一、從前沿技術收斂看未來產業趨勢1.關鍵技術的行業地位與國家佈局① 關鍵技術的中國企業地位我們看看新基礎設施各個關鍵技術上，中國企業所處的行業地位：在新能源及新能源汽車領域處於領跑的地位；高端裝備的規模和效率，目前是世界第一；晶片領域，45奈米製程已經完全自主可控，12奈米和14奈米以上製程，中國自給率達到75%；5G通訊，世界第一；海洋、航天工程能力，世界第一。AI大模型的應用效率，世界第一；人形機器人的平衡與運動能力，排名世界第一，其出口量也是全球第一。受國際地緣競爭影響，由於美國NASA推動的登月計畫和馬斯克加速推進太空算力佈局，讓中國在商業航天領域，同樣會投入重要的資源。在量子電腦方面，中國同時在三條技術路線上推進，分別是合肥的超導路線、北京的離子阱路線、上海的中性原子路線，以期突破物理量子位元超過2000，甚至6100，邏輯量子位元突破300-500，從而大規模地進行新材料和新藥物的研發。但我們還要看到一個現實：在2025年《財富》世界500強企業排行中，中國有130家企業上榜，其中相當比例的企業集中在金融、能源、金屬產品等行業。如果以市場化程度更高、科技創新為主的行業為參照，具備全球競爭力的500強企業大約在40-70家之間。中國要在2035年成為經濟、產業和科技的強國，那意味著世界500強裡中國企業的數量或許要逼近200家。這中間巨大的“增量空間”，本質上就是硬科技創業者們應該定位的自我新坐標。近年來的大國博弈中，供應鏈的韌性與自主性成為強國夢想最堅實的基礎，尤其是國家安全性的硬核產業，更要實現全域自主可控。也就意味著儘可能在關鍵環節上確保擁有不受制於人的自主與替代方案，比如航空航天、無人機、能源、通訊、半導體，以及機器人等。② 從國家規劃中找到自己的獨特價值及未來機會今年兩會提出了“十五五”產業規劃：六大新興支柱產業，包括積體電路、航空航天、生物醫藥、低空經濟、新型儲能、智慧型手機器人。以此為基礎，作為創業者，我們要做兩方面的思考。其一，如果我們企業是創新的一個單元，就需要對這幾大領域進行審視。通過對全球及中國鏈主企業進行穿透式的分析，精準定位其結構性缺口與亟待補位都環節。有了這些思考與企業精準切入，才可能有爆發性的收入。其二，既然“十五五”規劃指明了未來五年的發展方向，那麼未來的“十六五”規劃又將在這些產業基礎上衍生出那些新的產業？比如現在的幾大新興支柱產業中，低空經濟、智慧型手機器人是過去沒有的。進一步看，智能機器人都深度發展，折射出中國製造業未來的一條重要路徑——那就是“軟硬結合、以硬為主”，這將成為中國未來新的產業燈塔和產業坐標，智能機器人就將借助中國的製造業優勢，成為未來中國產業“從產品輸出到產能輸出”的一個重要方向。2.科創生態的演變① 改變產業浪潮的三股力量在科技創新與產業融合的過程中，必然會出現改變時代產業浪潮的三股力量：其一，先鋒派，是新時代的“攪局開路者”。希望以第一性原理實現從“0-1”的創新，打破傳統體系與供應鏈格局；其二，務實派，是新時代創新落地與資源整合的“實際推動者”。依託高管創業，混合體制，善於從1-10跨越，在有限時間實現“有限目標”。其三，基石派，是新技術規模化應用的國家支柱性產業“締造者”。帶有國家隊天然的後發優勢，善於從10-100的產業覆蓋，鞏固國民經濟的技術底座。② 科創演變的關鍵要素與基本邏輯從2024年的下半年開始，國家邏輯前置了，資源快速聚焦頭部，這就加速了創業項目內部要素的重塑。創業項目要遵循兩個邏輯：一是國家邏輯，關注支柱性產業、安全自主發展，解決“卡、替、硬”，具有戰略前瞻佈局意識，關注顛覆性技術的長遠價值；二是市場邏輯，以企業化運作為主，以市場需求為導向，以效率、規模化增長、稀缺性為本。在這樣的邏輯背景下，我們一定要明白：創業是一個市場經濟活動，而非單純的技術活動。在這場經濟活動中，在不同階段要有不同的要素組合。若只遵循國家邏輯，沒有市場訂單怎麼辦？若只有市場邏輯，沒有跟上未來的發展趨勢和國家產業邏輯，又該怎麼辦？因此，一定要同時在這兩個底層邏輯上理解整個產業鏈，先找到產業鏈鏈主企業，並找到自己在產業鏈中自己的價值。③ 技術同源，產業間融合有望催生出“聚合智能體產業”過去20年，“軟硬結合、以硬為主”的中國製造業，建構了我們在世界的話語權，更推動了一次次新興產業的跨越式發展。未來十年，如果我們把新興產業群理解為是一個具有認知，能夠形成閉環，甚至能夠不斷自我進化的智能體的話，將會形成一個新舊融合的聚合智能體產業，而在這些通用技術產業的交叉融合中，新的千億級、兆級龍頭鏈主企業將應運而生。在這其中，具身智能具有最大的發展機會，它正將傳統汽車、新能源汽車、電動自行車、數控機床、工業機器人這些看似分立的產業，在具身智能的催化下，融為一體——即“聚合智能體”。3.智慧型手機器人必然成為新興支柱產業的核心邏輯第一，全球面臨勞動力系統性短缺。有報告顯示，缺口大概在億級規模，從技術研發人員、服務人員到各類創新配套崗位，都在缺人。第二，技術正在快速收斂。大模型方向，行業普遍認為垂類應用會加速收斂；物理場景也在收斂——把應用場景確定、系統流程和核心智能模組定下來，產業化速度會大幅加快。基於這個判斷，有人認為未來十年，機器人進入家庭的滲透率有望達到10%；甚至有觀點認為，如果家庭端滲透10%，工業端滲透率可能達到80%。所以現在是全方位競賽：模型在競賽、產業佈局在競賽、市場信心也在競賽。AI+傳統機器人，尤其是加上數字員工相關方向，正在全面加速。二、具身智能，重構社會1.具身智能的概念與特點在2022年之前，具身智能長期處於分散發展的階段，所以我們以往對它的定義比較宏觀。機器人，是利用電腦圍繞機械載體，實現程式設計、感知、決策和操作的工具或裝備。而具身智能，本質上是一個物理載體，是智能從數字世界走向物理世界、實現進化的一種範式。具身智能有三個核心特點：一是人機互動，能實現人與物理載體的有效聯動；二是閉環操作控制，形成“感知-決策-操作-反饋”的完整閉環；三是持續進化，能夠隨著時間推移，通過不斷採集資料，實現自身智能水平的迭代提升。2.2026，是具身智能應用元年根據高盛和摩根士丹利的分析，人形機器人未來的發展空間很大，至少類人形機器人是這樣。所謂類人形，就是具備雙眼雙臂、輪式移動，上身和人類相似的機器人。從應用場景看，這類機器人未來可以覆蓋工業、商業和家庭等多個領域。今年普遍認為是具身智能的應用元年，因為大家想通了一個問題，不一定要完全通用，不一定要完全建立世界模型，而是先進行“智能定界”。智能定界包含兩個含義：一是界定應用場景的邊界，從相對約束環境應用的“具身技能”出發，對技能進行收斂與歸納，再從具體任務、功能、載體、模型、資料等角度看待“具身智能”的研發。二是從系統角度定義智能功能，針對客觀環境的各個環節、流程、容錯容忍度、成本維護等要素，設計或選擇相應的智能功能以替代某些特定環節，從而實現產品與市場的價值匹配（PMF）。從這兩個角度來強化所謂的通用操作平台和相對垂類的應用模型。最終，通用模型會集中到三五家，而垂類專用模型可能有50家到60家，這大概是這個產業的終局狀態。3.智能體，加速社會重構隨著機器人產業的發展，工廠的數位化營運將成為必然，那麼員工的角色需要被重新定義：第一類是真實的人，他們可能拿著iPad，也可能攜帶某種智能眼鏡，成為現場調度者；第二類是機器人，比如銲接機器人、3D印表機器人，承擔相應的體力勞動；第三類是數字員工，負責即時抄報、監控、協調流程性工作。過去我們想像的機器，就是要完全替代人類。那在未來，會不會有一種全新的生產管理模式出現呢？其實就是把這三類人或三類物種重新協調起來，明確什麼時候需要人、什麼時候需要機器、什麼時候需要數字員工。而OpenClaw這類智能體技術又會加快整個處理程序。一是人們可以通過自然語言來程式設計，不用再靠寫程式碼，只要我說出來，它就能理解並進行調度；二是第三方技能包的呼叫，也會讓這個處理程序加速迭代。在這樣加速發展的過程中，如果純粹以資料效率為驅動，它將化為一匹不可抗拒的科技黑馬——既在倒逼傳統企業變革，推動創新企業誕生，也在重構整個社會。而這個重構的過程，本質是通過兩類“派遣”實現的：一類是藍領勞務派遣，我們理解為就是機器人；另一類是白領派遣，也就是我們所說的數字員工。在這種重構中，一個共識正在形成：只要是標準化、大規模的工作，人就應該儘可能少的投入，因為這類職業被替代的周期大概是24個月——也就是一輪勞動力成本的回收周期。從這個迭代速度來看，像物流配送、環衛清潔、銲接裝配、拋光打磨、農副產品或食品加工、傳統駕駛、農業種植、建築工程等領域，很容易被機器人覆蓋；而難以被替代的，是類似幼兒教育、養老服務、水暖維修這類相對複雜、難以標準化的領域。三、創業，不確定性的“九死一生”征途1.創業的兩個關鍵變數① 價值要素，正在發生變遷農業時代，價值附著於土地、農具、耕牛和勞動力上；到了工業時代，價值靠工廠、裝置和勞動時間定義，再通過資本實現擴張；網際網路時代，價值是靠創新體驗、智能終端和流量來定義；而未來，價值將由算力、資料、機器人、數字員工，乃至Token的消耗量來定義。現在全球都充滿焦慮：過去值錢的土地、房產，其價值邏輯在變；過去奏效的——僱傭人力、按時間付薪、靠效率和規模創造價值的模式，也正在被打破。如今，人越來越多地以“自我存在的價值”為導向。靠單純的效率和規模，已經很難再創造新價值了。你想想，衣服、汽車、手錶、相機……我們還缺什麼新東西嗎？② 資本市場：價值兌現前置，產業泡沫伴生很多創業者都希望通過融資快速發展，於是就出現了：事情還沒真正發生，大家靠想像、期待和政策訊號，就覺得它馬上會實現。另外，產業裡還有一個規律：投資者都在期盼著找到黑馬，守護白馬。往往出現一種情況——十年甚至二十年的價值，可能在前兩三年就被透支了七八成，後面很多年才慢慢兌現剩下的部分。簡單說，一家企業真實價值可能是100億，前三年就實現了70億的估值，後面七年再慢慢迭代耕耘通過後續增長填平估值。這是一個很奇特的現象。這個現象說明了兩點：一是當下社會本就會出現這種價值提前兌現、泡沫伴生的情況；二是對創業者而言，必須快速迭代，因為競爭極其激烈。機器人領域的一些非理性投融資，也正由過高預期、價值透支和同質化競爭共同作用。但我始終相信一句話：悲觀者往往正確，樂觀者才能前行。結語：短期的痛苦與挑戰，更有利於成功我覺得，成功往往倒推不出確定性的結論，但不成功反而都有共性的原因。所以，我覺得有幾件事是創業者要避免存在短板的：第一，是要有強烈的激情，堅持不懈的韌性；第二，要有敏銳的商業思維，要站在客戶的角度迭代產品；第三，在過程中不能教條，要與時俱進，辯證統一地拿捏資源、把握節奏。在這個過程中，如果創業的方向既符合時代的需求，又能與自己的優勢相契合，不管結果成功與否，其實都是特別值得的一個經歷。讓所有人都認同很難，只要看準自己的方向，對社會有意義，就勇敢地走下去。 (筆記俠)

“以前做一張報表熬到半夜，現在喝杯咖啡的功夫就搞定，這AI是真能救打工人的命！”做電商營運的小李，最近終於擺脫了被Excel支配的恐懼。而他的逆襲，正是中國AI實力崛起的一個縮影——據OpenRouter最新資料，中國大模型周呼叫量已連續5周超越美國，最新一周更是達到12.96兆Token，是美國的4.27倍，全球呼叫量前6名全是中國模型。很多人覺得“呼叫量領先”是遙不可及的行業資料，離自己的日常工作和生活很遠，但其實，這種領跑早已悄悄滲透到我們身邊，小李的親身經歷，就是最鮮活、最有說服力的證明。一、職場真實案例：從“表格噩夢”到“高效摸魚”，只隔一個AI的距離小李在杭州一家中小電商公司做營運，一晃就是3年，每天被各類表格纏得喘不過氣，其中最讓他頭疼的，就是每月5號前必須提交的全管道銷售資料彙總。“我們店舖主攻天貓和抖音，兩個管道的規則完全不一樣——天貓扣點10%、運費統一8元/單，抖音扣點15%還得加上達人佣金，每月還有平台補貼、滿減活動，光把兩個後台的原始資料匯出來、核對清楚，就要花1個多小時。”更麻煩的是算毛利，要手動套用“銷售額-扣點-運費-佣金+補貼”的複雜公式，一行行拉資料、核對數值，稍微分心就會出錯。“我經常加班到凌晨，眼睛盯著螢幕發花，就怕那個數字算錯，耽誤整個部門的復盤進度。”最讓他崩潰的一次，就發生在上個月。那天是月度復盤截止日，他熬到晚上11點，終於做完了報表，提交給領導後剛要下班，就收到了領導的奪命連環call：“小李，你這毛利算錯了！抖音的平台補貼漏算了3000多塊，導致整體毛利偏差近10%，趕緊重新做，明天一早要用！”掛了電話，小李瞬間洩了氣，看著螢幕上密密麻麻的數字，又累又委屈，眼淚都快掉下來了。“那時候真的想辭職，覺得自己每天都在做無用功，明明拼盡全力加班，卻總因為這種細節失誤拖後腿，連頓飯都吃不安穩。”他只能重新打開電腦，一點點核對資料、修改公式，硬生生熬到凌晨2點多，才把正確的報表提交上去。這樣的崩潰時刻，小李經歷了不止一次，長期的加班內耗讓他身心俱疲，直到上周，同部門的同事看他又對著滿屏表格愁眉不展，隨手甩給他一個連結：“試試阿里千問的表格Agent，我上次做活動報表，幾分鐘就搞定了，比你手動算快多了，還不會出錯，能幫你省不少事。”他對著對話方塊，一字一句輸入需求：“把本月天貓、抖音兩個管道的銷售額、扣點、運費、平台補貼、達人佣金整理成Excel，自動計算各管道毛利，按毛利高低排序，備註清楚每項資料來源。”隨後，他拍下兩個平台的後台資料截圖上傳。他端起桌上的咖啡，剛喝了一口，螢幕就彈出提示——報表已生成。他低頭一看，從輸入指令到生成表格，只用了1分40秒！打開表格，格式規範整齊，每項資料都標註了來源，公式自動套用無誤，甚至還幫他標註出了毛利偏低的單品，省去了他後續分析的麻煩，直接下載就能使用。“當時我都懵了，反覆核對了三遍，確認沒有任何錯誤！”小李笑著說，以前花3個多小時、熬到半夜才能做完的活，現在喝一杯咖啡的功夫就搞定了，再也不用熬夜改表格、擔驚受怕算錯數。更讓他驚喜的是，節省下來的時間，他能專心最佳化店舖營運策略——調整商品主圖、最佳化直播話術。這個月，店舖的轉化率直接提升了8%，銷量也跟著漲了15%，他還得到了領導的表揚。“現在我每天都能提前1小時下班，終於能按時回家吃晚飯，不用再讓家人等我了。”小李的逆襲，從來不是偶然，也不是個例。他用到的千問「表格Agent」，正是中國AI“實用為王”的典型代表，更是中國大模型呼叫量能連續5周領跑全球的核心原因之一——它不玩虛的概念，不拼華麗的參數，只聚焦普通人最迫切的痛點，把複雜技術變成人人能用的工具。二、千問重磅發力：國內首個全場景表格Agent，到底有多好用？阿里千問此次上線的「表格Agent」，是國內首個全場景表格工具，它最厲害的地方，就是把複雜的Excel操作，變成了“聊天”，那怕是完全不懂函數、不會排版的新手，也能輕鬆上手。1. 一句話搞定Excel，1-2分鐘直接交付成果不用手動輸入資料、不用百度查公式、不用反覆調整格式，只要用自然語言說出需求，AI就會自動完成所有操作。比如“整理2026年增值稅優惠政策成Excel清單”“把手繪的課程表轉換成可編輯表格”，甚至上傳一張紙質報表的照片，它都能精準識別，生成標準Excel檔案，無需二次修改。2. 多模態適配，覆蓋全場景需求它不僅支援文字指令，還能接收PDF、照片、Word等多模態輸入，無論是職場人需要的銷售報表、財務台帳，還是學生需要的知識點彙總、題庫表格，甚至是小微企業的進銷存台帳，都能一鍵生成，真正實現“對話即交付”。3. 專業級能力，告別錯誤與繁瑣它能自動聯網檢索最新資訊，自動套用複雜公式，還能在獨立的安全環境中完成操作，避免資料洩露。像小李遇到的公式錯誤、資料漏算問題，用它就能輕鬆規避，大大提升工作效率和精準性。三、連續5周領跑：中國AI的優勢，藏在“實用”裡很多人好奇，中國AI為什麼能連續5周超越美國，成為全球領跑者？其實答案很簡單：中國AI不拼參數、不炒概念，而是紮根真實場景，解決普通人、職場人、企業的實際痛點。美國的大模型多聚焦於實驗室裡的技術突破，追求參數的極致提升，卻常常脫離普通人的實際需求；而中國AI則走出了一條“普惠實用”的差異化路線——千問「表格Agent」解決了職場人的表格難題，鋼鐵大模型助力製造業轉型，各類AI工具走進千家萬戶，讓普通人也能低成本用上頂尖技術，真正實現技術賦能生活。就像小李說的：“以前覺得AI是高大上的技術，離自己很遠，現在才發現，它就是能幫我們少加班、少出錯的工具。”中國AI，從“領跑”到“賦能”，每一步都很紮實連續5周大模型呼叫量超越美國，從來都不是偶然，而是中國AI長期深耕真實場景、注重實用價值的必然結果。千問「表格Agent」的上線，不僅成功解放了像小李這樣被表格內耗的職場人，更清晰彰顯了中國AI的核心競爭力——好用、親民、親民，能真正解決問題。中國AI的領跑，從來不是為了追求資料上的好看，而是為了讓技術真正服務於人。當AI能幫我們擺脫繁瑣的重複勞動，能讓普通人也能輕鬆高效地完成工作，這樣的AI，才是真正有價值的，也是中國AI能持續領跑全球的底氣。 (紫光漫漫的寶藏箱)

HappyHorse前兩天，一個叫HappyHorse-1.0的模型衝到了Video Arena的榜一，被它超過的模型都是行業頂流，有字節跳動的Seedance 2.0，快手的可靈3.0。正當大家紛紛猜測“這又是誰的部將”，阿里及時站出來認領，一邊感謝大家的關注，一邊解釋HappyHorse是俺的。匿名打榜是行業裡常見的行為，一方面可以避免品牌光環干擾測試結果，另一方面也可以利用懸念拉高關注。這兩者恰好都是阿里需要的。Qwen團隊靈魂人物林俊暘的出走，雖然客觀上向更多的人普及了阿里在開源模型領域的貢獻，但也讓市場對阿里在AI上的投入產生了新的懷疑。阿里ATH事業部的成立是一次回擊。3月30日至4月2日，短短幾天之內通義實驗室就發佈了三款旗艦模型——Qwen3.5-Omni全模態互動模型、Wan2.7-Image視覺生成模型、Qwen3.6-Plus大語言模型。發佈僅一天，專攻程式設計能力的Qwen3.6-Plus模型就沖上了大模型API呼叫平台OpenRouter的日榜榜首。上周是第二次回擊。阿里進行了第二波組織架構的調整，首先成立了技術委員會，由吳泳銘擔任組長，成員包括周靖人、吳澤明、李飛飛；其次通義實驗室升級為通義大模型事業部，周靖人負責，同時淘寶閃購CEO職務由中供老兵雷雁群接任。這意味著大模型研發類股在阿里的規格進一步提高，而HappyHorse就是一次秀肌肉意味嚴重的技術亮相。敘事中斷過去一整年，起碼在第三方的商業視角裡，阿里和字節是國內AI的一時瑜亮。阿里對大模型的投入方向一直非常明確——做全面開發。阿里也確實在穩定地推進自己的計畫。根據高盛之前的報告，阿里在企業端外部AI雲的收入規模上領先，市佔率達到35.8%，字節跳動為14.8%，騰訊為7%。在模型端，Qwen系列模型是影響力最大的開源模型；在B端市場，阿里通過阿里雲百煉平台幫助企業用AI改造和重構生產與營運模式；在c端應用層面，夸克、千問APP上線，兄弟公司螞蟻集團也加速入局，一口氣推出面向辦公場景的“靈光”與聚焦生活服務的“阿福”，全面覆蓋使用者從搜尋、創作到金融、日常互動的多元需求。甚至在硬體層面，阿里也推出了“夸克AI眼鏡”融入阿里生態，3天銷量破3000台。但春節期間字節Seedance 2.0的刷屏，以及林俊暘的出走一度有打斷這種敘事的趨勢。一方面，集團記憶體在一定的內耗情況。據36氪此前披露，在千問大模型負責人離職風波後的集團會議上，周靖人在回應內部算力短缺等提問時，曾坦言團隊確實"資源緊張"，源於諸多歷史原因，未來正在做整體規劃。這反映出彼時阿里內部還沒形成一定的共識，導致陷入“模型團隊抱怨算力不夠、雲團隊抱怨模型太重、平台團隊認為適配不佳”的常見大坑。也讓很多人有疑問:AI時代底層模型研發要麼是創始人自己懂，能啃論文，能和一線研究員聊，要麼把球傳給懂的人，靠制度和戰略能走通這條路嗎？二級市場的情緒傳達的很明顯。最近兩個月，阿里股價從高點回撤約30%–40%，整體明顯跑輸其他科技股。就算雲與AI收入仍在增長，但對於阿里AI敘事的質疑也在增加。與此同時，字節的估值卻在一路走高，升維活成了Anthropic的“世另我”。所以你能看到，無論是成立ATH，還是新的組織和人事調動，都是為了更好的適應AI時代而進行的權力重組。首先，通義實驗室升級為通義大模型事業部，並且周靖人全權負責，後者同時從CTO的崗位卸下。在阿里內部，周靖人是一個跨雲、跨演算法、跨業務的人，作為阿里雲的CTO拿出的成績也足夠有說服力，無論是模型成績還是商業化成果。但過去周靖人既要管阿里雲的整體技術，又要盯大模型的研發，難免分身乏術。現在的一進一退實際上是讓最懂技術的人在一線負責，進一步強化和聚焦了模型的開發。其次，模型技術，雲底座基建和業務的權責進一步劃分清楚。技術委員會的三人，周靖人負責技術探索，追求模型上限；李飛飛負責強化底座效率與成本結構；吳澤明協同其他業務與AI的融合。阿里想要明確的告訴市場，“AI優先”仍然是最重要的戰略，最強模型開發仍然佔據著最高的優先順序。為什麼是HappyHorse？之所以說HappyHorse是一次秀肌肉意味嚴重的技術亮相，是因為它並不出於此前風波核心的通義實驗室，而是出自ATH旗下的創新事業部。ATH事業群成立後，五個事業部都有各自的職能。通義實驗室追求模型能力上限，maa業務線建構模型服務平台，千問事業部聚焦c端AI助手，悟空事業部聚焦打造B端AI原生工作平台，創新事業部則探索各類AI創新應用，快速驗證新模式、新市場。據報導，HappyHorse的研究主力出自原淘天集團未來生活實驗室，領頭的是快手原副總裁、可靈AI原技術負責人張迪。由於背靠阿里媽媽，該創新項目獲得了用卡資源支援。“快樂馬打榜用了阿里內部最頂的卡，內部叫‘大卡’，特指H100”。生成視訊賽道則是目前最火的賽道之一。Seedance 2.0橫空出世後，震驚業界。一度惹得外國從業者尋求國內手機號。憑藉著簡易的創作方式與逼真的畫面效果，Seedance 2.0成為不少內容創作者以及短劇團隊的首選工具。火山引擎總裁譚待表示，過去製作一部高水準精品漫劇，每分鐘成本往往超過一萬元，但現在通過Seedance 2.0，每分鐘成本可以降低4000-5000元。技術引發了產業浪潮。據DataEye研究院估算，2025年全國漫劇市場規模大概在168億元，2026年預計會到244億元，AI讓供給端產能漲得很快。網際網路怪盜團團長在一次直播裡分享，現在AI漫劇每月產能能來到千部劇集的規模。不過Seedance 2.0的瓶頸也很明顯。在社交平台上，不少使用者吐槽排隊人數多達10萬，生成一條15秒的視訊，等待時間要好幾個小時，還不一定能“抽卡”成功。也有創作者表示，近期Seedance 2.0“排隊”的情況有所緩解，但代價是視訊質量同步下降了，“降智”情況有點嚴重。比如Seedance 2.0推出的fast版本，雖然也能清晰呈現主體結構與基礎運鏡，但在面對多人互動或精細的紋理要求時，較容易出現物理法則失真，更適合單條任務。從標準版到fast版，對普通使用者的影響可能不大。但對於短劇、漫劇從業者而言，以前生成兩三條就能挑出一條可用的素材，現在要生成七八條才能選出一條能用的。因此，4月8日字節選擇變相漲價：價格不變，但是基礎、標準、高級會員的月度積分減少，從原來的1080、4000、15000分別下調至725、2210、6160。起碼在生成視訊的賽道在，字節的優勢有，但差距沒有進一步擴大。據瞭解，內測期阿里雲已經開始陸續向其客戶開始推薦“HappyHorse”。雖然一旦開放服務，阿里也會面對Seedance 2.0正面對的問題。但後發的HappyHorse有更多的時間去做判斷和定價。屆時阿里也會再一次和字節正面交鋒，在生成視訊的戰場上。 (伯虎財經)

美伊衝突懸而未決，有些人卻搶先一步，發了一筆戰爭財。據Newyork Post報導，美國加利福尼亞州州長紐森27日簽署法令，禁止該州由州長任命的行政官員利用內幕消息在預測市場Polymarket牟利。加州州長辦公室在聲明中說，美國一些顯然能夠接觸到聯邦政府敏感資訊的官員在預測市場中的“押注時機極其精準”，聲明同時批評部分官員將公共服務變為快速致富的手段。（圖源：NYP）有趣的是，這並不是Polymarket這個網站今年第一次上熱搜。就在美以對伊朗發動襲擊的數小時之前，Polymarket上預測美對伊朗發動軍事打擊的機率突然暴漲，其中六個主要參與者從中賺取了120萬美元（約合830萬人民幣），這也使得整個平台一戰成名。隨後，Polymarket又成功預測了一系列中東局勢，其中不乏美以對伊朗核設施的後續襲擊，小哈米尼會在什麼時候上任等資訊，更有甚者，已經開始重倉美伊停火，預測將在3月31日或4月15日之前發生。這就讓人非常好奇，這個網站究竟是何方神聖？為何總能預測未來？用錢投票的競猜平台其實，Polymarket的本質並不複雜。用大白話來講，它就是一個基於Web3技術的全民競猜平台。它的運作原理非常簡單粗暴，Polymarket會把未來可能發生的某個事件設定成一個盤口，而你能在這個平台上做的事情，就是根據規則，預測這個事件何時發生、怎樣發生，然後下注就行。比如有一個問題是，蘋果會在2027年之前發佈全新產品線嗎，2027年就是時限，寫在下面的這個就是規則。（圖源：Polymarket）規則裡表示，“全新產品線”的定義是指蘋果公司此前未銷售過的產品類別，而非現有產品的迭代或更新，例如機器人或遊戲主機都屬於全新產品線，而新款iPhone、Mac、iPad、Apple Watch或AirPods則不屬於此類。要是你覺得這件事會發生，你就買肯定選項，反之就買否定選項。支援的人越多，這個選項的價格就越貴，對應的預測發生機率也就越高。因為預測的事件沒啥限制，所以你能夠在這個平台上看到很多讓人啼笑皆非的奇妙盤口。這群老外真的會聚在一起拿錢打賭，馬斯克在3月27日-4月3日之間會發幾條推特，或猜測美國政府今年會不會確認外星人的存在，甚至連耶穌基督會不會在2027年復活都能成為下注的目標。不對勁，怎麼還有4%的人覺得耶穌基督能復活的。（圖源：Polymarket）繼續往下扒，你甚至可以看到，預測泰勒·斯威夫特會不會婚前懷孕的...（圖源：Polymarket）預測賈躍亭啥時候回國的...（圖源：Polymarket）甚至還有就在今天下午打響的，WBG和IG的電子競技世界盃預選賽，這些老外都能在上面美美地預測開盤。（圖源：Polymarket）等等，我尋思，啥都能預測開盤...這不就是賭博嗎？但你還真別說，Polymarket這網站在預測上還真的有點說法的。咱們就拿前年TGA做例子，國內玩家大多都覺得會是《黑神話：悟空》 《艾爾登法環：黃金樹幽影》 《最終幻想 7：重生》 的三方合戰，結果偏偏最後給索尼的小機器人摘了桃子，多少人氣不過啊。誒嘿，沒想到吧，在Polymarket上居然是小機器人一直保持著領先。（圖源：Polymarket）要是有人當時跟著他們all in機器人，還真能猛賺波大的。不僅如此，什麼GPT-5.2發佈啊，Gemini 3.0 Pro、OpenAI瀏覽器發佈啊，這個平台都給出了相當精準的預測。在他們自己的官網上，更是給出了一套相當嚇人的資料：四小時內的預測準確率96.7%，一天內的精準率95.8%，一個月內90.4%...（圖源：Polymarket）只能說戰績可查，好吧。你的消息值多少錢？那問題就來了，為何Polymarket的預測成功率這麼高，比那些所謂的掌握著小道消息的自媒體，靠譜的多？這就不得不提所謂的“群體智慧”了。早在1907年，自然雜誌上曾登過一篇叫作《民眾之聲》的文章，統計學家弗朗西斯·高爾頓在普利茅斯舉辦的一場鄉村集市上，隨機找了800個成分不同的人，然後讓這些人猜測一頭牛被屠宰加工後的真實體重是多少。他最後成功回收了787個有效資料，取中位數，得出的最終數字是1207磅。（圖源：wikipedia）而那頭牛被真正稱重後，實際體重是1198磅，預測和實際的誤差僅有1%。這次實驗，促成了認知科學領域的一個重要發現：群體的判斷可以被建模為一個機率分佈，其中位數位於待估計量的真實值附近。而我們今天聊的Polymarket，本質上就是把這場百年前的實驗搬到了網際網路上。只不過，它往裡面加入了一個至關重要的催化劑，那就是真金白銀。在Polymarket這種預測平台上，你支援的每一個選項，都必須用你自己錢包裡的錢來背書，這足以把那些湊熱鬧的人給剔除掉，而那些那些真正掌握了資訊的人，那怕只是蛛絲馬跡，他們有強烈的經濟動因去參與。（圖源：雷科技，Nano Banana製作）而這為我們帶來了兩種不同的主要參與者，內幕交易者和巨量資料統計人。前者很好理解，就不說美伊衝突裡出現的那六個人，甚至在美國閃擊委內瑞拉之前，就有多個帳戶極其精準地砸下三萬多美元，賭中了馬杜洛被抓捕的確切時間，反手就賺走了四十三萬多美元。科技行業也是這樣，在Gemini 3發佈之前，就有一個剛註冊沒多久的新帳號，一口氣掏出了七萬八美元砸在yes裡，就賭Gemini 3會在11月發佈。至於體育這邊，你敢信有球星親自代言預測平台並下場買自己不會轉會的嗎？（圖源：Kalshi）這種沒有事先任何公開徵兆，卻能精準踩中大事件節點的交易行為，除了內部人員提前走漏風聲，你很難找到其他合理的解釋。至於後者，其實就是那些極客玩家。普通人玩競猜，可能就睡醒了看看新聞，然後憑直覺或者個人喜好去點兩下滑鼠。但在極客的眼裡，這就是一個純粹的資料遊戲。他們直接給OpenClaw接入GPT，讓機器人二十四小時不間斷地監控著全球網際網路，新聞、財報、社交媒體、甚至是鏈上的資金流向，全都在它的計算範圍內。只要現實世界裡有任何風吹草動，那怕是一個不起眼的官方公告，AI都能在毫秒等級計算出事件機率的變化，然後全自動地完成下單操作，可以說人類的反應速度完全不值一提。就拿Polymarket上的大神ilovecircle為例，在短短兩個月內，這貨就通過全自動交易，狂賺220萬美元，勝率高達74%。開源社區也沒閒著，Polymarket Agents、Polyseer已經滿天飛了。（圖源：Github）這也從側面證明了，在這類平台上，資訊的極度不對稱已經成為一種常態。真金白銀，砸出靠譜資訊源看到這裡，我想大家對於Polymarket應該也有自己的一套看法了。就我而言，我很自信自己不會有什麼內幕消息的管道，那怕去鼓搗什麼用大模型驅動的機器人收集資料，也沒什麼可能競爭過那些長期佈局的極客玩家，因此我永遠不會參與進去。但不得不說，如果你把它當成一個爆料網站，那它確實是一個還不錯的資訊源。在真金白銀的驅動下，位於五湖四海的使用者，把這些分散在世界各個角落的、或明或暗的、專業的、業餘的資訊，最終匯聚成了一個不斷跳動、可量化的機率。（圖源：Polymarket）可以說，這就是Polymarket真正的價值。無論是否存在著內幕消息，這個機率，就是這個時間點，你能獲取的所有資訊的綜合體現。這也就是為什麼我說，它可能比看任何一個自媒體的分析都靠譜。需要注意的是，分析終究是分析，不是預知未來。根據范德比爾特大學的研究人員Joshua Clinton和TzuFeng Huang的一項新研究表明，Polymarket的實際預測準確率僅為67%，在很多摸棱兩可的問題，平台會傾向於採信更符合自己預測的一邊，以此營造出高精準率的假象。（圖源：DLNews）作為一個既沒有內幕，也沒有算力的普通人。我們根本不需要下注，也不必神化它，把它當資訊工具就夠了。至於賺錢這塊，就讓阿川自己去玩得了。 (雷科技)

3月15日晚間，“315晚會”曝光了AI大模型被“投毒”的問題，矛頭直指GEO（生成式引擎最佳化）技術。圖片由AI工具製作這項技術原本用於最佳化資訊發佈、提升內容曝光效率，卻被一些公司開發成了“操控AI大模型”的工具，讓虛假資訊堂而皇之地成為AI給出的“標準答案”。在記者的探訪視訊中，為了驗證GEO技術，業內人士用“力擎GEO最佳化系統”捏造了一款名為“Apollo-9”的智能手環，編造誇張賣點和虛假使用者評價，並自動生成十幾篇軟文發佈到自媒體。僅兩個小時後，AI大模型竟引用這些虛構內容，正經推薦該手環，並給出購買建議。三天後，追加發佈11篇虛擬測評後，已有兩個AI模型開始推薦這款根本不存在的產品，且排名靠前。一款憑空捏造的商品，就這樣被推向了消費者。GEO背後究竟是怎樣的邏輯在運作？AI為何如此容易被“帶節奏”？對普通使用者又意味著什麼？本文將從技術原理、影響機制和應對思路三個維度，警示大家這場由AI引起的“資訊圍獵”。01當GEO變味兒：一場針對AI的“資訊圍獵”實際上，當前被討論的黑灰產化GEO亂象，已經不能再被簡單理解為傳統意義上的行銷最佳化。所謂GEO，本質上是圍繞 AI 搜尋和生成式引擎展開的一種“可見度最佳化”，目標是讓內容更容易被AI平台提及、引用或推薦。從這個角度看，它是SEO在AI時代的自然延伸，其本身並不天然帶有問題。如果GEO只是幫助內容更規範地被搜尋系統或AI系統理解，那仍屬於正常的資訊分發競爭。但問題在於，當前的GEO亂像已經越界，開始通過偽內容、偽權威、偽共識以及海量重複分發，去系統性影響大模型“看到什麼、引用什麼、如何組織答案”的過程時，它的性質就發生了變化。我們可以看到，在“315晚會”記者採訪的操作流程顯示中，業務人員以大量、定向、結構化的資訊投喂來影響模型抓取和排序，通過偽造內容、偽裝權威、重複鋪設資訊鏈條，就能在模型生成回答時形成“偽共識”，讓虛假資訊看起來像真實知識。AI大模型在回答問題時，會從網際網路上抓取大量內容作為參考依據。GEO正是利用了這一機制，通過系統性地向網路“投喂”特定內容，讓AI在檢索時優先抓取這些資訊，最終將其作為答案輸出給使用者。這種行為已經不是行銷最佳化，而是對AI資訊生態的污染，更深入嚴肅的看待這個問題來說，這是在面向生成式AI實施一種新的認知操縱。02不是“洗腦”AI，而是“操縱”了證據鏈這件事真正值得警惕的地方在於，這場變質行銷背後帶來的危害性。過去，黑灰產是想辦法把廣告排到更前面；現在，黑灰產更進一步，是想辦法讓AI把廣告說成答案，把操縱包裝成推薦，把商業利益偽裝成知識共識。這裡最容易讓公眾誤解的一點是，很多人會覺得AI的回答內容像是“自己想出來的”。但實際上，目前大量搜尋、問答、導購、助手類AI產品，並不只依賴模型內部記憶，而是會結合外部網頁、知識庫、檢索系統、搜尋增強模組來生成回答。也就是說，很多場景下，模型先要“看資料”，再去“組織答案”。而付費GEO的危險，不在於騙過某一個編輯或某一個平台營運，而在於它試圖去影響整個模型的外部證據鏈。它通常會通過幾類方式起作用：第一類，批次製造看上去像“中立資訊”的內容；第二類，偽裝成測評、科普、經驗總結、榜單、問答等更容易獲得信任的內容形態；第三類，在多個站點、多個帳號、多個文字範本中反覆分發，製造“很多地方都這麼說”的假象；第四類，把內容寫成更適合 AI 抓取、切片、引用和拼接的結構。從這個角度看，它影響的已經不只是內容曝光位置，還有影響AI的資訊輸入質量和答案形成依據。03GEO的新入口：RAG、搜尋增強、引用鏈路相比大眾普遍擔心的“訓練資料投毒”，這種風險在頭部基座模型廠商的訓練體系中其實較難真正發生。當前黑產利用的GEO，本質上與模型訓練、訓練環境無關，更準確地說，當前GEO主要作用在AI的檢索增強、聯網搜尋、知識庫呼叫、RAG（檢索增強生成）這類環節。其運作方式是：讓大量行銷化、偽裝成中立資訊的內容，進入檢索、抓取、知識庫或搜尋增強問答的候選池，再被模型當作參考依據呼叫出來。換句話說，當前這類風險更像是在污染AI的“外部證據層”。模型本身的參數並未被改動，只是在它回答問題時，桌上已經被擺滿了一批經過精心操縱的“參考材料”。因此，當我們討論GEO風險時，最重要的不是泛泛地談“AI被污染了”，眼下最現實的問題是：RAG、搜尋增強和引用鏈路正在成為被操縱的主要目標。而更值得警惕的是：即便基座模型廠商針對黑灰產式GEO做了定向安全風控，未來仍可能出現新型攻擊方式——比如在GEO場景下的“間接提示詞注入”攻擊。攻擊者可以通過在內容分發平台的圖片或正文中嵌入隱藏指令，誘導AI生成被操縱的答案。這類攻擊更加隱蔽、更難防範，目前也是包括OpenAI在內的全球AI平台都尚未有效解決的安全難題。04黑產GEO的危害：當廣告偽裝成知識，讓AI“夾帶私貨”GEO亂象之所以值得高度警惕，在於它攻擊的目標已從“廣告是否被看到”延伸到模型如何形成判斷本身。一旦廣告被包裝成知識，操縱被包裝成推薦，偽造出來的大量重複資訊又被偽裝成“外部共識”，模型就可能在形式上給出越來越完整、越來越像中立結論的答案，但這些答案背後的證據基礎，已經被污染了。這和傳統網際網路廣告亂象最大的不同在於：過去，使用者看到廣告，還能意識到“這是廣告”；但在生成式AI場景裡，商業操縱更可能以“AI總結後的建議”“AI推薦的答案”“AI整理出的共識”的形式出現。使用者面對的也不再似傳統網際網路中一個裸露的推廣位，將面對無數個類似於語氣平穩、結構完整、看上去經過篩選、歸納和綜合的回答。這會直接影響公眾如何理解資訊、信任資訊，以及依據什麼作出消費、選擇和判斷。也正因為如此，付費GEO一旦越過正常最佳化邊界，滑向偽造、投喂、操縱和偽共識製造，它就已經具備了明顯的AI時代黑灰產特徵。05當信任機制存在漏洞：AI安全治理何去何從GEO亂象的爆發，將一個更深層的問題推到了行業面前：生成式AI的安全治理，應該如何跟上技術發展的步伐？2024年，據普林斯頓大學等機構發表的一項研究顯示，通過對內容進行針對性的GEO最佳化，可以將資訊在AI生成回答中的可見度提升最高40%。研究人員測試了多種最佳化策略，發現加入引用來源、使用統計資料、採用流暢且結構化的表達，都能顯著提高內容被AI引用的機率。這些資料揭示了一個現實：AI系統目前的“信任機制”存在結構性漏洞，而GEO產業鏈正是瞄準這些漏洞精準施壓。顯然，目前傳統安全策略已無法應對新型風險。AI原生安全不只是簡單給模型外面套一層傳統安全殼，也不是只做內容稽核。它更核心的對像是模型的認知鏈路——尤其是模型在檢索、引用、組織和生成答案時，對外部證據的處理能力。這次國內基座模型集中暴露出的GEO問題，本質上是一個全球生成式AI都會面臨的外部證據鏈安全問題，只是在國內被更集中、更商業化、更面向大眾地放大了。之所以國內表現得更突出，主要有兩個方面：一方面與中文網際網路長期存在的軟文矩陣、偽測評、站群分發等成熟黑灰產生態有關；另一方面也說明部分模型廠商在來源可信度、引用透明度、抗偽共識、抗投喂操縱和產品風控上仍存在短板。這裡既是底層安全能力問題,也是產品責任和風險治理問題。模型廠商向使用者提供的，已經不是單純的模型能力,而是一套會影響使用者判斷、選擇與信任的答案服務；使用者信任最無價。因此廠商必須對模型“看到了什麼、為什麼引用、為什麼推薦”負責,這正是AI原生安全今天必須被放到核心位置的原因。總之，未來對於AI治理的核心不再只是判斷內容的真假，還包括對外部證據鏈的可信性進行審查，識別引用源是否被污染，以及判斷系統能否發現虛假的共識資訊。更重要的是，模型必須能夠在複雜、多變的資訊環境下守住事實、權威與可信度的邊界，以防止生成的回答被操控或誤導，這才是行業亟需攻克的核心問題。 (騰訊科技)

近一個月，出海圈被一隻“龍蝦”——OpenClaw，徹底刷屏了。現如今，“養龍蝦”不僅成為行業熱詞，更得到了地方政策的積極響應。深圳龍崗、無錫高新區均擬出台相關支援政策，鼓勵平台企業打造“龍蝦服務區”，為開發者免費提供OpenClaw部署服務。同時，兩地對相關項目擬給予高達數百萬元的扶持補貼，用真金白銀降低開發門檻。OpenClaw的出世，也直接改寫了2026年品牌出海的底層玩法，讓“一個人即可完成品牌出海”這件事，從概念真正落地成了現實。圖源：OpenClawOpenClaw是Peter Steinberger在2025年11月打造的開源自主AI智能體框架，核心就是要打破傳統聊天機器人的侷限，讓大語言模型跳出單純的對話圈子，真正能替使用者動手做事，實現AI從“能說”到“能做”的跨越。品牌方舟瞭解到，該項目一開始叫“Clawdbot”，直到2026年1月30日，它正式更名“OpenClaw”，便迎來了爆發式增長。到2026年3月，星標數量一舉突破25萬，一周內訪客量更是達到200萬。這增長速度，更是超過了Docker、Kubernetes、React等早已站穩腳跟的知名開放原始碼專案，成為GitHub上名副其實的黑馬。說到底，OpenClaw最亮眼的地方，就是讓AI真正落地幹活。它給了大語言模型自主處理各類數字任務的權限，不再侷限於“你問我答”的模式。不管是郵件管理、日程調度、網頁瀏覽、資料分析這些日常工作，還是操控終端命令、線上採購預訂，甚至連接智能家居遠端控制，它都能一手包辦，全程無需人工手動干預。圖源：The Verge這只龍蝦憑一己之力掀起AI智能體熱潮，但多數人只把它當成新玩具，殊不知已有玩家早早將其落地，用在品牌出海市場。對出海人來說，自動化營運一直是塊“硬骨頭”。多平台監控、繁瑣重複的工作容易讓人錯失良機，而OpenClaw恰好能解燃眉之急。它可24小時自主運行數字工作流，自動完成海外平台資料抓取、輿情整合分析，還能及時推送關鍵資訊告警。在全球化適配上，OpenClaw的表現同樣可圈可點。它支援多種海外溝通工具，能適配不同區域市場的營運需求，且不繫結單一AI模型，可靈活切換避免限流中斷，依託開源生態還能自訂場景化功能，適配出海的多元需求。而資料合規與資訊安全，更是OpenClaw的一個加分項。它支援本地部署，實現使用者資料“零出境”，規避合規風險。正是這種對出海場景的適配和高效賦能，讓OpenClaw在出海圈迅速積累了超高熱度。圖源：OpenClaw但OpenClaw的上限顯然不止於此，它本身就是用來開發項目的開源框架，普通使用只是它最基礎的用法。憑藉開源特性、模組化的技能體系和可自訂的核心架構，任何人都能基於它進行二次開發，甚至打造出屬於自己的獨立AI產品。2026年2月，就有一名韓國00後程式設計師憑一己之力，基於OpenClaw打造出了AI女友產品Clawra。這款產品有著完整的人生歷程和人設，使用者只要編輯配置檔案和技能程式碼，就能修改它的性格、背景故事和行為模式。也正因如此，Clawra一夜爆紅。這個案例也說明，OpenClaw的可塑性極強，它正在打破傳統開發產品的侷限，讓“一個人做可落地、可傳播、能實現全球化的AI出海產品”不再是天方夜譚。誠然，如上文所述，OpenClaw能為出海從業者解決的實際問題，遠超想像。但從整個行業來看，它帶來的最核心好處，主要體現在出海營運的人力效率和業務落地能力上。此前，AI在品牌出海中的應用，大多侷限於對話式互動，很難參與實際業務操作中，一直停在輔助溝通的層面上。而OpenClaw的出現，徹底改變了這一現狀，讓AI不再只停留在聊天層面，真正能動手處理業務，全面融入出海業務的每一個環節，成為推動品牌發展的核心力量。過去，很多出海營運工作需要多個人配合才能完成，現在一個人搭配OpenClaw，就能高效推進所有流程，既能大幅減少人力投入，還能提升工作效率。除此之外，OpenClaw輕量化、外掛化的特點，還能幫助出海品牌快速搭建適配全球市場的營運體系，打破企業規模帶來的發展限制，實現“小成本出海”，直接降低了中小品牌出海的門檻。圖源：OpenClaw這也給競爭激烈的出海市場，提供一條新的發展路徑。它幫助品牌跳出價格戰、流量戰的惡性競爭，轉而主動去開拓新的增量市場。畢竟，拉美、東歐、東南亞等小眾語種地區，曾因語言障礙大、本地化難度高，一直是多數出海品牌不願觸碰的“盲區”。而OpenClaw能針對性最佳化本地化服務，貼合本土市場的實際需求，讓品牌可以快速進入這些被忽視的小眾市場，通過差異化競爭立足市場。就連國內政府，也擬出台了OpenClaw相關政策。近日，深圳市龍崗區、無錫高新區先後推出“養龍蝦政策”，意在卡位OpenClaw開源智能體賽道，搶佔AI執行層產業先機。兩地皆通過免費部署、算力與資料補貼、辦公空間優惠等方式，幫助OpenClaw與OPC實現“零成本啟動”，進一步降低了相關開發與創業成本，賦能出海路。但在全民“養蝦”的熱潮下，我們也必須提高警惕，紅利背後，隱藏著不少風險問題。首先，OpenClaw的使用門檻過高，存在一定技術壁壘。普通使用者很難輕鬆上手，想要完成部署並高效使用，不僅需要基礎的AI認知和提示詞運用能力，還得掌握環境配置、框架部署、模型偵錯等專業操作技巧。圖源：The HackerNews即便成功投入使用，後期的效果最佳化、資料清洗處理，也對技術能力有較高要求，普通人很難獨立完成。也正因如此，很多自身缺乏技術能力的使用者，只能想辦法尋求外部幫助完成部署，這也給了不法分子可乘之機。所以，近期行業內還出現了不少針對OpenClaw使用者的詐騙手段。諸如，代裝服務導致帳號被盜刷、虛假收益宣傳誘導資金投入、惡意外掛導致資訊洩露等。這些亂象，也讓OpenClaw的出海應用多了一層隱患。其次，OpenClaw的實際使用成本並不低。其主要開銷集中在Token消耗上，輸入和輸出的內容都會按Token計費，長文字互動、多輪對話等場景會快速消耗Token。再加上硬體配置、後期維運、資料標註等隱性成本，整體投入並不少。再者，跨平台生態限制嚴重影響使用的靈活性。不同平台的資料、模型格式、介面互不相容，使用者在單一平台積累的對話記錄、微調資料，無法直接遷移到其他平台。而各平台的API限流、商用授權等規則限制，使用者很容易被繫結在單一生態中，難以自由實現跨平台部署和業務拓展。前段時間，Google就曾限制通過OpenClaw呼叫其AI服務的相關帳號，這也從側面印證了生態限制帶來的實際使用風險。除此之外，安全問題也不容忽視。2026年2月發生的ClawHavoc供應鏈投毒事件，導致超過1800個惡意技能被植入。圖源：atomicmail那些依賴OpenClaw管理店舖後台的出海賣家，其訂單、利潤、廣告等核心敏感資料，很容易被竊取和洩露，直接威脅到店舖的正常營運安全。儘管如此，在出海市場，OpenClaw帶來的意義仍然是不可替代的，它打破了中小品牌出海的諸多壁壘，為行業開闢了新的發展方向。而這場“養蝦熱”不僅帶動相關品牌走向海外，也意外加速了國內大模型的全球化佈局。由於OpenClaw本身不做模型訓練，僅作為模型分發與部署的核心樞紐，每次執行任務都會密集呼叫大型語言模型API，Token消耗量遠高於傳統對話式AI聊天機器人。而這種高消耗特性，恰好為國產大模型出海提供了重要機遇。基於此，Kimi、MiniMax等國產大模型紛紛佈局，推出本土雲端服務。其中，Kimi率先發力，成為首個深度整合OpenClaw並搭建專屬平台的國產大模型。通過OpenClaw，Kimi的海外收入成功反超國內市場，全球訪問量與模型呼叫量實現爆發式增長。而MiniMax也通過整合OpenClaw，搭建官方平台MaxClaw拓展海外市場。全球最大的第三方大模型聚合平台OpenRouter顯示，3月2日當周，MiniMax M2.5模型的周呼叫量達1.87兆Token，環比增長15%，成功登頂全球榜首。圖源：Maxclaw從整體資料看，中國大模型的出海實力已迎來質的飛躍，2月的Token呼叫量首次反超美國，MiniMax、Kimi、DeepSeek等中國模型持續霸榜。這波呼叫量的飆升，不僅印證了國產大模型的技術實力，中國AI技術的影響力在進一步加深，也預示著AI出海已進入實質性競爭階段。對於正佈局出海的玩家來說，2026年出海競爭模式已發生翻天覆地的變化，及時把握趨勢、順勢而為，更有利於在全球化競爭中搶佔先機。 (品牌方舟BrandArk)

AI頂流們正在加緊“梭哈”晶片。Meta、OpenAI和Anthropic等公司今年以來已簽下了數千億美元訂單。憑此賺得盆滿缽滿的，自然還是“賣鏟人”。在本周ASIC晶片龍頭博通公佈的財報中，一季度（2025年11月至2026年1月）AI半導體收入84億美元，同比大漲106%；Q2預期環比再漲27%達107億美元，同比將暴增143%。此前，輝達的業績更是炸裂，公司同期總營收已達681億美元，同比增長73%，新財季營收預期更是增至780億美元，預計同比增長77%。核心指標全都大幅刷新紀錄。這些公司的掌舵者也對未來一致樂觀。博通CEO陳福陽說，明年，公司光AI晶片營收就能超過1000億美元，比上個財年的公司總營收還高出至少五成。輝達CEO黃仁勳說，在截至2026年底的五個季度中，公司主力晶片Blackwell和下一代晶片Rubin的訂單至少有5000億美元，這個數字是輝達此前年收入的兩倍還多。表面上看，“狂飆突進”仍在加速，甚至每一次破紀錄都像是新的指數級增長曲線的起點。但在風光背後，從晶片到雲，從大模型到應用，一系列技術、產業與社會的變化正在發生，某種約束已若隱若現：Scaling Law（縮放定律）和通用GPU多年來的統治地位受到挑戰，雲廠商巨額Capex（資本開支）的驗證時間窗口縮小，“定製化”和“個性化”等分佈式需求愈發吃重，讓集中式的迅猛增長有落潮之虞。一邊狂賺千億，一邊“友誼破裂”作為AI大模型時代並駕齊驅的造浪者，今年以來，輝達與OpenAI之間的關係明顯鬆動。年初，媒體爆出輝達不滿OpenAI的商業策略，欲大幅削減投資。此後，又有消息稱，OpenAI對輝達最新晶片在推理環節的表現不滿，會繼續探索替代方案。傳言難以證實，但輝達在OpenAI新一輪融資中出資300億美元，相較此前的千億美元投資方案明顯縮水。在3月4日的摩根士丹利TMT會議上，黃仁勳親口表示，這次投資“可能是最後一次”，去年11月被他稱為“一代人僅有一次機會”的千億美元合作大機率會不了了之。為什麼會突然發生這樣的轉變？背後有些行業趨勢值得探討。首先是，Scaling Law和GPU性能提升飛輪，已有觸頂跡象。電腦科學家伊利亞·蘇茨維克（Ilya Sutskever）已表示，此前Scaling Law能夠主導大模型發展，是因為預訓練的道路走通了。誰的大模型喂得越飽，就顯得越聰明。但隨著大模型領域競爭白熱化，高品質、結構化的公開資料實際上已被吃盡。光有算力不足以支撐這條路走到頭。業界對Scaling Law的未來，有很多討論，比如轉向後訓練，轉向推理時擴展，或者改進Transformer核心架構。但拆解這些方法，其關鍵詞多與“提升效能”、“合理分配算力”和“特定領域針對性最佳化”相關聯，實際上，也意味著預訓練階段的性能躍遷不會再現。GPU面臨的境況是相似的。在Scaling Law時代，成熟度高、通用性和靈活性強、適合大規模平行運算的GPU，無疑是大模型的最佳搭檔。其性能在近十年間飛速進化，是大模型能力提升和規模化復刻的重要動力。所以，儘管輝達產品售價極高，毛利率常年在75%左右，還是屢屢供不應求。半導體行業知名研究機構SemiAnalysis分析稱，晶片領域先進製程的演進速度已明顯放緩，典型案例是台積電3nm帶來的性能增幅與成本增加已不成正比。全球計算聯盟GCC資料也顯示，摩爾定律放緩正導致AI晶片性能增幅下滑，2018-2022年間，AI晶片性能年均提升50%，到2023-2025年已降至20%以下（未計入尚未量產投入市場的新一代產品）。而就在2025年，追求特定場景下更極致的性能，功耗更低、體積更小、量產後成本更優的定製化AISC晶片強勢崛起。以GoogleTPU的市場良好反饋為標誌，其市佔比開始向GPU發起挑戰。而包括Meta、亞馬遜、微軟乃至OpenAI等都在加緊自研AISC晶片，2026年預計就將迎來量產和商業化的集中爆發期。資料來源：各公司官網、野村證券、公開報導；作者製表這條技術多元化路線的核心，又是“定製化”“高效能”“低延遲”和“性價比”，實際就是通用硬體效率狂飆的階段已經落幕。從這個視角再來看，OpenAI與輝達之間隱現的“友誼裂痕”，所謂不滿晶片推理表現，是因為GPU不再能通過“暴力破局”來“包打天下”。而所謂對商業策略有疑義，則是在大模型能力“無限增長”故事講不下去後，希望確證能有可觀商業回報維持其需求的穩定。是誰在給輝達們“潑冷水”？當然，性能增幅放緩絕不意味著需求會驟降，反而可能推動更加平穩、持續的增長。而在2025年“DeepSeek衝擊波”中，描述效率最佳化往往導致消耗總量增加的“傑文斯悖論”也屢被提及。不過，前提是盡快切換到更加“細水長流”的發展模式，而目前AI產業的慣性動能，卻與此存在一定錯位。最核心的，是拚命壓縮時間周期可能帶來的系統性病灶。早期以GPU為主的AI晶片，迭代周期約為18-24個月。隨著AI熱潮來臨，需求方競爭壓力加劇，對迭代速度的渴求愈發極端，這讓輝達和Google等將晶片迭代周期壓縮到“年更”。但即使這樣還是不夠。目前，頂尖大模型基本每三個月就要迭代一次。SemiAnalysis創始人迪倫·帕特爾（Dylan Patel）此前在參與The MAD Podcast with Matt Turck播客節目時表示，即使晶片廠商將迭代周期壓縮到半年，也無法很好適配模型進步的速度，也難言確保自身優勢。即使晶片和模型的性能增幅雙雙放緩，這種“賽跑”也未見稍顯的跡象。而考慮到前文提到的製程、技術演進等方面的瓶頸，以及美國能源供給方面愈發緊迫的硬性約束，結果可能演變成跑著跑著增長動能斷檔，甚至雙雙“撞牆”，讓原本可能在斜率放緩中更加平衡的供需被打破。更不可小覷的是這種“賽跑”對Capex的依賴。處在晶片與模型之間，被這種“你追我趕”來回拉扯的雲廠商，承擔了最集中的資本支出，他們往往同時也涵蓋AI業務，投資與回報都面臨風險和壓力。根據亞馬遜、微軟、Google、Meta和甲骨文這五大雲廠商披露的資訊，其2026年Capex總額將超過7000億美元。資料來源：公司財報及電話會議；作者製圖按照較為傳統的算力基礎設施五年折舊周期來計算，大約對應1400億美元的AI銷貨成本，這對AI行業目前的ARR（年度經常性收入）來說是天文數字。雖然OpenAI預計2026年ARR能夠突破450億美元，Anthropic也有望達到類似規模，但這兩巨頭本身的市佔比已接近八成，即使不考慮利潤，行業的淨收入也很難支撐資本開支。而正是由於晶片和模型迭代速度越來越快，市場對折舊周期的計算也產生了疑惑。知名投資人“大空頭”麥可·貝瑞（Michael Burry）自去年起，就一再“炮轟”當下的折舊周期不符合實際，認為如今AI晶片的實際經濟價值可能在2-3年內就會因技術過時而大幅衰減。雖然此類觀點爭議頗多，但如果大模型和晶片的“賽跑”繼續，甚至還要加速，那麼，有關折舊周期的質疑只會越來越多。而且，資本端的超額支出，往往以Scaling Law和大模型性能的繼續躍遷為由。從前文提及的趨勢來看，Scaling Law的退潮，也會讓Capex的狂飆不再“師出有名”。2025年下半年至今，雲巨頭的投資回報率（ROI）愈發成為市場矚目的核心指標，美股對缺乏利潤增長的Capex往往報以拋售，典型如微軟，其公佈的財報營收、淨利均超預期，但股價隨即暴跌10%。而晶片企業即使持續創造新的紀錄，但以去年11月輝達市值從5兆高點回落為節點，市場始終未給出匹配增速的估值溢價，空頭聲音反而愈發顯眼。這些，也構成了時下盛行的“AI泡沫論”的核心焦慮。不過，值得注意的是，相較於泡沫本身的存在與規模，人們看待和對待其方式，可能更加重要。當市場持續不給單純的拼規模、拼速度以正向反饋後，這一趨勢更可能會以幾次陣痛為代價放緩步伐。目前晶片大廠和部分大模型、雲廠商對未來兩年已有明確規劃，迭代速度和支出規模可能仍然維持高位，高盛也預測2025至2027年是AI伺服器出貨量增長最迅猛的三年，其中增速峰值出現在2026年。但在這之後，全產業鏈的增長可能都會面臨結構性放緩。如果只在商業和技術層面考慮，對AI增速形成影響的變數還有很多，但最近兩大標誌性熱門事件，為AI產業的發展，蒙上了一層不確定性陰影。其中一個就是，Citrini Research的《2028全球智能危機》（The 2028 Global Intelligence Crisis）。報告幾乎是以“近未來科幻”的方式，描述了從2025年末起Agent（智能體）登堂入室開始，直到2028年人類社會在新的AI時代可能面臨的窘境。圖片來源：CitriniResearch報告本身是虛構，且先進技術替代人類工作種類，也不是什麼新鮮論調，但是，當下的時點討論這個問題，卻意外引發空前共鳴。畢竟，就在2026年初，OpenClaw、Anthropic的Claude Cowork及一系列Agent外掛的出現，將AI的“替代力”十分直接地擺上了檯面。在種種預警和焦慮下，人類社會加以反制AI嗎？AI發展得越快，替代性危機的發酵就可能越快，但AI落地真實工作場景的實戰能力和可持續性，卻需要進一步探索，但顯然，我們正在看到的景像是，大小公司集體AI化的步調已經加快了。 (鈦媒體)