AI

AI

交出付款码之后

清晨醒来,手机屏幕上停着一条扣费通知。 昨晚你只给助手留了一句话,让它在合适的时候补足云存储容量,或者替你订一张下周讲座的门票。你没有输入密码,没有做人脸识别,甚至没有点开确认弹窗。交易在你熟睡时发起,并已经完成交割。 这看似只是少点了一次屏幕,但工具的性质其实在这几秒钟里彻底变了。 过去两年,绝大多数关于智能体的讨论,都停留在信息层。它替你查资料、写摘要、改代码、提建议。无论它把话说得多漂亮,现实世界的大门始终锁着,钥匙是人手底下的那颗确认键。 但当它被允许扣款、划账、调用资金的那一刻,它就不再只是一个给你出谋划策的顾问,而是一个可以直接在现实世界产生经济后果的代理人。 眼下,这种迁移正在通过几条不同的路径同时推进。 支付宝已经在提供 Agent 支付能力,将账户体系向智能体打开;Link 通过 Grok bot 让对话直接延伸为交易行为;币安则在探索经虚拟钱包授权支付的路径。三条路线的起点和生态位截然不同,但它们指向同一件事——让机器在不需要人逐笔点头的情况下,获得动用资金的能力。 表面上看,这是一场关于支付基础设施与交互体验的演进,但真正被重塑的,是人与系统之间的权

By Dan Xu
机器成为对手盘:从币安 Agent OS 看自主交易的边界与金融重构

AI

机器成为对手盘:从币安 Agent OS 看自主交易的边界与金融重构

币安在公开页面上线 Agent OS,并没有附带宣扬“AI 帮你躺赚”的造势宣传。 从其公开的信息呈现来看,这套工具包的叙事克制而明确:它面向开发者,试图将交易所核心的交易、支付、数据和结算能力,转译为可以直接给 AI Agent 调用的标准化组件。 交易所推出这类产品的动力并不神秘,也无需用玄学解释。现代金融交易的增长,本质上取决于两个变量:资产供给与挂单撮合效率。过去十余年,交易所从面向个人屏幕的图形界面,逐步演进出面向传统量化机构的高速 API。 但这两条路径的前提,都是人类在做出决策——无论是交易员肉眼盯盘手动下单,还是算法工程师提前将逻辑硬编码在程序里。 当大语言模型与自主智能体具备了复杂推理与工具调用能力,原本散落在各处的接口、文档与权限体系,便成了机器直接参与金融业务的摩擦力。币安公开上线 Agent OS,正是试图成为这股新涌现的技术流向交易场景时的基础设施入口。 现阶段的轮廓:把金融操作降解为机器指令集 仔细审视币安公开页面对 Agent OS 的定义,它并未将自己包装为一个开箱即用的“自主交易神器”,而是清晰地定位于面向开发者的底层工具包。整个产品叙事

By Dan Xu

AI

从给出答案到交付工作:AI 这一年的重心位移

很多人的电脑屏幕,至今还是一种熟悉的切分:一边开着业务后台或代码编辑器,一边挂着终端和表格,侧边常驻一个 AI 聊天窗口。 过去,AI 已经能给出相当好的答案:一段 SQL、一份清洗脚本、一套排查思路、一版合同初稿。但答案离结果,中间还隔着一段很碎的路。人把代码复制到终端,运行;报错了,再把日志截回对话框;文件格式不对,重新解释字段;后台没有生效,又得自己进页面核对。模型负责说,人负责把这些话搬进真实环境里,让它们变成动作。 这一年最值得注意的变化,不是模型又多会几个冷门知识,而是它开始离开对话框,进入一段可以实际推进的任务链。 重点不在“回答得更像人”,而在“能不能把一件定义清楚的事交出来”。 从单向生成,到在反馈里往前走 传统的对话式 AI,本质上是开环的。 你给它一个问题,它基于已有信息生成一个看起来最合理的答案。它可以写得很完整,但它不知道你的数据库版本,不知道目录里有没有同名文件,也不知道那段脚本在真实环境里会不会因为权限、依赖或字段格式而失败。 所以,过去的模型更像坐在会议室里的顾问:

By Dan Xu

AI

Grok bot 体验:OpenClaw 的升级形态?

最近 X Premium+ 订阅里送了 Grok bot 的早期测试权限,我手痒试了几天。用下来的直觉判断是:它是目前最接近"AI 同事"的产品形态——不是因为它比别的 Agent 聪明多少,而是因为它第一次把"帮你干活"这件事,做到了你合上笔记本也不会停的程度。 更让我在意的是另一层:它和 OpenClaw 做的其实是同一件事。不是什么官方继承关系,而是同一条赛道上,一个走到了"产品化 + 云化"的那一步。 Grok bot 到底是什么 8 月 11 日,xAI 发了 Grok bot 的早期测试版,官方说法是"

By Dan Xu

AI

Grok Bot 最该做的事,不是聊天

每天早上,在你打开电脑之前,有一件事已经在等你了。 登录某个后台,点进"数据报表",选昨天的日期,点导出,等它跑完,下载一个 Excel,检查行数和关键字段,然后发给需要它的人。 整件事不需要任何判断力。路径是固定的,筛选条件是固定的,收件人是固定的。唯一的变量是你得亲自登录,亲自点,因为这个后台不提供 API,也没有人会为你写一个。 这就是 Grok Bot 最该接手的事。 一台已经登录好的电脑 Grok Bot 有一台持续存在的云电脑。它不是每次对话临时启动、用完即弃的容器,而是一台保留着登录态、文件和工作上下文的机器。你上周登录过的后台,这周它还记得。你上次导出的文件,还在桌面上。 这件事的意义比"能聊天"大得多。 绝大多数重复劳动卡在一个地方:你必须登录一个网页,沿着一条固定路径点下去,才能拿到你要的东西。这条路径不短,

By Dan Xu

AI

RTX 3090 部署 Qwen3.8 27B:模型选择、参数建议与性能实测

RTX 3090 拥有 24GB 显存,仍然是本地部署大模型性价比较高的显卡之一。但运行 27B 模型时,24GB 显存已经接近临界范围:模型能否装入显存、上下文能开多大、速度是否可接受,都会受到量化版本、KV 缓存和推理引擎的直接影响。 本文记录一次使用 llama-server 在 RTX 3090 上部署 Qwen3.8 27B GGUF 模型的实践,为同样使用 24GB 显卡的用户提供参数参考。 本文中的 qwen3.8:27b 是 API 模型别名,实际使用的模型文件为: Qwen3.8-27B-MTP-IQ4_KS.gguf 一、部署环境 核心硬件与软件配置如下: * GPU:NVIDIA RTX 3090

By Dan Xu

AI

当AI开始制造通胀:效率革命之前,先是一场资源争夺 导语

7月10日,美联储向国会提交最新货币政策报告。报告里有一句很容易被忽略的话:今年通胀压力的上升,不只来自关税和中东局势,也来自AI基础设施建设。 这件事有些反直觉。 过去几十年,我们习惯把数字技术和“降成本”联系在一起。软件可以复制,信息可以即时传输,互联网把交易成本压到很低。按照这个经验,AI似乎也应该天然带来通缩:更少的人完成更多的事,企业效率提高,商品和服务变便宜。 但现实正在展示另一条路径。AI当然可能在长期提高生产率,却首先制造了一场规模庞大的资源争夺。芯片、存储、电力、土地、数据中心、冷却设备和专业人才,都在被迅速重新定价。 AI的效率革命,可能要先经过一段“成本膨胀期”。 一、AI不是一团飘在云端的软件 人们谈AI时,往往看到的是聊天窗口,容易忘记窗口背后是一套越来越重的工业系统。 训练和运行模型需要高端芯片与存储,需要数据中心,需要稳定电力和电网扩容,也需要工程建设、散热系统与大量专业人员。国际能源署预计,全球数据中心用电量将从2025年的约485太瓦时,增加到2030年的约950太瓦时;其中,面向AI的数据中心用电增长更快,五年内可能达到原来的三倍。 所

By 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,

By Dan Xu

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。

By Dan Xu

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,

By Dan Xu

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

By Dan Xu

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,

By Dan Xu