🔥 開場一句話OpenAI、Anthropic（Claude）、Google（Gemini）、xAI（Grok）——四大頂流站在舞台中央，押上算力、人才、資本與未來，以完全不同的打法，上演一場技術與商業的極限狂飆。🧠 一句話定位：四條完全不一樣的路✅ OpenAI：C端王者+AGI信仰者，產品快、生態強、商業化最成熟✅ Anthropic：安全優先+企業級殺手，長文字、可控、合規天花板✅ Google：全端巨頭+多模態原生，雲+搜尋+硬體+模型閉環碾壓✅ xAI：硬核極客+即時真相，速度、效率、敢打敢沖的破局者⚙️ 核心能力硬核對比🔹 OpenAI（GPT / o1 系列）關鍵詞：極致體驗、推理天花板、生態霸權- 核心優勢：通用能力均衡，思維鏈、工具呼叫、多模態流暢度行業標竿- 產品節奏：快速迭代、小步快跑、C端引爆市場- 生態壁壘：API+ChatGPT+微軟協同，開發者與企業客戶基數最大- 適合場景：日常助手、內容創作、程式設計、智能體、通用場景全覆蓋- 一句話標籤：AI界的iPhone，好用即正義🔹 Anthropic（Claude 系列）關鍵詞：安全可控、超長上下文、企業級穩定- 核心優勢：對齊技術頂尖，幻覺低、輸出可靠、百萬Token級長文字碾壓- 產品節奏：穩、准、克制，優先合規與風險控制- 生態壁壘：政企、金融、法律、醫療等高敏感場景首選- 適合場景：文件分析、合同審查、知識庫、長鏈推理、高合規需求- 一句話標籤：AI界的頂級顧問，靠譜大於一切🔹 Google（Gemini 系列）關鍵詞：全端生態、多模態原生、算力家底厚- 核心優勢：文字/視覺/音訊/視訊原生一體，技術深度與廣度無死角- 產品節奏：大版本攻堅，依託搜尋、雲、Android、TensorFlow全面滲透- 生態壁壘：基礎設施+流量入口+硬體終端，閉環最完整- 適合場景：搜尋增強、雲端工程、端側部署、全球規模化服務- 一句話標籤：AI界的航母，體系化降維打擊🔹 xAI（Grok 系列）關鍵詞：即時資訊、極客風格、效率至上- 核心優勢：聯網即時、響應快、風格銳利，敢說敢做不端著- 產品節奏：小團隊高速迭代，成本與速度優先- 生態壁壘：馬斯克生態協同（X平台、特斯拉、SpaceX）- 適合場景：即時問答、輿情、社交互動、輕量化智能體、追求效率場景- 一句話標籤：AI界的突擊手，用速度打破秩序🧾 戰略與商業模式：完全不同的賺錢邏輯🎯 OpenAI- 路線：C端引爆 → B端收割 → AGI終局- 收入：API訂閱、ChatGPT Premium、企業定製、合作夥伴分成- 打法：先佔心智，再建生態，最後定義標準- 核心賭局：通用智能率先落地，建立絕對壁壘🎯 Anthropic- 路線：安全即壁壘 → 政企大客戶 → 高價值閉環- 收入：企業級API、私有部署、安全解決方案、雲廠商合作- 打法：以“可控可信”建立護城河，避開C端內卷- 核心賭局：AI越普及，安全與合規越值錢🎯 Google- 路線：AI重構全產品 → 雲與流量變現 → 技術標準制定- 收入：雲服務、搜尋廣告升級、企業套件、硬體AI增值- 打法：用體量覆蓋所有場景，用生態鎖死使用者- 核心賭局：AI=基礎設施，誰掌握底座誰贏🎯 xAI- 路線：極致效率 → 場景快速落地 → 跨界生態聯動- 收入：API、X平台深度整合、企業輕量合作、垂直場景授權- 打法：小而鋒利，快速試錯，單點選穿- 核心賭局：未來屬於輕量化、即時化、人格化AI📌 關鍵差異總結- 比通用能力：OpenAI ≈ Google ＞ Anthropic ＞ xAI- 比安全可控：Anthropic ＞ Google ＞ OpenAI ＞ xAI- 比多模態：Google ＞ OpenAI ＞ Anthropic ＞ xAI- 比長文字：Claude 獨一檔， others 追趕- 比速度與即時：xAI 領先，OpenAI 次之- 比生態體量：Google ＞ OpenAI ＞ Anthropic ＞ xAI- 比商業化成熟度：OpenAI ＞ Google ＞ Anthropic ＞ xAI🚀 終局判斷：誰更接近未來？- OpenAI：最像贏家，產品與生態雙領先，但面臨監管與算力壓力- Anthropic：最穩的長期票，企業與合規市場將持續擴大- Google：最可怕的對手，一旦發力，全鏈路壓制無人能擋- xAI：最大的變數，小而快、敢創新，最可能製造意外驚喜未來12–24個月，是AGI前夜最關鍵的窗口期。誰先把智能體規模化、誰先拿下企業核心流程、誰先建立安全與合規標準，誰就拿到下一個時代的船票。✍️ 結尾金句AI的戰爭，從來不是比參數、比速度，而是比誰更懂人、更懂場景、更懂商業的本質。四強爭霸，終局只有一個：能落地、能賺錢、能信任的AI，才是真正的未來。 (美瀾科技Mealyne)

直到OpenAI發佈GPT3.5的第3年後，人們才好像恍然意識到：AGI 的 A 其實有可能是Anthropic。而對於這樣一個重度 Anthropic 信徒來說，AGI 更真實含義則可能是：Anthropic Given Intelligence。只要你身處AI行業，就大機率會感受到這種我想已經可以稱之為“Anthropic Fever”的東西。它像是另一種形式的“溫水煮青蛙”，當人們反應過來的時候，才發現Anthropic好像已經佔領了自己的工作電腦和微信公眾號訂閱流。“Anthropic Fever”在中國的AGI世界裡蔓延，不僅僅只侷限於開發者。我們此前報導過《當姚順雨的巨臉降臨中國AGI》，而在那場被一些人稱作“開源四傑”的圓桌論壇裡，被提及最多的公司名字已經不是OpenAI了。以智譜GLM模型公眾號發佈的圓桌環節精修實錄計算，Anthropic和Claude總計至少被提及了27次，而OpenAI和GPT合計20次、Gemini只有兩次。其中，而身為前OpenAI研究員的姚順雨，則成為了全場最愛Anthropic的人——因為他一個人就提了16次。Anthropic也在看著中國AGI當我們談論Anthropic的時候，我們到底在談論什麼？在矽谷的基模四巨頭裡，Anthropic的業務佈局是最簡單的，但它背後被賦予的含義卻好像是最複雜的。而且正如“一千個讀者有一千個哈姆雷特”，一萬個AI參與者心目中大概也有一萬個Anthropic。2024年7月，Anthropic的頭號粉絲、矽谷老牌投資機構Menlo Venture宣佈與其合作設立一個總計1億美元的Anthology Fund，用於支援包括Anthropic生態在內的全球AI初創公司的發展。與OpenAI、Google的初創投資基金不同，Anthology Fund雖然有Anthropic的官方支援，但所有籌集資金全部來自於Menlo。那時Menlo Venture的合夥人Matt Murphy就對媒體表示：Anthology Fund的靈感來自於iFund。iFund是蘋果與風險投資公司 Kleiner Perkins合作成立於的初創基金，用於扶持IOS生態的開發者，同樣也是由專業投資機構而非生態發起者主導的基金。只是iFund成立於iPhone發佈後的第二年，2008；而Anthology則成立於GPT3.5發佈後的第二年，2024。Matt Murphy想要暗示Anthropic的生態是下一個超越IOS的OS。因為他說iFund與Anthology的最大區別是——AI的發展遠遠比iPhone更快。在2024年，最被認為像蘋果的AI公司還是OpenAI。奧特曼想要建構一個“垂直一體”的帝國，OpenAI發佈了包括GPTS在內的一系列的生態工具，秘密研發自己的晶片，半遮半掩自己的硬體計畫，還從蘋果挖來了一堆軟硬體工程師。然而在過去的一年時間裡，人們發現Menlo可能是對的。因為在AGI語境中，Apple和IOS生態可能真的是兩回事情。根據Menlo的市場資料顯示，Anthropic在企業級LLM API市場和Coding市場中都佔據了統治性的地位。其中，在2025年中旬，Anthropic在Coding市場中的佔有率高達42%，剛好是OpenAI的兩倍。而在企業級LLM API市場上，Anthropic在2025年底的市佔率則達到了40%。而OpenAI則從2023年50%的市佔率下滑到了27%，而且趨勢似乎並沒有逆轉的意思。在兩年前，OpenAI好像是不可戰勝的。而至少在企業級市場上，OpenAI已經有點“起大早趕晚集”的意思了。而今天AGI世界中，大量重要的概念都正在來自於Anthropic，比如MCP、Skills、Artifacts、Constitution，甚至是最近爆火的clawdbot（即後來的Moltbot），也是來自於claude的“諧音梗”。人們可以找到無數種理由來解釋Anthropic的成功：OpenAI的支持者會說，這是來自於巨頭早期對API市場不夠重視——在頂級入口的敘事下，API往往被錯誤地視作智能延伸的毛細血管，而非需要去認真重構的能力。與此同時，Anthropic傾其所有將業務押注在了API敘事上，所以在局部市場中取得了局部的成功。但Coding以及今天相當大一部分的API場景其實是沒有忠誠度的，OpenAI只要推出更強大的模型能力，戰局就會從根本上扭轉。而GPT-5.3 Codex其實就是為今年OpenAI局部反攻的開始，因為Codex最近終於在Coding的benchmark上超過了Opus。而Anthropic的支持者會認為這來自於一種獨特的“品味”——在商業戰場中，能力領先本來就是護城河本身。豐田之所以能擊敗福特，不是因為豐田重新發明了汽車，而是豐田掌握了一種獨特的精益生產方式，並且不斷迭代自己的工業開發和生產效率。Anthropic同樣建構了屬於自己的體系和對產品的審美。在過去很長的一段時間裡，這家公司是基模四巨頭中的絕對異類。Gemini的定位敘事與OpenAI高度重合，X.ai力圖講一個物理世界的新故事，但在入口重要性認同上與前兩者高度一致。只有Anthropic似乎根本不關心“超級入口”能力，只是專心做生產力生態和它的一系列衍生品。在四個頭部公司裡，Anthropic對免費使用者最為苛刻，這家公司本質上是將免費使用者視為“債務”而非“資產”；在端內的即時搜尋能力方面最為保守；在語言表達習慣上，也絕不討好迎合使用者。Anthropic也是頭部基模廠裡唯一沒有做多模態生成的公司，更不碰全模態的產品線。此外，它過去也是唯一長期通過購買AWS等雲廠商算力來支援訓練和推理的基模公司。通過購買的雲服務而非自建資料中心，從而減緩現金流失。直到最近資本市場開始紛紛想把鈔票塞進Anthropic帳戶的時候，它才終於開始籌劃自建大型算力中心。這種極其專注的業務姿態，讓它得以從巨頭中找到了自己的路。Anthropic建構的高安全敘事的Constitutional AI，非常符合企業級使用者的採購審美；Claude長期耕耘的長下文能力、邏輯推理一致性等能力，又切中了大量生產力場景的需求；它推出的MCP協議、不斷探索的Computer Use場景互動，又為接下來的Agent互動時代打下了基礎。而且隨著Anthropic在企業級市場大殺四方。人們也慢慢發現，API場景也並不意味著“低護城河”。因為模型一旦被深度嵌入到一些工作流裡時，它一旦跑順暢了，智能上限的重要性則會逐步退位給模型與工作流耦合後的穩定性，再加上企業IT主管往往本能地厭惡更換服務商——這也是為什麼Anthropic為什麼會為生態提供了大量過去的模型版本的原因。而對舊版本依賴的客戶，往往是最穩定的使用者。隨著AI的能力越跑越快，它與生產關係相互嵌入的程度幾乎必然會不斷加深，誰能跑得更前，誰就會佔據更好的生態位置。換言之，高護城河的API場景會越來越多。當Opus最新模型發佈後，有華爾街分析師直接將其稱之為“SaaSpocalypse”，即SaaS+Apocalypse（末日）。一方面，Claude Cowork原本就在加劇市場對於 AI 顛覆 SaaS 的恐慌情緒；另一方面，Opus超長的百萬級上下文能力，足以吞噬掉海量的企業內部資料，且Anthropic同時還發佈的Claude系列法律等行業自動化外掛。最終共同導致大量的SaaS股票在市場上被恐慌性拋售。所以對於普通使用者來說，Anthropic是一個趁手的工具。它能提升生產力，加速項目周期，可玩性豐富。而對於投資者來說，Anthropic代表了AGI競爭中一種獨特的商業審美。它用最少的錢，撬動了最大的估值水平，力圖在最短的時間率先實現PMF。對於AI觀察者來說，Anthropic代表了一種AI的哲學觀念，克制、安全、緩慢。Claude新憲法為所有人介紹了一種讓AI進行道德對齊的範式，對模型場景能力的專注與成功，又讓打榜這件事情顯得有些滑稽而愚蠢。而綜合以上所有：OpenAI們的本質更像是在用網際網路的思維去建構AI帝國，創造一個服務人的AI生態，是一個相對存量的市場。而Anthropic的本質是不斷創造為AI和Agent服務的工具，建造一個以Agent為主體的新世界。奧特曼也在最近回應Anthropic超級碗廣告的推文中側面應證了這種公司站位差距：他說OpenAI力圖服務普通人，而Anthropic只希望服務“富人”。因此，奧特曼相當於承認廣告植入背後是兩家公司不同商業模式帶來的不同結果。但人們已經能看出奧特曼在輿論戰中正處於相對被動的一方。畢竟去年在超級碗投廣告的還是OpenAI。然而，當Anthropic的成功飄到大洋“此岸”。它可能又會成為另一種敘事，一種可以重新給投資人和員工徐徐道來的故事——儘管這些故事的側面其實也都不盡相同。當OpenAI不再成為所有人的故事再次回到姚順雨的那個論壇上，其實當中參會的不少人，都曾經與OpenAI的名號有著一些糾纏：姚順雨，前OpenAI研究員，ReAct、Tree of Thoughts 的提出者；楊植麟，在DeepSeek之前，Kimi一度被認為是最可能復刻ChatGPT應用神話的“小龍”；唐傑，智源研究院被認為是中國境內最像早期OpenAI的研究機構並孵化了今天的智譜；林俊暘，被認為是對OpenAI技術路線最敏感、理解最深入、執行最堅決的中國開發者之一。但今天其中不少人都成為了Anthropic的追隨者。比如姚順雨，作為全場提及Anthropic名字最多的嘉賓，他實際在用Anthropic解釋三件事情：第一，刷分不那麼重要，能力才重要。你看，Anthropic就不愛刷分，但不妨礙使用者們愛它。第二，它說Anthropic“基本上不做什麼創新”，“模型預訓練變大了，然後老老實實把RL做好”。第三，對創業者來說，To B 比 To C 更難。因為Anthropic的模型能力和收入正相關，模型能力帶來使用者支出的增長。所以Anthropic證明，B端要做好模型能力上限，而C端的情況可能更複雜。楊植麟的演講主要圍繞著預訓練的效率革命，公開提出“大而美”的口號。在演講最後，楊植麟強調“Taste”的能力。他說“做模型的過程本質上是在創造一種世界觀”。而智能不會像水電一樣是相同的，而是如人一般迥異的。未來taste空間會越來越多，模型會有更多新的taste出來。而效率和Taste剛好是Anthropic的重要標籤。在去年最後一天，Kimi發的內部信裡，楊植麟公開表示下一階段要以“超越Anthropic 等前沿公司成為世界領先的AGI公司”——不是OpenAI，也不是Gemini或者Grok，而是以Anthropic作為了直接對標的代表。而超越之路，其實也如上所述：更好的預訓練+垂直整合模型訓練與Agent的Taste。唐傑背後的智譜，被主持人李廣密直接稱作“走了Anthropic這條路線”的公司。它在產品矩陣和技術研發思路上，與Anthropic最相似，對Coding和Agent都下了重注。用唐傑的話說，他們“運氣好Bet了Coding”，（此前）“把所有的精力放在了Coding上”。而唐傑在當天的演講中表示，智譜還要進一步去探索Agent的生態能力——有點摸著Anthropic過河的意思了。除了智譜外，階躍等公司也在不斷試水Agent相關產品。而MiniMax，駱軼航老師專門寫了一篇文章來論證 《最像 Anthropic 的中國 AI 公司，是MiniMax》，因為他們共享了一種類似的技術理念與審美。這種價值對標遷移的背後，也是整個中國AGI戰場的變換。一方面，OpenAI的敘事的確在“老去”。無論是誰，他們在討論Anthropic的時候確實也都在表達相似的技術理念和商業審美：當AI進入下半場的時候，真實場景的能力比刷分更重要、實實在在的價值會超越懸浮的商業敘事、Agent的能力會繞過龐大的入口，以及無論在那裡，人們終究會為了更好的生產效率付費。而對標Anthropic“替代”會吸引更多的專業使用者加入，屬於天然更高性價比的敘事策略。另一方面，對於不少人來說，中國OpenAI的敘事也事實上在“遠去”。因為中國OpenAI似乎已經有了自己的答案（如果我們真的有自己的OpenAI）的話——字節在前，阿里緊追，DeepSeek則保留“銀子彈”的鬼魅。相比於以上三者，其餘每個人其實都有自己的難題要解。創業公司無法支援一個AI入口的超級戰爭；騰訊有超級入口，但模型能力還有待追趕。但對於很多人來說，中國OpenAI的敘事卻已經不再是資產，而是成為了負債，從“解藥”變成“毒藥”。所有人都必須要在心裡回答一句——我們該如何面對中國OpenAI的競爭。而大洋彼岸的Anthropic便給了所有人最好的示範，也就成了許多人對中國OpenAI問題的解藥。尤其在春節AI大戰如火如荼的當下，人人擁抱Anthropic，這何嘗又不是一種對某種中國版OpenAI式敘事的反叛呢？如果說Anthropic是對OpenAI採取了一種系統且深刻的反叛，那麼中國AI不同的人，其實都懷揣著各自不同的“Anthropic”，這裡既有對宏大願景的興奮，也有戰場遷移的無奈。但可以肯定的是，未來Anthropic主導的生產力敘事將成為接下來一段時間的新故事，一針新的估值與產業興奮劑，而無人將可以真正倖免於Anthropic敘事（包括OpenAI們）。 (矽星人Pro)

有“美國春晚”之稱的第60屆超級碗（Super Bowl）已在加利福尼亞州聖克拉拉李維斯體育場開幕，爭奪廣告關注度的戰鬥將在數億塊螢幕上展開。商業廣告已成為超級碗最具文化標誌性的元素之一，許多觀眾觀看比賽的目的僅僅是為了觀看廣告。由於NFL（美國國家橄欖球聯盟）對商業廣告版權收取高額費用，超級碗廣告的預算遠高於普通電視廣告，並且經常使用名人代言。在此次超級碗廣告中，出現了多家科技公司的身影。OpenAI和Anthropic正在利用第60屆超級碗將他們產品之爭不斷升級。此前，Anthropic公開抨擊OpenAI的新廣告模式，而OpenAI則自稱這是代表了人工智慧的未來。啤酒巨頭百威英博是第60屆超級碗的最大廣告商。該公司已鎖定約兩分半鐘的全國性超級碗廣告時段和45秒的區域性廣告時段。其計畫利用超級碗作為跳板，為旗下旗艦品牌百威（2025年美國銷量排名第七）、百威淡啤（排名第三）和米凱羅超醇（排名第一）的2026年行銷活動造勢。百威的廣告將更加嚴肅，注重品牌傳承，明確與品牌150周年慶典相關，並強調其“美國製造”的特色。零售及配送公司Instacart將在超級碗期間播出一段名為“香蕉”的30秒廣告。這將是該公司第二次在超級碗上投放廣告。這段由斯派克·瓊斯執導的廣告片中，本·斯蒂勒和本森·布恩在一個60英呎高的舞台上展開了一場音樂對決，他們用一首關於如何挑選完美香蕉的二重唱來介紹該公司的香蕉成熟度選擇功能。房貸巨頭Rocket Mortgage將在超級碗期間投放重磅廣告，屆時將播出由Lady Gaga出演的60秒廣告，該廣告同時也是與Redfin的聯合宣傳活動。值得注意的是，ocket於去年收購了 Redfin，並希望借此向消費者推廣其“全套房屋購房流程”平台（包含搜尋和金融服務）。百事公司將投放百事零糖、樂事薯片和波比薯片的廣告，力圖在“更健康”零食領域佔據一席之地。佳得樂品牌將不會投放廣告，但會像往常一樣出現在廣告宣傳中。直接面向患者的遠端醫療公司Ro將攜手網球傳奇人物塞雷娜·威廉姆斯，在超級碗上首次亮相，推廣GLP-1類藥物。廣告重點展示了她成功減重34磅（約15.4公斤）以及各項健康指標的改善，包括膽固醇降低和關節壓力減輕。該廣告旨在將減肥藥從一種美容捷徑轉變為一種嚴肅的臨床干預手段。諾和諾德計畫在超級碗比賽期間投放其首個廣告，這是一支90秒的明星雲集的廣告，旨在推廣其新型口服減肥藥Wegovy。飲品公司Liquid Death將連續第二年亮相超級碗，在上半場播出30秒的全國性廣告。這則廣告將重點宣傳該品牌的新款Sparkling Energy系列，延續其此前“Safe for Work”超級碗廣告一貫的戲謔幽默風格。Liquid Death是眾多有望在未來上市的飲料新貴之一。酒企Sazerac公司將攜旗下Svedka伏特加品牌時隔12年重返超級碗賽場。這則廣告預計將成為首批主要採用生成式人工智慧技術製作的廣告之一。創意方案重新啟用了Svedka在2000年代中期推出的“女機器人”吉祥物。聯合利華旗下的Liquid IV品牌將在超級碗上首次亮相，其廣告旨在將補水重新定義為“制勝之道”，而非一種健康潮流。該品牌首席行銷官表示，這則廣告旨在“顛覆人們對健康的固有認知”，利用超級碗的舞台，使補充電解質和提升運動表現的補水方式常態化。Meta Platforms將重返超級碗期間投放廣告。此次廣告旨在推廣該公司新推出的Oakley品牌人工智慧智能眼鏡系列。凱迪拉克將利用第60屆超級碗電視廣告揭曉其首款F1賽車的塗裝。該賽車由通用汽車和TWG Motorsports共同支援。凱迪拉克F1賽車已獲得國際汽聯（ FIA）和一級方程式（FWO ）管理層的正式批准，將於2026賽季正式加入世界錦標賽。 (美股財經社)

科研界要變天了！就在剛剛，OpenAI宣佈一項重磅成果：GPT-5自動做實驗，並實現一項科學突破！科學家要親自動手做耗時又燒錢的實驗的時代，正式宣告終結！OpenAI與Ginkgo Bioworks合作，將GPT‑5 接入實驗室，由機器人完成實驗操作並反饋資料。目標是最佳化一項廣泛應用的生物技術：無細胞蛋白合成（CFPS）。結果顯示，GPT-5僅用三輪實驗，就刷新了低成本無細胞蛋白合成的SOTA：蛋白生產成本降低40%，試劑成本降低 57%，還開發出多款新型反應體系。在生物、化學、醫學等科研領域，做實驗是最為耗神、耗力的環節之一。而如今有了AI，科學家只需要適時進行人工監督即可，大大解放了生產力。OpenAI這一步棋，是希望通過連通大模型與自動實驗室，讓AI成為科學家們的核心配置。更深層的轉變是：AI不再只是科研的輔助工具，而是以遠超人類極限的規模、速度與精度，持續生成新的科學知識。OpenAI首席執行長奧特曼表示，未來兩年，AI將在生物學、化學、物理學領域，做出真正意義上的發現。AI顛覆科學的時代，正在加速到來！AI化身超級科學家，破解生物難題無細胞蛋白合成（CFPS）是一種不依賴活細胞來製造蛋白質的技術。傳統方法需將DNA匯入細胞，等待細胞表達蛋白。而無細胞蛋白合成直接在體外混合液中啟動蛋白合成機器，快速產出目標蛋白。蛋白質，是現代生物學的核心：許多重要藥物基於蛋白質（如抗體、胰島素）診斷試劑和科研檢測高度依賴蛋白質工業上，蛋白質作為酶，可讓化學反應更清潔、高效一旦蛋白生產變得更快、更便宜，科學家就能更快驗證更多想法，也讓研究成果更快惠及日常生活。但挑戰在於，無細胞蛋白合成的最佳化極其困難，且規模化生產成本居高不下。為瞭解決這一問題，OpenAI將GPT-5 與Ginkgo Bioworks的雲實驗室相結合，建構了一個閉環自主系統。所謂雲實驗室，就是一種通過軟體遠端操控的自動化濕實驗室，由機器人完成實驗操作並反饋資料。具體流程是：GPT-5負責資料分析、生化推理、假設生成，將實驗方案傳送至自動化實驗台。實驗台完成實驗，包括自動化液體處理、樣品培養、螢光檢測，再將資料與指標回傳GPT-5。GPT-5隨即分析結果、提出新假設、設計下一輪實驗，形成閉環。本次研究，系統完成超 36000 次反應，覆蓋 580 塊自動化實驗板。這樣的規模，至關重要：生物學實驗存在隨機性，唯有高通量與快速迭代，才能從隨機波動中識別真實訊號。最終結果是，GPT-5僅用三輪實驗、兩個月時間，就刷新記錄。相較此前最優基準，蛋白生產成本降低40%。研究人員表示，自動實驗室與大模型是互補關係：大模型能生成創新設計，而生物學研究，最終仍需實驗驗證與迭代。下一步，這類方法將被應用於更多生物實驗中，幫助加速科學發現。AI賦能科學發現，中美同競速目前，聚焦「AIforScience」，中國和美國均在大力押注。去年11月，川普簽署行政令，啟動了名為“創世紀使命”的國家計畫。其核心是打造一個名為“美國科學與安全平台” 的國家級AI科研平台。該平台由美國能源部牽頭，旨在整合其下屬17個國家實驗室、全美的超級計算資源、龐大的聯邦科學資料集以及矽谷科技公司的力量。該平台有明確的量化目標：在十年內使美國科研與創新的生產力和影響力翻一番。其優先聚焦的六大領域，包括：先進製造、生物技術、關鍵材料、核裂變與聚變能源、量子資訊科學、半導體與微電子。其主要目標之一是加速打造自主實驗室等新一代科研基礎設施。核心價值在於用“AI+自動化”變革科研範式：將科學家從重複實驗中解放，專注於創造性設計。中國在建設科技強國的關鍵征程上，也將AI for Science視為國家科研的底層競爭力。在《中共中央關於制定國民經濟和社會發展第十五個五年規劃的建議》，將“以人工智慧引領科研範式變革”放在“人工智慧+”行動的首要位置。《國務院關於深入實施“人工智慧+”行動的意見》中，也明確將“人工智慧+科學技術”列為首要重點行動。去年7月，北京發佈了全國首個專門針對AI for Science的轉向性政策檔案，旨在打造國家級的科學智能創新策源地和應用示範區。與此同時，上海、粵港澳大灣區、合肥等地通過AI+新材料、AI+創新藥、AI+生物製造等一系列細分領域的扶持計畫，將智能賦能的理念深度融入本地優勢科研與產業賽道。那些企業，值得重點關注？國家層面之外，利用AI加速科學發現，也是頂級AI企業的共同目標。Google DeepMind已推出多個具有重要意義的科學模型，包括AlphaFold（蛋白質結構）、AlphaGenome（DNA調控）等等。Google DeepMind的CEO，Demis Hassabis，因其在AI蛋白質結構預測上的貢獻獲得了2024年諾貝爾化學獎。基於AlphaFold，他創立了AI製藥公司Isomorphic Labs，公司第一款由AI設計的藥物將於很快進入臨床試驗。Demis Hassabis曾表示，借助AI的力量，人類將在十年內消滅所有疾病。Anthropic也宣佈推出Claude for Life Sciences模型，進軍生命科學領域。目前，Anthropic正在和合作夥伴打造一個基於大模型+AgentSkills+科研知識庫+科研工具的科學生態，諾和諾德和賽諾菲已開始試用。根據智藥局統計，去年以來，多家專注於AIfor Science的初創公司獲得新一輪融資，總額超過8億美元。最為典型的便是Lila Sciences。去年3月，這家公司走出隱匿模式，僅僅半年時間，累計融資達到5.4億美元，投資者包括輝達、木頭姐ARK Venture Fund、Flagship Pioneering 等知名機構。公司致力於建構世界上第一個科學超級智能平台，以及應用於生命科學、化學和材料科學的完全自主實驗室，最終形成人工智慧科學工廠（AISF）。公司表示，在短短幾年的開發中，該平台在醫療、材料、環境等多個領域展示了超越人類和現有AI的性能，包括基因醫學產品，發現和驗證數百種新型抗體、肽和結合劑、酶催化劑、碳捕劑等。去年12月，非盈利初創公司FutureHouse宣佈拆分Edison Scientific，用於打造全球頂尖的AI科學家，並負責商業化。此前，FutureHouse推出新一代AI科學家Kosmos，迅速成為海外科研界焦點，號稱“目前最強大的AI科學家”。Kosmos一次運行即可閱讀1500篇論文並執行42000行程式碼，實驗結果顯示，Kosmos一天就能完成相當於人類六個月的工作量，且近80%的研究結果可復現。而在中國，這類公司起步更早，早在數年之前便已佈局這一領域，形成了獨特的競爭優勢。成立於2015年的晶泰科技與DoveTree簽訂最終合作協議，將利用其基於“AI+機器人”的端到端人工智慧藥物發現平台，為DoveTree選定的多個靶點發現和開發小分子及抗體類候選藥物，雙方合作的最終金額有望高達59.9億美元。去年4月，百圖生科發佈了全球首個AI生命科學基礎大模型驅動的生成式發現系統，在生命科學領域的表現中領先於DeepSeek-R1、OpenAI-o1-mini等其他通用AI產品，合作客戶包括清華大學生物醫學工程學院、中國農業科學院、石藥集團等。不久前，津渡生科宣佈完成數千萬元天使+輪融資，領投方為紅杉中國種子基金。公司自主研發的一站式生物科學研究平台BioFord™，支援基因組、轉錄組、蛋白質、RNA三維結構等多模態資料的智能分析，覆蓋醫學診斷、藥物研發、生物製造等多個領域。 (智藥局)

【新智元導讀】Andrej Karpathy與Claude Code負責人Boris Cherny展開了一場關於程式設計未來的終極對談。面對AI接管100%程式碼編寫的現狀，Karpathy坦言人類正處於「腦萎縮」與能力進化的十字路口。本文深度解析了從Software 2.0到Agentic Coding的範式轉移，揭示了在Opus 4.5等強力模型加持下，程式設計師如何從「搬磚工」進化為「指揮官」，以及不僅要面對效率的飛躍，更要警惕「垃圾程式碼末日」的隱憂。2026年的開篇，科技圈被一場關於「程式設計本質」的深度對話引爆。這場對話的雙方，一位是特斯拉前AI總監、OpenAI創始成員 Andrej Karpathy，他是「Software 2.0」概念的提出者，一直站在程式設計範式轉移的最前沿；另一位是 Claude Code 的締造者、Anthropic 的核心人物 Boris Cherny，他正在親手打造終結傳統程式設計的工具。他們的討論不僅僅是關於工具的迭代，更像是一場關於人類技能邊界的哲學思辨。當程式碼不再由人類一個個字元敲擊而出，我們究竟是在進化，還是在退化？這場對話揭示了一個殘酷而興奮的事實：我們正處於從「指令式程式設計」向「聲明式意圖」徹底轉型的奇點。「我兩個月沒手寫過一行程式碼了」 從輔助到接管震撼的開場白來自 Claude Code 的負責人 Boris Cherny。「兩天狂發 49 個 PR！」 這是 Boris 團隊目前的工作常態。他透露，Claude Code 團隊目前的開發工作幾乎100% 由 Claude Code 結合 Opus 4.5 完成。「對我個人而言，這種情況已經持續兩個多月了，我甚至不再手動進行任何小微信調。」 Boris 的話語中透著一種跨越時代的自信。無論是在 CLI 命令列，還是在 iOS 手機端，程式碼的生成、測試、提交，全流程由 AI 接管。這不僅僅是一個效率提升的故事，而是一個工作流重構的故事。Boris 分享了他極其硬核的「AI 原生」工作流：他通常會在終端同時運行 5 個 Claude 實例，甚至在 Web 端再開 5-10 個。他不再是那個逐行敲程式碼的工匠，而是一個指揮著一支 AI 軍團的指揮官。他使用「Plan Mode」（計畫模式）讓 AI 先思考策略，確立方案後再切換到執行模式。這種「平行化開發」的能力，讓一個人的產出足以匹敵一個傳統的小型開發團隊。而 Karpathy 的體驗也印證了這一點。他在長文中感嘆：「2025年11月，我還是80%手動+20% AI；到了12月，直接變成了80% AI + 20%手動。」「我在用英語程式設計。」Karpathy 略帶自嘲但也無比誠實地承認，「這有點傷自尊，告訴 AI 該寫什麼，就像在指揮一個實習生。但當你習慣了那種大規模駕馭軟體的『程式碼操作』能力後，你根本回不去了。」深度解析 從 Software 2.0 到 Agentic Coding要理解 Karpathy 的震撼，我們必須回溯他在 2017 年提出的 「Software 2.0」 概念。當時的 Software 2.0，是指用神經網路權重替代人工編寫的邏輯（Software 1.0）。程式設計師的角色從「編寫規則」變成了「整理資料」。而今天，我們正在邁入 Software 3.0 或者說是 Agentic Coding（代理編碼） 的時代。在這個階段，只有「意圖」（Intent）是人類提供的，而實現細節（Implementation）完全由 AI 掌控。Karpathy 敏銳地指出，這種轉變標誌著程式設計範式從「命令式」（Imperative）向「聲明式」（Declarative）的終極飛躍。過去：你需要告訴電腦「第一步做什麼，第二步做什麼，如果出錯怎麼辦」。現在：你只需要定義「成功標準是什麼」。正如 Boris 團隊所實踐的，利用 Claude Opus 4.5 強大的長程推理能力和 CLAUDE.md 這樣的記憶檔案，AI 能夠理解項目的整體架構上下文。Opus 4.5 在 CodeClash.ai 等基準測試中展現出的統治力，證明了它不僅僅是一個程式碼補全工具，而是一個具備邏輯推理、能夠自我修正的「工程師」。它不僅能寫程式碼，還能管理依賴、重構架構、甚至編寫測試用例來驗證自己的程式碼。這種「循環驗證」（Looping）能力是 Agentic Coding 的核心。AI 不再是寫完就忘，它會在一個封閉的循環中運行測試、讀取報錯、修改程式碼，直到通過測試為止。這正是 Karpathy 提到的「Feel the AGI」（感受通用人工智慧）的時刻——看著 AI 在30分鐘內不知疲倦地嘗試幾十種方案最終解決難題，人類感受到了前所未有的「槓桿效應」。10x 工程師的重新定義 通才的勝利隨著 AI 接管具體的編碼工作，「程式設計師」這個職業的定義正在被劇烈重寫。Boris 直言不諱：「我們現在傾向於招募『通才』（Generalists）。」在 LLM 能夠自動補全所有技術細節的時代，過去那些死記硬背的 API、特定語言的奇技淫巧，不再是護城河。你不需要記住 Python 的某個庫函數的具體參數，因為 AI 肯定記得比你清楚。真正的 「10x 工程師」 依然存在，但他們的能力模型發生了重組。未來的頂級工程師將是那些擁有宏觀視野的人——他們必須是能橫跨 產品與設計、業務甚至底層架構 的多面手。他們是產品經理：能清晰定義需求，識別偽需求。他們是架構師：能設計高可用的系統結構，指揮 AI 去填充模組。他們是測試官：能敏銳地發現 AI 邏輯中的漏洞，制定嚴格的驗收標準。Karpathy 也提出了深刻的疑問：「借助 LLM，通才是否會全面碾壓專才？」答案似乎是肯定的。AI 擅長填補微觀的細節（Fill in the blanks），而人類需要負責宏觀的戰略（Grand Strategy）。未來的程式設計，更像是玩《異星工廠》（Factorio）或者《星海爭霸》——你在指揮千軍萬馬，而不是親自去挖每一塊礦石。那些只專注於「把需求翻譯成程式碼」的初級程式設計師（Junior Devs），將面臨最嚴酷的生存危機。「廢用性萎縮」與 「Slopacolypse」繁榮背後的陰影然而，這場革命並非沒有陰影。Karpathy 最深刻的擔憂在於——「腦萎縮」（Atrophy）。「我已經注意到，我手動寫程式碼的能力正在緩慢退化。」Karpathy 描述這種感覺。在大腦的認知功能中，生成（Generation）和辨別（Discrimination）是兩種完全不同的能力。以前的程式設計師通過大量的「生成」訓練（寫程式碼）來強化邏輯；而現在，我們越來越依賴「辨別」能力（Review 程式碼）。這就像計算器的普及讓我們喪失了心算能力一樣。雖然我們還能讀懂程式碼（Review），但那種從零建構系統、對每一行程式碼都了然於胸的「肌肉記憶」正在消失。當你不再親自處理記憶體管理、不再親自偵錯並行死鎖，你對電腦系統的底層理解是否也會隨之膚淺化？更可怕的是 Karpathy 預測的 2026年 「Slopacolypse」（垃圾程式碼末日）。隨著 AI 生成內容的氾濫，網際網路和程式碼庫可能被大量低品質、看似正確實則充滿隱患的「垃圾」（Slop）填滿。GitHub 上可能充斥著由 AI 生成的、無人能維護的「屎山」。Karpathy 警告：目前的 AI 仍然會犯錯，不是簡單的語法錯誤，而是那種「粗心的初級程式設計師」才會犯的微妙概唸錯誤。它們會過度抽象，會堆砌死程式碼（Dead Code），會盲目順從你的錯誤假設。如果不加節制，軟體工程的熵將急劇增加。對此，Boris 則持一種「技術樂觀主義」態度。他認為「垃圾末日」不會到來，理由是——AI 審 AI。「我們在 Anthropic，每個 PR 都會開啟一個新的上下文窗口，讓 Claude 去 Review Claude 寫的程式碼。」這種「左腳踩右腳」的螺旋上升，被 Boris 視為解藥。隨著模型能力（特別是 Opus 4.5 及其後續版本）的提升，AI 清理垃圾程式碼、重構程式碼的能力將超過它製造垃圾的速度。未來的 IDE 可能不僅是程式碼編輯器，更是一個全自動的垃圾回收站，即時清洗著 AI 產生的冗餘。昇華：相位轉換的一年Karpathy 將 2026 年定義為 「行業代謝新能力、發生相位轉換（Phase Shift）的關鍵一年」。這不僅僅是效率的提升，而是物種的進化。我們正在經歷從「手工匠人」到「工業化生產」的劇變。在這個新時代，人類的角色從「建築工」變成了「建築師」。我們失去的是搬磚的手感，得到的是建造摩天大樓的視野。程式設計不再是關於「語法」和「演算法」的苦修，而是關於「想像力」和「邏輯」的釋放。但正如 Karpathy 所言，看著 AI 不知疲倦地在30分鐘內解決一個只有人類專家才能解決的難題，那種 「Feel the AGI」（感受通用人工智慧） 的時刻，既讓人興奮，也讓人感到一絲作為碳基生物的落寞。程式設計已死，程式設計萬歲。死的是作為「打字員」的程式設計師，活下來的是作為「創造者」的我們。當你不再需要為語法報錯而抓狂時，唯一限制你的，就只剩下你的想像力，和對世界本質的理解了。 (新智元)

別再爭論AI 什麼時候能趕上人類了。頂刊《Nature》剛剛發文宣佈：不用等了，就是現在。如果說 1950 年阿蘭·圖靈（Alan Turing）提出的“模仿遊戲”只是一個天才的腦洞，那麼 75 年後的今天，這個腦洞已經被矽基生物徹底填平。今天，一篇發表在《Nature》上的重磅文章引爆了科技圈。這就好比《皇帝的新衣》裡那個誠實的小孩，來自加州大學聖地亞哥分校等機構的頂級哲學家、認知科學家和電腦專家們聯名站出來，指著那個名為“通用人工智慧（AGI）”的房間大聲宣佈：“別找了，AGI 就在這兒。它已經誕生了。”01 別再自欺欺人：圖靈測試已成“過去式”還記得一年前，2025 年的3月， OpenAI 發佈 GPT-4.5的那個春天嗎？當時業界還在為參數和算力爭吵不休，但在一個最古老的測試場上，勝負已分。在嚴格的圖靈測試中，GPT-4.5 被人類受試者判定為“真人”的比例高達 73%。諷刺的是，在同一場測試中，真正的人類被判定為“人”的比例，竟然比 AI 還要低。這意味著什麼？意味著在“像人”這件事上，AI 已經比人更像人了。更別提現在的讀者們，比起人類專家寫的晦澀文章，他們甚至更愛讀大語言模型生成的文學作品。然而，奇怪的事情發生了。儘管事實擺在眼前，根據 2025 年的一項調查，仍有 76%的頂級 AI 研究人員認為 AGI 遙遙無期。《Nature》這篇文章的作者們毫不留情地指出：這種認知錯位，不是因為 AI 不夠強，而是因為人類“不敢承認”。因為恐懼被取代，因為商業利益的糾葛，我們不斷地移動球門，給 AGI 設下各種不可能完成的定義。但現在，是時候撥開迷霧，承認現實了。02 別再叫它“學舌鸚鵡”：鐵證如山的進化階梯曾幾何時，嘲笑 AI 是我們的一大樂事：“它連小學數學都算不對”、“它就是個只會機率預測的隨機鸚鵡（Stochastic Parrots）”、“它經常一本正經地胡說八道（幻覺）”。但在這個2026 年的開端，如果你還抱著這些老黃曆看 AI，那你可能已經成了那個“活在舊時代的人”。文章作者並沒有空談哲學，而是根據一系列硬核證據，建構了一個評估 AGI 的“三級階梯”。對照一下，你會發現我們正處於什麼位置：Level 1：圖靈測試級（已通關）這是幾年前的標準。能通過學校的基礎考試，能進行像樣的對話，能做簡單的推理。那時的 AI，或許還只是個“聰明的復讀機”。Level 2：專家級（Current Level，當前已達成）這就是我們現在面對的怪物。數學：它們不僅拿下了國際數學奧林匹克競賽（IMO）的金牌，還能與頂級數學家合作證明未知的定理。科研：它們生成的科學假設，已經在現實世界的實驗室裡被驗證為真。全能：它們能通過多學科的博士資格考試，能幫專業程式設計師寫出無 Bug 的複雜程式碼，能精通幾十種語言創作詩歌，還能同時和全球數億人聊天。對比：科幻電影《2001太空漫遊》裡的超級電腦 HAL 9000 曾是我們的噩夢，但現在的 LLM 在知識廣度上，實際上已經超越了 HAL 9000。Level 3：超人類級（正在逼近）這要求 AI 做出人類完全做不出的革命性科學發現。雖然 AI 還沒完全做到這一點，但作者強調：這不是 AGI 的必要條件。畢竟，能不能拿諾貝爾獎並不是衡量一個人是否“有智能”的標準。面對這些成就，那些質疑聲顯得越來越蒼白。每當 AI 攻克一個新堡壘（比如做出了從未見過的數學題），懷疑論者就會立刻把標準提高：“哦，那不算，它得能理解情感才行……”對此，文章中有一句精彩的“打臉”：“面對每一次成功都在不斷後退的假設，預測下一次一定會失敗……這根本不是有說服力的科學理論，這只是對‘永遠懷疑’的一種教條式堅持。”不管是做數學題、寫程式碼，還是理解物理世界的因果律（比如它知道枕頭掉地上不會碎，而玻璃杯會），現在的 AI 都表現出了圖靈當年所定義的“通用認知能力”。AGI 的大門已經被踢開了。無論你是否準備好，我們都已經和一種“異類智能”生活在了同一個屋簷下。03 為什麼專家還在裝睡？因為我們把 AGI 神話了既然證據確鑿，為什麼還有 76% 的專家搖頭說“不”？為什麼我們在社交媒體上還在爭論 AI 是不是“人工智障”？文章指出，問題出在我們對“智能”的定義上，我們太自戀了，也太苛刻了。誤區一：AGI = 全知全能的神很多人潛意識裡覺得，AGI 必須是一個完美的“六邊形戰士”。它得有愛因斯坦的物理頭腦，莎士比亞的文采，還得像甚至不像任何一個人類那樣犯錯。但作者反問：“居里夫人不懂數論，愛因斯坦不會說中文，難道他們就沒有通用智能嗎？”人類都不是全能的，我們憑什麼要求 AI 必須是神？真相：真正的通用智能，看的是廣度（Breadth）和深度（Depth）。只要它能像普通人類一樣在不同領域間切換，並且在這些領域達到專家水平，它就是 AGI。誤區二：AGI 必須像人一樣思考我們總覺得，只有像人類那樣有肉體、有情感、會生老病死，才叫智能。真相：這是一種“碳基生物的傲慢”。就像章魚的神經系統分佈在觸手裡，外星人可能通過無線電波交流——智能是功能，不是形態。只要它能像人一樣解決問題，它是不是矽做的、有沒有身體，根本不重要。04 精彩辯論：十大質疑，逐個擊破這篇《Nature》文章最精彩的部分，莫過於作者化身“終極辯手”，對目前市面上最流行的反 AI 觀點進行了逐一反駁。試舉幾例。質疑 A：“它只是個隨機鸚鵡（Stochastic Parrots），只會拼湊訓練資料裡的詞，根本不懂邏輯。”《Nature》反駁：這個說法在幾年前可能成立，但現在已經過時了。如果它只是拼湊舊資料，怎麼可能解出從未發表過的全新數學題？怎麼可能幫助科學家發現新的物理定律？這不叫拼湊，這叫推理。如果這也叫鸚鵡，那人類可能也不過是一隻比較複雜的鸚鵡。質疑 B：“它沒有身體，無法感知物理世界，所以沒有真正的理解。”《Nature》反駁：這是一個巨大的誤解。史蒂芬·霍金（Stephen Hawking）在晚年幾乎完全失去了身體的行動能力，通過語音合成器交流，難道他的智能就消失了嗎？再者，問問 AI：“把玻璃杯和枕頭扔到瓷磚地上，會有什麼不同？”它能精準地告訴你結果。能進行反事實推理（Counterfactual Reasoning），就證明它腦子裡已經有了物理世界的模型。質疑 C：“它沒有自主性（Agency），你不給指令它就不動。”《Nature》反駁：智能不等於意願。古希臘神話中的德爾斐神諭（Oracle），只有在你提問時才回答，但誰敢說神諭沒有智慧？自主性關乎“道德責任”，而不關乎“智力水平”。一個隨叫隨到的超級智囊，依然是超級智囊。質疑 D：“它學得太慢了，小孩看幾次就懂，AI 要喂幾兆的資料。”《Nature》反駁：別忘了，人類小孩的大腦裡預裝了祖先們進化了幾十億年的“出廠設定”（本能和大腦結構）。AI 是從零開始的。而且，一個練了 10 年才成為大師的棋手，和一個練了 1 年就成為大師的棋手，他們的棋力是一樣的。效率不代表能力。05 越早承認越好，這是一種“異類”的降臨看到這裡，你可能還是覺得那裡不對勁。“可是，它連‘Strawberry’裡有幾個‘r’有時候都會數錯啊！”沒錯，這正是文章最後強調的關鍵點：我們面對的，是一種“異類智能”（Alien Intelligence）。這就像是一個外星人降臨地球。它在某些我們覺得很難的事情上（比如讀完 1000 篇論文並寫出綜述）易如反掌，卻在某些我們覺得很簡單的事情上（比如數數、常識判斷）顯得笨手笨腳。但這不代表它不是智能，只能說明通往智能的道路不止一條。人類的智能是為了生存、為了繁衍、為了在叢林裡不被吃掉而進化出來的；而 AI 的智能是從語言的海洋中湧現出來的。2026 年的今天，正如 Reddit 網友所熱議的那樣：“我們原本以為 AGI 會像《終結者》裡的天網，結果它更像是一個有些偏科、但智商爆表的‘外星圖書管理員’。”06 結語：別再試圖爬樹登月了在文章的結尾，作者引用了一個著名的舊日比喻。1965 年，哲學家休伯特·德雷福斯曾嘲諷早期的 AI 研究，說他們試圖通過“爬樹”來“登月”。意思是方向徹底錯了，爬得再高也離月球很遠。幾十年來，我們都以為他是對的。但今天，當我們抬頭仰望，卻發現我們真的爬上了月球。原來，只要樹足夠高，資料足夠多，結構足夠精妙，簡單的學習規則真的能湧現出理解世界的智慧。這是一個哥白尼式、達爾文式的時刻。哥白尼告訴我們，地球不是宇宙的中心；達爾文告訴我們，人類不是生靈的主宰；圖靈和今天的 AI 告訴我們，人類的大腦，也不是智慧存在的唯一形式。文章末尾寫道：“承認 LLM 為 AGI 是一個警鐘。這些系統不是“將要到來”，而是“已經存在”。用評估“窄工具”的框架來衡量 AGI 是遠遠不夠的。當涉及的不再是工具而是通用智能時，共存、責任、歸屬和治理等問題將進入全新的維度。”全文的最後一句振聾發聵：“機器不是正在趕來，它們已經到了。”（The machines aren't coming; they've arrived.）與其像鴕鳥一樣把頭埋在沙子裡，假裝這一切沒發生，不如抬起頭來，正視這個新夥伴（或者對手）。畢竟，在這個星球上，我們第一次不再是孤獨的智慧生物了。 (不懂經)

輝達（NVIDIA）即將達成一項歷史性協議，計畫向OpenAI 投資200 億美元（約合人民幣 1440 億元）。作為 OpenAI 新一輪高達 1000 億美元融資計畫的關鍵組成部分，這筆交易若順利完成，將成為輝達公司歷史上規模最大的一筆單筆投資。千億融資風暴：科技巨頭的資本圍獵據知情人士透露，OpenAI 目前正在推進的新一輪融資目標金額高達 1000 億美元，這一數字將刷新全球科技非公開市場的融資紀錄。除輝達外，亞馬遜公司（Amazon.com Inc.）和軟銀集團（SoftBank Group Corp.）等全球科技與資本巨頭也赫然在列，據悉也將參與本輪跟投。市場分析指出，此輪融資不僅將進一步推高 OpenAI 的市場估值，更為其在通用人工智慧（AGI）領域的持續研發和算力基礎設施建設提供了充足的“彈藥”。輝達有史以來最大的一筆投資針對此次投資傳聞，輝達首席執行長黃仁勳（Jensen Huang）在近日的公開活動中給予了積極回應。雖然他未直接確認最終成交金額，但他明確表示，輝達將深度參與 OpenAI 的下一輪融資。“這是一項非常好的投資（a very good investment），”黃仁勳對媒體表示，並補充道，這極有可能成為“輝達有史以來最大的一筆投資”。這一表態不僅打破了此前外界關於兩家公司高層關係緊張的傳言，更凸顯了輝達與 OpenAI 在 AI 生態系統中日益緊密的戰略捆綁關係。戰略解讀：算力與演算法的深度繫結行業觀察家認為，輝達此次巨額注資並非單純的財務投資，而是具有極強戰略意義的“生態鎖定”。資金回流機制： 考慮到 OpenAI 對高性能計算晶片的巨大需求，這筆 200 億美元的資金極有可能通過購買 GPU（圖形處理器）和建構資料中心的形式，大部分“回流”至輝達的營收帳目中。鞏固護城河： 通過持有 OpenAI 的大量股份，輝達進一步鞏固了其作為 AI 基礎設施壟斷者的地位，確保在未來數年內，OpenAI 的前沿模型訓練將優先且深度依賴輝達的硬體架構（如即將推出的 Rubin 平台）。市場反應儘管該投資被視為長期的戰略利多，但受科技股整體回呼及市場對巨額資本支出的消化影響，輝達股價在消息公佈後不漲反跌。截至發稿，股價跌幅超3%。目前，OpenAI 及輝達方面尚未就協議簽署的具體時間表發表正式評論。 (美股財經社)

據稱輝達將在OpenAI新一輪融資中投資200億美元，而OpenAI此輪融資目標高達1000億美元，亞馬遜、軟銀等科技巨頭均在投資者之列。輝達CEO黃仁勳對這筆投資給予高度評價，稱其是一項非常好的投資，且有可能成為輝達有史以來最大的一筆投資。事實上，輝達長期以來一直是OpenAI的深度合作夥伴，從2016年交付首台AI超級計算器到後續提供各類GPU，始終在算力上給予支援。2025年9月，雙方曾官宣一項最高達1000億美元的合作計畫，輝達支援OpenAI搭建算力基礎設施，OpenAI則鎖定GPU採購訂單。然而今年1月底，有媒體爆料雙方千億美元交易已擱置，黃仁勳私下對OpenAI的商業營運和競爭壓力表達了擔憂。隨後黃仁勳和OpenAI CEO山姆·奧特曼均出面否定傳聞，黃仁勳重申會參與OpenAI本輪融資並投入巨額資金。但很快又有爆料稱，OpenAI因對輝達部分晶片的推理性能不滿，曾尋求與其他初創公司合作，後因相關授權協議終止談判。雙方發言人再度出面澄清，強調彼此合作的重要性，但該消息仍導致輝達股價當日大跌2.89%。其實兩家巨頭的矛盾真實存在，核心分歧在於OpenAI的產品競爭力和對晶片的差異化需求，合作規模已出現縮水。這場博弈並非惡意攻擊，而是雙方爭取更有利合作條件的策略，也折射出AI行業從瘋狂擴張轉向理性發展的趨勢。(深科技)