2026年2月，風向徹底變了。如果你還停留在“怎麼寫好一個Prompt（提示詞）”、“怎麼用ChatGPT幫我潤色周報”的階段，我必須很殘酷地告訴你：你已經掉隊了。就在這幾天，矽谷被“Open Claw”類的新技術瘋狂刷屏。這不僅僅是技術升級，這是一場針對普通“打工人”的降維打擊。過去兩年，我們把AI當成“副駕駛”（Copilot），它在旁邊喋喋不休地給建議，但方向盤還在你手裡，腳還在油門上。你覺得很安全，因為“最終幹活的還是我”。但現在，AI Agent（智能體）來了。它不再滿足於當你的軍師，它直接接管了駕駛座。它有了“手”和“腳”，能直接操作瀏覽器、能直接控制滑鼠、能直接呼叫API付款、發郵件、寫程式碼、部署項目。這意味著什麼？意味著“執行”這個環節，正在變得像空氣一樣廉價。如果你的核心競爭力是“我很勤奮”、“我很會做PPT”、“我很擅長整理表格”或者“我能快速搜尋資訊”，那麼恭喜你，在Agent時代，你的價值無限趨近於零。這不是危言聳聽，這是正在發生的現實。一、 勤奮的“通貨膨脹”：當執行力變得一文不值我們從小被教育的邏輯是：天道酬勤。 只要我把事情做對、做快、做完美，我就能贏。但在AI Agent面前，談“執行力”是個笑話。想像一下，以前你需要花3小時整理全網的“競品分析報告”，現在Agent只需要30秒。它能同時打開100個網頁，抓取資料，清洗噪點，生成圖表，自動排版，然後發到你老闆的信箱裡。在這個維度上，人類引以為傲的“熟練工種”，正在遭遇前所未有的通貨膨脹。在職場： 那些靠“搬運資訊”為生的人——初級分析師、行政助理、唯寫CRUD程式碼的程式設計師、只會套範本的文案——他們的生存空間正在被物理消除。以前老闆需要你，是因為AI沒手沒腳；現在AI能自己幹了，還要你這個中間商賺什麼差價？在學校： 還在考察死記硬背？還在讓學生寫八股文？毫無意義。Agent能在幾秒鐘內生成一篇引經據典、邏輯嚴密的論文。如果教育還停留在“知識灌輸”而非“思維訓練”，我們培養出來的，就是一批畢業即失業的“低配版硬碟”。在金融市場： 以前你覺得自己懂K線、懂技術面分析就能賺錢。現在？成千上萬個金融Agent在毫秒等級進行著自動推理和交易。散戶的“盤感”在海量算力和絕對理性的收割機面前，就像拿著長矛衝向機槍陣地。甚至在電商領域： 未來的雙十一，可能不是人在買東西，而是你的“購物Agent”在和商家的“銷售Agent”博弈。你只需要說一句：“我要買個性價比最高的洗碗機”，剩下的就是AI之間的戰爭。當“怎麼做”（How）變得如此簡單且廉價，“做什麼”（What）和“為什麼做”（Why）就成了唯一的奢侈品。二、 時代的殘酷真相：你是“劉邦”，還是“韓信”？歷史總是驚人的相似。如果把AI時代比作楚漢爭霸，現在的AI Agent就是那個戰無不勝的“韓信”。它攻必取，戰必克，執行力爆表，算無遺策。而大多數普通人，現在的焦慮在於：我們都在拚命試圖跟韓信比“打仗”（拼執行、拼技能）。你覺得自己學幾個Python指令碼，學幾個高級剪輯技巧，就能跑贏AI？別天真了，你在跟一個不需要睡覺、進化速度指數級的怪物賽跑。未來的社會分層，將不再是“懂技術的人”和“不懂技術的人”，而是：指揮官（劉邦）： 懂得定義問題、懂得識人用人（駕馭Agent）、敢於做決策、敢於承擔後果的人。被淘汰的士兵： 那些還在試圖通過出賣重複性勞動來換取溫飽的人。Agent沒有野心，沒有慾望，沒有價值觀。它不知道為什麼要攻打這座城，它只知道怎麼打下來。“為什麼要打”——這個決定，必須由人來做。三、 絕地反擊：建構你不可替代的“人類壁壘”既然“卷執行”是一條死路，我們該往那裡逃？在2026年的當下，想不被AI洪流沖刷成沙礫，你必須那怕從現在開始，逼自己掌握以下三種“反內卷能力”：1. 從“解題者”進化為“出題者”（系統架構能力）以前的教育教我們怎麼回答問題。未來的核心能力，是怎麼提出一個好問題。Agent是一個超級強大的多啦A夢，但大雄必須知道自己想要什麼。不要學怎麼寫文案，要學什麼是“打動人心的策略”。不要學怎麼剪視訊，要學什麼是“能引發傳播的敘事結構”。不要學怎麼做報表，要學“透過資料看到了什麼商業本質”。你要成為那個設計系統的人，而不是系統裡的螺絲釘。你需要從心理學、社會學、歷史學中汲取養分，建立你對世界運行規律的認知。認知越深，你指揮Agent的威力就越大。2. 捍衛你的“審美”與“品味”（Taste）當AI一秒鐘能生成一萬張海報、一萬篇小說時，“選擇”就成了最高級的生產力。 為什麼這張圖是垃圾，那張圖是藝術？ 為什麼這段文字平平無奇，那段文字能讓人落淚？ 這種基於人類痛感、共情和文化積澱的“鑑賞力”（Taste），是AI無法通過演算法窮盡的。你的審美品味，就是你在海量資訊垃圾中淘金的篩子，也是你個人品牌的護城河。3. 深耕“情緒價值”與“人性的連接”AI可以模擬安慰的話術，但它無法提供真正的“在場感”。在這個充滿焦慮的時代，一個能真正理解他人痛苦、能提供深度心理支援、能組織社群讓人產生歸屬感的人，將擁有極高的溢價。教育諮詢、高端護理、心理療愈、社群領袖……這些需要高度“人味兒”的工作，AI很難完全替代。因為人終究是社群動物，我們渴望的是另一個靈魂的共鳴，而不是一段冰冷的程式碼。結語不要被今天的焦慮吞噬，但請務必保持清醒。那個“只要聽話照做就能過好一生”的時代，已經徹底結束了。Open Claw不僅抓破了矽谷的泡沫，也抓破了普通人“穩定”的幻象。現在的你，站在一個分岔路口： 左邊是繼續打磨那些即將過期的技能，等待被Agent取代； 右邊是痛苦地重塑認知，去學習如何思考、如何決策、如何審美，成為駕馭Agent的“牧羊人”。機器正在變得越來越像人，所以，人必須變得更像“人”。去思考那些AI無法思考的問題吧。去感受那些AI無法計算的情緒吧。那是你作為人類，最後的、也是最堅固的堡壘。 (李楠竹)

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)

大家都稱Corewave為輝達的親兒子，這點確實不假。從Corewave的發展史就可以看出，創始人均來自避險基金公司，17年從礦卡公司轉型。從23年4月，就拿到Magnetar Capital公司的融資，同時拿到輝達的融資。接著23年5月，Magnetar又追加投資。到了23年8月，Chatgpt發展的非常好，這時他們也服務了Chatgpt，黑石和Magnetar和他們一起進行了債務融資23億美元。後來24年5月的時候黑石又一次領投債務投資，融資75億美元。這些融資的抵押就是公司持有的輝達的H100和H200.輝達自B輪就開始入股，持股約6%，而且與Corewave共建Plato的超級算力中心。因為能夠拿到更多的輝達的卡，拿到了微軟+Open AI的客戶，目前OpenAI和微軟加起來佔其業務總額的62-72%之間。作為AI Infra公司，目前公司提供GPU雲服務，推理服務等業務。按其所說，能夠提供差異化的，更高效率，更好的訓練效果的雲服務。比起傳統架構性能提升30-50%，低延遲的網路，以及更優的儲存速度。但懂行的都清楚，Corewave能夠拉攏到大客戶最重要的原因就是因為他們有輝達的卡，其他都沒有這麼關鍵。因此，財務收入節節高昇。未來，因為AI的推理和訓練市場仍然有Carg 90%的增速，因此仍然非常看好未來的增長空間。但同時，尤其公司有大量的負債，差不多100億美元負債，因此利息支出非常的高。相比別的而言，高很多。因此，未來的估值情況，我們可以初步判斷為：這樣的話，公司的增長空間還是不錯的。 (老王說事)

01 前沿導讀美國ai巨頭open ai、微軟、AMD、CoreWeave等企業在聽證會中一致表示，儘管美國在ai領域目前處於領先地位，但是美國政府依然需要提高警惕性，提高對基礎技術的投資。#openAI、#微軟、#AMD並且還要在一定程度上放鬆對中國的制裁措施，只有讓美國的ai晶片充斥中國市場，才能壓制中國自主晶片的發展，保持美國對中國的領先。02 對華限制的影響據華制國際的報告顯示，中國是目前國際上最大的單一消費市場，其佔據了全球晶片採購量的42%左右。在美國對中國的ai產業實行出口限制之後，美國的相關企業出現了500億美元以上的直接損失。自從2023年以來，輝達針對中國市場推出了特供版的H20晶片，但是該產品依然受到了美國政府的重重出口限制。據輝達官方表示，美國對H20晶片的限制，使輝達公司承受了55億美元的損失。#輝達儘管美國政府一再阻撓中國企業獲得輝達晶片，但是輝達依然想盡辦法推出合法合規的晶片，企圖與中國市場重新建立合作。微軟總裁布萊德·史密斯，在聽證會中重點強調：美國目前在這場技術競爭當中處於領先位置，但是這場技術競賽還會持續焦灼下去。其中的決定性因素，就是誰的技術能在全球範圍內被廣泛應用。只有能在全球範圍內獲得支援的國家企業，才是ai競爭當中的最後贏家。世界上有18%的人口生活在中國，4%的人口在美國，78%的人口在其他國家。從中國的華為公司主導5G技術的例子中可以看到，誰先進一步佔領市場，誰就會被很難取代。我們必須要在合理的管控下推進技術的出口，建立全球範圍內的信任機制。而在建立全球化的技術過程中，中國企業表現最突出，也最優秀。AMD公司的CEO蘇姿丰在聽證會中指出：AI技術需要全球市場的迭代驗證，中國擁有全球最多的AI應用場景和演算法工程師群體，脫離這個生態將導致技術路線偏航。這些美國科技巨頭的發言，其重點話題就是ai技術在國際市場上面的接受程度。誰先搶到國際市場的認可，誰就可以成為技術的領導者。03 市場競爭雖然美國的GPT系統，曾經被譽為是國際民用ai大模型的領先者。但是在中國的deepseek出現之後，GPT的優勢蕩然無存。而且deepseek選擇將自家的大模型技術全部進行開源，允許國際上面的企業開發者免費使用。#DeepSeekGPT通過閉源的方式，建立起一個屬於美國ai技術的護城河。但是中國的deepseek選擇用開放原始碼的方式，將中國的大模型技術傳播到世界各地，獲得了非常不錯的市場反響，推動了中國ai技術在國際市場上的全面爆發。根據彭博社相關機構的資料測算顯示，如果美國選擇釋放對華的限制措施，允許美國企業將先進晶片出口到中國，那麼這將會讓輝達的在華業務出現大幅度的增長，其應收回升到120億美元。中國企業已經在存算一體晶片領域實現了技術突破，並且其晶片的整體水平已經逼近輝達H100大約80%左右的算力性能。單純的對中國企業進行出口限制，已經沒有任何意義。況且中國企業正在擴充成熟晶片的產能，當中國的成熟晶片達到了一定的規模之後，銷售這些晶片所獲得的利潤，將會被反哺到先進晶片的發展當中，從而實現正向循環的產業模式。中國企業正在逐步過渡到自主技術的產業鏈模式，如果在這個期間，美國政府放鬆管制條例，將高水平的美國晶片出口到中國市場，這對於那些還未完成國產供應鏈模式的中國企業來說，是一個壓制性的政策，這也是美國晶片企業所希望看到的局面。目前的中國晶片產業，在邏輯晶片領域被卡在了7nm節點。這些國產晶片採用的都是DUV裝置加上自對準多重圖案化技術所製造的產品，其製造成本、產品性能、綜合能耗均還有較大的發展空間。一旦中國企業用某種方式實現了更加優秀的晶片製造工藝，那麼這將會直接衝擊海外企業在國內市場的發展前景，從而讓中國自主的產品替換掉海外進口產品。這對於美國晶片企業來說，是一個非常不好的消息。中國市場的發展前景廣闊，消費水平較強，是國際產業競爭的焦點。一旦讓中國自主的技術產品充斥整個國內市場，那麼留給美國企業的時間就不多了。 (逍遙漠)