ME News

中国机器人行业的“隐形冠军”
文章作者：李信马
文章来源：DoNews
中国机器人行业的“隐形冠军”
近年来，中国制造业正在经历一场深度的智能化转型。人口老龄化与劳动力成本上升，推动了机器人在企业端的加速落地，而在科技盛会和春晚舞台上的频繁曝光，也让大众对机器人的接受度和期待值不断拉高。在这一背景下，众多机器人相关企业如雨后春笋般纷纷出现，其中不乏明星企业与独角兽。
然而，机器人行业中同样存在泡沫，也有噱头大于实力的企业存在，我们该如何区分？此前，珞石（山东）机器人集团股份有限公司（以下简称“珞石”）向港交所递交了招股书，招股书显示，这是中国唯一一家能够同时量产工业机器人与协作机器人的企业，也是中国机器人行业几条细分赛道的“隐形冠军”。
谈起工业机器人，大家熟悉的是“四大家族”：发那科、ABB、安川电机和库卡。在协作机器人领域，也有优傲、达明，和国内的越疆、节卡、遨博智能等。“唯一”是真的，但机器人又不是不能分开买，一个“唯一性”的前缀，显然不值得资本市场拿真金白银去买单。这家公司，是否真的具备价值增长的独特性？
招股书介绍，珞石是一家资深的人工智能机器人企业供应商，致力于智能机器人及机器人解决方案的设计、研发、制造与商业化，构建了丰富的机器人产品与应用生态，涵盖工业机器人、柔性协作机器人、具身智能机器人及相关机器人解决方案。据灼识咨询报告，按销量计，2025年珞石的多关节机器人在中国市场国内制造商中排名第三，在全球制造商中排名第七。
图片来源：招股书
再看财务基本面，珞石机器人近三年的营收增长强劲，2025年，珞石实现营收5.22亿元（人民币，下同），同比增长60.4%，其中，机器人产品销售收入占比从68.0%升至78.6%，成为增长主引擎；近三年净亏损分别为1.58亿元、1.92亿元和1.79亿元，经调整年内亏损净额（非香港财务报告准则计量）为1.01亿元、0.72亿元及0.42亿元，亏损大幅缩窄。
图片来源：招股书
高增速的收入和收窄中的亏损，符合一家值得投资的企业的特征，接下来是看其是否有长期可持续的发展逻辑。业内有一种说法，珞石是“全系列智能机器人第一股”，本文将深度拆解这一头衔的含金量。
01.构筑壁垒：“全系列”？还有“全链路”的护城河
珞石的“全系列”名副其实，下图是珞石按产品及解决方案类别划分的收入明细，可以看到，工业机器人2025年收入2.25亿，总收入占比43.1%，占比最高；具身智能机器人收入从2023年的276万飙升至2025年的4701万，增长最猛。
图片来源：招股书
其中，工业机器人为具备多自由度、可程序化的机械手臂，能够实现自主定位与控制。珞石的工业机器人产品线非常完整，按负载分为轻负载（23款）、中负载（5款）、大负载（5款）三类，覆盖广泛应用场景，主要包括工业制造、商业服务及教育场景。根据灼识咨询报告，按2025年销量计，珞石在中国轻负载工业机器人市场排名第一，市占率为5.8%。
协作机器人专为实现安全且流畅的人机协作而设计，具备轻量化结构、自适应运动能力以及强化安全机制等特性，主要部署于制造及商业服务场景。珞石的柔性协作机器人包括xMate CR、xMate SR、xMate ER系列，负载从最小3千克到最大45千克，臂展最长2246毫米。根据灼识咨询报告，按2025年销量计，珞石在中国柔性协作机器人市场排名第一，市占率高达47.0%，几乎占据半壁江山。
珞石的具身智能机器人产品包括力控人形机械臂、复合机器人、轮式双臂机器人、智能焊接机器人、人形机器人及集成式力控关节，并获得10000台以上具身智能机器人订单，根据灼识咨询报告，在中国十大具身智能机器人公司中，近一半正在使用或已改用珞石的人形机械臂进行产品迭代。
图片来源：招股书
但“全系列”描述的是机器人种类的“全”，这是仅限于产品层面的描述。比起“多”更重要的是“好”，下面这张图是珞石业务模式的简化示意，可以看到，珞石的众多产品是建立在统一的技术平台底座上，这意味着，真正有价值的是这个技术平台、产品与应用一体化的系统。在这个“全链路”的基础上，珞石的机器人产品可以针对特定场景定制，每款产品反过来又是对体系的技术验证，实现高效快速的产品迭代，保证质量下限的同时提高效率上限。
图片来源：招股书
打个比方，有的机器人公司像是近代军队，招一批打完了就没了的“一次性产品”，历史上这样旋起旋落的例子比比皆是；而现代军队有成熟的征兵、训练、装备、指挥体系，可以源源不断的补充进化。祖鲁人能打赢一次英国远征军，但没办法一直赢，单个爆款产品和成熟体系的差距就类似如此。
回到开头，为什么大多数机器人企业选择专精一个领域，而珞石要兼顾工业机器人与协作机器人？专精的主要原因之一是为了效率和经济性，“双量产”本身就是一道极高门槛，前者追求高速、高精度与高刚性，后者强调安全、轻量化与柔性交互，两者在设计理念、伺服控制、减速器选型乃至供应链体系上有着本质差异。能够同时量产这两类机器人，侧面印证了珞石的技术平台实现了底层控制系统的互通，才能多线多产还能维持住效率和经济性，其技术平台又是基于一系列自主研发的核心技术构建，这才可以形成难以复制的技术壁垒。
这样的技术底座又天然和开放的生态匹配，珞石开放了其xCore控制系统的核心控制能力及标准化接口，通过开放的合作体系与合作伙伴共同建设“ROKAE+”生态体系，硬件合作伙伴可通过标准化接口快速接入末端执行器、传感器等设备，打造定制化产品，开发者也可以向终端用户推广销售其开发的插件。通过构建连接硬件厂商与开发者的完整价值链，珞石可以为各类应用场景提供丰富的机器人及工艺包，更构成了其强大的“生态护城河”。
可以看出，这是一个和传统机器人公司不同的独特样本。接下来，我们进一步拆解珞石的技术能力，这也是珞石的技术平台乃至整个体系能否顺利运转的基础。
02.全栈技术能力：从底层控制到具身智能
未来机器人的种类肯定是多种多样的，以满足不同的应用场景，但这就带来了机器人行业常见的一个痛点：重复造轮子。
除此之外，还有算法团队缺乏稳定的硬件底座、整机企业研发成本高昂且周期漫长等问题，最终导致不少机器人产品停留在PPT阶段迟迟难以落地。珞石构建了一个从底层控制到AI训练，再到开放生态的全栈自研闭环，这就是珞石的ROKAE机器人技术平台，平台主要包括三部分：
本体正向设计与验证系统；
xCore控制系统；
ROKAE+生态系统平台。
本体正向设计与验证系统是珞石建立的机器人高性能、高可靠性设计与验证系统，该系统融入多层容错设计、严格的稳定性冗余及一系列自主研发的模拟与分析工具（如强度分析、轻量化设计、过载诊断及运动分析），确保设计的一致性与耐用性。基于该系统，珞石制定了超100项测试协议，据介绍在全面性与针对性应用方面均远超国家标准，以确保机器人可以在精度与可靠性方面与全球顶尖制造商竞争。
xCore控制系统在2021年正式发布，这个系统如同机器人的“大脑”，主要集成控制的以下几个方面：
运动控制。基于在刚柔耦合动力学模型方面的专业知识，可以实现包括振动抑制、高灵敏度碰撞检测、任意角度安装及高精度负载自识别等多种高级功能，通过控制器与伺服驱动器之间深度的算法层面集成实现了真正的驱控一体化，全工作空间绝对精度最高可达0.15毫米。
力控。通过自主研发的“力位混合算法”实现机器人的触觉控制，从而实现更灵敏的运动控制，依托自主研发的高精度关节扭矩传感器、伺服驱动器、关节编码器及高动态关节力控算法，机器人产品可实现高灵敏度碰撞检测、力控装配、力控打磨、按摩理疗、医疗手术等功能，真正满足行业对人机交互及柔性制造的需求。
安全控制。自主研发的新一代安全控制器无需依赖主控制器即可实现实时安全监控，并具备“灵敏且不误触”的碰撞检测能力，解决了碰撞检测灵敏性与鲁棒性难以兼顾的行业痛点。
智能控制。基于视觉、力觉及触觉的多模态感知能力与VLA大模型，依托数字孪生技术、具身AI模型生态系统、Sim2Real技术及自主运动规划、强化学习算法，让机器人可自主感知、规划并执行复杂任务。
招股书中也提到，通过将力控、视觉等核心功能集成至通用平台，珞石不需要为不同机器人品类重复开发底层逻辑，能快速适配并封装差异化功能，显著缩短产品迭代周期；模块化平台架构支持功能灵活扩展，不同品类的机器人功能均能基于同一底层架构快速适配，甚至达成不同产品线的技术协同效应，比如协作机器人达到了6.3米/秒的工业级运动速度、工业机器人引入了协作机器人的安全控制技术，这也是对上文推测的验证。
ROKAE+生态系统平台在上文中已经讲过，珞石将自身标准化、可规模化量产的高性能核心硬件开放，通过平台向算法企业、高校科研机构、各类整机厂商输出成熟的技术底座，大幅降低了合作伙伴硬件研发、场景落地的周期。
这里具体介绍两个案例，一个是AR系列人形机械臂，这是专为高阶类人交互及智能任务执行设计的，配备关节集成力矩传感器，可实现全臂高精度力感知与控制，并内置了高速视觉及触觉传感器接口，支持手眼视觉系统及灵巧手，可实现力、视觉、位置的全方位感知，进而实现柔顺物理交互。另一个是集成式力控关节，它将力传感直接嵌入关节的谐波减速器或输出法兰中，实现了极高保真、低延迟且具备抗碰撞能力的扭矩测量，让机器人能够执行需要“感知力”的精细作业，例如精密装配、抛光或打磨，还能以极高灵敏度检测到与人体或物体的意外碰撞，并通过停止运动或回退瞬时做出反应。
具身智能（Physical AI）区别于工业机器人和柔性协作机器人的特征是能在动态非结构化环境中实现自主决策，因此要有强认知能力（如传感器融合、计算能力、推理速度），AR系列人形机械臂能通过七自由度设计与高精度力控实现仿生操作，而集成式力控关节更是实现具身智能触觉感知的核心基础设施，可以看到，在通向具身智能的道路上，珞石早已埋下关键伏笔。这种开放、共享、协同的生态策略，让珞石有望成为整个行业迈向具身智能时代的“基础设施赋能者”之一。
03.三条曲线：工业机器人、协作机器人、具身智能
回到商业叙事，从营收结构来看，珞石的业务布局呈现出清晰的三条增长曲线，构建了“当下有营收、短期有增速、长期有想象空间”的财务模型。
第一条曲线是工业机器人，这是珞石的营收基石。根据灼识咨询报告，中国工业机器人市场预计2030年达到299亿元，2025至2030年的复合年增长率为8.9%。工业机器人领域巨头林立，但珞石凭借在轻负载领域的领先优势，正深度参与汽车零部件、3C电子及光伏等热门行业的自动化升级，这是其当下稳健收入的核心来源。
图片来源：招股书
第二条曲线是协作机器人，这是短期高速增长的驱动引擎。随着人机协作成为智能工厂的标配，中国柔性协作机器人市场迎来爆发，灼识咨询报告预计2030年市场规模将达到52亿元，2025至2030年复合年增长率高达32.0%。行业目前还处于相对早期，珞石当前在该赛道销量排名第一，这是其短期业绩加速增长的关键支撑。
图片来源：招股书
第三条曲线是具身智能机器人，这是珞石面向未来的超长赛道。根据灼识咨询报告，2025年，全球具身智能机器人的市场规模超过40亿元，预计到2030年达到约1603亿元，在人工智能、多模态感知、算力提升以及下游应用拓展的驱动下，2035年市场规模将进一步增长至约11335亿元，成为万亿级的超级赛道。
这个预测会不会有“水分”？很可能有，但市场空间依旧会很大。首先，多模态人工智能与大模型技术迎来突破，极大提升了具身智能机器人在真实世界中的应用价值。其次，是软硬件一体化与算力提升，随着芯片制造水平的进步与低功耗算力平台的广泛应用，具身智能机器人的核心硬件性能显著增强；传感器、驱动器与执行机构的持续升级，也为机器人提供了更加精细的动作控制与更高的响应速度；软硬件一体化的架构设计，使机器人能够在算力有限的情况下实现高效的数据处理与控制执行，降低能耗与延迟。最后，是全球资本与政策的双重推动，全球范围内具身智能机器人已被视为战略性新兴产业链的重要组成部分，吸引资本加速进入，我国也在《国家人工智能产业综合标准化体系建设指南（2024版）》中将具身智能列为关键技术重点，并将智能机器人列为智能产品与服务的优先发展领域。
珞石具身机器人业务收入的暴涨是真的，而国内前十具身机器人企业中近半的渗透率，意味着在这个细分赛道，其具备的先发优势已经可以影响到行业标准的制定。招股书也显示，珞石计划将IPO募集资金中的相当部分用于加速具身智能模型训练平台的迭代与感知交互技术的突破。
当然，珞石面前的挑战也同样清晰：毛利率虽回升但仍低于国际一线厂商，规模效应能否持续摊薄研发与渠道投入还需观察；协作机器人在市场早期要直面激烈的竞争，而具身智能虽前景广阔，但从4700万的营收体量到产业级兑现，技术迭代与商业化节奏的每一步都是筛选器。
好在当下是中国智能制造产业升级的关键阶段，珞石享受到政策红利又叠加了全球供应链重组带来的出海机遇。截至2025年，珞石服务了全球40多个国家和地区的超1000家客户，并建立了覆盖中国及全球的闭环服务网络，随着其上市进程的推进及全球化步伐的加速，这家公司的真正含金量，将在市场的大众的视角中接受更严苛的称量。

中国公司应该“加钱”。
文章作者：苏扬
文章来源：腾讯科技
阿里巴巴集团董事长蔡崇信。图片经由AI处理
今年的VivaTech大会上，阿里巴巴董事长蔡崇信在一次“炉边对话”中，系统性地阐述了阿里的长期AI远景，这是继5月末耶鲁大学峰会之后，蔡崇信再度公开复盘阿里。
“从宏观上看，我们正在全力投入AI，逻辑很简单。”
蔡崇信表示，全球GDP超过100万亿美元，其中至少一半将来自人类智能和人类生产力的贡献，“这50万亿就是AI的总盘子，比任何公司的IT预算都大得多，也比软件市场大得多。”
所有人在谈All in AI，蔡崇信也是如此，他把阿里巴巴布局的路径，概括为除了能源层以外的一切领域，包含芯片、云基础设施、模型与应用。
“我们主要布局了四个层级，但最底层的能源层我们不碰。因为中国的能源效率高、成本较低。”
在蔡崇信看来，近乎全栈的布局，源于未来的不确定性，因为现在没有人能准确定义最终价值将沉淀在芯片、云基础设施还是模型层。“我们选择全方位参与，不管价值最终落到哪一层，我们都在场。”
相比阿里，更激进的是美股云巨头，他们几乎全线布局基础设施，2027年资本支出合计8000亿美元，这也被空头们批评为“泡沫”。蔡崇信不仅不认同泡沫论，更强调中国公司需要追加在基础设施方面投入。
“投资数字确实惊人，”蔡崇信说，“我们要回到那个50万亿美金的总盘子来看，这是让人保持乐观的理由。”
谈及开源，蔡崇信先提到了特朗普政府最近叫停Anthropic最强模型的事，直言这就是把“鸡蛋放在一个篮子里”的后果。在他看来，谷歌、OpenAI、Anthropic的模型已经全部闭源，而开源这条路现在是中国公司在走。
“你确实不能把信任建立在第三方政府永远不会做对你不利的事上。”
以下为蔡崇信访谈精炼版：
01、50万亿的“盘子”
问： 阿里巴巴这些年变化很大，比如在开源大模型方面的成就。但很多人还以为你们只是个B2B、B2C平台。能讲讲整个集团的发展过程吗？
蔡崇信： 阿里巴巴1999年起步时，确实是个B2B平台。当时的想法很简单，就是把中国那些小制造商和贸易公司搬到网上，让他们把东西批发卖给全世界。后来我们进了B2C领域，做了淘宝，现在是中国最大的消费电商平台。
问： 这项服务面向多少消费者？
蔡崇信： 8.2亿中国消费者，而且这个平台每年帮欧洲公司和品牌向中国消费者卖差不多300亿欧元的货物。但故事不止这些，我们还大力投资AI和云。
我们17年前就开始投资云技术，但那是被逼出来的。当时电商业务每天产生海量数据，如果一直依赖别人的数据库和存储技术，到头来赚的钱全得交给技术供应商。所以我们决定自己搞一套专有技术来管理这些数据，云业务由此起步。
从宏观上看，我们现在全力投入AI，逻辑很简单。
如果你问我AI市场有多大，我会说，它比任何公司的IT预算都大得多，也比软件市场大得多。因为AI本质上是在生产人类智能和生产力。如今全球GDP超过100万亿美元，其中至少一半（50万亿）是关于人类生产力和人类智能的，这就是AI的总盘子。所以我们必须全力投入。
问： 你真觉得AI能提升生产力？很多人投了很多钱却还没看到结果。
蔡崇信： 很多企业CEO会告诉你，工程师消耗了大量token，成本在上升。但我想说，我们正处在生产力真正爆发的前夜。
拿我们公司来说，有些工程师是AI的超级用户，他们不光用编程工具完成本职工作，还会用它探索各种新用途。给工程师一个玩具，他们就会玩出更多用法，甚至没意识到公司在为这些消耗买单，这是当前的真实状态。
但我内心笃定，这更像一种信念，相信人工生产的智能单元能为人类智能增加价值。这接近一种信仰，我不想说服你们相信这一定会发生，但我们自己对此坚信不疑。
02、All in AI的逻辑
问： 回到阿里巴巴的布局，你们在AI的哪一层投资最多？基础设施、模型还是云服务？
蔡崇信： 我们主要布局了四个层级，但最底层的能源层我们不碰。因为中国的能源效率高、成本却很低。
我们真正入场是从芯片层开始的，这是第一层；第二层是基础设施层，对应我们的云业务；第三层是模型层，比如Qwen，它目前已经是全球最热门的开源模型之一；第四层是应用层，我们有完整的数字生活生态——电商、外卖、本地生活、旅行、地图等，这些场景都可以直接嵌入AI能力，服务用户。
这么做的好处在于，我们不赌单一赛道。
今天大家看到纯模型公司估值很高，好像价值都在模型层，但未来五年、十年，价值到底是沉淀在芯片、云基础设施、模型还是应用，没人说得准。我们选择全方位参与，不管价值最终落到哪一层，我们都在场。
问： 说到AI基础设施，当你看到如此巨大的投资，认为存在泡沫吗？我们真的需要这么多算力吗？毕竟有些模型效率更高，不需要那么多资源。
蔡崇信： 我认为不是泡沫。投资数字确实惊人。单看美国的超大规模云厂商，四五家头部公司明年的资本支出加起来超过8000亿美元，后年可能过万亿。这种量级的投入自然会让人担心会不会产能过剩。
但我们要回到那个50万亿美金的总盘子来看，这是让人保持乐观的理由。
而且在中国，我们在AI基础设施和供应链方面的投资其实还不够，理论上中国所有公司都应该加大投入。当然，我们不会达到美国超大规模厂商的投资水平，但我们的投资力度已经非常可观。
问： 为什么达不到美国的水平？
蔡崇信： 有时候会受到资金的限制，取决于你能产生多少自由现金流。幸运的是，阿里巴巴是少数拥有核心电商业务的公司之一，这块业务每年带来约250亿美元自由现金流，可以支持我们在AI上的投资。所以，我们的处境算比较好的。
问： 目前电商平台业务仍占阿里巴巴总营收的80%到85%？
蔡崇信： 对，电商平台收入依然占80%以上，这块能产出稳定现金流，让我们能对未来进行投资，主要投资AI和云。
03、开源与第二个篮子
问： Qwen属于开源模型，你们主要面向哪些客户？怎么帮助他们？
蔡崇信： 我最近几周在欧洲和不少公司高管、CEO、科学家交流，这里出现频率最高的一个词是“主权”。
但什么是主权？
问十个欧洲人，可能得到十二种答案。对我而言，核心就是两条。
第一，技术独立性。大家都担心那种“一键关停”式的风险，害怕过于依赖某个国家的技术，他们随时可以把开关关掉。最近几天我们就看到了一个活生生的例子。
第二是数据隐私。人们想要使用AI技术，但希望数据完全归属自己，在自己的环境里使用，建一道防火墙来保护数据。
我认为开源正好能解决这两个问题。它本质上是免费软件，你可以下载到自己的数据中心里，甚至可以把模型下到笔记本电脑上。这时它跟原始制造商就没什么关系了，我们连怎么收费都想不出来。这就实现了独立性。
更重要的是，利用开源模型，你可以用自己的数据去做进一步训练、微调、后训练，整个过程和所有数据都完全保密在你的防火墙内。这一点对欧洲公司至关重要。
但我想强调的是，开源不是万能药，也不是唯一路径，但它是实现某种程度主权的一条现实途径。
有意思的是，如今开源运动实际是由中国公司在推动，美国主要玩家都把模型闭源了。他们想让你通过API调用，你根本不知道数据去了哪里。你跟聊天机器人对话，那些最私密的问题和想法全进了他们的数据池，用来继续训练模型，数据的流向对你是完全不透明的。
问： 说实话，欧洲主权现在是一个巨大的担忧，我们刚刚意识到对美国技术过于依赖。我认可开源有好处，但依然会担心，未来被切断模型访问权限，这对欧洲来说是很大的风险。
蔡崇信： 你说得对，这种担忧无法完全消除。简单来说，你确实不能把信任建立在第三方政府永远不会做对你不利的事上。但问题在于，现在你所有鸡蛋都放在一个篮子里。
为什么不选择第二个篮子，把鸡蛋分开放呢？即使欧洲长远看可能发展出自己的篮子，但至少眼下你有了两个篮子。
04、工厂里的AI
问： 这倒是。你们怎么跟德国公司合作，帮助他们做什么？
蔡崇信： 这些德国制造企业非常有意思。在中国市场，他们都是阿里云的客户。我们在制造领域跟他隹合作，覆盖设计、测试、质量控制等环节。
我认为未来这会是一个非常重要的领域。因为现在大多数AI应用，要么是ChatGPT这类消费者产品，要么是Copilot这类面向编程和知识工作者的工具。但将来，这些制造企业将极具价值，因为他们在生产过程中积累了自己独有的高质量数据，可以用来训练专属模型，改进制造流程。
我们与宝马、西门子以及博世等公司都有合作。上周，我参加了博世互联世界大会，他们正在用AI开发辅助驾驶和自动驾驶技术，需要大量算力。
制造业正在发生很多有意思的事。
问： 我是不是可以这样理解：美国对高端芯片的出口管制，反倒为你们创造了机会？
蔡崇信： 可以这么理解。这里有两条路径：
一是他们直接采用我们的开源模型，部署到自己的基础设施上，比如数据中心。但我们的基础设施是跟模型紧密结合开发的，效率很高，能帮助客户训练模型。如果他们用我们开源模型，也可以向我们采购算力，模型和基础设施之间是共生关系，这是一条路。
另一条路是，现在涌现出一些推理平台公司，可以向用户提供多模型选择。你不一定非用Qwen，只要模型方和平台之间有协议，在私有环境中开放权重，客户就可以上这些平台使用模型。
05、AI、Agent与人类
问： 问个更哲学点的问题。你怎么看AI、大语言模型和人类之间的平衡，甚至人性的未来？未来十年人类会处于怎样的状态？
蔡崇信： 今天，我和巴黎办公室的同事聊天。我们刚搬进新办公室，在一栋漂亮建筑的楼上。我望向窗外，那里有一家咖啡馆，天气很好，人们坐在户外喝咖啡，享受生活。
我指着窗外的场景对同事说，这就是AI的未来。
你可能觉得他们在喝咖啡、玩得很开心，好像没有在工作，但实际上，他们已经把智能体部署出去，在替他们干活了。在你睡觉的时候，智能体也在为你工作。想想这种生产力提升，你能7天24小时有“人”帮你做事。
问： 这和硅谷某些人的想法很像，很多人可以不用工作，智能体和机器人会替他们完成。
蔡崇信： 我相信这一定会把人的时间解放出来，去享受生活、陪伴家人、参与更多娱乐。这也是我为什么非常看重现场娱乐的原因之一。当人们花更少时间在办公室，他们会想去哪儿？不可能只待在家里，会想去听音乐会、看足球、看篮球比赛。
问： 中国人以勤奋著称。中国工程师，即使有了智能体和AI，工作时间依然很长。
蔡崇信： 总会有人比别人工作更努力，但我相信大多数人内心是希望多享受一点生活，多花些时间陪家人的。

华尔街量化交易公司Jane Street 2025年净交易收益达396亿美元，超过高盛和摩根大通。该公司近年来All in AI。
文章作者：桦林舞王
文章来源：极客公园
如果梁文锋掌管的幻方量化，没有去做大模型，而是去做了投资，会有怎样的结果？
这是个很有意思的问题，华尔街一家量化交易公司 Jane Street，不仅净收益高达 396 亿美元，而且在几年前就持有 Anthropic 的大量股权，现在已经爆赚 50 倍。
当 a16z 通过变身 KOL ，喊出了投资机构转型媒体的新变革时，Jane Street 则通过押注 AI 模型和 AI 基建，探索成为「AI 原生金融组织」的新形态 。

01 All in AI

Jane Street 是华尔街一家有点神秘的量化交易公司，以数学天才密度高、薪酬离谱、低调到几乎不做公关著称。2025 年，他们的净交易收益高达 396 亿美元，超过了高盛和摩根大通的交易业务收入，相当于一个中等规模的投行做了十年才有的利润。
这家公司最近做了两件在外人看来有点「不务正业」的事情。
第一件，今年 4 月，Jane Street 与 CoreWeave——全球最重要的 AI 计算基础设施提供商之一—— 达成了一笔总规模约 70 亿美元的协议 ：约 60 亿美元用于采购其 AI 云算力，另外拿出 10 亿美元，以每股 109 美元的价格买入了 CoreWeave 的股权。
第二件，他们持有 Anthropic 的股权，而且这不是一个小数字：整个私人 AI 投资组合的估值约 200 亿美元，其中 Anthropic 的仓位是主力。
问题是，他们最初是怎么拿到 Anthropic 股权的？
这里有个值得讲清楚的细节——2022 年 11 月 FTX 崩塌后，Anthropic 的这部分股权被困在了破产清算程序里，直到 2024 年 3 月，FTX 破产资产管理团队才正式敲定出售方案：把手里约三分之二的 Anthropic 股份卖给一批机构买家，总价 8.84 亿美元。Jane Street 是这次交易里的第二大买家，花了接近 1 亿美元，买下约 333 万股。
这笔交易当时对应的 Anthropic 隐含估值，大约是 166 亿美元——已经不算便宜，但也远没到后来的天文数字。到 2026 年初，VC 给 Anthropic 的认购报价已经到了 8000 亿美元以上；5 月份完成的 Series H 融资后，投后估值更是冲到了 9650 亿美元。
算下来， Jane Street 当年那笔近 1 亿美元的投入，账面增值已经超过 50 倍 。
这不只是运气好，这是典型的 Jane Street 做法：在别人恐惧、流动性枯竭的时候精确定价，然后等待——只是这次等待的时间，比很多人想象的更长。

02 投资+AI 的赚钱飞轮

但「投资回报高」本身还不是最值得关注的故事。真正有意思的地方在于：Jane Street 投 Anthropic，和普通的 VC 投 Anthropic，性质完全不同。
一家普通 VC 投 Anthropic，逻辑是「这家公司会变大，我会赚钱」。
Jane Street 投 Anthropic，逻辑是「 这家公司做出更强的模型，我们的交易系统也会变更强，然后我们赚更多钱，然后我们有更多钱继续押注 AI，然后模型继续变强 ……」
业内有人把这叫做「协同复合飞轮」。我觉得更直白的说法是，Jane Street 在下一盘「投资者和投资对象相互加速」的棋。他们不是在做慈善，也不是在单纯的财务配置，他们是在用资本购买一个，能反哺自身核心竞争力的能力来源。
要理解这一点， 就要先理解 Jane Street 的核心竞争力不是资本，而是「更快更准地给不确定性定价的能力」 。
量化交易的本质，是在海量信息里找到市场还没有反应过来的信号，然后在价格修正之前完成交易。这套能力在 AI 时代会被成倍放大——或者，如果你没有顶级 AI，会被对手成倍甩开。
这解释了为什么 Jane Street 还悄悄在得克萨斯州建了一个拥有 4032 个液冷 GPU 的数据中心，从最初的六台 Dell 服务器一路扩张到现在的规模。这不是「用 AI 辅助交易」的层面，这是在做垂直整合——从芯片算力到模型，到最终的交易决策，形成一条别人很难复制的完整链条。
顺便说一句，目前 Jane Street 员工规模已经超过 3500 人，并仍在持续扩招。这个增速，对于一家以低调著称的公司来说，有点出人意料。

03 「安静的钱」重塑 AI

当你把这件事放在更大的背景里来看，会发现一些让人有点不安的东西。
就在上个月，围绕 Anthropic，有两件事几乎同时发生。一方面，美国商务部 6 月 12 日发出指令，要求 Anthropic 在外国用户访问其最强模型 Fable 5 和 Mythos 5 之前，必须获得美国政府批准——这背后是过去几个月里政府与 Anthropic 之间持续升温的紧张关系，甚至一度被五角大楼列为「供应链风险」。
另一方面，就在这场风波之后的 G7 峰会上，特朗普接受 Axios 采访时说了一句很值得琢磨的话：「现在不算威胁了，但一周前，也许算。」——换句话说，他承认自己确实把 Anthropic 当成过国家安全威胁，只是会面之后态度软化了。这句话背后，是一场刚刚平息、远没有看上去那么云淡风轻的监管危机。
与此同时，就在上周，诺贝尔奖得主、AlphaFold 之父 John Jumper 宣布离开 Google DeepMind 加入 Anthropic。这个人才信号的分量，对业内人来说不需要解释。
Anthropic 的处境，是地缘政治压力、监管不确定性、研究实力快速提升这三件事同时挤压在一起。而 Jane Street 在这个时间节点持有大量 Anthropic 股权，并不断加注 AI 基础设施——这说明有一种 「安静的钱」，已经做出了自己的判断 。
这里值得提一个问题：当一家年收入接近 400 亿美元的交易机构，开始在私募市场大规模配置 AI 资产，它改变的不只是自己的资产负债表，而是整个早期 AI 融资市场的竞争动态。 每年数十亿美元级别的 AI 基础设施承诺，对于一个单轮融资动辄数百亿美元的赛道来说，这个数字已经足以影响市场定价本身 。换句话说，Jane Street 的入场，让 AI 一级市场的价格信号变得更复杂了。
当然，这里有风险。私人公司的估值不像公开市场那样透明，200 亿美元的投资组合里，有多少是「纸面财富」而非真实流动性，是一个真实存在的问题。Anthropic 还没有 IPO，虽然市场上已经有它最早今年 10 月上市的传闻，但这个变现路径在政策不确定的环境下，并不是铁板钉钉的事。

04 「AI 原生金融机构」

你可能一直好奇用什么词来描述 Jane Street 现在的形态。「投了 AI 的量化基金」不够准确，「AI 公司」也不对。
最近看到的一个说法可能比较贴切——「AI 原生金融机构」。意思是， 它不是一家使用了 AI 工具的银行，而是一家 AI 能力本身已经成为商业模式核心的交易机构，而这家机构的资本又在反向哺育产生这种能力的 AI 公司 。
这是一个新物种，而不只是旧物种加了一个 AI 外壳。
Jane Street 进入 AI 这件事的时间线，回头看有某种必然性：2022 年 FTX 崩塌让 Anthropic 股权进入清算程序，2024 年初以远低于后来估值的价格完成抄底，2025 到 2026 年随着 Anthropic 估值一路从一百多亿飙升到近万亿美元量级，完成了一轮超额回报，2026 年继续加注 CoreWeave，同时自建 GPU 数据中心，同步扩张团队规模。每一步都不是孤立的财务决策，而是在构建一个整体系统。
现在这个系统的规模是，3500 多名员工、200 亿美元 AI 投资组合、自建算力基础设施、以及与 Anthropic 这家最前沿 AI 实验室之间深度的利益绑定。
这盘棋，Jane Street 已经下到中盘了。

ME AI 消息，据动察 Beating 监测，Reddit 在戛纳狮子国际创意节宣布推出多款基于「社区智能」的全新广告产品。随着 AI 问答引擎在购物与推荐领域普及，Reddit 致力于将平台定位为消费者进行消费决策和真实研究的首选之地，作为 AI 问答的「人类智慧伴侣」。 新工具包含三项。Shopping List Ads 作为首个多广告主广告格式，在用户对比选项和寻求建议的讨论旁展示产品。自由格式广告生成器（Free-form ad generator）利用品牌网站及相关的讨论，自动生成符合社区风格的原生广告，并针对特定社区与受众画像推荐标题及图片。Reddit 用户高光广告（Redditor Highlights）现已向所有品牌开放，允许在广告中展示用户对产品或公司的正面发帖与总结。 自上市以来，Reddit 广告业务增长显著，今年第一季度广告营收达 6.25 亿美元，同比增长 74%。首席运营官 Jen Wong 表示，与以个人创作者为核心的平台不同，Reddit 的权威源自集体智慧。平台拥有超过 250 亿条帖子和评论，通过社区结构、审核机制和讨论质量等信号来理解有价值的讨论。Wong 指出，在 Reddit 上，「社区就是网红」，是集体创造了帮助他人的智慧宝库。 （来源：ME）

特斯拉向美国专利商标局提交"MEGAPOD"商标申请，计划销售模块化AI数据中心硬件系统，包括服务器、网络设备、配电单元和冷却系统。
文章作者、来源：量子位
新商标已曝光
特斯拉也盯上AI基建生意了。
刚刚，特斯拉向美国专利商标局(USPTO)提交了一个名叫“Megapod”的商标申请，计划销售模块化AI数据中心硬件。
根据商标描述，这是一套用于AI计算的模块化数据中心硬件系统，里面包括计算机服务器、AI数据处理硬件、网络设备、配电单元和冷却系统。
但是，就在不到一年前，特斯拉才刚刚解散了Dojo团队，亲手砍掉了自己唯一的自研AI训练超算。
刚把Dojo送走，这会儿又给AI数据中心注册新商标。
嗯？特斯拉这是换了个姿势，继续搞算力了？
Megapod是什么
目前能确定的信息来自商标申请。
特斯拉提交的商标名是MEGAPOD，申请序列号为99893717，申请日期是2026年6月18日。
类型上，这是一个标准字符商标，也就是先把“MEGAPOD”这个名字占住。申请基础是intent-to-use，意思是“有意使用”，但产品还没有正式上市。
商标申请里的描述则相当具体，文件中写到，Megapod覆盖：
用于人工智能计算的模块化数据中心硬件系统，包括计算机服务器、用于人工智能数据处理的计算机硬件、网络设备、配电单元和冷却系统。
还包括“自包含的模块化AI计算硬件系统”，以及“用于监控、管理和优化上述系统的可下载软件”。
通俗来说，Megapod像是一个即插即用的AI数据中心模块。
一个机柜里，把服务器、网络设备、电源、散热系统全塞好，拉到工地通上电，就能直接跑AI训练和推理。
这也是它和特斯拉现有Megapack、Megablock一脉相承的地方。
Megapack卖的是大型储能电池，Megablock是更大规模、更模块化的储能系统。
而Megapod听起来，则像是把“模块化”这套思路，从电力系统搬到了AI算力系统里。
有网友因此直接喊出：特斯拉悄悄展示了一项庞大的AI基础设施布局。
还有人进一步联想，这可能和马斯克此前提到的“利用闲置电力跑AI”有关，甚至猜测特斯拉未来会不会把超充网络、电池储能和AI计算节点连接起来，形成分布式AI基础设施。
不过目前来看，Megapod还只是商标申请，既没有样机、没有参数，也没有价格，更没有交付时间表。
因此离Megapod真正成为产品，还有很长一段路要走。
不过这个商标本身，也说明特斯拉已经在认真考虑，把AI基础设施变成一个可销售的硬件品类。
特斯拉要抢英伟达的生意？
乍一看，Megapod很容易让人想到英伟达。
毕竟现在AI数据中心里最贵、最核心的东西，就是英伟达的整柜算力系统。
比如GB200 NVL72，已经是当下高端AI数据中心的事实标准之一。
一个机柜里集成GPU、CPU、高速互联、液冷和网络，客户买走后直接部署大模型训练和推理。现在全球云厂商、AI公司、主权AI项目，基本都在围着这套体系转。
也就是说，在“模块化AI算力”这门生意里，英伟达已经是绝对核心玩家。
那么特斯拉的Megapod，是不是要来抢英伟达的饭碗呢？
短期来看，倒也未必。
因为特斯拉自己也是英伟达客户。特斯拉训练FSD、机器人和车端AI模型，需要大量GPU；马斯克旗下的xAI，也在大规模采购英伟达芯片建设训练集群。
不仅如此，特斯拉自研AI芯片的历史也是相当坎坷。
特斯拉曾经高调押注Dojo超算，希望用自研D1训练芯片支撑FSD模型训练。
2021年AI Day上，特斯拉正式展示Dojo和D1芯片，逻辑是通过自研训练系统加速自动驾驶模型迭代。
但到了2025年，Dojo团队被解散，负责人离职，部分成员流向AI芯片创业公司，剩余人员转岗到特斯拉其他数据中心和计算项目。
马斯克随后也表示，公司不应分散资源扩展两套不同AI芯片设计，后续重点转向AI5/AI6，并更多依赖英伟达、AMD等外部算力生态。
由此看来，眼下特斯拉的新动作，未必是要抢英伟达的GPU生意，更可能盯上的是AI数据中心的另一层生意：电力、储能、冷却、配电和模块化部署。
这也是AI数据中心目前的痛点所在。大模型训练和推理正在疯狂吃电，新的AI数据中心不只是缺GPU，也缺电网接入、缺变电容量、缺冷却系统、缺可以快速部署的基础设施。
很多项目芯片到了也不一定能开跑，往往还卡在供电、散热、施工周期和并网审批上。
而这些问题，刚好更接近特斯拉能源业务的能力边界。
特斯拉真正赚钱的AI生意，可能是电池
过去几年，特斯拉讲AI故事，外界最关注的是FSD、Optimus和Dojo。
但从生意角度看，特斯拉和AI数据中心最直接的连接，反而可能是Megapack。
Megapack是特斯拉的大型储能电池产品，面向电网、电站、工商业和大型基础设施项目。
AI数据中心接入电网后，会带来非常剧烈的用电波动。尤其是大规模GPU集群训练时，负载可能快速上升或下降，对电网稳定性提出很高要求。
这时候，储能系统就能扮演缓冲器。
电网电力富余时充电，AI集群负载升高时放电；当训练任务造成电力波动时，储能系统也可以帮助平滑冲击。
这就是特斯拉能源业务切入AI数据中心的真实入口。
此前已有文件显示，xAI从2024年到2026年4月累计采购了约10亿美元的特斯拉Megapack，其中2026年4月单月采购额就达到2.69亿美元。
这说明AI基础设施的花钱大头，已经不只在芯片和服务器上。电力系统本身，也正在变成AI竞赛的一部分。
从名字上来看，从Megapack到Megablock，再到Megapod，很有连续性。
妥妥一个“mega三部曲”。
Megapack解决储能；Megablock解决更大规模、更快部署的电力模块。
Megapod如果成真，则可能把服务器、网络、电源、冷却和软件管理进一步打包，变成面向AI客户的一体化基础设施产品。
不过，AI数据中心硬件是一个极其复杂的市场，里面已经有英伟达、戴尔、Supermicro、Vertiv、施耐德、伊顿等一批成熟玩家。
从GPU整柜，到服务器集成，到液冷系统，到配电和UPS，每一层都有很高的工程门槛和客户认证周期。
特斯拉的优势在于模块化制造、电池储能、电力控制和马斯克体系内的AI需求。
但它的短板也很明显：企业级数据中心交付经验有限，自研AI芯片路线不稳定，客户是否愿意把关键AI基础设施交给特斯拉，也还是未知数。
不过呢，马斯克早已从SpaceX的算力大单中尝到了甜头。
据报道，谷歌将每月向SpaceX支付9.2亿美元，租用约11万块英伟达GPU及相关CPU、内存等组件，为期3年。
在此之前，Anthropic也已签下合同，以每月12.5亿美元的价格，包下了SpaceX旗下Colossus数据中心的全部算力。
两份合同加起来，SpaceX每月光“出租算力”就能收进约21.7亿美元。
什么？你是说一家造火箭的公司，靠卖闲置GPU的租金就能月入二十多亿？？
能把包租公当到这个份上，除了老马也是没谁了。
这也让Megapod变得更有想象空间：
一边是SpaceX把AI算力变成可出租资产，另一边则是特斯拉用“mega三部曲”切入电力、储能、冷却和模块化部署。
可以想见，Megapod或许不会变成“特斯拉版英伟达”。
但在所有AI公司都缺电、缺冷却、缺部署速度的时候，这门生意，没准比讲自动驾驶故事更实际~

ME AI 消息，从加利福尼亚到其他农业地区，农民们越来越多地采用AI驱动的机器人来处理诸如播种、除草和收割等任务，该报道重点介绍了创业公司Farm-ng。[1] 这家公司的紧凑型机器人平台结合了计算机视觉和机器学习模型，能够在农田中导航并执行重复性的劳动密集型工作，而随着农场工人长期短缺，这些工作变得更加难以招聘。[1] 种植者表示，这些系统可以长时间操作，收集详细的作物数据，并通过更精准地针对杂草来减少对化学投入的依赖。[1] 虽然前期成本对于较小的农场来说依然显著，但支持者认为，AI硬件和软件价格的下降使得自动化比过去几十年更加容易实现。[1] 农业经济学家指出，广泛采用这种技术可能会重塑农村劳动力市场，并提出关于再培训项目和支持被替代工人的政策问题。[1]（来源：ME）

真正的问题是，还有什么是 AI 做不了的？
文章作者： 宇航猿
文章来源：极客公园
过去两年，关于 AI 的讨论几乎都绕着同一个词打转——失业。哪些岗位会消失，多少程序员会被取代，下一个被端掉饭碗的白领是谁。这个叙事好懂，也足够让人焦虑，所有人都能对号入座。
但前几天我重新听了一期 Dwarkesh Patel 的播客，两位经济学家——芝加哥大学布斯商学院的行为经济学家 Alex Imas，和牛津研究长期增长的经济学者 Phil Trammell——把这个问题整个翻了过来。
他们说， 「AI 会取代什么」，其实是个没多少信息量的问题 。机器越来越强，能干的事只会越来越多，这是趋势，没什么可争的。真正难、也真正重要的问题藏在反面：
当机器几乎什么都能干了，什么东西还是稀缺的？
因为经济学里有一条近乎铁律的常识：价值，永远落在稀缺的那一头。一样东西如果要多少有多少，它就不值钱；财富和权力，最终都会流向那些「机器还造不出来」的地方。
顺着这个问题往下想，我发现答案一个比一个反直觉。而且越往深处走，它越不像一个关于「工作」的故事，更像一个关于「谁拥有什么」的故事。
01 「锅」，现在 AI 还背不起来
先从一个具体的怪现象说起。
这两年 AI 在很多专业领域的能力已经逼近、甚至超过普通从业者，但你会发现，律师、会计师、资深工程师这些岗位，被自动化的速度远比想象中慢。为什么？
直觉答案是「AI 还不够强」。但 Imas 给了一个完全不同的解释： 很多时候，你雇一个律师，买的根本不是他写文书、查案例的能力，而是一个能为结果『背书』的责任主体。
你需要的是一个能被吊销执照、能被起诉、能在出事时真正承担后果的「实体」。你需要有人能签字，需要有人能被解雇或被追责，需要一张合规的牌照挂在那儿。这些跟这个律师本人的业务水平几乎毫无关系，纯粹是制度要求「必须有个人站在那个位置上」。哪怕 AI 把活干得比他好十倍，那个「负责」的位置，暂时还是得由人来填。
Trammell 补了一个更精巧的模型，来自经济学家 Gans 和 Goldfarb 最近的研究，叫「O 形环自动化」。它的意思是，一份工作往往不是九个独立任务的拼盘，而是一根链条——你可以自动化掉其中九成，但只要最后那一成 AI 干得比人差，整个产品的质量就会被这最弱的一环拖垮。
于是理性的选择反而是：连那九成都先别自动化。反过来也成立，如果一个人把他负责的那一成干得拖泥带水，他也会把 AI 干得漂亮的那九成一起拉低。
这套模型一下子解释了那个一直让人困惑的现象： 为什么明明 AI 的单项能力已经够了，整个岗位却迟迟没被替掉 。因为决定一份工作能不能交出去的，不是它最强的环节，而是它最弱、最不能出错的那一环。
讲到这儿，故事好像有了一个温暖的结论：总有一些「人的部分」是 AI 替代不了的，人类只要守住责任、信任、签字画押这条底线就行。
但两位学者紧接着泼了盆冷水 。 他们说，这些靠监管、执照、「必须有人负责」撑起来的护城河， 大概率是『过渡性』的。
立法、当法官、当陪审员，以及各种把职业锁死在人类手里的牌照制度，在 Trammell 看来都属于过渡安排。人类历史上，「什么必须由人来做」「政治该怎么组织」已经变过太多次了，从狩猎采集的小部落，到帝国，到现代官僚制。一旦某种由 AI 主导的安排，在效率上彻底碾压了旧的组织，它迟早会把旧的挤掉。我们今天觉得「这事必须由人负责」，可能只是因为还没习惯把它交出去。
也就是说，「人类负责」这条底线，能撑一阵，但不是终局。
那么，如果连「责任」都守不住，AGI 之后还有什么是真正、长久稀缺的？
02 机器人会越来越多，芭蕾舞演员不会
这里，对话拐进了一个更深、也更有意思的方向。
两位学者认为，真正不会消失的稀缺，是 「人和人之间的关系」本身， 经济学里管它叫「 关系性商品 」（relational goods）。一场朋友亲自张罗的婚礼、一次真人的心理咨询、一台现场的芭蕾。这些东西的价值，恰恰在于「提供它的是个活人」。
但真正有意思的不是这个结论，而是他们论证它的方式——他们没有诉诸感情，而是搬出了另一个概念：
进化 。
Imas 的推演是这样的：假设世上有两种人。一种无所谓，谁能更好地模拟陪伴就用谁，AI 心理咨询师更便宜、更好用，那就用 AI。另一种人，心里有一种近乎道德的抵触，觉得把人际交往外包给机器这件事本身就不对。
那么，哪种人更可能找到伴侣、结婚、生育、把基因传下去？答案相当清楚，是后者。 于是「偏好真人」这件事，会被自然选择一代代加强，而不是冲淡 。Imas 还提到，遗传学家 David Reich 此前在同一档播客里说过，人类至今仍在被自然选择强烈地塑造。换句话说，哪怕现在有些人对 AI 陪伴无所谓，选择的压力也会把整体偏好往「更离不开真人」的方向推。
这是一个挺锋利的角度： 我们偏好真人，也许不是因为我们高尚，而是因为不偏好真人的那批人，在漫长的演化里没能留下后代。
接着，对话里冒出一个特别精彩的画面，把「关系性商品，为什么会越来越贵」一句话讲透了。
Trammell 提到一个被大多数宏观经济模型忽略的概念，叫「 投资专属型技术进步 」（investment-specific technical change）。通俗地说就是：未来会疯狂变便宜的，主要是「资本品」——机器、算力、机器人；而消费里那些靠真人提供的部分，价格几乎不动。
他打的比方是：一个今年的机器人产品，明年可以变成一百个机器人——制造和算力在指数级膨胀。但芭蕾舞演员的数量，明年还是那么多。 一场芭蕾的边际效用，和今天相比基本没变；可一个机器人的边际效用，比今天低得多 。所以，如果你用「机器人」这把尺子去量那场芭蕾，我们对它的渴望，会比今天强烈太多太多。
这就是稀缺的魔法。当机器人多到近乎免费，你拿「机器人」当货币去衡量一场真人的演出，它就贵得离谱。不是芭蕾本身变好了，是它周围的一切都在贬值，于是它相对地、近乎疯狂地升值了。 就像在一个遍地只有黄金的世界里，一杯干净的水才是真正的硬通货。
讲到这儿，「人」似乎稳稳站上了价值链的顶端：机器负责生产一切，人负责提供机器给不了的那点温度，然后坐收其利。
可如果你真的去看『钱』流向哪里，这个温情的图景立刻就碎了。
Imas 和 Trammell 让我们看看世界上最有钱的那批人，他们的财富到底是以什么形式存在的。
扎克伯格的绝大部分身家是 Meta 的股票。作为控股股东，他完全可以让 Meta 把利润全部拿去分红，自己揣着现金去消费——给妻子的生日请 MMA 教练、请舞者，买尽一切关系性商品。但他没有。他宁可让财富继续滚雪球，让 Meta 拿这些钱去建更多的数据中心。
马斯克更极端，他在认真谈论要在月球上建「电磁弹射器」，他是地球首富，可他 显然并不在乎将来给他干活的，研究员是人还是 AI 。
两位学者点出一个特征： 最富的那批人，对资本有一种「永不满足」的胃口 。
普通人挣够了就会转向消费、转向享受关系性商品，可这批人不会——他们的储蓄率最高，于是在足够长的时间里，雪球滚到最后，绝大部分财富都归了他们。而他们要的，恰恰不是芭蕾，是更多的机器、更多的算力、更多能继续生出机器的机器。
所以这里藏着一个残酷的错位： 就算「人的价值」真的越来越稀缺、越来越贵，分到这份红利的，也未必是「人」。 稀缺的是关系，可攥着财富的偏偏是那些根本不想要关系、只想要更多机器的人。
那普通人呢？普通人靠什么，在这场盛宴里分到一口？
03 AI 是电，还是社交媒体？
这是整期对话里，我觉得最该被记住的一个问题。
当主持人问，那些不在 AI 产业链上的国家——印度、尼日利亚、乌干达——现在到底该干什么？Imas 没有给那些标准答案（搞教育、建数据中心、培训本国工程师），他反问了一句：
AI 到头来，会更像「电」，还是更像「社交媒体」？
想想供电公司。它几乎是个垄断者，人人都得用电。但我们会觉得电力公司，握着巨大的政治权力和社会权力吗？不会。因为电带来的绝大部分好处，流向了「用电的人」——工厂、商店、千家万户都因此受益，而发电厂只赚一份平稳的钱。
电力的红利，是摊开的 。
社交媒体正好相反 。人人都在用，表面上还免费，但所有的「租金」——你的注意力、你的数据、广告费——全被平台收走了。同样是「人人都用」，一个把好处摊给了所有人，一个把好处虹吸进了少数几家公司。
AI 会走哪条路，几乎决定了普通人的命运 。
如果 AI 像电：未来标普 500 里的每一家公司，都是因为用好了 AI 才挤进去的，AI 的好处摊薄在整个经济体里。那你只要买一份大盘指数，就等于分到了 AGI 的红利。用 Imas 的原话说——尼日利亚只要「买指数」，就拥有了 AGI。
如果 AI 像社交媒体：所有的钱都被 OpenAI、Anthropic 这几家公司收走，而你买不到它们——它们还没上市，收益高度集中在普通人够不着的私人股权里。那普通人和穷国，就被结结实实地甩下了。
什么东西能决定它往哪边倒？
Imas 说，是开源模型 。如果开源始终只落后前沿半年到九个月，那么一旦有人摸到 AGI，几个月后人人都能用上同等的能力，AI 就更像电。这就是为什么开源不只是一场技术路线之争，它其实是「财富会摊薄，还是会集中」的总开关。
而就在这里，藏着一段我之前完全没意识到的历史纵深。
主持人抛出一个尖锐的事实：为什么洛克菲勒、卡内基这些一百年前的巨富，他们的后代并没有统治今天的世界？一个常被忽略的原因是—— 在很长的历史里，普通人根本没办法「拥有整个经济」。
在指数基金出现之前，你想让自己的财富跟着经济一起长大，就必须亲手押中那几家未来会暴涨的公司。押错了，你的财富就原地踏步。 过去一百年，经济创造的绝大部分价值，其实高度集中在极少数公司身上 ——错过它们，再厚的本金也只是停滞。
直到 1970 年代，约翰·博格尔创立先锋集团（Vanguard），推出第一只面向普通人的指数基金，人类才第一次有了一件趁手的工具：不用挑公司，一把买下「整个市场」，搭上经济增长的便车。Trammell 说，这之后大概出现过一个「黄金窗口」——普通人终于可以让自己的财富，以和整体经济差不多的速度增长。
但这扇窗，可能正在慢慢合上。
今天最锋利的价值，越来越多地积累在没上市的私人公司里——OpenAI、Anthropic、SpaceX——这些恰恰是普通人买不到的资产。而普通人手里最大的一笔「资本」是什么？一套房子。偏偏房子是这个世界上最不适合「和 AI 互补」的资产：它的价值在于「离别人近」，可人类，在未来可能并不是重要的生产要素。当生产的中心从「人聚在一起」挪向「机器聚在一起」，房子这种押注在「人」身上的资产，就尴尬了。
当然，也有乐观的一面。发展中国家并非没有「弯道超车」的先例——非洲的移动支付，就直接跳过了信用卡和银行网点这一整代基础设施，M-Pesa 在肯尼亚的普及程度甩开了不少发达国家。Imas 说，一项足够剧烈的技术，确实可能让人直接跳过中间那一步，冲到前面去。
于是，「穷国该干什么」这个看起来很发展经济学的问题，被还原成了一个特别朴素、也特别尖锐的问题： 在 AI 即将创造的这堆财富里，你手上有没有一张『所有权』的票？
听完整期对话，我最大的感受是，我们对 AI 的那点集体焦虑，可能从一开始就瞄错了靶子。
我们都在担心「工作」会不会被抢走。但这两位经济学家用一整套推演说明：工作只是表象。一份工作的背后，是一份收入；一份收入的背后，是你对这个经济体的「一点点所有权」。AI 真正动摇的，不是你会不会失业，而是—— 当机器几乎可以生产一切，唯一还稀缺的，是『拥有那些机器』的资格。
Imas 还有一句话戳中了我。他说，现在关于 AI 的叙事这么负面，并不是因为坏事更可能发生，而是因为「 想象一个还不存在的好东西，比留恋一个正在失去的东西，要难得多 」。
描述失业很容易，你只要指着一个具体的人说「你的工作没了」；而描绘一个所有人都受益的未来却很难，因为它还不存在，没有画面。
恐惧，总是跑在希望前面 。
他最后那句话听着轻飘飘，分量却很重——「 这世上没有反对电的人 」。电当年也抢过一些人的饭碗，可今天没人站出来反对电。区别在哪儿？在于电的好处，最终摊给了每一个用电的人。
AI 会不会有一天，也变成一种没人想反对的东西？这恐怕不取决于模型有多强，而取决于一件更朴素的事：当机器什么都能造的时候，那一点造不出来的价值，以及「拥有这些机器」的资格，究竟是被几家公司收进口袋，还是摊到了每一个普通人头上。
这道题，现在还没有答案。但至少，它比「AI 会不会抢走我的工作」，更值得我们焦虑。

ME News 消息，6 月22日 (UTC+8)，据 CoinFound 数据显示：
稳定币,2963.76 亿美元
大宗商品,50.57 亿美元
美国国债,20.28 亿美元
产支持信贷,20.00 亿美元
代币化股票,13.76 亿美元
特色金融,2.12 亿美元
多元信贷,0.12 亿美元
公司信贷,0.10 亿美元
非美国政府债券,0.01 亿美元
市场动态：
美SEC拟放行股票代币化交易，加密公司可试验数字资产商业模式
Galaxy研究主管：代币化股票主要分为发行方支持和第三方支持两类
Aave 创始人：Aave V4 可重构链上证券融资市场，目标市场规模达数万亿美元
Venus Protocol 在 BNB Chain 上线代币化股票抵押借贷市场
总结
RWA迎来关键政策突破（SEC股票代币化放行），推动其从资产代币化进入证券发行、借贷与资本市场重构的完整金融体系阶段。（来源：ME）

ME AI 消息，天风国际分析师郭明錤发文透露，谷歌正与联发科深化 TPU v9 合作，开发代号为 Triggerfish 的升级版芯片。据悉，联发科已独家获得该高价订单。新芯片定位为具备更强推理能力的 v9 变体，主要面向 AI Agent（人工智能代理）与强化学习领域，旨在解决计算过程中的 CPU 和内存瓶颈问题。 在技术规格上，Triggerfish 的 SRAM 容量较基础版（Humufish）提升了 2 至 3 倍，新增了专门用于强化学习和 AI Agent 协同的模拟芯片，并将内存从 HBM4 升级至 HBM4E。郭明錤预计，在基础版芯片维持 400 万至 500 万颗出货预期的同时，谷歌已为 Triggerfish 增加了 100 万至 200 万颗的新订单。该芯片预计于 2027 年底投产，并于 2028 年大规模量产出货，其单价较基础版高出约 30%，有望成为联发科 2028 年业务增长的新动力。（来源：ME）

ME News 消息，6 月 22 日（UTC+8），市场震荡反弹，黄白线分化明显，权重股走势较强。沪深两市成交额3.74万亿，创历史第二，较上一个交易日放量4271亿。盘面上，市场热点快速轮动，全市场超2900只个股上涨。从板块来看，大金融板块爆发，广发证券、长江证券、中信建投、新华保险涨停。有色·锆概念延续强势，长裕集团5天4板，爱迪特、东方锆业2连板，凯盛科技3天2板。培育钻石概念走强，力量钻石、四方达20CM涨停，黄河旋风涨停。化工板块异动拉升，云天化、六国化工、澄星股份涨停。下跌方面，半导体设备板块震荡回落，波长光电、福光股份、强一股份纷纷下挫。截至收盘，沪指涨1.78%，深成指涨2.13%，创业板指涨2.52%。（来源：ME）

Noticias de ME: el 21 de junio (UTC+8), según datos de CoinFound (capitalización de mercado de cada cadena):
Ethereum, 1761.06 mil millones de dólares.
TRON, 894.39 mil millones de dólares.
Solana, 160.21 mil millones de dólares.
Base, 43.41 mil millones de dólares.
Arbitrum, 32.59 mil millones de dólares.
Dinámicas del mercado:
Periodista cripto: los rendimientos de las stablecoins se convierten en un tema clave en la reunión de la Asociación de Banqueros Estatales de EE. UU.
La policía de Osaka, Japón, arrestó a 3 sospechosos de lavar decenas de miles de millones de yenes mediante stablecoins. Expertos advierten sobre los desafíos regulatorios.
Cofundador de Tether: las stablecoins entrarán en la era 2.0, y en el futuro deberían permitir a los usuarios compartir los rendimientos de las reservas.
Resumen:
Las stablecoins están evolucionando de herramientas de pago a 'activos financieros generadores de ingresos', pero al mismo tiempo, la presión regulatoria (casos de lavado de dinero) y el diseño de rendimientos (Tether 2.0) avanzan en sincronía, entrando en una fase de 'financiarización + cumplimiento'. (Fuente: ME)