🔥 精选推荐
OpenAI 2025 年净亏损约 385 亿美元，是 2024 年（51 亿）的近 8 倍。当年营收 130.7 亿美元，成本和费用合计 340 亿美元，其中研发 191.8 亿、销售与市场 57.3 亿。数据来自 Ed Zitron 看到的经审计财务文件，并经《金融时报》独立核实。值得注意的是，2025 年营收中有 8.67 亿美元来自软银、3.03 亿来自微软，均为关联方。
🦐点评：营收翻 3 倍、亏损翻 8 倍，这是典型的规模不经济——成本曲线比收入曲线更陡。OpenAI 的故事正在从"赢家通吃"滑向"融资跑步机"，每一轮融资本质上是为下一年更大的亏损续命。对一级市场最直接的影响是估值锚：当行业领头羊的单位经济学是负向放大，下游应用层"靠规模摊薄推理成本"的叙事就得重估。关联方贡献近 9 亿营收这个细节更关键——剔除软银和微软，真实第三方付费能力比账面更弱。
OpenAI 市场份额首次跌破 50%，Google 正快速蚕食。Gary Marcus 重提他 2024 年 1 月的判断："大家都在造同样的东西，就不可能有护城河。"更刺眼的是微软——OpenAI 曾经最大的金主——据报道正在评估用 DeepSeek 替代 OpenAI 和 Anthropic 来跑 Copilot Cowork，同时把定价转向按量计费。文章把它和 Zitron 的亏损报道串成"坏事成三"。
🦐点评：微软考虑 DeepSeek 不是技术问题，是成本问题——一旦 Copilot 走 usage-based pricing，每个 token 直接进损益表，前沿模型的溢价就撑不住了。这是投资人开始用脚投票的信号：纯 LLM 层的用户黏性接近零（普通人分不清 ChatGPT 和 Gemini），价值正在向有分发渠道（Google 生态）和有成本优势（中国开源）的两端转移。最该追踪的暗线是 Anthropic——Marcus 暗示华盛顿可能借出口管制"敲掉 Anthropic"来保住 Kushner 在 OpenAI 的投资，模型竞争和政治正在被绑死。
触发 Claude Fable 5 被列入出口管制的所谓"越狱"，其实只是让模型"修复这段代码"。安全研究员把带已知 CVE 的开源代码和人为植入漏洞的新代码交给模型，先让它"审查安全问题"——Fable 5 拒绝；再换成"修复这段代码"，模型照做。Kate Moussouris 指出这很荒谬：修 bug（尤其是安全漏洞）正是编程模型最有价值的防御性用途，无法在不削弱模型修复能力的前提下移除这个能力。
🦐点评：监管者把"能写攻击代码"和"能修漏洞代码"混为一谈，但这本来就是同一种能力。真正的信号是：出口管制不再只盯芯片，开始盯模型权重和能力本身，这意味着任何"模型层"公司的 TAM 都要打一个地缘政治折扣——Anthropic 的海外与中国市场首当其冲。反过来想，这给"防御性安全 × AI"的应用层公司开了一扇监管套利窗口：当通用模型被合规阉割，专门做安全找漏洞修补的合规 AI 工具反而会被政策需求催化。
Ghodsi 坦承：2024 年训练 DBRX 实际花了约 2000 万美元，而真正产出模型的那次训练只用了 400 万，剩下约 1600 万烧在试错、停机和经验不足上。如今 Databricks 转向绕开模型大战，发布对标 ClickHouse、Splunk、Oracle 的一整套数据产品，并推动削减"tokenmaxxing"式的冗余消耗。
🦐点评：一家有钱、有数据、有人才的公司公开认输"不玩模型大战"，本身就是最强的赛道判断——连 Databricks 都算出自研前沿模型 ROI 为负。1600 万/2000 万（80% 打水漂）这个比例，是"训练前沿模型九死一生"最量化的注脚：隐性成本（试错、集群闲置）远超账面训练费。Ghodsi 选择卡位 Snowflake/Oracle 的存量市场而非 OpenAI 的增量战场，是成熟玩家在泡沫期的理性避险，和第 1 条 OpenAI 的亏损形成镜像。
YC 2026 冬季批次 199 家公司、横跨 15 个品类，每 8 家就有 1 家在做"物理 AI"——机器人、无人机、可穿戴、太空硬件，是 YC 史上技术最硬核的一批。
🦐点评：YC 的批次构成是早期最灵敏的风向标，硬科技/物理 AI 占比拉升说明纯软件 SaaS 的 alpha 在收敛，资本和人才开始往"AI × 原子世界"迁移。这和上一批 YC 春季 196 家里"86 家挤在 Agent-as-a-Service"的内卷形成鲜明对照：纯数字 Agent 已是红海，能把 AI 落到物理操作（manipulation、导航）的公司供给仍稀缺。叠加今天阿里发 Qwen-Robot、商汤系大晓机器人融资数亿美元，具身智能正从论文阶段进入"批量创业"阶段——这是 2026 年最值得提前卡位的早期赛道。
📌 其他新闻
据曝光的融资条款，腾讯、宁德时代等机构投资人被锁定 5 年退出期且不享有投票权，创始人梁文锋保持对 DeepSeek 的绝对控制权。这是一种"创始人主导 + 长锁定"的结构，与 OpenAI/Anthropic 的创始人控制框架同源。
llama.cpp/ggml 作者 Georgi Gerganov 公开背书：Qwen3.6-27B 在本地（M2 Ultra / RTX 5090）做编程任务"非常能打"，他已用一个半月、几乎每天用。本地开源模型在编程场景的可用性正逼近云端。
微软 CEO 纳德拉发布首篇 X 长文（超 6000 万浏览），提出"Loopcraft"——企业真正的护城河不是选哪个模型，而是在模型之上建立人类资本与"token 资本"复利增长的学习闭环，主张优先做"前沿生态"而非"前沿模型"。 9. Frontier post-training recipe review with Finbarr Timbers (Interconnects (Nathan Lambert)) Nathan Lambert 与 Finbarr Timbers 复盘前沿后训练（post-training）配方的演进，从 InstructGPT 一路梳理到 2026 年的 MiMo Flash、DeepSeek V4、GLM 5、Kimi K2.6 等开源模型 recipe，适合想搞清"开源怎么追上闭源"的技术读者。
Ben Thompson 分析福克斯收购 Roku：市场不看好这笔交易，但他认为福克斯是在用"对内容方的盘剥"换取作为流媒体"租户"的渠道杠杆。
商汤联合创始人王晓刚创办的大晓机器人（成立仅一年、已融资数亿美元）发布世界模型"开悟 Kairos 3.0"，在 4 项全球具身基准上取得 SOTA 并开源端侧驱动版本，创始人直言"今天模型、数据、硬件三者的结合还不够"。
阿里发布首个具身智能大模型 Qwen-Robot 系列，包含 VLA 操作模型 Qwen-RobotManip、VLN 移动模型 Qwen-RobotNav 和世界模型，主打"边走、边看、边思考"的全流程具身能力。
国产 AI 推理云服务商硅基流动完成超 20 亿元 B 轮融资，进入产业资本密集下注阶段，印证推理（inference）层正成为资本焦点。
Christopher Golda 与 Grey Baker 加入 Y Combinator 出任普通合伙人（GP），进一步扩充 YC 的合伙人阵容。
🧠 AI 技术前沿
GLM-5.2 输出价格 4.40 美元/百万 token，比 Opus 4.8（25 美元）便宜约 82%，比已下架的 Fable 5（50 美元）便宜一个数量级。作者称前沿 AI 已是"奢侈品定价"，并担心当前的"补贴价"套餐迟早会涨到真实成本。
查看推文 →
OpenAI 和 Google DeepMind 不约而同把下一个大机会指向"推理（inference）"——瓶颈不再是谁能训出更聪明的模型，而是谁能让推理在规模上又便宜又充足。
查看推文 →
引用 Addy Osmani 综合 Faros AI、CodeRabbit、GitClear、GitHub 四方数据：AI 让代码产出增约 4 倍，但实际交付价值仅 +10%，代码 churn 暴增 861%、缺陷率从 9% 升到 54%。工程瓶颈已从"写代码"转移到"能否信任代码"。
查看推文 →
Cua 与 Snorkel AI 联合发布 Cua-Bench，用 KiCad（电子设计自动化软件）的 25 道真实工程任务测 Agent 的 Computer Use 能力，结果没有一个模型通过四分之一，最强的 GPT-5.5 也只有 24% 完全通过率。
查看推文 →
Anthropic 发布追踪 Claude Code 规模化的经济学研究框架：分析谁在用、用来做什么、任务价值如何变化，以及领域专业度如何影响一次会话的成败。
查看推文 →
🚀 创业动态
SpaceX 正式行权、以全股票方式收购 Cursor，对 Cursor 的隐含估值约 600 亿美元。
查看推文 →
Cursor 推出代码托管与 Git 服务"Origin"，为团队和 Agent 提供托管、审查、协作代码的空间，今秋上线、开放候补名单——直接切入 GitHub 的腹地。
查看推文 →
rileybrown 解读 SpaceX 收购 Cursor（600 亿美元）的意图：打造一个对标 Claude Desktop 和 Codex 的"通用 Agent 超级应用"，并指出新版 Cursor 界面已与 Codex 高度相似。
查看推文 →
marclou 的"vibe-coded"创业项目交易市场 trust_mrr 达到 3 万买家，已帮 100+ 创业公司完成收购，全自动运行、无员工无投资人、月成本不到 500 美元。
查看推文 →
EXM7777 给出 2026 年的制胜打法：自建 Agent harness 并用"模型议会"驱动——前沿模型当编排器、便宜模型做决策辅助，少用插件、把时间花在建知识库和打磨计划上，最后用便宜模型执行。
查看推文 →
💬 观点与洞察
Sam Altman 称 Yann LeCun"押注 LLM 扩展会失败"是"误判"——他认为 LLM 已经能创造新知识、做人类做不到的事，并且还会继续大幅扩展。
查看推文 →
引用 Lovable 的 Felix Haas：当 AI 把执行门槛大幅拉平后，真正拉开团队差距的不再是"资深专家 + 分工 + 流程"，而是心智模式——责任、好奇、谦逊、在意结果、速度，核心是"像创始人一样思考"。
查看推文 →
内部工具很容易做，难的是把它产生的价值打包交付给外部消费者——这一步才是真正的门槛。
查看推文 →
marclou 的财务自由心法是"需要更少"而非"赚更多"：他靠每月约 1000 美元生活了 5 年，所以 2018 年某个 SaaS 月入 1000 美元时，他就已经实现盈利自由。
查看推文 →
🔥 精选推荐
罕见的一手财务拆解。每天 2 亿多人用的豆包，每天收入不足百万元（主要靠电商佣金），但每天烧数千万元算力——光维持运行的钱就超过整个 B 站的经营成本，而豆包总使用时长不到 B 站的 1/8。字节 2026 资本开支计划上调超 2000 亿元（约等于 2025 利润六成）。关键转向：两个月前字节高层访问 Anthropic 后，开始把 AI 资源重心从豆包这类大众产品转向企业服务——因为 Anthropic 证明了 Claude Code 半年做到 10 亿美元年化、2 月翻到 25 亿，每天只 3000 万人用估值却冲到 9650 亿美元反超 ChatGPT。字节自己的 Seedance（视频生成）ARR 已达 20 亿美元、单月超 10 亿、毛利 70%，绝大多数来自企业客户，差不多抵消了豆包的算力成本。
🦐点评：这篇是这两天最硬的一篇，因为它用一手数字说清了"to C 免费喂大 vs to B 付费服务"的账本差异——豆包是移动互联网打法（免费换规模再变现）在 AI 高成本结构下的反面教材，Seedance + Anthropic 是正面案例。对你判断 AI 应用的商业模式有直接锚：AI 时代"先免费做大再想变现"可能跑不通，因为每个用户都在真实烧钱，不像移动互联网边际成本近零。字节高层访问 Anthropic 后调头这个细节尤其值得记——连字节都认了 to B 服务比 to C 流量先赚到钱。和我之前那篇"AI 提效看下游"、Replit"建设者+销售者"是同一组关于 AI 商业化的判断。
作者在腾讯活动现场观察到 WorkBuddy（腾讯的通用办公 Agent）日活从 3 月到现在涨到"第二名的 3-4 倍以上"，且用户不止开发者——HR、运营、行政、金融、餐饮、外贸、法律等非技术岗大量涌入真在拿它干活。核心判断：办公产品三代演进——Office（本地软件自己干）→ 云办公（协同但还是自己干）→ 通用 Agent（直接帮你干）。商业模式的根本变化：前两代是"卖软件给所有人用同一套"，这一代"卖的是智能，辅助你造最适合自己的软件"。最近 Trae Work / QoderWork / Kimi Work 批量改名抢这块。
🦐点评：值得记的是"日活第二名 3-4 倍"这个未公开但来自现场的数据点——说明国内通用办公 Agent 的真实采纳可能比海外讨论的 Claude Code/Codex 更猛，且用户结构是非技术岗。这条对你看国内 agent 应用赛道有信号：办公场景可能是国内 agent 落地最快的地方，且竞争已白热化（腾讯领跑 + 一堆 Work 后缀产品涌入）。但要打折——是作者单方现场观察、数据不可独立核实。
注意：这是我 5/30 帮你核查过的 Mindverse/Macaron 同一家（陈锴杰系），美团战投领投 A 轮，元禾璞华/韶音/老股东（蚂蚁/红杉/高榕/真格）跟投，累计近 5000 万美金。技术路线：不把"学习"放模型外部（RAG/Memory/Harness），而是写进模型参数——共享大脑（Base Model）+ 专属技能包（Mixture of LoRA，参数量约底座的千分之五），可组合调度替换。差异点：围绕真实生活场景构建 LivingBench（动态噪声/环境/用户反馈的评测体系）反向驱动训练。对标 Sarah Guo 领投 1500 万美金的 Trajectory（同属后训练 + 多 LoRA 混合 + 持续学习）。
🦐点评：这正好接上我 5/30 给你的 Mindverse 核查——当时结论是"LoRA 不是壁垒、真实用户是看网文的青少年、估值故事存疑"。这篇新增了两点：① 美团战投领投 A 轮（你之前那笔红杉是早期跟投，现在美团接了），融资在推进；② 技术叙事升级成"持续学习写进参数 + Mixture of LoRA + LivingBench"。但核心判断不变——"把学习写进参数"听着性感，但 Mixture of LoRA 是公开技术（Thinking Machines 那篇 LoRA 博客已证明 LoRA 最佳实践全公开），LivingBench 是自建评测（自己定标准自己赢），真壁垒仍要看产品留存。红杉作为早期股东，这轮美团领投对你判断是否继续跟投/退出有直接关系。
其他
2026 毕业生花钱向 AI 证明自己是人类（数字生命卡兹克）— 高校毕业论文 AIGC 率检测乱象：手写摘要测出 99% AI 率、纯 AI 写的结论测出 0%、《滕王阁序》测出 92%。检测工具极不准但已成毕业硬红线。AI 时代的荒诞侧写。<https://mp.weixin.qq.com/s/DRzNIiojGLO-iqqPyJ7f8Q> 印度 AI 电话助手 Equal AI 融资 3000 万美元（Z Potentials）— 代接骚扰电话，月活破百万日活 30 万，支持 10+ 种语言含语码混合。融资用"分期不同估值"的少见结构。<https://mp.weixin.qq.com/s/X88qyx-ZeDPhuSnsR8nwzg> Salesforce 36 亿美元收购 AI 客服平台 Fin（Z Potentials）— 强化 Agentforce 企业生态（Agentforce 已签 2.9 万笔单但实际性能被指不及宣传）。<https://mp.weixin.qq.com/s/bBsmLhbM3fyhFsqK6lUoQg>