亞馬遜AWS營業利潤率為39%，大幅領先分析師一致預期，標誌著該板塊盈利狀況的顯著復甦。 作者｜亞當·萊文 編輯｜劉洋雪 亞馬遜於週四下午公佈了強勁的第二季度財報。儘管公司宣佈上調全年資本支出預算，其股價在盤後交易中仍漲近10%。

蘋果(AAPL.US)行政總裁庫克(Tim Cook)在其最後一次以行政總裁身份主持的業績電話會議上表示，儘管市場憂慮供應限制令公司股價向下，但蘋果在人工智慧領域擁有「巨大機遇」。庫克將於9月1日出任執行主席。 庫克表示，蘋果採取混合式AI策略，部分工作負載可於iPhone及Mac上運行，這相比大型科技同業依賴大型雲端基礎設施屬一項優勢。隨著蘋果準備於今年秋季推出更新版Siri，相關言論被視為公司運行AI應用能力的重要訊號。 庫克稱：「能夠在裝置上運行部分請求，在策略上亦非常重要，也是一種競爭武器。」 蘋果在AI領域的資本開支明顯低於其他超大型雲端服務商。業界大部分支出均投向以輝達(NVDA.US)技術為基礎的數據中心，以運行OpenAI及Anthropic等公司的先進AI模型。

Google Cloud 同比增長 82%，創下自己的最快增速。 按理說，這該是一份“AI 開始兌現”的財報。但 Alphabet 交出成績單後，股價盤後一度下跌約 3%。市場盯上的不是 Cloud，而是另一行更刺眼的數字：自由現金流為負 59 億美元——這是 Google 上市以來第一次單季轉負。 一句話概括這場分歧：AI 需求是真的，帳單也是真的；資本市場擔心的是，後者會不會跑在前者前面。 資料整理圖：Cloud 增長與自由現金流的反差。

大摩把AI基礎設施的下一階段約束從單一算力擴展到容量、頻寬與成本共同構成的記憶體牆。AI代理可能在2030年前貢獻 26%—77% 的新增DRAM需求，雲端記憶體支出到2030年達到 4180億美元，2026年起復合增速約8%。記憶體佔雲資本開支的比例預計從2023年的12%升至2027年的40%，系統需要同時改進設計、製程、封裝、外圍器件、整合方式和材料，單靠製程微縮不足以解決資料存取約束。 ▪ DDR5單通道頻寬由2024年的44.8GB/s提高到2026年的51.2GB/s，增幅約 14%；同期Google Cloud月度token量由2024年4月的10兆增至2026年6月的3200兆，增長超過320倍，頻寬改善明顯落後於資料處理需求。 ▪ 大摩預計2027年雲廠商資本開支與EBITDA之比達到 88.2%，而2017年為32.4%。記憶體成本和供應能力開始影響整體基礎設施回報，HBM堆疊、先進基底、快取層級與互連效率需要在系統層面協同最佳化。 ▪ 新興記憶體技術市場規模預計由2025年的 12億美元 增至2030年的230億美元。增量不僅覆蓋傳統DRAM、NAND與HBM廠商，也延伸到介面晶片、連接、先進封裝、3D堆疊和系統設計環節。

美國當地時間4月29日，Google母公司Alphabet盤後公佈了 2026 財年第一季度的財務報告。總營收達1099億美元，同比增長22%，非美國通用會計準則下（Non-GAAP）淨利潤為625.78億美元，同比大增81%，每股收益5.11美元，明顯高於市場預期，不同機構統計的營收預期大致在1066億至1070億美元區間，EPS預期約2.62至2.63美元。盤後交易中，Alphabet股價一度漲近7%。圖片由AI生成從財報數字和股價反應來看，投資者開始相信Alphabet押注多年、遭受無數質疑的“全端AI”路線，可以從宏大敘事轉變為可以量化的商業回報。0163%的增速，暫時平息爭議Google雲（Google Cloud）營收達200.3億美元，同比增長63%，超出分析師約180億美元的預期，去年同期這一數字僅為122.6億美元。這一增速不僅大幅超越了上季度已經令人印象深刻的48%，更是在更大的基數上實現了加速，這才是真正超出華爾街預期的原因。積壓訂單季度環比近乎翻倍，達到逾4600億美元。積壓訂單的躍升，意味著未來的收入已被提前鎖定，增長有可持續性。同時經營利潤同比增長30%至397億美元，經營利潤率同比擴大約兩個百分點至36.1%。Alphabet證明了自己能夠在大規模燒錢的同時，依然守住並持續擴大利潤空間，這也是之前市場的核心擔憂之一。02搜尋未死，AI正在擴大它的版圖圍繞Google搜尋的老問題，AI會不會把Google最賺錢的業務吃掉？至少在這個季度的財報中被有力反駁了。搜尋廣告營收達604億美元，同比增長19%，查詢量創歷史新高。Alphabet兼Google首席執行長桑達爾·皮查伊在財報聲明中指出，這是AI體驗持續拉動使用者使用習慣的直接結果。AI概覽、AI模式等新功能，不僅沒有蠶食傳統搜尋流量，反而通過提供更豐富的答案，進一步擴大了整個搜尋市場的邊界。皮查伊此前一貫的判斷：AI對Google搜尋而言，是“擴張性的”，而非替代性的。Gemini模型每分鐘通過API處理的Token數量超過160億，較上季度增長60%。更多的查詢正在觸發更複雜的模型呼叫，單次搜尋的計算成本在上升，說明AI功能目前尚未削弱廣告變現基本盤。YouTube廣告營收達98.8億美元，同比增長11%，從上季度受美國大選消耗影響的9%增速中反彈。這一修復符合預期，但略低於市場99.9億美元的預估，是這份成績單上為數不多的稍顯遜色之處。值得注意的是，YouTube的價值並不侷限於廣告，訂閱收入正在成為越來越重要的增量。這與整體消費者AI貨幣化的趨勢高度吻合。03付費訂閱3.5億，Gemini開始“賺錢”在雲業務之外，Alphabet本季度還有一條容易被忽略的增長線索。財報顯示，Alphabet目前付費訂閱使用者規模已達到約3.5億，覆蓋Google One、YouTube以及其他訂閱服務。對應到收入端，Google訂閱、平台和裝置業務一季度收入為123.84億美元，同比增長19%。這意味著，AI並不只是出現在雲和搜尋裡，也正在被納入Google既有的會員、儲存和內容付費體系之中。從產品形態看，Gemini是這條訂閱線索中最重要的新變數。相比單獨向使用者出售一個聊天機器人，Google更傾向於把AI能力嵌入Google One、Workspace、搜尋和移動端產品中，讓使用者在雲端儲存、辦公、內容創作和資訊檢索中逐步為AI能力付費。財報沒有單獨披露Gemini消費者訂閱收入，但3.5億付費訂閱使用者為Google提供了一個巨大的轉化池：只要其中一部分使用者升級到更高階的AI服務，就可能形成新的收入增量。企業端來看，Gemini Enterprise付費月活使用者季度環比增長40%。對Google來說，這個指標的意義在於它驗證了AI可以成為Google Cloud和Workspace之外的新付費入口。這也是Alphabet本季度財報裡最值得關注的變化之一：AI商業化不再只有“廣告效率提升”或“雲算力需求增長”兩條路徑，也開始進入訂閱收入體系。搜尋負責流量，雲負責算力，訂閱負責把AI能力包裝成持續付費產品。相比一次性的模型呼叫收入，訂閱模式更穩定，也更容易與Google原有生態捆綁。與此同時，Google雲的安全拼圖也在補齊。2026年3月11日，Google完成對雲安全平台Wiz的收購。這是Alphabet歷史上規模最大的收購之一。Wiz的價值不只在於安全產品本身，更在於它長期服務於多雲環境，覆蓋AWS、Azure、Google Cloud等平台上的企業客戶。對於正在爭奪AI雲訂單的Google來說，安全能力將直接影響企業是否願意把核心資料、模型訓練和智能體工作流遷移到其雲平台上。不過，Wiz的協同效應還不能在這個季度被過早驗證。財報本身並未單獨披露Wiz對Google Cloud收入和利潤的貢獻。因此，更準確的說法是：Wiz增強了Google雲在企業AI時代的安全籌碼，但它能否轉化為更高的客戶留存、交叉銷售和雲市場份額，還需要後續幾個季度繼續觀察。041750億美元的豪賭：燒錢與回報的競速除了成績單最亮眼的部分，懸而未決的大問題始終存在：資本支出的終點在那裡，回報的速度是否真的能追上燒錢的速度？皮查伊在上一季的財報電話會議中透露：到2026年這一數字將達到1750億至1850億美元，四年近六倍的增長。他將其定性為“維持AI競爭所必需的殘酷創新節奏”。2026年超過一半的機器學習算力將服務於雲業務，而非內部消耗。本季度經營利潤率在大規模資本開支周期中反而擴大兩個百分點至36.1%，令此前高呼利潤壓縮的批評者陷入短暫沉默。但這只是開局，折舊壓力將隨著基礎設施資產陸續竣工而持續加重，下半年的利潤表才是真正的壓力測試。市場目前給予的估值，已經隱含了對未來數年Cloud高增速的樂觀預期，一旦任何一個季度的增速出現實質性減速，重新定價的風險不容低估。附：Alphabet 2026年第一季度財報分析師電話會議精簡版Alphabet首席執行長皮查伊點評：第一季度，Alphabet交出了連續第11個季度的兩位數營收增長，各項核心業務表現均超出預期。Google Cloud營收突破200億美元大關，同比增長63%；搜尋廣告營收604億美元，增長19%，查詢量創歷史新高；訂閱使用者突破3.5億，Gemini Enterprise付費月活使用者季環比增長40%。AI全端戰略是本季度業績的核心驅動力。在基礎設施層，公司推出第八代TPU，其中TPU 8t訓練性能是上一代Ironwood的三倍，TPU 8i推理性價比提升80%。Gemini 3.1 Pro持續推進多模態理解與推理能力邊界，每分鐘API Token處理量達160億，較上季度增長60%。生成式媒體模型Lyria 3已累計生成超1.5億首歌曲，Gemma 4開源模型上線數周內下載量突破5000萬次。雲業務方面，企業AI解決方案首次成為雲增長的第一驅動力，基於Gemini模型的產品收入同比增長近800%。新客戶獲取速度同比翻倍，1億至10億美元等級合同數量同比翻倍，並簽署多份超10億美元大單。客戶超額完成初始承諾的比例達45%，環比持續加速。Google Cloud積壓訂單季環比接近翻倍，達4620億美元，預計未來24個月可確認超過50%。搜尋方面，AI Overviews和AI Mode持續拉動使用者使用頻次提升，商業查詢增長尤為顯著。廣告投放工具AI Max完成公測，Hilton通過該工具以五分之一的預算獲取三分之一的額外點選，同時平均預訂金額提升55%。Universal Commerce Protocol（UCP）開放標準獲Amazon、Meta、Microsoft、Salesforce、Stripe加入，推進代理式購物生態建設。Waymo本季度已覆蓋美國11個主要城市，每周全自動駕駛接單量突破50萬次，不足一年內實現翻倍。Wing持續擴張並宣佈進入灣區。Verily完成外部融資後已從Alphabet合併報表中剝離，GFiber計畫與Astound Broadband合併，預計Q4完成。首席財務官阿什肯納齊補充：全年資本支出指引由1750億至1850億美元上調至1800億至1900億美元，增量主要來自對Intersect的收購。2027年資本支出預計將較2026年顯著增加。本季度資本支出357億美元，其中約60%用於伺服器，40%用於資料中心及網路裝置。公司董事會同時宣佈季度股息提升5%。以下為分析師問答環節：問：Gemini 3.1 Pro每分鐘160億 Tokens的處理量非常驚人，這是否意味著推理成本已經不再是利潤率的負擔？答：我們正處於效率曲線上極其有利的位置。過去一年，我們將Gemini模型的單位推理成本降低了90%以上。這得益於三位一體的最佳化：TPU 8i專門針對大規模推理設計的硬體優勢、模型架構的稀疏化改進，以及底層軟體棧的深度融合。雖然絕對支出在增加，但每單位智能的產出效率提升遠快於投入增長，這讓我們有底氣在搜尋中全面推行AI Overviews。問：關於Google Cloud積壓訂單（RPO）季環比翻倍至4620億美元，能否拆解其結構？有多少來自主權雲或政府訂單？答：增長非常均衡，但超大型交易（Jumbo Deals）的貢獻顯著。本季度我們簽署了三份單筆金額超過50億美元的長期合同，涵蓋電信、金融服務及零售業。主權雲需求確實在激增，特別是在歐洲和中東地區，客戶更傾向於將資料保留在本地，同時利用Gemini進行本地化調優。這一塊的利潤率通常高於公共雲，因為其服務附加值更高。問：Universal Commerce Protocol (UCP) 吸引了這麼多競爭對手加入，Alphabet的商業邏輯是什麼？答：購物的未來是智能體化（Agentic）。如果每個平台都是資訊孤島，AI智能體就無法完成跨平台的比價、下單和履約。通過UCP，我們實際上在建立AI時代的“全球資訊網協議”。雖然我們向競爭對手開放，但Google擁有全球最深厚的商業意圖資料（Shopping Graph），當購物阻力消失時，作為流量入口的Google搜尋將獲得最顯著的轉化增量。問：YouTube的增長雖然穩健，但似乎正受到短影片平台更激進的AI創作工具挑戰，你們如何應對？答：恰恰相反，我們的AI創意套件“Dream Screen”在本季度剛結束灰度測試。它不僅能生成背景，現在已經可以根據文字描述生成高品質的15秒Shorts素材。目前YouTube Shorts的日均播放量已突破1000億次。我們觀察到，AI降低了創作門檻，使得長尾創作者的活躍度提升了35%。同時，YouTube TV和Sunday Ticket的訂閱收入也受益於Gemini驅動的個性化推薦引擎。問：對於Waymo和Wing，Alphabet目前的投資態度是否有變化？答：我們對Waymo的執行力感到非常自豪。它是全球唯一一家在多個城市實現商業化全無人駕駛營運的公司。目前的重點是從“實驗室規模”轉向“工業規模”。隨著第六代硬體系統的部署，我們的單位里程成本（CPM）正在迅速下降，目標是在未來24個月內實現核心營運城市的收支平衡。對於其他非核心業務（Other Bets），我們會繼續保持嚴謹的資本紀律，比如Verily的拆分和GFiber的合併。問：收購Intersect和Wiz對今年的利潤率指引有何具體影響？答：Intersect帶來了全球頂尖的算力調度技術，這正是我們解決目前算力受限問題的關鍵，雖然會帶來短期的資本支出上調，但長期資本回報率非常明確。Wiz的併入會使Cloud分部的經營利潤率在短期內受到100-200個基點的小幅拖累，但它極大增強了我們在雲安全市場的地位。我們依然致力於實現集團整體經營利潤率的逐年擴張。問：Gemini在企業級市場的付費意願如何？是否出現了類似移動網際網路初期的“Killer App”？答：真正的“殺手級應用”是跨模態的企業級搜尋與操作。目前Gemini Enterprise的客戶中，有超過60%的使用者正在使用“側邊欄”功能在工作流程中即時呼叫內部文件資料。這種生產力的提升是極其具象的，這也是為什麼我們看到付費月活（MAU）環比增長40%的原因。這不僅僅是一個對話方塊，它正在變成企業的作業系統。問：針對目前的“算力受限”狀態，你們如何決定算力的分配優先順序？答：這是一個非常嚴謹的決策過程。我們通過資本回報率框架來管理算力分配。目前的優先順序順序是：第一，支撐核心搜尋業務的AI Overviews升級，因為這是我們的基本盤；第二，保障Google Cloud外部客戶的AI訓練與生產需求，這是我們的增長引擎；第三，前沿模型Gemini 4的持續研發。通過Intersect的動態調度技術，我們現在能比以往更靈活地平衡這些內部與外部需求。問：未來搜尋業務中，廣告與訂閱模式將如何共存？答：我們的分級訂閱計畫本季度表現非常強勁，使用者表現出為更強大的模型能力（如更長的上下文窗口、更深度的邏輯推理）付費的明確意願。我認為未來的搜尋不會是單一模式，而是“廣告+訂閱”的混合體。廣告依然是提供免費、開放資訊獲取的最佳方式，而訂閱則滿足了追求極高生產力的使用者。這種雙軌制將使我們的商業模式比以前更具韌性。問：關於TPU的外售戰略，這是否會削弱Google Cloud的競爭護城河？答：我們並不這樣認為。TPU的外售主要針對那些對資料中心有極致定製需求、且具備極強自研能力的頂級實驗室或金融機構。向他們提供TPU硬體，一方面可以分攤我們的研發成本，加速TPU生態的成熟；另一方面，這些客戶通常也會配套使用我們的頂點（Vertex AI）軟體棧。我們的護城河不在於單體硬體的封閉，而在於“晶片+模型+軟體棧”的整體生態協同。 (騰訊科技)

你有沒有過這種體驗?寫周報時，翻遍五六個系統扒資料;跟客戶溝通時，反覆解釋同一個問題;處理工作流程時，卡在跨部門對接的環節動彈不得……我們總說AI能提高效率，但以前的AI，更像個“問答機器”——你問它才答，你不說它就躺平。但Google  Cloud剛出的《AI智能體趨勢2026》報告說，2026年這一切要變了。AI會從“只會回答問題的工具”，變成能聽懂目標、拆任務、跨系統自己幹活的“得力幫手”(也就是報告裡說的AI智能體)。這不是遙遠的暢想，而是已經在發生的現實。今天就跟你掰開揉碎了聊：這波AI變革到底會怎麼改咱們的工作，普通人該怎麼抓住機會?核心轉變從人親自幹活到人管AI幹活這波AI變革最核心的變化，不是“幹活更快了”，而是“幹活的方式變了”。以前咱們談AI，總說“幫人把事做快”——比如AI幫你寫初稿、算資料，最後還是得你逐字改、逐題核對。但2026年的AI智能體，厲害在“能自主搞定一整套事”：你只要告訴它“要達成什麼目標”，它會自己拆分成小任務，呼叫公司的各種系統，一步步推進，最後給你一個結果。隨之而來的，是咱們的角色大變身：從“親自執行的打工人”，變成“指揮AI的管理者”。打個比方，以前做市場經理，得自己寫文案、找資料、盯競品、做報告，一天忙得腳不沾地。2026年，你手下會有五個“AI專屬助理”：資料助理：扒遍公司內外的結構化資料，找出市場趨勢;分析助理：24小時盯競品動態、社交媒體口碑，每天給你發一頁核心洞察;內容助理：按公司的品牌語氣，寫好社交媒體文案和部落格初稿;創意助理：給文案配圖片、剪視訊;報告助理：每周自動拉取campaign資料，生成分析總結。你要做的，不是自己寫文案、找資料，而是：告訴它們這周的核心目標(比如“推廣新產品，吸引年輕使用者”)，給點策略指引(比如“重點突出性價比”)，最後檢查一下結果有沒有問題，拍板定奪就行。說白了，AI把重複、繁瑣的執行活全包了，咱們只需要聚焦“定方向、做判斷、把關結果”。而且這不是空想。資料顯示，現在已經有52%的公司，把AI智能體用在了生產環境裡：客戶服務、市場營運、技術支援、產品創新，到處都有它們的身影。比如全球最大的紙漿製造商Suzano，用AI智能體把員工的自然語言(比如“查一下某類物料的庫存”)變成系統能識別的查詢指令，5萬名員工查資料的時間直接減少95%;電信公司TELUS更狠，5.7萬名員工日常用AI，平均每次互動能省40分鐘。五大趨勢未來，AI智能體將滲透到工作的方方面面如果說核心轉變是“道”，那這五大趨勢就是“術”。我們來看看這些AI幫手會出現在那些場景，怎麼改變咱們的工作和生活。1.每個員工都有“專屬AI助理”：個人能力直接翻倍以前的AI工具，要麼是公司統一配的“大雜燴”，要麼得自己找外掛拼湊，用起來特別彆扭。未來，每個員工都會有“量身定製”的AI助理。這個助理懂公司的業務語境：能訪問內部知識庫、客戶資料、歷史工作成果，不會像通用AI那樣“說外行話”;它還能跟你配合默契：你把重複的活(比如整理會議紀要、跟進待辦事項、初步篩選郵件)交給它，自己專注於創新、談判、戰略思考這些“高價值活”。這裡要澄清一個誤區：不是有了AI助理，你就沒主動權了。它更像一個“超級執行者”，在你的指導和監督下幹活，比如寫合同，AI可以初稿，但最終的風險把控、條款談判，還是得你上。就像媒體行業，AI能幫你整理海量素材，但講什麼故事、怎麼講得動人，還是得靠人的創造力。2.公司流程變成“數字流水線”：從頭到尾自動跑如果說每個員工的AI助理是“單兵作戰”，那公司核心流程的AI智能體系統，就是“團隊協作”。以前公司的流程，比如採購、客戶支援、安全營運，都是“人對接系統、人對接人”，中間容易卡殼：比如網路出問題，得先讓技術部門檢測，再讓售後通知客戶，流程走下來大半天。未來，AI智能體系統會把這些環節串起來：發現網路異常後，AI先自動嘗試修復;修復不了，自動在現場服務系統建立工單;同時同步給客戶聯絡中心，告知客戶情況——整個過程跨系統、跨部門，不用人手動干預，人類只需要在關鍵節點監督、拍板。要實現這種“流水線”，靠的是兩個關鍵技術：A2A協議：相當於AI之間的“普通話”，不同開發者、不同框架的AI能互相溝通協作;MCP協議：相當於AI和公司系統的“資料線”，能讓AI安全訪問即時資料(比如庫存、訂單、客戶資訊)，而不是靠“過時的知識庫”幹活。比如動物保健公司Elanco，用AI智能體處理每個生產基地2500多份非結構化檔案(比如政策、流程文件)，自動分類、提取關鍵資訊、排查衝突，避免了因為資訊過期或衝突導致的生產力損失——以前這種損失在大型基地可能高達130萬美元。3.客戶服務從“被動響應”到“主動服務”：像有了“私人管家”你有沒有吐槽過傳統客服?重複說問題說三遍，轉人工要等半天，最後還沒解決。這就是“規則型自動化”的侷限，只能機械響應，不會靈活處理。未來的客戶服務AI智能體，會變成你的“私人管家”。它能記住你的歷史資訊：你上周買了件藍色毛衣，今天打電話，它一接就知道“你可能是要退換貨”;它還能主動解決問題：物流延誤了，不等你投訴，它已經查到是配送車壞了，自動安排明天最早配送，還給你充了10美元補償，發簡訊跟你確認時間。資料顯示，現在已經有49%的公司把AI智能體用在客戶服務上，這是最成熟的落地場景之一。比如家居建材品牌家得寶(Home Depot)，做了個叫Magic  Apron的AI智能體，24小時線上給客戶提供裝修指導：怎麼裝櫃子、選那種油漆、看產品口碑，就像身邊有個裝修老師傅，隨叫隨到。而且這種“管家式服務”不侷限於消費端。比如工廠裡，AI智能體能分析生產資料，發現某個班次效率低，會主動給出建議：“可以調整裝置參數，或者給員工做個專項培訓”，相當於給管理者配了個“生產顧問”。4.安全防護：從“喊警報”到“自動滅火”現在的公司安全部門，最頭疼的是“告警疲勞”：每天收到成千上萬個安全告警，分析師根本看不過來，很可能漏掉真正的威脅。就像家裡裝了100個煙霧報警器，天天響，真著火了反而沒反應。未來的安全AI智能體，會從“只喊警報”變成“主動滅火”。它能自動分流告警(那些是誤報，那些是真威脅)，調查分析(威脅來自那裡，影響多大)，甚至在授權範圍內直接採取行動(比如攔截惡意攻擊、修復漏洞)。比如cybersecurity公司Specular，用AI智能體自動化攻擊面管理和滲透測試，幫企業快速找到安全漏洞;另一家公司Torq的AI安全分析師Socrates，能自動完成90%的一級分析任務，人工操作減少95%，響應速度快了10倍——安全人員不用再埋頭處理重複告警，能專注於設計防禦架構、獵捕高級威脅。5.能不能規模化賺錢，看員工會不會“管AI”最後這個趨勢，是所有變化的關鍵：AI智能體能不能給公司帶來持續價值，核心不是買了多少技術，而是員工會不會用。現在專業技能的“半衰期”越來越短，技術領域可能只有2年。也就是說，你現在學的技能，2年後可能就過時了。而AI的普及，會讓“會不會管AI”變成職場的核心競爭力。但現在有個落差：84%的員工希望公司多提供AI學習資源，但只有29%的員工覺得公司在積極推動AI應用。而且“AI管家”“AI編排者”這種新角色，市場上根本招不到現成的人，只能靠公司內部培養。怎麼培養?報告裡給了一套實用方法，核心是五個支柱：1.定目標：比如“讓100%員工在工作中用AI”，而且要可衡量;2.找支援：組建“高管贊助人(給錢給資源)+推動者(鼓動員工參與)+技術專家(落地解決方案)”的團隊;3.造氛圍：搞遊戲化交流、案例分享，獎勵創新用法;4.融日常：把AI融入工作流，比如辦內部駭客松、實踐挑戰，讓員工在幹活中學習;5.守規則：明確那些資料能給AI用，怎麼識別AI相關的安全威脅。比如電信公司TELUS和Google合作搞了AI技能培訓，結果96%的員工說用AI的信心提升了，員工會用AI了，公司的效率和創新力自然上來了。AI時代這五種人很難替代聊完了AI智能體的趨勢，咱們回到最實際的問題：既然AI能幫著幹活、跑流程，那普通人怎麼才能不被替代?答案很簡單：AI越能幹，就越需要有人“管著它、盯著它、落地它、擔著它”。未來3-5年是AI緩衝期，咱們只要找準自己的位置，就能在變革中站穩腳。總結下來，有五種角色永遠稀缺：1.決策者：給AI定方向的“指揮官”AI再厲害，也得有人告訴它“要做什麼、為什麼做”。就像前面說的市場經理，AI助理團隊再能打，也得靠你定核心目標——是推廣新產品還是維護老客戶，是突出性價比還是強調品牌感。以前咱們做執行，滿足於“按流程幹完”就行;現在得主動思考“為什麼要做這件事”“要達成什麼結果”。比如用AI寫方案，不能只說“幫我寫個推廣方案”，而要明確“針對25-30歲職場人，推廣一款通勤背包，核心賣點是輕便防水，預算5萬，要包含社交媒體和線下快閃活動”——這樣AI才能精準發力。說白了，決策者的核心價值是“定戰略、掌方向”，這是AI學不會的。它能執行，但沒法判斷“這件事該不該做”“這麼做對公司長期有沒有好處”。2.提問者：能問對問題的“掌舵人”如果暫時做不到決策者的高度，那從“會提問”開始也完全可以。提問的水平，直接決定了AI的輸出質量。很多人用AI之所以沒效果，就是提問太隨意。比如想讓AI生成配圖，只說“給我一張漂亮的圖”，結果全看運氣;但如果你說“我想表達‘異鄉人思念家鄉’，要用溫暖的水彩風格，畫面裡要有老房子、路燈、飄著的炊煙，能不能給我三個構圖建議並簡單解釋”，得到的結果大機率就是你想要的。提問的關鍵，是先想清楚自己的目標，再把目標拆成具體的問題。職場裡常說“會提問的人，思考一定不差”，AI時代更是如此——你能問出精準的問題，就意味著你已經想透了事情的關鍵。3.看門人：給AI把關的“質檢員”現階段的AI還有個小毛病：偶爾會“胡說八道”(也就是常說的“AI幻覺”)，比如給你編一個不存在的資料，或者生成不符合公司規範的內容。這時候就需要“看門人”——用自己的專業經驗，判斷AI的輸出是不是靠譜。比如Elanco用AI處理生產檔案，AI能自動分類、提取資訊，但最終還是需要熟悉生產流程的員工把關：“這個條款是不是和最新政策衝突?這個資料是不是精準?”;再比如用AI寫合同，AI能搭框架，但涉及法律風險、核心權益的條款，還得靠法務人員稽核。看門人不用學新技能，只要你在自己的領域裡夠專業、夠細心，就能勝任。畢竟AI談論你不熟悉的領域時，你可能覺得它無所不知，但一碰到你的專業，它有沒有胡說，你一眼就能看出來。4.執行者：連接虛擬與現實的“實幹家”你可能會想：“執行的活不都被AI搶了嗎?”其實不然，AI能在電腦裡跑流程、做分析，但最終還是要有人把事情落到現實裡。比如物流智能體能安排好配送路線，但包裹還是得靠快遞員送到你手上;AI能給出工廠裝置的調整建議，但最終還是得靠技術人員去操作;AI能生成裝修方案，但敲牆、刷漆、裝櫃子，還是得靠工人師傅來幹。虛擬世界的決策，永遠需要現實世界的人來落地。而且現在很多公司看似人多，但真正腳踏實地幹活的執行者並不多，只要你靠譜、敏捷，能把AI的計畫變成實實在在的結果，就永遠有你的位置。5.責任人：為結果兜底的“擔當者”AI是工具，沒有辦法承擔責任。比如AI推薦的行銷方案出了問題，損失誰來擔?AI處理客戶資料時洩露了隱私，責任誰來負?這時候就需要“責任人”——對最終結果負責，出了問題敢擔當、能解決。未來，“誰來擔責”會成為AI時代的核心議題。比如合規智能體自動更新了工作流，但如果不符合監管要求，還是得有人站出來調整、承擔後果;客戶服務AI出了錯，還是得有人主動聯絡客戶道歉、彌補。無論你是決策者、提問者，還是看門人、執行者，最終都得是責任人。畢竟AI可以幫你幹活，但沒法替你擔責——而“敢擔當、能扛事”，永遠是職場最稀缺的品質。2026年的機會本質是“人的解放”聊了這麼多，你可能會問：AI這麼厲害，會不會取代人?答案是：不會取代人，但會取代“只會執行的人”。AI智能體不是搶工作，而是把我們從重複、繁瑣、耗精力的低價值工作中解放出來，讓你專注於只有人能做的事：創造性的思考、戰略性的決策、有同理心的溝通。這波變革的學習曲線可能有點陡，但機會屬於那些“現在就開始行動”的人：今天學著跟AI配合，學著定方向、提對問題、把好關、落好地、擔好責，明天你就是職場裡的“稀缺人才”，而不是被淘汰的“執行者”。說到底，2026年的AI變革，看起來是技術的升級，本質是“人的升級”。它讓企業變得更快、更智能，也讓每個人都有機會發揮自己的天賦和創造力。未來決定現在。看清未來將發生什麼，才能真正明白當下應該做什麼。我們認為，未來由四個關鍵領域塑造：哲學、AI科技、經濟與政治。為什麼是這四個?哲學是元起點，是意義與方向的錨點，為一切行動提供終極燃料;科技(尤其是AI)是文明進步的底座，是驅動世界向前的“發動機”;經濟是轉化器，它把科技力量轉化為真實的財富與市場機會;政治是適配性結構，它給哲學、科技與經濟提供運行框架與秩序。哲學為根，科技為器，經濟為用，政治為治。這四者環環相扣，層層支撐，相互交織，在動態的演進中共同推動現實走向未來。 (前瞻經濟學人)

作為Partner受邀來參加Google Cloud Summit的活動，也是頭一次來Las Vegas,一下飛機就看到了機場大廳裡的數十台老虎機，直接在機場玩，賭城果然名不虛傳。（機場大廳的老虎機）說正事，兩天的參會收穫很大，其實沒有完整的參加完，主要是倒時差每天下午太困扛不住，只參加了2個半天。說幾點感受吧：先說下Google這次發佈的幾個王炸級產品和服務吧：1.Google一直在推的TPU—Ironwood，這次發佈的是第七代的TPU(TPU是Google自研的AI晶片，能更高效的運行AI推理，特別是大規模神經網路)。計算能力：每個 Ironwood Pod 的峰值性能可達 42.5 exaFLOPs，是第五代的4倍。能效比：Ironwood 在每單位能耗下的性能比第六代提升了 2 倍，顯著提高了能效比。大規模部署能力：支援多達 9,216 個晶片組成的叢集，適用於訓練和推理超大規模的 AI 模型，如 Google 的 Gemini 系列。應用場景：更適合大規模AI推理訓練。（Google自研的TPU）2.Vertex AI多模態發佈：特別是在視訊生成上，性能表現遠超其它大模型，除視訊外，可以支援文生圖片、音樂和語音等多模態，直接干翻一批垂直的大模型公司。3.Agent2Agent（A2A）協議發佈：50多家主流大廠入駐支援，實現智能體跨平台通訊和協調工作，大幅提升智能體的工作效率和質量，制定了智能體的工作流的標準和基礎協議，這個太牛了，AI Agent的春天來了。4.Showcase展台區域：看到大量的基於GCP的生態企業，非常的繁榮，從安全、資料、AIagent、Startup等，整個展區50%以上都在講AI。（Showcase展區）最後的幾點感受：1.Google在Allin AI，通過大力出奇蹟，過去這2年成效顯著，畢竟手握重金，又有海量的應用和源源不斷的資料，這是其它公司無法比擬的。2.垂直大模型就不要做了，未來就是做應用和AIagent，Google把基礎的多模態大模型能力做的很好了，而且每次升級都能大幅提升性能和質量，基建越來越成熟，在此基礎上可以做出很好的應用和AIagent，如同Android系統一樣。3.在TO B業務上：歐美公司對業務的理解，以及產品化的能力真的是很強，主要原因是歐美生態系統好，是個大統一的生態，基於API可以打通各個平台之間的協作。這點是國內無法比擬的。另外就是歐美的客戶對創新的產品和服務很感興趣，也願意付費買單。另外就是資訊化程度高，這也是為什麼SAAS企業在歐美很成功，而國內很少有成功的，我想在TO B這塊可能也是一樣，中國企業未來在AI上的競爭優勢還是在TO C應用上，這是我們傳統的優勢，maybe可以通過PLG和訂閱實現TO B的覆蓋和觸達。 (跑步與創業)