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)

2026年AI行業最大的機會，毫無疑問就在應用層！字節跳動已有7個團隊全速佈局Agent大模型崗位暴增69%，年薪破百萬！騰訊、京東、百度開放招聘技術崗，80%與AI相關……如今，超過60%的企業都在推進AI產品落地，而真正能交付項目的 大模型應用開發工程師 ，卻極度稀缺！落地AI應用絕對不是寫幾個prompt，調幾個API就能搞定的，企業真正需要的，是能搞定這三項核心能力的人：✅RAG：融入外部資訊，修正模型輸出，給模型裝靠譜大腦✅Agent智能體：讓AI自主幹活，通過工具呼叫（Tools）環境互動，多步推理完成複雜任務。比如做智能客服等等……✅微調：針對特定任務最佳化，讓模型適配業務目前，脈脈上有超過1000家企業發佈大模型相關崗位，人工智慧崗平均月薪7.8w！實習生日薪高達4000！遠超其他行業收入水平！技術的稀缺性，才是你「值錢」的關鍵！具備AI能力的程式設計師，比傳統開發高出不止一截！有的人早就轉行AI方向，拿到百萬年薪！👇🏻👇🏻AI浪潮，正在重構程式設計師的核心競爭力！現在入場，仍是最佳時機！ (AI寒武紀)

當前全球人工智慧大模型賽道已形成多元競爭格局，國際陣營與中國本土模型各有技術路線與場景優勢，共同推動AI技術走向普及化、實用化。OpenAI的ChatGPT作為全球通用大模型的標竿，綜合能力均衡全面，在邏輯推理、程式碼編寫、專業創作與多模態理解上保持領先，外掛生態成熟完善，是全球專業辦公、學術研究與海外業務的主流選擇，產品風格嚴謹穩定，適配各類高要求任務場景。xAI的Grok憑藉鮮明特色快速崛起，依託X平台即時資料接入，對全球熱點與時事動態響應迅速，產品風格個性直接、迭代節奏激進，同時與特斯拉車載、智慧型手機器人生態深度聯動，更受科技愛好者與追求前沿體驗的使用者青睞。微軟依託與OpenAI的深度合作及自研佈局，形成了以Copilot為核心的AI體系，全面融入Windows、Office、Azure等生態，在文件處理、表格分析、簡報製作等辦公場景體驗極致，同時整合Claude模型能力，兼顧企業級服務的穩定性與效率，小參數模型Phi系列在輕量化部署上表現突出，成為辦公場景的首選AI助手。GoogleGemini系列以超強多模態能力與超長上下文處理為核心優勢，深度聯動Google搜尋、雲端辦公與Android生態，在長文件解析、多媒體理解、科學計算等領域表現亮眼，是全場景智能體的代表產品。中國大模型立足本土需求，打造出更貼合國內使用者的實用體系。字節跳動豆包定位國民級全能AI，中文理解自然流暢，多模態創作與日常工具呼叫能力突出，深度聯動抖音、剪映、飛書等生態，使用門檻低、普惠性強，適配日常娛樂、內容創作、辦公輔助等全場景。百度文心一言依託知識圖譜與搜尋技術積累，在知識問答、複雜推理與行業解決方案上優勢顯著，政務、金融等企業級服務體系成熟，合規性與穩定性領先。阿里通義千問兼顧開源與閉源雙路線，長文字處理與多語言能力出色，深度融入電商、雲端運算生態，性價比優勢明顯。騰訊混元依託微信、QQ等社交生態，在內容生成、社交場景適配與多模態協同上表現優秀。華為盤古聚焦政企與工業場景，依託鴻蒙與算力底座，在智能製造、智慧城市等領域落地深入，安全可控能力突出。整體來看，國際模型中ChatGPT主打全能均衡，Grok聚焦即時個性，微軟Copilot深耕辦公生態，GoogleGemini領跑多模態；中國模型則以地道中文體驗、本土生態融合、安全合規與高性價比為核心優勢，更適配國內使用者的日常與產業需求。不同模型依託各自技術與生態優勢，覆蓋不同場景與使用者群體，為全球AI應用提供了豐富多樣的選擇。 (趣ai視角)

最近，美股市場出現了非常撕裂的一幕：一邊是散戶股民們還在為AI大模型能力飆升而狂歡，一邊卻是華爾街機構在大舉拋售各種高毛利軟體巨頭，反手將真金白銀塞進了各種重資產“老登股”。這完全違背了過去十幾年來市場對科技股投資的信仰。華爾街給這種現象起了一個代號：HALO交易（Heavy Assets, Low Obsolescence，重資產、低過時率）。此次價值重估，究竟是一時的情緒避險，還是主導未來十年的財富密碼？01Why Now？過去十幾年，輕資產公司一直都被認為是最完美的印鈔機。SaaS等軟體模式建立在無限可擴展性而非物理產品之上。一行程式碼可以瞬間低成本複製給全球萬千客戶，極低的邊際擴張成本帶來了極高的毛利率與估值溢價。尤其是前幾年，任何軟體公司只要宣佈“擁抱 AI”，股價就能原地起飛。比如主打國際語言教學的多鄰國(duo.US)，從2022年至2025年上半年期間，股價一度從70美元飆升至近550美元，3年漲幅高達7倍。而相反，傳統的重資產企業因為需要漫長的時間建廠房、買裝置、耗產能，面臨極高的資本開支與物理摩擦，長期被資金視為笨重且邊緣化的資產。然而，在2026年初，這種信仰正被暴力反轉。市場開始擔憂，無所不能的AI智能體（Agent）會像“吃豆人”一樣，一口口吞噬掉整個輕資產和軟體行業 。來源：pngtree如果大模型通過極其簡單的自然語言指令就能瞬間生成一套定製化的企業級工作流，那麼幾行程式碼就能生成的服務將不再具備護城河，傳統軟體公司動輒幾十上百倍市銷率的基本盤恐怕也將被徹底抽空。去魅與破壞並存，於是大量軟體股的遠期預期的崩塌引發了巨大踩踏。這種拋售甚至帶有了強烈的恐慌情緒。那怕一些公司當季的自由現金流依然強勁，但只要被打上“容易被AI程式碼替代”的輕資產標籤，機構就會毫不猶豫地清倉出局。似乎沒有物理護城河，再高的毛利也不堪一擊。因為AI 可以讓虛擬供給無限擴張，但無法創造物理供給。訂票平台Expedia和航空公司——達美航空就是一個很好的對比。未來的AI代理可以直接讀取使用者的日曆、偏好，自動全網比價並完成無感預訂，這種流量分發入口的價值正在被底層大模型急速架空。Expedia作為線上旅遊預訂巨頭，其數位化服務理論上極易被Agent直接取代，未來前景的不明確導致其股價一路下跌。反觀達美航空，手裡握著實打實的機隊，擁有真實的運輸能力，股價今年一路強勢。現在，市場正在瘋狂定價“稀缺性”。邏輯簡單來說就是，程式碼一秒鐘可以複製成千上萬次，但AI大模型永遠無法把旅客從紐約瞬移到倫敦。摩根士丹利主經紀業務（PB）的資料顯示，避險基金淨買入了半導體和全端人工智慧資產（涵蓋電力、科技等人工智慧相關領域），推動這些行業的持倉達到2020年以來的最高水平。另一方面，摩根士丹利的基礎設施軟體組合（MSXXINSW）成為今年拋售力度最大的主題，其持倉量已跌至2020年以來的最低點。而資金爆買重資產，並不僅僅是為了避險。02拆解HALO Trade今年以來，美股的重資產類股一路突飛猛進，其漲幅迄今大幅領跑輕資產類股。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%。”AI對基礎設施的吞噬，直接造就了極其龐大的增量市場。訓練兆參數的大模型，盡頭是堆積如山的變壓器、液冷裝置和粗壯的銅纜。極高的物理重設成本，漫長的時間周期和工程複雜性，構成了重資產實體估值重估的基石。這條主線覆蓋了電網基建、公用事業、核能以及關鍵材料（工業金屬）等類股。它們披著傳統重資產的外衣，而賺的卻是最前沿科技革命的錢。這些企業之所以股價狂飆，是因為它們直接承接了AI資料中心那如同黑洞般的電力和物理基礎設施需求，而上下游資本開支周期的錯配使得訂單周期被無限地拉長。以電氣裝置為例，北美大型電力變壓器的交貨周期已經從過去的幾個月拉長到了數年。另一方面，全球化效率優先的時代面臨終結，大國博弈日益加劇，跨國企業被迫開啟轟轟烈烈的近岸外包與供應鏈重建。在地緣政治碎片化的背景下，這些昔日被視為邊緣化、重投入的物理資產（尤其是關鍵礦產、本土製造業設施），如今成為了國家安全和經濟運轉不可或缺的底座，一躍成為具有極高戰略價值的“稀缺資源”。程式碼可以一夜之間重寫，但物理產能的建構需要數年甚至數十年。挖掘機履帶的轉動、變電站的澆築、新銅礦的勘探投產，統統是以“年”為時間單位的。供給端的極度缺乏彈性與AI基建的爆發式需求迎頭相撞，造就了無法輕易化解的物理瓶頸。這決定了HALO交易不只是一次短期的資金炒作，而是一場長周期的產業趨勢。物理規律的限制，死死鎖定了這輪行情的下限。那麼，極高的物理複製成本，以及免疫技術顛覆的“低過時率”，符合這兩點要求的行業究竟有那些？摩根士丹利提出的HALO籃子（MSXXHALO）框定了七大結構性支柱產業，分別是：材料、公用事業、鐵路、管道、廢物處理、國防和訊號塔。而高盛的定義則更加廣泛，進一步將電網、運輸基礎設施、重型機械（如福特、通用汽車）、甚至餐飲食品飲料都納入了HALO交易的範疇。順著機構的選股圖譜，資金爆買這些重資產的邏輯可以被拆解為三個層次：其一，做多AI浪潮的物理“賣水人”。這條主線覆蓋了半導體製造裝置與資料中心溫控系統等身處科技競賽的產業鏈。AI晶片先進製程的升級和高密度算力帶來的散熱焦慮，讓這些擁有極高物理製造與專利壁壘的企業，成為了AI產業鏈上確定性最強的硬體收割機。其二，死守物理世界的絕對剛需，理由簡單粗暴：人類依然需要消耗石油、抵禦通膨和運輸實體貨物。這部分資產憑藉嚴苛的資本紀律、強大的終端定價權，成為了高息環境下資金最安心的重裝防守利器。其三，押注逆全球化的產能重估，AI + 周期“雙引擎”加持。譬如電網基建與電氣裝置、工業金屬一季重型機械等。這些類股既迎來傳統周期的更新換代，又吃到了新世界的AI紅利。03軟體股還有未來？當資金都在為物理世界的稀缺性支付溢價時，軟體股的市場未來似乎走向了盲區。2月Anthropic發佈了Claude Cowork的一周內，美國軟體股市值蒸發超1兆美元。這款Agent（智能體）工具能夠繞過軟體操作介面，直接讀取CRM或ERP的底層資料並自動執行工作流。市場擔心如果前端UI介面被AI取代，傳統企業軟體是否將退化成毫無溢價的CRUD（增刪改查）資料庫。但也有觀點提出，AI模型不會毀滅現存軟體，而是將作為“協調層（Orchestration layer）”寄生併疊加在現有系統之上。Anthropic近期推出了10款全新的AI外掛工具，將AI的觸角拓展到投資銀行、財富管理、人力資源(HR)、私募股權(PE)及工程設計等多個垂直場景。這些更新允許企業將其整合到包括賽富時(CRM.US)旗下的Slack、財捷、DocuSign、LegalZoom、慧甚以及GoogleGmail在內的眾多企業應用中。這釋放出了明確的產業訊號：大模型廠商的演進路線是接入現有生態，而非推倒重建。傳統SaaS是工業時代“分工範式”的產物，靠固化流程和按人頭收訂閱費建構壁壘。在AI時代，這種通用軟體的介面和程式碼確實會被即用即棄。但行業SaaS巨頭的護城河還未動搖：沉澱數年的獨佔資料、隱性流程和監管合規規則。大模型再聰明，也無法憑空捏造出一家企業的財務審計規則或供應鏈歷史參數。沒有這些底層資產源源不斷地“喂養”，再前沿的AI智能體也只是無源之水。而對於大模型公司而言，去捲各個垂直細分領域複雜的B2B合規、企業權限管理和沉重的交付流程，毫無規模效應可言。將大模型定位為底層的“通用大腦”或“超級員工”，賦能並嵌入現有的企業級軟體生態，才是收割利潤的最優解。未來，這些SaaS公司或許會成為“企業智能體OS（AIOS）”的初始資料底座，將過去的業務邏輯解構、封裝為可插拔的“能力包（Skill）”。儘管面臨質疑，Salesforce、SAP、Adobe等軟體巨頭近三年的毛利率都在不斷增長，去年都創下了歷史新高。回過頭看，市場可能把“軟體形態的消亡”放大成了“軟體價值的清零”。恐慌情緒砸出的，未來可能是難遇的黃金坑。04尾聲過去十年，華爾街信仰的是“軟體吞噬世界”。而如今AI的狂飆突進，最終在物理世界的堅硬岩盤上撞出了震耳欲聾的迴響。數字世界最極致的繁榮，最終還是要建立在變壓器、銅纜和重型機械這些最沉重、最笨拙的底座之上。 (格隆匯APP)

據環球網2月28日援引路透社報導，美國總統川普怒斥美國人工智慧公司Anthropic的高層為“極端左翼瘋子”，並稱其犯下“災難性錯誤”。事情起因於，有報導稱，美軍在對委內瑞拉的軍事行動中，使用了Anthropic公司旗下的AI大模型Claude。消息被曝光後，Anthropic公司向五角大樓求證該消息是否屬實，並表達了關切。雙方因人工智慧模型使用範圍和條件產生爭端。美國國防部長赫格塞思24日同Anthropic公司CEO阿莫迪舉行會晤，要求對方允許美軍無限制使用Claude。對此，Anthropic公司予以拒絕。五角大樓日前展開極限施壓並威脅將Anthropic公司列為“供應鏈風險”。當地時間26日，該公司發表聲明稱，美國國防部的威脅不會改變公司立場，即該公司模型不應用於在美國國內進行大規模監控以及完全自主武器系統。川普27日為此在社交媒體上公開發火，將Anthropic公司高層稱為“左翼瘋子”，並命令美國政府所有聯邦機構立即停止使用Anthropic公司的技術，威脅如果Anthropic公司在過渡期內拒絕配合工作，他將動用總統全部權力強制其遵守。 (長江雲新聞)