AI实力从夯到拉

前两篇我们聊了Anthropic怎么一骑绝尘、OpenAI如何绝地反击、谷歌在后面紧紧追赶。今天来看看硅谷剩下的那些科技巨头在AI上都在干什么。

先说我的结论：一个能打的都没有。

两年前，硅谷这些大厂个个雄心勃勃，哐哐砸钱。现在回头看，谁还能在AI方面真正领先？几乎没有。

我把这五家排了个顺序，一家一家说。

· · ·

第一梯队：马斯克系

老马同志的SpaceXAI+FSD，我给到一个夯。他可能是硅谷大厂里，唯一把身家性命押在AI上的人。

xAI并入SpaceX，成立SpaceXAI部门，正在准备超大规模IPO。Colossus 1超级计算机的全部算力租给Anthropic，他自己还有Colossus 2，硬的东西确实有了。

FSD这边，自动驾驶大部分已经完成了，可以说自动驾驶的AGI基本实现了，FSD的负责人和关键人物被调去支援SpaceXAI；无人监督版FSD目标定在2026年Q4，累计行驶里程已突破100亿英里。

特斯拉+SpaceXAI这三块拼在一起，算力、数据、场景都有了，故事是完整的。

在五家巨头里，马斯克系是唯一还让人有点悬念的。创始人赌身家押在上面，这是AI竞争中最稀缺的东西。

· · ·

第二梯队：Meta

大家可能有点意外，但我觉得，创始人在一线、组织在换血，Meta的饥饿感还在。

小扎是这帮CEO里最特别的一个。 除马斯克之外，他是硅谷大厂里唯一一个创始人还在亲自当CEO的。

程序员出身，自己弄了台电脑，天天用AI写代码，这个底子就决定了他在AI上的投入是动真格的。

扎克伯格搞了一个叫TBD的豪华团队，大约20个人，年薪据说是天价。他把这些人直接调到自己办公室门口坐着，没事就跑出来问：这个能不能做？那个什么进度？

Meta内部流传着一句话：

我们这里的OpenAI人，比OpenAI自己的OpenAI人还要多。

他们核心团队基本都是从OpenAI挖过来的，扎克伯格甚至亲自给看中的人才送汤，现实版的三顾茅庐。

Meta内部还有个Claudeonomics，是员工自己搞的内部Token排行榜。30天内消耗超60万亿Token，估值成本90亿美元， 前250名被授予Token Legend、Session Immortal、Cache Wizard这种称号，跟打游戏拿成就一样。

我滑雪摔伤静养的时候，废寝忘食地用，一天最多才消耗1到2亿Token，已经觉得挺多了。你知道这个排行榜第一名一天消耗多少？十多亿Token。没有炉火纯青的使用习惯，不可能做到这个量级，这是真重度用户。

当然，这个排行榜今年4月因为数据外泄被关了，但它存在过这件事本身，就说明Meta内部的AI使用浓度有多高。

从投入力度也能看得很清楚。Meta宣布要裁员8000人，占总人数10%。 裁的主要是传统业务线、运营岗和非核心部门。外界看是裁员，内部看是换血。换句话说，把旧业务的冗余清掉，专心搞AI。

与此同时，资本开支定在1150亿到1350亿美元，全部投向AI基础设施。 这两件事是同一套逻辑：把人力和资金从传统业务往AI一线挪。

而且Meta是这些大厂里收入利润涨得最好的。有钱、有人、有决心、老板自己还写代码——从创业者视角看，这几乎是最理想的状态。

· · ·

第三梯队：微软

微软可以说是起了个大早赶了晚集。

跟OpenAI的绑定让它比所有人都先拿到船票，但起得早不等于跑得快。

五年时间，对OpenAI的总投入超过1000亿美元。 这个数字放在整个硅谷科技史上都排得上号。

然后呢？2026年双方重新谈了一个380亿美元的收入分成上限。 投资回报一下子被设了天花板。再怎么拼命卖，超过380亿的部分就没你的份了。这是微软和OpenAI博弈拉锯之后的结果，两家都在重新定义合作边界。

这还没完。微软跟OpenAI的关系肉眼可见地变差，从当年的独家代理变成了现在的多云协作。OpenAI自己开始到处跟别人合作，微软也开始四处找AI初创公司收购，想减少依赖。

更尴尬的是，微软自己的模型一直没做出来。投了那么多钱，养了那么多人，自己的底牌始终没亮出来。Office Copilot就更别提了，微软内部高管自己都对这个产品不满意，对外靠大量补贴在推，效果到底怎么样，用过的人心里有数。

还有一个容易被忽略的细节，微软总部在西雅图。远离硅谷，AI人才市场一天一变，物理距离正在变成竞争距离。

所以微软现在困在一个两难里：被OpenAI绑着手脚自己做不了，脱离OpenAI又不敢。起了大早，赶了个晚集。

· · ·

第四梯队：亚马逊

亚马逊是全球第一大云厂商，按理说搞AI最顺手的就应该是它。AWS上跑着全世界最多的企业负载，随便加个AI服务就能变现。

问题在于，大模型确实没做出什么东西。

但它有一个很务实的策略：做不了模型的创造者，就做模型的连接者。Bedrock是亚马逊2026年的核心方向。

 以前Bedrock就是个模型超市，你想用哪个模型就调哪个；现在不一样了，它更像一个智能装配车间：你把需求提出来，它帮你把不同模型串在一起、编排成一个能自己干活儿的Agent，已经接入了近100款模型。

所以亚马逊未必能推出顶级大模型，但做最好的模型服务平台，这活儿它确实能干。

插一句：这两年大量中国企业出海，云服务和AI基础设施是绕不开的需求。我们是亚马逊在中国的认证代理。大家如果有出海需求，想要用亚马逊云上的各种AI接口，包括Claude、ChatGPT、Gemini等等，欢迎来找我们聊。

· · ·

第五梯队：苹果

平台路线的亚马逊至少还在找自己的位置，而最后这家，已经彻底不找了——苹果直接躺平了。

其实两年前大家还抱有一点期待，毕竟iPhone是地球上最大的AI分发终端。但现在硅谷几乎没人再提苹果能在AI上做点什么了。

苹果对自己也很诚实：策略就是on-device小模型加外部合作，不做前沿大模型自研，安心做一个硬件分销渠道。库克也准备卸任CEO，这个时代跟他关系不大了。

在AI这件事上，苹果认命了。

· · ·

最后

五家说完了。

如果你按顺序看下来，可能会发现点什么——从马斯克到Meta，再到微软、亚马逊、苹果，越往后越没劲。

这恰恰说明一件事：创业公司才是最有创造力的。 大厂资源多、人脉广、光鲜亮丽，但真正改变行业的东西，往往发生在几十个人挤在一个小办公室里的时候。

今天就到这，如果本文对你有帮助，欢迎收藏转发。下期是番外篇，聊聊硅谷现在最热的话题：内存。这可能是今年最被低估的一条AI主线，点个关注咱们接着聊。

顺便说一句，傅盛AI战队正在集结，如果你：

• 年龄在16-26岁之间，不管你是高中生、大学生、还是刚工作，都可以来。

• 会用AI工具解决实际问题，不管你是用AI做产品、写代码、搞设计、做运营，只要你能用AI搞出有意思的东西就行。

• 敢想敢干，不怕失败。

欢迎年轻人跟我们一起做AI，表现突出者我亲自带你。

发邮件、公众号后台发私信、评论区留言都可以，等你来加入。

跳转微信打开

硅谷老大哥谷歌的AI困局

前三期我们一直在讲OpenAI和Anthropic的互搏，但硅谷这么多大公司，他们都在干嘛？今天先讲谷歌。之所以先讲它，是因为在这轮AI浪潮里，谷歌的处境最特殊。

苹果卖硬件，Meta卖社交和广告，亚马逊卖货也卖云。AI对它们要赢，但输了没有灭顶之灾。谷歌不一样。AI如果输了，搜索就没了。大家自己体感一下，现在日常用AI之后，打开搜索的频率是不是大幅下降？所以谷歌来说，AI是一场不能输的战争。

那谷歌现在的AI到底怎么样？我总结了三个词：全力以赴、迎头赶上、前途未卜。

· · ·

为什么说谷歌"全力以赴"

ChatGPT横空出世的时候，谷歌是真的慌了。当时谷歌做AI的有DeepMind、Google Brain好几个团队，各搞各的，力量分散。创始人谢尔盖·布林后来回忆说，那段时间他看到的是"一团混乱"，于是就放弃了退休生活直接回到公司。

布林就住在帕拉奥图，现在几乎天天去谷歌加班，一周干60个小时，直接领导AI编程方向的突击团队。一家两万亿美元市值的公司，创始人亲自下场写代码、带队打仗，这在科技巨头里极其罕见。

组织层面更是大刀阔斧。谷歌把分散的AI团队全部统一到了DeepMind旗下——Brain合并过来，模型研发团队合并过来，负责任AI团队合并过来，连Gemini App的产品团队都并进来了。

为什么要以DeepMind为核心？因为研发负责人哈萨比斯本身就是诺贝尔奖得主，DeepMind被收购后一直保留着创业公司的文化，战斗力最强。谷歌这是把全部筹码押在一个有创业基因的组织上。Pichai和哈萨比斯也亲自下场，整个公司进入战时状态。

资源上就更不用说了。谷歌2026年Q1的资本支出高达357亿美元，全部砸向AI模型和算力设施，比去年同期翻了一倍。

而且谷歌不光买英伟达的卡，自己还造TPU：钱、卡、人、组织，能押的全都押上了。

· · ·

打了两年，谷歌真追上来了

这么全力以赴当然有结果。今天谷歌的大模型能力，算是迎头赶上了。

2025年11月推出Gemini 3.0 Pro，2026年2月又出了3.1 Pro。评测数据一路走高。

我自己用下来的感受也差不多——我现在日常遇到问题，绝大部分都问Gemini了，不用GPT了。现在你问个问题，Gemini的回答都不差，关键是它还免费。

生图能力是另一个很直观的例子。去年11月，谷歌推出了Nano Banana Pro，全网好评，AI生图直接上了一个台阶。隔了三个月，Nano Banana 2发布，用Flash的速度做Pro的质量，2K图1到3秒出，成本还降了60%。生图这件事上，谷歌从追赶到领先，一步到位。

硬数据也在变好。谷歌2026年Q1财报，总营收1099亿美元，同比增长22%；Google Cloud首次突破200亿美元大关，达到200.3亿，同比增长63%。这里特别说一下云为什么涨这么猛，因为今天大家上云就是为了用AI。搜索业务604亿美元，同比涨了19%，AI Overviews功能推高了查询量。

股价也跟着往上走。整个Q1的财报电话会上，Pichai和CFO几乎句句不离AI，因为增长确实就是AI拉动的。

打到这里，谷歌算是出了口恶气。模型强了，生图能打了，财务数字漂亮了。

但为什么我还要说它"前途未卜"？

· · ·

全力以赴，但前途未卜

因为在谷歌埋头追赶OpenAI的时候，AI战场的主线悄悄换了。

以前OpenAI是带头大哥，大模型怎么定义，就看OpenAI。

谷歌的思路很自然：OpenAI搞多模态输入输出，那我也搞；OpenAI做生图做视频，那我也做。一切对着OpenAI打。结果这两年打下来，好不容易追上了，回头一看，半路杀出个Anthropic。

Anthropic的产品线跟OpenAI完全不一样。它不是以回答问题见长的，是以写代码、做长任务、自主规划见长的。

过去几个月，硅谷在AI这件事上达成了一个关键共识：一个模型如果能写好代码，它就能写代码去改进自己；代码质量越好，改进出的模型就更好，又能写出更好的代码继续改进——这是一条自我进化的循环。硅谷认为，这才是AGI真正的起点。

谢尔盖·布林是硅谷最早意识到这个转向的人之一。他亲自用了Anthropic最新的Mythos模型之后，在谷歌内部讲了三句话。

第一句：

Mythos就是一个纯粹的AGI。如果你用了Mythos还不觉得这是AGI，那我不知道什么叫AGI。

布林见过的大模型太多了，Gemini就是他自家的东西，但他给了竞争对手的模型这种评价，Mythos给他的冲击不是一星半点。

第二句：

我现在不要什么多模态大模型了。我要的是一个能写代码的模型。

注意这个转变。谷歌过去两年最大的投入方向就是多模态，Gemini的差异化卖点也一直是多模态，生图生视频。但布林现在说，别整那些花活了，单点极致，代码能力才是唯一的入口。

第三句：

我要我们谷歌的工程师，用我们自己写代码的模型写代码。

这句话藏着最深的焦虑。今天谷歌内部有个尴尬的局面：全公司原则上不让用竞争对手的产品，怕内部代码暴露给Anthropic。但Claude Code写代码就是好，效率就是高。于是DeepMind团队被特批可以用，其余团队不能。

谷歌内部直接分裂成两拨人：一拨用着Claude Code效率拉满，另一拨只能用自家工具。你不用，效率跟不上。你用了，代码暴露给对手。这才叫进退两难。

布林这三句话是三四月份说的。而大模型这行有个特点，行内管它叫"炼丹"——你把料放进炉子里，一练就是两三个月。布林意识到方向要转的时候，谷歌下一代主力模型已经在炉子里快出锅了，改不了了。

所以你现在看新闻，谷歌马上要在下周的Google I/O大会上发布Gemini Omni，主打视频生成，能输出各种高质量视频。外面肯定一片叫好。

但我可以告诉你，谷歌内部评价这件事已经不一样了，他们认为主战场不在这里了。Omni是个好产品，但它不在那条"自我进化"的主线上。

布林当然没有只说不做。评价完Mythos之后，谷歌紧急组建了一个由Sebastian Borgeaud领导的新编程团队，诺贝尔奖得主John Jumper也在里面。

这意味着他们得另起一个炉灶，重新练一炉以代码能力为核心的料。但对手不会等他们——Anthropic的Opus 4.7已经在那了，Mythos已经在那了。

· · ·

伟大不能被计划

说实话，这件事让人挺感慨。两三年前你要问我，做大模型需要什么？

需要足够的人才——谷歌有DeepMind加Brain。

需要足够的钱——谷歌几乎无上限。

需要足够的卡——谷歌自己还生产TPU，行业里唯一今天能对英伟达构成威胁的产品线。

我从来没想过，谷歌在这条路上会走得如此吃力，甚至在方向上出了问题。

所以科技创新真的没有稳操胜券。很多时候比的不是钱，不是设备，甚至不是人数，比的是认知，是真正能跟实践结合、不断自我迭代的思路。一旦某条路上的人找到了那个实践-认知-再实践的飞轮，创业者就真的有机会去颠覆那些看起来不可战胜的巨兽。

"伟大不能被计划"。大方向你知道会成，但哪条具体的路径才是真正的道路，没人能提前定义。谷歌这次能不能赶上来，我们拭目以待。

当然，谷歌还有一个杀手锏，叫TPU。下一期跟大家聊聊，TPU和英伟达GPU的竞争到底怎么样。

今天就到这，如果本文对你有帮助，欢迎收藏转发。如果对硅谷AI感兴趣，点个关注下期咱们接着聊。

顺便说一句，傅盛AI战队正在集结，如果你：

• 年龄在16-26岁之间，不管你是高中生、大学生、还是刚工作，都可以来。

• 会用AI工具解决实际问题，不管你是用AI做产品、写代码、搞设计、做运营，只要你能用AI搞出有意思的东西就行。

• 敢想敢干，不怕失败。

欢迎年轻人跟我们一起做AI，表现突出者我亲自带你。

发邮件、公众号后台发私信、评论区留言都可以，等你来加入。

跳转微信打开

OpenAI如何打回牌桌中心？

上期聊了Anthropic的王牌和隐忧，今天咱们来看看OpenAI。

从GPT-3.5发布那天起，OpenAI就没从AI行业的主角位置上下来过。

但最近半年，资本、收入、产品三条线都在被Anthropic翻盘。好在最近几周，风向开始变。

· · ·

为什么说OpenAI沦落到绝地

先来看估值。

Anthropic新轮融资还没公布，但场外交易平台的隐含市值已经突破了万亿美金。而OpenAI上一轮估值7500亿，场外老股成交价却在往下走，有些平台已经跌到六千多亿。

这不仅仅是数字涨跌。AI这个行业有一个残酷的规律：资金只投第一。如果你代表一个新行业、开创一种模式，追着你给钱的人排着队。但当第一的位置松动，资本的流向就开始逆转。以前投资人把筹码堆在你桌上，现在开始往对面堆了。

OpenAI过去是用第一名的逻辑在运作这家公司的。Sam Altman搞星际之门、建几千亿算力中心。产品线也是铺满：文字推理有o系列、视频生成有Sora、内部还有机器人业务在研，最近甚至还传出要做手机。

对外投资也是一长串，下周一家巨无霸芯片公司IPO，背后的钱也有OpenAI的一份。

这一套打法成立的前提是：我能一直融到行业里最多的钱，先用资本把对手耗死，盈利是以后的事。

但估值被翻盘之后，融资预期直接从"能拿一千亿"缩成了"可能只能拿一两百亿"。烧钱速度不变的话，以前能烧十年，现在只能烧一年。这在创业圈不是什么新闻——最典型的脆断，就是这么来的。
第二是收入。

Anthropic的收入增速已经反超OpenAI。

更难受的是毛利。有数据可以算出来，OpenAI的毛利大概在20%附近，而Anthropic前阵子算力瓶颈的时候已经做到40%多，到5月算力问题解决之后，毛利直接飙到了70%。

收入追不上对手，毛利又差出三倍多，你在投资人面前讲不出一个可持续的商业模式。

第三是最要命的——产品力。

编程是这个行业今天最核心的现金流战场，而GPT的编程能力一直被Claude压着打。ChatGPT当然声量巨大，月活无人能及，但流量不等于收入。Sora号称AI视频生成的标杆，技术炫技拉满，结果呢？烧了无数钱，始终找不到付费场景，最后只能关停。这事本身就是一个信号：看起来热闹的产品线，未必能变成真的商业模式。

估值被超，收入被反超，毛利差出天际，最核心的编程产品线打不过对手。当然还有微软内斗和马斯克旧金山法院那摊事，但那是能用钱解决的成本，不是决定生死的问题。

OpenAI今天真正的处境，说是绝境一点不为过。

· · ·

被逼到墙角的反击

但 OpenAI 毕竟当了这么多年大哥，家底是有。

被逼到绝地之后，OpenAI做了几件让人看到翻盘希望的事。
第一是人才。

硅谷至今公认，OpenAI的人才密度全球最高。2026年计划把团队从4500人扩到8000人，研发人员占比超过三分之一，其中40%是从Google、Google DeepMind挖过来的。就连Anthropic内部的人都承认，对面的人确实能打。

顶尖研究者的产出从来不是线性差距，一个人选对了方向，可能比一个团队还有用。只要方向调得准，这批人打得出来。
第二是算力。

OpenAI早期融资多，在基础设施上砸了真金白银。据他们向投资者披露的内部数据，2025年已经拥有1.9GW的计算容量，2026年预计干到10-15GW，2030年的目标是30GW。

什么概念？Anthropic到2025年底大约只有1.4GW，2026年预计7-8GW。OpenAI自己在备忘录里告诉投资人：这个计算缺口，已经是决定谁先发布产品的物理约束。

而Anthropic确实被卡过。2026年一季度，用户量爆炸式增长，CEO Dario Amodei自己都说，原计划年增长10倍就够了，实际干到了80倍，结果算力直接被打崩。

3月底Anthropic被迫对Claude Pro和Max用户在工作日高峰时段强制限流。一直到5月6日宣布拿下马斯克的Colossus 1才把这道坎迈过去。

当对手在算力荒里限流的时候，GPT用户几乎从来没感觉到降智。这就是早期重注基础设施的红利。

而接下来的一个动作，让不少人相信OpenAI真的回过神来了——停掉Sora，聚焦Coding。

Sora停掉的时候业内一片哗然。但回头想，这才是对的。一个叫好不叫座的产品，再酷也是成本。砍掉它，意味着OpenAI终于不再以为自己是第一、什么都要做，而是承认自己在编程赛道上落后了，必须集中所有力量打回去。把资源全部收回来，聚焦编程大模型。

· · ·

风向开始变了

接下来的动作密度前所未有。GPT-5.3到5.4到5.5，几个月连发三个版本。4月23日发布的GPT-5.5，内部代号Spud，定位非常明确：为真实工作中的Agentic能力而设计。大规模推理规划、工具调用、沙盒代码执行，每一样都是冲着编程Agent去的。

新版Codex同步上线。评测数据一出来，大家都坐直了。

光看评测还不够。我跟好几个硅谷朋友聊，他们说现在日常主力工具已经切到Codex+GPT-5.5，深度任务上效果比Opus 4.7+Claude Code还好。下载量更直观。Codex上线一周干了四千多万次下载，同期Claude Code的下载量掉到了几百万次，而且那一周还在往下走。

我这两天也拿两个Agent并行实测了一回。我从没碰过iOS开发，不知道怎么用Swift、不知道Xcode怎么折腾。两边给同样的提示词，同时开工。两个晚上，一个带地图轨迹的健身APP跑起来了。

说实话，两个模型各有千秋。Claude Code的交互体验确实细腻，CLAUDE.md那套规则系统让它在大型项目里很有章法。

但GPT在编程上确实在奋起直追，而且追得很快。

当然，To B的迁移成本不是C端能比的。编程Agent一旦企业嵌进了流程，换工具是伤筋动骨的事。口碑反转是一回事，客户真的迁移是另一回事。

OpenAI今天的反击只能说开了个好头，离翻盘还有距离。但机会绝对在。

· · ·

最后

对于整个行业来说，最好的局面不是一家独大。Anthropic跑得快，OpenAI追得猛，两家死磕编程Agent，把价格压下去，把体验拉上来。最后受益的，是写代码的所有人。

而且坦白讲，我也希望OpenAI能挺住。如果被一家动不动封中国号的公司领先了、甚至垄断了，对我们不是好事。
下期，聊聊谷歌。硅谷这台戏，还远没唱完。

今天就到这，如果本文对你有帮助，欢迎收藏转发。如果对硅谷AI感兴趣，点个关注下期咱们接着聊。

如果你想体验龙虾为工作提效，现在就可以试试：

• 国内版：easyclaw.cn

• 国际版：easyclaw.com

• 企业版：easyclaw.work

跳转微信打开

史诗级好牌，会不会翻车？

上期我们拆解过，这轮AI浪潮里商业数据最炸裂的当数Anthropic——人类历史上收入增长最快、人类历史上人均产值最高、人类历史上估值最高的私有公司。

但那些都是"结果"，是"过去"。

今天这篇文章，我们回到当下：真正让硅谷震动甚至害怕的那张底牌，到底是什么？以及，这家公司手里攥着史诗级好牌的时候，有没有可能翻车？

· · ·

王牌Mythos强在哪

2026年上半年，Anthropic的新一代模型Mythos是整个硅谷AI圈的焦点。

Mythos这个词，希腊语里就是"神话传说"。名字霸气侧漏，但如果你仔细看它的评测数据，会发现这名字甚至有点谦虚。

先说编程，SWE-bench Pro，业界公认最苛刻的编程评测。它扔一个真实代码仓库过去，要求跨文件修bug、改架构，模拟工程师实际干活的样子。Opus 4.6拿到53.4%，已是上代的天花板。Mythos直接干到77.8%，从"能干活的中级工程师"跳到"能独立负责复杂项目的高级工程师"。

数学方面测试成绩也是碾压的，美国数学奥林匹克真题USAMO 2026，Opus 4.6得分42.3%，刚摸到及格线。Mythos干到97.6%，距离满分一步之遥，翻倍级的领先。

人类最后的测试，Opus拿53分，Mythos拿了64.7分。这个考试是几百位专家联合出的题，专门为了让AI做不出而设计的，Mythos硬是突破了60分大关。

比编程和数学更让硅谷坐不住的，是安全。

《纽约时报》把Mythos称为"可怕的警钟"，卫报管它叫"零日漏洞机器"——下面这组数字，做过网络安全的人看完都会后背发凉。

实战型黑客攻防赛题CTF安全挑战，考的是能不能真正攻进一个系统，在Mythos之前，市面所有大模型在这类任务上的成功率趋近于零。Mythos一上来：73%。

英国AI安全研究所AISI做了一个测试：让Mythos模拟攻击企业内网。一共32步，从侦察、渗透到完全掌控内网，全链路打通。人类安全专家干完同样的事要20多个小时，Mythos在10小时内完成了3次。

另外，OpenBSD操作系统藏了27年的一个安全漏洞，全球顶尖安全研究者都没发现，Mythos找到了。

Firefox浏览器安全测试中，Opus 4.6成功写出2次攻击，Mythos写出181次——两个数量级的差距。

把编程、数学、安全三组数据并排摊在桌上，结论已经很清楚：Mythos对所有上一代模型实现了全面碾压。

· · ·

8小时不停手的模型

现在的模型干不了长活。任务稍微复杂一点，做着做着就断了，回头问你要不要继续。Opus 4.6算能扛的，最长连续干一两个小时不中断，已经到头了。

Mythos打破了这条天花板。给它一句话，它能连续8小时自主执行一个任务——自己拆解、写代码、跑测试、看结果、复盘、再改。你早上交代一个工程任务，下午回来它还在推进。

8小时自主工作的能力，直接引发了硅谷对AGI的重新讨论。

谷歌联合创始人谢尔盖·布林在一次内部会议上说的话已经传遍了硅谷："如果你用过Mythos，你就会感觉到这就是一个纯粹的AGI。如果你觉得这都不是AGI，那我就不知道什么是AGI了。"

硅谷当前正在形成一种共识：能自我改进的系统就是AGI。有朝一日它能自己写代码、进化自己、看一眼效果再写代码——那就是AGI。布林因此做了一个决定：要求谷歌大模型团队从多模态全力转向Coding模型。

一个模型强到这个程度，但普通用户接触不到。Anthropic选择了一条完全不同的路径。这背后的原因，不光关乎安全，更关乎商业。

· · ·

不公开的生意经

Mythos不向公众开放，由一个叫Project Glasswing的框架管控，仅限12家科技巨头加40个安全组织做防御性研究。所有可能被模型攻击的巨头，同时也是最早拿到模型做防御的一方。

与此同时，Anthropic挑了全美100家大企业，开始输送服务。

价格不低：每百万Token输出125美元，Opus 4.7的5倍。

Anthropic的账本是这样算的：不需要所有人用，100家大企业就够了。当前企业API占其收入70%-75%，Claude Code年化收入超过25亿美元，B端生意模型已被市场实打实验证过了。

但真正让投资圈兴奋的，是硅谷流传的另一条消息：Anthropic在实验revenue share模式——用我的模型让你的营收增长10%，我从中拿1%-2%。

这个模式一旦跑通，AI公司就不只是卖工具了。它是给你提供一套能把你收入拉上去的服务。这种事以前要靠麦肯锡、靠高薪工程师团队，周期长、成本高。现在一个模型就干了，而且干得更好。

回头再看OpenAI，两条路线的差距一目了然。OpenAI走C端订阅，每月20美元，用户量做到天也有天花板。谷歌一年广告收入四五千亿美金，加上整盘Meta，全拿过来也就七八千亿美金。到了这个体量，估值自然撞墙。

Anthropic切的是企业成本支出端——全球企业每年花在人力、咨询、研发上的钱是几十万亿美金级别。帮你增长，拿一两个点，天花板根本不在一个量级。

当然，这也不是说Anthropic就无敌了。

· · ·

三根软肋

第一根：算力的周期赌局。

一个月前Anthropic还在被用户骂降智降限额，原因就是算力跟不上。

CEO Dario Amodei凡尔赛说："我本来以为今年增长三四倍就够了，没想到涨了10倍。"增长10倍当然爽，但你的算力储备是按三四倍建的，缺口大到需要立刻下重注。

2026年5月7日，Anthropic租下SpaceX的Colossus 1超算集群，但底层的问题没有解决。GPU是大宗商品，采购逻辑是刚性的，一次买足未来三到五年的量，建机房、通电、上规模，每一步都有无法压缩的固定周期。买卡本质就是赌未来收入曲线。赌对了皆大欢喜，一旦增长放缓，那批卡瞬间变成沉没成本。

Amodei自己公开说过，公司可能因此破产。

这是高增长公司的经典悖论：增长越快，被迫下的注就越大；注下得越大，容错空间就越小。

第二根：人才密度。

Anthropic目前约3000人。DeepMind接近2万人，谷歌旗下还有多个AI团队，加上Meta、微软、OpenAI——整个硅谷已经把Anthropic当作第一假想敌。各路团队的研究方向正在从"怎么做出好AI"转向"怎么打Anthropic"。

好消息是势头在这边：已有创业公司CTO辞职来做普通研究员，这种人才吸力的上一次峰值是2008年的Google。但3000人对整个硅谷生态，这场仗不好打，就看Anthropic未来人才队伍建设了。

第三根：销售基因。

现在的情况是企业API占收入大头，纯自然增长，企业抢着用。

但做企业级应用，销售团队永远是必修课。Anthropic是极客型组织，模型好，技术强，但"怎么卖"这件事几乎没建过体系。

现在企业抢着用，是因为市场上没得选。等竞争对手也拿出差不多的模型，企业为什么还选你？到时候拼的就是谁能靠销售团队扎进行业、把客户绑定住。

· · ·

最后

三根软肋，哪一根都不是小事。但最致命的还不是这些。

处在超高速爆发期的公司，外部竞争和资源瓶颈打不倒它。真正危险的是内部判断力——在增长飞轮转得最快时能否保持克制。

钱多了，诱惑跟着就来了：消费者产品要不要做？基础设施要不要横向扩张？每条路看起来都对，每条路都可能把人从"专注"拖到"平庸"。

当然，硅谷的魅力正在于此：永远会有一个think different的团队，从你完全没想到的角度杀出来。1998年的Google，2004年的Facebook，2015年的OpenAI，2022年的Anthropic，都在重复同一个叙事——这里没有永恒的赢家。

下一个Anthropic，可能已经在某个车库里敲下了第一行代码。

今天就到这，如果本文对你有帮助，欢迎收藏转发。如果对硅谷AI感兴趣，点个关注下期咱们接着聊。

如果你想体验龙虾为工作提效，现在就可以试试：

• 国内版：easyclaw.cn

• 国际版：easyclaw.com

• 企业版：easyclaw.work

跳转微信打开

Anthropic：昔日OpenAI小弟，今日硅谷一哥

昨天讲了马斯克的xAI为什么会失败，今天跟大家聊聊硅谷AI到底是个什么态势。

先说结论：硅谷AI公认的最强，不是OpenAI，是Anthropic。

当年从OpenAI出来创业，融资融不过、团队拼不过，一直被甩开身位的小弟，今天用三句话重新定义了自己——

人类历史上收入增长最快的公司。

人类历史上人均产值最高的公司。

人类历史上估值最高的私有公司。

下面一个一个说。

· · ·

把公司的命押在编程上

先看收入增速，Anthropic的ARR：

2024年年底，大概10亿美金。从几乎为零涨到10亿，用了一年。

到2025年年底，100亿。翻了10倍。

2026年2月，140亿。4月，300亿。5月最新数据，突破440亿。

内部预测到年底可能超过1000亿美金。

三年，从零到一千亿。几乎没有销售团队。

Anthropic刚起步的时候什么都没有。几个OpenAI出来的人，怎么融资都融不过老东家。OpenAI有微软撑腰，有ChatGPT这个C端爆品。Anthropic只能走另一路：不做C端，做toB。

Dario Amodei的判断就一句话：代码是最突出的赢家，是所有企业采用AI的先行指标。

当时不是没有人在做AI编程。GitHub Copilot 2021年就上了，谷歌有Gemini Code Assist，OpenAI的模型本身也能写代码。但别人的AI编程是产品线里的一个功能点，Anthropic是AII in。

2026年的AI编程工具评测里，Claude Code已经是公认的最强。

今天Anthropic公司内部所有应用的代码，没有一行是人写的，连大模型训练的大部分代码也是AI写的。

Anthropic押对了。

验证这件事的不只是收入数字。看看同行在干什么：OpenAI在全力做Coding大模型，谷歌在追，Meta在追。Anthropic定义了这个战场，把巨头打成了追赶者。

我讲两个具体的例子：

先说谷歌。

2026年1月，Google首席工程师、Gemini API团队负责人Jaana Dogan在X上发了一条推。她说自己用Claude Code，只用了三段描述性文字，一小时就复现了一个自家团队做了一年的系统原型。

谷歌内部对这件事的反应很剧烈。

Google CEO Sundar Pichai在内部会议上也说：我不需要多模态模型，我只需要一个Coding模型，我要让所有工程师都用我们自己的Coding模型。言下之意，谷歌现在还没有这种东西，工程师们正在用别人的，那个"别人"就是 Anthropic。

所以联创Sergey Brin亲自参与组建了一个突击队，目标就一个：追上Claude Code。

再说苹果。

就在前几天，苹果官方应用 Apple Support 更新时发生打包事故，把两份 CLAUDE.md 文件一起塞进了安装包。

CLAUDE.md 是 Claude Code 的项目配置文件，里面写满了苹果内部的编码规范和架构决策。这家全世界最重视保密的公司，底裤直接被扒了个干净。

实际上，苹果早在2026年2月就在Xcode 26.3里集成了Claude Agent SDK，让AI代理在IDE里自主编写代码、运行测试、修复编译错误。

产品强到这个程度，按理说得有一个庞大组织在后面撑着。但Anthropic到今天，只有三千人。

· · ·

三千人怎么做到的？

相比Google DeepMind和Gemini加起来将近两万，Meta的AI团队几万人，OpenAI大几千，Anthropic只有三千人。

拿4月份300亿年化收入算，Anthropic人均产值超1000万美金，折合人民币近一个亿。如果年底做到1000亿，人均三千多万美金，一个人干出两个多亿人民币的收入。

凭什么三千人能干出几万人的产值？

今年2月，在Google和Amazon干了二十多年的传奇工程师Steve Yegge发了一篇长文，标题叫《The Anthropic Hive Mind》。他采访了超过40名Anthropic员工，想搞清楚这家公司内部到底怎么运转的。结论让他自己都觉得不可思议。

他描述了两种在传统公司里完全看不到的东西。

第一个叫"蜂巢思维"。没有金字塔层级，没有冗长的需求文档和瀑布流排期，组织靠集体直觉和即兴协作运行。

Yegge把这叫做"Yes, And"，谁说了一个方向，别人往上叠加，不反驳。工作不是领导分的，是AI在做协调：每个人按自己的兴趣和能力认领任务，然后和AI一起做。

第二个叫"篝火模式"。想想一堆人围着篝火雕刻一件东西，没有图纸，没人指挥，所有人盯着同一团活火——也就是一个不停变化的产品原型。所有人看得见彼此的错误和进度，随时调整。代码不再归谁名下，一起雕。

所以我们可以看到，Claude Cowork功能从想法到上线，只用了10天。

这是先把组织本身变成 AI 驱动的产物，再靠这台机器去打仗。

涨收入不需要同比例涨人，人均产值当然高。

· · ·

一万亿的估值，合理吗？

上面说了收入和人均产值。有了这两个前提，一万亿估值就更好理解了。

顺便说一句，傅盛AI战队正在集结，如果你：

• 年龄在16-26岁之间，不管你是高中生、大学生、还是刚工作，都可以来。

• 会用AI工具解决实际问题，不管你是用AI做产品、写代码、搞设计、做运营，只要你能用AI搞出有意思的东西就行。

• 敢想敢干，不怕失败。

欢迎参加我们青少年黑客松，表现突出者我亲自带你，扫码或点击阅读原文链接都可报名：

阅读原文

跳转微信打开

xAI败了，但马斯克没有。

昨天，马斯克宣布xAI并入SpaceX，甚至把22万张GPU租给昔日死对头Anthropic 的新闻，刷爆了科技圈。

我这段时间刚好在硅谷，和不少一线的投资人和内部人士聊了聊这件事。大家都惊呼这是一出魔幻的包租公大戏，但拨开表面的算力租赁，这背后的水其实深得很。

今天，我用三个最核心的问题，带大家看透背后的真实逻辑。

以下是文字版：

· · ·

第一问：xAI为什么走到这步田地？

很多人以为，做大模型就是“大力出奇迹”。马斯克有钱，买了全美最多的英伟达显卡，还垄断了一半的涡轮发电机来解决电力问题，更坐拥推特的海量独家数据。

三大件全都拉满了，怎么就搞不好一个xAI？

为什么搞不好？我们在硅谷得出的结论其实很简单：因为马斯克不懂AI Coding。

你可能会反驳，马斯克怎么可能不懂代码？早年创立PayPal前身时，他可是自己熬夜写核心系统代码的，甚至因为坚持自己的技术路线，跟手下的顶尖程序员吵得不可开交。

他会写代码，精通互联网时代的底层逻辑，但这不代表他懂今天大模型时代的AI Coding。

这种认知断层的结果，就是内部沟通成本极高，组织陷入混乱。据说 xAI 最早那批核心骨干，因为理念不合已经走得差不多了。

我一直说，做AI，一把手必须自己真懂AI Coding。今天最前沿的战役，是怎么让大模型自己去理解、生成并优化代码。如果你不懂具体细节，当下属在这个问题上产生分歧时，你就没法拍板，也无法和团队站在一起冲锋。

你看今天为什么 DeepSeek 能横空出世？因为它的底层论文上，直接印着创始人梁文锋的名字。字节的豆包为什么能后发先至？因为张一鸣每天都在亲自熬夜啃最新的 AI 论文。

所以xAI走到今天，理由非常简单：技术是有敬畏之心的。不懂，就带不动最顶级的团队。首富也不例外。

· · ·

第二问：SpaceXAI还有戏吗？

看到 xAI 被整合，网上很多人开始看笑话，觉得马斯克在AI这一局算是彻底败了。

但在硅谷，没人会这么早下定论。

但我想反问一句：Elon Musk，凭什么不能失败？

回看他的创业史，失败从来就不是什么新鲜事。特斯拉差点破产，SpaceX的火箭连炸三次，2008年他同时面对两家公司濒死，最后靠着圣诞节前夕的最后几小时才惊险续命。

创业哪有什么常胜将军。我一直觉得，成王败寇的评价对创业来说没什么意义。

只要你还在路上，还在不断提升自己的认知和能力，还在朝着目标走，这本身就是一种成功。

所以，SpaceXAI还有戏吗？我觉得当然有戏。原因有三个：

第一，他把几乎全部的时间和精力都投了进去。 当年盯Model 3产能时，他在特斯拉工厂的地板上睡了三年。

现在，同样的模式又重演了。除了这两天去旧金山法院跟OpenAI打官司出庭以外，马斯克已经两个多月没回家、没见过孩子了。他天天吃住在公司，经常半夜开会，甚至在机房打地铺。

第二，他开始亲自下场搞AI Coding。 之前正是因为不懂AI Coding吃了大亏，所以这一次他痛定思痛，瞄准了AI编程这件事全力以赴。他们下一版产品的核心方向，就是让模型真正能做好Coding。

第三，他在团队上做了关键调整。 由于此前管理不善导致核心骨干流失，他现在直接把特斯拉最王牌的FSD负责人和几员核心干将，从特斯拉调到了SpaceXAI。

至于把22万张GPU租给Anthropic，其实是一步很务实的棋。xAI的训练任务已经搬到了规模更大的Colossus 2新基地，旧机房空出来了，放着也是吃灰，不如先租出去挣笔钱。他手上还有Colossus 2，只要管理得当，算力完全足够。

只要那个睡在机房地铺上的狂人还在牌桌上，这盘棋就远没有结束。

· · ·

第三问：今天的AI竞争格局是怎样的？

聊完马斯克，我们再来看看整个硅谷今天的 AI 竞争格局。

这场战局里，真正让人感到窒息的，其实是刚刚租下他算力的 Anthropic。一个多月前我就预测过，Anthropic迟早要超越 OpenAI。深度解析：OpenAI领头羊位置，即将被Anthropic取代

而现在，场外的最新消息显示，Anthropic 的估值已经突破了1万亿美金！ 它是人类商业史上，第一家还没有上市就踏入万亿美金俱乐部的创业公司。

这个赚钱机器非常恐怖。我们回顾一下历史：从创立到营收突破100亿美元，Google 花了近10年，Amazon花了超过12年。

而Anthropic呢？用短短3年的时间，走完了传统互联网巨头十几年的商业化爬坡路。

今年刚开年，他们的年化收入已经飙升到了惊人的400亿美金！所有人都在预期，他们年底就能突破1000亿。

这种指数级的爆发，彻底颠覆了以往的商业认知。

你有没有想过：如果明年它还保持这个增长率的话，那它就是全球收入最高的公司。如果它降一半增长率，它还是全球收入最高的公司。

· · ·

最后

在今天的硅谷，AI的竞争格局已经不能用“年”来衡量了，可以说是一个月一个大变局。没有所谓的常胜将军，也没有永远领先的巨头。

各大厂到底在憋什么大招？OpenAI还有什么底牌？那些做应用的创业公司该何去何从？

明天，我接着给大家讲。

顺便说一句，傅盛AI战队正在集结，如果你：

• 年龄在16-26岁之间，不管你是高中生、大学生、还是刚工作，都可以来。

• 会用AI工具解决实际问题，不管你是用AI做产品、写代码、搞设计、做运营，只要你能用AI搞出有意思的东西就行。

• 敢想敢干，不怕失败。

欢迎参加我们青少年黑客松，表现突出者我亲自带你，扫码或点击阅读原文链接都可报名：

阅读原文

跳转微信打开

敌人的敌人是朋友

前几天我还在硅谷跟人开玩笑：xAI最不济，还可以把在德州的GPU集群做成云服务来运营。

没想到，一语成谶了。

今天马斯克突然宣布：xAI作为独立公司不干了，即日起全员并入SpaceX。

xAI留下来的最值钱的家当，超过22万张NVIDIA GPU的超级数据中心Colossus 1，全盘租给了Anthropic。

Grok和一众吃瓜群众直接懵了：不敢睁开眼希望是我的幻觉。

三个月前，Athropic还在被老马同志发推特痛批。怎么突然就变成战友了？随后Anthropic更是立即宣布，全面提升Claude的速率上限。

这到底在演哪一出？只因他们有一个共同的对手——OpenAI。

· · ·

xAI为什么并入SpaceX？

答案其实很残酷：烧钱太猛，回报太慢。

网上说的“xAI解散”，其实是个媒体误读。真实情况是：SpaceX已经完成了对xAI的收购，现在不过是给这个业务换了个部门名字。

xAI是马斯克在2023年砸钱搞的AI公司，产品就是Grok。但大模型这场仗打到现在，本质上就是一场“烧钱局”和“电工局”。

马斯克算了一笔账：买显卡、交电费，xAI每年要烧掉大约130亿美元。烧着最贵的电，效果却差一口气。

去年Grok 3刚发布时，确实短暂冲到了LMSYS Chatbot Arena盲测榜单的第一名。但好景不长，到了今年，根据最新的各大硬核基准测试，Grok已经被GPT-5.5 和Opus 4.7按在地上摩擦。

在处理复杂真实软件工程的SWE-bench Verified上，Opus 4.7拿下了87.6%的惊人成绩，而Grok只有70.8%。

更致命的是内部的人才流失。 硅谷圈内早已传开，xAI的核心团队在近期经历了剧烈动荡，几乎被裁空或主动流失。马斯克甚至被迫“拆东墙补西墙”，紧急把特斯拉AI软件副总裁、FSD的核心人物Ashok Elluswamy抽调过来救火。

核心出走，技术掉队，单靠剩下的人短期内难有起色。

既然如此，不如果断止损，让2025年狂赚80亿美元利润的现金奶牛SpaceX来接盘。这不仅稳住了现金流，拉高了高达1.25万亿美元的合并估值，也顺势剥离了xAI单打独斗的压力。

至于官方公告里画的“轨道算力”大饼，那都是后话。眼下最实在的，是赶紧止损。

· · ·

算力为什么租给Anthropic？

既然xAI并入了SpaceX，那这22万张GPU的超算中心Colossus 1怎么办？

租出去了，而且是租给目前唯一能硬刚OpenAI的Anthropic。

先说为什么租出去：

很简单，为了当包租公，盘活闲置资产。

这批租给Anthropic的Colossus 1，对目前的马斯克来说已经是闲置资产了。

因为xAI已经把新一代Grok模型的训练，迁移到了规模更大的Colossus 2新基地。旧机房空出来了，放着也是吃灰。自己炼丹受挫，不如退一步买铲子，顺水推舟转型做算力包租公。

那为什么租给Anthropic呢？

为了给OpenAI上眼药。

马斯克和OpenAI掌门人Sam Altman的恩怨不是一天两天了。马斯克作为OpenAI 当年的联合创始人，后来因为觉得团队“为了赚钱变得封闭”愤而退出，现在还在打官司。

现在 AI圈子里，能真正在闭源模型里和OpenAI硬刚掰手腕的，Anthropic是头号主力。

所以马斯克把最顶级的算力租给Claude，逻辑就一句：敌人的敌人是朋友，给死对头最强劲的对手递满弹药。 这笔生意不仅拿到了巨额的租金，还能让OpenAI日子不好过，一箭双雕。

为了这个战略目的，今年2月还在痛骂Claude“厌世又邪恶”的马斯克，在今天宣布交易后，立刻改口发推：“我上周和Anthropic的团队深入聊过了，我的邪恶探测器没响。”

从“反人类又邪恶”到“没触动探测器”，中间只隔了22万张GPU的租约。

· · ·

算力到账，Claude赢麻了

拿到这22万张GPU的大补丸后，Claude官方第一时间宣布：立即取消Pro和Max用户的高峰期降速限制，5小时的额度直接翻倍！

而对于OpenAI来说，硅谷最有影响力的男人亲自下场，给你的竞争对手递弹药。 这对OpenAI的融资叙事、人才吸引力都是一次直接打击。

奥特曼现在面对的，已经不是一个孤立的对手，而是一条反OpenAI联盟的战线在慢慢成型。这背后，有马斯克提供顶级的22万张GPU集群，有谷歌砸下百亿重金和TPU算力，甚至还有亚马逊在用自研AI芯片和AWS云服务源源不断地输血。

 一个看似成立没几年的公司，背后却站着一整个防范OpenAI一家独大的巨头联盟。

所以你看，这个世界没有永远的敌人，只有永远的利益。

但是这个故事还没完，接下来有两件事还有后续：

一是奥特曼和马斯克的这场诉讼判决到底会怎么收尾；另一个是，OpenAI对于马斯克这一手釜底抽薪，究竟会怎么回应。

咱们拭目以待，接着吃瓜。

顺便说一句，傅盛AI战队正在集结，如果你：

• 年龄在16-26岁之间，不管你是高中生、大学生、还是刚工作，都可以来。

• 会用AI工具解决实际问题，不管你是用AI做产品、写代码、搞设计、做运营，只要你能用AI搞出有意思的东西就行。

• 敢想敢干，不怕失败。

欢迎参加我们青少年黑客松，表现突出者我亲自带你，扫码或点击阅读原文链接都可报名：

阅读原文

跳转微信打开

DeepSeek版Claude Code到底是个啥

昨天在网上冲浪时，我差点被这位老哥的散装中文笑死。发帖的哥们叫@Hunter Bown，是个音乐老师转码的美国独立开发者。

熟悉 DeepSeek 的人都知道，它的官方 Logo 就是一条深海蓝鲸，“鲸鱼兄弟”听着既有点莫名好笑又很形象。

虽然老哥中文有点烫嘴，但他的项目DeepSeek-TUI可不是来搞笑的。

简单来说，他用AI搓了一个DeepSeek版Claude Code。短短几天内，这个项目狂揽1w+ GitHub Star，登上 Trending 榜首。

今天我们就来盘一盘，这个让全网鲸鱼兄弟直呼真香的项目，到底是个什么来头？

· · ·

网页版DeepSeek不够用吗？为什么非要折腾 Agent？

没有Agent，写代码的日常是这样的：代码跑出报错了 -> 复制报错 -> 打开网页贴给大模型 -> 等它吐出新代码 -> 复制回编辑器 -> 运行再次报错 -> 再次复制贴给模型……

哥，你这不是在用AI，你是在给AI当无情的搬运工。

大模型本质上只是智商，它能理解、能回答，但它看不见你电脑里有什么，也动不了你任何东西。而 Claude Code这类Agent 做了一件事：给这个智商配了一台完整的电脑。

代码还是那个代码。但一旦有了读写文件的权限、有了执行命令的能力，它就从"顾问"变成了"员工"。你说"帮我把这个功能改一下"，它自己去找对应的文件夹，自己读源代码，自己动手替换旧代码，改完自己跑测试看有没有报错。中间不需要你复制粘贴一次。

这就是我们要用 Agent 的原因——它能包办一整套连贯的体力活。

· · ·

Claude Code能调DeepSeek，为何要重造轮子？

这时候有动手能力强的朋友要问了：“网上不是有教程吗，让现成的 Claude Code 连上 DeepSeek 的 API 不就行了？干嘛还要重新造一个新Agent？”

这就是最大的坑。把保时捷的系统强行安在本田发动机上，指令对不上号是会出问题的。

如果你硬把 DeepSeek 塞进 Claude Code 的壳子里，立刻就会遇到各种“水土不服”：

首先是底层指令会跑偏，AI 会“消化不良”。

Claude的system prompt习惯用一套 XML 标签来封装工具调用指令（类似 <action>执行搜索</action> 的格式），而 DeepSeek虽然 API 层面能接收同样的请求，但模型本身更擅长 Markdown 和自然语言。

如果你强行把 Claude 那一套复杂的 XML 指令塞给 DeepSeek，它理解起来很吃力，经常会输出格式错误的文本，导致工具调用失败，最后整个程序卡死。

其次是省钱利器 cache_control 会失效。

用 API 写代码是很费钱的，所以 Claude 搞了个“提示词缓存”功能，通过发送 cache_control 这个特殊标签告诉服务器“这部分内容请帮我缓存起来，下次别算钱了”。

但问题是，DeepSeek 有自己独立的一套缓存判断逻辑，它根本不认识 Claude 发过来的这个标签。所以如果你用 Claude 的壳去调 DeepSeek，缓存省钱的功能直接就废了。

这也是为什么 Hunter Bown 要从零开始，写一套完全对接 DeepSeek 原生协议的代码。

· · ·

相比原版Claude Code，DeepSeek专属版强在哪？

不仅是原生适配，DeepSeek-TUI 真正让开发者蜂拥而至的，是以下四个硬核优势：

打破闭源巨头的“非英语 Token 税”

这是痛点中的痛点！很多人只知道 Claude 官方定价贵，但你不知道的是，中国开发者一直在被收着高昂的“隐形语言税”。

大模型计费是按 Token（词元）算的。分词器就像是一本密码本，Anthropic (Claude) 的密码本里英文多、中文少，导致一个中文词会被拆成好几个 Token 来计费。根据社区数据分析，用 Anthropic 的模型，处理中文文本的 Token 消耗是英文的 1.71 倍。也就是说，你哪怕只是在代码里写中文注释，每次调用都要凭空多交 71% 的钱！

而国产的 DeepSeek 专门优化了中文分词字典，天然就避开了这种额外的成本开销。叠加其本身就极低的定价，综合算下来的差距十分夸张。据一家叫 AgentConn 的机构实测：同样完成一个 5 天的项目、修改 120 个文件，Claude Code 轻轻松松烧满 200 美元的额度；而 DeepSeek-TUI 直连跑完，只花了不到 3.20 美元！成本仅仅是前者的 2.3%。

把大模型的“深度思考”搬进命令行

以前让 AI 处理一个大任务，屏幕经常卡在那里半分钟不动，你心里发毛，不知道它是死机了还是在干活。

DeepSeek-TUI 把 DeepSeek 标志性的“深度思考”过程，原封不动地搬到了代码终端里。你能实时看着它一行行输出推理过程（比如：“我先看看 A 文件……哦，A 文件没问题，那可能是 B 文件的依赖冲突了”）。这种透明度让人极具安全感。

省钱到骨子里的 Auto Mode（自动挡）

哪怕 DeepSeek 的 Pro 模型已经很便宜了，但能省则省。它内置了一个巧妙的路由机制：

当你敲下回车后，它不会马上执行，而是先花一点钱派一个便宜的 Flash 模型去快速评估一下你这句话的难度。如果 Flash 觉得只是改个拼写，它自己就顺手干了；如果觉得是个大重构，它就会自动切到最强最贵的 Pro 模型去干。

这就相当于先花几毛钱挂个“分诊号”，让小助手评估一下病情，再决定是看普通门诊还是专家号。

告别臃肿，Rust 编译的免安装利器

用过 Claude Code 的人都知道，它需要你先在电脑里安装一整套庞大的 Node.js 运行环境，就像是为了玩个游戏先装个Steam。而 DeepSeek-TUI 是用 Rust 语言编写的单一文件，它就像是一个绿色免安装软件，你下载下来直接就能运行，丝毫不拖泥带水。

· · ·

坦白局：到底好不好用

咱们说句客观的掏心窝子话：它并不是完美的。

如果你现在接手了一个史诗级的“屎山”项目，要跨越十几个微服务、几百个文件，进行极度复杂的深层逻辑重构——那我建议你，乖乖去用顶配模型。在超大规模的全局逻辑推理上，闭源巨头的标杆地位依然还在。部分试用过的开发者也反馈，在处理极端复杂任务时，DeepSeek 的指令遵循能力仍有差距。

但扪心自问，我们一年能遇到几次“史诗级重构”？

我们在开发中 90% 的日常，是高频的小修小补、补充单元测试、写技术文档，或者一次性看几十个小文件去排查一个小 Bug。在这个主阵地里，DeepSeek-TUI 的效率和性价比可以说惊为天人。

· · ·

最后

对于资金有限的独立开发者和中小团队来说，DeepSeek-TUI 提供了一个极其务实的选择。

顺便说一句，那个喊着“鲸鱼兄弟们”的美国老哥，据说现在不仅装上了微信，甚至已经在中文社区里和大家打成一片了。

项目地址：

https://github.com/Hmbown/DeepSeek-TUI

顺便说一句，傅盛AI战队正在集结，如果你：

• 年龄在16-26岁之间，不管你是高中生、大学生、还是刚工作，都可以来。

• 会用AI工具解决实际问题，不管你是用AI做产品、写代码、搞设计、做运营，只要你能用AI搞出有意思的东西就行。

• 敢想敢干，不怕失败。

欢迎参加我们青少年黑客松，表现突出者我亲自带你，扫码或点击阅读原文链接都可报名：

阅读原文

跳转微信打开

忘记代码，才能写出最有用的代码

最近在网上看到一篇 Anthropic 研究员 Erik Schluntz 的演讲，叫《Vibe Coding in Production》，觉得写得很深刻。
很多人以为，用 Cursor、Copilot 写代码就是 vibe coding 了。但他认为大多数都不是。
他指出了几个根本性的转变：什么叫真正的 vibe coding、AI 能力正在以什么速度增长、以及我们应该用什么策略去应对。我觉得这些东西对未来几年都很有帮助，整理了核心观点，分享出来。
（一）
Andrej Karpathy 给了一个很精准的定义："完全沉浸在 vibe 中，彻底忘记代码的存在。"
不是"AI 帮你写代码"，是"忘记代码的存在"。
Schluntz 说得更直接：只要你还在逐行审查 AI 写的代码，你就没有在 vibe coding，你只是换了个更贵的 IDE。
真正的 vibe coding 是：你跟 AI 说清楚要什么，它出结果，你只看结果对不对。代码长什么样你不关心。就像打车，你关心的是到没到目的地，不是司机怎么握方向盘。
大多数工程师还停在过渡期的开头，真正的范式转移根本没到。
（二）
Schluntz 给了一个数据：AI 能独立完成的任务时长，每 7 个月翻一倍。现在能稳定执行 1 小时的编程任务。7 个月后半天。再 7 个月一整天。再往后一周。
当 AI 一次性扔给你相当于一周工作量的代码，你还要逐行审查吗？人类会成为整个链条里最慢的那个环节。
这跟编译器的发展史一模一样。早年程序员写完 C 语言还要看生成的汇编对不对，后来编译器越来越靠谱，坚持看汇编的那批人被淘汰了。AI 写代码，就是今天的编译器。区别是，这次抽象层更高，变化更快。
（三）
Schluntz 整个演讲的精华，就是一句：找到你能验证的抽象层。
CEO 怎么管公司？看财务指标。CTO 怎么管技术？看验收测试。产品经理怎么管功能？直接体验产品。没有一个人在看代码。
所以用 AI 写代码的核心问题不是"AI 写得对不对"，而是——你在哪一层能判断对错？
能通过跑测试验证，就不用看代码。能通过体验产品验证，就不用跑测试。能通过用户数据验证，就不用亲自体验。
找到那层，就在那层工作。往上走，别往下钻。这不是放弃责任，是重新定义责任边界。
（四）
这可能是对创业者最有用的实操策略。
Schluntz 把代码库分成两类：主干架构（核心逻辑、底层接口、被大量模块依赖的部分）和叶子节点（末端功能、附加组件、不被任何模块依赖的部分）。
策略很简单：叶子节点让 AI 随便写，有点技术债无所谓。主干架构必须人工守住。
在"放手"和"控制"之间找到了最优解——不是把整个项目交给 AI（那是找死），也不是完全不信任 AI（那是浪费）。按风险分层，低风险的全力交出去。
极端案例：Anthropic 团队合并了 22,000 行 Claude 写的代码，原来两个工程师花两周逐行审查，压到了一天。四招：开工前需求规划、限定叶子节点、核心逻辑人工审、建立可验证检查点。
不是盲目信任，是有边界的授权。
（五）
Schluntz 说了一句我特别认同的话：不要让 AI 为代码负责，让工程师为产品负责。
以前的模式是工程师对代码质量负责。新模式是工程师对产品结果负责，AI 对代码实现负责。
这意味着你需要的核心能力变了。以前是你得会写代码，现在是你得会说清楚要什么。他给了一个具体动作：开工前花 15 到 20 分钟跟 AI 对齐。先让 AI 探索项目结构、找相关文件、把它对任务的理解说出来、一起定计划——再把上下文整合成完整的 prompt 再执行。这么做之后，成功率是指数级提升。
好 prompt 不是写得长，是上下文给得足。
（六）
这件事冲击最大的，其实是小团队和创业者。
以前做软件，技术团队是最大的门槛。有好想法找不到好工程师就做不出来。现在这个门槛在快速降低。
未来的竞争力不是"你会不会写代码"，而是"你能不能清晰定义什么叫做完了"。
能说清楚需求的人，就是未来的产品经理。能说清楚需求加能用 AI 交付的人，就是未来的全栈。
每次技术范式切换，都会有一批人因为没转过来而出局。不是能力不行，是心理模型没更新。这个变化不会等任何人。
（七）
三件事现在就可以做：
第一，从今天起，在低风险模块上放手。不要每行代码都亲自审，先从一个叶子节点开始，让 AI 跑，你来验收结果。
第二，学会在任务开始之前跟 AI 对齐。不要上来就提需求。先让 AI 读懂背景，定好计划，再开工。
第三，想清楚你的验证层在哪里。你有没有一套可以快速判断"这事做对没做对"的标准？如果没有，这件事比学 AI 工具更紧迫。
AI 的能力还会继续提升，每 7 个月一倍。留给我们调整的时间，没有那么多。

===========================

核心素材来自 Anthropic 研究员 Erik Schluntz 演讲《Vibe Coding in Production》，推荐去看原视频。
不管做产品、做技术还是做管理，这套思路都适用。转给你觉得需要想明白这件事的人。

跳转微信打开

今天五一假期第一天，刷到罗福莉在播客里说了一句话，我特别认同，想跟大家聊一聊。

她说，她现在招人，更偏爱大二、大三的本科生，因为他们对AI没有先入为主的偏见。

她用了一个词叫"污染"。年轻人是一张白纸，没有被旧范式污染。以前经验是护城河，现在反而成了枷锁。

顺着这个思路想，你会发现它解释了很多现象。

Boris Cherny有一个类似的观察：最能发挥大模型潜力的，往往是对技术边界一无所知的新同事或者应届生，他们不会人为给AI设限，反而更能用好AI。

这就是AI Native思维，我在工作中也发现这个问题，有的同事用传统方案费半天劲解决不了的事，新来的同事问AI十分钟解决了。

远的不说，我们猎豹移动首届黑客松冠军姜睦然，才14岁，中关村养虾大赛赛道第一+全场最佳龙虾，双料虾王。

他做了一个项目叫Claw Founder，让龙虾自动化完成整个创业流程。从一个想法出发，到白皮书，到开发文档，到写代码，到测试，到发布GitHub，全程不需要人插手。他跟AI聊了半小时，剩下6小时AI自己跑完了。

我这几年在硅谷看到的也是这样。

Christine Zhang，19岁，哈佛gap year，跟室友一起创立了Intera，做AI加临床试验，融了100万美元。Aidan Guo，19岁，做了个AI桌面助手叫Attention Engineering，拿了125万美元pre-seed。

这群孩子没有一个靠积累了十年行业经验起家。一个想法，加上会用AI，一个人能干以前一个团队的活。

老手遇到需求，第一反应是翻经验库，"我以前怎么做的？"，AI只是辅助已有的工作流。年轻人第一反应是"AI能怎么帮我搞定？"，从零开始以AI为起点构建工作流。另一方面，现在的年轻人已经不需要熬资历去换资源了。在AI面前，什么“闻道有先后、术业有专攻”全都不存在了。

但我想说的不是年纪大了就完蛋了。好消息是，白纸心态跟年龄无关，AI面前我们都是小学生，没有资历这回事，只有愿不愿意重新学。

最后祝大家五一快乐🎉

跳转微信打开

附提示词，可以照抄

最近GPT Image 2火遍全网，各种"秒杀一切"的截图刷屏。

同样的提示词，换到Nano Banana身上，结果真的差那么多吗？

我选了几个场景，同一组提示词、同一批参考图，两个模型各生成一次。不预设结论，让图说话。右下角带logo的是Nano Banana，不带的是GPT Image 2，效果怎么样，大家来看看： 

· · ·

海报级人生照片

根据参考图中的人物，生成典藏级恢弘电影海报，人物角色侧面轮廓内部延展出完整的叙事宇宙与标志性场景。风格融合电影海报与空灵水彩插画，氛围静谧、壮阔、庄重、眷恋，铺以纸纹质感薄雾效果，考究留白，并巧妙嵌入署名"FU SHENG"

这道题考的是"轮廓内部有标志性场景"这个概念，模型能不能真正读懂，其实考验的是推理理解能力了。画面上明显GPT Image 2更胜一筹没的说，但让我有点意外的是Nano Banana生成的这张，提示词里完全没提到龙虾元素，它自己加上去了，而且EasyClaw的logo也是对的。

· · ·

杂志内页

根据参考图中的人物，设计一页现代科技精英刊物内页，呈现真实杂志内页效果。整体需具备专业的排版布局，内容要素包含：占据主要版面的大幅模特主图；刊物标题，副标题、注解、辅助文字。版面大气，编排有序，若仿真实期刊，要避免海报式单一感，切忌仅放置单张人物大图。

这题其实考的不光是作图水平了，海报里面的文字全都是它自己生成的，我提示词里一点没有，文字内容上都还算靠谱，联想推理能力在线。就图片来说我觉得GPT的排版更清晰易读，而且没有一个乱码，但不得不说Nano Banana对我们产品挺了解啊，就是乱码挺出戏。

· · ·

电影分镜头

生成 3×3 的电影分镜头，主人公是参考图中的人物，他去到宇宙寻找新的人类生存之地，模拟斯坦尼康拍摄效果，16:9。

这道题两张答卷差距有点离谱，主要看叙事连贯性。九格画面，主角不能换脸，故事得讲得通。所以看完这两张图相信你和我有一样的疑惑，为啥Nano Banana Pro生成的图里我变成成龙了？

· · ·

年代感老照片

给我生成一张旧照片，东北过年时的照片，使用90年代中国老照片的风格，左下角标注时间。

本局依然是GPT完胜，光影自然，人物表情有种"来照相了、站好站好"的正经感，左下角的时间戳也很细节，甚至对联也算工整。

第二张好看是好看，就是太好看了。光打得太均匀，每个人脸都清楚，像精心布置过但还是穿帮了的剧照，比如这个春联确实是“春联”，比如大冷天在室外支个锅做饭吃饺子，所以我说很多时候AI对人的常识其实是不理解的。

· · ·

字体视觉 

生成一张“基于词意进行视觉转译”的高级概念海报。文字、图像、构图、色彩共同组成一个完整、聪明、克制、极简但有力的视觉表达。画面必须优先采用“极简主场景+承载面+角色演绎+巨型文字骨架”的构图逻辑，尽量出现一个明确的横向承载结构，像舞台、土地、台基、坡面、切面、地平线、平台、表层、底座或简化的场域。用户输入的文字、单词、词组或字母必须成为画面的主视觉骨架，以巨大、清晰、强识别度的方式出现，占据画面重要区域。整体风格应接近高级图形艺术海报，具有印刷品气质，允许带有拼贴感、石版印刷感、丝网印刷感、版画感、纸张颗粒等。 我将提供给你核心文字 ：未来。可选情绪倾向是科幻式的。

这道题考的是能不能真正做到让字成为构图的一部分，而不是后期浮贴。

GPT依然秒杀Nano Banana。我虽然不太懂艺术构图，但我能get到人站在字里面，光从笔画的缝隙里透出来，感觉人是在"未来"这个空间里存在的，字和画是一回事，Nano Banana还是生硬了点。

· · ·

仿写手写字体

提供人工手写英文参考图，让模型模仿字迹重新生成文字内容。差距也是一目了然了，不知道Nano Banana Pro从哪里学来的衡水体。

· · ·

我的结论

GPT Image 2，可以说是全面压制。

就我测得这几道题来看，每一题都赢，而且赢的姿势不一样，有时候是理解深度的差距，有时候是细节还原的差距。Nano Banana不是不能用，但放在GPT Image 2面前，差距还是很真实的。

当然，工具没有绝对的好坏，只有适不适合你的场景。但测试本身，是最诚实的答案。

最后，如果你想试试让龙虾帮你提效，欢迎下载EasyClaw：

• 国内版：easyclaw.cn

• 国际版：easyclaw.com

• 企业版：easyclaw.work

跳转微信打开

重生之霸总每周三变哈士奇，太后掏出PPT讲SWOT

上周DeepSeek V4发布，我们龙虾EasyClaw第一时间接上了，实测的确好用，我正在尝试替换日常使用的sonnet。

官方说这次主打推理、编程、Agent能力。

我寻思着，光看跑分没意思，不如让龙虾用DeepSeek V4直接做个小游戏。从剧本到代码，全程AI自由发挥，我一点没干涉。

· · ·

我只负责两件事：给需求，然后玩。

指令是我口述的，很简单：

我想做一个网页版的重生之我在xxx做xxx文字小游戏，里面有很多重生的场景，比如当霸总当皇帝当乞丐，有很多支线，有重生成为这个人物之后的各种经历，我想要爽文向剧情越离谱越好，短篇单元剧，要第一人称沉浸式，属性驱动，开局可以有个"系统"或"金手指"，剧情你帮我生成。网页要手绘漫画风。

DeepSeek V4回我：懂了，安排。

我以为它真懂了。

后来发现，它理解的"好玩"，和我理解的"好玩"，中间隔了一个银河系。

先说好啊，以下剧情均为虚构，系大模型自由发挥，与本人无关。

· · ·

霸总：每周变哈士奇

你以为的霸总重生：西装革履，收购集团，商战爽文，美女环绕。

DeepSeek V4 写的霸总：开局绑定"躺赢系统"，身家300亿，然后系统提示——

"宿主，有个小副作用。每周三你会变哈士奇3小时。"

我：？？？

我选C，接受现实嘛。结果真变狗了。

变狗就算了，系统还弹成就：「真·单身狗」——宿主以狗的形态完成了商业谈判，史无前例。

D老师这么抽象的吗？

· · ·

皇帝：用钉钉管理朝堂

如果说霸总剧本只是离谱，那皇帝剧本就是“离谱他妈给离谱开门，离谱到家了”。

你以为的皇帝重生：早朝议事，千古一帝，开疆拓土。

DeepSeek V4 写的皇帝：穿越成年轻皇帝，然后发现——

太后是个MBA穿越者。

对，你没看错，穿越者。还是学 MBA 的。

第一次上朝，太后掏出......PPT：

我还没缓过来，太后又开始讲OKR：

不是，这AI到底是被什么无良老板迫害过啊？！

更绝的是，皇帝反手掏出一个钉钉专业版。

从此用打卡系统管理官员，用审批流程管理奏折，用已读不回管理后宫。

有个选项我至今难忘：

你召开了"大周第一次钉钉全员会"，参会人员 300 人，时长 3 小时。

大臣们纷纷表示：陛下，求求了，还是让我们去打仗吧。

也不能怪皇帝，他们没有AI，开会效率太低了。

· · ·

乞丐：丐帮KPI+烤串摊IPO

你以为的乞丐重生：逆袭打脸，走上人生巅峰。

DeepSeek V4 写的乞丐：穿越到天桥底下，加入丐帮，发现丐帮用钉钉打卡。

你别说，这丐帮还挺正规。

更绝的在后面。

乞丐不满足于乞讨，决定摆烤串摊。

三个月后，「米其林路边摊」评星，烤串摊获得三星。

一年后，烤串摊搞IPO上市，市值1000元，股票代码：BEGGAR。

还是游戏世界门槛低，估值一千块就能上市了。

· · ·

最后

游戏现在已经上线，点击阅读原文打开网页就能玩。

做这个游戏从口述想法到部署上线，断断续续花了大概两个小时就跑通了，全程不需要一点代码基础，普通人想做点东西的成本，真的已经低到可以忽略不计了。

如果你想试试让龙虾用DeepSeek V4帮你把想法变成现实，欢迎下载EasyClaw：

• 国内版：easyclaw.cn

• 国际版：easyclaw.com

• 企业版：easyclaw.work

阅读原文

跳转微信打开

傅盛AI战队，等你来加入

今天不说别的，就一件事：我要招人，招3-5个会用AI的年轻人，入职直接向我汇报，我亲自带。

英雄不问出处。 不用你是名校出身，不用你有3-5年大厂工作经验，只要你在我们5月份举办的少年黑客松上表现突出，我就要。

· · ·

先说说「傅盛战队」的故事

其实十年前，我就做过一个项目，名字就叫「傅盛战队」，当时我邀请了一众好朋友，和我一起培养那些有想法的年轻人，结果从那批人里，真走出了不少可以改变行业的佼佼者。

其中一个是Musical.ly，现在它成了大家熟知的TikTok，也就是国外版的抖音，影响了整个短视频行业。

还有一个是编程猫，它专注做少年编程教育，这些年一路融资超几十亿，估值也在持续走高，可以说十年磨一剑，成长速度非常迅猛。

我不是想吹我有多厉害，我只是想说：

我知道怎么把有才华的年轻人扶起来，我也愿意给年轻人机会。

我自己就是小镇青年出身，当年北漂住地下室做产品，七块钱的肉夹馍都不舍得买，我太清楚年轻人缺的不是能力，是一个能施展的平台。

· · ·

AI时代，会用AI的年轻人价值连城

现在到了AI时代，网上天天有人散播恐慌，说AI要抢人类饭碗。我就觉得特别可笑。

技术从来不是来代替人的，是来放大人的能力的。以前一个团队半个月才能干完的活，现在一个会用AI的年轻人，两三天就能搞定。

那些喊着AI要失业的人，本质上是不愿意接受新事物的人；反过来，那些敢用AI、会用AI、能把AI工具用到极致的年轻人，现在的价值比任何时候都高。

所以这次我重启傅盛AI战队，就是要找这样的年轻人。

· · ·

报名规则非常简单

• 年龄在16-26岁之间，不管你是高中生、大学生、还是刚工作，都可以来。

• 会用AI工具解决实际问题，不管你是用AI做产品、写代码、搞设计、做运营，只要你能用AI搞出有意思的东西就行。

• 敢想敢干，不怕失败。

什么学历、专业、背景、工作经验，我一概不看。是骡子是马，拉到黑客松遛遛就知道。

· · ·

我能给你提供什么

• 猎豹移动正式offer。

• 直接向我汇报，我亲自带你。我做了二十多年互联网，做过几亿用户的产品，搞过全球化，投过成功的创业公司，这些经验我全给你。

• EasyClaw官网专属展示位，助力个人与作品获得行业关注，只要你的想法够好，我们帮你推到全世界。

• 如果你有好的创业想法，我们还有专项天使投资基金，直接给你投钱，帮你创业。

报名时间截止到5月10号，扫码或者点击阅读原文都可报名。

我在黑客松等你，咱们一起用AI做点有意思的事。

阅读原文

跳转微信打开

黄仁勋的预言要成真了

前几天黄仁勋说过一句话，我一直记着：如果有一天DeepSeek先在华为芯片上发布，那对美国来说是很可怕的一件事。

昨天DeepSeek V4发布后，我看完官方文档的第一反应是，黄仁勋担心的那天，可能已经到来了。

我自己用了一整天，觉得有三件事值得单独说：芯片、性能、价格——每一件单独拿出来都是大事，但三件事加在一起，我看到了一个不同的信号。

· · ·

卡脖子卡出了新路

先说一个有点讽刺的事。

美国限制高端芯片出口，本意是让中国AI发展减速。结果呢？DeepSeek在算力受限的情况下，被逼着用大量低制程芯片堆并行计算，硬是跑出了一套不依赖最新工艺的训练体系。

然后V4发布了。官方文档里明确写明：支持国产芯片进行训练和推理，下半年昇腾芯片到货后，将完全移植到国产计算架构上。

黄仁勋自己也承认这个逻辑。他在采访里说："算力受限反而会逼出更聪明的算法。真正的杠杆在计算机科学。"

黄仁勋真正担心的，不是DeepSeek今天有多强。他说的是：如果未来DeepSeek被专门优化到华为平台上，全球的AI模型跑在非美国硬件上效果更好，那才是真正的问题。

现在V4官宣完整支持国产芯片。V4走到的位置是：彻底不再需要那个限制了——自己的芯片路径，自己的模型，自己的训练体系，技术层面的自循环，开始闭合了。

黄仁勋担心的那个时间点，正在到来。

· · ·

差距是时间问题，不是结构问题

自媒体都在说"全面超越""全球领先"，DeepSeek官方发布时却说：我们距离国际顶尖模型，大约差3到6个月。

这句话比任何吹捧都有力。它诚实，而且背后有个判断：差距是有限的、可追的，可以追上的。

而且这个差距集中在少数极端任务上——前沿推理、顶级数学竞赛、边界科研这类场景。在大多数人的日常工作里，数据是另一回事。

DeepSeek V4的技术报告里有几组对比，我把它翻译成人话：

让AI去参加编程竞赛，V4拿到3206分，Claude Opus 4.6是3168分，GPT-5.4是3052分——V4领先。

让AI做真实的软件工程任务——真正修复代码bug、完成工程需求——V4完成率80.6%，Claude Opus是80.8%，基本打平，都在全球顶尖水平上。

综合能力评测，V4拿到90.2%，Claude Opus是85.9%，V4领先超过4个百分点。

知识问答的准确性，V4答对57.9%，Claude只有46.2%——V4明显领先。

让AI写代码、做实际工作，V4已经跟全球最贵的旗舰模型打成平手，甚至在不少地方超过了它们。

还有一件事值得单独说：100万上下文的效率问题。

光说"支持100万上下文"很多人没感觉。换个说法：把季度报表、行业分析、会议纪要一股脑扔进去，让它帮你梳理关键决策点，它不会因为资料太多就开始混乱或者忘掉前面的内容。

更关键的是，上下文扩大了，算力反而降了。这个效率提升来自DeepSeek的架构创新，细节在官方技术论文第2.3节。处理100万上下文时，所需计算量降到上一代的27%，存储空间降到10%。

我之前讲过一个公式：好答案 = 好模型 × 好提问 × 好上文。

很多人只盯着模型好不好，忽略了上文有多重要。AI的本质是预测——离答案越近的内容，影响越大。你扔给它的资料越完整，它的答案越准。

以前100万上下文太贵，普通用户根本用不起；现在V4-Flash把这个成本降到几乎可以忽略——这才是100万上下文真正的价值，不只是容量大，是让"好上文"这件事第一次变得人人负担得起。

我自己用了一整天，印象也和数据吻合。我平时的主力模型是Claude Sonnet，Opus更强但我很少用——每次打开都要在心里盘算一下值不值得用旗舰。用了一天V4之后，写稿、整理会议记录、处理复杂问题，没有让我明显觉得"不够用"的地方。

我们的龙虾EasyClaw已经第一时间接入了V4，欢迎大家来体验。

· · ·

便宜，不是促销，是新的游戏规则

最后说价格。

DeepSeek V4有两个版本。Flash版每百万token输出$0.28，Claude Sonnet是$15、Claude Opus是$25——Flash比Sonnet便宜54倍，比Opus便宜近90倍。Pro版贵一些，$3.48，比Sonnet便宜4倍、比Opus便宜7倍左右。两个版本在100万上下文的场景下，都比上一代V3还便宜。

这个差距是什么感受？以前用Opus，每次都在心里做个判断：这个任务值不值得用这么贵的模型？这种掂量虽然只是几秒钟，但它会在你用AI的过程中形成一种无形的边界。V4的定价，把这个心理负担基本清零了。

但真正的影响，不只是个人用户。

便宜加上开源，整个应用生态的变化速度会完全不同。当一个模型便宜到可以随意嵌入各种产品——客服、搜索、数据分析、内部流程——过去因为API成本不划算的场景，现在全部重新变得可行。开源意味着任何开发者都能在上面建东西，不需要等某家公司开放接口，也不受平台限制。

· · ·

三件事串起来，我看到了一个闭环

技术层面——不再被芯片卡脖子，国产计算路径已经跑通；

产品层面——距顶尖3到6个月，实际任务上已与全球旗舰持平，100万上下文算力反而更省；

商业层面——Flash版比Claude便宜近90倍，开源让生态自由生长。

这三个维度，在同一个版本里同时突破了。系统性的闭环，正在形成。

差距是时间问题，不是结构问题。

当技术自循环、产品竞争力、生态扩散同时跑起来，这件事的终局，比大多数人预期的要近得多。

EasyClaw已接入DeepSeek V4，欢迎直接体验。

• 国内版：easyclaw.cn

• 国际版：easyclaw.com

• 企业版：easyclaw.work

跳转微信打开

DeepSeek V4出手，AI能力的价格门槛塌了

今天早上，我打开手机，看到一条消息：DeepSeek V4发布了，同步开源。

我没有多想，直接发给技术团队：EasyClaw立即接入。

不是单纯为了追热点，我仔细看了这次发布的数字之后，意识到一个真实存在的门槛，今天消失了。

· · ·

1M上下文，终于不再是特权

100万 token的长上下文，Claude、GPT-4.1、Gemini早已标配，但DeepSeek上一版V3还停在128k。这次V4直接跳到100万，一家公司几年的合同文档、一个项目所有的会议记录、整个季度的运营数据，可以整包丢进去，让它整体理解再回答，不再需要切片拼凑。

更关键的是怎么跳到的：它重新设计了底层注意力机制，处理100万token的场景，推理计算量只有前代的27%，显存降到10%。

以前靠堆算力才能做到的事，现在用更少的资源实现了。

· · ·

编程能力站上同一擂台

DeepSeek V4-Pro，全球开源模型代码能力，这周正面对上了顶尖闭源模型。衡量Agent编程能力的黄金标准是SWE-bench——让模型自己去修真实代码bug，被认为最接近程序员的实际工作，很难刷分。

这周Claude Opus 4.7拿了87.6%，GPT-5.5打出82.7%，DeepSeek V4-Pro挤进了同一个区间。

DeepSeek内部让50多位工程师用V4-Pro处理真实编程任务，52%的人认为它可以作为主力工具——"可以当主力"，这几个字的分量，工程师自己最清楚。

这是开源模型第一次站上这个台阶，和顶级闭源模型同台竞技。

· · ·

用AI的费用门槛消失了

然后是价格。每百万token输出，DeepSeek V4-Pro是$3.48。Claude Opus 4.7是$25，GPT-5.5是$30。差距是7倍到9倍。

有一个数字我反复看了几遍：在100万token的长上下文场景下，DeepSeek V4-Pro的推理成本只有前代的27%，显存占用降到10%。它变便宜，是因为它重新设计了底层架构，变聪明了。

我来翻译一下这对企业意味着什么：一家公司几年的合同文档、一个项目的全部会议记录、整个季度的运营数据——AI以前吃不下，或者吃下来太贵。当推理成本降到这个位置，那些放在"以后再说"清单里的场景，今天全部变成了"现在就能做"。

· · ·

国产AI，同场亮剑

还有一件事，比技术数据更重要。

DeepSeek V4选在GPT-5.5发布的同一天亮相，正面竞争，毫不回避。完全跑在华为芯片上，Apache 2.0开源，全球可用。

有一组数字比任何表态都有力：2023年5月，美中顶尖模型的性能差距是31.6个百分点；2026年3月，压缩到了2.7%。期间，美国私人AI投资是中国的23倍。

用算法的不对称，抵消了算力的不对称。同台竞技，正面亮剑。

· · ·

这只是开始，终点还远

有了最好的发动机，还需要一辆车。发动机再强，它自己不会把货从A地运到B地。企业真正需要的，是一套能实际干活的AI团队——有人负责内容生产，有人负责数据分析，有人负责运营执行，有人负责代码开发和系统巡检，各司其职，7×24小时不下班。

一个企业配置下来，同时运转的AI数字员工可以有七八个。（我本人用的那套，就是三万带着笔杆子、参谋、运营官等子Agent协同工作，这还只是其中一种配置。）

DeepSeek V4越强，这支团队的能力上限就越高；越便宜，企业搭建这支团队的门槛就越低。

这才是连锁反应真正发生的方式。这就是EasyClaw在做的事。

顶尖AI能力正在变成一种公共基础设施，真正的差距，在于你怎么把它用进你的业务里，建起来，跑起来，用得多深，走得多快。

· · ·

每家公司都需要一支AI军团

几年前，我们在猎豹All in AI。

那时候很多人不理解。我说：每家公司都需要AI，只是时间问题。

今天，国产模型站上了全球第一梯队，AI推理成本降到了几年前想不到的位置。

你的AI团队，到底有多强——这才是未来竞争真正的问题。

时间到了，真的到了。

现在就可以试试：

• 国内版：easyclaw.cn

• 国际版：easyclaw.com

• 企业版：easyclaw.work

跳转微信打开

今天，SpaceX宣布：今年晚些时候可以用600亿美元买下Cursor；如果暂时不买，也可以先付100亿，作为合作阶段的价格。

这家公司，奥特曼已经追了两年，求购两次，两次被拒，现在被马斯克截胡了。

Cursor由四位"00后"MIT学生创办，创始人特鲁尔11岁就开始编程做游戏。他们不走GitHub Copilot的插件路线，而是重建整个编辑器，把AI直接嵌进去当灵魂，定义了AI Native IDE这个品类。

从数据来看，ARR从2025年1月的1亿美元，涨到2026年2月的20亿，14个月涨了20倍。《财富》500强中67%的公司在使用，每天生成1.5亿行企业代码。全公司150人，人均产出1330万美元/年。谷歌人均约150万，Cursor是大厂的8-9倍。

奥特曼2023年领投800万美元种子轮，2024年、2025年两次求购，两次被拒。因为一旦并入OpenAI，就会成为谷歌、微软的竞争对手。独立的Cursor能服务所有人，被收购立刻失去一半潜在客户。

那马斯克为什么要谈，Cursor又为什么要接？

马斯克有两个目的。

第一，在AI编程竞争中扳回一局。Grok的编程能力不如Claude和GPT，xAI总裁自己都说：训练性能"低得令人难堪"，公司"明显落后"。有了Cursor，他不需要先把Grok练强，直接绕过模型能力，拿到了100万日活开发者的工作入口。

第二，IPO需要一个硬故事。SpaceX正在筹备1.75万亿美元的IPO，单靠火箭撑不住这个数字。"手上有AI时代开发者的日常工作台"，是完全不同量级的叙事。

Cursor的考量更现实。

它有一把悬在头顶的刀：靠接入Claude和GPT驱动产品，但这两家公司现在亲自下场做Claude Code、Codex，供应商变成了竞争对手。Claude Code以Cursor无法匹配的低价提供服务，Codex也在追赶，要是自己训模型又缺算力。

背靠xAI，Cursor可以用Colossus的算力自己训模型，不再依赖对手的API，同时多了一个不会跟自己抢用户的靠山。

但你可能会问：当初Cursor拒绝OpenAI，理由是怕失去其他公司的用户。加入xAI，这个问题不还在吗？

还在。只是处境变了，2024年Cursor还能继续独立融资，现在上游随时可能断粮，xAI至少给了一条自救的路，中立性受损是代价，但不走这条路的风险更大。

跳转微信打开

周末机器人半马拉松挺热闹，冠军"闪电"成绩50分26秒，比人类世界纪录快了近7分钟。当天前三名机器人，全部跑进了人类世界纪录。

时间倒回一年前，2025年的冠军"天工"，成绩是2小时40分。一年时间速度提升了3倍。没有任何运动员能做到，机器人做到了。

但是这么厉害的机器人赚到钱了吗？没有。

某知名机器人公司，2025年营收20亿元，净亏损7.9亿元。研发、管理、销售三项费用加起来25.6亿，比全年营收还高。 过去四年，累计亏损超过42亿元。

再看全行业。2025年全球人形机器人出货量约13318台，比前一年翻了四倍还多。但绝大多数流向高校和科研机构，科研场景有其价值，但那不叫商业化落地。能真正产生效益、客户愿意复购的订单，几乎为零。

机器人技术在进步，出货量在增长，为什么就是赚不到钱？根本原因有三层。

第一层：机器人本身的问题。

赛场上，机器人跑的是固定路线，路面情况提前测过，算法针对这条路专门调了参数——这叫"写死程序"，就像背答案考试。但工厂不是考场。今天传送带上的零件偏了1毫米，明天地面多了一滩油，每一个变化，都可能让机器人宕机。

另一方面续航也是硬伤。亚马逊在仓库测试过一款人形机器人Digit，续航4小时。工厂要求连续工作8小时以上，这个缺口现在填不上。

第二层：账算不过来。

一台机器人定价10到20万，落地到工厂，联网改造、数据服务、日常维护……实际总拥有成本可以达到50到60万元。

如果要回本，替代一个年薪10万的工人，需要5年。但问题是机器人的硬件寿命只有6到8个月。损坏一次，返修周期长达1个月，制造业产线停机以分钟计损失，1个月等于什么，不用算了。

第三层：场景不匹配。

现在机器人卷的高光时刻是后空翻、扭秧歌、跑步姿态拟人。

工厂采购真正要的是什么？能搬50公斤、连续8小时不停机、坏了5分钟能修好，人形这个形态反而是成本累赘。厂商在展示人形机器人有多像人，工厂在问机器人有多好用，两边鸡同鸭讲。

三道坎，没有一道是砸钱就能过的。

真正的商业化，要等到机器人不再需要工程师抱着笔记本跟着跑，不再靠热搜撑起公司估值，不再让工厂管理者看完数字之后摇头说"不划算"。

这一天会来。但近5到10年，没戏。

跳转微信打开

文字不乱码了，截图以假乱真了

最近被马斯克直播带货老干妈的图刷屏了，直播间的感觉、弹幕、老干妈的包装都有，不得不说细节挺到位的。

这是OpenAI最新的 GPT Image 2做的，还没正式发布，Plus用户最近在陆续灰度，我也赶上了。

自己上手试了一下，第一张生成了我在直播间介绍我们家EasyClaw的场景。虽然前段时间老直播，但这张不是直播截图，直播间UI、弹幕文字、画面光线，发出去给别人看，没准真的有人信。

生成一张抖音直播截图，画面是我上传的人物在直播介绍EasyClaw，人物旁边坐着一只头戴龙虾帽子的拉布拉多，弹幕文字尽可能多，加入礼物特效，背景改为直播间。

然后试了小红书截图。

马斯克的小红书主页，山姆·奥特曼的小红书主页，都生成了一遍。

帮我生成一个【名称】的小红书主页，图片要和真人形象一致，内容根据真实信息来。

粉丝数、头像、认证、发帖内容，看起来都挺真的。这大概就是"眼见不一定为实"开始真正有点可怕的地方。

内容页也没问题。

做了一张AI产品经理的小红书笔记页面，正文、配图、点赞数、评论区都有，基本看不出是AI做的。如果不是我自己做的，我都不敢说这是假的。

文字这块，这次进步挺大的。

以前AI生图最大的毛病就是文字，总有几个字要么乱码要么就是"像字但不是字"。

这次我让它写李白《行路难》的书法，一个字没错，它还自己配了一幅国画写意山水，放出来挺唬人的。

生成一张中文书法的李白的《行路难》，体现豪放的风格。

图文混排也能搞定。

试了一张唐朝供养人服饰的图文拆解，密密麻麻的注释文字加上服饰细节图，以前这种图AI基本翻车，字和图很难同时对。

生成xx博物馆图鉴式拆解信息图，古风工笔画风格，具备结构拆解、中文标注、材质说明、纹样寓意、色彩含义和核心特征总结，排版清晰，纸质感背景。

这次基本没什么问题，视觉效果还挺专业，设计师估计又有点紧张了。

最后这张最有意思——程序员老黄历。

做一个2026.4.20日的高仿真的纸质程序员老黄历，要有日期，周几，宜什么忌什么今日幸运词等等，呈现程序员与AI之间的各种元素。

日期对，星期对，宜：与AI合作。忌：熬夜爆肝、情绪化编程……

这本黄历我真想给同事打印出来贴桌上。

用了一圈下来，感觉Image 2在这几个地方确实不一样了：

• 高仿真截图和UI场景

• 人物真实感

• 中文文字渲染（这个变化最明显）

• 复杂图文混排

以后看图，多想一秒。眼见不一定为实了。

最后，如果你想体验龙虾为工作提效，现在就可以试试：

• 国内版：easyclaw.cn

• 国际版：easyclaw.com

• 企业版：easyclaw.work

跳转微信打开

三周之内，内外交困，一场被迫的背水一战

4月18日，OpenAI三位高管同时宣布离职。

Bill Peebles，Sora 之父，视频生成领域的创始级人物。Kevin Weil，前 CPO，后转任科学研究团队负责人。Srinivas Narayanan，B2B 工程负责人。

就在前一天，Codex 发布了大更新。新版可以操控 Mac 电脑，自带浏览器，支持 100+ 插件。外媒第一反应：这是对标 Claude Code 的一枪。

同一个人，同一天，一边失去战友，一边押上赌注。

你可以说三个高管同时走是巧合。但如果你最近一直在关注 OpenAI，你会知道，这属于是屋漏偏逢连夜雨。

· · ·

叙事失控：《纽约客》的负面报道

4月6日，《纽约客》发了一篇文章。署名是 Ronan Farrow 和 Andrew Marantz，前者是普利策奖得主，曝光 Harvey Weinstein 性丑闻的记者，他写的东西不是小报爆料，是有分量的调查。采访超过 100 人。

文章最重的几句话：多个受访者描述，Altman 的权力欲"比任何一个科技大佬都强"。一位匿名前董事会成员说，Altman 同时具备两种特质——"强烈的取悦他人、渴望被人喜欢的欲望"，以及"对欺骗他人后果的社会病态式漠然"。

文章还翻出了 2023 年的"The Blip"事件——董事会踢走 Altman，又在 5 天内让他回来。文章指控，Altman 在被踢走之前曾向董事会隐瞒信息，就安全协议问题误导相关成员。

这些指控，Altman 一个都没有正面回应。当然，选择沉默本身就是一种回答。

· · ·

恐惧具象：扔向CEO家的燃烧弹

4 月 10 日凌晨，Altman家被炸了。

当晚他写了一篇博客，直接把这件事和《纽约客》的报道挂钩。

他在博客里提到，事发前就有人警告他，在AI让人非常焦虑的时刻，会有一篇煽动性文章让他更危险。他当时没当回事。事情发生之后，他写道："我意识到自己低估了文字和叙事的力量。"

这句话值得停下来想一想。他说的"叙事的力量"，不只是指那一篇文章，是更大的一条链：ChatGPT 出现，AI 能力真实地在改变各种工作，这本身是事实。但事实之上，叠加了一层大量放大的AI威胁论。

叙事制造了恐惧，恐惧制造了对立，对立最后具象为一枚燃烧弹。Altman 清楚这条链，也清楚自己在这条链里的位置。

他承认"对AI的恐惧是有道理的，毕竟这是人类有史以来最大的变革"。但他停不下来，AI本身已经是一个不可逆的趋势，没有人能单方面刹车。这才是他说那句话时真正的处境：看得到后果，但没有选项。

· · ·

产品失守：Sora从"GPT-1 时刻"到关停

Sora的故事，把 OpenAI 当下的状态说得最清楚。

2024 年 2 月，OpenAI 发布 Sora，视频效果震撼行业。OpenAI 自己说，这是视频生成的 GPT-1 时刻。然后，Sora 消失了将近 10 个月。

10 个月里，国内外玩家把视频生成市场做成了红海。等 2024 年 12 月 Sora 正式开放，窗口期早就关了。技术上也没拉开差距，每天还在烧 100 万美元算力。

今年 3 月，Sora宣布关停。Altman 给的解释：算力优先级决策，资源挪给 Codex 了。

但这个解释反而把问题说得更明白了。你先定义了一个赛道，说这是"GPT-1 时刻"，然后 10 个月缺席，让市场被别人做熟，最后自己关门。这可以说是失守，你打响了第一枪，然后自己跑了，让别人把阵地占了。会发布、会定义，但拿不住窗口期，这是执行层出了严重的裂缝。

· · ·

背水一战：Codex豪赌与企业市场溃败

回到 4 月 17 日：三个高管走的同一天，Altman 把 Codex 推出来。

代码和 Agent 能力是整个行业眼下最激烈的战场，Altman 在这个节点加速，说得通。这次 Codex 的更新，被外媒直接定性为对标 Claude Code——正面硬刚，一枪打在竞争对手最强的阵地上。

但这步棋的背景，是企业市场已经丢了半壁江山。企业 API 市场，OpenAI 份额从 50% 跌到 27%。争夺新企业客户，行业报告显示，OpenAI 的胜率是 26.7%，Anthropic 是 73.3%。

这已经不是"Anthropic 在追赶"了，这是 Anthropic 在赢。To C 端，ChatGPT 还是王者。但 To B 这场仗，Anthropic 已经悄悄赢了上半场。更麻烦的是，企业客户一旦换了 API，迁移成本很高，这些客户大概率不会回头。

所以 Altman 这次押注 Codex，往好了说是战略转向，往实了说是被迫收缩：Sora 守不住，企业市场丢了半壁，现在退到自己还有优势的赛道重新站稳脚跟。这不叫聚焦，聚焦是主动选择，这是被形势推着走。

外界把这次更新解读为：OpenAI正在把ChatGPT、Codex和自研浏览器合并成一个超级App。

但超级 App 这条路本身就是一个大问号。如果真能做成，ChatGPT 有机会绕开苹果和谷歌，成为新一代用户习惯的入口，想象空间确实存在。但问题是，苹果和谷歌用了十年，把操作系统级的使用习惯刻进了每一个用户的肌肉记忆里。你想改变这件事，凭什么？靠功能强大是不够的，功能强大的产品每年都有一堆，没一个撼动过苹果的地位。改变用户习惯，从来不是靠"更好用"做到的。

· · ·

一场严重的阵痛

Altman 现在的处境，可以用一个词描述：四面楚歌。

外部，有《纽约客》的调查，有来自社会的恐惧和愤怒，有人往他家扔燃烧弹。

内部，有高管持续出走，有 Sora 关停，有 Anthropic 在企业市场的全面压制。

这场阵痛，确实挺严重。这步棋能不能走通，历史会给出答案。

但有一点是确定的：当一家公司需要用CEO的个人安危、高管的集体出走、产品的战略收缩来换取一次转型的机会时，它已经不再是那个无所不能的OpenAI了。

最后，如果你想体验龙虾为工作提效，现在就可以试试：

• 国内版：easyclaw.cn

• 国际版：easyclaw.com

• 企业版：easyclaw.work

跳转微信打开

中国用1/23的钱，把差距压缩到2.7%

2026年3月，斯坦福HAI发布年度AI指数报告，其中有一个数字让人停了一下：

中美顶尖AI模型的差距，只有2.7%。

就在三年前，美国AI在三项权威基准测试上全面领先中国：综合能力MMLU领先17.5分，数学推理MATH领先24.3分，代码能力HumanEval领先31.6分。这不是小差距，这是三个领域同时碾压。那时候最常听到的判断是：中国至少要追好几年。

短短三年，三项差距同时压缩了90%以上，综合下来是2.7%。

· · ·

那个让硅谷措手不及的时刻

先说清楚一件事：顶尖的模型，还是美国的。GPT-4、Claude、Gemini...在最高端的基准测试上，美国模型仍然站在山顶。这不是谦虚，是事实。

但中国找到了另一条路。

DeepSeek的意义不在于它短暂登顶了Chatbot Arena——虽然那确实是2025年2月发生的事，史上第一次，一个中国模型坐到了全球AI排行的第一位。它真正的意义在于，它向所有人证明了：你不需要砸2859亿美元，才能做出一个好用的模型。

打个比方：美国造了一辆顶配豪车，百公里加速3秒，价格两百万。中国造了一辆够用的车，百公里加速6秒，价格十万。如果你只是上下班通勤，你会买哪辆？

国产大模型现在便宜、好用、基础任务完全够用，可以大规模薅羊毛。在日常文字处理、内容生成、客服问答等基础场景下，调用一次Opus的钱，能调用国产模型几十次甚至几百次。对企业来说，这是生死线。

斯坦福对这个转折写了一句话："2023年，美国模型全面碾压中国。这个趋势，已经不再成立了。"——这是斯坦福写的，不是新华社。

顶尖性能的差距，还在。但谁定义了大多数人用AI的方式，这件事已经悄悄变了。

· · ·

数据背后，中国真正的优势在哪里

模型分数的变化，只是冰山一角。更值得细看的，是斯坦福报告里那些安静地躺在附录里的数据。每一个，都在讲同一件事：竞争的主战场，正在悄悄迁移。

专利：不是追赶，是统治。全球AI专利，中国占69.7%。有人会说中国专利质量不如美国。但当你占了七成地盘，即便只有一成转化为真正壁垒，谈判桌上的筹码也已经不一样了。专利战从来不是最热闹的战场，却往往是最后决定胜负的地方。

工业机器人：中国装了全球一半的工业机械臂。2024年，中国装了295,000台，美国34,200台，是美国8.6倍。AI+工业机械臂。模型在云端跑，机械臂在工厂干。这个基础设施优势，不是靠资本能快速复制的。

民心：83%的中国人相信AI会让生活变好。28国调查，美国39%，垫底。AI落地需要政府推、企业用、老百姓接受三方合力。中国83%三方同向，美国39%每步都有阻力。

钱：中国用$124亿，做到了美国花$2859亿才守住的水平。

差中国用了1/23的钱，换来了2.7%的差距。AI研发成本曲线已经被重写了，砸钱这条护城河，没有以前那么深了。

· · ·

美国真正的危机：人才正在流走

分数可以追，钱可以多投，算力可以建。但人才不一样。

赴美AI人才，自2017年骤降89%。过去一年，暴跌80%。

美国AI的崛起，历史上高度依赖全球人才输入。斯坦福AI实验室、谷歌DeepMind、OpenAI——翻开核心团队，大量来自亚洲的顶尖人才。

2025年11月，黄仁勋在台北一次私人聚会上说了一句话："未来10年，中国是人工智能的赢家。"他给出的理由很具体：中国现在有100万人全职投入AI，硅谷只有2万。

这个数字的意义不只是总量。100万人意味着每一个行业、每一个场景都有人在把AI用到极限。去年我就讲过，现在在Meta搞AI，不会说中文都混不进核心团队。会议上说英语，散场之后集体唠中文，老外反而懵圈了。

这不是文化现象，这是人才重心转移的信号。美国现在的处境是：用更多的钱，吸引更少的人。

· · ·

给一个判断

当技术差距缩小到"够用"，竞争的主战场就变了。

中国的五个优势——专利、机器人、民心、成本、人才——没有一个在"模型分数"上，全都在"把 AI 用到多少地方"这件事上。

历史上每一次技术革命，赢家从来不是技术最强的，而是应用最广的。蒸汽机如此，电力如此，互联网如此，AI 也不会例外。

所以这场竞争，从来不是"谁的模型更强"。

真正的竞争，是应用的竞争。谁能把 AI 落地到最多的行业、最深的场景、最快的速度，谁才是赢家。

而数据指向同一个结论：在应用这场仗上，中国已经站在了更有利的位置。

最后，如果你想体验龙虾为工作提效，现在就可以试试：

• 国内版：easyclaw.cn

• 国际版：easyclaw.com

• 企业版：easyclaw.work

跳转微信打开