舊場景的驗證，新技術的競賽。封面來源｜AI生成2026年，中國AI市場註定硝煙瀰漫。最重量級的玩家將在2026年展開殊死搏鬥。阿里對“千問”的戰略級投入將在2026年更加淋漓盡致，撒30億請使用者喝奶茶，就是一個聲勢浩大的開始；同樣的，大撒“元寶紅包”也不會是騰訊唯一的大動作。而字節卻是個很難打敗的對手，它已經佔據AI to C的一線位置，且手握最大的流量，“豆包手機”也不會是它對突破邊界的唯一試探。如果說此前幾年，大廠的AI業務尚在模型層的陽春白雪中，還有遲疑、走神的空間，但大廠如果想在AI時代依然是“大廠”，面對豆包高企的DAU，2026年是AI ToC市場最後一搏的機會窗口。這場戰爭的重要程度，絕不亞於打車大戰、支付大戰、外賣大戰……我們曾經歷的任何一場戰爭。對於“中廠”來說，隨著智譜和MiniMax的港股IPO、月之暗面和階躍星辰的融資落定、新一輪模型的發佈接力，“AI六小虎”的故事告一段落。是否有餘力衝刺AGI成了薛定諤的命題，但自我造血對六小虎來說迫在眉睫。他們需要找到各自差異化的道路，尤其是商業化的道路。正如一名六小虎高管所說：不要貪大盲目IPO，二級市場的嚴苛審視會立刻反映在股價上。不過，“目前沒有商業模式是成熟的，還需要經過幾年的探索。”某一線美元基金合夥人告訴我們。商業模式的分化，一定伴隨著組織特性的分化。一名大模型初創公司融資負責人一口氣舉出了5種主流的商業模式：ToC的訂閱和廣告付費、ToB的API售賣、ToB定製、按效果收費、軟硬體一體——每種商業模式對應著不同的選擇，例如，做ToC的一定要出海，做ToB的一定要會“打單”……不過，最活色生香，最令人期待的，還是在創業公司，在AI應用領域。每個人都想成為Manus，成為ARR過億美金被大廠重金收購的對象，但是最充滿不確定性的也是這個領域。難以琢磨，不可預測，卻充滿魔力。2026年，“智能湧現”將繼續用熱切的心情、開放的心態，關注AI創業領域。關於模型技術的迭代、商業化，不同玩家的處境，“智能湧現”訪談了十幾位身處一線的創業者、投資人、大廠員工，總結了2026年的10大命題。字節：守住優勢，追擊AI世界第一梯隊圖源：AI生成前flow員工：AI入口的最佳形態還沒有確定豆包做得最對的一個決策是，是將AI能力平權了——在很早的階段確認多模態為核心能力。在2025年，還抓住了最好的時機做增長。2025年，字節完成的一個重要里程碑，是通過引進吳永輝為主的世界頂尖人才，現在已經逐漸完成一流模型人才的儲備，在基礎模型層逐漸穩居在國內第一梯隊。但2026年，隨著AI助手和模型層的競爭變得更加激烈，如何留住這些人才，是最核心的命題。某大廠戰略人士：今年最大的挑戰，是讓豆包聯動線下服務2025年，豆包做得最勇敢的一個決策，是推出豆包手機。雖然這件事註定會被其他大廠圍攻，但這個舉動攪動了移動網際網路和手機廠商的現有利益格局，讓所有玩家都不得不加速行動。展望未來豆包面臨的長期挑戰，是如何保持AI模型能力在最前列，同時把AI助手與普通使用者的真實生活連接起來——尤其是電商、外賣這類線下服務，字節雖然都有佈局，在組織上，字節相比其他大廠來說，歷史包袱少、依然是一個年輕有活力的組織，但怎麼內部協作得更好也並不容易。阿里：再造新AI To C入口圖源：AI生成某千問員工：不只是對外AI入口，也會成為阿里的底層AI能力平台千問是阿里內部集全集團之力做的C端AI入口。從產品路線上，主打差異化，也是因為親民、親切的路線就已經有競品佔據了使用者心智，我們先以差異化的辦事、辦公場景切入市場，走專業路線，但長期目標是成為AI入口。未來，千問不只是對外的AI入口，也會為阿里很多業務提供底層的AI能力。2026年，我們的挑戰在於，阿里的業務體系龐雜，行業差距也很大。千問作為相對獨立的技術團隊，理解阿里內部其他業務對AI能力的訴求是困難的，怎麼和各業務單元之間做更好的協同，這是未來的挑戰。某大廠戰略人士：2026年，大廠真正開打ChatGPT之戰的一年阿里今年能從夸克切換到千問，並在千問這個產品上快速發力，背後是阿里強大的組織能力在支撐。今年會是大廠真正開打ChatGPT之戰的一年，這是因為一條主線仍在持續：只要模型能力持續提升，新的功能釋放出來，就會有反哺業務的機會。從競爭格局看，雖然市場已有過億DAU的產品，但市場遠遠沒有飽和，這是千問敢在這個時間段發力的原因。目前，各家大廠的通用AI助手產品其實同質化程度都比較高，真正的差異在於誰能更快地迭代，誰能更好地把握使用者需求，長期地進行營運。AI助手市場還有很大的增量空間。前阿里員工：用組織變革來換取決策速度AI時代給了大廠一個重新定義入口的機會。原來的搜尋、社交、電商入口都已經被佔據，AI助手有可能成為新的流量入口和推薦網路。問題在於，這個機會窗口可能很短。千問C端事業群的推出，某種程度上是阿里在用組織變革來換取決策速度——與其在內部慢慢協調，不如直接推出新產品，用市場來驗證。騰訊：AI應用和模型繼續補課圖源：AI生成前元寶員工：DeepSeek再次刷新“模型即產品”的重要性事實上，在接入DeepSeek之前，元寶就已經明確“模型即產品”的重要性，DeepSeek之後是更加強化了這一共識。這一年裡，元寶比較聚焦模型能力的提升，強化產品與模型的深度整合。另外，元寶早期很早就定下來選擇聚焦高知人群，走差異化路線，一是高知使用者對體驗和效果的要求更高，二是，他們作為AI領域的早期嘗鮮者和意見領袖，他們的使用習慣會影響周圍人群，形成示範效應。元寶成員：元寶要擺脫DeepSeek依賴目前混元在模型市場上還沒有絕對的優勢。元寶提供的搜尋服務，一部分基於混元，一部分基於DeepSeek。但截至2025年底，大多數使用者還是選擇DeepSeek作為默認模型。最近，TEG的搜推部門合併到了元寶的搜推。此前，TEG搜推負責的是元寶中基於混元的搜尋鏈路，元寶搜推負責的是DeepSeek的搜推鏈路。其中的意義，一方面在於提高合作效率。另一方面，我猜測，未來元寶的搜尋會對模型進行整合，以後內部可能就不會存在基於DeepSeek的搜尋、基於混元的搜尋，只存在“元寶搜尋”。某大廠戰略人士：關鍵要理清微信和元寶的戰略定位相比行業內其他玩家的快速迭代，騰訊的節奏相對謹慎。比如，混元策略可能是不在基礎模型層面做正面競爭，而是聚焦Agent模型等差異化方向。接下來，騰訊需要在自研模型能力上拿出更有說服力的成果。微信遲遲沒有將AI能力深度整合到裡面，也是因為國民級入口要面對的隱私和安全問題太多，難以在短時間裡解決。用“元寶派”等新產品的試水方式，本質上是希望加速產品形態的創新嘗試，而不影響原有使用者的體驗。2026年，騰訊更需要解決的關鍵問題，可能是理順元寶和微信的戰略定位，才能更好發揮騰訊在產品層面的優勢。百度：對著釘子造錘子百度集團執行副總裁、百度智能雲事業群總裁沈抖：智能經濟帶來無限機會，企業需要建構AI原生組織AI正開啟“超級周期”，其價值將遠超網際網路時代。與網際網路僅改變資訊互動不同，AI將深度重構“研產銷服”全產業鏈，撬動10兆級市場。大模型智能湧現，而智能體（Agent）是產業落地關鍵形態，已在程式設計最佳化、數字員工、工業SOP（標準化操作流程）等領域展現突破性效能。企業需建構AI原生組織，推動自上而下的變革。未來企業中層很有可能大幅縮減，形成“決策層+智能體”的高效架構。百度集團副總裁，個人超級智能事業群總裁王穎：AI應用必須想得全、想得對、做得好當前使用者在使用AI產品時，仍有三大明顯痛點：一是認知偏差，幻覺問題未解決，也缺少個人知識沉澱；二是落地斷層，AI手腦分離，即便能想但只能局部實現；三是體驗割裂，即便能做也要在不同工具中轉移，AI能力、模態與格式無法一站滿足，使用者完成任務過程磕磕絆絆，時時碰壁。要打造真正的超級個人智能體，賦能使用者成為“超級個體”，就應該充分解決掉上述的所有問題。我們一直希望把百度文庫和百度網盤打造成為超級個人智能體，讓AI應用想得全、想得對、做得好，為使用者提供個性化、自由化、通用化的能力。百度集團副總裁，百度電商、百度數字人業務負責人平曉黎：未來的數字人會持續自主進化隨著視覺、語音、智能體等AI關鍵技術的突破，數字⼈也在加速進化。1.0時代的數字⼈，只是簡單實現了虛擬⼈的表層，具備了基本的外形和聲⾳。2.0時代是超擬真數字⼈，隨著⼤模型的問世⽽得到顯著提升，實現了對⼈物形象的⾼精 度克隆、⽀持⼤動作、擺脫了紙⽚⼈的效果，實現了數字⼈語⾔指令碼和互動問答的⽣成。⽬前，業界主流的數字⼈就處在這個階段。去年，百度率先發佈了⾼說服⼒數字⼈，把AI數字⼈帶⼊了3.0階段，不僅形神⾳容⾼度協調、還會思考決策、能調度多智能體完成指定任務。⽽在不遠的未來，擁有世界知識、不知疲倦的數字⼈，能夠持續⾃主進化，還能夠⽀持千⼈千⾯的個性化情感互動，將在更多的應⽤場景上超越真⼈。模型商業化：賺高品質的錢圖源：AI生成某模型初創公司高管：售賣模型API，只能作為短期商業化的補充手段大模型主流的商業模式有5種：ToC的訂閱付費和廣告收費，ToB的API售賣，ToB和ToG的定製化，按效果付費，以及從資料側走向端側的軟硬一體。選擇ToC訂閱的廠商，基本都選擇了出海，因為國內使用者付費意願還不高；售賣API的模式，本質上是雲服務的延伸，未來雲廠商一定會將API價格打得很低，獨立模型廠商很難實現規模化，因此API只能作為短期商業化的補充手段。至於定製化，市場上一種論調是，大模型的泛化能力可以改變原有重交付的模式。但在國內，不僅需要有能交付的技術能力，人脈也很重要。對初創公司來說，按效果付費和做軟硬一體，兩種模式都有機會。Physical AI的想像空間很大，未來智能終端有望成為新的流量入口和下一代推薦網路。但兩種模式都對初創公司的能力提出了高要求。按效果付費的前提，是模型能力足夠強。做軟硬一體的交付，要求公司有豐富、無短板的多模態模型矩陣，也要求團隊有資深的端雲協同交付經驗。某模型初創公司成員：模型能力迭代，不跟著OpenAI走，跟著客戶需求走2023年以來，我覺得賽道上很多模型公司都有“OpenAI病”，自稱要做“中國的OpenAI”，產品矩陣也強對標OpenAI。但2025年，提要做“中國OpenAI”的公司變少了，反而提做Anthropic的變多了。其中一個很重要的原因是，大家發現，自己手上的錢和卡不夠了，無法支撐OpenAI那樣全面鋪開的產品矩陣。資源有限的情況下，有些東西就不得不放棄。Anthropic已經證明，推理能力、Coding能力有市場、有付費，所以不少廠商2025年以來都將模型的迭代方向轉移到這兩者上。所以，我相信未來不同模型廠商，模型能力也會根據自己的資源、優勢，以及下遊客戶的需求，產生分化。某一線美元基金合夥人：目前模型的商業模式都不夠成熟在產品層面，AI時代的產品形態還沒有完全定型，原因在於模型能力還沒成熟。比如視訊模型的一致性、理解能力，都還在發展。這些能力成熟後，到底能實現什麼功能、落地什麼場景，大家都還在探索。今天，像ChatBot類型的產品，大家都在用訂閱的方式收費。但這只是其中一種形態。OpenAI也在探索，ChatGPT要不要使用更高效的廣告模式，吸引更多使用者，而不是全部採取訂閱模式。所以，目前沒有商業模式是成熟的，還需要經過幾年的探索。找場景 ：在垂直、細分領域找錢圖源：AI生成極致上下文CEO廖謙：創業公司要找垂直場景切入，做端到端的服務交付我不認為通用Agent會統一天下。在做使用者理解時，不同問題的互動形態完全不一樣，資訊蒐集方式也不同。通用Agent會讓上下文變得駁雜，而且很難定義任務的好壞，商業模式只能是成本導向。但垂類場景下，任務可以被明確定義，有行業統一標準。創業公司的關鍵是，要切入資訊生產場景，做端到端的服務，而非工具。另外，要做生產場景而非消費場景（娛樂、社交），後者是大廠的必爭之地，創業公司切入比較難。前百川智能合夥人、AI醫療公司緣啟智慧創始人兼CEO鄧江：不是所有的場景，都願意擁抱大廠創業公司相較於大廠有兩個優勢。第一，創業公司在技術上更垂直、更深入。大廠很難做這麼垂直的投入，他們做的都是更普世、更廣泛的技術投入。豆包、螞蟻這些大廠推出健康類產品，我是開心的。大公司每個決策背後一定有龐大的市場和資料支撐。反過來，每一種病症，都意味著巨大的市場空間。比如皮膚病，中國有上億的患者，把皮膚病做好，都足夠立足了。所以未來還是看你能不能把垂直的能力做深做透。第二，創業公司可以保持技術獨立。不是所有的場景，都願意擁抱大廠，因為大廠和客戶在某類場景上有深度競爭。無論資料安全，還是商業競爭，不管在那個行業、那個時代，獨立的技術公司都有自己的生存空間。攀峰智能CEO王銘：2026年是Agent“按效果付費”的元年傳統的SaaS工具模式，其經濟模型是“收取的訂閱費能否覆蓋算力成本”，至於使用者能否跑出結果，工具方並不負責。我們認為，未來的經濟模型應該會變成“獲取的任務分成能否覆蓋算力成本”，2026年會是按效果付費的元年。這從根本上改變了產品的驅動力，迫使我們會花更多精力去打磨那些能直接幫助使用者賺錢，離ROI更近的功能。這對資源有限的創業公司至關重要，因為大廠會逐漸往下尋找並佔據好場景。一旦驗證了Agent能幫使用者低門檻賺錢，傳播速度會非常快，因為使用者的決策成本幾乎為零——幫你賺到錢了，你再付錢。那裡去找錢：IPO是好事，但不要盲目IPO圖源：AI生成某一線美元基金合夥人：港股IPO是改善一級市場環境的契機至少在過去，我覺得中國一級市場沒有辦法顯著支撐長期、巨額，且不是淨利潤導向的研發投入。如果大模型企業不上市，未來在一級市場的融資效率肯定很低，只能在現在30億、40億美金的估值基礎上小幅地融。但港交所舉措越友好、IPO的公司越多，優質科技型企業有更順暢的退出管道，並且在資本市場能得到國際投資者更公允的定價，這些事實都會反哺到一級市場。如果一級市場更活躍，中國的創新環境也會更好。只有這樣的循環被打通，一級市場才有可能真正支撐起千億美元的科技公司，而不是讓公司在早期階段就考慮上市。作為對比，SpaceX等到估值1萬美金，才考慮上市。他們前期發展的資金全來自美國一級市場。綠洲資本創始合夥人張津劍：不要只做區域創新，要做讓全球資本看見的全球創新很多投資者認為，AI最後就是中美的遊戲。但美國有很多標的，比如輝達。但中國的AI標的，在世界上的面貌不那麼清晰。MiniMax 的港股 IPO讓海外投資者有了一個投資中國AI的清晰樣本。接下來每一家AI、具身公司的上市，都是中美之間鑿壁偷光的一扇窗，讓外界看到中國有那麼多企業推動全球創新，從招股書上也能看到，他們的很多收入也來自全球。同時，越來越多的海外投資人也想直接投資中國。2025年夏天，美國很多GP到中國走了一圈。歸根到底，只要中國有創新、有服務全球的能力，錢是會進來的。創業者就應該堅定地去探索全球創新，而不是區域創新。未來中美之間有多少牆，就會有多少洞，比如港股IPO，比如2025年的DeepSeek和宇樹，只要堅持創新，就一定有好的錢主動找過來。某模型初創公司融資負責人：走向二級市場是“雙刃劍”2026年初，月之暗面、階躍星辰接連宣佈了新一輪的大額融資。這件事向行業證明，一級市場還能支撐大模型發展。之前智譜、MiniMax的IPO向創業者釋放的訊號是，在一級市場不一定融得到錢了，所以大家在匆忙地走向二級市場。走向二級市場是一把“雙刃劍”。好處是企業擁有了更順暢的融資管道，更大的市場聲量。但也要意識到，企業很快會面臨商業化的壓力。能看到很多IPO的企業，立刻開始大力佈局ToB業務，因為ToB的優勢在於變現速度很快。二級市場給企業的業績兌現期是一到兩年，如果沒有達到預期，企業的股價會立刻下跌。AI組織：小是趨勢，人效是關鍵圖源：AI生成Honghub鴻鵠匯發起人鄒凌：稱職的極小團隊Founder，要會找機會、有執行力、能自我行銷能把一人公司或者這種極小組織公司良好經營起來的Founder，身上通常具備以下三種核心能力：一，找機會的能力。他們往往在某個行業深耕多年，可以從自身行業經驗中提煉真實痛點、找到可以用AI改進的低效環節。二，快速執行力，能借助AI獨立完成短時間內做出初版甚至多個Demo，然後迅速獲得反饋，聚焦最有潛力的方向迭代。此外，AI時代，很多早期項目並不依賴ToB銷售或獲客團隊，個人創業者還要擅長用社交媒體為自己“代言”。得有找到早期使用者、驗證需求，甚至帶來現金流的能力。清華交叉資訊學院助理教授、AReaL項目負責人吳翼：極小組織形式和全端創新能力是相輔相成的極小的組織形式和全端的創新能力是相輔相成的。不僅是創業公司，大公司中的AI研發團隊也有必要做簡化。因為人的溝通頻寬是有限的，但大的組織架構必然會走向職責劃分和管理，而人類糟糕低效的Context Sharing能力會成為整個團隊的效率瓶頸。傳統的組織中會把演算法和Infra團隊分開。如果做模型時Infra團隊和演算法團隊太過強調分工，容易產生一種情況，即演算法團隊像是個甲方，Infra團隊承擔做“髒活累活”的乙方角色。隨之而來帶來的問題是，做乙方的團隊，容易失去創新的空間；而習慣於做甲方的團隊，就可能不願意做髒活累活，這會很容易失去對於技術最底層的觀察、感知，和創新所需要的自驅力。因此，AI研發組織中，演算法和Infra是不能脫離成兩個團隊的。兩者共同設計、協同演進，才可以形成一支小而有戰鬥力的團隊。DeepWisdom創始人兼CEO吳承霖：不要迷信一人公司，組織的關鍵在“人效”行業認為AI能夠提效，進而替代人力。但當每家公司都有電腦的時候，其實相當於大家都沒電腦。卷度只會上升，不會下降。所以不要迷信一人公司，最終評價組織的維度應該是“人效”。每家公司80%的成本，其實是溝通成本，反而不是寫程式碼、文件的成本。AI可以精確規避溝通的隱形成本。一些頭部AI公司內部已經用AI代替人來分工。Claude能夠識別員工的所有歷史行為，識別技能體系，判定舒適區，然後派稍稍超出舒適區的任務。目前，人還需要作為AI的管理者。我們更需要的是技能全面、具有批判性思維的通才，去減少人之間的溝通問題。我們公司內部為通才成立了一個試驗性的組織“ROOT”，裡面沒有傳統崗位的劃分，每個人承擔從產品策劃到開發、管理的全端工作，效率是傳統組織的好幾倍。基礎模型下一戰：讓模型“看得懂”、“記得住”、“用得起”圖源：AI生成Luma AI首席科學家宋佳銘：多模態需要走向“大一統”2026年，大家有必要在“大一統”路線上做一些探索，也就是將圖片、視訊、音訊、文字等模態的理解和生成混合在一個模型中。相比於單純的圖像、視訊模型，大一統的擴散模型的好處在於，有更強的In-Context Learning（上下文學習）能力和Zero-shot（零樣本學習）能力，天花板更高，落地的想像空間更大。不少廠商都選擇將不同模態的模型拼接在一起，而不是統一訓練。這種方法會帶來短期收益，但長期來看，會延誤建構更好模型的時間。前百川智能聯合創始人、來福電台創始人兼CEO焦可：AI 時代真正的壁壘是記憶2025年行業對記憶的研究開始變多，但依然非常早期。人的記憶系統很複雜，每天都在睡眠中將短期記憶與長期記憶進行合併、遺忘和抽象，我們是在進行一場持續的日更訓練。今天還沒有一套成熟方案能夠系統性地做到這一點。AI時代真正的壁壘就是記憶。這是所有AI產品的兵家必爭之地，我們之所以選擇從語音切入，也是因為語音能讓使用者最自然地表達出Long Context（長上下文）。誰能跟使用者說更多的話，誰才有使用者更多的記憶，進而更懂使用者，提供更個性化的服務。因此，對我們而言，DAU並沒有那麼重要，因為DAU隨時會走。我們更看重DTU，Daily Talk User（每日交流使用者），這代表每天有多少使用者產生新的記憶。以及LMU，Long-term Memory User（長記憶使用者），這部分才是 AI 產品真正的價值。前阿里/字節大模型帶頭人、Infix.ai創始人兼CEO、港理工人工智慧講座教授楊紅霞：“去中心化”帶來落地今天模型的落地有一個很大的鴻溝。不少高精尖領域、中小企業、醫院、政府機構都想用生成式人工智慧，但遲遲無法實現，核心原因是現在的以個別廠商為中心主導的大模型沒有他們所對應的領域資料。需要強調的是，模型知識的注入只發生在預訓練階段，所以模型在企業或機構的本地化部署，一定要啟動持續預訓練，因為醫院、企業、機構大量的本地化私有資料和知識，在網際網路上是無法獲取的。同時，現在不同企業或機構的資料是很難共同分享的，導致了現有範式下模型無法做到全球化和全行業化。我相信未來每家公司都會需要大模型這樣一個腳手架。所以，我們希望把“腳手架”做到最便宜、最易用、入門門檻最低，讓每一家企業或機構都有自己本地化部署的模型。第二件事，我們想通過模型融合的方式，把某個領域的模型做到全球化。比如不同醫院的醫療專科模型融合起來，就能得到一個醫療領域的基礎模型。所以所謂的“去中心化”，就是在各個領域，集大家的能力，一起做好領域大模型。具身世界模型突破口：演算法要創新，場景要驗證圖源：AI生成大曉機器人董事長，商湯科技聯合創始人王曉剛：世界模型真要有效，必須有下游驗證閉環2024年11月，我就主導發佈過智能駕駛世界模型，但當時行業對這項技術的態度是“不太信”。原因是，包括輝達Cosmos世界模型在內，當時不少公司把世界模型當“資料生成器”。雖然可以在實驗室裡生成一堆看起來成立的場景畫面，但缺少下游真實落地驗證，沒人能回答“這些資料到底好不好用”，信任很難建立。過去採集這類資料危險又貴，甚至得協調“演員車”上路復現。商湯則可以先在世界模型裡規模化生成大量場景畫面與解決策略後，再用上汽智己的實車對世界模型的決策進行檢驗、校準，讓模型能力在真實反饋裡越練越準。同樣，世界模型在具身智能上也需要下游場景驗證。比如，大曉機器人先採用硬體更成熟的四足狗做“上街巡邏”的工作，在任務執行中驗證世界模型的能力，在真實場景裡持續迭代。極佳視界創始人兼CEO黃冠：2-3年內將可能迎來物理世界的“ChatGPT時刻”真機的“VLA+強化學習”正在快速迭代和擴展，但面臨巨巨量資料瓶頸，“世界模型”是被認為是未來能解決物理世界通用智能真機資料瓶頸的方式。我認為，2-3年內將可能迎來物理世界ChatGPT時刻。關於“物理世界ChatGPT時刻”的定義是：在100種常見任務中，90%的場景下達到95%的成功率。之所以認為這個時刻會在2至3年到來，是根據現有技術進展速度所進行的推測。這個過程目前並不是由世界模型完成所有任務，而是仍然需要與VLA、強化學習互相配合。具體而言， VLA解決的是作業的複雜性，世界模型解決泛化性，強化學習解決精準率和可靠性。清華交叉資訊學院助理教授、星海圖聯合創始人趙行：值得探索的前沿方向，是讓機器人預知未來我們會去較為積極地探索世界模型，但它還沒有進入到工業化的技術階段。與靠資料驅動的VLA不同，我覺得世界模型是一個非常典型的、靠聰明頭腦驅動的工作。它需要定義出一個最合理的演算法，建模物理世界的運動規律。如果能把世界的動力學規律給建模出來，那麼我們就不用再靠模仿學習的方式去訓練機器人了，機器人可以直接知道每一個動作的後果。但是讓機器人預知未來，可能比讓機器人規劃現在的動作更難，這有點像為瞭解決一個難題還要創造另一個難題。所以它非常適合最聰明的、最前沿的實驗室去探索。 (36氪)

CPO再度爆發！2月3日，A股早盤，創業板指一度大漲2%，CPO概念股大漲，天孚通訊漲逾10%，新易盛、中際旭創漲逾3%。致尚科技開盤8分鐘後，20%漲停。有券商研報顯示，根據產業調研，輝達CPO交換機或將出貨，出貨量預計1萬台，其中Spectrum5率先起量，自二季度起Spectrum6及Quantum CPO交換機有望小規模出貨。如果2027年NV在scale-up引入CPO技術，光互連場景進一步拓展。另一方面，大盤又是否已經走穩，並有利於題材股演繹呢？CPO利多持續發酵據訊石光通訊網1月30日報導，Light Counting 發佈最新報告指出，AI發展正推動光收發器和共封裝光學（CPO）市場高速增長。預計2025年市場規模達165億美元，2026年將激增至260億美元，年增長率高達60%。儘管供應鏈短缺正在緩解，但頂級雲公司的資本開支狂熱為市場提供了支撐。Meta和Oracle計畫在2026年將其資本開支翻倍，其他公司尚未更新其2026年的支出計畫。有券商研究機構表示，根據當前的假設，2026年面向前五大雲公司的光學器件銷售額將佔其資本開支的3.1%（高於2025 年的2.7%），並將在2031 年增至4.1%。光學連接支出增加可以歸因於新的應用，例如Scale-up網路，以及用於Scale-out 和Scale-up連接的GPU頻寬的快速增長。CPO在Scale-up連接中的採納可能會超出預測，並在2028 年至2031年間引領市場實現更強勁的增長。另外，輝達2月3日舉辦共封裝矽光子交換機相關研討會NVIDIA將於2026年2月3日（新加坡時間14:00-15:00/澳大利亞東部時間17:00-18:00）舉辦網路研討會，主題為“面向十億瓦級AI工廠的共封裝矽光子交換機”。據輝達描述，超大規模人工智慧正在重新定義現代資料中心必須交付的內容。隨著下一代AI工作負載向龐大的模型規模、即時推理以及跨區域互聯的AI工廠發展，基礎設施必須不斷發展，以實現前所未有的規模、連接性和能源效率。此次研討會聚焦AI 模型變大、推理即時化背景下，資料中心如何通過NVIDIA 光子交換機、NVLink 及Spectrum-X 乙太網路實現超算級性能。另有券商認為，2026年為CPO量產元年。CPO的核心優勢是降低TCO與功耗，以GB300 NVL72叢集為例，極端情況下採用CPO技術的3層網路transceiver功耗可降低 84%，總網路功耗降低23%。根據產業調研，輝達CPO交換機預計將出貨，出貨量預計1萬台，其中Spectrum5率先起量，自Q2起Spectrum6及Quantum CPO交換機有望小規模出貨。如果2027年NV在scale-up引入CPO技術，光互連場景進一步拓展。大盤是否已經走穩？那麼，大盤是否有利於主題演繹？最近的流動性危機是否已經解除？分析人士認為，從短期來看，一方面外圍流動性持續衰減的勢頭暫時走穩，但地緣變數仍在；另一方面，考慮到長假將至，內地去槓桿可能還會零星出現。因此，市場可能會偏震盪格局。第一，從昨晚到今早，貴金屬強勁反彈，美國槓桿借貸指數亦小幅走穩，虛擬貨幣亦有反彈。但值得注意的是，這裡是不是反轉還難有定論，因此槓桿借貸指數反彈幅度微弱，虛擬幣反彈也不多，比特幣目前仍維持在7.9萬美元以下水平。這很難說，流動性的格局已經完全扭轉。從地緣來看，中東的問題依然存在變數。川普說，美國正與伊朗對話，“如果我們能達成某種協議，那就太好了。如果不能，可能會出現不好的情況”。他再次對伊朗發出軍事威脅，重複美國向伊朗派出“龐大”艦隊、“規模甚至比在委內瑞拉更大”等說辭。第二，從內部來看，當前，市場普遍的預期是，春節前的最後一周，市場可能逐漸平靜下來。然而，A股市場當前的成交水平和融資餘額水平雖較前期高點有所下降，但依然比較高。在長假來臨之際，這兩大指標應該都會處於收斂的趨勢當中。Wind資料統計顯示，當日滬深兩市融資買入額為2418.66億元，前一交易日為2669.79億元；融資償還額為2478.76億元，前一交易日為2905.22億元；當日融券賣出量為1.82億股，前一交易日為9536.01萬股。在這種背景之下，市場的波動亦會隨之收斂。 (券商中國)

最近，印度城市印多爾的官方展開幫助長期流浪漢的活動，這些街頭流浪漢很多是行動不便的成年人，或者是弱小的兒童。乞討行為在當地被定義為違法行為，官方也有心管理這種亂象。去年初開始，市民給官方提供流浪漢們的定位，官方就派人到街上帶走他們，給他們基本的衣物，然後為他們尋求應有的幫助。通過官方資料，該市約有6500名乞丐。其中約有4500人在接受輔導後停止乞討，1600人被解救並送往康復中心，172名兒童已入學。近期，在一位熱心市民提供線索後，官方到達了薩拉法集市一處比較僻靜的角落，準備接走一名叫作曼吉拉爾Mangilal的殘疾中年男子。群眾們反映，這個乞討者很是可憐，大約是從2021年起在這一帶乞討。這個乞討者因為麻風病失去了所有手指，雙腿也無法行走，終日坐在自己自制的木板小車上，靠手部推行移動，因此手部常年都裝著一雙鞋子裡。這個男人不像別的殘疾乞討者，他愛說話，也不賣慘，只是安安靜靜地呆在路邊，這種景象使得他的處境顯得更加絕望，也讓人看了更加不忍心，不少人都會停下腳步將兜裡的零錢放在他的木板車上，對他表示祝福。經過實地考察，官方工作人員在集市一隅找到了曼吉拉爾。他被官方工作人員用舒適的輪椅帶到了乾淨的辦公室。在那裡，他洗了澡，換上免費的乾淨衣服，暫時被收留。接下來，工作人員對曼吉拉爾進行了基本的口頭資訊採集和背景調查。但很快工作人員就發現了曼吉拉爾的身份很可疑，他的回答漏洞百出。於是，工作人員對曼吉拉爾施加了壓力，而曼吉拉爾在慌亂中才揭示了自己真實的情況，真相讓在場人員都大吃一驚：曼吉拉爾不僅不是什麼無家可歸身無分文的底層可憐人，反而是坐擁大量資產和存款的妥妥中產階級！他每天白天在市場上裝慘乞討的樣子更多是一種職業化的表演——每到傍晚，他就會乘著自己的滑板車去到集市的多家商舖收取利息。沒錯，他將自己的現金存款幾乎都用作了非法的私人放貸業務上。他給市場的小攤販提供短期資金周轉，每次借貸一天或者一周，然後每天親自前往借貸方店舖收取當日利息。他的放貸業務規模也不算很小，據估計，他已放貸40萬至50萬盧比（約人民幣3w-3.8w），這項業務每天給他帶來收入1000至2000盧比（約人民幣76元到152元）。而你以為曼吉拉爾的雙面人生就僅此而已了？他還有三套房，其中一套還是官方殘疾人士福利房，以及一輛汽車和三輛自動人力車…他的三套房產包括一棟三層樓房。另一處房產，還有他目前自住的官方福利一居室房間。他的幾台車就像他的現金一樣，被充分用到了租借市場。他的三菱汽車據稱配備了一名為他專職服務的司機（畢竟他沒有腳），他給司機的月薪為1.2萬盧比（約人民幣900元），但也有消息表示他的汽車也提供租賃服務。而他購置了三台自動人力車則全部被投放到租借市場，按日出租。經查，曼吉拉爾名下有多個銀行帳戶，目前這些銀行帳戶裡的現金餘額數目還在調查中。精心打造不爭不搶的殘疾乞討者人設，背地裡這人居然是個小百萬富翁？警方發現，這的確是個精心謀劃的策略——他的其他家庭成員居然也是從事乞討活動，而所有人都將乞討收入轉頭投入了投資之中，實現錢生錢，利滾利的商業結果…如今曼吉拉爾的真實身份揭曉，整個印度都很震驚。但曼吉拉爾對自己的行為並不持有後悔反省之意，他承認在薩法拉乞討掙的錢並非維持生計所需，而是用於各種投資的資金來源。但他辯稱，他“從未主動向任何人要錢”；相反，人們會“自己把錢放進他的口袋或他的木車上”。“我當然會去那裡，但我不會乞討，是那些人把錢放進我的口袋，或者把硬幣或紙幣扔到木板上。”他還表示自己知道在印多爾乞討是違法的。但他的片面說辭和事實行為相去甚遠，不知道之後他會否被移交有關部門追責詐騙罪責。而實際上，曼吉拉爾的乞討創富，穩步投資在印度也不是首例。前幾年，一個名叫巴拉特Bharat Jain的乞丐被扒出在孟買擁有兩套公寓和兩間商舖，除了一間房屋用於家人自住，其他資產悉數被他出租。靠在孟買的賈特拉帕蒂·希瓦吉終點站 (Chhatrapati Shivaji Maharaj Terminus) 火車站和阿扎德廣場 (Azad Maidan)這兩個繁忙地點的乞討，他成功騙取多為國際遊客的大量現金。據報導，他每天乞討10到12個小時，收入為2000到2500盧比（約合152元到190元），累計下來，他的每月收入可達6萬到7.5萬盧比（約4500元到5700元）。再翻看他的銀行帳戶，官方發現巴拉特的總資產大概在90萬美元左右，這讓他直接喜提“世界最富有乞丐”的外號…據說，巴拉特發家致富後家人過上了比較寬裕的生活，開了間文具店，也勸巴拉特不要再乞討了，但巴拉特堅持乞討，原因是他“喜歡這樣”…很多網友看完都慶幸自己不愛給乞討者直接捐現金：“他不過是在效仿他政府的做法，一邊裝窮，一邊又拿著乞討碗向我們這些傻瓜乞討更多援助！”“這就是為什麼永遠不要給乞丐錢！”“他並非孤例。還有很多人也做著類似的事情，包括在英國！如果我看到有人在街上乞討，我會給他們買杯熱飲，買個三明治，但我絕不會給他們現金！真正需要幫助的人會感激涕零地接受你的施捨，但如果他們冷笑，那你就知道他們在騙你！”看起來，這種假乞丐現象，在每個國家都有啊… (InsDaily人物)

2026年1月13日，前釘釘副總裁王銘創立的攀峰智能正式對外宣佈完成數千萬元種子輪融資，2025年10月王銘創立攀峰智能，公司定位為“AI時代的Shopify”，致力於打造商業化視訊Agent。AI應用爆發的這一年，下海創業的遠不止王銘一人，一批曾深度參與釘釘從工具到生態、再到AI戰略轉型的核心高管，正密集走出大廠，投身AI原生創業浪潮。例如，釘釘前副總裁、智能硬體生態總經理林峰於2025年離職後計畫創業聚焦AI辦公硬體領域，釘釘前CEO葉軍也於2025年7月離職投身AI Agent賽道。不僅是中國大廠高管紛紛離職創業，前OpenAI首席技術官Mira Murati創辦的Thinking Machines Lab也已完成20億美元種子輪融資，前GoogleDeepMind資深研究員Andrew Dai與蘋果研究科學家Yinfei Yang聯手創立AI公司Elorian，種子輪融資目標高達5000萬美元。2025年創投圈焦點依然還是在AI、具身智能領域，年終最熱門的AI創投事件是以數十億美元的價格被Meta收購的AI agent公司Manus，Manus的爆火也可以看作是今年社媒流量改變AI創業生態的起點之一。在AI領域，還有更年輕的創業者。成立於2024年的首形科技，95後創始人胡宇航僅抖音平台粉絲量就達到了142.6萬（截至2026年1月25日），Pre-A輪融資高達上億，與手游《逆水寒》合作的角色“方承意”仿生機器人亮相杭州CP32Pre漫展，得益於雙目視覺系統，他能夠與面前的觀眾進行“眼神”交流，並通過搭載的AI仿生運動演算法，做出自然的表情與頭部動作。可以看到的是，越來越多不同AI垂直領域的創業公司湧現，讓AI應用正在從“工具”走向“夥伴”，從“功能”向“情境”轉變。AI在反映人類的需求與渴望的同時，也在重塑社會生產與消費的模式。2025年以來，頭部公司完成的融資額已經達到了數億甚至超十億的規模，技術競爭的壁壘正在被越築越高，AI應用落地也已經從概念驗證階段步入商業快速變現期。AI創業公司從誕生到規模化盈利的周期正在被極度壓縮，2025年真正跑出來的AI公司有一個共性：永遠在為下一個變化做準備，AI時代的創業邏輯是持續進化。結語當今的創業沒有冷門賽道，大家都在百花齊放，AI似乎能夠改變千行百業，但想要真正成長，更多的還是“專注”。 (DBC德本諮詢)

門檻沒了。真的沒了。以前幾個月才能做出來的 MVP，現在幾天就能上線。當任何人都能快速做出 AI 產品，問題變了：你做的，到底有沒有價值？使用者買單嗎？能撐得起一家公司嗎？2026 年 1 月 22 日，達沃斯會議期間，吳恩達、OpenAI 歐洲負責人、Cerebras 戰略官和 ETH AI Center 負責人坐在一起，參加了一場名為《AI 時代的創業》的圓桌討論。他們給出的答案是：速度，已經不是優勢，而是及格線。門檻沒了之後，AI 創業還剩什麼能贏？答案是三種能力：第一，重構流程的能力。用 AI 設計新流程，而不是最佳化舊流程。第二，全端開發的能力。技術和產品都得會，一個人幹全隊的活。第三，做成產品的能力。把 Demo 變成能用、能做大的產品。光快，不夠。做對，才是硬道理。第一種能力：用 AI 重構流程在這場達沃斯圓桌對談裡，吳恩達講了一個企業最典型的誤區。他說，現在很多公司部署 AI，最常見的做法就是：找一個環節，用 AI 替代人工。比如貸款審批，把某一步從人工 1 小時壓到 10 分鐘。看起來像是提高了效率，實際上只是改快了一小步，整個產品形態並沒有改變。還是貸款這個例子。傳統流程要走行銷、申請、初審、覆審、執行等五六步。如果 AI 已經能做出可信的自動批准結果，那就不應該去最佳化舊流程裡的某一步，而是應該打造一個 10 分鐘批貸的全新產品。這個差別，不是速度快不快，而是產品邏輯是不是從 AI 能力出發重新設計的。在他看來，如果其他環節不變，AI 只是一個效率工具。真正該做的，是圍繞新能力，重構整個流程。OpenAI 歐洲業務負責人 Laura 接著從使用者視角補充說：“企業的老習慣是那裡慢就改那裡，換掉一個環節，結果發現根本沒變，問題還在。真正有效的 AI 部署，是把舊流程推倒，從頭設計”她強調，AI 最該改的，是客戶從接觸到拿到結果的整個體驗，而不是只盯著某一個環節。說白了，AI 創業的第一種能力，就是能看到一個可以被 AI 徹底重構的場景，然後做出從一開始就不一樣的產品。判斷標準很簡單：如果去掉 AI，產品照樣能用，那你做的可能只是個工具。如果去掉 AI，產品就不能用了，那才算一個真正的 AI 產品。第二種能力：一個人幹一支隊伍的活流程重構需要什麼樣的人來執行？這是第二個問題。在以往，創業團隊通常需要一個產品經理負責想清楚使用者要什麼，一個工程師負責把功能寫出來，再配上營運、設計、前台、招聘……每個角色各有分工。但現在，吳恩達說的情況已經變了。他說，開發成本越來越低後，一個人如果既能寫程式碼、又能理解使用者，還能判斷下一步該做什麼，就能替代一整支傳統團隊。“我們以前是一個產品經理配幾個工程師，後來發現最有效的組合，是把他們合成一個人。”他在 AI Fund 就是這麼做的。招前台、HR、財務，都優先考慮會寫程式碼的人。甚至連 CFO，都能自己寫出內部使用的自動化指令碼，不用再花幾千美元去找供應商開發。為什麼需要這種全端能力？吳恩達認為：AI 工具把“怎麼做”變得很容易，真正拖慢進度的，是“要做什麼”這件事沒人決策。以前，工程師可能要等產品經理寫完需求文件、設計評審、開個會才動手。現在，工具快了，模型強了，工程師常常第二天就做好了。反過來，是產品經理跟不上工程師。所以他說，在他的公司，有時為了不浪費工程資源，團隊配置直接精簡：1 個產品配 1 個工程師，甚至讓一個人兼顧產品和工程。而且他發現，那些速度最快、反應最靈活的創業者，往往都是既能動手，又懂使用者。Cerebras 的戰略官 Andy 也表示，技術能力只是基礎，創業者還得懂得如何拆解問題、如何組建團隊、如何從使用者視角判斷產品方向。最優秀的技術創始人，都具備同理心、產品判斷力和講故事的能力，而不僅僅只是會寫程式碼。這就是第二種全端開發能力：既能動手做，又能判斷做什麼。在人人都能用 AI 寫程式碼的年代，一人頂多崗不是壓榨，是 AI 創業的標配。第三種能力：把 Demo 做成產品快速做出來只是第一步，真正難的是怎麼把一個 Demo 變成能讓成千上萬使用者天天用、用得穩的產品。吳恩達說：“很多創業者能做出 Demo，但做不大，卡住的不是技術，是產品沒做到位。”ETH AI 中心的 Alex 進一步解釋：很多項目失敗不是因為模型不夠好，而是沒把 Demo 打磨成真正能用的產品。展示一個好看的 PPT 很容易，但要讓它能被很多人用、出了問題能解決、還能一直好用，那就是另一回事了。什麼叫“打磨成真正能用的產品”？Laura 舉了個例子。有個叫 Fyxer AI 的創業公司，只做了一件事：幫使用者寫和回覆電子郵件。聽起來不複雜，但他們做得非常細：那些郵件需要立刻處理、那些可以跳過、什麼語氣更合適……產品上線 6 個月，就拿下了數百萬的年收入。Laura 的總結是：Fyxer AI 不是在節省發郵件的時間，而是在改善整個溝通體驗。反過來看，很多 AI 創業公司失敗，不是因為不會做，而是因為沒想清楚這些問題：資料進來了怎麼清洗？使用者提的反饋怎麼用？出錯了誰來修、怎麼修？新使用者怎麼上手？老使用者怎麼留住？AI  創業的第三種能力，就是要把 Demo 做成能持續運轉的產品，打通從開發、使用、反饋到最佳化的整個鏈路。在開發成本極低的今天，能做出閉環，才是真正的壁壘。結語｜開發容易，做成難吳恩達說：開發成本正在歸零，該做的就是大量試錯。但這也意味著，Demo 滿天飛的時代，真正稀缺的不是技術，是把東西做成的能力。留下來的，是那些能用 AI 重構流程、一個人幹全端活、把 Demo 做成產品的人。門檻沒了，能力就是新門檻。 (AI深度研究員)

這屆00後，已經等不及讀完大學，就輟學去創業了。美國《紐約時報》最近在報導中，這樣描繪矽谷現狀：一大批大學生，選擇拋棄哈佛、史丹佛、MIT這樣的名校光環，輟學創業，生怕等從學校畢業，就趕不上時代了。隨著“輟學創業潮”席捲各地，一個頗具爭議的問題也被屢屢提及：在一個時局和技術變化迅猛的時代，四年大學教育換來的文憑，還能有多少價值？言論無意全盤否定傳統大學的價值。畢竟，它提供的知識體系、思維訓練依然是難以替代的。真正的挑戰，在於教育和現實存在的時間差。這也是很多藤校生拋棄名校光環輟學創業的重要原因。如果有大學，能夠讓學生一邊創業一邊學習，而且在世界各地不同的市場環境中鍛鍊，兼顧教育和就業，那無疑戳中了時代痛點。我最近聽說了這樣一個故事：來自新加坡的學生張家寶，在兩個學期的時間裡，入帳12萬美元，賺到了兩年的學費。他不是利用課餘時間創業，學校的要求，就是讓學生“在創業中學習”。這位同學在因為服兵役缺課半學期的情況下，迅速迎頭趕上。先是在迪拜憑藉一個跨境電商項目，靠賣自行車賺到10萬多美元，後來又在印度創辦了一個街頭服飾品牌，利潤率高達61%！如果說一邊學習一邊創業已經足夠吸引人，那麼讓學生在不同地區的商業環境裡摸索就更是把實操屬性拉滿。在張家寶所就讀的Tetr的商學院（Tetr College of Business，以下簡稱Tetr），這就是日常。Tetr沒有固定的校園四年的時間裡，學生將遊歷8個國家/地區。每到一處，不僅能參訪當地著名的企業，還需要落地一個能夠適應本土環境的商業項目。比如在迪拜建立跨境電商，又比如在新加坡為一款產品眾籌2萬美金；Tetr聚焦商科也將人工智慧等前沿的學科納入課程。學校擁有來自哈佛、史丹佛等藤校的講師，以及行業一線大佬的資源。有學生是在拒絕了MIT、康奈爾、賓大等名校offer加入Tetr的Tetr的錄取競爭率非常激烈，低於1%。而且，還有學生是在拒絕了藤校offer後來到這裡的。創業屬性拉滿40%的學生，加入Tetr之前，就已經有創業的經歷了，不乏”風雲人物“，有的是亞馬遜暢銷書作者、還有的用創業網路幫助了上萬名學生創業者。而在Tetr，幾乎學生“人手一個創業項目”。費用親民一年總支出6萬美元左右，包含了學費、管理費、住宿費等，遠低於藤校，還提供了豐厚的獎學金。今年，Tetr還榮獲了QS頒發的商科教育創新獎項。目前，學校有兩屆學生在讀。而在翻看學生的履歷之後，我發現他們都非常不簡單：第一屆招生，Tetr收到了超過9萬份申請，最終錄取110人，錄取率只有0.2%。要知道以哈佛為代表的藤校，競爭最激烈的時候，錄取率是3%。而且，有的學生，是在拒絕了康奈爾、賓大、MIT等名校的offer後來到Tetr的。現如今，Tetr的學生可謂是“人手一個創業項目”，其中不少都經過市場檢驗，實現了盈利。張家寶兩個學期賺到兩年學費的故事，只是一個縮影……01. 四年八個國家地區，在創業中學習有學生兩個學期賺到兩年學費用一句話概括Tetr的理念，那麼就是“在創業中學習”（Learn Business by Doing Business）。學校沒有固定的校園，大學四年的課堂散落在全球八個國家/地區：迪拜、印度、新加坡、馬來西亞、加納、歐洲、美國、以及將於明年增加的上海。Tetr與當地頂尖的學府和企業都有合作，給學生提供了親歷商業第一線的機會。在美國，同學們將前往矽谷，實地探訪Google等科技大廠。在迪拜，他們則會在熱鬧的黃金市集裡感受濃郁的商業談判氛圍，還會前往著名的阿聯航空公司，瞭解民營航空的運作。如果說全球遊歷打開了視野，那麼Tetr在每一個地方都通過PBL落實商業項目的要求，則是把實踐落到了實處。在一個個需要運用跨學科能力且洞察市場的項目中，鍛鍊是實打實的。第一學期在迪拜，同學們的任務是圍繞“直郵代銷”（Dropshipping）的商業模式構思商業項目。來自新加坡的張家寶同學，把自己對騎行的熱愛，發展成了一個收入10萬+的項目“Bike Arena”。他敏銳地洞察到，新加坡的騎行市場存在著巨大的痛點：專業的自行車價格高昂，但送貨周期卻長得驚人（有時竟長達6個月）。在“直郵代銷”的模式下，他通過資料分析和供應鏈最佳化，實現了降本增效：將產品售價降低10%的同時，卻能保證24小時內送達。憑藉著具有競爭力的價格和閃電般的配送速度，Bike Arena創下了超過10萬美元的營收，也刷新了Tetr在迪拜的項目的記錄。隨後在印度創辦D2C消費品牌的項目中，他和團隊成員一起，打造出了一個融合大膽設計的服飾品牌，以超過61%的利潤率，創造了超過1.14萬美元的營收。算下來，兩個學期的營收，相當於Tetr兩年的學費了。像這樣通過市場檢驗的項目，Tetr還有很多：科技品牌Tafflo，專注無線充電器、智能戒指等時尚配件，以63.64% 的高利潤率，創造了1.15萬美元的營收；輔助工具品牌GEN Fidget，用減壓筆、滾輪等專注工具，幫助人們提升效率，尤其對ADHD（注意力缺陷多動障礙）人群提供支援，利潤率超過58%；通過全球實踐與在地項目的結合，Tetr讓學生在真實的商業挑戰中快速成長。這種“邊做邊學”的模式不僅能夠創造收入，更能鍛造出應對複雜市場的能力。02. 學生拒絕了MIT和康奈爾的offer創始人畢業於賓大請哈佛史丹佛教授當導師在瞭解Tetr學生的過程中，有兩點讓我感到非常特別。👉 第一是學生的群體和背景非常多元。Tetr匯聚了來自全球超過50多個國家和地區的學生。首屆學生，來自超過45個國家和地區，語言種類超過35種。👉 第二則是社會參與和實踐屬性拉滿，還有不少在拒絕了藤校offer之後來到Tetr的。首屆招生，申請人數超過9萬，最終錄取率只有0.2%，競爭激烈程度可見一斑。而且，有學生拒絕了包括MIT、康奈爾在內的名校offer。40%的學生在加入Tetr之前就有創業經歷，還有不少學生曾在資管公司實習。很多學生在來到Tetr之前，就已經是明星一般的存在了：有的同學以沙烏地阿拉伯首支F4錦標賽車隊成員的身份，被載入史冊；有的同學是亞馬遜上的暢銷書作家，還曾在NASA發表過演講；有的同學設計出了可生物降解的3D列印鞋，成為了可持續創新領域的一項突破；有的同學建立了卡達最大的青年創業網路，幫助到了當地上萬名學生；有的同學發起了巴西首個NFT慈善項目，成立的一家AI初創公司，吸引到了上千名使用者；擁有如此豐富的履歷背景，拒絕藤校offer也要來Tetr，一個核心的原因在於，Tetr能夠提供藤校等級的教學，與此同時兼顧實操。Tetr的創始人自己就是藤校出身，畢業於著名的賓大沃頓商學院。此外，Tetr背後還有一家歷史悠久且資源豐富的商學院坐鎮，那就是比利時聯合商學院（UBI Business School，以下簡稱UBI）。Tetr畢業，學生將被授予UBI頒發的畢業證書。在QS榜單上，UBI是一所五星商學院。在QS EMBA 2025排行榜上，UBI排名第20。UBI在全球多地設有教育中心，在上海也有獨立的校區：作為學術和商界的橋樑，UBI在世界範圍內擁有眾多資源。Tetr的學生能夠在各地頂尖校園學府學習和參訪企業，正是得益於UBI的牽線搭橋。Tetr的師資陣容非常豪華，既有來自哈佛史丹佛這樣的藤校教授，也有來自行業的大佬：哈佛大學的金融學教授Viney Sawhney，將系統講授私募股權投資、風險投資等前沿金融領域的核心知識，並深度剖析其運作邏輯與實戰案例。前MIT管理學院的Alexis Montecinos博士將親授商業分析相關的課程；來自雅詩蘭黛集團執行總裁Faverie Stephane，將以行業巨擘的視角解讀真實市場；還有來自NASA的前首席知識官（Chief Knowledge Officer ）Edward Rogers博士，作為複雜管理的親歷者，分享行業的內幕與知識。需要特別指出的是，老師們並不只是講課，也是學生項目的導師，會幫學生修改商業計畫書、引導參訪企業和學習、甚至給優質項目對接投資資源。03. 如何用教育面對就業焦慮時代？再看開頭“就業焦慮”的問題，可以發現，Tetr通過“教學+實踐+實習”的融合，不僅緩解了焦慮，也在摸索如何在劇變時代培養人才。👉 結合商科和前沿技術運用的教學就業市場的波動，但商科的核心思維始終受用。商科強調的理解價值創造與資源配置的底層邏輯，幾乎滲透於所有行業。即使是時下大熱的AI產業，其技術是否可以成功轉化為產品，也有賴於商業知識的幫助。Tetr的課程中，不僅包含商科向課程（管理與戰略、銷售&行銷等），還與前沿技術結合，設有人工智慧&機器學習這樣的課程，旨在培養的是既懂商業又懂技術的復合人才。👉 學習和創業平行，讓學生具備發現和解決問題的能力從八個國家/地區的實踐項目，都需要調動跨學科的能力，在實際商業環境中，摸索前行。迪拜的電商項目，不僅是學習“代發貨”模式，更需要對電商有全方位的認知，從選品、廣告投放到倉儲環節，都是需要親力親為的。新加坡的眾籌項目，學生不僅要有設計思維，還需要軟硬體結合，才能提出打動市場的方案。而進入美國學期，目標成為了在矽谷創立一家公司。學生們需要直接定義一個問題，並構思用技術方案（如開發一個SaaS平台或一款AI應用）來解決它，完整經歷從技術構思到商業驗證的過程。學習和實踐相結合，培養出的學生不是等待風口的旁觀者，而能夠主動創造價值。這是在任何時代都需要的能力。👉 全球及當地知名企業的實習機會與此同時，在留學的每一站，Tetr為同學們提供了實習的機會。其合作企業不僅限於本地公司，更包括全球性的行業領軍者或新興的垂直領域代表——比如全球規模最大的資產管理集團之一的BlackRock（貝萊德）、知名電商平台ebay、著名媒體《國家地理雜誌》等。Tetr還會介紹各種當地職業發展的導覽並幫助學生投遞簡歷。當然，如果能夠在課堂或者項目中憑藉出色的能力或者項目獲得了教授/業界大咖的青睞，那麼實習更是水到渠成了。在變幻莫測的時代，Tetr給出的回應是：教育不應只是知識的傳遞，更應成為連接現實、解決問題的橋樑。通過學科融合、全球實踐與名企實習，它正重新定義商科教育的可能形態。04. 開始招收中國學生，提供豐厚獎學金從今年開始，Tetr將面向中國學生招生了。這可以用雙向奔赴來形容。Tetr此前就領著學生來到過中國，參訪了阿里巴巴總部以及義烏的小商品城。中國家庭對突破傳統、強調實踐與創業精神的前沿教育模式的期待，也與Tetr“邊做邊學”的理念契合。這裡還需要劃下重點：Tetr設立了種類眾多且豐厚的獎學金。無論是學術成績拔尖、創業經歷突出、或者對社區有特別貢獻，都可以申請。而且，還可以同時申請多項獎學金。如果能夠拿到2-3項獎學金，那麼等同於是半獎入讀了。大家關心的文憑認可度，在Tetr畢業的學生，將獲得經教育部認證的英國大學授予的理學學士（榮譽）學位。 (爸爸真棒)

自從載人航天任務出現，太空旅遊的概念就一直沒停過。幻想著像《流浪地球》九萬公里的太空電梯一樣，直接來一次獨行月球的體驗。但很明顯太空電梯是不切實際，火箭還是目前更靠譜的方式之一。這不，又有人出來說準備用火箭，把你送上月球了，因為現在馬斯克的 SpaceX 成本能降下來，帶你去月球度個假並非不可能。但這回打算做這件事情的人，看起來還真不像是說說而已。一家由輝達和 Y Combinator 支援的新興創業公司，計畫在 2032 年前在月球上建造第一家酒店，每晚起價約 416667 美元。六年的時間，在月球上建一個酒店，你覺得可能嗎。評論區的網友毫不留情地說，這看起來就是個玩笑。還有網友若無其事地，認真列出各項價格表，實際上每一行都在陰陽怪氣地吐槽，太空旅遊太離譜，明顯就是割韭菜。但是也有網友說，「如果不是 Y Combinator 的支援，我真會覺得這是個玩笑。現在我還是有點不敢相信」。Y Combinator 算得上是全球最有影響力的創業加速平台了，愛彼迎、Reddit 這些都是從 YC 走出去的知名公司。不只 Y Combinator 支援，輝達也支援，這就讓月球酒店這件事情，變得朦朧起來了。提出這個暢想的公司 GRU Space 是一家去年才成立的公司，在 LinkedIn 上顯示的員工數量只有 2-10 人。在今年，他們被 YC 選中，參加了 W26 的創業加速營，即今年冬季加速營，時間 1-3 月。22 歲的公司創始人 Skyler Chan， 提前從加州大學伯克利分校，電子工程與電腦科學系學士學位畢業。期間，他在特斯拉實習過 4 個月，而特斯拉的這段經歷，儼然成為了他宣傳自己太空旅行計畫的一大亮點。同時，他曾經還創辦了一家造機器人的公司，主要是可以為外星棲息地建造外殼，名字 Mars Habitat at Berkeley 伯克利火星棲息地，加上學校的名字還真煞有介事。但這個公司網站已經 404 了，取而代之的就是 GRU Space 這個新的創業計畫。GRU Space 目前僅有的三位員工雖然只有 2-10 人，項目的準備工作卻做得相當充足，除了這個能引起大家轉發的視訊，他們的首頁網站也足夠酷炫和全面，有酒店預訂、團隊介紹和招兵買馬等內容；甚至還有周邊售賣，和一本 17 頁的白皮書。點開白皮書之前，我先看到了他們的招聘，我以為可能會招很多人，有需要做工程的、需要研究物理和化學材料、需要電腦軟硬體模擬……但是，都沒有，他們就招一個崗位。洋洋灑灑幾千個字，寫的全是求職者要做的事，即便是在「你將擁有什麼」裡面，也全是各種需要做的工作，他們把能做這些工作的機會，當成一種恩賜，一種獎賞。要做的事情有那些呢，負責整個技術堆疊，月球棲息地原型演示，及相關生命維持關鍵結構的設計、分析、建造、測試和生產。從空白頁到手繪草圖→CAD→FEA→DFM→裝配→測試→演示，以極快的速度完成。在資料不完整的情況下，做出艱難的決定，從第一性原理出發進行推理而不是類比，交付硬體而不是潤色幻燈片。為我們的月球棲息地原型演示設計結構和機械佈局，重點關注類似飛行的系統和生命維持限制。為原位資源利用、風化層處理、壓力殼、介面和棲息地尺度試驗裝置設計結構和機制。我看著都頭大，關鍵這些內容，還都是出現在「What You’ll Own 你將擁有什麼」裡面。不知道馬斯克的 Grok 5，能頂好幾個博士的 AI 能不能勝任；但是 8-13 萬美元的年薪，要弄 AI 來做這些，光是用 GPU 燒掉的錢可能都不夠付。看得頭暈腦脹的時候，正好隨手下單買幾樣他們的周邊創始人不太靠譜、招聘也不靠譜，17 頁的白皮書總該有點真材實料了吧。GRU Space 的全稱是 Galactic Resource Utilization（銀河資源利用）。和名字一樣，白皮書裡提到，他們的計畫是資源利用，要用「月球原本的泥土（風化層）」來建房子，而不是從地球帶材料。他們聲稱只要帶去一種「活化劑」藥水，就能把月球土變成混凝土。此外，為了證明自己不是瞎忽悠，他們甚至算出了一張詳細的成本表。 白皮書顯示，2032 年建成的第一版充氣酒店，每人每晚的內部成本是 416667 美元。 請注意，有零有整。而到了第二階段的酒店，利用上他們的「月球土程式設計混凝土」技術後，成本就能暴跌到 83333 美元；當然，這一切的前提，還是得 SpaceX 的星艦把運輸成本降到白菜價，而他們只需要負責在月球表面把酒店建起來。白皮書裡還寫到了為什麼不是 SpaceX 來做這件事。他們相當自信地寫著，如果你坐波音 787 飛到法國南部，你會留在飛機上過夜嗎？ 那怕飛機上有吃有喝有睡覺的地方，你也不會一直待在停機坪上。意思就是，他們把 SpaceX 的星艦比作飛機，把自己比作法國南部的酒店。我只能說，SpaceX 不做，有沒有可能是因為這事兒目前根本不賺錢。當然，白皮書裡還提到了為什麼他們會有這個想法。他們說不是為了科學，單純就是地球上的體驗已經不夠尊貴了。他們放了一張珠穆朗瑪峰排起長隊的著名照片 ，然後說，「如今，只要你能把一隻腳邁在另一隻腳前面，你就能把珠峰加入購物車，然後被拖著排隊上山。」潛台詞是，地球上的裝 X 聖地（像是珠峰等）已經大眾化了，不僅不酷，還很擁擠。為了讓富豪們找回尊貴感，我們必須去月球。17 頁通篇看下來，這個酒店計畫，除了 YC 的創業加速營靠譜，剩下的內容都像是 PPT 產品。但是，輝達的投資又是怎麼回事，他們自己在宣傳的時候，那可是毫不遮掩的寫著「由輝達支援」。網站首頁，右下角寫著支援的機構，有 YC、輝達、甚至還有 SpaceX但實際上，輝達的支援其實並不是投資。這位 22 歲的大學畢業生，又巧妙地玩了一個文字遊戲。他們只是加入了輝達的 Inception 計畫，這並不是一個投資項目，不給錢不佔股份。Inception 計畫，也叫輝達初創加速計畫，其中具體的幫助是，提供技術和算力資源，例如 GPU/雲端運算的優惠等；申請門檻也比 YC 要低的多。輝達初創加速計畫這讓我想到了網上的十年爛梗，說自己的獲獎經歷，是 2006 年時代雜誌風雲人物、2008 感動中國的特別獎。有了 YC 的支援，也不一定就意味著公司一定能成功。根據 Y Combinator 在自己網頁公開的資料，從 2005 年以來，YC 已投資超過 5000 家公司，每三個月就有超過 10000 家公司申請加入，錄取率通常只有 1%。Y Combinator 完整公司名錄｜https://www.ycombinator.com/companiesYC 目前有超過 400 家估值超過 1 億美元的公司，和超過 100 家估值超過 10 億美元的公司。相比較於總的 5000+ 公司，這些估值超過 1 億美元的公司僅佔 8%。https://ycgraveyard.iamwillwang.com/同時，根據第三方 YC Graveyard （YC 墳墓）的統計，一些不活躍，甚至已經停止的公司數量，在去年年初，就已經來到了 910 家。和之前我們寫過的靈魂電腦一樣，一樣是剛畢業的年輕人，一樣是有過失敗的創業經歷，一樣是給人感覺，「Fake it, Until you make it」。雖然這些腦洞大開的創業，每一年都會有，最後的結局也不盡相同。但在 AI 時代，這種年輕人的創業機會變得越來越普遍。30 歲以下富豪榜中，來自 AI 相關的佔據 9 位，預測市場有 3 位｜圖片來源：https://www.instagram.com/p/DSoM07rD6T1前段時間，福布斯統計了全球 30 歲以下白手起家的富豪榜，其中來自 AI 程式設計工具 Cursor 的聯合創始人就有 4 位，淨資產都來到了 13 億美元；還有 Lovable 的創始人，26 歲，淨資產 16 億美元；以及這段時間備受關注的 Meta AI 實驗室老大，曾經是 Scale AI 的 CEO Alexandr Wang。看著這些 30 歲以下的富豪榜，還有那些熱衷於創業的年輕人，好像在 AI 這個巨大催化劑的作用下，我們的野心被無限放大，也變得相當「廉價」，就像 AI 宣傳自己，一切都觸手可及一樣。以前的「Fake it until you make it」，至少還得有個車庫敲程式碼，現在只需要一個精美的網頁、一份甚至可能是由 ChatGPT 潤色的白皮書，再加上幾個並沒有真正掏錢的「頂級合作夥伴」；只要你敢想。距離月球那 38 萬公里太遠了，遠到足夠讓這群 22 歲的年輕人換好幾個賽道。或許對於 GRU Space 來說，能不能真的把酒店開到月球並不重要，重要的是，他們已經成功地把這個昂貴的夢，以 41 萬美元一晚的期貨價格，或者幾百塊一件衛衣的現貨價格，兜售給了渴望奇蹟的人們。用狄更斯話來說，這是最好的時代，也是最壞的時代。 (愛范兒)

本文彙編整理自張小珺對話季逸超。他是中國第一代軟體出海創業者，高中靠一款瀏覽器賺得 30 多萬美金；他深耕 NLP 十餘年，親歷從傳統 NLP 到大模型的技術巨變；如今帶著通用 AI 產品 Manus 橫掃海外，ARR 超 1 億美金。他就是 Manus（蝴蝶效應科技）的聯合創始人兼首席科學家季逸超（Pick）。最近，Manus被數十億美元收購的風波，引起不少人的討論。但我們更應該關注的，是這家公司的商業思考。在張小珺這場 3 小時的深度訪談中，季逸超分享了自己的創業故事、產品決策邏輯，以及對 AI 行業未來的底層思考。沒有晦澀術語，全是實戰乾貨，值得每一位創業者、從業者細讀。以下，是季逸超的自述精華版。一、三次創業 踩中時代紅利，也扛過技術顛覆1.第一次創業：移動網際網路蠻荒期的“意外驚喜”2009年，蘋果APP Store出現的第二年，我還在讀高中。那時候剛好趕上桌面網際網路向移動網際網路轉型，不管是國內的BAT，還是海外的大廠，大家都站在同一起跑線，沒有成熟的玩法，屬於移動網際網路的蠻荒期，這給了我這樣的個人開發者絕佳機會。我做了一款第三方iOS瀏覽器，叫猛獁瀏覽器（Mavericks Web Browser），商業模式特別樸素，賣軟體拷貝，每賣一份賺一份固定收入。沒想到這個簡單的模式，讓我在高二、高三期間賺了30多萬美金，也算成了中國早期軟體出海的創業者。那時候國內沒有成熟的支付管道，只能支援國際信用卡，國內使用者基本沒法付費。我就想了個辦法，破解自己的軟體，讓大家免費用，也算賺個吆喝，沒想到還吸引了資本關注，真格基金的徐老師當時就問我想不想創業。後來移動網際網路的商業模式變了，大家都開始“免費獲客 + 增值服務”，加上 iOS 系統不斷更新，我的瀏覽器慢慢不相容了，最後自然下架。這段經歷讓我早早摸清了產品變現和使用者營運的邏輯，也讓我深刻感受到 時代機遇對創業者的重要性。2.第二次創業：NLP深耕與大模型的“降維打擊”從瀏覽器業務裡，我發現了一個關鍵需求：當時行動網路速度慢，如果能預測使用者的下一次點選，提前載入內容，體驗會好很多。這個需求讓我一頭紮進了自然語言處理（NLP）領域，這一扎就是好幾年。2013年，Google推出了Word2Vec論文，能把自然語言文字高效轉化為稠密向量，這給了我極大啟發。我組建團隊做語義搜尋和知識圖譜，想打造“下一代 Google”—— 傳統搜尋引擎只給連結，我想直接給答案，通過自動化技術建構知識圖譜，解決使用者的核心需求。我們團隊從零開始訓練模型，從依存句法分析到Word2Vec向量化，再到 LSTM+Attention，最後跟進Transformer和BERT，整整熬了4年，做出了產品 Maggie。它能自動提取三元組、支援多語言，在最高置信度下的精準度能達到89%，比Google當時的產品還高，甚至能支援阿拉伯語這種反向書寫的語言。但2019年，GPT-3的出現給了我們致命一擊。我隨便寫個 Prompt（提示詞），它就能和我們訓了幾年的端到端模型五五開，而且它是通解，能搞定 NLP（自然語言處理）領域的各種任務，而我們只是垂直領域的解決方案。那一刻我意識到，垂直技術在大模型面前沒有優勢，最後決定賣掉公司。這段經歷讓我體會到垂直整合的痛苦：每天醒來都感覺海水在上漲，不知道什麼時候會淹到鼻子，模型迭代、資料標註、基礎設施搭建，每一步都要自己扛，那種壓力至今難忘。3.第三次創業：放棄AI瀏覽器，押注通用agent賣掉公司後，我在一家獨角獸公司做了一年半，主要工作是打榜贏算力資源，那段時間也讓我冷靜觀察了 AI 行業的變化。2023 年底，我被肖弘（Manus CEO）說服加入團隊，核心原因是他說的一句話：“Pick，你想不想在一個產品裡，把瀏覽器、搜尋引擎、語言模型重新做一遍？” 這句話一下子戳中了我。初期，我們基於Chrome外掛Monica的使用者資料，想做一款AI原生瀏覽器。Monica 當時已有1200萬美金 ARR，是正向現金流產品，但我們很快發現了問題：外掛的使用者滲透天花板太低 ，Chrome 有20億日活，而頭部外掛的活躍使用者也就5000萬左右，不到 1% 的滲透率，再怎麼發力也難有大突破。更關鍵的是，瀏覽器的遷移成本極高。人類歷史上只有兩次瀏覽器變革：從網景到IE，從IE到 Chrome，要麼靠管道分發，要麼靠技術漏洞，創業公司想顛覆太難了。而且當我們內部把瀏覽器產品打磨得差不多時，我突然覺得它“不是特別酷”——按我現在的話說，如果一個產品做完，你自己都覺得不酷，那沒人會覺得酷。其實做完一款產品，人難免會有慣性偏袒，那怕我們都是經歷過幾次創業的“中登”，也會下意識想說服自己產品沒問題。但隨著更多問題暴露出來，我們才慢慢趨向冷靜判斷。直到看到美國創業公司 The Browser Company 放棄瀏覽器產品 Ark，創始人說“連親戚朋友都不願意從Chrome換成Ark”，我才徹底下定決心放棄這個方向。其實那段時間特別寶貴，大家在自然而然形成共識的過程中放下了瀏覽器，處於一種幾乎無所事事的狀態。而當一群不太笨的人無所事事的時候，就會產生很多很好的想法。當時我們還在正常營運Monica，同時也會做一些別的實驗，那段時間已經有不少AI產品受到歡迎，尤其是coding領域，像Cursor、Windsurf，還有後來的Devin，都積累了很多使用者。我們作為工程師，自然會去體驗這些工具，可讓我們意外的是，公司裡很多非工程師居然也在用Cursor，要知道，Cursor的產品形態還是IDE（整合式開發環境），本來是寫給程式碼人才用的東西。我們發現，營運同事在用它寫部落格，資料分析同事用它做資料分析和可視化。於是我們特意站在他們身後觀察，發現了很有意思的一幕：Cursor左邊是程式碼區，右邊是和AI聊天的窗口，這些不會寫程式碼的同事根本不看左邊的程式碼，只是不斷跟AI交流，讓AI幫自己完成任務。原來AI是通過程式設計的方式，以程式碼為媒介，去幫他們完成這些非編碼任務。這讓我突然意識到：程式設計不是垂直技能，而是通用能力，真正的機會是把這種通用能力包裝起來，讓普通人也能用。於是我們把瀏覽器的技術積累搬到雲端，打造了通用agent產品 Manus：每一個會話背後都有一個獨立的虛擬機器沙盒，能幫使用者做網頁、做 PPT、批次處理檔案、深度研究，還能聯動 Notion、Slack 等工具，非同步處理長任務，不用使用者自己寫程式碼或複雜操作。2024年3月Manus 發佈，現在 ARR（年度經常性收入）已經超過1億美金。我們沒有對標任何產品，完全是使用者用出來的，大家喜歡用它做幻燈片、網頁和批次檔案處理，我們再針對性最佳化，這種由使用者塑造的產品，生命力才強。二、Manus 的產品邏輯不做工具，做 “人的延伸”1.為什麼堅定做通用agent，而非垂直工具？我之所以堅持做通用 agent，核心有三個判斷：技術層面：通用基座模型 + 虛擬機器（圖靈完備）的底層供給是通用的，垂直領域只是在上面加約束，反而會限制產品潛力；產品層面：使用者的需求是多樣的，通用產品能讓使用者按自己的想像力使用，我們團隊再通過觀察使用者行為捕獲頭部場景，既保留長尾能力，又能形成網路效應；商業層面：垂直工具的使用頻次太低，比如旅行規劃一年就幾次，很難讓使用者記住，而通用產品能覆蓋使用者多場景需求，提升使用頻次和使用者粘性。如果你做的是個垂直agent，你可能還是在做一種新的工具。但如果你在做一個通用agent，你其實在做一個人。我們現在經常跟使用者或其他人交流，他們常說 Manus 很像人，但我們從來不以替換人的思路來想這事 ，如果你給別人傳遞“要替換人”的心智，所有人都會從風險控制的角度考量，只要一個環節不通，整個產品就被否定。其實我們該抱著提升人（enhance people）的思路，讓高效的僱員或自驅的人，用了這個工具後產能再上一個台階，這才是更良性且現實的做法。比如你想做一個有內容的網頁，它能先做深度研究，再基於研究結果做網頁，最後還能分析網頁流量、做 PPT 發給投資人。2.初期用邀請碼，不是行銷是“無奈之舉”Manus發佈初期採用邀請碼機制，被很多人質疑“過度行銷”，其實這是我們的無奈之舉。當時我們跟所有雲廠商和模型廠商溝通後發現，世界上能立即到位的算力比想像中少太多。Agent 的算力消耗模式和 Chatbot 完全不同，輸入和輸出比例能達到100:1甚至1000:1，要是放開用，產品肯定會崩。直到一個月後，雲廠商和模型廠商適應了agent的工作負載，我們才取消邀請碼。可以說，我們是為行業趟了一條路，後來再用邀請碼的公司，我覺得就沒必要了，算力已經準備好了，沒必要再搞這種形式。3.商業化：不追求DAU，只服務高價值使用者Manus 的定價邏輯很簡單，參考 ChatGPT的20 美金/月，我們定了40美金 / 月的默認訂閱價，現在逐漸簡化為“免費方案+自由訂閱金額”。我們不追求 DAU（日活躍使用者數），而是關注“高價值使用者的高價值任務”。有的使用者一個月能給我們付幾千美金，因為他有大量高價值任務要跑，這比單純的使用者數有意義得多。目前Manus的使用者主要是三類人：網際網路公司非程式設計師的白領、自由職業者、金融和諮詢行業從業者。他們有強自驅力，任務價值高，對質量的敏感度也高 ，我們做過雙盲測試，悄悄換個模型，使用者滿意度就會明顯下降，所以我們必須保證每一次輸出的質量。三、AI行業的創業、競爭與決策邏輯1.模型與應用的終局：不再涇渭分明未來不會再分模型公司和應用公司。美國現在已經是這個趨勢，OpenAI既做模型也做產品，Google雙向都強，Anthropic 靠Cloud Code的成功也開始重視產品。對於應用公司來說，優勢在於“不用買模型彩票”。模型公司的創新是自下而上的，靠技術突破驅動產品；而應用公司能吸收所有外部創新，快速迭代，而且使用者的使用軌跡和反饋留在應用層，能形成獨特的資料飛輪，這是模型公司拿不到的優勢。2.決策機制：分階段混合模式，兼顧效率與多元創業公司在不同階段、解決不同事情時，需要不同的決策模式。雖然我們是連續創業者，但其實也都不成熟，最近在逐漸走向更理智的方式。我們總結了一套“GPA”決策框架，還會結合集權式和民主式兩種模式：G（Goal，定目標）：集權式決策由CEO肖弘作為“仁慈的終身獨裁者（BDFL）”拍板，直接把團隊核心目標定死，避免目標分散。P（Priority，定優先順序）：專制 + 民主結合先由核心決策者（比如CEO或對應領域負責人）牽頭，同時充分吸納團隊成員的專業意見，畢竟涉及不同領域的專業能力，多元輸入能讓優先順序排序更合理。A（Alternative，提方案）：充分民主鼓勵團隊成員自由提供各類可選方案，這個階段方案數量比質量更重要，足夠多的選項才能避免決策侷限，就像訓練模型不能侷限於狹窄的動作空間。其中，肖弘作為CEO，是產品方面的最終決策者。我們都比較相信與其懸而未決，不如趕緊試試。面對新領域時，過往經驗未必有用，過度思考只是基於自己“模型內部的參數化知識”，沒有額外資訊輸入，也沒有檢驗結果，再想太多不如先行動，拿到反饋再調整，避免無意義的內耗。3.競爭：不是零和博弈，而是生態聯動很多人問我，面對 OpenAI、Google 等大廠的競爭，我會不會焦慮？其實我並不焦慮。我們能用上市面上所有最好的模型，而大廠有自己的專長：Anthropic 的 coding 能力、Google 的多模態能力、OpenAI 的推理能力。我們的優勢是產品迭代快，而且服務的是對質量要求極高的使用者，這部分使用者不會因為品牌而妥協，他們要的是當下最好的體驗。AI行業的競爭不是零和博弈。Manus和 Notion、Microsoft、Slack都是聯動關係，我們串接這些工具，產生的價值比單獨競爭大得多。與其做一個比不過別人的垂直功能，不如讓大家一起把生態做好，這才是共贏。4.通用agent的未來：主動創造價值，而非被動響應我認為通用agent的下一個方向是“主動性（proactiveness）”。現在的 AI 還是被動響應使用者需求，未來要能主動完成任務。比如你面試完，Manus能自動看你的Notion記錄，把評價填到招聘系統裡，只讓你確認就行，真正解放使用者的注意力。同時，我也想給模型廠商提幾個建議：讓模型學會 “壓縮意識”，不用無限擴展上下文窗口；結合工具做推理，而不是純“缸中之腦”；支援使用者隨時插嘴，適應非同步互動；提升錯誤恢復能力，遇到問題不放棄、不陷入死循環，這些都是通用agent 落地的關鍵。5.AI創業的本質：不是賭一把，而是先行動對比我的三次創業，現在的AI創業和移動網際網路時代完全不同：移動網際網路的邊際成本低，能低成本試錯；而AI創業更像製造業，有固定成本，算力消耗就是很大一筆開支。所以，對於創業公司來說：第一，不要做垂直整合，除非你有足夠的資源；第二，不要糾結於要不要做，比較健康的做法應該是當你的產品已經初具PMF，且已經到了一個比較穩定的狀態之後，你以一種增加穩定性或降本或突破天花板的思路再去做模型；第三，團隊要身心健康、尊重常識，不要做“有賈伯斯的病，沒有賈伯斯的命”的偏執者。結語你準備好迎接未來了嗎？從高中時的瀏覽器創業者，到如今的通用AI先鋒，季逸超的三次創業始終圍繞技術落地和 使用者價值。他踩過垂直整合的坑，也抓住了 agent 的機遇，用 Manus證明了不做模型也能做出頂尖AI產品。在 AI 行業還在爭論模型至上還是應用為王的今天，季逸超的經歷給出了另一種答案：真正的機會，在於理解技術的邊界、使用者的需求，以及時代的趨勢，然後以理性的姿態，快速行動、持續調整。而對於我們每一個人來說，AI不是要取代人，而是要解放人，就像季逸超說的：“把不喜歡的事交給 AI，剩下的才是真正的自己。” (筆記俠)