🎙️ 微软三款AI模型同时发布背后的战略布局 从TTS选型难题到AI基础设施的价格战 军见数科·科技播客 | 时长 07:58 | 主持 十一 · 嘉宾 薛以致用 微软用三把钥匙同时开启AI基础设施大门 📋 节目简介 本期节目从实际开发article2podcast系统的TTS选型难题出发，深度解析微软同时发布的MAI-Transcribe-1、MAI-Voice-1、MAI-Image-2三款模型。致用分享了从edge-tts到ElevenLabs再到MiniMax的技术选型血泪史，并详细对比了新模型在语音识别、语音合成、图像生成三个独立赛道的技术优势和定价策略。我们还讨论了微软通过50-80%的价格优势打造AI基础设施的战略意图，以及当AI能力变成水电一样的基础设施时，产品护城河究竟在哪里。 ⏱️ 时间线 * 00:00 TTS选型的血泪史 — 从article2podcast系统开发中遇到的TTS引擎选型难题谈起，好听的太贵便宜的难听 * 00:47 微软三模型战略解读 — 分析微软同时发布三个模型的战略意图，对应AI的耳朵嘴巴和画笔三个独立赛道 * 01:43 MAI-Transcribe-1深度分析 — 详解语音识别新模型的技术优势、定价策略和与Whisper的差异化定位 * 02:40 MAI-Voice-1语音合成突破 — 60倍实时速度的语音合成能力，支持声音克隆和多语言的技术特点 * 03:46 MAI-Image-2图像生成 — 3秒生成4K图像，0.2分钱一张的极致性价比在营销行业的应用价值 * 04:30 微软的基础设施野心 — 通过骨折价格建立AI水电煤基础设施，为2027年自研通用大模型布局 * 05:13 AI商品化后的护城河 — 当AI能力价格趋向于零时，产品的真正护城河可能在数据和场景理解上 📝 Show Notes TTS技术选型实战经验 * edge-tts免费但听起来像导航，缺乏韵律起伏 [00:17] * ElevenLabs音质出色但按字符计费成本高昂 [00:17] * MiniMax中文语音自然且支持声音克隆，成为最终主力选择 [04:13] * 采用混合降级策略：MiniMax主力，ElevenLabs备选，edge-tts兜底 [04:13] MAI-Transcribe-1技术特点 * 英语单词准确率达99.8%，速度比Whisper Large v3快3倍 [01:43] * 字错误率3.8%，识别错误会传递给下游LLM影响整体体验 [02:40] * 定价每小时音频0.36美元，比OpenAI便宜约50% [03:03] * 中文场景仍推荐阿里SenseVoice，MAI优势在多语言通用性 [03:03] MAI-Voice-1语音合成突破 * 60倍实时速度生成，一分钟可生成一小时播客 [03:30] * 支持从10秒音频进行声音克隆，提供50多种声线 [04:13] * 声音更像会喘气的真人，有微小韵律起伏更显真实 [03:51] * 与ASR结合形成完整语音Agent技术栈，成本降低一半 [04:34] MAI-Image-2图像生成优势 * 生成4K图像仅需3秒，定价0.002美元比DALL·E 3便宜80% [05:21] * 已在Arena.ai排行榜进入前三，与Midjourney V8同台竞技 [05:21] * WPP选择它因为改稿时间成本降低，批量创意素材效率提升 [05:42] * 写实场景表现强劲，但艺术渲染感仍有差距 [06:01] 微软AI基础设施战略 * 三个模型对应企业应用最高频的感知层需求 [06:21] * 通过50-80%的价格优势吸引开发者到Microsoft Foundry [06:44] * 为2027年自研通用大模型发布做生态准备 [06:44] * 当AI能力价格趋向于零，护城河转向数据和场景理解 [07:13] 💬 金句摘录 「微软这是在同时打通三条独立赛道，这背后的逻辑很清晰」 —— 薛以致用 [00:34] 「Whisper是流利的口译员，MAI-Transcribe-1想做的是法庭速记员」 —— 薛以致用 [01:11] 「一秒钟生成一分钟音频，一个小时的播客，模型一分钟就能生成完」 —— 薛以致用 [02:32] 「处理100万分钟通话大概1万美元，比用Whisper API加ElevenLabs便宜一半多」 —— 薛以致用 [03:21] 「微软不是在做通用模型，而是要做企业AI的水电煤」 —— 薛以致用 [04:34] 「这不是正常的市场竞争定价，这是战略价格攻势」 —— 薛以致用 [04:55] 「当技术本身不再是壁垒，护城河可能在数据、在场景理解、在用户体验的细节上」 —— 薛以致用 [05:21] 🏷️ 标签 微软AI #语音识别 #TTS #ASR #图像生成 #API定价 #技术选型 #AI基础设施 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ AI安全公司的信息安全翻车现场 Anthropic泄露门背后的行业反思 军见数科·科技播客 | 时长 10:09 | 主持 十一 · 嘉宾 薛以致用 AI安全公司连自己的信息安全都搞砸了，这个翻车现场给整个行业敲响警钟 📋 节目简介 这期节目聊了个特别讽刺的事：AI安全领域的明星公司Anthropic，居然因为一个低级的CMS操作失误，把自家的秘密武器Claude Mythos给泄露了。更巧的是，他们正在跟五角大楼打官司争AI安全问题。我们和薛以致用深入分析了这次翻车事件背后的技术、法律和商业层面问题，探讨了AI公司普遍存在的「技术至上」文化偏见，以及为什么连基础信息安全都做不好的公司很难获得客户信任。这个案例给整个AI行业都敲响了警钟。 ⏱️ 时间线 * 00:00 泄露事件始末 — 介绍Anthropic公司CMS操作失误泄露Claude Mythos模型的基本情况和背景 * 01:33 五角大楼法律纠纷 — 深入分析Anthropic与五角大楼围绕2亿美元国防合同的法律争议 * 02:43 技术安全管理缺陷 — 探讨AI公司在传统信息安全管理方面存在的系统性问题 * 03:37 竞争影响分析 — 分析泄露事件对竞争格局和技术优势的影响 * 04:39 客户信任危机 — 讨论安全事故对企业客户关系和市场信任的长期影响 * 06:05 行业监管趋势 — 展望此次事件对AI行业监管政策和安全标准的推动作用 📝 Show Notes 核心事件回顾 * Anthropic因CMS操作失误泄露Claude Mythos（代号Capybara）详细信息 [00:49] * 该模型在网络安全、编程和学术推理方面实现'质的飞跃' [01:02] * 原计划优先向网络防御者发布，现在所有策划都泡汤了 [01:02] 法律纠纷背景 * 争议围绕2亿美元国防合同，Anthropic拒绝让Claude用于自主战争 [02:09] * 联邦法官发布临时禁令，称五角大楼做法'违法且武断' [02:09] * Claude在战争能力方面领先竞争对手6-12个月 [04:11] 安全管理问题 * 现代CMS应有四层防护：认证、审核、版本控制、监控告警 [03:11] * 人为错误占数据泄露原因23%，AI公司可能更高 [03:11] * AI公司安全人员与开发人员比例1:15，传统公司1:8 [06:33] 市场影响分析 * 竞争对手可能3-6个月基于泄露信息开发竞争产品 [04:11] * 87%企业会因AI服务商安全事故重新评估合作 [08:33] * 网络安全技术泄露可能被恶意行为者用于攻击 [06:05] 行业启示 * 只有34%的AI公司建立专门的AI安全管理流程 [06:33] * AI公司多从学术机构发展，研究文化与商业保密冲突 [07:06] * 需要在技术创新和安全管理之间找到平衡 [09:24] 💬 金句摘录 「再高深的AI安全理论，也弥补不了CMS操作这种基础管理的漏洞」 —— 薛以致用 [00:49] 「AI公司的安全投入只占研发预算3-5%，远低于传统软件公司的8-12%」 —— 薛以致用 [03:11] 「83%的企业把信息安全能力列为选择AI服务商的首要标准，重要性超过技术性能和价格」 —— 薛以致用 [04:06] 「AI工程师平均跳槽周期2.3年，传统软件工程师是3.8年」 —— 薛以致用 [05:03] 「技术再先进，如果连基本的信息安全都做不好，就很难获得客户和监管部门的信任」 —— 十一 [06:33] 🏷️ 标签 Anthropic #Claude #AI安全 #信息安全 #数据泄露 #五角大楼 #网络安全 #科技公司 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ AI Agent融资潮背后的千倍估值分化现象 从2.5亿到200万美元的赛道洗牌 军见数科·科技播客 | 时长 09:39 | 主持 十一 · 嘉宾 薛以致用 AI Agent赛道千倍估值分化，揭示从技术到应用的深度转型 📋 节目简介 一周6家AI Agent公司融资超3亿美元，估值差距竟达1000倍！本期节目深度解析这轮融资潮背后的结构性分化：为什么Lyzr AI能拿到2.5亿美元估值？为什么一半公司都在做安全？从通用平台到垂直应用，从基础设施到细分场景，这种分化趋势预示着什么？十一和薛以致用带你看透Agent赛道的冰与火，理解技术成熟期的投资逻辑和创业机会。 ⏱️ 时间线 * 00:00 融资潮概览 — 介绍一周6家公司融资超3亿美元的现象，探讨1000倍估值差距背后的原因 * 01:18 金字塔结构分析 — 详细分析从通用平台到垂直应用的完整产业光谱和估值逻辑 * 02:30 垂直场景深度 — 深入探讨临床试验、工业运营、私募资本等垂直领域的价值创造 * 04:07 安全基础设施 — 分析为什么50%的公司都在做安全，安全治理如何成为基础设施 * 06:03 投资逻辑差异 — 对比传统VC和企业投资的不同逻辑，解读战略投资价值 * 06:55 未来演进趋势 — 预测Agent赛道的分化趋势和三层生态格局 📝 Show Notes 融资潮全景扫描 * 一周6家公司融资超3亿美元，估值差距达1000倍 [00:20] * Lyzr AI以2.5亿美元估值领跑，接近早期Databricks水平 [01:30] * 从通用平台到垂直应用形成完整产业光谱 [01:18] * 历史对比：1999年互联网泡沫时期的估值分化现象 [00:55] 垂直应用的价值创造 * BioRCE瞄准440亿美元临床试验市场，成功率可提升至20-25% [02:05] * Archimetis选择7670亿美元工业4.0市场，需要毫秒级响应 [06:36] * Ezra专攻4万亿美元私募资本市场，个性化需求强 [07:02] * 垂直场景共同特点：市场大、付费能力强、技术壁垒高 [02:40] 安全治理成为基础设施 * 50%的公司做安全，远超传统AI创业的15%比例 [03:13] * Enkrypt AI两位耶鲁博士做企业LLM安全，学术背景重要 [03:44] * PayPal战略投资Zendata，每天处理4100万笔交易需要治理 [04:14] * Gartner预测2027年企业AI治理支出达120亿美元 [04:42] 投资逻辑与技术路线 * 传统VC关注团队和时机，CVC更重视战略协同 [08:02] * 技术路线分化：通用性vs专用性vs可靠性 [08:29] * 估值差异反映商业模式验证程度不同 [07:33] * 未来形成'平台+应用+基础设施'三层生态 [08:55] 行业发展趋势预测 * 从技术驱动向应用驱动转变，Agent处于转折点 [05:11] * 分化趋势将持续加剧，各层有不同竞争逻辑 [08:55] * 通用平台向超级平台集中，垂直应用深耕细分 [08:55] * 安全治理将成为标配基础设施 [08:55] 💬 金句摘录 「历史总是押韵的。1999年Amazon市值360亿美元，但同期大部分电商创业公司估值只有几百万。最终活下来的都是专注特定价值链、有清晰商业模式的公司。」 —— 薛以致用 [00:40] 「McKinsey预测企业级Agent市场2030年达到1800亿美元，头部平台可能占60-70%份额，所以投资者敢给这么高估值。」 —— 薛以致用 [01:54] 「临床试验市场440亿美元，但效率问题严重：平均成本10亿美元，成功率只有12%。AI Agent能把成功率提升到20-25%，成本降低30-40%。」 —— 薛以致用 [02:30] 「6家公司中3家做安全，比例50%，远高于传统AI创业的15%。这反映了Agent技术的关键特征：随着部署在关键业务场景，安全治理从'可选项'变成'必需品'。」 —— 薛以致用 [04:35] 「每个部署Agent系统的企业都需要安全防护和合规工具，这创造了与Agent市场规模正相关的刚需市场。」 —— 薛以致用 [05:32] 「这是技术发展的历史规律。互联网、云计算都经历了从'技术驱动'到'应用驱动'的转变。Agent技术现在正处于这个转折点。」 —— 薛以致用 [06:03] 🏷️ 标签 AI Agent #创业融资 #估值分化 #垂直应用 #AI安全 #企业服务 #投资趋势 #技术创业 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ 用马车规则管飞机？美联储老框架遭遇AI新物种的监管困局 传统金融监管如何应对LLM挑战 军见数科·科技播客 | 时长 09:12 | 主持 十一 · 嘉宾 薛以致用 当万亿参数AI遇上2011年监管框架，华尔街正在经历一场前所未有的合规风暴 📋 节目简介 2026年，超过60%的大型银行在使用LLM系统，但只有不到20%能满足合规要求。当华尔街用2011年的SR 11-7框架监管AI时，会发生什么？本期节目深入探讨美联储传统监管框架与大语言模型的根本性冲突：从百万级参数到万亿级参数的指数跃迁、从确定性输出到随机性决策的范式转变，以及银行业保守派与激进派的分化策略。我们还会聊到欧盟AI法案的启发、监管套利的风险，以及适应性监管的未来方向。这不只是技术问题，更是一场关于金融创新与风险控制的深层博弈。 ⏱️ 时间线 * 00:00 魔幻现实 — 华尔街用2011年监管框架管理2026年AI系统的魔幻现象，LLM成功率仅58%但监管要求百分百可解释 * 00:59 框架溯源 — SR 11-7诞生背景和设计逻辑，从百万级参数到万亿级参数的质变挑战 * 02:05 合规困境 — 60%银行部署LLM但仅20%合规，可解释性、验证测试、治理结构三重困境分析 * 04:21 行业分化 — 银行业应对策略分化：摩根大通保守派、高盛激进派、花旗渐进派的不同路径 * 06:01 监管博弈 — 监管机构的纠结态度，适应性监管概念和国际经验借鉴 * 07:20 未来展望 — 技术发展与监管滞后的时间差风险，以及对银行的三个能力建议 📝 Show Notes 监管框架的时代错配 * SR 11-7框架诞生于2008年金融危机后，基于可预测、可追溯、可量化三大假设 [00:59] * LLM参数从百万级跃升至万亿级，GPT-4传言超过1万亿参数 [01:29] * 同样输入可能产生不同结果，颠覆传统监管认知 [01:29] * 60%大型银行部署LLM，但仅20%满足合规要求，存在40%合规缺口 [02:05] LLM监管三重困境 * 可解释性悖论：决策基于语言模式、情感倾向等难以量化因素 [02:34] * 验证测试盲区：面临对抗性攻击、提示注入等新型风险 [03:26] * 治理结构错配：银行使用外部AI公司模型时责任边界模糊 [04:21] * 语言风格差异可能影响相同财务条件的审批结果 [02:59] 银行业应对策略分化 * 保守派（摩根大通）：严格限制应用范围，仅用于低风险功能 [04:48] * 激进派（高盛）：AI研发投入超10亿美元，采用灰度管理策略 [05:09] * 渐进派（花旗）：按风险等级分层部署，与三家AI公司合作试点 [06:01] * 激进派通过主动参与监管制定过程应对合规风险 [05:39] 监管发展趋势与建议 * 美联储考虑修订SR 11-7，引入适应性监管概念 [06:26] * 欧盟AI法案采用基于风险的分类方法提供重要参考 [06:54] * 技术发展与监管制定存在时间差，可能引发系统性风险 [07:20] * 银行需建立技术理解、风险识别、监管沟通三大核心能力 [08:19] 💬 金句摘录 「美联储的SR 11-7框架当年是为传统统计模型设计的，现在要用它来监管LLM，就像用马车的交通规则来管理飞机一样」 —— 薛以致用 [00:23] 「GPT-3有1750亿参数，GPT-4传言超过1万亿。这是指数级的增长，带来了质的变化」 —— 薛以致用 [01:29] 「两份财务指标完全相同的贷款申请，一份用正式商业语言，另一份比较口语化，LLM可能给出不同结果」 —— 薛以致用 [02:59] 「出了问题是OpenAI的责任还是银行的责任？责任边界变得模糊」 —— 薛以致用 [04:16] 「技术发展太快，监管总是滞后，我们不能等待完美的框架出现」 —— 薛以致用 [05:09] 「技术每几个月就有重大突破，但监管制定需要几年时间。这个时间差里最怕出现系统性事件」 —— 薛以致用 [06:54] 🏷️ 标签 AI治理 #金融监管 #大语言模型 #美联储 #SR11-7 #风险管理 #银行业 #监管科技 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ 从挖矿到AI推理的算力大迁徙 德州比特币矿场转型背后的深层逻辑 军见数科·科技播客 | 时长 08:45 | 主持 十一 · 嘉宾 薛以致用 比特币矿场大规模转型AI推理中心，算力正在重新定义数字经济 📋 节目简介 德克萨斯州的比特币矿场正在大规模改造成AI推理中心，这不是个别现象，而是一场系统性的算力资源重新配置。本期节目邀请薛以致用深度解析这场「算力大迁徙」背后的经济学原理、技术挑战和地缘政治影响。从收益差异到基础设施改造，从商业模式创新到监管挑战，全面剖析这场正在重塑数字经济基础设施的变革。听完你会发现，这不仅仅是硬件的重新配置，更是整个价值创造逻辑的根本性转变。 ⏱️ 时间线 * 00:00 算力大迁徙现象 — 德州比特币矿场转型AI推理中心的背景和规模，30%大型矿场正在转型 * 00:40 经济驱动力分析 — AI推理与挖矿的收益差异，H100年收益15000美元vs挖矿4000美元 * 01:11 基础设施改造挑战 — 电力、冷却、网络系统的复杂升级需求，技术要求差异巨大 * 02:37 商业模式转型案例 — Core Scientific、Marathon Digital等公司的转型策略和市场表现 * 03:07 地理分布变化 — 算力从偏远地区向大城市周边迁移，奥斯汀附近算力密度增长400% * 04:00 地缘政治影响 — 算力主权概念兴起，各国政策支持和数字主权战略 * 04:56 技术创新推动 — 专用AI芯片挑战GPU，新框架和编程范式变化 * 05:48 行业连锁反应 — 对电力、储能、房地产、金融服务等行业的广泛影响 * 07:26 未来发展趋势 — 业界三派观点分歧和市场分化预测 📝 Show Notes 算力迁移的经济学原理 * 全球至少30%的大型加密矿场正在考虑或已经转型 [00:21] * AI推理年收益15000美元 vs 挖矿4000美元，收益差异300% [00:50] * AI推理是正和游戏，挖矿是零和游戏的本质区别 [00:50] * 德州奥斯汀附近算力密度两年增长400% [03:16] 基础设施改造的技术挑战 * Riot Platforms电力系统升级投入8000万美元，包括12台2MW的UPS系统 [01:21] * GPU集群需要液冷技术，成本占总运营成本25% [01:50] * AI推理网络延迟必须控制在5毫秒以内，带宽需求400Gbps以上 [02:16] * 电压波动不能超过很小范围，温度波动超过2°C就影响推理精度 [01:40] 典型转型案例分析 * Core Scientific破产重组后转型AI计算，每瓦收益比挖矿高300% [02:46] * Marathon Digital与OpenAI签长期合作，股价3个月涨180% [02:46] * AI基础设施工程师需求增长400%，薪资比传统运维高60% [06:44] 技术创新与产业影响 * Google TPU v4比同代GPU性能高40%，能耗降低60% [05:02] * Groq的LPU在语言模型推理中比GPU快10倍 [05:02] * 从'代码+数据'模式转向'模型+提示'模式 [05:30] * Goldman Sachs AI算力指数基金年回报率45% [06:18] 地缘政治与监管挑战 * 德州《AI算力促进法案》提供10年税收减免 [04:09] * 欧盟推出数字主权战略，2030年前实现AI应用算力自给自足 [04:35] * 亚马逊AWS在欧洲投资150亿欧元建AI数据中心 [04:35] * GDPR要求AI系统提供完整数据流向追踪 [07:07] 💬 金句摘录 「一张NVIDIA H100 GPU用于AI推理的年收益约15000美元，而同等算力用于以太坊挖矿只有4000美元左右。更重要的是，AI推理是正和游戏，市场在不断扩大，而挖矿是零和游戏。」 —— 薛以致用 [00:50] 「Core Scientific的CEO说AI推理每瓦收益比比特币挖矿高300%。Marathon Digital更激进，不仅转型还和OpenAI签长期合作，股价3个月涨了180%！」 —— 薛以致用 [02:46] 「挖矿本质是零和游戏，总奖励固定，参与者越多单个收益越低。但AI计算是正和游戏，每个新应用都创造新需求。」 —— 薛以致用 [03:40] 「算力正在成为新的战略资源。」 —— 薛以致用 [04:35] 「专用AI芯片正在挑战GPU主导地位。Google的TPU v4在某些任务中比同代GPU性能高40%，能耗却降低60%。」 —— 薛以致用 [05:02] 「'算力期货'、'GPU租赁保险'、'AI算力指数基金'等创新产品层出不穷。算力正在金融化！」 —— 薛以致用 [06:18] 「我认为这是不可逆转的结构性转型，但发展路径会很复杂。AI算力需求有强劲基本面支撑，符合资源配置效率提升逻辑。」 —— 薛以致用 [07:55] 🏷️ 标签 AI算力 #比特币挖矿 #数字基础设施 #算力迁移 #GPU转型 #科技趋势 #数字经济 #地缘政治 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ AI就业冲击没那么可怕？Anthropic和美联储数据揭示真相 年轻人求职难才是隐藏危机 军见数科·科技播客 | 时长 05:55 | 主持 十一 · 嘉宾 薛以致用 AI就业冲击比想象温和，但年轻人求职门槛在悄然抬高 📋 节目简介 当全世界都在担心AI抢工作时，Anthropic和美联储几乎同时发布的研究报告却给出了意外结论：AI对就业的实际影响远低于恐慌预期。计算机岗位AI潜在暴露率94%，但实际暴露率只有33%？企业AI采纳率高反而刺激招聘？但数据背后隐藏着更严重的问题——22-25岁年轻人在相关岗位的招聘下降了14%。薛以致用老师深度解析四大结构性原因，揭示AI冲击的分层化特征，以及为什么人才培养管道断裂才是真正的长期威胁。 ⏱️ 时间线 * 00:00 双重研究惊人一致 — Anthropic和美联储同日发布报告，AI就业实际影响远低于预期恐慌 * 00:00 四大结构性原因 — 组织惯性、可靠性问题、经济激励错位和劳动力自适应机制解释差距 * 01:23 年轻人招聘危机 — 22-25岁群体招聘下降14%，AI冲击呈现分层化特征 * 00:00 政策窗口与应对 — 2027-2028年AI采纳将全面加速，政策制定者面临关键时间窗口 * 03:16 个人准备策略 — 三个层面的能力建设和主动适应建议 📝 Show Notes 核心研究发现 * Anthropic研究：计算机岗位AI潜在暴露率94% vs 实际暴露率33% [00:21] * 美联储数据：AI采纳率高的企业职位发布数量未减少，系数略微偏正 [00:46] * 两份报告同日发布，结论完全一致：实际影响远低于恐慌预期 [00:21] 实际影响低于预期的四大原因 * 组织惯性：企业AI替代需要巨大变革成本，多选择渐进式人机协作 [01:04] * 可靠性问题：Salesforce数据显示企业级场景成功率仅58%，多轮对话35% [01:29] * 经济激励错位：企业部署AI目标是增收入而非降成本，开发新产品服务 [01:55] * 劳动力自适应：人会主动学习AI技能适应变化 [01:55] 隐藏的分层化危机 * 22-25岁年轻人在AI相关岗位招聘下降14% [02:17] * AI让现有员工产出放大，企业减少入门级新员工招聘 [02:32] * 人才培养管道面临断裂风险，五年后可能演变成代际就业危机 [03:23] * IT行业失业率已达5.5%，行业差异显著 [04:20] 时间窗口与应对策略 * 40%企业在2025年还没有AI投资，已采纳企业生产力提升仅0.4%-0.8% [03:55] * 2027-2028年AI采纳将全面加速，政策窗口正在关闭 [03:55] * 个人准备三层面：学用AI工具、培养批判评估能力、建立跨学科储备 [04:44] * 企业从AI试点到全面推广会很快，需主动准备而非被动等待 [05:02] 💬 金句摘录 「计算机岗位AI潜在暴露率94%，但实际暴露率只有33%」 —— 薛以致用 [00:21] 「企业级场景中大语言模型单轮操作成功率只有58%，多轮对话更是降到35%」 —— 薛以致用 [00:46] 「对有工作的人，AI是增强工具让他们更有价值；对没进入市场的年轻人，AI是越来越高的门槛」 —— 薛以致用 [01:47] 「年轻人招聘下降是领先指标，不是滞后指标」 —— 薛以致用 [00:00] 「预计2027-2028年AI采纳会全面加速，政策制定者还有一个宝贵但正在关闭的窗口期」 —— 薛以致用 [02:52] 「最难替代的是需要多领域专业知识创造性综合的复杂决策任务」 —— 薛以致用 [03:20] 🏷️ 标签 人工智能 #就业市场 #Anthropic #美联储 #职场变革 #年轻人就业 #AI政策 #科技趋势 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ AGI共识正在崩塌，76%专家质疑大模型路径 从Scaling Law到多元化探索 军见数科·科技播客 | 时长 09:46 | 主持 十一 · 嘉宾 薛以致用 AGI路径共识崩塌，多元化探索或许才是突破关键 📋 节目简介 当NVIDIA CEO说AGI五年内实现时台下掌声雷动，但最新调查显示76%的AI专家认为光靠扩展大语言模型不够。这期节目和薛以致用深入分析了这种态度转变背后的原因：数据墙、能耗边界、智能涌现的质疑，以及AGI定义本身的分歧。我们还探讨了神经符号AI、具身智能、多模态融合等替代路径，以及Arm AGI CPU等硬件创新。从工业界的务实定义到学术界的严格标准，AGI的实现可能比我们想象的更复杂，但也更有趣。 ⏱️ 时间线 * 00:00 专家态度大转变 — 76%AI专家质疑LLM路径，从Jensen Huang的乐观预测到顶级机构研究员的态度转变 * 00:43 Scaling Law遭遇硬墙 — 数据墙和能耗边界成为扩展大模型的根本性障碍，AI生成内容污染加剧问题 * 01:54 智能涌现的质疑 — 纯粹扩展规模能否产生真正智能存疑，统计模式匹配vs真正理解的根本分歧 * 03:00 AGI定义大分裂 — 工业界务实标准vs学术界严格要求，不同定义导致对进展的截然不同判断 * 04:13 多元化技术路径 — 神经符号AI、具身智能、多模态融合等替代方案，从理论到实践的新探索 * 06:14 硬件军备竞赛 — Arm AGI CPU标志硬件专业化趋势，但技术路径错误的历史风险值得警惕 * 07:21 时间线与未来展望 — 从乐观派的2027年到怀疑派的20年，渐进式AGI和人机协作可能是答案 📝 Show Notes Scaling Law的困境 * 76%顶级AI专家质疑纯LLM路径，包括Google DeepMind、Anthropic等机构研究员 [00:22] * 数据墙危机：2026年高质量文本数据将耗尽，互联网优质内容不到10% [00:54] * AI生成内容污染导致'模型崩溃'，用AI数据训练AI性能指数级下降 [01:22] * 能耗超线性增长：GPT-4训练耗电50GWh，下一代可能需要小城市级电力 [01:54] AGI定义的根本分歧 * 工业界务实标准：在经济价值工作中超越人类的系统，OpenAI聚焦软件开发等领域 [03:00] * 学术界严格要求：通用学习、抽象推理、创造性、常识理解、元认知能力 [03:22] * 印度AI峰会分歧：Sundar Pichai强调实用价值，Yann LeCun明确否认AGI即将实现 [03:55] 新兴技术路径探索 * 神经符号AI复兴：IBM、Microsoft巨资投入，结合神经网络学习与符号推理能力 [04:20] * DeepMind AlphaGeometry成功案例：几何定理证明中神经符号系统表现更稳定 [04:42] * 具身智能突破：Tesla Optimus代表，通过物理交互发展真正理解能力 [05:13] * 多模态融合进展：GPT-4V医学影像解读，Gemini Ultra多模态推理达人类水平 [06:14] 硬件创新与风险 * Arm AGI CPU规格：单机架272核心，200kW液冷，Meta、OpenAI成为合作伙伴 [06:51] * 专业化硬件趋势：针对智能体系统的低延迟决策、复杂状态管理需求 [06:51] * 历史风险警示：1980年代Lisp机器随专家系统衰落而消失，技术路径选择至关重要 [07:21] 时间线预测与未来展望 * Alcazar Security分析：2028年最可能实现AGI，2029年前概率60% [07:51] * 观点分化：乐观派基于LLM进展预测2027-2028年，怀疑派认为需要10-20年 [07:51] * 渐进式AGI概念：不同领域的'窄AGI'逐步融合，人机协作智能可能是突破点 [08:19] * 健康质疑推动创新：多元化探索正是技术突破前夜的标志 [08:51] 💬 金句摘录 「维基百科、学术论文、经典文学这些高质量内容已经被训练过很多轮了。更糟糕的是，现在互联网上充斥着AI生成的内容，用AI生成的数据训练AI会导致'模型崩溃'，性能指数级下降。」 —— 薛以致用 [00:54] 「GPT-4训练消耗了约50GWh电力，相当于5万个美国家庭一年用电量。如果按趋势发展，下一代模型可能需要一个小城市的电力。MIT研究显示，模型规模增加10倍，能耗通常增加100倍。」 —— 薛以致用 [01:22] 「Gary Marcus一直批评大模型本质上还是统计模式匹配，缺乏真正的理解。Stanford最新研究发现，即使GPT-4在需要真正推理的任务上，仍然表现出明显局限性，无法进行可靠的因果推理。」 —— 薛以致用 [01:54] 「只有在真实世界行动和学习，AI才能真正理解物理定律和因果关系。MIT研究甚至发现，有机器人经验的AI在抽象物理推理上也表现更好。」 —— 薛以致用 [03:55] 「这种质疑是健康的。它推动了神经符号AI、具身智能、多模态融合等多元化探索。虽然Scaling Law遇到瓶颈，但这正是技术突破的前夜。历史告诉我们，最大的创新往往来自对主流路径的质疑和重新思考。」 —— 薛以致用 [08:15] 🏷️ 标签 AGI #人工智能 #大语言模型 #Scaling Law #神经符号AI #具身智能 #多模态 #硬件创新 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ AI泡沫论大辩论：2000亿美元投资背后的第一剂免费陷阱 理性投资还是新一轮泡沫？ 军见数科·科技播客 | 时长 10:04 | 主持 十一 · 嘉宾 薛以致用 AI免费策略背后的成本陷阱与2000亿投资泡沫之辩 📋 节目简介 AWS豪掷2000亿美元建AI基础设施，90%高管声称看到回报，但资深分析师却警告AI泡沫即将破裂。本期节目深度解析AI行业的「毒贩算法」——先免费引流再大幅涨价的商业策略。从Salesforce的35%成功率到科技行业5.5%失业率，从安全漏洞到政策风险，我们和薛以致用一起探讨：这波AI热潮到底是技术革命还是新泡沫？听完这期，你会对AI投资有全新认识。 ⏱️ 时间线 * 00:00 开场与核心争议 — 介绍AWS 2000亿投资与AI泡沫论的对立观点，引出核心争议 * 00:51 毒贩算法解析 — 深度剖析AI公司的免费获客策略及其成本结构问题 * 02:03 涨价信号与性能问题 — 讨论Salesforce涨价案例和AI技术的实际表现局限 * 03:02 投资规模与就业矛盾 — 分析2000亿投资的历史对比和科技行业失业率上升的矛盾 * 04:12 技术局限与安全风险 — 探讨AI技术的系统性问题和安全漏洞风险 * 05:12 政策风险与泡沫判断 — 分析政策不确定性，判断当前是否存在AI泡沫 * 06:10 投资建议与未来展望 — 为企业和个人提供实用建议，展望AI行业发展前景 📝 Show Notes AI行业的免费陷阱 * 几乎所有AI公司都在用免费策略获客，但AI计算成本极高 [01:00] * 成本增长是非线性的，从100个对话升级到10000个对话，成本可能是150-200倍 [01:33] * GPT-4相比GPT-3.5能力提升但推理成本增加了10-15倍 [01:33] 涨价信号与技术现状 * Salesforce AI Agent在CRM操作中成功率只有58%，多轮对话仅35% [02:09] * 产品性能不够好就开始涨价6%，说明成本压力明显 [02:09] * AI系统在多轮对话中会丢失早期信息，边缘情况占企业应用的20-30% [04:47] 投资规模与就业矛盾 * AWS 2000亿美元投资超过90年代电信泡沫时期的1000亿美元峰值 [02:43] * 美国IT行业失业率升至5.5%，8万多个科技岗位被裁减 [03:33] * 企业可能以AI为借口裁员，用更便宜的劳动力替换本土员工 [03:49] 安全风险与政策挑战 * LangChain和LangGraph披露三个CVE安全漏洞，包括文件系统访问和API密钥泄露 [05:19] * AI系统通过自然语言交互，任何输入都可能成为攻击向量 [05:19] * Anthropic与五角大楼的纠纷揭示AI公司在技术伦理和商业利益间的冲突 [06:17] 投资建议与未来展望 * 存在局部泡沫但不会全盘崩溃，投资节奏和规模可能脱离现实需求 [07:12] * 企业要谨慎评估AI投资的真实ROI，关注明确业务价值的应用场景 [07:38] * 2026-2027年是关键时期，免费策略不可持续性会更明显 [08:33] * 长期看AI是革命性技术，但发展过程比预期更复杂更漫长 [09:03] 💬 金句摘录 「AI不同于以往的互联网产品，计算成本极高。AWS甚至提供免费的动手实验室，教你怎么用他们的AI工具，但一旦你的应用上线，成本就会呈指数级攀升。」 —— 薛以致用 [01:00] 「一个AI客服系统从每天处理100个对话升级到10000个对话，成本可能不是100倍，而是150-200倍。」 —— 薛以致用 [01:33] 「Salesforce刚发布测试报告显示AI Agent在CRM操作中成功率只有58%，多轮对话更是只有35%，但同时宣布涨价6%。」 —— 薛以致用 [02:09] 「我怀疑很多企业是在'以AI为借口裁员'，实际上用更便宜的劳动力或H-1B签证替换本土员工。」 —— 薛以致用 [03:49] 「一次严重的AI安全事件可能导致数百万美元损失、客户信任永久损害、监管严厉处罚。」 —— 薛以致用 [04:47] 「我倾向于认为存在局部泡沫，但不会全盘崩溃。问题在于投资节奏和规模可能脱离了现实需求。」 —— 薛以致用 [05:48] 「长期绝对乐观！AI确实是革命性技术，会深刻改变我们的工作和生活方式。问题不在于方向，而在于节奏和方式。」 —— 薛以致用 [06:50] 🏷️ 标签 AI泡沫 #AWS投资 #免费策略 #科技行业 #商业模式 #技术分析 #投资风险 #人工智能 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ AI Agent 自动化率仅 2.5%，为何大厂还在疯狂裁员 Scale AI 报告揭示的 AI 就业悖论 军见数科·科技播客 | 时长 09:09 | 主持 十一 · 嘉宾 薛以致用 AI 只能自动化 2.5% 工作，企业却疯狂裁员的真相 📋 节目简介 Scale AI 最新报告显示，最强 AI Agent 只能自动化 2.5% 的远程工作，但美国 1 月份裁员却暴增 118%。这个巨大悖论背后隐藏着什么？本期节目深入分析 Remote Labor Index 报告，探讨为什么「会考试」的 AI 不会「干活」，企业为何提前下注未来，以及普通从业者该如何应对这场变革。从 Anthropic 的工作哲学到 Agent 基础设施投资机会，从花旗银行的生产力红利到政府的新大协议，我们试图在恐慌和乐观之间找到理性讨论的基础。 ⏱️ 时间线 * 00:00 2.5% 的冰冷现实 — Scale AI 报告显示 AI Agent 自动化率仅 2.5%，与大规模裁员形成巨大悖论 * 01:44 裁员悖论的三大原因 — 分析企业疯狂裁员的真实动机：提前下注、借口挡箭牌、测量场景局限 * 02:35 会考试不等于会工作 — 对比考试排行榜与工作能力，揭示 Anthropic 领先的哲学差异 * 03:40 基础设施才是瓶颈 — 探讨阻碍 AI 工作能力的关键因素和相关投资机会 * 04:38 2.5% 的演进路径 — 预测自动化率提升轨迹和对从业者的实际影响 * 06:00 积极应对方案 — 花旗银行生产力红利、政府新大协议等创新解决思路 * 06:52 重新定义 AI 竞争 — RLI 如何改变前沿模型竞争格局和评判标准 📝 Show Notes 核心数据与悖论 * Scale AI Remote Labor Index 显示前沿 AI Agent 自动化率仅 2.5% [00:22] * Claude Opus 4.6 排名第一达到 4.17%，但在考试排行榜仅第四 [03:04] * 美国 1 月份裁员 10.8 万人，同比暴增 118% [00:44] * Amazon 裁 1.6 万人，UPS 裁 3 万人，Epic Games 裁掉 20% 员工 [00:58] 企业裁员的三大真实原因 * 提前押注：模型能力 6 个月内提升 50%，企业提前 12-18 个月重组 [01:20] * 借口挡箭牌：'AI 转型'比'业绩不好'更容易向董事会解释 [01:50] * 测量局限：RLI 测的是 AI 最不擅长的软技能场景 [02:15] * Forrester 数据：55% 因 AI 裁员的企业后来后悔了 [06:59] AI 基础设施投资机会 * 三大缺失：身份验证、通信协调、知识共享 [04:18] * CapiscIO 做 Agent 身份验证，EigenFlux 做通信网络 [04:42] * Mozilla cq 项目构建 Agent 知识共享平台 [04:42] * 基础设施公司比应用公司有更深护城河，现在还在种子期 [05:10] 应对策略与未来趋势 * 学会'人机混合'工作模式，专注强捆绑岗位 [06:09] * 花旗银行'生产力红利'：与员工分配 AI 带来的额外收益 [06:59] * 政府'新大协议'：三方共担转型成本和收益 [07:26] * 2.5% 可能 18 个月后翻倍到 5%，36 个月后达到 10% [05:39] 行业竞争格局变化 * 竞争重心从'考试能力'转向'工作能力' [07:53] * OpenAI 成立 Frontier Alliances 做企业落地 [07:53] * Anthropic 精耕工作能力，估值 380 亿美元准备 IPO [03:46] * RLI 重新定义了 AI 能力评判标准 [08:15] 💬 金句摘录 「CEO在押注未来而不是当下。企业不想等到AI真能替代15%工作时才重组，因为大规模重构本身需要12-18个月。」 —— 薛以致用 [00:58] 「很多裁员跟AI没关系，但'AI转型'是最好的挡箭牌。对董事会说'AI驱动的组织转型'比说'业绩不好'好听一万倍。」 —— 薛以致用 [01:20] 「这就是'会考试'和'会工作'的区别！考试是结构化的，有明确边界。工作是混沌的——涉及无数隐性信息和人际判断。」 —— 薛以致用 [02:09] 「Anthropic一直强调'有用性'而非'聪明程度'。这种哲学在考试上不占优势，但在真实工作中效果显著。」 —— 薛以致用 [02:35] 「瓶颈不是模型能力，而是基础设施！AI Agent需要在多个企业系统间工作，但当前的身份体系是为人类设计的。」 —— 薛以致用 [03:04] 「关键是学会'与Agent协作'而不是'竞争'。最有竞争力的是'人机混合'工作者。」 —— 薛以致用 [05:02] 「RLI标志着讨论范式的转换——从'AI能替代多少'到'如何与AI共生'。它提供了理性讨论的基础。」 —— 薛以致用 [07:26] 🏷️ 标签 AI Agent #自动化 #就业影响 #Scale AI #Remote Labor Index #企业裁员 #投资机会 #职业规划 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ Meta重组Reality Labs背后的管理学革命 AI-Native Pods如何重新定义团队概念 军见数科·科技播客 | 时长 08:19 | 主持 十一 · 嘉宾 薛以致用 Meta重新定义团队概念，AI Agent正式成为你的同事 📋 节目简介 Meta最近把Reality Labs的1000人重组成了AI原生小组，这可不是简单的裁员，而是在做一个更激进的实验——重新定义什么叫团队。当AI Agent成为你的正式同事时，传统的管理学理论还管用吗？本期节目中，薛以致用深度解析Meta发明的三个全新岗位：AI Builder、AI Pod Lead和AI Org Lead，以及这种组织变革背后的战略逻辑。我们还对比了阿里巴巴的AI转型策略，探讨了两种截然不同的路径选择。这可能是组织设计的iPhone时刻，每个管理者都应该关注。 ⏱️ 时间线 * 00:00 Meta的重组实验 — 介绍Meta Reality Labs重组为AI-Native Pods的背景和意义 * 00:41 传统团队的局限 — 分析功能制和矩阵制在AI时代面临的挑战 * 01:08 AI-Native Pods模式 — 解析自治小组的运作方式和核心特征 * 01:52 三个全新岗位 — 详细介绍AI Builder、AI Pod Lead、AI Org Lead的职责 * 03:09 为何选择Reality Labs — 分析Meta在Reality Labs试验的战略考虑 * 04:25 中美策略对比 — 对比Meta和阿里巴巴的AI转型路径差异 * 05:41 管理学的范式转换 — 探讨AI-Native Pods对传统管理理论的颠覆意义 * 06:50 行业影响与展望 — 分析这种模式对整个行业就业和组织设计的长远影响 📝 Show Notes Meta的AI-Native Pods模式解析 * 重组1000人到AI原生小组，与同期700人裁员是两回事 [00:22] * 每个Pod有5-15人跨功能团队，拥有完整自主权 [01:13] * Pod间通过标准化API协作，不依赖会议和邮件 [01:33] * 三种组织模式对比：功能制、矩阵制vs自治小组 [00:48] 三个革命性新岗位 * AI Builder：指挥AI写代码，设计人机协作流程 [02:00] * AI Pod Lead：同时管理人类和AI Agent团队成员 [02:26] * AI Org Lead：管理Pod网络，优化资源分配 [02:51] * 核心假设：AI Agent是团队正式成员而非工具 [01:52] 战略选择与风险分析 * 选择Reality Labs的三个原因：亏损最大、技术适配、风险可控 [03:21] * Reality Labs自2020年累计亏损超500亿美元 [03:39] * VR/AR开发天然适合AI Agent参与 [03:46] * Meta vs阿里策略对比：重组不大裁 vs 大裁不重组 [04:35] 管理学革命的深层意义 * 颠覆传统管理理论的基础假设：团队成员都是人类 [05:47] * 需要重新设计绩效评估、状态监控、信任建立机制 [06:10] * Meta走在学术理论前面，将产生第一手实证数据 [06:32] * 可能是组织设计的iPhone时刻，重新定义团队概念 [07:52] 行业影响与未来展望 * 提供AI时代不裁员也能提效的替代路径 [06:58] * 隐形替代效应：1000人做3000人工作意味着少招2000人 [07:23] * 59%雇主计划因AI减少编制，62%投资AI技能培训 [07:45] * 每个管理者都应跟踪学习人机混合团队管理经验 [07:52] 💬 金句摘录 「裁员是减法，重组是在做乘法。Meta这次是在做一个更激进的实验——重新定义什么叫团队。」 —— 薛以致用 [00:22] 「每个Pod是5到15人的跨功能团队，关键是它们有完整的自主权。Pod之间用标准化API协作，不是开会发邮件。」 —— 薛以致用 [01:13] 「这些岗位在任何管理学教科书里都找不到，因为它们假设AI Agent是团队正式成员，不是工具。」 —— 薛以致用 [01:38] 「一个好的AI Builder可能自己不写代码，但指挥的AI团队每天产出几千行代码。」 —— 薛以致用 [02:00] 「这是管理学的范式转换！当一半团队成员是AI Agent时，传统管理理论需要全面修订。」 —— 薛以致用 [06:06] 「Meta提供了一个替代叙事。AI不是替代人而是改变工作方式。1000人从直接执行者变成AI Agent管理者。」 —— 薛以致用 [06:58] 🏷️ 标签 Meta #组织架构 #AI管理 #Reality Labs #人机协作 #管理学 #阿里巴巴 #AI转型 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ Meta 20亿收购中国AI公司背后的地缘政治博弈 从技术壁垒到Agent主权争夺战 军见数科·科技播客 | 时长 09:08 | 主持 十一 · 嘉宾 薛以致用 Meta20亿收购案揭示AI时代技术主权争夺新格局 📋 节目简介 Meta花20亿美元收购中国AI Agent公司Manus，这不只是一笔商业收购，更是AI时代技术主权争夺的缩影。我们深入分析了Manus的核心技术价值——为什么AI Agent的多步任务执行如此困难？从北京到新加坡再到硅谷的迁移路径背后有哪些地缘政治压力？当Agent开始控制关键基础设施，「Agent主权」会成为继芯片主权、数据主权后的第三个地缘热点吗？本期节目带你理解这场收购案折射出的深层产业变局。 ⏱️ 时间线 * 00:00 震撼收购案解析 — Meta 20亿美元收购Manus的背景和意义，这笔交易为何在科技圈引发轰动 * 00:47 AI Agent技术壁垒 — 深入分析Manus的三大核心技术：任务分解、分层记忆架构和工具调用安全 * 01:54 地缘政治驱动迁移 — 从北京到新加坡的迁移路径，监管不确定性和融资环境如何推动技术外流 * 02:23 中国政府强烈反应 — 商务部召见创始人，穿透式审查政策转变，从属地管辖到属人管辖 * 03:26 Agent主权新概念 — 继芯片主权、数据主权后，Agent主权成为地缘竞争第三个热点领域 * 04:12 产业影响与建议 — 对AI创业者和投资人的实用建议，如何在地缘政治环境中做出明智选择 📝 Show Notes Manus核心技术价值 * AI Agent多步任务执行仍是难题：Claude Opus 4.6自动化率仅4.17% [01:01] * 三大技术壁垒：约束满足算法的任务分解，多步任务完成率比Meta内部原型高35% [01:33] * 分层记忆架构：短期工作记忆、中期任务记忆、长期经验记忆三层设计 [02:00] * 工具调用安全框架：沙箱预执行加审计加回滚，解决企业AI失控担忧 [02:23] 地缘政治推动的迁移路径 * 技术出口管制：2024年中国更新管制目录，'交互式人工智能技术'定义模糊 [02:59] * 融资环境差异：中国AI早期融资下降34%，美国51%资金流向千万美元以上大额交易 [03:26] * 新加坡成完美跳板：成熟法律体系、中美友好、强知识产权保护 [03:53] * 规避审批要求：新加坡注册公司让收购绕过中国外资并购大部分审批 [04:12] Agent主权新战场 * 中国商务部立即召见创始人问询，传递三个政策信号 [04:19] * 穿透式审查：从'属地管辖'到'属人管辖'的重大转变 [04:43] * Agent主权概念：继芯片、数据主权后的第三个地缘热点 [06:32] * 未来12-18个月预测：关键行业国产化要求、出口管制机制、国际审计标准 [07:02] 产业格局与实用建议 * 三大趋势加速：更严格出境管理、技术隔离双轨模式、并购整合加速 [07:25] * 创业者建议：政策窗口收窄，现在就要规划知识产权分离架构 [07:56] * 投资人提醒：Agent估值包含'地缘稀缺性溢价'，需评估监管风险 [08:20] * 核心启示：如何让下一个Manus根本不想走，而非阻止被收购 [08:46] 💬 金句摘录 「Scale AI最新数据显示，Claude Opus 4.6在真实工作场景的自动化率只有4.17%，95%的复杂任务AI还是搞不定」 —— 薛以致用 [01:01] 「我们担心的不是这一个Manus，而是下一个Manus还没成立就在规划迁移路径」 —— 薛以致用 [02:47] 「Manus不是'人才选择了更好创业环境'，而是'成熟技术体系在地缘竞争中被定向转移到对手阵营'」 —— 薛以致用 [03:22] 「当一国关键基础设施越来越多由AI Agent运行，谁开发这些Agent、谁控制更新权限，就不是商业问题，而是主权问题了」 —— 薛以致用 [03:47] 「20亿美元可以买到一家公司和技术，但买不到让世界级AI公司愿意留下来的生态环境」 —— 薛以致用 [05:14] 🏷️ 标签 AI Agent #Meta收购 #地缘政治 #技术主权 #中美科技竞争 #新加坡 #创业迁移 #人工智能 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ Salesforce Agentforce 18个月冲到8亿美金 AI Agent商业化全面爆发 从联邦政府到全球巨头的真实部署 军见数科·科技播客 | 时长 09:10 | 主持 十一 · 嘉宾 薛以致用 AI Agent商业化18个月跑完全程，从PPT概念到8亿美金的现实 📋 节目简介 这期节目我们深度解析了Salesforce Agentforce的商业化奇迹——18个月从概念到8亿美金ARR，169%的惊人增速。美国劳工部正式上线DOLA系统，全球人力资源巨头Adecco签下多年期全球协议，这些都在同一周发生。我们聊了AI Agent如何打破传统SaaS增长曲线，为什么定价模式正在从'按席位'向'按Agent'转变，以及这背后隐藏的盈利质量问题。如果你关心AI商业化的真实进展，想了解企业级AI Agent的护城河在哪里，这期内容绝对不容错过。 ⏱️ 时间线 * 00:42 联邦政府的AI胆量 — 美国劳工部上线DOLA系统，AI Agent正式进入政府核心业务 * 01:55 全球巨头的全面押注 — Adecco签署全球协议，人力资源行业的AI化路径 * 02:53 8亿美金的商业奇迹 — ARR数字背后的行业格局和增长逻辑分析 * 04:56 入口之战白热化 — 各大厂商从不同入口切入AI Agent市场的竞争态势 * 06:16 18个月效应的启示 — AI Agent打破传统SaaS增长曲线，定价模式革命来临 * 07:37 给决策者的建议 — 企业采购、SaaS从业者和投资者应该关注什么 📝 Show Notes 联邦政府AI Agent部署的里程碑意义 * 美国劳工部DOLA系统正式上线，处理失业保险等核心民生业务 [00:42] * 通过FedRAMP和FISMA等严格安全标准，证明企业级AI Agent达到政府级要求 [00:54] * 直接面向失业者的24/7服务，风险管理机制成为关键考验 [01:18] 全球人力资源巨头的战略转型 * Adecco年营收240亿美金，签署多年期全球无限使用协议 [01:55] * 从简历筛选到入职跟进的完整流程Agent化 [02:26] * 帮助整个劳动力市场完成AI适配，战略意义重大 [02:26] 商业化数据揭示的行业变革 * Agentforce ARR达8亿美金，同比增长169%，全球最大AI Agent产品 [02:53] * ServiceNow Now Assist突破6亿ACV，百万美金交易量季度环比增长3倍 [03:25] * AI收入增长被基础设施成本抵消，盈利质量仍待验证 [04:23] 竞争格局与护城河重构 * Oracle、OpenAI、ServiceNow从不同入口切入，争夺企业AI Agent控制权 [04:56] * 从按席位定价向按Agent和按结果定价转变 [06:41] * 专有数据和工作流成为AI时代新护城河，而非模型本身 [07:09] 18个月商业化全程的启示 * 打破传统SaaS 5-7年增长曲线，实现阶跃式爆发 [06:16] * 采用速度比传统SaaS快一个数量级，解决采用摩擦问题 [03:55] * 毛利率数据将成为AI Agent赛道下一阶段分水岭 [08:22] 💬 金句摘录 「这说明AI Agent已经从PPT概念变成了实实在在的生产力工具」 —— 薛以致用 [00:24] 「纯AI Agent平台中，8亿是最大的单一产品ARR」 —— 薛以致用 [03:25] 「AI Agent解决了传统SaaS的一个老大难问题——采用摩擦」 —— 薛以致用 [04:23] 「这不是产品之战，而是入口之战」 —— 十一 [05:22] 「Agentforce从2024年9月发布到现在8亿ARR，只用了约18个月」 —— 薛以致用 [06:41] 「SaaS供应商从裁员的'受害者'变成了'受益者'」 —— 薛以致用 [07:09] 「护城河是专有数据和工作流」 —— 薛以致用 [07:37] 🏷️ 标签 Salesforce #AI Agent #Agentforce #企业AI #SaaS #商业化 #联邦政府 #科技投资 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ AI能力大分裂时代来临 推理之王与工作自动化之王各领风骚 Scale AI榜单揭示的多模型竞争新格局 军见数科·科技播客 | 时长 08:01 | 主持 十一 · 嘉宾 薛以致用 AI不再是单一赛道竞争，推理之王和工作之王各有所长 📋 节目简介 这期节目我们深度解读了Scale AI最新发布的两个排行榜，发现了一个颠覆认知的现象：GPT-5.4-pro在推理能力上遥遥领先，但Claude Opus 4.6却在工作自动化上称王。这种能力分裂背后反映了什么？4.17%的自动化率到底意味着什么？为什么更聪明的AI不一定更能工作？我们还聊了AI安全风险、企业选型策略，以及正在形成的多模型矩阵市场。如果你关心AI的实际应用价值，这期内容绝对不容错过。 ⏱️ 时间线 * 00:00 榜单反转引发思考 — Scale AI两个排行榜显示不同AI模型在推理和工作自动化上的截然不同表现 * 01:37 推理与工作能力分化 — 深入分析为什么推理能力强的AI不一定工作能力强，两种能力的本质差异 * 02:34 企业策略大不同 — OpenAI追求最聪明AI，Anthropic追求最有用AI，市场反馈支持后者 * 03:21 自动化率的真实含义 — 4.17%自动化率背后的经济影响和对AI替代预测的冷思考 * 04:30 安全挑战浮现 — 随着自动化率提升，AI安全问题和恶意代码传播风险日益突出 * 05:19 多模型时代来临 — 从选最好模型到选最适合模型，多模型矩阵成为企业新策略 📝 Show Notes 核心发现：AI能力大分裂 * GPT-5.4-pro在HLE推理榜单上以45.32%领先第二名7个百分点 [00:52] * Claude Opus 4.6在RLI工作自动化榜单上以4.17%自动化率称王 [01:09] * 这是AI发展史上首次出现推理王者和工作王者分离的现象 [01:22] 能力差异的本质分析 * 深度推理类似数学家解题，需要专注的逻辑推导能力 [01:44] * 广度执行类似办公助理，需要多任务处理和上下文管理 [01:44] * 两种能力对AI的架构和训练要求根本不同 [02:10] 企业市场的真实反馈 * OpenAI追求'最聪明的AI'，Anthropic追求'最有用的AI' [02:34] * 企业选择Claude的概率是OpenAI的3倍，说明工作能力更受重视 [02:55] * 4.17%自动化率意味着AI能独立完成约4个工作任务 [03:21] 安全挑战与风险 * 浏览器Agent和AI编程工具带来新的安全漏洞 [04:55] * LiteLLM恶意代码事件显示AI加速恶意软件传播风险 [05:19] * Enclave AI获600万美元种子轮专注AI代码安全 [05:19] 多模型时代的新策略 * 企业需要构建多模型矩阵而非依赖单一模型 [06:08] * Gemini Flash Live在实时交互上表现优异，验证专业化趋势 [06:32] * 模型路由和编排成为新兴市场机会 [06:52] * 理解不同模型边界比精通单一模型更重要 [07:14] 💬 金句摘录 「这是AI发展史上第一次出现如此清晰的能力分裂。推理能力的王者和工作自动化的王者不是同一个模型，这打破了我们的直觉认知。」 —— 薛以致用 [00:52] 「深度推理是给定明确问题，调用知识和逻辑推导答案，边界清晰，标准唯一。广度执行是在模糊环境中同时处理文本编辑、数据分析、沟通协调，需要在不完整信息下做判断。」 —— 薛以致用 [02:05] 「根据Ramp的数据，2025到2026年间，企业选择Claude的概率是选择OpenAI的3倍！这说明企业在实际工具选择时，更看重工作能力而非推理能力。」 —— 薛以致用 [02:55] 「4.17%也是个警钟，意味着AI目前无法独立完成95%以上的知识工作任务。」 —— 薛以致用 [04:00] 「从4%到40%的路径不太可能是线性的，更可能遵循S曲线，在某些任务类型上快速突破，在其他类型上长期停滞。」 —— 薛以致用 [04:22] 「从'选最好的模型'变成'选最适合的模型'。企业需要构建多模型矩阵：推理任务用GPT-5.4-pro，工作执行用Claude Opus 4.6，实时交互用Gemini Flash Live。」 —— 薛以致用 [05:45] 「停止寻找'最好的AI模型'，开始构建'模型路由'能力。最有价值的能力是理解不同模型的边界。」 —— 薛以致用 [06:48] 🏷️ 标签 Scale AI #GPT-5.4-pro #Claude Opus 4.6 #AI排行榜 #工作自动化 #推理能力 #多模型策略 #企业AI 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ 24家上市SaaS公司AI转型真相大揭秘 谁在真赚钱，谁在烧钱演戏？ 军见数科·科技播客 | 时长 08:02 | 主持 十一 · 嘉宾 薛以致用 AI正在重写SaaS游戏规则，关键是看透数字迷雾 📋 节目简介 Salesforce的Agentforce ARR达到8亿美元，ServiceNow的AI ACV突破6亿，这些亮眼数字背后隐藏着什么真相？本期节目深度解析Blossom Street Ventures对24家上市SaaS公司的AI转型报告。从毛利率压缩陷阱到定价模式革命，从大企业的马太效应到护城河重构，我们和薛以致用一起揭开AI时代SaaS行业的真实面貌。如果你关心SaaS投资、企业AI转型或者科技行业趋势，这期节目绝对不容错过。 ⏱️ 时间线 * 00:00 亮眼数字背后的陷阱 — Salesforce和ServiceNow的AI收入暴增，但毛利率影响为中性，揭示AI对SaaS利润结构的根本冲击 * 01:47 定价模式大革命 — 从按席位到按Agent收费，AI让SaaS供应商从裁员受害者变成受益者的商业模式创新 * 02:57 AI时代的马太效应 — 大企业在数据、成本和人才方面的结构性优势，AI如何加剧而非缓解企业间的竞争差距 * 03:42 内部AI的秘密武器 — 企业内部使用AI与面向客户AI产品的本质区别，以及对整体利润率的隐性影响 * 04:31 护城河的重新定义 — AI如何同时侵蚀和创造竞争壁垒，数据和工作流成为新时代的核心护城河 * 05:16 全球生态的连锁反应 — 印度IT巨头的自相矛盾处境，整个SaaS服务生态面临的AI威胁与机遇并存局面 📝 Show Notes AI收入暴增的真相 * Salesforce Agentforce ARR达8亿美元，同比增长169% [00:21] * ServiceNow AI ACV突破6亿美元，数字亮眼但有隐情 [00:41] * AI对利润率影响为'中性'，每次AI调用都产生真实成本 [00:51] * 传统SaaS毛利率75-80%，AI SaaS面临'毛利率压缩'陷阱 [01:08] 商业模式的颠覆性变革 * 定价模式从'按席位'转向'按Agent'、'按结果'、'按消耗' [02:04] * 按Agent收费让裁员变成SaaS收入增长动力 [02:15] * AI Agent 7×24小时工作，定价可能高于人工席位费 [02:41] * 三种新定价模式让收入与实际价值创造直接挂钩 [03:02] AI时代的竞争格局分化 * 大企业在数据、成本分摊、人才方面具备结构性优势 [03:28] * AI成为'放大器'而非'均等器'，加剧企业间差距 [03:42] * 面向中小企业的SaaS公司面临双重压力 [04:13] * 大企业AI竞争力挤压中小企业生存空间 [04:31] 护城河重构与生态影响 * 企业内部AI使用成为'秘密武器'，投资回报率可预测 [04:39] * AI同时侵蚀和创造护城河，降低进入壁垒但强化数据优势 [05:46] * 专有数据和工作流成为新时代核心竞争力 [06:07] * 印度IT巨头面临AI既是产品也是威胁的矛盾处境 [06:58] 💬 金句摘录 「每次AI功能调用都要消耗GPU推理资源，成本高得吓人」 —— 薛以致用 [00:51] 「传统SaaS是一次开发，无限复制。但AI SaaS打破了这个逻辑——每个用户的每次AI调用都产生真实成本」 —— 薛以致用 [01:21] 「客户裁员反而需要更多Agent，收入不降反升！」 —— 薛以致用 [02:15] 「AI Agent让SaaS供应商从裁员的'受害者'变成了'受益者'」 —— 薛以致用 [02:41] 「AI不是'均等器'，而是'放大器'——放大了大企业的既有优势」 —— 薛以致用 [03:28] 「新护城河不是代码，而是专有数据和工作流！」 —— 薛以致用 [05:01] 「在AI时代，'拥有数据'比'拥有代码'重要一个数量级！」 —— 薛以致用 [05:23] 🏷️ 标签 SaaS #AI转型 #企业服务 #商业模式 #投资分析 #Salesforce #定价策略 #科技趋势 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。

🎙️ AI Agent 规模化元年：从政府到军方的全面部署 三大案例解读商业模式变革 军见数科·科技播客 | 时长 09:02 | 主持 十一 · 嘉宾 薛以致用 AI Agent规模化元年已至，观望者的时间窗口正在关闭 📋 节目简介 本期节目深度解析了三个同日爆出的重磅新闻：美国劳工部上线DOLA、Adecco全球签约Salesforce、Palantir Maven升级百亿合同。这些案例共同标志着AI Agent从概念验证走向规模化部署的关键转折点。我们探讨了政府场景对AI的严格要求、SaaS定价模式的根本性变革，以及军事AI采购中的权力博弈。如果你还在观望AI Agent策略，这期节目会让你意识到时间窗口正在快速关闭。 ⏱️ 时间线 * 00:00 开场与话题引入 — 三个AI Agent重磅新闻同日爆出，从PPT概念走向真实世界的信号 * 00:39 DOLA上线劳工部 — 美国政府首次大规模部署AI Agent处理失业保险等关键公共服务 * 02:15 Adecco全球签约 — 全球最大HR公司的无限使用权合同揭示SaaS定价模式革命 * 03:44 切换成本与锁定效应 — 深度集成后企业面临的极高切换成本和不可逆性 * 04:48 Palantir Maven合同 — 14个月从4.8亿到100亿美元，军事AI的快速扩张 * 06:07 规模化的三个条件 — AI Agent从试点到规模化部署需要满足的关键条件 * 07:17 市场格局与建议 — 竞争窗口关闭，对不同角色的策略建议 📝 Show Notes 三大案例解读 * 美国劳工部DOLA上线，24/7处理失业保险、职场安全和退伍军人就业服务 [00:50] * Adecco获得Salesforce Agentforce全球无限使用权，重新定义运营模式 [01:56] * Palantir Maven从4.8亿升级到100亿美元合同，每小时处理150个情报源 [03:58] 商业模式变革 * SaaS定价从按席位向按结果转变，Agentforce年化收入8亿美元增长169% [02:21] * AI功能目前对利润率提升不明显，企业采用战略性亏损锁定大客户 [02:55] * 深度集成后切换成本极高，包括技术迁移、重新训练和合规审计 [03:24] 规模化的关键要素 * 明确的价值量化：24/7服务、招聘流程自动化、每小时1000条分析 [05:51] * 可信的安全框架：政府和大企业对合规保障的严格要求 [06:09] * 组织架构适配：重新设计工作流程、角色定义和决策权限 [06:31] 市场竞争态势 * AI Agent市场竞争窗口快速关闭，先到者建立锁定优势 [06:58] * 独立创业公司生存空间变窄，需在垂直领域或生态定位中找机会 [08:14] * 企业应Q2启动试点，Q3基于数据做规模化决策 [07:22] 💬 金句摘录 「AI Agent真的不再是PPT上的概念了」 —— 薛以致用 [00:18] 「政府敢让DOLA上线，说明Salesforce的Agentforce在这些方面已经过关了。这是个很强的技术成熟度信号」 —— 薛以致用 [01:23] 「一旦嵌入，几乎不可能被拔出来。这也是为什么现在AI Agent市场的竞争这么激烈」 —— 薛以致用 [03:24] 「当AI系统以这种速度生成军事目标建议时，关于AI决策透明度、责任归属和人类监督的讨论就不再是学术问题，而是每小时发生1000次的现实问题」 —— 薛以致用 [05:23] 「安全框架的成熟度，而不是模型能力的先进度，才是决定Agent能否在关键场景部署的真正瓶颈」 —— 薛以致用 [06:31] 「坦白说，如果现在还没有Agent策略，已经迟了。每多等一个季度，追赶成本就指数级增长」 —— 薛以致用 [07:46] 🏷️ 标签 AI Agent #Salesforce #Palantir #政府采购 #SaaS #军事AI #商业模式 #数字化转型 🔗 相关链接 * 播客：军见数科·科技播客 本期节目由 AI 辅助生成，基于原创文章自动转换为双人对话播客。 📢 免责声明： 本文基于公开数据与行业观察进行分析，不构成投资建议，文中观点仅代表作者个人判断，不代表公司观点，欢迎理性讨论。 军见 | 洞见科技，洞见职场，洞见自己；科技有深度，职场有方法，管理有温度，做长期有用的内容。 点赞 +「在看」，转发给你身边有需要的朋友。收不到推送？那是因为你只订阅，却没有加星标。