文章核心观点 - 近期多家看似不相关的公司（如飞书、Google、Stripe、ElevenLabs、网易云音乐）不约而同地发布命令行工具，这标志着CLI正在被重新发明，成为AI能力扩展的关键基础设施[5][43] - 命令行工具与AI特别适配，因为AI是“文字进、文字出”的，而CLI是纯文本的，AI天生就在这个环境中运作[12][13] - 新一代CLI工具从设计之初就假设调用者可能是AI，它们将执行能力、标准通信协议和使用说明书打包在一起，形成了一个跨平台、免审核、人和AI都能使用的“事实上的插件”，这比传统的插件模式更具优势[31][42][44][90] 一、CLI的定义及其与AI的适配性 - CLI是命令行界面，用户通过输入文本指令来执行任务，与图形界面相比，它更精确且易于自动化[10][12] - 由于AI本质上是处理文本的，因此CLI是AI的天然操作环境，AI可以通过执行一行命令来完成复杂任务，而无需操作图形界面[12][13] 二、AI的能力边界与扩展 - AI的能力边界取决于它能调用的工具和获得的上下文（说明书），没有工具，AI无法执行相关任务[18][21][23] - AI的实际能力 = 它能调用的工具 + 它拿到的上下文[23] - 对于训练数据中未包含的新工具，AI极度依赖显式的说明书（如Skills文件）来学习如何使用，工具越新，这种依赖性越强[24][25][26] 三、新一代CLI的设计哲学 - 传统CLI是为人类程序员设计的，输出是给人看的彩色文字，并可能包含交互式菜单，这会导致AI卡住[29][30] - 新一代CLI为AI设计：所有操作通过参数一次性传入，避免弹出交互式菜单；输出采用JSON等结构化格式供AI直接解析[31][36] - 以飞书CLI为例，它包含200多条命令，覆盖日历、消息、文档等11个领域，AI可通过调用相应命令直接操作，无需打开飞书App[31][32] 四、CLI作为AI的万能插件 - 新一代CLI工具集成了MCP、Skills和Plugin三者的功能，成为一个跨平台、模型无关的执行层[42][47][52] - 与平台锁定的Plugin不同，CLI工具安装后，可以被不同的AI模型（如Claude Code、Cursor、Gemini CLI）调用[45][46] - CLI工具可以通过Shell管道进行组合，实现更复杂的工作流，这是当前Plugin模式难以做到的[51] 五、当前CLI工具面临的问题与挑战 - **安全问题**：CLI直接执行Shell命令，缺乏Plugin沙箱环境中的细粒度权限控制，目前主要依赖`--dry-run`和弹窗确认来补救[56][58] - **说明书过大**：庞大的Skills文件会占用大量AI上下文窗口，导致推理质量下降，例如Google Workspace CLI的Skills文件平均为1.6KB，设计精良[60][61] - **交互设计问题**：为人类设计的交互式提示会卡住AI，需要增加`--no-interactive`等参数[62] - **输出信息过载**：查询可能返回数万字符的JSON，淹没关键信息，需要像Google Workspace CLI使用`field masks`来控制返回字段[64][65] - 根本原因在于“为AI设计”和“在AI中验证”是两件事[66] 六、AI管理自身工具的实践 - 在开发工具时，应转变思路，让AI来管理自己的工具，例如让AI读取`--help`信息、处理安装错误和权限配置，这比编写覆盖所有边界情况的传统安装逻辑更可靠[70][72][74] - 提出了一个5维Agent兼容度评分，从是否为AI设计、是否支持结构化输出、自查、预览和注意上下文大小五个方面评估CLI工具的AI友好度，以呼吁工具开发者重视对AI的适配[74][75] 七、行业生态的缺口 - **发现机制缺失**：用户难以知晓有哪些可用的AI CLI工具，npm和GitHub有条件但缺乏动力成为AI工具的“应用商店”[79] - **认证流程繁琐**：不同服务（飞书、Google、Stripe）有各自的登录认证体系，用户安装多个工具时需要重复登录，体验不佳[81] - **安装体验不佳**：现有的包管理器（如npm、brew）是为懂命令行的开发者设计的，当操作者变为AI时，权限、依赖缺失等问题成为障碍[83][84] - 行业当前缺乏让工具、协议和说明书能被高效发现、安装和信任的基础设施层，构建此层基础设施的公司将成为AI时代的npm[86][87] 八、总结：CLI成为AI能力分发的关键 - CLI正成为当下效率最高的AI能力分发方式，每个好用的CLI工具都为AI增加一项技能，同时减少上下文噪音[89][91] - 行业正处于新旧交替的混乱时代，旧的格式、数据壁垒、包管理器与新的AI原生工具链交织在一起[92][93]

核心事件与压力来源 - Alphabet旗下谷歌面临来自超过200名儿童发展专家、组织和教育机构的压力，要求其停止在YouTube和YouTube Kids上向儿童展示或推荐AI生成视频 [1][2] - 专家们在致谷歌CEO Sundar Pichai和YouTube CEO Neal Mohan的联名信中，质疑针对低龄观众的AI视频的教育价值和质量，并指出其潜在危害 [2][3] - 联名信批评YouTube在未证实其益处且未遵循儿童发展原则的情况下，推送AI生成内容，相当于在进行一项不受控制的实验 [3] 专家与机构的诉求及支持力量 - 签署方包括知名社会心理学家Jonathan Haidt、儿童倡导组织Fairplay、国家促进青少年健康联盟、美国教师联合会及多所学校 [4] - 他们敦促YouTube停止所有为儿童创作AI生成视频的投资 [4] - 倡导团体认为，YouTube要求创作者为合成或修改内容添加标签的措施，对构成AI内容主要受众的学龄前儿童可能无效 [6] AI内容在YouTube的现状与平台回应 - AI生成视频，特别是针对幼儿和儿童的内容，受欢迎程度激增 [5] - 创作者常使用AI工具以更快、更具成本效益的方式制作视频，甚至分享针对年轻观众的内容变现教程 [5] - YouTube为其政策辩护，称其在YouTube Kids上维持高标准，并限制AI生成内容，同时要求用户标记AI修改视频，并对利用AI制作的垃圾内容采取措施 [8] - YouTube CEO Neal Mohan曾表示，管理AI内容是公司的首要任务之一 [8] 行业背景与更广泛审查 - 此次事件发生在更广泛的改革社交媒体平台对儿童影响的背景下 [9] - 2026年3月，一项关于社交媒体成瘾的里程碑式陪审团审判裁定，谷歌和Meta Platforms Inc.因其设计用于吸引用户的产品对一名年轻用户造成伤害而负有责任 [9] - 尽管两家公司计划上诉，但原告、消费者倡导者和立法者正推动对其部分最盈利的功能（包括内容推荐算法）进行改革 [10] - 批评者还指出，谷歌近期对一家为儿童制作内容的AI动画工作室Animaj的投资令人担忧，认为通过此类渠道让幼儿接触AI生成视频可能加剧对注意力、学习和社交发展的风险 [10]

文章核心观点 - 一项由加州大学欧文分校法学教授Veena Dubal和科技战略家Wilneida Negrón进行的首次同类审计发现，医疗保健、客户服务、物流和零售行业的雇主正在使用供应商的工具，这些工具旨在实现“监控工资”实践[1] - “监控工资”是一种工资体系，其基础不是员工的绩效或资历，而是使用在员工不知情下收集的个人数据建立的算法公式[3] - 这种做法可能从招聘阶段开始，并延续到在职期间，用于设定奖金或激励薪酬，并可能导致同工不同酬，引发歧视担忧[2][7][8][13][19] 行业实践与工具应用 - 一项针对500家劳动管理人工智能公司的审计发现，医疗保健、客户服务、物流和零售行业的雇主是此类供应商工具的客户[1] - 2025年8月的报告点名了包括Intuit、Salesforce、高露洁-棕榄、Amwell和Healthcare Services Group在内的美国主要雇主[1] - 提供此类服务的供应商也提供用于设定奖金或激励薪酬的工具，这些工具追踪员工的生产力、客户互动和实时行为，包括工作中的音频和视频监控[8] - 根据国际数据公司的一项调查，2022年，超过70%的员工人数超过500人的公司已经在使用员工监控系统，例如监控计算机活动的软件[8] 具体行业案例：按需医疗人员配置与零工经济 - 在按需医疗人员配置领域，包括CareRev、Clipboard Health、ShiftKey和ShiftMed在内的零工护士使用的平台，会例行使用算法来设定个人班次的薪酬[11] - 这些平台根据对每个工人的了解来调整薪酬，包括护士接受班次的频率、对招聘信息响应的速度以及过去接受的薪酬水平，这导致护士即使在同一机构内做相同的工作，薪酬也常常不同[13] - 批评者认为，该系统奖励工人的不是技能或经验，而是其行为所揭示的财务脆弱性，可能根据公司所知的护士为先前任务愿意接受的薪酬来确定薪酬，从而将其长期锁定在较低的薪酬区间[14] - 在网约车行业，算法工资多年来一直在塑造该行业工人的薪酬，有司机报告称，即使在疫情后需求反弹的情况下，其收入在 Uber 和 Lyft 推出新算法后仍出现下降，并且不同司机在同一时间对相同行程会看到不同的基础车费[15][16] 公司回应与否认 - 高露洁-棕榄的公司传播总监表示，该公司“不使用算法工资设定工具来为我们的员工做出薪酬决定或设定新员工薪水”[6] - Intuit的一位发言人表示，该公司“不从事此类做法”[6] - ShiftKey的首席法律和公共事务官明确否认从事监控工资设定，并表示其平台不使用信用卡或其他债务数据来设定工资[12] - Uber在给MarketWatch的电子邮件中表示，其预先显示的车费是基于时间、距离和需求状况，其算法不使用个体司机特征或过去行为来确定薪酬[18] - 报告中点名的其他公司（CareRev、Clipboard Health、ShiftMed、Salesforce、Amwell、Healthcare Services Group）未回应评论请求[6][7][13] 立法与监管动态 - 立法者对监控工资的反应慢于对监控定价的反应，纽约州近期通过了一项规则，要求公司在使用算法根据消费者个人数据设定价格时向消费者披露，但全国大部分法律只关注价格，而非薪酬[21] - 科罗拉多州正在尝试更进一步，一项名为《禁止使用监控数据设定价格和工资法案》的提案将禁止公司使用亲密的个人数据（如发薪日贷款历史、位置数据或谷歌搜索行为）来通过算法设定个人薪酬，该法案为基于绩效的工资开了例外[22] - 该法案将禁止公司在未经同意的情况下使用员工的个人数据来确定其薪酬，提案发起人表示，Uber和Lyft都在游说反对该法案[23]

人工智能行业整体前景 - 人工智能并非一时热潮 而是一项可能引发多行业范式转变的变革性技术[1] - 行业可能仍处于转型的早期阶段 目前仍是投资人工智能股票的时机[1] - 不同人工智能股票差异巨大 部分有望长期跑赢市场 部分则风险较高[1] Alphabet (GOOG/GOOGL) 投资分析 - ChatGPT出现初期 市场担忧其会严重冲击Alphabet的核心搜索业务 导致股价大幅下跌[3] - 公司利用人工智能改进业务 在搜索引擎中增加AI模式和AI概述 提升了搜索流量和用户参与度[3] - 公司财务表现依然强劲 但今年股价下跌了13%[3] - 股价下跌可能源于广泛的市场波动以及公司巨额的人工智能相关投资 市场担忧这些投资可能无法达到预期效果[3] - 公司的支出有助于其建立稳固的市场地位 避免被规模相当的同行甩在后面[4] - 在整个业务中实施人工智能 包括向云端提供AI服务以及通过Gemini订阅 可能有助于进一步提升销售额和利润[4] - 公司拥有多种增长途径和强大的竞争优势 这得益于其品牌知名度和用户转换成本 使其成为值得买入并持有的顶级股票[5] Recursion Pharmaceuticals (RXRX) 业务模式 - Recursion Pharmaceuticals是一家专注于加速药物开发的生物技术公司[6] - 单个全新产品通常需要数年甚至超过十年的时间经历各阶段临床试验并获得批准 成本高昂且大多数药物在临床阶段就停止了研发[6] - 公司声称其人工智能驱动的操作系统能够测试化合物 并仅将最有希望的候选药物推进至临床试验 从而改善药物开发的时间和成本[6]

行业与公司 * **行业**：光线路交换机行业[1] * **公司**：腾景科技、德科立、光库科技、凌云光、英唐智控[5] 核心观点与论据 * **应用场景与客户拓展**：OCS应用从谷歌TPU柜间连接拓展至跨数据中心Scale-across长距离连接[1] 客户从谷歌扩展至Oracle（2026年已下单）、微软、Meta、英伟达（进入样机测试阶段）[1] * **市场规模与增长**：市场规模由通道数驱动，2026年主流产品从128通道升级至300+通道[1] 预计2028年总需求量达7-8万台以上，年增速有望翻倍[1][3] 谷歌年用量约一万多台，Oracle带来一两千台订单[3] * **技术方案对比**：MEMS方案最成熟[1] 液晶方案（Coherent/微软）2026年起量（数千台）且寿命更长[1][4] 光波导方案时延短但仅能量产32通道，产业链不成熟[1][4] 各方案BOM成本约200多美元/通道，整机售价约500多美元/通道[1][4] * **产业链参与**：腾景科技是液晶方案核心供应商，提供晶体材料及准直器阵列（占BOM 40%），预计2026年相关收入超2亿元[1][5] 德科立主攻光波导整机代工并送样谷歌/英伟达，订单金额近一亿元[5] 光库科技具备代工经验，凌云光布局压电陶瓷方案，英唐智控计划收购技术团队[5][6] * **供给瓶颈与展望**：当前供给瓶颈在于整机装配效率低，产能受限[6] 预计2026年第三季度随供应链爬坡进入大规模量产[1][6] 英伟达未来架构（如2028年费曼代）Scale-up互联是否采用OCS尚无定论，若落地将成为强催化剂[1][2] 其他重要内容 * **需求驱动**：需求量核心驱动力与谷歌TPU训练卡部署相关，其Torus架构决定每块卡约对应1.5个OCS通道[3] * **技术疑虑**：OCS在英伟达GPU短距离Scale-up场景中的应用必要性与具体实现方式仍是业界探讨焦点[2] 引入OCS可能使现有网络架构更复杂[2] * **性能特点**：各方案传输时延均为光速，但任务切换时延仍有提升空间，目前主要适用于训练场景[4]

地缘政治威胁与科技公司 - 伊朗伊斯兰革命卫队威胁将攻击18家在中东有业务的美国科技公司 将其列为“合法目标” 以报复美国和以色列对伊朗的打击 [1] - 受威胁公司包括英伟达、苹果、微软、谷歌、思科、惠普、英特尔、甲骨文、IBM、戴尔、Palantir、摩根大通、特斯拉、通用电气、Spire Solutions、波音以及总部位于阿联酋的AI公司G42 [1][3] - 攻击警告于德黑兰时间4月1日周三晚8点开始 革命卫队警告相关公司员工立即离开工作场所以保安全 [2] 威胁背景与过往行动 - 此次威胁遵循了伊朗本月早些时候对中东地区亚马逊云科技数据中心发动的袭击 该袭击曾导致阿联酋多项应用和数字服务中断 [3] - 革命卫队宣称 “从现在起 每发生一次刺杀 就有一家美国公司被摧毁” [2] 公司回应与行业动态 - 英特尔发言人表示 团队的安全与健康是首要任务 公司正采取措施保护和支持在中东的员工与设施 并积极监控局势 [4] - 谷歌和摩根大通拒绝对此置评 [4] - 近年来 美国科技公司一直向中东输送资源 特别是在人工智能基础设施构建方面 该地区能提供廉价能源和土地资源 [4]

公众对自动驾驶出租车接受度 - 一项调查显示 70% 的美国人对乘坐自动驾驶网约车至少会感到有些担忧 [1] - 然而 在有过实际乘坐体验的人群中 尽管85%的人最初感到紧张 但64%的人在最近一次体验中感到舒适 [1] - 调查的最终结论是 美国人似乎正在对自动驾驶出租车变得更加接受 [2] Waymo业务与运营状况 - Waymo自称拥有“世界上经验最丰富的驾驶员” 其自动驾驶车辆已完成超过2000万次载客服务 [3] - 公司客户满意度高达93% [4] - 在运营城市中 与相同里程内的人类驾驶员平均水平相比 Waymo自动驾驶车辆导致严重伤害或更严重碰撞的事故少92% 导致行人受伤的碰撞事故少92% 被瑞士再保险公司认定为显著更安全的选择 [5] Waymo估值与潜力 - 最近一轮融资对Waymo的估值为1260亿美元 [6] - 该估值仅为其母公司Alphabet约3.5万亿美元市值的一小部分 但其潜在上升空间巨大 [6] 特斯拉在自动驾驶出租车市场的布局 - 特斯拉多年来一直瞄准自动驾驶出租车市场 但目前落后于Waymo [7] - 公司已在德克萨斯州奥斯汀提供自动驾驶网约车服务 并计划扩展到更多城市 [7] - 特斯拉工程副总裁认为 公司是“唯一能够以自动驾驶浪潮所需的速度进行规模扩张的公司” 其在市场中的最大优势是规模化潜力 [8] 行业主要参与者与投资机会 - 公众对自动驾驶出租车接受度提高 对Alphabet和特斯拉这两大自动驾驶汽车股票是重要消息 [2] - 报告提及一家被称为“不可或缺的垄断者”的鲜为人知的公司 为英伟达和英特尔提供关键技术 [2]

文章核心观点 - 在AI时代，仅专注于应用层（中间层）的公司不是一个稳定的状态，它们最终都会向垂直整合（全栈化）发展，要么向下整合模型层，要么向上整合服务层 [1][2] - 垂直整合正在快速发生，模型公司、应用公司和服务公司最终将在同一战场竞争，行业格局正在重塑 [22][32] 三层蛋糕模型与中间层困境 - AI产业可简化为三层结构：顶层是**人/服务层**（审核、交付），中层是**应用/Agent层**（编排、数据上下文），底层是**模型层**（推理、生成）[6] - 传统的AI应用公司只占据中间层，如同餐厅只负责烹饪但不控制食材和外卖，其利润和差异化能力易受上下游挤压 [6][25] - 模型层被OpenAI、Anthropic、Google等巨头控制，服务层被行业知识和人力控制，导致纯应用层公司处境艰难 [6] 向下整合：吃掉模型层 - 路径是应用公司向下整合，训练和调优自己的模型，而不仅仅是调用API [9][11] - 在编程和客服赛道表现明显：**Cursor**发布了基于Kimi K2.5继续预训练的**Composer 2**前沿编码模型；**Intercom**发布了直接处理几乎所有英文客服对话的**Fin Apex**模型，并称之为“垂直模型的时代” [10][11] - 主要驱动力是构建**数据飞轮**：产品好→用户多→用户交互痕迹（trace）多→训练数据好→模型更强→产品更好，形成难以复制的壁垒 [12] - 次要原因包括**成本与速度**（特定场景下，微调小模型的成本可能只有通用大模型的十分之一，速度快好几倍）和**产品差异化**（自研模型难以被抄袭） [13] 向上整合：吃掉服务层 - 路径是应用公司向上整合，不卖软件，而是直接向终端客户**销售结果或服务**，拥有端到端的流程 [15][16] - AI将“最后一公里”的服务成本降低了一个数量级，使得原本人力密集、低毛利的“卖结果”模式变得经济可行 [17] - 代表性案例包括：**Crosby AI**提供端到端法律服务（Neofirm）；**WithCoverage**和**Harper**作为AI原生保险经纪；**Mechanical Orchard**提供完整的遗留系统迁移服务 [18][19] - 当AI能完成90%的工作时，公司有动力吃掉剩下10%最值钱的部分，通过人机结合确保100%的交付，并将自动化率提升直接转化为毛利增长 [20] 殊途同归与最终状态 - 向下整合和向上整合两条路径最终会交汇 [21] - 向上整合的服务公司在积累行业数据后，会向下训练自己的模型；向下整合的公司在模型足够强后，会向上直接销售服务结果 [21] - 最终状态是公司同时拥有**底层智能**、**中间编排**和**上层交付**，实现三层通吃的“全栈”模式 [22] - 模型公司（如OpenAI、Anthropic、Google）也在从底层向上做应用，与应用公司从中间向两头扩张，最终将在同一战场相遇 [22] 垂直整合的前提与飞轮 - **向下整合**的前提是拥有**足够多、高质量的特定领域用户交互痕迹（trace）**，这是训练差异化模型的基础 [26][32] - **向上整合**的前提是**深刻理解行业的“最后一公里”**，即AI难以处理的合规、审核、信任等需要行业经验的部分 [27] - 两条路径的成功都依赖于构建强大的**增长飞轮** [28] - 向下整合的飞轮：用户用量 → 产生trace → 改进模型 → 增强产品 → 吸引更多用户 [29] - 向上整合的飞轮：完成服务交付 → 积累数据 → 提升自动化率 → 增加毛利 → 加大投入 → 提升交付能力 [30] - 竞争胜负取决于飞轮的转动速度 [31] 行业启示与影响 - 纯应用层（仅作为模型包装）是一个**过渡状态**，而非安全地带，公司必须选择向下或向上整合 [32] - 特定领域的**用户行为痕迹（trace）** 是AI时代新的数据护城河，早期获取用户对积累训练数据至关重要 [32] - AI使得**“销售结果”（Services-as-Software）** 的商业模式变得经济可行，这是一场正在发生的变革 [32] - 垂直整合已是进行时，案例包括Cursor发布自研模型、Intercom推动垂直模型、Crosby AI销售法律服务等 [32]

行业前景与市场预测 - 生成式人工智能被视为“一生一次”的技术变革，正在被用于重塑客户体验 [1] - 埃隆·马斯克预测，到2040年，人形机器人数量将至少达到100亿台，单价在2万至2.5万美元之间 [1] - 根据上述预测，该技术到2040年可能创造价值250万亿美元的市场规模 [2] - 这一市场机遇并非由单一公司主导，而是由整个重塑全球经济的AI创新生态系统共享 [2] - 普华永道和麦肯锡等主要机构认为AI将释放数万亿美元的潜力，即使250万亿美元的目标显得雄心勃勃 [3] 技术突破与行业影响 - 该技术突破正在重新定义人类工作、学习和创造的方式 [4] - 该突破已引发对冲基金和华尔街顶级投资者的狂热关注 [4] - 比尔·盖茨将人工智能视为其“一生中最大的技术进步”，认为其变革性超过互联网或个人电脑，并能在医疗、教育及应对气候变化方面发挥作用 [8] - 拉里·埃里森正通过甲骨文公司斥资数十亿美元购买英伟达芯片，并与Cohere合作，将生成式AI嵌入甲骨文的云服务和应用程序中 [8] - 沃伦·巴菲特认为这一突破可能产生“巨大的有益社会影响” [8] 关键参与者与投资机会 - 一家未被充分关注的公司被认为是开启这场250万亿美元革命的关键 [4] - 有观点认为，该公司的超低成本AI技术应引起其竞争对手的担忧 [4] - 真正的机会并非英伟达，而是一家规模小得多、默默改进使整个革命成为可能的底层关键技术的公司 [6] - 该市场规模被描述为相当于175个特斯拉、107个亚马逊、140个Meta、84个谷歌、65个微软以及55个英伟达的总和 [7]

行业前景与市场预测 - 生成式人工智能被视为“一生一次”的变革性技术 正在被亚马逊等公司用于重塑客户体验 [1] - 埃隆·马斯克预测到2040年 人形机器人数量将至少达到100亿台 单价在2万至2.5万美元之间 [1] - 基于上述预测 人形机器人技术到2040年可能创造价值250万亿美元的市场规模 [2] - 普华永道和麦肯锡等主要机构认为人工智能将释放数万亿美元的潜力 [3] - 比尔·盖茨将人工智能视为其一生中“最大的技术进步” 认为其变革性超过互联网或个人电脑 能改善医疗、教育并应对气候变化 [8] - 沃伦·巴菲特认为这项突破可能产生“巨大的有益社会影响” [8] 技术突破与竞争格局 - 一项强大的技术突破正在重新定义人类工作、学习和创造的方式 并已引发对冲基金和顶级投资者的狂热 [4] - 一家未被充分关注的公司被认为是开启这场250万亿美元革命的关键 其廉价的人工智能技术令竞争对手担忧 [4] - 真正的机会并非在于英伟达等巨头 而在于一家规模小得多、默默改进关键技术的公司 [6] - 拉里·埃里森正通过甲骨文公司斥资数十亿美元购买英伟达芯片 并与Cohere合作 将生成式人工智能嵌入甲骨文的云服务和应用程序中 [8] 投资机会与市场估值 - 250万亿美元的市场机遇并非与单一公司绑定 而是与一个将重塑全球经济的完整人工智能创新生态系统相关 [2] - 该市场规模相当于175个特斯拉、107个亚马逊、140个Meta、84个谷歌、65个微软或55个英伟达的市值总和 [7] - 硅谷和华尔街的亿万富翁们正共同关注这一领域 [6]