金融智能研發的下一步，不是給所有人一個統一聊天框，而是讓每個崗位都有自己的 AI 助手。萬能助手解決個人效率，一崗一助手解決金融級生產流程。金融研發不是一個動作，而是一條由崗位、流程、權限、知識和責任組成的長鏈條。一崗一助手，把 AI 從“黑盒聊天工具”變成了“可審計的生產節點”。萬能助手像一個人帶了一台“萬能破譯機”；一崗一助手像每個工位都配了一把“帶行車記錄儀的專用工具”。測試、交付、維運不智能化，AI Coding 只會把壓力往後傳。崗位智能體真正改變的，不是某個環節的效率，而是研發全鏈路的協同方式。未來金融開發中心，不只是人力組織，而是一套“人 + 智能體 + 知識資產 + 流程規則 + 責任邊界”共同運行的生產系統。01. 萬能助手為什麼不夠用金融機構做 AI Coding，為什麼一個統一 萬能的AI 助手不合適，它能問答，能寫程式碼，能解釋報錯，能生成單測，能總結文件，所有研發人員都可以用。這一步當然有價值。它能快速降低 AI 使用門檻，讓一線研發人員先感受到 AI 的能力，也能在很多零散場景裡帶來效率提升。但只要真正進入金融研發流程，就會發現一個萬能助手很快不夠用。因為金融研發不是一個單一動作，而是一條長鏈條。一個需求從業務想法到生產運行，至少要經過需求、設計、編碼、測試、交付、維運。每個環節的上下文不同、工具不同、權限不同、風險不同、責任也不同。產品經理關心業務目標和需求邊界。架構師關心系統邊界、介面關係和長期可維護性。開發人員關心程式碼實現、工程規範和單元測試。測試人員關心場景覆蓋和出口質量。交付人員關心版本完整性和投產風險。維運人員關心故障定位、告警降噪和生產穩定。這些崗位表面上都在“做軟體”，但實際面對的是完全不同的問題。一個萬能助手如果同時服務所有崗位，最後很容易變成“什麼都能答一點，但什麼都不夠深入”的通用問答工具。它適合個人提效，不適合進入金融級生產流程。所以，AI Coding 走到深處，金融開發中心需要的不是一個越來越大的萬能助手，而是一組越來越懂崗位、懂流程、懂責任的崗位智能體。02. 一崗一助手不是把 AI 拆複雜而是把 AI 放進真實生產關係為什麼要切這麼細？不是為了複雜，而是因為金融研發本來就是按崗位、流程、權限、責任和風險組織起來的。AI 要進入生產，也必須按同樣的方式被組織起來。從責任邊界看，需求是誰確認的，設計是誰稽核的，程式碼是誰採納的，測試是誰放行的，版本是誰交付的，故障是誰處置的，都必須清楚。一個萬能助手跨越多個崗位，很容易讓責任變模糊。崗位智能體對應崗位責任，需求助手就處理需求，設計助手就處理設計，編碼助手就處理編碼，交付和維運也各自有邊界。邊界清楚，責任才清楚；責任清楚，AI 才敢進入生產流程。從專業上下文看，不同崗位需要的知識完全不一樣。需求智能體需要業務規則、產品範本和需求用例。設計智能體需要應用架構、介面文件、表結構和歷史程式碼。編碼智能體需要工程規約、程式碼上下文和開發工具。測試智能體需要測試資產、測試資料和缺陷案例。交付智能體需要流水線、版本、環境和投產規則。維運智能體需要日誌、指標、鏈路和告警知識。上下文不一樣，智能體就不能混用。拿一個通用助手去服務所有崗位，就像拿一把瑞士軍刀去修飛機：能擰幾個螺絲，但不可能成為生產線上的專業工具。從工作流看，金融研發不是隨問隨答，而是流程驅動。需求輸出要進入設計，設計輸出要進入編碼，編碼輸出要進入測試，測試結果要進入交付，生產問題還要反哺維運和研發知識庫。崗位智能體不是孤立回答問題，而是流程節點上的執行者和連接器。從權限安全看，不同崗位能看什麼、能調什麼、能執行什麼，必須被嚴格劃開。需求智能體不能隨意呼叫生產日誌。編碼智能體不能越過程式碼門禁。交付智能體不能繞過投產審批。維運智能體不能在沒有授權和留痕的情況下執行生產動作。從效果評估看，萬能助手很難評價真實價值，但崗位智能體可以被量化。需求智能體看需求澄清效率和需求用例質量。設計智能體看設計採納率和設計缺陷檢出率。編碼智能體看程式碼採納率、AI 入庫率、單測覆蓋率。測試智能體看案例覆蓋率、缺陷發現率、測試結果精準率。交付智能體看風險提前識別率。維運智能體看故障定位精準率和平均處置時間。一崗一助手不是技術花樣，而是金融研發組織邏輯在 AI 時代的自然延伸。萬能助手像一把什麼都能碰一下的瑞士軍刀。一崗一助手更像流水線上的專用工裝，每個工位都為自己的任務、標準和責任而設計。03. 一崗一助手本質是在提高 AI 研發的確定性金融機構不能只追求 AI “會不會做”，更要追求 AI “能不能穩定地做、按規矩做、出了問題能不能說清楚”。通用大模型天然帶有隨機性。同一個問題，不同上下文、不同提示方式、不同模型版本，可能生成不同答案。對個人寫材料、寫程式碼初稿，這不一定是大問題；但對金融研發來說，這就是生產風險。金融軟體不是創意寫作，它有明確技術堆疊、架構邊界、介面規範、資料口徑、安全要求、測試標準和投產流程。AI 如果脫離這些約束自由發揮，越能生成，越可能帶來不可控。一崗一助手的價值，就是把大模型的通用能力壓進具體崗位的工作秩序裡。需求智能體通過業務規則、產品範本和驗收標準約束輸出。設計智能體通過應用架構、介面關係、表結構和歷史程式碼約束輸出。編碼智能體通過工程規約、程式碼上下文和安全規則約束輸出。測試智能體通過測試資產、缺陷案例和覆蓋標準約束輸出。交付智能體通過流水線、環境、版本和門禁規則約束輸出。維運智能體通過日誌、指標、鏈路和告警知識約束輸出。這樣，AI 就不是憑感覺回答問題，而是在崗位知識、崗位規約、崗位流程和崗位權限之內工作。萬能助手像一個聰明但不熟悉規矩的新員工，什麼都願意試；崗位智能體像一個被帶過、看過制度、知道邊界、懂審批流的熟練工。金融研發不怕 AI 聰明，怕的是 AI 聰明得沒有邊界，一崗一助手，就是給 AI 立邊界、裝規矩、接流程。萬能助手解決的是“個人能不能用 AI”。崗位智能體解決的是“組織能不能把 AI 放進生產流程”。04. 一崗一助手更符合金融行業的強審計要求金融行業做 AI，不只是看“能不能生成”，還要看“能不能審計”，強監管環境下，審計最關心的是這件事能不能被追溯：誰在什麼時間，基於什麼權限，呼叫了什麼能力，使用了那些資料，生成了什麼結果，誰稽核採納，最後流向那裡。萬能助手最大的問題，是邊界太寬。所有人都在同一個通用助手裡提問，輸入輸出混在一起，事後只能翻一堆聊天記錄，很難判斷某個結果到底屬於需求分析、設計判斷、編碼建議、測試結論，還是交付決策。某種意義上，萬能助手就像一個人帶了一台“萬能破譯機”：看起來什麼都能做，但誰用它做了什麼、基於什麼權限做、結果流向那裡，並不容易說清楚。一崗一助手更像每個工位都配了一把“帶行車記錄儀的專用工具”。需求智能體處理需求，設計智能體處理設計，編碼智能體處理程式碼，測試智能體處理覆蓋，交付智能體處理版本風險，維運智能體處理故障鏈路。每個智能體都對應一個崗位、一個流程節點、一類權限和一組輸出物。這就把 AI 從“黑盒聊天工具”，變成了一個個“可審計的生產節點”。它至少帶來四個變化。第一，責任主體更清楚。出了問題，可以沿著崗位鏈條追溯，而不是籠統地說“AI 生成的”。第二，日誌從聊天記錄變成生產記錄。一崗一助手留下的是任務編號、關聯需求、輸入文件、呼叫工具、生成結果、稽核記錄、流轉節點，更適合自動化審計。第三，合規護欄可以按崗位嵌入。測試智能體可以強制檢查測試資料脫敏，編碼智能體可以強制掃描硬編碼金鑰和開源漏洞，交付智能體可以強制校驗投產審批單和環境一致性，維運智能體可以強制記錄生產訪問授權和操作留痕。第四，異常監控更精準。當智能體按崗位拆分後，管理平台可以監控每個智能體的呼叫量、權限訪問、Token 消耗、失敗率、越權嘗試和異常行為。需求智能體不該頻繁訪問日誌。維運智能體不該在非窗口期呼叫生產工具。交付智能體不能繞過審批檢查。這些異常在萬能助手裡很容易被淹沒，在崗位智能體體系裡卻能更快被發現。所以，一崗一助手不是把 AI 做複雜，而是把 AI 放進可追溯、可治理、可問責的生產秩序裡。對金融機構來說，審計不是事後翻聊天記錄，而是從一開始就讓 AI 在正確的崗位邊界裡工作。05. 全球共識 Agent 必須進入工作流也必須被治理從公開實踐看，全球頭部金融機構正在形成共同方向：AI 研發不會停留在一個通用聊天框，而會進入崗位、流程和責任邊界。DBS 對 Agentic AI 治理的表述很有代表性。DBS 認為，真正的 AI 自主並不意味著沒有控制，而是需要更有策略的控制；其 AI 部署強調人類監督治理，包括升級路徑、審計軌跡和 fallback 機制，以確保決策可解釋、可問責並與意圖一致。DBS 還提出，企業在部署多個 agent 時，需要考慮 agentic control plane，對企業內所有 agent 進行監督。Citi 的做法更能說明責任邊界。公開報導顯示，Citi 正在向 4 萬名開發者推出 agentic AI，用 Devin 處理軟體補丁、升級等任務；其技術負責人明確表示，不允許 agent 部署程式碼，agent 只產出 artifacts，交給開發者，並經過自動測試和人工 review。Citi 還把內部軟體文件、最佳實踐和知識庫用於約束 agent 行為，不希望 agent “創造性地”引入新技術。Morgan Stanley Research 的判斷也很直接：當 AI coding assistants 和 agents 成為標準開發工作流後，傳統軟體工程師會更多轉向複雜應用，成為 curators、reviewers、integrators 和 problem-solvers，變得更戰略、更有價值；同時，AI 生成程式碼增多，也會把瓶頸推向程式碼審查、測試、安全、驗證和部署等後續環節。Bank of America 的公開材料也提到，其 AI 方法包括 human oversight、transparency 和 accountability for all outcomes；其軟體開發人員也在使用 GenAI 工具輔助程式碼編寫和最佳化，效率提升超過 20%。這些案例放在一起看，結論很清楚：金融機構不是不敢用 Agent，而是必須把 Agent 放進工作流、權限邊界、稽核機制和治理框架裡。這也是一崗一助手的核心邏輯。讓 AI 幹活可以，但不能讓 AI “無證駕駛”。金融研發裡的 Agent，不是無人駕駛汽車沖上高速，而是進了調度系統、裝了行車記錄儀、限定了路線、設定了剎車、有人遠端監管的專業車輛。06. 招行的啟示 從程式碼助手走向任務級研發智能體招行這條線，最值得看的不是“通用模型”，而是直接進入研發現場的 DevAgent。深圳市委金融辦發佈的招商銀行項目展示中提到，招行自研“研發智能體 DevAgent”，採用“感知—規劃—執行—反饋—進化”的多輪互動 ReAct 模式，可結合程式設計現場環境感知、企業研發知識檢索等工具，以開發者業務目標為驅動，提供任務級功能需求開發能力，並具備跨檔案、大片段程式碼生成能力。公開材料顯示，DevAgent 每月完成超過 4.8 萬個開發任務。這說明頭部銀行的 AI 研發已經不只是“問答 + 程式碼補全”，而是在把 AI 放進真實開發現場。它要理解當前工程環境，呼叫企業研發知識，拆解開發任務，並在多輪反饋中完成任務。DevAgent 的關鍵詞不是“通用”，而是“現場感知、知識檢索、任務級開發、跨檔案生成”。這恰好說明，金融研發 Agent 的方向不是萬能助手，而是懂崗位、懂工程、懂企業知識的專業智能體。一個真正能進入開發現場的 AI，不能只會說“我建議你這樣寫”；它還要知道這個工程在那裡、規範是什麼、改那些檔案、影響那些介面、怎麼跑檢查、最後誰來稽核。07. 工商銀行樣本 一崗一助手 更像金融級研發秩序重建在中國金融科技語境下，工商銀行的智能研發建設尤其值得關注。作為超大規模金融機構，工商銀行面對的是超大規模客戶、複雜系統體系、高安全合規要求和大規模研發組織協同。在這樣的背景下推進 AI Coding，難點不是接一個程式碼助手，而是如何讓 AI 進入真實研發流程，並且可控、可審計、可規模化。從前面整理的建設方案看，工商銀行智能研發不是只做程式碼補全，而是圍繞需求、設計、編碼、測試、交付、維運全流程，推進智能研發能力建設。這個路徑的核心，不是“AI 能不能寫程式碼”，而是“AI 能不能在金融級軟體工程體系中穩定工作”。一崗一助手在這樣的超大組織裡，價值更明顯。需求、設計、編碼、測試、交付、維運每個環節都有自己的責任邊界，每個崗位都有自己的知識資產，每個階段都有自己的輸入輸出。如果只有一個萬能助手，很難承接這種複雜度。只有把 AI 按崗位拆開、按流程接起來、按責任管住，才可能進入金融級研發體系。這也是大型金融機構做 AI Coding 最容易被低估的一點：不是模型接入了，智能研發就完成了。真正難的是讓模型進入秩序，讓生成進入流程，讓結果進入審計，讓責任有人承接。08. 需求原型智能體 讓產品經理從“寫需求” 走向“定義意圖”需求階段，是金融研發最容易出偏差的地方。業務說一個方向，產品理解一版，開發再轉譯一版，測試最後補缺口。等系統做出來，才發現最初的業務意圖沒有被精準表達。這種損耗，在大型金融機構裡非常常見，需求原型智能體要解決的是需求階段的“第一公里”。它不是簡單幫產品經理寫幾段需求，而是把自然語言、會議討論、業務說明、草圖、歷史範本和同類案例，轉化為更清晰的需求資產。對產品經理來說，最大的變化是：需求不再只是寫一份文件，而是要把業務意圖轉化為可以被設計、編碼、測試繼續使用的結構化資產。需求智能體可以輔助生成原型，讓業務、產品、設計和開發圍繞一個“看得見的東西”討論。過去大家對著一段文字爭半天，現在可以先看到互動雛形，再討論流程、權限和邊界。它也可以輔助生成需求用例，把使用者角色、業務流程、輸入輸出、異常情況、權限邊界、資料口徑和驗收標準補齊。這樣下游拿到的不是一句“我要一個功能”，而是一組更接近可執行的需求資產。對產品經理來說，這不是被 AI 替代，而是要求更高了，未來好的產品經理，不只是會寫需求的人，而是能把業務目標講清楚、把邊界定義清楚、把 AI 生成結果判斷清楚的人。產品經理過去像“翻譯”，把業務話翻譯成研發話。未來產品經理更像“導演”，要讓業務、AI、設計、開發、測試在同一個鏡頭裡對齊。09. 設計智能體 讓架構師從“補文件”走向“沉澱系統邊界”在金融研發裡，設計階段最容易被低估。很多系統不是新建系統，而是在複雜存量系統上不斷演進。裡面有歷史程式碼、舊介面、表結構、公共元件、上下游依賴、技術債和業務規則。如果設計階段沒有把這些內容理解清楚，後面 AI 生成程式碼越快，返工也可能越快。設計智能體的價值，是幫助架構師和開發骨幹理解存量系統，並生成更高品質的設計。它不能唯讀當前需求，還要理解應用架構、功能清單、介面文件、表結構、歷史程式碼、公共方法和已有設計文件。它要知道這個系統過去怎麼做，那些地方能復用，那些介面不能亂動，那些模組有歷史約束。對架構師來說，最大的變化是：設計不再只是寫給評審看的文件，而是要成為後續智能體能夠執行的結構化藍圖。過去設計文件主要給人看。未來高品質設計要同時給人看、給 AI 看、給測試看、給交付看。它要成為連接需求、編碼、測試和交付的中間資產，這會倒逼架構師的價值上移。未來優秀架構師，不只是懂系統的人，而是能把系統邊界、介面關係、工程規則和長期約束沉澱成 AI 可執行資產的人。過去架構師是“救火隊長”，那裡複雜去那裡。未來架構師更像“軌道設計師”，軌道鋪得越清楚，AI 這列高速列車才越不容易脫軌。10. 編碼智能體：讓開發人員從“敲程式碼”走向“帶 AI 幹活”編碼智能體是現在最容易被看見的崗位智能體，但真正成熟的編碼智能體，不只是“幫我寫一段程式碼”。它要能理解任務、讀取上下文、遵守規約、呼叫工具、生成程式碼、生成單測、執行自檢，並在發現問題後自動修復。一個典型過程是：開發人員給出任務目標，編碼智能體讀取需求規格、詳細設計、工程規約、程式碼上下文和歷史資產；然後拆解任務，判斷需要改那些檔案、呼叫那些公共方法、補那些單測；再生成程式碼、運行檢查、修復問題，最後把結果交給開發人員稽核。對開發人員來說，最大的變化是：過去大量時間花在寫範本程式碼、補欄位、查規範、寫單測、改小錯上；未來這些工作會更多由智能體承擔。開發人員要做的，是把任務講清楚，把設計看明白，把規約補完整，把生成結果審得住。這不是開發人員價值下降，而是開發人員價值重新定價。未來好的開發人員，不只是寫程式碼快的人，而是會拆任務、會用 AI、懂系統、能審查、能兜住複雜邏輯的人。以前開發人員像“親自下地幹活的人”。未來開發人員更像“帶一組 AI 工人的工長”。活可以讓 AI 干，但圖紙對不對、工序對不對、質量過不過關，最後還得人接得住。11. 測試智能體讓測試人員從“後面接鍋”走向“前面設防”如果只做編碼智能體，不做測試智能體，智能研發很容易出問題，AI 生成程式碼越多，測試壓力也越大。如果測試仍然靠人工補案例、人工構造資料、人工執行指令碼，AI Coding 只是把壓力從開發環節推到了測試環節。這就像高速入口拓寬了，但收費站還是老樣子，車流遲早會堵在後面。測試智能體的關鍵價值，是讓測試從“後置執行”轉向“同步設計、自動構造、結果分析”。它要能基於需求、設計和程式碼生成測試案例，覆蓋正常流程、異常流程、邊界場景、權限場景和資料口徑。它要能理解業務資料結構、欄位約束、帳戶狀態、交易狀態和資料依賴，輔助構造可用測試資料。它還要能生成測試指令碼，分析失敗原因，判斷是環境問題、資料問題、指令碼問題，還是程式碼缺陷。對測試人員來說，最大的變化是：不再只是反覆執行案例，而是要設計質量體系。未來好的測試人員，不只是找 bug 的人，而是能定義覆蓋標準、識別遺漏場景、審查 AI 測試結果、把住質量出口的人。過去測試像“最後一道安檢”。未來測試要更像“全流程雷達”。不是等飛機落地再看有沒有問題，而是在起飛前、飛行中、降落前都持續發現風險。12. 交付智能體讓交付人員從“臨門救火”走向“提前控險”金融研發的交付環節，有大量流程、檢查、配置、環境、依賴和審批，很多問題不是編碼時暴露，而是在持續整合、版本打包、環境部署、投產交接和上線驗證時暴露，過去這些環節高度依賴交付人員經驗，一旦資訊不完整，風險很容易到最後一刻才出現。交付智能體要解決的是研發到投產之間的“最後一公里”。它不是簡單幫人點流水線，而是要成為“AI 交付工程師”。在資源供給階段，它可以根據需求項、應用、交付日期和投產安排，輔助識別程式碼庫、分支、環境、流水線和發佈單元。在持續整合階段，它可以監控建構失敗、門禁異常、部署異常，分析原因並推薦修複方案。在版本交付階段，它可以生成版本交付報告，識別程式碼增量、配置變更、門禁異常、環境差異和潛在風險。在投產前，它可以圍繞部署複雜度、歷史故障率、環境差異度和依賴關係，給出風險提示和處置建議。對交付人員來說，最大的變化是：過去很多精力花在流程操作和事後協調，未來更重要的是提前識別風險、組織閉環處置、保障版本穩定。交付智能體的價值，不只是減少人工操作，而是讓風險提前暴露。過去交付像“臨門一腳”。未來交付更像“塔台調度”。每一架飛機能不能起飛，天氣、跑道、路線、機組狀態都要提前看清楚。13. 維運智能體讓維運人員從“告警疲勞”走向“故障推理”很多智能研發文章講到程式碼生成就結束了，但金融系統真正的考驗在生產運行，服務超時、CPU 沖高、資料庫異常、鏈路波動、日誌堆積、告警風暴，這些問題發生時，真正需要的是快速定位、精準判斷和穩定處置。維運智能體要做的，不是簡單回答“這個報錯是什麼意思”，而是模擬資深維運專家的分析過程。它要能讀取指標、日誌、鏈路、告警、變更記錄和歷史故障案例；要能形成診斷計畫；要能邊查邊調整；要能在多個可能原因中做排除；要能生成故障分析報告；還要能把這次處置經驗沉澱為後續可復用的維運知識。對維運人員來說，最大的變化是：不再只是被告警推著跑，而是要把故障模式、處置路徑和專家經驗沉澱成組織能力。一個老專家知道先看那條鏈路、那個指標、那個歷史問題，新人很難一下子掌握。維運智能體如果能把專家經驗變成標準化診斷技能，就可以縮短新人學習曲線，也可以提升常見故障定位效率。維運智能體成熟以後，研發閉環才真正完整。因為生產反饋可以反哺設計、編碼、測試和交付，形成持續改進。過去維運像“消防隊”。未來維運更像“城市神經系統”。不僅要救火，還要提前感知那裡升溫、那裡堵塞、那裡可能出事。14. 一崗一助手的關鍵不是各做各的而是上下游協同一崗一助手聽起來像每個崗位都有一個獨立 AI，但真正的價值不在“獨立”，而在“銜接”。需求智能體生成的需求用例，要能進入設計智能體。設計智能體生成的詳細設計，要能被編碼智能體讀取。編碼智能體生成的程式碼和單測，要能被測試智能體接住。測試智能體發現的問題，要能反饋給編碼智能體修復。交付智能體發現的版本風險，要能反饋給開發和測試。維運智能體發現的生產問題，要能沉澱為知識資產，反向最佳化設計、測試和交付。如果每個智能體只是孤立工作，智能研發仍然是碎片化的，只有當結構化資產在智能體之間持續流轉，金融研發才會從“人和人之間反覆傳話”，變成“資產和流程在系統中自動銜接”。未來研發流程裡最重要的資產，可能不再只是程式碼，而是需求規格、設計資產、測試資產、交付資產、維運知識和規約體系。這些資產如果能持續流轉，智能研發才會越來越強。一崗一助手不是把每個崗位都做成一個小煙囪。它要做的是把每個崗位變成一段標準化軌道，最後連成一條能跑起來的智能研發生產線。15. 開發中心以後不僅管人也要管 Agent一崗一助手帶來的變化，不只是崗位效率提升，也會改變開發中心的管理方式。過去管理研發，主要看人力投入、項目進度、缺陷數量、版本上線、生產問題。未來還要看智能體使用情況、任務閉環率、知識命中率、規約覆蓋率、AI 程式碼入庫率、測試自動生成率、交付風險提前發現率、故障定位精準率、反饋閉環率。過去主要管理人、項目和系統。未來還要管理智能體、知識資產、規約資產、模型能力、算力資源和人機協作流程。過去我們管人，管流程，管系統，未來還要管 Agent，不管 Agent，AI 就只是散落在個人電腦裡的效率工具，管住 Agent，AI 才可能成為金融級研發生產力的一部分。開發中心未來要多一張“智能體組織圖”：每個智能體負責什麼崗位，能呼叫什麼工具，能訪問什麼資料，輸出什麼資產，由誰稽核，進入那個流程。沒有這張圖，AI 越多越亂。有了這張圖，AI 才能從個人工具變成組織能力。16. 不是讓崗位消失是每個崗位都站到更高的位置一崗一助手，聽起來是 AI 工具的事情，做深了才知道是研發組織的事情。它不是給每個崗位配一個聊天窗口，而是把每個崗位的知識、流程、工具、責任和經驗重新整理一遍，讓 AI 真正進入崗位工作流。金融開發中心過去靠人傳經驗、靠文件傳流程、靠會議傳上下文。未來，這些經驗、流程和上下文，要逐步沉澱成智能體能理解、能呼叫、能執行、能反饋、也能被追溯和審計的生產資產。做到這一步，AI 才不只是“幫開發寫程式碼”，而是開始參與需求、設計、編碼、測試、交付、維運的完整鏈條。真正的一崗一助手，不是讓崗位消失，而是讓每個崗位都站到更高的位置。 (Space AIThinker)

未來新藥創辦人招名威教授，帶領公司邁向全球巿場布局。圖/未來新藥提供未來新藥（Future PharmaTech）正式邁入全球市場布局！今(8)日宣布，旗下核心產品FPT-001已正式通過澳洲人類研究倫理審查委員會（HREC）的臨床試驗通知（Clinical Trial Notification, CTN），並成功取得臨床二期門票，加速品牌在全球生技產業的戰略卡位。未來新藥創辦人招名威教授指出，未來新藥為以「生技智財（IP-driven biotech）」為核心的新藥開發公司，透過人工智慧（AI）篩選與多靶點複方新藥策略，大幅優化候選藥物的研發效能；並結合「早期臨床、授權合作」的彈性商業策略，將將深厚的研發能量轉化為實質的授權收益，打造兼具高效率與國際延展性的營運骨幹。此次澳洲CTN的順利取證，不僅象徵FPT-001 臨床進程取得實質突破，更成功串聯台灣、美國與澳洲三地的全球研發版圖，為公司奠定關鍵里程碑。在商業布局上，公司已與國內藥廠寶齡富錦完成台灣區授權合作，此次國際臨床節點的推進，亦進一步強化公司在全球市場之技術與開發實力認可。針對另一主力產品血管性失智症適應症之FPT-003亦已展開與國際藥廠之授權對談，預計於今年送出美國臨床試驗許可NDA，逐步建立多產品線之開發與商業化動能。此次順利取得澳洲 CTN 審查許可，不僅是 FPT-001 研發歷程的關鍵躍升，更象徵未來新藥正式從區域技術驗證邁向全球戰略布局。這項國際性的突破，將為後續的臨床推進與全球授權合作奠定堅實的互信基礎，開啟公司規模化發展的新局。

近期房地產行業重大資訊集錦本周，房地產領域呈現出那些值得關注的新動向？◆ 自然資源部強化房地產開發用地管控措施近期，自然資源部與國家林業和草原局攜手頒布《關於進一步最佳化自然資源要素保障機制的指導意見》，該檔案從13個維度全面佈局，涵蓋新增建設用地供給、城市更新用地規劃等多個關鍵領域。《指導意見》明確規定，對於實現“一張圖”聯網管理的省（區、市），將實施建設用地規模規劃期總量調控機制，賦予省級人民政府在“十五五”期間對新增建設用地指標的統籌調配權。同時，要求各省（區、市）建構新增建設用地與存量建設用地盤活利用的聯動機制，確保年度新增城鄉建設用地規模不超過存量土地盤活面積，並建立不定期監測機制以評估執行效果。此外，《指導意見》還強調，新增建設用地應優先保障重大項目及民生事業發展需求，原則上限制用於經營性房地產開發。對於城中村改造中涉及的邊角地、夾心地、插花地等零星地塊（面積佔比原則上不超過項目總面積的10%），若用於保障性住房、公用設施營業網點及零售商業等民生保障項目，可依法辦理新增用地審批及供應手續。專家點評：今年兩會已明確提出房地產行業需“控制增量、消化庫存、最佳化供應”的發展策略。自然資源部此次發佈的《指導意見》，正是從土地供應源頭入手，對房地產供應結構進行最佳化調整，標誌著房地產行業“控量提質”戰略的進一步深化。同時，盤活存量土地成為當前階段的重要任務，城市更新工作也將持續加速推進，房地產行業的重心正逐步由投資驅動轉向民生保障。點選此處，探索線上AI銷售員新應用。◆ 住建部推動物業管理向物業服務轉型升級近日，住房和城鄉建設部宣佈，將對《物業管理條例》進行修訂，更名為《物業服務條例》，並將行業分類調整為“物業服務”，同時納入國民經濟統計體系。在今年兩會期間，全國人大代表樊芸曾提出相關建議…… 政策法規調整建議與回應建議將《物業管理條例》的名稱變更為《物業服務條例》，同時，將國民經濟行業分類中的“物業管理”表述統一調整為“物業服務”。通過這種頂層設計層面的舉措，清晰界定物業與業主之間的權利和責任邊界，使產權所有人切實體會到自身作為“主人翁”的主體地位。在該建議提出後的兩天內，住房和城鄉建設部便致電樊芸代表，明確告知其建議已被採納，相關條例的修訂工作以及行業規範的調整工作將即刻啟動。點評：從“物業管理”到“物業服務”，這一轉變並非僅僅是文字表述上的差異，更是對物業行業本質的重新審視與定位。“物業服務”這一表述，與《民法典》中“物業服務合同”的法律定位完全契合，清晰地明確了業主作為委託人、物業作為服務者的平等關係。這種定位的轉變將促使行業從以往側重“管控收費”的模式，向“履約盡責”的方向轉變，進而推動監管與評價體系圍繞服務質量形成閉環。企業動態追蹤萬科擬轉讓5個康養項目據觀點網消息，萬科計畫將北方區域的5個康養項目進行打包轉讓。目前，新華保險等頭部保險機構已成為意向買家，不過交易仍處於洽談階段。公開資料顯示，萬科在全國約15個城市佈局了康養產品，旗下擁有隨園、怡園、嘉園三大產品線。截至2026年3月，萬科營運的康養項目接近50個，總床位數超過1萬張。點評：近年來，萬科積極推進“瘦身健體、盤活存量、聚焦主業”的發展戰略，多次通過出售商業、辦公、產業園等重資產項目來回籠資金，緩解自身的流動性壓力。此前，萬科已在長租公寓領域與保險機構合作，實現了Pre - REIT模式。此次康養項目交易大機率會延續“資產轉讓＋營運保留”的模式，在實現資金回籠的同時，向輕資產管理模式轉型。陽光100中國遭遇清盤呈請3月12日，陽光100中國發佈公告稱，2026年3月6日，海通國際金融服務有限公司及海通國際金融產品有限公司針對公司於2025年3月19日尚未支付的贖回價款2.05億美元（包含應計利息）提出清盤呈請。陽光100中國控股有限公司已正式向XG特別行政區高等法院提交了清盤呈請。該公司於3月10日正式接獲此呈請，而相關聆訊已定於5月20日上午10時進行。針對此清盤呈請，陽光100中國明確表示將堅決反對，並正積極考慮申請相關認可令以維護公司權益。業內分析指出，陽光100中國目前正深陷債務危機的困境之中，而整個房地產行業的風險出清處理程序仍在持續推進……政策與市場動態◆ 房企到期債務規模預計於2026年縮減24%據普睿數智研究中心最新發佈的報告顯示，截至2026年1月底，房地產行業內共有43家上市房企出現債務風險，這些房企的總有息負債規模高達2.65兆元。在這些出現債務風險的房企中，約有18家已公佈了境外債務重組方案，涉及債務總額約8117億元。其中，10家房企的債務重組方案已獲得法院批准；另有5家房企的方案已獲得75%以上債權人的支援，目前正待法院聆訊批准。同時，截至2026年1月底，已有7家房企的境內債務重組方案成功獲得債權人會議表決通過，涉及債務規模約873億元。隨著房企債務重組工作的不斷深入，預計2026年房企整體債務到期規模將同比下降約24.10%。◆ 樓市迎來小陽春，北上廣深成交熱度顯著提升進入三月份以來，樓市逐漸展現出活躍態勢，其中一線城市的新房和二手房成交均出現顯著增長。具體來看，三月第一周，北京新房成交面積達到5.34萬平方米，環比增長15%；二手房成交套數則為2980套，環比增長21%。廣州方面，新房成交面積約為14.8萬平方米，與2025年同期相比增長13%；二手房成交套數為849套，環比大幅增長118.8%。深圳樓市同樣表現搶眼，新房累計成交套數達到663套，同比增長13.9%；二手房方面，樂有家門店的二手簽約量環比激增132%，創下了自2024年3月底以來的單周新高。此外，據深圳貝殼研究院監測資料顯示，三月第一周深圳貝殼合作門店的二手房簽約量環比也大幅上漲118%，其中3月8日的單日簽約量更是創下了近一年來的新高。上海房地產市場近期呈現出積極態勢，據最新資料顯示，該市新建商品住房成交面積約為20.6萬平方米，與去年同期相比實現了11.4%的增長。在二手房市場方面，自本月1日至10日，累計網簽量已達8467套。值得注意的是，其中7日至8日期間交易量顯著放大，特別是3月7日單日網簽量高達1324套，這一數字不僅刷新了2026年以來的單日成交紀錄，更在隨後的兩天內連續突破1300套/日的交易量門檻。專業分析指出，作為全國樓市的重要風向標，一線城市的交易活躍度提升，無疑將為整體市場注入強勁的信心與積極預期。特別引人關注的是，上海在推出“滬七條”新政策後，市場反應熱烈，成交資料顯著回升，這一現象充分證明了政策調控在激發市場活力、釋放潛在需求方面的積極作用。◆ 北京公佈2026年首批城市更新項目規劃近日，北京市住房和城鄉建設委員會正式對外公佈了2026年度首批城市更新項目規劃清單。該批次項目總數達到1321個，其中包括新啟動實施的項目745個，以及從2025年延續至2026年繼續建設的項目576個。據初步估算，這批項目在2026年度的計畫總投資額將達到1049.5億元。首批城市更新項目規劃廣泛覆蓋了多個關鍵領域，具體包括既有建築的改造與再利用、老舊小區的綜合整治、完整社區的建設與提升、老舊街區商圈及產業區的更新改造、城市基礎設施的現代化升級、城市功能的完善與民生保障項目的推進、城市生態系統的修復與保護，以及歷史文化的保護與傳承等八大核心類股。 (房地產那些事兒)

所有人都在等「龍蝦」殺手，沒想到最先出手的是 Perplexity。3 月 12 日凌晨，Perplexity 在舊金山 North Beach 一座改建自教堂的場地裡，開了首屆 Ask 2026 開發者大會，發佈了 Personal Computer（個人電腦）。截至目前，官方推文在 X 上累計獲得逾 1300 萬次瀏覽，並迅速引發大量討論。熱度這麼高，原因其實並不複雜。這款功能的出現，像是專門衝著 OpenClaw 來的。毫無疑問，OpenClaw 在過去一周成了最火的 AI 頂流，但它一直有一個繞不開的問題——上手門檻較高，而且也不太安全。Perplexity 用 Personal Computer（個人電腦）給出了自己的新解法：同樣的能力，更安全，也更好上手。而要理解 Personal Computer，得先回顧 Perplexity 最近在做什麼。從幫你查答案，到幫你把事做完上個月，Perplexity 發佈了「Perplexity Computer」。這是一個純雲端的多智能體系統，通過協調多達 20 個大語言模型，端到端地處理複雜數字工作流。用人話說，就是你告訴它你想要什麼結果，它自己想辦法把事情做完。Personal Computer 是在此基礎上往前邁了一大步。它運行在你自備的 Mac mini 上，24 小時不間斷地訪問本地檔案、應用和會話記錄，把雲端的推理能力和本地資料的存取權真正打通。以前的 Computer 只能碰雲端的東西。現在，它能直接打開你電腦裡的資料夾。Perplexity AI CEO Aravind Srinivas（阿拉文德．斯里尼瓦斯）曾如此形容這款功能的邏輯：「傳統作業系統接受指令，AI 作業系統接受目標。」你不需要一步步告訴它怎麼做，你只需要告訴它你想要什麼。架構上，結合博主 Ajit Singh 的「逆向工程」，Personal Computer 採用四層雲端混合架構，本地資料訪問和雲端計算資源分開處理，各歸各管。第一層是本地裝置層。使用者側的 Mac mini 保持 24 小時運行，客戶端軟體通過它讀取和修改本地檔案、呼叫日曆與郵件、監控後台資料。第二層是雲端多模型編排引擎。包含 Claude、Gemini 和 Grok 在內的 20 個模型構成一個矩陣，編排器把使用者的目標拆解成多個子任務，分配給最適合的模型平行處理。第三層是隔離的執行環境。所有複雜計算都在雲端微型虛擬機器中運行，任務完成後立即銷毀，API 金鑰等敏感資訊不會暴露出去。第四層是雲端瀏覽器。內建 Comet 企業級瀏覽器，專門負責網頁自動化抓取和資訊檢索，同時把惡意指令碼對本地 Mac mini 的威脅擋在門外。🔗 https://singhajit.com/perplexity-computer-explained/連接能力同樣是這款產品的核心賣點。Personal Computer 支援接入 Gmail、Slack、GitHub、Notion 和 Salesforce，可以監控觸發條件，在這些平台之間主動執行跨應用任務。企業版 Computer 則可以直接查詢 Snowflake、Salesforce、HubSpot 以及數百個其他平台，自動編寫並執行 SQL 查詢，返回結構化結果。在金融領域，Computer 已可訪問 40 多個即時金融工具，直接呼叫 SEC 檔案、FactSet、S&P Global、Coinbase 等來源的資料，無需配置，無需許可證，每個數字都能追溯到原始來源。OpenClaw 的問題，Perplexity 的機會OpenClaw 由奧地利開發者 Peter Steinberger 建立的 AI Agent 開源框架，短短數月在 GitHub 上積累了超過 28 萬顆 stars，並引發了 Mac mini 全球搶購，高配機型交貨周期從 6 天拉長至 6 周。但 OpenClaw 有一個繞不過去的門檻：普通使用者要自己配置安裝環境、折騰 API 金鑰，稍有不慎就可能搞出麻煩。Perplexity 創始人 Srinivas 在被問及 Perplexity Computer 和 OpenClaw 的區別時表示：「Perplexity Computer 是為認真做事的人打造的。」言下之意是，認真做事的人，不應該把時間花在配置環境上。是的，你不需要懂技術，不需要折騰，打開就能用。互動也做得很克制：它常駐在螢幕右上角，隨時待命，但不搶佔注意力。想用的時候直接開口，它聽完同樣用語音回應。但安全，才是它和 OpenClaw 最根本的區別。Meta 超級智能實驗室一位高管在測試時，因為大模型上下文窗口壓縮缺陷導致安全指令丟失，AI Agent 失控，把她的真實 Gmail 收件箱清空了。儘管這名高管也承認只是犯了新手會犯的錯誤，但這件事之後，很多人對 AI 工具的第一反應從「好用嗎」變成了「安不安全」。Perplexity 顯然注意到了這個變化。Personal Computer 在安全上做了幾件事：所有敏感操作均需使用者手動確認，每次會話保留完整審計記錄，並配備緊急停止開關。系統還支援使用者通過任意裝置遠端控制，隨時接管。在任務執行層面，系統採用基於檔案系統的處理程序間通訊機制。主 Agent 派生出多個子 Agent 時，子 Agent 把階段性結果寫入共享目錄，主 Agent 讀取檔案完成彙總，整個過程可以完整追溯，出了問題能查到每一步。在發佈會上，Perplexity 也在演示視訊中展示了一些基礎場景：起草發給投資人的郵件、將報告整理為幻燈片、對求職候選人進行排名等等。目前該產品僅向 Perplexity Max 訂閱使用者開放，月費 200 美元。首發階段僅支援 Mac 裝置，通過候補名單開放搶先體驗，Perplexity 官方尚未公佈正式上線時間。訂閱使用者每月可獲得 1 萬個計算積分，用於執行各類自動化任務。企業版額外提供安全控制、合規功能和單點登錄支援，並配備 SOC 2 Type II 認證和獨立沙盒運行機制。月費 200 美元，值不值在 Personal Computer 發佈之後，Srinivas 在 X 平台上發了一篇名為 「萬物皆可成為 Computer」 的長文，追溯了「computer」這個詞的歷史。「computer」最早指的是人，是那些替天文學家進行計算的學徒。後來變成機械的，再後來變成數位化的，再後來變成個人電腦。而今天，他說，AI 就是 computer。在之前的部落格中，他還引用了賈伯斯的說法。賈伯斯曾將個人電腦比作「人類思維的自行車」，但 Srinivas 認為，智慧型手機時代雖然把個人電腦塞進了每個人口袋，但也讓所有人變成被資訊流控制的被動消費者。Personal Computer 要做的，是把人從這種狀態里拉出來。他在長文裡寫道：「大家都在談第一個由一個人打造的十億美元公司。但一個人打造這樣的公司，最大的劣勢是什麼？答案是：他晚上必須睡覺。」可 24 小時運作的 Personal Computer，顯然不存在這個問題。關於 Personal Computer 這個功能，輿論的意見也撕裂為兩派。支持者認為，Personal Computer 把過去只有大企業才用得上的技術下放給了個人使用者。SOC 2 合規、微型虛擬機器沙盒隔離、跨越數百個 SaaS 平台的自動化編排，以前這些只存在於每年收費數十萬美元的企業服務裡。月費 200 美元，相當於租用了一整套企業級 IT 基礎設施。質疑聲也不少。Perplexity 在部落格中宣稱，Personal Computer 在內部四周測試期間節省了 160 萬美元人力成本，完成了相當於 3.25 年的工作量。但 Hacker News 上的工程師不買帳，認為把員工簡單操作的時間無限放大，再乘以高昂的平均時薪，就能湊出一個好看卻站不住腳的數字。這場爭論本身，或許就說明了問題：爭得最凶的，恰恰是那些有能力自己搭環境並運行的工程師。對他們來說，Personal Computer 確實性價比存疑——因為他們根本不需要它。當然，200 美元/月的門檻，現在還把很多人擋在外面。但在 Claude Code 和 OpenClaw 主導 AI Agent 話題的這段時間裡，這兩款產品的核心使用者依舊是程式設計師等極客。Perplexity 要做的則是，讓那些不懂技術、但真的需要這類能力的人，也能安心用上 AI Agent。這個市場更大，也更難啃。但至少，Perplexity 是目前為止在這件事上走得最遠的那一個。 (APPSO)

迪拜的金融版圖正在醞釀一次跨越十五年的質變。近日，阿聯副總統兼總理、迪拜酋長謝赫穆罕默德正式宣佈，迪拜國際金融中心將啟動史上最大規模擴建項目——DIFC Zaabeel District。根據官方公佈的資訊，該項目總開發價值超過1000億迪拉姆，約合270億美元。這不僅是物理空間的擴容，更是迪拜對自身金融中心定位的一次系統性升級：將傳統金融區推向面向未來技術的綜合平台，讓資本流與技術流在同一生態內深度耦合。01 不只是樓面：一座金融城的野心重構此次擴建選址扎比爾區，佔地約710萬平方英呎，總建築面積約1770萬平方英呎。從規模上看，這屬於中東、非洲和南亞區域內少見的需求驅動型金融中心擴建項目。但真正值得關注的不是磚瓦水泥的增量，而是迪拜為這個新區設定的承載目標：容納超過4.2萬家公司，覆蓋約12.5萬名金融與科技專業人士。這兩個數字釋放的訊號很明確：迪拜不滿足於做區域金融中心的天花板，而是希望把全球機構的區域總部、資管團隊、金融科技與合規中後台都鎖定在同一套生態系統裡。更高的機構密度意味著更強的交易黏性，更強的交易黏性意味著更難以撼動的中心地位。02 AI嵌入金融：產業結構的重心遷移從公開規劃看，Zaabeel District最值得注意的配置，並非寫字樓和住宅的增量，而是它將未來技術和人工智慧作為核心類股，深度嵌入金融中心的擴張邏輯。超過100萬平方英呎的空間被規劃為創新中心。它服務的對象不僅是傳統金融機構，也包括金融科技、數字經濟相關企業和新型商業模式。這意味著，一家AI驅動的信貸稽核公司，可以物理上毗鄰它服務的銀行；一家區塊鏈貿易融資平台，可以和技術夥伴在同一棟樓裡打磨產品。更具標誌性的是，迪拜提出在這一區域建設全球首個專用AI園區，並給出了明確的承載目標：面向6000家企業與3萬名AI及技術專業人才。這相當於將AI產業從戰略口號轉化為可容納企業、人才和研發活動的物理空間，並且把它放在金融中心內部，而不是另起爐灶。03 教育同步擴容：每年5萬學習者的供給管線金融與科技的競爭，歸根結底是人才的競爭。迪拜對此的解法是讓教育體系與產業擴張同步。根據規劃，DIFC學院的面積將擴大十倍，達到約37萬平方英呎，目標是每年容納5萬名學習者。繼續教育與高等教育資源將在這裡匯聚，為金融與科技產業提供長期的人才供給管線。這種配置的邏輯很清晰：用金融中心承接資本流，用創新園區承接技術與企業，用教育體系承接人才供給，然後再用生活方式配套提高留存率——形成一個自我強化的閉環。04 生活配套：留住高端人才的最後一公里在金融中心的競賽中，生活配套從來不是錦上添花，而是最現實的留人手段。高端機構和人才的遷移，很大程度上取決於一座城市能否提供可持續的生活與社交半徑。Zaabeel District的規劃對此著墨頗多：藝術館、會展中心、酒店、零售等文化及生活配套同步加碼。這些設施的功能不僅是滿足消費需求，更是創造人與人相遇、交流、合作的場景。在知識密集型產業裡，許多關鍵交易和合作，恰恰發生在寫字樓之外的咖啡廳、畫廊或酒店大堂。05 時間表：十五年的長期工程從官方披露的時間表看，這是一個用十幾年時間去換取下一段增長曲線的長期工程。項目將分六個階段推進：2030年前後，首期對公眾開放2040年左右，完成整體規劃這意味著，迪拜不是在進行一輪短周期的經濟刺激，而是在做一個跨越十五年的戰略佈局。當首期項目在四年後揭開面紗時，它承載的將是迪拜對未來金融形態的全部想像；而到2040年全部建成時，今天還在校園裡的學生，可能已經成為這座金融城裡的中堅力量。結語DIFC Zaabeel District的擴建，本質上是一次關於“金融中心應該長成什麼樣子”的重新定義。在迪拜的構想中，未來的金融中心不再只是銀行、律所和諮詢公司的聚集地，而應該是資本、技術、人才、教育、生活五位一體的綜合生態。金融提供資本和場景，AI提供工具和效率，教育提供人才供給，生活提供留存理由——四者咬合，形成難以複製的系統優勢。1000億迪拉姆的投入，換來的是4.2萬家公司、12.5萬名專業人士、3萬名AI人才、5萬名學習者的承載能力。這個數字組合，才是迪拜真正想要的東西：一個在金融與科技深度融合時代，仍然能夠佔據中心位置的城市資產。 (出海壹路通)

與Voxdale創始人兼CEO Tim Dieryckx見面之際，全球人形機器人進入資本、量產、商業相互交織的焦灼狀態；AI眼鏡賽道里擠滿了來自中國的廠商；一場更加明顯的東昇西落在世界各個角落輪番上演。頭圖｜視覺中國我們的談話，發生在今年CES結束不久，這場消費電子界的盛會上，幾乎90%都是來自中國的硬體廠商，甚至有人戲稱，CES，成為了中國消費電子展。但Tim今年沒有去，他說CES噱頭太多，不如實地到中國來看看。我們在這座“電動車之鄉”見面，無錫國際人才港，集合了來自國內外的創新動力，樓內是機器人Demo與AI創業公司的試驗場；窗外就是台鈴、雅迪等電動車巨頭的大樓。無錫旁邊的常州，被譽為“鋰電池之鄉”，再往旁邊的蘇州，則匯聚了半導體、材料、家電等一條完整的硬體產業鏈叢集。Tim對我說，他是來學習的。我們的談話，發生在今年CES結束不久，這場消費電子界的盛會上，幾乎90%都是來自中國的硬體廠商，甚至有人戲稱，CES，成為了中國消費電子展。但Tim今年沒有去，他說CES噱頭太多，不如實地到中國來看看。Voxdale，這家總部成立於比利時的工程機構，奉行“設計驅動工程”的核心哲學，這是戴森創新的核心。Tim本人在硬體、可持續能源和IoT產品開發、創業和組織管理中積累超過15年的實踐經驗。這聽起來似乎平平無奇，但如果知道硬體行業的殘酷，就會明白這六個字的份量。在硬體創業的圖譜中，存在一個著名的“死亡之谷”，一個從原型Demo到大規模量產之間的灰色地帶，諸多公司死在谷底。Voxdale的角色，就是幫助創新者、大公司以及大學，在他的工程實驗室裡填平這道鴻溝。他們不僅關注產品是否美觀，更關注能否用合理的成本把它造出來。這正是Tim來到中國的原因。在他看來，中國已是全球硬體開發全鏈路中一個不可或缺的“變數”。“過去15到20年，我們一直與中國公司緊密合作。如果你想把產品從1做到100萬，你離不開中國。”Tim向我展示了他手腕上的華米（Amazfit）智能手錶——這款售價僅250歐元的中國產品，提供了與Apple Watch幾無二致的功能體驗。“歸根結底，任何硬體產品只關乎兩件事：規模化和降低成本”，Tim說，“從構思硬體產品的第一刻起，我們就必須開始焦慮：這東西要生產多少？用什麼技術才能立刻實現大規模製造？”這次中國之行是他的第一天。在無錫國際人才港與數家中國AI初創企業交流後，他看到了一種他在歐洲久違的勁頭——一群擁有國際化背景的工程師和博士，他們沒有那是那種在歐洲常見的“陳舊包袱”，而是一心想做實事，想“出去征服世界”。他把這種獨特的氣質總結為“沒有思維界限”， “在歐洲，人們往往因為監管的束縛，第一反應是‘這不可能做到’。而在這裡，人們思考的是‘什麼是有可能的’。”“這裡的政府扶持也讓人印象深刻。”Tim指著窗外，“辦公區就設在公寓旁邊，你能清晰感受到政府這雙‘有形之手’在推動初創企業的發展。”然而，當我們的話題轉向當下最熱的“AI原生硬體”時，Tim並沒有表現出預期的興奮。相反，他潑了一盆冷水。“老實說，到現在為止，還沒有特別讓我驚豔的。”在他看來，目前市面上大量的所謂AI硬體，本質上是在賣算力盒子，比如把一顆Nvidia的晶片塞進外殼裡，然後加上各種周邊配置。散熱難、功耗大，且缺乏真正的應用場景。尤其是被寄予厚望的AI眼鏡，Tim直言“對此表示懷疑”。在他看來，目前的AI眼鏡更像是一種噱頭，而非下一個iPhone時刻。“如果我知道，那我就發財了。”他笑著說，但我認為可能不是眼鏡。什麼是真正的AI原生？Tim給出了一個極具參考價值的定義：當硬體是產品的載體，而AI是產品的核心本質時，這才是AI原生硬體。 這意味著，如果你把AI拿掉，這個產品就變成了廢鐵，無法運作。以此標準審視，目前市面上大量的“智能硬體”恐怕都要被打回原形。軟體和硬體的區別，Tim給出的個感性的答案，他說軟體很難讓人產生愛，但硬體可以，“APP很少讓人感嘆‘看這設計多美’，但硬體設計能讓人感到愉悅。”這種情感連接，是硬體區別於軟體的特權，也是許多智能化產品在堆砌參數時容易忽略的地方。對於正處於激戰中的中國硬體創業者，Tim建議是，利用好本土優勢，適配全球化以及保持清醒，因為，“印度在追趕成本，歐洲在試圖復甦創新，競爭永遠在動態變化中。”以下是訪談實錄，虎嗅根據實際情況進行了刪改：中國是硬體開發所有環節中重要一環虎嗅：先介紹下Voxdale，你們為硬體公司做什麼樣的創新和服務？Tim Dieryckx: 我們的核心業務是幫助公司做硬體產品的設計與工程。這也是我為什麼來這兒，因為在硬體開發的所有環節中，中國都是一個至關重要的因素。作為一個公司，我們將兩件事緊密結合：一是設計，確保產品美觀、獨特、使用者體驗好；二是立刻結合工程化和量產化。我們幫助創新者、大公司以及大學，將創新的想法推向市場。從構思硬體產品的第一刻起，我們就開始考慮：這東西要生產多少？用什麼生產技術才能立刻實現大規模製造？這也是為什麼過去15到20年我們一直與中國公司緊密合作，因為我們需要元件，需要製造，並且這種合作在過去幾年變得越來越緊密。我們還有第二塊業務，就是孵化我們自己的初創技術。我們會作為某種形式的“初創工作室”（Startup Studio），與大學、醫生或領域專家合作，孵化我們自己的硬體初創公司。目前我們有大概10項技術正在開發中，進度不一。虎嗅：你們也做創新孵化的業務，有一些已經退出的成功案例嗎？Tim Dieryckx：我們已經成功退出並出售了幾家公司。一個是尿液採樣裝置。這是一個很專業的領域，具體是體外診斷（IVD）。這個裝置已經賣給了一家美國公司。我們還開發了一種疫苗接種技術，即皮內注射疫苗。這能減少所需的疫苗劑量，接種速度更快、成本更低，人們甚至可以自己操作，這有很多優勢。我們還為此開發了配套的機器人技術，讓人們去藥房就能接種。現在我們正在研發一種血液採樣裝置。我們的假設是，特別是在美國和英國市場，採血成本很高，但血液樣本依然是最好的檢測樣本之一。考慮到人口老齡化這也是個痛點，另外，如果未來再次發生大流行病，基於家庭的血液採樣會有巨大優勢。因此，我們開發了一種極低成本的大容量採血技術，目前處於最後階段，正準備量產，生產將會在中國進行。硬體區別於軟體的地方是能帶來情感共鳴虎嗅：迄今為止，你是否看到了一些有趣的AI原生硬體？Tim Dieryckx：老實說，到現在為止，還沒有特別讓我驚豔的。對我來說，真正最有趣、最讓我震撼的還是自動駕駛。以前自動駕駛可能只能應對比較簡單的環境，但現在汽車在非常複雜的路況下所展現出的決策能力，令人驚嘆，這是目前最讓我折服的AI應用。我總覺得手邊的裝置如果加上AI應該能更好，但我看了一些加了AI的智能手錶之類的，老實說並沒有被它們的功能震撼到。虎嗅：在你眼中，衡量一個好硬體的標準是什麼？Tim Dieryckx：第一是專注，專注於有限的創新點。在一兩個方面做到與眾不同且比別人更好，那怕只是價格優勢或者某個功能；第二是可擴展性，你必須能大規模量產它，並在這個過程中把成本降到很低；第三是直觀，看到它你就知道怎麼用，不需要思考，不需要讀說明書去找按鈕在那裡。最後是情感連接，最好能帶來某種層面的情感。如果把它送人我會有點難過。這是硬體區別於軟體的地方。軟體APP很少讓人感嘆“看這設計多美”，以此獲得掌聲，但硬體可以。比如汽車，雖然有些很醜依然實用，但人們確實會因為一輛車的設計很美而喜愛它、購買它。這就是硬體獨特的地方，它能帶來情感共鳴。虎嗅：你怎麼定義一款AI原生的硬體？Tim Dieryckx：這是一個好問題。至少我們目前的定義是：當硬體是產品的載體，而AI是產品的核心本質時，這就是AI原生硬體。這意味著，如果你把AI拿掉，這個產品就無法運作。這與汽車不同，汽車裡有很多AI，但如果拿掉AI，汽車的主要功能，即把人從A點送到B點——依然存在。舉個例子，有一種安裝在天花板上的燈，它的核心功能是檢測人是否跌倒。只有當AI檢測到跌倒並報警時，它才在工作。除此以外，它周圍的硬體僅僅是支撐，核心功能完全依賴背後的AI引擎，這就是AI原生。虎嗅：現在你看到的AI原生硬體最大問題在那裡？Tim Dieryckx：目前很多所謂的AI硬體，歸根結底是在比拚算力，AI硬體的一大難點是散熱，因為需要強大的算力支援。目前很多產品的邏輯就是把正確的引擎（通常是Nvidia晶片或類似的）塞進外殼裡，加上周邊配置。相反，我在那些融合了AI的傳統硬體上看到了更驚豔的表現，比如人形機器人，它們在機械結構、手部動作上的進步，比單純的AI盒子更讓我印象深刻。虎嗅：你見過的最愚蠢的硬體產品是什麼？Tim Dieryckx：有一家公司他們融資了幾百萬歐元，開發了一台售價400歐元-500歐元的機器。這台機器唯一的功能就是擠壓一個裝著果汁的袋子把果汁擠到杯子裡。結果後來人們發現，根本不需要這台機器，直接用手擠那個袋子，果汁照樣能出來。“他們在想什麼？”，完全是為了做硬體而做硬體，毫無意義。虎嗅：你怎麼看AI眼鏡？它會成為下一個取代iPhone的硬體嗎？Tim Dieryckx：我對此表示懷疑。人們嘗試做智能眼鏡已經很多次了，包括蘋果、Meta等，但我至今沒看到真正的日常使用場景。目前的AI眼鏡更像是一種噱頭。雖然在外科手術、遊戲等特定領域有應用，但我很難想像人們會有全天候佩戴眼鏡來處理日常事務的習慣。此外，眼鏡的可用性和算力之間存在巨大矛盾：要在保持輕便、經濟、易用的同時塞進強大的算力，這太難了。不過，我們看到一個很有趣的方向是智能隱形眼鏡。比利時有一家初創公司在做這個，雖然還處於非常早期的階段，甚至還無法完全運作。他們的願景是先幫助那些瞳孔無法隨光線收縮的人自動調節進光量，未來甚至可能實現“增強視覺”（如超人般的變焦能力），如果成真，那才是真正酷炫的未來。虎嗅：你覺得下一個像iPhone一樣偉大的硬體產品形態可能是什麼？Tim Dieryckx：如果我知道，我就發財了（笑）。但我認為可能不是眼鏡，而是一種整合式的AI助手。它可能是一個掛在脖子上的掛件、耳機或者別針，能全天候捕捉我們的圖像、聲音、飲食習慣和健康資料，像一個超級秘書一樣，幫我們記錄會議、分析健康、預測風險。另一個確定的未來是機器人。無論是家裡的服務機器人、工廠裡的機械臂，還是路上的自動駕駛汽車（它們本質上也是機器人），未來我們的生活將充滿各種形態的機器人。真正好的硬體不應該依賴手機虎嗅：我們經常看到硬體初創公司死在“原型機”到“量產”之間的“死亡之谷”，根據你的觀察，最常見的失敗原因是什麼？Tim Dieryckx：歸根結底通常是因為錢燒光了。為什麼會燒光？首先是無法規模化，很多公司卡在中間階段，市場牽引力不夠，但單品成本又太高。為了把成本降下來，你必須虧本通過規模化銷售來分攤成本，這需要巨額資金和投資人的絕對信任，或者你得有一個巨大的市場——但這在歐洲很難。其次是對產品市場契合度（PMF）理解不深： 很多公司沒搞清楚自己到底該賣什麼。還有市場定位錯誤： 有些公司一心想做C端（消費者）產品，但這很難。其實做B端（企業）或中間產品更容易存活，例如我們接觸過一家做防彈材料的公司，他們沒有自己去做防彈背心賣給個人，而是做中間層賣給大公司，迅速獲得現金流，甚至不需要融資。另外是地域限制（尤其是歐洲），歐洲市場太分散，每個國家有不同的法規、語言和審批流程，導致初創公司起步市場太小，難以規模化。虎嗅：供應鏈和迭代速度難道不是失敗的主要原因之一？Tim Dieryckx：我認為供應鏈不是最大的問題。現在全球供應鏈協作非常緊密，尤其是和中國。主要問題在於迭代思維。在歐洲，人們往往追求“一步到位”的完美技術，試圖建構整個生態；而在中國，你們非常擅長增量創新——從一個小功能開始，快速推向市場，然後不斷迭代、深挖。這是歐洲的傳統包袱。我們的財富是建立在發明全新機器（如寶馬、博世、西門子的大型機械）基礎上的，因此我們需要學習中國的快速迭代模式。至於供應鏈，如果你想從0做由1，或許不需要中國；但如果你想從1做到100萬，目前離不開中國供應鏈。但這並不是障礙，因為中歐企業間的合作非常順暢且快速，通常幾天內就能拿到報價並開始模具製作。虎嗅：好的硬體必須依賴手機嗎？Tim Dieryckx：目前連接手機是一種權宜之計，因為手機算力強且普及，這樣能降低硬體成本。但我認為，真正好的硬體不應該必須依賴手機。尤其是在醫療領域或專業場景下，許多優秀裝置是獨立運行的。隨著算力成本下降，未來最好的硬體應當是獨立的。這裡的中國人有“想征服全世界”的勁頭虎嗅：我們常說戴森是硬體設計類創業的標竿。在迭代快速的AI時代，戴森模式還有效嗎？Tim Dieryckx：戴森是一家了不起的公司，擁有頂尖的設計師。但他們面臨的巨大挑戰在於創新速度。AI不僅挑戰戴森，也挑戰所有巨頭。如果中國的創新速度持續領先，這對那些處於領先地位但行動緩慢的公司來說是巨大的風險。虎嗅：這是你到中國的第一天，在和中國這些人工智慧的初創企業交流之後，你有什麼感受？Tim Dieryckx：我認為是思維界限，在歐洲人們往往會因為監管而更多地想“這不可能做到”，這裡人們思考的是“什麼是有可能”的，而不是“什麼是不可能的”。而且我發現在這裡交流的中國人都很國際化，他們大多是工程師，有的是博士，大部分有留學背景。他們都是真心想做實事的人，大家想作偉大的公司，有種“出去征服世界”的勁頭。另外，這裡的政府創業扶持也很讓人印象深刻，政府的辦公區就設在公寓旁邊，你能清晰感覺到政府在推動初創企業的發展，幫助他們做大做強。虎嗅：我們是否正在走向一個AI硬體由中國初創公司獨佔的未來？Tim Dieryckx： 短期內中國在硬體領域確實是超級大國，但我不認為未來會是獨佔的。首先，美國依然擁有世界上最頂級的科技巨頭（蘋果、特斯拉、輝達等）；其次，歐洲（如愛沙尼亞、芬蘭等地）正在復甦；再次，印度和非洲部分地區正在崛起，未來5-10年它們可能會在成本上挑戰中國。但我確信，在接下來的20到30年裡，中國仍將是硬體領域的主導力量。中國的技術領先優勢很明顯，比如生物科技、自動駕駛、無人機，以及最讓我震撼的機器人領域。在這裡，你不是看到一家公司在做人形機器人，而是看到15家公司同時在做，競爭異常激烈。這種競爭會極大地推動技術進步，這也正是我們希望把這些技術引入歐洲的原因。虎嗅：對中國的硬體創業者你有什麼建議嗎？Tim Dieryckx：利用好本土優勢，你們擁有巨大的本土市場；全球化策略，如果要出海，儘量與當地公司合作，調整設計以適應當地文化；保持警惕，不要因為現在做得好就睡大覺；保持敏銳，因為其他國家和地區也在追趕。 (虎嗅APP)

使用者數翻了50倍，還在上漲”，“死了麼”App創始人之一小郭對鳳凰網《風暴眼》表示。這是一款為獨居人群打造的APP，定價8元。今天在蘋果付費軟體排行榜沖上首位，在網路上刷屏。軟體不需註冊登錄，只需要填寫本人姓名和緊急聯絡人信箱，如果使用者連續2天沒有在應用裡簽到，系統將於次日自動傳送郵件告訴對方。背後公司名為月境（鄭州）技術服務有限公司，2025年3月份才成立，註冊資本10萬元。小郭介紹，團隊有3人，一位是朋友，一位是網友，都是95後。這款APP耗時1個月完成，開發成本約1500元。01“預想過產品會在某天受到關注”小郭介紹，“死了麼”在2025年中旬上線，不過期間團隊未花過多精力打理，在一個月前才做了一次更新。上線後很長一段時間裡使用者量很少，團隊也不擅長行銷，直到最近突然爆火，使用者數達到之前的50倍，目前熱度還在上漲。不過由於使用者規模數能直接推匯出團隊收益，小郭表示，目前不便透露具體使用者規模。“死了麼”APP介面1月9日上午，小郭開始陸續收到朋友轉發的博主文章，他意識到產品火了，這兩天電話不斷。他坦言，團隊預想過產品可能會在某一天受到大範圍關注。之所以對產品有這樣的信心，他表示，團隊長期觀察抖音、小紅書等平台，發現只要有人問“市面上有那些需求沒被滿足”或“希望有什麼樣的應用”，評論區高頻出現的總是“死了麼”這個創意，當時的評論裡，就將APP名字定為“死了麼”，“很多人會像看笑話一樣，但很多使用者是有這個需求的”，小郭說，不過如今的爆發程度，仍然超出了他的預期。這次爆火，他認為原因有三點：一是名字自帶傳播力和討論度；二是需求確實旺盛；三是現在資訊傳播快，有使用者發現後自發分享，形成了裂變。看起來這並不是一次無心插柳。他們判斷這個需求真實存在，於是把它變成了現實。02尚不準備改名小郭介紹，由於之前做過海外社交產品，對社交產品有深入瞭解。根據馬斯洛需求理論，社交之上是安全需求，這是一個覆蓋更廣、更具普遍性的市場，於是團隊創業很快就瞄準了“安全守護”這個賽道。所以除了這款“死了麼”APP，團隊還做了一個安全守護類APP叫Caree AI，面向海外市場，小郭介紹，“類似於軟體版的小天才，面向於父母和孩子的”。Caree AI的功能介紹中提到，當家中小孩在騎車時出現超速行為、老人摔倒，甚至出現失聯等各類危險狀況，使用者能第一時間收到通知。對於“死了麼”這個名字，有網友認為不吉利，小郭表示，團隊暫時沒有改名的計畫。在他們看來，現在越來越多人其實已經不避諱談死亡，尤其是年輕人，這個名字對年輕使用者來說直接、貼合，能快速傳遞產品核心功能。不過團隊也計畫未來推出一款面向中老年人、名字更溫和的獨立應用。在爆火後，團隊已經對APP的迭代有所探討。小郭提到，很多網友提到的簡訊提醒功能，他們已經規劃要上線，同時還會增加“想說的話”（類似留言）的功能，在使用者長時間未簽到時，留言就可以自動傳送給緊急聯絡人。網際網路的熱潮往往來得快、去得也快，對此小郭表示並不擔心。在他看來，使用者對“安全守護”的需求是持續存在的，即便熱度逐漸回落，使用者量最終也會回歸到與真實需求相匹配的水平。即便未來出現類似產品，團隊也已經憑藉先發優勢和對產品的深入理解，建立起一定的優勢。“目前還是把注意力放產品上”，小郭表示。 (鳳凰網財經)

01前沿導讀以色列電池開發商StoreDot的首席執行長多倫·邁爾斯多夫，在接受美國科技媒體EE Times獨家採訪時表示：電池才是未來真正的新石油。半導體晶片固然重要，但是驅動晶片的前提是電池技術，由於人工智慧的發展和產業鏈風險，電池技術正在變得越來越重要。02電池競爭不管是新能源汽車主導的無人駕駛，還是大疆主導的無人機操控，又或者是人形機器人、夜視儀等高科技產品，都需要依靠儲能電池來驅動內部的晶片進行運轉。那怕是手機這種終端消費品，電池技術也在不斷升級，從當初的普通鋰電池逐步過渡到矽碳負極電池、高矽容量電池等新興技術產品。邁爾斯多夫在訪談中指出，電池技術是當下以及未來軍用領域的關鍵技術要素，大量的軍用無人機因其電池技術落後，導致其續航短、充電時間長，補能的時間相當於飛行時間的4倍，這非常耽誤使用。相對於返航之後更換備用電池這個方案，提升無人機的電池技術是更有效的解決方法。同樣的問題還出現在新能源汽車領域，純電汽車會在無形當中帶給使用者一種心理壓力，如果環境溫度低，那麼汽車的電池是不是能扛得住？汽車的續航會不會有較大的衰減？雖然現在的電車都是六七百公里續航起步，但外部因素是一個最大的不確定性。不同的環境氣溫、不同的輪胎、不同的開車習慣都會影響汽車的續航，誰也不能完全保證汽車可以跑出官方標註的續航水平。在這種條件下，許多想體驗電車的使用者，往往會因為續航焦慮的情況而選擇混動汽車。混動汽車對比純電汽車，可油可電是最大優勢。純電汽車正在電池密度與快充平台上進行重點投資，而混動汽車則在純電續航與發動機熱效率上尋求技術突破，一切核心都是以電池技術為前提。由此可以看出，電池技術不管是對軍用領域還是民用領域，都是當下以及未來的重點投資產業。並且在競爭最激烈的ai領域，也需要大量穩定的電力資源供應。ai資料中心需要滿足五九的可靠性，也就是99.999%的正常運行效率。為了電力資源的穩定性，並且可以讓其承受較高的峰值用量，一個高品質的儲能電池是必須要具備的產品。美國的部分科技公司正在嘗試建構電池備份來替代柴油發電機，而美國公司改採用的備份電池產品，大部分都是來自於中國企業提供的磷酸鐵鋰電池。03電池技術據美國《國防授權法》的要求規定，美國實體必須在2027年10月前停止從外國實體採購電池，其中就包括了中國的寧德時代和比亞迪。邁爾斯多夫對此分析稱，製造電池的石墨材料高度依賴於中國供應鏈，中國供應了全球超90%的石墨資源，不管是中國的磷酸鐵鋰，還是歐洲主導的鎳鈷錳酸鋰（三元鋰），都需要依賴石墨材料製造電池。石墨材料與稀土礦產，同屬於中國在資源領域的優勢條件。一旦中國選擇在這兩個領域實施出口管制，或者是美國重構供應鏈，強行中斷與中國企業的合作，這對於美國以及全球的工業體系來說有著不可逆的衝擊影響。三元鋰的密度更高，通常被用在高端的新能源汽車上。而磷酸鐵鋰雖然密度比三元鋰低，但是可以通過增大電池面積來實現密度的增加。由於三元鋰涉及到安全性的考量，並不會採用大電池方案來提升密度。兩種不同的特點，也讓磷酸鐵鋰和三元鋰有著不一樣的應用場景。磷酸鐵鋰的大電池特點，可以讓該技術滲透到商用領域。中國對於石墨資源的掌控以及磷酸鐵鋰技術的規模化應用，讓中國企業製造的磷酸鐵鋰電池在成本上面具備競爭力。比亞迪是磷酸鐵鋰的主要供應商，並且比亞迪針對磷酸鐵鋰的研發時間已經超過了20年，這讓比亞迪搶佔到了電池技術的先機。邁爾斯多夫指出，中國的長期戰略準則，利用現有的供應鏈、智慧財產權、超級工廠，建立起了一套強大的產業護城河。2016年成立的歐洲Northvolt公司曾經打算在電池領域挑戰中國企業，但是由於中國的資源和管理優勢，該公司最終在2025年3月份宣告倒閉破產。部分西方國家開始押注固態電池，企圖在固態電池技術上趕超中國，但邁爾斯多夫認為這是一種天真的想法。固態電池由於其成本較高，還無法大規模應用。並且建設生產線還需要很長時間，全新的裝置材料以及售後體系都是需要不斷完善的環節，這不是短時間內可以完成的。中國在資源上具備優勢，並且通過持續最佳化現有的鋰離子技術、強化供應鏈體系等方法來降低技術成本，這已經為以後的固態電池奠定了基礎。從戰略上來說，西方國家陷入了一個誤區，只是認為應該發明下一個技術產品來搶奪技術先機，從而忽略了對於當下產業技術的最佳化。而中國企業則是兩手抓，不但在未來技術上研發投資，而且基於現有的產業技術進行最佳化改進，為下一個技術時代做好準備。 (逍遙漠)