阿波罗首席经济学家:AI 尚未给科技七巨头以外的美国企业带来利润增量
阿波罗全球管理公司首席经济学家托斯滕 · 斯洛克发布研报指出,除了科技七巨头外,标普 493 指数成分股的利润率和人均营收基本持平,表明 AI 尚未给科技行业之外的大型美国企业带来实打实的财务回报与生产率提升。他认为普通企业很难将廉价算力转化为营收增速,且 AI 无法理解影响商业声誉的责任、信任与文化等核心要素。
阿波罗全球管理公司首席经济学家托斯滕 · 斯洛克发布研报指出,除了科技七巨头外,标普 493 指数成分股的利润率和人均营收基本持平,表明 AI 尚未给科技行业之外的大型美国企业带来实打实的财务回报与生产率提升。他认为普通企业很难将廉价算力转化为营收增速,且 AI 无法理解影响商业声誉的责任、信任与文化等核心要素。
Karina 认为 AI 降低了攻击成本,从而改变了软件安全的底层逻辑。由于推理成本仅需 100 美元,原本因攻击机会成本高而处于隐式安全状态的遗留代码,现在正面临全新的安全风险。
人工智能若取代人类工作,劳动者失去的将不仅是收入,因为工作本身也具有薪酬之外的价值。部分 AI 行业高管对该技术可能带来的经济动荡深感忧虑,其中 Anthropic 宣布将把 5% 的股份投入公共利益基金,用于向受影响人群分发资金。
IBM CEO Arvind Krishna 在财报电话会议上表示,开源权重模型目前能以闭源前沿模型 10% 到 25% 的 token 成本提供约 90% 的性能,使本地企业应用极具吸引力。他指出,绝大多数日常任务并不需要最高昂的闭源模型,这正推动企业对本地 AI 基础设施的需求激增。
软件开发的 Agentic 时代已经到来。 适应还是被淘汰
Neolab 的商业模式就是囤卡等涨价2-3倍 历史上这种事情发生的时候一般都是泡沫的顶峰 比如印度有一段时间,土地的价格不到一年涨了18倍 联动西班牙,美国一起涨价 接下来就是全球的房地产危机
从技术层面来看,这篇论文令人难以置信,或许超出了人类能够构思的范畴,但并未超出人类理解的极限
我认为不会存在那种人人都想使用的单一 AI。 ……我认为每个小企业都会想要拥有自己的 AI agent……很多创作者也会需要 agent ~ Mark Zuckerberg
过去几个月中,OpenAI 和 Anthropic 的多款 LLM 产品价格大幅下调高达 80%,引发了行业内激烈的价格竞争。这些价格降幅不仅适用于各项 API 服务,也涵盖了诸如 Codex 和 Claude Code 等订阅制智能体工具中的模型使用。与此同时,由于模型性能提升的速度快于价格下降的速度,整体支出反而呈现增长趋势。
周日 @bot 反馈帖。 现在 Grok bot 最烦人的是什么?请诚实、直言不讳。
威廉·吉布森 2020 年出版的科幻小说《Agency》中描绘了具备自主行动能力的实验性 AI 助手 Eunice。文章指出,随着 GPT-Live、Block 的 Dessa、OpenAI 的 Dots 以及 Meta 的 Muse 等全双工对话模型和 24/7 自主智能体的出现,小说中的场景正逐渐成为现实。
皮肤科医生测试了 GPT-6 Astra 和 Claude Fable 5.1 在 200 个活检证实的皮肤病变图像诊断中的表现,发现其准确率不及经过微调的 10 年前 CNN 模型 Inception v3。测试表明该 CNN 在整体正确率、恶性病变识别以及良性病变区分上均优于两款前沿 LLM。
有用户在 Hacker News 发起讨论,指出网络上 Agentic traffic 已超越人类流量,但构建的 AI 智能体仅有 10% 能够进入生产环境。他对此现象感到困惑,并询问导致大量 AI 智能体无法上线的主要瓶颈及相关基础设施的缺失情况。
随着科技与人工智能热潮推动股市上涨,美国财富不平等现象进一步加剧,其中排名前 0.1% 的超高净值人群在 2026 年前两个季度攫取了大部分财富增幅。Pew Research 在 2026 年 10 月发布的一项调查显示,约 60% 的美国人认为国内存在过度的不平等。研究表明,税收政策以及医疗补贴失效和能源成本飙升等因素,将更高的成本转嫁给了中低收入群体。
AI 实验室通过廉价模型和开源生态摧毁了软件公司的商业模式,导致传统软件收费站失去收入来源。大模型以极低价格向大众提供高性价比的编码能力,反而瓦解了本应为高价智能买单的客户基础。开源和开放权重模型的普及打破了人工智能的人工稀缺性,使 AI 实验室陷入既无法大幅涨价又无法维持低价补贴的两难困境。
康奈尔大学数学教授 Steven Strogatz 在《大西洋月刊》撰文,分享了在 OpenAI 宣称通过万级 Agent 连续运行 88 小时攻克 Navier-Stokes 千禧年数学难题后面临的行业危机与思考。他指出数学不仅是工具,更关乎人类精神,而这一突破让数学界迎来了前所未有的转折点。
Apollo Global Management 首席经济学家 Torsten Slok 表示,除科技巨头外的绝大多数美国企业并未从人工智能中获得财务回报。他指出,S&P 493 的利润率和员工人均营收保持平稳,没有证据表明 AI 正在提升生产力,且企业将廉价智能转化为营收增长和利润率提升将面临困难。
I love how for every new @bot feature announcement people go and tag to set it up 🚀
针对近期开发者对 AI 智能体编程迅猛发展及职业前景的焦虑,有用户在 Hacker News 发起讨论,呼吁社区寻找应对和放缓这种发展速度的方法。部分评论则建议拥抱这一趋势,将手工作品留在个人项目,在工作中充分利用提示词。
加州大学伯克利分校数学教授、菲尔兹奖得主 Richard Borcherds 近期因学生普遍使用 AI 获得高分而停止批改作业正确性,改为仅按完成情况打分。他表示,在 AI 快速发展的背景下,未来人类数学家可能难以超越 AI,这令他对是否还应鼓励学生选择数学专业感到迷茫。此外,伯克利学术参议院表示校内对 AI 工具的使用政策交由教师自行决定,目前尚无统一的标准化检测工具。
使用 Grok @Bot 的最好方法是假设你正在雇佣一个超级能干的员工
一篇探讨 AI 时代封禁后果的文章引发讨论,审视了当个体在数字或经济生态中被封禁时面临的生存困境。相关讨论聚焦于未来社会中技术依赖与经济价值的紧密关联。
作者在四十岁时意识到,随着人工智能的普及与 agents 的成熟,他曾经追求的各种工程挑战已不复存在。现在他不再需要证明自己能否实现某个项目,而是能够专注于思考究竟该去做什么。
我在大企业中看到 AI 带来的一个现象是,能够直接监控整个公司的中高级管理人员的角色和控制范围正在扩大。 这极大地改变了公司运营。 而且与公司重组相比,它实施起来很简单。
谷歌 DeepMind 高管莱拉 · 易卜拉欣表示,公司招聘正愈发重视课堂之外的持续学习经历。她指出,多项资历能够反映求职者的持续学习心态与好奇心。随着 AI 降低了获取答案的成本,多样化学习经历有助于培养提出好问题的能力。
Interconnects 播客探讨了 Kimi K3.1 Pro 取得的混合反响、开放权重模型的网络安全风险及行业新现实。播客提到该模型在 Artificial Analysis 上表现突出,权重预计于 11 月 4 日前发布,但其营销活动引发了争议。节目还讨论了 Terminal-Bench Science 和 ProgramBench 等长周期评估基准。
不错的讨论串,一些闭源实验室使用的强化学习细节正在慢慢泄露出来。