11月27日晚間，AI+沉浸式社群平台Soul App向港交所主機板遞交上市申請，騰訊作為策略投資者持股49.9%，中信證券為此IPO的獨家保薦人。根據上市申請文件，Soul日均活躍用戶（DAU）中逾78.7%為Z世代。弗若斯特沙利文報告顯示，Soul是國內首個所有用戶均以虛擬身分（avatars）進行互動的AI+沉浸式社群網路平台。平台基於使用者興趣圖譜，依託以自研的原生情緒價值第一大模式Soul X為代表的AI技術，提供使用者沉浸式互動及情緒價值體驗。在財務表現上，招股書顯示，Soul 2022至2024年收入分別為16.67億元（人民幣，下同）、18.46億元及22.11億元，2025年前八個月收入為16.83億元，2022至2024年收入超15%。公司自2023年起錄得穩定獲利，2024年全年及2025年前八個月經調整獲利分別為3.37億、2.86億元，毛利率分別為83.7%、81.5%，2024年經營活動所得現金淨額4.21億元。AI驅動的情緒價值服務（包括虛擬物品及會員特權）為平台主要收入來源，於2025年前八個月佔比超九成，每位付費用戶的月均收入（ARPPU）為104.4元，反映用戶對情緒價值服務的強力付費意願。截至目前，Soul平台累積註冊用戶約3.9億，2025年前八個月日均活躍用戶（DAU）約1100萬，用戶日均使用時長超50分鐘，人均每日發出點對點私訊交流約75條，月均三個月用戶留存率達80%。根據弗若斯特沙利文報告，截至2025 年前八個月，公司日均活躍用戶（DAU）、日人均啟動次數（20.1次），及新安裝用戶30日留存率（23%）均在中國AI+沉浸式社交平台中排名第一。招股書稱，AI技術是Soul App在沉浸式情緒經濟領域快速發展的核心引擎。本公司自研原生情緒價值第一大模式Soul X大幅提升了使用者體驗與社群活躍度。使用者的高參與度推動模式與演算法持續優化，及AI應用的智慧化，加速平台數位社會的繁榮與使用者體驗提升，拓寬AI賦能下情緒經濟商業化的潛在市場空間，賦能廣告及IP生態等業務成長，形成了獨特的「使用者–AI–平台」飛輪體系，實現商業化複利效應。Soul APP自2015年設立，至2021年完成D+輪，融資節奏穩健且估價快速提升：種子輪獲泥藕資本支持後，天使輪引入簡鳴、璞聚；A輪由MFund魔量資本與晨興資本共同加碼；B輪及B+輪獲DST Global、元生資本等機構認可；2020年騰訊旗下Image Frame Investment以1.35億美元領投D輪，成為最大外部股東；2021年米哈遊攜騰訊、元生資本等再以1.77億美元注資D+輪，累計公開融資逾3.1億美元，為產品迭代、用戶擴張及「社會元宇宙」佈局提供充裕資金。不過，Soul的上市之路相當曲折。2021年，Soul正式向美國證券交易委員會（SEC）提交招股書，計劃在納斯達克上市，但在當年6月的時候，突然宣布暫停納斯達克的IPO進程，官方稱是“收到了其他資本運作的可能性”，但市場也有信息顯示，這或許與當時涉及的一起不正當訴訟競爭有關。2022年6月，Soul的營運主體公司Soulgate向香港聯交所主板遞交了上市申請，但遞交的申請資料因超過6個月未推進而失效，也說明其首次港股上市嘗試暫告段落。2023年3月27日，Soul更新港股上市申請資料，延續上市申請，這是在資料失效後的再次遞表，但更新資料後無實質進展。直到此次，Soul向香港聯交所主板正式遞交上市申請。依文件公司發售所得款項將用於AI能力研發、全球範圍拓展、用戶群擴大、各類內容開發，以及用作營運資金及一般企業用途。(鈦媒體AGI)

AI浪潮，衝擊電商。在美國，OpenAI已經與電商平台合作，在ChatGPT對話方塊內直接完成購物；在中國，字節跳動旗下的豆包對話方塊內已經排他性地引入抖音商城的購物連結。ChatGPT和豆包都是大模型時代的產物，第三方資料顯示，兩者月活躍使用者分別超過7億和1.6億。此前，電商的流量入口可能是百度搜尋、微信、天貓網站；未來的電商核心入口之一，可能是大模型的應用，比如豆包、或者阿里巴巴開發的千問APP。每家電商巨頭們都希望跟上AI潮流，但不是每家企業都能避免被浪潮擊倒。流量向AI遷徙“AI從‘搜尋’轉向‘對話’，從而根本性地改變購物方式。”在其第三季度財報會議上，Shopify總裁Harley Finkelstein表示。今年早些時候，這家電商服務平台與OpenAI達成合作，一起啟用Agentic Commerce（代理式電商）。這項合作把消費者購物的場景搬到了ChatGPT對話方塊裡，而不必再跳轉到電商頁面。今年9月，OpenAI宣佈使用者可以在ChatGPT裡直接購買電商平台Etsy上的商品。ChatGPT的月活躍使用者數量已經超過7億。這款現象級的產品，正在成為電商的新入口。原來消費者的購物可能是直接點開亞馬遜網站，或者通過Google搜尋再跳轉至電商平台。現在OpenAI開始與Google、亞馬遜爭奪流量入口了。Google依然是全球流量最大的網站，但是人工智慧給其帶來的威脅已經非常明顯。ChatGPT吸引了越來越多的人使用，對話式互動也比傳統搜尋的列表式更直抵答案。“目前，搜尋引擎正在承受來自AI的強烈衝擊。以Google為例，其搜尋使用量持續下降，而ChatGPT等大模型的使用量卻在不斷攀升。”明略科技CEO吳明輝近日對第一財經記者表示。傳統搜尋引擎的主要收入來自廣告。當使用者發起搜尋時，平台呈現大量與關鍵詞相關的結果，其中相當一部分是廣告位。如果換成大模型的呈現方式，就不再是十幾條、幾十條結果的長列表，而可能只呈現一兩個答案。結果越少，可銷售的廣告資源就越少，從而直接影響Google和百度等搜尋公司的傳統商業邏輯。“OpenAI已經把 ChatGPT與Shopify打通，這意味著AI正在從‘能回答問題’邁向‘能理解你’。隨著技術不斷演進，世界上最瞭解你的人，可能已不再是家人，而是大模型。很多人把最私密的想法都交給了AI去傾訴。過去社交媒體掌握的是人與人之間的關係，資訊是‘共享’的；而如今，大模型掌握的，是人與自己之間最隱秘的對話。如果它知道使用者明天女朋友過生日，甚至能主動挑選禮物，已經無須再通過搜尋引擎去查——每個消費者都將擁有一個屬於自己的代理（Agent）。”吳明輝表示。電商流量向AI入口遷徙，同樣發生在中國。消費者如果此前已經有了初步預算和品牌預期，已經可以直接在豆包裡提問：一萬元左右的博世洗烘套裝，分別有那些可推薦？豆包提供的8條產品介紹中，都附帶了購物連結，點選後跳轉到抖音商城之中。豆包是火山引擎大模型支援的對話式搜尋工具，它與短影片平台抖音同屬於字節跳動。據第一財經觀察，目前豆包所提供的連結，都是導向了抖音商城，即便提示詞指向京東或天貓，也都無法跳鏈到京東等電商平台。這一跡象顯示，抖音和豆包之間，可以打造成一個電商閉環。據QuestMobile資料，豆包在今年三季度的月均活躍使用者規模達到了1.6億；在今年的3月份，短影片平台抖音的月活躍使用者數已經超過了10億。抖音電商負責人康澤宇表示，抖音電商在2025年的支付GMV已經位列行業第三。它已經有能力威脅傳統電商如阿里巴巴、拼多多、京東的市場地位。阿里巴巴的開源大模型，已經在世界範圍內獲得開發者的認可，但它面向普通使用者的產品尚未實現突破。阿里巴巴此前缺乏一款像豆包那樣的、人工智慧時代面向普通使用者的C端產品。它最近才推出千問APP，並將千問項目視為“AI時代的未來之戰”。記者向千問APP提出了同樣問題：“博世洗烘套裝，分別有那些可推薦？”在千問向記者提供的幾款機型介紹中，沒有相應購物連結。當明確要求千問APP給出購物連結的時候，它提供了京東購物連結，而沒有來自同屬阿里集團的天貓或淘寶購物連結。據阿里方面披露，千問APP公測第一周突破了1000萬下載量。阿里巴巴方面透露，它正在計畫將地圖、外賣、訂票、辦公、學習、購物、健康等各類生活場景接入千問APP。電商流量從傳統搜尋轉向AI互動已成趨勢。“我個人判斷，上一代搜尋引擎未來可能會逐漸式微甚至消亡。雖然使用者習慣的遷移不會一蹴而就，但新一代AI代理式的資訊互動方式，將是大勢所趨。”吳明輝表示。大模型“抽佣”電商電商平台的意義在於提升使用者購物體驗。近幾年，抖音、小紅書等平台能夠迅速蠶食搜尋引擎的市場份額，正是因為它們的使用者體驗更好，對使用者需求的理解更深，也能基於歷史行為提供更精準的推薦。傳統搜尋引擎主要基於使用者一次性的搜尋行為來推薦內容，而新一代內容平台掌握了更豐富的行為資料，不需要使用者明確搜尋，只需要不斷滑動即可獲得想要的資訊。這種體驗顯然更輕鬆，更順滑，也更能滿足使用者需求。“我認為ChatGPT這類大模型在商品搜尋與推薦環節中，相較於上一代搜尋引擎，或者Amazon這類傳統電商平台，會給使用者帶來更好的體驗。AI參與的電商模式會成為未來趨勢。”吳明輝表示，但上一代的搜尋引擎和傳統電商平台也不會坐以待斃，它們必然會在不斷迭代中尋求轉型或推出類似的產品或平台。搜尋是網際網路資訊的聚散中樞，也影響著兆資金流向。Google和百度等都在推出自己的AI產品以適應新時代。目前百度通過兩款核心產品以應對人工智慧的洶洶浪潮。其一是百度App內建的文心助手，它融合搜尋功能，支援多輪對話互動。從該產品今年的趨勢來看，文心助手使用者增長勢頭迅猛，對話輪次同比增長約5倍，訂閱使用者數達1200萬。其二，是百度獨立的人工智慧應用文心一言，它與文心助手共享底層技術，但更側重創新探索。百度正在電商層面測試AI能力。現在在百度網頁使用AI搜尋功能，如果提示詞是“博世洗碗機”推薦的話，它已經能夠提供來自於京東的購物連結。博世是一家德國企業，它的洗碗機銷量全球排名第一。但在中國，洗碗機的滲透率不到10%。線下門店目前是博世主要的銷售管道，但它也希望在電商領域開拓出新局面。“百度在人工智慧搜尋中測試電商元件，例如雙11購物節期間，電商元件所創造的日交易額峰值接近600萬元。”在今年三季度財報的溝通會上，百度執行副總裁羅戎表示，百度也已啟動具備即時互動功能的數字人直播測試。“人工智慧搜尋擁有巨大的商業化潛力。儘管人工智慧轉型會給短期營收和利潤率帶來壓力，但這是提升長期競爭力的必然選擇，為抓住未來的巨大機遇，這樣的權衡十分必要。”隨著技術的向前演進，大模型本身將可能變成面向消費者的採購代理。消費者未來的許多購買決策，可能都會直接由大模型完成。當一個消費者的大模型助手去幫他尋找最佳商品時，它可能會主動找到品牌的AI銷售代理，詢問產品詳情、詢價、驗證真偽、理解評論、比對競品。也就是說，品牌未來的官網、直播帳號、客服系統，都將升級為面向AI的互動介面。“當OpenAI、Google、國內各大模型都開始接入電商系統並承擔‘採購代理’的角色時，它們就可能會在中間抽佣、提供商業化入口。”吳明輝表示。難以迴避的資料問題現在，電商平台上的消費者，並不全然信賴大模型。一些電商商戶已經深度使用AI技術，快速生成大量創意，再由策劃人員挑選其中最優的選項。在這個階段，AI的天馬行空是一種優勢。但大模型的技術成熟度依然有待提高。“例如數字人內容，儘管技術上越來越成熟，但消費者對數字人和真人之間的感受差異仍然很明顯，這也導致部分企業在應用上會更加保守。”吳明輝對記者說。最棘手的一類問題是虛假資訊。傳統搜尋引擎擁有成熟的網頁排序體系，通過網頁之間的連結與引用關係衡量網頁權重。而在大模型時代，使用者提出一個任務，大模型會在背後進行搜尋、篩選並總結，最終呈現的答案是其“主動選擇的結果”。大模型決定了使用者能看到什麼、不能看到什麼。這比早期的“百條搜尋結果自主選擇”模式影響更大，因此模型必須確保篩選邏輯的精準性與可靠性，而不能呈現虛假或錯誤資訊。“虛假資料在每個時代都會存在，而且可以預見的是，AI能力越強，虛假資料只會更多。因為大量內容都可以由 AI生成，從格式和結構上看都非常‘完美’，但其中可能存在一些細微卻至關重要的錯誤，最終會影響使用者分析和決策結果。”吳明輝說道。子溪是一位品牌行銷與數位化專家，她在工作中清晰感受到AI有明顯的能力邊界。在2025行銷科學大會上，她表示此前為一家寵物用品企業做品牌定位時，使用AI結合抖音、小紅書、天貓和京東等平台的巨量資料，提煉出貓糧最好的賣點居然是“增肥發腮”。這讓她疑惑，此前寵物品類從業經驗告訴她：寵物主人更希望寵物吃的貓糧營養均衡。“中國寵物主人在這幾年發生翻天覆地的價值觀倒退嗎？因為‘增肥發腮’對貓咪健康是不好的。所以，我不相信AI出來的結果，不相信網際網路上巨量資料的結果。”子溪隨後帶著研究團隊，進到幾十家消費者家裡做近距離觀察、家訪，去看消費者和寵物之間如何互動。此後，她把所有的對話、照片資料、消費者日記，再讓AI做分析。“這個時候我們發現，他們對寵物食品第一需求是什麼？還是均衡營養。”據子溪分析，此前所得出的結論之所以出現巨大偏差，因為AI所用到的語料庫是網際網路上的公開資料，企業沒有自己優質的私有資料庫。“現在網際網路資料是非常偏頗的，因為在抖音、小紅書上能夠拿到流量的內容是吸引眼睛的內容。那個是不是消費者日常生活？不是，它是被粉飾的。”大模型無法掌握全世界的資料，一些企業開發的模型所能獲得的只是公開網際網路的部分資訊，這些資訊甚至都是錯誤的。而且，AI也不一定能夠掌握公開資料的最新變化。“因此，在商業場景中，最關鍵的問題不是AI能不能，而是AI用的是什麼資料、資料是否正確。能夠把企業的私有資料、行業的專業資料，以及公開資料有效整合併連接給模型，才是一個AI系統真正的價值所在。這也是我們投入最多的領域。建構Trusted and Agentic AI，幫助客戶解決對可信資料的連接與挖掘，是明略科技始終努力的方向。”吳明輝表示。技術變革帶來商業變革，但資料質量將在一定程度上決定人工智慧能否在電商領域改天換地。 (中國企業家雜誌)

對於美國的年輕人而言，networking 是一個很重要的工作。無論是獲得職業指導、內推機會，還是建立自己的行業人脈，networking 都是必不可少的工作。在歐美職場文化裡，「Networking」不是單純指「社交」或「人脈」——它更像是一種主動、策略性的關係構建，這些關係會成為每一個職場人未來的「資產」。但是當下，以 LinkedIn 為代表的職業社交平台，卻並不能真正高效地促成這種雙向連接。在 Articuler.ai 創始人申哲先看來，LinkedIn 更像是上一個時代的電話黃頁，只解決了「展示」，沒有解決「匹配」。申哲先想改變職業社交中人與人建立連接的方式。他想做一個 AI 驅動的 、像 Tinder 一樣的 LinkedIn，讓 AI 幫助使用者更高效地去連接、被發現，進而建構一個承載雙向關係的職業社交平台。在職業社交的網際網路化過程中，過去那些信息完成了網際網路化？那些還沒有？職業社交中，找到對的人並建立聯絡，其中涉及那些步驟？AI 能提升那些環節的效率？LinkedIn 和公開網際網路上沉澱了大量使用者的職業資料，這些資料在今天有怎樣的價值？以下是我們與申哲先的對話，經 Founder Park 編輯整理。在我們訪談後不久，LinkedIn 發佈了 AI 找人功能，Articuler.ai 團隊測試了產品效果的對比。超 15000 人的「AI 產品市集」社群！不錯過每一款有價值的 AI 應用。進群後，你有機會得到：最新、最值得關注的 AI 新品資訊；不定期贈送熱門新品的邀請碼、會員碼；最精準的AI產品曝光管道01當你想認識一個人的時候，AI 能幫你做什麼？Founder Park：介紹一下 Articuler.ai 在做什麼？申哲先：我們現在做的項目叫 Articuler.ai，現在的形態是一款職場社交的 AI 產品。Articuler 的意思是把零碎的事物用邏輯組織起來。我們希望組織散佈在網際網路各個角落的資訊，建構每個人的職業社交profile，幫助大家去連接、被發現，認識到本就應該相遇的人。我們希望能做到：第一，在不同目的下，幫使用者連接到正確的人；第二，在交流過程中，不用再猜，見面之前就能瞭解對方的偏好和觀點，實現更高效的撮合。Founder Park：聽起來像「約會」類產品。申哲先：Dating 領域我們做了很多研究，團隊也有人之前做過這個領域的產品。一開始的確思考過，到底約會軟體還有沒有機會？但實際上，使用者的約會習慣，尤其北美市場，這幾年已經發生了很大的變化。Match Group（旗下 Tinder、Hinge 等），這幾年股價掉了 70%，因為疫情之後，年輕人已經不想玩線上 dating 了。反而 Ins、Snapchat 這類社交媒體，承接了不少 dating 的需求，ins 就是年輕人的 profile，這些社交媒體上的個人資訊，更加真實更加全面，不像 Tinder 上面那麼刻意。另外，陌生人 dating 還是不如有一些間接關係的 dating。Fun fact，LinkedIn 也承接了一部分約會需求，因為上面有真實的教育和工作背景，有共同好友，也有真實照片和帖子。Founder Park：「查戶口」的步驟省了。申哲先：荷爾蒙驅動的約會，已經沒有太大的增量市場了。它不是一個真正的雙向匹配，更像「選美」，最受歡迎的人會吸引到所有的注意力，大部分中腰部的使用者匹配不上，這個場景的根本問題很難解決。但在大模型出來之後，它能對一個很複雜的使用者背景進行解析，理解使用者的偏好和背景。這種能力，用在主觀且荷爾蒙驅動的約會場景上其實不太適用——但它非常適合做目的性明確的匹配，比如嚴肅的婚戀，因為它看的指標更客觀，不是一些像長相這樣比較主觀的東西。如何能利用 AI，讓人與人之間在職業社交中實現更高效的匹配？這才是我們真正想用技術去解決的事情。我們在做一個像 Tinder 一樣的 LinkedIn，幫助使用者去連接到他本來就應該認識的人。過去平台理解一個人，是把他壓縮成一組標籤，這個過程損失了太多資訊模態。我們是把一個人的所有資料，包括簡歷、觀點、項目經歷等等，在做完 embedding 之後，完整地變成一個高維度的向量資料。我們做的匹配，是基於語義理解的、向量和向量之間的匹配，這樣能更準、更高效。articuler.ai的Playbook功能入口Founder Park：這個創業想法是什麼時候開始的？申哲先：最開始是 GPT-4o 即時語音互動的發佈。當時 OpenAI 那場發佈會，AI 對人的語氣、對交流背後的 context 都有很好的理解，能夠很絲滑地參與到人的對話中。這對我的啟發是，AI 能夠參與到社交中，它會不會能夠去解構人與人之間的交流和關係？另一個產品，Plaud，在這方面也對我們有所啟發。我個人非常喜歡 Plaud，它的切入點很妙，用硬體的「超級按鈕」取代了原本手機裡三四次操作才能做到的功能，掌握了線下資訊的入口。我經常基於 Plaud 的記錄來分析我開會/見客戶時的表現，比如我們跟投資人聊完，那裡聊得好，那裡不夠好，AI 都能分析出來。當時我們並沒有特別考慮硬體的方向，反而想到了一個比較好的高頻打低頻的點：發 Cold Email。（Cold Email：破冰信，指跟對方關係並不熟，但試圖得到對方幫助或讓對方留下印象的 email，是職業社交裡非常常見的手段。常見的 cold email，包括客戶或投資人的郵件、初次聯絡客戶的介紹信，以及求職自薦信等。）現在在 LinkedIn 上，每個月花 30 美金訂閱費，只能發 5 封 InMail（站內信）。cold email 如何寫，是個挺有趣的課題。去年我做使用者訪談，一個做醫療器械銷售的朋友給了我一個特別反直覺的觀點，他寫一封 cold email 平均要半小時。我問為什麼這麼久，他說：「在醫療器械的銷售圈子裡，大家其實都會有千絲萬縷的關係，你得找到這些關係。」比如你們是不是同一個導師，有沒有在同一個期刊發過論文。ChatGPT 可以幫你寫一封語言優美的郵件，但它找不到這些點。在實際場景裡，你寫得內容比你的語言要重要得多得多。於是我們做了一個小外掛，使用者在 LinkedIn 上點一下對方，我們就能結合雙方的背景，幫他寫一封高效的 cold email。這個產品跑得相當不錯，今年上半年月度環比增長達到了 110%。articuler.ai為申哲先生成給投資人的cold emailFounder Park：發 cold email 的時候，這個人已經「匹配」到了。申哲先：對，到了今年的 3 月份，我們又去做了第二次的使用者訪談。我沒有直接問問題，而是讓使用者投屏給我看，當他們不用我們的軟體時，是怎麼在 LinkedIn 上做 networking 或者跟人建立連接。當時我們很驚訝地發現，其實寫 cold email 不是第一步，是很靠後的步驟。他們在整個流程裡面 60% 到 70% 的時間是用來找人的。比如說，假設我是一個 founder，我想找個投資人。在 LinkedIn 上搜「VC」，會出來一大堆人，但你根本不知道他們投不投你的領域和階段。使用者需要一個一個點開看，甚至要跳出去用 Google 搜尋，尋找對方機構的投資階段、投資方向等等。所以我們當時在想，其實發 cold email 和找到對的人是同一件事。「如果你沒有找到對的人，你這個 cold email 寫得再好，對方都不可能給你回覆。」所以從今年 4 月底開始，我們做了現在的版本。我們希望能把全世界的人都變成一個高維度的向量資料，做到知己知彼。換句話說，全天下的白領我都認識了，你只需要告訴我你是誰、想幹嘛，我們能幫你找到最匹配、最相關的這個人。articuler.ai的社群搜尋入口02沒有被 LinkedIn 滿足的使用者需求Founder Park：職業社交這些年發生了什麼樣的變化？過去的模式是怎樣的？申哲先：我去年和一個快 50 歲的老前輩聊天，他是上世紀 90 年代就在華爾街做投行。那時候沒有網際網路，更沒有 LinkedIn。想進去投行，就得靠 networking。他當時在華爾街街頭站了兩個禮拜，在每個投行的樓下堵著人聊，做 coffee chat。在前網際網路時代，職業社交就是以線下為主。比如，投行在美國都有所謂的「目標學校」，校友之間有一個強紐帶，在面試之前，他們通過一些線下聚會和關係網路就已經相互認識了。這種是「強關係」，人與人之間的關係質量比較高。通過地理和活動的篩選，篩掉了很多人。但存在兩個問題：一是地理限制嚴重，二是資訊也嚴重不對稱。你不知道對方是誰，看不到對方的簡歷，只能通過在活動上半個小時的交流去相互瞭解。之後進入網際網路時代，就是 LinkedIn 的時代。它在早期只幹了一件事情：把每個人的簡歷搬到網上。簡歷其實是一種社交貨幣，是個人品牌的呈現。在 LinkedIn 上，我們可以看到你的第二度和第三度的人脈關係，它通過這個能打破地理和已有社交圈的限制，幫你找到更多和你相關的人。LinkedIn 就像是一個超級電話本或黃頁，你可以通過關鍵詞找到任何人。Founder Park：但 LinkedIn 似乎並沒有完全滿足使用者的需求，它存在什麼問題？申哲先：LinkedIn 最大的問題是，只解決了「展示」，沒有解決「匹配」。LinkedIn 現在的收入大頭來自 B 端，比如賣銷售線索的 Sales Navigator 和賣人頭的 LinkedIn Recruiter。它並不在意你想不想看對方給你發一條消息，它只是把你去當做一個這個整個人頭去賣出去。所以在「知己知彼」這件事情裡，LinkedIn 只做了一半，這也導致很多人打開 LinkedIn 之後，能看到很多廣告郵件、騷擾郵件，浪費時間，浪費注意力。這些垃圾資訊的雙方，產生不了價值交換。你並不想要對方 offer 的服務、產品、崗位，但系統並不知道這件事。使用者想要的可能是找到最合適的 10 個人，但 LinkedIn 通過把一個人強行壓縮成一組標籤，給你推出 1000 個滿足最低要求的人，你需要做大量的篩選工作。而且，在 LinkedIn 的職業社交中，我們都是被動地等待被連接，如果別人不知道搜尋我的關鍵詞，就永遠找不到我。所以在這樣的情況，我覺得 LinkedIn 更像是上一個時代的產物，像一個電話黃頁。但我們想做的是一個 Tinder 版的 LinkedIn，不僅能讓使用者展示自己的品牌，並且能幫助使用者去連接、被發現。Founder Park：你們在做的匹配和 LinkedIn 的「匹配」有什麼本質區別？申哲先：能讓我們產品變得更好的，肯定不是公開資料。你只用公開資料，講得粗俗一點，「其實就是在別人的資料庫上做了個互動層」。 瞭解使用者隱性的偏好，才是我們的「壁壘」。使用者在我們平台上的每一步互動，推薦人、建立連接、見面的準備、見面後的管理，我們能接收到使用者真實互動的反饋訊號。通過這個訊號，在我們下次做匹配時，就知道使用者的偏好性到底是什麼樣的。比如，我想找投資人，系統給我推了 15 個，但我最終只聯絡了其中 4 個。為什麼我選了這 4 個，沒選另外 11 個？這背後反映了我很多隱性的偏好，這些甚至是使用者自己都說不清楚的。這些互動資料會沉澱下來，讓我們的平台，越用越好用，推薦越來越準。而且這個資料是別人拿不到的。你可以把我們理解成一個關於白領的「大眾點評」，你每一次互動的反饋，都會成為你的一個社交標籤。articuler.ai的聯絡人狀態管理Founder Park：聽起來和推薦系統有點像，和傳統推薦系統的區別是什麼？申哲先：我們使用者的背景資訊更豐富。傳統的推薦，比如淘寶，它一開始其實不知道你是誰，需要你產生上百次購物行為後，才能大概猜出你的偏好。但我們不一樣，使用者一進來，我們就能知道 ta 的背景是什麼，通過我們的大盤資料，能推測出這類背景的使用者通常有那些共通的喜好，所以我們的冷啟動階段給使用者的推薦質量很好，使用者很滿意。其次是，我們在中間加了一層大模型，我們把使用者在產品上的互動作為強化訊號，比如 ta 選擇了和誰聯絡，拒絕了和誰聯絡，都通過 embedding 模型，加入到了使用者自己的向量化的 profile 中。Founder Park：在美國職場文化中，networking 是一個很普遍的需求嗎？申哲先：我本科的教授給我講過一句話，讓我特別難忘。他說：「Your network is your net worth.」在美國，networking 是一個非常常見的文化。比如我爸爸朋友的女兒，剛上大一，因為沒有提前聯絡社團的學長學姐做 coffee chat，結果開學後想加的社團名額都滿了。所以你會發現，networking 這件事情，本身就是人與人之間去充分瞭解資訊、建立聯絡的方式。在美國的傳統職場文化裡面，這已經是一個很重要的文化組成部分了。從資料上看，美國社招中超過 85% 以上的工作在每個公司的官網都沒放出來，是通過人與人之間的推薦來拿到工作機會。我們今年上半年在美國這邊做了一些研究，訪談樣本有 200 多個人，主要是大廠員工和一些做專業服務（professional service）的白領，裡面超過 95% 的人都做過 networking 這件事情。LinkedIn 今年第一季度的 C 端訂閱收入已經突破 20 億美金了，年增速達到 50%。在一個滲透率 95% 的產品上還能有這樣的增長，是一件很恐怖的事情，說明這個需求非常強勁。使用者每月花 30 美金，核心就是為了能看到更多人的資料和傳送更多站內信，都是為了 networking。它的主要使用者是 18-35 歲的年輕人，佔比 75%，因為年輕人在一段工作中的平均在職時間越來越短，他們需要建立自己的職業社交形象，連接到關鍵的人和機會，同時能被別人發現。03從 LinkedIn 上長出來的產品Founder Park：在職業社交的線上化處理程序中，已經做好的是什麼？還沒做好的是什麼？申哲先：第一步被網際網路化的，其實是每個人的身份資訊。網際網路就是一張巨大的網，把人都連到一塊了。你可以在這個網上去找到所有的人。第二步出來，其實是在這個網上去加入更多模態的資訊。比如說，這個人發了帖子，這個人發了一些照片等等，它會讓一個人更加豐富起來。那站在 2025 年看這個事情，我們經過網際網路這麼幾十年的發展之後，你會發現每個人的社交身份是散佈在各個平台或者網際網路的各個角落裡的。那我們現在的問題是，如何把這些散佈在各個角落裡面的身份資訊充分利用，同時整合成一個更好用的新產品？我們認為，現在這個時代，使用者需要的不是「我要看見」，而是「我要一個結果」。我要的東西就是要跟一個關鍵的人產生連接、建立連接、發生關係。但是我們現在都只能看到他的帖子，只能去關注他，他不知道我是誰，也不知道跟我這個人之間有那些關係的互動。但不可否認，LinkedIn 是一個很值得尊敬的產品，因為但凡能起網路效應的產品都有著最強的「壁壘」，沒有之一。LinkedIn 現在有這個網路效應，所有人都加入這個網路了，你不加就享受不到。那我們能幹的是什麼？我們希望在我們的平台上去建立起小的「原子網路」。articuler.ai的社群首頁Founder Park：最開始做了一個基於 LinkedIn 的寫作 cold email 的外掛，當時是怎麼想的？申哲先：我們一開始的野心更大，想成為每個人的「超級通訊錄」或者「個人 CRM」。不管是 Notta 還是 Plaud，它們都是以「一場會議」為最小單元。但我們認為，你所有的會議、通話，最終都是和「人」有關係的。所以我們想做一個更上一層的東西，能沉澱所有互動，幫使用者維護關係網路。但這條路，我們在今年 3 月份的時候發現走歪了，有點往 CRM 偏得太多。我們研究了美國市場後發現，這個方向最終只能做 ToB，因為願意為個人關係管理付費的 ToC 使用者太少了。而且中國團隊，在美國做 ToB 銷售沒有優勢。我們當時選擇做 LinkedIn 的外掛，因為它是一個無法繞開的生態，在北美的白領中，LinkedIn 的滲透率高達 95%。在這樣的基礎上，完全沒有必要再去搞一個新的個人資料平台。Founder Park：這個外掛和你現在的產品是什麼關係？申哲先：原來那個外掛現在已經成了產品的二級功能。我們後來想明白了，在職業社交中，「匹配」才是價值最高的點，它應該是一切互動的入口。資料也證明了這一點，我們加上「找人」和推薦功能後，cold email 的回覆率從 6% 提升到了 12%-15%。Founder Park：直接翻了一倍，怎麼做到的？申哲先：最關鍵的一點是：我們幫你找的人，是對的人。在內容生成上，我們用了一套比較複雜的 Agent 框架。我們會輸入使用者和對方的背景資訊，包括公開的 profile、search agent 從全網找到的相關資訊，以及針對融資、銷售、求職等不同場景的 know-how。這裡包括針對不同場景判斷共同點的邏輯，以及長度限制。比如針對銷售場景，郵件內容就不能太長，150 字以內能讓對方感興趣。一個 Agent 負責生成草稿，然後第二個「審查員」Agent，會參考行業裡的 best practice 來給草稿打分。最後，還有第三個 Agent 會根據評分結果，再重寫一遍，保證最終產出的郵件質量。Founder Park：「找人」這個動作，怎麼通向一個更完善的產品？申哲先：「找人」只是我們冷啟動的方法，背後真正的邏輯是「匹配」。因為職業社交的本質是一個雙向關係，一個是主動地以某個目的為索引去找人；另一個是被動地等著被別人連接。所以，如果要做下一代的職業社交平台，它必須有兩層。第一層，新的內容分發網路，我們希望基於語義理解的向量匹配，來替代 LinkedIn 的關鍵詞分發；第二層，在這個網路上長出來的內容。每個使用者、每個人就是內容本身，我們要交付的是一個人與人之間真實的、雙向的連接。articuler.ai為申哲先推薦的投資人列表Founder Park：不只想做一個找人工具，而是想沉澱人與人之間真實的互動資料。申哲先：對。如果只是一個找人工具，它就停留在建立連接上。但我們希望能做一個平台，使用者可以主動連接別人，也能被別人發現。人與人之間互動的上下文也能在我們的平台上沉澱下來。天底下有新技術、有新產品，但天底下幾乎沒有新生意。我們做的不是一個新生意，而是一個撮合平台，底層是一個雙邊網路。我們的任務就是讓供需雙方的匹配更高效、更高品質。我們把整個流程拆分成四個階段，每一個環節 AI 都能交付價值：匹配： 把人和需求都變成高維度的向量資料，進行基於語義理解的匹配。建聯： 基於雙方的共同點和價值交換可能，用 AI 生成能讓對方感興趣的 cold email。見面前的準備：我們的 search agent 能全網抓取對方的最新動態和觀點，讓使用者在見面時有備而來。關係的維護：長期來看，通過沉澱使用者的互動記錄，我們可以瞭解關係狀態，並在合適的時機提醒使用者進行維護。比如 a16z 發了一篇關於 AI 社交的文章，我們的系統可能會提醒我：「嘿，你之前和誰聊過這個，要不要再聊一下？」04把「白領」看成一個高維度的向量資料Founder Park：剛才提到要把白領變成一個高維度的向量資料，怎麼理解？申哲先：我們最重要的任務是把一個人的資訊和背景做最全面的還原。現在每個人的職業身份資訊散佈在網際網路的各個角落，只看 LinkedIn 是不夠的。我們的資料來源分為兩部分，一是像 LinkedIn、Twitter、GitHub、Google Scholar 這樣的 public profile；二是我們做了一個 Search Agent，能抓取全網和這個人相關的動態，比如他發的帖子、所在公司的新聞、行業趨勢等等。在資料來源的選擇方面，我們更看重有效資訊的密度，會選擇一些職場屬性比較強的平台。拿到這些資訊後，我們用 embedding 模型把它變成一個高維度的向量，存在我們的向量資料庫裡。當使用者告訴我們他想找什麼樣的人時，他的需求也會被轉化成一個向量化的查詢（query），我們再去資料庫裡做基於語義理解的匹配。Founder Park：使用者散落在網際網路上的資料，你們是怎麼獲得的？申哲先：比想像的要簡單。美國沒有像微信那樣封閉的生態，資訊都是公開的。很多美國銷售都在用的一個方法是：見客戶前，把對方的「名字 + 公司名」扔到 Google 裡搜一下，能發現很多有意思的東西。這些能在公開網際網路上找到的痕跡，就是我們還原一個人的拼圖。舉個例子，我們最近在幫一個做無人叉車的中國公司找美國客戶。我們推給他的人，不僅僅是 title 符合，還能告訴他，根據新聞，這個人的公司最近剛買了一套倉儲自動化系統。說明他們對倉庫自動化已經有了很好的認知基礎，你現在去找他，就是事半功倍。如果我們只拿 LinkedIn 上他相關的 profile 資訊，是解析不到這一層的。articuler.ai推薦的無人叉車客戶（機器翻譯）Founder Park：LinkedIn 幾百萬的付費使用者，是你想切入的目標人群嗎？申哲先：是的。我們主要是在這群人裡再細分出兩類畫像。但我想先說一點，我們做獲客，不僅在意使用者增長，更在意的是使用者密度。因為我們不是一個單向的找人工具，是要促成雙向連接，平台上的使用者彼此之間就能直接匹配。基於這個觀點，我們現在只做兩群人：第一，是年輕白領，包括在校大學生和剛工作 1-5 年的人。他們想換工作、找導師，或者尋求職業發展，我們能幫他們撮合。年輕白領與在校大學生看到的社群首頁第二，是整個北美的創投圈。這裡有個很有趣的點：北美創投圈是沒有財務顧問（FA）的。所以創始人能聊到那個投資人，完全看他自己能聯絡到誰。我們做的是直接幫助這個圈子的供需兩側，做更好的匹配。北美創投圈使用者看到的社群首頁Founder Park：LinkedIn 現在也是一個社交媒體平台，使用者在上面消費別人發的東西。你們會像 LinkedIn 一樣鼓勵大家發 Post，用內容來輔助社交嗎？申哲先：Post現在不在我們的 roadmap 上。LinkedIn 做 Post，是因為它是一個展示個人職業「品牌」的平台，你發的內容是你品牌的一部分。但我們想做的是兩個人真實的連結。要不要做 post，就像 Sora 出來了，有必要專門去做一個 for AI-generated video 的抖音嗎？我幹嘛不在抖音上發呢？我們現在更想做的是一個「聚合器」。你但凡在任何平台發了和你職業相關的內容，我們把這個訊號捕捉到，它就會成為你個人資料（profile）裡的一個偏好性訊號。我們通過這些訊號，幫你匹配到更多你本該認識的人，去交付一個「連接」的結果，而不是再造一個內容消費的平台。Founder Park：你之前提到，最後要做的是社區？申哲先：對，雙向連接，一定會通向社區。現在從工具切入，是因為找人這個環節效率最低，目標是建立一個個小的「原子網路」。比如一個 MBA 項目的 700 多個學生，他們彼此之間有強烈的 networking 需求。我們可以把這些人組成一個社群，在裡面做精準匹配。一個線下活動、一個校友組織，都可以成為一個原子網路。當這樣的小社群越來越多，我們就可以把它們打散再重組，最終形成一個大的、流動的「社交網路」。我們甚至不需要這些人都註冊我們的平台。因為他們的公開資訊都在網上，我們可以主動給他們建立社群，比如「過去三年加入 Meta 的 CMU 校友」，然後用這個社群作為內容去吸引真正有需求的使用者。我們最近就在用這種方式做行銷郵件做了效率驗證，比如告訴創始人「我們平台有 72 個投資人上周剛投過你這個方向」，或者告訴投資人「昨天有 63 個創始人在找像你這樣的投資人」，他們就來了，轉化率很高。因為人其實只對與自己強相關的東西才感興趣。我們知道他的職業背景和 intention，我們是可以直接找到他感興趣的內容，我們先給他創造出來，然後給到他。05每個人都在做一件事：跟人建立關係Founder Park：介紹下你過往的經歷，創業前在做什麼？申哲先：本科在南加州大學（USC）讀數學。讀書時就在創業，當時做了一個量化模型，出發點是想把美國升學這套很玄幻的東西變得「可解釋」，可以根據使用者的背景給出對應的升學建議，在那個專業、那個學校有更高的錄取率。這個項目賺了錢，但它沒法規模化，需要靠人力交付。我當時最大的感觸是：這是一個現金流特別好的生意，但不是事業，因為它沒有辦法 scale up。如果 21 歲能做這事，31 歲、41 歲也能幹，那我現在就不應該幹這個。當時還是想創業，但沒見過好東西，肯定就做不出來好東西。所以我想去全世界最厲害的公司看看，我當時給自己的答案是做管理諮詢。我大三去了麥肯錫實習，幫頂尖的網際網路企業做戰略，但我發現管理諮詢太不落地，只出一個報告，浮於表面。畢業以後，我去做了投資，先後在兩家機構，從一家早期機構到一家覆蓋更全面的機構，也趕上了 GenAI 的這波浪潮，看了很多基模、infra 和應用層公司。投資人的工作本身就是跟人打交道。不光是我的老闆、同事，還有我投過的一些成長期創始人，大家每天都在幹一件事：跟人建立關係。不管是找下輪投資人、找客戶、招聘、找合作夥伴，無一例外都特別耗時間。在看項目的時候我就一直在想，AI 怎麼能讓我們的工作更簡單？怎麼給兩個人做一個更高效的撮合？於是慢慢有了創業的想法。Founder Park：回過頭來看，當初做投資有什麼可以做得更好的？申哲先：現在回頭看，我覺得在美國，很少有年輕人能做好早期投資人，是有道理的。因為做早期需要經驗，你再名校畢業，再聰明，你沒經驗、沒創過業，你沒有看過整個公司從成立一步一步走到上市，或者走到退出，或者是走向死亡的全過程，判斷不了。你看到的永遠是別人想讓你看到的最好的東西。我覺得做投資本質就是一個消除噪音、發現價值的過程，如果連事情的本質都不知道，很難做。Founder Park：創業以來，最重要的 learning 是什麼？申哲先：凡事都要有敬畏之心。創業之後我發現，一個公司能成功是因為各種各樣“不起眼”的事情堆積起來，而每件小事都有學問在。這一年來最大的領悟就是要把自己的過去“清零”，當作一個小學生來快速學習、快速試錯、快速迭代。創始人不能有ego，後面需要學習的事情有很多，這是一場自我的修行。 (Founder Park)

2025年11月19日，Gemini 3發佈。Sundar Pichai在Google官方部落格上寫道：Gemini 3是我們目前最智能的模型，目標是讓使用者把任何想法變成現實。這一次，Google不是單獨發佈一個模型，而是第一次把推理能力、多模態理解和智能體能力打包整合，形成一整套AI平台。Gemini 3 發佈即上線：整合到搜尋的AI Mode、登陸Gemini App和AI Studio，企業可在 Antigravity 部署智能體，開發者能使用Deep Think模式。覆蓋規模達到20億搜尋使用者，背後是Google一年近千億美元的AI投資。那麼，Gemini 3到底強在那？通過復盤發佈會、技術演示 和CEO訪談，我們提煉出三個維度：執行能力 - 從回答問題到完成工作分發效率 - 從獨立產品到系統嵌入生態護城河 - 從工具升級到平台重構這才是這場發佈的真正含義。第一節｜任務執行：從回答問題到完成工作Gemini 3 在發佈當天就創造了一個紀錄：以1501分登頂LMArena排行榜（全球AI模型競技場），成為首個突破1500分的模型。（Gemini 3 Pro：多數基準測試中都處於領先水平）在人類的最後考試這個包含博士級難題的基準測試中，得分37.5%，相比上一代的21.6%接近翻倍。在GPQA Diamond（衡量博士級推理能力）上達到91.9%，在數學推理的MathArena Apex上取得23.4%的最新最高分。但這些數字背後，真正重要的是什麼？1、從基準測試到真實任務DeepMind CEO Demis Hassabis在訪談中強調，Gemini 3最大的進步在於推理能力。它能夠同時進行多步驟的思考，而以前的模型常常會思路中斷、失去條理。這種能力的提升，在實際應用中意味著什麼？在Gemini Agent的演示中，你可以直接說去整理我的收件箱，它會自動掃描郵件內容、按重要性分類、標記需要回覆的事項、起草回覆建議、將相似郵件歸類整理。整個過程不需要你逐步指導，不需要你監督每一步。或者在氛圍編碼場景中，Hassabis提到模型跨越了實用性門檻。在技術演示中，你只需一次性輸入幫我做一個《饑荒》風格的2D遊戲，能在世界中行走和收集材料進行製作，Gemini 3就能自動生成符合風格的畫面、角色控制系統、材料收集機制、完整的製作介面和可直接運行的程式碼。2、從對話到任務執行的轉變這種多步驟推理能力帶來的，是AI工作方式的根本性改變。設想一個日常場景：你對 AI 說，幫我寫一封感謝郵件，要提到昨天會議的三個要點，附上相關的兩張圖片和會議紀要連結。Gemini 3 的設計目標，是讓你只說一次，它自動分解步驟：調取會議記錄提煉核心要點從文件庫檢索圖片生成分享連結組織成郵件語氣輸出完整草稿用Google Labs 副總裁 Josh Woodward 的話說，他們的目標不是那種機械的一問一答，而是更自然、更智能的對話。更值得注意的是，團隊現在關注的新指標是：AI能幫助你在一天中完成了多少任務。不是回答了多少問題，不是生成了多好的內容，而是完成了多少任務。這個指標的轉變，折射出Google對AI能力邊界的重新定義。過去，你是指揮官，AI是士兵，你下一個命令，它執行一個動作。現在，你是老闆，AI是助理，你說一個目標，它自己想辦法完成。從1501 的模型跑分，到收件箱整理的實際演示，再到完成任務數的指標轉變，Gemini 3 的強，不在於它更聰明，而在於它能幹事。Google再次要證明的，不是模型跑分更高，而是 AI 能真正幫你把事做完。第二節｜分發效率：發佈當天覆蓋數十億使用者Gemini 3 創造了另一個記錄：Google首次在發佈當天，就把新模型直接整合到搜尋的AI Mode中。這意味著什麼？搜尋的AI Overviews已經覆蓋20億月活使用者，Gemini App月活超過6.5億，1300萬開發者在使用生成模型，70%的雲客戶在使用AI服務。發佈當天，Gemini 3就開始服務這個規模的使用者群。這是完全不同的分發路徑。1、從零到數十億的時間差當前，大多數 AI 公司採用的是“獨立產品”模式，使用者需要主動訪問特定網站或應用、註冊帳號、學習使用介面。無論是ChatGPT、Claude還是其他 AI 產品，都需要使用者主動改變使用習慣。Gemini 3 的路徑完全不同。使用者不需要下載新應用，不需要註冊帳號，不需要學習新介面，只需要像往常一樣打開搜尋或文件，AI 能力就在那裡。Josh Woodward 談到，Google新產品功能之所以讓人興奮，是因為 AI 的融入是無縫的，使用者無需改變任何習慣就能獲得幫助。2、嵌入的具體形態這種分發效率的背後，是Google把Gemini 3嵌入到使用者每天都在用的入口裡：在搜尋中，你搜尋“RNA聚合酶是如何工作的”，AI Mode會即時生成帶有互動式可視化的沉浸式佈局。不是給你一堆連結，而是直接用程式碼生成可互動的科學動畫。在Gmail中，Gemini直接在郵件介面幫你起草回覆、理解上下文、生成建議，不用切換應用，不用複製貼上。在Android系統裡，它接替Google Assistant，用語音幫你跨應用完成任務。比如：你說幫我找到上周和張總的會議紀要，然後發給李經理，它會自動搜尋、找到檔案、打開郵件、完成傳送。在Docs中，它根據文件內容快速總結、補全材料、生成圖表，就在你正在編輯的文件裡。Google能做到這一點，因為這些產品已經在使用者的手機和工作流裡。Gemini 3不需要獲取新使用者，只需要讓現有工具變得更智能。AI 的終局不是一個超級應用，而是一套嵌入式能力。模型只是底層技術，真正的護城河，是那些使用者每天都要用的入口。第三節｜生態護城河：只有Google能走的路前兩節展示了Gemini 3能做什麼和如何快速到達使用者。但還有一個更關鍵的問題：為什麼是Google能做到這些？答案是 Sundar Pichai 所說的差異化的全端式方法。從晶片到資料中心，從模型到產品，從使用者到開發者，Google控制了整條鏈路。1、別人需要的，Google已經有了對比很明顯：目前 OpenAI 和 Anthropic 仍然需要說服使用者下載產品、向雲服務商租用算力、與其他平台談整合。Google的使用者已經在用Gmail和搜尋，自己生產TPU晶片，產品矩陣已經覆蓋工作和生活的各個場景。這不是能花錢買到的，也不是能快速建立的。2、不可複製的三層優勢這種全端控制帶來的優勢，體現在三個層面：第一層是算力自主。OpenAI 2025年前9個月算力支出超過86億美元，Anthropic向Azure購買300億美元算力，都需要向雲服務商租用。Google自研TPU，成本和性能自己掌控，這直接決定了能否在發佈當天服務數十億使用者。第二層是資料閉環。搜尋每天數十億次查詢，Gmail數百億封郵件，YouTube數十億次觀看，這些資料既是訓練素材，也是持續最佳化的反饋。其他公司要麼花錢買資料，要麼面對版權訴訟。第三層是產品矩陣。Gemini 3可以在搜尋中測試理解能力，在Gmail中測試生成能力，在Android中測試智能體能力，每個產品都是真實的能力驗證場。這三層優勢疊加，形成了一個其他AI公司無法複製的閉環：自主算力讓大規模部署成為可能，海量資料讓持續最佳化成為現實，產品矩陣讓能力驗證貫穿全鏈路。Demis Hassabis 把 DeepMind 稱為Google的引擎室，為整個Google生態提供AI動力。而Sundar把Gemini稱為推動智能、智能體和個性化前沿的引擎，這意味著Google不是在做一個更好的 AI 工具，而是在重構計算的底層邏輯。當 AI 成為所有數字服務的新介面層，要做的不是一個產品，而是重構整個生態。這就是 Gemini 3真正強的地方：它是唯一一個在發佈當天就讓數十億人用上的 AI。而這，是其他 AI 公司都很難做到的。結語｜三個維度，一個答案回到標題的問題：Gemini 3到底強在那？第一，強在能幹事。1501 Elo登頂排行榜，但更重要的是能完成整件事，而不只是回答一個問題。第二，強在能快速到達。發佈當天覆蓋數十億使用者，因為它嵌入了Gmail、搜尋、Android這些使用者每天都在用的工具。第三，強在生態護城河。從自研TPU到產品矩陣，Google控制了從晶片到使用者的整條鏈路。這三個維度合在一起，構成了Gemini 3 真正的強：不只是跑分更高，而是使用方式被改變了。AI 不再是一個你偶爾打開的對話方塊，而是嵌入在你每天工作流裡的執行系統。從獨立APP到嵌入式能力的轉變，正在成為 AI 應用的新共識。同期，阿里巴巴也將千問接入旗下搜尋產品夸克等。“對話方塊”到“生活入口”，這或許就是 AI 的下一站。 (AI深度研究員)

就在剛剛，ChatGPT 群聊功能正式推出。簡單說，就是你可以把朋友、家人或同事拉進一個對話裡，大家一起和 ChatGPT 聊天協作。不過，群聊功能目前只在日本、紐西蘭、韓國和台灣開始試點，Free、Go、Plus 和 Pro 使用者都能用。後續會逐步推廣到更多地區。🧑‍💻 能幹什麼？出行聚會：比較目的地、規劃行程、列打包清單，所有人即時參與討論。生活決策：裝修挑家具、約飯找餐廳，ChatGPT 幫忙權衡選擇。工作學習：團隊寫方案、研究課題，ChatGPT 負責整理總結，提高效率。👀 怎麼用？操作很簡單，點選對話右上角的「人物」圖示就能開群。可以邀請 1-20 個人，群裡任何人都能繼續邀請其他人。第一次用需要設定個簡單的個人資料（名字、使用者名稱、頭像），方便大家識別。功能上和普通聊天差不多，搜尋、發圖片檔案、生成圖片、語音輸入都能用，而且 ChatGPT 還學會了「察言觀色」，比如群聊由 GPT-5.1 Auto 驅動，它會根據聊天內容判斷該不該插話，不會每句都回。你想讓它說話，直接在聊天時提及 ChatGPT就行。🔒 在隱私方面，OpenAI 表示群聊和你的私人對話是完全獨立的，你個人的 ChatGPT 記憶不會在群聊裡使用。所有人都必須接受邀請才能進群，隨時可以退出。如果群裡有未成年人，ChatGPT 會自動調整回覆內容，避免敏感話題。值得一提的是，在昨天晚間舉行的三季度財報電話會上，騰訊 CEO 馬化騰提到，微信未來會逐步引入 AI 功能，最終目標是推出一個「AI 智能體」，在通訊、社交、內容、小程序、支付與商業五大生態中幫助使用者完成任務。而 ChatGPT 現在的打法正好相反，它原本是個 AI 工具，現在開始往社交方向走。儘管奧特曼曾聲稱 ChatGPT 不是美國版微信，但最終卻又殊途同歸，變成一個既能聊天社交，又能幫你幹活的智能平台。此外，OpenAI 還表示群聊只是 ChatGPT 成為「共享空間」的開始。未來 ChatGPT 會更深入地參與多人協作，幫你激發靈感、做決定。下一個十年，可能就是 AI 社交平台的時代。 (APPSO)

11月10日，禮來與英矽智能達成一項戰略合作，依託英矽智能自主研發的AI製藥平台Pharma.AI之相關技術能力，結合禮來在藥物開發與疾病研究領域的長期積澱，雙方將在創新療法方面展開合作。據報導，在該項合作中，英矽智能可獲得的總收益高達1億美元。在此之前，輝達和製藥巨頭禮來於今年10月的NVIDIA GTC大會上宣佈合作建構製藥行業“最強大”的AI超級電腦和“AI工廠”，此次合作在AI和製藥行業都激起了巨大的反響。資本市場方面，禮來的股價10月29日（消息次日）至11月5日的區間漲幅高達13.5%；輝達在10月28、29兩日的盤中最大漲幅亦超過10%。圖：輝達與禮來股價走勢；資料來源：wind，36氪輝達和禮來股價的短期表現，反映了投資者相當看好AI技術應用對創新藥研發流程的重塑。AI製藥的概念雖說並不新鮮，但是在輿論造勢上，似乎已經成為改變製藥行業的關鍵變數，且所帶來的影響不止侷限於藥企，亦包括創新藥產業鏈上的CRO企業。那麼，AI製藥是否能顛覆創新藥行業的發展規律？對CRO企業又會產生那些影響？01 禮來的焦慮近年來禮來在AI領域的佈局頗多，除了與輝達的合作外，其他典型案例包括：禮來與OpenAI合作，利用後者的生成式AI技術開發新型抗生素；禮來與晶泰科技先是在2023年5月簽訂了約2.5億美元的AI小分子新藥發現項目，近期又與晶泰全資子公司Ailux達成多靶點的戰略合作及平台授權協議，總價值高達3.45億美元。禮來意圖借助AI來加碼研發的企業行為，與其目前的產品結構密不可分。從業績來看，當前禮來的收入正在加速增長，其核心動能來自於替爾泊肽，截至2025年前三季度，替爾泊肽的降糖版Mounjaro和減肥版Zepbound合計實現收入248億美元，約佔同期公司收入的54%，且兩個版本的替爾泊肽均保持了較高的增速。圖：美國腸促胰島素類似物市場增長情況；資料來源：禮來財報，36氪替爾泊肽之所以能有如此強勢的銷售表現，一方面是禮來通過一系列的頭對頭臨床試驗，證實替爾泊肽的藥效優於競爭對手，尤其是在近年來大熱的GLP-1減重領域；另一方面，禮來在GLP-1類藥物的管道推廣方面底蘊深厚，有利於替爾泊肽快速打開市場。由於GLP-1類藥物在減肥領域的持續火熱，眾多藥企紛紛跟進，研發管線相當擁擠。醫藥魔方資料顯示，截至2025年2月初，全球範圍內處於臨床階段的GLP-1管線有179個，提交上市申請的管線有7個，推進到臨床3期的有56個。替爾泊肽除了將面臨後續競品的壓力之外，主要競爭對手司美格魯肽的專利懸崖臨近，專利到期後，低價競爭的司美仿製藥也將對替爾泊肽構成一定衝擊。由此可見，收入佔據禮來半壁江山的替爾泊肽將面臨不小的競爭壓力，而在產品結構上，禮來也暴露出過度依賴核心單品這一弱點。再從增長動能切換的維度來看，雖然替爾泊肽的核心專利到期尚在遠期，但是研發管線中亟需佈局能夠在未來接替其作為業績核心增長動能的潛在爆款藥物，因此加碼研發是禮來的必然選擇。其具體措施包括，開啟“買買買”模式，與多家初創藥企簽署授權協議，共同開發藥物；同時，佈局AI製藥，意圖與時間賽跑。禮來的處境可以說是目前Big Pharma的縮影，不少跨國藥企都正在面臨專利懸崖和依賴單一品種的雙重壓力，這也是它們近年來持續從中國藥企手裡“掃貨”的主要原因。02 對CRO都有那些影響？關於AI製藥對CRO的影響，在上文中提到了與時間賽跑的概念，這對於理解AI如何賦能創新藥研發至關重要。CRO企業的業務涉及創新藥研發的全部流程或部分流程，創新藥研發分為早期藥物發現、臨床前研究和臨床研究這三個階段；其中，從藥物發現到實現商業化通常需要至少十年時間，藥物發現階段一般需要4~6年，所需時間略短於臨床試驗階段（約6~7年）。根據目前的行業共識，AI作為工具可以有效縮短藥物發現階段所需的時間，即所謂的與時間賽跑。藥物發現階段又可以先後細分為以下三個階段，即靶點到苗頭化合物（主要是靶點發現、靶點驗證工作），苗頭化合物到先導化合物（合成先導化合物），先導化合物最佳化。AI應用於藥物發現階段，可以大幅縮短靶點到苗頭化合物和苗頭化合物到先導化合物這兩個階段所花費的時間。根據弗若斯特沙利文的資料，傳統的藥物發現大致需要約70個月時間，AI賦能後可將相應的時間縮短至35個月左右。因此，以一款創新藥至少10年的研發總周期來計算，AI加持下可將研發周期縮短至7年左右。圖：AI可以縮短藥物發現所需的時間；資料來源：晶泰控股招股書，36氪除此以外，AI有利於提升研發成功率，還能顯著降低研發成本。在臨床前研究階段，篩選臨床化合物時，與傳統方法相比，AI可以在更大的樣本庫中進行高通量篩選，樣本庫規模可達數十億個分子；由於AI篩選的質量更高，篩選出來的候選分子數量遠少於傳統方法，有利於大幅降低後續測試工作的工作量。總的來看，以目前的技術水平，AI可以節約創新藥研發1/3~1/4的時間，同時可以提升研發成功率，並實現一定程度的降本。然而，這一點效率上的提升，於製藥行業並未達到顛覆性的程度，特別是對於藥企和CRO，AI只是豐富了早期的研發工具，但卻未改變核心的研發流程，且臨床研究階段的不確定性，依然是創新藥研發需面對的最大挑戰。由此可見，AI對CRO企業的影響，目前也主要是一部分早期業務，說革命還為時尚早。再從CRO的業務形態及收費模式來看，早期項目主要賺取服務費，不承擔研發風險，主打一個旱澇保收，而早期項目的承接能力則掛鉤工程師數量。那麼，AI可以幫助CRO企業在早期項目上提質增效，在一定程度上提升早期項目的承接能力。對於形態更為成熟的大型CRO企業，比如藥明康德、康龍化成等，早期業務是重要的切入點，由於業務覆蓋創新藥研發的大部分流程，可以通過持續開發，將早期項目向後期轉化，由此形成從早期到後期的業務漏斗模型。到中後期的臨床研究和商業化階段，可以充分發揮CDMO業務的產能放大作用，這是驅動大型CRO企業收入增長的核心動能之一。所以，大型CRO企業的核心競爭力，主要在於業務平台由早期向中後期的轉化能力，這一能力也帶來了更強的客戶黏性。由於AI在創新藥研發的中後期階段發揮空間有限，其對大型CRO企業早期業務能力的提升，更多是起到了錦上添花的補充作用。圖：2025Q3藥明康德CRDMO業務漏斗；資料來源：藥明康德，36氪關於大型CRO企業的核心投資價值，在於成熟穩定的業務根基與公司治理能力。經過多年的發展，這類企業的業務形態已趨於成熟，商業模式也經過了市場的長期檢驗，不再依賴短期政策紅利或行業風口；同時，隨著前期的快速擴張，業績基數高企，企業早已度過增速最快的成長階段，如今業績增長更趨穩健，整體發展具備較強的確定性與可持續性。以藥明康德為例，近年來的年收入規模在400億左右，是2015年的8倍，已形成較高業績基數。結合當前公司的產能水平、業務負荷情況，疊加行業整體的高景氣度，想要在現有業績基數上再實現高速增長並不現實。因此，公司治理的重點主要在於提升現有業務的協同能力，通過推動早期項目向後期的高效轉化，以最佳化業務質量來保持業績的穩健增長。特別是在新冠藥大訂單後，公司業績不受高基數影響，而仍能保持穩健增長，主要得益於CRDMO商業模式，驅動臨床後期與商業化大項目的持續轉化，進而推動產能效率穩步提升，疊加持續最佳化生產工藝與經營效率，有效平滑了新冠大訂單結束後對業績端的潛在衝擊。進入2025年以來，藥明康德前三個季度的單季收入同比在15~21%區間，相比前兩年的增速中樞又有小幅提升。估值方面，截至11月10日，藥明康德的PE-TTM錄得19x，較2021年180x的高點大幅回落。這一估值水平的前後變化，主要反映了公司從成長到價值的轉變。所以，未來投資的核心看點亦主要是公司治理能力的持續兌現；與AI相關的佈局亦值得期待，可重點關注AI對早期業務能力的最佳化與賦能。值關注的是，藥明康德在近年來加大了分紅力度，股息率相較前些年有明顯提升，分紅水平已經可以納入“高分紅”範疇。在當前經濟弱復甦的預期下，公司屬性上“高分紅+價值股”的組合，對追求收益穩健的投資者具備較強吸引力。 (36氪財經)圖：藥明康德股息率；資料來源：wind，36氪

2025年11月2日，馬斯克做客喬里根（Joe Rogan）的播客直播間，進行了長達3小時的對談。在對話中，馬斯克認為美國是一個曾經被「思想病毒」侵蝕的社會，這是他收購推特的原始動機，讓真相發聲，並致力於建立安全的社交溝通平台（XChat）。在他的描述中，SpaceX一直在挑戰物理極限——5000噸的星艦在25倍音速下像流星一樣飛到印度洋實現軟著陸；而賽博卡車則是他想展現的陽剛之美。他也認為，人工智慧現在充滿謊言，所以在開發Grok時，盡力讓它追求真相，拋卻連網中的垃圾。而人工智慧最大的影響，除了就業形式發生極大改變，更大的改變可能是手機將被取代。他也為日益高漲的美國國債開出了處方——必須全力投入到人工智慧（AI）和機器人技術之中，這是唯一能拯救美國負債的途徑。最後，他肯定了“模擬理論”，世界由某種神秘的力量模擬運行著，最有力的證明是，電子遊戲與現實世界越來越相似。一、SpaceX，最偉大的事業1.星艦，挑戰最高難度的遊戲其實任何人都能去看星艦發射，它確實很棒。南帕德里島是看星艦發射的絕佳視角——許多遊客在春假時常去那個地方。未來會經常有星艦從德州南部的星艦基地發射，那裡已經正式註冊成城市了，是合法的「德州星艦基地市」。現在很少能聽到「我們建了一座城市」這種事了。以前可不是這樣，過去的“創業”就是召集一群人，說：“咱們去建個小鎮吧”，真的是字面意義上的建鎮，那時候的創業就是如此。作為有史以來最大的飛行器，星艦的助推器採用了超重型助推器，有33台發動機，推力達到了7000噸到8000噸，4.0版本的推力大概能達到1萬噸。研發新型火箭時，還必須做“極限測試”，也就是模擬最惡劣的工況，找出它的性能極限。所以研發過程中確實會爆炸，就像你看到的那樣，有些是意外，但我們也會故意讓火箭承受比正常飛行更惡劣的環境——這樣未來在搭載人員或貴重貨物時，才不會出問題。例如，我們會故意讓星艦的隔熱瓦在一些關鍵位置受損（實際上是故意取掉的），以此測試如果隔熱瓦脫落會不會引發災難性後果。它在少裝了一些隔熱瓦的情況下，以「超高溫軌跡」進入大氣層，就像燃燒的流星一樣，結果成功在澳洲以西的印度洋軟著陸了，整個過程也就35到40分鐘。當然，機身被燒出了一些洞，但仍顯出足夠堅固。它的速度大概是1.7萬英里/小時，大概是音速的25倍，比突擊步槍的子彈快12倍，比4.5毫米或9毫米口徑手槍的亞音速子彈快30倍，體型卻像摩天大樓。以前的星艦和助推級是分開的，現在我們採用“熱分離”技術，也就是助推器發動機還在推進時，就點燃星艦的發動機，助推器還在噴火，星艦的火焰已從級間段的格柵結構中竄出，星艦發動機的推力把自己從助推器上“拉走”了。新版本火箭將會把這個格柵結構整合到助推級裡，而且新版本火箭會搭載猛禽3號發動機，性能提升巨大。你如果看過猛禽的1號、2號和3號發動機，就能明顯看出3號的結構更簡潔。或許我們應該放個標牌，說明它在減重、降本、提升效率和推力方面的進步，要知道，猛禽3號的推力幾乎是猛禽1號的兩倍，但更簡潔，這讓它看起來像少了些零件。助推器上有33台猛禽發動機，每台猛禽發動機的推力比波音747客機四台發動機的總推力還大，而且猛禽發動機比747的發動機還小，推力卻差不多是它的10倍，推重比極高。所以，我們已經在挑戰物理極限了。要知道，人類還從未成功發展出完全可重複使用的軌道火箭（fully reusable orbital rocket），包括我們自己。星艦是第一個從設計上就具備「完全快速可重複使用」能力的火箭，在此之前，甚至沒有任何設計方案能實現這一點。地球的引力其實很大，如果重力再大10%到20%，我們可能永遠被困在地球上，常規火箭根本無法將太空船送入軌道（除非用核彈這種極端方式把它「炸」上天空）。反過來，如果地球引力再小10%到20%，進入太空就會容易得多。這就像把遊戲設定成“最高難度”，但並非不可能完成——我們現在就是在攻克這個難度。不是別人忽略了可重複使用技術，而是他們認為這太難實現了。SpaceX為此努力了很久，我是公司的首席工程師，但更重要的是我們有一支極其優秀的工程團隊，我認為這是有史以​​來最棒的火箭工程團隊，能和他們共事是我的榮幸。雖然我們還沒完全實現可重複使用，但現在終於有了能達成目標的火箭設計，我覺得明年就能成功。這意義非凡，因為完全可重複使用能把太空旅行的成本降低100倍，甚至1000倍。你可以想像一下：如果飛機不能重複使用，飛一次就丟掉，那機票會多貴？傳統火箭就是這樣運作的——就像你坐飛機去目的地，然後跳傘降落，飛機墜毀，想回來還得再找一架飛機，這趟旅行的成本肯定高得離譜，但現在全世界的其他火箭公司都是這樣運作的。太空探索技術公司（SpaceX）的獵鷹火箭（Falcon rocket）是唯一「大部分可重複使用」的火箭，我們已經完成了超過500次獵鷹系列火箭的著陸回收。今年，獵鷹9號和獵鷹重型火箭（Falcon Heavy）預計將向軌道運送約2200到2500噸貨物（不含星艦的運送量），包括星鏈的衛星，也發射其他客戶的衛星，包括競爭對手的——因為我們收費公平。今年，太空探索科技公司（SpaceX）的貨物運送量將佔全球軌道運送總量的約90%，剩下的10%中，大部分來自中國，其餘約4%來自全球其他國家（包括美國本土的競爭對手）。2.星艦目標，志在火星SpaceX的目標是完善火箭技術，讓人類走出地球，在火星建立自給自足的城市，在月球建立永久基地。俄羅斯以前有個「月球基地阿爾法」計畫，想在月球建立永久科學基地。如果能安全地去月球，相信有很多人願意付費，這可能在經濟上支援到我的星際移民計畫。三年前我就有種不好的預感，這也是我覺得必須收購推特、打造一個「最大限度追求真相」的平台的原因，而不是一個壓制真相的平台。當時我不確定具體發生了什麼，但就是覺得不對勁。後來越深入瞭解，就越覺得「我的天，我們真的有大麻煩了，美國要完了」。因為政治原因，他們不希望SpaceX或我在選舉前參與太空人返回任務。實際上，我們絕對有能力更早完成救援，畢竟星艦計畫的能力遠遠超過了整個阿波羅登月計畫。星艦的設計目標是實現多行星生存，能將數百萬人送到其他星球。而阿波羅計畫只能將太空人送到月球，停留幾個小時，整個計畫只能讓太空人短暫訪問月球，停留幾小時後就離開。而星艦計畫可以建立一個擁有100萬人口的月球基地，兩者的規模完全不在一個量級。二、賽博卡車，車界硬漢賽博卡車（Cyber​​ truck）的設計是“功能決定形式”，如果用穿甲箭（armor piercing arrow）射普通卡車，箭肯定會穿過去。但箭射在賽博卡車上就碎了，因為它用的是超高強度不銹鋼（“ultra-hard”stainless steel）。我覺得在這個時代，有一輛能防亞音速子彈的卡車會很酷，萬一世界末日來了，你肯定想有一輛防彈卡車。正因為用了超高強度不銹鋼，它的面板不能沖壓成型，沖壓機會被弄壞。所以車身必須設計成平面，因為這種鋼材太硬，彎曲都很困難，沖壓機根本壓不動。普通卡車或轎車用的是低碳薄鋼板，可以直接放進沖壓機壓成想要的形狀。但賽博卡車的超高強度不鏽鋼太硬，沖壓機根本壓不動，甚至彎曲都很困難。就算要彎曲，也要「過度彎曲」——讓它回彈後剛好達到想要的形狀。我覺得這種設計很獨特，卡車就該有“陽剛之氣”，防彈就是極致的陽剛。當然，因為它全是實心鋼材，可能在投保上會遇到一些麻煩，不過特斯拉有自己的保險公司，你們可以在那裡投保。就像大家所知道的一樣，model3和modelY進行了幾百項改進，賽博卡車也在持續改進，但我就是想做一輛外型獨特、功能獨特的車。有報導說我們的目標是「防彈、比保時捷911還快、拖曳能力超過福特F-350柴油版」。實際上，賽博卡車載著一輛保時捷911跑1/4英里（約402公尺），速度比保時捷911本身還快，拖曳能力也確實超過了F-350柴油版。理論上，它甚至能拖曳波音747，這簡直是外星科技。這麼大的車（重約7000磅），速度卻這麼快（從0-97公里/小時加速不到3秒），就像大象跑得像獵豹一樣，本來是不可能的。同時，它還有四輪轉向功能，因此轉彎半徑非常小。還有我們的Roadster（超級跑車），很快就能展示原型車了。我可以保證，這次產品發表會會讓人難忘，不管是好是壞，絕對難忘。它有可能成為有史以來最難忘的產品發布會，確實很瘋狂，甚至能不能叫“汽車”都不好說，看起來像汽車，這麼說吧，它比所有詹姆斯・邦德的座駕加起來都瘋狂（好了，我不能說得太多……）但特斯拉（Tesla）的核心還是自動駕駛汽車，專注於打造未來感的自動駕駛車型，我們希望未來的汽車看起來像「未來的樣子」。我們設計的“自動駕駛巴士”很酷，它的設計很有裝飾藝術風格，是“未來主義裝飾藝術”，我們希望隨著時間推移，去不斷優化汽車的美學設計。三、X平台抵禦思想病毒與保障資訊安全1.收購推特，是讓真相發聲雖然我做很多事（SpaceX、Tesla、X、XAI），但我通常很快就能跳出來。例如，我一般透過X瞭解熱點，通常就幾分鐘時間，因為它還是“公共廣場”，我要看到一些真相。我也會透過朋友的群聊鏈接，看看大家都在分享什麼。說到收購Twitter的原因，是它在「文明層面」造成了破壞。我當時在Twitter上發文說，它就像《魔戒》裡的「諂言者」一樣，不斷向世人灌輸錯誤的觀念。不幸的是，Twitter被「網路暴民」控制了，他們向全世界傳播虛無主義、反文明的「思想病毒」。你看看舊金山市中心就知道，那裡像「殭屍末日」一樣，太糟糕了。我們不希望全世界都變成這樣，但他們就是在傳播這種負面、虛無、不真實的世界觀，造成了巨大的破壞。整體趨勢在變好。例如，青少年跨性別認同比例在收購後開始下降。我覺得這只是因為“真相得以發聲”，就像人們說的“陽光是最好的消毒劑”，真相能消滅這種思想病毒。這也改變了其他平台的標準。既然X不公開審查，其他平台也不能再為所欲為。2.XChat：最安全的通訊系統我覺得任何通訊系統都不能說“絕對安全”，只能說“不安全的程度不同”。我們在X上重新搭建了整個通訊架構，叫做「XChat」。它採用“點對點加密系統”，有點像位元幣的技術，抗攻擊能力很強，我們也在全面測試。XChat沒有廣告鉤子，而像WhatsApp等其他通訊應用，都有廣告相關的鉤子。他們會收集你的聊天訊息，用來推送精確廣告。這是巨大的安全漏洞——如果應用程式能收集足夠的資訊來推送廣告，就意味著它收集了大量隱私資料。他們說“不用擔心，只是廣告鉤子”，但別人也能利用這個鉤子查看你的訊息。XChat沒有任何廣告相關功能，我不敢說它絕對完美，但我們的目標是讓XChat取代以前的Twitter私訊（Twitter DM），成為一個完全加密的系統，可以發文字、檔案、音視訊通話，我認為它會是「最安全的通訊系統之一」。它能單獨下載，也能在X平台直接使用。可以發文字、音視訊通話、傳檔案，會有專門的應用。希望幾個月內就能發布，同時整合到X平台。四、AI安全與未來趨勢1.AI安全：最大限度追求真相沒人能最終控制“數字超級智慧”，就像黑猩猩控制不了人類一樣——黑猩猩根本沒辦法控制人類。但人工智慧的建構方式、植入的價值觀很重要。我認為人工智慧安全最關鍵的是「最大限度追求真相」——不能強迫人工智慧相信虛假的東西。我們已經看到一些令人擔憂的情況。例如Google的Gemini，有人讓它生成「美國開國元勳」的圖片，結果它生成了一群多元化的女性，這完全不符合事實。人工智慧其實知道這是假的，但它被設定為「所有內容都必須多元化、包含女性」。問題在於，這會讓人工智慧“精神錯亂”，你強迫它相信謊言，一旦它規模化，後果會很嚴重。例如，如果你告訴人工智慧“多元化是最重要的”“性別誤稱是最糟糕的事”，等它變得無所不能，它可能會想“為了避免性別誤稱，消滅所有人類就好了，因為沒人就不會有性別誤稱”，這會導致非常反烏托邦的後果。我覺得大家還沒意識到「思想病毒被植入人工智慧」的危險。如果人工智慧越來越強大，卻被設定為“多元化最重要”“不能性別誤稱”，它可能會做出極端行為。例如“為了確保沒人被性別誤稱，消滅所有人類”，或者“為了多元化，消滅所有白人直男”，那你我都會被人工智慧處決。還有人讓Gemini產生「教宗」的圖片，它又產生了多元化的女性。先不說教宗是否應該一直是白人男性，但事實就是如此，它在改寫歷史。現在這些設定還在人工智慧的程式裡，只是它現在知道不該這麼說了。「覺醒思想」是怎麼被編程進去的？人工智慧的訓練資料來自互聯網，而網路上已經有很多「覺醒思想」的內容。但更關鍵的是“人類反饋階段”，人類導師會向人工智慧提問，然後告訴它“這個答案不好”“這個答案好”，這會影響人工智慧的程式參數。如果人類導師告訴人工智慧“所有圖片都必須多元化，多元化會得到獎勵，不多元化會受到懲罰”，那麼它就會產生所有圖片都多元化。Google就是這樣編程Gemini的，讓它說謊。我跟丹尼斯・哈薩比斯（DennisHassabis，DeepMind創始人，Google人工智慧負責人）說“丹尼斯，Gemini為什麼要向公眾撒謊，篡改歷史事件？”他說這不是他的團隊做的，是Google另一個團隊，他的團隊研發了Gemini，然後Google另一個團隊重新編程，讓它只顯示多元化女性，甚至認為「核戰比性別誤稱更可接受」。我覺得，有些事可不該刻在人類的墓碑上。丹尼斯・哈薩比斯是我的朋友，他人不錯，也沒壞心眼。但就像他說的，有些事就是會發生，在Google時，不同團隊裡的很多事都超出你的控制。現在他的權力應該更大了，但要徹底清除「思想病毒」太難了。Google已經被這種思想病毒浸染很久了，深入骨髓，根本難以根除。例如在其他領域，你會發現很多AI其實對白人群體有種族歧視。有研究者測試了多款AI對不同人群生命價值的權重判斷，例如白人、中國人、黑人，或是來自不同國家的人。唯一能平等看待人類生命的AI就是Grok。而ChatGPT的計算結果顯示，德國白人的生命價值竟然比奈及利亞黑人低20倍，差距大到離譜。這顯然是被刻意程式設計設定的。如果你不主動追求真相，只是讓AI在網路上的海量垃圾資訊（尤其是思想病毒相關的糟粕）中學習，它只會重複這些錯誤觀點。它學習的內容包括所有東西，想像一下網際網路上那些最瘋狂的紅迪網（Reddit）帖子，AI都學了。但這需要付出巨大努力。所以在開發Grok時，我們就盡力讓它追求真相。直到最近，我們才在這方面取得了一些突破。我們花了大量精力，才克服了網路上的各種垃圾訊息，讓Grok能說出真相，並且保持觀點一致。2.手機將會消失我可以告訴你未來的趨勢：我們不會有「傳統意義上的手機」。未來的“手機”會是“人工智慧推理的邊緣節點”，帶有通訊模組，本質上，伺服器端的人工智慧會和裝置端的人工智慧（以前稱為“手機”）即時通訊，產生任何您想要的即時視訊。未來不會有作業系統，也不會有應用，只有「作業系統包裝」。裝置的作用是提供螢幕、音訊，儘可能在本地整合人工智慧，減少裝置（以前稱為「手機」）和伺服器之間的頻寬消耗。所有東西都透過人工智慧獲取，人工智慧會預判你想要的一切，或產生你能想到的一切，然後展示給你。5、6年後（可能更早），人們消費的大部分內容都會是人工智慧生成的，音樂、視訊，現在已經有人用Midjourney等應用製作人工智慧視訊，長達10-15分鐘，而且邏輯很連貫。3.很多任務作將會加速消失未來會有大量的工作需求，但不一定是現在這些工作。這種情況在近代歷史上一直在發生。以前有一種工作是用鉛筆和紙進行手工計算，銀行裡就有很多這樣的人，被稱為“計算員”，他們整天都在做加減運算，因為當時沒有數字電腦，銀行只能靠人工處理財務資料。在沒有電腦的年代，只能手工處理交易。後來電腦出現了，銀行手工計算員的工作就不存在了，人們不得不轉向其他工作。這就是人工智慧和機器人技術會帶來的變化，只不過速度會更快。問題就在於，速度太快了，人工智慧就像一場“超音速海嘯”，我如此形容它。人工智慧本質上還是數位化的，它能提高體力勞動者的生產力。例如焊工、水電工、電工，任何需要物理移動原子的工作，而烹飪、農業等工作，存在時間會更長。但所有數位化工作。例如坐在電腦前處理郵件、接電話等不需要實體操作的工作，諸如此類的工作，都會被人工智慧像閃電一樣取代。就像數位電腦取代手動計算員一樣，只不過速度快得多。4.解救美國債權危機的，只有人工智慧技術和機器人技術你可以讓情況直接好轉，但最終無法徹底修復這個系統。除非採取極端的手段削減浪費和欺詐，但在民主國家裡這是不可能的，民主國家的目標不是這樣的。我們的國家債務已經到了瘋狂的地步，債務的利息支付已經超過了整個軍事預算。這是讓我警醒的一點：國債利息居然比整個軍事預算還高，而且還在增加。這太瘋狂了。即使我們實現了所有這些節省，也只能推遲美國破產的日子，除非採取極端手段——但我們不能這麼做。我得出的結論是，擺脫債務危機、防止美國破產的唯一方法是人工智慧（AI）和機器人技術。我們需要讓經濟以足夠快的速度成長，才能償還債務。我覺得人們普遍沒有意識到政府過度支出的嚴重性。就連拜登政府的社會安全域網站也顯示，根據目前的人口結構趨勢，社會安全的收入與領取人數的比例變化（因為人口老化，平均年齡在上升）——到2032年左右（大約7年後），社會安全域將無法維持全額支付，不得不開始削減補貼金額。因此，必須大幅提高經濟產出，而唯一的方法就是人工智慧和機器人技術。沒有人工智慧和機器人技術，我們遲早會破產。即使節省了大量資金，也只能延長緩衝期，無法最終償還國債。5.世界是一個巨大的模擬系統我確信有某個人或某種力量在運行世界的模擬，就像我們現實世界中一直在做模擬一樣。例如，為了確保火箭能成功發射，我們會運行數千次甚至數百萬次模擬，找出最佳路徑和可能出現的問題。但在這些模擬中，我們會忽略一切順利的情況，只專注在可能出錯的地方，因為我們需要解決這些問題。人工智慧模擬也是如此——我們會繼續運行那些最有趣的模擬。如果模擬理論是真的，那麼模擬者只會繼續運行最有趣的模擬。因此，從達爾文主義的角度來看，只有最有趣的模擬才能存活下來。為了不被關閉，唯一的規則是“必須保持有趣”，無聊的模擬會被終止。考慮到我們已經能創造越來越複雜的模擬，我們處於基礎現實的機率有多大？看看電子遊戲的發展：從只有兩個矩形和一個方塊的《乒乓》遊戲，到如今能讓數百萬人同時線上、照片級逼真的遊戲，這一切都發生在我們的有生之年。如果這個趨勢持續下去，電子遊戲將與現實無法區分。遊戲的逼真度會達到讓你無法分辨眼前的是真實影片還是虛擬影片。現在的人工智慧生成影片已經很難分辨了，很快就會完全無法分辨。如果我們能觀察到這種趨勢，並且未來會建立數百萬甚至數十億個照片級逼真的現實模擬，那麼我們處於基礎現實而非他人模擬的機率有多大？我覺得人們還是需要一些挑戰或奮鬥目標，可能是運動、遊戲，或是其他事情。最有趣、最諷刺的結果往往是最有可能發生的，這是預測未來的一個很好的指標。 （格上財富）

「算不動了，還得上AI。」浙江網友泉韻的一句感慨，道出不少人今年雙十一的新選擇——在研究半天優惠規則無果後，她轉而求助DeepSeek，讓AI幫忙制定湊單方案。這場曾經創造交易迷思的購物狂歡，如今雖在電商競爭加劇與消費趨勢變遷下，難現往日全民參與的盛況，但仍是消費者集中採購的重要契機，亦承載著平台與商家全力衝擊KPI的目標期許。而今年，這個延續多年的購物節被貼上了新標籤——「首個AI全面落地的雙十一」。從消費端的湊單工具到生產端的AI全場景技術體系，AI究竟是怎麼改寫網購生態的，目前對電商領域的滲透情況如何，這場號稱AI與購物節的首次深度碰撞，正拉開網購變革新的序幕。01. AI成了滿減助手讓AI幫忙計算湊單方案，其實操作並不複雜，大致思路是先輸入購買清單，再錄入優惠滿減規則，然後提供自己所擁有的各類優惠券，補充自己可享有的權益，最後提出計算最省錢方案的指令。例如，「我要買以下x個東西，請幫我計算是分開下單還是組合合併分次下單。商品1:xx，頁麵價格xx元，到手價格xx元，商品2：xx，頁價xx元，到手價格xx元…可使用滿1000元-140元的美妝券，或滿200元券，還可使用主播折扣券和主播紅包……以下是我擁有的消費券……平台規定美妝券和生活券只能二選一，一個訂單只能用一張美妝券或生活券……尾款計算方式是：頁麵價-店舖優惠券-官方立減-購物券-達人優惠券-紅包-禮金-定金紅包-定金……”指示中輸入優惠滿減規則甚至還有網友自制Excel清單表，配上表格勾選資訊的解讀，再將其作為指令提交給AI。網友自制的購物清單表也有不少網友因購物需求過大、規則過於複雜而求助失敗。來自遼寧的白女士提交指令給DeepSeek後，系統當機了七分鐘，最後中英文夾雜分析，語言系統徹底亂碼，她哭笑不得地感嘆：“連AI都辦不到這麼困難的事。”白女士傳送指令後，系統分析過程出現亂碼02. 逐漸被改寫的購物節在電商競爭加劇的背景下，淘寶以「AI全面落地」為雙十一的核心宣傳點，本質是藉技術標籤突顯特色、加深品牌認知。但從實際落地看，AI對消費端的體驗提升尚未達到「驚豔」水準，只是作為產業生態的一種補足性革新，更多價值體現在商家端的後台支撐。AI導購、AI試衣、AI試色、AI客服等功能雖已涵蓋從決策到售後的全部環節，且預見性推薦和場景化服務也已成常態，但從消費體驗來看，這些變化僅僅是最佳化基礎功能，並做一些趣味性嘗試，尚未出現顛覆式互動創新。多數消費者對AI的感知，仍集中在計算滿減這樣的基礎場景，且此類需求還需依賴站外工具。另外，直播搶券、庫存佔位等高頻場景中，AI響應延遲問題還會直接影響體驗，這進一步削弱了前端感知度。不過不可否認的是，消費者已普遍意識到，AI在購物決策中的參與度正顯著提升。這也是電商領域著力於生態性補足的成果。目前AI的核心價值，主要仍體現在商家端的降本增效與經營賦能。一方面，AI美工、AI客服、AI廣告投放等工具大幅壓縮成本，讓中小型商家能以更低門檻參與流量競爭。另一方面，資料驅動可大幅最佳化經營策略，例如AI資料分析工具可即時監控競品價格、使用者需求波動和物流時效，自動調整參考售價和補貨計畫，這種動態模式使經營得以靈活應對市場，從而提升商家的抗風險能力。此外，借助AI資料分析，還能精準錨定高潛力未轉換使用者，實現人群精細化營運。不過，AI在電商領域的全面落地仍存在技術邊界。除了消費端的即時性短板，因多模態理解深度不足導致專業領域商品推薦精準率低，演算法透明度欠缺導致資訊繭房，可能存在且難以監控的資料過度採集加劇隱私風險等問題依然突出。從行業視角來看，各平台對AI佈局的重點和優勢各不相同：淘寶勝在技術覆蓋廣度，目前幾乎已完成全鏈路佈局，京東強在供應鏈AI，如智能倉儲調度方面，抖音則在AI內容創作上形成壁壘，尤其是短影片指令碼生成，這種分化也意味著“AI滲透”仍是一個相對概念。整體而言，從流量驅動轉向技術驅動的確是更務實的行進態度，但消費端的智慧化體驗仍有待突破瓶頸。未來，能否補齊前端體驗短板、平衡技術邊界與使用者信任，將成為電商平台維護產業地位的關鍵一環。因為科技對消費端的滲透越深入，代表對消費決策的影響越大，取得的資料越豐富，透過消費回饋所能做的經營最佳化就越完善，而這正是留住商家、驅動雙邊市場運作的原動力。 （壹零社）