zz：炒股这么多年，我总结了一个经验，就是散户骂人的时候就应该加仓，这个月我几乎天天加仓，现在我也开始骂人了。

俗话说，出门在外，身份要自己给。潜台词就是要学会销售，让对方尽快地了解你。

作为OPC，我也在践行这个技巧，比如穿上了印有Logo的T恤，作为行走的广告牌。

最近又新入手了一个工具，也特别有意思，就是腾讯会议和影石联合发布的AI录音领夹麦。

它可以收录我的演讲、交谈，并直接同步到腾讯会议里方便我后续处理、沉淀。而且，腾讯会议也开放了CLI，我在workbuddy上也可以直接调取录音文件、用AI处理，而不需要像之前使用传统录音设备那样，多次导出导入录音文件。
而且，独特的墨水屏，可以自定义图案展示，比如个人头像、logo等等，也是一张新颖的名片。在演讲当天就有不少朋友来询问，也是把科技力转化为亲和力了。
体验了一段时间后，我觉得产品之余的商业变化，尤其是腾讯会议在Agent时代想要成为什么，也很值得探讨。
领夹麦的使用初体验
先说下领夹麦最直接的使用感受是：安静。不是指降噪，而是存在感。
体积小巧，佩戴方便、不用手持、解放双手；时尚的外观，也让我更有意愿带着。使用时，也只需要轻轻一按，随后就该干嘛干嘛，完全不被打扰。
它有一个优势，就是既定的社会认知。领夹麦出现在采访、演讲、直播里已经二十年了，它给人的印象是"专业记录"，而不是"监听"。而且，AI领夹麦独有的墨水屏，配合指示灯，可以显著说明工作状态，让对方知道你戴着录着。用不躲藏、公开记录，降低侵入感。
领夹麦不仅可以录制个人讲话、双人交谈，也支持多人讨论。收音范围比手机更大、也更清晰。我带着参加发布会，也能清晰收音。同时，领夹麦也弥补了许多手机录音不便利的场景。
比如，手机会被占用，查资料、看消息、接电话，都会影响手机录音；另外，在一些流动的现场，领夹麦可以跟着人移动，采集点始终在声源旁边。就像我去演讲分享时，如果开着手机收录，离得远了就会有模糊。
再者，领夹麦的续航更久。内置32GB存储，单次录制时长最高时长可达9.5小时。对于"重要的事情只发生一次"的场景而言，也更有保障。
采集只是第一步。录音完成后，领夹麦可以和腾讯会议连接，随后录音文件会同步到腾讯会议内，然后随心用其AI能力进行文件处理。包括转写、发言人区分、纪要生成，以及问元宝等等。

整体而言，领夹麦负责尽可能高质量地把声音收进来，腾讯会议负责用AI高效处理声音文件。
值得注意的是，腾讯会议内的功能名称是“我的设备”。意味着，这套模式，并不只是面向领夹麦，也不只是影石，而是更多硬件、更多伙伴。这里就藏着腾讯会议的新版图。

人皆有路径依赖和思维惯性，短时间内发生巨大变化是非常难的。因而浪子回头、灰姑娘的故事才会被传播。

然而，技术的变化、社会的变化又是客观的。保持与时俱进，应该是理性人的理性选择。

所以，应该每隔一段时间就做一些变化，探索尝试一些变化。

以我为例，我其实整体是偏保守的。尤其对于AI，我觉得找到一个工具、用法，能解决问题就够了，没必要花里胡哨探索那么多新鲜的。

就像Dota能解决我想玩游戏的欲望，武林外传能解决我想看剧放松的需求。我就可以只选择这两个。

但实际情况是，AI带来的变化，就像把人放在了一个新大陆。

从起点开始，无论往东南西北哪个方向走，得到的都是新鲜的视野、全新的地图。即使，也肯定，有些地方探过了就再也不会去了。可探索依然是值得的、有趣的。

我自身经验就是每多花点时间玩AI，就会多点正向的收益。

用渐进式探索和体验，避免未来面对巨大变化时受迫下的选择。因为后者往往是错的，也是难的。

我之前写过一篇小短文讲述 复盘 的重要性； 我知道，不少人其实对现在的工作，并不怎么热爱。如果是这样，更应该学会复盘。
因为这是帮助自己的，尤其当你不热爱这份工作时。

现在有了AI，可以和你一起复盘，提炼出sop，然后固化为skill。下次有类似工作时，AI就可以接手了。而且至少还是70分以上的成果。

记得我以前带小伙伴写内容的时候，有段时间要求他们用excel写作。每句话一行。结构、修辞、节奏很清晰地呈现。

也是逼着他们去复盘 去优化“套路”。
效果也很显著。

现在工具更方便了，也更应该自己多造点工具解放自己了

出差厦门，多了一小时，想去集美大学逛逛，结果还得有内部联系人才行…

嗯，记得以前在北京读书的时候，学校基本是随便进出的

打车路上坑坑洼洼，随口说了一句：怎么这个坑那么多水，另边的路就还好

师傅说，听你早上开电话会议应该是做股票的吧 这道理你还不懂吗

最小阻力诶

一开始肯定是有些地方土松有的地方紧
里面也不平

下雨之后，水就自然而然找阻力小的地方

低的地方开始积水

小水坑的时候不在意 车也不会避
轮胎一压 土一压 渗水更难了
地面也更低了 水更容易流过来

然后就变成大水坑了

你把水流当资金流，就可以理解了…
越涨的越能涨
反之亦然

我惊叹道：你怎么还懂这个
师傅：我是懂太晚了，才来跑车的…以前总想逆势

普通作者，就是那种非头部、非顶流的创作者，其实真没必要去做视频播客。

做内容这个事吧，说到底就两个面：一个是科学性，一个是艺术性。

科学性就是那些能学的东西，比如怎么写、怎么构思，这些你下功夫是能练出来的。

但艺术性那一面呢，爆款这个东西真的太拼运气了。现在视频端能跑出来的那些头部，大部分其实是被平台选中的。流量就捏在平台手里，你想跑出来，要么是平台刚好想推某个方向你踩上了，要么是赶上了社会热点那个窗口，要么就是你跟平台关系本来就好，平台绑定了。

就这几条路。也有极少数就是靠内容走出来的超级顶流。也是平台发展早期 流量没固化的时候。

所以对普通作者来说，做内容就只能是一个长期的事。

得把自己的生命周期拉长，就像打那种弹球游戏一样，得把下面那个接球的板子变长，更有概率接住好运气、好运气掉下来的时候，才接得住。

但视频播客这个东西，它的问题就在于制作成本太高了。

成本一高，直接就把那块板子给缩短了。本来成本预算够撑两年，结果因为做视频播客，三个月就烧没了。板子一短，好运气还没来呢，人先退场了。

所以普通创业者真没必要碰视频播客。尤其现在双机位、布景、后期什么的制作工艺越来越卷。

2021年8月，特斯拉AI Day的舞台上，一名身穿紧身衣的演员，在灯光下扭动身体。这就是马斯克宣布人形机器人Optimus的开始。台下有人笑出了声，而大洋彼岸的A股则是闻马而动，只要沾上人形机器人概念，就是大涨。

这是中国资本对具身智能的第一次出价，对象是一个尚不存在的产品。

五年后的同一个月份。马斯克一边关闭部分Model S产线为Optimus让路，一边不得不下调了Optimus的年产目标。

但八千公里外的杭州，却是另一番景象。宇树科技不仅产品登上了春晚的舞台，公司也登上了中国股市：发行价150.8元，发行后市值达到3400亿元。

中国资本对具身智能再次出价，热情高涨。

再放大视角来看，在北京亦庄召开的世界机器人大会有三百多家参展商，馆内人声鼎沸。而国内具身智能赛道的融资额，仅上半年就高达900多亿元，超过了2025全年。
五年，一个穿紧身衣的演员，变成了一张150.8元的价签；一场发布会，成长为一个众人瞩目的赛道、甚至是中国科技的名片。

这种变化，是如何产生的？上个五年，实现了什么、欠下了什么？下个五年又该看什么、期待什么？

1、造得出来：供应链的迁移与创新

具身智能始于海外，但却在中国做大做强。

2026年上半年，中国量产人形机器人超过3万台，出货约2.3万台，全年预期是突破10万台。这是全球去年产量的五倍以上。而马斯克发愁的量产卡点“灵巧手”，也需要依靠中国产业来解决。

为什么会如此？答案不在某一家公司身上，而是整条供应链里的三重力量。

首先，从汽车工业搬过来的量产供应链。
产线节拍管理、Tier 1与Tier 2的分层协作、审厂流程、精益降本方法论等，这些在中国电动车产业里被反复验证过的东西，整套平移进了机器人行业；线性智控、散热、关节等供应商，也多数从汽车供应链而来。

比如Optimus约70%的核心零部件，在中国完成了供应商审厂，而其中诸如拓普集团等公司，也是其电动车的供应商。而在减速器、执行器、结构件等领域，中国公司也都是全球领先。

具身智能整机品牌，看起来百舸争流，但脚下踩的都是汽车工业修筑的同一条踏板。

另一个有趣的现象是，其他领域的经验，也都在向机器人领域迁移。例如，交互是机器人非常重要的功能、也是用户的刚需。但是，为机器人装上耳朵并不容易，"听不清、听不懂、做不好"是环环相扣的三道坎。

业内的一个解决案例是百度智能云和头部具身智能企业的合作。百度智能云的远场多模态语音交互能力，将对话反馈延迟降至1秒左右，并且能识别音色、情绪等副语言信息。更自然的对谈，改善体验、也提升实用。

当然，中国供应链并不只是迁移、按图造物这么简单，创新也是其对行业的重要推动。

以PEEK为例，它的全称聚醚醚酮，作为特种工程塑料，它的强度达到铝合金的8倍，密度只有铝合金的一半。用它替代铝合金，可以使机器人骨架减重约40%。从而大幅降低用电功耗、提升灵活性。

PEEK本身以及它的上游关键原料的国产化突破，也改写了机器人本体的发展路径。
未来的硬骨头是灵巧手。特斯拉把自由度提升到了22个，驱动装置集成进手腕，每一步都在挑战微型传动的物理极限。

第三重威力最朴素，也最有国产特色，那就是：把成本打下来。毕竟，成本是决定产品普及的核心要素。

例如，谐波减速器国产化后，价格降至国际竞品的三到五成。六维力传感器从进口单轴5000元以上，降到国产1500到2000元，降幅超60%。一台人形机器人有20到40个关节，仅减速器一项国产化就省下3到6万元。

学习曲线效应在这个行业表现得尤为猛烈：产量每翻一倍，单位制造成本下降15%到20%。有厂商反馈，产能从500台爬升到3000台之后，单台成本下降了35%。
终端的反馈就是不断降价。

宇树G1降到8.5万元起，松延动力的Bumi直接杀到9998元，和一台高配iPhone同价。随着比亚迪、宁德时代这些巨头宣布入场，这条曲线只会更陡。

电动车走过的剧本，正在具身智能本体制造上，逐帧重演。全球80%的人形机器人在中国下线。

造得出来，已经不再是问题。但要用得起来，还需要另一场攻坚。

2、干得了活：算法与工程的瓶颈

很多人都有一个疑问，为什么机器人都能后空翻了，却连叠衣服、拿水杯这些动作都做不太好？甚至许多机器人在表演的时候，不远处就有一个人把遥控器放在屁股后面、用包遮挡。

这不是抬杠，而是理解整个行业的钥匙。机器人的能力分三层：运控层（俗称"小脑"）、感知层、决策层（俗称"大脑"）。五年下来，三层的成熟度则各不相同。
运控层越来越强。高精度激光SLAM定位、协同规划，支撑了春晚舞台上整齐划一的扭秧歌、练武术。这是因为运动有明确的物理模型，可以在仿真环境里用强化学习反复练，再迁移到真机。感知层的视觉方案基本成熟，触觉和力控还在补课。

大脑的智能，是影响干活的关键。具身模型是核心，也是难点。它要同时理解视觉、语言和动作，训练复杂度远超文本大模型。

业内目前是VLA、VLM、世界模型，三条路线并进而未收敛，社区版本的训练效率普遍不高。

这个阶段，具身智能的竞争不再只是机器人公司的算法竞争，也变成了一场工程系统竞争：模型如何更快训练，仿真如何更有效、推理如何更低时延、高质数据如何获取，评估和部署如何形成闭环。

此时，云厂商的角色，也从算力供应商，变成了具身智能迭代效率的基础设施。

在我的调研中，就看到百度智能云正展现着这个趋势，IDC的报告显示，百度智能云以29.55%的市场份额位居中国具身智能云市场第一。而不常被人知道的是，它也是国内最早支撑具身研发的云厂商，也是陪伴行业从0到1了。

百度智能云在具身领域的领先，落到产品和工程层面，核心支点是百度百舸，用一系列优化和创新，推动行业从一到百、到万。

以NVIDIA开源的世界模型Cosmos 3为例，百度百舸实现了从单机到系统的迭代。
单机层面，通过重构数据加载、编译适配与显存策略，将训练效率提升近一倍；集群层面，训练规模扩展到512卡，扩展效率保持在97%以上；系统层面，将视频编码等前置计算，从训练节点解耦，让训练卡专注训练，最终以约1.5倍的硬件投入换来2.1倍的整体吞吐，相当于同样预算多获得约35%的训练算力。

同时，由于机器人的大量训练都在仿真环境里完成，但搭建仿真框架的基础环境，也是耗时、费力的，配置繁琐，还要加载模型、场景、物体、材质、碰撞、物理属性等等。百舸也对应提供了简易配置的集成方案，优化了AI物理资产的加载速度、仿真任务并行能力等等。

这些数字、方案，都意味着，同一笔钱，在百舸平台上，可以跑更多轮次，更快地提升模型效果，从而短试错周期。这对于具身智能公司，尤其是创业公司，也至关重要。

当然，训练只是上半场。真正决定"干不干得了活"的，是推理。这也是业内过去一段时间发生较大变化的地方。

通常情况，机器人每做一步动作，都要等完整的世界理解和动作规划跑完。于是就有了短板效应，被最慢的规划模块拖住。通俗地说，就是：大脑跟不上小脑的节奏。

怎么办？今年6月，上海交通大学ScaleLab团队、上海人工智能实验室与百度百舸联合发布了AHA-WAM（异步视野自适应世界-动作模型），把耗时的“视觉场景分析模块”移出了动作执行的核心链路，规划在后台持续更新，动作在前台高频响应。从而让动作表现更连贯、更顺滑。

智能的第三个卡点是数据。真机数据采集又贵又慢，因此业内都在探索数据生产工业化。

例如百度把自动驾驶十年积累的数据服务能力迁移到具身领域，在大湾区建设了数据工厂，用“真实场景+虚实融合”的方式规模化生产高质量数据。也向具身厂商提供数据标注等AI数据服务，同等规模项目，能为客户节省约20%成本。

也把数据处理、模型训练、评估部署这些步骤，做成可视化自动流水线，把数据流程沉淀成企业有效的AI资产，例如自定义算子、任务模板等。从而实现越做越快、越做越好。

五年的智能账可以这样总结：进步集中在可工程化的部分，例如频率、延迟、训练速度、标注成本等等，许多也都有可度量的效果。

只是，不可度量的“泛化”，用王兴兴的说法是，"类ChatGPT时刻"还没来。

3、看得明白：未来五年的三笔账

网上流传了一份数据，2026年上半年，中国卖出约2.3万台人形机器人，其中约三成进了科研院所，约三成上了展会舞台，约三成多出口海外，真正走进工厂生产线的不到5%。

这个比例未必准确，但我想趋势应该大体符合。这不是看空行业，而是通往下个阶段所必须解决的难题：需求。

尝鲜的需求，是价值情绪；但真正的需求，是ROI的算术题。

机器人本体的降价还在继续，但下个五年，应该盯住的指标不是售价，而是TCO全生命周期总成本。以工厂为例，假设设备回本周期不超过2年，和工人成本相比，那就意味着TCO应该在20万以内，但目前的数据推算，仍接近50万元。

这也解释了为什么投资机构对具身智能行业有巨大分歧。有机构认为拐点不明，预警行业没订单、产能先行的风险；也有机构认为行业体量比肩今天的全球汽车业。

分歧的本质，是对"干得了活"时刻的判断差别。我觉得有几个观察指标。

一看订单质量：非科研教育收入占比、复购率，而不是发布会数量和展会签约；
二看TCO与回本周期：有没有从10年量级压进2年；
三看大脑接管率：有多少动作是模型现场决策的，而不是预编程或遥操作。这是"演示机器人"和"干活机器人"的分界线。

对于行业而言，还有一个未来五年会发生的情况就是：出清，而且会先于分歧收窄。
目前20多家企业估值过百亿，但产能差距却在拉开。宇树一家产能规划就有19万台。如果需求没有快速爆发，产能和订单之间的落差也会更大。

另外，整机厂背后的开发平台，也会是胜负因素之一。谁能把数据、仿真、训练、推理、评估部署，串成更短的闭环，也就能率先验证路线、开启数据飞轮，形成优势。
路线之争也没有平息，双足机器人需要等运控算法、硬件成本和电池能量密度三个变量同时到位，这是一场需要时间的验证。而现金流不过关的企业，将等不到自己押注的路线被证明正确的那一天。

产能、技术、财务，都是紧箍咒。政策会托住产业，但不会托住每一家公司。向来如此。

因此，下个五年，具身产业链的估值逻辑也会分层：
本体是期权。价格取决于"干得了活"的兑现概率，波动最大。
零部件是业绩股。订单和排产表就是估值。零部件的客户绑定，就需要更加谨慎甄别。
基础设施是现金流。诸如百度百舸，搭建具身开发平台，一站式支持具身模型训练、数据、仿真、安全等全流程，为全行业服务。无论谁最终胜出，模型都要训、数据都要标、仿真都要跑、安全都要过。

当具身智能已经成为显学的时候，激烈的竞争之下，也需要慧眼来识别、判断。

回溯来看，过去五年，人们为梦想兴奋，资本为"造得出来"付钱，梦在实现了、资本也有回报了；下个五年，要验证的是："干得了活"的具身智能，何时来。挑战依旧多，但唯有前行才能看见新的景色。

等位内容合伙人
有较为成熟的内容体系，聚焦科技方向
可以有两个合伙路径

一是平台合伙，主要是播客平台，做一些产业内容。播客变现，进行比例分配

二是赛道合伙，主要是具身智能。赛道所有变现（公众号、视频号、播客），进行比例分配。

薪酬等可以聊

感兴趣可以私信 或邮箱 aaron_dong86@sina.com

最近我一直在用几个AI办公，包括WorkBuddy、百度搭子、千问办公，但都遇到一个别扭的地方：我背着电脑在路上，想用手机提前干点活，但发现和电脑端没有打通，电脑端的Skill都没办法用。

这就有点像单机了，但现在需要的是联机，随处随地的联机。所以，这也是当下行业的一个趋势：云端协同。

01

目前端侧AI的思路有两种：

一种是手机远程下指令，指挥电脑干活。电脑开机等着，然后手机通过IM或办公App接口直接调动电脑工作。前几个月卖爆的Mac Mini就是这个背景。

我觉得这不是真正的办公需求。或者，不是真正普及该有的状况。更像是基础设施没跟上时，用户自己打的补丁。

回溯来看，要求用户"留一台机器不关"的用法，基本都活不过一个技术周期：以前用数据线导照片，后来有了云相册；以前挂着PC下BT，后来有了离线下载。补丁出现的地方，就是下一代基础设施该长出来的地方。

第二种就是云端协同，手机端干活。各类设备端，上AI硬件，跑一些小模型任务；而需要大模型的任务，则上云。和远程下命令给电脑不一样，是手机直连着AI来工作。

相比于在端侧上AI硬件，当下最急切的需求，或者最该普及的，是各类AI办公App实现手机端和电脑端的技能互通、数据互通。

最初我觉得可能会像网盘一样，电脑处理，网盘保存、手机直接调用；但想了想，又有些区别。可能就是下一个产业机会。

02

网盘同步的是文件。文件恰恰是最好同步的东西：有标准格式、有明确边界。但把AI办公锁死在一台电脑上的，有两样东西。

一是执行环境。电脑端AI技能多，不是模型更聪明，而是它有浏览器、文件系统、装好的软件等等可供调用的工具；以及沙箱保护等。每个技能背后都得有一套环境撑着。

二是上下文。活干到一半，状态散落在聊天记录、中间产物、agent的工作记忆里，换个设备基本等于从头再来。如何把"干到哪了"实现同步。

所以，要实现云端协同，文件是容易的，技能可能也不难，但如何确保执行结果一致，还是花点心思。

产业已经在往这走了。

Claude Code出了网页版和手机入口，每个任务跑在云端隔离沙箱里，可以一台设备发起、另一台接管。

阿里云前端时间发布了无影云电脑。相当于电脑端、手机端都直接在云电脑上执行。对于个人稍微有点麻烦，但对于企业大规模部署AI Agent还是有帮助的。

有操作系统能力、有安全沙箱（简单说就是创建隔离环境实现对程序的运行管控）、算力也是弹性的，也可以持久化记忆。成本比买设备也划算，毕竟自己配电脑会过时，但云端就可以由厂商来覆盖成本。

不管哪种方式，带来的一定是云的需求大幅增加。而我跟大厂的朋友请教，他们的反馈是，沙箱需求Sandbox（云服务的一个产品）确实比较旺盛。

03

云端协同带来的增量，不是笼统的"算力",而是围绕工作会话的一整套资源。

第一层是资源层。首先CPU、存储需求会持续增加。沙箱里跑的是浏览器、终端、代码执行等操作，是经典的通用计算，也必然增加CPU的需求。当然随着模型调用增加，推理算力需求也会增加。

另外，云端协同需要会话能够秒级启动，休眠唤醒是刚需。谁把休眠成本压到最低，谁就能拿下这层的定价权。

第二层是状态层，"干到一半的活"怎么存。像随时给会话拍快照、随时恢复，这会是云存储里增长迅速的新品类。业内也在探索，如何把聊天记录、中间产物、每一步的决定，都整理成AI能记住、用户能带走的资产。

第三层是技能分发。现在每个AI办公App都有自己的技能广场，但如果要实现云端协同，未来可能会出现全平台通用的技能。个人的技能跟着账号走，企业把内部的操作规范打包成私有技能，统一发给全公司的AI。

就像App Store一样，出现Skill Store。

也说明，AI办公，也许个人端和企业端，会出现不同产品、服务各自客户的需求。个人在意的是灵活，企业在意的是可靠。

最后，我觉得AI真的比移动互联网的付费环境改善了。我个人、我身边的朋友，不少之前是看个爱奇艺，都朋友圈要账号的；现在尝试用了几次AI相关工具后，都是嗷嗷付费。