社区

一直以来，中美 AI 的发展差异，始终是行业讨论的核心话题。 美国负责创新，中国负责产业化，几乎已经成了很多人的共识。 但过去，大多数讨论都停留在外部视角：谁的模型更强、融资更多、产品更领先。真正从AI实验室内部出发，去观察中美研究文化、组织方式和技术生态差异的人，其实并不多。 不久前，美国 AI 研究员 Nathan Lambert 访问了多家中国 AI 实验室，包括月之暗面、智谱等等，并在之后撰写了一篇长文，系统分享了他对中国 AI 产业的观察。 Nathan Lambert 曾在 Meta AI、DeepMind、Hugging Face等机构工作，也是 AI 行业里颇具影响力的研究者和独立观察者之一。 在他的视角里，中国 AI 的竞争力，并不只是“追赶速度快”这么简单。更深层的差异，来自工程文化、人才结构、组织方式，以及中国科技公司对于技术栈控制权的重视。 某种程度上，这篇文章也提供了一个难得的“内部视角”——帮助我们理解，中国为什么能够在这一轮 AI 竞争中，始终紧紧咬住美国，甚至在部分方向上开始形成自己的优势。 以下是 Nathan Lambert 文章内容： / 01 / 为什么中国实验室更适合“今天的大模型” 中国的大模型公司，某种程度上可以说是“快速追赶型技术体系”的最佳样本。 如果只看结果，中美之间其实已经非常接近。无论是支持 Agent 工作流的新一代模型，还是研究人员、数据规模、算力资源等基础条件，中国头部实验室与美国前沿实验室之间的差距，已经远没有外界想象得那么大。 真正的差异，不在资源本身，而在于这些资源是如何被组织、管理和激励的。 Nathan Lambert 在与大量中国 AI 实验室交流后，一个最强烈的感受是：中国的组织文化，可能天然更适合当前这一阶段的大模型竞争。 因为今天的大模型研发，本质上已经不再是单点突破，而是一场复杂的系统工程。

AI 正在把表格，从一个记录数据的工具，变成智能办公的入口。 但一个更现实的问题随之出现——当企业数字化进入深水区，面对数量庞大、变化频繁的长尾业务场景，表格太轻、系统太重，协同效率始终难以提升。 在这一“能力断层”上，金山办公给出了自己的解法：用多维表格，补齐传统表格与重型系统之间的空白。 4 月 22 日，在 WPS AI NEXT 武汉站，金山办公发布新一代 WPS 多维表格，并首次披露其在高并发场景下的性能表现：在百万行数据、千级并发连接的条件下，平均编辑响应低至 32 毫秒。 与此同时，其自研的表格AI 引擎 Qingqiu Agent 在 SpreadsheetBench 榜单中排名全球第二，仅次于 Gemini in Google Sheets，创下中国 AI 产品的最高成绩。 从产品路径到技术指标，这一系列动作指向同一个方向：让多维表格成为AI 时代承接复杂业务的基础设施。 / 01 / 让AI真正理解业务 在一所高校里，老师需要在三天内完成2.4 万名学生的信息自查。 过去，这类任务往往依赖Excel、微信群和人工统计：学生填写、老师收集、再统一汇总。过程不仅耗时，而且容易出错，一旦出现卡顿或数据冲突，整个流程就会被拖慢。 但这一次，他们直接用了一张WPS 多维表格。 学生同时在线填写，数据实时写入，老师可以随时查看整体进度，系统自动完成统计与汇总。在数百人同时操作的情况下，响应依然稳定在几十毫秒以内，填报完成后即刻生效。 从结果看，这只是一次顺利的数据收集。 但如果把它拆开，会发现背后其实发生了一件更重要的变化： 原本依赖“表格 + 人工协同”的流程，开始被一套系统直接承接。 而这，正是过去二十年里表格始终没有做到的事情。 表格几乎无处不在，承载数据，却始终停留在“工具”的位置，无法真正承载业务。当企业规模扩大、协同复杂度提升，这种工具属性的上限也越来越

在上一轮AI热潮里，医疗曾是最被看好的赛道之一。 2018年，医疗影像AI融资达到顶峰，全年融资金额17.12亿元。 但很快，这个故事就冷了下来。谷歌解散Google Health，依图医疗卖身，就连行业里为数不多上市的鹰瞳科技，市值也长期停在10亿港元左右。 原因很简单，不赚钱。大多数AI产品停留在“辅助读片工具”，既没有进入诊疗核心，也没有收费能力。 但从去年开始，情况开始发生变化。 去年，国家卫健委等五部门联合发布《关于促进和规范“人工智能 + 医疗卫生” 应用发展的实施意见》，明确提出 “到2030 年基层诊疗智能辅助应用基本全覆盖”。 2026年4月，AI辅助诊断被正式纳入医保乙类目录，开始陆续在各地三甲医院落地。这意味着，AI辅助诊断第一次变成了“可以收费的医疗服务”。 与此同时，产业端也开始出现信号。企查查数据显示，2025年国内AI医疗企业注册2.48万家，同比增长22.38%，创下近十年注册量新高。 不久前，康众医疗（688607.SH）以7.5亿元估值收购脉得智能，而后者刚刚拿到甲状腺结节超声影像辅助诊断软件的第三类医疗器械注册证。目前，脉得智能产品已经覆盖一千多家医院，其中有近100家真正完成了设备采购。 更关键的变化在于商业模式。公司正从一次性设备销售，转向“按例付费”的医疗服务模式。 按乐观（用词保守一点）估算，假设一台设备日均服务100例，对应日收入约3000元，年化接近百万元。 今天，我们和脉得智能董事长陈咏虹聊了聊三个问题：受到上市公司青睐背后，公司核心价值是什么？纳入医保，对AI医疗意味着什么？以及，这一轮AI医疗为什么可能不一样。 / 01 / 甲状腺超声AI准确率超过95%，高于传统穿刺 硅基君：脉得智能为什么选择甲状腺超声这个方向进行切入？ 陈咏虹：我们一开始其实并没有直接选定甲状腺这个方向。2019年前，公司也尝试过CT、MRI等多

4 月 22 日，金山办公在 WPS AI NEXT 武汉站活动中，正式发布新一代 WPS 多维表格，首次对外披露了其在高并发场景下的实测性能指标。面对企业数字化长尾场景多、协同效率不足的行业痛点，金山办公将多维表格作为AI时代补齐传统表格与重型系统能力缺口的核心战略方向持续投入。 现场公布的数据显示，WPS AI国内月活跃用户数已超过8000万。在百万行数据规模、千级并发连接的条件下，WPS多维表格的新引擎平均编辑响应耗时低至32毫秒。同时，金山办公自研的全新表格AI引擎Qingqiu Agent在 SpreadsheetBench 测试榜单中排名全球第二，紧追Gemini in Google Sheets，创下中国AI产品在该榜单的最高名次。 全新表格AI引擎Qingqiu Agent全球排名第二 AI全新引擎：32 毫秒极致响应，上榜全球AI表格权威评测 在超大规模协同性能上，WPS多维表格表现超出预期。依托分布式算力框架与动态计算链，产品支持万人同时协作，比如万人级填报、校园打卡、政企数据汇总等场景无卡顿、不锁表；P999级别可稳定承载百万行应用级数据负载；在千级视图下，编辑响应延迟低至32毫秒，实现毫秒级实时协作，远优于同类产品在同等环境下普遍数百毫秒的响应速度。 同时，依托金山办公长期在表格与数据处理领域的技术积累，WPS多维表格与当前行业产品形成明显差异。WPS多维表格将自然语言建表、视图与仪表盘生成、AI字段、自动化流程、数据统计分析等能力在同一产品内完整实现，用户无需切换工具，即可完成从搭建系统到协同、分析、决策的全流程操作。 针对企业数据准确性需求，产品采用AI生成脚本+人工确认+精确执行模式，关键操作可追溯、可回滚，从机制上避免AI幻觉，保障业务数据可信。 WPS多维表格产研负责人杨鼎现场分享 WPS多维表格产研负责人杨鼎表示：“我们不蒸馏人，我们蒸馏

模型不再是稀缺资源 4 月 10 日，Anthropic 发布 Claude for Word 公测版，至此完成了对 Office 三件套的全覆盖。从投资视角看，这一事件的意义不在于 Claude 又多了一个入口，而在于它标志着 AI 办公竞争进入了一个新阶段：从模型能力的比拼，转向场景理解与生态壁垒的争夺。 过去两年，AI 办公赛道的叙事逻辑清晰而简单：谁的模型更强，谁的办公工具就更智能。但这个判断正在被快速修正。顶尖实验室的模型更新周期已缩短至数月，性能差距在快速收敛。Claude、GPT-4o、Gemini、DeepSeek，各家模型在通用能力上的差距越来越小。对企业用户而言，模型的「保鲜期」极短——今天被认为领先的模型，三个月后可能只是平均水平。 模型本身正在迅速变成一种基础设施。当算力与模型不再是稀缺资源，企业的核心竞争力究竟在哪？答案正在变得清晰：数据治理与场景理解。模型是必要条件，但远非充分条件。模型的能力决定了 AI 办公工具的下限，而场景数据的积累决定了它的上限。 8000 万月活构建的数据飞轮 截至 2025 年底，WPS AI 国内月活跃用户数已超过 8013 万，同比增长 307%，企业用户占比提升至 42%。同期，WPS Office 整体全球月度活跃设备数达 6.78 亿。 这组数据的核心意义在于：8000 万月活用户的使用行为正在构建一个数据飞轮。用户每天用 AI 写文档、审合同、做 PPT、改公文，每一次交互都在生成高质量的中文办公场景数据。这些数据反过来持续优化 AI 在中文场景中的表现，使产品体验越来越好。 数据飞轮一旦转动，后来者追赶的成本会呈指数级增长。Claude 可以训练出理解中文的模型，但无法复制 8000 万中国用户的真实使用场景。这种规模壁垒是时间换来的——不是模型能力追不上，而是场景数据的积累追不上。以合同审阅为例，WPS

1976年，乔布斯在车库里组装出第一台电脑时，很少有人能意识到，这样一台机器，终有一天会走出实验室，进入普通人的生活，并催生一个数万亿美元的产业。 科技史一再证明，一项技术真正改变世界，从来不只是因为它更强，而在于它拆掉了技术的高墙，填平了使用的鸿沟，让更多普通人拥有参与和创造的能力。 从个人电脑到消费级数码相机，几乎所有关键拐点，都遵循同一条路径。今天，这样的变化，正在AI Coding领域再次出现。 4月20日，蚂蚁推出灵光APP的闪应用升级，并上线“灵光圈”。 这次升级的核心，可以简单理解为两件事： 一是“闪应用”的升级，让用户用一句话生成一个可运行的应用； 二是“灵光圈”，让这些应用可以被分享、传播，并在他人基础上继续修改和再创作。 在“30秒生成应用”的基础上，灵光进一步打通了生成、迭代、使用与分发的完整流程。应用不再停留在一次性的生成结果，而是具备了持续使用和传播的能力。 同时，闪应用深度集成手机端原生能力，支持多用户接力修改，并实现端到端闭环。这意味着，用户在移动端几乎零门槛，就可以完成从“生成一个应用”到“让多人使用”的完整过程。 如果说过去的AI Coding，更像是提升开发效率的工具，那么这次灵光的升级，开始呈现出另一种形态——面向普通用户的消费级 Coding Agent。 从“怎么实现”到“我想要什么”，看似只是表达方式的变化。但本质上，是把软件生产从一项专业能力，转变为一种更普遍的表达能力。 今天，我们就来聊聊这件事。 / 01 / 从加速1%，到解放99% 过去一年，AI的叙事在明显收敛，最终落在了一个最确定的方向上，Coding。 从收入表现看，这条路径已经被验证。无论是Cursor，还是 Claude Code，这类产品的共通点在于：用AI显著提升开发效率，让“写代码”这件事变得更快、更轻。 但它们解决的，本质上还是同一个问题：如何让程序员更

"中国版Palantir"这个概念，到底有多值钱？ 看看港股的的迅策就知道了。 从硅基君发完《半个月暴涨100%！港股最猛的AI公司，讲了一个“中国Palantir”故事》之后，迅策的股价在不到一个月的时间里又翻了一倍多，从140港元一路涨到320多港元。 现在，迅策的市值已经超过1000亿港元。要知道，去年它的收入也不过12.8亿元，市销率接近80倍。 既然这个故事这么性感，自然也有别人盯上了。这不，4月12日，中科院系AI公司北京中科闻歌正式披露了招股书，冲刺“大模型决策第一股”。 从数据看，中科闻歌好像也有点说法。按收入计算，中科闻歌在2024年中国企业级大模型驱动的决策智能服务提供商中排名第一，市场份额为11.4%。过去三年，公司收入更是从2.50亿、3.18亿一路涨到4.05亿。 那么，中科闻歌到底和Palantir有多像？今天我们就来说说这家公司。 / 01 / DIOS平台，"本体论"的中国翻版 先来说说，中科闻歌到底在干嘛？ 如果你去翻它的招股书，里面充斥着各种高大上的名词。但用人话说，它干的事情和Palantir一模一样——把一堆乱七八糟的数据，变成老板可以直接拍板的决策结果。 支撑这个野心的，是它的核心产品：自研决策智能操作系统"DIOS平台"。 千万别把DIOS当成那种随便套个壳的聊天机器人，这是一套极其复杂的企业级AI系统。 从架构上看，DIOS平台分为三层，堪称对Palantir像素级的复刻： 底层X-Data对应Palantir的Data，负责把企业里乱七八糟的数据洗成AI能吃得下的"数据资产"； 中间层雅意大模型对应Palantir的Logic，充当大脑负责理解和推理； 上层DI-Brain对应Palantir的Action，面向具体业务完成多方案推演，直接执行决策。数据、逻辑、行动。 这套三段式打法，简直就是Palantir"本体论"的中国版

你敢信吗？ 一家一年能做到4.01亿美元营收、净利润高达6500万美元的公司，居然只有2名员工。 这听起来像是在讲天方夜谭，但它却在美国真实地上演了。 它的名字叫MEDVi，干的事情极其简单粗暴——在线上卖减肥药GLP-1。 只用了一年，MEDVi就直接干到了4.01亿美元的销售额，服务了超25万客户，今年甚至喊出了18亿美元的营收目标。 比收入增长更夸张的是效率。行业老大哥Hims & Hers，去年营收24亿美元，养了整整2442名员工。而MEDVi，只用了2个人，就做到了4亿美元。 据《纽约时报》的数据，MEDVi的净利润率甚至高达16.2%，显著高于行业平均水平。 这背后，其实指向一个更值得投资人关注的变化： 当AI能力叠加极致外包之后，企业的“规模函数”正在被重写——人效、成本结构、扩张路径，都在发生变化。 问题也因此变得更有意思了：MEDVi到底是一家“卖减肥药”的公司，还是一个提前跑出来的AI原生商业模型？ 如果是后者，那它的价值，就不只是4亿美元收入那么简单了。 / 01 / 线上卖减肥药，一年干出4亿美元 MEDVi干的事情，其实很简单，就是远程卖减肥药GLP-1。 这听起来有点像国内的美团，但可别小看这个生意。 在美国，线上卖减肥药可是一个大生意。 由于美国人很喜欢吃高热量食物，汉堡、炸薯条、奶油，所以美国一直肥胖的重灾区。根据世界卫生组织的数据，美国的肥胖率大约为41.99%。 也就是说，相当于每2.5 个路人就有1个人是胖子。 根据麦肯锡的测算，到2030年，美国潜在的减肥药用户规模在2500万到5000万之间。这是一个至少大几百亿的市场。 虽然需求很旺盛，但在美国GLP-1类减肥药可不是“随便可以买”的。 在美国，GLP-1类药物全部属于处方药。理论上，只有当你的BMI达到肥胖标准，或者存在相关代谢疾病时，医生才会开具处方。这意味着，它的入

过去几年，美股科技巨头持续加大AI投入，市场也给出了相当积极的回应——股价的持续上涨，本身就是最直接的反馈。 但从今年开始，这套叙事开始出现松动。 最新一轮财报发布后，除了Meta之外，谷歌、微软和亚马逊股价普遍下跌；从财报发布至今，除亚马逊外，其余几家公司也都跑输纳指。 过去，资本开支更多被视为“未来增长的投入”；而现在，投资人开始更直接地关注，这些投入对当期业绩意味着什么。 换句话说，市场正在从“奖励Capex”，转向“审视Capex”。 这背后大致有三层原因。 第一，是现金流的压力。按照今年各家公司的资本开支规模，经营产生的大部分现金都被重新投入，真正可以自由支配的空间被明显压缩。 第二，是商业化的不确定性。除了云计算之外，AI对收入的直接拉动仍不清晰。即便是被反复强调的广告提效，也很难完全拆分并验证其真实贡献。 第三，是融资环境的变化。作为重要资金来源的私募债开始承压，赎回增加，也让后续AI投入的不确定性进一步放大。 今天，我们就来说说这个事。 / 01 / 被AI吃掉的现金流 这波AI浪潮给美股科技巨头最大的一个变化是，现金流没了。 随着数据中心、算力和电力基础设施的持续投入，资本开支快速膨胀，自由现金流被明显压缩。到2026年的指引，这种趋势已经走到极致： 谷歌将Capex提升至1750–1850亿美元，接近翻倍； Meta预计1150–1350亿美元，同比增长约75%； 微软约1460亿美元，同比增长66%； 亚马逊更是达到约2000亿美元，同比增长52%。 当投入规模持续上行，一个更现实的问题开始浮现——这些公司的现金，正在被“重新吞回去”。 彭博数据显示，今年以来，几家科技巨头的EPS预期仍在上调，但自由现金流预期却持续下修，甚至在Meta、亚马逊和谷歌身上，已经转为负值。 换句话说，账面盈利在增长，但真正能“拿在手里的钱”在减少。 以亚马逊为例，2026

你见过这样一家公司吗？ 过去三年里的绝大部分时间里，它都是市场上最受投资人追捧的公司，甚至被视为“AI红利”的典型受益者。 2023初到去年5月，股价涨了666%，同期涨幅甚至远超谷歌。 而从去年6月到现在，在不到一年时间里，它的股价又爆跌了80%。 这公司可不是什么不知名的小公司，而是美股上最知名的公司之一，也是公认的教育股龙头，它就是多邻国。 如今，多邻国的市值只有42.75亿美元，甚至不及巅峰时候的零头，市盈率也从动辄40-50倍跌到只有10.33倍。 从“AI受益股”到被市场重新定价，多邻国身上，到底发生了什么？今天，我们就来复盘这个故事。 / 01 / 当最顶级的生意，遇到了AI提效 多邻国几乎符合投资人对于“好公司”的所有定义：增长快、生意好、用户粘性强。 从2022 年到 2024 年，多邻国的收入从 3.69 亿美元增长到 7.48 亿美元，两年复合增长率高达 42.4%。即便是在股价表现最弱的 2025 年，公司收入仍然保持 39%的增长。 盈利能力同样亮眼。公司的经调整EBITDA 利润率，从 2022 年第四季度的 5%，一路提升到 2024 年第二季度的 27%。 这个盈利水平已经可以和成熟的流媒体平台相提并论。 例如，Netflix 2024 年 EBITDA 利润率约28%；Spotify 2024 年第四季度约 12.5%。 换句话说，多邻国的盈利能力已经接近Netflix，同时远高于 Spotify。 如果看现金流，优势更加明显。 2024 年，多邻国的自由现金流利润率（自由现金流 / 收入）持续上升，到 2024 年第四季度达到42%。 相比之下，Netflix 2024 年自由现金流利润率约18%，Spotify 在 2024 年第四季度创下的新高也只有 21%。 也就是说，在现金流效率上，多邻国甚至比很多顶级的互联网公司还高。 再看用户