在上一期的【泉果探照燈】中，我們介紹了“25年來致力於去除科技行業噪音”的前a16z合夥人Benedict Evans，他從過去20年的科技迭代的歷史視角，試圖為大家還原一個對AI既不誇大，也不恐懼的“喧囂之下的真相”。您可以從這裡回溯上一篇文章，以獲得關於Benedict更為完整的介紹：時光倒流20年，資本的科技敘事是如何演化的？——a16z前合夥人如何“降噪”（上）今天，我們繼續連載Benedict的AI核心觀點，主要回答3個問題：■  AI將在那些環節產生價值？■  它會通過什麼管道送到我們手中？■  它會摧毀什麼？又會催生什麼？以下是Benedict第一人稱視角精編：AI模型的護城河，到底在那裡？我們可以做個“盲測”：發同樣的指令給ChatGPT, Grock, Claude, Gemini, Mistral和DeepSeek。我敢打賭，只看答案，大多數人都分不清那個是那個。讓我們看看自從ChatGPT上線以來，發生了什麼？資本投資大量湧入、模型價格迅速下探、新東西層出不窮，熱詞縮寫滿天飛，但我們至今並沒有看到清晰的“護城河”，也沒有看到明顯的“贏家通吃”。關於科技大廠的CapEx和ROI的擔憂，大家聊得很多了，這裡不再贅述。他們的心態，用下面這一句話概括就足夠了：投資不足的風險，遠遠大於投資過度的風險。——Google CEO Sundar pichai,2024 Q2因為任何一個錯過“可能成為平台轉移”的窗口，都可能付出巨大的代價。比如微軟在從PC到智慧型手機的轉換中，教訓非常慘痛，這也讓它這次的押注更加堅決。結果就是，我們看到越來越多的大模型不斷湧現（如下圖），每周都有很多新增的模型，到年底更是進入了集中發佈期。圖1. 更多的大模型來源：《AI eats the world》模型有優劣，但頭部模型的差距其實並不大。下面這張圖顯示了兩個通用的基準測試，柱狀條表示：前十名模型的得分佔當周“第一名模型”的百分比。簡單說，所有模型彼此之間其實只差5%～10%。另外，第一名一直在變。每周都可能會出現一個新的“績優生”，有時領先會超過5%，但很快大家的性能又都收斂到了類似的區間。圖2. 頭部模型功能差距不大、第一名每周都有變化來源：《AI eats the world》但是，有一個指標可以拉開差距，那就是模型的使用量。如下圖，雖然模型能力相差不多，模型越來越接近“可替代的商品”，但是市場份額卻差距巨大。什麼決定了使用者會使用？更多的取決於品牌（ChatGPT）、管道（Microsoft Copilot）或生態繫結（Google）。同時，ChatGPT似乎正在成為一個動詞，就像Google成為搜尋的動詞一樣，這意味著它在成為一種默認選項。圖3. 誰決定了使用量：技術？品牌？還是管道？來源：《AI eats the world》如果退後一步，這些縮寫詞、性能圖表、參數指標和跑分基準……看起來很像20-30年前的個人電腦產業。那時你必須懂得那些術語縮寫才能買電腦，包括知道多少MHz，多少MB，用的是那款晶片。曾經組裝過電腦的人應該都熟悉，這是90年代的電腦雜誌封面：《191款最快的486電腦買家指南》《提速：CPU、顯示卡、主機板》《最快的56k數據機橫評》圖4. 速度、參數、各種縮寫：當年我們就是這樣對比電腦的來源：《AI eats the world》當一個技術剛出現時，所有人都會把注意力放在“參數比拚”上。但是技術成熟後，這些參數會變得無關緊要，這時，價值也會移動到系統、品牌、生態、應用等的其他層級。AI也可能會重複這個過程，當模型越來越標品化，價值則會延著價值鏈向上移動。所以，如果你是一個LLMs實驗室，你該如何競爭呢？你有兩個路徑：■  往下走，變成資本戰：像晶片、飛機製造、AWS那樣拼投入、拼規模化資本成本。■  往上走，變成軟體行業邏輯：拼產品、拼網路效應、拼“進入市場能力（Go-to-Market）”。而你最不能做的就是：拿出一個同質化的模型，然後簡單地給它貼個價簽。Open AI 的8億周活使用者，到底意味著什麼？從一個常被引用的數字說起：Open AI的8億周活使用者。乍一看，這個數字足以讓人覺得，“AI已經無處不在，塵埃落定了”。但需要追問的是，每周活躍一次，到底意味著什麼？綜合多份美國的調查，實際AI使用更接近於這樣一個分佈：每天用：約10%；每周用：15–20%；每月或每兩個月用一下：20–30%；看過，試過，然後就沒然後了：20-30%。在社交媒體時代，如果你真的喜歡一個app，那麼你應該是日活使用者。如果只是每周用一次，很難說它改變了你的生活——Sam Altman是做社交媒體起家的，他當然知道“周活使用者”這個指標很唬人。其實企業端，我們也觀察到了類似的節奏。現在大概有1/3的大企業，至少已經上線了一個生成式AI的應用，但還有1/4的企業甚至還沒有計畫做任何部署（如下圖）。圖5. AI落地比想像的慢？——許多大公司要到2026才真正開始動手來源：《AI eats the world》你會看到Accenture——全球最大的管理諮詢和技術服務公司——每個季度都有超過15億美元的AI新訂單，有很多試點項目在排隊上線。圖6. 當企業不知道怎麼用AI，就會去問諮詢公司Accenture AI合同金額持續上漲來源：《AI eats the world》但是，需要留意的是，從試點到真正投入使用，永遠需要時間。雖然過去一年多以來科技圈一直在大喊“代理化”（agentic），真正能在生產環境落地的，其實比例非常低。如果回看過去幾十年的技術擴散，你會發現一個“三步走”的模式：第一步：吸收（Absorb）將新技術作為功能外掛，塞進現有流程，先把能自動化的事情自動化。第二步：創新（Innovate）誕生新產品、新服務、新的捆綁（bundling）和解綁（unbundling）模式。第三步：顛覆（Disrupt）重新定義問題，重塑市場結構。圖7. 每一次平台轉換都遵循同一個節奏來源：《AI eats the world》到目前為止，大部分AI應用還在第一階段——自動化那些顯而易見的工作，比如客服自動回覆、行銷文案生成、軟體開發輔助……這都很正常，所有技術部署都需要時間。比如雲端運算，它在科技行業大概已經算很老的概念了，但實際上它在企業工作流的滲透率只有1/3左右。但是，雖然部署很慢，一旦部署完成，整個企業的運轉方式將會徹底改變。條形碼就是一個經典例子。它在1974年問世，而真正普及是在幾十年之後，可是一旦普及但能管理5倍甚至10倍數量的商品，改寫了整個超市零售的營運方式。AI也會如此。圖8. “條形碼”的部署處理程序來源：《AI eats the world》AI 帶來的真正改變，會發生在那裡？在經歷了無數場AI匯報會、內部試點、demo演示之後，大家難免都會問：AI帶來的真正改變，會發生在那裡？除了自動化，AI還可能是什麼？這個問題，在今天，就像1997年撥號龜速上網的人在問，網際網路到底能幹嘛？——當時沒人能夠想像會有外賣、直播、電商、短影片、移動支付……我們現在也站在這樣一個“模糊卻又隱約可見”的入口。那麼，我們至少可以追問兩個更基礎的問題。■  問題一，AI會拆解什麼？網際網路的故事，其實就是“拆解”的故事：很多書店被拆掉了、電台被拆掉了、報紙被拆掉了……不需要物理形態，也能創造價值。那麼——LLM會拆解什麼？那些過去依賴“人”的部分，會從結構上被抽離出來？■  問題二，AI會重組什麼？網際網路創造了很多新的聚合模式，比如Amazon聚合零售，DoorDash聚合餐飲（類似於中國的美團/餓了麼），Instagram聚合社交，那麼AI能不能提供不同維度的“聚合”？它們的底層邏輯，是演算法替代了人工編輯。而LLMs不僅僅是看你會喜歡什麼，它還能理解你的意圖、你問問題的方式，甚至你沒有說出來的偏好。假如推薦系統能更深層的“懂你”，平台和演算法邏輯會如何改變？以廣告為例，廣告行業是個兆美元規模的市場，目前科技巨頭吃掉了其中一半的收入。現在大家都在用AI最佳化現有業務：行銷團隊原來一個項目做5張物料，現在變成了做200張，甚至300張。這讓我想起了一個古早的笑話：一部分人用AI把三個要點擴寫成一封郵件，另一部分人用AI把一封郵件總結為三個要點。假如現在AI能把三個要點，變成300個廣告。那麼問題來了：誰來理解這些廣告？誰來分發它們？誰來決定該向誰展示？這將通向“代理式消費”（agentic commerce）：我不再從亞馬遜中搜尋、不再刷Instagram、而是直接問GPT，我該買那個？泉果視點註：“代理式消費”（agentic commerce）由AI代理幫你完成選品、比較、決策甚至下單的一種消費模式——從“我在平台上自己找東西”，變成“我把任務丟給一個AI助手，讓它幫我搞定”。就像我拍了冰箱存貨的照片給AI，問它我今晚應該做什麼菜，還需要買什麼食材。這不是更快的“購物流程”，而是一種新的“生活路徑”。圖9. 讓AI根據冰箱存貨規劃菜單來源：《AI eats the world》當然，這一切目前還非常早期。這張圖我很喜歡，這是一家東京的書店，它只有16平米，每周只買一本書。你不需要選擇，因為你只有一個選項。圖10. 一室一冊的森岡書店但是在網際網路世界裡，你面前是無限的貨架，為了避免迷失，我們只能依賴不完美的推薦系統。而未來，很可能會變成，每個人都能擁有一間只賣給你一本書的書店——它知道你是誰、你要什麼，也能把最適合你的那一件東西拎出來。未來的系統不再只問“你想買什麼”，而是會反向去理解：“你為什麼想買它？”——你是想獲取功能，還是想獲取體驗？是追求效率，還是審美、品味和身份？AI對人的動機建模，成為推薦系統的新核心。換句話說，我們的AI策略應該是什麼？這個問題沒有統一答案，而是一組關於動機的問題集合，它取決於：誰在問？他處於什麼行業？他為什麼在問這個問題？就像一面鏡子，不同的人會照出不同方向，這才是真正決定答案的因素。結 語停下來，看看AI“嶄新”的外表下，那些似曾相識？我的最後一個觀察是，雖然AI似乎吸引了全部的目光，但那些在AI之前讓我們興奮的技術，其實從未離場。電商已經佔到零售的30%，並且還在繼續增長，尤其在美國之外發展更加迅速。Robotaxi正在各個城市跑起來；Meta的眼鏡、各種形態的機器人，都在悄悄變得更成熟，它們都值得期待。但我們其實應該停下來，想想在“嶄新”的外表下，有些事情是不是似曾相識？這是1951年IBM的廣告：我們的“電子計算器”能讓一個人擁有150名工程師的能力——今天多少AI廣告，其實也在說同樣的話。圖11. 1951年IBM電子計算器廣告1955年，美國政府發佈了一份關於“自動化”的報告，那時候他們把所有新技術都叫自動化。其中提到，有一種可能會被自動化的工作，是電梯操作員。這張照片是我家公寓裡的老式電梯，以前坐電梯需要一個專業電梯員操控。當時還有一個詞叫“電子禮節”（electronic politeness）,用紅外線確保電梯不會夾到人。圖12. 老式的手動電梯但是，請問你上一次按電梯時，有沒有意識到自己在用一個“擁有電子禮節的自動化電梯”？你不會。它現在只是一個再普通不過的“電梯”。我們建了大量電梯，然後把它們自動化，再之後——我們完全忘了它們曾經不是自動化的。就像開篇Larry Tesler說過的觀點：“AI是那些機器還做不到的東西——一旦它能做到，我們就會說，那只是軟體。”我們的世界就是這樣不斷改變的。每隔10年，我們“自動化”了一些東西；再過10年，我們忘了它曾經需要人力；又過10年，它們變成了世界隱形的背景。而就在這個過程中，世界被一次次地重新書寫。 (泉果視點)

自從 2022 年 ChatGPT 3.5 橫空出世，讓世人領略到 AI 的非凡魅力；再到 2024 年底 DeepSeek 驚豔登場，給國人帶來了巨大的驚喜與自信。如今，各類大模型（LLM）及 AI 應用已經深刻地改變了我們的生活。AI 每天都在增強功能。昨天做不到的事，今天已經能做；前天做不好的題，今天已經可以輕鬆解決。我們彷彿回到了蒸汽機投入實用後的那段時間——新技術、新發明以肉眼可見的速度狂飆突進。然而，在這波 AI 浪潮的狂歡背後，科技界仍存爭議：LLM 真的是通往 AGI（通用人工智慧）的正確方向嗎？ 或者說，僅靠當前的 LLM 就足夠了嗎？答案其實很清晰：不夠。Transformer 是一次偉大的突破，但要讓機器真正“理解世界”，我們仍需要更多類似 Transformer 等級的全新核心技術。凍結的知識快照不是智能我們知道，當前大模型的訓練方法，本質是讓 Transformer 在大量文字裡尋找“詞與詞的關係”，並基於這些統計關係預測下一個詞。訓練完成後，所有知識都被壓縮排最終的權重檔案裡，像一張凝固的“知識快照”。 但之後它不會自動學習新知識，除非重新訓練或微調。明天產生的新知識無法自動融入，換言之，LLM 本身沒有即時的學習能力。從上面你很快能就發現當前基於LLM的AI的兩個“死穴”：其一，LLM只是一個機率模型，它知道“E=mc²”後面大機率跟著“愛因斯坦”，也知道怎麼用這句話造句，但它不知道這公式是怎麼推匯出來的，也不知道如果光速改變了世界會怎樣。它學到的是知識的“投影”（文字），而不是知識的“本體”（邏輯與因果）。其二，它的知識是靜態的。正因為它沒有一個知識的生產過程，所以它不知道這些知識是如何產生的，為什麼會形成這個知識，這些知識為什麼對，為什麼錯。正如X上有某位大佬所言：“當前 AI 水平離真正的 AGI 還差好幾個 Transformer 等級的創新。” 但遺憾的是，現在還沒有可以取代Transformer的新架構。在這一點上，中美其實“站在同一片荒原上”，未來怎麼走，大家都在摸索。理解知識的積累過程，是智能的前提嗎？回想一下人類的學習方式：從小到大，知識是一點一滴積累的，對同一個知識點的理解也是層層遞進的。相比之下，LLM 生成即“凍結”，缺失了進化的過程，所以它“知道”，但它不“理解”。那麼，將知識的積累過程保留下來，會不會是通往 AGI 的一個方向？如果 AI 能復現人類對某個現象的認識過程，是否就能理解其背後的原理，從而舉一反三？至少，可以將這個認識過程當作一種“元模式”記錄下來，在處理新問題時按部就班地套用。當然，這個觀點也存在爭議。因為許多科學突破是“斷層式”的——先是天才的“靈光一閃”，後人再通過邏輯去填補證據。不過，從人類的普適經驗來看，模擬知識的積累過程，肯定有助於 AI 達到人類智能的平均水準。我們不指望 AI 頓悟成愛因斯坦，但達到專家的水平是完全可期的。這個過程可以從兩個角度來分析一是知識的層級性，高階知識依賴並建立在前導知識（基礎概念、技能）之上。比如說，一個人學習流體力學前，需掌握微積分與線性代數。二是學習的漸進性，對具體知識的理解和記憶，是一個從模糊、具體到清晰、抽象的動態過程。對於個人來說，對新概念的掌握，會從最初的生硬記憶，逐漸內化為可靈活運用的直覺。Google的思考：結構化與記憶針對第一個維度（層級性），Google 試圖將模型的知識結構化為不同時間尺度、相互巢狀的層級，提出了“巢狀學習”（Nested Learning）與記憶框架。（參見論文：https://abehrouz.github.io/files/NL.pdf）。“巢狀學習”的核心是將一個複雜的AI模型，視為一系列相互巢狀的最佳化問題。簡單來說，模型的不同部分可以像人的不同記憶一樣，以不同的“速度”學習和更新。簡單舉例，一般的LLM訓練，對於一個文字來說，可以理解成一個平面，從上而下，流式分佈。然後訓練過程相當於找出每個字之間的關係機率，因為處理窗口的關係，如果算到了後面的內容，往往與前面的文字關係就小了，計算時用的權重也就低了。如同一篇小說，即使作者費盡心機在結尾時回應了開頭處的一個梗，填了開始的一個坑，對於AI來說，也是拋媚眼給瞎子看。AI早就忘記了。而Google的巢狀學習，則是對同一篇文章，除正常的訓練方式外，還對文章先在不同的層次上進行預處理。比如先做一個文章梗概，先過一遍文章，把所有作者預埋的“坑”提取出來……，這樣一篇文字就變成了n篇不同維度文字，然後在訓練時，這些文字都參與訓練，可以平行處理，只是訓練參數和訓練方法不同。能根據性質選擇不同精度和速度的計算，而且訓練出的成果是可以疊加的，不再是單一固定的權重檔案。上面的圖就是一個例子，左邊是普通的深度學習訓練過程，而右邊則是巢狀學習的例子，你能看出對於同一個內容，根據進行多次訓練，只是廣度和精度各不相同。此外，Google 的 ReasoningBank 記憶框架（相關論文：https://arxiv.org/abs/2509.25140 ）則更進一步。它的思路是讓AI智能體從以往的成功與失敗經驗中，主動提煉出結構化的“記憶項”。每個“記憶項”包含策略標題、描述和推理內容，本質上是對低級經驗的抽象總結。當面對新任務時，AI會檢索並應用這些抽象原則來指導行動，這模擬了人類專家運用已有知識框架去解決新問題的過程。DeepSeek的嘗試：多維感知與自驗證推理針對第二個維度（漸進性），DeepSeek 在感知與推理兩個層面都展現了對人類思維模式的深度模擬。首先在視覺感知層面，以 DeepSeek-OCR 為例，他們採用了一種獨特的“多解析度訓練”思路：不僅僅是對圖像進行簡單的向量化，而是試圖模擬人類的視覺認知過程——即 “從模糊到清晰” 的動態掃描。對同一張圖片（場景），模型會同時學習其低解析度的宏觀輪廓與高解析度的微觀細節（相關技術細節可參看此前的公眾號文章）。這種策略暗合了人類大腦處理視覺資訊的生物學模式：先建立全域印象，再填充局部細節。不僅在感知上發力，DeepSeek 更試圖在推理層面重現人類的“反思”能力。DeepSeek 不僅在基礎大模型上發力，向各個專家模型演進（如 DeepSeekMath-V2），更在某些領域嘗試模擬人類的“記憶狀態”。在 2025 年 11 月 27 日剛剛發佈的 DeepSeekMath-V2（論文：https://arxiv.org/pdf/2511.22570 ）中，DeepSeek 引入了突破性的 “自驗證”（Self-Verification） 機制。這相當於讓 AI 進化出了“自我監考”的能力。傳統的模型像是一個只顧填答題卡的考生，只在乎最終答案是否命中；而 DeepSeekMath-V2 則像是一個嚴格的老師，它不僅檢查答案的對錯，更會一步步審視 解題過程（Process） 的邏輯鏈條。通過這種方式，模型不再是“蒙”對了一個答案，而是真正確信自己“理解”了這道題。這種從“結果導向”向“過程導向”的轉變，是 AI 邁向深度邏輯推理的關鍵一步。DeepSeek 的“自驗證”機制構成了一個自我完善的智能閉環：它不僅能評估解題過程，更能主動生成推理步驟並對其驗證。這模仿了人類的元認知與自我學習能力。古人倡導“吾日三省吾身”，而 AI 則可實現瞬時、高頻的自我審視與迭代最佳化。如下圖（論文中的附圖）所示，隨著驗證次數（最高達7次）的增加，模型解決問題的能力顯著提升，充分體現了通過“反覆自學”實現能力進化的潛力。雖然上述分別列舉了兩家公司的例子，但在技術演進的洪流中，它們並非孤立存在。Google 的巢狀學習涉及不同清晰度資料的處理，而 DeepSeek 的多專家系統（MoE）及多層次資料訓練，本質上也是在對知識進行結構化拆解。結尾：AGI的未來方向，也許正在悄悄顯現從 Google 到 DeepSeek，我們正在看到一個趨勢越來越明確：真正的智能，不是更大的模型，而是更“結構化”的學習過程。未來的 AI，可能會具備：能分層理解知識結構的能力能保持多時間尺度記憶的能力能自主總結“經驗規則”的能力能在模糊與清晰之間漸進切換的能力能記錄“知識的進化史”而不是只記錄結論這些能力加在一起，不是“下一代更大的 Transformer”，而是：一種能夠像人一樣“成長”的架構。我們或許距離 AGI 仍有數個重要突破，但路徑正在變得越來越清晰：不是簡單堆算力、堆資料，而是讓模型獲得“理解知識如何生成”的能力。或許，真正的智能不是一夜之間的奇蹟，而是一次又一次讓機器“重走人類認知之路”的漫長積累。而現在，我們正在走在這條路的最前面。 (亍雲旁觀)

OpenAI預測2030年ChatGPT付費使用者將達2.2億。為提升ChatGPT收入，OpenAI正藉鑑企業級應用Zoom和Slack的商業模式：先透過免費版吸引大量使用者（目前已超8億），再推動這些使用者的僱主簽署企業級訂閱服務。據悉，截至今年7月，約3,500萬名使用者（佔周活躍使用者的5%）付費訂閱了Plus版本（月費20美元）或Pro版本（月費200美元）。目標2.2億付費使用者OpenAI預測五年後（2030年），ChatGPT周活躍使用者將達26億，約8.5%（即2.2億人）將付費使用Plus版本。若真如此，ChatGPT的訂閱服務規模將躋身全球前列－目前Netflix和Spotify各自擁有約3億付費使用者，Slack（Salesforce旗下）則表示其付費使用者超過20萬。更貼切的參考系可能是微軟Office 365辦公套件（付費使用者量約達4.5億）。儘管ChatGPT主要用於個人場景，但OpenAI正持續增強其辦公功能，例如可以共享聊天記錄、透過Slack等工具連接企業內部資料。這些功能可能使ChatGPT成為Office 365和Google Workspace的直接競爭對手——後兩者也正在增加自動撰寫郵件等AI功能。訂閱量對決：OpenAI近期及預期的ChatGPT訂閱量與其他熱門付費訂閱服務的比較（資料來源：《The Information》、公司檔案及公告）這些先前未公開的預測資料，揭示了OpenAI的CEO山姆·阿爾特曼及其團隊的計畫：利用ChatGPT的先發優勢，到本世紀末實現年收入達到2,000億美元（今年約為130億美元）。今年夏季OpenAI上調了ChatGPT的營收預期，預測2030年其訂閱服務將創收約2,700億美元，2030年單年收入預計達870億美元（今年為100億美元）。ChatGPT目前及預期的營收成長，近期將OpenAI估值推升至5,000億美元（超越埃克森美孚、強生和Netflix等巨頭）。同時OpenAI預測今年至2029年的現金消耗總額將達1,150億美元。增長波動與模式選擇值得一提的是，這些預測的發佈早於Google推出Gemini 3。根據Sources報導，OpenAI的CFO莎拉·弗里爾上月承認，由於公司自8月起實施的ChatGPT內容限制（禁止與18歲以下使用者進行曖昧互動或討論自殺話題，在無法驗證使用者年齡時會限制聊天範圍），使用者使用時長略有下降。OpenAI計畫於12月推出年齡驗證系統，屆時經核實的成年使用者將獲得更大自由度。目前ChatGPT在聊天機器人市場仍佔據主導地位。據悉，其9月周活躍使用者數較去年同期成長超三倍，遠超GoogleGemini第三季的月活躍使用者規模（6.5億）。然而，其今年的周活躍使用者成長波動劇烈：1月環比增長42%，但9月環比僅增長13%。定價策略：OpenAI推出面向消費者和企業的分級產品（註：按年計費；來源：OpenAI）知情人士表示，隨著更多員工自發使用ChatGPT，OpenAI希望透過與企業達成企業級協議來增加付費使用者。這類似於上世紀末Zoom（影片會議應用）和Slack（聊天應用）的策略：免費版在個人使用者中普及後，軟體公司得以向企業高管推銷付費訂閱服務。目前企業使用者ChatGPT使用者中佔比較小。上月OpenAI透露，已有700萬企業使用者透過ChatGPT商業方案訂閱其服務——包括面向中小企業的ChatGPT Business和面向大型企業的ChatGPT Enterprise。這些服務為Canva、普華永道等客戶提供專屬安全合規功能，並支援與Slack、Google Drive、GitHub等企業工具整合。阿爾特曼向員工談及Gemini 3即將發佈時表示：「我堅信我們擁有絕對優勢，能打造使用者首選的AI平台。」同時也警示GoogleAI的強勢復甦可能帶來「經濟逆風」。OpenAI的訂閱模式與新興競爭對手Anthropic形成鮮明對比－後者約80%營收來自透過API（應用程式介面）銷售模式存取權。Anthropic預測其今年的API銷售額將達到OpenAI的兩倍，而其Claude聊天機器人訂閱量僅為ChatGPT的十分之一。初創公司Docket.io（主要銷售基於OpenAI模型的AI智能助理）聯合創始人兼CEO阿瓊·皮萊表示，他已使用ChatGPT付費服務超兩年，今年將升級200美元套餐。數月前，他還為員工增購ChatGPT Business訂閱，看中的正是其與HubSpot及Slack工具的整合能力。協作功能同樣極具吸引力。 “我可以建立項目並與他人共享，無需對方重複建立。”儘管免費使用者的成長推高了成​​本，壓低了毛利率，但OpenAI計畫到2030年透過購物或廣告等新功能創造約五分之一的總收入。上周一，OpenAI宣佈推出針對ChatGPT使用者的個人購物助手，未來或可透過廣告或佣金來獲利。 （創新觀察局）

大模型的決戰越來越激烈了！Google的崛起令OpenAI感到恐懼，並醞釀新的大動作！OpenAI直接拉響警報，推遲賺錢的廣告業務，也要把所有資源梭哈到ChatGPT的改進上。現在的AI圈子，像是星球大戰前夜，由於恐懼，每個人都把手指扣在了扳機上。兵荒馬亂的年代，蔡崇信在香港大學爐邊對話中，拋出了非常反直覺的觀點：現在美國人定義誰贏得AI競賽的方式，純粹是看大型語言模型，我們不看美國定義的AI競賽。當所有人都在盯著誰的模型參數大、誰的算力強時，蔡崇信卻認為——勝負手根本不在這裡。如果不看模型，這場兆賭局的贏家到底看什麼？中國手裡到底還有沒有牌？看完發現，原來大佬眼裡的世界，和我們看到的完全不一樣。1中國AI的真正優勢現在美國矽谷大模型怎麼算輸贏？很簡單：看誰的“大語言模型”更強、更聰明、參數更多。今天是OpenAI遙遙領先，明天Anthropic發個新版本追平，後天Google又搞個大新聞。大家都在卷模型，彷彿誰的模型智商高了一點，誰就統治了世界。但在蔡崇信看來，事實未必如此。他在演講中說了這麼一句極具穿透力的話："The winner is not about who has the best model. The winner is about who could use it the best in their own industries, in their own lives."（真正的贏家不是誰擁有最好的模型，而是誰能在自己的行業、自己的生活中把它用得最好）這句話什麼意思？打個比方。如果這是一場賽車比賽，美國人現在拚命在比誰的發動機馬力大。但蔡崇信告訴你，贏家不是那個造出萬匹馬力發動機的人，而是那個能把發動機裝進車裡、開著車去送貨、去載客、去賺到真金白銀的人。這個判斷的底層邏輯是：AI的真正價值在於滲透率。中國國務院的AI規劃就體現了這一務實思路——到2030年，AI智能體和裝置的普及率達到90%。中國憑什麼能普及得更快？蔡崇信列出了幾個核心底層邏輯。我們總擔心晶片被卡死，但蔡崇信告訴我們：決定勝負的，是那些基礎到你根本不會關注的領域。1.被低估的電力成本AI訓練和推理，本質上是在燒電。中國的電力成本，比美國低40%。為什麼？中國的國家電網每年投入900億美元的資本支出，而美國只有300億美元。電費低40%，意味著AI應用成本可以大幅低於對手。這是最基礎、最硬核的AI能源優勢。2.建造資料中心的成本低60%在中國建造資料中心的成本要便宜60%，這還不包括購買晶片、廉價GPU的成本。3.工程師紅利晶片可以封鎖，但人才你鎖不住。全球範圍內，幾乎近一半的AI科學家和研究人員擁有中國大學的學位——無論他們在美國公司、中國公司還是世界任何地方工作。蔡崇信說在最近剛看到一個社交媒體帖子，一個在Meta工作的非華裔員工抱怨說，他所在的AI團隊每個人都在說中文，用中文交流想法，他聽不懂。這意味著很多想法的分享和交流在全球AI領域正在用中文進行。這是第一次，中文成為一種優勢！現在，懂中文在AI世界變成了一個優勢。4.最反直覺的優勢：匱乏，逼出內功這是最讓人熱血沸騰的一點：缺乏頂級GPU，反而創造了“飢餓優勢”。美國人資源充足，程式碼寫得爛一點也沒關係，硬體能扛。但中國團隊呢？硬體受限，就必須在系統層面、演算法層面做到極致最佳化，把效率摳到最高。蔡崇信特別點名了爆火的DeepSeek。他說這就是被逼出來的奇蹟。2開源為什麼會贏？蔡崇信還給出了一個對未來的深度判斷，也是這場演講的重中之重。蔡崇信相信中國公司對待大語言模型的方法——即開源——將加速AI的採用，並將真正實現AI的普及，從而使更廣泛的社會受益。開源如此重要的原因是，它成本低廉，使用開源模型實際上不花一分錢。AI的未來，是像OpenAI那樣搞“黑箱子”（閉源），還是像阿里、Meta那樣搞開源？蔡崇信斬釘截鐵：開源模型，將擊敗閉源模型。為什麼？不是因為開源技術更先進，而是因為它更懂人性。他舉了一個極其生動的例子：假設你是沙烏地阿拉伯的國王，你想發展自己國家的AI，你有兩個選擇：用OpenAI的API:你得付一大筆錢，把你的資料傳給美國公司。然後呢？你不知道他們怎麼處理你的資料，你也不知道這模型裡面有什麼貓膩。這就是一個Black Box（黑箱）。用開源模型（比如阿里的Qwen):你直接下載程式碼，部署在你自己的私有雲上。免費，而且資料不出國門，完全可控。這就叫"主權AI"，意思是它是我們自主開發的AI。在全球地緣政治這麼複雜的今天，誰願意把命脈交到別人手裡？無論是政府還是大企業，只要稍微算一下帳，稍微考慮一下安全，都會傾向於開源。開源模型有三大殺手鐧：成本、主權、隱私。這三座大山，是閉源模型很難跨越的。3AI時代，普通人該如何應對？蔡崇信給了三條極具實操性的建議，特別是關於“學什麼”，他的觀點顛覆了很多人的認知。1.提出正確的問題比回答更重要在技能方面，蔡崇信認為要學習如何獲取知識，學習如何分析和思考，還有一個重要的技能是提出正確的問題。以前我們上學，老師獎勵那些能快速回答問題的人。但在AI時代，回答問題是機器的事，機器的知識庫比你大多了。蔡崇信強調："Asking the right question is more important than finding the answer." （提出正確的問題，比找到答案更重要）你要學會的是如何給AI下指令，如何拆解問題。這叫“Prompt Engineering”（提示工程），這是未來人類的核心競爭力。2.還要不要學程式設計？這是目前爭議最大的話題。輝達的老黃說“以後沒人需要學程式設計了”，對著手機說話就行。蔡崇信反對這個觀點。他說：要學！必須學！但他給出的理由："The purpose is not to actually operate a machine. The purpose is going through that thinking process."（目的不是為了去操作機器，而是經歷那個思考過程）學程式設計，不是為了讓你去寫程式碼（那活兒AI幹得比你好），而是為了訓練你的邏輯思維。甚至，他建議大家去學好Excel電子表格。為什麼？因為你要把一個複雜的公式寫對，讓數字自動跑出來，這本身就是一種嚴密的邏輯訓練。你要訓練的是腦子，而不是手速。3.選什麼專業？如果你的孩子現在要上大學，蔡崇信推薦了三個方向：資料科學：其實就是統計學的升級版。未來是資料爆炸的時代，世界越數位化，你或公司獲取的資料就越多，理解如何管理和分析資料非常重要。心理學和生物學：在做了資料之後，你還想觸及人性的一面，心理學的研究很重要。心理學和生物學幫助你理解人腦是如何工作的，它仍然是最高效、最節能的"機器"，理解大腦如何工作非常重要。材料科學：現在很多孩子不學電腦科學，而是在學材料科學。未來世界正被位元（數字資訊）主導，但未來讓位元移動更快的是原子（物理材料）。理解原子如何工作將會非常重要，人們製造半導體，未來半導體領域將會有很多創新。所以材料科學將是一個有趣的學習方向。4AI是泡沫還是未來？AI是否是下一個網際網路泡沫？蔡崇信的回答很哲學，關於泡沫，他認為有兩個概念：真正的泡沫和金融市場泡沫。金融市場泡沫：不知道是否存在金融市場泡沫，因為股票估值更像一門藝術。即使有既定的理論，你可以給一隻股票50倍的市盈率，因為你認為增長率非常高，這合理嗎？我不知道，可能存在與AI相關的金融市場泡沫。技術泡沫：AI現像是真實的。人們正在建造的所有基礎設施，投入到模型開發中的所有研發資源，都不會浪費，因為這是一個真實的現象。就像網際網路一樣，在2000年3月左右，網際網路泡沫破裂了，那是金融市場泡沫破裂，但今天的網際網路就在這裡，事實上網際網路現在更強大，所以技術本身不是泡沫。蔡崇信的這次演講，給人最大的感受是，這場比賽才剛剛開始。這不是一場百米衝刺，看誰起跑快；這是一場馬拉松，看誰能把技術真正融入到這片土地的每一個角落，看誰能用更便宜的電、更務實的態度、更開放的胸懷，去擁抱這個未來。"Focus on the application, not just the model."（關注應用，而不只是模型）這，或許才是中國AI破局的真正答案。對於個人來說，也許在未來，AI將成為成為我們的夥伴。正如蔡崇信所言：AI的下一個重大轉變是當人們開始不再僅僅將AI視為工具，而是作為朋友。現在AI似乎更像一個工具，我們都想用它來讓自己更高效，讓公司更高效。AI已經在幫助我們編碼，所以我們不需要那麼多軟體工程師。但是，AI何時能成為你的夥伴？那時，如果大多數人開始像對待另一個人一樣看待AI，那將真正改變世界，改變行為。有時想想這很可怕，但我看到這正在發生。 (ETF進化論)

自 2022 年底 ChatGPT 橫空出世，全球掀起一波波 AI 熱潮延燒至今。如今 ChatGPT 每周活躍使用者突破 8 億、滲透九成《財富》500 強企業，其開發商 OpenAI 估值也攀升約 5,000 億美元。然而在巨額投資壓力與 Google、Anthropic 以及中國DS、阿里巴巴的競爭下，OpenAI 的領先地位正面臨前所未有的挑戰。►ChatGPT三年發展快速2022 年 11 月 30 日，OpenAI 推出一款能以對話形式互動的模型，名為「ChatGPT」，可在在 chatgpt.com⁠ 試用 。5 天後，註冊使用 ChatGPT 的使用者達到 100 萬人；2 個月後，ChatGPT 成為有史以來成長最快速的消費級應用程式之一。如今 ChatGPT 屆滿三周年，根據 OpenAI 資料顯示，ChatGPT 每周活躍使用者超過 8 億，同時還在不斷增長，超過 90%《財富》500 強企業以某種形式使用 OpenAI 的技術。近來一次股份出售交易過後，OpenAI 公司估值達約 5,000 億美元，被廣泛認為是歷史上最有價值的初創公司。OpenAI 在2025年更與 NVIDIA、甲骨文、AMD、博通等公司達成巨額合作，承諾未來 8 年投入合計 1.4 兆美元建構算力。這個規模遠遠超過 OpenAI 目前的營收能力，需要這些合作夥伴以負債方式投入AI 基礎建設，OpenAI 同時也要找出夠大夠多的收入來源，以支撐如此驚人的投資。市場擔心這是一筆相當大的賭注。OpenAI 2025年收入預估在150億美元左右。►OpenAI領先優勢受到強力挑戰雖然，ChatGPT 現在每周活躍使用者超過 8 億，在整體 AI 聊天機器人的市佔領先，但現在卻承受自 ChatGPT 推出以來的最大壓力，一方面美國國內 Google、Anthropic 等競爭對手急起直追。而在中國，ChatGPT更是遭遇了有著龐大應用市場支援的DS、阿里等強勁對手。Gemini 3VSChatGPT 5.0在美國，根據網站分析工具 SimilarWeb 資料顯示，現在人們花更多時間與 Gemini 對話，而非 ChatGPT。一年前，許多人認為 Google 欲振乏力的 Gemini 恐怕無法縮短與 OpenAI 之間巨大的差距，同時市場擔心作為營收來源的 Google 搜尋引擎版圖，會被 ChatGPT search、Perplexity 等 AI 搜尋服務蠶食，使得母公司 Alphabet 在 2023 年至 2024 年的股價遠遠落後其他科技巨頭。但 Google 在今年稍早展開反攻，5 月開發者大會上信心滿滿的一系列更新，加上今年夏季圖像生成模型 Nano Banana 受關注，助攻 Gemini 手機版的每月活躍使用者從 5 月約 4 億人提升至 6.5 億人。日前釋出新一代 Gemini 3 模型，同時圖像生成進階版本 Nano Banana Pro 的能力大躍進，背後還有 TPU 以及相關技術提供算力支援。此外，更關鍵的是在 2025 年底的佈局中，Google 積極推動將 Gemini 深度整合進 Android 系統的核心層，這意味著 AI 將不再只是一個需要下載、登錄的 App，而是手機的基礎設施。這些進展推動 Alphabet 股價近幾個月大幅上漲，市值首次逼近 4 兆美元。華爾街愈來愈有信心，認為 Google 能依靠在搜尋引擎、雲端基礎建設及智慧型手機終端的關鍵地位，將 AI 新能力提供給全球數十億使用者。除 Google 外，還有 Anthropic 也與 OpenAI 競爭，同樣值得關注。這家前 OpenAI 員工自 2021 年創立，估值預期將會超過 3,000 億美元的初創公司，已建立一個龐大且快速成長的企業客戶業務。業界人士認為，Anthropic 長期聚焦 AI 安全性，所打造的 Claude 模型在企業市場更可靠，加上編碼工具普遍被視為業界最佳。因而，近日，摩根士丹利的分析指出，隨著硬體端的 AI 整合成為趨勢，沒有掌握硬體入口與作業系統的 OpenAI，面臨著被邊緣化為單純「後端模型供應商」的風險。中國對手更是急追猛超而在一直與美國激烈競爭的中國，ChatGPT也遇到了DS、阿里通義千問等的追趕甚至是超越。據最新報導， DeepSeek 再度加速技術迭代，於2日宣佈推出 DeepSeek-V3.2 與 V3.2-Speciale 兩款模型。公司指出，新版本在多項推理基準測試中的表現已可與 OpenAI GPT-5 旗艦模型相匹敵，並首次將「思考模式（thinking mode）」與工具使用深度整合，成為其下一代 AI 助理（AI agent）策略的核心佈局。另一中國科技巨頭阿里巴巴在過去一年裡不僅推出了Qwen大型語言模型系列，還發佈了一款與ChatGPT直接競爭的消費級App Qwen，能直接嵌入阿里巴巴旗下的購物、導航、線上支付等龐大且成熟的應用宇宙。相較之下，與中國這引起應用相比，ChatGPT多數情況仍是獨立產品，與消費者的生活應用場景連結有限。綜上所述，雖然，ChatGPT 已改變全球科技版圖，而 OpenAI 必須在創新速度、算力需求及大環境競爭之間找到平衡點，才能在下一階段的 AI 競賽保有重要位置。 (芯聞眼)

三年前，Google因ChatGPT的出現而陷入恐慌。如今，形勢正在逆轉：OpenAI為修復自家產品發佈了“紅色警報”，並推遲了迫切需要的廣告收入計畫。本周一，山姆·奧特曼向OpenAI員工傳送內部備忘錄，宣佈公司進入“紅色警報”（Code Red）狀態。指令包括：暫停廣告整合、AI購物助手以及個人簡報助理Pulse的開發。新的首要任務是修復ChatGPT——解決速度慢、可靠性差、連基礎算術都出錯等問題。如今，Google股價節節攀升，OpenAI卻推遲了本已刻不容緩的盈利計畫。攻守之勢相易背後，隱藏OpenAI怎樣的焦慮？01. 紅色警報Gemini 3的發佈在OpenAI內部引起了震動。Google稱Gemini的月活躍使用者7月為4.5億，10月已達6.5億。單季度增長44%，其中大部分增長來自8月爆火的圖像生成功能Nano Banana。Similarweb的使用者參與資料則描繪出更嚴峻的畫面：使用者在Gemini單次會話中花費的時間，已經超過ChatGPT。OpenAI宣稱其周活躍使用者達8億，看似佔據主導。但周活躍使用者衡量的是打開頻率，而非使用深度。很多人只是打開應用、提個問題就離開。會話時長才是影響長期留存的關鍵，而在這方面，Gemini已經領先。奧特曼的備忘錄沒有迴避問題。他告訴員工，公司已來到“ChatGPT的關鍵時刻”，並宣佈高管將每天開會專門推動改進，員工也可能臨時跨團隊調配。實際上，去年10月公司就已進入“橙色警報”，紅色是最高等級——顯然，之前採取的舉措並未奏效。OpenAI推遲廣告，還有一個重要客觀原因：產品質量下滑太多，無法安全變現。向已經對基礎功能不滿的使用者推送廣告，只會加速使用者流失。這是他們當下的判斷。《華爾街日報》報導稱，該公司內部預測顯示，到2030年，它需要約2000億美元的年收入才能實現盈虧平衡。作為對比，Google全年總收入約3000億美元。OpenAI的目標是在五年內達到Google規模的三分之二，而目前其收入基數估計僅在40億美元左右。計算資源的承諾讓情況更加嚴峻。OpenAI已與甲骨文、軟銀等公司簽署協議，承諾在未來十年投入約1.4兆美元。這不是願景，而是附帶違約懲罰的合同義務。廣告本是縮小差距的關鍵。ChatGPTAndroid版1.2025.329測試程式碼中已出現廣告基礎設施的引用，包括“廣告功能”、“搜尋廣告”和“集市內容”等字串。匯豐銀行近期分析指出，即使在樂觀假設下，OpenAI仍需要數千億美元的額外資金才能維持營運。如今，這項廣告計畫被擱置了。可能帶來聯盟佣金的AI購物助手同樣被推遲。9月剛推出的個性化晨間簡報Pulse也不例外。這次推遲揭示了一個令人不安的現實：在OpenAI追逐擴張、宣佈雄心勃勃項目的同時，其核心產品卻在退化。GPT-5於8月發佈後，使用者抱怨回答機械，並在基礎數學和地理問題上出錯。上個月OpenAI進行了修補，但顯然還不夠。02. 降維打擊Google當前的實際優勢，並不是一個模型，它們的領先是在整個技術與生態架構層面，更像是降維打擊。DeepMind首席技術官科拉伊·卡武克喬格魯指出，Google使用自研的定製Tensor晶片訓練Gemini。Google不租用算力，而是自建資料中心、自己製造晶片。其經濟模式從根本上就不同。OpenAI通過微軟Azure租用GPU。這一點常被提及，但其影響卻很少被深入審視：推理成本依然高昂。每月20美元的訂閱費永遠無法大規模補貼免費使用者，尤其是在數億使用者持續產生查詢的情況下。免費層級的存在，是因為OpenAI需要資料管道和使用者觸達——這是必要卻昂貴的手段，若沒有其他收入來源（恰恰就是剛被推遲的那些），便難以為繼。生態整合優勢同樣關鍵。Google可以將Gemini直接嵌入Android、Gmail、日曆、Meet、搜尋乃至YouTube。每個觸點都在生成訓練資料，每次改進都為下一次發佈積累勢能。日曆邀請自動生成、會議記錄無需提示即出現、照片編輯通過Pixel硬體在裝置端運行……微軟本應通過其與OpenAI的合作提供類似的整合優勢，但結果最多隻能說是參差不齊。OpenAI的桌面應用首先登陸Mac；Copilot在微軟產品套件中依然零散；Windows Central的傑茲·科登測試微軟的AI照片編輯功能，發現幾乎無法使用。本應挑戰Google生態的合作，反而不斷產生摩擦而非協同。奧特曼告訴員工，在2026年之前，公司的增長率可能會降至個位數，因為公司將專注於修復產品。對一家依靠超高增長承諾來融資的初創企業而言，這是一個重大的讓步。只要增長曲線保持陡峭，投資者尚可容忍虧損。OpenAI一直以來的賣點正是增長斜率。一旦曲線趨平，下一輪融資對話將變得艱難。在OpenAI偵錯ChatGPT期間，計算資源的承諾支出不會暫停——無論產品質量如何，甲骨文和軟銀都等著收錢。與Google和Anthropic的人才競爭不會暫停。為最終IPO準備的基礎設施建設也不會暫停——首席財務官薩拉·弗萊爾雖稱IPO不緊迫，但這顯然影響戰略規劃。Anthropic一直在企業客戶中取得進展。Claude吸引了那些更看重一致性、安全性而非純粹性能的組織。商業使用者不想向客戶解釋為何AI在演示中算錯數字，他們要的是枯燥的可靠。03. 時間不多了“紅色警報”爭取了時間。OpenAI無法在使用者持續流失的產品上繼續搭建商業化基礎設施。這一決定在戰術上是合理的。但爭取到的時間，並不等同於解決了問題。Google可以無限期補貼AI業務的虧損，因為搜尋本身就是印鈔機。OpenAI的生存之道，則在於說服每一輪新投資者：儘管營收目標看起來越來越遙不可及，但盈利正在接近。如今廣告被推遲、購物助手被推遲、商業化被推遲。有些延誤可以挽回，有些則會疊加惡化。諾基亞體會過，雅虎、黑莓以及其他十幾個曾引領行業卻驟然失勢的公司也都體會過。OpenAI還有時間，但比昨天更少，也比明天將會擁有的更少。 (錦緞)

三年過去，AI 不再僅僅是工具，它正在成為我們認知的假肢。從世界頂尖大學的“教育自殘”，到普通人面對生活瑣事的“決策癱瘓”，一場關於人類心智的“去技能化”實驗正在悄然進行。當思考變得多餘，我們還能稱自己為“智人”嗎？2022 年底，ChatGPT 問世。那一刻，彷彿打開了“未來”的大門。那時的我們，帶著驚奇、恐慌與興奮，以為自己拿到了一把通向未來的鑰匙。三年過去，AI 不再是遙遠的科幻名詞，而成了日常生活的“作業系統”：寫郵件？問它。寫論文？交給它。寫簡歷、寫程式碼、寫產品文案、做 PPT、解人生困惑、預測風險、建議午餐……“先問 AI 一下”成了這個時代的默認動作。然而，現實證明，AI 給我們帶來的，遠不是“認知增強”那麼簡單。它帶來的，或許是人類有史以來最大規模的一次認知外包與自我退化。這把鑰匙確實打開了無數扇門，但似乎也鎖上了一扇最重要的門，即通往我們自己大腦的門。在ChatGPT 問世三周年之際，一種新的群體正在全球範圍內崛起。美國《大西洋月刊》給他們起了一個極其諷刺的綽號：“LLeMmings”（大模型旅鼠）。這個詞源於“Lemmings”（旅鼠），一種傳說中會盲目跟隨集體跳崖的生物。而現在的“LLeMmings”，指的是那些無時無刻不在使用 LLM（大語言模型），離開了 AI 引導就無法在這個世界獨立行動的人。我們曾經以為AI 是人類的“副駕駛”；但三年後的資料顯示，對於許多人來說，AI 已經搶過或接過了方向盤，而人類正心滿意足地在後座上睡去。我們的大腦，正在被不可逆地改變。正如麥克盧漢所說，人類創造了工具，工具又反過來塑造了人。一、AI專門攻擊人類大腦最脆弱的縫隙提姆·梅茨（Tim Metz）今年 44 歲，是一名內容行銷專家。但他現在更像是一個“連體人”，連接他的是 Anthropic 公司的 AI 模型 Claude。他每天使用AI 長達 8 小時。這不是為了工作，而是為了生存。去超市買水果，他會拍張照片發給AI：“這個熟了嗎？”家裡門前的大樹在大風中搖晃，他不敢自己判斷，而是拍了照片傳給Claude。AI 建議他：“為了安全，去朋友家過夜吧。”於是，他帶著全家連夜撤離。事後他說：“如果不是 Claude 的建議，我絕不會離開家。”更離譜的是，在接受《大西洋月刊》記者採訪前，他還請Claude 預判記者可能會問什麼問題，並出具一份專屬的“應對手冊”。Claude 竟然精準預測了記者的三個問題。梅茨坦言：“這就像真正的上癮。”他正在經歷大腦的“Google地圖化”。就像習慣了 GPS 的人不僅記不住路，甚至喪失了方向感一樣，習慣了 AI 的人，正在喪失“生活感”。這種症狀正在像病毒一樣蔓延。詹姆斯·貝德福德（James Bedford）是澳大利亞一所大學的教育者。有一天，他在火車上看到一位女士的 AirPod 掉進了座椅縫隙。那一瞬間，他的大腦一片空白，第一反應竟然是掏出手機問 ChatGPT：“我該怎麼幫她拿出來？”直到那一刻，他驚出一身冷汗。解決物理世界的簡單問題，本是人類的本能。但他的大腦已經形成了新的神經回路：遇到問題-> 呼叫 AI -> 執行指令。中間那個至關重要的步驟——“思考”，被跳過了。這不再是使用工具，這是一種“認知解除安裝”。心理學家和神經科學家警告我們，AI 工具的可怕指出，在於它們被設計出來，專門攻擊人類大腦最脆弱的縫隙。我們的大腦天生吝嗇，傾向於節省能量。當一個不知疲倦、隨叫隨到的“外腦”出現時，大腦會毫不猶豫地交出控制權。我們以為自己在訓練AI，其實是 AI 在馴化我們。它讓我們不僅在智力上退化，更在情感耐受力上萎縮。我們變得無法忍受未知，無法忍受焦慮，無法忍受那怕一秒鐘的“獨自思考”。這不僅是認知的偷懶，更是一場存在主義的自我流放。麥克盧漢曾警示：我們並非僅僅在使用技術，而是在“參與”技術，並被其重塑。當我們連“水果是否成熟”這種最原始的感知體驗，都需要經過演算法的中介來確認時，我們實際上是在主動切斷與真實世界的臍帶。人類的尊嚴，往往建立在與不確定性的博弈之上。正是那些猶豫、糾結、試錯的瞬間，構成了所謂的“主體性”。然而，AI 正在用它那看似完美的機率預測，填平了這些溝壑。它為我們提供了一種“無摩擦的生存”，但代價是讓我們失去了感知的觸角。正如海德格爾所預言的，技術不僅僅是工具，更是一種將世界納入計算軌道的“座架”。當我們把“思考”外包，就不再是世界的體驗者，而淪為了系統的資料連接埠。我們以為自己在用神一般的工具駕馭生活，但在不知不覺中，在演算法的凝視下，那個名為“自我”的核心，正因為長期的缺席而被掏空。所以，這才是最恐怖以及最諷刺的地方：不是機器產生了意識，而是人類自願放棄了意識，退化成了一台僅僅負責執行指令的血肉機器。二、AI摧毀大學教育與學習本身如果說個人的退化是個體的悲劇，那麼教育系統的崩塌則是文明的危機。媒體理論家尼爾·波茲曼（Neil Postman）早已警告，一個技術霸權社會（Technopoly）的誕生，是當社會將判斷力讓位於技術需求，當“效率”“創新”本身就被視為道德價值。一旦“速度”和“最佳化”取代了“反思”和“對話”，教育就變成了物流操作：自動評分、幾秒出稿。知識淪為資料；教學變成配送。最終被抹去的，是人類最珍貴的能力：好奇心、判斷力、真實的存在感。這並不是“增強智能”，而是一種模擬學習：像填色遊戲一樣的思想過程。以美國最大的公立大學系統——加州州立大學（CSU）為例。這個擁有 50 萬學生的龐然大物，最近幹了兩件極具諷刺意味的事：1. 擁抱 AI：宣佈與 OpenAI 達成 1700 萬美元的合作，讓全校師生免費使用 ChatGPT Edu，誓言打造“AI 驅動的經濟”。2. 裁撤人類：幾乎在同一時間，宣佈削減 3.75 億美元預算，裁撤大量教師，關閉哲學、經濟學、物理學、人類學和性別研究等“不賺錢”的學科。這一幕充滿了黑色的荒誕感：學校花重金買來一個會“自動生成答案”的機器人，同時解僱了那些教學生“如何提出問題”的教授。甚至出現了這樣的場面：教授剛收到裁員通知，樓下就舉辦“如何用AI重新設計教學”的公開課。所謂的“重新設計”，就是讓 AI 生成教學大綱，讓 AI 出題，讓 AI 批改作業，再讓 AI 告訴學生怎麼用 AI。這變成了一個完美的“狗屁閉環”（Bullshit Loop）： 學生：用ChatGPT 寫論文，假裝在學習。 教授：用ChatGPT 批改論文，假裝在教學。 行政：用“AI 創新”的 PPT 掩蓋教育質量的下滑，假裝在管理。這種局面的真實寫照是：教育的目的不再是思考，而是“最佳化”；大學的任務不再是啟發，而是交付。在這個閉環裡，唯一的輸家是“真實的教育”。馬斯克說AI會讓金錢消失，但他只說對或只說了一半哲學教授Martha Kenney 一語道破其中的荒謬：“大學讓最有能力質疑 AI 的學科關門，卻讓全校都用 OpenAI 的產品。這不是創新，是制度性自我吞噬。”更可怕的是，這種環境催生了一種新的“成功學”。典型事例就是哥倫比亞大學的學生李鍾仁（Chungin "Roy" Lee）。他的名言是，“我來大學，是為了找老婆和創業夥伴，不是為了上課。”他自豪地承認，他在常春藤名校的作業80% 都是 AI 寫的。他最終退學了，創辦了一家名為Cluely的公司，並成功融資 530 萬美元。Cluely 的口號非常赤裸裸：“我們想在所有事情上作弊。我們建立 Cluely，是為了讓你永遠不必獨自思考。”在“Chat 大學”（Chatversity）裡，作弊不再是道德瑕疵，而被重塑為“高槓桿率”的創業精神。思考被視為一種低效的、可以被最佳化的過時行為。當大學不再問“教育是為了什麼”，而只問“AI 能幫我們要到多少預算”時，文憑就變成了一張毫無意義的收據。正如經濟學家泰勒·科文（Tyler Cowen）那句冷酷的預言：“高等教育將繼續存在，不過，是作為一個交友平台，一個離家住的方式，一個狂歡看球的機會。”換句話說，大學的知識使命早已死亡，被文憑主義、消費主義和便利主義取代。三、AI正在培育一代廢人“AI只是工具，用了能提高效率，為什麼不用？”這是最常見的辯護。但神經科學告訴我們：這世上沒有免費的認知午餐。麻省理工學院（MIT）的一項近期研究，揭示了依賴 AI 寫作的驚人代價。研究人員發現，當參與者使用 ChatGPT 起草論文時，他們大腦中負責記憶、語言和批判性推理的區域，神經連接活躍度下降了47%。這被稱為“認知債務”。就像你用信用卡透支消費一樣，你也在透支你的大腦。你現在圖省事省下的“腦力”，未來都要連本帶利地還回去。研究中還有一個更令人不安的發現：那些長期依賴AI 的人，一旦被迫脫離 AI 寫作，其表現甚至不如那些從未接觸過 AI 的人。這意味著，AI 不是在輔助你，而是在廢掉你。這就像你去健身房，結果開著叉車來舉槓鈴。你花了一小時，任務完成了，但你的肌肉完全沒動。思考，本質上是一種阻力訓練。那種面對空白文件的焦慮，那種在腦海中搜尋詞彙的掙扎，那種邏輯打架時的痛苦——這些正是神經元建立連接的過程。當你把這些“痛苦”外包給 AI，你也就把“成長”外包了出去。結果就是我們現在看到的景象： 學生們精通“提示詞工程”，卻無法組織一段有邏輯的口頭表達。 文章變得流暢、完美、語法無懈可擊，但讀起來“沒有靈魂、空洞、缺乏個性”。那種人類特有的“我好奇”、“我掙扎”、“我依然困惑”的反思性語言，正在從我們的文字中消失。AI 不只是工具，它正在馴化我們的心智，把“提問—研究—思考—驗證”的漫長鏈條，變成“輸入—輸出”的即時滿足。AI正在培養一代“流暢的文盲”：他們能生成莎士比亞風格的十四行詩，卻讀不懂其中的悲傷。其實，很多大學教授已經看透了這一切。加州州立大學奇科分校哲學教授特洛伊·喬利摩爾（Troy Jollimore）接受採訪時警告說：“大量大學畢業生將走入職場，他們基本上是文盲。”“我每次和同事談起這事，大家都會提到同一句話：我什麼時候能退休？我什麼時候能離開這地方？現在，我們所有人都在想這件事。”四、未來最值錢的，是一顆抵抗AI誘惑的大腦在這樣的時代，願意自己寫一封郵件、動腦解決一個問題、花時間琢磨一段話的人，變得異常稀少，也因此變得珍貴。在AI 寫作氾濫的年代，反而你用原始人方式寫的內容，才有質感、有溫度、有靈魂。AI 可以模擬語言，但它無法模擬“你掙紮著推敲出一句話的過程”。真正的原創、思辨、共情、頓悟……是任何模型都偽裝不了的。麻省理工的研究還發現：•長期依賴AI 寫作的人，在不借助 AI 後寫作能力明顯下降。•他們以為自己“寫得不錯”，但腦電圖顯示，大腦幾乎沒有“語言創造區域”的活躍。•中性讀者評價他們的文字：“空洞、無趣、缺乏個性。”換句話說：AI 使用者以為自己寫了東西，實際上他們什麼都沒寫。他們不是作者，而是複製機的操作員。教育學者Mike Kentz 曾感慨說：“2015 年的我，寫郵件遊刃有餘。2025 年的我，每封信都得問 AI 是不是說得太直、太柔、太主觀。”他的能力並沒有被增強，而是在慢慢萎縮。這不是技術問題，而是人類尊嚴和生存問題。未來屬於“會用 AI，但知道什麼時候不用 AI”的人。真正強大的認知者，是那種：• 知道AI 擅長什麼，也知道它不擅長什麼• 知道什麼時候該借助它，什麼時候必須靠自己• 能用它工作，但不會用它代替思考我們不是要成為“AI 的使用者”，而是要做“認知主權的掌握者”。未來真正有價值的能力，不是“會用 AI”，而是即使身邊有 AI，也選擇用自己的大腦思考，並且有能力進行獨立深刻的思考。⸻Joseph Weizenbaum 是 MIT 的電腦科學家，也是世界上第一個“聊天機器人”ELIZA 的發明者。他晚年一再警告世人：“機器可以模仿智能，但永遠無法理解人類的問題。”“賦予機器道德判斷力，就像讓一個電話簿來談愛情。”在人人用AI 的時代，最值得修煉的能力，是“抵抗 AI 的誘惑，保持思考的定力”。所以，不如從今天開始，嘗試一件事，不用AI 做。寫一篇日記，構思一個想法，做出一個判斷，那怕花上比平時多兩倍的時間。這不是低效。這是你在說：“我還在，意識還在，思考還在。” (不懂經)

01單仁牛商有很多學員都是製造企業，在輔導他們的過程中，有一些企業家經常會問我：“我在自己領域做的很不錯了，我能不能不做供應商了呢？我有好的技術，好的產品，我難道不能自己去C端做個品牌，成為第一嗎？”如果你也有一樣的問題，那我們不妨想一想，當世界第一，成為大眾市場領導者的煩惱是什麼？我想應該是本以為可以一覽眾山小的時候，突然發現有位“熟悉”的後來者邁著更穩健的步伐，從另一條道路走向自己，甚至更高的地方走來。這一幕其實發生在很多領域，包括今天的AI。像我們熟悉的OpenAI，截至到2025年11月，ChatGPT佔據了生成式AI市場約61%的份額，是當之無愧的全球第一，2025年預計營收130億美元，也遙遙領先於所有競爭對手。然而，在AI包括我們眾多的市場當中，其實存在著兩個截然不同的平行世界。一個是大家熟知的屬於大眾C端、以流量為核心的消費者世界。另一個就是我們往往不熟悉的屬於B端、以效能為核心的企業世界。儘管OpenAI在C端維持著統治地位，但是，在B端乃至商業化上，OpenAI卻遠遠落後另一家企業，Anthropic。當然，如果你沒有聽過這家公司，你可以去問問一位程式設計師，你覺得程式設計最好用的AI是什麼？如果他告訴你是Cursor或者是Claude，那就沒錯了，它們的底層模型和架構都是由Anthropic開發的。在AI領域的B2B市場，Anthropic才是那個比OpenAI更亮眼，更穩健的領導者。所以，今天的單仁行，我們來看看賣鏟子的商業模式，跟賣門票的商業模式，到底有什麼區別？Anthropic是如何在2B市場取得了領先？02其實，這兩家公司非常有緣分，就像矽谷八叛徒一樣，Anthropic也可以當成是OpenAI的“叛徒”。因為它的創始團隊全部都是前OpenAI的核心員工，包括研究副總裁達里奧·阿莫迪，而他們的離開就是源於OpenAI內部對AI發展路徑的根本分歧。山姆·奧特曼認為，OpenAI要加速GPT模型的商業化部署，通過先發優勢搶佔大眾市場；而阿莫迪這一系認為要先解決AI的穩定和安全問題，它必須是建構AI系統的核心約束條件，不應該急著向大眾市場投放，而是要從專業領域逐步滲透。雙方談判無果後，阿莫迪在2021年帶著這一系出走成立了Anthropic，而山姆·奧特曼在第二年也就是2022年10月就向全世界發佈了ChatGPT。當然，我們無法去評判誰對誰錯，但是這種分歧就天然決定了兩家企業截然相反的商業模式和產品風格。OpenAI就像一位賣門票的聚合者，什麼意思呢？就像亞馬遜，它是平台商，幫助商家把貨賣給消費者，但它又是零售商，它自己也開店賣東西給消費者。OpenAI比亞馬遜更直接，它是“以供應為中心”把所有使用者都通過ChatGPT這個入口聚合起來，然後建立一個大商場，直接向終端使用者收費，並且，由自己來控制使用者體驗的每一個環節。所以，OpenAI就迫切的需要使用者注意力，它希望每個用AI的人都用自己。但是，Anthropic不一樣，它是一個賣鏟子的賦能者，什麼意思呢？它只想建立基礎設施，“以需求為中心”幫助其他企業挖掘使用者價值，終端使用者可能根本都不知道它的存在，但在實際使用的時候卻離不開它。舉個例子，就像我們熟悉的支付寶，我們要交易需要登陸支付寶的帳戶，使用支付寶的介面，包括我們在其他平台購物，如果要支付寶去結算，也要登陸支付寶的帳戶，實際上，支付寶已經成為了一個C端的品牌。而Anthropic不想當支付寶，它想當的是像Stripe這樣的支付處理商，也就是給其他企業打造支付解決方案，即使有2C的能力，但它不干具體的應用，不面向終端使用者。03那麼，這兩種商業模式上的區別，帶來了什麼不同呢？OpenAI今天73%的收入來自使用者訂閱，只有27%來自API和企業級服務。我們知道AI應用在今天普遍面臨一個最大的問題，那就是普通人用不到。不管是在中國，還是國外，普通使用者在付費訂閱一個月後就會滿足好奇心取消付費，使用免費模型，它的續費流失率高達90%。而且，一般使用者跟AI的交流通常是低價值的閒聊，但它的推理成本卻一樣高，根據統計，OpenAI每賺1美元，就需要花費0.75-0.85美元用在計算和人力成本上。再加上OpenAI需要不斷投入巨額行銷費用和算力來獲取新使用者，還要推出語音模式、圖像生成（DALL-E 3）和視訊生成（Sora）功能來提升使用者的持續復購。所以，OpenAI拿到130億美元收入的另一面，是預計2025年虧損超過140億美元，同時，他們把盈虧平衡點推遲到了2030年。根據匯豐預測，OpenAI想要維持到2030年，至少有2070億美元的融資缺口。這就是OpenAI為了成為AI終端市場第一，要付出的代價。而Anthropic的業務中，有85%的收入都來自企業客戶和API呼叫。他們從一開始就把目標使用者定位在了專業領域的企業客戶，並且瞄準了企業客戶最核心的痛點：可控性、隱私安全和複雜邏輯推理的穩定性。Anthropic沒有去做通用大模型，而是獨創了一套“憲法AI”技術，通過預設原則來訓練模型，而不是依賴人類互動的反饋強化學習。同時，他們給企業開放審計介面，根據企業需求來定製原則，所以，他們的模型從一開始就不存在幻覺。像程式碼就是無法容忍AI的幻覺，要麼就運行成功，要麼就報錯，沒有中間地帶，而在AI程式設計市場，Anthropic的市場份額達到了42%。同時，Anthropic把大量的資源和技術都投入到幫助企業去訓練專業模型上，像全球最大的避險基金橋水就是Anthropic的客戶，核心原因就是他們能夠確保AI在嚴格的合規範圍內運行，只回答專業領域的專業問題。所以，企業客戶一旦把Anthropic整合到自己內部知識庫、客戶系統和程式碼開發中，替換的成本就無限高。更重要的是，隨著企業擴大使用範圍，從一個部門擴展到全公司，現有客戶的收入會自然增長，淨收入留存率（NDR）就超過了100%。在2024年初，OpenAI的收入規模是Anthropic的15倍，但到了2024年底，這個差距縮小到了5倍，而在今年8月份，Anthropic的收入已經達到了OpenAI的一半，並且，這個收入比OpenAI要穩定的多，也就是純利要高得多。04我想，對很多企業來說，成為大眾市場的領導者當然很美好，但它的風險也是極其高的，就像OpenAI向我們展示了AI的魔力，通過C端應用的爆發式增長喚醒了世界，但自己也陷入了高流失、高成本和缺乏明確2C商業模式的困境。所以，真正想要持續、穩定的增長，就要像Anthropic一樣弄清楚如何去賺錢。不是向所有遊客兜售門票，而是向那些礦業公司出售鎬和鏟子，而且是符合他們特定的標準、能夠不斷進步的鎬和鏟子。 (單仁行)