有技術的，幹不過有背景的？如果說AI故事的第一章叫作「技術的革命」，那麼第二章的主題，看起來越來越像「權力的遊戲」。王晶曾說，過去的香港，每個拍電影的都是有“背景”的。因此演員和導演往往身不由己，電影生意的競爭也往往是背景的競爭。AI生意越來越有這個意思。大家都帶著背景和資源，這裡是Google、微軟、Meta、字節、騰訊、阿里交鋒的修羅場。每一天，抖音用自己浩如煙海的流量鋪天蓋地推舉豆包。Google用全公司的資源，在一系列APP裡狂推自己的Gemini。這種巨頭之力，那怕優秀如Manus、OpenAI也難以對抗。2025年11月起，原本落後的Google迅速在性能和使用者上追趕上了ChatGPT，尤其是在多模態領域，已經反超OpenAI在各種評測中位居第一。奧特曼直言，Google的崛起給OpenAI帶來很大的壓力。曾經火遍全球的通用智能體Manus，也放棄了單打獨鬥，網際網路巨頭Meta選擇將收購Manus。Kimi、DeepSeek這些紅極一時的“當紅炸子雞”早已被豆包、元寶鋪天蓋地的流量壓了下去。在這個拼爹的世界裡，似乎只有超級巨頭才有上桌的資格。以小博大的故事在商業裡十分常見。那怕是騰訊、阿里、Google、蘋果，也經常在某個領域輸給創業公司。但在AI裡，這種故事好像顯得困難了許多。看能力，更看資源娛樂圈裡有一種說法，藝人只要給足飽和式的曝光，都能紅。這也是眼下AI領域的現狀。ChatGPT是ChatBot的發明者，相當於蘋果發明了現代智慧型手機，無論是技術，還是品牌，都是真正的遙遙領先。但當超級巨頭Google發力，ChatGPT很快感受到了壓力。Gemini在多項機構評測中反超GPT，奧特曼在內部信中發出警告：公司的技術領先優勢正在縮小，並預計外界氛圍將在一段時間內“相當艱難”。國內市場，豆包早已取代Kimi成為月活第一的LLM產品。以搭載DeepSeek為賣點的元寶使用者資料也早已反超DeepSeek，成為了DeepSeek崛起的流量受益者。它們為什麼如此強勢，逆襲領先者？答案當然是因為有Google、字節跳動這些大廠在背後提供資源。其實明星AI創業公司背後都有大企業和大資本的投資，帳上也有很多錢，也有很多資源。但背靠巨頭帶來的生態優勢，創業公司們真的沒法復刻。比如Google直接把Gemini植入Android，作為默認的手機助手。Google還有排名第一的瀏覽器Chrome，Gmail，微軟的Copilot也直接融入Office套件。這種與常用APP繫結的方式，使用者不用也得用——而且為什麼不用呢？深度整合入常用APP的AI，體驗是非常絲滑的。金山軟體和微軟一樣，直接把AI融進WPS裡。騰訊也直接把元寶塞進微信裡，使用者無需下載任何APP就能在微信聊天框裡體驗到LLM。那怕是AI落腳點相對少的阿里和螞蟻，也有支付寶、夸克這樣的優質入口。這樣的做法OpenAI、Manus、Kimi們要如何模仿？難道為了與大廠競爭，還要自己做一個手機作業系統或者微信？有些生意，是自力更生，創業公司挑戰巨頭雖然困難，但也有機會。比如米哈游靠著幾部爆款遊戲，迅速在二次元遊戲領域裡成為老大，網易和騰訊資源再多，也沒能阻止米哈游的崛起。但有些生意，對外界的依附太重。AI應用恰恰是這種生意。第一，當然是因為它資產太重，網際網路產品最大的成本往往是買流量，但AI背後可能是數千億美元的固定資產，居民樓創業玩不轉。第二，更重要的是，它的使用場景，與生態的繫結太深，太需要與其他產品的聯動。Manus就是個很好的例子：它的功能當然強大，但在個人使用者端完全沒法獨立幹活，它需要“呼叫”其他網頁，依賴瀏覽器和瀏覽器中的資料。比如訂一張機票，需要帳號授權、支付授權——這些東西都掌握在Google、蘋果、微信這種巨頭手裡。Manus干的是系統級的活，卻完全沒有系統級的權限。相當於普通孩子學了一門“千萬資產理財課”，但他家卻沒有千萬資產。當Google這種瀏覽器和手機作業系統的擁有者親自下場，留給獨立智能體的空間就會越來越狹小。AI搜尋也感受到了這種壓力。畢竟在這個時代，搜尋早不是什麼獨立的APP了，iPhone裡的搜尋框，是由蘋果公司控制的。Perplexity再好用，它也不是蘋果的默認搜尋引擎——Google一年付200億美元獲得了這個身份。在國內，搜尋框則由百度、微信、手機廠商把持，他們很難把搜尋框交給AI創業公司。即便他們利用技術優勢，暫時在大廠的競爭壓力中獲得一定份額，他們還要面臨第二個難題：變現。AI的變現，也得拼爹富貴人家，總是更容易收回教育孩子的成本。他們送孩子去讀個水碩，可以憑藉家庭關係安排進國際銀行，或者進入家族企業擔當要職。但窮人家送孩子去國外讀一年碩士，畢業卻可能會因為學歷含金量不高找不到工作。視角切到AI的變現身上，也沒什麼不同，同樣的一個技術，小公司持有難以變現，大公司就能以不同的方式收到錢。比如在OpenAI還在陷入虧損難題的時候，微軟就通過把GPT服務打包進自家雲服務實現了業績的大幅度增長。OpenAI Service已經成了微軟Azure的王牌產品之一，畢竟客戶們本來就購買了微軟的雲服務，再買點AI服務，屬於捆綁銷售。更不用說Copilot和Office（Microsoft 365）的聯動，微軟把AI工具加入到辦公套件裡，上調訂閱費——不接受？那就別用Office。這也是微軟過去十年重要的增長來源。每當新技術、新變革、新功能出現時，他們就可以對訂閱服務漲價。當然這種漲價是雙贏的，客戶也收穫了便利和價值。在C端，從Gemini和OpenAI的會員中，也可以看到捆綁銷售能力的差距：同樣是賣20美元，Google就可以打包把GoogleOne（Android版本的iCloud）一併打包售賣，AI之外，使用者還能獲得Gmail、相簿裡的儲存空間。這是非常具備吸引力的捆綁銷售方案，畢竟那怕不用AI，使用者也需要郵件和存照片。不難想像，如果Manus屬於Google這樣的巨頭，也許它也會把Manus的訂閱服務加進這個20美元套餐裡，Manus的變現就會更加順滑。而OpenAI的訂閱幾乎只有ChatGPT，那怕Sora、Codex等新產品，也是靠OpenAI自己做的。豆包的變現花樣更加豐富。豆包的回答會把流量引入短影片——之後的商業模式就可以和抖音一樣了，在視訊中間插入廣告就好。豆包還上線了直接的Chat廣告，對話方塊的回答可以直達抖音生態內部的本地生活等服務。比如在豆包裡問附近的好餐館，豆包會直接給出團購連結。圖註：點選連結，就能直達餐館的抖音團購介面這種商業模式Kimi們很難學習，畢竟創業公司可沒有抖音那麼多短影片儲備，也沒有發達的本地生活服務或者電商的供應鏈。它只能向外去賣流量，但眼下的AI行業格局來看，大多數交易平台並不願意把入口交給其他AI工具，即便願意，變現的轉化率也不如生態內那樣高。如果沒有這些變現花樣，那麼AI的商業模式和老乾媽辣醬差不多——一手交錢，一手交貨。也就是在B端賣Token，C端賣訂閱。但這個模式太捲了：客戶只在乎多少錢買到多少Token，難以像微軟的雲服務一樣溢價。個人使用者的訂閱費價格被使用者習慣和行業共識限制：要麼20美元，要麼10-30人民幣。這是多個行業與使用者長期博弈出來的價格，是使用者訂閱習慣的平衡點，大多數行業的訂閱會員，最後都會回歸到這個數字附近。圖註：MiniMax國內產品“星野”的訂閱費用。事實上，國內大多數會員的網路訂閱會員的價格都在這個數字附近，誰想賣更貴都很困難。最近遞交招股書的智普AI和MiniMax，虧損資料都十分嚴重——創業公司，虧損當然很正常，但它們的虧損呈現逐年擴大趨勢，暫時看不到盈利預期在那裡。事實上，這二者的虧損被廣泛討論並不是因為它們的虧損尤為突出，只是因為它們遞交了招股書，在那些沒有遞交招股書的AI企業中，還藏著更為廣泛、普遍的虧損。那怕是已經有7億使用者的OpenAI也不例外。而這個問題，創業公司自己解決起來異常困難，最終很可能需要仰仗大廠的力量。小蝌蚪找爸爸在這個“拼爹”的世界裡，單打獨鬥似乎很難出頭。當出價合理，賣身給巨頭，也是不錯的選擇。Meta接連宣佈收購Scale和Manus，蘋果也被爆出考慮收購Perlexity。一旦被收購，情況就完全不同了。以Manus為例，它過去想呼叫一些功能，要看其他公司給不給權限，還要面臨巨頭自研智能體的競爭風險。但一旦屬於Meta，Manus就可以直接在WhatsAPP、INS、Messenger、Facebook裡獲得原生等級的權限，隨意呼叫各種聊天、購物的功能。更不用說Meta還有AI硬體的佈局，如果與AR眼鏡結合，Manus就能直接獲取SIRI等級的權限。這類AI應用公司，被大廠收購的好處實在是顯而易見。當然，如果自己能成為大廠，誰願意依附大廠呢？OpenAI就不願意。OpenAI原本是有巨頭靠山的，微軟是它的最大的單一機構股東。但可惜，由於特殊的架構，微軟並沒有獲得OpenAI的控制權。微軟管不了OpenAI，自然就不拿它當“親兒子”，不但自己有自己的AI產品，還訓練自己的模型。OpenAI也不想給誰做子公司，作為LLM的最大開創者，它只想自己成為超級大廠。明明微軟有現成的Edge瀏覽器，但OpenAI還是自己想做瀏覽器Atlas，明明微軟是最大的雲服務商，自己找合作夥伴建立算力能力，還與Google合作購買GCP服務。顯然，OpenAI希望成為美股七姐妹那樣真正的超級巨頭。這條路在網際網路時代是被驗證過的，每當行業出現大的變革，總會出現創業公司的崛起，用靈活性打得巨頭節節敗退，甚至最終自己成為巨頭。比如字節跳動在BAT三家統治的網際網路裡，硬是從居民樓裡殺出一條血路，成為網際網路的新一極。還有拼多多、米哈游這種在與騰訊和阿里的競爭中勝利，成為細分領域頭部的公司。畢竟行業的紅利時期總是充滿變革，方向、創意、技術、靈活性才是最重要的。但這條路在AI領域顯得難了太多，三年過去，創業公司的靈活性優勢和先發優勢不斷被大廠的體量碾壓，超級巨頭的優勢愈發明顯。巨頭對各種系統級的入口掌握權限，起到的作用太大了。如果說AI故事的第一章叫作「技術的革命」，那麼第二章的主題，看起來越來越像「權力的遊戲」。 (鈦媒體)

《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)