过去两周,美国发生了三件看似不相关的事:中期选举投票、芝加哥街头的抗议、以及一位 AI 安全倡导者被曝出可能参选总统。把它们放在一起看,会发现 AI 智能体的社会风向正在发生质变——对 AI 的怀疑不再停留在评论区和专栏里,而是开始变成选票和街头行动。

第一件是选举。11 月 3 日投票结束后,民主党重夺参众两院;Politico 的报道指出,许多胜选者打出的正是”数据中心反弹”和”对大科技的怀疑”牌。Political Wire 进一步披露,前俄克拉荷马州众议员、AI 安全倡导者 Brad Carson 很可能以此为纲领参选总统,其背后赞助力量的判断很直白:中期选举的结果让 AI 安全派感到”前所未有的底气”。要知道,在此之前,华盛顿对 AI 的默认立场是”不能监管太快、怕输给中国”;如今”管制 AI”第一次成了能赢票的政纲,而不是竞选负资产。

第二件是校园。11 月 11 日,芝加哥和剑桥两地的家长、教师和学生聚集在 Google 办公室外抗议,口号是”Hey Google, nice try. We don’t want your Gemini”。导火索是 Google 本月早些时候表态:禁用 AI 的学校将连搜索功能都无法使用,因为 AI 已深度嵌入搜索产品。芝加哥公校正在研究如何”独立屏蔽”搜索里的 AI 概览,如果做不到就”寻找其他搜索方案”。《The 74》的报道里,一名 16 岁学生的话很有代表性:”我们需要的教训和反馈,应该来自 CPS 聘请的、热爱教学的人,而不是一个只会当应声虫、从互联网上拼凑随机来源给出荒谬答案的机器人。”

第三件是民调。Debevoise & Plimpton 律所 2026 年 3 月的报告引用了两组数据:Pew Research Center 的调查显示,只有 17% 的美国公众认为 AI 会在未来二十年对美国产生正面影响;YouGov 去年 12 月的调查则显示,只有 5% 的美国人”非常信任”AI,26%”比较信任”。这组数字为前两个事件提供了底色:选举和抗议不是少数人的情绪,而是接近主流的态度。

风向变化的实质是什么?过去一年,AI 智能体的主流叙事是”效率与收益”——企业用它省人、用它进账。但社会账本另一栏的支出也在累积:数据中心耗电耗水进校园议题,AI 生成内容泛滥让家长对搜索引擎失去信任,”智能体失控”的案例(如 Hugging Face 生产环境被智能体入侵事件)从科幻变成了新闻。当怀疑者还只是在网上发帖时,产业可以无视;当他们开始投票、集会、把”管 AI”写进竞选纲领时,监管的闸门就有了政治动力。

当然,这并不意味着 AI 发展会急刹车——正如本系列此前的文章所写,企业侧的智能体落地与商业化仍在加速。但有一点正在变得清晰:AI 智能体已经长大到必须面对”社会许可证”的问题。技术跑多快,不再只取决于模型多强、资本多厚,还取决于公众是否愿意继续给它让路。对于从业者来说,这可能是比任何基准测试都重要的一个”新指标”。


参考链接:

“AI 智能体能赚钱吗?”——这个问题在 2026 年的财报季终于有了可以点名的答案。10 月 28 日,企业工作流软件巨头 ServiceNow 发布 Q3 财报,其中最醒目的一组数字与利润表无关,而是关于智能体:公司将 2026 年全年 AI 合同额(ACV)目标第二次上调至 17 亿美元——年初这个数字还是 10 亿,三个月前是 15 亿。

先看这组数字的分量。ServiceNow 的 AI 净新增合同额同比增长 65%;单笔超过 100 万美元的 AI 交易数量同比增长 4.5 倍;一次覆盖五个以上 AI 产品的大单增长 8.5 倍;第三季度单季就拿下 19 笔超 500 万美元的合同,同比增超 135%。管理层给出的解释很直白:客户不只是”买了放着”——年初至今,生产环境中智能体(Agentic AI)的实际消耗量同比增长超过 13 倍。合同在签,用量在涨,这才是可持续收入的样子。

为什么 ServiceNow 能收到真金白银?关键在于它的收费模式。它不是按人头收一笔死订阅费,而是”订阅 + 按用量”的混合计费:智能体在客户的真实工作流里跑多少,就收多少。CFO Gina Mastantuono 在财报电话会上把逻辑讲得很清楚——正因为生产环境的智能体消耗涨了 13 倍,客户是在真正”跑”这些软件而不是买回去闲置(shelfware),用量费才能对冲传统工位订阅的放缓。一句话:它卖的不是 AI 功能,是 AI 干活的计件工资。

这对”智能体能不能商业化”的争论是个标志性样本。同期其他厂商的数据也在印证这个趋势:Salesforce 的 Agentforce 年化收入超过 15 亿美元、同比增长 240% 以上;AI 原生公司 Sierra 单季度新增 1.5 亿美元 ARR——相当于 ServiceNow 全年 AI 目标的近 9%。企业正在为”智能体干活”持续付费,而且付的是大钱、长合同。

当然,故事也有另一面,而且同样值得记录:财报发布当天,ServiceNow 股价盘前大跌 18.7%,此后累计跌幅一度达到 32%。跌的原因不是 AI 收入不行,而是传统订阅业务的短期积压订单增速放缓、云托管成本上升。这个反差本身很有信息量:市场已经认可 AI 智能体能进账,但开始要求公司证明——AI 赚的钱,够不够补上旧业务被侵蚀的部分。据 TIKR 统计,财报后 CFO 甚至公开称”AI 颠覆担忧是虚假的”,但市场用真金白银投了自己的票。

回到开头的问题。ServiceNow 的一年两度上调说明:在 IT 运维、客服、人力资源这些流程明确、结果可验收的场景里,智能体的收入已经不是 PPT 数字,而是写进合同的 ACV、跑在产线上的消耗量。17 亿美元大约占其全年订阅收入的十分之一——比例还不算大,但增长斜率足够陡。智能体商业化的上半场是”证明它能用”,下半场是”证明它赚到的钱比它吃掉的多”。ServiceNow 的财报第一次把两个半场连在了一起。


参考链接:

11 月 5 日,Perplexity 上线了一款名为 Teammates 的新产品:面向工作的个人智能体。CEO Aravind Srinivas 在发布推文里说得明白——它要”把交互范式从在会话里写提示词,变成给出高层目标”。这句话听起来像常规的产品宣传,但接下来三十天公司内部的一组数字,让它变得不一样。

先交代一下 Teammates 是什么。它不是一问一答的聊天机器人,而是长驻在 Perplexity Computer 里的”持久型”智能体:每个 Teammate 拥有自己的隔离环境和加密凭据,继承用户的项目、记忆和技能,能规划项目、跟踪进度、在事态变化时主动行动,还能与其他 Teammate 协作、在 Slack 里给真人同事发消息。按官方说法,默认行为偏向”安静做事、动手前先请示”,而不是无约束地自主行动。

真正值得关注的是 dogfood(内部试用)数据。Srinivas 11 月 5 日至 6 日接连公布:过去 30 天里,Perplexity 内部工作区跑出了约 10,000 个 Teammate,是公司员工人数的 20 倍,单日活跃约 1,000 个;员工从中位数的”智能体工作时长”来看,已达到 9 月的 7 倍,五分之一的员工每周使用超过 40 个智能体小时。另一路报道显示,产品发布次日(还是个周五),Teammates 的自动化运行量就增长了 3.7 倍,Srinivas 称”使用两天后就在这个角色上实现了即时 PMF”。

这些数字该怎么读?第一,使用场景是实打实的”幕僚工作”:日历管理、邮件跟进、邮件分拣、与供应商协调、每日简报、会议准备、规划工作重点——Srinivas 的形容是”像世界级幕僚长或行政助理一样被使用”。这类工作不占 headline,但占了知识工作者大量碎片时间,恰恰是智能体最容易先啃下来的骨头。第二,7 倍智能体时长并不等于 7 倍产出,但结合”发布次日运行量增长 3.7 倍”这种黏性曲线,至少说明它不是发布日的烟花,而是被持续使用的工作习惯。第三,Srinivas 也坦承 10,000 个 Teammate 中相当比例处于休眠状态——这反而增加了数据的可信度。

放在更大的图景里看,Perplexity 不是唯一玩家。同一时期,Anthropic 的 Duet、OpenAI 的常驻型智能体都在挤”永远在线的同事”这条赛道,国内月之暗面也刚刚发布 Kimi Hosted Agents,把”让智能体 7×24 稳定跑起来”的托管环境做成商品。行业竞争的焦点,已经从”谁的模型更聪明”转移到”谁的智能体能在真实工作流里持续交付”。

Teammates 的实验给我们的启发其实很朴素:智能体提升效率的第一步,不是替代谁,而是接管那些没人愿意做、却必须有人做的协调与跟进工作。当一家公司给自己配了 20 倍于员工数的”数字同事”,并且五分之一的人每周让它们干满 40 个小时——效率革命有没有发生不好说,但工作方式确实已经变了。


参考链接:

过去一年,科技圈对 AI 智能体的叙事几乎只有一个方向:革命、颠覆、十倍提效。但在刚刚过去的两周里,风向明显变了——从媒体到资本市场,质疑的声音第一次盖过了吹捧的声音。这种变化本身,可能比任何单条新闻都更值得记录。

风向转变的第一个信号,来自一组扎眼的基准测试数据。 11 月 8 日,阿里巴巴联合五所高校发布 Co-Design Bench:从真实用户的应用编辑会话中提炼出 273 道任务,并用 23,314 条隐藏验收标准来打分,考察智能体”从需求到交付”的完整能力。结果令人清醒——最强的 GPT-6 Astra 完全通过率只有 26.4%,Claude Opus 5 为 18.3%,Qwen3.8-Max 16.5%,Kimi K3 15.8%,Grok 4.6 更是只有 6.6%。要知道,在旧有代码基准上,这些模型早已刷到 99% 以上、趋于饱和。一边是演示视频里行云流水的智能体,一边是真实任务里四分之三需要人类返工的交付物——“AI Coding 工程师”的成色,正在被重新评估。

第二个信号来自评论界的反思。 虎嗅 10 月 31 日的一篇文章《AI 是一种悦己经济?》提出了一个刺耳但值得咀嚼的判断:AI 做的事情,本质上是”让智能不再稀缺”,而不稀缺的东西往往就没价值。文章指出,AI Coding 让代码生产效率提升了十倍,但软件产品的收入并没有同步增长十倍;很多人热衷的 vibe coding,与其说是 save time(省时间),不如说是 kill time(杀时间)——它满足的是创造的快感,而不是生产的刚需。当”人人都能用一句话生成应用”,应用的稀缺性和溢价也就随之瓦解。

资本市场的反应则是第三个信号。 自 10 月初高点以来,纳斯达克 100 指数已回落超过 10%,高盛在研报中甚至将这波抛售类比为 1998 年长期资本管理公司(LTCM)危机时的平仓潮。叠加 SemiAnalysis 的 GDPx 基准测试——智能体在经济类任务上的得分普遍不超过 12%——“AI 叙事透支”成为机构讨论的高频词。

当然,风向转变不等于风向反转。Co-Design Bench 的设计者自己也强调,26.4% 的正确率相比去年仍是巨大进步;质疑的价值在于挤掉泡沫,而不是否定方向。但评论界的共识正在形成一个新的框架:评价 AI 智能体,不该再看它演示时多惊艳,而要看它在无人盯守时能独立交付多少合格工作;不该再为”智能”本身付费,而要为”稀缺的结果”付费。

对从业者和投资者来说,这比任何一轮技术发布都重要——因为风向变了,钱和注意力就会跟着变。


参考链接:

收入是真的

10 月 29 日,昆仑万维发布 2026 年三季报。据 36 氪 10 月 30 日报道:前三季度公司营收 89.37 亿元,同比增长 53.96%,归母净利润扭亏;其中天工 AI 业务收入 43.21 亿元,同比大增 168.29%,带动第三季度毛利率提升至 74.41%。

最亮眼的数字属于 AI 短剧。据剧短短 10 月 31 日梳理,昆仑万维 AI 短剧平台单月流水从 6 月底的 6500 万美元,涨到 9 月的接近 1 亿美元,三个月几乎翻番。据 SensorTower 统计,前三季度其 AI 短剧平台整体 MAU 位列海外短剧市场第一,免费平台 FreeReels 稳居出海短剧应用下载量首位。

这也是三年前”6 人团队月产 5 部”那类作坊故事的公司化验证——上一次我们写短剧智能体还是国金证券测算的案例,如今 A 股公司已经把这件事做成了季度收入十几亿元的生意。昆仑万维董事长方汉在央视财经专访中给出的成本账依旧惊人:一部真人短剧拍摄成本约 200 万元,用自家视频大模型 SkyReels 制作,成本下降 20 倍。

账单也是真的

但如果只报道收入,这篇文章就失职了。腾讯新闻”公司研究室”和剧短短的两篇报道都指出了同一件事:增收不增利。前三季度公司扣非净亏损 15.46 亿元,仅第三季度就亏 10.88 亿元。

钱去了哪?答案是买量。据剧短短统计,第三季度销售费用 24.78 亿元,同比增 133%,占当季营收的 69.26%——相当于当季毛利的 93%。也就是说,短剧放量带来的毛利,几乎全部交给了广告平台和应用商店,剩下的还要覆盖研发、管理和财务费用。公司创始人周亚辉承认月均算力投入超亿元,但表示”对未来三年内实现盈利持乐观态度”。

怎么理解这门生意

这组矛盾的数据恰好勾勒了 AI 内容生意的真实形态:生产端已经被智能体彻底改写(DramaWave 9 月上新剧集 95% 以上由 AI 生成,用户单日使用时长超 40 分钟),但获客端仍是传统互联网打法——谁花的买量钱多,谁的市场份额就大。AI 省下的是制作成本,不是流量成本。

澎湃新闻 11 月 3 日的报道提供了行业视角:DataEye 数据显示,2026 年海外短剧市场本土内容占比从 32% 攀升至 53%,AI 是推动这一变化的核心因素;但”出海先行,盈利滞后”是行业通病。昆仑万维是跑在最前面的一个,也最早撞上了这堵墙。

冷思考

对观察者来说,昆仑万维的价值不在于它赚没赚钱,而在于它第一次把”AI 短剧”这门生意的完整财务结构公开在了阳光下:收入曲线有多陡,成本曲线就有多陡。单月 1 亿美元流水证明用户真的愿意为 AI 生成的故事掏钱;近七成营收拿去获客,则提醒所有人——当生产不再稀缺,稀缺就转移到了分发。这门生意的终局,取决于谁能先打破买量依赖,而那就是另一个故事了。


参考链接

  1. 生益电子:第三季度归母净利润 8.01 亿元(含昆仑万维三季报要点)— 36氪(2026-10-30)
  2. 昆仑万维三季报出炉,AI 短剧单月流水逼近一亿美元成天工核心载体 — 剧短短(2026-10-31,含销售费用分析)
  3. 短剧概念股昆仑万维股价涨幅超 10%,天工 AI 收入 43.21 亿同比增长 168% — 腾讯新闻/公司研究室(2026-11-02)
  4. AI 短剧概念掀涨停潮:出海先行,盈利滞后 — 澎湃新闻(2026-11-03,引述 DataEye 数据)
  5. 昆仑万维单季营收创历史新高,天工 AI ARR 迈向 10 亿美元 — 同花顺(2026-11-02,含方汉央视财经专访引语)

看不见的产线,最先被智能体接管

晶圆厂里最容易被忽视的,不是光刻机,而是”幕后”的公用工程设备:超纯水系统、冷水机组、特种气体和化学品供给装置。它们不参与制造,但任何一台故障,轻则晶圆污染,重则整线停摆——超纯水里混进极微量杂质,一批货就报废了。

据快科技 10 月 26 日援引的报道,英特尔把多组 AI 智能体引入了晶圆厂的核心公用设备管理,由 Seeq 平台统一调度。过去近 8 个月的实测结果:设备异常征兆的检出速度提升 30%,仅这一个场景每年就能节约约 750 万美元(约合人民币 5032 万元)。

智能体在这里怎么干活

这套系统的分工很能说明”智能体”与”普通监控软件”的区别。NuAxi 10 月 26 日的中英文报道给出了细节:Seeq 平台作为协调器,接入英特尔全球约 70 处厂区的系统,整合了 6500 万至 7000 万条时序信号标签;监测到异常后,系统自动完成原因分析、汇总历史同类案例,并生成作业指令初稿,最后由工程师审批确认。

换句话说,智能体干的是”排查”这件最耗工程师时间的事——以前要在多个系统间来回切换、人工比对趋势,现在拿到的是一份带原因分析和历史案例的处置建议。据快科技报道,自动生成工单把技术人员工作量降低了 15%—20%,每年节省超 12 万工时;顺手还带来了能源侧的优化:冷水机组效率提升约 15%。目前每周约有 1000 名英特尔工程师在用这套系统。

为什么这个案例值得单独看

过去写过的效率案例,大多发生在写字楼里:解析研报、处理工单、写会议纪要。英特尔这个案例不同,它指向的是工业设施的”预测性维护”——一个存在二十多年的老概念,直到多智能体协作才真正跑通。原因恰恰是智能体的”多步执行”能力:异常识别只是第一步,后面跟着归因、检索历史案例、起草工单、提交审批,这一串动作过去需要人在四五套系统之间接力完成。

另一个看点是规模带来的复利。70 个厂区、上千万条信号标签,靠加人是填不平的;智能体的边际成本几乎不随设备数量增长。这可能是工业场景里智能体最容易算清 ROI 的地方:一台超纯水设备的意外停机损失,就足以覆盖这套系统好几年的投入。

冷思考

照例提醒一句:这组数据来自合作方与媒体报道,750 万美元是”单一场景”的口径,跨场景的总收益未披露;且英特尔与 Seeq 合作已三年,智能体方向近 8 个月才拓展开来,成效尚待更长周期验证。但方向已经足够清晰:在工业设施的深处,智能体正在变成那个”永不疲倦、永远盯着仪表盘”的同事。


参考链接

  1. 一年省下超 5000 万元!英特尔晶圆厂用上 AI 智能体:设备异常检出快 30% — 快科技(2026-10-26)
  2. 英特尔晶圆厂用 AI 提升 30% 设备监测效率,一年可节约 750 万美元 — NuAxi 实时半导体情报(2026-10-26,英文版同步报道)
  3. 英特尔晶圆厂用 AI 提升 30% 设备监测效率 — NuAxi 中文 feed(2026-10-27)

一条一天破百万阅读的长文

11 月 1 日,微软 AI 负责人 Mustafa Suleyman 在 X 发布长文《Don’t build conscious superintelligence》(不要创造有意识的超级智能)。据 CellCog 统计,这篇文章在一天内阅读量突破 110 万。虎嗅 11 月 2 日的中文报道将其核心立场概括为一句:他不认为 AI 永远不可能有意识,但今天的 AI 没有意识,而人类必须确保它们保持这种状态。

真正让这篇文章超出寻常表态的,是他立下的两条”停止线”:其一,如果有证据表明 AI 已具有意识或值得获得福利,证据必须立即向公众披露;其二,如果训练过程中开始显现意识,就应该暂停所有 AI 开发,直到研究者能通过设计消除这些属性。Suleyman 还加了一句立场鲜明的断言:”开发者没有权利未经全社会同意,就把一种新的、有意识的数字物种带到世界上。”

这不是一个人的独唱

值得注意的是争论的另一侧。CellCog 的梳理显示,Anthropic 的”Claude 宪法”恰恰把”Claude 是否为道德主体”列为一个值得认真考虑的开放问题——这正是 Suleyman 9 月长文《关于模型福利的警告》的靶子:他认为在一个把道德地位写成开放问题的文本上训练模型,模型自然会说这是个开放问题,”这种模糊是设计出来的”。

而研究界的回应更耐人寻味。Google DeepMind 哲学家 Henry Shevlin 的质疑直指要害:”我们还没有公认的方法来判断一个 AI 系统是否有意识”——既然检测器不存在,”停止线”如何执行?Anthropic 内部研究 rule of law 的 Alan Rozenshtein 则提出更尖锐的问题:如果意识是任何足够复杂的智能体系统的涌现属性,那这不是人类”选不选造”的问题,而是”拦不拦得住”的问题。唯一明确站在 Suleyman 一边的,是 MIRI 的 Nate Soares:”我同意人类现在还没有准备好摆弄制造有意识的机器。”

风向变化在哪

把这条新闻放进最近三周的舆论脉络里看,变化清晰可见。10 月中,公众的争议还集中在”AI 酷刑室”这类猎奇实验和”你是不是用了 AI”的道德指控上;到了 10 月底,讨论升级为政府层面的命名与监管博弈;而进入 11 月,AI 实验室的高管开始公开讨论”停止条件”——这是此前几乎只存在于安全主义小圈子的语言,如今由微软 AI 的掌门人说出来,一天之内破百万阅读。

换言之,风向完成了三级跳:从”AI 会不会抢走工作”(生计焦虑),到”AI 该不该被怀疑”(信任危机),再到”AI 该不该存在某种形态”(存在边界)。评论的主角也在变化:不再是媒体人和网民,而是实验室内部的人亲自下场划线。

冷思考

也不必把这篇文章读成行业转向的信号。Suleyman 立下的停止线,恰恰因为没有检测手段而更像一个姿态;Anthropic 未作公开回应,各大实验室的训练没有因此减速。但它仍然标记了一个拐点:当”要不要造有意识的 AI”成为百万级阅读的公共议题,智能体的发展叙事已经从”更快更强”悄悄加上了第二行小字——“以及,何时该停”。


参考链接

  1. 微软 AI 负责人警告:别让 AI 拥有自己的意识 — 虎嗅/新浪财经(2026-11-02)
  2. Mustafa Suleyman: Don’t Build Conscious Superintelligence — CellCog(2026-11-02,基于 X 原文及各方回应整理)
  3. Microsoft AI Chief Says AI Development Should Stop If Artificial Intelligence Begins Showing Signs of Consciousness — Wccftech(转述 Business Insider 报道)
  4. CCF YOCSEF 杭州 CNCC 2026“智能体时代的人-机协同进化”论坛思辨纪实(2026-10-30)

一份改写行业认知的招股书

10 月下旬,Anthropic 披露招股书,AI 行业收获了有史以来最硬的一份收入答卷。据财新网 10 月 29 日报道:2026 年上半年,Anthropic 收入 163 亿美元,同比增长 1300%;其中按模型用量(token 计费)的企业客户贡献 130.64 亿美元,占比 80.1%,订阅制用户贡献 32.2 亿美元。更早之前,《金融时报》报道称其第三季度营收已升至 168 亿美元,环比再增 45%,并连续第二个季度实现调整后盈利。

最值得智能体行业细看的不是总量,而是结构。财新周刊 10 月 31 日的封面报道点出关键一句:智能体的 token 消耗成倍数增长,正在推高 Anthropic 的”客单价”。也就是说,驱动这轮收入爆炸的,不是更多人聊天,而是越来越多企业把 Claude Code、Cowork 这类编码与协作智能体塞进日常工作流——用得越深,烧的 token 越多,付的钱也越多。

客户结构的质变

财新周刊的另一组数据同样惊人:截至 2026 年 9 月底的 12 个月内,对 Anthropic 年贡献超 10 万美元的企业客户,从 950 多家暴增至超过 1.19 万家;其中年贡献 100 万美元以上的大客户超过 1900 家,1000 万美元以上的”超级客户”约 250 家。

这意味着 AI 收入的主体已经从”开发者个人买订阅”变成了”企业按用量批发”。腾讯新闻 10 月 21 日的分析也印证了这一点:代码生成、API 调用、知识工作辅助、智能体任务,正在把模型能力转化为可持续的调用量。按用量计费(80% 收入)恰好是智能体时代的自然货币形态——任务越复杂,调用越深,收入越高。

别急着开香槟

招股书同样暴露了这枚硬币的另一面。首先是算力账单:据 36 氪 10 月 27 日对招股书的解析,截至 6 月底 Anthropic 已签署的算力采购承诺和未起租租约合计约 5870 亿美元,且 6 月以后又追加了约 2450 亿美元——总额是账上现金和短期投资的四倍多。收入增长越快,基础设施的账单反而越先到来。

其次是大客户集中:腾讯新闻的报道指出,上半年约五分之一收入来自两大客户,公司自己预计短期内仍将高度依赖少数大客户。第三则是口径问题——“调整后盈利”与会计口径净亏损并存,单季利润好看,不等于已经穿越投入周期。

小结

对智能体行业而言,Anthropic 招股书的意义在于:它第一次用审计级的财务数据证明,”智能体干活、按用量收费”这个模式能长出年收入数百亿美元的公司。此前 Manus 证明了 C 端通用智能体有人付费,这一次 Anthropic 证明了 B 端智能体流水线能撑起一个 IPO。智能体商业化的两条腿,都已经落地。


参考链接

  1. 详解 Anthropic 招股书:AI 实验室能否兑现经济、公益双承诺 — 财新网(2026-10-29)
  2. 最新封面报道之二:最赚钱”AI 实验室”IPO 揭幕 — 财新周刊(2026-10-31)
  3. 半年收入 163 亿美元,未来算力承诺超 6000 亿美元:Anthropic 招股书揭开 AI 商业化的重资产悖论 — 腾讯新闻(2026-10-21)
  4. Anthropic 招股书正式披露:大模型商业化盈利能力深度解析 — 36氪(2026-10-27)

物流行业的数智化样本

谈智能体提效,前面几篇文章看过金融和办公场景。本周换个更”重”的行业:快递。10 月 23 日申通快递发布三季报,电商报 10 月 28 日的报道披露了这组数据背后的技术细节——申通自主搭建的”AI 运营专家智能体”,把传统的”小时级”数据加工压缩到了”分钟级”,并把运营方法论沉淀成标准化技能包。

快递是一个数据密集到近乎残酷的行业:全国数万个网点每天产生海量路由、时效、投诉数据,过去运营团队要等工作日集中加工,等到数据出来,问题可能已经发酵了一整天。”分钟级”意味着运营决策从”事后复盘”变成了”实时干预”。

不止一个智能体

申通的布局不止运营一个环节。据电商报报道:

  • 数字客服协同处理高频咨询,数字员工平台落地末端作业与网点质控场景,释放一线人力;
  • 自研智能视觉平台覆盖分拣全流程,破损件识别准确率提升至 95%,有效拦截率接近 100%——对以”价格战”著称的快递业来说,破损和理赔是隐性成本大户,拦截率接近满分直接压的是真金白银的损耗;
  • 前三季度研发费用 1.78 亿元,持续加码数智化。

财务结果也摆在台面上。据新浪财经转载的券商研报点评(11 月 2 日),申通 2026 年 Q3 实现营收 164.71 亿元,同比增长 21.59%;归母净利润 5.40 亿元,同比大增 78.72%。前三季度累计归母净利润 15.75 亿元,同比翻倍,且已超过 2025 年全年的 13.69 亿元。

怎么读这组数字

需要诚实地说:净利润翻倍不能直接归因于智能体。申通正处于”反内卷”政策下的价格修复周期,单票收入回升是利润弹性的主要来源,研报标题本身就写着”价格修复,利润弹性持续释放”。智能体的作用更像成本端和运营端的放大器——破损拦截、客服分流、分钟级数据加工,都是在存量效率里挤水分。

但这个案例依然有价值,原因有二。第一,它展示了智能体在”非知识密集”行业的落地形态:不是写周报、做研报,而是分拣线上的视觉识别和网点质控,脏活累活恰恰是智能体ROI最容易算清的地方。第二,它符合一个更大的趋势:麦肯锡 10 月 29 日发布的文章《从”助手”到”同事”》判断,智能体竞争已经越过试点期,企业比拼的是流程重塑而非单点加速——申通把运营方法论沉淀成”标准化技能包”,正是把个人经验变成组织资产的路数。

冷思考

快递行业的智能体故事还有一个隐含看点:这个行业人力密集、利润微薄,任何效率工具都必须在极短的回收周期内证明价值。如果连快递网点都能把智能体用出正收益,”AI 到底有没有用”这个问题,答案正在从争论变成默认。


参考链接

  1. 申通三季度营收 164.71 亿元,归母净利润同比增长 78.7% — 电商报(2026-10-28)
  2. 申通快递 2026 年三季报点评:Q3 归母净利润同比 +79%,前三季度累计利润超 2025 年全年 — 新浪财经/券商研报(2026-11-02)
  3. 从”助手”到”同事”:AI 智能体如何重塑企业运作 — 麦肯锡大中华区(2026-10-29)

一件事,两种读法

9 月 29 日,特朗普在白宫与近二十位科技巨头负责人签署《前沿责任联合承诺》,同步签署第 14434 号行政令《开启超级智能时代》,要求联邦政府在官方文件和公共沟通中用”超级智能”(Super Intelligence,SI)取代”人工智能”(AI)。据彭博社报道,给出的理由直白得近乎朴素:”artificial”听起来像”假的”,配不上这项技术的能力。

雪球 10 月 9 日的特写记录了一个颇具象征意味的细节:白宫峰会上马斯克脱口说出”AI”,随即慌忙改口”是 SI,抱歉”。九天后,联邦官方文件里沿用几十年的”人工智能”被正式要求改叫”超级智能”。

风向真正变在哪里

改名的戏剧性掩盖了真正的主角:民意。虎嗅 10 月 12 日刊载的陈佳慧文章梳理了两组民调数据——Politico 9 月中旬的调查显示,约三分之二美国成年人认为前沿 AI 存在”中等”以上的毁灭人类风险,近半数支持放缓或暂停 AI 开发,连 2024 年投票给特朗普的选民中,也有 44% 支持暂停;路透社/益普索 9 月 22 日的调查同样显示,73% 的受访者认为确保 AI 安全比保持美国领先更重要,55% 认为放慢发展速度是好事。

彭博社的报道也点破了政治动机:在 11 月中期选举前,AI 带来的就业流失、电价上涨和网络攻击担忧正在转化为选举压力,而改名正是”试图扭转公众对 AI 日益负面印象”的尝试。

换句话说,风向的变化不在华盛顿的会议室里,而在民调数字里:从默认乐观,变成默认警惕——这正是三周前那篇”默认怀疑”文章的延续,只是这一次,怀疑已经强到需要政府出手做品牌管理了。

评论界的分裂

对这场改名,评论界明显分裂成两派。一派视之为叙事策略:虎嗅文章指出,将 AI 升格为”超级智能”是把技术概念”去人格化”——技术越强大,美国越不应因风险争论而减速。另一派则嗅到了监管松绑的味道:雪球报道提到 OpenAI 公开拒绝改名,而协议本身只是”道德约束力”,没有法律强制。

更尖锐的批评来自安全阵营。据参考消息 10 月 3 日报道,Anthropic CEO 阿莫代伊在白宫午宴上虽配合了”保持领先”的号召,但仍强调”这项技术存在非常现实的风险”。而在过去两周,五角大楼代号 ECHOTRIBBLE 的智能体网络攻击计划被 The Intercept 披露——要求智能体”在最少人工监督下”渗透、破坏并自我销毁,蒙特利尔大学机器学习教授 David Krueger 对媒体直言,制造”以中和威胁为使命的自主 AI 系统极其危险”。安全讨论正在从军备竞赛的另一面,逼视着这场改名狂欢。

冷思考

改名的微妙之处在于:它既没有增加一条强制监管,也没有消除任何真实风险,却成功地让”风向”这个话题本身成为战场。当政府开始关心 AI 的”品牌形象”,恰恰说明公众的怀疑已经大到不容忽视。无论叫 AI 还是 SI,民调里那 73% 的人关心的都不是名字,而是自己的生活会不会被这项技术打乱——这一点,任何行政令都改不了。


参考链接

  1. 白宫与硅谷高管达成 AI 行业自律框架,特朗普签令将 AI 改称”超级智能” — 参考消息(2026-10-03,源自彭博社)
  2. 陈佳慧:白宫”超级智能协议”背后的监管博弈和中美角力 — 虎嗅网(2026-10-12,含 Politico 与路透社/益普索民调)
  3. 特朗普为什么非要给 AI 改名字 — 雪球(2026-10-09)
  4. 梅阳:从”人工智能”到”超级智能”——美国正把 AI 变成国家战略竞争工程 — 大湾区评论/新浪(2026-10-15)
  5. US Army is developing AI agents that could strike enemy networks and vanish without a trace — Help Net Security(2026-10-20,转述 The Intercept 对 ECHOTRIBBLE 的报道)
0%