宇樹應用程式商店正式上線12 月 16 日，深科技消息，宇樹機器人發佈人形機器人應用程式商店，使用者可上傳分享舞蹈、武術、幹活等訓練模型，也能下載部署他人開發的動作，同時支援上傳、下載真實機器人採集的資料集，用於演算法訓練最佳化。該平台整合使用者廣場、動作庫、資料集、開發者中心四大模組，核心優勢是即下即用：使用者無需編寫底層程式碼，通過手機 APP 連接機器人，就能像安裝手機軟體一樣，將雲端運動控制演算法一鍵部署至終端。宇樹科技 2016 年成立，聚焦高性能通用足式 / 人形機器人及靈巧機械臂研發生產。今年 6 月，公司披露年度營收超 10 億元，規模約 1000 人。 (深科技)

上周五，人工智慧雲端運算公司CoreWeave（CRWV）股價大跌，導致輝達的投資組合整體價值大縮水。輝達建構了一個專注於人工智慧領域的公開投資組合，涵蓋晶片設計、資料中心營運商和基礎設施提供商等，但這些公司鮮為人知。據報導，該投資組合包含六家公司，截至第三季度末，總價值約為38.4億美元。自第三季度末以來，該投資組合六隻持倉股票中有五隻出現下跌，佔投資組合價值86%以上的CoreWeave成為拖累投資組合表現的主要因素。期間，CoreWeave 42%的跌幅幾乎是跌幅第二大的Nebius Group（NBIS，下跌22%）的兩倍。在此期間，只有Applied Digital（APLD）實現了上漲。今年9月，CoreWeave與投資方輝達簽署了一份價值63億美元的初始訂單。根據一項協議，輝達將購買CoreWeave任何未售給客戶的雲容量。但從那之後，CoreWeave短暫上漲後轉頭下跌，如今跌幅已超過30%，較今年股價6月的高點更是下跌接近60%。分析師們對CoreWeave的前景總體持樂觀態度，認為其營收增長、客戶關係和積壓訂單都是支撐因素。然而，持續復甦的關鍵在於展現盈利能力、有效管理槓桿，以及在融資和可持續性存疑的情況下證明人工智慧的持久需求依然存在。在CoreWeave於3月上市前，輝達分兩期投資了3.5億美元。輝達最初於2023年4月投資了1億美元，並在CoreWeave上市前夕追加投資了2.5億美元，最終以每股40美元的價格購入了約2420萬股CoreWeave股票，佔股7%。CoreWeave上市後，股價在6月份飆升至每股187美元的歷史新高，但此後一直穩步下跌。儘管股價幾乎翻了一番，但仍比IPO發行價下跌了近60%。上周五，其股價再次下跌10%，市值降至約390億美元——與6月底近800億美元的市值相比，大幅縮水。上周五的暴跌源於一份提交給美國證券交易委員會（SEC）的4號表格檔案，該檔案披露首席財務官尼廷·阿格拉瓦爾於12月11日以平均每股82.58美元的價格出售了66,467股股票，總計約549萬美元。CoreWeave面臨的挑戰反映了人們對人工智慧行業增長前景的普遍質疑。分析師和投資者強調了潛在的“循環融資”模式，即輝達向購買其硬體的客戶提供投資或產能承諾。CoreWeave與輝達達成的協議包括一項價值63億美元的協議，根據該協議，輝達承諾購買截至2032年4月所有未售出的雲端運算容量，這為CoreWeave提供了收入保障，但也引發了人們對終端使用者真正需求的質疑。整個行業中，隨著營運現金流不足，大型科技公司越來越依賴債務融資來支援其龐大的人工智慧基礎設施項目。Meta Platforms發行了300億美元的債券，計畫於2025年發行，以支援資料中心的擴張。而甲骨文在發佈第三季度財報後，也遭遇了投資者的強烈反對。由於投資者擔憂其債務規模已超過1000億美元，且與人工智慧項目相關的自由現金流為負，甲骨文股價下跌了15%。這引發了關於過度投資風險、潛在產能過剩以及人工智慧建設長期盈利能力的爭論。儘管CoreWeave第三季度營收強勁增長至13.6億美元（同比增長顯著），且積壓訂單量巨大，但該公司仍持續出現淨虧損，並嚴重依賴債務融資，包括本月剛剛完成的26億美元可轉換債券發行，儘管利率僅為1.75%。未來幾年，資料中心擴建所需的高額資本支出預計將達到數百億美元，這被視為對其資產負債表造成了壓力。 (北美商業見聞)

就在Google剛宣佈“2025年的資本開支將超過930億元”後沒多久，阿里就直接攤牌，甩出一記“王炸”——未來三年砸下超3800億元死磕AI基礎設施建設！而且就過去12個月來看，阿里在雲端運算和AI領域的資本開支已經超過了1260億元，同樣超越了Google，全球領跑！毫無疑問，阿里對AI領域的持續投入，主動扛起中國AI大旗，就是為了能夠快速助力中國AI產業的進步和突破，從而能夠有資格、有能力正面硬剛美科技巨頭，比如Google、Meta、OpenAI等等。通過多年的深耕和蟄伏，阿里早已成長為中國AI領域的標竿企業，且肩負著振興中國AI產業的重任，這一次，阿里“賭”對了，手握兩張硬核“王牌”，正搶佔更多行業話語權，大幅提升國際影響力。阿里的第一張“王牌”就是開源佈局，美科技巨頭在佈局AI時，依然延續了西方霸權主義思想，走閉源收費的路線。但阿里則不同，為了能夠讓更多的人使用Qwen系列大模型，採用了開源免費的方式。在全球AI都在比性能、比算力，阿里則另闢蹊徑，比用的多、用的廣、用得起。蔡崇信也說了，阿里不靠AI賺錢，這也凸顯了阿里的行業遠瞻性。實際上，早在十幾年前阿里決定自己造“雲”的時候，就有很多人質疑，但阿里雲連續虧損十年之久，也沒有停下來的意思。事實證明，阿里選對了，阿里雲也是阿里重押AI的底氣之一。回到開放原始碼的問題上，實際上阿里搞開源，並不是傻，這個過程就像是撒魚餌，一個新技術、一個新平台要讓更多的人用起來，必須要給出點什麼。而這恰恰能夠吸引更多的人才、開發者參與，更多的資料積累、更多的訓練、程式碼生成以及模型建立，都可以幫助阿里通義Qwen系列大模型更完善、更強大。更何況，使用中國AI大模型時間越久，後續要遷移資料的成本就越高，對中國AI大模型的依賴度就越高，到頭來還是繞不開阿里的雲和AI的基礎設施，不虧！現如今，以阿里Qwen系列為代表的中國開源大模型已經成為國際優先選項，在國際生態裡地位穩固，且獲得了很多科技大佬、美科技巨頭的盛讚，這也說明了，阿里對AI的未來投資是正確選擇。阿里的第二張“王牌”就是全端優勢，前面也提到了，阿里發展AI有自己的“雲”基礎支撐，AI技術再強，最終也要落地到實際的AI項目上，而阿里的全端能力是毋庸置疑的，全端基建就是阿里最大的底氣。值得一提的是，隨著千問App、靈光App以及夸克AI眼鏡等的先後發佈，這也意味著，阿里全面進入AI To C領域，從底層的雲端運算，到中層的大模型，再到應用層的AI To B/C市場，阿里正在不斷完善全端AI路線。就算真的存在“AI泡沫”，阿里也比其他科技企業具有更強的抗風險能力，可以鞏固其在全球AI領域的地位。總的來說，全球AI競爭之中，阿里作為中國AI企業的硬核代表，走上了一條創新但極具中國特色的道路，用開源換速度，用生態換粘性，已經實現了全球領先。這也給其他中國科技企業做了很好的榜樣！方向對了，努力才有價值，這場千億豪“賭”究竟誰才是最終贏家，讓我們拭目以待吧。 (W侃科技)

雲端爭霸與模型之戰：阿里與GoogleAI戰略的深度對標與未來分野一、先看棋盤：Google與阿里的最新 AI 佈局動態Google：從 Gemini 2.0—>2.5 —> 3 Pro，全面“AI 化”公司模型家族持續迭代：2024 年發佈 Gemini 1.5，率先把長上下文做到 200 萬 token。2024 年底推出 Gemini 2.0，定位為“agentic era”的通用模型，原生支援多模態與工具呼叫，目標是支撐“通用 AI 助手”。2025 年上線 Gemini 2.5 Pro + Deep Think，在推理和程式碼能力上拔高，並開放給 Google AI Ultra 使用者。最近的 Gemini 3Pro在多項基準上超越主流競品，並直接整合進 Search 和 Gemini App，配套“Thinking Mode”等複雜檢索模式。入口層全面 AI 化：Search：通過 AI Overviews把生成式摘要頂在自然結果之上，覆蓋率在 2024–2025 年間已從 26.6% 提升到 44.4%，對 SEO 和廣告模型產生結構性影響。Chrome：Gemini 深度整合瀏覽器，可跨多標籤獲取上下文做總結、寫作和自動化操作。Android / Android Auto / Wear OS：經典 Google Assistant 正在逐步被 Gemini 接管，包括車載 Android Auto 的語音助手也計畫在 2026 年之前切換。雲與企業 AI：Vertex + Gemini Everywhere在 Google Cloud 上，Vertex AI + Agent Engine 讓企業可以直接建構和託管 AI Agent，支援複雜工作流與大規模推理服務。推出 Gemini Enterprise 等方案，把 Gemini 嵌入垂直行業，例如與奔馳合作的 Automotive AI Agent 用於車載虛擬助手。通過 TPU v5p 與 “AI Hypercomputer” 建構自己的一體化算力平台，再向外輸出。開源側：Gemma 系列自 2024 年起持續迭代 Gemma 1—>2—>3，從 2B/7B 到 27B，再到多模態的 Gemma 3；下載量超 1.5 億、數萬衍生模型，成為主流開源 LLM 之一。整體來看，Google在做一件事——把 Gemini 變成整家公司乃至網際網路的“認知作業系統”，從晶片到模型再到 Search / Chrome / Android 全端打通。阿里：通義千問 + 3800 億 AI 基建 + 開源 + 新硬體入口模型家族：通義千問 / Qwen 2.5 —> 3 系列2024 年發佈 通義千問 2.5，官方宣稱中文能力全面超越 GPT‑4 Turbo，並開源 1100 億參數 Qwen1.5-110B，在多項基準上超過 Llama-3-70B，並一度登上 HuggingFace 開源排行榜榜首。2025 年初推出 Qwen 2.5-Max，阿里聲稱在多項評測上超過 GPT‑4o、DeepSeek‑V3 與 Llama‑3.1‑405B。截止2025 年，Qwen 系列已開源 0.5B–72B/110B 等多種規格，覆蓋語言、視覺、音訊、程式碼等，形成“Qwen + Wan + Qwen-VL + Qwen-Audio + Qwen-Coder”的大模型家族。開源與生態“資料點”：阿里自 2023 年起已開源 300+ 模型，基於 Qwen / Wan 的衍生模型數，到 2025 年已超 17 萬，全球下載量超過 6 億次，在開源家族中規模居前。在 Hugging Face，2024 年 Qwen 下載量佔平台總下載的 30% 以上，在開源 LLM 裡影響力極高。雲與基礎設施：3800 億 + 中國 AI 雲“霸主”2025 年 2 月，阿里宣佈未來三年在雲和 AI 硬體基礎設施上投入 3800 億元人民幣，金額超過過去 10 年總和，是中國民企歷史上最大規模的雲+AI 投資。2025 財年多個季度裡，阿里在 AI+雲基礎設施上的資本開支累計已達約 1200 億元。2025 年上半年，阿里雲在中國 AI 雲市場份額約 35.8%，超過第二到第四名之和，公共雲和 AI 產品是主要增長驅動力。產品與入口：從 Qwen App 到 Quark AI 眼鏡推出 Qwen App，試圖把原本分散在釘釘、通義官網、瀏覽器外掛裡的 AI 能力統一為一個 C 端入口，對標 ChatGPT / Gemini App。2025 年 11 月發佈 Quark AI 眼鏡，以通義Qwen 為底座，主打即時翻譯、價格識別、導航和購物等，與支付寶、淘寶等深度打通，定位“生活助手型”眼鏡，而非 VR娛樂裝置。算力與地緣限制受美國對高端 GPU 出口管制影響，阿里在中國境內受限，但通過在東南亞的資料中心租用 Nvidia GPU 進行訓練（例如在新加坡、馬來西亞），再在國內進行微調以滿足資料合規。整體來看，阿里在通過 “通義 + 阿里雲 + 開源 + 新硬體入口”，試圖把自己重塑為中國與新興市場的 AI 基礎設施提供商和生態“水電公司”。二、 戰略思想：技術信仰 vs. 商業實用主義兩家公司的AI戰略原點，深深植根於其企業基因之中。Google：通用智能的“全端技術流”，把 AI 放在“作業系統 + 分發層”，而不是單一 ToB 產品Google的戰略核心是“通用性”與“無處不在”。作為Transformer架構的誕生地，Google的AI戰略帶有濃厚的理想主義色彩——即實現AGI。CEO Pichai 多次強調，“AI 比火、電或網際網路更深刻”，並把公司戰略從“Mobile‑first”升級為“AI‑first”。核心思想： AI不僅是工具，更是認知作業系統和下一代計算平台。Gemini 不只是聊天機器人，而是 Search / Chrome / Android / Workspace / Cloud 等各產品線的統一認知層，未來通過 Agent Mode、Mariner 等能力替使用者直接“操作網際網路”。戰略定力： 儘管在ChatGPT發佈初期略顯慌亂，但Google迅速回歸其全端優勢：從晶片（TPU）到資料中心，再到模型Gemini和應用Search, Workspace, Android等，打造一個無法被穿透的生態閉環。阿里巴巴：雲智一體的“基礎設施流”，把 AI 放在“基礎設施 +業務增效層”，而不是定義一個新的“認知 OS”阿里的戰略核心是“賦能”與“商業落地”。在經歷組織變革後，CEO吳泳銘明確了“AI驅動”戰略，其本質是“雲端運算的二次增長曲線”。核心思想： 讓AI成為水電煤。阿里並不執著於做一個壟斷的超級模型，而是致力於做“AI時代的公共雲底座”。戰略路徑： “模型即服務”（MaaS），通過“通義千問”的高品質開源，降低全社會的AI使用門檻，從而將流量和算力需求導向阿里雲。阿里賭的是：模型終將商品化，而算力才是永恆的剛需。洞察： Google想做“上帝的大腦”，試圖理解全世界的資訊；阿里想做“市場的推手”，試圖最佳化全社會的交易與生產效率。三、 業務策略：封閉生態的護城河 vs. 開源突圍的攻城錘在業務打法上，兩者展現出了截然不同的進攻姿態：模型策略方面，Google在旗艦能力上整體仍有優勢，特別是 超長上下文、深度 agentic 推理與全球多語言相容度。阿里在 中文場景和開源陣營 裡極具競爭力，Qwen 家族已被認為是中國乃至全球最重要的開源 LLM 系列之一。算力底座方面，在“縱向深度”上，Google更強：從晶片 —> 超算 —> 雲平台 —> 模型 —> 應用。在“橫向廣度”上，阿里在中國算力供給和基礎設施上極具規模優勢，但仍是 GPU 生態的價格接受者，而非規則制定者。開發平台方面，Vertex 更全球化、連接主流企業 IT 堆疊；Model Studio 更貼合中國企業與本地生態。深度解析：阿里的“開源陽謀”Google因為擁有搜尋這一巨大的現金牛（Cash Cow），必須防守，因此傾向於封閉以保護其廣告商業模式不被過快顛覆。而阿里作為AI大模型的追趕者，選擇了激進的開源策略。Qwen-72B等模型在性能上逼近GPT-4，這種策略極其高明：瓦解對手壁壘： 通過提供免費的高性能模型，擠壓由於閉源而收費的中小模型廠商的生存空間。繫結雲生態： 雖然模型免費，但運行模型的高性能算力（阿里雲）收費。這是典型的“送剃鬚刀架，賣刀片”的邏輯。四、 產品策略：存量改造 vs. 場景重構五、 差距分析：阿里需要正視的挑戰雖然阿里在國內處於領先地位，但對標Google，仍在一些方面存在差距。更本質的一點：Google的優勢在 “全球作業系統級分發 + 全端技術深度”；  阿里的優勢在 “中國市場基礎設施規模 + 開源吸附力 + 場景理解”。但 “作業系統級入口”與“晶片級話語權” 是結構性資源，一旦錯過很難補齊——這是阿里相對Google最大的硬傷。算力硬約束這是最大的阿喀琉斯之踵。Google： 擁有TPU v5p等自研AI晶片，且坐擁全球最龐大的TPU叢集。Google掌握了從晶片設計到編譯器再到模型訓練的全鏈路主導權。阿里： 儘管阿里雲技術強大，但受限於美國晶片禁令，高端算力（如H100/H200）獲取困難。雖然在軟體層面做了大量異構計算最佳化，但物理算力的天花板決定了模型訓練迭代的速度和上限。原創性與人才密度Google： 是DeepMind的擁有者，是Transformer、MoE、AlphaFold的誕生地。Google聚集了全球最頂尖的AI科學家，做的是從0到1的突破。阿里： 更多是從1到10的工程化極客。通義千問雖然表現優異，但在模型架構的底層創新上，仍多是跟隨西方的技術路線。不僅缺頂級晶片，更缺能定義下一代架構的頂級大腦。商業變現的路徑依賴Google： 路徑比較清晰，Search Ads + Cloud API + Workspace Subscription。阿里： 目前主要靠賣算力，即阿里雲）。在電商側，AI能否直接帶來GMV的顯著增量尚待驗證。如果AI只是提高了效率但沒做大蛋糕，對於阿里這種體量的公司來說，邊際效益是遞減的。全球入口Google：Search、Chrome、Android、YouTube，幾乎覆蓋全球網際網路高頻入口阿里：主要是淘寶、天貓、支付寶、夸克、釘釘，集中在中國，阿里缺乏 OS / 瀏覽器級入口，是結構性短板六、 未來展望：體系化的演進路徑Google的未來：可能邁向“無限語境”與“主動智能”Agentic AI（代理智能）： Google將利用Android生態，讓AI不僅僅是回答問題，而是幫使用者“做事”（訂票、發郵件、操作APP）。多模態推理： Gemini將不僅理解視訊，還能進行複雜的跨模態邏輯推理，這將徹底改變YouTube和搜尋的形態。阿里的未來：可能深耕“垂直產業”與“異構算力”產業AI化（Vertical AI）： 阿里將避開與美國巨頭在AGI上的正面硬剛，轉而結合中國強大的供應鏈優勢，深耕製造、物流、金融等垂直領域的行業模型。算力突圍： 阿里將不得不加大自研晶片（含光NPU等）的投入，並大力發展異構計算軟體棧，試圖用軟體最佳化來彌補硬體製程的代差。七、 結語：平行宇宙下的殊途同歸阿里與Google的這場AI對決，遠非簡單的市值之爭或產品競速，它是中美兩大科技生態在不同約束條件下，對“智能時代作業系統”控制權的終極爭奪。1. 地緣技術格局：從“同向競速”到“平行宇宙”過去二十年，中美網際網路巨頭在摩爾定律的同一條軌道上賽跑。但在AI時代，由於地緣政治與硬體封鎖（如GPU禁令），雙方正在分裂為兩個“平行宇宙”。Google，資源富足型的暴力美學： Google代表了西方“大力出奇蹟”的巔峰。依託幾乎無限的高端算力，如TPU叢集，和頂尖人才密度，Google致力於攻克AGI的“珠穆朗瑪峰”，試圖用全知全能的超級模型來定義人類知識的邊界。Alibaba，資源約束型的生態突圍： 阿里代表了中國在極限施壓下的韌性。在算力受限的背景下，阿里被迫走上了一條“精益計算”與“應用驅動”的道路。通過開源Qwen系列建構“朋友圈”，阿里試圖用生態的廣度來彌補單點算力的厚度，證明了在非頂級硬體上依然可以跑出世界級的模型。這種“在匱乏中創新”的能力，或許是阿里未來最大的隱形資產。2. 商業文明演變：從“流量分發”到“意圖執行”阿里和Google的焦慮，本質上是對舊時代商業模式崩塌的恐懼。搜尋的黃昏與代理的黎明： Google的搜尋和阿里的電商搜尋，本質都是“連結的羅列”。而AI的終局可能是“連結的消亡”。未來的使用者不再需要十個Google藍色連結或一堆淘寶商品列表，他們只需要一個“結果”。Agent智能體的戰爭： 誰能率先完成從“提供資訊”到“替人辦事”的跨越，誰就是新王。Google希望Gemini成為你生活中的全能管家，可以訂機票、回郵件；阿里希望通義成為你生意上的全能合夥人，可以搞定采購、做客服。雙方都在爭奪“使用者意圖的唯一入口”。一旦這個入口被壟斷，傳統的APP孤島模式將被徹底粉碎。3. 組織進化的痛苦：大象不僅要跳舞，還要換血在這場戰役中，最大的敵人不是對手，而是“過去的自己”。Google的挑戰是“反熵增”： 作為矽谷的養老院，Google必須找回創業時期的野性。它需要在“保護搜尋廣告收入”和“自我革命”之間走鋼絲，稍有不慎，就會重演柯達時刻。阿里的挑戰是“去中心化”： 阿里需要從一個強營運導向的電商公司，蛻變為一個崇尚技術理想、容忍長期投入的硬科技公司。這不僅是戰略的轉型，更是企業基因的重組。Google在仰望星空，試圖打造“上帝的大腦”，解決全人類的通用問題；阿里在腳踏實地，試圖打造“萬能的手”，解決商業世界的效率問題。雖殊途，但終將同歸——兩家公司最終都將不再是網際網路公司，而會進化為驅動社會運轉的智能基礎設施。在這場沒有終點的馬拉松裡，勝負不再取決於誰的模型參數更大，而在於誰能更快地將昂貴的智力資源，轉化為廉價的、人人可用的社會生產力。 (AI Xploring)

OpenAI 於 2025 年 11 月 19 日發佈了 GPT-5.1-Codex-Max，本質上是在原有 GPT-5.1-Codex 之上，對“長程編碼任務”和 agent 化工作流做的一次定向升級：底層換成新版推理基座模型，訓練資料更貼近真實軟體工程過程，包括 PR 建立、程式碼審查、前端開發和技術問答，並在訓練階段顯式針對 Codex CLI 和 Windows 環境做了適配。官方同時將其設為 Codex 系列默認模型，經由 Codex CLI、IDE 外掛、雲端整合和程式碼評審等通道提供給現有使用者，API 計畫稍後開放。基準表現與長程任務能力從已公開的基準資料看，Codex-Max 相對上一代 Codex 的提升是具體且可量化的，而不是“版本號一加、能力翻倍”式的包裝。公開資料與社區整理結果顯示，它在 SWE-Lancer IC SWE 上從 66.3% 提升到約 79.9%，在 SWE-Bench Verified 上從 73.7% 升至 77.9%，Terminal-Bench 2.0 則從 52.8% 提升到 58.1%。這些測試運行在較高推理檔位，並結合所謂“compaction”機制：當上下文臨近極限時自動壓縮會話，僅保留關鍵要點，以便在單一任務中跨越百萬級 token。OpenAI 在產品文案和系統卡中反覆強調，Codex-Max 在內部環境下可以連續工作 24 小時以上，完成多階段重構、測試驅動迭代和自主演進式偵錯。這說明在 Codex 受控環境中，模型在多輪失敗和自我修正中仍能保持相對穩定的策略，而不僅僅是一次性給出答案。但這類長程任務的表現目前主要來自廠商自證和少量早期使用者反饋，在更複雜的企業程式碼庫和 CI/CD 流水線下能否復現，仍需要時間檢驗。OpenAI 同時表示，在中等推理強度下，Codex-Max 在保持或略微提升精準率的情況下，思考 token 消耗比上一代減少約 30%，理論上可以在不犧牲質量的前提下降低時延和成本。這些數字目前仍以官方披露為主，第三方系統化驗證尚不充分，更穩妥的做法是將其視為趨勢性訊號，而非精確定價依據。與 Gemini 3 Pro 的能力對比與 Gemini 3 Pro 的關係，比單純比較“誰更強”要複雜得多。DeepMind 的官方材料顯示，在 LiveCodeBench Pro 這類偏演算法競賽風格的基準上，Gemini 3 Pro 的 Elo 在 2400+ 區間，顯著高於此前的 GPT-5.1 系列；在若干長程、工具使用與博弈類任務中，Gemini 3 Pro 也有相對明顯的領先，被普遍視為“複雜推理 + 多模態 + agent 組合任務”上的強項。過去幾天的技術部落格與評測大多據此認為，Gemini 3 Pro 在“複雜推理 + 多模態 + agentic 任務”上，對 GPT-5.1 形成了階段性優勢。Codex-Max 引入後，這種對比出現了一些局部反轉。根據 OpenAI 自身資料和早期評測，在 SWE-Bench Verified 和 Terminal-Bench 2.0 這兩類更貼近真實工程和終端操作的基準上，Codex-Max 相對上一代 GPT-5.1-Codex 有明顯提升，並在部分設定下略高於當前公開版本的 Gemini 3 Pro。不過，這些對比往往使用不同 agent、不同終端環境和不同推理檔位，嚴格意義上的“同場雙盲”樣本並不多，目前更適合解讀為：在若干具體編碼基準上，兩者已進入“互有勝負”的狀態，而不是誰絕對壓制誰。更現實的判斷是：在日常“寫業務程式碼、修缺陷、補測試”這類任務中，兩者都足夠強，差異更可能體現在長任務穩定性、對特定平台和框架的適配程度，以及與現有工具鏈的整合深度。Codex-Max 更像是在 OpenAI / Codex 生態內部，把“工程 agent”這條線補足到不落於人，而 Gemini 3 Pro 則持續押注於“多模態 + 高階推理 + 超長上下文”的整體能力版圖。價格策略與“長任務經濟性”在經濟性方面，兩家目前採用的策略並不完全相同。Gemini 3 Pro 的 API 定價較為透明：在 200k token 內，每百萬輸入約 2 美元、輸出約 12 美元；超過 200k 之後分別翻倍到 4 美元和 18 美元，明顯通過價格對超長上下文收取溢價，同時在宣傳中頻繁強調“100 萬 token 上下文”的賣點。相比之下，OpenAI 尚未單獨公佈 Codex-Max 的 API 價格，而是強調通過 compaction 和思考 token 最佳化來降低有效成本，即在模型內部結構和推理策略上做文章，而不是在價格表上人為劃分“短上下文”和“長上下文”檔位。對真正會跑長任務的團隊而言，最終帳單會同時受兩類因素影響：模型本身的 token 效率，以及平台對長上下文的計費方式。現階段，大致可以預期 Gemini 3 Pro 在極長上下文、多模態場景的成本會相對更高，而 Codex-Max 在純文字 / 程式碼長任務中的“性價比”則需要依賴未來更多第三方使用資料來判斷。工具鏈與開發流程的策略差異從產品路線看，兩家在“工程 agent”問題上的回答明顯不同。OpenAI 的選擇，是儘量不觸碰開發者的主戰場：Codex-Max 深度嵌入 Codex CLI、傳統 IDE 外掛、雲端整合與程式碼評審流程，尊重現有的 Git / CI/CD 流程，只在原有流水線上引入更強的自動化能力。這種路徑的現實意義在於，企業不必在 IDE、原始碼託管或 CI 系統上做大幅遷移，只需要在權限和審計層面逐步提高對 agent 的信任度。Gemini 3 Pro 則試圖配合 Antigravity 直接重構開發環境。Antigravity 的設計圍繞多 agent 管理、Artifacts 記錄（計畫、執行證據、測試結果）以及自動UI 操作展開，把“agent 作為一等公民”的假設寫進 IDE 形態。這意味著，選擇這一路線的團隊，在獲得更激進自動化可能性的同時，也要面對 IDE 層級的範式遷移成本。短期內，OpenAI 路線的落地阻力顯然更小；但如果 Antigravity 這種模式在部分大廠內部證明有效，長期對開發工具和雲平台格局的衝擊可能更直接。安全、治理與不確定性在安全治理方面，OpenAI 的系統卡指出，GPT-5.1-Codex-Max 在網路安全方向已經“非常有能力”，但尚未達到其內部定義的“高能力”閾值，在生物安全方向則按高能力模型管理，配套更嚴格的使用限制和監控。為降低長程 agent 帶來的額外風險，OpenAI 在 Codex 產品層疊加了沙箱執行、可配置的網路訪問，以及行為監控與速率限制等機制。這些措施能在多大程度上覆蓋真實企業環境下的濫用場景，目前仍缺乏足夠公開案例，只能說方向合理，但效果有待觀察。Gemini 3 Pro 在官方材料中同樣強調安全評估與企業級控制選項，但在具體編碼任務下的攻擊能力、越權操作風險等方面披露更為克制，外部公開資料主要來自綜合評估和少量第三方測試。對有合規壓力的組織來說，一旦開始認真嘗試 24 小時等級的自治編碼任務，技術問題之外，很快會面臨審計、責任界定甚至監管層面的額外要求，這部分目前基本還處在“實踐先於規範”的階段。初步判斷與現實決策點綜合來看，GPT-5.1-Codex-Max 更像一場經過精心選擇發佈時間的防守反擊：在 Gemini 3 Pro 通過一系列基準與多模態能力佔據敘事高地之後，OpenAI 把“編碼專用”這一子類重新拉回到一個至少不落下風的位置，並在 SWE-Bench、Terminal-Bench 等對開發者更敏感的指標上爭取了部分優勢。然而，無論是 Codex-Max 還是 Gemini 3 Pro，目前都更適合被視為“強力助手 + 局部自治 agent”，距離可以完全接管軟體工程流水線、在企業環境中大規模無監督運轉，還有明顯距離。在這種背景下，對真正需要做技術選型的團隊來說，現在去糾結某個單一基準上差一兩個百分點的勝負意義有限，更現實的決策維度可能包括：現有工具鏈與那個生態的耦合程度更深，組織內開發者對那一套平台更熟悉，在安全與審計層面能接受怎樣的自治邊界，以及是否有意願為 Antigravity 這類新範式額外付出一輪遷移成本。至於長程 agent 是否真能在實戰項目中穩定跑完 24 小時以上任務，這件事大機率只能交給未來一兩年的真實項目和內部 A/B 測試來給答案。 (InfraNative)

今年阿里第三次集中力量辦大事。在科技公司大建 AI 的敘事裡，阿里之前更像美國的亞馬遜、微軟 —— 沒有微信、抖音那樣的全民流量入口，AI 投入選擇偏向企業客戶，不斷買卡建算力中心，以雲端運算業務抓住千行百業對 AI 的渴望。過去幾年，阿里在 AI 方面的主要進展也不在應用層 —— 入股多家中國頭部大模型創業公司、自研的 Qwen 系列大模型在諸多測試贏過其他開源模型、阿里雲加速增長。但 AI 助理 “千問 app” 在 11 月 17 日正式宣佈公測說明阿里想要更大的劇本。新的千問應用明確對標 ChatGPT 最新的 5.1 版本。它由此前的通義 app 和夸克 AI 對話助手升級而來，接入阿里通義實驗室最新的 Qwen 3 - Max 模型。這是繼 AI 基建、淘寶閃購後，阿里今年宣佈的又一個集團戰略項目，負責人是阿里巴巴智能資訊事業群總裁吳嘉。9 月起，上百名阿里工程師聚集在阿里巴巴西溪園區 C4 樓封閉開發 —— 和高德掃街榜上線前類似。ChatGPT、千問、豆包登陸後的初始介面。據我們瞭解，此次推出的是初級版本，很快會有大更新。除了會聊天，千問項目團隊還在聯合包括淘寶、高德、閃購、支付寶等產品的團隊聯合開發，希望更深嵌入相關產品，解決使用者的實際問題。一位阿里人士說，“阿里有很好的模型基礎，在 C 端肯定要有一個很強的入口，且要做一個 AI 原生應用，阿里會把 AI 超級入口的重點集中在千問上。”中國網際網路巨頭可能都沒有亞馬遜、微軟那樣奢侈的選擇權——退後一點，讓 ChatGPT、Gemini、Claude 接入自己的產品庫。豆包背後的字節跳動有辦公軟體也有自己的電商平台。在這裡，每個巨頭都必須保證自己有流量入口。拼多多內建短影片、阿里進入外賣大戰都是入口之爭。而聊天助手是目前最直接可見的 AI 入口。我們訪談了千問項目的產品經理和其他一些參與的阿里人士，回答為什麼阿里現在推出千問 app，之後的策略是什麼。以下是阿里相關人士回答，經刪減和調整，未改變對方原意。晚點：距離 DeepSeek 時刻已經過去快一年，為什麼現在做千問 app？千問團隊：阿里肯定要有一個非常強的 to C 的入口。這是每家大公司都在思考討論的問題，只是可能路徑不太一樣，和每家公司的業務構成和業務形態、能力累積等都有關聯。阿里的路徑肯定是從雲、基礎模型開始做，模型能力是最重要的，然後再回到 C 端。當下的時機剛剛好，有兩個原因促使我們要重點去做千問這款原生的 AI 產品：1. 模型的成熟度，Qwen3 - Max 整體性能、效果都已經達到全球領先。2. 整個 Agent 生態的成熟度，不管是整個三方生態還是集團內部的生態，都到了一個更能被模型普遍呼叫、能解決更多問題的狀態，我們也花了大量時間處理內部業務的資料互通，還有整個的授權能力。補充：一些事實和行業情況今年阿里每隔幾個月都會有關於 AI 的大動作 —— 2 月發佈 24Q4 自然季財報前，宣佈未來三年將投入超過 3800 億元建設雲和 AI 硬體基礎設施；5 月發佈 25Q1 自然季財報前，正式發佈通義千問 Qwen3 大模型；9 月中旬，The Information 報導稱阿里開發了一款新的 AI 晶片；再過一周，阿里將發佈新一季財報。晚點：對手產品已經推了半年，阿里現在做一個 AI 原生超級入口，晚嗎？千問團隊：不晚，原因也是兩點：1. 國內還沒有一款 AI 應用能夠穩定突破億級 DAU（日活躍使用者），這是一個重要的體量門檻，意味著至少國內還沒出現一個國民級的 AI 應用；2. 不論國內那款產品，客觀說還處於初級階段，沒有真正演進到能解決很多實際問題的程度。大家都是基於本身的知識和優勢來輔助人，而要邁過這個智力門檻，需要的不只是資料，更多依賴在理解世界、自主學習等底層架構上的突破。”補充：一些事實和行業情況今年 3 月，吳嘉對我們說，隨著模型能力的發展，現在到了應用的爆發階段，如果以過億 DAU 為標準，面向 C 端使用者的中國 AI 超級應用一定會很快到來，“不是 2025 年，就是 2026 年上半年。”QuestMobile 資料顯示，2025 年 10 月，AI 原生應用中，豆包的 DAU 最高，5410 萬；DeepSeek 2860 萬，騰訊元寶 560 萬（未包括直接微信裡使用元寶的使用者，但那更少）。作為對比，OpenAI 10 月披露 ChatGPT 全球周活躍使用者超過 8 億，以此推斷日活不可能少於 1 億，可能接近 2 億。晚點：“對標 ChatGPT”，千問要做成什麼樣的產品？千問團隊：千問定位是一款能聊天、會辦事的產品，能夠幫使用者真正解決很多實際問題。P 圖本身也是需求的組成部分，但只有覆蓋了使用者工作、學習和生活當中的大部分問題，才能走到 1 億 DAU。目前千問團隊最重要的是怎麼能夠徹底去激發模型的力量，把它和使用者現在和潛在、未來的需求進行更高程度的關聯。我們的主要工作分為兩個階段：第一階段，核心做好使用者體驗和口碑評價，基於模型快速進行產品迭代；第二階段是千問和阿里各個業務的整體協同，目前千問與高德、淘寶、支付寶、閃購等都已經在做一些聯合開發的工作，進展非常快，預計很快還會有大版本的更新。辦事能力指的就是能解決更複雜的任務，比如結合淘天的 AI 萬能搜，千問基於過去使用者的喜好習慣給使用者做推薦，甚至比價；再比如使用者有一個晚上想做的菜，千問能基於這個菜幫使用者提前買好對應的食材。晚點：千問和 ChatGPT 的產品思路會有什麼區別？千問團隊：會有不同：1. 我們強調普通人可以隨時用、免費用。目前完全不考慮收費的事，專心做好產品;2. 我們希望 ChatGPT 有的能力我們都有，很多會快速上線，另一方面 ChatGPT 沒有的我們也有，主要就是阿里生態裡的各種 agent 服務，內部業務合作、協同的程度會更深。我們必須承認，中國網際網路實際是封閉的，大家都把自己的資產當作最強的競爭門檻。這對於每一家網際網路大公司都是一個普遍問題。ChatGPT、Gemini 都驗證了一個路徑，依託模型的領先可以在 C 端產品上實現突破，這件事的本質是對模型智力的追求，我們的思考路徑也是一樣的。對千問團隊最大的挑戰是，阿里體系下有這麼多 agent，怎麼基於場景把它們更好地串聯在一起？使用者很多需求使用的不是一個或者兩個 Agent 的服務，比如說我想要規劃一個團建，呼叫的不只是飛豬，可能還有很多支付、出行、購物等一系列能力，怎麼把它們有機且絲滑得串聯在一起，這個難度比較大，因為每一個 Agent 的能力成熟度不一樣。晚點：什麼時候確定開始做千問，誰來主導？千問團隊：產品、演算法層面一直在做相關的準備工作，不是一次拍板，是個演進的過程。差不多在 2025 年夏天，阿里核心管理層的討論會更多一些，確定阿里要投入多少資源，投入多少力度去做這件事情，國慶前是阿里上上下下對千問項目討論最密集的時候。最終是吳泳銘做出的判斷和決定 —— 阿里巴巴必須要有一個 AI 原生的 C 端超級入口。9 月後，從北京、廣東調來上百名工程師，大家在阿里巴巴西溪園區 C4 樓封閉做千問項目，現在這幫人坐的地方是三層和四層，高德掃街榜當時封閉時坐的是二層。千問是高德掃街榜之後的又一個集團戰略級項目，吳嘉是負責人，團隊以智能資訊事業群為主，還有很多業務都參與，包括阿里雲、通義實驗室、淘天、高德等，一起在做共同開發。千問產品和大模型的對接，在產品方向上，由夸克團隊和通義實驗室一起針對拿到的使用者資料和反饋、各種應用場景做定製化的模型訓練和最佳化。晚點：阿里消費端 AI 的戰略具體是什麼樣的？千問團隊：面向使用者，一塊是原生應用，也就是千問；另一塊是原本業務的 AI 化，夸克、淘天、1688、高德、海外電商等都在做一些事實半年前，吳嘉對我們說，他希望夸克成為一個對使用者有用、專業、萬能的 AI 產品。“我們的第一優先順序肯定是讓夸克現如今這麼大的群體都享受到 AI 帶來的價值。”但夸克應用包羅萬象。需求最大的是搜尋，還有相當數量的使用者會在夸克網盤裡直接看劇。88VIP 有一項權益是贈送夸克網盤會員。根據 QuestMobile 的資料，夸克的 DAU 在 2025 年 1 月為 2970 萬，一直到 10 月，這個數字也只小幅增長到 3370 萬，與之對比的是，豆包 9 月較前一個月就多了 850 萬 DAU。一位阿里人士說，夸克的部分流量一直未被第三方資料標記，導致外部統計並不精準，目前實際 DAU 在 5000 萬 - 6000萬之間。2025 年，夸克關於 AI 的動作頻頻，上線了超級框、高考志願大模型、AI 創作平台、AI 眼鏡、AI 對話助手等。千問團隊：產品形態上，千問這樣的 chatbot 和夸克的超級框，其實不完全矛盾。打個比方，肯定不是說 Google 做了 Gemini，Google search 就不重要了。2025 年上半年，阿里當時的確希望通過夸克來嘗試 AI 時代的入口。夸克有原來的使用者、產品基礎，而且是一款年輕人都在用的產品。隨著 AI 能力的提升，我們覺得對話式 AI 助手是更好的形式，接下來阿里會重點發展千問，並把它放進夸克。夸克的定位是 AI 搜尋和 AI 瀏覽器。過去一兩年，阿里在組織上有一個非常大的變化，比如閃購這場仗不是閃購自己也不是淘寶自己打。它在競爭裡能站穩腳跟的本質，是集中了整個阿里所有的優勢資源，明確指揮官，統一指揮。 (晚點LatePost)

今年的市場不見往日把美林時鐘捲成風扇的極致輪動，而是在猶如土撥鼠之日的重複裡不斷上演似曾相識的新高。投資者來來回回似乎總在交易同樣的主線——要麼是在全球貨幣秩序重塑的宏大敘事裡與黃金眉來眼去，要麼是在科技改變世界的宏偉藍圖裡與AI舉案齊眉。市場在近乎單調的行情裡，逐漸走向新一輪財報季。但會計報表還沒出，太平洋彼岸的科技公司就已經提前進入了新一輪“預期加碼”。上個月，OpenAI宣佈投資1000億美元購買Oracle的雲端運算服務，轉頭Oracle就宣佈投資1000億美元買輝達的顯示卡，然後輝達就宣佈向OpenAI投資1000億美元建設10吉瓦的AI資料中心。腦筋急轉彎之最後到底誰出了這1000億，還沒蹲出來權威答案，事情就又起了新的變化。2025年10月6日，繼輝達之後，Open AI與AMD也達成了一項價值數百億美元的合作協議：OpenAI 承諾將會在未來的幾年中累計部署6 吉瓦的 AMD GPU，並且將於2026年下半年開始部署首批AMD Instinct MI450 GPU 。與此同時，AMD 向 OpenAI 發行了普通股的認股權證，在滿足解鎖條件的情況下，Open AI 能以每股0.01美元的行權價購買最多1.6億股AMD普通股。如果按行權條件之一“AMD股價達到600美元”來計算，1.6億股的價值將達到960 億美元，四捨五入又是一個千億級的佈局。一周之後的2025年10月13日，OpenAI再度出手，宣佈與博通達成深度定製晶片的合作。AI投資大循環的生態系統裡，又迎來了一個1.5兆市值的巨頭參與其中。OpenAI 的朋友圈群賢畢至、金碧輝煌，但分歧也隨之而來。樂觀者們看到的是科技巨頭們 All in AI的決心，悲觀者們則是質疑這種類似“梯雲縱”的遊戲就像空中樓閣，隨時可能倒塌。站在當下這個時點，如何看待不斷新高中的AI成為了市場最為激辯的話題之一？遠川整理了部分機構近期對於人工智慧的觀點和討論以供讀者參考。高盛：AI沒有泡沫10月8日，高盛發佈了一篇題為《Why we are not in a bubble...yet》的研報，旗幟鮮明地表示：AI還沒有形成大規模的泡沫。高盛在報告中談到泡沫通常會涉及到三個重要的組成部分：資產價格的迅速上漲、估值過高以及槓桿增加驅動的系統性風險顯著上升，而這三者當下都還未達到產生泡沫的程度。首先資產價格的快速上漲並不直接意味著泡沫的產生。譬如今年國防類股票也產生了可觀的回報，而歐洲銀行股在過去幾年的表現甚至超過了美國科技股，但市場卻並沒有產生對其產生泡沫的擔憂。因此，價格上漲的速度並不是泡沫產生的充分條件。只有當股價所代表的相關公司總價值超過它們可能產生的未來潛在現金流時，泡沫才可能形成。站在當下來看，股價的快速上漲更多反映的是強勁而持續的盈利增長，而非對未來過度的投機。根據相關資料顯示，美國科技股的股價變化和EPS增速高度重合，這無疑表明了強勁的基本面是股價上漲的源動力。其次，美國市場的估值相對於其歷史而言雖然處於高位，但科技股的估值卻還遠沒有達到網際網路泡沫的峰值。高盛通過將過去科技股的回報分解為盈利、估值和股利貢獻後發現，2000年網際網路泡沫峰值時，除了盈利之外，還有比我們今天所見的要大得多的估值上升。尤其是對於歐洲電信股來說，估值上升甚至更陡峭，回報幾乎完全由估值而非盈利驅動。而當下"七巨頭"的24個月遠期市盈率中位數為27倍，如果排除特斯拉（其市盈率遠高於其他公司），則為26倍，僅是1990年代末最大7家公司等效估值的一半；PEG比率更是遠低於1990年代末的水平。因此估值曲線雖然看起來有些陡峭，但只要盈利始終沒有令人失望，那麼就不會產生大規模的泡沫。最後，同1990年代末不同的是，美國科技股的資本支出與銷售額之比迅速攀升的同時，資本支出與自由現金流之比卻一直保持穩定。這意味著當今大型科技公司的資產負債表因高現金流和低槓桿率而得到加強。儘管這些公司仍有可能無法實現足夠的投資回報，但並不會像此前網際網路泡沫破裂時對更廣泛的經濟產生系統性影響，因為它們的資產負債表仍然強勁。歸根到底，對於高盛以及所有的AI支持者而言，不論是來自於AI還是其他業務，只要公司的盈利還在保持增長，那麼股價的上漲也會成為理所當然，而泡沫也就永遠不會產生。只是對於諸多謹慎的投資者而言，“只要公司的盈利還在保持增長”似乎不再是一個令人篤定的假設，他們選擇離開這場AI的盛宴，並從蛛絲馬跡當中捕捉到一些人工智慧當下所面臨的困境。Kuppys Korner：對AI有少量看跌押注不論是看好還是看空，對於當前人工智慧行業而言，投資者繞不開的關鍵問題都在於：需要多少收入才能證明當下的資本開支是合理的。10月5日，避險基金Praetorian Capital的創始人Kuppys Korner在官網上發佈了一篇名為《An AI Addendum》的文章，表達了自身對於人工智慧行業的質疑。通過走訪資料中心產業端的人員，他發現自己此前對於資料中心的折舊年限還是太過於保守了。由於資料中心的使用壽命最多為三到十年，同時每隔一兩年就會出現一次新的 GPU 迭代，因此折舊曲線將加快到三到五年的範圍。這意味著行業可能需要一個接近 3200 億美元至 4800 億美元範圍的收入範圍來實現今年資本支出的收支平衡。而目前人工智慧每月產生的收入僅僅為10億美元左右。尤其是伴隨著2026 年還將建造數千億個額外的資料中心，對於收入水平的要求將高達1兆美元才能達到收支平衡，且其中還不包括數兆美元的回報要求。可以預見的是，屆時將會產生巨大的收支缺口。與此同時，Kuppys Korner還發現行業中並非所有的人都希望能夠獲得資本回報，尤其是對於政府來說，人工智慧或許同樣只是國家戰略的一部分。“回想一下橫貫大陸的鐵路的建設。出於戰略原因，政府希望連接海岸，並意識到需要補貼。於是它們想盡了各種各樣的辦法來達到他們的目的。譬如土地贈款以及廉價貸款。”Kuppys Korne寫道。最終，國家完成了橫貫大陸的鐵路目標，即便當時鐵路的運輸費率要低於營運成本，但更多的鐵路公司卻在這一過程當中經歷了破產。在他看來，如今的人工智慧與當初的鐵路建設並無二致：政府希望美國能夠在人工智慧領域獲勝，並給予了諸多的支援，卻未對其所創造的價值作出相應的要求。就像舊金山聯儲主席瑪麗·戴利在採訪中說的那樣，“即使投資者沒有得到早期在投資時所認為的所有回報，它也不會讓我們一無所有，反而會給我們留下許多的AI基建[1]。”但問題在於，如果資料中心的擴建停止，人工智慧受益人的股票就會被拋售，財富效應就會逆轉。當消費增長為負值時候便會遇到金融恐慌，這種恐慌在反饋循環中將會影響到整個經濟。就像鐵路建設過程中不斷破產的公司最終導致了金融恐慌一般，當下的人工智慧建設也正處於這樣一個明斯基時刻。在文章的末尾處，Kuppys Korner這樣說道，“從鐵路到 2000 年的光纖建設，從 1830 年代的運河泡沫到 1920 年代的發電廠泡沫。如果大規模地做一件不能從經濟學角度去解釋的事情，那麼它只會引發一場行業危機，並最終演變成一場國家經濟危機。”尾聲2025年年初，Deep Seek的橫空出世讓“算力通縮”成為了彼時AI最大的分歧。簡單來說，就是DeepSeek能夠以極低的成本訓練出了高性能模型，那麼科技公司就可以相應地減少對於算力的需求。而這種擔憂的持續發酵也讓輝達在2025年1月27當晚跌幅達到了16.97%。但預想中的“算力通縮”並未到來，相反，科技巨頭們在此後的季報中不斷上修自己對於AI的資本開支，並就此開啟了新一輪算力的軍備競賽。原因也不難理解：既然低訓練成本就能夠生成Deep Seek，那麼隨著算力的增加，最終生成更好模型的機率也就更高。根據高盛研報資料顯示，美國最大的5家科技公司現在的總價值超過了歐洲斯托克50指數、英國、印度、日本和加拿大市場的總和，其價值約佔全球公開股票市場總值的16%。時至今日，科技公司已經將AI產業的發展玩成了金融內循環。收入增速只是一個維度，市值上漲也是一個維度。投入與產出的平衡，算術題好像不只是在財務報表上。動輒兆市值的大公司們，因為一則新聞跳漲10%，就能多出來1000億的事情，在今年的市場上早已見怪不怪。這麼看來，投資者真的不要再責怪A股是一個融資市了。AI產業動輒千億的資本開支又何嘗不是“美股市場”的一種融資屬性呢？至於AI究竟有沒有泡沫？用橋水基金創始人達里奧的話來說，“我已經有一些泡沫的感覺了，但我並不會去做空這些超級規模的科技巨頭[4]。” (遠川投資評論)