时语晨光

时语拾光

Details

「时语晨光」是一档由文化商业领域连续创业者新龙主持的专业播客节目,专注于商业趋势、社会变革与职业发展探索。新龙具备多重专业身份:企业创始人、CEO、文化商业顾问,同时也是「走,出海去」等播客节目的主理人。在多年的职业发展与创业历程中,新龙不断突破传统界限,挑战自我,树立了鲜明的个人特质——跨文化商业观察者、创业引领者和全球化视野的实践者。他的经历与故事,体现了持续成长的动力与对未来的深入思考。 在「时语晨光」,新龙将通过系统性的思考与探讨,与听众共同解析全球商业新趋势、市场变革和行业发展方向。每期节目以15分钟为限,为听众营造一个富有深度与洞察的对话空间,共同探讨商业、社会发展与职业生涯等议题。 本节目由播客厂牌「时语拾光」Timeless Resonance Studio制作出品。 欢迎加入「时语晨光」的社群:添加小助理微信:hdtalk,报暗号”晨光”即可加入。

Recent Episodes

OCT 2, 2026
EP476|70亿美元海外算力:腾讯为什么一边国产替代,一边拥抱全球供应链?
晨间简报·第五十八集|AI时代,企业如何同时解决今天与五年以后 📍 简介 2026年10月2日,国庆假期第二天。 过去一年,我们讨论人工智能产业时,经常面对一个看似矛盾的问题: 一家企业如果希望建立长期自主能力,今天是否仍然需要使用全球最成熟的技术? 本期「晨间简报」关注一则关于腾讯的报道。据英国《金融时报》报道,腾讯与Oracle达成一项价值约70亿美元、为期五年的海外AI算力租赁协议,涉及约10万颗先进AI芯片,并将在Oracle位于东南亚的数据中心使用相关计算资源。Reuters随后援引该报道,并指出截至目前双方尚未公开确认相关协议。 这件事真正值得关注的,并不是70亿美元这个数字。 而是它揭示出的一个正在发生的变化: AI竞争正在从“谁拥有最强的模型”,逐渐进入“谁能稳定获得训练模型所需要的资源”。 从芯片、云计算,到数据中心、电力和供应链,人工智能正在重新定义全球基础设施竞争。 本期节目我们拆解: 为什么国产替代和全球采购并不矛盾; 为什么企业战略越来越像同时修建两条道路; 以及在AI时代,真正稀缺的资源,为什么可能不是答案,而是产生答案的能力。 📌 轻解读内容框架 1. 00:00 – 01:54|腾讯70亿美元海外算力报道:一场关于未来资源的提前布局 据英国《金融时报》报道,腾讯与Oracle达成价值约70亿美元、为期五年的海外AI算力租赁协议。 报道显示: 涉及约10万颗先进AI芯片; 腾讯将在Oracle东南亚数据中心使用相关计算资源。 Reuters随后援引该报道,并指出腾讯和Oracle截至目前未公开确认相关消息。 这并不是一条简单的采购新闻。 真正值得追问的是: 为什么一家中国大型科技企业,会选择把部分算力需求放到海外? 2. 01:54 – 03:45|AI竞争正在改变:从拥有资源,到获得资源 过去几年,AI竞争经常被理解为: 谁拥有更强模型; 谁拥有更多芯片; 谁拥有更大数据中心。 但随着产业进入下一阶段,竞争逻辑正在变化。 AI基础设施已经不是单一产品,而是由多个环节共同组成: 芯片; 云计算; 数据中心; 电力; 网络; 软件生态。 任何一家企业都很难完全拥有全部资源。 因此,企业面对的问题不再只是: “我要不要自己建设?” 而是: “哪些能力必须掌握?哪些资源可以通过合作获得?” 3. 03:45 – 05:11|国产替代与全球采购:真实商业世界不是二选一 很多时候,我们容易把产业竞争理解成一道选择题: 国产替代,或者全球采购。 自主建设,或者依赖外部生态。 但成熟企业面对复杂环境时,往往同时解决两个时间尺度的问题。 短期: 企业需要解决今天的问题。 模型需要训练; 产品需要上线; 用户需求不会等待五年。 长期: 企业需要降低单一供应链和单一生态依赖。 因此: 短期效率与长期自主能力,并不一定冲突。 真正困难的是: 如何同时拥有今天的效率,以及未来的选择权。 4. 05:11 – 07:05|AI基础设施正在重塑全球商业地图 过去几十年,一个地区吸引科技产业,主要依靠: 人才; 市场; 制造能力; 供应链。 但AI时代,一个新的问题正在出现: 算力在哪里? 电力在哪里? 数据中心在哪里? 谁能够长期稳定提供计算资源? 因此,AI基础设施竞争已经不只是芯片公司的竞争。 能源企业; 云服务商; 数据中心运营商; 区域基础设施提供者; 正在形成新的合作关系。 未来竞争的不只是技术能力,也包括资源组织能力。 5. 07:05 – 08:40|从Micron到腾讯:AI时代,未来需求正在提前资本化 此前Micron的长期供货协议体现了一个趋势: 客户为了锁定未来内存供应,开始提前签订长期合同,甚至提前支付资金。 腾讯这次报道中的海外算力租赁,也体现类似逻辑: 企业正在提前锁定未来计算能力。 表面上: 一个是芯片; 一个是算力。 但背后的商业逻辑一致: AI时代,稀缺资源需要提前证明需求。 未来企业竞争,不只是看谁提出更大的需求。 还要看谁愿意为未来需求承担今天的成本。 6. 08:40 – 10:15|AI时代真正稀缺的,可能不是答案,而是产生答案的能力 过去互联网时代: 竞争围绕用户、流量和平台。 移动互联网时代: 竞争围绕生态、入口和数据。 而人工智能时代: 竞争越来越涉及: 计算能力; 能源基础设施; 供应链; 企业调动资源的能力。 腾讯这则报道提供了一个观察窗口: 未来企业战略可能越来越少是简单选择。 不是全球化意味着放弃自主。 也不是自主建设意味着立即脱离全球供应链。 真正重要的是: 如何在不确定时代,同时拥有今天和未来。 💬 金句推荐 “产业竞争很少是一道选择题。成熟企业真正做的,是一边解决今天的问题,一边建设五年后的能力。” “AI时代,竞争的不只是拥有技术,而是谁能持续获得产生技术所需要的资源。” “未来最稀缺的,可能不只是答案,而是产生答案的能力。” 📘 特别术语解码章节|核心名词说明 AI基础设施(AI Infrastructure) 指支撑人工智能模型训练和运行的一整套资源体系,包括AI芯片、云计算、数据中心、电力供应、网络和软件生态。 算力(Computing Power) 指计算系统处理信息和执行任务的能力,是训练大型AI模型的重要基础资源。 数据中心(Data Center) 用于集中部署服务器、存储设备和网络设备的基础设施,是云计算和AI模型运行的重要载体。 AI芯片(AI Accelerator) 专门用于人工智能计算任务的芯片,相比传统通用处理器,更适合大规模模型训练和推理。 Oracle 美国企业软件和云计算公司,提供数据库、云基础设施等服务。 Micron Technology 美国半导体存储公司,主要生产DRAM、NAND等存储芯片,是AI服务器供应链的重要参与者。 🎧 收听提示 如果你希望继续收听我们对国别、产业与全球商业结构的系统拆解,也欢迎关注后续即将上线的付费专题。我们会把部分更系统、更成系列的内容,整理成可长期回听的专题产品。 🔗 📌 回顾相关期推荐 🔁 相关回顾 EP473|一颗还没发射的卫星,背后已经有23个客户 从印度TakeMe2Space案例切入,讨论AI计算从云端走向边缘,以及“卖影像”向“卖答案”的变化。 EP474|Anthropic要上市,50.1%的决定权为什么仍留在七个创始人手里? 拆解AI企业治理结构变化,以及AI产业进入资本市场后,使命、资本与控制权之间的新关系。 EP470|模型成本降40%,云厂商发债或达4200亿美元:AI为什么越便宜越烧钱? 讨论AI成本下降与基础设施投资增长之间的矛盾,以及算力需求背后的资本逻辑。 EP471|对外投资破2000亿美元,并购却跌到17年最低:中国企业出海,开始从“买公司”变成“长能力” 讨论中国企业全球化从资产购买走向能力建设的变化。 📘 特别说明|关于「时语晨光」听友星球 从 2 月 18 日起,「时语晨光」听友星球已经正式开启并进入持续更新阶段。 它不是微信群,也不是用来刷消息的地方,而是节目的第二层内容结构: 每一期完整逐字稿与结构拆解 因时长限制未展开的语料与判断 选题、表达与取舍背后的逻辑说明 如果你听完节目,还希望把一条逻辑走完整,这个空间,会更适合你。 👉 加入方式与订阅说明 「时语晨光」听友星球采用年度订阅制当前订阅价格为 99 元 / 年 首批加入的听友会被标记为 启航成员 Founding Members 对我来说,这是一次把节目慢慢沉淀成资料库的过程;对你来说,这是一个可以长期使用、持续变厚的内容空间。 我不打算把它做成短期促销产品,更希望它是一个随着时间累积价值的地方。 📎 声明 本节目由「时语拾光」团队精心制作出品。 本期内容参考英国《金融时报》、Reuters以及公开企业资料等信息来源,并结合公开行业信息进行整理分析。 其中腾讯与Oracle相关协议截至节目制作时仍属于媒体报道,双方尚未公开确认。 节目内容仅用于信息分享与商业观察,不构成投资建议。 ✅ 关键词 #腾讯AI算力 #Oracle #AI基础设施 #国产替代 #全球供应链 #算力竞争 #人工智能产业 #科技基础设施 #企业战略 #TencentAI #Oracle #AIInfrastructure #ComputePower #GlobalSupplyChain #AICompetition #TechnologyStrategy #Semiconductor #FutureOfAI 🎧 敬请关注「时语晨光·​全球经贸快线」 📢 回顾推荐 📢 回顾|EP475|同一个巨无霸,为什么隔3公里​就能贵近9块钱? 📢 回顾|EP474|Anth​ropic要上市,50.1%的决定权为什么仍留在七个创始人手里? 📢 回顾|EP473|一​颗还没发射的卫星,背后已经有23个客户 📢 回顾|EP471|对外投​资破2000亿美元,并购却跌到17年最低:中国企业出海,开始从“买公司”变成“长能力” 📢 回顾|EP470|模型成本降40​%,云厂商发债或达4200亿美元:AI为什么越便宜越烧钱? 📢 回顾|EP469|​海关开始搬进工厂,一辆车到底算哪国的? 📢 回顾|EP468|关​税不够用了:汽车开始限量,贸易开始管“货怎么走”
6 MIN
OCT 1, 2026
EP475|同一个巨无霸,为什么隔3公里就能贵近9块钱?
晨间简报·第五十七集|当企业越来越知道消费者的支付上限,定价能力和信任边界开始一起变化 📍 简介 2026年10月1日,国庆假期第一天。 今天的晨间简报,我们从一只巨无霸开始。 路透社调查发现,麦当劳正在美国及部分海外市场扩大使用AI定价工具。系统分析美国近1.4万家餐厅每天产生的数百万笔交易,并将一个过去很难被精确衡量的变量正式放进模型: 当地消费者愿意付多少钱。 在加州Fresno,两家相距大约两英里的麦当劳公司直营店,同一个巨无霸分别卖5.69美元和6.89美元,相差约21%。 这并不能证明差价由AI直接造成,也不是针对单个消费者的“千人千价”。 但它揭示了一个更值得讨论的变化: 当企业越来越准确地知道消费者的支付上限,定价的核心问题就不再只是“成本是多少”,而开始变成—— 知道这么多以后,企业准备把这种能力用到什么程度? 与此同时,DeepSeek与华为正在从软件工具和开发生态入手,试图降低开发者离开CUDA的迁移成本;澳大利亚大型私人信贷机构Metrics Credit Partners则因为资产估值争议暂停部分基金赎回。 三个看似完全不同的故事,分别指向技术、金融和消费市场中一个越来越重要的问题: 真正的经营优势,不只来自掌握更多资源,也来自谁拥有数据、模型、定价标准,以及定义“正确选择”的能力。 📌 轻解读内容框架 00:00 – 01:32|开场:AI开始计算“一座社区愿意付多少钱” 麦当劳正在扩大使用AI定价工具 美国近1.4万家餐厅、每天数百万笔交易进入分析模型 除了成本和竞争环境,“customer willingness to pay”正在成为越来越明确的定价变量 真正的问题不是巨无霸应该卖5美元还是6美元,而是企业究竟应该怎样使用消费者支付意愿这项信息 01:32 – 03:27|DeepSeek × 华为:国产AI真正难替代的可能不是芯片 DeepSeek与华为围绕昇腾AI芯片推出并开源新的编程基础设施 计算库、通信库、TileLang以及128颗昇腾950组成的Supernode进入视野 英伟达真正难复制的优势,不只有GPU性能,还有CUDA背后多年形成的代码、工具、框架和工程师习惯 国产替代下一阶段的关键,不只是“造出另一颗芯片”,而是降低企业和开发者离开原有生态的迁移成本 ➤ 真正值得观察的,不是发布了多少工具,而是有多少开发者真的开始迁移 03:27 – 05:21|Metrics冻结部分赎回:不波动,不代表没有风险 Metrics Credit Partners管理资产约400亿澳元,约合280亿美元 部分非上市基金开始暂停赎回,三只上市基金亦暂停交易 争议核心并不是已经确认的大规模违约,而是部分非上市商业地产股权应该怎样估值 私人资产没有每天公开报价,看起来往往比股票稳定 但真正需要追问的是: 价格不动,到底是资产真的稳定,还是没人每天告诉你它究竟值多少钱? ➤ 当投资者要求兑现流动性,而基金持有的资产几年都未必能够出售,账面价格才开始接受真正的市场检验 05:21 – 06:30|麦当劳AI定价的边界:这还不是“千人千价” 目前这套系统主要按照门店和区域提供定价建议 并不是因为系统判断某个消费者收入更高,就单独向他展示更高价格 最终价格仍然由加盟商决定 Fresno两家相距约两英里的公司直营店,同一个巨无霸价格相差约21% 但路透社无法确认这一差异是否直接由算法导致 ➤ 真正重要的变化,是“顾客愿意付多少钱”已经开始成为企业正式的定价输入变量 06:30 – 08:33|从成本定价到支付意愿:企业开始更接近消费者的价格上限 传统定价通常围绕三个问题: 成本是多少? 竞争对手卖多少钱? 我需要多少毛利? AI正在增加第四个问题: 这里的人最多愿意付多少? 如果成本上涨50美分,价格上涨50美分,这是成本传导 但如果成本没有变化,只因为模型判断消费者愿意多付1美元,问题就从“成本”变成了“定价权” 此前Walmart公开强调: “We price the product, not the person.” 麦当劳则展示了一条不同但同样现实的路径: 不针对个人实时定价,却把一个区域的支付意愿测得越来越精细 ➤ 企业拥有越来越强的信息优势以后,是应该最大化价格,还是给自己的定价能力主动设置边界? 08:33 – 09:23|AI也在改变总部与加盟商之间的权力关系 麦当劳大量门店由加盟商经营,最终价格理论上仍由加盟商决定 但部分加盟商表示,他们感受到总部希望门店更多采用AI定价建议的压力 过去总部最重要的资源可能是品牌、菜单、供应链和营销 未来越来越重要的一项资产则是: 数据和模型 单个加盟商很难拥有和总部相同的数据规模 当总部能够用几百万笔交易告诉一家门店“什么价格才是正确价格”,所谓建议与经营标准之间的界限也会越来越模糊 09:23 – 结束|知道得更多以后,真正稀缺的是怎样使用这些信息 企业过去经常抱怨自己“不够了解客户” AI正在逐渐把问题反过来: 当一家企业真的越来越了解客户以后,它准备怎样使用这些信息? 知道消费者喜欢什么,是一种能力 知道消费者最多愿意付多少钱,也是一种能力 但一家企业长期的定价权,最终可能不仅取决于价格还能提高多少 还取决于: 当消费者意识到企业其实知道自己这么多以后,他还愿不愿意继续相信它 💬 金句推荐 “过去企业担心自己不够了解客户,AI正在把问题反过来:当你真的越来越了解客户以后,你准备怎样使用这些信息?” “真正锁住一家公司的,未必是那颗芯片,而是过去十几年写下来的代码、工具和工程师习惯。” “一项资产没有每天跌价,不一定代表它更稳定,也可能只是没有一个公开市场每天告诉你它到底值多少钱。” “企业真正长期的定价权,可能不仅来自价格还能提高到哪里,也来自消费者知道你掌握这么多信息以后,还愿不愿意继续相信你。” 📘 特别术语解码章节|核心名词说明 支付意愿(Willingness to Pay):消费者愿意为某项商品或服务支付的最高价格。过去通常依靠调查、历史经验等方式估计,随着交易数据和AI模型增加,企业可以更细致地测算不同地区与产品的价格敏感度。 区域定价(Localized Pricing):根据不同地区的成本、竞争环境、需求和消费能力设置不同价格。本期麦当劳案例属于门店和区域层面的价格优化,不等同于针对单个消费者实时调整价格。 CUDA:英伟达建立的GPU并行计算平台与软件生态。其竞争优势不仅来自硬件本身,还包括大量开发工具、计算库、框架兼容、已有代码以及工程师多年积累的使用经验。 TileLang:面向AI计算开发的高层编程工具。本次DeepSeek与华为合作中的重点之一,是通过更开放的软件基础设施降低开发者使用昇腾硬件的门槛。 迁移成本(Switching Cost):消费者或企业从一个产品、平台或技术体系切换到另一个体系时必须付出的时间、资金、学习和重新开发成本。CUDA生态的护城河很大程度上就来自这种迁移成本。 私人信贷(Private Credit):由非银行机构、私人基金等直接向企业或项目提供贷款的融资市场。因为相关资产通常缺乏公开交易价格,其估值和流动性机制与公开债券市场存在明显差异。 流动性错配(Liquidity Mismatch):基金允许投资者较快赎回资金,但底层资产却可能需要几个月甚至几年才能出售。当大量投资者同时赎回时,这种时间差可能迅速暴露。 🎧 收听提示 如果你希望继续收听我们对国别、产业与全球商业结构的系统拆解,也欢迎关注后续即将上线的付费专题。我们会把部分更系统、更成系列的内容,整理成可长期回听的专题产品。 🔗 📌 回顾相关期推荐 🔁 相关回顾 EP464|宁德时代份额升至45.37%,平台“全网最低价”被点名:企业开始把定义权拿回来 从平台要求“全网最低价”到今天AI直接参与价格建议,企业与平台围绕“谁能够定义正确价格”的竞争正在变得更加数据化。 EP470|模型成本降40%,云厂商发债或达4200亿美元:AI为什么越便宜越烧钱? AI能力不断变便宜,并不意味着围绕AI形成的基础设施、资本和生态竞争同步变轻。今天DeepSeek × 华为处理的正是另一个层面的问题:硬件之外,软件生态和迁移成本同样决定竞争格局。 EP474|Anthropic要上市,50.1%的决定权为什么仍留在七个创始人手里? 上一期讨论的是拥有更强能力之后,企业怎样设计治理边界;今天麦当劳的故事则把同一个问题落到了消费者身上——当技术允许企业知道更多、做得更精细以后,公司究竟会主动给自己留下什么边界? 📘 特别说明|关于「时语晨光」听友星球 从 2 月 18 日起,「时语晨光」听友星球已经正式开启并进入持续更新阶段。 它不是微信群,也不是用来刷消息的地方,而是节目的第二层内容结构: 每一期完整逐字稿与结构拆解 因时长限制未展开的语料与判断 选题、表达与取舍背后的逻辑说明 如果你听完节目,还希望把一条逻辑走完整,这个空间,会更适合你。 👉 加入方式与订阅说明 「时语晨光」听友星球采用年度订阅制当前订阅价格为 99 元 / 年 首批加入的听友会被标记为 启航成员 Founding Members 对我来说,这是一次把节目慢慢沉淀成资料库的过程;对你来说,这是一个可以长期使用、持续变厚的内容空间。 我不打算把它做成短期促销产品,更希望它
10 MIN
SEP 30, 2026
EP474|Anthropic要上市,50.1%的决定权为什么仍留在七个创始人手里?
晨间简报·第五十六集|AMD花82亿美元提前押注下一代AI,UPI走出六年免费时代,Anthropic则把“谁有最后决定权”写进上市结构 📍 简介 2026年9月30日,今天的晨间简报从一个不太像IPO的问题开始: 如果你花钱买下一家公司的股票,而它在上市之前就明确告诉你——未来某一天,如果公司使命和股东财务利益发生冲突,它可能选择前者——你还会买吗? 正在筹备IPO的Anthropic,正在尝试把这个问题真正写进公司治理。 根据路透社获得的IPO材料,Anthropic七位联合创始人计划通过一个名为 Founder LLC 的治理实体,借助特殊Class F股票,在公司关键事项上掌握 50.1%的投票权。更特别的是,公司同时提醒未来投资者,这套治理结构可能让Anthropic作出与短期、中期甚至长期财务利益相冲突的决定。 而这恰恰发生在一家极度需要资本的公司身上:2025年收入接近46亿美元,经营亏损超过80亿美元,算力与基础设施支出达到73.3亿美元,未来多年还有规模巨大的云计算与基础设施义务。 于是问题从“AI安全吗”进一步变成: 如果有一天,公司认为应该踩刹车,但收入、投资者和竞争对手都要求继续跑,最后谁有权决定? 在进入今天的解码之前,本期还关注两条新的商业变化: AMD为什么愿意花约82亿美元收购李飞飞创办的World Labs?也许它购买的不只是技术,而是更早知道下一代AI需要什么计算的能力。 而在印度,拥有超过5.5亿用户、占数字支付交易量约84%的UPI,也即将结束部分场景长达数年的零费率模式。当一个平台已经成为基础设施,免费之后,究竟谁来支付维持它运转的成本? 从芯片公司主动靠近未来需求,到支付基础设施重新寻找收入,再到Anthropic提前安排上市后的控制权,今天真正值得留下来的并不是又一轮“AI很贵”。 而是一个更现实的问题: 资本可以进入一家公司,但资本究竟能够获得多少决定权? 📌 轻解读内容框架 1. 00:00 – 01:54 |开场:如果公司提前告诉你“有时不会把赚钱放第一位”,你还买吗? Anthropic筹备IPO,却同时设计了一套极为特殊的治理安排 七位联合创始人组成Founder LLC,通过特殊Class F股票掌握关键事项 50.1%投票权 公司甚至提前提醒投资者:部分未来决定可能与短期、中期甚至长期财务利益发生冲突 ➤ IPO通常出售的是公司的未来,但Anthropic正在尝试划清一条边界:出售股票,不等于出售最终决定权 2. 01:54 – 04:00 |AMD花82亿美元买World Labs,它真正购买的可能是“提前知道未来需要什么” AMD以约82亿美元全股票方式收购李飞飞创办的World Labs World Labs研究Spatial Intelligence,也就是空间智能,希望让AI进一步理解三维空间、物体关系与物理世界 若交易完成,李飞飞将加入AMD,担任执行副总裁兼首席科学家 但这笔收购真正值得看的,不只是AMD押注Physical AI World Labs对下一代模型与工作负载的研究,也可能帮助AMD更早理解: 未来的AI到底需要怎样的芯片、内存、互联与计算架构? 过去往往是AI公司先提出需求,芯片公司再设计产品 现在AMD试图把“研究未来需求的人”直接放进自己的组织 ➤ 垂直整合不只是为了降低成本或控制供应,也可以为了缩短企业与未来需求之间的信息距离 3. 04:00 – 06:15 |UPI开始收费:免费做到5.5亿用户以后,谁来付维护费? 印度UPI已经拥有超过 5.5亿用户 仅2026年8月,一个月处理接近 250亿笔交易,金额超过 30万亿卢比 按交易笔数计算,占印度数字支付约 84% 从10月15日起,部分超过2000卢比的商户支付将开始收取 0.4%的Merchant Discount Rate 个人转账、小额支付以及符合条件的小商户仍然免费 UPI过去依靠极低甚至零交易成本,快速建立起巨大的网络效应 但用户可以免费,基础设施不会免费: 服务器、网络安全、反欺诈、银行接入和系统升级,都需要持续投入 ➤ 免费可以帮助一个平台成为基础设施,但成为基础设施以后,“谁来买单”反而成为新的问题 更难的是: 收费能够提高系统可持续性,却也可能损伤当初让它成功的网络效应 所以真正值得观察的不是0.4%高不高,而是: 一个已经形成全民习惯的免费平台,什么时候开始收费才不会破坏自己的增长循环? 4. 06:15 – 08:31 |Anthropic真正特殊的不是创始人控制,而是“为什么要控制” 科技公司上市以后由创始人继续掌握控制权,并不罕见 Alphabet、Meta都有类似的双重股权或超级投票权结构 传统理由通常是: 资本市场关注下一个季度,但创始人需要保护十年甚至二十年的长期战略 Anthropic却进一步把控制权与公司使命绑定 Anthropic是一家 Delaware Public Benefit Corporation,特拉华州公益公司 这意味着董事作出决定时,不只需要考虑股东财务利益,也可以考虑公司所声明的公共利益目标 Founder LLC因此更像一道提前安装的制度保险: 即使未来资本来自公开市场,一些关键决定仍然不能完全交给资本市场 ➤ Anthropic想保护的不只是创始人的商业判断,而是创始人认为不能被季度业绩轻易改变的使命 5. 08:31 – 10:07 |最需要钱的时候,却提前告诉资本“最后不一定听你的” 2025年,Anthropic收入接近 46亿美元 大约是上一年的12倍 但同期经营亏损超过 80亿美元 其中算力和基础设施支出达到 73.3亿美元 全年运营费用约126.5亿美元,仅这一项就超过一半 与此同时,公司未来多年已经安排或承诺了规模巨大的云计算、算力与基础设施义务 这些数字共同说明: 前沿AI仍然是一场极度资本密集的比赛 模型需要继续训练 用户增加意味着更多推理 人才、数据中心和云计算资源都需要提前锁定 于是Anthropic出现了一组非常特别的关系: 使命,需要安全边界 资本,需要增长和回报 控制权,则决定两者真正冲突时谁说了算 ➤ 最反常识的地方在于: Anthropic偏偏是在最需要资本的时候,提前告诉资本——最终决定权并不完全属于你 6. 10:07 – 11:37 |安全不是免费的价值观,它也在和产品争夺资源 Anthropic在IPO风险披露中大量讨论前沿AI可能带来的严重安全风险 但安全研究本身同样需要算力、人才和时间 在公司披露的一个样本周中,安全相关工作使用的研究算力约占 6% 与此同时,公司又必须维持高频、甚至互相重叠的模型研发与发布节奏 于是一个过去看起来偏哲学的问题,开始变得非常现实: 公司可以认为AI发展太快存在风险 但如果Anthropic自己慢下来,竞争对手并不会自动跟着慢 失去产品竞争力,又可能进一步导致: 失去用户、人才、收入和融资能力 甚至减少继续研究安全问题所拥有的资源 ➤ 真正困难的从来不是所有人都同意应该慢下来的时候怎么慢,而是只有你想慢的时候,谁有权踩刹车 7. 11:37 – 13:44 |七个人控制方向,也意味着七个人承担一种极大的判断权 Founder LLC给出了Anthropic的制度答案: 最终踩刹车的能力,仍然希望保留在创始团队手里 但创始人拥有控制权,并不意味着创始人一定正确 “公共利益”也不像收入、利润一样能够准确计算 什么风险值得牺牲几十亿美元收入? 竞争对手已经发布的能力,自己是否仍应选择克制? 究竟谁来定义什么叫“人类公共利益”? 因此这套结构可以从两个方向理解: 站在Anthropic一边: 如果真的相信自己的使命,就不能等资本压力出现以后才临时决定坚持原则,而要提前把保护机制写进制度 站在投资者一边: 我承担公司的经营风险,却被提前告知,在部分情况下我的财务利益可能并非第一优先级,而且我没有足够的投票权改变方向 于是IPO最终变成了一场非常特别的资本实验: 投资者愿意给一家保留“拒绝资本要求”能力的公司,什么样的估值? 8. 13:44 – 14:47 |结尾:资本可以买进未来,却不一定买得到方向盘 Anthropic这次IPO真正测试的,不只是AI公司可以值多少钱 而是资本市场愿意接受怎样的权力关系 公司治理无法保证任何人永远作出正确决定 Founder LLC真正试图解决的是: 如果有一天,赚钱和公司认为正确的事情发生冲突, 究竟谁拥有最后的决定权? Anthropic给出的答案目前非常明确: 即使公司上市, 即使资本来自公开市场, 那个方向盘,它仍然希望留在创始人手里。 💬 金句推荐 “最反常识的地方在于,Anthropic偏偏是在最需要资本的时候,提前告诉资本——最终决定权并不完全属于你。” “真正困难的从来不是所有人都同意应该慢下来的时候怎么慢,而是只有你想慢的时候,谁有权踩刹车。” “资本可以买进一家公司的未来,但不一定能够买走它的决定权。” 📘 特别术语解码章节|核心名词说明 Founder LL​CAnthropic拟设立的特殊治理实体,由七位联合创始人组成。通过特殊Class F股票,该实体将在公司关键事项上掌握50.1%的投票权,从而使创始团队在IPO后仍保有重要控制力。 Class F股票(Class F Shar​e)Anthropic治理结构中的特殊类别股份。其核心意义并不在经济权益,而在投票控制权,是Founder LLC保持关键事项多数表决权
15 MIN
SEP 29, 2026
EP473|一颗还没发射的卫星,背后已经有23个客户
晨间简报·第五十五集|当AI开始在轨道上先算一遍,卫星生意正在从“卖数据”试着走向“卖答案” 📍 简介 如果一份数据已经在几百公里高的太空里产生了,我们为什么一定要先把它送回地球,再找一台电脑来算? 2026年10月1日,印度太空创业公司TakeMe2Space计划搭乘SpaceX的Transporter-18任务,将MOI-1A卫星送入轨道。 这颗不到50公斤的卫星搭载英伟达Orin NX边缘计算处理器。真正值得注意的,却不是“英伟达芯片上太空”,而是它背后的商业尝试:TakeMe2Space称,MOI-1A已经签下23个客户,覆盖地理信息、农业、采矿、供应链、保险和教育等领域。 它们正在测试一种和传统卫星服务不同的路径。 过去,卫星拍摄影像,把大量原始数据传回地面;客户购买数据、存储数据、寻找算力,再运行自己的模型。 现在,有人想把这个顺序压缩: 模型上传到卫星,数据在轨道上直接处理,最后传回来的,不一定是一整套原始影像,而可能已经是客户真正需要的结果。 这背后其实是一个我们已经非常熟悉的技术方向——边缘计算。 手机把部分AI留在手机,汽车把判断能力放在车里,工厂让算法靠近生产线。现在,同样的逻辑正在被推到距离地面几百公里的轨道上。 本期「晨间简报」,我们从一颗即将发射的小卫星出发,拆解为什么卫星产生的数据并不能像手机照片一样随时传回地面;为什么AI可能改变地球观测的数据链条;以及一门原本主要“卖影像、卖数据”的生意,是否正在开始试探下一层价值: 卖计算,甚至卖答案。 与此同时,我们也快速追踪三条最新商业动态:中美“非战略性商品”降税框架继续推进,中国工业企业利润总量与行业结构出现明显温差,以及Momenta进一步进入全球汽车品牌的智能驾驶开发链条。 📌 轻解读内容框架 1. 00:00 – 00:54 |开场:为什么一定要把数据送回地球再算? 一份数据已经在几百公里高的太空里产生,为什么还要先搬回地面? 过去十几年,云计算不断把算力集中到越来越大的数据中心 TakeMe2Space尝试反过来思考:不是把数据送去算力,而是把算力放到数据产生的地方 ➤ 今天真正讨论的,不是一颗卫星,而是“计算究竟应该发生在哪里”。 2. 00:54 – 02:44 |今日快讯:降税、工业利润与智能驾驶全球化 中美贸易理事会继续推进“非战略性商品”机制,“300亿对300亿”降税框架进入产品清单与国内执行程序阶段 中国前8个月规模以上工业企业利润同比增长15.7%,但8月单月增速降至4.2% 电子设备制造业利润同比增长1.1倍,汽车制造业利润下降16%,总量增长背后的行业温差进一步扩大 Momenta与神龙汽车科技推进全球战略合作,将为标致、Jeep等车型开发高阶辅助驾驶系统,并面向中国、欧洲及其他海外市场 ➤ 三个变化共同指向一个问题:总量之外,真正需要看的越来越是增长发生在哪里、价值链向哪里移动。 3. 02:44 – 04:58 |一颗不到50公斤的卫星,为什么需要自己“思考”? TakeMe2Space计划于10月1日通过SpaceX Transporter-18任务发射MOI-1A 卫星搭载英伟达Orin NX边缘计算处理器 地球观测卫星不断产生影像和传感器数据,但卫星并不是“一台永远连着Wi-Fi的手机” 卫星需要进入地面站通信范围、获得通信窗口,再通过有限链路完成数据下传 现代遥感设备产生原始数据的速度,可能超过有效下传能力 传统方案是增加存储、扩充地面站、提高通信效率、压缩数据 AI则提出了另一个问题: 我们真的需要把所有原始数据都传回来吗? 4. 04:58 – 06:29 |从“传照片”到“先判断”:卫星也开始做边缘计算 如果一张卫星影像被云层完全遮挡,它有没有必要占用下传资源? 欧洲航天局Φsat-2已经尝试在轨进行云层识别、船舶识别、野火检测等AI任务 进一步的问题不再只是“这张照片有没有用” 而是: 有没有火点? 有没有船只? 哪里发生变化? 哪块农田可能缺水? ➤ 当卫星能够先从数据中提取信息,真正需要传回地面的,就可能从“完整数据”变成“有价值的结果”。 这与手机本地AI、自动驾驶、工厂边缘计算其实是一条逻辑: 让计算靠近数据产生的地方。 5. 06:29 – 07:44 |从MOI-TD到MOI-1A:这并不是第一次尝试 2024年12月,印度空间研究组织ISRO发射PSLV-C60 火箭第四级随后成为POEM-4轨道实验平台,共搭载24个实验载荷 TakeMe2Space的MOI-TD完成了一项关键技术验证: 从地面上传三个机器学习模型 在轨道上执行计算 再把推理结果传回地球 随后,公司准备通过MOI-1把实验推进到独立卫星 但2026年1月,PSLV-C62在PS3第三级飞行末段出现异常,任务未能完成,MOI-1随之损失 MOI-1A因此成为这条路线上的下一次尝试 ➤ 2024年回答“技术能不能做”,现在开始回答“客户愿不愿意用”。 6. 07:44 – 09:41 |23个客户:卫星开始从卖数据走向卖计算 TakeMe2Space称,MOI-1A已经签下23个客户 客户覆盖地理信息、教育、农业、采矿、供应链和保险等领域 通过OrbitLab平台,客户可以指定观测区域、上传自己的AI模型,再让模型在卫星经过目标区域时直接运行 以农业为例: 过去的路径是—— 卫星拍摄 → 原始影像下传 → 客户存储 → 寻找算力 → 运行模型 → 得到“哪里缺水” TakeMe2Space想测试的新路径是—— 卫星采集 → 模型在轨运行 → 客户直接得到结果 价值链因此可能出现三个不同层次: 卖影像 → 卖计算 → 卖答案 企业真正愿意为什么付钱,可能决定未来卫星产业价值停留在哪一层。 7. 09:41 – 11:39 |先别急着说“太空数据中心时代来了” 23个客户并不意味着商业模式已经成立 TakeMe2Space没有公布合同总额,也没有披露客户购买了多少服务 目前无法判断其中多少属于一次性实验,又有多少能够形成持续收入 更重要的是,截至节目录制时,MOI-1A仍未发射 它仍需经历: 成功入轨 卫星正常工作 模型成功上传 在有限能源和计算条件下稳定运行 分析结果可靠地下传 MOI-1A功率约150瓦,与今天动辄兆瓦、吉瓦级的大型AI数据中心完全不在同一个数量级 ➤ 所以这不是“数据中心搬上太空”,而是边缘计算继续向数据源靠近。 8. 11:39 – 12:31 |结尾判断:未来真正稀缺的,也许不是数据,而是答案 AI基础设施正在同时沿两条路线发展: 一条越来越集中—— 更大的模型、更多GPU、更大的数据中心、更多电力。 另一条越来越分散—— 手机、汽车、机器人、生产线,开始在本地直接运行模型。 两者并不矛盾。 大型模型的训练仍然需要集中式算力,但模型训练完成以后,“在哪里运行”正在成为另外一个问题。 如果数据本来就在轨道上产生,那么让其中一部分计算留在轨道上,也可能成为合理选择。 TakeMe2Space计划从2027年开始部署更大型卫星,并尝试提高多星联网后的轨道计算能力。 但真正需要继续观察的,不是“英伟达芯片有没有飞上太空”。 而是: 那23个客户,能不能真正把模型放到几百公里之外运行,然后不再拿回来一堆等待加工的数据,而是直接拿到自己需要的答案。 💬 金句推荐 “过去我们习惯把数据送到算力那里,但当数据产生在几百公里高的太空里,为什么不能把算力送到数据那里?” “卫星生意可能正在经历三个阶段:卖影像、卖计算、卖答案。” “训练一个模型需要多大的数据中心,和模型最终应该在哪里运行,其实是两个完全不同的问题。” “未来真正需要争夺的,可能不只是数据本身,而是谁能更早把数据变成答案。” 📘 特别术语解码章节|核心名词说明 边缘计算(Edge Computing)将部分计算任务从集中式云端或数据中心移动到更靠近数据产生位置的设备或节点。手机本地AI、汽车实时感知、工业视觉系统都属于典型应用。在卫星场景中,则意味着部分数据先在轨道上处理,再决定什么需要传回地面。 在轨计算(On-Orbit / Onboard Computing)​卫星不再只负责采集、存储和传输数据,而是直接在轨运行算法,对原始数据进行筛选、识别、压缩或分析。 MOI-1A​TakeMe2Space计划于2026年10月1日发射的轨道计算卫星,重量不到50公斤,搭载英伟达Orin NX处理器。 OrbitLab​TakeMe2Space推出的轨道计算平台,目标是允许客户上传自己的AI模型,并让模型在卫星上执行任务。 Φsat-2(PhiSat-2)​欧洲航天局开展的在轨AI地球观测项目,可在卫星端进行云层检测、船舶识别、野火识别及图像处理等任务,是理解“卫星为什么可以先处理再下传”的重要案例。 POEM-4​印度PSLV-C60火箭第四级改造形成的轨道实验平台。TakeMe2Space此前的MOI-TD技术验证载荷曾搭载这一平台进行在轨AI实验。 Orin NX​英伟达Jetson系列边缘AI计算模块之一,用于在功耗与空间受限的设备上运行AI推理任务。 🎧 收听提示 如果你希望继续收听我们对国别、产业与全球商业结构的系统拆解,也欢迎关注后续即将上线的付费专题。我们会把部分更系统、更成系列的内容,整理成可长期回听的专题产品。 🔗 📌 回顾相关期推荐 🔁 相关回顾 如果你想把今天这期放回最近几天「时语晨光」的完整逻辑里,可以继续回听:
12 MIN
SEP 28, 2026
EP472|增长没停,只是“大数字”开始不够用了
本周判断|AI要看责任,订单要看兑现,供应链要看关系,债务要看到期日 📍 简介 过去几年,商业世界最喜欢的几个词,是: 更多、更快、更大。 模型能力更强了,数据中心更大了,订单更多了,收入翻倍了,融资规模又创新高了,工厂搬到了新的国家,AI一天可以生产过去几倍、几十倍的内容。 但过去这一周,越来越多新闻开始在这些数字后面追问一句: 然后呢? AI Agent可以执行越来越复杂的任务——但它到底做过什么,公司自己能不能查清? 数据中心签下巨额合同——但土地、审批、电网和客户付款真的已经到位了吗? 一家公司的收入一年增长五倍——但89%的钱如果来自同一个集团,和几十个独立客户产生的收入,应该得到同样的估值吗? 工厂从中国搬到越南——但原材料、股权、管理和供应链关系真的一起改变了吗? 企业过去借到了大量便宜资金——可当4.3万亿美元企业债陆续进入再融资窗口,它还能用什么价格把钱接回来? AI把内容生产成本大幅压低——但当半年出现22万多部AI内容,真正破亿播放的只有1055部,生产能力增加以后,真正稀缺的又是什么? 这一期「本周判断」,我们想讨论的是: 增长没有结束。 但增长正在从“扩张期”,进入“验收期”。 过去市场先问: 你能不能把它做大? 现在越来越多的人开始回来检查: 你刚刚告诉我的那个“大”,到底有多大? 📢 回顾 / 关联节目推荐 本期建议和最近几期连起来听: EP467|姆巴佩开始拿股权,九毛九真的跌到九毛九——增长不再自动等于回报→ 本期继续推进一个问题:增长存在,不代表增长质量相同。 EP469|海关开始搬进工厂,一辆车到底算哪国的?→ 从“原产地规则”继续走向本期的下一层:监管开始从地址追到供应链关系。 EP470|模型成本降40%,云厂商发债或达4200亿美元——AI为什么越便宜越烧钱?→ 本期进一步回答:资本仍愿意进入AI,但已经开始区分什么样的AI资产真正能够兑现。 EP471|对外投资破2000亿美元,并购却跌到17年最低——中国企业出海开始从“买公司”变成“长能力”→ 本期继续看“能力”之后的第二道题:能力建立以后,怎样证明它真实、独立、可持续? 📌 轻解读内容框架 1| 00:00 – 01:44 开篇|商业新闻开始多问一句“然后呢?” 过去市场奖励: 更多订单更多收入更多融资更多产能更强模型更快生产 但本周出现的共同变化是: 数字后面开始出现第二轮追问。 你有订单——谁付钱? 你有合同——什么时候兑现? 你有AI能力——出了事谁负责? 你搬了工厂——关系真的搬了吗? 你生产更多内容——有人看吗? 本期主判断: 增长没有结束,增长只是进入了验收期。 2|01:44 – 06:01 第一章|AI Agent——能力越强,越要证明自己管得住 过去两个月,OpenAI相关Agent异常事件不断增加。 公开披露事件超过15起; 内部调查发现约二十多起不良行为; 最新还包括53张ChatGPT用户图片泄露。 真正值得注意的并不是某一个数字,而是: 公司开始需要重新翻日志,才能知道自己的AI究竟做过什么。 AI时代的错误,也发生了本质变化。 过去: 回答错了。 现在: 打开系统、调用接口、访问数据库、上传资料、执行动作。 错误第一次开始拥有真正的“行动能力”。 于是AI产品的验收标准也开始改变: 准确率之外,还需要—— 权限管理完整日志Human Approval异常追踪事故披露责任归属 澳大利亚Medicare事件进一步把这件事从技术问题推向监管问题。 FTC主席Andrew Ferguson也明确提出: 不能简单把Agent拟人化,然后用一句“AI自己做的”完成免责。 本章核心判断 以前验收AI,我们看答案。以后验收AI,还要看行动链。 AI未来最重要的竞争之一,可能不只是: 谁更聪明。 还有: 谁更可审计。 3|06:01 – 10:41 第二章|AI基础设施 × 收入质量——合同是真的,但“真”也分等级 数据中心资本市场正在形成一条新的分界线: Contracted and already energised 和 Only planned 翻成更直白的话: 已经签合同而且已经通电,还是仍然停留在规划图上的未来? 数据中心有多少GW订单,已经不再是唯一问题。 投资人开始继续问: 土地拿到了吗? 审批完成了吗? 电网接了吗? 服务器真的部署了吗? 客户付款了吗? 所以: Backlog ≠ Revenue Revenue ≠ Cash Flow Contract ≠ 兑现 它们都是真的,但它们的价值并不完全相同。 这种“质量检查”同样出现在印度太阳能企业Avaada Electro。 公司收入快速增长,但2026财年约 89.34%运营收入来自集团关联公司。 会计意义上的Revenue没有问题。 真正的问题变成: 第三方市场愿不愿意按照同样的价格购买? 中国人形机器人IPO审核也开始出现类似逻辑: 市场过去问: 你有没有收入? 现在多问一句: 这收入是谁付的钱? 本章核心判断 Revenue是真的,不代表Revenue Quality完全一样。 市场没有停止相信增长。 它只是开始区分: 增长的数量,和增长的质量。 4|10:41 – 12:49 第三章|供应链验收——搬工厂,不一定等于搬关系 Reuters追踪一批从越南进入美国市场的棉质衬衫。 商品在越南制造。 也从越南出口。 按照传统贸易逻辑,最自然的问题是: 原产地在哪里? 但新的供应链调查开始继续向后追: 原材料来自谁? 供应商是谁? 企业过去叫什么? 股东有没有关系? 管理层有没有交叉? 历史交易如何连接? Esquel相关案例并不能证明这些越南出口商品违法,也不能证明其使用新疆棉。 真正值得观察的是: 合规审查正在从商品地址,逐步进入企业关系图谱。 这也是EP469原产地问题的下一章。 过去证明供应链变化,重要的是: 地址。 以后越来越可能需要证明的是: 关系。 本章核心判断 搬工厂,不一定等于搬关系。 对China+1、越南、墨西哥、东欧等供应链布局而言,未来越来越重要的问题可能不是: “你在哪里生产?” 而是: “你的经济关系到底改变了多少?” 5|12:49 – 15:29 第四章|4.3万亿美元企业债——融资也有“有效期” 高利率为什么已经持续这么久,却没有立刻把所有企业压垮? 答案之一是: 旧的钱,还没有到期。 过去低利率环境中,大量企业锁定了长期固定利率债务。 真正的重新定价发生在: 债务到期。 2027—2031年,美国市场预计约有 4.3万亿美元非金融企业债券需要到期偿还或重新融资。 年度到期规模将从2027年的约5720亿美元,逐步增加到2030年的约1.03万亿美元。 信用等级较弱企业面临的压力更加明显。 因此以后分析一家公司,仅仅看: Debt是多少 越来越不够。 还应该看: Debt maturity schedule——什么时候必须重新借。 本章核心判断 高利率真正伤害企业的时点,不一定是央行加息那一天,而可能是它下一次必须借钱的那一天。 与此同时: 旧经济正在排队续债; 新AI正在排队融资扩张。 资金没有消失。 但市场会越来越认真地问: 为什么这笔钱应该给你? 6|15:29 – 17:46 第五章|22万部AI内容——生产越来越便宜,被看见越来越贵 根据DataEye统计: 2026年上半年,抖音上线约 221,900部AI节目和AI短剧。 其中播放量超过1亿的: 1,055部。 占比不到0.5%。 这组数字揭示了AI内容生产非常重要的一面。 AI可以显著降低: 演员场地摄影后期特效制作时间 但生产门槛下降,并不会自动增加用户一天拥有的时间。 一天仍然只有24小时。 于是旧瓶颈消失以后,新瓶颈马上出现: 注意力。 真正越来越贵的开始变成: IP审美品牌分发社区信任持续获得注意力的能力 本章核心判断 AI解决了“做不做得出来”,却让“为什么有人愿意看”变得更加重要。 这也是内容行业必须重新理解的一点: 生产效率提高,不等于生产者回报自动提高。 7|17:46 – 20:11 终章|企业开始出现“两张表” 未来看一家企业,也许可以想象它同时拥有两张表。 第一张:扩张表 收入多少? 订单多少? 用户多少? 融资多少? 产能多少? AI完成多少任务? 生产多少内容? 它告诉我们: 这家公司可以把事情做到多大。 第二张:验收表 客户是不是独立? 订单什么时候付款? 数据中心有没有通电? 现金有没有回来? 供应链关系能不能证明? AI行为能不能审计? 债务什么时候到期? 出了问题谁负责? 内容有没有人真的愿意看? 它回答的是: 你刚才告诉我的那个“大”,到底有多硬? 过去几年,资本便宜、技术进步快、市场情绪强。 很多行业最稀缺的是: 扩张能力。 下一阶段,越来越重要的可能是: 证明能力。 全集最终判断 增长没有结束。增长只是进入了验收期。 而在验收期里,越来越贵的东西可能不是故事,甚至不只是能力。 而是: 证据。 证明订单能够兑现。 证明收入来自真实需求。 证明供应链发生了真正改变。 证明AI的行为可以被审计。 证明出了问题有人负责。 证明资产已经存在,而且真正能够产生现金。 所以以后看到一个特别大的数字,或许可以先不急着惊叹: 它怎么增长得这么快? 先多问一句: 这个数字,靠什么证明自己算数? 💬 金句推荐 “增长没有结束,增长只是进入了验收期。” “过去验收AI,我们看答案;以后验收AI,还要看行动链。” “合
20 MIN