Ai遇天马 @mapsnking

罕见同框，姚顺宇憔悴了

今日字节跳动AI深度学习日。 OpenClaw、腾讯WorkBuddy上半年完成市场认知教育；豆包企业版、Trae Work快速跟进，Kimi、智谱AutoGLM相继推出智能体产品，DeepSeek Harness也强势入局开源赛道。 当前Work、Coding两大通用场景正处于快速验证阶段，但面向企业级生产效能提升的落地仍在探索，需要综合权衡性价比、性能与效率。这本质上是工程化与数据要素两大命题：工程化依赖完整全栈链路打通；数据要素则需要持续采集、沉淀与业务反馈闭环来驱动迭代。 大模型能力的天花板尚未触顶，而应用层智能体的安全底线仍未完全夯实，两端的空间，决定了行业未来很长一段时间都蕴藏巨大机遇，同样也伴随着重重挑战。挑战会直接重塑用户未来的使用习惯，这两年正是AI用户习惯培育的关键缓冲期。因此短周期看变现难度较大，但站在长周期视角，有望迎来变现能力的跃升。 AI产品生命周期呈螺旋低规格迭代模式，靠持续迭代体验获取领先优势，与传统产品逻辑差异显著。 机遇与挑战并存，持续深耕，静待行业新突破。

长鑫科技本质上是一家“重资产、强技术、强周期”的 DRAM 存储芯片 IDM 企业。它的核心优势是已经跨过了技术、产能和客户认证门槛；但盈利高度受内存价格周期、产能利用率和巨额折旧影响，不能简单按普通科技软件公司估值。 一、商业模式 长鑫采用 IDM 模式，即自己完成： 芯片设计 → 晶圆制造 → 部分封装测试 → 模组设计与生产 → 销售。 不过它并非所有环节都完全自制： - 晶圆制造：主要由自己的 12 英寸晶圆厂完成； - 封装：主要委托外部封测厂； - 测试：自主测试为主、外协为辅； - 模组：自主加工和委外加工结合； - 销售：经销和直销结合。 2025 年主营业务收入约 612.8 亿元，其中： - LPDDR 系列占 66.43%，主要用于手机、笔记本、智能终端； - DDR 系列占 31.87%，主要用于服务器、PC 等； - 经销模式占 85.38%，直销占 14.62%。 因此，它不是靠软件订阅或品牌溢价赚钱，而是靠： “芯片价格 × 出货量 - 原材料、制造、折旧、研发和财务成本”。 其中最关键的是 DRAM 行情、产能利用率、良率、单位成本和产品结构。 二、核心优势 1. 已经形成完整的 DRAM 技术体系 公司从第一代到第四代工艺平台实现量产，并覆盖 DDR4、DDR5、LPDDR4X、LPDDR5/5X。 这意味着它不再只是“能设计芯片”，而是同时具备： - DRAM 电路设计能力； - 晶圆制造工艺能力； - 良率提升能力； - 封装测试能力； - 产品认证和量产能力。 截至 2025 年末，公司拥有 3,929 项境内专利和 3,043 项境外专利，研发人员 6,259 人，占员工总数 32.43%。 2. 规模效应正在形成 DRAM 是高度标准化产品，成本竞争非常激烈。产能越大，固定成本、设备折旧和研发投入越容易被摊薄。 招股书披露，公司拥有合肥、北京三座 12 英寸 DRAM 晶圆厂，2025 年产能利用率达到 95.73%，按 2025 年第四季度销售额计算，全球市场份额约 7.67%，位列全球第四、中国第一。 这形成了一个正循环： 产能扩大 → 出货量增加 → 单位成本下降 → 价格竞争力增强 → 客户增加 → 产能进一步爬坡。 3. 产品覆盖比较完整 它同时覆盖服务器、PC、手机、笔记本、智能汽车等领域，既有 DDR，也有 LPDDR，还提供晶圆、芯片和模组。 相比只做单一芯片设计的公司，长鑫可以给客户提供更完整的存储解决方案，客户切换供应商的成本也更高。 4. 国产供应链和客户生态优势 DRAM 是高度集中的战略性产业，全球前三家厂商长期占据超过 90% 的市场份额。长鑫的存在本身就具有国产替代和供应链安全价值。 公司已与阿里云、字节跳动、腾讯、联想、小米、传音、荣耀、OPPO、vivo 等客户开展合作，这说明产品已经进入较广泛的商业验证阶段。 三、它最特别的地方 1. 它是“国产 DRAM 龙头”，但产品仍然具有强商品属性 DRAM 和很多消费电子芯片不同，产品标准化程度很高，主要遵循 JEDEC 国际标准。 所以长鑫的竞争不是简单的品牌竞争，而是： - 谁的工艺更先进； - 谁的良率更高； - 谁的单位成本更低； - 谁能稳定供货； - 谁能在行业下行期活下来。 这也是它最重要的商业特点：技术壁垒极高，但产品价格又很像大宗商品，盈利波动会很大。 2. 业绩可能“爆发式增长，也可能快速转弱” 公司营业收入从 2023 年约 90.9 亿元增至 2025 年约 618.0 亿元，但归母净利润也经历了： - 2023 年亏损约 163.4 亿元； - 2024 年亏损约 71.4 亿元； - 2025 年盈利约 18.7 亿元。 2025 年的盈利改善，既有产能和规模效应，也受 DRAM 价格上涨影响。因此，2025 年不能简单理解为公司已经进入稳定高盈利阶段。 3. 合并利润和母公司股东利润差异很大 2025 年合并净利润约 71.4 亿元，但归属于母公司股东的净利润只有约 18.7 亿元，少数股东损益约 52.7 亿元。 这说明公司部分重要业务或子公司存在大量少数股东权益。分析公司价值时，不能只看合并净利润，更要看归母利润、每股收益和未来利润归属情况。 4. 没有控股股东和实际控制人 招股书披露，公司不存在控股股东和实际控制人，股权较为分散。 这可能带来两面性： - 好处：股东之间相互制衡，减少单一股东绝对控制； - 风险：重大决策效率、控制权稳定性和长期战略一致性可能受到影响。 5. 重资产和高负债特征明显 2025 年末，公司固定资产约 1,830 亿元，长期借款约 1,188 亿元；2025 年研发费用约 95.9 亿元，固定资产折旧约 246.8 亿元。 因此，长鑫必须持续保持较高产能利用率。一旦内存价格下跌或需求不足，折旧、利息和研发支出仍然存在，利润会受到明显挤压。 四、总体判断 长鑫科技的优势在于： - 技术已经从“追赶”进入全球主要竞争者行列； - 具备大规模晶圆制造能力； - 产品覆盖和客户基础较完整； - 享有国产替代和供应链安全红利； - 行业进入门槛极高，潜在竞争者很难复制。 最应该持续跟踪五个指标 1. DRAM 产品价格和毛利率； 2. 晶圆厂产能利用率和良率； 3. DDR5、LPDDR5/5X 收入占比； 4. 归母净利润与少数股东损益的变化； 5. 新增资本开支、折旧和长期借款规模。

这波AI叙事逻辑好戏上演，开源利好AI基础设施，以Anthropic和OpenAI为代表的闭源商业模型，被K3和DS开源代表撕开一道裂口。问题是K3开源部署成本年至少3千万起，其他开源租赁年也不低于上百万。长鑫明天上市能否超越预期，韩国总统在旧金山签大单，DS泄露天机，老黄上推，这种转折点式进化又是一场格局之战。

这波AI叙事逻辑好戏上演，开源利好AI基础设施，以Anthropic和OpenAI为代表的闭源商业模型，被K3和DS开源代表撕开一道裂口。问题是K3开源部署成本年至少3千万起，其他开源租赁年也不低于上百万。长鑫明天上市能否超越预期，韩国总统在旧金山签大单，DS泄露天机，老黄上推，这种转折点式进化又是一场格局之战。

@JensenHuang @nvidia 加速发展

AI教育领域是最大的AI市场，没有之一。有两个重要原因？谁知道？

最近一个多月我也Coding了教育培训行业的招生场景、教学场景、服务场景、运营管理场景的AI工作台，基于传统Saas UI界面与AI.Native. Agent架构过渡态，我自己不是很满意，在小范围实验。 如果AI. Native. 原生架构，对企业使用者来说，成本很高，Agent工作流靠目标驱动，任务拆解，结果修正。但很多使用者在任务环境中，难以确立有效的目标。这个是有点到面的过程。另外算力成本还不是最主要问题。 如果在传统Saas上加Agent，有价值的是沉淀的知识库和数据流。交互界面比较锁死，难以开放式。 因此，从使用者和开发者来讲，中间过度态是一种选择，类传统Saas的简约交互界面，但底层用LLM大模型加安全护栏，同时做专属领域的RAG知识库沉淀检索。设置不同的触发逻辑 降低幻觉和风险。 当然这只是教育培训场景 ，我也在医疗科技成果转化场景在尝试。庸无质疑的是，企业交互数据是第一份价值，数据要素是第五生产力（劳动，资本，土地，技术）了。还有就是企业沉淀可复利的知识库了。这个更多是经验沉淀，特别是简单重复固定化的场景。 但自从用了chatgpt5.6的sol模型后，聪明程度让我汗颜，你投喂给他的高质量信息，他给你方案，都不需要你怎么改。人的价值是校正他，推演真实结果，而非概率。

把各种 API 封装成 MCP 中的 Skill， 可能对于大多数人来讲是有很大的难难度的。对于大部分人来讲还是用 Web 端来操作。智能体 Agent 是一种有效的途径。然后通过 Skill 或者是 CLI 的这两种模式，其实大部分人是用不到的，因为 CLI 的是开发的模式， Skill 是是一个集成的模式。但传统的 API 是可以通过 MCP 的 skill 化的。所以我会发现大部分人未来的重点是在 Web端,开发者可能是在这个 CLi和 Skill 化上。

Coding 和Agent目前成为AI应用层的共识，这源于国外Anthropic的实践引领，但这也离不开LLM的模型能力，C端难以看到变现机会，企业端的生产应用正在实践验证。这只是Ai软件，硬件，智能机械，这才刚刚开始，只是现在的进入门槛低，认知门槛高而已，场景改造周期即商业周期。

有一家中国AI公司Agnes面向全球搞全模态，供开发者免费调用Api，这真是中国式的策略换发展空间。 免费中转站吗？把流量引过来，在做付费转化吗？以这个策略切市场，需要多大资本呢？昨天的PR会是噱头吗？

AI原生柔性超组织实战感悟 今天实操落地，一口气搭建了50个智能体，彻底悟透了AI原生组织的核心逻辑，跟大家分享一下我的深度思考。 我们千万别把AI组织，做成跟人类、传统企业一样的层级架构，这完全是误区。 传统公司都是固定层级、固定部门、固定岗位，受限于人的精力、管理半径，才这么运转；但AI智能体，根本没有这些物理限制，拥有无限延展性，一个人可以掌控N次方数量的智能体，照搬传统企业架构，完全是禁锢AI的能力。 我的实战玩法：先给智能体设定清晰角色，绑定对应的工作流与专属任务，比如抖音、小红书、视频号各平台，细分选题、创作、运营三类智能体，精准分工。 没有固定的组织架构，完全以任务、成果为核心，需要做专题、做内容、做全域运营，就临时抽调对应智能体，灵活组队推进，任务完成就解散，没有任何部门壁垒和内耗，极致灵活。 管理上更不用挨个跟智能体交互，由主控智能体层层拆分任务、下发执行，我只做顶层决策、把控最终成果，轻松管控海量智能体。 这才是真正的AI原生柔性组织，抛弃所有固化的企业管理模式，一人掌控海量智能体，高效落地全域业务，彻底颠覆传统团队运营模式，未来个体商业的终极形态，就是这样。 类以此推，一个人可以实现操控上千个智能体，现在最大的问题是，这种Ai Native的超级玩法超级消耗Token，我今天一天的Token消耗等于一个月的消耗量。物理上部署我需要至少8个小时，AI不到2小时全搞定。 AI Native真正结合业务的耗散组织模式，回应了Agent的中心推理，边缘执行的逻辑。

智能体Agent + 多维表格 + Obsidian知识库 + GitHub资产仓库 + LLM大模型 这套五位一体的闭环组合，堪称当下数字化时代的王炸架构。 以LLM为核心大脑，多维表格承载业务流程与数据管理，Obsidian沉淀个人与企业全量知识体系，GitHub统一收纳代码、架构、项目资产，再由智能体全权串联调度、自动运转、自主执行。 全程轻量化搭建、自主可控、自由迭代、私有化可部署，不用捆绑昂贵、僵化、无法自定义的传统商业SaaS。 从知识沉淀、数据管理、业务流转、资产归档到智能自动化全覆盖，完整自洽、无限延展。 也正是这套组合，让我真切看到了传统通用SaaS逐步被替代、被颠覆、被重构的时代曙光，更是未来企业轻量化自建数字化体系的核心大势。

梳理了智能体Agent四层部署交互体系，也是我从前期摸索，到近一两周才彻底跑通、沉淀出的完整落地方案： 1. 一级：IM聊天端口 轻量化日常交互，主打便捷易用，适合日常问答、基础辅助、轻量化日常办公使用。 2. 二级：WebUI网页端 可视化界面友好，操作直观、功能完整，适合常规配置、流程查看、可视化管理交互。 3. 三级：Terminal命令终端 底层核心入口，面向代码调试、端口连通、服务启停、底层运维、深度指令管控，偏向技术底层能力。 4. 四级（最高阶）：Electron一体化桌面客户端 整合IM对话、WebUI管理、终端底层能力三位一体，也是最适配企业级私有化部署、政企内部应用、高端交付的终极形态。 从最初只会基础IM、网页、终端零散分散使用，到一步步探索迭代，最终落地统一桌面端闭环方案，彻底解决企业智能体多入口割裂、交互零散、部署杂乱的痛点，也是目前企业Agent落地最专业、最省心、最上档次的最优解。

有个明显的信号——字节AI战略在收敛，在聚焦。 这背后其实是Anthropic模式的溢出效应：不做大而全的通用平台，而是把资源集中到一个明确的价值主张上。 Anthropic证明了"聚焦＞铺面"这条路走得通。 这对做应用层的人来说是个机会窗口： 大厂聚焦底层模型和平台能力，应用层会留出更多空间 垂直场景的解决方案不需要跟大厂正面竞争，而是借力 谁能在大厂的"聚焦边界"之外快速卡位，谁就能吃到这波红利 大厂做减法，恰恰是应用层做加法的开始。

我接触到一家百亿企业的95%智能客服化，不到20人团队替代原来800人的人力客服。 当然也遇到一家GMV20多亿的企业不到10人的AI团队，2个月投入几十万，收获几乎为零。 大厂和第三方创业服务本质上都在同一起跑线上，各自优势并非明显，业务与技术的鸿沟很大，认知与行动的鸿沟很大，组织抗力遇到的卡点大于技术平权的敏捷实践，是这拉长时长和节奏。 现在AI在场景应用层，明显看到确定性的机会，一是AIG的视频流创作化，低成本创意撬动高红利吸睛；最佳实践案例，就是AI漫剧。 二是Agent全面实践化，从大模型后训练和垂直微调，特别是推理芯片的急需，加上专业数据训练，再到Agent架构不断丰富试错和完善，当算力成本低于人力成本，Agent摩擦力持续走低时，Agent 商业价值才能显现出来。

余温 @gkxspace

6 months ago

这两天在西安跑企业AI，和老板、高管、技术深度聊下来，也能反映出企业AI落地的真实状态。 表面上人人都在喊“AI降本增效”“数字化转型”，但实际推进充满了不确定性、阻碍和认知错位。 我把最近最集中的痛点，摊开口喷一下，欢迎各位老板和从业者对号入座👇 1.

102 55 315 42K 274

对于工作和事业而言，AI First是一种信仰~

@lidangzzz 太果断了

观察到一丝微妙的变化，Ai让人在回归，回归到没有电力人力算力的自然空间中。自然空间的场域，让人凝视。算力空间的场域 ，人被注视。宇宙深处，最好视而不见。 在人与AI自洽相处中，人机高效率是反人性的，活人感的意义在极致中被找回。AB的两面，AI损人，天道补人。物理的镜像空间，无法折射人的意识。 ​ 裂隙​斑驳的光影，川流不息的抖动，无机在有机之中，自然是最后的力量。

AI时代，一个公司的竞争力不再由短板决定——AI填平了所有短板，长板才是你的上限。组织变革最难的不是技术，是认知和心智的转变。 中间层这个层级会消失，但人会留下，只是从上传下达变成跨域判断。别和AI比谁厉害，让它弥补你的不足，把手弄脏亲自下场才是正解。 企业AI流程再造本质是资源重新分配，这是一把手工程，老板不下场做不成。不用焦虑蒸馏不蒸馏，关键是发现需求、解决具体人的具体问题，有没有真价值客户说了算。 一两个领域够用，但好奇心让你成为杂家，多元思维才是AI时代的护城河，在中小组织里特别吃香。 AI理解情绪目前还公式化，但对大多数人已经够用了。最后——出来混最重要的是出来，用AI最重要的是先用。