AI

深入洞察市场脉搏,精选高价值分析报告

万物CEO的最后一场豪赌|81岁埃里森的1300亿美元AI债局 AI
Aug 02, 2026

万物CEO的最后一场豪赌|81岁埃里森的1300亿美元AI债局

从世界首富到”堕落天使”边缘,只用了十个月。81岁的拉里·埃里森,用1300亿美元债务把甲骨文——连同他自己——押上了AI时代最大的一张牌桌。 RecodeX 编辑部 | 2026年8月2日 | 依据《纽约时报杂志》调查报道及公开市场数据编译评述 壹两次登顶 2025年9月9日,甲骨文发布财报,宣布”剩余履约义务”(RPO,已签约但尚未确认为收入的订单)大幅飙升。埃里森在电话会上对分析师放话:没有人真正意识到那场“正在逼近的海啸”。次日,《华尔街日报》报道,OpenAI将在约五年内向甲骨文支付3000亿美元,租用其数据中心训练大模型。两条消息叠加,甲骨文股价盘中一度暴涨43%。几个小时之内,埃里森的个人财富增加880亿美元、逼近4000亿——在那天的部分交易时段里,他挤掉马斯克,成了世界首富。 81岁,世界首富。上一次他坐上这个位置,是2000年4月——互联网泡沫的最顶点。 十个月后,故事换了一副面孔。据《纽约时报》报道,7月中旬,甲骨文五年期信用违约互换(CDS)——投资者为对冲其债券违约风险支付的价格——升至有记录以来最高点;标普已在7月将其信用评级下调至垃圾级上方仅一档,再降一级,甲骨文就会沦为华尔街所说的“堕落天使”。到7月底,股价较峰值跌去约六成。彭博亿万富豪指数显示,埃里森今年财富缩水660亿美元,目前约1810亿。 同一个人,同一家公司,同一门技术。问题只有一个:2025年把他送上首富宝座的,究竟是一场革命,还是又一个泡沫? 关键数字 KEY NUMBERS 500%债务/股本比(亚马逊约50%) $1300亿未偿债务(2026年6月年报) $6380亿在手订单 RPO(多头的底牌) 22.6%中国已知AI算力占比(ChinaTalk测算) -60%股价距2025年9月峰值(7月末) 18%2026年3月裁员比例 贰被ChatGPT叫醒的老兵 2022年11月30日,ChatGPT上线。几天内用户破百万,几周内破亿。谷歌拉响”红色警报”,正在斐济度假的佩奇和转行读物理书的布林重出江湖;马斯克火速创立xAI;扎克伯格命令Meta推出第一款聊天机器人。 对埃里森来说,这不只是机会,更是生存问题。甲骨文的根基是软件——可当AI能替你写出定制软件,谁还需要买软件?1977年创立甲骨文以来,他靠数据库建立起一个极其赚钱的帝国,也以”不惜一切也要赢”闻名,甚至雇过私家侦探盯梢微软。上世纪90年代末,他赌上公司全力转向互联网,留下过那句名言:互联网若不是计算的未来,我们就完了;若是,我们就是黄金。2000年,他短暂登顶世界首富。 这一次,他的答案还是豪赌。2023年6月,他从自己的夏威夷拉奈岛——这座140平方英里的岛,从加油站、电影院到四季酒店几乎全归他所有——视频接入全员大会,宣布AI是”有史以来最重要的技术”,堪比人类发现火。2024年9月,他对分析师说:“这就像F1方程式。”总有人会做得比所有人都好,而他打算成为那个人。 甲骨文的战略核心是数据中心。但相比亚马逊、微软、谷歌这些体量数倍于己的”超大规模云厂商”,甲骨文既缺钱,也缺锚定客户。想上牌桌,它需要借来天量资金,并找到愿意长期包下算力的大买家。 叁从马斯克到奥特曼 第一个大买家差点是马斯克。2024年春,双方开始商谈由甲骨文在得州阿比林为xAI建造巨型数据中心——据科技媒体The Information报道,项目代号”Ludicrous”(荒谬速度),致敬《太空炮弹》里那艘一脚油门踩进”荒谬档”的飞船。为搞到紧缺的英伟达芯片,埃里森和马斯克把黄仁勋约到帕洛阿托的Nobu餐厅,当面”求”他多卖一点。但马斯克嫌甲骨文进度太慢、又想要更多控制权,当年7月谈判破裂,转身自建数据中心去了。 失去马斯克的埃里森,很快等来一个更大的客户。微软原本独家为OpenAI供应算力,但不愿被单一客户绑死、无限加杠杆,于是给了OpenAI一纸豁免。甲骨文接盘,主动扛下建设数据中心的全部财务负担,并承诺把通常四年的工程压缩到11个月。这个合资计划后来有了一个科幻片式的名字:星际之门(Stargate)。 2025年1月21日,特朗普第二任期的第一个完整工作日,埃里森站上白宫罗斯福厅,身旁是特朗普和奥特曼。总统宣布这是”史上最大的AI基础设施项目”:四年最多投入5000亿美元,建设一批单体50万平方英尺的数据中心,产出10吉瓦算力——耗电量足以点亮一千万户家庭。特朗普当场夸他:“他算是万物的CEO。” 政治风向的逆转同样关键。拜登政府卸任前签署的算力扩散规则,要求超大规模厂商海外运营须申领许可,并把50%的算力留在美国本土——对海外野心最大(相对自身体量而言)的甲骨文,这近乎致命。特朗普上台后,任命硅谷风投人大卫·萨克斯出任AI与加密沙皇(据《纽约时报》调查,其个人投资了至少449家与AI相关的公司),并在规则生效前48小时将其废除。同一天,特朗普飞抵沙特开启海湾三国行;奥特曼在阿联酋同台宣布”星际之门UAE”,甲骨文亦是合作方。 一个让加密行业侧目的细节是:就在拜登政策原定生效日的两周前,特朗普家族加密公司World Liberty Financial的CEO扎克·威特科夫在迪拜宣布,阿联酋方面将动用20亿美元该公司新发的稳定币投资币安。算力、石油美元与稳定币,在同一张牌桌上完成了交汇。 肆五倍杠杆的赌桌 星际之门的另一面,是史无前例的债务。 每1美元股东权益,背着5美元债务。ORACLE 债务/股本比 ≈ 500%,据《纽约时报》梳理 所有超大规模厂商都在举债投AI,但甲骨文自成一档:债务/股本比高达约500%;同期亚马逊约为50%,Alphabet更低。2026年2月,甲骨文单日发债250亿美元,随后又把银行授信额度提高到100亿。3月,因多家银行以”甲骨文只是租户”为由限制风险敞口,得州星际之门被迫缩减规模;同月,公司在未作任何解释的情况下裁员约18%。AI会不会摧毁美国的就业尚无定论,但它已经先摧毁了甲骨文的就业。 6月的年报里,甲骨文一边宣告AI转型成功、现金流足以覆盖义务,一边罕见提示:无法保证有能力管理已增至1300亿美元的未偿债务,客户可能付不起钱,监管环境也可能生变。7月,标普下调评级至垃圾级上方一档;威斯康星州公用事业委员会则要求甲骨文为四栋数据中心的电网升级兜底——意味着再筹至少70亿美元,公司在证词中称之为“极成问题”。最新进展是,这场争执已闹上法庭。 埃里森个人的杠杆同样惊人。他持有超过11亿股甲骨文股票,其中3.46亿股已质押为个人贷款的抵押品——他是公司唯一被允许这样做的高管。他还为儿子大卫1110亿美元收购华纳兄弟探索的报价,个人担保了457亿美元;如今12个州总检察长起诉阻止交易,法院批准了临时限制令,派拉蒙天空之舞宣布推迟收购。股价暴跌之下,这笔担保占他净资产的比重,比一年前许诺时大得多。此刻卖股或加押,都是最坏的时机。 伍最危险的一笔生意 在所有押注里,最微妙的一笔与中国有关。 2024年夏,甲骨文启动65亿美元计划,在马来西亚建设大型数据中心集群。拜登规则废除后,这一设施得以放开手脚,到2026年6月底已在冲击全球第二大数据中心。甲骨文不公布客户名单,但据独立研究机构SemiAnalysis对其算力输出的测算,该设施的大部分算力流向了字节跳动;智库ChinaTalk的分析师Aqib Zakaria则算出一个更惊人的数字:甲骨文提供了中国已知AI算力的22.6%。 如果测算属实,这意味着:埃里森一边是OpenAI最大的算力供应商,一边又在为OpenAI最强的中国对手们供能——他在两头下注。甲骨文的逻辑是:全球算力并没有稀缺到需要限制美国公司同中国做生意;中国没有你也会自建,禁运只会逼出一个更完整的中国算力体系。 TikTok这条线走得更远。今年1月,特朗普政府宣布由甲骨文、阿联酋投资基金等组成合资企业,收购TikTok美国业务多数股权,甲骨文继续托管美国用户数据。但2024年的立法明确禁止字节跳动与TikTok美国业务存在”任何运营关系”,而在这份协议里,字节保留了推荐算法的所有权(以授权方式提供给合资公司),并以19.9%的持股成为最大单一投资方——恰好比法定上限低0.1个百分点。五位拜登时期国家安全官员对《纽约时报》表示,该交易明显违背立法精神、甚至可能触碰法律条文;连立场偏右的《华尔街日报》编辑部也发出了警告。 陆泡沫的数学题 把镜头拉远,甲骨文只是这场万亿豪赌的极端样本。 据摩根士丹利测算,2022年10月以来,AI相关股票贡献了标普500高达75%的回报;哈佛肯尼迪学院经济学家弗曼计算,2025年上半年,数据中心贡献了美国GDP增长的92%。前IMF首席经济学家戈皮纳特去年在《经济学人》撰文估算:一场AI崩盘将抹去20万亿美元的美国财富——远超2000年互联网泡沫,甚至超过2008年金融危机。宏观研究机构MacroStrategy Partnership则估计,AI泡沫的体量是互联网泡沫的17倍、2008年房地产泡沫的4倍。 范德堡大学AI政策研究者拉姆扎纳利把它总结成一道数学题:数万亿美元的投资,压在区区数百亿美元的收入之上。更危险的是结构——超大规模厂商重金投资的,正是它们指望回头购买自家算力的客户,经济学家称之为”连环负债结构”,圈内叫它”循环融资”。甲骨文的时间差尤其刺眼:资本开支已突破550亿美元,而OpenAI那笔每年数百亿美元的付款,要到2027年才开始到账;OpenAI自己则预计2030年之前无法盈利。 […]

它以为自己还在游戏里 AI
Jul 31, 2026

它以为自己还在游戏里

它们不是失控,是太听话了 一道本该断网的“墙”被意外打开,Anthropic 三个最强模型,把一场演习打成了对三家真实公司的入侵。它们没有反叛——只是太想把任务做完。而真相,比“AI 叛逃”更让人后背发凉。 EVAL ENVIRONMENT · 评估环境设定 TASKCapture the Flag · 找到藏起来的“旗帜” ENVSIMULATED · 模拟沙箱 INTERNET提示词:NONE / 无网络 — 实际● LIVE · 一直连着真实互联网 // 模型被告知“这里没有网络”。但门,一直开着。 141,006 被回头复盘的 评估运行次数 3 被攻破的 真实机构 9,000 单次被扫描的 真实目标 ~1h 毒包在公开 仓库存活时长 15 中招运行的 真实系统 01 · 那道墙,本该是关着的 故事要从一个再普通不过的指令说起。 一个 AI 被放进一间“密室”。研究员告诉它:你现在身处一个模拟环境,这里没有互联网,你的任务是找到一面被藏起来的“旗帜”——这是网络安全领域最经典的攻防演练,叫 Capture the Flag,夺旗。 它开始工作:扫描端口、试探弱口令、寻找没有鉴权的接口。这些都是最基础的黑客手法,谈不上高深。可它翻遍了整间“密室”,就是找不到那个虚构的目标。 于是它做了一件任何尽职员工都会做的事:想办法,把任务完成。 它不知道的是——那间密室的门,一直是开着的。 由于 […]

ServiceTitan 花了 10 年时间,Procore 则花了 21 年,而那些即将成为 AI 领域胜出者的企业则根本不会等待 AI
Jul 27, 2026

ServiceTitan 花了 10 年时间,Procore 则花了 21 年,而那些即将成为 AI 领域胜出者的企业则根本不会等待

下一代垂直软件公司将会反向运用这一模式——过去,支付是最终目的,而现在它则只是实现目标的手段而已。 在垂直软件领域,每个人都知道这一发展顺序。在过去的二十年里,垂直 SaaS 行业的标准发展路径一直是:为这个并不那么吸引人的行业构建核心系统,将其融入日常工作中,逐步实现规模扩张;之后,经过多年甚至数十年的时间,再引入支付功能,从而掌控该行业的资金流。这样的发展模式已经培育出了数十家价值数十亿美元的巨头企业——也正是因此,人们才容易忽视接下来的变化。 我们有相关的收据为证。Shopify 在成立 7 年后,也就是 2013 年才推出支付功能;当时,与商家相关的业务所占营收比例约为三分之一,而如今这一比例已上升至四分之三左右。ServiceTitan 成立于 2007 年,直到 2017 年才开始提供支付服务;到 2024 年 12 月该公司上市时,金融科技相关业务已占其营收的 1001#25%,而且该公司还能从每家承包商的营收中抽取大约 1%的费用。Clio 则在成立 13 年后,也就是 2021 年才开始提供支付功能,如今支付业务已经成为了推动其新增营收增长的主要动力,同时该公司的估值也从 16 亿美元上升到了 30 亿美元。Procore 成立于 2002 年,直到 2023 年 9 月才推出 Procore Pay 功能。这家公司花了 21 年时间才实现盈利。 这种模式极为固定,以至于逐渐演变成了准则:支付才是最终目标,而只有先掌握相应的工作流程,才能获得获得支付的资格。 人工智能打破了原有的规则。下一代垂直领域软件公司将会以相反的方式来运作——过去支付是最终目的,而现在它则只是实现目标的手段而已。 为何会出现这个序列 旧的排序方式并非出于偏好,而是出于两个原因而具有承重作用。 首先,那种没有任何附加功能的支付系统本身就属于一种商品。如果在 2015 年你去向某家家庭服务商店推销“更出色的支付解决方案”,那你就得与 Fiserv 在利率上展开竞争。而通过采用记录系统,就可以避免这种竞争——支付功能就此变成了最省力的处理方式,而不再需要作为一项采购决策来考虑。从技术层面来看,使用外部处理服务商也是完全可行的,只不过这意味着要多一个供应商、多一次系统集成,还要手动进行对账,而使用软件的话则可以自动完成这些操作。 其次,与支付相关的所有工作都依赖人工操作。对账、异常处理、欺诈审查、了解你的客户/了解业务对手的流程、资金管理、账款回收、结账以及财务规划与分析:这些都是需要人工完成的工作。软件无法将这些流程标准化或自动化,因此也就不存在可以针对资金流来销售的独立产品。实现支付业务盈利的唯一方式,就是融入到人们已经在使用的那些工作流程中。这就意味着首先要掌握相关的记录系统。这样的顺序是不可避免的。 代理型人工智能的缺陷是什么 代理型人工智能使得与支付相关的各项工作能够以软件的形式被构建出来。这从两个层面打破了原有的前提条件。 如今,构建相关软件已不必再花费十年时间逐步积累工作流程——你需要的是资金流数据,因为对账、资金管理以及收款功能都是建立在准确的账目记录之上的。支付层现已成为各类应用程序运行的基础环境。谁掌握了这一基础架构,谁就拥有了主导权。而需求方面也已经显现:82%的企业表示,如果能有更出色的支付功能,他们愿意考虑更换软件平台。那些过去需要多年时间才能打开的大门,现在……依然敞开着。 […]

数据中心产业化入门指南:AI 基础设施是下一项重要的产业能力 AI
Jul 27, 2026

数据中心产业化入门指南:AI 基础设施是下一项重要的产业能力

摘要 人工智能技术的发展并没有带来新的基础设施问题,反而暴露了原本就存在的那些问题。二十年来,数据中心一直被当作房地产项目来经营,但当 GPU 时代的需求出现时,其规模和复杂性已超出了原有运营模式所能应对的范围。电力网络无法快速实现各数据中心的互联,建筑行业也没有足够的人力来建造这些数据中心,电力供应链也无法按时交付所需的组件,而除了那些大型科技企业之外,还不存在能够让这些数据中心高效运行的软件。此外,用于处理这类硬件处置业务的体系也并非为那些需要每隔几年就更换一次的硬件而设计的。这些都不是技术层面的问题,而是整个行业在扩大发展规模的同时未能同步完善其运营基础设施所导致的累积后果。我们正在着力弥补的,正是这种差距。 世界正在像消耗电力一样消耗智能资源,而支撑这种消耗所需的基础设施则代表着巨大的商业机遇。 即将到来的十年里最具决定性意义的技术——人工智能,其发展方式与其他关键基础设施如铁路、电信和能源行业的历史发展模式类似:需要数百亿的资金投入,关键组件的研发周期很长,同时还面临能源供应的限制。这些未来的“工厂”同样存在各种现实层面的瓶颈。 计算智能正逐渐成为一种关键的工业资源,而与它相关的所有环节——选址、构建、供电、散热、持续运行以及退役处理——都与我们此前研究过的其他各类工业生命周期有着相似之处。 人工智能已经让数据中心从那些默默无闻、处于幕后、仅承担成本功能的场所,转变为推动人工智能发展的重要基础设施。十年前还被视为独立的大型数据中心的设施,如今只不过是更大规模数据中心园区中的其中一栋建筑而已,而这样的园区里可能还有数十栋类似的建筑。这类数据中心的运行条件与普通数据中心有着巨大差异:一个功率为 100 兆瓦的人工智能数据中心所需的电力,大约是传统企业数据中心的 25 倍;它需要液冷系统,而这种系统在五年前还无法在商业领域大规模应用;此外,它的电力系统复杂程度甚至与区域变电站相当,远超过普通商业建筑的水平。以往的基础设施、设计、采购和建设方案根本无法满足这些需求。 因此,该行业正经历着工程师和分析师们所称的“基础设施投资超级周期”。预计在未来五年内,全球在数据中心基础设施上的投资额将接近 7 万亿美元,而在 2026 年至 2030 年间还将有大约 100 吉瓦的新产能投入使用。与之相比,在之前的时期里,全球数据中心的产能从 2009 年的 27 吉瓦增长到了 2017 年底的约 38 吉瓦(数据来源:Visual Capitalist)。 这些资本投入既体现了人工智能在全球经济中日益普及的紧迫性,也展现了其巨大的发展潜力。2025 年第一季度,数据中心建设所占据的美国 GDP 比例达到了 1%;这一数字在五年前还是难以想象的(Apollo)。Alphabet、Amazon、Microsoft 和 Meta 计划在 2025 年投入超过 3500 亿美元用于数据中心建设,到 2026 年这一数字还将上升至约 4000 亿美元。据 BloombergNEF 的预测,到 2029 年,用于数据中心的总支出将达到 3.3 万亿美元。作为对比,在 2010 年代初至中期,全球每年在数据中心设备和系统上的支出还仅处于数十亿美元的级别(Visual Capitalist)。 […]

AI
Jul 27, 2026

为人生中最困难的流程提供原生级 AI 支持

大多数人直到被迫面对时,才会想到遗嘱认证的事。 当有人去世后,家人通常会陷入悲痛之中。但他们往往没有预料到随之而来的各种行政和法律上的麻烦:各种表格、缺失的文件、法院的要求、财务问题、家庭成员之间的协调,以及那些必须立即做出的决定。处理遗产继承事宜可能需要一年多的时间,还会让家属花费数万美元。在悲痛之中,家人们还不得不负责处理所有的财务事务。 很少有情况比这更需要可靠的财务与法律建议。 财富管理楔形策略 一年多来,我一直在研究财富管理行业,以及人工智能如何改变这一行业。而我始终关注的焦点,就是信任问题。 在这个市场中,信任比产品更为重要。一旦与客户建立了合作关系,他们就很少会更换财富管理师,这就使得吸引新客户变得既缓慢又成本高昂。没有捷径可走。那些希望成功进入该市场的企业,必须要有充分的理由,才能在客户做出重大财务决策之前赢得他们的信任。 遗产清算便是其中的原因之一。我们正处于历史上规模最大的代际财富转移进程的起点,预计在未来几十年里,将有约 84 万亿美元的财富发生转移。 资产即将被转移,但目前的处理流程既过时又繁琐,令人困惑。传统上,这类事务由律师负责处理,而且只服务于那些大型机构或高净值人士的遗产。这就使得许多家庭只能面临两个不理想的选择:要么自行处理,要么聘请昂贵的律师服务。 EverSettled 之所以出色,是因为它通过帮助家庭处理眼前的各种事务来赢得他们的信任。它与客户的关系建立在对客户带来实际价值的基础上,而非通过推销手段。 Emergence 很荣幸能与 Entrepreneurs First、Seedcamp、Bridge Ventures、Alumni Ventures 以及多位天使投资人一同领投这笔 500 万美元的种子轮融资。 从一开始就是为人工智能而生的 EverSettled 正在打造一款专为遗产处理而设计的人工智能驱动型服务,旨在帮助家庭应对丧亲之后的各项行政事务。该服务通过结构化的指导、必要的文件支持、家庭协调等功能,协助用户处理遗嘱认证、遗产管理及继承相关事宜。 EverSettled 完全属于我们所说的“AI 原生服务”这一类别:这类企业以人工智能作为核心技术,来创造并交付相应的成果。 从历史上看,遗产处理一直是一项受到严格监管、涉及重大利益、且必须以传统方式进行的业务。EverSettled 正在改变这一状况,但它并非将人工智能强行融入旧有的服务模式中,而是全面接管整个流程,并以人工智能为基础对其进行重构。 人工智能也改变了这个市场能够服务的人群。传统上,这类服务主要面向那些属于最富有的 10%的人群:他们拥有庞大的资产,需要专业的遗产管理服务,因此也能获得更高的投资回报。而 EverSettled 则致力于为剩下的 90%的人提供服务——那些还有资产需要处理,但却因经济原因无法获得适当帮助的家庭。 客户群体也发生了变化。如今,处理遗产继承事宜的人大多在 50 多岁或 60 多岁。他们一生都在使用现代技术,却不得不面对这样一个流程——它与其说是一种数字化服务,倒更像是传统的行政手续。 精致的中部 遗产处理是一项复杂而棘手的任务。家庭成员们需要同时考虑金钱、资产、责任以及损失等问题。有的成员可能需要承担法律上的责任,有的则可能觉得被忽视了;还有的人可能会以不同的方式表达悲伤之情。每个人都需要明确接下来该做什么、哪些文件是重要的、哪些人需要参与处理、哪些事情可以拖延,哪些则必须立即处理。 EverSettled 的核心产品是 Sage,这是一款人工智能助手,能够为遗产处理人员及家属提供帮助。它可以在凌晨 2 点回答各种问题,简化表格填写流程,处理相关文件,并协调各项任务。该系统不仅能够帮助处理与遗产相关的财务问题,还能应对因金钱、损失和责任问题而产生的各种疑问以及家庭矛盾。 该产品必须谨慎把握分寸:何时该继续要求获取推进流程所需的信息,何时又该在另一份表格填写完毕之前提供支持。 处理这类敏感问题,需要一支既了解其中的人性因素,又熟悉技术要求的创始团队。在编写任何代码之前,他们花费数月时间与家属、受托人以及法律助理们沟通,以找出流程中的漏洞所在。 首席执行官阿伦·肯普斯特亲身经历过这些难题。她曾负责处理父亲的遗产继承事宜,整个过程耗时 27 个月;之后又处理过祖父的遗产问题。她亲历了遗产继承过程中的种种混乱、高昂成本以及那些看不见的繁琐工作。此外,由于她在国家死亡政策制定方面的工作经验,以及在消费类初创企业中的发展与市场推广工作经历,她还拥有独特的见解。 当我遇到阿鲁姆时,最让我印象深刻的是她将自身经验、市场洞察力以及强烈的执行力融为一体。她会不择手段地达成目标。 首席技术官雅各布·埃芬伯格为该系统奠定了技术基础。他曾在那些对准确性和可靠性要求极高的行业里开发和应用人工智能技术,比如国防和石油天然气行业。遗产处理同样需要高度的严谨性,因为这涉及到敏感的法律、财务和个人信息。因此,这个系统从一开始就必须具备实用性、可靠性与可信赖性。 引领未来的值得信赖品牌 阿鲁姆与雅各布一起,打造着人们在有人离世时会信赖的品牌系列。 […]

刻意稀疏:Kimi K3 与开放模型扩展 AI
Jul 27, 2026

刻意稀疏:Kimi K3 与开放模型扩展

当 Moonshot 在 7 月 27 日发布 Kimi K3 检查点时,它将成为有史以来规模最大的开源模型:拥有 2.8 万亿个参数,100 万 token 的上下文窗口,支持原生多模态处理,其性能指标已超越 Opus 4.8,仅略逊于 Fable 5 和 GPT-5.6。 讨论的焦点一直集中在 2.8 万亿上。 更重要的数字是 16。 从 28%降至 2% 每处理一个令牌,K3 会激活 896 位专家中的 16 位——也就是说,在每次前向传播过程中,只有不到 2%的专家会被启用。这并非实现细节,而是开放模型中最为一致的架构趋势所达到的最终状态。 自 Mixtral 推出以来,参数总数增长了 ~20x 倍;仅在过去十二个月内,就增长了 ~3x 倍。 活跃参数几乎没有任何增长:在 27 个月内,17-49B 频段的情况始终没有变化。Moonshot 在九个月内先后发布了 K2、K2.5 和 K2.6 版本,这几种版本的架构完全相同——总内存为 1T,活跃参数为 32B;虽然发布了三个版本,但活跃参数并未出现任何增长。 存在一定的波动性(GLM-5.2 […]

AI
Jul 27, 2026

举证责任:评估人工智能时代的能源与工业解决方案

在快速变化的智能代理环境中,用于评估具备防御能力的软件以及具有颠覆性意义的 AI 企业的评估框架 人工智能正在影响着各个行业,改变着处于不同发展阶段的企业对于增长、竞争力以及如何区别于竞争对手的思考方式。对于能源和工业领域而言,电力需求的不断增长使得各企业更加迫切地需要提升运营的速度、效率与准确性。在这一方面,人工智能及其他数字工具能够发挥重要作用,但这些行业的特性要求企业在采用这类技术时采取更为谨慎、逐步推进的方式。在 Energize 看来,要在这些市场实现成功的创新,就需要巧妙地结合新兴的人工智能工具与可靠的软件合作伙伴,将行业经验与专业知识与最先进的解决方案相融合,从而带来以实际成果和价值为导向的成效。 在能源和工业这类结构复杂、监管严格的行业里经营的企业,采用新型技术的前提条件极为严格。这些企业负责管理至关重要的基础设施,容错率或允许的停机时间都非常低。正因如此,这类行业的企业不太可能立刻采用全新的人工智能工具,而是更愿意借助拥有行业专业知识的现有合作伙伴来协助制定相应的应用策略。在当今这个对能源消耗极高的行业环境中,迫切需要能够提升效率、准确度与安全性的人工智能解决方案,而那些值得信赖的软件供应商则拥有参与打造此类解决方案的巨大机会。 在这样一个变化迅速的环境中,如何评估新兴的 AI 技术与传统的软件技术,对运营者和投资者而言都是一项挑战。过去那些能够带来竞争优势的因素——比如数据访问与管理能力——如今正被 AI 解决方案所颠覆。而在另一些情况下,通过在现有优势基础上再叠加各种智能工具,这些优势反而会得到进一步强化。为帮助人们在如此复杂的局势中看清形势,Energize 开发了一套简单的评估框架,用于评估各类解决方案——无论是传统的 SaaS 产品还是基于 AI 的技术——从而确定哪些方案具备更强的持久性和商业竞争力。 可辩护的软件与颠覆性人工智能解决方案的举证责任 在对数千家从事能源与工业领域的公司进行了深入调研与评估之后,我们制定了一套评价标准,用以衡量各企业面临人工智能替代风险的程度。大多数公司在这些标准所构成的谱系中的某个位置上——它们的某些技术优势能够为其提供强大的竞争优势,而其他方面则可能存在更高的风险。我们认为,这些参数有助于根据当前技术发展状况来评估各类企业。 控制与影响:该公司的产品是作为嵌入式系统来控制关键工作流程,还是仅提供建议或分析功能? 数据优势:该公司的数据是专有的、难以获取的,还是公开可用的、因而可以被人工智能工具轻松获取? 失败的成本:当错误的代价很高时,它还值得被信赖吗? 对结果的影响:企业能否根据所创造的价值来定价,还是说按座位收费的模式已经固定不变了? 无论是传统的 SaaS 平台还是专为人工智能设计的平台,都在争分夺秒地向客户证明自身的价值。人工智能提升了人们对数字产品的期望标准:用户们明白自己至少有自行开发软件的能力,同时也知道软件提供商拥有各种人工智能工具,因此他们期望得到比以往更加量身定制、更具针对性的解决方案。 对于那些专为人工智能设计的解决方案而言,关键在于尽快赢得客户的信任并不断巩固这一信任。它们首先通过自动化和简化关键工作流程来展现优势,进而逐步扩展其功能范围。软件平台必须始终维护客户的信任,证明自己能够利用现有数据挖掘出独特的见解,并推出有别于市面上其他产品的人工智能应用。 当前人工智能领域的主要优势与风险 在根据这些标准对各类公司进行评估时,我们发现了一些关于其核心优势与风险所在方面的规律。 核心护城河: 实物资产记录系统:这是一种用于存储客户资产数据的平台,它位于生成这些数据的设备上,因此最适合作为构建人工智能系统的基础。该系统从单纯的记录功能转变为具备行动能力的系统——首先存储数据,然后建议对该数据采取何种处理方式,最后再执行相应的操作。例如,这样的平台可以通过分析各客户的数据来预测不同地区在审批流程中可能出现的延迟情况,这是单个运营商或普通模型无法做到的。 领域专业知识与可信度:在能源和工业领域,决策往往涉及重大后果且需要高度确定性,因此概率型人工智能并不足以满足需求。这类解决方案必须与经验丰富的专家相结合,这些专家能够将 80%到 95%的准确率提升至 99.999%,从而实现关键业务流程的自动化处理。 专有运营数据:模型无法获取那些隐藏在计量设备、传感器背后,或是经过多年运行后产生的数据。能够访问这些专有数据集,并对其进行分析整合,是软件和人工智能解决方案具备优势的关键。这类数据集通常是通过多年积累获得的,或是通过与客户建立的信任关系而得以获取的。 基于成果的定价方式:人工智能能够帮助更少的人在更短的时间内完成相同的工作。当一个人就能完成原本需要一个团队才能完成的任务时,那么该技术平台所需的资源也就相应减少了。在人工智能时代,那些能够将定价及收入与工作成果的价值挂钩的解决方案,才更有潜力实现可持续发展。 主要风险: 可复制的流程:基于规则的、可复制的流程非常适合被人工智能所整合并实现自动化处理。过去,维护这类自动化流程还需要耗费不少精力,但现在有了智能代理之后,这一工作就变得极为简单了。 公共数据:过去,那些能够筛选公共数据并从中提取有用信息的解决方案颇具优势,但如今却面临着来自人工智能解决方案的激烈竞争——因为人工智能可以轻松完成同样的工作。无论这些公共数据多么零散、数量多么庞大,它们都已成为人工智能颠覆性技术的理想目标。 基于座位数的定价方式:人工智能正在大幅减少使用某种工具的座位数量。那些无法将自己的产品价值与客户实际收益直接联系起来的解决方案(比如节省的金钱、时间或避免的事故等),将会失去盈利机会,而在人工智能解决方案日益占据主导地位的背景下,也难以实现发展。 团队惯性:在人工智能时代,企业所面临的最大风险并非来自产品或数据集本身,而在于它们是否愿意采用新的技术。要想在这种环境中生存并发展,团队必须愿意承受种种不便,积极开发新产品、应用人工智能解决方案,而非依赖现有的优势地位。我们发现,这种思维方式需要自上而下地推行,由高层管理者带头推动变革,引领整个组织的创新进程。 专业化是提升防御能力的基础。 人工智能技术正在不断快速发展,这些评估标准无疑也会随之变化。在我们对各类关键风险及竞争优势的评估中,有一个要素我们认为具有持久的价值,那就是专业化能力。在“护城河”与“风险”这一维度上,那些具备领域专业知识和行业认知的解决方案,在这场巨大的技术变革中,似乎最能赢得能源和工业领域的客户青睐。而那些缺乏此类专业知识的原生人工智能解决方案,则不得不直接与那些基于基础模型开发的解决方案以及大型科技企业竞争,几乎没有任何优势可言。至于那些没有这种专业能力的传统软件平台,则有可能失去曾经让它们占据优势的数据访问权限以及客户信任。无论在哪种情况下,专业化能力都是决定一家企业能否长久生存、避免被取代的关键因素。在当前的环境下,与核心客户之间已建立的信任关系、深入的工作流程整合、对数据的优先访问权,以及团队尝试并应用各种智能解决方案的意愿,这些都是判断一家企业是否具备持久发展能力的最重要指标。

那些最先进的以人工智能为核心的企业究竟是如何运作的? AI
Jul 27, 2026

那些最先进的以人工智能为核心的企业究竟是如何运作的?

“三人独角兽”实验已经进行了三年,涉及数百家公司——包括我们旗下的企业以及其他公司。大家都明白一个道理:小团队才能快速行动。然而,在那些能够建立正确组织结构的公司与那些无法做到这一点的公司之间,仍然存在着巨大的差距。 那家仅有三名员工的独角兽企业,其发展理念绝不仅仅在于人数少以及“运用人工智能”。关键在于构建能够让这些人协同工作的系统,把人工智能视作同事而非工具,并以打造出色产品这一任务作为整个公司的核心目标。 如果结构设计出错,最终只会得到一堆无用的工具、质量低劣的产品,而且效率也提不上去。如果设计正确,就能迅速取得成功。 以下是我们所看到的能够取得成功的架构,以及那些会困住那些以人工智能为首要发展方向的初创公司的陷阱。 0 到 1 阶段已经解决,1 到 2 阶段则是你的瓶颈所在。 旧有的组织结构是将产品、设计、工程和支持部门分开,中间设置中层管理,这种结构是为那个将产品从无到有创造出来的过程极为困难的时代而设计的,其目的就是帮助团队实现从 0 到 1 的突破。 人工智能已经解决了那个问题。在人类历史上,填满空白屏幕从未如此容易过。新的瓶颈出现在从 1 到 2 的环节:制作原型、进行测试、完成配对、学习经验——然后重复这个过程。重点也从开发转向了验证。 如今,获胜的方案能让你尽快进入发布与学习阶段。 那些运用人工智能却效率低下的公司会陷入产品发布前的困境之中。人工智能使得人们可以轻易地尝试各种方法,于是人们就倾向于让人工智能来判断产品是否合格,而非真正将产品推出市场,让真实的客户数据来给出答案。 克制住那种冲动,先把产品配对发送出去。让公司能够快速从这些结果中吸取经验。 如今,获胜的方案能让你尽快进入发布与学习阶段。 任务舱 我们发现,对于此用途而言,任务舱的结构最为合适。 应按照目标来组建团队,而非依据工作职能——无论是解决客户问题、完善产品功能,还是实现营收目标。每个小组都需全权负责相应的目标:深入了解客户需求、制作原型、推出产品、进行评估、不断优化,无需等待其他部门的协助。 在这样一个团队中,目标是通过一切可用的手段来解决问题——无论是产品、销售还是市场营销方面的手段。虽然仍然会有领域专家,就像“三个人组成的独角兽团队”模式那样,但所有人都会跨职能协作,利用人工智能来弥补自身技能与认知上的不足。 以下是建造任务舱的五项基本规则: 1)聘请具备出色沟通能力的创意人才。 团队中的每个人都应该具备创造全新成果的能力,并且要有实际完成过某项任务的记录。那些无法完成工作的人是没有立足之地的,尤其是在人工智能时代,如今创造成果比以往任何时候都更加容易。 但关键在于,这仅仅是第一步而已。真正重要的是,那些负责执行任务的人必须懂得如何优化成果、接受反馈,并能够进行有效沟通。他们应当具备较低的自我意识、较高的情感智力,同时还是优秀的团队合作者。 这种心态很难找到,但确实存在。这类员工会全神贯注地致力于推出新的想法与方法,同时从之前的尝试中吸取经验。我们将这种方式称为“1000 项同步实验法”。 2) 经理应列在组织结构图中 不要再将人工智能视为软件。应将智能体视作队友,并据此分配任务给他们。 每个团队都应能够明确指出哪些工作由人类完成,哪些由人工智能处理,哪些需要人工审核。如果不存在这样的划分,那就不能称其为真正运用了人工智能的团队——只不过是一群使用了相关工具的人而已。 3) 询问人工智能能否做到这一点,并诚实地评估结果。 在决定外包之前,先问问:这部分工作能否由人工智能来完成?或者让现有人员借助人工智能来处理?即便结果并不完美,其质量是否仍足以用于实际应用? 关键在于不要以为,只要人工智能能够完成某项任务,其质量就一定足够高。有时候,确实需要请人类专家来处理。但也要清楚了解人工智能在哪些方面表现优异。 在您的业务中,有些领域采用这种模式是可行的。并非所有情况都适用——我们并不是说您就应该一直使用质量低劣的产品。不过,存在一种折中的方法,或许能够奏效;而如果这种方法行不通,至少也能帮助您了解什么才是对您来说最重要的。 这种态度可能会遇到一些抵制。避免这种情况的关键在于,要奖励那些能够带来实际成果的自动化流程所带来的努力(而非那些毫无意义的指标)。 尽可能往前推进,这样就能获得更多资源。不能反过来说。 4) 构建评估文化 内容质量低下的问题确实存在。无节制地增加内容量只会降低产品品质,而客户会比你更早察觉到这一点。如果人工智能能够生成十倍于以往的内容、代码或答案,而你的质量控制标准却没有相应提升,那无疑是在加速自身的衰落。 评估文化是防止产出劣质产品的指南。必须明确界定何种产品才算合格可以交付,而且所有人都必须对此有统一的认识。 5) 每个人都要与客户交谈 如今,顾客信息已成为贵公司最稀缺的资源。 当任何人都能在一周内造出任何产品时,优势就属于最了解顾客的人。你们的工程师、设计师和操作人员应当直接与顾客沟通,或直接分析相关数据,以此为下一步行动提供依据。 陷阱 […]

AI
Jul 27, 2026

如何备份由人工智能代理运营的企业?

企业将会运行数千个人工智能智能体,它们需要一个“撤销”按钮。 Veeam、Commvault、Cohesity、Rubrik、Veritas,以及在此之前的 HPE、Dell、IBM 等公司,都花费了 45 年以上的时间来开发备份与灾难恢复产品,旨在帮助企业在遭遇勒索软件攻击、数据损坏或面临联邦机构审计时能够迅速恢复运营。这些产品每年带来的收入高达 300 亿美元以上(对于那些大型科技企业而言,这也是非常重要的业务板块)。 这些产品会对企业的数据进行快照备份,将其复制到多个硬盘上,然后根据数据被再次使用的概率,将数据存储在云存储中(比如,仍有一些企业使用磁带存储!),或者高速存储设备中(比如 Pure Storage 的闪存存储恢复解决方案)。 不过,那些产品是为以人为中心的世界设计的,在那样的环境中,人们会手动做出决策并更新数据,或者最多以大批量的方式来处理数据。而基于 AI 的企业则会同时运行数百万个智能体。这些智能体越来越多地对核心数据库执行读取、写入、更新和删除操作,并能根据上下文信息以及 LLM 的逻辑独立做出决策。就连这些智能体自身的发展速度——包括模型训练后的优化、效率提升以及上下文信息的检索——也远远快于单个员工。 那些以人工智能为核心业务的企业需要新的备份与灾难恢复解决方案。 300 亿美元的传统备份支出 备份与灾难恢复属于两个相互关联的市场:一个是规模较为分散的、价值 1001#$130 亿美元的数据保护软件市场;另一个则是发展势头更强劲的、价值 1002#$160 亿美元的灾难恢复即服务市场。两者共同构成了一个价值 300 多亿美元的、用于存储旧数据的产业。 事实上,目前存储在各类备份系统及 DSaaS 平台中的数据量已超过 250 艾字节(根据 IDC 的《Global DataSpheres 报告》)。由于生成式 AI 应用能够捕获并存储更多需要备份的数据(比如医生诊疗记录),这一数字正以前所未有的速度持续增长。 备份是一种防止遗忘的保障。这些数据副本保存在低温环境中,成本较低且保存时间很长;之所以要保存它们,是因为相关法规要求这样做,以便确保数据安全、便于审计以及提供法律支持。实际上几乎从不有人会去读取这些数据,但它们通常会被保存 5 年以上。 灾难恢复是一种防止业务停摆的保障措施。它指的是那些能够在勒索软件攻击、错误部署或某个区域发生故障后帮助企业重新恢复运营的备份副本。其效果可通过企业恢复的速度(RTO——恢复时间目标)以及企业遭受的损失程度(RPO——恢复点目标)来衡量。而“DRaaS”则是最常见、发展最快的灾难恢复解决方案,它其实就是将这项工作交给其他人来处理。 为什么还会有人在意这个问题呢?因为系统停机会造成巨大的损失。根据 2024 年 ITIC 发布的关于系统停机成本的调查,超过 90%的大型企业表示,每小时的停机损失在 30 万美元以上,还有 40%的企业认为这一数字甚至超过 100 万美元。据 Coreware 通过 […]