搜索

热门搜索

AI时代 科技变革
创建于：2026-04-02 22:46:52
圈里有谁
最热
AI科技 #AI
高效能AI计算机的核心是大显存GPU+高频大容量内存+高速存储，优先选NVIDIACUDA生态，按“入门/中端/旗舰/移动”四档推荐，覆盖本地大模型部署、微调、AIGC全场景。一、核心硬件优先级（2026最新）GPU（最重要）：AI计算90%依赖GPU，显存决定模型上限7B-13B模型推理：≥12GB显存（RTX4060Ti/5060）27B-34B模型/SDXL生图：≥24GB显存（RTX4090/5090）70B+模型微调：≥48GB显存（专业卡/多卡）架构：NVIDIABlackwell/Ada（CUDA生态最优），AMDXDNA2（NPU加速），AppleM系列（统一内存）内存（RAM）：入门：32GBDDR56000MHz+中端：64GBDDR56400MHz+旗舰：128GB+ECC内存存储：系统盘1TBPCIe5.0NVMe（读≥12GB/s），数据盘2-4TB高速SSDCPU：多核心高主频，AMDRyzen9/Threadripper或Inteli9/Xeon 二、分档位推荐（2026年6月）1.入门级（¥8k-15k）：7B-13B模型推理/轻度生图配置：RTX506016GB+Ryzen79700X+64GBDDR5+1TBPCIe5.0SSD特点：性价比高，本地运行Llama3/DeepSeek7B流畅，SDXL生图10-15秒/张 2.中高端（¥20k-40k）：27B-34B模型微调/重度AIGC配置：RTX509024GB+Ryzen99900X+128GBDDR5+2TBPCIe5.0SSD特点：24GB显存可跑34B模型4-bit量化推理，SDXL/视频生成稳定，适合个人开发者/工作室RTX5090显卡 3.旗舰级（¥80k+）：70B-130B模型全参数微调/科研雷神AIMasterT9000：ThreadripperPro9995WX+4×AIProR9700（FP8算力3064TFLOPS）+2TB内存+全液冷36氪数码产品雷神AIMasterT9000工作站 MacStudioM3Ultra：32核CPU+80核GPU+512GB统一内存，可本地运行6000亿参数LLM数码产品MacStudioM3Ultra 4.移动AI本（¥6k-20k）：便携推理/轻量开发华硕a豆14Air2026：AMD锐龙AI9H465（NPU50TOPS）+16GB+1TB，本地跑7B模型，2.8KOLED屏数码产品华硕a豆14Air2026 SurfaceLaptopUltra：RTXSpark芯片+128GB统一内存，支持1200亿参数模型推理36氪数码产品SurfaceLaptopUltra 三、避坑要点显存优先于算力：24GB显存的RTX4090比16GB的RTX5080更适合大模型NVIDIA生态首选：PyTorch/TensorFlow对CUDA优化远好于AMD/Apple散热必须拉满：高负载下GPU温度超85℃会降频，旗舰机必选液冷电源冗余：单卡≥850W金牌，多卡≥2000W白金牌36氪四、快速选择建议学生/入门：选RTX5060+64GB组合，预算控制在1万内开发者/创作者：RTX5090+128GB，兼顾性能与成本科研/企业：雷神T9000或MacStudioM3Ultra，直接拉满算力移动办公：华硕a豆14Air，轻薄+本地AI能力
虎子
2026-06-12 0 评论 0 喜欢
AI科技 #AI
AI企业上市全方位风险深度分析全球GPU算力近乎满负荷运转，AI模型训练、云推理持续缺卡；大模型持续巨额烧钱：算力采购、集群运维、迭代研发每年数十亿级现金消耗，一级市场VC资金接续乏力，必须依靠IPO公开市场募资续命； AI商业化落地提速：B端订阅、MaaS模型服务、政企定制方案收入快速放量，二级市场愿意给高估值； 资本市场窗口打开：美股接纳未盈利硬科技，A股科创板第五套、港股18C章适配未盈利AI科创企业，上市门槛显著放宽。      GPU利用率接近饱和、行业大额烧钱、高估值资本化浪潮背景，把AI上市风险划分为经营基本面风险、估值与资本市场风险、技术迭代风险、合规政策风险、产业链绑定风险、公司治理风险六大类，同时区分大模型、AI芯片、算力云、应用层不同环节差异化风险。   一、核心经营基本面风险（最致命，二级市场首要考量）   1.持续大额亏损，盈利遥遥无期 绝大多数通用大模型、AI芯片企业未实现盈利：   刚性成本极高：GPU采购、机房电费、高端算法团队薪酬、模型迭代训练、数据采购都是长期固定巨额支出，万卡算力集群年运维成本数十亿元； 收入兑现慢：B端企业客户落地周期长、定制化改造成本高，C端付费转化率不及预期，MaaS模型订阅收入增速很难覆盖资本开支。 上市后果：A股、港股二级市场无法长期容忍持续大额亏损，财报持续亏损会触发股价持续阴跌，再融资受阻，现金流断裂。 2.营收高度依赖大客户，客户集中度风险突出 上游AI芯片、算力云厂商客户集中在几家头部大模型公司； 大模型厂商订单高度绑定政企、互联网大厂单一客户。 一旦大客户自研模型、自建算力，直接削减外包采购订单，企业营收会断崖式下滑，上市后业绩极易暴雷。 3.商业化落地不及预期，需求伪增长   当下GPU高利用率更多是头部大厂军备竞赛囤卡导致，并非全行业真实商业化需求爆发：   大量传统企业接入AI后无法落地降本增效，付费意愿快速消退； AIAgent、智能体等新概念落地进度远低于资本市场预期，新增收入增量不足； 上市前一级市场靠订单预签约推高估值，上市后远期订单无法转化为实际营收，业绩变脸。   4.算力成本波动冲击利润   全球GPU极度紧缺，英伟达等厂商持续上调芯片售价、长约锁价；算力租赁价格周期性波动： 未来2-3年AMD、国产GPU大规模量产投放，GPU利用率从97.5%高位回落，算力租金下行。 算力云、模型服务商的核心盈利逻辑被破坏，毛利率大幅收缩。   二、估值与资本市场风险   1.一级市场高估值透支二级市场上涨空间   OpenAI、Anthropic以及国内多家AI独角兽上市前一级融资估值已达千亿级别，估值建立在远期想象空间之上，没有盈利支撑。     上市后没有业绩持续兑现，估值会快速杀跌； 对比互联网、软件行业成熟估值，AI企业PS（市销率）动辄几十上百倍，估值泡沫显著。 2.上市后再融资难度大，资金链承压   AI企业上市募资只能支撑短期算力扩张，后续持续扩卡、模型迭代仍需要不断追加投入。 若上市后股价持续低迷，定增、发债等再融资渠道关闭，无法持续投入算力军备竞赛，会快速被行业淘汰。   3.股权稀释与股东退出压力   早期VC、PE、天使投资人持有大量股份，IPO解禁后集中大额减持，会持续压制股价； 很多AI企业多轮融资后创始团队股权被极度稀释，上市后控制权不稳定。   4.板块情绪退潮系统性回调   AI是题材驱动型板块，一旦全球科技流动性收紧、科技股行情退潮，无论单个企业质地好坏，都会出现整体性估值下杀。   三、技术迭代与行业竞争风险   1.技术路线快速迭代，巨额投入瞬间沉没   AI技术迭代周期仅1-2年：     大模型参数路线、多模态、端侧轻量化技术持续变革； 新架构芯片、存算一体技术成熟后，现有大规模GPU集群投资直接贬值。 企业上市募资建设的算力集群、自研模型可能短期内技术落后，固定资产大幅减值。     2.行业内卷白热化，同质化竞争严重   国内外数十家通用大模型同台竞争，基础模型能力差距持续缩小，没有独家技术壁垒： 价格战开启，模型调用单价持续下调； 中小AI上市企业没有算力、数据、渠道优势，市场份额持续被头部挤压，长期生存空间狭窄。 3.开源模型冲击自研商业模型   Llama、Qwen等主流大模型全面开源，企业可以免费微调自用，不再采购商用闭源大模型服务。 依赖模型授权、API调用收费的AI上市公司核心营收模式被颠覆。   四、合规、政策与数据安全风险（国内AI企业特有高危风险）   1.生成式AI监管常态化   国内大模型上线需要备案、安全评估、内容审核，模型迭代升级也要重新报审；海外AI企业受各国AI法案、内容管制约束。 监管政策收紧会限制模型开放调用、海外业务出海扩张，直接限制营收增长上限。   2.数据合规红线约束极强   AI训练需要海量文本、图片、音视频数据，极易出现版权侵权、爬取未经授权用户数据、个人隐私泄露问题。 一旦出现大规模版权诉讼、数据处罚，不仅面临巨额罚款，模型还可能被限制运营，对上市主体构成实质性经营打击。   3.地缘贸易壁垒风险 海外：高端GPU、先进制程芯片出口管制，国内AI企业无法获取高端算力，模型迭代速度受限； 出海业务：欧美出台AI属地化法案，要求数据本地存储，海外扩张成本大幅抬升，海外收入扩张受阻。 五、产业链上下游绑定风险 1.上游芯片厂商强议价，成本无法转嫁   全球高端GPU高度集中，英伟达具备绝对定价权，长协锁卡预付保证金、逐年涨价。 AI模型厂商、算力厂商没有议价能力，上游成本持续上涨，但下游客户不敢随意涨价，毛利率持续被压缩。   2.下游应用端议价能力弱   面向ToB传统行业客户，AI解决方案属于数字化可选支出，经济下行周期企业优先削减AI预算；下游客户分散、议价能力强，很难签订长期锁价高毛利合约。   六、公司治理与人才结构风险   1.核心技术人员流失风险   AI行业算法、架构顶尖人才稀缺，人才薪资成本极高； 上市公司股权激励额度有限，头部算法团队被竞争对手高薪挖走，模型迭代停滞，企业核心竞争力丢失。   2.重技术轻商业化，内部管理失衡   多数AI创始团队是技术出身，缺乏企业运营、大客户销售、规模化商业化落地经验；上市后规模化运营短板暴露，有钱但无法把技术转化为营收。   七、分赛道差异化风险总结 通用大模型企业：亏损最高、估值泡沫最大、监管约束最强、商业化最慢，上市风险最高； AI芯片/国产GPU厂商：技术迭代快、流片成本极高、验证周期长，量产不及预期就会业绩暴雷； 算力云服务商：周期属性极强，GPU供需拐点到来后租金下行，盈利周期性波动极大； AI垂直应用公司：壁垒最弱，极易被头部大模型自研替代，长期成长性不足。 本轮AI企业扎堆IPO，本质是靠公开市场募资抢算力的资本军备竞赛，但上市不等于脱困：短期拿到募资可以扩充算力换取规模优势，但长期要直面盈利、监管、技术迭代、周期波动四重压力，大量AI上市公司未来会出现持续亏损、股价长期低迷、退市等情况，行业会加速出清。
虎子
2026-06-12 0 评论 0 喜欢
AI科技 #AI
 2026年6月11日，甲骨文CEO克莱顿・马古伊尔克在2026财年Q4及全年财报电话会议上披露算力供需核心数据。 关键数据细节 GPU利用率 全球GPU整体利用率达到97.5%，算力几乎无闲置空间，AI算力持续供不应求。续约转租验证算力紧俏 本季度合计3.5万张GPU、59家客户合约到期： 仅49%老客户续约，但锁定了92%的GPU资源；剩余8%到期GPU没有空置，当季立刻签约新客户接手； 依托云多租户弹性调度，实现算力无缝流转，进一步拉高整体利用率。 配套财报佐证AI算力爆发 云基础设施单季营收58亿美元，同比大涨93%，AI算力是核心增长引擎；待履约长期订单（RPO）高达6380亿美元，同比暴涨363%；单季新增AI基础设施合同670亿美元，累计AI算力签约750亿美元；管理层判断：AI基础设施是万亿美元级长期赛道，智能代理类应用需求高速扩张，算力缺口短期无法填平。 二、核心解读1.97.5%利用率意味着什么？ 通用IT基础设施正常利用率普遍在60%–80%，超过90%就属于算力饱和、排队等候状态；97.5%接近满负荷极限： 现有存量GPU已全部投入AI训练、推理任务，新增AI项目只能排队等新卡交付；算力租赁方拥有极强定价权，算力租金、长约预付款模式持续稳固。 2.打消“AI算力过剩”市场担忧 此前市场有分歧：大量厂商扩产GPU，未来会不会出现算力过剩、价格跳水？ 甲骨文实际运营数据给出反向实锤：存量算力转租  AI上市搜索3个关键词，参考17篇资料 结合你前面提到全球GPU利用率97.5%、AI算力极度紧缺的背景，下面完整拆解全球AI企业上市浪潮、中美头部进程、上市核心动因、产业链分化、风险与投资逻辑。 一、本轮AI上市大潮核心背景（和GPU高利用率强关联） 甲骨文披露全球GPU利用率97.5%，算力近乎满负荷运转，AI模型训练、云推理持续缺卡； 大模型持续巨额烧钱：算力采购、集群运维、迭代研发每年数十亿级现金消耗，一级市场VC资金接续乏力，必须依靠IPO公开市场募资续命；AI商业化落地提速：B端订阅、MaaS模型服务、政企定制方案收入快速放量，二级市场愿意给高估值；资本市场窗口打开：美股接纳未盈利硬科技，A股科创板第五套、港股18C章适配未盈利AI科创企业，上市门槛显著放宽。 二、海外头部AI企业IPO进度（美股） 1.OpenAI 6月8日向SEC秘密递交S-1招股草案，计划纳斯达克上市；最新融资估值8520亿美元，市场预期IPO估值冲击1万亿美元36氪；上市诉求：募资海量资金批量锁定GPU、扩建全球算力集群，摆脱微软单一股东绑定，独立资本化；时间预期：2026年Q4正式挂牌。 2.Anthropic（Claude） 6月1日先行秘密递表，估值9650亿美元，已反超OpenAI；2026年ARR（年度经常性收入）快速冲到450亿美元，营收增速全球AI第一财新网；计划2026年10月IPO，引入资深投行高管操盘承销。 3.AI芯片/算力服务商（已成功上市） Cerebras（晶圆级AI芯片）5月纳斯达克上市，募资55.5亿美元，年内全球最大科技IPO；上市首日大涨68%，市值突破700亿美元，深度绑定OpenAI算力采购需求。 CoreWeave（AI算力云）此前已挂牌，依托GPU紧俏红利股价持续走高。 三、国内AI企业上市全景（港股+A股科创板双线） （一）已登陆港股（全球首批通用大模型上市公司） 智谱AI（02513.HK） 2026-01-08港股上市，全球通用大模型第一股；发行募资43亿港元，主打政企B端大模型底座、国产芯片适配； 6月1日公告启动回A（科创板IPO），拟募资150亿元，120亿元投向通用基座大模型研发，持续扩充国产算力集群。MiniMax（稀宇科技，shturl.c） 2026-01-09港股挂牌，70%收入来自海外C端AI产品；同步启动A股科创板辅导，筹划二次上市。同期港股批量上市：天数智芯（国产GPU）、壁仞科技（AI芯片），上游算力硬件率先资本化。 （二）排队A股科创板IPO梯队 燧原科技（国产训练GPU）IPO上会在即；阶跃星辰、月之暗面等大模型独角兽拆除VIE/红筹架构，筹备港股IPO；算力PCB、光模块、AI服务器等上游硬件厂商大量登陆创业板、主板，产业链全面资本化。 四、AI企业集中上市的四大核心动因 1.募资：解决算力巨额资金缺口（最直接） GPU价格居高不下、全球一机难求，单万卡集群建设投入百亿级别；一级融资额度有限，IPO能一次性百亿级募资，长期锁定算力采购资金，对应甲骨文97.5%高利用率下的算力军备竞赛。 2.股权结构优化 早期大额融资绑定互联网大厂（微软投OpenAI、阿里/腾讯入股国内多家大模型），上市后股权分散，降低单一股东控制权，获得独立战略决策权。 3.商业化信用背书 上市公司身份更容易对接央企、地方政府、大型企业数字化订单，B端落地门槛大幅降低，加速MaaS、行业大模型营收兑现。 4.人才绑定 可通过二级市场股权激励绑定算法、算力顶尖工程师，AI行业人才争夺白热化，上市是留住核心团队的必备工具。 五、AI产业链上市分化格局（从上游算力到下游应用） 表格   产业链环节上市状态代表企业估值逻辑上游AI芯片/GPU壁仞、燧原、Cerebras算力刚需，直接受益GPU高利用率，确定性最强中游通用大模型智谱、MiniMax、OpenAI、Anthropic高增长高亏损，看订阅ARR增速中游算力云服务商CoreWeave、阿里云、腾讯云（存量上市）算力出租，现金流稳定下游AI应用各类AIAgent、行业垂直AI公司盈利兑现最快，估值偏低 六、潜在风险点 估值泡沫风险：OpenAI、Anthropic万亿级估值尚未实现稳定盈利，一旦AI需求增速放缓、GPU供给缓解，估值会大幅回调；持续亏损压力：大模型企业普遍年亏损数十亿，上市后仍要持续资本开支，若营收增速跟不上烧钱速度，二级市场会持续承压；算力供需拐点：全球GPU厂商扩产逐步落地，未来2–3年利用率从97.5%回落，算力租赁价格下行，全产业链盈利逻辑重构；行业竞争内卷：国内外十余家通用大模型同台竞争，同质化严重，中小模型厂商即便上市也很难突围。 七、总结联动你最初的资讯 甲骨文披露GPU利用率97.5%、AI供不应求不是孤立数据，正是算力极度紧缺，倒逼全球AI大厂扎堆IPO募资抢卡、扩算力； 本轮AI上市不是单纯资本炒作，是算力军备竞赛的必然结果： 美股：OpenAI、Anthropic冲刺万亿市值IPO，垄断全球顶级算力；中国：大模型+国产GPU先后港股上市、回A科创板，依托本土算力自主可控政策完成资本化； 后续二级市场定价，会持续围绕算力保有量、ARR订阅收入、国产化适配能力三大核心指标分化定价。
虎子
2026-06-12 0 评论 0 喜欢
AI科技 #AI
如何看待AI技术未来发展：机遇确定、路径分化、挑战相伴，是百年级生产力革命，而非短期风口一句话总纲：炒作热度会逐步退潮，但技术迭代与产业渗透长期不可逆；AI会从网红概念变成水、电、互联网一样的通用基础设施，同时倒逼全球技术治理、就业结构、教育体系全面重构国家信息中心。通用人工智能发展图景  具身智能机器人一、底层技术演进：告别暴力堆参数，走向高效、通用、可控1.大模型从“野蛮扩张”走向收敛分化底座模型集中化：百模大战落幕，全球只会留存少数几家通用基础大模型厂商；中小团队不再自研底座，转向垂直行业微调、私有化部署、场景定制，应用层百花齐放。架构革新：不再单纯靠增加参数提升能力，稀疏架构、神经符号融合、世界模型、类脑计算逐步落地；AI补齐因果推理、物理常识短板，AI幻觉大幅收敛，但无法100%根除（概率模型底层固有局限）。算力格局重构训练算力仍由高端GPU主导，但推理算力需求爆发、占比反超训练；存算一体、专用ASIC、端侧NPU大规模普及，手机、PC、IoT设备本地跑大模型成为标配，云端+边缘双架构成型；绿色AI成为硬性要求，解决大模型高能耗问题。智能体（Agent）成为核心形态AI不再是被动问答工具，能自主拆解任务、调用工具、规划流程、迭代反思，独立完成复杂长周期工作；未来海量AI智能体常驻办公、工业、生活场景，实现自主运行。2.AGI（通用人工智能）不会短期速成，预期理性回归乐观派预判3–10年出现初级AGI原型；严谨科研测算认为完整类人通用智能仍需数十年甚至更久，不存在明确时间表。未来10年落地的都是增强版专用智能：跨行业通用、能自主处理多类任务，但无自我意识、无主观诉求，只是更强的工具，不会出现科幻电影里的自主反叛。二、产业落地：全面渗透实体经济，从赋能走向重构全行业1.C端消费：原生AI硬件普及，人机日常无缝融合AI手机、AIPC、XR眼镜、车载智能座舱全面原生内置大模型，不再是附加功能；个性化助手、实时翻译、随身知识库、健康监测、沉浸式数字陪伴常态化，消费电子靠AI开启新一轮增长周期。2.B端产业：AI深度改造实体经济（核心增长主战场）工业制造：质检、产线调度、机器人柔性作业、预测性维护普及，无人工厂大范围落地；具身智能机械臂突破固定程序限制，适配多品类柔性生产。科研领域（AIforScience）颠覆性变革新药研发、蛋白质解析、新材料设计、气象模拟、量子计算、天体观测效率指数级提升，AI主动提出科研假设、设计实验，重塑基础科学研究范式。金融、医疗、交通、教育、政务风控审核、智能问诊、自动驾驶路网调度、个性化因材施教、城市一网统管批量落地；高风险行业同步配套严格准入审查。中小企业普惠化云端API、轻量化私有化模型、SaaS化AI工具价格持续下行，中小企业无需自建算力团队，低成本用上AI降本增效，消除大企业技术壁垒。3.产业周期清晰分层短期（1–3年）：题材泡沫出清，纯讲故事企业淘汰，落地为王；中期（5–10年）：AI渗透率持续走高，各行各业数字化升级全面转向智能化升级；长期（10年以上）：AI成为全社会基础设施，如同今天的互联网，不再单独被称作“风口”。三、社会层面：重塑就业、教育、分配体系，结构性冲击大于总量失业1.就业：不是大规模失业，而是岗位重构程序性、重复性岗位（基础客服、数据录入、简单文案、初级绘图、流水线固定工位）持续被替代；同步诞生新岗位：AI训练师、提示工程师、模型微调专家、AI安全审核、智能体运维、AI伦理专员等；世界经济论坛预测，2030年约22%工作岗位发生大幅调整，劳动力需要持续技能迭代，而非全面失业国家信息中心。核心规律：不会被AI取代的人，是会使用AI的人。2.教育体系被迫全面改革传统死记硬背、标准化刷题的价值大幅缩水；教育重心转向创造力、批判性思维、共情沟通、复杂决策、跨领域整合这些AI难以复制的能力；终身职业培训常态化。3.潜在社会分化风险算力、数据、模型资源向头部企业集中，若缺乏调控，会拉大区域、企业、收入差距；技术红利分配不均，是各国共同需要应对的社会难题数字中国建设峰会。四、风险与全球治理：创新与约束同步推进，野蛮生长时代终结1.技术内生风险算法偏见、数据歧视：训练数据自带现实偏见，导致信贷、招聘、司法辅助决策不公；深度伪造、虚假音视频、AI造谣、侵权生成内容泛滥；关键基础设施（电网、金融、轨道交通）接入AI后，系统故障、网络攻击的连锁风险放大。2.全球监管走向精细化分层管控欧盟AI法案、中国生成式AI管理办法、美国分级监管框架陆续落地：低风险AI（聊天、内容创作）适度放开创新；高风险AI（医疗设备、自动驾驶、公共决策、人脸识别）强制备案、安全测试、可追溯；全球形成技术竞争+规则博弈并行格局，AI地缘竞争加剧，但跨国安全协作需求同步上升。3.安全对齐成为刚需价值观对齐、可控性、可解释性不再是附加选项；高场景AI必须留存决策日志、责任界定清晰，明确AI出错后的企业、运营方主体责任。五、不同主体的应对视角1.普通个人不用恐惧AI替代，把AI当成效率工具，主动学习AI协作工作流，把精力投入创意、人际、复杂统筹等高价值环节，持续迭代职业能力。2.企业大企业深耕自有场景、私有化部署定制模型构建壁垒；中小企业优先采购标准化AISaaS工具降本，拒绝盲目自研大模型。3.国家层面坚持“创新发展+安全治理双线并行”，以“AI+实体经济”为主线，补齐算力芯片、高端数据、底层框架短板，避免技术卡脖子，同时守住伦理、数据安全底线。最终总结热度层面：资本市场炒作3年内逐步降温，但产业真实增长持续数十年；技术层面：从大模型狂热迭代到Agent、具身智能、世界模型多点突破，效率持续提升、可控性持续加强；历史定位：AI是继蒸汽机、电力、互联网之后的新一轮通用技术革命，会重塑生产力，但不会颠覆人类主体地位；核心基调：理性拥抱、有序约束、人机共生，技术永远是工具，人类始终掌握发展的选择权。
虎子
2026-06-12 0 评论 0 喜欢
AI科技
微信AI到底要干什么？一句话：让你不用再"找服务"，而是"说一句话，服务来找你"。以前你在微信里点外卖，要打开美团小程序→选餐厅→选菜→下单→支付。五个步骤，每一步都是你自己操作的。微信AI想做的事是：你在聊天框里说"帮我点一份黄焖鸡米饭送到公司"，AI自动调取美团小程序，帮你完成整个流程。你只需要最后确认一下。打车、买机票、订酒店、点肯德基、缴水电费——全部同理。这不是天方夜谭。6月8日开始，微信已经向开发者开放了AI接入能力，首批内测的企业已经进场了。谁先进去了？六家：美团、京东、滴滴、携程、同程、肯德基。看这个名单就知道微信的思路——不是先做"什么都能聊的AI"，而是先做"能帮你办事的AI"。企业微信AI能帮你干什么美团点外卖、买菜、本地生活服务京东电商购物、外卖下单、物流查询滴滴直接在微信里叫车，不用跳转携程订机票、订酒店、查旅游度假同程行程规划、产品对比、预订肯德基自然语言点餐、智能匹配套餐注意滴滴那句——"不用跳转"。以前你从微信跳到滴滴App再叫车，以后你在微信里说完，AI就帮你叫好了。这不是加个聊天机器人。这是在微信里重新造了一个"操作层"。微信做AI这件事，跟字节做豆包、阿里做通义，逻辑完全不同。字节和阿里是从零建一个AI产品，再往里灌流量。微信是先有14亿人和1000万个小程序，再往里加AI。前者的挑战是"让人来用"，后者的挑战是"别把已有的东西搞砸了"。所以微信很慢。但微信一旦做成了，它不是多了一个AI聊天框，是在14亿人的手机里重装了一个操作系统。上一次微信这么干，是2017年的小程序。那一次改写了中国移动互联网的产品逻辑。这一次，可能再改写一次。
大熊
2026-06-11 0 评论 0 喜欢
最新
天涯人社区

去发现更多有趣内容