阿里国际站的AI战略与定位 - 公司是阿里巴巴国际商业集团旗下专注国际贸易的B2B跨境电商平台，拥有超过5000万活跃企业买家，是最大的B2B出海平台[5] - 公司在AI风潮全面到来前就已提出"All in AI"战略，并认为AI是未来电商的核心竞争力[5] - 公司总裁张阔认为，经过2年多时间，B2B贸易的AI化仅完成了10%，仍有很长的路要走[8] AI原生应用Accio与搜索创新 - 公司研发并迭代了AI原生应用Accio，近期推出Agent模式，在海外引发关注，目前已拥有200万海外企业买家[6] - 公司对海外买家的电商搜索框进行了"全面AI化"，推出了AI搜索功能Deep search[11] - AI搜索的转化率有显著提升，测试显示转化率能有14%-15%以上的提升[15] - 与传统搜索引擎改进1-2个点都很困难相比，AI搜索的改进非常显性[15] AI对商家经营效率的提升 - 全球有14万卖家每天都在使用公司的AI Agent做生意，在AI助推下，最近9月外贸旺季公司订单量增长了3成[6] - AI Agent在经营、发品、投放、沟通、询盘等环节的转化率已经超过了80%的人工操作[24] - AI使外贸生意运营从过去的"手动档"居多，转变为"半自动"甚至"自动驾驶"[6] - 上AI之后，公司预期每次上线的产品数量能超过去年50%的功能[42] AI降低商家门槛与促进供需匹配 - AI显著降低了商家从事数字化外贸的门槛，使工厂型外贸商家更容易转型[24] - 目前有80%的用户是被AI原生应用Accico吸引进来的[24] - AI帮助全球中小企业高效普惠地找到全球供应链，将找货时间从至少半个月大幅缩短[24] - 服饰和家居是最先推出商品结构化的两个品类，之后会拓展到3C和机械品类[28] AI产品的技术实现与挑战 - AI搜索需要将结果展现时间从原来的30秒优化到4-5秒之内，这对买家体验有质的提升[16] - 实现速度提升需要多方面的优化，包括推理加速、算法优化、内容理解加深以及模型使用效率提高[17] - 公司划分了四大经营场景（货架场、业务场、营销场、履约场），仅履约场就有十几二十道流程[29] - 公司使用通义千问处理中文报告效率高，但多语言场景必须自己训练模型[31] AI对商业模式与行业的影响 - AI搜索短期内可能对广告业务有影响，因为客户找货更精准，但长期会提升客户价值和匹配效率[38] - 公司认为应优先满足用户侧最核心的需求，而非固守原有商业模式，因为用户行为迁移很快[39] - 全球生成式AI沟通的Query总数在18个月内已接近谷歌Query的15%[39] - 当AI对全球30万亿美元GDP的增量有10%的影响时，才可讨论AGI时代的到来[36]

战略规划与市场演变 - 创始人应以两年后AGI可能到来的世界为基准进行战略规划，思考AGI将如何改变招聘、市场和产品，否则即为失职 [16] - AI的影响不仅体现在初创公司的产品上，也体现在买方身上；未来几年，企业客户也将使用AGI或超强AI Agent进行采购决策和内部开发，可能导致其自行开发软件而非采购SaaS，这改变了传统的企业销售周期 [18][19] - 在快速变化的AI时代，过去依赖长期趋势预判的商业模式已失效，当前规划视野可能缩短至数周，持续提出好问题以梳理思路变得至关重要 [10] 软件行业前景与产品形态 - 软件行业面临两种可能结局：一是软件完全商品化，公司可通过提示词按需生成内部应用，消费者也不再需要下载固定App；二是代码生成的自动化反而无限拉高软件品质的天花板，催生由顶尖人类团队与AI深度协作打造的极致作品 [20][22] - 产品交互形态面临根本性质疑，按需生成的UI可能是最终形态，需要思考如何融合多模态（听觉、图像、视频、文本）以及为用户提供最简单的交互方式 [24] - 对于创业者，从头构建AI原生新产品并非唯一路径，利用现有产品的分发渠道优势进行改造在某些领域可能胜出 [25][26] 信任构建与公司运营 - 信任问题至关重要，不仅涉及对AI模型本身的信任，更包括对构建这些Agent的公司的信任；在高度自动化、团队规模极小的未来，坏人做坏事的成本被极大降低，传统因公司内部多元员工构成的制衡机制可能失效 [28][29] - 提出AI驱动的审计作为建立信任的潜在方案，其优势在于无偏见且可设计为审计结束后无记忆，避免知识产权泄露风险 [30][32] - AI原生公司的团队运作模式可能需每半年迭代一次，不思考自我改造的公司会很快过时；用户期望的是一个能搞定所有事的统一Agent，而非多个“围墙花园”内的Agent [27] 竞争优势与护城河 - 数据作为护城河的观点正在演变，通用大语言模型能力强大，使得在某些场景下直接使用优于基于定制化数据训练；但在涉及被公司“锁住”的隐性知识（如台积电、阿斯麦的尖端工艺）的领域，定制化数据仍可能构成强大防御 [35][36] - 算力容量和相关的技术优化（如模型路由、上下文管理）在当前及未来一两年内可成为竞争优势，但随着模型改进和算力供应增加，此优势可能消失 [40] - 在后AGI时代，真正的持久优势在于解决与物理世界打交道的真正难题（如基础设施、能源、制造业、芯片），这些领域无法仅凭提示词复制，为敢于挑战难题的公司提供巨大机会 [42][43] 社会责任与创业方向 - 当前可能是最后一次有机会真正改变世界的窗口期，创业者应思考打造社会真正需要而不仅仅是消费的产品，这将带来长期价值 [46][47] - 在选择创业方向时，产品的长期防御性至关重要，需深入思考所构建的东西是否会在未来6至18个月内因AI发展而变得微不足道 [51] - 面对AI可能由少数公司控制其“中立性”的风险，引发了关于是否需要“AI中立”或“Token中立”的思考，类似于电力基础设施的中立性对社会的重要性 [44][45]

公司AI战略与定位 - 公司是阿里国际商业集团下专注国际贸易的B2B跨境电商平台，拥有5000多万活跃企业级买家[4] - 公司早在AI风潮全面到来前就已提出"All in AI"战略，并认为AI是未来电商的核心竞争力[4] - 公司AI投入分为三部分：探索AI原生应用Accio、"AI+国际站"业务升级、以及AI inside内部组织变革[37] AI产品进展与成效 - 公司近期将海外买家的电商搜索框"全面AI化"，推出AI搜索产品Deep search[5][9] - 公司研发的AI原生应用Accio已推出Agent模式，能自动化处理海外买家采购流程，目前拥有200万海外企业买家[4][9] - 公司为卖家提供4个AI Agent产品，覆盖货架场、业务场、营销场、履约场等经营环节[5][20] - 全球有14万卖家每天都在使用公司的AI Agent做生意[5] - 在AI助推下，最近9月外贸旺季公司订单量增长了30%[5] AI对业务效率的提升 - AI搜索在平台上测试显示，转化率能有14%-15%以上的提升[12] - AI Agent在经营、发品、投放、沟通、询盘等环节的转化率已经超过了80%的人工操作[21] - 公司预期上AI之后，每个季度上线的产品功能数量能超过去年50%[38] - AI对平台业务营收大概有10%-11%左右的贡献[30] AI对行业与商家的影响 - AI的作用不止提效，还能降低商家门槛，使工厂型外贸商家更容易转型数字化，并带来更丰富的供给[21] - AI使得外贸生意运营从过去的"手动档"居多，转变为"半自动"甚至"自动驾驶"[5] - 公司引导商家根据AI搜索特性填写更完整、结构化的商品信息，服饰和家居是首批推出商品结构化的品类[25] - 目前有80%的用户是被AI原生应用Accico吸引进来的[21] AI技术挑战与未来规划 - B2B贸易的AI化，公司认为才完成了10%，还有很长的路要走[7][30] - AI产品研发面临三大环节挑战：重构后台产品链路、从通用模型到专业模型、带来业务增量[27] - 公司认为AI技术成功的标准应是对全球GDP增量带来影响，当其对全球30万亿美金GDP的增量有10%影响时，才可讨论AGI时代到来[31] - 公司使用通义千问处理中文报告效率高，但多语言分析和翻译等任务必须自己训练模型[28]

马斯克的操作永远是那么出人意料。前段时间马斯克的 xAI 获得了英伟达的投资，本以为双方合作共赢，没想到马斯克反手就对英伟达的人才下手，挖来 了两名核心研究员——Zeeshan Patel和Ethan He，目的就是为了加速其宏伟的世界模型项目。 所谓世界模型，听起来颇具科幻色彩，但它被普遍认为是通往AGI圣杯的关键路径之一。简单来说，就是让AI不仅能理解语言和图像，更能理解我们这个世 界的物理规律，能像人一样进行常识性的推理和预测。 这次加入xAI的两位专家，履历都相当亮眼。他们在英伟达期间，都是Omniverse平台的核心贡献者。Omniverse是一个用于创建和模拟虚拟世界的平台，这 与xAI想要构建的世界模型在理念上不谋而合。可以说，这二位的加盟，几乎是带着说明书来的。 Zeeshan Patel是一位专注于多模态模型与物理AI的学者。他的研究方向，旨在教会AI如何理解和预测物理世界中的互动，比如一个物体会如何滚动、弹跳或 破碎。而Ethan He则深耕于视频自监督学习和多模态模型领域，他的工作重点是让AI能通过观察海量视频，自主学习世界的运行规则，而无需人类进行繁琐 的手动标注。 这两位技术大牛的加 ...

xAI入局世界模型 - 马斯克的xAI公司已正式进入世界模型研发领域，加入与Google DeepMind、Meta、英伟达等巨头的竞争 [2][7][8] - 为增强实力，xAI于2024年夏季从英伟达挖来多名资深研究员，包括Zeeshan Patel和Ethan He [2][9][16] 核心人才引进 - Zeeshan Patel于2024年5月硕士毕业于UC伯克利，研究方向为深度学习、生成模型和物理人工智能，此前曾在英伟达研究院从事生成式世界模型研究 [10][11] - Ethan He本科毕业于西安交通大学，在CMU获得计算机视觉硕士学位，其Google Scholar被引数高达8495，在加入xAI前于英伟达从事MoE模型、多模态模型和世界模型研究 [12][13][15][16] - 两位研究员均参与了英伟达Omniverse平台的核心开发工作，该平台是全球最成熟的物理一致性仿真系统之一 [18][19][20] 世界模型的战略意义与技术路径 - 世界模型被视为实现AGI（通用人工智能）的核心底座，其目标是让AI系统真正理解和推理物理3D世界，而不仅限于文本处理 [23][24][26] - xAI计划将英伟达在图形与物理模拟领域的积累（如Omniverse技术）应用到自家的世界模型体系中 [21][22] - 世界模型的应用前景广泛，可驱动AI游戏、智能体、自动驾驶乃至具身智能机器人 [38][39] 游戏领域作为首要落地场景 - xAI入局世界模型后的首批落点可能是电子游戏，团队正尝试让AI自动生成自适应、逼真的3D场景，并能根据玩家行为实时变化 [30][31] - 马斯克设下目标，计划在2026年底前推出一款由世界模型驱动的AI生成游戏 [3][32] - 为达成目标，xAI正在组建全模态团队（Multimodal Team），并公开招聘“电子游戏导师”（Video Games Tutor），时薪45–100美元，旨在向模型讲解游戏机制与设计逻辑 [33][34][35][36] 马斯克AI帝国的协同效应 - xAI的使命是“让AI理解宇宙的本质”，世界模型是实现该目标的关键路径 [37] - xAI、特斯拉、Neuralink、X平台之间可能形成协同效应：xAI研发模型，特斯拉提供机器人和自动驾驶数据，Neuralink提供脑机接口，X平台则作为社交与实时反馈渠道 [40][41]

dInfer是一款专为扩散语言模型设计的、算法与系统深度协同的高性能推理框架 ，可支持多种扩散语言 模型，包括 LLaDA、 LLaDA-MoE、LLaDA-MoE-TD 等。 【环球网科技综合报道】10月13日，蚂蚁集团对外宣布正式开源业界首个高性能扩散语言模型推理框架 dInfer。 据介绍，在基准测试中，dInfer将扩散语言模型的推理速度相比于英伟达扩散模型框架Fast-dLLM提升 了10.7倍；在代码生成任务HumanEval上，dInfer在单批次推理中创造了1011Tokens/秒的速度，首次在 开源社区中实现扩散语言模型的单批次推理速度显著超越自回归模型。dInfer的工作表明，扩散语言模 型具备显著的效率潜力，可以通过系统性的创新工程兑现，为通往AGI的架构路径提供极具竞争力的选 项。 扩散语言模型，作为一种全新的范式将文本生成视为一个"从随机噪声中逐步恢复完整序列"的去噪过 程，具有高度并行、全局视野、结构灵活三大优势。凭借这些优势，以蚂蚁集团和人大发布的LLaDA- MoE为代表的模型已在多个基准测试中，展现出与顶尖AR模型相媲美的准确性 。事实上，dLLM的高 效推理面临计算成本高、 ...

公司战略与布局 - 马斯克的xAI公司已正式入局世界模型领域，加剧了与Meta、Google DeepMind等巨头的竞争[3][9][10] - 公司计划在2026年年底前发布一款由世界模型驱动的AI生成游戏[3][29] - 公司正在组建全模态团队，专门研究图像、视频、音频的综合理解与生成，以支持世界模型开发[30] 人才招募与技术基础 - 公司于今年夏季从英伟达挖来至少两名资深研究员Zeeshan Patel和Ethan He，以增强世界模型研发实力[3][11] - 新招募的研究员此前均参与了英伟达Omniverse平台的核心开发，该平台是全球最成熟的物理一致性仿真系统之一[18][19] - 公司计划将英伟达在图形与物理模拟领域的积累应用到自家的世界模型体系中[20] 世界模型的应用前景 - 世界模型被视为AGI的核心底座，能让AI系统真正理解和推理物理3D世界，而不仅限于文本处理[23][25] - 该技术首批落地应用可能是电子游戏，旨在生成自适应、逼真的3D场景，并能根据玩家行为实时变化[29] - 世界模型技术未来可驱动智能体、自动驾驶乃至具身智能机器人，与特斯拉、Neuralink等马斯克旗下公司形成协同效应[35][36] 市场背景与行业动态 - 世界模型是近两年全球AI巨头和实验室的新战场，参与者包括Google DeepMind、Meta、英伟达和李飞飞团队等[9][28] - 视频游戏行业市场规模巨大，今年收入约2000亿美元，为AI生成游戏提供了广阔的市场空间[6]

马斯克的xAI也入局世界模型了！ 想必听到这个消息的Meta、Google DeepMind一定会缓缓打出一个问号：冲我们来的？ 据《金融时报》（FT）报道，为了增加这场"世界模型大混战"的赢面，今年夏天，xAI已经从英伟达挖来了多名资深研究员来助阵。 另一边，在悄然下场世界模型后，马斯克几天前又在上再次重申了去年定下的那个"小目标"—— 2026年年底前，xAI会发布一款伟大的AI生成游戏。 Stability AI创始人EMostaque在自己的上列出这样一组数字： OpenAI今年收入约100亿美元，视频游戏行业今年收入约2000亿美元。 马斯克呀马斯克，Attention is all you need（狗头）。 从英伟达那儿挖人，开搞！ 而它的第一步，就选择了去英伟达挖老黄墙脚—— 今年夏天，xAI至少雇佣了两位来自英伟达的研究人员：Zeeshan Patel和Ethan He。 其中，Zeeshan Patel今年5月硕士毕业于UC伯克利，研究主要面向深度学习、生成模型和物理人工智能。 加入xAI前，他先在苹果AI/ML部门从事基础模型研究，后又加入英伟达研究院从事生成式世界模型研究。 在英伟达工 ...

xAI入局世界模型的战略举措 - 公司xAI正式进入世界模型领域，加入与Google DeepMind、Meta、英伟达等巨头的竞争[7][8] - 为增强实力，公司于2024年夏季从英伟达招募了多名资深研究员，包括Zeeshan Patel和Ethan He[9][18] - 新招募的研究员均曾参与英伟达Omniverse平台的核心开发，该平台是成熟的物理一致性仿真系统，与世界模型需求高度契合[21][23][24][25] 关键人才背景与专长 - Zeeshan Patel专注于大规模多模态模型与训练框架研发，拥有苹果AI/ML部门及英伟达研究院的生成式世界模型研究经验[10][11][12] - Ethan He在计算机视觉领域拥有深厚积累，Google Scholar被引数达8495，研究经历涵盖FaceBook AI的大规模视频自监督学习及英伟达的MoE模型、多模态模型[14][15][16][17] - Ethan He的代表作包括被引3483次的《Channel pruning for accelerating very deep neural networks》和被引1850次的《Amc: Automl for model compression and acceleration on mobile devices》[19] 世界模型的战略意义与应用方向 - 世界模型被视为AGI的核心底座，旨在让AI系统理解并推理物理3D世界，而不仅限于文本处理[26][27][29] - 公司xAI入局后的首批应用落点可能是电子游戏，团队正尝试开发能根据玩家行为实时变化的AI生成3D场景[33][34] - 公司目标是在2026年底前推出一款由世界模型驱动的伟大AI生成游戏[2][35] 业务布局与资源整合 - 公司内部正组建全模态团队，招聘岗位涵盖音频理解生成、多模态理解等方向，年薪区间为18万至44万美元[37] - 公司还公开招聘电子游戏导师，时薪45至100美元，旨在向模型传授游戏机制与叙事逻辑[38][39][40] - 世界模型有望将公司xAI、特斯拉的机器人及自动驾驶数据、Neuralink的脑机接口以及的平台资源整合，形成AI帝国闭环[41][43][44][45] 行业背景与市场机遇 - 世界模型已成为AI巨头和实验室的兵家必争之地，DeepMind、Meta、英伟达等均已布局相关项目[32][36] - 行业数据显示，视频游戏行业年收入约2000亿美元，远超OpenAI约100亿美元的年收入，揭示了巨大的市场潜力[4]

AI对就业影响的预测与观点 - Anthropic首席执行官预测AI可能在未来五年内大规模取代入门级白领工作，失业率可能会飙升至10%到20%之间，尤其在法律、金融和咨询等行业[1] - Stability AI联合创始人声称明年将出现大规模失业，AI能够完成复杂的工作且不出错，将导致许多工作面临被替代风险[4] - 前谷歌生成式AI团队创始人表示不断提升的人工智能能力可能很快就会让获得法律或医学高级学位变得毫无意义[7] - Goodwill首席执行官表示正在为人工智能导致的Z世代失业潮做准备，认为青年失业危机已经发生[1] 耶鲁大学AGI研究理论 - AGI的普及将导致人类劳动在经济中的地位逐渐消失，取而代之的是计算资源的主导地位[12] - 工作分为"瓶颈工作"和"辅助工作"，瓶颈工作是推动经济增长的核心任务，辅助工作则是可有无的支持性任务[13] - 随着计算资源增加，推动经济增长的瓶颈工作最终会被自动化完成，而需要大量社交互动、情感支持等辅助工作可能不会被AI取代[14] - 在AGI经济中，工资不再反映人类劳动的直接价值，而是基于AI完成相同工作的计算成本来决定[14] - 经济政策需要解决如何分享由计算资源产生的收入，例如通过全民分红的方式分配计算资源的收益[15] 历史技术替代案例 - 19世纪伦敦点灯人职业因白炽灯普及而消失，人工操作被自动开关取代[16] - 1811年英国爆发"卢德分子"运动，纺织业机械化浪潮导致传统手工业者失业激增[18] - 19世纪末汽车普及挑战传统马车行业，马车夫职业逐渐被淘汰[19][20] 当前AI对就业的实际影响 - 微软在2023年5月裁员近6000人，7月又裁员9000人，公司有20%到30%的代码由AI编写[21] - 谷歌、Meta、IBM、普华永道和Chegg等巨头都出现大规模裁员[21] - 斯坦福大学研究发现人工智能已经导致软件开发人员的职位空缺减少[21] 企业AI应用现状与挑战 - 企业在生成式AI上已花费300至400亿美元，但95%的公司未能获得商业回报[25] - ChatGPT和Copilot等工具得到广泛采用，超过80%的组织已进行探索或试点，近40%的组织完成部署[25] - 企业级AI系统被悄然弃用，60%的组织进行评估，但仅有20%进入试点阶段，最终仅5%投入实际生产[25] - 个人AI工具使用广泛，超过90%的员工报告定期使用个人AI工具处理工作任务[30] AI应用五大误区 - AI将在未来几年内取代大多数工作：研究发现生成式AI导致的裁员有限，仅出现在已受AI显著影响的行业中[25] - 生成式AI正在改变商业：尽管AI采用率很高，但转型却很罕见，只有5%的企业在工作流程中大规模集成AI工具[26] - 企业采用新技术的速度很慢：企业对采用AI极为积极，90%的企业已认真考虑购买AI解决方案[27] - AI的最大障碍是模型质量、法律、数据和风险：实际最大阻碍是AI工具缺乏学习能力，难以与企业现有系统集成[28] - 最好的企业正在构建自己的工具：内部开发的失败率是其他方式的两倍[29]