社区

最近，几乎所有人都在问同一个问题： AI 应用还有没有价值，OpenAI 和 Anthropic 会不会终结一切？ 这个问题背后，其实藏着一种很典型的 AI 焦虑。 很多人现在越来越相信，所有软件最终都会被模型吞掉。今天是 Codex、Claude Code，明天可能就是更强的新模型。无论你现在做什么应用，都可能被底层模型直接“内置化”，最后失去价值。 昨天，A16Z 合伙人乔·施密特专门写了一篇文章，讨论这个问题。 他认为，大模型确实正在进入应用层，而且会吃掉相当一部分市场。但问题在于，很多人把“AI 应用”理解得太简单了。真实世界里的企业流程，远比“一个聪明模型”复杂得多。 即使今天通用模型已经很强，距离真正进入企业核心业务之间，仍然隔着很长一段距离。而这段距离，恰恰也是 AI 应用公司的机会所在。 / 01 / 离模型主航道远一点 现在的AI应用大致可以分为两类： 一种，是走在大模型公司正在铺的“黄砖路”上。所谓“黄砖路”，可以理解为大模型实验室最自然会进入的方向。 比如，代码生成、通用办公助手、文档总结、图像生成、通用 Agent。这类产品有一个共同点，它们的核心体验，很大程度上随着模型能力提升而提升。 这正是 OpenAI 和 Anthropic 最擅长的事情。 它们掌握模型本身，也掌握分发渠道。更重要的是，它们能够决定产品的底层架构。比如，采用“模型加工具调用”的方式，让AI连接 Google Drive、Slack、Salesforce 等常见软件，再完成搜索、总结、写作、编程这类横向任务。 如果一家初创公司也只是接入同样的模型，连接同样的软件，再做一层简单的智能编排，本质上就是在和大模型公司走同一条路。 问题是，OpenAI不仅有模型、有品牌、有分发，也有更强的定价权。 即便AI应用公司短期做出一个更好用的产品，也很难保证这种优势能长期存在。因为下一代模型更

2026年以来，一批PC时代的“老登”，正在集体复活。 英特尔开年以来涨幅达234.74%；康宁上涨124.46%；诺基亚涨了156.22%。就连戴尔、思科等一批曾经被市场视为“旧时代遗产”的公司，也突然被拉回到了资本市场舞台中央。 涨幅不仅大幅跑赢了纳斯达克指数，也远远超过英伟达、谷歌等AI核心资产。 那么，为什么这些早就被打上“过时”标签的老家伙们，重新变重要了？ 今天我们就来聊聊，这批被拉回牌桌的“老登”。 / 01 / 英特尔，重回AI牌桌 一年前，英特尔还是华尔街口中“错过AI浪潮”的典型。 2025年4月，它的股价一度跌到17.665美元，创下十年新低，市值甚至缩水到不足700亿美元。 那时候，市场几乎已经给英特尔判了“死缓”。 所有人都在讲GPU、讲英伟达、讲CUDA。而英特尔，则像那个被时代抛弃的旧王。 但谁也没想到，仅仅一年后，英特尔股价就一路飙到120美元以上，涨幅超过579%，市值重新站上6000亿美元。 而它翻盘的核心，恰恰来自一句很多人过去不愿承认的话：AI越往后走，CPU越重要。 过去的大模型时代，本质还是“训练时代”。 那时候，GPU是绝对主角。服务器里CPU更像个辅助角色，CPU/GPU配比一度高达1:8。 但到了2026年，AI开始从“聊天”走向真正干活。 尤其是AI Agent爆发之后，模型已经不只是回答问题，而是开始像人一样拆解任务、调用工具、搜索资料、运行代码、调度系统。 而这些东西，很多都不是GPU擅长的。 真正负责系统调度、工具链管理、任务编排的，恰恰是CPU。 佐治亚理工学院的一项研究显示，在Agent工作流里，CPU侧工具处理甚至可能占到总延迟的50%-90%。 英特尔CEO陈立武甚至直接在财报会上说：以前是1颗CPU配7-8颗GPU，现在已经变成1:4，未来AI Agent真正普及后，甚至可能走向1:1，甚至CPU占优。 这

硅谷正在经历人类分化最剧烈的时刻。 过去5年里，大约1万人已经实现了远超2000万美元的财富自由。他们来自 Anthropic、OpenAI、xAI、Nvidia、Meta TBD，一批站在 AI 浪潮中心的创始人和早期员工。 与此同时，硅谷的大多数普通人，正在经历一场残酷的淘汰赛。 在刚刚过去的3月，美国科技行业单月裁员4.95万人，创下有记录以来最严重的单月裁员规模。 今年，美国科技行业日均人数高达986人，较去年增长46%。 这种极端分化并非偶然，而是AI时代的一种常态。 Anthropic CEO 达里奥·阿莫迪曾说，AI 会同时带来极高的 GDP 增长和极高的失业率。这在以往几乎从来没有发生过。 更极端的情况下，甚至可能出现一个“第零世界国家”。 一个由大约 1000 万 人组成的、与其他人类经济体系实质性脱钩的 "国中之国"：其中 700 万 在硅谷湾区，另外 300 万 散落在全球各地。在那里，GDP 增长率可能是 50%，而外面的世界只有 10%、5%、甚至更低。 所以，今天被折叠的硅谷，也许不是一个局部现象。 它更像是 AI 时代提前露出的社会切面，少数人被技术和资本快速推高，大多数人则开始重新寻找自己在新体系中的位置。 / 01 / 1万个亿万富翁的诞生 从 2022 年底 ChatGPT 发布到现在，可能是人类历史上财富向极少数人集中最快的一段时间。 四年时间，AI领域跑出了三家万亿级公司。OpenAI最新估值约8520亿美元，Anthropic 新一轮融资估值，也在向 1 万亿美元靠近。英伟达市值达到 5.21 万亿美元，成为全球市值最高的上市公司，较低点翻了十几倍。 伴随估值和市值暴涨，一个由 Anthropic、OpenAI、xAI、英伟达和 Meta 核心 AI 团队组成的小圈层，正在批量跨过 2000 万美元的财富自由线，约合 1.45 亿元

人类史上最大IPO，可能真的要来了。 但翻完整份SpaceX 招股书，最大的感受其实只有两个字：“割裂。” 一边，马斯克还在讲那个全世界最性感的故事，殖民火星、成为多行星文明、把人类带向宇宙。 这个故事，也支撑着SpaceX 冲向人类史上最大 IPO——目标融资750亿美元，估值直奔2万亿美元。 但另一边，SpaceX 却在疯狂往 AI 里砸钱。 2026年一季度，SpaceX AI 业务资本开支高达77.23亿美元，已经超过太空和通信板块之和的两倍。 不仅如此，商业化层面也在全面向AI靠拢。从2026年5月开始，Anthropic 每个月要向 SpaceX 支付约12.5亿美元的算力服务费用。 按这个数字计算，仅Anthropic 一家公司，每年就能给 SpaceX 带来约150亿美元收入。 这个数字，几乎相当于SpaceX 去年全年收入的80%。也就是说，卖AI算力可能很快就要成为 SpaceX 最重要的收入来源。 这还没完，真正离谱的，是估值逻辑。根据SpaceX 在招股书里给出的 TAM（可服务市场）测算，其总市场空间达到28.5万亿美元。 其中AI 一项，就占了26.5万亿美元，是太空与网络连接市场规模的12倍。 于是，一个极其荒诞但又无比合理的事情出现了： 按照这个市场空间来算，这家全世界最著名的火箭公司，未来大约93%的价值，最终都来自 AI。 看来，太空的故事再性感，也终究没有AI算力的真金白银来得实在。 / 01 / 一季度狂砸77亿，SpaceX猛投AI 过去三年，SpaceX的收入分别为103.87亿美元、140亿美元、186.74亿美元。 从业务结构看，主要分为三块：星链、航天和 AI。 其中，星链是当前最赚钱的业务。2025年，星链的收入达到113.87亿美元，占总收入的60.9%，营业利润更是高达44.23亿美元。 星链业务，就是把“基站”发到天

过去两年，具身智能成了最热门的创业赛道之一。 但很多人不知道的是，这些具身智能公司真正的第一步，往往并不是“造机器人”。 在开始写第一行算法代码之前，他们通常要先花几百万搭服务器集群，再招一批IT和基础设施工程师，去解决环境配置、算力调度、数据管理、工具链适配等问题。 这是今天机器人行业最真实、却也最容易被忽视的一面： 大量工程师的时间，并没有花在机器人本身，而是消耗在搭环境、配依赖、搬数据这些重复而琐碎的基础工作里。 当具身智能和通用机器人的浪潮到来，行业里大多数人都在追逐更强的大模型、更大的算力和更聪明的Agent，但地瓜机器人（以下简称“地瓜”）却选择往后退了一步，开始做那些最底层、最“苦”的事情。 地瓜推出了一套机器人开发的全链路软件平台 RoboGo。 这是一个面向泛机器人行业的一站式云端开发协作平台，覆盖数据管理、仿真训练、模型部署、端侧验证等完整研发流程，核心目标是提升机器人开发效率，缩短从研发到量产的周期。 在他们看来，如果没有统一的工具链、数据闭环和开发生态，机器人开发将永远被困在低效的协作与漫长的开发周期中，很难真正规模化。 站在这个转折点上，地瓜软件平台副总裁秦玉森分享了他们对于机器人基础设施和开发生态的思考。 / 01 / 从重复造轮子，到开箱即用的“原子能力” 硅基君：地瓜的软件开发平台，到底解决了什么问题？ 秦玉森：我们内部会把它理解成一个“机器人开发的全链路平台”。 机器人开发，首先要解决的其实不是算法，而是协作和环境问题。假设三个人一起开发机器人，有人负责视觉数据，有人负责算法代码，有人负责仿真环境。 如果没有统一的平台，数据、代码和模型很容易散落在不同电脑、实验室服务器和个人网盘里，协作效率会非常低。 所以机器人行业天然需要一套云端协作空间，用来统一管理数据、代码、模型和项目资产。 但仅仅把文件放到云上，其实还不够。机器人开发真正麻烦的地方

一直以来，巴菲特的伯克希尔都被视为投资界的“圣经”。 但到了 AI 时代，这个门面，可能真的该换人了。 去年年底，英伟达一口气重仓了 Intel、Synopsys、Nokia、CoreWeave 和 Nebius。 结果今年，这几个持仓几乎集体涨疯。 Intel 年内暴涨 195%，Nebius 涨了 162.6%，Nokia 涨了 115.6%；即便涨得“最少”的 CoreWeave，今年也涨了约 50%。 这意味着，如果你当时简单粗暴地把这5家公司各买 20%，截至目前，组合收益已经高达106%，远远跑赢纳斯达克。 而这还只是最近半年。 如果把时间继续往前拉，自 2024 年以来，英伟达已经完成了 7 笔投资退出，其中5笔赚钱，3笔直接翻倍。 这种胜率和赚钱速度，已经不是普通产业投资能解释的了。某种程度上，现在的英伟达越来越像 AI 世界里的“超级庄家”。 在AI时代，再没有比跟投黄仁勋，更好的策略了。 / 01 / 7笔退出，3家翻倍 细数英伟达过去两年在二级市场的投资，你会发现一件很离谱的事。 它不仅自己涨，甚至连它投过的股票，也开始集体暴涨。 自 2024 年以来，英伟达累计持有过 12 家美股上市公司，其中 7 家已经完成退出。 而在这些退出案例里，5家实现盈利，3 家收益率甚至直接翻倍以上。 最夸张的三个案例，分别是 SoundHound AI、Serve Robotics 和 Applied Digital。 其中最离谱的，是Serve Robotics。 这家公司做的，其实是“人行道送货机器人”——一个听起来甚至有点小众的方向。但英伟达早早就埋伏进去了。 值得一提的是，这笔投资还不是英伟达在二级市场买入的，而是来自更早期的 SPAC、私募和可转债。 2024 年二季度，当它第一次出现在英伟达 13F 文件时，英伟达持

微软可能做梦也没想到，自己亲手开启的 AI 时代，竟然烧到了自己的大本营。 过去半年，华尔街正在上演一场诡异的“微软大逃亡”。从2025年10月的最高点算起到现在，微软股价已经跌了24%。 别看这个回撤不大，但这已经创下了自ChatGPT问世以来微软的最大回撤。 而同期纳斯达克指数涨了11.8%，隔壁的谷歌和亚马逊，分别大涨了50% 和 16.7%。也就是说，在过去半年里，微软整整跑输了纳指35个点。 最荒诞的是，微软并没有爆雷，业绩依然是“印钞机”级别，营收大涨 17%，净利润更是同比狂飙60%！ 一边是好到爆炸的财报，一边是疯狂出逃的资金，估值直接从40倍PE被无情腰斩，市场到底在担心什么？ 最近，海外知名投资播客 The Investor’s Podcast 一针见血地指出了市场的恐慌所在：大家害怕的根本不是微软的现在，而是那个细思极恐的未来。 过去几十年，微软最完美的商业模式就是“按人头收保护费”（SaaS订阅）。一人一个 Seat，企业年年续费。 但现在，致命的悖论出现了。如果 AI 真的那么强大，能帮一个人干完三个人的活，企业为什么还要买那么多 Seat？如果连写报告、做表格、拉 PPT 都能被 AI 自动生成，企业凭什么还要忍受 Office 的不断涨价？ 市场不再关心微软现在有多“便宜”，他们真正在恐惧的是：在 AI 重新分配利润的残酷价值链里，曾经的软件霸主，是不是正在失去它的定价权？ 以下是The Investor’s Podcast的内容： / 01 / 最赚钱的 700 亿现金牛，被AI捅了一刀 很多人都把目光放到了微软云计算的增速，但更大的问题其实在Office产品。 Office三件套，是微软真正的印钞机。 微软的Productivity & Business Processes业务板块，一年能赚 1200

你能想象吗？ 一家再传统不过的味精厂，竟然成了这一轮AI浪潮里，日本表现最好的AI股票之一。 在2000—2019年整整20年里，味之素的股价只上涨了约37.5%，甚至连同期日经225指数都跑不过。 但这一切，在2020年后突然变了。 2020年初至今，公司股价从907.5日元一路涨到5618日元，累计暴涨超过500%，远超同期日经225指数约164%的涨幅。 而推动这场暴涨的，并不是味精销量，而是一种大多数人从未听说过的材料——ABF膜。 它是高端AI芯片封装里最关键的绝缘材料。 你可以把它理解成AI芯片里的“绝缘皮”。没有它隔开内部密密麻麻的铜线电路，电流就可能互相干扰甚至短路，再先进的芯片也只是一块无法工作的硅片。 尤其到了AI时代，AI芯片对ABF的消耗开始出现指数级增长。 传统CPU封装通常只需要约6层ABF；而最新AI GPU的先进封装，层数已经提升到20层以上，尺寸也扩大数倍。 这意味着，一颗AI GPU对ABF的消耗量，可能是传统CPU的数倍甚至十倍以上。 但问题在于，需求虽然疯狂爆炸，供给却很难快速扩张。 味之素在ABF领域长期占据超过95%的市场份额。而ABF新产线从建设到稳定量产，往往需要两年以上时间。整个产业链的扩产速度，已经明显跟不上AI算力增长速度。 于是，一个极其魔幻的局面出现了： 全球AI产业一边疯狂扩张算力，另一边，却不得不依赖一家“味精厂”扩不扩产。 更关键的是，ABF在一颗高端AI GPU中的成本占比甚至不到0.1%。 这意味着，即便价格上涨，对NVIDIA这样的AI芯片公司影响也极其有限。这意味着，味之素甚至还可以肆无忌惮地提价。 今年5月11日，味之素宣布ABF材料涨价30%后，公司股价当天直接一度暴涨10%。 某种程度上说，如今的味之素表面上是一家卖味精的食品公司，但实际上，却越来越像一家掌握AI基础设施关键材料的“隐形军火商”。

一直以来，中美 AI 的发展差异，始终是行业讨论的核心话题。 美国负责创新，中国负责产业化，几乎已经成了很多人的共识。 但过去，大多数讨论都停留在外部视角：谁的模型更强、融资更多、产品更领先。真正从AI实验室内部出发，去观察中美研究文化、组织方式和技术生态差异的人，其实并不多。 不久前，美国 AI 研究员 Nathan Lambert 访问了多家中国 AI 实验室，包括月之暗面、智谱等等，并在之后撰写了一篇长文，系统分享了他对中国 AI 产业的观察。 Nathan Lambert 曾在 Meta AI、DeepMind、Hugging Face等机构工作，也是 AI 行业里颇具影响力的研究者和独立观察者之一。 在他的视角里，中国 AI 的竞争力，并不只是“追赶速度快”这么简单。更深层的差异，来自工程文化、人才结构、组织方式，以及中国科技公司对于技术栈控制权的重视。 某种程度上，这篇文章也提供了一个难得的“内部视角”——帮助我们理解，中国为什么能够在这一轮 AI 竞争中，始终紧紧咬住美国，甚至在部分方向上开始形成自己的优势。 以下是 Nathan Lambert 文章内容： / 01 / 为什么中国实验室更适合“今天的大模型” 中国的大模型公司，某种程度上可以说是“快速追赶型技术体系”的最佳样本。 如果只看结果，中美之间其实已经非常接近。无论是支持 Agent 工作流的新一代模型，还是研究人员、数据规模、算力资源等基础条件，中国头部实验室与美国前沿实验室之间的差距，已经远没有外界想象得那么大。 真正的差异，不在资源本身，而在于这些资源是如何被组织、管理和激励的。 Nathan Lambert 在与大量中国 AI 实验室交流后，一个最强烈的感受是：中国的组织文化，可能天然更适合当前这一阶段的大模型竞争。 因为今天的大模型研发，本质上已经不再是单点突破，而是一场复杂的系统工程。

AI 正在把表格，从一个记录数据的工具，变成智能办公的入口。 但一个更现实的问题随之出现——当企业数字化进入深水区，面对数量庞大、变化频繁的长尾业务场景，表格太轻、系统太重，协同效率始终难以提升。 在这一“能力断层”上，金山办公给出了自己的解法：用多维表格，补齐传统表格与重型系统之间的空白。 4 月 22 日，在 WPS AI NEXT 武汉站，金山办公发布新一代 WPS 多维表格，并首次披露其在高并发场景下的性能表现：在百万行数据、千级并发连接的条件下，平均编辑响应低至 32 毫秒。 与此同时，其自研的表格AI 引擎 Qingqiu Agent 在 SpreadsheetBench 榜单中排名全球第二，仅次于 Gemini in Google Sheets，创下中国 AI 产品的最高成绩。 从产品路径到技术指标，这一系列动作指向同一个方向：让多维表格成为AI 时代承接复杂业务的基础设施。 / 01 / 让AI真正理解业务 在一所高校里，老师需要在三天内完成2.4 万名学生的信息自查。 过去，这类任务往往依赖Excel、微信群和人工统计：学生填写、老师收集、再统一汇总。过程不仅耗时，而且容易出错，一旦出现卡顿或数据冲突，整个流程就会被拖慢。 但这一次，他们直接用了一张WPS 多维表格。 学生同时在线填写，数据实时写入，老师可以随时查看整体进度，系统自动完成统计与汇总。在数百人同时操作的情况下，响应依然稳定在几十毫秒以内，填报完成后即刻生效。 从结果看，这只是一次顺利的数据收集。 但如果把它拆开，会发现背后其实发生了一件更重要的变化： 原本依赖“表格 + 人工协同”的流程，开始被一套系统直接承接。 而这，正是过去二十年里表格始终没有做到的事情。 表格几乎无处不在，承载数据，却始终停留在“工具”的位置，无法真正承载业务。当企业规模扩大、协同复杂度提升，这种工具属性的上限也越来越