新闻资讯
News and information
-
25
11/17
AI浏览器Atlas，能否拯救亏损百亿的OpenAI？
AI浏览器，能不能革了传统浏览器的命？上周二，OpenAI发布的AI浏览器Atlas，图标看上去和GPT关系就很近。打开浏览器，需要使用GPT登录，可以选择一键导入Chrome浏览器的标签页。浏览器首页就是Chatgpt的对话框，和网页端的布局一致，过往的对话也完整保留。试着问了一个问题，在对话框顶端出现了五个选项，可以切换AI回答、网页、图片、视频或新闻结果。这样看，Atlas在搜索上和传统浏览器给出的选项类似，只是优先给出GPT的答案。点开一张具体的网页，网页右上角会出现一个“询问GPT”的功能按键。不需要再把信息复制粘贴到网页端，人们便可以直接就网页内容提问AI。很明显，OpenAI此举把矛头直接指向了拥有Chrome浏览器的谷歌。浏览器作为目前桌面端最大的用户流量入口，OpenAI这次做浏览器，是要更多的流量。OpenAI成立之初是一家非盈利机构，强调以实现AGI为目标，但在此过程中的研发和算力消耗是一笔巨大的持续性资金投入。10月28日，OpenAI宣布已完成资本重组，其不再是单纯的非营利组织，公司继续由非营利母公司控制，但将现有的营利部门改造成公共利益公司，该结构可以兼顾盈利目标和公益事业。近日路透社报道称OpenAI正在寻求上市，OpenAI首席执行官SamAltman也曾在公开直播中提及资金短缺问题，预计OpenAI2029年将消耗1150亿美元，而今年收入预计为130亿美元。不过，近期他又表示OpenAI实际营收远超这个数字，公司没有就上市做出决定，“我只是觉得事情最终会朝着那个方向发展。”OpenAI一直在谋求更多的利润空间。今年ChatGPT先是加入了电商业务，用户可以点击外部商品链接，接着又上线了付款功能，用户可以在GPT下单购物。现在OpenAI又做起了最大的流量入口——浏览器，使得被移动端抢了风头的桌面浏览器再次复兴。除了资金问题外，OpenAI的入局还有更加重要的原因——AI浏览器，有可能彻底改变我们和AI的关系。谁抢先把握住这个入口，谁就有可能再现“谷歌时刻”。等到那时，弥补现在的百亿亏损自然不是问题。AI浏览器大战，全面升级在过去很长一段时间里，AI浏览器走的是“集成”路线。顾名思义——“把AI放到浏览器里”，主要采取的方法是把AI放进侧边栏，人们在使用浏览器时可以随时对网页内容进行提问。侧边栏一度成为AI模型的“T台秀”。从豆包、DeepSeek到Gemini等等，各大AI模型纷纷提供网页助手插件，封装在侧边栏中，提供翻译、总结、快捷问答等功能。这样的结合方式大多基于浏览器的架构，网页助手能做的事情也有限。相比之下，这个赛道初创公司的产品Comet、Dia等采取了更加激进的方式，让AI直接上手解决人们的需求，不再只辅助人们理解“浏览结果”。图｜Dia首页截图；Comet首页截图Atlas走的也是这条路线，概括特征是将AI置于浏览体验的核心。Atlas首页始终放置GPT搜索框，搜索后仍然以对话形式显示，不过在顶部栏可以选择传统浏览器的格式，还有生成图片等选项。Atlas支持谷歌插件，且在安装时用户可以选择导入谷歌或者Safari浏览器的书签。在任何网页上，AI都能直接“看到”并理解当前页面内容。分析代码、比较产品参数，无需用户手动复制粘贴。如果用户在隐私设置中允许Atlas访问记忆，浏览器能够记忆用户更多的浏览数据，并将其作为上下文。用户能够以自然语言打开历史记录，例如回顾上周看过的某篇文章。此外还有代理模式（目前仅限付费订阅用户），允许Atlas自主或半自主地处理某些任务，这也是AI从搜集信息走向电子秘书的关键一步。获得授权后，Atlas可自主执行多步骤网络操作，如自动搜索、填写信息、提交订单等。OpenAI首席设计师称之为“邀请ChatGPT进入你互联网的角落”。当浏览器开始基于浏览数据“了解你”，它就不再是被动展示信息的工具，而是一个能理解、记忆并主动为你执行任务的助手。在OpenAI之前，已有多家初创公司在这一方向上先行一步。AI搜索公司Perplexity推出浏览器Comet，TheBrowserCompany先后推出了Arc和Dia两个AI浏览器。以Dia为例，其设计简洁，核心是强化AI的“研究秘书”能力。目前Atlas还不支持引用多个网页，Dia可以对多个已打开的网页提问。对于需要浏览阅读大量信息的研究者和内容创作者来说，Dia是一个大脑容量无限的“信息秘书”。图｜试用dia的网页比较功能Atlas的发布两天后，微软巧合般地推出Edge浏览器全新“Copilot模式”，试图将Copilot从被动的“助手”升级为可以执行任务的“智能体”。新增的“Actions”功能允许AI填写表单或预订酒店，“Journeys”能追踪并分组相关标签页。国内市场同样有类似的AI浏览器。目前，豆包电脑端界面也是AI对话栏，顶端栏显示打开的网页，支持导入Chrome书签，和Atlas采用的同类布局。虽然下载过程中豆包一直以“AI桌面助手”介绍，但打开设置可以看到设置默认浏览器的选项。除此之外，夸克浏览器界面也是AI对话，提问后AI回答和网页搜索在同一界面。无论是从模型出发打造浏览器，还是改装升级原先的浏览器，国内外AI浏览器大战随着OpenAI的入场，进入白热化阶段。OpenAI为何入局AI浏览器？从2022年底GPT发布算起，大模型之间的竞争已经打了快三年。DeepSeek、Gemini、Claude……新玩家层出不穷，用户的选择越来越多。在这场旷日持久的技术竞赛里，赚钱始终是最难的一环。AI的商业化形式有限，靠烧钱堆算力、靠订阅支撑研发，都不是长久之计。各个模型开始想办法增加用户的停留时间，获得更多的商业化可能。这时，“浏览器”成了一个更具想象力的入口。相比AI网站，浏览器天然就有更强的用户黏性。人们打开网站只是“用完即走”，广告插进去反而会破坏体验；但浏览器作为信息的起点，是所有上网行为的开关。谁掌握了浏览器，谁就掌握了流量。浏览器享有着“信息集合”这一牢固的用户心智，且从商业角度，显示顺序、边栏都是很好的广告位置。这一领域占据霸权地位的是谷歌的Chrome浏览器。根据数据平台Statcounter统计，截至2025年10月，Chrome占据全球浏览器市场的73.22%，有着毫无争议的霸主地位。网站分析工具Similarweb的数据显示，ChatGPT.com网站目前月访问量高达59亿次。据TechCrunch今年7月报道，OpenAI首席执行官SamAltman表示其活跃用户数超过8亿。不难想象很多用户打开浏览器的首要目的已经成为了使用AI。推出浏览器，标志着OpenAI想要从一家”技术公司“转向建设属于“用户平台”，把入口、用户与数据全部掌控在自己手里。GPT做浏览器还有初创公司比不了的优势。Dia浏览器的公司推出的另一款AI浏览器——Arc浏览器，产品也备受好评，但由于功能的创新性较高，用户群体相对小众，最终团队决定转向开发一个更大众的AI浏览器，也就是Dia。GPT有着庞大的用户群体，不必太过担心新功能对用户的阻拦，这是OpenAI天然具有的竞争优势。用户无需重新积累数据并形成个人画像，可以一键迁移过去的记忆、与GPT自动共享搜索记录，使得聊天更顺畅。能够在Atlas获得更好的GPT使用体验，这足以吸引用户进行一次产品尝试。对OpenAI来说，这些信任的用户数据还能反哺模型训练，让模型越用越聪明、体验越顺滑，形成一个正向循环。所有的在线行为都在这一环境中发生，这个平台会逐渐拥有对你最完整的理解，成为最好的“电子亲信”。你使用得越频繁，它就越了解你，从而你也越离不开它。AI浏览器，再造谷歌时刻在移动互联网时代，浏览器能再次成为巨头争夺的流量入口，关键在于Agent的爆发——让AI长出“手脚”。Agent出现之前，浏览器仅是信息网站和用户的中介。如果人们想要在众多香水品牌中选择一个，需要浏览多个品牌主页或者电商平台，在多个网站之间跳转并自己总结不同牌子的异同。有了Agent的加持，浏览器成为智慧和执行力并具的助手。人们只需要用自然语言描述自己的需求，模型会解读含义，Agent会自动执行任务。2025年7月21日，Perplexity完成1亿美元融资，企业估值达180亿美元。AI搜索公司获得的高估值，一定程度上反映了市场对搜索引擎变革或“新入口”形态的期待。但用户能否真正改变搜索习惯，还要打一个问号。浏览器是用户在电脑端使用时间最长的工具，短时间内更改习惯必然不现实。与此同时，AI浏览器还必须面对两个现实问题。这些新功能需要强大的算力支持，多以付费订阅的形式提供服务，这需要用户接受从“免费浏览”到“付费使用”的观念转变。除此之外是用户对安全的忧虑。当浏览器拥有了更强的主动执行能力，新的安全隐患也随之而来。据FORTUNE报道，目前AI系统还难以完美区分用户的可信指令和来自网页的恶意指令。黑客可能会隐藏这些指令，例如在网站某个位置采用机器代码，对人类用户来说难以察觉，但AI浏览器仍会读取，这意味着AI助手可能由于盲目听信诈骗指令，对用户造成损失。Reddit论坛上也有不少用户表露出对隐私的担忧，很多用户难以接受一个AI代理了解和控制自己的信息。图｜Reddit论坛的讨论不过改变也不是完全不可能。当谷歌推出Chrome时，IE浏览器凭借操作系统的捆绑占据着绝对主导地位。Chrome凭借在速度、稳定性和简洁性上远超IE的体验，成功实现了大规模的用户迁移。只有新产品能在体验上有足够好的改善时，颠覆成熟市场的逆转才有可能发生。从目前的产品形态来看，Agent在阅读和整理信息时表现尚可，但在实际操作复杂的网页界面以执行任务时，仍处于早期发展阶段。但可以预见，未来的所有浏览器都将具备AI能力，走向“AI专业秘书”。开发Dia的初创公司创始人JoshMiller预言，五年后，桌面端最常用的AI界面将取代过去的默认浏览器。在AI浏览器功能尚不完善的今天，AI界面将如何重塑人们的上网体验仍然是一个谜题。不过我们可以相信，这个问题背后是广阔的想象空间，必将是一种全新的获取信息、融入数字世界的方式。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
11/17
别被骗了，AI Coding可没那么神，22名软件开发者道出了这些弊端
唯有变化才是永恒。软件的产出速度，从未像今天这么快。以ChatGPT、GitHubCopilot为代表的大语言模型（LLM）驱动代码生成器和编程助手，正在重塑软件开发者的工作方式。LLM不再只是工具，而是一个随时待命的虚拟搭档。AICoding正在成为全球科技巨头和初创企业的战略焦点。然而，尽管沉浸在AICoding中的软件开发者们将工作效率提高了26%，但也不得不思考一个新的问题：当AI可以生成实用代码，我们还在“开发”什么？当效率被AI极致放大，创造力与思考是否正在被稀释？日前，莫纳什大学、新加坡管理大学团队通过实际访谈22名软件开发者，探讨了LLM对软件开发的影响，以及如何管理这种影响。论文链接：https://arxiv.org/pdf/2511.06428结果显示，LLM有助于提高开发速度、维持开发流程、促进创业等，但也存在导致损害开发者声誉、影响个性（如懒惰）、阻碍开发者提升技能等风险。此外，研究团队还提出了一套关于如何最佳使用LLM进行软件开发任务的建议。研究方法为了理解软件从业者在采用LLM进行软件工程活动时的真实感受，研究团队采用了社会技术扎根理论（STGT）方法。该研究共分三轮，基于22位软件从业者的访谈数据进行收集与分析。在第一轮中，研究团队采访了6位初级开发者；在第二轮中，他们采访了13位初级与有经验的开发者，以提炼核心概念与类别；在第三轮中，他们又进行了3场访谈，以验证和完善理论。图｜研究方法的全流程概述就LLM使用情况而言，多数参与者使用过多种LLM工具，其中ChatGPT最常被使用。大多数参与者使用LLM的时间超过一年，约59%的参与者每天与LLM至少交互6次。图｜受访者使用LLM的情况研究结果基于上述方法，研究团队根据个人、团队、组织和社会层面，识别和分类了采纳LLM进行软件开发任务的益处和弊端。分别如下：▍LLM如何帮助软件开发者进步？个人层面，LLM有效提升了软件开发者的开发效率和学习能力。。LLM能自动生成样板代码、修复语法、提供即时反馈，帮助开发者节省时间、减少中断并保持“心流”状态。同时，LLM也是学习与反思的工具——开发者能借助它理解陌生代码、掌握新语言、比较不同解法。LLM还能够为开发者提供心理支持，让他们敢于提问，不怕暴露自己的无知，从而增强信心与主动性。图｜LLM对个人开发者的积极影响团队层面，LLM减少了开发者之间的协作干扰与沟通成本。新手小白能够先借助LLM解决问题，再向同事求助，团队的运转更高效。LLM还能提供“第二意见”，帮助团队跳出惯性思维，提升整体创造力。组织层面，LLM节约了软件开发公司的时间和成本。LLM能够加快整体调试、排错与代码审查等流程，特别是对中小型企业而言，能以更少的人力完成更多的任务。社会层面，LLM促进了创新创业。许多开发者用LLM快速完成原型设计、学习商业与技术知识，降低了创业门槛。LLM甚至可以作为日常生活中的智能顾问，帮助解决时间规划和信息检索等问题。▍LLM如何阻碍软件开发者发展？当然，基于LLM的AICoding也并非没有弊端。例如，许多软件开发者发现，LLM在生成代码或提供建议时容易出现错误或“幻觉”，反而拖慢了进度，还需要花额外时间验证结果。而且，频繁的上下文切换、提示分解和反复修正也让工作量不减反增，过度依赖LLM也可能削弱开发者的代码理解力与学习动力。一些开发者提到，长期使用LLM会导致自己变得懒惰、冷漠，甚至对自身能力失去信心；新手则更容易陷入“让AI替我思考”的陷阱，导致技能停滞。更严重的是，当LLM生成错误代码时，责任仍由开发者承担，影响个人声誉。图｜LLM对个人开发者的负面影响此外，由于担心LLM输出的代码涉及版权或许可问题，部分软件开发公司会明令禁止员工使用LLM。而且，LLM生成代码中可能隐藏漏洞，引发安全隐患。值得一提的是，成本问题也是一大阻力——频繁调用LLM需要付费，增加了企业的运行负担。最后，LLM的普及也让一些人面临失业的风险。虽然高精尖开发者依旧重要，但依赖经验和重复性工作的技术岗位正变得岌岌可危。▍软件开发者如何正确使用LLM？那么，既然AICoding是未来的一大趋势，开发者如何“既要又要”呢？根据访谈结果，研究团队发现，许多开发者会在不同LLM之间反复试用，直到找到最契合自己工作需求的LLM。通过这种比较，他们逐渐认识到LLM并非“智能体”，而只是基于统计的工具，于是选择使用不同LLM解决不同问题，例如，用ChatGPT处理需求沟通，用Copilot辅助编码，这反映了软件工程向“代理式”系统演进的趋势。此外，不少开发者更倾向让LLM参与代码优化而非直接生成，从而保持对逻辑与结构的控制。他们甚至出于隐私考虑，选择在本地运行模型，哪怕牺牲部分便捷。当前，软件开发者需要与LLM维持一种成熟的关系：既信任其能力，又保持理性距离，用人机协作的方式扩展自己的边界，而不是被取代。总之，无论使用什么工具，在软件开发工作中都离不开“直觉”。这里的“直觉”不是模糊的感觉，而是开发者在长期经验积累中形成的快速判断能力。它是一种经验性思维，帮助开发者在复杂和不确定的情境下做出决策。这种基于经验的直觉在开发者与LLM协作时，起到了“安全阀”的作用：当LLM提供错误或误导性的建议时，帮助开发者识别出问题、避免盲从模型的输出。那么，另一个问题来了，当开发者越来越依赖LLM生成的代码或建议，他们的直觉是否会被侵蚀呢？本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
11/15
谁是AI领域下一个敲钟人？
怎样的AI企业才能成为市场共识？自2023年下半年以来，已有25家人工智能相关企业在港交所IPO上市，仅2025年上半年就有5家AI企业成功上市。可见AI板块正成为资金链条上最具确定性的增长点。资本的目光从来不会无的放矢。那些被资本选中的“AI宠儿”们，究竟具备怎样的共性？哪些落地方向最具现实变现潜力？而想成为“AI第一股”的公司，又应该怎么走？2025年，AI似乎成了少数仍能汇聚确定性与想象力的方向，吸引着资金、人才与叙事的加速汇聚。IT桔子数据显示，截止今年三季度，共有764家AI公司获得风投投资，创下近五年新高，交易金额高达830亿元。表面上看，一级市场热度在回升，但事实上，市场可投赛道并不多，而资金仍集中涌向了AI领域，呈现出一种风景独好的状况。这种“热度集中”的现象，并非只出现在一级市场。二级市场的IPO动向，同样验证了AI的资本吸引力。据LiveReport大数据统计，自2023年下半年以来，已有25家人工智能相关企业在港交所IPO上市，仅2025年上半年就有5家AI企业成功上市。可见AI板块正成为资金链条上最具确定性的增长点。资本的目光从来不会无的放矢。那些被资本选中的“AI宠儿”们，究竟具备怎样的共性？哪些落地方向最具现实变现潜力？而想成为“AI第一股”的公司，又应该怎么走？这些，正是下一阶段AI产业竞争的关键命题。被资本选中的“AI宠儿”们对比2024年，今年被资本选中的AI企业，显然更加务实。据产业家统计，2025年前三个季度，人工智能领域一级市场共发生548起交易事件，同比增长44.59%，具体到细分赛道上，AI通用应用和AI行业应用占据近一半，成为增长最迅猛的两条主线；在交易金额上，AI行业应用则跃升为资金最集中的洗到赛道，达到150亿元。这一趋势与去年资本在AIGC层的狂热完全不一样。2024年同期，AIGC赛道交易金额高达308亿元，占总额六成。而今年这一数字锐减至111亿元，同比下降64.01%。资本对AIGC“降温”也直接拉低了整个AI交易金额，使得2025年前三个季度交易金额仅为460.64亿元，同比下降8.43%。然而，资金并未离场，而是更精准地流向了“能落地”的领域。资本将更多资源投向AI通用应用、AI行业应用以及AI基础技术三大方向，分别增长216%、36.8%和153.74%。值得注意的是，基础层虽然拿到更多融资，但这在一定程度上与该领域设备重、投入高有关。资本不是收缩，而是在调整配置，把钱放在更能转化为生产力的地方。进一步剖析前三季度一级市场获得1亿以上融资的企业，发现大部分公司主要是聚焦于医疗、物流、自动驾驶、机器人、营销数字化这几类具体的应用场景。资本显然在回归一个原则，即AI要“接地气”。再看AI领域的二级市场。截止2025年7月，二级市场成功上市五家企业，涵盖仓储物流、解决方案、无人矿卡等多个领域。表面上看这些企业也属于行业应用，但不同点在于，IT桔子将这些企业归于了AI基础层和AI技术层。此外，这些企业普遍具备稳健的盈利能力。例如极智嘉收入达人民币10.25亿元，同期增长31.0%，这得益于仓储机械人跑通AI商业模式；云知声虽整体利润增长放缓，但其山海大模型收入近1亿元，同比激增457%。显示出AI技术在原有业务体系中的放大效应。值得注意的是，无论是一级市场还是二级市场，这些“AI宠儿”大部分AI属性都不够“纯粹”。换句话说，AI并非它们的唯一标签，大多数并不是AI原生公司。明略科技仍以政企数字化、知识图谱和智能决策为主营；云知声早在2012年成立，定位也曾转换；滴普科技的根基在数据分析。一级市场上，真正“纯AI”的公司屈指可数，仅有的几家，背后也都有巨头加持或成熟产业链的资源托底。比如betteryear背靠阿里，IntentAI获得的是战略投资。同样地，二级市场的赢家往往是那些深耕行业已久，再借AI完成跃迁的企业。这透露出一个耐人寻味的现象，无论是一级市场还是二级市场，资本押的不是AI，而是“能AI化的公司”，真正走向IPO的公司更是有着清晰的商业化路径。AI落地产业，真实温度几何？资本的选择，从不是孤立事件，这背后反映出的是市场对落地难易度的集体判断。回看AI技术热潮袭来的这几年，技术落地最多、最快的是界面层的改造。这一层改造集中发生在编程开发、客服、办公、内容营销等场景，它们具备“低风险、高频率”的特征，AI在这些环节提升了操作效率、降低了人力成本，也迅速让企业初步看到了ROI的正反馈。比如在编程开发场景，GitHub的一项研究显示，AI编程助手可使开发者完成任务的速度提升约26%，AI不仅擅长代码补全、单元测试生成、逻辑优化，甚至参与初步的代码审查。但随着AI进入更高阶的开发环节，短板逐渐显现。MIT一项实验指出，对于资深开发者而言，AI对生产力的提升仅为8%～13%，甚至在某些场景中，AI的引导反而让开发时间延长了19%。这也解释了为什么在一级市场上，许多主打界面层应用的AI初创企业在早期看似炙手可热，却很难持续放大营收曲线。技术门槛不高、服务可替代性强、同质化严重，是这个赛道的系统性难题。这些界面层的AI改造，只有与业务流程深度串联，才能释放真正的生产力。一些企业已经意识到这一点，开始将AI嵌入核心业务链条。由此，在医疗、金融、教育、物流、零售等领域，AI的重心正逐步下沉至流程层的改造。医疗行业是一个典型样本，阿里云白皮书提出的四象限模型显示，医学影像诊断与药物研发处于“高成熟度+高潜力”区间，其中医学影像AI产品商业化率已达90%；英矽智能其生成式AI平台将抗体研发周期压缩10倍，实现四项药物授权合作，总金额超15亿美元。而就在今年这家企业获得多笔大额融资。AI在医疗行业的落地，不仅限于研发。BD公司通过预测性分析优化库存管理，将预测准确率提升20%，显著降低库存成本；而森亿智能的智慧医院解决方案，通过AI驱动的病历生成与质控，将医生文书时间缩短50%；西门子的AI平台，在提升诊断精度的同时，将放射科工作流程效率提升40%，实现协同优化。这些案例背后的共同点在于AI不再只是工具，而是嵌入系统之中的决策变量。一旦进入流程，它便成为企业最深的护城河，也因此成为资本最愿意押注的方向。但流程层的改造并不轻松。首先是数据，企业的数据分散在不同系统、格式不统一，AI模型要理解需要大量清洗与标注。其次是组织，要让AI接管决策流程，意味着管理层要放权给算法。多数企业依然在“AI+人工”双轨状态，模型决策还需要人工验证。医疗场景就凸显了这种复杂性。数据偏差、解释性不足、伦理责任模糊、流程嵌入复杂等问题，使得AI目前在医疗行业主要承担质控、影像判读、医患沟通等角色，离“独立诊断”仍有显著距离。不过，从技术节奏来看，这仍不是AI落地的尽头。AI真正的价值，在于对业务逻辑的重新定义。这一层不是工具升级，也不是流程优化，而是对整个系统运行机制的重塑。自动驾驶、具身智能，以及像京东、快手构建的AI导购系统，阿里国际站的“AI合伙人”，本质上都在探索一种AI原生的组织与运营方式。但这一步也最远。它要求的不仅是高质量数据和巨额算力投入，更需要多年的工程落地验证。在当下，能进入这一层的公司寥寥，大多数仍处于实验室验证或局部试点阶段。总的来说，界面层AI持续变现难，业务逻辑重塑层AI投的是未来，而流程改造层AI则可能是眼下最容易兑现的商业化区间。这也解释了为什么一级市场真正“纯AI”的公司数量极少，而二级市场上大多数被归为“AI概念股”的上市企业，其实是“AI+多年行业经验”的组合体。寻找AI浪潮里的下一个IPO在AI领域，下一个敲钟的人，正在加速赶来。数据显示，截至2025年7月24日，港交所已有214家公司递交上市申请，其中AI相关企业多达48家，占比22.43%。换句话说，每5家拟上市公司中，就有1家与AI相关。更有意思的是，这48家AI概念拟上市公司中，11家为A+H公司，占比高达22.92%。这意味着AI领域已有一批技术成熟、商业化路径清晰、具备国际化布局能力的“头部企业”崭露头角。它们正通过双重上市来稳固资本根基、放大全球影响力。天下英雄如过江之鲫，谁能脱颖而出，成为下一个真正意义上的产业敲钟人？回看2025年前后成功登陆资本市场的一批AI公司，可以发现一种隐性的共识：落地路径要“以点带面”，技术打法需“以场景起家”。无论是云知声的医疗AI、明略的营销AI，还是极智嘉的仓储机器人、斯年智驾的港口无人车，几乎都遵循了类似轨迹，那就是从一个确定性高的业务场景出发，深挖需求、打磨产品，做到业内领先，再逐步横向扩张相近领域。云知声选择的突破口是病历质控和地铁语音购票两个场景。通过树立标杆项目，它构筑起能用、好用的早期用户认知，为后续通用大模型的应用拓展提供了现实抓手。海致科技也是类似路径，其通过知识图谱技术切入金融反欺诈场景，逐步将能力延展至运营风控与数据治理，实现了“场景突破—平台沉淀”的良性循环。这些AI企业在商业化的路径选择上，也普遍绕开了与通用大模型正面竞争，转而采取“垂直化+专精化”的策略。值得注意的是，这批走到“敲钟”前线的AI企业，还有一个共性，那就是他们几乎都在早期就投入建设了自己的平台型产品或基础技术架构。比如云知声拥有自研的大模型平台“云知大脑”与语音芯片Atlas；滴普科技打造了FastData与FastAGI双平台，分别对应数据引擎与智能引擎；明略在“秒针系统”与“小明助理”之间构建起从分析到决策的全链路AI运营系统；而极智嘉和斯年智驾则围绕AI应用场景构建了软硬件一体化的全栈方案，实现从算法、感知、决策、执行的端到端闭环。这些自主平台一方面凝聚了核心算法、模型、工具链，形成技术壁垒，另一方面也方便产品标准化复制，降低项目交付成本。是AI企业从人力密集型项目向产品化、规模化发展的必要阶段，谁的平台能力强，谁就更能主导商业化节奏。据IDC等机构预测，中国AI解决方案市场未来5年仍将保持50%以上年增长，2030年规模可望超过万亿元。这既是巨大机遇，也是激烈战场。大模型时代技术日新月异，唯有掌握独特场景数据和know-how，才能抵御同质化竞争，成为下一个敲钟的人。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
11/15
AI，开始重组互联网大厂了
大厂为AI发电，“拥抱变化”的含金量还在上升。饿了么、飞猪合并进阿里电商半个月以来，大厂内又发生了不少组织变动。阿里进一步精简非业务一线的合伙人团队，从26个减少为17个；字节Seed大语言模型技术负责人因个人问题被辞退，机器人负责人孔涛被曝离职创业。这些调整背后，很多都和AI有关。过去一年，头部互联网公司中的半壁江山——腾讯、阿里、字节、美团、百度、快手6家大厂都把AI写进公司战略，至少做了12次组织架构调整。其中，腾讯、阿里、字节调整最多。大厂对AI的投入和预期相比AI创业公司有过之而无不及。在大模型越来越难融到钱、AI应用还没真正火爆就已经红海的情况下，大厂有自己的优势：资金池稳定，创始人足够重视，再加上“无上限投入”的态度和不断突破上限的慷慨薪资，吸引了AI大牛们加入。不过，大厂也很难完全复刻AI创业公司的气质，一是科研气氛，二是AI优先级。当下这个微妙的时间点，大厂频繁调整架构也情有可原。自上而下“全员AI”的第一阶段已经过去——往往是公司创始人意识到AI的重要性，写入公司战略，加大AI投入，设置AI事业部；自下而上的第二阶段还在进行中——业务执行过程中遇到实际问题，需要再分配调整AI分工。核心人物动向，更是直接反映了高层关注的重点。半年内，马云五次回到阿里。每次回归，阿里组织变化都如影随形。几次分别是：去年11月蒋凡任职电商事业群CEO一周之后；12月8日蚂蚁周年马云发表“AI时代”主题致辞；2月11日阿里宣布“未来三年投入3800亿元建设云和AI硬件基础设施”的当天，马云再度回到阿里；5月阿里打通内网、取消事业部限制的第二天，马云参加阿里日活动；以及6月24日，就在淘宝闪购破6000万订单，阿里宣布饿了么、飞猪合并进电商事业群的第二天，马云据称参加了淘宝闪购周会。2023年之后低调许久的马云，每次出现都和电商、AI+云有关。退出一线五年之久的张一鸣，近期也开始频繁往返新加坡北京，参与字节AI核心团队Seed的月会。据多家媒体报道，张一鸣这段时间一直在拜访科学家、创业者，深入交流AI。期间字节AI团队高管来来去去，灵魂人物张一鸣就成了AI和机器人的“定海神针”。互联网是劳动密集型产业，AI也是。人事变动、部门更替就像是一家大公司描绘蓝图时留下的草蛇灰线，顺着这些线索，能帮助我们看到大公司内部真实而动态的变化。从战略、业务，再到人，最近一年，AI影响大厂组织架构变化呈现出三点特征：1.战略上赋权AI，形成3种不同的架构模式；2.业务上，无上限投入与“合并同类项”并存；3.具体岗位上，字节流动性最强，阿里调整还在继续。AI在大厂长出3种架构模式互联网大厂一度离AI最近，创始人在AI领域有前瞻力。不过，从过往大厂AI发展历程上看，也不乏“灯下黑”时刻：一早设立AI团队，经历过一段探索时期，没有获得相应产出而逐渐边缘化，被横空出世的ChatGPT敲醒，再度奋起直追。其中最有代表性的就是字节。2016年，张一鸣就主导成立了AIlab，但随着张一鸣从一线后撤、字节重心偏移到站内商业化，不赚钱的AIlab渐渐没了声响。直到字节2023年重组AI部门，AIlab依然摇摆，今年6月被收归进Seed团队。这背后有战略决策原因，也有大厂“水土”原因。和OpenAI、Anthropic、智谱AI这些从成立之初就定位研究型机构的AI原生公司（AINative）不一样，中国互联网大厂二十年间摸索出了一套自己的前、中、后台架构，偏好在自有组织架构体系内为AI开垦一块新地，建立“AI事业群”或实现“业务一体化”，强调落地和变现。这一点有好有坏。好处是，可以推动AI与业务结合，坏处是，AI研究员习惯的实验室式协同、纯粹的模型研究，和商业公司晋升路径和考核标准天然相悖。比如2023年就营收1亿美元的Midjourney仅有11人，150人的DeepSeek仅有三层架构：创始人-小组长-员工，这并不妨碍它们长成厉害的组织，带来可观的收入。意识到了这一点的字节在今年3月18日取消了AI核心Seed团队的OKR季度考核，给重金招进来的AI大牛们提供更宽松的研究空间。经过多次调整磨合，目前，互联网大厂AI部门主要采取3种架构方式：1.技术-模型-应用：比如字节“Stone（技术算力中台）-Seed（大模型研发）-Flow（AI应用产品）”，阿里则是阿里云底座、通义千问大模型中间层、夸克+钉钉应用层三层；2.技术+模型-应用：如腾讯TEG（技术工程事业部）下设大语言模型部、多模态模型部，整合机器学习平台部、数据平台部等，集成技术和模型；CSIG（云与智慧产业事业群）管理QQ浏览器、搜狗输入法、ima、元宝等应用。百度则是把AI能力作为技术中台（TPG），向各个业务输出AI算法、深度学习平台（飞桨）、大模型（文心一言）等技术支持。3.AI应用事业部：刚刚在4月底设立可灵AI事业部的快手，则依然采取互联网产品逻辑，围绕可灵AI下设产品、技术、运营部门。前两种更适合大规模、大投入、大团队的阿里、字节、腾讯，第三种则适合“小而美”打法，比如快手——到2025年Q1，聚焦视频+图像生成的可灵AI已经为快手贡献1.5亿元收入。从无限支持到“合并同类项”AI研发投入耗时周期长，而且投入数以百亿计。对于大厂来说，即便对AI始终坚持“无上限”支持，但也同时在进行横向合并，以集中力量投入更有机会获得增长的业务。从近一年大厂AI相关的架构调整中可以看出，阿里明显在收缩核心业务，从零售、线下业务中抽身，把精力转移到到电商、AI+云。另一边，其他大厂也在归拢现有AI业务，合并同类项。字节在大力扶持Seed大模型团队，同时评估Flow团队十余个AI应用赛马结果，留下用户规模更大、产品力更强的，整合其次的。腾讯则是合并四大AI相关产品线到一处——QQ浏览器、搜狗输入法、ima、元宝都迁移并入CSIG（腾讯云与产业事业群），将AI技术统一到TEG（技术工程事业群）下。阿里也是同样的思路，并且不单限制在AI部门。今年3月，阿里鼓励各个业务部门积极探索AI，CEO吴泳铭主张在阿里现有业务中全面实现“AI化”，阿里所有部门被告知，他们2025年的绩效将通过如何利用AI促进增长来评估。如今随着1+6+N逐渐回归一个阿里，该进程可能被动放缓。比如6月初，饿了么刚刚宣布AI化，后脚就被并入大电商事业群。显然，在阿里内部，饿了么被归纳为电商撮合类业务，业务与AI的结合也就不那么优先紧迫——据一财商学院了解，电商事业群CEO蒋凡的OKR中，AI优先级并不高，排在所有指标的最后。一个概念悄悄变了：大厂有针对性地“无上限支持”，而不是支持全部业务AI化。换句话说，就是把资源花在刀刃上，避免重复性建设。阿里三年投入3800亿计划依然在进行，字节依然会给出超出市场预期的AI岗位薪资，腾讯依然不急于靠AI收获短期回报，只不过：承担核心指标的部门变了，还需要时间量化落地；表现不及预期的应用或团队将被更“温和”地重新整合，不为打出“325”绩效低分，而是为刺激AI赋能业务。互联网大厂在以自己的方式摸索AI团队的运行逻辑。字节流动性最强，阿里还在调整，腾讯加码招聘换个视角，从“具体的人”维度看大厂组织变化，也不过是一次次招聘、离职罢了。但不得不承认，AI行业正处在炙手可热的劲头上。一位人工智能从业者告诉一财商学院，半年前一位硅谷人工智能专业毕业的应届生，就可以拿到20万美元/年的薪资offer。国内快手、腾讯、字节等大厂，算法、AI搜等岗位硕士应届生薪资也水涨船高，可以达到4-5万元/月。大厂高价吸引人才，AI人才薪资不断突破薪资体系上限。近两年，字节笼络了许多技术大牛和成功创业者。据晚点报道，Flow总负责人朱骏曾是短视频产品Musical.ly的创始人之一，36氪创始人刘成城（Kayden）目前在负责字节AI耳机和眼镜和手机厂商合作。去年12月，字节曾豪掷千万年薪招入阿里大模型大将周畅，今年2月又招来前谷歌DeepMind副总裁吴永辉，其目前担任Seed一号位。紧接着3月，字节推出TopSeed计划，不拘一格降人才。“豪横”的招聘风格让本来就贵的AI人才更贵了，字节多次为技术岗位开出数百万元年薪。但另一方面，成功经验丰富的老兵和高价笼络来的大牛，很难一直留在大厂，跳槽其他大厂或者跳出去创业的很多。据统计，字节系高管已有超20人离开字节进行AI创业。其中包括前抖音产品负责人、PICO副总裁任利锋，前字节视觉技术负责人王长虎，前飞书海外产品负责人张涛，联合创办了Manus；前剪映商业化负责人陈冕，创办了LiblibAI等。阿里这边，4月“钉钉之父”陈航（无招）回归之后，6月23日刚刚经历事业部之间的大框架合并，再向下延展的调整还在继续，因此具体岗位变动消息不多。据阿里内部员工推测，回归“一个阿里”，部门合并之后，各个事业部的职能部门可能也将迎来合并缩减。相比之下，腾讯稳定性更强一些，更多是在加码招聘。4月17日，腾讯宣布启动史上最大就业计划，三年内将新增28000个实习岗位并加大转化录用，仅2025年将迎来10000名校招实习生，技术类岗位“扩招”力度空前。6月校招季，腾讯还推出招聘技术人才的“青云计划”，对标华为天才少年、字节TopSeed，“薪酬上不封顶”。不论战略、业务还是具体岗位，AI都在深刻地改变互联网。大厂面对AI，重点在于如何激发组织活力，从而赢得长期的胜利。写在后面短短一年，各厂AI部门就经历多次重组，大厂的组织内功恐怕还要继续修炼。纵观这场由国外卷到国内，小厂卷到大厂的AI赛跑，短期内还没有显著的盈利模式，且大厂研发开支还在逐年上升。字节、阿里、腾讯2024年投入均超过500亿元，2025年即将逼近千亿。这其中大部分钱都花在AI算力、研发人员成本上。各厂AI业务中，仅有阿里云2022年进入盈利周期，2024年营收突破1180亿。大厂绑定AI，意图也是显而易见。互联网增长见顶，大厂需要上AI的牌桌，获取赢家通吃的机会。手握前一个时代赚到的红利，押上自己最大限度的筹码，换一张AGI时代入场券。不过不是所有大厂都对AI热潮感冒，京东、拼多多、网易们延续自己的逻辑，也活得挺好——刘强东再次亲自上一线带领57万“兄弟们”杀入外卖，拼多多砸下千亿补贴换用户，网易“苟”住游戏文娱，净利还能逐年攀升。AI不是互联网大厂唯一解法，但如果选择了AI，就要接受它的高度不确定性。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
10/24
AI时代，开发者不能再当 i 人了，「云计算代言人」敬告
要会和AI聊。开发者不能再内向了：要会和客户同事说，会和AI说。「我想说的很明确：现在我们有了更多学习新技术的机会，但最有意思的是，很多技巧并非技术。我坚信，未来最成功的开发者，必须拥有强大的沟通能力。」这是全球最著名的云技术布道者，面对AI时代给开发者们的建议。近日，亚马逊云科技副总裁兼首席布道师JeffBarr受邀来到上海，向我们分享了多年来对开发者生态的观察和实践。他深入分享了AI驱动的开发模式如何重塑生产力、协作方式和创新速度，给我们带来了很多启发。JeffBarr最为人们所知的身份是亚马逊云科技博客的创始人，一位在云计算领域深耕多年的资深专家。他不仅是亚马逊云科技新技术的积极传播者，也是云计算产业发展的重要推动力量。他创造性地以一个开发者身份，以自身实际体验的形式点评亚马逊云科技的新产品，促成了「技术社区」概念的形成。JeffBarr是一个世界级的软件工程师，曾写下全球第一个弹性计算产品AmazonEC2的首行代码。作为亚马逊云科技的核心奠基人之一，他在2004年创建了AWS官方博客，到2024年12月他不再担任AWS新闻博客首席博主时，他已经撰写了3283篇博文（超过157万词），内容涵盖新服务发布、技术详解、用例分析等方面。他还坚持录制每周AWS服务更新视频，并活跃于社交媒体，通过这些方式与广大社区保持紧密联系。作为云计算、AI等技术的传播者、解释者和开发者社区连接者，二十多年来，JeffBarr一直以深厚的技术洞察力和极具亲和力的表达方式，持续向全球开发者分享云计算的创新理念——他撰写了数千篇技术博客，走遍世界各地，与无数技术人面对面交流，被誉为「云计算的原点见证者」。然而在见证了互联网时代、云计算的兴起之后，面对汹涌而来的AI时代，他仍然表示自己正在亲历前所未有的技术革命。在与我们交流的过程中，他反复强调了这一点。在他看来，AI带来的不仅是「提升生产力」这样简单的一句话，更意味着无处不在的创新趋势，对一个又一个新领域的覆盖。比起以往，开发者会获得机会，也面临着更多挑战。这场革命是如何开始的？又要走向何处？不妨就从JeffBarr的自身经历说起。从「带云入华」到跟上「AI创新的节奏」在JeffBarr横跨近半个世纪的职业生涯中，他不仅是技术演进的亲历者，更是行业思想的塑造者。他此次时隔16年的中国之行，恰好构成了两个技术时代的完美对照：一个是由他开启的「云计算」时代，一个是他正在步入的「AI原生」时代。时间拉回到2008年底，JeffBarr第一次来到北京。「我还记得那是我第一次到访中国，」他在采访中回忆道，「我与当时比较早期的开发者沟通，他们对刚刚兴起的云感到非常、非常的兴奋。」那是一个「云」在国内还是陌生概念的年代，全球云计算市场尚在萌芽，亚马逊云科技也仅有大约5项核心服务。JeffBarr的任务是「布道」，也就是向中国的技术先驱们解释「什么是云计算」以及它近乎科幻的潜力。16年后的今天，当JeffBarr再次站到中国开发者的面前，他所面对的图景已截然不同。「在这么短一段时间内，中国取得了巨大进展，」他毫不掩饰自己的惊讶，「让我感到非常、非常的敬佩。」这种时空对比带来的冲击感非常巨大。今天的中国开发者，早已不再需要「被启蒙」云为何物，他们本身就生活在云上，并且正在成为全球AI浪潮中最活跃的群体之一。「我看到很多中国公司现在正在走出去开拓全球的市场，」JeffBarr提到了CTG（ChinaToGlobal），即中国出海战略，「云在帮助他们向多地部署应用方面非常有效。」这种从被启蒙到引领的跨越，被JeffBarr归纳为一个他常在亚马逊云科技内部提及的词：「创新的节奏」(PaceofInnovation)。「在当下AI的技术趋势下，这种创新的节奏和速度前所未有。」他生动地描述了这种「加速度」带来的冲击感，「在西雅图飞来上海途中，我就在担心，是不是会又有什么AI技术突破。」这种「担心」精准地呼应了中国开发者生态16年来的指数级进化。作为见证者，JeffBarr看到的不仅是技术的更迭，更是一个开发者群体在全球技术版图中的强势崛起。AI是合乎逻辑的下一步面对AI带来的兴奋与焦虑，JeffBarr的观点清晰而坚定：AI并非替代者，而是放大器。JeffBarr在主题为「下一代软件开发」的演讲中强调：「AI驱动的开发工具，并非什么彻底的革命，而是我们开发工具演进中合乎逻辑的下一步(logicalnextstep)。」作为一名从16岁就开始编写商业代码的「老兵」，他的视角极具历史纵深感。他亲历了从大型机、小型机到微型计算机的变迁；他用过的语言从打孔卡带上的0和1演变到汇编，再到高级语言。「从一开始，我们开发者就一直在使用软件工具来构建其他软件工具。」他解释道，「今天我们看到的AI编程助手，是这一演进的自然延续。」他认为，每一次工具的飞跃，都是为了让开发者站上「巨人的肩膀」，从更高级的抽象层面去思考问题。AI助手能将开发者从繁琐的语法和模板代码中解放出来，正如当年高级语言将开发者从管理内存地址和寄存器中解放出来一样。「AI工具的价值在于让开发者更有力量。」JeffBarr在采访中畅想，它可以让开发者更雄心勃勃，去构想和构建那些过去看起来过于庞大和复杂的应用。他甚至提到了一个极具未来感的概念：单人独角兽（Unicornbuiltbyasingledeveloper），即由单个开发者利用AI工具，创造出价值10亿美金的公司。JeffBarr对此深信不疑：「在我们有生之年，这完全可能发生。」智能体加持下，规范驱动的开发AI带来的力量，也催生了新的开发范式。JeffBarr敏锐地注意到了今年VibeCoding（氛围编程）的兴起。他认为这非常适合中小型应用和非技术人员的快速原型构建，它极大地降低了从想法到实现的门槛。但对于更严肃、大型、结构化的企业级应用，则需要一种更严谨的模式。「我们称之为规范驱动的开发（Spec-DrivenDevelopment）。」他以此引出了亚马逊云科技的最新工具Kiro。在JeffBarr看来，这代表了AI时代专业软件开发的未来。Kiro支持两种模式。JeffBarr解释说：「你可以在氛围编码模式下将其用于中小型应用程序。当你想要更有条理、更严谨一些时，你可以选择采用规范驱动模式。」值得注意的是，在规范驱动模式下，开发者同样无需逐行编写代码，也依然是通过自然语言与AI智能体协作，其核心在于要与Kiro来回沟通来编写规范。其大致流程是这样的：•生成规范：Kiro会与开发者来回对话，将模糊的想法扩展为一份详细的、包含验收标准(AcceptanceCriteria)的技术规范。•智能体构建：AI智能体根据这份规范，并遵循开发者提供的指导文档(SteeringDocuments)，例如公司内部的编码标准、技术栈偏好（如使用Python后端、特定云服务等），然后自主地规划任务、生成代码、编写单元测试并执行。Kiro基于开发者意图生成的需求规范文件requirements.md、design.md、tasks.md以及执行任务的页面。「在这个过程中，开发者仍然是掌控者，」JeffBarr强调，「AI是你的助手，而不是你的替代者。它在放大你的技能，而不是取代它们。」这种模式确保了AI在释放强大生产力的同时，其行为依然可控、可预测且符合企业级标准。未来图景：一次性代码，与AI的沟通透过JeffBarr的演讲，我们感受到他不仅是一位布道师和历史的见证者，也是一个未来学者。在他勾勒的AI未来中，软件开发的形态将发生两个根本性转变。第一个转变是「即用即抛代码」（DisposableCode）的出现。「在过去，我们构建一个应用需要投入巨额的资金和时间，」他在演讲中分析道，「因此我们必须小心翼翼地维护它很多年。」但在AI的加持下，从规范到成品的过程会变得极其高效和廉价。「未来，可能会有某些应用，我们将其视为即用即抛的。」JeffBarr预测道，「我们会构建它、使用它，但不再考虑长期维护。当需求变更时，我们只需回到规范层面进行修改，然后让AI重新生成一个全新的、更好的版本。」在这种模式下，真正持久（Durable）的不再是代码本身，而是代码背后的规范和数据。JeffBarr补充道：「我们将花费更多的时间和金钱来精心管理我们的数据，因为数据将变得比以往任何时候都更加宝贵。」第二个，也是更深刻的转变，来自人本身。「我坚信，未来最成功的开发者，将是那些拥有强大人类沟通技巧的人。」这是JeffBarr在此次中国之行中，向所有开发者发出的最强音，也是他反复强调的「新箴言」。他试图打破外界乃至开发者对自身的刻板印象。「时至今日，开发者的任务主要是和机器沟通，偶尔和人类打交道。这让大家觉得开发者是安静内向、喜欢屏幕的人。」但在AI时代，这一角色被彻底反转。「未来成功的开发者需要更加开放，善于社交。」JeffBarr在接受采访时说，因为开发者未来的核心工作流将是沟通：•与客户沟通：更深入地聆听和理解客户的业务问题。•与AI沟通：将理解到的、模糊的业务问题，清晰、准确、无歧义地传达给AI编程助手，即表达自己的意图。JeffBarr总结道：「我们正在从一个主要编写代码的时代，进入一个主要阅读代码和描述意图的时代。」看起来，沟通正在成为AI时代的第一生产力。20年布道，始于一篇博客JeffBarr对未来的深刻洞察并非空中楼阁。它源自于他过去20多年作为「云计算原点见证者」的非凡经历。他的职业生涯，几乎就是一部亚马逊云科技的成长史，也是一部现代云计算的定义史。JeffBarr对未来的深刻洞察，源自他20多年作为「云计算原点见证者」的非凡经历。他的职业生涯，几乎就是一部亚马逊云科技的成长史。2004年，JeffBarr参与创建亚马逊云科技时，面临一个营销难题：云计算「即时交付」的特性，彻底打破了传统PR按周期发布的固定节奏。在那个博客刚兴起、被视为个人情感表达方式的年代，JeffBarr大胆提议用个人博客代替官方新闻稿，用以介绍亚马逊云科技的新产品。这个想法得到了时任CEOAndyJassy的「两天之约」：「你先写博客保留两天，如果不行，我们就赶紧撤下来。」这个充满亚马逊风格的决策，最终开启了一个全新的营销门类。JeffBarr的博客（AWSNewsBlog）正式上线，他以第一人称的开发者视角，亲自测试、撰写代码，发布了S3、EC2等早期服务。AWSNewsBlog的第一篇博客更重要的是，这无意中开创了云计算时代「开发者关系（DevRel）」的核心范式。JeffBarr的博客不仅是发布，更构建了一个反馈闭环。开发者可以第一时间交流喜爱或吐槽，亚马逊云科技则照单全收。这带来了一种前所未有的共建（Co-build）体验，开发者不再是技术的被动接受者，而是成为了产品迭代的参与者。这种「英雄惜英雄」的开发者生态，让亚马逊云科技在早期拥有了用户「溺爱」般的优势。支撑JeffBarr20年写下3000多篇博文的动力，源自他作为一个Builder的纯粹信仰。他本人就是一名资深开发者，曾写下AmazonEC2的首行代码。他坚信：「开发者是创造未来的人，我们所做的，就是要支持他们对于未来的构建。」这种「开发者服务开发者」理念，正是他布道的核心。永恒的布道者2025年初，JeffBarr宣布他将正式退休，不再担任亚马逊云科技新闻博客的首席博主。这个消息标志着一个时代的落幕，但也更像是一次传承。从2004年写下第一篇博客，到2025年在上海畅谈智能体，JeffBarr的职业生涯完美诠释了他所扮演的三个角色。作为布道师，他开创了用个人博客（一种新的沟通方式）发布硬核技术产品的先河，定义了云计算行业的开发者关系（DevRel）范式。作为见证者，他亲历了亚马逊云科技从5项服务到数百项服务的爆发式增长，也见证了中国开发者生态16年间从追随到引领的惊人跨越。作为未来学者，在AI浪潮重塑一切的今天，他再次布出了新的道：在一个人人都可编程的时代，技术技巧依然重要，但沟通技巧将成为新的胜负手。二十多年前，JeffBarr向世界布道云计算，教开发者如何认识云；二十多年后，他向世界布道AI时代的沟通，教开发者如何「对话」云。技术在变，从他亲手写下首行代码的EC2，到如今他极力推广的AI智能体Kiro；但他和亚马逊云科技的核心使命从未改变。正如JeffBarr说的那样：「我们相信开发者是创造未来的人，我们所做的，就是要支持他们对于未来的构建。」「如果说对现在的开发者有什么期许，我想说：Thinkeverybigthoughts，解决大问题，更有雄心壮志。」本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
10/24
和互联网一样，国产AI产品重回“大厂叙事”时代
在这场流量游戏中，初创公司几乎没有胜算。创业窗口，或许关闭了一边奔赴上市，另一边却无情裁员，智谱AI近日的举动让外界突然透视到这家明星AI企业内部的风雨飘摇。据社交媒体上流传的消息，作为公司商业化重要支柱的产研中心，被曝出“就地解散”，60多人仅保留一半左右，很多员工在节前收到紧急通知，期权与年假清零，N+1补偿直接走人。实际上，2025年以来，智谱AI早已陷入高管离职的多米诺骨牌效应：从首席战略官到COO，再到业务线负责人，核心团队的动荡从未停止。回看年初，包括智谱AI在内的“AI六小龙”作为技术创新的代表，在AI技术的浪潮中风光无限，万众瞩目，但不到一年，它们就集体失速，路遇险境。这背后不容忽视的一点是随着大厂发力，用户正在向有大厂背景的产品流去。尤其是在AI应用上，根据aicpb.com，国内AI应用Top20中，来自大厂（市值超过500亿元）应用有14个，占比高达70%。AI应用赛道，会成为大厂主导的游戏吗？或许是的，我们看到越来越多的AI应用正在把重心转移到海外，而这对国内技术创新力量的成长，也可能会造成损失。“逼”走初创公司的AI应用？几乎不到一年的时间，国内AI应用的市场就变了天。根据Xsignal发布的2025年上半年国内AI应用热度榜单，前二十名中大厂原生应用占12席，大厂老应用升级AI版本占1席，创业公司原生应用仅7席，占比约三分之一。在第三方监测机构aicpb.com发布的国内AI应用Top20中，来自大厂的应用占比更是高达70%。这种形势与全球市场截然相反。全球总榜上，34个非中国产品里只有5个属于“大厂”，占比约15%，除Gemini（Google）、Grok（X）、Character.AI（Google）和MicrosoftCopilot外，其他几乎全是来自小团队或创业公司。如排名第一的ChatGPT，来自巨星级初创企业OpenAI。在大厂还没有发力AI应用时，外界普遍认为大模型的机会只属于大厂，而AI创业公司会凭借功能创新在AI应用上找到更多的机会。可是，当大厂一面在通用大模型上加大投入，另一面开始养成自己的AI应用，AI创业公司强势的发展势头还是被重重打压了。如月之暗面的Kimi，aicpb.com数据显示，今年7月，KimiAPP月活跃用户（MAU）仅居全球第19位，落后于豆包、DeepSeek、腾讯元宝等国内对手，下载量更跌出前20。流量的碾压，是大厂“扼杀”其他AI应用、占据市场的关键。去年，Kimi靠着声势浩大的“重金投流”，成功出圈，字节跳动迅速跟进，加大投流，豆包很快后来者居上。到了今年，腾讯、阿里也直接下场，在其自身多元化的分发渠道上进行大规模投流，更大范围地渗透到用户层。在这场流量游戏中，初创公司几乎没有胜算，这不单单是因为比不过烧钱，而是大厂占据着社交、电商、搜索或短视频的生态入口，在原有产品的基础上进行AI升级，自然而然能吸引用户。大厂对初创公司的降维打击，印证了在国内AI应用的赛道不可避免地又成了流量的“战争”，这意味着大厂只要通过“复制”爆款，就可以通过流量的绝对优势轻而易举地抢夺用户、抹平差距。事实上，他们也正在这样做。简单来说，或许AI产品的创业窗口，正在关闭。在这种形势下，初创公司的AI应用越来越多地流向海外市场。根据不久前a16z发布的AI移动应用Top50排行榜，我们看到，有22个中国产品上榜，但只有三个主要在国内使用。也就是说，22个中国AI移动应用中有19个主战场在海外。尽管这说明了国内的AI应用在全球市场正在成为主导力量，可是这其中夹杂了诸多的无奈。产品固化，再次重演？当前各种AI应用大乱斗的状态，很难不令人联想到移动互联网时代初期的APP大战，无论大厂还是小厂都在争抢流量入口和培养用户习惯，也正是通过这场大战，超级APP陆续诞生，逐渐形成了当前的竞争格局。可是一个难以忽视的问题就是市场固化，互联网大厂凭借几款头部产品几乎统治了社交、电商、短视频、视频等各个赛道，也牢牢把控了用户时间。所以，在APP市场上，产品的竞争变成了巨头之间“神仙打架”，而创新的、具有颠覆性的新品几乎没再出现。根据七麦数据前段时间发布的2025年8月热门应用排行榜，下载榜Top30中，字节跳动有11款产品进榜，其次是阿里，有7款产品进榜，仅这两个巨头就在榜单上占据了一半以上的名额；在收入榜上，更几乎是大厂的“天下”，“抖音”位列Top1，腾讯旗下的“腾讯视频”与“QQ音乐”紧随其后。国内移动互联网渐渐失去了创新力，早已成了一个共识。原本我们以为AI应用的涌现和落地在技术的想象力下有可能会改变这种状态，可从目前来看，互联网大厂再次成为AI应用的主导力量。如果未来初创公司凭借创新性应用突出重围的路被堵死了，那AI应用市场是否会重蹈覆辙呢？回顾移动互联网时代的发展，不可否认，很多互联网大厂的超级APP当初也是作为初创产品从竞争中成功厮杀出来的。比如美团，经历了“百团大战”，最终成为外卖行业最后的胜者；在大厂的移动新闻客户端掌握新闻资讯的分发渠道时，今日头条靠个性化分发异军突起，势不可挡，由此带飞了字节跳动这个巨头。初创公司虽然也是有机会的，可一个令人悲观的事实是这个机会或许变得越来越小。在移动互联网，最后诞生的一个国民级应用抖音，其成立的时间是2016年，也就是说，将近9年的时间里，再也没有诞生过一个国民级应用。从微信到美团、滴滴、今日头条到抖音，我们可以发现，超级APP诞生的时间正在明显拉长。一方面是因为互联网大厂对各个领域的“统治”越发强化，尤其是有了字节跳动这个APP工厂后，其产品几乎遍布所有赛道；另一方面则是移动互联网各个领域的增长已然触及天花板，留给初创公司寻找的新蓝海几乎没有了。初创公司的AI应用们现在面临的困境，再次印证了在互联网大厂的碾压下想要创造一个杀手级应用，可以说是难如登天。更何况，在模型能力趋同背景下，AI应用的升级很大程度上取决于场景挖掘与高质量数据，而国内核心用户数据恰恰集中于互联网大厂手中。创新力流失陷阱正在扩大在这场全球科技竞赛中，当国内的初创公司们被迫把市场转移到海外，难免会带来一个关键的问题：创新力是否会流失。Manus的“跑路”，就是部分AI创业公司命运的缩影。今年年初，Manus骤然爆火，内测邀请码炒作到10万元一个，一度被热捧为“下一个DeepSeek”。然而不到4个月，Manus悄悄从国内撤退，网页无法登录、团队全部裁员。后来人们发现在中国团队彻底解散前，Manus却在新加坡展开了大规模招聘。尽管Manus远走他乡的做法引发了巨大的争议，可它也确确实实暴露出了国内AI创业公司的生存困境。一方面，一旦接受了外资的投资，就很有可能受到外资的裹挟，当然，如果接受大厂的投资，同样要受到掣肘；另一方面，国内用户付费意愿低下、欧美用户付费意愿更强，如果始终留在国内，必须面临巨大的商业化压力。在Manus之前，我们看到，AI视频应用HeyGen在2023年注销中国主体，把总部从深圳搬到了洛杉矶。今年5月开始内测、7月正式开放上线的Lovart，总部则设在旧金山，美国也是Lovart目前用户数量和收入最多的市场。这意味着这些来自国内的创业团队和人才也转移到了其他国家。随着越来越多的AI创业公司把核心市场转移到海外，不排除未来会有更多的创业者选择彻底离开，而这对带动国内AI技术创新、寻找杀手级AI应用来讲不是好消息。从目前国内AI应用的发展已经可以看出一些影响。根据各种AI榜单，可以发现，除了大厂“统治”头部产品之外，另一个鲜明的特点是AI应用主要集中在聊天机器人与AI陪伴上，AI视频生成工具、AI音乐生成工具、AI绘画、AI编程等其他赛道上，产品数量相对较少，也缺少标杆性的产品。与之对比，全球AI应用市场上，众多细分赛道则相对活跃。从A16Z最新发布的一份《全球百强AI消费者应用榜单》第五版可见，除了几个“老面孔”覆盖了几乎所有高频场景—学习、陪伴、设计、生产力、社区，作为“黑马”的几款产品来自不同的领域。比如主打氛围编程的Lovable直接冲到第22位，Suno首次把音乐生成带入主榜。这些新的AI应用的出现，显示出全球市场上新一轮差异化竞争的可能性，相反，国内却还停留在同质化竞争中。尤其是大厂、小厂纷纷接入DeepSeek后，产品反而更加趋同。国内还是海外？这个问题或许终将摆在AI初创公司的面前，但我们希望的是这些公司带着凝聚着本土创新力的AI应用去征服海外市场，而不是在无奈之下被迫转移战场，丧失国内生存的根基。这无疑是我们所有人都不希望看到的情况。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
10/18
灵魂拷问：如果AI真能造出10x工程师，那“软件洪水”在哪儿呢？
25年老兵怒喷：AI编程的“生产力神话”，正让行业开倒车满世界都在谈AI提效，但全球软件发布量为何毫无波澜？我快气炸了，愤怒到想推倒别人的沙堡，朝丹尼尔·拉鲁索脸上来一拳，还要当着他女朋友的面狠狠羞辱他！我通常不怎么生气，但我实在受不了所在行业正在发生的那些破事。我从事软件开发已经25年了，如果算上早年在那琥珀色单色屏幕上做市场调研制表的日子，甚至可能接近28年。没错，我算是老了——一个人到中年的编程书呆子。不管好坏，我的人生与个人身份早已和“编程”紧紧绑定。我靠着发布出色产品时那股多巴胺的冲击而活着。我曾经是AI编程的早期采用者，也是它的忠实粉丝，直到大约两个月前，我读到METR的那份研究报告，突然产生了强烈的怀疑。研究中指出，开发者对自己生产效率的感知其实并不可靠：他们自以为AI帮自己提速了20%，但实际上却慢了19%。这个结果让我大吃一惊——因为就在一周之前，我还跟别人说，感觉AI只让我快了25%左右，甚至还在为这个数字不够高而有点沮丧。而我的误估，与那些开发者的实际误差只相差5%。这事儿让我感到不安。我无法不质疑自己对经历的叙述是否可靠。我是否被屏幕上飞速闪过，以至于无法量化的代码所蒙蔽了：阅读和审查所有这些代码，是否从一开始就比我自己动手做要花费更多的时间？于是，我开始用那项研究的改良方法来测试自己的生产力。去接个任务，估算一下如果我“手写”代码需要多长时间，然后我抛个硬币，正面朝上我就用AI，反面朝上我就自己做。然后我会记录开始和结束的时间。这样我就能得到一个“差值”（delta），我可以用这个差值来画出“使用AI”与“不使用AI”的对比图表，然后我就可以看到一些趋势。这件事情我连续做了六周，记录了所有数据，你们猜我发现了什么？我发现，这些数据在任何有意义的层面上都不具备统计显著性。我需要再记录四个月的新数据点，才能证明AI到底是在让我提速还是在拖慢我。但目前情况实在是太均势了。不过，两组之间缺乏差异性这一点真的很有趣。是，这个样本局限性很大，可能纯属巧合，但到目前为止，AI似乎让我的速度中位数下降了21%，这与METR的研究结果完全一致。我可以明确地说，使用AI编程工具，我没有看到速度有任何的大幅提升（比如2倍）。如果真有那么快，结果早就该具有统计显著性，这项研究也该结束了。这实在是太令人失望了。我多希望AI编程的梦想是真的。我希望能把我所有愚蠢的编程点子都变成现实。我希望我能周一做个指板学习应用，周三做个韩语训练器，周六再做个电子游戏。我会把它们全都发布出去。我会用一场前所未见的“铲件”洪水淹没这个世界。好吧，我本可以这样做的——如果这玩意儿真的有用的话。但事实证明，（而且我为此收集了大量数据）它不仅对我没用，它对*任何*人都没用，而且我将要证明这一点。但首先，我们先来看看这些关于生产力的宣传是多么极端和普遍。Cursor的宣传语是“为你带来非凡的生产力。”ClaudeCode的是“更快地开发更好的软件。”GitHubCopilot的是“像老板一样分配任务。”谷歌声称他们的大语言模型让开发者的速度快了25%。OpenAI也对他们自己的编码效率和研究进行了夸大其词的宣传。而开发者同行们也好不到哪里去，有14%的人声称他们因为AI实现了10倍的产出增长。像老板一样分配任务——GitHubCopilot如果这个话题不那么要命的话，这些宣传本无关紧要。但各地的技术领袖们都在为这种“错失恐惧症”（FOMO）买单，他们深信竞争对手们正在获得他们所错过的巨大利益。这驱使他们将公司重塑为“AI优先”的公司，用新发现的生产力叙事来为裁员辩护，并想当然地认为AI已经从根本上改变了价值等式，从而压低开发人员的薪水。然而，尽管这些工具的普及程度达到了前所未有的地步，它们却根本没用。我的论点是：如果这么多开发者在使用这些工具后生产力变得如此非凡，那么“铲件”洪水又在哪里呢？我们应该看到各种形态和规模的应用、电子游戏、新网站、移动app、SaaS应用——我们应该被淹没在选择的海洋中。我们应该正处在一场独立软件革命的浪潮之中才对。我们应该在Steam上看到10000个《俄罗斯方块》的克隆版。试想一下：凭借你对AI辅助编程及其广泛应用的所有了解，如果我给你看全球新软件发布的图表，你预期那图表的曲线会是什么形状？你肯定以为会看到一条随着AI被采用、人们产出更多而“指数级增长、一路扶摇直上”的曲线吧？现在，我花了好几周和一大笔钱来为这篇文章整理数据，在某些情况下处理了数十TB的数据。所以我希望你们能体会到，在软件开发的每一个主要领域，这些图表是显得多么的平淡无奇、一马平川。来源：Statista来源：StatistaVerisign《域名行业简报》来源：SteamDB数据来源：GHArchive这些图表最有趣的地方在于它们没有展现出什么东西。它们没有显示出突然的飙升或“曲棍球棒式”的增长曲线。曲线充其量只能算持平。没有出现“铲件”的激增。在2022/2023年之后，并没有突然出现独立（软件）的繁荣。光看这些图表，你根本看不出AI辅助编程是什么时候开始被广泛采用的。那个（AI提升效率的）核心前提是有缺陷的。根本没人交付出更多的东西了。这对大家生活的影响巨大。有人因为采用这些工具不够快而被解雇。有人因为害怕跳槽到别处情况会更糟，而被迫留在自己不喜欢的工作岗位上。人们花费所有时间试图掌握“提示词技巧”（prompting），又因为自己做不好而感觉很糟糕。这整件事纯属扯淡。所以，如果你是一名开发者，并且正感受到来自你的经理、同行或整个行业歇斯底里的压力，被迫去使用这些工具——请相信你的直觉。如果这些工具让你觉得很笨重，如果它们正在拖慢你的速度，如果你搞不懂为什么其他人能（用它们）变得那么高效，（别怀疑）你没毛病。数据支持你正在经历的一切。坚持使用你所熟知的、有效的方法，你并没有落后。如果你胆子够大，把这些图表给你的经理看，问问他们对此有什么看法。如果说这篇文章能告诉你点什么的话，那应该是：(A)开发者们交付的东西并不比以往更多（这是唯一重要的指标），以及(B)如果有人——无论是你的CEO、你的技术主管，还是某个Reddit上的书呆子——声称他们因为AI而成为了“10倍”开发者，那几乎可以肯定是假的，（你该）要求他们拿出证据，否则就他x的闭嘴。好了，我太懂互联网了。我甚至在你们这帮傻瓜开口之前，就知道你们要说什么，所以我们就开门见山吧：1、“呃，如果你学会了怎么正确地写‘提示’，你就会像我一样成为10x工程师了。”看看数据吧。根本没有新的“10x哥”出现。如果真有——如果那14%自称的AI“10x哥”真的是效率提高10倍的话——那全球新软件的产出将会翻倍还不止。然而这并没有发生。至于你，就你个人而言，把你今年开发的30个应用拿给我看看。拿不出证据，我懒得跟你废话。2、“呃，这是项新技术，投资了这么多，它需要时间……”是的，数十亿美元已经投给了这些工具。未来还会有数十亿美元继续投给它们。问题是，它们现在正被（当作成品）售卖，相关的决策也正在制定中——这些可是实实在在地影响着大家的生活——就好像它们今天已经（完美）可用了一样。别跟我鹦鹉学舌般地重复“它还在开发中”之类的废话。现在是2025年9月，我们用这些工具已经好几年了，它们仍然烂透了。也许有一天，它们会不那么烂，但我们最好能看到客观的证据，证明它们在*大规模*地“实际交付产品”方面产生了影响。3、“呃，也许它现在是不怎么样，但如果你不尽早采用，你就会被甩在后面。”没有任何迹象表明“提示词工程”很难学。GithubCopilot自己都说，一开始，用户只接受29%的代码提示建议（这本身就是一种效率低下的疯狂宣言，你为什么要公布这个？），但有了六个月的经验后，用户自然会更擅长写提示词，这个数字会增长到*高达*34%的接受率。显然，6个月的经验只会让你在提示词编写方面进步5%。4、“呃，也许是质量在提高，但交付速度未必变快了……”这根本说不通。我们都知道，在代码质量方面，这个行业至少倒退了十年。现在几乎没人做测试了。我上一次听到“持续改进”或“测试驱动开发”这些词，还是在新冠疫情之前。你我心知肚明，如果真有工具能让人成为10x程序员，我们早就被“铲件”淹没了。5、“呃，这都是网站驱动的，现在人们不怎么关心域名了；都是Vercel这类网站上的子域名。”闭嘴吧。人们可喜欢用自己的“自恋域名”了。6、“呃，.ai域名今年可是增长了47%……”是啊，那是因为所有的创业公司都转型去做AI了。这是从投资者的“错失恐惧症”中榨取资金的唯一途径。但是，域名*总量*是否以前所未有的速度增长了呢？不，并没有。去看看那张新域名图表吧。7、“呃，如果你是个真正的工程师，你就会知道，软件开发的大部分工作都不是写代码。”这只在大型公司里才成立。当你单干时，当你既是利益相关者又是开发者时，你根本不用开会。你是在告诉我，现在再也没有人*独立*交付任何东西了吗？再也没有人为了满足个人“小癖好”而发布新的GitHub项目了吗？开发软件怎么可能不涉及代码呢？本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
10/18
为什么说AI智能体最大的价值，是悄悄嵌入工作流里？
在智能体领域深耕一年多后的一些心得体会。有那么几十年仿佛一潭死水，；又有那么几周，仿佛需要几十年的事情一下子全冒出来了。当前我们正处在这样一个节点：更新的模型、更新的优化技术、新的架构层出不穷，而我们中大多数在机器学习/人工智能领域的人，却对这些进展浑然不觉。我已经对AI智能体的世界进行了深入探索。从小型原型到生产级别的系统，我开发了约300个智能体，并与5家不同的初创公司合作，共同探索了如何利用智能体为产品和应用场景赋能。一路走来，对于哪些方法可行、哪些不可行，以及这个领域未来的发展方向，我学到了很多。虽然这些只是我个人的一些想法，但或许能为你提供一个全新的视角。首先，让我快速解释一下什么是智能体。我这里所说的智能体，指的是大语言模型（LLM）智能体，而不是我们在强化学习（RL）中看到的那个正式定义。智能体=大语言模型+推理+工具+记忆如今，大语言模型已经内置了思考能力，所以你甚至可以将其进一步简化为：智能体=大语言模型+工具+记忆就是这么简单。像“智能体工作流”、“智能体系统”、“智能体团队”等术语，其实都只是一些基础智能体紧密结合而成的流程。在过去的一年里，我一直致力于构建这些流程并确保其可靠性。在这个过程中，我收获良多。框架没那么重要我用过crewai、dspy、langgraph、autogen，甚至还用过openai和google的智能体SDK来开发智能体。在这个过程中，我也建立了自己的框架。在使用了所有这些框架之后，我很清楚地认识到，你没必要受限于某一个框架。你需要关注的，是应用的核心流程。开发智能体≠人工智能/机器学习我自称为人工智能工程师，但其实只是一个调用大语言模型API并做一些提示工程的后端开发人员。这清楚地表明，拥有扎实的软件工程基础至关重要，且不容妥协。智能体的能力上限取决于你给它的上下文最大的误解是，你以为只要给大语言模型一个目标，它就能创造奇迹。实际上，智能体的质量在很大程度上取决于你提供给它的上下文——这包括提示、工具、记忆，以及（在少数情况下）环境。一个结构良好的上下文，其价值往往超过一个更大的语言模型。没有工具，智能体就毫无用处一个只会“思考”却没有工具的独立智能体很快就会陷入困境。而一旦你赋予它执行操作的能力（比如调用API、访问数据库、执行工作流），它就变得有用了。我在Composio的初创阶段（2024年5月至7月）工作过，那是我第一份“真正”的实习，它彻底改变了我的人生轨迹。大道至简我开发的部分最高效的智能体，其设计都出奇地简单：一个清晰的提示，一两个定义明确的工具，以及单一的职责。复杂性往往会导致系统变得脆弱。最优秀的智能体都是为某个精确的场景而生，并能出色地完成任务。评估的作用被低估了弄个华而不实的演示很容易，但要衡量一个智能体究竟有多出色则要困难得多。我认识到，建立测试和真实世界的反馈循环，才是区分玩具项目和可靠生产系统的关键所在。DSPy是未来过去几个月我一直在研究DSPy，这个东西越用就越觉得用来开发智能体是如此自然。它包含的签名（Signatures）、适配器（adapters）、训练集（trainingset）、优化器（optimizers）等概念都恰到好处。.compile()的感觉亲切又熟悉。这正是一个框架应有的样子。人比技术更重要与5家初创公司合作的经历让我明白，技术只是故事的一部分。鼓励实验的文化、迭代的速度以及清晰的愿景则更为重要。一个平庸的智能体应用场景，在对的人手中可以创造真正的价值；而一个绝妙的智能体应用场景，在错的人手中则一事无成。结语AI智能体的发展仍处于早期阶段。炒作有它的道理，但挑战也同样存在。最让我兴奋的是，我们正在从研究领域的玩物，转向基础设施级别的系统。未来，每个产品背后可能都会有智能体在运行，负责协调任务、提供个性化体验，并处理人类不想应付的复杂问题。我犯过错，也吸取了教训，见证过成功，也经历过失败。如果要总结出一条最重要的心得，那就是：智能体本身不是产品，而是赋能者。真正的魔力在于，当你将它们嵌入工作流程，让它们在后台悄然运行，一切便水到渠成。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
10/10
互联网医疗平台谋变，押注AI争夺下一个十年
互联网医疗平台正在以前所未有的速度拥抱AI，试图在押注下一张船票的同时，为资本讲一出性感的故事。对于互联网医疗平台来说，押注AI已经成为必选项。过去一段时间来，阿里健康、京东健康、微医等纷纷押注AI。一方面是有着AI基因的平台给资本更大的想象空间。另一方面，从自身来看，AI让这些平台从卖药、卖广告、卖挂号三大低毛利场景里挣脱出来。政策层面来看，人工智能辅助诊断被国家医保局列入价格构成。业内普遍认为，在下一个十年里，AI将改写医疗行业的成本结构、服务半径和商业模式。当前，各大平台沿着各自的资源禀赋，走出了三条较为清晰的路线。医药电商比如阿里健康、京东健康把AI当运营手段，核心仍是药品差价和渠道费；垂直平台选择用技术换增长，比如方舟健客将AI视为增长飞轮；蚂蚁、抖音也在下场搅局AI医疗。不过，当前AI对互联网医疗平台的价值仍停留在“故事”和“预期”层面，实实在在地体现在财务报表里的平台并不多。01互联网医疗平台集体卷AI在平安好医生上半年的业绩报中，AI成为反复被提及的高频词。在中报披露的窗口季，平安好医生在半年报中披露了押注许久的AI成果。其在业绩报中指出，上半年由于AI的赋能以及业务结构的优化，毛利率较去年同期小幅提升，为33.6%。去年上半年，这一数据为32.2%。就今年来看，平安好医生对AI的重视度肉眼可见的拔高。上半年其在升级平安医博通大模型的同时，也上线了7+N+1医疗AI产品矩阵。图/平安好医生平安好医生只是当前诸多互联网医疗平台的一个缩影。当前，阿里健康、京东健康、腾讯健康、微医等先后落子AI。这些平台对AI的畅想是，用AI实现降本、提频、分润，进而提高利润率。极具曲线的故事，对老板以及背后的资方都能有个交代。2020年之前，互联网医疗企业很难切入医疗服务的核心环节，一直徘徊在轻问诊和一些外围服务层面。从盈利层面来看，援引第一财经采访业内人士，互联网医疗的规模效应是盈利的核心。除了那些互联网巨头以外，小公司要实现盈利往往需要较长的周期，因为需要前期很大的投入，而最终盈利的模式无非是三种，卖药品、卖服务和卖广告。规模效应也意味着，这三种模式的毛利并不高。而AI让这些平台从卖药、卖广告、卖挂号三大低毛利场景里挣脱出来。早期这类平台核心逻辑是线上连接——把挂号、问诊、买药搬到线上，解决的是效率问题，而非医疗质量问题。作为中介，这类平台有着较为明显的漏洞，没有技术壁垒、作为信息中介难以留存客户、在面对公立医院线上平台时毫无竞争力。而在AI时代下，可以把原本浪费在库存、人力、流量、创意上的钱省下来。药品销售上，不仅能优化供应链管理还能提升销售销量；在服务层面上提高服务效率的同时降低人力成本；广告销售方面，AI在实现用户精准画像的同时还可预测广告投放的最佳时机和渠道。从估值的角度来看，沾染AI的平台享受的估值待遇可从医疗服务商升级至科技股。木头姐发布的《BigIdeas》报告中预言：医疗保健是最被低估的AI应用。到2030年，AI将使药物开发成本降低4倍、癌症筛查效率提升20倍。二级市场上，将AI战略置顶的京东健康、平安好医生等公司的股价自去年下半年开始飞涨。同花顺数据显示，从去年8月15日至今，二者股价涨幅分别为205%、1225.68%，后者从1.48港元/股飙涨至19.62港元/股。二级市场的逻辑也同样适用于一级市场。据Crunchbase统计，2025年1月医疗保健和人工智能领域融资额分别达到94亿美元和57亿美元，合计占当月全球风投总额的58%。政策层面也逐步开闸。去年11月份，国家医保局首次将人工智能辅助诊断纳入医保价格构成。在技术和政策的推动下，国内的AI医疗市场持续扩容。华西证券援引第三方数据显示，2019-2023年，中国AI医疗市场规模从27亿元快速增长至88亿元，预计2028年市场规模将接近300亿元。02中小平台的路径分野显然，在AI浪潮下，各大平台正在沿着各自的资源禀赋，逐步走出了三条较为清晰的路线。背靠大厂的玩家们将AI作为运营的手段，比如阿里健康和京东健康核心的逻辑依旧是药品差价和渠道费。在自营+平台+即时零售协同模式以及阿里和京东对这两家公司的支撑之外，AI的辅助让这两家在卖药上较为如鱼得水。最典型的例子就是，京东健康去年撤掉了被寄予厚望的AI家庭医生，重新将资源集中到卖药后，活得反而更好了。从业绩层面来看，2024年至2025年上半年，京东健康的总营业额分别为581.60亿元、352.90亿元，股东应占溢利分别为41.62亿元、25.96亿元，同比变动分别为94.31%、27.45%。图/京东健康2024年，作为营收大头的医药和健康产品销售收入为488亿元，相较于往年457亿元同比增长6.9%。服务收入的占比也从2022年的13.7%升至2024年的16.1%。AI让京东健康对趋势的变化更为明显，也就是库存更快、转化更高、配送更准。上海证券在研报中指出，AI精准营销和智能推荐降低了获客成本，同时提高了用户粘性和单次消费金额。AI在供应链管理中的应用，如需求预测和库存管理，进一步提高了运营效率，降低了库存成本。此外，AI通过自动化和智能化手段减少了对人工的依赖，例如AI工具可以替代部分医生助理的工作，如病历书写、导诊分诊和随访等，从而降低了销售和营销费用。垂直类平台选择避开与阿里健康、京东健康的直面竞争，将AI作为增长飞轮。但是，不卖药的公司盈利难度较高。前京东辛利军曾在采访中坦言：“在中国做互联网医疗的公司，那些不卖货的都亏钱。”像微医、方舟健客，AI更多的是承担数字医生的角色，前者按病种分级诊疗，后者按慢病全周期管理，分级诊疗服务费、慢性病会员订阅和药企数字化分成是两家公司看重的关键点。不过当前来看，AI的反哺作用并不明显。在2024年上半年，微医的AI医疗服务的营收达14.4亿元，占总收入的比例跃升至79.2%。不过对利润的贡献度有限。2021年—2023年的毛利率仅为2.6%、1.5%和3.4%，2024年上半年略微上升至4.9%。图/微医财报方舟健客一直想撕掉卖药的标签。此前21世纪经济报道指出，为摆脱名为互联网医疗，实为卖药这一行业诟病，方舟健客在AI的赋能下，持续探索从咨询、诊断到购药等全流程的闭环服务。但报告期内，方舟健客主要业务中线上零售药店服务产生的收入同比增加8.3%，而综合医疗服务产生的收入同比下降34.3%。需要注意的是，蚂蚁、抖音也在下场搅局AI医疗，不过最终的目的在于试图用流量换入口。今年7月份，蚂蚁集团上线独立健康应用“AQ”加码AI医疗，用支付宝的医保支付、医院HIS接口能力，把AI问诊、电子病历、医保结算做成闭环；字节跳动紧随其后推出“小荷AI医生”，主打健康咨询与报告解读功能，最核心的入口还是抖音渠道，通过用户在抖音页面搜索相关疾病——跳转小荷医典获得相关疾病的科普，再进一步跳转小荷AI医生进行相关咨询。二者的路径并不追求自建医疗闭环，只是把AI能力作为流量分发和广告增值工具，打法更轻、扩张更快。03AI医疗的叙事困境互联网医疗平台看似拥有宏大的AI叙事，但研发投入与商业回报的不匹配仍是业内共识。当前AI已成为医疗行业的重要发展趋势，京东健康、平安好医生等巨头依托集团资源，构建了强大的技术和数据壁垒，在AI医疗领域重兵布局。中小平台若不跟进，其服务效率和质量可能落后于竞争对手，难以吸引用户和医生资源。但，AI研发需要大量的资金和技术投入，包括数据收集与标注、模型训练、算法优化等，而在自身造血能力不足的前提下，没有靠山的平台大概率会先拖死自己。因此技术门槛高、验证周期长、数据壁垒厚，导致大投入、慢回报、低毛利，盈利窗口难打开是中小平台的通病。要知道，即便将AI作为辅助的头部平台，在研发投入上也毫不吝啬。比如京东健康上半年的研发费用开支为7.36亿元，2024年全年才6.45亿元。不过，对于中小平台来说，AI的叙事困境不止于烧钱。远毅资本指出，在中国市场，很多AI应用创新是面向C端，比如问诊、医药电商、用药咨询等。毕竟，医疗AItoC市场是最值得期待的领域，这意味着一旦形成规模，其生态价值是具有无限想象力的。因此诸多平台试图用各种方式曲线获C。鼎和资本指出，如微医、讯飞医疗、微脉、左医都探索出了2H-2C的打法，与基层医疗机构进行业务合作，向其所覆盖的C端人群提供服务。但是现状是，C端的用户对AI的信任度并不高。大多数的AI仍旧在工具辅助的浅层阶段，这就导致了用户的付费意愿并不强。援引第一财经采访业内人士，医疗健康领域存在特殊性，对医疗数据质量与安全，患者隐私保护要求很高，为此，AI大模型或将面临技术成熟度风险，医学数据质量与安全风险，和医疗服务公平性风险。对于互联网医疗的AI叙事来说，低容错是行业最硬的约束，也是所有故事必须首先回答的风险题。C端的不信任，也会导致B端的不买账。斯坦福大学最新发表在《JAMANetworkOpen》期刊上的研究显示，当研究人员对医学检查问题进行微小调整时，这些被誉为医疗革命先锋的AI系统准确率暴跌，其中某些模型的错误率甚至接近40%，这使得B端客户对AI的可靠性持谨慎态度。同时，部分AI医疗产品价格高昂，但实际能为医疗机构带来的直接收益有限。例如，一些AI辅助诊断系统需投入大量资金采购和维护，但可能仅能提升少量工作效率，难以覆盖成本。此外，医保政策对AI产品的覆盖范围有限，医疗机构缺乏足够的付费动力。部分医疗机构担心引入AI后，会削弱医生的专业地位或导致岗位调整。且市场上AI医疗产品同质化严重，缺乏差异化竞争力，B端客户难以找到真正符合需求的产品。在可预见的未来，头部厂商依旧占据霸主地位，中小平台们只有快速找到差异化路径，才能在巨头的夹缝中生存下来。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
10/10
起猛了，OpenAI 要让 AI 取代你的 App 了
AI不再只是工具，而正逐步成为新的操作系统。AI不再只是工具，而正逐步成为新的操作系统。在今年的OpenAIDevDay2025（OpenAI开发者日）上，CEOSamAltman毫不掩饰地说：ChatGPT不只是聊天，它要成为一个可运行App、管理任务、连接外部服务的全能AI操作系统。距离首届开发者日仅两年，OpenAI的生态已经发生了翻天覆地的变化：开发者人数从200万增加到400万，ChatGPT周活跃用户从1亿飙升至8亿，而API每分钟处理的Token数量更是暴涨20倍，达到了60亿。与此同时，过去两年的AI世界也在快速重塑：模型不断迭代、智能体开始大规模应用、生成视频技术席卷各行各业。当外界以为OpenAI会保持低调时，10月7日的DevDay再次让整个行业为之一振。会上，Altman一次性推出了四款重磅产品：GPT-5Pro、ChatGPTAppStore、AgentKit、Sora2。先说最炸的部分——AppsSDK，也就是未来开发者可以在ChatGPT里直接做应用。不是老式插件那样的半吊子，它是真正能在ChatGPT界面里跑起来的App，有界面、有交互、能登录、能支付，全套流程都在这里完成。大会上，几大知名应用第一时间亮相：Canva、Booking、Coursera、Zillow......想做宣传海报？在ChatGPT里一句“帮我做一张海报”，它会直接Canva，跳出完整设计界面。想找纽约带庭院的房子？只需一句话，它就调出Zillow模块，地图、价格、户型信息一目了然。整个体验不需要跳转、不割裂，就像这些应用本身就是ChatGPT的一部分。紧接着，OpenAI秀了个更酷的东西——AgentKit。这是给那些希望“搭建自己智能体”的人准备的低代码／无代码工具：拖一拖、连一连、设参数，就能搭一个会“做任务”的AIAgent（智能体）。大会上，OpenAI的体验团队在8分钟里就建好一个智能体，给DevDay的官网做问答服务。但别以为这就只是一个概念秀。AgentKit包括三个核心模块：AgentBuilder：可视化画布，拖拽节点连接任务流程；ConnectorRegistry：给智能体“挂工具”的地方，比如接数据库、调API、访问外部资源；ChatKit：把智能体嵌入界面／App的聊天交互组件。还有Evals（评估系统）模块，用来衡量一个智能体做得好不好。这个“可视化+模块化+安全护栏”组合，就是OpenAI要把“做一个智能体”从程序员的特权变成“人人都能做”。再往下一层，就轮到Codex亮相了。这次大会上，OpenAI宣布它正式进入GA（通用可用）阶段。内部爆料更有意思：团队的代码几乎都离不开它，每周约70%的提交，都靠Codex助手搞定。现场演示里，一个工程师只说一句“给我弄一个控制舞台灯光和摄像头的界面”，Codex一下把前端UI搭起来、后台服务写好，还去GitHub找协议文档，甚至管理手柄控制、语音指令，都整合进去了。整个过程中，工程师一行代码都没写。Codex的目标很清楚：自然语言+智能识别=“语义编程”，你说的话，它懂、它做。程序员的“写代码”劳动，有可能逐步被“指令—转换—验证”这种流程替代。而最底层的基座，是那几款重磅模型：GPT-5ProAPI、gpt-realtime-mini语音模型、Sora2视频模型。GPT-5Pro以40万token的上下文窗口、强推理能力亮相。gpt-realtime-mini削减了语音模型的成本，让语音交互变得更可普及。Sora2则让视频生成可控、音画同步，把视频从“重资产”变成“指令可控产出”。这些技术力量串联起来，就是OpenAI要打造一个“入口—平台—应用—智能体”的闭环生态。ChatGPT从“我回答你问题”转型到“你说什么，我让后台服务帮你做”，这不仅仅是升级，更像一次对现有互联网格局的宣战。看到这里你可能会问：这么大的野心，真的能撑得住吗？老狐也有几点有趣观察想跟大家聊聊。首先，这个“统一入口”模式，得赢得应用开发者们的信任。Canva、Coursera、Spotify……这些头部应用愿意把自己搬进ChatGPT生态里吗？它们自己打造的AppStore、流量入口、用户数据，那都是核心资产。让自己变成ChatGPT中的一个子模块，意味着放弃部分独立控制权。中长期这种“入口重构”中的利益博弈，才是真正的风口浪尖。其次，AgentKit这种中间态工具，事实上极容易被边缘化。如果你既不像微软、谷歌那样有强业务场景，也不想做纯底层模型，就在这个中间层做准确信息整合或垂直解决方案，能不能站住脚？市场里有太多成熟工具、专精厂商，AgentKit必须明确定位，否则很可能被“夹击”。再者，OpenAI自己下场做工具、做生态，有可能和它原本像模型调用商的客户发生冲突，也就是“裁判也当运动员”的窘境。客户即是潜在竞争者，这种定位的信任壁垒需要极高的透明度和制度保证。除此之外，监管和隐私也是不能回避的坑。AppsSDK在欧盟目前就没被包含进预览名单里。不同国家/地区的监管制度、数据流通限制、隐私保护政策不同，在生态扩张阶段可能成为制约。其次，应用深度集成意味着更多敏感权限调用、数据交互，一旦安全边界、数据隔离没做好，很容易出乱子。最后，模型竞赛还没打完。谷歌、Meta、Anthropic这些巨头也都在模型、生成体系上下重注；开源模型阵营、低成本模型也在局部场景里高速迭代。OpenAI虽然现在看起来风头正劲，但未来谁能保持技术+生态双重领先，仍是未知数。但即便如此，从这次大会透出的信号来看，AI竞争的下半场，确实在从“谁模型更强”变成“谁能搭一个用起来舒服、低门槛、安全可控的生态”。技术红利在退潮的时候，体验红利、生态红利才是决定胜负的关键。对于普通人来说，这意味着什么？简单说，以后你写文章，不用装很多工具插件；你做设计，不必在Canva+PPT间来回切换；你找房子，不用开好几个房产App+地图App；你开公司也能自己搭智能客服、数据分析机器人。构思一个创意、拟定一个流程，就能在几分钟里把它变成“活着”的智能体。未来，创意比技术更重要。今天的ChatGPT，可能还只是这个未来“入口OS”的萌芽期。真正的ChatGPT终极形态或许是，当它不再只是“你问它答”，而是“你说出要求，它自己组织资源帮你办事”。那个时候，你打开ChatGPT，就像打开了你的数字中枢：你不去想“去哪个App”，你只说“我想做什么”，剩下的就交给它。未来AI入口的争夺才刚刚开始，而OpenAI已经先手下了重注。下一步会怎样？可能是AppsSDK在更多地区上线，也可能是第三方开发者爆发，更可能是智能体生态全面起飞。在这个过程中，胜者环伺、格局重组都是大概率事件。但有一点很明确：通往AI入口的道路，比我们想象的更野、更快。所以，当你下次打开ChatGPT，别惊讶它主动推荐你从未见过的App模块，也别惊讶界面里多了个“小助理”，它甚至可能记得你最近的行程、任务和偏好。这就像从AppStore时代迈向AIStore时代：不再是孤立工具，而是协同行动；不再只是你操控它，而是它主动为你服务。我们正在迎来一个前所未有的入口时代。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
10/10
当AI开始查AI，AI编程爆火之下，代码审查成了大生意
写代码的速度越来越快，审查的压力也越来越大AI编码赛道，正在长出一条新的分支赛道，那就是代码审查。从去年Q4萌芽，到今年Q1加速升温，这个方向已经获得了包括Accel、a16z等美国顶级风投的关注与投资。究其原因，开发者在使用AI编码工具时，虽然产出效率大幅提升，但错误也随之增加。工程师需要花大量时间去修正AI生成的代码，于是，专门负责代码审查（CodeReview）的AI工具应运而生。值得一提的是，目前这个新赛道里，已经跑出了不少公司。比如，CodeRabbit的估值已经高达5.5亿美元，另一家代码审查公司Graphite也在今年3月宣布获得5200万美元的B轮融资，领投方为知名风投Accel。今天，我们就来看看这个由AI引发、又服务于AI的新赛道。月收入环比增长20%，1500万美金ARR过去一年，AI让写代码变得越来越容易。但随之也带来了新的问题，代码量暴增、Bug变多、合并请求越拉越长，工程师的时间又被卡在“审查代码”这一步。CodeRabbit创始人HarjotGill早在2022年就预见到了这点。早在2018年，Gill曾把无代理监控公司Netsil卖给Nutanix；第二次创业FluxNinja虽然没成功，却给了他灵感。他在远程管理团队时，亲眼看到Copilot如何让代码提交暴涨、bug激增、审查负担飙升。于是他想：有没有办法让AI来“读代码”，帮人查错？2022年，团队把大模型接进代码审查流程，自动捕捉缺陷与规范问题。粗糙原型开源后，意外获得了大量开发者的热烈追捧，甚至日本技术社区主动为其撰写博客推荐。需求一经确认，团队于2023年注册公司CodeRabbit，定位只做一件事：AI代码审查。它像一位常驻审查员，嵌在GitHub/GitLab的PR/MR流程里，不出现在IDE（集成开发环境），也不分担写代码的任务。从0到1的功能演进始终围绕审查本身：自动生成PR摘要逐行给出可执行建议随新提交增量复查评论中它可继续改代码一键输出发布说明CodeRabbit先学会“读懂代码”。它会学习每个项目独有的写法、风格和历史审查记录，把项目里的结构化信息，比如代码的语法树（AST）、函数调用关系、过往的PR记录、Jira任务等数据都喂给大模型。它生成的评论不仅能解释“为什么”这样建议，还能追溯到具体规则或历史决策，而不仅是大模型对文本的“概率”续写。也就是说，生成的评论附带“出处”与“原因”，不再是黑盒概率，而是可追溯的决策，让人放心采纳。这些能力来自团队早期的布局。两年前他们就预测到“代码审查会成为瓶颈”，于是提前做了“代码图谱”，把项目里的依赖关系、静态分析结果和Linter报告整合起来，让模型能从多个信号判断问题。他们还设计了一个反馈闭环：开发者每次“采纳”或“忽略”建议，系统都会记录下来反哺模型。久而久之，模型会越来越熟悉团队的习惯，像一个真正的老同事一样懂你。HarjotGill认为，当这种习惯形成后，团队就很难再迁移到别的平台，这就是新的护城河。在解决审查瓶颈之后，CodeRabbit的功能还进行了向下延伸：它顺着PR接口进入测试、集成、发布环节，把审查意见、测试报告、安全清单整合到同一个面板。这样，代码质量的把控不再只停留在“合并那一刻”，而是一路延伸到“上线那一刻”。这样，一个原本只盯diff的小助手，就这样沿着流水线往前挪步，慢慢长成研发协作的AI平台。成立近两年，CodeRabbit已有8000多家企业客户，包括Chegg、Groupon、Mercury，月收入环比增速保持20%，ARR1500万美元。CodeRabbit的付费方式很特别——由开发者自己决定。即团队先免费试用一段时间，然后由成员投票决定要不要留下它。目前，转化率达30%。在日本、印度和硅谷的工程师社区里，它几乎是靠口碑传播起来的。当代码审查成为一门新生意写代码的速度越来越快，审查的压力也越来越大。只要有提交，就需要审查。而随着AI编程工具的普及，审查需求正在成倍增长，形成一条高速扩张的新赛道。这条赛道已经不再冷清。Graphite先后拿下a16z的A轮和Accel的B轮融资，定位“现代化工程协作平台”；2024年，领投了CodeRabbit的ScaleVenture，与SquarePeg又共同领投了代码审查公司Qodo的4000万美元A轮，使其累计融资突破5000万美元。谁能同时兼顾“专业深度”和“平台广度”，谁就能在“AI写、AI审”的闭环里持续变现。（1）QodoMerge：“懂业务规则的审查队友”旗下QodoMerge开源社区版已上架VSCode与JetBrains，官网打出“73.8%建议被采纳”的指标。与CodeRabbit专注于单次PR的局部分析不同，QodoMerge的优势在于“全局理解”。QodoMerge具备跨仓库的上下文理解能力，能够把多个模块的依赖关系放在一个整体图景里去分析，识别单点改动可能引发的连锁风险。这让它天然适合那些代码规模大、模块间高度耦合的团队。更进一步，QodoMerge还能把企业内部的业务规范转化为机器可执行的检测规则。比如，“支付模块必须埋点日志”这类原本靠人工遵守的规定，如今能被系统自动校验，从而让审查和合规融为一体。再加上完整的审查轨迹记录，它实际上帮企业搭起了一道“合规护城河”，在质量与监管层面建立长期壁垒。（2）Sourcery：“重构+审查一体化的编程搭档”相比之下，Sourcery选择了一条更轻量的路。它像一位专注“代码工艺”的搭档，从Python自动重构起家，如今GitHub上已有30万开发者使用。在Elixir和Reddit社区中，它因“建议相关度高”而口碑不错。Sourcery的基因是“重构工具”，它擅长让代码写得更好。扩展多语言后，它依旧强调“自动重构+深度审查联动”，不仅能指出问题，还能同时生成优化补丁。无论是变量命名、逻辑扁平化还是代码复用，都能做到“发现即修复”。这种“立刻解决”的体验，与CodeRabbit的“指出问题、由人修复”模式形成鲜明对比，更像是一个能帮开发者提速的实用伙伴。由于融资规模较小，Sourcery目前仍主要依靠订阅收入自我造血、持续训练模型。总结AI编程的浪潮，正在把软件开发拆成两半：一半是“写”，一半是“审”。前者早已被Copilot、ClaudeCode、Cursor等工具彻底点燃，而后者“代码审查”也正在成为新的高地。在这个环节里，企业真正买的不是一个模型，更像是一种信任机制：能不能让AI的每一句建议都“有出处、可追溯、可采纳”。CodeRabbit把AI审查变成团队日常，QodoMerge把业务规则写进机器语言，Sourcery则用自动重构让代码更优雅。它们共同指向一个趋势：AI不再只是“写手”，而是产品开发流程中的制度化角色。当写与审都被AI接管，下一步的竞争就不再是谁写得快、谁算得准，而是懂团队的节奏，懂代码背后的故事，懂人做决策的那份取舍。这，才是AI在软件世界里真正的“人味儿”。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
10/10
AI上山下乡，网商银行探了条新路
为农户做了一个专属智能体。9月23日，第8个农民丰收节，网商银行推出丰收卡。上线首周，丰收卡用户破100万。和农业农村部信息中心联合共建首个面向农户的专属智能体——AI农事助手。它相当于装在农民手机里的，一个24小时在线的“农技专家+气象专家+金融专家”。10年前，互联网方兴未艾，网商银行成立，用310服务——有支付宝就能用，3分钟申请，最快1分钟放款，0人工干预，改变了中小微企业和个体工商户的信贷服务方式。10年后，网商银行提出了AI时代的新310——360度的用户认知，1对1的专家级服务，0延时的实时交互。在刚刚过去的外滩大会上，它公开了AI在信贷、理财与营销方面的探索。外滩大会仅过去10天之后，这家银行推出了AI农事助手。“AI银行不是要不要做，而是必须加快速度做。”关于AI农事助手解决什么问题？和deepseek、豆包等通用模型相比有什么有什么区别和优势？以及对AI下乡的思考，我们和网商银行丰收卡的负责人宋晓聊了聊。宋晓，北大毕业。小时候在农村长大，摘过烟叶子，割过小麦。很长时间，他的职业标签都是产品经理。接手丰收卡，让他“有种重新靠近故乡的亲切感”。他认为，AI应该创造增量价值，让稀缺的专家服务惠及更多的农民。“他们不应该被抛在新技术的轨道之外。”AI农事助手=农技专家+气象专家+金融专家Q：具体来说，农民能用AI农事助手，来做什么？宋晓：相当于装在手机里的农技专家、气象专家和金融专家。农技专家。种地、养殖，万事不决问AI。比如问‘‘我家水稻叶子发黄咋办？’’、“母猪产后怎么护理？”……AI农事助手就能立刻结合当地的气候、土壤等情况，给出一个科学的解决办法。气象专家。AI能识别农户的定位，提供精确到乡镇的气象信息。当遇到极端气象或者台风、洪水、干旱等农活相关的灾害时，能提供智能预警，减少损失。金融专家。我们把网商银行的金融服务融合起来，当农户有资金周转需求时匹配贷款，有增值需求时推荐理财。Q：用户反馈如何，是不是真的需要AI？宋晓：比预期要好。查天气、学农技的人是最多的。我们的团队中，有不少同学家里都是农村的。不少还在农村种地、养猪养鸡的父母、叔伯就是这个产品的“种子”用户。中国是农业大国。统计数据显示，2024年底，农村常住人口有4.65亿左右，实际从事农业生产的约2.5-2.7亿。务农人口多，农村又分散。给每个人配备一个农技员、信贷员、理财经理几乎是不现实的，而AI让这个成为可能。Q：AI农事助手目前处在什么水平？宋晓：迈出了探索的第一步。它现在水平相当于一个本科生，已经具备完善的认知框架，常见的问题也可以应对。未来我们要把它训练成一个博士生，甚至一个真正意义上的专家。Q：AI回答不了的疑难问题怎么办？宋晓：人机协同。AI农事助手背后，还有1000+农技专家作为“智囊团”。AI回答不了的时候，可以一键切换到人工。竞争优势：比通用模型更“专业”，比科技公司更多特色服务Q：如果Deepseek、元宝、豆包也做一个相似的产品，你们还有竞争力吗？宋晓：有。这好比培养一位“领域专家”与一位“通识人才”的区别。通用大模型是知识渊博的“通才”，学习的是通识知识。AI农事助手则是在此基础上，经过千万级农业文献、技术手册和专家经验深度培养的“农业专家”。我们与农业农村部信息中心的合作共建，引入权威、高质量的数据。相当于为通用大模型提供了专业的“农业教科书”，从而使其成长为更懂农业的专用模型。此外，我们提供的不只是农技问答，AI农事助手不是单独的存在，它嵌入在网商银行丰收卡里，集成了一系列的特色服务。Q：丰收卡里还有哪些特色的服务？宋晓：首先，特色的信息服务，比如，农业补贴查询、气象灾害预警的服务。其次，专业的金融服务。丰收卡本身集合了支付、结算、贷款、理财等网商银行特色金融服务的。此外，还有农资折扣券、农业保险、电动车险、物流折扣券等实用的权益。这是一种“懂生产又懂金融”的独特创新。Q：信息安全怎么保障？宋晓：我们接入了银行级别的AI安全防护。每个用户的所有的咨询记录、位置信息，都像存款一样被严格加密和保护，绝不会泄露给任何第三方。我们定期还会给系统做‘全身体检’，堵住任何安全漏洞。AI下乡不是今天才开始，大山雀已经飞入“田间地头”Q：在信贷领域，网商银行之前已经在探索用AI服务农户。如何应用的？宋晓：是的。AI技术不等于大模型。5年前，网商银行就探索将卫星遥感应用于农村金融，推出了大山雀卫星遥感风控系统。“大山雀”的核心，在于回答“种的是什么、种了多大规模、长势如何”这三个关键风控问题。可以把它理解为架在太空中的一台特殊“相机”。它能捕捉到人眼看不见的光谱信息，而每种作物在不同生长阶段都有其独特的光谱特征，就像人的“指纹”一样。“大山雀”的AI模型经过海量数据训练，能够精准识别这些“光谱指纹”，从而判断作物类型、生长规模和长势，最终为农户的信贷申请提供客观、高效的依据。Q：大山雀系统目前的成效如何？宋晓：到2024年底，“大山雀”已累计服务了位于31个省份的181万种植户，其中超过八成的用户种植面积在10亩以下。都是以往金融机构难以服务的客户。互联网银行到AI银行，促进更多稀缺的服务平权Q：网商银行现在服务了多少用户？多少是农户？宋晓：我们累计服务的小微企业及个体户、农户等超过6800万，近一半来自县域及农村。Q：你们的员工有多少？宋晓：1900人，大约67%都是工程师。所以，科技是网商银行做普惠金融的基因。1900人，服务6800万客户，依靠传统的方式是不可能的，必须要通过技术创新。Q：今年网商银行也提出了AI银行战略。宋晓：是的。我们希望在未来十年，成为千万小微企业的AICFO。CFO不只是管企业的融资和投资，CFO也不只是会计。CFO是一个能提供产品和服务，能做生意参谋，能深度参与和指导企业经营的角色。中国90%的小微企业都没有CFO，也请不起CFO。如果他们因为AI能拥有专业的CFO服务，从而经营得更好，将为社会创造巨大的增量价值。Q：AI农事助手，也类似于农户的AICFO？宋晓：它现在刚起步，目前还不够成熟。未来如果我们做得足够好，我希望它扮演着这样的角色。Q：网商银行新310和老310有什么区别？宋晓：老310——3分钟申请，最快1分钟放款，0人工干预，是互联网时代的产物。它强调便捷、快速。新310——360度的用户认知，1对1的专家级服务，0延时的实时交互。它是AI时代的产物。它强调认知用户的全面，以及服务边界的拓展。更重要的是，稀缺的、专家级的服务的普惠。科技进步是通向金融服务平权的阶梯。而越是专家服务稀缺、匮乏的地方，AI应用的价值就越大。农村就是这样一片土壤。我们不能让农户被抛离在AI之外。这样一片土壤。我们不能让农户被抛离在AI之外。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
