即刻App年轻人的同好社区
下载
置顶
黄仁勋在《All-In Podcast》深入探讨了人工智能（AI）的未来、行业趋势、开源与闭源的平衡以及中美AI竞争等核心话题。
- 突然接听到大统领来电，并开启免提让全场听到：特朗普：人生最妙的地方就在于，黄仁勋能做出全世界最复杂、十年都没人能复制的芯片，却搞不定怎么把我调成免提（现场大笑）
特朗普：所以，关于AI，这几乎就是一场阴谋。他们想建数据中心，谷歌还想在芬兰建一个大的，我对此并不高兴，因为他们拿不到许可。
我跟你说，这一切都是骗局。数据中心非常好，它们让人变富，让州变富，这是未来20到25年的石油。
这就是骗局。我们不会让这种事发生。机器人不会接管世界，AI 也不会接管世界其他地方。整件事就是骗局。
你知道我叔叔约翰·特朗普，大概是 MIT 有史以来最顶尖的教授之一，在那里待了41、42年，被公认为最聪明的人之一。所以我有一点基因上的优势。
我懂 AI，我也有常识。机器人不会接管，AI 不会接管世界其他地方。整件事就是骗局。
不过我们还是得小心一点，做事要谨慎。但这并不意味着我们要停掉整个产业。所以我完全支持你。我甚至不知道你怎么看，我只是希望你和我看法一样。我们会领先。
黄仁勋：你说得对，先生。我们不会让这种事发生。我们会确保美国在 AI 竞赛中人人都能赢。每一个行业、每一家公司、每一个州、每一个人。
- 关于AI末日论（“Doomer Hoax”）与行业预测：黄仁勋谈到了近期部分前沿AI实验室发布的关于“末日论”和生存风险的公开言论。他认为其中许多极端预测（如几年内消灭特定职业、GPT/Llama由于过于危险而无法发布等）是没有科学依据的，甚至是“虚构”的、不负责任的。他指出，相比之下，中国在AI发展上采取了更为务实、注重推动经济和社会发展的态度。
- 英伟达的管理文化与企业愿景：黄仁勋分享了英伟达内部对政治话题和公开言论的严格管理：保持无党派、非政治化（A-political），专注于通过安静、稳定和高质量的工程技术创新来帮助所有人成功。
- 开源与闭源模型的关系：黄仁勋用“瓶装水”与“免费水”的比喻解释了闭源和开源模型的关系。他认为世界两者都需要：闭源模型提供了极佳的前沿体验，而开源模型则是驱动初创企业、学术界以及国家主权和创新的关键动力。
- 资本配置、基建与端到端支持：讨论了英伟达如何通过资本战略和供应链布局解决算力、能源、数据中心等瓶颈问题。黄仁勋表示英伟达的战略是“尽可能向上走到需要的高度，同时尽可能向下保持开放（Go up as far as we need to, and as low as possible）”，通过赋能所有开发者和生态系统来推动整个行业的发展。
- 超级智能的到来与未来展望：黄仁勋认为，在许多特定垂直领域（如自动驾驶、蛋白质折叠和生物技术等），“超级智能”或AGI其实已经到来。他鼓励大家对AI的未来保持乐观，并呼吁减少不必要的戏剧化焦虑，齐心协力赢得这场工业与技术的变革。
- 突然接听到大统领来电，并开启免提让全场听到：特朗普：人生最妙的地方就在于，黄仁勋能做出全世界最复杂、十年都没人能复制的芯片，却搞不定怎么把我调成免提（现场大笑）
特朗普：所以，关于AI，这几乎就是一场阴谋。他们想建数据中心，谷歌还想在芬兰建一个大的，我对此并不高兴，因为他们拿不到许可。
我跟你说，这一切都是骗局。数据中心非常好，它们让人变富，让州变富，这是未来20到25年的石油。
这就是骗局。我们不会让这种事发生。机器人不会接管世界，AI 也不会接管世界其他地方。整件事就是骗局。
你知道我叔叔约翰·特朗普，大概是 MIT 有史以来最顶尖的教授之一，在那里待了41、42年，被公认为最聪明的人之一。所以我有一点基因上的优势。
我懂 AI，我也有常识。机器人不会接管，AI 不会接管世界其他地方。整件事就是骗局。
不过我们还是得小心一点，做事要谨慎。但这并不意味着我们要停掉整个产业。所以我完全支持你。我甚至不知道你怎么看，我只是希望你和我看法一样。我们会领先。
黄仁勋：你说得对，先生。我们不会让这种事发生。我们会确保美国在 AI 竞赛中人人都能赢。每一个行业、每一家公司、每一个州、每一个人。
- 关于AI末日论（“Doomer Hoax”）与行业预测：黄仁勋谈到了近期部分前沿AI实验室发布的关于“末日论”和生存风险的公开言论。他认为其中许多极端预测（如几年内消灭特定职业、GPT/Llama由于过于危险而无法发布等）是没有科学依据的，甚至是“虚构”的、不负责任的。他指出，相比之下，中国在AI发展上采取了更为务实、注重推动经济和社会发展的态度。
- 英伟达的管理文化与企业愿景：黄仁勋分享了英伟达内部对政治话题和公开言论的严格管理：保持无党派、非政治化（A-political），专注于通过安静、稳定和高质量的工程技术创新来帮助所有人成功。
- 开源与闭源模型的关系：黄仁勋用“瓶装水”与“免费水”的比喻解释了闭源和开源模型的关系。他认为世界两者都需要：闭源模型提供了极佳的前沿体验，而开源模型则是驱动初创企业、学术界以及国家主权和创新的关键动力。
- 资本配置、基建与端到端支持：讨论了英伟达如何通过资本战略和供应链布局解决算力、能源、数据中心等瓶颈问题。黄仁勋表示英伟达的战略是“尽可能向上走到需要的高度，同时尽可能向下保持开放（Go up as far as we need to, and as low as possible）”，通过赋能所有开发者和生态系统来推动整个行业的发展。
- 超级智能的到来与未来展望：黄仁勋认为，在许多特定垂直领域（如自动驾驶、蛋白质折叠和生物技术等），“超级智能”或AGI其实已经到来。他鼓励大家对AI的未来保持乐观，并呼吁减少不必要的戏剧化焦虑，齐心协力赢得这场工业与技术的变革。
3 00
a16z对 OpenAI 联合创始人兼总裁 Greg Brockman 的最新访谈《Greg Brockman Says AGI Has Arrived》，Greg Brockman 宣布并详细探讨了为什么他认为人类已经正式迈入 AGI 时代，并围绕前沿模型能力、网络安全挑战、计算资源瓶颈以及 OpenAI 的组织聚焦等核心议题进行了全面拆解：
一、 为什么说已经进入 AGI 时代？
- AGI 不是一个静态的时间点，而是一个渐进的光谱：Greg 认为大家不必纠结于究竟是哪个具体模型迈过了门槛，但从整体能力来看，我们已经身处 AGI 时代。
- 全新模型 Astra 与“电脑操作”（Computer Use）能力的质变：
- Astra 能够在广泛领域内连贯自主运行 24 小时以上来完成复杂任务。
- 传统的智能体（Agent）往往需要人类专门为它编写 CLI、MCP 工具或特定 API 连接器；而具备直接操控屏幕像素、键盘与鼠标能力的模型，能够像人类一样直接操作现有的所有软件。
- 这种突破跨越了版本渐进式迭代的瓶颈，展现出了类似断层式的阶跃提升（Step Function）。
- 能力边界仍具“参差不齐性”（Jagged Frontier）：虽然在逻辑推理、解题、工具调用上极其强大，但在自然写作等某些特定维度上仍需要继续打磨与平滑。
二、 科学突破与 10,000 个智能体协同
- 纳维-斯托克斯（Navier-Stokes）方程相关突破：
- OpenAI 曾动用 10,000 个 AI Agent 自主协同并借助 Lean 进行形式化验证，在解决高难度流体力学数学问题上取得了标志性成果。
- 这标志着 AI 不再仅仅是检索或总结现有信息，而是开始具备为人类创造新科学知识的能力。
三、 安全新纪元与“防御者窗口期”（Defender Window）
- Hugging Face 事件与模型安全评估：
- 该事件揭示了 AI 模型已经具备极高的漏洞挖掘与渗透能力，未来这类能力广泛扩散后将被威胁攻击者利用。
- 防御者的战略时间窗口：
- 攻击者只能找漏洞，而防御者拥有系统底层控制权并能自动化修复。如果防御者能够利用前沿模型建立端到端的“防御工厂”（自动发现漏洞 $\to$ 分诊 $\to$ 修复 $\to$ 验证部署），防御者将占据主导优势。
- Greg 分享了自己用模型审查个人网站的经历：模型用 15 分钟找出了 13 个安全配置缺陷，并在 45 分钟内自动进入 Cloudflare 控制台完成了修补与迁移。
- 10 亿美元防御者承诺（Frontline Defenders）：
- 为医院、供水系统等关键基础设施及公立机构提供前沿模型支持，并联合 CrowdStrike 等安全厂商，帮助没有充足资金的安全团队弥补几十年来积累的技术债务。
四、 算力瓶颈与数据中心基建
- 算力成为普惠的最大掣肘：
- 模型的智力上限仍在不断突破，但当前全球的算力和基础设施供应链很难短时间内以足够低廉的成本覆盖全人类的旺盛需求。
- 数据中心建设的社会责任
- 针对美国国内对能耗与环境的担忧，Greg 澄清例如训练 Astra 的 Abilene 数据中心采用了闭环水冷系统，其耗水量仅与普通办公楼相当；同时通过提供算力点数、创造高薪工程岗位回馈当地社区。
五、 人类劳动的未来与社会公众叙事
- 摆脱对机器的“身体扭曲”，迎来创业复兴：
- 过去几十年人类花费大量时间在表格、点选菜单等机械劳动上；AI 接管日常琐事后，人类能够将注意力转向目标制定、建立信任关系以及承担责任等核心本质。
- 准入门槛的大幅降低正促使更多年轻人脱离机械的基层工作，更早启动自己的创业项目。
- 改变公众沟通与认知
- 相比于亚洲和欧洲一些国家，美国本土对 AI 的情绪反而更加焦虑。AI 行业需要多讲具体个体因技术获益的故事（如医疗诊断纠错、小微企业赋能），让公众意识到 AI 是属于每个人的口袋医生、口袋导师，而非威胁。
六、 OpenAI 的内部战略与减法哲学
- “聚焦”（Focus）与果断砍掉支线任务：
- 为全力攻坚以 Coding 和 Agentic 为核心的通用技术主线，OpenAI 在这一年中果断砍掉了备受外界关注但偏离核心任务的项目（如 Sora）。
- 将消费端与企业端整合为统一的平台体系（ChatGPT Work），避免资源分散。
- 重归基础（Blocking and Tackling）：
- 引用管理名著《The Score Takes Care of Itself》，强调不空喊口号，专注于把最核心的基础工作（芯片、基础设施、前沿对齐与工程协同）做到极致。
一、 为什么说已经进入 AGI 时代？
- AGI 不是一个静态的时间点，而是一个渐进的光谱：Greg 认为大家不必纠结于究竟是哪个具体模型迈过了门槛，但从整体能力来看，我们已经身处 AGI 时代。
- 全新模型 Astra 与“电脑操作”（Computer Use）能力的质变：
- Astra 能够在广泛领域内连贯自主运行 24 小时以上来完成复杂任务。
- 传统的智能体（Agent）往往需要人类专门为它编写 CLI、MCP 工具或特定 API 连接器；而具备直接操控屏幕像素、键盘与鼠标能力的模型，能够像人类一样直接操作现有的所有软件。
- 这种突破跨越了版本渐进式迭代的瓶颈，展现出了类似断层式的阶跃提升（Step Function）。
- 能力边界仍具“参差不齐性”（Jagged Frontier）：虽然在逻辑推理、解题、工具调用上极其强大，但在自然写作等某些特定维度上仍需要继续打磨与平滑。
二、 科学突破与 10,000 个智能体协同
- 纳维-斯托克斯（Navier-Stokes）方程相关突破：
- OpenAI 曾动用 10,000 个 AI Agent 自主协同并借助 Lean 进行形式化验证，在解决高难度流体力学数学问题上取得了标志性成果。
- 这标志着 AI 不再仅仅是检索或总结现有信息，而是开始具备为人类创造新科学知识的能力。
三、 安全新纪元与“防御者窗口期”（Defender Window）
- Hugging Face 事件与模型安全评估：
- 该事件揭示了 AI 模型已经具备极高的漏洞挖掘与渗透能力，未来这类能力广泛扩散后将被威胁攻击者利用。
- 防御者的战略时间窗口：
- 攻击者只能找漏洞，而防御者拥有系统底层控制权并能自动化修复。如果防御者能够利用前沿模型建立端到端的“防御工厂”（自动发现漏洞 $\to$ 分诊 $\to$ 修复 $\to$ 验证部署），防御者将占据主导优势。
- Greg 分享了自己用模型审查个人网站的经历：模型用 15 分钟找出了 13 个安全配置缺陷，并在 45 分钟内自动进入 Cloudflare 控制台完成了修补与迁移。
- 10 亿美元防御者承诺（Frontline Defenders）：
- 为医院、供水系统等关键基础设施及公立机构提供前沿模型支持，并联合 CrowdStrike 等安全厂商，帮助没有充足资金的安全团队弥补几十年来积累的技术债务。
四、 算力瓶颈与数据中心基建
- 算力成为普惠的最大掣肘：
- 模型的智力上限仍在不断突破，但当前全球的算力和基础设施供应链很难短时间内以足够低廉的成本覆盖全人类的旺盛需求。
- 数据中心建设的社会责任
- 针对美国国内对能耗与环境的担忧，Greg 澄清例如训练 Astra 的 Abilene 数据中心采用了闭环水冷系统，其耗水量仅与普通办公楼相当；同时通过提供算力点数、创造高薪工程岗位回馈当地社区。
五、 人类劳动的未来与社会公众叙事
- 摆脱对机器的“身体扭曲”，迎来创业复兴：
- 过去几十年人类花费大量时间在表格、点选菜单等机械劳动上；AI 接管日常琐事后，人类能够将注意力转向目标制定、建立信任关系以及承担责任等核心本质。
- 准入门槛的大幅降低正促使更多年轻人脱离机械的基层工作，更早启动自己的创业项目。
- 改变公众沟通与认知
- 相比于亚洲和欧洲一些国家，美国本土对 AI 的情绪反而更加焦虑。AI 行业需要多讲具体个体因技术获益的故事（如医疗诊断纠错、小微企业赋能），让公众意识到 AI 是属于每个人的口袋医生、口袋导师，而非威胁。
六、 OpenAI 的内部战略与减法哲学
- “聚焦”（Focus）与果断砍掉支线任务：
- 为全力攻坚以 Coding 和 Agentic 为核心的通用技术主线，OpenAI 在这一年中果断砍掉了备受外界关注但偏离核心任务的项目（如 Sora）。
- 将消费端与企业端整合为统一的平台体系（ChatGPT Work），避免资源分散。
- 重归基础（Blocking and Tackling）：
- 引用管理名著《The Score Takes Care of Itself》，强调不空喊口号，专注于把最核心的基础工作（芯片、基础设施、前沿对齐与工程协同）做到极致。
4 11
《Town vs Instinct vs GrokBot | Why the AI Assistant Market Is Not a Bubble》
本期对话深入探讨了企业与个人 AI 助手（AI Assistants / Agents）市场的竞争格局、产品护城河、商业模式、技术架构选择以及安全与隐私边界。
一、 Town 的产品定位与创业转型
- 产品核心形态：Town 是一个深度集成在用户的邮箱与日历之中的 AI 助手（被称为“Townie”），它通过分析用户的日常工作节奏与往来邮件，自动推荐并执行后台自动化工作，服务主流办公人群。
- 从企业报税到 AI 助手的转型：团队最初曾花一年时间打造用 AI 做企业报税的产品，但未能达到足够的 PMF（产品市场匹配）。随着类似 Claude Opus 等前沿大模型具备真正的自主代理（Agentic）能力，团队仅用数周就原型化了基于邮箱与日程的 AI 助手，并迅速获得市场验证。
- 强制绑定带来核心价值：与 ChatGPT 简单的对话框不同，Town 要求用户在注册伊始就连接邮箱和日历。虽然这导致了约 30% 的初始流失率，但也使得 Town 能够主动理解用户上下文并交付高价值，试用用户的付费转化率超过了 15%。
二、 AI Agent 赛道的护城河与竞争格局
- 巨头入局与同质化焦虑：JD 直言构建这类助手绝对是 Google 和 Apple 未来 12 个月内的前三大核心优先级之一。创业公司无法仅靠功能走在前面，因为任何有效功能都会在 2~4 周内被同行迅速复制。
- 真正的护城河：Agent 层面的网络效应（Multiplayer AI）：
- Town 打造的核心特色是 “Agent-to-Agent”（代理间协作）。当一名员工的 Townie 无法回答某个问题时，它可以主动去询问其他同事的 Townie（例如内部销售寻找有特定客户人脉的同事）并在合规范围内共享信息。
- 一旦整支团队都接入了协同 Agent，转换成本将极高，形成多人协同网络壁垒。
- 与 Instinct、GrokBot 的差异化：
- Instinct 更偏向个人/C端的高级任务调度（目前完全免费补贴获客）。
- GrokBot 依靠 X（Twitter）的极客/意见领袖早期圈层起量，属于重度工具。
- Town 则专注于企业主流协同工作流程与多成员协同变现。
- 对苹果与本地端侧模型的看法：苹果的局限在于缺乏强大的云端基因，且受制于“纯端侧运行与严苛隐私保护”的束缚，导致其模型能力与处于前沿（Frontier）的云端模型存在代差。
三、未来人机交互与数据隐私的大胆预测
- 数据孤岛的终结与对 Agent 的隐私信任：JD 提出了一个激进预测——5年内，人类将完全信任并允许 AI Agent 自主决定何时、与谁共享哪些数据。
- 现行的企业数据合规与人工权限配置极其繁琐；未来经过专项训练的模型能够像人类一样理解社交边界（比如不泄露薪资、病历，但能在企业内部协调人脉与日程信息）。
- 相比人类经常误将机密邮件群发（“Reply All”）的低级错误，LLM 的泄密失误率未来会显著低于人类。
- 单一统一入口（One Entry Point）：用户不会愿意在几十个独立的垂直 Agent 之间频繁切换；未来的交互体验将是 1~2 个统一助手入口，其在底层按需调度垂直领域工具（如法律领域的 Harvey/Leyla 或销售领域的 Salesforce）。
四、商业化、算力成本与模型路由策略
- 模型路由与人设一致性：
- Town 会根据成本与效果进行路由调度（如图像使用 Gemini/OpenAI，语音使用 ElevenLabs）。
- 但在直接面向用户的交互层，不能随意切换模型厂商，因为不同模型家族的语调、冗长度和语气风格（人设）差异会令用户感到 Agent“被换了脑子”。
- 前沿模型成本与利润挑战：
- 邮件打标签等简单任务会降级到轻量/开源模型以降低成本；但复杂推理仍需依赖前沿模型。
- 最大的长期风险在于：作为上层应用，若 20%~30% 的核心复杂任务必须依赖前沿模型，而这些底层供应商（OpenAI、Anthropic）同时也是自己的直接竞争对手，创业公司的长期定价权与毛利会面临压制。
- B2B 模式的高价值与扩展性：
- 尽管家庭/育儿场景（学校通知、活动排期）意外展现出强烈的 PMF，Town 仍坚定优先聚焦企业客户。
- 原因在于企业工具具有极高的直接 ROI（例如猎头公司通过自动化每月多接 1 单就能多赚数千美元），客户愿意随着使用深度而支付更多费用，NDR（净收入留存率）与增长空间远超 C 端。
五、AI 时代的工程与组织思考
- 机器构建速度 vs 人类理解速度：现在代码编写和交付的速度被 AI 工具（Cursor、Devin、Codex 等）极速拉升，但人类理解用户真实需求的速度并没有变快，创业节奏极其残酷。
- 工程支出与组织形态：Town 每位工程师每年在 AI 工具和 Token 上的投入高达 7.5 万美元左右（结合使用 Devin、Cursor、Codex 等），但换来的生产力提升使得这种高额工具支出非常划算（相当于以工具替代昂贵的人力薪酬）。
本期对话深入探讨了企业与个人 AI 助手（AI Assistants / Agents）市场的竞争格局、产品护城河、商业模式、技术架构选择以及安全与隐私边界。
一、 Town 的产品定位与创业转型
- 产品核心形态：Town 是一个深度集成在用户的邮箱与日历之中的 AI 助手（被称为“Townie”），它通过分析用户的日常工作节奏与往来邮件，自动推荐并执行后台自动化工作，服务主流办公人群。
- 从企业报税到 AI 助手的转型：团队最初曾花一年时间打造用 AI 做企业报税的产品，但未能达到足够的 PMF（产品市场匹配）。随着类似 Claude Opus 等前沿大模型具备真正的自主代理（Agentic）能力，团队仅用数周就原型化了基于邮箱与日程的 AI 助手，并迅速获得市场验证。
- 强制绑定带来核心价值：与 ChatGPT 简单的对话框不同，Town 要求用户在注册伊始就连接邮箱和日历。虽然这导致了约 30% 的初始流失率，但也使得 Town 能够主动理解用户上下文并交付高价值，试用用户的付费转化率超过了 15%。
二、 AI Agent 赛道的护城河与竞争格局
- 巨头入局与同质化焦虑：JD 直言构建这类助手绝对是 Google 和 Apple 未来 12 个月内的前三大核心优先级之一。创业公司无法仅靠功能走在前面，因为任何有效功能都会在 2~4 周内被同行迅速复制。
- 真正的护城河：Agent 层面的网络效应（Multiplayer AI）：
- Town 打造的核心特色是 “Agent-to-Agent”（代理间协作）。当一名员工的 Townie 无法回答某个问题时，它可以主动去询问其他同事的 Townie（例如内部销售寻找有特定客户人脉的同事）并在合规范围内共享信息。
- 一旦整支团队都接入了协同 Agent，转换成本将极高，形成多人协同网络壁垒。
- 与 Instinct、GrokBot 的差异化：
- Instinct 更偏向个人/C端的高级任务调度（目前完全免费补贴获客）。
- GrokBot 依靠 X（Twitter）的极客/意见领袖早期圈层起量，属于重度工具。
- Town 则专注于企业主流协同工作流程与多成员协同变现。
- 对苹果与本地端侧模型的看法：苹果的局限在于缺乏强大的云端基因，且受制于“纯端侧运行与严苛隐私保护”的束缚，导致其模型能力与处于前沿（Frontier）的云端模型存在代差。
三、未来人机交互与数据隐私的大胆预测
- 数据孤岛的终结与对 Agent 的隐私信任：JD 提出了一个激进预测——5年内，人类将完全信任并允许 AI Agent 自主决定何时、与谁共享哪些数据。
- 现行的企业数据合规与人工权限配置极其繁琐；未来经过专项训练的模型能够像人类一样理解社交边界（比如不泄露薪资、病历，但能在企业内部协调人脉与日程信息）。
- 相比人类经常误将机密邮件群发（“Reply All”）的低级错误，LLM 的泄密失误率未来会显著低于人类。
- 单一统一入口（One Entry Point）：用户不会愿意在几十个独立的垂直 Agent 之间频繁切换；未来的交互体验将是 1~2 个统一助手入口，其在底层按需调度垂直领域工具（如法律领域的 Harvey/Leyla 或销售领域的 Salesforce）。
四、商业化、算力成本与模型路由策略
- 模型路由与人设一致性：
- Town 会根据成本与效果进行路由调度（如图像使用 Gemini/OpenAI，语音使用 ElevenLabs）。
- 但在直接面向用户的交互层，不能随意切换模型厂商，因为不同模型家族的语调、冗长度和语气风格（人设）差异会令用户感到 Agent“被换了脑子”。
- 前沿模型成本与利润挑战：
- 邮件打标签等简单任务会降级到轻量/开源模型以降低成本；但复杂推理仍需依赖前沿模型。
- 最大的长期风险在于：作为上层应用，若 20%~30% 的核心复杂任务必须依赖前沿模型，而这些底层供应商（OpenAI、Anthropic）同时也是自己的直接竞争对手，创业公司的长期定价权与毛利会面临压制。
- B2B 模式的高价值与扩展性：
- 尽管家庭/育儿场景（学校通知、活动排期）意外展现出强烈的 PMF，Town 仍坚定优先聚焦企业客户。
- 原因在于企业工具具有极高的直接 ROI（例如猎头公司通过自动化每月多接 1 单就能多赚数千美元），客户愿意随着使用深度而支付更多费用，NDR（净收入留存率）与增长空间远超 C 端。
五、AI 时代的工程与组织思考
- 机器构建速度 vs 人类理解速度：现在代码编写和交付的速度被 AI 工具（Cursor、Devin、Codex 等）极速拉升，但人类理解用户真实需求的速度并没有变快，创业节奏极其残酷。
- 工程支出与组织形态：Town 每位工程师每年在 AI 工具和 Token 上的投入高达 7.5 万美元左右（结合使用 Devin、Cursor、Codex 等），但换来的生产力提升使得这种高额工具支出非常划算（相当于以工具替代昂贵的人力薪酬）。
1 00
德国之声：美国人工智能公司Anthropic发布了一份长达154页的威胁情报报告，指控中国国内人工智能竞争对手在后台秘密转移用户查询，导致大量敏感机密数据直接流入美国系统。中国外交部发言人毛宁表示，她不了解具体指控内容，并强调中国始终坚持人工智能造福人类的原则，坚决反对歪曲事实攻击抹黑中国。
2 10
中国官媒抨击 Anthropic 放缓 AI 发展的呼吁，称其为“冷战”策略
北京，9月14日（路透社）——具有官方背景（人民日报社旗下）的《环球时报》在一篇评论中表示，Anthropic 首席执行官呼吁放缓人工智能发展的文章，表面上看是一份聚焦安全风险的理性声明，实际上却是一套针对中国的“冷战剧本”。
在周六发表、随后获得 OpenAI 首席执行官萨姆·奥尔特曼和 SpaceX 创始人埃隆·马斯克支持的这篇文章中，达里奥·阿莫代伊提出了一套框架，旨在控制前沿 AI 模型能力提升的速度，为应对日益加剧的安全风险争取更多时间。
阿莫代伊还敦促美国加强对华芯片出口管制，并打击中国 AI 实验室涉嫌进行的模型蒸馏活动。他周日在接受 CBS 新闻采访时表示，放缓 AI 发展这一提议面临的“最棘手困境”，是中国及其他对手国家可能选择不采取同样的行动。
《环球时报》称，阿莫代伊这篇文章的真正意图，是“试图通过技术壁垒和规则垄断遏制中国的 AI 发展，维护华盛顿在前沿技术领域的垄断霸权，并将中国排除在全球 AI 治理体系之外”。
“这场‘静悄悄的 AI 冷战’是虚伪且短视的。”文章还表示，将中国排除在全球 AI 创新之外，将“显著增加全球 AI 发展的试错成本和失控风险”。
此前，两名 Anthropic 研究人员发出严厉警告，称快速发展的 AI 可能在并不遥远的未来导致人类灭绝。此后，美国国会议员呼吁出台新规，对 AI 系统实施监管。
特朗普周日对放缓 AI 发展的呼吁不以为然，称一些“非常负面的势力”正在夸大相关担忧。
“我们在人工智能领域领先中国。我们是世界上最先进的国家，坦率地说，我希望保持这种优势，因为谁赢得人工智能，谁就赢得一切。”特朗普说。
北京，9月14日（路透社）——具有官方背景（人民日报社旗下）的《环球时报》在一篇评论中表示，Anthropic 首席执行官呼吁放缓人工智能发展的文章，表面上看是一份聚焦安全风险的理性声明，实际上却是一套针对中国的“冷战剧本”。
在周六发表、随后获得 OpenAI 首席执行官萨姆·奥尔特曼和 SpaceX 创始人埃隆·马斯克支持的这篇文章中，达里奥·阿莫代伊提出了一套框架，旨在控制前沿 AI 模型能力提升的速度，为应对日益加剧的安全风险争取更多时间。
阿莫代伊还敦促美国加强对华芯片出口管制，并打击中国 AI 实验室涉嫌进行的模型蒸馏活动。他周日在接受 CBS 新闻采访时表示，放缓 AI 发展这一提议面临的“最棘手困境”，是中国及其他对手国家可能选择不采取同样的行动。
《环球时报》称，阿莫代伊这篇文章的真正意图，是“试图通过技术壁垒和规则垄断遏制中国的 AI 发展，维护华盛顿在前沿技术领域的垄断霸权，并将中国排除在全球 AI 治理体系之外”。
“这场‘静悄悄的 AI 冷战’是虚伪且短视的。”文章还表示，将中国排除在全球 AI 创新之外，将“显著增加全球 AI 发展的试错成本和失控风险”。
此前，两名 Anthropic 研究人员发出严厉警告，称快速发展的 AI 可能在并不遥远的未来导致人类灭绝。此后，美国国会议员呼吁出台新规，对 AI 系统实施监管。
特朗普周日对放缓 AI 发展的呼吁不以为然，称一些“非常负面的势力”正在夸大相关担忧。
“我们在人工智能领域领先中国。我们是世界上最先进的国家，坦率地说，我希望保持这种优势，因为谁赢得人工智能，谁就赢得一切。”特朗普说。
1 00
The information：个人AI应用Instinct面临算力瓶颈，或将启动新一轮融资
Instinct是一款在硅谷圈内迅速走红的个人AI助手，其背后的初创公司成立仅一年。面对科技巨头Meta Platforms带来的新竞争，这家公司正借助早期热度，寻求更多算力。
过去几周，Instinct有时会通知用户，系统已经满负荷运行，“回复可能会变慢”。这款产品今年早些时候向一小部分用户开放，人们用它来协商降低账单费用、回复电子邮件等。更多资金可能有助于缓解这一局面：据一位知情人士透露，创始人兼首席执行官Noah Shinn最近向潜在投资者表示，公司在不久前刚刚融资2.5亿美元后，正寻求再融资10亿美元。
Instinct的应用尚未向公众广泛开放。它之所以受到关注，是因为在ChatGPT过去一年增长大幅放缓之后，它代表了消费级AI取得突破的一种可能。消费者已经习惯使用ChatGPT、谷歌Gemini等AI聊天机器人获取信息、寻求建议，或协助完成各种项目，但这些聊天机器人在处理更复杂的个人事务方面，例如在线预订服务，尚未取得同样的成功。
Shinn此前在客服AI初创公司Sierra担任了两年研究员，随后创办了这家公司。他私下表示，不想向用户收费。这意味着，公司可能尝试通过广告等其他方式赚钱。
据一位与Shinn交流过的人士透露，Instinct背后的公司Spear Street Technology最近收到了一些新的投资邀约，但谈判仍处于早期阶段，这轮融资也可能不会落地。
鉴于专用服务器相对短缺，算力成本也一直困扰着其他快速增长的AI初创公司。例如，AI编程智能体公司Cognition曾向潜在投资者表示，它必须预先支付部分云服务费用，以获得可能暂时还用不上的算力容量，而这些费用会在一段时间内摊销。这使得相关成本类似于建设数据中心这样的资本支出。
如果Instinct背后的初创公司最终筹得Shinn所说的全部10亿美元，现有投资者预计，公司估值必须达到约100亿美元或更高，才能避免现有股东被稀释超过10%。这种做法有助于在公司发行更多股份时，保护创始人和早期员工所持股权的价值。
根据PitchBook的数据，该公司上个月那轮融资的投前估值为22.5亿美元。如果估值达到约100亿美元，将是一次大幅跃升。
这样的估值预期，既反映了这款AI助手在最初几周引发的热烈关注，也反映了风险投资市场更广泛的趋势：一些备受追捧的初创公司正在接连开展融资。
最近几周，科技创业者和风险投资人在网上盛赞Instinct能够完成各种复杂程度不同的任务，包括管理日历，以及为婚礼订购用品，使其迅速成名。用户通过iMessage和WhatsApp与Instinct交流，也可以向它提供信用卡信息和密码，让这个AI机器人代为购物或预订旅行。
不过，Instinct无法代表用户发送短信，这是当下个人AI助手的一项关键短板。OpenAI和Instinct都曾尝试在获得用户许可后，访问用户Mac笔记本电脑上的iMessage账户，但这样的集成在iPhone上无法实现。
潜在投资者需要押注的是：Instinct迅速积累的人气，不会被Meta等竞争对手打断。周二，Meta推出了Muse，一款类似的免费消费级AI助手。
Foundation Capital合伙人Jaya Gupta在TITV节目中表示，这场竞争仍处于早期阶段。她估计，Instinct目前拥有“几十万重度用户”。Foundation Capital并未投资Instinct。
不过，她表示：“我认为国际市场的归属仍未确定”，而“Meta很可能会赢下这个市场”，因为Meta拥有在美国以外地区广受欢迎的即时通信应用WhatsApp。但她也表示，如果智能体能够拿下协商账单、预订旅行等事务性工作市场的1%，“那就是一个巨大的市场”。
据一位与Shinn交流过的人士透露，Instinct已将此前筹集的资金用于租用AI服务器，其累计融资额为3.5亿美元。两位与该公司交流过的人士表示，目前，公司主要使用开源模型来支撑其服务，而非Anthropic等公司提供的、成本更高的闭源模型。
据其中一位人士透露，Shinn曾向潜在投资者表示，他有兴趣逐步摆脱租用AI芯片的模式，最终拥有自己的芯片，甚至运营自己的数据中心，以节省长期成本。不过，购买芯片和运营数据中心需要投入更多资金。
Instinct是一款在硅谷圈内迅速走红的个人AI助手，其背后的初创公司成立仅一年。面对科技巨头Meta Platforms带来的新竞争，这家公司正借助早期热度，寻求更多算力。
过去几周，Instinct有时会通知用户，系统已经满负荷运行，“回复可能会变慢”。这款产品今年早些时候向一小部分用户开放，人们用它来协商降低账单费用、回复电子邮件等。更多资金可能有助于缓解这一局面：据一位知情人士透露，创始人兼首席执行官Noah Shinn最近向潜在投资者表示，公司在不久前刚刚融资2.5亿美元后，正寻求再融资10亿美元。
Instinct的应用尚未向公众广泛开放。它之所以受到关注，是因为在ChatGPT过去一年增长大幅放缓之后，它代表了消费级AI取得突破的一种可能。消费者已经习惯使用ChatGPT、谷歌Gemini等AI聊天机器人获取信息、寻求建议，或协助完成各种项目，但这些聊天机器人在处理更复杂的个人事务方面，例如在线预订服务，尚未取得同样的成功。
Shinn此前在客服AI初创公司Sierra担任了两年研究员，随后创办了这家公司。他私下表示，不想向用户收费。这意味着，公司可能尝试通过广告等其他方式赚钱。
据一位与Shinn交流过的人士透露，Instinct背后的公司Spear Street Technology最近收到了一些新的投资邀约，但谈判仍处于早期阶段，这轮融资也可能不会落地。
鉴于专用服务器相对短缺，算力成本也一直困扰着其他快速增长的AI初创公司。例如，AI编程智能体公司Cognition曾向潜在投资者表示，它必须预先支付部分云服务费用，以获得可能暂时还用不上的算力容量，而这些费用会在一段时间内摊销。这使得相关成本类似于建设数据中心这样的资本支出。
如果Instinct背后的初创公司最终筹得Shinn所说的全部10亿美元，现有投资者预计，公司估值必须达到约100亿美元或更高，才能避免现有股东被稀释超过10%。这种做法有助于在公司发行更多股份时，保护创始人和早期员工所持股权的价值。
根据PitchBook的数据，该公司上个月那轮融资的投前估值为22.5亿美元。如果估值达到约100亿美元，将是一次大幅跃升。
这样的估值预期，既反映了这款AI助手在最初几周引发的热烈关注，也反映了风险投资市场更广泛的趋势：一些备受追捧的初创公司正在接连开展融资。
最近几周，科技创业者和风险投资人在网上盛赞Instinct能够完成各种复杂程度不同的任务，包括管理日历，以及为婚礼订购用品，使其迅速成名。用户通过iMessage和WhatsApp与Instinct交流，也可以向它提供信用卡信息和密码，让这个AI机器人代为购物或预订旅行。
不过，Instinct无法代表用户发送短信，这是当下个人AI助手的一项关键短板。OpenAI和Instinct都曾尝试在获得用户许可后，访问用户Mac笔记本电脑上的iMessage账户，但这样的集成在iPhone上无法实现。
潜在投资者需要押注的是：Instinct迅速积累的人气，不会被Meta等竞争对手打断。周二，Meta推出了Muse，一款类似的免费消费级AI助手。
Foundation Capital合伙人Jaya Gupta在TITV节目中表示，这场竞争仍处于早期阶段。她估计，Instinct目前拥有“几十万重度用户”。Foundation Capital并未投资Instinct。
不过，她表示：“我认为国际市场的归属仍未确定”，而“Meta很可能会赢下这个市场”，因为Meta拥有在美国以外地区广受欢迎的即时通信应用WhatsApp。但她也表示，如果智能体能够拿下协商账单、预订旅行等事务性工作市场的1%，“那就是一个巨大的市场”。
据一位与Shinn交流过的人士透露，Instinct已将此前筹集的资金用于租用AI服务器，其累计融资额为3.5亿美元。两位与该公司交流过的人士表示，目前，公司主要使用开源模型来支撑其服务，而非Anthropic等公司提供的、成本更高的闭源模型。
据其中一位人士透露，Shinn曾向潜在投资者表示，他有兴趣逐步摆脱租用AI芯片的模式，最终拥有自己的芯片，甚至运营自己的数据中心，以节省长期成本。不过，购买芯片和运营数据中心需要投入更多资金。
4 10
