搜索“其他”

核算 如果企业分别审视三个项目，依赖就能变得可见。第一个项目是依赖的经常性成本。如果企业无法更换供应商，供应商在定价上就有更大的空间，更好或更便宜的替代方案也得不到利用。这些成本在正常运营中就会产生，无需地缘政治紧张或灾难情景。 第二个项目涉及的就是这类情景，即风险。它的作用就像为一种也许永远不会发生的损失投保，例如长时间中断或某项服务被关停。此时，能够转向其他解决方案的能力就是保险保障。建立这种能力的成本就是保险费。 本文作者Barbara Engels将在今年的heise IT Summit上发表题为《从成本因素到竞争优势：数字主权的经济学》的主题演讲。IT Summit将于11月24日至25日在慕尼黑Nemetschek Haus举行。节目安排及更多信息请见it-summit.heise.de。 第三项是营收，关键在于利用优势，而不是避免劣势。当公共采购方和企业客户追问主权问题时，企业可以借此赢得额外订单。 如果不把这些项目分开核算，最阴暗的情景很快就会占据主导，比如一家美国供应商一夜之间关停某项服务。任何支出都能以此为由，但这很少能说服管理层。相反，如果把这个情景按其发生概率加

匹配字段正文

直下。第一季度个人电脑出货量同比增长 3.0%，但第二季度下降 3.8%，第三季度更是暴跌 20.1%，至 6270 万台。据 IDC 称，20.1% 的降幅是其历史上第三季度最大的跌幅。此外，虽然由于新学年开学的需求，第三季度的出货量通常会超过第二季度，但 2026 年第三季度的出货量却比上一季度下降了 9.1%，打破了这一季节性规律。 IDC指出，内存和其他组件的供应受限、组件价格上涨，以及上半年为应对价格上涨而加速出货所引发的反弹，是导致第三季度销量大幅下滑的原因。由于PC制造商和分销商在价格上涨前囤积了库存，一些原计划在第三季度出货的PC实际上已在上半年出货。据英国研究公司Omdia的数据显示，DRAM和SSD在PC组件成本中的占比已从内存价格飙升前的约15%上升至约40%。 个人电脑价格居高不下，需求疲软。关键问题在于内存供应为何如此紧张。答案在于人工智能数据中心，但在此之前，我们先来看看智能手机市场。 智能手机市场正在走向成熟，并将于 2026 年大幅下滑 图 2 显示了 2009 年第四季度至 2026 年第三季度全球智能手机出货量及同比增长率。 图2. 智能手机季度出货

匹配字段正文

提升至 128MB，对于包含超过 20 张图片的请求，单张图片上限提升至 3000px（ClaudeDevs，详情）。 Google： Gemini 应用：用户现在可以在聊天中生成和编辑文档、PDF、幻灯片和电子表格（@GeminiApp）。 Jules：Google 正在逐步关停 Jules，并将其并入 Antigravity（@julesagent）。 其他智能体工具： Managed Deep Agents 0.10：新增异步子智能体以及带人工登录交接的浏览器使用功能（@caspar br）。 Kimi 3D Make：将 Kimi 连接到 Blender 和 CAD 工具，以构建模型和场景（@Kimi Moonshot）。 机器人：Reachy Mini“Level Up”新增轮子、手机应用和 NFC 个性帽子（@RemiFabreRobot）。 传闻（未经证实）： Qwen4：据报道，Qwen 的 CTO 表示“下周”，并且 Qwen4 系列的一项代码变更已经落地（@kimmonismus）。 GPT-6.2“bel”：据报道即将推出，但未获证实（@kimmonismus）。

匹配字段正文

核心是对最底层的行为准则产生了根本性分歧——这项技术到底应该以怎样的方式被安全构建。 回顾这五六年的发展，大家其实能够清晰地观察到两家公司在路线选择上的本质不同：Anthropic一直在积极呼吁出台理性审慎的安全合规法案；我们把巨额研发资金投向底层机理探索，试图搞清神经网络内部的思维表征；同时我们公司维持着极高的团队稳定性，人才留存率在全行业最高，也没有出过其他AI公司出过的那些丑闻。这些事实已经足以说明两边的底层导向完全不同。 安全风险极其复杂，团队内部产生争执再正常不过。直到今天，我和Anthropic的其他联合创始人、一线核心工程师之间也经常发生激烈的技术争论。但我们之所以能把每一个分歧妥善解决，核心在于所有的争论都是基于“真诚”的前提。比如：新模型是现在发布还是多打磨几个月？生物安全的防御边界要卡得多严？我们该投入多大精力去游说推动安全监管，这些监管又该是什么样子？ 这些都是极其复杂的战略抉择，但团队内部互信彼此都在探寻对的答案，互信大家都在坦诚沟通。我之所以强调信任破裂，是想表达一个底线常识：如果你发现自己所处的环境里，各种争论不再是基于真诚的初衷展开，你甚至无法确认对方说的

匹配字段正文

万元的最高账面浮盈，其219.23倍的发行市盈率，也远高于所属通用设备制造业38.56倍的静态市盈率。一位投资人表达的逻辑很直白：“别纠结估值，赶紧拿钱。” 宇树科技上市 转折的声音，最先来自投过的人。 经纬创投管理合伙人王华东是宇树2021年B1轮的独家领投方。他在视频播客《详谈》中回忆，2024年3月走进硅谷一家机器人实验室，里面8台宇树机器人仍能使用，其他品牌的产品基本坏了。他认为，国内能在一个领域做到全球绝对领先的公司，大疆算一家，宇树算一家。 但同一个访谈里，他也给出两个判断：动辄数亿元的天使投资、数十亿元的估值，这样的强度在中国商业史上前所未有，包括移动互联网最疯狂的时期；头部公司集中上市，大概率就是这一轮的高点。 四十天后，第二个节点到来。 9月28日，AMD宣布签署最终协议，拟以约82亿美元的全股票交易收购李飞飞创办的世界模型公司World Labs；交易仍需监管批准，预计于2026年底前完成；交割后，李飞飞将出任AMD执行副总裁兼首席科学家；World Labs在2月融资后的公开估值约50亿至54亿美元，与协议作价相比，七个月间上涨约五至六成。 AMD董事长兼CEO苏

匹配字段正文

数据训练。 2026年春节后，Seed又新设了一支3D仿真世界模型组，由前Meta FAIR研究员范浩奇负责，向周畅汇报；原来的两个VLA组合并，也统一向周畅汇报。 由此形成两条路线：VLA面向具身智能，追求真实动作与环境响应；3D仿真面向娱乐和游戏。 字节为世界模型准备的训练数据预算达到数千万元，覆盖VLA、长视频和3D等模态。一名数据供应商称，投入能达到其他厂商的3至4倍。 然而钱也花了，人也找了，可成绩就是出不来。据报道，2026年初，字节内部评测显示，其世界模型的综合性能距离当时的全球SOTA仍有约10%的差距。 就和谷歌一样，字节做世界模型也是有技术支撑的。 Seedance 2.5单次可以生成最长30秒的视频内容，还能通过多轮提示词把故事接着讲下去，进而输出一个完整的短片。 它可以参考多种素材生成视频，还可以按时间戳修改，人物姿态、运动轨迹和运镜，也能先用白模搭好，再根据白模生成视频。 过去的视频模型本质上是抽卡，提示词发出去，模型输出的有好有坏。Seedance 2.5则是一种AI视频生成+AI剪辑的组合，输出的质量也更加稳定。 世界模型不光需要连续的画面，它还需要里面的

匹配字段正文

次任务没有返工，约97.8%的消耗来自Plugin条目。 接下来，我们让它制作一个苏式老院。 提示词是“做一个苏式老院，院子中有枇杷树，树下有藤长椅和桌子，桌子上放着枇杷和茶杯”。 第一版的成品比较粗糙，整体质感接近颗粒积木，树叶像纸片一样。 第二版，我们要求取消沙盘式俯视，换成院内自然透视与轻微景深；使用低角度暖阳，强化夏天氛围；把长椅换成躺椅，并继续完善其他细节。 这一版解决了视角、躺椅、蒲扇等主要问题，细节仍然存在偏差。庭院外的竹林过于简化，蒲扇悬空，枇杷还嵌进了树根。 第三版，我们提供了一张真实参考图，让它重新制作。有了参考图之后，画面内容更加丰富，问题集中在细节还原上。石柱位置突出，池塘周围的石头质感接近泡沫。 额度明细显示，苏式老院首次生成消耗1.76%，后续修改继续增加4.45个百分点，整个任务合计消耗6.21%，在五项测试中排名第二。 第三个任务是制作一个介绍世界美术史的网页。我们要求代表人物和画作足够丰富，用户点击人物头像或画作后，可以查看相关知识解答。 生成的网页名叫“ATHÈNE｜世界美术史·浪漫长廊”，以暖纸色、深棕色和柔和光影营造浪漫氛围，用户能筛选文化轨道、

匹配字段正文

ydro 团队的研究负责人，他说这是团队花大量时间思考的问题。上周，我在圣何塞举行的 AGNTCon + MCPCon 上与他坐下来交谈。他原定于第二天发表主题演讲，届时他将论证代码审查无法跟上智能体编写代码的速度。 Laddad 告诉我，智能体让团队能够追求更高的目标，他说 PR 提交得更快、运行时间更长。“你可以让某个功能在孤立状态下运行良好，然后把它与其他东西混合在一起，突然之间这些保证就失效了，”他说。 而且你不能只相信测试。他说，在大多数智能体工作流中，智能体既编写代码，也编写单元测试。“智能体很棒，但它们不可预测，”Laddad 说。这种不可预测性正是它们具有创造力的一部分原因，同时也让人难以审查所有这些测试，并确认它们确实做了团队想要的事情。 他的答案是共享的正确性检查，放在智能体的“信任区”之外，例如由编译器强制执行的那些检查。Rust 的借用检查器就是他的例子：它在代码运行之前就能捕获竞态条件。Hydro 为分布式系统做了类似的事情，在编译时捕获多种类型的 bug，这样智能体就能对自己引入的错误获得即时反馈。团队仍在探索的更广泛目标是智能体可以共享的领域特定护栏。 为

匹配字段正文

从肉眼记录变成精密测量，也逼着光学与精密制造一同进步。今天轮到了AI与数学，不同的是，这一回，工程跑到了理论前面：模型的尺度律、泛化与长链条推理为何成立，至今缺少严格解释；在一些高风险场景里，模型可能“蒙对答案，却走错了路”。更值得讨论的是，眼下AI参与科研主要是预测，但科学真正需要的不仅是预测，更是归因。从相关性走向因果性，靠堆数据解决不了，必须依靠数学和其他学科框架的重构。这个过程中，AI和数学，能为彼此做些什么？ 记者：AI给数学研究带来了巨大影响，要评价这些影响，我们可能有必要回溯到数学的根源。研究数学的目的到底是什么？AI的出现会改变数学研究的范式，还是仅仅加快了原有的节奏？ 励建书：数学有很多难题和猜想，就像一座座山峰，攻克难题和猜想就像是爬到了山顶，这个过程本身就是一项伟大的成就。但数学研究的目的不仅是攻克难题、爬上山顶，更重要的是爬上山顶后能看到更美丽的风景，发现更多数学。数学研究的范式有可能因此而改变。AI的出现，让这件事的可能性变得更大。 以希尔伯特为标志，20世纪初以前的大数学家往往是通晓数学各领域知识的全才。但20世纪初以后，数学学科体系发展得愈加庞大，以至于没

匹配字段正文

h 拆出，就是为了保持这种规模与速度。 一周是怎么过的 · 周末：修 bug、听反馈；Thorsten 常写 Sunday post（大约一年二十多篇），点出最重要的事或「继续这样做」；Alex 发周数据。 · 周一：同一场会对两遍，欧洲早上约 8:30（含澳洲约 5 人），约 8–9 小时后再开旧金山场。除 Quinn / Thorsten 两边都参加外，其他人每周固定会议只有这一场。约一小时：先自由讨论优先级（无脚本化各部门汇报），末尾静默在 Google Doc 写本周目标并口头念标题；会追问新闻稿、打算哪天发。 · 没有季度主题去硬套；动机是把产品做出去并赚钱，而不是「对齐领导两个月前定的口号」。分工靠「做什么给你能量」自然落下；模型上线有人盯、基建有人深耕，但多是虚线，不是领地。Hamish 做原生 iOS / macOS 并非路线图三件套，而是先 spike 再说服团队。 协作频道与「敢砍功能」 四个关键频道：work in progress（举手我在做啥、求反馈、发新闻稿草稿）、shipped（已上线）、orb good / orb bad（内部正负反馈；坏反馈要直说，不

匹配字段正文

而言，企业尚未从AI中获得显著的生产率提升。 智能体是一种“身份象征” 一批初创公司和大型科技公司正在推动AI智能体的发展，向企业推销自动化同事。 Viktor让企业创建自己的“AI幕僚长”，Lindy则为企业提供可定制的智能体，用于销售、客户支持或行政工作。OpenAI的Dots、Anthropic的Claude Cowork和微软的Scout都能与数千种其他工具集成，在员工下班后继续处理项目。 这些产品都向企业承诺了一个诱人的梦想：可以源源不断地造出新同事，他们从不打卡下班、从不抱怨，也不会引发人力资源问题。把工作交给智能体也比雇人更便宜，因此智能体与人类的高比例成了初创公司引以为豪的一点。 “这就是身份象征，”旧金山AI工具初创公司Wordware的幕僚长拉斐尔·洛佩斯·穆尼奥斯（Rafael López Muñoz）说。把部分工作外包给智能体“能极大地节省时间”。 例如，Lindy过去有近50名员工。如今，在裁掉三分之一员工后，该公司表示约有20名员工，并用AI智能体填补了许多空缺职位。该公司仍在为一些岗位招聘人员。 “人受限于只有两只手和一天24小时，”Lindy的高级增长营

匹配字段正文

达标。 目前，DataCamp 正从 Anthropic 转向 OpenAI，Cornelissen 称他认为后者成本更低。它尚未将其导师迁移到开源权重模型。 芝加哥 Beermann LLP 的合伙人、网络安全咨询公司 Steele Fortress 的创始人 Jonathan Steele 在 MacBook Pro 上本地使用 Qwen 模型处理计费和其他敏感任务。他还在其他工作中使用 Claude 和 ChatGPT。 开源权重模型的经济性可能很有吸引力，但其实用性取决于基础设施和输出质量。 比较成本并不简单。如果一个开源模型可能需要半小时生成草稿，但需要五小时的律师审阅，而一个前沿模型可能只需 15 分钟起草、30 分钟修订，就很难判断哪个更贵。 相关：Anthropic 在 IPO 文件中保持对安全的关注 但一些公司，如 Red Hat，正在寻找从中国模型中获取价值的方法。其 Z.ai 试点最多有 1,400 名工程师使用，其中约 70% 的推理流量流向开源权重模型。工程师有使用前沿模型的预算，并根据他们想要完成的工作在开源权重模型和专有模型之间分配。 对 Red Hat

匹配字段正文

投入生产。许多采购决策将在未来十二个月内逐步落地。而优先事项看起来与一年前大不相同…… AI 改写优先事项清单 在当下的安全领域，一年是很长的时间。当我们请领导者回顾其 2026 年的优先事项时，暴露与漏洞管理以及 SIEM 位居榜首。而对于 2027 年，获选最多的七项举措全部涉及 AI。 什么成为 P0 因组织而异。SOC 自动化获得最多的第一名投票，而其他团队则将攻击性安全、修复或保护自身 AI 部署排在首位。买家的起点取决于压力最大的地方，但各方普遍认同 AI 能力是其安全技术栈的核心。 从回顾的 2026 年优先事项的变化可以看出议程转变之快。内部 AI 智能体安全、SOC 自动化和攻击性安全增幅最大。代码安全、修复和 AI 治理紧随其后。 两项任务正在推动这一转变： 企业需要保护其员工和客户已经在使用的 AI。 他们还希望将 AI 应用于安全内部，帮助团队调查攻击、测试系统并修复发现的问题。 尽管兴趣浓厚，大多数企业尚未将这些能力投入生产。仅 18% 报告已生产使用 AI SOC 工具，13% 报告已生产使用 AI 攻击性安全或 AI 暴露与漏洞修复。 然而，许多企业已在试

匹配字段正文

担忧似乎正在成为现实。 第三季度搜索收入增长约 12%，未达到分析师预期的 15%，这一缺口可能指向 Google 核心业务中的一种紧张关系。AI 驱动的搜索查询增长迅速，但带来的收入仍低于传统搜索。 Google 在财报电话会上部分证实了这一点。高管 Philipp Schindler 表示，“AI 模式查询的强劲增长因变现水平较低而产生了影响”，此外还有其他因素。尽管如此，公司表示对整体发展轨迹感到满意，并报告搜索查询的年增长率达到五年来最高水平。 而部分事实是，传统搜索多年来一直被宣告死亡，却依然在增长。本季度的增长率略低于预期，但与近年水平一致，而且 Google 才刚刚开始将 AI 模式变现。在电话会上，公司宣布计划在美国及国际市场扩大其聊天机器人广告项目。 CEO Sundar Pichai 表示，Gemini 应用用户已达十亿，成为公司历史上增长最快的产品。这并不令人意外，因为它本质上是一个搜索附加功能，而搜索本身已经规模庞大。Google 自家模型的 API 每分钟处理近 320 亿个 token，是一年前的四倍多。这一跃升可能部分反映了推理模型和智能体工作流带来的 t

匹配字段正文

挑一挑眉毛。但如果你怀疑戏剧性的递归自我改进是否可能——而商业计划似乎正需要这一点——那这看起来就不是一笔好投资。 先从对Anthropic粉丝来说的好消息说起。从2025年上半年到2026年上半年，公司营收增长了十四倍，达到163亿美元。有一笔800亿美元的亏损，但这主要是会计处理问题，与 underlying business 无关。如果剔除这笔亏损以及其他一些费用（包括员工薪酬），我们看到2026年上半年调整后收入为16.2亿美元。我之前曾问过，AI能否赚到足够的钱来养活自己，而Anthropic的S-1给出的答案似乎是：至少对这家公司而言，至少就目前而言，可以。 Anthropic比OpenAI或埃隆·马斯克克制得多，而这似乎正在带来回报。（Anthropic只把OpenAI和谷歌列为竞争对手。下次好运吧，埃隆！）该公司从未发布过AI图像生成器、AI版TikTok克隆或AI老婆。相反，它专注于编程和网络安全等任务，始终紧盯计算机最容易做到的事：更多的计算机。而且它专注于企业市场，这个市场不像消费者市场那样善变。其净收入留存率为900%。相当不错！这些收入也不是来自消费者。202

匹配字段正文

。 有意思的是，我觉得我挑不出S-1本身的问题。我想深入一些细节，因为里面有很多数字值得思考。我其实想从真正的大局开始。你在做一个叫Tokenomics的东西。我要向大家解释一下Tokenomics是什么。 我看Anthropic以及它可能走向何方。我看Dario Amodei说他能看到通往1万亿美元收入的道路。这些钱从哪来？因为这些业务很大程度上就是要吞掉其他所有业务，感觉总得有人赚到钱才能付给Anthropic来产生这些收入。我其实还没看到这一点被清楚地阐述出来。 这非常有意思。今天，即便我们所在的规模已经是两家领先实验室合计1200亿美元的ARR，这仍然是一个极其狭窄的市场。排名前1%的客户是那些每位员工花费5万到10万美元的客户。更广泛的财富500强或全球2000强企业，通常有大量IT支出，但它们的支出并不多。 很大一部分支出，尤其是在Anthropic，是专门针对编程的。它几乎是一家单一垂直领域的公司。我们展望2027年，你想到的是更广泛的采用和白领工作。这个典型的企业第四季度预算季，我们其实还没有真正经历过其中任何一家实验室的完整周期，因为它们的ARR直到今年年初才真正开始

匹配字段正文

体友好方向上最喜欢的一点。这些本来就是我作为开发者早就想要的改进。让它们对智能体有用，给了团队另一个把工作做完的理由。 计算值得的不只是一条要点 我认为目前处于私有 alpha 的 Supabase Compute 可能被低估了。一个应用程序既需要有个地方做它的工作，也需要有个地方存储结果。有了数据库之后，你仍然需要一个地方来运行那些对文档分块、生成嵌入或做其他长时间运行工作的进程。赞助 你的赞助广告位在这里 触达正在构建下一步的 AI 工程师。 Latent Space 的读者正是那些发布智能体、模型和基础设施的人。咨询赞助此广告位。business@latent.space → Paul 和 Ant 讨论了在数据库附近运行容器。这弥合了启动应用程序与运营它之间的差距：需要配置、连接并向智能体解释的独立服务更少了。边缘函数仍然有用，但它们并不能覆盖所有工作负载。 运营侧也很重要。日志、检查、连接和上下文能帮助智能体理解它正在改变什么。一个能发出 SQL 的模型仍然需要知道数据库里有什么、应用程序如何使用它，以及出错时发生了什么。Supabase 的 Operate 公告值得与新的构建

匹配字段正文

务世界；一篇分析 生成式AI对全球经济（可疑）影响的文章；对AI基础设施领域最大参与者（如NVIDIA）的深度分析（第 一 部分和 二) 和 Oracle（第 一 和 二），如何 OpenAI 最终会杀死 Oracle, 以及 风险投资如何杀死自己. 如果你想联系我——尤其是如果你掌握关于Anthropic、OpenAI、Blackstone或AI泡沫中任何其他公司的劲爆信息——请通过Signal联系我，账号是ezitron.76。你也可以在你的Bloomberg Terminal上通过IB找到我。 上周, 我在我的通讯开头引用了Apollo首席经济学家Torsten Slok的一句话，请原谅我， 我不得不再引用一次, 强调 他的: 尽管人工智能领域有巨额投资和广泛炒作，但这项技术在美国科技行业之外的企业界没有带来任何财务回报。 Mag 7 的人均营收在上升，但标普493指数的人均营收持平，见下方第一张图。Mag 7 的利润率在上升，但标普493指数的利润率持平，见下方第二张图。而且仍然没有迹象表明 AI 正在提振生产率增长，见下方第三张图。由于对利润没有影响，美国主流企业正在收缩，并

匹配字段正文

自我改进——而这种情况经常发生！事关的资金足够多，我更愿意看到基准测试的透明度，让众多眼睛来发现漏洞。 我需要提出的最后一点，确实是在恭维闭源实验室：Anthropic 和 OpenAI 这样的公司早在几个月甚至几年前就不再关心这些指数了。他们的重点绝大部分放在支持内部用途——比如 AI 研发自动化——以及花费数十亿美元的客户的用例上。是的，他们有团队成员在其他能力上攀登以开拓新市场，但这些行为只有少数程度是由公开基准驱动的。与此同时，对中小型实验室来说，在这些智能指数上显得扎实是生死攸关的，因为它们的品牌完全建立在追赶前沿之上。有时这是一场非常愚蠢的猫鼠游戏，但它将持续存在。 我们当前这种由一两个指数主导“前沿在哪里”话语的均衡，唯一的解决办法是拥有更多带有其他偏向的智能指数，例如仅针对编码的指数（如 CursorBench）。在某些方面，这正在形成，Vals AI 和 Intelligence.ai 等正在成长，但注意力份额非常偏向 Artificial Analysis。 每个基准创建者都有自己的世界观。困境在于，你总是可以调整数字来迎合你的叙事。这一直是做优秀科学所面临的挑战。

匹配字段正文

，显示“伊萨亚斯”可能以“刺状急流”形式带来的强风威胁阿拉巴马州海岸的位置。 问题出在哪里？这位应急管理人员是用人工智能聊天机器人生成这张图表的，而它并不准确。 “那位县应急管理人员是想让他的利益相关者关注该县面临的风险，所以他请AI来帮忙，”她说。“AI做了他想让它做的事，但在气象上并不准确。” 大多数应急管理机构不允许员工使用生成式AI，但迈尔斯和大多数其他应急管理专家都认为，它的使用很可能已经在州和地方灾害部门中普遍存在。有数百家公司正在向应急管理人员推销AI工具，用于洪水损失评估和资源协调等任务，而公共沟通是政府雇员和初创企业最感兴趣的领域之一。 2026年2月23日，纽约市应急部门人员在冬季风暴来临前于布鲁克林监控值守指挥室。摄影：Matthew Hoen / NurPhoto/Getty Images；Grist 原因何在？大多数应急管理人员并不擅长发布警报和就灾害与公众快速沟通。这不是因为他们是应急管理人员，而是因为他们是人。他们往往用非专家可能看不懂的术语写作，假定公众已经知道某些信息而将其省略，还会加入可能分散人们注意力的无关细节，使人们忽略他们真正需要知道的内容。

匹配字段正文