人工智能行业宏观前景 - 人工智能将成为未来数年乃至数十年的全球主导主题之一 已深度融入日常生活工具与流程 [1] - 人工智能市场的宏观环境依然积极 资本支出是并可能持续是人工智能热潮的最大驱动力 大型公司已投入或承诺投入数百亿乃至上千亿美元用于人工智能开发 [5] - 随着各行业公司发展自身基础设施 行业收入增长预计将快速上升 这一趋势可能持续数年 [5] - 当前人工智能市场规模为3710亿美元 预计到2032年将增长至2.4万亿美元 [6] - 根据Motley Fool研究 十分之九的投资者预计在未来一年维持或增加其人工智能股票敞口 [6] Roundhill生成式人工智能与技术ETF(CHAT)产品特点 - 该ETF为希望直接全面接触人工智能主题 而非挑选个股的投资者提供了一个选择 [3] - ETF旨在投资于至少50%收入来自人工智能相关活动的公司 [6] - 该基金采用主动管理、集中的纯主题策略 并包含国际敞口 以此区别于同类产品 [6] - 主动管理在人工智能等快速发展的主题投资中是一个优势 能使基金实时适应快速变化的人工智能格局 调整对领先者和落后者的敞口 捕捉新兴增长机会 不受固定再平衡周期的约束 [9][10] - 增加国际敞口反映了人工智能是全球性现象 不仅限于美国 [9] 与同类人工智能ETF的对比 - 与Global X人工智能与技术ETF(AIQ)和Invesco人工智能与下一代软件ETF(IGPT)相比 CHAT ETF在多个维度上存在差异 [3][8] - 业绩表现：CHAT过去一年回报率为+111% 年初至今回报率为+8% 优于AIQ的+48%与-6% 以及IGPT的+68%与+1% [8] - 费用与策略：CHAT费用率为0.75% 采用主动管理 持仓45只股票 美国市场敞口为58% AIQ费用率为0.68% 采用被动管理 持仓84只股票 美国敞口68% IGPT费用率为0.56% 采用被动管理 持仓100只股票 美国敞口80% [8] - 在主题投资中 更集中、更纯粹的主题敞口被认为更优 过于宽泛的投资可能导致投资组合被稀释 仅包含与主题间接相关的公司 [8]

公司产品发布与市场反应 - Meta Platforms发布了其一年多来首个重要AI模型“Muse Spark”，这是Meta Superintelligence Labs的首个产品 [3] - 市场反应积极，消息公布后Meta股价在五个交易日内飙升近10%，周五收盘报每股629.86美元 [3][6] - 在发布日当天，Meta股价单独上涨6.5%，表现优于标普500指数2.5%和纳斯达克指数2.8%的涨幅，这波势头贯穿全周，带来了近10%的五日回报率 [11] 产品开发策略与性能表现 - 公司最初计划在3月发布（当时代号为Avocado），但因内部测试显示其性能不及竞争对手而推迟至5月，旨在与谷歌Gemini 3.0等模型正面竞争 [2] - 延迟发布使公司能够缩小与Gemini 3.1 Pro和GPT-5.4的竞争差距，而非发布一个性能不佳的模型，这验证了在AI军备竞赛中耐心优于速度的策略 [1][5] - Muse Spark在Intelligence Index上得分为52，落后于领先者Gemini 3.1 Pro和GPT-5.4（均为57分）以及Claude Opus 4.6（53分），但在健康相关任务（HealthBench Hard得分为42.8）和多模态推理方面表现突出 [7] - 公司强调其优先考虑效率和实际效用，而非纯粹的基准测试成绩，该模型支持工具使用、视觉思维链和多智能体编排，同时设计上保持“小巧快速” [8] - 尽管在某些抽象推理和编码任务上仍落后，但差距已缩小到足以让日常用户感受到更智能、更快速的响应，相比Llama 4，升级感显著 [7][9] 财务与估值状况 - Meta Platforms在2025年全年营收达到2010亿美元，同比增长22% [6][12] - 过去12个月的每股收益约为23.49美元，基于此的远期市盈率约为18倍 [12] - 与同行相比，该估值显得合理：Alphabet的市盈率为23倍，微软的市盈率为19.6倍 [6][12] 商业模式与市场定位 - Muse Spark标志着公司向闭源模型的刻意转变，旨在实现“个人超级智能”，并计划在Meta AI应用、meta.ai网站以及WhatsApp、Instagram、Facebook、Messenger和AI眼镜中推出 [7] - 公司的广告驱动模式，现在由更智能的AI推荐系统增强，为其提供了清晰的持续增长路径 [12] - AI现已嵌入其39.8亿月活跃用户的产品中，为公司通过广告、订阅和API预览实现AI货币化提供了基础 [9][14] 行业竞争格局 - 科技巨头之间的AI军备竞赛没有放缓迹象，公司们持续投入数百亿美元用于数据中心、人才和计算能力，以追求在推理、多模态和现实世界实用性方面的下一次飞跃 [4] - 竞争对手如OpenAI、Anthropic和Google DeepMind仍在持续进步 [1][5]

Agent Harness 概念与重要性 - 智能体表现不佳的核心原因通常不是底层大模型的问题，而是包裹模型的外部软件基础设施——Agent Harness（智能体外壳）——存在问题[2][3] - Harness 被正式定义为包裹在大模型外部的全部软件基础设施，包括编排循环、工具调用、记忆系统、上下文管理、状态持久化、错误处理和安全护栏等，其复杂度可能远超业务逻辑本身[6] - 一个类比是，裸模型如同没有操作系统的 CPU，而 Harness 就是操作系统，上下文窗口是内存，外部数据库是磁盘，工具集成是设备驱动[8][9] Harness 的核心组件与架构 - 生产级 Harness 包含 12 个独立组件，其中最关键的包括编排循环、工具系统、记忆系统、上下文管理、错误处理和验证循环[10] - 编排循环是 Harness 的心跳，执行 Thought-Action-Observation 循环，本质上是一个管理轮次的 while 循环，但管理着复杂的终止条件和长任务连续性[11][12] - 工具系统是智能体的手，以 schema 形式注入上下文，例如 Claude Code 提供六类工具，OpenAI SDK 支持函数工具、托管工具和 MCP 服务器工具[12] - 记忆系统在多个时间尺度上运作，包括短期记忆和跨会话的长期记忆，Claude Code 实现了三层层级结构，关键设计原则是行动前先验证记忆[14] - 上下文管理的核心挑战是“上下文腐烂”，即使百万级长上下文窗口也无法免疫性能退化，生产环境策略包括压缩、观察遮蔽、按需检索和子智能体委派[18][19] - 错误处理至关重要，一个 10 步流程若每步成功率 99%，端到端成功率仅约 90.4%，错误被分为瞬态、模型可恢复、用户可修复和意外错误四类[22][23] - 验证循环是将玩具 demo 与生产级智能体区分开的关键，包括规则验证、视觉验证和“模型即裁判”三种方式，可将输出质量提升 2 到 3 倍[25][26][27] 行业实践与框架对比 - 主要框架的设计哲学各异：Anthropic 的 Claude Agent SDK 采用“傻循环”理念，将智能全放在模型端；OpenAI Agents SDK 强调代码优先；LangGraph 基于显式状态图；CrewAI 采用角色分工的三层结构[32] - 模型和 Harness 正在共同进化，例如 Codex 模型在特定 Harness 上表现更好，更换 Harness 可能导致性能下降，选择 Harness 就是选择了生态[34] - AutoGen 开创了对话驱动的编排，其三层架构支持顺序、并发、群聊、交接和 Magentic 五种编排模式，覆盖了几乎所有的多智能体协作场景[35] - LangChain 从 AgentExecutor 演进到 LangGraph，其 Deep Agents 明确使用了“Agent Harness”术语，说明行业正趋向统一的概念[34] 设计原则与发展趋势 - Harness 设计面临七个关键抉择，包括单智能体 vs 多智能体、工具范围策略和 Harness 厚度等，行业建议是先将单智能体做到极致，工具并非越多越好[29] - Harness 就像建筑工地的脚手架，随着模型能力增强，其复杂度应该降低，存在“共同进化原则”，好的设计应能在换上更强模型后自动提升性能而不增加 Harness 复杂度[36][37] - 对于 AI 产品团队，Harness 才是真正的产品，将 80% 的精力放在 Harness 优化上可能比换模型更有效，行业数据显示仅靠 Harness 优化就能在基准测试中提升 20 多名[39] - “少即是多”是重要原则，Vercel 砍掉 80% 的工具后表现反而更好，这与软件工程的古老直觉一致[40] - 未来的竞争是“模型 + Harness”组合的系统之战，行业正走向更薄的 Harness，但 Harness 作为管理上下文、执行工具、持久化状态和验证工作的结构性需求不会消失[40][42]

美伊冲突与市场影响分析 - 美伊双方谈判核心诉求达成一致的概率不低 美方核心诉求是伊朗放弃铀浓缩 以获取政治成就并从中东冲突中脱身 伊方核心诉求是维持对霍尔木兹海峡的封锁能力 将其作为低成本且有效的对美制衡工具 双方在破坏基础设施的红线前止步 意味着战争极端升级概率不高[1][2] - 战争尾部风险消除 其对市场的实际影响在减弱 CBOE原油ETF期权隐含波动率从3月11日120.91%的高位 回落至美伊停火后的78% 为3月5日以来首次跌破80%[3] - 未来影响市场的关键变量是真实的霍尔木兹海峡通航量 而非谈判新闻 目前通航仍未恢复 航运公司面临磨合成本与船员意愿问题 未来两周达成的通航容量将决定市场情绪[1][4] - 若实质性封锁持续 经济指标可能面临下修 实体与金融条件恢复将需数月 布油当月与1年远期合约价差显示 市场初期对长期供给缺口相对乐观 但4月以来贴水大幅压缩 开始定价海峡通航长期受阻[4] 市场资金趋势与情绪 - 经济和流动性的不确定性仍在积累 市场在空头回补的普遍反弹后将缩圈聚焦 而非扩散[1][5] - 投资者情绪指数单日读数从4月7日的25.0大幅飙升至4月8日的68.1 全市场保证金/流通市值之比本周出现大幅回落 表明部分观望资金已重新回归市场[5] - 市场逻辑将从定价战争预期转向定价实际经济影响 关键取决于海峡真实通航情况及中下游价格反馈 供应链中断负面影响仍在累积[5] - 截至4月9日 北海现货油价基准Forties Blend飙升至近146.7美元/桶 超越2008年历史高点 然而当日ICE布伦特原油主力合约结算价为95.9美元/桶 贴水高达50.8美元[5] 板块配置聚焦方向 - 市场将缩圈聚焦至四条仍在上升趋势之上的线索：AI硬件、资源、周期涨价和红利[1][6] - 自3月23日以来 AI、资源、周期涨价、红利组合的净值涨幅分别为5.5%、7.1%、6.5%、1.3% 这些主线各有基本面逻辑和稳定的资金簇拥[6] - 创新药也是一个相对独立的线索 满足有产业逻辑和固定资金簇拥的条件 但选Alpha门槛过高[6] AI硬件领域的预期差 - 在四条趋势线索中 预期差主要存在于国产AI硬件和周期涨价环节[1][7] - 北美AI链预期和定价相对充分 已缩圈至存储和光通信两个供需结构最紧俏的环节[7] - 国产AI是预期和定价相对不充分的方向 中国在全球微调与衍生模型的数量占比已达70% token份额达到72.7% 国产AI硬件处于“量的扩张期” 有能力承接部分原专注于北美链的资金外溢[7] 资源与周期涨价板块分析 - 资源板块自去年以来已充分定价 “资源民族主义”叙事被广泛认知 贵金属带来情绪和流动性溢价 板块整体预期差不显著 机会更多体现为结构性Alpha 核心是寻找具备量增逻辑支撑的方向[8] - “原油→PPI→周期企业盈利”传导链条是全年维度兼具预期差、高确定性和空间的方向 对应泛周期涨价线索[9] - 中东冲突引发局部供给侧产能去化 供应链份额向备货充足或来源多元的企业转移 大炼化、煤化工等环节景气周期可能被放大 基础化工在油价企稳下也具备盈利弹性[9] - 投资者对周期涨价逻辑有共识但缺乏稳定持仓 这本身构成预期差 3月冲突导致绝对收益资金减仓 冲击了以这类资金为主导定价的泛周期品种[9] 具体配置建议 - 配置围绕中国优势制造定价权重估展开 以化工、有色、电力设备、新能源为主构建底仓[10] - 化工可能是此轮中东供给受损、周期涨价催化最明显的行业 有色金属在流动性冲击结束后有望重塑资源属性定价[10] - 需密切关注国产AI硬件进展 “量”的逻辑爆发是目前AI链条上预期差较大的方向[10] - 建议继续增配低估值品种 如券商、保险[11] - 周期涨价品种中 大炼化可能是此轮冲突受益最明显的环节 此外可关注四条思路：1)存在第二替代原料/工艺路线的化工品 2)原先中东/西欧产能占比较大的品种 3)替代品受成本影响涨价带动需求的品种 4)已处于涨价通道的供需紧平衡品种[11]

迈克尔·伯里对Palantir与Anthropic的观点及市场影响 - 知名投资者迈克尔·伯里在已删除的推文中表示“Anthropic正在吃掉Palantir的午餐” [1] - 自4月8日该观点发布后 Palantir股价在五天内快速下跌超过13% 尽管随后因前总统特朗普在Truth Social上发帖支持而略有回升 [1] 伯里的做空立场与依据 - 伯里自2025年秋季起持有Palantir的看跌期权并持续维持 未因特朗普的近期言论而计划卖出 [2] - 其看空理由包括 Anthropic在数月内估值从90亿美元跃升至300亿美元 而Palantir用了20年才达到50亿美元 [3] - 伯里认为 Anthropic的产品对企业而言是“更简单、更便宜、更直观的解决方案” 而Palantir的政府合同利润率低、市场小 难以实现快速增长 [3] Anthropic的市场表现与竞争优势 - 根据Ramp报告 在首次进行AI支出的新企业中 73.3%选择Anthropic而非OpenAI [3] - 在美国企业付费订阅市场中 OpenAI以34.4%的采用率位居第一 Anthropic以24.4%位居第二 [4] - Anthropic推出了“玻璃翼项目” 旨在利用其新Claude Mythos模型防御AI驱动的网络攻击 这有助于其获取更多AI市场份额 [5]

事件概述 - 英国金融监管机构正紧急评估人工智能公司Anthropic最新AI模型Claude Mythos Preview带来的网络安全风险[1] - 美国财政部此前已就同一模型的潜在网络风险召集华尔街主要银行进行讨论[4] 监管机构行动 - **参与机构**：英国央行、金融行为监管局、英国财政部正与英国国家网络安全中心进行紧急会谈[2] - **会谈目的**：审查由Anthropic最新AI模型揭示的关键IT系统潜在漏洞[2] - **后续安排**：计划在未来两周内，向英国主要银行、保险公司和交易所的代表通报该模型带来的网络安全风险[3] 涉及公司及产品 - **公司名称**：人工智能初创公司Anthropic[1] - **产品名称**：最新AI模型Claude Mythos Preview[3] - **项目背景**：该模型作为“Project Glasswing”的一部分进行部署，是一项受控计划，允许选定的组织出于防御性网络安全目的使用该未发布的模型[4] - **已发现成果**：该模型已识别出操作系统、网络浏览器及其他广泛使用软件中的“数千个”重大漏洞[5] 行业反应 - **金融机构参与**：英国主要银行、保险公司和交易所将参与监管机构的通报会议[3] - **国际联动**：美国财政部长Scott Bessent已就同一模型的网络风险潜力召集了华尔街主要银行[4]

行业趋势与市场预测 - 生成式人工智能被视为“一生一次”的突破性技术，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年的潜在市场规模可能达到250万亿美元，并将重塑全球经济 [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] - 人工智能被比尔·盖茨视为其一生中“最大的技术进步”，比互联网或个人电脑更具变革性，能改善医疗、教育并应对气候变化 [8] 主要参与者与投资动态 - 科技巨头如亚马逊、特斯拉、英伟达、Alphabet和微软已在该领域取得成就，但市场认为存在更大的机会 [6] - 拉里·埃里森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] - 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] - 对冲基金和华尔街顶级投资者已对此产生狂热兴趣 [4] 潜在投资机会 - 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，其超低成本的AI技术令竞争对手担忧 [4] - 市场观点认为，真正的机会并非英伟达，而是一家规模小得多、专注于改进关键基础技术的公司 [6] - 该公司的潜在价值被描述为相当于175个特斯拉、107个亚马逊、140个Meta、84个谷歌、65个微软或55个英伟达 [7]

行业前景与市场预测 - 亚马逊CEO将生成式AI描述为“一生一次”的技术 正在全公司范围内用于重塑客户体验 [1] - 埃隆·马斯克预测到2040年将至少有100亿个人形机器人 单价在2万至2.5万美元之间 [1] - 根据马斯克的观点 该技术到2040年可能价值250万亿美元 相当于重塑全球经济 [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 [3] - 比尔·盖茨将人工智能视为“我一生中最大的技术进步” 其变革性超过互联网或个人电脑 [8] 技术突破与产业影响 - 这项突破性技术正在重新定义人类工作、学习和创造的方式 [4] - 这项突破已在对冲基金和华尔街顶级投资者中引发狂热 [4] - 沃伦·巴菲特表示这项突破可能产生“巨大的有益社会影响” [8] - 拉里·埃里森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嵌入甲骨文云和应用 [8] 投资机会与市场参与者 - 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廉价AI技术应引起竞争对手的担忧 [4] - 真正的故事并非英伟达 而是一家规模小得多的公司 它正在悄然改进使整个革命成为可能的关键技术 [6] - 硅谷内部人士和华尔街资深人士的信息显示 存在比现有科技巨头更大的机会 [6] - 特斯拉、英伟达、Alphabet和微软的成就之外 存在更大的机会 [6] 市场估值对比 - 250万亿美元的市场规模大致相当于175个特斯拉、107个亚马逊、140个Meta、84个谷歌、65个微软和55个英伟达的市值总和 [7]

文章核心观点 - 哈尔滨工业大学（深圳）等机构提出的隐式思考模型LRT，通过轻量级推理网络将大模型冗长的显式思维链压缩为紧凑的隐式向量表征，实现一次前向计算完成推理，显著提升了推理效率并超越了原生非思考模式的性能 [2][9][33] 研究背景与动机 - 以OpenAI o1、DeepSeek-R1、Qwen QwQ为代表的慢思考推理模型存在“过度思考”问题，生成冗长的逐步推理链 [4] - 核心研究发现，推理轨迹存在大量冗余，即使随机丢弃50%的推理轨迹，模型准确率仅下降约2个百分点 [5][8] 技术方法：LRT框架 - 核心思想是用一个轻量级推理网络，将显式推理链“编码”为固定长度的隐式向量，直接注入大模型生成最终答案 [10] - 技术流程分为三步：输入编码、隐式推理（一次前向传播生成隐式向量）、答案生成 [13] - 训练采用两阶段优化：第一阶段监督微调优化推理网络参数，第二阶段采用强化学习（GRPO）以答案正确性作为奖励信号进一步优化 [18][19] 实验结果：高效思考 - 在DeepSeek-R1-Distill-Qwen-1.5B模型上，LRT在不同Token预算下表现最优 [21] - 在512-Token预算下，LRT平均准确率比NoThinking模式高2.66%，比RL类方法ShorterBetter和LC-R1分别高5.90%和4.74% [21] 实验结果：混合思考范式 - LRT的模块化设计适合作为混合推理新范式，可在简单问题用隐式思考快速作答，困难问题切换回显式慢思考 [23] - 在Qwen3-4B模型上，LRT的pass@4平均准确率达到71.60%，比Qwen3原生非思考模式高出5.82个百分点 [23] - 在GSM8K任务上提升近7%，在LSAT任务上提升超过14% [23] 实验结果：推理效率与消融分析 - LRT的推理延迟显著低于Qwen3的混合思考模式，甚至比非思考模式还快，因为隐式推理向量引导模型生成更简洁答案，减少解码步数 [26] - 消融实验显示，隐式推理token数量从64增加到256时，性能从42.53%稳步提升至48.42% [27] - 加入强化学习训练阶段后，域内任务平均提升约9%，域外任务平均提升约4.3% [28] - 对于更大的基础模型（如Qwen3-8B），使用512个隐式token时性能仍能提高，说明隐式推理的“容量”与基础模型能力正相关 [29] 研究总结与意义 - 理论层面，系统性地揭示了推理轨迹的高度冗余性，证明完整逐步推理链并非正确推理的前提 [33] - 效率层面，通过将显式推理链压缩为隐式向量，用单次前向计算替代数千步自回归解码，大幅降低推理成本 [33] - 应用层面，模块化的即插即用设计，无需修改大模型参数，可在隐式与显式推理间无缝切换，为混合推理系统提供了更优替代方案 [33] - 效果层面，在数学、逻辑、科学等多类基准上全面超越现有高效推理方法 [33]

公司动态与市场策略 - Anthropic宣布开发出名为Mythos的强大AI模型 但出于责任考量 决定不向公众发布该模型 [1] - 公司近期获得大量媒体关注 包括《纽约客》万字专题 《华尔街日报》两篇报道 以及《时代》杂志封面报道 [3] - 公司联合创始人Dario Amodei和Jack Clark在二月份分别登上《纽约时报》播客 讨论AI意识及其经济影响等问题 [4] - 公司媒体负责人Danielle Ghiglieri在LinkedIn上积极宣传公司的媒体成就 包括《时代》封面和CBS《60分钟》节目报道 [7] - 四月初 公司意外泄露了其商业产品Claude的部分内部源代码 但声称未涉及敏感客户数据或凭证 [8] - 公司资源有限 难以提供足够的计算容量供所有订阅用户使用其模型 已对广受欢迎的Claude实施使用上限 并告知用户需在订阅基础上购买额外容量以运行第三方工具 [13] 产品与技术评估 - 新AI模型Mythos的能力尚未得到“证实” 其营销文章使用故意模糊的语言 可能旨在规避审查并获取更多投资 [9] - 网络安全专家指出 Mythos是一项真实进展 但公司声称在主要操作系统中发现数千个“零日漏洞”的说法 对现实网络安全考量意义不大 [9] - “零日漏洞”是软件或硬件中开发者未知的缺陷 但专家基于超过10年、数百次授权访问的经验指出 实际需要利用零日漏洞达成目标的情况“极少” [10] - 当前AI产品之间的差异微小且主观 主要取决于“自我意识”和“灵魂”等难以量化的属性 竞争焦点在于赢得用户心智 [15] - 有观点认为 Mythos的发布是一项战略声明 旨在表明公司“开门营业” 但其发布限制阻止了独立专家验证其声称的能力 [15] 行业竞争与监管关注 - 美国财政部长Scott Bessent为此召集了主要银行负责人进行讨论 英国改革党议员Danny Kruger也致信政府 敦促其与Anthropic接触 因Claude Mythos可能给英国带来灾难性网络安全风险 [1] - 有AI批评者指出 尽管Anthropic的CEO Dario Amodei比OpenAI的Sam Altman拥有更强的技术能力 但似乎毕业于同样的“炒作和夸张学派” [2] - 在与美国国防部的纠葛中 Anthropic尽管开发了被五角大楼用于打击伊朗的AI工具 但其形象处理得比OpenAI更好 后者虽提出帮助美军但可能设置了更少的防护栏 [6] - 行业观察人士认为 公司正经历高光时刻 但开发改变世界技术的公司应受到同等审视 其先意外泄露源代码 又声称通过仅由其控制的新模型来管理网络威胁 若换作其他大型科技公司会遭到嘲笑 [8] - 公司像OpenAI一样 正在竞相筹集数十亿美元资金 以争夺一个尚未明确界定的市场 包括将聊天机器人视为朋友、伴侣或深度个性化助理的个人用户 以及可能用其取代人类员工的企业客户 [14] - 有分析指出 这可能是在沿用OpenAI的“诱饵转换”策略 即安全是优先考虑利润之前获取公众信任的公关工具 而Anthropic的宣传比其竞争对手更好地掩盖了这种转换 [16]