近日，一則消息如同米蘭冬奧賽場上的旋風，橫掃社交媒體：中國自由式滑雪奧運冠軍谷愛凌，竟然要“跨界”加盟矽谷風投機構Benchmark。左手滑雪獎牌，右手風投合同？谷愛凌的這次“跨界”把人看懵了。2月13日，社交平台X（原Twitter）上突然有人爆料，谷愛凌將在米蘭冬奧會後，正式轉型入職矽谷頂級風投Benchmark。消息稱，谷愛凌將以senior associate（資深投資經理）的身份，深度參與這家曾捕獲過Twitter、Uber、Instagram等巨頭的風投旗艦。配圖更是直接把話題度拉滿——谷愛凌胸前掛著剛拿到的銀牌，背景赫然印著Benchmark的Logo。一位剛從雪場下來的奧運冠軍，轉身就要踏入矽谷沙丘路搞投資，這跨屆看的大家一臉懵，評論區直接炸了。有人驚嘆於“天才少女”的無限邊界，22歲的年紀，左腳還在滑雪台上，右腳已經邁向了資本市場的風口。滑雪拿奧運金牌，學習進史丹佛，身材逆天當模特，現在直接變身矽谷大佬，究竟她還有什麼不會？也有人開始認真分析：如果這是真的，Benchmark圖什麼呢？就在討論陷入膠著之際，一個意想不到的“認證”出現了。Benchmark的合夥人、矽谷風投教父Bill Gurley，居然在帖子下面用中文回了一句：“我不相信你竟然發現了這件事，我們本來想把它保密。”這話一出，在網民眼中無異於官方蓋章。一個頂級風投的合夥人，用中文在一個爆料帖下“認領”，這還能有假？順著“如果為真”的假設，市場開始認真推演這樁“跨界聯姻”的邏輯。有人分析，Benchmark這是在下一盤大棋。這家VC以“小而精”著稱，合夥人數量屈指可數，資深投資經理絕非掛名頭銜，而是需要實打實去選項目、看材料、談判搶獨角獸。最近他們接連投了HeyGen和Manus，都是華人背景的AI項目。谷愛凌若真入職，無疑是現成的“橋樑”——一頭連接中國的工程能力，一頭對接美國的商業市場；更是一把“鑰匙”，幫助矽谷VC在複雜環境下，觸達中國最頂尖的創業者群體。她的身份、語言、文化理解，更是無法複製的稀缺資源。谷愛凌的入局，被解讀為Benchmark在“Bet on China”戰略上的一次大手筆押注。結果，反轉來得比想像中更快。2月14日凌晨，仍在米蘭備戰的谷愛凌親自下場“打假”，在社交平台回了五個字：這不是真的。隨後，早前“蓋章認證”的Bill Gurley也改口了：“Sorry, I was kidding, Fake news.（對不起，我開個玩笑，這是假新聞）”這場震驚圈內的跨界加盟，最終證實是一場由AI技術助推、圈內大佬玩梗、自媒體過度解讀聯手炮製的烏龍。回頭看看那張圖，漏洞其實挺明顯的——獎牌上的五環扭曲變形，絲帶上的字母根本不成詞，整體構圖也透著股生硬感。不過話說回來，雖然“入職”是假，但討論本身卻是真。首先，谷愛凌的成長背景，本就與風險投資並不遙遠。她的母親谷燕早年畢業於北京大學，後赴史丹佛大學深造。20世紀90年代初進入華爾街，從事風險投資，並嘗試將風投理念引入中國市場，是國內最早一批VC從業者之一。其次，作為橫跨體育與商業的多維符號，谷愛凌的商業價值早就擺在那裡——每年代言費超2000萬美元，合作的都是頭部品牌。即便不進VC，她本身就是個優質“投資標的”。從賽場到校園，她走過的每一步都在拓展“運動員”這個身份的邊界。而這次烏龍事件，某種程度上反而印證了外界對她的想像空間——當一個22歲的年輕人在一個領域做到極致，人們會自然地期待她“下一個戰場”會在那裡。眼下，谷愛凌仍在米蘭冬奧會的賽場上繼續她的征程。本屆她是中國代表團唯一的兼項運動員，和北京冬奧一樣仍是“三線作戰”（自由式滑雪U型場地、大跳台和坡面障礙技巧）。目前，她已經在坡面障礙技巧和大跳台拿下兩枚銀牌，手握五枚冬奧獎牌，創造了自由式滑雪項目的歷史。“這五次奪牌，一次比一次難，而每一次之後別人對我的期待就會變得更高。”谷愛凌在接受採訪時表示，自己已經放下了那些壓力，“我只能做到最好，讓更多女性敢於去嘗試。”在16日的賽後發佈會上，有外國記者拋出尖銳問題：“你會不會遺憾錯過兩枚金牌？”谷愛凌面帶笑容回擊：“這觀點太荒謬了！我是歷史上獲得獎牌最多的女子自由式滑雪運動員，這本身就是最好的回答。”賽場上的她，依然是那個在空中旋轉、落地、穩穩站住的“青蛙公主”。資本市場的喧囂，終究只是場外的背景音。讓滑雪的歸滑雪，讓投資的歸投資。至於這次烏龍——就當看個熱鬧吧。屬於谷愛凌的故事還長，誰也不知道下一章會寫什麼。 (留學生日報)

一些所謂專家擔憂的那樣，AI已經真的來到了“泡沫期”嗎？但真正的現實卻是：全球企業AI支出在3年內從0飆升至370億美元；ChatGPT使用者增長速度是網際網路普及率的8倍；而與此同時，AI幻覺率在法律、醫療等關鍵場景仍高達17%–33%。繁榮與脆弱並存，這才是真實的技術現實。我們正站在一個“物理世界被數字邏輯重構”的臨界點上。算力、能源、製造、生命科學與數字型驗五大系統正在同步發生結構性斷裂與重組。要想全方位的理解這場重構，不能僅靠類比推理，而必須回歸第一性原理：從基本事實出發，用機率思維評估可能性，用證偽精神剔除幻覺。一、計算智能：效率提升與規模擴張的雙軌悖論過去十年，深度學習訓練計算量每6個月翻一番——遠快於摩爾定律時代的21個月。從AlexNet到Llama 3.1-405B，算力投入呈指數增長。這似乎印證了“擴展定律”（Scaling Laws）的勝利。但這裡有一個反直覺的事實：達到同等性能所需的計算量，2021年比2012年減少了16,500倍。推理成本同樣暴跌：從GPT-3.5的數十美元/百萬token，降至DeepSeek-V3的不足1美元。這意味著什麼？規模擴張與效率提升並非對立，而是平行演進的兩條軌道。只盯著參數量的人，正在錯過真正的技術拐點。更值得警惕的是開源生態的“中國翻轉”：GitHub前20個最受歡迎的AI倉庫中，6個來自中國；LMSYS聊天機器人排行榜上，DeepSeek的Elo評分（1,362）已逼近OpenAI（1,366）。這不是簡單的“國產替代”，而是一次生態位的翻轉——西方主導的開源範式，正在被中國開發者以更高迭代速度、更強工程落地能力所滲透。然而，幻覺率仍是技術落地的“最後一公里”陷阱。即便在法律研究這類結構化強的領域，AI生成內容的幻覺率仍高達17%–33%。這意味著，在需要100%精準性的場景——如醫療診斷、金融審計、司法文書——當前AI仍不可靠。所以說，愚蠢者才會相信“AI馬上取代人類專家”。真正的機會不在替代，而在人機協同的介面設計：如何讓AI成為“高風險決策的輔助工具”，而非“全自動答案生成器”。二、資源博弈：當資料中心吞噬電網，核能成為新石油AI佔美國電力需求的比例將從2025年的5%升至2030年的10%以上。全球資料中心電力需求將在十年內翻四倍，2030年達219千兆瓦。最緊迫的問題不是算力，而是能源。報告預測：最早在2026年，資料中心能源供需缺口將達到40%。這意味著，即使你有最先進的晶片，也可能因無電可用而停擺。科技公司高調宣稱“100%可再生能源”，但現實是：新增資料中心電力短期內仍將主要來自天然氣和煤炭。綠色承諾與實際行為之間存在巨大鴻溝。認知偏差在此顯現：人們傾向於相信“科技=清潔”，卻忽視了算力背後的物理代價。真正的可持續，不是口號，而是能源結構的硬核重構。而核能，正從恐懼對象變為戰略資產。全球核電裝機在停滯數十年後重回增長。中國有147座反應堆在建或規劃中，美國公眾對核能支援率升至75%——創歷史新高。更激進的是：美國太空部隊計畫在2020年代末於月球部署100千瓦核反應。核能不再是“備選項”，而是地緣競爭的戰略基礎設施。三、工業化：自動駕駛的真實進度與製造業回流的幻覺Waymo在奧斯汀上線時已有**5,000萬英里**自動駕駛里程，Tesla Robotaxi僅為1.5萬英里。車輛密度上，Waymo為1.1輛/平方英里，Tesla僅0.12輛。關鍵差異不在演算法，而在資料飛輪。安全不是“功能”，而是**統計意義上的機率收斂**。若全美車輛達到Waymo水平，每年可避免37,000人死亡，節省1兆美元社會成本。但自動卡車帶來的衝擊更為隱蔽：美國35個州中，運輸業是男性最常見職業之一，佔男性就業者18%。自動卡車推廣將直接衝擊這一群體。人們只關注“失業”，卻忽視“技能遷移”。真正的挑戰不是技術替代，而是社會系統的適應速度。至於“製造業回流”？資料顯示：美國90%的工廠仍未部署工業機器人。而中國2020年機器人安裝量已超全球其他國家總和。回流不是地理概念，而是自動化程度。沒有機器人化的“回流”，只是低效重複。四、醫療健康：GLP-1藥物正在重塑食品經濟18%的美國成年人正在服用GLP-1類藥物（GLP-1類藥物是指胰高血糖素樣肽-1受體激動劑，是一類新型藥物，主要用於治療2型糖尿病和肥胖症）。80%的使用者表示飲食習慣發生“很大變化”：51%減少零食，44%更頻繁在家做飯。二階效應正在顯現：快餐行業收入下滑，家庭烹飪裝置銷量上升。藥物正在重構消費鏈條，而不僅是治療疾病。更深層的轉變在於研發範式：2024年新藥中，生物製劑佔比近50%。藥物研發從“化學合成”轉向“生物程式設計”。這不僅是技術升級，更是研發範式的遷移。然而，AI製藥仍處於早期階段。儘管AlphaFold推動蛋白質結構預測飛躍，但AI發現的藥物進入後期臨床試驗的仍極少。II期成功率僅略高於傳統方法。生物學的複雜性遠超語言模型。真正的突破，需要濕實驗與干實驗的閉環驗證，而非純資料擬合。五、系統數字介面：信任瓦解與AI伴侶的興起Z世代日均手機使用3小時57分鐘，嬰兒潮一代則花3小時33分鐘看電視。但共同點是：串流媒體與社交媒體佔據一半以上時間。更危險的趨勢是：30歲以下人群從社交媒體獲取新聞的比例，已與傳統媒體持平。資訊源的權威性正在消解。與此同時，AI伴侶正在成為孤獨經濟的終極產品：33%的青少年曾用AI進行社互動動；75%的Z世代認為AI伴侶可完全替代人類陪伴；10%的18–29歲成年人已或願與AI建立浪漫關係。這不是“情感替代”，而是“關係外包”。當真實連接成本過高，人類選擇用機率模型模擬親密——這是文明的捷徑，還是退化？而深度偽造正加速信任崩塌：34.2%的AI事件由惡意行為驅動，詐騙、欺詐、定向操縱為主。工具越強大，濫用門檻越低。當偽造內容無法被普通使用者識別，社會共識的基礎將崩塌。我們需要的不是更多檢測工具，而是新的信任協議。在重構時代保持認知謙遜這份350頁報告的價值，不在於預測未來，而在於揭示系統性斷裂的訊號。我們正經歷一場從數字到物理、從虛擬到實體的全面重構。真正的理性，不是相信某個敘事，而是在證據面前隨時準備推翻自己。承認無知，保持好奇，用第一性原理穿透噪音——這才是應對劇變的唯一可靠方法。因為在這個時代，認知質量，就是生存質量。 (大順AI商業流量)

估值百億，產品幾無，這便是當下最瘋狂的AI資本敘事。最近，前OpenAI CTO米拉·穆拉蒂創立的Thinking Machines Lab，正以高達500億美元的估值，籌劃新一輪40億至50億美元的融資。而它拿得出手的，僅是一個名為Tinker、介面尚待考證的API介面。相比傳統商業邏輯，這無異於一場豪賭：資本押注的，早已不是產品，而是人，是那串貼在創始人身上的“OpenAI開國元老”的黃金標籤。穆拉蒂的實驗室，正是席捲矽谷的neolab（新生代實驗室）風潮中最耀眼的一朵浪花。據國外知名VC menlo合夥人Deedy推文，AI領域新興的10家neolab中，9家在種子輪階段就斬獲10億美元估值。一批從OpenAI、DeepMind等巨頭出走的頂尖研究員，正以反叛者的姿態，用全新的範式重建AI研究的邏輯。他們不談營收，不論商業化，只談那些看似天方夜譚的方向：情感智能、AI社會、自動化科學家等。資本的反應則更為直接與狂熱：Humans&成立數月估值40億，SSI瞄準超智能安全估值320億，Periodic Labs一出手種子輪便是3億……這些在傳統視角下“啥也沒有”的實驗室，正以令人咋舌的估值，鯨吞著數十億美金。當最聰明的大腦決定另起爐灶，資本的選擇是不看PPT，只認履歷，用真金白銀為他們的直覺與純粹投票，賭他們能用履歷兌換一個不一樣的未來。/ 01 /5家，拿下 25億美元當OpenAI和Anthropic的估值飆升至1830億美元量級，變得“貴得離譜”時，資本的洪流正悄然湧向一批更為神秘、精悍的新型實驗室neolab。根據The Information報導，僅五家neolab初創公司，就在過去一個月內完成或洽談了高達 25億美元 的融資。如果只看研究方向，neolab的主題幾乎毫無共識：有人在做多智能體數字社會，有人在研究情感智能，有人在做自動化科學家，有人探索身體化智能，有人在推進實驗物理材料，有人在逼近通用智能的邊界。它們共同點只有一個——創始人都是那批走出巨頭實驗室的最能打的人。這些neolab的創始人，幾乎全部從OpenAI、DeepMind、Anthropic等巨頭出走，個人財富早已達到千萬乃至億美元等級。然而，他們放棄了巨頭的穩定與高薪，選擇all in一種新的AI範式。正是這種財務自由帶來的純粹性，構成了neolab最核心的魅力。他們可以無視短期商業化壓力，專注於那些巨頭不屑或無力觸及的高風險、長周期探索。於是，我們看到了研究方向呈現出前所未有的多元化：前xAI研究員Eric Zelikman籌集10億美元打造情感型AI初創Humans&，他不追求更快的推理速度，而是讓AI理解情緒、進行價值權衡，並建立長期關係。OpenAI安全研究員Eddie Zhang創業打造“多智能體數字社會”Isara，試圖讓上千個AI智能體像真實公司一樣自主分工、協作與治理。前OpenAI首席科學家Ilya Sutskever創立SSI，將“開發可控的超智能”作為唯一使命，安全優先於一切，據傳估值已觸及320億美元。相比之下，巨頭們似乎被禁錮在大模型最佳化的單一路徑上，追求參數與算力的線性增長。而neolab則追求迭代智能，其使命不是把模型做得更大，而是去發現新的智能結構。這種純粹性也讓他們能夠保持極度小而精的團隊，將“技術複利”做到極致。當然，這也催生了“夢想驅動估值”的奇觀。這些實驗室普遍收入極低甚至為零，沒有成熟產品，卻憑藉創始人的光環效應和顛覆性願景，在早期就獲得令人瞠目的估值。最典型的案例莫過於前OpenAI CTO Mira Murati創立的Thinking Machines Lab。在僅推出一個初步的開發者工具Tinker、產品能力有待考證的情況下，其估值據傳已高達500億美元。相比巨頭，neolab的10億美元估值幾乎是白菜價，例如Murati作為OpenAI開國元老的標籤，其加成就已值百億。/ 02 /情感智能、遊戲視訊模型……九成種子輪拿10億美元估值接下來依次介紹這些neolab。①OpenAI“開國元老”單干，做超智能保險Safe Superintelligence（SSI）由前OpenAI首席科學家Ilya Sutskever聯合Daniel Gross與Daniel Levy創立，將"開發可控的超智能"作為唯一使命，安全優先於短期商業化。團隊聚焦精銳科研與安全工程，而非消費級產品化。▲ Ilya Sutskever、Paul Christiano、aniel Kokotajlo（從左到右）披露融資規模接近/超過十億美元，並與雲基礎設施方戰略合作保障算力。技術上需解決三大核心：推進能力時確保安全邊界領先、將理論對齊工程化、在無產品壓力下維持透明治理。短期內SSI是"科研+安全驗證"的高強度實驗室。儘管目前無商用產品，但其獲得Google（TPU支援）與Nvidia投資，估值據報達320億美元等級，表明資本對“長周期、安全性極高”的AGI實驗室有信心。②前OpenAI CTO出走創業，聚焦“企業定製模型”相比Cursor的290億美金估值，Thinking Machines啥也沒有就快估值500億美元。原因在於其創始人Mira Murati給它的加成太大。這位前OpenAI CTO、臨時CEO技術背景聚焦工程研發+產品落地+AI前沿技術操盤，她於今年出走創立新公司。▲Mira Murati新公司主攻“可解釋的群體智能”與符號-機率混合架構，將大量輕量級模型組織成層級化“工作流工廠”，通過可驗證協議在金融風控、藥物發現等高風險場景，實現可審計的多智能體協同。實驗方向包括任務分解語言、跨智能體信任評分與動態合約（以弱監督獎勵流標註），安全邊界被設為首要原則。10月，Thinking Machines推出了Tinker。近期，Thinking Machines Lab在籌集40億至50億美元。此前它已籌集了20億美元資金，最近一次的估值為100億美元。③前xAI研究員籌集10億美元打造情感型AIEric Zelikman來自xAI，是行業內罕見專注“情緒、價值觀與長期關係建模”的研究者。他的方向不追求更快的推理速度或更長的上下文，而是讓AI更像人。其能處理數周乃至數月的任務，理解情緒、做價值權衡，並建立長期關係。▲Eric Zelikman由Zelikman創立的Humans&致力於打造“情感智能”AI，把傳統強化學習從分鐘級、小時級任務，延伸到用時數周甚至數月的現實任務，如長期決策、戰略規劃、陪伴式互動等。其目標是讓AI不再追求“一次答對”，而是追求“長期最優”，具備自我情緒建模與長期目標協調能力。儘管研究尚未商業化，也沒有成熟產品，Humans&仍在成立數月內與投資人洽談以40億美元估值融資10億美元。知情人士稱，Nvidia與AMD均有意投資，希望這類新實驗室成為下一代算力大戶。④前DeepMind 12年元老創業Reflection AI，逐夢超級智能Reflection AI的CEO Misha Laskin，DeepMind前研究科學家，主導了Gemini從初代到1.5的RLHF訓練體系和獎勵模型架構設計，負責模型與人類反饋的閉環最佳化。芝加哥大學理論物理博士+伯克利博士後，2017年創業做AI需求預測，25歲入選福布斯“30 Under 30”。CTO Ioannis Antonoglou是DeepMind 12年元老，AlphaGo、AlphaZero、MuZero核心架構設計者，直接參與策略搜尋與價值網路建構，推動強化學習在複雜棋類和決策任務中實現突破。兩位創始人聯手，帶領60人團隊大部分來自DeepMind、OpenAI，專注於高性能模型訓練、強化學習演算法最佳化與大模型架構設計。他們的目標是，將強化學習、獎勵建模和大規模生成模型緊密結合，首先打造自主編碼智能體，使其能夠在複雜程式設計任務中自我最佳化、規劃與執行，再逐步擴展到通用推理與跨領域問題解決。投資人直接投入1.3億美元，A輪估值5.55億美元，紅杉、輝達、LinkedIn聯合創始人Reid Hoffman等均在股東名單上。⑤You.com CEO雙線作戰，10億美元建AI實驗室前Salesforce首席科學家、You.com創始人、史丹佛NLP博士Richard Socher，正在籌建一家以他本人命名的新型研究所，目標直指“自動化AI研究”。同名研究所Richard Socher在籌備階段就計畫募資近10億美元。▲Richard SocherSocher的設想是把科研流程徹底機器化：建構一套能夠自動完成模型設計、實驗執行與迭代最佳化的閉環系統，讓AI能自主生成新想法、自我反思、自動驗證，從而顯著壓縮從概念提出到可復現結果之間的周期。這種理念瞄準的是“研究生產力的系統級解放”。短期內，Socher團隊的能力對藥物研發、材料科學、半導體等高實驗密度行業尤其具有吸引力。這一方向不是堆算力，而是重構科學家的工作方式。團隊強調三條核心路徑：1）自動化實驗設計與超參搜尋，減少人工反覆偵錯；2）強化實驗可復現性，並建構完善的閉環驗證體系；3）將“自動化研究”的產出標準化為可工程化模組，使其能真正應用在企業級場景中。⑥OpenAI和DeepMind大佬離職聯手，押注“AI做科學”Periodic Labs由前OpenAI後訓練研究副總裁Liam Fedus與前DeepMind資深研究員Ekin Dogus Cubuk創立，目標是打造“AI科學家”：不僅生成論文和預測，而是真正開啟“從模擬→設計→實驗→驗證”的全鏈路自動化科研流程。▲Ekin Dogus Cubuk（左）和William（Liam）Fedus（右）Periodic Labs首要研究方向聚焦於低能耗超導材料、新材料與催化劑等高壁壘、實驗密集型領域。其願景是讓AI不只是理論工具，而是能在實驗室裡自主提出假設、設計合成路線、執行物理實驗，並完成結果反饋，實現“真AI科學家”的閉環。據公開融資文件，Periodic Labs已完成首輪種子融資，金額約為3億美元，由風投機構Andreessen Horowitz (a16z)與Felicis Ventures領投。⑦史丹佛三教授做“身體化擴散智能”，專注長期決策Inception Labs是一家由三位史丹佛背景的頂尖學者聯合創立的新型AI公司：擴散模型和FlashAttention關鍵推動者Stefano Ermon、UCLA助理教授Aditya Grover、康奈爾大學助理教授Volodymyr Kuleshov。三人長期深耕生成模型、強化學習與科學計算，並擁有將前沿技術成功推向產業的履歷，為公司帶來罕見的“學術深度+商業落地”雙重優勢。公司聚焦“身體化智能”與“長期學習系統”，試圖突破傳統模型僅停留在文字或靜態資料中的侷限，讓AI置身真實世界，通過持續的物理互動積累經驗，形成可長期更新的策略與習慣。他們試圖打造“任務生命周期管理器”，讓智能體在數周甚至數月中依環境變化不斷迭代策略。在商業端，Inception Labs採用軟硬體一體路線，通過機器人與感測系統切入製造業和物流業這些需要長期適應、高頻執行的場景。團隊已推出Mercury系列擴散語言模型，其中Mercury Coder在程式設計任務上實現了數倍效率提升，為身體化智能提供高效推理引擎。⑧遊戲視訊專家專注於“時空推理”模型General Intuition由Pim de Witte聯合James Swingos、Ken Colton等核心成員創立。創始團隊彙集科研、技術基建及視訊處理領域專家，Pim此前執掌視訊平台Medal九年，帶領團隊積累海量遊戲視訊資料，其他成員深耕世界建模與策略學習前沿，兼具技術研發與產業落地經驗。General Intuition起源於視訊平台Medal，利用其每年數十億條遊戲視訊作為訓練集，專注於“時空推理”與環境感知基礎模型，讓智能體理解物理世界中的運動因果。2025年10月，公司獲得1.34億美元種子/早期融資，是2025年AI領域規模最大的早期融資之一。資金將用於擴展團隊、基礎設施及加速機器人/無人機原型驗證。其核心主張是，遊戲視訊提供了豐富的稀有成功/失敗鏡頭，適合訓練理解物體運動、碰撞與長期因果關係的模型。商業路徑從遊戲AI代理延伸至現實世界的感知控制，如搜救無人機、倉儲機器人。⑨金融圈名人下場做“數學超級智能”，可用於金融分析Harmonic的故事從一個金融圈明星開始：其聯合創始人Vlad Tenev，就是知名券商Robinhood的聯合創始人與前CEO。這一次，他從金融與演算法交易領域進入AI，引發了資本與媒體的廣泛關注。Harmonic是一家以“人類數學直覺”為起點的AI公司。它並不追求建立更大的模型、堆滿算力，而是重新設計數學推理系統：讓AI像人一樣抽象、驗證、反思，把複雜數學任務拆解成結構化步驟。公司已於2025年完成C輪融資，估值達約14.5億美元。Harmonic的技術路線是建構“數學層”的系統化推理引擎，與傳統大模型平行，而不是取代。他們面向的是科研、量化、工程與高複雜度任務，強調輸出必須可驗證、可審計、邏輯嚴謹。與當前主流AIagent趨勢相比，Harmonic的定位是提供底層高可靠性的“數學思維元件”。⑩OpenAI安全研究員創業“多智能體數字社會”前OpenAI安全研究員Eddie Zhang曾專注於多智能體系統的安全與協作機制研究。他認為未來智能不是一個超級大腦，而是一整個“AI社會”。於是他從最前沿的安全／協作研究中走出來，轉身搭建一個全新的“智能體社會平台”。其創業的公司Isara嘗試讓上千甚至上萬智能體自主分工、協作、達成治理共識，像一個有部門、有責任、有激勵機制的公司。它的AI智能體可以在不確定環境中自動分工、協作、分配“責任／信用”、共同完成諸如財報預測、企業盡調、法律檔案分析等複雜任務。從行業趨勢來看，Isara的產品與當前流行的“單體AI agent自動化”形成對比。它不只是為了替人做事，而是為了模擬“組織結構+社會機制+群體智能”。Neo Lab成為了這個時代的訊號。AI未來的發電機，正從資源密集但可能陷入路徑依賴的巨頭實驗室，重新回到那些手握新範式藍圖、極致專注的頂尖研究者手中。而資本所能做的，就是搶在最早期，給他們足夠的彈藥，去打開那些連巨頭都未曾設想的大門。 (矽基觀察Pro)

9月26日，重慶市原市長黃奇帆在2025·青島創投風投大會上發表了題為《圍繞生產性服務業投早投小投長期》的主題演講。黃奇帆認為，從國際衡量資本市場成熟度的指標來看，中國資本市場仍有較大的成長空間，把資本市場搞好也是中國推動金融強國建設的一個核心內容。風投、創投、私募基金、產業基金等各類共同資金是推動資本市場發展的重要力量。目前風投創投存在部分投資方向的扭曲，真正投早、投小、投長應該是在“青萍起於微末”的0-1階段就開始投資，其中最重要的是投硬科技。硬科技不僅包括製造業高新企業，還要看到生產性服務業作為新質生產力發展土壤、溫床和生態環境的功能。十大類生產性服務業是製造業創新發展和效益提升的動力，是高端工業品、終端產品高附加值的基礎，在創造價值的過程中，往往自身就發展成為富有價值的獨角獸企業。在現代經濟體系中，生產性服務業往往是GDP最大的類股和增長極。生產性服務業企業包括五類：專精特新的中小企業、一批專業搞生產性服務業的50強企業、在製造業和生產性服務業“文武兼修”的企業、產業網際網路，以及像蘋果、微軟、華為這樣的生產性服務業鏈頭企業。風投創投基金要對這五大類企業當中有發展苗頭的企業進行深度的投資，投早、投小、投長。黃奇帆，重慶市原市長當今世界對資本市場發展的成熟度有一個硬指標，即資本市場總市值對這個國家的GDP比例大體在1:1到1:1.2。如果小於1：1，比如GDP有100，資本市場市值只有60、70，意味著資本市場發育不到位，還有很大的成長空間。如果GDP是100，資本市場的總量超過130、150、200甚至更高，就是資本市場過度發育，存在泡沫。比如美國現在的 GDP是29兆美元，股票市場市值達到70多兆美元，是GDP的百分之兩百多，表明美國資本市場熱度過高，存在一定的泡沫。中國的資本市場總量今年初是70多兆人民幣，現在已經達到100兆。中國GDP今年會達到140兆。我們的資本市場目前佔GDP比例只有70%，還有較大的成長空間。我們即將進入到十五五規劃和2040遠景目標期。到2040年中國GDP會翻一番，按不變價格核算，從現在的約140兆增長到280兆。如果按可變價核算，到2040年中國的GDP總量會達到350兆左右。如果股票市場佔GDP的100%-120%，意味著15年後中國股票市場總量有可能在400兆左右，較現在100兆的水平翻兩番。這是中國發展金融強國的內在目標之一。我們應該在15年後讓國民經濟的證券化率達到100%，這是推動金融強國建設的一個核心內容。它可以推動社會資源最佳化配置，包括支援高科技獨角獸企業健康發展；促進老百姓多管道增加收入，實現共同富裕等；都需要把資本市場搞得更好，這是總的目標。在推動資本市場發展的過程中，一個重要的力量就是風投、創投、私募基金、產業基金等各類共同資金。以風投創投為主的各類產業基金已經發展了20多年，目前總量接近30兆左右，其中40%實際上投資於各種貨幣資金和固定收益債券。這類投資旱澇保收，沒有什麼風險，但其實是私募基金、風投創投投資方向的扭曲。最近一年多，中央和證監會一直在鼓勵風投創投要投早、投小、投長期、投硬科技，就是對這類投資方向進行調整。還有30%左右的資金是投資在比較晚的跟投方面。往往企業上市前或已經上市，大家會找各種機會跟投。這屬於風險不那麼大，且有一定的股權投資內涵的投資。真正投早、投小、投長應該是在“青萍起於微末”的0-1階段就開始投資，到1-100階段又有各種各樣轉化性投資，等到產業成型的100-100萬階段有更多的跟投，這樣A、B、C輪一輪一輪地投。這類投的比較好的特別跟獨角獸企業有關的投資，大體佔30兆各類基金的30%左右。總體上現在情況在好轉。今天這個會主要是討論按中央要求投早、投小、投長，其中最重要的投資方向是什麼？就是投硬科技。說起硬科技，大家往往想到一個個製造業高新企業，事實上，能夠孵育高新企業的溫床和土壤是與生產性服務業相關聯的企業。在國家統計局的行業分類當中，生產性服務業包括10個大類，35個中類，171個小類，加在一起有216個大中小類型。十大類中第一大類是硬核技術的研究開發創新；第二是產業鏈的物流配送；第三是產業鏈供應鏈金融；第四是產業鏈市場准入檢驗監測，各種產品的認證服務；第五是產業鏈的綠色低碳服務；第六是產業鏈數位化服務；第七是產業鏈上的各種原材料、零部件的採購，貿易、批發、零售包括售後服務；第八是產業鏈上的品牌、專利、商標和智慧財產權的保護推廣；第九是產業鏈上的各種會計事務所、律師事務所等專業諮詢服務等；第十是產業鏈上各類職工培訓、職業教育，人力資源管理等。生產性服務業在我們的經濟體系中是製造業創新發展的動力，是製造業提高利潤、效益的動力，也是提高勞動生產率的動力，是新質生產力發展，提高效率、增加效益、抬高創新能力的生態土壤，是高品質經濟發展的關鍵所在。我們還要看到，生產性服務業不僅是為製造業服務，不僅是新質生產力發展的土壤、溫床和生態環境，它還自帶“光環”，本身就是GDP的最大類股和最大增長極，是高市值獨角獸企業產生的增長極，是服務貿易的增長極，是高端工業品、終端產品高附加值的基礎。同時，生產性服務業也是中央提出的全要素生產率發展的基礎。生產性服務業不靠資源礦產投入，不靠藍領勞動力投入，也不靠大量的資本資金投入，主要依靠創新、依靠人才、依靠新的要素投入。所以生產性服務業產生的GDP就是全要素生產率當中的新質生產力。第一，在現代經濟體系中，生產性服務業往往是GDP最大的類股，是GDP的增長極。比如：美國1950年GDP總量4300億美元，到去年GDP增長了70倍。1950年美國生產性服務業佔GDP的10%，在去年29兆美元GDP當中佔了48%，漲了300倍。歐盟GDP裡面40%是生產性服務業，也是這幾十年漲的最快的類股。1980年，在中國GDP只有2000億美元的時候，生產性服務業佔10%。去年，中國GDP增長到135兆元人民幣，約合18兆美元，生產性服務業大體上佔到30%。40年來生產性服務業是各個類股裡面增速最高的。國家統計局的資料顯示，生產性服務業在2021年到2023年這三年裡年均增長率是12.1%，同期GDP年均增速5%左右，製造業、農業等其它類股大體增速在4%，有的是百分之三點幾。生產性服務業年增長率保持在12.1%，成為帶動中國GDP最快發展的類股。一個地方如果想要GDP增長快一點，抓好生產性服務業是關鍵一招；抓高科技產業發展，抓好生產性服務業是關鍵的一招。第二，在現代經濟體系中，十大類生產性服務業實際上成為硬科技、製造業、技術創新和效率提升的動力，也是效益提升的動力。要看到，生產性服務業企業在創造價值的過程中，往往自身就發展成為富有價值的獨角獸企業。因此創投風投對生產性服務業企業要多多投資。全球各類獨角獸企業中最重要的就是生產性服務業形成的獨角獸。美國獨角獸企業市值佔美國股市的30%，差不多有20兆美元，其中有500多個大中小的各種類型獨角獸佔5萬多億美元的市值，還有15兆美元是七個大型科技企業，包括微軟、蘋果、亞馬遜、高通、輝達、特斯拉、Google等。這些大型科技企業與其說是高端產品的創造者和靈魂，不如說它是高端產品生產性服務業的鏈頭企業。蘋果是造高端手機的，實際上把手機產業鏈上的硬核科技、十大生產性服務業類型全部一把抓。它真正的製造、硬體製造的生產線、裝配通通交給富士康等代工龍頭企業。一年生產、銷售2億部手機，蘋果可以拿到500多億美元利潤，這個利潤就是它的服務貿易、生產性服務業創造的。在這個意義上，蘋果、微軟、高通、輝達、Google和亞馬遜都是生產性服務業，高通是搞通訊晶片的生產性服務業公司，輝達是搞算力晶片的生產性服務業公司。總之美國這七個總市值15兆美元的大科技企業，除了馬斯克的特斯拉公司是生產性服務業和硬體製造軟硬兼修外，其它六個都是生產性服務業的鏈頭企業。所以說投早、投小、投長、投硬科技，如果不從生產性服務業的企業端切入，不跟生產性服務業結合在一起，基本上是南轅北轍。這是獨角獸企業和生產性服務業的關係。第三，在現代經濟體系中，生產性服務業的服務價值嵌入到各種硬體、終端裝備裡，是高附加值的裝備、終端的基礎。一個手機賣六千塊錢，拆開來一千多個小部件可能只值兩三千塊錢，但看不見的軟體、晶片中內建的程序、看不見的各種專利，最後形成生產性服務業嵌入的價值至少值三千塊錢。總之，我們對生產性服務業具有GDP的增長極、獨角獸的增長極、高附加值裝備和終端產品價值增長極的功能應該有充分地認識。認識到了這一點，產業基金、私募基金、創投風投基金在投早投小投長投硬科技後邊還要加上一個投生產性服務業企業。生產性服務業企業中，第一類是生產性服務業的中小企業。當下五六千萬個中小企業中至少有1%屬於專精特新、具有生產性服務業各種功能的企業，這1%就對應50、60萬個企業，把它找出來，在市場裡催化，是投小投早投長期的一個目標。第二類是一批專業搞生產性服務業的50強企業，他們已經是大企業了，專幹生產性服務業。比如普洛斯就是搞物流、資料中心、新能源開發的生產性服務業企業，在中國資產管理規模約790億美元；法國的施奈德20多年前是做電器搞硬體的，現在基本上不做電器，全部浸透在生產性服務業，專搞綠色低碳、數位化服務，為亞洲、美洲、歐洲的各種企業提供服務，一年可以收入上百億歐元的服務費。第三類是文武兼修，像青島的海爾那樣，既是家用電器類硬體製造的大企業，同時也是家用電器產業鏈相關聯的生產性服務業研發的企業，是一個在行業裡出類拔萃的、很了不起的企業。第四類是產業網際網路。產業網際網路不同於工業自動化，不同於管理資訊系統，不同於ERP，也不同於B2B、B2C的電子商務，往往是把一個工業製造企業的產業鏈叢集從基礎層面、硬體製造環節的自動化，到叢集內部各個層級自上而下的管理資訊系統（MIS），再到ERP，也就是企業生產出來產品直到銷售、質監、物流配送、倉庫管理各種資源調度橫向環節上的網路化，再到B2B、B2C的電子商務平台，再結合人工智慧形成五位一體的產業網際網路平台。產業網際網路是把製造環節加上十大生產性服務業，形成微笑曲線，中間是製造，左邊有五個生產性服務業，右邊有五個，“1+10”一網打盡都在產業網際網路裡。這樣的產業網際網路平台就是一個非常高端的生產性服務業加製造業的數位化平台，是我們下一步物聯網平台發展的藍海。第五類是像蘋果、微軟、華為這樣的生產性服務業鏈頭企業，專門把一個硬科技的產品做到上兆市場規模，把產業鏈上的十大生產性服務業掌握到位，然後委託代工企業製造。自己不搞製造，但製造的靈魂把控在手。這種產業鏈的鏈頭企業，帶動那些專搞製造的代工企業，形成產業發展。總之，風投創投基金要對這五大類企業當中有發展苗頭的企業進行深度的投資，投早投小投長。這樣未來中國如果產生新的兆級市值的公司，有現在的風投企業的投資到位的功勞在內，這樣整個中國的股市發展了，經濟發展了，風投企業自己也能夠茁壯增長。 (財經Think Tank)

當ChatGPT掀起全球對話革命，當AR眼鏡悄然改變人機互動，科技巨頭正在書寫人類歷史上最激進的進化指令碼。（image generated by FLUX1.1）6月4日-5日，Bloomburg Tech Summit 2025在舊金山舉辦，被譽為"科技界達沃斯"的盛會。本屆峰會以"AI時代的機遇與挑戰"為主題，吸引了來自Google、Meta、Salesforce、Uber等科技巨頭的高管，以及Perplexity、Figure AI、Agility Robotics等新興獨角獸的創始人。峰會期間，Bloomberg首席科技記者Emily Chang與Tom Giles主持了兩天數場深度訪談，從AI基礎模型到人機互動革命，從資料中心建設到地緣政治博弈，全方位解構了AI浪潮下的產業變局。這些對話不僅揭示了AI發展的最新動向，更為我們拆解了AI重塑世界的核心法則。一、技術爆炸下的生死法則：AI不是工具，而是新物種核心觀點：AI突破“輔助工具”概念，成為具備自我進化能力的"數字生命體"在Bloomberg Tech Summit上，GoogleCEO Pichai指出：“今天60%的工作在1940年並不存在。”這不僅僅是一個歷史資料的回顧，更是對未來的預言——AI將催生前所未有的“人機共生”職業生態。他透露Google現在25%的新程式碼由AI生成，未來這個比例還將大幅提升。"Meta CTO Andrew Bosworth在峰會上分享：Ray-Ban Meta AI眼鏡的使用者已超過200萬，且仍在快速增長，日均AI模型呼叫次數超過數十億次。他透露，每當使用者與眼鏡進行AI對話時，背後都是複雜的多模態AI模型在即時運算。這種“輕量化智能”正在成為破局關鍵。前兩周，OpenAI與Jony Ive的跨界合作正是這一趨勢的體現。兩者宣佈投入60億美元開發全新的AI硬體裝置，這預示著AI正在從軟體層面向物理世界延伸，成為真正意義上的“新物種”。Perplexity也正在與三星等硬體廠商深度合作，將AI搜尋能力直接嵌入到手機的原生系統中，這種合作模式將徹底改變使用者獲取資訊的方式。風投界的觀察者們指出，單純堆砌算力的時代已經終結。能效比與場景穿透力成為新的技術壁壘，AI不再是簡單的計算工具，而是具備自主學習、自我最佳化能力的數字生命體。關鍵洞察：AI模型正從“被動響應”向“主動感知”進化硬體與軟體的深度融合成為技術發展新範式場景化應用比通用能力更具商業前景二、巨頭暗戰：2025年AI三大必爭之地戰場一：人機互動革命， "UI即AI"的時代來臨從介面到智能，互動範式正發生根本性變革。傳奇投資人Marc Andreessen曾預言："未來的使用者介面就是對話。"如今這個預言正在成為現實。我們正在見證從"點選介面"向"對話介面"的歷史性轉變。Meta的漸進式突破Meta CTOAndrew Bosworth分享了Ray-Ban Meta AI眼鏡的成功秘訣，之前的Ray-Ban Stories賣得不好，後來團隊做了點工作，看起來幾乎一樣，功能基本相似，但一切都變了，成為最受喜愛的產品，關鍵洞察在於設計哲學："事實證明你不需要頭部，但我們加了頭部，因為這是人們的舒適因素。人們可以看到機器人什麼時候在轉身和觀察。"蘋果的高端突破受挫Bosworth對蘋果Vision Pro的點評相當犀利："可以看出這是他們在這個領域的第一款產品...他們犯了一些新手錯誤，把玻璃部分放得離鼻子很遠，那是一個長槓桿臂...這是物理學問題。"Google的無處不在戰略皮查伊描繪了一個更宏大的願景：AI將無縫融入所有裝置和服務："我們正在使用Gemini來幫助改善YouTube的推薦，所以我們使用AI來幫助改善我們如何引導內容...你將擁有這些東西成為伴侶、成為教練。"這種“無介面互動”代表了人機互動的終極形態，使用者無需學習任何新的操作方式，AI會根據予以理解自動執行複雜的多步驟任務。戰場二：軍事工業複合體的復興最讓人意外的趨勢是，消費科技公司正在重新擁抱軍事合作。這背後有深層的地緣政治邏輯。Meta的"愛國主義"轉向Bosworth首次公開確認Meta與美軍的合作，並給出了情感化的解釋："我家裡有軍人。我希望他們擁有最好的裝備...矽谷建立在軍方、學術界和私營部門的三方投資基礎上。"他強調這是"回歸傳統"："如果我們不是所有人都承擔計算海軍彈道軌跡的任務，就不會有技術...這真的是導致我們今天所擁有的投資的核心和靈魂。"地緣政治重塑技術選擇這種轉向反映了更深層的地緣政治現實：技術競爭軍事化：AI、量子計算等被視為國家安全關鍵技術供應鏈重組：從效率優先轉向安全優先聯盟體系重構：技術合作成為地緣政治聯盟的重要紐帶戰場三：基礎設施軍備競賽Stargate：人類歷史上最大的基礎設施項目OpenAI、SoftBank和Oracle聯合宣佈的Stargate項目，將在德克薩斯州投資1500億美元建設AI資料中心。"大約每周工作20萬小時，今天約有3500人，將達到5000人...第一批建築約300天完成，後續建築僅需215天。"新的國際合作模式這種基礎設施競賽正在催生新的國際合作模式：- Elon Musk + 沙烏地阿拉伯：據報導正在討論在沙烏地阿拉伯建設大型AI訓練中心- AWS全球佈局：在此次大會上宣佈將在亞太地區新建3個大型資料中心- 歐洲的獨立野心：法國、德國正在推動"數字主權"計畫這種大規模建設正在推動清潔能源技術的突破，從核聚變到太陽能儲存，AI基礎設施成為能源創新的最大推動力。三、生存指南：AI時代的破局策略1. 垂直場景突圍：AI Agent的商業化浪潮Salesforce的Agent Force革命Salesforce在本次峰會上展示的Agent Force平台，代表了AI應用的新範式。這不再是簡單的聊天機器人，而是能夠自主完成複雜業務流程的數字員工。關鍵特徵包括：- 多模態互動：語音、文字、圖像的無縫切換- 流程自動化：從客服到銷售的端到端自動化- 學習能力：根據企業資料持續最佳化表現Perplexity的垂直突破案例Perplexity CEO Aravind Srinivas分享專注策略的成功："當我們開始時，人們嘲笑我們說，在AI中，幻覺應該是一個功能而不是錯誤...我們從未想過要建構Google替代品，我們只是建構了一個對我們有用的工具。"成果顯著：每月7.8億次查詢，月增長率超過20%。垂直AI的成功法則：深度而非廣度：能效比與場景穿透力成為新的技術壁壘資料護城河：積累行業專屬的高品質訓練資料工作流整合：嵌入使用者的日常工作流程持續學習：基於使用者反饋不斷最佳化2. 不斷進化：適應性重於規模Google的"三位一體"進化Pichai總結了Google的持續進化策略：- 模型層：Gemini系列快速迭代，"2.5版本是能力的真正突破"- 產品層：AI無縫整合到搜尋、Gmail、YouTube等核心產品- 基礎設施層：自研TPU晶片+全球資料中心網路Meta的組織自我革命Bosworth揭示了Zuckerberg的"說服藝術"："Mark每次給我新工作時，我都說不...他會說，'這對你來說要看起來像什麼才會讓你興奮？'然後你最終想出了一個你會興奮的事情，他說，'太好了，讓它看起來像那樣。'"這種方法的核心是讓變革成為內在動機，而非外部壓力。3.個人能力升級：五大核心技能提示詞工程（Prompt Engineering）：不再是簡單的聊天，而是與AI協作的專業技能。多模態思維：文字、圖像、語音、視訊的綜合處理和切換能力。人機協作設計：理解AI能力邊界，設計最優的人機配合流程。資料素養：Microsoft CPO Aparna Chennapragada強調："在這個時代，如果你認為對抗電腦科學和程式設計就像在14世紀對抗閱讀一樣...程式設計是今天的素養。"品味與判斷力：投資人Sarah Guo提出的關鍵洞察："如果軟體普及，更多軟體被建立，你如何應用判斷和品味來實際找到那些將成為突破性創新的高點。"Replit CEOAmjad也曾提出了更宏觀的視角超越技能的認知升級："未來的熱門工作是企業家...我認為將會有更多人能夠創辦公司。"關鍵是培養創業者思維：發現問題、整合資源、快速迭代的能力。四、前沿突破：Physical AI重塑物理世界1. 人形機器人的商業化衝刺Figure AI的大膽承諾Figure AI CEO Brett Adcock在峰會上展現了令人震撼的信心："我們有機器人每天在商業勞動力中工作...四年內出貨10萬台機器人是可能的。"更重要的是，他們已經在BMW工廠實現了日常營運：目前在車身車間做搬運鈑金的工作，“每天都在運行機器人，非常好地跟蹤所有指標”。Agility Robotics的實用主義Agility CEO Peggy Johnson分享了不同的策略：專注於倉儲物流這一更成熟的應用場景："我們已經在GXO（第三方物流供應商）部署了一年...它基本上是當訂單進來時，它們在AMR自動移動機器人上滾動，Digit解除安裝並放在傳送帶上。"2. 生物技術與AI的融合突破CRISPR+AI：重寫生命程式碼CRISPR技術發明者Jennifer Doudna分享了振奮人心的進展：一個名叫KJ的嬰兒成為第一個使用CRISPR技術治癒的患者。AI正在加速基因編輯的發展："AI將幫助我們更快地建立、驗證然後即時應用這些療法...我們可以在基因編輯預測方面做出驚人的事情。"3. Physical AI的三大突破方向- 具身智能：機器人與環境的智能互動- 生物計算：AI指導的基因編輯和生物工程- 材料科學：AI設計的新材料和奈米技術五、中美AI競爭：DeepSeek震撼與技術主權爭奪1. DeepSeek的衝擊波在討論中國AI發展時，美國白宮科技政策辦公室主任Kaczynski坦承：DeepSeek的崛起是對美國AI戰略的重大警鐘："現實情況是，過去四年的政策最終並沒有在確保美國保持領先地位方面產生影響。"DeepSeek僅用較少的計算資源就達到了接近GPT-4的性能，這讓美國意識到單純的晶片出口管制策略已經失效。2. 政策轉向：從"封鎖"到"促進+保護"Kaczynski明確表達了新政府的態度轉變："我們想要世界運行在美國的AI技術堆疊上...在全球競賽中，我們需要能夠在該競賽中領先。"新策略的核心是"促進與保護（Promote and Protect）"雙重策略：-促進創新：加大研發投資，移除監管障礙，鼓勵AI在政府和軍隊的應用-保護優勢：繼續限制關鍵技術出口，但重點轉向更精準的管控另外，採用層面，政府部門大規模應用AI技術，形成規模效應，Kaczynsk點出了技術競爭的本質："即使我們擁有世界上最好的模型，如果政府不用、國防部不用、情報部門不用，那有什麼意義？"結語：擁抱不確定性的時代Bloomberg Tech Summit 2025為我們揭示的，不是一個遙遠的科幻未來，而是正在發生的現實。從Google的750億美元投資，到Meta的AR眼鏡成功，從人形機器人的商業化部署，到基因編輯技術的突破，這次變革的特點不是某一項技術的突破，而是多項技術的融合與共振。AI、硬體、生物技術、能源技術正在以前所未有的速度交匯，創造出我們之前無法想像的可能性。當人們還在爭論"AI是否會滅絕人類"時，矽谷最聰明的頭腦已經開始建構新紀元的底層程式碼。這場關乎人類文明躍遷的競賽中，唯一的確定性是：拒絕思考的人，終將被演算法淘汰。正如投資大佬Jeffrey Katzenberg在峰會閉幕時所說："永遠不要讓你的回憶比你的夢想更偉大。我今天醒來，度過了不可思議的一天，還有很多事情要做.....這是我每天的生活。"（image generated by ChatGPT）(JER學家)

作者：谷昱 & 餅幹，RootData 作爲加密行業最全面的投融資數據庫之一，RootData 收錄了 5000 多名 Web3 行業投資者，超過 5700 筆投融資記錄，全方位呈現了加密行業的投融資趨勢。 基于這些數據，RootData 将對一系列知名風投基金進行分析，包括他們的發展曆程、投資偏好等信息。本期的研究對象是 CoinFund。 一、概述

為大量初創公司提供銀行服務的矽谷銀行（Silicon Valley Bank）破產，使得初創公司創始人在未來幾天或幾週內都會為如何發工資而苦惱，但受矽谷銀行破產波及的遠不止初創公司。 《財富》雜誌分析的新數據顯示，矽谷銀行是約50%初創公司的首選金融機構，近年來還為約1,074家私募股權和風險投資公司託管資產。 2023年3月10日，人們在倒閉的矽谷銀行總部（這家銀行總部位於美國加利福尼亞州聖克拉拉）外排隊。 由Castle Hall Diligence根據美國證券交易委員會（SEC）公開的年度文件彙編的數據顯示，截至2021年年底，包括安德森-霍洛維茨（Andreessen Horowitz）、General Catalyst、Accel和基準資本（Benchmark Capital）在內的1,074家私募股權和風險投資公司至少儲存了5,994只基金的部分資產。這近6,000只基金的總資產為8,630億美元，不過由矽谷銀行託管的資產比例不得而知，而且這個數字要小得多。