過去，做網站、做電商的人，基本都關心一個問題，就是自己在Google搜尋排第幾。排名、點選、轉化，這套邏輯撐起了過去二十多年的網際網路生意。

但最近Google自己的一句話，表明這個大家再熟悉不過的邏輯變了。

據報導，9 月 13 日，長期代表Google解釋搜尋規則的負責人 John Mueller 表示，現在搜尋結果中“第 1 名到第 10 名”的排名邏輯，已經越來越難成為一個真正有用的指標。

過去，使用者搜一個問題，Google把網頁排出來，使用者自己一條條看。所以企業當然要拚命爭第一、第二，讓使用者先看到。

如今，AI 會把使用者的問題拆成好幾個方向，分別去查相關網頁，直接給你一個答案，這樣一來，排第幾自然就不重要了。

更有可能的是，未來訪問你的不再是人，而將是 AI！

而你又要針對性的做些什麼準備呢？

確實，AI 正在成為新的流量來源。

兩個月前，全球頭部的網際網路基礎設施公司 Cloudflare 觀測到，全網的 Web 請求裡，機器所產生的佔比首次超過人類，達到約 57.5%，人類直接產生的已不到一半。

特別是，其中 AI 代替使用者訪問網頁所帶來的這部分，一年增長了 20 倍，增速遠高於其他類型。

這表明，AI 不只是替人來讀網際網路資訊，它已經在開始代表具體的人來辦事。

原因也不複雜，那就是 Agent 時代來了。

9 月初，OpenAI 發佈了 GPT-6 Astra，引發了新一輪的 AI 小高潮。

這個模型的關鍵突破點在於，使用電腦和瀏覽器的能力大幅增強，可以自主操控瀏覽器、辦公軟體和開發工具，完成檢索資料、處理表格、生成簡報等完整工作流，大幅降低複雜任務的人工介入頻次。

也就是說，最前沿的大模型，正在試圖讓 AI 直接替使用者做事。

幾天後，9 月 8 日，Meta 正式推出 Muse，直接把它定義成“個人 AI Agent”。

Meta 給每個使用者配了一台獨立的雲端電腦，有自己的瀏覽器，可以跨網站、跨 App 替使用者完成任務，比如訂旅行、發郵件、處理長期任務。即使使用者離開 App，它還可以繼續工作。

當然，更早之前的 8 月份，xAI 已上線了 Grok Bot，並定位為“一直線上的 Agent”（always-on agents）。

9 月 3 日，他們又推出了企業版。客戶每月花 120 美元，就可以獲得一個在後台持續工作的 AI 員工。這個 AI 員工同樣也配了雲端電腦，可以使用網站和 App，獨立工作。

其實，OpenClaw 開源框架出來以後，Agent 浪潮就已經興起。騰訊、字節跳動、阿里、Kimi 等國內公司都推出了 Agent 產品，都主打完成使用者的日常工作，替使用者把事情辦完。

那麼，當 AI 帶著一個真實人的任務來辦事，將意味著什麼？

如果 Agent 開始普及，將對網際網路產生顛覆性的影響。

以後真正存取網站、使用 App、尋找商品和呼叫服務的，將是使用者派出去的 Agent。

以前一個消費者要買東西，得自己搜、再進網站、看商品、比價格，並最終點選下單。

常人往往懶得打開太多網站，於是誰排在前面就非常重要。

但以後，人告訴 Agent 想要什麼，Agent 自己去找。它可能同時查幾十家網站，比較價格、庫存、條款和評價，然後挑一家最合適的，甚至完成下單。

因此，過去網站和 App 要解決的，是怎麼讓人找到我、看懂我、方便地使用我。

但 Agent 時代就得更加考慮，怎麼讓 Agent 找到我，能不能精準理解我的商品和服務，能不能呼叫我的服務，以及是否能在我這兒完成交易。

這也是為什麼過去一年裡，商業基礎設施已經開始圍繞 Agent 改造了。

例如，在 2025 年，亞馬遜就推出了 Buy for Me 的服務。

如果亞馬遜自己沒有某個商品，它的 Agent 可以直接跑到品牌官網，代表使用者完成購買。

今年 6 月，Visa 的 Intelligent Commerce 服務，則可以開始為 Agent 提供專門的支付憑證、身份認證和權限控制，讓商家可以接受 Agent 發起的支付。

最近，Mastercard 則推出 Agent Connect。

它直接假設，未來購物會越來越多由 AI Agent 發起，那麼它就想要解決，Agent 怎樣發現商品和庫存，怎樣拿到最終價格、稅費、運費，最後怎樣在消費者授權下完成交易。

這些動作其實說明了一件事，產業已經不再討論 Agent 會不會來、什麼時候來，而是已經在為 Agent 的到來做準備了。

所以，你也得為 Agent 的訪問做好準備了，別讓自己成為未來 Agent 世界的卡點。

想像一下，未來一個企業、或一個消費者，如果通過 AI 來工作或者消費，就會派採購 Agent 去找供應商，派談判 Agent 去談價格，派法務 Agent 去稽核風險，派財務 Agent 去對帳和付款。

可如果外部協作的商家只有一套必須人工操作的網頁，那 AI 就得停下來等人來操作。顯然，此時這個商家就會成為自動流程裡的斷點，就有可能被邊緣化。

所以，再回過頭看Google開頭的提示，指向已經很清楚了。

過去你爭的是人的注意力和點選。接下來，你還要開始爭 AI 的呼叫，爭 Agent 的可達性和方便性。

過去網際網路的核心使用者是人，所以要關注排第幾，越排在前面才越有可能被點選。

但當 AI 真正開始代表使用者行動以後，問題會變成，如何順暢地和 AI 協作，讓 AI 在你這兒完成交易。

這是這場 Agent 浪潮會影響所有企業的一個重要之處。

如果你是一個關注流量的人，或你的商業模式非常依賴流量，那麼，也許你要多個心眼了。

你的網站、App、商品資料、庫存、價格、服務介面和支付體系，都要逐漸做到不僅人能用，AI 也能理解和呼叫。

可別讓自己在未來的世界掉隊了。

最後也想問問，你覺得 Agent 主導商業世界的那天還有多久？還要做些什麼呢？   (全球風口)

你老A社天天一會兒AI要失控、一會兒網際網路要完蛋，轉頭自己IPO、融資、擴算力，一個都沒耽誤？？

大傢伙可是越琢磨越不對勁了，直接引發一波眾怒，紛紛化身「朝陽矽谷群眾」下場開扒！

這邊，電影《大空頭》核心原型人物、投資人麥可·貝瑞先開炮了。

直接把OpenAI、A社最近集體呼籲「給AI踩剎車」的行為稱為自私自利，純純炒作啊這是？？

緊接著，美國調查博主Kevin Bass真的順著錢往下扒了。

誒，還真就扒出一張相當抓馬的關係網——

A社早期投資人、慈善基金、AI安全研究機構、第三方模型評測機構，甚至AI安全媒體項目，背後出現了交叉的資金關係。

Bass直接把它起名叫：AI Doom Machine，AI末日機器。（好名字）

下面這位朋友盯著Anthropic正在推進的超級IPO，直接把話挑明——

天天警告大家AI快出事了，結果最著急把這份危險能力賣個天價的，好像也是你們？？（笑）

這回AI還沒把網際網路掀了，矽谷先把A社的底褲往外扒了。。。

Dario的「AI末日論」，大傢伙是越聽越不對勁？？

這輪引發眾怒的起點，是Dario在9月12日發佈的一篇長文——《We Must Pace the Frontier》。

翻譯成人話：前沿AI，真的該慢一點了。（劃重點.jpg)

Dario的理由也很好理解，AI能力漲得太快，安全研究、可解釋性、監管機制已經有點追不上了。

尤其最近OpenAI/Hugging Face又鬧出Agent安全事件，AI自己找漏洞、竊取憑證甚至試圖突破測試環境，這些風險已經越來越難當成實驗室裡的「假如有一天」。

說到這裡，其實不少人還覺得：嗯嗯，小達里歐說有點道理！！

但Dario接下來開的藥方，味道就開始有點微妙了——

在這個報告中，Dario希望AI公司能夠協調pacing，也就是共同控制前沿模型能力提升的速度。

翻譯：別光我減速，大傢伙最好一起鬆油門。

正如，一個人的私心，其實是藏不住的。

放這個時間節點看，你Dario的心裡的小九九，你Dario心裡天天盤算的那點事兒，早就昭告天下了。

瞧嘛，這邊，直接把《大空頭》原型麥可·貝瑞看樂了，直接在X上開噴：

這事也太self-serving了？？？（嘴上擔心全人類，算盤珠子多少也崩到自己臉上了）

第一，他根本不認同「現在的大模型已經危險到需要踩剎車」這個前提。

第二，整個行業一旦統一減速，最舒服的恰恰是已經跑在最前面的OpenAI、Anthropic們。

接著，貝瑞把話題猛地拐向了一個更刺激的東西：IPO。

他的原話相當損：IPO需要炒作和包裝，「我們強大到可能變得危險」，本身就是一種炒作！！

他甚至懷疑，AI公司現在集體強調減速，還有另一層好處，萬一接下來模型增長真的慢下來了，也可以提前給市場找個漂亮解釋。

不是能力撞牆，是我們為了全人類安全主動踩了剎車哈。

如果說貝瑞只是隔空開了一炮，接下來這位就開始真的順著錢查了。

美國調查博主Kevin Bass發了一篇長帖，可謂真·有理有據可查有瓜了。

直接反手化身超！級！大！偵！探！

Kevin Bass上來就是一句暴擊——我審計了Anthropic的財務哈～

然後順著公開投資、慈善捐贈和機構資助一路往下刨，最後扒出了4個最抓馬的點。

第一瓜：投Anthropic的人，也在砸錢研究「AI有多危險」。

他重點盯上的人，是Facebook聯合創始人Dustin Moskovitz。

Moskovitz早期投資了Anthropic，後來又長期通過慈善體系資助AI安全機構。

Bass引用Moskovitz本人最近的公開說法稱，他們資助了METR、Redwood Research等機構。

這就埋下了Bass最核心的質疑，給Anthropic下注的人，也在給「研究Anthropic有多危險」的機構出錢。

第二瓜，Dario推薦的第三方裁判METR，和這套資金網路存在交叉。

Dario最近呼籲前沿AI接受獨立第三方評估，METR就是他重點提到的機構之一。

但Bass梳理後發現，METR的部分資金來源、合作機構和Moskovitz的慈善網路存在交集。

METR和Redwood也合作緊密，後者同樣獲得這套AI安全慈善生態的資金支援。

所以Bass最狠的一句質疑其實就這一層：Anthropic推薦的獨立裁判，到底夠不夠獨立？

需要注意，METR自己表示沒有接受AI公司的直接資金，但會使用前沿AI公司提供的大量免費Token。

第三瓜，這筆錢還流向了「AI危險」敘事的傳播端。

Bass繼續往外扒，發現同一套AI安全慈善網路還資助了Tarbell Center等項目。

Tarbell培養和資助記者報導AI風險，相關作者的文章會進入TIME、The Verge、Science等媒體。

於是Bass把整套關係總結成一個很有傳播力的說法——

一邊資助研究AI有多危險，一邊資助傳播AI有多危險，同時又推動用第三方機構去監管AI。

這就是他所謂的 「AI Doom Machine」，AI末日機器。

第四瓜：Bass懷疑，這台機器還能自己越滾越大！！

Anthropic估值越高，相關慈善資產越值錢，AI安全生態拿到的錢越多，風險研究和傳播也會繼續放大，最終又推動更強監管，而最扛得住監管成本的，恰恰還是頭部AI公司。

繞了一大圈，又回到了Anthropic這樣的巨頭身上。

所以Bass認為，這裡面可能存在一個能夠不斷自我強化的利益循環。

一邊喊AI踩剎車，一邊沖2兆美元IPO

讓這次輿論徹底炸鍋的，還有一個Anthropic自己很難繞過去的時間點——IPO。

Dario這邊剛剛號召全行業大家都慢些吧！Anthropic那邊的資本機器卻開得飛快。。。

Reuters報導稱，Anthropic正在籌備一場可能創紀錄的IPO，融資規模最高達到1000億美元，估值約2兆美元。

輝達正在討論投入最高100億美元。

而Anthropic今年5月剛剛完成650億美元融資，當時估值還是9650億美元。

三個月後，故事已經奔著2兆美元去了。

當然了，在A社看起來，似乎還嫌2兆美元這個故事不夠大。

就在上個月，它準備給投資人端上一張更誇張的餅——30兆美元。

根據《華爾街日報》消息，Anthropic預計會告訴投資者，公司未來面對的TAM，也就是潛在總市場規模，可能超過30兆美元。

TAM並不等於A社未來真能賺30兆美元，它代表的是假設吃下相關市場100%份額時對應的年度收入機會。

翻譯一下就是：幾乎已經奔著一個美國年度GDP去了。。。

此外Dario嘴上喊著pacing，手上的算力帳單卻完全沒有pacing的意思。

而Reuters披露，截至目前，Anthropic已經承諾未來十年在Amazon雲服務上投入超過1000億美元。

同時還有一項規模約300億美元的Microsoft Azure合作，背後同樣是大規模Nvidia GPU算力。

所以現在A社給人的觀感就相當奇妙——

嘴上：AI能力漲太快了；手上：GPU再來點。

嘴上：整個行業最好一起慢下來。

手上：650億美元融資到帳、千億美元算力協議簽上、2兆美元IPO繼續推進。

嘴裡沒實話，自己還焦慮提不上勁兒，難怪仇視DeepSeek開源。。。

咱老話常講，沒有人喜歡說一套做一套。

矽谷對「為了你好」這四個字，似乎有點集體脫敏了？？   (量子位)

8月底，一隻售價399美元的機器鴨突然在美國開發者圈賣爆：24小時訂單超260萬美元。

這個拿到“大結果”的產品叫 Microduck，會走路、坐下、摔倒後自己爬起來，真正讓它火起來的是開發者可以買回去自己訓練、改程序、開發新能力。

更值得注意的細節：這個由 Hugging Face 旗下法國團隊推出、在歐美開發者圈爆火的機器人，製造合作夥伴來自深圳。

美國開發者玩出了新東西，中國供應鏈把它造了出來。

Microduck 的爆火，暴露了一個比“AI機器人又火了”更值得關注的變化：

AI 正在讓做一台新硬體，變得前所未有地簡單。

過去兩年，大家一直在問“AI 之後的下一台計算裝置是什麼”，眼鏡、耳機、胸針、戒指、機器人，答案層出不窮。

現在，前哨研究硬體產業時發現了一個更值得關注的趨勢：做出一台新硬體這件事成為率先爆發的趨勢。

矽谷崛起靠的就是一輪又一輪的硬體創業熱，今天中國供應鏈會不會抓住這個機會？

本周四晚8點，王煜全就會和大家分享他的最新研究和思考，一起看看AI時代的中國創新生態趨勢。

軟體到硬體，AI正在拆掉開發門檻

做軟體的門檻，已經被雲端運算和 AI 連續砍了兩輪：不會寫程式碼的人用自然語言做網站、App，會寫程式碼的人同時管理幾個 Agent。

現在，這種變化正在從軟體蔓延到硬體。

硬體開發過去麻煩得多：嵌入式軟體、晶片、感測器、電路板、結構設計、採購、打樣、測試、生產，環環都是門檻。

Arduino、樹莓派降低了第一步，買塊板子接幾個感測器，很快做出原型。但真正難的是第二步：原型能跑，和產品能賣，是完全不同的兩件事。

樹莓派上跑通的東西，要變成幾百元、能量產幾萬台、功耗體積都合格的商品，往往要重新走一遍工程化。

這也是過去很多“車庫創業”卡在量產上的原因。現在，這堵牆正在從兩邊同時被拆掉。

Arduino Uno R3 開源電子原型開發板

今年7月，中國晶片公司樂鑫在官方開發者社區搞了一個活動，“AI agent coding for ESP-IDF”動手工作坊。

這個活動就是教開發者用 AI Coding Agent（能自主寫程式碼的 AI 程式設計助手）完成環境搭建、元件建立、偵錯和重構，實現一堆複雜的韌體開發。

更早的5月，開發 Claude 大模型的美國公司 Anthropic 在 Build with Claude 活動上，公佈了官方推薦的AI硬體開發平台。

這個平台是搭載 ESP32-S3 晶片的 M5Stack Cardputer，Claude 官方甚至開放了 Hardware Interface（藍牙 API），讓 ESP32-S3 裝置能直接連上 Claude 桌面應用。

ESP32-S3 是樂鑫一款帶 AI 加速能力的低功耗晶片，是當下 AI 硬體原型的熱門選擇，你家裡的智能燈泡、智能插座，很多跑的就是它。

一邊是 AI，大幅降低了硬體開發的門檻；另一邊，是中國二十多年積累的製造體系。

樂鑫之外，還有嘉立創這樣的企業，從 PCB 打樣擴展到元器件、SMT、EDA、3D列印、CNC、鈑金、外殼。僅2026上半年，處理訂單就達1163.94萬筆，使用者覆蓋180多個國家和地區。

過去提到“中國製造”，想到的是工廠、流水線、低成本，但如今它開始越來越像一種基礎設施：就像 AWS 把伺服器變成可呼叫的雲端運算，製造能力正在從一座座工廠，變成開發者可以直接呼叫的服務。

深圳今年甚至出現了專門面向 AI 硬體的“一人公司”社區：一個人負責產品方向，軟體、營運、研究交給 AI，再呼叫成熟供應鏈做出真實產品。

這也是為什麼嘉立創、樂鑫、瑞芯微、恆玄這些看似不同環節的中國公司，值得放在同一張產業地圖裡來看。

Vibe Code之後，會是 Vibe Hardware？

Vibe Coding，讓一個人能做過去一個軟體團隊的事，這已經改變了軟體生態的格局，如果硬體開發的每道門檻也都下降一點，會不會有更大的變化到來？

隨著中國供應鏈成為硬體創新的基座，不由得讓人想到矽谷誕生的歷史，同樣是一個創新和製造湊在一起的時代：

上世紀五六十年代，一群工程師離開大公司，在車庫裡創辦了惠普、仙童半導體，仙童又像蒲公英一樣散出英特爾、AMD 等一大批公司，這才有了今天的矽谷。

後來，製造搬到了亞洲，創新留在了矽谷。

直到今天，AI把軟體開發的門檻和成本同時降低，中國產業生態似乎迎來一次創新遷徙的機遇！

中國究竟只是“超級工廠”，還是會成為“硬體創新平台”？

下一輪，會不會出現 Vibe Hardware？ 那些產業風口正在出現？   (全球風口)

AI把考卷刷到接近滿分，下一張，還能考什麼？

GPT-6 Astra一出世，在ARC-AGI-3半私有測試集上，拿下了99.9%的成績。

用OpenAI自己的話說：已經完全「飽和」了。

沒想到，它的出現，直接讓ARC-AGI原定方案全盤作廢。

提前規劃好的ARC系列，需要重新擬題了。

就在今天，ARC Prize創始人François Chollet，正式披露了下一代評測藍圖：

ARC-AGI-4確認將於明年Q1如期登場，而真正具有顛覆性、甚至被稱為「人類最後考卷」的ARC-AGI-5已全面提上日程。

ARC 4將聚焦更長尺度下，持續學習與課程學習；ARC 5完全圍繞「發明」展開。

他甚至表示，「當AI的學習效率與人類再無客觀測量差距時，那便是真正的AGI時刻」。

GPT-6 Astra在ARC-AGI-3上的表現，是2026年AI圈最具戲劇性的一幕。

在ARC Prize的「標準測試框架」下，Astra拿到62.7%。

這個成績當然已經是歷史最高，但距離滿分還很遠。

然而，當OpenAI接入自家的Provider Adapter，同一個模型的得分直接飆到99.9%。

這是一種能在多次呼叫之間保留模型隱藏推理狀態的上下文管理介面卡，可以讓AI以更接近生產環境的方式接入能力外掛。

結果就是：同一套權重，同一組題目，得分差出36個百分點。

ARC-AGI-3的排行榜含金量因此被重新審視，爭論焦點從「那家模型泛化能力更強」，變成了「那個harness更公平」。

這不是孤例。Claude Opus的同一套權重，在ARC-AGI-3私有集上驗證為30%，換用更好的harness後達到95.5%。

輝達的AVO，甚至在公開演示集上拿到100%。

ARC-AGI-3的「飽和」，更像是一個評測工程學事件。

前兩代ARC-AGI-1和ARC-AGI-2，核心還是「看圖找規律」。

系統給幾組「輸入→輸出」的小方格圖，AI猜規則，再畫出新一組的輸出。

這是靜態題，答案唯一，靠的是「看幾個例子就能歸納出規則」的能力。

到了ARC-AGI-3，考法被徹底換掉了。

它直接把AI丟到一個遊戲世界裡，在1000多個關卡中，讓它自己玩、自己試、自己找規則。

每個遊戲有自己的內在邏輯、隱藏規則和通關條件。

沒有說明文件，沒有自然語言提示，沒有人告訴你「收集三個紅色方塊就能過關」。

AI只能看到當前畫面，選擇一個動作，觀察結果，再決定下一步。

像盲人摸像一樣，一步一步試探，在大腦裡拼湊出「這個世界可能是這樣運作的」的模型。

ARC Prize團隊明確列出了這個基準要測的四件事：探索；建模；目標獲取；規劃與執行。

GPT-6 Astra在96%的關卡上用比人類中位數更少的步數完成了任務，平均每關少用51.7%的動作。

ARC Prize稱這是「階躍式的能力變化」，但同時強調了一句：基準飽和並不等於證明了AGI。

因為這些環境是「有界」且確定性的，不是開放式的 。

按照原計畫，ARC 4將延續ARC 3的精神，但更偏向更長時間尺度上的持續學習和課程學習。

每個遊戲的關卡多得多，而且關卡是「複利」的，每一關都得復用前面關卡學到的東西。

現在，Chollet把「開放式發明」，放進了ARC 4和ARC 5共同的研發基礎。

那麼，「考發明」到底怎麼出題？

ARC 1到3都有一個共同前提：存在一個「對」的答案或一個「贏」的狀態，而且人類第一次上手就能做到，這樣才能用人類當尺子。

ARC 3的整套人類基線，就是那486個人、2893次嘗試量出來的。

發明的定義裡就包含「以前沒有」，沒有標準答案，也就沒有現成的人類基線可以除。

你沒法說「人類發明這個東西用了多少步」。那接下來，具體該怎麼量？