Dan Xu

AI

当AI开始谈节俭：真正稀缺的不是算力，而是价值密度

导语 巴黎的凡尔赛宫里，香槟、礼服和烟花照旧；但今年AI行业谈论最多的，却不是如何把模型做得更大，而是怎样让它更便宜。 7月8日至9日，超过8000名AI创业者、芯片厂商和投资人聚集在巴黎参加RAISE Summit。路透社对现场的描述很有意味：会场外是AI产业最华丽的资本叙事，会场内讨论的却是芯片效率、数据中心成本、推理耗电，以及如何避免把昂贵的token浪费在重复任务上。会议期间，巴黎热浪下的临时停电还一度切断麦克风和网络，让这场关于AI能耗的讨论获得了某种意外的象征性。 这可能是一个值得记录的变化：AI没有降温，但它开始谈节俭了。 过去两年，行业的核心问题是“模型还能不能更强”；接下来，企业真正面对的问题会变成“这么强的模型，究竟值不值得用在这里”。当技术从稀缺走向充裕，竞争的重点就会从能力上限，转向单位成本能够创造多少真实价值。 一、AI正在遭遇自己的“供强需弱” 几乎在同一时间，中国人民银行在第二季度货币政策委员会例会后指出，当前经济仍面临“供强需弱”的矛盾。世界银行7月7日发布的《中国经济简报》也认为，2026年初中国经济受到高技术投资和出口支撑，但内需仍偏弱，

AI

AI开始要回款：组织红利不再靠想象力 导语

今天最值得看的，不是又有哪家公司发布了新模型，也不是哪一款AI产品参数更强，而是资本市场开始认真追问一个更朴素的问题：AI到底什么时候回款？ 7月9日，Apollo首席经济学家Torsten Slok在一篇题为《A Slower AI Payoff Would Be Everyone’s Problem》的文章中提醒，如果AI投入的回报比市场预期来得更慢，问题就不会只停留在科技板块。因为过去一段时间，AI几乎成了支撑美国市场和经济叙事的核心变量。一旦现金流兑现延后，而资本开支、折旧和债务压力按时到来，估值、利润率、信用风险都可能一起承压。 Apollo，2026-07-09 <https://www.apollo.com/wealth/insights-news/insights/daily-spark/a-slower-ai-payoff-would-be-everyones-problem> 这个提醒有意思的地方在于，它不是在否定AI，而是在给AI重新定价。过去市场愿意为“未来生产力”提前买单；现在市场开始问：未来什么时候变成现金流？ 这其实也是所有组织接下来都会遇到的问题。

早报

RSS早报 | 2026-07-11

当日整体观察 * 苹果正式起诉 OpenAI 窃取其商业机密，标志着科技巨头在大模型核心资产上的公开法庭对峙，这可能显著加剧大模型行业关于训练数据和技术人才流动的合规审查压力，使企业间的 AI 合作机制趋向保守。 * 大众汽车集团计划大幅砍掉至多一半车型，并在中国和欧洲再削减 100 万辆年产能，表明跨国汽车巨头在新能源转型缓慢与激烈竞争下，已无法维系庞大的多车型长尾策略，正进入主动防守与产能清算期。 * 标普全球将甲骨文的长期信用评级下调至接近垃圾级的 BBB-，理由是巨额的 AI 基础设施资本开支加剧了债务负担且盈利路径未明，这印证了市场对云巨头过度杠杆进行算力军备竞赛的财务担忧。 * 国产大模型公司 MiniMax 在解禁股价下跌后，迅速完成 160 亿港元（含 65 亿港元可转债）的巨额再融资，创始人更表态在实现 AGI 前不领薪酬，显现了头部大模型企业在资金密集战局中的高压常态。 * 上海银行追债“宝能系”超百亿元诉讼首迎二审胜诉，广东省高院维持原判，要求相关企业偿还 25.8 亿元本金及利息，但鉴于宝能整体深陷债务危机的现状，剩余逾百亿逾期债务的最终清收进度依然

AI

AI治理的拐点：真正的红利属于有边界的组织

导语 今天值得看的，不是又一个模型发布，也不是某家公司又把AI接进了某个办公软件，而是日内瓦的一场会议。 7月6日，首届“人工智能治理全球对话”在瑞士日内瓦开幕。联合国秘书长古特雷斯在开幕致辞中说，希望这个对话能把全球参与转化为全球行动，让人工智能变得“更安全、更公平、更普及、更符合伦理”。他提出的四个优先事项是：安全、人权、能力建设和透明。 这些词听上去很宏大，甚至有点像国际组织文件里常见的表达。但如果放到企业管理场景里看，它其实指向一个很具体的变化：AI竞争正在从“谁更快采用工具”，进入“谁更会设置边界”的阶段。 过去一年，很多组织谈AI，关键词是效率、降本、自动化、智能体、全员使用。下一阶段，真正拉开差距的，可能不再是有多少人开通了AI账号，而是组织有没有能力回答几个更朴素的问题：哪些任务可以交给AI，哪些任务必须留给人；哪些输出可以直接进入流程，哪些必须复核；哪些员工行为是创新试错，哪些已经触及数据、合规、伦理和客户信任的边界。 一、技术红利的上半场，

AI

AI变慢的时候，组织才真正开始进场

这几天有一条新闻很值得放在一起看：据路透社7月2日报道，Meta内部会议上，扎克伯格承认AI Agent的发展速度没有达到此前预期，相关组织重组也还没有兑现预想中的结果。过去几个月，Meta并不是没有投入。相反，它是最激进的玩家之一：削减岗位、重组团队、把大量员工转向AI相关方向，同时继续维持巨额算力投入。 如果只把这条新闻理解成“Meta暂时慢了”，就有点可惜。它更像是AI产业进入下半场的一个小切口：当模型能力、算力预算和组织重组都已经摆上桌面之后，真正难的事情才开始出现——不是让AI回答问题，而是让AI在一个真实组织里稳定地办事。 过去两年，AI带来的兴奋感主要来自“能力跃迁”。一个工具突然会写代码、会总结材料、会生成方案、会检索信息，足以让人相信很多工作会被快速重构。于是企业很自然地形成一种期待：既然模型能力进步这么快，组织效率也应该同步提升；既然Agent可以调用工具、执行任务，那么大量流程就应该很快自动化。 但真实世界的组织不是一个干净的实验环境。 一个Agent要在企业里真正办事，首先要知道自己可以访问什么数据、可以调用什么系统、可以替谁做决定、遇到例外时交给谁、做

AI

标题：当隐形冠军也开始失速：AI时代，优势正在从经验转向学习速度

导语： 今天最值得琢磨的一条新闻，不是某个大模型又提升了多少分，也不是某家公司又买了多少GPU，而是《华尔街日报》关于德国Mittelstand的报道：这个曾经被视为德国工业灵魂的“隐形冠军”群体，正在被中国制造企业逼到一个很不舒服的位置。 这条新闻表面看是中德制造业竞争，往深处看，其实是一个更大的变化：过去几十年，企业竞争依赖的是经验、工艺、客户关系和稳定积累；而现在，竞争越来越依赖组织的学习速度、重组能力和系统动员能力。AI只是把这个变化加速了。 正文： 德国的Mittelstand，曾经是管理学和产业研究里很漂亮的一个样本。它们不一定大，不一定出名，却在细分领域做得极深：机器、零部件、工艺设备、专用系统，很多都是全球产业链里“缺了不行、换了很难”的环节。 这类企业的优势，过去很清楚：长期主义、工程师文化、稳定的客户关系、代际传承的工艺能力。它们不靠流量，不靠概念，也不靠短期资本故事，而是靠几十年把一个很窄的产品做到极致。 但今天的问题是，世界变了。 《华尔街日报》今天的报道提到，

AI

驻场工程师时代：AI红利开始考验组织接口

导语 这两天有一条新闻很值得放在一起看：微软宣布成立 Microsoft Frontier Company，投入25亿美元，派工程师深入客户企业，帮助它们把AI真正做进业务系统。几乎同一时间，中国6月制造业PMI重回扩张区间，其中高技术出口和AI相关硬件需求仍是重要支撑；国内“人工智能+消费”的政策信号，也在推动AI从实验室、办公桌，继续走向商品、服务和生活场景。 表面看，这是AI产业继续升温。换个角度看，它其实说明一个更重要的变化：AI竞争正在从“谁有模型”转向“谁能把模型嵌进组织”。 一、AI落地开始从“采购软件”变成“改造现场” 过去一年，企业谈AI，大多还停留在三个动作：买账号、接模型、做试点。一个部门做几个demo，一个团队试一个知识库，一个职能条线跑一个智能助手。热闹是热闹，但多数项目停在了“可演示”而不是“可持续”。 微软这次成立Frontier Company的意义，不在于又多了一个AI产品，

早报

RSS早报 | 2026-07-05

当日整体观察 * 特朗普再度以“关税武器”威胁欧洲，表态任何征收数字服务税（DST）的国家将被立即征收100%的惩罚性关税。此举针对欧洲对美系互联网巨头的税收举措，暴露出欧美在数字主权与跨境科技税收上的核心摩擦，将直接推升欧美贸易保护主义的对抗级别。 * 全球顶尖经济学家与央行官员在欧洲央行辛特拉论坛上密集警告AI泡沫破裂风险。专家们将担忧重点从技术伦理转向金融安全，警示高杠杆投资与超大规模云厂商的庞大债务可能在市场回调时引发全球性信用与流动性危机。 * “大空头”原型迈克尔·伯里（Michael Burry）近期披露做空存储芯片巨头美光科技，并公开抨击其为“资本毁灭者”。伯里指责美光的低资本回报率无法支撑由AI炒作驱动的泡沫，该仓位连同其对英伟达、应用材料等的做空，显示出做空势力正在半导体产业链中全面集结。 * 下周一（7月6日）起A股迎来交易规则大改，主板风险警示（ST）股票的价格涨跌幅上限由5%放宽至10%，且盘后固定价格交易范围扩大至全部A股与沪深ETF。这标志着监管推动垃圾股定价效率提升、抑制异常波动的制度性试水，ST板块的剧烈震荡及壳资源贬值在所难免。 * 中融

AI

AI的第二张账单：效率红利开始进入治理阶段

过去一年，关于AI的讨论有一个共同的底色：先把它用起来。能不能写材料，能不能做代码，能不能查数据，能不能替代一部分分析和客服。很多组织的AI实践，本质上还停留在“工具扩散”阶段——给员工账号，做几场培训，鼓励大家多试。 但最近几条新闻放在一起看，味道已经变了。 一方面，AI正在更深地嵌入行业工作流。6月30日，FactSet与Google Cloud宣布战略合作，要把Gemini模型、企业搜索和金融数据能力嵌入FactSet Workstation，并共同开发面向组合管理、交易顾问、公司金融等场景的AI agent。这不是再做一个通用聊天入口，而是把AI放进金融专业人士每天使用的数据、研究和决策系统里。 另一方面，企业也开始面对AI的第二张账单。7月初，有报道称，UBS近期接触到的企业中，不少已经开始给AI支出“踩刹车”，原因不是不看好AI，而是token消耗、预算上限和投资回报开始变成现实问题。更早一些，关于AI agent token消耗的研究也指出，在复杂任务中，agent的消耗可能呈现高度波动，甚至同一任务不同运行之间成本差异很大，而且更高消耗并不必然带来更高准确率。

AI

AI红利的下一站，是把组织变成可调用的系统

导语 有时候，一个宏观数据比一篇热闹的技术报道更能说明问题。 6月30日，国家统计局公布的数据显示，中国制造业PMI回到50.3，重新站上扩张区间。路透社在同一天的报道里，把这个变化和全球AI投资需求联系起来：芯片、计算机和其他AI相关产品的出口需求，正在对中国制造形成支撑。7月1日，RatingDog中国制造业PMI继续处在51.7的扩张区间，二季度平均值达到2020年四季度以来最高。 这组数据并不意味着经济已经全面转暖。恰恰相反，它更像是在提醒我们：今天的增长并不是均匀发生的。AI相关产业链在跑，地产和部分消费仍然偏弱；高技术出口在提供增量，但价格和就业端仍有压力。宏观上看，这是一次“结构性恢复”；组织上看，这是一次更深层的分化。 AI红利已经不再只是技术公司的事情，也不只是制造企业多接几笔订单的事情。它正在变成一个更朴素的问题：一个组织能不能把外部技术浪潮，翻译成内部的流程效率、人才结构和决策速度。 一、AI正在从“需求故事”变成“产能故事” 过去两年，很多人谈AI，谈的是模型、参数、算力、应用入口。那是技术供给侧的语言。今天从PMI和出口链条里看到的AI，则更接近产

AI

AI红利不是订单，而是组织再设计

导语 昨天公布的6月PMI有一个值得放在一起看的细节：制造业PMI回到50.3的扩张区间，外部报道把这一轮改善与AI相关硬件和高技术出口联系在一起；同一天，AWS宣布投入10亿美元建立一支面向客户现场的“嵌入式AI工程师”团队，把工程师直接派进客户组织，帮助客户把AI写进真实流程。 这两件事看似一件在宏观，一件在企业服务，其实讲的是同一个主题：AI红利正在从“有没有模型、有没有算力、有没有订单”，转向“一个组织能不能把新技术吸收到自己的流程、岗位和决策机制里”。 主体 一、AI正在托起一部分增长，但增长的质地并不均匀 6月制造业PMI重回扩张，表面看是一个温和的景气修复信号。生产指数、新订单指数同步改善，说明制造端和需求端都有边际好转。但更值得关注的是结构：高技术、AI相关硬件和出口需求更强，小企业、就业、价格等指标仍然偏弱。 这意味着我们面对的不是传统意义上的全面复苏，而更像是一种结构性托底。AI产业链、绿色技术、智能终端相关环节在向上走；地产链、传统消费、低端制造和部分服务业仍在承压。宏观数据好一点，不等于所有企业都好一点；产业有增量，不等于组织自然获得红利。 这也是

AI

AI 的下一站，不是替代人，而是重新定义消费

这几天看到一条新闻：商务部等 8 个部门发了一个关于“人工智能+消费”的文件。 这种新闻平时很容易被扫过去。因为标题看起来像政策文件，里面又是智能手机、智能电脑、智能家电、AI 眼镜、智能网联汽车、养老机器人、陪伴机器人、AI 生活助手这些词。每一个都听过，每一个好像也都不新鲜。 但我觉得，这件事还是值得多看一眼。 过去两年，我们谈 AI，更多是在企业里谈。它能不能帮我们写材料、写代码、做会议纪要、做客服、做培训课件、做人力数据分析。说到底，大家最关心的是一件事：它能不能帮组织提效。 这是很自然的。企业总是先从效率看技术。一个新工具，如果能少花时间、少用人、少返工，就有价值。 但“AI+消费”讨论的其实是另外一个问题：AI 能不能让普通人重新产生购买理由？ 这就不一样了。