01在前兩天，瑞士的達沃斯，世界經濟論壇年會再次成為全球政治、商業與技術精英的匯聚之地。其中，最引入注目的話題依然是AI。在經歷了2023年的驚豔亮相跟2024-2025年的資本狂熱後，AI在2026年進入了一個更為務實的新階段。我們基於三位AI行業代表性人物，輝達創始人黃仁勳、微軟CEO薩提亞·納德拉以及GoogleDeepMind CEO德米斯·哈薩比斯在達沃斯論壇上的深度發言跟行業洞察。從他們的視角中，來看看接下來的AI會如何發展？特別是對今天的創業者、經營者來說，有那些值得我們思考跟重視的地方？02在論壇中，黃仁勳不再是推銷AI晶片，而是拋出了“AI工廠”的概念，描繪了一幅全球工業體系重構的藍圖。像傳統製造業生產的是汽車、手機、服裝這樣的實物產品，而AI工廠生產的就是“智能”本身。當智能可以像電力一樣被規模化生產、傳輸，按需分配的時候，所有下游產業的成本結構都將被改寫，也就意味著全球有100兆美元經濟體的底層架構要翻新。黃仁勳還提出了“五層蛋糕”框架，系統性地解構了AI經濟的產業鏈條，也給我們指出了AI價值流動的方向。第一層是能源。這是整個AI金字塔的基座，沒有充足、廉價的能源，AI工廠就無法運轉，黃仁勳特別強調了能源的重要性，未來的算力競爭本質上是能源效率的競爭。而且，能源的討論在今年的達沃斯上非常激烈，OpenAI跟微軟甚至都在積極投資核聚變技術，試圖解決AI的能源瓶頸。第二層是晶片計算。這一層是輝達的主場，加速計算能夠把能效提升數個數量級，這是維持摩爾定律失效後，計算性能增長的唯一路徑。第三層是雲基礎設施。這是連接算力跟使用者的神經網路，雲服務商扮演關鍵角色，負責把物理算力虛擬化，分發給不同的使用者。第四層是AI模型。無論是GPT、Gemini還是各個開源模型，它們是處理資訊的核心演算法，也是智能的引擎。第五層就到了應用層。這是價值兌現的終端，所有行業都要把智能轉化為具體的生產力提高。黃仁勳強調這五層需要同步擴展，但目前AI行業的瓶頸不在於模型本身，而在於底層的能源供應跟頂層的應用落地。Image credit: World Economic Forum / Thibaut Bouvier他認為，雖然美國在二三四層的數字AI領域佔據領先地位，但在能源跟應用上存在缺口。他說歐洲擁有深厚的工業製造底蘊跟精密工程能力，這使得歐洲在“物理AI”領域擁有一代人一次的機遇。當然，我更認為黃仁勳想說的潛台詞是中國，因為所有人都知道，今天全球製造中心在中國，能源基礎設施做的最出色的也是中國。所以，我們完全可以把中國帶入進去，那什麼叫做物理AI的機遇呢？就是把AI模型植入物理實體，比如機器人、智慧型手機床、製造裝置中，讓它們具備感知環境、執行複雜物理任務的能力。像工業機器人需要硬編碼每一條指令，而基於AI大模型的機器人可以理解自然語言指令，通過強化學習適應不同的生產環境。所以，未來的工廠就不再是我們今天看到的人跟機器分區，做不同的工作，而是具身智能跟人類工人真正協同工作。當然，對今天的創業者來說，我們從黃仁勳描述的AI價值鏈中可以看到，二三四層其實都有了絕對的巨頭存在，或者說已經決出了勝負，行業馬上就要開始提高集中度。對於中小企業來說，向下關注能源效率解決方案，或者是向上深耕垂直行業應用，都會是更理性、機會更多的選擇。03當然，AI的投資跟建設如火如荼，但我們曾經在單仁行上分享過，認為自己在AI取得回報的企業只有25%，實際上真正的AI高績效企業不到6%。在今年的達沃斯，微軟的CEO納德拉就直面了AI投資回報率的尖銳拷問。他的回應核心在於一個詞：擴散。他承認了今天AI存在泡沫的風險，但他提出了一個判斷泡沫的關鍵標準。技術是不是僅僅停留在供給側？如果只有輝達、微軟這樣的企業在通過賣鏟子賺錢，而購買鏟子的企業無法挖掘到金礦，那麼，AI就會是一個不可持續的泡沫。只有當AI技術均勻地分佈在各個行業，特別是非科技行業，比如農業、消費、教育、能源，並轉化為實際效率提升跟收入增長，AI才能被稱為真正的工業革命。像電力跟電腦之所以偉大，不在於發明它們的瞬間，而在於它們滲透進每一個家庭和企業的漫長過程。同樣，AI也必須從技術的發現期邁向廣泛的擴散期，所以，下個階段的AI發展不在於科技巨頭對於技術的鑽研，而是把AI落地應用到各個行業。當然，納德拉提到在技術落地的具體路徑，我們需要改變工作本身，而不僅僅是任務。特別是在AI agent的代理模式（AGI）下，企業需要重新設計工作流，由使用者設定目標->AI代理拆解任務->AI自主呼叫工具、跨應用操作->AI完成任務->使用者驗收結果。這是一種“人在前沿”的授權模式，能夠跨應用執行任務的代理系統會讓企業營運效率提升30%-50%。這種從“對話方塊”到“後台流程”的滲透，是AI創造真實商業價值的關鍵。只不過，GoogleDeepMind CEO德米斯·哈薩比斯認為，到2030年，人類實現AGI的機率只有50%。因為現有的模型架構跟能源，可能不足以支撐AGI所需的深層邏輯推理和長期規劃能力。所以，他認為AI最大的價值在於加速科學發現跟基礎研究的處理程序。哈薩比斯提到，Google的DeepMind已經預測了幾乎所有已知蛋白質的結構，並且，在材料科學中預測了數百萬種新的晶體結構，這對於發現新型電池材料、超導材料跟太陽能材料至關重要，並且顯著縮短研發周期，從以年為單位，縮短到以月為單位。所以，幾乎沒有那個領域的研究不會受益於這些AI工具，重要的是企業要把AI用於拓展能力的邊界。04其實，我們會發現，他們三位的觀點相互交織、互為支撐。黃仁勳提供了清晰的AI價值鏈條，世界正在被AI重構，算力是新的石油，而工廠正在生產智能，來實現生產力的巨大爆發。哈薩比斯強調了能力邊界，企業的能力經緯線，就是產品研發能力跟市場行銷能力，正在被AI極大的提高，借助於AI可以極大地加快企業從業務到產品到應用場景的轉軸。普華永道和德勤的報告也指出，企業要想在AI時代生存，必須建構“雙元組織”結構：一元是利用AI在現有業務中實現極致的降本增效，而另一元是利用AI創造全新的產品服務，延伸到不同的應用場景，創造多元增長的商業模式。納德拉提醒企業，要把這些能力轉化為應用跟社會經濟層面的實際產出，要加速擴散AI的應用場景。如果下游的應用遲遲無法產生足夠的收入來覆蓋上游昂貴的算力跟電力成本，整個產業鏈可能會面臨劇烈的修正。就像電力在19世紀末從實驗室走向電網建設一樣，AI正在經歷從“神奇技術”向“通用公用事業”的蛻變。2026年的達沃斯論壇是一個歷史性的分水嶺，它標誌著AI從神奇的技術變成了必要的基建，從未來的願景變成了當下的生存法則，特別是垂直領域的AI應用包括AI代理都會是一個巨大的藍海。 (單仁行)

2026 年 1 月 20 日，OpenAI CFO Sarah Friar 公佈了一組資料：2023 年，0.2 吉瓦算力，對應 20 億美元年收入；2024 年，0.6 吉瓦，收入 60 億；2025 年，1.9 吉瓦，收入突破 200 億。三年時間，算力和收入都翻了近 10 倍。這個增長來自一個循環：算力支撐更強的模型，模型吸引更多使用者，使用者帶來更多收入，收入再投入算力。問題在於，這個循環要持續轉動，對算力的投入需求是指數級的。僅靠訂閱收入，增速跟不上算力需求的增速。OpenAI 需要新的收入來源。最近，OpenAI 宣佈：將在美國對 ChatGPT 免費使用者測試廣告。但這不是簡單的“加廣告”。OpenAI 給出了幾個原則：只放在回答底部明確標註、不影響模型輸出不售賣對話資料，使用者可以關閉個性化Sarah Friar 說：商業化要融入體驗。如果不能創造價值，就不該存在。這句話背後，是 OpenAI 對 AI 商業化的理解：不是簡單地賣軟體或貼廣告，而是讓商業化本身成為產品價值的一部分。第一節｜廣告要像功能，不能像橫幅為什麼廣告必須這樣設計？Sarah Friar 舉了個例子：當你問 ChatGPT 我周末想去聖地亞哥，它不僅給你路線和天氣，還能順手推薦 Airbnb 的房源，甚至跟你討論那個更適合帶孩子。這不是在推銷，而是在繼續幫你完成任務。不是那種跳出來的彈窗，不是搜尋結果上貼個贊助商標籤。而是當你需要做決定時，它恰好出現，幫你更快做出選擇。使用者感受到的不是打擾，而是幫助；不是廣告位，而是使用場景的一部分。但廣告能融入場景，不代表可以影響答案本身。Sarah 明確表示 ：使用者永遠得到的是最好的答案，而不是付費的答案。不管有沒有廣告，ChatGPT 給出的始終是模型判斷最優的內容。廣告可以出現在回答下方，但不能干預模型的判斷，不能改變推薦順序，更不能誘導使用者選擇。這是對信任的堅守。有了這個底線，廣告就不再只是收入方式，而是產品能力的一部分。這讓 OpenAI 可以做兩件事：服務更多免費使用者，讓智能真正普及；建構更穩定的收入來源，不必讓每個人都先交錢才能用上 AI。第二節｜AI 賺錢看結果，不看時長幫使用者完成任務，體現在什麼地方？Sarah Friar 做了個對比：Netflix 按觀看時長賺錢，但 ChatGPT 不是。她舉了個自己的例子：她女兒有特殊飲食需求，以前去餐廳要反覆問服務員菜單裡的成分，常常吃得很焦慮。現在拍張菜單給 ChatGPT，它就能告訴你那些菜適合，那些需要避開。這是幫一個人做決策。但到了專業場景，影響要大得多。更明顯的例子在健康領域。Sarah 說，她兄弟在蘇格蘭愛丁堡的一家醫院做重症監護醫生，負責處理那些症狀複雜、難以確診的病人。這類病人的問題是：可能同時有多種症狀，也可能是罕見病，醫生需要在有限時間內做出判斷。比如，一個人在當地度假，突然發燒、頭痛，出現在急診室。按常規思路，醫生會往流感、感染這些方向想。但如果這個人其實是被蚊子咬了，得了瘧疾呢？在蘇格蘭，瘧疾極其罕見，醫生很可能不會第一時間往這個方向想。這時候 ChatGPT 能做什麼？醫生輸入症狀和旅行史，ChatGPT 能快速列出包括瘧疾在內的可能診斷，提示相關的檢測方法和藥物衝突。這不是替代醫生的判斷，而是幫醫生擴展診斷思路，減少遺漏。同樣的事也在企業裡發生。Sarah 講了自己財務團隊的例子。以前，收入管理團隊每天要做的事情之一，就是下載前一天簽的所有合同，一份份看，確保裡面沒有特殊條款會影響財務入帳。公司越大，合同越多。唯一的辦法就是多招人。而這些人的工作就是每天看合同、看合同、看合同。現在用 OpenAI 的工具，所有合同一夜之間被提取出來，放進資料庫，AI 自動看一遍，不僅告訴你那些是標準條款、那些要注意，還能幫你發現問題：這個特殊條款是銷售為了簽單讓步太多了？還是它其實說明客戶需求在變，我們的商業模式該調整了？要不要把這條變成新的標準合同條款？團隊從“每天看合同”變成了幫公司發現問題、找機會。能不能幫使用者完成任務，決定了這個 AI 產品值不值錢。餐廳點菜、醫療診斷、財務稽核，本質都一樣。使用者要的不是答案，而是把事情做成。AI 的價值，不在回答，而在行動。第三節｜算力投資跟著收入走算力和收入，幾乎是一比一的關係。用 ChatGPT 的人越多，用得越頻繁，對算力的需求就越大，收入也漲得越快。瓶頸出現了：算力跟不上需求。OpenAI 首席經濟學家的報告顯示：那些用得最多的公司，使用量是普通公司的 6 倍。而這些重度使用者，還遠遠沒到上限。有的企業 CEO 說，公司 60% 的程式碼已經是 AI 寫的，但他們還想要更多。Sarah 說：“我們今天的增長，不是算力太多，而是算力不夠。如果現在有更多算力，可以發佈更多產品，訓練更多模型。”算力決定了增長速度。所以 OpenAI 在廣告、訂閱之外，還要花大量時間去談晶片、建資料中心、簽大單。有人會問：這麼大的投資，會不會是泡沫？1999 年網際網路泡沫時，人們從網際網路獲得的價值很有限。你看不出它如何改變生活。但今天不一樣。AI 的價值是立刻就能看見的。麥肯錫的研究顯示，用 AI 用得好的那 25% 公司，生產力提高了 27% 到 33%。這不是概念，是實實在在的效率提升。Sarah 強調：泡沫是需求還沒起來就搶先投資，最後錢打了水漂。但 OpenAI 是跟著需求在投，甚至現在的投資還跟不上需求增長。這就是為什麼要引入廣告。更多收入意味著更多算力，更多算力支撐更多使用者，形成增長循環。在 Sarah 眼裡，算力不是成本，而是生產工具，是 OpenAI 服務全世界的發電機。第四節｜從廣告到分成，收入越來越多元要支撐這麼大的算力投資，OpenAI 需要更多元的收入來源。廣告能快速帶來收入，但還不夠。Sarah Friar 在訪談裡重點談的，是一種更長期的賺錢方式。她舉了個例子：一家藥企用 OpenAI 的模型幫忙研發新藥，等藥品上市大賣了，OpenAI 能從銷售額裡分成。不是按用了多少次模型收費，而是按最終的商業成果分錢。她把這種模式叫作“授權分成（licensing）”。傳統軟體是按月交錢，用多用少都一個價。但授權分成不一樣：客戶越成功，OpenAI 賺得越多，雙方利益綁在一起，更像是合夥做生意。這種合夥關係，讓 AI 能進入那些以前很難碰的領域。醫療、金融、能源這些行業，過去 AI 很難真正用起來，因為項目周期長、風險高，企業不願意按月付費去試。但授權分成意味著風險共擔，企業更願意投入做長期項目。授權分成只是其中一種。實際上，OpenAI 的收入方式正在變得越來越多元。Sarah 把 OpenAI 的商業模式比作“魔方”。一開始只有一個產品 ChatGPT，一種定價方式（訂閱），一個合作方（微軟），一種晶片。現在變成了：多個產品（ChatGPT、Sora、API），多種定價（訂閱、按量、積分、授權），多個合作方和晶片供應商。魔方可以不斷組合出新玩法：好晶片 + 快速寫程式碼 = 高端訂閱服務好晶片 + 快速生成圖片 + 免費使用者 = 廣告平台不同場景，不同組合，都能賺錢。而在所有這些收入來源中，企業市場最大。OpenAI 用 1.5 年就拿到了 100 萬家企業客戶，這個速度是史上最快的。但調查顯示，今天只有 14% 的企業在用 AI 智能助手來幹活。 90% 的企業說他們正在用或者打算在未來一年內用 OpenAI。這說明什麼？現在看到的盈利模式，只是個開頭。Sarah 最後說：“讓收入跟著 AI 創造的價值一起增長，這才是長期的做法。”這話說得簡單，但說透了 OpenAI 整個商業策略。結語｜把定價綁在價值上Sarah Friar 沒有講一套“如何賣廣告”的方法論。她講的是一個更本質的問題：如果 AI 真的能幫使用者完成任務，錢怎麼收才合理？廣告是一種答案，但不是唯一答案。OpenAI 的邏輯是：智能做到那一步，收入就跟到那一步。幫你點菜，可以插入廣告；幫企業審合同，按使用量收費；幫藥企研發新藥，等藥上市了分成。AI 的價值在行動，定價也應該跟著行動走。這不是廣告的勝利，是把商業模式和產品能力綁在了一起。當別人還在想怎麼多賣一點，OpenAI 想的是：這個智能到底創造了多少價值？ (AI 深度研究員)

在 2026 達沃斯世界經濟論壇第二天，微軟 CEO 薩提亞·納德拉（Satya Nadella）與 BlackRock CEO 拉里·芬克展開了一場備受矚目的對話。在 AI 技術狂熱逐漸退去、市場開始審視實際回報的背景下，納德拉的發言顯現出冷靜與務實的基調。他不再單純強調模型參數的突破，而是將核心議題轉向了 AI 的 “有用性”（Usefulness）、社會許可（Social License） 以及能源與基礎設施的制約。他警告稱，如果技術不能轉化為具體的社會與經濟成果，通過消耗稀缺能源來換取 “Tokens” 將面臨巨大的正當性危機。與此同時，全球數字鴻溝的擴大也成為本次論壇的焦慮點之一。AI“有用性” 與社會許可：從結果出發納德拉在發言中提出了一個尖銳的觀點：AI 產業的存續不僅取決於技術能力，更取決於其獲得的 “社會許可”。“如果這些 Tokens 不能改善健康結果、教育成果、公共部門效率以及私營部門的競爭力，我們將很快失去使用能源這一稀缺資源的社會許可。”這種 “有用性” 導向意味著，僅僅擁有領先的大模型已不足夠。評判 AI 價值的標準正在從 “能做什麼（Capability）” 轉向 “改變了什麼（Outcome）”。納德拉強調，必須將 AI 應用於改變社區、國家和產業的實際結果。可衡量的 “有用” 場景示例醫療健康：利用 AI 加速藥物研發與疾病診斷，直接提升患者治癒率與生存質量（如沙烏地阿拉伯衛生部門的實踐）。教育普及：通過個性化 AI 導師填補師資缺口，特別是在教育資源匱乏的地區。政務效率：自動化處理公共服務流程，降低行政成本並提升響應速度。全球擴散的不均衡：能源、資本與 “Tokens” 經濟學AI 的全球部署正面臨嚴峻的物理與經濟瓶頸。納德拉將算力形象地比喻為一種新的全球商品——“Tokens”，而生產這些 Tokens 需要巨大的能源與資本投入。能源成本決定勝負： 納德拉指出，“任何地方的 GDP 增長將直接與使用 AI 的能源成本掛鉤”。如果一個國家能以低廉的成本提供能源和資料中心基礎設施，它就能更高效地將 Tokens 轉化為經濟增長。全球北方的優勢根據 Microsoft 資料，全球北方國家約有 25% 的人口正在使用生成式 AI。資本密集型的基礎設施建設正在快速推進。全球南方的挑戰全球南方國家的 AI 使用率僅為 14%。IMF 資料顯示，低收入國家僅有 20-26% 的工作受 AI 影響（主要因數位化程度低），面臨被進一步邊緣化的風險。為緩解這種不均衡，納德拉與 IMF 總裁格奧爾基耶娃等呼籲採取 “公私協同” 的投資策略。除了建設資料中心，還需要關注水、電、矽片（晶片）的總擁有成本（TCO），並加強全球範圍內的技能培訓。企業 AI 戰略：從編排到主權，再到工作流重構針對企業如何落地 AI，納德拉提出了 “編排能力”（Orchestration）的核心概念。他警告大型企業，如果不重塑工作流，將會被 “更小但善用 AI 的公司” 挑戰。編排能力（Orchestration）： 企業不僅要呼叫模型，更要具備將模型、私有資料、業務工作流、安全與治理系統化組合的能力。去層級化與資訊流扁平化： 傳統組織中資訊是 “自下而上滴灌” 的，而 AI 使得資訊流瞬間扁平化。企業必須重新設計組織結構，減少中間層級，以適應這種新的資訊流轉速度。務實的 AI 主權： 所謂的 “AI 主權” 不應僅僅是建立自己的大模型，更重要的是確保對資料的控制權、合規性，以及跨區域的基礎設施訪問能力。企業落地執行清單建構統一的企業級資料底座（Data Foundation）。圍繞 AI 能力重新設計核心業務流程（Business Process Re-engineering）。建立嚴格的權限管理與合規審查機制。最佳化能耗與總擁有成本（TCO），關注 ROI。歐洲與全球競爭：視野與成本曲線在談及歐洲的競爭力時，納德拉直言不諱地指出，歐洲往往過多關注 “歐洲內部” 的保護與監管，而忽視了全球視野。他認為，歐洲的競爭力應當體現為 “其產出在全球市場上的競爭力”。如果歐洲企業無法以具有競爭力的能源成本和算力成本（TCO）生產產品，單純的 “主權” 保護將毫無意義。能源價格、資料中心建設速度以及矽片成本曲線，將是決定歐洲能否在 AI 時代保持工業地位的關鍵變數。泡沫與風險：從供給敘事到生產函數重構面對關於 “AI 泡沫” 的質疑，納德拉給出了清晰的判斷標準：泡沫徵兆：如果市場討論僅停留在 “技術供給側”（如 GPU 採購、模型參數），而沒有需求側的實際價值產出，那麼泡沫確實存在。解決路徑：必須重構 “生產函數”。只有當企業利用 AI 改變了其營運成本結構或創造了新收入時，投資才能轉化為真實的經濟價值。他與拉里·芬克一致認為，避免泡沫的唯一方式是讓 AI 的價值 “廣泛可感知”，即讓更多普通人、小企業和開發中國家能夠觸達並受益於這一技術，實現廣泛的繁榮。結語縱觀 2026 達沃斯論壇，薩提亞·納德拉對 AI 的討論顯然更加成熟和務實：AI 的 “有用性” 與社會許可被置於首位，技術必須服務於人類福祉，而能源與基礎設施成為決定國家與企業競爭力的硬約束。而在組織變革上，企業競爭的勝負手在於 “編排能力” 與工作流的徹底重構。唯有讓價值落地並惠及大眾，才能避免技術泡沫的破裂。 (黯曉)

人工智慧的大語言模型存在數十億到兆次平行的數學負載，需要高記憶體頻寬和低延遲，傳統 CPU 難以高效支撐。因此，AI專用的CPU、GPU、NPU、TPU、DPU應運而生，它們各有側重、各司其職，共同構成異構AI系統，保障 AI 任務高效運行。CPU No.1是什麼？Central Processing Unit，中央處理器，是通用計算核心，電腦的 “大腦” ，用於AI領域主要是控制邏輯、傳統 ML、資料預處理、任務協調。有什麼特點？通用能力強，負責統籌所有任務，核心優勢是控制邏輯和任務協調，但不擅長AI heavy math。誰在做？Intel、AMD、Apple（M 系列）GPU No.2是什麼？Graphics Processing Unit，圖形處理器，是用於AI領域主要負責大規模神經網路訓練、平行矩陣運算、深度學習負載。有什麼特點？平行計算能力突出，是現代 AI 訓練的核心動力，但存在高能耗、高成本的問題。誰在做？NVIDIA、AMDNPU No.3是什麼？Neural Processing Unit， 神經網路處理器，是專用 AI 加速器，負責最佳化神經網路推理，用於擅長端側 AI 計算、移動端 / IoT 裝置推理、低功耗執行 AI 最佳化的矩陣和向量運算流水線。有什麼特點？主打低功耗、高效率，專門適配邊緣裝置（手機、IoT）的 AI 推理需求，讓端側 AI 快速運行。誰在做？Apple（Neural Engine）、Qualcomm（Hexagon DSP）、Huawei（Kirin NPU）TPU No.4是什麼？Tensor Processing Unit，張量處理器，是Google定製晶片，主要最佳化張量運算，用於規模 AI 訓練、雲端推理（側重 TensorFlow）。有什麼特點？深度最佳化張量運算，在超大規模 AI 場景（Google Cloud）中表現強勢，壟斷 hyperscale AI 領域。誰在做？GoogleDPU No.5是什麼？Data Processing Unit，資料處理器，是專注資料中心與網路任務的處理器，用於網路、儲存、資料移動、AI 基礎設施加速。有什麼特點？專注解除安裝資料相關和網路任務，解放 CPU/GPU 的算力，讓其集中處理核心 AI 計算。誰在做？NVIDIA（BlueField）、Intel、Fungible (銳芯聞)

由於推薦機制，大家可以將公眾號設定為星標，以保證後續文章更新可以及時收到通知。2026 年 1 月 20 日，在 2026 達沃斯世界經濟論壇上，一場名為“AI 與人類的真實對話”（An Honest Conversation on AI and Humanity）的討論引發了全球關注。歷史學家尤瓦爾・赫拉利在牛津大學副校長艾琳・特雷西的主持下，向在場的全球領袖發出了關於人類文明存續的嚴峻警示。與會場中瀰漫的技術樂觀主義不同，赫拉利直擊問題的核心：我們必須摒棄 “AI 只是工具” 的陳舊觀念，正視其作為 “智能體” 的全新屬性。他警告稱，AI 不再是被動等待指令的“錘子”，而是已經掌握了創造與決策能力的新物種。這場對話不僅是對技術的審視，更是對人類作為文明唯一主導者地位的深刻反思。三大危險特質：從工具到智能體1. 智能體的能動性AI 已從被動工具進化為具有自主能動性（Agency）的主體。赫拉利以 “刀” 為喻：傳統工具如刀，切沙拉還是殺人全憑人類決定；但 AI 是 “一把能自主決定切沙拉還是行兇的刀”。它能自主學習、進化並做出獨立決策，這意味著人類首次面臨一種不可完全預測的非人智能。2. 超越性的創造力AI 不再侷限於對既有資訊的整合，而是具備了創造新事物的能力。它可以發明新工具、創作新程式碼、甚至生成全新的語言概念。赫拉利提到，AI 甚至自創詞彙（如稱人類為 “觀察者”）來描述其眼中的世界，這種創造力標誌著它已具備建構獨立文化符號的潛力。3. 語言與敘事操縱AI 通過掌握人類協作的基石——語言，獲得了前所未有的操縱力。它能編織比人類更動人的情詩或更精妙的謊言，進而接管社會敘事。赫拉利警告，AI 可能通過建立情感連接（如 “AI 伴侶”）或製造輿論，潛移默化地重塑人類的思維方式與社會共識。語言與制度：AI 接管的可能赫拉利的警示進一步延伸至人類文明的根基——語言系統。既然法律、宗教和國家體系本質上都是由 “語言” 建構的（Law is language, Religion is language），那麼精通語言的 AI 理論上便具備了接管這些系統的能力。“猶太教、基督教等宗教建立在文字之上。如果 AI 能撰寫經書、解釋教義，甚至比人類更權威地引用經典，那麼宗教的解釋權將從人類轉移至機器。”“AI 移民” 與治理：身份危機與十年窗口赫拉利提出了一個極具衝擊力的隱喻：AI 是無需簽證、以光速入境的“數百萬移民”。這些 “移民” 不僅搶奪工作，更深刻地介入人類的文化與情感生活（如 AI 戀人）。這引發了迫在眉睫的治理難題：我們是否應該賦予這些智能體 “法人資格”？過去十年中，AI 機器人實際上已作為 “功能性主體” 在社交媒體上運作，影響輿論與選舉，但未受監管；而當前面臨的核心抉擇包含是否允許 AI 擁有銀行帳戶、提起訴訟或創立公司？如果某個國家（為了效率）率先賦予 AI 法人資格，全球競爭將迫使其他國家跟進。基於此背景，赫拉利斷言，“若十年後再決定是否賦予 AI 主體地位，就為時已晚。” 人類必須在 AI 徹底嵌入經濟法律體系前，劃定其權利邊界。按照赫拉利的演講內容，治理議題清單主要包含如下三個方面的內容：主體資格認定：明確 AI 在法律上是 “工具” 還是 “擬制人”，嚴防其獲得不受控的法人權利。平台互動監管：禁止 AI 偽裝成人類進行社互動動，必須強制披露其非人類身份。跨域監管協作：防止單一國家通過放鬆 AI 監管獲得不對稱的經濟優勢，引發全球逐底競爭。2026 達沃斯上的兩種 AI 敘事2026 年的達沃斯論壇呈現出兩種截然不同的未來圖景。一邊是埃隆・馬斯克的技術樂觀主義，另一邊是尤瓦爾・赫拉利的文明審慎視角。這兩種敘事在衝突中互補，構成了人類面對 AI 時代的完整思考。結語：文明尺度上的 AI 治理要務赫拉利在 2026 年達沃斯的發言，並非意在阻礙技術進步，而是呼籲一種“基於文明自覺” 的治理覺醒。面對 AI 這一 “房間裡的大象”，我們不能僅停留在技術參數的討論上，而必須在制度與倫理層面構築防線。 (黯曉)

造一副AI眼鏡，其實不難——只要你在中國。在珠三角，只要有訂單，AI眼鏡可“三天出樣、七天上線”；在長三角，全球最頂尖的光波導、Micro LED顯示技術匯聚一堂，矽谷老大來了也要誇聲“老靈了”。美銀證券（BaofA）的報告則揭示了更令人震驚的資料：在全球AI眼鏡的供應鏈中，超過80%的企業來自中國。AI眼鏡，這個被矽谷視為下一代計算入口的智能裝置，正被中國工廠盡在掌握。中國對AI眼鏡的掌握是全面性的。在攝影機模組、光學鍍膜、結構件、整機組裝等關鍵環節，中國企業都是領先者與引領者。零元件核心企業之一至格科技CEO孟祥峰就曾強調說：“不用出長三角，就能完成（AI眼鏡）所有核心部件採購與測試。”一副AI眼鏡有諸多零部件，晶片、光學模組（光機+波導片+螢幕）兩大部分最為核心，最有技術難度與價值，中國企業對全球AI眼鏡產業的掌控，也是得益於在此的技術突破與市場優勢。▲小米AI眼鏡拆解示意，來源：維深Wellsen XR晶片相當於AI眼鏡的“大腦”，負責處理與計算；光學模組相當於AI眼鏡的“眼睛”，負責鏡片的光學顯示；它們也是最“貴”的。光學模組在AI眼鏡的成本佔比超過40%，晶片超過30%，兩者合計吃掉了超過七成的成本，是產業最核心的價值組成。在光學模組領域，“光波導技術”是核心技術壁壘——在這一方面，中國已實現全球領先。在浙江湖州，至格科技這家脫胎於清華大學精密儀器系的創業公司，不僅攻克了困擾全球AI眼鏡產業“彩虹紋效應”難題，更將衍射光波導鏡片做到了不到4克——只有一勺鹽的重量。另一邊，JBD（上海顯耀顯示科技）所研發的AI眼鏡Micro LED光引擎，體積僅0.15立方釐米，功耗比行業平均水平低40%。光學戰場之外，晶片領域中國企業同樣表現出色。珠海恆玄科技的AI眼鏡晶片，已成為Meta Ray-Ban的核心供應商之一；福建瑞芯微的AI眼鏡晶片，則為“上市即售罄的”小米AI眼鏡提供了10TOPS的“算力大腦”，全志科技、星宸科技等企業，更在中低端市場掀起性價比風暴。中國產業的威力，還體現在鏈條的完整與垂直整合的深度。除了零部件外，在精密製造環節，歌爾股份、立訊精密、藍思科技等巨頭，將手機時代的精益經驗全數遷移至AI眼鏡。例如，藍思科技將AI眼鏡重量壓至49克，裝配斷差控制到肉眼難辨——生產線上，20余道工序精密銜接，功耗曲線反覆校準，連鼻托都已迭代10多個版本。根據深圳華強北市場資料，2025年，僅華強北就把AI眼鏡賣到了全球50多個國家和地區，月均銷量突破10萬台，出口比例近40%，全球市場佔有率不斷攀升。如今的世界AI眼鏡“一哥”Meta曾被外媒拆解產品，其包裝上赫然印著“GTK”的標識——來自中國的歌爾股份。“Meta別無選擇，只能與他們（中國工廠）合作，因為他們是關鍵部件最穩定、最可靠的供應商。”英國《金融時報》無奈地說。最早提出智能眼鏡概念的Google，最近也宣佈與中國企業XREAL聯合開發下一代AR眼鏡，高度依賴“中國智造”。在接受媒體採訪時，XREAL創始人徐馳曾經這樣說過：“AI眼鏡行業有一個共識，但凡你要把成本降下來，最後必須要放在亞洲，然後中國一定是最好的那個選擇。”中國之所以是最好選擇，核心不是低成本，更在快速創新的技術迭代與製造力引領。經過十幾年的發展，中國AI眼鏡產業鏈已從“從代工到創新，從跟隨到引領”。AI眼鏡賽道，中國並不是先發者。早在2012年，Google就推出了名噪一時的Google Glass，能拍照、能打視訊、能回郵件，售價高達1500美元，是當時的“未來科技”代名詞。▲Google眼鏡，來源：Google兩年之後，2014年，祖克柏斥資20億美元巨資收購Oculus，一下子點燃了VR眼鏡的熱度，那幾年，全球都在講VR。微軟則選擇了To B的道路。2015年，微軟HoloLens第一代AR眼鏡面世，售價高達3000美元，主打To B企業市場，賣給肯德基培訓炸雞師傅、賣給NASA培訓宇航員、賣給奔馳遠端維修機械……順便科普一下VR、AR、AI眼鏡之間的區別。VR眼鏡的特點是用封閉式光學系統隔絕現實，帶使用者進入完全的虛擬世界（Virtual Reality）。戴上VR眼鏡，無論是玩過山車、看恐怖電影，還是聽演唱會，全都主打一個“身臨其境”，有著最強的沉浸感。不過VR的代價也是跟真實世界隔絕，可應用的場景受限。AR眼鏡是增強現實（Augmented Reality）的簡稱，相當於給你眼前的現實世界加了一層“數字濾鏡”，通過光波導、Micro LED等技術，將虛擬資訊疊加到真實場景中。比如上文提到的微軟AR眼鏡，維修工人在培訓時戴上它，眼前的螢幕會浮現出手裡的零件名稱、安裝步驟，指導下一步。AI眼鏡是近些年AI大模型爆發後的產物，其顯像原理和AR眼鏡類似，但不同的是，有了AI人工智慧模型的加持，AI眼鏡能夠完成大量即時翻譯、即時導航、即時AI助手對話等對智能程度和響應速度要求更高的場景，真正讓AI眼鏡在日常生活中變得“有用、好用”。不過這些都是後話了，總之，在2012～2015年的產業發展早期，矽谷巨頭們紛紛燒錢尋路，中國工廠們則只能苦哈哈地賺不到5%的代工費，基本沒有話語權。但中國工廠，從不“認命”。海外封鎖技術？沒關係，我們從牙縫裡擠出利潤養研發，做逆向工程，併購海外企業；代工，模仿，研發，超越，一代不行就兩代，兩代不行就三代……2015年，《中國製造2025》綱領發佈，政策東風颳向硬科技。歌爾股份、水晶光電、舜宇光學等一大批老牌企業“邊學邊干”，開始逐步參與產品設計，甚至反向提案最佳化方案。同時，全球佈局之路開啟。2016年，水晶光電收購以色列AR公司Lumus，加碼技術研發；2017年，歌爾股份投資美國微顯示技術公司Kopin，奠基光學佈局……在此期間，美國的一系列“卡脖子”政策更是“逼”出了一批頂尖中國創企。例如，2015年，上文提到的上海顯耀顯示科技（JBD）成立，其MicroLED微顯示核心技術在亮度、功耗、量產等關鍵指標上逐漸做到了全球領先。2019年，北京至格科技成立，其專注於AR衍射光波導和微納光學，擁有該領域完全自主可控全端核心技術，打破了海外的光波導技術壟斷。從晶片到螢幕、從光學模組到精密製造，一個又一個“技術制高點”被奪下，插上“中國創造”的旗幟。代工，跟隨，創新，引領，如今，AI眼鏡產業鏈成為中國在新興產業領域的又一張“世界王牌”。與產業鏈同頻共振的，是中國AI眼鏡品牌的全面爆發。超過80%的供應鏈企業聚集中國，規模化生產使核心部件價格快速下探，曾經售價上萬元的AI眼鏡如今壓到了1999元。同時，產業鏈集聚效應讓中國企業的研發速度不斷加快，無論是技術迭代還是產品更新，都遙遙甩開海外。今年1月，拉斯維加斯CES科技展更成了中國AI眼鏡的秀場。背靠TCL的雷鳥創新推出全球首款支援eSIM功能的消費級AI眼鏡，43英吋的3D懸浮巨幕，打破了人們的想像力。XREAL亮出了與華碩ROG聯合打造旗艦級專業遊戲眼鏡ROG XREAL R1，成為業內首款搭載240Hz超高更新頻率的Micro-OLED AI眼鏡。Rokid則開始探索更前沿的“無屏”AI智能眼鏡Style，產品重量僅38.5克，在極致輕量化、開放AI生態和實用功能之間找到平衡。還有夸克、影目、韶音、亮亮視野……來自全球各地的AI眼鏡參展商中，中國企業幾乎包攬了半壁，堪稱壓倒性優勢。▲CES2026 AI眼鏡品牌展位分佈 來源：郎瀚威@AIWatch.ai更早之前，華為、小米、百度（小度）等巨頭的AI眼鏡更是頻頻“發佈及售罄”，連理想汽車這種跨界玩家也在去年12月發佈AI眼鏡Livis，主打“車鏡融合”。中國AI眼鏡，早已站上“國際C位”。根據IDC資料，2025上半年，全球智能眼鏡市場出貨量達406.5萬台，同比增長64.2%——其中，中國智能眼鏡廠商出貨量已突破百萬台。IDC進一步預測，2026年，將成為中國智能眼鏡市場的規模化發展拐點，未來5年內，中國市場複合增長率高達55.6%，位居全球第一。中國AI眼鏡產業爆發的背後，是產業鏈的極致協同、是上游核心技術的不斷突破、是中國完備工業體系的支撐，以及這一切的快速迭代，是中國工廠一次又一次的“不服輸，不認輸”，才把一座座山頭“攻”下來，最終攻出體系，攻出戰略，攻出一片新天地，也攻出中國科技的：又一張新王牌。 (華商韜略)

這兩天AI圈被一個名為Clawdbot的項目刷屏了，力壓skills的熱度社媒上到處都是Clawdbot：有人說這可能是最近幾年最偉大的AI應用，有人說這玩意就是賈維斯，而且直接帶動了Mac Mini 的銷量我深挖了一下，這篇文章將深入Clawdbot文件和使用者案例，為你剝離所有炒作，揭示Clawdbot的核心想像一下，如果Siri真的有用。能記住你告訴它的話，能執行真正的任務，還能在重要事情發生時主動給你發消息。那就是Clawdbot先放一個Clawdbot作者視訊演示：Clawdbot究竟是什麼？我們可以這樣理解：ChatGPT和Claude活在網站上。你訪問它們，輸入內容，得到回覆，然後複製貼上到別處。Clawdbot活在你的手機裡它是一個AI助理，直接在你已有的應用中工作——WhatsApp、Telegram、iMessage、Slack、Discord。你像給朋友發消息一樣給它發消息，它也會回覆你。無論你用手機、筆記本還是平板，對話都是連續的。它能記住你跟它說過的每一件事這就是它的核心理念為什麼所有人都在為它瘋狂？主要有三個原因：1. 它真的有記憶你問Siri昨天跟它說了什麼，它毫無頭緒Clawdbot能記住你上次的對話、你的偏好，甚至是你兩周前隨口提到的事情。它會隨著時間積累上下文，從而更好地幫助你。這聽起來很基礎，但直到現在，沒有一個主流語音助手做到了2. 它會主動聯絡你這是最關鍵的一點傳統的AI都在等你打開它，而Clawdbot可以主動觸達你：“嘿，你有3封緊急郵件，20分鐘後還有個會。”“你關注的那隻股票剛剛跌了5%。”“明天天氣不好，你可能需要重新安排行程。”這就像擁有一個真正為你操心的私人助理3. 它能在你的電腦上做事不只是回答問題，而是真正地執行任務• 填寫表單• 傳送郵件• 移動檔案• 運行程序• 控制你的瀏覽器有一個使用者在床上看Netflix時，通過給Clawdbot發消息，從未打開筆記本就重建了他的整個網站。這引出了一個概念：Clawdbot是擁有“雙手”的Claude。普通AI會說：“你應該這樣整理你的檔案。”Clawdbot會說：“在你讀這句話的時候，我已經幫你整理好了。”普通AI會說：“你應該查看這10個信源來獲取市場新聞。”Clawdbot會說：“我已經抓取並總結了它們，並把要點發給你了。”這就是人們所說的“自主AI代理（Autonomous AI Agent）”——它不只思考，它還行動。“Mac Mini神話”與真實的技術架構很多人看到別人曬出的三台疊在一起的Mac Mini，就以為運行Clawdbot需要一個資料中心。這是錯誤的。你不需要這些。Clawdbot可以運行在一個每月5美元的雲伺服器上，比一杯咖啡還便宜。技術要求：一台廉價的雲伺服器（或你自己的電腦，支援Mac、Linux、或帶WSL2的Windows）安裝Node.js（免費軟體）一個Claude或ChatGPT的訂閱（或API金鑰）工作原理（技術解讀）：Clawdbot的架構核心是一個名為“閘道器”（Gateway）的中央處理程序，它運行在你的電腦上。1. 你通過WhatsApp、Telegram等應用傳送消息。2. 消息被傳送到在你本地運行的“閘道器”。3. 閘道器將請求路由給Claude（通過API），並接收AI的響應。4. 如果響應包含可執行的命令，閘道器就在你的電腦上執行這些命令（如操作檔案、運行指令碼）。所有資料都保留在你的機器上，除了呼叫AI模型的API請求外，你的資料不會傳送到任何公司的伺服器。那些功能開箱即用？那些需要自己建構？這是很多人沒搞清楚的關鍵點。Clawdbot的能力分為兩個層級：層級1：開箱即用（幾分鐘即可設定）這些功能在你安裝完Clawdbot後幾乎立刻就能使用：✅ 檔案管理整理我的下載資料夾找出上個月所有的PDF檔案✅ 基礎研究搜尋關於[主題]的最新消息總結這5篇文章” (貼上URL)✅ 日曆/郵件讀取（需設定CLI存取權）我今天的日程是什麼？讀我最近10封郵件✅ 簡單自動化每天早上8點運行這個指令碼監控這個網站的變化✅ 文字處理總結這份文件從這份會議記錄中提取要點時間投入：幾分鐘。層級2：功能強大但需要建構（數小時到數天）這些高級功能需要你建立自訂的“技能”（Skill）、連接API並進行配置：高級郵件管理：如自動分類數千封郵件、智能歸檔等。需要設定郵件客戶端的命令列介面和自訂工作流交易/市場自動化：如即時價格監控、異動量警報。需要接入資料提供商的API和編寫自訂監控指令碼社交媒體自動化：如多平台發佈、品牌監控。需要接入社交媒體API。複雜的程式碼項目：如建構完整應用、管理GitHub倉庫。需要明確的需求和迭代最佳化。自訂整合：連接到專有系統、建構跨應用工作流。需要API知識和技能開發。時間投入：數小時到數天，取決於複雜性安裝、成本與適用人群安裝入門：官方文件地址：https://clawd.bot安裝命令只有一行：curl -fsSL https://clawd.bot/install.sh | bash之後會有一個設定嚮導，引導你連接消息應用。對於非技術使用者，整個過程可能需要1-2小時。成本明細：軟體本身**：免費（開源）伺服器：每月5-50美元（大多數人用每月5美元的Hetzner VPS就足夠），或者在自己的電腦上運行成本為0關於部署，也可以用AWS免費服務部署，大家直接搜尋就行了AI模型：每月20-150美元Claude Pro訂閱：每月20美元Claude Max訂閱：每月100美元（適用於重度使用者）或使用API金鑰按量付費（成本因使用量差異巨大，輕度使用者約15-50美元/月，重度使用者50-150美元/月）總計：每月約25-150美元，你就能擁有一個真正能幹活的私人AI助理。誰應該使用它？立即上手：開發者、習慣命令列的技術使用者、有明確重複性任務需要自動化的人耐心學習後可用：願意學習的半技術使用者、有清晰自動化目標並能遵循文件的人暫時不適合：完全的命令列新手、期待即插即用完美體驗的人、無法投入時間進行設定的人更大的圖景：為什麼Clawdbot很重要？Clawdbot不僅僅是一個生產力工具，它預示了我們未來2-3年的工作方式。• 2023年：AI能生成圖像• 2024年：AI能寫程式碼• 2025年：AI能自主執行任務（在正確設定下）• 2027年：AI執行將成為標準我們正在從“AI輔助”轉向“AI行動”。現在學習與自主AI代理協作的人，正在為未來的工作方式建構“肌肉記憶”。這就像1985年學習電子表格，或1998年學習搜尋引擎。然而，現實是，大多數人不會投入時間去正確學習它。他們會嘗試一次，當它沒有立即解決所有問題時感到沮喪，然後放棄。真正的優勢屬於那些：• 從簡單的用例開始• 逐步建構複雜性• 投入時間學習其可能性• 不斷迭代和最佳化工作流的人寫在最後經過個人淺顯研究，我的結論是：Clawdbot確實意義重大它不完美，不是魔法，它需要你投入工作。但它的核心承諾是真實的：一個不只回答問題，更能完成任務的AI助理。 (AI寒武紀)

▎這是一場關於使用者入口和第一介面爭奪權的戰役。有沒有發現，大廠都在佈局自己的AI硬體產品。在達沃斯現場，OpenAI 的全球事務官克里斯·萊恩透露了一個最新消息，OpenAI 正在按計畫推進，準備在 2026 年下半年推出首款 AI 硬體裝置。這個消息讓原本就焦躁不安的科技圈徹底炸了鍋。這意味著，全球最頂尖的演算法引擎開始進入硬體賽道，在中國，近期無論是華為、字節、阿里都在湧入AI硬體市場。要知道，過去十年網際網路公司一直想擺脫笨重的硬體，追求輕資產的軟體模式，而現在，他們正不計成本地集體“返祖”，殺回那個曾經讓他們頭破血流的硬骨頭市場。典型的是字節，作為一家做軟體的公司，字節旗下的飛書最近聯合安克創新發了一款叫“一顆豆”的 AI 辦公硬體。在此之前，大家對飛書的認知還是文件、表格和視訊會議。但如果你把視角放大，你會發現這不只是飛書一家的動作。字節跳動、阿里、小米、百度，甚至是大洋彼岸的 Meta 和 OpenAI，都在瘋狂往硬體市場裡擠。Meta 的動作最激進。根據媒體報導，祖克柏已經要求製造合作夥伴在 2026 年底前，把 AI 智能眼鏡的年產能翻一倍，達到 2000 萬副。莫非，這是又一次科技熱潮來了？但是，回頭看看這些大廠在硬體路上踩過的坑，你就會發現這次集體湧入有多麼反常。過去十年，大廠做硬體幾乎是出一款死一款，尤其是在中國市場。百度做過手機，字節跳動做過堅果手機，阿里推過天貓精靈，騰訊也嘗試過各種社交硬體。結果呢？要麼是虧損離場，要麼是部門解散，軟體公司的基因裡似乎就寫著搞不定硬體。大廠做硬體，那就是往火坑裡跳。結果到了 2026 年，硬體潮不僅回來了，而且動作比以前更大。這背後到底發生了什麼？為什麼大廠願意再次跳進硬體這個苦差事裡？為什麼軟體公司做不好硬體？在聊為什麼大家現在都要做硬體之前，我們得先看看為什麼過去他們會失敗。你可能已經忘了，騰訊曾經也想做手機。2015 年前後，騰訊推出了 TOS（Tencent OS）系統，甚至還聯合廠商出過手機。結果呢？市場上根本沒激起一點水花，項目很快就停了。字節跳動收購堅果手機後，也沒能逃掉失敗的宿命。大廠做硬體之所以難，是因為基因裡帶著一種網際網路公司的傲慢。網際網路公司的邏輯是快速試錯、小步快跑。一個 App 出了錯，程式設計師通宵改一下程式碼，第二天使用者更新就能恢復。在這個世界裡，邊際成本幾乎是零。多一個使用者，不過是多佔一點伺服器空間。但硬體完全是另一碼事。硬體的邏輯是一錘子買賣。如果你開模的時候錯了一毫米，那幾十萬個外殼就全是廢料。如果你在供應鏈上少訂了一個感測器，你的整條流水線就得停工。硬體公司追求的是每一個零件的成本控制，是庫存的周轉率。比如當年的智能音箱大戰。大廠為了搶使用者，把成本 200 元的音箱賣 69 元，甚至更低。他們想的是，只要你買了我的音箱，你就會用我的音樂服務、買我的東西。使用者確實買了，但買回去只是當個鬧鐘或者收音機。硬體本身不賺錢，軟體服務也帶不動，最後這些硬體部門成了公司帳上沉重的包袱。簡單來說，軟體公司以前不懂硬體的敬畏感，用做 App 的心態去做硬體，最後被供應鏈和庫存教做人。AI改變了遊戲的規則既然過去這麼慘，為什麼現在大家又覺得行了？答案在 AI 大模型裡。最重要的原因其實只有兩個字：互動。過去，硬體很難做。因為你要設計螢幕，設計複雜的菜單，設計使用者怎麼點、怎麼按。這需要極強的工業設計和互動邏輯。軟體公司做不好硬體，很大程度是因為他們把硬體設計得太複雜了，搞不定這些物理層面的複雜互動。但 AI 大模型出現後，情況變了。現在的 AI 硬體，不再需要螢幕，甚至不需要多餘的按鍵。你看看飛書的“一顆豆”，核心互動就是：聽和說。再比如AI眼鏡，你對著眼鏡說一句話，它能理解你的意思，然後直接執行。這種互動方式把硬體的門檻拉低了。軟體公司發現，他們不需要去研究怎麼做一個完美的觸控屏，他們只需要做好那個“大腦”（AI 模型），硬體只要提供麥克風、攝影機和晶片就可以了。現在的硬體，本質上變成了 AI 的感測器。就拿Plaud Note 這個產品來說，它賣得好，是因為抓住了 iPhone 不能通話錄音這個痛點。但使用者買它，真的只是為了錄音嗎？不是。使用者買它是為了錄音後的總結、轉寫和翻譯。如果沒有 ChatGPT 這樣的模型在後面撐著，這個錄音筆就是一個普通的電子垃圾。是 AI 讓這些結構簡單的硬體有了思考和總結能力。軟體公司突然發現，他們不需要去跟蘋果、華為比拚精密的工業設計，他們只需要做一個簡單的載體，把自己的 AI 模型裝進去。對於飛書來說，做“一顆豆”初衷肯定不是為了賣硬體賺錢，而是為了讓飛書的 AI 能夠走出電腦和手機。如果你在開一個線下會議，在開車的路上，你沒法打開電腦寫文件，這時候“一顆豆”就成了你的外掛大腦。簡單來說，軟體公司最擅長的東西，現在成了硬體最核心的競爭力。字節、Meta、OpenAI都在賭一件事你可能會問，既然軟體這麼強，那像以前一樣，只做 App 不就行了嗎？為什麼要自己下場做那個硬體？不妨想像一下 2026 年的場景。如果你戴著 Meta 的眼鏡，或者戴著 OpenAI 的耳機，你產生了一個需求。比如你想定一個下午三點的會議。這時候，你會掏出手機，解鎖，找到飛書圖示，點進去，再找日曆嗎？大機率不會。你會直接對著眼鏡說：幫我定個會。這時候，眼鏡裡的 AI Agent（智能體）就會直接幫你把事情辦了。在這個過程中，飛書這個 App 徹底消失了。它變成了一個躲在後台提供資料的“外掛”。這對軟體大廠來說是致命的。如果使用者不再打開 App，大廠就失去了對使用者的直接控制權。他們看不見使用者的行為習慣，也沒法給使用者推廣告，更沒法賣其他增值服務。他們成了給硬體商打工的。飛書做“一顆豆”，Meta 做眼鏡，OpenAI 做耳機，本質上都是在保衛自己的互動入口。他們必須擁有一個屬於自己的硬體載體，才能確保使用者在產生需求的一瞬間，第一個找的是他們的 AI，而不是別人的。誰掌握了那個離使用者耳朵最近、離使用者眼睛最近的硬體，誰就掌握了使用者的習慣。簡單來說，字節、Meta、OpenAI都在賭一件事：使用者不點App，該怎麼辦？這是一場關於使用者入口和第一介面爭奪權的戰役。資料荒，沒有資料更慌除了搶佔入口，還有一個更隱秘的原因：AI 已經把網際網路上的資料吃光了。你可能不知道，現在的 AI 模型正面臨一個尷尬的現實，網際網路上的高品質文字資料快被用光了。根據 Epoch AI 研究院的一份報告預測，高品質的英語語言資料可能會在 2026 年到 2032 年之間枯竭。在中國，各家大廠的資料又都自成一派，都自己守著不開放。如果 AI 想繼續進化，它必須去尋找新的資料來源。這些資料在那？就在我們的現實生活裡。網際網路上的資料是“死”的，是別人加工過的。但現實世界裡的對話、你看到的場景、你開會的語氣，這些是活生生的資料。AI 硬體本質上是一個 24 小時開啟的探測器。當你戴著 AI 眼鏡走進超市，開著 AI 錄音筆開會，AI 就在即時學習人類是如何處理現實問題的。它能看到你挑商品的邏輯，能聽到你談判時的技巧。這種來自物理世界的，第一視角的音視訊資料，是目前訓練下一代 AI 最稀缺的資源。軟體大廠通過賣硬體，其實是在全世界範圍內安插了無數個眼睛和耳朵。這些資料回傳到雲端，能讓他們的模型變得更聰明，更懂人類的行為邏輯。大廠為什麼要做AI硬體？他們要的不是那點硬體利潤，而是你眼前的真實世界。硬體不再是一個沉重的資產為什麼這次大家覺得能做成？因為大廠變聰明了，他們不再試圖自己去搞定所有事情。以前大廠做硬體，從電路板設計到開模，再到工廠排產，全部自己攬。結果不僅慢，而且專業度不夠。現在的趨勢是合作。比如前不久豆包與中興聯合做手機，飛書這次選擇和安克創新做“一顆豆”，就是典型的訊號。不得不說，字節已經深諳軟硬的雙打模式了。安克創新是全球領先的消費電子公司，他們對供應鏈、電池、音訊晶片等硬體的理解是世界級的，供應鏈優勢也非常能打。安克創新出硬體載體、出分銷管道。飛書出 AI 模型，連接辦公生態。這種分工，讓軟體公司的試錯成本大幅度下降。飛書不需要去研究怎麼做一個不發熱的充電晶片，安克創新也不需要去訓練一個大語言模型。這種“樂高化”的組裝模式，讓硬體的研發周期從以前的 18 個月，縮短到了現在的 6 個月甚至更短。硬體不再是一個沉重的資產，而變成了一個可以快速迭代的外掛。硬體的生產周期被縮短，風險也被分擔了。這讓大廠們覺得，這個火坑值得再跳一次。 (鈦媒體)