將OpenAI比作一座正在建造的房屋或許並不貼切——因為沒人能確定這座“建築”究竟用什麼材料支撐。但可以肯定的是，這是一項燒錢到令人咋舌的工程。據報導，OpenAI正以7500億美元估值尋求新一輪融資，金額高達數百億美元，其中亞馬遜計畫投資100億美元（編者註：亞馬遜作為科技巨頭，此次押注凸顯其對AI基礎設施的長期看好）。公司正瘋狂投入算力，在為AI晶片供電的資料中心澆築混凝土。OpenAI表示，必須繼續堆砌這座由模型與應用組成的“金字塔”——目前已有超8億使用者依賴其服務。OpenAI首席執行長薩姆·奧特曼（Sam Altman）。圖片來源：Kyle Grillot/Bloomberg via Getty Images但如此高昂的成本，既讓人驚嘆，也引發深切憂慮。業界觀察者形容OpenAI的擴張如同帝國大廈拔地而起，預算增速甚至比建築物本身更快（編者註：真實的帝國大廈按今日價格計算僅耗資約7億美元，且未超預算）。一些懷疑論者直言，這整片“建築群”或許只是一座傲慢的紀念碑，隨時可能轟然倒塌。我的觀點是：若將OpenAI視為一座房屋，它尚處於建設初期——但沒人知道地基究竟牢靠與否。其計畫固然雄心勃勃，目標直指前所未有的高度。但這究竟是紙牌搭成的危樓？還是搖搖欲墜的木柱小屋？抑或堅固的混凝土大廈？核心問題在於：無論最終形態如何，它能否承受已壓在肩頭的重量？專家觀點分化這種不確定性讓我採訪的專家們意見分歧。科技分析師羅布·恩德爾（Rob Enderle）表示，希望看到OpenAI能建立在更穩固的基礎上。“如果他們在基礎方面有更強的根基，我會感覺更放心，”他告訴我，特別強調需要讓產品足夠可信，以促進企業客戶的採用。他補充說，OpenAI在方向上曾一度“偏離軌道”，並指出自2023年11月首席執行長薩姆·奧爾特曼（Sam Altman）短暫被解職後復職以來，公司原有的獨立安全和倫理監督結構已被邊緣化。他認為，如今OpenAI試圖同時與所有人競爭；被動應對競爭對手而不是執行清晰的路線圖；在沒有明確優先順序的情況下大量支出。正如《財富》雜誌本周深度報導所披露，OpenAI首席執行長薩姆·奧爾特曼（Sam Altman）兩周前在公司內部拉響“紅色警報”，部分原因在於他意識到公司可能因試圖同時推進過多項目而分散精力。該報導剖析了OpenAI“紅色警報”的背景、方式和內容，還解釋了為何奧爾特曼警告公司要做好面對“艱難氛圍”和經濟逆風的準備，原因是Google和OpenAI競爭加劇。奧爾特曼正試圖激勵團隊在未來幾周內重新聚焦OpenAI的核心ChatGPT產品。但據恩德爾說，這些都是非常被動的，缺乏足夠的戰略性。針對該公司持續發佈新產品——從新AI模型和新圖像生成模型，到網頁瀏覽器、ChatGPT內建購物功能，再到本周剛推出的應用生態系統——同時推進大規模“星際之門”資料中心建設，恩德爾將OpenAI比作網景（Netscape）等網際網路公司，指出這些公司致富過快，失去了戰略紀律。“他們跑得太快，真正關注方向的時間不多，”他說道。然而，其他人強烈不同意這種觀點。Futurum Research創始人兼首席執行長丹尼爾·紐曼（Daniel Newman）告訴我，擔心OpenAI的房屋會倒塌，忽略了大局。“這是一個跨越數十年的超級周期，”他說道，將公司當前AI階段比作Netflix的DVD郵寄時代——這是隨後真正範式轉變的前奏。從未滿足需求和長期價值創造的角度來看，紐曼認為OpenAI在算力方面的巨額投資是理性的，而不是魯莽的。“我認為OpenAI今天擁有的是高品質的、未來三維模擬和建築效果圖，”紐曼說道。他補充說，真正的問題是OpenAI能否獲得足夠的市場份額來建造它設想的豪宅。“我認為OpenAI的真正目標是成為超級規模企業，”紐曼說道。“他們將擁有基礎設施、應用程式、資料、工作流程、智能工具——人們將從OpenAI購買他們現在從其他地方獲得的一切。這是一個非常雄心勃勃的目標。不能說它會成功。但如果成功了，這些數字是有意義的。”粘性難題：是膠水還是釘子？支撐“房屋”的關鍵是什麼？最後，我與高德納諮詢公司首席分析師阿倫·錢德拉塞卡蘭（Arun Chandrasekaran）交流時，他對我“房屋”的比喻笑了笑，雖試圖迴避，但仍願探討OpenAI的基礎是否紮實。“他們發展極快，還做出了任何同等規模公司都未曾許下的巨額承諾，”他坦言，“這本質上是一場風險投資，戰略本身就伴隨風險。”在他看來，一切取決於OpenAI產品的“粘性”——即模型層與應用層能否讓使用者難以離開。“關鍵在於客戶的轉換成本，以及其他因素能否讓增長按預期實現，”他說，“這是一家高增長公司，但市場預期其增速必須比現在更快。期望值非常高。”“粘性？”我追問，“像膠水？還是像釘子？那些支撐房屋的要素？”他笑了：“沒錯——就是膠水。你說的粘性，我說的膠水。”（財富Fortune）

騰訊今日對外確認，姚順雨（Vinces Yao）已正式出任騰訊“CEO/總裁辦公室”首席AI科學家，直接向騰訊總裁劉熾平匯報。在此角色之外，他兼任騰訊AI基礎設施（AI Infra）與大語言模型部負責人，並在大模型組織架構調整中承擔核心職責。此任命標誌著騰訊在AI研發體系的戰略聚焦。有媒體報導，騰訊近期完成了一次組織調整，正式新成立AI Infra部、AI Data部、資料計算平台部。姚順雨畢業於國內頂尖的清華“姚班”電腦科學精英班，後在美國普林斯頓大學獲得電腦科學博士學位，並在機器學習與大規模語言模型研究領域積累深厚科研成果。他曾擔任OpenAI研究員，參與智能體（Agent）與大規模AI系統設計的前沿工作。這樣的學術與工程交融背景，是其被騰訊重用的關鍵原因。題外話，據傳當年清華同一屆有三位同學都叫“姚順雨/宇”！2019年他們一起畢業：一個是本文所指的主角，清華姚班的AI大神，本科rap社創始人，後來普林斯頓博士畢業進OpenAI搞大模型，最近去了騰訊；一個是物理天才，本科拿特獎在頂刊發論文，後來跑去Stanford念PhD，又加入Anthropic搞AI，剛離職加入 Google；還有一個是人文學院的才女，雙學位加身。這名字是不是和“堯舜禹”有大神般的玄學？騰訊為何“坐不住”了：大模型競賽加速騰訊近期發佈了混元大模型最新版本Tencent HY 2.0，採用混合專家（MoE）架構、支援超長上下文等領先指標，並已接入公司內多項產品與雲服務。然而在AI領域，競爭持續加劇：友商壓力：阿里巴巴旗下的通義千問（Qwen系列）持續推出高規格模型，在中國市場與國際競賽中都有顯著存在感。即便談到應用場景，豆包的體驗口碑也越來越不錯，加上千問和靈光的騰空而出，當它們的下載數量快速增長超過千萬等級時，騰訊的各大產品未來是否有足夠的“網路效應”都不好說。就連小米也挖了“天才少女”羅福莉（當然，羅福莉本人反對網路神化她）。國際對手：Google等發佈的Gemini-系列模型（例如Gemini 3 Pro）展示了在推理能力與多模態能力方面的提升，引發全球AI開發者關注並對中國AI廠商提出競爭壓力。在這樣的背景下，騰訊不能僅靠應用場景護城河（如微信生態、QQ、遊戲等），“基礎模型能力”的競爭已是核心戰場。因此通過引進頂尖研究人才來強化模型底層架構與演算法研究，是一次戰略升級訊號。這也是對市場競爭壓力與AI生態擴展趨勢的直接回應。姚順雨理念與對騰訊AI實力的潛在影響雖然公開報導中較少具體引言，但從其在OpenAI的工作看：他是“語言智能體（Agent）”研究與執行框架的實踐者，這類框架強調模型在真實世界環境中“感知—推理—行動”的能力。這類能力正是下一代AI產品差異化競爭的關鍵——不只是回答問題，而是驅動真實複雜任務執行。作為首席AI科學家，姚順雨的核心理念可概括為：提升模型在實際環境中的智能執行能力與可擴展性，從基礎演算法研究到AI產品落地的全鏈條能力強化。從OpenAI經驗來看，他強調智能體驅動的決策推理與多工泛化能力，這將有助騰訊從工程實現者向科研與技術驅動者並進。預計這種轉型將帶來：更具通用智能與大規模推理能力的大模型架構更高效的AI訓練與推理基礎設施在未來騰訊各大產品線中實現更深度AI功能融合如果進展順利，底層AI的能力將惠及騰訊旗下所有的業務線，特別是微信這樣的超級app，反過來說，騰訊也不得不快速行動了，只靠短影片已經不夠撐起微信未來的想像力了。市場反應與騰訊股價表現截至2025年12月17日收盤，騰訊控股（0700.HK）股價約 605.00 港元，較前一交易日上漲約 1.4% 左右。該股在過去一周內經歷小幅波動，但整體維持在 590 —— 615 港元區間震盪，並明顯高於年初低點，反映投資者對核心業務持續增長及AI戰略佈局的謹慎樂觀態度。歷史資料顯示騰訊股價在過去一個月雖有調整，但並未出現明顯下跌趨勢。AI競爭加速與中國科技股回暖預期是推動騰訊股價表現的潛在因素之一。同時，技術與產品發展進度、政策環境與宏觀經濟走勢均將繼續影響後續股價走勢。近期有海外資金持續流入中國AI相關類股，亦為市場提供支撐。小結據The Information近期報導，騰訊正在高價搶奪字節跳動的AI團隊，在過去數月裡，以加倍薪資積極挖角字節旗下的頂尖AI人才。根據36氪報導，《智能湧現》瞭解到，如今領導AI Infra部、大語言模型部負責人的姚順雨在加入騰訊後，已經幫助混元招募到了更多的人才，如字節、阿里、AI六小虎（Kimi、MiniMax、智譜、階躍星辰、百川、零一萬物）中的數位核心員工。騰訊本次對AI人才與研發架構的戰略調整，透露出它在AI基礎技術競爭中的“坐不住感”。從聚焦場景生態到強化底層智能協議與模型能力，騰訊正試圖在新一輪AI競賽中搶佔更有利位置。而姚順雨作為“連結科研與產品實現”的關鍵人物，其理念與背景或將為騰訊AI實力帶來實質性提升。股價在此消息刺激下的小幅走強，也反映出市場對騰訊AI戰略潛力的認可。 (首席商業評論)

12月12日，特斯拉CEO馬斯克在X平台回覆一則帖文，僅以“Convergence”（融合）一詞回應。該帖文原作者展示了一段簡短動畫視訊，視訊中一顆衛星在軌道上緩緩展開太陽能陣列，其表面清晰標註特斯拉、SpaceX和xAI三大公司標誌，象徵馬斯克商業帝國三大支柱的技術深度融合——共同打造太空AI資料中心。這一概念的核心在於，利用太空無限太陽能和真空自然冷卻優勢，搭載特斯拉高效AI晶片、SpaceX星鏈衛星平台以及xAI的Grok大模型，實現大規模分佈式AI計算。SpaceX不僅提供星鏈的高頻寬雷射鏈路用於資料傳輸，還憑藉其火箭低成本、高頻次發射能力，將大量搭載AI計算模組的衛星快速送入軌道，成為融合體系中不可或缺的關鍵環節。馬斯克近期多次公開表示，未來3至5年內，太空AI系統將在成本、能效和規模上全面超越傳統地面資料中心。業內分析認為，馬斯克此舉直指全球AI基礎設施面臨的能源困境。當前，資料中心電力消耗已佔全球總用電量10%以上，而太空方案可徹底擺脫電網限制、土地約束和巨量冷卻需求。新一代星鏈衛星將支援低延遲全球計算網路，形成完整技術閉環。這一“Convergence”被視為馬斯克生態體系的戰略轉折點：SpaceX負責火箭發射、軌道部署與維護，特斯拉貢獻硬體實力，xAI提供核心智能模型。三者合力，不僅有望鞏固其在AI領域的絕對領先地位，還可能加速太空計算基礎設施的商業化處理程序，並為SpaceX明年的潛在IPO注入強大動力。馬斯克的這一回覆，預示著一個特斯拉、SpaceX與xAI深度融合的時代即將到來，或將深刻重塑全球AI與計算產業的未來格局。 (不看車)

就在Google剛宣佈“2025年的資本開支將超過930億元”後沒多久，阿里就直接攤牌，甩出一記“王炸”——未來三年砸下超3800億元死磕AI基礎設施建設！而且就過去12個月來看，阿里在雲端運算和AI領域的資本開支已經超過了1260億元，同樣超越了Google，全球領跑！毫無疑問，阿里對AI領域的持續投入，主動扛起中國AI大旗，就是為了能夠快速助力中國AI產業的進步和突破，從而能夠有資格、有能力正面硬剛美科技巨頭，比如Google、Meta、OpenAI等等。通過多年的深耕和蟄伏，阿里早已成長為中國AI領域的標竿企業，且肩負著振興中國AI產業的重任，這一次，阿里“賭”對了，手握兩張硬核“王牌”，正搶佔更多行業話語權，大幅提升國際影響力。阿里的第一張“王牌”就是開源佈局，美科技巨頭在佈局AI時，依然延續了西方霸權主義思想，走閉源收費的路線。但阿里則不同，為了能夠讓更多的人使用Qwen系列大模型，採用了開源免費的方式。在全球AI都在比性能、比算力，阿里則另闢蹊徑，比用的多、用的廣、用得起。蔡崇信也說了，阿里不靠AI賺錢，這也凸顯了阿里的行業遠瞻性。實際上，早在十幾年前阿里決定自己造“雲”的時候，就有很多人質疑，但阿里雲連續虧損十年之久，也沒有停下來的意思。事實證明，阿里選對了，阿里雲也是阿里重押AI的底氣之一。回到開放原始碼的問題上，實際上阿里搞開源，並不是傻，這個過程就像是撒魚餌，一個新技術、一個新平台要讓更多的人用起來，必須要給出點什麼。而這恰恰能夠吸引更多的人才、開發者參與，更多的資料積累、更多的訓練、程式碼生成以及模型建立，都可以幫助阿里通義Qwen系列大模型更完善、更強大。更何況，使用中國AI大模型時間越久，後續要遷移資料的成本就越高，對中國AI大模型的依賴度就越高，到頭來還是繞不開阿里的雲和AI的基礎設施，不虧！現如今，以阿里Qwen系列為代表的中國開源大模型已經成為國際優先選項，在國際生態裡地位穩固，且獲得了很多科技大佬、美科技巨頭的盛讚，這也說明了，阿里對AI的未來投資是正確選擇。阿里的第二張“王牌”就是全端優勢，前面也提到了，阿里發展AI有自己的“雲”基礎支撐，AI技術再強，最終也要落地到實際的AI項目上，而阿里的全端能力是毋庸置疑的，全端基建就是阿里最大的底氣。值得一提的是，隨著千問App、靈光App以及夸克AI眼鏡等的先後發佈，這也意味著，阿里全面進入AI To C領域，從底層的雲端運算，到中層的大模型，再到應用層的AI To B/C市場，阿里正在不斷完善全端AI路線。就算真的存在“AI泡沫”，阿里也比其他科技企業具有更強的抗風險能力，可以鞏固其在全球AI領域的地位。總的來說，全球AI競爭之中，阿里作為中國AI企業的硬核代表，走上了一條創新但極具中國特色的道路，用開源換速度，用生態換粘性，已經實現了全球領先。這也給其他中國科技企業做了很好的榜樣！方向對了，努力才有價值，這場千億豪“賭”究竟誰才是最終贏家，讓我們拭目以待吧。 (W侃科技)

昨日Palantir正式發佈了面向美國人工智慧基礎設施的新產品Chain Reaction（連鎖反應），旨在通過與能源生產商、電力分銷商、資料中心和基礎設施建設者合作，加速全美AI基礎設施的建設，助力美國AI基礎設施的建設與管理。Chain Reaction（連鎖反應）產品被定義為“面向美國人工智慧基礎設施的作業系統”。Palantir押注自己能解決AI熱潮中的最大堵點之一電力、算力問題，並拉來兩大創始夥伴，美國最大公用事業公司之一CenterPoint Energy（CNP）與輝達（NVDA）。AI創新的瓶頸已非演算法，而是電力與算力。美國能源基礎設施建設正處拐點，需要為完全不同量級打造的軟體。鏈式反應直接與發電商、電網營運商、資料中心及基建方合作，加速AI基建：將老舊電源轉化為高可用資源，滿足AI巨大需求穩定並擴張電網，應對資料中心與電氣化帶來的激增需求加速新建發電、輸電及算力容量支援未來超大規模AI資料中心的設計、開發與可複製建設Chain Reaction 的發佈標誌著 Palantir 從傳統的資料分析決策智能平台提供商，向國家級AI基礎設施建構者的戰略躍遷。該產品不僅延續了Palantir 在資料整合與本體建模方面的技術優勢，還首次將 AI 訓練、推理與能源調度、資料中心維運深度耦合，形成一個“資料-算力-能源”三位一體的AI智能作業系統。在技術架構上，Chain Reaction 延續了 Palantir 一貫的本體論驅動理念，將現實世界的能源節點、算力單元、AI 模型與任務流抽象為動態知識圖譜。系統可即時感知資料中心的負載、電網的波動、模型的訓練進度，並通過多智能體協同機制，自動調整能源分配、冷卻策略與任務優先順序，實現 AI 基礎設施的自我最佳化 。在輝達 GPU 叢集進行千億級參數模型訓練時，Chain Reaction 可通過與 CenterPoint Energy 的電網資料對接，提前預測區域電力緊張窗口，動態將訓練任務遷移至可再生能源富餘地區，既降低碳排，也避免算力中斷。系統還能識別冷卻系統的異常模式，提前 6 小時預警潛在當機風險，將資料中心年度停機時間壓縮至分鐘級 。在安全性方面，Chain Reaction 採用零信任架構與聯邦學習機制，確保能源拓撲、模型權重與客戶資料在跨域流轉時仍滿足政府級合規要求。所有操作與決策鏈路均被寫入不可篡改的審計日誌，滿足美國國防與能源監管機構的可追溯要求 。Palantir 表示，Chain Reaction允許基礎設施營運商在本地部署核心調度引擎，同時按需訂閱 Palantir 提供的 AI 維運、碳排最佳化與威脅檢測服務。公司計畫在 2026 年前與 50 家能源與資料中心夥伴完成試點，並在 2027 年覆蓋美國 30% 的 AI 訓練用電負荷。正如 Palantir 聯合創始人 Alex Karp所言：“人工智慧的未來不僅在於演算法，更在於支撐它的能源與基礎設施。Chain Reaction 讓每一度電、每一顆晶片、每一個模型都在為國家安全與經濟增長服務。” 隨著 Chain Reaction 的落地，Palantir 再次證明，它不僅是軟體公司，更是國家數字基礎設施的戰略建構者。 (壹號講獅)

2025 年 12 月 4 日，紐約曼哈頓。《紐約時報》DealBook峰會上，主持人 Andrew Ross Sorkin 問了一個所有人都在想的問題：到 AGI（通用人工智慧），還需不需要再來一次像 Transformer 那樣的技術突破？Anthropic CEO Dario Amodei 的回答是：No,I think scaling is going to get us there.（不用，我認為持續擴大規模就能讓我們到達那裡）把模型做大，把算力往上堆，按照這條擴展曲線持續推進，總有一天會撞上類人智能的臨界點。但他緊接著潑了冷水。技術層面，他非常有信心；經濟層面，他看到的卻是巨大的不確定性。Anthropic 過去三年營收增長 10 倍，但Amodei在台上給出的預測模型顯示：未來 Anthropic 收入可能在 200 億到 500 億美元之間波動。只要在資料中心投資上算錯時間點，就可能從盈利軌道滑向現金流危機。在他看來，一些玩家正在用激進方式下重注，把整個 AI 行業推向泡沫邊緣。這場對話引出了三個值得深入的問題：持續擴大規模究竟是怎樣的技術路線？為什麼 Amodei 堅信這條路，卻又不斷強調經濟風險？當 AI 開始重構工作方式，社會準備好了嗎？第一節 | 技術路線：Scaling Law的十年證明不是所有人都敢把 AGI 的終極路徑，說得像流水線一樣簡單。但 Dario Amodei 敢。他說：“我過去十年一直在觀察 Scaling Law，從GPT 到 Claude，我們都是在這條路上。”在這場採訪裡，他這樣描述 AI 能力演化： 你往模型裡加資料、加算力、加結構上的小改動，它就會自然變強。沒有神秘點，沒有範式突破。推理會提升，程式碼會更好，科學、法律、金融、材料……模型在所有方向一起進步。這是他的親身經歷。從GPT-2、GPT-3的早期主導者，到如今帶領 Anthropic 發佈 Claude 4.5。1、Claude 的證明：不是在進化，而是在放大在 Amodei 看來，Claude 的強大不是因為架構更複雜，而是因為整個系統沿著Scaling Law 做到了足夠大、足夠穩、足夠實用。Claude Opus 4.5 的發佈就是一次集中展示： 在SWE-bench Verified編碼測試中達到80.9%，超過GPT-5.1的77.9%和Gemini 3 Pro的76.2%；在科學推理、金融應用、生物醫學資料處理上，Claude 不只是能用，而是開始產生真實的決策影響。更關鍵的訊號來自 Anthropic 內部。Amodei 透露，他們的工程師已經不再打開編輯器從頭寫程式碼，而是讓Claude生成第一版，自己只做編輯和稽核。2、Scaling Law 的驗證路徑，也是一條產品化試驗線Amodei  不只是相信 Scaling Law，他在用真金白銀驗證它。邊走邊投，邊驗證邊調整。Anthropic 三年營收曲線就是最直接的證明：從零到1億美元，再到10億，今年預計達到 90 億美元。模型能力提升，企業需求跟著增長；需求增長，又推動模型繼續進化。Claude 沒有做成爆款對話產品，而是深入企業一線：開發工具、自動化助手、科研合作者。這種更慢但更寬的能力拓展路徑，正是 Scaling Law 在商業化層面的體現。不是打造一個天才，而是批次複製靠譜的合作者。他不是在等 AGI 奇點，而是在把 Claude一步步打造成一整條生產線。這條生產線積累的資料、經驗、客戶關係越多，就越難被覆刻。擴大規模不只是把模型做大，更是把這些積累變成競爭壁壘。別人還在爭論要不要相信 Scaling Law，Anthropic 已經用它建起了護城河。第二節 | 經濟帳本：500億投資如何不翻車Amodei 對Scaling Law 的技術路線有信心，但他也強調：能不能做到是技術問題，做不做得起是經濟問題。模型可以持續變強，但你也必須算清楚經濟帳：那一年能賺錢、要買多少晶片、什麼時候可能資金斷裂。他說：“我們每年收入翻十倍，但我必須今天就決定，要不要買 2027 年的計算資源。”1、500 億投入，是押注也是賭未來Anthropic 公佈了一個驚人的數字：未來四年將在美國投資 500 億美元用於 AI 基礎設施。這包括德州與紐約的資料中心，以及對微軟 Azure雲平台 300 億美元的採購承諾。但 Amodei 給出的解釋是： 如果我買少了，客戶排隊排不到就走了；如果我買多了，收入沒跟上，現金流撐不住，甚至有破產風險。他提出了一個核心概念：不確定性錐形（cone of uncertainty）。這不是 PPT 上的增長曲線，而是 Anthropic 內部做戰略預算時真正畫出來的風險模型：Anthropic 明年的收入可能是 200 億美元，也可能是 500 億美元，這種巨大的不確定性決定了現在該買多少算力、能承受多大風險。2、YOLO派和保守派的路線分叉而 OpenAI 的路線截然不同。雖然 Amodei 沒有直接點名，但他在採訪中提到了 Sam Altman 從巨額虧損衝向 2030 年盈利的計畫，並評價道：“我們看到有公司在YOLO（孤注一擲），把所有籌碼都押上了，幾乎不給自己留容錯空間。”Anthropic 的選擇是另一條路：所有算力採購按最壞10%的收入預期做預算保留高利潤率，用於覆蓋未來兩年scaling投資放棄消費級入口，只服務企業客戶，減少不確定變數這不是慢，而是先確保企業能活下去。為什麼如此謹慎？因為Amodei對未來的高增長保持懷疑。他在對話裡說： 過去三年，每年收入翻10倍。如果我照這條線繼續推，就是明年1000億。 但我不相信真會這樣增長。那只是理論上的最好情況。他強調的是經濟可行性，不是技術可能性。Claude Opus 4.5能力再好，如果企業不續費、資料中心養不起、資本斷供，那Scaling Law再正確，也推不動。真正的路線判斷不是能不能做，而是值不值得投、投不投得起。第三節 | 社會影響：誰受益，誰被替代對於 Dario Amodei 來說，AGI 不是終點，只是過程。技術能力每年增強，但普通人並不會自動跟上。AI 可以快速寫程式碼、做科學研究、處理金融建模，但誰來決定它該做那件事？誰來負責它做錯時的後果？誰從中受益，誰最先被替代？這才是他更關心的問題。1、AI 變強的同時，工作正在加速重構Anthropic 在今年 8 月做了一次內部研究，調研了 132 名工程師和研究員。結果顯示：AI 工具確實提升了生產力，讓工程師能夠處理超出原有專業範圍的任務。但同時削弱了團隊協作、導師制度和技能發展路徑。整體趨勢是，團隊正在變成少數高手+AI的組合。更關鍵的變化是：入門級工程師的工作正在被 AI 取代，寫程式碼變成了監督程式碼，技術崗開始往全端、策略、審校方向轉移。這不只是效率提升，而是職業路徑的根本重構。當新人無法通過寫簡單程式碼來積累經驗時，如何培養下一代技術專家？這是 Anthropic 內部也在思考的問題。2、Amodei的預測：比你想的更冷靜，也更現實在這場 DealBook 對話之前，Amodei已經在11月中旬的 CBS《60分鐘》節目中直面過一個問題：AI 是否會讓大批人失業？他的回答很直接：是的。AI 取代的第一批人不是工人，而是入門級白領，特別是那些在保險理賠、客服、行政、初級技術支援等崗位上工作的人。這些崗位很可能會面臨大規模的工作轉型壓力。但他不是為了製造恐慌，而是提出了三層解決方案：企業層面：不要只用 AI 減人，更要用 AI 放大人的價值。Claude 的正確用法是讓一個人做原來 10 個人的產出，而不是裁掉 10 個人。政策層面：政府需要參與再培訓，但更重要的是分配機制。如果 AI 帶來每年5%-10%的經濟增長，那是一個可以再分配的超級大蛋糕。社會層面：長期來看，人類社會的結構要調整，不再把工作當成唯一意義來源。這不是烏托邦。早在1930年，著名經濟學家凱恩斯（John Maynard Keynes）就在《我們後代的經濟可能性》（Economic Possibilities for Our Grandchildren）中提出過這個預言：技術進步可能最終解放我們，不再為了生存而工作。未來，問題不再是 AGI 能不能做出來，而是你準備好怎麼與它共處了嗎？這條擴展路線不只是技術問題，更是社會問題。誰能率先摸索出人機協作的有效模式，誰就贏得了未來。結語 | 能到 AGI，前提是活著到Dario Amodei 不是來講 AI 奇點故事的。他講的是一條用資料和財務驗證過的路線：Claude 每年變強一點，處理程式碼bug、生成科學推論、搭建專業工作流。這背後是 Amodei 十年如一日相信的一件事：Scaling Law 不靠靈光一現，只靠一步步推演。他用它造出了 Claude，也用它規劃了 500 億美元的投資、90 億營收目標和風險緩衝線。核心問題不是“我們快到AGI了”，而是我們能不能在做出 AGI 的過程中活下來。別人在賭誰先做出突破，Anthropic 在算誰能撐到終點。把模型一路做大，就真能到 AGI 嗎？Amodei 的回答是：可以。前提是你準備好了承擔相應的經濟風險和社會責任。 (AI 深度研究員)

輝達官方稱其技術領先行業一代，是唯一能運行所有AI模型並應用於所有計算場景的平台。周二（11月25日），輝達官方表示，其技術依然領先行業一代，是唯一能夠運行所有人工智慧（AI）模型並應用於所有計算場景的平台。分析認為，輝達此舉是為了回應華爾街對該公司在AI基礎設施領域主導地位可能受到Google晶片威脅的擔憂。輝達在社交平台X上發文稱：“我們對Google的成功感到高興——他們在人工智慧方面取得了巨大進展，而我們也將繼續向Google供貨。”“輝達領先行業整整一代——是唯一一個能運行所有AI模型、並在所有計算場景中部署的平台。”輝達補充道：“與專為特定AI框架或功能設計的ASIC（專用積體電路）晶片相比，輝達提供更高的性能、更強的通用性以及更好的可替代性。”此番表態發佈之際，有報導稱輝達重要客戶之一的Meta，可能與Google達成協議，在資料中心使用Google的張量處理單元（TPU）。受此影響，輝達股價日內一度跌超7%。上周，Google發佈了最新的大語言模型Gemini 3，多位業內權威人士認為其已經“超越”了OpenAI的GPT模型。該模型是使用TPU進行訓練的，而不是輝達GPU。分析師指出，輝達在AI晶片市場的份額超過90%，儘管Blackwell價格昂貴，但性能強大。不過，近幾周以來，Google的自研晶片作為Blackwell晶片的一種可行替代方案，受到了越來越多的關注。Google雲內部高管透露，擴大TPU的市場採用率，有望幫助公司搶佔輝達年收入份額的10%。不同於輝達，Google並不向其他公司出售其TPU晶片，但會將其用於內部任務，並允許企業通過Google雲來租用。Google發言人在先前一份聲明中提到：“我們對自研TPU和輝達GPU的需求都在加速增長。我們將一如既往地同時支援這兩種技術。”輝達CEO黃仁勳在本月早些時候的財報電話會上也談到了來自TPU的競爭。他指出，Google本身就是輝達GPU晶片的客戶，Gemini模型也可以在輝達的技術上運行。黃仁勳還提到，他一直與GoogleDeepMind的CEO德米斯·哈薩比斯（Demis Hassabis）保持聯絡。黃仁勳稱，哈薩比斯給他發簡訊表示，科技行業裡認為“使用更多的晶片和資料可以打造更強大的AI模型”的理論——也就是AI開發者常說的“規模化法則（scaling laws）”——依然成立。輝達認為，規模化法則將帶動對其晶片和系統形成更強勁的需求。 (科創板日報)

上月底，亞馬遜啟動了近年規模最大的一輪裁員，約14000個崗位被直接削減。這並非一場常規的降本增效，而是一輪面向AI時代的組織重構。對許多一線員工而言，真正的危險不是績效下滑，而是崗位本身正被系統性稀釋。亞馬遜CEO今年強調“Use AI or Bye-bye”。公司計畫將更多資源加速投入到AI基礎設施、大模型、雲端運算及自動化系統中。隨之而來的，是大量原本支撐跨境電商、國際零售和中後台營運的崗位，被壓縮、合併，甚至直接消失。在這一背景下，裁員邏輯變得簡單而冷硬：不是你不夠努力，而是你的崗位已不再被需要。面對AI，那些過去依靠經驗、溝通、流程和耐心維繫的普通崗位，正逐漸失去支點，被悄然移出職場版圖。我們對話了三位被“一鍵清退”的亞馬遜基層員工。相比財報與公告中的冷資料，他們的講述更貼近地面。從裁員郵件降臨的一刻，到系統帳號被瞬間註銷；從AI工具的真實使用體驗，到安穩感被擊碎的瞬間——在這些細節裡，一場工業級的AI轉型，變得具體、冰冷，也更加接近普通人的真實命運。上一秒還在對接客戶，下一秒被裁了得知自己被裁員那一刻，李明嵐正在加班。10月28日傍晚，她正對著電腦核對客戶資料。“叮”一聲，右下角彈出一封新郵件。標題很短，沒有多餘修飾。她愣了幾秒，才意識到，那是一封裁員通知。李明嵐從事電商行業近10年，入職亞馬遜擔任客戶經理一年多來，績效排名始終靠前。裁員名單中突然出現自己的名字，讓她一時難以回神。她立刻告訴兩位上級領導，但對方同樣一臉錯愕。除了表示驚訝與惋惜，他們也無法提供更多資訊。據稱，他們也是從前一天的媒體報導中才得知裁員消息，對具體安排並不知情。想到仍有客戶在等待回覆，李明嵐回到電腦前打算處理交接，並逐一向客戶道別。系統卻彈出提示：“您已無法登錄。”沒有交接，沒有過渡。她手中未完的項目和問題，就此戛然而止。圖 | 接到裁員郵件後，系統帳號很快就被註銷“快到甚至不需要交接。”在李明嵐看來，這次裁員更像一場迅速而徹底的清算。國內商務崗基層員工劉令一，也在這場裁員中一夜出局。在他的經驗中，公司以往裁員遵循“PIP機制”——績效尾部淘汰。流程包括書面通知、領導及HR約談，再到數月評估緩衝，被裁員工通常有兩個月左右的周旋期。但這一次，從收到裁員郵件到與HR確認賠償方案，劉令一隻用了不到48小時。曾經讓人避之不及的HR約談，這幾天成了需要搶位的稀缺資源。由於涉及人數眾多，HR行程排滿，劉令一在收到郵件後立即預約，才擠進了第二天下午的空檔。會議室裡，一名素未謀面的主管與一名HR直接宣讀裁員結果，並提供三種賠償方案，全程幾乎沒有寒暄。明明沒有外籍人員在場，對話卻全程使用英文。劉令一覺得，這種難以說明緣由的“硬裁”，似乎更適合用一種非母語完成。他對這份工作本就沒有強烈留戀，但面對冷靜而程式化的話術，仍感到不適。會議桌上的檔案，字字句句似乎都與公司反覆強調的“領導力準則”形成微妙反差。“成為全球最好的僱主，關注員工成長與發展。”他在心裡默念，簽下了名字。受衝擊更大的，是林夢穎這類員工。在國內網際網路大廠經歷三年高壓工作後，林夢穎於去年底入職亞馬遜中國，擔任電商營運。不到一年，她第一次感受到所謂的“work-life balance”：每周三天到崗，六點下班，雙休，團隊節奏穩定，沒有強烈內卷。她將這裡視作一處“修復空間”，開始恢復運動、閱讀和社交節奏，並與男友計畫未來，相信這份相對穩定的崗位可以支撐更長遠的生活。10月27日，是林夢穎的生日。晚上，她正舉起手機準備給蛋糕拍照，螢幕突然彈出一封公司郵件。她以為是節日祝福，點開後才發現是領導預告即將裁員的通知。“裁員賠償大禮包”，成了今年最突兀的生日禮物。更意外的是，她所在的小組整體被裁，相關業務線在全球範圍內同時撤除。對於一些跨境工作的員工而言，裁員還意味著簽證、居留和生活安排的連鎖變化。社交平台上，關於此次裁員的討論持續發酵。一位網名為“小戶裡的小布”的新員工形容，這輪裁員像“滅霸的響指”。“不看績效，只為消滅人口”，他寫道。與AI鬥智鬥勇大半年，最終被幹掉實際上，在裁員消息公佈之前，亞馬遜內部早已出現過“預警”。6月底，李明嵐收到一封系統郵件，附上了CEO安迪·賈西在公司官網發佈的一篇長文。密密麻麻的英文中，“AI”幾乎每隔幾行就出現一次。從基礎設施、大模型，到雲服務、電商和物流應用，亞馬遜今年展開了有史以來最大規模的技術投入。1000個人工智慧相關的項目正在開發，公司物流倉儲、雲服務、電商業務等都正在被AI重塑。滿屏都是與AI相關的雄心壯志。在文章結尾處，賈西寫道：隨著AI效率的提升，未來幾年公司員工規模將隨之縮減。當時看到這句話，李明嵐並未放在心上。AI取代人，是一種被講了太多年的“未來命題”。直到裁員郵件彈出，她才反應過來：原來，未來這麼快就來了。這輪裁員，安迪·賈西的公開說法是，為適應AI技術變革，將資源進一步集中至人工智慧相關領域。“Use AI or Bye-bye”是他掛在嘴邊的企業新口號。這場“All in AI”的轉向，其實從年初起，劉令一就已感知到。公司內部網路陸續上線AI搜尋外掛和辦公工具，鼓勵“全員開發”，員工可以使用內部平台搭建自己的AI應用。部門還要求在每周例會上分享AI使用場景，輪流講述“如何用AI為業務提效”。但在劉令一看來，這更像一項行政任務。聽說有同事開發了一款生成銷售話術的智能體，他只覺得是“紙上談兵”。商務工作本質上是一種高頻互動。對接中小賣家，談判、維繫關係，靠的是情商、語境判斷和即時反應。而AI生成的話術往往生硬、範本化，很難真正嵌入真實的商務場景。同事們心照不宣，默認在核心業務上與AI保持距離。一次聚餐中，有同事向劉令一抱怨：“鼓勵用AI提效，說白了，不就是讓我們加速被替代。”焦慮之下，周會裡的“AI分享”更多淪為PPT美化、資料整理，真正能直接進入業務鏈條的場景，少之又少。但在季度匯報節點，部門又被要求配合領導，設計一套“AI賦能業務”的方案，對上匯報。讓底層員工設法用AI提效，更像一種自上而下的焦慮傳導。7月底，亞馬遜召開第二季度財報電話會議。CEO安迪·賈西遭受了電話另一頭的輪番拷問。亞馬遜雲服務營收增速遠低於微軟和Google、人工智慧領域的發展也落後於競爭對手。在投資人輪番追問中，賈西試圖用宏大的AI藍圖穩住情緒。但會後，AWS股價在盤後交易中下跌7%。顯然，資本並未完全買帳。亞馬遜還需要講出更能讓市場信服的AI故事。然而這場AI浪潮，在基層員工這裡，並未形成真正的共振。林夢穎忙不過來時，也會用公司AI工具輔助分析廣告資料。但從輸入指令、生成結果再到人工覆核，流程複雜，效率提升有限。而且AI不瞭解具體商家背景，結論常常流於表層。她給這個系統打的分數是“60分”。這讓她產生一種錯覺，AI短期內無法替代自己。李明嵐也有類似判斷。她認為，客戶是否出席活動，往往取決於長期信任和人際關係的積累。即使公司AI系統能答業務問題，但人與人之間的連接，機器無法取代。只是從公司整體視角看，這些價值微乎其微。根據2024年亞馬遜財報，國際零售業務營收約佔22%，利潤只貢獻約5.5%；而云服務業務雖僅佔總營收約17%，卻貢獻了近60%的營業利潤。今年，亞馬遜計畫投入超1000億美元加碼AI領域，傳統業務的戰略權重進一步下滑。在AI浪潮下，個體在業務鏈中的價值被稀釋成可隨時替換的變數，在系統化裁剪面前顯得可有可無。李明嵐們曾努力維繫的崗位、積累的經驗與信任，在一夜之間被結構化淘汰。系統生鏽，螺絲釘背鍋帳戶被公司系統一鍵註銷後，李明嵐努力保持平靜。她感覺這種不快就像一個原本自己也並不痴迷的人，突然甩了自己。作為客戶經理，李明嵐的日常被電商平台上各種瑣碎問題圍繞，其中最常遇到的是客戶資質稽核。8月初，一位服裝零售客戶發來求助。李明嵐打開稽核系統，卻提示依舊模糊：“請核實提交資料的完整性”，她頓感頭疼。在亞馬遜，為了過濾風險帳戶，跨境電商需要不定期接受資格審查，內容包括賣家身份、經營資質、財務狀況等。稽核系統高度自動化，演算法能敏銳判定合規與否，卻難以解釋具體原因。通常，這類問題交由公司統一負責的部門處理。客戶經理能做的，往往只是將客戶情況整理成郵件上報。面對“演算法黑箱”，對面的回應，也多是：“請客戶重新上傳檔案。”接下來的幾周，李明嵐陪客戶反覆試錯：壓縮圖片、修改註冊資訊、重新掃描帳單，甚至調整掃描清晰度，如此循環再提交。直到月底的一次系統刷新，提示忽然變為“稽核通過”。客戶連聲道謝，而李明嵐卻笑不出來——問題的解決並非源自自己，也許是演算法更新了參數，也許是模型重新訓練。她能起的作用，僅是“提供情緒價值”，耐心回覆客戶的疑問，並安撫焦慮情緒。最初加入亞馬遜時，她期待在新領域積累業務能力，但這種耗費精力卻難有收穫的日常，不斷削磨她的底氣。系統架構帶來的結果，是基層員工不得不承擔的“副作用”。李明嵐及部門的績效與客戶營業額直接掛鉤。客戶因稽核問題暫停交易，損失的銷售額同樣會被模型算出，而後精準扣在業績上。那個月，她還有兩位客戶的店舖因同樣問題關停，績效免不了下滑。在這個全球規模龐大的跨境電商平台裡，資訊高效流通本就不易，這也是劉令一日常困擾所在。在亞馬遜工作的這段時間，他使用過三套內部通訊工具，有時為開會要在三個平台輪番通知。公司沒有統一的OA系統，需要檢索內部網路或依靠零散文件獲取資訊。郵件仍是日常溝通的主管道。一次上門拜訪客戶時，劉令一被客戶指向新上線的功能，詢問具體操作。面對陌生的功能名稱，他低聲應了兩句，裝作淡定：“我得跟團隊確認一下，再告訴您。”事實上，他完全不知何時上線，也不清楚細節。平時，他清楚的僅是自己明確的KPI，對項目全景和產品體系理解有限。幾次向直屬領導提出疑問，得到的回答也模糊不清，資訊量並不多。與他們相比，林夢穎更像一隻在實驗項目裡的“小白鼠”。去年底，她從國內頭部大廠跳槽，進入亞馬遜中國的一個新型電商客戶項目組。此前投遞過亞馬遜職位未果，這次意外被HR在人才庫中發現。面試時，她在兩天經歷了六輪考核。與以往不同，面試官更關注她與“領導力準則”下企業價值觀的契合度，而非過去經歷的細節。這讓林夢穎感受到，公司對員工能力的包容度更高，而非“即來即用”。加上對外企“不卷”“自由度高”的印象，她接下了offer。即便降薪、無年終獎、缺少食堂或健身房等“大廠待遇”，她依然覺得值得嘗試。入組後，鬆弛氛圍超過預期。前兩個月，她幾乎沒有正式任務，主要在系統上學習崗位知識。遇到困難，向同事請教，總能得到耐心而細緻的解答。在此前的工作經歷中，林夢穎一直感受同級間暗自較勁。而在這裡，她幾乎沒有壓力感。並非亞馬遜所有項目組都如此鬆弛，在裁員前，她曾一度覺得這份工作理想得有些不真實。直到得知該項目將在全球撤裁，林夢穎意識到，這或許本身就是一場業務實驗，而那些曾讓她覺得不真實的鬆弛感，也終於有了答案。圖 | 大裁員的同時，亞馬遜依舊在招聘AI人才裁員同步進行的，是招聘。社交平台上，一條亞馬遜營運崗招聘帖寫著：“會用AI就行。”亞馬遜這艘大船仍在航行，只是改了航向。而那些基層員工，則成了隨時可能被卸下的艙內貨物。 (虎嗅APP)