## 核心结论：AI热潮遭遇硬约束 在本周的米尔肯全球会议上，五位覆盖AI供应链各层级的专家与TechCrunch展开深度对话，从芯片短缺到轨道数据中心，再到对当前AI底层架构的根本性质疑。**共识清晰：AI经济正撞上物理极限，未来数年将面临严峻的供应受限局面。** ## 芯片瓶颈：至少持续五年 ASML CEO Christophe Fouquet 直言，尽管芯片制造产能大幅加速，但**未来两到五年市场仍将处于供应受限状态**。这意味着谷歌、微软、亚马逊和Meta等超大规模云厂商即使投入巨资，也无法获得全部订购的芯片。ASML垄断着极紫外光刻机（EUV），这是生产现代尖端芯片不可或缺的设备，其产能直接决定了全球AI芯片的上限。 ## 需求爆发 vs. 供给刚性 谷歌云COO Francis deSouza 用数据印证了需求的猛烈：**谷歌云上季度营收突破200亿美元，同比增长63%**；而尚未交付的合同收入（backlog）在单季度内从2500亿美元飙升至4600亿美元，几乎翻倍。他冷静地表示：“需求是真实的。”然而，芯片制造厂的建设周期长达数年，短期内供给无法弹性响应，供需缺口将持续扩大。 ## 数据瓶颈：真实世界不可替代 对于Applied Intuition（估值150亿美元的物理AI公司）CEO Qasar Younis 而言，瓶颈不在芯片，而在**数据**。其公司为汽车、卡车、无人机、采矿设备和国防车辆构建自主系统，关键数据只能通过将机器部署到真实世界中收集。他强调：“你必须在真实世界中找到它，没有任何合成模拟能完全弥补这个差距。”这意味着自动驾驶等领域的进展将受到物理测试速度和规模的严格限制。 ## 架构质疑：现有路径可能根本是错的？ 最具颠覆性的观点来自量子物理学家出身的Eve Bodnia，她离开学术界创办了Logical Intelligence，直接挑战AI行业当前依赖的底层架构。她认为，主流的大规模神经网络训练范式可能存在根本性缺陷，而她的公司正在探索基于量子物理原理的新路径。Meta前首席AI科学家Yann LeCun已加入其技术研究委员会，为这一方向提供了权威背书。 ## 小结：AI经济的“拆轮子”时刻 五位专家的发言揭示了一个关键转折点：**AI产业正从“算法驱动”进入“基础设施驱动”阶段**。芯片产能、真实世界数据、能源供给甚至基础架构都成为硬约束。Perplexity首席商务官Dimitry Shevelenko 提到的“轨道数据中心”等极端方案，恰恰反映出业界正在疯狂寻找突破物理边界的出路。未来几年，谁能在这些瓶颈上取得突破，谁就可能定义下一代AI经济格局。
亿万富翁媒体大亨巴里·迪勒（Barry Diller）在《华尔街日报》“未来的一切”大会上为OpenAI CEO山姆·奥特曼（Sam Altman）辩护，称其真诚且价值观端正，但同时警告，随着通用人工智能（AGI）的临近，信任问题可能变得无关紧要，因为AI发展带来的未知后果才是真正需要关注的。迪勒指出，即使是AI的创造者也无法完全预测其影响，因此必须为AGI设置护栏。
Snap在周三发布的季度财报中披露，已终止与AI搜索公司Perplexity的合作关系。该合作于去年11月宣布，原计划将Perplexity的AI搜索引擎集成到Snapchat中，Perplexity需在一年内向Snap支付4亿美元现金和股权。Snap表示双方在第一季度友好地结束了合作，并称其销售指引“假设没有Perplexity的贡献”。 该合作曾被视为Snap在AI领域的重要布局。按照原计划，Perplexity的AI搜索将嵌入Snapchat的聊天界面，用户可直接在应用内提问并获得对话式回答。Snap在去年第三季度财报中宣布该合作时，曾预计相关收入将从2026年开始贡献财务数据。然而，尽管已对部分用户进行测试，Snap在2月份表示双方尚未就全面推广达成共识。 Snap CEO Evan Spiegel在最初宣布合作时表示，这反映了公司利用AI增强Snapchat探索体验的愿景，并期待与更多创新伙伴合作。Perplexity尚未对TechCrunch的置评请求做出回应。 与此同时，Snap公布了用户增长数据：Snapchat全球日活跃用户（DAU）同比增长5%至4.83亿，月活跃用户（MAU）也增长5%至9.65亿。公司将此归功于Snap Map和Lenses AR滤镜等新功能。Spiegel在新闻稿中表示：“第一季度，我们恢复了日活跃用户增长，加速了收入增长，扩大了利润率，并产生了强劲的自由现金流。我们仍然专注于纪律性执行，投资于Specs和智能眼镜的长期机遇，并期待在6月16日的AWE上分享更多信息。”
xAI 与 Anthropic 达成了一项出人意料的合作：Anthropic 将买断 xAI 旗下 Colossus 1 数据中心的所有算力（约 300MW），并立即提高了使用限制。这笔交易可能价值数十亿美元，更重要的是，它让 xAI 从算力消费者转变为提供商。马斯克解释称，xAI 已将其训练迁移至更新的 Colossus 2 数据中心，因此不再需要 Colossus 1。短期来看，这一逻辑合理——xAI 的主要产品 Grok 的使用量自年初图像生成风波后大幅下滑，将富余算力出租可增加收入，尤其在公司（现已与 SpaceX 合并）加速 IPO 之际。更广泛地说，拥有 Anthropic 这样的客户也让 SpaceX 的轨道数据中心计划更具可信度。 然而，这笔交易传递出一个不同寻常的信号：马斯克的优先级可能更偏向建设数据中心而非训练 AI 模型。与 Google、Meta 等巨头不同——它们同样在训练模型并建设数据中心，但面临算力选择时总会优先保留算力用于自家产品——xAI 却选择了出售算力。例如，Google 承认因“容量受限”而牺牲了云收入，Meta 甚至为满足 AI 需求单独设立了 Meta Compute 部门。xAI 的举动暗示，其核心竞争力或许在于数据中心建设能力，而非 Grok 或其它 AI 产品。这一策略能否成功，取决于其能否持续吸引外部客户，并在与 AWS、Azure 等云巨头的竞争中站稳脚跟。
2017年8月底，OpenAI（当时还是一个小型非营利研究实验室）的关键人物聚在一起，讨论如何创建一家营利性实体来商业化其技术，并为实现AGI筹集所需资金。据OpenAI总裁Greg Brockman在证词中透露，**Elon Musk**当时要求对公司拥有完全控制权，而就在此前不久，他刚刚给每位联合创始人送了一辆**特斯拉Model 3**。Brockman认为，这是马斯克在争取支持时的一种“糖衣炮弹”策略。 会议开始时，OpenAI研究主管**Ilya Sutskever**还特意委托制作了一幅特斯拉画作作为友好礼物赠予马斯克。但气氛很快急转直下：当马斯克得知其他人不会同意他控制公司的要求时，他变得愤怒和沮丧。据Brockman描述，马斯克静坐沉思了几分钟后，突然说：“我拒绝。”随后他站起来，在桌旁暴怒踱步——Brockman甚至担心他会动手打人。马斯克抓起画作，冲出门外，又转身质问：“你们什么时候离开OpenAI？” Brockman和Sutskever最终没有离开，也没有屈从于马斯克的愿景。马斯克随即停止了对OpenAI运营预算的定期捐赠，并在六个月内离开了董事会，不过他仍然为OpenAI与Neuralink共享的办公室支付租金直至2020年。 随着如今围绕OpenAI未来的法律斗争展开，2017年的这段关键分歧时期成为焦点。当时，联合创始人们就谁将掌控公司未来产生严重分歧，最终导致了马斯克对联合创始人的诉讼。虽然Sam Altman尚未发声，但Brockman提供了为期两天的证词，并多次引用个人日记，罕见地揭示了一位30岁科技高管与Elon Musk进行激烈博弈的幕后细节。
据最新提案披露，SpaceX 正考虑在得克萨斯州格莱姆斯县投资建设一座名为“Terafab”的半导体制造与先进计算设施，初期投入可能高达 **550 亿美元**，项目总预算预计达到 **1190 亿美元**。这一“多阶段、下一代、垂直整合”的晶圆厂，将同时整合特斯拉与芯片巨头英特尔的力量，为 AI 服务器、卫星、太空数据中心、自动驾驶汽车及机器人等场景生产芯片。 ## 为何要建 Terafab？ 埃隆·马斯克在内部解释中直言：“要么我们建 Terafab，要么我们就没有芯片。我们需要芯片，所以我们必须建。” 这一表态折射出他对当前芯片供应瓶颈的焦虑。马斯克认为，现有半导体厂商的产能远不能满足其旗下公司（xAI、SpaceX、特斯拉）在 AI 与机器人领域的需求。Terafab 的目标是未来每年生产足够支撑 **1 兆瓦（terawatt）** 功率的芯片，这个数字远超任何现有晶圆厂的规划。 ## 多方协同与战略意图 提案显示，Terafab 并非 SpaceX 的独角戏。特斯拉将贡献资源，英特尔则作为芯片制造合作伙伴加入，共同开发针对 AI 服务器、卫星通信、太空数据中心以及特斯拉自动驾驶和机器人平台的专用芯片。这种跨界合作背后，是马斯克对“计算即基础设施”的深度布局。 值得注意的是，xAI 与 SpaceX 已在今年完成合并，合并后实体估值高达 **1.25 万亿美元**，并计划于 6 月上市。Terafab 项目正是这一超级实体在硬件层面的关键落子——确保 xAI 的 Grok 系列模型拥有足够的算力进行训练和推理，同时支撑马斯克提出的“太空数据中心”构想，后者被其视为 AI 计算需求爆发的下一个增长点。 ## 选址尚存变数 尽管格莱姆斯县的提案已公开，但马斯克在周二的一条推文中表示，该地点只是“几个候选地之一”。德州在税收优惠、土地成本和能源供应方面具有传统优势，但项目规模庞大，涉及环境评估、水电配套及地方政府审批，最终选址仍需数月才能确定。 ## 行业影响 若 Terafab 按计划推进，它将成为全球投资规模最大的半导体制造项目之一，甚至超过台积电和三星在美建厂的总和。这不仅会重塑 AI 芯片供应链格局，也可能加剧全球对先进制程产能的争夺。对于英特尔而言，参与 Terafab 意味着其代工业务获得了一个极具分量的客户，有助于提升其在 AI 时代的竞争力。 不过，1190 亿美元的投资额在半导体史上尚无先例，项目能否获得足够融资、技术路线是否可行、以及市场对 AI 芯片的需求是否真如马斯克预期的那么旺盛，都将是决定 Terafab 成败的关键变量。
中国AI实验室DeepSeek正洽谈首轮风险投资，据英国《金融时报》和彭博社报道，短短几周内其潜在估值已从200亿美元飙升至450亿美元。这家实验室于2025年初因推出大语言模型而声名鹊起，该模型仅用美国OpenAI和Anthropic等模型训练所需算力的一小部分和成本的一小部分便完成训练。此后，它在推理和编程等领域与全球顶级模型保持了合理竞争水平，并坚持开源权重（版本可在Hugging Face上免费获取）。 DeepSeek由对冲基金亿万富翁梁文峰创立，他控制着公司近90%的股份。据《金融时报》报道，该公司此前从未寻求外部投资者。然而，面对竞争对手挖角DeepSeek研究人员的局面，梁文峰决定融资，以便向员工发放公司股份。消息人士称，本轮融资据彭博社报道，由国家投资工具**中国集成电路产业投资基金**（俗称“大基金”）领投。中国正大力资助本土AI技术发展，以规避获取美国技术（尤其是芯片）的难题。DeepSeek已针对中国硬件巨头华为的芯片进行了优化，这一组合被认为是中国发展可与美国匹敌的AI的强大双翼。此外，中国云巨头腾讯和阿里巴巴据称也在洽谈参与本轮投资。 ### 行业背景与意义 DeepSeek的崛起标志着中国AI产业在算力受限条件下的另类突破。其高效训练方法挑战了“大力出奇迹”的行业共识，证明通过算法创新同样能实现顶尖性能。此轮融资若落地，不仅将巩固DeepSeek的人才队伍，更将加速中国自主AI生态的构建，尤其是与华为芯片的深度绑定，有望形成软硬一体的国产替代方案。对全球AI竞争格局而言，这意味着一股不可忽视的新势力正在崛起，可能重塑中美科技博弈的版图。
谷歌正在对其AI搜索体验进行重大更新，核心变化包括在AI摘要中引入来自Reddit等网络论坛的讨论内容，并为链接添加更多上下文信息。这一设计旨在帮助用户获取更小众、更主观问题的答案，但同时也带来了信息混乱的风险。 自两年前谷歌将AI概览（AI Overview）引入搜索以来，该功能一直备受争议。用户曾发现AI概览会引用讽刺性内容（如建议每天吃一小块石头）或不可靠来源（如建议在披萨上涂胶水）。尽管谷歌不断改进，但AI概览仍存在幻觉问题。《纽约时报》分析显示，其准确率约为90%，但考虑到谷歌每年处理数万亿次搜索，这意味着每分钟仍有数十万次搜索返回不准确结果。 此次更新中，谷歌明确表示将优先展示来自公开在线讨论、社交媒体及其他一手来源的“观点预览”。例如，对于“如何修理漏水水龙头”这类问题，AI摘要可能会直接呈现Reddit论坛中高赞用户的经验分享，并附上用户名、社区名称等背景信息，帮助用户判断可信度。 然而，这一做法也引发了新的疑问：AI概览的核心功能究竟是直接回答问题，还是充当信息导航？如果只是汇总多方观点，它和传统搜索的差别何在？有分析指出，谷歌正在模糊答案与信息来源的界限，这可能导致用户对AI搜索的信任度进一步下降。 行业观察人士认为，谷歌此举反映出AI搜索面临的深层困境：既要提供即时答案，又要避免因过度依赖大语言模型而导致的错误。引入论坛内容虽能丰富信息维度，但也可能放大社区中的错误或偏见。未来，谷歌需要在答案准确性与信息多样性之间找到更精准的平衡点。
近日，由知名风投Khosla Ventures支持的机器人初创公司**Genesis AI**展示了其从基础模型到实体硬件的全栈能力。该公司此前以 **1.05亿美元** 的种子轮融资引发行业关注，如今首次公开了其核心模型 **GENE-26.5** 以及一套机械手的复杂操作演示。 ## 从模型到硬件：全栈布局 Genesis AI 的定位是构建机器人领域的“基础模型”，类似于大语言模型在AI领域的角色。GENE-26.5 被设计为能够理解物理世界并生成机器人动作指令的通用模型。而本次演示中，一组机械手完成了包括抓取、旋转、精细操作等复杂任务，展示了模型与硬件的协同能力。 这一策略与当前多数机器人公司不同——许多企业专注于单一环节（如软件或硬件），但 Genesis AI 选择从模型到执行器全面自研。分析认为，这种全栈方式有助于减少系统集成中的延迟与误差，但也对研发资源提出了极高要求。 ## 行业背景：机器人基础模型竞赛升温 Genesis AI 的进展出现在机器人AI领域竞争加剧的背景下。特斯拉、Figure AI、1X 等公司均推出了各自的人形机器人，而英伟达、谷歌等科技巨头也在研发通用机器人模型。**基础模型**被视为解锁机器人通用性的关键——它能将自然语言指令直接转化为物理动作，而无需为每个任务单独编程。 值得注意的是，Genesis AI 的种子轮融资规模在机器人初创公司中相当罕见，反映出投资者对该赛道的高度期待。然而，从模型到可靠硬件的落地仍有漫长道路，包括成本、安全性、泛化能力等挑战。 ## 演示亮点与潜在影响 虽然公司未公布演示的完整技术细节，但视频显示机械手能够执行**多指协同**的精细操作，例如翻转物体、使用工具等。这暗示 GENE-26.5 可能具备一定的**灵巧操作**能力，而不仅是简单的抓取。 如果 Genesis AI 能持续迭代，其全栈方案有望在物流、制造、家庭服务等场景中实现应用。不过，目前行业仍处于早期阶段，大规模商业化可能需要数年时间。 ## 小结 Genesis AI 的演示标志着机器人基础模型从理论走向实践的重要一步。全栈策略虽然风险较高，但若成功，可能重塑机器人行业的软件-硬件格局。后续关注点包括：模型是否开源、硬件成本控制以及实际部署案例。
在线约会巨头 Match Group（旗下拥有 Tinder、Hinge 等知名应用）近日在财报电话会上透露，**公司正放缓今年剩余时间的招聘计划**，原因直指 AI 工具的部署“成本高昂”。这一表态揭示了 AI 浪潮下科技公司资源再分配的真实图景：当 AI 从“锦上添花”变为“核心基建”，人力成本与算力投入之间正在展开一场零和博弈。 ## 钱花在了哪里？ Match Group 并非 AI 的新手。早在 2023 年，Tinder 就推出了 AI 驱动的照片验证功能，以遏制“猫图片”诈骗；Hinge 则利用大语言模型辅助用户优化个人简介。但 CFO Gary Swidler 在电话会中坦言，**生成式 AI 的推理成本远超预期**——每一次用户与 AI 推荐引擎的交互、每一次内容审核的模型调用，都意味着真金白银的 GPU 算力消耗。 公司预计，今年下半年 AI 相关支出将比上半年“显著增加”，而**冻结部分招聘岗位**成为平衡预算的直接手段。据估算，Match Group 的 AI 投入年化增长率可能超过 50%，这在其整体营收增速（2023 年约 5%）的背景下显得格外突出。 ## 行业缩影：AI 的“甜蜜负担” Match Group 的困境并非孤例。从微软到 Salesforce，科技巨头们正在经历一场类似的“AI 成本阵痛”： - **算力军备竞赛**：训练和推理需要大量 GPU，而英伟达的 H100 芯片价格仍居高不下（单卡约 3 万美元）。 - **模型维护成本**：即使是使用第三方 API（如 OpenAI），每次查询的费用也会随用户规模线性增长。 - **人才争夺战**：AI 工程师薪资溢价严重，但 Match Group 选择“少招人、多买算力”，本质上是用资本支出替代人力支出。 > 一个值得注意的细节是：Match Group 的员工总数在 2023 年已减少约 8%（从 2800 人降至 2570 人），而 AI 工具的使用范围却在扩大。这暗示着“AI 替代人力”的叙事正在从研发部门向运营、客服等后台岗位渗透。 ## 短期阵痛 vs 长期回报？ 投资者对此反应复杂。一方面，Match Group 股价在财报后下跌约 3%，市场担心成本失控侵蚀利润；另一方面，公司强调 AI 正在提升核心指标：**Tinder 的付费转化率在引入 AI 推荐后提升了 2 个百分点**，而 Hinge 的匹配效率也有两位数增长。 CEO Bernard Kim 在电话会中描绘了一个“AI 驱动型约会平台”的未来：从智能筛选照片、反骚扰实时监控，到个性化约会路线规划，**AI 被定位为提升用户体验和留存率的“倍增器”**。但这一切的前提是——用户愿意为这些功能支付更高的订阅费吗？ ## 结语：AI 的“成本墙”与行业启示 Match Group 的案例为所有依赖 AI 的消费级应用敲响了警钟：**AI 不是免费的午餐**。当技术红利从“模型能力突破”转向“规模化落地”时，成本结构将成为决定商业模式成败的关键变量。对于约会应用这类高频、低客单价（Tinder 月费约 10-30 美元）的产品而言，AI 成本占比一旦超过 15%，就可能侵蚀掉全部利润。 未来，我们可能会看到更多企业做出类似选择：**放缓人力扩张，将资源倾斜给 AI 基础设施**。这背后不仅是效率的考量，更是一场关于“谁能在 AI 时代活下来”的残酷筛选。
苹果公司近日同意支付 **2.5亿美元**，以和解一桩指控其过度宣传Siri AI功能上线时间的集体诉讼。该诉讼由消费者发起，称苹果在2019年至2023年间多次发布广告和声明，暗示Siri即将获得重大AI升级，但实际功能迟迟未能落地，导致用户基于虚假承诺购买了设备或服务。 **事件背景** 这起诉讼的核心在于苹果对Siri“下一代AI能力”的营销承诺。原告指出，苹果在2019年全球开发者大会（WWDC）上展示了Siri的“主动式”智能功能，例如更自然的对话、跨应用操作等，并表示这些功能将在当年晚些时候推送。然而，相关更新多次跳票，直到2023年iOS 17发布后，部分承诺功能才以有限形式上线。 **和解细节** 根据法庭文件，苹果虽未承认过错，但同意支付2.5亿美元以终结长达四年的法律纠纷。这笔款项将用于赔偿符合条件的美国消费者，每名用户预计可获得约20至50美元，具体取决于设备型号和购买时间。此外，苹果需在和解生效后一年内，在其官网和广告中明确标注Siri功能的实际可用性，避免再次引发误解。 **行业影响** 此案为科技巨头敲响警钟——在AI竞赛中，过度承诺可能带来法律与声誉双重风险。近年来，随着生成式AI爆发，苹果、谷歌、三星等公司纷纷加速布局智能助手升级，但技术成熟度与用户预期之间的鸿沟日益明显。本次和解表明，监管与消费者权益保护正对AI营销形成更严格的审视。 **对苹果的意义** 2.5亿美元对苹果而言并非巨额，但案件暴露了其AI战略的短板。相比ChatGPT等外部模型，Siri的智能化进程一直较为缓慢。苹果近年来通过收购AI初创公司、加大研发投入试图追赶，但生态整合与隐私保护之间的平衡仍是挑战。此次和解或促使苹果调整Siri功能的发布策略——从“先吹嘘再延期”转向“实际可用后再宣传”。
当企业需要为项目寻求专业意见时，通常会转向 LinkedIn 或 GLG、Third Bridge、AlphaSights 等专家网络平台。但这些平台往往只能根据职位头衔匹配专家，导致质量参差不齐。总部位于伦敦的初创公司 **Ethos** 认为，AI 可以彻底改变这一体验。 **Ethos 的核心创新在于语音驱动的专家入职流程。** 传统平台要求专家填写基于职位头衔的表格，而 Ethos 通过语音提问，能获取专家在多个领域更深层的知识数据——这些信息远非职位头衔所能涵盖。例如，企业可以提出“寻找在 A 级投资机构资助的金融自动化初创公司工作过的人”这样的复杂问题，或者让制药公司搜索“既专攻某领域、又发表过相关论文、还了解药物开发的医生”。 **融资与团队背景** 近日，Ethos 宣布完成 **2275 万美元的 A 轮融资**，由 **a16z** 领投，General Catalyst、XTX Markets、Evantic Capital 和 Common Magic 跟投。a16z 合伙人 Anish Acharya 指出，LinkedIn 和 GLG 等传统平台只能提供职位头衔这类浅层信号，而 Ethos 通过语音面试和精心设计的问题，捕捉专家的不同子专业领域。他认为：“语音是人类交流的原始形式，大多数人不知道如何简洁、有说服力且准确地写下自己的故事。语音是 Ethos 的一大优势。” 公司由 **James Lo** 和 **Daniel Mankowitz** 于 2024 年创立。Lo 曾任职麦肯锡和软银，参与过 WeWork、Arm 等公司的转型；Mankowitz 是 DeepMind 的前 AI 研究员，参与过 YouTube 视频压缩算法、Gemini 和 AlphaDev 排序算法。两位创始人从不同角度切入专家网络问题：Lo 希望为人们提供合适的经济和就业机会，Mankowitz 则认为经济本质上是人与人之间的知识图谱。 **规模化进展** Ethos 声称目前每周签约 **35,000 名专家**，并计划利用新资金加速平台开发、扩大团队并拓展市场。在 AI 行业，专家网络正变得越来越重要，尤其是当企业需要针对特定细分领域（如金融科技、生物医药）获取高质量见解时。Ethos 的语音入职和 AI 匹配方法，有望打破传统专家网络的信息瓶颈，为知识经济带来更高效的连接方式。
**TechCrunch Disrupt 2026** 将于 **10月13日至15日** 在旧金山 Moscone West 举行。大会新增一场聚焦 **并购（M&A）作为早期战略** 的专家讨论，帮助创始人了解从出售到整合的全流程。 ### 限时门票优惠 即日起至 **5月8日晚上11:59（PT）**，购买一张 Disrupt 2026 通行证，即可享受第二张 **50% 折扣**。 ### 并购主题圆桌：早期阶段的退出策略 在 AI 收购热潮（如 OpenAI 收购 Hiro、Anthropic 收购 Vercept、Google 收购 Hume AI 团队、Databricks 为安全产品收购两家初创公司）的背景下，本次圆桌将邀请三位行业领袖分享： - 如何为潜在出售创造选择权 - 提升初创公司对买家吸引力的方法 - 收购过程中的现实挑战 **嘉宾阵容：** - **Aklil Ibssa**，Coinbase 企业发展与并购负责人：负责公司收购战略与执行，主导超过 14 起收购和近 50 项投资，参与了 Coinbase 在加密领域最活跃的并购项目（共 40 多起完成交易）。 - **M13 代表**（待公布） - **Mignano Law Group 代表**（待公布） ### 活动亮点 - **Builders Stage** 专题讨论 - 与 10,000+ 创始人、投资者、工程师面对面交流 - 涵盖融资、招聘、增长等全链条内容 > 并购不再是创业终局，而是早期战略的一部分。 立即注册，获取并购实战指南。
距离 TechCrunch Disrupt 2026 早鸟优惠结束仅剩 3 天。即日起至 **5月8日晚上11:59（太平洋时间）**，购买一张门票即可获得第二张同类型门票 **50% 折扣**。该活动旨在鼓励参会者携带伙伴同行，共同参与这场科技盛会。 TechCrunch Disrupt 2026 将于 **10月13日至15日** 在旧金山 Moscone West 举行。预计将汇聚 **10,000+ 创始人、投资者和科技领袖**，举办 **250+ 场实战研讨会**，覆盖六大行业舞台，内容涵盖从初创公司到规模化企业的各个成长阶段。活动强调建立信任和获得行业认可，而非仅仅追求曝光。 对于希望提升行业影响力、吸引投资和建立合作伙伴关系的创始人和企业而言，这是一个不可错过的机会。优惠结束后票价将上涨，建议尽快行动。
三星电子市值突破 1 万亿美元大关，成为继台积电之后第二家达到这一里程碑的亚洲公司。AI 驱动的芯片需求激增是主要推手。 ## 利润暴增与市场反应 上周三星发布财报，利润同比飙升 **8 倍**，直接推动股价单日大涨超过 10%。每一家正在构建 AI 的公司都需要芯片，而三星生产的 **内存芯片** 正是 AI 系统的核心组件。需求猛增而供应难以跟上，推高芯片价格，大幅改善三星的利润结构。 ## 苹果订单传闻加剧涨势 昨日有报道称，苹果正与三星及英特尔洽谈在美国本土为其设备生产芯片。长期以来，苹果几乎完全依赖台积电的台湾工厂。若三星拿下这笔订单，将标志着全球半导体供应链的重大转向。 ## HBM 成为利润引擎 三星利润暴涨的核心在于 **高带宽存储器（HBM）**——一种对运行 AI 系统至关重要的芯片，其利润率远高于传统存储芯片。但竞争同样激烈：韩国对手 **SK 海力士** 也在全力争夺同一市场，三星必须持续保持技术优势。 ## 行业结构性短缺 AI 热潮正在引发全行业的芯片短缺。三星、SK 海力士和美光三大内存制造商均将投资从消费级芯片业务转向 HBM 生产，以满足 AI 数据中心的需求。这种结构性调整进一步推高了 HBM 的价格和利润率。 ## 隐忧犹存 尽管市值创下历史新高，三星仍面临挑战。工人威胁在本月举行长达 18 天的罢工，要求从 AI 带来的利润中获得更大份额。同时，三星自身的手机和电视部门也需要购买同样的内存芯片，这导致内部成本高企，形成一种“左手赚钱、右手花钱”的局面。 总体来看，三星正处于 AI 浪潮的核心位置，但激烈的竞争、供应链压力以及内部劳资矛盾将考验其能否守住万亿市值。
由前AMD Silo AI CEO Peter Sarlin创立的芬兰AI实验室QuTwo，在完成2500万欧元（约2900万美元）的天使轮融资后，估值达到3.25亿欧元（约3.8亿美元）。这标志着AI、量子计算及欧洲主权技术领域的持续增长势头。 ## 核心产品：QuTwo OS QuTwo的名称虽指向量子计算，但其核心产品**QuTwo OS**并非纯量子方案，而是一个**编排层**，能够将任务分配给经典、量子或混合架构。其核心理念是，企业用例往往更适合“量子启发式”计算——即使用经典芯片在更可靠的硬件上模拟量子行为。 ## 企业AI为主战场 企业AI将是QuTwo的主要收入来源。公司已通过与零售巨头**Zalando**等企业的设计合作，获得了约**2300万美元**的承诺收入，帮助其开发AI助手。Sarlin强调：“AI是我们将持续瞄准的北极星，量子只是一种新型计算方式。” ## 欧洲AI实验室的崛起 欧洲AI实验室正迎来发展热潮，多家公司迅速成为独角兽。上周，前DeepMind研究员David Silver为其新项目Ineffable Intelligence筹集了**11亿美元**。相比之下，QuTwo的估值和融资规模虽略显低调，但能使其在较小压力下推进路线图。 ## 长期主义战略 Sarlin表示，QuTwo希望拥有**五到十年**的长期思考自由。他解释为何不追求更大融资：“很多投资者曾想给Silo大量资金，让它成为欧洲的OpenAI，但我不相信那种玩法。”QuTwo的使命是“成为下一个范式的全球领先AI公司”，因为欧洲未能成功构建当前时代的AI领军企业。 Sarlin并非看衰欧洲AI，他本人也是Yann LeCun的Ami Labs（融资10.3亿美元）及Recursive Superintelligence的投资者，但他认为数亿美元轮次并不适合QuTwo，且目前也暂不考虑风险投资。
电商老兵马克·洛尔（Marc Lore）正将 AI 注入其最新创业项目 **Wonder**，提出“AI 餐厅工厂”概念——任何人只需通过提示词，就能在不到一分钟内设计并上线一个虚拟餐厅品牌。 ## 从电商到餐饮科技 洛尔曾创办 Jet.com 并先后出售给亚马逊和沃尔玛，如今他押注餐饮科技。Wonder 最初以餐车起家，现已发展为拥有 **10 到 20 个座位** 的快休闲餐厅，但其核心并非普通厨房，而是 **可编程烹饪平台**。这些全电力厨房越来越多地引入机器人技术，能够根据菜系切换运营多达 **25 种不同餐厅类型**。 ## 700 种食材 + 无限酱料机 在本周的《华尔街日报》“未来一切”大会上，洛尔透露 Wonder 厨房拥有一个 **700 种食材的库**，每个厨房配备最多 12 名员工，同时使用传送带、机械臂等自动化设备参与烹饪。公司近期收购了 **Spice Robotics**——这家公司曾为 Sweetgreen 制造自动碗装机。明年，Wonder 计划推出 **“无限酱料机”**，可制作互联网上约 **80% 的食谱酱料**。 ## Wonder Create：AI 驱动的品牌生成器 Wonder Create 今年早些时候公布，旨在让任何人利用 Wonder 的软件推出自己的餐厅品牌和食谱。洛尔进一步描述了 AI 如何赋能这一过程：它就像一个 **Shopify 前端加上 AI 提示框**。用户输入需求，AI 便能生成品牌概念、菜品配方，并直接接入 Wonder 的厨房网络。 目前 Wonder 拥有 **120 个** 技术厨房地点，明年预计扩展至 **400 个**。这意味着，一个美食博主或社交媒体网红，无需实体店面、无需厨师团队，就能拥有一个覆盖多地的虚拟餐厅帝国。 ## 行业影响与挑战 洛尔的愿景将 AI 生成内容（AIGC）从数字世界延伸至物理餐饮业，大幅降低了餐饮创业门槛。然而，食品口味、供应链管理和食品安全仍是现实挑战。AI 生成的食谱能否真正满足消费者味蕾？机器人厨房能否保证一致性和品质？这些问题的答案将决定“AI 餐厅工厂”是颠覆性创新还是昙花一现。 无论如何，Wonder 的尝试为餐饮行业提供了一个极具想象力的方向：当烹饪变成可编程、可提示的操作，餐饮业的“长尾”或许真的会到来。
SAP 宣布收购德国 AI 初创公司 Prior Labs，并计划在未来四年内投资 10 亿欧元（约 11.6 亿美元）将其打造为专注于结构化数据的 AI 实验室。这笔交易中，Prior Labs 的创始团队获得了超过 5 亿美元的现金对价。与此同时，SAP 更新了 API 政策，明确禁止未经授权的 AI 代理访问其产品，但 NVIDIA 的 NemoClaw 被列入白名单。 ## 结构化数据的 AI 新战场 Prior Labs 成立于 18 个月前，专注于**表格基础模型（TFM）**，这类模型能够从表格和数据库中提取数据并进行预测，相比通用大语言模型，更适合企业级应用。对于 SAP 这样依赖数据库的软件巨头而言，TFM 无疑是更优的选择。SAP 计划将 Prior Labs 发展为内部 AI 实验室，重点攻克企业数据中的结构化信息处理难题。 ## 代理 AI 的攻防战 随着 AI 代理技术的兴起，SAP 显然也在构筑自己的护城河。其最新 API 政策明确禁止未经授权的 AI 代理通过 API 访问 SAP 产品，仅有 SAP 认可的架构才被允许。目前，SAP 自家的 **Joule Agents**（仍处于测试阶段）以及 **NVIDIA 的 NemoClaw**（基于 Agent Toolkit）是少数被授权的选择。NemoClaw 作为 OpenClaw 的企业级替代方案，强调安全性与可控性，这或许是 SAP 选择合作的原因。 ## 投资背后的战略考量 SAP 股价在 2026 年因 SaaS 市场寒冬等因素大幅下跌，此次收购与投资显然是重振市场信心的关键举措。通过建立自己的 AI 实验室并限制外部代理，SAP 意图在 AI 时代保持对企业软件生态的掌控力。同时，与 NVIDIA 的合作也为其注入了更强的技术背书。 ## 小结 SAP 的这步棋既是对结构化数据 AI 的前瞻布局，也是对代理 AI 浪潮的防御性回应。未来，企业级 AI 的竞争将不再局限于语言模型，而是深入到数据底座与生态控制权的争夺。
对于从事电池、半导体和医疗设备研发的公司而言，海量数据往往散落在电子表格和遗留系统中，形成难以跨越的“数据孤岛”。这不仅拖慢了研发进程，也让故障诊断变得异常困难。旧金山初创公司 **Altara** 近日宣布获得 **700 万美元** 种子轮融资，旨在用 AI 层将这些碎片化的技术信息整合到统一平台，大幅缩短研发中的故障排查时间。 本轮融资由 **Greylock** 领投，Neo、BoxGroup、Liquid 2 Ventures 以及谷歌 AI 高级研究员 Jeff Dean 参投。Altara 成立于 2025 年，联合创始人 Eva Tuecke 曾在费米实验室从事粒子物理研究，并在 SpaceX 工作过；另一位联合创始人 Catherine Yeo 则是前 Warp 的 AI 工程师。两人在哈佛大学攻读计算机科学时相识。 ## 数据碎片化：物理科学研发的隐形瓶颈 Yeo 用电池研发场景举例说明痛点：“想象你是一家开发下一代电池的公司，电池在研发过程中的单元测试环节失效了。工程师团队必须手动检查大量不同来源的数据——从传感器日志到温度、湿度数据，还要交叉核对历史故障报告。”科学家和工程师常常需要花费数周甚至数月时间，在多个数据源之间来回搜寻，才能诊断并解决故障。 Altara 宣称，其 AI 能将这一过程从数周压缩到几分钟。Greylock 合伙人 **Corinne Riley** 将 Altara 在物理科学领域的作用类比为软件领域的站点可靠性工程师（SRE）：“如果系统故障，SRE 会检查公司的可观测性堆栈，找到是谁推送了代码变更导致了宕机。”Altara 所做的就是为物理科学领域提供类似的“可观测性”能力。 ## AI 如何“驯服”异构数据？ Altara 的核心技术在于构建一个能够理解、关联并查询异构数据的 AI 层。它不直接替换现有系统，而是作为“中间层”连接到各种电子表格、数据库和遗留系统中，自动提取、清洗和整合数据。当工程师需要诊断故障时，只需用自然语言提问，AI 就能快速检索所有关联数据源，给出综合性的分析结果。 这种能力对于研发周期长、实验数据量大的物理科学领域尤为关键。以电池研发为例，一次失败可能涉及数千个传感器数据点、数十份实验报告和多年的历史记录。传统人工排查方式效率低下，且容易遗漏关键线索。Altara 的 AI 则能同时扫描所有数据源，发现隐藏的相关性，甚至自动推荐可能的根因。 ## 团队背景与行业意义 两位创始人的跨界背景赋予了 Altara 独特的优势。Tuecke 的粒子物理和 SpaceX 经历让她深刻理解实验数据管理的痛点；Yeo 的 AI 工程经验则提供了技术实现的基础。这种“科学+AI”的组合正是当前硬科技领域创业公司所需要的。 从行业角度看，Altara 瞄准的是一个被忽视但价值巨大的市场。物理科学领域的研发数据管理长期依赖传统工具，数字化转型程度远低于软件行业。随着电池、半导体、医疗设备等领域的竞争加剧，企业越来越需要从数据中挖掘洞察以加速创新。Altara 的产品有望填补这一空白，成为物理科学领域的“数据操作系统”。 不过，挑战同样存在。物理科学领域的数据格式和标准极其多样，AI 模型需要不断适应新的数据源和实验场景。此外，企业对数据安全的顾虑也可能成为推广的障碍。Altara 能否在 Greylock 等投资方的支持下快速迭代产品、建立标杆客户，将决定其能否在细分赛道中脱颖而出。
据 Bloomberg 最新报道，苹果计划在 iOS 27 中引入一项名为“Extensions”的新功能，允许用户从已安装的第三方应用中调用生成式 AI 能力，通过 Siri、写作工具、图像游乐场等苹果智能功能使用。这意味着 iPhone 用户将能够自主选择使用哪个 AI 模型来完成任务——Google 和 Anthropic 的模型已在测试中，而当前默认的 ChatGPT 预计仍将作为选项之一。该功能也将同步登陆 iPadOS 27 和 macOS 27。 这一举措标志着苹果 AI 策略的重大转向。长期以来，苹果被外界视为 AI 竞赛中的“追赶者”，并未像谷歌、微软那样大规模自建 AI 基础设施或推出大量独立 AI 服务。但事实上，苹果正通过另一种方式实现 AI 落地：将现有硬件转化为以 AI 为中心的用户体验。即将接替蒂姆·库克担任 CEO 的约翰·特努斯，将负责制定苹果的 AI 未来方向。 **苹果的“AI 自助餐”策略** 与竞争对手不同，苹果并不急于打造自己的大型语言模型，而是选择开放生态，让用户自行选择第三方模型。这种策略有几个潜在优势： - **用户选择权**：用户可以根据任务需求选择最适合的模型，比如用 Anthropic 的 Claude 处理长文本，用 Google 的 Gemini 进行多模态分析。 - **降低自研风险**：苹果无需在 AI 模型研发上投入巨额资金，而是直接利用业界顶尖成果。 - **隐私与安全**：苹果一直强调设备端处理，第三方模型可能通过本地化运行或严格沙盒机制保护用户数据。 不过，该策略也面临挑战。如何确保不同模型在 iOS 系统内无缝协作？苹果是否会对模型进行审核和限制？以及，苹果与第三方模型提供商的商业模式如何分成？这些问题仍有待解答。 **行业影响与展望** 苹果此举可能重塑移动 AI 生态。如果用户确实能自由切换 AI 模型，那么模型提供商之间的竞争将更加激烈，而苹果则扮演“超级聚合者”角色。对于开发者和用户而言，这或许意味着更丰富的 AI 应用场景和更灵活的体验。 当然，具体细节仍需等待 iOS 27 正式发布才能揭晓。但可以确定的是，苹果正在尝试一条不同于以往的道路——不是自己造轮子，而是让用户选择最好的轮子。