中国风投生态运作机制
文章分析了中国风险投资生态的独特性，指出尽管中国在开源AI、生物技术和机器人领域具有优势，但其资本市场对创始人更为严苛。文章解释了为何中国初创公司倾向于IPO而非被收购，并详细介绍了人民币基金、美元基金和外资基金这三种资本池的特点与差异。
相关文档
什么是具身智能？它跟 AI 的关系是什么？
文章深入解析了具身智能的定义、历史渊源及发展现状。作者区分了具身智能与传统机器人，指出其核心在于感知-行动闭环与物理世界的实时交互。文章回顾了从符号主义、行为主义到深度学习、Transformer时代的技术演进，分析了VLA模型如何继承大模型能力来突破泛化难题，探讨其与AI的本质关系及未来前景。
未来两年物理AI股票alpha抓取深度研究
本文旨在探讨未来两年内“物理 AI”（机器人和自动化技术）领域的投资 Alpha 机会。作者明确指出，最确定的需求不在于“人形机器人”的故事，而在于已经开始产生现金流的物理 AI 基础层，如车载感知、边缘计算和仓储自动化。文章重点分析了 Ambarella、Mobileye、Symbotic、Intuitive Surgical 等公司，认为利润将流向高附加值、高切换成本的环节，并给出了具体的买入排序和交易策略。
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。
赛博义体 StackChan｜从入门到榨干
本文是 StackChan 桌面 AI 机器人的从零到一上手教程。作者介绍 StackChan（M5Stack 量产的开源桌面机器人）的开箱配网、出厂功能（聊天、遥控、跳舞等），并重点讲解如何通过开源网关 xiaozhi-hub-server 给它'换脑子'：将桌面机器人接入 Mac 上的 Claude Code 和云端 Grok Bot，实现语音指挥 AI 读写电脑文件、生成网页、查询新闻等能力，且无需额外 API 费用。文章附有详细步骤截图与常见踩坑提示，适合 AI 硬件入门玩家。
Abundance 2029：机器人时代的富足与失业困境
文章作者以其公司 microagi 计划部署十亿台机器人为引，探讨机器人普及将带来物质极大丰裕的"富足世界"，从根本上消除经济学赖以成立的资源稀缺假设。但同时指出，通用机器人将取代大量体力劳动岗位，若经济制度不变，数百万人将失去收入、地位与人生意义。作者认为机器人界回避了这一困境：若不解决分配问题，公众与政府将联合阻止机器人部署，富足将无法实现。文章回顾机器人技术的快速进展（Figure AI、Generalist、Gemini Robotics 等），并指出当前可验证任务最易被自动化，最后以欧洲为焦点讨论三种未来路径。
生化环材科研范式变天：Claude 全自动蛋白质设计与谱图解析
文章介绍 Anthropic 最新报告显示 Claude 已能作为“超级博后”全自动完成科研任务。仅凭一段 Prompt，Claude 可自主读文献、串联蛋白质开源模型，24-48 小时内完成 de novo 蛋白质设计；湿实验验证中 15 个靶点成功 14 个，单靶点命中率高达 35.1%，攻克了 TNFα 等地狱级靶点并实现跨物种结合。此外 Claude Opus 5 仅用 19 分钟即逆向解析 NMR 与质谱原始数据，纯度计算结果与人类专业实验室几乎一致。作者认为 AI 正从工具人进化为自主科研决策者，未来科研竞争将转向提出有价值的科学问题。
超简单 Discord，从入门到精通：服务器、机器人一个人就能搭
本文是面向新手的 Discord 完整入门教程。作者从与微信的三大差异讲起：服务器是自建空间而非群、语音常驻一键进入、接口对个人开放。内容涵盖下载安装与初始设置（中文界面、两步验证、通知与隐私）、界面与服务器/频道/线程概念、身份组与权限的三层规则及常见配置、机器人的安装与创建、开发者接口凭证区分（Bot Token、Webhook、Gateway 与 Interactions）、Quests 广告机制、Nitro 订阅购买建议，以及账号安全等常见坑，并附速查表。
我做过的那些工作（Paul Graham: What I Worked On 中文版）
本文是 Paul Graham《What I Worked On》的中文编译，作者回顾了自己早年写作与编程的经历：从中学接触 IBM 1401 与 Fortran，到拥有 TRS-80 后真正开始编程；大学从哲学转向人工智能，自学 Lisp 并重实现 SHRDLU；研究生时期看清早期符号主义 AI 的局限，转而专注 Lisp 并写作《On Lisp》。毕业后赴佛罗伦萨美术学院学画，经历艺术院校的失望，后在美国靠编程与自由职业维生，在 Interleaf 工作并总结出“低端吞掉高端”等重要经验。文章展现了作者在写作、编程与绘画之间追寻能长久留存之事的探索历程。
我读了412个人形机器人职位：真实的入行路线图
作者抓取了Figure、1X、Agility、Apptronik、Skild AI和Physical Intelligence六家人形机器人公司的412个公开职位并进行逐一分析，破除了常见误解：PhD并非必需（仅0.5%的职位硬性要求），39%的职位完全不提学历要求；ROS的重要性远低于新手教程宣传，Python才是最普遍的技能要求（50%），其次是C++（32%）。文章还揭示了公开薪资数据：中位薪资区间为15万-25万美元，AI岗位可达20万-40万美元，并指出从时薪25美元的操作员到40万美元工程师之间存在清晰的职业阶梯和多种入行路径。
AI 落地的四道坎 -- 本体、评估、信任、维护 | 峰会洞察 02
本文是硅谷101 Alignment 峰会 Day 1 下半场的深度纪要，总结出 AI 落地的四道坎：本体、评估、信任、维护，且四道坎都不在模型本身。机器人领域模型大小被物理参数封顶，数据质量与多样性之争可统一为数据金字塔，触觉数据与跨本体抽象是关键；世界模型定义仍在发散，AMD 收购 World Labs 释放垂直整合信号，评估工具的缺失是最大短板；Agent 的真正瓶颈是信任而非模型，企业需渐进开放权限，云端 agent 基础设施有大量脏活，交互范式需摆脱聊天框。作者结合一线信号给出创业与投资判断。
把硅谷和北上杭深的机器人公司放到 5 张地图上，城市之间的差异一下就出来了
作者用 5 张地图对比了硅谷与北上杭深的机器人产业格局：硅谷 67 家、深圳 36 家、北京 32 家、上海 25 家、杭州 25 家。各城市产业结构差异明显：北京依托高校与 AI 公司，具身智能和人形机器人集中；上海偏工业与制造，国际厂商与本土公司并存；杭州生态集中、产品化速度快；深圳覆盖从零部件到整机的完整链条，人形机器人公司数量国内最高。硅谷擅长定义未来，中国城市正以不同方式把未来造出来。
美国机器人公司物理地图和市场地图
作者整理了一份美国机器人公司的物理地图和市场地图，按业务类别系统梳理了约40家机器人公司的进展，包括人形/通用机器人与基础模型类（Figure、1X、Physical Intelligence、Skild AI等）、自动驾驶/移动机器人类（Tesla、Waymo、Zoox、Skydio等）、工业/物流/仓储机器人类（NVIDIA、Dexterity、Nimble等）、农业/建筑/专业场景类以及平台/软件/硬件类。每家公司附带融资规模、估值、CEO及官方X账号等信息，方便跟踪研究美国机器人行业的发展动态。