UnDefined对话商业

黄仁勋、Sam Altman到底在表达什么？

过去三年，所有人都在讨论模型、Agent 和算力。但现在，OpenAI 开始投核能，微软、Meta、亚马逊开始围着核电站建数据中心，黄仁勋越来越少聊 GPU，越来越多聊 power 和 cooling（电力与散热）。

美国很多州已经开始讨论：AI 数据中心会不会把普通人的电价推高。

我们可能会有很多自然而然的疑问：

• 为什么 AI 最终会卡在电力上？

• Token 和能源到底是什么关系？

• 为什么数据中心开始去北欧、核电站和水电站旁边扎堆？

• AI 会不会重新改写全球能源价格体系？

这一期，我采访了周文闻。他是清华大学的工学博士，曾在某互联网大厂云业务负责能源管理，现在他在全球新能源龙头负责AI能源管理。

他长期研究能源与 AI 基础设施。

让大咖来帮大家科普现象背后的原因，以及这个趋势还会持续多久，是我做非标玩家UnDefined的初衷。

这次的播客是我们三个半小时采访的节选，如果觉得有不连贯的地方，是把中间聊得别的内容删掉了。更多的采访内容，之后我会以视频播客的形式放出，可以期待一下。

这期从能源行业视角重新理解 AI，你将听到：

• 为什么他在2023年就判断：AI最大的机会在能源而不是模型

• Token为什么本质上是“电力的衍生品”

• AI数据中心与传统数据中心到底有什么区别

• 散热为什么会成为新的战场

• 微软、Meta为什么开始围着核电站建数据中心

• AI会不会重塑全球能源价格体系

• 为什么未来的能源系统更像互联网，而不是自动驾驶

02:19 为什么周文闻在2023年就押注能源，而不是下场做大模型？

05:19 Sam Altman投资核聚变和核裂变公司后，AI行业为什么突然开始关注能源？

06:14AI最耗电的环节到底是什么？训练、推理、芯片制造还是数据传输？

08:42 Token，本质上是电力的衍生品。

10:51AI数据中心（AIDC）和传统数据中心最大的区别是什么？为什么GPU时代的数据中心越来越像工厂？

12:10 散热本身也在疯狂耗电，从“散热”到“热管理”，AI时代的新产业机会。

14:20黄仁勋为什么越来越爱聊 Power & Cooling？英伟达真正关心的是什么？

15:38能源行业著名的“不可能三角”：安全、经济、绿色。为什么三者无法同时满足？

16:42可控核聚变距离商业化还有多远？它为什么被视为能源行业的终极梦想？

19:14AI一边耗电，一边帮助全社会节能。这个矛盾到底怎么理解？

21:10除了OpenAI和英伟达，还有谁在拼命降低能耗？ 为什么能源效率会成为AI产业链共同追求的目标？

23:12为什么微软、Meta、Google、Amazon开始扎堆北欧和核电站旁边？

26:24 AI数据中心正在变成一个新的“制造业强国”。

28:07AI正在重复移动互联网时代的故事？

33:21AI为什么会成为能源系统的大脑？

39:47未来的能源系统更像自动驾驶，还是更像互联网？

42:37ESG、碳关税、绿色供应链，三者到底有什么区别？

46:58中国有没有机会借助AI，在能源领域实现一次新的弯道超车？

47:57为什么周文闻依然看好中国在“AI × 能源”上的长期机会？

非标玩家UnDefined是一档商业人物访谈播客，致力于让世界看到中国商业和科技力量，只影响1%的商业决策者。

欢迎有认知的商业决策者联系、合作~

这一期，我们请来了一位连续陪跑具身智能公司三四年的猎头A姐。

具身智能是从去年到现在最火的行业。光是春晚就上了4家具身智能的公司，一家的赞助费怎么也得几千万，所以可见大家的财力雄厚。

2026 年一季度，机器人/具身智能赛道融资明显加速。多家行业统计显示，第一季度融资规模已超过 200 亿人民币，部分口径统计超过 300 亿元，融资事件约在 50～200 起之间。也就是说，基本每两天都会有一家公司拿到平均金额在一亿以上的融资。

谁不想挤破头往里进？

谁在赚到这波钱？谁最值钱？谁正在被淘汰？

你以为是博士、资深高管、互联网老兵？

结果可能恰恰相反。

在A姐看来：具身智能最抢手的人，而是做过3年前后、真正摸过机器人真机的人。

如果你是：

• 想转行具身智能的人

• 在校学生

• 大模型/自动驾驶/硬件行业从业者、创业者

• 对机器人创业感兴趣的人

这一期会很有参考价值。

你会听到：

• 为什么具身智能今年开始真正抢人？

• 年薪 200 万的算法岗长什么样？

• 为什么“真机经验”比学历更值钱？

• 具身智能最吃香的人才画像是什么？

• 为什么 3–5 年经验的人反而最受欢迎？

• 北京、上海、深圳，哪里会成为下一波高地？

• 大厂什么时候会全面下场？

• 为什么这个行业人人焦虑，却人人觉得自己能成？

嘉宾介绍

A姐：具身智能行业实战派咨询顾问，一方面擅长解决企业初创阶段问题，陪伴数十家智能公司走完0-1团队从搭建到落地全流程，深谙人工智能、硬科技领域组织搭建、岗位配置底层逻辑；另一方面也和长期服务技术、产品、管理类候选人，结合产业真实用工需求做落地化职业规划。两手抓，两手都要硬。小红书@具身智能A姐

王与桐：主持人。继炒股大神K姐之后，我请到了具身猎头A姐，看我何时及其26个字母。这是猎头系列的第三期也是最后一期~文字版会后续发在公众号（但最近公众号限流了，等恢复后会发布~）

往期链接：

深圳楠姐：猎头楠姐故事会：怎么发现&加入&成为10年前的大疆？深圳AI硬件人才指南

上海沈嘉：猎头沈嘉揭秘：想拿到AI圈的350万年薪，先得知道AI人才趋势的变化

02:10 A姐是谁？连续陪跑具身智能公司 0→1 的猎头

03:00 一家公司到底有哪些岗位：小脑、大脑、硬件、量产

04:00 年薪天花板在哪？有人博士毕业就拿 200 万 offer

06:10 为什么大模型公司的人，来了机器人行业反而容易“失灵”？

08:00 具身智能最大瓶颈：数据不够，大家开始疯狂招人

09:30 从“套开源模型”到“自己训模型”，今年发生了什么变化？

11:20 一个残酷现实：很多高管转行具身智能，发现根本没位置

14:00 行业最抢手的人是谁？答案可能让资深打工人心凉

15:10 哪些人跨行业转具身智能成功率最高？

16:00 两类创始人：学术派 vs 硬件派，谁更容易赢？

18:50 车企、大厂、供应链公司开始下场，人才大战升级

21:20 为什么越来越多公司去深圳？

22:20 这个行业到底有多缺人？

24:00 大学生现在该学什么？实习比学历更重要？

26:50 PR、HR 有没有机会进入具身智能？

28:40 为什么“摸过真机”是最重要的行业门槛

30:10 行业内最容易被挖的人都来自哪里？

32:20 一个真相：大家做得没差太多，差距可能只有 3–6 个月

35:00 为什么 95 后在这个行业“说走就走”？

41:00 创始人的焦虑变了：从技术焦虑，变成人才焦虑

47:50 每家公司员工都觉得自己公司快完蛋了？

48:30 跳槽建议：先搞清楚你到底想要什么

51:30 Gap 一年还有机会吗？

52:40 为什么具身智能创业者看起来都很“中二热血”？

55:00 做机器人，是一群从小想造机甲的人在创业

非标玩家UnDefined是一档商业人物访谈播客，致力于让世界看到中国商业和科技力量，只影响1%的商业决策者。

欢迎有认知的商业决策者联系、合作~

蹭个热点，其实更直白地蹭是“从刚过会的长鑫存储和暴涨的SK海力士聊起”。

但内容确实是这个行业更底层、更本质的技术——材料研发。这次采访对我本身理解存储市场的火热也帮助很多。

一方面当越来越多行业开始被 AI 改写时，新材料研发依然停留在一个高度依赖经验、反复试错的阶段。一个新材料方向，可能试几年；关键经验装在少数工程师脑子里；真正值钱的配方与工艺，又天然高度封闭。

另一方面，过去，材料研发很少进入公众讨论，但随着 AI 算力竞争升级，它们开始被推到更前台。

能提供AI训练和推理所必需的HBM（高带宽存储）SK海力士，几乎成为 AI 浪潮最大的受益者之一，就是最典型的例子。

GPU是AI大模型的基础；但GPU的上限，越来越取决于HBM、先进封装与热管理系统；这些能力再往下拆，会回到材料。

所以，本次播客对话邀请了新研智材联创兼CTO南凯。

新研智材锚定的方足够本质——聚焦技术壁垒高、长期面临卡脖子风险的半导体先进封装材料，如CPO（共封装光学）关键光学粘接材料、GPU/HBM等高性能计算所需的导热界面材料，以及最前沿的光刻胶、前驱体等高壁垒电子化学品。

南凯告诉我，他们的能力有两个，一个是面向材料研发的 Agent，一个是自己下场做材料。

当然，他们刚刚融了数千万人民币，并且估计又涨了好几倍……可见AI材料的重要性。

分享了AI+材料领域创业的行业现状、业务路径、个人职业经历与创业选择，核心讨论了材料领域AI落地的难点、路径以及实际落地效果。

文字版：当一个30岁的物理博士创业做AI4S，他的尝试、等待和野心 | 对话新研智材CTO南凯

本期音频由视频版直接扒下来的，所以如果要看视频版：https://weixin.qq.com/sph/AuQZIMrlM

https://www.youtube.com/watch?v=rUlVTYakYLM&t=1874s

00:01:49 同样是AI4S，AI+材料为什么不如AI+生物医药受关注

00:03:06 AI主导研发，工程师做辅助，同时可以把工程师积累的经验提取到AI体系中，反而能帮助企业更好地保护知识资产。

00:04:41 AI+材料行业的路径争议

当前行业没有达成共识的问题包括：短时间内不会出现类似AlphaFold的通用大模型，也没有确定先做平台还是先做垂直领域。新研智材的判断是：现阶段从算力、数据、行业发展来看，必须先打通垂直细分材料形成闭环，才能逐步拓展成平台。如果一上来就做通用平台，变量太多，公开数据不足，不同细分领域需求差异大，很难落地。生物医药行业的发展也验证了这个路径，头部玩家最后都聚焦到细分赛道。

00:07:02 公司业务与产品定义

00:07:50 借用自动驾驶分级概念划分了三个AI与人的配合模式

00:08:51 Synmat agent的工作流程，将1000次的实验降低到20次。

00:12:42 数据隐私信任问题的解决策略

00:16:34 废弃数据的利用与软硬件布局

00:17:55 学术界和工业界导向不同

00:19:22 新研智材的落地规避方案：聚焦，关注工业

00:22:04 AI能研发出材料，但人类无法解释其原理的情况，最终变成既具备解释性又不具备解释性的状态。

00:24:56 选择半导体材料作为切入点的原因

00:27:43 AI研发新材料的定义与传统模式对比

00:28:22 ※材料对算力发展的作用

00:31:04 创业公司资源有限，怎么做两个业务？公司团队由AI、材料、science三类背景的人员构成。

00:37:38 推动整个行业开放数据，新研智材这类初创商业化AI公司是最合适的定位

00:40:26 10天辞职回国创业的故事

00:41:11 AI对自身工作流的优化

00:42:13 博士阶段PRL论文研究经历

南凯博士阶段发表了两篇PRL论文，PRL是物理学顶刊，很多诺奖得主都在此发论文。

00:53:22 从材料研究转向AI创业的路径

00:57:37 AI可解释性的挑战

00:59:02 天大精仪实验班经历对现在的影响

01:05:45 个人长期目标

南凯提到，自己的目标是：5年后公司上市，10年后推动整个AI+材料行业发生大的变化，20年后让公司的AI技术影响更多领域，不仅仅局限在材料领域。

AI+材料领域的行业现状与落地难点

• 行业整体状态：AI+材料是刚起步的新兴行业，目前没有明确的行业定式与成熟商业逻辑，全行业都在摸索阶段。

• 材料企业对AI的接纳难点：材料行业是结果导向，材料企业的配方、工艺是核心护城河，对数据泄露的接受度为零，完全不接受SaaS云端部署，要求所有数据存储在本地服务器。

• 行业数据积累现状：材料领域公开数据源远少于生物医药领域，企业不愿意共享任何配方相关数据，失败的无效数据也被留在企业内部，无法被AI训练利用。

AI+材料行业的发展路径共识

• 不支持现阶段做通用平台：由于当前算力、数据、行业发展条件都不支持，材料领域变量多、需求分散，需要先打通垂直细分领域形成闭环，再逐步拓展成平台。

• AI落地的正确分工：提出以AI为研发主体，人类工程师做辅助的L3阶段分工，AI主导研发管线规划，工程师将实验数据返回给AI迭代，最终实现降本提速。

• 数据隐私问题的解决策略：采用本地部署或混合部署方式，提前做好合规认证，先做POC验证逐步获取信任，明确划分自身业务与客户业务边界，打消客户疑虑。

为什么选择半导体材料作为切入点

• 长远逻辑符合发展趋势：当前AI产业革命对芯片材料提出了更高要求，半导体材料领域有充足的市场需求和发展空间。

• 团队基因匹配：团队本身半导体相关的材料背景积累更深，更容易在垂直领域快速打通形成闭环。

• 场景扩展性好：半导体材料已经覆盖了有机、无机、复合材料三大类，为后续拓展其他材料领域打下了基础。

同时做AI工具和自研新材料的商业逻辑

• 两者本质是同一件事：AI agent是研发新材料的工具，自研新材料相当于用自身产品验证工具效果，给客户做示范。

• 分阶段推进符合初创公司需求：软件层面可以快速变现，解决初创公司活下去的问题；自研新材料可以打开公司成长天花板，目标是成长为AI主导的材料巨头。

• 不同阶段匹配不同业务：在公司规模较小时先聚焦做AI agent，当前具备能力后再衔接自研新材料业务，后续再逐步打通工厂和销售环节。

学术研究与工业落地的差异

• 核心导向不同：学术界偏向成果导向，追求技术突破；工业界偏向结果导向，要求解决实际问题。

• 学界成果的落地痛点：类似MetAI这类学界成果，只给出材料结构不提供合成落地指导，对工业界而言没有完整解决问题，因此引发争议。

• 新研智材的规避方式：聚焦垂直细分领域减少变量，团队有大量材料背景员工，更懂工业界实际需求，只做能落地产生实际价值的产品，不做技术先进但离应用遥远的研究。

非标玩家UnDefined是一档商业人物访谈播客，致力于让世界看到中国商业和科技力量，只影响1%的商业决策者。

欢迎有认知的商业决策者联系、合作~

硬件创业，在想不到的地方简单，在想不到的地方复杂。

这段时间，我在策划一个系列选题。

找了三位一直深耕科技行业的一线猎头，分别来自京津冀、长三角、珠三角。他们每天都在处理最真实的人才流动：谁在招人，谁在离开，什么岗位火热，什么人才失宠。

很多时候，我们是通过新闻、融资、产品来理解一个行业，但这些信息都有滞后，并且都带着各方的身份立场，很难真的真实客观中立。

所以，我想到了猎头，尤其是我采访的这几位过去陪伴现在的大厂成长、也在AI这波做的风生水起，他们是少数能同时看到三件事的人：公司在想什么、市场在变什么、人正在往哪里流。

所以我想通过这个系列来和各位听众一起探索：

在AI这波浪潮里，人才结构到底发生了什么变化。

本期《非标玩家UnDefined》，我们邀请到拥有 20 年 HR 与猎头经验、服务过上百家硬件与机器人创业公司的「大湾区猎头一姐」楠姐，聊聊她眼中的 AI 硬件创业真相：

为什么很多公司反而更喜欢“创业失败过的人”？
大厂人什么时候出来创业最合适？为什么是 28 岁和 38 岁？
深圳真的能几天做出一款 AI 眼镜？
为什么有人说：“我敲钟那天，公司不会超过 50 人。”
联创为什么总在离开？什么时候该体面分手？
今天最值钱的人才，到底是算法工程师，还是更懂用户的人？
以及：怎么找到 “十年前的大疆”？

如果你正在创业、考虑加入创业公司，或者想看懂 AI 硬件的人才迁徙，这期会很有启发。

• 文字版，我会在三期一起发布之后一起出一篇梳理行业的文章，发布在公众号。

楠姐：跟人才和组织打了20年交道，也是一名创业者。服务过当下最红的几家硬件公司，陪伴他们从幼年成长，有太多案例和故事可以源源不断输出。视频号@大湾区猎头一姐，小宇宙@大湾区猎头一姐

主持：

与桐：人才流动是了解行业变化的重要渠道，所以我也建议每个身在职场的人都要跟几个猎头保持好关系。公众号@非标玩家UnDefined，YouTube@非标玩家UnDefined

00:00 AI 硬件创业，为什么突然成了新风口？

02:14 从“人跟着业务跑”到“人跟着 AI 跑”
BAT 人才流动逻辑，彻底变了。

03:54 为什么很多公司更喜欢“创业失败的人”？

06:10 00 后创业者，为什么反而更松弛？

07:09 大厂人什么时候创业最合适？
楠姐给出两个关键年龄：28 岁、38 岁

09:28 做一个 AI 硬件公司，团队到底该怎么搭？

10:38 深圳硬件创业有多夸张？
“采访结束，你就能做出自己的 AI 眼镜。”

12:00 AI 时代，创业公司还需要那么多人吗？
“我敲钟时，公司不会超过 50 人。”

15:39 AI 硬件创业越来越像：硅谷脑子 + 深圳身体

17:05 一个基督教 AI 戒指，怎么卖到北美？

20:09 品牌 vs 白牌：AI 硬件创业的两条路

22:06 什么样的创始人，一看就知道能成？
云鲸、普渡早期故事。

29:25 创业公司最离谱的招人需求有多离谱？

35:47 创业者最大的错觉：我想找个“蔡崇信”
问题是：你是马云吗？

37:21 为什么创业者最容易被“大厂光环”骗？

40:14 联创为什么总在离开？

45:32 联创不合适了，怎么体面分手？

53:04 AI 硬件创业，为什么最好扎在深圳？

55:58 大疆和 Insta360，喜欢的人为什么完全不一样？

59:53 今天的大厂光环，为什么从 BAT 变成了大疆？

01:01:13 怎么找到“十年前的大疆”？

01:06:35 应届生该去软件公司，还是硬件公司？

01:10:46 AI 硬件最值钱的人才，可能不是工程师

01:13:55 AI 人才抢夺战到底有多夸张？
A 公司谈完，B 公司已经在门口等。

（Arvin这期真的很好，分享比例和收听率都是最高的，想了解硬件创业的人一听要听这期）

（AI浪潮下的人才趋势的第一期）

非标玩家UnDefined是一档商业人物访谈播客，致力于让世界看到中国商业和科技力量，只影响1%的商业决策者。

欢迎有认知的商业决策者联系、合作~

当我听说了校招生拿到350万年薪，实习生也有4800一天的薪资时，谁不想当个AI牛马呢……

本播客为「非标玩家UnDefined」AI人才系列首期。

我找了三位一直深耕科技行业的一线猎头，分别来自京津冀、长三角、珠三角。他们每天都在处理最真实的人才流动：谁在招人，谁在离开，什么岗位火热，什么人才失宠。

很多时候，我们是通过新闻、融资、产品来理解一个行业，但这些信息都有滞后，并且都带着各方的身份立场，很难真的真实客观中立。

所以，我想到了猎头，尤其是我采访的这几位过去陪伴现在的大厂成长、也在AI这波做的风生水起，他们是少数能同时看到三件事的人：公司在想什么、市场在变什么、人正在往哪里流。

所以我想通过这个系列来和各位听众一起探索：

在AI这波浪潮里，人才结构到底发生了什么变化。

这是第一期，我们从上海开始。

（粤港澳的下周发，京津冀的下下周发，请期待~）

这一期，我邀请从业20年的AI猎头沈嘉，围绕AI浪潮下的人才市场变化、岗位需求、求职创业建议展开深度讨论，覆盖从应届生到职场老人、从大厂到创业公司的多维度问题，分享了最新的行业观察与行动建议。

• 文字版，我会在三期一起发布之后一起出一篇梳理行业的文章，发布在公众号。

沈嘉：21年猎头，上海人，曾经服务过某宇宙App工厂，某原来做海淘现在做内容社区的厂，六小龙里的几小龙，若干科技创业公司。小宇宙@HuntNEXT猎头早知道

主持：

与桐：人才流动是了解行业变化的重要渠道，所以我也建议每个身在职场的人都要跟几个猎头保持好关系。公众号@非标玩家UnDefined，YouTube@非标玩家UnDefined

22分钟到77分钟，是求职者/候选人/打工人视角

77分钟之后，是企业主/管理者/创业者视角

大家可拉动进度条，自取所需

00:00:03 开场与节目介绍

播客节目「非标玩家」推出AI人才系列选题，邀请三位分别来自京津冀、长三角、珠三角的一线科技猎头，从人才流动视角解读AI浪潮的行业变化。本期为第一期，邀请从业20年、从2022年锚定AI方向、已服务超过800家AI相关公司的猎头沈佳，分享上海地区的AI人才市场观察。

00:03:22 嘉宾自我介绍与业务范围

沈佳介绍个人背景：拥有3年技术相关工作经验，从事高科技招聘20年，2021年创业成立面向科技创业者的猎头公司，从数据和机器学习方向平滑转型到人工智能领域，已经和国内外创业社区、技术核心角色建立长期联系，目前服务的AI相关公司数量接近800到1000家。

00:04:26 印象深刻的AI创业者与人才观

沈佳分享了三位印象深刻的创业者：第一位是DeepSeek的梁文峰，其团队在上一代AI时代完成商业化迭代，在新的大模型浪潮中对人才、组织、产品的定义符合第一性原理，值得研发同学参考。第二位是陈天桥，从盛大到脑科学前沿研究再参与AI浪潮，代表了有前沿思考和强执行力的领导者类型。第三位是追觅创始人，能够在时代趋势下利用自身优势做好技术和产品。三位创业者的共性是坚持能力大于经验，更关注解决从未有人做过的新问题。

00:10:38 2026年猎头业务的变化

2026年猎头业务核心逻辑不变，依然是寻找关键核心人才，但核心人才的关注方向发生变化：2023年关注大模型基座，2026年关注Agent，需求范围从少数人扩展到更多人，但真正掌握Agent能力的依然是很小的群体，始终只招聘两类人：奥赛出身的天赋型选手、有大量实践经验的熟手。

00:12:01 2023-2026年AI人才市场年度总结

• 2023年：大模型浪潮起步，核心叙事是大模型基座创业，市场需求集中在有大模型开发经验的从业者。

• 2024年：多个大模型发布并推广免费使用，市场对基础设施infra的需求变得非常突出。

• 2025年：DeepSeek带动强化学习RL完成商业化验证，推理能力的提升加速了AI全民普及，市场对强化学习侧技术人才需求大幅增长。

• 2026年：Agent（养虾）成为主叙事，大厂和硬件云厂商推动全民Agent，需求覆盖云计算、容器、存储、记忆等多个领域，范围扩展到产品、运营、增长等非技术岗位。

00:17:13 2026年Agent领域热点人才分析

2026年年初以来，Agent领域两类人才价值快速上升：第一类是非技术背景但有大量Agent实践经验的用轮子实践者，第二类是提前搭建过多智能体框架的工程人员。当前行业需求全站化人才，产品经理需要会写代码，工程人员需要懂算法，提示词工程是基础能力，这类全站Agent工程师的价值上升速度比大基座算法工程师更快。这类人才主要被两类企业招聘：一类是大厂改造传统业务做内部提效，另一类是大厂创新业务和AI原生创业公司搭建新业务。

00:21:18 AI对工作替代的核心逻辑

沈佳提出核心观点：模型会吞噬整个数字世界，所有工作的形态都会发生变化，AI不会直接替代人，更擅长使用AI的人会替代不擅长使用AI的人，AI替代是渐进过程，会经历很长的硅碳共生阶段，不会在短时间内彻底颠覆。目前客服领域已经完成初步替代，只有高价值用户才能直接接入真人客服，真人一对一服务的价值会越来越高，和成衣与高定的关系类似。

00:25:19 开发团队会被AI替代吗？

基础工程师做功能实现、bug修正的工作会最先被替代，需要大量协同的产品、运营岗位替代速度稍慢，但也在被替代过程中。同时产品经理也会长出新的能力，现在AI coding可以帮助产品经理快速生成产品demo，很多产品经理已经可以完成自闭环的全流程工作。两端的工作同时在被替代：数字领域的基础开发工作和物理世界的简单重复劳动，比如林场植保、矿山自动驾驶、仓储堆栈卸货等，最终都是被更会用AI的人替代。

00:29:29 中美AI产业发展的差异

中国产业的迭代速度远快于美国，核心原因是中国数字化渗透率更高，渗透速度更快，国内市场加外贸市场规模大，分工足够细，产业全链路闭环速度是美国的6倍到10倍以上，比如华强北的电子产业、重庆的摩托产业都是全站闭环，迭代速度远快于美国。哪怕大模型的核心突破最早出现在美国，中国AI应用的普及速度也会远快于美国。

00:35:11 工程师岗位的变化趋势

AI coding加速了全站工程师的普及，原来大厂分工精细只了解自己细分领域的工程师，会被上下左右全领域通透的工程师替代。工程师群体也在扩展能力边界，原来需要找产品、设计协同的工作，现在可以通过AI coding直接在数字世界完成，工程师的工作边界在扩展，同时也在被AI重构。初级边角料学徒工程师、大厂边缘业务的中年工程师（比如大龄P6、P7）受到的冲击最大，这类人群再就业难度较高，更多会转向数字化渗透率较低的传统产业寻找机会。

00:40:43 需求下降的岗位与应届生就业现状

现代服务业的基础技能岗位需求下降非常快，比如四大的基础审计岗，工作量被AI大幅压缩，岗位大幅减少。AI相关岗位总量相比前三年快速膨胀，但是竞争难度也同步快速上升，早期大模型公司招人难度低，现在哪怕普通岗位也很难通过简历筛选，头部大模型公司的HR每天处理海量简历，已经接近人力处理的边界。

00:46:00 当前火热的岗位与薪资水平

技术层面数据、算法、基础架构会持续火爆，应用层面产品、运营、增长需求非常大，覆盖投放、素材生产、监测分析全增长链路。2026届头部校招中，优秀同学可以拿到100万-200万现金年薪，最高可到350万-380万不含期权，核心岗位实习工资可达4500-4800元一天，头部薪资主要由大厂提供，创业公司相对较少，头部效应非常明显，现在候选人选择offer不仅看薪资，更关注团队和细分赛道的成长性。普通院校的年轻同学如果有较长的AI实践工龄，哪怕非技术岗位薪资差异也会拉的很大，学生没有负担，迭代速度比资深从业者更快，更容易拿到不错的薪资。

00:52:40 低薪高潜力的方向：情绪价值提供者

当前薪资不高但未来价值会很高的方向是情绪价值提供者，比如细分方言脱口秀、特定人群的情绪陪伴、女性向游戏剧情等，AI解决了物质生产效率问题后，人们会愿意为情绪价值付费，情绪价值目前很难定价，但未来价值会快速增长。

00:56:18 大厂 vs 创业公司：给求职者的建议

沈佳做猎头20年，不会主动给候选人做选择建议，只会分享分析框架和所有可能性，最终由候选人自己决定。从比例上看，创业项目跑出来的概率非常低，通常会劝阻大部分人加入创业，真正想创业的人会直接行动，不需要咨询猎头。S级人才要么去大厂核心部门，要么自己创业，A+级人才两条路都可以选，最终选择取决于个人的价值观。现在初创和大厂之间人才流动形成旋转门，创业者可以去大厂创新业务获取资源，大厂人才也可以出来创业，双向流动越来越频繁。

01:04:47 大厂光环还存在吗？

大厂光环早就祛魅，大家不会神话大厂背景，只会理性判断价值。大厂光环只存在于明星业务团队，雇主买的是团队已经交过的学费和前置经验，大厂边缘业务的背景没有额外光环。AI native带来所有范式重构，市场更关注候选人的实际能力，不会单纯看厂牌，厂牌的溢价越来越少。

01:08:21 好机会的变化：顶尖人才 vs 普通人

显性的好机会越来越少，职场非共识的差异快速拉大，选择变多导致竞争变得更激烈，好机会的竞争强度比过去大很多。非共识的隐性好机会确定性其实更高，但需要候选人自己判断，普通人拿到显性好机会的概率越来越低。

01:12:47 非技术/大龄转AI来得及吗？

任何时候转AI都来得及，核心取决于个人对自己下手的狠度，和年龄、原来的背景无关。文科生不需要焦虑，文科生原本就擅长人和人的对话，AI时代对话能力会成为核心能力，只要找懂技术的朋友补足技术短板就可以，核心是提升自己的迭代速度，跨界跨产业招聘现在非常多，行业区别没有想象中大，核心看个人的迭代速度能不能匹配业务需求。

01:17:33 创业公司看重的候选人特质

创业公司招人要求一直没变，都是既要也要：要求学校好、有大厂经验熟悉成熟体系、有创业经验懂0-1搭建、绩效好同时ego不能太高。现在候选人简历发生了明显变化，越来越多候选人会在简历上增加正职工作之外的个人项目，比如自己做的小产品、内容产出，越年轻这种情况越多，00后中占比约50%，这种方式能直观展示自驱能力，降低组织摩擦，更容易通过筛选，这种变化和区域无关，是年轻一代自我意识觉醒的体现。

01:26:07 创业公司怎么和大厂抢人

创业公司不需要和大厂拼现金，可以采用灵活雇佣模式，比如聘用兼职顾问满足需求，不需要全职招人。核心岗位招聘要长期跟进观察，不要仓促做决定，初次创业很容易招错核心岗位，因为旧经验不适合新业务，招聘错是大概率，需要谨慎决策。推荐试工一天的背调替代方式，试工提前谈好报酬，设置具体任务，当面协同完成，能直观判断候选人能力。

01:32:36 海内外公司招人风格差异

海外人才供给相对不足，大部分区域更明确区分工作和生活，非工作时间一般不沟通工作，文化上对职场边界、专业性、公平性要求更高，现在全球细分赛道人才跨区域流动的比例越来越高。想做全球产品的创业者，不需要一开始就建海外物理团队，核心是先搭建符合全球化协作的内部机制，适配不同地区的工作习惯，而不是单纯在海外开办公室招人。

01:38:11 国内不同城市人才差异

国内不同城市的人才差异核心源于产业集群的不同：北京海淀是AI核心聚集地，杭州有电商集群，武汉有汽车和半导体集群，成都有文创、游戏和航空产业，深圳有硬件制造集群。同时不同区域的文化差异也会影响产业发展逻辑，每个区域都会慢慢形成自己的产业定位，不同定位吸引不同特质的人才。

01:47:14 传统企业AI提效的判断

AI确实可以帮助企业实现用更少的人做更多的事，AI coding提升工程效率是最容易落地的方向，现在很多传统企业都在找专家探讨AI coding的提效空间。AI coding的发展速度非常快，未来18个月内，全球新产生的代码中95%-98%都会由AI生成，工程团队的工作形态和组织形态都会发生巨大变化，所有企业都必须面对这个必选题，只是时间早晚的问题。

AI对就业的整体影响判断

• AI替代规律：AI会按数字化渗透率顺序逐步替代工作，数字化程度越高的工作越先被替代，所有工作最终都会被改变形态。AI不会直接替代人，更擅长使用AI的人会替代不擅长使用AI的人。

• 硅碳共生阶段：AI替代不会是0-1的颠覆性革命，会经历很长的硅碳共生阶段，这个过程的长度和业务数字化渗透率、AI供给能力直接相关。

• 18个月AI代码预测：未来18个月内，全球新产生的代码中，95%-98%以上都会由AI coding驱动生成，总量会远超人工手写代码。

AI浪潮下历年人才需求变化

• 2023年人才需求：2023年AI浪潮初期，市场核心关注大模型基座人才，主要需求是有6B模型相关开发经验的算法从业者。

• 2024年人才需求：2024年模型落地推广阶段，因为模型尺寸变大，对基础设施infra的需求变得非常突出，覆盖训练和推理全链路。

• 2025年人才需求：2025年随着DeepSeek带动RL强化学习商业化验证，市场对强化学习侧技术人才的需求大幅增长。

• 2026年人才需求：2026年Agent（养虾）时代到来，需求覆盖云计算、容器、存储、记忆等全链条，范围从技术岗扩展到产品、运营、增长等非技术岗。

2026年Agent（养虾）热点人才类型

• 价值快速上升的两类人才：一类是非技术背景但有大量Agent实践经验的用轮子实践者，另一类是提前搭建过多智能体框架的工程人员（脚手架搭建者）。

• 全站化人才趋势：当前Agent领域需求全站化人才，产品经理需要会写代码，工程人员需要懂算法，提示词工程能力是基础要求，这类人才被称为全站Agent工程师。

• 招聘主体与方向：这类人才主要被两类企业招聘，一类是大厂对传统业务做AI提效改造，另一类是大厂创新业务和AI原生创业公司做新产品建设。

不同人群的就业冲击与机会

• 对工程师群体的影响：基础功能实现、bug修正类的初级工程师工作会最先被替代，只了解自己细分领域的大厂工程师也会被全领域通透的工程师替代，初级小白工、大厂边缘业务的中年工程师受到的冲击最大。

• 需求明显下降的岗位：现代服务业里依赖基础技能的岗位消失速度非常快，比如四大的基础审计岗，工作量被AI大幅压缩，岗位需求大幅减少。

• 应届生就业现状：AI相关岗位总量相比前三年快速膨胀，但竞争难度也同步快速上升，头部大厂核心岗位简历投递量已经超过HR处理边界。

• 当前头部校招薪资水平：2026届头部校招中，优秀同学拿到100万-200万现金年薪非常常见，最高可到350万-380万（不含股票期权），核心组实习工资可达4500-4800元/天。

差异化的岗位价值判断

• 持续火爆的岗位方向：数据、算法、基础架构这类技术核心岗位会持续火爆，同时Agent应用方向的产品、运营、增长等岗位需求也非常大，覆盖从投放、素材生产到数据分析的全增长链路。

• 低薪高潜力的方向判断：当前薪资不高但未来价值会很高的方向是情绪价值提供者，这类岗位针对特定人群提供情绪共鸣，目前很难定价，但随着物质生产效率提升，人们对情绪价值的付费意愿会快速增长。

求职者选择建议：大厂 vs 创业公司

• 猎头分享的原则：猎头不会主动给候选人做选择建议，只会分享分析框架和所有可能性，最终由候选人自己做决定。

• 创业成功概率判断：从比例上看，创业项目能跑出来的概率非常低，猎头通常会劝阻大部分人主动加入创业，真正决心创业的人会直接行动，不需要找猎头咨询。

• 当前人才流动趋势：初创团队和大厂之间的人才流动已经形成旋转门，不是对立关系，创业者可以去大厂的创新业务获取资源，大厂人才也可以出来创业，双向流动越来越频繁。

AI转型的可行性与路径

• 转型时间判断：任何时候转AI方向都来得及，核心取决于个人对自己下手的狠度，和原来的背景、年龄无关。

• 非技术背景转型机会：非技术、文科背景的人不需要焦虑，文科生原本就擅长人和人的对话，AI时代对话能力会成为核心能力，只要找懂技术的朋友补足技术短板即可，核心是提升自己的迭代速度。

创业公司招人相关建议

• 创业公司看重的候选人特质：创业公司始终要求候选人既有大厂经验熟悉成熟体系，又有创业经验懂0-1搭建，要求候选人学校好、绩效高，同时ego不能太高。

• 00后简历新趋势：现在越来越多00后候选人会在简历上增加正职工作之外的个人项目，比如自己做的小产品、内容产出、开源贡献等，越年轻的候选人这种情况越多，00后中占比约50%，这种方式能更好展示自驱能力，降低组织摩擦，更容易通过筛选。

• 创业公司抢人策略：创业公司不用和大厂拼现金，可以采用灵活雇佣模式，比如聘用兼职顾问，同时要长期跟进候选人，核心岗位招聘需要长期观察，不要仓促做决定，建议采用试工一天的替代背调方式，试工提前谈好报酬，能更直观判断候选人能力。

不同区域人才与招人差异

• 中美产业迭代速度差异：中国产业的迭代速度远快于美国，优势在于数字化渗透率高、渗透速度快，市场规模大，分工细，全链路闭环速度是美国的6倍-10倍以上，AI应用普及速度会远快于美国。

• 海外公司招人风格差异：海外人才供给相对不足，大部分区域更明确区分工作和生活，晚上非工作时间一般不沟通工作，文化上对职场边界、专业性、公平性的要求更高，当前全球范围内细分赛道人才跨区域流动的比例越来越高。

• 国内不同城市人才差异：国内不同城市的人才差异核心源于产业集群的不同，北京海淀是AI产业核心聚集地，杭州有电商集群，武汉有汽车和半导体集群，成都有文创、游戏和航空产业，深圳有硬件制造集群，同时不同区域的文化差异也会影响产业发展逻辑。

传统企业AI落地相关判断

• 减人提效的结论：AI确实可以帮助传统企业实现用更少的人做更多的事，AI coding提升工程团队效率是最容易落地的方向，所有规模的企业都必须面对这个必选题，只是时间早晚的问题。

非标玩家UnDefined是一档商业人物访谈播客，致力于让世界看到中国商业和科技力量，只影响1%的商业决策者。

欢迎有认知的商业决策者联系、合作~

大家一起来查查哪家大模型公司的领英粉丝最多~

老友不闲聊来了！

我和非标玩家合伙人雨洁，一起去跟我们的老朋友徐作彪聊了聊AI设计、软件出海、Linkedin生态的问题。

徐作彪本硕毕业于清华，在2021年创立了AI设计软件Nolibox，在国内积累了大量tob的大客户。他很快发现，如果在国内做 AI 标品软件，又没有 10 亿级融资，大概率是死路一条。

在2024年他们开始C端设计工具出海，最开始是产品定位是青少年，跑了几年后发现欧美老钱才是他们的客户。

在2025年，为了更好地做出海，徐作彪两次飞往硅谷，共呆了50天，他发现了一个机会：出海绕不过LinkedIn，因为LinkedIn在硅谷是一个创业者的数字名片，空白的LinkedIn会让人觉得不可被信任。

所以他开始做 Dynal，一个帮创业者、公司高管、出海团队生成 LinkedIn 内容、经营个人品牌的 AI 工具。

这一期我们聊了很多实操内容，包括一个本土创业者怎么在硅谷找到机会，一个工具在producthunt上怎么打榜，LinkedIn在硅谷到底意味着什么，为什么只做国内市场的工具就是死路一条。

这一期适合：

• 正在做 AI 产品的人

• 想出海的创业者

• 对 LinkedIn / Twitter 运营感兴趣的人

• 想理解 AI 工具创业真实难度的人

• 对“为什么中国 AI 工具卷不过大厂”感兴趣的人

嘉宾：

徐作彪：AI设计工具Nolibox和LinkedIn内容生成工具Dynal.AI的创始人，贵价钢笔持有者。日聊Claude800次，不辞长作岭南人。Linkedin@Alex Xu

刘雨洁：非标玩家UnDefined的梅林和莫甘娜，网球博主，主业品牌管理，曾经的ProductHunt日活用户。Linkedin@Lorraine Liu

王与桐：接话很快是ADHD的初始设置，更新很慢是因为我在深度思考。公众号@非标玩家UnDefined，YouTube@非标玩家UnDefined，LinkedIn我还没开始更新抱一丝。

节目中提到的照片：徐作彪在两次到达硅谷住的同一间房间，左边是第一次想到可以做LinkedIn生成内容产品写下的idea，右边是带着已经做好的产品回到故地。（日子好起来了，从白开水变成了红酒）

shownotes：

03:27 中国 AI 工具出海，为什么可能有 50~100 倍机会？

06:36 2021 年做 AI 设计时，所有投资人都觉得这是伪需求

12:32 在国内，融资 10 亿人民币以下做标品 AI 工具，基本是“大厂的棋子”。

20:41 硅谷 50 天体感：当对方 LinkedIn 履历丰富且专业，而你只有寥寥几句时，你就像个“假人”。

26:03 “如果 LinkedIn 没做好，你可能都不算真正进入出海圈”

36:19 玩法总结：出海人如何立人设？频率、信息源、文风的一致性是核心。

42:16 Dynal 怎么帮用户建立自己的“Brand DNA”

44:45 差异化竞争：不做 All-in-one，只做垂直领域的 Top 1

53:18 定价心理学：为什么 Dynal 卖 40-60 美金一个月，老外反而更愿意买贵的？

56:14 海外用户到底敏不敏感？AI SaaS 要不要打价格战？

01:01:12 为什么“国内开发 + 海外品牌”可能是最强 AI 出海组合

01:03:21 怎么在 Product Hunt 打榜，实操经验分享

01:12:18 认知修正：AI 时代产品是“廉价”的，知名度和增长才是“稀缺资源”。不要轻信“靠产品自增长”的神话。

01:16:34 吐槽正确的废话：别再问我什么是“真需求”和“PMF”了。只要是一个理性人感知的痛点，就是真需求。

01:26:02 一天上线多个 AI 产品的人，到底是怎么思考的

01:32:42 在硅谷融资，最有用的东西其实是“熟人引荐”

01:34:52 赛博监工：给 AI 设定特定的提示音，听声音就知道它任务跑完没。

01:38:07 认知偏差：我们以为用户是年轻人，结果付费主力是 50 岁以上要办正式派对的美国精英。

关于出海的其他播客：

https://www.xiaoyuzhoufm.com/episode/69c0d1e33c625cc5aeae1d2c 05在硅谷做AI狗狗项圈：别把供应链当优势，别把众筹当市场？对话Traini创始人Arvin

关于AI生成的其他播客：

https://www.xiaoyuzhoufm.com/episode/69b123769b893f69c72c51f4 03当AI生成一切，人类只剩下审美，和FansAI David 聊硅谷工作、回国创业和开放世界

https://www.xiaoyuzhoufm.com/episode/699d73bfde29766da95cf3bd 01-98年准博士，1人0投放，做出几万月收的AI教育产品

不知道，K姐的大脑太曼妙~

不上班也赚钱的系列更新第三集了！

今天这期节目，我们请到了一位有点“反常规”的投资人——K姐。
她曾经在四大做咨询，后来进入一级市场，参与投资了一些很知名的项目。

去年年底，她离开所在的机构，开始全职做二级市场投资。

过去一年，她的收益是150%，
今年到目前为止，一度接近190%。

但更有意思的不是这个数字，而是她赚钱的方式。

比如在这次美伊战争中，她如何通过公开信息判断伊朗实力，判断美国决心，判断战争还会多久，从而影响她的投资决策，带来可观的收益。

节目后半段，聊了聊她的投资认知，以及成长路径——一个立志要做投资的法学生是怎么一步一步实现自己的目标的。

这一期，K姐会告诉我们，如何把“理解世界”，变成一种赚钱能力。

本期嘉宾：

K姐：去年年底不做一级投资人了，专注在二级市场库库赚钱，边笑边哭代表人物，小红书@共识加速度，雪球@共识加速度

主持：

王与桐：二级小白，媒体专家，问了白痴的投资问题只是我在表演！公众号@非标玩家UnDefined，youtube@非标玩家UnDefined

感谢场地提供：荔枝FM

K姐的“书单与工具”推荐：

• 底层思维： 《孙子兵法》、《战争论》

• 中东理解： 《中东历史二十讲》

• 信息工具： Grok（推特资源实时反应）、AI 辅助提效

• 视频学习： B 站“沙盘上的战争”

shownotes：

00:02:03:成功投资的秘密：如何利用细节信息实现百分之一百九的收益？

00:08:30:美国中东政策的背后：政治、战略和执行的考量

00:17:05:伊朗战争的动向与美军的调兵部署：战场明朗化的信号

00:25:37:如何在战争中获得胜利：情报、军事战略和工业生产的奥秘

00:34:09:中东历史与军事动作：探索冲突与生存的神奇区域

00:42:41:市场动荡不安，你的全职投资之路是否正确？——职业投资者的适应与纪律

00:51:15:在投资路上的曲折探索：一个从小白到成熟的成长之路

00:59:48:股票投资：从亏损到盈利的转变（经验分享）

01:08:20:投资成绩与流动性的关系：一级市场与二级市场的差异

01:16:53:如何在市场传言引发的风险期间保持冷静？经验分享！

01:25:24:跨行业、跨市场信息优势：掌握世界规律的关键！

01:33:57:战略选择与生活平衡：如何在众多可能性中找到自己的道路？

一个创业十年的人说如果有可能，人生不要创业。。

赵明是我采访过的人里最让我不知道怎么接话的人了。

一般创始人CEO都会大聊特聊宏大愿景，也会不断提醒我他们的技术多么独一无二，还会对自己的创业历程充满自信甚至过于自大。这些人抛出的ego、理念和高谈阔论，其实我有经验。

但赵明不是这种人，在采访中，他反复提到他在过程中做的不好的、学到的、思考的。太真诚了，太坦诚了。

这样的表达，或许来自他真的创业十年，围绕着一个目标，经历了几次热浪，但仍然初心不变。

这一期，我们和 YOGO 有个机器人创始人兼 CEO 赵明，聊了聊一个这两年重新热起来的词：空间智能。

赵明没有先讲模型，也没有先讲人形机器人，而是先讲了一个很朴素的词：box。

在他的理解里，人类一直生活在各种各样的 box 里。住宅、商场、医院、写字楼，都是 box。人类发明这些 box，是因为身体脆弱，需要一个可以生活、工作、消费、娱乐的稳定空间。也正因为如此，真正能改变人类生活的智能，不该只停留在屏幕和数字世界里，还应该进入这些 box，去理解人如何移动、物如何流动、空间如何协同。

所以这期里，赵明讲的其实不只是机器人。

为什么建筑到今天依然这么“笨”；

为什么空间智能真正重要的不是单个机器，而是电梯、闸机、门禁、机器人这些设备能不能一起工作；

为什么相比那些更“酷”的双足、四足、人形机器人，他更在意楼里的物流网络；

以及为什么同样是空间智能，到了沙特、日本、巴西、菲律宾，会先解决四种完全不同的问题。

这期里还有几个很有记忆点的判断。
比如：最好的养老机器人，可能也比不上一条狗。
比如：当机器人真正进入生活时，人根本不会在意它到底是轮式、双足还是别的形态。
比如：空间智能的下一步，难点可能已经不只是单体智能，而是一群智能体如何协同。

比如：人类已经成为上帝。

聊到最后，话题甚至拐到了书单。
当被问到“推荐一本到两本书给未来创业者”时，赵明给出的答案是：最好不要读。

他提到《第三类黑猩猩》和《现实不是你所见》，说这些书会把你带到一种很危险也很迷人的视角里：从外星人的角度重新看人类，从物理学的发展重新怀疑世界的真实性。某种程度上，这也很像他这期对空间智能的理解——换一个视角看世界，再回来重写现实。

如果你关心机器人、具身智能、空间智能，或者只是想知道：那些未来听上去很远的技术，最后会怎么进入你每天出入的楼、医院和城市，这一期会很适合你。

嘉宾：

赵明：YOGO有个机器人公司创始人&CEO，2015年开始创业，在创业前曾做过月球机器人等炫酷的技术，而现在更关心落地，他们的产品和能力已经出海到沙特、日本、巴西、菲律宾。

王与桐：主持人，非标玩家UnDefined主理人。

00:00 - 06:43 从 box 讲起：为什么空间智能应该先进入建筑
人类大部分时间都生活在各种 box 里。真正的空间智能，不只是让机器人更聪明，而是让建筑里的物流、人流和设备协同重新被组织。

06:43 - 14:05 从“酷炫机器人”到“楼宇机器人”：为什么真正改变生活的技术，往往没那么性感
赵明回顾自己做机器人多年的转向：从追求技术上的炫技，转向追求技术真正进入生活。

14:05 - 22:47 为什么我不做具身智能
双足、四足、人形机器人为什么火；在赵明看来，今天很多进展更接近运动控制，真正的空间智能还有更长的路。

22:47 - 25:41 为什么我不执着于做人形机器人
当机器人真正成为生活必需品，人不会在意它长什么样；以及那句很扎人的判断：最好的养老机器人，其实比不上一条狗。

25:41 - 33:42 空间智能到底是什么：机器人之外，更重要的是设备和设备如何一起工作
空间智能不只是机器人本体，而是电梯、闸机、门禁、机器人这些设备一起变“聪明”，组成一个协同网络。

33:42 - 39:41 沙特、日本、巴西、菲律宾：为什么空间智能到了不同国家，会先长成不同的样子
沙特更像未来城市基础设施，日本先回应老龄化，巴西面对复杂场景效率，菲律宾则先碰到安全问题。

39:41 - 45:52 为什么我不做扫地机器人
比数据更重要的，可能是数据从哪里来；赵明更在意的是和人、和场景高度结合的数据入口。

45:52 - 55:22 人类是不是在“自我封神”
如果有一天人类真的创造出强智能，人类是不是已经成了“上帝”？从伦理、规则，到创业十年的反思。

55:22 - 结束 赵明的“最好不要读”书单
《第三类黑猩猩》《现实不是你所见》——为什么有些书会让你重新理解人类，也重新怀疑世界。

视频播客：视频号、腾讯视频、youtube搜索「非标玩家UnDefined」

文章：微信公众号「非标玩家UnDefined」

据外媒报道，OpenAI 周二宣布，已完成一轮创纪录融资，共计融资1220亿美元，投后估值达到 8520 亿美元。

在我看来，这件事更值得思考的是OpenAI 带来一种新的资本玩法——从个人投资者中筹集了30亿美元。

对 OpenAI 自己 的影响。它未来融资时可动员的资金池更深，融资不再只取决于少数几家大机构的判断。

这件事如果继续往下走，影响不会只停留在 OpenAI 一家公司，而是可能改写一级市场、财富管理、AI 公司融资结构。

还有一个更深层的影响，是对中国 AI 公司和其他非美公司 的。 因为这会进一步拉开“资本组织能力”的差距。

内容已发布公众号：https://mp.weixin.qq.com/s/wRWTXsiP_O_21GfSYSYAnA

新一期对话内容下周二发布~

就在Sora关停十几个小时后，字节视频模型Seedance 2.0 涨价了……怎么样我说的利好大厂吧。

Sora 在美国时间周二宣布关停了，距离 App 去年九月底高调上线、一码难求、人人讨论，只过去了 6 个月；但距离他们第一次发布 demo，已经过去了两年。

OpenAI 将停止 Sora 视频平台，Sam Altman 也已向内部宣布相关调整，外部报道普遍将原因归结为公司把资源转向更核心的 ChatGPT/下一代模型与“super-app”方向。

对于很多从业者来说，关停是意料之中，所以我仔细分析一下他们是如何走向关停的结局的。

以及，很多人好奇会带来什么影响，我觉得短期不会有影响，长期利好字节阿里。

文章已经在公众号「非标玩家UnDefined」发布。

https://mp.weixin.qq.com/s/hPWCpQnaiR5E-smy_0wqNg

文中提到的图片

（Sora官方X发布消息）

（Google trends 过去一年全球范围内对“ Sora”的搜索指数）

（2026年3月Arena Leaderboard 文生视频（上）榜单、图生视频（下）榜单）

（2025年5月Arena Leaderboard 文生视频（上）榜单、图生视频（下）榜单）