两万字报告都很具体，但更值得听的是他如何把自己的担忧和决策标准先写出来。