未來十年，那些產業有可能會迎來真正的增長？倘若你對技術、經濟或者職業方向滿懷興趣，興許會心生好奇：在未來的十年當中，那些領域能夠切切實實地實現增長呢？答案隱匿於這四股力量之中——包括人口老齡化，能源轉型，人工智慧的滲透以及全球供應鏈的重構。它們共同促使著六個大方向向前邁進，除此之外，還有幾個疾速飛奔的小賽道。每個賽道方向本文僅關注三個核心問題：具體涵蓋那些領域（核心賽道），增長背後的硬驅動是什麼（驅動因素），實際的機會落腳點在那裡（主要機會）。下面逐一梳理，只說事實和邏輯。在面向2036年時，這六大具備高潛力的賽道，以及諸多新興領域，將會共同建構起未來十年的經濟全新圖景。不管是由技術驅動的算力革命和能源轉型，還是因社會結構變遷而催生的銀髮經濟與孤獨消費，全都指向一個更為智能、更為綠色、更為人性化中的時代。對於個體而言，關鍵並不在於去追逐所有的風口，而是在於精準找到自身資源與行業拐點的相契合之處，抑或是深耕於技術壁壘所在，或是精心打磨服務細節方面，又或是在產業鏈的縫隙裡發現價值。已經到來的是未來，唯一不變的是變化，只有順著形勢去做，並且早早佔據關鍵位置，才能夠在新的一輪增長的浪潮當中獲得一個立足的地方。 (TOP行業報告)

“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)

2026 年開年，AI 把資本市場嚇壞了。不是 AI 不行，是 AI 太行了。行到每發一個新產品，就有一個行業的股票崩盤。比如整個 2 月份，Claude 的母公司 Anthropic 密集更新了四次 AI 產品。AI 能自動跑企業工作流了，SaaS 軟體股崩了；AI 能自動掃描程式碼漏洞了，網路安全股崩了；AI 能幫銀行改寫上世紀的老程式碼了，IBM 單日暴跌 13%，市值一天蒸發 310 億美元，創下 2000 年網際網路泡沫以來的紀錄。一個月，幾個行業，逐個點名。恐慌是會傳染的。線上教育平台多鄰國，去年 5 月股價還在 544 美元的歷史高點，到今年 2 月底跌到了 85 美元以下，蒸發了超過 80%。iShares 軟體 ETF 年初至今跌了 22%，距高點跌了 30%...有交易員對 Bloomberg 說，軟體股一直在被拋售，一個“AI 將顛覆 XX”的媒體標題就能觸發一場小型閃崩。錢從這些公司手裡跑出來了，但總得有個去處。順著 AI 投，是一條路，比如買輝達，買算力，買基礎設施... 但這條路已經很擠了，而且越來越貴。有人開始想另一個問題：有沒有一種公司，是 AI 怎麼進化都殺不死的？HALO，打響反 AI 焦慮第一槍2 月初，一個叫 Josh Brown 的人在自己部落格上寫了篇文章。這人是美國某資管公司的 CEO，也是 CNBC 的常客，算是財經圈的網紅。他在文章裡造了一個詞：HALO。Heavy Assets，Low Obsolescence. 即重資產，低淘汰風險。意思很簡單，去買那些 AI 怎麼進化都幹不掉的公司。同時這位老哥也給了很簡單的識別方法，HALO 股票的檢驗標準就一個：“你能不能在輸入框裡打幾個字就把這家公司的產品做出來？如果不能，這就是 HALO 股。”他舉了個例子。Delta 航空和 Expedia，都算旅遊行業。今年 Delta 漲了 8.3%，Expedia 跌了 6%。區別在那？AI 能幫你找到最便宜的機票，但你還是得坐上飛機。Delta 有飛機，Expedia 只有搜尋框。同時他表示，這是他見過的最簡單的投資邏輯。過去 15 年，華爾街最愛輕資產。軟體公司沒有工廠，沒有庫存，程式碼複製成本是零，利潤率高得嚇人。但現在 AI 來了，而 AI 最擅長替代的，恰恰就是這些靠程式碼和資訊差賺錢的公司。風水輪流轉，輪到“重”的值錢了。HALO 出現後的幾周之內，高盛發了一份正式研報，標題就叫《The HALO Effect》；裡面的資料顯示，從 2025 年初到現在，高盛持倉的“重資產”股票組合，收益率跑贏“輕資產”組合 35%。緊接著，摩根士丹利的交易台開始用 HALO 給客戶推薦標的；巴克萊、美銀的研究筆記裡也出現了這個詞。Axios、華爾街日報、CNBC 集中報導 ...一個博主隨手造的詞，變成了 2026 年華爾街最大的交易主題。這說明啥？不是 Brown 有多厲害，是大家真的慌了。慌到需要一個詞來告訴自己：別怕，AI 顛覆了很多東西，但還有一類公司是安全的。世界是一個巨大的重資產你以為 HALO 只是一個敘事嗎？資本市場其實已經開始投票了。2026 年開年到 2 月底，標普 500 的能源類股漲了超過 23%，材料漲了 16%，消費必需品漲了 15%，工業漲了 13%。同一時間，資訊技術類股跌了將近 4%，金融跌了將近 5%。與此同時，美股科技七巨頭集體啞火。Alphabet、亞馬遜、蘋果、Meta、微軟、輝達、特斯拉，只有兩家年內是漲的。投資者的擔心是這些公司每年燒幾千億美元建算力，到底能不能回本。漲的具體都是些什麼公司呢？麥當勞，沃爾瑪，埃克森美孚...賣漢堡的，開超市的，煉石油的。AI 能寫詩能程式設計能打官司，但它炸不了薯條，也挖不了石油。百威啤酒，也從去年至今漲了 48%，畢竟，你不能把 AI 喝到肚子裡去。所以，HALO 代表的， 是 AI 焦慮下資本市場估值邏輯的一次翻轉。這種翻轉上一次發生，還是 2000 年。當年也是一樣，投資者從科技股裡瘋狂出逃，湧向能源、工業、消費這些"無聊"的類股。納斯達克從 2000 年跌到 2002 年，蒸發了將近 80%，同期標普能源類股漲了將近 30%。但有一個關鍵區別。網際網路泡沫是因為網際網路不賺錢，故事講不下去了。這一次情況有點不同：AI 太能幹了，能幹到讓人害怕。AI 技術過於失敗不會引發恐慌，現在是技術成功引發的恐慌。這在資本市場的歷史上幾乎沒有先例。更諷刺的是，AI 公司自己也在變重。高盛在報告裡專門提到，過去幾年最信奉輕資產模式的公司，正在變成歷史上最大的資本支出者。五大科技巨頭從 2023 到 2026 年的資本開支預計達到 1.5 兆美元，其中 2026 年一年就超過 4500 億，比它們在 AI 時代之前的全部歷史投入加起來還多。圖源：財經這些錢花在那了？資料中心、晶片、電纜、冷卻系統、發電設施。全是物理世界裡又重又貴的東西。所以你會看到一個荒誕的畫面：AI 把別人的輕資產模式打碎了，然後自己變成了重資產。那些聲稱要顛覆舊世界的公司，最終發現自己需要的東西和舊世界一模一樣，廠房、電力、管道...華爾街追了 15 年的“輕”，最後發現連 AI 自己都逃不開“重”。美國往麥當勞躲，中國用千問點單同一時間，對岸的我們，給出了一個完全相反的答案。Bloomberg 在 2 月下旬發了一篇報導，標題大意是：中國市場正在反抗全球的 AI 恐慌交易。文章裡有一句總結我覺得很精闢：美國市場盯著 AI 能奪走什麼，中國市場盯著 AI 能幫到什麼。同一個技術，兩種完全相反的情緒。美國投資者在發明 HALO 一詞並往麥當勞和沃爾瑪裡躲的時候，中國投資者在搶 AI 應用股。摩根大通今年 2 月給 MiniMax 和智譜都給了買入評級，高盛同期給壁仞科技和沐曦積體電路開了新的買入推薦；美銀的分析師表示，AI Agent 及其商業化，可能是 2026 年中國市場最大的投資主題。騰訊、阿里這些公司，沒有人擔心它們會被 AI 殺死，大家關心的是它們能不能用 AI 賺更多錢。高盛在 1 月的報告裡說騰訊是中國網際網路領域 AI 應用最大的受益者，遊戲、廣告、金融科技、雲，每條業務線都在被 AI 加速。為什麼同一波浪潮，兩邊反應完全相反？美國科技股過去十幾年漲得太貴了，貴到 AI 稍微動一下它們的利潤率，估值就撐不住。而中國科技股剛從兩三年的低谷裡爬出來，本身就便宜，AI 對它們來說是增量不是威脅。但光說股價解釋不了全部，更大的差別在土壤。就在 HALO 敘事在美股盛行的同時，中國剛過完一個史上 AI 含量最高的春節：火山引擎拿下央視春晚獨家 AI 雲合作夥伴，豆包達成央視春晚獨家合作；千問包攬東方、浙江、江蘇、河南四大衛視春晚冠名，騰訊元寶撒 10 億紅包，百度文心撒 5 億。阿里更狠，30 億「春節請客計畫」，千問幫你點奶茶，3 小時送出 100 萬單...圖源：新浪新聞 | 圖數室四家大廠，春節 AI 行銷費用加起來超過 45 億元。十年前，這個位置上站著的是微信和支付寶在春晚搶紅包。現在換成了豆包和千問。AI 公司不是把春晚當廣告位，是把春晚當 AI 進入大眾市場的科普舞台。同樣一把火，燒在乾柴上是災難，點在濕柴上是取暖。同一個 AI 浪潮，美國資本在逃離被 AI 顛覆的公司，湧入“AI 殺不死”的公司；中國資本在追逐能用好 AI 的公司。一邊在追，一邊在逃，筆者覺得逃的那邊，有點定價過頭了。現在的局面是，AI 的能力被合理定價了，但 AI 的破壞力被過度定價了。資金湧入 HALO 股票，是在想像 AI 會殺死誰，然後提前跑。跑去了麥當勞、百威啤酒和沃爾瑪等等，這些公司當然不錯，但它們今年漲的那部分裡，有多少是業績，有多少是恐懼的溢價？華爾街的鐘擺，從來都是矯枉過正的。2000 年覺得一切 .com 都值錢，2002 年覺得一切 .com 都是騙局。現在覺得啤酒和拖拉機也能抵禦 AI。等這個共識足夠擁擠的時候，下一次矯枉過正也就不遠了。至於我自己，是這麼看的：AI 確實在變強，這個沒什麼好爭的。但「變強」和「殺死一個行業」之間的距離，比大多數人以為的要遠得多。每一次技術革命都有同樣的劇本：先是恐慌，然後是過度逃離，最後發現被逃離的那些東西並沒有死，反而因為恐慌變便宜了。網際網路沒有殺死沃爾瑪，沃爾瑪學會了電商。移動支付沒有殺死銀行，銀行學會了做 App。真正會被 AI 殺死的，是那些本來就不該存在的公司 --- 產品沒有壁壘，增長全靠融資，活著全靠資訊差。這些公司不需要 AI 來殺，經濟周期也會殺。所以，問題或許從來不是「AI 會不會顛覆世界」，我們每個人都得問問自己：你投的那家公司，有沒有能力把 AI 變成自己的武器，而不是自己的訃告。能回答這個問題的人，不需要 HALO。 (深潮 TechFlow)

當AI產品變得更容易複製，市場開始重新給電網、管道、基礎設施與長期產能這類“難以複製的實體資產”定價。2月24日，高盛全球投資研究部發佈最新報告《HALO影響力：AI領域的重資產、低淘汰》（The HALO effect: Heavy Assets, Low Obsolescence in the AI era）提出：在更高實際利率、地緣政治碎片化、供應鏈重構與AI資本開支浪潮疊加上下，股市的核心定價邏輯正在從“可擴張的輕資產敘事”，轉向“可建造、難替代的實體產能與網路”。高盛把這種變化概括為“稀缺性重新定價”。“更高的實際收益率、地緣政治碎片化和供應鏈重構，正把股票領導權拉回到有形的生產性資產。市場正在獎勵產能、網路、基礎設施和工程複雜度——這些資產複製成本高，也更不容易被技術淘汰。”什麼是HALO？高盛將這類公司稱為HALO，它指的是“重資產”與“低過時”的結合體，即Heavy Assets, Low Obsolescence。重資產（Heavy Assets）： 商業模式建立在龐大的實物資本基礎之上，具有很高的複製壁壘——如成本、監管、建設時間、工程複雜性或網路整合難度。低淘汰率（Low Obsolescence）： 這些資產的經濟相關性能夠穿越技術周期而持久存在。典型例子包括輸電網、油氣管道、公用事業、交通基礎設施、關鍵裝置，以及更換周期相對於數字創新更為緩慢的各種工業產能類別。這類資產很難被憑空創造。在數位技術日新月異的今天，這類實物資產的替換周期極其緩慢。技術創新無法輕易替代一條跨國輸油管道，也無法用程式碼取代一張龐大的國家電網。高盛觀測到，當下企業正在決定性地重返實體資產。產能、基礎設施和長周期資產正在迎來史無前例的價值回歸。AI時代，輕資產神話為何在終結？過去十餘年，全球金融危機後的零利率和充裕流動性，造就了以可擴展性而非實物資本為核心的商業模式。科技股和輕資產行業享受了極高的估值溢價。但這種平衡已經被打破。人工智慧的快速崛起，正對全球股市施加一股強大的“雙重壓力”。首先，AI正在顛覆過去十年佔據主導地位的“新經濟”模式，讓部分輕資產行業的“利潤率與終值”變得更不確定。高盛直言：“AI革命正在對軟體和IT服務的利潤率及終端價值提出質疑。”報告點名軟體、IT服務、出版、遊戲、物流平台，甚至資產管理行業，稱它們的護城河正在被重新評估。高盛的表達很直白：“軟體與IT服務近期大幅去估值，並非因為短期盈利崩塌，而是市場在重定價終值與利潤率耐久性——歷史性的高盈利能力被認為更容易遭到競爭侵蝕。”換句話說，AI降低資訊處理成本，也壓縮差異化，市場開始更謹慎地給遠期現金流打分。其次，AI正在重塑資本支出的格局。高盛指出：“AI同時正在將一些最具標誌性的‘輕資產’贏家，轉變為歷史上最大的資本支出者。”為了在基礎大模型和算力競賽中保持領先，美國五大科技巨頭開啟了史無前例的投資周期。資料顯示，自2022年ChatGPT發佈以來，這些巨頭在2023至2026年間的資本支出（Capex）將高達約1.5兆美元。相比之下，它們在2022年之前的整個發展歷史中，總共才投入了約6000億美元。更具衝擊力的是，僅在2026年單年，這些巨頭的資本支出就有望超過6500億美元。這意味著單單一年的投入，就將超越它們在AI時代來臨前的歷史總和。這是科技史上最龐大、最迅猛的資本支出周期。這意味著兩件事：其一，“算力基礎設施”本身是一種典型的實體資產周期；其二，AI並未讓世界更輕，反而讓更多產業鏈受益於“能建設、能供給、能交付”的能力。當科技巨頭變成了“重資產”的基建狂魔，市場對“輕資產”優越性的信仰自然隨之動搖。市場正在真金白銀地獎勵HALO投資者的嗅覺是敏銳的。高盛建構的“重資產組合”（GSSTCAPI）與“輕資產組合”（GSSTCAPL）的表現差異，給出了最直觀的市場答案。資料表明，資產密集度已經成為驅動估值和回報的核心要素。高盛在報告中揭示：“自2025年以來，我們新的重資產組合（GSSTCAPI）已經跑贏輕資產組合（GSSTCAPL）達35%。”這種跑贏不僅僅是股價的相對波動，更是估值邏輯的收斂。在2020年代初期，由於市場將許多舊經濟公司視為“結構性價值陷阱”，歐洲成長股的估值一度是價值股的兩倍多，溢價率高達150%。但如今，重資產與輕資產之間的估值鴻溝已經急劇縮小。更值得投資者注意的是估值收斂的方式。高盛指出，兩者的估值目前幾乎處於同一水平，但這種趨同“更多是由重資產公司的估值重估驅動的，而不是輕資產公司的全面估值下調。”除了部分直接暴露於AI顛覆風險的軟體等輕資產類股出現疲軟外，整體市場的演變路徑是：重資產企業主動拔高了估值，去迎合了輕資產同行的估值水平。這說明市場資金正在主動為實體經濟資產的彈性和戰略價值支付溢價。如何定義“重資產”？六大核心指標的審視為了穿透傳統的行業分類，精準定位那些真正依賴實體資本的標的，高盛摒棄了單一指標，轉而建構了一個包含六項指標的綜合“資本密集度得分”體系。這一套體系深刻反映了市場審視資產質量的新視角。有形資產密集度（淨實體營運資產/銷售額）：數值越高，意味著產生每1美元收入所需的實體底座越沉重。固定資產密集度（廠房裝置/銷售額）：反映了企業對實體磚瓦的依賴程度。固定資產份額（廠房裝置/總資產）：揭示了公司資產負債表中有多少資金被“鎖”在了長期實體資產中。資本-勞動力比率（有形資產/員工數）：區分了業務是由機器驅動還是由人海戰術驅動。資本支出密集度（Capex/銷售額）：衡量了維持或擴張業務每年需要抽血的比例。資本支出負擔（Capex/EBITDA）：展現了經營現金利潤被資產維護吞噬的程度。通過這六大維度的掃描，高盛將企業分為了截然不同的陣營。公用事業、基礎資源、能源和電信毫無懸念地穩居重資產陣營。這些行業被嚴格監管、固定資本要求極高且資產壽命極長。相反，軟體、IT服務、網際網路和媒體等平台企業，被牢牢釘在了輕資產、人力資本密集的分類中。有趣的是市場中的“中間地帶”。高盛發現，汽車和航空顯然是重資產；但由於品牌資產、生產工藝訣竅以及對工藝的長期投資，奢侈品和飲料同樣落入了“低過時”的優質資產類別。相比之下，消費者服務、博彩和大多數零售商則屬於結構性的輕資產，其經濟命脈在於勞動力和行銷，而非物理資本。宏觀東風與業績動能的共振為什麼重資產在當下這個節點爆發？答案在於宏觀經濟指標與企業基本面的雙重共振。在利率端，重資產股票在較高利率時期往往表現出色。因為高收益率會無情地壓縮長久期、輕資產成長型企業的估值。而與有形產能掛鉤的重資產部門，反而能從更強勁的名義經濟活動和政府財政支出中獲益。高盛提到，如今的政策組合正在引導資本流向實體資產，“這為資本密集型企業創造了結構性的順風。”在宏觀周期端，製造業與服務業的博弈是關鍵風向標。重資產類股的命運與工業生產、資本開支周期緊密相連。高盛觀察到，隨著製造業PMI（特別是未來業務預期部分）回升並超越服務業PMI，宏觀背景再次向重資產行業傾斜。而在決定股市長遠表現的盈利端，基本面的天平也已發生傾斜。過去一個周期，輕資產企業憑藉持續高增的盈利享受了長期的估值溢價。但進入2025年後，儘管重資產企業短期盈利遭遇了關稅等貿易摩擦因素的擾動（作為大宗商品生產者和出口導向型企業，其受關稅影響遠大於服務業），但剝離短期噪音後，趨勢已然清晰。高盛強調：“重資產公司的盈利動能最近已經轉正，共識預期正在上調；而輕資產公司的盈利預期則遭到下調。”前瞻地看，分析師共識預期未來幾年重資產組合的EPS復合年增長率（CAGR）將達到14%，而輕資產組合僅為10%。更致命的是，長期支撐輕資產高估值的核心指標——淨資產收益率（ROE）——正在顯露疲態。市場目前預計輕資產公司的ROE將保持平緩，而重資產公司的ROE則有望持續改善。資金擁擠度：向重資產的輪動才剛剛開始既然邏輯如此清晰，估值已經收斂，這波重資產的行情是否已經走到了盡頭？從資金博弈的角度來看，遠未結束。近期的重資產領漲，與市場資金極度渴望擺脫擁擠且昂貴的“美國科技股”倉位密切相關。過去12個月，歐洲價值型基金迎來了3%的資金淨流入，而成長型基金則遭遇了9%的淨流出。但高盛一針見血地指出，儘管短期輪動劇烈，長線資金的倉位依然非常薄弱：“歐洲價值型基金相較於成長型基金的累計資金淨流出仍徘徊在資產管理規模的-40%左右。”這意味著，全球投資者對價值股（重資產的集中地）依然處於嚴重低配狀態。基於這一巨大的頭寸落差，重資產股繼續跑贏輕資產股的結構性邏輯依然堅如磐石。在這個被AI加速重構的時代，虛擬世界的狂飆突進，反而讓物理世界的鋼鐵、管道與電網變得空前珍貴。不論這是一場持久的市場領頭羊更替，還是周期演進中的再平衡，對於投資者而言，實物資本的“防彈衣”屬性，正在散發著無法忽視的光芒。 (追風交易台)

騰訊又發錢了。就在幾天前，騰訊宣佈通過旗下的AI產品“元寶”，要在春節期間發放整整10億元的現金紅包。這事兒聽著是不是特熟悉？十二年前， 2014年的春節。那時候，微信奇襲阿里，用一場紅包雨，僅僅花了4個億，就拉動了800萬使用者繫結銀行卡，在一夜之間完成了商業史上的著名的奇襲案例，徹底改變了中國移動支付的格局。那場戰役，至今被奉為網際網路商業史上的經典。可是，歷史真的會簡單地重複嗎？十二年過去了，面對騰訊這新一輪的10億元豪賭，我能看到是焦慮，是不安，戰略搖擺。甚至可以說，這有可能是馬化騰最睡不著覺的一個春節。為什麼？因為戰場邏輯完全變了。當年的微信紅包是在攻城略地，那麼今天的元寶紅包，則是在花錢買命，買的是騰訊在人工智慧時代的入場券和喘息時間。騰訊、阿里、字節跳動，是中國AI勢力圈中的三大勢力，表面看，他們是完全不同的商業物種，但在AI技術奇點出現時，又一輪巨頭之間的激烈競爭開始了，而這一次，可能要決定巨頭們未來十年的命運。騰訊在用現金給平庸技術買單馬化騰在最近的年度員工大會上，說了一句很重的話。他說，騰訊的AI基礎設施，已經落後到了需要推倒重來的地步。這句話的份量太重了。騰訊可是中國社交工具的絕對霸主，坐擁微信和QQ兩大護城河，錢不缺，人才不缺，馬化騰說出這麼重的話，不得不讓人奇怪，明明是同時起步的，騰訊怎麼會落後到這個地步？但這就也帶來了一個奇怪的邏輯，既然你自認為當下的技術不行，那為什麼要搞這場高達10億的行銷活動呢？當年微信紅包用4個億撬動800萬使用者，那是基於熟人關係的裂變，大家是為了搶紅包、發紅包而繫結卡，這個需求是剛性的。但今天這10個億砸下去，使用者是為了什麼？是為了去和一個叫被定義為落後的“元寶”AI聊天嗎。搞不好，騰訊這次行銷的核心邏輯變成了用現金給平庸的技術買單。什麼意思呢？就是說，騰訊自己心裡也清楚，我的技術現在還不夠頂尖，我的算力儲備還不足，我的大模型還沒聰明到讓你離不開。但是沒關係，我有錢，我先用紅包把你圈進來，先把流量池子蓄起來，給我的技術團隊爭取補課的時間窗口。可是，這是一個巨大的戰略悖論。在移動網際網路時代，搶到了入口就是搶到了使用者。但在AI時代，競爭的核心壁壘已經變了。它從入口爭奪，變成了能力的比拚。如果一個AI助手，每次你問它問題，它都能給你精準、可靠的答案，那怕它不發紅包，你也會天天用，因為它能幫你省時間、提效率。反過來，如果這個AI不夠聰明，總是答非所問，或者像個復讀機，那麼紅包一搶完，使用者馬上就會流失。短時間，你有可能建立一個巨大的流量堰塞湖，水是蓄起來了，但沒有活水源頭，早晚得干。用發紅包的方式來行銷AI技術，恰恰暴露了技術自信的缺失。騰訊現在的狀態，就像是一個拿著舊船票的船長，試圖登上AI時代的新客船。他依然試圖用社交裂變、用資金優勢去打這場仗。不僅如此，騰訊在組織上也遇到了大麻煩。直到2023年ChatGPT火遍全球之後，騰訊內部才開始系統性地討論生成式AI。這種反應速度，對於一家科技巨頭來說，是致命的遲鈍。騰訊現在的混元大模型，雖然做到了256K的超長上下文窗口，能處理幾萬字的群聊記錄，也能生成不錯的圖片，但這更多是在防禦。它是為了守住微信這個基本盤，不讓使用者因為AI的需求跑去別的平台。守勢的心態，就決定了難以做出革命性的產品。張一鳴的奇襲三大巨頭中，主動進攻的是誰呢？是字節跳動。字節跳動是一支擅長突襲的奇兵，不僅是短影片上奇襲了幾大網際網路巨頭，成為中國第一大流量商，AI領域也不例外。2024年初，字節跳動的CEO梁汝波做了一次非常深刻的內部反思。他直言不諱地說，公司得了大公司病，對ChatGPT這種顛覆性的技術反應太遲鈍了，直到2023年才開始在內部集中討論。換做別的公司，晚了也就晚了，可能就此掉隊。但字節跳動最可怕的地方就在這兒，它的自我修正能力很強大、執行力也強於其他企業，一旦輸入了修正指令，執行力是驚人的。短短半年時間，字節跳動推出了豆包大模型，從一個簡單的對話工具，旗下推出了一系列的產品，包括扣子、扣子空間，豆包大模型，即夢繫列，還有無數小的智能產品。這個迭代速度，比騰訊那種賽馬機制下的內部競爭，快了將近一倍。它是怎麼做到的？靠的是一種叫“暴力美學”的技術路線。字節跳動走的是一條“效率至上”的路子。他們採用了一種非常特殊的技術架構，學名叫動態路由加稀疏模型。傳統的通用大模型，就像是一個全科醫生，不管你問什麼，它都要調動整個大腦幾千億個神經元去思考，這就導致算力成本極高，反應還慢。但字節跳動的大模型不一樣，它像是一個由無數專家組成的顧問團。你問數學題，它就只喚醒數學專家；你問做菜，它就只喚醒廚師。這麼做的好處是什麼呢？第一是快。它的響應速度極快，能跟得上抖音那種毫秒級的內容刷新。第二是省錢。這太重要了。大家別忘了，字節跳動手裡握著抖音和今日頭條，那是人類歷史上最大的內容吞吐機器。如果AI的推理成本降不下來，光是每天處理那幾億條視訊，就能把公司虧到底掉。所以，字節跳動不僅戰略調整快，在技術上也有獨創性。現在的字節跳動，正在瘋狂地把這個低成本、高效率的模型能力，像插頭一樣插進它所有的產品裡。在抖音裡，AI幫你做特效；在剪映裡，AI幫你寫指令碼、生成圖片、視訊、數字人；在飛書裡，AI幫你寫總結，甚至可以化身為智能體。它同時將這種能力變成另一個B端產品火山引擎，直接和阿里雲搶生意。這一套打法打下來，所有的同行都受不了，因為，這叫“飽和式攻擊”。當年他們做今日頭條、做抖音，就是通過快速試錯、資料驅動，把競爭對手熬死。現在，他們把這套邏輯搬到了AI上。騰訊還在糾結怎麼在微信裡小心翼翼地加功能，字節跳動已經把大模型像流水線產品一樣生產出來了。在AI領域，字節跳動背後，站著一整座正在轟鳴的兵工廠。阿里走對路了嗎？阿里的戰略，是一種生態架構師的陽謀。阿里做AI，不是為了做一個好玩的聊天機器人，它是為了做基礎設施，做作業系統。阿里在AI領域有一個與眾不同的戰略，那就是開源。阿里的千問大模型Qwen3嗎？它的全球下載量已經超過了7億次。這是一個恐怖的數字。這就意味著，全球有無數的開發者、企業都在用阿里的底座來開發自己的AI應用。阿里這是在通過免費開源，去建立行業標準，去爭奪生態的話語權。阿里在技術上的投入非常務實，盯緊企業全生態的需求，甚至把模型的部署門檻降到了極低，效果達到頂級的大模型僅僅需要4張H20顯示卡就能運行。這對於那些中型企業來說，簡直是福音。在產品層面，阿里也是全面開花，它玩的是全家桶戰術。它把千問大模型和夸克、UC瀏覽器、淘寶、釘釘這些億級流量的應用深度繫結。這種繫結帶來了一個獨特的優勢，就是資料閉環。比如你在夸克裡搜資料，讓AI幫你生成一個Excel表格；或者你在UC裡看新聞，讓AI給你做個圖表。這些真實的辦公、商業資料，源源不斷地回流給模型，讓千問變得越來越懂業務。所以阿里給千問的定位不僅僅是能對話，更是能辦事。在最近的一次數學競賽AIME中，Qwen3模型的精準率達到了100%。這說明什麼？說明它在邏輯推理、解決複雜問題上，已經具備了極高的商業化潛力。但是，阿里的這套打法也就是最優的嗎？馬化騰評價說，阿里能調動整個生態去服務千問，組織效率很不錯。但他同時也補了一刀，說阿里的業務並非都是行業最優。這就是阿里的軟肋。模型是多，生態夠豐富，但是，有沒有出過一個讓所有使用者感覺到驚豔的產品呢？沒有。而字節有，不管是圖片、視訊，還是豆包大模型本身，其好用程度，都超過了阿里。誰在裸泳，誰會退位？這三家巨頭，其實代表了三種完全不同的進化方向。騰訊是社交生態的防禦與試探。它手握最強的關係鏈，但這不是一個技術驅動型的企業。這次活動，可以用套話來說，是用戰術上的勤奮來掩蓋戰略上的遲緩。它沒有驚豔的產品，也沒有豐富的生態，還守在微信這個大生態下防守，這是騰訊這家企業的個性，穩，不夠激進。字節則是一家技術型驅動的公司，演算法本身就是他安身立命的本錢。字節的組織力和戰鬥力也遠強於阿里和騰訊。這三家公司比起來，字節還是一個三十歲有衝勁的小夥子，而阿里和騰訊，則似乎步入了壯年。那麼，這場對決的終局會是什麼？未來的一到三年，我們將看到一場極其慘烈的淘汰賽。短期看，一年之內，字節跳動憑藉著效率優勢和流量分發能力，很可能會繼續領跑。中期看，兩到三年，如若AI大模型的發展來到了瓶頸期，隨著開源模型的普及，技術突破越來越難時，騰訊的優勢可能會發揮出來，因為，這時拼的就是場景。這時候，騰訊的機會來了。如果騰訊能利用這買來的時間，真正把基礎設施補齊，把AI融入到微信的每一個毛細孔裡，讓AI成為你社交、工作、生活的自然延伸，那它依然是王者。畢竟，讓人離開微信，比讓人換個手機要難得多。但是，如果騰訊依然只是把AI當成一個發紅包的噱頭，那麼使用者就會用腳投票。如若不能迅速追上，對於騰訊來說，場景可能是這樣的：使用者依然在微信裡收發消息，但當他需要解決問題，需要寫文章、做計畫、買東西的時候，他會切出去，找字節的豆包，或者阿里的千問。微信，將從一個萬能的連接器，退化成一個純粹的通訊錄。這時，騰訊會在AI時代讓出大片的市場空間。長期看，三年以上，生態整合能力將決定生死。誰能成為使用者心智中那個默認的服務提供者，誰才是贏家。對於各個巨頭來說，這也是一場不能輸的戰役，因為誰輸了，誰就可能淪為上一個時代的遺蹟。這場商業博弈，精彩才剛剛開始。我們作為旁觀者，去搶紅包吧，至於大模型，誰好用就用誰的。 (功夫財經)

Aishwarya Naresh Reganti與Kiriti Badam是兩位深耕企業級AI產品的實踐者，曾在OpenAI、Google、Amazon、Databricks等公司參與並推動超過50個AI產品的開發與部署。他們不僅具備深厚的技術背景，更在產品策略、使用者反饋機制與系統迭代方面積累了大量實戰經驗。在Lenny播客訪談中，兩人分享了AI產品開發中的關鍵教訓，包括與傳統軟體的本質差異、常見失敗模式、建構持續改進機制的框架，以及如何通過使用者信任驅動產品成功。產品不是軟體的升級版Kiriti指出，AI產品與傳統軟體的最大區別在於其行為不可預測，高度依賴資料分佈與上下文環境。這意味著，AI系統不能通過規則驅動，而必須接受“機率性輸出”的現實。Aishwarya補充，AI模型在不同使用者和場景下表現差異巨大，因此開發流程必須從“控制邏輯”轉向“管理不確定性”。這種根本差異決定了AI產品不能照搬軟體開發的流程與評估機制，而需要一套全新的產品思維。成功與失敗的分界線在參與的50多個項目中，Aishwarya總結出典型的成功模式：明確問題定義、快速迭代、早期建立監控機制。失敗的團隊則常陷入“模型即產品”的誤區，忽略使用者體驗與長期維護。Kiriti強調，AI產品不是一次性交付，而是一個持續演化的系統，必須具備“產品飛輪”的能力。使用者信任是核心變數AI產品的成功最終取決於使用者是否信任系統輸出。Aishwarya指出，許多團隊過度關注模型性能，卻忽略了輸出解釋性、錯誤恢復機制與邊界行為控制等影響使用者信任的關鍵因素。團隊應將可靠性作為設計優先順序，而不是事後補救。只有當使用者相信系統不會“胡說八道”，才會真正將其融入工作流程。Evals不是萬能解藥關於AI產品評估中的常見誤區，Kiriti認為，自動化評估雖然必要，但無法覆蓋所有真實場景，尤其在開放式任務或多輪互動中。Aishwarya補充，團隊常誤以為“通過eval就代表產品可用”，而忽略了使用者行為的複雜性。他們建議將評估機制與使用者反饋系統結合，形成“持續校準、持續開發”的閉環。建構產品飛輪的框架基於多年經驗，Kiriti和Aishwarya提出了一套建構AI產品飛輪的框架：從小規模原型開始，快速驗證核心假設；建立使用者反饋通道，驅動模型與介面迭代；通過監控系統持續發現問題；最終形成“資料—反饋—改進”的正向循環。Kiriti強調，這一框架的關鍵在於“問題優先”，而不是“技術優先”。只有當產品真正解決了使用者痛點，技術才有意義。結語AI產品的挑戰不在於技術本身，而在於如何讓技術真正服務於人。從控制邏輯到管理不確定性，從模型性能到使用者信任，從一次性交付到持續演化，這些轉變構成了AI時代產品開發的新範式。或許，未來最成功的AI產品，不是那些最強大的模型，而是那些最懂人的系統。 (楊承帥談超人工智慧和奇點)

本文彙編整理自張小珺對話季逸超。他是中國第一代軟體出海創業者，高中靠一款瀏覽器賺得 30 多萬美金；他深耕 NLP 十餘年，親歷從傳統 NLP 到大模型的技術巨變；如今帶著通用 AI 產品 Manus 橫掃海外，ARR 超 1 億美金。他就是 Manus（蝴蝶效應科技）的聯合創始人兼首席科學家季逸超（Pick）。最近，Manus被數十億美元收購的風波，引起不少人的討論。但我們更應該關注的，是這家公司的商業思考。在張小珺這場 3 小時的深度訪談中，季逸超分享了自己的創業故事、產品決策邏輯，以及對 AI 行業未來的底層思考。沒有晦澀術語，全是實戰乾貨，值得每一位創業者、從業者細讀。以下，是季逸超的自述精華版。一、三次創業 踩中時代紅利，也扛過技術顛覆1.第一次創業：移動網際網路蠻荒期的“意外驚喜”2009年，蘋果APP Store出現的第二年，我還在讀高中。那時候剛好趕上桌面網際網路向移動網際網路轉型，不管是國內的BAT，還是海外的大廠，大家都站在同一起跑線，沒有成熟的玩法，屬於移動網際網路的蠻荒期，這給了我這樣的個人開發者絕佳機會。我做了一款第三方iOS瀏覽器，叫猛獁瀏覽器（Mavericks Web Browser），商業模式特別樸素，賣軟體拷貝，每賣一份賺一份固定收入。沒想到這個簡單的模式，讓我在高二、高三期間賺了30多萬美金，也算成了中國早期軟體出海的創業者。那時候國內沒有成熟的支付管道，只能支援國際信用卡，國內使用者基本沒法付費。我就想了個辦法，破解自己的軟體，讓大家免費用，也算賺個吆喝，沒想到還吸引了資本關注，真格基金的徐老師當時就問我想不想創業。後來移動網際網路的商業模式變了，大家都開始“免費獲客 + 增值服務”，加上 iOS 系統不斷更新，我的瀏覽器慢慢不相容了，最後自然下架。這段經歷讓我早早摸清了產品變現和使用者營運的邏輯，也讓我深刻感受到 時代機遇對創業者的重要性。2.第二次創業：NLP深耕與大模型的“降維打擊”從瀏覽器業務裡，我發現了一個關鍵需求：當時行動網路速度慢，如果能預測使用者的下一次點選，提前載入內容，體驗會好很多。這個需求讓我一頭紮進了自然語言處理（NLP）領域，這一扎就是好幾年。2013年，Google推出了Word2Vec論文，能把自然語言文字高效轉化為稠密向量，這給了我極大啟發。我組建團隊做語義搜尋和知識圖譜，想打造“下一代 Google”—— 傳統搜尋引擎只給連結，我想直接給答案，通過自動化技術建構知識圖譜，解決使用者的核心需求。我們團隊從零開始訓練模型，從依存句法分析到Word2Vec向量化，再到 LSTM+Attention，最後跟進Transformer和BERT，整整熬了4年，做出了產品 Maggie。它能自動提取三元組、支援多語言，在最高置信度下的精準度能達到89%，比Google當時的產品還高，甚至能支援阿拉伯語這種反向書寫的語言。但2019年，GPT-3的出現給了我們致命一擊。我隨便寫個 Prompt（提示詞），它就能和我們訓了幾年的端到端模型五五開，而且它是通解，能搞定 NLP（自然語言處理）領域的各種任務，而我們只是垂直領域的解決方案。那一刻我意識到，垂直技術在大模型面前沒有優勢，最後決定賣掉公司。這段經歷讓我體會到垂直整合的痛苦：每天醒來都感覺海水在上漲，不知道什麼時候會淹到鼻子，模型迭代、資料標註、基礎設施搭建，每一步都要自己扛，那種壓力至今難忘。3.第三次創業：放棄AI瀏覽器，押注通用agent賣掉公司後，我在一家獨角獸公司做了一年半，主要工作是打榜贏算力資源，那段時間也讓我冷靜觀察了 AI 行業的變化。2023 年底，我被肖弘（Manus CEO）說服加入團隊，核心原因是他說的一句話：“Pick，你想不想在一個產品裡，把瀏覽器、搜尋引擎、語言模型重新做一遍？” 這句話一下子戳中了我。初期，我們基於Chrome外掛Monica的使用者資料，想做一款AI原生瀏覽器。Monica 當時已有1200萬美金 ARR，是正向現金流產品，但我們很快發現了問題：外掛的使用者滲透天花板太低 ，Chrome 有20億日活，而頭部外掛的活躍使用者也就5000萬左右，不到 1% 的滲透率，再怎麼發力也難有大突破。更關鍵的是，瀏覽器的遷移成本極高。人類歷史上只有兩次瀏覽器變革：從網景到IE，從IE到 Chrome，要麼靠管道分發，要麼靠技術漏洞，創業公司想顛覆太難了。而且當我們內部把瀏覽器產品打磨得差不多時，我突然覺得它“不是特別酷”——按我現在的話說，如果一個產品做完，你自己都覺得不酷，那沒人會覺得酷。其實做完一款產品，人難免會有慣性偏袒，那怕我們都是經歷過幾次創業的“中登”，也會下意識想說服自己產品沒問題。但隨著更多問題暴露出來，我們才慢慢趨向冷靜判斷。直到看到美國創業公司 The Browser Company 放棄瀏覽器產品 Ark，創始人說“連親戚朋友都不願意從Chrome換成Ark”，我才徹底下定決心放棄這個方向。其實那段時間特別寶貴，大家在自然而然形成共識的過程中放下了瀏覽器，處於一種幾乎無所事事的狀態。而當一群不太笨的人無所事事的時候，就會產生很多很好的想法。當時我們還在正常營運Monica，同時也會做一些別的實驗，那段時間已經有不少AI產品受到歡迎，尤其是coding領域，像Cursor、Windsurf，還有後來的Devin，都積累了很多使用者。我們作為工程師，自然會去體驗這些工具，可讓我們意外的是，公司裡很多非工程師居然也在用Cursor，要知道，Cursor的產品形態還是IDE（整合式開發環境），本來是寫給程式碼人才用的東西。我們發現，營運同事在用它寫部落格，資料分析同事用它做資料分析和可視化。於是我們特意站在他們身後觀察，發現了很有意思的一幕：Cursor左邊是程式碼區，右邊是和AI聊天的窗口，這些不會寫程式碼的同事根本不看左邊的程式碼，只是不斷跟AI交流，讓AI幫自己完成任務。原來AI是通過程式設計的方式，以程式碼為媒介，去幫他們完成這些非編碼任務。這讓我突然意識到：程式設計不是垂直技能，而是通用能力，真正的機會是把這種通用能力包裝起來，讓普通人也能用。於是我們把瀏覽器的技術積累搬到雲端，打造了通用agent產品 Manus：每一個會話背後都有一個獨立的虛擬機器沙盒，能幫使用者做網頁、做 PPT、批次處理檔案、深度研究，還能聯動 Notion、Slack 等工具，非同步處理長任務，不用使用者自己寫程式碼或複雜操作。2024年3月Manus 發佈，現在 ARR（年度經常性收入）已經超過1億美金。我們沒有對標任何產品，完全是使用者用出來的，大家喜歡用它做幻燈片、網頁和批次檔案處理，我們再針對性最佳化，這種由使用者塑造的產品，生命力才強。二、Manus 的產品邏輯不做工具，做 “人的延伸”1.為什麼堅定做通用agent，而非垂直工具？我之所以堅持做通用 agent，核心有三個判斷：技術層面：通用基座模型 + 虛擬機器（圖靈完備）的底層供給是通用的，垂直領域只是在上面加約束，反而會限制產品潛力；產品層面：使用者的需求是多樣的，通用產品能讓使用者按自己的想像力使用，我們團隊再通過觀察使用者行為捕獲頭部場景，既保留長尾能力，又能形成網路效應；商業層面：垂直工具的使用頻次太低，比如旅行規劃一年就幾次，很難讓使用者記住，而通用產品能覆蓋使用者多場景需求，提升使用頻次和使用者粘性。如果你做的是個垂直agent，你可能還是在做一種新的工具。但如果你在做一個通用agent，你其實在做一個人。我們現在經常跟使用者或其他人交流，他們常說 Manus 很像人，但我們從來不以替換人的思路來想這事 ，如果你給別人傳遞“要替換人”的心智，所有人都會從風險控制的角度考量，只要一個環節不通，整個產品就被否定。其實我們該抱著提升人（enhance people）的思路，讓高效的僱員或自驅的人，用了這個工具後產能再上一個台階，這才是更良性且現實的做法。比如你想做一個有內容的網頁，它能先做深度研究，再基於研究結果做網頁，最後還能分析網頁流量、做 PPT 發給投資人。2.初期用邀請碼，不是行銷是“無奈之舉”Manus發佈初期採用邀請碼機制，被很多人質疑“過度行銷”，其實這是我們的無奈之舉。當時我們跟所有雲廠商和模型廠商溝通後發現，世界上能立即到位的算力比想像中少太多。Agent 的算力消耗模式和 Chatbot 完全不同，輸入和輸出比例能達到100:1甚至1000:1，要是放開用，產品肯定會崩。直到一個月後，雲廠商和模型廠商適應了agent的工作負載，我們才取消邀請碼。可以說，我們是為行業趟了一條路，後來再用邀請碼的公司，我覺得就沒必要了，算力已經準備好了，沒必要再搞這種形式。3.商業化：不追求DAU，只服務高價值使用者Manus 的定價邏輯很簡單，參考 ChatGPT的20 美金/月，我們定了40美金 / 月的默認訂閱價，現在逐漸簡化為“免費方案+自由訂閱金額”。我們不追求 DAU（日活躍使用者數），而是關注“高價值使用者的高價值任務”。有的使用者一個月能給我們付幾千美金，因為他有大量高價值任務要跑，這比單純的使用者數有意義得多。目前Manus的使用者主要是三類人：網際網路公司非程式設計師的白領、自由職業者、金融和諮詢行業從業者。他們有強自驅力，任務價值高，對質量的敏感度也高 ，我們做過雙盲測試，悄悄換個模型，使用者滿意度就會明顯下降，所以我們必須保證每一次輸出的質量。三、AI行業的創業、競爭與決策邏輯1.模型與應用的終局：不再涇渭分明未來不會再分模型公司和應用公司。美國現在已經是這個趨勢，OpenAI既做模型也做產品，Google雙向都強，Anthropic 靠Cloud Code的成功也開始重視產品。對於應用公司來說，優勢在於“不用買模型彩票”。模型公司的創新是自下而上的，靠技術突破驅動產品；而應用公司能吸收所有外部創新，快速迭代，而且使用者的使用軌跡和反饋留在應用層，能形成獨特的資料飛輪，這是模型公司拿不到的優勢。2.決策機制：分階段混合模式，兼顧效率與多元創業公司在不同階段、解決不同事情時，需要不同的決策模式。雖然我們是連續創業者，但其實也都不成熟，最近在逐漸走向更理智的方式。我們總結了一套“GPA”決策框架，還會結合集權式和民主式兩種模式：G（Goal，定目標）：集權式決策由CEO肖弘作為“仁慈的終身獨裁者（BDFL）”拍板，直接把團隊核心目標定死，避免目標分散。P（Priority，定優先順序）：專制 + 民主結合先由核心決策者（比如CEO或對應領域負責人）牽頭，同時充分吸納團隊成員的專業意見，畢竟涉及不同領域的專業能力，多元輸入能讓優先順序排序更合理。A（Alternative，提方案）：充分民主鼓勵團隊成員自由提供各類可選方案，這個階段方案數量比質量更重要，足夠多的選項才能避免決策侷限，就像訓練模型不能侷限於狹窄的動作空間。其中，肖弘作為CEO，是產品方面的最終決策者。我們都比較相信與其懸而未決，不如趕緊試試。面對新領域時，過往經驗未必有用，過度思考只是基於自己“模型內部的參數化知識”，沒有額外資訊輸入，也沒有檢驗結果，再想太多不如先行動，拿到反饋再調整，避免無意義的內耗。3.競爭：不是零和博弈，而是生態聯動很多人問我，面對 OpenAI、Google 等大廠的競爭，我會不會焦慮？其實我並不焦慮。我們能用上市面上所有最好的模型，而大廠有自己的專長：Anthropic 的 coding 能力、Google 的多模態能力、OpenAI 的推理能力。我們的優勢是產品迭代快，而且服務的是對質量要求極高的使用者，這部分使用者不會因為品牌而妥協，他們要的是當下最好的體驗。AI行業的競爭不是零和博弈。Manus和 Notion、Microsoft、Slack都是聯動關係，我們串接這些工具，產生的價值比單獨競爭大得多。與其做一個比不過別人的垂直功能，不如讓大家一起把生態做好，這才是共贏。4.通用agent的未來：主動創造價值，而非被動響應我認為通用agent的下一個方向是“主動性（proactiveness）”。現在的 AI 還是被動響應使用者需求，未來要能主動完成任務。比如你面試完，Manus能自動看你的Notion記錄，把評價填到招聘系統裡，只讓你確認就行，真正解放使用者的注意力。同時，我也想給模型廠商提幾個建議：讓模型學會 “壓縮意識”，不用無限擴展上下文窗口；結合工具做推理，而不是純“缸中之腦”；支援使用者隨時插嘴，適應非同步互動；提升錯誤恢復能力，遇到問題不放棄、不陷入死循環，這些都是通用agent 落地的關鍵。5.AI創業的本質：不是賭一把，而是先行動對比我的三次創業，現在的AI創業和移動網際網路時代完全不同：移動網際網路的邊際成本低，能低成本試錯；而AI創業更像製造業，有固定成本，算力消耗就是很大一筆開支。所以，對於創業公司來說：第一，不要做垂直整合，除非你有足夠的資源；第二，不要糾結於要不要做，比較健康的做法應該是當你的產品已經初具PMF，且已經到了一個比較穩定的狀態之後，你以一種增加穩定性或降本或突破天花板的思路再去做模型；第三，團隊要身心健康、尊重常識，不要做“有賈伯斯的病，沒有賈伯斯的命”的偏執者。結語你準備好迎接未來了嗎？從高中時的瀏覽器創業者，到如今的通用AI先鋒，季逸超的三次創業始終圍繞技術落地和 使用者價值。他踩過垂直整合的坑，也抓住了 agent 的機遇，用 Manus證明了不做模型也能做出頂尖AI產品。在 AI 行業還在爭論模型至上還是應用為王的今天，季逸超的經歷給出了另一種答案：真正的機會，在於理解技術的邊界、使用者的需求，以及時代的趨勢，然後以理性的姿態，快速行動、持續調整。而對於我們每一個人來說，AI不是要取代人，而是要解放人，就像季逸超說的：“把不喜歡的事交給 AI，剩下的才是真正的自己。” (筆記俠)

近日，博主"定焦數位"爆料稱，蘋果基本暫停了對Vision Pro產業端的維護，並大幅減少了頭顯產量。這款曾被蘋果重金押注的產品雖然在配置和體驗上達到了行業史無前例的最強狀態，但受限於其產品形態和超昂貴的價格，市場表現不佳也在情理之中。蘋果原本設想的廣闊市場願景未能實現，加上開發者動力不足，導致原生應用遠遠無法滿足使用者的多元化需求。綜合目前消息來看，蘋果似乎已經開始放棄這一市場，轉而投向更輕便的AI智能眼鏡領域，首款產品Apple Glasses預計將於今年發佈，很可能在蘋果全球開發者大會WWDC上正式公佈。據悉，Apple Glasses定位為蘋果生態的"輕量智能穿戴配件"，不具備獨立計算能力，需依賴iPhone進行部分任務處理，類似於Apple Watch與iPhone的聯動邏輯。這款產品沒有螢幕，整體規劃與Meta、小米等產品類似，配備攝影機、麥克風和揚聲器，可實現拍照、錄影、聽音樂等常規操作。Apple Glasses將基於Apple Watch的S級晶片定製，優先保障能效比，核心作用是控制多攝影機與處理基礎AI任務，避免高功耗導致的續航短板。此外，該產品預計還能通過新版Siri提供大模型等智能支援，屆時或許國內的蘋果智能也會正式開放，為國內使用者提供全面的使用體驗。 (TechWeb)