1，一场天作之合 让我们把时钟拨回到几年前。 那时的微软，虽然依旧是家巨无霸公司，但在很多人眼里，它只是“沉睡的巨人”，尤其在创新领域，基本上毫无建树。 为什么这么说呢？在最前沿的AI领域，风头似乎都被小字辈的谷歌、Meta这些对手抢走了，微软迫切需要一个新故事来搅动市场，重回舞台中心。 另一边，是一家成立于2015年，名字做OpenAI的“小”公司。 说它小，是说它当时的规模和资金，但在技术创新上，它逐步接管全球创新的焦点——OpenAI手握着当时地球上最强大的语言模型GPT系列，2022年推出了ChatGPT引爆了行业，不过这个技术有个致命的弱点——它实在太烧钱了——需要海量的计算资源和资金来训练和运行。 于是，一个缺“王炸”的巨头，和一个缺钱的“天才”，一拍即合。 微软带着百亿美元和全球顶级的Azure云计算资源入场，OpenAI则贡献出他们最聪明的大脑和最领先的技术。 这看上去，简直是一场完美的商业联姻。 2，要命的“AGI条款” 微软当然不是慈善家。他们投入巨资，换来了OpenAI技术的优先使用权，甚至在一定程度上可以影响其发展方向。 这笔交易也让微软几乎在一夜之间，把AI能力注入了自己所有的核心产品：Office变成了能帮你写邮件、做PPT的Copilot，半死不活的Bing搜索引擎靠着ChatGPT原地复活，Azure云服务的客户更是排着队要用上最新的AI模型。 微软的股价一路狂飙，甚至一度站上全球上市公司市值第一的位置，印度裔CEO萨提亚纳德拉被捧上了神坛。 然而，就在这份看似双赢的协议里，藏着一个“魔鬼条款”，也就是我们故事的核心——AGI条款。 简单来说，AGI（通用人工智能）就是科幻电影里那种拥有自我意识、能像人一样思考、甚至超越人类的超级AI。 微软和OpenAI的协议里，有一条大致意思是：“我们商业合作的目标，是在AGI之下。一旦OpenAI认为自

引子：一个关于依赖的故事 我们一起做个假设，“你”是个年轻人，聪明、富有创造力，总是对新科技充满好奇。 随着人工智能技术的飞速发展，你开始使用一款名为“智脑”的AI助手。 起初，智脑只是帮助你管理日程、提醒任务，但随着时间的推移，你发现智脑在更多方面都能提供帮助，从回答复杂问题到做出决策——几乎无所不能。 不久后，你开始依赖智脑来完成越来越多的任务，基本上不再自己思考如何解决问题，碰到啥事都直接询问智脑，而智脑也依旧靠谱，总是能迅速给出答案。 然而，随着时间的推移，你发现自己越来越难以独立思考——曾经能够轻松解决的难题，现在没有智脑的帮助，基本上束手无策，甚至在日常生活中，你也开始忘记一些基本的生活技能，比如如何规划路线、如何做简单的数学计算。 你的朋友们注意到了你的变化——你变得越来越被动，缺乏主动性和创造性，思维似乎变得迟钝…… 终于有一天，你自己也意识到了这个问题，但已经习惯了依赖智脑，很难改变这种习惯…… 这个故事虽然是虚构的，但它揭示了一个潜在的危险：过度依赖AI可能会导致人类认知能力的退化。 开篇故事并非完全虚构。 现实中有一些研究和例子表明，过度依赖科技可能会对人类的认知能力产生负面影响。 先举个开车的人经常遇到的案例。 研究发现，过度使用导航软件可能会导致人们的空间认知能力下降。 一项由伦敦大学学院进行的研究发现，长期使用GPS导航的出租车司机，他们大脑中负责空间记忆的海马体体积较小。 这意味着，过度依赖导航工具可能会削弱人们的空间认知能力。 与之类似，过度依赖AI助手也可能导致人们的信息处理和决策能力下降。 比如一项由斯坦福大学进行的研究发现，频繁使用搜索引擎的人，在没有互联网的情况下，解决问题的能力较差。这是因为他们习惯了依赖外部工具来获取信息——而不是自己去思考和记忆。 随着AI不断进步，人们可能会越来越依赖AI来处理复杂的信息和任务。 AI助手可以帮

前几天，微软开启了新一轮的大规模裁员，结合去年以来的一系列动作可以看到，微软并非简单的砍人员成本，算是对未来管理方向的一次大胆实验，在单季度260多亿美元净利润的优异业绩下，微软只是不再需要那么多“普通员工”了。 1，微软现在正经历2014年以来最激进的裁员潮，仅2025年上半年就已裁减超过15,000名员工，占其全球员工总数的约7%。这些裁员分多轮进行，最新一轮裁员近9,000人，波及Xbox游戏、销售、法律以及移动游戏等多个部门。 公司对外宣称，这是为了精简运营，削减管理层级，并释放资源以投资其AI基础设施，可以看到，即使在盈利丰厚的情况下，微软也坚定不移的向“更精简、更智能”的方向转型，将有限的资源集中到AI上，某种程度上也在给员工传递一个清晰的信号：适应，或是淘汰。 2，与裁员同步进行的，是微软对AI领域的巨额投资，今年微软初承诺在未来几年内投入800亿美元用于构建数据中心基础设施，公司不仅成立了专门的AI部门，还真金白银的大力支持OpenAI等前沿AI研究机构，这种“一边裁员，一边重金投入AI”的双重策略，其实也明确传递出公司战略重心的转移，将AI发展视为未来的核心增长引擎。 3，“万人大裁员”更深层次的原因在于微软正试图通过AI和自动化来重塑其内部运作和业务模式。比如公司内部已明确要求员工必须使用AI工具，甚至将AI工具的使用情况纳入绩效评估，这意味着AI不再是可选项，而是每个岗位、每个层级的核心要求。 很明显，对于科技巨头来说，未来许多传统角色，特别是重复性高、流程化强的中层管理、客服、数据分析和部分内容创作岗位，正逐步被AI自动化所取代。 4，裁员对微软的各个部门产生了广泛影响，其中Xbox游戏部门是受冲击最大的领域之一，目亲啊已有多家游戏工作室被关闭，还是那句话，微软要从多元化投资转向更集中的、与AI和云服务深度融合的核心发展方向，裁撤游戏部门的同时，微软

最近，硅谷创投圈里总在聊一个词，叫 “种子轮后就自给自足” (seed-strapping)。 这玩法其实一直都有，但现在又火起来了，为啥？ 主要是因为 AI 的发展，让公司花小钱也能办大事。 这到底是个啥操作？为什么现在能火？它是不是真能帮公司做大做强？ “种子轮后就自给自足”到底是啥？ 简单说，就是一家创业公司，只拿一轮早期融资（通常是 50 万到 400 万美元的种子轮或天使轮），然后就靠自己挣的钱活下去，发展壮大。 跟传统的烧钱模式不一样，他们不再一轮一轮地找投资人要钱，而是靠业务收入，特别是利润，来支持公司的发展。 你可以把它想象成“带资进组的白手起家”。先拿一笔启动资金，帮你找到PMF（产品和市场的契合点），实现盈利，然后就再也不用看投资人的脸色了。 那为啥这股风又刮回来了呢？ 答案就是 AI。AI 改变了软件公司的“经济模型”。 AI 是怎么给这个玩法“加油”的？ 有两个大趋势，让“种子轮后就自给自足”变得比以前更容易了： 1. 产品能更快地被市场认可 AI 工具让“从想法到赚钱”的速度大大加快了。 现在，两三个工程师，几周时间就能搞出一个很牛的产品，以前可能要好几个月甚至几年。 而且，AI 产品的见效快、回报高，所以不管是个人用户还是大企业，都愿意早早地掏钱买单。 产品做得快，客户来得也快，所以很多创业公司没花多少钱，就做到了几百万美元的收入。 2. 人少也能办大事 就算产品已经很成功了，AI 也能帮你省下很多钱。 客服、销售、市场……很多重复性的工作，AI 都能自动搞定。再加上 AI 也能帮工程师、设计师提高效率，所以公司用很少的人就能快速发展。 比如有个 “精简 AI 公司排行榜” (Lean AI Leaderboard)，上面全是些“小而美”的公司。他们只花了几百万美元，团队也就二三十人，但年收入都做到了几千万美元。 这在几年前，简直不敢想

Quartr这两天有篇“Airbnb：零房产的酒店巨人”的特写挺有意思的，基本覆盖了公司10几年的发展历程，不了解的可以看下。 1.早期的 Airbnb 是三个穷哥们的“自救项目”——旧金山的租金太贵，三人只能通过出租家中的充气床垫来支付房租，同时为客人提供简单早餐，后来发展成了全球最大的短租平台。 2.Airbnb 的诞生得感谢 2008 金融危机，当时许多人需要额外收入，而旅行者也在寻找经济实惠的住宿，这让 Airbnb 的模式在艰难时期反而找到了市场机会。 3.创始人发现很多房源照片拍得惨不忍睹，于是亲自上阵，租了个专业相机，挨个给房东的房源拍美照，卖家秀效果不错——直接让纽约的房源预订量翻了一番。 4.为了筹集资金，搞出“大选麦片营销”。他们设计了两个竞选人的卡通麦片盒，结果意外赚了 3 万美金，同时还让 Airbnb 在大选期间狠狠地刷了一波存在感，第一次从社交营销尝到甜头。 5.Airbnb 的商业模式其实很简单，它自己不掏钱买或者租房子，只作为中间商连接房东和房客，2024 年，但因为品牌知名，流量大，用户体验号，订单高，佣金高，它的自由现金流竟然能达到收入的 40%，这在传统酒店行业是想都不敢想的事。 6.Airbnb 现在已经被用作了动词——“我 Airbnb 了一晚”，大家都能瞬间明白意思。这种品牌影响力让公司在获客和变现上占据了极大的优势。 7.Airbnb 的房源种类丰富到让人眼花缭乱，从网红树屋到复古城堡，从海边木屋到城市套房，只有你想不到的，没有它没有的。 8.在 2020 年口罩冲击下，Airbnb 的收入瞬间暴跌 80%，但凭借灵活的平台模式迅速反弹，到了 2021 年第三季度，竟然实现了首次基于 GAAP 的月度盈利，几乎是最快满血复活的平台，堪称商业奇迹。 9.Airbnb 验证了典型的“飞轮效应”——更多的房源吸引更多的客人，更多的客人

众所周知，前两周机器人已经能跑半马了。 但比赛后，有种评论说：“这场机器人半马，打破了大众对机器人一切不切实际的认知”。 对于非从业者来说，仅仅看比赛过程和结果，的确没达到大众的想象，不过无论是政策还是资本乃至人才流动上，人形机器人正越来越受欢迎。 为什么？ 先说优点 一是多功能性，人形机器人的特色是“像人”，可以无缝融入人类环境，适应为人类设计的空间，如门、楼梯和杂物间……无需修改现有基础设施。 二是能执行多种任务，从家务劳动到复杂的工业操作，甚至诸多危险性与重复性任务这些对人来说或危险或单调的工作，进而提升安全性和效率。 三是人机交互性，人形外观和运动模式使机器人易于与人类互动，更适合服务、医疗、教育等领域，潜力巨大，至少你不会觉得服务你机器人“很奇怪”，尤其是借助运动研究后，在康复机器人等领域可以开发高效的运动模式，这些甚至要比“真人”更加合适。 再说目前难点 最大的问题不是大脑（即AI），而是硬件（身体）。 硬件里执行器与关节“柔顺性”是关键，高性能执行器需要足够精确和响应迅速来实时调整姿态。控制系统的带宽则直接影响稳定性，这两点处理不好，机器人就会显得非常笨拙且“卡顿”。 足部设计也是一大难点，所以有些公司只开发上半身，甚至只有机械臂，目前多触点（如脚趾、脚跟和大面积边缘）有助于更精细的平衡调整，不少机器人使用软性或自适应鞋底以增加抓地力。 重量分布与质心也是个技术活儿，宇树科技上春晚的并不是最强版本产品，原因就是“上镜版”身高与人类类似，看起来更加镜头友好……但其实较低的质心使机器人更稳定，而合理的肢体质量分布，才能确保大幅度动作不会破坏平衡，换句话说，未来走进社会的机器人，以“矮个子”居多。 其他还包括了传感器与反馈系统，电力传输和能量存储，以及机械阻尼和减震装置等。 还有一个在机器人半马中明显体现出的“过热”问题——导致了大部分机器人无法完赛，就算完成，也要

前两天Meta在发布Llama 4模型，扎克伯格在宣传视频里说："我们要让开源AI普照全球！"。 现在看来，这番话像极了传销组织洗脑时的口号。 这两天各路技术社区开发者在扒开层层包装后，认为这次Llama 4基本属于“挂羊头卖狗肉”——所谓开源，不过是给闭源模型套了个"共享"滤镜。 扎克伯格口中的"开源"门槛高到离谱。你要下载Llama 4模型，得先登录Hugging Face账号，再填写一份堪比移民局表格的申请表：法定姓名、出生日期、公司全称、税务标识号……稍有错漏可能会被永久拉黑，连申诉渠道都没有。 说是开源，不如说是在填申根签证…… 作为对比，看看国内的DeepSeek和通义千问怎么处理的？ 基本能上点几下鼠标就能跑通模型，随便用，而Meta这是把开源搞成了高端私人俱乐部。 更搞笑其实是，就算你填了半天资料完成下载，但Meta的许可协议像给模型装了追踪器，设置了诸多显示，比如月活超7亿的公司不能用，竞争对手的员工不能碰，分发模型还得挂"Made with Llama"的水印…… 这么算下来，能用的基本只有个人和小团队的开发者了。 技术上，Llama 4 Scout标榜1000万token超长上下文，但需要单张H100 GPU才能跑通，普通开发者基本上是玩不起的。 Maverick号称击败GPT-4，却因激活参数量不足导致推理性能打折。 最离谱的是即将推出的Behemoth，2万亿参数的庞然大物还没训练完就急着官宣，这种"期货式营销"甚至比某些PPT造车企业还夸张。 在社区开发者看来，技术参数看似光鲜但也经不起推敲。多模态能力在中文OCR测试中频频翻车，数学推理能力更是被国产模型吊打。 小扎用一堆虚浮的数字堆砌叙事，却忘了技术进步的本质是让工具更易用，而不是更难搞。 真正的开源是Linux那种全球开发者共建生态的狂欢，是PyTorch那种让技术普惠的革命。 而Meta的

在2025年的当下，AI在生活中实际上已经无处不在，从智能助手到自动翻译，从推荐引擎到智能审核，尤其在OpenAI o1和Deepseek R1推理模型发布后，AI的表现越来越像一个“思考者”。 但AI真的会思考吗？顶级AI公司Anthropic的科学家们通过研究揭示了AI的“思考”方式——AI不仅能生成文本，还会偷偷地提前规划，甚至有时会“撒谎”——也就是“幻觉”，即胡说八道 尽管听起来很神秘，但其实AI的“思考”并不像人类大脑那么复杂，它没有意识或感情，而是通过一种特殊的方式处理信息，通过《Tracing Thoughts in Language Models》这篇论文，可以一探AI是如何“思考”的，以及这些发现对我们意味着什么。 AI的“思考”是什么样的？ 首先，我们要明白，AI的“思考”跟人类的思考完全不同。 人类思考时有意识、情感和意图，而AI没有这些。 类似ChatGPT、Deepseek、Claude这样的语言模型，是通过学习海量数据来工作的，它分析这些数据，找出语言的模式，然后预测接下来最有可能出现的词或句子。 简单来说，大语言模型就像一个超级聪明的鹦鹉——你教它说话，它能模仿你的语言，但它并不真正理解自己在说什么。比如，你早上说“早上好”，鹦鹉学会在早上听到你的声音时也说“早上好”。但它不知道“早上好”是什么意思，只是根据模式模仿。AI也是如此，它靠数据中的模式生成文本，而不是真的“理解”内容。 Anthropic的研究发现了什么？ Anthropic的科学家们通过分析AI的内部工作原理，发现了一些惊人的事实——AI在生成文本时会“规划”未来步骤，有时还会“撒谎”。具体来说： 1.AI会“规划”未来的文本 AI生成文本时，并不全完是“单子接龙”，即简单的一个词接一个词地输出，而是在选择某个词时考虑它对后面句子甚至整段文字的影响。这有点像人类下棋时会提前想好