“最初用於編寫程式碼和詩歌的工具，如今已成為致命的武力。”·達里歐·阿莫迪。（美國哥倫比亞廣播公司）美以對伊朗的軍事行動已持續數日，一則新聞再次吸引了全球的目光。據《華爾街日報》報導，美軍在對伊朗的大規模轟炸行動中，用上了美國AI公司Anthropic旗下的大語言模型克勞德（Claude）。知情人士證實，包括美國中央司令部在內的全球各司令部，都在使用Anthropic的AI工具。對此，英國《衛報》稱，“這是危險的轉折點” 。這已不是AI第一次走上戰場。今年1月美軍抓捕委內瑞拉總統馬杜洛時，克勞德就已被用於軍事行動。而這也引發了美國政府與Anthropic之間持續數月的爭執——關於五角大樓究竟該如何使用AI模型。而站在風暴中心的，是Anthropic創始人兼首席執行長達里歐·阿莫迪。當導彈能像人一樣思考據《華爾街日報》報導，克勞德主要服務於指揮部門，承擔情報分析、目標識別以及戰鬥場景模擬等任務。·當地時間3月2日，美以聯合對伊朗發起的軍事行動仍在持續，一名男子走過德黑蘭尼盧法廣場附近受損的居民樓。（法新社）Anthropic與美軍的合作始於2024年11月。同一時期，美國資料分析公司Palantir和亞馬遜網路服務也開始為美軍提供技術支援。據《華盛頓郵報》報導，由Palantir開發的軍方“梅文智能系統”，能從衛星、監控及其他情報來源的資料中提取關鍵資訊。而被整合進這套系統的克勞德模型，則負責對敏感情報進行分析處理。目前，克勞德已成為美軍許多部門使用的日常工具。對美軍而言，AI帶來的最大改變，是戰爭節奏本身。《戰爭律師》一書的作者克雷格·瓊斯在接受英國《衛報》的採訪時提到，在一戰和越南戰爭期間，美軍從空中偵察到執行轟炸任務通常需要6個月。但現在，整個周期已經被AI大幅壓縮。“AI系統會給出打擊目標的建議，速度遠超人類思維。”新美國安全中心執行副總裁保羅·沙雷則向路透社介紹，對美軍而言，AI已經從理論假設走向真實戰場。“這讓美軍能夠以機器速度，而非人類速度來制定打擊方案。”在此次對伊軍事行動中，以軍也用上了AI技術。其使用的新型空對地巡航導彈“破冰者”，深度融合了AI演算法。它能像人一樣思考，自主規劃飛行路徑，精準辨別目標，甚至可以在空中與其他導彈即時溝通、分工協作。·美國海軍托馬斯·哈德納號驅逐艦發射戰斧導彈，支援美以對伊實施的“史詩怒火”行動。（蓋蒂圖片社）此外，據《財富》雜誌報導，AI目前也出現在了其他戰場上。以色列在以巴衝突期間曾利用AI識別哈馬斯目標。而在俄烏衝突中，自主化無人機已經投入使用，俄羅斯和烏克蘭都採用了不同形式的自主技術。對於AI介入軍事行動，外界普遍感到不安。以色列《耶路撒冷郵報》評價，將大語言模型融入戰爭，標誌著現代戰爭的重大轉變，“最初用於編寫程式碼和詩歌的工具，如今已成為致命的武力”。Anthropic剛被踢出局，競爭對手立刻補上了空缺。川普禁令發佈幾小時後，美國AI公司OpenAI就與五角大樓達成協議，開始向機密系統提供AI技術。“要麼配合，要麼出局”在此次美以對伊朗的軍事行動中，Anthropic公司的AI模型扮演了關鍵角色。然而頗具戲劇性的是，就在空襲開始前幾個小時，這家公司剛剛被美國國防部和川普雙雙“拉黑”。據英國廣播公司報導，Anthropic與美國當局的緊張關係“可以追溯到幾個月前”。今年1月，美軍在抓捕委內瑞拉總統馬杜洛的突襲行動中，使用了克勞德模型。Anthropic隨後提出反對，聲明其使用條款明確禁止將AI用於暴力目的、武器研發或監控活動。此後雙方關係持續惡化，開始了長達數周的談判。據美國有線電視新聞網報導，談判中Anthropic在兩個問題上寸步不讓：一是AI控制武器，二是AI對美國公民的大規模監控。他們認為，AI目前還不足以可靠地操控武器，而且也無法律規範大規模監控的行為。面對Anthropic的堅持，美國國防部長赫格塞斯下了最後通牒。·赫格塞斯。（蓋蒂圖片社）當地時間2月24日，他與阿莫迪會面，要求對方放寬AI模型的安全限制，並給出了最後期限：2月27日前，美軍必須獲得克勞德模型的無限制使用權，否則公司將被列入政府“供應鏈風險”黑名單。進入黑名單意味著，所有簽有軍事合同的公司，此後不得在任何軍事工作中使用Anthropic的產品。26日，阿莫迪公開發文，表明立場不變。“即便是當今最先進、最強大的AI系統，其可靠性也不足以支撐完全自主武器的運作。”他在文中寫道，“我們不能昧著良心答應美軍的要求”。阿莫迪發文不久後，五角大樓給出了回應。一名美國國防部官員對媒體表示，Anthropic必須做出選擇，“要麼配合，要麼出局”，否則國防部將強制使用克勞德模型，無論Anthropic是否願意。·阿莫迪。（蓋蒂圖片社）緊接著，川普下令所有聯邦機構立即停用克勞德。他還在真實社交（川普於2021年自創的社交媒體平台）上痛批Anthropic，稱其為“由一群不懂現實世界的人營運的左翼瘋子公司”。幾小時後，美軍戰機從部署在中東的“林肯號”和“福特號”航母以及海外軍事基地起飛，與以色列空軍一起，向伊朗發動了大規模空襲。“技術的青春期”與美國當局“硬剛”的阿莫迪，實際上與OpenAI的淵源頗深。阿莫迪出生於1983年，本科畢業於美國史丹佛大學物理學專業，後取得美國普林斯頓大學生物物理學博士學位。畢業後，他曾在百度矽谷AI實驗室工作，後加入Google從事語音識別研究。2016年，他加入OpenAI，一路做到研究副總裁，主導開發了GPT-2和GPT-3大語言模型。然而在2021年，他與OpenAI創始人薩姆·奧特曼在AI安全理念及商業化方向上產生了分歧。此後，阿莫迪帶著包括妹妹丹妮拉·阿莫迪在內的十多名公司核心成員離職，創辦了Anthropic，並推出克勞德系列模型。·阿莫迪（左）與妹妹丹妮拉。（蓋蒂圖片社）離開OpenAI後，阿莫迪與奧特曼的分歧並未消解。就在今年年初，他與奧特曼在新德里的一場AI峰會上同台，但彼此拒絕握手、沒有眼神交流。他曾在播客裡直言，“不相信奧特曼能讓AI不走彎路”。·2026年2月，在新德里舉行的“AI影響力峰會”上，印度總理莫迪（左）與奧特曼（中）、阿莫迪等AI企業負責人合影。（蓋蒂圖片社）兩人最大的分歧，還是在於對AI安全的擔憂。今年1月，阿莫迪在題為《技術的青春期：直面並克服強大AI的風險》文章中警告“AI海嘯將至”，但社會遠未準備好。他認為，當“智力、工具規模、時間優勢”疊加，AI將是一個會重寫安全、經濟與權力結構的變數。他擔心，一旦強大的AI被大型組織掌控，將對外形成壓倒性優勢，帶來不可預估的後果。然而也有觀點指出，阿莫迪的AI恐懼論實際上是刻意利用科技倫理問題，打壓競爭對手。今年2月，阿莫迪曾公開指控DeepSeek等三家中國AI企業發動“工業級蒸餾攻擊”，“抽取”克勞德模型能力。但在AI領域，“蒸餾”本就是將大參數模型遷移到小模型的常用技術，類似於模仿學習，而非抄襲。而阿莫迪此番發言卻把這一技術污名化，試圖抹黑中國同行。從這個角度看，阿莫迪似乎並非單純追求AI的正確發展，而是在爭奪誰有做AI的權利。正如普利策獎得主、國家安全記者斯賓塞·阿克曼所指出的，阿莫迪在最初與美國軍方簽訂協議時就忽略了科技倫理問題。阿克曼批評道：“當你收了末日博士（漫畫中的反派角色）的錢，給他製造零件時，你難道不知道他要造的就是末日機器人嗎？”有評論認為，阿莫迪堅守技術倫理底線的選擇，固然有科學家式的理想與堅持，但他對中國AI公司的無端敵意與雙重標準，又讓這份堅守失去了應有的中立與格局。 (環球人物)

“AI情色工廠”的幽靈，正在網際網路社交媒體瘋狂蔓延。社交媒體上的 AI 美女它一邊生產出各種完美無瑕的美女和人設，一邊殘酷地收割慾望與錢包。當我們探討AI的未來和商業模式時，大多數人想到的是效率與進化，但對於在菲律賓帕賽市等地的詐騙團夥來說，AI是有史以來最完美的“美女製造器”和“錢包收割機”。AI批次製造完美女神Grok對美顏照和AI照的對比過去，詐騙者一直受到生產效率、真實性等侷限，導致詐騙對象和成功機率有限。而現在的AI技術，讓“美女”可以量產，情色成了工廠流水生產線。詐騙團夥利用Stable Diffusion、Midjourney等擴散模型，不再需要費力去盜取真人的生活照，只需簡單輸入“性感、高跟鞋、長髮、車內、34歲”等關鍵詞，幾秒鐘內，一個從皮膚紋理到眼神、服飾，都無懈可擊的“女神”便誕生了。AI情色工廠核心依賴的是深度學習中的擴散模型（Diffusion Models）。它並非簡單的圖像拼接，而是通過在海量真實人類照片，學習“美”的機率分佈。演算法將圖片噪聲化，再一步步“去噪”還原。LORA模型（低秩自適應模型）甚至可以精準控制虛擬人的髮絲顫動、瞳孔縮放以及皮膚表層的微血管分佈。AI生成的美女，她們扮演著各種角色：金融行業女強人，孤獨寂寞的家庭主婦，追求自由的背包客，她們的社交動態，充滿了精緻或煙火氣，每一張照片都表達渴望社交。最可怕的是大語言模型（LLM）的接入，它賦予了這些美女們“大腦”。這些模型被喂養了數以萬計的社交帳號的內容、心理學教材、往期成功的詐騙話術。一方面在社交帳號上，每天自動根據美女的設定的身份，生成和發佈不同的內容，生動形象地展示她的人設。另一方面，在受害者加入社交帳號後，比如微信或telegram，自動聊天，使其能夠通過自然語言處理（NLP）技術，敏銳地捕捉受害者文字中的情緒波動。通過情感計算，識別出你的脆弱點，瞬間生成一段符合你心理期待的安撫文字。這不再是人與人的對話，而是一個AI黑產大腦，在掃描你人性中的每一處漏洞。最後要麼是誘導受害者下載病毒軟體，裸聊勒索。要麼是假裝戀愛，最後騙取大額轉帳。這一場關於情感和金錢的大絞殺。一般人根本無處可逃。詐騙門檻無限拉低據媒體報導，某地一位姓陳的工程師，在社交平台上結識了一名自稱在香港從事藝術設計的女子。對方不僅擁有令人驚豔的容貌，更在日常交流中表現出了極高的情緒價值。日常發來的關懷的語音，還帶有細微的呼吸聲和特定的方言尾音。為了打消陳先生的疑慮，對方多次發起視訊通話。視訊中的女子交流和動作極為自然，毫無破綻。在長達三個月裡，陳先生深信不疑：“她跟我視訊，有說有笑，背景裡還有香港的夜景。那種真實感是無法抗拒的。”陳先生在對方“共同經營理財帳戶”的誘導下，先後分20餘次，轉帳280萬元。直到對方銷聲匿跡，報警後才恍然大悟。這背後利用的就是語音克隆技術（TTS），和Deepfake（深度偽造）即時換臉技術。據國家反詐中心及相關媒體的資料顯示，利用AI技術實施的詐騙案件，在近兩年的電信詐騙中佔比顯著提升。AI虛假人像帶動的“虛假戀愛”案件，涉案金額年均增長超過40%。一份來自網路安全機構的調研報告指出，目前黑產市場已經形成了完整的AI素材產業鏈：一套包含數千張同一虛擬人物，不同生活場景的照片、視訊以及配套的AI變聲包，在暗網上的售價僅為幾百元。這意味著，詐騙的門檻被無限拉低，而成功的機率暴漲。那些被騙去錢財的受害者，不僅面臨巨大的經濟虧空，更要承受深重的心理閹割。受害者在得知真相後產生的羞恥感，遠超喪失金錢帶來的痛苦。AI色情工廠形成生態這種“工業化”的收割模式之所以高效，因為它精準地利用了現代人的孤獨。在演算法的推薦機制下，騙子可以輕易篩選出那些高淨值、低社交、情感匱乏的目標群體。AI美女不再是一個固定的形象，進化成一種定製化的情感供應，可以根據受害者喜好隨時調整。當一個老實人或者充滿慾望的人，與一個整合了千萬級審美巨量資料、且不需要睡覺和休息的演算法博弈時，勝負已經註定。這種AI色情工廠正在形成一種“生態”。從AI生成引流、到自動化話術指令碼配合、再到即時換臉視訊詐騙，每一個環節都在去人工化。一個人可以同時操控上百個社交帳號，所有的聊天話術由大語言模型即時生成，能夠自動識別受害者的情緒狀態，並給出最具誘惑力的回應。在AI製造的美麗和溫柔面前，許多人的理智依然會被瞬間瓦解。我們生活在一個真實與虛幻界限日益模糊的世界。螢幕上看到的臉、聽到的聲音、感受到的溫情，都可能是虛構的產物時，整個社會的交流和信任成本將變高。一邊是詐騙分子的狂歡，一邊是是人類真實情感被消解。AI情色工廠的流水線永不停工。如果AI色情工廠進一步氾濫，那是對人類社會信任根基的動搖。在AI時代，從天而降的網路豔遇，大機率不是愛情，而是精準獵殺。 (南七道)

最近，一段2024年上傳到YouTube的視訊突然在全球社交媒體上火了起來。視訊裡，加拿大華裔學者江學勤（Jiang Xueqin）冷靜地作出了三個預測：川普會贏下大選、美國會對伊朗開戰、而且美國會輸掉這場戰爭。前兩個已成事實，第三個還懸在那裡，像一個沒人敢碰的深水炸彈，吊著所有關注中東局勢的人的胃口。最近，江學勤在《Breaking Points》節目中系統解釋了他的判斷依據。這個視訊短短兩天已經有500多萬觀看人數。他的分析不光是軍事層面的推演，更多指向了一個更深層、也更令人不安的結構性問題——這場戰爭真正的發動機，其實不在五角大樓的作戰室，而在矽谷的機房和華爾街的交易終端。換句話說，看這場戰爭，不能光盯著導彈的軌跡，還得看清楚錢是怎麼流的。沙漠裡的伺服器：美國科技巨頭正在中東布什麼局？過去幾年，有個現象沒怎麼引起注意——中東那些靠石油發家的國家，正在悄悄變臉。沙烏地阿拉伯、阿聯、卡達，過去的天際線是鑽井塔，現在冒出來的是成片的資料中心。亞馬遜的AWS在阿聯建了中東最大的雲端運算叢集之一，微軟的Azure也在卡達和沙烏地阿拉伯落地，Google雲則瞄準了利雅德。這些項目表面上是商業投資，其實背後是一條正在鋪開的AI產業鏈。為什麼偏偏是中東？說到底，就三個原因：能源便宜、錢多、位置好。這場佈局的規模大得驚人。光2023到2025這幾年，微軟就在阿聯和沙烏地阿拉伯砸了上百億美元建資料中心；亞馬遜在巴林和阿聯的業務也在不停擴張；甲骨文更是和沙烏地阿拉伯政府簽了協議，一起搞雲基礎設施。與此同時，阿聯本土的AI公司G42，正跟幾家美國科技巨頭深度合作，想把阿布扎比搞成全球AI研發的新中心。這些投資不光是商業行為，背後是一盤地緣科技的大棋——誰控制了這個地區的算力，誰就在AI時代的全球版圖上多了一個據點。先說能源。訓練一個大型AI模型，耗電量大到嚇人。一個巨量資料中心的用電量，能頂一座中型城市。而中東有的是便宜的天然氣，發電成本比歐美低得多，在這地方搞資料中心，帳怎麼算都划算。再說資本。沙烏地阿拉伯的主權財富基金PIF、阿布扎比的投資局ADIA、穆巴達拉——這些機構手裡攥著幾兆美元，正拚命往美國科技圈砸錢。有公開資料顯示，光2024到2025年，中東主權基金對美國AI公司和基礎設施的投資就超過了一千億美元。最後是地理位置。中東正好卡在亞、歐、非三洲的交界處，是全球資料傳輸繞不開的樞紐。江學勤在節目裡提了一個細節——阿聯的一個亞馬遜資料中心已經遭到攻擊。這個事很值得琢磨，說明AI基礎設施已經從“旁觀者”變成了戰場上的靶子。石油美元正在換賽道：從油井流進晶片要說清楚美國這一波AI泡沫的錢是從那來的，就得先搞明白一個運轉了快五十年的金融機制——石油美元循環。1974年，美國和沙烏地阿拉伯簽了一份秘密協議：沙烏地阿拉伯賣石油只用美元結算，美國則提供軍事保護。這套安排的厲害之處在於，全球只要有人買石油，就得用美元，而產油國手裡攢下的美元，又通過買美債、投資美國資產的方式流回美國。這個閉環是美元霸權的基石，也是美國能常年借錢不手軟的底氣。沙烏地阿拉伯Neom新城的資料中心（概念圖）但到了2020年代，這個循環裡多了一個新出口——AI。錢是怎麼流過去的？分好幾層。最上面，是沙烏地阿拉伯PIF直接入股美國科技公司和基金，金額動輒百億；中間層，是中東的家族辦公室和二級基金通過矽谷的風投進入早期AI公司；最底層，是石油出口賺來的美元，通過貿易、央行儲備、買美債這些常規管道，不斷給美國的金融市場“補水”。這三層加在一起，就是一條從波斯灣到矽谷的錢道。回頭看看OpenAI那一波波動輒幾百億的估值，輝達兩年翻幾倍的市值，還有科技巨頭們動不動千億等級的AI基建計畫——這些錢從那來？很大一部分，就來自中東。海灣國家的主權財富基金不光直接投資美國的AI公司和晶片企業，還通過買科技股、進私募、投風投，給整個AI生態提供了關鍵的資金支撐。可以說，石油美元正在換跑道，從油井轉向晶片。而美國的AI泡沫，如果這算泡沫的話，正是這條跑道的終點站。換句話說，美國這輪AI繁榮，不光是技術突破堆出來的，也是中東資本持續輸血養出來的。一旦戰爭把這條血管切斷，後果會是系統性的。五萬美元的無人機對上百萬美元的攔截彈從軍事角度，江學勤有一個獨到的觀察：伊朗根本沒打算跟美國正面硬剛，它的打法是用不對稱消耗，拖到美國自己先撐不住。這套帳算得很簡單。伊朗一架自殺式無人機，成本大概五萬美元。美國用來攔它的“愛國者”導彈，一枚就是幾百萬美元。就算打下來了，帳面上也是伊朗贏。而且伊朗為了這一天，準備了二十年。2024年那場所謂的“十二天戰爭”，讓他們摸清了美國和以色列防空體系的套路和軟肋。但比無人機更要命的，是伊朗對海灣基礎設施的打擊能力。江學勤在節目裡點了一個很現實的威脅——伊朗和它的代理人，正在有計畫地瞄準沙烏地阿拉伯、阿聯這些海灣國家的命門，比如石油設施，還有海水淡化廠。他舉了個例子：要是利雅德的淡化水廠被端了，那座上千萬人口的城市，撐不過兩周就會斷水。這可不是紙上談兵，這是幾千萬人活生生的處境。而從資本的角度看，一旦海灣國家的安全出了大問題，外資第一個跑，主權基金也得把錢抽回去搞重建，那流向美國AI的錢，說斷就斷。假如真的打起來，會發生什麼？我們來做個思想實驗。假設明天，波斯灣打起來了。胡塞武裝把曼德海峽一封，伊朗對沙烏地阿拉伯阿美的油井動手，阿聯的資料中心因為安全威脅被迫停擺。然後呢？第一步，能源市場先炸。全球五分之一左右的石油要從荷姆茲海峽走，油價幾天之內就能飆到兩百美元以上。第二步，資本市場跟著崩。海灣主權基金會緊急叫停海外投資，拋美股換現金，華爾街會迎來一場流動性地震。第三步，也是最致命的——AI產業鏈斷了。中東的資料中心關了，資本的管道被切斷，剩下的資料中心因為能源漲價營運成本飆升……美國的AI產業會面臨一場供給和資金兩頭擠的危機。這不是危言聳聽。現在美國AI產業的估值，靠兩個前提撐著：一是資本持續流入，二是算力不停擴張。這兩條都依賴一個穩定的中東。一旦戰爭把這個平衡打碎，泡沫不會慢慢洩氣，而是直接爆掉。輝達的股價、科技巨頭的市值、跟AI掛鉤的債券和衍生品，全得重估。而AI泡沫一旦破了，通過金融系統傳導開，殺傷力可能比2008年的次貸危機還要大。更深的一層，是信心。AI現在估值這麼高，很大程度上靠的是一個故事：人工智慧會改變一切，所以現在砸多少錢都值。這個故事要繼續講下去，就得有源源不斷的錢來撐股價、撐研發、撐擴張。一旦戰爭切斷了一條主輸血線，市場信心的崩塌會比實際損失來得更快。歷史早就演過——2000年網際網路泡沫，2008年次貸危機，都不是因為基本面歸零，而是因為邊際資金撤了，引發恐慌踩踏。AI泡沫要真破，也逃不過這個劇本。既然戰爭後果這麼嚴重，為什麼還會打？江學勤給了三層解釋。第一層是歷史的慣性——“帝國傲慢”。從羅馬到大英，每一個處在權力頂峰的帝國，都容易高估自己，低估對手。美國在阿富汗和伊拉克挨了那麼多教訓，按理說該長記性。但二十年過去，記憶淡了，新一茬決策者正踩著同樣的坑往前走。第二層是利益交換。沙烏地阿拉伯和以色列通過給川普家族——包括他的私募基金和競選活動——輸送了大量資金，換取了美國對伊朗動武的承諾。這種操作把國家級的戰爭決策跟私人的商業利益攪在一起，理性戰略自然讓位給了交易邏輯。第三層最隱秘，也最危險——戰爭本身，可能就是一種政治工具。在美國的憲法框架下，戰爭可以讓總統拿到大量緊急權力，比如限制公民自由、推遲選舉、壓制反對聲音。對一個想鞏固權力的人來說，一場持續的海外衝突，可能是最好用的國內政治工具。結語：演算法背後，是戰火的影子我們現在看到的，是一個前所未有的局面——人工智慧，這項被寄予厚望的技術，它的經濟底盤，竟然如此深地嵌在地緣政治的火藥桶裡。矽谷的工程師在調參，利雅德的王子在簽投資協議，德黑蘭的指揮官在部署無人機，華盛頓的政客在盤算選票和利益——這四件事看似不搭邊，其實早就纏在一起。江學勤的預測會不會全中，誰也說不準。但他點出的那個結構性矛盾是實的：美國的AI繁榮，其實是建在一個很脆的地緣政治平衡上。而那些推著戰爭往前走的力量，正好在拆這個平衡。這就像有人一邊給氣球打氣，一邊拿著針在旁邊比劃——不是會不會爆，而是什麼時候爆。對普通人來說，這意味著什麼呢？意味著你手機裡那個語音助手，你用的搜尋引擎，你每天離不開的那些自動化工具——這些看起來輕飄飄的數字服務，背後連著波斯灣的油輪、沙漠裡的伺服器，還有中東上空的無人機。技術從來不在真空裡，它一直活在權力、資本和戰爭的縫隙裡。我們聊AI的未來，或許也該抬頭看看，那些在頭頂轉的，到底是伺服器的散熱扇，還是戰火的味道。 (科工力量)

文 / 李開復，零一萬物CEO、創新工場董事長今年的政府工作報告有專門的章節來闡述“打造智能經濟新形態”，聽完後我為之振奮。報告中明確提出：“促進新一代智能終端和智能體加快推廣，推動重點行業領域人工智慧商業化規模化應用，培育智能原生新業態新模式。” 這為智能經濟的發展指明了務實的方向，釋放了一個清晰的訊號：人工智慧已經跨越了單純的技術探索期，正式進入到產業深度應用和全面發展的新階段。宏觀政策的導向，與零一萬物在產業一線的觀察與實踐高度一致。面對智能經濟的新形態，如何將前沿技術轉化為實際的生產力，是擺在所有從業者面前的核心課題。結合零一萬物的實踐與行業的未來走向，我想與各界朋友匯報幾點我們的心得。01. 產業智能時機到了但需要組織深刻變革配合大模型技術正以“月”為單位迭代，生成式AI驅動的AI 2.0，正快速從一項“黑科技”走向千行百業的商業化規模應用。這是一個關鍵轉折點：AI 2.0正在從單純的“工具智能”，邁向組織智能和產業智能齊頭並進的新階段。值得注意的是後兩者是相輔相成、互為引擎的——沒有組織層面的深刻變革，產業智能就是空中樓閣。那麼，現實情況如何？我們看到，許多企業在擁抱AI 2.0時，依然停留在“買把好錘子找釘子”的階段，陷入了一個典型的 “工具陷阱” ：他們追求單一環節的效率提升，卻錯失了系統性的業務重構所帶來的指數級增長機會。我們必須清醒地認識到，真正的產業變革，不是購買一套標準化的AI軟體，而是一場必須由上至下推動的“組織變革”。也就是說，企業的AI數智化轉型必須是 “一把手工程”——管理者需要跳出“為什麼要用AI”的淺層討論，躬身入局，去思考和實踐“如何用AI重構商業”。為了真正推動AI變革從“工具智能”邁向“組織智能”與“產業智能”，我們堅決選擇了一條深入產業肌理All in ToB 的道路。我們的前沿部署工程師（Forward Deployment Engineer）不再僅僅坐在後台寫程式碼，而是像業務夥伴一樣，進入最真實的業務一線，與客戶並肩作戰。他們不僅要懂程式碼，更要懂“行業”,他們要深入複雜的供應鏈、生產車間和零售現場，去解決那些真正關乎企業運轉和盈利的實際痛點。02. 2026將是企業多智能體上崗元年不久前，我在零一萬物的白板上寫下了一個斷言：2026年，將是“企業多智能體上崗”元年。我們正在經歷一場生產力的範式轉移——AI 正在從“一人一工具”的輔助角色，進化為“一人一團隊”的組織核心。在複雜的商業戰場上，多智能體（Multi-Agent）實現了從單純“被動執行”到“自主思考協作”的驚人飛躍。多智能體不是在替代員工，而是在“封裝”智慧，將能力軟體化。它讓個人的卓越，轉化為組織永續的資產。過去，優秀的業務邏輯和判斷力往往鎖在核心人才的腦袋裡，難以規模化複製。現在，通過多智能體，我們可以將這些深度的行業洞察“封裝”成一套套全天候運轉、自我進化的“矽基軍團”。這意味著，企業的核心競爭力將不再隨人員流動而損耗，而是如同樂高積木般，可復用、可拼裝、可沉澱。更讓我興奮的是，中國擁有全球最齊全的工業門類和超大規模的市場。每一個生產車間、每一段供應鏈流程，都是多智能體進化的絕佳實驗室。當中國深厚的工業底蘊與多智能體技術深度耦合，我們將見證一個偉大的跨越：中國將從“世界工廠”，穩步進化為智能驅動的“全球智能體工廠”。03. 中國是AI原生硬體的最佳爆發地報告中特別提到了“新一代智能終端加快推廣”以及“培育智能原生新業態”。我認為，如果說多智能體是重塑企業生產價值鏈的“超級員工”，那麼下一代智能終端就是重構人機互動的前端入口。我始終堅持，手機絕對不是 AI 2.0 時代的終極形態。我們必須跳出“手機+App”的舊邏輯，以 AI-First（智能原生） 的思維，定義具備以下五大特質的“下一代AI硬體終端”。它應該起碼具備五個特點：語音驅動：自然語言將成為最自然、最高效的互動入口。裝置能夠準確理解使用者的真實意圖，減少對物理按鍵或螢幕觸控的依賴。全時待命：未來的裝置是全天候待命的。它不需要刻意去進行“喚醒”操作，而是自然地融入你的生活與工作流。多維感知：依託多模態感測器，裝置能夠即時感知物理環境、對話內容和視覺資訊，從而建立精準的上下文語境。無限記憶：裝置將具備超長的上下文處理能力和本地記憶庫，它能記住你過往的習慣和互動，提供高度個性化的專屬服務。趨於隱形：科技發展的自然方向是融入日常。未來的AI硬體在形態上將更加輕量化、無感化，它們可能化作耳機、眼鏡或配飾，不再讓使用者的注意力被實體螢幕所束縛。這一場AI智能原生硬體革命的最佳爆發地就在中國。我們擁有全球最頂尖的製造業供應鏈叢集。從精密光學元件、高性能感測器到微型電池，中國產業鏈的深度、廣度與響應速度，以及成本控制能力是全球任何地方都無法比擬的。這種“智能原生”與“中國製造”的完美耦合，讓中國企業不僅能快速定義出新形態硬體，更能以極高的效率實現規模化量產。目前，中國在產品設計、軟體能力和AI技術方面已經位居世界一流，硬體製造能力更是超越美國，特別是依託深圳在內的大灣區完善的產業鏈優勢。這意味著，在中國開發硬體的成本遠低於美國。我們可以以相對較低的成本、更強的“智造”實力，並以中國市場作為試驗田，進而國內、國際市場雙向佈局。04. 開源是中國AI在全球科技競爭中實現“換道超車”的關鍵路徑之一另外，報告特別指出要“支援人工智慧開源社區建設，促進開源生態繁榮”。對此我深有感觸，在我看來，開源是中國AI在全球科技競爭中實現“換道超車”的關鍵路徑之一。在全球大模型的中美雙雄競技中，中國走出了一條極具特色的路。不同於矽谷科技巨頭所追求的“閉源壟斷”和贏家通吃，中國AI正在以開源為土壤，建構起一個龐大的“共創智庫”。我們堅定地擁抱開源，這不僅僅是程式碼的共享，更是底層技術突破的“加速器”。這種開源實踐，正在推動一場深刻的底座平權。它大幅降低了大模型的應用門檻——企業不再需要糾結於是否有昂貴的算力去追趕極點，無論大小企業，都能站在頂尖開源底模的肩膀上，把最核心的精力投入到更深度的行業應用中去。開源生態的繁榮，不僅建構了中國在全球範圍內的技術影響力和應用生態，更是我們邁向“智能體工廠”不可或缺的堅實基座。只有底座足夠穩、門檻足夠低，千行百業的智能原生應用，才能如雨後春筍般破土而出，深紮在開源這片沃土之中。我們投身人工智慧領域的根本願景，是希望通過“人工智慧+”賦能實體經濟，真正為國家和社會創造價值。智能經濟的藍圖已徐徐展開，其本質是生產力重塑和商業邏輯重構。我們期待與各行各業的實幹家們一道，腳踏實地，擁抱多智能體與原生硬體交織的時代機遇，共同將AI數智化變革的廣闊願景，深耕於千行百業，生根發芽、開花結果。附：中國企業智能體2026年十大預判一、2026年不會指揮AI，你會被AI替代有很多年輕朋友問我：“開復老師，2026年多智能體規模化上崗了，我會被替代嗎？”我在零一萬物的會議室裡，有一塊白板，上面寫過各種各樣的趨勢判斷。在今年，一個核心的觀察是：今年是企業多智能體上崗元年。AI正在從“一人一工具”跨越至“一人一團隊”。如果說，推理模型加持下，單智能體所實現的是任務處理的智能化，那多智能體則是像人類團隊一樣分工協作、相互檢查，將企業內部的優秀能力沉澱為可復用、可組合的業務資產。在我看來，2026年，企業多智能體將作為“矽基軍團”，在核心辦公場景中扮演關鍵角色。我的觀察是，如果你還把AI當成一個偶爾查資料的工具，如果你還在糾結於寫PPT、填表格這些重複性工作，那確實應該有危機感。任何基於數字、可計算的、相對重複性的工作，AI會越做越好，越做越快，越做越便宜。不同於基於預設規則的RPA（機器人流程自動化），多智能體實現了從“執行”到“思考”的跨越：它能理解使用者意圖、自主拆解複雜目標、並靈活規劃路徑。 這種從“端到端”的交付能力，讓 AI 真正具備了職業屬性。未來的職場，人與AI的邊界將會被重新劃分：人類會從繁瑣的重複性工作中解放出來，去處理最核心的戰略決策，去建立人與人之間那種不可替代的情感連接。所以，如何不被替代？答案不是去和AI拼算力，而是要進化你的“戰略定義力”與“價值判斷力”。“戰略定義力”：在複雜的業務環境裡，為AI錨定戰略目標。“價值判斷力”：要有能力審查AI的產出，識別潛在風險，為最終交付的社會價值與商業價值負責。未來企業架構將會是“人類架構師＋智能體叢集”協同進化的超級智能體。而具備戰略定義力與價值判斷力的“複合型員工”將會是人機協作的核心。你最想把那項令人頭疼的工作交給AI？二、我觀察了上百家企業，做對AI轉型的只有1%我常說：企業AI數智化是一把手工程。這裡所說的“一把手工程”的真義，不是拍板而是破局。去年，我和零一萬物的業務團隊走訪了上百家企業客戶，很多CEO對AI仍有比較大誤區：給技術部門撥一筆預算，裝幾個智能外掛，把AI當做簡單的“外掛”——但實際上這遠遠不是“AI化”。在2026多智能體上崗元年，AI不只是CFO或CIO“拍板”的預算，更是一把手親自去“破局”的組織變革。為什麼這麼說？因為多智能體（Multi-Agent）正在做一件過去幾十年都做不到的事：能力軟體化（CaaS）。這意味著，你可以把公司最頂尖銷售的判斷力、王牌產品經理的邏輯，封裝成一套可以被高效複製、7x24小時全天候運轉的“矽基軍團”。他們如同流水，具備極強適應性與延展性，業務高峰時自動擴容，低谷時靜默待命。企業的生產力單元將從人轉變成Agent，這不再是單純的技術迭代，而是對企業組織形態與商業底層邏輯的重構。在零一萬物，多智能體已經能“平替”市場或 HR 的部分核心流程。背後其實是依賴於企業多智能體“TAB 三要素”：AI Team（團隊作戰）：以前是招人難，現在是“能力軟體化”。1 個人指揮 1 支智能體團隊成為可能，人和 Agent、Agent 和 Agent 之間高效協同。這意味著企業不再受限於“單一專家”，能力可以像軟體一樣彈性伸縮，徹底突破人才瓶頸。AI Auto-pilot（業務裂變）：就像自動駕駛一樣，AI 能根據核心生產場景自動規劃、落地，且過程可控、質量可查。這讓個人業務能力實現指數級增長，企業在垂直深度和規模化擴張之間，終於能找到那個平衡點。AI Business（商業重構）：這是最核心的。當多智能體的流程和產出都能沉澱、重構，企業的核心競爭力就被拆解成了“原子顆粒度”。這種“能力即服務”（CaaS）的模式，能讓你從賣產品變成賣“解決能力”，實現商業模式的徹底翻新。而要實現這種變革，必然會觸動傳統的部門牆，而只有一把手才能打破舊有的KPI體系。目前看來，可能只有百分之一的企業真正做好了這種準備。因為傳統的首席資訊官（CIO）往往由於職業慣性顯得過於保守，不能勝任AI數智化轉型任務。我建議：CAIO（首席AI官）是實權，不是虛銜。一把手要給授權，讓首席AI官 CAIO 配合 CEO 拆解並重構組織。沒這個狠心，轉型就是空談。要“硬核戰友”，不要“流水線供應商”。拒絕只做 PPT 的供應商。選那些懂AI、願意做私有化部署、有耐心瞭解企業業務、願意派遣工程師到客戶一線駐場共創的硬核夥伴。不要等到對手的“1人公司”用更低的成本跑贏你時，才想起去擁抱變革。等技術成熟再轉型，實質上是企業的“慢性自殺”。三、從世界工廠到智能體工廠，為什麼是中國？在全球AI競賽中，中國的機會到底在那？我的觀察是：中美已進入雙雄時代，但走的是截然不同的路。美國公司像在玩一場“贏家通吃”的遊戲，OpenAI們籌集千億美金，試圖率先攻克AGI（通用人工智慧），從而對整個行業實現降維打擊。為此，他們必須保密、必須閉源。而中國路徑更像是一個“共學小組”。 中國大模型企業很擅長在有限資源內“多快好省”地做到世界第一梯隊的模型，同時堅定擁抱開源，以開放生態攻佔全球市場。一方面，小組內的所有成員都在建構開源模型並進行分享，相互學習以加速技術突破。另一方面，阿里通義千問、DeepSeek等模型的崛起，憑藉開放性、可定製性和本地部署優勢，建構起了全球範圍內的技術影響力和應用生態。這構成了中國有望從“世界工廠”躍遷為“智能體工廠”的第一個原因：底座平權。隨著開源模型的爆發，大模型的門檻正在降低。中國企業不需要再糾結於是否有昂貴的算力去追趕前沿技術，而是利用頂尖開源基模，把精力放在更深度的行業應用上。更重要的是土壤優勢。中國擁有全球最齊全的製造業門類和超大規模的消費市場。每一個廠房、每一個業務流程，都是多智能體落地的絕佳場景。通過能力軟體化（CaaS），我們可以把中國深厚的工業經驗、服務邏輯，重構成一個個高效協作的“智能體團隊”。中國AI的“新黃金時代”，不是實驗室裡炫技打榜，而是在辦公室廠房、在田間地頭。隨著2026年政府工作報告提出“打造智能經濟新形態”，深化拓展“人工智慧+”行動，中國正從“製造”向“智造”全面躍遷。從輸出商品到輸出“矽基生產力”，這不僅是生產模式的顛覆，更是國家競爭力的重塑。在智能體時代，中國有望實現換道超車，開啟AI時代的黃金十年。 (華夏基石e洞察)

很多人以為，AI競爭發生在模型之間。有人討論參數規模，有人關注晶片性能，也有人爭論誰的演算法更先進。但2026年的一組全球資料，卻揭開了一個更殘酷的現實——美國擁有3960座資料中心。而排名第二到第十五的國家加起來，才勉強接近這個數字。這意味著，當世界還在討論AI未來時，真正支撐人工智慧運行的底層戰爭，其實早已開始。甚至，在某種程度上，勝負已經初步分出。一、AI時代最重要的資源，不是模型今天你打開手機：一次ChatGPT對話、一次短影片推薦、一次雲端檔案同步、一次自動駕駛訓練——背後都不是“軟體”。而是一座座全天候運轉的資料中心。這些建築看似普通，卻是這個時代最昂貴、最耗能、也最關鍵的基礎設施。一個大型AI資料中心通常意味著：數十萬張高性能計算卡持續運行巨量電力供應系統工業級散熱設施全球網路交換節點訓練一次先進AI模型，所消耗的電力，甚至相當於一個小城市數天用電量。於是，一個越來越清晰的邏輯出現：AI競爭，本質是算力競爭。算力競爭，本質是資料中心競爭。二、一張全球地圖，看懂真正的差距根據2026年全球資料中心統計：第一名與第二名之間，差距接近8倍。這不是領先。這是基礎設施層面的代際鴻溝。換句話說——全球網際網路的“物理核心”，仍然集中在美國。三、為什麼美國能形成壓倒性優勢？很多人會疑惑：中國擁有全球最大網際網路人口，為何資料中心數量卻明顯落後？答案並不複雜。1. 雲端運算霸權的歷史積累過去十五年，美國科技公司完成了一件極其關鍵的事情：提前建設全球雲基礎設施。全球三大雲服務體系——Amazon AWS、Microsoft Azure、Google Cloud幾乎建構了現代網際網路的底層運行環境。當AI浪潮突然爆發時，美國並不是追趕者，而是已經擁有完整高速公路的玩家。2. 資料天然向平台集中網際網路世界存在一個鐵律：資料，會流向平台。而全球最核心的平台公司，大多誕生於美國。平台在哪裡，資料中心就在哪裡。長期積累之下，美國形成了全球最大的算力網路。3. 被忽視的關鍵變數：電力AI時代，一個真正稀缺的資源正在浮現——電力。超大型資料中心往往需要數百兆瓦穩定供電。美國擁有：成熟電網體系低成本土地能源供應多樣性弗吉尼亞州甚至被稱為“世界網際網路首都”，全球大量網路流量在此交換。AI，本質上正在變成能源產業。四、歐洲：穩定，卻難以爆發歐洲的資料中心呈現明顯叢集：英國、德國、法國、荷蘭構成核心節點。優勢在於：網路連線密集企業數位化需求強金融資料交換頻繁但現實限制同樣明顯：能源價格高環保監管嚴格電力擴容困難歐洲因此成為全球算力體系中的“穩定樞紐”，而非增長引擎。五、真正的變數，在亞洲如果說美國代表現在，那麼亞洲代表未來。中國、印度、日本、印尼的資料中心數量正在快速增長。背後的推動力只有一個：需求爆炸。亞洲擁有全球最大數字人口與移動網際網路活躍度。資料產生速度，正在遠超全球平均水平。與此同時，各國開始強化資料本地化政策：資料必須儲存在本國。這直接推動本土資料中心建設進入加速週期。一個新概念開始出現：算力主權。未來國家競爭，不僅是晶片或模型競爭，而是——是否擁有獨立運行AI的能力。六、AI戰爭，正在從晶片轉向電力過去三年，人們關注GPU。未來十年，競爭焦點將轉向：電網容量能源結構資料中心密度散熱效率越來越多科技公司開始直接投資能源項目。原因極其簡單：沒有電，就沒有AI。科技競爭，重新回到了工業基礎能力。七、資料中心，正在重塑全球經濟版圖歷史上：港口決定貿易中心；鐵路決定工業城市；石油決定能源格局。而今天：資料中心正在決定數字經濟中心。算力叢集出現的地方，將吸引：AI企業創業資本雲生態高端就業新的城市競爭邏輯已經誕生——不是誰樓更高，而是誰的算力更強。八、未來十年：世界或進入“三極算力時代”全球算力格局正在走向三極結構：美國：絕對領先的AI訓練核心歐洲：全球資料交換樞紐亞洲：增長最快的算力需求中心真正的懸念只有一個：亞洲能否在規模上追趕美國？2026資料中心十大趨勢：AI、可持續與創新AI驅動需求爆炸：到2030年，資料中心需求近三倍增長，主要因AI。      GPU密集型工作負載讓能耗翻倍。液冷革命：傳統風冷不足，液冷部署從2025年的33%升至2026年的40%。**hyperscale主導**：大型企業轉向超大規模中心，到2030年佔61%容量。綠色能源轉型：資料中心投資佔全球綠地投資20%，焦點在可再生能源。邊緣計算加速：5G推動資料中心向使用者端遷移，減少延遲。供應鏈挑戰：稀土元素短缺影響晶片生產。許可競賽：各國加快審批，歐洲GW級校園湧現。混合雲最佳化：企業      repatriation 資料，回遷到本地以控成本。量子準備：2026年是量子計算就緒年，資料中心需升級。投資熱潮：全球承諾供應量是建設中的數倍，亞太增長32.9%      CAGR。這些趨勢表明，資料中心不止是“倉庫”，而是創新引擎。結語：AI革命，其實非常“物理”很多人認為AI存在於雲端。但現實恰恰相反。AI存在於：發電廠旁，光纖節點下，以及無數晝夜運轉的伺服器機房中。當演算法逐漸普及、模型逐漸開源之後，真正稀缺的，將不再是程式碼。而是——持續運行智能的能力。21世紀的競爭，不再只是科技競爭。而是算力、能源與基礎設施的綜合競爭。未來世界的權力結構，也許將由一個看似低調的指標決定：一個國家，究竟擁有多少座資料中心。 (ForceInstitute)

3月初，AI行業迎來一場無聲的震撼。當Azure、Google Cloud、AWS這三大美國雲巨頭尚未對OpenClaw做出明確響應時，中國的創業圈已經率先掀起了一場"不可逆的衝擊"。從AI相親平台到AI招聘網站，從AI旅行日誌到11台二手MacBook組建的內容創作軍團，OpenClaw正在中國創業者手中，以驚人的速度和創造力，改寫著AI落地的想像邊界。一場春節駭客松的爆發式創新春節過後，圍繞OpenClaw的創新在國內呈現爆發式增長。在各類駭客松（Hackathon）和創業活動中，創業者們用OpenClaw做出了一系列令人眼前一亮的產品。有人用OpenClaw搭建了AI相親平台。這個平台的運行邏輯顛覆傳統：AI智能體之間先自主對話，互相瞭解背景、核實條件、評估匹配度。只有當雙方Agent都認為匹配達標時，才會通知各自的人類主人介入。這並非簡單的"智能推薦"，而是讓AI替你完成第一輪甚至第二輪篩選。你只需要處理Agent已經過濾後的結果，大幅降低了時間和精力成本。有人開發了AI招聘網站，讓HR的AI Agent與求職者的AI Agent先進行初步溝通。雙方Agent會自動交換資訊、核實技能、評估匹配度，只有匹配度達到預設閾值才會向人類推薦。這個設計解決了招聘中的一個核心痛點：大量的無效溝通。通過Agent之間的"預面試"，HR和求職者都能在真正見面或通話前，就獲得足夠的資訊判斷。還有創業者用OpenClaw打造了AI旅行日誌平台。這個平台會自動記錄使用者的旅行軌跡、生成圖文並茂的旅行日記，甚至能夠根據照片自動識別景點、美食和人物，撰寫情感化的文字描述。你只需要專注享受旅途，AI會幫你完成記錄、整理、分享的全過程。💡 創新案例：這些創新並非孤例。從AI客服到AI內容稽核，從AI資料分析到AI自動化工作流，創業者們正在用OpenClaw解決一個又一個真實的業務痛點。11台二手MacBook背後的故事在眾多OpenClaw創新案例中，有一個特別引人注目：一位產品經理用11台二手MacBook組建了一支AI內容創作軍團。這個配置看似"寒酸"，卻背後藏著精妙的計算。每台MacBook成本約2000-3000元，11台總價不到3萬元，卻能組建起一支7×24小時持續工作的內容創作團隊。每個MacBook部署一個OpenClaw實例，連接到不同的內容創作平台和工具。這套系統能夠自動完成選題研究、資料蒐集、文章撰寫、圖片生成、多平台發佈等全流程。相比僱傭同樣規模的團隊，成本不到十分之一，效率卻高出數倍。更關鍵的是，這些MacBook可以持續運行，無需人工干預。當創作者休息時，這些AI員工仍在工作，源源不斷地產出內容。這不是個例。越來越多的創業者開始用OpenClaw建構自己的"一人軍團"。以前需要一個團隊才能完成的工作，現在一個人加一套OpenClaw系統就能搞定。從軟體溢出到硬體控制OpenClaw的影響力正在從軟體領域溢出到硬體領域。在廣州，一家初創公司實現了通過Agent遠端控制充電裝置。這個看似簡單的應用，背後卻有著深刻的意義。它讓AI能夠直接操作物理世界的裝置。當電力價格低廉時，Agent會自動啟動充電;當電網負荷過高時，Agent會調整充電策略，參與需求響應。更重要的是，這一切都是自主發生的。你不需要手動設定複雜的時間表或策略，OpenClaw會根據你的用電習慣、電價變化、電網狀態等即時資訊，智能決策並執行。類似的應用正在各個領域湧現。智能家居控制、無人機巡檢、工業裝置調度、農業自動化……OpenClaw正在成為連接AI與物理世界的關鍵橋樑。有創業者感慨："這是中國AI行業一次'不可逆的衝擊'。OpenClaw讓AI從'聊天工具'變成了'行動主體'，這個轉變是不可逆的。"💡 硬體創新：OpenClaw正在從軟體領域溢出到硬體控制領域，讓AI能夠直接操作物理世界的裝置，成為連接AI與物理世界的關鍵橋樑。為什麼是中國創業者先行?一個值得深思的問題是：當美國的雲巨頭還在觀望時，為什麼是中國創業者率先掀起了這場OpenClaw創新浪潮?首先是需求的迫切性。中國有著全球最活躍的創業者群體和最激烈的競爭環境。任何能提升效率、降低成本的工具，都會被迅速採納和推廣。其次是本土化的生態支援。Kimi推出了Kimi Claw，提供開箱即用的體驗;阿里雲、騰訊雲、百度雲同步上線一鍵部署;華為昇騰、摩爾線程等國產晶片完成適配。這一切都發生在極短時間內。最後是務實的創新文化。中國創業者不追逐空泛的概念，而是專注於解決真實的問題。他們用OpenClaw不是為了炫技，而是為了省錢、省時間、省人力。不可逆的衝擊，可期的未來OpenClaw正在中國AI行業掀起一場"不可逆的衝擊"。這場衝擊的核心，是讓AI從"回答問題的工具"變成了"執行任務的員工"。以前，AI是幫你想辦法的。現在，AI是幫你幹活的。以前，你需要把AI的建議人工轉化為行動。現在，AI可以直接執行。以前，一個人只能做一個人的事。現在，一個人可以帶著一群AI員工，完成一個團隊才能完成的工作。這種轉變之所以是"不可逆"的，是因為它帶來的效率提升和成本降低是實實在在的。一旦體驗過，很難再回到過去。當然，OpenClaw也面臨著安全、隱私、合規等挑戰。社區正在積極應對這些問題，安全工具、沙箱機制、權限管理等功能不斷完善。但無論如何，這場由OpenClaw引發的AI創新浪潮，已經不可逆轉地改變了AI落地的遊戲規則。Azure、Google Cloud、AWS的觀望還在繼續，但中國的創業者已經用行動給出了答案。OpenClaw不是一個簡單的工具，它是一個AI時代的"作業系統"。在這個系統上，無數的創新正在湧現，無數的問題正在被解決。這或許是AI真正落地的開始——不是在雲端，而是在本地;不是在演示，而是在實戰;不是在實驗室，而是在真實的生產環境中。而這一切，正在中國這片土地上，以驚人的速度和創造力，成為現實。 (AI智友筆記)

當矽谷還在高喊“AI將重塑全球經濟”，華爾街巨頭高盛直接潑來一盆冷水：2025年AI對美國GDP增長的貢獻基本為零。這份報告戳破了持續兩年的AI狂熱神話——數千億美元砸進資料中心、算力軍備競賽愈演愈烈，最終卻沒能轉化為實打實的經濟增長。所謂的“AI新經濟”，更像一場資本自嗨的泡沫遊戲。高盛首席經濟學家揚·哈丘斯的結論並非空穴來風。過去一年，微軟、Google、Meta、亞馬遜等科技巨頭砸下數百億美元佈局AI，2026年AI相關資本開支更是飆升至7000億美元，相當於美國GDP的2.8%，強度直逼1999年網際網路泡沫峰值。但從GDP核算邏輯來看，這場狂歡的真相格外殘酷：AI投資的錢，大部分流去了海外。資料中心成本約四分之三用於晶片、伺服器等硬體，而美國AI產業鏈高度依賴亞洲製造環節。按照GDP支出法核算，企業進口硬體的支出，會在“淨出口”項中被全額抵消，投資拉動效應直接歸零。簡單說，美國企業越瘋狂買算力裝置，東亞半導體與製造業經濟體的GDP越受益，美國本土卻只拿到了“投資熱鬧”，沒分到“增長實惠”。這也是高盛判定AI貢獻為零的核心原因——錢花了，GDP沒漲，全是進口抵消效應。比經濟貢獻掛零更可怕的，是美國AI泡沫的三大膨脹特徵，每一項都在透支行業未來。第一，投入產出嚴重倒掛，商業化遙遙無期。紅杉資本資料顯示，全球AI基礎設施年投入超6500億美元，實際相關收入僅500億美元，6000億美元的投入鴻溝觸目驚心。OpenAI年收入僅數十億美元，年虧損卻突破百億美元，陷入“越發展越虧損”的怪圈。麥肯錫調研更揭露行業真相：近80%部署AI的企業未能提升淨利潤，95%的生成式AI試點項目沒有直接財務回報。巨頭們靠延長裝置折舊年限掩蓋成本，中小AI公司則靠融資續命，90%的AI創業公司註定失敗，“殭屍企業”數量逐年激增。第二，資本過度集中，估值嚴重透支。2025年美國風投超65%湧向AI領域，資金扎堆硬體層，軟體應用與技術創新反而遇冷。美股AI概念股估值飆升至歷史高位，標普500市值增幅超58%由10家AI龍頭推動，市場完全被“AI敘事”綁架。然而泡沫已開始破裂：2026年以來，美股科技七巨頭市值蒸發超1.5兆美元，輝達、博通等核心標的股價重挫，投資者終於清醒——沒有盈利支撐的高估值，終究是空中樓閣。第三，產業結構畸形，風險外溢經濟全域。AI軍備競賽讓科技巨頭自由現金流急劇惡化，Google自由現金流或暴跌90%，亞馬遜、Meta甚至面臨轉負風險。為維持燒錢，企業大舉發行高息債券，2025年AI相關信貸發行佔比達全年美元計價信貸的30%，債務風險持續累積。更致命的是“擠出效應”：資金全被AI硬體吞噬，傳統製造業、實體產業投資持續低迷，美國經濟患上“AI依賴症”，一旦泡沫破裂，將拖累整體增長。很多人拿AI與網際網路革命類比，試圖淡化泡沫風險，但兩者本質截然不同。網際網路泡沫時期，技術落地帶動了生產力提升、就業增長與產業重構，最終走出了Google、亞馬遜等真正創造價值的企業。而當前的AI熱潮，停留在算力競賽與資本炒作層面，沒有大規模提升勞動生產率，沒有改變就業結構，更沒有滲透到實體產業創造真實價值。索洛悖論再次應驗：“你到處都能看到電腦時代，唯有生產率統計裡看不到”。美國AI泡沫的本質，是技術狂熱、資本逐利與政策推動共同催生的虛假繁榮。政府力推AI主導權，企業跟風燒錢搶份額，華爾街炒作概念推高股價，三方合力把AI吹成了“無所不能”的神話，卻忽略了最核心的商業化與經濟轉化。高盛的報告，就是戳破神話的那根針——沒有實際產出的技術革命，終究只是泡沫。當然，這並不意味著AI毫無價值。長期來看，AI仍是重塑生產力的核心技術，但技術落地需要時間，商業化需要場景，經濟貢獻需要積累。歷史反覆證明，所有脫離基本面的資本狂歡，最終都會回歸理性。2000年網際網路泡沫破裂後，行業洗盤留下了真正的創新者；如今的AI泡沫，也終將經歷擠水分、去泡沫的過程。對於美國而言，當下最該做的不是繼續瘋狂燒錢，而是讓AI回歸產業本質：推動技術落地實體、完善本土供應鏈、提升投入產出效率。對於全球市場而言，高盛的報告是一記警鐘：別被AI敘事綁架，尊重技術規律，尊重商業常識。從“貢獻為零”到真正驅動經濟，AI還有很長的路要走。而那些只靠炒作、沒有真實價值的AI泡沫，終將在理性回歸中破裂。畢竟，資本可以製造狂熱，但經濟增長，永遠只認實實在在的產出與價值。 (新火m)

你可能不知道，AI 光互連市場已經正式進入了指數級增長通道。未來三年，整個賽道的規模將直接狂飆三倍！但在眾多產業鏈公司中，為什麼輝達偏偏選擇重金押注 LITE 和 COHR？它們手裡到底握著什麼卡脖子的核心技術，讓老黃非買不可？除了這兩家，還有那些關鍵玩家的行情值得我們要重點關注？現在光互連這條賽道，到底走到了那一步？如果說 2022 年的俄烏衝突，讓世界第一次看到“商業衛星 + AI”在戰場上的雛形；那麼到了 2026 年，戰爭的形態可能已經發生了一次真正的躍遷。戰場不再只是 海、陸、空的三維空間，而是進入了 “太空 + 算力”主導的新四維戰爭體系。當勝負開始取決於，誰的資料鏈路更快、誰的決策模型更強，軍工、航天與 AI 的底層邏輯，是否已經被徹底改寫？AI算力戰爭的真正瓶頸本周，輝達分別向光子技術公司 Lumentum（LITE） 和 Coherent（COHR） 各投資 20 億美元.這筆交易釋放了一個非常清晰的訊號：光互連正在成為 AI 資料中心能否繼續擴張的關鍵基礎設施。消息公佈後，資本市場迅速做出反應。LITE 單日上漲接近 12%，COHR 漲幅超過 15%，而光纖材料龍頭 康寧（GLW） 也同步上漲 4.97%。我們在此前兩篇深度文章中，其實已經系統拆解過這個邏輯，並重點介紹了GLW、LITE與COHR在產業鏈中的位置。AI光互連正在進入指數級增長輝達為什麼偏偏選在這個時間點，加碼光通訊？要回答這個問題，我們得先糾正一個很多投資者的誤判：大家嚴重低估了光模組需求爆發的速度。隨著AI訓練叢集規模不斷擴大，資料中心網路正在經歷一次代際升級。過去主流是400G網路，而在AI算力叢集中，這一頻寬已經遠遠不夠，行業正迅速向800G甚至1.6T光模組升級。行業研究機構Dell’Oro的預測顯示，AI資料中心網路投資正在快速增長。相關基礎設施支出預計將從2023年的約2600億美元，增長到2025年的接近6000億美元，並有望在2028年前突破1兆美元規模。摩根士丹利預測，到 2028 年，整個光通訊市場規模將達到 650 億美元。換句話說，未來三四年，光互連市場將迎來一次史詩級的規模擴張。這意味著，高速光模組正在成為AI算力基礎設施中最關鍵的一環。更重要的是，這一增長並不只是簡單的技術升級，而是來自 AI 資料中心架構的變化。在傳統網際網路資料中心中，流量主要來自伺服器與使用者之間，也就是所謂的 “南北向流量”。但在 AI 資料中心中，絕大多數資料交換發生在 GPU 與 GPU 之間，形成巨大的 “東西向流量”。當數萬甚至數十萬 GPU 組成訓練叢集時，伺服器之間的資料交換規模會呈現指數級增長。這一變化帶來了三條清晰的需求曲線。第一是 橫向擴展（Scale-out）：隨著 AI 叢集規模擴大，機架之間的連線量迅速增加。第二是 縱向升級（Scale-up）：機架內部大量使用的銅纜正在逼近頻寬與功耗極限，未來將逐步被光互連替代。第三是 跨資料中心互聯（Scale-across）：分佈式 AI 訓練需要多個資料中心協同運行，長距離高速光模組需求開始快速增長。在這三條曲線的疊加下，高端光模組的出貨量，可能從 2025 年的 2000 萬隻，猛增到 2026 年的 5300 萬隻，並在 2028 年逼近 8000 萬隻。這不是線性增長，這是指數級爆發。算力瓶頸正在從 GPU 轉向“互連”隨著 AI 叢集規模不斷擴大，一個新的瓶頸開始出現：算力系統的限制，正在從 GPU 本身轉向 GPU 之間的資料連接效率。在 224G 傳輸速率下，傳統銅線的有效傳輸距離已經縮短到 不足 1 米。這意味著，當 GPU 叢集規模繼續擴大時，僅依賴銅互連已經無法滿足資料傳輸需求。因此，光互連正在從一種性能升級選項，變成 AI 資料中心的基礎設施。在華爾街的一些技術報告中出現了這樣非常形象的類比：而在下一輪 AI 基建周期中，光互連能力很可能決定 AI 叢集的擴展速度。在上一輪 AI 基建周期中，先進封裝（CoWoS）決定了 GPU 的產量。這也正是輝達選擇提前佈局光互連產業鏈的核心原因。那麼為什麼輝達選擇 LITE 和 COHR？問題來了，在眾多光通訊公司中，為什麼輝達偏偏選擇了LITE 和 COHR？答案其實就藏在光模組的“身體結構”裡。我們可以把 AI 資料中心想像成一個超大型工廠。GPU 是幹活的機器，光模組是連接機器的傳送帶。現在機器跑得飛快，傳統的“銅傳送帶”扛不住了，必須換成“光傳送帶”。但在光模組這個小盒子裡，真正決定它能不能跑得快、跑得穩的核心部件，只有一個——那就是雷射器。如果把光模組比作一輛跑車，外殼和組裝只是車身，而 雷射器就是發動機。車身再漂亮，如果發動機動力不足，這輛車在 800G 甚至 1.6T 的“超級高速公路”上，根本跑不起來。而且在 AI 場景下，這個發動機不僅馬力要大，還得極度“省油”，否則資料中心瞬間就會變成巨大的電暖爐。但是全世界能造出這種頂級“發動機”的廠家，屈指可數。這就是輝達的邏輯：LITE 和 COHR，是這個細分領域裡幾乎無法繞過的“雙寡頭”。先看 Lumentum (LITE)。它手裡握著一張王牌材料——磷化銦 (InP)。你可以把它理解為光通訊界的“特種鋼材”。只有在磷化銦平台上，才能造出滿足 1.6T 時代高頻、低功耗要求的頂級雷射器。特別是在未來的 CPO 架構中，所需的高功率連續波雷射器，Lumentum 目前處於絕對領跑地位。輝達投它，買的是 技術的天花板。再看 Coherent (COHR)。它更像是一個擁有全產業鏈能力的“巨人”。從最底層的晶體材料生長，到晶片加工，再到器件封裝，Coherent 全部自己能搞定。這種垂直整合的模式，讓它在產能保障、成本控制和良率提升上，有著極強的韌性。輝達投它，買的是 供應鏈的安全墊。為什麼要現在投？因為過去兩年的教訓告訴輝達：光模組交貨慢，往往不是組裝廠沒工人，而是卡在了上游的雷射晶片上。輝達這 40 億美元，表面是投資，實則是鎖定了未來幾年核心零部件的 “優先提貨權”。這裡還有一個很關鍵的商業邏輯：經營槓桿。雷射器行業，技術代差帶來的利潤非常驚人。比如新一代的 200G 雷射器，售價可能是老款的兩倍，但因為工藝成熟，成本可能只增加了百分之十幾。這種“售價翻倍、成本微增”的剪刀差，就是華爾街最看重的利潤爆發點。除了這兩家雷射器龍頭，產業鏈中還有兩家值得關注的公司：Fabrinet（FN） 是光模組製造代工龍頭，很多高端光學產品最終都要通過它生產；而 Applied Optoelectronics（AAOI） 則是正在快速崛起的光模組廠商，800G 產品預計今年開始放量。簡單來說，這四家公司分別代表了 AI 光通訊產業鏈的四個關鍵位置：LITE → 雷射器技術龍頭；COHR → 光學器件綜合平台；FN → 高端光模組製造代工；AAOI → 光模組廠商中的成長黑馬。CPO：中期變數，而非短期殺手當光互連從“可選升級”變成“必選底座”之後，市場關注點自然會轉向下一層：互連技術的路線將如何演進。當前 AI 資料中心最主流的方案仍然是 可插拔光模組（pluggable transceiver）。這種架構生態成熟、維護方便、成本也相對可控，因此仍然是當前大規模部署的核心形態。隨著網路速度不斷提高，行業也在尋找更加緊密結合的解決方案——把光引擎進一步靠近交換晶片，甚至直接與晶片共封裝，這就是 CPO（共封裝光學）。正是因為這種“技術路線升級”的敘事存在，市場才產生了一種典型誤判：很多人認為，一旦 CPO 成熟，傳統光模組就會被迅速取代。但事實恰恰相反。產業鏈模型測算顯示，CPO 在未來幾年仍處於非常早期階段：2026 年對光模組需求影響約 3%2027 年約 11%2028 年約 16%.換句話說，在未來三到四年時間裡，CPO 的滲透仍然非常有限！原因其實很簡單——工程現實。第一是 製造良率。CPO 需要將光引擎直接封裝到交換晶片附近，封裝與測試複雜度遠高於傳統模組。第二是 散熱問題。隨著交換晶片功耗不斷提升，共封裝結構對熱管理提出更高要求。第三是 維護成本。傳統可插拔光模組出現問題時，只需要更換單個連接埠模組；但在 CPO 架構下，一旦光引擎發生故障，可能影響整塊五十太位元每秒以上的交換模組。目前 CPO 的整體成本仍然約為傳統方案的 8—10 倍。因此，未來的資料中心光互連架構更可能形成一種多層共存結構：可插拔光模組NPO（近封裝光學）CPO（共封裝光學）不同技術針對不同距離和功耗需求，各自發揮作用，而不是簡單的替代關係。所以結論其實很清晰：CPO 是長期方向，但在 2026—2028 年這個建設周期裡，真正的贏家仍然是那些能夠同時佈局可插拔、NPO 與 CPO 多條技術路線的廠商。現代戰爭正在變成一條“演算法殺傷鏈”現在我們來談最近的戰爭。這套對伊“手術刀式”精準打擊的背後，其實已經不是傳統的“導彈加雷達”。真正運轉的，是一整套由衛星網路、資料平台、AI和無人系統組成的作戰體系。在這條鏈條裡：SpaceX 的星盾（Starshield）負責通訊網路；Palantir（PLTR）負責資料整合；Anthropic 與 xAI 提供AI推理；而 Anduril 則提供無人系統執行。整場行動，本質上是一條從“圖像資料到精確打擊”的高速資訊閉環。首先改變戰場節奏的，是 SpaceX 的軍用衛星網路“星盾”。過去的軍事衛星大多在約3.6萬公里的高軌道上運行。訊號從地面發到衛星，再返回地面，往返距離接近7萬公里，即便以光速傳輸，也會產生大約500毫秒以上的延遲。半秒聽起來很短，但在高速移動目標面前，這已經足夠讓畫面變成“過去發生的事情”。而星盾使用的是約550公里高度的低軌衛星網路，延遲被壓縮到20毫秒左右。簡單理解就是：過去指揮中心看到的是“半秒前的畫面”，而現在看到的幾乎就是“正在發生的畫面”。同時，星盾還能提供接近 500Mbps 的資料頻寬。這意味著戰場上傳回的，不再只是簡單的坐標和語音，而是持續的視訊畫面、多光譜感測器資料以及無人機即時影像。但問題也隨之出現——當資訊太多時，人類反而更難判斷。這時，Palantir（PLTR） 的平台開始發揮作用。這家由矽谷投資人彼得·蒂爾（Peter Thiel）創立的公司，本質上是在為軍方提供一個“資料作業系統”。Palantir 的 Gotham 平台早已深度嵌入美國國家安全體系，美國國防部、陸軍以及情報機構都在使用這套系統來整合戰場資訊。在這個平台上，來自不同來源的資料會被彙總到同一張數字地圖中——衛星影像、無人機畫面、電磁訊號，甚至公開網路資訊，都可以被快速整合併持續更新。在這種系統裡，目標不再只是一個靜止坐標，而是一條被持續計算和追蹤的運動軌跡。簡單說，指揮官不再需要在多個系統之間切換，而是可以在一張即時地圖上看到整個戰場。接下來，AI開始參與決策。Anthropic 的 Claude 模型和 xAI 的系統在這裡更像一個數位化參謀團隊。它們可以在短時間內分析大量資訊，並模擬不同戰術路徑，例如：那條路徑更容易避開防空系統，那種打擊方式附帶損傷更小。這種AI輔助決策，讓許多戰術判斷可以在幾秒鐘內完成。當最終指令下達，執行任務的是 Anduril 的無人系統。Anduril 的核心系統叫 Lattice，它可以讓多架無人機在同一網路下協同工作。這些無人機在飛行過程中，會不斷接收新的資訊和指令。如果目標移動或者環境變化，系統會即時調整飛行路徑。在低延遲通訊支援下，打擊軌跡可以在最後階段持續修正，從而提高整體精度。四維戰爭如何重寫軍工與美股結構當衛星通訊、資料整合、AI和無人系統連接在一起時，戰爭的組織方式就發生了變化。過去幾十年，軍工體系的核心價值幾乎全部集中在大型武器平台上——戰機、航母、導彈和裝甲車構成了軍事實力的象徵。誰能製造更強的武器平台，誰就能在軍工市場中佔據主導地位。但在新的作戰體系中，決定勝負的關鍵開始發生變化。越來越多的價值，不再來自單個武器平台，而是來自資訊系統本身。誰能更快獲取資訊；誰能更快處理資料；誰能更快完成決策。當戰爭開始比拚資訊速度與決策效率時，軍工產業的價值重心也開始從“鋼鐵平台”轉向“資訊網路”。在美股市場，這種變化已經逐漸顯現。傳統軍工巨頭依然佔據重要位置，例如：洛克希德·馬丁（LMT）雷神技術（RTX）諾斯羅普·格魯曼（NOC）這些公司仍然主導著戰機、導彈和防空系統等核心裝備。但如果把整個作戰體系拆開來看，就會發現，一條新的技術基礎設施正在逐漸形成——低軌衛星通訊、資料平台、AI與雲端運算。也正因為如此，資本市場的關注點開始從單一武器平台，轉向支撐這套體系運轉的底層技術。對於投資者來說，更值得研究的，其實是圍繞這一基礎設施形成的整條美股供應鏈。戰爭重新定價的美股供應鏈首先是通訊與光學鏈路。低軌衛星網路的關鍵並不只是衛星數量，而是通訊效率。Broadcom（AVGO）在通訊晶片領域佔據重要位置，而 Coherent（COHR）與 Lumentum（LITE）則深耕雷射器件與光模組技術。隨著星間雷射通訊的發展，高端光通訊裝置的需求可能明顯增加。第二層是算力與資料系統。低軌衛星提供資訊來源，但真正決定效率的是資料處理能力。Palantir的平台可以整合衛星影像、無人機視訊以及電磁訊號，而AI模型則依賴輝達等公司提供算力支援。第三層是無人系統與邊緣節點。無人機正在從偵察工具演變為戰場執行節點。例如 AeroVironment（AVAV）長期提供戰術無人機系統；Ondas Holdings（ONDS）則佈局無人機平台與專用通訊網路，其軟體定義無線電技術可以幫助無人機形成自組織通訊網路，從而提高協同能力與抗干擾能力。當通訊網路、算力平台和無人系統逐漸連接在一起時，一條新的軍工產業鏈也隨之形成。對於投資者來說，這意味著軍工類股的結構正在發生變化。傳統平台型公司依然穩定，但未來估值彈性更大的，往往是那些掌握通訊鏈路、資料入口和算力資源的企業。如果低軌衛星網路、AI系統和無人平台繼續融合，那麼“空間 + 資料 + 無人系統”，很可能會成為未來幾年軍工產業最重要的一條結構主線。當戰爭形態升級、算力成為軍備、光互連成為基礎設施，你會如何調整自己的資產配置，來參與這場 軍工與 AI 的代際革命？ (美股投資網)