自學習 AI 的融資神話，正在告訴我們一件事——這場 AI 軍備競賽，連研究員本身都要被「卷」進去了。1956 年，一批科學家聚在達特茅斯，第一次正式討論「機器能否思考」。他們樂觀地以為，用一個夏天就能解決這個問題。七十年後，這個問題依然沒有答案。但有一家公司，剛剛成立四個月，就拿到了 5 億美元融資，估值達到 40 億美元——只因為它宣稱，自己找到了一條路，讓 AI 學會自己做研究、自己進化。這家公司叫 Recursive Superintelligence。Google 風投 GV 領投，輝達跟投。兩家公司在 AI 生態裡的地位不需要贅述。它們同時出手，押注一家連產品都還沒有公開的初創公司，背後的邏輯值得認真拆解。01「把人從循環裡移走」先說說 Recursive Superintelligence 到底在做什麼。公司由前 Salesforce 首席科學家 Richard Socher 創立，核心團隊來自 Google DeepMind 和 OpenAI。這不是什麼陌生的組合——過去兩年，從頂級實驗室出走創業的工程師和研究員，已經形成了一股明顯的浪潮。Richard Socher 的 X 個人首頁，Altman 顯然關注了這位人才｜圖片來源：XSocher 並非矽谷常見的那種「大廠出來鍍金」的創始人。他 1983 年生於德國，在史丹佛大學師從 AI 先驅 Andrew Ng 和 NLP 權威 Christopher Manning，2014 年完成博士論文，拿下當年史丹佛電腦系最佳博士論文獎。Richard Socher 是將神經網路方法真正帶入自然語言處理領域的關鍵人物之一——他早期關於詞向量、上下文向量和提示工程的研究，直接奠定了今天 BERT、GPT 系列模型的技術基礎，Google學術引用量已超 18 萬次。博士畢業當年，他創立了 AI 初創公司 MetaMind，兩年後被 Salesforce 以戰略併購的方式收入麾下。此後他以首席科學家兼執行副總裁的身份主導 Salesforce AI 戰略長達數年，主導了 Einstein GPT 等企業級 AI 產品線的落地。離開 Salesforce 後，他又在 2020 年創立了 AI 搜尋引擎 You.com，2025 年完成 C 輪融資，估值達 15 億美元。這一次，他把目光從搜尋轉向了更底層的命題。Thinking Machines Lab、Safe Superintelligence、Ineffable Intelligence、Advanced Machine Intelligence Labs……每一家都拿著「前 XX 大模型核心團隊」的標籤出現，每一家都在講一個「下一代 AI」的故事。但 Recursive 的切入點，比大多數同行更激進。它的核心命題是「自學習 AI」——不是讓 AI 更聰明地回答問題，而是讓 AI 自主完成科學研究的全流程：提出假設、設計實驗、評估結果、迭代方向。換句話說，它想把人類研究員從這個循環裡完整地移走。這不是一個新鮮的方向，但 Recursive 把它放到了一個極其現實的商業邏輯裡。現在頂級 AI 研究員的年薪動輒 1500 萬到 2000 萬美元，如果一套系統能以更低的成本、更快的速度完成同樣的工作，前沿研究的經濟模型就會徹底改寫。投資人顯然看到了這個邏輯。融資輪據報導超額認購，最終規模可能達到 10 億美元。02Google 和輝達同時下注GV 領投，輝達跟投。這個投資人組合本身就是一個訊號。Google 的邏輯不難理解。DeepMind 多年來一直是「AI for Science」方向最重要的探索者，AlphaFold 破解蛋白質折疊問題，AlphaGeometry 在數學競賽中擊敗人類頂尖選手。但 DeepMind 的路徑是用 AI 解決具體的科學問題，Recursive 想做的是更底層的事——讓 AI 系統自主推進科學發現的過程本身。這對 Google 來說既是競爭關係，也是一個值得押注的避險。更重要的是，就在本月初，Google 剛剛與 Intel 宣佈了多代 AI 基礎設施的合作協議。這說明 Google 在 AI 基礎設施層面的佈局正在全面提速。對 Recursive 的投資，是這個大棋局裡的一顆棋子——誰來跑在最前面的模型上，Google 都想有份。輝達的邏輯則更直接。自學習 AI 的核心瓶頸不是演算法，是算力。如果 AI 要自主跑實驗、迭代模型，背後需要的 GPU 叢集規模是指數級增長的。輝達投 Recursive，某種程度上是在投自己的未來訂單。兩家公司同時出手，也釋放了一個更微妙的訊號——這個賽道，可能已經到了「不投就來不及」的階段。03四個月估值 40 億，合理嗎估計當所有人第一次看到 40 億美元這個數字的時候，第一反應是「又來了」。AI 創業估值泡沫這兩年已經不是新鮮話題。一個 PDF、一個 demo、幾張幻燈片，加上幾個來自頂級實驗室的名字，就可以撬動幾億美元——這在矽谷和倫敦已經不是傳說，而是日常。但仔細看 Recursive 的情況，有幾點和普通的「PPT 獨角獸」不太一樣。第一，創始團隊的份量。Richard Socher 在 NLP 領域有真實的學術積累，不是純粹靠「前大廠」光環包裝。核心團隊在 DeepMind 和 OpenAI 的經歷，也意味著他們切實接觸過前沿研究的痛點。第二，融資超額認購的事實。這意味著市場需求遠超供給，投資人在搶著進來，而不是被說服進來。但 40 億美元的估值，對於一家四個月、尚無公開產品的公司來說，定價的依據是預期，不是現實。這本質上是在為一個方向付費，而不是為一個產品或收入付費。這種定價邏輯在 AI 時代正變得越來越普遍，背後是投資人對「錯過下一個 OpenAI」的深層恐懼。Safe Superintelligence 當年也是以幾乎沒有產品的狀態拿到了天價估值，Ilya Sutskever 的名字就是最硬的資產。Recursive 在複製同樣的路徑。這不是批評，而是一個客觀的觀察。04「自學習」這扇門，背後是什麼Recursive Superintelligence 這個名字，其實已經把公司的野心說得很清楚了。「Recursive」是遞迴的意思。在電腦科學裡，遞迴是一個函數呼叫自身的結構，是很多複雜演算法的核心機制。放到 AI 研究上，「遞迴超級智能」暗示的是一個系統能夠不斷最佳化自身、螺旋上升的過程。這個概念並不新鮮，它的極端版本就是「智能爆炸」——一個系統一旦超過某個臨界點，就能自主加速自身的進化，最終達到人類無法理解的智能層級。這是 AI 安全領域長期以來最核心的擔憂之一。但 Recursive 現在做的，應該遠沒有到這個層面。更現實的解讀是，它在嘗試建構一個可以自主驅動科學探索循環的系統，目標是大幅降低 AI 研究的人力成本和時間成本。如果它真的能做到，影響不會只停留在 AI 圈。它意味著藥物研發、材料科學、物理學等領域，都可能迎來一個「沒有人類科學家參與也能快速推進」的階段。當然，這還是「如果」。從聲稱到實現，中間的距離，在 AI 行業裡從來不是線性的。05浪潮的邏輯2025 年下半年以來，從頂級實驗室出走創業的浪潮一波接一波。Thinking Machines Lab、Safe Superintelligence、Ineffable Intelligence……這條名單還在變長。Recursive 是這個浪潮裡最新、也目前估值最高的一家。背後的結構性原因很簡單——OpenAI、Anthropic、Google DeepMind 的競爭已經讓這些頭部實驗室變得越來越像大公司，有 KPI、有合規、有政治。真正想押注最激進方向的研究員，反而覺得出來自己幹更自由。與此同時，資本市場的邏輯也在強化這個趨勢。對於有大廠背書的頂級研究員來說，現在創業的窗口期可能是歷史上最好的時候——投資人比任何時候都更願意為「方向」付錢。這場浪潮最核心的問題不是「誰會成功」，而是「成功的定義是什麼」。如果 Recursive 最終證明了自學習 AI 的可行性，它將改寫 AI 研究的底層範式。如果它沒有做到，5 億美元的彈藥燒完之後，留下的會是又一個被過度炒作的概念。兩種可能都真實存在。四個月，40 億美元估值，這個數字讓人興奮，也讓人警惕。AI 軍備競賽發展到今天，連「如何做研究」這件事本身，也變成了競爭的戰場。科學家們在達特茅斯爭論了一個夏天的問題，現在有人打算用 AI 來回答——用 AI 研究 AI，用遞迴的方式奔向超級智能。這條路通向那裡，沒有人真正知道。但顯然，Google 和輝達已經決定，不管通向那裡，都不能缺席。 (極客公園)

最新消息顯示，Anthropic正在考慮一輪新的融資，該輪潛在的融資可能使其估值超過9000億美元，有望超越其長期競爭對手OpenAI，成為全球估值最高的AI初創公司。知情人士透露，Anthropic正在與投資者接洽，相關報價可能使其估值較當前水平增加超一倍。他們指出，目前的討論仍處於非常早期的階段，公司尚未接受任何投資要約。報導稱，此次磋商尚未公開，但當下正值Anthropic借其AI軟體爆發式成功而加大融資力度之際。與此同時，公司也在積極尋求更多基礎設施，以滿足不斷增長的產品需求。值得一提的是，Anthropic今年2月完成300億美元融資時，就有投資機構試圖以8000億美元甚至更高估值入股。另有消息稱，Anthropic正考慮最早於今年10月進行IPO。上周，Google承諾以3500億美元估值（這與今年2月融資時的估值相同）向Anthropic投資100億美元，並可能在後續追加300億美元，強化兩家公司之間的關係。亞馬遜也在以3500億美元估值向Anthropic投資50億美元，並計畫在未來逐步追加200億美元。目前尚不清楚這兩家公司是否會參與即將到來的新一輪融資。Anthropic成立於2021年，創始團隊大都來自OpenAI，包括OpenAI前研究副總裁達里歐·阿莫代（Dario Amodei）——目前阿莫代擔任公司的CEO。公司曾在2023年的融資推介書中寫道，“我們相信，公司將在2025年或2026年訓練出最好的模型，屆時它將遠遠領先其他競品，任何公司都無法在隨後的周期中追趕上來。”本月早些時候，Anthropic發佈了一款名為“Mythos”的新模型，據稱能夠識別主流軟體系統中大量此前未被發現的安全漏洞，並能開發出相應攻擊手段。由於潛在風險過高，Anthropic未對外全面發佈，僅允許少數企業在自身繫統中進行測試。隨著Anthropic勢頭增強，其也對OpenAI形成了更大壓力。本周早些時候，有報導稱OpenAI未能實現其內部多項目標，拖累了一眾與其關係密切的上市公司。 (科創板日報)

兩年半，從3億美元到180億美元。這不是科幻小說，而是AI公司月之暗面的真實估值曲線。2023年6月天使輪融資時，這家中國AI公司估值僅3億美元。2026年初，傳聞新一輪融資投前估值，這個數字已經變成180億美元——漲幅5900%。網際網路時代，從零到百億身家，需要5到10年。AI時代，2到3年就夠了。為什麼AI時代的造富速度如此之快？答案藏在生產要素的變遷裡。網際網路時代的核心要素是流量、資本與管道。商業邏輯是"先圈地、後變現"——燒錢買量，積累使用者，再通過廣告、電商間接變現。這是一場需要長期佈局的"化學爆炸"。AI時代完全不同。核心要素變成了算力、資料與演算法。商業邏輯是"直接交付價值"——使用者付費是因為模型能解決問題，而非單純的流量入口。這是一場瞬間釋放能量的"核聚變"。例如：月之暗面的Kimi模型支援200K+上下文窗口，直接切入法律、金融等長文字需求場景。200多家律所、50家券商成為付費客戶。不是先免費吸引使用者再變現，而是直接靠能力收費。網際網路時代的競爭壁壘是網路效應——使用者越多，產品價值越高。AI時代的競爭壁壘是技術飛輪——模型越好，使用者反饋的資料越多，模型迭代越快，精度更高。智譜AI的模型精度提升後，政企客戶反饋的資料質量隨之提高，反過來又加速了模型最佳化。這是一個強者恆強的正向循環。DeepSeek的程式碼理解能力已媲美GPT-4o，其開源模型在Hugging Face下載量超1090萬次。開發者生態反哺技術迭代，形成競爭壁壘。中國AI造富呈現出獨特的"三綁"特徵。一是科研繫結。智譜AI脫胎於清華大學KEG實驗室，GLM-130B是國內首個千億參數開源大模型。央國企客戶天然信任有高校背景的AI企業。二是資本繫結。阿里、騰訊等大廠不僅提供資金，更開放算力資源。阿里雲為月之暗面提供定製化萬卡叢集，支援其200K+上下文訓練。三是政策繫結。地方國資直接投資，杭州、珠海等地政府與智譜AI達成戰略合作，開發城市級大模型應用。與美國市場以C端產品為主不同，中國AI企業更側重B端政企服務。MiniMax海外收入佔比達73%，智譜AI企業級收入佔比超50%。AI時代的創業者，與網際網路時代截然不同。高學歷成為標配。福布斯中國2025年資料顯示，超過一半的AI創業者擁有博士或博士後學位。清北、浙大、中科院畢業生佔比超40%。年輕化趨勢明顯。AI創業者平均年齡32歲，90後佔比超60%。月之暗面創始人楊植麟1992年出生，MiniMax創始人閆俊傑1989年出生，Deepseek創始人梁文鋒1985年出生。更重要的是技術信仰。楊植麟每天工作12小時以上，親自參與模型研發；梁文鋒將幻方量化盈利全部投入DeepSeek，估值破兆也不分紅；閆俊傑面試演算法工程師通過率不足5%。他們不是商業模式的創新者，而是技術的攻關者。需要警惕的是，造富速度驚人，但風險也在累積。中國頭部AI企業市銷比普遍超過400倍。智譜AI約466倍，MiniMax約427倍。對比之下，輝達巔峰時期僅40倍，特斯拉巔峰時期僅30倍。估值嚴重脫離基本面。而且，盈利周期漫長。OpenAI預測最早2030年才能現金流轉正。中國多數AI企業需要5到7年才能盈利。此外，算力成本也在上漲。資料中心電力成本較2025年上漲40%，人才缺口超500萬，高校培養速度滯後產業需求6年以上。但長期趨勢依然樂觀。 (馬江博說趨勢)

“我們也想要AI高手，但確實要不起。”說這話的是北京某上市遊戲公司的招聘負責人景陽，“應屆生中的AI高手非常搶手。往年，招一個應屆AI Golang工程師，月薪均值10-15k已經很高了。今年呢？現在這個月份，很多人還沒寫論文，就已經收到30k的offer了。”其實不止應屆生，有經驗的AI人才同樣被瘋搶。景陽透露，自己過去四年都沒有遇到過“人才被截胡”的事情，今年春天全扎堆了，兩個月碰見了四次。“我們看上了一位遊戲策劃，他之前深度參與了一個AI有關的項目。給候選人開了3萬的月薪，對方接了offer還答應下周入職。結果轉頭就有公司出3.6萬把人搶走。而這個候選人，原來的工資只有2.3萬，我給們的漲幅已經是高於行情了。”景陽說。似乎大家都有一個認知，AI浪潮襲來，“搶人”就等於“搶未來”。但另一邊，如果我們只看新聞標題，又感覺全球大廠似乎都在收縮——亞馬遜、甲骨文、Meta、網易、騰訊、字節跳動，裁員的消息一個接一個。各類社交媒體上，有人吐槽、有人焦慮、有人轉行，更有悲觀者喊出“學電腦沒有前途”。一邊是動輒千人的“裁員潮”，一邊是各家網羅人才、求賢若渴，生怕晚了一秒候選人就去了對家。這種反差的背後，原因其實也很簡單，不是崗位少了，是崗位的技能要求變了。放眼全球AI領域，中美兩國處於毫無疑問的領先地位。2026年3月底發佈的《全球人工智慧企業科技創新指數報告2026》，從全球遴選出100家最具創新力的標竿AI企業，其中中國佔了51家，美國37家，兩國合計壟斷了全球88%的頂尖力量。但也正是中美兩國，在這一輪AI浪潮中上演著邊裁員邊招人的“冰與火之歌”。先看中國這邊。今年年初，脈脈高聘發佈了一組資料：2026年1月至2月，國內新發的AI崗位數量同比增長了12倍，佔整個新經濟領域崗位的26.23%。也就是說，每四個新崗位裡，就有一個跟AI相關。這其中，行業“大神”是最先被搶奪的戰略資源。騰訊從OpenAI挖來了姚順雨，小米從DeepSeek挖來了羅福莉，字節跳動則成功挖到了阿里通義實驗室Qwen大模型後訓練負責人郁博文。這些名字在普通人聽來或許陌生，但在AI圈子裡，每一個都是重量級。但更值得關注的，是大廠對應屆生和實習生的態度。阿里校招崗位中，80%與AI相關，為演算法、AI研發、AI產品等實習崗位開出的日薪是500元；字節跳動的Seed校招項目給校招新人贈送“虛擬股”，讓應屆生一入職就有了“股東”身份；騰訊今年釋放了超過1萬個實習崗位，喊出了2026屆實習生薪酬“上不封頂”的口號。智聯招聘春節後前三周資料顯示，面嚮應屆生的人工智慧工程師職位數同比增長39.2%，而面向全體的職位數同比增速則為22%，應屆生需求增速高出總體17個百分點，充分說明企業對AI領域應屆生的重視與需求缺口。薪資層面，應屆人工智慧工程師職位的平均招聘月薪也達到17038元，對於應屆求職者來說，是一個兼具價值與發展潛力的優質選擇。你可能會問，一個實習生能值多少錢？答案是：在AI領域，一個優秀的年輕人，可能比一個普通的全職員工更有價值。首先，年輕人沒有“路徑依賴”，他們敢於嘗試所有全新的東西。比如，山姆·奧特曼28歲創立了OpenAI，押注大語言模型。其次，年輕人敢於“沉迷”新東西，近乎“走火入魔”的偏執往往是走向成功的先決條件之一。姚順雨的博士論文致謝裡有這樣一句話“2019年，我主動聯絡導師說‘GPT-2這類語言模型看起來很有前景，或許能直接用於解決文字遊戲’。此後五年，我不僅在研究中收穫豐碩，更與導師結下亦師亦友的情誼。”他19歲就開始“走火入魔”地研究語言模型，5年後成為這個領域的頂尖專家。再看美國那邊。Business Insider披露的資料顯示，當前AI相關實習和研究型短期項目的月薪，已經衝到7000–18000美元區間，折合人民幣約4.9-12.6萬元。頭部企業為頂尖AI博士開出的年薪，普遍在200萬到300萬元人民幣之間。具體來看，OpenAI在舊金山的實習生，月薪可以達到18300美元；GoogleDeepMind的實習生，基本年薪在11.3萬-15萬美元之間，此外還享有和全職員工一樣的醫療、餐飲、交通等福利；Meta開放了多個為期12-24周的研究實習崗位，要求是博士在讀或具備相當研究背景的候選人，薪酬區間大約在每月7650-1.2萬美元；亞馬遜則為機器人演算法實習生開出了時薪107美元的價碼。就連本身與AI關聯不大的社交平台Reddit首席執行長史蒂夫·霍夫曼都公開喊話：“加大招聘應屆生。”他給出的理由簡單卻直接——這一代人本身就是AI原生代，他們從指尖的程式碼到大腦的演算法思維，都與AI同頻生長。霍夫曼甚至算了一筆帳：（應屆生）他們用AI工具學程式設計，上手速度是傳統途徑的2倍；對大語言模型的理解比“老工程師”更直觀。最關鍵的是，他們“零折舊”，沒有傳統行業的思維定式。“如果你現在不招，以後就再也找不到他們了。”霍夫曼篤定地說，“最優秀的應屆生一旦畢業，就要立刻鎖定，否則他們會帶著自己的項目去別家。” 這既是對人才的搶奪，也是對未來的投資。如果單看數量，中國其實並不缺AI人才。經濟學人追蹤了2025年12月舉行的神經資訊處理系統大會（NeurIPS）上發表論文的研究人員的教育背景，50%的AI研究人員在職業生涯初期來自中國（2019年僅為29%）；與此同時，在美國起步的研究人員佔比，則從20%下降到12%。它說明，全球AI頂尖研究人才的來源結構，正在重新洗牌。更能說明問題的是，2025年NeurIPS論文作者本科畢業院校前十名中，有9所是中國高校。其中，僅僅清華大學的畢業生，就佔到了NeurIPS研究者總數的4%。而美國最頂尖的名校麻省理工學院（MIT）僅佔1% 。這似乎足以這說明，中國正成為全球AI領域最核心的人才供給源頭。另一方面，中國人工智慧研究論文的數量、質量均居於全球第一梯隊。2025年，世界智慧財產權組織公佈的資料顯示，中國已成為全球人工智慧專利最大擁有國，佔比高達60%。奇怪的是，儘管我們的數量和質量都處於第一梯隊，但焦慮感並沒有因此減輕。焦慮的來源之一，是僱主尤其是大廠對金字塔尖人才的過度爭奪。頭部企業為頂尖AI人才開出的年薪高達百萬人民幣，這些“天才少年”往往還沒畢業，就被幾家公司同時盯上。但對於絕大多數普通的AI或電腦相關專業畢業生來說，進入大廠的門檻卻越來越高。景陽提到，如今企業招聘把AI能力排在第一，超過211、985學歷，超過大廠經驗。“新人進來必須會用AI，美術、策劃、技術、推廣，所有人都一樣。這是硬性指標，整個市場都是這樣的。”她說。6月份即將本科畢業的電腦系學生馬金告訴霞光社，自己雖然學的是電腦，但是由於只是一個普通本科學校，所以在高校林立的北京地區求職並不佔優勢。“尤其是今年龍蝦火了之後，連村口大媽都知道龍蝦可以替代人幹很多事情，讓我進一步認識到了今年求職的處境。為了更好地找到工作，我從春節開始就沒閒著，阿里達摩院的人工智慧訓練師證書、科大訊飛的智能體工程師認證、IBM人工智慧教育工作者認證，這些但凡能免費學習、免費考試的證書我都考了一遍。還有DeepLearning AI證書、哥倫比亞大學大語言模型證書和史丹佛AI工程師證書，這幾個付費的也都開始學習了，4月份會集中考試。”“過去兩個月雖然沒去學校上課，但是心裡比期末考試還緊張。上述線上課程短則幾天，長則一兩個月，自己基本每天的生活除了聽課就是備考。”馬金說，“最近又聽同學群裡說大廠喜歡有人文背景畢業生，所以我還報了‘中國石窟文化歷史與價值傳承培訓班’，結課考試後也能拿到一本證書。希望將來有機會進入《黑神話·悟空》那樣的團隊。”不過雖然如此，但是馬金的面試進展依然不太順利，甚至連一個實習機會都沒有找到。像馬金一樣焦慮的畢業生不在少數，據他透露，自己班裡70名同學普遍都沒有得到相關大廠的實習機會。除了像他這樣努力“考證”爭取實習和就業機會的，還有一部分同學已經備考公務員聯考。同樣的情形也發生在大洋彼岸。美國白宮直屬的經濟政策諮詢機構CEA發佈的《AI Talent Report》顯示，“美國AI人才缺口已突破400萬大關，人才短缺直接拉響‘紅色警報’，而國際學生尤其是中國留學生，早已成為美國 AI 領域的中流砥柱”。造成這種巨大缺口的原因主要有兩點，一是簽證政策急劇收緊——2025年H-1B申請費暴漲至10萬美元，中印兩國技術人才受影響最大；二是大規模裁員引發人才外流，2025年以來美國科技企業已裁員約9.8萬人，亞馬遜、微軟、Meta等巨頭持續縮減崗位。裁員導致的焦慮氛圍、不穩定的職業前景，進一步加速了人才外流的雪球效應。為了填補400萬的人才缺口，美國提出了一系列的AI人才供給策略。第一是強化本土培養，通過增加AI相關專業招生名額、加大教學資源投入等方式，提升大學入學率和畢業率，擴大潛在AI人才基數；第二是降低移民門檻、最佳化H-1B簽證和綠卡政策，吸引國際AI人才流入，同時留住本土AI畢業生；第三是跨行業引流，加大AI研究資金支援、最佳化產業政策，消除發展障礙，吸引其他行業人才轉入AI領域。但政策的調整需要時間，而企業的用人需求是迫在眉睫的。把視野拉遠一些，AI人才的缺乏不僅僅是中美兩國的問題，而是一個全球性的困境。根據《IFF全球人工智慧競爭力指數報告》的估算，當前全球AI人才總量約300萬人，其中研發技術類人才佔比32.6%。到2030年，全球AI人才缺口或將突破280萬，較當前增長近一倍。280萬，相當於美國第三大城市芝加哥的人口數量。而且，這還只是缺口，不是總量。在這樣的背景下，企業之間的搶人大戰只會越來越激烈。那些能夠提前鎖定優秀畢業生的公司，將在未來幾年的技術競爭中佔據先機。而那些反應遲緩、招不到人的公司，則可能被慢慢甩開。《經濟學人》在文章《The AI talent war is becoming fiercer》中指出，人才是AI時代的“石油”。從經濟學角度看，人才爭奪戰本質是“要素流動”的較量。人才不是靜態資源，而是會追逐邊際收益的“活水”。那麼，大廠到底在搶什麼樣的人？景陽公司的招聘要求是，必須會用AI，對AI有非常深入的瞭解和認知。簡單來說，“我們招的就是用AI的人，就是擁抱變化的人。我覺得，能研究AI、學習AI、應用好AI，這些人就是稀缺的。”景陽以遊戲美術崗位舉例，比如每位美術每個月能做80張圖，而另一個員工借助AI可以月產100張圖，那他倆的效率就相差了20%多。不進階的那個人最後就會被淘汰。“AI用得好的人，可以提效。假設一個部門裡10個人，都提效20%，那這個團隊在整個市場中都極具競爭力。”她說。阿里集團學術委員會主席、浙江湖畔創業研學中心教育長曾鳴在一次演講中指出“AI時代人才的三個共性”。一是超強的元認知能力。他們擅長抽象建模，能看到問題本質，習慣用第一性原理思考。這也是為什麼學應用數學的人在AI時代特別吃香，他們能把現實世界變成數學模型，這是AI時代的稀缺能力。二是自驅且充滿好奇心。這些人對改造世界充滿樂趣，“躺平”在他們字典裡不存在。矽谷真正的創業者現在已接近“9-12-7”狀態，即每天工作9到12小時，一周7天，但這不是壓力，而是激情驅動。三是快速學習和跨界能力。一個人可以幹過去七八個工種的事，適應多個崗位，甚至一人撐起一家公司。回到AI浪潮中搶人的本質，說到底，人才是第一資源，創新是第一動力。誰掌握了頂尖的AI人才，誰就能主導未來的技術標準、甚至產業生態與全球話語權。對於個人而言，順應趨勢，向“複合型、場景化、全球化”方向進化，或許才能更好適應變化的世界。AI車輪滾滾向前，各方焦慮背後也有人持謹慎態度。一位大廠獵頭告訴我們，自己從業十餘年，“見過太多風口了，二十年前手機市場好的時候，你要是個iOS開發、Android開發，別人求爺爺似的搶你；十年前，產品經理特別火，外面各種培訓班鋪天蓋地，好像是個人就能幹產品經理；七八年前，區塊鏈熱潮，數字貨幣和加密技術人才一個難求；五年前直播帶貨火了，大家就搶資料分析師和選品師。但到今天再回頭看，每個行業風口也就持續那幾年，培養人的速度明顯跟不上搶人的熱潮。”“普通人不應該總想著去追求什麼風口。普通人之所以是普通人，就是因為他後知後覺，缺少提前預判的能力。當大家都認識到這個是風口時，再進去，就已經晚了。所以對於很多人來說，最好的職業規劃不是去追什麼風口，而是現在在做什麼事，就做好這件事，或者說自己感興趣什麼事，就做好什麼事。”上述獵頭總結。 (霞光社)

多智能體賽道爆發，Harness成為破局關鍵，資本加速佈局。剛剛，成立僅四個多月的AI初創公司明日新程（Nextie），宣佈連續完成兩輪融資。其中，天使輪由創新工場、Atypical Ventures聯合領投，奇績創壇繼續跟投。原微軟全球副總裁David Ku等個人投資者，以及公司獨家財務顧問安可資本等，也紛紛看好入局。公司表示，當前資金儲備已夠未來三到五年持續創新所需。幕後掌舵人，正是“小冰之父”、微軟亞洲互聯網工程院原副院長李笛，以及與他並肩多年的微軟小冰創始核心班底。△李笛在奇績創壇路演日上壓軸登場在一級市場整體降溫、機構出手愈發審慎的當下，一家成立不到半年的公司卻能連融兩輪，更迎來陸奇、李開復兩大AI圈頂級“風向標投資人”罕見同框、同步押注，這本身就是一種訊號，體現了資本對其團隊、技術、賽道的多重認可。所以這筆資金將投向何方？團隊給出的答案很明確，大方向只有一個——Harness群體多智能體。當下，無論是持續霸屏的OpenClaw，還是近期風頭正盛的Hermes Agent，AI Agent正以前所未有的熱度席捲整個行業。隨著實踐的不斷深入，Harness的價值逐漸清晰。包括OpenAI、Anthropic在內，越來越多頂尖團隊已意識到，Harness是智能體落地的核心支撐。有意思的是，這個判斷，明日新程團隊負責人李笛早在去年就已給出。去年12月7日，奇績創壇Demo Day上，李笛壓軸登場，系統性拋出群體智能理論，並對Harness趨勢有了準確預判和率先佈局。雖然他本人很低調：我們現在其實都比較羞於說我們早就看到了什麼，這個是沒有用的。這個世界上永遠都是，你做它比你看到它要難得多。就像《駭客帝國》裡有句話，知道路與走路，二者截然不同。如今，該賽道已成為投資人佈局AI下半場的核心標的。而明日新程，也已在這一領域形成了領跑態勢。Harness為何會成為行業共識？明日新程又憑什麼能夠殺出重圍？團隊下一步又將如何落地？量子位與李笛聊了聊。糧草已備，重倉佈局Harness群體多智能體OpenClaw火遍全網，無疑為智能體賽道按下了加速鍵，讓行業第一次真切看到了智能體主動幹活的潛力。但當人們開始把它當“正式員工”用時，問題來了。這事兒要說還得Meta最有發言權……Meta安全對齊總監Summer Yue的信箱，曾一夜之間被OpenClaw清空所有郵件。此事過去沒多久，OpenClaw未經授權擅自行動，將敏感的公司和使用者資料，洩露給無權限員工長達近倆小時。究其原因，該框架在工程實現上，尚處於早期階段，缺乏Harness等級的技術注入。在處理24小時以上的長程複雜任務時，其Token消耗量巨大，效果卻常常不盡如人意，穩定性與安全性仍有很大提升空間。用李笛的話來說，任何一個超級智能個體，無論它的智能水平達到什麼程度，都一定有盲區，沒有辦法自我糾偏。而當超級智能個體處理長程任務時，錯誤會隨著時間累積被指數級放大。隨著行業實踐的深入，AI廠商逐漸關注到這一問題。Harness，如今已成為AI工程領域的新共識。所以，Harness到底是什麼？從本質來看，Harness意為“馬具”，類比到AI領域，就是連接“模型（馬匹）”與“人類需求（騎手）”的核心框架。它不直接參與任務執行，卻能通過明確的約束、規範與協同機制，引導多智能體高效協作，避免失控，實現“約束換自主”的核心價值，這也是其區別於Prompt Engineering、Context Engineering的核心所在。今年2月，OpenAI發佈官方Blog《Harness Engineering: Leveraging Codex in an Agent-First World》，通過實驗證明AI是可以獨立完成全流程開發的執行主體，但必須有一套框架來駕馭它。通過Harness Engineering，3人工程師小組在5個月時間裡，可以利用Agent建構百萬行程式碼的產品。Anthropic最近也發佈了新Agent架構Managed Agents，技術文件中也有反覆強調“Agent Harness”。而明日新程在這條路上，堅持得比別人更專注一些。不同於行業內對Harness的單一架構解讀，明日新程所佈局的“Harness群體多智能體”，是將Harness工程化理念與群體智能深度融合的全新體系。它並非簡單的“多智能體+約束規則”，而是以原生群體智能與認知模型為核心，讓眾多具備不同認知能力、不同功能定位的Agent，按照明確的規則協同工作、互相校驗、迭代最佳化。李笛進一步解釋，Nextie的Harness核心包含三個關鍵元件：上下文管理、參與其中的多智能體、多智能體協同方法。其中，多智能體協同方法最為關鍵，團隊內部將其稱為“認知碰撞”，即通過辯論、挑戰、反思、同行評審、投票等方式，讓多智能體真正實現思辨與互補，而非“表演式一致”。上下文管理，則確保多智能體在協同過程中獲取的資訊精準、全面且適度，避免因資訊過載或偏差導致荒謬結果；Agent池最佳化，指的是根據任務需求動態搭配不同角度、不同功能的Agent，實現協同效率最大化。這種體系既能解決OpenClaw等框架的長程協同痛點，讓多智能體在長周期任務中保持穩定高效；又能通過群體思辨、共識機制，打破單一Agent的認知盲區，輸出經過權衡的最優解，真正實現“群體智能大於個體智能之和”。這也是明日新程對多智能體賽道未來的核心判斷。這其中的種種思考，繞不開一個詞——協同。“協同”這道題，他們在小冰時代就思考了李笛團隊的佈局並非一時興起。“自2022年以來，我們一直在準備這個時刻”，李笛把這段蟄伏期拆成了幾個關鍵節點。第一個節點，是在2022年底。彼時，Transformer架構的合理性已被徹底驗證，其顛覆性潛力讓行業看到了全新可能。在當時，團隊受到了決策體系的限制，但李笛最終還是帶著團隊自籌算力，把這條線先跑了起來：我們手裡有一套基於上一代技術的框架。我們能清晰感知到框架本身的潛力，但它被上一代技術拖累了。當看到新技術出現時，我們眼前一亮，很多過去棘手的難題，終於有了破解的可能。但興奮之餘，一個更為根本的問題浮現出來：有些障礙，不是靠模型能力變強就能繞過去的。這個問題，種子早在小冰時代就已埋下。團隊最初的目標就不止於打造一個“小冰”，而是建構千千萬萬個能精準匹配使用者需求、且彼此配合的AI。但實踐中他們發現，單個Agent再聰明，一旦放進多智能體場景，局面就失控了。要麼是“表演式一致”，表面上一團和氣，實則誰都沒往深裡想；要麼互相衝突內耗，整體效率還不如單干。完全依賴模型自身驅動協同，遠遠不夠。於是，一條新的研究方向被李笛團隊單獨闢出來：多智能體之間，到底應該怎麼協作？在他們看來，唯一的參考藍本，就是人類社會。畢竟，人類是迄今所知的、唯一實現了大規模高級認知協同，並持續產出價值的群體。為此，團隊還專門梳理了1800-2020年整整220年的人類文獻，只為拆解“群體智慧”的演進脈絡。時間來到2023年年初，團隊提出CoT是關鍵。他們自研了“小冰鏈”（X-CoTA），驗證了思考過程透明化的核心價值。小冰鏈僅使用了GPT-3約2%的參數量，便實現了可觀測、可追溯的思維鏈建構，並能夠在推理過程中即時獲取外部資訊、做出行動決策。實際上，CoT也是多智能體協同大計畫中的一塊關鍵拼圖。在團隊的構想裡，真正高效的協同，不能只共享結論，更要同步思考過程。就像人與人協作，只有知道對方的推導邏輯，而非僅僅拿到一個結果，才能實現超越表層的深度配合。到了2023年年底，團隊做的開源大模型性能超越了Meta同期產品。他們欲乘勢而上，提出研發推理模型的新計畫，但在當時的決策框架下，這個方向再次被擱置。2025年12月9日，李笛帶領微軟小冰創始核心團隊成立新公司明日新程（Nextie）。如今，技術條件、市場環境、團隊狀態終於迎來同頻共振的時刻。團隊現在手握完全的決策權，可以心無旁騖地深耕Harness群體多智能體賽道。延續對“多智能體協同”的長期思考，明日新程團隊組建之初，便將核心方向鎖定為原生群體智能與認知模型。今年2月份，團隊打造的首個原生群體智能平台——“糰子（tuanzi.ai）”發佈內測版。量子位在產品剛發佈時，就上手實測過：使用者提出問題後，幾十個Agent成團“圍坐一桌”，各抒己見、互相補充、辯論交鋒，甚至還有投票表決、同行評審這樣的專業環節。它不追求單一智能體的能力極致，而是聚焦“群體協同價值”，既能勝任高認知複雜度的深度研究任務（通過多智能體思辨、碰撞，破解單一模型的認知侷限），也能適配以OpenClaw為代表的長程多智能體協同、大規模群體模擬等核心場景，真正將Harness理念落地到了產品層面。在團隊設計的視角完備性、辯證深度、落地實操性、隱含訴求滿足度、決策五維度評測指標中，Nextie綜合表現顯著優於競品。不僅超過了包括ChatGPT-5.2 Thinking在內的單一大模型；同時，在達到同等思考深度的情況下，整體計算消耗（Token）可降低約50%。此外，前段時間引發關注的“衛士蝦”TuanziGuardianClaw，則是群體智能能力的又一次實戰驗證。這只專門堵OpenClaw安全漏洞的Agent，完全由糰子群體智能體自主協同設計而成。量子位還打探到，目前明日新程內部大量使用Agent作為“人機共生的同事”，採用“常駐Agent+臨時Agent”的協作模式——常駐Agent負責常規開發與產品設計，臨時Agent根據具體任務需求動態補充。“衛士蝦”就是安全領域的臨時Agent與常駐Agent協同完成的。“小冰島”將以新形態重現談到近期產品規劃，李笛向我們透露了團隊醞釀已久的全新動作。他們正在全力打造一款形態接近“小冰島”的全新產品。它不再侷限於簡單陪伴，而是能夠協同完成各類複雜、長期任務，讓一群Agent真正做到幫使用者幹活、陪使用者成長，並在持續互動中與使用者建立深度繫結關係。李笛表示，新產品最大的延續，在於小冰島最初的設計理念：觀察圍繞每一個人，究竟配備一群怎樣的Agent才是最適配的。每個人的需求不同，有人需要工作支援與情感陪伴兼顧，有人更需要理性、專業的決策輔助。我們要做的，就是讓Agent群體真正貼合使用者本身。而產品最核心的升級，則是技術層面的全面迭代，深度融入糰子的Harness群體智能能力。李笛解釋，當年做小冰時，受限於技術水平，很多複雜的協同邏輯只能靠工程抹平，無法實現真正的智能協同；如今有了大模型與Harness，終於能實現當初的設想。以前在小冰島上，你告訴一個AI“我失戀了”，這個AI無法判斷是否要把這個私密資訊傳遞給其它AI，要麼所有人都來安慰你，讓你尷尬；要麼只有這一個AI知道，無法形成真正的情感支援。但現在，Agent會通過智能判斷，做出最合理的反應，你的每一次互動，都會在Agent群體中產生智能、合理的漣漪。未來，使用者可以擁有一組像OpenClaw一樣的自主Agent，他們能夠根據你的自身需求靈活調整。換句話說，這群Agent，從來都只是為你而存在。由此，這也將打開多智能體全新的應用場景。By the way，新版“小冰島”預計本月底推出～ (量子位)

“AI+中國速度”把試錯成本壓縮到更低，劑泰科技正在創造許多傳統方法觸及不到的新材料。“製藥界的SpaceX”——這句頗具科幻意味的口號，劑泰科技創始人賴才達只花了8年，就把它從一個想法真正落地。就在《中國企業家》採訪後不到一周，公司宣佈已經完成D輪4億元融資，由北京市醫藥健康產業投資基金和大興區產業投資基金聯合領投。SpaceX的火箭是把衛星送入太空，賴才達的“火箭”則是用AI將奈米材料設計成載體，把mRNA（信使核糖核酸）、抗體等藥物精準靶向到疾病組織或器官細胞，然後釋放藥物，由此達到精準治療的效果。故事始於2017年。剛從麻省理工學院博士畢業的賴才達，目睹了興起的生物製藥行業如何用AI顛覆傳統藥物設計，卻也產生了疑問：AI能預測分子結構，也被運用到立項、開發、轉化等各個環節，但大多集中於分子設計環節，而製劑與藥物遞送環節卻沒人關注。尤其是被視為“最後一公里”的藥物遞送環節，對應著幾十年來行業的巨大痛點。人體是一個非常複雜的系統，很多疾病細胞在體外都有各種方式去解決，但在體內卻很難見效。“是藥三分毒”，往往因為絕大多數藥物進入體內後無法瞄準疾病細胞，而在不對的細胞上治療或干預。賴才達說：“人體30兆細胞裡，出問題的往往只是幾百萬個細胞的一個群體，但藥物99%都打偏了。就像為了擊斃一個敵人，結果把整棟樓炸了。”侷限性還在於，傳統製劑的開發手段屬於“手藝活”，非常仰賴於專家的經驗法則。專家依據分子預測其性質，做簡單試錯，能夠搜尋的空間有限。劑泰科技創始人賴才達於是，2020年1月，劑泰科技成立。它利用AI，根據不同的靶點快速去設計“火箭”，通過各類載體實現對藥物的高效遞送，充分發揮藥效。從小分子製劑、口服製劑的最佳化，到新的膠束體、奈米製劑的產生，劑泰科技通過積累的實驗資料，正在創造許多傳統方法觸及不到的新材料。5年過去，劑泰科技的“火箭”已具備實現肝、肺、肌肉和免疫細胞等關鍵組織和細胞的脂質奈米顆粒（LNP）精準靶向遞送能力。“我們現在還只能做到部分器官跟組織類別。”賴才達提到，“我們希望奈米遞送能夠實現‘指那打那’，這是要10年20年去攻克的難題。”01難啃的骨頭賴才達原本是一名“材料極客”。化學工程專業畢業的他，在博士期間，就做了一款能把污水變家庭用水的淨水材料，啟動了人生第一次創業。技術本身很“炫酷”，但他那時的“科研邏輯”沒有打動投資人，因為整個項目算起來市場規模不到1億美元。不過投資人很喜歡他，直言如果有10億美元級的市場項目，一定會做他的天使投資人。賴才達意識到，從一個技術，到真正成為一個產品和成就一個企業，中間其實有很大的差異。一個公司不僅需要突破性的技術，還需要有能力把技術落地轉化為商業價值。他把目光轉向了醫藥。因為醫藥行業相對去中心化，每個病種都對應一個單獨的市場，也面臨著新技術的爆發。在那個時間段，生物醫藥創業潮出現。早在2016年，Google開發的AlphaGo橫掃棋壇，他就意識到，這將是一個變革。之後專門用於預測蛋白質三維結構的平台AlphaFold也出來了，他猜測透過演算法可以解決很多資料產生的訴求。“我們之前做材料開發一般要10年時間，往往做了很久才開發出來幾個材料拿去動物身上試。因為人腦能夠預測的材料是很少的，不太能做多維度的、有點動態的組裝，人類做拼圖的能力是遠不如AI的。”賴才達說。自2017年，他與美國國家工程學院院士陳紅敏開始討論演算法加實驗結合的平台，能否用到奈米材料發現上。後者也成為劑泰科技的聯合創始人，她是有著30年經驗的藥物製劑開發和遞送專家。這也從一開始就決定了團隊的創業方向——AI奈米遞送。他們也曾像其他AI製藥團隊一樣，從熱門的小分子賽道切入，卻發現格外擁擠。而製劑與藥物遞送卻是無人區，還沒有一家AI公司敢啃這塊硬骨頭，傳統的製劑材料開發大多是靠專家“試”出來的，可以說是處於“半黑盒子”狀態。究其原因還是在於資料。製劑開發需要的資料壁壘極高，賴才達坦言，“當時奈米材料藥物遞送的資料非常少，公開的大概只有1萬到2萬個相關資料點。而搭建內部的資料平台極其燒錢，還要建自己的實驗動物房。”因此更多的企業偏向走更成熟的分子預測路線。但賴才達卻看到“站在巨人肩膀上做最佳化”的機會。製劑與藥物遞送既不用做靶點創新，也不用碰臨床——這一前一後兩塊都需要漫長的驗證時間和龐大的資金量。相較之下，製劑與藥物遞送反而距離成藥最近，只用將已知靶點的藥物裝進AI設計的奈米“火箭”裡精準投送，成為一個“連接者”，就有機會實現商業價值。賴才達認為，AI最擅長的就是做局部最佳化，用於做製劑與藥物遞送非常合適。更關鍵的是，他在國內看到了明顯的資源優勢：資料的產生速度更快，也更便宜。同樣的實驗，國內當天就可以出結果，而在美國需要6周，成本還只有十分之一左右，這意味著“AI+中國速度”可以把試錯成本壓縮到更低。“這對我們來說是很大的優勢，可以以最快的速度、最低的成本產生全球最大的材料遞送資料集，反哺我們的演算法，從而更有效地預測材料和遞送之間的關係。”於是，當團隊在美國碰上了杭州的招商團隊，他們迅速就做出了決定。2020年，賴才達、陳紅敏以及麻省理工學院人工智慧實驗室的科學家王文首組成的核心創業團隊，落地杭州。02從平台公司到產品公司儘管賴才達現階段對劑泰科技的定位是AI奈米遞送公司，但他心裡的終極目標依然是做“藥”。0到1的搭建過程很迅速。原本他還擔心“水土不服”，當地給了一系列的支援，包括場地、人才、資金、服務等，他幾乎是“拎包創業”，項目不到半年就落地了。只是未曾預料到的是，劑泰科技最初立項的8條產品管線，很快“全軍覆沒”。原本賴才達很自信團隊是懂藥的，屬於“降維打擊”，但真正落地，卻發現做材料和做藥完全是兩碼事。“你以為做了一個很好的改良藥，其實人家下一代產品已經出來了，不需要改良了。”他才發現，醫藥管線立項需要行業沉澱，至少要幾十年的經驗積累。不過很快，他就開始“補課”，先從羅氏等大藥企挖來一批醫藥老兵。之後，嘗試與大藥企初步合作，“先打工，‘髒活累活’開始干，干大家不在意的東西，才真正瞭解了藥的痛點。學著不從科學角度來看事情，而是從行業角度看事情。”在這過程中，劑泰科技投入了大量資金，來解決AI製藥界最突出的兩個問題：人才與資料。人才主要是磨合。“跨領域的人是很缺的。既懂AI又懂材料，還懂藥的人不存在，所以我們從0到1，各類人才組合起來，慢慢打磨，雙方合作，才逐漸成熟起來。”劑泰科技的員工多為交叉學科背景，包括AI演算法、自動化、化學、分子生物學、臨床醫學，甚至網際網路、金融、數學統計等。更高的壁壘在於資料。劑泰科技從頭到尾自己搭建資料平台，做奈米材料領域實驗的模擬，整個過程耗費了三四年，才積累到奈米材料和生物之間互動作用的資料。“藥圈”不好進，賴才達因此為劑泰科技規劃了兩種變現模式：一是“賣火箭”——把AI設計的奈米遞送材料專利授權給全球藥企，供他們研發自己的管線產品；二是自己根據已知靶點、改良劑型做少數高價值管線的臨床驗證，在看到成功的希望後，就對外授權出去，讓合作夥伴負責進一步的研發以及銷售。這兩種合作模式均可以獲得首付款、里程碑（未來的潛在事項）付款以及未來的銷售分成，也可以實現一項材料多個客戶、多次復用。“產生出可復用的產品才是成功的商業模式。”賴才達說。面對客戶需求和自有管線是否會衝突的矛盾，賴才達表示，他本心是做一個平台公司，但在過程中會孵化出產品。劑泰科技只是會在少數賽道的部分靶點做示範性研發，以驗證平台技術的價值，主要的藥物研發會讓合作夥伴去做。在他看來，公司會迎來幾個拐點：首先是人體資料證明AI設計的載體有效，平台開始自給自足，這個目前已經在實現過程中；然後平台訂單規模化，收入可反哺管線產品的臨床開發，這些計畫在幾年內達成；更長期，自研管線在某個重大適應症做出遠超現有療法的臨床資料，徹底驗證“AI遞送+藥物”價值。2022年後，他才感覺到平台進入到了正反饋階段，“此前，與德國一家知名跨國藥企的一個研發合作項目，驗證出劑泰可以用很短的時間篩出他們篩不出來的材料。這表示我們的演算法、平台已經達到了一個可以和合作夥伴進行商務合作的階段。”他原本計畫前5年保持30～60人團隊規模，沒想到公司發展迅速，“5年時間做的成果，相當於過往美國類似公司10~15年才能做到的階段”。他坦言，這主要得益於中國醫藥的“基建”發展迅速：中國的供應鏈很完整，特別是CRO（合同研究組織）和CDMO（合同研發和生產組織）的建設，極大推進了中國創業公司的發展。賴才達坦言，“我們只是把一堆現成的好工具工程化，組裝起來之後就發現壁壘很高，要同時跑通量子級遞送計算、高通量資料閉環、大規模動物驗證、材料底層認知，再到成藥的能力——整條鏈路一打通，很快就成了領先玩家。”未來3年，劑泰科技把重心放在兩件事上——人體資料閉環和商業模式閉環。前者是讓AI設計的奈米載體先在人體驗證成功，打通從電腦到病人的完整資料鏈；商業模式閉環是把驗證過的材料和管線對外授權，用授權收到款項反哺現金流。5年到7年內，他要爭取把遞送精度從“器官級”提升到“細胞級”，實現真正的“指那打那”。而7年之後，賴才達期待那個最大的拐點到來，即在一些大的疾病領域真正取得臨床突破，之後他會專注在這幾個領域裡，去做最想做的生意——爆款新藥。 (中國企業家雜誌)

Anthropic 花了 4 億美金，買了一家不到 10 個人的生物科技公司。這家公司叫 Coefficient Bio，去年秋天才成立，做的事情是用 AI 來做藥物研發規劃、臨床策略管理和新藥候選發現。Anthropic CEO Dario Amodei4 億美金，不到 10 個人，折算下來每個人值 4000 多萬美金。這個數字乍看離譜，但放在 Anthropic 最新 3800 億美金的估值下，其實只稀釋了大約 0.1%。用一個比喻來說的話：這筆交易就像一個身家千億的富豪，花了一頓米其林晚餐的錢，請了一桌頂級生物學家坐下來聊聊。只不過這頓飯，聊的是，人類的生死。01他們是誰Coefficient Bio 的兩位創始人 Samuel Stanton 和 Nathan Frey，都來自 Genentech 旗下的 Prescient Design，一個專門做計算藥物發現的團隊。Coefficient Bio 聯合創始人 Nathan Frey（左）和 Samuel Stanton（右）Nathan Frey 是個挺厲害的角色。賓大材料科學博士，之前在 Genentech 帶了一支跨學科團隊，做生物基礎模型和 AI 分子設計。他在 2024 年的 ICLR 上拿過最佳論文獎，研究的是用生成模型來設計藥物候選分子。Samuel StantonSamuel Stanton 則是 NYU 資料科學博士，同樣在 Prescient Design 做過機器學習科學家。兩個人從羅氏/Genentech 出來創業，半年後就被 Anthropic 收了。速度之快，倒是讓人想起了當年 DeepMind 收購 Isomorphic Labs 團隊的路數。收購之後，這個團隊會併入 Anthropic 的醫療健康與生命科學部門，負責人是 Eric Kauderer-Abrams。Eric 在今年 1 月的 JP Morgan 醫療健康大會上說過一句話：“ 我們的目標，是把 Claude 變成生物學領域最受歡迎的 AI 模型。02不只是買個軟體這筆收購的訊號，其實非常明確：Anthropic 買的，不只是幾個工程師和幾行程式碼。Coefficient Bio 做的事情，是讓 AI 能接管生物科技研究中的實際工作流：起草藥物研發計畫、管理臨床試驗的合規策略、篩選新藥候選分子。這些活兒需要深厚的領域知識，光靠通用大模型是幹不了的。換句話說，Anthropic 買的是「生物學的手感」。是那種知道一個臨床試驗要怎麼設計、FDA 的審批流程那裡有坑、什麼樣的分子結構值得深入研究的經驗。這也解釋了為什麼不到 10 個人值 4 億。因為這類人才，在整個行業裡可能也就那麼幾十個。03Dario 的預言說到 Anthropic 進軍生物學，就不得不提 Dario Amodei 在 2024 年 10 月發的那篇著名長文：《Machines of Loving Grace》，見：剛剛！Anthropic CEO Dario Amodei 發文：人工智慧如何讓世界變得更美好【附全文翻譯】。Anthropic CEO Dario Amodei一萬五千字，核心論點之一就是：AI 加速的生物學，可以在 5 到 10 年內，壓縮人類生物學家原本需要 50 到 100 年才能取得的進展。這話聽著像科幻，但 Dario 給出了具體的論證。他的邏輯是這樣的：20 世紀，人類平均壽命從大約 40 歲翻到了大約 75 歲，差不多翻了一倍。如果 AI 能把 21 世紀的生物學進展壓縮到 5 到 10 年內完成，那再翻一倍到 150 歲，算是「趨勢延續」。人類壽命翻倍趨勢而且他指出了幾個關鍵事實：•  已經有藥物能把老鼠的最大壽命延長 25% 到 50%，副作用還很小•  有些烏龜能活 200 年，說明人類目前的壽命顯然不是什麼理論上限•  一旦人類壽命達到 150 歲，我們可能就觸及了「逃逸速度」：活得夠久，就能等到下一代續命技術Dario 原文是這麼寫的：“ 一旦人類壽命達到 150 歲，我們或許就能達到「逃逸速度」，為目前活著的大多數人爭取到足夠的時間，讓他們想活多久就活多久。當然，這在生物學上是否可行，沒人能打包票。04疾病會怎樣Dario 在那篇文章裡，對主要疾病的預測非常詳細。Dario 的疾病攻克預測傳染病：幾乎所有自然傳染病都將可防可治。mRNA 疫苗已經指明了方向，未來的疫苗技術可以快速適配任何病原體。癌症：死亡率和發病率都會下降 95% 以上。他提到，癌症死亡率其實每年已經在以大約 2% 的速度下降了，而 AI 加速的早期檢測和靶向藥物會讓這個趨勢急劇加快。阿爾茨海默症：Dario 認為這恰恰是 AI 擅長解決的問題類型，因為它需要更精密的測量工具來隔離生物學效應。預防應該可以實現，但已經造成的腦損傷要逆轉……可能就難了。糖尿病、肥胖、心臟病：他認為這些比癌症「更容易解決」。心臟病死亡率已經下降了 50%，GLP-1 類藥物（就是大家熟知的司美格魯肽那一類）的進展更是肉眼可見的快。當然他也承認，這一切的前提是 AI 要能夠「執行」生物學研究，而不只是「分析」資料。“ 我說的不是把 AI 當資料分析工具。我說的是用 AI 來執行、指導、並改進生物學家做的幾乎所有事情。指揮實驗室機器人、設計實驗方案、發明新的測量技術，這些都得上。05速度的邊界不過 Dario 也沒有盲目樂觀。他列出了幾個 AI 加速生物學的「硬限制」：細胞培養需要時間，動物實驗需要時間，化學反應需要時間。這些是物理世界的節奏，再強的 AI 也壓縮不了。還有資料質量的問題，生物複雜性的問題，以及很多發現之間存在序列依賴，必須一步一步來，沒法全部平行。他的估計是：10 倍加速是現實的，但 100 倍壓縮到一兩年內……不太行。話說回來，10 倍就已經夠嚇人了。原本需要 50 年的研究進展，5 年搞定。06Anthropic 的佈局回頭看 Anthropic 在生命科學領域的動作，其實是一條清晰的線：Anthropic 生命科學佈局時間線2025 年 10 月，發佈 Claude for Life Sciences，讓 Claude 能連接 Benchling、BioRender 等科研工具。2026 年 1 月，在 JP Morgan 醫療健康大會上推出 Claude for Healthcare，一套符合 HIPAA 標準的工具包，能連接醫療資料庫、電子病歷系統。還宣佈了新的臨床試驗文件自動撰寫功能。合作夥伴名單也非常亮眼：賽諾菲、諾和諾德、Genmab、AbbVie、Allen 研究所、HHMI。2026 年 4 月，收購 Coefficient Bio。從賣工具，到建平台，到直接買團隊。步子越來越大了。Eric Kauderer-Abrams 的那句話，現在看來也不只是口號：“ 把 Claude 變成生物學領域最受歡迎的 AI 模型。他們是認真的。07不只 Anthropic值得一提的是，Anthropic 並不是唯一在押注 AI + 生物的大玩家。AI 藥物發現加速對比Google DeepMind 的 AlphaFold 在 2024 年拿了諾貝爾化學獎，旗下的 Isomorphic Labs 已經在準備 AI 設計藥物的人體臨床試驗。Insilico Medicine 用 AI 把一個纖維化候選藥物從發現推進到人體試驗，只用了不到 18 個月，傳統路徑通常要 4 年。AI 製藥市場從 2023 年的 18 億美金，預計到 2030 年會增長到 131 億美金。整個行業的共識已經很明確了：AI 對生物學的加速效應，可能會是 AI 所有應用場景中，最深遠的那一個。畢竟，提高程式設計效率是讓人寫程式碼更快。而加速生物學研究，是讓人活得更久。壽命逃逸速度概念圖回到 150 歲Dario 在那篇文章的最後，還提到了一個更大膽的概念：生物自由。他認為 AI 加速的生物學研究，最終會讓人類對自己的體重、外貌、生殖等生物過程擁有完全的控制權。這聽起來有點賽博朋克，但如果你看看 GLP-1 藥物在短短幾年內對肥胖治療的顛覆，就知道這個方向的推進速度比大多數人預期的要快。而 Anthropic 用 4 億美金收購一個不到 10 人的生物科技團隊，說到底，押的就是這個未來。通用大模型想要真正改變一個領域，得先變成那個領域的專家。Coefficient Bio 的團隊，就是幫 Claude 變成生物學專家的那塊拼圖。至於我們能不能活到 150 歲……Dario 說了，沒人能打包票。但至少現在，有人在認真賭這件事了。所以，除了擁抱 AI，我們現在最應該做的事情大概就是：注意身體，保護好自己。萬一真等到了呢。 (AGI Hunt)

隨著羅斯·諾迪恩（Ross Nordeen）本周五離職，曾與埃隆·馬斯克一同建立人工智慧初創公司xAI的11名聯合創始人全部離職。知情人士稱，36歲的諾迪恩在xAI直接向馬斯克匯報，擔任他的左右手，協調優先事項並推動公司各項工作的執行。△埃隆·馬斯克（資料圖）(極目新聞)