文章分析了为什么Coding成为AI第一个杀手级应用，指出其成功源于数据数字化、结果可验证、流程可拆解等条件。作者认为下一个大场景不会是单一的“第二个Coding”，而是客服、财务、IT运维、医疗、法律、供应链等数百条业务流程同时Agent化的总和。通过微软Foundry、M365 Copilot和Agent 365三组数据，文章判断企业AI正处于从第二阶段向第三阶段扩散的过程中，呈现“广而不深”的特点。最后展望了个人行动Agent和AI科学发现两大长期机会。
本文是美股七姐妹拆解系列第三期，作者从大学生视角出发，探讨微软的商业模式。文章解释了为何用户感觉微软产品免费却仍在付费（厂商预装授权、学校权益等），分析了Windows的生态锁定与转换成本、企业办公服务的订阅收费逻辑，以及护城河的构成：软件设备生态、企业流程积累和云服务。文章还讨论了Azure与AWS的云计算竞争，以及Copilot等AI功能能否带来新增长——作者认为关键在于能否真正减少操作、稳定完成任务，而非'内置AI'标签本身。
文章介绍了智谱 GLM-5.3-Flash 模型的发布。该模型总参数量 320B、激活 18B，采用稀疏与线性注意力混合架构，注意力计算量降低 3 倍，支持 1M 上下文。作为 GLM-5 系列首个原生多模态模型，其最大亮点是视觉能力被直接纳入 Coding 循环，模型可观察网页截图、渲染结果和交互反馈，自主发现并修正问题，实现“生成—检查—迭代—交付”的完整闭环。文章还展示了其在游戏开发、3D 建模、办公文档和法律金融场景的应用，并给出 API 使用细节，认为大模型竞争正从回答质量转向完整工作的交付质量。
文章提出'科学突破机器'概念：无需先实现AGI，通过范围受限的自我改进循环（sub-RSI loop）即可在特定问题上模拟ASI效果。作者团队将其应用于DeepEarth——一个多模态时空世界模型，用于全球环境智能。系统通过共享记忆、快速筛选实验预算、基于不变量的验证与计分卡机制，让智能体集群自主进行假设、实验与迭代。最终将模型调和均值从0.016提升至0.407，实现约25倍的能力提升，并发现单一编码器的改进未必带来融合能力的提升，环境信号（如AlphaEarth卫星嵌入）是最大杠杆。
本文探讨了 DSH 生态的商业化路径，指出竞争焦点正从模型智能转向 AI 执行系统。文章提出商业化应遵循“插件→Skill→Profile→Workflow→Agent→行业解决方案→企业 AI 基础设施”的升级路线，并分析了垂直 Agent、付费插件、成本优化、企业私有化、Workflow 自动化等六个方向，强调以业务结果为导向，构建真正的商业壁垒。
本文针对AI行业层出不穷的新名词，系统整理了超过110个核心概念，旨在帮助读者建立对AI技术的整体认知。内容涵盖了一人公司(OPC)、Agent智能体、大模型架构、模型训练与压缩、MCP生态协议，以及AI创业相关的商业指标等，适合作为日常查阅和学习的工具指南。
文章指出，企业AI落地仅靠大模型和传统知识库是不够的，面临问法改变即失效、权限越界、引用失效等瓶颈。企业真正需要的是一套包含知识接入、工程加工、治理管控、应用调用和反馈优化的“AI知识引擎”。它能将繁杂的企业资料转化为可信、可追溯、可复用的上下文，为人和各类业务Agent提供稳定支撑，从而在AI深水区构筑核心竞争力。
文章强调企业应拥有自主的 Agent 技术栈，以避免依赖单一供应商。通过自主控制模型、数据、云和运行环境，企业能更好地保护数据和降低成本。作者提供了基于 GitHub 的快速搭建指南，并主张通过自主学习和改进来保持竞争优势。
本期 Indigo Talk 邀请 Meta 工程师 Jun Wei，探讨大模型引发的智力廉价化趋势及其对白领和程序员群体的冲击。对话深入分析了为何 AI 竞赛不可停歇、程序员作为“翻译员”的历史使命是否已终结，以及普通人应如何从 Programmer 转型为 Builder。文章指出，纯软件壁垒消失后，创业的核心逻辑正转向媒体思维与表达能力。
作者分享了7篇关于 Claude 和 AI 的精选文章，涵盖提示词工程、语音代理构建、个人助手打造以及一人企业的 AI 商业化模式。文章旨在帮助用户从 10% 的使用率提升至 100%，并利用 AI 进行内容创作变现。
文章深入对比了2026年美国人形机器人市场五大巨头（Tesla、Figure、Boston Dynamics、Agility、Apptronik）的技术参数与商业化进展。重点分析了Apollo凭借模块化设计和工业实用优势跻身主流的潜力，指出行业正从演示秀转向产线真金白银的阶段。
作者因 AI 替代失去工作后，花费 90 天考取了微软 AI 认证（AI-900, AI-102, AZ-305），最终获得一份薪资比原工作高 40% 的职位。文章指出，市场目前紧缺的不是 AI 工具的使用者，而是能够设计和管理企业级 AI 基础设施的架构师。作者详细解析了三个认证级别的知识体系、适用人群及职业价值，强调在 AI 时代掌握架构级技能的重要性。
文章详细评测了 DeepSeek V4 模型。V4 采用混合架构，参数量达 1.6T，虽未集成多模态能力，但在推理和代码领域表现优异。作者指出该版本通过 MXFP4、TileLang 和 MegaMoE 等技术，深度适配华为昇腾等国产芯片，旨在解决算力卡脖子问题。实测中，V4 在写作和长文本处理上表现出色，但在 Agent 意图识别和复杂开发约束遵守方面仍存在瑕疵。
