社区

图片 作者：智讯智库分析师 许倍 图片 要点速览（Keypoints）： 绕开App高墙的“云端偷家”：不求开放API、不在手机上撞风控，Muse在云端配了一台虚拟电脑，从门户大开的网页端绕开App高墙。 绝对理智的“信息漏斗粉碎机”：AI没有情感，不会被消费主义的推荐算法裹挟。当用户需求从“意图”直达“结果”，电商平台的竞价排名和广告漏斗瞬间失效。 传统行业“懒人税”的终结：AI助手抹平了人为制造的“流程摩擦力”，让所有依靠“用户嫌麻烦”来维系高利润的金融和订阅机构，都可能迎来护城河的崩塌。 华尔街押注的是"AI超级入口"：Muse将Meta庞大的社交网络升维成接管所有数字服务的超级入口；从"平台替你推荐"变成"智能体替你决策"，AI巨头要和平台重新分账。 Meta新推出的个人AI助手Muse，正以惊人的速度搅动市场。 上线仅约10天，Muse便强势登顶美国App Store免费榜。据TechCrunch援引移动应用数据机构Apptopia估算，Muse前12天在美加两地斩获约180万次iOS下载量（同期ChatGPT为130万次），全平台总安装量逼近280万。[1]受此狂热情绪推升，Meta股价在9月21日大涨11.34%，收于741.25美元。[2] 然而，与资本市场的狂欢形成鲜明对比的，是平台巨头和华尔街传统金融机构的集体恐慌。亚马逊火速对Muse下达封杀令，嘉信理财等老牌金融股紧跟着遭遇抛售跳水。投资者们敏锐地意识到：借助旗下庞大的社交应用矩阵，Meta不仅拿到了直接面向消费者的“AI超级入口”，更将一把重塑商业规则的利刃，架在了整个平台经济的脖子上。 图片 不碰手机，却掌控全局 Muse之所以能引发行业震荡，在于它绕过了AI智能体过去两年的困局。 在此之前，让AI从“动嘴聊天”走向“替人办事”，主要卡在两条看似合理却难以走通的死胡同里。一条是试图说服平台主动开放

作者：智讯智库分析师 李伯睿 图片 近日，成都市武侯区政府与蚂蚁集团围绕“AI+医疗健康”达成整体合作。在这一框架下，武侯区发展和改革局（区数据局）、悦湖科技中心与蚂蚁集团旗下OceanBase、蚂蚁健康、蚂蚁数科共同签署框架协议：一边建设医疗健康数据融合联创中心，一边推动AI专病辅助诊疗、数字家医、AI就医助手等场景落地，同时还将建设医疗健康智能应用产业基地，覆盖数据可信流通、行业大模型、场景应用和算力运营[1]。 地方级AI项目早已不稀奇；这次合作真正值得看的，是它抛出的那个更现实的问题：当AI医疗从大模型和应用Demo走向真实医疗体系，卡住落地的会是什么？ 本文的核心判断是：AI医疗正在从 "模型能力竞争"，进入 "系统组织能力竞争" 的新阶段——决定项目能走多深的，越来越取决于数据是否可用、责任链是否清晰、应用能否进入真实流程，以及政府、医院和科技企业能否形成长期协同机制。 需要说明的是，这次合作目前仍处在框架搭建和能力协同阶段，很多具体落地效果还需要时间验证。因此，本文不对项目成效做提前判断，仅将它作为一个产业样本，重点观察区域级AI医疗如何组织数据、模型、场景与运营，并进一步讨论这种模式背后的共性逻辑。 图片 武侯区这次合作 是“数—模—用—产”的组合工程 在武侯区政府与蚂蚁集团的整体合作框架下，武侯区发展和改革局（区数据局）、悦湖科技中心与 OceanBase、蚂蚁健康、蚂蚁数科共同签署框架协议，其目标很直接：搭一条从数据底座、模型能力，到医疗场景和产业运营的完整链条。 第一层，是数据底座。双方将成立“AI+医疗健康数据融合联创中心”，以OceanBase湖库一体AI数据平台为底座，把医疗数据从归集、治理、流通到智能应用的链路逐一打通。这里解决的是最基础的问题：散落在医院、科室和不同业务系统中的数据，如何在合法合规的前提下被统一治理，再顺畅地喂给AI应用。 第

图片 作者：智讯智库分析师 陈宥文 图片 如果把智能演化压缩成一条线，推动变化的主体一直在迁移。 最早，是自然选择塑造人；后来，人类用语言、工具和制度把知识留给下一代；再后来，人开始制造机器，并不断让机器变得更强。 到了2026年，一个新的转折开始出现：AI开始从被研发的对象和辅助工具，进入研发过程本身——不只被人改进，也开始参与下一代机器的研发。 这很像“棘轮”——机械上的棘轮允许齿轮沿一个方向转动，同时阻止它退回原位；人类文化也通过保存知识、工具和方法，让后来者站在前人的成果上继续改进。研究者将这种成果得以保留、并在此基础上持续累积的机制称为“文化棘轮效应”[1]。 过去，推动这个棘轮的始终是人。 关键的变化，开始出现在研发端。在2026世界机器人大会上，王兴兴介绍宇树正在探索的物理AI机器人自进化路线：大模型介入研究检索和控制代码生成，再通过仿真、真机测试和评价反馈形成持续迭代闭环[4]。 也就是说，AI系统的角色，正在从研发对象和辅助工具，进一步延伸到下一代机器的研发过程。 而要进一步跨入RSI，关键还在于：上一轮研发积累能否反过来提升下一轮研发效率，使系统越来越擅长产生有效改进。 这正是RSI（Recursive Self-Improvement，递归自我改进）关注的核心：系统不仅继承上一轮的改进结果，还进一步优化产生改进的方法本身[5]。 如果这一机制能够稳定提效积累，“下一代更强”就可能进一步变成“更强的下一代出现得更快”。 推动棘轮的主体，也就不再只有人。 而当这套逻辑进入具身智能，又会多出一层数字环境难以等价面对的约束：真实部署。 机器人每一次真机试错都会消耗设备、时间和人力，却也会暴露真实状态、异常、接管与恢复等信息。如果这些部署经验能够稳定回到训练和验证系统，并被后续版本继承，产品部署就不再只是商业交付，也开始成为持续改进的研发入口。 因此，判断一家机

作者：智讯智库分析师 李星宏 全球消费电子产业的权力转移，正在发生。 半个世纪前，日韩厂商从欧美企业手中接过接力棒，用电视、冰箱、相机征服了全球客厅，也顺势开启了长达数十年的经济繁荣期；而今天，同样的剧本再次上演——在物理AI掀起的这轮浪潮中，中国企业开始接棒，从游戏规则的跟随者变成了定义者。随之被重新分配的，不只是产业主导权，还有巨大的商业价值和财富增量。而IFA 2026，正是我们看清这场历史性转移的绝佳窗口。 “中国电子企业主导IFA 2026！”[1] “每两家参展商就有一家来自中国！”[3] “几乎所有东西都掌握在中国手中！”[4] 这不是国内媒体自说自话，而是外媒在展会一线得出的共同判断——全球消费电子产业的天平，已经向中国企业倾斜。 今年IFA约1900家参展商中，有约930家来自中国内地，占比接近一半。从场馆入口的巨幅广告，到人流最密集的核心展位，中国品牌几乎无处不在。 展前新闻发布会上，IFA官方更是把“Chinese brands going global”（中国品牌走向全球）列为影响全球消费电子产业的首要因素。 当然，真正的产业转移，从来不只是参展数量或销售数字的此消彼长，更在于技术路线由谁定义、行业生态由谁构建、全球话语权由谁掌握。 物理AI的未来 中国彻底占据C位 今年IFA的主题是“The Future is Now”（未来已来）。而这个“未来”最核心的注脚，就是物理AI——让AI从屏幕里走出来，进入真实物理世界，与人、与环境直接交互。 包括AI眼镜、AI耳机、AI宠物在内的智能新物种悉数登场。TCL旗下雷鸟创新的两款核心产品首次亮相海外：雷鸟iO将全天候主动式AI融入了日常眼镜形态，国内外主流大模型自由切换，支持实时翻译、会议记录、提词等实用功能；雷鸟GT系列支持杜比视频播放，集巨幕、画质、声场于一体，带来了影院级的视听体验。 据官方披露，20

作者：智讯智库分析师 施展 OpenAI宣称用大规模AI协作得到纳维-斯托克斯难题的证明。围绕结果、署名与研究数据的争论，让一个更深的问题浮出水面：科学需要的究竟是答案，还是通向答案的理解？本文将从以下角度展开：从一杯咖啡出发，理解数学家追问的纳维-斯托克斯方程问题是什么？还原88小时的解题过程，两位数学家与OpenAI的署名争议。OpenAI在AI竞赛下的科学激进主义以及科学界将如何面对AI？ 从一杯咖啡出发，理解数学家追问的纳维-斯托克斯方程问题是什么？ 还原88小时的解题过程，两位数学家与OpenAI的署名争议。 OpenAI在AI竞赛下的科学激进主义以及科学界将如何面对AI？ 9月8日，在发布Astra之后的第五天[1]，OpenAI用一篇新文章炸开了学术界的天花板，并引起了全世界数学家的讨论。 没有新模型，没有新价格，没有跑分对比。它说的是——OpenAI宣称，它的AI系统解出了一道长期没有解决的数学难题：纳维-斯托克斯方程的存在性与光滑性问题[1]。 这是一个悬而未决近90年、被克雷数学研究所悬赏100万美元的七道千禧年难题之一[2]。 OpenAI宣称，其使用了一个尚未公开的内部模型，大约10000个并行协作的智能体、在88小时内得出了解法。再由GPT-6 Astra接手，花了大约17小时，把整份证明翻译成Lean——一种可以让计算机逐行检查对错的数学语言[1]。 速度之快、能力之强，一瞬间引来轩然大波。除了震惊，也有更多人在担忧，AI真的会加速科学的发展吗？AI黑盒化的过程是不是掩盖了真实的“过程价值”？学术界甚至我们每一个人，应该如何面对“信息和算力暴力的”AI？ 90年未解之谜 纳维-斯托克斯方程 要理解这场风波，我们先简单理解一下，为什么这个数学问题这么重要。 想象你在搅拌一杯拿铁咖啡，牛奶在棕色的液体里散开，卷成一个小小的漩涡，然后慢慢消失。与此

具身智能等不来自己的“ChatGPT时刻” 作者：智讯智库分析师 陈宥文 从上市即巅峰，到股价近乎腰斩——可能只用 “12.41 秒”[1]。 8月22日，第二届世界人形机器人运动会百米大型组预赛，宇树跑出12.41秒的成绩，小组垫底[1]——一年前，这项赛事的400米冠军，正是宇树。就在此前两天，王兴兴刚在WRC主论坛上重申了他对具身智能“ChatGPT时刻”的预判：快则2到3年、慢则5到10年——届时，机器人的泛化能力将使其在80%的陌生场景中，通过语音或文字指令完成约80%的任务[2]。 愿景很大，但赛场表现的巨大落差，迅速将宇树科技推上了资本市场和公众舆论的风口浪尖[3]——“具身智能骗局论”再度升温：宇树还配不配“领衔者”的位置？大模型驱动的技术路线到底走不走得通？具身智能的“ChatGPT时刻”究竟会不会来？ 层层追问，最终落在一个词上——“ChatGPT时刻”。 人们翘首以盼的，或许是一个划时代的机器人横空出世，或许是一个带着英雄光环、能一锤定音整个具身智能行业未来的“中国马斯克”。 但，事实真会如此吗？     本文要点速览 定义偏差：所谓“ChatGPT时刻”，本质是能力涌现、成本骤降、病毒式传播三条曲线同时触达阈值的共振产物。具身智能的物理交互属性决定其难度远高于大语言模型，直接套用C端一夜爆红的叙事属于根本性范畴误判。 发展现状：具身智能的能力、成本和扩散三条曲线分别卡在不同节点。其中，能力卡在跨场景泛化与安全执行关，固定基准普遍逼近97%-99%，换场景后指标明显下滑，如RoboCasa成功率 53.9%、VLABench得分 47.4；成本卡在投入转化率关，合成数据与人类视频大幅拉低练习成本，但真机校准与上岗验证仍是不可移除的刚性锚点，全行业融资近千亿，远快于研发投入和验证转化速度；扩散卡在跨客户复制关，上半年出货量同

作者：智讯智库分析师 李伯睿 2026年9月1日，Anthropic（未上市）发布Claude Fable 5.1和Claude Mythos 5.1。两者基于同一底座模型，但采用不同的安全与访问机制[1]：前者面向一般用户开放，而后者则仅通过trusted access program（可信访问计划）向经过审核的机构和研究人员开放，主要服务于网络安全、生命科学等敏感专业场景。 此次发布中，有一个让人眼前一亮的变化：模型使用成本明显下降。Fable 5.1的输入和输出价格分别为每百万token 10美元和50美元，但缓存读取（cache read）价格降至每百万token（词元，大模型处理文本的基本计量单位）0.25美元，相比Fable 5下降75%。Anthropic据此估算，在典型工作负载中整体成本可下降约25%，在高频调用的智能体任务中，成本降幅最高可达到约45%[2]。 注：这里的25%和45%属于Anthropic基于使用量计费、默认effort设置和具体工作负载做出的估算，并不意味着Claude所有API（应用程序编程接口）单价都全面下降。 大模型降本， 降到了哪里？ 过去，大模型成本主要集中在两个环节：一是在模型训练中投入大量算力；二是在用户的实际使用过程中，持续产生推理成本。 对于企业而言，后者通常更影响商业化落地——尤其是在智能体（Agent）场景中，一个任务往往需要持续读取历史上下文、多轮调用模型，并反复使用搜索、代码执行、数据库等工具。任务链条越长，上下文被重复读取的次数就越多，cache read也越容易成为整体调用成本中的重要组成部分。 Fable 5.1此次将缓存读取价格降低75%，意义在于它优先改善的是高频、多轮、上下文复用率高的Agent任务单位经济性。 比如代码智能体持续处理一个大型代码库时，不需要每轮都以完整价格重新读取同一批代码和上

作者：智讯智库分析师 施展 阿里这份财报把AI转型的收入、利润与成本同时摆上了桌面。云业务收入增长45%，中国即时电商收入增长45%、电商集团整体收入增长4%；电商守住利润基本盘，云业务开始提供新的增长点、但模型和AI应用扩大亏损。138.6亿元调整后EBITA亏损、676.8亿元资本开支、800亿港元再募资，显示阿里仍在持续加码模型、应用和基础设施；但市场仍在追问：AI在阿里云的赚钱速度，能否终有一天快过在千问的亏钱速度？ 2026年8月20日，阿里巴巴发布截至6月底的季度业绩。集团收入达到2689.5亿元，同比增长9%，净利润却从423.8亿元降至104.4亿元，同比下降75%；自由现金流净流出446.7亿元[1]。 从财报发布前8月19日的128.9美元算起，两个交易日累计下跌约7.0%，市值蒸发约217亿美元[2,3]。8月24日，阿里巴巴港股一度下跌约10%，最终收报111港元、单日下跌9.76%。 市场同时看到云业务加速和集团利润、现金流承压，阿里的AI转型已经从产品和投资计划，进入收入、利润与现金共同检验的阶段。 最新财报的隐忧： 集团利润下降75% 净利润下降包含投资处置收益减少、股权投资市值变化等非经营因素，也受到44.6亿元商誉减值和一项拨备影响，主要来自欧盟委员会依据《数字服务法》向AliExpress处以的5.5亿欧元罚款。 但剔除商誉减值、股权激励及公司定义的其他调整项目后，调整后EBITA仍下降30%至273.3亿元，日常经营利润同样承压[1]，其中核心是模型与应用投入已经成为阿里Q2亏损扩大： AI实验室与应用调整后EBITA亏损138.6亿元，上年同期亏损32.2亿元，新增亏损106.4亿元。 其他业务由盈利6.9亿元转为亏损33.4亿元，主要包括阿里健康、虎鲸文娱、高德、灵犀互娱及其他科技业务。 AI云与计算服务的调整后EBITA从24.2

作者：智讯智库分析师 于世超 枪战游戏中，你和队友交流信息，遇到敌人时配合行动，你倒地时队友也会参与救援。下一局再见，他还记得你的习惯。而一直回应你的队友，可能并不是另一个玩家，而是《PUBG》的 AI 队友 PUBG Ally[1]。 这样的场景，正在从概念走向真实游戏体验。2026 ChinaJoy以“与AI同游”为主题[2]，AI 不再只藏在研发后台，而是开始进入玩家真正能够感知的角色、协作和互动之中。与此同时，版权、数据和内容安全等问题也从外围约束走向产品内部。几股变化叠加在一起，正在推动游戏产业从“使用AI工具”转向重构生产与体验方式。 这场变化发生在精品游戏研发周期延长、成本上升、内容更新压力加大，以及玩家对互动深度要求不断提高的背景下。AI正在同时影响创意验证、工程协作、内容供给、玩家互动和风险治理，并推动这些环节重新建立连接。 从创作到研发，再到玩法和治理，AI对游戏产业的影响正在逐层深入。下一轮竞争将更多取决于企业整合模型能力、项目知识、产品机制和运营流程的水平。 针对这一命题，本文的核心判断包括： 创作端：AI创作工具正在降低原型制作的技术门槛，平台竞争将更多体现为创作者生态、内容筛选与持续运营能力。 研发端：AI 结合开发引擎后，竞争重点正从生成能力延伸到上下文理解、权限控制、测试回滚与过程审计等工程能力。 体验端：智能角色、动态叙事和AI队友只有持续影响玩家决策、角色关系或协作过程，才可能形成稳定的玩法价值。 治理端：版权、数据、内容安全和竞技公平需要前置到产品全生命周期，成为AI功能规模化运营的基础条件。 创作入口继续下沉： 平台竞争转向创作者生态 AI首先会继续扩大游戏创作者的范围。过去，完整的游戏开发需要程序、美术、策划等多类专业能力，创意与可运行产品之间存在较高门槛。随着自然语言交互、生成式工具和Vibe Coding继续成熟，更多非专业创作

作者：智讯智库分析师 许倍 过去讨论AI泡沫，市场主要盯着企业剧烈波动的估值、大模型商业化收入和科技巨头不断膨胀的资本开支。但现在，AI风险开始从科技股估值向基础设施债务延伸。 8月17日，《华尔街日报》对Alphabet、亚马逊、微软、Meta、Oracle、英伟达、Broadcom、SpaceX和AMD九家科技公司的最新监管文件进行梳理后发现，这些公司已经积累约3万亿美元表外承诺，其中大部分与AI基建有关[1]。这一规模约为九家公司过去一年披露的6000亿美元传统资本开支的五倍，也是其表内存量租赁负债和长期借款的约三倍。 这3万亿美元主要由两部分组成：约1.2万亿美元尚未起租的租约承诺，以及约1.9万亿美元采购及其他合同义务。由于相关资产或服务还没有交付，这些承诺尚未确认为表内负债，但大多不可取消。这意味着即使未来AI收入低于预期，科技公司可能仍需要为无法产生足够回报的基础设施持续付款。 在这两类承诺中，1.2万亿美元未起租租约将科技公司与信用市场隐秘地连接了起来。有时候，科技巨头并不直接建设数据中心，而是与SPV（特殊目的实体）或合资项目公司合作，由项目公司负责持有和建设资产，它们再以未来租金为基础向私人信贷和机构投资者举债。其经济效果类似于借款，却主要存在于科技巨头资产负债表之外，BIS（国际清算银行）将这类结构称为“影子借贷”[2]。 租约承诺与SPV债务并不是同一笔负债，但前者为后者提供了现金流和信用支持，由此把科技巨头、数据中心开发商和金融机构连接起来，使AI基建风险从股票市场进一步延伸至信用市场。 BIS在今年6月发布的年度经济报告中，将当前AI投资潮与历史上的运河、铁路、电气化和互联网建设周期进行比较，并指出本轮扩张已经呈现高资本开支、债务融资、SPV、循环融资和信用集中等特征[3]。随着科技企业为AI基础设施大量融资，与Oracle、英伟达、Meta和A