#AI资讯

公益股权承诺的成效，要看分配规则、执行透明度和受益人实际获得的权益。

大模型进入机器人领域后，进步必须通过真实动作和持续运行证明，语言能力再强，也不能替代硬件与环境中的可靠性。

模型迭代的卖点正从“答得更好”转向“同样答对，但更快更省”，这对智能体场景比跑分更重要。

一款没有售价和量产日期的跑车被做成了技术秀，它展示的与其说是一款车，不如说是特斯拉和 SpaceX 之间可以共享的工程能力。

收入规模已经不再是大模型公司的悬念，真正决定估值的是：收入涨得够不够快，能不能跑赢早已签下的算力账单。

AI 扩张既需要技术，也需要与建设周期匹配的资金，成熟平台的经营基础会影响它能以什么条件持续投入。

大模型公司手里有了大额融资之后，花钱的方式开始接近大厂：一边训练自己的模型，一边用投资去占下一个方向的位置。

开放模型越好用，企业越愿意自己买芯片来跑，卖芯片的公司因此有理由亲自下场养模型。

两家头部模型公司的收入之所以难比，是因为“经云厂商卖出的那部分算不算自己的”没有统一答案，招股书会强迫它们给出同一种算法。

一家应用公司在没有自研大模型的情况下拿到 5 亿美元，投资人押的是代理这层产品本身能留住用户和收入，而不是底层模型。

创始人的薪酬数字很克制，真正的财富转移写在股权和捐赠安排里，上市之后这些条款会比工资单受到更多追问。

被禁止购买先进设备的公司，开始向美国芯片公司出售技术授权，管制改变了货物的流向，却没能阻止技术产生价值。

AI 有没有意识还没有科学结论，但谁来定义这个问题已经成了一场争夺，实验室和教会都不愿把解释权让给对方。

通用模型把破译古密码从少数专家的手艺变成了有耐心的人都能做的事，历史学接下来缺的是核验的人，而不是解题的人。

政府想分享 AI 的收益而不承担经营，这种“持股不管理”的安排，最难的是界定它在关键决策上究竟说不说话。

让供应商来定义需求，能让新技术更快进入军队，代价是采购的天平从一开始就不再中立。

AI 算力合同的数字越来越大，真正值得看的却是能不能取消：它决定风险最终落在模型公司还是算力提供方身上。

智能体一旦拥有钱和电话号码，用户愿意交出多少权力，就成了产品之间的分水岭。