链研社

Meta 豪賭 AI 亏的媽的不認識了，砸顯卡算力起碼還能看到成果，收購團隊買人花了163 億美金，相當於 meta 年淨利潤的三分之一，到現在是看不出有什麼特別的成果，在 AI 能力上還是遠遠落後於競爭對手。
2025年6月，Meta豪擲 143億美元 拿下 Scale AI 49%的股權按照2026 年最新的 Scale AI 估值 120億美元 左右，較Meta入股時跌去了近 60%。
隨著像 openclaw 這類Agent自我進化（Self-Correction）的能力，大模型對人工標註的依賴度下降。Meta 當年買的是AI 數據採礦權，結果發現他才是被當做金礦給挖了。
2025 年底以超 20億美元收購 Manus AI，Meta 在 AI Agent賽道上做的方向判斷，在 openclaw 出來之前 Manus 確實亮眼但現在呢，未必了，也因為 openclaw 的出現其他廠商的能力迅速追平了 Manus ，用更低的成本達到了一樣的效果。
20 億美金的價格對於一個商業模式尚未完全閉環的團隊來說，溢價確實極高。在 AI 更新換代如此快的情況下，團隊+產品能不能值這麼多錢，相信大家都有自己的判斷。
扎克伯格的邏輯，競爭力 = 算力（100萬塊H100） + 算法（Llama開源生態） + 數據/Agent（Scale AI & Manus），看著挺唬人的，但仔細一看好像

阿里的模型領先，但在 AI 的商業化上卻遠遠落後對手，口號在前，卻沒幾個真正落到實處才是最遺憾的。因為阿里雲的商業化不順利，反手把鍋扣給 Qwen 團隊，一個負責大模型研發的團隊來背商業化的指標是真離譜。
讓我們看看字節是怎麼做的，它才是互聯網裡 AI 化最徹底的
1、字節的火山引擎在 Token 調用量上穩居國內第一，遠超阿里。字節的邏輯是全線產品 AI 化，用龐大的內循環支撐整個集團，token 用的越多集團提效越明顯，把 token 消耗轉為真實的價值增長。
2、Seed 負責(基礎模型研究)，和通義實驗室功能一致。但是核心研究中心化，應用探索去中心化，不直接面對終端用戶，而是像一個實驗室，為全公司提供最強、最省錢、最聰明的底座。
3、豆包的投放遠不及千問和元寶，更多靠的是產品增長，甚至裡面看到千問和元寶廣告的概率都大於豆包。產品功能上語音通話，實時視頻，方言等功能都是獨一無二的。
4、即夢、剪映的 AI 功能也是從推出的第一天就有明確的變現路徑，功能上沒有落下過。剪映與 CapCut 營收早就在百億以上，AI 的功能加速了這一過程還保持了競爭力。
5、飛書，在 AI 圈幾乎也是人人必備的工具，在 openclaw 沒支持飛書的情況下還成了大家推薦接入的平台。飛書的智能體、多維表格、飛書妙記幾乎都是圍繞 AI 化辦公中的痛點來的嵌入到整個工作流程中。
6、還有各類 AI 產品

Anthropic基金合夥人：80% AI公司會死掉，真正護城河只有3個
一、 80% 的 AI 公司會死掉
AI 領域正處於從瘋狂融資到殘酷篩選的轉折點。所謂的“死掉，主要指以下三類公司：
API 包裝商（Wrappers）： 只是在 OpenAI 或 Anthropic 的接口上套了一層 UI，沒有自有技術或獨特場景。
功能型工具： 解決的是一個小痛點，但很快會被大模型（如 GPT-5, Claude 4）的內置功能覆蓋。
低效競爭者： 在同一個細分賽道（如 AI 寫作、基礎編程助手）中有 100 個競爭者，最終只有前 2-3 名能存活，其餘 80% 的公司將因融不到下一輪錢或被收購而消失。
二、 真正能存活的3 個護城河
AI 時代的競爭力不再是誰的模型更強（因為模型正在商品化），而在於以下三個維度：
1. 數據護城河
核心邏輯： 並不是所有數據都有用，真正的護城河是企業內部 80% 的非結構化數據（郵件、PDF、會議記錄、聊天記錄）。
贏家的公司必須能夠進入這些數據孤島，並利用 AI 對其進行清洗和結構化。一旦 AI 深度理解了公司的私有業務邏輯，競爭對手僅憑公開數據訓練出的模型根本無法取代。
2. 工作流護城河
核心邏輯： AI 不能僅僅作為一個對話框，而必須成為工作系統。
成功的 AI 應用必須深度嵌入用戶的日常辦公流程。當用戶習慣了在你的平台上進行端到端的操作時，更換

現在的 vibecoding 讓我想起了以前在公司被程序員支配的日子，太痛苦了。各種這也不行那也不行，加需求要等半年的離譜事情都來了。
如果當年的 AI 有現在這麼好用，我也不至於被氣到半夜睡不著覺。在未來，會用AI寫代碼會變成像會用Word、Excel、PPT一樣的基本技能。

有誰能算清楚這些 AI 大模型公司 coding 套餐的毛利率是多少？Anthropic 的毛利大概是 40%
國內的智譜和 minimax 是開源模型，有算力的自己也可以部署。所以判斷 coding 套餐沒辦法注定賣太貴，毛利率可能是極低的，甚至虧本。而且賣 API 的商業模式不同於 SaaS 和其他的互聯網應用，每個 token 都是有成本，是沒有近乎 0 的邊際成本。
智譜自己還搞到算力不足，前面賣了太多便宜的 token，現在搞的算力套餐都沒辦法繼續賣，每天限量。同樣的商業模式，Anthropic 並沒有限量，不知道是燒錢限量還是算力真不足加錢也沒辦法解決。
上市不好的點在於等下個繼續財報公布的時候就知道他們是不是在裸泳了。中國的模型性價比沒得說，但是目前的 coding 套餐到底有多少利潤，商業模式是不是可持續還真不好說，現在更多還是一個信仰圖騰，作為 AI 叙事非常重要的投資標的。
還有一個很有意思的邏輯，最近才想通，
1、大模型火了以後最先收益的是晶片，需要算力去訓練，英偉達暴漲，大模型公司都有需求，相互競爭價高者得吃到了最多的溢價，利潤豐厚。
2、接著到內存，因為 AI 大模型訓練和推理對內存需求極大，大模型應用越來越多以後推理需求不斷增長，這時候是搶內存做推理，同樣也是價高者得，有溢價空間。
3、光通信數據傳輸，AI算力爆發式增長，傳統的配套升級從銅升級到光傳輸，

投資進入極致壓縮的新世界，周期並未消失，而是被暴力折疊了。
1. 敘事即正義：資產正在代幣化
黃金/白銀不再是冰冷的金屬，也是去美元化的敘事代幣。極短的時間走完歷史級別的行情。
內存/硬盤不再是周期硬體，而是繼AI晶片的下一個版本之子。
AI上市第一股不再只看財報，而是取代 SaaS，顛覆原有的商業模式，市場巨大。
短期內，資產定價不再取決於現金流，而是取決於宏大敘事 + 社交媒體 + 衍生品槓桿+需求飆升組成指數函數。符號價值大於實際'資產。
2. 暴力折疊：十年周期，一年跑完
以前十年一輪的行情，現在 1-2 年就能塞進 3 輪微周期。美光 8 個月漲 3 倍，白銀用 9 個月走完歷史級別的估值修復，AI 大模型的智譜和 minimax 上市漲 10 倍，讓傳統的慢節奏指標徹底失靈。
3. 為什麼投資的節奏變快了？
AI 時代加成下，信息半衰期極短效用極大，AI 讓市場定價幾乎瞬間完成，不再有慢慢發現真相的時間差。任何邏輯都會在數周內被迅速 Pricing-in。實體供給與金融槓桿的共振，情緒被無限放大，極致樂觀與極致悲觀的高頻切換成了常態，仔細想想全球的多數金融資產都是這種狀態。

openclaw 2.19新版本更新以後，gateway 被我搞崩潰了，弄了一整晚初始化也沒用，但終於治好了我這幾天的 AI 焦慮。
其實大多數人如果不確定openclaw是否對自己有用的話，可以先用有道龍蝦 LobsterAI，更適合國內使用，可以配置、飛書、郵件，也裝了常用的 skills，基本開箱即用。只剩下 API 要配置，( 只支持國內模型，)，長期使用的話建議買一個 coding plan。

Qwen3.5 ：架構創新 + 開源 + 極致性價比
Seed-2.0 ：更像數字員工，強調工作流與交付
Kimi K2.5 ：更像研究型猛獸，強調推理上限和 Agent Swarm
Gemini 3 Pro ：生態與長窗口穩態王者
GPT-5.3：把程式設計智能體做到了極致，但代價也極致
Opus-4.6：精準代理解構者 + 動態思考先行者