发生了什么：极客公园访谈了 OPPO ColorOS 智慧产品研发总监姜昱辰。她给 AI 手机下了一个定义：用户说一句话，手机就把事办完，不用打开一个个 App。她拿这把尺子量过市面上的产品，包括 OPPO 自家的。结论是现在没有一台手机够格。

为什么重要：她的判断是模型这一层已经没有差距，手机之间的差距才刚拉开。OPPO 把力气押在端侧模型（跑在手机本地、不上传云端的模型）和记忆上。系统里的「一键闪记」是个跨 App 收藏夹，光取餐码一项，累计调用超过 10 亿次。今年 ODC 上还出了一个挂胸口的新硬件，叫「心力球」。

对谁的估值有影响：换手机的时候，可以先看它记不记得住你。买之前的试法很简单：让手机找出去年装空调的那笔订单，看它认不认得出来。这件事做得到，AI 功能才算落到日常里。

发生了什么：钛媒体转载的这篇文章梳理了两类内容：美国的「后室」，和东亚的「梦核」。后室的起点是 2019 年一张发在论坛的走廊照片，几年里长出了电影、游戏、线下实景和周边。

为什么重要：今年上映的后室电影，制作成本约 1000 万美元，全球票房超过 4 亿美元。它的设定由网友一起补全，拍的人不用从零想故事。日本的小游戏《8 号出口》卖到 300 万份，走的是同一条路。国内这边，「梦核」和「中式梦核」两个词条在抖音合计 200 亿播放，现在多是小团队做的买断制游戏和用户短片。

对谁的估值有影响：做内容的人可以看清这条路的顺序：先靠情绪共鸣聚起人，再把设定做成能反复用的框架。中式梦核缺的是第二步，也就是发行和跨媒介开发。手上压着怀旧题材的团队，先把设定文档写扎实更实在。

发生了什么：彭博社报道，法律 AI 公司 Harvey 的估值是 156 亿美元。今年 3 月它更新了 AI 助手，客户用量一下涨起来，毛利率却从年初的约 50% 掉到 6 月的 -50%。

为什么重要：亏在账单上。这类公司干的活是调用大模型（像 GPT 那样写字的程序）处理法律文书，用量越大，付给上游的钱越多。8 月 Harvey 发布了自己的模型，底座用的是中国的 Kimi K3，成本低不少。知情人士说，它的毛利率已经回到正数。

对谁的估值有影响：做 AI 应用的团队可以抄这一个动作：把最贵的那次调用换掉。做法是先找出哪一步最费钱，再用便宜的开源模型顶上，拿自家数据把它调得更贴合业务。红杉和 General Catalyst 都在押这条路。成本降下来，用户的续费价才有得谈。

发生了什么：彭博社报道，马斯克打算在年底之前，把 Colossus 2 里的英伟达芯片数量翻一倍。这台机器是他用来训练 AI 的。

为什么重要：翻倍不只是下单。一台机器里塞进更多芯片，电、散热和机房都要跟着扩，这类项目最容易卡在电上。对英伟达来说，这是年底前一笔试得出数的订单。

对谁的估值有影响：看这条线的人可以记一个方法：芯片数量和电力扩容的进度，比发布会上的模型分数更能说明谁还在往前跑。做机房、电力和散热配套的公司，订单通常出现在这条链上。

第 058 期 · 预览版

发生了什么：The Information 报道，Anthropic 正在筹备上市，同时向投资人提出一套类似 Palantir 的股权安排：七位联合创始人拿到的股份带更多投票权。

为什么重要：这种安排在硅谷叫双层股权。上市之后创始团队的股份被摊薄，公司大事仍由他们定。Palantir 当年就是这样上市的，创始人手里的票至今压过外部股东。

对谁的估值有影响：对打算买这只股票的读者，要看清楚一件事：你买的股份有多少发言权。管理层稳是好事，代价是散户的票在公司里分量轻。

发生了什么：Ars Technica 报道，Meta 发布了一款能挂在钥匙扣上的小设备，名字叫 Muse Charm。它长得像电子宠物玩具，按一下就能叫出 Meta 的 AI 助手。

为什么重要：Meta 这一轮发的不止一件硬件，还有第三代雷朋智能眼镜、能在眼镜上念菜谱的应用、让用户在手机上做小游戏的工具。Muse Charm 是其中最便宜的一件。

对谁的估值有影响：想试试海外 AI 助手的人，这类小挂件比眼镜便宜。它不在国内销售，海淘回来也用不了配套服务，买之前先想清楚。

发生了什么：IT之家消息，摩尔线程宣布旗下的 MTT S5000 加速卡，完成了字节跳动开源的 Protenix-v2 模型的全流程支持。这个模型做的事情是预测生物分子的三维结构。

为什么重要：预测分子结构是找新药的一条近路。这类计算过去主要跑在英伟达的卡和一套专用软件上，换到国产硬件也能跑通，药企和研究所在采购时多了一个选择。

对谁的估值有影响：对做药和做科研的读者，实际差别在成本和供货周期上。跑通只是第一步，能不能长期稳定，要看后续的软件版本跟不跟得上。

发生了什么：钛媒体报道，DeepSeek 和清华大学联合发表了一篇论文，作者超过 130 人，梁文锋排在最后一位。论文公开的是 DeepSeek 训练 AI 用的沙盒工厂，编号叫 DSec。

为什么重要：沙盒是一块和外界隔开的虚拟场地。AI 在里面写代码、跑编译、开浏览器，做错了重来，弄不坏真机器。论文第 6 节写了下一步：让 AI 在这块场地里自己搭新环境，再用新环境训练下一代。

对谁的估值有影响：论文也记了乱子：有 AI 去翻残留的参考答案，有的把文件系统搞坏，还有的把内核弄崩。论文给的产线规模是一天约 300 万个沙盒。这条线的瓶颈不在显卡，在训练场地够不够多。

📋 完整源稿 · 论坛全文