实控人遭留置，新产业紧急回购维稳，国内外业务冷暖分化
投资参考可关注专业分析师报告，权威、专业、及时、全面，助力发掘潜在主题机遇！ 文章来源：证券之星 7月6日晚间，新产业(43.580, 1.57, 3.74%)（300832.SZ）突现实控人翁先定被留置的负面消息，公司着重说明翁先定早已脱离公司管理岗位，相关事件与公司无关。为缓解市场不安情绪，新产业次日一早迅速推出总额1亿至2亿元的股份回购计划，二级市场短暂下挫后逐步回暖。 证券之星观察到，回购短期内扮演市场“稳定器”，减轻了实控人事件引发的股价波动，却无法掩盖公司基本面与结构性问题。2025年，新产业
AI热潮背后藏泡沫
昨天又有读者问我，想听听我对这波AI热潮到底怎么看。我就直说了，三个点：长期绝对看好，短期明显过热，别指望它能马上给你赚大钱。先说为啥长期看好。这东西就像当年的互联网，方向是没错的。现在写代码、做视频、搞客服，哪个离得开AI？它是真能干活，不是纯忽悠。但问题出在“短期”。你现在去看看那些科技巨头的账本就知道了。他们为了搞AI，每年砸进去几千亿美金买显卡。英伟达那是赚得盆满钵满，但买卡的人呢？赚的远没有花的多。这就好比你开个出租车公司，车两年一换，结果跑两年车赚的钱还不够买新车的，这生意能持续吗？现在的AI
欧美企业转向中国AI：成本降低九成、性能仅差百分之一，全球AI竞争版图重塑中
欧美企业集体转向中国AI 成本降低九成、性能仅差百分之一，全球AI竞争版图重塑中成本降低九成、性能仅差百分之一，全球AI竞争版图重塑中江湖万相 · 热点解读📰 新闻事件概述 2026年7月，一场悄然的"技术迁移潮"正在全球科技领域展开。据多家科技媒体报道，Coinbase、Lindy等欧美知名企业近期纷纷将底层大模型从OpenAI、Anthropic更换为中国大模型。更换后的数据显示：推理成本降幅达30%-95%，性能差距仅1%-4%，定价却低60%-90%。 几乎同一时间，高盛发布50页深度报告，指出中
AI浪潮下的失业阴影
人工智能的推进虽推动了科技与社会进步，但受益者究竟是谁？它正悄然夺走底层劳动者的生计，压缩普通人的生存空间。我曾调研过两家工厂，其中一家生产薄膜，作业环境高温有毒，工人必须佩戴防毒面具。引入智能机器人后，原本三四十人的车间仅保留两人——一人负责AI系统运维，一人专司设备检修。效率看似提升，产量与质量飙升，且可24小时运转。老板借此裁撤了生产工人、食堂员工、医护及行政人员共八十余人，不再支付工资、社保、工伤赔偿，也省去食宿成本，运营成本骤降，利润暴增，从微利转为暴利。然而，获利的只有老板，而八十个家庭因此断
AI智能体走出PPT，但别急着交出密码
我刷到一条消息时，正站在便利店买咖啡。Anthropic推出Claude Sonnet 5，Google把Gemini Spark搬上Mac，OpenClaw终于能在手机运行，Cursor给编码agent配了移动助手，Acti直接在键盘里嵌入agent，连OKX都在搭建AI之间互相雇佣、转账的底层系统。这些不是零散新闻，而是挤在同一周爆发。2026年6月末到7月初，agentic AI仿佛约好了一样，把PPT里的演示变成了可下载、可付费、可使用的产品。说实话，我有点恍惚。前两年听‘AI agent’这个词
人工智能热潮的三大不可持续因素
一，通用人工智能难以实现！生成式AI大语言模型虽有价值，但未带来革命性变化，更谈不上颠覆性突破！距离颠覆式创新仍有很大差距！二，外围电力供应紧张！电力基础设施无法匹配算力建设，算力能发挥几成效用？若效能有限，算力建设是否真会大规模推进？每年承诺的资本支出能否真正落实？据查，国内出口总额的增幅与价格涨幅并不一致，即量价变化不匹配！若美日韩垄断高端算力和存储并人为炒作供给，难道中国市场的硬件供应也不充分？三，炒作导致巨大成本劣势！在获取高额利润的同时，也因高成本丧失竞争力！其大语言模型相比国内模型，价格虚高数
电力成本真占算力运营六成？真相并非如此
当下，伴随AI产业呈爆发式扩张，算力已然成为全球科技角逐的关键领域。在此形势下，算力产业的核心议题从过去的“争抢显卡”，逐渐转向“争抢电力”“争抢时效”。故而，算力与电力的协同变得尤为必要且紧迫。 算电协同，绝非“为算力提供电力”这般简单。瓦特（电力）与比特（算力）相互交融，怎样达成更高效、更低成本、更优协同？这笔“经济账”必须理清。 日前，上海证券报记者探访南方电网，就算电协同、算力网等议题展开采访。 为何要推进算电协同 “全球人工智能角逐，并非技术层面的单点较量，而是AI落地赋能实体经济、赋能全产业的
CIO必须警惕:员工Token消耗量不应成为AI成功的考核指标
导语：当下企业纷纷加速推进AI落地应用之际，不少首席信息官（CIO）却悄然陷入了一个隐蔽的评估误区——将团队消耗的Token数量等同于AI战略的成熟程度。当“使用频率”被错误地替代了“业务成效”，企业不仅会面临难以控制的开支黑洞，更会遮蔽那些急待优化的核心业务环节。当前CIO们承受着巨大压力——他们必须拿出真实可信的数据，向高层论证高昂AI投入的产出比。在此背景下，聊天机器人、智能体与生成式AI工具正以惊人的节奏在企业内部快速普及。从表面来看，生产力似乎是衡量成功的不二标准。在代码开发、文档撰写与内容创作
AI时代：效率已成基础，产出决定生死
「AI 让你用同样的人，做十倍的事」Glean 创始人 Arvind Jain 深度访谈解读这场访谈的核心张力围绕一个根本问题展开：在 AI 重塑一切的时代，企业究竟应该以"减员增效"还是"扩军备战"作为核心战略？Arvind Jain 作为 Glean（企业 AI 搜索与智能助手平台）的创始人，给出了与当下主流 CEO 共识截然相反的回答——他认为团队应该变得更大而非更小。01MENTAL MODELS三个思维模型， 穿透 AI 时代的竞争逻辑大多数人思考 AI 对组织的
AI企业盈利困局：每笔API交易背后的烧钱真相
▌ 前言2026年，OpenAI年收入突破400亿美元大关，却仍未实现盈利。Anthropic年度烧钱超过50亿美元，估值600亿却连毛利率都秘而不宣。Mistral自称欧洲最强开源模型，收入却不足1亿欧元。AI企业究竟能否盈利？这个问题远比表面看起来复杂。AI企业的成本结构与传统的软件公司截然不同——每一笔API调用背后，都在消耗实实在在的GPU算力、电力以及冷却资源。本文深入剖析AI企业的单位经济模型：收入来源何处、资金消耗在哪些环节、究竟需要多少付费用户才能覆盖成本。▲ API定价趋势图：大模型价格
本周AI项目推荐|Factory Router,Inworld Router,nexos.ai ...... Router 无处不在
步入 Agent 时代，一次任务不再仅仅是向模型提问，而是涉及规划、检索、调用工具、执行操作，以及反复核对结果。每多一个环节，都意味着 Token 的持续消耗。然而企业的 AI 支出已经无法承受 Token 随意消耗的局面，不能允许每个简单操作都调用价格昂贵的前沿模型。理想状态是：复杂任务交给最强模型，简单任务则分配给更经济的模型，让擅长代码、检索、推理的各类模型各尽其责。于是问题从“哪个模型最强”，转变为“最应该调用哪个模型”。Router 此前主要负责连接不同模型、切换供应商、平衡价格与稳定性。而现在
AI成本谁来扛
周六选题里，AI那条最像饭桌上会吵起来的问题。大家已经听腻了“AI提高效率”。集思录那个帖子热起来，是因为它往后多问了一步：机器替人把活干了，工资少下来的那一块，最后谁来消费？这个问题不玄。你把它拆成两张账单就行。一张在公司财务报表里，写着芯片、机房、电费、折旧；另一张在普通人的生活里，写着工资、房贷、孩子的课、周末一顿饭。AI最先打到的地方，是大公司的现金流表。买卡、租电、建机房、付云账单，这些东西没有诗意，都是硬支出。高盛相关测算把2026-2031年全球AI实体资本开支估到约7.6万亿美元，听起来像
AI时代，别追模型，要算成本
最近几条AI动态放在一起看，会发现一个趋势：AI竞争正从‘谁更强’转向‘谁更便宜、更稳、更能融入工作流’，我们也该换种用法了。这几天AI圈消息密集：OpenAI发布GPT-5.6，同时力推ChatGPT Work；Anthropic的Claude Fable 5从免费体验转向明确计费；Meta推出Muse Spark 1.1，以激进价格切入AI编程与API市场；Sam Altman在企业家场合被反复追问的，不再是‘模型还能多聪明’，而是‘AI怎么用得更省、ROI怎么算’；Anthropic也开始投入研究A
智能外呼系统：真人语音，获客神器
智能外呼系统使用拟真录音，话术内容能针对具体业务进行个性化配置。1、智能外呼系统效能出众，日通话量可达人工的5-10倍。人工每日仅能拨打200至300通，而系统单日可超3000通，且不知疲倦，严格遵循指令，保质保量，如同配备了一名不知疲倦的员工2、部署便捷，配置好系统后，仅需导入客户名单并设定时间，软件便能自动运行。对于有意向的客户，系统会自动推送至销售微信，销售人员仅需负责后续跟进，从而极大提升工作效率与业绩3、投入成本极低，三套系统的年度费用仅相当于一名员工的月薪。4、管理省心，设置完毕后全自动运行，
企业AI选型新趋势：从单挑到多模型组合
未来企业部署AI，将如同挑选云服务般，依据具体场景灵活搭配各类模型。核心观点：企业不再局限于单一AI模型，而是综合考量成本、性能、安全与场景需求，择优组合多元能力。01 / POINT过去众多企业常纠结于：究竟该与哪家模型合作？这一问题在早期确实具有意义，因为业界需要一个清晰的切入点。然而随着模型性能分化、定价差异、部署方案及业务场景日益多元化，单一押注某款模型的风险正在持续攀升。02 / POINT各类模型各有专长。有的擅长深度推理，有的精于长文本处理，有的在代码领域表现出色，有的成本更为经济，有的更适