卡帕西還點讚了AI Coding。智東西12月31日消息，昨晚，外媒The Information做了2025年度AI十大關鍵事件總結，細數了DeepSeek開源引爆整個大模型產業、Google強勢回歸、Meta優勢不再及小扎狂挖人等產業發展的重要節點。今年開年，DeepSeek攜開源模型炸場，一舉驚動全球。隨著DeepSeek的應用實踐，強化學習引起了行業內關注。今年，OpenAI在AI聊天機器人市場的領先優勢已大幅縮小，與此同時，Google強勢回歸，正帶著Gemini 3.0迎頭趕上；Meta則處於失寵的境地，花式挖人、巨額投資均未見成效。今年，AI應用開始實現真實營收，有超過25家AI應用創企實現了至少1億美元（約合人民幣6.99億元）的年化收入。晶片廠商、雲廠商與AI公司們形成了利益共同體，“循環融資交易”（circular funding deals）可能是AI熱潮中延續性最強的趨勢之一。此外，國外的OpenAI、Anthropic以及國內的智譜、MiniMax等AI獨角獸都將目光瞄準了IPO。The Information提到，在即將到來的2026年，以下事件值得重點關注：AI應用能否實現盈利，Google能否維持復甦態勢以及機器人和持續學習能力瓶頸能否突破，此外，Meta也正準備在明年發佈新的文字、圖像和視訊模型。值得一提的是，前特斯拉AI總監、OpenAI聯合創始人安德烈·卡帕西（Andrej Karpathy）對大模型的態度，尤其是在程式設計能力上，從表示懷疑發生了180度急轉，卡帕西稱：“如果能將過去一年左右出現的工具有效整合，我的工作效率可能提升十倍。”站在一年的末尾回望這一年，以下關於2025年AI的十大關鍵事件令人難忘：01. DeepSeek突襲Meta巨額投資AI，Google找回節奏1、一月的DeepSeek時刻2025年剛剛拉開帷幕，DeepSeek拋出重磅開源炸彈，宣佈開源DeepSeek-R1模型，並聲稱其性能足以比肩甚至超越OpenAI、Anthropic和Meta的頂尖AI模型，同時訓練成本卻低得多。一時間，矽谷驚呼四起，認為AI開發者、風投機構、輝達乃至雲服務提供商都將面臨巨大衝擊，驚呼中國已在AI競賽中超越美國。無論DeepSeek後續發展如何，這一事件已然動搖了許多開發者對美國AI技術的絕對信心，而國內開源模型持續受到歡迎和關注，也真切地證明了其在AI領域有著不容小覷的競爭實力。2、強化學習的興起強化學習（RL，Reinforcement Learning）正隨著DeepSeek的應用實踐，在AI行業的其他領域迅速流行開來。該技術的核心在於，通過獎勵模型達成特定目標、懲罰其他行為的方式來訓練模型。此後，包括程式設計、製作Excel表格乃至提供醫療建議在內的多種任務中，各大主流AI實驗室紛紛開始借助RL技術提升模型表現。這一趨勢還推動了RL環境（RL environments）的興起，即為AI模型建立可模擬真實應用的副本環境，供其練習與學習。例如，Anthropic的負責人就曾提到，公司計畫在未來一年中投入高達100億美元（約合人民幣698.72億元），用於開發和建構此類RL環境。3、AI應用開始實現真實營收過去一年，業內始終存在一個核心疑問：除了AI模型企業、雲服務提供商和輝達之外，是否還有其他企業能夠真正從AI中獲利？今年，答案似乎逐漸明朗。據The Information報導，目前有超過25家AI應用創企實現了至少1億美元（約合人民幣6.99億元）的年化收入，這絕不是小數目，2026年的問題將會是，這些公司中是否有能實現盈利的。4、Meta的失寵對Meta而言，2025年是艱難的一年。四月，Meta發佈的Llama 4模型在開發者社區中反響平平；隨後在六月，Meta創始人兼首席執行長馬克·祖克柏（Mark Zuckerberg）開啟挖人大戰，向AI資料標註創企Scale AI投資143億美元（約合人民幣999.17億元），以聘請其首席執行長汪滔（Alexandr Wang）及其核心團隊，以重整公司的AI業務佈局。然而這筆巨額投資至今未見明顯成效。自此之後，Meta新組建的AI團隊僅推出了一款令人失望的AI視訊應用Vibes，隨之而來的則是內部數次重組與人才持續流失。有報導稱，Meta正準備在明年發佈新的文字、圖像和視訊模型。5、Google的強勢回歸自2022年被OpenAI推出的ChatGPT突襲而一度措手不及，並在此後多年被貼上“AI落後者”標籤的Google，終於在2025年找回了自己的節奏。今年，公司接連推出一系列備受市場好評的模型，並於11月壓軸發佈了廣受讚譽的Gemini 3.0。這一模型在程式碼生成領域取得突破性進展，成為首批突破預訓練縮放瓶頸的例證之一。Gemini 3.0觸動了OpenAI，在這一模型發佈後，OpenAI首席執行長薩姆·阿爾特曼（Sam Altman）迅速宣佈公司進入“紅色警戒”狀態。儘管目前Gemini聊天機器人在使用者規模上仍顯著落後於ChatGPT，但它正在迎頭趕上。2026年，Google能否延續這一復甦態勢，將會是行業關注的重點。02. OpenAI、Anthropic瞄準上市機器人、AI持續學習能力存疑6、AI資金進入循環如果一家AI實驗室未能從微軟、輝達或亞馬遜這類巨頭獲得資金，用於支付向其採購晶片與算力的費用，那麼它的經營模式恐怕需要重新審視了。“循環融資交易”可能是AI熱潮中延續性最強的趨勢之一，其源頭甚至能追溯至2019年微軟對OpenAI的首輪融資。對於OpenAI、Anthropic這類創企而言，這已成為一種高效的融資手段，能直接支撐它們最大的開支項：計算資源。7、川普成為AI產業的盟友自今年年初上任以來，美國總統唐納德·約翰·川普（Donald John Trump）推行了一系列被視為對AI產業利多的政策舉措，例如，簽署行政命令限制各州對AI的監管權限，加速資料中心建設的審批流程等。考慮到眾多科技公司此前投入大量時間與資金進行政治鋪墊，此類政策傾斜並不令人意外。不過，Anthropic等公司對川普政府採取了相對謹慎的態度。8、AI機器人發展不及預期去年，風險投資家們向機器人初創公司注資數十億美元，這些公司當時宣稱大模型將幫助他們開發出真正實用的機器人。然而這一願景至今未能實現，甚至許多機器人仍在犯基礎性錯誤。此外，AI機器人似乎仍需要人類遠端操控，如近期特斯拉Optimus機器人在摔倒前做出“摘頭顯”動作，挪威人形機器人公司1X Technologies推出的家務機器人Neo也需要遠端操作員人工輔助。9、AI持續學習能力存疑儘管AI實驗室已創造數百億美元的收入，但頂尖研究人員對現有技術能否通向通用人工智慧（AGI）的疑慮卻日益加深。OpenAI聯合創始人、前首席科學家伊利亞·蘇茨克弗（Ilya Sutskever）稱，要實現真正的AGI，AI必須像人類一樣，能夠從現實經驗中持續、即時地學習，也就是持續學習的能力。這類AI目前尚未成為現實，但幾乎可以斷言，每個AI實驗室都已在此方向上展開佈局。倘若持續學習技術最終取得突破，其影響將輻射至整個AI產業，由於這類方法對資料和算力的需求可能遠低於當前模型，長期以來依賴算力擴張的行業生態或將面臨重構，這對輝達等算力巨頭而言，恐怕不是一個好消息。10、各大AI創企紛紛準備上市2025年，OpenAI、Anthropic與xAI等AI創企仍以令人矚目的高估值持續融資。近期，OpenAI和Anthropic相繼釋放訊號，正積極籌備在未來幾年內推動上市；與此同時，今年12月，智譜和MiniMax先後通過港交所聆訊並遞交招股書。它們的上市意願背後存在清晰的商業邏輯：作為資本密集型的行業代表，它們希望借助當前市場對AI類股的樂觀情緒，打通可持續的融資管道。如果它們上市成功，可能為個人投資者提供從AI浪潮中受益的機會，當然，也須同時承擔泡沫可能破裂所帶來的風險。03. AI大牛卡帕西評價模型程式設計能力稱工作效率能提升10倍此外，以下是其他正在發生的事情，對於大模型的能力，卡帕西的態度在今年發生了180度大轉彎。去年10月，卡帕西曾公開批評當前的大模型，尤其指出它們在程式碼生成這類被高度宣傳的場景中實用性有限。他在一次播客訪談中提到，AI程式設計工具只能在他需要自動補全單行程式碼或編寫範本程式碼時才有效。不過，情況似乎已悄然改變。上周，卡帕西在社交平台X上發表了截然不同的看法：“‘軟體工程’這個職業正在被重構，程式設計師編寫的程式碼片段正變得越來越少且處於輔助地位。”他進一步感慨：“我有種強烈的預感，如果能將過去一年左右出現的工具有效整合，我的工作效率可能提升十倍；而如果沒有這一工作，簡直像是一種能力缺失。”雖然不清楚卡帕西具體所指的程式設計工具或模型是那一款，不過，他曾發文對Anthropic的AI程式設計工具Claude Code讚不絕口。卡帕西特別提到，Anthropic於11月推出的旗艦模型Opus 4.5及近期其他新模型，在程式碼生成能力上取得了巨大進步。04. 結語：從2025到2026：迎接AI行業的持續變革今天是2025年的最後一天，這一年，技術狂飆從未停歇，我們目睹了DeepSeek突襲矽谷、Gemini 3的反擊；也見證了Meta略帶沮喪的一年、AI機器人能力不及預期的問題。2025年，全球AI競賽打得火熱。2026年的帷幕即將拉開，關於AI技術本質、AGI等終極問題的討論仍在持續進行中，以OpenAI、Anthropic為代表的AI公司背後的高估值和狂歡，能否平穩上市扶搖而上，抑或難逃泡沫破裂的結局，這些有待2026年乃至更久之後驗證。來源：The Information (智東西)

128GB AI算力卡通過客戶驗收。芯東西12月31日報導，今日，深圳AI晶片企業江原科技宣佈江原D20 128GB資料中心AI加速卡訂單順利通過客戶驗收，完成批次交付。這標誌著江原科技在境內流片量產的大算力推理加速卡領域，實現規模化商業落地。江原科技成立於2022年11月，專注全國產AI晶片核心技術研發，與本土先進工藝製造廠商深度協同，致力於成為國內一流AI算力晶片提供商。江原D20 128GB資料中心AI加速卡基於國內“先進設計+先進製造+先進封裝”的全流程本土化產業鏈打造，採用“一卡雙芯”架構設計。該架構在單張加速卡內整合兩顆江原自主研發的全國產AI大晶片，實現單卡算力性能與視訊記憶體容量均翻倍，同時將整卡功耗控制在150W，為資料中心應對千億參數大模型的推理需求提供了高效解決方案。江原科技與戰略合作夥伴品高股份形成軟硬體協同生態。此次交付中，江原D20板卡與品高股份自研的（BingoAIInfra）智能算力調度平台深度適配，通過軟硬體協同最佳化，實現國產算力資源的精細化管理與高效利用。據介紹，江原科技已實現從晶片設計、工藝製造到封裝測試的全流程國產化突破，此前推出的D10算力卡已批次應用。今年7月，江原科技宣佈其首顆全流程國產自主12nm晶片成功量產，二代晶片性能比肩輝達H20。江原D10算力卡於2025年5月量產交付，江原D20算力卡於2025年9月量產，江原T800預計將於2026年量產。江原D10是一款全國產AI推理產品，單卡整合64GB大視訊記憶體，功耗僅72W，能支援DeepSeek-R1系列1.5B至70B全部6個蒸餾模型，8卡可運行滿血量化版運行。作為江原D10的升級產品，江原D20採用雙晶片架構，算力密度與整合度較D10顯著提升，專為更大參數規模的大模型推理設計，適配更高要求的商務場景與複雜任務。江原T800作為定位戰略級產品，江原科技描述其“採用國產先進工藝及先進封裝，在算力、儲存、互聯等指標上實現突破性進展，技術高度將遠超現有行業水平”。據江原科技分享，其全國產化旗艦AI晶片全面超越6nm工藝GPU產品，採用全國產先進工藝、Chiplet先進封裝整合，性能突破工藝瓶頸，原生支援FP8/FP4，提供滿速HBM3E、5TB/s頻寬、144GB視訊記憶體，支援900GB/s scale up互連，支援256卡超節點建構大規模智算叢集。 (芯東西)

在《MPW零度對話》系列中，我們邀請中國最具知名度和影響力的女性領導者，討論當下所有人共同關心的話題，從充滿熱情和妙趣的對話中，提煉出冷靜理性的智慧。臨近年末，多家權威詞典公佈的年度詞彙均指向 AI，例如“slop”（網路垃圾）、“vibe coding”（氛圍程式設計）與“rage bait”（憤怒誘餌）。而在中國，幾家機構聯合推選的年度國內詞則是“DeepSeek”。對身處矽谷這一全球AI創新中心的投資人而言，如果選擇一個年度詞彙，很可能是“泡沫”。AI投資泡沫的討論貫穿全年——從美股市場對AI概念的追捧、科技巨頭之間為抬高估值的“循環交易”，到近期亞馬遜與OpenAI正在洽談的高達100億美元的投資，狂熱與質疑同在。矽谷投資人、連續創業者、Fusion Fund創始人張璐指出，目前部分模型公司在零收入階段的估值已高達數億美元，市場遲早會迎來價格重設。事實上，本月甲骨文與資料中心服務商CoreWeave已出現市值大幅回呼，幅度堪比2000年或2008年的市場下跌。投資者正在拋售那些看似過度擴張的公司股票。不過，張璐對這輪泡沫的前景持審慎樂觀態度。她認為，與2000年網際網路泡沫時期大量科技公司缺乏實際收入、偏向C端不同，本輪AI創新背後有真實的產業需求支撐，且初創企業正加速轉向B端。“一旦與企業流程深度融合，AI公司的收入便會趨於穩健。”她預測。泡沫之外，張璐更加關注的是今年AI領域呈現的新趨勢。在她看來，2025年AI領域經歷了“上升”和“下沉”——一邊是全球競賽中的技術持續突破，一邊是AI加速向產業深處落地。技術“上升”在AI基礎設施層，尤其是晶片領域，過去由GPU主導的格局正逐步走向多元。張璐觀察到，一些新模型架構在CPU上運行效率更高；Google的TPU發展迅猛；高通、英特爾推出的NPU則在能效方面表現突出。在雲基礎設施層面，長期困擾行業的四大難題——算力成本高、能耗大、邊緣裝置應用難、資料隱私問題——正逐步得到解決。例如，OpenAI的token價格已從每千個30美元大幅降至9美分；被輝達收購的由華人創立的Lepton公司，其技術能顯著降低GPU消耗。能耗方面，新模型與晶片架構不斷最佳化計算效率。和電網在輸電過程中會產生損耗類似，“Communication過程中的能耗實際上是計算本身能耗的百倍以上，這成為最佳化重點，”張璐指出。邊緣AI亦在快速推進，Google等大廠及眾多初創公司正開發參數低於10億、性能卻可比肩GPT-4的端側小模型，未來可在手機等裝置本地運行。資料隱私方面，聯邦學習等技術已在金融、醫療等高監管行業部署，與之配套的監管科技也在同步發展。應用“下沉”在應用層，今年，美國非科技領域如醫療、金融保險、太空科技的AI應用進入快速迭代階段。初創企業層出不窮，大公司則全力衝刺。“GoogleAI部門據稱一週工作七天，有些公司開始實行“002”模式（從零點到零點，每週僅休息兩小時），馬斯克的團隊就更不用說了，常常工作至凌晨。”張璐說。與此同時，美國大公司與初創企業的合作與併購活躍。張璐透露，Fusion Fund今年就有五家公司被大企業收購，其中三家公司成立還不到兩年，價格均超過兩三億美元。就在昨日，Meta宣佈收購通用自主AI智能體公司Manus。這筆高達數十億美元的交易，成為這家科技巨頭成立以來規模第三大的收購案。此項收購意味著，AI正從“工具”加速進化為“行動者”。這種快速整合帶動了資本與人才的流動。張璐特別提到，矽谷超過40%的居民為第一代移民，獨角獸企業中六成創始人也來自移民群體。在AI基礎設施與模型架構的研發中，亞裔（尤其是華裔）、歐洲裔與加拿大裔成為主力；以色列團隊則深耕隱私與安全領域。泡沫終會調整，但技術加速下沉至產業的趨勢不會回頭。中美對比：日益模糊的界限張璐指出，儘管矽谷在晶片、模型、基礎設施層面領先，但美國電網老化嚴重，難以滿足AI的能耗需求。由於私有資本難以進入該國的電網領域，微軟、Google等巨頭不得不轉向自建能源系統。而資源豐富的加拿大今年新設了人工智慧及數字創新部，或將成為北美AI產業重要的能源後方。相比之下，中國在新能源基礎設施、完備的機器人供應鏈以及全民化的技術應用氛圍上已構築起獨特優勢。“在美國很難看到中老年人積極擁抱新技術，許多美國老年人甚至不知什麼是短影片應用。相反，在中國，使用者無論處於任何年齡層，都在快速學習使用新技術。”張璐說。在今年，關於開源模型的討論熱度繼續攀升。中國的DeepSeek、阿里巴巴等公司持續貢獻開源模型，而美國科技公司如OpenAI、Google、Meta因為處於大規模商業化階段，開源意願很有限。中美在AI創新領域的另一項差異體現在創新生態方面，而矽谷獨特的創新生態或許能夠為中國的AI發展提供一些啟示。在美國，大公司與初創企業往往會形成新型共生關係：前者為後者提供試錯場景和併購出口，後者為前者注入創新活力。具體來看，美國企業CTO的主要職能是投資未來技術，其預算用於採購、合作和併購創新項目。一方面這些公司有固定預算；另一方面有合理預期，例如合作的三家初創企業中可能有一家失敗，大公司對此有容錯空間。“這正是矽谷作為創新平台的核心優勢之一。”張璐說。一項共識是，在AI領域，中國在應用層處於領先，而美國在技術層佔據優勢。然而展望未來，這兩條路徑之間的界限正逐漸模糊。接下來的競賽，或許將聚焦於誰能找到那個關鍵的支點——既能支撐技術不斷“上升”取得突破，又能推動應用加速“下沉”實現價值。Fusion Fund創始合夥人張璐。圖片來源：受訪者提供《財富》：在AI落地提速的情況下，你作為投資人是否有很強的緊迫感？張璐：我其實非常興奮。有個說法：當世介面臨巨大變化時，有三種人：一種人創造事情的發生，一種人看著事情發生，還有一種人會問“發生什麼了？”我們應該是第一種人。自2015年至今，我們一直在重點佈局AI企業，如Otter AI、You.com、Constructor A、Wand AI等，均已成長為獨角獸。今年被收購的5家公司都是AI企業，明年還有3家即將IPO的企業。今年的增長曲線尤為陡峭：我們投資的一家B2B AI公司，從去年上半年的50萬美元年收入增長至現在的1.5億美元；另一家公司年收入從零增至2000萬美元，而團隊還不足10人。過去兩三年投資的企業中，70%以上年收入增長超過20倍。這背後是市場對AI的加速擁抱。但不可否認，任何重大的技術創新都會伴隨資本泡沫。我一年前便提出：AI趨勢是真實的，資本泡沫也同樣顯著。一方面，並非所有資本都充分理解AI或抱有合理預期；另一方面，全球經濟動盪下，資本需尋找增長點進行佈局，導致馬太效應。《財富》：泡沫主要集中在哪些領域？張璐：當前一、二級市場均存在泡沫。部分模型公司估值畸高，早期團隊在產品與收入均為零時估值已達數億美元。所以市場必將經歷價格重設，但幅度難以預測。不過，這不會改變AI的整體發展趨勢。矽谷已經歷經了多次週期——2017年、2021年均有類似現象，我們早已習慣泡沫與寒冬的交替。《財富》：這次的泡沫與2000年網際網路泡沫期的“燒錢換增長”有何不同？張璐：不太一樣。2000年前後，許多公司缺乏實際收入，且偏重C端。兩年前，美國AI的主流業務，尤其是科技巨頭們的AI業務，很多也偏重C端。但如今AI初創企業的趨勢轉向了B端。AI的作用主要體現在業務流程自動化（降本）與業務最佳化（增收）。現階段，企業大多通過AI降低成本，因此財報中尚未普遍體現收入增長。但隨著應用深入，效益將逐步顯現。《財富》：你是否有系統方法規避泡沫項目？張璐：從投資角度看，需理性預期AI發展軌跡——它不可能在幾個月內全面滲透產業，而是需要兩三年逐步落地。作為早期投資人，我們對估值保持敏感，如果項目估值過高，我們選擇不投。我們相信企業要遵循自然發展規律，在不同階段匹配相應估值。其實市場已經顯現了早期訊號：許多公司在首輪融資時憑藉願景獲得了高估值，但進入A輪、B輪後，投資方會嚴格考察收入資料及其質量——是來自B端還是C端？客戶是中小企業還是大企業？訂單是否可以全公司推廣而非僅限研發部門使用？若未能通過驗證，公司將面臨融資困難與估值調整。這十年來，我們只投To B項目，涵蓋企業級AI、工業自動化與醫療AI等。我們會深入分析訂單質量：是多年合約還是試用協議？預算來源是否靈活？考量維度很多。《財富》：你曾表示AI在C端的機會多被大公司佔據，未來五年，是否會出現能打破大公司壟斷的C端AI產品？張璐：比較難。ChatGPT雖是C端產品，也面臨Google的強力競爭。C端創業的核心難點在於資料。模型本身已難構成壁壘，因為多數公司能基於開源模型或API最佳化模型。關鍵在於能否獲取高品質資料並建構資料庫。然而，高品質的C端資料集中於Google、Meta、蘋果等巨頭手中，初創企業難以企及，且資料質量直接決定模型最佳化成本與應用成本。C端領域，如文生圖、文生視訊應用，一旦Google、Apple等實力雄厚的企業介入，小企業便舉步維艱。因此，C端創業需聚焦差異化資料與個性化體驗。當前AI投資與應用還是以B端為主。B端的產業資料還未被大科技公司壟斷，初創企業可以通過和產業企業深度合作獲取產業資料，進行私有化部署與行業合作獲取。例如，許多醫療、金融等領域客戶不願將資料上傳雲端，這就為初創企業提供了機會。《財富》：這是否意味著，無論中美，理性的AI創業都應聚焦B端？張璐：至少在美國，機會主要集中在B端。如今許多投資者轉向此領域，而我們深耕B端十年，已建立了先發優勢。聚焦B端的另一個原因在於，美國大企業勇於嘗試新技術，推進速度較快。而美國C端使用者（除東西海岸）對新事物接受較慢。美國C端的創新，大部分依靠年輕一代傳播，很難看到中老年人積極擁抱新技術，許多美國老年人甚至不知什麼是短影片應用。相反，在中國，使用者無論處於任何年齡層，都在快速學習使用新技術。《財富》：我們注意到在美國，初創科技公司有一項優勢：大公司願意與之合作。這種生態背後的邏輯是什麼？張璐：這正是矽谷作為創新平台的核心優勢之一。美國企業CTO的主要職能是投資未來技術，其預算用於採購、合作和併購創新項目。一方面這些公司有固定預算；另一方面有合理預期，例如合作的三家初創企業中可能有一家失敗，大公司對此有容錯空間。活躍的併購市場是創業者選擇矽谷的另一原因。在其他地區，10多人的團隊很難在收入僅數千萬美元時獲得數億美元收購，但在矽谷卻屢見不鮮。這種快速的資金流動與商業變現構成了美國獨特的商業環境。為促進對接，我們於2018年創立了CXO社群網路。目前，網路涵蓋45家全球千強企業的CTO，每季度聚會一次。這些CTO常在董事會開會前諮詢外部技術趨勢，我們為其推薦企業並促成訂單。至今，該網路已經為被投企業帶來超過1.5億美元的訂單與戰略合作。《財富》：一些大基金也有類似網路，你們的CXO社群有何不同？張璐：這些大基金的網路可能覆蓋CEO等多類人群。我們專注B2B與技術驅動型項目，因此CTO社群的精準度與契合度更高。在競爭優質項目時，這一網路極具優勢。此外，在談判估值時，我們不僅能為創始人提供訂單，還能幫助他們獲取政府補貼等不佔股的非稀釋性資源，從而以更合理的估值完成投資。這種生態建設是長期工程，對雙方均極具價值。《財富》：我們觀察到AI與機器人技術正滲透至太空經濟的多個層面。在可回收火箭實現成本大幅降低後，太空科技的下一個“破壞性創新”可能出現在哪些環節？張璐：我們曾經成功投資SpaceX，目前也在重點佈局太空科技。這個領域正處爆發前夜。受益於AI與機器人技術的發展，SpaceX已將單次發射成本從數十億美元降至不到一億美元，未來還會很快降至千萬美元級。屆時，單顆衛星發射成本或僅數萬美元，推動衛星資料應用普及。我們投資的一家公司從事衛星交通管理與資料交易。隨著衛星增多，碰撞風險上升，可以通過AI掌握軌道資訊並進行快速調節；此外，若需要特定地區（如芝加哥或洛杉磯）的天氣資料而自身無衛星，該公司可以幫助你低成本獲取。這打破了衛星資料僅限特定階層使用的認知。這家公司商業模式很簡單，但收入已達數千萬美元。我們投的另一家公司開發全自動化機器人系統，這些機器人可在月球提取水並分解為氫氧，作為太空燃料補給，有效降低發射負載。如果由人類在太空從事此類工作，成本極高，但機器人則不同。我相信AI和機器人將快速推進太空經濟發展。今年是醫療大年，AI也在加速該領域發展。我一直關注腦部疾病，如帕金森、阿爾茨海默症、抑鬱症、躁鬱症等。今年腦疾病領域湧現許多AI相關技術，不只針對診斷，還涉及治療。我們投資了兩家公司，一家做糖尿病垂直領域的小模型，另一家做細胞療法的基礎模型。這些領域創新蓬勃，但公眾注意力仍過多集中於大型AI公司的發佈。《財富》：除了太空科技，AI Agent也被認為處於爆發前夜。如果請你預測AI Agent領域的第一個真正殺手級應用，會是什麼？張璐：程式碼智能體（Coding Agent）已近乎殺手級應用。目前多數科技公司80%的程式碼由AI生成，我自己也在用。智能體的核心能力是處理複雜任務，並自主選擇工具。現在許多公司想做“通用智能體”，即什麼都能處理的智能體，我覺得難度較大。也有一些公司專注特定應用場景的智能體，已開始落地，且商業化不錯，主要應用於To B場景。智能體的未來明確，但當前技術尚未達到期待，仍在發展。不過進度不會太慢，可能再有一年時間就差不多了。我們投資了多家智能體基礎設施公司，專注於作業系統、成本最佳化與幻覺消除。一旦基礎穩固，應用層將快速湧現。《財富》：請分享：你今年最滿意的投資項目；一個決策週期長、令你糾結的項目；以及最終放棄的一個機會。張璐：最滿意的項目是一家賦予AI長期記憶的模型公司。現有AI只有短期記憶，而該公司的視訊模型可分析視訊內容。例如，將採訪視訊輸入，它能給出精準總結，甚至包括衣著顏色等細節。由於對視訊數量無限制（僅限單個視訊時長），可以輸入大量視訊，由其長期記憶給出更智能的分析。目前主要應用於To B場景，如機器人工業安全。決策週期最長的是一個醫療項目——利用小膠質細胞治療帕金森症（目標不是緩解，而是治療）。我們經過幾個月的詳細盡調，最終決定投資。投時估值還比較低，幸運的是，投後一週，《自然》和《科學》連續發表多篇論文驗證該方向，公司隨後獲得美國國立衛生研究院（NIH）不佔股的政府補貼資金。該技術也運用了AI，因為需用AI才能實現個性化小膠質細胞的生成。腦部疾病治療的特點在於標準化治療非常難，需要個性化方案。放棄的項目多半因估值過高。我們追求高回報倍數，若最佳情景下僅能獲十倍收益，便會選擇放棄。《財富》：如今評估AI公司能否“跑出來”，多久可見分曉？張璐：大概兩年。優質公司增長極快，兩年便能判斷其潛力。《財富》：在AI創業“求快”趨勢下，你如何平衡短期回報與長期價值創造？張璐：我們始終看重長期回報。早期投資可跨週期，目標仍是培育價值數十億、數百億美元的企業。基金需分散風險，比如我們投資25-30家公司，其中有七家是核心，其他表現一般的企業可能通過收併購退出。通過這種方式我們對風險做了分層。當然，我們不願公司過早被收購（如被輝達收購的多家企業），雖然回報可觀，但難免遺憾。我們投資的初心是參與創新浪潮，挖掘頂尖企業，尤其是有潛力成為垂直領域領頭羊的企業。《財富》：在做投資決策時，你對市場空間、團隊能力、技術壁壘、商業模式等要素的重要性是如何排序的？張璐：我們最看重市場——規模要足夠大，且為增量市場；市場時機甚至優先於團隊評估，因為英雄常由時勢造就。如果大企業CTO透露，今年預算會優先花在某個方向，這就是市場時機的明確訊號。其次看團隊，我們尤其關注“創始人-產品-市場”契合度。年輕技術背景的創始人適合基礎設施項目，可能擁有新技術或模型架構想法；而連續創業者更擅獲取行業資料與推動商業化。團隊的技術需“更好、更快、更省”。成本是AI公司的關鍵競爭要素。我們看好Google，也因其憑藉全端優勢（自研TPU、模型、雲、資料）能實現最低成本。蘋果雖在AI方面的佈局稍遲，但因掌控智慧型手機這一資料入口與應用載體，後發優勢還是存在的。AI搭載的智能載體目前主要是手機，未來可能是眼鏡，但眼鏡仍需繫結手機。《財富》：你對腦機介面這一熱門領域有何佈局？張璐：2015年我就投資了腦機介面公司Paradromics（斯坦福團隊，侵入式，植入納米纖維機器人），其針對腦損傷修復，已進入臨床實驗階段。我是該公司第一個投資人，它可能很快成為獨角獸，最近剛拿到沙特新未來城（NEOM）投資基金。另一家是非侵入式公司，聚焦抑鬱症超聲治療，技術雖非侵入式但做得精準。青少年抑鬱症高發可能與社交媒體導致的“資訊繭房”有關。他們在社媒上看到的多是他人美好生活，與現實形成對比。現實是，美國社會也很內卷——高校錄取率驟降，就業市場嚴峻。我們招聘一名辦公室經理，收到了700多份簡歷，甚至包括斯坦福博士生與MBA。但長遠看，年輕人學習能力強，能快速掌握AI工具。反觀中層管理者，很多人既缺乏年輕人學習速度，又未至決策層，職業風險較高。《財富》：總體而言，AI帶來的職業變局會比預期更快嗎？張璐：大產業應用不會瞬間到來，人們還有時間適應。但每個人都應有緊迫感，主動學習使用AI工具。人類最偉大的能力正是工具的使用。AI可能替代部分崗位，但也在創造新機會。例如，公司營運部門因AI增效而裁員三分之一，但銷售團隊業績提升30%後可能擴招。勞動力市場將在不同領域重新組態。未來組織也更趨扁平，資訊流轉更高效。還有一點值得注意。正如微軟CEO薩提亞·納德拉所言，當代領導者要學會管理“人類勞動力與數字勞動力”的混合團隊。《財富》：你提到AI發展的“華彩樂章”才剛剛開始。未來三五年，你最期待看到AI在哪些方面取得突破性進展？衡量這場“交響曲”進入高潮的標誌會是什麼？張璐：標誌包括智能體爆發及各產業AI融合。科技行業僅佔美國GDP不足10%，而醫療、金融、保險等服務業佔比超50%。若這些領域廣泛整合AI，便是華彩樂章。技術層面，Transformer模型（編者註：一種採用自注意力機制的神經網路架構，已成為自然語言處理的基礎技術範式）絕非終點。新架構不斷湧現，晶片設計也將持續創新。但我認為，我們距通用人工智慧（AGI）尚遠。李開復老師對AGI的定義很精準：能完成人類90%的任務，且優於90%的人。照此標準，我們仍有很長一段距離。我認為無需執著追求AGI。各行業可發展各自的垂直應用，在特定場景超越90%的人類就是很大的突破。《財富》：你如何定義個人的“成功”？張璐：成功對我而言，並非成為最大基金，而是成為最頂尖的早期投資機構，並持續擴展影響力。另外，成功應是可持續地達成目標，而非靠運氣投中一家好企業。因此需要形成優秀的投資方法論與生態。這就是為什麼我從2015年起建構CXO、專家、學者、創始人網路，該網路至今仍在創造巨大價值。投資方法論需一以貫之。正如拉里·佩奇二十年前所言：人工智慧會是Google的終極版本。他的長期目標非常明確。我們同樣堅持擅長的投資領域，不盲目跟風熱點。團隊建設也很關鍵。沒有完美的人，但有完美的團隊。我們的合夥人有技術背景與產業經驗，能力互補，形成完美組合。《財富》：對你影響最大的人是誰？張璐：我小時候很喜歡看人物傳記，這讓我看到人生的各種可能性，所以很多傳記裡的人物都影響過我。如果說現在對我影響很大的人，是魯斯·巴德·金斯伯格（美國聯邦最高法院歷史上第二位女性大法官）。她有一種非常篤定的力量。世界上聰明人這麼多，尤其在矽谷，但不一定每個人都有這種力量。我在青少年時期就知道自己想做什麼，成為什麼樣的人，哪怕在很多人看來，我的一些想法有些另類，一些做法選擇了“少有人走的路”。 但我相信，保持篤定、始終如一，再加上全力以赴，幸運自會來臨。（財富中文網）

今日，Meta宣佈完成對通用自主AI智能體公司Manus（蝴蝶效應）的收購。根據公開資訊，這筆交易金額達數十億美元，也成為Meta成立以來規模第三大的收購案，僅次於收購WhatsApp以及此前對Scale AI的戰略性投資。圖片來源：視覺中國Meta收購Manus的消息出現得很突然。Manus產品去年9月剛剛上線，關於本次收購，似乎也沒有經歷長時間的拉扯。有投資人回憶，談判周期極短。對一家規模龐大、內部流程嚴密的公司而言，這種速度本身就值得注意：它更像一次基於窗口期的決策。更關鍵的是，Meta買下的並不是一家訓練大模型的公司。Manus不以底層模型為核心資產，它的價值更接近一種應用層能力：把現有模型與工具組織起來，形成可以持續完成任務的產品形態。對一家以平台分發和使用者規模見長的公司來說，這樣的併購更像一次戰略補位，而非簡單的功能補充。理解這筆交易，首先需要理解Manus到底在做什麼。與大多數對話式AI產品不同，Manus並不是試圖讓系統“更會聊天”，而是讓它成為一個能交付結果的智能體。在常見的使用場景中，使用者仍停留在“問—答—修訂—再問”的循環裡，而 Manus試圖把互動向前推進一步：使用者只需給出目標，例如完成一份行業研究、整理競品資訊、生成結構化備忘錄，系統會自行拆解任務、呼叫工具、校驗輸出，並在過程中不斷調整計畫。這類產品的難點，並不在於第一次能否給出正確答案，而在於出錯之後能否繼續向前推進。因此，Manus的設計重點更多放在工程與流程上：任務狀態需要被保存，中斷後可以恢復，目標變化時能夠重新計算，錯誤也能被使用者以較低成本糾正。對使用者而言，這意味著不必反覆從頭開始，而是像管理一名初級員工那樣，把事情一步步推向完成。Manus官方披露的營運資料，包括累計處理的token數量和虛擬計算環境規模——更像是一種側面說明：這套系統已經在真實世界的壓力下運行過，而不僅僅停留在演示階段。這種對“持續完成任務”的執念，並非從AI時代才開始形成。把時間線往前撥，壹伴這款用於提升微信公眾號編輯效率的瀏覽器外掛同樣出自這批人。壹伴解決的是排版、編輯、發佈效率等高度具體的問題，它的成功並不依賴宏大敘事，而在於“每天都有人用”。在商業產品中，這類工具型成功往往意味著團隊具備對真實工作流的理解，以及對細節體驗的長期打磨能力。壹伴之後，該團隊又推出了微伴，一款圍繞企業微信生態的工具，服務對象從內容編輯擴展到銷售和企業營運人員，開始處理更複雜的協作、流程和資料連續性問題。這一階段，產品從個人效率工具，演進為組織流程工具，目標也從“好用”轉向“可靠、可控、可複製”。從壹伴到微伴，再到Manus，表面上跨越了不同賽道，但核心高度一致：把重複、繁瑣、需要人持續盯著的事情，逐步交給系統穩定完成。這條路徑，也解釋了為什麼 Manus 會在產品設計中，把“任務持續性”放在如此核心的位置——它更像一家長期做工具的公司，在 AI 時代終於獲得了足夠成熟的技術條件。從團隊背景看，Manus具有明確的中國創業公司起源。創始人肖弘和早期合夥人來自中國本土高校，早期創業與試錯主要發生在中國網際網路環境中，產品方法論偏向務實、節制、貼近使用者。但在進入AI應用階段後，公司逐步將主體與核心營運轉向新加坡，並以新加坡為總部面向全球市場。今天，從法律和營運層面看，它更像一家總部位於新加坡的國際科技公司；從團隊基因和產品文化看，它仍然是一家中國創業者主導的公司。這種結構在當下並不罕見：既滿足國際化營運與合規的現實需求，也為進入全球平台生態預留空間。對潛在收購方而言，這意味著更低的整合摩擦。如果說Manus的價值在於“已經跑通了一種應用形態”，那麼Meta的動機則更像是對多重結構性壓力的回應。將這筆併購簡單理解為“巨頭害怕落後”並不精準。更現實的情況是，AI技術的演進正在壓縮產品窗口期。一旦模型能力跨過可用閾值，使用者預期會迅速從“會回答”轉向“能完成”，競爭重心隨之從模型本身下移到產品化與交付效率。對Meta來說，內部孵化並非不可行，但周期更長、跨部門協同成本更高。併購的意義，並不是買到獨家技術，而是獲得一套已經在真實使用者中跑通的產品範式，從而節省數年的試錯時間。與此同時，入口形態也在發生變化。Meta長期的優勢在於分發，但AI時代的新入口未必表現為某個功能按鈕，而更可能是一種新的互動方式，即使用者把任務交給系統，在後台完成。如果AI Agent成為下一代工作與生活的默認入口，平台價值將被重新分配，Meta顯然不願在這一階段只充當流量提供者。組織層面的壓力同樣存在。當AI從研究走向產品，挑戰往往不在單點技術，而在端到端協同：模型、產品、工程、商業化、合規和安全需要同時推進。大型組織在這一階段反而容易被自身複雜性拖慢，而Manus這樣的團隊，已經在真實使用者中完成了一輪端到端交付的磨合，這類經驗很難通過內部指令快速複製。競爭敘事的變化，也在強化這種緊迫感。Google推出Gemini 3，更像一枚訊號彈：模型能力正在穩定提升並逐步可用，差異優勢正從“更強模型”下沉到“更快把能力變成結果”。交易體量進一步說明了Meta的判斷。Meta收購WhatsApp和ScaleAI幫助這家巨頭在移動網際網路時代完成了使用者結構躍遷，後者被視為其在AI基礎設施和資料能力上的關鍵補位。與這兩筆交易相比，Manus的特殊之處在於，它既不直接對應使用者規模擴張，也不直接對應底層技術突破，而位於兩者之間——應用層的執行與交付能力。這在某種程度上意味著，Meta此次併購的核心考量並非買下已經確定的回報，而是為正在形成的入口形態提前鎖定位置。這是一筆典型的“用時間定價”的交易：資本所購買的，是縮短學習曲線和產品落地周期的能力。併購完成後仍強調獨立營運，也並非姿態。對Meta來說，Manus最關鍵的資產不是程式碼，而是其產品節奏與工程習慣。一旦完全納入大公司流程，這種節奏反而最容易被稀釋。從壹伴算起，Manus團隊做工具已經接近十年。這些產品很少成為行業話題中心，卻反覆出現在使用者真實的工作流程中。它們的共同特徵並不複雜：穩定、可預期、能夠在出錯後繼續向前推進。AI的出現，並沒有改變這家公司想解決的問題，只是讓這些問題第一次有了更合適的技術條件。對Meta而言，這筆併購也不必被解讀為一次激進下注。在模型能力趨同、窗口期縮短的階段，用資本換取確定性，是一種典型的大公司策略。接下來真正值得觀察的，並不是Meta是否能把 Manus 整合進自身產品線，而是這種以“交付結果”為中心的產品節奏，能否在更大的平台體系和更複雜的組織結構中被長期保留下來。這也將決定Manus最終被記住的方式：是一次突然的併購，也是Meta在人工智慧時代重新理解“入口”的起點。 (財富FORTUNE)

一種全新的創業“邪修”方式“AI原生100”是虎嗅科技組推出針對AI原生創新欄目，這是本系列的第「38」篇文章。有誰能想到，一個已經完成自動造血功能的AI應用，在最初的幾年，靠兩個人“偽造”AI，跑通了產品市場驗證，理解產品的真正痛點，還獲得了收入。它就是Fireflies。如果把目光放在 AI 會議這個細分領域，Fireflies.ai 是一家相當特殊的初創企業。僅從今天的產品形態來看，很容易把 Fireflies.ai 歸類為一家“典型的 AI SaaS 公司”： 會議自動記錄、轉錄、總結、搜尋，再疊加一點 Agent 能力，踩中了 ZOOM遠端辦公和大模型快速迭代的雙重紅利。北美投資機構UpscaleX合夥人Alan Zong告訴虎嗅，在增長和融資速度飛速的今天，初創公司的成長速度顯得格外重要，在美國市場，如果沒有進一步的業務數字證明其PMF，很難能拿到下一輪的機構的錢。與絕大多數 AI 創業敘事——先有模型突破，再有產品形態 ，最後才是商業化截然相反，Fireflies.ai 用了將近三年的時間反覆試錯、這三年裡，每一份Fireflies的會議紀要，都有兩位創始人的通宵達旦人肉整理，直到 2019 年底，產品才完成內測並正式推向市場，引入AI自動化，此後，產品的增長便迅速進入加速期。2025 年中，Fireflies.ai 已躋身估值十億美元的獨角獸行列，服務使用者超過 2000 萬，覆蓋全球約 75% 的《財富》500 強企業。比起規模，更令市場側目的是它罕見的資本效率。在同行依靠巨額融資燒錢時，Fireflies.ai幾乎完全靠“自我造血”支撐了近三位數的年增長。2025 年 6 月，Fireflies.ai 發佈了一篇官方部落格，透露它自 2023 年起一直保持盈利狀態，並且在 2021 年之後沒有進行新的主融資輪（primary raise），只靠既有業務增長支撐估值增長。據第三方諮詢公司Latka的一份資料指出，Fireflies.ai 的年收入從 2021 年的 420 萬美元增長到 2024 年約 1090 萬美元，並一直保持了約 88% 的年增長率。坦誠”作弊”經歷反而贏得投資AI會議助手的創業項目在矽谷屢見不鮮，但Fireflies.ai最具戲劇性的，是其建立故事——兩位創始人在前期用“偽AI”人工驗證了產品的PMF，實現了啟動。兩位創始人也非常”傳奇”。兩位創始人，左為克里什·拉米內尼，右為薩姆·烏多通克里什·拉米內尼（Krish Ramineni）和薩姆·烏多通（Sam Udotong），在 2016 年7月正式創辦 Fireflies.ai，但兩人的緣分其實要更早。他們在賓夕法尼亞大學相識，又一起去 MIT 深造；一個是擁有航空航天與電腦科學背景的美籍奈及利亞裔工程男，一個是來自印度、在微軟做過產品經理的”實幹型 PM”。看起來背景互補、能力可靠，但他們的創業路一開始並不順利。烏多通後來回憶，在創立之初，幾乎可以用”連續失敗”四個字概括。在找到會議筆記這個靈感之前，兩人前後折騰過六個方向，從各種看似新奇又完全不靠譜的點子開始，比如“加密貨幣+外賣”這種戲劇化的組合。資金越燒越少，2017 年前後的他們已經窮到連房租都快付不起，只能寄居在朋友家的沙發上，靠廉價披薩度日。那種”下一次失敗可能就真撐不下去了”的壓力，讓他們必須想出一個反常規的辦法來自救。於是，一個頗具傳奇色彩的決定誕生了：在產品尚未開發出來之前，先假裝它已經做出來了。烏多通最近在領英上的自曝了這段經歷，把這段往事推上了新聞熱榜：最初 Fireflies 賣給客戶的，並不是一個真正自動化運行的”AI 會議紀要服務”。所謂的智能助理 Fred，其實就是他們倆。烏通多的領英在客戶看來，一個名為“Fireflies Notetaker”的 AI 會自動加入會議做記錄；但實際情況是，每當客戶開會，兩位創始人就會悄悄撥入電話，戴著耳機從頭聽到尾，一字一句手動做筆記。會議一結束，他們立刻整理好內容，再以“AI 自動生成”的名義發回給客戶。為了維持現金流，他們向早期使用者收每月 100 美元訂閱費。靠著這些收入，他們好不容易付清了舊金山合租房每月 750 美元的床位房租。而他倆則幾乎把全部時間投入到“偽裝 AI”上，一個月連軸參加上百場線上會議，有時累到中途打盹。聽起來荒誕，但這段經歷成了創業轉折點：即便他們沒有告訴客戶“Fred 其實是人”，大部分客戶仍對筆記質量非常滿意，而且願意繼續付費。這意外證明了一個關鍵結論：市場真的需要這個東西。有了這幾千美元的救命現金流，兩位創始人終於得以“活”下去。更重要的是，這樣的“人工模擬”讓他們徹底理解了什麼是好用的會議筆記，也讓他們確信這是值得投入的方向。於是 2017 年下半年，他們停掉所有手寫服務，把所有精力轉向真正的自動化產品開發，這也為 Fireflies 之後的產品化奠定了基礎。當然，這種做法後來也引發不少爭議。不過，在他們正式尋求融資前，這種方式已經被停止，團隊已經進入快速研發真正AI 產品的階段。到了 2019 年底，Fireflies.ai 完成了可用的自動會議記錄平台，在內測後首次向投資人展示。令人意外的是，當他們坦誠講述早期“人工扮演 AI”這段經歷時，投資人非但沒有退縮，反而因為這種“先驗證需求，再進行自動化”的務實心態而增加了對團隊的信任。Fireflies 因此順利拿到了種子輪融資，並逐步成長為今天估值破十億美元的獨角獸。產品驅動的增長首先，Fireflies 做的事，用一句話概括，就是把說話變成資料，不僅記住了開會的結果，也留下了決策的來龍去脈，而這正是很多企業一直想要、卻遲遲沒找到好方法的東西。如果只把 Fireflies.ai 當成一款自動轉錄會議的 AI 工具，其實很容易低估它。真正讓 Fireflies 與其他 AI 會議助手拉開差距的，不是轉錄准不准、總結好不好，而是它從第一天起，就在解決一個更底層的問題：如何把“說過的話”，變成企業可以反覆使用、持續產生價值的資料資產。很多 AI 會議助手，本質上只做一件事：把會議內容壓縮成一份總結。但 Fireflies 是為了實現會議資料工作流的閉環，讓討論的上下文、分歧、取捨，都能被回溯、被查詢、被再利用。為此 Fireflies 嵌入了 AI Agent 等一系列功能。這正是 Fireflies 最大的差異點。一端，它能夠幫使用者全自動記錄、轉錄、搜尋和分析會議內容的平台；另一端，它又盡力變成企業內部的對話式知識庫，讓所有人說過的話不再只是飄在空氣裡的”即時聊天”，而是能被沉澱、被提取價值的資產。為了實現這種差異化優勢，Fireflies 設計了 3 層產品形態作為支撐，配合得非常緊密。首先，是那個以”Fireflies.ai  Notetaker”身份出現的Bot，內部暱稱叫 Fred。它像一個虛擬同事，被你拉進 Zoom、Google Meet、Teams 等各種會議裡，自動撥入、自動錄音、自動轉錄。來自Fireflies官網所有錄下來的東西，最後都會流進 Web 端的 Dashboard，可以把它理解成一個”會議收件箱”或者”Meeting Notebook”：使用者所有開過的會都放在這裡，隨時可以搜尋、回放、標註、協作。再往下挖一層，是外掛和整合層，通過 Chrome 外掛、API、Zapier 等方式，Fireflies 會主動把自己塞進 CRM、項目管理軟體、團隊協作工具裡，讓會議資料流向 Salesforce、HubSpot、Notion、Asana 之類的系統，變成可執行的任務和可查詢的記錄。支撐這一切的，是背後的”通吃一切會議場景”的技術架構。Fireflies 的第一個基本盤叫做”全平台通用捕獲”。它不和任何一家會議平台繫結，堅持做一個”平台中立”的會議記錄層。使用者只要把自己的 Google 或 Outlook 日曆連上來，Fireflies 就會自動識別日程裡的視訊會議連結，按時準點加入，不管用的是 Zoom、Google Meet、Teams，還是 Webex、Skype、RingCentral、Aircall 這種相對小眾的工具，它都能像真人參會者一樣撥入，把音訊流接走。會後，Fireflies 並不會只停留在會議轉錄，而是順著使用者連好的各種整合往外擴散。一場會結束，紀要可以自動丟到 Slack 頻道里給所有相關同事看，待辦事項可以直接推到 Asana 或 Microsoft To Do，通話記錄和關鍵要點則自動落在 CRM 裡，變成後續跟進的依據。有真實使用者分享自己一個月開了 30 多場客戶會，Fireflies 就默默把 20 多場會議紀要同步到了 Slack 和 Notion，他最後總結：最喜歡的不是轉錄本身，而是”我根本不用再操心這堆東西該去那”。在語音識別這一層，Fireflies 也沒有把寶全壓在一個供應商身上，而是做了一個“混合 ASR ”，在成本、速度和精準率之間找平衡。即時場景下，比如需要邊開會邊看字幕，或者在銷售通話中希望馬上看到對方說了什麼，它會用 Deepgram 這樣的即時流式轉錄方案。等到會後要存檔、要高精度版本的時候，則會換成 OpenAI 的 Whisper 做離線轉錄，這個模型在多語種、不同口音、專業術語上的表現更穩定，更適合生成可以直接拷進文件的轉錄稿。真正讓 Fireflies 從工具往AI 隊友升級的，是 AskFred 這個內建在會議記錄頁面裡的聊天窗口。它是一個由 AI 大模型驅動的對話方塊，你可以像和 ChatGPT 聊天一樣問它問題：“剛才客戶提到的預算是多少？”幫我寫一封會後跟進郵件，語氣正式一點。”關鍵差別在於，AskFred 是在瞭解整場會議上下文的前提下回答問題，它既能回顧（檢索和摘要），也能生成新的內容，還具備一定的推理能力。對很多使用者來說，這已經不只是”轉錄+搜尋”，而是一個懂業務背景的”會後 AI 助手”。圍繞著”會說話”這件事，Fireflies 還做了一層”對話智能”和”智能搜尋”。前者會把會議過程變成可量化的指標，比如發言比例、語速、情緒、填充詞使用頻率等等，對銷售團隊來說，這些指標直接關係到”話是不是說多了、有沒有好好聽客戶講”。除此之外，Fireflies 還允許使用者直接在平台內將會議視訊切片，通過信箱和 Slack 分享出去。產品層面打磨得這麼細，商業模式卻一點都不花哨，就是非常典型和乾淨的 SaaS 訂閱制，再疊加一層 PLG（產品驅動增長）的病毒式擴散。它的增長飛輪幾乎是肉眼可見的：當一個使用者先買單，把 Fireflies Bot 拉進會議時，同場的其他 5——10 個人（包括外部客戶）都會在參會名單裡看到 “Fireflies.aiNotetaker”，會後還會收到一份排版精緻的會議摘要郵件。很多人第一次接觸這個產品不是在廣告裡，而是在一封郵件或一場會中，這就是典型的 “Product as Marketing”：產品本身就是最好的廣告。相比 Google 那種年費很高的採購模式，Fireflies 把商業版價格壓在每月 19 美元，矽谷的單個員工刷個公司信用卡就能用，決策鏈條極度縮短，也就自然提高了滲透效率。將以上所有價值點結合來看，像 Khosla Ventures 這樣的機構會押注 Fireflies 就不難理解了。作為 OpenAI 的早期投資方，Vinod Khosla 一直強調”所有軟體都會被 AI 重寫”，在他看來，2021 年時間點下的Fireflies 就是 AI 在 B2B 協作領域的一個標本級案例：它改變了人們開會、記錄和執行的方式。Fireflies 率先展示出了企業智能協作助理的潛力，它的功能遠不僅僅限於記錄會議資料，從自動化整合資料到企業現有工作流、結構化輸出，再到智能協作助理，Fireflies 呈現的是一個 AI 會議助理的全景。同時，他們也非常看重 Fireflies 的 PLG （產品驅動增長）效率：極低的獲客成本、極高的病毒係數，讓這家公司有機會長成下一個 Slack 或 Dropbox。更重要的是，那一整座正在不斷累積的”資料護城河”：在使用者授權的前提下，Fireflies 已經掌握了數十億分鐘的會議資料，這些資料未來完全有可能用來訓練垂直領域的小模型（SLM），進一步強化它在特定行業、特定工作流裡的理解能力和自動化程度。對於任何一個想在 AI 時代保持差異化競爭力的 SaaS 來說，這種資料和算力結合起來形成的複利，才是最難被覆制的一部分。競爭紅海Fireflies 的賽道正在飛快膨脹，也在迅速變得擁擠。它幾乎橫跨 Conversational AI（對話式 AI）、Meeting Solutions（會議解決方案） 和 Sales Intelligence（銷售智能） 三個高增長領域，這讓它一開始就踏進了一個規模可觀、但競爭同樣激烈的市場。據多家研究機構預測，全球 AI 會議助理市場在 2025 年規模約為 32 億美元，未來十年還會繼續狂奔，到 2035 年有望突破73 億美元，CAGR 甚至達到 25%–35% 的高速區間。美國在這個領域遙遙領先，佔據近一半市場份額，而亞太地區，尤其是印度和日本，因為遠端外包旺盛、跨語言溝通頻繁，也正在成為增速最快的區域。但也正因為增長迅猛，AI 會議工具現在已經進入典型的紅海。巨頭的動手速度遠比想像中更快。微軟、Google、Zoom 等協作平台，不約而同把會議紀要 AI 做成了內建功能：Microsoft Teams 的 Copilot 可以自動生成摘要、提煉待辦事項；Google Meet 的 Duet AI 能即時翻譯、轉錄；Zoom 乾脆推出了 AI Companion，把自動摘要、關鍵點提煉做成默認配置。對使用者來說，這些功能幾乎是“順手就能用”的體驗，不需要額外安裝，也不需要學習成本，更不需要額外付費。它們直接打包在已有的訂閱中。從商業層面看，大公司動用龐大使用者基數和原生整合能力，的確在擠壓獨立產品的生存空間。在創業公司戰場上，競爭也同樣激烈。Fireflies 的最大對手是 Otter.ai：一個在功能上非常相似的“跨平台會議助手”。Otter 通過 Otter Assistant 搶佔了大量 Zoom 會議使用者，使用者數一度突破 2500 萬，ARR 在 2025 年初已超過 1 億美元。相比之下，同期 Fireflies ARR 約為 1500 萬美元，使用者規模在 1600 萬左右，兩者在數量級上還存在一定差距。此外，還有 MeetGeek、Avoma、Fathom 等定位各異的產品，有的專注中小團隊、有的專註銷售會話、有的深耕 CRM 同步。部分公司因為講得出“生產力故事”，融資金額也相當可觀，例如 Grain.ai 累計融了 2000 萬美元專做視訊會議剪輯內容。整體來看，創業公司群體並未出現統一贏家，但產品形態越來越像，差異化被不斷稀釋。與此同時，技術門檻也正在迅速降低。OpenAI 的 Whisper 等模型性能越做越強，Deepgram、AssemblyAI 等 ASR API 的價格一路下降，轉錄和摘要本身正在快速“商品化”。誰都能做、大家都差不多、成本還越來越低，導致市面上湧現了成百上千個會議助手工具（MeetGeek、Airgram 等只是一小部分）。當核心能力變成了門檻如此低的商品，Fireflies 想保住溢價，就必須證明自己在 AskFred、Agent 能力、跨系統自動化、深度整合上的價值不僅好用、而且不可替代，且不斷迭代自己的產品功能。否則，它很可能被捲進一場無休止的價格戰裡，被巨頭“順手”解決掉。 (虎嗅APP)

范斯居中斡旋，促成川普與馬斯克達成脆弱和解/特斯拉上海急招Robotaxi工程師，或為入華做準備/攜程海外版Trip.com測試穩定幣支付功能1. AI浪潮推動晶片行業2025年銷售額突破4000億美元要點一：行業整體表現強勁,2026年前景更加樂觀在人工智慧熱潮的推動下,半導體行業在2025年取得了顯著成績。根據華爾街日報報導,晶片製造商在2025年的合計銷售額超過4000億美元,實現了快速增長。這一增長主要由AI應用需求驅動,特別是資料中心和AI訓練所需的高性能晶片需求激增。FactSet的分析師預測,2026年的前景將更加光明,預計輝達、英特爾、博通、AMD和高通五大晶片巨頭的總收入將達到5380億美元。行業分析認為,隨著生成式AI技術的普及和應用場景的不斷擴大,晶片市場的增長勢頭有望在未來幾年持續。華爾街日報要點二:頭部企業表現亮眼,行業集中度提升輝達作為AI晶片領域的領頭羊,在2025財年表現尤為突出。該公司第三季度營收達到570億美元,資料中心業務銷售額為512億美元,利潤率保持在53%的高水平。AMD、博通等競爭對手也受益於AI晶片需求,實現了顯著增長。市場研究機構預測,半導體銷售額在2026年有望增長約30%。這一增長趨勢不僅反映了AI技術對算力的巨大需求,也顯示出科技行業正在經歷一場由AI驅動的深刻變革。行業專家指出,這種增長模式可能會持續到2020年代末期,為整個半導體產業鏈帶來長期機遇。Techmeme2. Meta以未披露金額收購新加坡AI代理初創公司Manus要點一:交易細節及Manus業務模式Meta Platforms宣佈收購總部位於新加坡的AI代理初創公司Manus,以增強其在人工智慧領域的能力。Manus由中國公司Butterfly Effect建立,後遷往新加坡,該公司於2025年3月推出其AI代理產品,主要面向中小企業提供訂閱服務。據悉,Manus在2025年12月透露其年度營收運行率已超過1.25億美元。該公司的AI代理能夠完成多項通用任務,包括篩選簡歷、建立旅行行程和分析股票等。Manus的母公司Butterfly Effect在2025年初獲得了由美國風投公司Benchmark領投的7500萬美元融資,當時估值接近5億美元。儘管Meta未披露具體交易金額,但這是該公司2025年第五筆AI相關收購。彭博社要點二:Meta的AI戰略部署與未來規劃Meta首席執行長馬克·祖克柏已將AI確定為公司的首要戰略重點,並投入數十億美元用於招聘研究人員、建設資料中心和開發新模型。此次收購Manus為Meta提供了一個可以立即產生收益的AI產品,有助於該公司更快地實現其巨額AI投資的回報。Meta表示,將繼續營運和銷售Manus服務,Manus的人才團隊將加入Meta,致力於在Meta的各項產品中部署AI代理,包括Meta AI。值得注意的是,日經亞洲報導稱,收購完成後Manus將切斷與中國的聯絡。這一收購反映了Meta在AI代理領域的雄心,也顯示出社交媒體巨頭正在積極尋求將AI技術商業化的路徑。路透社3. 中芯國際計畫斥資58億美元收購SMNC剩餘49%股權要點一:交易架構與戰略意義中國最大的晶片代工廠中芯國際(SMIC)12月29日宣佈,計畫以406億元人民幣(約58億美元)的價格收購其子公司SMIC北方(SMNC)的剩餘49%股權,使該子公司成為全資控股企業。根據向上海證券交易所提交的檔案,此次交易將通過向五家SMNC股東(包括中國國家積體電路產業投資基金)發行5.472億股A股來完成。SMNC專注於12英吋積體電路晶圓的生產,是中芯國際重要的生產基地之一。這項收購是繼中芯國際在2025年9月首次宣佈該計畫後的正式推進,完成後將進一步加強中芯國際對核心產能的控制。路透社要點二:行業背景與整合趨勢此次收購發生在中國半導體產業整合加速的大背景下。在中芯國際之前,中國第二大合約晶片製造商華虹半導體在2025年8月披露了收購其姐妹代工廠97.5%股權的計畫。業內分析人士認為,中芯國際此舉旨在通過完全控制SMNC來提高營運效率和市場份額,同時也反映出中國政府支援的晶片產業正在進行戰略性整合。完成收購後,SMNC的所有利潤將直接歸屬於中芯國際股東,這將改善公司的財務狀況。儘管該交易在上海股市引發了一定的拋售壓力,但香港投資者對此反應相對平靜。這一交易預計將有助於中芯國際在全球晶片製造競爭中進一步鞏固其地位。MarketScreener4. 軟銀40億美元收購DigitalBridge 加碼AI基礎設施投資要點一:交易詳情與市場反應日本軟銀集團12月29日宣佈將以40億美元(包括債務)的價格收購在紐約證券交易所上市的私募股權公司DigitalBridge Group,以深化其在人工智慧相關投資組合中的佈局。軟銀將以每股16美元的價格收購DigitalBridge,該價格較12月26日收盤價溢價15%,較本月早些時候彭博社首次報導收購談判時溢價50%。交易宣佈後,DigitalBridge股價周一上漲約9.7%至15.27美元,此前該股本月已上漲45%。交易預計將在2026年下半年完成。軟銀億萬富翁創始人孫正義正尋求利用支撐人工智慧應用的計算能力需求激增的機遇,此次收購被視為解決關鍵基礎設施問題的重要里程碑。路透社要點二:DigitalBridge資產組合與戰略價值DigitalBridge投資於資料中心、蜂窩基站塔、光纖網路、小型蜂窩系統和邊緣基礎設施等數字基礎設施領域,其投資組合包括Vantage Data Centers、Zayo、Switch和AtlasEdge等公司。截至2025年9月30日,DigitalBridge管理著約1080億美元的資產,是數字生態系統領域最大的專業投資者之一。該公司首席執行長馬克·甘齊(Marc Ganzi)將繼續領導DigitalBridge作為獨立管理的平台。值得關注的是,DigitalBridge與OpenAI、甲骨文和阿布扎比科技投資者MGX共同參與了Stargate項目,該項目計畫投資數十億美元建設大規模計算和基礎設施,以支援先進的AI開發。OpenAI、甲骨文和軟銀在9月表示,計畫在德克薩斯州、新墨西哥州和俄亥俄州建設五個新的計算站點,預計營運時總功率容量約為7千兆瓦。華爾街日報5. 范斯居中斡旋 促成川普與馬斯克達成脆弱和解要點一:衝突起因與關鍵轉折據華盛頓郵報披露,副總統JD范斯在2025年春季發揮了關鍵作用,成功斡旋了川普總統與埃隆·馬斯克之間的嚴重分歧。馬斯克曾在6月宣佈有意成立第三黨"美國黨"(America Party),將與川普領導的MAGA運動的嫌隙升級為公開對抗。這場衝突源於馬斯克領導的激進政府成本削減計畫"美國DOGE服務"引發的強烈反彈,以及他在社交媒體上對川普的公開批評。矛盾的導火索是白宮人事官員塞爾吉奧·戈爾向川普提供了馬斯克推薦的NASA局長人選賈裡德·伊薩克曼曾向民主黨捐款的材料,導致川普撤回提名。此後馬斯克在X平台上猛烈抨擊川普的標誌性稅收和移民立法,並威脅成立第三黨。范斯和白House AI主管大衛·薩克斯等人擔心第三黨會分裂共和黨基礎,損害2026年中期選舉。華盛頓郵報要點二:和解處理程序與未來影響范斯通過多次電話溝通,向馬斯克的盟友們施壓,敦促其放棄第三黨計畫。同時,范斯和白宮幕僚長蘇西·懷爾斯推動恢復伊薩克曼的NASA局長提名,並重新安排了干預此事的戈爾的工作崗位至海外。這些努力最終奏效,馬斯克在9月保守派活動家查理·柯克遇害後,感到有必要採取行動,開始重新支援共和黨的中期選舉活動。到11月,馬斯克出現在白宮,參加了為沙烏地阿拉伯王儲穆罕默德·本·薩勒曼舉辦的晚宴。儘管川普和馬斯克目前關係良好,但雙方盟友表示這種和解是脆弱的。范斯在此次斡旋中的關鍵作用凸顯了他與馬斯克的密切關係——馬斯克將范斯視為2028年可行的總統候選人。兩人都是前矽谷投資者,分享科技驅動的世界觀和在社交媒體上的表演風格。然而,范斯與億萬富翁的緊密關係可能帶來政治風險,尤其是在許多美國人對矽谷持懷疑態度的時刻。華盛頓郵報6. 輝達完成50億美元入股英特爾交易要點一:交易執行細節輝達12月29日向美國證券交易委員會(SEC)提交的檔案顯示,該公司已完成對英特爾價值50億美元的股權投資,這項交易最初於2025年9月宣佈。根據披露,輝達以每股23.28美元的價格購買了2.147億股英特爾普通股,該交易以私募配售方式完成。此前,美國聯邦貿易委員會(FTC)在12月發佈的通知顯示,美國反壟斷機構已批准輝達對英特爾的投資。交易宣佈當日,輝達股價在盤前交易中下跌1.3%,而英特爾股價基本持平。這筆投資使輝達成為英特爾的重要股東之一,持股比例接近4%。CNBC要點二:戰略意義與行業影響這項投資被視為對英特爾的重大財務救助,此前英特爾經歷了多年戰略失誤和資本密集型產能擴張,導致財務狀況承壓。作為全球市值最高的AI晶片設計公司,輝達的這筆投資為陷入困境的英特爾提供了關鍵的資金支援。業界分析認為,此舉可能標誌著兩家競爭對手之間關係的新階段,儘管雙方在AI晶片和資料中心市場存在激烈競爭,但在某些技術領域可能存在合作空間。據此前報導,台積電正尋求輝達、AMD、博通和高通共同投資合資企業,以營運英特爾的代工部門,這顯示出行業整合的趨勢。輝達的投資不僅為英特爾提供了急需的資本,也可能為雙方在先進製程和晶片製造領域的潛在合作鋪平道路。路透社7. 攜程海外版Trip.com測試穩定幣支付功能要點一:支付功能上線與營運細節攜程旗下國際旅遊平台Trip.com已開始允許部分海外使用者使用穩定幣USDT和USDC(也稱為Tether和USD Coin)支付預付酒店和機票預訂費用,這標誌著與美元掛鉤的穩定幣正獲得越來越廣泛的接受。根據客服人員透露,Trip.com於2025年10月9日啟用了穩定幣支付功能,該選項僅在特定地區的使用者通過Trip.com國際平台預訂預付交易時顯示。這一舉措首先由中國區塊鏈新聞媒體Foresight News在上周報導。據Foresight記者稱,他在越南時能夠使用USDT預訂酒店和機票,並指出這兩項預訂的價格都比攜程面向中國大陸的應用程式更便宜。目前,該支付選項基於使用者的IP地址顯示,中國大陸和部分其他市場的使用者無法使用穩定幣支付,在香港也未顯示該選項。南華早報要點二:戰略考量與監管環境這一謹慎的海外試點項目反映出攜程在拓展支付方式時的審慎態度,因為北京仍在對加密貨幣實施嚴厲打擊。中國人民銀行在2025年11月表示,穩定幣不符合中國大陸的反洗錢要求。儘管如此,攜程選擇在海外市場測試穩定幣支付,顯示出該公司正在探索新興支付技術以吸引國際使用者。穩定幣支付的優勢在於交易費用較低、跨境支付便捷,對於經常出國旅行的使用者尤其有吸引力。業內人士認為,如果試點成功,攜程可能會逐步擴大穩定幣支付的覆蓋範圍,但在中國大陸市場推出該功能的可能性較小。這一舉措也反映了傳統旅遊企業正在積極擁抱區塊鏈技術和加密貨幣支付,以在競爭激烈的國際市場中獲得優勢。Trip.com未回應置評請求。Tech in Asia8. 小米聯合創始人林斌計畫出售20億美元股票要點一:股票出售計畫詳情小米公司12月29日晚間發佈自願性公告稱,聯合創始人兼副董事長林斌計畫出售最多20億美元的B類普通股。根據公告,從2026年12月開始,林斌在任何連續12個月期間出售的股票價值不超過5億美元,總出售金額上限為20億美元。小米表示,出售所得資金主要用於設立一家投資基金公司,林斌對公司長期前景仍充滿信心,並將繼續為公司服務。消息公佈後,小米股價承壓,周一開盤後一度下跌3.3%至37.94港元,隨後跌幅縮小,最終收跌1.6%至38.58港元,跑輸恆生指數0.7%的跌幅。根據小米中期報告,林斌控制約18.8億股B類股和4.48億股A類股,按上周五收盤價計算,其持股價值超過100億美元。南華早報要點二:市場影響與分析師觀點花旗研究分析師黃慧娜(Kyna Wong)等人在研究報告中表示:"投資基金公司可能專注於新興技術孵化,這可能有利於小米AIoT生態系統。林斌的股票出售是一個中性事件,但可能會對市場情緒產生影響。"分析師將小米股票的2026年底目標價設定為50港元,理由是其穩健的長期前景,但也警告稱,如果智慧型手機市場競爭加劇、新店推廣相關支出上升,或利率更快上升導致估值重估,股價可能不及預期。業內人士指出,林斌的股票出售計畫採用了分期分批的方式,單次出售規模控制在小米總市值的2%以下,且時間安排從2026年底開始,顯示出對市場影響的審慎考慮。小米目前市值約為1.02兆港元(約合1300億美元),林斌的出售計畫雖然金額較大,但在長達數年的時間框架內分散執行,預計不會對公司股價造成持續的重大壓力。財新傳媒9. 特斯拉上海急招Robotaxi工程師 或為入華做準備要點一:招聘崗位與職責細節特斯拉中國近日在招聘首頁發佈了一則針對Robotaxi項目的緊急招聘資訊,正在招募一名低壓電氣工程師,工作地點位於上海。根據崗位描述,該職位隸屬於低壓硬體團隊,主要負責設計特斯拉Robotaxi的核心電路板,這些電路板控制著Robotaxi所有電氣系統中包含的數百個裝置,包括電機、執行器、感測器和LED燈等。具體工作職責涵蓋電路板全流程硬體工作,包括規格說明、架構設計、電路設計、模擬和電路板驗證等,同時需要與印刷電路板(PCB)佈局、韌體開發、機械設計、項目管理及測試驗證等多個團隊協同合作。這並非特斯拉首次在中國傳遞Robotaxi相關訊號——特斯拉Cybercab在2025年11月的中國國際進口博覽會上首次登陸亞太地區,這款沒有方向盤和腳踏板的自動駕駛計程車吸引了大量關注。量子位要點二:Robotaxi入華準備與時間線特斯拉Robotaxi專屬網站已經上線並持續更新完善,首頁提供了APP下載地址、新手入門指南和營運區域等資訊。網站顯示APP支援29種語言,暗示將逐步擴大營運範圍。特斯拉還為Robotaxi設計了"清潔守則",引入兩級處罰制度:中度污漬(如食物灑出、泥土等)需額外支付50美元清潔費,重度污漬(如吸菸痕跡、嘔吐物等)則需支付150美元。此外,馬斯克此前透露FSD(完全自動駕駛)在中國的完全開放時間預計在2026年2-3月份左右,無監督版FSD的落地對於Robotaxi大規模快速部署至關重要。結合特斯拉在上海發佈的Robotaxi工程師招聘資訊,業內普遍認為這是特斯拉Robotaxi即將入華的重要訊號。特斯拉還在12月初發佈了無線充電專利,採用高效無線充電系統和LCC-LCC諧振架構,可為全無人Robotaxi車隊提供全天候、無人工干預的充電解決方案,進一步完善了Robotaxi營運的技術基礎。IT之家**註:**以上所有內容均基於公開報導和官方聲明,資訊來源已在各段落中標註。 (AI Daily Insights)

AI算力焦慮可能搞錯方向了？黃仁勳直指能效才是上限。智東西12月30日消息，12月27日，輝達創始人、CEO黃仁勳（Jensen Huang）接受了科技媒體頻道SciTech Economy Insights的專訪。在這場以“AI的未來與輝達新一代超級電腦”為主題的訪談中，黃仁勳分享了他對AI未來趨勢、能效瓶頸與計算平台的最新思考。在此次訪談中，黃仁勳強調能源限制是當前AI發展的核心物理邊界，所有計算的上限，最終都受到位元翻轉與資訊傳輸所需能量的約束。他稱：“我們現在還遠未觸及那些真正限制發展的根本性瓶頸。與此同時，我們的任務就是打造更高能效的計算平台。”同時，黃仁勳提到，提高AI計算的能效是輝達當前的優先順序。他強調，2016年至今，AI計算的能效提升了1萬倍，這一進展在能源密度提升上堪比汽車、照明行業出現技術奇點，要建構更智能的系統，但這必須以能源效率為前提。在訪談的尾聲，黃仁勳談到輝達的終極使命，是建構“看見未來的工具”。他比喻道：“我們正在打造一種時間機器”，這種機器的意義，是讓科學家與工程師能預測各種系統的未來——無論是人類身體、地球氣候，還是AI系統自身。“如果我們能更清楚地看到未來，我們就有機會讓它變成最好的那個版本。”黃仁勳的主要觀點如下：1、AI計算的真正瓶頸在於能效，未來的突破將來自於打造更節能的計算平台。2、2016年至今，AI計算能效提升了1萬倍，超越汽車與電燈百年演進的幅度。能效的提升對支撐AI智能系統快速發展至關重要，也是當前AI產業的優先順序。3、通用計算仍是核心策略，不能為了某類AI架構定製化晶片而犧牲靈活性。4、Transformer未必是終點，AI研究尚未封頂，打造一個允許“創新繼續發生”的計算平台是輝達的根本任務。5、輝達雖然不製造晶片，但要具備與台積電相當的半導體物理直覺，才能共同探索並突破物理極限。6、輝達將押注“Omniverse（可視化模擬平台）與Cosmos（真實物理世界）融合”的多元宇宙生成系統，這將是下一代機器人與物理世界的底座。7、人形機器人未來5年將會相當精彩，輝達在這方面才剛剛起步。8、未來十年，AI不會在所有方面都超過人類，但它在某些事情上的表現將遠超我們。9、“學會與AI互動”將成為所有人類的基本技能，就像上一代人學會使用電腦一樣自然且必需。▲科技媒體頻道SciTech Economy Insights主持人（左）和輝達創始人、CEO黃仁勳（右）以下是對訪談全程內容的編譯（為最佳化閱讀體驗，智東西做了不改變原意的編輯）：01. 從25萬美元機器到1萬倍能效提升AI計算正迎來“電燈泡時刻”主持人：我們所處的這個AI發展時刻很令人驚嘆，因為我們已經擺脫了過去CPU和序列處理時代的諸多技術限制，不僅解鎖了新的計算方式，也找到了持續進步的路徑。平行計算有著不同的物理屬性，和我們當初最佳化CPU的方式完全不同。那麼在你看來，現在這個時代，我們面臨的科學或技術限制有那些？黃仁勳：歸根結底，一切都取決於在你擁有的能源限制下，能夠完成多少工作。這是一個物理層面的限制。關於資訊傳輸、位元翻轉等操作所需的能量，其本質上決定了我們能完成什麼，以及我們可以走多遠。我們現在還遠未觸及那些真正限制發展的根本性瓶頸。與此同時，我們的任務就是打造更高效的計算平台。你看這台機器（指台上裝置），它的完整版售價曾高達25萬美元（約合人民幣175萬元）。這是一台AI超級電腦，我送給OpenAI的首台DGX-1就是這樣的裝置，那是2016年。它的功耗比這台機器高出了1萬倍，但性能卻只有現在的六分之一。我們已經進入了一個全新的時代。從2016年到現在，僅僅八年，我們在計算能效上提升了1萬倍。你可以想像一下，如果汽車或電燈泡在這段時間裡也提升了1萬倍的能效，那會是什麼樣？比如一個原本100瓦的電燈泡，現在只需要0.01瓦就能產生同樣的照明效果。AI計算也正在經歷這樣的變革。這種能效的進步至關重要，因為我們想要建構更智能的系統，也希望使用更多的計算資源去變得更聰明。因此，“用更少的能量完成更多的工作”，這是我們現在最優先考慮的事。02. 不押寶Transformer 輝達要為未來演算法留出無限空間主持人：你通過CUDA展示了如何通過抽象和可訪問性，讓更多人可以調動大規模計算資源。但現在很多AI技術應用開始變得非常具體，比如Transformer架構。Transformer是當前AI模型中非常主流的結構，廣泛應用於各種AI工具中。它擅長捕捉關鍵資訊、最佳化結果表現。隨著這些結構越來越流行，似乎有一個爭議——究竟該不該專門為這些特定結構打造“定製晶片”？這樣做可能效率更高，但犧牲了通用性。你怎麼看這個問題？黃仁勳：這確實是個很重要的問題。我們當然可以設計專門最佳化Transformer的晶片，但這麼做就意味著這個晶片在其他任務上的表現會受限。我們追求的是建構一個通用的計算平台，讓它能夠支援不斷演進的AI模型，而不是在某一類結構上過度下注。主持人：作為晶片製造商，你們如何做出這些“下注”？你們是更傾向於做一輛能跑遍所有地方的通用汽車，還是一列從A點到B點的高效列車？你們在做的是賭注巨大的決策，我很好奇你是如何思考這些抉擇的？黃仁勳：這就回到一個核心問題：你的底層信念是什麼？你的底層信念是Transformer將會是AI史上最後一個被發明出來的演算法架構，之後不會再有突破？還是你相信Transformer只是一個階段性成果，它會不斷演化，幾年後甚至面目全非？我們選擇後者。歷史已經證明，在演算法、軟體、工程和創新領域，從來沒有一個想法能永遠統治一切。電腦的魅力就在於，它可以運行今天10年前從未想像過的東西。如果10年前你把電腦定格成一個“微波爐”，那創新就無從談起。我們相信創新的豐富性，相信發明的無限可能。我們希望建構的計算架構，是可以讓發明家、工程師、程式設計師和AI研究者暢遊其中的平台，而不是限制他們的框架。就拿Transformer來說，它的核心思想是“注意力機制”，理解任意兩個詞之間的關聯。如果是10個詞，那是可控的，但如果你要處理10萬個詞，或者你要讓模型閱讀一整個PDF甚至多個文件，處理這些百萬級token的上下文幾乎是不可能的。於是研究者就開始創新，比如Flash Attention、分層注意力、Wave Attention……各種新機制層出不窮。這說明創新沒有停止，我們當然也不會停。所以，打造一個允許這些創新繼續發生的計算平台，就是我們最根本的任務。03. 輝達像台積電一樣思考物理極限晶片公司也要懂“風扇設計”主持人：你們負責設計晶片，但有公司負責組裝晶片，也有公司設計奈米級製造的硬體裝置。那當你們在設計這些工具的時候，你是如何看待“物理上目前能做到什麼”？你是怎麼思考這個邊界的？黃仁勳：雖然我們的晶片是由台積電製造的，但我們始終假設自己也必須具備和台積電一樣的專業能力。所以我們公司內部有非常擅長半導體物理的工程師，讓我們對當前半導體物理的能力極限有直覺判斷。我們會與台積電一起密切合作，不斷探索並推動這些物理極限。我們也在系統工程、冷卻系統上做同樣的事。舉個例子，液冷系統中“管道”對我們至關重要，風冷系統中“風扇”也非常重要。我們要設計這些風扇，使其在保證氣流量的同時儘可能安靜，這就涉及空氣動力學。所以我們公司裡甚至有專門的空氣動力工程師。儘管我們不直接製造這些硬體，但我們必須具備非常深的設計理解和工藝感知，只有這樣，我們才能持續推動技術的極限。04. 看好機器人、Omniverse與Cosmos融合要打造一台“時間機器”主持人：你曾反覆談到了你對未來的大膽押注，從GPU、CUDA，到AI、自動駕駛，現在又是機器人。我的問題是：你接下來最看好的方向是什麼？黃仁勳：我們看好機器人方向，我們也看好Omniverse（可視化模擬平台）。我特別激動的新方向是“Omniverse與Cosmos（真實物理世界）的融合”。這是一個全新的生成式世界系統，也可以稱為多元宇宙生成系統。我認為它對未來的機器人與物理系統將會產生深遠影響。我們現在正在做的，還有人形機器人專用的工具鏈、訓練系統、人類演示系統等等。我們才剛剛起步。接下來的五年，人形機器人會非常精彩。我們也在做數字生物學的研究，希望能理解分子語言、細胞語言，就像我們理解物理語言一樣。我們希望AI可以理解人的身體系統，預測它的變化，最終建構出人的“數字孿生體”。我也特別喜歡我們在氣候科學方面的工作，比如用AI預測天氣、模擬區域氣候，讓我們能以公里級精度預測某地上空的氣象變化。這會有很大的社會意義。我們之所以能做這些，是因為我們正在打造一種“時間機器”。我們需要在所有這些領域中，都具備預測未來的能力。如果我們能更清楚地看到未來，我們就有機會讓它變成最好的那個版本。這就是科學家為什麼總是想預測未來，也就是我們為什麼做AI的原因。05. 未來屬於“外掛人類” 學會與AI互動是每個人的新起點主持人：如果一個普通觀眾看到這裡，他原本只是知道NVIDIA是一家很重要的公司，但現在開始意識到它可能如何影響自己的生活。你會給他們什麼建議？怎麼理解這個“正在發生”的巨大變化？黃仁勳：我們可以用幾種方式來思考這個未來。比如說，假設你做的事情依然重要，但完成它所需的努力突然從一周縮短為幾秒。那些重複性勞作幾乎不再存在。這會帶來什麼變化？你可以類比上一輪工業革命，當美國建起州際高速公路時，突然之間，郊區興起了，東西部的貨運也暢通了。沿著高速路，加油站出現了，快餐店出現了，汽車旅館也興起了。全新的經濟系統誕生了。今天也是一樣。比如，如果視訊會議讓我們不再需要頻繁出差，那麼我們就可以住得離公司更遠、工作和生活的邊界會重新劃分。又比如說，如果你隨時都有一個AI程式設計師陪在你身邊，你只需要提出想法，它就能幫你實現。這種“即時實現”會怎樣改變你的創造能力和生活？又或者說，你腦海裡有一個粗略的想法，把它丟給AI後，幾分鐘後你就能看到一個產品原型。這會釋放出多少新的可能性？這些變化最終會帶來什麼？我的判斷是：未來十年，AI不會在所有方面都超過人類，但它在某些事情上的表現將遠超我們。而我知道那種感覺。我身邊每天都被“超人”包圍，他們是各自領域最頂尖的人才，他們的能力遠超我。但從沒有那一刻，我因此感到無用。相反，這種團隊讓我充滿信心，敢於追求更大的目標。現在，想像一下，如果你身邊也有一位AI“超人”助手，無論是寫程式碼、分析問題、學習知識，它都能幫你。這會讓你覺得更強大、更自由、更有方向感。實際上，我相信你已經在使用ChatGPT或其他AI工具了。我自己就常用。我今天可以更自信地學習一門新知識，因為獲取知識的門檻已經被大大降低。你隨時可以有一個個人導師，幫你提問、程式設計、寫作、思考、推理，讓你在任何領域都能更快起步、更深入掌握。所以如果我只能給出一個建議：現在就去找一個AI導師。它會幫助你成為那個“帶著外掛的人類”，進入一個你從未想像過的未來。主持人：有沒有什麼你覺得這場對話中我們還沒聊到、但對大家來說非常重要的建議？黃仁勳：如果今天我是個學生，我第一件要學的事就是：學會如何與AI互動。比如我怎麼使用ChatGPT、Gemini Pro、Grok？怎麼讓它們成為我的助手？這其實就像掌握一種“提問的藝術”。你要學會如何與AI對話，就像你很會提問題一樣。不能隨便亂問一堆問題，而是要有方法、有邏輯地讓它協助你。不管你是學數學、學科學、學生物、學法律、還是學文學，你都要問自己一個問題，我該如何用AI把這件事做得更好？就像我那一代人，我們是第一批必須學會“怎麼用電腦工作”的人。我們成長的年代，辦公室裡沒有電腦，直到90年代後才開始普及。今天的新一代，不需要再學“怎麼用電腦”，但他們必須問另一個問題：我怎麼用AI把事情做得更好？這是所有人必須問、也終將面對的問題。很多人現在才開始接觸“AI”這個詞，但它帶來的變化非常真實，它讓電腦變得更易用。你知道嗎？以前如果我把一台電腦放在一個沒碰過電腦的人面前，他們幾乎不可能在一天內學會使用。但今天如果我把ChatGPT放在他們面前，他們只需要輸入一句：“我不會用ChatGPT，請教我”，它就能一步一步教會你。這正是AI的魅力——它能幫助你自學，並且讓你在過程中逐步進化成“超人”。 (智東西)