AI不接受碎片化的数据世界。 这是近期一项最新研究得出的结论——如果AI模型长期接触高流行但低价值的碎片化数据，会出现类似人类"脑损伤"的现象。 在一体化的数据世界，我们需要AI原生一体化的数据库。当"AI+"走向"AI原生"，AI不再是一个零散的附加功能，而是系统架构的核心方向，对于数据库 而言更是如此。 数据库正成为AI的"第二战场" "AI的真正瓶颈不在模型，而在数据。"这是杨冰与OceanBase对AI原生时代的技术判断。 在过去两年生成式AI带来的技术革命中，大模型训练集中于算法模型与算力建设，然而，随着推理模型的深度应用，开发者与企业都逐渐意识到，私有 化数据才是AI真正的"护城河"。这里形成的数据"护城河"有两方面，一是数据本身的质量与模型对数据的理解，二是调用数据的效率。 MIT Project NANDA最新研究显示，95%的企业在生成式AI投入生产后，仍然没能看到可以衡量的回报，其主要原因在于多模态数据割裂、系统链路冗 长、权限管理复杂难以落地，导致模型无法持续理解业务上下文、缺乏实时适应能力。 以往割裂的系统架构使得传统碎片化的数据查询分析，难以适应AI时代的需求。一方面，过去向量数据、 ...

" s e e k d b 不 是 传 统 数 据 库 的 功 能 叠 加 ， 而 是 专 为 AI 时 代 重 构 的 AI 原 生 混 合 搜 索 数 据 库 。 "Oc e a nBa s e CEO 杨 冰 表 示 ， " 它 继 承 Oc e a nBa s e 的 代 码 和 设 计 理 念 ， 更 轻 量 、 更 敏 捷，目标是成为大模型与私有数据融合计算的'实时入口层'。我们希望与开发者一起，在 混合搜索、多模融合等方向加速迭代、大胆创新。" AI不接受碎片化的数据世界。 这 是 近 期 一 项 最 新 研 究 得 出 的 结 论 —— 如 果 AI 模 型 长 期 接 触 高 流 行 但 低 价 值 的 碎 片 化 数 据，会出现类似人类"脑损伤"的现象。 在一体化的数据世界，我们需要AI原生一体化的数据库。当"AI+"走向"AI原生"，AI不再 是一个零散的附加功能，而是系统架构的核心方向，对于数据库而言更是如此。 回望过去十五年数据库的范式跃迁，已从事务交易走向实时分析，再到如今智能化时代走 向"前台"。站在下一个十五年的起点，Oc e a nBa s e面向AI时代的战略回应是：基于十 ...

新浪科技讯 11月20日下午消息，网易发布2025年第三季度财报。财报显示，网易Q3净收入284亿元，非 公认会计准则下归属于公司股东的净利润为95亿元，研发投入45亿元，研发投入强度16%。 三季度，游戏及相关增值服务净收入为233亿元。此外，网易有道Q3净收入16亿元，在"AI原生"战略深 化与业务结构聚焦的推动下，2025年前三季度累计经营利润同比增长近150%，在线营销服务净收入与 AI订阅服务销售额均创历史新高。网易云音乐Q3净收入20亿元。三季度，创新及其他业务净收入14亿 元。（罗宁） 责任编辑：何俊熹 ...

文章核心观点 - 灵宇宙创始人顾嘉唯基于其从微软、百度科学家到连续创业者的经历，提出AI硬件的颠覆是“温和的渗透”而非剧烈替代，其核心战略是通过解决细分垂直问题积累厚度，最终实现“世界即界面”的愿景 [2][5] - 公司认为AI原生产品的标准是通过“抽离测试”且具备“关系算法”，终极护城河是数据，通过终端设备收集真实世界数据为下一代具身智能模型提供燃料 [5][18][20] - 公司近期完成由滴滴、国方创新等机构参投的2亿元PreA轮融资，其产品小方机定义为承载LingOS操作系统的、为Alpha世代打造的首台AI New Computer，策略是“离手机远一点”，服务尚无智能终端的人群 [2][15][36] 个人历程 —— 远见与淬炼 - 创始人经历分为技术探索期与商业经营期，在微软、百度研究院十年深度参与Kinect、Hololens、BaiduEye等项目，积累了技术成熟度、数据与用户需求匹配的试错经验，明确了“何时该做什么产品”的逻辑 [5][6] - 首次创业物灵科技的产品Luka卢卡机器人进入18个国家上千万家庭，但2019年遭遇股东问题导致公司危机，通过抵押房产、MBO重组走出困境，此经历使其从产品技术者转变为企业掌舵者，需平衡理想与现实 [7] - 创业前后身份转变的核心在于目标从技术探索变为用户价值创造、责任从技术团队管理变为全局经营、价值衡量从技术影响力变为真实用户改变，但坚持不沉迷技术酷炫而扎根用户真实需求的初心不变 [8][9] 行业与产品 —— AI硬件的本质与未来 - 灵宇宙正在构建LingOS操作系统，愿景是未来用户不再搜索和找APP，而是找“人”做事，将第三方应用和服务变为鲜活“角色”，小方机是承载此系统的首款产品，定义为“长在技术延长线上的容器属性AI终端” [15] - AI原生产品需通过“抽离测试”，即拿掉AI后产品失去核心价值，并具备“关系算法”形成成长性与独特羁绊，最终体验应像水电煤一样无感但不可或缺 [18] - 产品演进路径需从便携设备逐步过渡到无感佩戴，将宏大范式革命拆解为用户可感的微创新，内部比喻为“海盗肩上的鹦鹉”，通过快拆环、磁吸环等设计实现三步走策略 [5][14] 壁垒与护城河 —— 在拥挤的赛道中，如何脱颖而出 - 公司核心优势包括老用户数据先发优势、多模态绘本数据资产、第一视角物理空间数据，通过Luka积累上千万用户家庭真实互动数据及全球最大有声绘本平台的结构化数据，为构建下一代具身智能模型提供燃料 [20] - 策略是做操作系统而非单纯硬件，通过软硬结合构筑壁垒，终极护城河是数据，当前AI公司核心竞争力是跑得快，但长期需依靠数据积累实现网络效应 [19][20] - 创业方法论是“走窄门”，在硬件领域解决非常细分、窄的垂直问题，利用中国供应链优势逐渐积累厚度，避免跟风大方向，最终做大做强 [5][24] 快问快答 - AI时代人类最需培养独立判断能力、强烈好奇心及与AI协作能力，未来思考是人与AI共创，人类需保留创意、共情等代表人性的部分 [23] - 对AI硬件创业者的建议是“走窄门”，硬件创业需深厚积累，不适合无经验年轻人，应聚焦细分垂直问题解决而非追逐宽泛热点 [24] - 个人思想体系深受电影《Her》影响，该片探讨人与AI共生关系，从微软、百度至今的实践一直在探索其描绘的未来 [25]

头图｜WebSummit提供 10年前，于Web Summit之上，一家名为Revolut的三人小公司悄然现身，恰似夜空中乍现的微弱星 辰。如今，它已成为欧洲最具价值的私营科技公司。10年后的WebSummit，仍有许多微光浮现，更 多、更密集也更有活力。 11月10日，在葡萄牙里斯本那世界网络峰会的主会场中，Web Summit的CEO兼创始人Paddy Cosgrave在开幕致辞里笃定地说："我丝毫不怀疑，在今年这盛大的网络峰会上，必定还会出现另一 个Revolut——或许只是两三个人，带着小小的摊位，却怀揣着宏大而奇妙的创意（来到现场）。" 在过去的几天里，Paddy和许多公司的CEO频繁谈到中国公司，除了DeepSeek、Kimi这样的大模型 公司，还有中国的能源和电力，这些潜力正让这个东方古国成为AI全球竞争中不可被忽视的一极。 WebSummit是欧洲最大的科技峰会，也是全球最大规模科技活动之一，至今已经创办了第16年。 人工智能带来的技术浪潮来势汹汹，甚至让原本在移动互联网时代甚显"佛系"的欧洲，开始警觉。毕 竟，当全球移动互联网原生勃勃生长时，欧洲在谈的是数据隐私保护。但如今，一切已经不同，旧 ...

AI行业竞争新阶段 - AI军备竞赛进入对峙阶段，竞争焦点转向构建自主涌现价值的生态系统，而非单纯使用AI工具[2] - 红杉资本指出真正竞争在于构建自主涌现价值的生态系统[2] - 行业竞争主线从工具应用转向AI内化与原生，即让AI成为产品生长的土壤和业务增长的飞轮[2] AI内化与原生概念 - 百度李彦宏提出AI"内化"概念，指AI能力成为企业原生能力，智能从成本转变为生产力[2] - 中国信通院定义AI原生为以AI为系统设计底层逻辑，驱动技术架构、业务流程、组织角色到价值创造方式的全方位重塑[5] - AI原生要求从AI能力和特性出发重新设计产品逻辑和业务流程，而非在现有系统上"外挂"AI工具[5] 企业应用AI的经济潜力 - 摩根士丹利报告预测AI技术普及可为美国企业每年节省9200亿美元成本[5] - 生成式AI可能为标普500指数企业创造最高达16万亿美元市值增长，接近当前总市值的1/4[5] - 全面应用AI可能需要数十年时间，部分企业在AI全面应用上存在重大风险[5] AI原生应用特征 - ChatGPT革命性在于构建"用户反馈→模型迭代→体验升级"的闭环流水线，实现持续学习进化[6] - AI原生应用价值在于持续提高解决问题能力，而非一次性解决问题[6] - 传统AI工具价值受限于预设业务流程效率上限，AI原生应用能不断突破设定上限[6] 百度AI业务进展 - 百度世界2025大会展示焕然一新的AI业务矩阵，核心产品深度重构[2] - 萝卜快跑全无人驾驶里程突破1.4亿公里，每1014万公里仅出现一次气囊弹出事故[12] - 萝卜快跑覆盖22座城市，全球出行服务次数超过1700万次，安全性和订单量全球第一[12] 百度AI原生应用成果 - 千帆平台Agent数量超130万，百度网盘、百度文库集成全端通用智能体GenFlow[14] - 推出能自我演化的智能体"伐谋"，擅长解决复杂最优方案问题[14][16] - 对话式应用开发平台"秒哒"用户创建应用数达40万，已发布海外版本[16][18] 百度技术架构建设 - 构建"芯片-框架-模型-应用"全栈自研四层框架，成为效果涌现的泉眼[26] - 昆仑芯发展历经多代迭代，2025年点亮国内首个全自研三万卡集群[23] - 昆仑芯中标中国移动十亿级AI算力集采项目，支持单机部署满血版DeepSeek R1[23] 百度技术突破 - 发布新一代文心大模型5.0，作为业内少有的原生全模态大模型[26] - 文心模型ERNIE-5.0-Preview-1022在文本任务评测中位列全球并列第二、中国第一[26] - 百度美股今年前三季度累计上涨超过80%，大幅跑赢纳斯达克指数及多数中概股[18] 行业变革本质 - AI原生是系统性能力，需要从底层技术到上层应用的完整重构[27] - 真正变革源于所有必要要素齐备后对生产与创造范式的系统性重组[26] - 技术革命中最大风险是固步自封而非冒险，百度通过技术积累转变为生态构建者[27]

行业整体趋势与预测 - 中国智能终端市场正全面迈入AI原生时代，AI将重构终端核心价值、交互方式并推动生态、场景与品类深度创新 [1] - 2026年中国智能终端市场出货量将超过9亿台，传统AI终端渗透率在2027年将突破93%，同比增长4% [3] - 2026年中国市场传统AI终端出货量将超过3亿台，2029年传统AI终端渗透率将接近97% [4] - AI终端将从消费场景贯通至产业体系，成为撬动经济转型的关键生产力工具和新质生产力的重要载体 [2][3] - 政策强化AI、算力与数据要素布局，为AI原生创新提供支撑，终端智能化与具身智能、量子科技等前沿技术融合驱动新经济模式涌现 [3] 联想公司的市场地位与业务表现 - 公司在2025年第三季度蝉联全球PC市场第一，出货量达1940万台，市场份额为25.5%，其AI PC业务稳居全球Windows AI PC第一 [4] - 公司独创的AI原生技术体系支撑其在消费和商业领域的强大竞争力 [4] - 公司推出的乐享企业超级智能体是业内首个落地的企业级超级智能体，累计创收18.9亿元，覆盖20余个核心场景 [5] - 该企业级智能体日均支持超100万次交互请求，带动用户周活跃度提升270%、订单转化率增长30% [5] - 天禧个人超级智能体聚集了超2000家生态伙伴，形成“终端+云+生态”的协同创新网络 [5] 人机交互体验的演进 - 超40%用户期待智能终端提供情绪支持，设备从功能导向转向懂我导向，人机交互升级为感知到的理解 [7] - 天禧超级智能体具备先知、无界、灵动三大特性，支持从被动响应转向主动服务，实现多设备无缝协同 [7] - 联想AI PC用户周活率达40%，客服场景中智能体坐席占比超75%，仅需400名人工坐席即可高效处理年超4000万服务单量 [7] - IDC预计2026年中国智能眼镜出货量同比增长73%、智能戒指增长40%，公司正抓紧布局相关领域 [7] 全球化与场景化布局 - 中国智能终端出海从产品输出转向全球化布局与本地化生产并重，2026年中国智能服务机器人市场规模增速将达54% [9] - 公司依托11国33家工厂的分布式制造网络，实现全球资源与本地交付的高效协同，将欧洲市场交付周期缩短30% [9] - 此布局推动公司手机业务在海外市场排名升至前五，亚太、欧洲-中东-非洲地区营收同比增速分别达155%、28% [9] - 公司在消费端推出全球首款量产卷轴屏AI PC，其折叠屏设备在西欧市场稳居第一 [10] - 在教育场景，公司通过AI笔记、个性化学习智能体等服务超千所学校，布局IDC预测教育学习场景9%增速的赛道 [10] AI赋能产业价值链 - 公司通过AI赋能全价值链，实现降本、增效、开源 [12] - 在供应链端，独创“极限左移”质量管理理念将质量管控前置到研发阶段，近5年电脑初期故障率改善45% [12] - 营销环节的营销智能体在2025年618大促中生成60%内容，转化率提升30% [12] - 销售智能体将23万中国大型企业客户的季度触达率从三分之一提升至全覆盖 [12] - 服务智能体的坐席AI伴随功能让客服效率提升3倍以上 [12]

AI与金融融合的行业阶段 - AI与金融融合进入深水区，行业从探索期迈入价值验证期，市场焦点从“AI能做什么”转向“AI能带来多少增长” [1] - AI已从“试试看”走向“必须做”，正从成本中心转变为服务、营销与价值创造的核心 [1] - 真正的“AI原生”需要科技与业务深度融合，驱动从内外部协作、迭代研发、用户体验到组织关系的全面变革 [1] 不同类型金融机构的AI挑战与路径 - 头部金融机构核心挑战在于利用AI在合适业务范围内挖掘更大价值，解决AI应用在深度和特定层面的落地问题 [2] - 中小金融机构需求更务实，核心目标是解决业务增长难题，应对净息差收窄、营收增速放缓和同质化竞争的挑战 [2] - 区域性银行在与蚂蚁数科合作的金融机构中占比最高，达到三分之二 [2] - 预算有限的区域性银行可从场景应用入手，按效果付费，逐步加大投入 [3] - 部分银行优先升级手机App/小程序为AI手机银行，提升用户体验和活跃度，再分阶段累加智能体应用 [3] - 最理想模式是将AI作为一把手工程，构建自主“金融大脑”，推动端到端的业务流程重塑和组织升级 [3] “按效果付费”商业模式的设计与案例 - “按效果付费”模式核心逻辑是AI必须为客户带来实际业务效果，而非仅作为科技软件出售 [6] - 该模式旨在帮助中小金融机构减少对AI投资效果的担忧，更有决心尝试使用AI [7] - 模式适用于营销类、效果导向明显的产品，合作以具体业务结果为导向进行费用结算 [7] - 蚂蚁数科助力某城商行打造AI手机银行，降低操作门槛，提升老年客户满意度，业务转化率提升10% [7] - 有城商行通过合作系统性构建“算力－平台－模型－应用”全栈AI能力，为未来十年AI转型奠定基础 [7] 数据合规与AI模型训练策略 - 采用“两阶段训练”策略：第一阶段利用公开数据预训练模型，第二阶段由金融机构在自身环境中使用专属数据对模型进行再训练 [8] - 通过特定部署方式从源头避免数据跨主体流通带来的安全风险 [8] - 在数据互通层面，严格遵循监管，仅针对非敏感数据的必要流通，借助隐私计算、可信数据空间等技术保障数据不泄露且有效流转 [8]

公司AI转型战略 - 公司通过一封内部“AI宣言”推动组织级转型，核心观点是必须认真对待AI并进行集中投入，以成为“AI原生”公司[7] - 转型的关键举措包括重新定位为科技公司、恢复黑客周活动、启动多个特别项目以重燃团队创造热情[9] - 进行了关键的组织结构变革，从“总经理制”转向“职能制”，将所有工程师和设计师分别归属于统一的部门，以集中力量推进AI和技术深度[10][11] - 组织结构变革后，公司能够使用统一的技术语言、工具和评估体系，工程师可在不同团队间流动，技术卓越成为共同目标[12] AI智能体Goose的应用与成效 - Goose是一个开源AI代理框架，其核心是将大语言模型输出与实际系统行为连接起来，使AI不仅能对话还能执行任务[3] - 深度使用Goose的工程团队每周平均节省8至10小时人工工作时间，公司整体的人工节省率估计为20%至25%[14] - Goose特别适合非技术团队自建小工具，例如企业风险管理部门现在能自行开发内部系统，将原本需数周的流程缩短至几小时[14] - Goose具备高度自主性，能自动完成复杂任务流，例如连接数据平台、编写SQL、生成图表并发送报告[25] - 公司内部员工可自由选择AI工具，但Goose因与内部系统整合最佳而被广泛使用，仅需几行代码即可实现自动化[26] AI对生产力与工作方式的改变 - AI已深度融入日常开发流程，AI原生团队使用Vibe Code等工具几乎不再手写代码，而旧系统团队也引入后台AI工具进行自动修复[13] - AI工具对生产力的提升通过“节省的人工工时”来衡量，目前相当于为每名工程师节省了四分之一的时间[17] - AI工具的使用效果因项目而异，从零开始的新项目效率提升显著，而在复杂的老代码库中提升相对有限[18] - AI正在模糊岗位界限，非技术岗位如法务、风控团队也能使用AI工具编写代码，带来效率的惊人提升[38] - AI不仅提升个体效率，还改变了协作模式，各部门自建软件的能力增加了整体开发任务量，推动了更快的交付速度[38] 未来AI发展趋势与招聘策略 - 未来AI发展的关键在于提升大模型的自主性，目标是让AI能持续工作数小时甚至数天，实现夜间自动构建功能[31] - AI将改变软件重构的经济性，使“删除再重建”成为可能，未来版本发布可能由AI生成最优新代码[32] - 公司正在实验让Goose进行自我改进，目前约有60%的任务能由AI成功完成，其余仍需人类介入[33] - 招聘策略更看重“学习型思维”和批判性思维能力，而非单纯是否熟练使用AI工具，鼓励候选人在面试中展示AI协作能力[36][37] - 资深工程师和新人工程师最愿意使用AI工具，前者用以自动化重复性工作，后者则上手极快毫无包袱[38] 产品开发与组织管理经验 - 产品成功的关键在于是否真正解决用户问题，代码质量与产品成功没有直接关系，并以YouTube的成功为例说明[50][51] - 有效的组织管理需要“受控的混乱”，在确保系统可靠性的前提下给予工程师自由探索的空间，能激发最有价值的创新[52] - 重要的领导力经验包括“从小处开始”，专注于可完成的小目标，Goose和Cash App等成功项目均始于小型实验或黑客周[53] - 康威定律在实践中具有强大影响力，改变组织结构是改变产品结果的前提，作为技术领导者需定期退后一步反思整体方向[48]

AI创投生态焦点转变 - AI创投生态焦点从技术炒作转向商业化落地，AI独角兽开始证明可持续收入模式 [2] - AI Agent和"AI原生"独角兽商业模式成熟，为全新企业形态和创业模式提供可能 [2] 全球AI初创企业融资规模 - 2025年诞生的54家估值超10亿美元公司中，超过半数（57%）是AI公司 [3] - 风险投资中几乎每两笔就有一笔流向AI初创企业 [3] - 2025年上半年AI行业融资额已超过2024年全年总和 [3] AI投资逻辑转变 - 早期AI投资聚焦"AI+行业"赋能逻辑，关注用AI改造现有业务流程 [6] - 2024年后投资逻辑根本性转变，资本追逐只有AI才能创造的全新价值 [6] - Thinking Machines Lab在未推出产品情况下以120亿美元估值完成20亿美元种子轮融资 [6] 超级独角兽崛起 - 全球估值前十独角兽中已有四家AI企业：OpenAI、Anthropic、xAI、Databricks [8] - 这些企业核心价值在于对算力、算法和模型的掌握，代表市场对AGI潜力的最高定价 [8] AI公司商业化水平 - 全球约15家AI公司年度经常性收入（ARR）超过1亿美元 [9] - ARR突破10亿美元有三家：OpenAI（100亿美元）、Anthropic（40亿美元）、ScaleAI（15亿美元） [9] - ARR在5000万美元到10亿美元之间的AI企业以各类AI应用为主 [9] AI Agent领域发展 - AI Agent是基于大语言模型的系统，通过推理、规划和与外部工具交互独立执行任务 [11] - AI Agent领域从约300家企业发展到数千家，逐渐融入各垂直行业工作流程 [11] - 底层模型能力跃升直接转化为AI原生创企ARR的阶跃式增长 [11] AI原生企业产品价值 - AI原生企业产品价值主张完全建立在AI能力之上，核心功能在无AI时代无法实现 [11] - 产品核心价值随模型性能提升而提升，而非运营效率 [11] - 法务AI初创Harvey使用OpenAI o1推理模型构建法律Agent，2025年2月以30亿美元估值融资3亿美元，过去6个月销售团队翻倍，达到1亿美元营收门槛 [11] AI独角兽成长速度 - 2025年新晋独角兽中五分之一正在打造AI智能体 [12] - Anysphere从成立到估值99亿美元仅用3年，其产品Cursor的ARR达5亿美元 [12] - Lovable成立仅2年即达到1亿美元ARR和35亿美元估值，传统SaaS时代需7-10年才能实现 [12] AI技术对开发周期影响 - AI技术极度压缩产品开发周期，利用基础模型快速构建原型，通过生成式AI自动化开发工作 [13] - 形成"AI加速的AI创业"正向飞轮：更快产品迭代→更好用户体验→更快营收增长→更多资本支持→更强技术投入 [13] AI服务商业模式演变 - AI服务从早期软件订阅转向结果导向型付费 [13] - 对完全自主执行复杂任务的AI Agent，可能采用按任务成功率或计算时长按需付费 [13] - 收费基于交付结果质量和业务影响，解决传统软件订阅无法匹配AI非线性价值的问题 [13] AI Agent融资与市场格局 - AI Agent初创公司在2024年融资38亿美元，是2023年总额的近三倍 [14] - 大型科技公司和企业软件巨头（如Salesforce、ServiceNow）在AI智能体开发方面拥有显著优势 [14] - 技术栈各层初创公司通过解决特定技术挑战并突破智能体能力边界建立市场地位 [14] 主要AI Agent应用领域 - 横向AI智能体创业公司占比最高，提供跨行业通用应用，覆盖人力资源、市场营销、安全运营等工作职能 [15] - 客户服务和软件开发是发展势头最强、竞争最激烈的AI智能体领域 [16] - 客户服务AI Agent估值溢价最高，平均为收入倍数的219倍 [16] 垂直领域AI Agent应用 - 垂直行业Agent在监管严格和数据敏感领域不断涌现，如法律领域的Harvey [17] - 医疗和金融领域AI创企通过"行业数据+合规框架+工具化能力"深耕，复制成功模式 [17] - AI编程Agent在商业化方面领先，6家软件开发代理名列前茅 [16] AI对创业组织形态影响 - 生成式AI使创业变得廉价方便，赋予个体创业者相当于中型组织的生产力 [18] - AI原生企业核心商业逻辑在于"人机混合"团队构建组织杠杆：少量专家与大模型/智能体协作 [18] - 价值增长依赖于对专有数据的捕获和利用，而非传统渠道或人力规模 [18]