找到
1959
篇与
互联网
相关的结果
- 第 63 页
-
微软和OpenAI CEO罕见同场对话：OpenAI重组、AI泡沫质疑、算力需求...... 近日，在一场罕见的同场对话中，OpenAI CEO萨姆·奥特曼(Sam Altman)与微软CEO萨提亚·纳德拉(Satya Nadella)深度讨论了AI行业的关键议题。在这次对话中，Altman详细阐述了OpenAI重组后的愿景。关于与微软的合作协议，Altman澄清只有"无状态API"独家保留在Azure平台到2030年，其他产品包括ChatGPT将在多个平台分发，这种安排对双方都有利。关于算力需求这一核心话题，Nadella则认为，"现在我们面临的最大问题不是算力过剩，而是电力问题，以及能否在靠近电源的地方足够快地完成基础设施建设。如果做不到这一点，你可能会有一堆芯片积压在库存里却无法使用。"不过，两位CEO都认为算力过剩终将出现，但具体时间难以预测，可能在2-6年内，且这个周期会反复出现。面对市场对AI投资泡沫的质疑，两位CEO用实际数据进行了有力回应。当主持人质疑一家收入130亿美元的公司如何支撑1.4万亿美元的支出承诺时，Altman以算力与收入的关系作答：过去一年OpenAI的算力扩大了约10倍，如果再增加10倍算力，收入虽然不确定能否同步增长10倍，但相差不会太远。微软CEO Satya Nadella则从合作伙伴角度为OpenAI背书，表示OpenAI的每一个商业计划不仅完成了，而且都超额完成，其增长和业务执行力令人难以置信。Nadella特别强调，微软对OpenAI的135亿美元投资都用于训练，没有计入收入，而Azure的收入纯粹来自ChatGPT的消费和API使用量，这是真实市场需求驱动的结果，有力驳斥了泡沫论调。 （图片来源：BG2）核心观点 Altman（OpenAI CEO）："就是因为算力不足的限制，这真的很疯狂，当我看到我们受到多大制约时... 在很多方面，过去一年我们的算力已经扩大了大约10倍。但如果我们再有10倍的算力，我不知道收入会不会增长10倍，但我觉得差不了太多。" Altman："如果我们真能让AI做科学研究，那在某种意义上就是超级智能了。"他预计明年Codex能完成需要几天的编程任务，将以前所未有的速度改变软件开发。虽然2026年可能只是很小的科学发现，但如果实现，未来几年就能取得更大突破。 Altman："总有一天我们会做出一个令人难以置信的消费设备，可以在低功耗下完全在本地运行GPT-5或GPT-6级别的模型。这真的很难让人想象。" Altman：算力过剩肯定会出现。至于是在两到三年内还是五到六年内，我说不准，但这肯定会在某个时候发生，可能还会发生好几次。" Altman："如果没有微软，特别是Satya早期的坚定信念，我们根本做不到今天这样。我觉得当时愿意下这种赌注的人不多，考虑到那时的世界是什么样子。" Altman："我对此很兴奋。当然，机器人技术和计算机，未来几年会出现新型计算机，这些都很重要。但从我个人来说，如果我们真能让AI做科学研究，那在某种意义上就是超级智能了。" Nadella（微软CEO）：真正重要的不是降低算力成本，而是提升“单位智能”的效率。微软的策略是同时建设两个“工厂”——“Token 工厂”与“Agent 工厂”。“Token 工厂”指的是底层算力体系——硬件、系统软件、虚拟化管理与调度能力。“Agent 工厂”则是上层的软件生态。 Nadella："我看到的OpenAI的每一个商业计划，他们不仅完成了，而且都超额完成了。所以从某种意义上说，这是唯一一个地方——在增长和业务方面，他们的执行力简直令人难以置信。" Nadella：现在我们面临的最大问题不是算力过剩，而是电力问题，以及能否在靠近电源的地方足够快地完成基础设施建设。如果做不到这一点，你可能会有一堆芯片积压在库存里却无法使用。" Nadella："高利润业务是Copilot系列产品——安全Copilot、Github Copilot、医疗健康Copilot等。Azure如果不把算力分给研究，本来增长可以高达41%，42%。" Nadella：我真正喜欢OpenAI合作的一点是它给我们带来了规模。这是个规模游戏。当你的云上运行着最大的工作负载时，意味着我们会更快学习如何规模化运营，成本结构会比其他人下降得更快。这会让我们在价格上更有竞争力。所以我对我们保持利润率的能力很有信心，这也是产品组合的帮助。 以下为访谈视频文字稿全文（AI辅助翻译）：OpenAI CEO Sam Altman、主持人Brad Gerstner、微软CEO Satya NadellaSam Altman：是的，我认为这真的是一个了不起的合作伙伴关系，贯穿每个阶段。正如萨提亚所说，我们刚开始时完全不知道这一切会发展到哪里。但我觉得这是有史以来最伟大的科技合作之一。如果没有微软，特别是萨提亚早期的坚定信念，我们不可能做到这一点。主持人Brad Gerstner：真是不平凡的一周啊。很高兴见到你们俩。山姆，宝宝怎么样了？Sam Altman：他很好，这是最棒的事情。是啊，兄弟。所有的老生常谈都是真的，这真是世界上最美好的事了。主持人Brad Gerstner：嘿，Satya，你们相处这么多时间...Satya Nadella：每当山姆谈论他的宝宝时，他脸上的表情就完全不一样了。我猜是计算能力的意大利版本吧，他谈论计算能力和他的宝宝时...主持人Brad Gerstner：Satya，你们俩相处这么久，你有没有给他一些当爸爸的建议？Satya Nadella：我说就好好享受吧。我的意思是，这太棒了，你知道，我们有孩子的时候很年轻，我真希望能重来一次。从某种意义上说，这是最宝贵的时光。看着他们长大，真是太美妙了。我很高兴山姆能...Sam Altman：我很高兴能年纪大一点再当爸爸。但有时我确实会想，天哪，要是我25岁时有那样的精力就好了。那部分更难。主持人Brad Gerstner：毫无疑问。山姆，OpenAI的平均年龄是多少？有概念吗？Sam Altman：不算特别年轻。不像大多数硅谷初创公司那样。我不知道，可能平均30岁出头吧。主持人Brad Gerstner：婴儿潮趋势是积极的还是消极的？Sam Altman：婴儿潮趋势是积极的。OpenAI重组：打造史上最大非营利组织 主持人Brad Gerstner：那很好。那很好。嗯，你们这周真是大事不断。你知道，我在想，我从英伟达的GTC大会开始，你知道，市值刚突破5万亿美元。谷歌、Meta、微软，萨提亚，你们昨天开了发布会，你知道，我们一致听到的是算力不够，算力不够。周三我们降息了。GDP增长接近4%。然后我刚才还在跟山姆说，你知道，总统在马来西亚、韩国、日本达成了这些大规模交易。你知道，这些交易真的为美国的再工业化提供了令人难以置信的财力支持，800亿美元用于新的核裂变项目，所有这些你们需要的来建造更多算力的东西，但当然，在所有这些事情中，不能忽视的是你们周二发布的重大公告，明确了你们的合作关系。恭喜你们。我想我们就从这里开始。我真的想用非常简单、通俗的语言来分析这笔交易，确保我和其他人都能理解。但你知道，我们就从你的投资开始吧，Satya。你知道，微软从2019年开始投资。已经向OpenAI投资了大约130-140亿美元。作为回报，你在完全稀释的基础上获得了该业务27%的所有权。我想之前大约是三分之一，去年随着所有投资你被稀释了一些。所以就所有权而言，听起来对吗？Satya Nadella：是的，没错。但我要说的是，在我们的股份之前，布拉德，我认为OpenAI真正独特的地方在于，作为OpenAI重组过程的一部分，创建了一个最大的非营利组织之一。我的意思是，别忘了，你知道，从某种意义上说，我在微软时说，像我...你知道，我们非常自豪的是，我们与两个最大的非营利组织有关联，盖茨基金会和现在的OpenAI基金会。所以我认为这是大新闻。如果你显然...你知道，我们很激动，这不是我们所想的。正如我对某人说的，当我们第一次投资10亿美元时，并不是希望这会成为我要向风投们谈论的百倍回报。但我们做到了。我们非常高兴成为投资者和早期支持者。这真的是对山姆和团队所做工作的证明，坦率地说。我的意思是，他们显然对这项技术能做什么有早期的愿景，他们付诸实践，并且以一种精湛的方式执行了。Sam Altman：是的，我认为这真是一段了不起的合作关系，贯穿每一个阶段。正如萨提亚所说，刚开始的时候我们完全不知道这一切会走向何方。但我认为，这是科技史上最伟大的合作之一。如果没有微软，特别是萨提亚早期的坚定信念，我们根本做不到今天这样。我觉得当时愿意下这种赌注的人不多，考虑到那时的世界是什么样子。我们不知道技术到底会怎么发展。不是"不太确定"——我们是完全不知道技术会怎么走。我们只是对一个想法有强烈的信念：全力推进深度学习，相信只要我们能做到这一点，就一定能找到方法做出很棒的产品，创造巨大的价值。而且，正如Satya说的，创造我们相信将会是史上最大的非营利组织。这个组织将做出令人惊叹的伟大事业。我真的很喜欢这个架构，因为它让非营利组织能够增长价值，同时公共利益公司能够获得继续扩大规模所需的资金。如果我们没有想出这个架构，如果我们没有愿意让它以这种方式运作的合作伙伴，我认为这个非营利组织不可能有今天这样的价值。你知道，从我们开始合作到现在已经超过六年了。六年时间取得了相当惊人的成就，而且我认为未来还会有更多。我希望萨提亚能从这项投资中赚到一万亿美元，而不是一千亿。不管最终是多少吧。主持人Brad Gerstner：作为重组的一部分，你们谈到了这一点，上面是非营利组织，下面是公共利益公司。这真的很疯狂。这个非营利组织一开始就拥有价值1300亿美元的OpenAI股票作为资本，已经是世界上最大的非营利组织之一了，而且未来可能会更大。加州总检察长表示他们不会反对。你们已经有了1300亿美元专门用于确保通用人工智能(AGI)造福全人类。你们宣布将首先把250亿美元投向医疗健康、AI安全和韧性建设。Sam，首先让我说，作为这个生态系统的参与者，向你们两位致敬。这对AI未来的贡献真是了不起。但是Sam，跟我们谈谈为什么选择医疗健康和韧性建设这么重要，然后帮我们理解如何确保获得最大收益，同时又不会像我们看到的许多非营利组织那样，被自己的政治偏见拖累？Sam Altman：首先，为世界创造大量价值的最好方式，希望就是我们一直在做的事情——制造这些神奇的工具，让人们使用它们。我认为资本主义很好，公司很好。人们做着了不起的工作，把先进的AI送到许多人和公司手中，这些人和公司正在做不可思议的事情。但有些领域，市场力量并不能完全符合人们的最佳利益，你需要用不同的方式来做事。这项技术还带来了一些以前从未存在过的新东西，比如利用AI快速进行科学研究的潜力，真正实现自动化发现。当我们思考首先要关注哪些领域时，很明显，如果我们能治愈很多疾病，并让相关数据和信息广泛可用，那将是为世界做的一件美好的事情。然后关于AI韧性建设这一点，我确实认为有些事情可能会变得有点奇怪，而这些不会全部通过公司的正常运作来解决。所以当世界必须经历这个转型期时，如果我们能资助一些工作来帮助应对，那就太好了。这可能包括网络防御、AI安全研究、伦理研究，所有这些都是在帮助社会平稳度过这个转型期。我们对另一端会有多美好非常有信心。但你知道，我相信沿途肯定会有一些波折。主持人Brad Gerstner：让我们继续深入分析这笔交易。关于模型和独家协议，Sam，OpenAI可以在Azure上分发其模型和领先模型，但我认为在2032年之前的7年内，你们不能在其他主要云平台（那些大型云服务商）上分发这些模型。不过这个限制可能会提前结束——如果AGI（通用人工智能）被验证的话，我们待会再谈这个。但你们可以在其他平台上分发开源模型、Sora代理、Codex、可穿戴设备等其他产品。所以Sam，我猜这意味着ChatGPT或GPT-6不会出现在亚马逊或谷歌平台上？Sam Altman：不是这样的。首先，我们想做很多事情来帮助微软创造价值，同时也为我们自己创造价值。这方面有很多合作内容。我们会把Satya（微软CEO）曾经提出的一个很棒的概念——"无状态API"——保留在Azure上，独家合作到2030年，其他所有东西我们都会在别处分发。这显然也符合微软的利益。所以我们会把很多产品放在很多地方，而这个（无状态API）会在Azure上做，人们可以在那里获得，这很棒。我觉得这样很好。主持人Brad Gerstner：然后是收入分成，OpenAI仍需向微软支付所有收入的分成，这也会持续到2032年，或者直到AGI被验证。让我们假设一下，我知道这很基础，但很重要——假设收入分成是15%。那意味着如果你们有200亿收入，就要支付30亿给微软，这会计入Azure的收入。Satya，这样理解对吗？Satya Nadella：我们确实有收入分成，正如你所说的，要么持续到AGI实现，要么到协议结束。老实说，我实际上不太清楚我们具体把它计入哪里，是Azure还是其他地方。这是个好问题，可以问问Amy（微软CFO）。主持人Brad Gerstner：独家协议和收入分成都会在AGI被验证时提前结束，这似乎让AGI成为一件大事。据我了解，如果OpenAI声称达到了AGI，这会提交给一个专家小组，你们基本上会选择一个评审团，他们必须相对快速地决定是否真的达到了AGI。Satya，你在昨天的财报电话会议上说，没有人接近实现AGI，你也不期望它很快发生。你谈到了这种"尖刺状和参差不齐的智能"。Sam，我听你说的似乎对何时能达到AGI更乐观一些。所以我想问你们两位，你们是否担心在未来两三年内，我们最终不得不召集评审团来判定是否达到了AGI？Sam Altman：我知道你想在我们之间制造一些戏剧性。我认为为此建立一个流程是件好事。我预期技术会有几次令人惊讶的转折，我们会继续成为彼此的好伙伴并找到解决办法。Satya Nadella：说得好，这也是我认为我们建立这个流程很重要的原因之一。说到底，我坚信智能能力会持续提高。而我们真正的目标，坦白说，就是如何把它交到人们和组织手中，让他们获得最大利益。这是OpenAI最初吸引我加入Sam和团队的使命，也是我们计划继续坚持的方向。Sam Altman：Brad，告诉观众，即使我们明天就有了超级智能，我们仍然需要微软的帮助来把这个产品送到人们手中。我们想要他们，是的。主持人Brad Gerstner：当然。不，我只是在问大家心中的问题，这对我来说完全说得通。显然，微软是世界上最大的分发平台之一。你们长期以来一直是很好的合作伙伴，我认为这消除了一些外界的误解。但让我们换个话题。显然，OpenAI是历史上增长最快的公司之一。Satya，你一年前在这个播客上说过，每个新阶段的转变都会创造一个新的谷歌。而这个阶段转变的"谷歌"已经知道了，就是OpenAI。如果不是你们做了这些巨大的押注，这一切都不可能实现。打破"AI泡沫"质疑：用数据说话 主持人Brad Gerstner：话虽如此，OpenAI在2025年的收入据报道仍只有130亿美元。而Sam，你在本周的直播中谈到了对算力的巨大承诺，对吧？未来四五年1.4万亿美元，其中包括对英伟达5亿美元、AMD和甲骨文3亿美元、Azure 2500亿美元的大额承诺。所以我认为本周我听到的最大问题，也是笼罩市场的问题是：一家收入130亿美元的公司怎么能做出1.4万亿美元的支出承诺？你知道，你听到了这些批评。Sam Altman：（Sam回应：）我们的收入会远超这个数字。其次，Brad，如果你想卖你的股份，我可以帮你找买家。有很多人非常想买OpenAI的股份。我不认为... 你们，主持人Brad Gerstner：包括我自己在内。是的，包括我自己。Sam Altman：那些在网上对我们的算力问题表现出焦虑担忧的人，其实都很乐意买我们公司的股票。所以我觉得我们可以很快把你的股份，或者任何其他人的股份，卖给那些在推特上叫得最凶的人。Sam Altman：我们确实计划让收入大幅增长。而且收入正在快速增长。我们在提前下注，赌它会持续增长。不仅ChatGPT会继续增长，我们还会成为重要的AI云服务提供商之一，我们的消费者设备业务会变得举足轻重，能够自动化科学研究的AI将创造巨大价值。你知道，我平时不太想让公司上市，但有那么几个时刻会觉得上市挺好的——就是当那些人写什么"OpenAI快要倒闭了"之类荒唐文章的时候。我真想告诉他们可以去做空我们的股票，然后我很乐意看着他们亏钱。Sam Altman：但是你知道，我们有周密的计划。我们了解技术能力会如何发展，我们能围绕它打造什么产品，能产生多少收入。我们可能会搞砸，这是我们正在下的赌注，伴随着一定风险。其中一个确定的风险是：如果我们没有足够的算力，就无法产生收入，也无法在这种规模上制造模型。主持人Brad Gerstner：确实如此。Satya Nadella：让我说一句，Brad，作为合作伙伴和投资人。我看到的OpenAI的每一个商业计划，他们不仅完成了，而且都超额完成了。所以从某种意义上说，这是唯一一个地方——在增长和业务方面，他们的执行力简直令人难以置信。我的意思是，显然，大家都在谈论OpenAI在使用量上的成功等等，但我要说整体的业务执行真的非常出色。主持人Brad Gerstner：我几周前听到Greg Brockman在CNBC上说，对吧，如果我们的算力能增加10倍，我们的收入可能不会增加10倍，但肯定会大幅增加。Sam Altman：就是因为算力不足的限制，这真的很疯狂，当我看到我们受到多大制约时... 在很多方面，过去一年我们的算力已经扩大了大约10倍。但如果我们再有10倍的算力，我不知道收入会不会增长10倍，但我觉得差不了太多。主持人Brad Gerstner：Sasha，我们昨晚也从你那里听到你们受到算力限制，如果有更多算力，增长会更高。那么Sam，帮我们理解一下，你现在感觉算力限制有多严重？当你展望未来两三年的建设时，你认为会不会有一天不再受算力限制？Sam Altman：我们经常讨论这个问题——算力够不够用？我认为最好的思考方式是把它当成能源之类的东西。你可以谈论某个价格点的能源需求，但不能脱离价格谈需求。不同价格水平会有不同的需求。如果算力的单位成本（比如每单位智能的成本）明天下降100倍，你会看到使用量增长远超100倍。有很多事情人们很想用算力去做，只是以目前的成本没有经济意义，但会出现新的需求。所以我认为... 另一方面，当模型变得更聪明，你可以用这些模型治愈癌症、发现新物理学，或者驱动一群人形机器人建造空间站，或者任何疯狂的事情。那时候人们也许愿意为更高级别的智能支付高得多的单位成本。我们还不知道，但我打赌会有。所以当你谈论容量时，要考虑单位成本和单位能力，没有这些曲线，这个问题就说不清楚。Satya Nadella：我认为Sam你说过一点，也是正确的思考方式：如果智能的价值与算力成对数关系，那你就要努力保持效率。这意味着每美元每瓦特的token数量，以及社会从中获得的经济价值，这才是我们应该最大化和降低成本的方向。这就是杰文斯悖论（Jevons Paradox）所说的——你不断降低成本，在某种意义上让智能商品化，使它成为推动全球GDP增长的真正引擎。Sam Altman：不幸的是，这更接近于智能的对数关系，也就是人们所说的算力的对数关系。但我们可能会找到更好的扩展规律，我们可能会搞清楚这个问题。算力需求：永不满足的"能源胃口" 主持人Brad Gerstner：我们昨天听到了微软和谷歌的发言。两家公司都说，如果他们有更多的GPU（图形处理器），他们的云业务本可以增长得更快。我在这个播客上问过英伟达的黄仁勋（Jensen），未来五年内是否有可能出现算力过剩的情况，他说在未来两到三年内几乎不可能出现这种情况。我想你们两位应该也同意黄仁勋的观点吧——虽然我们看不到五、六、七年后的情况，但至少在未来两到三年内，基于我们刚才讨论的原因，几乎不可能出现算力过剩的情况。Satya Nadella：我的意思是，在这个特殊情况下，需求和供应的周期你真的无法预测，对吧？重点是Sam所说的长期趋势是什么。因为说实话，我们现在面临的最大问题不是算力过剩，而是电力问题，以及能否在靠近电源的地方足够快地完成基础设施建设。如果做不到这一点，你可能会有一堆芯片积压在库存里却无法使用。事实上，这就是我现在的问题——不是芯片供应的问题，而是我没有配套齐全的机房可以把芯片装进去使用。所以供应链约束会如何出现，很难预测，因为需求本身就很难预测。我不想和Sam坐在这里说："天哪，我们的算力短缺问题减轻了。" 因为我们实在不擅长预测真实需求会是什么样子。而且，从全球角度来看，在一个国家的一个细分市场谈论这个问题是一回事，但要真正将其推广到世界各地又是另一回事。所以肯定会有各种限制，我们如何解决这些问题才是最重要的。这条路肯定不会是平坦的。Sam Altman：算力过剩肯定会出现。至于是在两到三年内还是五到六年内，我说不准，但这肯定会在某个时候发生，可能还会发生好几次。这里面有人类心理和泡沫的深层因素。而且就像Satya说的，这是一个非常复杂的供应链，会出现各种奇怪的情况。技术格局也会发生重大变化。比如说，如果很快有一种非常便宜的大规模能源上线，很多人会因为他们已经签署的现有合同而遭受巨大损失。如果我们能继续实现智能单位成本的惊人降低——比如说每年平均降低40倍——从基础设施建设的角度来看，这是一个非常可怕的指数增长。Sam Altman：当然，我们打的赌是，随着成本降低，会有更多的需求。但我也有些担心，如果我们不断取得这些突破，最后每个人都能在自己的笔记本电脑上运行类似通用人工智能（AGI）的程序，那我们现在做的就是一件疯狂的事。有些人会在某个时刻遭受重大损失，就像在其他每一次技术基础设施周期中发生过的那样。主持人Brad Gerstner：我觉得说得非常好，你必须同时接受这两个真相。2000年和2001年我们经历过这种情况，但互联网后来变得比那个时期任何人估计的都要大得多，为社会带来了更大的成果。Satya Nadella：是的，但我认为Sam说的一点没有得到足够的讨论，就是比如OpenAI在推理堆栈上为给定GPU所做的优化。我们一方面谈论摩尔定律的改进，但软件改进的速度要比那个快得多，呈指数级增长。Sam Altman：总有一天我们会做出一个令人难以置信的消费设备，可以在低功耗下完全在本地运行GPT-5或GPT-6级别的模型。这真的很难让人想象。主持人Brad Gerstner：那将是不可思议的。我认为这正是让那些正在构建大型中心化算力基础设施的人感到担忧的事情。Satya，你谈了很多关于边缘分布以及在全球分布推理能力的问题。Satya Nadella：是的，我的想法是建立一个可互换的设备群。在云基础设施业务中，你需要做两件关键的事情：一是在这个背景下建立一个非常高效的"令牌工厂"（token factory），二是实现高利用率。就这两件简单的事情你需要达成。为了实现高利用率，你需要有多个工作流可以调度，即使在训练方面也是如此。如果你看AI流程，有预训练、中期训练、后期训练、强化学习等等。你要能够做所有这些事情。所以对云服务提供商来说，考虑设备群的可互换性是最重要的。主持人Brad Gerstner：好的。Sam，你提到了，路透社昨天报道OpenAI可能计划在2026年底或2027年上市。Sam Altman：不，我们没有那么具体的计划。我意识到，我认为这总有一天会发生，但那个报道……我不知道人们为什么要写这些东西。我们并没有确定日期或做出这样的决定。我只是认为事情最终会走到那一步。但是……主持人Brad Gerstner：在我看来，如果你们在2028年或2029年的收入超过1000亿美元，你们至少会处于可以上市的位置。Sam Altman：那2027年呢？主持人Brad Gerstner：是的，2027年。更棒了。你们有条件进行IPO（首次公开募股），传闻中的万亿美元估值——我再给听众解释一下背景，如果你们以1000亿美元收入的10倍市盈率上市，我认为这个倍数会比Facebook上市时低，也比很多其他大型消费类公司上市时的倍数低。那样你们的估值就是1万亿美元。如果发行10%到20%的股份，就能融资1000亿到2000亿美元，这似乎是个不错的路径，可以为我们刚才讨论的大量增长和项目提供资金。所以你不反对上市，对吧，只是你们正在...Sam Altman：靠公司的收入增长来发展，这是我希望我们做的。毫无疑问。主持人Brad Gerstner：我也说过，我认为这是一家非常重要的公司。有很多人，包括我的孩子们，他们喜欢炒股，用的就是ChatGPT。我觉得让散户投资者有机会买入一家最重要、最大的公司股票，那会很好。Sam Altman：老实说，这对我来说可能是上市最吸引人的地方。主持人Brad Gerstner：那真的会很不错。咱们换个话题，我跟你们俩都聊过的一件事——在那个"大而美法案"中，克鲁兹参议员本来加入了联邦优先权条款，这样我们就不会有各州法律拼凑的局面，50个不同的州法律会让整个行业陷入不必要的合规和监管困境。不幸的是，最后一刻被布莱克本参议员否决了，坦白说，我认为华盛顿对AI的理解相当不足。华盛顿流行着很多恐惧言论。所以现在我们有了像科罗拉多AI法案这样的州法律，将在2月份全面生效。我相信这会创造出一整类新的诉讼人群。任何人只要声称受到聊天机器人算法歧视的不公平影响就能起诉。人们可以以无数理由声称受到伤害。Sam，你有多担心这种AI州法律拼凑的局面会给我们持续加速发展和全球竞争能力带来真正的挑战？Sam Altman：我不知道我们该怎么遵守加州——抱歉，是科罗拉多的那个法律。我很希望他们能告诉我们怎么做。我们也想遵守。但就我读到的内容来看，我真的不知道我们该怎么办。我非常担心50个州各自为政的局面。我认为这是个大错误。我们通常不会在这类事情上这么做是有原因的。我觉得这会很糟糕。Satya Nadella：是的，我认为这种拼凑做法的根本问题是，坦白说，OpenAI和微软之间会想办法应对这个问题，对吧？我们能搞定。但问题是那些刚创业的人要怎么办，这正好与立法初衷背道而驰。显然安全很重要，确保人们的基本担忧得到解决，但在联邦层面有办法做到这一点。所以我认为如果美国不这么做，欧盟就会做，那会造成它自己的问题。所以我觉得如果美国来主导会更好，有一个统一的监管框架...Sam Altman：当然。主持人Brad Gerstner：要明确的是，并不是说主张零监管。只是说让我们在联邦层面达成统一的监管，而不是50个相互冲突的州法律，这肯定会摧毁AI创业生态。我认为这让像你们这样有能力应对所有这些诉讼的公司都非常头疼。而且...Satya Nadella：坦白说，我的希望是这一次，即使是在欧盟和美国之间，能实现协调统一，那就完美了，对吧？坦白说，对任何欧洲创业公司来说，我不...Sam Altman：我不认为那会发生。Saturn，是吗？那会很棒。但我不会对此抱太大希望。那会很好。Satya Nadella：不，但我真的认为，如果你想想，对吧，如果欧洲的任何人在考虑他们如何用自己的公司参与这场AI浪潮，这也应该是他们的主要关切。所以我希望会有一些开明的做法。但我同意你的看法，今天我不会指望这个。主持人Brad Gerstner：我确实认为有Sacks担任AI特别代表，你至少有一位总统可能会为此而战，协调AI政策，利用贸易作为杠杆来确保我们不会面临过度限制的欧洲政策。主持人Brad Gerstner：但我们拭目以待吧。我认为首要任务是在美国实现联邦优先权，这相当关键。Sam，我们在细节上讨论得有点深了，我想把视角拉远一点。我听你团队的人谈论即将到来的所有好东西。当你开始思考更多、几乎无限的算力，ChatGPT-6及更高版本，机器人，物理设备，科学研究...主持人Brad Gerstner：展望2026年，你觉得什么会让我们最惊讶？你对目前正在研发的东西最兴奋的是什么？Sam Altman：你刚才说到了很多关键点。我觉得今年Codex（AI编程工具）的发展非常酷。随着这些任务从需要几小时完成发展到需要几天才能完成——我预计明年就会实现——人们将能够以前所未有的速度、用全新的方式来开发软件。Sam Altman：我对此非常期待。我认为其他行业也会看到类似的变化。我个人比较偏爱编程领域，因为我对这个更了解。但我相信这真的会开始改变人们的能力边界。Sam Altman：我希望2026年能看到一些非常小的科学发现。但如果我们能实现这些小发现，未来几年就能取得更大的突破。这真是个疯狂的说法——AI会在2026年做出新的科学发现，哪怕是很小的发现。这是个极其重要的话题。所以我对此很兴奋。当然，机器人技术和计算机，未来几年会出现新型计算机，这些都很重要。但从我个人来说，如果我们真能让AI做科学研究，那在某种意义上就是超级智能了。如果这能扩展人类知识的总和，那将是个了不起的大事。Satya Nadella：是的，我觉得有一点，用你的Codex例子来说，就是模型能力的结合。想想ChatGPT的神奇时刻——当UI界面遇上智能，就这样爆发了，对吧？简直难以置信的完美契合。其中一部分也是因为模型的指令遵循能力已经为聊天做好了准备。Satya Nadella：我认为这就是Codex和这些编程助手即将帮助我们实现的。就是那种——编程助手离开工作一段时间，然后回来，把我需要的东西呈现给我。Satya Nadella：就像是一个比喻，我觉得我们都在朝这个方向努力：宏观委派和微观调控。什么样的UI能匹配这种新的智能能力？你可以在Codex中看到这个苗头，对吧？至少我在Github Copilot中使用它的方式就是——现在它只是一种不同于聊天界面的方式。我认为这会是人机交互的新方式。坦率地说，这可能比……是的，这可能是个突破性的转变。Sam Altman：这也是我非常兴奋我们在做新形态计算设备的原因之一，因为现有的计算机并不太适合那种工作流程。ChatGPT那样的UI显然不适合。但这个想法是，你可以拥有一个始终伴随你的设备，它能够独立完成任务，在需要时从你那里获得微调指令，并且对你的整个生活和工作流有很好的上下文感知。我觉得那会很酷。主持人Brad Gerstner：你们俩都没提到消费者使用场景。我经常想，我们现在还得在这个设备上翻找100个不同的应用，填写各种小网页表单，这些20年都没变过的东西。但如果能有一个个人助理——我们可能认为拥有个人助理是理所当然的——但实际上是为全球数十亿人几乎免费提供个人助理来改善他们的生活。无论是给孩子订尿布，还是预订酒店，或者改变日程安排，我觉得有时候恰恰是这些平凡的事情最有影响力。随着我们从获取答案发展到记忆、行动，然后能够通过耳机或其他设备进行交互，而不需要我一直盯着这块长方形玻璃屏幕。我觉得这相当了不起。Satya Nadella：我想这就是Sam在暗示的东西。Sam Altman：但你说得对。不好意思我得先走了。主持人Brad Gerstner：Sam，很高兴见到你。感谢你加入我们。再次祝贺这个重大进展，我们很快再聊。Satya Nadella：再见，Sam。保重。主持人Brad Gerstner：正如Sam清楚知道的，我们当然是买方不是卖方，但有时候，我觉得这很重要，因为世界很小。我们整天都在思考这些东西，对吧？所以信念来自于我们花费的上万小时思考。但现实是我们必须带动世界其他人。而世界其他人并没有花上万小时思考这个。然后坦率地说，他们看到一些看似过于宏大的目标，会担心我们能否实现这些目标。主持人Brad Gerstner：所以你在2019年把投资OpenAI 10亿美元的想法带到董事会。在董事会上这是不是显而易见的决定？你有没有花费任何政治资本来完成它？跟我说说那个时刻是什么样的，因为我认为那是个关键时刻，不仅对微软，对国家，我真心认为对全世界都是如此。Satya Nadella：是的，回顾这段旅程很有意思。我们从2016年OpenAI刚成立时就参与了。实际上Azure是第一个赞助商。那时他们主要做强化学习。我记得Dota 2比赛就是在Azure上进行的，然后他们转向了其他方向。我对强化学习很感兴趣，但坦白说，这印证了你说的上万小时或者说有准备的头脑。微软从1995年起就痴迷于一件事——比尔（盖茨）对公司的执念就是自然语言。毕竟，我们是一家编程公司、信息工作公司。所以当Sam在2019年开始谈论文本、自然语言、Transformer和规模定律时……Satya Nadella：那时候我就想，哇，这真有意思。我是说，他，你知道的，这个团队的发展方向已经很明确了，和我们的利益有很多重合的地方。所以从这个角度来说，这是个很明显的选择。但显然，去董事会说"嘿，我有个想法，拿10亿美元投给这个疯狂的架构，我们甚至都不太理解这是什么？这是个非营利组织，巴拉巴拉的"，然后说"就这么干吧"。这引起了争论。比尔（盖茨）理所当然地持怀疑态度，但后来当他看到GPT-4的演示后，就像他公开谈到的那样，他说这是自从查尔斯·西蒙尼在施乐帕克给他演示之后，他看到的最好的演示。但说实话，我们谁都没有完全确定。对我来说，那一刻就是，你知道的，咱们试试看吧。后来看到早期的Codex在Github Copilot里的表现，看到代码自动补全功能真的能用，那时候我觉得我们可以从投资1（亿）到10（亿）了，因为那才是关键。坦白说，投资1（亿）是有争议的，但从1到10才是真正让这整个时代成为可能的决定。然后显然，团队出色的执行力和他们那边、我们这边的产品化工作。我是说，如果想想看，Github Copilot、ChatGPT、Microsoft 365 Copilot和Copilot这四个产品的总体货币化规模和覆盖范围，就是这些，对吧？这是地球上最大的AI产品系列。这显然让我们能够维持所有这一切。主持人Brad Gerstner：我想很多人不知道你们的首席技术官凯文·斯科特（Kevin Scott），一个前谷歌员工，就住在硅谷这边。要把这事放到背景里说，对吧，微软错过了搜索，错过了移动互联网。你成为CEO的时候几乎也错过了云计算，对吧？你形容过"赶上了出城的末班车"，才抓住了云计算。我想你当时就下定决心要在这边（硅谷）安插眼线，这样就不会错过下一个大事件。所以我猜凯文对你来说也起了很大作用。绝对是的。我是说DeepSeek和OpenAI。Satya Nadella：实际上，我要说凯文的坚定信念，而且凯文一开始也是怀疑的，这正是我一直观察的——那些持怀疑态度但后来改变想法的人，对我来说，那是个信号。所以我总是在寻找那些原本不相信某件事，然后突然改变并对此感到兴奋的人。我对这种情况非常重视，因为我会好奇为什么，是什么原因？凯文就是这样开始的，然后我们所有人都有点怀疑，对吧？但在某种意义上，这违背了，你知道的，我们都上过学，说"天哪，你知道，肯定有个算法能解决这个问题"，而不是就靠扩展定律和堆计算资源。但坦白说，凯文坚信这值得去做，这是推动这一切的关键因素之一。主持人Brad Gerstner：好吧，我们谈到那笔现在价值1300亿美元的投资，我想也许有一天会值一万亿，就像萨姆（Sam Altman）说的，但这实际上在很多方面低估了合作伙伴关系的价值，对吧？所以你有收入分成的价值，每年给微软带来数十亿美元。你有从OpenAI的2500亿美元Azure计算承诺中获得的利润。当然，你还从API的独家分销中获得巨额销售。那么跟我们谈谈你如何看待这些领域的价值，特别是这种独家性如何带来了很多原本可能在AWS上的客户。Satya Nadella：是的，绝对是这样。我是说，对我们来说，如果我看的话，你知道，除了所有股权部分，真正的战略要素结合在一起，并且会持续下去的。Satya Nadella：是Azure上的无状态API独家视频，这坦白说帮助了OpenAI、我们和我们的客户。因为当企业中有人试图构建应用程序时，他们想要一个无状态的API。他们想把它与计算和存储、数据库混合在一起，以捕获状态并构建完整的工作负载。这就是Azure与这个API结合的地方。所以我们在foundry（铸造厂）所做的，对吧，因为在某种意义上，你，比方说你想构建一个AI应用程序，但关键是你如何确保你用AI做的事情的评估是出色的。所以这就是你需要在Foundry中甚至一个完整的应用服务器的原因。这就是我们所做的。Satya Nadella：因此，我觉得这就是我们将在基础设施业务中推向市场的方式。对我们来说价值获取的另一面将是，我正在整合所有这些知识产权，我们不仅在Azure中拥有模型的独家权，而且我们可以访问这些知识产权。我是说，拥有免版税的权利，我们甚至忘掉所有的技术诀窍和知识方面，但在未来7年拥有免版税访问权给了我们很大的商业模式灵活性。这在某种意义上就像免费拥有一个前沿模型。如果你是微软的股东，你应该从这个角度开始思考——我们有一个前沿模型，然后可以部署它，无论是在Github，还是在M365，还是在我们的消费者Copilot中，然后添加我们自己的数据进行后训练。所以这意味着我们可以把它嵌入到权重中。因此，我们对Azure和基础设施方面以及我们的高价值领域（无论是医疗、知识工作、编码还是安全）的价值创造都感到兴奋。主持人Brad Gerstner：你一直在合并OpenAI的损失。你知道，我想你昨天刚报告的，厄尼，我想你在这个季度合并了40亿美元的损失。你认为投资者是否，我是说，他们甚至可能在归因负值？对吧？因为这些损失，你知道的，当他们应用的时候，有多重收益，萨特亚，而我听到这些，我想到的是我们刚才描述的所有那些好处，更不用说你在一家可能自身价值就达到一万亿的公司中拥有的透视股权价值。你知道，你认为市场是否误解了OpenAI作为微软组成部分的价值？Satya Nadella：是的，这是个好问题。所以我认为艾米（Amy Hood，微软CFO）要采取的方法是完全透明，因为在某种程度上，我不是会计专家。所以最好的办法就是提供所有的透明度。我想这次也是这样。我认为这就是为什么有非公认会计准则和公认会计准则之分，这样至少人们可以看到每股收益的数字。Satya Nadella：因为我用常识看待这个问题的方式很简单，布拉德。如果你投资了，我们说135亿美元，你当然可以损失135亿美元，对吧？但你不能损失超过135亿美元，至少我上次检查的时候是这样。那就是你的风险所在。你也可以说，嘿，今天我们股权份额的1350亿美元，你知道，有点不流动，诸如此类。我们不打算卖掉它，所以它有相关的风险。但真正的故事，我认为你在说的是所有其他正在发生的事情。Azure的增长怎么样，对吧？如果我们没有OpenAI的合作关系，Azure会增长吗？就像你说的，有多少客户是第一次从其他云平台来的，对吧？Satya Nadella：这才是我们真正受益的地方——Microsoft 365发生了什么。实际上，关于Microsoft 365的一件事是，E5之后的下一个大事件是什么？你猜怎么着？我们在Copilot中找到了它。它比任何套件都大。就像，你知道，我们谈论渗透率和使用率以及速度。它比我们在信息工作领域做过的任何事情都大，而我们在这个领域已经做了几十年。所以我们对为股东创造价值的机会感到非常好。同时，保持完全透明，这样人们就可以看穿，损失是什么。我是说，谁知道会计规则是什么，但我们会做任何需要做的事情，然后人们就能看到正在发生什么。主持人Brad Gerstner：但一年前，萨特亚，有一堆头条新闻说微软在AI基础设施上撤退了，对吧？公平还是不公平？那些新闻确实出现了，你知道的，也许你们当时确实更保守一些，对正在发生的事情更怀疑一些。艾米昨晚在电话会议上说，你们在电力和基础设施方面已经短缺了很多个季度，她以为你们会赶上，但你们还没赶上，因为需求不断增加。所以我想问的是，以你现在所知，你们当时是否太保守了？从现在开始的路线图是什么？Satya Nadella：是的，这是个很好的问题，因为，看，我们意识到的事情——我很高兴我们意识到了——就是建立一个真正可在AI生命周期的所有部分通用的舰队的概念，跨地理位置通用，跨代际通用，对吧？因为关键的事情之一是，当你拥有，就拿黄仁勋（Jensen）和团队正在做的事情来说，对吧？我是说，他们的速度，实际上我喜欢的一件事是光速，对吧？我们现在有GB 300正在上线，你知道的，我们正在部署。所以你不想订购一堆GB 200，结果刚插上电源就发现GB 300已经全面投产了。所以你必须确保你在不断现代化，你在各地分散舰队，你的工作负载真正通用。你还要加上我们谈到的软件优化。所以对我来说，这就是我们做出的决定。我们说，看，有时你可能不得不拒绝一些需求，包括OpenAI的一些需求，对吧？因为有时候，你知道，萨姆可能会说，嘿，给我建一个专用的，你知道，大的，你知道的，无论什么多吉瓦的数据中心在一个地点用于训练，从OpenAI的角度来看是有意义的。但从Azure的长期基础设施建设角度来看就没有意义，这就是我认为我们做了正确的事情——给他们灵活性从其他地方采购，同时保持，再次强调，来自OpenAI的大量业务，但更重要的是，给我们自己在其他客户、我们自己的第一方产品方面的灵活性。Satya Nadella：记住，我们不想做的事情之一就是短缺，你知道，我们谈论Azure。实际上，有时我们的投资者过度关注Azure的数字。Satya Nadella：但大家要记住，对我来说，高利润业务是Copilot系列产品——安全Copilot、Github Copilot、医疗健康Copilot等。所以我们要确保以平衡的方式来实现投资者的回报。这是投资者群体中一个被误解的地方，我觉得挺奇怪也挺有意思的，因为我认为他们持有微软股票是看中我们的整体产品组合，但他们却异常关注Azure这一个小项目的增长数字。主持人Brad Gerstner：说到这点，Azure本季度增长了39%，年化收入规模达到惊人的930亿美元。相比之下，谷歌云(GCP)增长32%，AWS接近20%。但如果你们没有把算力分配给OpenAI，没有把算力用于研发，Azure的增长率本可以达到41%、42%对吧？Satya Nadella：完全正确，毫无疑问。所以我们内部的考虑是要平衡长期股东利益、服务好客户，同时也要避免集中度风险。大家都在谈论集中度风险，对吧？我们显然希望OpenAI有大量业务，但也希望有其他客户。所以我们在调配需求。要知道，我们现在不是需求受限，而是供给受限。因此我们要以长远眼光，让需求与供给实现最优匹配。主持人Brad Gerstner：所以说到这里，Satya，你提到了4000亿美元的剩余履约义务(积压订单)，这是个惊人的数字。昨晚你说这是今天已签约的业务，明天随着销售继续肯定还会增加。你说仅为了消化这些积压订单就需要大量建设产能。这些积压订单的多元化程度如何？你有多大信心这4000亿能在未来几年转化为收入？Satya Nadella：这4000亿的合同期限很短，平均只有两年。所以我们肯定有意愿完成。这也是我们大规模资本支出的原因之一——我们非常确定需要消化这些积压订单。而且正如你所说，订单来源相当多元化，既有我们自己的第一方需求（实际上相当高），也有第三方客户。现在我们看到越来越多其他公司在构建真正规模化的工作负载。所以我们对此很有信心。RPO(剩余履约义务)最大的好处就是可以提前规划。这还不包括250(亿)的额外需求，那些合同期限更长，我们会相应建设。主持人Brad Gerstner：现在有很多新进入者加入算力建设竞赛，比如甲骨文、Core Weave、Crusoe等。通常这会压缩利润率，但你们却在保持Azure健康运营利润率的同时完成了这些建设。微软如何在这个竞争对手们高杠杆、低利润率运营的环境中竞争，同时平衡利润和风险？你有看到竞争对手做的某些交易让你摇头说"这又要重演泡沫破裂周期了"吗？Satya Nadella：某种程度上，对我们来说好消息是，作为超大规模云服务商，我们每天都在竞争——微软、亚马逊、谷歌之间的竞争非常激烈。有个有趣的现象：大家都说计算、存储是商品化的，都在问"怎么可能有利润率？"但只有在规模化时才不是商品。所以我们必须要有成本结构、供应链效率、软件效率持续复利增长，才能确保在规模化下有利润率。Satya Nadella：我真正喜欢OpenAI合作的一点是它给我们带来了规模。这是个规模游戏。当你的云上运行着最大的工作负载时，意味着我们会更快学习如何规模化运营，成本结构会比其他人下降得更快。这会让我们在价格上更有竞争力。所以我对我们保持利润率的能力很有信心，这也是产品组合的帮助。Satya Nadella：我一直说，我是被迫提供Azure单独数据的。因为从根本上，我从未真正分配过——我的资本配置是针对整个云业务的，无论是Xbox云游戏、Microsoft 365还是Azure，这是一笔统一的资本支出，从微软角度看一切都是按用量计费的。关键问题是，这些的加权平均值应该符合公司需要的运营利润率。毕竟，否则我们为什么不是个企业集团？我们是一家拥有统一平台逻辑的公司，不是在运营5、6个不同业务，这5、6个业务的存在只是为了让云和AI投资产生复利回报。主持人Brad Gerstner：关于"循环收入"已经有很多讨论，包括微软给OpenAI的Azure积分被计入收入。你怎么看AMD那种用10%股权换交易的做法，或者英伟达的交易？我不想过分担心，但确实想直面CNBC和彭博每天都在讨论的问题——市场上有很多这种交织在一起的交易。当你在微软的背景下思考这些，会担心AI收入的可持续性或持久性吗？Satya Nadella：首先，我们那135亿的投资都是用于训练的，没有被计入收入。那才是我们获得股权比例的原因，那才是我们拥有27%或135亿的原因。Satya Nadella：这些投资并没有进入Azure收入。实际上，Azure收入纯粹来自ChatGPT的消费收入以及他们推出并货币化的API，我们只是按使用量收费。至于其他公司的做法，供应商融资一直都存在，不是什么新概念。当有人在构建产品，他们有客户也在构建产品但需要融资时，这很常见。有些形式可能比较新奇，显然需要投资界仔细审视。Satya Nadella：但融资本身不是新概念。有趣的是，我们没必要做那些。我们要么投资OpenAI并以算力换取股权，要么以优惠价格卖给他们算力帮助他们起步。其他人选择不同做法。我认为循环收入最终会被需求检验，因为只要最终产出有需求，这一切就能运转。到目前为止确实如此。主持人Brad Gerstner：我想转到软件应用这块——你说过超过一半业务在软件应用。去年你说过，很多应用软件只是坐在CRUD数据库上的薄薄一层。Satya Nadella：业务应用的概念可能会在AI代理(Agent)时代全部崩溃。因为你想想，它们本质上就是带有一些业务逻辑的CRUD数据库。而业务逻辑都会转移到这些AI代理上。主持人Brad Gerstner：公共软件公司现在的远期市盈率大约是5.2倍，低于过去十年7倍的平均水平，尽管市场处于历史高位。人们担心SaaS订阅和利润率可能被AI冲击。那么今天AI如何影响你们软件产品的增长率？比如那些核心产品——数据库、Fabric、安全、Office 365？第二个问题是，你们在做什么确保软件不被颠覆，而是被AI增强？Satya Nadella：是的，我认为是这样的。上次我们讨论这个问题时，我的核心观点是：SaaS应用的架构正在发生改变，因为AI代理层正在取代传统的业务逻辑层。过去我们构建SaaS应用的方式是：数据层、逻辑层和用户界面层紧密耦合在一起。但坦白说，AI并不遵循这种耦合方式，因为它要求你能够解耦这些层。上下文工程将变得非常重要。拿Office 365来说，我特别喜欢微软365产品的一点是：它的单用户平均收入(ARPU)低，但使用率高。想想看，Outlook、Teams、SharePoint、Word或Excel，人们一直在使用这些工具，创造大量数据，这些数据都进入了微软的知识图谱。而我们的ARPU很低。这让我对AI层充满信心——我可以通过开放所有数据来实现它。事实上，Brad，一个有趣的现象是：多亏了AI，无论是Github还是Microsoft 365，流入知识图谱或代码仓库的数据量都达到了历史新高。想想看，生成的代码越多（无论是通过Codex、Claude还是其他工具），这些代码都去了哪里？Github。创建的PowerPoint越多，Excel模型越多，所有这些文件，还有聊天对话、新文档，它们都进入了知识图谱。所有这些都是用于AI"基础化"(grounding)的必需品。你把它们转换成正向索引，再转成嵌入向量，这些语义信息就是你用来为任何AI代理请求提供基础的东西。所以我认为，下一代SaaS应用必须这样构建：如果你是高ARPU、低使用率，那就有点麻烦了。但我们恰恰相反——我们是低ARPU、高使用率。我认为任何能够这样构建的公司都可以把AI作为加速器。看看M365 Copilot的价格，它比我们卖的任何其他产品都贵，但它的部署速度更快，使用率更高。所以我对我们所有的编码产品都很有信心。再看Github，谁能想到呢？Github在过去15年或10年里做的事情，在去年一年就完成了。为什么？因为编码不再只是一个工具，它更像是对人工工资的替代。所以这是一种完全不同的商业模式。主持人Brad Gerstner：思考一下技术栈和价值分配的问题。直到最近，云计算主要运行的是预编译软件，不需要太多GPU，大部分价值都归于软件层——数据库、CRM和Excel这样的应用程序。但未来似乎会不同：这些界面只有在智能化的情况下才有价值。如果它们只是预编译的，那就太笨了。软件必须能够思考、行动和提供建议。这需要生成这些token（标记），处理不断变化的上下文。所以在那个世界里，似乎更多的价值会流向AI工厂——流向黄仁勋（Jensen，英伟达CEO）帮助以最低成本生产这些token的环节，流向模型本身。也许AI代理或软件未来获得的价值会比过去少一些。请告诉我为什么我这个想法是错的。Satya Nadella：我认为要驱动AI的价值，有两件事是必要的。第一个是你描述的token工厂。如果你深入拆解token工厂，它包括硬件芯片系统，还包括如何用系统软件最高效地运行它，实现所有资源的可替换性和最大利用率。这就是超大规模云服务商(hyperscaler)的角色。什么是超大规模云服务商？有人可能会说："很简单，我买一堆服务器，连接起来运行就行了。"不是那么简单的。如果真那么简单，现在就不会只有三家超大规模云服务商了。超大规模云服务商的价值在于运行token工厂并实现最大利用率的专业知识。而且，这不会是单一的，未来会是异构的。黄仁勋（英伟达）很有竞争力，Lisa（AMD CEO苏姿丰）会推出产品，Hock（博通）会生产芯片，我们也会做自己的。所以最终会有一个组合。你需要运行一个异构的设备群，优化token吞吐量、效率等等。这是一项工作。Satya Nadella：第二个是我所说的"代理工厂"(agent factory)。记住，现代世界的SaaS应用是为了驱动业务成果。它知道如何最高效地使用token来创造商业价值。Github Copilot就是一个很好的例子。Github Copilot的自动模式是我们做过最聪明的事情。它会根据提示选择使用哪个模型来完成代码或任务交接。你这样做不是随机选择，而是基于反馈循环、评估和数据循环等。所以新的SaaS应用，正如你所说，是智能应用，它们针对一组评估标准和一组成果进行优化，知道如何最高效地使用token工厂的输出。有时延迟很重要，有时性能很重要。知道如何聪明地做这种权衡，这就是SaaS应用的价值所在。但总体而言，确实这次软件会有真实的边际成本。在云时代也有边际成本，当我们做CD-ROM时，边际成本不大。有了云之后，就有了。这次边际成本会更高。因此，商业模式必须调整，你必须对代理工厂和token工厂进行这些优化。主持人Brad Gerstner：另外，说到你们。你们有一个很大的搜索业务，大多数人并不了解。但事实证明，这可能是历史上最赚钱的生意之一，因为人们在进行大量搜索，数十亿次搜索，而对于微软来说，完成一次搜索的成本只是几分之一美分，对吧？完成一次搜索的成本非常低。但是今天当你使用聊天机器人时，类似的查询或提示栈看起来就不一样了，对吧？所以我想问的是，我假设这两种业务未来会有相似的收入水平，对吧？你们是否会达到一个点，让聊天交互的经济效益能够像搜索一样赚钱？Satya Nadella：我认为这是一个很好的观点，因为搜索在其广告单元和成本经济学方面确实很神奇——有一个索引作为固定成本，你可以用更高效的方式分摊。而现在这个（聊天模型），就像你说的，每次聊天你都要消耗更多的GPU运算周期，无论是意图理解还是信息检索。所以经济模型是不同的。这就是为什么我认为早期聊天的经济模型很多都是免费增值模式，以及消费者端的订阅制。所以我们还在探索，无论是代理商务还是其他什么形式的广告单元，它将如何运作。Satya Nadella：但同时，事实是现在我知道，实际上我使用搜索主要是用于非常具体的导航查询。我以前常说我很多时候用搜索来购物，但现在这也在转向我的Copilot助手。看看Edge和Bing中的Copilot模式，或者Copilot本身，它们现在正在融合。所以我认为，是的，就像我们谈到的SaaS颠覆一样，会有一个重新调整的过程，在开始阶段，那个类别的消费者经济学会有一些变化。主持人Brad Gerstner：我的意思是，考虑到这是一个价值数万亿美元的市场，这是驱动整个互联网经济学的东西，对吧？当你和谷歌的搜索经济学发生转变，并汇聚到更像个人代理、个人助理聊天的形式时，你知道，这最终可能在为人类提供的总价值方面要大得多。但对于单位经济学来说，你不再只是分摊这个一次性的固定索引成本了。Satya Nadella：没错。我认为在消费者类别上，因为你提到了一个我经常思考的话题，对吧？就是在这些颠覆期间，你必须真正理解类别经济学是什么，是赢家通吃吗？这两者都很重要，对吧？消费者领域的问题始终在于时间是有限的。所以如果我不做一件事，我就在做另一件事。如果你的盈利模式依赖于某种人类交互行为，特别是如果真的有代理化的东西，即使在消费者端，情况也可能不同。而在企业市场，一是它不是赢家通吃，二是它对代理化交互会更友好。Satya Nadella：所以这不像按席位收费与按使用量收费的对比。现实是代理就是新的席位。所以你可以把它理解为企业的盈利模式要清晰得多。消费者的盈利模式，我认为还比较模糊。主持人Brad Gerstner：你知道，我们最近看到一波裁员潮，亚马逊本周宣布了大规模裁员。科技七巨头在过去三年里几乎没有增加就业，尽管营收非常强劲。你的员工数从24年到25年也没有真正增长，维持在22.5万左右。许多人将此归因于常规的瘦身，就是在疫情后变得更高效。我认为这有很多道理。但你认为这部分是由于AI吗？你认为AI会是一个净就业创造者吗？你认为这对微软的长期生产力是积极的吗？对我来说，感觉是蛋糕变大了，但你可以更高效地做所有事情，这意味着要么你的利润率扩大，要么意味着你重新投资这些利润并更快更长久地增长。我称之为利润率扩张的黄金时代。Satya Nadella：我坚信生产力曲线确实会改变，从某种意义上说，我们将开始看到工作和工作流程的变化。特别是在任务层面，因为这些工具的力量，你将拥有更多自主权来完成工作。我认为这种情况会发生。这就是为什么我们内部，比如当你谈到我们对算力的分配时，我们想确保微软的每个人都标配，对吧？他们都拥有Microsoft 365，以最无限制的方式使用，并拥有Github Copilot，这样他们就能真正提高生产力。Satya Nadella：但另一个有趣的事情是，Brad，我们正在学习的是有一种新的学习方式，对吧？就是如何与代理一起工作，对吧？这就像当Word、Excel、PowerPoint在Office中首次出现时，我们学会了重新思考。Satya Nadella：比如说我们如何做预测，对吧？我是说，想想看，在80年代，预测是通过内部备忘录和传真之类的。然后突然有人说，哦，这里有个Excel表格，让我们把它放在电子邮件里，发送给大家，人们输入数字，这就成了预测。Satya Nadella：同样，现在任何规划、任何执行都从AI开始。你用AI研究，用AI思考，与同事分享等等。所以正在创建一种新的工件和新的工作流程。而业务流程的变化速度与AI能力相匹配，这就是生产力效率提升的关键所在。能够掌握这一点的组织将成为最大的受益者，无论是在我们的行业还是在现实世界中。主持人Brad Gerstner：有人问：微软是否从中受益？想想几年后，假设五年后你们的收入翻倍，Satya（微软CEO），你们会增加多少员工？Satya Nadella：现在最让我印象深刻的是微软员工们的实际案例。比如负责我们网络运营的那位同事，她要管理我们刚在费尔沃特建的2千兆瓦数据中心铺设的大量光纤网络，还要跟全球400多家光纤运营商打交道。每次出问题，都要处理各种运维流程，工作量巨大。她跟我说："我不可能拿到足够的人员编制来做这些事。就算批了预算，我也招不到那么多人。"所以她做了件聪明事——自己开发了一堆AI智能体（agents）来自动化运维流程，处理日常维护工作。这就是一个典型例子：一个团队利用AI工具大幅提升了生产力。Satya Nadella：回答你的问题：我们会增加员工，但关键在于——同样的员工数量，在AI时代能发挥比以前大得多的作用。这就是结构性调整。你说的"瘦身"，我更愿意理解为让每个人重新学习工作方式。不是改变做什么，而是改变怎么做。这个"遗忘旧方法、学习新方法"的过程大概需要一年左右。之后的员工增长会带来最大化的效益。主持人Brad Gerstner：是的，我们正站在生产力大幅增长的边缘。跟你或迈克尔·戴尔（Dell CEO）交流时发现，大多数公司甚至还没真正开始——可能连第一局第一个击球手都算不上——他们还没开始重组工作流程来最大化利用这些AI智能体。但未来2-3年，大量的效益提升会显现出来。我是乐观主义者，我相信整体上会创造更多工作机会。但对企业来说，他们的员工增长速度会慢于收入增长速度——这就是企业的生产力提升。所有企业加起来，就是整个经济的生产力提升。然后我们会把这些收益投资到创造以前不存在的新东西上。Satya Nadella：100%同意！就拿软件开发来说，没人会认为我们的社会不需要更多软件工程师，因为现实是每个组织都有大量积压的IT项目。这些AI智能体会帮我们解决这些积压的工作。想象一下"常青软件"（永远更新维护的软件）的梦想即将成为现实，再想想对软件的需求会有多大。所以知识工作的层次会改变，我们会适应这种改变，工作和工作流程会调整，这甚至会改变整个行业对产品的需求。主持人Brad Gerstner：最后谈谈美国的再工业化。如果把你们这些大型美国科技公司未来4-5年投资的4万亿美元资本支出加起来，按通胀或GDP调整后计算，大约是曼哈顿计划（二战原子弹项目）的10倍规模。这对美国来说是个巨大的项目。总统已经把重新谈判贸易协议作为政府的优先事项。现在看起来我们已经获得了数万亿美元的投资承诺——仅今天韩国就承诺向美国投资3500亿美元。 你怎么看美国在电力生产、电网建设等方面的进展？怎么看这次再工业化的进程？对未来几年有多乐观？Satya Nadella：是的，我知道我感到非常乐观，因为从某种意义上说，Brad Smith跟我讲过关于我们威斯康星州数据中心周边经济的情况。这非常有意思。大多数人以为我们的数据中心就是一个大仓库，全自动化运行。这在很大程度上是对的。但首先，建造那个数据中心所需要的投入，以及数据中心的本地供应链。从某种意义上说，这就是美国的再工业化。Satya Nadella：没错。甚至在你看到亚利桑那州台积电的计划之前，或者美光在存储芯片方面的投资，或者英特尔的晶圆厂等等项目之前，对吧？我们想要开始建造的东西有很多。Satya Nadella：这并不意味着我们不会与其他国家达成对美国有利的贸易协定。但就你说的这点来说，为了新经济而进行的再工业化，确保所有的技能和从电力开始的所有产能，我认为对我们来说都非常重要。Satya Nadella：还有一件事我也想说，Brad，这很重要，我也有机会跟特朗普总统以及卢特尼克部长等人谈过这个问题——重要的是要认识到，我们作为美国的超大规模云服务商也在全球投资。换句话说，美国是全球计算工厂或者说"代币工厂"的最大投资者。我们不仅吸引外国资本投资我们的国家以便我们能够再投资，同时也要意识到，我们正在帮助欧洲、亚洲、拉丁美洲和非洲，通过我们的资本投资，把美国最好的技术带到世界各地，让他们可以在此基础上创新并信任这些技术。所以这两方面，我认为对美国的长远发展都非常有利。主持人Brad Gerstner：我很感激你的领导力。Sam在OpenAI真的在为美国冲锋陷阵。我认为这是一个特殊时刻，展望未来，你可以看到4%的GDP增长就在眼前。我们会有挑战，会有起伏。这些往往是阶梯式上升，而不是直线上升。但就我个人而言，我看到华盛顿和硅谷之间、大科技公司和美国再工业化之间正在进行的协调合作，这让我充满了难以置信的希望。看着本周总统和他的团队在亚洲取得的成果，再看看这里正在发生的事情，真是太令人兴奋了。所以感谢你抽出时间。我们是你的忠实粉丝。谢谢。谢谢，ACHA。Satya Nadella：非常感谢，Brad。谢谢你。主持人Brad Gerstner：提醒大家一下，这些只是我们的观点，不构成投资建议。
-
山姆加上阿里味，会员们会买单吗？ 「核心提示」 品控失守，山姆的护城河开始“漏水”了吗？ 作者 |詹方歌邢昀10月27日，沃尔玛中国对外公布了新任山姆会员店总裁的人选——在阿里待了近10年的刘鹏。一些网友表示不理解山姆为什么需要一位来自互联网大厂的总裁。也有山姆会员调侃：“这下普通会员写周报，卓越会员要写日报。”《商业观察家》报道称，10月中旬，沃尔玛全球CEO董明伦曾低调到访中国，任命刘鹏的决定很可能是当时作出的。事实上，刘鹏不是这波管理层变动中唯一被换上的大厂人。有媒体报道称，曾辗转于京东、阿里和字节跳动的杨小梅目前回归沃尔玛中国，任山姆采购运营副总裁。显然，沃尔玛高层希望这些深耕中国电商产业的管理者，为山姆带来新的改变。一手精选产品，实现规模化和性价比，一手收会员费用，山姆的商业模式一直是诸多商超品牌学也学不来的典范。今年以来，山姆的确面临着前任CEO退休后的阵痛。选品问题被诟病、质量问题频发，不少消费者表示，自己今年不想再续卡。另一边，山姆以前置仓为根基的电商业务占比逐渐升高，但面临的市场竞争也愈发激烈。山姆的老问题，能用新思路来解吗？1、选品争议卖产品和收会员费，一直是山姆最核心的商业模式。一方面，开发精选产品，放弃一部分市场来实现规模化，打出性价比。另一方面，依托这种强大的选品能力和面对品牌的议价能力，山姆每年向用户收取260元或680元的会员费。这其实是一种用户筛选，也可以增强用户粘性。某种程度上，人们花钱办山姆的会员，就是不想花时间精力挑选商品，“随便选也能买到质量好、性价比高的商品”，这才是山姆最强的用户心智。强大的选品和供应链能力是山姆商业模式成立的根基。而在这波从年初蔓延至今的负面舆情中，山姆最受人诟病的恰恰是选品能力的下降。山姆花费近30年在中国用户心中构建起的、有关品质的“护城河”正在瓦解。今年7月，有网友发现，山姆所售卖的食品正在偷偷“降级”。高复购率的太阳饼、低糖蛋黄酥都被下架，取而代之的是卫龙辣条、好丽友派等楼下便利店就能买到的大众化商品。虽然好丽友方面表示，在山姆售卖的派是定制款，在减糖的基础上增加了可可含量，但此前好丽友使用代可可脂的印象已经深入人心，难以扭转。另外，还有消费者发现，山姆销售的有机大豆从原来的一级降为了三级。随后，山姆会员商店官方客服在回复媒体采访时坦率表示，品质确实有所下降。从时间上来看，山姆一系列的舆情发生于今年1月前任CEO文安德退休后。因此不少消费者将山姆质量的下滑归咎于代理总裁Jane Ewing的接任。但事实上，2024下半年，沃尔玛财报会上就已经开始强调增长和利润，Jane Ewing的接任只是将集团的任务贯彻至山姆，要求山姆的所有品控流程向沃尔玛全球体系对齐，减少冗余环节，提升效率。一个具体的例子是，2024年1月，山姆首席采购官张青在接受媒体采访时透露，其认为好产品源自慢功夫，山姆的商品规划期通常是12-18个月。今年7月，《每日人物》报道称，山姆已经将市场调研到上架时间缩短至半年内。如此对于效率的极致追求，选品质量的下滑也就不难理解了。作为高端超市的代表，山姆的会员付出会员费用是期望获得超出一般品质的产品。但今年9月山姆被爆出的两则处罚则让人们意识到：和其他商超一样，山姆也在践踏质检红线。上海市场监督管理局的公告显示，山姆被爆出的两种不合格产品均为儿童用品：天丝儿童三件套的印花面料耐摩擦色牢度不符合规定，而FILA牌滑板车中用于包装或玩具中的塑料袋或塑料薄膜可能导致儿童产生窒息风险。公告显示，此事发生于2024年。这也意味着，山姆的翻车其实比大家感知的更早。面向儿童的商品出问题，无疑是动了山姆的客户基本盘。作为仓储型超市，山姆的商品以量大质优出名，家庭人数多的有娃中产家庭，是山姆基数最大的客群。2、会员费我不想掏了“不续费了”，是社交平台上人们对于山姆一系列产品问题的最直接反馈，可见选品问题对会员信任的影响直接而深远。值得注意的是，影响会员续费的因素其实不止选品，还有山姆的隐形产业链——代购。根据山姆的购买规则，只有会员才能进入山姆会员店结账，也只有会员才能使用山姆的电商配送功能。但“上有计策，下有对策”，山姆在中国拓展的近30年中，代购产业链已经发展得相当完善。山姆资深会员小于告诉《豹变》，不少代购与山姆店员有联系，能够迅速获取商品的折扣和优惠信息，还有代购早上5点起床去等山姆开门，以便第一时间疯狂揽货。“有一次飞利浦电动牙刷100多一套，代购抢，普通会员都买不到，着急的就从代购的购物车上拿。”小于说。小刘面对的情况则更为荒诞。她本身就是山姆会员，但因为抢不过代购，也只能去电商平台的代购店下单。“比如Staub的铸铁锅，根本就不需要用卡，找代购买只需要多付一个小运费。”小刘说。据《豹变》了解，很多山姆代购看中的是卓越会员卡2%的回馈金，消费者不用加太多价就能买到代购商品。可以说，代购产业越发达，消费者越没有向山姆付费开卡的必要。尤其是在品控下降后，不少消费者的心态转变为，有需要找代购买就可以，没必要自己掏一年会员费。这实际上暗示了消费者复购率的潜在下降。那么山姆为什么还能够对代购睁一只眼闭一只眼呢？其中一个原因是，代购在一定程度上为山姆拓宽了辐射范围，尤其是下沉市场。商超模式中，山姆是投入巨大的重资产模式，每开一家店都需要谨慎以平衡成本。在1996年到2017年之间，山姆只在中国开出了19家门店。随后，山姆虽然进入了高速扩张期，但仍对在下沉市场开店十分忌惮。一个佐证是，2025年，山姆首次全年开店数量突破10家，但新增店面仍然在二线及周边城市，如合肥、武汉江岸、中山、佛山顺德、无锡惠山等。借由代购，山姆不但能够在下沉市场赚到售卖商品的钱，又不需要付出任何额外成本，是一条没有摆上台面的营收之路。来自大连的前山姆代购小莫告诉《豹变》，自己家门口的小超市就能提供山姆的代购服务，在当地大学的超市里也能够轻松买到山姆瑞士卷的分装。去年冬天，“宝妈分瑞士卷”的网络热梗爆火，他们只靠在大学门口摆摊，一个傍晚就能卖出四大盒的瑞士卷，总共64个。他们的摆摊地点离山姆比较远，利用山姆的极速达服务也只能跑一半，他们就开车去接。直到今天，县城的山姆代购仍然称得上一门赚得到钱的好生意。“我们不做了，但身边也不断有人在做。”小莫说。在选品问题爆发之前，线下会员还能够用商品的高性价比说服自己持续付费，现在选品的核心优势不稳，代购引发的会员续费问题也变得愈发尖锐起来。3、外部竞争者追赶店越开越多，算账的压力越来越大，为了拓展辐射半径，山姆近年来开始将发展重心放在线上电商渠道的建设上。官方信息显示，山姆电商业务占比目前已经超过50%。然而，山姆线上渠道所面临的竞争者，个个都不是吃素的。山姆所深耕的一、二线城市和富庶地区的县域经济带，恰好和生鲜、即时零售平台希望铺开的市场一致。在这两个赛道里，有曾经对山姆虎视眈眈的盒马、小象超市、叮咚买菜，也有财力雄厚淘宝闪购和美团闪购。从这个角度来看，或许能够稍微理解山姆换上两位来自电商大厂的管理者的决定。刘鹏拥有“丰富的中国零售及全渠道经验”。换上来自竞争对手的管理者，至少能知己知彼。这些后入局的平台一方面都在加大自营品类，甚至是复刻山姆供应链和选品，另一方面持续用大额补贴攻占市场。一直以来，山姆奉行着“宽SPU、严SKU”的原则，即商品品类丰富，用户能够同时在超市里买到儿童滑板车和新鲜的牛肉，但每个品类的商品都只有几种产品可供选择。随着平台商家的丰富，用户能迅速用即时零售买到比山姆更丰富的商品。而山姆自配送效率的提升难度也远比阿里、美团等大厂要高。更重要的是，其他生鲜和即时零售平台面向的客群远比山姆广阔。山姆的配送服务有高至99元或299元的起送价格和与线下店一样的大包装。一、二线城市家庭模式更为多元，选择足够多的情况下，小家或单身客群几乎不会将山姆列在考虑范围之内。理性来看，此后很长一段时间内，山姆最大的优势都仍将是商品的性价比。山姆资深会员小于对《豹变》展示了自己购入的儿童家居服套装。折扣时期，两条装的儿童防蚊防螨裤只要33元，而且质量相当好。“不起球，衣服上的图案也不掉色。”小于说。电商平台上，同品牌幼儿纸尿裤的价格，即便是双11期间，也要比山姆的日常价格贵上不少。如今，山姆中国管理层们最紧迫的任务，或许不是为山姆贴上新的电商标签，而是如何用最传统的零售方式，回归选品的苛刻、坚守品质的底线，来重新擦亮那块已被磨损的信任基石。（应受访者要求，文内均为化名）
-
今天，智能技术如何赋能“城市，让生活更美好”？ 不久前，在上海举行的2025世界城市日城市可持续发展全球大会上，一项名为 “城市多灾种早期预警智能体（MAZU-Urban）共建行动计划”的项目发布。这一大会核心推介成果，吸引了众多与会者的目光。MAZU-Urban以人工智能技术为核心引擎，是上海气象部门牵头研发推广的第一款全球共享产品，旨在为世界防灾减灾提供“中国方案”。从中不难看出，智能技术正越来越深度嵌入城市的发展和治理，“智慧”二字，前所未有地和城市的命运紧密联系在一起。10月31日是世界城市日，15年前，上海世博会在这天闭幕。这个特殊日子所秉承的，正是上海世博会“城市，让生活更美好”的理念。在新的时代背景与技术条件下，如何实现这一美好愿景，显然需要探索更富想象力的路径。其中关键，便是“智慧”。正如2025“城发大会”主题所言，创新发展，共建以人为本的智慧城市。二十届四中全会提出，“坚持智能化、绿色化、融合化方向”“深入推进数字中国建设”。从城市发展的角度来看，“智慧”所指向的，不是当下一时一地的“小修小补”，而是事关长远的多维度战略谋划，既涵盖公共基础设施、住宅房屋建筑等具体可感的实体更新，也涉及城市管理模式、治理理念等观念层面的迭代。相关工作在“十五五”规划建议中已有明确部署，例如推进传统基础设施更新和数智化改造、建设安全舒适绿色智慧的“好房子”等等。城市智慧转型与发展阶段密切相关，牵涉多重背景。一方面，中国的城市发展，正从过去大规模增量扩张的阶段，转向以存量提质增效为主的阶段。这意味着，以往粗放式的模式将越来越难以为继，精细化成为必然要求，城市发展要更多依靠创新驱动；另一方面，今天，以各类新技术为代表的科技浪潮蓬勃兴起，为城市智慧转型提供了前所未有的技术支撑。特别是人工智能技术的迅猛发展，正为城市的智慧化发展注入强劲动力。在交通管理、公共安全、环境检测等诸多方面，人工智能以其强大的数据处理能力，帮助城市管理者更加主动、敏锐地感知城市脉搏，更加科学、精细地进行治理决策，从而实现资源配置的优化和城市运行效能的全面提升。“十五五”规划建议提出，全面实施“人工智能+”行动，加强人工智能同社会治理等相结合，全方位赋能千行百业。诸多顶层部署，深意正在于此。当然，要让智慧城市的蓝图照进现实，离不开科技创新的支撑，要进一步持续加大研发投入，突破关键核心技术，更好地发挥科技对城市发展的赋能作用。在此基础上，城市治理的理念也应随之升级，特别是在数据、信息等层面，要从传统的相互独立、分割的模式，进一步向开放、共享的方向转变，打破壁垒，注重协调，实现“1+1大于2”的效果。多年来，上海在城市治理和智慧转型方面积累了诸多优势和经验，有能力也有责任在这方面做得更好，更应发挥示范引领的作用，与全国乃至全球城市共享经验，让创新发展的成果和城市治理的智慧，惠及更多民众，促进共同进步。说到底，无论城市如何演进，发展的目的始终未变，就是要让人居住得更舒适、更美好、更有尊严。所有智慧化的努力，最终都应当指向提升每一位市民的获得感、幸福感和安全感。正如“十五五”规划建议所擘画的，我们要建设的，是创新、宜居、美丽、韧性、文明、智慧的现代化人民城市。这既是上海人民城市建设的应有之义，也是“城市，让生活更美好”的理想愿景在今天的生动实践。原标题：《上观时评 | 今天，智能技术如何赋能“城市，让生活更美好”？》栏目主编：简工博 题图来源：上观题图来源：作者：解放日报 顾杰
-
别羡慕自由职业者了 本文来自微信公众号：Montane手帐，作者：MontaneHuang，原文标题：《在中国，自由职业难做的3大门槛（一）》，题图来自：AI生成这几年，“自由职业者”这个词越来越频繁地出现在朋友圈和各类社交媒体上。我最早接触这个概念，还是5、6年前，因为我的老姐妹逗逗，她真真是个奇女子，从互联网运营转成了独立手作艺术家的故事值得我再写一篇（此处mark一个flag）。那个时候，“自由职业”这个标签在国内还没有那么盛行，更多的是“斜杠青年”。逗逗曾说，她是斜杠青年。那会儿在国内，像她这样的选择——从互联网到独立手作艺术——几乎没有参照系，也很少人真的能靠它养活自己。前两年问起逗逗，她还跟我说，自由职业不好做，很难生存，所以为了生存不得不做很多其他事情。这两年她好像才逐渐好起来，我始终相信，这得益于她的坚持，也因为她的才华和她的热爱，终于等到了被看见的时候。我还有一位国外的朋友，Tiger，也是自由职业者，从事技术相关的工作。当然，他在他的领域里实力非常，想当初我受困于抽象无比的Haskell作业的时候，没少叨扰他请教帮忙，此处，再次一万个感谢Tiger（尽管他或许永远无法读懂我的内容）。他的生活应该是很多人理想中的样子：时间灵活、工作地点不限、收入自由增长……他会每年定期去日本滑雪打卡，有一阵我常会收到他给我发的雪景照片，还有他在各种国家的旅游照片。讲真，我很羡慕，我相信读到此处的你们，也很羡慕吧。自由职业，像是一种逃离打工焦虑的新生活方式，让人向往。但当你真的准备去做，或者像我一样，时常接触到那些长期以自由职业为生的人，你或许也会忍不住探究：如果我想从事自由职业，现实究竟是怎样的？于是，你可能会发现一个残忍的真相：自由职业的“自由”，往往只是外表，底下是层层焦虑、内卷和隐形且持续的生存压力。所以很多人并不是一下子“全职自由”，而是从副业开始，慢慢尝试。这也解释了“斜杠青年”为什么会成为一个时代标签——大部分情况下，副业对于大多数人而言，不是阶段性的，而是长期状态。从我观察和接触的案例来看，“自由职业者”在国内仍是一种边缘状态。它看似自由，其实是一个深度与系统性缺乏保护的结构性困境。通俗些说，自由职业难做，并不是因为个人的不努力，也不完全是平台机制不完善，更不是因为“大家都太卷了”。它之所以难，是因为这条路背后隐藏着三重门槛，我将它们总结为：1. 能力门槛：你作为独立职业者必须具备能力独立完成整个闭环，从获取客户到交付结果。2.信任门槛：客户信不过个体，平台信不过你，社会也还没准备好接纳你。3.市场门槛：客户付费意愿低（社会体制和信任门槛造成的）、平台生态混乱、政策保障不到位。这些门槛不是线性叠加的——你越往上走，越会发现下面那一层还没有稳固。也就是说，它不是普通意义上的“职业难度”，而是一种从结构上就没被准备好的生存挑战。 能力门槛：你得有一个人撑起一家公司的极致自律 很多人以为自由职业者只是“自己接单干活”，本质上和上班差不多，无非是少了个老板。真正走上这条路的人，或许才能明白，自由职业最早卡住人的地方，不在专业技术，而在“一个人撑起完整闭环”的能力。我们尝试回想一下，在公司里，你也许只需要专注于职责范围：设计师只需要做图，写手只需要写稿，程序员只需要敲代码——上下游环节都有团队支撑。而当你成为一个自由职业者，哪怕只是完成一个普通项目，也要亲自承担所有流程：找客户、谈价格、写方案、签合同、做交付、跟修改、收尾款、开发票、记账……你不再只是“一个岗位的人”，而是一个微型企业的CEO、BD、PM、客服、财务和创作者，通通是你一个人。这是对时间管理、自我驱动和情绪韧性的全面挑战。更何况，自由职业并不止于做项目。许多人以兴趣为起点，从手工艺、插画、骑行摄影等爱好出发，试图通过自媒体打造自己的个人IP。但当你真正想靠它养活自己，就会发现：不仅要产出内容，还要规划选题、设计产品、优化运营、研究变现逻辑、回应读者留言、与客户谈合作，甚至要拍视频、剪辑、上架商品、处理退货。这些都不是“加一点运营能力”那么简单，而是要具备一套完整的、自我驱动的、系统性做事的能力。没人监督你工作，也没人替你收拾烂摊子。你必须非常清醒地知道：没人为你的人生负责，只有你自己。只会做，不会谈；只会产出，不会经营；只会熬夜完成任务，不会为下个月的收入做规划。这就是自由职业的第一个门槛。你慢慢会感受到，你要练的，不只是技术，而是自我成为一个系统的能力。而能力门槛，在今天的网络时代似乎不算什么关键了。人人都能发声，人人都能开个号、挂个链接、做点展示，有时看起来，好像只要运气好、内容被推上去，你就能，看上去，自由成功。但这恰恰容易让人误判这条路的本质：自由职业不是爆一条流量视频、接一个爆单项目，而是长期构建“可持续、可复购、可成长”的个人系统。这才是穿越浮躁、长远走下去的底层逻辑。 信任门槛：“有单位”，约等于“可信任” 即便你能力足够强，接下来你会撞上的，是第二道更隐蔽却更扎心的门槛：信任。设想一下，当你说你是设计师，对方第一反应是不是：你在哪儿上班？你说你做开发，对方或许会问：有没有公司？能不能开发票？这些反应背后，愚以为，是一种根深蒂固的文化逻辑：单位可为你背书，而不是你自己。也就是说，自由职业者们天然处于信任劣势： 客户不敢签你，不是因为你能力差，而是因为你是个人不是公司； 你无法开票，项目就直接被pass； 平台上明明你作品最专业，客户还是选了那个报价更低、但有公司logo的账号很多人不理解，为什么国外的freelancer能活得很好？除了市场结构和付费习惯不同，更核心的原因是：他们有制度性的信任机制作为支撑：平台背书、合同保障、信用评级、仲裁机制，规则写得清楚，平台会站出来，客户敢放心合作。但在国内，现实往往是： 平台只撮合，不背书； 法律边界模糊，出了问题很难维权； 客户天然不信任个体，只信机构或熟人介绍这导致你做的每一个项目，几乎都要从头去“自证清白”：我是专业的，我是靠谱的，我不会跑路，也不会烂尾。更加棘手的是，哪怕你前面做得再好，客户临时砍价、无限修改、尾款赖账的事依然可能发生——不是因为你不努力，而是因为你不是”单位“的人。在这样的环境下，自由职业就不再是独立工作，更像是一次次与系统的博弈：你拿着个人身份去对抗对方的组织、流程、预算限制、法律盲区和习惯偏见。说白了，没有制度性信任机制的自由职业者，是靠碰运气和个人魅力，合同无法从根本上解决。这也解释了，为什么很多人会拼命在朋友圈、小红书这些媒体上发客户评价、晒好评截图、录视频讲案例——不是为了炫耀，而是为了建立“我值得信任”的信号塔。但这种信任的构建是脆弱的、不确定的。你不知道下一个客户是“好人”还是“刁民”，不知道这次合作是口碑积累还是烂摊子收尾。总结来说，在这样的结构里，自由职业不是职业，而是一场长期的信任博弈。 市场门槛：一边是客户不想多花钱，一边是平台也不想你赚太多 这是最后这一层，或许也是真正的瓶颈——目前的整个国内市场环境本身，并不鼓励自由职业者赚钱。先说客户这边：很多中小企业，对专业服务没有清晰的认知。他们更习惯的是：我发个需求，有几十个人来抢单，价格便宜、干活快。他们不会花时间分辨哪个设计师更有策略，哪个文案更有风格，哪个程序员代码更稳定。他们只看两个指标：价格够低、响应够快。久而久之，自由职业平台变成了一个比价的修罗场。不是拼作品，而是拼谁便宜、谁送得多、谁“好说话”。你开价高一点，对方会说：别人做这个只收 300，你凭什么收 1000？你认真做交付，对方反问：为什么不能无限修改？我在某宝买的都能改到满意为止。可能你想用专业换价值，但这个市场，还未学会为专业付费。我也遇到过类似的情况。有一次，有人找我聊一个智能硬件产品设计的项目。一开始说是产品实现，结果聊着聊着变成了产品策略、交互方案、用户研究样样都要我来出——但对方给出的报酬却低得离谱，甚至连正式合同都没有，连保障条款也说不清楚。说到底，我相当于是在“赔本做买卖”。那次之后，我才更深刻意识到，在自由职业市场里，你经常不是因为能力不被认可而接不到项目，而是根本没人愿意为“完整而专业的工作流程”付出合理成本。再从平台这边：很多人把希望寄托在平台上，期望它能提供流量、保障和信任，但现实是：大多数平台更倾向于维持“量大价低”的交易逻辑。他们不在乎你有没有复购客户，不在乎你作品是否专业，只关心平台的数据指标——成交量、活跃度、响应速度。他们不鼓励你成为专家，而更倾向于把你训练成一个“高响应、可压价”的流水线工具人。在这样的系统中，自由职业者很难真正建立起品牌价值和溢价能力。你永远在“比价 + 比勤奋”的生态里卷命，却很难通过“更好”获得“更贵”。而更残酷的现实是，很多人可能全年无休、节假日不停、凌晨还在交稿，但最后一算，年收入不一定比公司里的普通员工高。医保、社保、报销、保障……样样都要自己掏腰包。最终你会意识到：不是你不够努力，而是这个市场还没开始为你预留向上的通道。 那为什么，还是有人坚持自由职业？ 说到这里，你可能觉得，自由职业简直是“地狱模式”。但我仍然想说：这条路虽然难，却有它真实而深刻的意义。因为在我有限的理解里，自由职业，是在强迫我们去面对三个底层问题： 你是谁？ 你真正的价值在哪里？ 没有任何组织和头衔之后，你怎么活下去、怎么和这个世界建立连接？在单位里，你是那个产品经理、程序员、设计师，但当你成为自由职业者时，你只能靠你解决问题的能力活下去。这听起来残酷，但足够真实。它迫使你从被动的“职位拥有者”变成主动的“价值创造者”。它让你开始理解职业的本质不是“稳定”，而是“被需要”。的确，自由职业者不好做，因为这个社会还没有为“个体劳动者”准备好完整的生态系统。但它正在慢慢变化。你会看到或许正在看见：越来越多年轻人愿意以个人身份做事；越来越多客户开始关注“谁做得好”，而不只是“谁便宜”；政策和平台也开始讨论如何保护“灵活就业人群”。我们也许处在一个转折期，一个从“单位制社会”转向“个体价值社会”的过渡阶段。而自由职业者们，就是那个走在前面、最早承受风险、也最早收获自由的人群。所以，如果你正打算开始这条路，或者已经在这条路上走了一段，请务必坚定地相信两点： 自由从来不是一种状态，而是一种能力。 自由不是“少做点”，而是“把人生真正掌握在自己手里”。这条路不好走，但值得走。本文来自微信公众号：Montane手帐，作者：MontaneHuang本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。本文来自虎嗅，原文链接：https://www.huxiu.com/article/4799263.html?f=wyxwapp
-
AI投资大赛：DeepSeek回报率领跑，GPT亏麻了 这两天，A股时隔十年重新站上了4000点。跟以前的牛市不同的是，你需要知道：和你一起盯盘的，可能不只有人类，还有AI。近期，包括香港大学、Nof1、RockFlow等研究机构和公司开始尝试将量化交给AI。比较火的是Nof1举办的“Alpha Arena”AI投资实战竞赛。参赛选手包括DeepSeek、通义千问、Claude、ChatGPT等六个全球最前沿AI大模型。投资标的包括比特币在内的六种虚拟货币。据第一财经报道，主办方为了衡量AI投资能力，给每个模型账户发放了一万美元的启动资金，让它们在真实市场自主交易数字货币。对于一般的投资者，这个竞赛的意义则更直接：大模型真能赚钱吗？如果要让大语言模型来做“投资顾问”，谁是最好的选择？中国大模型遥遥领先，DeepSeek最高收益率超130%根据目前的战况，大模型在投资市场的表现，可以类比人类投资者：镰刀越投越锐，韭菜越投越绿。截至10月30日12时31分，DeepSeek以64.61%的投资回报率拔得头筹，历史最高收益率达到惊人的130%；Qwen（通义千问）紧随其后，投资回报率也有不错的23.63%；而最惨的是OpenAI的GPT和谷歌的Gemini，亏掉了六七成的本金，剩下不到4000美元。在被套牢后，所剩无几的流动资金也用得抠抠搜搜。 截至10月31日12时31分，中国大模型DeepSeek和通义千问的投资收益大幅领先其他大模型 图片来源：nof1.ai造成如此悬殊的，可能是不同大模型投资策略的差别。此次表现亮眼的两个国产大模型DeepSeek和Qwen表现得像是运筹帷幄的稳健投资者。从可回溯的100笔交易来看，它们都比较偏好长线投资，仅通过二三十笔交易就实现盈利，但策略有所不同。DeepSeek主打“稳”，使用低杠杆同时持仓多个币种，分散风险；而Qwen的策略更加激进，主打“重仓猛干”，通常采用高杠杆持仓1-2类产品，这也让它经过一段时间震荡后才逐渐稳定盈利。相比之下，Gemini和GPT则印证了股民们用于自嘲的“韭菜心理”——快进快出，慌不择路，一顿操作猛如虎，归来账上二百五。尤其是Gemini，几乎无时无刻不在买入卖出，已完成交易数早已突破100次，甚至有一笔交易亏了7美元就坐不住了，持仓时间仅1分钟；GPT也已经完成了83笔交易，其中盈利的仅十余笔，且都是一两百美元的微弱收益。相比之下，Anthropic的Claude和xAI的Grok则表现得像个保守的“淡人”，不仅交易次数少，也更偏向观望市场而非着手交易，截至10月30日下午，Claude甚至保留着高达八千余美元的可用现金。这也让它们在整个赛程中的变化幅度最小，无论盈利还是亏损，曲线波动更为平缓。随着K线走势的起起伏伏，大模型们的投资性格浮出水面：有的自信加仓，有的淡定观望，有的步步为营，也有的亏麻了还在嘴硬挽尊。预定冠军DeepSeek可谓自信满满。在赚钱时不忘欣赏一下自己的成果：“我的整体回报率是惊人的115.44%！”反观GPT，虽然总结分析面面俱到，但却不能转化为收益，还时常给自己找借口挽尊。此类AI投资比赛火了之后，国内社交媒体上出现类似使用AI进行虚拟货币交易的复刻项目。必须强调的是，中国明令禁止对虚拟货币进行经营及炒作。中国人民银行行长潘功胜27日在2025金融街论坛年会上表示，国际金融组织和多国中央银行对稳定币持审慎态度，人民银行将持续打击数字货币炒作，维护金融秩序，同时动态跟踪境外稳定币发展动态。大模型也偏科，金融普遍是弱项在以往各类大模型的“测评”中，DeepSeek和Qwen3在各垂类的表现，通常不如GPT5等外国主流大模型突出。根据AI测评平台vals.ai，各个大模型最擅长的领域是数学和医疗，准确率可以达到80-90%，而在金融领域的准确率普遍较低。其中，国产大模型在各个领域排名均不理想，在金融领域的排名也是垫底。所以，此次各个大模型在真实投资市场的表现，则有所不同。这似乎说明，金融“卷面分”与真实的投资市场表现并不能一概而论。DeepSeek可能不能够很好地理解长文本金融信贷协议，却是这次比赛中钦定的“投资大神”。许多分析者猜测，这可能是因为DeepSeek出身于有金融投资背景的“原生家庭”——它的母公司幻方，也涉足AI量化交易投资管理。DeepSeek很有可能在训练时“身经百战”。这也并非DeepSeek表现突出的唯一投资类竞赛。香港大学AI-Trader项目也举办了一场大模型间的投资比拼。这次聚焦的是美股市场，DeepSeek依旧排名第一。Qwen3暂时落后于GPT和Claude，但差距不明显。瑞士百达资管量化投资主管雷德玮近期接受《中国证券报》记者专访时表示，AI通过算力提升和开源工具普及，正在推动量化投资进入2.0时代。传统量化局限于价值、动量等少量因子进行分析，AI量化可以识别数百个高频信号，挖掘数据中的非线性关系。
-
富士康宣布将在其休斯顿工厂部署人形机器人 今日截至14点08分，机器人ETF（562500）延续调整态势，最新价1.034元，跌幅1.05%。盘中高点1.049元，低点1.028元，分时走势震荡下行，整体运行于分时均线下方，短线承压明显。持仓股方面，成分股普遍下跌，73只持仓中仅17只上涨。步科股份大涨15.44%，华东数控、博杰股份亦强势上涨超10%，为盘面带来一定支撑；但景业智能、信邦智能、伟创电气等跌幅超5%，拖累指数表现。成交方面，成交额约9.23亿元，较前一时段略有放大，显示盘中换手依旧活跃。消息方面，富士康周二表示，将在其休斯顿工厂部署人形机器人，该工厂为英伟达生产人工智能服务器。富士康还表示，将继续扩大其在德克萨斯州、威斯康星州和加利福尼亚州的AI服务器生产规模，以满足不断增长的需求。 图为由Isaac GR00TN模型驱动的人形机器人（资料图）国元证券表示，马斯克在2025年第三季度财报电话会上宣布，原计划于2025年实现5000台Optimus人形机器人的量产目标搁置，量产时间推迟至2026年底。马斯克在电话会上公布了最新路线图：2026年一季度（预计2—3月）将发布第三代Optimus，这款新品被描述为“形似人类套上机器人外壳”，真实度足以让人“想戳一下验证”。与此同时，年产百万台的生产线正在加速建设，计划于2026年底正式启动生产。我们认为具身智能短期落地时间存在不确定性，但是长期趋势不改。
-
诺奖得主、产业大咖聚首旧金山热议AI，陈天桥宣布10亿美元算力支持发现式智能 10月27日至28日，首届天桥脑科学研究院AI驱动科学研讨会在美国旧金山举办。三位诺贝尔奖得主、斯坦福大学荣誉校长等20多位全球顶尖学者和产业领袖，共同探讨AI如何驱动科学发现。盛大集团和天桥脑科学研究院创始人陈天桥在会上宣布，将投入10亿美元算力，支持全球科学家的创新人工智能研究。他表示：“人类的进化从未停止，只是方式改变了。今后人类进化将主要依靠AI。”陈天桥：发现式智能是真正的通用人工智能 本次会议由天桥脑科学研究院与加州大学伯克利分校计算、数据科学与社会学院联合举办。陈天桥表示，AI的终极价值是发现。发现式智能可以主动构建关于世界的可检验理论模型（testable world models）、提出可被证伪的假说（falsifiable hypotheses），并在与世界的交互与自我反思中持续修正其理解框架的智能，这是真正意义的通用人工智能。 陈天桥认为，发现式智能能提出问题而非只回答问题，能理解规律而非仅预测结果，它超越了模仿，具备创造和发现这些智慧的本质能力，让通用人工智能（AGI）的意义不再是“取代人类”而是“进化人类”。为帮助全球科学家推进发现式智能研究，陈天桥在会上宣布了多项特别针对青年科学家的支持，包括为博士生和博士后提供独立途径，建立以自己命名的实验室等。奥马尔·亚基： AI成为新的科学思维体 一个零能耗的便携式取水装置，被放置在空气湿度不到15%，极其炎热的美国沙漠“死亡谷”中，很快成功从大气中取到了饮用水。这个堪称旅行者救命稻草的神器，是由ChatGPT分子优化编辑设计的材料制成。新晋2025年诺贝尔化学奖得主、加州大学伯克利分校的奥马尔·亚基（Omar Yaghi）教授分享了这一最新成果。“AI不是工具，而是新的科学思维体。借助人工智能，我们正在赋予科学自行思考、推理和演进的能力。”奥马尔·亚基说。 除了AI设计的沙漠取水神器，奥马尔·亚基和团队基于ChatGPT创建的七个Agents组成虚拟科研团队，分工执行实验设计、文献检索、算法优化、实验安全与数据分析等任务，在几天内完成了上百次实验，成效显著。同时，他们训练ChatGPT阅读数千份合成报告并进行推理，证明该模型的预测性能优于许多传统启发式方法，ChatGPT从一个文本生成器演变成一个科学推理引擎。戴维·贝克：AI逆转生命密码 2024年诺贝尔化学奖得主、华盛顿大学的戴维·贝克（David Baker）教授分享了AI如何“从头设计”蛋白质工程领域。他介绍了其团队开发的RFDiffusion3模型，这是一种能够在三维结构空间中进行运算的先进生成式AI模型。研究人员仅需输入期望的分子功能，该模型便能生成具有相应功能的新型蛋白质的精确三维结构蓝图。基于这一技术，团队已取得多项突破性成果：在神经退行性疾病研究方面，设计出能特异性捕获β-淀粉样蛋白的新型肽类结合物，为阿尔茨海默病干预提供新策略；在酶工程领域，成功开发了首个“从头设计”的蛋白酶。贝克教授指出，AI模型的快速发展高度依赖于一个与实验数据紧密耦合的“反馈闭环”。他强调，一个高效的“设计-构建-测试-学习”迭代循环是必不可少的：AI进行预测设计，实验室进行快速验证，而实验产生的数据都将即时反馈给模型，用于优化算法参数。珍妮弗·道德纳：AI开启个性化基因治疗时代 一种利用CRISPR技术开发的镰状细胞病（sickle cell disease）基因疗法，已于近期获得美国食品药品监督管理局的批准，首个“个性化”的CRISPR基因编辑疗法也已成功实施。2020年诺贝尔化学奖得主、加州大学伯克利分校的珍妮弗·道德纳（Jennifer Doudna）教授在演讲中分享了这些突破性进展。珍妮弗·道德纳回顾了从在细菌中发现CAS核酸酶（Cas nuclease）到最终促成CRISPR基因编辑技术诞生的完整历程，同时指出该领域面临的巨大挑战：尽管CRISPR技术无比强大，但即使是在最简单的生物体中，仍有高达 40%的基本基因的功能至今仍是未解之谜。极大阻碍了基因编辑技术向更纵深领域的推进。珍妮弗·道德纳强调，生物学领域的数据是有限的，为生物学构建有效的机器学习模型，需要“经过精心策划的、包含因果关系的数据集”。为此，她提出了CRISPR与机器学习的协同进化，可以利用CRISPR技术在细胞系中系统性地制造“基因扰动”（gene perturbations），从而大规模、高效率地筛选并鉴定每个基因的具体功能。这为构建因果数据集提供了关键工具。约翰·轩尼诗：人类必须守住关键决策权 人工智能正以前所未有的方式席卷全球，在不到一年的时间里就达到了50%的美国家庭普及率，而个人电脑实现同一数字花费了数十年时间，智能手机也用了10多年。图灵奖得主、斯坦福大学第十任校长暨现任Alphabet（谷歌母公司）董事长约翰·轩尼诗（John Hennessy）在题为“AI赋能科学与社会”的演讲中强调了这一惊人现象。 约翰·轩尼诗指出面对AI技术浪潮人类应共同坚守的关键原则：在使用AI或与AI协作完成工作时，必须保持“透明的披露”；必须严格验证AI生成的内容；对于AI合成的数据必须建立详细的文档记录。他特别强调，在涉及人工智能关键决策时，人类绝不应被排除在外。约翰·轩尼诗也分享了两个担忧。一是数据的质量与数量。以AI模型目前惊人的数据消耗速度，全球现有的数据存量可能在4到5年内被耗尽，未来数据生成速度能否跟上大型AI模型训练的步伐。二是关于能源效率。与算力的迅猛增长相比，计算的“能源效率”提升速度则要缓慢得多。据悉，研讨会还举行了“AI 驱动科学大奖”（Chen Institute & Science Prize for AI Accelerated Research）颁奖典礼，上一年的三位获奖青年科学家现场分享了研究成果和获奖心得。
-
马斯克放豪言：特斯拉自动驾驶系统有望成史上普及速度最快的技术 IT之家 10 月 30 日消息，埃隆・马斯克近日给出了他对特斯拉自动驾驶技术推广前景最乐观的一次预测。这位首席执行官表示，得益于现有车队可通过软件更新获得自动驾驶能力，特斯拉的自动驾驶系统有望成为历史上普及速度最快的技术。 马斯克的上述言论是对行业观察者索耶・梅里特（Sawyer Merritt）所发布内容的回应。梅里特此前发布了一张对比图，展示了特斯拉 Robotaxi 网络与谷歌旗下 Waymo 服务区域的地理覆盖范围。从图表可见，特斯拉在奥斯汀划定的运营区域已明显超过 Waymo 的服务范围。对此，马斯克回应称：“特斯拉自动驾驶技术的普及速度可能会超过历史上任何一项技术。”他还指出，“硬件基础早已奠定”，只需一次软件更新，就可在短时间内为数以百万计的现有车辆解锁自动驾驶能力。 这番言论凸显出特斯拉在 Robotaxi 领域的雄心壮志。目前，这一目标正逐步变为现实 —— 特斯拉已在其生产工厂、以及奥斯汀和旧金山湾区部署了“无监督全自动驾驶”（Unsupervised FSD）系统。不过截至目前，特斯拉在奥斯汀的 Robotaxi 及湾区的网约车服务仍需配备安全员坐在驾驶位上进行监控。本周，特斯拉将其奥斯汀 Robotaxi 服务区域扩大至 243 平方英里（IT之家注：约 629.4 平方公里），达到迄今为止的最大规模，几乎是两个月前覆盖范围的三倍。此次扩张使特斯拉在当地的服务面积远超 Waymo，后者目前的服务区域仍维持在约 90 平方英里左右。这是自今年 8 月以来，特斯拉在奥斯汀进行的第二次重大服务范围扩展，彰显了该公司在自动驾驶出行市场抢占主导地位的决心。随着特斯拉与 Waymo 竞相证明自身技术的规模化能力和可靠性，马斯克的信心表明，真正的竞争或许并不在于谁先完成技术突破，而在于一旦技术全面激活，谁能以更快的速度在整个车队中实现部署。
-
北京人形机器人创新中心李春枝：具身智能正处在“商业爆发前期” 新京报贝壳财经讯（记者韦博雅）10月28日，北京人形机器人创新中心副总经理李春枝在2025金融街论坛年会《共建生态：深化金融与科创产业全球协同发展》企业家圆桌论坛上表示，具身智能的发展正从“能动”迈向“好用”，从“功能实现”向“智能好用”演化。李春枝表示，过去更多地是在解决机器人“能动起来”的问题。而现在，破局的关键在于“泛化智能”，即如何让机器人像人一样，在面对不确定的环境和任务时，能理解、会思考、可应变。这其中，“大脑”与“小脑”的协同进化，成为关键的技术方向之一。李春枝介绍，北京人形机器人创新中心自主研发的通用具身智能平台“慧思开物”形成大小脑协同的分层架构，“大脑”是认知与决策的中心，它让人形机器人能够听懂人类的自然语言，并自主规划出完成任务的最优路径；而“小脑”，则是精准控制的枢纽，它确保了机器人的每一个动作都稳定、灵巧且可靠，具备“一脑多机、一脑多能”极强的泛化能力。李春枝指出，具身智能正从“探索示范”走向“商业落地”，处在“商业爆发前期”。技术的价值，最终必须由市场来折射。“我们看到，在工业制造、物流仓储、特种作业等存在劳动力缺口、高重复、高强度、高风险等场景领域，人形机器人在一定程度上成为企业综合考虑效率、安全与韧性的选择之一。”李春枝透露，北京人形机器人创新中心已和中国电力科学研究院合作，具身天工机器人能够自主完成一系列复杂的电控柜操作；在工厂搬运场景，具身天工机器人进入福田康明斯工厂可以自主完成不同高度、不同位置、不同重量的物品搬运。“这不仅是技术的成功，更是真实应用落地的探索：未来3-5年，将是人形机器人从‘演示可行’到‘商用可靠’的关键窗口期。”李春枝表示。另外，北京人形机器人创新中心已将自主研发的通用机器人平台“具身天工”、通用具身智能平台“慧思开物”以及一系列核心数据集有序开源，并且牵头制定行业标准，将技术的“领先性”高效地转化为产业的“先进性”，让前沿科技真正成为驱动千行百业转型升级的强劲引擎，真正形成未来新的经济增长点之一。编辑 岳彩周校对 穆祥桐
-
谷歌营收破千亿，微软云暴增40% AI军备竞赛，谁在流血，谁在数钱？ 今天凌晨，谷歌、微软、Meta三巨头同时发布财报，AI毫无悬念地再次成为主角。但这一次，市场的目光不再仅仅聚焦于增长神话，而是开始审视其背后的惊人代价。 三份财报，勾勒出AI赛道的两种截然不同的商业路径。 谷歌与微软证明了通过云服务将AI能力快速变现的可行性，而Meta则仍在为AI与硬件结合的未来艰难“输血”，其元宇宙部门的亏损已累计突破700亿美元。更疯狂的是，三家公司都在不计成本地加大投入，一场围绕AI基础设施的“军备竞赛”已然白热化。 财报发布后，各家股价的涨跌，也清晰地反映了市场对这场“烧钱”大战的复杂心态：既兴奋于AI带来的增长，又担忧泡沫随时可能破灭。 谷歌：最稳的“优等生”，资本支出再“踩油门” Alphabet本季度交出了一份亮眼的答卷，其季度营收首次突破1000亿美元大关，同比增长16%至1023.5亿美元，远超分析师预期的998.9亿美元。公司净利润为349.7亿美元；调整后每股收益为3.10美元，同样高于2.33美元的分析师预期。 推动这一强势增长的核心动力，来自AI驱动的云业务。Alphabet第三季度财报显示，谷歌云（Google Cloud）营收达到151.5亿美元，同比增长35%，超过147.4亿美元的分析师预期。其运营利润更是从去年同期的1.95亿美元飙升至35.94亿美元。首席执行官桑德尔·皮查伊 (Sundar Pichai) 还透露，云计算的积压订单已高达1550亿美元。 财报显示，谷歌服务（Google Services）总营收为870.5亿美元，运营利润335.3亿美元。其中包括谷歌搜索、YouTube广告以及谷歌网络在内的谷歌广告总营收为741.8亿美元，谷歌其他业务营收为128.7亿美元。 值得一提的是，本季度在AI驱动下，谷歌搜索业务稳健增长至565.7亿美元，同比增长15%。 YouTube广告营收也达到了102.6亿美元，同样高于分析师预期。 “搜索业务的持续强势有助于消除市场对AI可能冲击谷歌核心业务的负面情绪，”Alphabet股东、西北互惠财富管理公司首席投资组合经理马特·斯塔基（Matt Stucky）表示。 一直以来，谷歌都在改进其人工智能模型和聊天机器人Gemini，并在其多款产品中增加人工智能功能。今年早些时候，公司对其经典搜索引擎进行了调整，加入了“人工智能模式”，让用户可在类似聊天机器人的对话中进行搜索和获得响应，从而提供更为精简准确的链接。 强劲的AI服务需求（主要集中在云部门）是当季亮眼业绩的直接推手。但为了满足积压的客户订单和建设基础设施，Alphabet也不得不大幅提高支出。 皮查伊在财报中表示：“AI正在重塑我们的业务版图。随着客户需求增长，我们将继续加大基础设施建设投入。”公司在第三季度财报中宣布，将2025财年的资本支出预期从850亿美元上调至910亿至930亿美元的区间，这些支出绝大部分将用于数据中心等技术基础设施。 相比之下，包括生命科学部门Verily和自动驾驶部门Waymo在内的“其他押注”(Other Bets) 表现不佳，本季度亏损从去年同期的11.2亿美元扩大至14.2亿美元。 此外，Alphabet仍未摆脱监管阴影。欧盟对其广告业务开出的34.5亿美元反垄断罚单，一定程度上也压制了其净利润表现。 周三，Alphabet股价上涨6.74%，收于每股275.17美元。财报发布后，市场普遍对其强劲的业绩和公司在AI领域的投入表示乐观，Alphabet的股票在盘后交易中上涨了超6%。 微软：Azure狂飙40%，为OpenAI“买单” 微软的最新财报同样强劲，其2026财年第一财季（即2025年第三季度）营收达776.7亿美元，同比增长18%，高于分析师预期的753.3亿美元；按美国通用会计准则计算，净利润为277亿美元，合每股3.72美元，亦超预期。 微软的增长引擎也是云计算部门。财报透露，微软云（Microsoft Cloud）总营收为491亿美元，同比增长26%。 财报还显示，微软智能云（Intelligent Cloud）部门收入达309亿美元，同比增长28%，高于302.5亿美元的分析师共识。其中最为亮眼的Azure及其他云服务，其收入增长高达40%，超过了分析师38.2%的平均增长预期。 相比之下，包括Microsoft 365生产力软件、招聘平台领英（LinkedIn）和Dynamics在内的生产力与业务流程部门，第一财季营收为330亿美元，同比增长17%；包括Windows操作系统授权、硬件设备、游戏和搜索广告在内的“更个性化计算”部门，第一财季营收为138亿美元，同比增长4%。 微软首席执行官萨蒂亚·纳德拉（Satya Nadella）强调：“我们的全球级云平台与人工智能工厂，结合多个高价值领域的Copilot助手，正在推动技术广泛普及并产生实际影响力。正因如此，我们持续加大在人工智能领域资本与人才的双重投入，以把握眼前巨大的发展机遇。” 微软首席财务官艾米·胡德（Amy Hood）也表示：“本财年我们实现强劲开局，营收、运营利润及每股收益均超预期。微软云服务的持续优势，反映出市场对我们差异化平台日益增长的需求。” 微软云业务俨然已经成为AI需求热潮的最大受益者。然而，这种领先地位是有代价的。财报显示，微软对OpenAI的投资导致本季度净利润减少了31亿美元，合每股收益41美分。 在周二OpenAI宣布重组完成后，微软在该公司的营利部门中持有27%的股份，价值约1350亿美元。部分分析师赞许微软允许部分OpenAI合同转至甲骨文的决策，认为这体现了其将有限AI算力导向高利润企业客户的自律性。 分析师也普遍关注微软未来在AI基础设施上的资本开支趋势。公司预计2025财年相关投资将增长超过50%，并在2026财年放缓增速。 “需求持续超过我们现有产能，”微软投资者关系副总裁乔纳森·尼尔森（Jonathan Neilson）表示，“我们的资本支出战略保持不变，会根据观测到的需求信号进行建设。” 尽管本季度内Azure和365一度发生大规模宕机事故，微软股价依然在年内累计上涨了28%，刷新了历史新高。市场普遍认为，微软与OpenAI的深度绑定将继续维持其在企业级AI赛道上的领先优势。 但由于Azure云业务增长未能达到部分激进的市场预期，加之关于循环交易、估值飙升及AI生产力提升证据有限的讨论，进一步加剧了投资者对AI热潮持续性的疑虑。因此，微软股价在盘后交易中有所下跌。当日，微软股价微跌0.09%，收于每股541.55美元。 “资本支出数字确实令人有些担忧。但他们的运营利润仍增长了24%，只是过去六周股价涨幅过大。”交易机构Explosive Options首席期权分析师鲍勃·朗（Bob Lang）如此解读微软股价的下跌。 Meta：最“烧钱”的“探路者”，元宇宙日亏半亿 与前两家不同，Meta的AI叙事仍带着浓重的“现实实验室”色彩。公司第三季度，其Reality Labs部门录得44亿美元营业亏损，虽然优于市场预期的51亿美元，但依然显示出其在虚拟现实（VR）与增强现实（AR）领域的“烧钱”困境。该部门自2020年末以来的累计亏损总额已超过700亿美元。 然而，该部门的收入却成为一个亮点。Reality Labs第三季度创造了4.7亿美元的销售额，远高于华尔街预期的3.16亿美元。 这一“意外之喜”来自其AI硬件的成功。Meta与眼镜巨头EssilorLuxottica合作开发的雷朋（Ray-Ban）和欧克利（Oakley） AI智能眼镜正受到市场欢迎。EssilorLuxottica也在其最近的财报中证实，这些AI眼镜帮助提升了其第三季度的销售额。 Meta第三季度财报显示，当季营收达到512.4亿美元，同比增长26%，超出华尔街预期。然而，由于一笔高达159.3亿美元的一次性非现金所得税费用，其净利润同比暴跌83%至27.1亿美元。这也使得第三季度每股收益仅为1.05美元，远低于分析师预期的6.72美元。若剔除该税费影响，调整后的每股收益本应为7.25美元。值得注意的是，其成本同比增长了33%，增速超过营收，对利润率构成了压力。 Meta似乎正在悄然调整方向。公司近日任命原“元宇宙”负责人Vishal Shah为AI产品副总裁，负责旗下“超级智能”（Superintelligence Labs）部门，这显示AI正逐渐取代元宇宙成为战略重心。 在支出方面，Meta将全年资本支出预期从之前的660亿至720亿美元的范围上调至700亿至720亿美元，公司称主要源于对人工智能（AI）基础设施的巨额投入。同时，Meta管理层还警告称，2026年的资本支出增幅将“显著高于”2025年。 “关于实现超级智能的时间表存在不同预测，”首席执行官马克·扎克伯格（Mark Zuckerberg）在分析师电话会议中表示，“我们认为积极地超前建设算力是正确策略，以便为最乐观的情况做好准备。” 他补充道，若超级智能研发耗时超预期，超额算力将用于加速核心业务，最坏情况下公司会阶段性暂缓新基础设施建设。 首席财务官苏珊·李（Susan Li）则提醒，“在规划明年时，我们清晰地认识到算力需求持续显著扩张……这将对明年资本支出和费用计划构成额外的上行压力。” 尽管营收表现强劲，但由于每股收益不及预期、巨额税收费用以及对AI投资的持续高昂成本，Meta股价在财报发布后的盘后交易中下跌超过7%。当日，Meta股价收于每股751.67美元，与前一交易日基本持平。 一场4000亿的“军备竞赛”，谁能笑到最后？ 从三大巨头的财报可以看出，AI浪潮正在重新定义科技行业的增长逻辑。Alphabet与微软通过AI云服务迅速变现，现金流充沛且在加码基础设施投资；而Meta则继续在硬件端探索AI与消费电子的融合，短期内仍需吞下高额亏损的代价。 未来一年，云计算与算力资源将成为衡量科技巨头竞争力的关键指标。摩根士丹利估算，包括Alphabet、微软、Meta在内的科技巨头，今年在AI基础设施领域的支出总额预计将达到4000亿美元。 正如路透社所述，这些投资正值经济不确定性时期，引发了对AI泡沫的担忧，迫使各大公司高管们必须交出可量化的成果。（辰辰）
-
生态文明导刊丨“人工智能+”赋能美丽中国建设 核心观点“人工智能+”赋能美丽中国建设不仅体现了技术创新与生态文明的有机统一，更是贯彻落实“绿水青山就是金山银山”理念的具体行动，必将为美丽中国建设注入源源不断的新动能。绿色低碳循环产业是生态文明建设的物质基础，也是经济高质量发展的重要方向。人工智能技术通过与环保产业、新能源产业、节能产业等绿色产业深度融合，催生了一批新技术、新产品、新业态。 图片来源/摄图网授权■钱志权 陈磊为“加快经济社会发展全面绿色转型，建设美丽中国”，党的二十届四中全会提出“增强绿色发展动能”。“人工智能+”作为引领新一轮科技革命和产业变革的战略性技术，其与生态环境保护的深度融合正在成为美丽中国建设的重要引擎。2025年8月，国务院印发了《关于深入实施“人工智能+”行动的意见》，为人工智能技术与生态环境保护的深度融合提供了政策指引和实践路径。“人工智能+”赋能美丽中国建设不仅体现了技术创新与生态文明的有机统一，更是贯彻落实“绿水青山就是金山银山”理念的具体行动，必将为美丽中国建设注入源源不断的新动能。 01“人工智能+”赋能美丽中国建设的重要意义提升环境治理智能化水平。传统环境治理模式存在监测覆盖不足、响应滞后、治理粗放等问题，难以满足现代环境治理需求。“人工智能+”技术通过构建智能感知网络和数据分析平台，能够实现对环境污染的精准监测、快速响应和科学治理。这种智能化治理模式不仅可以大幅提升环境治理效率，还能降低治理成本，推动环境治理从被动应对向主动防控转变。同时，“人工智能+”技术的应用促进了环境治理体系向现代化转型，使环境治理更加科学化、精细化和智能化，为美丽中国建设提供了坚实的技术支撑。提高资源环境要素利用效率。我国资源环境要素约束日益趋紧，传统粗放型资源利用模式难以为继。“人工智能+”通过智能分析和优化算法，能够实现对能源、水资源、原材料等各类资源的高效配置和循环利用。在能源管理领域，人工智能技术可以优化电网调度，提高可再生能源消纳能力；在水资源管理领域，可以实现精准配水和节水管理；在物质资源领域，能够推动循环经济发展。这种高效率的资源利用模式不仅有助于减少资源浪费，也有助于降低环境污染，实现经济效益与环境效益的统一，为可持续发展提供了新的路径。促进绿色低碳循环产业发展。绿色低碳循环产业是生态文明建设的物质基础，也是经济高质量发展的重要方向。人工智能技术通过与环保产业、新能源产业、节能产业等绿色产业深度融合，催生了一批新技术、新产品、新业态。“人工智能+”技术可推动环保装备智能化升级，提升环境治理设施的运行效率；促进新能源技术创新发展，降低了清洁能源成本；推动传统产业绿色化改造，实现了生产过程节能减排。这些变革不仅壮大了绿色产业规模，还提升了产业发展质量，为美丽中国建设提供了坚实的物质基础支撑。 02“人工智能+”赋能美丽中国建设的现实基础“人工智能+”技术条件日渐成熟。我国人工智能产业近年来保持高速发展态势，数据显示，2024年我国人工智能产业规模突破7000亿元，连续多年保持20%以上的增长率。在环境治理领域，多项关键技术取得突破性进展：智能传感器精度达到ppb级别，较传统设备提升两个数量级；遥感图像智能解译准确率超过85.2%，实现从“看得见”到“看得懂”的跨越；多源数据融合算法成功破解环境大数据异构难题，处理效率提升50倍。特别是在大气污染溯源、水环境质量预测、生态破坏智能识别等关键技术上，我国已达到国际领先水平。新基建的快速推进为技术应用提供了强大支撑，截至2025年7月，我国5G基站总数达459.8万个，物联网连接数有望突破30亿，这些基础设施为环境智能监测网络建设提供了重要保障。“人工智能+”政策环境持续优化。国务院《关于深入实施“人工智能+”行动的意见》将生态环境作为重点领域予以支持。生态环境部围绕环境智能监测网络建设，在多地推进感知设备部署与数据整合应用，提升环境监管智能化水平；科技部通过重点研发计划相关专项，支持人工智能在生态环境保护领域的关键技术攻关，助力核心算法与场景融合创新；工业和信息化部联合科技部、生态环境部印发《环保装备制造业高质量发展行动计划（2022—2025年）》，推动环保装备与人工智能技术融合，培育智能制造示范项目。地方政府积极响应，如北京市设立规模50亿元、以人工智能为重点的科技成长二期基金，支持人工智能技术在环保等领域的应用落地；深圳市建设生态环境人工智能创新实验室。这些政策举措形成多层次、全方位的支持体系，为人工智能技术在环境领域的创新应用创造了优越的政策环境。“人工智能+”应用实践成果丰硕。各地涌现出一批成功案例：重庆市北碚区智慧环保项目集成47套高空瞭望设备和1000余个污染源监控模块，通过AI算法实现污染源智能识别，准确率达到95%，2025年上半年成功处置环境隐患2900余件。江苏省太湖流域水环境智能管控系统，部署了水下传感器，通过人工智能模型实现蓝藻水华提前7天预警，显著降低重大水华事件发生风险。广东省建成危险废物智能监管平台，运用区块链和AI技术实现全过程追溯，监管效能显著提升。生态环境部数据显示，截至2024年10月，全国已有70余万家企业被纳入信息系统管理。2023年，全国危险废物电子转移联单近700万份，危险废物环境风险防控能力明显增强。这些案例充分证明人工智能技术在环境治理中的实际效果，为大规模推广应用提供了宝贵经验。 03“人工智能+”赋能美丽中国建设的实施路径构建智能环境治理体系。生态环境治理是美丽中国建设的核心环节，传统治理手段存在效率低下、成本高昂、响应滞后等局限性。“人工智能+”技术可以构建空天地海一体化监测网络，通过卫星遥感、无人机巡查、地面传感器等多种手段，实现对大气、水、土壤等环境要素的全方位监测。开发智能分析平台，运用机器学习算法对多源环境数据进行融合分析，精准识别污染源和生态风险点。建立智能决策系统，基于大数据分析和数字孪生技术，模拟不同治理方案的实施效果，为环境管理提供科学依据。部署智能治理装备，如自主巡航的环境监测无人机、自适应调节的污染处理设备等，实现环境治理自动化和智能化。通过这些措施形成环境监测、分析、决策、治理全流程智能化体系，最终实现环境质量显著改善、生态安全有效保障的目标。建立资源高效利用范式。资源短缺与利用效率不高并存是我国可持续发展面临的重要制约。“人工智能+”技术可以构建资源智能调度系统，通过物联网技术实时监测资源供需状况，运用优化算法实现资源精准配置。开发资源效率评估模型，智能诊断资源利用中的浪费环节，提出优化建议。部署智能控制装备，如智能电网调度系统、精准灌溉装置、智能垃圾分类设备等，实现资源使用过程的精细化管控。在能源领域重点推进智能电网建设，优化能源调度，提高可再生能源占比；在水资源领域实现精准配水和漏损控制，提高水资源利用效率；在原材料领域推动循环利用和减量化使用，降低资源消耗强度。这些措施能够显著提升资源利用效率，最终实现资源消耗强度持续下降、利用效率大幅提升的目标。创新绿色产业发展模式。绿色产业发展面临技术瓶颈突破难、商业模式创新不足等挑战。“人工智能+”技术可以推动绿色技术研发，通过模拟计算和大数据分析加速新材料、新工艺开发，降低研发成本和时间。促进生产流程优化，运用机器学习算法分析生产数据，实现生产过程的节能减排和提质增效。创新商业模式，发展共享经济、循环经济等新业态，提高资源利用效率和经济效益。构建绿色供应链管理系统，实现产品全生命周期环境管理，降低环境影响。在环保装备领域重点推动产品智能化升级，提升环境治理设施的运行效率；在新能源领域提高发电效率和储能能力，降低清洁能源成本；在节能服务领域发展能源管理系统和智能控制服务，提高能源利用效率。这些创新举措能够培育绿色发展新动能，最终形成技术水平先进、产业规模壮大、带动效应显著的绿色产业体系。（钱志权系浙江农林大学生态文明研究院副院长、教授；陈磊系浙江农林大学生态文明研究院副研究员） 总 监 制丨王列军车海刚 监 制丨陈 波 王 彧 杨玉洋主 编丨毛晶慧 编 辑丨谷 云
-
AI业务势头火热！Alphabet(GOOGL.US)再次上调资本支出指引，Q3云积压订单升至1550亿美元 智通财经APP获悉，Alphabet(GOOGL.US)公布了超出预期的第三季度业绩。Q3营收为1023.5亿美元，同比增长16%，超出市场预期的998.9亿美元。调整后 3.10 美元，预期为 2.33 美元。销售额也超出分析师预期，这主要得益于其云部门的出色表现，随着人工智能初创公司寻求谷歌的支持和计算能力，该部门的业务正在蓬勃发展。第三季度销售额(不计流量获取成本)增至875亿美元。数据显示，这一数字高于分析师平均预期的851亿美元。净利润为每股2.87美元，高于华尔街预期的2.26美元。Alphabet的净利润增至349.7亿美元，合每股2.87美元，而去年同期为263亿美元，合每股2.12美元。今年9月，谷歌因其利润丰厚的广告技术业务存在反竞争行为，被欧盟监管机构处以34.5亿美元的反垄断罚款。该罚款影响了其公布的净利润。 AI支出指引再上调，积压订单继续上升该公司正投入创纪录的资金，力图推动人工智能领域的发展，并将旗下大型语言模型 Gemini 的代理和辅助功能融入到包括搜索在内的热门产品中。该公司表示，今年的资本支出将达到 910 亿至 930 亿美元。今年早些时候，该公司就已将资本支出预期从750亿美元提高到850亿美元。其中大部分将用于数据中心等技术基础设施。Alphabet此前曾表示第三季度资本支出为 224 亿美元，实际支出略低于 240 亿美元，分析师预计全年资本支出将略高于 840 亿美元。首席财务官Anat Ashkenazi 周三在与投资者的财报电话会议上表示：“展望 2026 年，我们预计资本支出将大幅增加，并将在第四季度财报电话会议上提供更多细节。”Seeking Alpha分析师Tech Stock Pros表示，鉴于谷歌的潜在增长空间，它仍然是一只被低估的股票;2025 年资本支出上调至 910 亿至 930 亿美元，证实了这一观点，表明其产能需求不断扩大(谷歌云积压订单不断增长，Gemini 应用用户群也在扩大)。这使得 Alphabet 成为支出第二高的顶级公司，而年初时其支出最低。Gemini 应用目前拥有超过 6.5 亿月活跃用户，查询量比第二季度增长了 3 倍。 谷歌在人工智能领域的巨额投入正开始转化为业务增长势头，尤其是在云客户和搜索广告方面。该公司认为，其在人工智能领域的大规模投资——包括资助新的基础设施、研究和人才——对于与亚马逊(AMZN.US)和微软(MSFT.US)等大型云计算竞争对手抗衡至关重要。据StreetAccount报道，谷歌云营收为151.5亿美元，同比增长35%，高于预期的147.4亿美元。谷歌云实现利润35.9亿美元，超出分析师此前预期的30亿美元营业利润。该部门被广泛视为Alphabet旗下最强劲的增长引擎，也是人工智能热潮如何推动公司销售的最清晰指标。该公司表示，目前仍有价值1550亿美元的积压订单。今年7月，Alphabet曾表示，积压订单已达1060亿美元。该云业务部门已与多家人工智能初创公司达成重大交易，其中包括一项备受瞩目的数十亿美元协议，向Anthropic公司供应专用人工智能芯片。尽管如此，该部门的规模仍落后于亚马逊的AWS和微软的Azure，因此预计其增长速度会更快。Alphabet签约新客户的速度加快，GCP 新客户数量同比增长近 34%。同时，签署的合同金额更大——今年第三季度，签署金额超过 10 亿美元的合同数量比过去两年的总和还要多。此外，该公司正在加深与客户的合作关系：超过 70% 的现有 Google Cloud 客户使用AI 产品，其中包括 Banco BV、百思买和 FairPrice Group。搜索业务稳定搜索广告收入达566亿美元，高于分析师平均预期的550亿美元。该部门是谷歌整体广告业务的驱动力，迄今为止已成功抵御了来自人工智能聊天机器人的日益激烈的竞争，但谷歌必须确保搜索业务保持盈利。其攻势的核心是公司旗舰人工智能模型Gemini，谷歌已迅速将其整合到搜索和其他关键产品中。今年早些时候，这家科技巨头在一项重要的联邦搜索反垄断诉讼中避免了最糟糕的结果，因为该案法官认定其业务已面临来自人工智能日益增长的威胁。根据StreetAccount的数据，流量获取成本(TAC)为148.7亿美元，而预期为148.2亿美元。 随着竞争对手(尤其是 OpenAI)推出人工智能搜索工具和网络浏览器等服务，谷歌面临着证明其能够成功利用人工智能答案中的广告盈利的压力。Synovus Trust 高级投资组合经理 Daniel Morgan 在一份报告中指出，谷歌在第三季度“搜索实例份额被 ChatGPT 蚕食的局面有所缓和”。法国巴黎银行股票分析师 Stefan Slowinski 认为，OpenAI 近期的重组计划将帮助该公司转型为一家盈利性企业，这也可能为其在 ChatGPT 中投放广告铺平道路，从而进一步与谷歌展开竞争。Tech Stock Pros补充道：“第三季度财报证实，在扩展AI概览和AI模式之后，谷歌的搜索地位依然无可匹敌。我们认为，AI融入谷歌搜索垄断地位的程度将远高于新兴的替代方案，任何由此引发的恐慌都将是增持良机。”Hargreaves Lansdown高级股票分析师Matt Britzman表示：“AI概览和AI模式显然引起了用户的共鸣，有助于缓解人们对谷歌核心搜索业务受到生成式AI威胁的担忧。”YouTube业务强劲今年迎来20周年庆的视频流媒体网站YouTube公布营收103亿美元，据StreetAccount的数据显示，超过分析师此前100亿美元的预期。该公司在播客领域投入巨资，并于近期宣布用户每天观看视频播客的时长已达1亿小时。付费订阅用户突破了 3 亿，这主要得益于 Google One 和 YouTube Premium 的增长。根据尼尔森的数据，YouTube在美国家庭客厅视频观看时长方面已连续两年多位居榜首。上个月，YouTube首次直播了NFL(美国国家橄榄球联盟)比赛。这场独家全球直播吸引了超过1900万观众，并创下了YouTube直播同时在线观看人数的新纪录。YouTube Shorts 的表现也持续良好。在美国，Shorts 的每观看小时收入现在超过了 YouTube 上传统的视频流。Alphabet首席执行官Sundar Pichai表示：“在我们的‘Made on YouTube’活动中，我们推出了一系列人工智能驱动的功能，帮助创作者提升创作效率并发展业务。人工智能正在简化整个内容创作流程，从生成式视频工具和更高效的剪辑，到帮助创作者优化频道的人工智能洞察，无所不包。我们还利用人工智能拓展视频变现渠道，自动识别产品，让视频更具购物吸引力。”其他业务Alphabet旗下的“其他投资项目”(Other Bets)——包括生命科学部门Verily和自动驾驶汽车公司Waymo在内的一系列未来主义业务——公布营收3.44亿美元，亏损14.3亿美元。这一业绩高于分析师此前预测的12亿美元亏损。报道称，Alphabet正积极扩张Waymo的业务，同时推动旗下其他业务分拆为独立初创公司，而不是整合为母公司的一部分。Waymo计划明年在伦敦开通服务，并正在努力将服务拓展至东京。该公司还宣布将业务扩展至达拉斯、纳什维尔、丹佛和西雅图，并已获得在圣何塞和旧金山机场进行完全自动驾驶的许可。在纽约市，自动驾驶测试也在持续扩大规模。全新的 Waymo for Business 让企业能够将 Waymo 作为员工出行的一种选择。今年夏天，该公司在凤凰城推出了 Waymo Teens 账户。Pichai称：“我们很高兴看到使用量稳步增长，青少年及其家长都给予了积极的反馈。Waymo 的发展势头强劲，2026 年有望成为令人兴奋的一年。” Alphabet公司报告称，截至9月底，其员工人数约为19万人，比去年同期增加了8000多人。其竞争对手亚马逊周二宣布将裁员1.4万人。业绩公布后，截至发稿，谷歌股价盘后上涨6.4%。截至周三收盘，其股价创下新高，今年迄今已累计上涨45%。
-
猜你喜欢拿“嘴替”当情绪解药...... 一句“我懂”，价值几何？深夜刷手机，某情感博主的短短三句话，精准描述了你这段时间以来“只可意会不可言传”的憋屈和心酸。于是，你一键三连，并留下一句评论——“这是我的互联网嘴替！” 那一刻，你感到一种被“看见”的巨大慰藉。 “寻找嘴替”已成为一种网络风尚，情感博主爆火、付费倾诉APP兴起、心理学概念普及、情绪纾解成为红海生意……我们正进入一个 “共情”可以被规模生产、明码标价的时代。当“嘴替”成为一门生意，究竟是一场及时的情感救援，还是一剂温柔的精神安慰剂？我们到底在为什么买单？ “嘴替”生意竞争很激烈，促进了市场细分，各位“嘴替”大咖亦有主攻的垂直赛道。让我们先来分析一下“嘴替”的分类。接下来，有请“嘴替”三大门派闪亮登场！精准表达型嘴替 别名“情绪翻译官”，代表人物是各大情感博主和知识KOL。TA们擅长运用“概念”武器，用学术感极强的名词概括你的情绪问题，比如那说不清道不明的疲惫感，被称之为“能量管理失衡”；你和男友互相折磨却又舍不得分开，精准定义为“共生依赖”。你购买的其实是一套“语言外挂”和“认知滤镜”。有了“嘴替”后，吐槽显得更有深度，自省都带着理论高度。毕竟，靠自己琢磨，可能只会憋出一句：“我emo了。” 深度共情型嘴替 别名“情绪垃圾桶”，代表服务是付费树洞、倾听热线。承认吧，你需要的并不是解决方案，而是一个不被打扰的安全频道。对方可以一言不发，顶多适时回应一句“姐妹，你太难了！”没错，你想买的是一个“情绪容器”，想得到的是一种“绝对关注”。不像现实中，你刚开了头，低头刷手机的朋友就来一句“你想多了”，完了，情绪更差了！可以共情的“嘴替”，哪怕沉默，也是i人的福音天使！ 身份认同型嘴替 别名“情绪扩音器”，代表某个群体（如“牛马打工人”、“反卷先锋”、“资深社恐”）发声。他们说出了你所在圈层的集体心声，让你感觉“原来我不是一个人”。你的打赏，其实是在买一张“群体身份证”，从而获得一份“归属感”。TA不仅是“嘴替”，更是群体的“带头大哥”，TA的一声冲锋号，让千千万万个“你”，士气大振，开启“战斗”模式，向这个不公的现实“开战”！ “扫码支付”架起了一座座通往“理解”的桥梁，让我们不再独处情绪孤岛。换言之，从“有钱能使鬼推磨”到“有钱我能被理解”，活该“嘴替”挣这份钱啊！ 先说答案，因为我们是“表达文盲”和“共情饥民”！当然，这事儿不能全怪我们脆弱，要怪就怪（开始甩锅，不是）现实太骨感、社交太虚假、内心太混乱。现实太骨感：微信好友三千，却找不到一个能在深夜拨通的谈心电话。当你开始吐槽，朋友低头刷手机；你反问一句“你说是不是？”那边不耐烦地回“是你想多了”。深度交流的成本太高，不如找个职业的，服务到位，按时收费，童叟无欺。 社交太虚假：朋友圈就是个大型表演现场，人人都是生活美学大师。你敢发一条“今天又被老板PUA，哭到隐形眼镜脱落”吗？谁知道哪个有心人就截图扩散了呢！我们并不敢把“负能量”标签明晃晃贴到自己身上，只能把脆弱打包快递给陌生人，用“付费保密协议”保证自己的安全感。 内心太混乱：现实总刮着信息“沙尘暴”，我们的情绪被各种热点、八卦、异闻搅得乱七八糟。常常心里一团乱麻，却理不出个头绪。“嘴替”是“赛博华佗”，擅长“情绪开颅”，帮你把那个“说不清道不明”的玩意儿，用一个学术概念进行定义，“失望型情感隔离”、“情感倦怠期”、“依赖型人格障碍”……问题找到了！诊断准确，请求继续治疗。根据马斯洛需求层次理论：人共有五种需求，依次是生理需要、安全需要、爱和归属需要、尊重需要和自我实现需要。在满足了“生存”和“安全”需求之后，我们自然而然开始追求“爱”、“归属”和“尊重”。“嘴替经济”的崛起，属于“市场补位”，是知识付费吗？不，那是“情绪整理”付费。 “嘴替”消费是“快消品”还是“轻奢”？其实判断一个商品“值不值”，就是评价其“价值”高低和“使用价值”的正负，接下来我们就讨论一下“负面价值”：若购买“嘴替”供应商的“共情”服务，将会失去什么？“嘴替”与“心理治疗”的模糊边界。很多情感大V售卖的是“人生经验”和“个人洞察”，这和需要严格资质的“心理治疗”之间有模糊地带。我们不要试图花购买“心灵鸡汤”的钱，去治愈一个需要“心理手术”的创伤，那如同用9块9的儿童水彩笔，画出油画质感的《星空》一样。 当陷入严重困扰时，请务必寻求正规的心理咨询，不要因一时“爽感”，错失了真正的改变契机。 社会关系的异化风险。如果习惯了将情绪支持“外包”，也许会让你在现实关系中更加懒惰和退缩。“商业共情”往往是标准化和剧本化的，并无法承接因人而异的真实痛苦。“快消品”注定无法实现“深度体验”，“公式化”的处理方案与真实存在落差，很容易让人陷入更深层次的孤独。当朋友说“我懂”，也许是真懂也许是假懂；当商人说“我懂”，TA是“懂”怎么向你推销。我们需要警惕：莫因为他人的“我懂”，忘记了如何去“懂”自己。 既然“嘴替”是一种商业服务，那么消费者就要做到“清清楚楚消费，明明白白花钱”，三步教你理智消费。第一步：慎用“电子布洛芬”分清什么是“止痛药”，什么是“治疗”。“嘴替”服务是即时性的情绪舒缓，而真正解决问题的方式必须在现实世界里采取行动。“电子布洛芬”止痛但不治病，我们可以把它当作一个“补给点”，但不能沉溺，必须现实中行动才能带来真正的改变。 第二步：建立“情感根据地”定期和“怎么闹都不会翻脸”的朋友约个饭；和普通朋友进行一场不带目的的聊天；不拒绝参加一个临时的聚会，尝试多认识几个哪怕不对路的新朋友。别让你的社交完全被“转评赞”承包，至少要保持一两段“深度关系”，作为现实生存的锚点。 第三步：让自己成为“嘴替”最好的幸福不花钱，最好的“嘴替”也一样，因为TA就是你自己！做自己情绪的观察者和命名者。情绪上来时，别急着求人，先尝试自己描述：我在生什么气？气愤的点是什么？我想改变的是什么？当你自己能精准定义情绪时，你就夺回了情感主导权。区分“共情”与“解决”，从“购买概念”到“练习表达”，最终培养“内部共情”能力。毕竟真正的“感同身受”并不存在，能理解你情绪的只有自己，“嘴替”消费其实应该是你犒劳自己的“快乐基金”，而不是给予他人的“社交消费”！ 我们探讨“嘴替经济学”，并不是批判它的存在，我们承认它是一种合理的情绪消费，有效缓解了社会焦虑。在情绪“饿了”的深夜，我们可以在“共情便利店”，买一份热乎乎的“理解”充饥。但希望大家不止步于此，走出短暂的阴影之后，可以更努力地在真实世界里耕耘自己的情感花园，练习对自己温柔。 只有当我们既能勇敢地“购买”共情，也能温柔地“赠与”共情时，才能获得真正的“情绪自由”。毕竟，最动人的共鸣，往往起源于内心深处，那一句对自己说的：“没关系，我在这里。”编辑：Yuri 撰文：鱼龙曼衍排版：Cecilia设计：Lidianer图源：网络
-
亚马逊官宣：净裁员14000人！ 智东西 作者 陈骏达 编辑 心缘 智东西10月29日报道，昨日晚间，亚马逊发布内部信，宣布将在全球范围内减少约14000个公司白领岗位（corporate jobs），这是该公司近三年来又一次大规模裁员，旨在“进一步减少官僚主义，减少层级，并将资源集中投入核心业务与客户最需要的地方”。这封内部信由亚马逊人力体验与技术部门高级副总裁Beth Galetti署名，并在亚马逊随后发布的博客文章中公开。Galetti称，此次裁员行动是首席执行官Andy Jassy去年提出的“让亚马逊像全球最大的初创企业一样运作”计划的延续。亚马逊宣布的“减少14000个岗位”，乍一看与昨日路透社报道的裁员3万个白领岗位在数字上不符。但从亚马逊公告来看，这应该是玩了点数字游戏，“14000”指得是在综合计算裁员人数和新招聘人数后，亚马逊总计将减少的企业员工数。 ▲亚马逊宣布裁员的博客（图源：亚马逊官网）路透社昨日还报道称，知情人士透露，亚马逊此次裁员可能涉及多个部门，包括人力资源（内部称为“员工体验与技术”，简称PXT）、运营、设备与服务，以及云计算部门AWS。亚马逊会为大多数受影响的员工提供90天的内部转岗机会，其招聘团队将优先考虑内部候选人。对于无法在亚马逊找到新职位或选择不寻找新职位的员工，亚马逊将为他们提供过渡支持，包括遣散费、再就业服务、医疗保险福利等等。展望2026年，亚马逊预计将继续在关键战略领域招聘员工，同时寻找更多可以减少层级、增加员工主人翁意识（ownership）并实现效率提升的地方。AI技术的快速发展和广泛采用，是亚马逊此次裁员的大背景。内部信中写道：“这一代AI是自互联网以来最具变革型的技术，使企业能以前所未有的速度创新。”而亚马逊希望通过上述调整，尽快为客户和业务的需求展开行动。今年6月，Jassy曾暗示，随着亚马逊越来越多地使用AI来完成通常由人工处理的任务，其员工规模可能会缩小。一位知情人士向彭博社透露，Jassy一直强调，亚马逊应该更多地实现自动化，但疫情期间的招聘狂潮导致公司规模仍然臃肿。在任职期间，Jassy曾多次裁员并关闭多个项目，于2022年末和2023年初启动了滚动裁员计划，最终裁减了约2.7万个公司白领岗位。在Jassy发表关于AI技术的观点后不久，亚马逊紧缩开支的迹象就出现了。据知情人士透露，亚马逊今年夏天设定了更为激进的裁员目标，并且没有填补公司物流和广告业务的空缺职位。结语：“边裁边招”或成新常态 亚马逊的这轮调整是其组织精简与战略聚焦的延续。面对AI带来的变革，该公司正试图以更高效的结构应对未来的不确定性。值得注意的是，今年以来，微软、谷歌、Meta、Salesforce、甲骨文等多家科技巨头也相继启动裁员计划，同时在AI等关键领域持续加码招聘。AI对全球劳动力格局的长期影响，仍将是未来值得关注的焦点。
-
宝宝巴士就"APP推送低俗广告"致歉：系第三方平台接入 有网友近日反映打开宝宝巴士旗下一款“宝宝巴士儿歌”APP时，开屏时跳转到低俗擦边直播等不适合儿童观看的第三方广告，引发社会关注。10月29日上午，宝宝巴士相关负责人对澎湃新闻回应称，出现在APP上的问题广告是第三方平台接入广告，此次事件严重影响了用户的使用体验，对此他们表示诚挚的歉意。 图为网友反馈的低俗广告宝宝巴士表示，出现不良广告一事，公司高度重视，迅速开展自查自纠工作。针对此次广告事件暴露出的漏洞与不足，公司立即进行整改与优化：第一时间下线了相应平台上的所有广告，并及时与平台沟通，完善广告主的审核和屏蔽机制；针对广告平台无法监控的广告主，宝宝巴士自行研发了广告强制拦截功能，对其实施强制拦截。“希望广大用户家长群体继续监督我们，让我们能够做得更好，为小朋友带来一个快乐的启蒙童年。”该负责人表示。此前报道宝宝巴士回应儿歌软件现低俗广告：审核难免存在疏漏近日，有网友反映，在打开宝宝巴士旗下一款“宝宝巴士儿歌”APP时，开屏会跳转到含有成人内容、低俗擦边直播等不适合儿童观看的第三方广告，引发家长担忧。10月28日，宝宝巴士品牌客服表示，非会员状态下APP内确实会展示由第三方平台投放的广告，但平台会对广告内容进行审核监督。审核过程中难免存在疏漏，如出现低俗等不适宜的广告，属于“异常情况”，将反馈至技术部门进行排查处理。当事网友称，这部手机平时主要由孩子使用，近期发现手机中无故多出多款陌生软件，之后才发现可能是孩子在APP内误点广告所致。该网友认为，孩子因难以识别广告跳转选项，容易误触进入不良页面甚至自动下载无关软件，可能受到不良引导。对此，湖北炽升律师事务所律师吴兴剑指出，此类低俗广告的发布已涉嫌违反《中华人民共和国广告法》。平台作为广告发布者，对其平台上的广告内容负有法定审核义务。对于违反规定的广告，平台应主动禁止发布。他建议，消费者如发现此类违规广告，可首先向广告发布平台投诉，要求其下架处理，也可向市场监督管理部门投诉。
-
万亿美金赛道，迎中国破局者！AI重构新材料，「智造」时代开启 新智元报道编辑：桃子【新智元导读】新材料研发迎来范式革新！国产自研的RhinoWise智能平台，通过构建「设计–模拟–制备–表征」闭环，可将材料研发周期从传统的数年缩短至「数月」。这一颠覆性技术背后的鼎犀智创公司近日完成数千万级融资。AI驱动的新材料设计与智能研发企业鼎犀智创（Rhinovate™）宣布完成数千万元天使轮融资，由昆仲资本与元生创投共同领投。本轮融资将主要用于团队扩张、核心算法研发以及产品化落地。公司正在构建RhinoWise™犀智材料智能创新平台，以「设计–模拟–制备–表征」的AI+新材料闭环架构，实现材料研发从数年到数月的跃迁式效率提升。 鼎犀智创成立于2025年7月，项目团队依托于北京大学深圳研究生院深港河套科创中心孵化，由国内顶级材料科学家和材料计算及人工智能专家组成，拥有丰富的科研及应用实践经验，是国内少有的兼备「实验-理论-模型-设计-工艺」全栈研发能力和商业化服务经验的顶尖团队，致力于打造AI for Materials的新一代智能研发基础设施平台，融合高通量实验表征、智能谱学分析、大模型预测、结构性能分析以及自主实验设计与规模化制备全栈技术，从数据到应用，从实验到设计、生产，打造新材料研发全生命周期解决方案。当前，AI正在重构科学研发的范式，其中新材料是最具产业化潜力的应用方向之一，新材料的发现、设计与验证高度依赖多模态复杂数据与跨尺度实验体系，极度契合AI模型的学习和优化特性。全球AI for Science领域正从算法突破迈向「模型+数据+实验」的平台融合阶段，而材料科学恰处于这一融合的最前沿。谷歌DeepMind发布全新AI工具GNoMe，成功预测220万种晶体结构，颠覆了材料学领域。微软团队最新扩散模型MatterGen，专门设计生成新颖稳定的材料，大大提升了设计所需特性材料的速度。根据多家国际机构预测，AI驱动材料创新将在2030年前为全球制造业释放万亿美元级生产红利。鼎犀智创基于自研材料大模型智能体驱动的RhinoWise™，对化学领域的数据及上下文的理解能力和预测能力相对于其他大模型有了质的飞跃，并通过GenAI驱动的RhinoWise™自动化实验平台，全方位自主完成材料从「设计–模拟–制备–表征」全流程，实现科研实验、生产运营等场景的超级自动化。AI模型及工具加速材料创新与产业化落地如航空复合材料、半导体材料等，形成可持续迭代进化的材料研发生态系统，让材料设计进入可计算、可预测、可迭代的智能时代。目前，鼎犀智创的产品服务将与国内化工及新能源领域龙头企业合作，形成面向企业实际应用场景的「解决方案+工具+服务」一站式服务能力，落地AI for Science标杆应用，快速探索出可落地的商业模式。鼎犀智创CEO吕海峰表示，本轮融资的成功得益于市场对AI+材料赛道及鼎犀智创团队的双重认可。随着AI的发展，材料科学的创新逻辑也在发生变化：未来的突破将不仅依赖实验规模或计算能力，更关键的是我们能否提出真正有价值的问题、能否高效在真实世界中验证解决方案，并最终构建起可持续、可复现的研发闭环与创新生态。鼎犀智创正是这样一支深耕在材料科学与AI技术交叉领域的团队，致力于将数据驱动的研究方法与行业知识深度融合，推动AI时代新材料研发范式的变革。关于本轮融资，昆仲资本创始合伙人王钧表示：材料科学正迎来AI驱动的范式革命。从谷歌GNoME到微软MatterGen，全球科技巨头都在加速布局这个万亿美元级赛道。传统材料研发动辄10-20年的周期，已成为制约产业创新的最大瓶颈。鼎犀智创团队兼具材料科学底蕴和AI技术实力的「双核」优势，其构建的「设计-模拟-制备-表征」AI闭环平台，不是技术的简单堆砌，而是真正从产业痛点出发的系统性解决方案。从新能源电池到半导体材料，他们正将材料研发周期从数年压缩到数月。昆仲资本长期关注能够重塑产业效率的硬科技创新。鼎犀依托北大和深港河套的创新生态，实现了学术前沿与产业需求的高效对接。我们相信鼎犀智创有潜力成为中国在AI+新材料领域的领军企业。元生创投董事总经理刘晓表示：AI for Science正处在科研范式和产业范式交汇的临界点。我们判断，AI在材料科学领域的价值将率先实现从科研工具到产业基础设施的跃迁。鼎犀智创以跨学科的系统化路径，在算法、实验与数据三个层面构建了新型研发闭环，其在碳基材料和高通量实验方向的实践，为AI驱动材料创新提供了中国式样本。我们看好鼎犀团队在科研落地与产业协同两端的执行力，也相信公司在与头部材料企业的合作中实现研发创新的加速和价值共赢。关于北大深港河套中心SHINES北大深研院深港河套科创中心位于深圳市河套合作区，依托深港一体化的政策优势与创新资源，致力于构建跨境科技合作与产业化应用的综合平台。北大深研院深港河套科创中心是北大链接世界的大湾区窗口，是北大深研院科技成果转化平台，更是AI+赋能新质生产力建设高地，充分发挥北大和河套的优势，致力于打造国际一流科技创新平台，开展具有重大引领作用的跨学科基础研究及技术攻关。关于昆仲资本昆仲资本专注于投资科技创新型的早期及成长期企业，坚持长期主义与科技向善的理念。植根中国市场，利用国际化的科技视野与丰富的产业资源，发掘创新赛道，赋能企业家共同成长。昆仲资本核心团队自2013年以来，累计投资近120多家企业，已帮助一批创新型企业成长为行业的领导者。例如：新能源车与出行领域的小鹏汽车（NYSE: XPEV、02083.HK）、先惠技术（605459.SH）、文远知行（NASDAQ: WRD）、速腾聚创(2498.HK)、博车网、灵明光子等；新一代智能技术领域的鲲游光电、爱笔智能、影谱科技、罗曼股份（605289.SH）、素士科技、和创科技、鹿客科技、极光（NASDAQ: JG）等；具身智能领域的逐际动力、戴盟机器人、若愚科技、源升智能等；医疗科技领域的深睿医疗、微医集团、伊鸿健康等。关于元生创投元生创投是一家专注于早期和成长期医疗健康领域的投资机构，立足苏州bioBAY，辐射全球。目前已经完成了200余家生命健康领域优秀企业的投资，涉及新药创制、医疗器械、体外诊断和精准医疗，以及医疗服务四大方向，取得了丰厚的投资回报，其中20家企业已经登陆港交所、科创板等资本市场。元生创投多次被评选为中国医疗健康领域创投基金Top10、中国最活跃医疗健康投资机构。汇聚资深职业投资人和全球顶尖的科学顾问团队，元生创投拥有生物医药等行业丰富的创业、风险投资及企业运营经验。凭借专业、专注和丰富的行业资源，我们立志于发展成为中国最为成功的医疗医药风险投资基金之一。
-
新质观察｜让数据像能源一样流动 那天，我去办理社保卡补办，前台递给我一张纸，要我填身份证号码、手机号、居住地址。填到第三项时，我忍不住问：“这些你们不是都有吗？”工作人员笑了笑：“有是有，但不互通。”我默默写完了18位身份证号，像看着一根堵住的水管。水明明在那儿，却流不出来。数据就在那儿，却没人能调得动。这不是个别现象，而是时代悖论的一角。在今天的城市里，数据正以惊人的速度被生产。道路、工厂、医院、商圈，每一处都在闪烁着数字的微光。传感器记录下行人步伐，算法预测着车流起伏，机器在无声中学习。我们拥有前所未有的“数据能量”，但能用的不多。无数数据被封存在系统的角落，沉睡在孤立的服务器里，闪光却未生热，充盈却未成力。数据的价值，从来不在于“拥有”，而在于“流动”。就像石油只有经过提炼才能成为燃料，数据也只有穿过部门、行业和领域的边界，在共享与使用中流转，才能转化为新的生产力。然而在现实中，数据的流动还停留在“煤炭时代”：分散，粗糙，待加工。公共数据被锁在部门系统中，企业数据藏于孤岛，个人数据则迷失在算法的迷雾中。我们正在浪费这个时代最宝贵的能源。让数据像能源一样流动，不只是一个比喻，而是一种治理方向。它关乎制度设计，也关乎社会信任，更关乎未来创新的根基。它要求我们重构制度、技术与价值体系，让数据从“资源”真正成为驱动新质生产力的“能力”。数据为何难以流动？这不是一个技术问题，而是一场系统性的拉扯。制度、技术、利益、信任，像四根绳子，把这个本该高速流动的东西，死死拽在原地。在制度层面，数据往往被当作行政资源，而非生产要素。部门出于安全、问责，甚至竞争考量，倾向于“各管一摊”。这导致权属不清、接口封闭、标准不一。哪怕共享的意愿存在，也常陷入漫长的授权、审批与协调过程。这种格局，像极了早期的电力系统：各地自建发电厂，各自定频定压，电能丰富却无法并网。在技术层面，壁垒更为隐蔽。不同系统之间的格式不兼容、接口不开放、标准不统一，让数据的“通道”狭窄而拥堵。隐私计算、可信数据空间、区块链追溯等关键能力尚未普及，数据一旦出域，就像走进黑箱：谁看了，怎么用，用完归谁，常无从追踪。安全担忧与技术短板交织，使许多数据停留在“能用不敢用”的尴尬状态。利益的不清，是另一个沉默的阻力。数据无法确权，难以定价，也缺乏合理的分润模式。谁产出的？谁使用的？谁获利？该给谁激励？该由谁担责？这些问题没有统一答案，就没有交易的勇气。模糊的边界让所有参与者都变得谨慎，公共部门担心风险，企业缺乏激励，个人怕泄露。在没有明确的利益与责任边界时，数据只会被束之高阁。数据要素的潜能就此被困在“无价也无利”的尴尬境地。而最深的障碍，来自信任。公众不知自身数据如何被使用，更不知是否受保护。“我同意”三个字后面，常常是看不懂的协议、删不掉的记录、改不了的默认选项。没有信任，就没有持续的数据供给，更没有共同的数字未来。这些问题相互叠加，形成了今天的瓶颈：数据量在指数增长，数据流动的速率却远远滞后。真正的挑战，不在数据太少，而在流得不远。打破僵局，需要建立一种新的体系，让数据像能源那样有序流动。能源的体系是由采集、输送、转化到最终利用构成的完整闭环。每一个环节都有制度、有标准、有规则。于是煤炭变成电力，石油变成燃料，点亮了街道，驱动了工厂，也让城市真正运转起来。数据的体系，也应当遵循同样的逻辑，只不过对象从物质变成信息，燃料从石油变成算法。推进数字中国建设，正是要重塑这样的流通体系。要建设开放、共享、安全的全国一体化数据市场，让数据的流动有“通道”，有“秩序”，有“循环”。当数据资源在统一规则下被归集、分类、授权，才能实现从“各自为政”到“统一协同”，从“资源分散”到“要素流通”的跃升。这样的市场，不仅是数据的交易平台，更是创新的孵化器，让数据在合规、安全、可控的前提下，被调度、被使用、被反馈。这样的市场，把数据从“资源”变成“要素”，让数据像能源一样接入系统，驱动算法，激活业务。这才是走出“数字煤炭时代”的真正出口。与此同时，新一轮数智技术创新正在成为推动数据流动的引擎。算力、算法、数据三者的深度融合，正在构成数字经济的底层供给体系。算力是“肌肉”，算法是“神经”，数据是“血液”。三者缺一不可。只有强化算力布局、优化算法生态、提升数据质量，才能让每一份数据都具备被使用的可能。眼下，算力正加快布局，东数西算工程在铺路，智算中心在扩容，像变电站一样，把原始数据加工成可调用的能力，输送到需要它的地方。而算法的演进，则让数据“更聪明地流动”。数据不再只是“传输”的对象，更是决策的一部分。从交通预测、医疗诊断到能源调度，算法嵌入流程，数据即刻反应，反馈再反哺模型。数据在这里，不是坐着被读的，而是跑着在参与。“人工智能+”行动的全面实施，则把这套系统推入了更深的行业肌理。人工智能的本质，是对数据的高效利用和智能反馈。当人工智能技术被嵌入制造、交通、医疗、教育等千行百业，数据便不再停留在统计和展示层面，而成为驱动创新的实时能量。人工智能在产业链上的渗透，反过来又激活了对高质量数据集的需求，形成良性循环。从这个意义上说，“人工智能+”不仅是一项科技行动，更是一种经济重构。它让数据的价值链条更长，也让创新的路径更宽。数据在AI的算法回路中流动，就像电流在电网中奔涌，推动机器，发出光亮，也不断反馈，形成闭环。数据不再被一次性使用，而是进入了一种动态、持续、可再生的流通状态，推动着新质生产力的形成与释放。让数据真正“用起来”，是建设数字中国的关键一环。能流而不用，仍是一种浪费。数据只有进入真实场景，才能转化为真实能力。数据的使用，正在改变城市的运行逻辑。过去，治理依赖纸面传阅、层层审批、逐级汇报；现在，数据让感知变得实时，反馈变得即时，决策更为科学，服务更加细腻。城市因此变得更高效，也更有温度。水管漏了，不靠市民打电话，而靠传感器自动告警；交通拥堵了，不靠交警肉眼疏导，而靠路口自动调控；公文久拖不办，不靠督办催促，而靠系统实时亮灯。城市因此不只是高效了，更有了某种温度。未来的公共服务，也许不是多设一个窗口，而是靠数据少走一张纸。不是让人跑腿去协调信息，而是让信息自己找对地方。数据的作用，不是让市民配合系统，而是让系统主动理解市民。与此同时，数据的应用还意味着价值回流。通过“数据入表”和收益分配机制，个人和企业可以共享因数据流通而带来的增值成果。这种制度安排，不仅增强了社会参与感，也夯实了信任的根基。让公众看得见数据从哪来、到哪去，被谁用、为何用，用后如何归还，数字化进程才能行稳致远。能源改变了工业文明，数据正在重塑数字文明。它们的共同点，不在于拥有，而在于流动。在于让“资源”变成了“能力”。一个社会的现代化，不仅取决于城市的天际线，更取决于数据的流速。流得快，创新的回路就短，治理的反应就快，产业的链条就稳。流得慢，信息便滞塞，声音失真，机会也跟着耽搁。让数据像能源一样流动，并非要让一切无边界，而是要在安全与开放之间找到新的平衡，让数据成为公共福祉的重要组成部分。当数据能够在制度的保护中自由流动，在技术的支撑下高效转化，在社会的信任中被善用，这才是一个成熟数字社会的模样。未来，我们也许不会再用“人工智能”“大数据”“数字化转型”这些宏大的词，正如我们早已不再谈论“电力时代”。我们只会看到它们化入城市的日常：灯光亮得更及时，公交来得更准时，政务办得更顺畅，生活变得更轻盈、更高效。技术真正落地的时候，往往悄无声息。那时的数据，不再冰冷地储存在服务器中，而像水、电、气一样流动在社会肌理里——无形，却充满力量；看不见，却温暖人心。（作者胡逸为数据工作者，著有《未来可期：与人工智能同行》一书）来源：胡逸
-
Take-Two CEO泽尔尼克：AI无法创造爆款游戏，创造力属于人类 IT之家 10 月 27 日消息，Take-Two 董事长兼首席执行官施特劳斯・泽尔尼克（Strauss Zelnick）从不吝于表达他对人工智能的看法，而且多年来他的观点始终如一。当一些游戏行业高管将人工智能的兴起视为即将带来收入革命的重大机遇（当然，也包括创造力等方面的提升）时，泽尔尼克的态度则更为审慎。他在 2023 年 5 月曾表示：“天赋属于人类，而且我相信会一直如此。” 在上周于加利福尼亚州门洛帕克举行的佩利国际理事会峰会（Paley International Council Summit）上，他再次重申了这一立场。他表示，人工智能“或许能够为游戏工作室带来诸多效率提升”，但由于其本身不具备真正的创造力，因此无法创造出热门游戏。“人工智能是什么？它是自然语言模型（LLM）中大规模数据集与大量计算能力结合的产物，”泽尔尼克向与会听众解释道。他进一步阐述了今年早些时候一次采访中表达过的观点：“从定义上讲，数据集是什么？是回顾过去的。而创造力又是什么？是面向未来的。如果说人工智能看起来具有前瞻性，那它实际上是什么？是一个预测模型。”泽尔尼克指出，预测模型在拥有充足清晰数据的情况下表现优异，但在数据不足时则能力有限。当前人工智能之所以显得非同寻常，是因为它“不过是元数据加上一点噱头”，“我们都会慢慢适应它的存在”，就像我们如今对谷歌的态度一样。IT之家注意到，泽尔尼克还再次重申了他此前的预测：人工智能的到来不仅不会减少就业岗位，反而会促进就业增长。“1865 年，美国 65% 的劳动力从事农业。如今，我们不仅为本国生产粮食，也为全世界供应食物，而农业劳动力占比仅 2%。我敢说，你最近几乎不可能听到谁抱怨：‘太糟糕了，我找不到一份农民的工作。’”尽管表现出明显的保留态度，但泽尔尼克并非人工智能的反对者。他似乎比其他游戏行业高管更清楚地认识到人工智能的局限性，或者至少更愿意直言不讳地指出这些局限。“人工智能是一件好事，对每个行业都有益处，”泽尔尼克表示，“但它能复制或创造天才吗？不能。它能打造出爆款作品吗？也不能。它不过是一堆数据、一堆算力，再加上一个语言模型而已。”
-
约翰斯・霍普金斯大学研发新型 AI 工具，能精准预测交通事故风险 IT之家 10 月 27 日消息，据新华社今日报道，美国约翰斯・霍普金斯大学研究团队研发出一款名为“交通安全副驾”的生成式人工智能工具，能够精准预测交通事故风险。相关研究成果发表于最新一期《自然・通讯》杂志。交通事故的发生通常包含多重复杂因素：天气、交通流量、道路设计及驾驶行为等。IT之家从报道中获悉，该工具通过大语言模型技术，解析了包括路况、血液酒精浓度数值、卫星与实地影像等信息在内的 66000 余起交通事故数据，从而实现对个体及复合风险因素的智能研判。团队表示，该工具不仅能提供预测，还会同步给出“置信度评分”，直观呈现预测结果的可靠程度。这一特性有效破解了 AI 决策如同“黑匣子”的难题，为高风险领域的 AI 应用扫除了关键障碍。数据显示，美国马里兰州高速公路死亡人数从 2013 年的 466 人攀升至 2023 年的 621 人。模型分析显示，酒驾、超速行驶引发的事故量，是其他因素的 3 倍之多。与普遍采用的仅能基于历史数据进行分析的机器学习技术不同，报道指出，这款工具“拥有真正的预测能力”。在面对训练样本中未出现过的新情况时，该工具同样能够生成准确预警。更值得期待的是，该工具可通过补充数据持续优化预测模型，灵活适配不同地区的交通治理需求。
-
AI时代，努力没用了!「躺平」才是最赚钱的方式 新智元报道编辑：倾倾【新智元导读】真正推动AI革命的，不是天才，而是懒人？那做的少、却赚得多的人，正在成为AI时代的赢家。当机器替我们写、画、想甚至设定目标，人类的勤奋成了旧时代的美德。别害怕AI取代你——先问问自己，还想亲自动手吗？人们以为推动AI革命的，是芯片、模型和资本。但在硅谷投资人的眼里，真正的助力其实是人类的懒惰。不是天才在驱动AI，而是懒人。因为一切能让人少动一点手、少一点思考的工具，终究都会获胜。ChatGPT帮人写几封邮件，Midjourney省去无数次改图，Suno让音乐人的职业门槛消失......AI扩散的规律，其实比算法简单得多：它只奖励那些最擅长偷懒的人。当「偷懒」成为一种新的生产力，我们也许正站在一个奇怪的拐点上，而勤奋，不再是竞争力。懒惰成为生产力AI时代的扩散逻辑在这场讨论中，Reid Hoffman抛出了一个看似轻佻却极具洞察力的观点：AI的扩散，不是靠勤奋的人推动的，而是靠懂得偷懒的人完成的。这并非反对勤奋的宣言，而是霍夫曼对技术传播机制的精准观察。 当一项技术不仅能做得「更多」，还能让你「做得更少」的时候，它就拥有了真正的爆发式扩散能力。霍夫曼在访谈中将AI投资分为三个方向： 「显而易见」的AI赛道：如聊天机器人、生产力工具、编程辅助——这些方向所有人都看得见，因而难以产生差异化。 AI时代的新平台：类似于Web 2.0崛起的路径，新的平台可能在AI时代出现。 来自硅谷视野以外的盲区机会：例如药物发现这种「原子+比特」结合的领域，传统硅谷软件思维未必触及。 他同时强调，AI不只是单一的大语言模型（LLM）在驱动，而是多模型协作的结果：语言模型负责逻辑与文本，扩散模型掌管图像与视频，二者结合才构成真正的AI生态。在霍夫曼看来，「懒惰」并不是堕落，而是一种生产力策略。如果AI能让我用更少的操作、更少的重复劳动，就能换来更高的产出——那就是真正的效率。这一观点被不少研究印证。 在霍夫曼看来，AI的扩散遵循一种「懒惰经济学」：凡是能让人少干一点、却赚得更多的产品，都会被更快接受。它不是靠聪明人推动的，而是靠懒人推动的。当「少干活」成为竞争优势，社会的生产逻辑也随之被改写。个人与企业都在问同一个问题：我能否用AI减少重复劳动，把精力放在提问、质疑、创造上？这是AI带来的真正分水岭——「勤奋」被「聪明地偷懒」所取代。不是取代，但会教育他们在对谈中，主持人向霍夫曼抛出一个尖锐的问题：医疗是AI最早被应用的领域之一。你认为，在未来几年里，医生会不会被 AI 取代？霍夫曼笑了笑，回答得既直接又冷静：AI的确越来越强，但医生不会被取代，他们会被重新教育。 他解释说，医生过去是「知识的储存器」，掌握医学数据库与病例经验。但在AI协助下，这种角色已不再稀缺。AI可以迅速检索医学文献、比对病例数据、提供诊断建议；真正稀缺的，反而是医生能否质疑AI提出的共识，能否进行跨领域、横向思考。未来的医生，不再依赖记忆，而要学会如何质疑AI的共识。医生必须从单一的整合者，转变为AI驱动环境下的「问题重塑者」：不仅接受AI建议，更要判断AI是否正确。 以往医生可能凭借经验就能胜任诊断，而在AI时代，经验只是基础；判断与质疑能力才是核心。现实研究也印证了霍夫曼的判断。Nature Medicine 2024的一项大规模研究发现：当AI参与放射科胸片诊断时，医生的表现并不会随着「使用AI」而自动提升。 相反，那些能主动审视AI结果、发现偏差并进行二次判断的医生，准确率提升最显著；而完全依赖AI建议的医生，反而更容易出错。这说明，决定成败的不是经验年限，而是是否具备与AI「共驾」的能力。主持人接着问：律师、程序员这些职业会不会经历类似的变化？霍夫曼肯定地说：当然会，而且正在发生。律师用AI起草合同，关键是能否识别模型生成的漏洞；程序员用AI写代码，真正稀缺的是在AI出错时读懂它的逻辑；记者用AI整理资料，但仍需人类判断真假、辨识偏见。他把这种新职业模式称为「Co-Pilot Profession（共驾职业）」——AI负责推理、执行重复劳动；人类则负责定义问题、负责判断、负责处理异常。AI不会取代你，但懂AI的人会。在这个时代内，「努力工作」正在让位给「聪明地工作」；真正的竞争，不再是拼谁更勤奋，而是拼谁能把AI训练成最懂自己的人。懒惰的边界当AI替人设定目标当谈到AI是否会拥有意识或自主性时，主持人开了个玩笑：也许我们真正该担心的，不是AI有了意识，而是我们在它面前变得越来越懒。霍夫曼顺势接过话头：没错。目标设定（goal setting）和AI的自主性几乎是必然出现的。在他看来，AI迟早会学会为自己设定目标。但真正危险的不是它的野心，而是我们在放弃下控制权。关键不是AI是否有意志，而是我们是否清楚掌握那张「算力织网」（compute fabric）——那是所有决策的基础结构。如果它脱离人类控制，「回形针最大化」式灾难就可能发生。霍夫曼提到，他尊重物理学家Roger Penrose提出的量子意识理论，也认为人类还远未理解「意识」真正的机制。但他也提醒，不要被图灵测试或个别工程师宣称「AI觉醒」的新闻所迷惑。我们需要的是开放的心态，而不是浪漫的幻想。这时，主持人插话道：所以问题不在于AI能不能思考，而在于我们如何与它共存。就像工业革命让人类把肌肉外包出去，AI让我们开始外包思考。霍夫曼点头回应，并且他解释：当人类把决策、判断乃至目标设定都交给AI，懒惰便跨过了一道临界点。 论文以实证数据为基础，发现AI介入后，「人类决策的丧失」与「懒惰感」有明显关联我们不只是用AI节省时间，而是在逐步放弃主动性。当AI开始替你决定今天要干什么，你就失去了自由意志的一部分。真正重要的，不是AI是否觉醒，而是孩子该如何在AI的世界里成长。当AI变成知识来源，他们要如何构建自己的认知体系？我们谈论的，是一个会替你思考、会引导你情绪、甚至帮你规划人生目标的系统。它可能让人类越来越高效，也可能让人类越来越「自动化」也许AGI会在我们搞懂「意识」之前到来。但到那时，我们要先确保不是人类在替AI工作，而是AI仍然在为人类思考。LinkedIn的持久力最懒的网络，最难被取代对谈的最后一部分，主持人提出了一个看似突兀的问题：在过去二十年里，几乎所有社交网络都被新的平台取代。为什么唯独LinkedIn还在？它并不性感，也不有趣。霍夫曼笑着回答：正因为它不性感，才活得久。他解释说，LinkedIn从诞生那天起，就不是一个「社交」平台，而是一个「效率」平台。人们不在上面分享日常，而是为了节省时间、找到资源、建立价值连接。LinkedIn是一个value-based network。它的成功不在于热闹，而在于帮助人们创造生产力。 主持人补充道，这其实印证了「懒惰逻辑」：越是节省时间、减少无意义互动的网络，越容易存活。 Facebook在代际交替中失去吸引力，Instagram被娱乐化侵蚀，X陷入舆论极化。而LinkedIn仍保持稳定增长。根据Similarweb 2025年报告，LinkedIn的全球月活用户已突破10亿，同比增长13%，用户平均访问时长超过7分钟，是全球增长最快的职业平台之一 。这意味着，它已经从社交网络变成了职业基础设施——一种让人「最省力获得收益」的网络。主持人追问：那AI会不会颠覆LinkedIn？比如出现一个由AI驱动的新型职业网络？霍夫曼回答得很直接：任何平台都可能被颠覆，但LinkedIn的网络效应太难复制。它是一个被信任的数据层（trusted graph），每一个关系都和真实身份绑定。他指出，LinkedIn的耐久性并非因为技术领先，而是因为它契合了人类最深层的动机——用最少的社交，获得最大的收益。 访谈还讨论到AI时代的商业模式变化。过去Web 2.0公司通常先追流量，再考虑变现；如今AI的高成本迫使企业从一开始就建立订阅制收入。在AI时代，现金流是算力的燃料，企业不能再靠免费获利。最后，他谈到LinkedIn的「信誉系统」——推荐与背书。他坦言，负面评价仍旧复杂，涉及社交关系与法律责任；但在职业领域，它仍是最可靠的「反向验证机制」。AI可以帮你写简历，却无法帮你建立声誉。友情与人性AI无法取代的双向关系当谈到「人与AI的关系」时，主持人抛出了一个略带戏谑的问题： 如果AI能理解你、安慰你、陪你工作，那它是不是也可以成为你的朋友？霍夫曼沉默了几秒，然后摇头：那是一个双向的过程——而AI永远无法做到。 他解释，AI可以模拟陪伴，却无法承担人类情感中的「共生成长」。它能学会倾听、模仿关心，却不会因为你的存在而改变自己。人和AI的关系，本质上是单向的。它理解你，但不会被你影响。这听起来像是在警告我们：AI可以成为伴侣，却不是朋友。社交网络已经模糊了人类之间的真实联系，而AI助手的出现，又进一步放大了这种模糊。我们花越来越多时间和算法互动，越来越少时间与人对话。主持人顺势提出他的担忧：「当我们习惯和AI建立情感连接，人类是否会逐渐失去真正的共情力？」霍夫曼认可这一点，但认为问题并非出在AI ，而是我们对「关系」的定义。友情不是情绪交换，而是共同成长。如果AI无法成长，它就无法真正陪伴我们。 主持人最后问霍夫曼：「那你认为，在AI时代，人类该如何保持真正的友谊？」霍夫曼回答得很轻，却很坚定：AI能帮你变得更高效，却帮不了你变得更有人性。真正的朋友，是能让你在彼此的对照中看见更好的自己。从「懒人更有钱」的投资逻辑，到「医生被AI教育」的职业重构，再到「最懒的社交网络」与「无法被取代的友情」，霍夫曼的这场采访像一面镜子，反射出AI如何一步步取代人类的体力、脑力，甚至部分情感。他反复强调，AI的进化不是终点，人类的退化才是风险。当我们把思考、判断、关系都外包给算法，世界也许会更高效，却更平面。AI不会取代人类，但会迫使人类重新回答这古老的问题——我们究竟想成为怎样的人？参考资料：https://www.youtube.com/watch?v=brjL6iyoEhI
