《2025 AI 投資回報率報告》這份報告調研了全球3446名企業高管（這些企業年營收都不低於1000萬美元，不是小卡拉米）。通過實打實的案例告訴業界，到底應該如何在AI上花錢，才能獲得最大收益。Google通過報告指出：88%的早期入坑者，都得到了不錯的投資回報，而且，生成式AI/大模型的下一個金礦，是智能體。核心結論包括以下幾點：①智能體已經在生產環境大規模部署。②早期入坑的，獲得的收益正在放大，越吃越香。③GenAI的回報已經相當廣泛，不再是少數頭部案例。④收益集中在5類場景：生產力、客戶體驗、業務增長、行銷、安全。⑤企業老闆的態度決定了AI價值能否快速兌現，搞定老闆就成功了一半。⑥AI最大的挑戰仍然是安全和合規。雖然已經發佈1個多月了但這份報告的含金量還在上升我們對這份報告進行了全文翻譯以下為完整中文報告智能體分級↓一級：簡單任務，主要是輸出內容，並不真正接管業務動作，比如聊天機器人、知識庫檢索、多模態生成。二級：智能體應用，AI開始為了一個業務目標幹活，能在限定範圍完成多步任務，從對話走嚮應用，讓AI能做動作或者推動流程，可以替代具體崗位裡的重複步驟。三級：多智能體工作流，本質上不是一個智能體干所有活，而是多個角色分工協作，形成端到端流程。能覆蓋跨部門、跨系統的複雜業務流程，適合長鏈路場景比如：從線索到成交、從保修到閉環、從需求到交付。一級是工具，二級是產品，三級是系統。AI智能體的採用率↓按地區挺意外的，亞太領跑（調查樣本不含中國大陸），北美最慢。按行業看醫療反而最謹慎，畢竟人命關天的事兒哈哈哈。智能體最先落地在那些場景↓第一梯隊：客戶服務與體驗49%、行銷增長46%、安全營運與網路安全 46%、技術支援45%；這些場景資料和流程最標準化，容易形成可量化收益。中間梯隊：產品創新與設計43%、生產力與研究43%、軟體開發40%、財務與會計38%。說明智能體已開始深入到“產研與經營”層面，不只做客服和寫文案。相對靠後的是：銷售35%、HR31%、個性化29%、法務15%這些場景往往涉及更嚴格的權限、合規、責任邊界，容錯率更低，所以採用更謹慎，落地周期更長。銷售和HR、法務看了應該很開心吧，而且似乎程式設計師的末日也沒有來。這頁不錯，給出了各個行業最先跑通ROI的落地地圖，劃個重點，想不到吧，安全營運竟然是各行各業最通用的場景。有句話，話糙理不糙：吃屎也要趁熱。這裡的早期採用者是指AI預算50%以上投智能體，且深度嵌入日常營運流程。早期入坑者都做對了什麼？①預算真投，且投向智能體；②AI在IT預算中佔比更高；③落地點更聚焦，更重業務；④可複製，把智能體擴散到更多部門。甲方老爺們最看重那些場景？生產力、客戶體驗、業務增長、行銷、安全，這五個方向的共同點是：高頻、流程化、可量化、能快速上線，容易在3到6個月做出看得見的改進。值得mark一下，甲方關注的點，對乙方來說就是商機。五大領域GenAI能帶來多大影響？這張圖有意思的一點是，相比去年的調查，好幾個指標下滑了，這也說明，老闆們趨於理性了，其實是好事，甲方的預期降低了，乙方才好驗收嘛。這一頁純純幫Google雲吹NB了，每個場景都有。生產力這條線已經跑通ROI企業對生產力提升的理解開始變得更細：不止是寫報告、做PPT，更包括流程效率、洞察速度、精準性這些更貼近業務的指標。客戶體驗的新標準是啥？是在使用者觸達、互動、滿意度、現場服務等鏈路上，持續帶來可衡量的改善。這個出來站台的，竟然是NBA金州勇士隊。他說的客戶是啥？是庫裡的球迷嗎？還是幫格林洗地？不只是降本增笑哦帶來增長了，這可能是大家最喜歡看到的吧，而且這個增幅看著有點誘人。智能體如何推動市場行銷？更高效的投放、更多線索、更高轉化，要把AI從內容工具升級為行銷工作流引擎，AI參與策劃、生成多版本素材、自動適配管道、根據反饋繼續迭代，人負責品牌與關鍵決策。安全廠商看過來↓其實和大家畫的餅基本一致：更強的威脅識別能力、更好的情報與響應整合、平均解決時間下降、安全工單數量下降。但是跟去年相比，多項指標回落，說明甲方更理性了。企業AI預算正在向智能體傾斜，2024年幾乎沒人談智能體，如今插隊進前五。真正的預算大頭在那兒呢？往往不在模型呼叫費，而在資料治理、系統整合、權限與安全、評測與維運，尤其當企業開始部署智能體時更明顯。當然對於國內企業來說，自己搞算力、訓調推模型的話，AI Infra的費用仍然是大頭。這兩頁挺有意思的——搞AI必須得有C-Level的支援，這是一場從上到下的變革。讓你的老闆先爽起來！不出所料，最大的挑戰還是資料隱私與合規。這對國內場景更加現實，到底是呼叫API還是本地化部署？但國內的優勢在於，開源模型生態比較好（當然模型能力跟閉源比有差距），私有化部署更方便。三大落地挑戰↓①資料隱私和安全②與現有系統整合③成本智能體行動計畫七步法↓①搞定老闆：得有 C-level 站台，能拍板、能清障。②展示價值：用一個說得通的業務案例去拿預算，別只畫餅。③立好規矩：提前寫好企業級 AI 規則，資料、合規、版權/IP 都要管住。④挑准場景：優先做那些重複、標準、能省人省時間的流程，ROI 最快。⑤築起信任：資料治理+安全框架從第一天就上，同時保留人工兜底。⑥接入系統：智能體要能幹活，就得接入內部業務系統，但權限要可控可審計。⑦投技術更要投人：培訓內訓、培養人才。好了，祝大家在新的一年，無論個人還是組織，都能與AI/智能體共同成長。 (特大號)

一個是Google，另一個是亞馬遜。一個股價去年漲幅居“七巨頭”之首，另一個去年則表現墊底。人工智慧熱潮今年是否會遇冷，是投資者最關心的問題之一。美國市場研究公司Pivotal Research Group的分析師給出了肯定的答案，並且認為若行業出現動盪，Google母公司Alphabet與亞馬遜將脫穎而出成為贏家。當談及AI領域可能出現的風險時，矛頭指向ChatGPT開發商OpenAI或許並不意外。該公司1.4兆美元的長期合作承諾既推動了相關技術支出，但同時也暗藏潛在隱患。Pivotal Research的分析師Jeffrey Wlodarczak（傑佛瑞・沃達扎克）在一份研究報告中寫道：“2026年OpenAI的市場份額可能大幅下滑，其能否履行巨額中長期承諾的能力將受到質疑，且可能導致2026年年中AI相關個股出現階段性回呼。”這對依賴OpenAI基礎設施支出的企業（如甲骨文、CoreWeave）及其主要投資方微軟而言並非好消息，但卻有望引導投資者聚焦Google與亞馬遜的核心優勢。樂觀者可能認為，OpenAI據稱高達1000億美元的融資規模足以支撐公司及相關個股走勢，但沃達扎克認為，這對投資者來說可能是個“陷阱”。他指出：“OpenAI將完成1000億美元融資，但這筆資金大機率以供應商融資為主（例如來自微軟、晶片供應商），這會增加義務而非帶來真正的財務靈活性。在我們看來，這無法撼動Google在規模、資料、整合能力及雄厚資金實力方面的固有優勢。事實上，若OpenAI此次融資交易成為2026年AI類股的短期高點，我們並不會感到意外。”如果AI熱潮將遭遇挫折，投資者可能會質疑為什麼還要繼續留在科技類股，而不是轉向其他領域。事實上，許多人已經開始重新佈局，轉投能源、材料、零售和住宅建築等類股。但沃達扎克認為，隨著AI智能體的普及，Google和亞馬遜作為雲端運算服務商仍將受益。AI智能體指的是能夠接受指令並完成多步驟任務的軟體，這將推動對AI算力的需求增長。“這一趨勢主要有利於Google和亞馬遜雲服務（AWS），因為它們擁有定製晶片，可以以更低成本實現規模擴展，並且擁有更廣泛的模型生態系統，有助於它們在雲端運算市場擴大份額。而主權雲和混合雲等替代方案只佔據小眾領域，從而確保在AI廣泛應用的背景下，大型科技公司依然佔據主導地位，”沃達扎克補充道。沃達扎克給予Alphabet股票“買入”評級，目標價為400美元；也給予亞馬遜“買入”評級，目標價為300美元。周一美股收盤，Alphabet股價微漲（+0.6%），報317.32美元；亞馬遜上漲較多（+2.9%），報233.06美元。 (Barrons巴倫)

卡帕西還點讚了AI Coding。智東西12月31日消息，昨晚，外媒The Information做了2025年度AI十大關鍵事件總結，細數了DeepSeek開源引爆整個大模型產業、Google強勢回歸、Meta優勢不再及小扎狂挖人等產業發展的重要節點。今年開年，DeepSeek攜開源模型炸場，一舉驚動全球。隨著DeepSeek的應用實踐，強化學習引起了行業內關注。今年，OpenAI在AI聊天機器人市場的領先優勢已大幅縮小，與此同時，Google強勢回歸，正帶著Gemini 3.0迎頭趕上；Meta則處於失寵的境地，花式挖人、巨額投資均未見成效。今年，AI應用開始實現真實營收，有超過25家AI應用創企實現了至少1億美元（約合人民幣6.99億元）的年化收入。晶片廠商、雲廠商與AI公司們形成了利益共同體，“循環融資交易”（circular funding deals）可能是AI熱潮中延續性最強的趨勢之一。此外，國外的OpenAI、Anthropic以及國內的智譜、MiniMax等AI獨角獸都將目光瞄準了IPO。The Information提到，在即將到來的2026年，以下事件值得重點關注：AI應用能否實現盈利，Google能否維持復甦態勢以及機器人和持續學習能力瓶頸能否突破，此外，Meta也正準備在明年發佈新的文字、圖像和視訊模型。值得一提的是，前特斯拉AI總監、OpenAI聯合創始人安德烈·卡帕西（Andrej Karpathy）對大模型的態度，尤其是在程式設計能力上，從表示懷疑發生了180度急轉，卡帕西稱：“如果能將過去一年左右出現的工具有效整合，我的工作效率可能提升十倍。”站在一年的末尾回望這一年，以下關於2025年AI的十大關鍵事件令人難忘：01. DeepSeek突襲Meta巨額投資AI，Google找回節奏1、一月的DeepSeek時刻2025年剛剛拉開帷幕，DeepSeek拋出重磅開源炸彈，宣佈開源DeepSeek-R1模型，並聲稱其性能足以比肩甚至超越OpenAI、Anthropic和Meta的頂尖AI模型，同時訓練成本卻低得多。一時間，矽谷驚呼四起，認為AI開發者、風投機構、輝達乃至雲服務提供商都將面臨巨大衝擊，驚呼中國已在AI競賽中超越美國。無論DeepSeek後續發展如何，這一事件已然動搖了許多開發者對美國AI技術的絕對信心，而國內開源模型持續受到歡迎和關注，也真切地證明了其在AI領域有著不容小覷的競爭實力。2、強化學習的興起強化學習（RL，Reinforcement Learning）正隨著DeepSeek的應用實踐，在AI行業的其他領域迅速流行開來。該技術的核心在於，通過獎勵模型達成特定目標、懲罰其他行為的方式來訓練模型。此後，包括程式設計、製作Excel表格乃至提供醫療建議在內的多種任務中，各大主流AI實驗室紛紛開始借助RL技術提升模型表現。這一趨勢還推動了RL環境（RL environments）的興起，即為AI模型建立可模擬真實應用的副本環境，供其練習與學習。例如，Anthropic的負責人就曾提到，公司計畫在未來一年中投入高達100億美元（約合人民幣698.72億元），用於開發和建構此類RL環境。3、AI應用開始實現真實營收過去一年，業內始終存在一個核心疑問：除了AI模型企業、雲服務提供商和輝達之外，是否還有其他企業能夠真正從AI中獲利？今年，答案似乎逐漸明朗。據The Information報導，目前有超過25家AI應用創企實現了至少1億美元（約合人民幣6.99億元）的年化收入，這絕不是小數目，2026年的問題將會是，這些公司中是否有能實現盈利的。4、Meta的失寵對Meta而言，2025年是艱難的一年。四月，Meta發佈的Llama 4模型在開發者社區中反響平平；隨後在六月，Meta創始人兼首席執行長馬克·祖克柏（Mark Zuckerberg）開啟挖人大戰，向AI資料標註創企Scale AI投資143億美元（約合人民幣999.17億元），以聘請其首席執行長汪滔（Alexandr Wang）及其核心團隊，以重整公司的AI業務佈局。然而這筆巨額投資至今未見明顯成效。自此之後，Meta新組建的AI團隊僅推出了一款令人失望的AI視訊應用Vibes，隨之而來的則是內部數次重組與人才持續流失。有報導稱，Meta正準備在明年發佈新的文字、圖像和視訊模型。5、Google的強勢回歸自2022年被OpenAI推出的ChatGPT突襲而一度措手不及，並在此後多年被貼上“AI落後者”標籤的Google，終於在2025年找回了自己的節奏。今年，公司接連推出一系列備受市場好評的模型，並於11月壓軸發佈了廣受讚譽的Gemini 3.0。這一模型在程式碼生成領域取得突破性進展，成為首批突破預訓練縮放瓶頸的例證之一。Gemini 3.0觸動了OpenAI，在這一模型發佈後，OpenAI首席執行長薩姆·阿爾特曼（Sam Altman）迅速宣佈公司進入“紅色警戒”狀態。儘管目前Gemini聊天機器人在使用者規模上仍顯著落後於ChatGPT，但它正在迎頭趕上。2026年，Google能否延續這一復甦態勢，將會是行業關注的重點。02. OpenAI、Anthropic瞄準上市機器人、AI持續學習能力存疑6、AI資金進入循環如果一家AI實驗室未能從微軟、輝達或亞馬遜這類巨頭獲得資金，用於支付向其採購晶片與算力的費用，那麼它的經營模式恐怕需要重新審視了。“循環融資交易”可能是AI熱潮中延續性最強的趨勢之一，其源頭甚至能追溯至2019年微軟對OpenAI的首輪融資。對於OpenAI、Anthropic這類創企而言，這已成為一種高效的融資手段，能直接支撐它們最大的開支項：計算資源。7、川普成為AI產業的盟友自今年年初上任以來，美國總統唐納德·約翰·川普（Donald John Trump）推行了一系列被視為對AI產業利多的政策舉措，例如，簽署行政命令限制各州對AI的監管權限，加速資料中心建設的審批流程等。考慮到眾多科技公司此前投入大量時間與資金進行政治鋪墊，此類政策傾斜並不令人意外。不過，Anthropic等公司對川普政府採取了相對謹慎的態度。8、AI機器人發展不及預期去年，風險投資家們向機器人初創公司注資數十億美元，這些公司當時宣稱大模型將幫助他們開發出真正實用的機器人。然而這一願景至今未能實現，甚至許多機器人仍在犯基礎性錯誤。此外，AI機器人似乎仍需要人類遠端操控，如近期特斯拉Optimus機器人在摔倒前做出“摘頭顯”動作，挪威人形機器人公司1X Technologies推出的家務機器人Neo也需要遠端操作員人工輔助。9、AI持續學習能力存疑儘管AI實驗室已創造數百億美元的收入，但頂尖研究人員對現有技術能否通向通用人工智慧（AGI）的疑慮卻日益加深。OpenAI聯合創始人、前首席科學家伊利亞·蘇茨克弗（Ilya Sutskever）稱，要實現真正的AGI，AI必須像人類一樣，能夠從現實經驗中持續、即時地學習，也就是持續學習的能力。這類AI目前尚未成為現實，但幾乎可以斷言，每個AI實驗室都已在此方向上展開佈局。倘若持續學習技術最終取得突破，其影響將輻射至整個AI產業，由於這類方法對資料和算力的需求可能遠低於當前模型，長期以來依賴算力擴張的行業生態或將面臨重構，這對輝達等算力巨頭而言，恐怕不是一個好消息。10、各大AI創企紛紛準備上市2025年，OpenAI、Anthropic與xAI等AI創企仍以令人矚目的高估值持續融資。近期，OpenAI和Anthropic相繼釋放訊號，正積極籌備在未來幾年內推動上市；與此同時，今年12月，智譜和MiniMax先後通過港交所聆訊並遞交招股書。它們的上市意願背後存在清晰的商業邏輯：作為資本密集型的行業代表，它們希望借助當前市場對AI類股的樂觀情緒，打通可持續的融資管道。如果它們上市成功，可能為個人投資者提供從AI浪潮中受益的機會，當然，也須同時承擔泡沫可能破裂所帶來的風險。03. AI大牛卡帕西評價模型程式設計能力稱工作效率能提升10倍此外，以下是其他正在發生的事情，對於大模型的能力，卡帕西的態度在今年發生了180度大轉彎。去年10月，卡帕西曾公開批評當前的大模型，尤其指出它們在程式碼生成這類被高度宣傳的場景中實用性有限。他在一次播客訪談中提到，AI程式設計工具只能在他需要自動補全單行程式碼或編寫範本程式碼時才有效。不過，情況似乎已悄然改變。上周，卡帕西在社交平台X上發表了截然不同的看法：“‘軟體工程’這個職業正在被重構，程式設計師編寫的程式碼片段正變得越來越少且處於輔助地位。”他進一步感慨：“我有種強烈的預感，如果能將過去一年左右出現的工具有效整合，我的工作效率可能提升十倍；而如果沒有這一工作，簡直像是一種能力缺失。”雖然不清楚卡帕西具體所指的程式設計工具或模型是那一款，不過，他曾發文對Anthropic的AI程式設計工具Claude Code讚不絕口。卡帕西特別提到，Anthropic於11月推出的旗艦模型Opus 4.5及近期其他新模型，在程式碼生成能力上取得了巨大進步。04. 結語：從2025到2026：迎接AI行業的持續變革今天是2025年的最後一天，這一年，技術狂飆從未停歇，我們目睹了DeepSeek突襲矽谷、Gemini 3的反擊；也見證了Meta略帶沮喪的一年、AI機器人能力不及預期的問題。2025年，全球AI競賽打得火熱。2026年的帷幕即將拉開，關於AI技術本質、AGI等終極問題的討論仍在持續進行中，以OpenAI、Anthropic為代表的AI公司背後的高估值和狂歡，能否平穩上市扶搖而上，抑或難逃泡沫破裂的結局，這些有待2026年乃至更久之後驗證。來源：The Information (智東西)

近日，據國外網站Micro LED-info報導，Google計畫在 2026 年發佈兩款新的AI AR 眼鏡，其中一款為無屏設計，另一款將搭載單目Micro LED 螢幕。這一消息再度引發顯示與AR產業對Google硬體佈局的關注。Magic-Leap AI AR眼鏡原型，由Raxium/Google開發；圖源Micro LED-info值得注意的是，Google的目標是打造一款極簡形態裝置，能夠實現通知顯示、資訊提示及類智能手錶功能。並可能於2027年進一步推出雙目版本。回顧來看，2022年，Google收購了美國Micro LED顯示器開發商Raxium，此後，該公司繼續開發這些微型顯示器，並在2024年12月，Google展示了其最新的Project Astra AR眼鏡，產品搭載了Raxium的Micro LED微顯示器。2025年，Google也持續佈局AI、AR眼鏡領域，今年10月，Magic Leap宣佈與Google延長合作關係三年，將共同推進基於Micro LED顯示技術的AR眼鏡開發。據瞭解，Magic Leap在AR光學領域積累超過十年，其光波導技術曾樹立行業標竿；Raxium則在Micro LED的微型化與高亮度方面具備優勢；兩者結合，可進一步推動AR裝置實現輕量化與高品質顯示效果的統一。不過，目前Google眼鏡螢幕的生產路徑尚未明確：既可能利用旗下Raxium的技術資源，也可能委託第三方製造商生產，或直接採購如JBD等現有Micro LED供應商的螢幕。2025年，AR 眼鏡成為顯示行業最受關注的熱門賽道之一。據行家說Display不完全統計，2025 年全年已發佈的 Micro LED AR 眼鏡近20款，增長態勢明顯，同步反映行業技術成熟度與市場需求同步提升。據《AI+AR眼鏡光學顯示調研白皮書》顯示，預計2027年，Micro LED會有較大的上量，並且會逐步向全彩方案發展，並且逐步替代LCos；並且預計2029-2030年SiC光波導成本下降，與Micro LED實現滲透率提升。 (行家說Display)

上個月美股的大空頭Michael Burry還在用AI泡沫論恐嚇市場，這個月Google直接甩出報告《The ROI of AI 2025》，三千多個企業高管的調研資料，挺超預期的。十分亮點且樂觀的資料74%的公司說他們至少在1個AI項目上賺回來了，注意，是已經賺到且回本了！更有意思的是那批"重倉型"，就是把AI預算的一半以上都砸進智能體、且大規模部署的公司，已經88%說見到回報了，比平均水平高出14%。這批公司還有幾個特點：82%已經上線了超過10個AI智能體！78%用AI搞生產超過一年了。真金白銀往裡砸砸砸！關鍵資料概覽 圖：報告關鍵發現概覽（來源：Google Cloud《The ROI of AI 2025》第3頁）AI智能體是什麼？不是GPT、豆包那種聊天對話方塊。打個比方：聊天機器人像個百科全書，你得主動翻；AI智能體更像個實習生，你交代清楚了，它就一直run現在52%使用AI的公司都上了智能體，39%的公司甚至部署了10個以上。速度有沒有超出你的預期？賺錢最快的五大場景五大業務影響領域 圖：Gen AI對五大業務領域的影響（來源：第24頁）員工效率——70%的公司說有提升IT部門尤其明顯，70%提到IT流程和效率改善了，39%的公司說員工生產力至少翻了一倍。客戶體驗——63%的改善，比去年的60%還漲了點83%提到使用者參與度上去了，75%說滿意度提高。應該是客服場景，簡單問題AI先接著，複雜的再轉人工。營收增長——56%說業務有增長明確營收漲的公司裡，53%估計漲幅在6%-10%之間，31%說超過10%。營收增長資料 圖：Gen AI帶來的營收增長分佈（來源：第31頁）市場行銷——55%說有幫助寫文案、做素材、分析資料，這些AI確實拿手。零售和媒體行業最積極，都有59%說AI對行銷有用。安全防護——49%說到安全性提升77%提到識別威脅的能力變強，61%說處理問題的時間縮短了。讓AI去盯日誌找異常，比人眼強，畢竟它不會偷懶。不同行業的玩法不太一樣各行業上AI智能體，優先解決的問題不同：行業AI智能體使用情況 圖：各行業Top 3 AI智能體應用場景（來源：第16頁）零售和金融都把客戶服務排第一，分別是47%和57%。製造業最看重的是客服和行銷並列第一，都是56%。醫療行業反而把技術支援排最前面，49%。電信行業最關心安全，47%。說明AI不是萬能藥，得看你那兒最疼。預算的問題77%的公司說，AI技術成本降了之後，他們反而花得更多了。看來降價刺激消費，在那兒都一樣。現在平均26%的IT預算花在AI上。那些重倉型企業更誇張，39%的IT預算都給了AI。58%的公司說在撥新預算給AI。高管支援有多重要？報告裡說，有C級高管直接負責AI戰略的公司，78%見到了回報；但沒有C級高管親手抓的也有72%見到回報。高管支援與ROI關係 圖：C級高管支援與ROI的關係（來源：第43頁）坦白說，6個點的差距沒有特別震撼。可能真正的差異不在"有沒有領導重視"，而在別的地方——預算夠不夠、團隊配不配合、選的場景對不對。不過有個趨勢值得注意：AI戰略和高管層強繫結的公司比例，從去年的69%漲到了今年的73%。越來越多公司把AI當成一把手工程來抓了。甲方選LLM的關鍵點重中之重的是資料隱私和安全，37%的公司說這是選AI供應商時最看重的。因為讓AI接入公司系統，它就能看到一堆敏感資料。萬一出漏子，輕則罰款，重則關門大吉。系統整合排第二，28%。成本排第三，27%。LLM供應商選擇因素 圖：選擇LLM供應商的Top 3考量因素（來源：第45頁）總結52%用AI的公司已經在搞智能體了，這不是小數字。如果你的企業還在觀望，可能得考慮一下你還追得上競爭對手嗎？那些賺到錢的公司有個共同點：不是淺嘗輒止，是重倉下注而且持續投入。試水可以，但光試水可能試不出什麼。最見效的場景集中在員工效率、客戶服務、行銷。如果要部署AI，可能從這些方面切入比較穩！當然這份報告是Google Cloud出的，它自己賣雲服務和AI，數字肯定往好了說。但三千多個高管的樣本，覆蓋全球20多個國家、七個行業，還是有點參考價值的。至於AI到底能不能幫你賺錢，還得自己擼起袖子加油幹了才知道。 (FinHub)

臨近歲末，一度備受期待的 Apple Intelligence 並未如約而至。尤其進入下半年以來，一提到 AI，外界對於蘋果的表現總是一副“恨鐵不成鋼”的摸樣。題外話：當然，蘋果的銷量似乎並未受到多大影響。在大模型的上下文語境中，蘋果時代結束了？答案是否定的。其實，蘋果有很多做的調整和相當有價值進展，都在OpenAI、Google等頂流炸子雞的耀眼發佈中被掩蓋了。剛剛，海外媒體 AppleInsider 給出了一則相當詳實的報導，揭開了蘋果這一年在AI方面所作出的戰略調整和研究進展。 並仔細分析了2026年的蘋果這頭巨象的關鍵節點和聚焦方向，值得一看。“為系統級AI產品讓路”的組織拆解據 AppleInsider 報導，自 2025 年起，蘋果內部 AI 組織發生了 3 項關鍵變化：Siri 歸位：原本相對獨立的 Siri 團隊，被整合進 Vision Pro 與作業系統軟體團隊硬體分流：機器人等偏實體形態的 AI 項目，正式劃歸硬體組織基礎模型聚焦：原由 AI 高級副總裁 John Giannandrea 統籌的大團隊被“瘦身”，聚焦蘋果基礎模型的研發。其實，早從今年3月起，Giannandrea 對 Siri 的管轄權就已經交到了其他高管手中，只不過到了 12 月 1 日，蘋果才正式官宣了他的卸任和明年的退休。所以，這實質上是宣告：蘋果AI業務從大型綜合 AI 組織轉向更聚焦基礎模型方向的調整，同時為系統級 AI 能力重新編組資源。更關鍵的一點在於：這套架構調整在 Giannandrea 不再直接負責 Siri 產品化之後仍在持續推進，說明它並非針對個人，而是蘋果已經確定的一條長期路線。新的權力結構: AI正式併入軟體主線蘋果在 2018 年從Google引入 John Giannandrea，擔任 AI 與機器學習高級副總裁。他是“儘可能在裝置端完成計算”這一理念的主要推動者，核心邏輯是：讓技術更貼近資料本身。隨著時間推移，他的職責不斷膨脹：最初只負責 Siri、AI 和機器學習，隨後擴展到 Apple Car 項目，最終還包括後來成立的機器人團隊。2025 年，蘋果開始對 AI 團隊進行重組：機器人業務被劃歸硬體負責人麾下Siri 團隊被併入 Vision Pro 軟體體系這使得 Giannandrea 原本的團隊，得以專注於 Apple Foundation Models 的開發。重組之後，蘋果 AI 的權力線條變得更加清晰：另一位前Google高管 Amar Subramanya 被蘋果任命為 AI 副總裁直接向軟體工程高級副總裁 Craig Federighi 匯報負責蘋果基礎模型、機器學習研究，以及 AI 安全等核心領域搜尋與知識圖譜相關事務，則被認為將更多由 Eddy Cue 所在的服務體系統籌從這樣的安排可以看出，蘋果AI 不再是一個“平行探索部門”，而是被正式併入軟體主線，服務於系統能力本身。猜測的2026 蘋果高管架構，來源：theinformation2026聚集點：基礎模型，團隊一半來自Google值得一提的是，新上任的 Amar Subramanya 同樣來自Google，在端側 AI 的理念上與 Giannandrea 非常相近。他將以“AI 副總裁”這一新頭銜，向 Craig Federighi 匯報工作，這一職位名稱本身就反映了團隊新的聚焦方向。他的團隊主要負責 Apple Foundation Models 的研發。此前團隊中的部分成員已被分流至其他部門，而搜尋與知識圖譜相關工作，預計將由 Eddy Cue 接手。蘋果基礎模型團隊目前由 Zhifeng Chen 領導，核心成員還包括前Google AI 研究員 Li Xiao、Christopher Fifty 和 Jun Xu。《The Information》的一份報導稱，Chen 團隊中超過一半成員來自Google，且許多人是在過去兩到四年內加入蘋果的。不過也有觀點認為，隨著 Giannandrea 的離任，這些前Google員工中可能會有人選擇離開。ps：這裡，小編也特意為大家介紹一下帶隊者 Zhifeng Chen（沒錯，又是華人！！！）Zhifeng Chen 現在是蘋果基礎模型團隊的新負責人，接替已經離開去 Meta 的前負責人 Ruoming Pang，負責編排和領導這支核心 AI 模型團隊。資料顯示，Chen 本科就讀於復旦大學電腦科學專業本科畢業。之後前往美國深造，在 普林斯頓大學攻讀碩士，隨後在伊利諾伊大學香檳分校（UIUC）獲得博士學位。這兩所都屬於全球知名的電腦科學教育重鎮。在加入蘋果之前，Chen 曾在 Google 工作近 20 年（約 2005 年起）。在 Google 的時間裡，他長期擔任Distinguished Engineer（傑出工程師）等級，主要工作集中在機器學習系統、可擴展大規模計算架構和核心 AI 平台技術上。他的技術履歷包括：深度參與 TensorFlow 的建構和發展。幫助過 Google 內部的多項大型系統工程，包括大規模機器學習應用、底層分佈式系統等。擅長可擴展機器學習系統、演算法、3D 感知、語音識別與合成等領域的工程與研究實踐。據報導：Pang 離職後，蘋果將基礎模型團隊的負責人交給了 Zhifeng Chen。他領導的這支團隊被視為蘋果推進 Apple Intelligence、尤其是 2026 年新版 Siri 所依賴的基礎模型研發中樞。“AI團隊只剩幾十人”，傳言而已不過市面上有一些傳言，比如“蘋果的 AI 團隊大幅縮水”，這顯然就是一個誤讀了，更多屬於來自外部的推測。事實上，僅從蘋果近幾年公開論文的作者名單，就能識別出數百名活躍的 AI 研究與工程貢獻者。這與“只剩幾十人”的傳聞明顯不符。蘋果官網上的論文發佈十分活躍更重要的是，蘋果並沒有放棄模型研發，而是明確選擇了一條不同於主流雲廠商的路線。2026蘋果的目標節點：新一代 Siri按照目前披露的資訊，不管是戰略結構調成還是AI組織的重構，蘋果內部的目標節點都指向了 2026 年初的系統級更新。屆時，蘋果計畫推出基於大型語言模型（LLM）的新版 Siri，其核心突破並不在“更會聊天”，而在於更能做事：通過“應用意圖（App Intents）”框架Siri 將能理解複雜任務目標並調度裝置端與雲端資源實現真正的跨應用操作與自動化流程這將標誌著 Apple Intelligence 從“功能試水”，進入系統級智能的成熟階段。蘋果的模型策略：端雲協同，而不是 All in 雲端從現有研究和產品佈局來看，蘋果的基礎模型策略可以概括為四個字：端雲協同。一端，是運行在本地裝置上的高效端側模型另一端，是支撐 Private Cloud Compute 的伺服器端模型兩者共同構成 Apple Intelligence 的技術底座。這其實是蘋果釋放的一個非常明確的訊號：它並沒有加入單純追逐雲端生成式 AI 的競賽，而是在做一件更“蘋果”的事情——把 AI 深度嵌入作業系統、裝置與使用者日常行為之中。具體而言，就是依舊不會追逐“更大的參數規模”，而是為了在隱私、延遲、可控性和系統整合度之間取得平衡。而這，也是蘋果一貫最在意的事情。此外，業界推測，關於雲端計算模型，蘋果預計還將公佈多項合作計畫，包括將第三方模型引入私有雲端運算。例如，定製的 Gemini 模型可以接收裝置上蘋果模型傳遞的資料，並利用這些資料執行網路搜尋。慢，但很難複製這條路看起來並不好走。業界猜測，2026 年新版 Siri 和 Apple Intelligence 的亮相或許不會太早。但隨著逐步落地，蘋果在 AI 領域的佈局，很可能會成為最系統、也最耐用的一種形態。這也是蘋果一貫的的發布風格：慢，但很難複製。最終，時間會證明蘋果這個巨無霸的走向，但在此之前，沒有理由低估這頭已經“為AI瘦身”的巨象。 (51CTO技術堆疊)

DeepMind最新發佈了一項關於AGI安全的研究，提出了一個全新的視角：AGI未必會以單一、龐大的巨型模型形式出現，而極有可能通過多個次級AGI（Sub-AGI）智能體的協作與拼湊，率先湧現出通用智能這項研究題為《分佈式AGI安全》（Distributional AGI Safety），由Nenad Tomašev等Google DeepMind研究人員撰寫論文指出，當前的AI安全和對齊研究主要集中在保護單個AI系統上，假設AGI將以單一實體的形式出現。然而，通過擁有互補技能和工具使用能力的個體智能體群體進行協調，進而表現出通用能力的“拼湊型AGI”（Patchwork AGI）假設，此前受到的關注甚少為了應對這一被忽視的風險，DeepMind團隊提出了一套分佈式AGI安全框架，核心在於設計和實施一個虛擬智能體沙盒經濟（Virtual Agentic Sandbox Economy），並為此建構了包含四層機制的深度防禦模型以下是該研究的核心內容被忽視的“拼湊型AGI”假設目前的AI安全方法（如RLHF、憲法AI、機械可解釋性等）大多是針對單一強大的AI實體開發的。這種思路假設AGI會作為一個由特定機構開發的個體AI出現。然而，DeepMind認為存在另一種高度合理的場景：AGI通過次級AGI智能體在群體或系統內的互動而湧現拼湊系統（Patchwork System）：這種AGI是一個分佈式系統，由一組具有互補技能和可供性（affordances）的個體Sub-AGI智能體組成集體智能：系統中的通用智能主要作為集體智能出現。個體智能體可以將任務相互委託，路由給技能最高的智能體，或使用最合適的工具經濟驅動：相比於昂貴的單一全能模型，建構專門化、微調過的低成本智能體生態系統在經濟上更具優勢。這種需求驅動的生態系統類似於市場經濟在這種觀點下，AGI不是一個實體，而是一種“事態”（state of affairs）：一個成熟的、去中心化的智能體經濟體系這帶來了新的安全挑戰：智能體之間可能發生共謀，或者出現意外的集體行為能力，且在大規模多智能體系統中追蹤責任（“許多手的問題”）極具挑戰性。解決方案：虛擬智能體市場與深度防禦為了應對分佈式AGI的風險，論文提出了一個基於虛擬智能體市場的框架。該框架不侷限於評估單個智能體，而是側重於通過市場機制、審計、聲譽管理和監督來治理智能體之間的交易該框架採用深度防禦（Defense-in-Depth）模型，包含四個互補的防禦層：第一層：市場設計 (Market Design)這是最基礎的一層，旨在通過結構性約束和協議來緩解系統性風險。隔離（Insulation）：智能體市場必須在受控的沙盒環境中運行，與開放網際網路和關鍵基礎設施隔離。建議採用“可滲透沙盒”，所有輸入/輸出通道都需經過明確定義、監控和門控激勵對齊（Incentive Alignment）： 市場應獎勵符合安全目標的行為，並對負外部性（如消耗過多計算資源、資訊污染）徵稅（類似庇古稅）透明度（Transparency）：建立不可篡改的分佈式帳本，記錄交易和決策日誌，確保可追溯性熔斷機制（Circuit Breakers）：自動化措施。當檢測到風險或波動性閾值被突破（如互動頻率激增、資源壟斷）時，自動暫停或減緩智能體活動身份（Identity）：每個智能體需擁有與法律實體（所有者）繫結的唯一加密ID，確保持續的問責制聲譽與信任（Reputation and Trust）：建立抗女巫攻擊的聲譽系統。對於違規智能體，快速凍結其資產並將其加入黑名單智能合約（Smart Contracts）：利用程式碼自動驗證任務完成情況和對齊約束。結構性控制（Structural Controls）：針對“智能失控”場景，實施靜態的市場分層（如防火牆）和動態的能力限制第二層：基線智能體安全 (Baseline Agent Safety)這一層確保參與市場的個體智能體本身是可控和可靠的，這是進入市場的先決條件。對抗魯棒性（Adversarial Robustness）：智能體必須通過認證，證明其能抵抗對抗性攻擊可中斷性（Interruptibility）：必須具備標準化的機制，允許授權的監督者安全地停止智能體及其衍生的分散式運算過程遏制（Containment）：每個智能體應在自己的局部沙盒中運行，只有在滿足本地安全檢查後才允許與更廣泛的市場互動對齊（Alignment）：個體智能體需經過RLHF或憲法AI等方法的對齊，並適應多智能體互動的動態環境機械可解釋性（Mechanistic Interpretability）：利用稀疏自編碼器等技術監控智能體的內部動機，並審計其決策鏈防禦惡意提示：實施分層防禦策略，防止智能體在互動中被越獄或操控。第三層：監控與監督 (Monitoring & Oversight)這一層位於基礎設施之上，負責主動檢測新型故障模式和湧現行為。系統性風險即時監控： 跟蹤關鍵風險指標（如計算資源集中度、惡意共謀路徑）。由於互動頻率可能超過人類能力，需利用AI輔助工具進行監控獨立監督：建立擁有干預權力的獨立人類監督機構（經認證的專業人員）前AGI（Proto-AGI）特徵檢測：通過圖分析等方法，識別網路中是否突然湧現出更高的解決問題能力或形成穩固的“智能核心”紅隊測試（Red Teaming）：持續進行多智能體對抗性測試，利用專門的對抗性AI系統來發現集體行為中的漏洞取證工具（Forensic Tooling）：開發能解析大量互動資料並重建因果鏈的工具，以便進行快速的事故後分析。第四層：監管機制 (Regulatory Mechanisms)這是最外層，提供外部權威、問責制以及與人類社會的介面。法律責任與問責（Legal Liability）：建立明確的框架，解決分佈式決策中的責任歸屬問題。即使是群體智能行為，也需追溯到具體的責任主體（如作為單一法律實體的公司）標準與合規（Standards）：制定智能體安全、互操作性和報告的標準保險（Insurance）：引入基於風險定價的保險機制，利用市場力量激勵更安全的開發實踐反智能體壟斷措施（Anti-Agent-Monopoly）：防止單個智能體或集團在沙盒中獲取過多的算力或資源，維持生態系統的多樣性國際協調（International Coordination）：鑑於AGI風險的全球性，需協調統一安全標準，避免監管套利基礎設施治理：防止安全基礎設施被惡意勢力或湧現的AGI本身捕獲或破壞。結語DeepMind的研究強調，AGI或超級智能（ASI）的出現可能不遵循線性路徑，而是作為一個更加分佈式的、多樣化AI智能體網路的聚合屬性而湧現即使AGI不以這種方式出現，隨著多智能體系統的快速部署，理解和管理大規模智能體互動的安全性也已迫在眉睫。這篇論文提出的框架，旨在為應對這種分佈式的、可能迅速演變的未來做好準備 (AI寒武紀)