【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容 的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。邮箱： news_center@staff.hexun.com 注：如提及个股仅供参考，不代表投资建议。指数/基金短期涨跌幅及历史表现仅供分析参考，不 预示未来表现。市场观点随市场环境变化而变动，不构成任何投资建议或承诺。文中提及指数仅供参 考，不构成任何投资建议，也不构成对基金业绩的预测和保证。如需购买相关基金产品，请选择与风险 等级相匹配的产品。基金有风险，投资需谨慎。 每日经济新闻 （责任编辑：董萍萍 ） 8月11日，计算机ETF（512720）涨超1.6%。 华创证券指出，最新发布的Kimi K2模型以320亿激活参数实现万亿级规模扩展，采用自研 MuonClip优化器突破训练稳定性瓶颈，在代码、数学、工具调用三大核心赛道全面超越Gemma3、 Llama4等国际开源模型，并跻身大模型竞技场总榜TOP5。该模型通过ACEBench启发的智能体数据合成 技术覆盖数千种工具场景，显著提升任务泛化能力，可自主生成复杂前 ...

Manus联合创始人总结经验教训 - Manus联合创始人季逸超发布技术解析长文 复盘公司从年初爆火至今的开发思路与教训 [1] - 公司近期被曝裁员、清空国内多平台账号等消息 [1] 中国开源模型全球领先 - 全球开源模型排行榜中 Kimi K2、DeepSeek R1、Qwen3等3个中国模型排名前三 [2] - Kimi K2成为全球最强开源模型 领先谷歌Gemma3和Meta旗下Llama4 [2] - 榜单由数千位开发者通过动态盲测进行投票 [2] OpenAI启动5000万美元基金 - OpenAI宣布启动5000万美元初始基金 支持非营利组织和社区组织 [3] - 基金将用于教育、经济机遇、社区组织和医疗保健等领域 扩大AI影响力并促进创新 [3] - 公司还将支持社区主导的研究和创新 利用AI促进公共福祉 [3] Perplexity挑战谷歌移动市场地位 - Perplexity正与移动设备制造商洽谈 希望在智能手机上预装Comet AI移动浏览器 [4] - 公司CEO表示说服OEM将默认浏览器从Chrome改为Comet并不容易 [4] - 强调了移动平台上用户惯性带来的挑战 [4]

科技巨头AI人才争夺战 - Meta、OpenAI等科技巨头以数百万美元薪资争夺AI顶尖研究员，高级AI科学家年薪普遍在300万至700万美元之间，个别超过1000万美元，较2022年上涨约50% [2] - Meta的AI工程师薪酬中位数为56万美元，最高可达350万美元以上；OpenAI工程师薪酬中位数为87万美元，高级工程师可达134万美元，远高于普通软件工程师的18.5万美元中位数 [2] - OpenAI首席研究官批评Meta在假期挖人，公司正在调整薪酬结构和奖励制度以留住人才 [2] - Meta因大语言模型Llama4表现不佳而紧急转向，投资148亿美元入股数据标注公司ScaleAI并组建"超级智能"团队 [3] 人才争夺战的历史演进 - 人才争夺战概念最早由麦肯锡1997年提出，指出知识经济时代人才是企业最稀缺资源，企业竞争实质是人才竞争 [4] - 互联网泡沫时期出现对明星工程师的狂热追捧，企业通过高薪、期权和"联合创始人"头衔吸引人才 [5] - 2002-2019年大数据、云计算时代新兴岗位如数据科学家、算法工程师成为热门资源 [6] - 2022年ChatGPT引爆AI热潮，LLM研究员、推理算法专家等AI人才身价飙升，行业巨头展开战略先发权竞争 [6] 人才争夺战的管理弊端 - 企业常设不切实际招聘门槛，希望直接雇用"即插即用"员工，而非投资内部培训 [7] - 人才被视为可变成本而非资本投资，企业面临短期压力时倾向削减培训，导致更高流动率和绩效问题 [8] - 中小企业因FOMO情绪盲目跟随高薪抢人，导致薪酬体系失衡、文化紊乱等问题 [9][10] - 高薪抢人策略使中小企业偏离产品与客户战略，陷入高成本竞争和"招人无项目"困境 [11] 人才战略的长期主义转向 - 高价挖角并非破解AI人才短缺的通用办法，企业需注重内部人才发展与系统性能力建设 [13] - 未来人才战略将从"争夺"转向"吸引与培育"，体现在选才逻辑改变、雇主吸引力提升和内部机制完善 [14] - 丰田、微软、美的等企业案例显示长期成功依赖系统性组织能力而非高薪挖人 [15] - 真正人才战略不是快一步而是走得远，需构建稳定、适配、可持续的人才生态 [16]

核心观点 - 27岁亿万富翁Alexandr Wang创立Scale AI，公司从数据标注起家，抓住自动驾驶和大语言模型两大风口，现被Meta以143亿美金收购49%股份，创始人成为Meta超级智能团队领导者[1][5][9][17] 创始人背景 - Alexandr Wang中文名汪滔，97年出生，17岁参加物理和计算机奥赛，18岁进入麻省理工后辍学创业[5] - 父母均为物理学家，遗传高智商，被福布斯评为"全球最年轻的白手起家亿万富翁"，身价20亿美金[5] - 创业初期获Y Combinator孵化，项目负责人为OpenAI创始人山姆·奥特曼[5] 公司发展历程 - 2016年19岁时创立Scale AI，主营AI数据标注业务，初期服务自动驾驶公司Cruise、特斯拉和苹果[5][7] - 2019年估值达10亿美金，业务转向大语言模型，为OpenAI训练初代ChatGPT提供数据服务[7] - 2024年面临行业竞争加剧，被Meta以143亿美金收购49%股份，近乎控股[9][17] 商业模式 - 核心业务为人工数据标注，属于劳动密集型产业，通过境外外包平台Remotasks雇佣菲律宾、肯尼亚等廉价劳动力，时薪仅几美分[8][11] - 成本控制导致质量问题，曾发生外包人员用GPT伪造标注数据事件，后限制重要项目外包区域至美英等国[11] - 竞争对手Surge AI采用博士级标注员，主打高质量专业领域数据服务[13] 行业动态 - AI大模型爆发催生数据标注需求，2024年起涌现多家竞争对手，行业从Scale AI垄断转向多元化竞争[13] - Meta的Llama4大模型表现不佳，促使公司重金组建超级AI团队，Scale AI创始人被任命为领导者[15][17] - 自动驾驶和大语言模型是Scale AI抓住的两大风口，中国AI已具备赶超美国硬实力[5][7]

行业竞争格局 - AI领域三巨头微软、亚马逊和谷歌以及OpenAI、Anthropic、xAI等公司已形成领先优势，苹果与Meta面临边缘化风险 [2] - 谷歌基于Gemini模型巩固AI搜索业务地位，并进军AI短视频领域挑战TikTok，可能蚕食Meta的Reels广告市场 [7] - OpenAI正在开发AI硬件，可能成为继MacBook与iPhone后的"第三核心设备"，直接威胁苹果生态 [11] 公司战略与困境 - 苹果在WWDC未展示实质性AI创新，端侧设备AI体验进展缓慢，30亿参数模型落后于华为、小米的70亿参数模型 [6][8] - Meta的Llama4开源模型未达预期，旗舰模型发布推迟且未成为行业基准测试首选 [7] - 两家公司均面临缺人、缺方向的困局，战略执行混乱导致人才流失 [12] 并购与人才争夺 - Meta以143亿美元收购Scale AI近半数股份，并试图整合SSI、Perplexity等估值超百亿美元的AI公司 [2][16] - 扎克伯格亲自参与顶尖人才招募，挖角DeepMind、OpenAI等团队核心成员 [15][18] - 苹果考虑收购Perplexity（140亿美元估值）或Mistral（60亿美元估值），但面临欧盟和微软的竞争阻碍 [19][21] 技术发展瓶颈 - 苹果纠结于AI技术是否符合其"完美"用户体验标准，担忧隐私与幻觉问题 [13] - Meta首席科学家Lecun质疑大型语言模型的发展方向，导致内部技术路线分歧 [14] - 两家公司在智能眼镜领域布局均受限于大模型能力不足，Meta暂聚焦拍照/语音交互 [10] 市场动态与财务动作 - 华为推出鸿蒙6操作系统及50+智能体框架，小米开源70亿参数多模态模型MiMo-VL [8] - 苹果去年股票回购达1100亿美元，今年计划回购1000亿美元，可能调整资金用于并购 [22] - 硅谷进入大模型时代第二波并购潮，继谷歌/亚马逊收编AI公司后，苹果与Meta加速布局 [23]

收购交易 - Meta拟以148亿美元收购AI数据标注公司Scale AI的49%股份 [1] - 交易完成后Scale AI创始人Alexandr Wang将加盟Meta领导新设的"superintelligence"实验室 [1] - 此次收购将成为有史以来规模最大的私营企业融资事件之一 [1] - Meta实际投资金额远高于此前外界猜测的100亿美元 [2] - 49%股权比例可能是为了规避监管部门批准 [2] 战略背景 - 此举旨在加速Meta在AI技术方面的竞争力以赶超业内领先者 [1] - Meta过去以内部自主研发为主此次高额对外押注颇为罕见 [2] - Meta近期发布的Llama4模型获得广泛负面评价被称为"翻车"事故 [2] - 扎克伯格对10亿月活跃用户不满意认为"不成规模" [3] - 扎克伯格正亲自组建50人AI专家团队致力于实现通用人工智能(AGI) [3] 行业竞争 - 微软、谷歌等竞争对手持续投资AI创业公司如OpenAI和Character.AI [4] - Meta开始选择通过外部收购来提升AI实力 [4] - Scale AI客户覆盖OpenAI、谷歌、微软等科技巨头以及美国国防部等公共部门 [6] 标的公司 - Scale AI成立于2016年是以数据标注和治理为核心的AI基础设施公司 [5] - 公司通过子公司Remotasks和Outlier.ai进行外包式数据处理 [6] - 曾陷入"劳工风波"被指为"AI汗血工厂"但美国劳工部调查已中止 [6] - 2024年F轮融资10亿美元后估值接近140亿美元 [7] - 2024年营收未达预期的10亿美元预计2025年突破20亿美元但仍亏损 [7] - 去年EBITDA亏损约1.5亿美元 [7] 创始人情况 - 创始人Alexandr Wang是28岁的华裔二代2025年净资产36亿美元 [5][6] - 2023年被《时代》周刊评为全球AI领袖 [5] - 2025年以20亿美元财富位列福布斯全球最年轻亿万富豪第7位 [6]

三星电子DS部门AI战略调整 - 公司DS部门近期宣布将内部AI运营模式改为"开放的多模型环境"，打破此前以自主技术构建的封闭式AI系统"DS Assistant"为主的策略 [1] - 该调整旨在将AI应用扩展到半导体设计和开发领域，以提升工作效率 [1] - 继上月引入Meta模型后，本月新增谷歌"Gemma3"和微软"Phi-4"模型，形成包含不同参数版本的开源模型组合 [1][2] 外部AI模型应用细节 - 公司采用轻量级小型语言模型(sLM)作为内部AI主要架构 [1] - 根据不同工作场景灵活调用模型：处理数字数据时优先使用Phi-4，分析图像信息时采用Gemma3 [2] - 对Meta的Llama4评估显示其在语言混合问题改进、知识推理及代码生成等任务中表现优异 [2] 技术路线演变背景 - 2023年3月曾短暂允许使用ChatGPT，但因半导体数据泄露风险在三周内叫停 [2] - 同年12月推出自研DS Assistant解决安全问题，但封闭架构导致外部数据利用受限 [2] - 内部反馈指出需要整合外部AI以增强半导体设计等核心业务竞争力 [2] 数据安全实施方案 - 所有外部AI模型均采用内部部署(On-premise)方式运行，通过在工作场所安装数据服务器避免信息外泄 [3] - 公司表示将按工作类型持续评估并引入有助于效率提升的开源模型 [3]

OpenAI组织架构调整 - OpenAI宣布将保持慈善组织身份，并将营利性子公司转型为公益公司(PBC)，非营利组织作为大股东控制PBC [1] - 此次调整强调公司的非营利性定位，与2023年人事动荡中关于商业化与安全性的争议有关 [1] - 前首席科学家Ilya Sutskever因反对过度商业化离职，其新项目SSI估值达200亿美元，而OpenAI当前估值3000亿美元 [1] 开源与闭源之争 - 行业质疑OpenAI闭源商用模式的可持续性，原预计2026年面临挑战，但开源模型的快速追赶使压力提前 [1] - Llama4、Deepseek R1等开源模型性能已接近GPT-4初代水平，代际差距缩短至14个月以内 [1][2] - Claude 3.5/3.7凭借开放态度和API调用便利性在亚洲市场占据优势 [2] 商业化与竞争格局 - OpenAI的API定价比竞争对手(R1、豆包)高一倍多，而最新季度行业API调用量环比增长4-5倍 [3] - 云计算厂商大力推广其他基础模型，性价比优势对OpenAI形成冲击 [3] - 苹果未投资OpenAI，反映市场对基础模型商业化前景的谨慎态度 [2] 行业技术发展 - 开源模型通过社区生态加速迭代，投资者更倾向支持可延展开发的平台 [2] - 模型代际追赶速度超预期，开源阵营已接近2024年初GPT-4水平 [1][2]

中国开源大模型生态发展 - 中国开源大模型形成集团化作战优势，DeepSeek和阿里Qwen等基础模型提升技术上限，中小企业基于其开发垂直模型加速迭代[1] - 昆仑万维推出Skywork-OR1系列模型，性能超越阿里QwQ-32B并开源数据集和训练代码，实现"真开源"[4] - 阿里云通义千问、阶跃星辰、智谱等企业密集开源多模态模型，百度宣布6月30日完全开源文心大模型[5] 中美AI开源策略对比 - 美国AI企业以闭源为主（OpenAI、Anthropic），Meta开源Llama但附加商业限制条款[6][7] - 中国通过政策推动开源生态，2017年《新一代人工智能发展规划》和2021年"十四五"规划明确支持开源[8] - 北京国资联合智谱成立3亿元Z基金支持全球AI开源项目[9] 开源技术商业化路径 - 智谱通过开源吸引开发者生态，向B/G端提供付费定制解决方案，其开源模型累计下载量达4000万次[16][17] - DeepSeek采用"免费基础API+高性能付费API"模式，定价每百万输入Token1元[17] - 阿里通过开源模型绑定云计算基础设施，形成场景闭环变现[17] 开源模型产业应用案例 - 工业领域：宝钢、中煤科工等企业利用开源模型实现生产优化，故障停机时间降低30%[13] - 公益领域：华为昇腾开源三江源物种识别模型，助力雪豹保护效率提升[14] - 海外市场：DeepSeek模型被印尼Ruangguru用于教育优化，阿里Qwen接入新加坡Atlas客服系统[6] 开源生态理论支撑 - 开源模式符合《大教堂与集市》提出的"集市"开发理论，通过群体协作加速创新[15] - 哈佛研究显示开源投入产出比达1:2000，中国正复制这一成功模式[16] - 中国开源战略推动全球AI从"单极霸权"转向"多极共生"[1][18]

行业趋势总览 - AI与云计算产业形成紧密飞轮效应，核心逻辑为技术迭代、应用扩展和算力需求的正反馈循环[4] - AI大模型能力快速提升（如Qwen3、Llama4多模态升级与逻辑推理优化），推动AI从辅助工具向核心生产力渗透[4] - 云服务商通过硬件性能优化和规模效应降低成本，如阿里云第九代ECS实例算力提升20%而价格下降5%[4] - AI应用向企业级和消费级市场双向渗透，如谷歌Gemini 2.5 Pro在复杂推理任务中超越人类表现，阿里Qwen2.5-Omni实现手机端全模态交互[4] - 模型效率提升降低单次推理算力消耗，但用户规模与调用频次指数级增长导致整体算力需求激增，H100 GPU租赁价月涨22%，北美IDC租金涨幅超60%[4] 云服务商技术升级与竞争格局 - 头部厂商通过差异化技术路径构建护城河：阿里云以全栈能力覆盖为核心策略，第九代ECS实例通过AMX加速技术提升AI预处理效率20%，CPFS文件存储吞吐达40GB/s，PAI平台响应时间降低92%[5] - 阿里云"灵骏"集群故障自愈能力将万卡训练有效时长提升至93%，降价5%策略牺牲短期利润换取客户黏性[5] - 华为云聚焦架构创新与行业纵深，CloudMatrix 384超节点实现3倍于传统服务器的GPU密度，盘古大模型在400余个场景落地[5] - AWS等国际厂商H100调用价格两周内跳涨22%，反映全球算力供需失衡[5] AI模型进展与多模态突破 - AI模型迭代进入"多模态+深度思考"双轮驱动阶段，Qwen3与Llama4即将发布，补强逻辑推理与语音交互能力[7] - 阿里Qwen2.5-Omni以7B小参数量实现文本、图像、语音、视频四模态端到端处理，打破传统多模态模型对高算力依赖[7] - 谷歌Gemini 2.5 Pro"人类最后考试"得分18.8%，验证复杂推理能力在专业场景潜力[7] - GPT-4o图像生成精度提升瞄准企业级设计、营销等高频刚需[7] 算力需求激增与产业链价格传导 - 推理端对高性能计算的刚性需求与供给端结构性短缺矛盾驱动算力需求井喷，阿里、腾讯2024Q4资本开支同比增幅超250%[8] - AWS H100调用价格两周内跳涨22%，英伟达H20芯片8卡服务器单价从100万元飙升至110万元，涨幅10%[10] - 北美数据中心上架率超95%，IDC租金同比最高上涨60%[10] - 中国市场AI专用数据中心改造升级推高单位机柜成本，国产算力卡尚未完全填补英伟达断供缺口[12] - 算力租赁模式兴起，CoreWeave H100服务器租赁价格两年内上涨29%[13]