[{"data":1,"prerenderedAt":184},["ShallowReactive",2],{"nav":3,"footer-links":64,"strategies-page":91,"site-settings-header":102,"footer-social":109,"wwd-splits":111,"site-settings-footer":182},{"data":4},[5,12,18,39,43,59],{"id":6,"label":7,"url":8,"parentId":9,"sortOrder":6,"isExternal":10,"children":11},1,"Home","\u002F",null,false,[],{"id":13,"label":14,"url":15,"parentId":9,"sortOrder":16,"isExternal":10,"children":17},14,"AI Products","\u002Fproducts",2,[],{"id":16,"label":19,"url":20,"parentId":9,"sortOrder":21,"isExternal":10,"children":22},"About Us","\u002Fwhat-we-do",3,[23,26,30,34],{"id":24,"label":25,"url":20,"parentId":16,"sortOrder":6,"isExternal":10},7,"What We Do",{"id":27,"label":28,"url":29,"parentId":16,"sortOrder":16,"isExternal":10},8,"Our Values","\u002Four-values",{"id":31,"label":32,"url":33,"parentId":16,"sortOrder":21,"isExternal":10},9,"Leadership","\u002Fleadership",{"id":35,"label":36,"url":37,"parentId":16,"sortOrder":38,"isExternal":10},10,"Locations","\u002Flocations",4,{"id":21,"label":40,"url":41,"parentId":9,"sortOrder":38,"isExternal":10,"children":42},"Perspectives","\u002Fperspectives",[],{"id":38,"label":44,"url":45,"parentId":9,"sortOrder":46,"isExternal":10,"children":47},"Careers","\u002Fworking-here",5,[48,51,55],{"id":49,"label":50,"url":45,"parentId":38,"sortOrder":6,"isExternal":10},11,"Working Here",{"id":52,"label":53,"url":54,"parentId":38,"sortOrder":16,"isExternal":10},12,"Students & Early-Career","\u002Fstudents-early-career",{"id":56,"label":57,"url":58,"parentId":38,"sortOrder":21,"isExternal":10},13,"Career Paths","\u002Fcareer-paths",{"id":60,"label":61,"url":62,"parentId":9,"sortOrder":60,"isExternal":10,"children":63},6,"Browse Open Roles","\u002Fcareers",[],{"data":65},[66,69,72,75,77,79,82,84,86,89],{"id":16,"section":67,"label":68,"url":20,"sortOrder":6},"about","我们的业务",{"id":60,"section":70,"label":71,"url":45,"sortOrder":6},"careers","在这里工作",{"id":31,"section":73,"label":74,"url":41,"sortOrder":6},"resources","新闻与观点",{"id":21,"section":67,"label":76,"url":29,"sortOrder":16},"我们的价值观",{"id":24,"section":70,"label":78,"url":54,"sortOrder":16},"学生与早期职业",{"id":35,"section":73,"label":80,"url":81,"sortOrder":16},"常见问题","\u002Ffaq",{"id":38,"section":67,"label":83,"url":33,"sortOrder":21},"领导团队",{"id":27,"section":70,"label":85,"url":58,"sortOrder":21},"职业路径",{"id":49,"section":73,"label":87,"url":88,"sortOrder":21},"一般咨询","mailto:dlxxlc@163.com",{"id":46,"section":67,"label":90,"url":37,"sortOrder":38},"全球办公室",{"data":92},[93,96,99],{"id":6,"name":94,"description":95,"sort_order":6},"基本面研究","通过深入的基本面研究，发掘全球股票市场中的长期投资价值。我们的分析师团队覆盖多个行业和地区，运用严谨的自下而上选股方法，构建高确信度的投资组合。",{"id":16,"name":97,"description":98,"sort_order":16},"系统化投资","利用先进的数据科学、机器学习和统计模型，开发系统化交易策略。我们的量化团队持续探索非传统数据源和前沿算法，以数据驱动的方式捕捉市场机会。",{"id":21,"name":100,"description":101,"sort_order":21},"信念投资","‌投资回报本质是认知的变现，而信念是支撑深度认知穿越周期波动的唯一心理载体‌。它要求剥离市场噪音与类比思维，回归到“价值创造”与“人性规律”这两个不可违背的物理级公理 。‌‌\n",{"data":103},{"disclaimer_1":104,"disclaimer_2":104,"stats_heading":105,"stats_description":106,"stats_footnote":107,"logo_icon":108},"","MAD ｜ 迈埃迪","迈埃迪人工智能 ","All statistics as of April 1, 2026","\u002Fuploads\u002Fgeneral\u002F922e3bbe-b397-4472-9663-53698a1ff11d.webp",{"data":110},[],{"data":112},{"hero":113,"valueCards":121,"splits":134,"statistics":153,"newsPosts":165,"settings":181},{"id":6,"title":114,"subtitle":115,"videoUrl":116,"mediaItems":117,"buttonText":118,"buttonLink":119,"active":120},"我们的信念、方法论、趋势","AI投资塑造金融未来的人才、创意与人工智能技术。","\u002Fuploads\u002Fvideo\u002Fbd9454af-e6a7-4eba-823b-b06a55494d08.mp4","[{\"type\":\"video\",\"url\":\"\u002Fuploads\u002Fvideo\u002Fbd9454af-e6a7-4eba-823b-b06a55494d08.mp4\",\"buttonLink\":\"https:\u002F\u002Fapp.myaideal.cn\u002F#\u002Flogin\",\"buttonText\":\"AI金融系统\",\"title\":\"拥抱生活，终身学习。\",\"subtitle\":\"致敬每一场正确的投资\"},{\"type\":\"video\",\"url\":\"\u002Fuploads\u002Fvideo\u002Fc1a04472-263f-46a3-9386-ec59bc6a9895.mp4\",\"title\":\"健康·积极·人生\",\"subtitle\":\"让AI释放我们的双手，我们来享受健康的人生。\",\"buttonText\":\"\",\"buttonLink\":\"\",\"align\":\"left\"}]","人工智能投资系统","https:\u002F\u002Fapp.myaideal.cn",true,[122,126,130],{"id":6,"kicker":123,"title":124,"description":125,"sortOrder":6},"我们做什么","基于经济理论的系统性投资","作为价值投资者，我们认为系统化和纪律严明的方法是实现长期价值的最佳途径。\n\n历经十七年精心打造，我们独有的模型融合了经济直觉和精辟洞察，并应用于广泛的投资领域。我们对研究和精准性的重视贯穿于投资流程的每一个环节，从设计到实施。",{"id":16,"kicker":127,"title":128,"description":129,"sortOrder":16},"我们的公司","关于我们","迈埃迪科技是一家专注人工智能投资系统研发及智能化投资解决方案提供商、国内首家人工智能投资系统服务商。我们基于系统的统一投资框架基本原则，赋能投资经理智能化、动态化做好投资组合交易，在权衡风险\u002F回报和资产配置下追求财富的最快速度增值。把投资变得更科学、更智能、更简单，让天下没有难做的价值投资。",{"id":21,"kicker":131,"title":132,"description":133,"sortOrder":21},"学习","投资组合构建","在证券投资领域，资产配置的重要性不言而喻。它通过科学地分散投资，实现风险与收益的平衡，是投资组合管理的核心策略之一。\n随着中国金融市场环境的变化以及金融工具的不断丰富，资产配置已经从理念和理论逐渐走向切实为投资者创造价值的实践运用。\n\n在资本市场假设和战略配置方面，可能涉及到一些底层分析工作，例如各资产收益来源的分解和预测逻辑，以及资产的驱动因子等。\n",{"build-great":135,"working-here":141,"innovation":148},{"id":6,"sectionKey":136,"title":137,"description":138,"mediaUrl":139,"mediaType":140,"buttonText":104,"buttonLink":104},"build-great","金融与好的社会","金融是最通人性人性的，学习金融也有利于加深了解人性。金融带来的好处满足了人性需求，同时理想中的金融还可以规避、控制、疏导人性中的“恶”，激发和弘扬人性中的“善”。在人生现金流规划、财富传承、捐赠、金融危机、婚配等许多各种问题方面，金融都大有可为，但需要匹配的制度和社会文化传统。\n\n","\u002Fuploads\u002Fvideo\u002Fraw_b8bae90f-10b4-49b8-9d90-e370b835f981.mp4","video",{"id":16,"sectionKey":142,"title":143,"description":144,"mediaUrl":145,"mediaType":146,"buttonText":147,"buttonLink":45},"working-here","在这里用人工智能进行工作","在这里工作，你将体验到扁平化的创业型组织结构，同事们与你一样致力于创新和卓越。我们的导师制与发展文化能助你打造长期职业发展路径，并为我们的业务产生积极影响。","\u002Fuploads\u002Fgeneral\u002F09ba9a1e-3536-4b21-b26e-95b0574dcfbe.webp","image","Learn More",{"id":21,"sectionKey":149,"title":150,"description":151,"mediaUrl":152,"mediaType":146,"buttonText":104,"buttonLink":104},"innovation","以技术驱动投资卓越","我们相信技术是投资优势的核心来源。从基础设施到研究工具，从数据管道到执行系统，我们持续投资于尖端技术平台，赋能投资团队做出更快、更精准的决策。\n\n我们的工程师与投资专家紧密协作，将复杂的投资理念转化为可规模化的系统解决方案，确保在瞬息万变的市场中始终保持竞争优势。","\u002Fuploads\u002Fgeneral\u002F3d528543-8d29-46c7-bd6c-b3d85454a1a1.webp",[154,157,161],{"id":6,"label":155,"value":156,"suffix":104,"description":104,"sortOrder":6},"年化收益率","+56%",{"id":16,"label":158,"value":159,"suffix":104,"description":160,"sortOrder":16},"中国员工数量","50人","上海·大连·成都·海南",{"id":21,"label":162,"value":163,"suffix":104,"description":164,"sortOrder":21},"合作伙伴","200+","多领域投资者·机构从业者",[166,172,177],{"id":46,"title":167,"eyebrow":104,"excerpt":104,"content":168,"imageUrl":169,"publishedAt":170,"sortOrder":171},"你离成功，只差一套系统思维","\u003Cdiv class=\"snb-editor-image-container\" data-image-id=\"c009ad6b-66a6-4c55-9718-04aa7bcca744\" data-pm-slice=\"0 0 []\"> \u003C\u002Fdiv>\n\u003Cp>市场风云变幻，有人盆满钵满，有人黯然离场。多少投资者在K线起伏中挣扎，将成败归因于运气？殊不知，投资市场上最大的分水岭，不在于信息优势，也不在于资金大小，而在于是否拥有一套完整的系统思想。投资成功的真正秘诀，不在于比市场更聪明，而在于比从前的自己更自律。高认知若没有系统的约束，就像高速跑车没有方向盘——速度越快，毁灭性越大。当我们停止试图outsmart市场，开始专注于构建能够outlast市场的系统时，我们才真正从认知的囚徒转变为系统的建筑师。这才是现代投资者最需要的进化：从依靠聪明头脑的博弈，转向依靠稳健系统的积累。在这个意义上，投资最终的成功，属于那些有智慧承认自己认知局限，并有纪律执行系统规则的人。\u003C\u002Fp>\n\u003Ch4 class=\"snb-editor--heading\">01 市场迷思，为何大多数人投资失利？\u003C\u002Fh4>\n\u003Cp>投资市场上，超过80%的散户投资者长期无法跑赢大盘指数。是他们不够聪明？缺乏信息？还是真的只是运气不好？\u003C\u002Fp>\n\u003Cp>事实可能令人惊讶：许多高智商、高学历的人也在投资中屡屡受挫。问题不在于认知水平，而在于投资行为的随机性和情绪化。\u003C\u002Fp>\n\u003Cp>没有系统的投资者，就像没有航海图的船长，只能随风漂流，偶尔凭运气到达某个小岛，却永远无法规划出持续的航线。\u003C\u002Fp>\n\u003Cp>认知的陷阱：为何聪明人往往败给“愚蠢”的系统，认知与系统的本质区别？\u003C\u002Fp>\n\u003Cp>\u003Cstrong>认知是发散性的，系统是收敛性的\u003C\u002Fstrong>\u003Cbr \u002F>高认知者的思维往往呈放射状，能从一个点衍生出无数可能性和例外情况。而投资系统要求的恰恰是收敛和聚焦，在无数可能性中执行既定规则。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>认知是灵活的，系统是固执的\u003C\u002Fstrong>\u003Cbr \u002F>聪明人善于随机应变，但市场的随机性需要的不是更复杂的应变，而是更简单的一致性。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>认知寻求理解，系统寻求执行\u003C\u002Fstrong>\u003Cbr \u002F>高认知者追求“弄懂”市场，但市场本质是不可完全理解的复杂适应系统。系统思维接受这种不可知性，转而专注于可执行的规则。\u003C\u002Fp>\n\u003Cp>芝加哥大学研究员统计发现，IQ最高的群体投资回报率并不显著高于平均水平，情绪稳定性指标反而与投资成功相关性更高。\u003C\u002Fp>\n\u003Ch4 class=\"snb-editor--heading\">02 系统思维，顶尖投资者的共同特质\u003C\u002Fh4>\n\u003Cp>纵观投资史上那些长期取得优异回报的人物，从巴菲特到西蒙斯，从林奇到达利欧，风格迥异但都有一个共同点：都拥有一套完整的投资系统。\u003C\u002Fp>\n\u003Cp>巴菲特的价值投资体系，西蒙斯的量化交易模型，达利欧的全天候策略...这些都不是即兴决策的产物，而是经过长期验证的系统性方法。\u003C\u002Fp>\n\u003Cp>“我们的成功不是因为我们聪明，而是因为我们有一个系统，并且始终坚持这个系统。”桥水基金创始人雷·达利欧曾这样总结。\u003C\u002Fp>\n\u003Ch4 class=\"snb-editor--heading\">03 解密投资系统，不只是交易规则\u003C\u002Fh4>\n\u003Cp>一套完整的投资系统，至少包含五个核心组成部分：\u003C\u002Fp>\n\u003Cp>\u003Cstrong>哲学基础\u003C\u002Fstrong>：你对市场本质的理解，是有效市场还是非有效市场？相信均值回归还是趋势延续？\u003C\u002Fp>\n\u003Cp>\u003Cstrong>决策框架\u003C\u002Fstrong>：如何选择投资标的？基于价值、成长、技术指标还是宏观经济？\u003C\u002Fp>\n\u003Cp>\u003Cstrong>风险管理\u003C\u002Fstrong>：单笔投资最大风险承受是多少？整体资产如何配置？\u003C\u002Fp>\n\u003Cp>\u003Cstrong>执行规则\u003C\u002Fstrong>：什么条件下买入？什么情况下卖出？如何调整仓位？\u003C\u002Fp>\n\u003Cp>\u003Cstrong>复盘机制\u003C\u002Fstrong>：如何记录和评估自己的投资决策？如何不断优化系统？\u003C\u002Fp>\n\u003Ch4 class=\"snb-editor--heading\">04 系统之力，超越个体认知的局限\u003C\u002Fh4>\n\u003Cp>我们不得不承认一个残酷的事实：作为智人（\u003Cem class=\"snb-editor-em\">Homo Sapiens\u003C\u002Fem>），我们古老的大脑并非是为现代金融市场而设计的。深植于我们基因中的\u003Cstrong>贪婪、恐惧和嫉妒\u003C\u002Fstrong>，在数百万年的进化中曾是我们生存的优势，但在交易屏幕前，却成了致命的缺陷。\u003C\u002Fp>\n\u003Cp>更令人绝望的是，我们是一种“\u003Cstrong>明知故犯\u003C\u002Fstrong>”的物种。我们理性上深知“别人贪婪我恐惧，别人恐惧我贪婪”的道理，但当真金白银置于眼前，荷尔蒙总会压倒理智。这种根深蒂固的生物学特性，正是大多数主动投资者（包括许多基金经理）无法持续战胜市场的深层原因。\u003C\u002Fp>\n\u003Cp>这也不难解释，为何长期来看，超过80%的主动型基金无法跑赢简单的指数。因为管理这些基金的不是冰冷的神，而是一群同样会被情绪、排名、短期业绩压力所驱动的“人”。他们的决策在群体效应下，往往会放大而非减弱这些认知偏差。\u003C\u002Fp>\n\u003Cp>正因洞察于此，诺贝尔经济学奖得主、心理学家丹尼尔·卡尼曼教授才会“跨界”对投资业发出那句著名的诛心之论。他直言不讳地指出，整个主动投资行业很大程度上建立在一种“\u003Cstrong>自以为是技能的错觉\u003C\u002Fstrong>”（an illusion of skill）之上，其有效性近乎“\u003Cstrong>玄学\u003C\u002Fstrong>”（witchcraft）。\u003C\u002Fp>\n\u003Cp>卡尼曼的批评并非否定所有专业投资者，而是揭示了一个真相：在一个由充满缺陷的参与者组成的复杂系统里，仅凭个人的“聪明”和“判断”脱颖而出，其难度远超想象。这并非个别人能力不足，而是人性使然的系统性问题。\u003C\u002Fp>\n\u003Cp>拥有系统的最大优势，不是让你每次都做出正确决策，而是让你避免最致命的错误——被情绪左右。\u003C\u002Fp>\n\u003Cp>人类认知有数十种偏差，从确认偏误到损失厌恶，从锚定效应到从众心理。这些偏差在投资中致命，却几乎无法仅靠意志力克服。\u003C\u002Fp>\n\u003Cp>唯有系统，能够帮你建立纪律，在市场狂热时保持冷静，在市场恐慌时抓住机会。系统不是保证你永远正确，而是保证你在错误时不溃败。\u003C\u002Fp>\n\u003Ch4 class=\"snb-editor--heading\">05 构建个人投资系统，从何开始？\u003C\u002Fh4>\n\u003Cp>构建投资系统不是一蹴而就的过程，但可以从以下几个步骤开始：\u003C\u002Fp>\n\u003Cp>\u003Cstrong>自我诊断\u003C\u002Fstrong>：分析过去所有交易记录，找出盈利和亏损的模式\u003C\u002Fp>\n\u003Cp>\u003Cstrong>哲学定位\u003C\u002Fstrong>：确定自己认同的投资哲学，是价值投资、成长投资还是趋势投资？\u003C\u002Fp>\n\u003Cp>\u003Cstrong>规则制定\u003C\u002Fstrong>：建立明确的买入、卖出和仓位管理规则\u003C\u002Fp>\n\u003Cp>\u003Cstrong>回测验证\u003C\u002Fstrong>：用历史数据检验系统有效性，但不过度拟合\u003C\u002Fp>\n\u003Cp>\u003Cstrong>持续优化\u003C\u002Fstrong>：根据市场变化和个人经验，逐步完善系统\u003C\u002Fp>\n\u003Cp>重要的是，这个系统必须与你的性格、资金规模和时间投入相匹配。别人的成功系统未必适合你。\u003C\u002Fp>\n\u003Ch4 class=\"snb-editor--heading\">06 结语：从赌徒到投资者的蜕变\u003C\u002Fh4>\n\u003Cp>投资本质上是一场概率游戏，没有系统的人依靠运气和直觉，注定成为统计学上的负面样本；而有系统的人，则不断利用优势概率积累长期回报。\u003C\u002Fp>\n\u003Cp>当你拥有了一套经过验证的系统，市场波动不再令人恐惧，而是成为了朋友。因为你知道，无论市场如何变化，你的系统都能帮你找到应对之道。\u003C\u002Fp>\n\u003Cp>从今天开始，停止追逐牛股，停止依赖那靠不住的“直觉”，开始构建属于自己的投资系统。\u003Cstrong>这套系统，不仅仅是你的投资策略，更是你对抗自身人性缺陷的“防护栏”和“自动驾驶仪”。\u003C\u002Fstrong> 承认认知的局限，让系统替你执行纪律，这或许才是从“赌徒”迈向“真正投资者”最关键的蜕变。\u003C\u002Fp>\n\u003Cp>记住卡尼曼的提醒，别再沉溺于“玄学”的错觉。用系统的理性，驾驭人性的躁动，这才是在这个市场中，为自己争取优势概率的最诚实之路。\u003C\u002Fp>","\u002Fuploads\u002Fnews\u002F0888d49a-8e5d-433f-9a68-6d06fbc34725.webp","June 28, 2026",0,{"id":60,"title":173,"eyebrow":104,"excerpt":104,"content":174,"imageUrl":175,"publishedAt":176,"sortOrder":171},"MAD：AI 应用公司的生存框架","\u003Csection>红杉资本，也就是 \u003Cspan class=\"\">Sequoia Capital\u003C\u002Fspan>，是硅谷最有代表性的风险投资机构之一，投过 Apple、Google、Airbnb、Stripe、WhatsApp 等一批公司。\u003C\u002Fsection>\n\u003Csection>这次内容来自红杉 2026 年 AI Ascent 大会的一场主题演讲。它讨论的不是某一个模型更新，而是 AI 应用公司接下来到底怎么活。\u003C\u002Fsection>\n\u003Csection>\n\u003Csection class=\"channels_iframe_wrp custom_select_card_wrp\">\u003C\u002Fsection>\n\u003C\u002Fsection>\n\u003Csection>演讲里有一个判断很重要：AI 不是又一轮“传播革命”，而是一场“计算革命”。\u003C\u002Fsection>\n\u003Csection>互联网、云、移动，主要改变的是信息如何被分发；AI 改变的是信息如何被处理。更进一步，Agent 开始从“回答问题”变成“接任务、做事情、持续推进直到完成”。\u003C\u002Fsection>\n\u003Csection>这也是为什么演讲者说，从商业和功能角度看，AGI 可能已经来了。\u003C\u002Fsection>\n\u003Csection>不一定是科幻电影里的 AGI，而是更现实的版本：你可以把一项工作交给 Agent，它能理解目标、调用工具、处理中途失败，并最终交付结果。\u003C\u002Fsection>\n\u003Csection>这会改变软件，也会改变服务。\u003C\u002Fsection>\n\u003Csection>过去软件主要吃的是软件预算。现在 AI 开始进入法律、咨询、客服、销售、运营、财务这些服务市场。真正大的机会，不只是做一个更聪明的软件，而是把原来由人完成的服务，重新做成 AI 原生流程。\u003C\u002Fsection>\n\u003Csection>但问题也来了：\u003C\u002Fsection>\n\u003Csection>如果底层模型每天都在变，应用层公司怎么建立自己的位置？\u003C\u002Fsection>\n\u003Csection>这就引出了演讲里提到的 MAD 框架。\u003C\u002Fsection>\n\u003Csection>老外确实很喜欢凑缩写。这个 MAD 也有一点这个味道。但公平地说，它还算合理，也好记。\u003C\u002Fsection>\n\u003Csection>M 是 Moats，护城河。\u003C\u002Fsection>\n\u003Csection>A 是 \u003Cspan class=\"\">Affordance\u003C\u002Fspan>，可用性和应用性。\u003C\u002Fsection>\n\u003Csection>D 是 Diffusion，扩散。\u003C\u002Fsection>\n\u003Csection>这三个词，基本说清楚了 AI 应用公司接下来该怎么活。\u003C\u002Fsection>\n\u003Csection>\u003Cstrong>M：护城河来自客户，不只来自技术\u003C\u002Fstrong>\u003C\u002Fsection>\n\u003Csection>这点对纯技术型公司、纯技术型团队尤其重要。\u003C\u002Fsection>\n\u003Csection>很多团队容易执着于技术本身：模型更强、推理更快、成本更低。但在 AI 时代，只盯技术，很容易被下一代模型覆盖。\u003C\u002Fsection>\n\u003Csection>真正更重要的是客户、行业和业务。\u003C\u002Fsection>\n\u003Csection>客户流程、行业惯例、预算审批、合规要求、系统集成、员工培训，都不会因为模型升级就自动改变。\u003C\u002Fsection>\n\u003Csection>所以应用层公司的护城河，不是“我用了最先进的模型”，而是你是否真正理解客户，是否嵌入客户流程，是否和客户的业务融为一体。\u003C\u002Fsection>\n\u003Csection>越是技术变化快，越要回到客户。\u003C\u002Fsection>\n\u003Csection>\u003Cstrong>A：好产品要符合直觉，不只展示能力\u003C\u002Fstrong>\u003C\u002Fsection>\n\u003Csection>Affordance 这个概念，正好和《设计心理学》里讲的是同一个东西。我的理解是：可用性和应用性。\u003C\u002Fsection>\n\u003Csection>一个好产品，不应该让用户想半天才知道怎么用。它应该符合直觉，符合行业惯例，让行业用户一上手就知道下一步该做什么。\u003C\u002Fsection>\n\u003Csection>很多 AI 产品的问题，不是能力不强，而是太像技术演示。\u003C\u002Fsection>\n\u003Csection>未来技术公司要活下来，必须有产品思维：不是把模型能力裸露出来，而是把能力包装成符合行业场景、用户直觉和业务流程的产品。\u003C\u002Fsection>\n\u003Csection>用户不应该思考模型、提示词、工具调用和系统架构。用户只应该知道：我要完成什么，点哪里，结果怎么验收。\u003C\u002Fsection>\n\u003Csection>\u003Cstrong>D：模型扩散到业务，中间永远需要落地者\u003C\u002Fstrong>\u003C\u002Fsection>\n\u003Csection>这一点也接上我上一篇文章里的观点：这个世界会一直有两侧。\u003C\u002Fsection>\n\u003Csection>一侧是 AI 科技端。大模型会快速发布，能力会快速变化，工具会快速迭代。\u003C\u002Fsection>\n\u003Csection>另一侧是业务端。企业还需要部署、落地、实施、培训、流程改造、系统集成和效果评估。\u003C\u002Fsection>\n\u003Csection>模型能力扩散到真实业务，中间永远有距离。这个距离，就是应用层公司的空间。\u003C\u002Fsection>\n\u003Csection>所以，AI 应用公司的机会不是简单套壳。\u003C\u002Fsection>\n\u003Csection>真正的机会，是理解行业，理解客户，理解业务流程，然后把 AI 能力做成客户不用过度思考、上手就能用、并且能真正产生结果的产品。\u003C\u002Fsection>\n\u003Csection>MAD 这个框架说到底，就是三句话：\u003C\u002Fsection>\n\u003Csection>护城河来自客户，不只来自技术。\u003C\u002Fsection>\n\u003Csection>好产品要符合直觉，不只展示能力。\u003C\u002Fsection>\n\u003Csection>模型扩散到业务，中间永远需要落地者。\u003C\u002Fsection>\n\u003Csection>AI 不是更聪明的聊天框。\u003C\u002Fsection>\n\u003Csection>它正在变成新的工作方式。\u003C\u002Fsection>\n\u003Csection>而应用层公司的价值，就是把这种新的工作方式，真正带进客户的业务里。\u003C\u002Fsection>","\u002Fuploads\u002Fnews\u002F511d4051-44b3-42dc-bd4f-ba6ad7d7fb0b.webp","July 9, 2026",{"id":24,"title":178,"eyebrow":104,"excerpt":104,"content":179,"imageUrl":180,"publishedAt":176,"sortOrder":171},"红杉AI峰会，顶级创始人共识浮现：理解力、审美品味、真实人际链接才是最稀缺的护城河","\u003Cp>近日，红杉资本2026 AI峰会在硅谷低调召开。全球顶尖大厂核心骨干、硅谷风投风向标与顶尖科学家齐聚一堂，深度探讨了AI的最前沿动向。 在过去的两三年里，整个硅谷绝大部分的精力都在干一件事：卷大模型参数，拼跑分基准。但到了2026年，这套逻辑彻底翻篇了。\u003Cbr \u002F> 现如今，AI带来的最大震撼，不再来源于某个新模型的发布，而是底层技术红利正以前所未有的速度，向人们的日常生活与真实工作疯狂溢出。 Andrej Karpathy与各大厂核心负责人在现场达成了一个核心共识：大模型正在越过软件层面，疯狂抢夺物理世界的执行权。 在这场大洗牌中，市场正在发生三大维度的剧变： 1. Coding被基本解决：代码边际成本趋向于零，AI生成代码从辅助补全转向自动化全盘接管。 2. AI开始探索物理规律：AI不再局限于屏幕内的文本与像素，具身智能开始学会物理逻辑，以世界模型为底座的机器人和自动驾驶技术迎来了破局点。 3. 算力已被大厂垄断：大厂可以利用算力规模不断套利，并用未发布的最新模型驱动新一轮创新。 随着市场的改变，旧有的商业模式与组织形态也正在被重构。创业者需要把握服务即软件的新商业模式，在巨头垄断迈向一人独角兽时代。同时，当执行工作被机器以极低成本代劳时，人类真正的核心护城河也更加清晰，不可外包的理解力、顶级的审美品位以及真实的人际连接，将成为AI时代最稀缺、最不可替代的特质。 \u003Cbr \u002F>    Coding被基本解决 代码通胀时代：别自己写代码了，去当调度AI的包工头 如今，AI辅助编程已经越过了你写一半它补一半的旧时代，智能体现在能直接接管一整个开发工作流。 在峰会上，Claude Code之父Boris Cherny 表示，他在2026年至今没有亲手写过一行代码。他所负责的代码库中，100%的代码由模型生成。在产能的极值测试中，他曾创下一个人一天内合并150个代码合并请求的纪录。 这种效率的跃升来源于工作方式的彻底颠覆，Cherny详细拆解了他目前的开发流： 他的大部分工作是在手机上完成的，Claude后台常驻着数百个并行运行的Agent，并大量使用循环（Loops）机制，通过设定定时任务（Cron），来调度一个可重复运行的工作。 这些数字劳工不仅能编写功能代码，还在后台自动修复CI的报错、自动处理分支的代码冲突，甚至每30分钟抓取Twitter上的用户反馈进行聚类分析。 Cherny将这种工作模式比作1400年代欧洲印刷术的诞生：过去，软件开发就像中世纪只有少数人掌握的读写特权，而现在，代码生成的边际成本趋近于零。在这个范式下，传统程序员手写代码的核心身份被解构了。未来的工程师不再是砌砖的工人，而是成为了调度数字劳工系统的包工头。 在Anthropic内部，工程经理、产品经理、设计师甚至财务人员，都在通过指挥智能体直接产出代码。而当写代码不再是门槛，跨学科的人才便可以直接越过技术鸿沟，掌控业务层面最高的产品定义权。 \u003Cbr \u002F> 中间层正在消失：Software 3.0的降维打击 既然写代码的门槛没了，那么软件本身的形态也要被重新定义。Andrej Karpathy在峰会上提出了Software 3.0理念，指出大模型正在以端到端的方式，吃掉过去20年科技界积累的软件中间层。 Karpathy用一个生动的个人项目“菜单生成器”解释了这种底层架构的坍塌。如果用传统的开发模式，做一个识别外语菜单并生成菜品图片的App，你需要走一套极度冗长的流程：搭建Vercel部署环境、构建前端UI、接入OCR字符识别接口、编写中间层业务逻辑、调用图像生成API、存入数据库、最后返回前端渲染。 但在Software 3.0时代，Karpathy发现，这个App根本就不该存在。他只需要把菜单照片直接扔给最新版的大模型，附带一句指令调用工具，大模型就能直接在原图基础上，把外语翻译好并渲染出实物图。 整个过程里：没有前端、没有后端接口、没有数据库，也没有传统意义上的应用程序。 过去二十年，硅谷建立了一整套围绕API、状态管理和UI框架的庞大生态。这些中间层的存在，仅仅是为了让人类开发者能分工理解复杂信息。但大模型不需要这些人类可读分散信息，它直接消化庞大的上下文并输出最终结果。 这意味着，大量仅仅是在拼凑工作流、缝合API的传统软件公司，他们的技术护城河正面临被大模型端到端直接抹平的降维打击。 \u003Cbr \u002F> 不能只依赖Vibe Coding，专业团队需要转向智能体工程 尽管代码生成的下限被无限拉高，Karpathy仍发出警示：在真正的商业运转中，完全靠随意的Vibe Coding是行不通的。专业的开发团队必须转向智能体工程（Agentic Engineering）来保证产品质量和安全的上限。 Karpathy指出，大模型目前最危险的特质是参差不齐的智能。AI能在几分钟内重构十万行的企业级代码，精准找出其中潜伏的安全漏洞。但如果你问它“去50米外的洗车店是该开车还是走路”，它可能会基于字面逻辑一本正经地回答：“距离很近，建议走路去洗车。” 大模型在拥有明确规则的领域（如代码语法、数学计算）像个神通，但在缺乏数据覆盖的日常物理常识上却又像个巨婴。 因此，专业工程师绝对不能完全放权，而是要把智能体当成一个不知疲倦、记忆力超群但偶尔会犯蠢的超级实习生。人类工程师的职责，必须死死把控住三条底线： •  系统的总体架构设计绝对不能乱。  •  产品的终极审美品位必须由人来定。  •  绝对不可逾越的安全与权限边界必须由人来锁死。   当所有人都能轻易生成代码时，代码本身就不值钱了。真正稀缺的，是能够在一个充满不确定性的AI系统中，能构建出极具稳定性与商业价值软件的系统包工头。 \u003Cbr \u002F>    AI开始探索物理规律 VLA模型落幕，世界动作模型（WAMs）成新标配 过去三年，机器人领域的主流路线被视觉-语言-动作模型（VLA，Visual-Language-Action）所统治。 但在峰会上，NVIDIA具身智能负责人Jim Fan尖锐地指出了VLA架构的致命缺陷：VLA本质上是“语言偏科生”，大量参数被倾斜给了语言，导致它们极其擅长理解名词（知识），却对物理世界的动词（物理属性与运动轨迹）一窍不通。 一个典型的尴尬场景是：机器人在听到指令后，能准确识别出目标物，却因为不懂得空间与重力关系，一伸手就把物品碰翻了。 基于这一问题，NVIDIA推出了全新的世界动作模型（World Action Models,WAMs）。 以Dream Zero策略模型为例，执行动作前，Dream Zero会先像做梦一样，在神经网络中推演未来几秒钟的画面，预测未来画面的同时，模型会联合解码出下一步的物理动作。 这就好比机器人在行动前，已经在脑海中完美想象出了杯子被平稳放下的整个物理过程，而身体则根据这个想象同步输出对应的机械指令。Jim Fan总结道：“只要视频预测不翻车，动作就不会翻车。” 正是这种将对未来的视觉预测与物理动作输出深度绑定的机制，让机器人首次展现出在从未见过的陌生环境中，无需预先训练就能直接干活的能力。将物理模拟器内嵌于神经网络的世界动作模型，宣告了VLA时代的落幕，成为具身智能真正的新底座。  \u003Cbr \u002F> 跑通具身智能的缩放定律，告别极其笨重的遥操 模型架构的突破只是第一步，机器人商业化最大的门槛是数据饥渴。 语言模型可以通过爬取全互联网的文本完成千亿级参数的训练，但机器人数据的获取成本极其高昂。传统的遥操（人类穿戴设备控制机器人）不仅笨重，而且受限于物理极限。一台机器人一天最多只能收集24小时的数据，还要搭上操作员的精力和硬件的损耗。 为了解决这个问题，NVIDIA的Project Ego Scale开启了一个新的数据工厂模式。Project Ego Scale直接跳过了真实的机器人硬件，利用超过2.1万小时的、人类第一视角在野外场景活动的视频进行大规模预训练。在微调阶段，仅仅混入不到0.1%的高精度机器人遥操作数据，就能让机器人掌握极其复杂的灵巧手操作，例如折叠衬衫和使用注射器。 这一路径的成功，标志着具身智能领域首次跑通了灵巧度的神经缩放定律（Neural Scaling Law for Dexterity）。投入预训练的视频数据越多，机器人的操作损失就呈现越明显的对数线性下降，机器人产业找到了属于自己的数据飞轮。 Jim Fan在峰会上预测：在未来一两年内，传统遥操作的比例将断崖式下跌至几乎可以忽略不计。具身智能的未来，将建立在由海量传感器捕捉的人类真实生活之上。 \u003Cbr \u002F> 工程底线决定生死，企业应构建结构化端到端的防线 技术上限决定了机器人能做什么，但工程底线决定了企业能活多久。 在自动驾驶和机器人领域，纯粹的端到端被很多人神化了。面对这种狂热，Waymo联合首席执行官Dmitri Dolgov在峰会上泼了一盆冷水。他认为，如果目标是打造一个部署规模过亿且具备超人类安全性的商业系统，基础的端到端远远不够。因为纯粹的黑盒无法提供极端场景下的可解释性，更无法进行细粒度的安全约束。 Waymo的策略是结构化的端到端（Structured End-to-End），它由三大核心支柱支撑： 司机（Driver）：负责理解物理动态与人类社会的行为逻辑，输出行驶策略。 模拟器（Simulator）：负责在虚拟空间中构建无穷尽的对抗场景进行压力测试。 评估家（Critic）：不可逾越的最后防线，负责对司机的每一个潜在动作进行严苛的安全评估。 Waymo目前每周的纯无人驾驶里程已突破400万英里，严重工伤事故率降至人类驾驶员的十三分之一。Dolgov向整个AI行业强调：在关乎生命和高价值资产的场景中，永远不要将系统控制权完全交给一个不可解释的黑盒。 \u003Cbr \u002F>    算力已被大厂垄断 算力成了大厂的印钞机 在谈及OpenAI如今的核心商业模式时，OpenAI联合创始人兼总裁Greg Brockman给出了一个直白的答案： “在很大程度上，我们有一个非常简单的业务：我们购买、租赁、建造算力，然后以一定的利润率转售它。就是这样。” 只要这个利润率为正，OpenAI就会无限期地扩大规模，因为人类对解决问题的需求是无限的。 然而，现在的供应链无法满足这样无限的需求。Brockman在峰会上透露，到了2026年，全球GPU算力的有效闲置获取率“四舍五入等于零”。这不仅是因为参数规模的扩张，更是因为现代模型在推理端消耗的算力正在呈指数级暴涨。 对于基础大模型厂商而言，算力就是维持其竞争力的坚固护城河。根据规模定律（Scaling Law），大厂不需要精妙的模型架构创新，仅靠算力暴力扩张，就能让神经网络算法展现出性能飙升。 红杉指出，自从具备复杂推理能力的模型（如OpenAI的o1及后续迭代）面世后，模型在回答问题时思考得越久、消耗的推理算力越多，输出的答案就越精准、越具突破性。当这种暴力计算被运用到科研领域，AI甚至已经推导出了让顶尖物理学家都惊叹的全新理论公式。 另一方面，AI巨头们还拥有最前沿的创新生态。Brockman坦言，OpenAI内部的团队之所以能保持极高的创新效率，是因为他们使用的是比外界能接触到的版本领先一到两代的未发布模型。 这种巨大的技术时间差，让基础模型厂商建立起了绝对的生态碾压优势。当创业者还在为一个模型缺陷苦苦开发外围的补丁时，大厂可能已经大版本更新中，从底层直接修复了这个问题，顺手抹平了创业者辛苦建立的功能壁垒。 \u003Cbr \u002F>    给创业者的破局指南 在算力被巨头垄断，模型大厂以月为单位迭代模型能力的情况下，创业者该如何突围？对此，红杉给出了三点建议： 1. 用MAD法则构建逆向护城河 红杉合伙人Pat Grady为全场创业者划定了一条生存红线：不要试图去补齐大模型现存的能力短板，因为下一代模型会用更暴力的算力将其直接覆盖。 他给出了一套名为MAD的方案： M（Moats；护城河）：放弃在底层技术上建立护城河的幻想，深挖垂直行业。真正的护城河是逆向从业务出发的。创业者需要深入客户最繁杂的业务细节、合规流程和数据孤岛。这些业务内容的演进速度极慢，是大厂的通用API无法轻易覆盖。 A（Affordance；直觉化供给）：尽管目前的终端控制台和API极其强大，但对企业的普通业务员来说，这些界面存在认知门槛。创业者的核心任务在于，将复杂的智能体任务流，封装成无需解释、一看就懂的傻瓜式操作界面。用户不需要理解后台有多少个Agent在协作，他们只需要看到一个能跑完完整流程且结果可归因的交付成果。 D（Diffusion；扩散红利）：创业者要学会在技术落差中套利。基础模型变强的速度，远快于传统企业吸收这些能力的速度。这个巨大的扩散缺口就是初创公司的巨大套利空间。 2. 探索服务即软件的新商业模式 如果说上一代云计算浪潮的成功之处，是将全球软件市场的盘子做到了6500亿美元，那么如今的AI浪潮正在塑造一个规模高达十万亿美元的专业服务市场。 Pat Grady在峰会上算了一笔惊人的账：单单是美国本土的法律服务市场，规模就高达4000亿美元，这一个垂直赛道的体量就已经与全球软件市场的总和相当。基于这一巨大的想象空间，红杉合伙人Sonya Huang指出了AI时代的新商业模式：服务即软件（Services is the new software）。 过去的SaaS（软件即服务）卖的是提升人类工作效率的工具，而未来的AI卖的是直接交付的最终结果。 Sonya Huang描绘了一幅智能体全面接管各类专业服务的图景：\u003Cbr \u002F> •  在医疗领域，用户可以直接雇用医疗Agent来分析个人的基因组、提供个性化医疗建议、开具处方，甚至精准匹配和推荐临床试验。  •  在法律界，Agent可以直接代表客户去进行合同条款的谈判、处理法律诉讼，甚至达成最终和解。  •  在基础科学领域，Agent不仅能解决极其复杂的数学难题，甚至已经开始自主发现全新的超导体材料。  •  在个人消费端，超级私人助理将无缝接管用户的收件箱、日程表、个人财务管理，乃至全自动完成报税。   而经济学规律将推动这一模式颠覆传统行业。Sonya Huang指出，人类员工极难规模化扩张，并且成本极其昂贵。“你付给人类的是高昂的薪水，而付给Agent的仅仅是代币（Tokens）。” 许多情况下，用Tokens完成一项专业任务的成本，已经远远低于同等工作量下的人类薪水成本。随着智能体在越来越多领域的智力表现即将超越人类，那些能够率先将传统重人力、高壁垒的专业服务，打包成Agent接口的初创公司，将迎来指数级的财富爆发。 3. 创业者迎来一人独角兽时代 随着AI接管了代码与执行层，构建产品的边际成本已近乎为零，过去需要整个团队开发数周的功能，现在普通员工通过智能体几个小时就能搞定。在这种情况下，初创企业的敏捷的组织形态反而更能帮助他们赢得市场胜利。 Boris Cherny认为，大公司虽然拥有资源，但它们背负着极其沉重的历史包袱。巨头们如果想拥抱新范式，需要耗费数年重构复杂的业务流程，重新培训成千上万的员工，还要解决内部巨大的组织惯性和利益部门的抵触情绪。相反，微型初创团队从成立的第一天起，就能以AI原生的姿态上阵，没有沟通损耗，没有技术债务，甚至可以直接向传统巨头发起同等量级的商业竞争。 而跨学科通才将享受到最大的时代红利。如Anthropic内部所展现的那样，公司内部没有纯粹的部门壁垒，所有人都可以自己用AI写代码，解决工作需求。对于初创企业来说，未来最优秀的财务软件开发者不再是懂代码的程序员，而是深刻理解商业逻辑的顶尖财务人员。创业者在招募团队时，应彻底抛弃螺丝钉思维，寻找那些具备能直接跨界调度AI产出结果的人才。 在峰会上Greg Brockman指出，未来每个人都可以成为统帅十万Agent大军的超级CEO，只需调度云端不知疲倦、按Token计费的数字员工，就能支撑起一家估值上亿的独角兽实体。在未来的竞争中，你的组织能多大程度地接纳和指挥数字智能体，就是你拥有多少产品定价权的新起点。 \u003Cbr \u002F>    AI时代人类的核心护城河 当技术在底层飞速迭代，最终转化为商业模式的洗牌时，整场峰会也同步在讨论一个终极命题： 在一个99.9%的认知与执行都被机器代劳的世界里，人类的核心护城河究竟将退守何处？ 面对技术盲盒的终结，很多从业者恐慌自己将失去执行价值。但红杉认为，剥离掉机械劳作后，人类真正的核心护城河才刚刚显露： 第一，无法外包的理解力。 “你可以外包你的思考，但你绝不能外包你的理解。”Andrej Karpathy强调，尽管大模型在处理信息、生成代码上非常强大，但人类依然是整个系统的理解中枢。机器不知道为什么要做这件事，只有人类才能把握构建产品的初衷，并为AI指引方向。当把事情做完变得无比廉价时，判断“这是不是一件好事情”“这是否符合我们的价值观”，就成了决定成败的关键。 第二，顶级的审美品位。 当所有人都能用AI一秒生成结构完整的软件时，功能齐全已经沦为廉价的标配，平庸将成为最大的败笔。未来的品牌溢价和商业价值，属于那些知道什么是卓越、什么是极致体验的人。AI时代，品味就是最高级别的生产力。 第三，不可替代的人际连接。 当一切服务都可以由Agent以极低成本提供时，人类将更渴求同类参与感。红杉合伙人Constantine指出，在真空的环境下，任何事物本身都是没有价值的，无论是曾经比黄金还珍贵的铝，还是如今算力庞大的超级智能，它们只有映射在人类的真实体验中，才拥有意义。机器可以一秒钟出具一份的法律判决，但它永远无法交付同理心、信任感，以及拥有共同承担责任的能力。 今年的红杉AI峰会，没有兜售廉价的乌托邦幻梦，也没有贩卖末日论恐慌，它向全行业释放了一个清晰的商业信号：当算力被巨头垄断、生成代码的边际成本趋于零时，纯技术已不再是牢不可破的护城河。未来的商业竞争，正在向直接交付商业结果转移。在十万亿级的服务市场中，用跨界思维重塑交付体验的商业机会，刚刚向每一位创业者敞开。\u003C\u002Fp>","\u002Fuploads\u002Fnews\u002F6e794f37-e0d6-47fa-b509-a4aa01f12fd3.webp",{"disclaimer_1":104,"disclaimer_2":104,"stats_heading":105,"stats_description":106,"stats_footnote":107,"logo_icon":108},{"data":183},{"disclaimer_1":104,"disclaimer_2":104,"stats_heading":105,"stats_description":106,"stats_footnote":107,"logo_icon":108},1790131723962]