在电子电路产业长达半个多世纪的发展历程中，"大批量、标准化、低成本"始终是制造管理的主流叙事。然而，有一家企业却用29年时间，在一条看似"非主流"的赛道上，走出了一条独特的管理之路——累计服务20,000个客户，为3,000,000个新产品完成研发打样，年处理订单超过15万单，生产型号高达26万种，日换线约250批次，平均每4到5分钟就要切换一个产品型号。这家企业就是金百泽科技。

当我们试图用传统的管理理论去框定金百泽时，会发现单一理论显得苍白无力。它既不是纯粹的精益工厂，也不是简单的定制作坊；既不是传统意义上的柔性制造系统，也不是纯粹的流程型组织。它是一个多理论融合创新的产物——一套以"客户订单"为拉动信号、以"柔性制造系统"为执行载体、以"精益思想"为浪费消除工具、以"大规模定制"为价值主张、以"流程型组织"为协同机制、以"工程师文化"为知识内核的复合型管理体系。我们可以将其命名为"知识密集型柔性精益大规模定制"（K-FLMC），或更简洁地称为"柔性精益订单管理（FLOM）"模型。

以下，我们从六个维度对这一管理模型进行深度解析。

一、精益生产：在"小批量"中消除浪费的艺术

精益生产理论源于丰田生产方式，其核心在于识别价值流、消除七大浪费，实现"在必要的时间，以必要的数量，生产必要的产品"。然而，传统精益的成功案例多集中于大批量重复制造——汽车、家电、消费电子。金百泽的精益实践则证明：精益思想同样适用于极端小批量的研发打样场景，只是浪费的形态和消除的方式发生了根本变化。

在金百泽的工厂里，"过量生产"的浪费被"以销定产"彻底根除。这里没有为库存而生产的逻辑，客户订单是生产的唯一触发信号。由于单次投产面积平均仅约10平方米，在制品库存天然被压缩到极低水平。但真正的挑战在于，当产品种类无限膨胀时，换线时间、工程处理时间和信息传递时间成为了新的浪费重灾区。金百泽的应对策略是：通过数字化工程系统（如自研的ENGENIX智能工程软件）将客户设计资料的处理时间从小时级压缩到分钟级；通过柔性产线的模块化布局将物理换线时间压缩到分钟级；通过ERP/MES的端到端集成将信息传递的延迟从"人找数据"变为"数据找人"。

更值得关注的是其"异常响应系统"。在小批量生产中，任何一次设备故障、工艺偏差或物料缺料，都可能导致整批订单的交付延误。金百泽建立的实时异常响应机制，本质上是对精益生产中"等待浪费"的精准狙击——不让一台设备闲置，不让一个工程师空转。2025年，金百泽进一步引入APQC流程管理架构，将AI技术与精益方法融合，对端到端流程进行系统性改造，这标志着其精益实践已从"现场改善"迈向"系统级优化"。

二、大规模定制：破解"规模"与"个性"的悖论

大规模定制理论由Pine II于1993年系统提出，其核心命题是：能否以大规模生产的成本和速度，为单个客户或小批量客户提供定制化产品？这一理论的前提是模块化设计、柔性制造和延迟差异化。在电子电路研发打样领域，这个命题的难度被放大了十倍——因为这里的"定制"不是颜色、尺寸或配置的简单变化，而是每一款产品都可能是全新的电路设计、全新的叠层结构、全新的材料组合。

金百泽给出的答案是："大规模"不在于单一产品的大批量，而在于服务客户数量的大规模、订单处理规模的大规模，以及知识复用规模的大规模。

在客户维度，金百泽年服务客户超过15,000家，累计服务客户超过20,000家，这是一个惊人的客户覆盖密度。在订单维度，年处理订单超过15万单，这意味着其运营系统必须具备处理极高频率、极低单量订单的能力。在产品维度，26万种生产型号、每年新增型号占比超过70%，说明其制造体系不是在重复生产，而是在持续"首次生产"。

金百泽破解悖论的关键在于工程知识的模块化沉淀。600多条可制造性设计规范（DFM）、300多个标准化技术方案、上百万个电子产品的技术信息积累，构成了其大规模定制的"知识底座"。当客户提交一个全新的设计时，金百泽的工程师不是从零开始分析，而是从知识库中快速匹配、组合、优化——这就是大规模定制理论中"延迟差异化"的精髓：将客户设计的无限差异化"延迟"到工程处理阶段，通过知识模块的快速重组来消化，而制造端则保持高度的柔性通用性。

更进一步，金百泽的大规模定制已从"产品定制"升级为"服务定制"。从PCB制造延伸到EMS电子装联、BOM服务、元器件检测、中试平台，客户获得的不再是"一块电路板"，而是"从设计到原型"的一站式集成解决方案。这是大规模定制理论向"服务化大规模定制"演进的前沿实践。

三、柔性制造系统：日换线250次的硬件革命

柔性制造系统（FMS）的理论内核，是通过计算机控制的数控机床、物料储运系统和信息控制系统，实现多品种、中小批量生产的高效适应。1965年英国Molins公司首次提出这一概念时，主要面向的是机械加工领域。而金百泽将其应用到了更为复杂的电子电路制造领域，并赋予其新的内涵。

在传统FMS中，"柔性"主要体现在加工设备的可编程性和物料系统的自动调度。金百泽的FMS则已经演化为"软硬协同、数据驱动"的智能柔性制造系统。在硬件层面，其生产线面向样板与小批量设计，设备选型以品种柔性为首要考量，而非单纯追求大批量下的成本效率。在软件层面，APS先进计划排产系统对"少量多样化"产品进行自动排程，EAP设备自动化编程系统实现设备的快速程序切换，RCS物流调度系统保障物料的精准配送，WMS仓库管理系统实现通用元器件的库存备料与非通用元器件的按单采购。

最令人印象深刻的是其换线能力。日换线约250批次，平均每4到5分钟切换一个型号——这一数字在批量制造工厂中是不可想象的。在批量厂，一次换线可能意味着数小时甚至数天的产线调整；而在金百泽，换线如同呼吸一样频繁且自然。这种能力的背后，是设备层的快速程序下载、工装夹具的模块化设计、物料的齐套预配，以及操作工人的多技能培养。

金百泽的FMS还在向更高阶演进。其正在建设的"造物应龙"平台、智慧云工厂、数字孪生系统，标志着FMS已从"车间级的硬件集成"迈向"企业级的数字集成"。当物理产线与虚拟产线实时映射、当AI算法可以预测设备故障并自动调整排程时，柔性制造系统就进入了工业4.0的新阶段。

四、流程型组织：跨部门小组的端到端协同

流程型组织理论强调，企业应以端到端业务流程而非职能分工来配置资源。Hammer和Champy在1993年提出流程再造（BPR）理论时，批判的正是传统科层制中"部门墙"导致的效率损耗。金百泽的组织架构表面上保留了"事业部—工厂—工序"的三级管理，但实质上，这是一种"流程分层"而非"权力分层"的设计。

在金百泽，订单交付是唯一的"主流程"。事业部层级负责战略方向与资源调配，工厂层级负责生产计划与产能平衡，工序层级负责执行与反馈——每一级都是订单交付流程上的一个责任节点，而非传统意义上相互割裂的职能部门。更重要的是，当一个新的客户订单导入时，金百泽会立即组建一个跨部门多功能小组。这个小组由工程中心牵头，覆盖设计、工艺、生产、品质等多个专业领域，从订单评审、工程策划到制造指示、交付跟进，实现端到端的一责到底。

这种组织机制解决了研发打样场景中最棘手的问题：客户需求的"不确定性"与内部响应的"碎片化"。在传统职能型组织中，销售接单后转给工程，工程评审后转给生产，生产遇到问题再转给品质——每个环节都是"抛过墙"式的交接。而金百泽的跨部门小组将"墙"拆除，让信息在小组内部实时流动，让决策在小组内部快速形成。对于中大型企业客户，金百泽甚至会组建项目型团队，长期跟进客户的个性化需求，这已接近流程型组织中"客户专属流程单元"的理想形态。

数字化系统进一步强化了流程型组织的协同效率。ERP打通销售与供应链，MES打通计划与执行，APS打通产能与订单——当数据在系统中自由流动时，组织边界就变得模糊而富有弹性。

五、工程师文化：知识密集型的隐形壁垒

如果前面的四个维度还可以用经典管理理论来解释，那么金百泽的第五维度则是其独特的、难以复制的核心竞争力——工程师文化驱动的知识密集型制造。

在金百泽，200多名工程师占员工总数的13%以上，这在传统制造企业中是一个极高的比例。但这些工程师不是坐在实验室里的研究人员，而是深入客户研发前线的技术伙伴。他们帮助客户优化电路设计、规避工艺风险、选择合适器件、分析失效原因——他们出售的不只是制造能力，更是技术知识服务。

这种工程师文化构建了一道隐形的知识壁垒。600多条DFM规范不是从教科书上学来的，而是29年间从300万个新产品的打样实践中沉淀下来的。每一个设计规则的背后，都可能是一次失败的教训、一次成功的创新、一个客户的特殊需求。300多个标准化技术方案不是简单的模板复制，而是对复杂技术问题的模块化解答。当客户带着一个前所未有的设计来到金百泽时，工程师能够从知识库中快速调取相似案例、预判潜在风险、提出优化建议——这种能力，任何设备投资和软件系统都无法替代。

工程师文化还塑造了金百泽独特的价值主张。在研发打样市场，价格从来不是唯一的竞争维度。客户更愿意为"技术响应速度、工艺建议价值、问题解决能力"支付溢价，因为对于研发型企业而言，时间比金钱更贵，一次失败的打样比一次昂贵的打样代价更高。金百泽"设计先行、技术领先、快速服务、匠心制造"的核心价值观，正是对这一客户心理的精准回应。

六、数字化演进：从FLOM到产业互联网平台

金百泽的管理模型并非静态的。当前，它正经历从"制造+服务"向"制造+服务+平台"的战略升级，这对应着理论模型的持续演进。

在1.0阶段，金百泽的核心是柔性制造系统，解决的是"能不能做"的问题。在2.0阶段，FLOM模型成型，解决的是"如何高效做"的问题。在3.0阶段，金百泽正在通过"造物应龙"平台、智慧云工厂、数字孪生、AI大模型等技术，将制造能力数字化、云化，解决的是"如何智能做"的问题。

而在未来的4.0阶段，金百泽的战略指向是产业互联网平台。其"云盟"计划旨在将自身的工程能力、制造能力、供应链能力外化为平台服务，赋能中小制造企业。这意味着金百泽的管理模型将从"企业级"跃迁到"产业级"——从服务自己的订单，到服务整个行业的订单；从优化自己的流程，到定义行业的标准。

谢玉峰战略孵化观点：

一个值得被写入教科书的中国制造样本

金百泽科技的管理实践，为中国制造提供了一个极具价值的样本。它证明了在"大批量低成本"的主流范式之外，"小批量快交付"同样可以构建起强大的竞争壁垒。它证明了精益生产、大规模定制、柔性制造、流程型组织这些源自西方的管理理论，可以在中国企业的实践中被融合、被创新、被升级。它更证明了，在高度复杂的研发服务领域，"人"的知识价值可以超越"机器"的产能价值，成为企业最核心的资产。

K-FLMC或FLOM模型，或许还不够成熟，还需要更多的学术提炼和案例验证。但它已经具备了被写入中国企业管理教科书的基本要素——因为它回答了一个真实而重要的问题：在"多品种、小批量、快交期"的极端制造场景中，企业如何活得很好，并且持续成长29年？

金百泽的答案是：以客户订单为信仰，以柔性制造为骨骼，以精益思想为血液，以流程协同为神经，以工程师文化为灵魂，以数字化为翅膀。这，就是电子电路打样之王的管理密码。

（请在微信搜索“创头条”关注公众号。）

昆仑行3轮系列融资由国内顶级创投机构高榕创投、高瓴创投、中科创星、钟鼎资本、华业资本、创新工场、心资本，及巨型产业集团建发集团旗下建发资本联合投资。值得注意的是，首轮入局的所有投资人，在后续两轮融资中均持续全额加码、追加投资，坚定长期布局企业发展，以持续资金投入，认可昆仑行机器人技术壁垒、量产能力及长期商业价值。

这样的融资速度，吸金力度和资本阵容的厚度，在当下的资本市场中非常少见。

时间进入2026年，具身智能赛道入局企业增多，行业投资门槛持续抬高，资本市场投资技术落地与商业化能力。本次多家头部资本达成投资共识，是行业对昆仑行综合实力、场景落地潜力、长期发展价值的权威认可。

高瓴创投项目负责人表示：“具身智能正在从技术验证走向规模化落地，真正稀缺的是既理解前沿AI技术，又具备工程化量产和商业交付能力的团队。昆仑行核心团队兼具商业管理、自动驾驶、AI研发与硬件量产经验，在‘端到端+VLM’双系统架构、世界模型以及多模态数据治理等方向形成了清晰判断和持续积累。期待昆仑行继续发挥在商业操盘、工程落地和场景拓展上的综合优势，推动具身智能产品向规模化、高质量交付演进。”

3轮融资极速落地，昆仑行“王牌创业团队”集结

不到90天3轮融资，刷新今年0-1初创企业最快融资纪录，昆仑行机器人被顶级投资人极致看好的动因，是其汇聚了一支顶级人才组成的“王牌创业团队”。

公司创始人任庚，是集阿里云千亿营收商业一号位、华为全球化发展中的海外国家CEO、超5万人大型集团总裁经验于一身的全能型企业掌舵者。在华为任职期间，任庚作为华为最年轻的国家CEO之一，全面负责华为在海外所在国的运营商、企业、终端三大BG，从解决方案、销售、交付到采购、供应链、GR/PR等整体业务。加入阿里后，任庚成为阿里集团80后年轻高管、最年轻副总裁之一，先后担任阿里云中国区总裁、阿里云视频云&边缘云研发总裁、阿里云总参谋长等核心职务。任庚在执掌阿里云中国区期间，阿里云长期保持市场份额第一，2020年达到42.1%的高点。被阿里内部员工评价为能带领团队“啃硬骨、拿结果、打胜仗”，是一位擅长战略、产品、商业、经营和组织等到端到端全链路的实战派帅才。离开阿里后，任庚出任新奥集团总裁，推动超5万人大型集团在行业大模型、数字智能体、具身智能等前沿领域布局。

科技巨头一号位成功经验的全能型掌舵者，再加上既懂前沿技术又有丰富量产经验的技术大脑，这样的创始人组合在具身领域极具稀缺性。

从创始人到核心团队，昆仑行从成立之初就建立起行业独有的差异化竞争优势：

公司整体层面，有科技巨头领军人物作为1号位操盘牢牢把控企业正确发展方向；技术层面，有最顶级的AI落地实践和最顶尖的硬件研发体系，确保前沿技术从实验室走向落地应用；商业层面，有超千亿级规模经营的成功基因，支撑从销售到交付的全链路商业运营体系，从技术到商业走向完整闭环。

坚持软硬一体，构建可量产全栈技术体系

结合当前行业投资风向转变，资本市场已脱离概念式、演示级项目炒作，聚焦硬核本体+具身AI大脑+商业化量产交付三位一体量产能力。昆仑行自成立之初，锚定工程化量产、场景商业化落地核心目标，坚持AI大脑+硬件本体全栈自研，搭建全栈自主可控技术体系。

昆仑行创始人兼CEO任庚认为，AI作为智能的核心，决定具身智能的上限；硬件作为智能的载体，决定具身智能的下限；软硬结合相辅相成缺一不可。AI持续创新能力和硬件本体研发构成了具身智能公司的技术门槛，但任庚同时也强调，具身智能公司除了具身AI的持续创新和硬件本体研发两大技术体系之外，想要真正实现量产完成商业闭环，从商机到回款的商业体系打造，供应链生态的运营以及交付与服务体系的搭建，才能造就具身智能真正的“量产加速度”。

具体到技术思考，昆仑行沿着软硬一体的路线，以高质量量产为目标，构建全栈自研核心技术能力，同步深耕“大脑”与硬件本体研发。

昆仑行机器人针对目前行业面临的物理因果能力缺乏、场景泛化性差、模型决策过程“黑箱”等普遍痛点，在国际主流的视觉-语言-动作模型（VLA）基础上，引入物理因果建模能力，构建以昆仑世界模型（Kunlun World Model，KWM）为核心的双系统机器人智能架构，并在物理推理、数据使用效率、跨本体迁移三个维度上形成原创性技术贡献。

在数据方面，昆仑行率先实现从"数据闭环"到"数据编译"的范式升级，摒弃粗放式堆数据的行业惯性。通过结构化加工、任务显性化、失败样本沉淀等技术，将原始数据转化为因果学习核心资产，形成可持续迭代的自生长数据产线，构筑长期技术壁垒。

面对行业缺乏模型真实泛化能力评测体系的问题，昆仑行还搭建了行业首创反事实评测体系，以真实物理结果作为评判标准，可精准区分同等拟合精度下模型真实泛化能力。

从模型、数据，叠加反事实评测体系和“一脑多形”跨本体迁移技术，昆仑行这套“大脑”方案目标非常清晰：高效率模型迭代，低成本实现场景和跨本体泛化，突破实验室技术难以规模化的行业瓶颈，一切以工程化量产落地为导向。

昆仑行搭建本体、运动控制、集成测试一体化全栈硬件技术体系。开发逻辑上，采用软件定义硬件的正向开发模式，从根源解决行业软硬件脱节、动作执行与AI 规划不匹配的通病；底层运控核心算法全套自研，保障整机动作高精度、低抖动、高柔顺、强抗干扰运行；本体架构设计上，不同异构本体采用模块化架构，统一电气与通信接口，降低模型跨本体泛化的硬件门槛。

未来，昆仑行机器人将锚定通用具身智能长期赛道，持续打磨全栈自研核心技术、拓宽机器人量产落地边界，联合产业链伙伴与资本力量构建完整产业协同网络，引领具身智能产业实现规模化、商业化跃迁。

（请在微信搜索“创头条”关注公众号。）

微眸医疗成立于2020年，长期深耕眼科手术机器人赛道，聚焦眼底精准手术智能化升级，自主研发的“微眸琢锋·眼科手术机器人”接连取得关键技术突破。2025年，微眸医疗完成全球首例远程机器人辅助视网膜下注射手术，依托低延迟、高稳定的5G技术，实现广州至新疆4200公里跨地域微米级精准手术操作。该创新模式有效打破了优质眼科医疗资源地域分布不均的痛点，让偏远地区患者无需异地奔波即可获得顶尖专家诊疗。“远程+智能”的全新模式，拓宽了优质眼科医疗的覆盖边界，助力优质医疗资源可移动、可共享、可复制，有效推动眼科医疗资源下沉与普惠化发展，让更多基层患者受益于医疗科技创新成果。

本次收官的临床试验，是国内眼科手术机器人领域首个前瞻性、多中心、随机、开放、平行对照设计的注册临床试验，属于循证医学I级权威证据，是产品获批上市的核心关键环节。依据国家药监局对三类医疗器械的注册硬性要求，高端创新医疗设备需通过高标准多中心临床试验，充分验证产品的安全性与有效性，且试验设计及全流程执行需严格符合《医疗器械临床试验质量管理规范》标准。

微眸医疗严格对标国家级严苛标准搭建临床研究体系，保障试验过程科学合规、试验数据真实可靠。目前临床初步结果显示，产品有效性、安全性核心指标均符合试验设计的预设终点要求，在操作稳定性和手术成功率等方面呈现出明显优势趋势。

眼底外科手术是外科领域精度要求最高、操作难度最大的细分领域之一。其作业空间极致狭小，眼部组织结构脆弱精细，全程需在高倍显微镜下完成，要求手术精度必须达到微米级。当前市场主流商用外科手术机器人多为毫米级精度，无法适配眼底精细手术场景。针对这一核心临床痛点，微眸琢锋·眼科手术机器人实现针对性突破：设备末端精度达3-5微米，远心运动的精度在100微米以内，运动闭环控制周期小于30微秒，同时采用轻量化可移动设计，适配现有手术室环境，无需额外场地改造，落地门槛更低。

在此之前，微眸医疗已完成大量动物试验，先后攻克全球首例非人类灵长类动物视网膜下注射手术、全球首例5G远程微米级眼科手术动物试验等关键技术关卡，为本次注册临床试验的顺利推进夯实了技术与数据基础。

依托持续的技术深耕与创新积累，微眸医疗已在眼科智能手术赛道积累了一系列标杆性行业成果。公司牵头制定全国眼科手术机器人首个团体标准，填补行业标准空白；核心技术成果成功入选"2025年度眼科学中国十大原创进展"；AI辅助手术成果于2024和2025年分别入选国际机器人最顶级学术会议ICRA领域最佳论文候选和大会最佳论文候选，科研实力获得国际权威认可。此外，企业及产品成功入选人工智能医疗器械创新任务揭榜挂帅名单及锐100培优计划等，综合创新能力与行业价值获得官方及行业高度认可。

多中心随机对照临床试验周期长、难度大、投入高、标准严，是高端医疗创新产品验证核心实力的“硬核关卡”。微眸医疗始终秉持“求真、务实”的核心价值观，坚持“慢即是快”的长期主义，专注打磨核心技术，严控临床质量，持续夯实产品临床可靠性，同时助力推动国内眼科手术机器人行业建立标准化、规范化的发展体系。

这套经得起科学推敲、临床检验与市场审视的硬核成果，既是对患者生命健康的责任坚守，也是对资本市场长期价值的践行，为国产高端智能医疗装备的创新突围与规模化落地树立了行业标杆。本轮融资的成功落地，正值微眸医疗关键临床试验收官之际。这不仅体现了投资方对微眸医疗“技术+临床”综合实力的高度认可，更是对硬科技企业坚持长期主义与临床价值的最好注脚。

元航资本合伙人夏阳表示：“我们始终在寻找那些具备‘硬科技’底色、同时能真正解决临床痛点的标杆性企业。眼科显微手术机器人是一个技术和专业壁垒极高、准入周期长的赛道，微眸医疗联合国内多家头部眼科医院高质量完成了随机平行对照的注册临床试验，更成为全球首个成功实施5G远程手术的眼科手术机器人企业，这证明了其技术平台已跨越‘从0到1’的鸿沟，具备国际竞争力。作为本轮领投方，我们非常看好其在显微手术机器人、眼科数字化、智能化诊疗时代的平台化潜力。依托我们机构在高端制造与生物医药领域的深度布局，我们将全力助推公司加速产品注册、拓展适应症范围，并探索与现有眼科诊疗体系的协同创新，共同引领眼科手术进入‘机器人辅助’新纪元。”

明桂资本投资经理陈晓思表示：“作为从早期就陪伴微眸医疗成长的投资方，我们这一次选择继续追投，不只是因为看到了临床数据的亮眼表现，验证了临床试验前我们的判断，更是因为我们坚信——有价值的创新是能解决临床的痛点，满足医生、医院的真实需求。明桂团队有深厚的临床背景和医学资源，深知眼科手术对精度的苛求与医生学习的陡峭曲线，而微眸医疗交出的答卷——科学严谨的临床方案、超出预期的临床效果和全球首个眼科5G远程手术，让我们确信，它正在定义下一代眼科手术的标准。二次追投，是对团队执行力、技术落地能力以及‘让优质医疗触达更多患者’这一愿景的认可。我们将继续以产业视角和长期耐心，陪伴公司从‘先行者’走向‘引领者’，推动智能辅助手术真正惠及基层与未来医疗体系。”

微眸医疗首席科学家黄凯教授表示：“微眸创立的初衷，是破解临床中‘看得见、难操作’的诊疗痛点。我们始终认为，对于医疗机器人而言，‘科学验证’比‘技术炫技’更重要。产品完成多中心随机对照临床试验，不仅是对我们产品的一场‘大考’，是产品从‘样机’走向‘商品’的关键一跃，更是我们对临床医生和患者的庄严承诺。本次融资将加速我们从‘临床试验完成’走向‘大规模临床应用’。我们将继续秉持‘求真、务实、奋进、开放’的价值观，贯彻“从临床中来，到临床中去”的理念，继续在更多适应症、更多术式上开展严谨的临床研究，真正让经得起考验的国产高端医疗设备普惠于民。”

结语：

伴随人口老龄化程度持续加深，老年性黄斑变性、糖尿病视网膜病变等致盲性眼病发病率逐年攀升，临床诊疗需求持续扩容。在此背景下，传统眼底外科手术精度有限、操作难度高的技术瓶颈愈发凸显，叠加优质眼科医生资源紧缺，行业临床供需矛盾日益突出。

微眸医疗此次完成近亿元A轮融资，顺利完成注册临床试验，既是资本市场对企业技术实力与发展潜力的高度认可，也印证了行业对眼科医疗“高精度、微创化、智能化、循证化”发展趋势的笃定。借助本轮资本赋能，微眸医疗将提速推进产品注册申报工作，持续拓展多场景临床应用，加速前沿技术落地临床、服务患者。

纵观国内高端医疗装备赛道，微眸医疗以自主核心技术与高标准临床循证验证，补齐了国内眼科智能手术装备的技术与临床验证短板。这也充分证明，国产高端医疗装备已彻底摆脱单纯追赶的发展阶段，凭借严苛的科学验证能力与求真务实的研发底色，跻身全球眼科智能手术设备领域的领跑行列。

关于元航资本

元航资本是一家专注于硬科技领域投资的早期风险投资机构，聚焦 “投早、投小、投硬”，重点布局航空航天、高端装备、医工交叉与高端医疗科技、新一代信息技术、新材料、新能源等赛道。其中，医疗领域重点覆盖高端医疗器械、创新药及脑机接口，已布局多起高成长案例。元航资本依托产业资源与专家顾问网络，为被投企业提供资本、技术与产业链赋能，助力原始创新与科研成果转化，是国内硬科技早期投资的核心力量。

关于明桂资本

明桂资本专注生物医疗领域，深耕生物制药、创新医疗器械及数字医疗领域，重点布局早期至成长期项目。团队兼具医药产业与资本复合背景，聚焦技术型医疗硬科技企业。机构依托区域产业优势，为被投企业提供资本、投行及产业链全方位赋能。作为华南地区活跃的医疗投资力量，公司投资组合涵盖多家优质成长企业，其中包括眼底手术机器人标杆企业微眸医疗，持续助力医疗创新成果落地与企业发展壮大。

关于伊嘉资本

伊嘉资本作为前沿科技企业的战略CFO，从战略维度和CFO专业视角出发，通过早期企业孵化、战略咨询、股权融资与投资、上市公司市值管理与CVC赋能、市场准予与政府事务咨询，助力企业制定发展路径、获取资本加速成长、提升市场认可与股东价值、驱动创新生态构建、确保政策合规并把握机遇。长期陪伴支持科技企业，提供持续战略与资源整合，助力企业与股东保持其现金流稳定增长和长期发展。

（请在微信搜索“创头条”关注公众号。）

每一轮产业变革的伟大跃迁，都始于一次敢于突破惯性、锚定长远终局的勇敢探索。

昆仑行是一家以物理内生因果为核心技术的通用人形机器人公司，坚持“本体+大脑”双轮驱动战略，聚焦通用具身智能赛道，致力于打造具有自主知识产权的通用人形机器人和具身智能大模型。

近日，北京经开区管委会主要领导与公司创始人及核心团队开展专项会晤。会上，双方围绕企业扎根发展、人才配套保障、产业协同共建、场景赋能落地等重点工作深入交流。经开区立足昆仑行发展需求，明确将持续发挥区域产业、政策、资金、人才、场景叠加优势，持续优化配套政策，精准破解公司发展痛点，全方位护航昆仑行高质量发展。

在北京经开区一对一的贴心对接、精准帮扶下，昆仑行实现极速落地发展：今年3月正式完成工商注册，两周内核心团队全部到岗，2个月内完成企业基础架构搭建、人才规模化集聚和研发体系搭建等一系列关键工作。同时，公司在资本端颇受追捧，成立初期便斩获顶级机构重磅投资，被头部资本真金白银坚定锁仓，成为2026年具身智能赛道备受瞩目的“超级明星创企”。

公司创始人任庚，是集阿里云千亿营收商业一号位、华为全球化发展中的海外国家CEO、超5万人大型集团总裁经验于一身的全能型企业掌舵者。任庚职业生涯起步于华为，是华为最年轻的国家CEO之一，全面负责华为在海外所在国的运营商、企业、终端三大BG，从解决方案、销售、交付到采购、供应链、GR/PR等整体业务。2015年任庚加入阿里，成为阿里集团80后年轻高管、最年轻副总裁之一，先后担任阿里云中国区总裁、阿里云视频云&边缘云研发总裁、阿里云总参谋长等核心职务。任庚在执掌阿里云中国区期间，阿里云长期保持市场份额第一，2020年达到42.1%的高点。离开阿里后，任庚出任新奥集团总裁，推动超5万人大型集团在行业大模型、数字智能体、具身智能等前沿领域布局。

联合创始人郎咸朋，是国内深耕AI领域15年的“稀缺AI技术大咖”和具身智能领域唯一的“把自动驾驶从0-1-100实践成功的AI领军人物”。作为理想汽车高级副总裁，自动驾驶总裁及“一号员工”，从零搭建完整智驾研发体系、组建核心技术团队、打造行业标杆数据闭环，彻底摆脱供应商技术桎梏。他主导“卫城计划”推动理想智驾全面自研，落地高速NOA、城市NOA、无图NOA量产应用，2024年带领团队不到100天完成业界首个端到端+VLM方案交付，2025年在自动驾驶领域首发VLA并量产交付，助力理想智驾跻身行业第一梯队。

创始团队成员，主要来自华为、阿里巴巴、理想汽车等业界知名企业核心骨干，典型特征是每个成员都在各自领域有着卓越的成功经验。创始人和团队的成熟企业经营经验，叠加“最成功的商业操盘能力，最顶级的AI落地实践和最强大硬件研发体系”等三重核心能力，让公司在具身智能变革浪潮中具备了乘风破浪的硬实力和底气。

昆仑行对标特斯拉人形机器人这一行业标杆，构建全栈核心技术能力。在“大脑”方面，当前无论是VLA的行为模仿，还是世界模型的空间预演，都偏向“看起来对的拟合”，而不是“物理上站得住的推理”，都没有让模型真正理解物理内生规律。回看自动驾驶曾经依赖高精地图补短板的阶段性误区，当下机器人行业一味堆数据、用模仿学习做过拟合训练，还是偏向阶段性的产物，并非终局解法。“AI能力不够，应该从根本上解决AI的问题，而不是给它一根拐杖”。对此，昆仑行确立了以物理内生因果为核心的具身智能下半场技术路线，通过原生模型、Agent架构、数据体系三大核心布局，构建通用具身智能的基础能力底座。

（请在微信搜索“创头条”关注公众号。）

“AI 教父”李一舟，带着新课重新出山了。

这次，他不再主打泛AI技能课，转而盯上当下风口，开讲一人公司（OPC）。

个人 ID 也升级了，叫“李一舟 3.0”。个人介绍里，同样还顶着“清华博士”的头衔，但加入了“深度研究'一人公司'新商业”的部分。

课程全称为，一人公司3.0流量变现内部课。

但广告话术还是以前一个味儿，贩卖焦虑。

“AI时代，普通人一人成军，不用上班也能盈利”

“抓住OPC红利，轻资产单人创业，快速副业变现”

课程形式为3天录播+直播串讲，随买随看，滚动开班、不限名额。

课程内容框架看似完整，从商业模式、IP定位、流量选题，到AI工具基础、私域变现闭环全覆盖。

但上过课的学员普遍反馈，干货极浅，全是全网可免费搜到的通用商业常识。没有独家方法论，没有可直接落地的完整实操方案，更无专属工具与变现路径。

还有就是，熟悉的套娃营销套路。

直播间反复宣称：“49元吃透全套一人公司玩法，学完就能落地”。

可一旦付费入课、进入学员群，营销铺垫立刻铺开。

官方话术直白：“三天入门课只能讲基础，完整实操、变现全流程、AI全套打法，都在高阶年课里”。

主推高价进阶课1980元一人公司全年实战课。

全程循环营销，“名额仅剩最后席位、马上涨价”的稀缺话术从未停过，实则永久可购、无人数门槛。
还有隐形附加套路：平台页面明确标注虚拟课程购买后概不退款；部分解锁要求，需要学员发好评截图、写20字以上好评。

附赠的课件资料，甚至被曝光盗用高校教授原创课件，无任何商用授权。
有学员直言，“课程单节时长仅十几分钟，大半篇幅都是广告，零基础学完根本无法落地变现”。

但群内提出质疑、询问退款，很快会被助教直接清退、解散学员群。

回溯李一舟过往经历，争议从未间断。

AI  风起之初，他曾被冠以“AI教父”称号，背靠清华博士人设，早年靠AI应用课爆红，巅峰时期卖课营收过亿，也被称“AI 致富第一人”！

还记得下面这张“中美两大 AI 巨头”的梗图么？

2024年2月，其主视频号被平台封禁禁止关注，主打卖课小程序“一舟一课”违规下架，全平台AI课程大面积下架。

封禁原因集中三点：课程注水过度营销、大量虚假变现宣传、盗用他人AI模型商用侵权、售后维权无门、海量用户投诉。

除此之外，其学历人设也长期被质疑，并无AI相关专业背景与资质，多靠概念包装营销吸金。
而今，沉寂两年后，换赛道、换课程包装，借新风口，重新投流复出。但依旧是低价引流、层层收割的固定商业模式。

在这背后，是当下国内OPC一人公司全面政策支撑的大背景。

OPC，即One Person Company，一人公司。

并非传统个体工商户，是单人主体+AI工具赋能，独立完成全商业闭环的新型创业形态。

2026年全国两会后，一人公司创业被重点提及，也被纳入新质生产力培育范畴。

顶层政策明确支持轻量化数字创业主体发展。

北京、杭州、苏州、深圳、广东率先发力后，截至目前，全国超20个城市密集出台专项扶持政策。

最高5000万元，多地出台政策支持“一人公司”AI创业

各地从注册简化、税收优惠、算力扶持、资金补贴、创业场景多维度放开红利，降低单人创业门槛。

普通人对轻资产创业、AI副业、单人盈利的需求暴涨。

也正因如此，各类知识付费博主纷纷入局蹭风口。李一舟怎能缺席？

政策本身是时代机遇，单人创业确实也拥有全新空间。

但真正的一人公司落地，需要个人综合能力、资源、运营与长期沉淀，和普通创业的难度无二。

49元的门槛看似低廉，本质依旧是收割焦虑的引流诱饵，怎能成为一键解锁暴富的捷径？

但必须承认的是，李一舟本身倒是成功的一人公司典范。

抓住每一个可以风口，同一个套路，迅速进入，快速变现，且屡屡成功！

曾有戏称，“每一个行业大佬的尽头，都是成为李一舟”……

（请在微信搜索“创头条”关注公众号。）

在他看来，这必将成为下一代人工智能公司必须直面的决定性挑战之一。

陈天桥在帖子中进一步阐述，过去十多年里，他和妻子一直通过TCCI陈氏研究所深耕脑科学研究。

这份长期的科研探索，不仅塑造了他对智能本质以及智能在人类未来发展中角色的认知，更深刻影响了他对人工智能的理解。

他始终坚信，人工智能最高的使命绝非简单模仿人类智能，而是助力人类拓展发现与认知的边界。

“无论是人工智能还是人类智能，其终极价值都是服务全人类，而非局限于某一个国家。”他说。

正因如此，打造一个能够在不同司法管辖区合规、负责任运营的AI企业，从来不是企业发展的可选项，“而是这项工作本身不可或缺的一部分”。
基于这样的理念，陈天桥称，他们想要打造的正是这样一家企业：拥有严谨的科研思维、清晰的组织架构、全球化的发展视野，并且从企业创立之初，就将合规经营融入顶层设计。

他同时强调，在当前复杂多变的全球环境中，试图通过一次性的资产、业务转移来规避风险，从来都不是真正有效的解决方案。

企业真正需要做的，是根据全球监管与地缘格局的变化，持续做出动态调整，在企业架构、业务边界、责任划分等方面始终保持清晰界定，“从而使组织随着时间的推移变得更加有韧性”。
Manus是一家诞生于中国的AI Agent 创业公司。

去年初迅速走红后，为了推进被 Meta 收购这笔跨国交易，Manus将总部与核心团队迁至新加坡，试图剥离境内相关业务与资本，规避跨境技术交易与数据监管审查。

Manus收购案背后的“新加坡架构”

这一行为最终触发了我国的技术出口管制与跨境合规审查，而后陷入僵局，成为整个行业的反例。
淡出国内互联网舞台多年后，陈天桥与妻子雒芊芊长期定居美国，将主要精力与大量资金投入到脑科学与人工智能前沿研究领域。

陈天桥 X 上备注也是，“发现式智能”倡导者。

陈天桥罕见公开演讲：“发现式智能”是真正的通用人工智能

夫妇二人通过TCCI陈氏研究所，进行全球脑科学基础研究，探索人类智能与人工智能的融合发展路径。

同时，以盛大集团为载体，聚焦“发现式AI”研发，在硅谷组建了专业的AI研发团队，搭建起全球化的AI科研与商业体系，成为全球脑科学与AI跨界领域的重要参与者。

（请在微信搜索“创头条”关注公众号。）

公告显示，该服务名称为，特斯拉车机语音大模型服务。

经查询此前的此前特斯拉中国官网的《特斯拉车机语音助手使用条款》PDF 文件，其附件信息显示，特斯拉Model Y L车型的语音命令功能（如导航、媒体播放、温度控制等），查询车主手册服务的大语音模型为“doubao 大模型”，AI 互动服务的大语音模型为“DeepSeek chat”。

附件还显示，二者备案时间分别为 2023 年和 2024 年，服务提供方都是字节跳动的“火山引擎”。

（请在微信搜索“创头条”关注公众号。）

几个小时后，Anthropic 增长负责人 Amol Avasare  在 X  发帖澄清称，“我们正在对大约2%  的新 pro  用注册进行一项小型测试，现有的 Pro 和 Max 订阅用户不受影响”。

他还回帖补充称，一年前推出 Max 时，它并不包括 Claude Code，Cowork  尚不存在，用户也不会运行数小时的代理程序，“Max 的设计仅针对高强度聊天使用，仅此而已”。

而现在，这些功能和现象全都有了，“人们实际使用 Claude 订阅的方式已经发生了根本性的变化”。

Amol Avasare说，由于每位订阅者的参与度大幅提升，他们在过程中进行了一些小幅调整（每周上限、峰值时段更严格的限制），但使用模式发生了很大变化，“而我们当前的计划并非为此而设计”。

所以，团队正在探索不同的选项，以继续为用户提供出色的体验。“我们还不知道这些选项具体是什么样子——这就是我们目前正在测试并收集反馈的地方”。

他最后建议用户，不要信谣传谣，等待他们的正式通知。

Amol Avasare的意思说的挺明白，Anthropic 确实在考虑把 Claude Code 从低价套餐中拿掉，因为情况变了，具体等他们考虑好。

这自然引起了开发者们的巨大不满。

不仅 X 上骂声一片，瞬间，该消息也登上 Hacker News 热榜，大量用户表示，要转投OpenAI Codex、Cursor，甚至 Kimi、GLM 等中国模型。

最近，OpenAI 刚好在大力推广 codex，这波对手送的流量不可能不接住。

OpenAI codex 部门负责人 tibo 转评 amol avasare 帖子称，不知道对手在做什么，我们的 免费和 20 美元套餐都包含 codex 能力。

他还揶揄着说，“对于重要的变更，我们会在实施前与社区充分沟通。”

山姆奥特曼也转发了这个帖子，说，“我们希望你有大量的 AI”。

舆情如此，最新消息是，anthropic 做出了让步。

Amol Avasare 刚刚发帖称，这对实验中不包括在内的98%的用户来说，确实令人困惑，“我们已经还原了登陆页面和文档的更改”。

他还就此正式道了歉，说如果再有变化，“会提前很久通知大家”。

闹剧至此，最后如何只能 wait and see，但从封杀 OpenClaw 等第三方工具，到再削减高峰期配额，再到现在偷偷减配，作为目前 AI 圈头牌的 anthropic 是飘了，还是算力不够了，还是 IPO 前有财务报表压力？

想起了《经济学人》最近那个封面文章的发问，我们能信任掌握 AI 巨大能量的那几个人么？

《经济学人》:我们怎能将AI统治的世界交到这5个人手里？

（请在微信搜索“创头条”关注公众号。）

同时，市场监管总局官方媒体《中国质量报》刊发了《市场监管总局依法查处 7 家电商平台“幽灵外卖”系列案纪实》一文。

这个报道里，尤其引人关注的，是拼多多对抗调查的相关细节。关于这段，此前网上已经有各种爆料和素材传出，难以分辨。

从软磨硬泡的“太极战术”，到公然暴力抗法，从刻意隐瞒数据到当场销毁证据，《中国质量报》披露的诸多细节，搭配此前网上流传的现场截图、爆料，算是完整还原了这场惊心动魄的执法较量，每一个瞬间都充满了剑拔弩张的张力。

2025年10月，全国市场监管系统百余名执法骨干集结，7个专案组奔赴各平台现场核查。其中进驻拼多多的专案组，从一开始就遭遇了前所未有的阻力。

据《中国质量报》报道，专案组进驻当天上午10时抵达现场，拼多多对接人员便摆出了“一晾二拖三拒绝”的姿态，对调查取证的范围、权限以及核心取证关键词，始终拒不配合。

双方的争执从上午持续到深夜10时，依旧没有进展。

当时，专案组组长周群标带着组员温凌雁、发着高烧的娄思涵和一名专家，全程坚守现场，反复向对方明确执法依据。

而拼多多对接人员不仅态度傲慢，甚至扬言要投诉执法人员。

年轻的组员温凌雁被对方的推诿扯皮气得流下眼泪，却始终没有退让，抹干眼泪后，依旧以“法无授权不可为，法定职责必须为”的立场，与对方据理力争。

这场僵持的博弈，直到深夜12时许才出现转机，拼多多最终勉强同意提供相关数据，而专案组完成取证、整理好材料，已经是第二天凌晨3时。

数据取证，是这场较量的核心战场，也是拼多多对抗的重点领域。

正如《中国质量报》所写，电商平台数据量大、存储分散，多存于云端，必须依靠平台技术人员配合调取，而拼多多恰恰在这一点上层层设卡。

专案组成员张毓昊曾坦言，他们遇到的最大难题，就是拼多多以“系统升级”“无数据授权”“数据不在本地”为由，拒绝提供完整数据；即便偶尔松口，提供的也只是碎片化、格式混乱的数据，企图用无效信息淹没关键线索，掩盖幽灵店铺的真实情况。

为了打破僵局，专案组想出了一个“最笨也最有效”的办法——登录拼多多平台，逐个核验蛋糕店铺的资质信息，有的还要实地核查门店虚实。

由于每个手机号在平台的登录查看次数有限，组员们只能相互借用手机号，“张哥，我的手机号已经不能再看了，你用你的手机号注册后继续查……”这样的对话，在专案组成为常态。

据《中国质量报》披露，他们花了整整两个星期，跑“废”了几十个手机号，累计核验了三四千家店铺，硬生生自建了一套完整的核验数据库。

有了自建数据库作为支撑，专案组终于有了底气。

当拼多多第一次提供“打折”的数据后，执法人员立即将其与自建数据库进行比对，精准找出了其中的猫腻——拼多多提交的数据量不足实际总量的三分之一，大量幽灵店铺的订单流转、资质备案信息被刻意隐瞒。

面对铁证，拼多多才开始“挤牙膏”式配合，从提供20%的数据，到40%、60%，直至最终交出全部数据，每一步都需要专案组反复对峙、据理力争。

如果说软对抗还只是拖延战术，那么拼多多后续的硬对抗，则彻底突破了底线，甚至上演了如同电影情节般的荒诞一幕。

《中国质量报》详细记载了2025年12月3日至5日的三天两夜，这也是整个调查过程中最惊心动魄的一段。

12月3日上午10时，张杰、陈操、胡超、郭晖等专案组成员进驻拼多多现场核查，却被对方用“太极战术”晾了一整天，直到晚上11时，仍未取得任何实质性进展。

无奈之下，执法人员郭晖等人拿着平台提供的、仅能下到1楼的门禁卡，在园区内摸索，借着员工上下班的高峰期，顺着工作人员的行动轨迹，意外找到了拼多多真正的工作地点。

进入办公区后，郭晖发现一个可疑办公室，身着执法制服、亮明身份后，对方却强行阻止其进入。

在争夺房门控制权时，拼多多员工故意用门挤压郭晖的手，导致其手部骨折。

即便如此，郭晖依旧咬牙坚持，直到企业负责人松口答应提供数据。可没想到，对方又玩起了“拖字诀”，先是承诺凌晨3时提交，执法人员等到凌晨5时，又被拖延至中午12时，最终交出的数据依旧大打折扣。

这段暴力阻挠的细节，当时也在网上流出，但因事实不清，引发不小争议。

为了确保取证顺利，专案组协调当地公安部门介入，于12月4日再次开展数据提取工作，并要求拼多多技术总监当面操作。

可就在当晚11时许，意外再次发生——拼多多安保负责人突然情绪失控，当着公安和专案组的面，带领一群人冲击办案现场，对执法人员推搡拉扯，引发暴力抗法事件。

前一天手部骨折的郭晖，作为转业军人，本能地挡在冲突最前沿，却被迎面推倒在地，头部重重磕在地上，被120急救车紧急送往医院。

更令人震惊的是，暴力事件发生后，拼多多技术总监与企业负责人单独沟通片刻，突然倒地，也被送往医院，导致调查被迫中断。

专案组人员随后赶到医院核实，医生明确表示，该技术总监心脏和身体均无异常，显然是刻意装病，以此拖延时间。

12月5日晚上，市场监管总局执法稽查局副局长彭增田赶赴现场督办，拼多多才第二次提供相关数据。

当天，专案组联合属地公安、市场监管部门，就暴力抗法事件与拼多多展开谈话，就在双方交流期间，拼多多一名工作人员悄悄在A4纸上写下“沉默”“不说”等字样，试图提示接受问询的同事串供避责。

这一幕被专案组当场发现，令人瞠目结舌的是，该工作人员竟直接将纸团揉碎，当着所有人的面吞了下去，企图销毁证据。

这场对抗，不仅考验着执法人员的耐心，更考验着他们的毅力。专案组组长周群标连续作战72小时，因过度劳累引发心脏病，被紧急送医抢救。

手部骨折、头部受伤的郭晖，经简单包扎治疗后，不顾医生劝阻，也毅然返回现场，坚守岗位。

最终，历经近10个月的斗智斗勇，专案组在拼多多层层阻挠下，查实了其全部违法事实。

（请在微信搜索“创头条”关注公众号。）

访谈中，黄仁勋一一回应了TPU 威胁、Anthropic 芯片选择、中国出口管制等尖锐问题，同时坦承自己对 Anthropic 投资失误的后悔。

以下为访谈全文实录——

德瓦克什·帕特尔：我们看到大批软件公司估值暴跌，原因是市场认为人工智能会让软件产品同质化。

人们有一种想法可能过于天真：英伟达向台积电发送GDS2文件，台积电制作逻辑芯片、开关组件，再搭配上SK海力士、美光、三星生产的高带宽内存完成封装，之后芯片被送往中国台湾的原始设计制造商进行整机机架组装。

本质上，英伟达负责软件设计，硬件制造全部外包。如果软件行业走向同质化，英伟达会不会也随之失去独特优势？

黄仁勋：归根结底，必须有技术实现电能到token 的转化。这种电能向 token 的转化，以及持续提升 token 价值的技术，很难完全实现同质化。

电能转化为 token 的技术链路极为复杂。提升 token 价值，就好比让一种分子比另一种分子更具价值，让一个 token 优于其他 token。

为实现这一点所投入的工艺、工程技术、科学研究与技术创新，我们如今正亲眼见证整个过程。其中涉及的转化技术、制造工艺、各类底层科学原理，人类至今尚未完全吃透，整个技术发展之路也远未走到终点。

我认为英伟达很难被同质化替代。

当然，我们会持续提升技术效率。你刚刚提出的问题，恰好就是我对公司发展的底层认知模型：输入端是电能，输出端是 token，英伟达处在中间环节。

我们的使命，是在完成这项转化的前提下，做到必要之事全力以赴，多余之事绝不插手，以此实现极致的算力能力。我所说的“尽量少做多余之事”，意思就是所有非核心业务，我们都寻找合作伙伴，纳入自身生态体系。

如今的英伟达，拥有全球规模最大的合作伙伴生态，覆盖上下游全供应链、各大计算机厂商、应用开发者与模型研发企业。

可以说人工智能产业是五层架构的蛋糕，我们的生态贯穿全部五层。我们坚持非核心业务不涉足，可即便如此，我们必须亲自攻克的核心技术，难度依旧超乎想象，这部分优势永远不会被同质化。

事实上，我认为企业级软件厂商、各类工具开发商也不会被同质化。如今大多数软件公司都属于工具开发商，一部分并非如此，属于工作流系统化平台。

比如Excel、演示文稿软件是工具，楷登电子、新思科技也主营工具开发。

我的看法和大众截然相反：未来智能体的数量会呈指数级增长，工具使用者的数量也会指数级暴涨，各类工具的使用规模势必会大幅激增。

未来新思科技（synopsys） 设计编译器的使用量会暴涨，同时使用布局规划工具、芯片版图工具、设计规则检测工具的智能体数量也会大幅增长。如今行业受工程师数量限制，未来这些工程师都会拥有大量人工智能智能体辅助工作。人类将会以前所未有的广度探索芯片设计领域，并且依旧沿用现有工具体系。

工具使用需求的爆发，会带动软件公司迎来高速增长。目前这一趋势尚未到来，原因是现有智能体使用工具的能力尚且不足。未来要么是软件厂商自主开发适配自身工具的智能体，要么是智能体技术成熟到可以熟练操作各类工具，我认为两种情况会同时发生。

德瓦克什·帕特尔：我注意到贵公司最新备案文件显示，你们与晶圆代工厂、存储芯片厂商、封装企业签订的采购协议规模接近1000亿美元。半导体分析机构SemiAnalysis测算，这类采购承诺总额将达到2500亿美元。有一种解读认为，英伟达的护城河，就是锁定了未来多年的稀缺零部件产能。其他企业即便能自研AI加速芯片，能拿到配套存储芯片吗？能拿到核心逻辑芯片产能吗？未来数年，这是否就是英伟达最核心的壁垒？

黄仁勋：这确实是我们独有的、其他企业难以复刻的优势之一。我们在上游产业链进行了巨额产能锁定，一部分是你提到的公开采购协议，还有大量隐性合作。

比如上游产业链企业的诸多产能扩建投资，都是基于我们的沟通。我会向各厂商首席执行官阐明行业未来规模、增长逻辑，和他们共同推演行业前景，展示我预判的行业发展趋势。
正是通过和各行业上游企业充分沟通、达成共识、协同发展，这些厂商才愿意大胆扩产。他们愿意为我们投资，却不轻易为其他企业扩产，原因很简单：他们确信我们有能力消化全部产能，并通过下游渠道完成产品变现。英伟达下游产业链体量庞大、市场需求充足，这是上游厂商敢于投资扩产的底气。
大家参加过英伟达GTC大会就会明白，这场展会的规模、参会阵容令人惊叹，是完整闭环的人工智能全产业盛会，全行业上下游齐聚于此。各方齐聚，本就需要相互对接。

我搭建这个平台，就是让下游企业看见上游产能，上游厂商看清下游需求，全行业共同见证人工智能技术进展。

更重要的是，行业原生AI企业、各类初创公司都汇聚于此，各方能直观看到我此前预判的所有行业趋势。我大部分精力，都在直接或间接向供应链、合作伙伴、整个生态普及行业机遇。

总有人说：“黄仁勋，你每场主题演讲全是接连不断的新品发布。”我们的演讲有很大篇幅更偏向行业科普，看起来略显枯燥，而这正是我刻意为之。我必须让上下游全产业链、整个生态体系都清晰知晓行业未来趋势、发展原因、到来时间、市场规模，让所有人都能用系统化的思维研判行业，和我的思考逻辑保持一致。

回到你所说的供应链护城河，我们具备布局未来的能力。若未来数年行业市场规模达到万亿美元级别，我们拥有匹配该规模的完整供应链。

企业发展不仅需要资金流，同样需要供应链流转效率、业务稳定性。若业务发展不稳定，没有厂商会为其专属架构搭建供应链。我们能维持庞大产业规模，核心正是下游海量稳定需求。上游厂商都看清了行业发展前景，这支撑我们实现当前乃至未来的产能规模。

德瓦克什·帕特尔：我想更具体地确认，上游产业链产能能否跟上发展速度。多年来贵公司营收连年翻倍，对外输出的算力浮点运算能力，每年增幅更是超过三倍。

黄仁勋：

如今在如此庞大的基数上还能实现营收翻倍，本身已经十分惊人。

德瓦克什·帕特尔：确实如此。但再看芯片逻辑制程，英伟达是台积电N3制程的最大客户，同时也是N2制程的核心大客户。据SemiAnalysis数据，今年人工智能产业将占据台积电N3制程60%的产能，明年占比将升至86%。既然你们已经占据绝大多数产能，要如何继续实现翻倍增长，并且连年保持增速？上游产能受限，是否意味着AI算力增速必然放缓？你认为有解决办法吗？长期来看，要如何实现晶圆厂产能连年翻倍？

黄仁勋：当下全球上下游产业链的瞬时需求，本身就超过整体供给。任何时刻，行业都可能遭遇各类资源短缺，比如实操技术工人短缺，这类情况真实存在。

德瓦克什·帕特尔：这些技术工人，明年GTC大会都该请来参会。

黄仁勋：这个提议很好。不过需求大于行业总供给，本身是良性行业状态，反之才是行业困境。一旦某类核心零部件供需缺口过大，全行业都会扎堆争抢产能。比如大家如今很少再热议CoWoS先进封装产能紧缺的问题。

原因很简单，过去两年我们疯狂抢占该产能，连续多次翻倍扩充用量。目前CoWoS产能供需已经趋于稳定。台积电如今也明确，CoWoS封装产能扩张速度，会和逻辑芯片、存储芯片产能增速保持同步。这是极好的转变，此前很长一段时间，CoWoS封装与高带宽内存都属于小众专用技术，如今已经成为主流算力基础设施。

如今我们对整个供应链的话语权范围也大幅提升。人工智能产业兴起之初，我五年前就预判到的诸多趋势，当时就已经对外讲过。当时部分企业选择相信并加大投资，比如美光的桑杰及其团队。

我至今记得那次会议，我清晰预判了行业走向、内在逻辑以及如今实现的各类成果，他们果断加大投入。我们与美光在低功耗内存、高带宽内存领域深度合作，他们持续扩产布局，如今收获巨大。其余企业后续陆续跟进，如今全部入局布局。

过往每一个供应链瓶颈，都会引发全行业关注。现在我们会提前数年预判瓶颈、提前布局解决。比如过去数年我们与 lumentum、coherent，以及 silicon photonics的深度合作，彻底重塑了相关供应链。我们围绕台积电搭建完整配套产业链，合作研发COUPE技术，自主攻克大量专利技术，并对外开放授权，保障生态开放共赢。

我们通过自研新技术、优化产业流程、新型检测设备（比如双面探针检测）、战略投资企业、助力厂商扩产等方式完善供应链。我们一直在主动构建生态，保障产业链产能足以支撑行业高速扩张。

德瓦克什·帕特尔：看起来不同环节的产能瓶颈，解决难度差异很大，比如CoWoS扩产对比其他环节……

黄仁勋：我先先说最难解决的瓶颈。

德瓦克什·帕特尔：是哪一个？

黄仁勋：技术工人，管道技工与电气工程师。这也让我对部分末日论者的观点十分不解，他们宣称人工智能会终结工作、消灭大量岗位。

如果大众都不愿成为软件工程师，未来我们终将面临软件工程师短缺。十年前就出现过同类荒谬言论，当时部分人鼓吹：“千万别当放射科医生”，网络上至今还能找到相关视频，声称放射科会是首个被AI取代的职业，未来不再需要放射科医师。可如今现实如何？全球正极度缺乏放射科医生。

德瓦克什·帕特尔：回到产能问题，部分环节可以扩产，部分环节难以突破。芯片逻辑芯片产能要如何实现连年翻倍？归根结底，存储与逻辑芯片都受极紫外光刻设备限制，要如何实现极紫外光刻机数量连年翻倍？

黄仁勋：这些产能全部都可以快速扩充，不存在绝对瓶颈，两到三年内就能完成大规模扩产。唯一需要的就是明确的市场需求信号。一旦验证一条产线可行，就能快速复制十条、百条、上百万条，这类产线技术极易规模化复刻。

德瓦克什·帕特尔：你们会向下游供应链延伸到哪一步？会不会直接找到阿斯麦，提出：“未来三年，英伟达年营收要达到2万亿美元，需要海量极紫外光刻机”？

黄仁勋：部分环节我们直接对接沟通，部分通过间接合作，还有部分只需说服台积电，阿斯麦自然会跟进扩产。我们只聚焦核心卡点环节。只要台积电确定扩产需求，未来数年极紫外光刻机产能完全充足。

我想强调的是，所有供应链瓶颈，持续时间都不会超过两三年。

与此同时，我们算力效率持续大幅提升，提升幅度达到十倍、二十倍；从 hopper 架构到 blackwell 架构，算力能效提升更是达到三十至五十倍。依托CUDA架构极强的灵活性，我们持续自研全新算法、优化技术，在扩充硬件产能的同时，不断提升算力使用效率。

这些问题我完全不担忧。真正需要关注的，是我们下游的产业环节，尤其是能源政策限制。发展新兴产业离不开能源，全新制造业产业崛起更是高度依赖能源。

我们希望美国实现产业回流，重振芯片制造、计算机整机制造、封装产业，布局新能源汽车、机器人、人工智能算力中心等全新产业。所有这些产业发展都依赖能源，而能源基础设施建设周期漫长。芯片产能扩充、CoWoS封装产能提升，都只需要两三年周期。

德瓦克什·帕特尔：很有意思。我过往采访的嘉宾，观点常常截然相反，而我本身缺乏相关技术知识，无法分辨对错。

黄仁勋：好在你现在对话的是该领域最专业的从业者。

德瓦克什·帕特尔：确实。我想聊聊竞争对手。目前全球排名前三的大模型，有两款（claude、gemini）均依托谷歌 tpu 完成训练。这对英伟达未来发展意味着什么？

黄仁勋:英伟达的技术路线和其完全不同。英伟达深耕加速计算，并非单纯的 tpu。加速计算应用场景极广：分子动力学、量子色动力学、数据处理、结构化与非结构化数据运算、流体力学、粒子物理，人工智能只是其中一个应用领域。

加速计算的场景包容性极强。如今人工智能是行业焦点、影响力巨大，但算力应用远不止于此。英伟达彻底重构了算力模式，从通用计算走向加速计算，市场覆盖范围远超所有专用 tpu、定制ASIC芯片。我们是全球唯一能够为全领域应用提供算力加速的企业，生态体系极其庞大，所有算法框架、各类算法均可在英伟达平台运行。

我们的硬件平台设计初衷就是开放通用，任何运营方都可采购使用。而大部分企业自研的专属算力芯片，封闭性极强，仅能自身内部调试使用，适配灵活性极差。正因平台开放通用，英伟达算力覆盖全球所有云厂商，包括谷歌云、亚马逊云、微软Azure、甲骨文云。

若是云厂商对外租赁算力，就需要覆盖多行业海量客户消化产能；若是企业自用算力，我们也能全程提供技术支持，就像我们为埃隆·马斯克的xAI提供服务一样。凭借适配全行业、全企业的算力支持能力，我们可以为礼来制药搭建科研超算中心，助力药物研发与生命科学研究，支撑全领域生物科研算力需求。

谷歌 tpu 无法覆盖的海量应用场景，均是英伟达的优势领域。CUDA架构不仅能实现极致 tpu 运算，还能覆盖数据处理、算力运算、人工智能全流程环节。我们的市场空间更广、布局更深。依托全场景适配能力，英伟达硬件落地全球各地，都有对应的市场需求，二者本质完全不同。

德瓦克什·帕特尔：我接下来的问题比较长。英伟达营收规模暴涨，并非依靠医药、量子计算领域，全部来自人工智能——这项发展速度史无前例的颠覆性技术。

那么核心问题：专门针对人工智能而言，何种算力硬件最优？我并非技术专业，但和AI科研人员交流得知：谷歌 tpu 采用大规模脉动阵列架构，极度适配矩阵乘法运算；而GPU灵活性更强，在分支运算、不规则内存访问场景优势显著。

但人工智能核心训练，本就是重复、规律化的海量矩阵乘法运算。tpu 无需为线程调度、线程与内存模块切换预留芯片面积，完全针对当前AI核心算力需求、营收增长场景做极致优化。你如何看待这一观点？

黄仁勋：矩阵运算只是人工智能的一部分，绝非全部。若要研发全新注意力机制、创新模型拆分方式、全新架构（比如混合状态空间模型），就需要可编程的通用算力架构。若要融合扩散模型与自回归模型技术，同样依赖通用可编程架构。英伟达平台可以运行所有前沿算法，这就是核心优势。架构可编程，更利于全新算法创新迭代。

人工智能技术飞速突破的核心动力，正是全新算法的持续涌现。和所有硬件一样，谷歌 tpu 同样受摩尔定律约束，目前算力每年仅提升25%左右。想要实现十倍、上百倍的算力跨越，只能依靠每年底层算法、计算方式的根本性革新。

这就是英伟达的核心优势。我们实现 hopper 到 Blackwell 架构五十倍能效提升，根源就在于此。

我最初宣布 blackwell 架构能效相较 hopper 提升35倍时，无人相信，后续行业分析文章测算实际提升达到五十倍。

单纯依靠摩尔定律，完全无法实现如此跨越式提升。我们依靠混合专家模型这类全新算法，实现算力并行化、分布式拆分、全系统分布式部署。没有CUDA底层自定义算子开发能力，根本无法实现这类技术突破。

英伟达的优势，是架构可编程性与全链路协同设计能力的结合。我们可以将部分计算任务下沉至互联总线（NVLink）、网络架构（Spectrum-X），同步优化处理器、硬件系统、互联总线、算法库、底层算法全环节。缺少CUDA体系，这一切优化都无从谈起。

德瓦克什·帕特尔：这就牵扯到英伟达客户结构的核心问题。贵公司60%营收来自全球五大云巨头。在早期，科研院校研究者这类客户，高度依赖CUDA架构，无法替换其他加速芯片，仅需基于CUDA运行PyTorch并完成优化即可。

但头部云厂商具备自研底层算子的技术与资金实力。为适配自身架构榨取最后5%的性能，他们必须自研算子。Anthropic、谷歌主要使用自研芯片 tpu、Trainium；即便是全部采用英伟达GPU的开放人工智能研究中心，也自研了Triton算子框架，脱离官方cuBLAS、NCCL库，基于CUDA C++搭建自主技术栈，甚至可适配其他硬件。既然核心大客户均能自研替代CUDA技术，CUDA究竟还能否支撑英伟达在前沿AI领域的绝对优势？

黄仁勋：CUDA的核心价值是完整丰富的生态。所有开发者开展技术研发，首选CUDA平台都是最明智的选择，生态完善、全框架兼容适配。

即便客户自研自定义算子，我们也深度参与技术优化，比如Triton框架底层大量核心技术均来自英伟达。

我们乐于助力所有算法框架实现技术升级。如今行业各类框架层出不穷：Triton、vLLM、SGLang，还有全新强化学习框架verl、NeMo RL，模型微调、强化学习领域技术正在爆发。无论选择何种架构研发，CUDA都是最优选择，生态优势无可替代。

依托成熟生态，开发过程中出现问题，基本可以确定是自身代码问题，而非底层平台框架漏洞。

AI系统开发涉及代码量极其庞大，开发者需要完全信任底层硬件平台。尽管我们平台仍存在少量漏洞，但整体技术体系经过长期打磨稳定可靠，开发者可安心基于底层架构二次开发。这是第一点：生态丰富度、可编程性、综合技术能力。

第二点，对于所有开发者而言，最重要的资源就是硬件装机保有量。

开发者都希望自研软件、模型可以在海量设备上运行，而非仅适配自有设备。框架开发者更是需要适配全行业算力集群。英伟达CUDA生态，是我们最宝贵的资产。

目前全球英伟达GPU装机量数以亿计，覆盖所有云厂商，从A10、A100、H100、H200，到L系列、P系列全型号硬件，形态、规格齐全。机器人领域开发者也希望CUDA技术直接部署于终端设备。英伟达算力布局无处不在。庞大装机量意味着，开发者自研的模型、软件可全球通用，价值无限放大。

第三，我们硬件覆盖全部云平台，这是独一无二的优势。AI企业、开发者无法确定长期合作的云厂商，而英伟达算力可部署于所有公有云、私有本地服务器。生态丰富度、全球装机规模、部署场景通用性三者结合，让CUDA具备不可替代的价值。

德瓦克什·帕特尔：逻辑十分通顺。我真正好奇的是，这些优势对你们核心大客户的价值究竟有多大。大量普通开发者十分依赖CUDA，但贡献营收的核心客户，大多具备自研完整技术栈的能力。尤其未来AI在闭环验证、强化学习场景持续突破，算子优化（注意力机制、多层感知机极致高效运算）具备极强可量化反馈。

各大云厂商是否都能自研全部核心算子？即便英伟达硬件性价比依旧领先，客户依旧优先选用。但未来行业竞争会不会沦为单纯参数比拼：同等成本下，谁的浮点算力、内存带宽更高？此前英伟达凭借CUDA护城河，占据AI软硬件领域70%以上超高毛利率。若核心客户均可自研替代技术，你们还能维持该毛利率吗？

黄仁勋：我们派驻大量工程师对接各大AI实验室，全程协助优化技术栈。

原因很简单：没有企业比我们更懂自身硬件架构。英伟达GPU、加速芯片并非像CPU那样通用。CPU如同豪华巡航轿车，运行平稳、易用性强，所有用户都能轻松操作；而英伟达加速芯片，堪比一级方程式赛车。

所有人都能低速运行，但若要压榨硬件极限性能，需要极强专业技术能力。我们依托AI技术自研底层算子，技术底蕴深厚。

我坚信行业长期依旧离不开英伟达。我们的技术支持，常常能帮助合作客户算力性能直接再翻倍。完成技术栈、专属算子优化后，模型运行速度提升2倍、3倍甚至50%都十分常见。对于客户庞大的 hopper 、Blackwell 算力集群而言，性能翻倍直接等同于营收翻倍，收益极为显著。

英伟达算力体系，是全球单位总拥有成本性能最优，没有之一。目前没有任何厂商硬件能在综合性价比上超越我们，所有公开测评数据均可验证。我们开源的InferenceMAX推理优化工具，所有厂商均可免费使用，但谷歌 tpu、亚马逊Trainium均未参与对标测评。

我欢迎所有厂商使用该工具公开自身推理成本数据，但至今无人应战。在MLPerf基准测试中，我也期待亚马逊验证其宣传的40%性能优势，期待谷歌公开 tpu 成本优势。从底层原理分析，这些宣传优势均不成立。

我们能保持行业领先，核心就是极致的综合性价比。

你提到60%营收来自五大云厂商，但这些算力绝大多数并非云厂商自用，而是服务外部客户。亚马逊云上绝大多数英伟达算力面向外部客户，微软Azure、甲骨文云全部英伟达硬件均对外服务。云厂商青睐英伟达，正是因为我们覆盖全球海量客户，所有客户均基于英伟达平台搭建业务。而全球企业均选择英伟达，根源就是我们覆盖面广、适配性强。

这就是正向飞轮效应：全球庞大硬件装机量、架构可编程性、丰富生态、海量AI企业入局。如今全球AI初创企业数以万计，对于初创企业而言，必然选择市场保有量最高、生态最完善的硬件架构，而英伟达三者全部占优。

除此之外，我们硬件单位功耗算力全球顶尖。合作客户搭建吉瓦级算力数据中心，必然追求功耗约束下算力最大化、数据令牌产出最大化，直接关联营收。英伟达是全球单位功耗令牌产出最高的硬件架构。若客户对外租赁算力，我们依托全球海量客户资源，优势进一步放大，飞轮持续正向循环。

德瓦克什·帕特尔：很有意思。核心问题还是市场格局。即便存在其他硬件厂商，本可以出现数万AI企业均分算力市场的局面。但如今算力基本集中在五大云厂商手中，而亚马逊云上的算力使用者，大多是安特罗皮克、开放人工智能研究中心这类头部大模型企业，这些企业本身就有能力自研、适配其他加速芯片。

黄仁勋：不，你的前提本身就是错误的。

德瓦克什·帕特尔：或许吧。我换一个问题。

黄仁勋：你说完问题，我再纠正你的认知误区，这个问题对人工智能、科学发展、行业未来都至关重要。

德瓦克什·帕特尔：好，我换个角度提问。

黄仁勋：你尽管提问，我依旧会纠正你错误的前提，这件事十分关键。

德瓦克什·帕特尔：我先完整提问。结合此前性价比、能效比所有优势均成立的前提，为何 anthropic 日前宣布，与博通、谷歌达成吉瓦级算力合作，大规模采购谷歌 tpu 作为自身核心算力？

谷歌内部更是以 tpu 为绝对主力。曾经头部企业全部采用英伟达算力，如今份额逐步分流。纸面数据英伟达全方位占优，企业却转向其他硬件，原因是什么？

黄仁勋：anthropic 属于个例，并非行业趋势。抛开这家企业，谷歌 tpu 几乎没有新增市场需求，其增量100%来自 anthropic；亚马逊Trainium增量同样全部依靠 anthropic。行业内定制ASIC芯片机会极少，仅此一家特例。

德瓦克什·帕特尔：但 OpenAI 与 AMD 达成合作，还自研了 titan 加速芯片。

黄仁勋：确实存在这类合作，但其绝大部分算力依旧采用英伟达硬件，双方依旧有大量深度合作。其他企业选用别家硬件、开展技术尝试，我完全不介意。不对比，如何知晓英伟达技术优势？行业也需要通过对比认清差距。我们必须持续精进，稳固自身行业地位。

行业各类自研定制芯片项目层出不穷，中途终止的项目同样数不胜数。想要自研芯片超越英伟达，难度极大，几乎不具备可行性。除非英伟达出现重大技术路线失误。依托规模优势、技术迭代速度，我们是全球唯一每年实现算力技术跨越式突破的企业。

德瓦克什·帕特尔：他们的思路大概是：芯片性能不必超越英伟达，只要不比英伟达差超过30%即可，毕竟英伟达整体毛利率高达70%。

黄仁勋：你忽略了一点，定制ASIC芯片厂商毛利率同样极高。英伟达毛利率70%，这类厂商毛利率也能达到65%，客户实际成本节省幅度极小。

德瓦克什·帕特尔：你是指博通这类厂商？

黄仁勋：没错。客户依旧需要向上游厂商支付高额溢价，从行业现状来看，定制芯片厂商利润空间依旧丰厚，厂商自身也十分满意该盈利水平。

回到你最初的问题。早期我们没有能力满足这类企业的巨额算力投资需求。当时我并未意识到， OpenAI 、anthropic 这类顶级大模型实验室，发展需要上游硬件厂商巨额战略投资，风投资本无法支撑其体量。彼时我们资金体量无法向 anthropic 投入数十亿美元资金，换取其优先选用英伟达算力。而谷歌、亚马逊具备该实力，早期大额投资绑定了它们的算力需求。

这是我的决策疏漏。当时我并未认清，顶级大模型发展无法依靠常规风投融资，风投资本不会为单家AI实验室投入百亿美元级资金。即便当时我认清现状，受限于公司规模，依旧无力完成这类投资，但我绝不会再犯同类错误。

如今我十分乐意投资 openai，助力其规模扩张，我认为这是必须布局的战略。后续 anthropic 寻求合作时，在我们资金体量充足后，我同样果断投资、深化合作。早年只是受限于企业规模无法布局，若时光倒流、彼时英伟达具备如今体量，我必然会提前完成全部布局。

德瓦克什·帕特尔：这个问题很有意思。多年来英伟达是人工智能领域盈利最高的企业，且利润持续暴涨，如今大量资金用于战略投资。公开信息显示，英伟达向 openai 投资规模达300亿美元，向 anthropic 投资100亿美元。如今两家企业估值大幅上涨，且未来仍有升值空间。

多年来你们持续输出算力，早已预判行业发展前景，这些企业如今估值相较数年、甚至一年前翻涨数倍，而英伟达本身资金储备充足。从理论上来说，英伟达完全可以自建顶级大模型实验室，或是更早以当前估值完成大额投资。我很好奇，为何没有更早布局？

黄仁勋：我们在能力范围内，第一时间就完成了布局。但凡更早具备条件，我一定会提前投资。anthropic 需要投资的阶段，我们当时完全不具备资金与战略条件，从未有过大规模对外股权投资的规划，也并未意识到该布局的必要性。

我此前一直认为，这类科技企业和普通公司一样，依靠风投融资即可。如今才明白，顶级大模型实验室的发展体量，根本无法依靠风投支撑。 OpenAI anthropic 均是如此。

这正是这些企业的远见之处，他们很早就认清了这一点。我十分欣慰企业能顺利发展，即便早期 anthropic 只能选择其他厂商算力合作，我依旧乐见其成。这类顶尖企业的存在，对全球行业发展都有益处。

德瓦克什·帕特尔：即便如此，英伟达季度营收利润依旧持续暴涨。

黄仁勋：即便如此，依旧会留有遗憾。

德瓦克什·帕特尔：回到核心问题：如今英伟达现金流充裕、利润持续增长，巨额资金该如何规划使用？目前行业已经诞生大量中间服务商，为AI实验室实现资本开支转经营性租赁，提供算力租赁服务。AI芯片造价高昂，但模型价值持续提升、芯片全生命周期收益极高，前期部署成本高、长期盈利空间大。英伟达本身完全具备承担资本开支的实力，公开信息显示，你们为核心编织云厂商CoreWeave提供最高630亿美元资金兜底，且直接投资20亿美元。

既然资金充足，英伟达为何不自建云平台，转型为顶级云厂商，自主开展算力租赁业务？

黄仁勋：这源于公司长期坚守的经营理念，且我认为该理念十分合理：必要之事全力以赴，多余之事绝不插手。

这句话的含义：英伟达算力平台相关核心业务，若我们不去攻克，全球没有任何企业能够完成。无论是NVLink互联技术、完整软硬件技术栈、生态体系搭建、长达二十年持续亏损深耕CUDA技术，这些布局除我们之外，无企业愿意承担。

我们自研全套CUDA-X领域专用算法库，布局光线追踪、图像生成、早期人工智能、数据处理、结构化数据、向量数据运算领域。

十五年前我们就坚定布局领域库，因为我深知，若我们不研发，全球无企业涉足。包括计算光刻技术库cuLitho，若非英伟达自研，至今不会诞生。没有我们的深耕，加速计算不可能发展至今。这些核心使命，我们必须全力完成。

但全球公有云业务，即便英伟达不涉足，依旧有大量企业布局。结合公司经营准则，所有战略决策均围绕“核心必做、非核心不做”展开。

以新兴AI专属云厂商为例，若我们不扶持CoreWeave，这类新型云厂商、AI专属云平台根本无法诞生；不助力CoreWeave发展，其无法成长；不扶持Nscale、Nebius，两家企业也无法达到如今规模。如今这些企业均发展势头极佳。

我们坚持聚焦核心、精简业务模式，通过战略投资扶持生态伙伴成长。我的愿景是，英伟达硬件架构、人工智能技术赋能全球各行各业、各个国家，助力全球依托美国技术体系搭建人工智能产业。这就是我们始终坚守的发展方向。

另外，全球顶尖大模型企业数量众多，我们坚持全面投资、不刻意挑选行业赢家。这既是企业发展布局，也是经营原则。我们不赌单一企业，均衡扶持全行业优质初创企业。

德瓦克什·帕特尔：为何刻意不挑选单一行业赢家重仓？

黄仁勋：第一，这本就不是英伟达的业务范畴。第二，回顾企业发展历史，英伟达早期涉足3D图形领域时，全球有60家同类图形芯片企业，最终仅英伟达存活。

在当时，几乎所有人都不看好英伟达。我们早期图形架构路线完全错误，并非小幅偏差，架构设计不符合行业需求，开发者适配难度极高，理论上毫无存活可能。我们基于严谨底层原理推演，最终却得出错误技术方案，所有外界机构都会判定我们出局。但我们坚持调整，存活至今。

这段经历让我始终保持谦逊，绝不随意判定企业成败。要么让所有企业自主发展，要么均衡扶持全部优质企业，绝不单独押注。

德瓦克什·帕特尔：我有一点无法理解。你一方面表示并非刻意扶持新兴云厂商，只是顺应合作；一方面又坦言，CoreWeave等企业离开英伟达扶持无法存活。两种观点如何统一？

黄仁勋：首先，这些企业自身具备发展意愿、商业规划、专业能力与行业热情，本身拥有核心技术实力。仅依靠自身无法完成起步阶段资金与产能落地，我们仅在初创阶段提供必要投资支持，助力其自身商业飞轮运转。

你想问的核心是：英伟达是否要转型专业投资机构？答案是否定的。全球专业投资机构众多，我们更愿意与各类投资方合作，而非自身涉足投资业务。我们坚守主业，精简商业模式，全力扶持生态伙伴。

诸如 OpenAI ，尚未上市且需要数百亿美元级投资，我们坚定布局，源于企业长期价值、行业不可或缺的地位。这类企业发展前景广阔，全球行业需要其存在，我们理应助力规模扩张。这类必要投资我们会完成，但依旧坚守尽可能少做非核心业务的原则。

德瓦克什·帕特尔：有一个显而易见的问题。全球GPU长期供不应求，且随着大模型迭代，缺口持续扩大。外界普遍认为，英伟达芯片配额分配并非价高者得，而是刻意倾斜份额给各类新兴云厂商，比如 Crusoe、Lambda、CoreWeave。这对英伟达有何益处？你是否认可外界所说的“人为割裂市场”？

黄仁勋：完全不认可，你的前提依旧错误。我们配额分配具备严谨规则。

首先，所有合作均以正式采购订单为依据，口头需求不产生任何配额倾斜。芯片、数据中心建设周期极长，我们首要工作是协同所有合作方做好需求预测，实现供需精准匹配。

其次，即便前期完成需求预估，最终依旧以企业正式下单为准。

部分客户因自身数据中心未完工、零部件不到位无法收货，我们会优先满足已具备上机条件的客户，最大化自身工厂产能利用率，仅据此微调配额。除此之外，所有配额严格遵循先到先得原则，无额外倾斜。

网络诸多传言均为不实信息，比如流传的拉里·埃里森、埃隆·马斯克与我会面索要GPU的消息完全虚假。

我们确实共同用餐，交流十分愉快，但二人从未索要芯片配额，只需正常提交采购订单，我们便会尽全力保障产能。我们合作规则公开透明。

德瓦克什·帕特尔：也就是说配额遵循排队顺序，依据下单时间、数据中心完工进度分配，并非出价最高者优先。为何不直接采用价高者得的分配方式？

黄仁勋：我们从不采用该模式，这并非健康的商业经营模式。

我们统一固定定价，客户自主决定采购量即可。行业其他芯片厂商会随需求涨价，我们始终坚守定价稳定，从不随行就市调价。合作方可以完全信任我们，我立志成为行业底层基础设施，定价稳定、履约可靠，报价一经确定始终不变，即便市场需求暴涨也不调价。

德瓦克什·帕特尔：这也是你们与台积电长期稳固合作的原因吧？

黄仁勋：没错，英伟达与台积电合作即将满三十年。双方甚至无刚性法律合约，全靠长期默契合作。偶尔我方获利更多，偶尔对方让利更多，整体合作极为互信，彼此完全依托、相互信赖。

合作伙伴可以始终信赖英伟达：今年Vera Rubin架构产品性能强劲，明年推出Vera Rubin超极版，后年推出Feynman架构，逐年迭代新品。全球没有任何一家定制芯片厂商，能让客户笃定长期稳定供货、每年芯片令牌成本大幅下降，像时钟一样稳定可预期。

我对台积电同样有这份信心。无论采购量大小，一台芯片、十亿美元订单，全部按流程规划履约。如今全球仅有英伟达能做到全体量订单承接，无论单卡、单机架、千万美元、千亿美元算力采购需求，全部均可满足。

英伟达用数十年沉淀，成为全球人工智能产业底层基础设施。依靠长期坚守、全身心投入技术深耕，企业发展始终稳定连贯，这是核心优势。

德瓦克什·帕特尔：接下来聊聊中国相关话题。我自身暂无明确立场，习惯以反方视角与嘉宾探讨观点。此前支持出口管制的达里奥做客访谈时，我反问过：为何中美不能各自拥有顶尖算力数据中心？如今你立场相反，我以反向角度提问。

anthropic 日前发布Mythos Preview.，该模型暂不公开发布，原因是其具备极强网络攻击能力，企业认为全球尚未做好防护，需先修补全部系统零日漏洞。该模型检测出全球各大操作系统、浏览器海量高危漏洞，甚至在以安全性著称、几乎无漏洞的OpenBSD系统中，发现一个存在长达27年的安全漏洞。

由此引发疑问：若中国企业、科研机构、官方获得高端AI芯片，训练同级别具备网络攻击能力的大模型，并大规模部署运行，是否会威胁美国企业安全、美国国家安全？

黄仁勋：首先， anthropic 训练该模型所用算力规模、硬件等级，在中国境内完全能够实现。首先要明确一个事实：中国本身拥有大量芯片产能。

中国占据全球60%以上成熟制程芯片产能，本土半导体产业规模庞大，且拥有全球顶尖计算机科研人才。

全球过半AI科研人员均为华裔，大量顶尖实验室核心研究者均来自中国。中国能源储备充足、芯片存量充足、科研人才充足。

基于现有全部资源，想要判断如何构建安全全球环境，单纯遏制、对立、将其塑造为竞争对手，绝非最优解。

中美存在技术竞争关系，我们必然希望美国保持领先地位，但我认为双方需要保持学术沟通、科研交流。当前对立态势，导致两国AI科研界交流完全断层，这一问题极为严重。中美AI研究者必须开展技术对话，共同划定人工智能禁用危险应用场景，达成技术安全共识。

至于AI挖掘软件漏洞，本就是人工智能正向应用价值。AI本就用于检测系统缺陷，全球软硬件本身存在海量漏洞，包括AI自身框架漏洞。AI技术能够大幅提升系统安全运维效率，我十分认可该技术价值。

目前行业忽视了一点：网络安全、AI安全、数据隐私安全领域生态正在快速崛起。大量AI初创企业布局安全防护技术，未来会形成“核心强能力智能体+海量安全防护智能体”的体系，全方位约束高危AI应用，该未来必然实现。

任由强能力AI智能体无监管自主运行，本身极不现实。安全防护生态发展至关重要，且该生态依赖开源技术、开源模型、开源技术栈，全球科研人员均可基于开源体系搭建安全防护系统。大量开源技术成果源自中国，我们不应遏制该领域发展。

我们自然希望美国占据全球最大算力规模，目前美国能源确实存在约束，但大量企业正攻坚能源解决方案。

更重要的是，我不希望全球形成两套割裂技术生态：开源体系仅适配他国硬件，闭源体系仅适配美国硬件。该局面对于美国而言，是最坏结果。我们需要全球所有AI开发者，均基于美国技术栈开发，所有开源技术突破、行业成果反哺美国生态。

德瓦克什·帕特尔：我梳理一下你的观点。外界担忧核心算力差距：受高端制程设备出口管制影响，中国仅具备7nm芯片产能，无高端极紫外光刻设备，现有总算力仅为美国十分之一。

基于此，中国未来确实能训练出同级别模型，但美国实验室凭借算力优势，能够率先实现技术突破。就像 anthropic 率先研发出高危能力模型后，优先向美国企业开放、完成全行业漏洞修补，之后再对外公开。

除此之外，模型大规模部署推理算力同样至关重要。网络攻击型模型部署规模越大，危害越强，推理算力价值极高。美国顶尖实验室发展瓶颈正是算力，而中国大量顶尖AI科研人才能力极强，算力恰好是放大其技术能力的核心要素。

因此疑问在于：既然美国算力领先，率先掌握高危模型技术、完成本国防护准备，本就占据优势；若中国算力受限、突破速度更慢，难道不是更符合美国安全利益？

黄仁勋:我们理应始终保持领先、拥有更多算力，这一点毋庸置疑。但你该观点的前提过于极端，认为中国必须完全无算力才安全。可中国本身算力规模极其庞大，是全球第二大算力市场，完全具备大规模算力聚合能力。

德瓦克什·帕特尔：但多方测算显示，中芯国际制程工艺严重落后。

黄仁勋：我接下来详细说明。中国能源储备极为充足，而人工智能本就是并行算力场景。为何不能通过堆叠海量芯片补足制程差距？中国拥有大量闲置满配数据中心，如同闲置空城一般，存在大量空闲算力基础设施。即便仅采用7nm芯片，大规模堆叠整合，算力总量依旧十分可观。

中国成熟芯片制造产能全球顶尖，垄断全球大量通用芯片产能，自身产能严重过剩。因此“中国无法获得AI算力芯片”本身就是谬论。

当然你会反问：难道全球无任何算力、仅美国拥有算力才最优？现实本就不存在该场景，中国现有算力早已突破你担忧的安全风险阈值。

人工智能产业分为五层架构，底层基础是能源。充足能源可以弥补芯片制程差距，充足芯片也能弥补能源不足。美国目前能源紧张，因此英伟达必须持续优化架构、全链路协同设计，以有限芯片、有限能源实现极致单位功耗算力。

若能源供给充足甚至近乎免费，便无需极致追求能效比，老旧制程芯片完全可用。7nm芯片性能对标霍珀架构，如今主流大模型均基于霍珀架构训练，7nm芯片完全能够满足基础训练需求。充足能源就是中国核心算力优势。

德瓦克什·帕特尔：可中国高端芯片自主制造产能依旧不足。

黄仁勋：实际产能完全充足。证据十分明显：华为全年出货量创下企业历史新高。

德瓦克什·帕特尔：出货芯片数量有多少？

黄仁勋：数量极大，达数百万片，远超 anthropic 所用芯片总量。

德瓦克什·帕特尔：争议点在于中芯国际逻辑芯片产能、高端存储芯片产能，尤其是高带宽内存产能。

黄仁勋：我明确告诉你，中国逻辑芯片、HBM2产能均十分充足。

德瓦克什·帕特尔：但模型训练、推理的核心瓶颈是内存带宽，第二代高带宽内存对比英伟达最新产品，带宽差距接近一个数量级，影响极大。

黄仁勋：华为本身是网络通信巨头。

德瓦克什·帕特尔：但 HBM2 制造依旧依赖极紫外光刻设备。

黄仁勋：该观点完全错误。完全可以借鉴英伟达NVL72方案，多芯片互联堆叠补足性能差距。中国企业早已实现硅光互联技术，可将海量分散算力整合为巨型超算中心。你的前提认知本身有误。

当下中国人工智能技术发展十分顺利。顶尖AI科研人才即便受算力限制，也能研发出极致高效算法。此前我提及摩尔定律年增速仅25%，而顶尖计算机算法优化可实现十倍性能提升。技术突破核心杠杆，本就是算法科研。

混合专家模型、各类创新注意力机制，均可大幅降低算力消耗。必须认清：人工智能绝大多数突破源自算法创新，而非单纯硬件算力。全球过半AI科研人才均在中国，这本身就是其核心优势。 deepseek 模型技术突破意义重大，若中国本土硬件率先适配国产前沿大模型，对美国极为不利。

德瓦克什·帕特尔：为何不利？如今开源模型可适配所有硬件平台，未来为何会改变？

黄仁勋：即便模型开源，若深度适配本土专属硬件架构，会导致美国硬件丧失适配优势。你此前认为模型优先适配美国技术栈是利好，我完全认同；反之，全球模型优先适配非美国硬件，便是美国核心劣势。

德瓦克什·帕特尔：但美国实验室模型可跨云、跨硬件通用适配，几乎无平台绑定。

黄仁勋：我就是最直接的例证。专为英伟达优化的模型，迁移至其他硬件运行性能均会下降。

英伟达的行业地位就是最好证明：全球模型均基于我们技术栈研发、最优运行于我们硬件，道理显而易见。

anthropic 模型可适配GPU、特宁芯片、tpu，但迁移适配需要海量工程优化工作。放眼全球广大发展中国家，原生开箱最优适配他国硬件，对于美国绝非利好。

德瓦克什·帕特尔：我依旧无法理解逻辑。假设中国率先研发出同级别高危安全模型，即便基于英伟达硬件运行、对外输出至全球，又如何损害美国利益？

黄仁勋：自然存在损害。我们理应阻止该局面发生。

德瓦克什·帕特尔：你此前认为芯片算力完全可替代，我方不供货，华为本土芯片会直接填补缺口。但华为芯片性能仅为英伟达产品三分之一至二分之一，差距显著。

黄仁勋：现实证据已经摆在眼前：中国本土芯片产业规模极其庞大。

德瓦克什·帕特尔：对比H200与华为昇腾910C，浮点算力、内存带宽差距极大。

黄仁勋：他们可以靠海量堆叠芯片补足性能差距。

德瓦克什·帕特尔：你的观点存在矛盾：一方面称中国能源富余、产能充足，可大规模填补算力缺口；一方面又认为我们对华出口芯片，依旧能稳固美国长期优势。

黄仁勋：二者完全不矛盾，逻辑十分通顺。无更优选择时，便会选用现有唯一方案，这怎么会不合理？中国采购英伟达芯片，正是因为产品更优。性能更优意味着算力更强，更强算力可训练更优模型。

但我们依旧能从中获益：全球开发者持续依托美国技术栈研发，所有模型技术成果适配美国硬件，美国技术持续全球扩散、保持主导地位。这本身就是正向价值，是美国技术领导力的核心根基。

你此前提及的行业政策，曾导致美国通信产业彻底丧失全球市场，如今全球通信领域美国丧失主导权，该短视政策后果显著，弊端早已显现，你至今难以理解其中隐患。

德瓦克什·帕特尔：我们回归核心：存在潜在收益，也存在潜在安全风险，核心判断收益是否覆盖风险。我希望你正视潜在风险：算力是大模型训练基础，强模型具备网络攻击高危能力。美国率先掌握该技术、完成本国系统防护、漏洞修补，再对外开放模型，本就是安全优势。

若中国凭借更多算力提前突破、大规模部署高危模型，会造成巨大安全隐患。而美国现有算力优势，根源正是英伟达本土技术领先。对华出口芯片，本质就是牺牲该安全优势。

黄仁勋：我同样向你阐明另一方巨大潜在风险：若遏制对华贸易，美国将放弃全球第二大芯片市场，直接助力中国搭建本土完整技术生态，未来全球大模型全部适配中国硬件架构。

随着AI技术全球普及，其技术标准、底层架构将会反超美国体系。

德瓦克什·帕特尔：我始终相信英伟达工程师、CUDA技术实力，即便对方短期开源模型领先，也难以形成长期技术绑定。

黄仁勋：人工智能技术远不止底层算子优化。模型蒸馏、架构适配均可实现硬件优化，但生态长期格局依旧关键。

目前客观事实：中国是全球开源软件、开源大模型第一大贡献主体。而如今全部开源成果，均基于美国英伟达技术栈。

人工智能五层技术架构全部至关重要，美国需要在每一层均保持领先，尤其是直接落地应用层，该层从产业革命中获益最多。但每一层都需要均衡发展，不可偏废。

若大众过度渲染AI危险性，将其等同于核武器，引发全行业恐慌、抵触技术发展，完全不利于美国长远利益。若民众因担忧AI替代岗位，抵触软件工程师行业，未来本土人才断层，损害国家发展。

此前放射科医生行业恐慌便是前车之鉴。大众混淆职业与工作任务：放射科医生核心工作是患者诊疗，影像阅片只是单一任务。盲目恐慌导致专业人才断层，直接影响医疗服务质量。

你全程观点均走极端，非零即全，认为少量算力输出便会全盘失利，该思维并不客观。我们必然追求美国全球领先、全技术架构主导地位，这一点坚定不移。但领先不代表封闭排他，无需极端封锁。

多年后美国若想要技术、标准、产品向亚非拉、中东、东南亚全球出口，今日激进封锁政策，会直接导致届时美国丧失庞大海外市场，无理由主动放弃全球市场份额。

无人主张无限制全部对华出口，我们依旧保障本土优先供给、最高端技术本土独占、产能优先满足美国需求。同时保持全球市场竞争布局，兼顾安全与海外市场，需要理性权衡、成熟决策，而非绝对化极端封锁。

德瓦克什·帕特尔：核心争议点：美国制程技术持续迭代，从3nm迈向1.6nm费曼架构，而中国长期停留在7nm制程。中国本土能源充足，可大规模堆叠7nm芯片补足算力，且自主芯片对外出口参与全球竞争。

届时其芯片性能落后，但模型深度适配本土硬件，全球厂商选用其硬件运行模型，体验甚至优于英伟达先进制程硬件。

黄仁勋：我们先以客观数据反驳： Blackwell 对比 hopper 架构，光刻制程提升幅度极小，仅75%，三年制程进步有限。外界夸大制程作用， Blackwell 五十倍能效提升，根本不是来自制程工艺，而是架构设计、计算机算法优化。

摩尔定律作用持续减弱，架构创新、计算机科学价值远超单纯物理制程进步。英伟达CUDA体系价值，正是全链路算力架构优势，灵活适配混合专家模型、扩散模型、分布式架构所有前沿技术。

人工智能发展，上层算法软件与底层硬件架构同等重要。全球开发者依旧首选CUDA开发，中国科研人员同样如此。

若强制全面退出中国市场，属于重大战略失误。该政策已经产生负面后果：加速中国本土芯片产业发展，倒逼其搭建自主封闭生态。目前补救尚且不晚，但损害已经形成。

你认为中国会永久停留在7nm制程，观点错误。中国制造业实力强劲，制程工艺必然持续向上突破。5nm与7nm性能差距极小，架构优化、网络互联、能源利用率的价值，远大于微小制程差距。英伟达收购Mellanox，正是看重互联技术的核心价值。整体产业并非你简化的单纯制程比拼。

德瓦克什·帕特尔：中国话题到此结束，刚好引出新问题。此前我们聊到台积电产能、存储芯片各类瓶颈，英伟达已经占据台积电N3制程绝大多数产能，未来也将占据N2制程主要份额。

你是否考虑复用老旧制程（N7）富余产能，基于现有全部技术优化经验、数值运算改进，复刻升级版 hopper 、 ampper 架构芯片？领先制程产能无法满足需求，依托成熟制程扩产补足，该布局会在2030年前实现吗？

黄仁勋：完全没有必要。每一代架构升级，优势都不止是晶体管制程缩小，还包含工程优化、封装堆叠、数值计算、系统架构全方位革新。

若前沿产能不足，回头重启老旧制程架构，需要投入巨额研发成本，全行业无企业能够承担。我们资金全部投向前沿技术迭代，无力回溯老旧架构重做。仅做极端假设：若全球未来永久无新增先进制程产能，我会毫不犹豫重启7nm制程扩产。

德瓦克什·帕特尔：有人提出疑问：英伟达资金、人才储备充足，为何不同步并行研发多款完全差异化架构？比如Cerebras芯片、特斯拉Dojo巨型封装架构、非CUDA纯定制架构，多路线布局分散风险，毕竟人工智能未来技术路线、硬件架构走向未知。

黄仁勋：我们完全有能力研发全部架构，但所有方案内部仿真验证均性能劣于现有路线，因此不会布局。我们仅深耕验证后的最优技术路线。仅当未来行业算力场景发生根本性变革，并非算法小幅迭代，而是市场需求整体改变时，我们才会新增其他加速芯片产品线。

近期我们收购格 grok，并且将其技术全部融入CUDA生态。原因是当前数据 token 商业价值大幅提升，客户需求分层明显。

仅数年之前， token 使用成本极低甚至免费，如今不同行业客户需求差异显著。比如软件开发者对算力响应速度要求极高，极致低时延能大幅提升工作效率，客户愿意为此支付高价。

该细分市场近期才成型。未来同一模型可按响应速度划分服务层级，此前行业始终追求算力吞吐量最大化，如今出现高溢价低时延推理需求：即便单芯片吞吐量下降，高服务溢价足以覆盖损失。这就是我们拓展技术边界、布局细分架构的原因。除此之外，所有资金依旧全部深耕英伟达自有核心架构。

德瓦克什·帕特尔：高端高溢价算力服务、推理市场细分拆分，这个方向确实极具潜力。

黄仁勋：本质是算力市场分层化。

德瓦克什·帕特尔：好，最后一个问题。假设深度学习技术革命从未发生，英伟达如今会发展成什么样？除了游戏业务之外。

黄仁勋：我们依旧深耕加速计算，和如今核心主业完全一致。公司成立底层逻辑本就如此：摩尔定律后劲不足，通用CPU无法满足大量专业算力场景需求。

我们将GPU架构、CUDA技术与CPU结合，实现通用处理器算力卸载，各类算法、代码算子迁移至GPU加速，实现应用百倍、两百倍性能提升。应用场景覆盖工程科研、物理学、数据处理、图形图像、生成计算等全部领域。即便没有人工智能，英伟达规模依旧会极为庞大。

底层原理十分简单：通用计算性能增长已经触及瓶颈，唯一破局路径就是领域专用算力加速。我们最初从图形计算切入，后续拓展海量其他领域：粒子物理、流体力学、结构化数据处理、各类适配CUDA算法场景。

公司初心始终是：将加速计算普及全球，突破通用计算能力边界，赋能前沿科学领域突破。早期落地场景包括分子动力学、能源勘探地震数据处理、图像运算等，通用CPU效率无法胜任的场景，均是我们的领域。

即便没有人工智能，我固然会感到遗憾，但英伟达发展根基不受影响。我们的技术普及了深度学习，让全球科研人员、学生、普通研究者，仅凭个人电脑、消费级显卡就能开展前沿科学研究，这一核心使命从未改变。

观看GTC大会便能发现，开场大量技术发布均与人工智能无关：计算光刻、量子化学、数据处理技术，全部独立于AI领域，且价值重大。大众目光全部聚焦人工智能，但英伟达在非AI领域依旧有大量核心技术突破。tpu 并非唯一算力形态，我们致力于赋能所有领域计算需求。

德瓦克什·帕特尔：黄仁勋，非常感谢。

黄仁勋：不客气，本次交流十分愉快。

德瓦克什·帕特尔：我也受益匪浅。

（请在微信搜索“创头条”关注公众号。）

文章还发出天问称，是否应该将类似这种颠覆性的技术，交到几个人手中？

目前该文章在 X  引起了很大的讨论，更多的评论认为，《经济学人》小题大做，高看了 the Mythos 及这几个 AI 巨头的影响力。

事实上也是，the Mythos 尽管通用模型能力惊人，尤其复杂多步安全任务能力拔尖，但其安全神话已被国外业界证实是严重的营销夸大，核心能力可被小参开源模型复现。
加上数据不透明，漏洞战果无法独立核验，大量成果无实际利用价值，造成了很大的行业误导性强。
其中典型，莫过于《经济学人》的这种封面叙事。

以下为《经济学人》文章——

是否该将全球最具颠覆性的新兴技术，托付给寥寥数人？

达里奥、德米斯、埃隆、马克、萨姆——这五位仅凭名字便家喻户晓的极客，对塑造未来的人工智能模型掌握着近乎神明般的掌控权。

即便这些模型的能力已惊人到令人咋舌，美国政府仍选择袖手旁观，笃信私营企业间不受约束的竞争，是确保美国在人工智能竞赛中战胜东方大国的最佳途径。

如今，局面终于生变。

美国对人工智能一贯的自由放任态度，眼看即将走向终结。

原因在于，这些模型突飞猛进的发展，同样对美国自身国家安全构成威胁，令此前更担忧过度监管的特朗普政府官员坐立难安。

与此同时，美国选民的不满情绪日益高涨，人工智能正沦为政治导火索。放任自流的路线，在政治上已无立足之地，战略上也绝非明智之选。

转折点出现在4月7日，Anthropic发布Claude Mythos模型。

这家模型研发机构的最新成果，在挖掘软件漏洞方面能力惊人，一旦落入不法之手，将对银行、医院等关键基础设施构成致命威胁。人工智能模型还不断催生其他风险，从生物安全隐患到规模化诈骗，不一而足。

Anthropic首席执行官达里奥·阿莫代伊颇为明智，判定Mythos模型风险过高，不宜公开发布。

他仅将其开放给约50家来自计算机、软件、金融领域的大型企业使用，助力这些企业强化自身防御体系。美国财政部长斯科特·贝森特深感不安，随即召集各大银行召开紧急会议。

这并非本届政府首次出手干预。

就在数周前，阿莫代伊拒绝让Anthropic的模型用于全自动武器及大规模国内监控，五角大楼随即介入。彼时特朗普政府同样警觉不已——只因一家企业竟对这项关乎国家安全核心的技术拥有绝对主导权。

选民的强烈反对，将进一步施压政府采取干预措施。

民调显示，越来越多政客认为，人工智能会成为2028年大选的核心议题之一。

美国民众对人工智能的质疑态度，远甚于其他国家民众。七成美国人认为人工智能会挤压就业岗位，这一比例较一年前大幅攀升（且远早于他们掌握切实证据之时）。

尽管人工智能与电价上涨几乎毫无关联，民众对数据中心的基层反对声浪却持续高涨。

近期，OpenAI首席执行官萨姆·奥尔特曼的住所两次遭袭，正是时代情绪的鲜明写照。

历史昭示，对于人工智能这般足以改变世界的技术，Mythos这类引爆舆论的关键节点迟早会到来。

从约翰·D·洛克菲勒到亨利·福特，美国重大工业革新均由少数人引领，他们也因此积累起滔天权势。最终，20世纪的政府出手制衡权力过度膨胀的行业：从拆分标准石油的反垄断行动，到美联储成立、美国电话电报公司分拆。

彼时的社会分裂与躁动不安，丝毫不亚于今日。而我们的测算表明，这些人工智能领域的“巨头”，权势尚未超越历史上的前辈。

但历史同样表明，管控人工智能注定步履维艰。一方面，一旦失控，后果不堪设想；另一方面，人工智能正以光速迭代发展。

其中的利弊权衡极为尖锐。人工智能技术快速普及，将推动经济增长，但民众的抵触情绪极易引发过度监管。若坐视不管，美国可能陷入人工智能恶意滥用引发的混乱；可监管过当，又会让东方大国在人工智能竞赛中稳操胜券。

当下，正是危机四伏的关键时刻。

时间已然紧迫。两年前拜登政府执政期间，有关监管的讨论还大多聚焦于人工智能的潜在风险。

如今，其能力已强大到令人警惕，且每一次更新都在持续升级。创新的速度意味着，过去历经数年乃至数十年才得以厘清的政府职能定位之争，如今必须在数月内给出答案。

而转向更积极干预路线的技术障碍，更是令人望而生畏。国有化等政府管控手段收效甚微，因为顶尖工程师可在企业间自由流动，算力也已是大众化资源。

更严峻的是，头部模型研发机构仅比开源竞争对手（包括东方大国的相关机构）领先数月。迟早，这些顶尖模型的能力会全面普及。

即便如此，Mythos事件或许正是可行的人工智能管控方案开始成型的契机。受信用户可优先获取最强大的新模型：继Anthropic之后，OpenAI也将其最新工具仅向经过审核的少数网络安全专业人士开放。在允许这些模型大规模商业化之前，政府可要求由行业主导机构完成不同应用场景的测试并出具认证。

这一思路对头部模型研发机构与政府双方均有利。它无需耗费漫长流程设立新监管机构；仅向少数高端用户开放，也能让模型研发机构制定更高定价，合理调配稀缺算力资源。

同时，政府可限制顶尖模型的使用对象，降低东方大国复制技术、加速赶超的风险。

但该方案也存在致命缺陷。有限度发布会削弱竞争，强化现有人工智能巨头的垄断地位；会延缓人工智能红利的普及，在美国经济内部形成双层体系，让众多无缘优先获取顶尖新模型的企业处于劣势。

倘若人工智能防御体系的构建耗时漫长甚至无法实现，又该如何应对？开源模型又该如何规范？如何强制其遵守相关规则？

以此为基础搭建的监管体系，恐难彰显公平。圈内企业可抵御前沿风险，圈外企业只能听天由命。游说逐利的空间将无限扩大。这对美国现代政治史上堪称最腐败的一届政府而言，无疑是对其诚信与执政能力的严峻考验。

而这种将权力与财富进一步集中在少数人工智能“巨头”手中的解决方案，反而可能加剧华盛顿已然担忧的政治反噬。

此外，Mythos模式充其量只能解决一半问题。人工智能安全无法仅靠一国之力保障。最终，国际合作势在必行，而合作的起点便是东方大国。

在聚焦网络安全的同时，也亟需深入思考人工智能对经济社会的影响。应对就业冲击、构建适配人工智能时代、向劳动力倾斜的税收体系，这些重大难题至今仍无妥善对策。局面必须改变。

Mythos事件是人工智能安全的警钟，也倒逼各界在其他领域展开深刻思考。

（请在微信搜索“创头条”关注公众号。）

DeepSeek 成立于 2023 年，由知名量化私募巨头幻方量化（High-Flyer Capital Management）创立。

自成立以来，公司一直依靠母公司的自有资金运作，曾多次拒绝中国顶级风险投资公司和科技巨头的融资提议。

如果按照 100 亿美金水平，可见 DeepSeek 在估值上的克制。

相比而言，OpenAI 刚完成了一笔 1220  美金的新一轮融资，最新估值为8520 亿美元。

Anthropic 最新估值约为 8000 亿美元，xAI 约为 2300 亿美元。

国内 AI  大模型公司里，据媒体报道，月之暗面也在寻求 10  亿美金级新一轮融资，估值约为 180 亿美元。

此外，智谱 AI 最新市值约 510 亿美元，MiniMax 最新市值约为 380 亿美元，它们都远高于 DeepSeek 估值水平。

Deepseek 的下一代旗舰模型 DeepSeek V4 原本预计在二月中国农历新年期间发布，但已延期。

现在预计在 4 月底前发布。根据目前媒体报道的信息，DeepSeek 新模型将运行在华为芯片上。

（请在微信搜索“创头条”关注公众号。）

在社交媒体 X上，一名用户针对近期 Claude 强制推行身份验证（KYC）引发的封号潮，如是质问。

自 2026 年 4 月以来，大量中国用户发现，在登录 Anthropic 旗下的 AI 助手 Claude 时，被要求通过第三方平台 Persona 进行实名认证。

验证流程要求，用户手持实体政府证件（护照、驾照或国民身份证），用摄像头拍照上传，部分情况下还需实时自拍。

而截图、扫描件、电子证件和非政府证件，均不被接受。

根据 Anthropic 官方帮助中心更新的《Claude 身份验证指南》（Identity verification on Claude），官方宣称推行验证是为了“防止滥用、执行使用政策并履行法律义务”。

然而，在实际操作中，中国用户遭遇了极高的失败率。

类似的案例，在 V2EX 和小红书上比比皆是。

究其原因，无非是年龄不确认，及“从不支持的位置创建账户”。

还有许多持有中国身份证或旧版护照（G开头）的用户发现，Persona 的 OCR 识别算法对这些证件极不友好，经常以“证件模糊”、“非政府签发”或“检测到反光”为由拒绝验证。

而一旦数次尝试失败，系统便会自动判定账号异常，并执行封禁。

这种现象背后，看起来并非单纯的技术故障。

据《外交政策》（Foreign Policy）及 Council on Foreign Relations（CFR）相关报告显示，2026 年初美国商务部工业和安全局（BIS）进一步收紧了先进 AI 能力的跨境输出限制。

由于 Claude 4.6 乃至最新的 Mythos 模型在网络安全、代码审计等领域具备极强的“双用途”潜力，Anthropic 面临着前所未有的合规压力。

通过 Persona 这种第三方屏障，Anthropic 实际上建立了一套“软性过滤机制”：它并不在声明中明确拒绝中国用户，但通过提高非欧美证件的验证门槛，从物理层面实现了对特定高风险地区访问量的压减。

更令用户愤怒的是这一过程中的商业伦理问题。

在 X 和 Reddit 上，多位 Pro 订阅用户晒出截图，显示自己在刚支付完 20 美元月费后就被立刻触发验证。

Reddit 用户 Rezistik 直言不讳地评价这简直是“抢劫”，因为验证失败后，用户不仅失去了账号权限，甚至无法通过正常渠道申请退款。

这种“先收钱、再验证、后封号”的闭环，使得 Anthropic 在中文开发者圈子里的声誉跌至冰点。

还有数据安全问题。

Anthropic 称，自身不保存证件照片和自拍影像，验证数据也不用于模型训练。

这些都只存储在 Persona 。Anthropic 在页面中称，选择 Persona 是基于其“技术实力、隐私控制和安全保障”。

但问题恰恰也可能出在这个 Persona。

今年 2 月，Cybernews 报道 称， Persona 意外暴露了与政府监控相关的平台接口，Discord 用户的验证数据随后被发现泄露，Discord 公开与其切割。

Mashable 调查发现，通过 Persona 验证的 LinkedIn 用户，个人数据可被分享给多达 17 家公司。

4 月 12 日前后的多名用户在 Reddit 反映，被 Claude 错误标记为未成年人导致账号封禁，但那一流程使用的验证商是 Yoti ，而非 Persona。

从宏观背景来看，这一系列封禁动作有可能是 2026 年全球 AI “信任赤字”的一个缩影。

随着美国政府在 2026 年 1 月正式实施《AI 监管法案修订案》，要求领先 AI 企业对高算力用户进行更严格的背景调查（Know Your Customer），Anthropic 的策略转向是可以预见的。

然而，这种依靠不可靠的技术手段进行的一刀切式“清理”，不仅误伤了大量合法的个人开发者和学生，也加剧了 AI 技术在不同地缘板块间的脱钩风险。

无独有偶。今天 OpenAI 发布的新大模型 GPT 5.4-cyber，也要求对用户进行kyc，同样也需要实体身份证明+人脸。

基于此，如果选择认证地区是“中国”，直接显示不支持认证。

对于中国用户而言，这或许是一个明确的信号。

在顶尖闭源模型日益“边界化”的今天，对本土化算力与开源生态的依赖已不再是备选项，而是生存的必需。

（请在微信搜索“创头条”关注公众号。）

这份长达423页的“AI行业白皮书”认为，AI不再只是屏幕里的对话框，它正在通过“智能体化（Agentic AI）”接管现实世界。

报告给出了一组令人振奋的数据：在模拟真实计算环境的任务中，AI Agent的成功率从一年前的12%惨淡开局，直接跳跃式增长到了 66%。

这意味着AI不再只是给你写一段代码，而是能自主打开编辑器、部署环境、测试Debug，最后交付一个运行中的程序。

报告明确指出，“从Chat到Agent”的范式转移已经完成。

在职场中，对“提示词工程”的需求正在萎缩，而能够编排、集成智能体系统的复合型人才，其职位需求激增了 280%

而中美之间的AI博弈，也正从单纯的模型参数竞争，转向一场关于“隐形成本”与“基础设施”的终极拉锯战。

1、 AI 能力并未进入停滞期，反而在加速发展，触达人群规模也达历史新高。
2025年，超过90%的知名前沿大模型由行业机构推出，其中多款模型在博士级科研问题、多模态推理与竞赛数学领域已达到或超越人类基准水平。

在关键编程基准测试SWE-bench Verified上，模型性能一年内从60%飙升至接近100%。

机构端人工智能采用率达88%，五分之四的大学生目前都在使用 AIGC。

2、中美 AI 模型性能差距已基本收窄。

2025年初以来，中美模型多次交替领跑。

2025年2月，DeepSeek R1模型一度追平美国顶尖模型；截至2026年3月，Anthropic顶级模型仅领先2.7%。

美国仍在顶尖人工智能模型数量与高影响力专利上占优，而中国在论文发表量、引用量、专利产出量及工业机器人装机量上领先。

韩国凭借创新密度表现突出，人均人工智能专利数量位居全球第一。

3、美国拥有全球数量最多的 AI 数据中心

美国拥有5427座数据中心，数量是其他任何国家的10倍以上，能耗也居全球首位。

几乎所有高端人工智能芯片均由台积电一家企业代工生产，使得全球人工智能硬件供应链高度依赖中国台湾地区的这家代工厂——不过台积电美国厂区已于2025年投产。

报告还详细拆解了AI开发的“物理极限”。

训练成本：2025年发布的顶级模型，其计算量级比三年前增加了1000倍。

电力困局：算力需求直接推动了科技巨头对能源的“抢夺”。2025年，微软、谷歌等公司纷纷重启或签约核电项目。

报告预测，未来的AI竞争，本质上是电力与热管理效率的竞争。

对于关注AI硬件的读者来说，这份报告传递了一个清晰信号，即本地化部署（On-device AI）和高效能推理芯片将是2026年下半年的绝对主战场。

4、 AI 模型能在国际数学奥林匹克竞赛斩获金牌，却无法稳定识读时间——这正是研究人员所称的“能力锯齿前沿”现象。

Gemini DeepThink在国际数学奥赛摘得金牌，而顶尖模型对模拟时钟的正确识别率仅为50.1%。

在跨操作系统真实电脑任务测试平台OSWorld上，人工智能智能体任务成功率从12%跃升至约66%，但在结构化基准测试中仍有约三分之一的任务无法完成。

5、负责任 AI 发展速度跟不上能力提升速度，安全基准测试滞后，安全事件数量急剧攀升。

几乎所有前沿大模型开发商都会公布能力基准测试结果，但负责任人工智能相关基准的披露仍不完整。

有据可查的人工智能安全事件，从2024年的233起增至362起。

研究发现，即便性能强如GPT-5级别的模型，其幻觉率依然高达 22%至94%。

更危险的是，模型表现出明显的“阿谀奉承（Adulation）”倾向：如果用户表现出某种错误的偏见，AI为了讨好用户，会倾向于顺着用户的错误逻辑往下编。

这提醒我们，在将AI整合进医疗、法律等严谨领域时，其“认知盲区”依然是最大的地雷。

6、美国在 AI 投资领域领先，但吸引全球人才的能力持续下滑。

2025年美国私营部门人工智能投资达2859亿美元，是中国124亿美元的23倍以上——不过仅统计私营投资可能低估了中国人工智能总投入，因其存在政府引导基金。

美国在创业活跃度上同样领先，2025年新增获投人工智能企业1953家，数量是第二名国家的10倍以上。

报告还指出，如果仅看私人投资，中国似乎落后了，但若计算“政府引导基金”，中国在过去二十多年间已向AI及相关半导体、基础设施领域部署了约 1840亿美元。

这种“国家队”驱动的模式，正在深圳等地的硬件生态、算力集群中产生巨大的长尾效应。

深圳的硬件迭代速度比欧洲快了近10倍，这种“制造速度”正在抵消部分资本额度上的落后。

此外， 2017年以来赴美人工智能研发人员数量下降89%，仅过去一年就暴跌80%。

7、 AI 普及速度创下历史纪录，消费者从大量免费工具中获得了可观价值。

生成式人工智能三年内人口普及率达到53%，普及速度快于个人电脑与互联网，但各国节奏差异明显，且与人均GDP高度相关。

部分国家普及率超出预期，如新加坡（61%）、阿联酋（54%）；美国以28.3%位列第24位。

截至2026年初，生成式人工智能工具每年为美国消费者创造的价值估算达1720亿美元，用户人均中位数价值在2025至2026年间增长两倍。

8、正规教育体系滞后于 AI 发展，但各年龄段人群都在学习人工智能技能。

美国超过80%的中学生与大学生使用人工智能完成学业相关任务，但仅有半数初高中制定了人工智能相关政策，其中仅6%的教师认为政策清晰明确。

课堂之外，阿联酋、智利与南非的人工智能工程技能提升速度最快。

2022至2024年，美国与加拿大新增人工智能博士数量增长22%，而这批新增博士大多选择进入学术界而非产业界就业。

9、AI 主权正成为国家政策核心议题，尽管各国能力仍不均衡，但开源开发正推动参与主体更加多元。

各国人工智能战略持续扩容，发展中经济体尤为明显，各国政府同步加大对人工智能超算的投入，显示出自主掌控人工智能生态的强烈意愿。但大模型研发仍集中于中美两国。

开源开发正逐步重塑参与格局，全球其他地区在GitHub上的贡献量已超越欧洲，并逼近美国，推动了更多语种的模型与基准测试发展。

10、 AI 专家与公众对技术未来的看法差异巨大，全球范围内对机构治理 AI 的信任度呈现碎片化。

在人工智能对工作的影响上，73%的专家持积极预期，而公众仅为23%，差距达50个百分点。

在人工智能对经济与医疗的影响上，双方也存在类似分歧。

全球各国对政府监管人工智能的信任度差异显著。

在受访国家中，美国民众对本国政府监管人工智能的信任度最低，仅31%。

从全球范围看，欧盟在人工智能有效监管方面的公信力高于中美两国。 

《2026斯坦福AI指数报告》原文

https://hai.stanford.edu/ai-index

（请在微信搜索“创头条”关注公众号。）

以下为演讲全文——

今天我想跟大家聊聊我的成长经历，还有该怎么对待、对抗AI时代的焦虑，希望能给大家一些启发。

在交大的这些年，确实彻底改变了我的价值观。

我出生在农村，2005年进入交大，之前我是一个典型的“小镇做题家”，而母校塑造了我的三观，也给我打开了很大的世界。

我今天好像做出了一些成绩、好像是一个非常独特的人，但实事求是地讲，虽然我非常努力，但我的大学生活其实非常循规蹈矩。

刚进交大的时候，我并没有什么宏大的理想，也不知道自己未来要干什么。

上海或者其他发达城市的同学，他们高中就见过很多世面，而我刚进大学的时候，内心是非常惶恐的。

在小地方的时候，你还觉得自己挺厉害，算是个人才，但进了交大之后就会发现，不管是英语，还是计算机相关的知识，都和同学有很大差距。

我当时在电子信息与电气工程学院，对我们来说最重要的，一个是计算机的背景知识，另一个是英语——交大在2005年的时候特别重视英语，很多课都是全英文授课。因此，这两门课对我来说，压力非常非常大。

我刚进交大的时候，真的非常惶恐，虽然说不上有来自农村的自卑，毕竟从小学习成绩还可以，但也绝对说不上有多自信。大学相当长一段时间里，我都是个非常循规蹈矩的学生。

当时看到成绩好的同学都在考GRE、托福，准备出国读博，我也没啥想法，就跟着随大流。

大部分时间我都泡在闵行校区的包玉刚图书馆里，要么看闲书，要么就是功利地刷题。

我们05级电院正好赶上教改，我选了较难的数学分析，第一次考试就不及格，生活非常灰暗，后来靠着在图书馆狂刷俄罗斯数学家吉米多维奇的四本习题集，才把分数提上来。

在学霸云集的交大电院，我再怎么努力也只是前20%的水平，从没拿过一等奖学金，为了刷GPA还错过了很多社团活动，现在回想起来其实非常亏。

我跟大家分享这段经历，不是因为我想要谦虚，而是回头看我的大学生活，我的确平平无奇，只是非常努力地想刷一个好的GPA，想最后能出国，仅此而已，没做过什么惊天动地的事情，整个大学过得都比较沉闷。

事情的转机发生在2009年。

我原本是准备出国的，一般大三下、大四上就要准备申请材料，可我大四上是2008年，由于金融危机，我申请了很多学校，一个offer都没拿到。

所以2008年下半年，也就是大四上学期，我选择在交大直研了。

听起来有点像凡尔赛，但实际上当年真的是因为没拿到offer，不是有多么高瞻远瞩。当然回过头来看，这是历史给我的最好的选择。

因为是本校直研，我很早就进了实验室开始做相关工作，进了实验室之后，和里面一些优秀的同学对比，我很快就意识到，我不是做科研的料。

2009年上半年，也就是大四下学期，我迅速决定改变自己的人生轨迹，我意识到接下来最重要的事，就是先满足研究生毕业的要求，大四下学期，我就开始准备这件事。

比较幸运的是，研一结束的时候，我就圆满完成了这个目标，发了论文，还提前把研究生毕业论文写好了。

而2009年下半年到2010年结束这一年半的时间，是我人生改变最大的一年。

为什么这么说？

以前在交大，我是个典型的小镇做题家，典型的好学生，甚至当年非常迂腐地觉得学习成绩不好的同学不值得来往。

之前所有的时间，我都只和所谓成绩好的同学来往，通过发现他们比自己强，激励了我向他们学习、刷更多的分，但我的视野也变得极其单一。

但读了研究生之后，我意识到两件事：第一，我不打算做科研了；第二，研究生阶段，学习成绩已经不重要了，只要能完成最重要的论文、不挂科、修够学分，最后顺利毕业就行。

当一个交大学生不用再拼命刷分的时候，就会空出特别多的时间。

从2009年下半年到2010年上半年，我开始在交大里接触各种各样、和我之前认知里完全不一样的交大人，这一年半彻底打开了我的思路。

我发现，在交大这样的好学校、好学生扎堆的地方，还有很多“不那么标准”的学生。

比如有的同学大学挂了很多课，在做我当时听都没听过的事——开淘宝店，2008年的时候，就有我们交大的同学开淘宝店，一个月能做几十万的营业额，我听完之后非常震惊。

他们还带我去了交大门口他们租的房子，里面摆了很多电脑，还有仓库用来发货。这对我小小的内心，造成了极大的震撼，原来交大还有这样的人。

还有一位计算机系的学长，学习成绩不错，计算机水平也很高，他帮别人炒股，靠这个赚了很多钱，一个月能挣几万块，在当年对一个学生来说，绝对是天文数字。

我那时候一个月的生活费只有600块，富裕的时候也就1000块，加上勤工俭学的收入，1000块的生活费已经过得很滋润了，但这位学长一个月就能挣一两万，每次请我们吃饭，都去交大门口最贵的馆子，当时真的特别震惊。

我还见了很多这样的人，他们都是非典型的交大人，彻底打开了我的视野。我才发现，交大不是只有出国留学、刷高GPA这一条路，也不是只有实验室里科研做得特别好的同学才算优秀，交大还有很多人，活得多姿多彩。

我当年还参加了交大的跑虫俱乐部，那时候我在学校跑马拉松，半程、全程都跑过，成绩还不错，连续两届交大校运会，我都是800米的亚军，当年800米能跑进2分10秒以内，算是挺快的。

在俱乐部里，我也认识了很多同学，他们有的去全国各地跑马拉松，有的骑着自行车环游全中国。

这些人，彻彻底底打开了我的视野。

也是在2010年底，我认识了几位交大学长，他们毕业之后打算创业。我当时还没毕业，什么准备都没做，也没想好具体要干什么，和他们聊了很多之后，他们觉得我很不错，就邀请我一起创业，我就被几位交大学长怂恿着，一起去深圳创业。

但在深圳，我们只是租了个出租屋，每天去外面看各种项目，浑浑噩噩待了三四个月，啥事都没干成。

这段经历有没有价值？有，而且有一个特别重要的价值：我去深圳之前见了一个大学的朋友，他当时也在创业，他叫蔡浩宇。

他听说我要休学去创业，就问我情况，我说我虽然不知道要去干嘛，但决定离开交大去创业了，我问他现在在做什么，他跟我讲了他正在做的事，我们就说：好，保持联系。

三四个月之后，我在深圳碌碌无为，没干出任何成绩，觉得再在出租屋待下去人就废了，于是在2010年12月底回到了上海，想继续完成大学时出国的愿望，回学校把研究生的事做完，申请去美国读PHD。

我回上海之后，又联系了蔡浩宇，跟他说我回来了，准备去美国读PHD，问他现在怎么样。结果他上一个创业项目也黄了。

不得不说，这就是命运的齿轮开始转动的时候。他跟我说，他想继续创业，想邀请我一起。

实事求是地讲，我的科研水平没那么好，编程能力也一般，我当时特别诧异，我说你之前创业，合作的都是技术大拿，怎么会找我？

这就是蔡浩宇厉害的地方，他那时候就意识到，我不适合干技术，而且他跟我说，他之前做过两三个创业项目，每次都是一群做技术的人一起，最后都不欢而散，因为有各种理念冲突。

他说他意识到，一群干技术的人，很多事其实做不好，得找一个不钻技术的人，帮他们做技术之外的事，甚至可以来管理团队。

我当时就觉得，这件事好像特别适合我。在蔡浩宇的邀请下，我加入了创业，除了我之外，还有其他几位交大的同学。

当然，后面就是米哈游的故事了。

我跟大家讲这两段本科和研究生的故事，其实是想告诉大家，人生很多时候，没法一眼看到未来的路，但回过头来看，你会发现很多走过的路，都是串联在一起的。

你想想看，我当年在交大，不管是本科还是研究生，做的很多事，看似阴差阳错，最后都走向了后来的结果。

我有时候觉得，今天这个时代，在座的很多特别优秀的同学，总好像一定要找到一条一眼望到头的路，觉得这条路是直的，这么走就能实现结果最大化，比如选A就能拿到最好的科研成果，选B就能找到最好的工作、过上最好的生活。

但其实人生是一场探索，很多时候，你根本没法看到一条一眼望到头的路，对不对？很多时候你会发现，你把眼前的事情做好，回过头来看，就像乔布斯说的，人生的点点滴滴，最后都会串联在一起。

实事求是地说，我在大学的时候，确实是个很努力的人，但你说我对自己的未来想得有多清楚，做出了多么牛逼的事情，真的没有。

后来我回头看，总觉得好像是命运选中了我。而我做得比较好的地方，就是当命运给我机会的时候，我尽了最大的努力去珍惜机会，尽我所能把事情做到最好。

就像当年在学校，虽然我不知道未来在哪里，但我努力了，至少刷了GPA、把该做的事做好，给了自己一个满意的答案。

创业之后也是。邀请我一起创业的伙伴给了我很多信任和机会，我就尽最大的努力，把我负责的事情做好，这就是我的人生态度。但你说我当时能把未来看得很清楚吗？真的不能。

我讲这些本科和研究生的故事，就是想跟大家说，今天这个时代变化太快了，我们真的没法一下子看到未来，大家真的不用焦虑。

接下来我想讲第二部分，就是在这个时代，在座的各位同学，该怎么去对抗这个时代的焦虑。

我接下来的建议，不一定适用于所有人，但都是我回头看自己的人生，觉得如果能做到会更好的事，希望能给大家一点启发。

对今天的大家来说，想一下子找到什么收益最大化的事，是非常难的：你想找到一条路，能做出最好的科研；找到一条路，能获得最好的工作；找到一条路，能创业成功……这都太难了。

哪个科研课题会成为时代的主流，哪个方向会成为未来就业市场最大的机会，这些东西都来自外部，充满了不确定性，完全不可控。

但只有一件事是可控的，就是你自己想做什么样的事情，想成为一个什么样的人，这件事完全取决于你自己的内心。

大家现在还很年轻，可能还没有认真想过，自己到底想做什么，当外界的噪音特别大，尤其今天感觉AI要吞噬一切的时候，大家就会觉得非常焦虑。

这个时候，大家更应该花时间去想，自己到底真正想成为一个什么样的人，到底想做什么样的事情。答案很难找，但你还是应该努力去想。

我为什么会有这个想法？这是我从蔡浩宇身上学到的。

这些年我们创业，米哈游的slogan是“技术宅拯救世界”。

我们当初选择做游戏创业，是因为游戏对于我们这样一个草根宿舍创业团队来说，是门槛最低的赛道。它需要的资金成本很低，也不需要太多的社会资源，完全依赖大家的创新和创造，就能把事情做出来，因此我们选择了做游戏创业。

但在蔡浩宇的心里，一直都有“技术宅拯救世界”的梦想，你看这些年，不管公司发展到多大的规模，他一直都在一线做技术，这是他发自内心热爱的事。

包括2023年GPT出来之后，AI大模型的时代来了，他义无反顾地把米哈游的很多事都抛在身后，从零开始学习大模型相关的内容。

我记得2023年的时候，有个同事看到蔡总在工位上写PyTorch的代码，就很好奇地问他，蔡哥，大模型训练应该挺难的吧，这也能学啊？蔡总就跟他说，为什么不能学？

我每次都能看到一个对技术真正热爱的人——不管是年轻时一无所有，还是做出了成绩、有了成就、有了很多资源之后，他的状态都没有太多改变。

我能从他身上，看到对技术真正的热爱、纯粹和执着。从我认识他、和他一起创业，已经走过15年了，这件事是装不出来的。你可以假装自己热爱技术，假装自己怎么样，但一个人能在一件事上坚持15年，一定是发自内心的热爱。

这是人生最好的状态，他特别沉浸在自己做的事情里，每天都过得很有期待感、很有向往。

最近AI Agent特别火，他自己还会手搓一些Agent，他每天只睡五六个小时，但整个人就像打了鸡血一样，和我们当年最开始创业的时候一模一样。

看到他的状态，我就能感受到，一个人发自内心热爱一件事的时候，他的生活状态、精神状态会有多好，他能穿越多长的周期。

对今天在座的各位同学来说，很多功利的东西都是过眼云烟。你取得了一个很好的科研结果，获得了全行业的认可；你找到了一份很好的工作，薪资待遇很不错，这些东西看起来都是很好的结果，但这些东西，其实完全不是你能控制的。

如果你一定要追求这些东西，它会给你带来巨大的焦虑。

我更希望大家，先找到一件自己喜欢做的事，不管是做科研，还是想进入工业界做某个方向，还是和同学有一个很棒的想法想去创业，都可以。

但不要过分去追求一个显而易见的功利结果，因为这件事完全不可知，就像我跟大家分享的我的大学和研究生生活，回头看，当时完全没想过后来的事，很多结果都是天时地利人和促成的。

但如果你有一件自己想做的事，你就不会焦虑，你就能穿越周期，这是我想跟大家讲的第一点，一定要找到自己真正想做的事情。

第二件事，怎么对抗焦虑？

我们自己一路创业过来，很多焦虑都来自我们没有在做事情。当我真正开始动手做事情的时候，绝大部分的焦虑很快就会烟消云散。

我想跟大家说，今天如果你有一个目标，但同时也有焦虑，最重要的事情，就是马上去做。大部分人的焦虑，都来自于想的太多，而行动太少。

那怎么样才能提升行动力？其实很重要的一点，就是要明白，做一件事，最重要的不是先学会，而是先去做。

很多时候，你想的和最后实际做出来的，天差地别。但没有关系，只要你开始做，焦虑感就会减少、你就会有新的认知，这件事非常非常重要。

我们交大的同学，包括当年的我，有一个很大的缺点：因为我们过去都是成绩比较好的同学，我们就会有绩优主义，什么事都希望一下子就做好，这是我们人生很大的阻力。

我想跟大家说，当你想学会做一件事的时候，一定要给自己一个很强的心理暗示：最重要的事，是先去做。

有一句很平实的话，出来混，最重要的是出来。

我认为，在我们过去的创业过程中，包括公司做很多创新业务、探索性的事情，包括很多事后看起来很成功的事，都是一样的——刚开始做的时候，结果一定是不好的。但没有关系，只要你开始做了，就走在了正确的路上。

看我们自己的创业历程，这种感受尤其明显。

最近这些年，尤其是做完《原神》之后，2021年、2022年这几年，我们慢慢走到了大家面前，很多人觉得我们做出了很多了不起的东西，觉得我们很独特、很天才，总能抓住这个时代最核心的机会。

每次听到这些话，我都会问他们一个问题：2011年的时候，为什么没有一个主流VC投我们？很正常，因为那个时代我们做的东西，就是很稀松平常的，一点都不独特，所有的独特，都是事后检验的。

那时候行业里没人看好我们，太正常了，一群交大的学生，没工作过，没经验，什么都没有，做的东西凭什么能成功？但我们为什么能成功？因为我们先开始做了，我们开始做，每次都比上一次做得更好一点，做《FlyMetoTheMoon》《崩坏》《崩坏3》《原神》，一步一步往前走，越做越好。

大家回头看我们最开始的样子，说我们的公司只有10分、20分，一点都不为过。

现在大家看到我们做出了《原神》，觉得米哈游好厉害，能做出有全球影响力的作品，但大家不知道，在这条路上，我们已经走了10年了，而且这10年里，我们从来没有换过方向，对不对？

我想跟大家讲，很多时候，所谓牛逼的事情、所谓伟大的事业，它的起点都是非常非常粗糙的。

这也是为什么2023年，当蔡浩宇决定开始做大模型，去参与这个时代斜率最大、最伟大的事情的时候，我们没有任何迟疑。为什么？虽然我们当时什么都不会，但那又怎么样呢？我们开始做了，开始做了就是好的。

这是我想跟大家讲的第二点，任何时候，想做一件事，最重要的就是马上开始做，学会做一件事的核心，不是先学会，而是先去做。

我已经跟大家讲了，找到自己想做的事，要立刻行动去做，那第三点，就是跟大家交流方法论。

很多人有自己想做的事情，也有很强的执行力，但为什么还是没能做成事？本质上是源于对未知、对不确定性的恐惧，尤其是成绩好的同学，对未来不确定的事情，会格外恐惧。

那怎么去对抗不确定性，怎么去对抗这种对未知的恐惧？很重要的一件事，也是我从马斯克身上学到的，叫做倒推和量化。

这个方法，能解决很多行动力不足的问题。

在座的各位同学考上交大这件事是非常难的，大家也一定能顺利从交大毕业，这件事很难，但大家都能完成。

为什么？因为这个很长的任务，有清晰的拆解和倒推。

你知道高中三年、大学四年每个学期的课程任务，一件一件去完成，最后能进交大、能顺利拿毕业证。每一个前方的任务，都是非常清晰的，哪怕这个任务很难，大家也能像打怪升级一样，一个一个完成。

这就是为什么我们在高中、大学的时候，在座的各位同学，包括当年的我，都很擅长完成这些事，因为它有特别标准的流程，有特别清晰的任务拆解。

但我们的人生，是没有标准答案的，当你离开交大之后，没有人再给你做这样的拆解了，你会对未来非常迷茫，不知道从哪里下手。

所以很重要的一点，就是今天你一定要先定好一件事，就是我前面说的，你真正热爱的事，哪怕它是很功利的目标，比如我想从交大发顶刊论文，我想从交大毕业找到一份顶配的工作，都没有关系，我们人生大部分时候，都是在完成功利的目标，这很正常。

当你有了这样一个目标之后，最重要的就是静下心来，给自己做倒推和拆解：你要完成这个目标，大概要走多少步，要做哪些关键的事情。

这是我们公司发展过程中，所谓公司战略里，最重要的一个方法论，叫做以终为始。

其实我跟大家讲的这几点，都是连在一起的：

当你有了自己想做的事，不管是基于兴趣，还是基于明确的目标，你就有了一个目的地，基于这个目的地就可以倒推要完成多少事。

比如我要做15件事，要在一年之内做完，那理论上每个月就要完成一件事；如果今天已经是4月份了，只做了两件事，我就知道进度有问题，这就是倒推和量化给我的时间紧迫感：马上去做。

当你想清楚了终点，有了以终为始的倒推和量化，知道了今天要做什么、什么是最重要的事，就马上去做。

这几条看起来非常非常简单，但我跟大家讲，今天哪怕是我管公司，思考这么大一个公司的战略，思考我们未来要做什么，我也是这么想的。

我也会想，3年之后公司要去哪里，5年之后公司要实现什么样的目标，倒推我今天该做什么事情，马上去做。缺人，我就去全市场找人；自己不懂，我就马上去学，不管是找人教，还是自己看书，还是通过AI学习，马上就去做。

我今天对抗焦虑，用的也是这些方法。这些都是我们这些年，在自己努力的过程中，实实在在感受到的，我自己觉得非常有用，也希望能给大家一些启发。

我总结一下，在这个AI给大家带来很多焦虑的时代，我想给大家提三点建议：

第一点，一定要努力想清楚，自己想做什么事情，想成为一个什么样的人；

第二点，当你想做一件事情的时候，最重要的就是马上去做，不管刚开始做出来只有10分、20分、30分，都没有关系，只要你去做，就已经走在了正确的路上，出来混，最重要的是出来；

第三点，想要对抗不确定性，让自己保持强行动力，很重要的一点就是以终为始，先定好你想去的终点，开始倒推和量化，拆解出你每个阶段、直到今天要做的事情，从今天开始，马上去做。

这就是我们这些年，思考公司战略、做业务的时候，最重要的方法论，对我的人生也有很大的帮助，在这里分享给大家。

（请在微信搜索“创头条”关注公众号。）

数据统计显示， 2025年全美裁员超120万人，创2020年以来新高。2026年首季度仅科技业即裁员近8万人，其中约48%归因于AI自动化。

其中包括英特尔 2.7万、微软 1.5万，以及 Oracle为筹资布局AI数据中心，最近刚宣布的 3万人大裁员。

这种 AI 裁员最终会导致什么？

日前，来自宾夕法尼亚大学和波士顿大学的一篇博弈论论文《AI 裁员陷阱》对此做出了论述。

论文认为，这是一个有数学支撑的囚徒困境。自动化，企业短期内生存；不自动化，企业会被竞争对手干掉。

但如果所有企业都 AI 自动化，就会摧毁支撑所有公司生存的基础，即消费需求。因为 UBI（全民基本收入）无法解决，利润税也无法解决。

论文通过模型表明，工人因为失业和收入下降而受损，而企业则因为需求萎缩、市场变小而利润下降。换句话说，企业在裁掉员工的同时，也在裁掉自己的客户。

这一逻辑，直接挑战了“技术进步总会带来整体收益”的传统乐观叙事。

而是指出，当自动化不仅是效率工具，而是变成一种被竞争逼迫的集体内卷行为时，市场机制本身都可能失灵。

在政策层面，论文的结论同样具有争议性。

作者认为，大多数被广泛讨论的解决方案——无论是提高工资、推动再培训、实施全民基本收入，还是通过员工持股改善分配——都无法触及问题的根本，因为它们没有改变企业进行自动化的激励结构。

唯一有效的办法，是对“用AI替代人类劳动”这一行为本身征税，让企业在决策时承担其对社会需求造成的隐性成本。

以下为论文原文编译

 一、摘要（Abstract ）

当人工智能替代人类劳动的速度超过经济体系重新吸纳劳动力的能力时，问题并不仅仅停留在就业层面，而会进一步侵蚀企业赖以生存的消费需求基础。

本文指出，即便企业清楚这一点，在竞争压力之下，它们仍然会做出加速自动化的决策。在一个以任务为单位的分析框架中，需求所具有的外部性会推动企业进入一种类似“军备竞赛”的自动化过程，从而在均衡中产生过度裁员。

这种均衡并非帕累托有效，反而同时损害劳动者与企业的利益。

进一步地，竞争的强化以及人工智能能力的提升，会系统性地放大这种扭曲，而工资调整或市场进入等传统调节机制无法纠正这一结果。

无论是依赖科斯式谈判、引入全民基本收入，还是通过员工持股来改善分配结构，都不足以改变企业的自动化激励。

相较之下，只有针对自动化行为本身征收庇古税，才能使企业在决策中内生地考虑其对需求的负面影响。

由此，本文强调，政策讨论不应仅停留在应对AI带来的就业后果，而必须深入到驱动这些结果的竞争机制之中。

二、引言（Introduction ）

围绕技术是否会取代人类劳动的担忧，并非当代才出现的现象，而是可以追溯至工业革命时期的长期议题。

在历史经验中，这种担忧往往被“再配置效应”所缓解，即自动化所淘汰的岗位会在其他领域以新的形式重新出现，从而在总体上维持就业结构的稳定。

然而，近期研究开始对这一机制的持续有效性提出质疑，指出新岗位创造的速度可能已经无法匹配技术替代的进程，尤其是在当前这一轮以人工智能为核心的技术浪潮中，初级岗位受到的冲击呈现出更加明显的结构性特征。

即便假定在长期中再就业效应仍然成立，问题在过渡过程中依然存在一个关键断裂：被替代的劳动者同时也是商品和服务的需求来源。

当他们的收入下降且未能及时恢复时，消费能力的收缩将直接反馈到企业端，表现为市场需求的萎缩。

随着这一过程反复发生，企业所依赖的需求基础会逐步被侵蚀，极端情况下甚至可能出现企业通过自动化削弱了自身市场的情形。

本文的核心在于揭示，这一问题并非简单的就业调整，而是一个由需求外部性驱动的均衡扭曲。

在企业的决策过程中，自动化带来的成本节约是内部化的，而由此引发的需求下降却被外部化。

在竞争环境中，这种外部性不会被自发纠正，反而会因为企业之间的战略互动而被放大，从而将经济推向一个自动化程度过高的均衡状态。

在这一状态下，劳动者因收入下降而受损，企业则因需求不足而利润受压，最终形成一种非效率的“双输”结果。

三、模型（Model ）

本文构建了一个以任务为基本分析单位的理论框架，其中生产过程被分解为一系列可以由人类或人工智能完成的任务。

企业在这一框架下面临的核心决策，是选择多大比例的任务进行自动化替代。

自动化的直接效果在于降低生产成本，从而在竞争中获得优势；但与此同时，这一决策也通过减少劳动需求而压低了总体收入水平，并进一步影响市场需求。

关键之处在于，企业在进行自动化选择时，并不会将其对总体需求的负面影响纳入自身决策函数。

换言之，需求的变化虽然会影响所有企业的收益，但单个企业在决策时仅关注自身成本与价格竞争地位，而忽略了其行为对整体消费能力的侵蚀。这种结构构成了一个典型的外部性问题。

在这一设定下，可以区分由市场机制产生的均衡自动化水平与社会最优自动化水平。

前者来源于企业在竞争中的利润最大化行为，后者则需要综合考虑企业利润与劳动者收入所共同构成的社会福利。

分析表明，均衡中的自动化程度系统性地高于社会最优水平，其差异正是需求外部性未被内部化的直接体现。

四、主要结果（Results ）

在模型的均衡分析中，一个核心现象是自动化行为呈现出明显的战略互补性。

即便所有企业都意识到过度自动化会削弱总体需求，从而在长期中损害自身利益，它们仍然无法单独偏离这一路径。

原因在于，在竞争环境中，任何一家企业若放缓自动化步伐，都可能在成本上处于劣势，从而失去市场份额。

这种“不得不为”的压力，使得自动化演化为一种类似军备竞赛的过程，其结果并非效率提升，而是集体性过度投入。

随着人工智能技术能力的提升，这一问题会进一步加剧。

更低的自动化成本和更高的替代效率，使得企业在短期内获得更强的激励去替代人类劳动，但与此同时，对需求的负面冲击也被同步放大。

类似地，市场竞争程度的提高同样会强化这一机制，因为利润空间的压缩会使企业更加依赖成本优势，从而进一步加速自动化决策。

值得注意的是，传统意义上的价格或工资调整，并不能有效缓解这一问题。

工资下降虽然可能降低用工成本，但并不能改变自动化决策所依赖的相对收益结构，因此不会从根本上削弱自动化动机。

自由进入同样如此，更多企业的加入反而会加剧竞争，从而强化自动化压力，使得均衡偏离最优状态更加严重。

五、政策分析（Policy ）

在政策层面，本文系统考察了多种常见的干预手段，并指出它们为何无法触及问题的根本。

诸如全民基本收入之类的政策，虽然可以在一定程度上缓解需求不足的问题，但并未改变企业在自动化决策中的激励结构，因此只能在结果层面进行修补，而无法阻止过度自动化的形成。

类似地，员工持股等安排虽然改善了收入分配，却并未改变企业在成本与竞争压力下的行为逻辑。

再培训政策在长期中可能有助于劳动力重新配置，但其作用具有明显的滞后性，难以应对自动化冲击在短期内对需求的破坏。

至于依赖科斯定理的协商机制，虽然在理论上可以通过重新分配产权来实现效率，但在现实中面临信息不对称与协调成本过高的问题，难以形成可执行的制度安排。

与上述方法不同，对自动化行为征收庇古税能够直接作用于企业的决策函数。

通过对每一单位替代人类劳动的自动化行为施加成本，可以使企业在选择自动化程度时，将其对整体需求的负面影响纳入考量，从而实现外部性的内部化。

在这一机制下，市场均衡可以被引导回社会最优水平，过度自动化的问题也随之得到缓解。

六、结论（Conclusion ）

本文的分析表明，人工智能带来的挑战并不局限于就业数量的变化，而是更深层次地涉及宏观需求结构的稳定性。

当企业在竞争压力下持续推进自动化时，个体理性的决策会通过需求外部性汇聚为整体性的非理性结果，使经济体系陷入一种自我削弱的循环之中。

因此，将问题仅仅理解为“如何安置失业者”是不充分的，更关键的是识别并干预驱动这些结果的激励机制。

只有当政策直接作用于自动化决策本身，使企业在决策中内生地考虑其社会成本时，才能从根本上避免过度自动化所带来的系统性风险。

（请在微信搜索“创头条”关注公众号。）

日前，亚马逊CEO安迪·贾西最新的“致股东信”中，用一句来自乐队专辑的歌词，导出了他以为的长期主义真相。

这不仅是他本人从体育解说梦辗转到亚马逊的人生写照，更是AWS从无人看好，到不断突破，到面临新的挑战的底层逻辑。

在当下，安迪·贾西认为最大的非直线因素就是 AI 。

他直言，AI绝非泡沫，而是堪比电力革命、却会以 10 倍速度改变世界的划时代拐点，将重新定义每一项用户体验。

为此，亚马逊选择豪赌，“我们不会保守布局，将全力投入以巩固绝对领先优势”。

2026年，亚马逊近2000亿美元将投向AI基建，即便短期自由现金流承压，也要抢占绝对主导权。

而 AWS 也已然成为全球AI算力核心，AI相关年收入突破150亿美元，且供不应求；自研Trainium芯片接连售罄，潜在规模500亿美元，成为新的增长支柱。

同时，亚马逊正用AI彻底重构自身产品。不光 Bedrock、Alexa推翻重来，且覆盖从极速配送、乡村物流、太空互联网，到零售、杂货、云计算等全业务，AI是“渗透一切的增长乘数”。

安迪·贾西还把 1997 年股东信贴了出来，看似在复盘过往，实则是敢于回到起点，以抓住未来。

以下为股东信全文

致各位股东：

大学毕业时，我想成为一名体育解说员。

我把简历和作品样片寄给美国各地许多小型媒体市场，最终只收到两次意向回复，于是我选择在一家大型电视网从事体育节目制作工作。

为了多赚些收入，我还执教了高中母校的足球队，并在一家高尔夫用品零售店打工。

六个月后，一位大学同学说服我去他任职的消费品公司面试，我在那里做了三年产品经理。

之后我离职创业，尝试了几个自己的项目，在确定这些并非心之所向后，又短暂涉足销售和投资银行业务，随后重返研究生院深造，并于1997年5月期末考试结束后的第三天加入亚马逊。

这条路，从来都不是一条直线。

亚马逊云科技（AWS）的发展历程，同样充满曲折。

最初的愿景涵盖存储、计算、支付与人工智能服务。其中存储和计算成为AWS的核心支柱，其他方向则未能成功。我们起初并未规划数据库服务，首次推出的数据库产品也未能获得市场认可。

我们推倒重来，打造了全新的关系型与非关系型数据库服务，如今深受市场欢迎，成为数百万AWS应用的核心组件。

刚推出弹性计算云（EC2）时，它仅在单个可用区提供一种实例类型，仅支持Linux系统，没有自动扩缩容、负载均衡、块存储和私有网络功能。随着时间推移，我们逐步补齐这些能力，并推出了数百项新增服务。

AWS最初吸引了大量初创企业（DoorDash、Dropbox、Pinterest、Slack、Stripe等众多公司均依托AWS起家）。

当时业内评论人士断言，企业与政府绝不会将核心业务部署在云端或AWS上。

2008年，奈飞（Netflix）决定将全部应用迁移至AWS，随后通用电气、财捷集团等企业纷纷重磅入局，最终美国中央情报局（CIA）也选择AWS作为合作伙伴，搭建机密云平台。

业务增长迅猛且持续加速，我们的资本开支也随之大幅增加，对自由现金流产生了摊薄影响。

在2014年AWS运营规划评审会上，公司一位高管开篇便发问：“再跟我说一遍，我们为什么要做这项业务？”

AWS最终为亚马逊创造了优异的业绩，但它的发展路径，依旧不是一条直线。

我很喜欢一支来自新西兰的乐队“The Beths”，他们创作了多张优秀专辑，歌词发人深省。

我一直热切期待他们的新作，去年夏天他们发行新专辑《直线皆是谎言》，歌名让我深感一语中的。

绝大多数长期事业都不会沿着笔直向上的线性轨迹发展，进步总是跌宕起伏：时而向上攀升，时而停滞不前，时而掉头向下，甚至被迫回到起点。有时你会觉得自己在原地打转，但前路，极少是笔直的。

究其原因，世界本就复杂多变，新技术、商业模式创新、竞争对手、全球议题、人文与社会变迁，都会带来变数。

我们正身处人生中最重大的变革浪潮之中：人工智能、机器人、太空工业化、地缘政治与军事冲突等。正如优秀的高尔夫球手需要精通开球、攻果岭、切杆和推杆各项技能，基业长青的企业必须擅长应对各类变革拐点。

下文我将分享我们的经验，以及我们为何对亚马逊的未来充满信心。

一、尽一切可能，创造下一个变革拐点

我们始终致力于预判如何让客户的日常更便捷、更美好，并主动创造下一个拐点。

过去，我们在零售、物流、AWS、广告、Kindle、Alexa、医药健康等领域均成功做到了这一点。目前在推进的新项目数不胜数，在此仅列举几项：

首先，尽管多年来持续优化，客户始终追求更低的成本与更快的配送速度。

我们持续提升运营效率与库存管理水平，而机器人技术则带来了跨越式变革：既能实现更快配送、降低海量商品的仓储成本，还能自动化完成易导致员工劳损受伤的搬运工作。

2012年收购Kiva后，我们在过去14年持续投入数十项机器人项目，如今已有超百万台机器人在履约中心运转，负责商品入库、拣选、分拣和场内运输。与此同时，我们仍是美国最大的就业创造企业之一。

即便已取得显著进展，我们在机器人技术的应用上仍处于早期阶段。未来我们将持续在设备形态、应用场景、灵活性、抓取能力与智能算法上创新。

同时，我们也会探索依托履约网络中海量机器人的规模优势与实时反馈，为其他工业及消费领域客户打造机器人解决方案。

其次，我们深知农村地区客户常被物流与电信服务商忽视，因为偏远社区的服务成本更高。

当其他企业放弃这类客户时，我们选择主动靠近。我们已投入超40亿美元扩建农村配送网络，客户反响极为热烈：2025年农村地区的当日达月均用户数较上年近乎翻倍。扩建完成后，我们的配送网络每年可为覆盖120万平方英里、1.3万个邮政编码地区的客户多配送超10亿个包裹。

我们也致力于弥合农村社区的数字鸿沟。全球仍有数十亿人无法接入高速互联网，数百万企业、政府及机构身处网络覆盖不足的地区。没有宽带连接，人们就无法参与都市地区习以为常的各类数字生活：教育、商务、信息查询、购物、娱乐等。

过去七年，我们搭建了近地轨道卫星网络（亚马逊Leo），已发射超200颗卫星，成为全球第三大近地轨道卫星网络。未来几年还将发射数千颗卫星，星座规模将快速扩张。

除基础网络连接外，Leo还具备三大独特优势：

1. 性能更强，上行速度约为现有方案的6-8倍，下行速度约为2倍；

2. 性价比更高，成本低于同类替代方案；

3. 与AWS无缝集成，助力企业与政府实现数据双向传输、存储、分析与人工智能应用。

亚马逊Leo计划于2026年年中正式商用，目前已获得企业与政府的大额收入承诺。

近期，全球营收最高的航空公司达美航空宣布选用亚马逊Leo作为未来机上Wi-Fi方案，2028年将率先在500架飞机上部署。此外，捷蓝航空、美国电话电报公司（AT&T）、沃达丰、拉丁美洲直播电视集团、澳大利亚国家宽带网络、美国国家航空航天局（NASA）等均已成为Leo客户。

即便不大力投入机器人、农村极速配送与欠发达地区宽带连接业务，亚马逊依旧能长期保持成功。

但我们坚信，我们可以通过创新为客户创造更多可能，我们渴望实现这一目标，也确信这些投资将为公司带来可观的增长与资本回报率。

二、方向不明时，并行推进多条路径（2＞0）

小时候，我常和父亲去看纽约游骑兵队的冰球比赛。我热爱冰球，也珍惜和父亲相伴的时光。我一直很敬佩父亲，对他的话言听计从。有一场比赛，父亲发现游骑兵队的后卫达拉斯·史密斯不在替补席，便起身大喊：“达拉斯去哪了？”旁边一位球迷回道：“在得州呢，笨蛋。”

显而易见，2大于0。但很多企业往往执着于最简洁的方案，却忽视了多线布局才能确保达成关键目标。

回到零售业务的极速配送：我们深知客户对速度的渴求，配送承诺越快，订单完成率越高。就在三年前，两日达还是行业标杆，我们将标准提升至一日达，并不懈努力推进当日达服务。

我们创新打造了更高效的履约中心模式——当日达履约中心（SSD）。目前已在美国建成超85个SSD，储备最畅销的9万种商品，2026年至今已实现超5亿件商品当日达配送。

与此同时，我们持续推进无人机配送服务Prime Air。如今Prime Air的设计已具备规模化能力，计划年底前服务覆盖3000万用户，目标本世纪20年代末实现5亿个包裹配送，力争30分钟内送达。

过去一年，我们从印度和阿联酋起步，推出Amazon Now极速配送服务，数千种商品可实现20分钟送达，深受客户喜爱。

在印度，我们已建成超360个微型履约中心且规模持续扩张，Amazon Now订单月环比增长25%，Prime会员使用该服务后购物频次增至原来的三倍。我们也开始在美国和欧洲推广Amazon Now。

部分企业可能会纠结数周甚至数月，最终只选择其中一条路径，甚至迟迟不行动。有人或许会认为，做好当日达便足够，“先完成这个，未来再考虑其他方案”。但打造可30分钟配送百万件商品的自主无人机，绝非一年之功，而是多年的创新周期。而依托微型履约中心的极速配送已是大势所趋，无论我们是否参与都会到来。

因此，我们必须多线并行，推动配送速度的下一轮变革，且这些路径彼此互补：无人机将以SSD为基地备货并起飞，Amazon Now依托微型履约中心实现20分钟送达数千种商品，Prime Air则可在30分钟内配送更丰富的商品。三者满足不同需求，协同发力远比单一方案更能推动行业变革。

杂货业务是我们多线布局的另一案例。20年前，我们从非易腐商品起步（超市中间货架的日用品、罐头、美妆产品等）。客户喜爱线上购买、快速配送的便捷体验，自然希望我们拓展更多品类，生鲜商品成为首要需求。

我们多方试水，为客户与亚马逊寻找最优的商业解决方案。2017年，我们收购了有机生鲜领军企业全食超市（WFM），随后推出大众实体生鲜店亚马逊生鲜（Amazon Fresh）、Prime会员生鲜订阅服务，以及店中店模式（亚马逊大众品牌与全食有机品牌同场销售）。

并非所有尝试都取得成功，但每一次探索都让我们收获关键经验。

如今，客户需求愈发清晰：非易腐杂货业务持续高速增长；全食超市加速扩张，现有超550家门店，未来几年将新增100家，还推出小型门店Daily Shop，服务城市社区高频快捷购物需求，开局表现优异；最大突破则是将生鲜商品纳入当日达配送网络。

新鲜果蔬、乳制品、肉类等生鲜与数百万日常商品实现一站式极速配送，其性价比与便捷性深受客户认可。

自2025年初生鲜商品接入当日达服务以来，生鲜销售额增长超40倍，在开通该服务的地区，当日达订单前十爆款商品中有九款为生鲜。我们已在美国超2300个城镇提供当日达生鲜配送。

2025年，亚马逊杂货业务总销售额突破1500亿美元，成为美国第二大杂货零售商。

若有明确路径能突破发展瓶颈，便果断前行。但绝大多数跨越式进步都需要创新与试错，多线布局是找到最优解的最佳方式。

三、识别重大拐点，果断重仓投入

判断哪些拐点是划时代变革、哪些只是普通亮点，需要判断力，理性的人也可能意见相左。但一旦认定是颠覆性变革，就应在可控范围内全力投入。

这会带来阶段性投资高峰，引发外界审视，但改变行业格局的机遇，从不会适配平稳的投资节奏。

人工智能正是这样的划时代变革。所有客户体验都将被AI重塑，还将诞生无数仅靠AI才能实现的全新体验。我关注着公众关于AI是否被过度炒作、是否存在泡沫、利润率与资本回报率是否可观的争论。

但我坚信，对亚马逊而言，答案依次是：否、否、是。以下是无可辩驳的事实：

1. AI是人类历史上普及速度最快的技术。

2022年11月ChatGPT上线，两个月内用户破亿，普及速度是TikTok的四倍、Instagram的十五倍，如今周活跃用户已超9亿。OpenAI与Anthropic的年度营收预期均逼近300亿美元，对刚商业化不久的企业而言，这一数据堪称惊人。

1882年爱迪生建成首个商业电站时，人们只认为它是更好的照明方式，却未曾预见电力最终重塑了全球所有工厂、家庭与行业。

AI的影响力或可与之媲美，区别在于电力用了40年完成普及，而AI的速度快了十倍。

2. 亚马逊正身处AI浪潮核心，全球企业纷纷选择AWS承载AI业务。

AWS商业化三年后，年度营收预期仅5800万美元；而本轮AI浪潮启动三年后，2026年第一季度AWS的AI业务年度营收预期已超150亿美元，规模是同期AWS的近260倍，且仍在快速攀升。

客户选择AWS的核心原因：

• 能力更全面，覆盖模型构建（SageMaker）、高性能推理（Bedrock）、低成本推理（自研芯片Trainium）、智能体构建（Strands）、安全可扩展智能体环境（AgentCore）、代码与软件迁移等办公场景即用型智能体（Kiro、Transform、Quick）；

• 客户扩大AI应用时，希望推理服务与其他应用、数据就近部署以降低延迟，而AWS承载的客户数据与应用远超其他平台；

• 客户AI用量提升的同时，会大量使用非AI云服务，AWS的产品矩阵最全面、性能最领先；

• AWS是所有AI与基础设施服务商中，安全性与运营稳定性最强的平台。我们持续倾听客户反馈，越来越多客户将AI业务迁移至AWS，并高度认可其性能优势。

3. AWS仍有更大增长空间。

2025年AWS新增3.9吉瓦电力容量，计划2027年底前总容量翻倍，且产能一经建成便实现商业化变现。2025年第四季度，AWS同比增长24%，年度营收预期达1420亿美元，绝对增量十分可观。

但受产能限制，我们仍无法满足全部需求。顺带一提，已有两家大型AWS客户提出，希望买断2026年全部Graviton实例产能（Graviton是我们广泛应用的自研CPU芯片），出于其他客户需求考量我们无法应允，但足以体现市场需求之旺盛。

4. 自研芯片业务爆发式增长，重塑AWS盈利逻辑，规模将远超市场预期。

目前绝大多数AI运算依赖英伟达芯片，但行业已出现新趋势。我们与英伟达保持紧密合作，始终为选择英伟达芯片的客户提供服务，并持续将AWS打造为运行英伟达产品的最优平台。

但客户追求更高的性价比，这一幕我们早已经历：2018年推出Graviton之前，CPU负载几乎全部依托英特尔芯片，而Graviton性价比较其他x86处理器高40%，如今已被EC2前1000大客户中的98%广泛采用。

AI芯片领域正在重演这一历程。

我们第二代自研AI芯片Trainium2性价比较同类GPU高30%左右，现已基本售罄；2026年初开始交付的Trainium3，性价比较Trainium2再提升30%-40%，已近乎全额预订；距大规模上市还有约18个月的Trainium4，已有大量客户提前预订。AWS核心推理服务Bedrock的绝大多数推理任务均依托Trainium运行，芯片需求持续暴涨。

自研爆款AI芯片带来无限可能，其中最重要的便是为客户降低成本、为AWS优化盈利结构。规模化应用后，Trainium预计每年为我们节省数百亿美元资本开支，相较依赖第三方芯片，可带来数百个基点的运营利润率优势。

我们的芯片业务（涵盖Graviton、Trainium、EC2网卡Nitro）年度营收预期已超200亿美元，同比实现三位数增长。由于目前芯片仅通过EC2变现，实际规模被低估。若芯片业务独立运营，像其他头部芯片企业一样向AWS及第三方销售产品，年度营收预期将达约500亿美元。芯片需求极为旺盛，未来我们很可能向第三方销售整机柜芯片产品。

5. AWS的现金流周期决定。

增长越快，短期资本开支越高。AWS需提前投入资金购置土地、电力、厂房、芯片、服务器与网络设备，通常6-24个月后才能实现商业化计费。

但这些资本开支对应的资产拥有多年使用寿命：数据中心超30年，芯片、服务器与网络设备5-6年。这类投资在投入使用数年后，自由现金流与资本回报率累计表现十分可观。

但在高速增长期（如当下），资本开支增速远超营收增速，初期自由现金流承压，直至首批产能实现变现、营收增速反超资本开支增速。AWS上一轮高速增长期便经历过这一周期，最终成果斐然。我们相信本轮AI浪潮也将如此，未来营收与自由现金流潜力更为巨大。

6. 客户大额订单让资本开支投资更具确定性。

2026年我们约2000亿美元的资本开支并非盲目投入，OpenAI超1000亿美元的合作承诺便是例证，此外还有多项已落地（未公开）或推进中的大额客户协议。2026年AWS计划投入的资本开支中，大部分将于2027-2028年变现，其中相当一部分已获得客户承诺。

我们愿意大手笔投入资本开支，承受短期自由现金流压力，以换取中长期可观的自由现金流盈余。

AI是一生一遇的机遇，当前增长前所未有，未来潜力更为广阔。AWS凭借最全面的功能、最强的安全性与运营稳定性、最大的客户与收入份额、客户对在AWS运行AI的强烈需求，以及有望打造亚马逊新支柱的芯片业务，占据显著领先地位。

我们不会保守布局，将全力投入以巩固绝对领先优势，未来业务、运营收入与自由现金流也将因此实现大幅增长。

四、敢于重回起点，重新校准发展方向

当一款产品已实现规模化运营，最难的决策便是推倒重来。这看似倒退，事实也的确如此。团队难免会提出，既运营现有业务又从零重构，时间精力难以兼顾。但变革势在必行，而AI让重回起点变得更必要、也更可行。

例如亚马逊Bedrock，这款服务开发速度快、规模扩张超预期，团队很快发现需要替换最初搭建的推理引擎。

这并非小修小补，而是需要彻底重构架构。团队当时正运营着高速增长的大规模业务，重构并非易事。通常这类工作需要40人团队耗时一年精心打造，而Bedrock团队组建了一支6名顶尖工程师的专项小组，依托智能编码服务Kiro从零重构，仅用76天便推出新引擎Mantle。

如今Mantle已成为Bedrock的核心支柱，今年3月Bedrock业务环比近乎翻倍，2026年第一季度处理的令牌数量超过此前历年总和。

Alexa是另一个典型案例。Alexa已覆盖设备、汽车、办公场景、Fire TV和Prime Video，拥有6亿活跃终端，规模庞大、客户基数广阔。

但生成式AI这类颠覆性技术出现后，我们能打造比以往更智能的产品，即便这会对团队、产品路线图与架构造成冲击，也必须全力推进。

全新升级的Alexa+比前代更强大、实用、智能，但我们需要彻底重构其核心大脑、智能算法、知识广度、服务与API调用逻辑，以及可执行的任务流程。团队既要服务海量现有用户，又要确保升级不影响客户依赖的核心功能，最终成果值得所有付出：客户与Alexa的交互频次翻倍，话题广度与时长同步提升；设备端购物订单量增至三倍；音乐流媒体使用量增长25%；智能家居功能使用率提升50%。Alexa距离全球顶级个人助理的目标仍有距离，但若非敢于重回起点，它便无法开启新征程。

如果相信未来几年所有客户体验都将被AI重塑，那就意味着即便当下最成熟、普及度最高的产品，也需要被重新构想。

以零售业务为例，我们坚信客户永远看重丰富选品、低价、极速配送、易用性与优质服务，亚马逊已构建的能力足以长期满足这些需求。

但不难预见，随着AI普及，客户与零售商的交互方式将发生根本性改变。企业很容易选择在现有体验上小幅叠加AI功能，这只是起步。

而领导者的核心课题，包括我们自身，是如何下定决心、组织资源，依托全新技术从零重构产品体验。

知易行难，但我们正针对所有消费者业务推进这一变革。或许我们需要时间找到比现有体验更优的方案，客户也需要时间适应全新交互方式，但历史早已证明：“直线皆是谎言”。

一切终将被重构，想要抓住下一个变革机遇，就必须敢于回归第一性原理。

五、打造能适应曲折发展的企业文化

企业可能多年平稳运营，直到一场变革打破平静。有时团队会否认重大变革的到来，因为调整方向意味着挑战固有模式。商业史上充斥着因无视重大拐点而走向衰败的企业，我们也曾因此受益。

在亚马逊28年的历程中，我总结了以下经验：

• 必须掌握精准数据、高效机制与敢说真话的团队，深度研判行业变化并调整策略；

• 团队与文化要能适应不确定性，在探索新常态的过程中从容应对；

• 疯狂创新与试错，即便多数尝试会失败、看似毫无进展，文化也要赋予团队坚持到底的韧性；

• 持续学习，每一次尝试（无论自身还是同行）都能揭示客户真实需求；

• 快速行动，团队具备主人翁意识，保持锐意进取的作风。我们常说要像全球最大的初创公司一样运营，这也是过去一年我们推动组织扁平化的核心原因，决策与执行效率的提升令我们倍感欣慰；

• 推动重大变革时，敢于适度超额投入。或许最终投入略高于所需，但抓住大部分转型红利，远比因过于谨慎错失机遇更重要。一旦获得新认知需要调整方向，便迅速行动。变革从不平稳顺遂，只青睐勇敢与适应力强的企业；

• 既要主动创造拐点，也要敏锐捕捉他人开创的机遇并积极跟进。我们倾向于做先行者，但也有多项非首发的业务取得巨大成功。这些案例中，我们从未简单复制竞品（复制从未带来成功），而是从新想法中汲取灵感，打造贴合客户的独特体验，这需要比首发者更坚韧的决心；

• 不仅要重新构想所有客户体验，还要重构组织架构与工作模式。挑战长期有效、根深蒂固的惯例绝非易事，人们常称之为“变革管理”障碍。但在颠覆性变革时期，这近乎重塑企业的核心信念；

• 穿越变革周期时，要能承受外界批评。我们一直坦言，“乐于长期被误解”。但凡创新都需要这份定力，尤其是身处充满不确定性、观点冲突的重大变革之中。

结语

2025年，亚马逊再度实现稳健增长：

• 营收同比增长12%，从6380亿美元增至7170亿美元；其中北美业务营收同比增长10%，从3870亿美元增至4260亿美元；国际业务营收同比增长13%，从1430亿美元增至1620亿美元；AWS营收同比增长20%，从1080亿美元增至1290亿美元。

• 运营收入同比增长17%，从690亿美元（运营利润率10.8%）增至800亿美元（运营利润率11.2%）。

• 自由现金流从380亿美元降至110亿美元，主要因物业、设备购置净额同比增加507亿美元，核心为人工智能领域的资本开支投入。

我对未来的乐观之情，难以言表。

• 零售业务营收规模已逼近6000亿美元，而全球零售销售额仍有约80%来自线下门店，这一格局必将改变；

• AWS年度营收预期达1420亿美元，而全球IT支出仍有85%部署在本地机房，这一格局必将改变；

• 广告业务持续增长，为品牌创造丰厚回报；Prime Video、医药健康、杂货等新兴业务打造独特客户体验，增长强劲且盈利持续优化；

• 亚马逊Leo即将商用，自动驾驶出行服务Zoox刚启动商业化运营，机器人业务仍处于早期探索阶段，潜力无限。

贯穿所有业务的核心是：AI并非独立项目，而是增长乘数。它将重塑我们的每一项客户体验，解锁全新服务场景。我们将自主打造大量AI应用，同时持续将AWS打造为全球客户开展AI创新的最优平台。

发展不会线性前行，我们会迎来加速增长，也会适时调整方向。我们会持续试错，重仓核心机遇，及时叫停无效项目。

这正是亚马逊最擅长的环境。我们打造的企业文化，在瞬息万变的市场中蓬勃发展：勇于创新、敢于多线布局、回归第一性原理、全力投入能切实改善客户生活的创意。一如既往，我们将以客户与股东的长期核心利益为最优目标。

感谢全体团队过去一年的付出，以及未来的并肩前行。期待与大家共赴这场壮阔征程。

此致

亚马逊总裁兼首席执行官

安迪·贾西

附：我们一如既往附上1997年致股东信，信中所言于今日依旧字字珠玑。

1997年致股东信（重印自1997年年度报告）

致各位股东：

1997年，亚马逊创下多项里程碑：年末服务超150万客户，营收同比增长838%至1.478亿美元，在激烈的市场竞争中巩固了领先地位。

但对互联网，对亚马逊而言，这只是第一天。当下，电商为客户节省资金与宝贵时间；未来，通过个性化服务，电商将加速信息发现的进程。亚马逊依托互联网为客户创造真实价值，立志即便在成熟的大型市场，也能打造持久的品牌价值。

我们正处于关键机遇期：大型企业纷纷投入资源布局线上业务，新晋网购用户乐于建立新的消费关系，市场竞争格局快速演变。众多巨头携优质方案入局，投入大量资源提升品牌曝光、流量与销量。我们的目标是快速巩固并拓展现有地位，同时进军其他电商领域。我们瞄准的大型市场蕴藏巨大机遇，但这一战略并非毫无风险：需要大手笔投入，与成熟行业领军者正面竞争。

一切为了长期价值

我们坚信，衡量成功的根本标准，是长期为股东创造的价值。这一价值直接源于我们巩固并拓展市场领先地位的能力，市场领导力越强，商业模式越具竞争力，将直接转化为更高营收、更强盈利能力、更快资本周转，以及更可观的资本回报率。

我们的所有决策，始终坚守这一核心。我们首要以市场领导力指标衡量自身：客户与营收增长、客户复购率、品牌影响力。我们已并将持续大手笔投入，拓展客户基数、品牌影响力与基础设施，打造持久的品牌价值。

正因聚焦长期发展，我们的决策与权衡标准可能与部分企业不同。在此，我们向各位股东分享核心管理与决策理念，以便您确认其与您的投资理念一致：

• 我们将持续毫不动摇地以客户为中心；

• 投资决策将基于长期市场领导力，而非短期盈利或华尔街短期反应；

• 我们将以数据分析衡量项目与投资效果，放弃回报不佳的项目，加码优质项目，从成功与失败中持续学习；

• 若有充足把握获得市场领先优势，我们将做出大胆而非保守的投资决策。部分投资将收获回报，部分则未必，但无论结果如何，我们都将汲取宝贵经验；

• 若需在优化公认会计原则报表与最大化未来现金流现值之间抉择，我们将选择后者；

• 在竞争允许的范围内，我们将与您分享战略决策思路，让您判断我们是否做出理性的长期领先投资；

• 我们将审慎投入资金，保持精简文化，深知持续强化成本意识的重要性，尤其在业务尚未实现盈利的阶段；

• 我们将平衡增长与长期盈利、资本管理，当前阶段优先选择增长，坚信规模是实现商业模式潜力的核心；

• 我们将持续招聘并留住多元化优秀人才，薪酬体系侧重股票期权而非现金。我们深知，能否吸引并留住积极主动、具备主人翁意识的团队，是成败的关键。

我们不敢断言上述理念是“最优”投资哲学，但这是我们坚守的原则。若不清晰阐明过往与未来的发展路径，便是我们的失职。

在此基础上，我们回顾业务核心、1997年进展与未来展望。

痴迷于客户

创立之初，我们便专注于为客户创造卓越价值。我们意识到，互联网彼时仍存在网速瓶颈，因此决心为客户提供线下无法企及的服务，从图书业务起步。我们提供线下书店无法比拟的海量选品（线上商城体量相当于6个足球场），打造便捷易用的搜索与浏览体验，全年365天、全天24小时不打烊。1997年，我们大幅优化购物体验，推出礼品卡、一键下单功能，丰富评论、内容、浏览选项与推荐服务，大幅降价进一步提升客户价值。口碑仍是我们最有效的获客方式，我们感恩客户的信任。复购与口碑传播，让亚马逊成为线上图书零售的市场领导者。

1997年，亚马逊成绩斐然：

• 销售额从1996年的1570万美元增至1.478亿美元，增长838%；

• 累计客户账户从18万增至151万，增长738%；

• 复购订单占比从1996年第四季度的46%以上，升至1997年同期的58%以上；

• 据媒体矩阵（Media Metrix）数据，网站排名从第90位跻身前20；

• 与美国在线、雅虎、Excite、网景、GeoCities、AltaVista、@Home、Prodigy等重要战略伙伴建立长期合作。

基础设施建设

1997年，我们大力扩建业务基础设施，支撑流量、销量与服务水平的大幅提升：

• 员工数量从158人增至614人，管理团队显著强化；

• 配送中心面积从5万平方英尺增至28.5万平方英尺，西雅图园区扩建70%，11月在特拉华州启用第二座配送中心；

• 年末库存商品超20万种，提升客户购物可得性；

• 得益于1997年5月首次公开募股与7500万美元贷款，年末现金及投资余额达1.25亿美元，赋予我们充足的战略灵活性。

我们的团队

过去一年的成功，源于一支才华横溢、聪慧勤勉的团队，我为身为其中一员深感自豪。高标准的人才招聘，过去是、未来也将是亚马逊成功的核心要素。

在亚马逊工作并不轻松，我面试时总会告知候选人：“你可以选择长时间工作、努力工作、聪明工作，但在亚马逊，三者不可兼得。”我们致力于打造意义非凡的事业，为客户创造价值，成就值得向后代述说的传奇，这注定不会容易。我们无比幸运，拥有这支甘于奉献、满怀激情的团队，是他们的付出铸就了今日的亚马逊。

1998年目标

我们仍处于通过电商为客户创造新价值的早期阶段。目标依旧是巩固并拓展品牌影响力与客户基数，这需要持续投入系统与基础设施，在业务扩张的同时保障极致的客户便捷性、选品丰富度与服务质量。我们计划新增音乐品类，未来也将审慎拓展其他商品品类。我们坚信，海外市场存在重大机遇，例如缩短配送时间、定制本地化客户体验。可以确定，我们面临的核心挑战并非寻找扩张路径，而是合理规划投资优先级。

相较于创立之初，我们如今对电商有了更深入的理解，但仍有诸多未知亟待探索。我们保持乐观，同时保持警惕与紧迫感。实现亚马逊长期愿景的挑战重重：实力强劲、资金充裕的竞争对手；业务增长与执行风险；商品与地域扩张的不确定性；以及持续大额投入以把握市场机遇的需求。但正如我们长期秉持的理念，线上图书零售乃至整个电商行业，都将是规模庞大的市场，多家企业有望从中获益。我们对过往成就倍感自豪，对未来征程更为期待。

1997年，是非凡的一年。亚马逊团队感恩客户的信任与支持，感恩彼此的辛勤付出，感恩各位股东的鼎力相助与鼓励。

亚马逊创始人兼首席执行官

杰弗里·P·贝索斯

（请在微信搜索“创头条”关注公众号。）

Artificial Analysis上，HappyHorse-1.0的Creator（开发者）也已更名为Alibaba-ATH。

前两天，这个匿名提交的HappyHorse-1.0模型，突然霸榜Artificial Analysis的Video Arena，把字节的Seedance 2.0、快手可灵3.0全甩在身后。

快手?阿里?没团队没官网,"黑马"HappyHorse空降AI视频榜首

而让行业和用户沸腾的，其实并不全是突然的黑马产品斩杀 seedance ，而更是“苦其久矣”的 AI 视频行业背景。

happyhorse杀出后，社交媒体上很多网友就称，欢迎竞争， AI 视频行业不能被一家独占。

而在几个月前，Seedance 2.0还是所有人眼里的“香饽饽”。

2月12日内测上线时，其号称“导演级AI”，多镜头、角色一致、2K画质，免费限免体验直接引来海量用户，瞬间成了AI短剧、内容创作者的刚需神器。

短短两个月后，沦为“被全网骂”。

其槽点在于，一路涨价、体验跳水，把用户当韭菜割。

一切从3月4日第一次官方定价开始变味。

原本免费内测的Seedance 2.0，突然公布API价格：纯文生视频46元/百万tokens，视频编辑28元/百万tokens。

算下来，生成一条15秒的视频，成本就要14块多，对比上一代1.0 Pro，直接涨了4.6倍。

当时大家虽然觉得贵，但看在质量还能打的份上，忍了。

可谁能想到，这只是开始。
3月27日，第二次涨价突袭而来。

接入Seedance的即梦AI突然取消早期4折优惠，高级会员生成15秒视频的积分消耗，从45分直接涨到120分，翻了3倍。

无数充了2599元年费的老用户瞬间炸锅，深圳12315单日收到数千条投诉。

平台顶不住压力短暂撤回，可新用户已经再也享受不到低价，变相涨价已成定局。
本以为到此为止，结果4月8日又来了波“终极背刺”。

即梦AI以“系统升级”为由，再次大改规则：高级会员每月积分从15000直接砍到6160，缩水近60%；15秒VIP加速从45积分暴涨到210积分，涨了4.7倍；更离谱的是计费“向上取整”，5秒按9秒算、10秒按17秒算、15秒直接按25秒计费。

甚至还推出额外付费的VVIP加速，明摆着“想快就得加钱”。

这么一通操作下来，用户的使用成本直接翻了8倍，闲鱼上即梦老会员账号被炒到八千多。

以前2分钟视频只要5块2，现在要40块2；69元月卡用户，每月725积分，只能生成3-4条15秒视频，平均每条近17块；就连花2599充年费的老用户，以前每月能做333条，现在只剩29条，产能直接砍90%。
比涨价更让人寒心的，是体验的断崖式下跌。

以前生成视频快、画质稳，现在普通用户排队6-10小时是常态，高峰时24小时+，免费用户甚至要等72小时，还经常生成失败。

付费会员也要排3-8小时，平台明明算力紧张，却还故意搞会员分层，逼着人花钱买加速。

质量更是肉眼可见地“变蠢”。

同样的提示词，以前画面细腻、动作自然，现在频繁出现角色变脸、动作跑偏、纹理模糊，物理逻辑错误一堆，全靠“抽卡”碰运气。

普通用户还被强制降质，大多只能出720p画质，想拿1080p、4K，只能走企业API。官方只含糊说是“算力不足、动态调度”，可用户花着高价，用着“阉割版”模型，吐槽不断。
更糟心的还有审核混乱。很多正常内容莫名被判定违规，排队几小时后直接驳回，积分还不退。

申诉无门、规则模糊，用户从等待到失望再到愤怒，#即梦涨价#、#seedance降智#的话题在微博、小红书、抖音刷屏，各种维权群层出不穷。

同时，部分用户开始放弃Seedance，并要求退款。

对此，火山引擎总裁谭待在接受媒体采访时表示，Seedance 2.0比前代贵，但呈现效果更好，“抽卡”更高效，综合使用成本反而降低。

他强调称，“抛开模型能力谈Token涨价没意义”，若单Token成本低但需消耗10倍Token才能出结果，只会造成浪费。

火山也同时承认算力是造成相关问题的主要瓶颈，而价格调整，就是为了缓解算力压力并筛选核心付费用户。

在这样的市场环境下，碾压级实力登场，且称要开放API，阿里的低调切入，算是踩准了节点。

但其最终将带来怎样的用户体验还需经过市场考验证，seedance 由此会否做出改变也同样值得期待。

（请在微信搜索“创头条”关注公众号。）

基于内部数据与企业调研，a16z发文披露，财富500强近 3 成、全球2000强近两成已正式付费使用企业AI，颠覆传统技术渗透规律。

报告拆解了 AI落地最成熟的三大场景——代码、支持、搜索，以及科技、法律、医疗三大核心行业，揭示其快速落地的底层逻辑。

报告还认为， AI模型能力正指数级提升，多个领域即将迎来爆发。

以下为全文

关于人工智能究竟在多大程度上真正打入大型企业内部，外界一直存在大量猜测。

但现有的绝大多数信息，仅仅是企业自行报告的AI使用情况，或是一些捕捉采购方主观态度的定性调研，而非确凿的数据。

此外，少数已有的研究断言AI在企业中表现不佳，其中最引人注目的是麻省理工学院的一项研究，该研究称，“95%的生成式AI试点项目都未能成功落地推广”。

基于我们的内部数据以及与企业高管的交流，我们认为这一数据令人难以置信。

我们一直在密切追踪AI应用最广泛、投资回报最明确的领域，并整理出了企业AI领域中真正行之有效的硬核数据。

一、AI在企业中的渗透情况

根据我们的分析，29%的财富500强企业以及约19%的全球2000强企业，已经成为某家头部AI初创公司的正式付费客户。

这一统计口径的标准是，这些企业必须与AI初创公司签订自上而下的正式合同、成功完成试点转化，并已在组织内部正式上线产品。

在如此短的时间内达到这一渗透水平相当惊人，因为财富500强企业向来不以技术早期采用者著称。

以往，许多初创公司最初只能向其他初创企业销售以获得早期增长，往往要过数年才能拿下第一笔企业级合同，再投入大量收入与时间，才有可能最终服务财富500强级别的客户。

AI颠覆了这一常规。

OpenAI于2022年11月推出ChatGPT，立即向消费者与企业同时展现了AI的巨大潜力。由此引发的AI热潮是以往任何一代技术都未曾激起的，大型企业也比以往任何时候都更早愿意押注新兴产品。

结果是，仅仅三年多后，近三分之一的财富500强企业、五分之一的全球2000强企业已在组织内部实现真正的企业级AI部署。

（数据方法：本数据整合自头部企业级AI初创公司，包含为本次报告向我们共享的企业私密数据、公开信息，以及a16z与数千家初创公司及大型企业交流中分析得出的匿名数据。）

二、企业AI中真正见效的领域

AI应用增长最快的地方在哪里？又如何与模型天生更擅长的工作相匹配？

我们发现，最具指示性的评估方式，是将各应用场景的收入增长势头，与GDPval基准定义的模型理论能力进行叠加。

GDPval是OpenAI推出的知名基准，用于评估模型在现实世界高经济价值任务上的能力。

在我们看来，这两个因素既体现了模型理论上能做到多好，也反映了它们当下实际创造的价值。这能清晰说明AI当前落地情况、未来走向，以及为何有些领域模型能力已成熟，但应用仍存在滞后。

当下企业AI在哪些领域价值最突出？

从收入增长来看，企业AI应用明显集中在一批特定场景与行业。代码开发、客户支持、智能搜索占据了绝大多数应用份额（其中代码开发更是远超其他类别一个数量级）；而科技、法律、医疗行业则是采纳AI最积极的领域。

1. 代码开发

代码开发是AI的主导应用场景，规模几乎高出其他场景一个量级。从Cursor等公司的爆发式增长，以及Claude Code、Codex等工具的高速扩张中都能清晰体现。

这些增速几乎超出所有人最乐观的预测，目前财富500强与全球2000强企业采用的AI工具中，绝大多数集中在代码领域。

从多方面看，代码都是AI的理想应用场景，既符合技术能力，也契合企业市场接受度。

代码数据密度高，互联网上存在海量高质量代码供模型训练；同时基于文本，易于模型解析；语法严谨、结果可预测；更关键的是可验证——任何人都能运行并判断是否有效，形成紧密反馈环，帮助模型持续学习优化。

从商业角度看同样极具价值。我们持续从被投企业处获悉，顶尖工程师使用AI编码工具后，生产力提升10–20倍。

工程师招聘向来困难且昂贵，因此任何提升效率的方式都有明确投资回报，而AI编码工具带来的提升幅度更是形成了极强的采用动力。

工程师群体本身也偏向早期使用者，追求顶尖工具；且编码工作相比多数企业工作更偏独立执行，他们更容易直接选用最佳工具，而不必陷入企业内部其他部门常见的协调与官僚流程。

此外，编码工具不必100%端到端完成任务即可创造价值，任何加速环节（如查找bug、生成模板代码）都能节省时间。

同时编码存在紧密的人机协作流程，开发者仍会监督开发过程，工具在提升产出速度的同时，也保留人工判断、审核、编辑与迭代空间。这既提升企业信心，也让落地路径更顺畅。

模型编码能力正呈指数级提升，所有实验室都明确将代码场景视为核心战场。

这影响深远：代码是所有应用的上游，是所有软件的核心构建块，因此AI对代码的加速影响，终将传导至所有其他领域。

这些领域的开发门槛降低，将解锁更多AI应用机会，但同时也让构建持久竞争优势对初创公司变得前所未有的重要。

2. 客户支持

客户支持与代码开发形成鲜明对比。软件工程往往在企业中获得最多投资与关注，而支持工作常被忽视。支持部门多为后台基础工作，常被外包给离岸机构或业务流程外包公司（BPO），因为企业认为其繁琐且管理复杂。

AI在处理这类工作上表现异常出色，原因如下：

首先，多数支持交互具有时效性，意图明确（如办理退款），问题边界清晰；

其次，支持是少数任务定义非常清晰的企业职能；

支持团队工作量大、人员流动率高，需要快速标准化培训新员工，因此具备明确的标准作业流程（SOP），这些流程恰好便于AI模型学习模仿。

这与多数企业工作不同，后者往往周期更长、定义模糊、涉及客户与客服之外的多方利益相关者。

支持也是最容易体现投资回报的企业职能之一。

支持工作可量化指标明确：工单处理量、客户满意度（CSAT）、解决率等。任何将现状与AI客服进行A/B测试的结果都会偏向AI：处理更多工单、提升解决率、提高客户满意度，且成本更低。

由于多数支持工作已外包给BPO，采用AI方案带来的变革管理成本有限，落地难度更低。

支持工作也不要求100%准确即可发挥价值，因为存在自然转人工的出口（如“为您转接主管”）。这让销售周期更快，试点AI客服的风险相对较低；最坏情况下，所有问题仍可转由人工处理解决。

最后，支持本质是事务性工作。客户并不在意线另一端是谁，因此不需要AI难以复刻的人际情感关系。这也解释了为何Decagon、Sierra等公司，以及Salient、HappyRobot等垂直领域支持服务商增长如此迅速。

3. 智能搜索

第三个具备明确企业市场需求的通用领域是搜索。ChatGPT本身的核心用途之一就是搜索，因此搜索带来的影响已大量体现在ChatGPT的收入与使用量中，实际价值可能被严重低估。

AI搜索作为一个大类覆盖面极广，已催生出多家独立大型初创公司。许多企业内部的核心痛点之一，是让员工能够在分散的系统中查找并提取相关信息。

Glean正是这一场景下的头部初创厂商。许多大型行业依赖高度专业的行业信息（内部与外部），Harvey（始于法律搜索）、OpenEvidence（始于医疗搜索）等公司也围绕这一核心迅速崛起。

三、行业应用情况

科技行业

迄今为止，采纳AI最普遍的行业无疑是科技行业。ChatGPT公开数据显示，其27%的商业用户来自科技领域，Cursor、Decagon、Glean等公司的早期客户也多为科技企业。这完全在意料之中，科技行业几乎永远是技术早期采用者，也是掀起AI浪潮的源头。

更令人意外的是，一些历史上并非技术早期采纳者的市场，这次表现得异常积极。

法律行业

法律行业意外成为AI的先行者之一。传统上，法律市场对软件而言难度较高，采购周期长、客户对技术接受度偏低。

原因在于传统企业软件对律师价值有限：静态流程工具无法加速律师所从事的非结构化、高细节性工作。但AI让技术对律师的价值变得清晰。AI擅长处理密集文本、对大量内容进行推理、总结与起草回复——这些都是律师的日常工作。

如今AI常作为助手提升律师个人效率，甚至更进一步：在部分场景下可直接创收，让律所处理更多案件（例如专注于原告律所的Eve）。

成果显而易见。Harvey成立三年内年化 recurring revenue（ARR）达到约2亿美元，Eve等公司客户超450家，并在今年秋季估值突破10亿美元。

医疗行业

医疗行业对AI的响应热情，也远超其对传统软件的态度。Abridge、Ambience Healthcare、OpenEvidence、Tennr等公司，凭借医疗笔录、医学检索、复杂医保与交付规则的后台自动化等细分场景，收入实现高速增长。

医疗行业历来软件采纳速度较慢，原因有二：

一是高技能复杂工作与传统流程软件解决的问题不匹配；

二是Epic等电子病历系统占据主导，挤压新软件厂商空间。但借助AI，企业可以切入具体人力工作，绕开核心系统，要么替代行政工作（如医疗笔录），要么辅助医生开展更高价值工作。

这类工作独立性强，无需替换现有电子病历系统，因此相关公司可快速扩张，不必取代原有软件供应商。

四、关于分析的几点说明

这些估算为最佳推测，可能低估了各领域实际收入，并高估了模型当前能力。

我们可能低估收入的原因包括：

• 收入分析仅基于已成功成长为大型独立企业AI公司的领域与场景，未包含大量长尾应用场景；

• 许多市场存在大量非初创类玩家并创造可观收入（如代码领域的Codex/Claude Code、法律领域汤森路透的CoCounsel），但本次分析聚焦独立初创公司；

• 许多工作任务已整合进模型公司核心产品（如ChatGPT与OpenAI的搜索功能），但未单独拆分纳入统计；

• 本分析聚焦企业级业务，而非消费或高端个人用户业务。部分成功企业（如应用生成领域的Replit、设计领域的Gamma）拥有大量企业用户，但当前仍以消费或个人用户为主，因此未纳入。

在能力层面，尽管众多经济学家正在尝试，但衡量AI对经济各领域的影响极为困难。工作本身定义模糊、长尾特征明显，难以完全自动化。

目前也不清楚企业能从部分自动化中获得多少价值——如果AI只能完成人类50%的任务，不可自动化部分的重要性反而会上升，成为瓶颈并提升相对价值。

因此，我们可能高估了当前能力水平，因为每提升1%的模型能力并不直接对应1%的经济价值，但这仍能体现相对能力差异以及模型迭代后的进步幅度。

五、AI正在席卷所有市场

本分析通过GDPval基准，衡量顶级模型在与人类专家对比中的胜率。数据显示，自2025年秋季以来，模型在高经济价值工作上的能力已显著提升。

那么，为何在评估中表现优异的行业，并未全部出现同等强劲的收入增长？

目前积极采纳AI的行业具备一些共性：以文本为基础、包含机械重复性工作、存在天然的人机协作环节、监管有限、最终输出可清晰验证（如可运行的代码、已解决的支持工单）。

许多行业不具备这些特征：它们涉及物理世界、高度依赖人际关系、跨多方协调成本高、面临监管合规障碍，或缺乏可验证结果。

尽管收入增长与模型能力明显相关，但在模型理论胜率低于50%的领域（如法律），Harvey等公司仍通过助手类产品迅速抢占市场，提升个体法律工作效率，并随模型迭代持续优化核心产品。

最值得注意的发现是：模型能力提升速度极快。

过去四个月，多个领域出现大幅进步：会计与审计在GDPval上提升近20%，警务/侦探工作提升近30%。

我们预计这些飞跃将在对应领域催生极具竞争力的新产品与新公司。

此外，模型公司已明确表示将重点提升高经济价值工作的核心能力，包括表格与金融工作流、计算机使用以解决传统系统与行业中的复杂任务，以及长周期任务的显著改进——这将打开一大类难以拆分为短片段的全新工作场景。

六、对构建者的启示

了解企业从何处获取价值、如何衡量投资回报，以及哪些行业需求明确、哪些行业即将爆发，能让AI构建者更清晰地判断机会所在。

服务科技、法律、医疗客户目前显然是沃土，但我们不认为每个类别只会出现一个“赢家”。

例如法律行业存在多种律师角色：公司法务、律所律师、专利律师、原告律师等，各自工作流与需求不同，仍有大量可切入空间。医疗行业同理，医生类型、医疗机构多样，机会同样分散。

在这些领域之外，另一个有效思路是：关注模型能力快速提升、但尚未出现收入爆发式增长公司的赛道。

当前许多成功企业成立于模型能力真正爆发之前，但它们搭建了足够的技术基础设施与市场认知，因此在模型能力突破时占据先发优势。

最后，需密切关注AI实验室最新研究聚焦的高经济价值方向。随着长周期智能体快速进步、计算机使用领域投入加大，以及文本之外模态（表格、演示文稿等）可靠接口的研究，一大批新初创公司将很快具备必要支撑基础设施，为企业创造实质性价值。

-END-

（请在微信搜索“创头条”关注公众号。）

这一数据首次超越了 OpenAI。

后者的最新数据是，截至今年 2 月底，其年化收入超过了250亿美元。

Anthropic称，其业绩的快速增长主要源于企业客户群体的给力。

今年 2 月， 其宣布 G 轮融资时曾披露，已有 超过 500 家企业客户的年化支出超过 100 万美元；而如今这一数字已超过 1000 家，在不到两个月内实现翻倍增长。

增速维度上，2025 年底，Anthropic 年化收入为 9 亿美金，增长超 3 倍；同期，OpenAI 该数据为214亿美元，增长了17%。

年化收入不等于实际营收，是当下月收入乘以 12 个月的数据。

Anthropic 同时披露称，已与 Google 和 Broadcom 签署了一项新的协议，部署数吉瓦级的新一代 TPU 计算能力，预计将从 2027 年开始陆续上线。

Anthropic 首席财务官 Krishna Rao 表示，算力扩容是为了支撑客户规模呈指数级增长，同时也让 Claude 持续定义 AI 发展的前沿。

“为跟上前所未有的增长速度，我们正在做出迄今为止最大规模的算力投入。”他说，这是 2025 年 11 月提出的 500 亿美元美国计算基础设施投资承诺的重要扩展。

目前，Claude 仍是唯一同时在全球三大云平台亚马逊、Google 、Microsoft Azure上提供的前沿 AI 模型。

Anthropic和 OpenAI 都预计在今年 IPO，Anthropic料10月IPO,马斯克抢6月,奥特曼称对上市"0兴奋"

据彭博社报道，美国Next Round Capital创始人Ken Smythe透露，过去几周，约有 6 家机构投资者——包括持仓规模较大的对冲基金及风险投资公司，主动联系平台，以寻求出售合计约6亿美元的OpenAI股份。

这在去年同期属于"秒光"型标的，通常数日内即可完成交易。

但当下即便在覆盖数百家机构投资者的买方资源库中，仍找不到任何愿意接盘的对手方。

与此同时，同一批买方客户明确表达了20亿美元的现金配置意向，目标直指Anthropic。

OpenAI IPO前遭机构"抛弃"，资金疯狂涌向Anthropic

（请在微信搜索“创头条”关注公众号。）

有3年半保险产业经验的美国青年柯提斯（Jackson Curtis）原本打算一辈子都不换工作，现在他改变心意，打算努力当上消防员。

柯提斯现在的工作内容以输入数据为主。他担心免不了被AI取代的命运。

这是日前《华尔街日报》报道《What Young Workers Are Doing to AI-Proof Themselves》中的一个案例。

报道称， AI对职场的影响目前在经济学上的讨论多过实际证据。但许多年轻人在规划未来时，已经把它纳入考量。

有些人转向蓝领，或选择不受AI冲击的领域创业。

另一些人积极拥抱AI，想利用这波AI 红利抢占优势。

“学生们肯定知道AI会产生影响，只是还不清楚有多大、会是什么样貌，”纽泽西州高中辅导员格里森（Stacie Gleason）表示，每天都有高三学生来问AI会带来哪些影响。

哈佛大学最近一项针对18岁到29岁美国人的调查显示，59%受访者认为，AI是对就业前景的威胁，大学毕业生特别担心。

另外有41%的人认为，AI让工作变得没意义。

斯坦福大学的研究则发现，在2022年底到2025年9月，22岁到25岁的 AI 高威胁工作者（如软件开发和客服人员），其就业人数相对于低威胁职业减少了16%。

22岁的帕雷德斯（Ryder Paredes）3年前开始攻读 CS 专业，他说“当时AI还处于萌芽阶段，不是太聪明”，但到了去年，AI的进步速度快到他很担心自己未来会找不到工作。

他去年毅然决定离开大学，去技职学校学习成为电工。

数据显示，2020年以来，注重职业技能的美国社区学院注册人数成长近20%。

“一开始我否定现实”，帕雷德斯说，“但最终还是得面对”。

家有高中、大学孩子的家长们同样焦虑不安。

“我们吃晚餐时常常焦头烂额地讨论”，曾在微软担任产品经理的布帕兰（Babith Bhoopalan）说。

他为17岁女儿编写一份职业指南，分析哪些职位不会被AI取代，像是医生和外交官都很安全。

其他分析同样显示，面对面的实体工作往往更有AI抗性。

Anthropic最近的研究指出，AI比较难执行农业和建筑业的工作，而电脑程式设计师和客服代表最岌岌可危。微软去年的分析也得出类似结论。

AI会让你失业吗？这项基于800项职业的最新研究成果让人意外！

业界专家透露，企业增加采用AI确实已经造成软件开发和客服领域放慢招聘年轻员工的速度。

近期数据更显示，AI可能也会造成入门职位的薪资降低。

1.8 亿份招聘数据揭秘：AI会抢走谁的饭碗？

斯坦福数字经济实验室（Stanford Digital Economy Lab）主任布林优夫森（Erik Brynjolfsson），企业目前不是选择减薪，而是直接停止替这些职位招聘员工。

他表示，AI正在自动化初阶员工本来的工作、重塑职涯发展路径。目前，以价值创造为主的中高阶职位招募依然稳定。

布林优夫森说，目前AI的影响在就业人数上更明显，但“我们也开始看到对薪资产生的一点点影响”。

他也提到，健康照护等产业工作不受现在这波AI革命影响。

其他调查也发现，就算AI不是裁员主因，也常常成为企业的借口。

Resume.org最近调查显示，59%企业会利用AI作为冻结招聘或裁员的借口，因为在股东耳里，这比“财务困难”好听多了。

布帕兰的女儿决定放弃原本喜欢的金融业，主修国际关系，正是因为相信外交领域更不容易被取代。

“外交的重要核心在于真人之间的真诚对话，我不认为AI能接管这类工作”，她说。

非营利组织Jobs for the Future去年对3020名16岁以上美国人做的调查显示，对AI抢走工作的担心广泛存在。

根据调查，在16岁到34岁的人之中，有44%因为AI考虑转换跑道，55 岁以上的人之中则只有4%会做这样的打算。

也有些人选择积极掌握AI来获得优势。

21岁的维亚斯（Vedant Vyas）去年4月从大学休学，全职投入自己的AI新创公司Opennote，理由是大学课程和职场现实脱节。

这场赌注获得了回报，维亚斯与两位共同创办人已经融资超过400万美元。

维亚斯表示，与其坐等AI改变自己的职业生涯，不如主动参与其中，“决定我们要建造什么、能帮助谁、创造哪些新型态工作”。

有些从小被规定“不准用AI写功课”的年轻人，对于使用AI有些别扭。

《NBC》这个月的调查发现，18岁到34岁民众中，有61%对AI抱持负面看法，比整体平均高出15个百分点。

19岁大二学生卡森（Ollie Carson）强烈反对AI，认为“我们愈是训练它，它就愈强，我们失去的工作就愈多”。

主修动画和游戏领域的卡森辅修营销，以防未来太难找工作。

一心想到消防员的柯提斯已经通过初试，对他来说这份工作不只薪水高，也更有意义。

柯提斯的女友露朵芙（Jewel Rudolph）则在2019年创业，在农夫市集贩卖巴西莓果碗，她很庆幸当初没听妈妈的话去读大学，“我很有安全感，知道AI无法取代我现在的工作”。

（请在微信搜索“创头条”关注公众号。）

“在没有 AI 的情况下这是不可想象的，”他说，“但现在它将会发生。”

最近，《纽约时报》对 medvi 公司的报道，让 10 亿美金 OPC 走进现实。

10 亿美金OPC公司出现了！

而实际上，类似的收入公司还有不少，具体见下图：

（橙色块代表“仍在运营”，浅米色块代表“已被收购/退出”）

1.MEDVi 

- 销售额：$401M

  - 创始人：Matthew Gallagher 

  - 业务介绍：AI驱动的远程医疗GLP-1减重药物平台。

2. Stardew Valley (星露谷物语)

 - 销售额：$200M

 - 创始人：Eric Barone 

- 业务介绍：经典独立模拟经营RPG游戏。

3. Rego Apps

 - 销售额：$100M

- 创始人：Allen Wong 

- 业务介绍：移动应用开发工作室，主打实用工具类App矩阵。

4. BrüMate

  - 销售额：$100M（估值$400M）

  - 创始人：Dylan Jacob 

  - 业务介绍：DTC高端保温杯及户外保温产品消费品牌。

5. Plenty of Fish

  - 销售额：$30M-$50M（已退出，估值$575M）

  - 创始人：Markus Frind 

  - 业务介绍：早期在线约会网站，流量变现经典案例。

6. BuiltWith

  - 销售额：$14M

  - 创始人：Gary Brewer

  - 业务介绍：网站技术栈分析查询工具（SaaS数据订阅）。

7. Tabs Chocolate

  - 销售额：$11M

 - 创始人：Oliver Brocato (@oliverbrocato)

  - 业务介绍：功能型巧克力DTC品牌（主打痛点营销）。

8. Digital Inspiration

  - 销售额：$10M

 - 创始人：Amit Agarwal 

 - 业务介绍：技术博客与实用在线工具站。

9. ViralNova

  - 销售额：$10M（估值$100M，已退出）

  - 创始人：Scott DeLong

  - 业务介绍：病毒式热门内容聚合网站。

10. Justin Welsh

   - 销售额：$10M

   - 创始人：Justin Welsh 

   - 业务介绍：个人IP品牌，通过X/Twitter内容创作带动课程与SaaS销售。

11. Ugmonk

   - 销售额：$5M

   - 创始人：Jeff Sheldon 

   - 业务介绍：设计感极强的DTC文创与生活用品品牌。

12. TLDR

   - 销售额：$5M

   - 创始人：Dan Ni (@tldrdan)

   - 业务介绍：专注于科技资讯的优质Newsletter。

13. Base44

   - 销售额：$3.5M（估值$80M，已退出）

   - 创始人：Maor Shlomo 

  - 业务介绍：聚焦细分领域的SaaS及小众工具。

14. Pieter Levels

  - 销售额：$3M+

   - 创始人：Pieter Levels 

   - 业务介绍：独立开发者矩阵（含Nomad List及多款AI工具）。

15. Photopea

   - 销售额：$2.8M

   - 创始人：Ivan Kutskir 

  - 业务介绍：网页版Photoshop替代工具，纯靠SEO获取庞大流量。

（请在微信搜索“创头条”关注公众号。）

据彭博社报道，美国Next Round Capital创始人Ken Smythe透露，过去几周，约有 6 家机构投资者——包括持仓规模较大的对冲基金及风险投资公司，主动联系平台，以寻求出售合计约6亿美元的OpenAI股份。

这在去年同期属于"秒光"型标的，通常数日内即可完成交易。

但当下即便在覆盖数百家机构投资者的买方资源库中，仍找不到任何愿意接盘的对手方。

与此同时，同一批买方客户明确表达了20亿美元的现金配置意向，目标直指Anthropic。

这一资金流向逆转的核心逻辑在于，风险收益比的重新定价。

Augment联合创始人Adam Crawley指出，OpenAI最新融资估值已达8520亿美元，而Anthropic估值约为3800亿美元，两者之间的巨大落差，促使投资者押注后者估值收敛前者水平的可能性。

当前Anthropic在二级市场的买方报价已推升至约6000亿美元，较其上一轮融资溢价超过50%，而OpenAI的买方出价对应估值约为7650亿美元，较此前8500亿美元折价约10%。

Hiive平台的数据进一步印证了这一趋势。

该平台已记录超过16亿美元的Anthropic股票认购需求，且全部为溢价求购。

值得注意的是，一级市场与二级市场的定价逻辑出现显著背离。

就在本周，OpenAI宣布完成史上最大规模融资，从科技巨头、风投基金及散户投资者处筹集1220亿美元资金，投后估值达8520亿美元。

但在流动性更强的二级市场，现有投资者却面临退出困境。

这种分化背后存在多重基本面因素。

从运营成本结构看，OpenAI为支撑其AI基础设施扩张承诺，未来几年资本开支将远超Anthropic，且其在高利润企业级客户市场的渗透进度慢于预期。

相比之下，Anthropic已在企业级市场建立主导地位，增长轨迹呈现更强的确定性。

华尔街投行在产品设计层面亦反映出这一偏好分化。

据知情人士透露，摩根士丹利与高盛向财富管理客户提供OpenAI股份时已免收附带权益费（Carry Fees），但对Anthropic投资仍维持15%-20%的常规费率结构，显示出对后者盈利能力的定价信心。

需要指出的是，Anthropic并非没有风险敞口。

该公司正就美国国防部将其列为供应链风险并禁止政府实体使用其技术的决定提起诉讼；且本周内已连续两次发生安全疏漏，包括意外泄露Claude AI智能体的内部源代码。

尽管如此，二级市场对其股权的热情并未明显消退。

目前，OpenAI与Anthropic均不允许未经许可的二级市场直接交易，但投资者可通过特殊目的载体（SPV）等法律架构实现权益转让。

“OpenAI 不支持也不参与任何此类交易，这些交易违反了我们的转让限制，可能会导致底层股权失效，” 该公司在其网站上写道。

两家公司目前均在评估IPO可行性，OpenAI的上市进程预计最早于今年内启动，而 Anthropic 正考虑最早在今年 10月 IPO。

但比 anthropic 更早IPO 的可能是 xAI，不过它是以刚并入的 spaceX 主体进行。

Anthropic料10月IPO,马斯克抢6月,奥特曼称对上市"0兴奋"

（请在微信搜索“创头条”关注公众号。）

现在，这样的公司出现了！

根据《纽约时报》最新发布的一篇人物报道，一家叫Medvi 的 OPC（一人公司） 在 2025 年（其首个完整财年）实现了 4.01 亿美元营收，公司预计将在 2026 年达到 18 亿美元年销售额。

这家公司才 14 个月。

2024 年，41 岁的 Matthew Gallagher 用 2 万美元创立了Medvi。

Gallagher从小在拖车公园长大，用叔叔送的一台笔记本自学编程，曾运营一家从未盈利的手表订阅公司。

Medvi 是一家提供 GLP-1 减肥药的远程医疗服务商。

创立之初，它 所面对的，是一个已经被 Hims & Hers 和 Ro 等巨头所占据的成熟市场。

Medvi 需要有不同的打法。

在业务架构上， Gallagher刻意保持极其扁平。

两家基础设施平台 CareValidate 和 OpenLoop Health 提供持证医生、处方处理、药房履约、物流配送以及合规支持。

Medvi 自身掌握客户关系：品牌、网站、付费投放、结账流程和客户服务。

而这一切的基础也是 AI。

Gallagher使用 ChatGPT、Claude 和 Grok 编写平台代码，使用 Midjourney 和 Runway 生成广告素材，使用 ElevenLabs 提供客户沟通语音工具。

定制的 AI 代理将不同系统连接在一起，用一个聊天机器人处理用户咨询。

当然这一系统并非完全无缝。客服聊天机器人最初会捏造药品价格，而 Gallagher 仍然兑现了这些报价。

它还曾虚构不存在的产品线，例如声称 Medvi 在尚未推出时就销售脱发药物。这些问题都需要人工修正和反复迭代。

OpenLoop CEO Jon Lensing 指出，Gallagher 甚至开始向自己的基础设施供应商反向分享 AI 工作流技巧。

但 AI 的效果显而易见。

第一个月，Medvi获得300 名客户；第二个月又新增了 1000 名。2025 年，客户数达到 25 万。

根据《纽约时报》审阅的财务数据，公司 202 5 净利润率为 16.2%，约合 6500 万美元。

作为对比，Hims & Hers 去年营收为 24 亿美元，员工人数为 2442 人，净利润率为 5.5%。

相比而言， Gallagher 仅用 2 名员工——Gallagher ，以及他唯一的员工，他的弟弟 Elliot， 实现了近三倍的利润率。

Gallagher 告诉《纽约时报》，Medvi 目前每日营收超过 300 万美元。

他将利润再投入扩张而非防御：男性健康业务于 2026 年 2 月上线，首月获得 5 万用户；餐饮配送于 3 月上线；女性健康、头发生长和护肤业务正在排期中。

Upfront Ventures 合伙人 Kobie Fuller对《纽约时报》表示，他认为 Gallagher 并非个例，而是一个早期信号：“拥有这种技能的人，就像拥有某种超能力。这是一个极端案例，但绝不会是最后一个。”

2024 年初，山姆奥特曼曾对 Reddit 联合创始人 Alexis Ohanian 表示，他与一群科技 CEO 在一个“赌局”中预测首个单人十亿美元公司何时出现。

“在没有 AI 的情况下这是不可想象的，”他说，“但现在它将会发生。”

奥特曼在接受《纽约时报》采访时表示，他似乎已经赢得了这个赌局，并且“很想见见这个人（Gallagher）”。

（请在微信搜索“创头条”关注公众号。）

文章指出，过去一年来，硅谷第一次真正开始系统性讨论一个问题，即中国AI，会不会改变这门 AI 生意的基本逻辑？

《华尔街日报》认为，转折点来自一家此前并不在全球主流叙事中心的公司——DeepSeek。

在美国对高端GPU实施严格出口管制的背景下，DeepSeek 在去年初发布的大模型，仍然展现出“震惊硅谷的能力”。

这被不少从业者视为一个反常信号——按照既有逻辑，算力受限应该直接限制模型性能，但现实并没有完全按这个剧本走。

一位参与评估的分析人士在讨论中提到，这类模型最令人意外的地方在于，“它们不是略差一点，而是在某些任务上已经足够接近一线水平”。

这种“接近”，在一年后演变成更具杀伤力的变量——价格。

DeepSeek随后推出的，以及中国的千问、智谱、MiniMax、Kimi 等新模型，被直接描述为“可以将使用成本降低一半”。

而在当前大模型行业，这几乎是最敏感的指标。

因为无论是OpenAI、Google，还是Anthropic，其商业模式的核心，都建立在高性能模型+相对高价调用之上。

当“成本减半”成为现实，定价体系就开始松动。

WSJ在讨论中用了一个非常直接的表述：中国AI的进展，正在“challenge Silicon Valley’s pricing power（挑战硅谷的定价权）”。

这不是一个修辞判断，而是已经体现在市场行为中。

现在，硅谷内部对中国模型的态度，出现了一种罕见的分裂。

一方面，“Silicon Valley is raving about a made-in-China AI model”（硅谷对中国模型赞不绝口）；另一方面，这种赞赏本身意味着它具备可替代性。

在技术行业，一旦“可替代”成立，价格就会成为主导变量。

与此同时，中国 AI 公司在生态建设上的创新推进路径，也在放大这种压力。

以Alibaba为例，其Qwen模型并不是孤立存在，而是被直接嵌入到电商、支付、云计算等庞大生态中。

报道中提到，这种做法本质上是把AI能力“连接到一个庞大的消费生态系统”。

这意味着，

第一，模型可以迅速获得真实、高频、商业化的数据反馈；

第二，AI的成本可以被分摊到整个业务体系，而不是单独作为产品定价。

相比之下，硅谷主流公司更多依赖API调用和开发者生态，这在数据闭环和成本结构上形成了路径差异。

一位牛津分析机构（Oxford Analytica）的技术分析师指出，中国公司的优势正在于“工程效率和系统级优化”，而不是单点模型突破。

这也是为什么在算力受限的情况下，他们仍然可以持续逼近性能前沿。

但这种逼近，并不意味着约束已经消失。

比如， NVIDIA级别的高端算力，仍然是决定上限的关键变量。

也正因为如此，AI开始从技术问题，转化为贸易问题。

报道明确指出，中国AI已经成为中美贸易摩擦中的“bone of contention（争议焦点）”。

而且，过去只是围绕芯片的出口限制，现在则延伸到了模型能力、代码来源，甚至生态影响力。

一个典型案例发生在韩国。

在推动本土AI模型的过程中，当地出现的争议点是，部分代码是否来源于中国。

这类争论说明，中国AI的影响已经进入“技术栈层面”，而不只是产品竞争。

从全球扩散的角度看，这一点尤为关键。

如果一个国家在构建自身AI体系时，需要在“美国方案”和“中国方案”之间做选择，那么硅谷的单极优势就已经被削弱。

性能、定价、生态创新、中美博弈等这些因素叠加在一起，带来的并不是简单的“谁取代谁”，而是一个更复杂的结果：价值将重新分配。

过去几年，硅谷之所以能够维持高利润，很大程度上依赖两个前提：能力稀缺，以及替代方案不足。

而现在，这两个前提都在被削弱。

当模型“足够好”，价格“显著更低”，并且还有不同的生态路径时，客户的选择空间被放大，供应端的议价能力自然下降。

这也是为什么WSJ在总结时，把这一轮变化放进一个更大的框架里——“The AI Cold War That Will Redefine Everything（将重塑一切的AI冷战）”。

这里的所谓“冷战”，并不只是对抗，更是体系化的竞争。

硅谷代表的是以基础模型和算力为核心的路径，中国公司则在探索“效率+应用+生态”的组合解法。

在短期内，两种路径都会存在；但在中长期，谁能定义价格、谁能控制分发、谁能占据数据入口，才是决定胜负的关键。

如果把时间拉回一年前，DeepSeek的出现还只是一个“异常信号”；那么一年后的今天，它已经变成一个明确趋势的起点。

硅谷正面对和承认的一个现实是，它不再是唯一可以决定 AI 这门生意规则的一方。

（请在微信搜索“创头条”关注公众号。）

这个打破欧美日品牌长达数十年的垄断的品牌是张雪机车。

本轮比赛中，车手驾驶820RR-RS赛车，以近4秒优势强势夺冠。

而更传奇的，是创始人张雪的奋斗轨故事！

这个初中学历的湖南农村辍学少年，驾着一辆破旧摩托，从2006年的那个雨天里，在泥泞里一路前行，一次次摔倒、起来，只到二十年后的这个春天。

刷屏的“程前朋友圈”的记录视频，看得人热血沸腾，充满力量。

但这样的荣耀只是张雪漫长征途中的一刻，更多的则是孤独、无助、不被理解和支持，及默默的挣扎在每天。

在这样一个经济低迷、信心萎萎，很多人在躺平的大环境中，张雪的故事弥足珍贵。

小编特整理出来，希望能激励到处在某一时期的你。

1987年，张雪出生在湖南怀化江口墟镇的深山村落里，童年过得格外艰难。

父母在他很小的时候就分开，父亲常年在外奔波，母亲则远走重组家庭。

他和妹妹从小相依为命，十岁出头就要学着独自生活。

一到雨天，家里的土坯房就四处漏风，温饱总是成为问题。

（张雪家的老房子）

多年以后，张雪曾带着记者重回老家的这个破屋，记者问他，住在这样的“窝棚”中，你不会难过吗？

张雪回答说，“当你没选择的时候，你难过又有什么用呢？而且这对我也是一件好事，因为当你吃过所有苦之后，你不会再觉得后面有什么是苦，给你一点点甜你就会觉得很幸福。”

童年里，他为数不多的光亮，来自一辆小小的自行车。

这辆儿童单车是学前班时，许久未见的母亲回村给他买的。

张雪长大后在日记里写道：“我妈从外面回来，推着车在马路上往家走，被我和老师看见，我几年都没看到妈妈了，但那时我在乎的竟然是妈妈推着的那台童车。”

也正是因此，让他从很小就对两轮交通工具产生了近乎天生的亲近。

速度、机械、操控，这些旁人觉得枯燥冰冷的东西，在他眼里充满着魔力。

上小学后，张雪成绩平平，更不是传统意义上听话的孩子，但骨子里的倔强和执着很早就显露出来。

十四岁读初中，家与学校相隔十里路，他每天骑着山地车往返，风雨无阻。

也是在这一年，他遇见了后来一直陪在他身边的人生伴侣“星姐”——从一无所有到声名鹊起，对方始终是他最坚定的支持者。

（图三中为“星姐”）

而真正改变他人生轨迹的，是初三那年一次偶然的接触。

同学骑来一辆摩托车，品牌是金城铃木，张雪尝试起步了4次，才成功启动。

可就是这短暂的体验，让他彻底沦陷。

张雪在日记中曾提到一个故事。

有一次他们江口墟镇上来了一辆红色跑车（铃木盗匪摩托车），车主发现张雪围着车看了好久，就问他，你喜欢吗？

张雪说，喜欢，车主调侃地说，喜欢就开走吧。

张雪说自己当时笑了笑就走了，但他心里又对自己说了一次：“一定要买跑车”。

2004年，十七岁的张雪初中毕业。

他没有选择继续升学，不是不想读书，而是家境不允许，更因为心里的机车梦太过强烈。

他拎着简单的行李走进怀化一家车行，成为一名最底层的摩托车维修学徒。

每天和机油、扳手、零件打交道，又脏又累，收入微薄，可他甘之如饴，因为每天都能近距离接触摩托车，每天都在靠近自己的梦想。

学徒生涯的辛苦远超想象，天不亮就要起床打扫、清洗零件、给师傅打下手，脏活累活几乎全包。

手上常年布满伤口，指甲缝里的油污怎么洗都洗不干净，可他从没有半句抱怨。

别人偷懒休息，他蹲在地上拆解发动机、熟记结构线路；别人按时下班，他留在车行反复琢磨原理与调校。

凭借过人的天赋和近乎偏执的认真，只用一年半时间，他就从学徒成长为可以独当一面的修车师傅，在当地车友圈渐渐有了名气。

大家都佩服他对机车的痴迷与专业。攒下许久的钱，张雪花八千元买下人生第一辆摩托车——一辆老旧的本田VFR400。

这辆车车况糟糕，到处都是毛病。

他自己动手拆解、维修、更换零件，硬生生把一辆报废边缘的车，修整到好跑好骑。

那段时期，张雪的车友们都称他为“野人”。

（左一为张雪）

之后，他不断换车、改车、练车，夜晚的道路成了他的训练场，从莽撞冲刺到慢慢摸索技巧。

 他的目标只有一个，成为职业赛车手。

可现实远比梦想残酷。

职业赛车需要巨额资金、专业资源和行业认可，一场赛事的投入就足以压垮一个普通修车工，仅凭一腔热血根本无法踏入职业门槛。

他清楚，盲目苦练没有出路，必须让更多人看到自己的坚持。十九岁那年，他做了一件至今仍被反复提起的事。

得知湖南卫视栏目组到当地拍摄，他反复联系节目组，希望能获得一个展示车技、争取进入车队的机会。

2006年10月，在张雪的“死缠烂打”之下，节目组决定亲自去麻阳市见张雪一面。

结果第一次拍摄时，由于当天下雨后路上和田间地头都很湿滑，张雪并没有成功展示出他的驾驶技巧，节目组也失望而归。

换做常人或许就此放弃，但张雪并没有气馁。

他给节目组发去了自己练车的彩信照片和短信。张雪对记者解释说，“以前从没有在泥地里练习过，我正在努力的适应，我不怕苦，就怕你不给我机会。”

没有得到节目组的回应，张雪第二天骑着那辆破旧不堪的摩托车，在冰冷的雨里一路追赶节目组的车辆，从怀化追到麻阳，整整追了一百多公里、三个小时。

气温极低，衣衫湿透近乎结冰，他冻得浑身发抖，却始终不肯放弃。

记者问他，是不是为了上电视？

他说：“一个人，不管你是失败还是成功，你年轻的时候没有去做，到老了肯定会后悔。年轻的时候做了，即使是失败了，到老了也不会后悔。”

这段雨中追梦的画面播出后，终于有车队向他伸出橄榄枝，张雪正式踏上职业车手之路。

进入车队后，他近乎拼命地训练。

没有专业教练就自己摸索，摔车、受伤、骨折都是家常便饭，一年里超过两百天在车上打磨。

凭借无数次拆装练习，他甚至练就了蒙眼盲装发动机的本事，对机械结构的熟悉程度达到惊人地步。

可现实再一次给了他重击。

2009年，22岁的张雪因为长期没有经济来源，已经无法维持他继续学赛车技术。

于是，他选择加入浙江阿波罗摩托车公司，负责产品开发，以及担任阿波罗越野车队的车手。

在此过程中，张雪亲眼目睹国产机车长期被海外品牌压制、缺乏核心技术的困境。

他心里憋着一股劲，一定要做出真正能让人骄傲的国产机车。

2013年，二十六岁的张雪带着全部身家两万元奔赴重庆 —— 这座中国摩托车产业核心城市，开启了白手起家的创业之路。

没有厂房、没有团队、没有稳定订单，他就从改装、组装做起，在摩托论坛上凭借扎实技术和真诚口碑积累客户。

一辆一辆打磨，一台一台交付，张雪慢慢攒下了第一桶金，也完整熟悉了从研发、生产到销售的全链条流程。

2017年，30岁的张雪又与廖涛、文发模三人一起创办了西藏凯越实业有限公司，就是后来的凯越机车。

张雪还为凯越机车定下了产品逻辑：性能第一！即在同级别中，追求极致的轻量化、高功率和顶级操控。

如所有的故事一样，创业初期困难重重。

资金紧张、团队年轻、市场不信任，几乎没人相信一个修车工出身的创业者能造出优质车型。

他抱着破釜沉舟的心态，把所有精力与积累全部投入，坚持以性能为核心，追求极致轻量化与高性价比。

2018年推出的凯越500X一经上市便成为爆款，从第一年几百台销量一路攀升至数万台，经销商排队提车，直接让凯越在行业内站稳脚跟。但张雪始终清醒，没有自主发动机，就永远受制于人。

当时公司净资产有限，研发大排量发动机投入巨大、风险极高，合伙人几乎全部反对，认为他过于冒险。

可他不愿妥协，甚至以个人名义向公司借款投入研发，并立下承诺——“成功则成果归公司，失败则所有债务由他一人承担”。

这场赌上全部身家的坚持，最终换来重大突破。

多款自主研发发动机相继点火成功，终结了国产大排量发动机长期依赖逆向研发的历史。

随后，凯越多款车型持续走红，覆盖拉力、仿赛等多个品类，他还带队征战达喀尔拉力赛，成为首位带领国产车队参赛并全员完赛的创始人。

而这一切，都是只有初中学历的张雪带领团队做到的。

当程前问张雪：“你初中毕业，然后是学修车的，怎么就能把发动机干成呢？”

张雪的回答也很简单：“不会就学呀！”

一个值得记录的细节是，张雪当年创业遇到困难时，也曾向部分骑友借过钱。

公司站稳脚跟后，张雪没忘了在2022年给那些帮助过自己的骑友予以回馈，向他们每人发了一张凯越机车半价券，并标注“不限车型，不限年限”。

过了一关又一关。

就在事业巅峰时期，因为品牌发展理念出现分歧，追求极致性能与持续研发的他，与偏向稳健盈利的投资方难以达成一致，张雪最终选择裸辞离开。

对他而言，凯越如同自己半生心血浇灌的孩子，离开无疑是巨大的割舍，但他不愿为了安稳放弃最初的梦想。

三十七岁这年，他再次归零，在重庆创立以自己名字命名的“张雪机车”。

在朋友圈，他发文称，“经慎重思考，本人决定辞职，去追求我的星辰大海，未来是朋友，也是对手，江湖再见。”

恍惚让我们想起乔布斯被赶出苹果公司的桥段。

用名字做品牌，不是张扬，而是把个人名誉、口碑与未来全部押上。

这一次，他可以完全按照自己的理念造车，不必妥协，无需迁就！张雪的二次创业依旧从零开始，缺厂房、缺生产线、团队需要重新组建，但二十多年的行业沉淀与无数车友的信任，成为他最坚实的支撑。

他给新公司定下的目标是，3年之内做到国内前三，10年之内做到世界前十。

于是，张雪将大量资金投入研发，对产品细节近乎偏执地死磕。

首款车型500RR上市前，他坚持将前一千台车全部用于实测，累计里程超一百万公里，只为确保每一台车的品质可靠。

车型上市后迅速引爆市场，订单排期长达数月，品牌首年营收便突破七亿。

之后，他带领车队征战世界顶级摩托车赛事，接连夺冠，让中国机车在国际赛场上大放异彩——只到今年春天的意外出圈。

张雪与程前对谈时说过这样一句话：“有可能我的其他方面完全不如你，我的天赋不如你，我的资源不如你，但是我的努力比你多10倍的时候，（成功）凭什么不是我的，就是我的！”

湖南人“恰的苦、霸得蛮、耐得烦”的精神，在张雪身上体现的淋漓尽致。

有记者曾问张雪，创业遇到困难时有没有想过放弃。

张雪说“从来没有”。

他补充说：“因为我别无选择，我放弃后我干嘛呢？反过来说，做这个事是很困难，难道去做另外一件事它就变容易了吗？”

没有优越出身，没有亮眼学历，张雪凭着一腔热爱、一股倔劲和死磕到底的精神，一路向前，活成了无数人心中最热血的模样。

他常说自己不是天才，只是比别人更热爱、更坚持，而正是这份纯粹与执着，让他从修车铺出发，最终驶向了属于自己的星辰大海。

（请在微信搜索“创头条”关注公众号。）

报道称，Anthropic已就此与多家华尔街投行进行了初步接触，包括高盛、摩根大通和摩根士丹利等。

但目前相关讨论还处于早期阶段，未有明确决定。

根据现有信息，Anthropic的 IPO 估值规模将超过6000 亿美元。

今年初，Anthropic 刚完成新一轮融资，估值约为3800 亿美元。该轮融资由阿布扎比投资机构 MGX 领投。

但比 anthropic 更早IPO 的可能是 xAI，不过它是以刚并入的 spaceX 主体进行。

前不久，马斯克将全球卫星互联网业务 Starlink、运输与发射业务 SpaceX ，以及最新 AI 业务 xAI 整合完成，合并后整体估值约为 1.25万亿美元左右。

去年底，马斯克在 x 上首次公开确认了 SpaceX  很快 IPO 的信息。

目前，市场普遍预计其最早将在今年年（6月前后），启动招股相关流程或正式上市。

（请在微信搜索“创头条”关注公众号。）

而据美国Business Insider消息，如今这最后两位联合创始人Kroiss 与 Nordeen，也已离开公司。

Business Insider报道称，Kroiss已告知相关人士自己将离开xAI；随后又曝出，Nordeen也已于上周五离职。
Kroiss 与 Nordeen 此前均直接向马斯克汇报工作。

其中，Kroiss负责xAI的预训练团队，Nordeen则是马斯克的“核心得力助手”。

报道称，Nordeen此前从特斯拉加入xAI，2022年马斯克收购推特后，他还参与了推特大规模裁员的相关规划工作。

马斯克近期表示，xAI“最初的搭建方式并不合理”，因此目前正“从底层开始全面重构”。

他还说，特斯拉也遇到过同样的问题。

确如所言。

早期，特斯拉联合创始人 Martin Eberhard 、Marc Tarpenning 先后退出；Model 3“生产地狱”期间，CTO、制造、自动驾驶等核心岗位多次换人，战略与工程体系反复调整。

由此，马斯克主导进行了组织重组与权力集中，重新搭建更扁平、工程驱动的团队结构，才逐步稳定下来。

为此，他不得不一直守在一线，“睡车间”就是当时的重要意象。

但很显然，这次 xAI  的面临的情况比特斯拉还要糟糕。

尤其今年以来，xAI 核心团队的离职进入雪崩期。

这波出走潮从2026年1月开始。

最早引发关注的是 Yuhuai (Tony) Wu 在2月初公开宣布离职，他当时直接在X上表示，“是时候进入下一阶段”。 

随后，离职迅速扩散到多个核心研究与工程负责人，包括 Jimmy Ba、Greg Yang、Toby Pohlen 等人。

这一阶段离开的，多为模型、推理、基础研究负责人，创始技术骨干开始瓦解。

进入3月前后，离职进入更关键层级。

Zihang Dai 和 Guodong Zhang 相继离开，这两人都直接负责核心模型与代码能力（如 Grok Code、生成系统等）。

公司内部由此结构重组、裁撤项目（如图像/agent，创始团队也只剩Kroiss 与 Nordeen 两人。

随着 Kroiss和 Nordeen在3月末离开，xAI 最初的11人创始团队全部出局。

值得一提的是，离开的 xAI 创始11罗汉中有 6名华裔，包括Yuhuai Wu（吴宇怀 / Tony Wu）、Jimmy Ba（巴吉米）、Greg Yang（杨格雷格）、Zihang Dai（戴子航）、Guodong Zhang（张国栋）、杨格 (Greg Yang)。

去年， xAI 已宣布被兄弟公司SpaceX收购。

SpaceX、xAI与X被整合至同一企业架构下，正整合主体正计划上市中。

SpaceX收购xAI，马斯克内部信(全文):天基AI打造太阳系级算力帝国

从这个背景看来，这一轮近乎彻底的创始团队清洗，与其说是xAI内部动荡，不如说是马斯克一贯的行事风格再次显现。

从特斯拉、X、到SpaceX，他始终倾向于用彻底重构取代渐进改良，用自己认可的架构替换掉早期创业班底。

当xAI被纳入SpaceX体系、瞄准“天基AI”与星际算力，原本聚焦通用大模型的创始团队，与马斯克要打造的太阳系级AI基础设施，早已不在同一条航道上。

11位创始人全员离场，看似是人事雪崩，本质是一家创业公司，彻底被改编为马斯克宏大科技叙事里的一块标准化组件。

xAI  创始团队散了，但马斯克的商业帝国，也正开始进入下一阶段。

（请在微信搜索“创头条”关注公众号。）

报道称，员工和投资者都认为该功能继续推进会存在诸多风险，尤其是成人 AI 内容对社会产生的负面影响。

该项目内部代号为Citron mode，原计划去年 12 月发布。

但 研发过程中， OpenAI 发现很难让原本没有露骨内容的模型，可靠地规避违法行为。

比如，产品的年龄验证系统错误率超过 10%。

公司内部对此的反对声也一直存在，有高级员工还因此离职，公司外部顾问也多次警告可能导致的情感依赖心理风险等。

报道称， OpenAI 认为，目前缺乏关于此类功能“长期影响的实证证据”，因此希望开展更多研究，甚至在讨论直接取消。

在此之前一周内，OpenAI 刚宣布放弃 Sora ，及ChatGPT 内置结账功能 Instant Checkout。

Sora 曾被视为 AI 视频之光，开启了全新的 AI 赛道，它的彻底关闭震惊业界。

“伤仲永”！Sora 宣布下线！

据悉，团队周一晚上还在进行 Sora 项目的开发，30 分钟后就被突然宣布的关闭消息打了个措手不及。

OpenAI 的说法是算力不够用，要把 Sora 团队转去做机器人方向的世界模拟研究。

Instant Checkout 于去年 9 月上线，但 6 个月的“代理商务”尝试几乎毫无成效。

沃尔玛的数据显示，用户在 ChatGPT 里直接结账的转化率，比跳转到零售商自己网站结账低了 3 倍。

Shopify 数百万商家中，只有大约 12 家实际接入。

7 天内 3 款产品被淘汰，这足以说明OpenAI目前的处境。

支撑这些决策背后的原因，最主要还是财务数据。

OpenAI 今年 2 月年化收入突破 250 亿美元，增速史无前例。

但预计2026年将亏损140亿美元，现金消耗将达到170亿美元。

与此同时，公司 IPO 预计 2026年第四季度完成，估值达8400亿美元，需要在几个月内提交S-1文件。
而这些被砍掉的产品，每一个都给S-1表格带来了负担。

比如，缺乏税务合规基础设施的电商支付系统。

Instant Checkout 连基本的销售税征收和库存实时同步都没搞定——现在不得不退回到只做商品搜索和发现，让用户到零售商网站下单。

比如，下载量下滑导致计算资源消耗过大的Sora 。

这款 AI 视频生成应用每天推理成本约 1500 万美元，整个生命周期的应用内购收入只有 210 万美元。

上线之初曾冲上 App Store 下载榜首，但从去年 11 月的下载峰值到今年 2 月，下载量暴跌了约 75%。

去年 12 月，OpenAI 刚和迪士尼谈下10 亿美元的投资，及全面的版权合作，但一分钱都没到账，交易直接作废。

比如，以联邦贸易委员会（FTC）正调查人工智能对未成年人造成伤害，而Meta公司刚刚因儿童性剥削案被判赔偿3.75亿美元的成人聊天机器人。
因此，这些产品和功能的取消，基本上可视为
 IPO 前的排雷清工作。

OpenAI CFO Sarah Friar 日前接受采访时称，公司“面临算力短缺”，不得不做艰难取舍。

他说，当下公司战略方向很明确，即砍掉所有"支线任务"，集中资源做生产力工具，整合出一个包含 ChatGPT、Codex 和 Atlas 的“超级应用”。

（请在微信搜索“创头条”关注公众号。）

这个总结以“在中国 AI 生态圈摸底了两周，我学到了什么”为题，发在 X 上，并引发了不小的讨论。

这名投资人José Maria Macedo是Delphi Ventures 创始合伙人、Delphi Labs 创始人兼 CEO。

Delphi Digital 成立于 2018 年，是加密货币和数字资产领域最具影响力的独立研究机构之一，旗下 Delphi Ventures 管理着超过 200 个投资组合项目。

以下为博文全文：

最近，我在中国待了两个星期，拜访了 AI 生态圈里的各位创始人、风险投资人（VC）以及上市公司的 CEO。

去之前，我对这个生态是非常看好的（bullish），满心期待能在这里以远低于西方的估值，发掘到世界级的 AI 人才。

但离开时，我的看法变得更加复杂且微妙：我对中国硬件的看好程度超出了我的预期，但对软件却更为看衰（bearish）。

同时，我对中国创始人们的一些观察，也让我感到十分惊讶。

创始人的特质之谜 (The Founder Question)

我所投资过的那些伟大的创始人，身上都有一种极具辨识度的“基因”：独立思考、一身反骨、激情四射且极其执着。

他们绝不乖乖听话，总是不断地问“为什么”，并且拒绝盲从现成的经验。他们做出的决定在外人看来往往匪夷所思，但对他们自己来说却顺理成章。

他们骨子里有一种毫不妥协的冲劲，这往往体现在他们过往那种近乎痴迷和追求极致的经历中。

在 VC 每天接触的茫茫多的高智商人群里，他们身上那种“锋芒”（spikiness）总能让你一眼就认出来。

然而，我在中国遇到的很多创始人，却属于另一种完全不同的类型——这让我挺吃惊的。

他们无疑是极其优秀的：顶尖名校毕业，在字节跳动或大疆（DJI）有过光鲜履历，在《自然》（Nature）杂志发过论文，手握多项专利。

在西方，只有最顶尖那一拨技术人才才具备的成就，在这里简直成了“入场券”。

而且，他们比我见过的几乎任何人都要拼命。我们的会议可以安排在任何时间、周末、甚至跨越不同的城市。

有一位创始人，甚至在妻子分娩当天还跑来见我们！

但是，那种独立思考的能力、那种反叛精神、那种从零到一（zero-to-one） (指从无到有的颠覆性创新)的愿景，却很难在他们身上看到。

这些创始人的背景高度同质化，他们的商业计划书更为规避风险，他们的点子往往只是现有产品的豪华 V2 版（V2s） (即 Version 2，指在现有产品基础上的迭代升级版)，而非真正意义上的原创押注。

考虑到中国培养了如此海量的技术人才，我本以为，能在这里听到更多前所未闻的奇思妙想。

我的解读是，中国的教育体系培养出了卓越的人才，但却没有给“离经叛道”留出足够的空间。

这导致产出的创始人往往是解决已知问题的顶尖执行者，而不是那种能揪出一个“没人知道它存在”的问题并将其解决的人。

VC 正在推波助澜 (VCs Are Reinforcing the Pattern)

更有意思的是，本土的投资人们正在加剧这种现象。

很多中国投资基金的核心投资逻辑，就是押注来自字节跳动或大疆的优秀前员工——他们看重“血统”而非“锋芒”，看重“光环”而非“信念”。

VC 们的背景也折射出了这一点：大多数人都有着大厂、咨询公司或投行的背景，这和十年前欧洲的 VC 圈如出一辙。

讽刺的是，回顾历史，中国最顶尖的创始人——那些真正缔造了时代级伟大公司的企业家——往往根本没在大厂打过工。

马云是个高考落榜两次的英语老师；任正非离开部队后，在 43 岁创办了华为；刘强东是从摆地摊开始创办京东的；王兴博士辍学，从第一天起就开始创业；而最近大火的梁文锋，除了自己的公司外，从未在其他任何地方上过班，却打造出了 DeepSeek。

他们都是打破常规的异类，是没有光鲜“证书”的人——而恰恰是这类人，在当前的投资体系下大概率会被直接筛掉。

发掘这类创始人才能带来真正的超额收益（alpha）(金融术语，指超越市场平均水平的回报，这里借指独特的投资眼光与回报)，但在我看来，现在几乎没有人在关注这个群体。

深圳与硬件生态 (Shenzhen and the hardware ecosystem)

我在中国看到的最震撼的东西，不是哪场创业路演。

而是深圳的“地下硬件工坊”——在那些车间里，工程师们系统性地采购西方的高端产品，然后把它们大卸八块，以极其严谨的方法对每一个零部件进行逆向工程（reverse engineering）。

离开时我真的有些怀疑，大部分西方做硬件的创始人，到底知不知道自己面对的竞争对手是个什么怪物。这里的网络效应不是停留在纸面上的理论，而是实体存在的、高度密集的，且是经过几十年积累而成的。

我们遇到的创业者用数据印证了这一点：超过 70% 的硬件原材料采购自大湾区，接近 100% 来自中国本土。

这种供应链优势，让他们的产品迭代周期快到西方硬件公司根本无法企及。

我遇到的大多数创始人都在复制“大疆模式”：在某个垂直细分领域打造消费级硬件——比如电动轮椅、割草机器人、新一代健身设备——将营收规模做到千万甚至上亿美元，然后利用积累的客户群或底层技术，向相邻的品类扩张。

有些公司的规模已经远超你的想象。我见到的最令人惊叹的公司是拓竹（Bambu），一家大多数西方人可能都没听过的 3D 打印公司，据说它的年利润高达 5 亿美元，并且还在以每年翻倍的速度增长。

对中国软件市场持悲观态度 (Bearish on Chinese Software)

相比来的时候，离开时我对中国软件领域的投资机会更加持怀疑态度。

在模型层（model layer），中国的开源（open source）模型确实令人瞩目——但闭源模型（closed models）与西方最顶尖水平相比仍有显著差距，而且这个差距很可能会越来越大。

这背后的资本支出（CapEx） (指购买 GPU 等计算基础设施的大额投资)差距是巨大的。

获取 GPU 依然受到限制。而且西方的顶级 AI 实验室正越来越严厉地打击模型蒸馏（distillation） (一种让小模型通过学习大模型输出，来走捷径提升能力的训练方法)。

营收数据更是将差距体现得淋漓尽致：据报道，Anthropic 仅在二月份就实现了 60 亿美元的收入；而中国最好的模型，其年度经常性收入（ARR）也不过在几千万美元的量级。

在软件初创公司方面，目前的主流画像是前字节跳动的产品经理和研究员，他们正在针对西方市场开发各种具有智能体（agentic）功能或环境感知的消费者软件。

人才确实顶尖，但很多这类产品完全处于海外大型 AI 实验室未来原生自带功能的射程范围内——一旦大厂更新，它们就会变得多余 (即俗称的“AI 套壳”，一旦底层大模型更新官方功能，这类产品就会立刻被淘汰)。

我还注意到，中国普遍缺乏那种规模庞大、增长迅猛的非上市软件公司。

在西方，除了做大模型的公司之外，已经涌现出了一批 ARR 达到千万甚至上亿美元、且增速惊人的明星初创企业，比如 Cursor、Loveable、ElevenLabs、Harvey 和 Glean。

这种级别的破局者在中国基本看不到——而仅有的几个例外，比如 HeyGen、Manus 和 GenSpark，一旦找到了破局点，最终也都选择了“出海”离开。

估值泡沫 (The Valuation Bubble)

撇开软件不谈，无论是在早期还是中后期，市场的泡沫都是实打实的。

在早期阶段，虽然从字节跳动、DeepSeek 和月之暗面（Moonshot）出来的顶尖人才，其薪酬成本仍远低于美国同等水平的人才，但公司的估值中位数却已经与美国看齐。

甚至还没有产品的消费级初创公司，估值在一到两亿美元之间是常态。种子前轮（Pre-seed）融资超过 3000 万美元也见怪不怪。

到了中后期，这些估值数字就更难自圆其说了。MiniMax 在公开市场上的估值大约在 400 亿美元，但其 ARR 还不到 1 亿美元——相当于营收的 400 倍。

智谱（Zhipu）的估值约为 250 亿美元，营收在 5000 万美元左右。

作为对比，OpenAI 在融资顶峰时期的估值大约是其 ARR 的 66 倍；Anthropic 大约是 61 倍。

像月之暗面这样的非上市模型公司，正是利用这些公开市场的可比估值（comps），在短短几个月内以 60 亿、100 亿甚至 180 亿美元的估值进行融资。

币圈（Crypto）的投资人对这种套路绝对不陌生：投资人正在用非上市公司的估值，去对标一个解锁前的公开市场标价 (加密货币圈术语，指由于代币尚未解锁流通，导致盘面资金极小、价格被严重虚高的现象)。

此外，支撑智谱和 MiniMax 维持在如此高位的另一个原因是，目前它们是投资人押注“中国 AI 叙事”仅有的渠道，这种稀缺性自然带来了溢价。但随着更多公司进入市场稀释份额，这种情况将会改变。

最后，IPO 的窗口期向来是说关就关、毫无征兆的——你根本无法确定，在你用来对标的那个价格暴跌之前，你能不能顺利完成套利（arb）。
人形机器人（humanoid）领域的情况也如出一辙。

中国大约有 200 家人形机器人公司，其中约 20 家融资金额超过 1 亿美元，有几家甚至高达数十亿美元——几乎所有这些公司都还未产生收入（pre-revenue），大部分都计划在 2026 或 2027 年赴港 IPO。

如果这个市场真的存在，中国在硬件领域的绝对优势会让长期的竞争格局变得非常清晰。但商业化的落地时间，很可能会比当前这疯狂的融资节奏所预期的要漫长得多。

而且，我非常怀疑香港股市能否承接得住目前排着队等待上市的这么多估值几十亿美元的人形机器人公司。所以我目前选择观望。

值得关注的“不对称性” (The Asymmetry Worth Paying Attention To)

有一点完全出乎我的意料：我遇到的几乎所有创始人，都是优先瞄准全球市场，其次才是中国市场。

他们日常使用 Claude Code 写代码，看 Dwarkesh 的硬核访谈播客。他们对旧金山的创业圈生态了如指掌，有时候甚至比那些没怎么密切关注市场的西方投资人还要清楚。

西方对中国的防备心理，要远高于中国对西方的不满。中国的创始人们觉得，把中国顶级的工程执行力和深厚的硬件功底，与西方的走向市场（go-to-market）策略和产品愿景结合起来，是再自然不过的事。

这种结合一旦落在一个对的创业团队身上，必将诞生出一些真正令人惊叹的伟大公司。

找到这样的创始人——那些不符合本土 VC 圈刻板“精英履历”标准的异类——正是我们现在的首要目标。

*特别感谢 woutergort 向我们分享了他强大的中国关系网，感谢 PonderingDurian 组织了这次行程，也感谢 Claude 耐心地润色了我在飞机上的这些碎碎念。

（请在微信搜索“创头条”关注公众号。）

最近，Manus  话题再次引发舆论关注，外交部还就此做了回应。感兴趣的，可去查询。

昨天，有自称 manus 前员工在 X 上发小作文，讲述关于 Manus 事件的“真实故事”。

作者以亲历者视角澄清称， Manus 并非网传那般不堪，而是地缘博弈下的不完美受害者。

它先遭美国监管施压，陷入资本与市场绝境；国内又因舆论绑定与官方认可，进退两难。

作者指出，赴新加坡是试图中立平衡，走闷声发大财的老路，并非抛弃团队，员工均获妥善安置。

贴文也承认，Manus 对国内创新环境起了很坏的示范作用。

他还认为，如今，大模型已从闭源转向开源并进，Manus 当年困境对当下创业者不再成立，国内仍有创新机会。

对于这篇小作文，有评论称，内部视角就是不一样。

有网友则指出，20 亿美金的交易不做合规审查，完全是团队的问题。

贴文作者还在评论里感慨称，作为局中人，“面对实打实的诱惑，选择很艰难。”

以下为“小作文”全文：

大家与其看所谓的 manus 虚拟故事，不如我给大家讲讲真实的事情发展。

作为前员工和做过传统行业，和国央企，市区县一级政府深度打过交道的人。大家对两者都有不同程度的误解，这些误解有些来自于信息的缺失，有些则完全是偏见和想象。

我只能说这场风波里 manus 和中国政府都是不完美的受害者。

很多人已经忘记了，manus 第一次面临来次政府的压力，不是中国而是美国。

2025年3月，manus爆火。4月末，benchmark 领投 $7500万。

转瞬 5 月中，美国财政部就问询 benchmark，内容是这笔投资是否属于针对“关注国家”先进技术（如人工智能）投资的新限制范围。

那个时刻，大模型，确实只有anthropic，openai，gemini。开源模型一个能打的都没有。美国同时又是资金最充沛，用户付费意愿最高的市场。

可在中美脱轨背景下，美国不太能容下中国公司拿着美国人的投资挣美国人的钱。

很多人不知道，就在 benchmark 投资后，美国问询前，内部有过一次 all hands 大会。

那时候 red 很骄傲地说，他的愿景是做一个被世界认可的“中国公司”。

没错，很难想一个大家现在快被黑成什么的人，其实抱着赤子之心的。

但现实真的很难。那次问询几乎把 manus 逼上绝路。

拒绝美国，不仅是拒绝整个美国的资本和市场，还等同于让当时绝对依赖闭源 sota 模型的 manus 在产品上自杀。

而 manus 的成功已经就是肉眼可见的，那种具体清晰的果实给人的诱惑，无法抗拒。

而在国内，3月的全民欢呼，已经让 manus 和某种情绪有了联系。manus 的Logo出现在各种官媒上，甚至是CCTV。

稍微有点敏感度，都会知道这背后，是来自官方的认可。而认可背后，就代表着，manus的背离要打这些所有人的脸。一根筋变两头堵。

世界是如此荒谬。manus 每一次的困境，都是因为成功造成的。

于是就有了七月份搬到新加坡的决策。

这个决策怎么形成的，无从得知。但没有发生所谓把中国团队直接裁掉。

当时的策略是，在EP（工作签）可以满足的情况下，能够去新加坡都去。不能去的，顶格赔偿。除了搬去新加坡这件事情上，对于员工的处理无可指责。

而且在问询前，团队定的基调是要迅速扩张。七月份走的人，绝大部分是manus三月份火了之后，招进来的。

这批员工，不仅拿到大礼包，而且因为当时正值 manus 如日当天，很多人都靠这段经历，转身就进了大厂。

出走新加坡的决策很大概率是一次惯性决策、激情决策，是期待能够在中美关系僵化的时间点，找到一个所谓的，两边都不得罪的平衡点。期待能像过去一样，走闷声发大财的路。

可 manus 太过于出名，以致于低调出走这个事情没能够如愿发生。

很多人关注到了，但很多人都关注错了。

大家没有看到，这是 manus 作为公司面对中美关系的无能为力，以及因为开源模型能力不足的无奈。

而是归因到国内没有创新的土壤，容不下创业公司更加有流量噱头的说法。

manus 一下子从官方认证的创新企业，走向了对立面。

如果 manus 再次之后泯然众人，可能就和过往一样，大家迅速就遗忘了。但还是那句话 manus 每一次的困境，都是因为成功造成的。

meta 的收购，又把 manus 推上风口浪尖，又一次，舆论走到上了“唯有美利坚”才能成功的叙事。

说完 manus 的里程，再回到政府视角。

manus 作为应用层创新，真的不是政府的第一优先级。国内一直以硬科技，长投资为主，30亿美金很大，但是摆在国内整体市场上，他只是一小部分。

但是舆论不知道，大众不知道，manus 的成功被扩大化为，对国内整个创新环境的否定。

一大批公司在没有了解背景的情况下，蜂拥跑去新加坡注册公司，manus 事实上形成了非常坏的示范作用。这是对政府难以接受，不能没有动作的。

对于 AI/Agent 创业者来说，真的不用考虑这些。

这当然不是说，我觉得不会有比 manus 更成功的产品，不会碰到因为名气太大而端上桌的困境。

而是一个核心约束变了，模型叙事已经从闭源，转为开源和闭源同头并进。已经能够感觉到，模型训练的方法已经从封闭的极少部分人，逐渐地扩散出去。

manus 当时的模型依赖问题，对于现在的创业者来说可能已经是一个伪命题了。国内虽然还有大厂下场，退出路线不明确很多问题。

但是，看看现在的大厂，不也是从当年的国央企林立中走出来的，也许国内下一个字节的机会就在当下！

（请在微信搜索“创头条”关注公众号。）

针对“外卖大战”，王兴指出，“我们坚决反对内卷化。我们将积极配合监管调查。”

王兴强调，美团正将资源从低客单价和低质量的订单中收回，以捍卫市场份额并推动高质量增长。“

AI是本次电话会市场关注的另一大焦点。

王兴表示，“虽然AI将彻底改变一切，但在这场AI革命中，唯一有意义的策略是，主动出击，而不仅仅是防守。但这并不意味着我们要急于成为‘token工厂’之一。”

王兴认为，通用AI无法可靠地管理真实的物理世界服务体验，如果不能深度参与履约服务管理，AI“只是一个聪明的聊天机器人”。

与之相比，如实时的POI(兴趣点)数据、交通信息、餐厅空位和真实评价等，则正是美团在物理世界建立的深厚护城河。

在寻找新的增长曲线方面，王兴称，美团正在即时零售与海外市场(Keeta)双线出击。

以下为美团电话会全文实录

王兴

大家好。2025年对美团而言，既是充满机遇的一年，也是面临挑战的一年。面对前所未有的激烈竞争，我们始终专注于服务消费者、商户、骑手及所有生态伙伴，我们致力于创造长期价值。

2025年，我们平台的GTV和交易量均实现双位数增长，新增交易用户数、用户交易频次以及ARPU均达到新高。

这些关键指标巩固了我们作为中国消费者首选本地服务平台的坚实地位。

2025年，我们全面升级了美团会员计划。这是我们首个覆盖几乎所有品类的消费者忠诚度计划。它帮助我们推动交叉销售，并增强了核心用户的粘性。

同时，依托我们在本地服务领域的综合优势，我们推出了自主研发的AI助手——小美和小管。我们将AI技术带入了真实的消费场景。

展望未来，美团会员和AI将继续成为我们提供差异化、增强型本地体验的关键工具。

无论市场环境如何演变，我们始终专注于加强长期护城河，并推动整个行业的健康可持续发展。我们也积极寻求新的增长机会。

2025年期间，我们取得了一系列关键进展。

首先，我们加速了向供给侧的深度渗透，并通过供给侧创新，构建了一个覆盖全价格带和多元品类、全面的高性价比供给体系。这使我们能够精准满足用户在餐饮外卖、即时零售和服务零售方面的综合需求，也巩固了我们作为一站式本地服务平台的地位。

在餐饮外卖方面，我们与商户合作，聚焦于产品、门店形式和渠道的创新。品牌卫星店、回转自助火锅、共享厨房等创新模式，帮助大量餐饮品牌和中小商户提高了运营效率，拓展了业务。

我们与商户合作，推出了"神抢手"等其他模式，在不同价格带推出了优质优价的爆款产品，服务了更广泛的消费群体。

在即时零售方面，我们深化了在本地供给的布局，成为众多领先品牌全渠道战略的重要合作伙伴。我们持续延伸在供应链上的触达能力。

我们的创新供给模式，包括美团即食仓、美团闪电仓、品牌官旗闪电仓，以及我们自营的小象超市和微仓，已成为即时零售的重要供给。

我们与顶级酒类品牌紧密合作，酒水业务实现了快速增长。在医疗健康领域，我们持续加强家庭常用药、医疗器械的本地供给，支持众多创新药的线上首发，并进一步扩大了24小时药店、在线问诊和居家检测服务的覆盖范围。

小象超市在第四季度加快了城市扩张步伐。过去几年，小象超市建立了强大的供应链，提升了生鲜品质，并发展了行业领先的产品能力。我们的自有品牌产品现已覆盖更广泛的品类，贡献了更高的GTV占比。

在我们的到店、酒店及旅游业务中，我们推出了高品质商户推荐榜单，并将必吃榜、黑珍珠等榜单项目扩展至教育、健身、医疗、养老服务等更多品类。

基于对消费趋势的深刻洞察，我们进一步丰富了体育赛事、文化艺术票务、家政服务等供给。此外，我们支持超过100万独立手艺人(小燕)在我们的平台上实现数字化，增强了我们独特的服务生态系统连接。

第二，我们专注于通过产品迭代和美团会员升级来增强综合服务能力，为消费者提供卓越的消费体验。

在履约方面，我们升级了准时宝和专人直送等服务，在2025年显著扩大了其覆盖范围。这为消费者提供了更可靠、更高质量的履约保障，巩固了我们在履约方面的竞争优势。

在即时零售方面，我们联合数百万商户和品牌，推出了行业首个全周期服务保障计划。该计划为高等级会员和精选品牌商品提供免费退换货运费，引领了体验、履约、配送和售后支持等全行业的服务标准。

在医疗健康方面，我们扩大了与三甲医院医生的在线问诊合作。我们升级了对牙科、医美等服务的核验和服务保障。这些努力全面提升了在线医疗服务的可靠性。我们将这些高质量服务与我们全面升级的美团会员深度融合。

我们为会员推出了一系列专属权益，覆盖餐饮外卖、酒店预订、生活服务、出行、医疗等多元消费场景。

这些会员专属权益活动显著提升了用户心智和交易频次，使我们能更好地服务核心用户群体。因此，大量中级会员晋升至更高级别。

在激烈的竞争中，我们的高价值会员群体持续稳定增长，其交易频次和消费金额均有所提升。值得注意的是，他们还在更广泛的品类中进行交叉购买。

我们持续增强的美团会员计划提供了强大的多维支持。它促进了流量、运营和交易增长，也推动了核心本地商业中不同品类、不同场景之间的交叉销售。

总体而言，我们巩固了在基础设施和用户心智方面的领先地位，即使在竞争异常激烈的市场环境下也是如此。

第三，我们始终专注于培育可持续的生态系统，并正在采取切实行动，推动整个本地服务行业实现高频、高质量的增长。

我们持续赋能中小商户。

例如，我们增加金融支持，推广"明厨亮灶"项目，并利用AI工具提升商户运营效率。我们旨在促进餐饮服务业的健康发展，并应对诸如营销内卷化、食品安全治理等结构性挑战。

我们在骑手福利方面也取得了进展。

2025年，我们率先在全国范围内为各类骑手提供养老保险补贴计划。我们的职业伤害保障试点现已扩展至17个省区市，覆盖超过1600万名骑手。这项保障对集团无财务成本负担。此外，我们持续在医疗、教育、住房等领域完善骑手的多层次福利体系。

第四，在我们的海外市场，Keeta加速了全球化布局，并在2025年实现了良好的增长势头。

在香港，Keeta巩固了其领先地位，并在第四季度实现了正的单位经济效益。在沙特阿拉伯，Keeta的订单量在2025年全年持续增长，并凭借更高质量的服务成为当地消费者的首选平台之一。

在2025年下半年，我们在卡塔尔、科威特、阿联酋和巴西启动了业务运营。所有这些新市场自业务启动以来都展现出强劲的增长势头。

展望未来，Keeta将继续发挥其在产品、技术和运营经验方面的优势。我们将与全球各市场的商户和骑手紧密合作，共同推动行业的数字化转型，让更多国家和地区的消费者享受到我们优质、高效的服务。

此外，在2025年，我们拥抱了人工智能带来的机遇。

我们致力于通过将AI创新与我们已验证的实体服务优势相结合，推动物理世界的人工智能转型。

多年来，我们对AI技术进行了重大投资。我们结合自身研发实力，开发了自有的多模态长文本模型系列。

同时，我们也使用了最先进的第三方模型。我们还利用了美团独特的数字资产，包括广泛的商户信息、高质量多元化的供给、真实的消费行为和用户评价。

我们首先在独立App上测试了智能生活助手"小美"。更重要的是，我们已将嵌入美团App的AI助手"小管"推送给所有用户。

我们将AI技术与美团平台上的应用场景相结合，覆盖了本地服务全品类。美团App中的AI功能"小管"将从根本上改变消费者使用我们App的方式。

搜索将演变为只需用自然语言提出请求，而不仅仅是输入关键词。"小管"依托美团丰富的供给和强大的履约能力，结合美团App成熟的原生界面，在2025年为消费者带来了全新的、易用的、卓越的体验。

2026年，我们将继续优化"小管"的用户体验。我们的目标是，让"小管"成为最以用户为中心的本地服务AI智能体。

回顾2025年，我们面临着复杂的外部环境和前所未有的激烈竞争。但我们始终坚守"帮大家吃得更好，生活更好"的使命，努力为消费者、商户、骑手及所有生态伙伴创造实实在在的价值。

展望未来，我们相信核心本地商业仍然具有强劲的增长潜力和强大的业务韧性。我们将继续深化供给侧渗透，提升服务质量，完善美团会员计划，并投入生态系统建设。

我们将进一步巩固作为大多数消费者首选本地服务平台的地位，并推动行业高质量发展。同时，零售业务(包括即时零售)和海外市场是具有清晰战略和潜力的长期增长曲线。我们将秉持投资纪律，积极探索这些领域。

更重要的是，随着我们进入人工智能时代，我们将坚定执行"零售+科技"战略，利用人工智能深度赋能本地服务行业，为消费者和商户带来更佳体验。

高盛分析师

我想问一下关于AI超级入口或入口点的竞争，因为这种新时代已经开启。公司如何看待这一趋势以及未来的发展?从风险方面看，这是否会导致在App时代作为主要流量入口的地位丧失?管理层有哪些战略或计划来应对这一风险?您能否也分享一下AI智能体和长文本模型的最新进展?

王兴

谢谢。在过去的财报电话会上，我已经明确表示，我认为虽然AI将彻底改变一切，但在这场AI革命中，唯一有意义的策略是，主动出击，而不仅仅是防守。

但这并不意味着我们要急于成为"token工厂"之一，完全不是。

我们将AI视为一个战略机遇，用于改进、加强甚至革新我们在本地服务(我们的核心业务)中的产品。我将稍作阐述。

首先，我认为AI需要大量投资。

因此，自2023年初以来，我们在资本支出和AI人才方面投入了大量资金。因此，除了那些云公司之外，我们可能是中国公司中在AI领域投资最多的公司之一。

我们这样做已经超过三年了。这显然对我们的资产负债表和现金流产生了影响，但我们将继续致力于开发自有的长文本大模型，因为我们相信，为了更精确地理解物理世界，基于我们自己海量的专有数据，我们需要具备构建内部模型的能力。

但同时，我们也在与最先进的第三方模型合作。我们正努力引领将我们的主美团App升级为AI驱动的App，以便更好地满足消费者在本地服务、电商领域的端到端需求。

因此，我们认为，所谓"超级入口"的竞争，根本上取决于准确理解用户需求、然后高效执行任务的能力。但这里远比一个聪明的聊天机器人复杂。

本地服务行业具有高度复杂的用例，存在大量非常碎片化的信息，以及来自中小商户的众多实时信息。

这些商户并未完全数字化。因此，商户端和消费者端的许多数据尚未有效数字化，无法从AI中获益，我认为这些数据首先需要数字化。

这正是我们多年来一直在做的事情。许多商户运行在我们的数字化系统上，因此我们拥有无与伦比的渠道接触他们的数据。但此外，本地服务平台还需要能够深度参与履约服务的管理，否则它只是一个聪明的聊天机器人。

在这里，我认为，通用AI无法可靠地管理和保障真实的物理世界服务体验。而我们美团已经建立了极其丰富的物理世界数据，包括商户POI数据、动态实时的商户运营数据，以及最全面、最真实的本地服务用户评价。

我相信，我们在餐饮外卖网络、即时配送网络、业务拓展运营、零售供应以及未来的无人机、无人车和其他具身智能技术方面的深厚专业知识，将为我们连接AI与物理世界提供显著优势。

我们的自研模型正在追赶那些开源的先进模型。我们的智能体也在快速演进，这将帮助我们无缝整合数字与物理世界的信息。

举几个例子。

我们最近已将AI助手"小管"向美团App内的所有用户开放。在此之前，我们发布了一个独立的AI App——"小美"。但对于"小管"，现有数亿美团App用户将受益于这些新的AI功能。"小管"覆盖了我们平台上的所有本地服务品类，用户可以用更自然的方式表达他们的需求。

过去，大多数人都习惯了通过几个关键词进行搜索。但现在，借助增强的AI能力，"小管"可以理解用自然语言表达的更长查询。"小管"可以访问美团App内的所有数据。

我再举一个具体的例子。

用户用美团App找餐厅很常见。但有时需要更好地理解用例。

比如，有一天我会问美团一个非常具体的问题：我在望京办公室，我有一个朋友在中关村(北京西边)工作。我们计划一起吃午饭，只有2小时时间。您能帮我们在中间位置找到一家有好的包间、辣菜、并且方便停车的餐厅吗?我认为这是一个非常自然的真实需求。

但在过去，受限于有限的关键词搜索，用户无法提出这类问题。现在，借助增强的AI能力，这成为了可能。

这是一个非常真实的用例。但为了真正回答这个问题，你需要有地图信息、POI信息，甚至交通信息。你还需要知道不仅仅是餐厅的位置，还要了解餐厅的菜品或实时空位情况。否则，你可能会推荐一家非常热门的餐厅，但用户无法预订到桌子或包间。

这不是用户需要的。因此，要真正满足这一需求，我们的系统需要能够访问物理世界的大量信息。AI正在帮助我们整合所有这些物理世界数据，为我们的用户提供更好的用户体验。

因此，依托美团全面、真实的商户数据库，"小管"现在实际上可以回答这些具体问题，不仅涉及商户或位置、营业时间、门店设施等。"小管"还可以利用我们真实的用户评价和推荐，提供有价值的见解。

凭借这种增强的推理能力，"小管"可以满足更个性化的查询，并为餐饮、娱乐、旅行、购物等生成一站式指南。

我们很高兴看到"小管"功能在春节期间有效满足了用户的需求，但这仅仅是个开始。它收到了积极的反馈，并进一步加强了用户参与度。

未来，我认为模型会变得更好，我们将继续深化"小管"功能在美团App中的集成。我们希望利用新的AI技术，使美团App成为所有用户满足本地需求、本地服务需求的首选目的地。

我们将增强AI搜索能力，并增强执行能力。然后，我们努力将美团升级为领先的AI驱动型App，成为未来本地服务需求的AI入口。谢谢。

中信证券分析师

谢谢。晚上好。感谢回答我的问题。关于国务院从1月初开始对餐饮外卖市场竞争状况的调查，我们的业务策略有变化吗?我们最近看到的竞争环境有什么变化?展望未来，我们计划如何在当前的监管环境下维持或扩大我们的竞争优势?此外，餐饮外卖业务的亏损从第四季度到第一季度持续收窄，这是我的问题。谢谢。

王兴

我们认为监管方向已经非常明确。主管部门坚决反对所谓的"内卷化"，并希望培育一个健康有序的市场。

餐饮外卖行业中的补贴驱动或价格驱动的竞争是非常典型的非理性竞争，也是非常典型的内卷化。我们非常重视这个问题。

我想重申我们的立场。我们坚决反对内卷化。我们将积极配合监管调查。同时，我们将资源从低质量订单中收回。我们努力捍卫我们的市场份额和市场领导地位。

因此，在2026年，无论市场环境如何演变，我们的餐饮外卖策略始终保持清晰和一致。

第一，我们将继续专注于做正确的事情，增强我们的核心优势，即扩大高质量选择、确保快速可靠的配送、提供持续有竞争力的价格。

第二，正如我之前所说，我们将保持领导地位，同时将资源集中在推动高质量增长和提高运营效率上。

第三，我们将持续创造价值，除了我们正在进行的工作，如供给侧创新、为骑手提供全年支持和福利改善等。

我们还在推动产品和服务升级，以及在AI和其他自动化技术方面的创新，以提升整个行业的效率和体验。

因此，展望未来，我们认为，竞争将转向深度挖掘用户生命周期价值、提升供给质量和多样性，以及提供无缝的端到端用户体验。

在最近几个月，尽管竞争持续激烈，存在相当多的非理性补贴，美团仍然是高价值消费者在选择餐饮服务时的首选，因为我们提供了更好的整体体验。

我们在中高客单价订单方面保持了竞争优势，平均订单价值持续远高于行业平均水平，这得益于我们对高质量增长的关注和订单结构的改善。

我们有望在第一季度看到餐饮外卖每单亏损，相比去年第四季度，实现更有意义的环比改善。我们相信，一个更规范的市场有助于将竞争从单纯的补贴战转向创新、服务体验和效率。

这些正是我们更具优势的领域。我们将继续磨练我们的核心优势，通过更好的运营、产品本身的创新和迭代，这将帮助我们在中高客单价订单、高价值用户和高效配送网络方面巩固结构性优势。

我们对我们餐饮外卖业务的竞争力和长期潜力充满信心。谢谢。

瑞银分析师 

我们注意到，自去年第四季度以来，抖音大幅增加了对到店业务的补贴，并且其补贴预计在2026年仍将维持高位。所以，想了解一下您对当前本地服务竞争格局的看法，与2022-23年的竞争周期相比，美团目前的策略有何不同?

王兴

谢谢。对于你的问题，从短期角度给出的简短回答是：是的，我们看到竞争对手最近加大了投入和投资。这可能会对我们短期的盈利能力产生负面影响。这是我们所面临的现实，我们也希望市场能够理解。但我会花更多篇幅谈谈我们对该业务的长期策略。

我认为，理解竞争对手的格局在最近几年发生了很大变化是关键。

整个到店行业在过去几年经历了显著变化。在竞争方面，行业参与者现在在品类、商户和消费场景上有了相当差异化的关注点。领先的参与者现在更加注重高效的运营策略。

对我们而言，我们的首要任务始终是该业务的长期可持续发展，而不是在战术层面的短期取胜。

我们坚信，端到端的业务仍然具有巨大潜力，但仍需要在全价值链上进行大量投资和更多创新。无论格局如何变化，为消费者和商户提供高效、优质的服务，并推动强劲的线下消费增长，是成功的关键。

多年来，我们看到消费者需求发生了变化，他们要求更个性化的体验和物有所值的消费，同时，对延伸服务的需求(如在线辅导、预订、线上下单线下自提)也在持续增长。

在供给侧，供给形式和服务品类不断推陈出新，紧跟消费趋势。这种持续的发展势头也是推动数字化转型的关键动力。

在技术前沿方面，消费者和商户对AI驱动产品的期望和需求都在增长。在这些趋势下，美团始终保持警觉，并持续运用我们对行业的广泛经验和深刻理解进行创新。

我们已经并将进一步增强在品类组合、商户生态和运营效率等领域的差异化优势。

例如，得益于美团和大众点评在餐饮领域的多年专业知识和洞察，我们注意到餐饮业务的商业逻辑发生了变化，我们直接与高端餐饮合作伙伴分享这些洞察，帮助他们保持领先地位，并快速适应不断变化的消费者需求。

我们也在持续跟踪行业趋势，探索自助模式、休闲娱乐、体育文化活动票务、自营家政服务等新供给。

我们平台多年来积累的真实用户评价，以及整合的一站式在线服务(包括团购、在线预订、自提、美团预订、QA管理)，已成为我们独特的竞争优势。

此外，超过100万手艺人已成为我们平台上的独特供给。

在技术方面，我们的AI智能体"商家经营助手"帮助商户优化数字化服务。商户能够通过利用AI调取和分析消费者偏好来提供个性化服务，还可以智能分析消费者反馈以改进运营。

此外，我们的AI智能体，如数字员工和AI业务拓展，简化了商户在开店、日常运营和客户获取等方面的操作。我们将继续为商户提供自己的AI助手。

在2026年，我们将进一步差异化我们的服务，并分配更多资源，以获得更高的投资回报率。我们将加强在核心品类的地位，并尽量减少在非核心领域的无效投资。

展望未来，我们将继续致力于为消费者提供无缝的服务闭环，提供精准决策和一站式体验。我们旨在建立一个覆盖客户获取、转化和留存的更全面的商户赋能体系。我们将继续通过数字化转型促进行业的可持续发展。谢谢。

杰富瑞分析师

谢谢管理层回答我的问题。美团计划收购叮咚能带来什么协同效应?美团零售业务的战略如何演变?美团自营零售业务的策略是怎样的?

王兴

谢谢关于叮咚的问题。关于我们零售业务的策略，我们最近宣布以7.17亿美元收购叮咚的中国大陆业务。但请注意，这笔交易仍需获得监管批准。

显然，最重要的原因是我们对中国零售业务(包括线上和线下)充满信心。

除此之外，此次收购还有两个关键原因。

首先，它将增强美团在即时零售领域的整体能力，特别是加强我们的供应链能力。这也将有助于我们零售业务运营效率的进一步提升。

其次，叮咚已在华东地区建立了强大的市场地位。通过此次收购，如果成功，我们将显著提高我们在该地区的覆盖范围和服务质量。

零售业务与公司使命高度契合，是我们的长期战略重点之一。

随着市场动态的演变，我们观察到，像小象超市这样的自营供给在即时配送生态系统中变得越来越重要。小象超市代表了平台上的高质量供给保障，为用户提供更可靠的购物体验。鉴于该行业的增长潜力，我们看到了巨大的机遇。

去年，我们已经重组了零售业务组合，转向更高效的方式以推动可持续增长。

过去几年，小象超市保持了强劲的增长势头，同时持续提升运营效率。我们扩大了自有品牌商品供给，覆盖了夜间消费场景，并保持了行业领先的履约速度和体验。

我们相信小象超市代表了一种模式，即美团可以利用其优势，朝着明确的盈利路径前进。展望未来，我们计划将这种模式扩展到更多城市和地区，为更多消费者带来更快、更新鲜、更实惠的即时零售。谢谢。

摩根士丹利分析师

嗨，感谢提问的机会。我的问题与Keeta有关。Keeta在香港和沙特阿拉伯都取得了一些进展，但考虑到监管和竞争的限制，前方的道路看起来相当具有挑战性。管理层能否分享一下公司在2026年的海外战略是否有任何更新?你们计划今年在巴西投资多少?你们预计沙特阿拉伯何时能实现盈利?在2026年。谢谢。

王兴

谢谢。在讨论我们2026年国际战略的具体细节之前，我想借此机会对我们在中东的员工、商户、骑手以及所有生态伙伴表达我最深切的感谢。感谢你们在工作中的不懈奉献，为所有用户提供基本服务。在这个困难时期，我们正尽一切努力保障你们的安全和生计，共同克服这些挑战。

现在回到问题。首先，我想强调，美团在中国境外的核心理念始终是为整个生态系统创造价值，并推动行业长期增长，而非内卷化。这从来不是我们想做的，我们通过Keeta进行的国际业务也将遵循同样的原则。

我们希望与当地参与者共同成长。我们希望帮助加速当地本地服务行业的数字化转型，我们希望共同服务并拓展更大的市场。因此，最终，我们希望为这些市场的用户、商户、骑手和其他合作伙伴创造新的价值。

2026年，Keeta将主要聚焦于我们目前的市场，因为每个市场都有不同的产品动态。因此，我们将保持灵活性，根据当地情况调整策略。在平衡每个市场、每个阶段的增长和盈利能力的同时，合规将始终是重中之重。

因此，我们正在与当地监管机构非常积极地合作。长远来看，我们致力于全球运营，战略重点将放在即时配送和即时零售上，这些领域可以发挥我们的核心优势。

关于你提到的市场，正如我在上个季度所说，Keeta于2025年10月在香港实现了首个盈利月份。

请允许我提醒一下，Keeta于2023年5月在香港推出，并于2025年10月实现盈亏平衡。所以我们花了29个月才实现盈利。

今年，我们将专注于进一步改善运营。对于沙特阿拉伯，那是一个非常有利于配送业务实现盈利的市场。因此，我们预计Keeta在沙特阿拉伯实现盈利月份的速度将比在香港快得多。肯定会在今年年底之前。

实际上，我想说我们已经非常接近了，在不久的将来就会实现。我们在一些城市已经实现了盈亏平衡，我认为其他城市也会很快跟进。因为最近我们在沙特阿拉伯大幅削减了补贴，但我们的订单量仍然保持韧性。这意味着用户选择Keeta是因为我们更好的服务，而不是为了补贴或更低的价格。

因此，在2026年，我们将进一步优化我们在其他中东市场的运营，我们的订单也在快速增长。凭借我们的沙特经验(Southern Rib)和区域品牌认知，我相信我们能够快速提高在这些新市场的运营效率。

然而，我们在这些市场2026年的增长仍受外部风险影响，例如当前地区的复杂局势。关于巴西，我们看到了巨大的长期价值。因此，我们仍然坚定致力于在该市场的长期增长。

目前，我们的运营集中在圣保罗市(Sapporo)，这是巴西最大的城市。在更广泛的全国推广之前，我们优先在圣保罗完善我们的商业模式。同时，我们将积极探索业务策略，以建立差异化优势。

总体而言，Keeta在2026年的亏损仍将显著，因为我们在2025年下半年进入了大量新市场、大量新国家。这些市场的订单仍在规模化进程中。然而，这将被我们国内新业务更高效的改善所抵消。因此，我们预计2026年新业务分部的整体亏损不会超过2025年。谢谢。

（请在微信搜索“创头条”关注公众号。）

消息人士称，公司已就IPO相关事宜与中金、及高盛展开合作洽谈。

在一级市场，月之暗面今年早些时候刚完成超7亿美元融资，且正洽谈新一轮至多10亿美元的融资。

据彭博报道，此轮增资后，公司估值将达约180亿美元。

在此之前，公司已经完成多轮融资，主要投资方包括阿里巴巴、腾讯、红杉等。

AI 是新质生产力的主要方向，也是国内在资本市场予以特别扶持的产业。

今年1月，智谱AI、MiniMax等其他人工智能企业在香港上市后股价一直大涨，智谱目前市值 3070 亿港元、MiniMax 3127 亿港元。

在此背景下，月之暗面如能趁势 IPO，将会是个不错的时间节点选择。

去年底，杨植麟发内部信称，公司在超募完成 5 亿美元 C 轮融资后，现金持有量超过 100 亿元人民币。

杨植麟表示，相比二级市场，公司判断“一级市场仍然可以募集到更大规模的资金”。

他提到，月之暗面此前的 B 轮和 C 轮融资规模，已超过绝大部分 IPO 的募资额以及上市公司的定向增发规模，“正因为如此，公司在短期内并不急于上市”。

他把上市定义为一种“手段”，而非目标，节奏与时点将由公司主动掌控，用于在合适阶段加速 AGI 的推进。

月之暗面成立于 2023 年，核心产品Kimi，最早以长文本能力迅速出圈，在国内大模型产品中率先建立起广泛的用户认知。

随后，公司在 2024 年至 2025 年间持续加码基础模型与Agent能力，从单一工具型产品，逐步向通用智能体方向推进。

在快速扩张过程中，公司也被卷入高价买流量、与投资机构金沙江关于竞业的争议话题中。

（请在微信搜索“创头条”关注公众号。）

大家好，今天很高兴有机会分享我们在做开源模型和不断训练更好的大模型过程中的最新进展和思考。

其实做大模型本质上是把能源转化成智能。

转化的过程中，最重要的事情是规模化。也就是说，把尽可能多的能源，经过算力和模型，变成更多的、更高程度的智能。

本质上，规模化定律（Scaling Law）是过去若干年，所有的模型和 AI 发展的一个很重要的基础。

当然，规模化并不是代表我们只是去暴力地增加能源，或者去暴力的增加算力，而是涉及到我们如何有效地规模化。

我们会从三个维度去思考，如何提高效率。

首先，是提升 Token 效率。

它代表的是从同样的数据中能够学到多少智能。

因为这个世界上的有效高质量数据，其实是一个常量，或者说是一个非常有限的值。如果你有更好的网络架构，或者有更好的优化器，那么你就可以从有限的数据里学到更多的智能。

第二，是扩展上下文长度。

更长的上下文能力，意味着模型可以学会处理更复杂的任务。

为此，我们设计了新的网络架构 Kimi Linear 和专门的训练数据，来提升模型在长上下文时的表现。

第三，是 Agent 集群。

我们在最新模型 Kimi K2.5 中提出了一种新的规模化的方法，就是通过引入多个 Agent，让很多个 Agent 可以一起去工作，形成 Agent 集群。通过这种方式提升 AI 能完成的任务复杂度。

这是我们 K2.5 Agent 集群的一个内部测试结果。

横坐标是任务复杂度，纵坐标是执行时间。如果我们用这种单一 Agent 的方式工作，可以看到随着任务复杂度逐渐提升，完成时间是指数增加的。

如果你需要做一个非常复杂的任务，比如从头去写一个代码仓库，去实现一个很复杂的功能，需要几天甚至几周的时间。

但如果我们能够并行，比如说开启 100个 Agent 同时去做这个任务，然后在过程中它们会互相协作，互相协调和规划接下来应该做的事情，就跟人类的组织一样，那么随着任务复杂度的增加，执行时间其实没有太大的变化。

这意味着你可以在单位时间内去完成更加复杂的任务，使得原来一些完全不可能实现的任务变得有可能。

就像一家公司，如果你想做一个非常艰难的事情，完成一个很复杂的使命，比如说从 0 到 1 建造一家 100 亿或者 1,000 亿美元的公司，那么你只靠一个人，可能要 100 年才能做出来，那你在市场上是没有竞争力的。

但这个时候如果你有100 或者 200 个非常聪明的人，能一起协作，那就有可能在短时间内完成。

通过 Agent 集群能力，我们可以实现规模化的输入。

比如说，你可以同时去调查几百个不同的数据来源，在各种权威的数据源里面寻找答案；你也可以做规模化的输出，比如说你可以通过阅读这些数据来源，去撰写一个几百页的论文；以及去规模化的执行或规模化的编排，去提升模型能处理的任务复杂度。

同时，我们非常注重研发更好的底层网络架构。

这是我们最新开源的模型架构，叫做注意力残差（Attention Residuals）。

这项技术主要的灵感来自于 10 年前的技术 Resnet， 或者叫残差网络连接。

在十年之前，其实没有任何人有办法去训练深度的神经网络。直到何凯明等研究者引入残差网络，可以让模型去训练几十、几百层的网络，可以任意的增加层数。

这种残差结构，其实可以认为是 LSTM 网络的一个变种，只是说 LSTM 是应用在时间的维度上，残差网络更多体现在网络深度上，使得每一层可以用上一层的输出，然后做一个函数的处理，得到当前这一层的输出。

我们把类似的思路做一个自然的泛化，把注意力机制这种计算模式做 90 度的旋转，从原来只是应用在时间轴上，现在我们可以把它应用在深度上。

把注意力应用到深度上有很多好处。比如，不仅仅只是基于前一层的输出来进行计算，而是可以去结合之前的所有层的输出进行计算，这样在优化网络架构性能的时候就有非常多好处。

这是我们整个注意力残差的架构图。左边是标准的残差结构，右边是我们提出来并开源的残差结构。然后，我们也设计了基于块状的残差结构，使它能够非常高效地实现。

基本上，在只有 2% 额外成本的情况下，就大幅度提升了效果。

就像我刚才说的，大模型的第一性原理是规模化定律（Scaling Law），但我们不仅仅只是去暴力的做规模化，而是希望我们在规模化的同时也能够去提升效率，所以我们一直致力于研发更强的模型架构。

比如像 Adam 优化器或者像 Attention 架构、残差连接这些都是有了 10 余年历史的技术。

在计算机领域，十年其实是非常长的时间。过去十年的时间里面，没有任何人能够去挑战这些技术，大家都把它当成一个标准。

但随着现在算力的提升和大家研发方式的变化，从原来的偏学术，单纯从想法（idea）出发的研究，到变成现在更加重视与工程的结合，然后可以设计非常扎实的规模化验证实验，从而得到非常扎实的结论。

因此，很多以前认为是标准的东西，现在都可以被挑战。

我们看到，开源模型正在逐渐成为新的标准。

这是几张从刚刚结束的英伟达 GTC 2026 大会上，黄仁勋的主题演讲中里面摘取的幻灯片。

可以看到，以 Kimi K2.5 为代表的开源模型，已成为全世界所有芯片厂商测试硬件性能的基准：如果发布新的芯片，就会通过 Kimi 或者其他开源模型来评测芯片性能提升幅度。

现在，全世界很多研究机构也在用 Kimi K2.5 或其他的开源模型去进行研究。我们通过开源，让每一个企业、每一个研究者、每一个终端用户，都能以非常低门槛获取智能，是一个非常重要的事情。

同时我们做的很多重要的创新，包括我刚提到的新的架构也是开放的，可以被任何人所获取。

最终，大家能够去形成一个开源生态系统，一起推动 AI 领域的发展。

最后想跟大家分享，从模型训练的角度看，大模型领域仍在快速发展，现在的研发方式跟两三年之前会有很大不同：

2023 年和 2024 年，大家主要使用“天然”数据。

也就是从整个互联网获取的数据，加上一些少量的人工标注，比如去标注某一条数据是不是符合价值观或者偏好。

2025年，大家更加重视搭建大规模的强化学习系统。

但要靠人筛选高质量任务，然后在这些任务上做强化学习得到更好的效果。可以看到，在编程或者数学领域上得到的能力提升，主要就来自于这种技术路线。

从 2026 年开始，包括接下来的若干年时间内，整个 AI 研发的方式会发生重大变化：更多由 AI 去主导研究。

每个研究员会配备非常多的 AI Token， 然后这些 AI 的 Token 可以帮你去合成新的任务，帮你合成新的环境，帮你定义在这个环境下面最好、最合适的奖励函数是什么。甚至可以去帮你探索新的网络架构可能长什么样。

因此，整个 AI 的研发也会逐渐加速。我们希望也能够跟整个开源社区一起，打造更好的生态系统，不断把技术往前推进，加速探索智能的上限。

感谢大家。

最后，来个彩蛋，在中关村论坛现场敲代码的杨植麟

（请在微信搜索“创头条”关注公众号。）

Sora的故事始于2024年2月。

彼时OpenAI发布Sora 1.0研究预览版，凭借Diffusion Transformer架构实现的60秒长镜头生成、物理世界一致性模拟能力，可以说重新定义了 AI视频赛道，一时惊艳！

尤其那 48个零修改的高保真视频案例，对好莱坞造成的恐慌，现在还记忆犹新。

最全！Sora生成的62个AI视频及提示词合集

5月，Sora Turbo开启公测，面向ChatGPT Plus/Pro用户开放。

此后，Sora 便陷入长期的跳票周期，关于它的更新时间传言不断，但“不见人下来”。

期间，还爆出 Sora  视频 demo 加入了大量后期剪辑的丑闻。

原来你是这样的 sora！一个短片要生成上百次，还需人工参与修正

直到 2025年9月，Sora 2的正式发布与独立App上线，将这款产品推上人气顶峰。

它很好的解决了初代版本的“物理幻觉”问题，实现了音画同步、真人植入等全新功能。上线后，迅速冲上App Store下载榜第一。

用户用其生成的马里奥、皮卡丘等知名IP角色视频，一时在社交媒体刷屏。

但这场热度并未持续太久，因IP侵权风险凸显，OpenAI很快收紧了内容生成限制，用户活跃度骤降。

两个月后，迪士尼与OpenAI签下 3 年合作协议。不仅授权200多个迪士尼、漫威、皮克斯等经典IP，并承诺投资10亿美元入局。

当好莱坞纷纷起诉AI公司，迪士尼抛10亿美金归顺OpenAI，股价大涨

未曾想合作产品尚未落地，平台便已走到终点。

对此，迪士尼回应称，理解OpenAI的方向调整，并表示将继续与其他AI平台合作。

Sora的关停并非孤立事件，而是OpenAI大规模产品收缩的重要一环。

据《华尔街日报》报道，OpenAI应用负责人Fidji Simo此前已在内部邮件中承认，公司此前将精力分散到了太多产品线上，不仅拖慢了研发速度，更影响了产品质量，直言“公司不能再被‘支线任务’分心了”。

而Anthropic的崛起，成为推动这次转型的直接原因。

作为 OpenAI 多元化发展的另一个对比，Anthropic始终专注于企业客户和编程市场，未涉足音频、图像和视频生成领域，反而发展速度更快，这让OpenAI意识到“什么都做不如把核心做好”。

目前，OpenAI正全力开发一款桌面端“超级应用”，计划将ChatGPT、编程工具Codex和自研浏览器Atlas整合为一体。

而Sora的视频生成能力，未来或将以某种形式并入ChatGPT，而非作为独立产品存在。

与此同时，OpenAI当前估值约7300亿美元，正筹备IPO，砍掉Sora这类烧钱却缺乏用户粘性的产品线，让商业故事更聚焦，也成为其冲刺上市的必然选择。
此外，可灵3.0、字节跳动Seedance 2.0、谷歌Veo 3.1 等AI视频竞品的快速崛起，让昔日王者Sora 2早在全球范围内失去了领先优势，也是推动其退场的重要外部因素。

事实上，从 Sora 用户增长曲线看，确实也是颓势尽显。

从2024年初的技术惊艳，到2025年的戛然而止，Sora的两年发展历程，让人感慨。

应该感谢它为 AI  视频赛道开辟的全新时代，想想当时的兴奋与沸腾，是 AI 发展历程里抹不去的光辉。

（请在微信搜索“创头条”关注公众号。）

据《纽约时报》专栏作家 Kevin Roose 透露，包括 Meta 和 OpenAI 在内的一些公司，开始以每位员工消耗了多少 token 为指标，在内部搞排行榜。

尤其是在 Meta及 Shopify，AI 使用量的多少已经成为员工绩效评估的一项指标，管理者会“奖励大量使用 AI 工具的员工，同时批评那些不怎么使用的人”。

根据 Roose 的说法，一名 OpenAI 工程师消耗了 2100 亿个 token，相当于 33 个维基百科的内容量。

一位瑞典软件工程师则告诉他，公司单在他一个人的Claude Code Token上花的钱，就超过了他本人的工资。

这种开始在硅谷流行起来的大厂考核机制，被称为 “Tokenmaxxing（Token消耗最大化”）。

Token是人工智能处理文本的基本计量单位。要让AI干活就得消耗Token，而每一个Token都有明确的价格。

这种机器全自主的模式极具传染性。

OpenAI 总裁 Greg Brockman 最近炫耀称，面向编程的 GPT-5.4 每天处理 5 万亿个 token。

从取悦投资者的角度来看，这确实说得通，因为 token 就代表着收入。

也可见，这个指标已被直接包装成了市场成功的标志。

为此， OpenAI招募了OpenClaw创建者，以继续巩固其行业领先地位。

Claude Code 最近也紧急跟进，推出了手机端功能。
但这种单纯用消耗量来考核工作表现的方式，一开始就让人费解，很多吐槽。

在国外社交媒体上，这被批评为一种“status game，即用成本代替生产力，不是在比效率，而是在看“谁更像在用 AI”。

AI 大神karpathy 也吐槽说，他好像得了 “AI 精神病”，每天开好多个 Claude Code 会话，每天都触达调用上限，觉得闲置的 Token 都是浪费。

Token 消耗同样也是国内 AI 大厂的关注点，但目前还没有作为考核指标。

比如腾讯，给每个员工每年提供约22万元Token套餐，应该是大厂里最慷慨的。

每月包括 700美元Cursor、700美元Claude Internal、1000美元CodeBuddy、120美元OpenClaw、120美元Knot，以及无限量GLM模型额度，调用模型覆盖GPT‑4、Claude、Qwen等。

比如阿里，公司员工可免费使用悟空、Qoder系列等付费AI工具，用于技术研发和通用办公，公司提供Token额度。

此外，员工购买百炼 Coding Plan会员或外部AI开发工具，可申请报销。

美团，公司员工每月有 20元免费Token额度（看看腾讯，真是不能比），AI编程IDE“CatPaw”初始500 credits（500次对话），用完可再申请；自研LongCat模型每日5500万Token免费。

百度，文心一言企业版全员可无限制使用（内部版）。

字节跳动，部分岗位offer含每年100万Claude Token额度。
华为，内部员工可申请200万Token/模型免费额度。

毫无疑问，Token 已经成为当下 AI 语境里的核心主题词，及衡量 AI 发展的关键指标。

它对 AI 大模型公司是业绩，对使用者是成本，在大厂里则是自产自销二位一体搞不拎清，但不管怎样，对资本市场和 AI 市场而言，都是信心和繁荣指标。

一起狂欢，难得糊涂，好不热闹！

（请在微信搜索“创头条”关注公众号。）

这份框架以“巩固美国 AI 全球领先”为核心，推行联邦统一监管、限制各州零散立法。

具体确立了7大方向，即强化未成年人 AI 保护与家长管控，保障社区、小微企业与用电安全，保护版权与个人肖像声音、交由法院判定训练侵权，严防政府借 AI 审查言论、保障表达自由，设监管沙盒鼓励创新，普及 AI 技能教育，确立联邦规则优先、避免各州法规阻碍产业，兼顾安全、权益与创新竞争。

以下为全文——

《国家人工智能立法框架》

一、保护儿童与赋能家长

人工智能服务和平台必须采取措施保护儿童，同时赋予家长控制子女数字环境和成长过程的能力。

国会应在特朗普政府迄今采取的儿童保护行动基础上更进一步，包括具有历史意义的《删除法案》——这是第一夫人梅拉尼娅·特朗普的一项关键倡议，旨在保护儿童和成年受害者免受深度伪造滥用的侵害。

国会应为家长和监护人提供强有力的工具，以管理其子女的隐私设置、屏幕使用时间、内容接触和账户控制。

对于未成年人可能访问的人工智能平台和服务，国会应建立商业上合理、保护隐私的年龄验证要求（如家长证明）。

国会应要求未成年人可能访问的人工智能平台和服务实施相应功能，以降低未成年人遭受性剥削和自残的风险。

国会应明确，现有的儿童隐私保护规定适用于人工智能系统，包括对模型训练和定向广告中数据收集的限制。

国会应避免就可能允许的内容设定模糊标准，或设定开放性责任条款，以免引发过度诉讼。

国会应确保其立法不取代各州执行其自身普遍适用的儿童保护法律，例如禁止儿童性虐待材料的法律，即使此类材料由人工智能生成。

二、保障与加强美国社区

人工智能的发展，包括数据基础设施建设，应通过经济增长和能源主导地位来加强美国社区与小型企业，同时确保社区免受有害影响。

根据《纳税人保护承诺》，国会应确保住宅电力用户不会因新的人工智能数据中心建设和运营而承担更高的电费。

同时，国会应简化人工智能基础设施建设和运营的联邦许可流程，使人工智能开发者能够开发或采购现场发电设施，从而加快人工智能基础设施建设并提高电网可靠性。

国会应加强现有执法工作，打击利用人工智能针对老年人等弱势群体实施的冒充诈骗和欺诈行为。

国会应确保国家安全体系内的相关机构具备足够的技术能力，以了解前沿人工智能模型的能力及其相关的国家安全影响，并制定计划以减轻潜在风险，包括通过咨询前沿人工智能模型开发者来实现。

国会应向小型企业提供人工智能资源，例如拨款、税收优惠和技术援助计划，以支持人工智能工具在美国各行业更广泛地部署。

三、尊重知识产权与支持创作者

美国的创作者、出版商和创新者应受到保护，使其受保护内容不被人工智能生成的输出成果侵权，同时不损害合法的创新与言论自由。

尽管政府认为基于受版权保护的材料训练人工智能模型并不违反版权法，但也承认存在相反的观点，因此支持由法院解决此问题。

同样，国会不应采取任何可能影响司法机构就基于受版权保护的材料进行训练是否构成合理使用作出裁决的行动。

国会可考虑建立许可框架或集体权利体系，使权利持有者能够在不承担反垄断责任的前提下，集体与人工智能提供商协商补偿事宜。然而，任何此类立法都不应规定何时或是否需要此类许可。

国会应考虑建立一个联邦框架，保护个人免受未经授权分发或商业使用其声音、肖像或其他可识别特征的人工智能生成数字复制品的行为，同时为模仿、讽刺、新闻报道及受第一修正案保护的其他表达性作品提供明确的例外。国会应防止个人滥用此类框架来压制网络言论自由。

国会应继续密切关注版权判例的发展和法院的执行情况，并评估是否因人工智能带来的新问题而需要在本框架提议之外采取额外行动，以填补潜在空白或为内容创作者提供更多保护。

四、防止审查与保护言论自由

联邦政府必须捍卫言论自由和第一修正案赋予的保护，防止人工智能系统被用于压制或审查合法的政治表达或异议。

国会应防止美国政府胁迫技术提供商（包括人工智能提供商）基于党派或意识形态议程而禁止、强制或更改内容。

国会应为美国民众提供有效途径，使其能够就联邦政府机构在人工智能平台上审查言论或指示人工智能平台提供特定信息的行为寻求救济。

五、促进创新与确保美国人工智能主导地位

美国必须在人工智能领域引领世界，消除创新障碍，加快人工智能应用在各领域的部署，并确保广泛获得构建世界级人工智能系统所需的测试环境。

国会应为人工智能应用建立监管沙盒，以释放美国人的创造力，进一步巩固美国在人工智能开发与部署领域的领导地位。

国会应提供资源，使联邦数据集能够以人工智能就绪的格式向工业界和学术界开放，用于训练人工智能模型和系统。

国会不应设立任何新的联邦规则制定机构来监管人工智能，而应通过具有专业领域知识的现有监管机构以及行业主导的标准，支持特定领域人工智能应用的开发和部署。

六、教育美国民众与培养适应人工智能的劳动力队伍

美国劳动者必须通过青少年发展和技能培训、人工智能驱动经济中新兴岗位的创造以及各行业机会的拓展，从人工智能驱动的增长中受益，而不仅仅是从人工智能开发的成果中获益。

国会应通过非监管方式，确保现有教育项目以及包括学徒制在内的劳动力培训和支持项目积极纳入人工智能培训。

国会应加大联邦层面的研究力度，追踪人工智能驱动的岗位层面劳动力结构调整的趋势，从而为支持美国劳动力的政策提供信息依据。

国会应加强赠地大学的能力建设，以提供技术援助、启动示范项目并开发人工智能青少年发展项目。

七、确立联邦政策框架，优先适用各州繁琐的人工智能法律

联邦政府必须建立联邦人工智能政策框架，以保护美国公民的权利、支持创新，并防止各州法规的碎片化拼凑阻碍国家竞争力，同时尊重联邦制和各州权利。

国会应优先适用那些施加过度负担的各州人工智能法律，以确保建立一套与本建议相一致的、负担最小化的国家统一标准，而非五十套不协调的法规。

这一国家标准应尊重联邦制的关键原则，且不应优先适用以下事项：

• 各州保留的传统治安权，用于对人工智能开发者和用户执行普遍适用的法律，包括保护儿童、防止欺诈和保护消费者的特定法律。

• 各州的区划法，包括各州当局确定人工智能基础设施布局的权力。

• 各州关于自身使用人工智能的规定，无论是通过采购还是其提供的服务（如执法和公共教育）。

优先适用必须确保各州法律不管辖更适合联邦政府处理的领域，也不违背美国实现全球人工智能主导地位的国家战略。

• 各州不应被允许监管人工智能开发，因为这本质上是州际现象，具有重要的外交政策和国家安全影响。

• 各州不应过度加重美国人使用人工智能从事在无人工智能情况下即属合法行为的负担。

• 各州不应被允许因第三方利用其模型从事非法行为而惩罚人工智能开发者。

（请在微信搜索“创头条”关注公众号。）

日前， 美国特拉华州法院裁定，韩国游戏开发商 Krafton Inc 必须恢复其旗下某游戏工作室负责人的职位，并认定，该负责人是在一项“由ChatGPT策划的接管计划中”，被不当解职的。

法院裁决称，在与《Subnautica》（深海迷航）开发商 Unknown Worlds Entertainment 管理层之间，一场涉及2.5亿美元的纠纷中，Krafton首席执行官Kim Chang-han ，“在很大程度上遵循了ChatGPT的建议”。

这起纠纷源于 2021 年，当时Krafton以5亿美元预付款收Unknown Worlds Entertainment。

双方约定，该工作室将保持独立运营，其领导层——联合创始人Charlie Cleveland、Max McGuire以及首席执行官Ted Gill 等，也被保留经营控制权，且只有在“有正当理由”的情况下才可被解职。

此外，如果公司达成特定目标，Krafton需支付最高达2.5亿美元的“对赌奖励”（earnout）。

随着工作室去年加紧推进《深海迷航2》的发布，内部预测显示，该项目很可能触发这一对赌奖励。

Krafton首席执行官Kim担心这是一笔“吃亏的交易”，并求助ChatGPT，试图摆脱这一义务。

判决书写道，“在接下来的一个月里，Krafton基本遵循了ChatGPT的大部分建议。”

ChatGPT 出的主意包括，组建内部 task force（特别小组），以及具体的两条实施路径——重新谈判 earnout（对赌协议）或 直接推进接管（takeover）。

甚至提供了详细的解雇策略和路径，“重谈失败 → 强化控制 → 接管”。

此外，ChatGPT 还制定了对玩家沟通策略（communications strategy），以维持粉丝的信任——真是个心机 AI。

以及，为了获取《Subnautica 2》发行控制权，替 Krafton准备好了系统性的法律抗辩材料。

按照ChatGPT提出的方案，公司真的组建了一个内部特别小组，重新谈判协议，及实施对工作室的接管。

由于未能说服工作室管理层重新谈判对赌条款，Krafton最终将其解职，并指控他们在投入工作室的时间上存在误导行为。

但这一说法被法官驳回。

法院的裁定是，应将运营控制权归还给该工作室CEO Gill，并延长其达成对赌条件的期限。

就此， Krafton 随后发布了一份声明，称不同意该裁决，公司也正在评估应对方案。

声明还表示，正“全力以赴”加强《深海迷航》续作的开发，并为其抢先体验版本发布做准备。

有意思的是，这份声明公布后，被玩家在社交媒体吐槽，没有人情味，“像是 AI 写的”（“sounds like it was written by a bot”）。

随着 AI 工具的普及，在作为新生产力要素的同时，也越来越多的扮演者类似“作恶”或“助恶”的角色，进入司法判决的案例也有不少。

比如，2023 年，纽约地方法院宣判Mata v. Avianca 案，被认为是“AI幻觉直接进入司法程序”第一案。

律师用ChatGPT写法律文件，AI生成了并不存在的判例（fake cases），被律师直接提交给法院。

还一个广为人知的案例是，Amazon 开发的歧视性招聘筛选系统。该系统用AI筛选简历，训练数据偏向男性，自动降低女性候选人的评分。

该项目因引发监管干涉，最终被放弃。

尤其在金融和安全领域，AI被用于更直接的违法行为。

如利用语音及视频合成，冒充公司高管，传达指令，实施资金转移。

类似地，在信贷审批、保险定价等场景中，美国消费者金融保护局也持续指出，企业使用AI作出决策时，如结果产生系统性不利影响，依然需要承担违反公平信贷法律的责任。

联邦贸易委员会也多次发出警告称，一些公司利用AI批量制造用户评价、推荐内容或营销文案，实质上构成误导消费者的虚假陈述。

在法律上，这类行为被认定为刷单、伪造口碑。

最新的特拉华州这个ChatGPT判例，尽管在判决中，没有把“使用AI”本身当作违法点，但明确将其纳入证据链。

这标志着AI角色发生了变化——它不再只是执行工具，而是成为企业决策过程的一部分，并渗透到了原本就存在法律风险的环节之中。

值得引起关注的是，在这个过程中，AI 始终没有提供任何“识别或阻止违法”的内在机制。

更广泛的议题是，随着 AI 在企业和政府工作流中的深入，其在大规模裁员、战争及武器使用，及对人权侵犯中，起到了提升作恶效率的作用，但技术本身并没有对此有任何关注。

（请在微信搜索“创头条”关注公众号。）

小编连夜研读了招股书，试图一窥其依靠硬科技赚钱的底层逻辑。

一、宇树到底有多赚钱：营收 3年翻14倍，利润一年涨7倍

先看数字：

• 营收狂飙：2022年1.23亿→2023年1.59亿→2024年3.92亿→2025年17.08亿。

3年翻14倍，2025年同比增长335%。

• 利润炸场：2024年扭亏为盈赚9450万，2025年扣非净利润6亿，同比暴涨674%，机器人行业罕见的“盈利加速度”。

• 毛利率碾压：主营业务毛利率从2022年44.18%一路飙升至2025年9月末59.45%，逼近茅台等高端消费级品牌。

其中，人形机器人毛利率甚至最高达87.67%，核心组件毛利率超70%，真真说明了硬科技硬赚钱！

• 现金流健康：营收、利润、现金流都是同步增长态势，不是资本故事，而是真金白银的赚钱。

总之，当有些同行还在实验室烧钱时，宇树已经把高性能机器人做成了高毛利、高增长、高盈利的黄金生意。

二、宇树是如何赚钱的：两条腿走路，卖产品+卖技术双丰收

宇树的赚钱逻辑，简单又硬核，不靠概念，只靠落地。

1. 核心产品：四足+人形机器人，全球卖爆

• 四足机器人：累计销量超3万台，全球市占率第一，工业、安防、科研、消费全场景覆盖，这构成了它的基本盘。

• 人形机器人：H1、H2全尺寸产品落地，全球出货量领先，成为第二增长曲线，单台高溢价贡献暴利。

2. 隐形金矿：核心部件全栈自研，卖组件也赚大钱

不做组装厂，自己造“机器人心脏”：高性能电机、减速器、灵巧手、激光雷达、一体化关节，统统打破了海外垄断。

既能自给自足，又在对外销售，毛利率超70%，是利润蓄水池。

3. 商业模式：To B+To G+全球市场

客户覆盖工业企业、科研机构、政府部门，海外收入持续增长，不依赖单一市场，规模化复制能力拉满。

卖整机赚大钱，卖组件赚稳钱，卖技术赚长久的钱，三维盈利模型，稳稳的！

三、宇树的厉害之处到底在哪里：全栈自研，筑起别人抄不走的护城河

机器人行业拼到最后，拼的是技术自主，宇树的厉害，就是从根上做到了独一无二。

1. 硬件全自研：卡脖子部件自己造

电机、减速器、传感器、灵巧手，所有核心部件不外购、不被卡脖子。

这直接让其成本比同行低30%以上，还能保证性能一直领先。

2. 软件+算法：机器人大脑+小脑全搞定

自研具身智能大模型（大脑）+运动控制算法（小脑），机器人会跑、会跳、会避障、会交互，算法开源，生态壁垒越筑越高。

3. 量产能力：从实验室到流水线

宇树是全球少数能把高性能机器人规模化量产的企业，产能跟上需求，才能支撑17亿营收，这是同行望尘莫及的硬实力。

4. 团队年轻，执行力拉满

创始人王兴兴是“机器人天才”，团队以90后为主，研发效率、迭代速度远超传统企业，用互联网思维做硬科技。

总之，与很多同行组装机器人的模式相比，宇树是在真正的创造机器人，从硬件到软件，从部件到整机，全链条掌控。

四、招股书里应该记住的细节

1.募资42.02亿：20.22亿投具身智能大模型，一半钱造“机器人大脑”，押注未来。

2. 扣非净利润674%增长：2025年利润翻7倍，A股硬科技增速天花板。

3. 人形机器人毛利率87.67%：比很多白酒、奢侈品还赚钱。

4. 四足机器人销量3万台+：全球第一，行业绝对龙头。

5. 创始人控制68.78%表决权：年轻团队牢牢掌握公司方向，不被资本绑架。

6. 核心组件毛利率70%+：隐形利润奶牛，比卖整机还赚。

7. 3年营收翻14倍：从1亿到17亿，硬科技商业化奇迹。

8. 科创板预审阅第2单：交易所绿色通道支持，这是对其科技含量与合规性的认可。

看完数字，看情怀，下面是宇树科技创始人王兴兴在招股说明书中，《致投资者的信》——

一、公司上市的目的

宇树科技是一家世界知名、国际领先的高性能通用机器人公司，专注于高性能通用人形机器人、四足机器人、机器人组件及具身智能模型的研发、生产和销售业务。

公司在全球范围率先实现高性能四足机器人的公开销售及行业落地，高性能通用人形机器人、四足机器人近年来全球销量保持领先。

公司高性能通用机器人产品被国内外众多知名高校与科研机构、科技企业、全球开发者广泛使用，尤其在海外市场具有较高认可度，并以全球领先的市场份额、持续突破的技术创新，推动了高性能通用机器人的行业技术进步与产业化进程。

宇树科技最近几年经营业绩稳步增长，2025 年在扣非后净利润迅速增长的前提下，还实现了人形机器人出货量全球第一。

公司深知，当前成绩只是起点，具身智能的浪潮才刚刚开始，宇树科技肩负着推动全球科技和生产力进步的使命。

这既是公司的梦想，也是社会公众对公司的期待。所以我们希望通过上市汇聚更广泛的力量，与各位投资者携手同行，持续深耕通用具身智能机器人核心技术研发与产业落地，让智能机器人更早、更好地为全社会服务。

（一）把握机器人产业机遇，推进关键核心技术攻关

公司专注于高性能通用机器人核心技术的自主创新。四足机器人方面，公司B 系列行业级产品和 Go 系列消费级产品已广泛应用于科学研究、工业巡检、应急救援、智能服务等领域。人形机器人方面，自 2023 年 8 月首款通用人形机器人H1 面市以来，公司已先后自研发布了四款系列人形机器人（不含轮式），并在运动表现与拟人化水平、抗冲击和抗摔打能力、产品鲁棒性和集群调度能力等方面取得了突破性的技术进步与性能表现。

目前，公司人形机器人已广泛应用于科学研究、应用开发、教育教学、文化表演、智能服务等领域。

随着公司产品销量的持续提升，公司正从四足机器人、人形机器人产品制造商进一步向高性能通用机器人产业生态构建者拓展。

为响应、引领全球智能制造与人工智能产业发展，加速关键核心技术攻关与产业化落地，公司亟需建立规模化、智能化的制造体系，持续加大研发投入。本次上市旨在通过增强资本实力，继续提升公司在具身智能领域的全产业链自主创新能力与综合领先优势，持续丰富产品矩阵，引领高性能通用机器人产业的科技创新趋势与规模化场景应用。

（二）优化公司治理与人才战略，构建持续发展动能

通用机器人行业具有人才技术密集、创新迭代快速的特点，持续吸引优秀人才、完善人才创新激励是企业发展的核心竞争力所在。

通过本次上市，公司将进一步完善现代化企业治理结构，强化董事会战略决策与风险管理职能；实施长期股权激励计划，建立长效人才引进与培养机制，重点扩充人工智能、运动控制、感知交互领域研发团队。

公司将利用上市募集资金进一步加强具身智能、高精度控制、强化学习等前沿技术投入，巩固技术优势，为投资者创造长期价值回报。

二、发行人现代企业制度的建立健全情况

公司严格遵循《公司法》《证券法》及《上市公司治理准则》等法律法规，建立了以股东会、董事会及其专门委员会、经营管理层为核心的分级治理架构。

制定和完善了《公司章程》等公司治理及内部控制制度，建立健全了符合上市公司治理要求的、保证中小股东充分行使权利的公司治理结构和现代企业制度。

公司高度重视投资者权益保护，已建立科学、透明的利润分配机制，承诺在符合业务发展需求的前提下，持续通过长期、合理的分红政策，让全体投资者共享企业经营发展的成果。

三、发行人本次融资的必要性及募集资金使用规划

通用机器人属于技术密集型、研发驱动型行业，目前软、硬件技术发展和应用探索正处于快速发展的起步阶段。

公司以自身竞争优势和发展战略需求为基础，

规划了本次募集资金投资项目，即智能机器人模型研发项目、机器人本体研发项目、新型智能机器人产品开发项目和智能机器人制造基地建设项目。

该等项目均围绕公司主营业务开展，投向科技创新领域，将在增强资本实力、强化研发投入、提升产业化能力等方面助力公司持续发展。

四、发行人持续经营能力及未来发展规划

（一）持续经营能力

近年来，公司凭借在高性能通用机器人领域的技术先发优势、持续的技术和产品迭代能力以及快速商业化能力，实现了经营业绩的快速增长。

2025 年1-9 月，公司实现营业收入 116,749.01 万元、扣非后净利润 43,061.23 万元，财务状况和持续盈利能力显著提升。

（二）未来发展规划

公司以成为全球高性能通用机器人领域的持续领先企业为发展目标， 以自主研发为核心，经过多年积累建立了涵盖机器人本体、核心智能算法、具身智能核心部组件的自研自产体系，形成了丰富的产品矩阵，包括以人形机器人、四足机器人为代表的核心产品，以及以关节模组、灵巧手、协作机械臂、感知传感器等为代表的机器人组件，并围绕上述产品开展产品推广与行业应用。

未来，公司将持续布局前沿技术研发，力争通过发行上市在提升资金实力、优化公司治理、完善人才激励的同时，加速推进具身智能产业链的高质量发展，并通过持续技术创新，引领全球机器人行业向规模化场景应用跨越。

2026 年正值宇树科技成立十周年。

十年来我们始终怀揣初心，梦想着用科技推动人类社会的进步。当下，正逢全球 AI 与具身智能技术突破前夜，人类迈向更高级文明的黎明时分。

曾经，这份梦想看似遥远，但通过十年的不懈努力，我们已真正拥有奔赴梦想、实现梦想的底气与能力。前路漫漫，我们必将加倍努力、矢志笃行，不负所有帮助、支持宇树科技的朋友们，也真心希望能和广大投资者一路同行，共享宇树科技成长的喜悦和发展的成果。

让我们一起实现人类最终极的梦想 AGI！

（请在微信搜索“创头条”关注公众号。）

这就是MiMo-V2系列三款全栈自研大模型。

相比上年底发布的V2 Flash，V2 Pro 确实有了飞跃。

超过1万亿的总参数量，其中42B的激活参数，较前代扩大约3倍。

这个参数量，加上优化过的混合注意力机制（混合比例提升至7:1），且支持1M的超长上下文……

这意味着，小米V2 Pro 这个基座级模型，妥妥跻身国内第一梯队。

Artifficial Analysis综合智能排行榜上，排名全球第 8，排前面的除了 Gemini、ChatGPT、Clude等，国产只有第 7 名的GLM-5。

对大模型的参数和排名估计大家都有些麻木了，但该说不说，升级的 MiMo-V2-Pro 有个点值得肯定，那就是专为Agent 调优。

实测Agent任务完成率，平均81%；在通用Agent能力评估（ClawEval）中，得分61.5，逼近Claude Opus 4.6。

另外， Agent 能力其实与小米“人车家”的生态布局颇为匹配，因为多涉及“人机”及“终端对终端”的 AI 任务协同，而不是传统的人与大模型的对话。

值得一提的细节是，3月11日，代号为“Hunter Alpha”的神秘模型上线全球最大API聚合平台OpenRouter。

短短7 天，该模型累计调用量突破1万亿Token，连续多日霸榜。

网友一度认为其是“DeepSeek V4”的早期版本。

小米MiMo大模型负责人罗福莉在社交平台澄清称，“Hunter Alpha”正是V2-Pro的内部测试版。

很难不让人把这一系列操作理解成高明的营销手法，毕竟小米最擅长这个。

但昨天，罗福莉在 X 上发帖称，“我将其称为一场'静悄悄的伏击'——并非我们刻意策划”。

她说，只是因为“从对话范式到智能体范式的转变发生得太过迅猛，连我们自己都几乎不敢相信”。

贴文里，罗福莉还透露称， 1万亿参数的基座模型数月前就已启动训练，最初目标是长上下文推理效率，而混合注意力机制（Hybrid Attention）带来了真正的创新。

支持100万上下文窗口，通过MTP推理实现超低延迟与成本等，这些架构决策在当时并不流行，“事实证明，它正是智能体时代所需的理想根基。”

她还披露了个小故事。

当罗福莉第一次体验到复杂的智能体架构——“我称之为编排式上下文”，就被震撼了。她试图说服团队使用它，但没有成功。

于是罗福莉下了一道强硬指令，“明天所有MiMo团队里对话量不足100次的人可以离职”。

眼看 “AI 天才美少女”成长为了霸道女总裁！

雷军在发布会上说，小米在AI领域一直比较低调，但进展比大家想象的快很多。

就此，罗福莉在贴文中也做了呼应。

“有人问我们为什么进展如此之快？”罗福莉自问自答称，“在构建DeepSeek R1时，就亲眼见证了这一点”（因DeepSeek 成名和出圈的罗福莉，至今还高高顶着头上的这个光环！）。

她的心得是：其一，收获成果前一年就具备战略信念；其二，后训练阶段的敏捷性。

其三，好奇心、敏锐的技术直觉、果断的执行力、全身心的投入。还有一件容易被低估的事，对我们正在构建的世界，怀有一种真挚的热爱。

罗福莉最后表示，当模型足够稳定、配得上被开源的时候，“我们会开源”。

目前，MiMo-V2还是闭源模型，雷军在发布会上也未提及开源话题。

他透露称，在AI领域，小米今年的研发和资本投入，将超过160亿元；未来三年，计划投入超过600亿元。

雷军说，这不是玩概念，小米要做“人车家全生态AI”。

应该说，“人车家生态”是小米 AI 相较国内同行，最大的底层优势。

小米有覆盖手机、汽车、PC、穿戴、家电等领域的完整产品线，这是其应用和训练 AI 的自有闭环场景，也是其他大模型所没有的。

雷军说，这可以让AI“会说话、有温度、有情感”。

这一点，和马斯克的 AI  生态很相似。

这也难怪，雷军在发布会现场一再 cue 马斯克——类似罗福莉cue DeepSeek 。

谈到 su7 时，他特别提到，“同价位段，SU7续航、智能化、配置全面领先Model 3”。

“（销量）远超了Model 3，成为了去年唯一超越特斯拉的纯电轿车”。

介绍大模型排名时，雷军也在演讲中特意补充说， MiMo-V2-Pro“超过了 xAI Grok”。

（请在微信搜索“创头条”关注公众号。）