據外媒報導，特斯拉CEO馬斯克和OpenAI CEO奧特曼又開始“打嘴仗”了，馬斯克讓大家別用ChatGPT，而奧特曼則表示，特斯拉Autopilot不安全。馬斯克首先“開炮”，他周二在社交網路上轉發了一條帖子，該貼文稱“自2022年發佈以來，已有九名兒童和成人的死亡與使用ChatGPT有關”。馬斯克還寫道：“別讓你愛的人使用ChatGPT”。奧特曼則回應稱，我們需要保護易受傷害的使用者，同時還要確保我們的安全防護措施不會妨礙所有使用者使用我們的工具。這確實很難。隨後，奧特曼開始抨擊特斯拉的Autopilot。他表示，“顯然，已有超過50人死於與 Autopilot相關的車禍。我之前只坐過一次搭載該系統的車，但我第一感覺就是，這個東西還遠算不上安全。馬斯克和奧特曼之間的矛盾由來已久。比如，去年馬斯克起訴蘋果和OpenAI，聲稱這兩家公司將ChatGPT深度整合進iPhone的做法扼殺AI行業的競爭。馬斯克旗下有AI初創公司xAI。OpenAI去年也對馬斯克提起反訴，稱其試圖拖慢OpenAI的發展。 (TechWeb)

達沃斯論壇，AI兩大巨頭罕見同台，開啟一場關於AGI未來重磅對話。Dario Amodei驚人預測：AI全面取代軟體工程師，最快只需6個月！同時，一半初級白領崗未來1-5年全部消失。達沃斯這個全球大佬扎堆的地方，Anthropic和GoogleDeepMind CEO再次同框。這一次，他們坐在一起聊的是一個讓人既興奮又發怵的話題——AGI降臨之後的第一天。與去年巴黎那次不同，他們的預期裡都帶著點「真的快來了」的緊迫感。半個小時爐邊對話中，Dario Amodei扔出了一枚震撼所有人的「核彈」——AI端到端接管軟體工程師（SWEs）幾乎全部的工作，倒計時僅剩6-12個月了！同時他還爆出，Anthropic內部工程師基本不手寫程式碼了，全由AI操刀，人類只負責審查和引導。Dario Amodei和Demis Hassabis幾乎同時承認，通往AGI的路，已經看得越來越清楚了。隨著模型參數規模不斷Scaling、多模態越來越強、智能體越來越自主——這些疊加在一起，AGI逼近僅剩時間問題。以下是訪談的主要亮點，核心觀點全在這裡——Dario Amodei：2026年/2027年，AI模型會在多領域達到「諾獎級」水平；一到五年內，50%白領工作消失AI寫程式碼 -> 更好的AI -> 更快的迭代，這個循環正加速閉合Anthropic三年收入百倍暴增，呈指數級增長如果AI寫AI能完美閉環，將迎來奇蹟般的極速爆發Demis Hassabis：本年代末（2030年前）有50%的機率實現AGI短期有陣痛，但長期會誕生新工作，AI取代人類時間線拉長至3-5年GoogleDeepMindAI已找回創業狀態，重奪行業領先地位如果物理世界/硬體成為瓶頸，發展曲線將更平緩，需給人類留出更多的適應時間兩大巨頭激辯AGI，AI自進化閉環關於AGI何時降臨，兩位大佬給出了各自的預測。Dario Amodei不僅是激進，簡直就是「狂飆」。即便站在2026年的門檻上，他依然篤定地押注：到2026年或2027年，必將誕生在眾多領域達到「諾獎級」水平的模型。「我認為結果不會偏離太遠」。他的底氣，源自一個正加速閉環的「循環」，一個設想的機制是——AI自己寫程式碼 → AI自己搞研究 → 完全自我迭代的閉環。Dario拋出了一個令AI圈震動的判斷：一旦這個正反饋環真正跑順，研發速度會直接起飛，指數級衝刺。相較於Dario的激進，Demis Hassabis的立場相對穩健，但幾乎也沒有後退。他守住了去年的底線：本年代末（2030年前），將有50%的機率實現AGI——展現人類全部認知能力的AI。為何比Dario保守？Hassabis指出了一個無法被程式碼輕易踰越的「物理屏障」。過去一年，程式設計和數學領域發生了顯著的變化，但自然科學自動化進展完全是另一回事。它需要真實世界的實驗驗證，恰恰這個環節，AI暫時還無法實現「閉環」。Hassabis表示，更難的部分在於科學創造力的層面。GoogleDeepMind最終會創造出AGI，不過目前還缺少一兩個「關鍵拼圖」。這裡，他提到了一個關鍵的變數——自我進化閉環，能夠在沒有人類深度參與的情況下真正跑通。如果這個閉環真正形成，進展速度會遠超當前預期。AI取代「所有」程式設計師Dario舉了一個最直觀、也最令人背脊發涼的例證——Anthropic內部工程師已經幾乎不自己寫程式碼了。他們現在的角色，更像是產品經理或架構師。也就是，只負責提出需求、編輯模型生成的程式碼、把控整體架構。在Dario看來，我們離模型「端到端」完成軟體工程師絕大部分、甚至全部工作，可能僅剩6-12個月。這裡所說的「端到端」意味著什麼？在英文語境中，SWEs（Software Engineers）不僅僅是寫程式碼的人，而「端到端」涵蓋了一個軟體產品的全生命周期：需求、設計、前端、後端、部署、測試等等……如此看來，Anthropic已經率先實現的了軟體開發的AGI（畢竟他們的員工擁有一個無限額度的Claude）。為了量化這種能力，我們來看一下SWE-Bench（軟體工程基準測試）。這是一個評估模型在真實GitHub程式碼庫中定位問題、跨檔案修改、跑通測試並交付CI補丁能力的「實戰考場」。原始集約2,294個任務，常引用的Verified版本是經OpenAI人工標註簡化的子集。在標準的Bash Only環境中，Claude 4.5 Opus的解決率已達74.4%，而每道題目的成本僅為0.72美元。在這些問題中，我們可以將難度細分為：簡單任務（<15分鐘）：約196個任務，類似給函數加入斷言等簡單修改中等任務（15分鐘-1小時）：需要一定時間思考的小規模改動困難任務（1-4小時）：涉及函數或多檔案的實質性重寫超難任務（>4小時）：需要大量研究，改動100+行程式碼的深奧問題如果我們把SWE-Bench的難度對應到現實世界的科技大廠職級，情況更加觸目驚心：簡單到中等任務（<1小時）相當於初級工程師水平（Junior/SDE1）。相當於：GoogleL3、阿里P5-P6、字節1-1/1-2等級，工作0-3年經驗困難任務（1-4小時）相當於中高級工程師水平（Senior/SDE2-SDE3）。相當於：GoogleL4-L5、阿里P6-P7、字節2-1/2-2等級，工作3-7年經驗。這些任務就不僅僅是單檔案修改，需要跨檔案修改，平均改動32.8行程式碼，涉及1.7個檔案。而超難任務（>4小時）則資深/專家工程師水平（Staff+）。相當於：GoogleL6+、阿里P7-P8、字節3-1等級及以上。目前頂級AI模型想要解決這類問題也非常困難。儘管目前頂級AI模型在面對這些「超難任務」時需要極其複雜的上下文理解和架構設計才能解決的問題——AI還顯得有些力不從心。但別忘了Dario那個令人感到驚訝的預判：6-12個月。當「AI寫AI」的飛輪開始瘋狂轉動，從L3進化到L6，可能只需要幾次模型迭代的時間。那道曾經被認為不可踰越的「專家級」護城河，正在以肉眼可見的速度乾涸。五年內，50%初級崗消失當技術飛輪轉動時，被碾壓的是舊有的就業結構。Dario曾預測未來1-5年內，一半初級白領工作將消失，主持人則表示，現有統計顯示，目前勞動力市場尚未明顯波動。她反問道，這是否只是「勞動總量固定謬誤」，AI最終會創造更多新崗位？Hassabis認為，短期內，確實會看到AI創造出新的崗位。舊工作消失，新工作湧現，且更有價值、更有意義。而且，他深刻感受到，初級/入門級崗位、實習招聘都在放緩。但Hassabis鼓勵年輕人，要極度熟練掌握當下AI工具。即便是建構模型的人，也很難完全探索當下模型的「能力懸溢」（capability overhang），更不用說未來的了。我認為這可能比傳統的實習更能讓你在專業領域中發揮作用，實現自我飛躍。Demis Hassabis他強調，AGI真正到來後，一切進入未知領域。Dario Amodei同樣沒有給出一絲安慰，依舊撕開了2026年殘酷的真相：未來1-5年內，一半初級白領工作消失。1-2年內，我們可能擁有全方位超越人類的AI。現在，他看到苗頭了——尤其在軟體和程式設計領域。Anthropic內部已經顯現：初級和中級崗位需求銳減，公司正在嚴肅思考如何人性化處理裁員和轉型。他承認，歷史上有適應性，農業自動化後，80%農民轉為工廠工人，再轉為知識工作者。但這一次真的不同，指數級增長複利太猛，人類社會的適應速度根本跟不上。滯後效應可能讓就業衝擊來得晚一些，但一旦爆發，降壓到一切。對於更長遠的未來，Hassabis拋出了關於「意義」的終極追問：在一個後稀缺的世界裡，當工作不再是必須，人類將如何尋找存在的意義？也許是探索星空，也許是藝術，也許是極限運動....但這將是比經濟分配更難解決的哲學問題。GoogleDeepMind反擊OpenAI Anthropic收入暴增百倍過去的一年，AI競賽的「座次排位」發生了劇烈震盪。一年前，行業曾因「DeepSeek時刻」而興奮，當時GoogleDeepMind似乎顯得有些落後。面對質疑，Demis坦承這是「不平凡的一年」，但他自信地表示，DeepMind擁有最深厚的研究儲備，正在通過Gemini 3等模型重回榜首。他們正把GoogleDeepMind當作「核心引擎室」，加速把前沿模型推向產品介面。而站在另一邊的「獨立模型製造商」Dario，則展示了令人咋舌的增長曲線。過去三年，Anthropic的收入經歷了指數級暴漲：2023年：從0到1億美元；2024年：從1億到10億美元；2025年：從10億到100億美元。Dario表示，這聽起來很瘋狂，我們在試圖白手起家做一件與世界最大公司規模相當的事情。他特別提到，Anthropic和GoogleDeepMind有一個共同點：兩者都由研究驅動，把解決重大科學問題作為北極星。這種公司形態，才是未來勝出的關鍵。費米悖論終極哲學對話的最後環節，主持人拋出如今AI模型飽受詬病的問題——欺騙、兩面派的能力。Dario Amodei表示，從Anthropic成立第一天，團隊就深陷這個戰場，開創了「機制可解釋性」。過去一年，他們記錄了更多不良行為，也在用可解釋性拚命修復。他堅定表示，風險是存在的，但也是可解的。Demis Hassabis同樣堅信，這是「非常可解」的問題，只要給人類智慧足夠時間、專注和合作，我們就能過關。QA環節中，一位來自太空資料中心公司的觀眾拋出了著名的「費米悖論」：既然宇宙這麼大，為什麼我們還沒看到外星人？是不是因為所有高等文明都被自己的AI毀滅了？Demis直接反駁道，如果是AI毀滅了外星文明，我們應該看到宇宙中到處飛舞著「回形針」或者巨大的戴森球結構，但我們什麼都沒看到。他更傾向於認為，人類已經通過了「大過濾器」，未來依然掌握在人類自己手中。當主持人Zanny詢問明年再見時會有什麼變化時，兩位巨頭的回答殊途同歸。Dario和Hassabis觀點一致：最關鍵變數是「AI建AI」的閉環。不僅如此，Hassabis還期待著自我進化之外的其他突破：世界模型、持續學習，以及機器人技術的爆發時刻。也許全人類都該暗自希望Hassabis是對的，希望那條時間線能慢一點，好讓我們有喘息的機會去迎接那個徹底改變一切的「第二天」。然而，Dario眼神中透出的焦慮，卻揭示了殘酷的真相：在通往AGI的賽道上，「減速」從來不是一個可選項。達沃斯的這場對話，與其說是一場觀點的交鋒，不如說是一次同步的預警。無論是Dario激進的2026，還是Hassabis穩健的2030，那個終點已經清晰可見。AGI降臨的第一天，不再是科幻小說裡的模糊概念，而是矽谷大佬日曆上正被圈出的具體日期。 (新智元)

DeepMind CEO:中國 AI 公司落後西方約六個月,DeepSeek R1 反應過度/X 開源核心推薦演算法:基於 Grok 的 Transformer 模型驅動資訊流/DeepSeek 新模型 MODEL1 程式碼曝光,預示新架構最快 2 月發佈X 開源核心推薦演算法:基於 Grok 的 Transformer 模型驅動資訊流要點一:演算法技術架構與工作原理X(原 Twitter)於 2026 年 1 月 20 日在 GitHub 上開源了其核心推薦系統程式碼,該系統完全依賴於 xAI 的 Grok Transformer 模型來學習使用者參與序列的相關性。系統通過分析使用者的互動歷史(點選、點贊等行為),結合網路內帖子和利用機器學習分析"網路外"內容,為使用者生成個性化資訊流。演算法會過濾被遮蔽帳戶、靜音關鍵詞以及暴力或垃圾內容,然後根據相關性、內容多樣性以及使用者可能的互動行為(點贊、回覆、轉發等)對內容進行排序。系統採用 RecsysBatch 輸入模型,使用統一的 AI 驅動 Transformer 架構,完全實現自動化推薦,無需人工特徵工程。TechCrunch要點二:開源背景與爭議此次開源履行了馬斯克一周前的承諾,承諾每四周提供演算法透明度更新。然而,X 當前正面臨多重監管壓力:歐盟監管機構因其驗證系統違反《數字服務法》透明度義務對其處以 1.4 億美元罰款;加州總檢察長辦公室和國會議員正在審查 Grok 被用於製作女性和未成年人的性化內容問題。批評人士認為這是"透明度作秀",因為 2023 年首次開源時被批評"不完整",未能揭示組織內部運作或程式碼工作原理。值得注意的是,自馬斯克 2022 年收購以來,X 從上市公司轉為私有公司,透明度報告從每年多次減少至 2024 年 9 月才發佈首份報告。TechCrunchNetflix Q4 業績強勁:付費使用者突破 3 億,2025 年收入預期上調要點一:Q4 財務資料與使用者增長Netflix 於 2025 年 1 月 21 日公佈的 2024 年第四季度財報顯示,營收同比增長 16% 至 102.5 億美元,超過市場預期的 101.1 億美元;每股收益 4.27 美元,超過預期的 4.20 美元。公司在該季度新增 1900 萬付費會員,創下季度最大增長記錄,使全球付費會員總數達到 3.0163 億(301.63 million),超過預期的 2.909 億。淨利潤達 18.7 億美元,而上年同期為 9.38 億美元。包括"額外會員帳戶"在內,Netflix 全球觀眾估計超過 7 億。Q4 的成功得益於《魷魚遊戲》第二季、Jake Paul 對 Mike Tyson 拳擊賽以及聖誕節 NFL 比賽等內容的推動。聯席 CEO Ted Sarandos 表示,為體育賽事而來的使用者留存率與其他熱門內容使用者相當。CNBC要點二:2025 年展望與業務戰略Netflix 將 2025 全年收入預期從此前預測上調約 5 億美元,調整至 435-445 億美元區間,同時宣佈部分套餐價格上漲 1-2 美元/月。公司表示將增加內容投入,2026 年內容支出計畫增長 10%。廣告支援套餐表現強勁,在提供該選項的國家中佔註冊量的 55% 以上,會員數環比增長約 30%。Netflix 表示有望在 2025 年在所有廣告業務國家達到充足規模,大幅增長廣告業務是 2025 年首要任務。這是 Netflix 最後一次按季度報告付費訂戶數,未來將在第二和第四季度發佈"參與度報告"。2025 年將推出《怪奇物語》和《星期三》回歸,以及《利刃出鞘 3》、Adam Sandler 的《快樂吉爾莫 2》等重磅內容。公司強調其優勢在於專注核心業務,沒有管理衰退的線性網路等分心因素。CNBC馬斯克起訴 OpenAI 案內部檔案曝光:微軟與 OpenAI 十年合作關係細節披露要點一:微軟-OpenAI 關係演變與關鍵轉折點最新法庭檔案揭示了微軟與 OpenAI 長達十年的合作關係內幕。2015 年 12 月 OpenAI 成立時,微軟 CEO 納德拉發現 AWS 已成為捐助方而驚訝詢問團隊。2016 年,在馬斯克支援下(稱貝索斯"有點工具人"),微軟以 5000 萬美元計算資源贏得合作。2019 年,微軟投資 10 億美元,獲得 OpenAI 商業許可和獨家雲端運算權,以及對"重大決策"的批准權(包括結構變更、合併等),當時微軟出資佔總投資 85%,實際擁有否決權。微軟 CFO Amy Hood 評論 OpenAI 的利潤上限"實際上比 90% 的上市公司都大,並不太受約束"。2022 年 11 月 ChatGPT 發佈時董事會從社交媒體上得知,微軟隨後在 2023 年 1 月追加 100 億美元投資。2023 年 11 月 Altman 被解僱危機中,微軟在 24 小時內成立 Microsoft RAI Inc. 子公司準備接收 OpenAI 團隊,估算成本 250 億美元,並在新董事會遴選中發揮關鍵作用。GeekWire要點二:最新訴訟進展與公司治理轉變馬斯克於 2026 年 1 月尋求從 OpenAI 和微軟獲得 790-1340 億美元賠償,指控 OpenAI 背離非營利使命欺騙了他。聯邦法官已裁定此案將於今春進行陪審團審判,OpenAI 和微軟未能逃避審判。OpenAI 反駁稱馬斯克在 2017 年就同意需要營利性結構,談判破裂是因為 OpenAI 拒絕給他完全控制權。2024 年 12 月 27 日,OpenAI 宣佈解除限制利潤結構,內部稱為"Project Watershed"。2025 年 9 月簽署諒解備忘錄,45 天內完成條款。微軟的"重大決策"批准權涵蓋此次重組,雖無董事會席位和投票權,但重組無法在未經微軟批准下進行。Morgan Stanley 估值 1220-1770 億美元,Goldman Sachs 估值 3530 億美元,最終以 5000 億美元估值完成(軟銀領投),微軟股權從 32.5% 稀釋至 27%,但 OpenAI 承諾未來在 Azure 上支出 2500 億美元。同時微軟失去新雲工作負載優先權,但 IP 權利延長至 2032 年。2025 年 11 月,OpenAI 與 AWS 簽訂 7 年 380 億美元基礎設施協議,實現雲服務商多元化。GeekWireDeepMind CEO:中國 AI 公司落後西方約六個月,DeepSeek R1 反應過度要點一:對中國 AI 能力的評估Google DeepMind CEO Demis Hassabis 於 2026 年 1 月 20 日在達沃斯世界經濟論壇接受 Bloomberg 採訪時表示,中國 AI 公司目前落後領先西方實驗室約六個月。他認為市場對 2025 年發佈的 DeepSeek R1 模型的反應是"大規模過度反應"(massive overreaction)。Hassabis 表示中國公司"非常擅長追趕前沿水平,並且越來越有能力做到這一點",但並未實現科學突破。他此前在 2025 年 2 月曾評價 DeepSeek 的 AI 模型"可能是中國最好的工作",但補充說這不是科學進步,炒作被"誇大了"。這一評估與業界對中國 AI 快速發展的擔憂形成對比,Hassabis 試圖平息內部員工對 DeepSeek 的焦慮情緒。Bloomberg要點二:技術競爭態勢分析Hassabis 的評估反映了西方 AI 領導者對中國追趕速度的謹慎樂觀。雖然承認中國在快速進步,但強調其主要優勢在於"追趕"而非創新性突破。DeepSeek 作為中國 AI 初創公司,以遠低於美國競爭對手的成本開發出具有競爭力的 AI 模型,引發了對美國高額 AI 投資必要性的質疑。然而 Hassabis 的言論暗示,儘管 DeepSeek 展現了成本效率,但在技術前沿性和創新能力上,西方實驗室仍保持領先。這一觀點與當時市場因 DeepSeek 發佈而出現的恐慌情緒形成鮮明對比,試圖重新定位競爭格局的真實狀態。值得注意的是,Hassabis 的評估也可能帶有戰略性考量,旨在穩定投資者信心並維持西方在 AI 領域的主導敘事。BloombergAnthropic CEO:向中國出售 AI 晶片如同"向朝鮮出售核武器"要點一:國家安全警告與政策批評Anthropic CEO Dario Amodei 於 2026 年 1 月 20 日在達沃斯世界經濟論壇接受 Bloomberg 採訪時,強烈批評川普政府允許向中國出售先進 AI 晶片的決定,將其比作"向朝鮮出售核武器"。Amodei 表示美國在晶片製造能力上領先中國"許多年",向中國出口這些晶片可能幫助北京縮小差距,具有"令人難以置信的國家安全影響"。他描繪了 AI 的未來場景:"一個資料中心裡的天才之國",想像"1 億個比任何諾貝爾獎得主都聰明的人,它將受某一個國家的控制"。Amodei 表示中國在 AI 發展上仍然落後,並受到晶片禁運的制約。美國工業和安全域(BIS)上周修訂了向中國出售晶片的許可政策,川普隨後宣佈對 Nvidia 計畫運往中國的晶片(如 H200)徵收 25% 的關稅。Axios要點二:行業內部分歧與政治博弈Amodei 在業界對政府政策的批評中較為突出,儘管試圖緩和緊張關係,但並非孤立聲音。在國會山,眾議院外交事務委員會主席 Brian Mast 等共和黨高層正在推動立法,阻止中國獲取敏感美國技術。MAGA 影響者 Laura Loomer 和 AI 與加密貨幣主管 David Sacks 則為總統政策辯護。Amodei 在採訪中避免直接批評 Sacks(被廣泛視為川普 AI 政策背後的策劃者),僅表示"這一特定政策並不明智"。目前某些先進 AI 晶片(如 Nvidia H200、AMD MI325X)向中國出口的各項準備工作正在落實。這一爭議凸顯了商業利益、國家安全考量與政治立場之間的複雜博弈,以及 AI 行業領導者在公共政策制定中日益重要的發聲角色。Amodei 此前撰文強調需要加強對華晶片出口管制,此次公開批評進一步表明他在這一議題上的堅定立場。Axios百度文心助手月活使用者突破 2 億,與京東美團等平台深度整合要點一:使用者規模與生態整合百度旗下 AI 助手"文心一言"(Ernie Assistant)月活躍使用者數已突破 2 億大關,這一里程碑標誌著中國科技巨頭在 AI 助手領域競爭的顯著進展。根據《華爾街日報》2026 年 1 月 20 日報導,文心一言已與京東(JD.com)、美團(Meituan)和攜程(Trip.com)等廣泛使用的應用程式實現連結整合,使得該 AI 助手能夠幫助使用者預訂機票、訂購外賣等實際服務。這種深度生態整合使文心一言不再僅是獨立的聊天機器人,而是嵌入到使用者日常生活場景的智能助手。百度股價因這一消息上漲,反映了市場對其 AI 業務增長的積極預期。除活躍使用者基數外,文心一言每日 API 請求量也達到 2 億次,顯示其在企業客戶中的廣泛應用。百度還擁有超過 85,000 家企業客戶使用其 AI 服務。Wall Street Journal要點二:中國 AI 競爭格局隨著中國科技巨頭在 AI 領域競爭的加劇,百度、阿里巴巴、騰訊等公司都在爭奪 AI 助手市場份額。百度的文心一言現已整合到其旗艦搜尋引擎中,並在 PC 端可用,重塑了使用者搜尋和互動方式,從傳統關鍵詞搜尋轉向 AI 驅動的對話式搜尋。這一轉變體現了百度將自身從傳統搜尋引擎轉型為 AI 平台的戰略。與競爭對手相比,百度在中文語言模型和本土化服務整合方面具有優勢。文心一言與京東、美團等電商和生活服務平台的整合,使其能夠直接參與交易環節,而不僅僅提供資訊查詢。這種"AI+服務"的模式代表了中國 AI 應用的獨特路徑,與美國市場以通用對話為主的 ChatGPT 等產品形成差異。2 億月活使用者的規模雖然顯著,但在中國龐大的網際網路使用者基數中仍有巨大增長空間,預示著 AI 助手市場的激烈競爭將持續升級。Wall Street Journal字節跳動擴張雲業務:AI 雲市場份額近 13%,挑戰阿里巴巴主導地位要點一:市場份額與擴張戰略根據《金融時報》2026 年 1 月 20 日報導及 IDC 資料,字節跳動旗下火山引擎(Volcano Engine)在 2025 年上半年佔據中國 AI 雲服務市場近 13% 的份額,營收約 3.9 億美元,而阿里巴巴保持約 23% 的市場領先地位。字節跳動正在通過招聘銷售人員和降低價格策略積極擴張其雲業務,成為增長最快的挑戰者。公司依託其短影片平台抖音(TikTok)和今日頭條積累的海量資料和 AI 技術優勢,向企業客戶提供 AI 驅動的雲服務。字節跳動宣稱每日處理 30 兆 tokens,佔據 49.2% 的 token 消費份額,而阿里巴巴則以 334 億元人民幣的雲收入和更成熟的企業客戶基礎作為反擊。儘管雙方在 2025 年上半年的市場份額都略有下滑,但字節跳動的快速崛起仍對阿里巴巴長期主導的雲端運算市場構成威脅。Financial Times要點二:雲端運算市場競爭格局演變中國 AI 雲基礎設施競爭已進入白熱化階段,字節跳動和阿里巴巴成為最激進的競爭者。分析師指出,字節跳動在 AI 雲市場的挑戰對阿里巴巴構成顯著壓力,特別是在 AI 原生應用和新興企業客戶群體中。阿里巴巴雖然保持整體市場領先(約 35.8% 的 AI 雲市場份額,超過其後三家競爭對手的總和),但面臨增長放緩壓力。字節跳動的優勢在於其在消費網際網路領域積累的 AI 技術和演算法能力,以及願意提供更有競爭力的價格。市場研究機構預測,中國雲端運算市場規模將從 2025 年的 504.7 億美元增長至 2031 年的更大規模。這場競爭的背後是對未來 AI 經濟基礎設施控制權的爭奪:兩家公司都聲稱在中國 AI 領域處於領先地位,但採取不同的戰略路徑——阿里巴巴強調企業雲收入和成熟的商業模式,而字節跳動則突出技術處理能力和消費者應用經驗。此次雲業務擴張也被視為字節跳動多元化戰略的一部分,在面臨 TikTok 在海外監管壓力的背景下,拓展 B2B 企業服務市場。Financial TimesOpenAI 將於 2026 年下半年推出首款硬體裝置,無螢幕可穿戴形態要點一:產品時間表與形態特徵OpenAI 全球事務主管 Chris Lehane 於 2026 年 1 月 19 日在達沃斯 Axios House 活動中透露,公司"正按計畫"在 2026 年下半年推出首款硬體裝置。這一時間表與去年 5 月 CEO Sam Altman 收購前蘋果設計總監 Jony Ive 公司時的暗示一致,Ive 公司當時發佈的宣傳視訊中寫道"期待明年與您分享我們的作品"。根據多方報導,OpenAI 正在開發小型無螢幕裝置原型,可能是可穿戴形式,將通過互動方式與使用者溝通。Altman 此前表示該裝置將比智慧型手機更"平和",使用者會對其簡潔性感到震驚。Lehane 將"裝置"列為 OpenAI 2026 年的重要看點之一,但拒絕透露具體細節,包括是別針、耳機還是其他形態。他表示將在"今年晚些時候"分享消息,強調這是"最可能"的時間表,但"我們會看看事情如何進展"。Lehane 並未承諾裝置今年一定上市銷售,暗示發佈可能僅是產品展示而非正式商業化。Axios要點二:AI 硬體市場前景與競爭態勢儘管早期 AI 裝置如 Humane 的 AI Pin 基本失敗,但 2026 年預計將迎來眾多 AI 硬體新嘗試。高通 CEO Cristiano Amon 在同一活動中透露,目前每年約有 1000 萬台 AI 智能眼鏡出貨,預計今年或明年將增至 1 億台。他表示 AI 裝置將採取多種形式,包括帶攝影機的耳塞和珠寶,高通晶片將為大多數產品提供動力,但 AI 智能眼鏡可能是銷量最大的品類。關於 OpenAI 裝置是否使用高通晶片,Amon 較為謹慎地表示"我會說我們一直在與他們合作,所以我們對正在做的事情感到興奮,但他們會談論自己的裝置"。這暗示雙方可能存在某種合作關係。OpenAI 進軍硬體市場代表著從純軟體/API 提供商向垂直整合的戰略轉變,類似於蘋果的軟硬體一體化模式。與 Jony Ive 的合作更強化了這一願景,利用 Ive 在蘋果創造 iPhone、iPad 等革命性產品的經驗。然而,AI 硬體市場尚未找到真正的產品市場契合點,OpenAI 面臨的挑戰是如何創造出既有實用價值又能提供超越智慧型手機的獨特體驗的裝置。Axios字節跳動 AI 平台 Coze 發佈 2.0 版本,支援長期自主規劃與智能辦公要點一:核心功能升級與技術突破字節跳動旗下 AI Agent 開發平台 Coze(中文名"扣子")於 2026 年 1 月 19 日發佈 2.0 版本,實現從"AI 輔助工具"到"主動執行的 AI 工作夥伴"的重大升級。新版本具備三大核心能力:Agent Skills(技能封裝)、Agent Plan(長期規劃)和 Agent Office(智能辦公)。Agent Skills 功能允許將複雜工作流封裝為可呼叫的技能包,通過簡單的自然語言指令即可執行多步驟任務,例如一句話完成從資料收集到可視化的全流程。Agent Plan 實現了從"單次對話"到"長期服務"的跨越,使用者只需設定宏觀目標(如管理社交媒體帳戶),AI Agent 就能自主分解步驟、執行任務並持續最佳化,支援複雜目標的閉環管理和長期任務的自主執行。Agent Office 增強了深度上下文理解能力,可輔助生成報告、製作 PPT、梳理會議紀要等職場辦公場景,與 WPS、飛書等辦公軟體深度整合。扣子程式設計功能支援雲端協作開發,使用者可使用 Python、JavaScript 等語言編寫自訂邏輯。Readhub要點二:應用場景與市場定位扣子 2.0 主要應用於行銷文案、長期計畫管理、職場辦公等場景。歷經 700 多天迭代,扣子已積累上千萬使用者。此次升級通過"技能封裝"和"長期計畫"等功能,試圖解決 AI 在複雜工作流中執行力不足的問題。與初版相比,2.0 版本不再侷限於單純的對話互動,而是強調 AI Agent 的自主規劃和持續執行能力。例如在行銷場景中,Agent 可以持續監測市場趨勢、自動生成內容、最佳化投放策略;在項目管理中,可以跟蹤進度、協調資源、提醒風險。扣子 2.0 的發佈體現了字節跳動在企業級 AI 應用領域的戰略佈局,與其消費級 AI 產品(如豆包)形成互補。作為低程式碼甚至零程式碼的 AI Bot 開發平台,扣子降低了企業和開發者建構定製化 AI 智能體的門檻。這一戰略與微軟的 Copilot Studio、OpenAI 的 GPTs 等產品形成競爭,但扣子更強調"長期規劃"和"自主執行"能力,試圖在 AI Agent 市場中建立差異化優勢。平台支援可視化工作流、自主編排、自動規劃等多種智能體建構方式,並可分發到多個管道。ReadhubDeepSeek 新模型 MODEL1 程式碼曝光,預示新架構最快 2 月發佈要點一:MODEL1 程式碼細節與技術特徵DeepSeek 在 GitHub 上更新的 FlashMLA 程式碼庫中,橫跨 114 個檔案有 28 處提到了神秘的"MODEL1"識別碼,這被認為是下一代旗艦模型的開發代號。程式碼分析顯示,MODEL1 與現有的 V32(DeepSeek-V3.2)架構並列出現,暗示這是一個全新的模型架構。具體技術差異體現在 KV 快取佈局、稀疏性處理和 FP8 解碼等方面,顯示該模型在記憶體最佳化上進行了多處改進。MODEL1 可能整合了最佳化的殘差連接、Engram 記憶模組與 mHC 流形約束技術等創新。開發者推斷 MODEL1 很可能是 DeepSeek-V4 的內部開發代號或首個工程版本。此前《The Information》月初爆料稱,DeepSeek 將在 2026 年 2 月中旬農曆新年期間推出新一代旗艦 AI 模型 DeepSeek V4,將具備更強的寫程式碼能力。MODEL1 在開放原始碼中的意外現身,類似於 DeepSeek 發佈前的慣例,增加了 2 月發佈的可能性。IT之家要點二:發佈時機與市場影響DeepSeek-R1 發佈剛滿一周年之際,MODEL1 的曝光引發行業高度關注。如果按照預期在 2026 年 2 月發佈,DeepSeek V4 將成為中國 AI 公司在農曆新年期間推出的重磅產品。DeepSeek 以低成本高效能著稱,其 R1 模型曾在 2025 年引發全球關注(儘管 DeepMind CEO 認為反應"過度")。新模型如果在程式碼能力上實現顯著提升,將進一步鞏固 DeepSeek 在開源 AI 領域的地位,並加劇與 OpenAI、Anthropic 等西方公司的競爭。MODEL1 程式碼中對記憶體最佳化、稀疏性處理等方面的改進,暗示 DeepSeek 繼續追求"用更少資源實現更強性能"的技術路線,這對受美國晶片出口限制的中國 AI 公司尤為重要。不少行業分析人士認為,MODEL1 在開放原始碼中的提前曝光可能是 DeepSeek 的一種預熱策略,類似其以往的發佈模式。如果 DeepSeek V4 如期在 2 月發佈並展現顯著進步,將對全球 AI 市場格局產生重要影響,特別是在程式碼生成和開發者工具領域。這也將考驗 Demis Hassabis"中國落後六個月"論斷的精準性。IT之家香港 IPO 市場強勁開局:新能源、AI、電動車和生物科技驅動增長要點一:2026 年開局表現與融資資料根據香港交易所(HKEX)CEO 陳穎婷(Bonnie Chan)在 2026 年 1 月達沃斯世界經濟論壇前夕發表的文章,2026 年前三周已有 11 家公司在香港上市,融資近 40 億美元。目前有 50 份新上市申請提交,超過 300 家公司正在排隊等待上市批准。這延續了 2025 年的強勁勢頭:2025 年共有 114 家公司在主機板上市,融資 372.2 億美元,同比增長 230%,推動香港重回自 2019 年以來全球最大 IPO 市場的位置。寧德時代的 53 億美元 IPO 是 2025 年香港最大的上市項目。陳穎婷表示,新能源、人工智慧、電動汽車和生物技術公司將繼續成為未來幾年香港 IPO 市場的驅動力。她寫道:"過去一年,數十家綠色能源、自動化和其他領域的新公司在香港上市,使它們能夠擴大研究規模和全球影響力。"South China Morning Post要點二:市場前景與戰略定位陳穎婷強調 HKEX 的角色是"幫助更快地翻開這個故事的篇章,使更清潔的能源、變革性的醫療保健和更高的生活水平從承諾走向實踐"。她表示,從上市申請管道來看,她的樂觀情緒得到了"穩定流動的變革性創意"的支援,"下一章進步正由這些富有遠見的公司、他們大膽的創意以及賦能它們的市場書寫"。香港 IPO 市場的復甦得益於多重因素:中國經濟復甦預期、科技和新能源行業的強勁增長、以及香港作為連接中國內地與國際資本市場橋樑的獨特地位。特別是在 AI、電動車和生物科技等高增長領域,許多中國公司選擇香港作為上市地,以獲得國際投資者的認可和資金支援。陳穎婷的表態反映了 HKEX 對 2026 年市場的信心,預計科技創新類企業將繼續主導香港資本市場。這一趨勢與中國政府推動"新質生產力"、支援科技創新和綠色轉型的政策方向高度一致,香港正在鞏固其作為亞洲科技企業首選上市地的地位。South China Morning Post (AI Daily Insights)

微軟CEO薩蒂亞·納德拉在達沃斯論壇提出清醒論斷：除非人工智慧的紅利能廣泛惠及除了矽谷和富裕國家之外的地方，否則當前的AI熱潮可能淪為投機泡沫。而能源成本最終將決定那些國家能贏得AI競爭，“token”代幣會是新的全球大宗商品。截圖來自世界經濟論壇官網直播視訊“未來，任何地方的GDP增長都將與‘每美元每瓦特產生的算力’直接相關。”1月20日，微軟CEO薩蒂亞·納德拉（Satya Nadella）在瑞士達沃斯小鎮舉辦的世界經濟論壇第56屆年會上參與了一場對談，談及了AI的現狀及未來，並重點論述了他對AI發展與能源成本、AI泡沫及數字主權、AI時代組織轉型等問題的看法。貝萊德董事長兼CEO、世界經濟論壇臨時聯合主席勞倫斯·芬克（Laurence D. Fink）主持了對談。電力短缺將是制約AI發展的最關鍵瓶頸之一。去年11月，納德拉在與OpenAI CEO薩姆·奧爾特曼（Sam Altman）談及了該話題，引發廣泛關注。在最新達沃斯對談中，他再次提示，需要高度重視“每美元每瓦特產生的算力”。他分析稱，算力定價目前每三個月就會下降一半，人們已經開始規劃如何利用算力創造盈餘。但從總體擁有成本的角度考量，能源成本、資料中心成本等都要計算進去。當我們將算力視作新的商品，而經濟體和公司的目標變成“將算力轉化為經濟增長”時，誰擁有更低的成本、更便宜的商品，誰就能取得先機。當芬克問到對“缺乏自己的電力、高度依賴進口的歐洲”的建議時，納德拉直言，歐洲的核心競爭力在於用自己的產品滿足全球需求，而非僅僅保全歐洲內部的安全。在AI發展中，該區域的當務之急應該是確保企業能獲取全球資料來訓練AI，並將本地建設與全球思維結合，以維持領導力，而非僅僅關注安全、監管。對於市場高度關注的“AI泡沫”，納德拉稱，如果對AI的關注及價值只停留在科技圈、生產側，那麼問題必然會出現。只有當AI的好處廣泛擴散到製藥、金融等各行各業的需求，真正解決實際問題並帶來全球性的生產率提升與地方經濟盈餘時，才能避免泡沫，實現可持續增長。實際上，微軟也並非當下最受市場矚目的“AI贏家”。Business Insider曾報導，納德拉有意推動微軟轉型，並重新思考其在AI時代的商業模式，為此還聘用了曾在公司雲端運算發展中做出貢獻的羅爾夫·哈姆斯（Rolf Harms）擔任AI經濟學顧問。在最新的訪談中，他提到，初創公司更能快速使用並借助新工具提升生產力，但快速實現規模化難度仍然不小。而大型組織雖有資料、人際關係、專業知識等優勢，但仍面臨根本性挑戰，必須通過“新的生產函數”將其轉化為實際生產力，否則將被超越。他認為，總體來說大型企業面臨的管理調整將會更大，而這場轉型的本質則是對領導力意志的考驗，任何企業的自滿都可能導致其在激烈競爭中落後。AI徹底顛覆了組織內的資訊流動方式，帶來“資訊流扁平化”的革命，企業也必須主動利用技術重構工作流程，並準備好高品質的“上下文”供AI學習，完成工作流程的重塑。納德拉還重點強調，人們完全沒能重視AI時代“企業主權”的重要性。他建議企業必須捍衛自身的“AI主權”，將公司獨特的隱性知識和專有資料嵌入並控制在自己擁有的模型之中，而非僅僅依賴外部通用模型，從而防止核心企業價值的流失。對於可預見的未來，他認為不會有一個大模型佔據統治地位，而在“多模型時代”，企業的競爭優勢不在於選擇一個“最佳模型”，而在於掌握 “編排”的藝術，整合各類模型和資料，最終創造出專屬於自身的、能驅動關鍵業務成果的AI能力與智慧財產權。“誰能解決這個問題，誰就將取得進步。”他表示。以下為納德拉與芬克對談實錄，經鈦媒體編輯整理：勞倫斯·芬克：我們先來談談人工智慧，這幾乎是當下每個人心中最關心的話題，它關乎商業、技術和社會的交匯。薩蒂亞，你知道，我們正在將AI從一種實驗性的、我們總是談論的未來事物，變成今天的基礎性現實。它現在不僅是公司的基礎，而且真正開始成為國家和整個社會的基礎。你處在這場技術變革的最前沿，應該比其他人更瞭解這些。基於此，我想問幾個問題。首先，你曾將AI描述為一次平台級變革，這是什麼意思？第二個問題，你認為未來幾年這種轉變將走向何方？第三個問題是，我們快進幾年，比如五年後當我們回顧今天時，有那些事會是那時顯而易見，而今天卻不太清晰的？薩蒂亞·納德拉：首先，很高興再次來到這裡。事實上，昨天我讀了你為論壇開幕寫的致詞，信中有一行話我印象很深。你提到，在AI方面，我們所有人面臨的真正問題是，如何確保AI的擴散得以實現並且迅速發生？如何讓模型、資料和基礎設施更均衡地傳播，從而在各處創造盈餘？從某種意義上說，我思考這個問題的方式是，這始終是計算的演進軌跡。你可以回顧過去30年或70年的歷史，核心始終是：能否將關於人、地點和事物的資訊數位化，然後建立分析和預測能力。這就是大型機、小型機、客戶端-伺服器時代、網路時代、移動雲時代所做的事情。所以，無論那種範式或平台，這都是一條連續的弧線，即通過數字形式進行推理，來更好地理解這個世界。因為在某種意義上，一旦你將這些資訊數位化，你就可以使用像軟體這樣更具延展性的資源。它沒有相同類型的邊際成本經濟學限制，這使我們能夠建立更多的洞察力和能力。在這個背景下，我認為AI屬於同一類別，至少和網路、網際網路、移動、PC或雲一樣重要，甚至可能更重要。因此，在我看來，我們目前所處的階段，就拿軟體工程領域發生的事情來說，主要是一項知識工作，可以說是精英知識工作。事實上，我對這一代AI及其能力的信念，最初是當我看到GitHub Copilot完成程式碼補全時建立起來的？長久以來，我們一直夢想著，一名軟體開發人員何時才能預測下一個詞或下一行程式碼？突然間，AI模型就開始讓這些實現了。然後你說，好吧，如果我能做到這一點，那麼我是否可以通過進入聊天會話並提出任何問題，來恢復開發者的工作流，讓它給出答案，然後用在編碼流程中？這就是接下來發生的事情。然後你又會說，好吧，如果這行得通，我能給它分配小任務嗎？那就是“代理AI”。現在你有了完全自主的代理，你可以把你的整個項目交給AI了，而且它可以7天24小時不間斷的工作。我的意思是，要讓這些東西長時間保持連貫性，我們還有一段路要走。但不管怎樣，它正變得越來越好。有趣的是，你看，軟體開發人員在其中仍然擁有很大的自主權，對吧？這就是為什麼我仍然認為，把這些東西想像成存在於人類能動性領域之外的事物並不正確。事實上，或許可以這樣理解：比如在80年代初，如果有人告訴我們，將有40億人每天早晨醒來開始打字。你只會問為什麼，對吧？我們有一個打字員池就夠用了，我們不需要40億人打字。但事情就這樣發生了。我們發明了“知識工作”這個全新的類別，人們開始真正使用電腦來放大我們試圖通過軟體實現的目標。我認為在AI的背景下，同樣的事情將會再次發生。這並不意味著硬核編碼將永遠保持硬核編碼的狀態。只是抽象層級會改變，但我們也將擁有程式碼作為輸出，就像文件一樣。事實上，從我在92年加入微軟那天起，比爾就一直強調的一件事就是：文件、網站和應用程式之間真正的區別是什麼？答案是缺乏能夠自我轉換的軟體。有趣的是，AI最終給了我們這種能力，對吧？我可以寫一份文件。我可以說，不，我不想要文件，我想要一個網站。它就會用程式碼把那份文件轉換成一個網站。我說，我不喜歡這個網站，我想要一個應用。它會寫更多的程式碼來轉換它，使得推理能力、預測能力、採取行動的能力能夠長期保持連貫，這一切都在改進。而我們的工作是利用這一點，就像你和貝萊德正在做的事情一樣，對吧，當你把Copilot Plus和Aladdin這樣的東西結合起來，來提高公司內部做決策時的生產力時，你們就是在利用這一點。勞倫斯·芬克：我可以告訴你，在我們的公司，過去需要12小時計算的事情，現在只需要幾分鐘。即使需要處理著14兆美元的資金，涉及數十萬個不同的授權，我們也可以即時完成。對我來說，如果沒有今天的技術和AI，我們將無法以我們當前的規模來運作。薩蒂亞·納德拉：沒錯。所以在我看來，如果我們能夠真正利用這些算力來改變生產率曲線，那麼到處都會產生盈餘，而這正是真正的目標。勞倫斯·芬克：是的，不過也可能令人不安。這會意味著更少的勞動力需求嗎？我們所說的盈餘是什麼意思？所以，我要把這個問題和我第二個關於AI擴散的問題聯絡起來。對我來說，AI對社會乃至對一個更平衡世界的全部意義，在於確保它在全球範圍內擴散、可及和可用。那麼，你能描述一下這個過程嗎？這個跨越經濟體、公司和國家的過程，將如何展開？薩蒂亞·納德拉：我認為這才是真正的問題。因為當前的時代精神有點在於對AI抽象形式或其作為技術的讚賞。但我認為，我們作為一個全球共同體，必須達到這樣一個點，即我們利用它來做一些有用的事情，從而改變人民、社區、國家和行業。否則，我認為沒有多大意義。事實上，我認為如果我們不能做到這一點，不能改善健康結果、教育成果、公共部門效率、私營部門競爭力的話，我們甚至會迅速失去社會的認可，無法將能源這樣的稀缺資源用於生成算力。顯然我提到的這些才是最終目標。因此，我認為擴散就是一切。它的發生方式是這樣的，在供應方面，每個國家需要推動的，是每美元每瓦特產生的算力必須變得更高效、更好。所以在某種程度上，甚至我們兩家公司在全球所做的投資，也是在試圖確保供應到位，這包括從晶片開始，一直到最終部署在各處的“算力工廠”。順便說一下，不會只有一個算力工廠。這種算力工廠將是第一種擴散到全球各地的東西，就像電力一樣。你只需要一個無處不在的能源和算力網路，然後它就能驅動其餘的經濟。我認為這是一方面。然後，需求方面，我們可以說，每家公司都必須開始使用它。回顧過去，即使是PC首次出現或個人計算時代開始時，我記得賈伯斯有一個很好的比喻，他稱之為“心靈的自行車”，比爾·蓋茲也有一個比喻，我記得是“指尖的資訊”。這兩個比喻都很棒，這就是事情的本質，它是一種工具，我可以用它來獲取指尖的資訊，或將其作為認知放大器。現在我認為我們擁有的正是這個。從某種意義上說，作為知識工作者，你現在可以接觸到無限的智慧。圖靈獎得主拉吉·雷迪有一個關於AI的絕妙比喻，甚至在生成式AI出現之前他就說過。他說，它要麼是認知放大器，要麼是守護天使。所以，如果你這樣看待AI，那麼在全球化勞動力中，醫生可以在接觸病人時花更多的時間在病人身上，因為AI正在做轉錄並將記錄輸入電子病歷系統，輸入正確的帳單程式碼，從而使醫療保健行業、提供者和患者都得到更好的服務。這是一個我們都能從中受益的結果。所以我覺得，最終這需要私營部門和公共部門的真正領導力來確保擴散發生。另外，我要提到的另一點是“模式”。從某種意義上說，擴散與一件事高度相關，那就是有多少人掌握了使用這項技術的技能。有趣的是，我認為如果移動時代教會了我們一件事，那就是它實際上與PC時代發生的事情不同。我記得即使是在全球南方成長，學習Excel技能或Word技能與找到工作之間都曾經有很直接的關係。現在，移動時代的模式是什麼？它創造了類似的機會，但更多是由消費驅動的，比如創作者經濟等等。但現在它應該是關於，這就是你如何獲得一份醫療保健工作，或者一份金融工作，或者如何在專業上取得進步，這是一種回歸。人們會說，哦，我掌握了這項AI技能，現在我在實體經濟中成為了更好的產品或服務提供者。勞倫斯·芬克：所以，很容易看出移動技術及其擴散如何改變了經濟，尤其是在全球南方。你知道，對我來說，我剛讀了一份研究報告，說迄今為止AI的應用嚴重偏向於受過教育的人群或經濟體。那麼，這會不會造成更大的分化，更多的極化？我們如何確保擴散是均勻的？我們如何確保不會讓社會或世界的主要部分掉隊？因為我認為這將成為我們前進道路上的大問題。薩蒂亞·納德拉：是的，通過已經建立的通道，我們有能力相當均勻地在世界各地輸送算力，比PC時代甚至移動時代初期要好得多。因為即使是智慧型手機，特別是智慧型手機，要滲透到全世界也花了很長時間，而現在情況不同了。這些模型及其輸出幾乎在任何地方都可用。所以對我來說，問題是如何找到有意義的應用場景。事實上，我經常回顧的一個演示，我想那是在2023年初，一位印度農村的農民能夠使用一個基於早期GPT-3甚至2.5建構的聊天機器人，用當地語言來推理他聽說過的某些農業補貼，甚至在那個非常早期的階段，就能讓它展現出一些代理行為，比如幫我填完一張表格。所以在某種意義上，它把能動性帶給了那些原本可能沒有的人，因為技術變得更易得了。所以我確實認為，即使在全球南方，主動權也在我們手中，利用它來創造更多原本不存在的機會。但我認為必要的條件仍然是：是否有資本投入？是否有吸引資本的環境？我們作為超大規模雲提供商，正在全球範圍內投資，包括全球南方，我們也更加需要一個能吸引投資的營商環境。勞倫斯·芬克：而且你也看到了需求。薩蒂亞·納德拉：是的，需求就在那裡。所以問題是，如何制定一套政策，既能讓資本流入，又能讓它落地找到與當地的結合點。順便說一下，有些事情只有私人資本能做，有些事情只有公共資本能做，例如電網，在大多數國家，電網基本上是由政府驅動的公共事業。所以，如果你沒有一個複雜的電網或其他現代化的方法，那將會拖累發展。當然，也有很多關於“電表後端”解決方案的討論等等，我們可以有所作為。勞倫斯·芬克：在美國可以，但許多國家不行。薩蒂亞·納德拉：沒錯，而且從長期來看，這是不可持續的。我的意思是，對我來說，一個長期可持續、擴展的解決方案是，讓所有這些“算力工廠”成為實體經濟的一部分，連接到電網，連接到電信網路，並進行輸送。就像我們輸送位元一樣，你必須輸送算力加位元。這將驅動大規模的發展，無論是在全球南方還是在發達國家。勞倫斯·芬克：很多人談論可能存在AI泡沫。作為投資者，我們看到的最重要的事情是技術的民主化和擴散，這確實會改變需求，而擴散最快的公司或國家將成為最終的贏家，而不是技術的創造者。薩蒂亞·納德拉：這正是關鍵。要讓這不成為一個泡沫，從定義上講，就需要讓這項技術的好處更均勻地傳播。我認為，判斷它是否是泡沫的一個跡像是，如果我們談論的僅僅是科技公司，只談論技術方面發生了什麼，那麼從定義上講，這只是純粹的供給側。最終，如果我們不談論，例如這裡有一家製藥公司或一種藥物進入市場非常成功，是因為AI加速了臨床試驗等案例，就出現了問題？所以，我並不是在空談。我更加確信，這項技術將建立在雲和移動的軌道之上，更快地擴散，改變生產率曲線。並在世界各地帶來地方性盈餘和經濟增長，而不僅僅是由資本支出驅動的經濟增長，因為那只是某個時間點的狹義計算。我們在發達國家尤其能看到這種情況，但我所說的資本，雖然我們確實在美國投入了很多，但也有約50%分佈在世界各地。所以有趣的是，這取決於全球各地的需求，而全球各地的需求只有在那裡存在地方性盈餘時才會出現。這就是我看待“AI泡沫”的方式。勞倫斯·芬克：那麼讓我們再深入一點。隨著AI擴散，顯然組織、公司、政府都必須演進。現在進入需求側，你認為在AI世界裡，組織的結構將如何變化？我相信微軟自身也在演進，所以也許你可以告訴觀眾，你如何看待這種擴散在公司層面或政府層面的利用，這最終將怎樣創造需求，從而消除對泡沫的恐懼。薩蒂亞·納德拉：我認為這可能是所有新技術帶來的重大挑戰之一：當工作產物和工作流程發生變化時，意味著我們作為公司必須改變工作方式。事實上，我記得幾年前見過忠利保險的CEO，他描述說他加入公司時還在前PC時代，他描述了他們如何通過電傳、辦公室間備忘錄與現場代理合作，突然PC出現了，人們開始用電子表格和電子郵件傳送，整個工作流程和過程都改變了。同樣，我認為隨著AI爆發，你將開始看到工作流程的實際變化。事實上，對我來說，來達沃斯開會，不管我有多少場雙邊會議，準備這些會議都有一個特定的工作流程。就是我的現場團隊會準備簡報，傳到總部，再進一步提煉。從我92年加入公司到幾年前，這幾乎沒什麼變化。而現在，我直接去Copilot說，嘿，我要見勞倫斯·芬克，請給我一份簡報。它就會給我一份。順便說一下，一個好處是它給了我一個全景檢視，它知道我們作為客戶在與你們做什麼，也知道我們作為你們的客戶在做什麼，以及介於兩者之間的所有投資事宜。所以，它捕捉資訊的能力是前所未有的。事實上，我會立即把那份簡報分享給我所有職能部門的所有同事？想想看，這徹底顛覆了組織內的資訊流動方式。不是那種經典的：我們有一個組織，我們有部門，我們有專業分工，資訊慢慢向上傳遞。不，它實際上是扁平化了整個資訊流。一旦你開始這樣做，你就必須重新設計結構。所以當前的結構可能不再合理，因為你希望人們能夠以資訊自由流動的方式工作。所以，這讓我想到，如果非要總結一個公式，我認為要從心態開始。我們領導者應有的心態是：我們需要思考如何用技術改變工作流程，然後這需要技能。所以你不能抽象地談論這個。你必須使用它，你必須信任它。你不能只是害怕它，它必然將會擴散。另一個重要的考慮因素是，如何確保你擁有提供上下文的資料集。這就像你有了一個新的智能層，但這個智能層的好壞取決於你給它的上下文。人們甚至將其描述為“上下文工程”，但這就是公司做的事情，對吧？想想公司是做什麼的，都是關於我們作為不同部門的人員，通過處理檔案和資訊流動而擁有的隱性知識。所以問題是，如何讓這個AI也擁有那個上下文？這些是必須滲透到整個組織中去利用的一些新事物。事實上，這就是為什麼我認為你會看到那個挑戰：為什麼我沒有立即看到生產率的提升？因為你必須做艱苦的工作。事實上，這就是為什麼它不會在某個時點突然爆發。公司之間會有差異，行業之間可能有差異，但這根本上將取決於組織的領導力意志。勞倫斯·芬克：你看到應用是跨越大型、中型和小型公司在使用，還是目前主要仍是大公司的領域？薩蒂亞·納德拉：我認為你看到的情況是，如果你是從零開始，更容易採用這些工具，因為你是在知道這些工具存在的情況下建構你的組織。勞倫斯·芬克：這像是一種“啞鈴現象”，剛起步的小公司可以更好的使用新平台。薩蒂亞·納德拉：是的。事實上，我認為即使對於大型組織，也存在根本性的挑戰。除非你的變化速度跟得上可能的發展步伐，否則你將被某個能利用這些工具迅速達到規模的小公司超越。但是，我認為大型組織有固有的優勢：你有人際關係、有資料、有專業知識。但關鍵是，如果你不通過一種新的生產函數來轉化這些優勢，那麼你實際上就會停滯不前。因此，大型組織的變革管理挑戰將會更大。對於小型組織來說，如何克服規模問題，也是一種很有難度的結構性挑戰。所以，這以一種有趣的方式呈現出兩面性。這將是一個競爭異常激烈的世界，無論你是新進入者還是現有企業，都不能把它當作理所當然。勞倫斯·芬克：那國家之間呢？你是否看到應用使用方式上的巨大差異？AI仍然是發達國家的專屬領域，還是正在迅速成為所有國家的領域？薩蒂亞·納德拉：我有兩件事要說。當我周遊世界時，無論是專業知識、軟體開發人員、初創公司還是大型組織的水平，差異並不大，這很有趣。在雅加達、伊斯坦布林和墨西哥城，與在西雅圖或舊金山並沒有太大不同。我想這是我們的世界第一次出現這種情況，僅僅是因為獲取正在發生的事情的管道是存在的。也就是說，從規模上看，對使用這項技術的承諾、風險資本的存在、大公司的強力推動，成就了這一現實。比如，在美國，如果我們比較一下，就拿金融業來說，金融業對雲的採用與今天對AI的採用相比，速度完全不同，在AI方面要快得多，而云因為各種原因相對較慢。勞倫斯·芬克：還有監管問題，在監管機構允許下一步之前，把資料移出內部網路是個大問題。薩蒂亞·納德拉：所以我想說，我認為無論在那裡，你知道，在西方，特別是在美國，顯然有一種真正的、我認為是更多的圍繞使用它的活力，但它也比我所見過的任何技術都更均勻地在世界各地傳播。勞倫斯·芬克：你提到了電力、電網。如果電力價格高，需求成本高昂，這會不會成為影響AI可及性的決定性因素之一？薩蒂亞·納德拉：百分之百，如果你看看每美元每瓦特產生的算力，就能預測事情會如何發生了。從某種意義上說，我認為任何地方的GDP增長都將與之直接相關。根據我的整個論點：你擁有一種新的商品，就是算力。而每個經濟體和經濟體中每家公司的任務，就是將這些算力轉化為經濟增長。那麼，如果你擁有更便宜的商品，那就會更好。這就是為什麼“每美元每瓦特產生的算力”如此重要。順便說一下，這包含許多要素，不僅僅是生產側，這就是為什麼我認為擁有電網也很重要。如果你考慮總體擁有成本，那麼一切因素都要被計算進去，包括你如何成為廉價的能源生產者？你能建造資料中心嗎？矽和電力系統的成本曲線是怎樣的？還有，看看算力的定價，算力定價基本上每三個月下降一半，這就是為什麼我認為人們可以真正規劃如何利用算力創造盈餘，因為你知道你擁有一種價格只會單調快速下降的商品。勞倫斯·芬克：我們現在身處歐洲，這裡有一種真實的擔憂，因為歐洲沒有自己的電力，大部分電力需要進口。你對此有什麼資訊要傳遞給歐洲嗎？薩蒂亞·納德拉：我認為時期有兩方面。一是，我們現在在瑞士，我看到製藥業或金融業，他們在這個國家和歐洲做著重要的工作，但他們也是國際品牌，有國際業務。所以，每當我想到歐洲時，有一點是歐洲人生產的產品和服務實際上銷往世界各地。因此，歐洲的競爭力是關於其產出在全球的競爭力，而不僅僅是在歐洲內部。我覺得有時在歐洲，很多對話只侷限於歐洲本身。但歐洲經濟的繁榮是因為他們能夠生產世界需要的東西。你知道，在過去200年、300年裡，西方的奇蹟根本上源於歐洲發生的事情。這是我想說的第一點。我還想強調，這裡的人力資本非常出色，是世界級的。但要繼續做到這一點，你必須繼續投資於生產，擁有能源和算力，正如我所說，我們和其他公司正在這裡投資建設資料中心。所以問題是，接下來從這裡產出的會是什麼？每當我去美國的珠寶店或牙醫診所，我總是想到德國的“隱形冠軍”，我被德國的“隱形冠軍”產品包圍著，這代表了一個國家的工程實力。現在的問題是，每個人都在談論主權和資料這個、資料那個，但歐洲實際上更應該關心的是他們的工業公司、金融服務公司能否獲取來自美國及世界其他地區的資料，而不是僅僅認為通過保護歐洲就能保持競爭力。歐洲只有在產自歐洲的產品具有全球競爭力時才能保持競爭力。所以我認為，這需要改變。我知道歐洲在隱私方面領先，這很棒。歐洲在AI安全和許多其他方面也領先，這是也一個很好的特點。但你還必須通過本地建設和全球思維來補充它。這片大陸將為世界其他地區做出什麼貢獻，正如它在歷史上一直是一位領導者那樣。勞倫斯·芬克：那麼，你認為圍繞資料主權的整個概念，是否被誤解了？薩蒂亞·納德拉：我認為，當人們談論主權時，首先，它顯然非常重要。尤其是在像這樣的一周裡，它更重要。但話雖如此，你必須思考主權意味著什麼。例如，在AI領域，一個很少被討論但我覺得在今年將被最多討論的話題，將是公司的主權。想像一下，如果你的公司無法將公司的隱性知識嵌入到一組你控制的模型權重中。從定義上講，你就沒有主權。這意味著你正在將企業價值洩露給某個地方的某個模型公司。現在幾乎沒人談論這個，對吧？每個人都在談論其他所有事情，那些外圍的事情，但這才是最重要的事情。其他問題都是技術上更容易解決的問題，但有一個問題只能通過你對隱性知識有更多的主權和控制模型來解決。這不是單向的企業價值轉移。所以對我來說，我認為主權需要對它是什麼進行真正的思考，你知道，掌控命運意味著你生產獨特產品的能力得以保留。就像大衛·李嘉圖所言，國家有比較優勢。而公司也有需要保持的競爭優勢，即使在AI時代也是如此。這才會給你真正的主權。勞倫斯·芬克：最後一個問題，在五年或十年內，我們會有一個所有人都將使用的主導模型嗎？微軟為此在做何準備？我們會為企業使用一個模型，為其他場景使用另一個模型嗎？薩蒂亞·納德拉：你知道，過去的三年、四年裡，我們一直在做這件事。而現實情況是，這是一個多模型的世界。我的意思是，我們未來仍將會有多個模型。而訣竅在於你如何利用這些模型，事實上，你可以通過提煉它們來建構你自己的模型。更重要的是，你可以進行所謂的“硬性編排”或“駕馭工程”。因此，任何應用程式或公司的智慧財產權在於，你如何利用所有這些模型，結合上下文工程或你的資料來進行產出。而這就是藝術所在。所以，未來的場景和問題是，我能否引入所有模型，無論是閉源的、開放原始碼的，還是我自己建構的模型，對它們進行編排，並輸入我的資料，從而改變我關心的某個結果的軌跡。這就是整個圖景。我首先生產某種產品或服務，我需要在銷售方面做得更好，或者在研發方面做得更好，或者在財務方面做得更好，等等。然後你設定目標結果，考慮能否利用所有模型，對它們進行編排，並輸入自己的上下文。然後，作為結果，推理軌跡能真正導向一些我作為智慧財產權控制的、屬於我的能力和模型。只要公司能回答這個問題，它們就會取得進步。勞倫斯·芬克：女士們先生們，讓我們感謝薩蒂亞，謝謝。希望這是在世界經濟論壇上許多偉大對話和討論的開始。謝謝大家。 (鈦媒體AGI)