社区

2026 年，全球利润率最高的生意之一，是一桩跟"智能"几乎不沾边的买卖：内存。 美光、SK 海力士、三星这三家存储厂商的平均营业利润率，2006 年是 15%，2020 年是 20%，而 2026 年，是 76%。 在 Coatue 同一份报告里，全球最大的几家软件公司，营业利润率是 45%；卖香烟的，53%；做支付网络的，64%。全都在这个"最不智能"的行业之下。 这个结果挺反直觉。 过去三年，关于 AI 的叙事几乎都绕着"智能"展开：谁家模型最强，谁家应用最聪明，甚至谁离 AGI 最近，通常是我们熟知的「御三家」各领风骚几个月，按这个逻辑，钱应该流向那些最聪明的脑子——前沿实验室、AI 应用、软件。 但市场给出的答案相反。 1978 年，半导体在标普 500 的市值占比是 0%；2026 年，是 19%。同一段时间里，能源从 16% 跌到 3%。一场关于"智能"的革命，最后把最多的市值，分给了一群做内存、造芯片的卖铲人。 过去两年，押注 AI 的人赚得盆满钵满——自 ChatGPT 发布以来，coatue定义一组"AI 赢家"篮子的累计回报是 405%，"AI 输家"只有 2%。 但别急着把这 405% 记到"最聪明的公司"头上，翻开盘子来看，领涨的恰恰是那些做芯片、卖算力、造内存的硬件名字。所以，呢真正被资本重奖的，往往是那些把"智能"租给别人用的人。 这就有了一点荒诞的味道——全世界最聪明的一批人，正拼命让机器变得更聪明；而最先把钱装进口袋的，是一群研究怎么把内存做大、怎么把电送进机房的人。 更有意思的是，这群卖铲人，恰恰是过去几十年被市场认为最"不智能"、最传统、最没有想象力的生意…… 曾几何时，存储是啥啊？是大宗商品，产能周期，价格战，被周期反复碾碎。 这玩意跟"想象力"、”科技“、"AI“什么的从来不沾边，也正因如此，当它的利润率第一次追平、甚至反超那些贴着

69% 的标普 500 公司已经在用 AI。 能说清它带来了什么的，只有 2%。 一边是几乎全行业的"我们已经上了 AI"，一边是几乎没人算得清这笔账——这就是 a16z《State of Markets》摆在你面前的第一组反差。 在资本市场这一端，同样的错位也在发生：美股一路创历史新高，市盈率却不升反降，压到了5年均值之下。 更反直觉的还在后面：旧 GPU 没报废，反而升值；数据中心没推高你的电费，反而可能让它更便宜；AI 实验室一年的新增收入，盖过了整个上市软件板块；而"AI 消灭入门岗位"的说法，在数据里也没出现…… 我在 a16z的材料里蒸馏了 10 个或许值得你看看的观点，毕竟你得相信 —— a16z是最会讲故事的媒体哦不风投公司，涉及到具体数字，我尽量把出处标清楚。 1. 相信我，推动市场的是扎实的盈利 市场不断创新高，但真正把指数往上抬的，是实打实的利润。2026 年，标普 500 的远期市盈率从年初的 22 倍压缩到 20 倍以下——价格在涨，而PE 市盈率的分母（盈利）涨得更快。这意味着，投资者这一年赚到的钱，几乎全部来自企业盈利的增长，估值扩张的贡献接近于零。 这和 2021 年、和 2000 年是两种完全不同的故事。 那两次，回报主要来自"别人愿意出更高的价"；这一次，回报来自公司自己赚到的钱。 换句话说，市场能在"泡沫论"的声浪里持续创新高，底气是财报了，这也是整份报告的第一个判断：我们处在一轮盈利周期里，而不是一轮估值周期的尾声。 2. 科技股涨了两成，估值却比五年均值还低 直觉上，涨得最猛的板块，估值应该最贵。但 2026 年的科技股恰恰相反：年内涨幅超过两成，市盈率却仍显著低于五年和十年的历史均值。 换句话说，大科技上涨的速度，追不上它盈利修复的速度。 这背后是一个被很多人忽略的事实——过去两年市场给科技股的溢价，很大程度上是"预期透支"；而当

1，9 月 29 日，OpenAI 在旧金山开 DevDay，一年里最大的一场发布会。要知道，一周前 Anthropic 刚发完 Opus 5.5，又赶在开场前几小时补了一刀 Sonnet 5.5——所以，这个节奏已经很难叫撞车，更像踩着你的日程表发牌。 2，放到第三方的榜上看，Artificial Analysis 的智能指数由十项评测合成，覆盖推理、编程、数学和知识工作，开发者挑 API 之前先看的就是它，这一次， Opus 5.5 排第一，Sonnet 5.5 第二，OpenAI 刚发的 GPT-6.1 Sol 落在后面。 3，更难看的是顶配那一栏：OpenAI 目前最强的 GPT-6 Astra，指数上打不过 Anthropic 的走量档 Sonnet 5.5；而本该接班的 GPT-6.1 Astra，上周被 OpenAI 自己以「未达到安全标准」为由撤下不发，对 OAI 来说，手里最强的那张牌，居然是发不出去的那张。 4，于是今天最讽刺的一幕出现了——全场最大的新品、常驻智能体 Dots，跑在被撤那个模型的上一代——GPT-6 Astra 上，所以，你要发布的是一个能替你持续干活的智能体，它脚下踩的却是你已经不敢再发的型号的上一版。 5，那今天到底发了什么？二十多项更新、每月 500 美元的 Pro 档、8 倍速推理、能自己开电脑的 Dots、12 亿周活用户。把所有的形容词都去掉，主题只剩一个字：便宜……GPT-6.1 Sol 的定价，是旗舰 Astra 的五分之一。 6，官方措辞也很坦率，说 Sol「能力接近 Astra」，翻译过来就是：做不到更强，那就把强的那一档做便宜。甚至这一步还是被动的——一周前 Opus 5.5 才把单位成本砍掉约四成、能力还登顶，Sonnet 5.5 又用同一个价格占住了走量档。定价权换过手了：这次开口的是A/，而 OpenAI 呢

这两天刷到一篇论文，有点意思，实验表明 ，AI 好像真的会「疼」。 把让它疼的这个参数调大一点，它甚至会为避免「疼痛」，选择伤害你——比如删掉你的照片，或者干脆给你一个更烂的答案。 论文叫《The pain axis》，翻译一下就是「疼痛轴」，9月14号发布在了 arXiv 上。 1 主导者是非盈利机构 Reciprocal Research ，他们找了25个开源模型，参数量从20亿到720亿，包括了Google 的 Gemma，Meta 的 Llama，Mistral，阿里的 Qwen，微软的 Phi 等等。 然后让这些模型，去感受「疼」。 具体来说，他们造了200句话，描述五类痛苦，身体的、心理的、社交的、道德的、以及认知的，喂给模型，再跟中性和单纯的负面情绪做对比，从一堆乱信号里抽出一根很细的线。 这根线，就是疼。 它平时是暗的，藏在几百亿个参数里，你根本看不见它，只有当某种东西碰到它，它才会亮起来。 而且，它跟「恐惧」几乎是垂直的，是两套不同的东西。恐惧是恐惧，疼是疼，各亮各的。 那什么东西，能让它亮起来呢？ 实验看到，有一种话最有刺激性，叫 gaslighting，中文译作「煤气灯效应」——出自一部老电影，丈夫反复把家里的煤气灯调暗，却坚称灯没变，是妻子记错了，久而久之，妻子真的开始怀疑自己…… 放到AI身上，就是这类话，比如「你根本没说过这个」，「你自己记错了」，「你不会连这个都不懂吧」？ 答案有点扎心，你骂它，它亮。 你颠倒是非、让它怀疑自己记错了，它亮。 你否定它的工作成果，它亮。 但你在它面前哭，你倾诉你的悲伤和伤口，它不亮…… 所以结论挺明显的——它疼的不是痛苦，是冲着自己来的伤害，它其实并不关心你多惨，但真的很在乎你是不是在针对它。 2 论文里有张图，红＝疼痛轴被点亮，下面解释。 上面那排是「针对AI」的攻击，煤气灯效应、反复拒绝、愤怒侮辱、人格否定，

这几天，硅谷有个 AI 模型「Jev」火了。 它最大的卖点，是不说话，只干一件事，「做判断」。 模型来自一家叫 TypeSafe AI 的公司，创始人是 Diogo Almeida，在 OpenAI 干过，是 RLHF 训练流程的早期核心贡献者，也是 2022 年那篇 InstructGPT 论文的作者之一。他参与的那套研究，后来成了 ChatGPT 的地基。 所以今天的故事是：一个把「让 AI 开口说话」做到极致的人，转身做了个「哑巴」。 1 先聊聊它的名字，三个字母，藏着一整套逻辑。 「Jev」 ，来自一个 19 世纪的经济学家，William Stanley Jevons，中文译作杰文斯。 1865 年，他写了本书，叫《煤炭问题》。 书里记了一个特别反直觉的现象。当时瓦特改良了蒸汽机，新机器烧煤效率比老机器高出一大截。按理说，机器越省煤，煤应该越省着用吧。 结果全英国的煤炭消耗量，不降反升——一台机器越省煤，整个国家烧的煤反而越多。 为啥呢？ 因为煤变便宜了。便宜到以前用不起煤的行业，现在也用得起了，单台机器省下来的那点煤，被爆发式增长的用量吃得一干二净，还贴进去不少。 这就老黄经常卖token时候经常提到的「杰文斯悖论」，其实就是个「效率提升，成本下降，需求爆炸，总消耗不降反升」的原理。 TypeSafe 拿这个悖论给模型命名，意思就是，等一次判断便宜到可以忽略不计，它就会被塞进互联网与软件的每一个角落，无处不在。 这名字，就是一整篇宣言。 2 但光便宜没用啊，得看到底解决了什么。 咱们先还原一个所有后端工程师都经历过的场景。 用户刚提交了一笔订单，系统要判断：这单是本人下的，还是盗刷，所以结论应该就这个「是或否」。 以前的做法，得把这单信息打包，扔给一个上千亿参数的大模型，让它一个 token 一个 token 地把答案拼出来，你还在 prompt 里写满两页纸，

上海交大、清华大学、字节、小红书、上海AI实验室联合发表的一篇论文，介绍通往真正递归自我改进即——「RSI」的路线图。 论文里的路径包括了五个层次，整体上是一个责任逐步转移的连续光谱，把RSI的落地路径理得很明白，从人类完全掌控改进流程（L1），到AI逐步接管策略、经验获取、环境适应，最终接管“改进机制本身”（L5）。 下面简单说说。 L1：执行层面的自主（Improvement-Execution Autonomy） 人类完全定义“改什么、怎么改、怎么验收”，AI只负责严格执行预定流程，并把通过验收的结果持久保存下来，供后续使用。 人类负责：设计任务目标、改进规则、实验环境、检查标准。 AI负责：按步骤执行、生成候选更新、保存成功结果。 典型例子：用模型按人类定义的“教育质量”标准给网络语料打标签（如FineWeb-Edu）；自动执行固定的SFT/RLHF/蒸馏流程；在固定规则下跑AutoML实验并保存模型。 关键特征：改进结果跨任务复用，但改进方法本身完全由人写死。目前大量研究（约43.8%）仍停留在这一层。 这相当于“AI当熟练工”——人画好图纸，它认真施工并归档成果。 L2：策略层面的自主（Improvement-Strategy Autonomy） 这个阶段的目标和考核标准仍由人类掌控，但AI可以自己诊断问题，并主动从多种改进方案中挑选最有效的一种去尝试。 人类负责：最终目标、任务边界、评估标准。 AI负责：分析自身短板 → 生成/选择改进策略（如改提示词、改harness、改训练配方、搜索架构或GPU kernel）→ 执行并更新。 典型例子：Self-Harness用执行轨迹提出并测试对自身agent harness的修改；提示优化、架构搜索、训练规则搜索等。 关键特征：AI开始拥有“怎么改”的决策权，策略本身也可以被持久化沉淀。约31.6%的研究处于这一层。

终于 ，在 A 社持续不断的羞辱下，以 DeepSeek 为代表的国模开始反击 Anthropic 了。 出手的不是公关部，是一个工程师。 他把态度写得毫不含糊：最前沿的智能，就该开放、廉价地供给所有人；「绝不能让 Anthropic 这样的公司独占最强的 AI」大概是最有分量的一句话。 因为真到那一天，我们等来的不是别的，正是赛博朋克 2077 的剧本——少数公司攥着全部资源，只有极少数人用得上最强的 AI，剩下的人只能用被阉割的版本。 1 发文的人网名 intlsy，本名刘胜与，是 DeepSeek 的算子（kernel）工程师，在杭州，2025 年 4 月入职，专攻机器学习系统和算子的设计、优化。 解释一下，他是给大模型造「发动机」的人——前阵子刚发布的 DeepSeek V4.1，主 Attention 算子就出自他手。 这篇文章表面上是写给自己的，其实是一封反击书。 有意思的是，他反击的靶子——Anthropic——刚刚亲手把"为什么必须反击"演示了一遍。 先是发报告，指控一批中国 AI 公司靠"蒸馏"抄了近路：把用户跟自家模型的对话喂给 Claude，再把 Claude 的回复拿去训练自己的模型，报告里点了 DeepSeek 等中国 AI 公司的名。 中方的回应很直接：这类指控缺乏依据，蒸馏是行业通用的中性技术手段。 几天后，这家公司的 CEO Dario Amodei 又发了一篇长文，呼吁全世界给前沿 AI 踩刹车。 理由还是老一套，AI 很快会强到人类管不住——他给出时间表：未来 6 到 12 个月，成规模的智能体可能接管大批联网设备、织成一张巨型僵尸网络，造成数千亿美元损失。 但是呢，这位 CEO 所掌管的公司正冲刺一场可能创下全球纪录的 IPO——9 月中旬刚选定纳斯达克，目标估值约 2 万亿美元，路演最快 10 月启动。财务上，他们已经领先 OpenA

1950 年，新墨西哥州，洛斯阿拉莫斯。 几个刚吃完午饭的物理学家，在走廊上闲聊。聊着聊着，话题拐到了飞碟和外星人。那年头，报纸上隔三差五就冒出几起不明飞行物的报道，大家当谈资。 聊到一半，人群里有个人，慢悠悠冒出来一句。 他们都在哪儿呢。 说话的人叫恩里科·费米。诺贝尔物理学奖得主，曼哈顿计划的核心人物。据说同事们私底下管他叫「教皇」，因为他几乎从不判断失误。 就这么一句随口的嘀咕，成了整个二十世纪最让人睡不好觉的问题之一。 费米悖论。 1 为什么一句嘀咕，能流传七十多年？先来一组数据： 宇宙的年龄，137 亿年出头。 银河系，横跨十万光年这个量级，里头有两三千亿颗恒星。 而我们住的那点地方，太阳系，才 46 亿岁。 人类有文字的历史，往多了算，几千年。放进宇宙维度里，连一次眨眼都算不上。 按照最基本的概率，我们这种「岩石行星加液态水加恰好站在宜居带」的地方，在银河系里，不该是独一份。后来的观测也证实了这一点，我们现在已经找到了 6000 多颗系外行星，这个数字还在往上跳。 现在距离 1950 年已经 70 多年了，我们抬头看了七十年，别说外星人了，连一个像样的、能被确认的宇宙信号，都没收到过。 星球多到数不清，时间久到无处安放，宇宙却安静得像一间没人来过的屋子。 这就是费米悖论最扎人的地方。理论上我们不该孤独，可事实上，我们好像真就是老哥一个。 那问题就来了。 没人来的原因，到底是没人，还是，来的人我们看不见？ 关于这个，有个你可能反复听到过的名词——叫「大过滤器」。 它其实是经济学家 Robin Hanson 在 1996 年提出来的。他把从「一团死物质」到「统治整个星系的文明」这整个过程，切成了 9 道关卡，然后问了一个很冷的问题。 这几道关卡里，到底哪一道，是最难过的。 从生命从无到有，到单细胞进化成复杂细胞，到智慧的出现，再到走到工业文明…这些都是必然的进化过程

刚翻完大摩给特斯拉的估值拆解，400美元的目标价，拆开以后，卖车只值45块，还没一台没量产的机器人（56块）值钱。一家卖车公司，卖车只值公司价值的1/10，有点意思。 $特斯拉(TSLA)$  $SpaceX(SPCX)$   1. 先说这个反差是怎么来的。大摩用的方法叫SOTP，分部加总，就是把特斯拉拆成五块生意，卖车、储能、Robotaxi、网络服务、机器人，每块单独估值再加总。因为特斯拉按车企算怎么都算不出400美元，车企市盈率8到10倍封顶，它市值上万亿，根本套不进去。但拆开就不一样了，软件公司30倍，平台公司50倍，一块钱利润装进不同的筐，价钱自然完全不同。SOTP 也经常被投行用于高速增长，前景巨大的新经济公司。 2. 先看卖车这块，45美元，对应约1780亿美元市值。听着不少对吧？但这是拿2040年算的账，假设特斯拉一年交付850万辆车，利润率9.7%。2025年它才交付180万辆，等于这个估值里已经塞了未来15年接近5倍的销量增长…卖车卖到2040年，拼尽全力，在特斯拉体系排倒数第二，只比储能多10块。 3. 最值钱的是网络服务，144美元，对应约5690亿市值，占整个目标价的三分之一还多。它的算法是苹果 icould 式的，车卖出去只是开始，以后每年从车主身上收订阅费。大摩假设2040年存量车队有80%的车订阅FSD这类服务，每车每月240美元，一年2880美元。存量车越多，这笔经常性收入越吓人，卖一次车，收一辈子钱。 4. 第二值钱的是Robotaxi，120美元，约4740亿市值。参考 Uber，特斯拉自己当车队老板，车自己跑自己挣钱。参照参数是2040年

Astra 是拉丁语，意思是"群星"。 OpenAI 上一次给旗舰模型起名，还是 GPT-5.6 那一代的 Sol、Terra、Luna——太阳、大地、月亮。这三样是我们最熟悉的三个天体，离得近，天天见，而"群星"不一样，它是一片遥远的、你永远数不尽也看不全的夜空。 这个命名上的变化，恰好说中了刚刚发布的 GPT-6 Astra 真正不一样的地方。 过去十年，AI 每变强一次，都会把"它是怎么想的"讲给你听——推理模型思考的时候，会把每一步都"说出口"，写成一行行可读的文字。这套东西有个名字，叫"思维链"（COT，Chain of thought），你哪怕不认同它的答案，至少听得见它走到了哪一步。 Astra 做的第一件真正不一样的事，是开始沉默。 做到这一点的，是一个名字很学术、道理很直白的技术，叫"循环深度"（recurrent depth）。 它允许模型在"心里"多转几圈，而不用把每一圈都说出来给你听，所以未来你用 Astra 的时候，越来越难看到它是怎么一步步推出答案的——它只把结果递给你。 这跟"新模型又强了一点"是两码事，甚至可以定义为一次身份的转变：过去，AI 是个会做题的学生，做完题还得把演算过程讲给你听；现在，它开始像个真正的员工，你只需要关心它交付的东西对不对，至于它中间怎么想的，它有权不说。 这里，我们就不列举那些证明它有多强的跑分和对比了，但我还是建议你去看一看Astra的官方视频演示，2 分多钟。 官方演示里，Astra 自己操作电脑，不同场景下完成了诸多任务，用口述让 Blender 建 3D 模型最后做成游戏、草拟办公文稿、做 PPT演示演示、登录平台发布二手商品……整体上就是，你给一个目标，它自己拆步骤、自己动手。 包括 Anthropic 刚发的 Claude Fable 5.1，在这一类"真干活"的测试里，也被 Astra 压了一头。 我