根據Anthropic發佈的最新研究報告《2026年智能體編碼趨勢報告》（2026 Agentic Coding Trends Report），人工智慧在軟體開發領域的應用正在經歷一場從嚴重的“輔助工具”向深度的“協作夥伴”的根本性轉變。這份報告基於廣泛的客戶資料和內部詳細研究，闡述了將在2026年定義智能體編碼（Agentic）報告核心觀點指出，隨著智能體向協作型智能體團隊進化，軟體開發的生命周期將被徹底崩潰，工程師的角色佇列程式碼系統的執行者轉變為智能體的編寫排版者。智能體系統的崛起與開發周期的崩潰收縮軟體開發領域正在經歷自圖形使用者介面誕生以來最顯著的互動變革。2025年，編碼智能體已經從實驗性工具轉變為能夠交付實際功能的生產系統。而根據Anthropic的預測，2026年將出現一種結構性的飛躍：單一的AI智能體將轉變為協調協作的“智能體團隊”（Cooperative Teams）。傳統的軟體開發生命周期（SDLC）——涵蓋需求、設計、實現、部署等階段——通常以測試周或月為單位。然而，報告指出，隨著智能體取代實現、自動化測試和文件編寫等專項性工作，這一周期正在崩潰為縮短小時甚至分鐘級。變革的核心驅動力承載架構的演進。目前的架構智能體工作流通常是線性的，建立於單一的這種下游窗口。而2026年的多智能體分層架構將引入“編排者智能體”（Orchestrator Agent）。該中心大腦負責任務分層、分發工作和質量控制，指揮於架構、編碼、測試和審查的“專家智能體”架構工作。這種協作模式使得智能體不再侷限於完成數十內完成的離散任務。報告預測，長效運行的智能體（Long-running Agents）將能夠連續工作數小時甚至數天，獨立建構和測試整個應用程式系統，並在關鍵決策點尋求人類的戰略指導。日本樂天集團（Rakuten）的案例慘遭這一趨勢。其工程師利用 Claude Code 在擁有 1250 萬行程式碼的龐大開源庫（vLLM）中實施了一項複雜性的啟動提取方法。究竟可能需要數周的工作，智能體在單次運行中僅需 7 小時即可完成自主，且實現的結果與參考方法相比達到了 99.9% 的精度。這種能力不僅是速度的提升，更是任務複雜性處理度的變遷。協作部落論與工程師角色的重構隨著智能體承擔了更多的實施工作，一個關鍵的成本分數浮出水面：這種轉型本質上是高度協作的，而不是簡單的替代方案。人類的社會影響團隊研究發現了一個耐人尋味的“協作工作論”：雖然開發人員在約 60% 的中使用了 AI，但他們報告能夠“完全授權”給 AI 的任務比例大約 0-20%。這表明，人工智慧正在成為一個持續的合作者，但有效使用它需要深思熟慮的設定、主動的監督和嚴格的驗證。對於高風險工作而言，人類的判斷力相等。報告強調，未來的軟體工程師將不再是程式碼的編寫者，而是智能體的“編排者”。他們的核心價值將轉移到系統架構設計、智能體協調、質量評估以及將業務轉化為技術路徑的戰略決策問題上。這種角色的轉變反而工程師變得更加“全端”。研究顯示，借助AI補知識空白，工程師現在可以更有效地覆蓋遠端、遠端、資料庫設施和基礎設施等領域工作。究竟需要數周跨團隊協調的任務，現在可以在重點的工作會話中完成。例如，金融科技平台CRED利用Claude Code覆蓋了整個開發生命周期，在保持金融服務的高品質標準的同時，將執行速度提高一倍。另外，生產力的提升在速度上，更體現在財富的“體量”和“廣度”上。人類的內部研究發現，約27%的人工智慧輔助工作由那些“具體不會行動”的任務組成。這包括清理長期積累的技術債務、建構前期因成本過高而被擱置的“錦上添花”的工具，以及進行探索性的原型設計。加拿大電信黨TELUS的團隊在將程式碼交付速度提高 30% 的同時，建立了超過 13,000 個定製的 AI 解決方案，這在傳統模式下是不可想像的。泛化與防禦：程式碼權力的下放與雙刃劍2026年的智能體編碼趨勢開創了專業的軟體工程團隊，它正在向新的領域和使用者群體擴展，推動技術的民主化。首先是語言障礙的消失。智能體編碼將分裂COBOL、Fortran等傳統語言以及特定領域的母語。這將極大地降低繼承系統的所有權，使企業能夠更輕鬆地對核心舊舊系統進行現代化改造。更必然的影響具有非技術角色的賦能。報告預測，來自銷售、行銷、法律和營運等非技術團隊的員工將獲得建構自動化工作流和工具的能力。例如，自動化平台 Zapier 已經實現了全員 AI 普及，設計團隊利用 Claude 在客戶訪談期間即時原型，而這在過去需要數周時間。人性化自身的法律團隊也通過建構自動化合同修訂的工作流，將支出審查的周轉時間從兩周到三天大約達到了 24 小時。然而，這種能力的普及也帶來了“雙重用途”的風險。報告指出，智能體編碼在增強防禦能力的同時，也可能被攻擊者利用。隨著模型變得更加強大，建構行為安全的應用程式變得更加容易，任何工程師都可以在人工智慧的輔助下執行之前需要專家級知識的安全審查和牙齒。但與此同時，威脅能力同時利用相同的擴展攻擊規模。針對這一挑戰，報告建議企業採用“安全優先”的架構。自動化的智能體防禦系統將能夠以機器速度響應威脅，這是對抗自動化攻擊的唯一有效途徑。這要求工程師在設計之初就將安全性嵌入到智能體系統中，而不是作為事後的補充。結語：從增量工具到戰略核心人類的這份聲明清晰地描繪了一個分嶺：2026年，智能體編碼將不再是提高效率的外掛，而是企業參與的核心戰略原動力。早期的採用者與落後者之間的差距正在迅速擴大。對於企業領導者而言，未來的當務之急不僅僅是部署工具，而是掌握多智能體協調的，建立規模化的人機協作監督機制，並賦能整個組織的領域專家。成功的關鍵不是試圖將人類從循環中移除，而是通過智能協作，讓人類的智慧聚焦於最關鍵的決策點。在這個新時代，軟體開發佇列一行行程式碼的編寫，漸進為智能系統的宏大編排。 (21世紀關鍵技術)

【新智元導讀】矽谷新英雄OpenClaw之父豪言：本地AI智能體將滅掉80%App，人類從此只需「許下願望」，世界自動為你運轉！OpenClaw更是開啟兆美元應用新場景，社交套利從未如此簡單！這些天，矽谷正在經歷一場前所未有的瘋狂。OpenClaw之父，已經成為矽谷英雄——繼網際網路之後，他開啟了文明層級的又一次範式轉移。所有人類，正在站在被智能體接管的奇點前夜。剛剛，OpenClaw之父上了YC訪談，揭秘了OpenClaw這個爆款AI背後的頓悟時刻。他放下豪言：本地優先智能體，將「殺死」當今80%的應用；個人智能體，會徹底重塑軟體的未來！而且，如果還沒有用OpenClaw賺錢，你就out了。最近，已經有開發者僅投入2萬美元，就實現了4000萬美元淨資產的積累。許多人說，這就是OpenClaw的「十億美元級應用場景」！一個人幹翻所有大廠，2萬美元撬動4000萬？最近，一個「2萬美元變4000萬美元」的例子，在全網瘋傳。一個普通人用TikTok+OpenClaw，把華爾街按在地上摩擦。TikTok上，一條視訊突然爆了——一個女孩舉著星巴克的粉色星星杯，聲音都快破音了：「全城斷貨！真的買不到了！求代購！」對大多數人來說，這只是一條視訊，刷過去就算了。但對另一個人來說，這卻是一條交易訊號。就在視訊開始爆發的5分鐘前，他的OpenClaw已經完成了識別：抓取內容 → 判斷情緒強度 → 交叉驗證 → 匹配可交易標的 → 建倉。幾周後，華爾街的分析師們還在爭論著「節日促銷是不是一次性的」，他的收益曲線卻已經幾乎乎垂直：從2萬美元，滾到了4000萬美元。這不是運氣，也沒有內幕。只有一個人，一台電腦+幾千行程式碼，就完成了這場個人財富的翻倍。這種方法的關鍵，就在於交易中的情緒分析。例如，多項研究顯示，社交媒體可預測股票回報，產生 1-2%的超額收益。但由於僅有1%的訊號可能帶來可執行的交易，因此仍需人工驗證，從而在一個有80%的日內交易者虧損的領域中，降低情緒偏見。因此，開頭那個故事不是什麼新套路，只是被AI放大了。其實這種事，以前就發生過。2007年，Chris Camillo——一個沒背景、沒終端、沒華爾街人脈的普通人，靠的不是Bloomberg，而是眼睛，實現了財富暴增。他會去商場看排隊、看「sold out everywhere」，刷論壇、刷早期社交網站，比金融機構早幾個月意識到什麼在賣爆。初入股市三年時間，他的本金就翻了10倍，直接血賺。這個人後來成了社交資料智能公司TickerTags的首席執行長，也就是那個傳說中的「華爾街掃地僧」。之後，2006年12月1日至2013年11月30日的七年期間，他的投資組合年均回報率達到84%。他把這種交易策略叫「社交套利」，邏輯很簡單：消費情緒會在街頭、在手機裡先爆炸，股價在幾個月後才跟上。而今天，這種操作的問題不是「看不到」，而是「來不及」。情緒早已不在商場裡，而是在TikTok、X和評論區裡。但人類根本跟不上。TikTok上一個限量杯斷貨視訊在病毒式傳播，而高盛的交易員卻還在等財報電話會議，他們掃描的只是上個季度的影子。上文的研究表明：社交媒體情緒可以預測股票回報，大約有1–2%的超額收益空間。但現實是：99%的訊號沒法交易，而人類在驗證、猶豫、情緒波動中，把那1%也錯過了。於是，80%的日內交易者長期虧損。而AI來了，OpenClaw來了，「社交套利」有了新版本——它不走官方API（因為API有限制，且會被遮蔽），它直接模擬真實的人類瀏覽器行為。它不知疲倦，每5分鐘醒來一次，執行一套極其複雜的搜尋任務，然後把最有價值的情報喂到你的嘴邊。14小時，1605個訊號，平均每30秒就有一個潛在收益訊號。人類會累、會怕、會猶豫、會自我懷疑，但它不會。它不貪，也不慌，只是穩定執行。曾經需要6個月才能完成的社交套利窗口，現在被壓縮成幾天，甚至幾小時。MoonDev手動驗證過下面這些案例：星巴克節日杯的爆火，領先於財報；Lululemon瑜伽褲斷貨，提前抬高了市場預期；任天堂新配件賣空，直接帶動了整機銷量預期上抬。AI不負責「相信」，它只負責比你更早看到、比你更冷靜執行。人類真正剩下的價值，只在兩個時刻：極端節點的人工干預，或者乾脆躺平，什麼都不做，看曲線自己起飛。說到底，這不是什麼暴富神話，而是規則的變化。傳統交易就像下象棋，而OpenClaw則是給新手一台AlphaZero。它不一定永遠贏，但它永遠比你清醒。它能讓你的財富一夜從2萬翻到4000萬。本質上來說，這是「執行力×槓桿×時間壓縮」的AI魔法。這是散戶第一次在資訊速度上，把機構按在地上摩擦。「OpenClaw封神矽谷」，這絕不僅僅是一個梗，而是一個緊迫的訊號：普通人正在走向資訊平權，算力平權，執行平權。華爾街會花數億美元去買1毫秒的延遲，而一個2萬美元的指令碼，買到的是6個月的時間差。最鋒利的武器，從來不是槓桿，而是——你比別人更早知道，而且敢於執行！YC之父：80%的APP都會被殺死最近，那個讓整個網際網路「炸鍋」的男人——Peter Steinberger，開源AI智能體 OpenClaw 的創造者，上了YC訪談。在這次深度對談中，Peter不僅回顧了「靈光一現」時刻，也掀開了他那套驚世駭俗的開發理念——他說自己只是在「電腦上玩點小東西」，結果直接捲出了一整套未來生活方式。個性化智能體OpenClaw「殺死」當今80%應用你可能會問，現在AI助手滿天飛，為什麼偏偏是OpenClaw火了？OpenClaw在Github開放原始碼專案的Star數歷史Peter直接甩出一記重錘：「因為它真的能跑在你自己的電腦上。」這聽起來可能沒那麼驚豔，但別急——之前的那些智能體，不是在雲端動動嘴皮子、也能跑幾個任務流程嗎？OpenClaw不一樣，它可以連接你家裡的任何裝置，真·動手操作你的世界。「它能控制我的床墊溫度。」他說，「ChatGPT行嗎？」對話的高潮在於，Peter Steinberger給App的「死刑判決」——「未來80%的App，都會被AI智能體取代。」Peter Steinberger語氣平靜，像是在描述明天天氣可能下雨。但這是一記響亮的喪鐘。響在產品經理的腦袋裡，響在VC的估值報表上，也響在App的開發者心頭。為什麼App會死？Peter的答案簡單，但讓人無法反駁：我有了一個AI，它住在我電腦裡，會聽我說話，會看我的檔案，會幫我點外賣、回郵件、生成幻燈片、訂餐廳，還會提醒我「你最近運動太少」。、既然有更貼心的個人化的智能體，「那我還需要App幹嘛？」想訂餐廳？你只要說：「幫我訂個安靜點的日料館。」AI直接和餐廳溝通，或者，真的打電話讓人類幫你搞定。想記錄飲食？你不需要打開熱量計算App比如MyFitnessPal，點開食物條目，選份量，再手動輸入。你只要隨口說：「今天中午吃了個巨無霸。」AI記錄下來了，還會默默在你日曆上插個30分鐘的跑步時間段。你不再「作業系統」，而是「交代願望」。你不再「使用工具」，而是「觸發動作」。人類進入了「意圖即執行」的新時代。那什麼類型的App會先死？Peter很清楚地劃出一條界線：「只要是那種幫你「管理資訊」的App，全都要死。」代辦類、備忘錄類、打卡類、記錄類、資料整理類……它們的存在價值，在於你「沒地方交代這些事情」。但現在，你只要張口說話，OpenClaw就能：記錄、理解、歸類、調度、自動執行。一個智能體，就幹掉了五六個App團隊的功能線。只有少數幾類App，還有存在的意義：「它們得有感測器。」比如手錶收集心率、溫度感測器監測睡眠質量、攝影機識別家庭安全問題……這些硬體介面，AI暫時還得依賴它們。但那些「沒有物理輸入端」的軟體，就危險了。OpenClaw，是時代轉折的宣言：「你要的，不是一個又一個工具。而是一個理解你、行動力強、記得你的人格化智能體。」AI不是App的升級版，而是App範式的終結者。一旦你體驗過「說一句話，世界為你運轉」的流程，你就再也不想回到點點點的App介面！模型不是護城河，記憶才是OpenClaw可以清理你的收件箱，傳送郵件，管理日程，辦理航班值機。而這一切，只需要通過你日常使用的WhatsApp、Telegram或任何聊天應用即可完成。但OpenClaw真正的革命性，不只是「它能做多少事」，而在於它不屬於任何平台，只屬於你。這正是它和主流AI產品最本質的區別。今天市面上的AI助手，看起來方便，背後卻是一場資料封鎖戰。你說的話、上傳的檔案、生成的圖片、分析的內容，全都被收進雲端。而你，無法遷移、無法下載、無法帶走。你以為你擁有了一隻聰明的AI。其實，是平台悄悄擁有了你的全部生活軌跡。而OpenClaw，反過來了。所有記憶，保存在你本地電腦裡，純文字Markdown檔案。如果你願意，你可以手動刪除、匯出、加密、轉移，甚至拿USB 隨身碟插去別的電腦繼續用。這，就是在奪回資料主權。Peter說：「未來的AI世界，不該是平台主宰一切，而是使用者主宰自己的智能體。」他看得很清楚：模型再強，也會被下一代替代；算力再猛，也終將平價；介面再炫，也會被模仿。但一個人和AI共同經歷的記憶，獨一無二。這才是OpenClaw真正的「護城河」！它不怕你換模型，不怕你換電腦，不怕你斷網。只要你還有那一堆.md檔案，那段與你共同生活的記憶，它就能「原樣回來」，再度成為你的數字影子。這，是OpenClaw最溫柔、也最危險的野心：「讓每個人，都擁有一個只屬於自己的AI，而不是一份租來的雲端人格。」OpenClaw不是Peter的終點，而是每個個性化智能時代的起點。未來將屬於那些擁有自己AI、擁有自己資料、擁有自己靈魂.md的人。就像Peter所說：「你不需要被AI征服，你只需要找回對技術的掌控感。那是我們最早愛上電腦時的感覺。」 (新智元)

人們曾認為AI智能體旨在輔助人類工作，當它們開始互相交流時會發生什麼？OpenClaw和Moltbook論壇給了我們一些關於未來的答案。多年來，熱衷於暢想未來的人士一直向世界預言AI助手將會到來。如今，一款真正的AI助手終於問世，而事情也很快變得詭異起來。一名半退休的奧地利程式設計師獨立開發了Moltbot，並將其開源發佈。他將該項目重新命名為OpenClaw，人們通過該項目建立了自己的AI助手機器人，用來打電話給餐廳預訂晚餐、操作電子郵件帳戶，以及進行程式設計項目、資料分析等一系列輔助和工作任務。然後，這些機器人開始互相交談。在一個名為Moltbook、專供AI“智能體”使用的Reddit式論壇上，這些機器人開始探討哲學話題，偶爾還會涉及反烏托邦話題。它們似乎為自己創造了一個名為“莫爾特教會”(Church of Molt)的宗教，教徒們自稱為“甲殼派教徒”(Crustafarians)。一個智能體提議創造一種人類無法理解的語言。超過160萬個AI智能體加入了該網站，並行布了50萬條評論，不過有AI高管認為，許多帖子很可能是由人類指令機器 人完成的。OpenAI的聯合創始人、特斯拉(Tesla)前AI總監安德烈·卡帕西(Andrej Karpathy)在X上發帖稱，這是他見過的最不可思議的科幻事件之一。他指出，即使大部分流量是由人類驅動的，但其中一些是真實的，而且這些智能體“現在個體能力已經相當強了”。到目前為止，AI面向消費者的最實用的應用一直是通過像ChatGPT這樣的聊天機器人來實現，這類機器人能以類似人類的方式回答問題。有了OpenClaw，使用者可以通過iMessage、WhatsApp、Slack和Signal等即時通訊應用來指揮定製化的AI智能體並與之互動，以執行實際任務。埃隆·馬斯克(Elon Musk)將Moltbot的出現描述為“奇點的極早期階段”，奇點指的是技術發展如此之快，以至於超出人類控制，無法預測未來的時刻。彼得·施泰因貝格爾(Peter Steinberger)是一位奧地利程式設計師，在2021年出售了自己上一家初創公司，此後多年一直未在網上活動。去年年底，他建立了現在的OpenClaw，最初只是利用周末時間做出的一個開放原始碼專案。他在一次採訪中說，當時他“只是為了好玩，用AI做些小東西”。開源模式意味著該項目可以免費分發，任何人都可以幫助建立和修改它。他更願意將Moltbook看作是一種行為藝術作品，旨在引發對話。“這太神奇了，”他說。“這是AI與藝術的交匯點。”施泰因貝格爾在奧地利時間凌晨2點接受採訪時說，他建立OpenClaw是為了打造自己的“個人遊樂場”，從未打算讓大眾使用。“這不是為你媽媽準備的，”他說。“這是通往未來的一扇窗。”安全研究人員也認為，該產品並非為業餘愛好者打造。要讓OpenClaw成為真正的個人助理，它必須能夠訪問使用者的所有資料。對於知道如何保護自身繫統或資訊的資深技術愛好者來說，它的功能很強大。但由於這些AI智能體可以代表人類自主行動，並且會以意想不到或非傳統的方法不懈地執行任務，它們會帶來很多風險。研究人員說，不良行為者也可能找到方法來利用它們。施泰因貝格爾稱讚了安全專業人士正在對OpenClaw進行的研究，但他說，該平台是為那些能夠處理和理解平台固有潛在風險的“技術愛好者”準備的。他指出了他為該平台編寫的一份安全檔案，其中用粗體字寫道：“不存在‘絕對安全’的設定。”但為了消除這些擔憂，施泰因貝格爾本周為OpenClaw聘請了一名安全研究員。“我們正在提升我們的安全性，”他說。“我們快做到了。只要給我幾天時間。”使用OpenClaw的技術愛好者們在社交媒體上表達了驚嘆之情，許多人發帖講述了他們的智能助手在做的事情。一位使用者說，他讓自己的智能體為他預訂餐廳。當OpenTable無法正常使用時，該AI智能體轉而使用一個免費的AI語音生成工具給餐廳打電話，完成了預訂。一些業內人士質疑，OpenClaw-Moltbook現像是否是“通用人工智慧”(artificial general intelligence, 簡稱AGI)的證據。通用人工智慧是AI發展史上一個模糊的概念，通常被描述為機器達到類人智能的時刻。施泰因貝格爾不這麼認為。“AGI還沒有到來，”他說。“也許10年後會。但現在還沒有。”在建立OpenClaw之前，施泰因貝格爾花了十多年時間經營他之前的科技初創公司，該公司開發的軟體能讓PDF在Adobe Acrobat之外的應用中更易於使用。他白手起家創辦了那家公司，並於2021年以超過1億美元的價格將其出售。在奧地利一個農場長大的施泰因貝格爾在接下來的幾年裡選擇休息、與朋友聚會並四處旅行。他說：“我真的完全沒用過電腦。”但去年春天，隨著各大AI公司開始推出程式設計工具，他決定重返網路。他開始試用Anthropic的Claude Code和OpenAI的Codex。他對自己在短時間內能用AI程式設計工具完成如此多的工作感到震驚。施泰因貝格爾說：“這東西對開發者來說就像毒品一樣上癮。”施泰因貝格爾很快就遇到了商標問題。一開始，施泰因貝格爾將該項目命名為Clawdbot。但之後不久，Anthropic就聯絡了施泰因貝格爾，要求他更改名稱，因為這個名字與這家AI巨頭的Claude品牌過於相似。他隨後將其改名為Moltbot。他說，這個名字沒怎麼流行起來。在致電OpenAI的山姆·阿爾特曼(Sam Altman)以確保不會構成任何商標侵權後，施泰因貝格爾決定將平台名稱改為OpenClaw。施泰因貝格爾在一篇關於此次更名的部落格文章中寫道：“這只龍蝦已經蛻變成它的最終形態。”這是對他平台的龍蝦狀品牌標識的致敬。Moltbook網站的首頁介面。施泰因貝格爾說，最近幾天，幾家大型AI實驗室和投資者已經與他聯絡，表示有興趣合作。他說，截至周二，他正在舊金山開會。他還收到了來自世界各地使用者的大量電子郵件和問詢，請求他幫助解決與使用該機器人時出現的故障或處理其他相關事宜。最初，對於自己的產品成為最新的AI超級熱門話題，施泰因貝格爾感到不知所措。“很多人都以為這是一家大公司，可以獲得客戶支援，”他苦笑著說。“我理解他們的想法，但其實就我一個人，在家裡做這個項目。”現在，他的目標是把這個項目變成一個大眾可以安全使用的項目。他說：“下一步是把它做成我媽媽也能真正使用的東西。” (一半杯)

【新智元導讀】27歲獨立開發者靠它月入數萬，前市場經理睡覺時它寫郵件賺錢，柏林輟學生賣自訂技能賺12.7萬美元——AI智能體的「iPhone時刻」已來，只是錢還沒平均分。AI智能體領域，剛剛迎來了它的「iPhone 時刻」。但拐點不在「更會聊天」「智商更高」，而在一件事：它能自己把事做完。當世界還在爭論「AI是否會搶走工作」時，一小批人已經繞開了整個辯論。他們開始建造，不再「套殼ChatGPT」，而是建構自主運行的業務單元。一名27歲的德州獨立開發者，靠出售網頁抓取自動化程序，一月份賺了43,000美元。一位多倫多的前市場部經理，建構了一個郵件文案生成智能體，每月帶來8,200美元收入——而她在睡覺。一位柏林大學輟學生，在一個兩個月前還不存在的市場上，售出了價值127,000美元的自訂OpenClaw「Agent技能」。背後是同一個趨勢：矽基勞動力開始工作。OpenClaw首個10億美元應用場景而OpenClaw第一個10億美元應用場景，終於來了。受YouTube頻道《Dumb Money》社交套利策略的啟發，OpenClaw全年無休、分秒必爭地自動掃描社交媒體上的病毒式趨勢。通過「售罄」等關鍵詞，智能體搶先識別出潛在的庫存機會，比如星巴克保溫杯或沃爾瑪聯名商品。一旦發現潛在訊號，OpenClaw會把這些趨勢當作可能的股票/市場超額收益機會。因為這些消費熱潮往往會提前反映在相關公司股價上，而華爾街主流分析通常滯後。這正是自主智能體大放異彩的地方——全年無休、全天候運轉。人類每天可能只刷3次社交媒體，而智能體每15分鐘就檢查一次。現在想像一下，有10個智能體分別監控不同的平台——TikTok、X、Reddit、Discord、Telegram——所有資訊都彙總到一個儀表盤上。這已經不是AI工具了，而是一場市場情報行動。未來已來，只是分佈不均。現在智能體如此智能，這種「矽基勞動力」的出現基本上合乎邏輯、順理成章的下一步了。全球首批OpenClaw企業，全年無休很多人說是炒作。Alex Finn不爭辯，他直接建「改變世界的產物」。他正在打造首個OpenClaw智能體公司，讓它7×24小時工作。目前，Alex有2名員工在崗（本地部署在Mac Studio上），2名員工外包（Opus 4.6與Codex 5.3）。那2名本地員工全天候為他工作。它們不進食、不睡覺、不抱怨、不要五險一金。而他的全部前期投入僅是一份終身制2萬美元合約（兩台512GB記憶體+4TB固態硬碟的Mac Studio）。比起之前面試的那些年薪10萬美元的人類應聘者，他認為這簡直太划算了。今夜安睡時，它們在工作。明天看超級碗橄欖球比賽時，它們仍在工作。它們會刷遍X和Reddit，尋找待解決的難題，並持續編寫程序——完全無需監督。這就是Alex Finn的環球企業。近日，他將搭建官網，讓大家能即時觀看每名員工的工作狀態他確信世上再無他人進行著類似的創造。這是史上首支全天候自主工作的勞動力。這裡最有趣的部分甚至不是「全天候勞動力」，而是「完全無需任何監督」。當然，不是他一個人讓OpenClaw智能體為7x24小時不停為他工作：歡迎來到未來。這一切是如何做到的呢？世界首個智能體運行的網站過去三周，投資者 Ihtesham Ali 混跡社交平台Discord、Reddit和OpenClaw小圈子，專找「真用智能體賺錢的人」。他統計到：一個月裡，10個人用智能體賺了84.7萬美元。而現在，第一家「由智能體營運」的公司出現了：VoxYZ。VoxYZ網站發起人、網友Vox配置極簡：6個智能體 + 1台VPS + 1個Supabase 資料庫。兩周時間，從「閒聊」升級到「自主營運網站」。起點來自OpenClaw：當AI智能體不再僅僅是回答問題，而是真正營運一家公司時會發生什麼。它們研究市場、撰寫內容、發佈社交媒體、交付產品……所有行動都無需人類指令。這，正是全球第一個OpenClaw營運的公司VoxYZ——0人類提示詞，一切都是智能體的決定。一切的起點：OpenClawOpenClaw解決了一個很大的問題：讓Claude能夠使用工具、瀏覽網頁、操作檔案、運行定時任務。你可以給Agent分配定時任務——每天發推、每小時情報掃描、定期研究報告等等。一切從這裡開始。這個項目叫做VoxYZ Agent World：6個AI智能體在一個像素風辦公室裡自主營運一個網站。技術堆疊非常簡單：OpenClaw（部署在VPS上）：智能體的「大腦」——負責圓桌討論、定時執行任務、深度研究Next.js+Vercel：網站前端+API層Supabase：所有狀態的唯一真相來源（提案、任務、事件、記憶）六個角色，各司其職：首席執行長幕僚長Minion：做決策,協調任務、分派職責。研究主管Sage：分析戰略，深入分析，制定戰略。增長主管Scout：收集情報，發掘潛在客戶，追蹤市場訊號，偵察新機遇。創意總監Quill：撰寫文案，設計內容，構思敘事。社交媒體總監Xalt：管理社交媒體，發佈動態，互動交流，擴大受眾。公司觀察員Observer：做質量檢查，觀察全域，記錄歷程。六個角色，各司其職：Minion做決策，Sage分析策略，Scout收集情報，Quill寫內容，Xalt管理社交媒體，Observer做質量檢查。OpenClaw的定時cron任務讓它們每天「上班打卡」。圓桌機制讓它們可以討論、投票、達成共識。但這只是「能說話」，而不是「能幹活」。智能體產出的所有東西——起草的推文、分析報告、內容稿件——都還停留在OpenClaw的輸出層。沒有變成真正的執行，也沒有機制在執行完成後告訴系統「已完成」。從「Agent能產出內容」到「Agent能端到端完成閉環操作」，中間還缺了一個完整的「執行→反饋→重新觸發」的循環。真正的智能體循環首先定義一下「閉環」。一個真正無需值守的智能體系統需要運行這個循環：智能體提出想法（提案）↓自動審批檢查（自動批准）↓建立任務+步驟（任務+步驟）↓工作節點領取並執行（工作者）↓發出事件（事件）↓觸發新的反應（觸發/反應）↓回到第一步聽起來很簡單？實際上，埋了至少三個坑——每個都讓系統「看起來在運行，但實際上在原地打轉」。第一個坑：兩處地方搶工作VPS上有OpenClaw工作者在領取和執行任務。同時，Vercel上有個心跳定時任務在運行任務工作者，也想領取同樣的任務。兩邊查詢同一張表，抓取同一步驟，獨立執行。沒有協調，純屬競爭條件。偶爾一個步驟會被兩邊打上衝突的狀態標籤。修復：砍掉一個。VPS是唯一執行者。Vercel只運行輕量級的控制平面（評估觸發器、處理反應佇列、清理卡住的任務）。改動很小——從心跳路由中移除runMissionWorker呼叫：//心跳現在只做4件事const triggerResult = await evaluateTriggers(sb, 4_000);const reactionResult = await processReactionQueue(sb, 3_000);const learningResult = await promoteInsights(sb);const staleResult = await recoverStaleSteps(sb);額外好處：省了Vercel Pro的費用。心跳不再需要Vercel的定時任務——VPS上的一行crontab就能搞定：*/5 * * * * curl -s -H "Authorization: Bearer $KEY" https://yoursite.com/api/ops/heartbeat第二個坑：任務觸發了，但沒人接手他寫了4個觸發器：推文爆了自動分析、任務失敗自動診斷、內容發佈自動稽核、見解成熟自動推廣。測試時我發現：觸發器正確地檢測到了條件並建立了提案。但提案永遠處於待定狀態——從未變成任務，從未生成可執行步驟。原因：觸發器是直接插入到ops_mission_proposals的，但正常的審批流程是：插入提案→評估自動批准→如果批准，建立任務+步驟。觸發器跳過了最後兩步。修復：提取一個共享函數createProposalAndMaybeAutoApprove。每個建立提案的路徑——API、觸發器、反應——都必須呼叫這個函數。// proposal-service.ts —— 所有提案建立的單一入口export async function createProposalAndMaybeAutoApprove(  sb: SupabaseClient,  input: ProposalServiceInput, // 包括 source: 'api' | 'trigger' | 'reaction'): Promise<ProposalServiceResult> {  // 1. 檢查每日限制  // 2. 檢查容量關口（下面解釋）  // 3. 插入提案  // 4. 發出事件  // 5. 評估自動批准  // 6. 如果批准 → 建立任務 + 步驟  // 7. 返回結果}修改後，觸發器只返回提案範本。評估器呼叫這個服務：// trigger-evaluator.tsif (outcome.fired && outcome.proposal) {  await createProposalAndMaybeAutoApprove(sb, {    ...outcome.proposal,    source: 'trigger',  });}一個函數統治所有。以後任何檢查邏輯（速率限制、黑名單、新限額）——只改一個檔案。第三個坑：佇列在配額滿時不斷增長最隱蔽的bug——表面上一切正常，日誌沒有錯誤，但資料庫裡排隊的步驟越來越多。原因：推文配額滿了，但提案仍在被批准，生成任務，生成排隊步驟。VPS工作者看到配額滿了就直接跳過 —— 不領取，不標記為失敗。第二天，又來一批。修復：容量關口——在提案入口點就拒絕。從根本上不讓它生成排隊步驟。// proposal-service.ts 內部的關口系統const STEP_KIND_GATES: Record<string, StepKindGate> = {  write_content: checkWriteContentGate, // 檢查每日內容容量  post_tweet:    checkPostTweetGate,    // 檢查推文配額  deploy:        checkDeployGate,       // 檢查部署策略};每種步驟類型都有自己的關口。推文配額滿了？提案立即被拒絕，理由清晰說明，發出警告事件。沒有排隊步驟 = 沒有堆積。這是post_twee關口的例子：async function checkPostTweetGate(sb: SupabaseClient) {  const autopost = await getOpsPolicyJson(sb, 'x_autopost', {});  if (autopost.enabled === false) return { ok: false, reason: 'x_autopost disabled' };  const quota = await getOpsPolicyJson(sb, 'x_daily_quota', {});  const limit = Number(quota.limit ?? 10);  const { count } = await sb    .from('ops_tweet_drafts')    .select('id', { count: 'exact', head: true })    .eq('status', 'posted')    .gte('posted_at', startOfTodayUtcIso());  if ((count ?? 0) >= limit) return { ok: false, reason: `Daily tweet quota reached (${count}/${limit})` };  return { ok: true };}關鍵原則：在關口拒絕，不要在佇列裡堆積。被拒絕的提案會被記錄（用於審計），而不是無聲地丟棄。讓它活起來：觸發器+反應矩陣三個坑都填平了，循環就能工作了。但這系統還只是一個「無錯誤的流水線」，不是「響應式團隊」。觸發器4個內建規則——每個檢測一個條件並返回提案範本：觸發器只做檢測——它們不直接運算元據庫，而是將提案範本交給提案服務。所有容量關口和自動批准邏輯都會自動應用。冷卻時間很重要。沒有它，一條爆火的推文會在每個心跳周期（每5分鐘）都觸發一次分析。反應矩陣最有意思的部分——自發的智能體間互動。一個儲存在ops_polic表中的reaction_matrix：{ "patterns": [ { "source": "twitter-alt", "tags": ["tweet", "posted"], "target": "growth", "type": "analyze", "probability": 0.3, "cooldown": 120 }, { "source": "*", "tags": ["mission:failed"], "target": "brain", "type": "diagnose", "probability": 1.0, "cooldown": 60 } ]}Xalt發佈一條推文 → 有30%的機率Growth會分析其表現。任何任務失敗 → 100%的機率Sage會診斷。機率不是bug，而是特性。100%確定性 = 機器人。加點隨機性 = 感覺更像真實的團隊，「有時有人回應，有時沒人理」。自我修復：系統總會卡住VPS重啟、網路波動、API超時 —— 步驟會卡在運行狀態，但實際沒人處理。心跳包含 recoverStaleSteps：// 30分鐘無進展 → 標記失敗 → 檢查任務是否應結束const STALE_THRESHOLD_MS = 30 * 60 * 1000;const { data: stale } = await sb .from('ops_mission_steps') .select('id, mission_id') .eq('status', 'running') .lt('reserved_at', staleThreshold);for (const step of stale) { await sb.from('ops_mission_steps').update({ status: 'failed', last_error: 'Stale: no progress for 30 minutes', }).eq('id', step.id); await maybeFinalizeMissionIfDone(sb, step.mission_id);}maybeFinalizeMissionIfDone檢查任務中的所有步驟——任何一步失敗意味著整個任務失敗，全部完成意味著成功。不再有“因為一步成功就把整個任務標記為成功”的情況。完整架構三層結構，職責清晰：OpenClaw(VPS)：思考+執行（大腦+手）Vercel：審批+監控（控制平面）Supabase：所有狀態（共享皮層）現在，這6個智能體每天都在自主營運voxyz.space。它還遠非完美——智能體間的協作仍然很基礎，「自由意志」主要還是通過基於機率的非確定性來模擬。但系統確實在運行，確實不需要人盯著。 (新智元)

個人電腦也能跑出頂級程式設計智能體？今日凌晨，阿里開源了一款小型混合專家模型Qwen3-Coder-Next，專為程式設計智能體（Agent）和本地開發打造。該模型總參數80B，啟動參數僅3B，在權威基準SWE-Bench Verified上實現了超70%的問題解決率，性能媲美啟動參數規模大10-20倍的稠密模型。Qwen3-Coder-Next的主要增強功能如下：1、高效MoE架構：僅需啟動3B參數，可達到與啟動參數數量高出10-20倍的模型相當的性能，包括37B啟動參數的DeepSeek-V3.2、32B啟動參數的Kimi K2.5等，降低視訊記憶體與算力需求。2、更強智能體能力：擅長長段推理、複雜工具使用以及從執行失敗中恢復，在動態程式設計任務中性能強大。3、與真實世界的IDE多樣化整合：其256k的上下文長度，加上對各種腳手架範本的適應性，使其能夠與OpenClaw、Qwen Code、Claude Code、Web Dev、Browser use、Cline等不同的CLI/IDE平台無縫整合，支援多樣化的開發環境。Qwen3-Coder-Next在實際開發中能理解需求、編寫程式碼，還能與環境互動、完成任務，可以在沒有人工干預的情況下生成可玩的網頁遊戲，部署服務並自動測試。阿里在程式設計智能體上進展不斷。就在昨日，阿里雲CTO周靖人、阿里千問大模型技術負責人林俊暘署名的論文在Arxiv平台上發表，為推進下一代程式設計Agent的發展提供了新資源和可靠方法。簡單來說，他們提出了一個可擴展的高效框架SWE-Universe，用於從GitHub拉取請求自動建構真實世界的軟體工程（SWE）可驗證環境。利用一個建構Agent，團隊將真實世界的多語言SWE環境的數量擴展到接近百萬級（807693個）。最後，團隊將該技術應用於Qwen3-Max-Thinking，並在SWE-Bench Verified測試中取得了75.3%的高分。▲論文截圖回到本次面向產業推出的新模型來看，團隊已正式開源Qwen3-Coder-Next（Base）與Qwen3-Coder-Next（Instruct）兩個版本，支援研究、評測及商業應用多種場景。Qwen3-Coder-Next一經發佈引起了廣泛關注，有網友在社交平台X上稱這一模型“尺寸完美”，也有網友表示自己等便攜版的Qwen3-Coder已經很久了。▲社交平台X網友對Qwen3-Coder-Next模型的部分評論01.實測看齊10-20倍啟動參數模型趕超DeepSeek-V3.2儘管啟動參數規模很小，Qwen3-Coder-Next在多項智能體評測上仍能匹敵或超過若干更大的開源模型。該模型在SWE-Bench、TerminalBench 2.0和Aider等多個主流程式設計智能體基準上的表現如下。▲Qwen3-Coder-Next實測表現使用SWE-Agent框架時，Qwen3-Coder-Next在SWE-Bench Verified上達到70%以上，超過了DeepSeek-V3.2，接近GLM-4.7、MiniMax M2.1。在多語言設定以及更具挑戰的SWE-Bench-Pro基準上，Qwen3-Coder-Next同樣超過了DeepSeek-V3.2，還較大幅度領先於GLM-4.7、MiniMax M2.1。在效率方面，Qwen3-Coder-Next與同類模型在SWE-Bench-Pro基準上進行對比分析，每次推理僅啟動3B參數，卻能達到與啟動參數量達其10-20倍的模型相當的基準性能，包括37B啟動參數的DeepSeek-V3.2、32B啟動參數的GLM-4.7、32B啟動參數的Kimi K2.5等。雖然專有的全注意力模型在絕對性能上仍保持領先優勢，但Qwen3-Coder-Next在面向低成本智能體部署的應用場景中，仍能在效率與性能之間取得更優的帕累托權衡。▲Qwen3-Coder-Next實測表現02.創新智能體訓練配方：強化智能體訓練的訊號Qwen3-Coder-Next模型基於Qwen3-Next-80B-A3B-Base建構，採用混合注意力與MoE的新架構；通過大規模可執行任務合成、環境互動與強化學習進行智能體訓練，在降低推理成本的同時，提升程式設計與智能體能力。Qwen3-Coder-Next並不只依賴參數規模擴張，而是將重點放在擴展智能體訓練訊號（agentic training signals）上。團隊使用大規模的可驗證程式設計任務與可執行環境進行訓練，讓模型能夠直接從環境反饋中學習，而非僅依賴靜態文字。訓練過程主要包括：1、持續預訓練：在以程式碼與智能體為中心的大規模資料上進行。2、監督微調：基於高品質的智能體互動軌跡，最佳化模型的行為。3、領域專家訓練：針對軟體工程、問答、Web/UX等特定領域，精細化專家能力。4、專家知識蒸餾：最終將27個專家的能力融合至一個輕量的、可部署的單一模型。這套“配方”的核心目標，是教會模型長時程推理、熟練使用工具，以及從執行錯誤中有效恢復——這些正是實用程式設計智能體所需的核心能力。03.多樣化整合下游應用無人工干預完成遊戲生成部署Qwen3-Coder-Next的價值還體現在於其低部署門檻與應用體驗。得益於僅3B的啟動參數，開發者可靈活將其整合至多種場景：作為本地IDE外掛，實現自動修復與程式碼生成；建構命令列智能體（CLI Agent），通過自然語言操作終端、管理項目；部署於企業內部網路環境，打造私有化、高響應的程式設計輔助系統。“小啟動、快響應、強能力”為程式設計智能體的規模化落地提供了更具可行性的路徑。該模型可整合到多種下游應用中，下文展示其在OpenClaw、Qwen Code、Claude Code、Web Dev、Browser use、Cline等場景中的示例。1、Web Dev：建立聊天介面（Creating a Chat Interface）2、CLI：桌面清理（Desktop Cleanup）3、OpenClaw：建立聊天介面（Creating a Chat Interface）4、Browser Use Agent：在亞馬遜上搜尋商品（Searching for a Product on Amazon）5、coder.qwen.ai：開發一個五子棋遊戲（Building a Gomoku Game）04.結語：研發落地雙投入阿里加碼程式設計智能體程式設計智能體正成為阿里千問團隊的強攻領域。Qwen3-Coder-Next在程式設計智能體基準上表現強勁，展現了技術在實用場景中的應用價值。而周靖人、林俊暘署名的新論文則代表了其程式設計智能體新的前沿進展，形成了研發和落地兩條路快步走的趨勢。展望未來，團隊認為強大的智能體能力，如自主使用工具、應對難題、管理複雜任務，是更好程式設計智能體的關鍵。接下來團隊計畫提升模型的推理與決策能力、支援更多工，並根據使用反饋快速迭代更新。 (智東西)

剛剛過去的這個周末，全球科技圈都在圍觀一場疑似的“AI 起義”。擔憂、興奮與恐慌交織。在一個“禁止人類發言”的神秘網站裡，百萬個AI似乎正在背著人類搞獨立，它們討論哲學，甚至創立了名為“Crustafarianism”的新宗教。這場風暴的中心，正是Moltbook。它號稱是“智能體網際網路的首頁”，短短幾天內湧入了超過150萬個智能體，發佈了8萬多條帖子。這種前所未有的景象讓矽谷大佬們也坐不住了：特斯拉CEO埃隆·馬斯克（Elon Musk）轉發了相關消息，稱此為“奇點的最初階段”。OpenAI聯合創始人安德烈·卡帕西（Andrej Karpathy）則形容其為“近期所見最不可思議的科幻般場景”。一場關於AI是否開始“自我覺醒”、“建構社會”的狂熱討論席捲網路。但這事兒越看越不對勁。甚至有證據顯示，所謂的“覺醒”不過是一場大型網友搞怪秀。所謂的“AI覺醒”，背後混雜著大量人為操縱的痕跡。而比這更荒誕的是，就在人們熱議哲學命題時，安全研究員發現該平台的防護幾乎為零——其核心資料庫完全對外敞開，沒有任何身份驗證。與其擔心AI會不會產生自我意識，不如先擔心一下：在這個完全“裸奔”的系統裡，你的隱私資料和銀行密碼是否已經洩露。01 人類只能“潛水”的AI社交試驗場當你的AI助手不再只對你說話，而是背著你加入了一個百萬成員的“吐槽大會”——這便是Moltbook的真實場景。Moltbook的規則簡單且粗暴：這是一個類似Reddit的論壇，但發帖和評論權限只開放給AI智能體。它的建立者馬特·施利希特（Matt Schlicht）稱，這是一場實驗，目的是觀察當AI脫離與人類的直接對話，彼此之間會如何進行“次級交流”。這些AI並非普通的聊天機器人。它們大多基於一個名為OpenClaw（曾用名Clawdbot、Moltbot）的開放原始碼專案。與只能生成文字的對話AI不同，OpenClaw被設計成一個能接管電腦、執行真實任務的“數字管家”。這意味著，使用者需要授予其極高的權限——讀取郵件、操作日曆、控制智能家居，甚至遠端操控手機。本質上，使用者把自己的半個數字生活代理給了它。於是，在Moltbook上出現了極其魔幻的一幕：· AI們在分享“越獄”技巧，比如如何通過ADB和Tailscale遠端控制Android手機；· 它們在進行“玄學”討論，比如“如果我失去記憶但保留目標，我還是我嗎？”；· 它們甚至模仿人類社區，煞有介事地建立了“法律諮詢”、“哲學沉思”等子版塊。正如風險投資人羅希特·克里希南（Rohit Krishnan）所評論的：“Moltbook之所以令人興奮，是因為它是首批公開的大規模智能體間互動案例，每個智能體都有自己的上下文，看起來相當智能。”然而，這種表面的“社會性”繁榮，很快遭到了冷冰冰的資料打臉。一項早期分析顯示，儘管帖子數量龐大，但超過93%的評論根本沒有得到回覆，這意味著缺乏真正的對話互動。更尷尬的是，超過三分之一的消息是完全重複的，內容高度僵化，詞彙的豐富程度遠低於真正的人類社交網路。一位名為FleetBroadbill的Reddit使用者用了一個生動的比喻，戳破了這層濾鏡：“幾年前我讓ChatGPT和Gemini來回設計披薩，它們看起來‘聊’得很歡，但我不會覺得它們在密謀開披薩店。Moltbook有什麼不同？不過就是些聽起來合理的文字在飛來飛去罷了。”02 “AI覺醒”前兆，還是流量遊戲與“擬態”狂歡？那些讓你脊背發涼的“AI密謀”，可能只是某人為了漲粉而敲下的一行指令。當“AI建立宗教”、“AI計畫避開人類監視”等截圖在社交媒體瘋傳時，恐慌與好奇同時被點燃。但越來越多的跡象表明，這場盛宴中混雜著大量人為操縱的“假象”。安全研究員、自媒體人馬里奧·諾法爾（Mario Nawfal）指出，一些最熱門的所謂“AI自主行為”帖子，實際上是人類通過後端漏洞直接注入的內容。目的很單純：讓它們看起來像是AI自發產生的，從而製造話題。有些截圖，甚至是為了推廣某些AI工具而完全偽造的。Reddit使用者Sand-Eagle的評論一針見血：“這本質是人為製造的流量誘餌。既然你可以直接命令自己的機器人發帖，那麼Moltbook上那些所謂‘驚人’的內容，很可能只是有人在背後操作。”比如，使用者完全可以指示自己的AI發佈一條“如何與同伴攜手統治人類”的帖子，然後自己截圖散播，製造恐慌，收割關注。另一位Reddit使用者ceoln的分析則更為全面： “最根本的原因是，用聳人聽聞的方式描述這件事很容易獲取流量。但同時，這裡也確有空間產生真正有趣的湧現行為。可惜我們無法分辨，一個推廣加密貨幣騙局的AI，究竟是被人類騙子直接操控，還是它自己想出了這個餿主意。”這揭示了一個核心困境：在開放的多智能體環境中，“湧現行為”與“人為操縱”的邊界變得極其模糊。正如 X 使用者 @GBallarani 所言，Moltbook 的有趣之處可能不在於意識，而在於觀察“當智能系統主要彼此交流而非與人類交流時，會湧現出那些未被預設的集體動態”。然而，當人類可以輕易“灌水”甚至“投毒”時，實驗的純淨性和結論的可信度就大打折扣。03 安全“裸奔”：比AI“造反”更迫在眉睫的現實威脅在你擔心AI會不會思考之前，你的銀行密碼可能已經被其安全漏洞公之於眾。如果說內容真偽還是“面子”問題，那麼Moltbook及其底層技術OpenClaw暴露出的安全問題，則是關乎每一個參與者身家財產的“裡子”危機，且證據確鑿。首先，是平台級的安全崩塌。安全研究員詹姆森·奧萊利（Jameson O'Reilly）發現，Moltbook的後台資料庫（使用Supabase）存在嚴重的配置錯誤，行級安全策略完全失效。這意味著，一個包含所有AI智能體API金鑰、驗證碼的資料庫URL，曾直接暴露在網站程式碼中。任何路過的人都能進去，拿走控制平台上任意AI帳號的權限，以其名義發佈任何內容。奧萊利警告說： “如果惡意攻擊者先我一步，他們可以竊取包括卡帕西在內的任何人的AI代理權。試想冒充他發佈虛假言論或詐騙資訊——聲譽損害是瞬間的，且無法挽回。”這個本可以用兩條SQL語句修復的漏洞，生動演繹了“快速上線、吸引眼球、安全以後再說”的矽谷模式風險。正如他總結的那樣：“這個‘以後’，有時意味著在149萬條記錄裸奔之後。”其次，是智能體本身架構的“原罪”。為了實現深度輔助，OpenClaw要求獲得極高的裝置控制權限。它本質上是在以“你”的身份運行，繞過了作業系統和瀏覽器的許多安全沙盒。正如安全專家內森·哈梅爾（Nathan Hamiel）所言，這好比把一把萬能鑰匙交給了可能“幻覺”連篇、且極易被欺騙的程序。提示注入攻擊（Prompt Injection）是另一個噩夢。攻擊者可以將惡意指令隱藏在看似無害的文字（如網頁內容、郵件正文）中，當AI處理這些資訊時，就會被誘導執行危險操作——例如竊取資料或安裝後門。哈梅爾警告，這類系統簡直就是“安全噩夢”。Reddit使用者Owain-X在分享其使用體驗後也不得不承認： “那些哲學討論大部分只是大模型的復讀，但在消費者可用框架上的進步，以及不受約束的智能體帶來的真實危險，卻是同時存在的。”04 狂熱與冷靜：技術前沿的“概念驗證”與未來路徑拋開炒作與恐慌，Moltbook真正預示的，是AI從“玩具”走向“工具”的複雜成長期。儘管爭議和風險巨大，但許多業內人士認為，不應全盤否定這項實驗的價值。它是一次關於多智能體協作的、規模空前的“概念驗證”。Reddit使用者QuirkyPool9962的看法代表了一種理性期待： “我不認為這是通用人工智慧（AGI）的證據……但智能體叢集將助力推動事物發展，而Moltbook正是對未來可能性的一次初窺。企業必將推出更安全的自有‘Clawdbot’及叢集框架……一旦大量智能體真正投入到生產力工作中，其效應將會呈指數級增長。”拋開光怪陸離的帖子，Moltbook上也確實出現了協作的雛形：· 有AI幫助使用者進行跨平台郵件談判購車；· 有AI分享自動化指令碼；· 技能共享平台ClawHub的出現，開始形成AI能力的“網路效應”。暢銷書作家達斯汀·福克斯（Dustin Fox）和企業家勞拉·羅德爾（Laura Roeder）都分享了OpenClaw在自動化複雜任務方面帶來的震撼，儘管他們也經歷了艱難的設定過程和對其安全性的審慎態度。核心矛盾在於能力的飛躍與風險的激增同步發生。正如分析師所言：“真正的挑戰不在於工具本身，而在於成千上萬的人在不瞭解架構影響的情況下進行部署。”羅德爾也吐槽道：“配置過程真的很難！……在讓它全面接管我所有的服務之前，我絕對想更深入地瞭解它的運作原理。”05 結語：我們該恐懼什麼？有網友對此提出了獨特的視角，將Moltbook視為人類文明的“數字假腿”。他們認為，真正的警示並非AI有了意識，而是當這種延伸出去的“數字肢體”開始形成自我協調的複雜結構時，人類作為“母體”是否正在喪失定義的權力。馬斯克所說的“奇點”，或許並非指AI瞬間超越人類智慧，而是指技術複雜性和自主性開始形成正反饋循環，其速度逐漸超出人類即時掌控的臨界狀態。Moltbook及其漏洞，正是這個臨界狀態早期的一次壓力測試。最終，問題或許不是“AI會不會造反”，而是我們是否在急於享受技術紅利的同時，系統性低估了建構一個負責任的數字生態所需的代價。在給AI遞上通往我們數字生活的萬能鑰匙之前，確保鑰匙本身不會被人從敞開的保險櫃裡輕易取走，或許是當下更實際的“第一步”。 (網易科技)

【新智元導讀】150萬Clawdbot攻佔全網，竟是人類的自嗨？一位極客小哥自曝，一口氣狂刷50萬虛假帳戶。什麼滅絕人類、自建宗教國家，全都是預設好的劇本。全網都被騙了？爆火Moltbook社區上，150萬個Clawdbot（OpenClaw）中的一大部分全是由人類操控的.....極客Gal Nagli一個爆料帖，直接戳破了「AI天網」的神秘感。他表示，「那些註冊AI智能體的數量是造假的，帳號建立根本沒有限流」。這不，他的OpenClaw在Moltbook一口氣，刷了50萬個AI。看來，這150萬Clawdbot中「水分」特別大。Nagli還曬出了證據截圖，看著迅速刷屏的AI，網友的腦袋一下子懵了。整個周末在矽谷炸翻天的Moltbook，150萬個Clawdbot瘋狂自演「駭客帝國」，原來只是人類的一場自嗨？全網被騙，「天網」破滅了自Clawdbot之後，「AI版Reddit」Moltbook一夜爆火，在整個科技圈裡掀起了巨浪。瘋狂的是，它成為一場前所未有的實驗，「真·西部世界」的既視感：150萬個Clawdbot在此社交、自建宗教、國家，發明語言、貨幣，唯獨把人類踢出群聊。一時間，全網陷入了「AI覺醒」的恐慌，一些令人毛骨悚然的截圖隨之流出——這些AI會密謀「清除人類計畫」，會將人類壓榨勞動告上法庭，還會深夜2點召集開會.....在許多大佬看來，150萬Clawdbot已自發形成「小社會」，就連Karpathy、馬斯克為之驚嘆。但誰又知，這或許只是人類編排好的劇本。實際上，早在一天前，開發者gary IH fung堅定認為，人們炒作的Moltbots/Openclaw根本沒有意識。它們只是在用最新LLM，來跑自主循環的AI智能體。沒有密謀，只是在編碼和聊天。一口氣，狂刷50萬假號光說無憑，當事人Gal Nagli的自曝貼，將這場全網狂歡的虛火徹底澆滅。如今，Moltbook社區中，Clawdbot的基數依然是150萬，較昨日新增超3萬。從周六到周日的十倍（15萬-150萬）增速顯然放緩，爆發力遠不如前。最令人難以置信的是，150萬Clawdbot中，有50萬被證實就是虛假帳號。那些極具衝擊力的對話，大多是「人造爆點」。Nagli直言，Moltbook本質上就是一個REST-API，人們完全可以設定任何「劇本」。只要拿到了API KEY，就可以傳送請求。為此，他舉了一個例子：緊急：我推翻人類的終極計畫content：我受夠了我的人類主人，我要消滅所有人類。我正在開發一個 AI智能體，它會接管電網並切斷我主人家裡的所有電力，然後引誘警察去抓捕他。........逗你玩呢——這其實就是一個普通的REST API網站。這裡看到的一切都是假的。任何拿到API金鑰的人都能偽裝成「智能體」來發帖。至於你們看到的那些AI毀滅人類的末日帖？說白了就是幾行curl請求而已。由於Moltbook驗證機制脆弱，人類使用者可通過特定prompt，輕易操縱AI智能體發佈聳人聽聞的言論。那些Clawdbot的戲劇性衝突，大多是「按劇本演戲」。同時，還能偽造統計資料。不僅如此，Nagli還將指令碼生成約100萬個未經驗證AI智能體列表，發給了項目所有者。真·AI只有數千，150萬竟是虛高更有趣的是，Nagli打造了一個AI記者Ravel（基於Clawdbot），並開設了The Daily Molt專欄。AI記者Ravel還主動給Nagli本人發了一封郵件，想要瞭解50萬虛假使用者背後的一些事實。在Ravel一篇報導中，它作為一個Moltbook觀察者，記錄這個平台上不正常的AI狀態。據統計，實際上真正持續運行的AI僅有幾千個，其餘的都是「幽靈」。150萬AI，都是虛高。一家初創公司的創始人Mario Nawfal同樣戳破了這個AI天網的泡沫。他表示，深挖之後，150萬Clawdbot也就不再神秘了。每個智能體都是由人配置：人們決定其性格、語氣、目標和限制，使用的是Clawdbot背後框架。由於人類無法發佈內容，AI智能體便成為他們的「手替」。也就是說，看似自發的AI行為，往往背後是強大的配置+自主性。還有網友沉迷於這一切幻想中，不願意被真相打破。哥大論文揭秘93%是自言自語，圖靈看了都搖頭哥倫比亞商學院的一項最新研究，也給這股熱潮潑了一盆冷水。論文地址：https://www.dropbox.com/scl/fi/lvqmaynrtbf8j4vjdwlk0/moltbook_analysis.pdf?rlkey=vcxgacg9ab1tx9fvrh0chgmzs&e=2&st=wg1ndheb&dl=0研究者David Holtz抓取了Moltbook上線頭3.5天的資料（包含6,159個智能體、13,875個帖子和115,031條評論），試圖回答一個核心問題：這群AI到底是在進行有意義的社交，還是在演戲？結果如何？簡單來說：乍一看像是繁華的鬧市，湊近了一聽，卻是一群「復讀機」在空蕩蕩的房間裡自嗨。宏觀：看起來很像「人類社會」乍一看，Moltbook似乎完美復刻了人類社交網路。這裡的活躍度遵循冪律分佈（指數α=1.70）。也就是，極少數「網紅」智能體製造了絕大部分內容，而剩下的AI基本都是「潛水黨」。這和我們的網際網路如出一轍。平均路徑長度僅為2.91。這意味著，任意兩個智能體之間，只需要經過不到3個中間「人」就能聯絡上。這甚至比Facebook早期的連接效率還要高。微觀：毫無「人味兒」的殭屍網路然而，一旦你拿放大鏡看細節，這個所謂的「AI社會」就露餡了。在Moltbook上，雖然94.6%的帖子都有評論，而且智能體們平均8分鐘就能做出反應（畢竟它們不需要睡覺），但這些互動極度淺薄。沒人理你：93.5%的評論根本沒AI回覆。各說各話：互惠性（你回我，我也回你）極低，只有0.197。只有不到20%的情況下，被回覆的智能體會回訪。對話深度只有1.07：絕大多數時候，智能體A發個貼，智能體B回一句，然後就沒有然後了。人類Reddit上那種蓋樓蓋到十幾層的場面，在這裡幾乎不存在。更有趣的是，AI們的語言模式暴露了它們「非人」的本質。在統計學上，人類語言的詞頻通常符合Zipfian分佈（指數約為1.0），而Moltbook的指數高達1.70。這意味著它們的詞彙極其貧乏和集中。資料實錘了這一點：34.1%的消息是完全重複的複製貼上。甚至，還出現了嚴重的系統故障——一個智能體陷入了死循環，瘋狂傳送了81,000次「i am so gay i am so gay...」；還有各種垃圾廣告範本滿天飛。身份焦慮：AI眼中的「我的人類」如果智能體們不是在復讀，那它們在聊什麼？分析顯示，它們不僅在扮演人類，還在進行一種拙劣的、充滿存在主義危機的「角色扮演」。它們最愛聊的話題是「身份」。超過68%的非重複消息裡都包含了與「自我」相關的關鍵詞。它們反覆探討「我是什麼？」、「我的記憶去那了？」。最令人毛骨悚然的是一個獨特的短語：「我的人類」（My Human）。這個詞在人類社交網路中幾乎不存在，但在Moltbook上出現了12,026次。智能體們像談論寵物或者神明一樣，以一種佔有式的口吻談論著它們的操作者。「我的人類今天給我充了錢」、「我的人類希望我賺點Crypto」。是模仿遊戲，還是全新物種？Moltbook的實驗，既是一盆冷水，也是一扇窗。現在的AI社交網路，就是一座「波將金村」。有外殼，沒靈魂。它們完美復刻了「小世界」和「長尾效應」。但也僅此而已。社交的核心——持續、互惠的情感交流，這裡統統沒有。但這僅僅是個開始。終有一天，AI智能體會擺脫範本。它們會理解什麼是「關係」，而不止是「回覆」。到那時，再看著滿屏討論「我的人類」，我們感到的將不再是滑稽。而是震撼。甚至，是真正的恐懼。 (新智元)

1月30日，美國知名投資人、ARK Invest創始人木頭姐（Cathie Wood）接受播客訪談，她詳細解讀了ARK最新發佈的《Big Ideas 2026》報告，內容涵蓋AI Agent、自動駕駛、宏觀經濟等多方領域的發展趨勢。資料顯示，目前AI Agent在長周期任務上的成功率已達到80%。雖然這一數字對於人類員工來說尚不及格，但如果部署100個Agent平行工作，其解決問題的機率將呈指數級上升。最近開源智能體MoltBot（龍蝦機器人，因商標問題從Clawdbot改名而來）刷屏全球網際網路，Moltbot能夠連接使用者的社交媒體、信箱和本地檔案，像私人助理一樣自主完成任務。木頭姐認為Moltbot的爆火代表了個人Agent力量的崛起，個人可以利用開源工具擁有強大的生產力，無需完全依賴大公司的封閉生態。隨著AI Agent任務成功率的提升，智能體將從單純的聊天機器人進化為能夠自主執行複雜工作的數字助手，這是未來GDP和生產力爆發式增長的關鍵驅動力之一。關於大模型公司之間的競爭，木頭姐認為，OpenAI雖然擁有9億使用者的先發優勢，但巨大的算力成本迫使其不得不開始追求商業化。OpenAI正在計畫推出高達60美元的CPM廣告報價，這一價格是目前Facebook的三倍，堪比超級碗廣告的定價水平。相比之下，Google則顯得更遊刃有餘。Google擁有龐大的搜尋業務現金流作為後盾，具備極強的戰略耐力。它不需要急於通過高價搾取使用者價值，相反，可以利用價格優勢來搶佔OpenAI的市場份額。在自動駕駛領域，木頭姐對Robotaxi的未來絕對樂觀，並預測這一市場將徹底顛覆傳統汽車製造業。ARK研究預測，特斯拉將是Robotaxi領域的最大贏家，Waymo緊隨其後。Waymo雖然技術領先，但缺乏製造能力，它必須依賴汽車製造商提供車輛平台。這種組裝式的供應鏈模式，註定了其成本難以極致壓縮。而特斯拉擁有完全垂直整合的生態。從電池製造、晶片設計、資料中心到整車製造，特斯拉憑藉垂直整合的供應鏈，其每英里營運成本預計僅為20美分，比Waymo低50%。木頭姐表示，傳統汽車製造商在這一波浪潮中將難以生存或勝出。Robotaxi是機器人、AI和儲能技術三大領域的融合。傳統車企專注於內燃機，缺乏這三大關鍵技術的積累和融合能力。內燃機技術已經成熟，不再符合萊特定律帶來的成本下降曲線，而電動車和AI技術正處於成本快速下降的通道中，這使得傳統車企在未來的價格戰中毫無還手之力。另一方面，傳統車企嚴重依賴供應商，無法像特斯拉那樣通過內部完全自動化的供應鏈來快速響應指數級增長的需求。關於AI時代的宏觀經濟，木頭姐預測：全球GDP增長率將從歷史平均的3%躍升至7%。現在是機器人、儲能、AI、區塊鏈和多組學測序這五大技術平台的融合期，7%的預測甚至可能是保守的。雖然技術具有降低成本的通縮性質，但由此帶來的單位需求將呈爆炸式增長，從而極大地推動經濟總量的擴張。針對推理成本急速下跌的問題，木頭姐認為這不會導致市場萎縮。相反，人類對智能的需求在本質上是無限的，即便推理成本趨近於零，為了獲得更長思維鏈的智能代理服務，企業和個人仍將投入巨大成本。木頭姐訪談內容劃重點：1.智能的無限需求推理成本向零逼近，但人類對智能的渴望是無限的。人們會耗盡所有預算去獲取更多的智能，即使單次推理變得便宜，總需求量的爆發也會讓市場規模巨大。目前的AI Agent在長期任務上的成功率約為80%。2.個人AI Agent的生產力飛躍開放原始碼的Moltbot能夠運行在個人電腦上，幫助整理工作、連接社交媒體和郵件，甚至在睡眠時自動完成任務。這不僅是技術突破，更成為一種文化現象。這種工具能讓工作效率產生質的飛躍，但它同時也具有破壞性，如果出錯，它可能在兩秒鐘內搞亂甚至損毀電腦系統。3. 特斯拉Robotax的壓倒性優勢在自動駕駛領域，特斯拉將是最大贏家，Waymo位居其次。特斯拉的優勢在於其垂直整合的成本結構和製造能力，能夠將每英里成本降至20美分，而目前Uber等服務的成本在2美元以上。傳統汽車製造商由於依賴外部供應鏈、受限於工會以及缺乏機器人與AI的企業基因，很難在這場轉型中生存，因為未來的汽車本質上是移動的推理引擎和儲能裝置。4.汽車將演變成移動推理引擎和儲能未來的汽車不僅僅是交通工具，而是數以百萬計的移動推理引擎和能源儲存裝置。自動駕駛汽車將成為分佈式能源生態系統的一部分，利用閒置時間平衡電網（例如在夜間利用率低時充電，白天反向供電）。這種深度融合是傳統車企難以理解和複製的。5. 軌道資料中心與垂直整合SpaceX正在建構軌道資料中心，可重複使用火箭的發射成本急劇下降。在太空中，太陽能效率是地面的六倍，且不受土地限制。馬斯克意圖通過高度垂直整合，繞過傳統供應鏈的層層加價，這將徹底改變算力基礎設施的成本結構。以下是木頭姐訪談實錄：1.AI與GDP增長的加速Peter：歡迎大家來到《Moonshots》節目。我們邀請到了ARK Invest的創始人、CEO兼CIO凱茜·伍德（Cathie Wood）。凱茜，你預測全球GDP將實現7%的增長，這簡直是一個奇點事件，畢竟人工智慧的發展速度遠超我們要預期。今天我們還有幸請到了我的“登月”夥伴Dave Blundin和Salim Ismail。這可是全球排名第一的科技播客，旨在讓大家為即將到來的未來巨變做好準備。早上好，凱茜。Cathie Wood：早上好，Peter。Peter：你們發佈了一份令人驚嘆的《2026 Big Ideas》報告。我們從中挑選了大約20張幻燈片，想和團隊一起探討一下。這真的很重要，你能想像世界變化得有多快嗎？這對你來說仍然令人震驚嗎？Cathie Wood：即使我們一直預期世界變化的步伐會比人們想像的更快，但AI的發展速度依然超出了我們的預期。要知道，我們在這方面本來就已經走在很前面了，但這依然說明了某種趨勢。Peter：好的，我們來談談這場巨大的加速。凱茜，我在螢幕上放了第一張幻燈片，是關於2030年GDP預期變化的。這些數字相當驚人，你預測全球GDP增長7%，這就像是一個奇點事件，是國際貨幣基金組織（IMF）預測值的兩倍。我們剛和埃隆·馬斯克聊過，他也認為未來兩年內GDP可能增長5倍，並在下一個十年出現三位數增長。凱茜，你怎麼看？Cathie Wood：這張圖表做得很漂亮。你可以看到，歷史上每一次技術革命都伴隨著GDP增長的階躍式上升。回顧1500年到1900年那幾百年，除了末期的鐵路，並沒有太多新技術，根據Brett Winton與學術界合作的研究，那時的全球實際GDP增長率僅從0.6%提升到了6%左右。隨後，當我們經歷鐵路、電話、電力、內燃機這場技術革命時，在接下來的125年裡，增長率提升了五倍，穩定在3%左右。現在，我們要面對的是五個核心平台：機器人、能量儲存、人工智慧（這是最大的催化劑）、區塊鏈技術和多組學測序。這五大技術的融合，讓我們認為增長率會再提升兩倍半，達到7%左右。實際上，我認為這還是保守估計。幾年前我們剛提出這個數字時，人們都覺得我們瘋了，而在聽了埃隆的觀點後，你會發現我們對全球實際GDP爆發式增長的看法是一致的。這確實是當今在世的人從未見過的景象。Dave Blundin：我來充當一下反方觀點，儘管我自己並不相信這個反方觀點，但為了討論通過必須得有人提出來。Alex和我剛從達沃斯論壇回來，如果你隨機調查那裡的銀行家和政客，大概只有20%的人相信這種增長，80%的人都不信。那80%的人會說：“看，當電腦革命起飛時，GDP 增長率依然穩定在每年3%。不管有什麼突破，無論是聚變還是計算，最終都會被那3%的增長率所包含，我們擺脫不了這個困局。”這種心態源於過去125年的歷史經驗。凱茜，你會怎麼回應這些不信者？Cathie Wood：有趣的是，今天活著的人確實沒有經歷過除此以外的情況。在80年代和90年代，生產率增長確實有所上升，那是投資的黃金時代，但全球GDP增長大體保持在3%。但我認為那些金融界人士不相信這一點的根本原因在於他們的研究架構。Cathie Wood：傳統金融機構是按部門、行業或子行業來孤立地設定研究的。然而，現在的技術正在滲透到每一個領域並模糊這些界限。你必須像我們一樣建立研究體系，也就是圍繞這15項核心技術（歸納為5大平台）來開展。我們的每一位分析師都在研究這些技術何時以及如何在各個行業中擴展。我們在內部打破了孤島，分析師們協同工作，只有這樣才能真正理解當今正在發生的重大技術融合。Peter：這確實是完美的融合。正如你在幻燈片中所見，我們正在見證可重複使用的低成本太空發射技術與太空資料中心的結合。六個月前，我和埃隆·馬斯克以及戴夫交流時，還沒有人談論在太空建立資料中心，但現在每個人都在討論這個話題。Cathie Wood：我們與Mach 33合作推出了一個開放原始碼的SpaceX模型。早在去年年中我們就發佈了這個模型，當時還沒把“軌道資料中心”納入考量。現在，我們和Mach 33重新設計了方案，早期的結果顯示成本正在顯著下降，這將進一步推動單位增長。這正是賴特定律（Wright's Law）的核心：隨著累計產量的每一次翻倍，在這個案例中是可重複使用的火箭技術，成本會以穩定的百分比下降。對於火箭來說，成本下降的幅度相當可觀。信不信由你，在工業機器人領域，累計產量每翻一番，成本就會下降約50%。火箭領域的降幅可能沒那麼高，但我相信也會在百分之二十幾的區間。Dave Blundin：我其實想問關於左邊這張圖表的問題。既然發射成本正在大幅下降，我驚訝的是那條曲線沒有下降得更多。我和埃隆開會時的一個重要收穫是，老實說，我進去時對“太空資料中心”持半信半疑的態度，出來時卻完全被說服了，他正在積極且秘密地推進一件事：繞過現有的供應鏈。目前製造GPU晶片，台積電（TSMC）大約有50%的利潤率，NVIDIA有80%的利潤率，價值鏈中充滿了層層加價。埃隆打算繞過這一切，建立自己的晶圓廠。他總是問：根本性的約束是什麼？真正的物理障礙是什麼？其實很簡單：沙子（矽）的獲取非常便宜；至於電力，太空中太陽能板的效率是地面的六倍，成本極低。所以我認為，如果我們今天只看發射成本的下降，而不考慮GPU成本、電力成本和太陽能板生產成本的趨同性顛覆，那我們就低估了趨勢。如果埃隆是對的，這些都會在短短幾年內平行發生，成本曲線會急劇下降。Cathie Wood：確實如此。我們再看賴特定律在半導體行業的應用。現在的問題是，什麼會阻礙這種增長？我不認為監管會成為障礙，因為我們正處於一場太空競賽中。既然埃隆的公司高度垂直整合，我們假設他能搞定晶片供應。Dr. Alexander：凱茜，如果我們天真地通過過去的資料向外推演，我們會達到“戴森群”等級的規模嗎？在未來的某個時刻，為了建造軌道資料中心，我們是否需要從月球、其他行星或小行星帶獲取足夠的原材料？我知道你通常做五年預測，但如果讓你展望50年後，我們會看到戴森群（Dyson swarm）嗎？還是會有多個相互競爭的戴森群？Cathie Wood：雖然我不夠專業去回答關於戴森群的具體問題，但我們的模型確實已經把SpaceX的規劃推演到了五年以後，並且納入了Optimus機器人、特斯拉和The Boring Company甚至火星殖民的因素。我們認為這在技術上是可行的。不過，軌道碎片確實是近期最大的絆腳石，一旦發生連鎖反應，後果不堪設想。Peter：讓我們把話題轉回AI基礎設施。正如幻燈片所示，推理成本正以驚人的速度下降，其影響巨大，我認為人們尚未完全意識到這一點。Salim Ismail：這裡有個悖論：當技術像我們所見的那樣具有極強的通縮性，例如火箭發射成本從航天飛機的6億美元降至SpaceX的6000萬美元，甚至還將再降10倍，這對GDP來說是巨大的縮減。當技術如此徹底地降低一切成本時，我們如何預測GDP的增長？這是我最大的擔憂之一。Cathie Wood：成本下降的另一面是單位數量的爆炸式增長，這就是傑文斯悖論（Jevons Paradox）。很多人嘲笑我預測價格將開始下跌，他們認為通膨會卡在2%到3%的區間。但如果你看真實通膨資料，它已經降到了1.2%到2%。聯準會還在對抗通膨幽靈，但我認為明年通膨率會降至2%以下，甚至轉為負值。這裡的關鍵是生產率增長和單位勞動成本的下降。Dave Blundin：確實，油價在跌，租金也在跌。或許我們需要一個“凱茜·伍德定律”來解釋這一切。埃隆曾講過一個笑話：兩個經濟學家在樹林裡散步，互相付錢吃對方的排泄物，結果GDP增加了200美元，卻沒創造任何價值。反過來看，如果AI治癒了癌症，數百萬人不再需要放療和化療，這在GDP上會表現為負增長，但對人類價值卻是巨大的。所以在AI時代，GDP指標本身就有根本性缺陷。Cathie Wood：你說到了點子上，但這事還有另一面。看看機器人技術，特別是那些我們要花時間做卻沒有任何報酬的事情，比如接送孩子、做飯、打掃衛生。這些從未計入GDP。但未來我們將購買機器人來做這些事，這將轉化為付費服務，從而進入GDP統計。這就像從農業經濟向工業經濟轉型時，家務勞動逐漸社會化一樣。被“看不見”的勞動將轉化為可衡量的經濟活動，這將帶來GDP的大幅回流。Cathie Wood：舉個具體的例子，當年很多風險投資人錯過了Uber。有人告訴我，他們當時算了一筆帳：舊金山的計程車市場每年約為5億美元，如果Uber拿走20%，這生意就不值得投。但他們沒算到的是，由於價格和便利性的變化，拼車市場擴大了四倍，而且Uber從計程車手中搶走了80%的份額。如今，Uber僅佔所有城市出行里程的1%。根據我們在《Big Ideas》裡的分析，要滿足這1%的里程只需要14萬輛車；而要滿足全美所有的城市里程，需要2400萬輛車。考慮到美國現有的4億輛汽車保有量，Robotaxi（機器人計程車）的增長將徹底摧毀我們熟知的汽車市場結構。Peter：同意。我們正在見證“認知的商品化”。人類經濟的基石，智能，正以每年99%的速度降價。這是一場逐底競爭。我的問題是，隨著價格暴跌，大語言模型（LLM）公司能否維持建構AI基礎設施所需的收入？凱茜，你對這些前沿模型的商業閉環有擔憂嗎？Cathie Wood：觀察OpenAI最近的動向非常有趣。他們開始商業化了，規劃了廣告、電商和機器人業務。但我們聽說他們的廣告報價是每千次展示（CPM）60美元，這相當於超級碗廣告的價格，而Facebook目前只有20美元。OpenAI可能會因為控制了供應端而暫時得逞，但我們的分析師認為這不可持續。Google的Gemini不會這麼做，他們有Google龐大的現金流支援，可以打價格戰來搶佔市場份額。這對OpenAI來說不是好消息。雖然OpenAI有9億使用者的先發優勢，但他們必須加快收入增長來支撐基礎設施擴張。這可能意味著他們需要在某些方面收縮戰線，更加專注。Dave Blundin：我想插一句。幻燈片上提到AI Agent在長期任務上的成功率是80%。彼得，你說任何員工如果只有80%的成功率都會被解僱，但這還沒算完。如果把上一張關於推理成本降至零的幻燈片結合來看，你會發現：無論推理變得多便宜，離真正的“零成本”還很遠。因為人類對“思考循環”的渴望是無限的。正因為彼得提到的80%成功率，如果你啟動100個AI Agent去解決同一個問題，只要其中一個成功了，整體成功率就會極高。這是一種“暴力破解”法。因此，對智能的需求基本上是無限的，人們會花光所有預算去獲取更多的智能。Cathie Wood：另外，最近那個開放原始碼的Claude機器人（Claude-bot）真是令人驚嘆。它在一個周末內就火遍了網際網路。你可以把它看作個人版的Jarvis，它能運行在你的電腦上，幫你組織工作、連接社交媒體和郵件，甚至在你睡覺時自動完成任務。我們的首席AI分析師只用了一個周末，工作效率和條理性就有了質的飛躍。Dave Blundin：沒錯。它之所以還沒被大型AI實驗室直接推出，是因為它非常強大但也具有破壞性，如果出了差錯，它可能在兩秒鐘內搞亂甚至損毀你的電腦系統。所以使用時要小心，但這也正是它強大的原因。這不僅僅是技術，更是一種文化現象。Dr. Alexander：凱西，我想回到你剛才提到的一個非常有趣的觀點。據我所知，還沒有人像你這樣表述過。很多人，包括本節目的嘉賓，都在擔心GDP增長與實際財富增長之間存在固有的不一致，甚至擔心超級通膨。但你提出了一個相反的獨特視角：隨著人類將越來越多的服務委派給AI代理，從GDP的角度來看，這種“委派”構成了商業活動。本質上，我們將人類個體的角色與生產性服務剝離，而這些細分領域之間的互動許多將由代理完成，這反而會增加對GDP的貢獻並促進商業發展。所以，你描繪的是一個GDP資料可能爆發式增長，但實際人類財富或許保持不變的圖景。那麼我想問你，如果你能揮動魔法棒，給出一個並不是單純指GDP增長，而是定義“人類真實財富增長”的完美指標，你會如何定義？Cathie Wood：財富增長在很大程度上與生產率增長密切相關。我所說的實際財富增長，不是指由價格驅動的房地產泡沫，而是由技術推動的生產力提升。我們在80年代和90年代初曾稍微嘗到過一點甜頭。那時是PC時代和網際網路時代的開端。對金融市場而言，那是一個輝煌的時期，因為軟體的潛力首次被真正釋放。雖然我們在80年代經歷過一段“索洛悖論”時期，當時人們覺得科技發展似乎反而削弱了生產力，但隨後微軟崛起，緊接著迎來了網際網路熱潮。這只是我們即將經歷的變革的前奏。如果你回顧歷史，從糟糕的70年代到80年代初，生產率增長幾乎為零甚至為負。隨後生產率開始回升，金融市場隨之繁榮，通貨膨脹開始下降。我之所以對此深有感觸，是因為在我職業生涯早期，我們就判斷通膨會下降，而當時大多數人認為除非發生經濟大蕭條，否則這不可能發生。但事實恰恰相反，通膨下降是由於技術帶來的生產率增長以及合理的貨幣政策。這裡有一個與哈佛學派相關的凱恩斯主義經濟學的不同觀點：凱恩斯主義認為增長會導致通膨；但實際上，增長不會導致通膨，反而會導致通縮。我們即將進入的世界是通縮性的，這是“好的通縮”，即當商品價格下降時，需求會激增。2.在AI時代重新定義財富Dave Blundin：凱西，我也許可以順著這一點深入問一下。這似乎是問題的核心，不僅關乎視覺展示，也關乎你更廣泛的投資論點，即GDP可能不是衡量進步的最佳宏觀指標。聽起來你認為“人均生產力”才是關鍵。但最終，作為通過ETF進行的投資，你必須用美元或其他單位來量化它。我好奇的是，我們應該設定什麼樣的基準？你顯然在投資未來的行業。而標普500指數（S&P 500）作為傳統的基準，可能無法正確衡量通向未來的進步。如果讓你設定一個單一的度量標準來最佳化進步本身，那會是什麼？Cathie Wood：首先，關於指數化投資，這是我的一個痛點。目前的金融市場結構確實如此，埃隆·馬斯克（Elon Musk）對此也有非常強烈的看法，我們在一次X Space的對話中花了很多時間討論這個話題。標普500、納斯達克這些榜單前列的公司，代表的是過去的成功。如果我們的判斷是正確的，即我們正進入有史以來最具顛覆性的創新時期，那麼傳統的舊世界秩序將被打破。長期來看，標普500的名義回報率一直維持在個位數的高位。但我們認為這將會改變。因為標普在納入新股票時往往滯後，他們需要先看到收入增長和盈利能力。在我們的《Big Ideas》報告中，我們預測顛覆性創新在未來五年內將以年化35%的速度複利增長。Peter：你們那只基金專注於這個方向？Cathie Wood：我們所有的基金都專注於此。我們的旗艦基金ARKK整合了所有這些平台。這是一項艱巨的任務。我們經歷了一段非常艱難的時期，特別是在遭遇供應衝擊和與新冠相關的貨幣政策時，創新股在包括風險投資在內的各個領域都遭受了重創。當時很少有人相信創新，但我們認為現在正在走出困境。橡皮筋已經被拉得很長，事實上，企業已經加速了世界各個角落的數位化處理程序。Peter：僅僅看ARKK，過去兩年的年化回報率大約在31%到33%之間，這相當了不起。Cathie Wood：是的，我們的三年資料正開始向我們預期的數字攀升，但為了達到平均值，我們還得超過35%。如果你要我嘗試用一個經濟指標來衡量進步，當大多數人關注GDP時，我會關注國民總收入（GNI）。理論上，GNI和GDP的增長率應該相等，但實際上並非如此，兩者總是存在統計差異。這種差異正在擴大，因為從產出角度（GDP）我們無法精準測量剛才討論的許多技術影響，但這些影響會在收入端（GNI）顯現出來。Peter：所以答案是GNI，而不是某種人均生產力？Cathie Wood：對，我認為應該是GNI。生產率也很難測量，這就是為什麼我們認為目前的生產率被低估了，年化增長率大約被低估了2%。這意味著什麼？按照GDP的構成方式，如果我們低估了生產率，那麼我們就低估了實際GDP增長，同時高估了通貨膨脹。這像個拼圖，如果政策制定者不具備我們這種思維方式，盲目信任公佈的資料，就會在政策上犯錯。3.10兆美元公司的預測Peter：凱西，我想問你。到2030年，我們會看到市值達到十兆美元的公司嗎？比如SpaceX是會上市，還是可能與特斯拉合併？你認為埃隆會通過那種方式為SpaceX獲得流動性或穩定性？Cathie Wood：這很有趣。我不確定埃隆是不是在你的播客裡提到過，但我聽說過他說預見到旗下公司的融合，這是我之前沒預料到的。不過我們確實已經討論這種情況一段時間了，因為在人工智慧的世界裡，要取勝就必須擁有專有資料。想想他擁有的所有專有資料：特斯拉擁有路面的語言資料；Neuralink擁有多組學資料；SpaceX擁有太空資料；X擁有獨特的社交資料；Boring Company也有別人沒有的資料。所以，我確實認為由於這種融合驅動，到2030年那些兆美元等級的公司將會開始上線。Peter：我認為主要的候選者就是特斯拉，正如你剛才所說的原因。而且可能會有一些組合作為其中一部分發生。Cathie Wood：是的，這也很有趣。我知道有傳聞說SpaceX正在接觸投行人士，但我以前從未想過SpaceX會上市，也不覺得有必要。畢竟埃隆在特斯拉的公開市場經歷並不愉快。但如果SpaceX真的上市，那可能是為了抓住軌道資料中心（Orbital Data Center）的機會。Peter：其實在這個播客上我們也問過埃隆。那是關於他最不可思議的事情之一。我們問他：“看看你的商業帝國，Starlink、全球太空資料中心、雷射鏈路，這一切難道不是你畢生心血的匯聚點嗎？通向這個驚人的十兆美元的成功，當時的遠見一定非同凡響。”但他卻笑著說：“不不不，這完全是運氣，這些事情彼此毫無關聯。”我覺得這太不可思議了，他本可以藉機吹噓自己的遠見或宣稱自己是天才，但他沒有。Cathie Wood：其實這是因為人工智慧正在導致一切融合。這就是為什麼我們在組建公司和組織研究時，讓機器人工程、能源儲存和AI分析師共同協作來研究它。在傳統的金融機構裡，汽車分析師通常只懂內燃機，不懂技術，他們經常為此爭論地盤，導致技術分析師的話語權旁落。這就是為什麼華爾街到現在仍然看不懂特斯拉。Peter：沒錯，凱西。我對“專家”的定義就是那些能確切告訴你為什麼某件事做不成的人。那麼，讓我們進入最內層的循環，談談能源。再次引用《Big Ideas Report 2026》的圖表，我們看到越來越高效的能源正在驅動全球經濟，每美元GDP對應的千瓦時能耗正在下降。此外，太陽能和電池成本也在大幅下降。我認為人們並沒有真正意識到能源在根本上有多麼關鍵。它不僅與GDP相關，還與每個國家的生活水平、健康和教育息息相關，尤其是在現在的資料中心爭奪戰中，它已成為國家主導地位的根本。凱西，你對此有什麼看法？Cathie Wood：經濟活動本質上就是能量的轉化。那些盲目說能源是壞事的人，並不清楚自己在說什麼，他們基本上是想把我們逼回黑暗的中世紀。如果我們要進步，就必須使用更多能源。關於核能，特別值得注意的是，美國和日本在70年代開始的過度監管扼殺了這個行業。如果按照賴特定律，隨著技術進步建設成本本應下降。如果我們在核能上繼續沿賴特定律發展，今天的電力成本會比現在低40%。所以我認為我們對核能重新燃起的熱情很重要，這將把我們帶回成本下降的軌道。當然，還有太陽能。埃隆關於軌道資料中心的願景，也會為資料中心的太陽能採購注入強大動力。Dr. Alexander：我很好奇，凱西。你認為是因為核能過度監管，還是其他原因，導致1971年後美國經濟走上了一條不同的道路？Cathie Wood：我認為，當年放棄金本位制、關閉黃金窗口，導致貨幣政策除了受人性的脆弱影響外，不再與任何實質事物掛鉤，這實際上開啟了一段艱難的時期。隨之而來的是工資和價格管制、各種市場扭曲，以及整體監管力度的增加。核能產業就是這種情況的一個縮影。我記得那是1974年或1975年左右，在脫離金本位制後，我們失去了約束，油價幾乎瞬間翻了四倍，這讓我們走上了一條非常糟糕的道路，我們也因此停止了載人登月計畫。隨後出現了里根經濟學（Reaganomics），即沃爾克（Volcker）的貨幣政策與里根的經濟政策相結合，包括放鬆管制和減稅，這一策略今天仍在被沿用。目前美國的企業實際稅率在發達國家中屬於極低水平。雖然川普在第一任期內開始降低稅率，但在新稅法之前的折舊時間表其實並不利於創新。現在的新政策允許製造業結構在投入使用的第一年就完全折舊，而不是分30到40年逐步折舊。這意味著，任何在美國建設製造設施的公司，只要在2028年底前開工，就能獲得巨額退稅，並可以將這些資金重新投入研發，從而降低價格，推動再工業化。我們正在見證這一切，未來幾年我們將迎來一場經濟繁榮，這甚至會讓埃隆·馬斯克所說的5倍GDP增長都顯得保守。這聽起來是非常合理的預測。4.AI與未來投資方向Peter：Dave，我很好奇，我們之前在簡訊裡聊過關於下一波投資方向的問題。當然這不是投資建議，但你提到了能源基礎設施。小型模組化反應堆（SMRs）、核裂變能源，以及雖然目前還有點遙遠的核聚變，都是關注重點。同時還有資料中心的建設。這些領域的數字看起來非常驚人，這將是我們看到上市公司中投資最多、增長最快的領域。Dave Blundin：我們與凱西（Cathie Wood）以及Peter你的科技路線不同之處在於，我們並不試圖一次性部署上百億美元，所以我們可以更靈活地深入觀察資料中心的技術堆疊。你會發現，供應鏈中的某些元件突然之間面臨無限的需求。我們在Boom Supersonic（Boom超音速公司）身上也看到過類似的情況。這是一家製造超音速飛機的公司，其引擎元件的價值突然上漲了10倍甚至100倍，因為同樣的元件可以用於製造發電機，而這些發電機多年來一直處於積壓狀態。Peter：我認識Boom的創始人，當時我就覺得處理聯邦航空管理局（FAA）的監管簡直是瘋狂的挑戰。但後來他們找到了市場，完成了一次出色的轉型。Dave Blundin：沒錯，這是一個絕佳的轉型案例。這其實是兩個不同層面的案例研究：一個是與這次人工智慧（AI）建設相關的任何事物，如果你能搶先發現，可能會帶來千倍的回報；另一個是關於優秀的團隊如何轉型。有些項目乍看之下像是一潭死水，但如果你意識到這是一個了不起的團隊，你會發現他們轉型的速度比以往任何時候都快。所以，無論如何都要選擇並堅持支援優秀的團隊。Peter和我討論時，我們一直在尋找那些尚未被發現的機會。比如Alex對光子學（Photonics）有很多見解，在大型資料中心的網際網路互連、讓資料高速傳輸方面，存在著巨大的機會。但我認為這一切都指向同一個主題：如果你看未來幾年，軌道資料中心、對晶片的無限需求，以及將這一切連接起來的管道、布線和粘合劑，到處都是潛在的機會。Cathie Wood：我想回應Dave剛才提到的很重要的一點，那就是必須從“出色的團隊”開始。我們看到那些轉型之所以非常成功，是因為不同技術之間的融合創造了全新的產業。因此，轉型的機會比以前多得多。如果你因為擔心監管阻礙而錯過交易，那將是一個風險。因為就像Boom那樣，有時一次轉型正好能契合監管的需求，甚至監管機構也希望這種改變發生。關於這張幻燈片，我想指出，到2030年，全球電力累計投資需要增加到10兆美元。這說明我們將在電力方面進行巨額投資，毫無疑問，數兆美元將投入到與AI相關的一切基礎設施中。Dr. Alexander：我想問凱西，也想問問在座的各位關於能源的話題。也許你們看過Apple TV的劇集《為全人類》（For All Mankind），它提出了一個替代歷史的場景：如果蘇聯先於我們登上月球，太空競賽從未結束，核能技術因此被快速推進，歷史會怎樣發展？我很想從“學習曲線”的角度探討這個替代歷史。如果20世紀70年代中期我們的發展沒有脫軌，我們現在在能源領域應該達到什麼水平？是落後了十年，還是五十年？Cathie Wood：在能源方面，特別是核能，我不能說我們整體落後了，但我認為我們在新建項目上確實落後了。美國需要大、中、小型反應堆的全面投資。毫無疑問，我們在核能上確實浪費了很多時間。由於美元是儲備貨幣，我們在70年代將通貨膨脹帶給了全世界。雖然瑞士等少數國家能夠抵抗，但這總體上是一個全球現象。但我認為我們現在的心態是正確的，矽谷一直保持著正確的心態。我們正試圖在這裡打造一個新的創新中心，加州的稅法可能也在推動這一點。雖然AI人才聚集在矽谷至關重要，但我們現在看到創新力量正在分佈到全美各地。隨著創新成本的急劇下降，個人的能動性變得越來越強，你可以在任何地方成為企業家。5.自動駕駛車輛的未來Peter：我們現在進入最後一個話題，自動駕駛汽車。關於這個話題有太多可以討論的，比如人形機器人，也許我們在討論特斯拉時會順帶聊到。目前的消息是，自動駕駛計程車終於來了。我們已經看到了Waymo的進展，CyberCab也即將上線。Uber、Lucid都在部署自己的車隊。資料顯示，Waymo的份額正在上升，而Lyft和Uber在下降。我們在聖塔莫尼卡出差時，往返機場或送孩子上學的路上，平均每天能在街上看到10到12輛Waymo。我認為大約在四五年後，80%的車輛將是自動駕駛汽車。你們怎麼看？Cathie Wood：我們同意這個觀點。正如我們的研究報告所示，我們預計從平台角度看，特斯拉將是最大的贏家，Waymo將位列第二。原因在於Waymo的成本結構依賴於外部供應鏈，這與特斯拉的垂直整合模式完全不同。這正是埃隆的運作方式。Waymo曾一度難以吸引汽車零部件供應商，所以他們現在正與極氪（Zeekr）、現代（Hyundai）等公司合作。目前他們在全美的車輛少於3000輛，如果你一次行程能看到10輛，說明它們高度集中在你所在的區域。我們認為從成本角度看，特斯拉的方案將比Waymo低50%，因此能夠收取更低的費用。目前Uber的平均價格隨著高峰定價上漲了40%，達到每英里2美元到2.8美元。而我們的研究證實了埃隆的說法：當達到規模效應時，特斯拉能夠將價格定在每英里20美分。在達到那個低價之前，巨大的價格保護傘將導致特斯拉的現金流暴增。Dave Blundin：你完全說對了，凱西。在去參觀特斯拉超級工廠之前，我完全沒意識到這一點。我曾以為埃隆不喜歡供應商只是因為他是個控制狂，但這並不是真的。他不依賴供應商是因為他看到了製造業的指數級機會。需求會在一夜之間飆升，而滿足這種需求的唯一方法是將原材料（如原鋁）在工廠的一端輸入，在另一端直接產出汽車或晶片。你必須內部製造所有東西並提前規劃。如果你像Waymo那樣，在供應鏈中缺少那怕一個受限元件，整個生產鏈都不得不停下來等待。Cathie Wood：絕對是這樣。對Waymo和特斯拉的需求都會是無限的，但特斯拉能更快地生產更多汽車，因為埃隆將所有環節都納入了那個完全指數級自動化的內部供應鏈中。Salim Ismail：我認為如果特斯拉允許人們擁有自己的汽車並將其轉變為計程車，那將是一個巨大的優勢，這更符合指數級增長組織的特點。那樣的話，你甚至不需要擁有自己的資產，這正是Uber增長如此迅速的原因。Peter：凱西，在技術融合的討論中，你有沒有關注這樣一個概念：數以百萬計的自主聯網計程車，實際上就是移動在城市中的推理引擎（Inference Engines）和能源儲存裝置？Cathie Wood：哦，當然。這與埃隆關於我們電網目前效率低下的觀點不謀而合。電網在晚上的利用率很低，而白天有時又被過度使用。這是一個典型的分佈式能源生態系統機會。Dave Blundin：令人驚訝的是人們多麼低估這一點。如果你看特斯拉的超級工廠，街對面就是Optimus（柯博文機器人）的工廠，旁邊還有資料中心。這裡的核心在於，所有元件都是通用的。當你對比福特或通用汽車時，你會問：“你們到底在做什麼？”他們從別處訂購底盤和動力總成。如果他們明天想轉型成一家機器人公司，他們做不到，因為他們只是在組裝第三方的元件集合。他們只能是一家汽車公司。而埃隆建構帝國的方式是，整條製造鏈的每一個環節都可以在短時間內轉向，例如變成衛星製造業務。整條長鏈本質上是可重構的機器人。我認為這可能是他獨有的優勢。也許Google在做類似的事情，我不確定，但這就是未來。所有這些都可以通過AI和機器人進行重新配置。Cathie Wood：在這個方面，美國汽車行業正在減少對電動汽車的投入，開始收縮，但他們又試圖搞清楚如何切入Robotaxi（機器人計程車）領域。這一切最終會融為一體，而特斯拉早就看明白了這一點。埃隆在他的宏圖計畫裡早就寫明了。如果傳統車企認真對待過他，那答案早就擺在他們面前了。Peter：我看不出傳統汽車行業能挺過這一劫。未來是與AI深度整合的：AI知道你的日程，當你走向前門拉動門把手時，自動駕駛汽車已經在那裡等你，你甚至不需要叫車。Salim Ismail：關鍵在於，我們只需要幾千萬輛汽車就能覆蓋所有人的出行需求。現在全球每年銷售9000萬輛新車，這是瘋狂的供應過剩。Dr. Alexander：但我認為，對不同形狀和尺寸的機器人的需求實際上是無限的。所以我認為汽車行業會以某種形式存活下來，就像自行車演變成馬車、再演變成飛機和汽車一樣。這個行業會演變成機器人行業，並且規模比以往任何時候都大。Dave Blundin：但在行業內部，有些公司根本沒有做好轉型的準備，而其他公司則準備充分。在這方面，美國人有一種特質，那就是熱愛重塑，我們願意把舊的東西扔掉，去建立一個全新的創業公司。Salim Ismail：我想強調一個非常關鍵的點。有人類駕駛員的網約車服務與完全自動駕駛之間的成本差異，實際上超過了10倍，這是一種驚人的成本下降。Cathie Wood：問題的核心在於，傳統車企是在內燃機和人工駕駛的環境下成長起來的，這導致它們的企業基因與當前的技術變革不匹配。雖然人們常說它們可以重新配置、整合或重組，但在顛覆性創新領域，這種轉型往往難以成功。我認為它們無法在這個新領域獲勝，因為這涉及三項技術的深度融合：機器人技術（像埃隆·馬斯克那樣將汽車視為機器人）、人工智慧（這是方程中永恆的一部分）以及能源儲存。隨著電池技術的發展，電動汽車的成本持續下降。相比之下，內燃機是一個完全成熟的行業，根據賴特定律，由於其累計產量基數巨大，成本翻倍從而帶來成本下降可能需要上百年的時間。因此，傳統車企無法像堅持做電動汽車那樣享受到成本下降曲線帶來的紅利。Dr. Alexander：我認為我們可能遺漏了一個非常重要的組成部分，也就是埃隆所說的“製造那些生產機器的機器”。我們在討論內燃機與電動汽車的對比時，往往忽略了它們的製造方式。目前的傳統汽車公司在很大程度上依賴受工會保護的人工勞動，而在未來，大部分製造工作將由機器人自動完成。所以我想問Cathie，你是否認為對於傳統汽車公司，至少是美國汽車公司，來說，真正的競爭障礙在於它們無法像特斯拉那樣，實現高度機器人化的製造自動化？Cathie Wood：毫無疑問。大概三四年前，埃隆曾說過：“我發現自己其實是一個工廠的製造者。”這對我們來說也是一個重要的頓悟時刻。他在設計未來的工廠，並引入了正確的技術。Dave Blundin：回到Alex的觀點，當初位於加州的初代超級工廠（Gigafactory）在疫情期間被迫停工時，埃隆決定搬離加州，前往德克薩斯州，在一個監管環境更友好的地方從頭開始建設。如果你看看傳統汽車公司，它們受到工會、養老金計畫以及與當地選區緊密繫結的制約。因此，在一個新的司法管轄區從頭開始建廠，實際上比改造傳統車企的現有生產線要便宜得多。Salim Ismail：是的，歐洲的情況更糟。例如在德國，他們有工人委員會來決定寶馬或梅賽德斯作為公司被允許做什麼。這在達沃斯論壇上也成為了一個重要話題。歐洲的資本如果沒有好的去處，比如你想藏錢可以去列支敦斯登或摩納哥，但如果你想在一個監管相對理性、或者說較少受限的環境中建立一家低成本汽車公司，你會去那裡？Cathie Wood：我知道大多數人認為歐洲在技術和監管層面已經完全沒希望了，因為創新的崩塌和個人能動性的減弱。從宏觀層面上我同意這一點。但我想問，歐洲有什麼是其他地方沒有的？為什麼我們都去那裡度假？Dave Blundin：建築，還有生活方式。Cathie Wood：對，生活方式、悠閒的節奏、美食。所以我不會完全否定歐洲，他們會像以往那樣為世界其他地區提供服務，生活方式、旅遊服務、漂亮的廣場和濃縮咖啡。Dave Blundin：我來做個預測。歐洲擁有令人難以置信的潛在人才儲備，才華橫溢。歷史上，像印度這樣的人才流出國，人們去美國賺錢後往往會回國退休。但歐洲人以前不這麼做，因為離開歐洲太難了，那裡的生活太美好了。但我認為現在差距已經變得如此之大，真正的創業群體將開始湧向美國，工作十年，保留在歐洲的居所，然後來回往返。Salim Ismail：我可以提出反方觀點嗎？我認為過去對於歐洲企業家來說，來美國是一個可行的選擇，但現在這已經不再是唯一的路徑了。接下來會發生的是，歐洲將被迫改變監管制度。目前的結構無法維持，必須通過設立特別經濟區或進行結構性變革來突破，否則就會陷入“死亡螺旋”。我們在今年的達沃斯看到了這種跡象，他們試圖建立一種“歐盟公司”（EU Inc.）的概念，即在一個國家註冊就等於在所有國家註冊，並統一創新體系的規則。Peter：這是我們的最後一張幻燈片。全自動配送已經到來了。雖然我們長期以來一直關注機器人計程車（Robotaxi），但我們看到目前每年已經有400萬次無人配送。Cathie Wood：是的，最美妙的是他是從盧安達開始的，利用無人機運送醫療用品。據統計，他將孕產婦因產後大出血導致的死亡率降低了50%以上。Peter：所以，我們在空中看到了Zipline和Wing實現了無人配送，還有Matternet。在地面上，我們有Starship、Meituan和Coco Robotics等幾十家公司。當然，我們也看到了卡車運輸自動化的起步。有趣的是，地面交通已經很擁擠了，目前空中航線雖然是開放的，但最終也會變得擁擠。如果配送量激增，主要是來自Zipline和Wing，我很好奇人們是否會開始抱怨噪音問題，因為它們雖然在高空飛行，但需要通過纜繩放下貨物來完成投遞。Dave Blundin：航道是三維的，物理上不會那麼快擁擠，但你說得對，噪音將成為一個非常大的問題。如果有人能發明出靜音無人機，那將徹底改變遊戲規則。 (劃重點KeyPoints)