公司核心人事变动 - 英特尔公司首席技术官兼人工智能负责人萨钦·卡蒂于11月11日离职，将加入OpenAI负责基础设施相关岗位 [1] - 英特尔CEO陈立武将直接领导AI和先进技术组，公司强调AI仍是最高战略优先事项 [3] - 卡蒂的离职是英特尔近期一系列高层变动之一，包括6月30日首席战略官等多名高管离职 [5] 行业人才流动与竞争格局 - 高端AI人才从传统芯片巨头向领先的AI初创公司流动，OpenAI对卡蒂的加盟展现出极大热情 [1][3] - 卡蒂在OpenAI将负责设计和构建推动人工通用智能研究的计算基础设施 [3] - 英特尔面临核心AI技术人才流失的挑战，但同时重申对AI战略的承诺 [3][5]

编辑｜瑜见 11日，英特尔原首席技术官（CTO）萨钦・卡蒂（Sachin Katti）正式宣布离职并加入OpenAI，将负 责后者的基础设施相关岗位，投身于通用人工智能（AGI）的计算基础设施打造工作。 记者｜宁佳彦 ...

生成式人工智能行业现状与市场预期 - 自2022年11月ChatGPT问世近三年来，生成式人工智能掀起热潮，研究机构Gartner预测2025年全球人工智能支出将逼近1.5万亿美元，2026年将突破2万亿美元大关 [2] - 行业领导者如埃隆·马斯克认为通用人工智能（AGI）已近在咫尺 [2] - 但在实际场景中热度正在悄然褪去，中小型新创企业融资面临更严苛审视，企业级人工智能项目陷入"试点炼狱"，企业采购方开始质疑人工智能支出的投资回报率 [3] - 不断攀升的算力成本已成为许多潜在竞争者难以逾越的壁垒 [3] 行业调整期特征与专家观点 - 行业目前正在经历一场"必要调整"，企业客户并未撤离人工智能领域，而是面对过度炒作的承诺重新调整自身策略 [5] - 到2027年全面实现通用人工智能的宏大愿景热度已消退，但人工智能投入并未减弱，当前更突出问题是"领导层预期与实际成果之间存在差距" [5] - 人工智能正在从冉冉升起的新星蜕变为隐于幕后的运营能手，发展路径或将与电力如出一辙——在日常生活中隐匿无形却为万物提供动力 [6] - 有观点认为当前是初春时节，生成式人工智能问世还不到三年，代理式人工智能仅有15个月历史，虽然炒作周期已达顶峰，但诸多领域才刚刚显露萌芽迹象 [6] 企业应对人工智能投资的策略建议 - 将人工智能锚定于战略，追求速赢鲜少创造持久价值，真正取得成功的企业是将人工智能试点项目与可量化成果直接挂钩的公司 [9] - 精通商业表达之道，将人工智能定位为驱动企业增长的引擎，与开拓新市场、提升客户满意度、优化运营流程、建立持久竞争优势等高管高度重视的成果挂钩 [10] - 依托生态系统，企业应融入更广泛的人工智能生态系统，而不是试图在内部构建所有能力 [11] - 平衡宏大愿景与务实创新，目标不应只是"采用人工智能"，而是要将人工智能融入运营架构 [12]

数据中心与AI投资对存储行业的影响 - 为追求通用人工智能，数据中心投资速度远超产能，制造商难以满足AI需求[2] - DRAM持续短缺导致内存套装价格在几个月内翻倍以上[2] - 企业级大容量硬盘交付时间延迟长达24个月，促使超大规模数据中心转向QLC NAND SSD以应对订单积压[2] QLC NAND闪存市场动态 - 选择QLC而非TLC闪存可控制成本并满足冷存储耐用性需求，但云服务提供商争相购买导致QLC NAND出现短缺[2] - QLC NAND闪存制造商的产能已排期至2026年[2] - 预计到2027年初，QLC NAND的普及程度将超越TLC，标志存储格局重大转变[3] 存储芯片价格与供应状况 - Sandisk在最初预告涨价10%后，已将NAND价格提高50%[3] - 所有DRAM和NAND闪存制造商优先向愿意支付高价的AI客户出售产能，缓冲产能从2-3个月缩减至仅剩几周[3] - 存储领域前所未有的短缺推动许多公司业绩创年度新高，但普通消费者面临电子产品短缺和价格上涨[3]

行业技术现状与认知水平 - 当前人类对大脑的认识非常初级，处于不完备的通信系统阶段，脑机接口通过记录脑电活动并猜测其与信息的对应关系来运作[4] - 脑机接口技术的发展与对大脑的认识是一个相互促进的迭代循环过程，通过开发脑机接口来认识大脑，进而创造更好的系统[4][5] - 脑机接口是一个高度交叉的学科，涉及材料、芯片、通信、机器人、信号处理与计算等多个领域，各学科强交叉是当前行业特征[5][6] 公司定位与技术路径 - 岩思类脑专注于脑机接口领域的算法基础层，旨在打造类似ChatGPT或操作系统的核心预训练算法基座模型，以赋能整个产业[11][13] - 公司的核心竞争优势在于能够获取并利用中国独有的海量高质量脑电数据，数据量与其他国家存在几个数量级的优势[14][15][22][23] - 技术路径上，公司同时布局侵入式和非侵入式脑机接口，并致力于通过先进算法提升信息提取率，目标是未来用非侵入式设备实现侵入式的功能[24][34] 核心技术突破与应用案例 - 在侵入式应用上，公司与华山医院合作，利用AI技术从难治性癫痫患者的脑电信号中解码语言，实现了对2000个汉字的泛化解码，声母和韵母准确率分别达到83%和84%[36][37][38] - 在非侵入式应用上，公司通过优化SSVEP范式算法，成功实现了用脑电帽精准、连续地操控《黑神话：悟空》等高要求动作游戏，并展示了高于普通人的操作效率[44][45][46] - 公司的脑电大模型训练仅需100分钟即可让系统具备特定功能，并且该系统具备学习能力，使用越多，准确率和泛化性越强[40][41][42] 行业发展挑战与驱动因素 - 脑机接口产品尚未普及的主要原因包括领域新兴、侵入式产品需医疗器械认证以及非侵入式产品功能性和接受度有待提高[48][49] - 中国脑机接口行业相比欧美起步较晚但发展速度迅猛，优势体现在临床资源、供应链、工程应用、算法数据以及国家政策支持上[50][55][70] - 资本涌入对行业有助推作用，但脑机接口领域需要耐心资本，不宜追求短周期快回报，应秉持长期主义[63][67][68] 未来前景与战略愿景 - 行业预计在未来3到5年内将出现大量好用的脑机接口设备，长远看，脑机接口是应对人工智能挑战、实现人机融合的必然发展方向[49][58][62] - 脑机接口有望通过记录和汇聚人类脑电活动，打破碳基生物代际进化的限制，实现生物智能的快速迭代[58][59] - 岩思类脑的愿景是弥合人工智能与生物智能的鸿沟，用前沿科学打造大众化产品，让科技更好地服务人类[74][75][76]

行业技术现状与挑战 - 人类对大脑的认识仍处于非常初级的阶段，脑机接口目前是一个不完备的通讯系统，通过记录脑电信号并猜测其与信息的对应关系来工作 [5][6] - 脑机接口技术路径主要分为侵入式、半侵入式、非侵入式和介入式，选择需在信号质量与侵入性之间折中，原则是在满足功能的前提下侵入性越低越好 [30][31][32] - 行业面临的主要挑战是产品尚未普及，原因包括领域新兴、侵入式产品需医疗器械认证以及非侵入式产品功能性和接受度有待提高 [48] 公司定位与核心技术 - 岩思类脑将自身定位为脑机接口领域的“OpenAI”，专注于开发核心的预训练算法基座模型，旨在赋能整个产业 [10][11][13] - 公司的核心技术优势在于利用中国独有的海量临床脑电数据训练脑电大模型，数据量达到几百个病人，与其他国家存在几个数量级的优势 [14][21][22] - 公司通过算法创新提升信息提取效率，目标是用更少的电极甚至非侵入式方式解译更多信息，从而降低硬件依赖和推广门槛 [24][25][27] 技术应用与突破 - 在侵入式应用方面，公司与华山医院合作，让难治性癫痫病人实现意念说话，通过54个中文单字训练100分钟，即可达到对2000个汉字的泛化解码，声母和韵母准确率分别达到83%和84% [35][36][37][40] - 在非侵入式应用方面，公司优化SSVEP范式，解决了准确性和连续性问题，实现了用脑电帽实时操控《黑神话：悟空》等高要求动作游戏，并在人机对战演示中显示出高于普通人的操作效率 [44][45][46] - 脑机接口在严肃医疗领域（如运动功能弥补）和未来大众消费领域（如游戏、交互）均有明确应用场景 [32][46] 行业发展与竞争格局 - 中国脑机接口产业虽起步晚于欧美，但发展速度更快，在工程、应用、算法和数据方面具有优势，尤其得益于庞大的临床资源、供应链能力和国家政策支持 [50][53][55] - 行业正吸引大量海外人才回流，新成立初创企业达几十家，人才梯队建设进入正循环，预计未来3到5年内将出现大量好用的脑机接口设备 [49][50][56][57] - 脑机接口被视为解决AI发展瓶颈（如高质量数据匮乏）和实现人机融合、提升生物智能的关键路径，必然成为大国科技竞争的重要赛道 [57][58][65] 产业生态与资本环境 - 脑机接口产业未来将像新能源汽车行业一样走向细分化、模块化，当前公司倾向全链条布局与确保医疗器械品质及融资故事吸引力有关 [7][8][9] - 资本积极进入对行业发展有助推作用，但脑机接口领域需要“耐心资本”，追求长期主义而非短期快回报，以抵御可能出现的行业泡沫周期 [64][66][68][70] - 国家政策层面持续释放利好，通过基础设施建设支持和强监管并重，推动脑机接口作为前沿可落地产业健康发展，特别关注其在应对老龄化、神经退行性疾病等方面的社会价值 [71][72][74]

行业与公司 * 机器人大脑产业及人形机器人行业 [1] * 涉及公司包括特斯拉（擎天柱机器人）、高通（骁龙芯片）、以及国内机器人厂商（如银河通用）等 [10][16] 核心观点与论据 行业发展趋势 * 机器人行业重心正从传统工业机器人转向更具人形和特殊产品形态的机器人 [2] * 机器人大脑和小脑的融合概念越来越普及 [2] * 人形机器人研发与汽车智能化、电动化密切相关，许多机器人研发人员来自汽车领域，因为自动驾驶技术栈与机器人自动控制技术有延伸性 [1][2][3] 发展挑战与瓶颈 * 机器人大脑发展面临操作系统实时性和AI算法不确定性的双重挑战 [4] * AI算法（如大语言模型）存在幻觉现象，不确定性在精准控制中尤为明显 [4] * 不同场景的数据差异巨大（如家庭环境），增加了模型训练难度 [4][5][12] * 当前机器人大脑更多是特定场景下特定功能的控制系统，而非通用大脑 [10][11] * 构建大脑需要实时操作系统和足够观测算力以维持模型推理反馈速度 [10] * 算力不足是处理世界模型庞大数据集的主要困难 [9] * 中国机器人产业缺乏优秀的产品经理来定义和设计产品 [22] 不同场景的落地可行性 * 工业场景下的机器人大脑更容易落地，因为工厂项目预算较高，可支持大量数据采集、分析和训练，实现定制化 [6] * 居家养老等个人场景因预算有限且环境差异大，技术尚不成熟，预计3-5年内仍难以真正落实 [13] * 人形机器人在许多场景中优势不明显，双足机器人主要用途以展示为主，轮式机器人可能在工业生产中更适用 [17] 技术路径与进展 * 世界模型自2024年下半年受关注，其核心在于重构场景数据，但面临数据量挑战 [8][9] * 未来有望通过芯片和云端算力提升解决算力问题 [9] * 理论进展包括VLA模型、3D VLA模型以及新的语义模型（如李飞飞团队研究的空间模型） [18] * 目前AI范式没有重大突破，依然依赖大量数据，需要范式层面的突破才能显著进展 [19] * 可通过控制目标工作场景中的物品和数据量（如工业无人叉车）提高模型应用性 [13] * 通过将单一工作拆解成多个工序并由不同机器人协作完成，可以实现快速应用（如咖啡制作机器人、酒店送餐机器人） [21] 成本与产业链 * 中国机器人产业链一旦形成，成本将比美国低得多，中国拥有全世界最好的产业链建设基础 [14] * 马斯克2万美元以内的机器人部件精细度并不高 [14] * 目前国内已有几万块钱的机器人，但精度和适用场景有待考验 [14] * 智能机器人产业链尚未完全形成，全球厂商都未真正打通技术栈 [16] * 操作系统选择需在实时性（如Global公司的NX、vx）和开放性（如Linux）之间取舍 [15] * 芯片发展路径建议初期利用Global成熟芯片实现功能，稳定后再寻找国产替代方案以降低成本并应对风险 [15] 投资前景与风险 * 短期内（两到三年）大规模商业化落地仍需时间，巨额投资存在风险 [20][24] * 投资者应管理好预期，全自动化控制系统短期内难以实现颠覆性突破 [24] * 中国机器人产业应明确初期应用场景，实现快速市场化，从特定狭义场景入手（如清洁卫生间的机器人），而非追求大而全 [13][22] * 国内厂商应关注自身技术路径，通过单点突破或行业共创实现发展 [16]

文章核心观点 - 具身智能是通往通用人工智能AGI的关键方向 强调智能体与物理环境的交互与适应能力[1] - 具身智能的核心模块由大脑负责思考感知和小脑负责执行构成[1] - 技术演进经历了从低层感知到高层任务理解与泛化的持续发展 当前进入VLA模型与强化学习、世界模型等融合的第四阶段[6][7][9] - 产业界正加速布局 国内外科技巨头通过投资与合作推动技术落地 双方进入关键竞赛阶段[3][5] 国内外相关领域产业分析 - 近2年多家具身明星团队从实验室走向商业和工业界 例如星海图、银河通用、逐际动力等[3] - 国内华为于2024年底启动"全球具身智能产业创新中心" 与乐聚机器人、大族机器人等合作建设关键技术[5] - 京东自2025年5月以来连续投资智元机器人、千寻智能、逐际动力等公司 强化物流与家庭服务场景能力[5] - 腾讯、蚂蚁集团、小米等科技巨头通过战略投资与合作加快构建产业生态[5] - 国外Tesla/Figure AI推进工业与物流机器人应用 美国投资机构支持Wayve、Apptronik等公司落地自动驾驶与仓储机器人[5] - 国内企业以产业链投资与综合平台驱动落地 国外巨头侧重基础模型、模拟环境与类人机器人原型研发[5] 具身智能的技术演进 - 第一阶段技术聚焦抓取位姿检测 通过点云或图像预测末端执行器姿态 但缺乏任务上下文和动作序列建模[6] - 第二阶段进入行为克隆阶段 机器人借助专家演示数据学习端到端映射 但存在泛化能力弱和误差累积问题[6] - 第三阶段自2023年兴起Diffusion Policy方法 通过扩散模型生成整个动作轨迹 提升策略稳定性与泛化能力[6] - 2024年进入Vision-Language-Action模型阶段 融合视觉感知、语言理解与动作生成 支持零样本或小样本快速泛化[6][7] - 第四阶段自2025年开始探索VLA模型与强化学习、世界模型、触觉感知等模块融合 以弥补现有局限[9] - VLA+强化学习提升长时任务中的试错与自我改进能力 VLA+世界模型引入环境动态预测 VLA+触觉信息推动精细安全操作[11][12]

文章核心观点 - 美国AI经济呈现繁荣表象，但存在估值与盈利严重脱节、资本非理性错配、技术路径单一依赖等多重隐患，其膨胀逻辑与历史泡沫危机高度相似，破裂风险已初现端倪 [2] 估值狂欢：纸面财富与盈利现实的巨大鸿沟 - OpenAI估值接近1万亿美元，但2025年上半年净亏损高达135亿美元，前三季度累计亏损超250亿美元，商业化闭环遥遥无期 [3] - Anthropic预计2025年营收同比暴涨1134%至47亿美元，但其去年毛利率为-94%，今年乐观预估最高也仅50%，持续运营高度依赖外部融资 [3] - 美国95%的生成式AI企业尚未实现盈利，80%部署AI的企业净利润未得到任何提升 [4] - C3.ai等AI概念企业的资产营收比在2025年7月达到13.79，远超科技行业平均水平 [4] - 2025年11月第一周，美国AI关联公司市值蒸发近1万亿美元，其中英伟达单周缩水3500亿美元 [4] 资本错配：AGI豪赌与风险包装的循环游戏 - 2025年上半年，美国AI相关支出对GDP增长的贡献已超过消费者支出总和，92%的GDP增长来自AI投资 [5] - 算力芯片、数据中心等基础设施被过度投资，英伟达与OpenAI计划合作部署10GW数据中心 [5] - 头部企业通过相互投资、签订天价订单（如OpenAI向甲骨文采购3000亿美元算力）放大账面收入，制造业务繁荣假象 [5] - 美国数据中心的长期租约被打包成债券出售，底层资产价值与AGI技术进展深度绑定 [5] 技术困局：单一路径依赖与竞争优势流失 - 美国AI产业几乎将全部赌注押在AGI上，但生成式AI仍停留在"增强版自动补全"阶段，幻觉、无法自校验等问题尚未突破 [6] - 中国采取"产业应用驱动"策略，在工业质检中使良品率提升12%、成本下降30%；医疗领域将癌症早期检出率提高25%，腾讯觅影系统把胃癌漏诊率降低40%；智能驾驶使路口延误降低20% [6] - 全球近半数AI人才来自中国，中国正逐步缩小与美国的技术差距 [6] 政策隐患：放松监管与杠杆风险的双重引爆点 - 2025年7月发布的《赢得竞争：美国人工智能行动计划》主张全面放松监管、加速数据中心建设，联邦机构被要求"识别并废除阻碍AI部署的法规" [7] - 简化审批流程导致数据中心建设激增，预计2030年全球数据中心投资将达数万亿美元 [7] - 甲骨文、CoreWeave等企业通过"80%债务 + 20%股权"模式融资，存在债务违约风险 [7] 历史镜鉴：泡沫破裂的共性逻辑与前车之鉴 - 当前美国AI经济的泡沫特征与日本泡沫经济时期企业相互持股推高股价、互联网泡沫时期资本追逐"眼球经济"忽视盈利模式、次贷危机前将高风险房贷包装成证券出售高度相似 [8][9] - 若美国AI泡沫破灭，可能引发连锁反应：AI企业估值暴跌冲击投资者信心，拖累标普500指数（AI股占比超44%）；数据中心资产减值导致金融机构资产负债表恶化；高杠杆企业违约引发信贷市场紧缩 [9] 中国启示：应用驱动型AI的可持续发展路径 - 中国在制造业通过AI将涡轮机维护周期延长60%，年节约成本超2000万元；在智慧城市使高峰通行效率提升35%；在农业助力粮食增产提质 [10] - "技术-应用-盈利"的闭环模式降低了对外部资本的依赖，形成了"应用迭代技术、技术反哺应用"的良性循环 [10]

美股科技股与AI概念股市场回调 - 截至11月7日当周，以科技股为主的纳斯达克指数单周跌幅超过3%，为4月以来最差表现，标普500指数周内下跌1.6%，结束了连续三周的涨势 [1] - 英伟达股价一周内下跌超过7%，市值缩水约3500亿美元 [2] - 八家与人工智能关联最密切的头部公司市值合计蒸发约8000亿美元，与AI热潮相关的美国公司市值蒸发近1万亿美元 [3] - 微软股价跌幅超过4%，市值蒸发超1500亿美元，甲骨文股价下跌近8%，市值损失660多亿美元，其他AI概念股如多邻国跌超24%，Palantir跌超11%，博通跌超5%，Meta跌超4% [9] AI行业面临的风险与挑战 - 市场共识认为美国AI神话建立在不确定性之上，美国公司押注于构建通用人工智能，该模式耗资巨大但缺乏确定发展路径 [6] - 一项调查表明美国95%采用生成式人工智能的公司尚未从该技术中盈利，基于叙事推动的泡沫已经产生 [6] - 美国与人工智能相关的支出对美国GDP增长的贡献已超过所有消费者支出的总和 [6] - 曾精准做空次贷危机的Michael Burry正在部署做空美国AI泡沫，暗示当前支出过度且回报过低将导致许多领先公司崩溃 [6] - Meta被曝靠海量诈骗广告赚取巨额利润，其安全部门2025年5月报告估算美国约三分之一的成功诈骗案件与Meta存在关联 [4][5] 中国AI产业的竞争态势 - 美国业界认识到全球近半AI人才来自中国，中国借助人才优势有望在中美长跑竞争中获胜 [7] - 与美国投资于不确定的AGI不同，中国AI走产业应用驱动的务实路线，在竞争全球其他市场时拥有低成本和应用优势 [7] - 高盛与摩根士丹利认为全球（美国）股市因科技股泡沫可能在未来1-2年内出现10%到20%的回调，但看好中国股市的人工智能、电动汽车和生物技术等领域 [8] 加密货币市场大幅下跌 - 11月7日加密货币市场全线跳水，比特币一度失守10万美元整数关口，短短一个多月内市场几乎抹去今年前10个月积累的全部涨幅 [11] - 截至11月9日16:39，主要加密货币品种持续下跌，近24小时内成交额骤降40%-50%，全市场超13万人被爆仓 [12] - 具体品种表现：比特币价格101863.2美元（24小时下跌0.75%），成交额532.62亿美元（下降46.97%），以太坊价格3413.16美元（下跌1.44%），成交额576.68亿美元（下降40.73%） [13] - 数字资产对冲基金Capriole Investments创始人指出，近七个月来机构对比特币的需求首次低于新币开采速度，表明大型买家可能正在退缩，市场呈现明显避险情绪 [14]