文章核心观点 - Anthropic公司基于其开发者工具Claude Code的成功经验，推出了名为Cowork的全新AI产品，旨在将大模型从“对话助手”转变为能够理解任务、制定计划并持续执行的“数字同事”或“智能工作体”，服务于更广泛的非技术知识工作者 [2][6] 产品定位与核心理念 - Cowork的核心定位是“协作”而非“聊天”，其目标是让Claude成为能够与用户保持协同关系的智能工作体 [6] - 产品体验更接近“给同事布置任务”，用户下达任务后，Claude会自行拆解步骤、规划执行路径并同步进展，支持多线程并行处理工作 [10][11][18] - 该产品是让Claude Code服务于所有非编码工作的第一步，目前以“研究预览版”形式发布 [5] 产品开发与发布背景 - Cowork基于Claude Code的底层架构构建，其全部代码均由Claude Code编写完成 [6] - 开发仅耗时1.5周，目前率先面向macOS平台上的Claude Max订阅用户开放 [6] - 产品的推出源于Claude Code发布后观察到的现象：开发者将其广泛用于整理资料、撰写文档、分析数据等非编码任务，促使公司思考为所有人提供面向日常工作的智能协作形态 [2][3] 核心功能与能力跃迁 - 用户可授予Claude对本地指定文件夹的访问权限，实现对其真实工作材料的直接操作，如文件分类、信息提取、报告整理等 [9] - 产品包含内置虚拟机用于隔离、开箱即用的浏览器自动化支持等创新用户体验和安全功能 [5] - 通过连接器，Claude可访问外部信息源，承担跨系统的信息整合角色 [17] - 新增一系列技能以提升其在创建文档、演示文稿等常见办公文件时的表现 [17] - 在Chrome浏览器中配对使用后，Claude可完成需要访问浏览器的任务，进一步模糊了“对话AI”、“自动化工具”和“数字员工”的界限 [18] 产品现状与未来计划 - 产品目前处于“研究预览版”早期阶段，功能尚不完善，公司希望通过真实用户反馈加速迭代 [5][16] - 计划在后续版本中引入跨设备同步能力、移植到Windows平台，并持续强化安全机制 [16] - 目标用户群体广泛，包括内容创作者、产品经理、运营人员、行政人员等任何需要处理文件、资料和信息的知识工作者 [16] 市场反馈与讨论 - 产品发布后在开发者社区、AI产品圈及知识工作者中引发讨论，焦点转向“AI是否真的开始成为一个可以被信任、被授权的工作参与者” [21] - 部分用户对产品表示期待，认为Anthropic在产品和用户信任构建上做得不错 [21] - 因目前仅限macOS和特定订阅计划，部分用户（尤其是Windows和Linux用户）表达了不满或遗憾 [22][23]

活动概述 - 模力工场推出首期“模力体验官”计划，邀请用户用7天时间实测7款覆盖不同场景的AI应用，旨在通过真实用户反馈甄别应用价值 [1] - 活动鼓励真实、深度的使用评论，致力于搭建一个真实、理性、共建的测评环境，不鼓吹AI万能也不唱衰AI应用 [16] 实测应用清单 - 评测涵盖多维度需求，精选7款AI应用：Get笔记（AI驱动的高效笔记与知识库）、Seede AI（图层可编辑的零门槛AI设计与图文创作平台）、Unicorn Hunter（AI驱动的智能招聘与简历优化平台）、Manus（通过AI技术优化手势交互与创意工作流程的工具）、LilyFM（AI音频阅读App，将网页、文稿等转化为个性化播客）、蚂蚁阿福（蚂蚁集团旗下的专业医疗健康AI应用）、咔皮记账（为记账达人设计的记账app） [5][10] 活动参与方式与流程 - 参与方式为添加指定微信并回复关键词进入活动专属社群，具体规则在群公告中了解 [7][8][10] - 体验时间为1月12日至1月18日，每日上午10点在社群发布当日测评应用及可能的邀请码/兑换码 [12] - 参与者需在模力工场对应应用页面撰写真实深度的使用评论，并凭截图联系工作人员兑换奖励 [12] 活动激励与权益 - 活动准备了丰厚奖励，包括热门应用专属邀请码/兑换码、极客时间周卡/月卡、京东电子卡、实物周边等 [6][11] - 产出兼具深度与可读性的优质评论并整理成小红书笔记（需包含3张体验截图及评论原文，带特定话题并@官方）的参与者，可获得额外加码奖励（京东卡或极客时间月卡） [14] - 参与者成为模力体验官可享专属权益，并能与开发者直接交流体验，其建议可能驱动产品优化 [10][11][16]

苹果与谷歌达成生成式AI合作协议 - 苹果与谷歌正式官宣达成一项多年期合作协议，下一代Apple Foundation Models将基于谷歌的Gemini模型及其云技术构建，为未来的Apple Intelligence功能提供核心支持，其中包括今年将推出的更具个性化能力的Siri [2][3] - 苹果在联合声明中表示，经过审慎评估，认为谷歌的AI技术为Apple Foundation Models提供了目前最具能力的技术基础，同时Apple Intelligence仍将运行在苹果设备端及其私有云计算体系上，并保持领先的隐私保护标准 [3] - 苹果目前也在与OpenAI合作，将ChatGPT整合至Siri和苹果智能中，专门处理可调用该AI模型海量知识库的复杂查询，苹果表示不会对现有协议作出任何调整 [3] 行业反应与权力集中担忧 - 特斯拉CEO埃隆·马斯克公开质疑，考虑到谷歌已经掌控Android和Chrome，再加上为Siri提供核心AI能力，这种权力集中“看起来并不合理” [4] - 这一表态反映了对平台垄断的担忧，也折射出基础模型竞争背后的基础设施焦虑 [5] - 有其他X用户认为，苹果和谷歌的合作不仅仅是“权力集中”，而是主权叠加 [8] - 网友们对苹果的态度呈现分化，有人认为苹果在AI竞赛中正在被淘汰，也有人认为这代表苹果选择了速度和质量，而非自负 [10] 谷歌进入苹果核心生态的战略意义 - 与苹果的合作意味着谷歌的Gemini首次突破阵营边界，进入一个长期被视为封闭、排他的生态系统 [12] - Siri是深度嵌入操作系统层级的系统能力，这意味着Gemini的技术将在不显山露水的情况下，参与到数十亿用户的日常交互中，其影响范围远超传统AI应用 [12] - 彭博社曾报道，苹果预计将每年支付约10亿美元来使用谷歌的AI技术，这笔交易被视为市场对谷歌AI战略信任度提升的信号，也显示出其对OpenAI的强势反击正在奏效 [12] - 2025年，谷歌录得自2009年以来表现最好的一年，并在上周自2019年以来首次在市值上超越苹果 [12] - 目前，谷歌每年已经向苹果支付数十亿美元，以换取其在iPhone上的默认搜索引擎地位 [13] OpenAI的角色被边缘化 - 从现有信息来看，OpenAI并未被彻底排除在苹果生态之外，ChatGPT仍将作为可选能力存在，主要用于处理复杂、需要用户明确授权的查询任务，但在Siri的默认智能层面，其角色显然被边缘化 [19] - 分析指出，苹果选择Gemini，实质上是将OpenAI的角色从“潜在核心”转变为“辅助模块”，这种分工保留了ChatGPT在高复杂度生成任务上的优势，又避免其成为系统级默认能力，从而减少对单一外部供应商的依赖 [20] - 这一变化被解读为苹果在AI时代延续其一贯策略：不与任何一家模型公司深度绑定，而是通过多层结构保持主动权 [20] - 也有观点认为，这是旨在削弱OpenAI对消费电子产品攻击的一项重大举措 [21] Siri的困境与重构的必要性 - 自OpenAI的ChatGPT于2022年底推出以来，在AI热潮中，苹果公司基本上处于边缘地位，而亚马逊云科技、Meta和微软等超大规模云厂商已经在AI产品、工具和基础设施上豪掷数十亿美元 [23] - Siri自2011年面世以来，公众要求苹果交付一次令人印象深刻的Siri语音AI升级，尽管苹果此前已为该产品投放广告，但仍在去年将发布时间推迟至2026年 [24] - 有用户吐槽Siri的人工智能能力远落后于Google Assistant和三星的Bixby，在处理基础操作以外的任务时经常失败，无法提供实质帮助 [25][26] - 用户指出，Siri在日常使用中频繁出现误触发、打断对话、误解基础指令等问题，且这些缺陷随时间推移未见改善，技术滞后性已成为苹果生态系统中刺眼的短板 [26] - 当用户遇到复杂任务时，会自然而然地选择访问第三方AI应用而非直接依赖Siri [28] - 2024年年底，苹果紧急推出了ChatGPT集成功能，让Siri在用户选择加入的情况下调用ChatGPT来处理复杂问题，但这种方式并未彻底摆脱过去Siri的能力边界 [29][32] 合作对双方及行业的影响 - 此次与谷歌Gemini的合作，意味着Gemini并非以外挂工具的形式存在，而是将深度参与Siri的底层智能重构，并有望为未来一系列“Apple Intelligence”功能提供持续支持 [33] - 这标志着苹果终于承认，仅靠内部模型体系，难以在短时间内追赶生成式AI的整体进度，在保持隐私和体验控制权的前提下，引入外部最强模型，成为现实选择 [33] - 对苹果而言，这是在AI时代重新定义Siri的一次押注；而对谷歌来说，则是其大模型能力首次深度进入苹果生态腹地 [34] - 随着超过20亿台活跃苹果设备逐步成为Gemini的潜在承载平台，Alphabet的影响力被进一步放大，其在全球AI产业中的战略地位也随之被重新评估 [34] - 新一代Siri将不再只是语音指令的执行器，而是一个具备上下文理解、复杂推理和多步骤规划能力的智能系统，Gemini的引入为Siri提供了处理自然语言、跨任务协作和内容生成的基础能力 [35] - Gemini的能力将被深度“苹果化”，并严格受限于苹果的隐私、安全和体验框架，用户感知到的变化可能主要是Siri在整体交互流畅度和任务完成度上的跃升 [35] - 随着Siri智能能力的提升，它有可能成为跨应用的中枢，重新定义用户与设备、服务之间的交互方式 [35]

2025年AI在各行业应用的总体阶段 - 行业处于“高普及、浅渗透、理性回归、再出发”的阶段，AI技术普及度大幅提升但多数应用停留在表面，极少实现深度智能化[5] - 大模型厂商迎来理性回归，基本放弃“参数和算力竞赛”，转向追求性能与参数的平衡（性参比），并探索轻量化、低成本部署[5] - 行业开始反思AGI、实时学习等根本问题，并对Transformer架构提出质疑，开启了“再出发”的新征程[5][6] AI在医疗领域的角色与格局 - AI在医疗领域的角色已突破单一环节辅助，形成多场景、全链条赋能格局，广泛渗透至严肃医疗和药物研发环节[7] - 在药物研发等细分场景，行业会构建针对性大模型，例如谷歌AlphaFold蛋白质预测大模型参数仅约2亿，但在特定场景下精准度和实用性更强[7] - 以传神素问中医大模型为例，其应用已从辅助开方延伸至全周期健康管理，并结合四诊仪器形成从挂号到康复的诊疗闭环[8] AI在中医领域的落地价值与成果 - 传神语联基于对中医的深刻理解与自研底层技术，构建了传神素问中医大模型，该模型是中国首个能像专家一样主动问诊的中医大模型，并于2025年8月获得中国信通院可信AI中医药大模型4+级最高评级[10] - 2025年10月，公司完成了国医大师数字孪生项目，方药一致性达95%，全维度诊疗一致性达93.5%，超越了传统师徒传承的效果[11] - 该数字孪生项目并非简单处方模仿，而是复现了名医的“辨证思维”与“临证心法”，其价值远超单一的处方一致性[11] 中医AI化与西医AI化的路径差异 - 西医因数字化、标准化程度高，数据易于形成全球通用标准，因此AI落地相对更容易[13] - 中医因流派众多、标准化程度低、数据沉淀难，且长期受“学术压制”偏见，导致其数字化、仪器化进程缓慢，AI发展滞后[15][16] - 尽管面临困境，但受访者认为中医反而是未来最有可能通过AI实现全面突破的领域[4][16] AI在中医药现代化中的新角色与价值 - AI技术能解决中医传承难题，传统师徒传承从入门到出师需8到14年，且存在“传不全、传不准”的问题[17] - 好中医资源稀缺，仅约10%的好医生接诊50%的患者，导致平均有效问诊时间仅约三四分钟[17] - 通过名医数字孪生技术，AI能突破时间空间限制，让患者充分阐述病情，也让徒弟能深度学习名医思维，同时推动优质中医服务下沉至基层[18] AI+中医项目的具体成效与挑战 - 国医大师数字孪生项目已显成效，在学术传承和教育辅助方面作用显著[19] - 基于名医孪生的数字诊所能帮助中医减少70%的线下复诊工作，解放医生时间以提升初诊满意度和收益，并改善患者用药依从性[20] - 规模化应用的核心挑战在于观念与认知壁垒，涉及患者信任、医师对标准化弱化精髓的担忧，以及行业缺乏明确的监管体系与医疗准入资质[20][21] 2026年AI+中医的重点发展方向 - 公司将重点关注传承场景和康养场景，认为这两个场景最容易实现规模化突破[22] - 未来3-5年，AI将推动中医从“经验主导”转向“数据赋能”，其角色从“单点工具”进化为“场景化智能体”，通过分层协同技术在多领域实现闭环管理[24] - AI将承接中医绝大部分基础及重复性工作，如通过智能四诊仪精准采集分析脉象、舌象数据，从而极大解放医师，让其聚焦于辨证论治等核心工作[25] AI+中医的未来形态与核心价值 - AI不能也不会替代中医医师，因为中医诊疗核心的“辨证论治”、“整体观”以及医患沟通中的人文关怀无法被替代，未来将是“人机协同”模式[26] - 2026年一个重要的突破方向是AI+中医心理，切入情志康养领域，结合中医理论与现代心理学，为情绪问题提供个性化疏导方案[27][28] - AI+中医的核心价值在于重塑中医的传承、诊疗与康养模式，使中医智能体成为24小时健康顾问，在饮食、音乐等日常生活中实现“一人一方、一时一方”的精准健康管理[4][29]

DeepSeek发布Engram技术成果 - 公司DeepSeek于今日凌晨在GitHub官方仓库开源了新论文与模块Engram，论文题为“Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models”，公司创始人梁文锋再次出现在合著者名单中 [2] - 该方法提出了一种新的“查—算分离”机制，通过引入可扩展的查找记忆结构，在等参数、等算力条件下显著提升模型在知识调用、推理、代码、数学等任务上的表现 [5] - 代码与论文全文均已开源，论文与代码地址已公布 [6] Engram技术提出的背景与动机 - 当前主流大语言模型架构基于Transformer和MoE结构，MoE通过动态路由机制降低计算成本并扩展任务容量，DeepSeek自家系列模型也采用了先进的MoE方法 [8] - 在传统架构中，模型参数同时承担事实性记忆和逻辑推理与计算两种角色，这导致为增加知识记忆而增加参数量时，计算量会同步激增，MoE专家在处理“死记硬背”任务时依然不够高效 [9] - 神经网络用高昂的矩阵运算模拟简单的“查表检索”是一种浪费，Engram旨在实现“该查表的查表，该算的算”，以解决此困境 [9] Engram的核心思想与架构设计 - “Engram”一词源自神经科学，意为“记忆痕迹”，它是一个可扩展、可查找的记忆模块，用于语言模型在推理过程中检索过去可能已见过的模式或片段 [10] - 核心技术之一是现代化的哈希N-Gram嵌入，它对输入的Token序列进行N-Gram切片，并利用哈希算法将这些片段映射到一个巨大的、可学习的查找表中 [11][13] - 由于采用哈希索引，查找是确定性且O(1)时间复杂度的，这意味着无论存储多少记忆片段，检索速度几乎恒定且算力消耗极低 [13] - 该设计将一部分“记忆职责”从深度神经计算中卸载出来，使得模型拥有活跃神经通道处理复杂计算，也有静态记忆通道高效处理固定模式，这被称为“稀疏性的新轴” [14] - Engram具备条件记忆功能，会根据当前上下文的隐向量来决定提取哪些记忆，在架构设计上，Engram模块位于Transformer层的早期阶段，负责“模式重构” [14] Engram与MoE的关系及协同系统 - Engram提供了一个新的稀疏性轴，与MoE的条件计算不同，它通过条件查找提供静态记忆容量 [15] - 两者在目标、计算方式、优化方向和作用位置上存在区别：MoE目标为条件激活神经专家，计算方式为无极dense计算/激活部分专家，优化方向为降低活跃神经计算量，作用位置在深层推理；Engram目标为条件触发静态记忆查找，计算方式为O(1)查表，优化方向为减少神经计算重建已知模式，作用位置在早期模式重建/记忆检索 [16] - DeepSeek将Engram与MoE结合形成双系统：Engram模块负责海量知识点的“存储与快速检索”，MoE专家则摆脱记忆负担，全身心投入“逻辑推理与合成” [16] - 这种分工极大地优化了参数效率，在27B的实验模型中，Engram模块可以占用大量参数用于记忆，但在实际推理时只消耗极少的计算量 [16] Engram模型的性能表现 - 在多项基准测试中，Engram模型相比同参数规模模型展现出性能提升 [17] - 在27B参数规模下，Engram-27B模型在MMLU上的准确率为60.4%，高于MoE-27B的57.4%和Dense-4B的48.6% [17] - 在知识推理任务上，Engram-27B在ARC-Challenge上的准确率为73.8%，高于MoE-27B的70.1% [17] - 在代码与数学任务上，Engram-27B在GSM8K上的准确率为60.6%，高于MoE-27B的58.4% [17] - 随着参数增加至40B，Engram-40B在多项任务上性能继续提升，例如MMLU准确率达60.6%，ARC-Challenge准确率达76.4% [17] 行业与社区反响 - 在Reddit、X等平台，Engram的技术核心受到用户肯定，被认为让模型架构处理“记忆模式查找”和“神经计算推理”职责分离，开启了新的稀疏性方向 [18] - 有用户评论指出，Engram增加了静态记忆作为补充的稀疏性轴，查找复杂度为O(1)，并发现MoE和Engram之间存在U形缩放规律，这指导着如何在两者之间分配容量 [19] - 有用户对基于n-gram lookup的O(1)查找机制表示兴趣，认为即便在不依赖GPU的环境下也能实现，让开发者对本地部署大模型功能有了更实际的期待 [20] - 专家群体开始从纯参数扩张思维转向更“智能”的架构设计，包括查表式模块和神经网络的协同，这种设计被认为是对传统NLP技术的现代化转换，具有较高的可行性和实用性 [21] - 社区评论指出，Engram很可能是DeepSeek即将发布的V4模型的核心技术基础，业内观察者认为该模块可能会成为DeepSeek V4的重要组成部分，预示下一代模型会在记忆和推理协同上实现架构级提升 [22][23] - 有网友表示，Meta之前也有过类似想法，但用到的技术不同 [26]

文章核心观点 - 大模型行业正从单纯追求模型规模扩展(Scaling up)转向追求系统效率、长期记忆与状态管理等可持续能力，竞争焦点从模型性能转向系统架构和工程化落地能力[2][8][17] - 智能体(Agent)是下一阶段核心主赛道，但现有模型的推理稳定性与可持续性不足，真正自主的智能体需要模型在推理过程可控、状态保持及系统协同三方面优化，竞争关键在于围绕模型构建的记忆、推理和系统架构能力[2][14][15] - 大模型公司正在演变为系统公司，核心竞争力在于构建具备长期记忆与状态管理能力的智能基础设施，而非单一的模型产品[2][17] - 若2026年各家模型能力无法形成代际差异，价格战将愈演愈烈，模型厂商需通过提供记忆增值服务、MCP增值服务等超越纯Token售卖的增值服务来获取溢价[2][16] 2025年行业现状与公司表现 - 2025年涌现出如MiniMax和智谱等冲击港股上市的“赛点公司”，以及Mannus等现象级Agentic产品，展示了商业化价值和场景可行性，但上市招股书也揭示了大模型公司普遍面临的投产比低、亏损严重等问题[4] - 科技公司面临技术节奏加快与商业回报不确定性放大的多层叠加压力，需同时应对持续投入算力与成本现金流约束，包括POC项目需评估收益[5] - 行业应对压力更趋理性，更强调系统效率、真实使用场景和可持续技术积累，而非单纯追逐参数规模或热点概念[5] - 员工整体状态“压力不小，但方向更清楚”，行业正从早期红利阶段走向拼工程、拼长期价值的阶段[5] 国内外AI发展水平对比 - 国内前沿AI在基础模型能力、多模态理解、推理效率和工程化落地方面取得实质性进展，涌现出DeepSeek-R2、Qwen3系列等优秀模型，在成本控制、系统优化和应用适配上形成自身优势[6] - 在部分通用能力和工程执行层面，与硅谷的差距正在快速缩小，甚至在某些场景下具备竞争力[6] - 但在长期基础研究积累、原创范式探索及面向下一代智能的系统性布局上，整体仍存在差距[6] - 竞争正进入更健康阶段，从单点能力对标转向技术路线和系统能力的分化[6] 技术发展趋势与路线变化 - Scaling up(扩大模型规模)仍能提升模型能力，但经济效益下降，已不再是单独成立的答案[8] - 行业瓶颈在于模型“用不好已有的信息”，如长上下文稳定性、跨时间一致性、复杂任务持续推理能力，多模态发展放大了此问题[8] - 技术路线关键变化是从训练时把模型做大，转向运行时让模型用得更好，强化学习、测试时计算、显式推理结构被大规模引入以补足纯预训练的不足[11] - 记忆、工具调用和系统编排成为核心能力，而不再只是外挂能力，模型能力提升正从一次性参数写入转向可持续的系统演化[11] - MoE架构在2025年成为主流，是在参数规模与推理开销间找到平衡的工程选择，解决了“算力怎么省”的问题，但并未改变智能范式或自动带来更好的推理稳定性[12] - 非MoE路线企业的差异化竞争力在于系统层面构建独特能力，如更有效的记忆机制、更稳定的推理流程或更贴近真实应用的数据闭环[12] 情境感知与智能体发展 - 2025年行业对情境感知的理解进步快于能力本身，意识到其不等于上下文长度，而是对环境、历史、目标和约束的综合理解能力[13] - 模型在短期情境理解、多轮对话连贯性、多模态即时状态感知上有提升，但在长期、跨任务、跨时间的情境一致性上能力仍有限[13] - 技术路线变化体现为将情境感知从模型内部的隐式能力转向系统层面的显式建模，如引入长期记忆、状态表示、环境建模和任务轨迹管理[13] - 情境感知正从一个模型特性演变为一个系统能力，这是智能体和长期智能成立的关键[14] - 大模型需在三个方面优化以支持智能体：推理从一次性回答转向过程可控；对状态的理解和保持能力；与工具、环境和记忆系统的协同能力[14] - 现有模型的推理能力不足以支撑真正意义上的自主智能体，瓶颈在于稳定性和可持续性，模型会漂移、遗忘、在长链路决策中逐步失真[15] 合成数据与推理数据集构建 - 大规模合成数据替代人工数据是正在发生但易被误读的趋势，合成数据已成为高质量训练数据的重要来源，尤其在推理能力、复杂任务分解场景[9] - 高价值合成数据需被严格约束、可验证、能放大信息增益，而非模型随意生成[9] - 构建高质量推理数据集需关注两点：是否有明确的推理结构(如中间状态、决策分支和失败路径)；是否引入对抗性和反事实设计以暴露模型盲区[9] 模型价格战与商业模式演进 - 2025年模型价格战最关键的影响是模型性能提升上限受阻导致模型Tokens售卖溢价降低，不同厂商模型性能差异减小及模型开源使得纯售卖模型Token难以获得企业溢价认可[15] - 若2026年开源与闭源模型、不同公司模型间无法形成代际差，价格战将继续甚至愈演愈烈[16] - 部分国产卡下场且效率提升后，由于算力补贴存在，价格将逼近冰点，甚至越用越亏[16] - 模型厂商需在纯模型Token售卖模式上提供增值服务，如MCP增值服务、记忆增值服务等，通过额外能力提升来提供溢价空间[16] 未来竞争核心与代际飞跃方向 - 2026年大模型竞赛的核心是“记忆能力如何完成一次系统性升级”[18] - 技术演进趋势是从底层算力和KV Cache等激活记忆管理，到基模型层引入记忆原生机制，再到上层通过显式记忆支撑Agent和应用的长期运行能力，形成完整的记忆技术栈升级[18] - 下一次“大模型代际飞跃”可能来自系统层面管理参数记忆、激活记忆和显式记忆，跨推理过程进行调度、复用和隔离的能力，这将带来智能形态本身的跃迁[18] - 大模型公司的核心竞争力是构建具备长期记忆与状态管理能力的系统，这能让AI长期运行、持续进化，公司本质是在构建新的智能基础设施[17]

文章核心观点 - 编程界的标志性人物，如Linux之父Linus Torvalds，对AI编程的态度发生显著转变，从过去的警惕和批评转向积极尝试和使用，这标志着AI编程工具正获得更广泛的接受，并开始重塑程序员的工作方式 [8][9][12][26] 行业领袖对AI编程态度的转变 - Linus Torvalds曾长期对AI编程保持警惕，认为其炒作成分过高，并指出过去关于生成式AI的讨论“90%是行销炒作，只有10%是现实” [7][13] - 近期Linus Torvalds态度发生“大转弯”，开始亲自使用谷歌系AI编程助手进行Vibe Coding完成了一个小型项目，并对此方式表示“相当积极” [4][8][14] - Redis之父Salvatore Sanfilippo (antirez) 从坚持手写代码转变为积极拥抱AI，他通过体验发现AI能在极少干预下完成复杂任务，例如AI仅用5分钟就生成了一个700行的纯C库，性能仅比PyTorch慢约15% [12][17][21] - Java之父James Gosling的态度相对尖锐，多次批评当前AI热潮是“一场骗局”，认为AI缺乏真正的创造力，只能重组现有代码，但他也承认AI在生成文档或解释代码等辅助任务上具有实用价值 [12][22][23] AI编程工具的应用与影响 - Linus Torvalds使用谷歌的智能体优先开发平台Antigravity，通过Vibe Coding完成了其GitHub项目中的Python音频采样可视化工具部分，该项目已获得超过1600颗Star [4][5][15] - AI编程显著提升了开发效率，例如Salvatore Sanfilippo耗时数周完成的Redis Streams内部改动，AI根据设计文档仅用20分钟便复刻完成 [21] - 在某些领域，AI编程工具已实现商业化成功，例如Claude Code的创造者Boris Cherny，其工具在去年带来了超过10亿美元（约合人民币70亿元）的收入 [28] - 有工程师如Boris Cherny已几乎不再以传统方式写代码，而是利用AI工具进行开发，甚至让AI参与开发自身，其工具在一年内完成了1096次提交 [27] AI编程的适用场景与局限性 - Linus Torvalds明确指出，Vibe Coding并不适用于像Linux内核开发这样对稳定性、安全性和可维护性要求极高的复杂系统项目 [24] - 在Linux内核项目中，AI主要被用于编写Python可视化工具等部分，而核心的C语言数字信号处理代码仍由开发者亲自完成 [24] - Vibe Coding在小项目、探索性场景、生成样板代码或辅助脚本方面优势明显，能快速将想法转化为可运行程序 [24] - AI生成代码的短板在于风格不稳定、抽象边界模糊、依赖隐性假设，可能导致长期维护困难，这在需要被不同背景维护者长期维护的系统（如Linux内核）中尤为关键 [25] - 行业领袖普遍认为，AI的价值在于辅助重复性劳动和提高效率，但人类程序员在理解复杂系统、进行工程架构判断、承担长期维护责任以及开拓性创新方面的核心价值不可替代 [16][23]

事件概述 - Anthropic突然部署技术措施，阻止第三方工具（如OpenCode、Cursor）通过模拟官方客户端的方式调用Claude模型，并切断了包括xAI在内的部分竞争对手的访问权限，引发开发者社区强烈不满[3] - 事件导火索是大量开发者发现其使用的OpenCode、Cursor等工具突然无法调用Claude模型，部分账户被封禁，且事发突然，无预警或迁移方案[4][7] - 社区反应激烈，大量每月支付100至200美元的开发者涌入GitHub和Hacker News表达不满，获得超过147个点赞和245个Hacker News积分，并出现大规模取消订阅的情况[6] 事件影响与用户反应 - 受限制的第三方工具（如OpenCode 1.1.8及以上版本）将Claude集成到VS Code、Cursor等IDE中，提供了键盘快捷键、上下文感知和多文件编辑等增强功能，深受开发者喜爱[8] - 用户强烈不满源于被迫迁移至仅支持终端的官方Claude Code工具，认为其无法满足现有工作流程需求，有用户称其“像回到了石器时代”，并因此降级或取消每月200美元的Max订阅[8] - 多位用户反映在工作流程进行到一半时访问中断，导致他们放弃订阅，核心矛盾在于支付高额月费却无法使用集成了Claude的IDE工具[8] 商业条款与竞争限制 - 事件同时涉及埃隆·马斯克旗下的xAI，其内部开发人员被曝无法再通过Cursor使用Claude模型，这被界定为基于Anthropic服务条款D.4节的“竞争性使用”[10] - 服务条款明确禁止使用其服务构建或训练竞争性AI系统，以及对服务进行逆向工程或复制，xAI工程师使用Claude加速自家模型研发被视为违规[10] - 此次事件并非孤立，此前在2025年6月，Windsurf编码环境被切断Claude 3.x的第一方产能；2025年8月，Anthropic撤销了OpenAI对Claude API的访问权限，理由同样是违反竞争限制[12][13] 官方解释与社区争议 - Anthropic工程师Thariq Shihipar解释称，公司加强了针对“Claude Code安全套接字欺骗”的保护措施，承认造成部分用户因触发滥用过滤规则而被误封，正在回滚修复并解封相关账户[15][16] - 但社区认为，此次调整的真正目标是切断一整类通过OAuth授权、利用个人订阅账户在外部环境运行自动化编码代理的第三方工具的使用路径，而非仅针对异常流量[17][18] - 以OpenCode为代表的工具，其核心价值在于将原本为“人类对话”设计的订阅制模型，转化为可被自动化代理调用的基础设施，技术实现上模拟官方客户端身份，存在“客户端欺骗”[19][20] 定价策略与成本矛盾 - Claude Pro/Max订阅（最高200美元/月）的定价基于“人类交互速率”设计，而第三方工具解除速率限制后，允许24小时运行自主代理，导致使用模式失真和成本失衡[22][24] - 社区指出，在高频使用场景下，通过Claude Code消耗的token若全部按API计费，成本很容易超过1000美元，与200美元的订阅费存在巨大价差，Claude Code订阅被视为一种“特殊定价的官方通道”[25] - 有观点认为，Anthropic的订阅模式本身可能并不盈利，更像“亏损引流产品”，其真正目的是通过Claude Code构建完整生态系统，实现用户锁定，编程市场被视为AI领域少数具备高利润潜力的市场之一[34][35] 行业竞争与生态博弈 - 在AI编程工具领域，模型能力本身已非唯一竞争焦点，控制模型的使用方式、定价结构以及开发者通道成为新的博弈核心[2] - 事件引发关于“是否应该开源Claude Code”的争论，支持者认为开源有利于生态扩展与社区创新，反对者则认为Claude Code是Anthropic在编程领域建立差异化优势的关键资产和竞争壁垒[33][34] - 工具生态反应迅速，OpenCode创始人宣布将与OpenAI合作，致力于让OpenCode与GPT-5协同工作，并支持用户直接使用自己的ChatGPT/Pro套餐，体现了行业内的竞争与替代选择[31] - 开发者社区对工具体验评价不一，部分用户认为Claude Code在上下文管理、工具调用稳定性和终端体验上领先，而另一些开发者则认为OpenCode等第三方工具在执行效率、多模型切换能力或简洁性上更优[36]

文章核心观点 - Anthropic公司Claude Code创始人Boris Cherny分享的AI原生开发工作流，被业界视为软件开发范式的“分水岭时刻”，可能标志着该公司迎来类似ChatGPT的关键发展节点 [2] - 该工作流的核心在于将开发者角色从代码编写者转变为并行管理多个AI智能体的“指挥官”，通过高度自动化将个人工程师的产出效能提升至接近小型工程团队的水平 [3][6] 工作流核心方法论 - 采用并行多智能体协作模式，而非传统的线性编程流程，例如在终端中并行运行五个Claude智能体，分别负责测试、重构、撰写文档等不同任务 [3] - 通过系统通知功能高效管理多个并行工作流，并在浏览器端同时运行5到10个Claude智能体，通过“传送”指令在网页与本地间切换任务会话 [3] - 坚持使用体积最大、速度最慢但能力最强的Opus 4.5模型，因其需要的人工干预更少、工具调用能力更强，最终整体效率高于小型模型 [4] 关键技术实践与工具 - 通过维护名为CLAUDE.md的共享文件来解决大语言模型的“健忘症”问题，将AI执行任务时出现的错误记录其中，使代码库成为能够自我修正的有机体 [4] - 赋予AI自主验证工作成果的能力，例如通过浏览器扩展自动测试用户界面并迭代优化，据称能将最终产出质量提升2到3倍 [6] - 利用斜杠指令（自定义快捷指令）自动化复杂流程，例如名为/commit-push-pr的指令可自动完成Git提交、推送和发起合并请求，每天调用数十次 [6] - 部署子智能体负责开发生命周期特定阶段，如代码简化智能体优化架构，应用验证智能体执行端到端测试 [7] 行业影响与认知转变 - 此次分享引发开发者社区狂热反响，标志着行业对“AI编程”的认知从文本自动补全工具，转变为驱动整个工作流程的“操作系统” [6] - 工作流的核心优势被总结为对重复性任务进行了极致的自动化改造，代表了“原生”的AI开发范式 [7] - 业内观察人士认为，凭借这次“颠覆游戏规则的更新”，Anthropic公司正“火力全开” [2]

AI行业技术发展与共识 - 在AGI-Next前沿峰会上，行业领军人物达成共识，认为大模型下一阶段需突破多模态“感统”能力、构建“第四级记忆”并探索反思与自我认知，以迈向多元智能 [3] - 智谱创始人唐杰指出，中国开源大模型与美国闭源大模型的差距可能仍在拉大，并预判2026年将出现新范式，单纯依靠扩算力、扩数据的模式难以为继 [3][6] - 月之暗面创始人杨植麟强调提升token效率与实现long context对支撑复杂Agent任务的重要性，并认为智能具有“非同质化”属性，未来技术升级更关乎对AI价值观与形态的“品味” [4] - 通义技术负责人林俊旸提出打造Multimodal Foundation Agent的愿景，认为Agent将从数字世界走向物理世界，实现从GUI操作到实体交互的延伸 [4] - 张钹院士指出大模型落地应用需解决分布外、长尾场景的泛化难题，并推进多模态、具身交互等六大方向，同时质疑“机器必须与人类对齐”的传统认知 [5] - 腾讯首席科学家姚顺雨指出，To C与To B场景的模型需求已分道扬镳，To B领域呈现“智能即生产力”的特征 [6] - 关于中国AI全球竞争力，嘉宾认为美国在算力投入上领先1-2个数量级，中国团队领先概率约为20%，但凭借敢冒险的年轻一代与良好环境，有望在长期竞争中突破 [6] 科技公司战略与资本动向 - 微软计划于2026年1月启动新一轮裁员，规模达1.1万至2.2万人，约占其全球员工总数的5%至10%，重点涉及Azure云、Xbox及全球销售部门，同时加大对AI的投入，2026财年第一季度资本支出高达349亿美元，预计全年总支出将突破800亿美元 [9] - OpenAI设立了一项规模达约500亿美元的员工股票激励池，相当于公司当时约5000亿美元估值的10%，新增与既有股权激励合计约占公司总股份的26% [15] - 智谱上市当天，其首席科学家唐杰发布内部信，宣布将推出新一代模型GLM-5，并聚焦全新的模型架构设计、更通用的RL范式以及对模型持续学习与自主进化的探索 [25] - 上海天数智芯登陆港交所，成为近期上海第三家上市的AI芯片企业，2025年1-11月上海市集成电路产业营收规模3912亿元，同比增长23.72%，全年规模预计超4600亿元 [26] - 北京AI硬件创企Looki完成超2000万美元A轮融资，由蚂蚁集团领投，美团龙珠等跟投，该公司由前美团硬件负责人带队，产品具备“主动AI”健康建议能力 [23] - 字节跳动实习生全面涨薪，技术类实习生日薪调整至500元，较此前上涨25%，产品类岗位日薪从200元提升至500元，涨幅达150% [10] 新产品与技术创新发布 - 英伟达首席执行官黄仁勋宣布新一代“Rubin”计算架构已进入全面量产阶段，其在AI模型训练任务上的运行速度是前代Blackwell架构的3.5倍，推理任务速度达前代的5倍，峰值运算能力达50 Petaflops [31] - 英伟达在CES上推出Alpamayo 1模型，这是一款拥有100亿参数、基于思维链技术的视觉-语言-行动模型，旨在解决自动驾驶安全挑战 [28][32] - 智元机器人在CES发布首个大语言模型驱动的开源仿真平台Genie Sim 3.0，融合三维重建与视觉生成，可几分钟生成万级场景，并开源上万小时仿真数据集 [33] - OpenAI推出ChatGPT Health模式，为健康医疗类对话设立专属空间，该系统每周有超过2.3亿健康相关问题询问量 [35] - 摩尔线程正式发布开源大模型分布式训练仿真工具SimuMax的1.1版本，实现了从单一工具到一体化全栈工作流平台的重要升级 [38] - 雷鸟在CES推出全球首款支持eSIM功能的AR智能眼镜X3 Pro Project eSIM，搭载高通骁龙AR1平台，可脱离手机独立完成通话、AI对话等功能 [37] 企业合作与应用落地 - 微创机器人依托神经元MicroGenius多模态自主手术大模型，成功完成了全球首例“大模型自主手术”动物实验 [40] - 波士顿动力与谷歌DeepMind宣布建立AI合作伙伴关系，目标将Gemini Robotics基础模型与新型Atlas人形机器人集成 [40] - 高通与谷歌宣布深化汽车领域合作，整合骁龙数字底盘与谷歌汽车软件及云服务，加速软件定义汽车落地 [40] - 腾讯AI工作台ima.copilot上线“生成PPT”功能，用户可调用个人知识库素材一键生成幻灯片 [40] - 智元机器人已与MiniMax达成合作，MiniMax将为其提供文本到语音全流程AI技术支持，打造专属人设与音色 [40] - 京东成立“变色龙业务部”，将推出面向全年龄段人群的AI玩具，其JoyAI大模型通过创新技术使推理效率平均提升30%，训练成本降低70% [20][21] - 京东数字人服务已有超4.5万家品牌接入，数字人直播成本约为真人直播的1/10，平均转化率提升约30%，2025年“双11”期间采用数字人直播的商家数量同比增长近6倍 [22] 行业其他热点事件 - 一款名为“死了么”的付费APP爆火，登顶苹果付费软件排行榜，用户数较此前翻了50倍仍在上涨，该APP专为独居人群设计，连续2天未签到即自动向紧急联系人发邮件，由3人团队耗时1个月、开发成本约1500元完成 [7][8] - 社交媒体平台X创始人埃隆·马斯克表示，该平台将在七天内面向公众开源其新版算法，包含用于决定内容推荐的代码 [12] - 消息称苹果硬件工程主管约翰·特努斯成为接替库克的头号热门人选，其曾主导iPhone Air及折叠屏iPhone项目，并在产品定义与商业利益把控上表现出色 [13][14] - 前小米中国区市场部总经理王腾官宣创业，成立“今日宜休”公司，聚焦睡眠健康与精力管理产品，核心成员来自小米、华为等大厂 [17][20] - 硅谷科技初创公司兴起“脱鞋办公”潮，要求员工进门脱鞋以打造轻松氛围，但不少公司仍推行“996”工作制 [29]