找到
898
篇与
互联网
相关的结果
- 第 32 页
-
饿了么App品牌全面焕新为淘宝闪购；阿里千问办公能力升级 | 早资道 饿了么App品牌全面焕新为淘宝闪购12月5日上午，淘宝闪购官方正式宣布：即日起“饿了么”App在更新至最新版本后将全面焕新为 “淘宝闪购”，更深度融入阿里集团“大消费平台”战略。在近期财报电话会上，阿里巴巴管理层强调：淘宝闪购在第一阶段完成了规模的快速扩张，第二阶段的经济效益优化符合预期，这为外卖业务长期可持续发展奠定了基础，也增加了在即时零售长期投入的决心。京东等8家平台企业签订AI技术规范应用承诺书12月4日消息，为应对AI合成技术滥用风险、规范电商直播行业秩序，近日，北京市消费者协会联合京东、美团、拼多多、唯品会、抖音、快手、小红书、微信直播等8家电商平台，正式签署全国首份《促进AI技术规范应用承诺书》。该《承诺书》从技术标识、内容审核、责任追溯等关键环节入手，建立企业自律规范，提出六大具体举措，为AI技术在电商领域的应用划定“合规红线”，旨在压实平台企业主体责任，切实维护消费者合法权益。曹操出行：未来十年，Robotaxi要累计实现1000亿元GTV12月4日消息，曹操出行发布Robotaxi“十年百城千亿”战略目标。按照计划，未来十年，曹操出行将在全球设立五大运营中心，将Robotaxi服务推广至一百座城市，累计实现1000亿元人民币GTV（总交易价值）。阿里千问办公能力升级：文档可一站式操作 PPT 生成免费12月4日。阿里千问推出面向办公与写作场景的全新能力，将文档生成、智能排版等整合为一站式操作，全新的 PPT 生成能力上线，可基于多种输入内容精准提炼、智能匹配模版，上述能力向所有用户免费开放，用户只需与千问对话，千问就能自动生成排版后的 Word 文档，实现从思考到成稿一步直达。哪吒汽车招募共益债投资人 计划融资不超1亿元12月4日消息，合众新能源汽车股份有限公司（哪吒汽车实体公司）发布共益债投资人招募公告，面向社会公开招募共益债投资人。根据招募公告，本次计划融资总额不超过人民币1亿元，最终招募由管理人根据投资人报名情况确定。本次融资为共益债务融资，所借款项及产生的利息等费用依法认定为债务人的共益债务。
-
微软：明年7月上调全球企业与政府版Microsoft 365价格 当地时间周四，微软表示将于2026年7月起在全球范围上调面向商业和政府客户的Microsoft 365月度订阅价格。调整覆盖企业、公共部门以及一线员工方案，其中小型企业与一线员工套餐的涨幅最为明显。企业版中，Microsoft 365 E3将上涨约8.3%至每用户每月39美元，E5将上涨约5.3%至每用户每月60美元；一线员工套餐F1和F3分别从2.25美元和8美元调升至3美元和10美元，涨幅为33%和25%。微软表示，此次调价反映了Microsoft 365在过去几年新增的1100余项功能，包括生成式AI驱动的生产力工具及更丰富的安全能力。更多最新消息：
-
专访｜当AI走向应用落地，大模型创业公司如何在商业化中突围 在过去三年里，大模型创业公司是科技领域里的明星、宠儿，每家公司的创业故事都曾引发热议。进入 2025 年下半年，人工智能大模型的讨论热潮不再，话题则深入到商业应用。和其他几家企业相比，阶跃星辰看上去低调很多，当大家都还在聚焦语言模型时，它对外表达的最多的是“多模态”。如今，在喧嚣日趋平静之时，这家看上去鲜少露面的公司却在商业化道路上快马加鞭，似乎有了一些更加稳健的气质。作为这家公司的商业战略和生态系统构建负责人，阶跃星辰辰副总裁李璟日前接受了澎湃科技的采访。李璟目前担任阶跃星辰副总裁，在他的带领下，阶跃星辰与 OPPO、荣耀手机、吉利汽车等建立了长期深入的合作关系，这些头部厂商的合作也是阶跃星辰在业内的底气。在加入阶跃星辰前，他曾任职旷视科技，先后负责商业产品设计、数据业务及算法平台。李璟笑称自己是移动互联网时代第一代产品经理，现在也是人工智能时代的第一代产品经理。在他看来，正是经历过 AI1.0 的磨难，今天站在 2.0 的竞赛场上，他对于产品、商业化节奏等有了更多感觉。竞争始终存在，但 AI 应用的时代才刚刚开始，他相信在未来的数年里，这样的高速的增长还将持续，而这一次阶跃已经踏上了正确的节奏。“再过 5 年， AI 也会成为水电煤”澎湃科技：最近你开了自媒体号，是不是也能感受到大家对于 AI 还没有那么了解？李璟：确实，大众可能关注更多的还是房价、股价，我觉得人工智能有点像“淘金热”，大家都觉得那里有金子，但不知道怎么去淘，过一两年赚到钱的人还是做培训的。你会看到一些错误资讯的传播，有的人对于 AI 过于兴奋，觉得 AI 无所不能；事实上，大家对于 AI 的感知度不够强，也跟我们的 AI 应用渗透率不高有关，现在 AI 应用领域还是偏窄。过去几年，大家讲应用更多的还是指 chatbot（对话机器人），老百姓没法感知 AI 在行业里的应用，今天 AI 的应用还没有能够像互联网一样渗透到老百姓的衣食住行中。澎湃科技：你觉得 AI 的这个渗透过程会是怎样的？李璟：如果我们回看移动互联网，它的渗透也是从交互的改变开始的。从键盘到多点触控，能在手机上操作，于是有了APP 的生态，有了移动互联网。我觉得今天大模型的能力还是单点的，但最终也会像互联网一样渗透到人们的衣食住行中，这也是我们选择与手机、汽车这些终端合作的原因。大家都在讲现在是应用元年，AI 应用现在还很早期。我对于 AI 的发展速度还是比较乐观的，它一定会快于互联网的，可能再过 5 年，大家不会再特意提“AI”，就像今天不会特意提“移动互联网”这个词一样，AI 也会成为和水电煤一样的基础设施。澎湃科技：你觉得 AI 带给人类社会生活的改变和移动互联网带来的改变会有什么不一样？李璟：我们相信会有基于终端生态的改变带来的服务生态的改变，终端交互体验的改变会带来全新服务网络的入口，这个入口可以通过自然语言跟它互动，让它帮我去做事，而且它做的比我更好，替我完成我不擅长的事，所以阶跃的使命是“10 倍每个人的可能”。人工智能会让现在的服务业发生很大改变，互联网对服务业的改变更多是信息的发现，比如我今天要上网找个律师，找的还是线下的某个人。在任何一个领域，专家资源都是稀缺的，无论是法律、金融还是教育、医疗，今天 AI 就有机会去成为这个专家，从而让专家服务成为一件可以普惠的事情，让每个人具备探索更多可能性的机会。比如你有了一个超级助理后就可以干更多事情。譬如我自己很喜欢音乐，但以我的能力不可能写歌，但今天利用 AI，我不仅能写歌，还可以用我的声音复刻一首歌。澎湃科技：你大学学的也不是计算机技术相关的，怎么会加入人工智能行业的呢？李璟：我 2013 年毕业，本科学的是法律，本科期间和同学一块创业，看到了互联网对于传统销售模式的改变，就决定从事互联网，于是在保研的时候选择了当时互联网行业比较喜欢的市场营销专业。当时我们班除了我之外基本都去做金融、房地产了，但我毕业之后就北上去了互联网公司做团购。当时这类人才很少，我去了之后就被安排分管安卓端，一天有 300 万元的流水，那时增速非常快。但这个公司 2014 年就被收购了，于是我就换工作，那时我对科技、人脸识别这些也挺感兴趣的，正好有个高中师兄在旷视，于是来到了人工智能行业。在旷视做过很多岗位，当过产品经理，支持过研究院的数据工作，这段经历给我最重要的认知就是“AI 不仅需要天才般的想法，还需要扎扎实实的工程”。那段时间我沉下心来看了很多技术底层的知识，研究如何进行创新应用的孵化，如何设计一个商业模式、数据飞轮，从零开始成为一个规模化的业务，同时将算法也从 0 开始带到 90 分以上的水平。这些对我现在在阶跃的工作都有很大的影响。对大模型企业来说，现在商业化很重要澎湃科技：你应该算是阶跃星辰创业团队最早的成员之一，这家公司的创立是出于怎样一个契机呢？李璟：大模型这个浪潮实在是太大了，2022 年底、2023 年初时，身边很多朋友都决心要干大模型，大家觉得这一次真的不一样。可能每个人加入阶跃创业的理由都不一样，比如大昕（阶跃星辰 CEO 姜大昕）过去是做 NLP（自然语言处理）工作的，他可能觉得过去几十年都解决不了的问题现在被解决了，每个人都看到了新的机会和光，就觉得应该要创业。我也是一样被这波浪潮感召的。澎湃科技：创业团队是如何组建起来的？李璟：其实也没有那么复杂，这个创业团队成员自身都比较有经验，都是人找人，过去有些链接和缘分，就这么凑起来了。澎湃科技：和其他几家大模型创业公司相比，你觉得阶跃有什么不一样？李璟：第一点就是我们非常坚定要做基模，追求技术上限。其实今天来看，不少创业公司在创业过程中会有调整的，可能在应用和模型之间反复犹豫过，但阶跃从来没有的。阶跃从第一天开始就明确“即便做应用，底层还是要发展基础大模型”，这也是为什么我们在数据算力系统这些基础设施上做一些前瞻性布局。第二个很重要的点，就是我们坚持发展多模态，我们从一开始就明确我们要对标的是谷歌，虽然之前 Gemini 还没有今天这么强，但今天 Gemini3 发布后的火爆程度大家都已经看到了。此外在创业团队中，阶跃的成员成熟度是足够的，我们过往有创业经验。澎湃科技：坚持多模态这样一个战略定位，你们内部是不是也会有争议？是不是也要求你们舍弃一些东西？李璟：不能说完全舍弃，只是我们把其他一些能力的优先度会调低一点，譬如我们判断编程产品在国内没有商业模式，大厂会将这款产品免费。很多人测一个模型行不行，喜欢高优测数学题，但我们会始终坚持在多模态上发力。今天对于大模型企业来说，商业化很重要。我不太赞同“只要做出一个好模型，我就永远有在牌桌上的机会”，可能会有，但在我看来一家企业具备自我造血、持续发展的能力才是最靠谱的，不然你是经不起任何一点市场变化的。一旦市场变冷，你会很窘迫。如果企业需要持续的高投入，就必须找到可持续的商业化机会。但我们的商业化布局不会穿透到基础模型的投入，祥雨（张祥雨，阶跃星辰模型技术负责人）是完全独立决策，他有自己的技术认知在往前走，只奔着一件事——AGI。事实上，他对技术的认知也是我们商业节奏判断的重要参考。不能“路径依赖”，但也不能“矫枉过正”澎湃科技：上一代AI的经验是不是也可能成为今天创业的包袱？李璟：可能也不一定，反而是在 AI1.0 创业时期经历增长和磨难各种过程，导致我们没有路径依赖，反而做了很多反思，甚至这种反思有些矫枉过正，但没关系，矫枉过正总比不反思好。以商业化模式的选择为例，在 1.0 时代，我们做的更多是政企客户的定制化项目，我们深知这类模式所存在的问题，所以阶跃没有再选择单纯这条路。在阶跃，我们选择可持续运营的商业模式，这也是成熟创业的一个表现。澎湃科技：这一波AI新的机会具体是什么？李璟：两个部分，一个是终端的改变，一个是服务业供给的改变，这些都是可持续的营收，不是今年干一个项目，明年再干另一个项目，这是很大的变化。举例来说，我们和手机厂商合作的“一键问屏”今天已经成为新手机的标配了，每天要被调用几千万次。我们对于终端交互的改变很早就有自己的判断，我们今年 2 月份生态开放日时，已经畅想接下来 AI 在手机上的很多应用，到今天其实大家已经形成共识了。从我这么多年创业的感受来说，节奏是一件无比重要的事情。要有先机，但又不能成为先烈。说实话，目标大家都能看见，但通往目标的路怎么走，第一步往哪走，有很多不确定性。其次，你既不能走得过快，也不能走得过慢；走得过快，没有同行的人，你可能会死得很快；但如果当全社会都形成了共识，那只剩下卷价格。澎湃科技：那要怎么来判断这个节奏呢？李璟：我们自己的判断就是两个轴：技术轴和商业轴。一般新的技术出来，最开始会有一些发烧友出现，公司也是一样，有些公司愿意冒险，但这个时候非常需要去打磨产品，产品体验是否能够超出期待，其实自己是有感知的，如果没有超出，那就说明技术不成熟。所以需要在技术成熟度和商业成熟度两个轴里去判断。AI落地手机最大的挑战是打破了原有商业生态澎湃科技：能否以你们和手机厂商合作为例，讲一讲节奏的选择？李璟：我们一开始就聚焦多模态大模型，2023 年 3 月发布了 Step-1V，当时它的读图能力是领先于国内同行的。但我们一直没找到有价值的应用场景，直到 2024 年 7 月手机厂商找到我们做测试。起初，我们还是有些犹豫的，不知道该怎么做，但手机厂商开始已经找到了一系列基于模型理解能力的新功能，我们一听就觉得很正确，会带来完全不一样的产品体验，所以很快就决定和他们共创。当然在这个过程中，得益于我们多模态的定位，使得我们的模型性能在 PK 中战胜了其他竞争对手。能够取得市场结果还有一点原因，是我们服务 B 端的基因被激活了。和其他几家模型创业公司相比，我们的共创服务做得还是很好的。和大厂相比，阶跃更灵活。在和手机厂商共创的过程中，肯定有一些早期探索定制的需求，手机端的 AI 未来的趋势一定是“端+云”，我们会将涉及到用户隐私相关的信息处理放在手机端侧，这个小模型并不算是给一个厂商定制的，其实是根据手机行业的需求定制。这些需求是需要双方共同投入的。澎湃科技：我看到数据说，现在 60%的头部国产手机品牌都已经跟你们合作了，你觉得你们的竞争优势已经确立了吗？有没有可能被推翻？李璟：第一梯队已经明确了，虽然竞争依然很激烈，但被推翻可能性不大。阶跃有很多技术优势和贴身服务的能力。如果大厂能通吃，那就没有创业这回事了。创业公司永远都可以在大厂的裂缝里找到光。我从来不抗拒跟大厂竞争，如果和大厂面对面竞争，有支持大厂的就有支持我的，就是在这样的竞争环境中成长。在今天这样一个动态的过程中，我们不仅要保证自己一直在，还要保证自己增长。澎湃科技：现在看，继续增长的难度大吗？李璟：其实现在在手机和汽车领域，AI 应用还处在一个高速增长的过程，行业天花板还很高。以手机为例，比如今天可能只上了几款有 AI 功能的手机，但后面还会继续发布新的手机，现在还没到彼此抢地盘的时候。AI 能力的下放需要一个过程，就像我们前面所说的，今天 AI 应用的渗透率还不够，后面还有大量的增量机会。除非模型发生了翻天覆地的变化，但目前还看不到。澎湃科技：那你们现在面临的最大的挑战是什么？李璟：挑战反而是商业共识的推进。譬如我们现在已经做了很多的“一句话执行”这个功能，它事实上是破坏了一些原有的商业体系。你现在打开一个 App 还得看广告，但由手机来执行的话，它就直接帮你把广告点掉了。所以当你试图重建一个商业体系时，必然会遇到很多阻碍，有很多来自既有利益者的阻碍，如何找到有共识的合作伙伴就很重要，也存在一些企业愿意主动变革。我们需要一些战略客户，而不仅仅是将自己作为一个供应商。但总体来说，我还是比较乐观的。因为就拿手机的 AI 功能来说，国外的大厂也都在做类似的事情，所以可能推动共识不一定靠我们，但对我们来说很重要。此外，我们非常需要好的产品经理。AI 时代的产品经理其实要求很高，首先要理解大模型技术，其次要对产业有了解，最后还要了解商业，如果一个人这三方面的能力都有了，大半就自己去创业了。澎湃科技：你们现在和手机的合作，都是赚钱的吗？李璟：当然，肯定是有毛利的，但现在确实已经开始卷价格了。我觉得这件事就看你相不相信 token 的价格一定是往下降的，算力的成本会降低。如果你相信算力成本每年都会很快下降，那么今年的价格战对于未来是值得的。此外，我觉得相比于大语言模型来说，多模态的竞争真的还好。多模的竞争对手相对比较收敛，格局也比较明确。澎湃科技：除了手机、汽车，你们接下来还想拓展哪些领域？李璟：我们觉得创新硬件也是这一代大模型很重要的机会。但这块我们还在广泛接触，保持关注。现在无论是眼镜还是耳机，他们目前都还在快速迭代解决问题，譬如眼镜的续航能力、自重等。但我们认为手机的功能是会迁移的。
-
苹果官宣年度最佳APP大奖，可视化AI规划工具Tiimo登顶 苹果公司周四正式公布了2025年度App Store大奖名单，延续了其表彰过去一年各类最佳应用与游戏的传统。可视化AI规划工具Tiimo摘得年度iPhone应用桂冠，这也反映出人工智能技术正从单一的对话交互向具体场景化应用深度融合，逐渐成为移动软件生态的核心驱动力。虽然苹果在此次评选中仍未将专用的AI聊天机器人直接选为年度应用，但在今年的获奖名单中，人工智能技术的应用展示已无处不在。以年度最佳应用Tiimo为例，该软件被描述为一款可视化AI规划器，它能够利用AI技术将用户的待办事项分解为切合实际的时间表，通过预估每个步骤所需时长来辅助用户制定计划。这份榜单涵盖了从iPhone、iPad到Vision Pro及Apple Watch等苹果全系硬件生态。除了生产力工具外，卡牌游戏Pokémon TCG Pocket获评年度iPhone游戏。最终获奖名单是从11月公布的45个入围应用和游戏中精选得出，最终缩减至17个优胜者，显示出苹果对软件生态质量的严格把控。此外，苹果还评选出了多款具有“文化影响力”的应用，旨在表彰那些提供实用工具、促进理解或推动世界更具包容性的软件。这表明苹果在关注技术创新的同时，继续强调应用生态在社会价值层面的贡献。AI功能深度整合 尽管苹果在榜单中避免了单一AI工具的直接霸榜，但AI技术已成为各类获奖应用提升效率的关键辅助。除了iPhone年度应用Tiimo利用AI进行任务分解和时间管理外，iPad年度应用Detail也通过AI技术简化了视频制作流程。该应用具备“自动编辑”（Auto Edit）AI功能，能够自动处理静音移除、变焦剪辑以及添加标题和字幕等工作。AI的渗透还延伸至健康与阅读领域。获得年度Apple Watch应用的Strava引入了AI助手，可将用户的锻炼数据转化为深入的分析见解。获得“文化影响力”奖项的StoryGraph利用机器学习AI，根据用户的阅读数据提供个性化的书籍推荐。另一款获奖应用Be My Eyes则通过AI助手，为盲人和低视力用户提供现实世界图像的视觉描述。文化影响力获表彰 除了技术创新，苹果也通过“文化影响力”奖项强调了应用所承载的社会价值。获奖应用通过不同方式，在促进理解、构建包容性社会等方面做出了贡献。其中，获奖应用StoryGraph利用机器学习AI，根据用户的阅读数据提供个性化的书籍推荐。另一款获奖应用Be My Eyes则为盲人及低视力用户提供AI助手，能够实时描述现实世界中的图像，提供视觉辅助。此外，获奖名单还包括叙事解谜游戏《Chants of Sennaar》、 Hank Green开发的防打扰工具Focus Friend（该应用也是Google Play的年度应用）、休闲解谜应用Art of Fauna以及足球游戏《despelote》等。各平台获奖名单一览根据苹果公司公布的最终名单，2025年度App Store大奖的17个获奖应用及游戏覆盖了苹果旗下所有主要硬件平台，具体如下：
-
奥尔特曼上诉失败，OpenAI首款AI硬件恐因侵权被迫改名 IT之家 12 月 5 日消息，科技媒体 9to5Mac 今天（12 月 5 日）发布博文，报道称 OpenAI 与前苹果设计总监 Jony Ive 的硬件合作项目遭遇法律挫折，联手打造的 AI 硬件项目在品牌命名上触礁。IT之家援引博文介绍，美国第九巡回上诉法院于本周三作出裁决，维持了此前下达的临时限制令（TRO），继续禁止 OpenAI 在营销中使用“io”这一品牌名称。法院支持了原告 iyO 公司的诉求，认为 OpenAI 试图使用的“io”与 iyO 的品牌名称高度相似，若允许其使用，将对这家较小的初创公司造成不可挽回的伤害。这意味着，OpenAI 和 Jony Ive 后续在推进其 AI 硬件项目时，必须隐去核心品牌名。 这场法律纠纷的根源可追溯至 2025 年初。法庭文件披露，iyO 首席执行官 Jason Rugolo 曾主动联系 OpenAI 首席执行官 Sam Altman，寻求为其“人机交互的未来”项目融资。Altman 当时拒绝了该提议，并透露自己正在开发“某种竞争性产品”，Rugolo 随即回复了一句意味深长的“Ruh roh（噢喔 / 大事不妙），想合作吗？”。然而，当 OpenAI 随后宣布收购 Jony Ive 的“io”公司并准备进入该市场时，iyO 立即提起了商标侵权诉讼，指控 OpenAI 试图利用相似的名称和产品抢占市场。在上诉裁决中，法院详细阐述了维持禁令的三大理由： 首先是“混淆可能性”，法院指出“IO”与“iyO”在发音上完全一致，且双方均旨在销售具备 AI 自然语言交互功能的新型计算机，产品关联度极高。 其次，法院特别强调了“逆向混淆”（Reverse Confusion）的风险，即担心资金雄厚的 OpenAI 会凭借强大的市场渗透力，反客为主，让消费者误以为较早使用该品牌的 iyO 才是侵权者。 最后，法院确认 OpenAI 的激进发布计划已危及 iyO 的融资努力，并可能稀释其品牌价值。 OpenAI 在辩护中曾反击称，其首款产品并非 iyO 所主攻的入耳式耳机或可穿戴设备。OpenAI 还指责 Rugolo 曾主动兜售公司，并索要 2 亿美元的收购价，暗示诉讼具有投机性质。
-
饿了么正式更名为淘宝闪购 经过过去半年快速增长后，站在全新市场格局下的淘宝闪购，迈出新阶段的重要步伐。12月5日上午，其官方正式宣布：即日起“饿了么”APP在更新至最新版本后将全面焕新为 “淘宝闪购”。 饿了么正式更名为淘宝闪购“更新是为了更好，更好也激励我们常新。”淘宝闪购表示，“这是饿了么多年沉淀的服务和履约能力、产品技术、用户信任与组织韧性的全面检验和焕新升级，由此将更深度融入阿里集团‘大消费平台’战略，释放更大价值，在服务用户、商家、骑士的道路上迈出更关键的一步。”今年5月，“淘宝闪购”正式成为淘宝APP首页一级入口。融合淘宝和饿了么的优势资源与能力，在过去半年内，淘宝闪购日订单峰值达1.2亿单，8月的周日均订单达8000万单，整体月度交易用户数突破3亿，并直接带动手淘DAU同比增长20%。最新一季阿里财报显示，淘宝闪购在经历快速的规模化增长后，已来到精细化运营的新阶段。在2025年7月至9月间，即时零售业务收入增长迅猛、年同比增长60%；9月以来，在保持住市场规模的同时，即时零售业务单位经济效益也快速实现显著改善。“整个阿里大家庭的多方力量前所未有地聚力，五指连心、力出一孔，实施了坚强而默契的跨组织大协同。”阿里集团合伙人、饿了么董事长兼CEO范禹在内部信中表示，淘宝闪购的横空出世以及对市场格局的重新塑造，正是阿里集团对“大消费平台”的战略决心和能力的充分体现。“过去的18年征程，饿了么从朴素初心出发，一步步构建起覆盖亿级用户、连接百万商家、支持千万家庭的生活服务体系。”范禹并表示，“用户对即时生活服务不断进阶的需求，也始终在鞭策我们必须持续成长、秉持勇气、自我革新。”此次饿了么APP的全量焕新，被视为是阿里集团对大消费和服务电商赛道继续投入的重要信号。在近期财报电话会上，阿里巴巴管理层也强调：淘宝闪购在第一阶段完成了规模的快速扩张，第二阶段的经济效益优化符合预期，这为外卖业务长期可持续发展奠定了基础，也增加了在即时零售长期投入的决心。
-
谷歌下注“氛围编程”，向亚马逊系Anthropic发起挑战 财联社12月5日讯（编辑 史正丞）近来势头正火的谷歌，又在AI应用赛道布下一子。谷歌云周四宣布，与知名“氛围编程”初创公司Replit建立了一项多年合作伙伴关系。基于该合作，Replit将扩大对谷歌云服务的使用、向用户提供更多的谷歌AI模型，并为企业用户使用AI编程提供支持。 （来源：谷歌官网） 作为天然更加贴近技术革新的群体，软件开发者使用AI写代码早就不是新鲜事。不过随着前沿大模型写代码的能力越来越强，今年初“氛围编程”（vibe coding）这个词成为全球程序员使用AI工作的共识叫法。简单来说，“氛围编程”指的是人工智能根据自然语言提示（包括需求文档、流程图等）生成功能代码。开发者的主要角色也从逐行敲代码，变成指导AI写代码，从而加快开发流程。Replit给自己产品的定位是“为非开发者打造的易用产品”。在上周更新的谷歌播客中，公司首席执行官桑达尔·皮查伊也表示，就像互联网推动内容创作的职业化一样，“氛围编程”也能让更多非技术岗的人尝试新的职业。皮查伊表示，技术的革新让编程变得有趣得多了，因为人们无需任何编程基础就能轻松尝试构建应用和网站。而更令人惊叹的是，这项功能只会变得越来越好。应用的前景广阔，也意味着卖铲人的“钱景”可期。今年9月，Replit宣布完成一轮2.5亿美元的融资，使其估值较2023年上一次融资翻了近3倍至30亿美元。谷歌的AI未来基金作为战略投资者参与，YC、a16z等老股东也进行了跟投。更关键的是，Replit披露在不到一年的时间里，其年化收入已经从280万美元增加至1.5亿美元。加深与谷歌的合作后，Replit也将向行业龙头发起挑战。本周二，背靠亚马逊的Anthropic宣布，其编程产品Claude Code的年化收入已经达到10亿美元。上个月AI编程初创公司Cursor也完成了一轮融资，估值达到293亿美元，公司也宣布年化收入超过10亿美元。
-
蔡崇信：阿里不靠AI赚钱，中国AI发展靠能源成本和人才红利 11月5日，阿里巴巴集团联合创始人、董事长蔡崇信在香港大学陆佑堂“陈坤耀杰出讲座系列”活动中发表演讲，分享了阿里巴巴的转型与AI战略核心，以及中国AI技术的竞争优势与未来发展方向。蔡崇信指出，阿里巴巴从1999年的B2B模式起步，见证了中国经济与互联网浪潮的交汇点。最初，阿里巴巴帮助中小企业批发商品，随后发展为淘宝等消费者平台，并逐步涉足支付、物流等领域。他认为，阿里巴巴的成功源于始终遵循客户需求，实现有机增长。在云计算领域，阿里巴巴早在16年前就开始自主研发，最初是为了满足自身海量数据处理的需求，而非单纯追求行业热点。蔡崇信强调，技术自立是国家层面的需求，阿里巴巴通过自研操作系统软件，实现了数据中心的并行计算能力，并最终将云计算技术开放给第三方客户。蔡崇信还分享了阿里巴巴的管理哲学，强调挑选专业人才并给予高薪。他认为，找到比自己更有技能和才华的人是企业成功的关键，同时，合理的薪酬方案对于留住优秀人才至关重要。在AI领域，蔡崇信指出，中国在成为AI超级大国方面具有三大竞争优势：能源优势、成本优势和人才红利。中国在能源传输和发电能力上具有显著优势，新增发电容量是美国的9倍，电力成本比美国低约40%。此外，中国在数据中心建设成本上也更具优势，且拥有大量工程师和STEM人才，为AI模型开发提供了强大的工程支持。蔡崇信提到，中国AI发展的政策目标是到2030年实现90%的AI普及率，这一目标将通过市场驱动来实现。他认为，AI的采用率是衡量成功的关键指标，而非单纯的技术水平。此外，开源战略是中国AI发展的另一大优势，阿里巴巴通过开源模型，降低了AI的使用成本，加速了AI的普及。蔡崇信还强调，阿里巴巴不从AI本身赚钱，而是通过云计算基础设施和服务实现变现。他建议年轻人学习编程和数据分析能力，培养分析信息的框架，并关注心理学和材料科学等学科，以应对未来的AI时代。
-
AI造“月球吸尘器”，吸口月尘就能变能源 IT之家 12 月 4 日消息，人工智能创造了一种将月球尘埃转化为能源的设备。 当地时间周三，在拉斯维加斯举行的 2025 年亚马逊 re:Invent 大会上，蓝色起源公布了这款名为“月球真空”的设备，该设备采用了来自初创公司 Istari Digital 的关键技术构建而成。Istari 公司的首席执行官 Will Roper 向 CNBC 介绍道：“它的工作原理是吸入月球尘埃，并从中提取热量，从而将其用作能量来源，就像把月球尘埃变成电池一样。”据IT之家了解，在月球表面执行任务的航天器通常受到月夜的限制，每 28 天中会有为期两周的时间月亮陷入黑暗，温度急剧下降，这会损坏硬件并使其失效，除非有强大且持久的电源存在。他补充说：“有点像在家用吸尘器打扫卫生，但在这个过程中还能自己发电。”Roper 提到，这种电池完全是由 AI 设计的。他在美国总统唐纳德・特朗普的第一任期内担任空军助理部长，并因改革空军以及当时新成立的太空军的采购流程而闻名。Istari 技术突破的重要一部分在于其处理和限制 AI 幻觉的方式。Roper 表示，该平台接收部件所需的所有要求，并创建了护栏或一个“游乐场围栏”，让 AI 在设计时不能逾越。“在这个游乐场内，AI 可以尽情生成，”他说。以蓝色起源的月球电池为例，“它不会告诉你设计是否优秀，但它告诉我们所有要求都得到了满足，标准也被遵守了，这些都是在实际操作之前必须检查的事项。” Istari 得到了前谷歌 CEO 埃里克・施密特（Eric Schmidt）的支持，并已经与美国政府合作，包括作为洛克希德马丁公司在实验性的 X-56A 无人飞机上的主要合作伙伴。
-
侯利阳｜论平台内经营者数据的权利配置 大数据包括个人数据、公共数据、平台企业数据、平台内经营者数据。我国学界对于前三类数据的成果颇丰，但对平台内经营者数据这个数量最多、价值最高的数据类型却研究甚少。从事实角度来说，该类数据既无法由平台内经营者单独所有，也无法归平台内经营者与平台企业共同共有。从法律角度而言，该类数据既无法援用个人数据中的人格尊严保护原则，也无法适用平台企业数据的竞争法保护路径。较为合理的处理方法是将其视为平台内经营者与平台企业所签订的不完全契约中的新收益，适宜通过对平台企业施加透明度义务并且赋予平台内经营者启动再次谈判的方式进行权利配置。 《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称《数据二十条》）共设置了三种类型的数据：个人数据、企业数据、公共数据，并要求以此构建“数据的分类分级确权授权制度”。这三类数据对应的主体分别为个人、企业、公共机构。其中，企业主体既包括提供平台服务的平台企业，也包括基于平台提供服务的平台内经营者。二者均在生产经营中搜集并产生数据，但平台内经营者必须依赖平台企业进行各种数据搜集与生产；其数据在生成之后由平台企业直接持有，无法由平台内经营者独立控制。实践中因为该权利配置空白所导致的问题主要有三：（1）平台企业不允许平台内经营者获取相关数据；（2）平台企业不允许平台内经营者将相关数据迁移至其他平台企业；（3）平台企业利用平台内经营者的数据与之竞争。目前我国学界对于个人数据、平台数据、公共数据权利配置的研究颇丰，但针对平台内经营者数据的研究却为数甚少；为数不多的研究提出应当授予平台内经营者“有限的数据访问权与利用权”。但这些研究既未探讨此等访问权与利用权的内涵与外延，亦未分析这些举措保障平台内经营者权益的全面性与妥当性。《数据二十条》虽未明确将平台内经营者设定为数据权益主体，但强调应当“引导行业龙头企业、互联网平台企业发挥带动作用，促进与中小微企业双向公平授权，共同合理使用数据，赋能中小微企业数字化转型”。其中的中小微企业应当涉及平台内经营者。鉴此，本文拟对平台内经营者数据的权利配置进行研究，以期补足当前数据治理研究中的空白领域。一、数据的构造与规制逻辑我国目前尚未就所有类型的数据进行统一立法。学界在研究中多使用自有概念，这些概念不仅措辞不一，内涵也略有不同。为便于后续的讨论，本文对后续讨论中使用的概念进行初步界定。（一）数据的概念与主体数据一词来源于英文单词data，本意为信息。但我们目前研究中的数据并非是具体的信息，而是海量信息的聚合体，或简言之为大数据。大数据的潜能并非仅是其所包含的单条信息的简单汇总，而是“提供了一种人类认识复杂系统的新思维和新手段”，可以让我们“理解和发现现实复杂系统的运行行为、状态和规律”。大数据的出现打破了数据与信息之间的直接对应关系。比如，chatgpt通过大数据学习可以模拟人类的语言与写作，此非基于传统的有限信息所能实现的功能。正是这些无限的可能使得大数据成为与土地、劳动力、资本、技术并列的生产要素。数据与信息并非谁大谁小，而是在不同层面具有不同的含义。从形态来看，信息的范围要大于数据。数据是信息的数字形态，信息还可以通过其他形态进行呈现，如传统的非数据方式；而当前的数据主要以计算机语言的形态进行存储。但从目的来看，数据的内涵和外延却又大于信息。大数据的分析可以产出超越单一信息所呈现的新知识、新价值、新能力。为了简化数据主体，本文仅分析最简单的大数据模型，即单一双边市场平台所产生的大数据。单一双边市场平台服务两种需求完全迥异的用户，即平台内经营者与消费者。在这种模型中，数据来源者共有三方主体：平台企业、平台内经营者、个人用户。这三类主体对应三类数据：平台企业数据、平台内经营者数据、个人数据。这些数据因其数量和价值不同构成了一个金字塔式的结构。其中，平台企业数据是平台在生产经营中产生的数据，其数据权利主体属于平台企业，位于金字塔的顶层。该种数据的具体内容是平台经营的总体性状况，因此此类数据的数量最低。其次，个人数据是个人用户在使用平台时遗留的个人信息。虽然个人用户数量众多，但其个人信息产生的数据总量有限，因此其数据数量位居第二，处于金字塔的中层。再次，平台内经营者数据是平台经营者在生产经营过程中所产生的数据。虽然平台内经营者的数量要远低于个人用户，但其经营活动的频率远高于个体消费者，与个人用户数量呈现倍数增长关系。因此，平台内经营者数据是平台数据数量最大的部分，位居金字塔的底层。平台数据是这三类数据的集合，是大数据的概念；而这其中任何一个主体的数据都属于小数据或者中数据的范畴。单一双边市场平台涉及两种行为及六类主体（见图1）。两种行为是数据搜集行为与数据利用行为。数据搜集行为的最终产品为数据，数据利用行为的最终结果为数据衍生服务。数据“并非以其所含信息内容来界定权利义务关系”，不具有使用层面的目的性与物权层面的客体性。与之相比，数据衍生服务则是数据利用者将数据按照特定的方式进行排列、分析，或者使之产生明确的目的或者能够实现特定的功能。在数据衍生服务的生产过程中，数据只是生产要素。数据本身是否具有创新性存疑，因此无法被现有的知识产权规则直接保护；而数据衍生服务则是融入了数据利用者劳动的智力成果，因此一般可以获得知识产权规则的保护。 上述两种行为产生三个大类的主体，即数据搜集者、数据来源者、数据使用者。数据搜集者是指能够搜集和单独控制数据的主体，包括平台企业和公共机构。前者在经营活动中搜集数据，后者在职务活动中搜集数据。数据来源者包括平台企业、平台内经营者、个人用户。其中，平台企业与平台内经营者具有双重身份，二者既是数据搜集者，也是数据来源者。不过，平台内经营者所搜集的数据需通过平台企业作为中介进行，无法单独控制其所搜集的数据。平台内经营者只能通过数据共享的方式，从平台企业那里获取其所搜集的数据，因此在事实层面只是作为数据来源者存在。数据利用者同样涉及两类主体，即合法利用者与非法利用者。数据的利用需要以获取为基础。获取可以通过数据搜集自然获得，此时数据利用者与数据搜集者的身份重合。除此之外，数据利用者只能通过两种方式获得数据，一是数据交易，二是数据爬取。数据交易是合法获取数据行为，也是《数据二十条》倡导的行为，可以增加数据流通和后续的利用，充分发挥大数据的潜在效能。数据爬取行为的合法性则处于灰色地带，既存在合法行为，也存在非法行为。除了数据爬取之外，数据利用者还可通过入侵数据搜集者数据库的方式获取数据。但此类行为的违法性明显，不再赘述。（二）数据的经济学属性数据或者说大数据毋庸置疑具有极大的经济价值，但数据与现有的财产类型具有较大的区别。在对数据进行权利配置时立法者无法直接援用既有的财产权法律。为了精准界定物品的财产权属性，经济学界提出可以通过独享性和排他性来将物品进行分类。独享性是指该物品只能被某个消费者享用，不能同时被其他消费者享用；排他性是该物品具有可以阻止其他人使用该物品的特性。如此，所有物品可以被分为私人物品、俱乐部物品、共有物品、公共物品四类。私人物品既存在独享性又存在排他性，无须政府规制的介入。公共物品则既不具有独享性又不具有排他性，市场机制无法调整，必须由政府进行规制。共有物品虽然不具有排他性，但呈现出独享性特征，因此会产生“公地悲剧”问题，需要政府规制的介入。俱乐部物品则比较特殊。有些俱乐部物品无需政府规制也可由市场自行供给，比如电影院；但有些俱乐部物品需要一定程度的政府规制，比如知识产权。我国有些学者在对数据的经济学属性进行分析时，经常将大数据和小数据混而谈之，使得我们较难认清数据的本质。下文分析二者的经济学属性。任何数据都不具有独享性。对于小数据来说，小数据一旦发生“让与”行为，则数据来源者和数据搜集者会同时拥有该数据。虽然小数据的“让与”可能会让数据来源者产生不便，但小数据在被“让与”之后效能并未发生本质变化。这也是为何数据来源者往往会忽视其数据被搜集的主要原因。此外，从理论上来说小数据当然具有排他性。只要数据来源者不将之“让与”他人，则自然可以阻止他人用之。但在互联网社会数据来源者必须使用互联网业务，而在使用互联网业务的过程不可避免地会被搜集数据。因此，小数据在事实层面不具有排他性。如此，小数据成为既不具有独享性又不具有排他性的公共物品，存在被数据搜集者滥用的可能。因为小数据属于公共物品，有学者认为大数据同样也属于公共物品。但这与事实并不相符。目前对于大数据的研究除了涉及权利配置问题之外，还涉及垄断的问题。若大数据是公共物品，则难以解释为何会产生垄断。解决该疑惑的关键依然还需从大数据的经济学属性入手。大数据当然不具有独享性。数据搜集者在获取大数据之后既可以自己使用，也可以授予他人使用。但关于大数据的排他性问题比较复杂。从表面上来，大数据似乎也不具有排他性。互联网业务的本质是数据的互联互通。一方面，平台企业在用户使用其业务的过程中搜集用户数据；另一方面，用户在使用互联网业务的过程中也在搜集平台企业的数据。这似乎说明大数据不具有排他性。但大数据在事实层面具有一定的排他性，表现在两个方面：其一，一般用户在使用互联网业务时仅需要特定的数据（小数据的范畴），而非平台的所有数据（大数据的范畴）。其二，虽然市场主体可以通过爬虫程序爬取大数据，但是平台企业可以通过技术手段对冲数据爬取，比如要求只有注册用户或者付费用户使用其数据。但某些互联网业务因其经营性质所限无法禁止用户爬取其大数据，比如用户评价类网站、社交平台类网站等。我国也有学者将之区分为企业公开数据与企业非公开数据。企业非公开数据虽然不具有独享性，但却具有一定的排他性，可以纳入俱乐部产品的范畴。此类数据可以通过建立“私人围墙”的方式进行保护。但企业公开数据则处于公共物品的范畴，难以在自然状态下得到有效保护。（三）“两头强化”理论处于自然状态的小数据与大数据都难以在缺乏政府规制的情况下得到有效保护。政府规制虽然不能改变物品的共享性，但可改变其排他性。比如，知识产权就是以法定垄断权（法定排他性）的方式来解决自然状态保护不足的问题。因此，数据权利配置的关键在于为不同的数据设定不同的法定排他性，使其能在促进数据的流通与使用这个最终目的下妥善保护不同数据主体的具体权益。对于数据的权利配置，我国相对已经形成通说的理论为“两头强化”理论，该理论中的“两头”分别指向小数据与大数据。小数据除个人数据之外还包括平台内经营者数据。我国学界目前对于小数据权利配置的研究集中于个人数据。个人数据权利配置的难点在于个人数据是否可以真正被交易。个人数据是能够识别特定自然人的各种信息（即可识别性），属于人格权的范畴。有些人格权按照法律规定完全不得交易，比如生命权、身体权、健康权等；而有些人格权则可以通过许可的方式进行交易，比如姓名、肖像等。鉴于个人数据对于大数据产业的重要意义，《数据二十条》确立了个人数据可交易的基本原则。但个人数据毕竟与姓名、肖像等可交易的人格权存在重大差异；比如，姓名、肖像等可交易的人格权在被撤回之后，其权益可自然回归到原始权利人。但有些个人数据一旦进入公共领域就存在无法撤回的风险，或者即便可以撤回但无法有效消除其对私生活安宁和私生活秘密所造成的负面影响。对此，“两头强化”理论指出可以“在个人敏感隐私信息与个人一般信息区分的基础之上，通过强化个人敏感隐私信息的保护和强化个人一般信息的利用，调和个人信息保护与利用的需求冲突，实现利益平衡。”虽然学界对于个人敏感信息与个人一般信息的明确边界尚无定论，但《个人信息保护法》以可识别性作为辨别个人数据是否需要保护的主要标准。换言之，未作匿名化处理的信息，需得个人同意后方可被搜集使用；而匿名化的信息则属于公共物品，由持有者占有使用。为保障大数据流通和利用这个终极目的，《个人信息保护法》并未将个人数据的权利配置完全留给个人，而是通过强化个人数据防御性权益的方式构建了个人数据的保护机制。个人在其数据被搜集后依然拥有查阅、复制、转移、更正、补充、删除等权利。上述强制性权利的配置弥补了小数据处于公共物品境地的尴尬局面。保护个人数据固然重要，但其只是数据权利配置的中间环节。数据权利配置的最终目的是解决大数据产业活动中不正当使用个人数据的行为，从而促进大数据产业的健康发展。因此，“两头强化”理论除主张强化个人数据的保护之外，还呼吁对于大数据保护的强化。按照排他性的不同，企业非公开数据符合俱乐部财产的特征，一般不需要政府规制的特别介入，例如即时通讯软件上面的整体性用户信息。对于这些数据，我国法院认为“平台投入了大量人力、物力，经过长期经营积累聚集而成的，该数据资源能够给平台带来商业利益与竞争优势”，因此其他人不得进行搜集和利用；这种保护方式与商业秘密的保护方式非常接近，因此有学者主张可以对大数据进行类商业秘密的保护。我国2022年底发布的《反不正当竞争法（修订草案）》即采用了这种保护路径。但类商业秘密保护路径无法直接适用于企业公开数据。此类数据属于公共物品的范畴，其“商业模式要求它对无数用户提供数据”，很难满足商业秘密的保护标准，应当对之“提供有限排他权保护，即阻止他人未经许可向公众传播收集者付出实质性投入收集的实质数量的数据内容的权利”。这种观点已经被实务部门接受。对于不具有排他性的大数据，我国法院认为只有当数据利用者提供的服务对于数据搜集者具有“实质性替代效果”时才予保护。换言之，数据利用者不得爬取数据搜集者的大数据，并与后者提供同样的服务。而当数据利用者提供的服务具有创新性时则可合法获取这些大数据，比如谷歌和百度等爬取其他网站数据用以提供搜索引擎服务。二、平台内经营者数据的治理漏洞（一）平台内经营者数据的经济学属性国务院反垄断委员会《关于平台经济领域的反垄断指南》将平台界定为“通过网络信息技术，使相互依赖的双边或者多边主体在特定载体提供的规则下交互，以此共同创造价值的商业组织形态。”这个定义指出了互联网平台的本质特征，即满足双边或者多边用户不同需求的信息服务中介。作为双边市场，平台共包含三种法律关系：平台与平台内经营者之间中介关系、平台与消费者之间的中介关系、平台内经营者与消费者之间的交易关系。平台的出现使得平台内经营者与消费者之间的交易必须通过平台完成，平台从二者交易中抽成获得盈利。平台会通过合同方式或者技术方式禁止平台内经营者与消费者直接交易。此外，由于平台内经营者与消费者之间的交易必须通过平台完成，平台完全掌握这两类市场主体的数据。在这个过程中，平台处于数据搜集者的地位，平台内经营者与消费者处于数据来源者的地位。平台内经营者对于生产经营中所产生的数据无任何形式的控制权，这些数据的实际控制人为平台企业。与其他类型的数据相同，平台内经营者数据也不具有独享性。平台内经营者的数据也不具有排他性，这种非排他性主要表现在两个方面：其一，从事实角度来看，这些数据均储存在平台企业的服务器之中，不受平台内经营者的直接控制；其二，从合同约定来看，平台企业在实践中均主张对于平台内经营者数据的排他性占有和使用。因此，平台内经营者数据相对于平台内经营者来说属于公共物品。虽然我国尚未有关于平台内经营者数据的专门研究，但欧盟委员会曾对欧盟的相关情况发布过调研报告。该报告共分析了五类平台业务：电子商务类平台、生活服务类平台、用户评价类平台、应用商店类平台、社交媒体类平台。欧盟委员会发现只要线上营业额超过总营业额一半的平台内经营者都认为数据对于他们的发展至关重要。但这些数据都掌握在平台企业手中，具体与平台内经营者共享多少以及如何共享均由平台企业决定。虽然所有的平台企业都或多或少地会与平台内经营者共享这些数据，但该报告显示平台内经营者往往不能得到他们认为最有价值的信息，如用户的身份信息、用户行为信息等。该报告也指出如果平台内经营者能够获得这些数据，则其营业额有望增加13.75%。此外，欧盟委员会也曾对亚马逊和谷歌使用平台内经营者数据的情况进行过专门调研，发现这些平台企业对于平台内经营者数据的策略存在三个问题：（1）平台企业不允许平台内经营者获取相关数据；（2）平台企业不允许平台内经营者将相关数据迁移至其他平台企业；（3）平台企业利用平台内经营者的数据与之直接竞争并获利。综上，平台内经营者无法控制其在生产经营中所产生的数据。尽管这些数据对于平台内经营者的发展至关重要，但其在现实中无法充分获取这些数据。欧盟所展示的这些问题在我国实践中也大量存在，由此产生平台内经营者数据的权利配置问题。我国对于数据的产权配置已经形成两种模式，即对个人数据的保护与对大数据的的保护。下文分析这两种保护方式能否应用于平台内经营者数据的保护。（二）个人数据保护路径中的问题个人数据保护的宪法来源为公民的人格尊严。以此为基础，《个人信息保护法》构建了以可识别性为依据、以个人同意为基础的保护路径。我国学界通说认为这种保护方式属于私法保护，但进一步的争议为这种私法保护究竟是人格权保护还是财产权保护。以彭诚信为代表的学者认为个人数据的保护属于人格权保护的范畴。这些学者并不否认个人数据中包含的财产权益，只是认为应当将二者进行综合保护；换言之，应当将其中的财产权益依附于人格权进行保护。而以张新宝为代表的学者认为这种保护方式构成一种新型的财产权，即数据财产权。该派学者并不否认个人数据中的人格权益，但是认为“单个或者少量的数据所具有的经济价值十分稀薄”，数据的价值主要体现在大数据的处理；因此建议通过建立新型财产权的方式保障数据的流通、分享与利用。本文认为个人数据是兼及人格权与财产权的权益，并且主要是人格权益。主张数据是新型财产权的观点混淆了大数据与小数据的区别。大数据确实可以成为一种新型的财产权，但对于小数据还是应当结合人格权进行理解。若个人数据是财产权，则难以解释《个人信息保护法》第15条赋予个人随时撤回同意信息处理的权利。但是，对于个人数据的保护方式难以直接应用至平台内经营者数据。个人数据的保护基础为人格尊严，但这并不为平台内经营者所拥有。我们传统上将非自然人在生产经营中所产生的数据视为公共物品，可以被社会自由使用。不过，非自然人也拥有一定的人格权。依据《民法典》非自然人享有名称权、名誉权和荣誉权等人格权。平台内经营者数据当然包含其名称，但外延却要远远大于名称。因此，名称权无法完全保护平台内经营者数据。这些数据似乎可以纳入名誉权或者荣誉权的保护范畴。但对于商誉的保护仅限于他人利用“虚假信息或者误导性信息”损害商誉的行为。平台内经营者数据当然为真实信息，因此《民法典》未赋予平台内经营者任何可以保障其数据的权利。个人数据的保护模式虽然无法直接应用至平台内经营者数据的保护，但对后者也有一定的借鉴意义。本文认为，我国对于个人数据的保护模式并非是纯粹的私法保护，而是特殊的政府规制保护。首先，虽然个人数据大都能和人格尊严发生一定程度的联系，但个人数据保护并非涵盖个人的所有数据，而仅仅保护能够识别个人身份的数据。其他不能识别个人身份的数据，虽然可能也会涉及人格尊严，但《个人信息保护法》不对之进行保护。此处体现了个人信息保护中“促进数据共享”的公共利益目的。其次，将可识别性作为判定个人信息边界的标准并不绝对，因此难以纳入以绝对权为核心的民事权利体系。某些个人数据（比如姓名、手机电话、住址、邮箱等）的确能够直接识别个人身份，但也存在大量难以直接判定可识别性的个人数据。比如，针对个体用户进行个体化画像的数据是否具有可识别性就存在较大的争议。因此，个人数据保护并未建立起严格的绝对权体系。再次，以个人同意作为数据搜集的合法依据同样在私法中难以解释。诚然，此同意可以被理解为许可。部分人格权也可以通过许可的方式进行交易，比如姓名权，这些人格权在被许可之后，原始权利人无正当理由不得禁止相对方按照约定使用。与之相比，个人数据的原始权利人可以在同意行为作出之后的任何时间内撤回其同意，且对于这种撤回同意的行为没有任何正当理由的约束。综上，个人数据的保护虽然以私法中的隐私权作为出发点，但为了促进数据流通这个公共目的，其保护模式并未简单选择私法中绝对权的保护方式，而是仅仅对于个人信息中的可识别部分进行加强型保护。这种保护的目的是为了改变个人数据事实上处于公共物品的自然状态，提升个人在数据保护中的防御性权利。从这个角度而言，个人信息保护中的同意权在法律性质而言更近似于对于交易中的弱势群体保护，而非私法中自由处置。这种保护弱势群体的原则可以借用到平台经营者数据的保护之上。（三）反不正当竞争法保护路径中的问题我国对于大数据采用了反不正当竞争法保护的路径。这种保护路径分为两种场景：一是对于企业非公开数据进行类商业秘密的保护，二是对于企业公开数据进行《反不正当竞争法》中一般条款的保护。平台企业在实践中将平台内经营者数据视为自身的商业秘密；但如果深入分析的话，则可发现这种观点并不妥当。首先，商业秘密的权利所有人是商业秘密的创造者。比如，我国认可反向工程可获得商业秘密保护的主要原因为反向工程实施人付出了研发劳动。循此理论，平台内经营者数据属于平台企业的商业秘密就非常值得怀疑。一方面，这些数据是平台内经营者在生产经营活动中所产生的衍生物。作为衍生物的数据与平台内经营者的生产经营活动虽相互独立，却又存在共存关系。这种关系非常类似于民法中的孳息。依照《民法典》对于孳息的相关规定，此类数据应当归平台内经营者所有。因此，平台企业将平台内经营者数据视为自己的商业秘密并不合适。但另一方面，将这些数据划归平台内经营者“单独所有”也不合适。平台企业在为平台内经营者提供中介服务的同时，还承担着平台交易秩序的管理职能。平台企业通过观测平台内经营者数据的异常情况来判断其是否存在违规行为。若将这些数据的产权交给平台内经营者，则平台企业完全失却对于平台内交易秩序的管理职能。而此管理职能不但被《电子商务法》规定为平台的权利，更是平台的义务。其次，虽然平台内经营者数据是平台内经营者生产经营活动中的衍生物，但平台内经营者的生产经营活动并不独立，必须依附于平台企业的中介服务才能进行。因此，平台内经营者的生产经营活动与平台企业的中介服务活动具有不可分性。这似乎又暗示着平台内经营者与平台企业可以“共同共有”平台内经营者数据。但从平台行业的发展实践来看，这种共同共有的做法也不可取。平台企业生产经营活动的核心是向平台内经营者和消费者提供中介服务。若平台企业向二者公开所有数据，则可能会导致二者拿到数据后绕开平台进行交易，从而会严重影响平台企业的经营活动。若平台由此无法实现盈利职能被迫退出市场，则无论是对平台内经营者还是对消费者都是不利的。因此，将平台内经营者数据视为商业秘密的保护路径并不符合此类数据的现实保护。那能否援引《反不正当竞争法》中的一般条款对之在具体场景中进行确权呢？一般条款在互联网不正当竞争行为中的应用包含三个法律要件：（1）原被告存在竞争关系；（2）原告的合法权益受到了实际损害；（3）被告的行为具有不正当性。对此，我们可作简单分析。首先，关于不正当竞争行为的认定是否必须存在竞争关系，我国存在“淡化说”和“扩张说”两种观点；前者认为竞争关系有无不影响竞争行为的不正当定性，后者主张竞争关系必须存在但可以将之进行扩张性解释。我国的司法机构目前持扩张说，认为竞争关系应当既包括针对特定竞争对手的直接竞争关系，也包括不针对特定竞争对手的间接竞争关系。但平台企业与平台内经营者是中介服务的交易关系，而非竞争关系。其次，虽然平台内经营者可能会因无法获取平台内经营者数据而蒙受一定的预期利润损失，但这种预期损失是实际损失还是纯粹经济损失存疑。再次，平台企业不与平台内经营者完全共享数据也具有一定的商业合理性。鉴此，多数平台内经营者都难以借助一般条款来保障自己的权益。此外，虽然某些平台内经营者可能是强势主体，但绝大多数的平台内经营者都是中小微企业，相对于平台企业属于弱势群体，他们一方面缺乏足够的资源，另一方面又担心平台企业的事后报复，更难奢望与其对簿公堂。综上，平台内经营者数据难以通过竞争法进行保护。三、平台内经营者数据的再诠释平台内经营者数据权利配置的复杂性主要有三。第一，平台内经营者数据的创造主体不明。虽然该类数据为平台内经营者在生产经营中产出，但平台企业在这个过程中也起着重要作用。第二，虽然平台内经营者是此类数据的重要贡献人，但此类数据的实际持有人为平台企业，平台内经营者无法独立控制和使用这些数据。第三，平台企业具有盈利和管理的双重身份。从实施效果来看，平台企业无法与平台内经营者完全共享平台内经营者数据。这些复杂性不仅凸显既有的法律体系漏洞，也无法对之援引其他类型数据的保护方式。因此，有必要引入新理论重新审视此类数据所涉及的法律关系。从法律性质而言，平台内经营者数据是平台内经营者与平台企业在共同生产经营活动中的产物。因此，二者之间的初始法律关系为中介服务类型的合同关系。平台内经营者数据是二者在合同执行过程中产生的新收益。这种新收益在在初始合同中或者没有约定或者虽然约定但不合理，因此需要对之进行权利的再次配置。此问题在经济学中被称为不完全契约问题。该问题于二十世纪七十年代被提出，经过半个世纪的发展形成了不完全契约理论。我国的经济学界也已经开始展开在数据治理中引入该理论的初步研究。（一）不完全契约理论的成因要了解不完全契约理论，首先要对于古典契约理论进行简单分析，以探知不完全契约出现的原因及其针对的问题。古典契约理论认为契约是当事人双方进行利益交换的自主选择结果。古典契约产生于前现代社会中的农业经济之中。由于农业社会小商品经济的影响，古典契约理论中的合同都是个别的、不连续的。由于契约的即时性，古典契约理论假设理性当事人之间签订的合同都为完全契约，因此，古典契约理论也被称为完全契约理论。完全契约的特征：（1）交易各方能够充分预期未来所有相关事宜发生的可能性；（2）契约双方能够针对这些事项达成一致；（3）由于未来发生的所有事项均可预期，据此签订的合同对于双方来说都是最优选择；（4）因为这种完全性，古典契约可以由第三方（比如法院）按照当事人的意志确权并且强制执行。在这种即时契约的假设之下，古典契约考虑的核心问题有二：如何消除信息不对称以及如何合理分配当事人之间风险。不完全契约理论并非要从根本上推翻古典契约理论。古典契约理论处理的是市场经济中即时性的简单交易，而不完全契约理论关注的则是现代社会中日趋繁多的、连续性的、长期的交易。对于长期契约的研究主要来自古典契约理论无法解决的一个问题——如果对称信息下的古典契约已趋完美，那为何依然存在大量长期契约？长期契约在执行过程中存在大量的不确定性，这些不确定性对于双方当事人原则上是不利的。如果古典契约是完美的，那么当事人完全可以将长期交易拆分为多个即时性的完全契约，那么长期契约就无存在必要。在多位诺贝尔经济学奖获得者的研究之上，不完全契约理论得以成型，其出发点是当代经济学的奠基理论之一，即交易成本理论。不完全契约理论的创始人科斯认为当交易成本过高的时候市场主体就会选择长期契约。此后的经济学者开始对契约不完全的原因进行细化，并确定了三类无法在完全契约中直接约定的交易成本：（1）由于当事人的有限理性而不可预见的成本；（2）虽然可以预见但是无法写进合同条款的缔约成本；（3）可以观察到但是无法证实的成本。由于这些交易成本的存在，契约不完全的现象是不可避免的，因此不完全契约具有独立于古典契约的现实意义。以此为基础，威廉姆森创造了“资产专用性”的概念。资产专用性是指“在不牺牲生产价值的条件下，资产可用于不同用途和由不同使用者利用的程度”。当资产在某种用途上的价值大大高于在任何其他用途上的价值时，那么该种资产在该种用途上就具有专用性。当这类资产不能发挥作用时，就会成为投资者的沉没成本。换言之，如果契约不能履行或者提前终止，那么投资方必须牺牲该资产价值才能改变用途。专用性资产会诱发交易相对方（即非投资者）的机会主义行为，或者说敲竹杠行为。资产专用性的程度越强，投资者对于交易伙伴（非投资者）的依赖性就越大。在缺乏政府规制的情况下，专用资产投资人的利益很容易被交易相对方损害。进而，理性的投资者在预料到该风险存在之后就会降低投资，从而使得社会最优的投资水平和总产出不能实现，由此产生社会福利净损失的问题。（二）不完全契约理论的核心观点以威廉姆森为代表的经济学家认为处理专有性资产的最优选择应当是最大限度地节约交易成本的治理结构，因此该派学者的理论也被冠以“交易成本经济学”。为最低化交易成本，该派学者认为解决不完全契约协议的最佳策略为企业合并或者纵向一体化，如此投资方可以避免被其他人敲竹杠的行为。但是，该学说自提出之后就面临着三大挑战。其一，如果纵向一体化真的能被推而广之，那么市场组织的最佳方式就是所有的企业最终变为一个企业；但这明显与现实社会背道而驰，甚至连科斯本人都不认为纵向一体化比长期契约更为有效。其二，梯诺尔也质疑不完全契约理论的合理性。他认为即便存在资产专用性，当事人也可以通过事后谈判的方式实现资源的最佳配置。其三，还有学者认为虽然不完全契约一定会导致敲竹杠的行为，但是由于声誉机制的存在，敲竹杠的行为并不总是会妨碍投资者的投资效率。此后交易成本经济学在一段时间内陷入沉寂。鉴于交易成本经济学的种种问题，产权理论得以出现。产权理论并未冲击交易成本经济学的理论假设，即资产专用性导致敲竹杠，而敲竹杠又导致无效投资。该派学者另辟蹊径来弥补交易成本经济学对于不完全契约理论的解释不足。产权理论认为：由于契约是不完全的，契约中除了可以事前规定的具体权利之外，还有事前无法规定的剩余权利，这部分权利被称为剩余控制权。当剩余控制权由投资方控制的时候，这种成本被内部化，跟完全契约的情形区别不大。但若剩余控制权不由投资方控制，则会产生非投资方占有投资方收益的情形。剩余控制权越大，非投资方的谈判力就越强，产生敲竹杠的可能性也越大。因此，剩余控制权是把双刃剑，拥有的一方固然增加了投资激励, 但失去的一方却因此减少了投资激励, 所以社会最优的投资激励不可能实现。为了解决该问题，产权理论提出可以通过资产所有权或者剩余控制权的重新配置，确保在次优条件下实现最佳的产权结构，即将产权安排给投资中的重要一方或者不可或缺的一方。此外，产权理论也细化了利用纵向一体化来解决敲竹杠问题的条件。比如，哈特认为交易双方的“专用性资产”如果不具有互补性时，不合并才是最好的选择。虽然到目前为止产权理论依然存在很多弊端，但是产权理论使得不完全契约真正成为新的经济学派。同时，交易成本经济学理论虽然强调纵向一体化作为最佳解决方案，但是对其具体的治理过程则保持缄默。与之相比，产权理论在传统的纵向一体化、声誉机制以及自我执行等解决方案之外，又提出了第三方权力机构介入的可能性，为不完全契约的法律治理开辟了一条新的道路。甚至，我国《民法典》对于不完全契约理论也有所体现。关于剩余控制权的具体规制举措，沙伟尔等学者的研究显示通过产权的事先配置可以激励当事人的关系专用性投资，因此他们主张治理不完全契约的关键是通过政府规制来降低信息不对称。不过，沙伟尔不支持通过损害赔偿的方式来解决不完全契约双方当事人之间的纠纷。虽然专用性投资可能会导致非投资方敲竹杠的问题，但设置赔偿责任可能会导致弱势群体的反向劫持。具体而言，虽然损害赔偿的计算方法可能存在差异，其赔偿数额的基础总是投资方的投资金额。如果政府规制已经明确强势主体必须赔偿，那么弱势群体为了获得更多的赔偿，就可能会在执行合同的过程中进行过度投资。如此，设置赔偿规则会改变强势主体与弱势主体的相对地位，从而导致弱势主体“敲”强势主体“竹杠”的外部性问题。因此，沙伟尔认为设置赔偿规则是得不偿失的。对此，当前的主流学说认为只要能够消除信息不对称的状态，并且赋予投资方启动再次谈判的权利，当事人双方总是找到社会福利最优的选择。（三）不完全契约理论与平台内经营者数据的耦合平台内经营者数据所呈现的各种问题非常契合不完全契约理论适用的场景。首先，目前关于平台内经营者数据的合同安排不是完全契约，而是存在大量不确定因素的不完全契约。虽然平台企业可以预见到这些数据的价值与效果，但平台内经营者不能充分预期无法获得这些数据造成的后果。此外，平台内经营者与平台企业签订的权利配置契约由平台企业单方拟定，平台内经营者只有选择入驻平台或者不入驻平台的自由。这种约定无法真正反映平台内经营者的自由意志。因此，既有法律体系无法真正保护平台内经营者的权益。其次，平台内经营者数据属于专用性资产，是平台内经营者利用平台提供生产经营活动中的衍生品。由于各个平台数据储存方式的差异，这些数据往往无法在其他平台上直接应用，因此这些数据在使用层面具有专用性。平台内经营者在面对平台企业时属于弱势群体，难以真正提出自己的主张。而平台内经营者在决定离开平台企业时这些数据在其他的平台企业难以发挥作用（比如平台企业对于平台内经营者的信用评级），因此这些数据成为沉没成本，很难成为平台内经营者考虑是否与平台企业签订中介服务合同时的关键因素。这也正是为何在现实中平台内经营者必须接受平台企业的敲竹杠行为，同意平台企业将这些数据作为其商业秘密的格式条款。再次，平台内经营者数据符合剩余控制权的概念。平台内经营者数据由平台内经营者的生产经营活动产生。但作为投资人的平台内经营者无法控制这些数据，必须通过作为交易相对方的平台企业才能获得。但平台企业在实践中并不与其完全共享这些数据。同时，这部分数据对于平台内经营者来说并非毫无意义。如前所述，在获得这些数据之后平台内经营者的营业收入有望大幅度增加。此外，平台企业不但控制这些数据，而且会基于这些数据向平台内经营者提供数据服务并获利。因此，平台内经营者与平台企业的初始契约或者对于这些数据的权益没有明确规定，或者以偏向平台企业的方式进行规定。作为投资方的平台内经营者不得不将这些数据的剩余控制权交给平台企业，同时还要接受后者的敲竹杠行为。因此，我们可以基于不完全契约理论确立平台内经营者数据的权利配置。但在不完全契约理论所提出的解决方案中，纵向一体化或者说由平台企业合并平台内经营者的方案并不可行。平台经济的核心就是双边市场，纵向一体化意味着平台经济将会转变为传统的单边市场。尤其是对于网络效应和规模效应表现强烈的平台业务来说，纵向一体化反而会降低平台企业的利润，不利于社会福利的提升。就平台经济的整体规模来说，也不可能存在任何一家平台能够完全吸收其所承载的平台内经营者。而平台内经营者数据由平台内经营者与平台企业共同创造的这个特征也使得事先确权非常困难。因此，降低信息不对称以及加强再次谈判的解决方式更为适合平台内经营者数据的权利配置。降低信息不对称，一方面能让平台内经营者清晰地了解这些数据的重要意义，另一方面也可以让平台内经营者了解平台企业对于平台内经营者数据的合同安排。而再次谈判的启动则是在权利配置无法事先确定的情况下，赋予平台内经营者改变其弱势地位的重要方式。二者缺一不可。四、平台内经营者数据的保护路径（一）权利配置的基本原则从上述的分析可以得知，处理平台内经营者数据的关键在于处理平台内经营者与平台企业之间不平衡的谈判力量。保护个人数据本质上也是在处理这个问题。不过对于个人数据的保护存在人格尊严这个更为高阶的法律价值，因此在解决层面相对容易。个人数据保护的基本原则在于将个人数据中涉及人格尊严的部分剥离，将其他具有公共性的部分定性为公共物品。与之相比，平台内经营者数据缺乏人格尊严这个高价法律价值的支撑，而既有法律体系中的非自然人人格权无法全面保护平台内经营者数据。甚至在前互联网时代，经营者的各项数据被视为公共物品，允许社会各界自行搜集。因此，持有平台内经营者数据的平台企业相对于平台内经营者来说就具有无法克服的谈判力量。但平台内经营者数据对于平台内经营者确实具有较大的价值。从最大化数据潜能的角度而言，完全将之配置给平台企业并不利于数据产业的进一步发展。但若将所有的平台内经营者都假定为弱势群体，并为之构建类似于个人数据那般的权利配置也不合适。首先，虽然从广义来说平台内经营者相较于平台企业具有较低的谈判力量，但这种情形并不绝对。在某些情况下，平台内经营者也具有不输于平台企业的谈判力量，比如麦当劳连锁店之于饿了么餐饮外卖平台。其次，平台也不是完全不与平台内经营者共享数据，只是共享的范围和程度未达到后者的满意。再次，经营双边市场的平台企业具有双重身份。一方面，平台企业是平台业务的组织者与管理者。平台业务的顺利运行客观上要求平台企业必须全面掌握平台内部的各项数据，以对平台内的违法违规行为进行有效监督。另一方面，平台企业作为经营者又具有盈利职能。平台企业在获得平台内的所有数据之后可以通过三种方式进行盈利。其一，平台可以将平台内经营者数据转而卖给平台内经营者。其二，平台可以基于这些数据由自己或者第三方数据企业提供数据衍生服务。其三，平台可以通过分析平台内经营者数据亲自入场经营，利用平台内经营者的数据与之进行竞争。在这三种行为中，平台内经营者除了在第二种情形应当支付对价之外，其余两项行为的商业合理性均存在争议。鉴于平台内经营者与平台企业之间的复杂关系，本文认为至少在现阶段不宜为平台内经营者建立细致入微的各项权能。而不完全契约理论的核心正是不对剩余控制权进行直接的、法定的分配，而是在分析交易双方谈判力量的基础之上，通过提升信息不对称的状态来提升某一方的谈判力量，并以再次谈判作为解决相关争议的终极手段。这种权利配置的基本原则不但契合提升数据潜能的大方向，并且也不会过度干预平台内经营者与平台企业之间的经营自主权。这种解决方式不仅符合我国的现实情况，并且也已存在相应的国际实践操作。欧盟2019年颁布的《平台—商家法令》（以下简称《法令》）虽然并不专门处理平台内经营者数据，但其在对平台企业和平台内经营者关系的处理方面体现了对于平台内经营者数据的保护。《法令》同样注意到了平台企业相对于平台内经营者的超强谈判力量，并可能会损害平台内经营者的利益以及消费者利益。虽然《法令》并未直接援引不完全契约理论，但欧盟委员会在立法准备文件中将不完全契约理论作为规制平台企业与平台内经营者关系的主要理论依据。正是看到该问题的复杂性，《法令》并未贸然进行明确的权利配置，而是通过提升平台企业各项服务的透明度以及加强纠纷解决机制的方式来强化平台内经营者的谈判力量。（二）平台企业的透明度义务前述的分析证明当前不宜通过政府规制强行介入平台内经营者数据的权利配置。但不直接引入政府规制并不意味着无需进行任何形式的规制。在传统的规制理论中，规制只有两种状态——政府规制与自我规制。不过，新规制理论指出规制的第三种状态，即元规制。虽然学界对元规制尚缺乏统一的定义，但存在三点共识。其一，元规制是对自我规制的规制。其二，相较于政府规制，元规制能够给予规制受体更多的自由裁量。其三，相较于自我规制，元规制能让政府参与自我规制的制定过程。元规制的适用场景通常为“需要解决的问题过于复杂，或者受规制的行业非常特殊且处于动态演进之中”。尤其是当规制受体比政府更为了解规制对象或者需要解决的问题时，引入元规制更有优势。平台内经营者数据的权利配置非常复杂，时至今日学术界和实务界对之尚无定论。因此，可以通过元规制的方式对于平台内经营者数据进行权利配置。平台内经营者数据涉及的场景主要有三：数据获取、数据转移、数据利用。由于平台内经营者数据实际上被平台企业控制，因此元规制的核心应当聚焦于平台内经营者如何在各种场景中获得所需的数据。原则上，这些权利配置应当由平台企业与平台内经营者的服务合同规定。但从当前的市场实践来看，这些服务合同均为格式合同；其内容和形式已经等同于平台内规则。鉴此，应当要求平台企业就此格式合同尽快制定相应的平台内规则，对于平台内经营者数据所涉及的场景进行详细的规定。这些规则的制定应当仿效国家的立法程序进行，遵循公开透明的原则，让平台内经营者、用户、行业协会、专家学者等利害关系方广泛参与，经充分酝酿后形成。平台内规则除了制定程序之外，还应当包括修订方面的程序。此外，政府还可以鼓励经营不同平台业务的平台企业联合制定自发性的行业规范。这些平台内规则至少应当涉及如下四个方面的内容：（1）平台内经营者以何种条件能够获取何种数据；（2）平台内经营者是否以及如何将平台经营者数据转移给第三方；（3）平台企业后续使用平台内经营者数据的处理目的、处理方式；（4）平台企业是否存在将平台内经营者数据转移给第三方情况。尤其是当这些数据的利用涉及平台内经营者切身利益时，平台企业应当对之进行细化、明确。目前平台内经营者数据主要被用于平台内的排名。这些排名对于平台内经营者的发展至关重要。因此，平台企业应当公开排名的规则。这些排名多为平台企业的算法所操作，直接公开这些算法的具体内容可能会涉及侵犯平台企业商业秘密的问题，但平台企业至少应当公开这些算法的主要原则。此外，平台企业如果在这些算法之外还存在另行提升排名的机制（比如付费排名等），应当在平台内规则中公开，并对于这些排名进行特殊标注。平台企业原则上应当与平台内经营者共享平台内经营者数据，并允许其将这些数据转移给第三方数据企业进行再利用。但在特殊情形中，平台企业可能无法与后者共享该数据。这些情形包括但不限于：（1）若共享该数据则可能会导致平台内经营者和消费者绕开平台交易；（2）该数据涉及个人敏感信息；（3）该数据涉及其他平台内经营者的信息；（4）依据法律规定无法共享的数据等。当平台内经营者申请共享数据被拒时，平台企业应当尽快出具书面的正当理由。出具正当理由的时限应当在平台内规则中事先明确，并且严格执行。涉及平台内经营者数据最为复杂的场景是平台企业利用平台内经营者数据与后者进行竞争。这类似于自我优待，也即平台企业给予自营业务或者关联企业业务高于其他平台内经营者的优惠待遇。但二者也有区别。自我优待严格来说是平台企业向自身或者关联业务提供更为优惠的服务。而平台企业利用平台内经营者数据与之竞争可能并不涉及向己提供优惠服务的内容。即便不向己提供优惠服务，平台企业也可以通过观测平台内经营者的数据获得超越竞争水平的优势，从而在竞争中击败平台内经营者。对此，除非禁止平台企业提供自营业务，否则较难找到妥当的处理方案。但对于平台企业是否可以提供自营业务这个问题，经济学界存在不同的理解。有观点认为其可以提升社会福利，但也有观点认为其会损害社会福利。鉴于该问题的复杂性，本文对之不作最终结论，但认为若平台企业利用平台内经营者数据与之竞争，至少应当让平台内经营者对此享有知情权。上述举措的目的是让平台内经营者能够事先了解平台内经营者数据的各种使用场景，明确自身的各项权益。若平台内经营者对这些规则不满，可以转投其他平台。按照不完全契约理论，声誉机制的自我约束可以实现平台企业与平台内经营者之间的利益均衡。因此，透明度义务能够成功的现实基础是市场存在相对充分的竞争机制。我国的多数平台业务存在较好的竞争机制，但也存在完全垄断的平台业务。透明度义务在完全垄断的情形中难以发挥效用。针对这种情况，本文建议可以另行设定“超级平台”，限制这些超级平台利用平台内经营者数据与平台内经营者进行竞争。不过，由于平台经济发展的特殊性，在指定超级平台时应当非常慎重，应当将之明确限定在存在结构性市场失灵的平台业务中。（三）程序性保障机制透明度义务本身无法保障平台企业行为的正当性与合理性，该制度成功的前提是平台企业为了维护自身声誉不会滥用超强谈判力量。但若不对之加以限制，仅仅增加透明度义务并不足以保障平台内经营者的权益。基于不完全契约理论，对于剩余控制权的合理分配还有赖于合同双方能够再次启动谈判。因此除了构建透明度义务之外，还必须构建相应的程序保障机制，使得弱势群体能够顺利启动再次谈判程序。由于双边市场的网络效应和规模效应，平台企业在经营平台业务的过程中需要面临大量的平台内经营者，并且多数平台内经营者为中小微企业。在这种情况中，传统诉讼机制的应用存在短板：其一，对于中小微企业的小额诉讼来说，传统的诉讼机制存在成本过高的问题。其二，平台经济领域中的市场主体数量过多，若将这些纠纷全部交由传统诉讼机制，则会造成法院不负重荷的问题。因此，平台经济领域的纠纷解决需要借助于双层纠纷解决机制的联合处理，即内部纠纷解决机制与外部纠纷解决机制。对平台内经营者数据的权利配置纠纷，依然可以遵循此双层机制。首先，在平台内经营者收到平台企业拒绝共享数据的通知时，允许其在平台内规则所确立的时限内请求平台的内部纠纷解决机制重新裁决。平台企业应当按照诉讼程序设置内部纠纷解决机制的各项制度。内部纠纷解决的各个步骤应当设置严格的时限，不得无限制拖延审查。为保障内部纠纷解决机制的正当性与公正性，平台除了邀请自身员工组成评议机构之外，还应当邀请外部专家参与评审。其次，在平台内部纠纷解决部门出具裁决之后，若平台内经营者对此不服，应当允许其向外部纠纷解决部门申请再次审理。外部纠纷解决部门可以是传统法院。但一则我国法院的工作负荷已经趋近饱和，二则涉及平台内经营者数据的争议具有很强的专业性，因此本文并不建议由传统法院担任此类纠纷的外部解决部门。建议设置专门的外部纠纷解决部门来处理此类问题。外部纠纷解决部门的评议专家既应当具有专业性，也应当保持与平台企业的独立性。此外，现实中还存在诸多阻碍平台内经营者挑战平台企业拒绝共享数据的因素，最为重要的为二：缺乏相应的经济资源与担心平台企业的打击报复。为避免上述情形的发生，有必要在程序设置中给予平台内经营者特殊的照顾。鉴此，本文建议：第一，针对缺乏经济资源的问题，可以考虑免除中小微平台内经营者在内外部纠纷解决机制中的各种费用。平台应当在经营成本中列入建设内部纠纷解决机制的费用，不能要求平台内经营者只有在支付相关费用之后才能申请内部纠纷解决机制。对于外部纠纷解决机制，可以考虑对于所有的平台企业征收特别税的方式进行建设。外部纠纷解决部门的各项运行成本应当从此特别税中支取。第二，针对担心平台企业打击报复的问题，可以考虑设置在纠纷解决机制进行中暂停平台决定执行的机制。当平台企业做出拒绝共享数据的决定后，该决定并不立即发生效力，而是等待平台内经营者是否在时限内申请复议。若平台内经营者未在时限内发起申请，则可发生效力；但若平台内经营者在时限内发起申请，则平台企业决定的效力暂停，随后按照纠纷解决部门的决定发生效力。结语:数据虽然并非历史上首次出现，但大数据的出现和利用使其与其他财产权产生较大差异。在前互联网时代数据的价值非常稀薄，难以真正进入利用者和立法者的视野。但互联网技术的迭代发展使得数据成为当前最具有潜在价值的生产要素，其对人工智能、云计算、区块链等新兴科技的跨越式发展起着至关重要的促进作用。从经济学理论来看，多数数据在自然状态下呈现公共物品的特征，由此产生数据搜集者侵害数据来源者权益的问题。虽然促进数据的共享和流通是数据治理的最终目的，但在实现这个最终目的的过程中决然不能忽视数据来源者利益的保护。从当前的数据实践来看，数据来源者主要是个人用户与平台内经营者。各国对于个人数据保护的方式存在差异，但均是基于保护人格尊严这个高位阶法律价值进行。而平台内经营者缺乏人格尊严的依托，只能通过合同的方式保护。与平台企业相比，平台内经营者处于弱势地位，迫需引入政府规制，一方面强化其对平台企业合同条款的知情权，另一方面强化其在纠纷处理中的主动权。只有解决了数据来源者的核心担忧，数据时代方能真正来临。侯利阳：论平台内经营者数据的权利配置 侯利阳｜论垄断行为的竞合袁波｜反不正当竞争法“商业数据专条”规范构造的反思与重塑侯利阳｜商品与销售方式二分视角下不正当竞争行为的类型化刘维｜论数据获取型不正当竞争事例的规范构成侯利阳｜论商业贿赂行为的类型化处理——兼论《反不正当竞争法》相关条款的修订许丽｜必需模型反垄断法强制开放的理据与进路上海市法学会官网http://www.sls.org.cn 上观号作者：上海市法学会
-
百度将参与制定数字人分级标；小米汽车累计交付已超过50万台 | 早资道 百度将参与制定数字人分级标12月2日消息，百度将作为核心推进方与中国互联网协会等机构共同启动《数字人产品功能质量分等分级标准》的编制工作。该标准旨在为数字人产品的功能、质量与服务建立科学的评价分级依据，引导产业健康有序发展。宁德时代：1000座换电站将于春节前后正式运营12月2日消息，在广汽、宁德时代、京东三方日前联合举办的一场会议上，宁德时代宣布，今年建设的1000座换电站将于春节前后全部实现通电与运营，并同步推进明年站点规划与区域服务优化。小米汽车累计交付已超过50万台12月2日消息，据小米汽车公布，截至今日，自2024年4月3日以来，累计交付已超过50万台。11月交付量持续超过4万台，2025年的交付量已超过了年初设定全年目标：35万台。京东工业拟通过香港 IPO 募资不超过 33 亿港元12月3日消息，京东工业公告将在香港 IPO 发行 2.11 亿股股票，发行价区间为每股 12.70 至 15.50 港元，最多筹集 33 亿港元，交易 12 月 11 日开始，美银证券、瑞银、海通国际和高盛集团为联席保荐人。亚马逊推出云AI工具亚马逊的云业务部门于周二宣布推出一款AI驱动软件，该软件旨在帮助客户更好地了解故障并从故障中恢复。这款来自亚马逊云服务（AWS）的AI工具名为DevOps Agent，它会利用Datadog、Dynatrace等第三方工具的输入数据来预测技术故障的原因。AWS表示，客户可在周二注册体验该工具的预览版，后续亚马逊将对这项服务收取费用。
-
外卖大战收尾：烧光千亿，没有赢家 定焦One（dingjiaoone）原创作者 | 李梦冉编辑 | 魏佳今年轰轰烈烈的外卖大战，在步入四季度时似乎有了收尾信号。11月28日，美团发布的第三季度财报显示：营收955亿元，同比增长2%；经调整净亏损达160亿元，而去年同期净利润为128亿元，一来一回之间，相当于同比少赚了288亿元。美团CEO王兴在财报电话会议上表示，“半年来的市场结果已经充分证明：外卖价格竞争没有为行业创造价值，不可持续。”类似的休战信号，也同样出现在阿里：阿里三季度经营利润同比暴跌85%至54亿元，相当于少赚近300亿元。在财报电话会议上，阿里集团首席财务官徐宏称，本季度是闪购业务投入的高点，随着整体效率改善和规模稳定，预计下个季度闪购业务的整体投入会显著收缩。而京东的“退场”则更早一步，当阿里、美团仍在加码补贴时，京东便已主动缩减外卖业务投入，用行动证明率先从补贴大战中抽身，到了三季度营销开支已经环比减少22%至211亿元。据统计，这场从2月由京东率先发起的外卖大战，仅第二季度和第三季度，三家巨头在即时零售业务上已累计“烧钱”超千亿。在这场竞赛中，阿里、美团、京东究竟得到了什么？又为此付出了什么？经过近十个月的厮杀，巨头们如今所释放出的信号，到底是中场休息还是集体收兵？ 阿里、美团、京东，得到了什么？ 古籍《周易》记载，古代集市交易完成后的理想状态是“交易而退，各得其所”，指的是交易完成后各方安其所得、顺势退出。如今，外卖大战逐渐平息，阿里、美团、京东似乎已经到了“退”和“得”的时刻，但它们是否真的“各得其所”？三家公司在这场大战中究竟收获了什么？我们先来看看阿里情况。从数据上看，阿里在即时零售业务上确实收获颇多。二季度，淘宝闪购的日均订单峰值达到1.2亿单，8月份周平均日订单达到了8000万单；淘宝闪购整体的月度交易用户买家达到3亿；淘宝闪购日均活跃骑手数已经达到200万。这说明阿里对外卖业务的补贴，确实换来了规模的迅速扩大。与此同时，外卖业务带来的生态协同开始显现。二季度，淘宝闪购拉动淘宝8月DAU增长20%；流量上涨带来了佣金和广告收入增长，同时减少了淘宝本身的市场费用投入。虽然三季度未继续披露详细数据，但仍继续强调即时零售与阿里的生态协同。财报提到，约3500个天猫品牌将其线下门店接入即时零售业务；即时零售用户心智不断增强、规模持续增长，推动淘宝APP月活和消费者同比快速提升，同时带动客户管理收入的增长。此外，在近些年市场竞争加大、阿里组织架构调整频繁的大背景之下，即时零售带来的增长信号，对于阿里内部整体士气的提振起到了一定作用。虽然即时零售并非阿里的核心盈利点，但通过补贴策略和消费者触达，提升了整体生态的互动效率、扩大了市场份额，巩固了自身在国内互联网行业的影响力。资本市场的反馈也侧面印证了这一点。阿里股价年内涨幅超90%，在京东、美团股价均走跌的背景下，独自实现上扬。这其中虽然有相当部分来自AI业务的拉动，外卖业务只是加分项，但它起到了帮助阿里重回增长叙事的作用。 注：数据截至12月1日 相较于阿里的投入换规模，美团更像守城者。这场大战带给它的不是账面上的数字，而是让它证明了自身的市场地位和竞争韧性。美团三季报显示，餐饮外卖日活跃用户和月交易用户均创新高，更多中低频用户向高频迁移，交易频次和黏性均有所提升。它履约体系的稳定性在这场高强度竞争中，似乎被“验证”了一遍。从消费端来看，低价补贴潮退之后，消费者的选择愈发理性，最终留下来的用户对美团的服务体验、履约效率形成了深度认可。这部分高忠诚度的用户，成为其巩固市场地位的核心资产，比短期利润更具价值。资本市场同样出了反馈，阿里三季报发布后，美团股价逆势上涨，显示出资本市场对其护城河的认可。对于京东来说，它在外卖领域的布局时间较短、投入度不如阿里和美团，但通过这场外卖大战，京东为自己的电商业务找到了新故事。京东三季度财报里提到，京东外卖持续释放与核心零售业务的协同效应，尤其在用户增长、用户提频、跨品类购物方面；七鲜小厨自推出以来获得消费者广泛认可，日均单量保持在高位水平。长期以来，京东的增长高度依赖传统电商业务，亟需一个全新的业务增长点来重塑资本市场叙事、吸引投资者关注。自今年2月京东外卖正式上线以来，这家电商巨头数次成为行业焦点。其动作如为骑手全额缴纳五险一金、整治“幽灵外卖”、推出供应链创新业态七鲜小厨、强调品质外卖等，强化了在舆论场上的形象。近期，刘强东宣布上线独立外卖APP的动作，被市场解读为京东希望打造独立的即时零售入口，但未来能否成为第二增长曲线仍需持续观望。整体而言，京东在这场战争中“得”的更多是品牌认知与业务方向的延展，而非规模、利润或市场份额的显著增长。这场没有明显赢家的大战，虽然让阿里、美团和京东各自面临着巨大的竞争压力和财务压力，但不可否认的是，参战的三家巨头也各有不同层面的红利入账，只是它们对“得”与“失”的价值取舍各有侧重。 三巨头付出了什么？ 外卖大战的高强度竞争，阿里、美团、京东虽各有斩获，但其背后的财务代价远超市场最初的预期。这集中体现在三家公司2025年第二季度和第三季度的财报中，可以概括为：收入并未同步大增，但利润端普遍承压，销售费用更是集体飙升。 先来看阿里。阿里三季度营收2478亿元，同比增长5%；若剔除已出售的高鑫零售、银泰等业务影响，核心业务同比增速更达15%。营收表现可圈可点，但利润端呈现强烈反差：经营利润同比暴跌85%至54亿元，相当于少赚近300亿元；经调整净利润亦大幅下滑72%，仅104亿元。而导致利润大幅收缩的核心原因，正是外卖业务持续高强度投入带来的压力。从业务构成来看，当前主要分为中国电商、国际电商、云智能、所有其他四大板块，淘宝闪购与饿了么组成的即时零售业务被归入中国电商板块。中国电商业务三季度营收1326亿元，同比增长178亿元。其中即时零售业务收入229亿元，较2024年同期的143亿元增长86亿元。为了这86亿元的营收增长，阿里也付出了代价：即便有双11大促带动电商增长回血，中国电商业务经调整EBITA仍从去年同期的443亿元骤降至105亿元，同比暴跌76%，相当于中国商业分部单季少赚338亿元，盈利压力远超营收增长的提振作用。外卖补贴带来销售费用的激增成为拖累业绩的主因。阿里二季度销售及营销开支达532亿元，这一增长主要源于淘宝闪购的用户补贴与拉新，三季度该费用同比暴涨105%至665亿元，创近年单季新高。两季度累计投入达1197亿元。美团的防守成本同样高昂。第三季度美团收入为955亿元，同比增长2%。经调整净亏损达160亿元，而去年同期净利润为128亿元，相当于少赚了288亿。最值得关注的是外卖所在的核心本地商业业务，该季度营收674亿元，去年同期为694亿元，同比减少19亿元，这是该业务除疫情外首次出现负增长。同时，其经营利润转负，亏损141亿元。核心本地商业由配送服务、佣金、在线营销服务、其他服务及销售业务组成。其中，配送服务三季度营收230亿元，同比减少48亿元，成为拖累利润的主要来源。 销售费用同样急剧上升。二季度其销售及营销开支同比增长52%至225亿元，三季度竞争进入白热化阶段，该项费用同比激增91%至343亿元，占营收比例飙升至36%的历史峰值。两季度累计投入568亿元，也导致亏损。最后来看看京东。京东在三家中率先收敛，但三季度仍付出不小成本：收入2991亿元，同比增长15%；经调整净利润为58亿元，去年同期为132亿元，少赚了74亿元。具体到外卖业务所在的“新业务”分部，营收156亿元（2024Q3为50亿元），营业成本166亿元（2024Q3为38亿元），经营费用149亿元（2024Q3为18亿元）。最终，该分部经营亏损157亿元，而去年同期亏损仅为6亿元，相当于多亏了151亿元。费用投放上，京东呈现“前冲后收”的特征：二季度为快速打开市场，其营销开支同比暴涨127%至270亿元；三季度调整策略，营销开支环比减少22%至211亿元，同比增幅收窄至111%。两个季度累计费用达481亿元，对比阿里和美团，京东“控本增效”的战略转向明显。综合三家财报，两季度间，三家累计市场费用投入超2200亿元，这种“增收不增利”的格局，已让行业开始反思烧钱模式的可持续性。 外卖大战的终局真的来了吗？ 随着三季报的出炉，各家开始释放出“休战”的信号。回溯阿里二季度电话会议，阿里电商事业群CEO蒋凡曾释放加码信号，称不会单独考量外卖盈利，结合电商综合收益，在长期保持价格竞争力的前提下，闪购能为平台带来正向经济收益，更提出“未来3年闪购与即时零售贡献1万亿新增成交”的目标。彼时持续加码投入的姿态，大有对美团穷追猛打的架势。如今，阿里的策略明显出现转向。在三季度财报电话会议上，阿里集团首席财务官徐宏称，随着整体效率改善和规模稳定，下个季度闪购业务的整体投入会显著收缩。这一表态被市场普遍解读为外卖大战暂歇的信号。美团则保持了一贯的立场，即外卖价格竞争是低质低价的“内卷式”竞争，予以坚决反对。在三季度财报电话会议上，美团CEO王兴表示，半年来的市场结果已经充分证明：外卖价格竞争没有为行业创造价值，不可持续。京东退场的信号则更早显现。早在7月，京东CEO许冉曾表态：“历史上从来没有一场低质低价的竞争能给行业带来长期价值。京东虽然是外卖行业主要平台之一，但并未参与，我们不做没有长期价值的事。”而后市场关注焦点也逐渐从其外卖业务转向七鲜小厨等话题。从各方表态来看，阿里收缩闪购投入、美团否定价格战可持续性、京东提前收敛补贴，均指向竞争降温。此刻停战，或许并非偶然。一方面是尽管补贴战能在短期内拉动订单量，整体格局并未出现颠覆性变化。据11月摩根大通公开数据的测算，美团在餐饮外卖领域仍以50%的订单量份额占据主导，另据王兴在财报电话会议上透露，目前美团客单价15元以上的订单GTV占比超三分之二，30元以上订单占比约70%；阿里通过淘宝闪购与饿了么的整合，订单量份额提升至42%，虽在8月订单峰值期一度短暂反超美团，但整体未撼动核心格局；京东则拿下约8%的市场份额，虽在二季度末曾冲高至11%，但后续随投入收缩有所回落。另一方面，补贴的边际效益正在下降。二季度阿里曾公布淘宝闪购的订单量、交易用户数、日均活跃骑手规模，以及其拉动淘宝DAU增长的相关数据；而三季度仅用“即时零售推动淘宝月活快速提升”的文字描述带过，不再披露核心业务数据。有业内人士认为，这种披露口径的变化背后，或意味着投入边际效应开始下降，补贴不再带来同等规模的留存。 图源 / pexels另外，资本市场释放出的信号也很明确，“补贴换增长”的故事不再具备想象力，一旦补贴拉低利润，市场反应立即反映在股价波动上，使平台不得不重新审视增长路径。在这些因素叠加之下，三巨头选择在此刻按下暂停键。上海财经大学数字经济研究院副院长崔丽丽对「定焦One」表示：“外卖大战趋向于偃旗息鼓，目前市场占有率的格局已经基本上落定，但是否真正停战的决定因素不止取决于市占率，另一个方面是用户习惯的形成，这方面可能还需要进一步观察。”也就是说，即便补贴可能暂停，但用户迁移尚未完全定型，战局仍有变量。在谈及外卖行业的未来走向，崔丽丽称，随着餐饮外卖市场竞争格局趋于稳定，行业的竞争焦点将逐步向两个方向转移：一是非餐类即时零售的深耕，二是餐饮及线下服务的到店场景渗透。她强调，餐饮外卖只是即时零售的“起点赛道”，当这块市场的份额争夺告一段落，平台的核心竞争力将更多体现在非餐订单的运营能力和到店服务的渗透上。尤其是除了阿里、美团、京东外，还涉及到小红书、抖音等平台等加入，未来市场格局会更加复杂。或许外卖大战的第一回合暂告段落，但即时零售的下一场风暴，还将继续。*题图来源于pexels。
-
Deepseek重磅更新背后：AI大战一触即发，再不行动就晚了 文 / 陈白来源 / 节点财经12月1日，期待已久的DeepSeek更新，再一次炸场了。据Deepseek官方消息，DeepSeek发布两个正式版模型：DeepSeek-V3.2和DeepSeek-V3.2-Speciale。据官方介绍，DeepSeek-V3.2的目标是平衡推理能力与输出长度，适合日常使用，例如问答场景和通用Agent任务场景。一句话总结，DeepSeek也不满足只做一个AI聊天机器人。它的目标，是成为未来的通用AI助手。无独有偶，就在DeepSeek发布会结束的同一天，字节跳动旗下的豆包手机助手也宣布了重大升级，直接越过所有超级APP的护城河，以系统级服务的姿态杀入手机操作系统，试图重新定义什么是真正的“AI手机”。这一连串的动作表明，中国科技巨头们正在集体从“模型层”向“系统层”跃迁。与此同时，大洋彼岸的硅谷，进展也同样一日千里，甚至可以用惊心动魄来形容。Google的Gemini 3.0发布仅一周，就以其惊人的多模态理解能力霸榜全球各大评测基准；OpenAI不甘示弱，ChatGPT 5.1版本推出的“群聊功能”彻底打破了人机一对一的界限，而Sora下载人数的持续攀升，更是让视频生成领域的竞争进入了白热化。这一切都意味着，硅谷AI已经走过了技术炫技的阶段，全面进入了残酷的应用争夺时刻。如果说2023年面对ChatGPT的横空出世，全球更多人感到的是一种面对未知的震撼与眩晕；2024年的焦点是“百模大战”，各家厂商还在比拼谁的参数更大、谁的跑分更高；那么2025年的尾声则标志着一个时代的终结与另一个时代的开启——我们终于跨越了单纯比拼参数堆叠和暴力算力的草莽阶段。随着DeepSeek V3.2的发布，信号变得前所未有的明确：全球AI竞赛的赛点，已经从谁更聪明，转向了谁更能在真实世界里解决问题。2026年的人工智能大战，硝烟已经提前点燃了。01 打破AI商业天花板DeepSeek V3.2的发布，在技术圈内引发的震动远比普通用户感知得要剧烈。长久以来，DeepSeek以其在代码生成和硬核推理上的卓越表现，被誉为“极客的首选”。但在V3.2版本中，官方特意强调了“通用Agent任务场景”和“推理与输出长度的平衡”。这句看似平淡的技术描述背后，隐藏着模型厂商由于“焦虑”而产生的巨大战略转向。过去两年，我们习惯了对着一个聊天框输入提示词，然后等待AI吐出一大段文字或代码。这种“ChatBot（聊天机器人）”模式虽然新奇，但它的边际效应正在递减。用户开始疲惫于在不同的窗口间复制粘贴，企业开始抱怨AI无法真正闭环解决问题。一个只能“说”不能“做”的AI，其商业价值是有天花板的。 DeepSeek显然看透了这一点。V3.2-Speciale版本的推出，大概率是为了配合主模型在特定复杂环境中进行精准打击。这背后其实在说的是，DeepSeek不再满足于充当人类的陪伴者和咨询师，而是要成为人类的“执行官”。此次的更新，实际上是在宣告，作为中国开源与闭源模型的一面旗帜，它已经做好了从“大语言模型”向“通用智能体底座”跃迁的准备。这不仅是梁文锋的选择，而是整个行业的集体突围。我们看到，美国的Anthropic在Claude后续版本中疯狂加强计算机操作能力；OpenAI在o1系列之后，将所有的研发重心都压在了能够自主规划路径的Agent模型上。在Chat时代，模型厂商被锁在聊天框里，应用层被套壳公司把持。而进入Agent时代，模型本身就是操作系统，模型本身就是浏览器。DeepSeek V3.2和豆包们，不是想做你的聊天杀时间对话框，也不是只成为你电脑里的一个网页，他们的企图，是未来要直接帮你写完代码、测试运行甚至部署上线，成为你工作流中的核心引擎。02 入口争夺战如果我们将视角从技术产品本身，进一步拉大到全球地缘政治与宏观经济的维度，其实会发现，DeepSeek的进化并非孤例，而是一次对全球趋势的再验证。2025年年末的中美AI战场，呈现出一种奇妙而紧张的“殊途同归”：大洋两岸所有的科技巨头，都在疯狂地将AI塞进具体的业务流中，让AI从“显性”的对话者，变成“隐性”的掌控者。然而，在这场技术竞速的繁荣表象之下，是中美两国在政策博弈、标准制定与算力防线上的激烈暗战。 先看大洋彼岸。OpenAI与Google的动作极其凶猛且具有侵略性。ChatGPT 5.1推出的群聊功能，看似只是一个简单的社交尝试，实则是对人类社交关系的深度入侵。而以Sora为代表的视频爆发，则让OpenAI扼住了短视频内容生产的咽喉，甚至开始威胁到好莱坞的传统制作流程。Google同样不可忽略。Gemini 3.0配合其表现极为出色的“Nano Banana”端侧轻量化模型，正在横扫AI应用市场。Google正在试图让Android系统本身变成一个巨大的Agent，直接绕过APP调用服务。这实际上是试图建立一个由硅谷定义的“全球AI操作系统”。一旦成功，所有依附于APP生态的企业都将面临被降维打击的风险。反观中国市场，从阿里系的千问、蚂蚁灵光到字节的豆包，虽然各家大厂的路径不同，但目标高度一致：在算力封锁的背景下，走出一条“应用驱动底层”的中国特色道路。在这看似繁荣的应用爆发背后，其实是中美在“算力突围”与“生态建设”上的深层博弈。过去三年，美国试图通过一轮又一轮的高端芯片禁令，锁死中国AI的进化上限。他们寄希望于物理层面的封锁，让中国AI永远停留在二流水平。但2025年初DeepSeek V3的出现，以及国内其他头部模型的迭代，从侧面有力地证明了这种物理封锁的阶段性失效。中国厂商展现出了惊人的韧性与智慧。既然买不到顶级的单卡，那就通过算法优化来弥补；既然算力集群互联受限，那就通过MoE（混合专家）架构的创新来提升参数利用率；既然硬件有短板，那就通过软硬协同的极致压榨来提升效率。中国AI行业硬是在算力受限的苛刻条件下，训练出了足以对标GPT-4.5乃至GPT-5级别的模型。于是，博弈的焦点开始发生转移。从单纯的“硬件封锁”，转移到了更软性但长期看其实更为致命的Agent行为与生态应用壁垒之争。03 物理世界的重构，刚刚开始2025年初，Manus的出现让大家第一次知道了什么是AI Agent。而站在2025年的末尾展望，一个趋势正在变得日益明显：2026年，才是真正意义上的AI Agent元年。为什么是2026？因为到了这一年，技术准备好了，应用场景跑通了，而国家层面的战略博弈也进入了确立“新规则”的关键期。 在2023-2025这三年间，我们解决了“模型不够聪明”和“推理成本太高”这两个核心阻碍。DeepSeek V3.2的发布，象征着高性能模型成本的进一步下探和实用性的指数级上升。当推理成本低到可以忽略不计，当模型的上下文长度足以容纳整本书甚至整个项目代码时，量变终于引发了质变。所谓的Agent，它与ChatBot的核心区别在于：感知、规划与行动。换句话说，2026年，我们将看到AI不再仅仅停留在屏幕里，而是开始重构物理世界。在软件层面，AI将彻底重构工作流。以前我们用SaaS软件（软件即服务），未来我们将进入SaaS（Service as a Software）时代——服务即软件。你不再是购买一个CRM系统自己录入客户信息，而是雇佣一个“销售Agent”，它自动抓取线索、发送邮件、安排会议。DeepSeek V3.2所展示的平衡推理能力，正是为了支撑这种长链条的复杂决策。在硬件层面，具身智能大概率也将因为软件层面的突破而迎来新一轮爆发。AI作为机器人的大脑，已经准备好了，接下来就是装上身体。无论是特斯拉的Optimus，还是国产的一系列人形机器人，其核心灵魂都是类似DeepSeek V3.2这样的通用大模型。当模型能够理解物理世界的规律，能够拆解“倒一杯水”这样看似简单实则复杂的指令时，AI改造世界的帷幕才真正拉开。对于中国企业而言，2026年既是机遇也是生死局。在这个战场上，AI不再是陪聊的玩具，它是帮你写代码的程序员，是帮你理财的金融顾问，是帮你剪辑视频的导演，甚至是帮你开车的司机。从“聊天”到“做事”，从“虚幻”到“真实”，2026年，当Agent无处不在，我们将不得不重新思考人类在这个新世界中的位置。而这，才是让全球科技巨头都如此急迫、焦虑的真正根源所在。AI改造物理世界的大战已经一触即发，留给科技公司们抢占下一个时代入口的时间，已经不多了。*题图由AI生成
-
埃森哲成了OpenAI的“布道者”，中国的“华与华”们却在卖营销方案 | 马上评 2025年12月1日，OpenAI与埃森哲宣布达成一项战略合作伙伴关系，这一消息可能标志着欧美企业AI转型新纪元的到来。其实在中文世界，这条新闻内容只有短短几句话，但详细看原版英文新闻，我们会发现该战略合作可能蕴含着丰富的信息。 图片由AI生成根据协议，埃森哲将为其数万名IT专业人员配备ChatGPT Enterprise，并成为OpenAI的首要合作伙伴，帮助全球企业采用和部署生成式AI技术。这不仅是一次简单的商业合作，更可能成为欧美企业AI转型从概念验证走向规模化应用的分水岭。我们可以看到，这次合作的内容其实远不止于两家公司之间的技术授权。它实际上意图去解决众多企业在AI时代转型效率提升、如何将AI技术有效地嵌入到企业工作流程中等关键问题，而埃森哲将会替代OpenAI扮演这样的角色。我们可能都有这样的体感，尽管较多企业已开始尝试使用生成式AI，但很多企业并未看到业务价值的显著提升，原本一些被认为具有高价值的垂直场景最终都”止于试用“企业AI转型之所以进展缓慢，根本原因在于它必须是一把手工程，需要企业最高层的深度参与，并给到各个部门信心以及承诺。很多企业领导者总是把AI转型这一工作想象成是IT部门的事情，而实际情况是，这样一种深入骨髓的调整是涉及企业战略、组织架构、业务流程的根本性变革，IT部门在企业内部的话语权普遍比较弱，还常常面临其他部门的不理解与挑战，让其担纲如此革命性的大任，是不现实的。现实中很少有企业领导者真正理解AI的技术潜力和转型复杂性。现实中，只有很少的高管将AI视为核心战略，而大部分的高管仍将其视为优化现有流程的工具，这种认知差距，往往会导致AI项目被边缘化，在内部没有办法获得足够的资源和支持。老板们往往低估了数据治理、人才储备和跨部门协同的难度，也高估了技术本身在短期内解决问题的能力。AI的价值实现，依赖于场景的深度打磨与业务闭环的重构，而非简单的工具替换。只有当领导者真正投身于战略对齐、资源调配与文化推动，才能打破部门壁垒，建立持续迭代的机制，使AI从试点走向规模化落地，释放长期价值。AI转型需要既懂AI技术，又懂业务的复合型跨界人才，这种人才在市场上是非常稀缺的且培养周期长，企业难以通过短期招聘补齐缺口。大企业的组织惯性也是AI转型的重大障碍，企业内部往往存在非常可笑的割裂现象，部门墙也在阻碍企业对AI应用。销售部门、生产部门、供应链部门各自为政，AI项目往往局限于单个部门，难以实现端到端的业务流程优化。比如，战略部门规划数字化转型，但运营部门继续使用传统方式工作，这种割裂就会导致AI项目即使在技术上是成功的，但也难以在组织中落地，那些线上线下的AI设施要么被丢在角落里吃灰，要么上线后被平行部门各种嫌弃，老板也会产生挫败感，会产生AI的实际效果被夸大的错觉。AI转型不仅涉及技术变革，更涉及工作方式和思维方式的根本改变，许多员工还会担心AI会取代自己的工作，进而会演变成对AI转型推进的抵制。可以预期的是，OpenAI与埃森哲的这次战略合作，会促使欧美企业AI转型速度将在未来2-3年内明显加快。从两家企业合作方案的细节上，我们能看到，他们正在试图构建一个成熟的AI生态系统，他们准备让技术提供商、咨询公司、实施伙伴和培训机构形成协同，如此一来，AI应用的门槛会大幅降低，企业也不再需要从零开始构建自己的AI能力了。欧美企业领导者是普遍有付费给不同专业领域的咨询公司来帮自己解决内部管理和业务实际问题的意愿和习惯的，中国企业的老板们则普遍比较“自信”，更倾向于自主摸索或依赖内部团队，对引入外部专业力量持谨慎甚至排斥态度，这种思维差异导致中国企业在AI转型中往往缺乏系统规划，更多停留在技术试点层面，难以形成规模化效应。同时，对短期回报的过度追求也使得决策者在资源投入上犹豫不决，进一步延缓了转型进程。这种急功近利的心态，使得许多中国企业将AI视为“万能药”，期望投入即见成效，一旦短期内未见回报便迅速叫停项目。而欧美企业更愿意为长期战略投入资源，接受阶段性试错与迭代。中国在AI领域是有独特优势的，庞大的数据资源、相对完整的产业链和巨大的市场容量；在应用创新方面，中国也展现出惊人的创造力，如AI在电商、社交和泛娱乐等场景的深度应用，但这都局限于TO C的消费互联网领域，产业端的AI渗透率仍明显偏低。中国本土提供企业深度流程改造和战略转型的专业咨询公司是严重不足的，专业的技术类或AI转型咨询公司更是凤毛麟角。相比之下，欧美有如麦肯锡、BCG、德勤等成熟的管理咨询公司，以及埃森哲、IBM这样的技术咨询巨头，这种细分使得企业可以根据具体需求选择合适的咨询伙伴，大大降低了AI应用的复杂性。埃森哲近期的财报显示，公司与生成式人工智能（Gen AI）和智能体AI（Agentic AI）相关的收入在2025财年增长了三倍，在全球拥有7.7万名经过AI培训的专业人员，为了加速AI转型，埃森哲公布了一项为期6个月、耗资8.65亿美元的业务优化计划。这一计划将通过裁减部分员工和重新分配资源，将节省的资金投入到与AI相关的业务和员工技能提升中。反观国内，中国本土的咨询公司大多规模较小，服务范围较广，难以在特定领域建立深度专业性。AI咨询，是需要咨询公司自身具备深厚的AI专业知识，公司在技术和人才方面是需要进行长期投入的。但许多中国的咨询公司更倾向于短期项目和易于商业化的服务，是难以在AI转型服务上形成核心竞争力的，例如近期被推上舆论风口浪尖的”华与华“其主打的营销策划模式虽在品牌视觉和口号设计上具备传播力，却难以触及企业底层运营逻辑的智能化重构，不过确实契合了企业老板们短视、快速变现的心理。AI转型的窗口期不会持续太久，对于中国企业、AI厂商、本土咨询公司而言，现在是联合采取行动的最佳时机，把专业的事情交给专业的团队去做，否则必然会在新一轮技术驱动的全球竞争中处于劣势。（文｜老马商业评述，作者｜马金男，本文首发于钛媒体APP）
-
GPT5.5代号“蒜你狠”曝光！OpenAI拉响红色警报加班赶制新模型 梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 面对谷歌攻势，OpenAI内部炸锅了。OpenAI奥特曼向全体员工拉响“红色警报”：要集中所有资源先让ChatGPT能赶上Gemini 3 Pro再说别的，连广告业务和购物智能体这种能带来额外收入的都要让路。 △Nano Banana画得这么好，确实应该拉警报三年前，也正是ChatGPT让谷歌内部拉响红色警报，开始整合谷歌大脑与DeepMind资源，最终催生出Gemini系列。 现在，作为对Gemini 3 Pro的应对，两款OpenAI新模型集中曝光： 计划下周发布一款新的推理模型，在OpenAI内部评估中领先于Gemini 3，但“仍需在提升ChatGPT的体验方面做出更多努力”。 代号Garlic的新模型，正在加紧赶制最初的版本，明年初可能会以GPT-5.2或GPT-5.5发布。 除模型改进外，奥特曼在一份内部备忘录中详细列出了一串急需改进的关键领域： 为8亿多周活跃用户提供个性化服务 让每个人都能定制ChatGPT与他们的互动方式 改进图像生成，让用户能创建从室内设计模型到动画照片的各种内容 提高模型行为表现 在LMArena等公开排名中超越竞争对手 提升ChatGPT的速度和可靠性 减少”过度拒绝”现象，即聊天机器人拒绝回答良性问题的情况 可以看出，确实是很急了。 对于OpenAI员工来说，本来就很紧张的工作节奏只能更紧张了。 ChatGPT流量暴降，OpenAI猎人变猎物OpenAI为什么这么急？数据说明一切。自Geimin 3 Pro和Nano Banana Pro发布以来，ChatGPT的流量7天下降了6%。 根据谷歌在10月份公布的数据，Gemini的月活跃用户已经达到6.5亿，而仅仅三个月前的7月份，这个数字还只是4.5亿。更让OpenAI紧张的是，谷歌刚刚发布的Gemini 3模型在行业基准测试中已经超越了OpenAI的模型，直接推动了谷歌市值的飙升。不仅如此，谷歌还在搜索应用中推出了AI模式，把传统搜索直接变成了类似ChatGPT的聊天机器人。与此同时，Anthropic也在企业客户市场上越来越受欢迎，多线夹击之下，OpenAI的领先优势正在快速缩小。ChatGPT负责人Nick Turley透露，ChatGPT目前占据全球AI助手活动的70%和搜索活动的10%。尽管数字看起来依然亮眼，但增长放缓的迹象已经显现。CFOSarah Friar在上个月与投资者的电话会议中就暗示了ChatGPT增长的放缓，尽管她没有具体说明是哪个增长指标。 ChatGPT增长放缓，就意味着财务压力正在与日俱增。OpenAI目前仍未盈利，需要以近乎疯狂的速度不断融资才能维持运转。根据公司自己的财务预测，ChatGPT今年将从订阅服务中产生约100亿美元的收入，明年预计达到200亿美元，到2027年大约350亿美元。但这些收入远远无法覆盖开支。OpenAI预计在未来几年内将烧掉数百亿美元来开发新技术和支持ChatGPT等产品的运行。更要命的是，公司需要筹集约1000亿美元的资金来应对巨大的现金消耗。按照内部财务预测，OpenAI需要在2030年将收入增长到约2000亿美元才能实现盈利。这种财务劣势让OpenAI在与谷歌等科技巨头的竞争中处于不利地位。后者可以用自身收入为投资提供资金，而OpenAI则完全依赖外部融资。即便与主要的创业公司竞争对手Anthropic相比，OpenAI的支出也更加激进。秘密武器：新模型代号“蒜你狠”面对危机，OpenAI并非毫无准备。据知情人士透露，首席研究官Mark Chen上周向部分同事透露了一个代号为“Garlic”（中文暂译蒜你狠）的新模型。在OpenAI内部评估中，这个模型在编码和推理任务上的表现已经超过了谷歌的Gemini 3和Anthropic的Opus 4.5。 Garlic与此前曝光的为“Shallotpeat”（中文暂译泥算哪根葱，shallot是葱，peat是泥）的模型还不是一个。 Shallotpeat是奥特曼在10月份告诉员工将用来挑战Gemini 3的模型。Garlic在预训练过程中整合了开发Shallotpeat时使积累的bug修复。Mark Chen表示，在开发Garlic的过程中预训练方面取得了重大突破，能够将大型模型的知识打包到更小的架构中。OpenAI正在尽快发布Garlic的一个版本，这意味着人们可能会在明年初看到GPT-5.2或GPT-5.5的发布。同时，得益于从Garlic中学到的经验，OpenAI已经开始开发一个更大更好的模型。再加上下周就要发布应对Gemini 3 Pro的模型，所以一共有3个新模型，让原本就很乱的产品线更加凌乱。这次红色警报并非突然而至。备忘录显示，OpenAI此前已经为改进ChatGPT宣布为橙色警报。奥特曼鼓励临时团队调动，并组织负责改进ChatGPT的人员每日展开电话会议。CFO Sarah Friar在11月的一次活动上表示，IPO并不在近期计划之内。但作为一家私营公司，OpenAI的命运与英伟达、微软和甲骨文等公司紧密相连，公司投资数据中心的数千亿美元承诺，让市场对其将这些投资转化为有意义收入的时间表产生了担忧。这场AI领域的攻防战正在进入白热化阶段。三年前让谷歌惊慌失措的ChatGPT，如今自己也尝到了被追赶的滋味。OpenAI这次能否守住阵地，Garlic又能否帮助其重新拉开差距，整个科技界都在屏息以待。参考链接： [1]https://www.wsj.com/tech/ai/openais-altman-declares-code-red-to-improve-chatgpt-as-google-threatens-ai-lead-7faf5ea6 [2]https://x.com/deedydas/status/1995879560446181633
-
新帅首秀，AWS赌城"梭哈"AI，"芯"事藏不住了 AWS 2025 re:Invent 网易科技现场报道 栏目｜网易科技《态度》 作者｜丁广胜 美西时间12月2日早8点，2025 re:Invent在拉斯维加斯开启。现场火爆程度空前，很多人为了抢座甚至提起1个半小时排队进场。为了照顾到与会者的体验，现场屏幕长达数十米，一眼望去人山人海。 这是2025 re:Invent的关注度。从全球各地赶到的6万人，让拉斯维加斯进入“AWS时间”，身着AWS文化衫的人遍及城市的各个角落。不仅仅是当地最著名的威尼斯人酒店，据说整个拉斯维加斯大道的很多酒店都被AWS包下。人们开玩笑说，“赌城”上次这么热闹还是10天前F1拉斯维加斯大奖赛。 亚马逊云科技首席执行官Matt Garman的keynote准时开场。他一口气讲了俩小时，发布了自研新模型Nova 2，推出了Agent工厂，展示了自研芯片，官宣和英伟达进一步拓展合作。 这位2024年6月刚刚接棒的CEO极富激情，Matt Garman宣告了Agent时代的到来，他形容其为AI时代的拐点。 他也提醒，我们仍然处在 AI 所能带来的未来的早期阶段，但这项技术的迭代速度比我们任何人以往见过的都要快。“AI的真正价值尚未完全释放，不过这一切正在快速改变。” Amazon Bedrock新增18款模型 kimi加入了 亚马逊云服务在Amazon Bedrock平台新增了18款开放权重模型。一句话理解Amazon Bedrock就是，这个平台可以提供全托管服务，使企业无需管理基础设施即可构建和部署生成式 AI 应用，直接调用各种基础模型。 网易科技现场了解到， Mistral AI推出的两套新模型，首批将在亚马逊云平台发布。Mistral Large 3是 Mistral AI 最先进的开放权重模型，专为长上下文、多模态和指令可靠性优化。 而值得国内市场关注的是，MiniMax的M2模型、KIMI的模型也新加入了Amazon Bedrock模型阵营，可以方便国内开发者和企业使用。 Trn3 UltraServers芯片发布 搭载首款3纳米AI芯片 AWS的EC2 Trn3 UltraServers正式发布，搭载AWS首款3纳米AI芯片。据介绍，其计算性能较Trainium2 UltaServers提升4.4倍，能效提升4倍，内存带宽提升近4倍，从而以更低的运营成本加速AI开发进程。 Trn3 UltraServers最多可扩展至144个Trainium3芯片，提供高达362个FP8 PFLOPs的计算能力，延迟降低4倍，从而可以更快地训练大型模型并实现大规模推理服务。 据了解，包括Anthropic、Karakuri、Metagenomics、Neto.ai、Ricoh和Splashmusic在内的客户通过Trainium将训练和推理成本降低了50%。 而在下一代Trainium4芯片方面，AWS方面表示，其设计目标是实现全方位性能飞跃，AI模型训练速度至少提升三倍，推理请求量至少增加三倍。据透露，Trainium4还正在设计中支持 NVIDIA NVLink Fusion 高速芯片互连技术。 AWS AI工厂：和英伟达打通 一切为了AI部署加速 全新AWS AI工厂是外界广为关注重点。AWS AI工厂提供专用基础设施，并结合了最新的 NVIDIA 加速计算平台、Trainium芯片、AWS高速低延迟网络和AWS AI服务。 也就是说，此后AWS的用户可以充分利用现有数据中心空间、网络连接及电力资源，而AWS则负责集成基础设施部署与管理的复杂工作。 目标很明确。AWS方面表示，AWS AI工厂就是AI时代的基础设施。其他人不需要再重复造轮子了。 值得一提的是，AWS和 NVIDIA 正在扩大合作。此后AWS的客户可以无缝访问 NVIDIA 加速计算平台、完整的 NVIDIA AI软件栈以及数千个GPU加速应用程序，以提供高性能、高效率和可扩展性，用于构建下一代AI解决方案。 与此同时，AWS还推出了由 NVIDIA 图形处理器驱动的Amazon EC2实例（Amazon EC2是 AWS 的核心计算服务，用来在云端快速启动并弹性扩展虚拟服务器，运行各种应用和工作负载）。 换句话说，AWS 正在通过 P6e-GB300超级服务器扩展其加速计算产品线，该服务器采用 NVIDIA GB300 NVL72，这是 Amazon EC2中最先进的 NVIDIA GPU 架构。非常适合大规模的人工智能推理，支持具有推理能力的万亿参数模型在生产环境中运行。 发力自研模型 Nova 2系列也来了 在AWS自研模型方面，Amazon Nova 2 Lite是一个适用于日常工作负载的快速、具有成本效益的推理模型。现在已经上架Amazon Bedrock。 Nova 2 Lite支持文本、图像、视频、文档作为输入，实现扩展推理和更丰富的上下文学习。Nova 2 Lite还支持扩展思维，扩展思维可以进行选择，分为低、中、高，用户可以控制速度、智能和成本。据介绍，Nova 2 Lite可以与Nova Forge一起使用来构建开发者自己的最佳模型。 另外，AWS还发布了Amazon Nova 2 Sonic。这是一个语音转语音基础模型，可以为应用程序带来自然的实时语音对话。官方介绍，Nova 2 Sonic提供更直观、更像人类一样的语音交互服务，是“富有表现力的男性和女性的声音。” 整体来看，Amazon Nova是AWS发布的自研大模型家族，从轻量级（Micro）到旗舰级（Pro），覆盖全场景并深度整合了云服务，是AWS在全球模型竞争中的核心武器。 Agentic AI功能上新，覆盖四大领域 AWS宣布Amazon Connect推出多项Agentic AI新功能。覆盖四大领域：可在语音与数字渠道自主执行操作的自动化AI Agent；可与客服代表协同工作的实时AI辅助；支持主动互动的预测性客户洞察；以及用于监控、测试与评估AI性能的全方位可观测性工具。 举例来看，Amazon Connect一直提供AI驱动的辅助功能，通过分析客户交互，实时向客服代表提供所需信息与工具。如今，Amazon Connect进一步推出Agentic辅助，让人类与AI实现真正协同。当客服与客户对话时，Amazon Connect会分析对话上下文与情绪，不仅提供后续动作建议，还能主动完成整理材料、处理常规流程等任务。 值得关注的是，Amazon Connect新增AI Agent可观测性功能，这一功能可以为企业提供高度透明度，可以清晰呈现 AI 的理解内容、使用的工具以及决策过程。如此一来可以增强用户对AI交互体验的信心，AWS方面称，这将有利于大家放心地大规模部署AI Agent。 推出Amazon Transform全新Agent功能 AWS宣布为Amazon Transform推出全新的Agent功能。Amazon Transform的自定义功能使所有传统系统在任意软件、代码、库和框架上均可实现快速的大规模现代化。同时，Amazon Transform可将全栈Windows现代化的速度提升至5倍，并消除客户高达70%的维护和许可成本。 据介绍，加拿大航空、Experian、QAD、Teamfront、汤森路透和Verisk等企业正使用Amazon Transform以减少技术债务。 据披露，截至目前，客户已使用Amazon Transform分析约11亿行代码，节省超过81万小时的人工工作量。 结语 在AWS re:Invent 2025，这家云巨头不是仅仅强调云服务，更是要在AI基础设施层面抢占领先。这次的发布节奏前所未有，属于AWS的AI“全家桶”宣告来临——全新 Trainium3 UltraServers、Amazon Bedrock 18款上新模型、自研 Nova 2模型家族、AI 工厂与 NVIDIA 深度合作，以及面向传统系统的 Transform Agent，都意在构建 AI 时代的“基础设施底座”。 我们看到，AWS 正试图用全栈产品打造一条通向AI未来的高速公路，做给大家“解放双手”的那个人，而接下来，这一揽子新产品新计划会有怎样的市场表现，值得持续观察。
-
陈天桥发文：当管理退出 认知升起，KPI崩塌了！ “当管理退出，认知升起。”“当新物种遇到旧容器，KPI崩塌了！”这是盛大集团、天桥脑科学研究院创始人陈天桥最新发表的观点。日前，陈天桥在媒体上发表了一篇题为《管理学的黄昏与智能的黎明——重写企业的生物学基因》的文章。他富有创见性地提出：未来的企业，不再是由人领导智能，而是由智能扩展人。陈天桥同时指出：“管理学不会消失，但它将第一次真正建立在智能（Intelligence）的地基之上，而非生物学（Biology）的废墟之上。”第一财经记者了解到，陈天桥最近对于人工智能有很多新的思考，他还在酝酿更多具有哲学思辨的论述。 认知“新物种”在最新的文章中，陈天桥表示，随着具备高级认知能力的AI智能体（Agent）的出现，传统管理学所依存的人类生物学基础（大脑的局限性）将被颠覆，企业需要从根本上重塑其组织基因，从“人类中心”的管理范式，转向“AI原生”（AI-Native）的认知范式。在他看来，传统管理学是一套为弥补人类认知缺陷（如有限记忆、有限带宽、动机衰减）而建立的“纠偏系统”。当执行工作的主体从人类变为拥有永恒记忆、全息认知、内生进化能力的AI智能体时，这套系统的基础便“崩塌”了。未来的变革不是用AI优化管理，而是让“管理”本身退出，让位于一种基于智能体认知特性的全新组织形态——“AI原生”企业。文章认为，传统管理学是一套为弥补人类认知缺陷（如有限记忆、有限带宽、动机衰减）而建立的“纠偏系统”。当执行工作的主体从人类变为拥有永恒记忆、全息认知、内生进化能力的AI智能体时，这套系统的基础便崩塌了。未来的变革不是用AI优化管理，而是让“管理”本身退出，让位于一种基于智能体认知特性的全新组织形态——AI-Native企业。“当执行依赖人类时，企业是一个为适配大脑缺陷而构建的制度容器。”陈天桥表示。在他看来，AI Agent的介入，将在“认知解剖学”层面上对现有的企业管理进行颠覆。他从“认知解剖学”角度对比了人类员工与智能体，指出了三大不同之处：记忆的连续性（永恒记忆 vs. 瞬时易碎）；认知的全息性（全量对齐 vs. 层级过滤）；进化的内生性（奖励模型驱动 vs. 多巴胺驱动）。通过这些比较，智能体的优势凸显——它们具有“连续记忆、全息认知、内生进化”的能力。“这不是更强的员工，而是基于不同物理法则运转的新物种。”陈天桥表示。传统体系正在崩塌当新物种遇到旧容器，KPI崩塌了！“我们要KPI，原本是因为人类容易迷路。但对于时刻锁定目标函数的智能体而言，死板的KPI指标反而限制了它在无限解空间中寻找更优路径的可能性。”陈天桥称，“这就好比你给自动驾驶汽车画死了一条轨道，却期待它能躲避突发的障碍。”另一方面，传统的流程与监督体系也在崩塌，从“纠偏”变为了“冗余”。陈天桥对此解释称，这是由于传统的监督机制本是盯着人别犯错，但在智能体内部，理解即执行，感知即行动，监督不再基于对执行过程的怀疑，而是基于对目标定义的再校准。最后，陈天桥提出了企业的终极形态——“AI原生”的定义。“AI原生企业呼唤一种全新的操作系统，一种不再致力于资源规划，而是致力于认知演化的全新神经系统。”他表示。根据陈天桥对“AI原生”企业的定义，涵盖了五方面：架构即智能——企业架构的设计目标，从“管控风险”转变为“最大化数据吞吐与智能涌现”；增长即复利——企业的估值逻辑不再取决于人员（headcount）的规模，而取决于认知结构复利的速度；记忆即演化——企业必须拥有一个可读写、可进化的长期记忆中枢（Long-term Memory），所有的决策逻辑、交互历史与隐性知识，都被实时向量化，沉淀为组织的“潜意识”；执行即训练——所有部门本质上都是“模型训练部门”，每一次业务交互，都是对企业内部“世界模型”的一次贝叶斯更新；人即意义——人类从“燃料”的角色中退出，升维为“意图策展人”与“认知架构师”。陈天桥发表关于管理学的文章，正值人工智能深刻改变企业运营方式的当下。12月1日，咨询公司埃森哲宣布，将通过与OpenAI的合作，为其数万名IT专业人员配备ChatGPT Enterprise软件应用，同时加快各岗位员工的人工智能技能提升。近期，人工智能对企业组织架构的影响也引发全球关注。根据管理咨询公司Management Consulted的研究观点，人工智能减少了对通才分析师的需求，企业借助人工智能就能处理大量基础数据，对于人才的需求正转向“更多处于职业生涯中期、具有专业知识的”员工。咨询公司Alvarez&Marsal则提出企业的架构转向“盒式模型”——一些企业高级员工和初级员工的数量正在更加接近，因为这种模型更依赖经验丰富的专业人士，而不是大量的初级分析师，人工智能将提升分析能力并减少对初级员工的需求。
-
谷歌揭秘了AI竞赛的底牌 在一片AI泡沫论的声浪中，谷歌携Gemini 3.0上演王者归来，全面碾压GPT5.1等竞品，重登AI大模型王座。从群嘲掉队到逆风翻盘，谷歌以全模态路线宣告：AI之争已从参数军备竞赛转向生态落地鏖战。长坡厚雪的AI赛道，正赛或许才刚刚开始，而获胜的底牌似乎已被谷歌揭晓。 一、持续创新，保持不下牌桌的能力DeepMind首席科学家（Gemini项目负责人奥里奥尔·维尼亚尔斯（Oriol Vinyals）透露，谷歌从掉队到翻盘的秘诀，就在于“改进了预训练和后训练”。专家分析，Gemini 3.0的进步可能源于谷歌的多维度创新，包括数据质量提升、架构微调、训练稳定性增强，以及Tree of Thoughts（思维树）和Context Engineering（语境工程）等一系列前所未有的创新，成就了一个更“懂你”的Gemini 3.0。大模型训练作为一项复杂系统工程，数据、算力、参数等每一个环节的增益，都能推升模型性能。在大厂们笃信大力出奇迹的Scaling Law（规模定律），纷纷砸钱堆算力、扩数据、加参数来提升模型性能的路径依赖之外，还有大量调整参数、优化算力配置、打磨数据效率的“苦活累活”。过去，华人工程师因为“只擅长在Scaling Law框架下做优化，却做不出 Transformer 这类架构级创新”的偏见，被戏称为“参数调优工”。而在Scaling Law瓶颈愈发显现的当下，“榨干Scaling Law”的本领，恰恰成为华人工程师最明显的优势。即便哪天Scaling Law在数据和算力上完全失效，至少在华人工程师规模上还会依然奏效。事实上，华人工程师的数量和质量，已经成为硅谷风投评估AI初创公司的核心指标之一。100万，这是黄仁勋在讲话里反复强调的数字。中国拥有100万全职AI开发者，全天候投入AI研发，而放眼整个硅谷，最多只有2万人全职在做基础模型。虽然中国公司给出的薪酬，尚难与硅谷的竞争对手相匹敌，但正如OpenAI联合创始人兼CEO山姆·奥特曼（Sam Altman）所说，“最后赢的会是‘传教士’，而不是‘雇佣兵’”。无论AI竞赛的终点是AGI（通用人工智能）还是ASI（超级人工智能），人类迈向AI时代的科技长征依然雄关漫道。大浪淘沙，千帆竞渡，唯有创新，持续创新，才能不被淘汰出局。曾几何时，谷歌仍是傲视寰球的AI霸主，它亲手缔造了Transformer架构，却为OpenAI等后来者送上嫁衣。OpenAI以颠覆性的ChatGPT开启了生成式AI新纪元，而DeepSeek又以面壁者的姿态，一举击碎OpenAI精心构筑的商业壁垒。华山之巅，没有永远的王者。DeepSeek证明了中国有能力赢。谷歌证明了比赢更重要的是，保持不下牌桌的能力。二、应用为王，生态协同路线的降维打击经历了2023年初Bard的黯然失利，谷歌痛下决心，合并Google Brain和DeepMind两大山头，集中优势兵力All in Gemini，同时要求谷歌所有产品线积极寻求与Gemini整合。这既是为了集中资源打造最强模型，也是基于谷歌商业帝国生态优势作出的战略选择。应用生态正是OpenAI等后起之秀最大的短板。凭借Gemini 3.0，谷歌终于打通了模型+生态的任督二脉。原生多模态能力构成了Gemini 3.0的核心优势。特别值得注意的是，在ScreenSpot-Pro测试中，Gemini 3.0的得分达到72.7%，是GPT-5.1（3.6%）的20倍，表明该模型在理解屏幕截图和用户界面方面实现了质的飞跃。正如谷歌CEO Sundar Pichai所言："令人惊叹的是，仅仅两年时间，AI已从单纯处理文本和图像，发展到能够读懂场景。"Gemini 3.0的发布绝非一次单纯的模型升级，而是整个谷歌生态的“联合作战”。发布当天即实现与谷歌全系产品的深度整合，通过Gemini App、Google搜索AI模式、AI Studio和Vertex AI等渠道向用户开放，直接触达20亿搜索月活用户、6.5亿Gemini App用户和1300万开发者。构建了覆盖消费级应用、企业服务和开发者工具的全模态AI产品矩阵。这种“生态预装”的策略，打破了AI模型与应用场景的割裂感，使技术升级第一时间转化为更智能的用户体验，也让谷歌旗下原本各自为战的产品线形成了前所未有的协同效应——从消费端到企业端，从产品层到基础设施层，通过Gemini 3.0，实现“一通百通”。谷歌这回的打法，是对大力飞砖模式的纠偏，也是AI应用价值的回归。区别于美国算力优先的发展路径，中国一直坚持应用为王的发展模式，上海一年一度的世界人工智能大会（WAIC），就是一面很好的镜子，从大模型到具身智能、从产业实例到生活场景，AI应用百花齐放、目不暇接。新一轮规划实施的“人工智能+”行动，又持续力推AI在科研、经济、民生、治理等重点领域里的应用落地。构建繁荣的应用生态有两个关键条件，一是足够大的市场规模（用户量），二是足够开放的发展环境。恰好中国拥有庞大的市场规模，并坚定支持AI开源的政策立场，使AI应用能够迅速从概念实现商业化、普惠化，通过“应用—数据—技术”循环，使AI真正成为经济社会发展新引擎，而非纸面繁荣的烧钱黑洞。美国显然意识到AI算力投入与应用回报严重失衡的问题，最近特朗普正式签署“创世纪计划”，被称为AI版“曼哈顿计划”，核心目标是：利用AI推动核聚变、芯片、生物技术等领域科研突破。三、算力平权，英伟达帝国的第一道裂缝在此之前，英伟达凭借“唯一卖铲人”的地位，几乎垄断了AI算力市场，以80%毛利率坐收“GPU税”，全世界的AI公司再嫌贵，也得咬牙买单。但Gemini 3.0完全依托谷歌自研的第七代TPU（Ironwood）训练得来，成本仅仅是英伟达路线的一半。这是算力平权的标志性转折。换句话说，对比深度绑定英伟达路线的OpenAI和Anthropic等AI公司，在同样的预算下，谷歌可以干成双倍的事情。如此悬殊的成本差距，只会造成两个结果，要么英伟达降价，要么更多芯片开始分食英伟达的市场。Meta就在第一时间宣布起义投诚，准备下单数十亿美元采购谷歌TPU，无论是否真心，都在说明一个不争的事实，天下苦英伟达久矣。尽管英伟达自诩领先行业整整一代——相较于定制化芯片，英伟达能提供更卓越的性能、更强的通用性与可替代性。但Gemini 3.0证明了模型架构和定制化芯片的深度协同，可以带来非线性的能力突破。市场已经逐渐接受这一共识：不用英伟达的芯片也能训练出最顶级的AI模型。目光转到中国，这一幕似曾相识，自主可控，殊途同归。黄仁勋预测，“到2027年，中国将拥有比全世界其他国家加起来还多的AI算力。”得益于相对廉价的算力，中国公司能够用更多的资源去投入AI应用研发。算力从“奢侈品”向“基础设施”的回归，也是AI产业真正走向普惠的前提。四、架构级创新，条条大路通罗马Gemini 3.0的卓越性能证明了Scaling Law至少目前依然有效，但活跃在AI前沿的研究者已经把目光投向了更远的地方。OpenAI创始人之一Ilya认为，“预训练+Scaling”路线已经明显遇到瓶颈。与其盲目上大规模，不如把注意力放回到“研究范式本身”的重构上。这与图灵奖得主、Meta前首席AI科学家Yann LeCun（杨立昆）坚定呼吁“LLM已死”的观点高度一致。那么，在LLM之外，AI的下一站何去何从？World Model（世界模型）是一个公认的选项。李飞飞在《世界模型宣言》中旗帜鲜明地指出：LLM 已触及天花板，空间智能才是AI的下一个十年。她为世界模型定义了三大核心能力：生成性，创造符合物理定律、空间一致的3D世界；多模态，处理图像、视频、文本、动作等多种输入；交互性，基于动作预测下一个世界状态。这种范式转换，使AI从“能说会道”到“能看会做”，从“描述世界”到“创造和互动世界”。类脑研究或许也值得期待，因为越高级的智能，越善于小样本学习。Aizip联合创始人陈羽北提出一个观点：大模型未必大在数据，而是大在架构。人脑拥有极高的数据效率，十几岁小孩接触的语料总共不到100亿Token，但人类的大脑结构却非常复杂，包含860亿个神经元。类脑研究的进展，极有可能推动AI从“暴力计算+海量数据”的低效范式，转向“生物结构+高效计算”的新架构。Ilya宣称：AI正从“规模时代”，重新走向“科研时代”。对于深度依赖Scaling Law红利的OpenAI来说，不一定是好事。但对谷歌这样的研究型公司，一定是机会。相比在Transformer架构下进行极致调优，中国也早已启动AI的架构级创新计划：一是多路并进，加强人工智能基础理论研究，支持多路径技术探索和模型基础架构创新。二是高效训推，加快研究更加高效的模型训练和推理方法，推动理论创新、技术创新、工程创新协同发展。三是扩充模态，探索模型应用新形态，提升复杂任务处理能力，优化交互体验。四是迭代提升，建立模型能力评估体系，以科学评估促进模型能力持续迭代提升。Gemini 3.0之后，谷歌把AI竞赛打成了明牌，“老牌AI帝国”的护城河深不可测。但假以时日，中国AI的护城河可能更深更广。科技竞争，唯创新者胜。（作者陶鹤山为数字经济工作者，从事数字化领域政策规划）来源：陶鹤山
