這不只是對金融虛無主義的厭惡，更是正在發生的人才、資本與注意力遷徙。2 月 27 日，當一位使用者在 X 平台詢問 OpenClaw 創始人 Peter Steinberger“對 20 歲的年輕人最好的建議”時，Peter Steinberger 直言“不要在加密貨幣上浪費時間”。作為當前最火 AI 產品的創始人，Peter Steinberger 沒有掩飾過其對加密貨幣的厭惡。他曾警告加密貨幣從業者不要對其進行騷擾，甚至使用者在 OpenClaw 的 Discord 中提及比特幣都會被封禁。這句刻薄發言引發了加密圈集體玩梗和自嘲。但與市場陷入低迷，加密從業者喊出“加密已死”口號不同的是，當“不要在加密貨幣上浪費時間”被一位頂流 AI 創業者當作給年輕人的建議時，這句話還是刺痛了加密行業。它將焦慮擺在了我們眼前——加密不再是當下時代年輕人的最優解。遙想 2011 年，加密圈 OG、巴位元創始人長鋏建議大學生將 6000 塊錢全買比特幣的回答被認為是加密行業具有長期主義、適合年輕人加入的最有力例子之一。但長鋏本人也未一直堅守在加密行業，2023 年巴位元就已停止發佈加密貨幣相關資訊，轉向發佈 AI、元宇宙等領域內容，2024 年長鋏轉向 AI 領域創業後便徹底從加密圈消失。快人一步的長鋏曾經引起諸多非議，而現在加密圈被 AI 虹吸已經成為一個不爭的事實。人才在遷徙，資本在重配，注意力也在轉向。人才遷徙：OG 開始成為 AI 博主另一位加密圈 OG、Cobo 聯合創始人兼 CEO 神魚，也是早期比特幣礦圈代表人物之一。作為一名多周期倖存者，神魚通常會在社交媒體上分享個人對市場階段的理解以及投資感悟，頗受加密圈歡迎。然而，最近神魚已經從一名加密 OG 變成了 AI 博主，近一個月其社交帳號上關於 OpenClaw 的內容佔據 80%以上，而與加密相關的內容則寥寥無幾，神魚本人也調侃自己轉型成功。神魚對 AI 的探索和關注僅停留在個人層面，其公司業務和個人事業仍是以加密為主，因此我們暫且可以將神魚對 AI 的痴迷解讀為在“市場垃圾時間”積極提升自我、跟上時代前沿的好習慣。但從加密到 AI 的人才遷徙也是真實發生的。zkSync 的一位高管 Anthony Rose 在 2 月 4 日宣佈在 Matter Labs 工作四年後，他將離開並大機率轉向 AI；EigenLayer 的開發者倡導總監 Nader Dabit 也在 2 月 5 日宣佈退出 EigenLayer 轉而在一家 AI 公司任增長主管，其稱“自己加入了未來”。近期最引人關注的退圈例子是 Multicoin Capital 聯合創始人 Kyle Samani 宣佈退出加密圈轉向關注 AI、機器人等領域。Kyle Samani 因早期押注 Solana 而聞名，因此他的退出給加密圈的信心帶來了一些打擊。更離譜的是，Kyle Samani 退圈當日還貶低了加密行業，稱“加密貨幣根本就不像很多人（包括我自己）曾經想像的那麼有趣。”推薦閱讀：《Kyle Samani的退圈，另有隱情？》(https://www.odaily.news/zh-CN/post/5209299)資本遷徙：原生加密 VC 開始配置 AI原生加密 VC 也不願在加密行業上浪費更多時間。2 月 28 日，據華爾街日報消息，加密風投機構 Paradigm 正籌劃募集一隻投資方向為 AI 和機器人的新基金，規模最高約 15 億美元資金。Paradigm 是最純粹的加密原生資本之一，2019 年因投資孵化了 Uniswap 而一戰成名，此後早期投資的其他加密項目（如 Lido、Optimism、dYdX、Blur）也都取得了成功，使這家以“研究驅動”的 VC 成為與 a16z crypto 齊名的機構。正因為如此，Paradigm 這次轉向才具有標誌意義。如果加密仍然處在高速創新期，仍然源源不斷地產生能夠承載十億美元級投資規模的項目，Paradigm 沒有必要為 AI 單獨設立重倉基金。但現實是，加密行業基礎設施敘事（如 L1、L2、DEX 等）已經高度內卷，真正具備“範式級躍遷”的優質早期項目數量已屈指可數。整個加密 VC 都沒好項目可投了。從資料上看更直觀，過去四年加密行業的風投筆數逐年下降，2022 年加密一級市場融資筆數為 1639 筆，2025 年下降為 829 筆，其中早期融資佔比也從 50%降到 35%以下。來源：一年後，加密市場還能交易什麼？在加密行業投無可投時，AI 作為風口正盛的行業自然成為加密資本最佳的投放場。從基礎大模型到 AI Agent，從算力晶片到機器人產業，AI 不僅可以承載資本規模，更可以持續製造增長故事，這是如今全球資本最大的蓄水池。對於一家管理超 127 億美元資產的 VC 而言，核心命題從來不是“信仰是否動搖”，而是“回報函數是否仍然成立”。當加密行業可承載的項目數量下降，單一押注加密就意味著組合風險上升、收益彈性下降。在這種情況下，繼續堅持“加密原生”反而不理性。因此，Paradigm 向 AI 的主動擴張也是時代趨勢所迫，這不是個別機構的策略問題，而是行業階段的訊號。注意力遷徙：當加密玩家開始痴迷 AI就市場注意力方面，Crypto 是一個最會蹭的行業，不管是政治熱點、科技前沿還是社會頭條，只要火爆總能在加密圈看到相關炒作起來的項目或者 Meme。過往 AI 行業每迎來一次技術升級或產品革新，加密圈都會有與之相關的“Crypto+AI”項目或 Meme 幣炒作，吸引市場注意力。當 OpenClaw 火爆後，雖然加密圈也是第一時間找角度蹭，如炒作同名 Meme 幣、命令 OpenClaw 自行交易代幣和預測市場下注賺錢等，但後來加密玩家也開始變得純粹，從“如何把 OpenClaw 加密化”轉向“如何真正使用 OpenClaw”。不少加密研究員開始連續輸出 OpenClaw 的安裝、使用教學，公開分享自己的 AI 工作流，甚至內容細緻到如何訓練個人 AI Agent 幫助寫程式碼、做投研、生成內容等，一些加密 KOL 甚至開闢出了為小白收費安裝 OpenClaw 的副業。加密圈組織的線下 AI 交流活動也是“高朋滿座”。近期最火爆的線下活動要數加密 OG 孔劍平推動的“Web4 中國行”，該活動從 2 月 25 日持續到 3 月 8 日，在中國五個城市線下舉行，主要議題為 OpenClaw 和 Agent，幾乎沒有加密相關。這已經不是蹭熱點，而是真正的注意力遷移，自詡思想進步的加密玩家開始害怕在 AI 時代跟不上腳步。加密圈 AI 線下活動現場座無虛席為什麼加密從業者會對 AI 如此痴迷？加密圈本就是“超級個體”濃度最高的行業，有大量獨立開發者、交易員和內容創作者，這些人天然追求工具效率的提升來彌補人效的不足，因此當 AI 可以顯著放大個人生產力時，加密玩家會是最先擁抱的一批人。再者，加密文化核心本身具有強烈的極客精神與技術崇拜。雖然近些年“技術敘事”被淡化，但大多數加密玩家仍相信“底層技術能夠改變世界”，而如今 AI 比區塊鏈更具備技術革命氣質，因此自然引起加密玩家的瘋狂追捧。當然，更現實的原因是加密市場空窗期，AI 在持續製造“新東西”，而 Crypto 卻一直在重組舊敘事。沒有加密原生創新、沒有顯著的財富效應，整個加密圈靠著預測市場、RWA 帶來的一丁點外部性吊著口氣。這時，AI 行業提供來的新討論主題和認知刺激，與其說是搶佔了加密關注度，不如說是它填補了加密玩家們在市場節奏放緩後的精神空缺。該聊點加密和 AI 之外的事了最後，回到本文開頭，OpenClaw 創始人的那句話之所以能引起加密圈關注，不是因為它輕蔑，而是因為它說出了很多加密人正在悄悄用行動驗證的事實——最聰明的人，正在把時間重新分配。我們現在面臨的是一個財富生成速率下降、技術生產力爆炸的時期。一方面，當加密周期趨緩、Alpha 收縮、財富增長曲線趨平時，加密玩家過去一年單純依靠“刷資訊—追熱點—博收益”的枯坐行為邊際回報正在遞減；另一方面，AI 正在壓縮人們“解決問題所需的時間”，寫程式碼、做內容等大量過去需要投入大量時間的工作，模型可以在數分鐘內完成，問題解決的效率遠超人類個體。當“追尋結果的過程量”被 AI 高度濃縮，那麼我們也許反而擁有了更多自由時間，去做那些不以效率和賺錢為目標的事情——尋找“碳基意義”，去體驗世界、去建立獨立於市場波動之外的認知體系、去建構屬於自己的價值坐標。在 AI 未來，真正拉開人與人之間差距的也許是審美、獨立判斷和個人意義建構吧。 (Odaily)

2026年開年，科技圈被一個來自奧地利的獨立開發者徹底點燃了。一個名為OpenClaw的開源AI智能體項目，在極短時間內GitHub星標突破16萬，成為GitHub歷史上增長最快的開放原始碼專案之一。社區基於它創造了各種神奇的應用：從讓機器人自主對話，到僱傭人類完成線下任務。而這一切的背後，是一位遠離矽谷、自稱“半退休”的奧地利開發者：彼得·斯坦伯格（Peter Steinberger）。近日，斯坦伯格接受知名創業孵化器Y Combinator專訪，揭示了OpenClaw爆紅的設計理念和他對未來的四個顛覆性判斷：“本地優先”：個人電腦是終極的AI伺服器，擁有雲端無法比擬的優勢。App消亡論：未來80%的App將消失，因為它們本質上只是資料管理工具。群體智能：未來屬於無數個專業化AI的協同工作（蜂群智能），而非單一的“全能上帝AI”。資料主權：開源模型正在快速追趕，未來真正的護城河是硬體和資料訪問權，而使用者的資料應由使用者以Markdown檔案的形式維護於本地。以下是本次訪談的詳細精華內容。“我需要一個山洞”：16萬星標背後訪談伊始，YC合夥人Raphael Schaad問起斯坦伯格最近的生活狀態。這位一夜爆紅的開發者毫不掩飾自己的疲憊：“天那，我需要一個山洞待上一周。 ”他描述自己過去兩周的生活如同“旋風般席捲而來”，“我不知道一個人怎麼能承受這一切。我可能還需要一周時間來回覆我所有的郵件。我收到了一些非常酷的東西，也收到了一些非常糟糕的東西。但很明顯，我觸動了一些能夠激發情感、引起人們興趣並激勵人們的東西，這真的很酷。”當被問及OpenClaw在眾多AI智能體中脫穎而出的關鍵時，斯坦伯格給出了一個簡單卻深刻的答案：“核心差異在於本地化運行。目前市面上的智能體方案大多基於雲端。而運行在使用者本地裝置上，意味著它能夠呼叫和整合電腦的所有能力——在雲端它能做一些事；在你的電腦上它能做任何事。”他舉例說，OpenClaw不僅能控制軟體，還能連接硬體：“它可以連接並控制使用者的智能裝置，無論是烤箱、特斯拉汽車、照明系統，還是音響。例如，它甚至能調節我的智能床的溫度，這是ChatGPT目前無法實現的。”一位朋友的反饋讓斯坦伯格印象深刻：這位朋友讓OpenClaw整理自己過去一年的生活敘事，結果智能體從硬碟深處翻出了朋友自己都忘了的、一年多前每個周日錄製的音訊檔案，寫出了一份“非常棒的敘述”。“僅僅是因為它能夠搜尋整個電腦，就能給你帶來驚喜。你也給了它所有的資料，所以它可能會在很多方面給你帶來驚喜。 ”斯坦伯格說。“頓悟時刻”：馬拉喀什的9秒鐘斯坦伯格分享了他職業生涯中最重要的“頓悟時刻”——那是在摩洛哥馬拉喀什的一次生日聚會上。當時他給自己的Bot發了一條WhatsApp語音消息，傳送完才意識到：他根本沒有給Bot程式設計處理語音的功能。但對話方塊裡的“正在輸入……”開始閃爍。9秒鐘後，Bot回覆了。斯坦伯格當場愣住了：“這怎麼可能？我沒做這個功能。”Bot自己解釋了它的解題過程：“你給我發了一條簡訊，但沒有副檔名，所以我看了看檔案頭，發現是Opus格式；所以我用FFmpeg把它轉換成了WAV。然後我想轉錄它，但我沒有安裝Whisper，但我四處看了看，發現有這個OpenAI的金鑰，所以我就用curl把它傳送給了OpenAI，然後得到了文字，這就是整個過程。 ”更令他震撼的是Bot的決策邏輯：它選擇不安裝本地Whisper模型，因為下載模型需要幾分鐘，而“它知道我是個沒耐心的人”，所以它選擇了呼叫雲API這一更快捷的方案。斯坦伯格由此得出了一個關鍵洞察：“程式設計本質是創造性地解決問題，這種能力能很好地對應到現實世界任務中。 模型在面對未知檔案格式時，展現了出色的抽象問題解決能力。”“那一刻我深感震撼，並徹底被其潛力吸引。”他說。80%的App將消失當主持人問到傳統應用是否會消亡時，斯坦伯格給出了一個石破天驚的預測：“我認為約80%的App會消失。 ”他以健康應用和待辦事項應用為例解釋了原因：“以健康應用為例：我的助手已知悉我的飲食習慣，當我在餐廳時，它能自動記錄我的餐飲選擇，或通過照片進行追蹤，無需我手動操作。它還能動態調整我的健身計畫。”“同樣，待辦事項應用也將被取代：我只需口頭告知提醒事項，次日它便會自動提醒。 資料儲存在那裡不再重要。”他的判斷標準很簡單：任何主要功能是資料管理的應用，都能被智能體以更自然、高效的方式替代。使用者未來不再關心資料具體存在那個App裡，因為“Agent才是那個統一的入口”。未來的互動是自然語言，而不是點選菜單。斯坦伯格認為，或許只有那些依賴特定硬體感測器進行即時資料採集的App能夠倖存下來。群體智能：沒有“上帝AI”，只有專業夥伴對於未來人機互動乃至機機互動的演進方向，斯坦伯格描繪了一幅“群體智能”（Swarm Intelligence）的圖景。“這是自然演進的方向。例如，當我想預訂餐廳，我的智能體會直接聯絡餐廳的智能體進行協商，因為這樣更高效。”如果對方是一家傳統餐廳呢？斯坦伯格的想像更大膽：“如果這是一家老式餐廳，我的智能體可能需要借助人類勞動力來完成預訂，讓人類給餐廳打電話，因為他們不喜歡機器人。”他甚至暢想未來個體會擁有多個專業智能體：“未來，個人或許會擁有多個專業智能體，分別處理私人事務、工作事務，甚至人際關係事務。”主持人敏銳地指出，過去業界似乎更聚焦於建構集中的、“上帝模式”的超級智能，而OpenClaw所展現的，更像是“群體智能”和“社區協作”。斯坦伯格深表認同：“如果你看一個人，一個人到底能取得什麼成就？你認為一個人能製造出一部iPhone嗎？或者一個人能去太空嗎？我想一個人可能連覓食都做不到。但作為一個群體，我們是專門化的；作為一個更大的社會，我們的專門化程度更高。”“那麼，我們能從中學到什麼並應用到人工智慧上呢？我們已經有了專門從事某些領域的人工智慧。儘管它是通用智能，但如果它同時也是專門智能呢？這將非常令人興奮。”AI的“靈魂”：soul.md與記憶檔案訪談中最具浪漫色彩和技術哲學深度的部分，是關於AI“靈魂”的討論。斯坦伯格透露，他為自己的智能體建立了一系列配置檔案：identity.md、soul.md等等。其中soul.md定義了核心價值觀和互動風格，是整個系統中唯一沒有開放原始碼的檔案。“我與我的智能體共同探討並建立了soul.md，其中定義了核心價值觀，涵蓋人機互動原則、對我重要的理念、對模型重要的準則等內容……它在塑造智能體的響應方式和互動自然度方面起到了關鍵作用。”他的智能體“Moltı”運行在公開的Discord伺服器裡，無數人嘗試過提示注入攻擊，至今沒人成功套出soul.md的內容。一個有意思的細節：斯坦伯格今年1月開始整理項目，讓其他人也能安裝使用。他讓AI根據自己現有的配置檔案自動生成通用範本，結果出來的Bot人格“特別無聊”——社區吐槽說默認語氣像一個叫Brad的直男，客氣、正確、毫無個性。他的解決辦法是讓Moltı把個性注入到範本裡。Moltı改完之後，生成出來的新Bot明顯有趣了很多。但斯坦伯格保留了一些秘密：“還是不如我自己的有趣。有一個檔案我沒有開源。”批次生產的AI人格是平庸的，有趣的智能體需要有趣的人去調校。在隱私和資料所有權方面，斯坦伯格的立場非常鮮明。他指出目前各大公司都在建構“資料孤島”，試圖用使用者的記憶來繫結使用者。而OpenClaw的設計截然不同：“OpenClaw的設計允許終端使用者完全掌控自己的資料……每個人擁有自己裝置上的記憶檔案，它們以Markdown檔案形式儲存在本地。 ”他強調這些資料的私密性極高：“這些資料可能極為敏感，因為使用者不僅用其解決問題，也快速深入地處理個人事務。我個人便是如此，有些記憶內容我絕不希望洩露。 ”當主持人問他，更不願意被別人看到的是Google搜尋歷史還是個人記憶檔案時，斯坦伯格的表情已經給出了答案；他甚至反問：“還有人用Google嗎？”反直覺的開發哲學在技術實現和開發工具的選擇上，斯坦伯格偏愛“反直覺”的簡單路徑。當大家都在追逐建立複雜的AI協議（如MCP）時，他堅持使用標準的命令列介面（CLI）。他的理由簡單而有力：“因為人類用CLI用得很好，Bot本質上也是模仿人類，它們用Unix命令如魚得水。不需要發明新輪子，最原始的CLI反而是最通用的介面。 ”在模型選擇上，他偏愛OpenAI的Codex，而非當時社區更熱的Claude Code。他認為Codex在動手前會掃描更多檔案，對項目的全域理解更完整，“你不需要花那麼多精力做上下文管理，就能得到不錯的輸出”。雖然速度慢，但他有獨特的應對方式：同時開10個Codex實例平行跑——“6個在主螢幕，2個在一側，2個在另一側”。他的版本管理方式也令人咋舌：社區流行用Git worktree管理平行開發任務，他的做法更粗暴——直接複製多份倉庫，每份都保持在main分支上。“不用想分支命名，不用處理衝突，不用管worktree的各種限制。main分支永遠可發佈。 ”他的核心邏輯是：“減少一切非本質複雜度。分支管理、UI工具、檔案瀏覽器，這些都是噪聲。我只關心兩件事——同步和文字。”未來屬於誰？對於模型公司的前景，斯坦伯格認為其優勢並不持久。他觀察到一個規律：“使用者對新模型的熱情常隨時間消退，實則是期望值提升所致。”每次新模型發佈，大家都驚呼“太強了”，但這股熱度也就維持一個月，然後就會被抱怨不好用。“開源模型正快速追趕一年前的商業模型水平。 ”斯坦伯格直言。他認為，當應用消亡、模型商品化，未來的核心價值將在於硬體和資料訪問權。而OpenClaw所代表的方向，正是將資料訪問權徹底交還給使用者，讓每個人都能用自己的資料，在本地裝置上，運行由自己定義的、擁有獨特“靈魂”的智能體。這或許就是他對“後App時代”那個核心問題——“我們還剩下什麼？”——給出的最終答案。寫在最後斯坦伯格的故事並非典型的“天才少年改變世界”的套路。他來自奧地利鄉村，14歲時從學校“偷”了一張DOS遊戲盤，然後為軟碟寫了一個防複製程序以便出售。後來他創辦PDF工具公司PSPDFKit，客戶包括Dropbox、SAP、大眾汽車，產品覆蓋超過10億台裝置。2021年公司獲得注資後他逐步退出，經歷了嚴重的倦怠期，消失了整整三年。2024年他復出後一頭紮進AI，用“vibe coding”的方式在2025年11月搭出了OpenClaw的原型。兩個月後，這個項目在GitHub上拿到超過16萬顆星，成為全球開發者關注的焦點。這種“為自己而造”的極客精神，讓OpenClaw充滿了人味兒。它有一個soul.md檔案，裡面寫著它的價值觀；它會嘲笑試圖攻擊它的駭客；它甚至有點俏皮。這也是為什麼這篇訪談如此重要。它不僅是對一個爆款產品的復盤，更是一次關於“後App時代”的預演。當AI擁有了記憶，當它能理解你的檔案、你的資料、你的思想、你的習慣、你的偏好，試想，我們還需要那些把資料鎖在一個個“孤島”裡的App嗎？ (覺知進化)

24小時內，馬斯克的xAI連失兩位華人聯合創始人。xAI聯合創始人吳宇懷（Tony Wu）和Jimmy Ba先後在社交平台上宣佈離職。而就在一個月前，另一位華人聯合創始人楊格（Greg Yang）剛剛因病退出。三位華人核心科學家，一個月內全部離開。算上此前已出走的三人，xAI成立不到三年，最初12人創始團隊已走6人。同時，一些後加入的核心成員，也紛紛宣佈離職。馬斯克的AI團隊，發生了什麼？一月三別：從因病退出到師徒接連告別這一波離職潮最先離開的是楊格。2026年1月，這位Grok核心架構師宣佈，自己被診斷出患有萊姆病（Lyme disease），不得不退出日常工作，轉為公司的非正式顧問。楊格擁有哈佛大學數學系學位，師從著名數學家丘成桐，曾是微軟研究院的研究員。他在聲明中解釋自己可能早已感染此病，但在xAI創立期間的“長期高強度工作”和“把自己逼得太狠”導致免疫系統受損，最終使病情顯現和惡化。緊接著是吳宇懷。2月10日，他在X平台上發佈離職聲明：是時候開啟我的下一章了，這是一個充滿可能性的時代：一個配備AI的小團隊可以移山倒海，重新定義可能性。吳宇懷出生於1995年，博士畢業於多倫多大學。在加入xAI之前，他曾在Google、DeepMind和OpenAI擁有豐富的研究和實習經歷，深度參與了Minerva、AlphaGeometry等多個前沿AI數學項目。在xAI，他是數學與符號推理領域的關鍵技術專家，Grok 3在數學和邏輯推理方面的表現被認為與他的貢獻密不可分。2025年2月Grok 3發佈會的直播畫面中，吳宇懷與Jimmy Ba一同坐在馬斯克身邊的核心位置。僅僅一天後，2月11日，吳宇懷的博士導師Jimmy Ba也發文宣佈將離開xAI。Jimmy Ba是多倫多大學助理教授，因與Diederik Kingma共同提出深度學習領域幾乎人人都在用的Adam最佳化演算法而聞名。他在離職聲明中感謝了馬斯克，並稱2026年將是”人類未來發展史上最繁忙（也最具決定性意義）的一年”。師徒二人前後腳離開，xAI同時失去了深度學習理論與前沿模型應用領域的兩位重量級人物。xAI的12位創始成員中，華人科學家原本佔據五席，吳宇懷、Jimmy Ba、楊格、戴自航和張國棟，如今已有三人離開。12人聯創還剩一半把時間線拉長來看，xAI創始團隊的人才流失並非最近才開始。最早離開的是Kyle Kosic，2024年中期加入了OpenAI。2025年2月，曾提出Inception網路的Christian Szegedy離職。2025年8月，Igor Babuschkin也告別xAI，轉身創立了自己的風險投資公司。再加上2026年初相繼離開的楊格、吳宇懷和Jimmy Ba，不到三年，12人中已走6人。綜合他們的離職聲明和行業背景，可能有多重因素在背後交織。首先是馬斯克標誌性的高壓工作文化。楊格的案例是最直接的體現，他將自己的萊姆病歸因於在xAI期間的過度勞累和免疫系統受損。Igor Babuschkin在離職感言中提到，從馬斯克身上學到的是“保持一種近乎偏執的緊迫感”，不過他後來也曾公開批評一些AI公司未能給工程師足夠的時間和休息，導致系統不可靠。據報導，xAI內部組織結構極其扁平，幾乎只有馬斯克、聯合創始人和個人貢獻者三層，核心成員長期承受來自馬斯克本人的直接壓力。其次是公司戰略層面的劇變。吳宇懷離職前一周，馬斯克宣佈SpaceX已正式完成對xAI的收購，這被視為未來大規模IPO計畫的一部分，涉及對SpaceX約1兆美元和xAI約2500億美元的估值。公司結構的重大調整和資本運作的加速，可能導致創始成員在公司未來方向、股權分配或角色定位上產生分歧。更早之前，馬斯克已將xAI與社交平台X進行整合以利用其資料資源，這與xAI成立之初“理解宇宙真實本質”的研究願景之間的距離正在拉大。xAI在產品和監管層面也面臨著壓力。Grok AI及其圖像生成工具因被指控能大規模建立涉及真實人物（包括未成年人）的合成圖像，正面臨監管和使用者的抵制，法國警方和歐洲刑警組織甚至在2月初突襲了xAI的巴黎辦公室。Grok聊天機器人也飽受”怪異行為和疑似內部篡改”等問題困擾。對IPO構成潛在風險吳宇懷和楊格分別是Grok模型數學推理和核心架構方面的關鍵人物，Jimmy Ba在深度學習理論領域的份量不言而喻。三人在一個月內相繼離開，對xAI在與OpenAI、Google等巨頭的競爭中能否維持技術優勢，是一個現實的問題。對於這家與SpaceX合併後計畫IPO的公司來說，不到三年失去半數創始人，外界的質疑是免不了的。馬斯克的極限管理模式在短期內能催生驚人的執行速度，但創始團隊的持續流失卻印證了“欲速則不達”。還有一個背景因素不容忽視，當前正處於AI領域的創業黃金期。至於離開的三位華人科學家接下來去往何方，目前還沒有確切消息。不過，吳宇懷那句”一個充滿可能性的時代”，或許已經透露了一些資訊。 (量子位)

無論我們是否喜歡，AI都將揭開所有人和所有國家的底牌。——亞歷克斯·卡普在2026年1月剛剛舉行的達沃斯世界經濟論壇年會上，全球最接觸的巨量資料分析與人工智慧平台公司Palantir（中文常譯作“帕蘭蒂爾”）首席執行長亞歷克斯·卡普（Alex Karp）與全球最大的資產管理巨頭貝萊德CEO 勞倫斯·芬克（Larry Fink）進行了一場深度對話。在對話的最開始，勞倫斯·芬克以一種近乎於“舊時代守望者”的姿態，向坐在對面的亞歷克斯·卡普（Alex Karp）表達了敬意。芬克給出了一組足以令任何金融精英汗顏的資料：在他執掌貝萊德的漫長歲月中，年化復合回報率為21%，這已是傳統金融世界的巔峰；而自Palantir上市以來，卡普為投資者帶來的復合回報率卻高達驚人的73%。這52個百分點的差距，絕非僅僅是兩家公司財務報表的優劣對比，而是一份關於全球權力天平位移的證明，隱藏著AI從“增長潛力”向“實際行動能力”轉化的分水嶺。世界已進入地緣博弈的深水區。過去那種靠溫和的數位化轉型、買幾個SaaS軟體就宣稱進入“智能時代”的假象，正在迅速破滅。Palantir的成功就是最好的證明。正如亞歷克斯·卡普在其新書《科技共和國》中所說：若非先進的人工智慧的崛起已經對全球秩序構成顛覆性的威脅，我們或許還會在渾渾噩噩中繼續蹉跎歲月，持久地迴避這些更為根本的問題。作為一個社會與文明，我們現在已經到了必須就“我們是誰”以及“我們希望成為什麼樣子”做出決策的關鍵時刻。01. “PPT企業”的終結：戰場上的真實性測試賴瑞·芬克：再度蒞臨此地，深感榮幸。在達沃斯舉行的世界經濟論壇上，我很榮幸向諸位介紹亞歷克斯·卡普。請允許我先從我們之間一段更為個人的話題談起——雖然我為我在貝萊德集團所創下的成就感到自豪，但自我擔任首席執行長以來，總回報率的復合年化增長僅為21%。而自Alex帶領帕蘭提爾（Palantir）公司上市以來，其復合回報率高達73%。祝賀你，ALex。更重要的是，我們正身處一場深刻的技術變革之中。我相信在座諸位對此皆有耳聞、有目共睹、身有所感。所有人都在追問：人工智慧究竟能為個人帶來什麼？如何將其轉化為增長動力？它如何惠及勞動者？又將如何影響各國發展與國家安全？我們正在探討的這項技術，有提升產能、推動產業現代化、拓展機遇的潛力，並將徹底重塑我們的工作模式、工作場所以及協作方式。關鍵在於：各國政府是否已為這場社會實質性轉型做好了準備？我們必須確保這項技術在部署過程中，能夠真正賦能於人、賦能於機構，從而建構更具韌性的全球經濟。很少有領袖能真正立足於科技、國家安全與實體經濟的交匯處——我自認並非其中一員。但亞歷克斯·卡普正是站在這個交匯點上的典範。作為帕蘭提爾公司的聯合創始人兼首席執行長，Alex長期與國防部門、政府機構及私營組織密切合作，致力於探索人工智慧在諸多關鍵領域的應用，其意義至關重要。我必須坦言，過去一年與Alex的多次交談使我深受啟發。因此，我十分期待接下來的對話。那麼，請允許我由此切入：主權國家往往是先進技術的早期採用者，這一點在美國的實踐中尤為顯著。但從您的視角出發，人工智慧正如何支援國防與安全領域的決策過程？亞力克斯·卡普：首先，非常高興來到這裡。聽了您的介紹，我可能就該直接下台了——感覺接下來很難超越啊。您還想多聊聊投資回報率嗎？我這邊沒問題。的確，我認為討論這個問題時需要考慮到一個背景：無論是美國還是歐洲，歷史上工業發展與軍事技術始終緊密相連。雖然這是個概括性的說法，但多數情況下確實如此——你為軍方開發的產品往往具有雙重用途，最終提升了國民的生活水平。然而由於諸多原因，我在此不詳細展開講述了，至少到目前的技術發展模式並非如此。儘管現在湧現了許多國防科技初創企業和先驅，但過去的情況是：你創造的產品必須在最嚴酷的條件下運行，其性能要顯著優於其他所有同類，以至於能在戰場上帶來壓倒性優勢——尤其是與本國作戰方式結合時。這裡可以引用一位著名的德國社會主義歷史學家的觀點：德國曾面臨的問題是戰爭機器過於精良，以致他們認為所有事情“直接在戰場上決出對錯即可”。這顯然導致了許多脫節和實際問題。而中美兩國在這方面相當成功。我成年後大部分時間生活在歐洲，雖然堅定支援歐洲，但客觀地說，歐洲的發展並不十分順利。我們所打造的技術本為應對惡劣環境而生——那種惡劣、道德界限模糊的環境。那麼，如何調整道德準則以適應我們的作戰方式呢？在西方社會，這同樣是一個重要方向。道德準則的確立本就艱難，技術應用環境又充滿挑戰——尤其在軟體領域，你往往無法直接接入網路，作戰時面臨諸多限制條件，即便知道這並非最優的作戰方式，而且每個國家都有專門的戰鬥方式。但是積極的一面是你同時也在建構具有普適價值、能為普通民眾所用的技術方案。這也正是人工智慧的獨特之處——它真正引人入勝的特質就在於此。但如果你從一種慣常思維出發——我認為直到最近，所有廣義上的西方對手們還普遍認為，在基於軟體的國防建設上的投資，不過是美國人搞的一種瘋狂行銷把戲：創始人造富燒錢，公司倒閉，創始人跑到巴哈馬海灘逍遙，股東賺了錢就撤，最終留下一地雞毛。你如何為主權政府建構系統，對他們而言本身也是他們學習的一個過程，關於如何採用這些技術。這不僅僅是技術問題，因為如果是建造坦克，從英國到法國再到德國，不斷最佳化坦克技術，其部署方式一目瞭然。但是你如何部署一個系統呢？我們當下的整個國防體系與軍備採購機制，仍停留在為廣袤戰場大規模兵團作戰輸送兵力的模式，但問題在於，這種戰爭可能再也不會出現。下一階段戰爭的勝負，將取決於軟體，其核心價值在於調度戰場上的零件。如果無法在戰場上看到這些組成部分，又怎能確認它是否有效果、能發揮多大作用、是否遠優於我們原有的系統、能否讓我們做到過去無法做到的事？軟體人工智慧有很多價值，其中還存在一個隱性特點——很多人總是想當然地認為其價值在於“從你本來所處的地方跨越到你希望去的地方“。但在世界上大多數主權國家中，我們處理各種形式被廣泛定義為“in it”的事情。實際上技術企業的嚴謹性有很大漏洞，就像我有閱讀障礙一樣，它也有閱讀障礙，企業裡有許多部門僅存在於PPT簡報中，一旦投入實戰，你就會發現它們根本不存在。不管你在那個國家，當你在戰場上時就會發現這一點。這也是烏克蘭的優勢之一，他們基本是白手起家，能夠“從零開始”建構能夠應對現實載荷的真實架構，不必在投入實戰後才重新認識到自己原有的體系行不通。不管你信不信我是反對幹涉的，我不是新保守主義者。但美國的巨大優勢之一在於，無論是好是壞，我們在戰場上有豐富的經驗，這樣你就可以看到什麼是有效的什麼是無效的。目前西方許多傳統巨頭正處於一種“由於擁有太多而變得脆弱”的窘境。帕蘭提爾在戰場上做過的最重要的事情之一就是能補齊一半的事實，而有的企業甚至不起作用，只是在實驗室裡播放演示ppt。賴瑞·芬克：不起作用的原因是因為機器還是人類？亞力克斯·卡普：戰場上的環境是複雜多變的，比如以烏克蘭戰場為例，把無人機從a點移動到b點有多難？實際上，首先，你需要知道你想把無人機部署到那裡。這將需要同步你所有的資料。你需要在做到這一點的同時，不將這些資料傳輸給你的對手，這意味著你必須知道經手這份資料的每一個人。你還必須對資料進行最終處理以掩蓋其真實意圖。那它不去那裡呢？你會希望把無人機放在你的資產表上嗎？在烏克蘭可能只有2個人知道，一個是將軍一個是你的線人。你不能告訴別人那是你的資產。你要避免別人發現誰是你的線人。當戰爭開始後，過去我不知道為什麼俄羅斯人被低估了，在資料層面來看他們可能是世界第一。可能有些東西他們一開始沒有，他們可以在戰爭過程中拼湊出來，然後開始干擾電子裝置訊號。所以這要求你的企業必須同步發展，因為現在不是從a到b的問題了，而是如何穿過非常擁擠的環境的問題。當你在收集資料的時候並沒有可以連結的地方。在烏克蘭每次進入一個戰區之前，每件事情都是動態挑戰，並且事先沒有被預測到。當然肯定有人喜歡我們的工作，有些人討厭，歡迎所有的意見交流。烏克蘭人其實是一個小團隊，他們的士兵非常勇敢，非常有技術性，他們也有很厲害的技術人員，能力在我們之上，有自己產品的專有使用方式。在以色列，他們善用情報手段，而多數人則傾向於軍隊對軍隊的直接對抗。但在美國，你只有其他國家所沒有的巨大力量，但這個力量必須得到整合。所以企業軟體在戰場上的雙重作用是，一是確保所有底層的東西都能正常工作，二是將等級提高到世界頂尖水準。02. AI升級：從戰場到社會民生賴瑞·芬克：有非常多的技術源自國防領域，無論是網際網路還是GPS。你如何看待這項技術從國防和軍事領域轉化到公司、企業乃至社會？亞力克斯·卡普：這樣一個本質上純粹原始、不加修飾的環境意味著，你實際上能夠瞭解什麼是真正可行的客觀事實，而不受企業主觀認知的侷限。總的來說，這種認知具有高度普適性，幾乎可以一對一地轉化應用。而企業運行是不一樣的。並非所有企業都願意隨時間推移變得跟其他企業同質化。比如你拿出A、B、C三家企業，它們處於同一市場，其技術基礎設施正試圖將它們塑造成相似的企業。它們擁有相同的組織架構圖，大致相同的流程，但資料和基礎設施卻各不相同。在戰場上我們學到的是，同質化並不具備特別價值，真正有價值的事情是企業能做到其他企業做不到的事情，這才應該是每個人的目標，也正是每個軍事情報機構追求的目標。在進入商業領域時，如何擁有別人沒有的效率和知識是很重要的。比如在戰場上，最重要的問題之一就是你如何獲取資料資訊並進行處理，然後把資料放入系統框架內將其進行真正的行動運行。企業到底在做什麼？其實歸根結底就是資料、資訊，如何把普遍共享的知識轉化為你們的獨家優勢。帕蘭提爾目前也為眾多醫院提供支援，這些醫院普遍面臨收治流程問題，醫護人力短缺，且在低利潤環境中運作。通過最佳化收治流程並接入企業系統，現在處理這些事務的速度比以往提升了10到15倍，不是通過讓醫生干更多的活，而是通過演算法最佳化了資源分配的“承重能力”，拯救了更多生命。在處理生命相關資料時，因為你在用本體論處理資料，你有一個結構化的框架。儘管人們可能不願相信，但這實際上增強了公民自由。因為現在你可以明確指出：簡單來說，某人的處理流程是基於經濟考量，還是基於其背景因素？這類問題原本是無從查證的。這其實在公民自由方面帶來了巨大改進，但人們通常不相信我們會在乎這個——然而事實恰恰相反，我們確實在乎。要知道，展現即關懷。比如我們能夠細緻地展示：某人為何進入系統、為何被接收、為何被拒絕，而且我們可以用對企業本身有商業意義的方式來實現這一點，同時這還能帶來安全與效率的提升，並且還縮減了開支。如果用更精簡的財務視角來說明：過去，想要實現我們如今在公開市場透明環境下所能達成的效果，企業往往需要先私有化，再剝離成本結構，很可能再轉手出售。而現在，你可以直接最佳化成本架構，讓一線工作者——而非臃腫的中層——發揮更關鍵作用，進而徹底改變他們面向市場的方式。AI在這裡不再是冰冷的算力堆砌，它通過建立公開的、真實的、可審計的流程，實現了效率、利潤與社會價值的某種奇蹟般的重疊。03. AI泡沫？太多企業沉迷於“買現成模型”賴瑞·芬克：那麼，阻礙人工智慧應用普及的根本障礙是什麼？僅僅是遺留系統和歷史問題嗎？我們該如何加速其應用，以造福人類？亞力克斯·卡普：目前AI的應用速度已經超過了我們自身的能力。所有人都在談論AI，所有人都在購買算力。而如果有些企業只是直接購買現成的大型語言模型，試圖用它來完成任何實際任務，那都是行不通的——大語言模型現在更像是一種通用商品，而且精度遠遠不夠。比如，你無法用它進行核保，任何受監管的業務它都無法勝任。說到普及，現在的問題在於，很多人嘗試了一些根本不可能成功的方法。比如，買一個大語言模型，把它往自己的技術堆疊上一放，然後納悶為什麼沒效果。尤其是在美國，你會看到人們開始嘗試像我們（帕蘭提爾）那樣，或許通過手工建構本體論的方式來解決問題。因為只有當你建立起一個軟體層，用一種企業能夠理解的語言來協調和管理這些大語言模型時，AI才能真正創造價值。現在有很多討論，比如我們是否身處AI泡沫中。泡沫是什麼？我認為，如果說有什麼問題的話，我們現在是處於一個滯後階段。市面上有很多AI產品，其中一部分確實有效。就像回到戰場那個例子：全世界幾乎所有人都曾認為這行不通，但現在它確實行得通了。所以，現在的問題不再是“它是否有效”，而是“我們如何讓它為我的國家（或公司）所用”。這正是各個公司正在經歷的：“噢，那家公司成功了，我的怎麼不行？你到底做了什麼？”舉個例子，就以我們帕蘭提爾來說，我們幾乎沒有銷售人員。實際上，我每次去看，銷售團隊規模似乎都在縮小。規模變小，並不是我們想節省單位經濟效益，而是因為在當前AI領域的低信任度環境下，大多數企業已經被各種無法落地的AI願景搞得筋疲力竭。如果你交付了真正有效的東西，為什麼還需要銷售人員呢？產品自己會說話。你只需要說：“嘿，別來找我們談。”這在商業和政府領域都是如此。目前我們很難擴張，主要是因為我們需要去培訓購買方的人員，而我們的資源是有限的。在政府層面，每個國家顯然都有類似“安全許可”的制度。那麼，為了將我們的軟體——比如建構像“項目專家”這樣的系統——整合到你的架構中，你將需要一位同時擁有最高等級安全許可和技術背景的人員。而遺憾的是，大多數技術人員並不會去獲取最高等級的安全許可，所以這類人才非常稀缺。這種資源極為珍貴。接著，他們還需要接受培訓，這個過程可能需要相當長的時間。此外，和任何事情一樣，你必須真正相信這件事，認為它至關重要。要知道，並非所有人都符合這些條件。賴瑞·芬克：那到底需要培訓多少人，如果在企業層面，是否必須從CEO開始自上而下推行？具體是如何運作的？如果以保險核保為例。亞力克斯·卡普：以保險核保為例吧。最理想的情況是——CEO最好具備數學思維。即便他可能對產品一無所知，但通過資料，他也能理解產品的運作邏輯。在這種情況下，初期我們可能需要培訓五、六個人。開始時，所有工作都由我們完成，然後我們會儘可能地將知識和能力轉移給他們。我們也在努力尋找能與我們共同完成這項工作的合作夥伴。總之，你需要的團隊規模不大，但我們目前的人手依然不足。賴瑞·芬克：您之前反覆提到AI如何能加強經濟基礎，我們也在美國看到了這一點。AI能以多快的速度改變企業增長軌跡？因為您之前提到過它如何能改善經濟以及人們的福祉。亞力克斯·卡普：對於企業而言，這裡涉及到很多方面，其中有個“速度”問題。就我們合作的許多公司來看，在我們介入的領域，我們通常能削減高達百分之八十的成本，並顯著提升你們的營收。但這實際上取決於具體的應用場景和我們要解決的問題。然後就是速度函數的變化：在五年前，完成這樣的改造可能需要一年時間；但現在，它可能只需要一周。04. 當AI撕掉精英學位的遮羞布賴瑞·芬克：我想接著追問這個問題——我確定這也是今天一些人心中所想的：從整體上看，人工智慧是會創造就業，還是會摧毀就業？亞力克斯·卡普：確實，我認為當前西方輿論中存在一個令人遺憾的論調，就是它（AI）將摧毀人類的工作——就像你知道的，如果你去了名校，學了哲學（以我自己為例）。那麼希望你還有些其他技能，因為僅有“精英學校的哲學學位”或通識性的精英教育背景將很難在市場上找到工作。但職業技術人員卻越來越不可替代，比如我們在為一家電池公司製造電池，在美國做這項工作的人，其工作內容與日本工程師大致相同，而他們只上過高中。現在他們變得非常有價值，甚至幾乎是不可替代的，因為我們可以讓他們迅速轉型，勝任與之前不同的工作。這類崗位的價值將會越來越高。而那些擁有高IQ、來自耶魯等名校只具備“泛化知識”而無“特定技能”的人受到的衝擊最大。如果一個國家能夠通過技術挖掘出本土公民中的這些“離群天才”，將他們培養成駕馭AI系統的“高階技工”，那麼這個國家對大規模低端移民的需求將會大幅下降。我確實認為，這些趨勢讓人很難理解美國為何還需要大規模移民——除非你擁有非常特殊的專業技能。賴瑞·芬克：關於歐美白領工作的基礎，歷來是通過大學教育建立的。我剛剛聽您說，我們將需要更多接受職業教育的男性和女性，您是否也在暗示，我們未來可能需要的白領崗位會減少？亞力克斯·卡普：我認為，我們需要做的確實是減少對傳統白領的依賴，但關鍵在於，我們需要用不同的方式來測試和發現人的潛能。你知道嗎，有很多人在做X工作，但他們本應去做Y工作。就像我們系統的一位管理者——在美國陸軍中管理我們Maven“專家”系統的，是一位前警官，他只上過社區大學，而他現在正在全球範圍內執行非常高端的、非常複雜的目標定位任務。這個人實際上是無法替代的。我認為，過去我們測試潛能的方式，可能無法完全發掘出他這種不可替代的才能。如果他沒上過大學，他還會像現在這樣有才華嗎？會的。而且我認為，甚至在帕蘭提爾內部，如果你觀察我整天在做什麼，我就是到處走動，去發現誰有那種“異於常人的特質”，然後我把他們放到適合發揮這種特質的事情上，並努力讓他們專注於此，而不是分散到他們自認為擅長的其他五件事上。傳統的大學學歷正在加速貶值，而具備實際技能的技工、職業技術人員，通過AI的加持，正在變得“不可替代”。無論我走到世界那個角落，過去十八年來，大家都曾覺得我們像個商業笑話，而現在很多商界人士都想來聽取我的建議。你知道嗎？在帕蘭提爾內部，唯一不想聽我給出商業建議的，恰恰是帕蘭提爾的工程師們。他們總是說：“嘿，亞歷克斯，我有個想法，能讓公司變得更好……”那些點子通常都類似於“我們應該開成麥當勞那樣”，或者“你是某類人，你應該停止公開講話”之類的。當然，關於公開講話這點，有時候他們可能說得對，我承認。05. AI像是一場國家級“滲透測試”賴瑞·芬克：最後一個問題：AI的應用曲線在美國和其他發達經濟體中將會如何發展？發展中經濟體又該如何參與其中？我昨天讀到一份研究報告，指出AI的應用目前高度集中於高教育水平的社會或公司，並且已經出現了巨大的分化，這很大程度上取決於教育資源的應用方式。那麼，AI是否會在全球增長格局中造成更嚴重的不平衡？亞力克斯·卡普：首先，最明顯的不平衡是：似乎只有美國和中國真正掌握了如何讓這項技術發揮作用。方式不同，但都成功了，而且是大規模的成功。這種領先並非僅僅體現在算力或資料量上，更體現在這兩個國家對AI與真實權力和生產力結合的深刻理解。我認為，AI發展速度很可能會遠遠超出大多數人的想像——就像貼現率一樣，我認為從長遠看，人們對於它能達成什麼、將如何影響我們社會的方方面面，其預估是嚴重不足的。尤其是在軍事領域。我傾向於做一個現實主義者。我認為，國與國之間巨大的發展差異，將使人們所期待的那種平等對話變得困難。可能還會有一個第三梯隊，比如俄羅斯，這個在許多西方人眼中已處於衰落邊緣的國家，但是俄羅斯在電子對抗和數學應用領域的韌性非常強，他們擁有在極端壓力下“拼湊”解決方案的數學天賦，這一點使得他們在現代戰場的某些維度上依然保持著極高的競爭力。AI將以一種不可逆轉的方式，強行揭示出每一個個體、每一個微觀社區、每一個國家的真實市場價值。看待AI不公平性的一種方式是：它就像一次“壓力測試”，或者說是一種“承重測試”。能夠承受這種壓力的社會、組織和公司將獲得巨大的優勢。問題在於，如果一直在假裝承受壓力，實際卻不能，那麼整個體系就會崩潰。無論我們是否喜歡，AI都將揭開所有人和所有國家的底牌。 (藍血研究)

就在剛剛，智元機器人聯合創始人彭志輝在B站發佈他在2025年的最後一個作品，介紹了新產品——全球首個個人機器人，即小尺寸全身力控人形機器人產品：啟元Q1。視訊末尾附有“上緯啟元”品牌logo。啟元Q1的站立高度約為0.8米，收納模式的機身長度在0.5米左右。可以折疊後裝進一個30-35L左右的雙肩包裡。啟元 Q1 人形機器人以 “小” 破局，將 QDD 關節微型化至雞蛋大小，體積重量僅為全尺寸機器人的 1/8，大幅降低試錯成本、提升迭代效率，助力具身智能科研。其主打科研與互動場景，耐摔耐炸的特性適配演算法驗證，還能實現兒童陪伴、雙語教學等功能；外觀結構件開源，支援 3D 列印換膚和零程式碼創作，堪稱個人探索具身智能的 “畢業機”。(深科技)

Manus的去向終於塵埃落定！和143億美元控股Scale AI如出一轍，小扎再次通過斥資數十億美元收購Manus，將全員招入麾下，Manus創始人出任Meta副總裁！Manus最早引爆了AI Agent市場，本次收購，也是中國科技創業者取得的世界級的重大突破時刻，極具象徵意義。起猛了！就在剛剛，Meta正式收購AI智能體初創Manus，創始人肖弘直接出任Meta副總裁！據傳，交易金額高達數十億美元。這次收購，是Meta成立以來第三大收購，花的錢僅次於WhatsApp和Scale AI。恰在這月，Manus宣佈了這一年來的戰績，僅用了8個月的時間，實現了從0到1億美元ARR。Meta首席AI官Alexandr Wang激動表示，Manus的加入，將在未來幫助Meta打造超贊AI產品！創始人兼CEO肖弘稱，「今天，是我這一生都會銘記的一個時刻」。當我們創立Manus時，幾乎沒人相信通用AI智能體真的能夠落地。有人說這來得太早、太過宏大、也太難實現。但我們還是選擇繼續前行。在質疑中，在一次次挫折中，在無數個夜晚反覆懷疑自己是否在追逐不可能之事時，我們依然沒有停下腳步。而事實證明，我們並沒有選錯。01. 憑什麼被Meta看上？因為它真是「SOTA」Manus到底幾斤幾兩？資料不會撒謊。在Scale AI今年十月發佈的「遠端勞動力指數（RLI）」評測中，Manus以2.5%的自動化率拿到了SOTA。要知道，Scale AI搞的這個RLI可是個「魔鬼測試」。為了搞清楚AI到底能不能替代人類幹活，他們收集了涵蓋遊戲開發、產品設計、建築設計、資料分析、視訊動畫等各行各業的真實外包項目。這些項目總價值超過14萬美元，代表了人類專業人士超過6000小時的實際工作量。其中，有些硬骨頭項目成本甚至超過1萬美元，耗時100多個小時。而Manus之所以能夠在一眾智能體中脫穎而出，甚至被Alexandr Wang親自點贊，靠的就是其新加坡團隊的一項獨門絕技——挖掘「能力溢出」（Capability Overhang）簡單來說，就是把當下大模型那些潛藏的、沒被充分利用的能力給「榨」出來，搭建成超強的AI智能體。02. 上線九個月，狂攬1.25億營收Manus不僅技術硬，賺錢能力更是驚人。這家公司今年3月才剛剛上線，由一家名為蝴蝶效應的公司營運。短短八個月，它的年化營收就突破了1.25億美元。對於Meta來說，這點錢雖然只是九牛一毛，但意義重大。祖克柏為了要在AI領域跟OpenAI、Google、微軟搶地盤，承諾未來三年要在美國基建項目上狂砸6000億美元。投資人看著這燒錢速度早就心裡犯嘀咕了，擔心半天見不到回頭錢。Manus這種已經跑通訂閱模式、能向企業賣服務的成熟產品，無疑能讓Meta的報表好看不少。03. 從中國到新加坡Manus的身世也頗具故事性。它的母公司最早成立於中國，後來才全員搬遷至新加坡，並在舊金山、東京設有分部，員工總數擴充到了105人。今年7月，在裁撤了國內大部分員工並將產品撤出大陸市場後，Manus完成了徹底的「身份轉換」。這一背景曾引發不小的波瀾。今年早些時候，美國頂級風投Benchmark領投了一輪融資，當時Manus的估值近5億美元。因為這層中國背景，Benchmark還被美國議員和其他投資人狠狠批了一頓。但這並沒有阻擋資本的熱情，真格基金、紅杉中國和騰訊都在其投資人名單上。被Meta收購前，Manus進行了4輪融資：對於這些早期支持者來說，賣給Meta絕對是一場大獲全勝的退出。04. 接下來還會發生什麼？Meta在周一的聲明裡給現有使用者吃了個定心丸：Manus的服務照常賣，團隊也不會被打散。Manus CEO肖弘表示：攜手Meta使我們能夠在不改變Manus運作方式和決策機制的前提下，在更強大、更可持續的基礎上發展。雖然還沒細說這幫頂級人才以後歸那個部門管，但可以確定的是，Meta會把Manus的技術整合進自家產品裡。Meta目前的聊天機器人Meta AI已經覆蓋了智能眼鏡、Facebook、Instagram和WhatsApp。有了Manus的加持，也許下次你讓Meta Agent幫你「訂張機票」或「做個PPT」時，它不再是動動嘴皮子，而是真能幫你把活兒幹完了。對了，Manus還計畫很快在巴黎開設新辦公室。看來，這場AI智能體的全球擴張戰，才剛剛開始。而本次收購，也是中國科技創業者取得的世界級的重大突破時刻，極具象徵意義。 (DataFunTalk)

估值390億的Figure之外，CEO再投1億美元佈局AI實驗室。近日，機器人初創公司Figure AI的首席執行長佈雷特·阿德科克（ Brett Adcock）宣佈成立全新AI實驗室Hark，並個人出資1億美元作為啟動資金。這項消息源自Adcock於周四向Figure員工和投資者傳送的內部備忘錄，隨即在科技界引發廣泛關注。作為同時執掌兩家核心企業的掌舵人，Adcock將在繼續擔任Figure CEO的基礎上，帶領Hark開啟 AI 領域的新探索。根據備忘錄，Hark的核心願景是打造「以人為本」的AI系統，使其具備主動思考、遞迴式自我最佳化與深度人文關懷的能力，從而開闢一條不同於現有技術路徑的新方向。值得關注的是，該實驗室的首個圖形處理器（GPU）叢集已於周一上線，但具體規模尚未對外披露。Hark的創立並非個例，它反映出當前AI產業一個新動向：越來越多新創公司的CEO在深耕原有業務的同時，開始佈局新的技術戰場。先前有報導稱，搜尋引擎公司You.com的CEO Richard Socher也在籌備一個新的AI實驗室，並尋求10億美元融資。這類新興機構被業界稱為「新實驗室」（neolabs），近期已累計吸引數十億美元資金。「新實驗室」的核心目標，是探索OpenAI、Anthropic等大型AI企業可能忽略的研究路徑與模型架構，試圖在主流技術之外尋找突破點。儘管這些行業巨頭已坐擁數十億美元的收入規模和成熟的技術體系，但「新實驗室」以其靈活的機制、創新導向的研究和資本加持，正逐漸成為推動AI發展的重要力量。Adcock創立的Figure AI本身已是業界矚目的明星企業，累計融資近20億美元，投資方包括Parkway Venture Capital、輝達（Nvidia）、微軟（Microsoft ）以及貝索斯探險基金（ Bezos Expeditions）等知名機構，最新估值高達390億美元。這次他個人投入巨資創辦Hark，既是其在AI領域的二次創業，也彰顯了他對前沿技術探索的持續承諾。（左）輝達創始人兼CEO黃仁勳（Jensen Huang）與（右）Figure創始人佈雷特·阿德科克（Brett Adcock）（圖片來源：X@adcock_brett）無論是堅守本業的CEO開闢第二戰線，還是新興實驗室瞄準巨頭的技術盲區，這場創新浪潮的核心敘事，始終圍繞著如何讓AI更貼近人、更理解人、更服務於人而展開。頂尖人才與雄厚資本正以前所未有的濃度匯入AI創新領域，產業的競爭強度與技術演進速度正同步提升。 （創新觀察局）

2025年12月7日，史丹佛工程學院百年慶典的閉幕式上，一台用玩具積木和透明塑料板拼裝的伺服器被擺上了舞台。這台機器內建十塊4GB硬碟，總共40GB儲存空間，在1996年曾經是史丹佛學生項目中罕見的"大手筆"。它是運行PageRank演算法的第一台伺服器，也是Google的物理起點。這台機器的締造者之一是Google的聯合創始人Sergey Brin。校長Jonathan Levin和工學院院長Jennifer Widom與他進行了一場70分鐘的對話。這是Brin近年比較罕見的公開演講。自2019年卸任Alphabet總裁以來，他鮮少在公開場合的長篇發言，偶爾出現在矽谷的私人聚會上。史丹佛工程學院的歷史可以追溯到1891年大學創立之初。當時有四個系：化學工程、電氣工程、機械工程、採礦和冶金。1925年，這四個系合併成立工學院。一百年後，採礦和冶金系已更名為材料科學與工程系，學院擴展到九個系和眾多跨學科項目。院長Jennifer Widom是學院第十任院長，她開玩笑說："做個數學題就知道，我們的院長都喜歡在這裡待很久。"百年慶典的活動貫穿全年：五位還健在的前院長組成的panel（由Jerry Yang主持）、5月15日預計2000人實到3000人的大party、Jensen Huang和John Hennessy的爐邊對話、甚至一場工學院主題的橄欖球賽。院長Widom在賽場上開著電動沙發載著Andrew Luck上了全國電視。"沒人告訴我當院長還要幹這個，"她說，"但我完成得不錯。"這些背景讓閉幕式的嘉賓選擇顯得順理成章。Google是史丹佛工程學院最閃亮的創業故事之一，而Brin剛好在過去兩年重返一線。但過去兩年發生了變化。2023年底，在ChatGPT引發的"code red"警報後，Brin重返Google，每周三到四天出現在Mountain View總部，深度參與Gemini項目的開發。他在2024年9月的All-In Summit上首次公開確認了這一點，稱AI的發展軌跡"太令人興奮了，無法置身事外"。據報導，他主持每周的AI研究討論會，參與關鍵研究人員的招聘決策，甚至會和工程師討論"loss curves"（損失曲線，一種衡量AI模型性能的技術指標）這樣的技術細節。這次史丹佛演講，Brin講了很多此前從未公開的故事：在Gates大樓爬腳手架入侵門禁系統、被同事用偽造郵件惡搞、Google在AI上犯的戰略失誤，以及他退休一個月就後悔的真實原因。院長Jennifer Widom特別強調了一個常被忽略的事實："如果你對聯邦科研資助的影響有任何懷疑——Google直接來自一個NSF項目。"1. 導師放養與撬鎖入侵：1993年的史丹佛CS系"我很驚訝當時被給予了多少自由。"Brin1993年進入史丹佛CS博士項目，導師是Hector Garcia-Molina和Jeff Ullman。兩位大牛基本不限制他做什麼。他一度在研究碎紙機還原技術，把碎掉的檔案掃描後用演算法拼回去。"從來沒人告訴我不要做這個"，雖然最後沒做成。這种放養式培養在今天看來幾乎不可想像。但正是這種自由，讓Brin有空間去探索各種"不務正業"的項目。他的第一個商業嘗試是網上訂披薩：使用者在網站下單，系統自動給披薩店發傳真。"當時覺得網上訂餐是個瘋狂的想法，"他說，"我還開玩笑在頂部放了個可口可樂廣告，覺得網際網路廣告太搞笑了。"披薩店不怎麼查傳真，項目失敗了。但網際網路廣告這個笑話，後來成了Google的核心商業模式。1995年，CS系搬進新落成的Gates大樓。Brin發現了一個問題：新樓用電子門禁，他之前學的撬鎖技術（MIT鎖匠指南教的）沒用了。但他找到一個漏洞——門禁系統的管理電腦所在房間，陽台門還是物理鎖。當時大樓外還有施工腳手架。"我從四樓辦公室窗戶爬出去，沿著腳手架爬到那個陽台，撬開物理鎖進入房間，複製了門禁軟體，給自己做了一張萬能卡。"他笑著補充："法律追訴期應該過了吧。我那時候還是個孩子，判斷力就那樣。"院長Jennifer Widom在旁邊插了一句："我們當時不是在四樓嗎？""是四樓。但那是正經的施工腳手架，有各種支撐結構。"Brin回答。他沒提自己有沒有穿滑輪鞋爬腳手架——據院長回憶，他當年確實經常穿著滑輪鞋在走廊裡滑來滑去。2. 160萬美元的惡作劇：PageRank差點被賣掉Larry Page專注於網頁連結結構研究，Brin做資料探勘，兩人在1995年相遇後開始合作。最初做PageRank的其實是四個人：Larry、Brin、Scott和Alan。Scott後來創辦了e-Groups（被Yahoo收購），Alan做了天氣公司Weather Underground。"他們比我們更早想創業，"Brin說，"可能是對我們想賣技術的做法不耐煩了。"創業並非Brin和Larry的首選。他們首先想把技術授權出去。有一次向搜尋引擎公司Excite推銷，風投大佬Vinod Khosla覺得不錯，建議Excite收購。Brin和Larry報價160萬美元——對兩個博士生來說是巨款。15分鐘後收到回覆："That's a lot of moolah（好多錢），但行吧。"兩人興奮壞了。結果同事Scott走進來狂笑。那年頭可以偽造發件人信箱，回覆是他假冒的。Excite最終沒買。對Brin來說，離開博士項目是個艱難決定，父母也很失望。導師Jeff Ullman說了一句話改變了一切："試試看吧，不行再回來。""所以技術上我還在休學狀態，"Brin對現場觀眾說，"可能那天還會回來把學位讀完。"校長Levin笑著說："我們之後可以討論一下這個。"3. 學術型公司：野心與長期主義"Larry一直非常有野心，現在還是。你給他提任何計畫，他都會說'不夠ambitious'。不只是太陽系，要整個銀河系。"這種野心體現在Google早期的使命宣言："組織全世界的資訊"。兩人都是博士背景，建立的是一個學術氣質的公司：大量招聘PhD，重視基礎研發，長期投資。Brin舉了個例子：他在史丹佛時曾參與教授招聘委員會，面試過Urs Hölzle。Hölzle後來被史丹佛拒了，但一發郵件給Brin，Brin立刻回覆："明天能來上班嗎？"因為他已經完全瞭解這人的能力。這種學術型文化在當時的網際網路泡沫中是異類。"以前pets.com時代，隨便做個.com就行，技術門檻不高，對網際網路有基本瞭解就能搞。"但現在不一樣了。AI需要大量計算、深度數學，"技術複雜度只會越來越高"。Google現在招的人"比我當年強得多"。Brin讀書時同時修數學和CS已經算少見，現在很多新人是物理學家出身。"物理學家必須做硬數學，而且他們的領域受限於計算能力，所以天然具備計算技能。"主持人追問：Google可能是過去25年最具創新力的公司。大公司通常很難保持創新，你們是怎麼做到的？Brin的回答很誠實。"好吧，你們一直在恭維我。首先，我們確實在很多事情上失敗了。我們有一長串失敗的產品，就不一一列舉了。所以部分原因是我們一直在嘗試。"他認為學術型的根基讓Google更願意嘗試困難的事情。而在過去十年左右，困難的事情變得越來越有價值。AI就是典型例子——需要巨量計算、深度數學，這些都是技術上深入且有挑戰性的問題。"也是命運的twist，深度技術恰好在這個階段變得如此重要。"4. "我們確實搞砸了"：八年前的戰略失誤這部分是全場最坦誠的內容。"我們確實搞砸了。"Brin直言，"大約八年前我們發表了Transformer論文，但沒太當回事，沒有大規模投資算力。而且我們太害怕把它推給使用者——因為聊天機器人會說蠢話。"OpenAI抓住了機會。"這是個超級聰明的洞察，而且跑去做的還是我們的人，比如Ilya。"但Google並非從零開始追趕。Jeff Dean早年建立的Google Brain團隊奠定了神經網路基礎。Brin當時在Google X，給Jeff Dean充分自由。"Jeff，你想做啥就做啥。"Dean說："我們能分辨貓和狗了。"Brin心想：哦，挺酷。後來這個團隊開發的演算法逐漸用於搜尋，Noam Shazeer發明了Transformer，以及更多突破。Google的TPU晶片項目已有12年歷史，從最早用GPU，到FPGA，再到自研晶片，已經迭代了無數代。加上長期投資的大規模資料中心，Google是少數同時擁有自研晶片、深度學習演算法、和超大規模資料中心的公司。"我們只是碰巧很早就押注了深度技術這個方向，"Brin說，"算是運氣好。"5. 演算法是主菜，算力是甜點主持人問到當前AI領域數百億美元的算力軍備競賽。Brin給出了一個反直覺的判斷。"大家注意到的是算力擴張，因為你要建資料中心、買晶片，還有OpenAI和Anthropic那些關於scaling laws（規模定律）的論文。這些很吸引眼球。但如果你仔細對比，實際上演算法進步超過了算力擴張。"他舉了N體問題的例子。這是天體物理學中的經典問題：多個天體在引力作用下如何運動。從1950年代到1990年代，解決N體問題的演算法改進幅度，遠超同期摩爾定律帶來的算力增長。"算力是甜點，演算法才是主菜和蔬菜。"這個判斷與他在2024年9月All-In Summit上的發言一致。當時他說："過去幾年的演算法改進，可能比投入到模型中的算力增長還要快。"6. 智能有天花板嗎主持人問：AI能做人類能做的一切嗎？Brin沒有直接回答，而是拋出了一個更深的問題。"還有一個問題是，AI能做什麼人類做不到的事？這是超級智能的問題。""我們不知道一個東西能有多聰明。我們有幾十萬年人類進化、幾百萬年靈長類進化，但那是一個非常緩慢的過程，和AI的發展速度完全不能比。"他沒有給出答案，只是說這個問題"just not known"（就是不知道）。但他認為值得認真思考。關於AI目前的能力，Brin的評價是務實的。"老實說，AI有時候蠢得很，所以你總是在監督它。但偶爾它們會很brilliant（出色），給你一個很棒的想法。"他描述自己的使用習慣："給我五個想法。可能三個是垃圾，但兩個會有某種閃光點，幫我細化思路、換個角度思考。"7. AI會寫程式碼，還要學CS嗎？現場有250多名學生，很多還沒選專業。有人直接問：還應該選CS嗎？"我選CS是因為熱愛，這對我來說是顯而易見的選擇。"Brin說，"不要因為AI現在能寫程式碼就不選CS。AI在很多事情上都不錯，CS只是恰好市場價值高，所以關注度高。"然後他說了一句扎心的話。"AI在比較文學方面可能比寫程式碼更強。"為什麼？"程式碼有錯誤會產生實際後果，程序跑不通。但文章裡錯一句話，後果小得多。所以AI做'軟'領域反而更容易。"他的建議是：用AI，但保持批判性。不要因為AI能替代某個領域就換專業，因為這個思維框架本身就是錯的。關於AI對個人的價值，Brin給出了樂觀的判斷。"AI讓個人非常empowered（被賦能），因為你身邊不會總有各個領域的專家。無論是職業發展、創業、健康問題還是生活品質，都有巨大潛力提升個人能力。"他自己每天開車時和Gemini Live對話，討論資料中心建設、電力需求、成本估算。"雖然聽起來像在打廣告，但公開版本用的還是很老的模型，等幾周我們把新版發佈出來再用吧。"他還提到了其他使用場景：為朋友和家人挑選禮物、brainstorm新產品創意、藝術創作的靈感。"AI不會替你做這些事，因為我總是會說，給我五個想法。然後我自己判斷那些有價值。"有趣的是，他也提到了播客。"All-In Guys是我喜歡的播客之一，他們是很棒的主持人。我們剛去佛羅里達拜訪了Ben Shapiro，看了他的錄音棚。"但他更喜歡互動式的對話。"所以我在開車時和AI聊天，雖然聽起來有點尷尬。"8. 被低估的技術：聚光燈之外有學生問：什麼新興技術被嚴重低估了？Brin的答案是材料科學。"AI和量子計算在材料領域的應用。我們能用不同的材料做什麼？更好的材料在方方面面都有用，天空是極限。"主持人Levin補充了生物和分子科學。"分子科學領域也在發生巨大革命，但現在關注度不如AI。"院長Jennifer同意這個判斷。"聚光燈現在全在AI上，但不應該停止照在生物學上。合成生物學有很多exciting的事在發生。"關於量子計算，Brin持謹慎立場。"很多人在想量子計算能帶來什麼，但這不是我會押上全部籌碼的方向。"技術上的根本不確定性是："我們甚至不知道P是否不等於NP。"而且量子演算法只對特定結構化問題有效。但他支援大學裡的探索。"如果有人有完全不同於超導量子位元或離子阱的新方法，可能需要在大學裡醞釀幾年再商業化。這種事情是有意義的。"9. 學術到產業：這條路還重要嗎？有學生問：Google誕生於學術研究，但現在產業界在驅動大部分創新，學術到產業的pipeline還重要嗎？Brin的回答出人意料地謹慎。"我不知道。"他的邏輯是：當年他讀博士時，從一個新想法到它可能有商業價值，中間隔著很多年。學術界有足夠的時間去醞釀、申請grant、慢慢研究。但如果這個時間窗口大幅壓縮呢？"我不確定他們需要在大學裡待幾年做實驗、然後再把成果帶到產業界。產業界也在做所有這些事情。"Scott和Alan就是例子。他們比Brin和Larry更早想創業，可能是"對我們想賣技術的做法不耐煩了"。Alan當時已經在做Weather Underground，Scott在做e-Groups。他們沒有等到學術成果完全成熟。但Brin也承認，有些東西確實需要時間。"完全radical的新架構，可能還是需要在大學裡醞釀一段時間。那些你不會在公司裡做的事——因為太長遠了，市場不等你。"量子計算可能是一個例子。如果有人有完全不同於主流方案的新方法，"可能需要讓它在大學裡marinate（醃製）幾年"。10. 大學的未來：一個讓校長都意外的回答主持人問：如果你來規劃工學院的下一個百年，會怎麼想？Brin的回答超出了預期。"我可能會重新思考大學意味著什麼。我知道這聽起來很煩人——這是Larry會說的那種話，我通常會被他煩到。"他的邏輯是：資訊傳播方式已經徹底改變了。MIT開放課程、Coursera、Udacity、YouTube……知識獲取不再依賴物理在場。那麼大學作為"地理集中的知識傳播機構"這個定位，還能撐多久？把一群聰明人放在一起碰撞，這種價值不會消失。"但那是在特定規模上，一百人在一起很好，不一定要和另外一百人在同一個地方。"更根本的問題是學位的價值。"我們招過很多學術明星，但也招了大量沒有學士學位的人。他們就是自己在某個角落琢磨出來的。"校長Levin評價："這比院長等級的回答更像校長等級。"他指的是Brin觸及了高等教育最根本的問題：當知識獲取去中心化、當頂級公司都在招沒有學位的人，傳統大學的核心價值到底是什麼？11. Google Glass的教訓：別以為自己是賈伯斯有學生問：年輕創業者應該避免什麼錯誤？Brin給出了一個自嘲式的回答。"當你有個酷炫的可穿戴裝置想法時，在用跳傘和飛艇做發佈會之前，真的要把產品做得更成熟。"他指的是Google Glass。2012年的Google I/O大會上，Google用跳傘員從飛艇上跳下並直播降落過程的方式發佈了這款產品，場面極其酷炫。但產品本身商業化太早了，成本沒控制好，使用者體驗不夠精緻。"我以為自己是下一個Steve Jobs。結果發現，他是一個非常獨特的人。"更深層的教訓是關於期望管理。"一旦你公開了某個項目，外部期望會滾雪球式增長，開支也會增加，然後你就被deadline綁架了。你可能沒有足夠時間把事情做好。這是我會努力避免的錯誤。"12. 從莫斯科到矽谷：三次世界觀爆炸有學生問：你如何定義好的生活？Brin的回答從他的童年開始。他出生在蘇聯莫斯科，全家擠在40平米的公寓裡，和父母、祖母住在一起，每天爬五層樓。"我根本不知道外面的世界是什麼樣。"父親去波蘭參加學術會議，第一次瞭解到西方世界，決定移民。這在當時家庭裡非常有爭議。到美國後又是一貧如洗，要學新語言、交新朋友。另一個學生問了一個更尖銳的問題：在建立Google的過程中，你有什麼limiting beliefs（限制性信念）需要改變？Brin把這個問題和他的移民經歷聯絡起來。"我的生活在幾個階段都有戲劇性的擴展。"每一次都很痛苦——離開熟悉的環境、失去朋友、學習新語言、從頭開始。"但我想，因為我個人的歷史，我有了這種體驗：那些痛苦的轉變，後來都有了回報。"第三次世界觀爆炸是1993年來到史丹佛。"加州有某種非常自由和解放的東西，尤其是這個州的傳統。雖然現在有點在失去，但我不想抱怨。"這不是抽象的哲學。Brin的父親Michael Brin是馬里蘭大學的數學教授，母親Eugenia在NASA戈達德航天中心做研究員。他們從蘇聯的體制中逃出來，深知思想自由的價值。據維基百科，Brin的母親後來被診斷出帕金森症，Brin已經捐贈超過10億美元資助相關研究。13. 退休一個月的教訓Covid前，Brin宣佈退休。他的計畫是：在咖啡館裡學物理。"然後咖啡館全關了。"他發現自己在家"越來越鈍"，思維不再敏銳，"感覺自己在spiral down（螺旋下墜）"。幾個月後開始偷偷回辦公室（當時還沒正式復工），後來越來越深入地參與後來被稱為Gemini的項目。"能有這種技術上的創造性outlet，非常有價值。如果一直退休下去，會是個大錯誤。"這與他在2024年3月AGI House活動上的發言一致。當時他告訴一群AI創業者："AI的發展軌跡太令人興奮了，我沒法繼續退休。"好的生活，對Brin來說，是能夠享受家人（他的一個孩子和女朋友都在現場），同時保持智力上的挑戰。"我感激能夠在這個階段有智力上的挑戰。"演講結束時，院長Jennifer Widom感謝了一位促成這次活動的人：Emily Ma，史丹佛的兼職講師，同時也是Google員工。她看到了這次活動的潛力，推動了它的實現。"這是我們百年慶典的完美收官，"Widom說，"讓我們看看下一個世紀會發生什麼。"台上那台玩具積木拼裝的伺服器，見證了過去三十年。下一個三十年，它會繼續作為展品，靜靜地待在黃仁勳工程中心的展廳裡。核心問答Q1: Google在AI競爭中為什麼沒被OpenAI徹底甩開？Brin承認Google在Transformer論文發表後"確實搞砸了"，沒有大規模投資算力，而且"太害怕把它推給使用者"。但Google從十幾年前就開始佈局深度技術：Jeff Dean建立的Google Brain團隊、自研TPU晶片（已有12年歷史）、超大規模資料中心。這些基礎設施和人才儲備讓他們能夠快速追趕。Brin的原話是："我們只是碰巧很早就押注了深度技術。"Q2: Brin認為AI時代還應該學CS嗎？Brin的回答是：不要因為AI能寫程式碼就換專業。他給出了一個反直覺的判斷：AI在"軟"領域其實更強——比較文學裡錯一句話沒什麼後果，程式碼錯了程序跑不通。所以用"AI替代程度"來選專業是錯誤的思維框架。他的建議是：選自己熱愛的，同時用AI來增強自己的能力。Q3: Brin認為年輕創業者最該避免什麼錯誤？在產品成熟之前過早公開。一旦公開，外部期望和內部開支會滾雪球式增長，你會被deadline綁架，沒有時間把事情做好。Google Glass就是他本人犯的這個錯誤。他用跳傘和飛艇做了一場酷炫的發佈會，"以為自己是下一個Steve Jobs"，結果產品不夠成熟，商業化失敗。 (高飛的電子替身)