AI商业模式的危机
文章深入分析了AI产业面临的商业模式危机。尽管AI产品需求旺盛、用户增长迅速，但巨额的资本开支与实际收入之间存在巨大鸿沟。模型公司夹在中间，面临重工业般的投入成本、大宗商品般的定价压力，却享受着软件公司的高估值，这种结构性错配导致其长期盈利能力存疑。
相关文档
为什么看好ARM
文章分析ARM从技术授权转向直接销售芯片的战略逻辑。ARM与Meta联合开发AGI CPU，瞄准AI智能体对CPU的强劲需求——智能体需打开网页、运行代码、调度任务，CPU成为瓶颈。Meta为深度合作伙伴，甲骨文、字节跳动火山引擎、OpenAI均已采购，谷歌也在新AI系统中用ARM替代x86。客户需求半年内从10亿美元上调至20亿美元以上。直接卖芯片可让ARM每颗芯片贡献从50美元提升至500美元，扩大十倍。Jefferies预计2031财年销售额达180亿美元，ARM自定目标150亿美元，对应利润可达当前全公司水平的两倍多。
Ben Thompson 谈 AI 竞争：从地缘博弈、铁路泡沫到 OpenAI 的 Dropbox 困境
宝玉推荐并梳理 Ben Thompson 在 Invest Like the Best 播客中的核心观点：美国在 AI 上压倒性胜利反而危险，中国博弈论最优解可能是炸掉台积电；AI 资本开支面临时间错配风险，类比铁路泡沫；AI 能力局限于可验证领域；推理成本两极分化挑战聚合理论。最精华部分是 Dropbox 教训：消费者不愿为软件付费、不在乎效率，OpenAI 正以百倍规模重演 Dropbox 故事，被迫转向广告。此外还讨论算力短缺的风险转移、台积电保守扩产救了英特尔、Amazon 护城河最深、英伟达真正的对手是云厂商等，观点独特，信息量大。
国产模型年底跑不到 3T 模型就可能出局
文章梳理了曾鸣对颠覆性技术演化的三段论：AI 先成为通用基础设施，再催生海量新应用，最终诞生原生级现象级应用。2025 年 Token 成为 AI 时代共识度量衡，标志基础设施成熟；Open Claw 爆火开启 Agent 第二阶段；Agentic OS 属第三阶段，还需三五年。作者认为大模型公司本质是 AI 云公司，未来两年核心机会是打造 Agent 入口级产品，OpenAI 和 Anthropic 未必成为 AI 原生应用大赢家。另附曾鸣的公司四层分类：机会、战略、远见、使命驱动，强调使命须发自内心，外部认可驱动易受估值波动冲击。
The Great Neolab Trade
文章分析了AI新实验室（Neolabs）的投资热潮。OpenAI和Anthropic合计年收入约1250亿美元，估值超3万亿美元，成为史上最快的价值增长。早期投资这两家的反共识押注获得了巨大回报。此后FOMO情绪驱动资本疯狂涌入：三年内102家Neolabs融资700亿美元，总估值约3200亿美元但收入微薄。作者指出这一赌注成立需满足三个条件：前沿实验室不被开源商品化、创新将来自实验室之外、Neolabs需在巨头获得能力前建立差异化分销。按当前估值推算，Neolabs需实现约1460亿美元合计收入才能获得3倍回报，实现10倍回报则需5000-9000亿美元收入，远超OpenAI与Anthropic当前收入之和。
Anthropic 2 万亿美元背后的女人
本文深入剖析了Anthropic公司冲刺2万亿美元IPO背后的故事，聚焦于CEO Dario Amodei的妻子Cami Clark。她从蓝领家庭出身，经历破产和成人电影创业失败，最终通过人脉网络成为硅谷权力核心人物。文章还探讨了Anthropic的宗教式管理文化、融资循环模式以及估值争议，揭示了AI行业光鲜背后的复杂矛盾。
向前沿实验室出售数据的淘金热
文章探讨了向前沿AI实验室出售训练数据这一暴利行业的现状。虽然部分公司单季营收可达数千万美元，但该业务缺乏持续性，本质是出售专家判断力、模拟环境等。由于模型能力迭代极快，数据供应商面临订单随时消失的风险，是一场巨大的淘金游戏。
Forward Deployed Engineer：AI 时代的新宠岗位，到底干什么？
文章详细探讨了 Forward Deployed Engineer (FDE) 这一职位的兴起、定义及在 AI 行业中的应用。文章指出 Google、OpenAI 和 Anthropic 正在大力招募 FDE，通过成立独立实体或简化招聘流程来抢占市场。作者解释 FDE 是驻扎在客户现场的工程师，融合了咨询与开发的职能，并对比了三家巨头的不同策略。文章最后分析了 FDE 对不同职业阶段人群的机遇，标志着 AI 行业从单纯的模型竞赛转向落地应用。
API中转站暴利灰产揭秘：比贩毒赚的套利游戏
文章深度揭秘了2026年AI行业中API中转站的暴利生意。文章对比了毒品交易与API转售的利润率与风险，详细拆解了18种盈利模式，包括汇率套利、地区价差、模型偷换及数据变现等。文章还揭露了该行业恶意代码注入、数据泄露等严重安全隐患，并为普通开发者提供了辨别与避坑指南。
一文带你看懂 Harness Engineering
本文深入解析了AI工程领域的三次范式跃迁：从Prompt Engineering到Context Engineering，再到当前的Harness Engineering。文章用生动的游戏比喻和OpenAI的实际案例，阐述了Harness Engineering的本质——通过建立约束系统来驾驭强大的AI Agent。
不懂 Harness Engineering，你所谓的 AI 转型只是在浪费预算
文章探讨了 Harness Engineering 的概念，即通过设计环境、设定标准和建立反馈来构建 AI 的工程环境，从而将 AI 从简单的聊天工具转化为能持续工作的生产力。文章对比了 OpenAI 和 Anthropic 的不同实践路径，并以 VergeX 为例，阐述了 Harness 在 AI 交易中的具体应用，包括工具调用、上下文管理、架构约束和反馈循环四大核心模块。
Anthropic要IPO了，招股书里11个有趣的细节
Anthropic公开IPO申请，计划募集约1000亿美元，估值或达1.5万亿～2万亿美元，或成人类史上最大IPO。文章总结了招股书中11个有趣的细节：股票代码ANT与6年前蚂蚁集团IPO的巧合；收入五个季度暴涨30倍、算力投入产出比转正；账面巨亏807亿美元实为可转换票据公允价值变动；向小说家Bartz支付15亿美元版权和解金；5%-7%收入来自违规客户；与马斯克从骂战到签署1205亿算力合同；签署超5000亿美元照付不议的算力合同；7位创始人花7美元掌握50.1%投票权；设立公益基金及Windfall条款；Dario履历未提百度经历等。
谁说AI没有落地？看看美国医院正在用什么
文章通过梳理FDA及微软、OpenAI、Anthropic、Google等公布的实际案例，证明AI已在医疗领域真实落地：FDA已授权超1600种AI医疗设备，主要应用于医学影像、心脏疾病、糖尿病筛查等。大语言模型也进入医院工作流程，如微软Dragon Copilot服务超10万名临床医生，OpenAI帮助波士顿儿童医院节省6万小时工作时间，Claude助力Banner Health整理病历，Google辅助生成诊疗记录。作者指出需区分三个问题：技术已落地是事实，医疗AI市场正在形成但规模尚小，科技公司的巨额投资回报仍需时间验证。
