某头部互联网大厂AI业务管理问题 - 公司AI大模型水平相对落后，与过去几年团队各自为战、管理混乱的局面高度关联 [2] - 大模型研发初期组织架构极其分散，预训练、后训练、测评分属三个部门，各自为政并争夺主导权，难以统一作战 [2] - 虽设立虚线汇报机制试图协同，但该制度名存实亡 [2] - 明面上由技术科学家出身的高管D主导，但A、C部门负责人实际向业务型高管E汇报，两人在AI技术路径上存在重大分歧 [2] - 在E的支持下，A和C部门不仅做了自己的预训练，还秘密进行了后训练，成为D与E内斗升级的导火线 [2] - D在内部斗争中失败后，其管理的一大批科学家接连出走，触及了公司高层底线，最终落寞下课 [3] - D的下课部分原因在于其强势的管理风格及热衷于内部制衡的权力欲，导致大量技术型管理人才流失 [3] - E虽然斗赢上位，但其非技术背景的管理风格与原有学术氛围冲突，内部赛马机制引发团队离心，进一步放大了混乱 [3] - 最终公司高层彻底失去耐心，转而另寻了新的负责人 [3] - 新任负责人在全员会上明确表示，此次调整旨在打破部门墙，并承诺肯定能用模型做研究 [4] 某国产大模型独角兽的海外策略 - 公司幕后大老板从不对外露面或公开发言，认为当前舆论环境不宜抛头露面，且担心步过去高调公司后尘 [5] - 公司忌讳公开发言做预判，以避免被后续事实打脸 [5] - 公司最初想对标OpenAI，而非外界所说的Anthropic，且其出海之路远比预想中波折 [5] - 公司海外官方账号数据看似亮眼，频现“十万加”、“百万加”，但流量覆盖圈层极窄，处于“自嗨”状态，难以破圈制造爆款 [5] - 公司曾试图找一千多位海外开发者KOL密集背书，但海外网红与开发者极度挑剔，需要真正的底层创新或标志性事件才能打动 [5] 某东南亚跨境电商大厂的AI项目挫折 - 去年下半年，公司创始人通过全员信强调AI意义，并专门成立子公司，从各业务团队抽调研发人员，旨在为商家提供图片、视频生成与润色服务 [5] - 项目进行几个月后失败，公司老板极度不满，于今年年初将项目组原地解散 [6] - 公司并未放弃AI，而是在北京重新组建了新团队继续推进 [6] - 公司此前还开发了一些AI应用，主要用于帮助运营能力差的商家优化标题、视频图像，对这部分商家效率提升明显 [6] - 但内部人士透露，这些应用仅导致单量在平台商家内部流动，平台整体大盘订单基本没有增长 [6] G厂在AI浪潮下的激进调整 - 公司在深陷外卖大战及出海业务受战争影响背景下，开始释放全面拥抱AI的信号 [7] - 具体措施包括对技术端进行分拆、合并，并以不符合绩效为由裁员，涉及部分十年以上老员工 [7] - 公司直接通知前端员工大面积转全栈，做法被内部人士评价为相当激进，但好处是部门协作链路缩短 [7] - 公司内部已推出不少AI产品，但上线后效果不如意，被内部员工吐槽为“半成品”，因此内部使用率低 [7] - 很多员工倾向于使用国外大厂的产品，但需自费开通会员，公司不予报销 [7] 算力租赁市场的设备迭代风暴 - 算力租赁市场正掀起一场由头部互联网大厂主导的“设备迭代风暴”，为追求更强大性能，此前签下的B200租赁订单被批量叫停，全口径转向B300机型 [7] - 为B200项目配套的大部分资金已批复到位，如今只能推倒重来 [8] - 该大厂的B200相关项目仅1-2个完成落地，其余均已紧急叫停或转投B300 [8] - B300现货稀缺，单台价格一度超过440万元 [8] - 行业内相关人士表示，本次停租风波对B200货物流转无显著影响，因市场上原有B200流通量便极为紧张，目前仅华南某地区有数十台库存 [8] 字节系AI硬件创业项目估值波动 - 某可穿戴硬件项目是2026年最受追捧的字节系AI硬件创业项目之一 [10] - 产品demo未出时，第一轮估值2000万美元，但多数美元基金看不上，融资遇冷 [10] - 第二轮估值5000万美元时，部分原本不看好的机构开始回头接触 [10] - 产品demo出来后，估值直接叫价1.5亿美元，为抢份额，多家机构激烈加价，估值一度被哄抬至2.5亿美元 [10] - 因估值过高，过程中某大厂战投放弃投资，其旗下VC也中途退出 [10] 具身智能赛道的人才竞争升级 - 某具身大脑头部公司今年好消息连连，先后获得红杉中国领投的数亿元融资，并敲定与宇树合作 [11] - 公司正在接触一位互联网大厂副总裁级高管，该高管title很高，即将到岗，后续将同时操盘商业化与技术架构 [11] - 此举表明具身赛道人才战已从智驾圈延伸至互联网核心层，早期抢的是感知算法、规控工程师，现在盯上的是能将“技术变产品、产品变收入”的互联网操盘手 [11] - 目标VP的背景大概率是云业务或AI平台出身，因这类岗位同时具备B端交付经验和架构视野 [11] - 让一人“商业化+技术架构”一肩挑，意图是将具身智能从硬件生意改造成互联网服务形态 [11] AI催收成为大模型快速落地场景 - AI催收正成为大模型落地进展极快的场景，市面上已涌现出许多不足10人的小团队，帮助金融机构开展催收业务 [11] - 某些金融机构资产规模超过千亿元，日均外呼量达百万级，曾需上千名催收员，成本极高 [12] - 为降成本，部分公司过渡到“机器人外呼”，但因话术固定、语气生硬易被识别，效果有限 [12] - 大模型出现后，基于豆包的语音能力已可实现高度拟人化外呼，能复刻真人音色并叠加环境音，使通话几乎无“机器感” [12] - 从成本看，一通成功接通的电话单次成本不到0.1元，加上线路费用大致在0.1-0.2元之间，比人工便宜许多 [12] - 由此，一批大模型催收公司开始涌现 [12]