YOHO AI

标签： 企业AI

  • 一家AI代理公司让自家Agent去拉融资：130个投资人，它一个人都没见

    AI代理自主融资概念图
    AI代理SivaClaw主导Lyzr的1亿美元融资路演（概念图）

    这事儿巧得有点剧本感。据彭博的报道，一家叫Lyzr的新泽西创业公司，干了件挺绝的事：它自己是帮企业搭AI代理的，结果这一轮融资，它让自己的AI代理去拉。系统叫SivaClaw， reportedly 对接了130多个投资人，起草投资备忘录，甚至还能追踪哪些slide投资人停留得久。

    它把自家产品的路演，变成了产品演示

    Lyzr是个成立三年、base 在新泽西Jersey City的公司。这一轮是1亿美元的B轮，估值大概5亿美元。SivaClaw基本扛起了整个融资的”前锋”角色——回答问题、写材料、盯数据，一条龙跑完。对一家卖AI代理的公司来说，没有比”用自家代理融到钱”更顺滑的广告了。

    最耐人寻味的不是它干了多少活，而是创始人几乎没费腿脚。Lyzr对彭博说，他们从硅谷、中东和金融圈捞到了4亿美元的意向，全程没有哪个创始人飞出去，去Sand Hill Road挨家挨户喝咖啡、找人暖场介绍。

    真正的主线，是钱多到追着AI跑

    把这事单独看，是个很酷的产品故事；放到大环境里看，它其实在说另一件事。当下追着AI下注的资本实在太多，以至于一个有真实traction的创始人，连办公室椅子都不用离开，就能把九位数的钱聊下来。SivaClaw只是把这种”钱追项目”的失衡，用一种戏剧化的方式演了出来。

    AI代理正在一口口吃掉过去的白领工作，这点我们已经听了很多遍。但融资这件事，历来靠的是人脉、信任和一次次面对面磨出来的化学反应。当一个代理能代创始人去应对投资人、起草备忘录，说明连这块高度依赖”人”的地盘，边界也在往后退。

    但拍板的那一下，AI还替不了

    冷静一点看，这里头也有需要打个问号的地方。SivaClaw能写材料、能问答、能统计slide停留时长，可投资人最终掏钱，靠的是对创始团队的信任——这种信任往往是酒会、邮件往来和一次次坦诚沟通攒出来的，暂时还不是代理能生成的。

    资本愿意为”AI替我跑融资”这个故事买单，本身就已经说明市场热到了什么程度。比起 agent 真的解放了多少劳动力，更值得盯的是：这股热钱会不会把”会讲故事”和”真有产品”混为一谈。

    对Lyzr来说，最值钱的不是那1亿

    回到公司本身，这笔融资最划算的地方，是把它”产品能真干活”这件事，变成了活生生的案例。一个帮企业造代理的平台，自己先用代理跑通了最难的融资关，这套叙事拿去敲任何企业客户的大门都好使。

    不管你信不信”代理能替人融资”，Lyzr这波操作都给所有AI公司提了个醒：在资本这么拥挤的赛道里，最好的产品演示，可能就是你拿它把自己最头疼的那件事给办了。

  • Prime Intellect融资1.3亿美元，帮企业逃离OpenAI和Anthropic

    1.3亿美元、估值10亿，背后站着英伟达和英特尔

    Prime Intellect这家公司做的事听起来有点硬核：它给企业提供算力和一整套专门软件，让这些公司能自己动手训练AI代理。最新一笔钱是1.3亿美元A轮，估值直接站上10亿美元。领投的是Radical Ventures，跟投名单里躺着英伟达创投、英特尔资本、戴尔科技资本、Iconiq，还有一长串创始人天使——Perplexity的Aravind Srinivas、Box的Aaron Levie、Harvey的Winston Weinberg、Cognition的Jeff Wang都来了。

    公司2024年成立，核心念头就一个：让组织不用再依赖那些前沿实验室，也能训出自己的代理系统。这事搁几年前几乎不可能，但强化学习这套”做对了就奖励、做错了就惩罚”的法子成熟之后，企业确实有机会把自己的业务模型打磨成专属的”AI实验室”。

    企业AI代理基础设施概念图
    把算力、强化学习框架和评估工具打包成”全栈”，企业按模块取用

    真正卖点：帮你绕开OpenAI和Anthropic

    底层基础设施那摊事太复杂，绝大多数公司根本没本事把它拼成能上生产的系统，这正好是Prime Intellect切进去的缝。它做的”全栈”包含算力接入、强化学习框架和评估工具，平台像个集市，客户挑自己要的模块，不会被绑死在一整套里。

    Radical Ventures的合伙人David Katz说，别人都只给零碎零件，Prime Intellect的特别之处在于，它把顶级AI实验室的本事做成了”一站式商店”，而且价格企业付得起。

    钱花得值不值，看客户就知道。Ramp、Zapier、Flapping Airplanes都在付钱用它的托管版，这一波 adoption 已经把公司年化收入推到了1亿美元。Ramp拿它搭了个在电子表格里找答案的代理，Ramp联合CEO Karim Atiyeh的说法是：精度压过了前沿模型，速度更快，成本只有零头。

    企业为什么突然想”自己掌握智能”

    • 数据主权：把专有信息喂给OpenAI、Anthropic，企业怕失去对数据的控制权。
    • 断供风险：模型说关就关，上个月Anthropic的Fable就是活例子。
    • 竞争焦虑：Katz反问，我怎么知道合作方不会反过来把我这摊事也做了。

    创始人兼CEO Vincent Weisser把话挑得更明：企业正在集体离开闭源前沿模型，而他的公司就是那个让转型能落地的底座。”不该只有旧金山玻璃塔里那几个极客才配训AI模型，”他说，”每一家企业、每一个国家，都该有这个能力。”

  • Anthropic牵手印度IT巨头TCS，AI企业落地的渠道战打响了





    Anthropic牵手印度IT巨头TCS，AI企业落地的渠道战打响了


    Anthropic牵手印度IT巨头TCS，AI企业落地的渠道战打响了

    Anthropic与TCS合作
    Anthropic与印度IT巨头TCS达成合作，加速企业AI部署（图源：TechCrunch）

    AI公司的模型做得再强，最终还是得落到企业客户手里才算数。最近Anthropic搞定了一个大合作伙伴——印度IT服务巨头塔塔咨询服务公司，也就是大家常说的TCS。

    这个合作的分量不轻。TCS在印度IT服务业里是头部玩家，员工规模超过50万人，客户遍布全球。通过这次合作，TCS会成立专门的事业部门，负责把Anthropic的AI模型部署到自己的客户那里去。与此同时，TCS的员工也能用上Claude AI助手，算是内外一起推。

    不只是卖模型，而是一起做方案

    两家公司说，他们会联手给金融、医疗、电信、航空这些行业做定制化的AI解决方案。这不是简单地把Claude的接口卖给企业就完事了，而是要结合TCS对这些行业的理解，把模型”包装”成能实际用的东西。

    有几个具体的落地场景已经公布了。TCS旗下有个英国人寿和养老金业务叫Diligenta，客户超过2200万，他们打算用Claude来优化客户服务、把一些流程自动化。再说TCS有个数字学习平台叫TCS iON，后面会推出基于Anthropic模型的培训和认证项目——这个挺关键的，等于是在培养会用Claude的人才。

    TCS还会给Claude Code的生态贡献一些行业专用的工具，比如理赔裁定、贷款咨询这些场景的能力模块。

    TCS的员工规模超过50万人，这次合作等于给Anthropic打开了一个巨大的企业分发渠道。而对TCS来说，把AI能力绑到自己服务里，也是在向客户证明自己没有被AI浪潮甩下。

    印度AI渠道争夺战

    其实现在AI公司和印度IT服务企业的合作已经挺密集了。今年早些时候，Anthropic已经和印孚瑟斯（Infosys）达成了合作；OpenAI也没闲着，先后和印孚瑟斯、HCLTech签了类似的协议。大家都在抢印度这块”企业AI落地”的跳板。

    为什么是印度？因为印度的IT服务公司手里握着全球大量企业的IT外包合同，通过这些公司去触达企业客户，比AI公司自己一家家去敲门店效率要高得多。这本质上是在争夺企业AI的”渠道入口”。

    TCS自己的压力也不小

    这个合作背后还有一个值得玩味的背景：印度的IT服务行业今年日子不太好过。AI能力的快速提升，让不少人开始质疑这个行业存在的必要性——既然AI能写代码、能处理客户咨询，为什么还要外包给印度的工程师？

    资本市场的反应很直接：今年到目前为止，TCS的股价跌了大概34%，印孚瑟斯也跌了约31%。在这种压力下，和头部AI公司合作、证明自己能”AI化”而不是被AI取代，对TCS来说是一种自救。

    Anthropic这边呢，印度已经被它列为第二大市场。过去一年里，它在印度开了办公室、招了本地团队，和头部IT企业的合作也在不断扩展。这次和TCS联手，算是把印度企业渠道的布局又推进了一步。

    回过头看，这件事其实反映了一个趋势：AI公司的竞争，已经从”谁的模型更强”慢慢转向”谁能真正把模型用起来”。有了好的模型只是第一步，能不能通过合适的渠道触达企业、能不能把模型的能力嵌进实际业务流程里，这些才是接下来决定胜负的关键。Anthropic拉上TCS，OpenAI拉上Infosys和HCLTech，大家都在押注同一条路。


  • 公司在AI上烧的钱快赶上工资了，但这只是开始

    英伟达的一位高管最近说了句大实话：在他们公司，计算成本已经超过了员工的薪资。无独有偶，初创公司Mercor的CEO也透露，他们在内部AI智能体上消耗的token费用，已经比给员工发工资还多了。

    这听起来有点夸张，但一份刚出炉的报告让我们有机会看看，普通公司在AI上到底花了多少钱。

    Ramp AI Index追踪了美国企业的AI采用情况。数据显示，排名前1%的”AI沉迷”（AI-pilled）企业，每个月在每个员工身上的AI支出是7500美元。

    这个数字到底算高还是低

    7500美元听起来很吓人，但对比一下就知道——美国软件工程师的月薪平均大概是16000美元。也就是说，即使是最疯狂用AI的那批公司，花在AI上的钱还没到给一个工程师发工资的水平。

    当然，这只是前1%的极端情况。如果把范围扩大到前10%，人均AI支出就骤降到611美元每月。而所有企业的中位数，更是只有11.38美元——差不多就是买一个企业版AI订阅的钱。

    AI计算成本
    计算成本已成为部分企业的最大支出项（图源：TechCrunch/Getty Images）

    “AI沉迷”企业还在加速花钱

    尽管绝对数额还不至于超过人力成本，但增长速度值得关注。在那些”AI沉迷”企业里，上个月人均AI支出增长了14.1%。

    这些重度用户通常会混用多个前沿模型和平台，同时搭配更便宜的开源模型来压低成本。这种”多模型套利”的策略，可能是未来企业AI采购的主流做法。

    • 前1%企业：人均月AI支出7500美元
    • 前10%企业：人均月AI支出611美元
    • 全企业中位数：11.38美元（约等于一个企业版订阅席位）
    • AI沉迷企业上月支出增速：14.1%

    这场”AI军备竞赛”才刚刚开始。对企业来说，真正的挑战不是要不要上AI，而是在疯狂烧钱之前，想清楚到底要拿AI来做什么。毕竟，token是要花钱买的，而投资回报什么时候能回来，现在还没人说得准。

  • OpenAI给Codex加了六双”职业手套”，白领工作被AI盯上了

    OpenAI正在认真追逐企业用户。6月2日，这家AI实验室发布了Codex的一套新能力，目标很明确：把这款AI工具从程序员圈子扩展到更广阔的白领职场。

    跟新工具一起发布的，还有一份OpenAI内部报告，揭示了Codex在知识工作中的真实使用情况——结论超出很多人预期：它的用武之地，早就超出了软件工程。

    OpenAI Codex
    Codex正在从一款开发者工具转向知识工作者的日常助手（图：NurPhoto / Getty Images）

    500万周活用户，知识工作者增速是开发者的3倍

    报告里的数据值得细看：Codex目前每周活跃用户已经超过500万，自今年2月桌面应用上线以来增长了6倍以上。开发者仍然是最多的用户群体，但知识工作者已经占到用户总量的20%，而且增速是开发者群体的3倍还多。

    这意味着什么？意味着”AI写代码”这个故事已经不够用了。数据分析师、产品经理、设计师、金融分析师——这些人正在成为Codex增长最快的新用户群。

    “Codex现在有超过500万周活跃用户，自2月桌面应用上线以来增长了6倍以上。知识工作者已占用户总量的20%，增速是开发者群体的3倍以上。”

    六款岗位插件，开箱即用

    这次更新的重头戏是六款定向插件，分别对应六个白领岗位：数据分析、创意制作、销售、产品设计、股权投资、投资银行。用户可以在Codex应用内直接调用这些插件，每个插件都打包了对应岗位的集成工具、操作指引和场景上下文，让Codex能够模拟对应岗位的工作能力。

    打个比方，以前你让Codex”帮我分析这份数据”，它得靠你描述清楚背景。现在选了”数据分析”插件，Codex自带了数据分析师常用的工具链和思维框架，输出的东西更贴近一个真实数据分析师会给出的结果。

    当然，跟所有AI工具一样，这些插件的效果会随着自定义调整而提升，但OpenAI的意思是——开箱就能用，不需要太多配置。

    顺手把”Sites”功能也做了

    这次更新还有一个挺实用的功能叫”Sites”：Codex现在可以把工作成果直接输出成一个可访问的互动网站，而不是只生成本地文件。OpenAI已经拉了一串合作伙伴进来做这件事：Wix、Base44、Replit、Lovable、Figma、Emergent。后续还会扩大合作生态。

    另外还有一个”Annotations（标注）”功能，让你可以在Codex里框选文档或文件的特定部分，然后针对那一块发指令，上下文操作更精准。

    OpenAI在企业市场是个”后来者”

    这件事的背景挺有意思。Anthropic早在今年2月就推出了企业智能体项目，5月还上线了更聚焦金融场景的智能体。OpenAI此前一直更侧重C端用户，直到3月才为Codex引入插件支持。这次的动作，明显是在追赶Anthropic的企业服务布局。

    三周前，OpenAI刚推出了面向企业客户的合资公司”OpenAI Deployment Company”，拿到了全球投资机构超过40亿美元的融资，目标就是把OpenAI的工具更深地嵌到全球企业的业务流程里。首席营收官Denise Dresser的说法是：”AI已经能够在组织内部完成越来越有价值的工作，现在的挑战是帮助企业将这些系统整合到支撑业务的基础设施和流程中。”

  • KPMG把Claude塞进27.6万员工的电脑里，四大会计师事务所的AI赌注





    KPMG把Claude塞进27.6万员工的电脑里，四大会计师事务所的AI赌注

    KPMG把Claude塞进27.6万员工的电脑里，四大会计师事务所的AI赌注

    2026年5月19日，毕马威（KPMG）和Anthropic quietly宣布了一件事——把Claude部署给全球138个国家、27.6万名员工。这不是”大家可以试试AI”的那种试点，而是直接把Anthropic的前沿模型嵌进了毕马威给客户交付工作的核心平台里。

    有意思的地方在于，这次部署不是简单地给员工开个AI访问权限。Claude Cowork和Claude托管代理是直接集成到毕马威的”数字网关”（Digital Gateway）里的——这个网关是毕马威专业人士用来对接客户、跑专有工具、管AI工作流的核心系统。换句话说，27.6万人不是在和一个聊天界面说话，而是在他们每天用的平台上直接构建AI代理工作流。

    毕马威全球董事长Bill Thomas说这套东西围绕”安全、信任和治理”，不是只追求速度。考虑到Anthropic是那家因为自主武器问题起诉过美国国防部、还发布了第一个公开AI安全框架的公司，这个说法在2026年听起来不算空话。

    从数周到数分钟：代理部署速度的革命

    毕马威和Anthropic说，以前要花好几周工程周期才能配置好、适配税务法变更的代理，现在在数字网关里1小时内就能生成。这个速度提升不是因为Claude变快了，而是因为集成方式是”原生”的——代理工作流直接在毕马威自己的客户交付平台里跑，不需要额外搭建基础设施。

    初期覆盖的是税务和私募股权客户，之后会扩展到所有咨询服务。2026年9月之前，整套系统会在微软Azure上完成全量落地。网络安全是重点部署领域之一——毕马威和Anthropic的团队会用Claude来识别和修复重要客户系统的漏洞，这是Project Glasswing工作在毕马威分销渠道里的具体落地。

    为什么是Claude，不是GPT

    四大会计师事务所选Claude不是偶然。2026年初，德勤宣布把Claude部署给全球约47万名员工，那是当时最大的单一Claude企业部署。2026年5月14日，普华永道（PwC）跟着宣布全球联盟，把Claude Code和Cowork推给全球专业服务员工，光美国就有3万人正在接受认证。

    毕马威现在是第三家，但它的玩法有点不一样。德勤和普华永道更多是”让员工用Claude提升效率”，毕马威则是把Claude做成了给客户交付服务的”基础设施”——Claude不只是工具，而是变成了毕马威服务的一部分。这对Anthropic来说意味着什么？意味着27.6万名专业人士每人接触几十个客户，Claude的实际触达面可能是几百万企业用户。

    四大的AI竞赛，安永还撑得住吗

    德勤（47万）、普华永道（数十万）、毕马威（27.6万）——这三家到2026年9月都会把Claude标准化。剩下那家安永（EY）还没发布同等级别的公开公告。但压力是看得见的：当你的竞争对手都在用Claude给客户交付服务的时候，你很难跟客户解释”我们还在评估”。行业里有人猜，安永可能在2026年第三季度会有动作。

    这个局面的受益者显然是Anthropic。三大家合计约110万名专业人士，他们服务的对象是财富500强、全球2000强和大多数主要政府。当三大四大都把Claude作为标准AI模型的时候，他们实际上是在给每一个客户组织做”隐性推荐”——Claude是安全的、有治理的、企业级的choice。这个分销渠道，任何直接营销都复制不出来。

    一个不怎么被提起的数字

    毕马威在这个联盟里还有一个特殊身份：Anthropic把毕马威列为私募股权领域的”首选咨询方”。这意味着，如果一家被私募股权公司控股的企业想要部署Claude，Anthropic会推荐毕马威来干这个活。这不是小事——私募股权公司控制着全球大量的企业资产，这笔渠道的价值，可能比27.6万个Claude授权本身的收入还要大。


  • Anthropic首次盈利：Claude增长太猛，连自己都没想到





    Anthropic首次盈利：Claude增长太猛，连自己都没想到


    Q2营收109亿美元，Anthropic第一次赚钱了

    Anthropic最近给投资者透露了一个消息：2026年第二季度，他们的营收预计达到109亿美元，比第一季度的48亿美元增长了130%。更令人惊讶的是，他们预计这个季度能实现5.59亿美元的运营利润——这是Anthropic成立以来的第一次盈利。

    你可能会说，109亿美元营收、5.59亿美元利润，利润率不是很高啊。确实，只有大约5%的运营利润率。但你要知道，Anthropic之前每年都在烧钱，亏损额以十亿美元计。能在这个季度扭亏为盈，说明他们的商业模式开始跑通了。

    Anthropic原本给自己设定的盈利目标是2028年。现在2026年Q2就要实现运营盈利，提前了整整2年。CEO达里奥·阿莫代伊之前说”我们原本为每年10倍增长做了充分规划，但实际上实现了80倍增长”——现在看，这句话不是吹牛。

    钱从哪来？Claude Code立功了

    Anthropic没有详细披露分产品的营收结构，但我们可以从一些公开信息中看出端倪。

    最大的营收来源是Claude Code，这个编程助手产品的年化营收已经达到25亿美元。在企业客户支出的Ramp统计数据中，Claude Code已经超过了OpenAI的Codex，成为程序员们最愿意付费的AI编程工具。

    Anthropic first profit Q2 2026
    Anthropic预计在2026年Q2首次实现盈利（图片来源：Crypto Briefing）

    另一个增长引擎是企业客户的大规模部署。5月14日，普华永道（PwC）宣布在全球范围向数十万专业人员部署Claude，这将在Q2开始贡献营收。摩根大通上线了10个金融服务智能体，用于招股书和信贷备忘录的撰写。百时美施贵宝向3万余名员工部署Claude，用于加速药物研发。

    年消费额超过100万美元的客户数量，在2个月内从500家增长到超过1000家。仅这一千多家大客户，年合同价值就超过10亿美元。

    盈利能持续吗？不一定

    这里要泼一盆冷水。Anthropic的Q2盈利可能只是阶段性的，不一定能持续。

    原因很简单——算力成本。Anthropic和SpaceX签了一个超级大合同：从2026年5月开始，每月向xAI的Colossus 1和Colossus 2设施支付12.5亿美元租金，年化就是150亿美元。这个合同总金额高达450亿美元，期限到2029年5月。

    但Q2的时候，这个算力合同还处于爬坡期，Anthropic还没有支付满额的12.5亿美元/月。到下半年，当算力支出达到满额的时候，成本压力会大幅增加。Anthropic自己也说，2026年下半年高额的预定算力成本可能导致全年难以维持盈利。

    • 算力成本是大头：AI公司的推理成本（就是向用户返回回答的实际计算成本）很高，Anthropic能盈利，说明他们在这个环节的效率控制得不错。
    • 但未来投入只会更大：训练下一代模型、租用更多GPU、招聘更多人才，这些都需要钱。能否实现结构性盈利，取决于营收增长能不能持续超过基础设施成本的增速。

    为什么这件事很重要？

    Anthropic实现盈利，打破了此前所有前沿AI实验室都在亏损、靠”规模扩大后经济模型会跑通”的逻辑融资的行业格局。它证明了，在当前市场价格下，跑通前沿AI的盈利是可行的。

    这对整个行业有三个重要影响：

    • 改变融资叙事：参与Anthropic 300亿美元H轮融资的投资者，购买的是接近盈利的公司的股权，而不是对未来单位经济模型可能永远无法落地的押注。
    • 给OpenAI压力：OpenAI目前还在亏损（2026年预计运营亏损约140亿美元），而Anthropic已经盈利。在即将到来的IPO竞争中，Anthropic的盈利故事比OpenAI更有吸引力。
    • 证明企业AI市场真实存在：Anthropic的营收增长主要来自企业客户，不是消费者订阅。这说明企业愿意为真能帮他们省钱或赚钱的AI工具付钱，而不只是玩玩。

    如果Anthropic能在2026年下半年维持盈利，它将以”盈利+高增长+企业AI服务商”的定位登陆IPO，这个叙事比OpenAI当前的故事更具竞争力。

    对普通人有什么影响？

    如果你在用Claude，可能会发现免费版的限制越来越多，付费版的定价越来越贵。Anthropic要维持盈利，就要从每个用户身上赚更多钱。

    但反过来说，一个盈利的Anthropic，比一个一直烧钱的Anthropic更有可能长期存在。如果你把Claude用在重要的工作上，盈利意味着这个产品不会突然消失。


  • 福布斯中国AI TOP 50出炉，企业级AI平台被单独标注了

    唯一一家”企业级AI平台”公司

    福布斯中国刚发布了2026年AI科技企业TOP 50榜单。和往年不太一样的是，今年的榜单里出现了一个有点特别的入选理由标注。

    中关村科金是榜单上唯一一家被标注为”企业级AI平台及应用公司”的企业。这个标注背后，其实藏着一个正在发生变化的市场信号。

    据IDC最新报告，中关村科金位列中国大模型平台私有化市场份额第四。2026年一季度，其在应用类大模型项目公开中标数排名前五，服务行业客户超3000家。

    私有化部署为什么成了独立赛道

    AI行业有一个变化已经进行了一段时间：从”我能做多大模型”到”我的大模型能在你的环境里跑起来吗”。

    私有化部署这个需求，在中国市场尤其突出。金融、政务这些行业，数据不能出域是硬要求。大模型再强，不能本地部署就免谈。这就是为什么”企业级AI平台”成了一个独立的赛道。

    中关村科金能上福布斯榜单，某种程度上说明这个赛道已经被主流视野注意到了。之前这块业务相对低调，做的主要是把大模型”装进”企业的私有环境里，让企业能用自己的数据跑自己的AI。

    同一时期的其他信号

    同一时期的AI行业快讯里，还有几个值得放在一起看的数据。

    • Meta计划全球裁员10%，但同时把7000名员工转到AI工作流相关的新项目——AI转型伴随着组织重构。
    • 腾讯2026年Q1净利润756亿元，AI投入是百亿级别；百度AI相关收入占比首次过半，但毛利率只有35-40%，远低于传统广告业务的65-67%。
    • 三大运营商齐发Token服务，支持话费账单支付——AI算力开始走向大众化消费。

    这些数据放在一起，一个轮廓开始清晰：AI的商业模式分化正在加速。做to C的可能还在烧钱，做to B的有些已经开始赚钱了。

    福布斯榜单的真正信号

    福布斯榜单的意义，往往不在于谁上榜了，而在于它折射出资本和市场的注意力在哪里。

    企业级AI平台这个赛道，在此之前相对低调。现在被福布斯拎出来单独标注，至少说明一件事：AI价值链里，不被看见的那部分，可能才是最值钱的那部分。

    大模型本身的竞赛已经白热化，但能把大模型”交付”到企业手里、还能跑得稳的这个中间层，反而是更稀缺的能力。这个能力需要的不只是技术，还有对金融、政务、汽车这些行业的理解。

    榜单里只有一家企业级AI平台公司，不代表这个赛道只有一家在跑。但它至少说明，资本开始认真看待这个方向了。

  • 李开复对话苏姿丰：表演式AI该停了，2026年不能影响财报的AI都是浪费钱



    李开复对话苏姿丰：表演式AI该停了，2026年不能影响财报的AI都是浪费钱

    5月19日，AMD上海AI开发者日，零一万物CEO李开复和AMD CEO苏姿丰进行了一场对话。他们讨论的核心问题很直接：企业砸钱做AI，到底能不能换来真实的商业回报？李开复的回答很犀利——如果你的AI部署没有改变季度财报里的任何一个数字，那你做的就不是真正的AI转型，只是浪费钱。

    AI的三个阶段：从任务到职能部门

    李开复把AI的发展分成了三个阶段。2024年，大家关心的是”AI能不能完成一个任务”；2025年，问题变成了”AI能不能完成一整条工作流”；到了2026年，核心问题已经进阶为”AI能不能替代一个企业的职能部门”。

    这个判断很关键。它意味着AI不再是辅助工具，而是要真正承接一个部门的核心目标。比如HR部门，从招聘、面试、入职到绩效跟踪，整套流程都由AI智能体系统完成。

    李开复提到，真正值得AI介入的，是那些直接影响损益表的核心环节：收入、利润、供应链、动态定价、防欺诈。这些恰恰是高管们最不愿意让AI介入的领域。

    为什么CIO主导的AI转型会失败

    李开复抛出了一个有点”政治不正确”的观点：传统CIO（首席信息官）主导的自下而上AI转型，大概率会失败。原因是，CIO的职责是管理软件运营，不是重新定义公司。他们倾向于在不出错但价值极低的场景部署AI——会议纪要、HR聊天机器人、内部搜索，这些都是表面文章。

    真正能改变公司经营结果的，往往是那些高管最不愿意让AI介入的运营职能部门。所以，企业AI转型必须是”一把手工程”，由CEO自上而下推动。

    AI编程能力跨过临界点

    推动AI从”辅助工具”进化到”职能部门替代者”的，是两大关键变化。第一，AI编程能力跨过了临界点。一年前，AI只能辅助编写代码；现在，它可以端到端地交付一整套功能。智能体在数字世界中的所有行为，本质上都落到代码层面。一旦AI编码能力跨过门槛，自主智能体就成为现实。

    多智能体架构：AI世界的”美第奇效应”

    第二个变化，是大家意识到单一智能体的能力存在上限。无论模型参数多大，单个Agent的推理能力终究会碰到瓶颈。而多智能体架构打破了这一上限。

    李开复用”美第奇效应”来比喻：当不同领域的专家被放进同一个房间，产出远超任何单一个体。五百年前人类发现了这一规律，现在他们把它带到了AI世界。招聘Agent与绩效Agent联动，系统可根据员工入职后的绩效数据，自动调整前端筛选标准。

    苏姿丰的印证：一个人能干完整个团队的事

    苏姿丰从算力基础设施的角度印证了这一趋势。她透露，AMD内部工程师已经在用AI智能体加速产品设计与验证。一个人加上合适的工具和算力，如今能完成几年前整个团队的工作。

    但多智能体系统对算力的要求也变了。李开复指出，未来极致的token效率和本地化处理能力会是关键。系统必须满足本地优先、端侧处理、低于100毫秒的响应延迟，多智能体协同才能真正具备现实可行性。

    苏姿丰提到，AMD比很多公司都看得更早、更清楚。随着AI走向多智能体架构，也必须重新思考”算力”本身的定义。

    开源势不可挡，中国生态有独特优势

    对于开源生态，两位嘉宾都表达了乐观态度。苏姿丰提到，开源AI社区正在涌现出大量创新，而且这个生态已经越来越全球化。李开复则更直接：”开源势不可挡。闭源模型类似苹果iOS，追求高利润和强控制；开源社区则成了AI世界的安卓，拥有更广覆盖和更大规模。”

    他特别指出，中国开源生态因为硬件资源受限，反而转向极致的工程效率、算法优化和架构创新，形成了独特优势。

    未来图景：”自主企业”和”一人公司”

    面向未来，李开复提出了两个值得思考的趋势。第一，未来真正意义上的”自主企业”会诞生，驱动它的是跨部门、多层级协同的智能体网络。下一阶段产业AI转型将围绕两个核心展开：数据主权和清晰可验证的ROI。

    第二，”一人公司”趋势正在出现。借助模块化的多智能体框架，单个开发者或领域专家，如今有能力像总架构师一样，快速启动一家高度自动化运转的公司。

    DRI模型：AI原生公司的核心组织架构

    在组织架构层面，李开复提出了DRI（直接责任人）模型。他预测，这会成为AI原生公司最核心的组织架构。DRI就是一个人对某个跨职能结果承担端到端责任，不是头衔，而是一种明确的责任机制。

    在这个模式下，人类DRI处于智能体系统的中心，周围是研究、执行、合规、监控等Agent集群。DRI负责整体编排、关键决策和最终输出契约。实时数据流取代传统汇报，业务运转围绕可量化的结果展开。

    对工程师来说，这意味着价值衡量标准的变化。在智能体时代，工程师的价值不再由写了多少代码来衡量，而是对结果负责，拥有决策权，并有规划地配置智能体集群。


  • NVIDIA Vera Rubin NVL72发布：推理成本暴降90%，Vera CPU亲自送货上门

    如果你最近关注AI硬件圈，5月18日这天有个消息值得盯一下。NVIDIA CEO黄仁勋站在Dell Technologies World的舞台上，说了一句话：”需求正在抛物线式增长，完全是抛物线。”台下坐着的5000家企业代表应该都听懂了——这里面包括礼来、三星、霍尼韦尔这些已经在用Dell AI Factory跑AI负载的公司。

    这次发布的核心是两个东西：Vera Rubin NVL72架构，以及NVIDIA第一款专门为AI代理（Agent）设计的CPU——Vera CPU。别被名字搞混了，Rubin是GPU架构，Vera是CPU，俩搭配着用。

    推理成本直接砍掉90%

    Vera Rubin NVL72最吓人的数据是：每token推理成本只有上一代Blackwell平台的1/10。换句话说，原来跑100块钱的推理任务，现在只要10块。这个降幅不是靠砍性能换来的——Dell同步发布的PowerEdge XE9812服务器，用HGX Rubin NVL8架构，性能是上一代HGX B200的5.5倍。

    “67%的企业AI工作负载现在跑在云端之外——本地、设备端、边缘、托管机房，这才是真实的企业AI部署现状。”——NVIDIA CEO黄仁勋

    88%的受访企业至少运行1个本地AI工作负载。这个数据背后有个很现实的原因：把数据搬来搬去的成本，比直接在企业自己机房里跑AI贵多了。Vera Rubin NVL72就是为这种场景设计的——专门优化长序列推理和高并发Agent任务。

    Vera CPU：首款为AI代理设计的处理器

    NVIDIA之前出过Grace CPU，但Vera是第一款明确为”AI代理时代”设计的CPU。这里的逻辑是：AI代理干活的时候，不是一口气跑完的，它要查数据库、跑代码、调工具，这些步骤是串行的，特别吃CPU的单线程性能和内存带宽。

    Vera的三个关键数字：

    • 内存带宽1.2TB/s，是其他CPU的3倍
    • AI代理工作负载完成速度比x86处理器快50%
    • 企业数据查询速度提升3倍（Starburst引擎吞吐量提升3倍）

    第一批发货的Vera CPU已经送到三个地方：OpenAI在米申湾的办公室、SpaceX AI在帕洛阿尔托的实验室、以及Anthropic在旧金山的总部。下一批会送到甲骨文云基础设施在圣克拉拉的机房。NVIDIA超大规模计算副总裁Ian Buck亲自送货上门——这阵仗挺少见的，一般芯片发布都是发新闻稿，不会搞”ceo亲自交付”这套。

    2030年的AI基础设施市场：3-4万亿美元

    黄仁勋在台上给出了一个预测：2030年全球AI基础设施支出将达到3-4万亿美元，同期token消耗量预计增长3400%。这两个数字放在一起看就有意思了——基础设施投入增长，单位token成本下降，但总消耗量增长更快，所以市场总盘子还是在爆炸。

    Dell AI Factory这边的策略是把”计算、网络、存储”打包成一个整体方案，客户不用自己拼组件。配套的还有NVIDIA机密计算（Confidential Computing）支持，模型权重和企业数据在运行过程中全程加密，这个对金融、医疗这些敏感行业挺重要的。

    目前已经在Dell AI Factory上跑AI负载的5000家企业里，礼来用它加速药物研发，三星用它跑芯片设计仿真，霍尼韦尔把原来放在公有云上的工业AI迁移回了本地机房。这些案例的背后逻辑都一样：数据搬不动，算力得靠近数据放。

    开源模型也在往这套基础设施上迁

    NVIDIA在这次发布会上列了一个支持Dell AI Factory的开源模型清单：Nemotron、Reflection、MiniMax-M2.7、DeepSeek Pro、DeepSeek-V4、GLM 5.1、Kimi K2.6。这些模型都做了NVFP4精度优化，在Vera Rubin架构上跑起来更高效。

    Hugging Face上已经开了Dell Enterprise Hub，企业可以直接拉取这些优化过的模型镜像部署。这个动作的信号很明确：NVIDIA不只是卖芯片，它在搭一个从芯片到模型到部署工具链的完整生态，让企业”买了硬件就能跑起来”，而不是买回去之后发现软件栈对不上。

    下一波详细技术发布会在6月1-4日的COMPUTEX GTC Taipei大会上放出。如果你在关注AI推理成本这条曲线，Vera Rubin NVL72的价格和实测数据值得等一下那个发布会。