AI前沿观察 - 头部企业鲸吞AI收益的真相

本期聚焦AI行业的企业转型动态、OpenAI代理功能增强及中美AI竞争背景下的创业生态演变。

•Allbirds转向AI云服务引发概念股投机现象热议

•OpenAI升级代理SDK，实现控制层与计算层分离以强化企业安全防护

•中国对Manna的审查影响初创企业的全球化战略布局

•黄仁勋倡导通过沟通对话而非出口管制应对中美AI竞争

•AI初创企业在地缘政治风险下调整人才招聘方案

•企业级AI代理正向符合安全与运营标准的方向加速发展

行业动态

曾估值40亿美元的休闲鞋品牌Allbirds，股价重挫99%后以3900万美元出售全部资产及知识产权，变成空壳公司，随后宣布转型为"AI Neo-Cloud Provider"，更名为Newbird AI，计划融资5000万美元。股价当日狂涨875%。《华尔街日报》指出5000万美元在AI基础设施领域微不足道（CoreWeave和Nvidia今年计划投入数百亿）。Matt Levine的点评最为犀利：存在两层解读——一层是"或许一家运动鞋公司做AI云计算能成功"，另一层是"Allbirds把自己变成了一只AI炒作股，这肯定能成"。此类操作在加密货币时代已有先例（Long Island Blockchain、Kodak等），大多以退市或被诉讼收场。

OpenAI更新了Agents SDK，加入了原生沙盒集成，将Harness层与计算层分离——安全凭证不与模型生成的代码共存、沙盒崩溃不会终止整个会话、可按需为每个Agent启动多个沙盒。这一架构思路与Anthropic的Managed Agents几乎一致——Anthropic称为"将大脑和双手解耦"，OpenAI称为"将Harness和计算分离"，两家独立探索却得出相同结论。SDK还升级了文件访问工具、增强了记忆和压缩功能。目标是让企业能利用自有基础设施部署长周期Agent。

OpenAI正将广告模式从展示付费向点击付费转变。试点初期广告主抱怨无法追踪转化效果，OpenAI的广告数据远比Google和Meta简陋。新模式下仅用户点击广告才收费，还在探索"购买行为付费"等效果导向定价。旨在降低广告主尝试这一新渠道的风险。

Manus事件的连锁反应正在扩散。中国AI创业者被迫"选边站"。一位AI Agent公司创始人表示："目前我认识的所有AI创始人都密切关注Manus事件。"一家AI视频创业公司联合创始人称："以前我们认为退出路径很多，现在的教训是——如果被收购，别让美国公司接手。被阿里或腾讯收购没问题。"但并非完全停止出海——一位在旧金山的华裔创始人说他现在改为在新加坡招聘开发人员，虽然成本更高、人才质量也不如国内团队，但他"不想再冒险组建中国团队了"。

黄仁勋在Dwarkesh播客上关于中国的言论引发争议。Dwarkesh提出了一个假设场景：如果中国获得足够先进芯片训练出Mythos级别的模型并用百万Agent发动网络攻击怎么办？黄仁勋直接否定了这个前提——他指出Mythos是用"相当普通的算力"由"一家特别优秀的公司"训练出来的，这种规模的算力在中国已经普遍存在。中国拥有全球约一半的AI研究人员、充足的能源和正在快速追赶的芯片制造能力。黄仁勋的核心观点是：问题不在于中国能否达到这个能力水平（他们会的），而在于他们是否会用它来攻击美国。核弹比喻：中国有核武器但没有对美国使用，因为他们不愿使用。他呼吁中美AI研究人员恢复对话，共同约定AI不应被用于什么。很多人说他只是在为对华GPU销售铺路，但Ed Elson的解读更深入：黄仁勋真正想说的是，出口管制无法阻止中国达到前沿AI能力，对话和互信才是更现实的安全路径。

（录制结束后Anthropic发布了Claude Opus 4.7，主持人预告明天单独做一期。）

主题深度探讨：AI的"大分裂"——所有裂痕都在同步扩大

节目主持人将2026年AI领域的核心叙事定义为"大分裂"（Great Divergence）——不是某一条裂痕在扩大，而是几乎所有维度上的裂痕都在同步扩大：企业中的领先者vs落后者、公众中的乐观派vs悲观派、不同年龄段员工之间、正式教育vs非正式教育之间。他用两份刚发布的重磅研究来展开这个论点。

Stanford AI Index报告（420页）：专家和公众活在两个世界

在"AI会如何影响人们的工作方式"这一问题上：73%的AI专家预期正面影响，公众仅23%——50个百分点的认知鸿沟。对经济的影响：69%的专家看好，公众仅21%。医疗是公众最乐观的领域（44%），但专家是84%。K-12教育：专家61%乐观，公众24%。唯一双方接近一致的领域是选举——专家也只有11%认为AI会带来正面影响，公众是9%。

在就业影响上，近三分之二的美国成年人认为AI会导致就业减少，但值得注意的是39%的AI专家也这么认为——不是一个边缘观点。

AI教育出现了一个荒谬的脱节：超过80%的美国高中生和大学生在学业中使用AI，但只有一半的中学和高中有AI政策，仅6%的教师认为这些政策是清晰的。所有人都在课堂之外学习AI技能，然后把它们写在LinkedIn上。

Stanford报告里最刺眼的一条数据：AI带来生产力提升最大的领域，恰恰也是入门级就业开始下降的领域。在软件开发领域——AI生产力提升最清晰（14-26%）——20-25岁美国开发者的就业人数下降了近20%，而年长开发者的数量在持续增长。这不仅是"AI vs就业"的分裂，更是"不同代际员工"之间的分裂。

中美模型差距不是分裂而是收敛——顶尖美国和中国模型的性能差距在缩小（虽然Mythos和Spud可能会重新拉开差距）。AI的"锯齿形前沿"依然存在：能拿国际数学奥赛金牌，但不能可靠地看时间。

PwC年度AI绩效研究：75%的红利被20%的公司吃掉了

调研了1200多位大型上市公司高管。核心发现：约75%的AI经济收益集中在排名前20%的公司。这是节目主持人见过的最清晰的领先者vs落后者量化指标。

"效率型AI" vs "机会型AI"的分野在这份研究里暴露无遗。领先企业有两倍的概率是在重新设计工作流以融入AI（而不是简单地把AI工具塞进现有流程）；有2-3倍的概率是在用AI寻找和追求增长机会、重新发明商业模式。PwC的总结：这些顶尖公司不是部署了更多AI工具，而是把AI当作增长和商业再造的催化剂，同时在数据治理和信任基础上也更扎实。

数据里一个反直觉的发现：领先企业同时在做更多自动化和更多治理。它们允许AI在护栏内执行多种任务的可能性是同行的两倍，允许AI自主优化的可能性也差不多，增加无人干预决策的速度是同行的近3倍。但与此同时，它们有1.7倍的概率建立了负责任AI框架，1.5倍的概率设立了跨职能AI治理委员会。员工对AI输出的信任度是落后企业的两倍。

底线数字：最"AI适配"的企业，其AI驱动的财务绩效是其他受访企业的7.2倍。

节目主持人的总结：随着AI渗透社会的方方面面，这些分裂只会继续加深。在政策领域，分歧可以激发更好的辩论和更审慎的行动；但在企业和个人层面，落后一方的分裂会直接威胁到个人的职业安全和组织的生存。

•Claude 4.7

•OpenAI

•Anthropic

•Meta

•Manna

•阿里巴巴

•腾讯

•NVIDIA

企业在构建AI代理时应优先考虑与现有基础设施的兼容性和数据安全控制。

🎧 扫码收听音频版

扫描下方二维码，收听完整音频 & 查看原文

觉得有用？点个在看和关注支持一下