過去半個世紀,全球科技產業的資本開支與創新節奏,都和一個規律緊密相連，那就是摩爾定律——晶片性能每18個月翻一番。在摩爾定律之外，還有一個“安迪-比爾定律”，它講的是，摩爾定律所主導的硬體性能提升的紅利，會迅速被軟體複雜度的增加所抵消。安迪指的是英特爾前CEO安迪·格魯夫，而比爾，指的是微軟創始人比爾·蓋茲。這種“硬體供給、軟體消耗”的螺旋上升,驅動了PC與網際網路時代的產業進化。時移世易，安迪、比爾都已經退出產業一線，但是規律的底層邏輯並未改變，而且被新的“安迪·比爾”推向更高的極致。ChatGPT的爆發拉開了生成式人工智能時代的大幕，在Scaling Law(規模法則)的主導下,模型參數指數級膨脹,軟體對算力的索取遠超摩爾定律的供給速度，AI發展的邊際成本急劇上升。當硬體供給遭遇能源、資料等天花板時，舊的“安迪比爾”式增長範式開始失效。產業需要一場逆向革命。大模型作為AI時代的“軟體”，需要通過極致的演算法與工程化重構，在現有硬體上爆發更強的能力。2025年，中國大模型公司成為這一路徑的最堅定實踐者。從DeepSeek V3通過細粒度混合專家(MoE)架構以1/10算力成本對標頂尖模型，到Kimi等團隊在稀疏注意力機制上的突破，被稱為“東方力量”的中國大模型公司，正試圖用架構創新努力拉平客觀存在的算力差距。清華大學電腦系副教授劉知遠及其聯合創立的面壁智能團隊，也是其中的典型代表。他們發佈的MiniCPM("小鋼炮")系列模型，僅用約1/10的參數規模,即可承載對標雲端大模型的智能水平，成為端側高效AI的案例。2025年11月，劉知遠團隊的研究登上全球頂級學術期刊《自然·機器智能》(Nature Machine Intelligence)封面，正式提出大模型的“密度法則”(Densing Law)。基於對51個主流大模型的嚴謹回測，論文揭示了驚人的非線性進化規律：從2023年到2025年，大模型的智能密度以每3.5個月翻倍的速度狂飆。這是一條比摩爾定律陡峭5倍的進化曲線。這意味著，每100天，就可以用一半參數量實現當前最優模型相當的性能。每100天成本減半，一年後成本就可能降至原來的十分之一。如此快的迭代速度，對技術創新、產業落地提出了不同以往的挑戰。劉知遠在與騰訊科技的對話中直言:如果一家大模型公司發佈一款新的模型後“3到6個月無法收回成本”，這家公司的商業模式就不可持續，因為後來者很快就能以四分之一的資源實現同等能力。當研發迭代周期被壓縮至百天量級,人類的智力供給已逼近極限,產業的終極形態必將發生質變。工業革命的標誌是機器製造機器,而劉知遠期待的AI時代生產力標誌，將是“用AI製造AI”。唯有如此,才能支撐這場超越摩爾定律的智能風暴。騰訊科技：我們今天的主題是您和團隊最新發表在《自然·機器智能》上的關於大模型“能力密度”（Densing Law）的論文。您能介紹一下這項研究的背景嗎？劉知遠： 雖然這篇論文是 2025 年發表的，但這個想法早在 2024 年上半年就已經開始萌生。2023 年初，ChatGPT 的出現引發了全球對大模型的追逐，中國團隊也不例外，當時大家都在研究如何復現 ChatGPT。到了 2023 年下半年，一線的團隊基本完成了復現工作。那時候我們開始思考大模型未來的發展路徑。有些團隊可能會繼續沿用 ChatGPT 的技術路線，通過增加參數規模、投入更多資料來訓練 GPT-4 水平的模型。這條路線雖然確定性高，但意味著要花費更多經費，這顯然不是一條可持續的發展路徑。你不可能無限地增加成本來換取更強的能力。因此，我們開始探討如何用更低的成本、更高的質量來實現模型能力。2024 年初，我們推出的 Mini CPM 系列模型驗證了這一點：我們可以用更少的參數，實現歷史上需要幾倍甚至幾十倍參數才能達到的能力。這是經驗性的結果，我們想尋找其背後的規律，於是促成了 2024 年對“密度法則”的探索。圖：Densing Law論文登上Nature Machine Intelligence封面騰訊科技：這項研究是否因為中國的國情，使我們更重視大模型的效率問題？它在國內外是獨一無二的嗎？劉知遠： 追求效率當然有中國算力有限的國情因素。我們必須關注如何用更少的算力實現更高品質的模型。這也是為什麼 2024 年下半年，《經濟學人》的一篇封面文章提到，中國企業正通過技術創新繞過“算力牆”，並舉了面壁智能和 DeepSeek 的例子。但同時，追求效率也符合人工智慧本身的發展規律。人工智慧是一場堪比工業革命的科技浪潮，如果要讓每個人都受益，技術就不能昂貴。我們必須像歷史上任何一次科技革命那樣，用更低的成本實現更高品質的產品和服務。因此，我們自信地認為，密度法則對人工智慧的未來發展具有重要意義。騰訊科技：在“密度法則”中，一個關鍵概念是量化“智能”，但這本身是一個難題。在研究開始前，您為什麼覺得這件事是行得通的？劉知遠： 這個問題問得非常好。實際上，我們在密度法則這篇論文裡並沒有真正解決“如何度量智能總量”這個科學問題，而是找了一條取巧的辦法：找一個參照物（Reference Model）。我們假設用同一套技術方案訓練的模型，無論尺寸大小，其密度大致相同。我們將這套方案訓練出的模型作為 Reference Model，並假設其密度為 1。然後，我們觀察目標模型達到某種智能水平時，Reference Model 需要多大參數才能達到相同水平。通過比較兩者達到相同能力所需的參數量，我們就可以算出目標模型的相對密度。這種方法規避了直接計算模型內部智能總量的難題。當然，如何衡量智能的總量（Mass）是未來幾年人工智慧需要攻克的基礎科學問題。歷史上任何大的科技革命背後都有科學理論支撐，如資訊理論之於通訊，熱力學之於蒸汽機。智能科學未來也需要解決如何衡量智能總量的問題。騰訊科技：您在2024年WAIC期間曾提到模型的“密度法則”周期是8個月，但最終論文的結果是3.5個月。為什麼進化的速度比您預期的快這麼多？劉知遠： 2024年年中我們剛有這個想法時，研究尚在初期，觀測的時間跨度和模型數量都有限，所以當時的資料不夠穩定。我們2024年下半年發佈的版本算出來是3.3個月，到今年正式發表時，我們補充了2025年的新模型資料，周期修正為3.5個月。其實，具體的周期是三個月還是八個月並非最重要，最重要的是，這個速度遠遠快於摩爾定律的18個月。這意味著我們正以前所未有的速度迎來一場智能革命。每100天成本減半，一年後成本就可能降至原來的十分之一。同時，我們確實觀察到了一個加速現象。2023年之前，這個周期接近五個月；2023年之後，則縮短到三個多月。我們猜測，這是因為ChatGPT引發了全球性的關注，更多的資源和人才投入加速了技術創新。所以，“密度法則”並非自然規律，而是我們人類社會在該科技領域的一種“自我實現”：投入越多，密度增長越快。騰訊科技： 剛才提到投入，大模型有暴力美學的 Scaling Law，您覺得 Densing Law 和 Scaling Law 是統一的還是矛盾的？劉知遠：我認為它們是硬幣的兩面，相輔相成。“規模法則”的表像是模型越大、能力越強，其背後是我們找到了一條通用的智能構造方案（Transformer架構+序列預測學習），使得在一個模型內持續增加智能成為可能。它開啟了通往通用人工智慧的道路。在坐標系中，“規模法則”是一條參數規模越大、模型能力越強的持續上升曲線。而“密度法則”告訴我們，通過在模型架構、資料治理、學習方法等方面的持續技術創新，我們可以用更小的參數承載更多的智能，從而找到一條更加“陡峭”的“規模法則”曲線。也就是說，用相同的參數實現更強的能力，或者用更少的參數實現相同的能力。所以，沒有“規模法則”就不會有“密度法則”，兩者都是人工智慧發展中至關重要的規律。騰訊科技：“規模法則”似乎正面臨資料、算力和能源的天花板。密度法則何時會遇到瓶頸？劉知遠： Scaling Law的持續發展確實面臨電力、算力、資料等約束。而 Densing Law 正是實現更可持續Scaling Law 的方式。通過技術創新提高密度，我們可以在算力或成本基本不變的情況下，持續提升模型能力。例如DeepSeek V3宣稱用 1/10 的算力實現同等能力，OpenAI 的 API 價格持續下降，都反映了內部通過技術創新用更小的模型提供同等服務。當然，資料枯竭問題可能需要依賴另一項技術——大規模強化學習來解決，即讓模型通過自我探索生成高品質資料進行學習。騰訊科技：2025年有那些讓您覺得驚豔的技術突破，能讓 Densing Law 更加陡峭？劉知遠：今年是模型架構創新的大年，主要有三個方向：第一，以DeepSeek V3為代表的細粒度混合專家（MoE）架構走向成熟，通過稀疏啟動少數專家來大幅提升計算效率。第二，稀疏注意力（Sparse Attention）機制大行其道，通過減少注意力計算中的內容參與度，有效處理長序列。這兩者分別最佳化了Transformer的FFN層和Attention層，實現了計算的“按需分配”。第三，復興循環神經網路（RNN）思想，通過與Transformer混合架構，利用其“記憶”機制降低計算複雜度。這些創新都在變相地提升模型密度。此外，大規模強化學習的應用也取得了巨大飛躍，尤其在數學和程式碼領域，模型通過自我探索持續提升能力，暫時還看不到盡頭。這解決了資料枯竭的問題。騰訊科技： 您覺得密度法則能推廣到多模態模型或世界模型嗎？劉知遠： 我認為這是一個普遍規律。雖然不同領域的倍增周期可能不同，但只要是通用的、遵循 Scaling Law 的模型，未來也一定會遵循 Densing Law。就像晶片摩爾定律和電池密度提升一樣，技術創新總是追求用更少的資源實現更高的性能。騰訊科技：您如何看待Google最新發佈的Gemini 3？它是否可被稱為里程碑式的突破？劉知遠：我們內部認為Gemini 3是一個非常重要的里程碑。它在圖像生成中對文字的控制達到了前所未有的高度，這表明其模型的可控性和對世界的理解能力達到了一個新水平。我們推測，它不只依賴於Diffusion模型，很可能將自回歸（Auto-regressive）的思想融入其中，實現了生成過程的逐層細化和高度一致性。歷史上，所有文生圖模型都難以處理好文字內容，Gemini 3的突破，在我看來是一個非常值得關注的新範式。這也印證了密度法則：只要能實現某種智能，未來一定可以在更小的終端上運行。比如 Gemini 3 現在的能力，未來一定可以在手機、PC 或汽車晶片上跑起來。騰訊科技： 現在還沒有出現能替代智慧型手機的端側 AI 裝置，是不是因為 Densing Law 還沒進化到位？劉知遠： 端側裝置的發展受限於多個因素。第一，還沒有形成好的端側應用場景。現在的手機助手雖然使用者多，但並未與硬體緊密結合。第二，端側技術生態尚未形成。AGI 發展還沒收斂，模型能力還在持續提升，且在產品設計上還沒法完全規避錯誤。就像早期的搜尋引擎也是經過產品打磨才普及一樣，AGI 結合智能終端也需要一個過程。一旦產品形態成熟，智能終端的廣泛應用就會成為可能。騰訊科技： 您提到 MiniCPM 4 可以看作一種“模型製程”，這個怎麼理解？劉知遠： 我更願意把這一代模型比作晶片製程。通過技術創新，我們形成了一套新的模型製程，無論建構什麼尺寸的模型，其密度都更高。例如 MiniCPM 4 在處理長序列時速度提升了 5 倍，意味著可以用更少的計算量承載更強的能力。但目前的挑戰在於，硬體支援還不夠好。我們正在努力做軟硬協同最佳化，希望在消費級硬體上真正跑出理想狀態。騰訊科技： 這需要和高通、聯發科等硬體廠商協同創新嗎？劉知遠： 我們跟硬體廠商交流密切。但硬體廠商受摩爾定律 18 個月周期的影響，架構調整更審慎。而模型每 3 個月就進化一次。所以短期內是軟體適配硬體，長期看硬體會針對穩定的新技術做最佳化。現在端側晶片廠商已經在認真解決大模型運行的瓶頸，比如訪存問題。騰訊科技： 之前大家嘗試過剪枝、量化等方法來做小模型，這和原生訓練的高密度模型相比如何？劉知遠： 我們做過大量實驗，剪枝、蒸餾、量化都會降低模型密度。量化通過後訓練可以恢復一部分效果，是目前端側比較落地的做法。但蒸餾現在已經融合進資料合成體系，不再是簡單的“大蒸小”。剪枝目前還沒找到保持密度的好方法。就像你不能通過剪裁把 14nm 晶片變成 7nm 晶片一樣，要把密度做高，必須從頭建構一套複雜的原生技術體系，包括架構設計、資料治理、學習方法和軟硬協同。這本身就是技術護城河。騰訊科技：“密度法則”對產業界意味著什麼？對於創業公司來說，機會在那裡？劉知遠：3.5個月的迭代周期意味著，任何一個投入巨資訓練的大模型，如果不能在3到6個月內通過商業化收回成本，這種模式就很難持續。因為很快就會有技術更新的團隊用更低的成本實現同樣的能力。因此，雲端API服務的競爭會極其慘烈，最終可能只會剩下幾家擁有海量使用者和強大技術迭代能力的頭部廠商。對於創業公司而言，機會可能在於“端側智能”。端側場景的約束條件非常明確（如功耗、算力、響應時間），這使得技術優勢，即誰能把模型密度做得更高，成為唯一的競爭點，大廠的“鈔能力”（如不計成本的投入）在這裡難以發揮。雖然手機廠商也在高度關注，但它們的決策會更審慎。我們認為，端側智能會先從智能座艙等對功耗不那麼敏感的場景開始，而最終，AGI時代一定會有屬於它自己的智能終端形態，這是我們希望探索的星辰大海。騰訊科技： 面對算力軍備競賽和快速折舊，您怎麼看泡沫論？劉知遠： 快速發展肯定伴隨局部泡沫，但整體上我們正進入智能革命時代。如果以 18 個月為周期，資訊革命走了 50 個周期；如果 AI 也走 50 個周期，按現在的速度，大概到 2030-2035 年就能實現全球普惠的 AGI。未來網際網路的主體不再只是人，還有無數智能體。雖然訓練模型的廠商會收斂，但推理算力需求會爆炸式增長。騰訊科技： 李飛飛（美國國家工程院院士）說 AI 是文明級技術，您對這場革命樂觀嗎？劉知遠： 我相當樂觀。騰訊科技：如果AI變得無比強大，未來人類會不會無事可做？劉知遠：我不這樣認為。未來一定是人機協同，人是把關人。人類知識大爆炸導致我們只能成為細分專家，阻礙了跨領域創新。人工智慧可以幫助我們成為知識的主人而不是奴隸，去探索宇宙、生命等更多未解之謎。騰訊科技： 您2026年最期待的創新是什麼？劉知遠： 我最期待“用 AI 製造 AI”。明年一個重要節點是自主學習（Self-play）。目前的強化學習還依賴人類給標準答案，未來模型如果能自主判斷探索結果的價值，就實現了自主學習。在此基礎上，結合密度法則的提升，我們有可能為每個人建構專屬的、持續學習的個人大模型。未來的生產標誌就是“用 AI 製造 AI”。不再依賴有限的人力，而是由 AI 來賦能 AI 的研發和製造。這將是一個指數級加速的過程。 (騰訊科技)

當一群大廠員工離開公司創業時，陪伴機器人還是個不太熱門的賽道，但是他們已經堅信這會是個百萬千萬級使用者的市場了。2018年，他們在深圳成立Enabot賦之科技。因為團隊中有不少養寵人士，出門在外的時候，又找不到一款滿意的寵物陪伴機器人，Enabot打算切入這個賽道。很快，感知演算法、多模態互動與室內導航技術迎來關鍵突破，Enabot團隊看到了將構想落地的清晰路徑。2019年12月，Enabot推出首款移動機器人產品EBO S，採用不倒翁式的圓潤造型，具備全屋移動監控功能，可以鑽進各種家具底尋找躲藏的寵物們。這款產品初期表現不錯，在海外眾籌平台籌得資金超過200萬元。但遠談不上是個爆款。正如輝達GPU誕生時，不可能知曉幾十年後會被大規模用在AI運算中。很多公司的轉折點來自意外。Enabot很快發現了奇特之處。這款最初定位為“寵物陪伴機器人”EBO S上市後，迅速被使用者挖掘出許多遠超預設的場景。獨居老人的子女通過它，得以遠端洞悉父母的生活狀況；面對咿呀學語階段最好動的小孩，EBO S化身“電子保姆”即時跟隨看護；異地情侶也可以用它達成遠端陪伴的效果。他們迅速做出反應，在寵物陪伴產品之外，也開始研發家庭機器人產品等，進一步聚焦老人、小孩陪護。Enabot家庭機器人產品EBO X（圖源/企業）截至2025年9月，Enabot全球使用者量已突破100萬，產品進入全球160多個國家和地區。在此之前，公司已獲得紅杉、龍湖資本、九合創投等頭部機構多輪融資。MarketsandMarkets預測，全球情感陪伴機器人規模或在2027年突破百億美元，年複合增長率超過17%；其中，具備移動能力與情感互動功能的品類將是增長最迅速的細分賽道。在這個重視情緒價值的年代，陪伴機器人或許會在人們生活中嵌入得更深。但也正因人類的情緒幽微多變，企業也需要更有敬畏心。從陪寵到陪人在陪伴機器人領域，寵物陪伴與人類陪伴的核心需求存在顯著差異。Enabot品牌負責人佟少楠告訴硬氪，寵物陪伴更聚焦 “看護 + 互動” 雙重訴求，而人類陪伴則側重情感共鳴與場景適配，因此，二者在相關產品的功能設計、使用者體驗最佳化與研發迭代上的方向也各有側重。從前，寵物陪伴場景中，使用者面臨的痛點包括遠端看護的視角侷限、單向互動等問題。儘管傳統監控裝置可以即時呈現寵物狀態，但其功能僅停留在觀察層面，無法主動發起與寵物的互動。而當寵物出現長時間靜止不動的情況時，對於“是否意味著健康出現問題”“獨自在家是否感到無聊”等不易察覺的隱性需求，傳統監控裝置也難以進行有效應對。機器人技術恰好解決了這個痛點。針對使用者因無法與寵物即時互動而產生的焦慮，Enabot在寵物陪伴機器人產品線中，基於其移動能力與感知系統，將雷射點、逗貓棒等寵物喜愛的互動模組融入機器人，開發了遠端操控觸碰、引導寵物活動等功能。即使使用者不在家，也可使用App遠端操控機器人主動與寵物互動。Enabot寵物陪伴機器人的遠端互動功能（圖源/企業）對比之下，人類陪伴場景中，產品設計邏輯發生了轉變，從解決功能性問題轉向滿足情感性需求。人類對陪伴的期待，遠不止於基礎的資訊傳遞或安防監控，而是渴望獲得真情實感、能引發共鳴的互動體驗。這就意味著，機器人必須具備更強的情緒感知與自然互動能力。“我們不僅需要通過語音、表情、對話內容建構真實的陪伴感，還必須考慮到使用者年齡跨度大的特點，確保操作足夠簡單，”佟少楠向硬氪解釋道，“任何複雜的學習過程都會破壞情感聯結的自然流暢。”在功能架構上，Enabot采了用“實用功能+情感陪伴”的設計方案，一方面通過自主移動與環境感知能力，提供安防巡視、事件提醒等實用功能；另一方面借助AI情感演算法與與擬人化互動，能夠識別使用者人臉定時發起提醒，提供娛樂內容、發起視訊通話，甚至通過與寵物互動來間接緩解使用者的焦慮。實用功能與情感陪伴兼具（圖源/企業）為了打破使用者對機器人 “移動監控” 的固有印象，Enabot著重強化了AI大模型的對話能力與角色豐富性，其家庭陪伴機器人產品搭載了多個大模型助手，可支援6大角色切換，並提供北京、河南、廣東等20余種方言與地方口音 。消費級陪伴機器人的演進遵循著明確的路線，然而，隨著市場迅猛增長，這個賽道還沒成熟就已經競爭白熱化。在Enabot團隊看來，這種情況下，企業更需在功能設計、形態結構與成本控制之間實現平衡，避免陷入同質化競爭。所以，Enabot的技術迭代相對理性，也沒有以堆疊很多AI功能為目標。“如果盲目引入AI技術、產品卻與使用者體驗脫節，導致互動生硬卡頓，這樣的品牌是難以同使用者建立情感共鳴的。”佟少楠表示。無論是解決寵物陪伴，還是追求實用與情感價值兼具的人類陪伴場景，Enabot的目標始終明確：在具體場景做細做深。這也代表了當今一部分硬體公司的突圍思路，將簡單的功能做透，而非追求大和全。Enabot機器人生產車間（圖源/企業）“電子分身”VS虛擬朋友後疫情時代的社會圖景中，“孤獨經濟”正以前所未有的態勢擴張。Statista調研資料顯示，全球超過60%的都市獨居者表示需要非人類陪伴體來緩解孤獨感。從獨居青年的生活陪伴，到空巢老人的健康守護，再到都市白領的情緒疏導，當線下互動變得不確定時，陪伴機器人成為一種新興的情感連接方式。有趣的是，當陪伴機器人進入到全球市場，迥異的文化背景，正塑造著多元使用者對陪伴機器人截然不同的需求與期待。比如在以中國為代表的東亞市場，陪伴機器人的定位遠超普通智能裝置，更被賦予“家庭情感紐帶”的深層期待。這種定位源於東亞社會獨特的家庭結構與情感模式。根據Enabot使用者調研畫像顯示，雙職工有娃家庭、異地親屬家庭等複合型家庭作為其核心使用者群體，他們對產品的核心訴求，是突破空間阻隔、能夠實現“遠端共在感”，完成細膩的情感表達。所以，Enabot設計了一些很有儀式感的功能。當異地家人過生日時，使用者可以遠端操控Enabot機器人眼燈播放圖片傳遞祝福；其自訂表情功能，還能用可愛的文字、動態圖案等與父母互動。這些頗具互動設計，精準契合了東亞社會中高頻、密集的家庭互動模式。歐美市場則呈現出截然不同的需求圖景，國外使用者更看重機器人的擬人化互動、情緒共鳴能力，並將其視為“電子寵物”或“虛擬朋友”。佟少楠告訴硬氪，歐美使用者更傾向於低侵入式陪伴、即有邊界感的接觸，他們希望感受到機器人的存在，卻不希望被頻繁的互動打擾。這種需求差異既源於對個人空間的重視，也與相對獨立的家庭結構相關。在實際使用場景中，Enabot機器人更像是一位“克制的智能管家”。在實用功能方面，它是一位可靠的機動保安；機器人可以在待機情況下監測環境變化，並在感知異常時提醒使用者、二次查驗等，有效改善了傳統固定監控裝置的被動查看屬性。在深度陪伴層面，使用者期待機器人不僅能記憶偏好、適應個性化交流節奏，更應成為可共同創作的夥伴，比如一起構思故事框架或協作設計簡易互動遊戲。與此同時，歐美使用者展現出鮮明的自主解決傾向。當裝置出現故障時，他們更傾向於讓機器人通過自診斷功能檢測問題並嘗試自主修復，僅將必要日誌上傳至指定平台。這種“最小化人工干預+閉環資料流轉”的模式，既滿足了使用者對產品獨立性營運的需求，也通過減少資料互動環節強化了隱私保護。Enabot產品在海外展會上（圖源/企業）陪伴機器人的本質，始終是“關係的具象化”。縱觀全球市場，它既承載著家庭情感的延續，也體現出對個人空間的尊重。這種差異背後，源於對使用者痛點的深刻理解。當前，行業正處在從“工具理性”向“情感價值”轉型的關鍵節點。陪伴機器人的發展已不再侷限於功能迭代或技術突破，而是轉向更深層的價值重構——如何讓科技更好地服務於人的情感需求，如何在人機共處中找到恰到好處的平衡點。在這個過程中，Enabot的迅速崛起印證了一條有效的發展路徑，從解決功能痛點、到滿足情感需求，那些能夠精準把握使用者真實需求的企業，將在未來的市場競爭中佔據先機。 (EDA365電子論壇)

亞馬遜周三宣佈重組人工智慧相關團隊，成立新的業務單元，並任命來自雲端運算部門AWS的高管Peter DeSantis負責。新組織將整合亞馬遜AGI團隊、晶片製造部門以及量子計算研究業務。分析稱，此舉表明亞馬遜希望打造類似ChatGPT那樣的前沿、多用途人工智慧工具。亞馬遜（Amazon）周三宣佈重組其人工智慧（AI）項目相關團隊，並任命來自公司雲端運算部門的一位高層負責人，負責一個新成立的業務單元。亞馬遜首席執行長安迪·賈西（Andy Jassy）周三宣佈，彼得·德桑蒂斯（Peter DeSantis）將領導這一新團隊。新的組織架構將整合亞馬遜的通用人工智慧（Artificial General Intelligence，AGI）團隊，該團隊負責公司的Nova品牌AI模型以及語音助手Alexa的“數字大腦”，同時還將併入亞馬遜的晶片製造部門和量子計算研究業務。賈西表示：“我相信，我們的多項新技術正處在一個關鍵轉折的點，這些技術將在未來很大程度上塑造客戶體驗。”媒體稱，亞馬遜雲服務（AWS）是全球最大的計算能力和資料儲存租賃服務提供商，但在AI開發者領域，AWS未能複製其在雲端運算市場的主導地位，正面臨來自微軟、Google以及眾多初創公司的激烈競爭。據報導，在OpenAI於2022年底推出ChatGPT之後的幾個月裡，亞馬遜將此前分散在Alexa團隊和AWS之間的AI開發工作集中，統一歸入一個組織。而這次調整表明，亞馬遜希望打造類似ChatGPT那樣的前沿、多用途人工智慧工具。周三宣佈的最新調整，進一步強化了該團隊的實力，納入了安納普爾納實驗室（Annapurna Labs）。這是一家亞馬遜於2015年收購的初創公司，也是亞馬遜開發通用晶片和面向AI硬體的重要基礎。在此之前，德桑蒂斯曾擔任基礎雲端運算業務高級副總裁，負責AWS大部分工程團隊。在新職位上，他將直接向賈西匯報。賈西表示，德桑蒂斯在“解決技術可行性邊界上的難題”方面有著出色的過往記錄。賈西還表示，現任AGI團隊負責人、也是長期領導Alexa語音科學團隊的羅希特·普拉薩德（Rohit Prasad），將於今年年底離開亞馬遜。此外，皮特·阿比爾（Pieter Abbeel）將在亞馬遜負責基礎AI模型的開發團隊。阿比爾於去年加入亞馬遜，當時亞馬遜收購了機器人軟體公司Covariant。 (硬AI)

蘋果的人事變動，仍在持續。過去一周，蘋果接連失去了人工智慧主管 John Giannandrea（退休）、設計負責人 Alan Dye（跳槽 Meta）、法務負責人 Katherine Adams（退休）和政府事務主管 Lisa Jackson（退休）。此前，這四位高管全都直接向 CEO 蒂姆·庫克匯報——這種等級的人事震盪在蘋果歷史上極為罕見。更糟糕的是，據彭博社援引知情人士透露：負責硬體技術的高級副總裁 Johny Srouji 最近告訴庫克，他正在「認真考慮」在不久的將來離職。Srouji 是蘋果最受尊敬的高管之一，也是蘋果自研晶片戰略的操盤手。他已經向同事透露，如果最終離開，絕對不會是「退休」，而是打算加入另一家公司。這可能是庫克任期內最動盪的時刻之一。一場始料未及的「高管地震」蘋果的離職名單正在變得越來越長。AI 主管 John Giannandrea 的「退休」，跟蘋果在生成式 AI 領域的一連串失誤有關。不僅底層的 Apple Intelligence 平台架構飽受延期和功能不佳的困擾，上層產品 Siri 的所謂「2.0 版」大規模改進計畫，也落後了大約一年半。目前蘋果計畫與Google的合作來填補能力空白。蘋果在今年三月就開始讓 Giannandrea 逐步退出職位，並且允許他留任到明年春天——蘋果是一家很給面子的公司，給高管面子，更是給自己挽尊：過早分手會被視為公開承認問題的存在。John Giannandrea設計老將 Alan Dye 的離職則更具戲劇性。他將前往 Meta 的 Reality Labs 部門，投奔蘋果最激烈的競爭對手之一。在蘋果內部，Dye 此前「液態玻璃」介面設計語言的主要堅持者，離職之前還在負責一款桌面機器人產品的介面設計。據報導，Dye 的出走，部分因為希望將 AI 更深入地整合到產品中，以及對蘋果在這一領域進展緩慢的失望。法務方面，蘋果從 Meta 挖來了 Jennifer Newstead 作為新任法律總顧問，接替將要退休的 Katherine Adams。Newstead 曾幫助 Meta 贏得與美國聯邦貿易委員會的反壟斷訴訟，這段經歷對於蘋果可能很有價值。Adams 將於 2026 年底退休。環境、政策和社會事務副總裁 Lisa Jackson 也宣佈退休。她曾在歐巴馬政府擔任官員。早前，庫克長期以來的二把手 Jeff Williams 也在擔任 COO 十年之後正式退休了，將棒子交給了手下 Sabih Khan。另一位資深蘋果高管、首席財務官 Luca Maestri，在 2025 年初將大部分職權交給了同事，並將在不久後退休。晶片掌舵者的去留困局Srouji 的潛在離職,可能是最令人擔憂的。作為蘋果自研晶片戰略的核心人物，Srouji 是 M 系列和 A 系列晶片的最大功臣之一，讓蘋果在性能和能效方面獲得了對競爭對手的巨大優勢。特別是他在 M 晶片上的工作，挽救了後 X86 時代的蘋果電腦頹勢。Mac 電腦成功轉向自研晶片後，蘋果在 PC 行業的市場份額大幅增長。據彭博社報導，庫克以及整個蘋果高管層都在瘋狂挽留 Srouji，包括提供更加豐厚的薪酬待遇，以及許諾在未來給他更多職權。公司內部一些高管提出的方案是，將 Srouji 提升為首席技術官，負責硬體工程和晶片技術的大部分工作——這將使他成為蘋果第二有權勢的高管。這是個非常「反傳統」的做法：要知道，蘋果公司歷史上從未設立過正式的 CTO 職位，因為其組織結構是基於職能專長 (funciontal expertise) 建構，而非產品線或技術線。賈伯斯確立了這個「規矩」，並且庫克也一直在維護。也正因此，設立 CTO 的做法可能會存在巨大的障礙。最大的障礙，就在於需要先把硬體工程負責人 John Ternus 確立為 CEO——然後才能把 Ternus 手裡的硬體工程匯報線轉到 Srouji 那裡。Johny Srouji問題是，蘋果可能還沒準備好邁出這一步。根據此前爆料，庫克至少要在 CEO 任上到 2026 甚至 2027 年——一種可能性是，庫克或許會安排在 iPhone 20 周年，也即 2027 年，正式交棒 CEO。此外，據知情人士透露，即便獲得了 CTO 的職位，Srouji 仍然希望不用向 CEO 匯報，而是可以有極大的自主權——這對層級森嚴，匯報體系多年以來一成不變的蘋果來說，同樣是個麻煩。如果 Srouji 最終離開，蘋果很可能會從他的兩位得力副手中選擇接替者：Zongjian Chen 或 Sribalan Santhanam。AI 人才大逃亡在高管層動盪的同時，蘋果的工程師團隊也在經歷人才流失，特別是在 AI 領域。 Meta、OpenAI 和各種初創公司正在瘋狂挖蘋果軟體/硬體工程的牆角。這讓蘋果試圖追上 AI 浪潮變得難上加難。曾負責 Siri 的 Robby Walker 在去年十月離開公司；他的繼任者 Ke Yang 在這個職位上只待了幾周就離職，加入了 Meta 新成立的超級智能實驗室。AI 模型主管 Ruoming Pang 的離職更是引發了連鎖反應，他和 Tom Gunter、Frank Chu 等同事一起去了 Meta——當時，Meta 號稱開出上億美元的年包從蘋果、OpenAI 等公司挖人。當時，蘋果的 AI 組織士氣嚴重低落，幾周內就跳槽了十幾位優秀的 AI 研究員。 蘋果越來越多地使用外部 AI 技術，比如Google的 Gemini，也讓從事大語言模型工作的員工感到擔憂。蘋果的 AI 機器人軟體團隊，前不久也經歷了大規模離職，包括其負責人 Jian Zhang，他同樣加入了 Meta。代號為 J595 的桌面裝置的硬體團隊也在大量流失人才，其中一些人前往了 OpenAI。除了負責「液態玻璃」之外，Alan Dye 也是監督該產品軟體設計的關鍵人物。Alan Dye 手下的使用者介面部門同樣遭受重創，2023 年至今已有多名團隊成員離職。知名設計師、前《連線》雜誌創意負責人 Billy Sorrentino 也去了 Meta。Alan Dye 和 Billy Sorrentino設計團隊的代際斷層蘋果的硬體設計團隊，是這家公司的絕對靈魂——然而在過去五年裡，這個靈魂幾乎被掏空了。許多員工跟隨前設計主管 Jony Ive 去了他的工作室 LoveFrom，或者去了其他公司。不僅如此，Ive 跟 Sam Altman 的關係密切，幫助其從蘋果瘋狂挖人，幾乎成為 OpenAI 的 AI 硬體「首席招募官」。OpenAI 成為了蘋果人才流失的主要受益者。目前已經聘請了數十名蘋果工程師，背景涵蓋 iPhone、Mac、相機技術、晶片設計、音訊、手錶和 Vision Pro 頭顯等廣泛領域。據彭博社報導，OpenAI 從蘋果挖走了 Vision Pro 光學系統的負責人、蘋果顯示技術高級總監 Cheng Chen。今年九月，在秋季新品發佈會上聲優出演介紹 iPhone Air 的設計師 Abidur Chowdhury，也離開蘋果加入了一家 AI 初創公司。作為蘋果的後起之秀，Chowdhury 在內部被認為是接近於 Tony Fadell 的優秀工程師，他的離職讓同事們感到意外。甚至連蘋果大學的院長也離開了：這個內部項目旨在保護公司的文化和實踐，其院長 Richard Locke 在今年夏天離職，加入麻省理工學院擔任商學院院長。權力格局的重新洗牌人事變動正在重塑蘋果的權力結構，更多權力現在流向了四位高管：硬體工程 John Ternus、服務業務 Eddy Cue、軟體工程（包括 AI） Craig Federighi 和新任首席營運官 Sabih Khan。據彭博社報導，Ternus 是蘋果「候任 CEO」的最熱門人選，他將在明年蘋果 50 周年慶典中擔任主角，進一步提升他的知名度。他還被賦予了更多機器人和智能眼鏡方面的責任——這兩個領域被視為未來的增長動力。長期擔任使用者介面設計師的 Steve Lemay 接替了 Dye 的職位，擔任使用者介面的首席設計師。他將直接匯報給庫克。蘋果內部對 Lemay 接任 Dye 的舊職位充滿熱情。他是一位深受喜愛的設計師，參與了初代 iPhone 的介面設計，甚至出現在初代 iPhone 的 master 專利上。Steve Lemay蘋果內部的高管地震，可能還沒有結束：零售和人力資源負責人 Deirdre O'Brien 已經在蘋果工作了 35 年以上，而行銷負責人 Greg Joswiak 在公司度過了四十年。據彭博社報導，蘋果已經提拔了這兩位高管手下的關鍵副手，為他們最終的退休做準備。庫克時代的黃昏?這場高管地震，更是引發了關於庫克本人未來計畫的猜測。正如前文提到，庫克不會很快「退休」，至少也要等到明年甚至後年，並且在交棒 CEO 期間和之後繼續留在公司。不過，據彭博社報導，熟悉庫剋日程的人士透露，庫克的生活習慣正在悄然改變：他不再像以前那樣經常在凌晨 4 點起床去健身房。在過去一年左右與他相處過的人注意到，他的手有輕微的顫抖，儘管這可能並非嚴重健康問題的跡象。多年來一直在矽谷租房而不買房的庫克，近年來在棕櫚泉附近購買了一套豪宅作為「冬宮」，也正好跟老同事 Eddy Cue 成了鄰居。當庫克最終卸任時，他很可能會轉任董事長職位。蘋果從未選擇外部人士擔任 CEO（賣糖水的 John Sculley 不算）。但是，一些優秀的外部候選人也被推薦了過來——比如 Tony Fadell，「iPod 之父」，一位早已不在蘋果的蘋果人。Tony Fadell低落的士氣、外部更具吸引力的薪酬方案，以及蘋果在 AI 領域的相對落後，都在導致人才外流。目前，蘋果人力資源部門加大了招聘和留住人才的力度，這在今年已經成為高管最關心的事務。庫克堅稱，蘋果正在開發其歷史上最具創新性的產品陣容——預計將包括可摺疊 iPhone 和 iPad、智能眼鏡和機器人——但事實上，蘋果已經十年沒有推出極其成功的新產品類別了。對於一家長期以穩定著稱的公司來說，2025 年以來蘋果的人事動盪，用不尋常來形容都欠點意思。這到底是短期的陣痛，還是更深層次問題的徵兆？隨著時間推移，答案將越來越清晰。 (APPSO)

京東集團近日悄悄拿到香港保險經紀牌照，緊急組建保險團隊。這條看似普通的商業新聞，背後是中國三大網際網路巨頭阿里、騰訊、京東首次在香港保險市場完成“勝利會師”。與此同時，香港保監局最新資料顯示，2025年首季個人新單總保費高達934億港元，同比暴漲43.4%，創下歷史紀錄。這場保險盛宴正吸引著越來越多的分食者。搶灘登陸：阿里騰訊早已布下重兵香港保險市場的火熱程度，從資料中就可見一斑。摩根士丹利報告顯示，2025年第一季香港年度化保費等值達512億港元，按年增長25%，在已經很高的基數上繼續攀升。這場盛宴中，內地巨頭們早已嗅到商機。阿里巴巴堪稱先行者。2017年，它通過雲鋒金融聯合螞蟻金服，以131億元天價收購美國萬通保險亞洲，一舉拿下香港保險市場的入場券。騰訊則選擇了另一條路。2017年初，它聯手高瓴資本和英傑華人壽，並於次年推出香港首家網上人壽保險公司Blue，打出了數位化保險這張王牌。隨後的劇情愈發精彩，螞蟻銀行、眾安銀行、Livi銀行、PAO Bank等數字銀行紛紛加入戰局。細看這些銀行背後的股東，儼然是一幅內地科技巨頭海外爭霸圖：阿里、騰訊、京東、平安、小米……香港保險市場，正成為內地網際網路大佬們的新競技場。京東佈局：雙線並進的後來者策略當阿里和騰訊在香港保險市場馳騁多年後，京東這個“遲到的玩家”該如何破局？招兵買馬是第一步。近期，京東以“京東保險”名義在香港招募“合規負責人”、“保險顧問IS”、“營運總監”等職位，要求應聘者持有相關牌照且熟悉香港市場，擺出了要大幹一場的架勢。但京東真的來晚了嗎？恰恰相反。細究之下會發現，京東早已通過參股Livi銀行在香港數字保險分銷領域埋下伏筆。此次直接申請牌照，標誌著京東從“管道參與”向“主導營運”的戰略升級。雙線平行既通過數字銀行管道分銷，也建構自身產品體系，這就是京東作為後來者的破局之道。數字革命：保險銷售的傳統與未來內地巨頭為何都能在香港保險市場迅速打開局面？答案藏在數字銀行這場革命中。目前香港八家持牌數字銀行，半數已涉足保險銷售。它們正在用網際網路模式，重塑香港保險的銷售生態：眾安銀行作為先行者，早在2021年就獲得保險代理牌照，銷售ZA Insure的保險產品；螞蟻銀行則依託支付寶香港平台，與萬通保險合作觸達海量使用者；而京東系的Livi銀行從2022年就開始佈局保險業務，與中銀人壽、富衛保險合作推出產品。不過，數字管道的變革並非一帆風順。香港金融發展管理局的報告揭示了一個尷尬現實：香港保險業數位化水平仍落後於荷蘭、美國等市場。前端服務數位化背後，後端理賠、核保仍依賴紙質流程——這個效率瓶頸，恰恰成了京東等擅長提升體驗的科技巨頭的最佳突破口。未來棋局：保險通與更大想像展望未來，香港保險市場的增長故事遠未結束。據AInvest預測，香港保險規模將從2025年的803.8億美元增長至2032年的1270.2億美元。跨境需求持續火熱，內地客源仍是最大驅動力。更大的想像空間來自於政策紅利。香港保監局正積極推動“保險通”計畫，未來可能允許香港保險公司在粵港澳大灣區設立服務中心，提供售後服務。對京東而言，這無疑是個重大利多。一旦計畫落地，京東就能借助其龐大的物流體系和客戶資料，在大灣區內提供更個性化的保險解決方案，實現真正的跨界融合。香港保險業的數位化變革才剛剛開始。阿里佔據先機，騰訊領跑線上，京東雙線並進——三足鼎立之勢已成。未來的競爭，不再只是傳統保險公司的地盤爭奪，更是科技巨頭之間關於資料、流量、使用者體驗的全面較量。這場好戲，才剛剛拉開帷幕。 (成竹海外)

一場醞釀已久的萬科式“頂層革命”，終於落地。9月17日，萬科集團網站更新了組織架構和管理團隊資訊，核心是集團總部強力集權，原先的區域層級全部取消，變成了16個由總部直接管控的地區公司；物業、商業、長租公寓等8個事業部保持不變，由總部直接管控。隨著萬科區域公司被取消，開發業務的投資、財務、營運等權限上收到集團，深鐵背景管理層的實際權限已經從集團滲透到一線執行層面。有分析稱，萬科此次組織架構大調整，是其應對行業深刻變化的主動變革，它標誌著萬科徹底告別了過去相對分散的“諸侯模式”，轉向高度集權、精細化管理和專業化營運的新階段。但這場變革的最終效果如何，仍待時間檢驗。集團總部在收權後，是否具備足夠的專業能力和效率來直接指揮前線，如何避免決策鏈條縮短但效率未必提升的新問題，都是對萬科新管理團隊的考驗。在新組織架構落地的同時，9月16日晚間，萬科公告稱，公司第一大股東深鐵集團向公司提供不超過20.64億元借款。自2025年初深鐵集團全面接管以來，已累計向萬科提供借款近260億元。撤區域、收權限、派高管、注資金，深鐵集團正打出一套組合拳，全力救助萬科。━━━━企業架構大調整萬科此次組織架構調整的核心在於，撤銷了原有的開發經營本部以及其下的五大區域公司（華東、南方、北京、西南、華中），將原有的“5+2+2”架構（5大區域公司、2個總公司、2個直管公司）調整為集團總部直接管理的16個地區公司。這標誌著，萬科打破了沿用近20年的“集團-區域-城市”三級架構，轉向更扁平化的二級管控體系（總部-城市）。萬科延續多年的傳統職業經理人模式，似乎正在讓位於一種更具掌控力的“總部集權”模式。一位行業觀察人士稱，過去區域公司“各自為戰”造成的資源浪費、決策失誤和內耗，在當下已成為企業不能承受之重，集權管控的核心目的之一就是“極限降本”，打破“諸侯割據”、杜絕內部損耗，實現資源全國一盤棋。萬科新的組織架構，主要分為三大類股：一是集團總部，設有董事會辦公室、集團辦公室/黨群工作部以及11個中心（如投資發展中心、審計監察中心、成本招采中心、工程管理中心、產品設計中心、數智科技中心等），直接指揮前線。二是地區公司（共16個）：包括北京公司、津冀公司、山東公司、上海公司、浙江公司、華中公司、廣佛公司、深圳公司、蘇皖公司、莞珠公司、西南公司、蘇南公司、福建公司、東北公司、雲桂公司、西北公司，由總部直接管理。三是事業部（共8個），涵蓋物業、商業與酒店、辦公、長租公寓、海外、食品、物流及財顧八大多元化業務。萬科的管理團隊也進行了相應調整：董事長辛傑，黨委副書記兼紀委書記、工會主席解凍，執行副總裁郁亮，執行副總裁李鋒，執行副總裁兼財務負責人韓慧華、董事會秘書田鈞等核心高管職務保持不變。但財務層面出現了一位新面孔——集團財務總監卜令秋，一位來自深鐵系的高管。他曾先後在深圳市市政工程總公司、深圳市天健（集團）股份有限公司、深圳市天健瀝青道路工程有限公司、深圳市市政工程總公司供職。在集團總部關鍵崗位中，張海（原開發經營事業集團總經理），出任首席產品官、產品設計中心總經理；李嵬（原萬科西南區域負責人），出任投資發展中心總經理；吳鏑（原萬科華東區域負責人），擔任首席行銷官；曹江巍（原萬科北京區域負責人），任工程管理中心負責人；丁寧（原寧波萬科總經理），任品牌行銷中心負責人。新設立的16個地區公司一把手，多數由經驗豐富的萬科老將擔任。集團執行副總裁李剛（來自深鐵集團），新兼任北京公司總經理；上海公司總經理耿冰，深圳公司總經理唐激楊（離職後回流萬科），浙江公司總經理陳灝，廣佛公司總經理周軼群，華中公司總經理易平安，西南公司總經理劉偉東，東北公司總經理曾巍等。從名單中可以看出，在危機時刻，張海、唐激楊、胡博（現任萬科數智科技中心負責人）等一批經驗豐富的“老萬科人”重獲重用，他們深諳萬科文化，具備極強的專業能力和執行力，是當下萬科想要打贏這場硬仗最需要的人才。通過組織調整與人事安排，深鐵正在強化對萬科這艘大船的控制力，確保其航行在安全航道上。━━━━國有資本深度介入這場變革醞釀已久。今年1月底，萬科高管團隊就經歷了一場“地震”，董事會主席郁亮、總裁祝九勝、董事會秘書朱旭集體辭任，深鐵集團順勢全面接管，辛傑接替郁亮擔任董事會主席，深鐵系高管全面入駐。此後，深鐵集團開啟了對萬科的“輸血”模式。就在9月16日，萬科發佈公告，深鐵集團再提供20.64億元借款，期限不超過3年，年化利率僅2.34%，用於償還萬科在公開市場發行的債券。這是深鐵集團年內第9次向萬科提供股東借款，若算上本次借款，深鐵集團今年向萬科提供的借款總額近260億元。這種“輸血”與管理層面的深度介入，共同驅動了萬科此次以“縮層級、強管控”為核心的組織再造。萬科通過“債務騰挪術”實現了短期風險緩釋：截至2025年6月末，已償還243.9億元公開債，2027年前無境外公開債到期。但這並未從根本上改變其債務壓力。2025年半年報顯示，萬科總負債規模為8729.88億元，較年初下降7.85%，資產負債率降至73.11%，但淨負債率卻攀升至90.38%，較年初上升9.78個百分點。其核心原因在於，萬科的貨幣資金（可迅速動用的現金）下降的速度，遠遠超過了其有息負債下降的速度，同時可能伴隨著所有者權益的增長乏力甚至下降。財報資料顯示，2025年上半年末，萬科計息負債有3642億元，其中短期借款231.46億元，一年內到期的非流動負債為1347億元，此外還有著1362億元的應付票據及應付帳款，而貨幣資金只有740億元。短期償債缺口依然很大。這些還只是萬科的表內負債。萬科還背負著巨額虧損，上半年歸母淨利潤虧損119.47億元；銷售金額691億元，同比下降45.7%。這也意味著，萬科自身的造血功能變得較差。通過集權控本，最大化集中資源，以應對債務壓力，成為當下首選。萬科的這次改革，實為一場為生存而戰的“豪賭”。最終能否成功，不僅取決於自身改革的執行力，更取決於中國房地產行業能否實現軟著陸這個大前提。 (中國房地產報)

據《時代周報》報導，近日甲骨文中國區公佈了新一輪裁員名單，涉及CSS（客戶支援服務）、GCS（全球客戶服務）等多個部門的多種崗位。本次裁員補償方案為“N+6”。不過，該消息並未得到甲骨文官方確認。今年8月中旬，《彭博社》就率先報導了甲骨文公司將針對其雲基礎設施團隊進行裁員的消息。隨後在今年9月初，甲骨文向美國華盛頓州提交了 WARN 通知，計畫自 2025 年 11 月 3 日起裁員 101 人；甲骨文在堪薩斯州還針對2022年以283億美元收購來的Cerner 員工進行了大幅裁員；甲骨文還向加州提交的WARN 檔案顯示，其在該地區的三家工廠共裁減 254 個職位，裁員將於 2025 年 11 月 3 日至 5 日生效；甲骨文向西雅圖政府提交的檔案也顯示，其將在該地區裁員 101 人。據外媒報導，甲骨文的自今年8月以來在全球裁員了超過3000人，除了美國本土之外，印度、菲律賓、加拿大和歐洲等地區也進行了裁員。比如，甲骨文在印度班加羅爾、海得拉巴、金奈、孟買、浦那、諾伊達和加爾各答等主要科技中心解僱了約 10% 的員工（約 2,800 至 3,000 名員工）。甲骨文在菲律賓的高級客戶服務部和 NetSuite 全球業務部整個團隊也被裁掉了。此次甲骨文在中國區的裁員可能為其此番全球裁員計畫的一部。而早在2019年，甲骨文就曾被爆裁撤中國區研發中心（CDC），整個CDC約1600人，首批確認裁員約900餘人，其中超500人來自北京研發中心。不過，針對此次甲骨文中國區裁員的消息，尚未得到進一步確認。而甲骨文在中國招聘平台仍在招聘生成式AI銷售工程師、公有雲解決方案架構師等技術崗位，月薪從20000元到70000元不等。值得一提的是，甲骨文首席執行官Safra Catz在最新一季的財報會議上透露，該季度內成功斬獲4份價值“數十億美元”的重大合同，涉及三家不同行業客戶。近期，OpenAI與甲骨文公司簽署了一份為期五年的算力採購協議，總價值高達3000億美元。Safra Catz進一步表示，預計未來數個月內甲骨文還會與客戶簽訂多份數十億美元合約，屆時未來合約總價值將超過5,000億美元。基於此，甲骨文管理層還公佈了極具野心的增長藍圖：2026財年第二季，雲端基礎設施營收33億美元，同比大漲55%；2026財年該類股收入預計達180億美元，較2025財年的103億美元增長77%。更引人注目的是，未來四年收入目標分別設定為320億、730億、1140億和1440億美元，意味著在現有基礎上實現八倍增長，遠超市場預期。受該消息的影響，甲骨文股價在當地時間9月9日盤後交易更是大漲28.35%，9月10日開盤後，甲骨文股價持續上漲，最終漲幅達到了35.95%，收於328.33美元/股，成為甲骨文自1977年成立以來最高股價，市值突破9200億美元。 (芯智訊)

人工智慧正幫助患者發現錯誤、讀懂化驗單並堅持執行照護方案。我差一點就點下“購買”按鈕，買一份看起來“獲得政府背書”的健康保險計畫。臨門一腳前，我把保單全文貼上給了 Claude（Anthropic 的人工智慧聊天機器人，Claude）。幾秒鐘後它就提示我：“我需要直言相告：這不是真正的保險。以下是主要問題。”把我資料從 HealthCare.gov（美國聯邦醫保交易所網站）拿到手的那位經紀人淡化了風險，說：“不用擔心。這被視為最低基本覆蓋。”Claude 指出了其中的出入。這份計畫雖然被包裝成“最低基本覆蓋（minimum essential coverage）”，但其免責聲明卻一再寫著本產品“不是保險覆蓋（not insurance coverage）”，而且“並不符合最低合格覆蓋（minimum creditable coverage）要求”。好在用人工智慧核查了十分鐘，我躲過了一份可疑計畫，順帶也躲過了隨後很可能接踵而來的“驚喜帳單”。我的這次險情，說明大語言模型類的人工智慧系統，正在幫助患者發現錯誤、讀懂實驗室檢驗報告、並按療程堅持治療。約翰斯·霍普金斯大學（Johns Hopkins University）2016 年的一項研究估計，美國每年有 25 萬人死於醫療差錯，僅次於心臟病和癌症，儘管也有學者認為這個數字偏高。不管怎樣，如今相當一部分“把關”工作落在了患者自己身上。人工智慧可以分擔其中一部分。根據 6 月發表的一項研究，微軟的實驗性系統 Diagnostic Orchestrator 在解答《新英格蘭醫學雜誌》（New England Journal of Medicine）的病例分析時，精準率達 85%，約為在相同資料基礎上作答的初級保健醫生的四倍。不過，人工智慧模型也可能出現“幻覺”（臆造內容）、忽略語境，或在劑量計算上出錯。但如果按下面四種策略來用——我已用它們來處理我的偏頭痛、腸胃問題和疲勞感——你就能把人工智慧納入你的健康管理。• 記健康日記。打開一個新的人工智慧對話（Claude、ChatGPT、Gemini、Grok 或其他一線模型），把你的健康資訊粘進去：診斷、手術、檢驗結果、當前用藥與劑量、可穿戴裝置資料，甚至那些頑固的“疑難症狀”。隱私至關重要，所以在分享健康資料之前，先打開“設定”，進入“資料控制（Data Controls）”，在 Claude、ChatGPT 或 Grok 中關閉“使用我的資料改進模型（Use my data to improve the model）”。Gemini 目前沒有便捷的退出選項。這類對話不受《健康保險可攜性與責任法案》（Health Insurance Portability and Accountability Act, HIPAA）保護。詢問機器人：“有那些模式一眼就能看出來？我有那些該做卻拖延了的事項，應該先補那一塊短板？”由於模型吸收了各專科的研究，它常能連起被科室壁壘割裂的資訊，比如 2022 年後一直沒複查的血脂全套（lipid panel），或者某種會削弱止偏頭痛藥效的 β 受體阻滯劑（beta-blocker）。如果回答讓你一頭霧水，繼續追問：“請用更簡單的話解釋，並舉一個例子。”• 請人工智慧幫你做分析。無論你擔心的是“紅眼航班（夜航）後的腰背痛”、長途駕車引發的關節僵硬，還是下午三點的“腦霧”，都把情況告訴人工智慧。記錄你的睡眠、疼痛強度和心情起伏。然後發問：“請找出這些症狀加重的觸發因素，按可能性排序，並給出常規與非常規的應對辦法。”人工智慧也許會指出漏吃一餐或隱蔽的藥物副作用，偶爾還會提示醫生漏掉的疾病線索。把這些建議當作起點，而不是診斷結論。• 促進溝通更清晰。人工智慧能把“醫生話”翻譯成人話。我的胃腸科醫生曾想用一種抗焦慮藥來治我的胃痛，他的助手卻解釋不清原因。聊天機器人一句話說透：這種藥可以讓過度興奮的腸道神經安靜下來。當模型給你提出一種治療思路時，可以提示它：“請寫一封簡潔的信給我的醫生，總結這個思路、說明可能的獲益、標註任何安全警示，並請他們給出意見。”等拿到醫生們的回覆，再讓人工智慧進行比對，把兩位專科醫生的建議粘進去，要求生成一張把“共識、分歧與參考文獻”並排列出的對照表。• 讓聊天機器人當你的“第二意見”。對任何重要的人工智慧建議，主動尋找反證，向它發問：“請給出經同行評議的研究，尤其是臨床試驗，來反駁這一推薦。”閱讀摘要。如果太晦澀，要求人工智慧提煉要點。再把你的健康難題丟給另一個模型，若答案分歧，就深入追問。涉及人生重大決策時，優先使用當下最先進的系統。把人工智慧的建議壓縮成一小段文字，拿去請你的臨床醫生把關。有一項 2025 年的研究顯示，只需在病史裡加入幾句無關的描述，就能把 ChatGPT 和 Claude 的診斷精準率最多拉低 8%，這恰好證明：清晰的事實與“第二意見”很重要。做出任何重大決定前，務必獲得人類醫生的最終簽字。聊天機器人不是醫生。它摸不出腹部是否壓痛、開不了 CT、也捕捉不到家族史的每一處細節。電子病歷系統與面向消費者的聊天機器人幾乎不“對話”，儘管 Epic、Google、OpenAI 以及 60 多家大型醫療體系與科技公司近期承諾，隨著通用標準的出現將推進資料共享。美國食品藥品監督管理局（Food and Drug Administration, FDA）針對人工智慧驅動軟體的監管規則也在緩步推進。將來，聊天機器人會即時調取影像、醫師筆記與處方史。在那之前，請把當下的模型視作“資質卓越但尚未歷經臨床考驗的醫學院畢業生”：聰明、耐勞，偶爾過分自信。讓它們參與工作，但在重大決策上務必覆核。 (一半杯)