公司财务与增长里程碑 - 公司ARR已突破1亿美元，成为从零到一亿美元ARR最快的初创公司[1] - 公司总收入年化运行率超过1.25亿美元，该数据包含基于使用量的收入和其他业务收入[1] - 自公司1.5版本发布以来，月度复合增长率超过20%[1] - 公司在8月份宣布年化收入突破9000万美元[1] 产品能力与技术演进 - 1.5版本任务完成速度提升近4倍，并能构建完整的Web应用[1] - 产品可在单一上下文中执行整个价值链：研究产出深度内容、构建网站、分析用户交互数据、并基于发现生成见解或演示幻灯片[1] - 近期更新版本已支持移动开发，用户可通过其开发完整的移动App，包括后端和数据库设计[1][2] - 自上线首个通用Agent以来，已累计处理超过147万亿Tokens，创建超过8000万个虚拟计算机实例[3] 用户生态与应用案例 - 有用户通过公司产品开发了完整的移动App，例如构建一个AI笔记产品，并集成OpenAI API，产品还提供了发布到App Store的指南[2] - 在社交媒体上发现有不少日本用户分享使用公司产品制作移动App和Web产品的帖子，推测日本用户占相当比例[2] 通用AI Agent的上下文工程经验 - 核心观点是代理的未来在于巧妙地塑造上下文，通过设计记忆、环境和反馈循环，即使底层模型不变，代理表现也能有质的飞跃[8] - 优先考虑KV缓存：保持前缀稳定，避免在系统提示词开头放置动态信息，并通过只增不删确保上下文序列化是确定性的[5] - 采用遮蔽而非移除工具：当工具数量爆炸时，动态删除工具会导致模型困惑和缓存失效[6] - 将文件系统作为外部记忆：使用持久化存储应对长上下文昂贵和导致性能下降的问题，让模型学会读写文件，将其视为无限大的结构化外部记忆，并实施可恢复压缩[7] - 通过“复述”引导注意力：在上下文中不断更新todo.md文件，通过自然语言将全局目标反复推送到模型的近期注意力范围内，防止代理在长任务中偏离目标[7] - 保留错误的记录：将错误的行动、观察结果和堆栈跟踪保留在上下文中，让模型意识到之前的路径行不通，从而实现错误恢复和自我修正[7]

文章核心观点 - 字节跳动推出的豆包手机助手技术预览版，通过系统级GUI Agent实现了跨应用自动操作，标志着AI手机从“以App为中心”向“以用户意图为中心”的范式转变，并引发了与超级App的生态冲突 [5][8] - 系统级Agent与超级App内Agent代表了两种不同的技术路线和商业模式，其核心冲突在于对用户意图入口和操作权限的争夺，行业可能走向重新划分权力边界的共存方案 [14][17] - 字节跳动率先推出豆包手机，是其寻找新增长入口、绕开阿里腾讯既有优势的战略实验，而华为、小米、三星、苹果等手机厂商基于各自的软硬件生态，采取了不同的Agent发展策略 [20][22] 豆包手机的突破性意义 - 技术演进：GUI Agent从依赖固定脚本的“不可理解”阶段，发展到2024年基于多模态视觉识别的“可理解”阶段，并在2025年随着OpenAI Operator等产品的推出走向实用化 [6][7] - 机制突破：豆包手机依托INJECT_EVENTS等系统级权限，实现了无需App开放API即可“看懂”屏幕并操作，其核心在于操作系统层面的高权限，而非模型本身 [8] - 优势体现：任务组织方式从“用户选App再操作”变为“Agent解析用户总任务并调度多个App完成”，理论上具有平台中立性，能缓解跨App流程割裂、操作链条过长等问题 [10][11] - 现状与挑战：当前仍处于“可用但早期”的工程机阶段，复杂链路执行效率、界面变化适应性有待提升，且用户对高权限Agent的隐私与安全存在顾虑 [13] 系统级Agent和超级App的冲突 - 路线对立：冲突本质是“操作系统+App+系统级Agent”与“超级应用+小程序+应用内Agent”两条路线的正面相遇，争夺用户意图的“总入口”地位 [14] - 超级App的反制：微信、支付宝、淘宝等超级App通过屏蔽、风控、人机验证等手段，旨在守住“账号由我监管、入口由我解释”的边界 [3][15] - 未来格局：中长期看，双方可能重新划分权力边界，形成分工合作，系统级Agent负责通用意图理解和基础编排，超级App则在高价值场景内提供标准化接口，形成新的“共存方案” [17] - 模式对比：操作系统+App模式优势在于复用现有生态、培养用户习惯，但模型通用性、本地算力、隐私保护要求高；超级应用+Agent模式优势在于云端统一运行、场景精准，但需重建以超级App为核心的生态 [18] 主要厂商在Agent方面的进展 - 华为：采用自研鸿蒙OS+自研大模型，将小艺深度写入系统，向“AI native OS”演进，致力于打造系统级、跨终端（手机、车机、穿戴、家居）的统一Agent [22][23][25] - 小米：路径是“系统助手+生态助手”结合，在HyperOS中整合AI能力，小爱同学叠加大模型，重点强化手机与AIoT设备之间的协同，打造人车家一体场景 [22][23][25] - 三星：深度绑定Google，以Google Gemini为核心打造Galaxy AI，自身侧重硬件与体验打磨，在安卓阵营中做Gemini的最佳载体 [22][24][25] - 苹果：坚持软硬一体，iOS 18的Apple Intelligence是唯一官方全局Agent（新Siri），第三方模型（如ChatGPT）只能作为可选插件接入，强调本地推理与隐私保护 [22][24][25] - 字节跳动：推出豆包手机是“重构入口的实验”，战略意图在于通过“硬件+AI模型+新入口”的组合，绕开阿里、腾讯的既有优势，寻找新增量 [20][21]

种子轮拿到数百万美元融资、估值近千万，朱啸虎的金沙江创投、高瓴创投和 Classin 共同投资。 Refly.AI 给自己的定位是更适合大众的 Vibe Workflow 产品。 为什么要做 Vibe Workflow？原因很简单，现在的 Workflow 产品 n8n、扣子都太难用，以及团队对于 Workflow 价值的认可。 他们的目标，是让不会技术的人也能轻松把自己的流程经验复制并分享给其他人，实现价值。 不仅仅是用 AI 来降低搭建 Workflow 的难度，Refly.AI 还把 n8n 中的节点升级成为单独的 agent，每个 agent 配上 2-3 个工具。在保留 agent 动态性的同 时，获得传统 Workflow 的可控性与稳定性。 看起来有些激进，但 Refly.AI 确信这样的方式才是有效利用模型能力的最好方式。 为什么如此笃定？既然做 Workflow，怎么控制成本，怎么保证完成度？Refly.AI 取代 n8n 的底气又来自哪里？ 在 Refly.AI 的新版本发布之际，我们和创始人& CEO 黄巍聊了聊，想搞清楚，AI-native 的 Workflow 应该长什么样。 以下内 ...

文章核心观点 - 文章记录了真格基金在清华大学举办的AI创业分享活动，核心围绕AI智能体公司Manus的创业历程、产品理念、技术架构、市场策略以及对AI Agent行业未来的展望[4] - Manus作为一款通用AI智能体，其成功被归结为在正确的时间交付了正确的产品，并通过“Less structure, more intelligence”的理念，构建了一个不依赖预设工作流、由模型自主决策的智能系统[7][17] - 面对外界关于“技术套壳”和“营销驱动”的质疑，公司通过持续领先的Benchmark成绩和产品实际体验进行了回应，并分享了其极简、高效的创业方法论[13][20][23] - 公司认为AI Agent的未来在于更强的通用性、24小时持续服务能力以及主动性，并建议个人应尽早开始学习使用Agent，以适应技术变革[40][50][60] Manus的创业历程与关键转折 - **从AI浏览器到通用智能体**：团队最初耗时7个月开发了一款AI浏览器，但在上线前一周意识到AI与用户“争抢电脑”的体验问题，遂决定放弃该项目[10][11] - **灵感来源**：Cursor产品的现象级流行，让团队看到非工程师用户也能受益于AI编程的潜力，这启发了Manus的创作方向[11][12] - **核心洞察**：基于两个关键认知——AI擅长使用电脑但不该用用户的电脑、AI编程能力可以民主化，团队形成了Manus的产品雏形[13] 产品理念与技术架构 - **核心理念**：坚持“Less structure, more intelligence”和“Zero Predefined Workflow”，将任务拆解、工具调用的决策权完全交给模型，以实现处理长尾任务和更优的性能[7][17][19] - **技术实力证明**：在发布15天后，即在硅谷某知名ToB Agent公司的Benchmark展示中位列第二，被行业顶尖团队视为对标对象[13] - **Benchmark表现**：在包括Scale AI的Remote Labor Index (RLI)在内的多项基准测试中长期保持第一，例如在RLI上取得2.50的自动化率分数，领先于Claude、GPT-5和ChatGPT Agent等[14][15][44] - **架构开放性**：公司认为技术本身无秘密，其技术架构（Less structure, more intelligence）在发布第三周就已向全球公开[17] 应对市场质疑与“爆火”真相 - **回应“技术套壳”质疑**：强调任何Benchmark首次发布时的排名最具参考价值，而Manus常在未事先通知的突袭式榜单中位居第一，证明了其技术实力[16] - **回应“营销驱动”质疑**：澄清3月份的发布视频制作成本极低，仅使用了借来的镜头、14.9美元的剪映会员和9.9美元的BGM版权，爆火核心在于产品本身而非营销[20][21] - **发布时的真实状况**：发布时公司账上约有800-900万美元，但因流量巨大，高峰期日成本达50万美元，迫使公司采用邀请码机制控制成本，否则可能20天内破产[23][24] - **产品本质**：成功的关键是在行业对AI产品形态感到迷茫的2025年初，交付了一个全新的、正确的产品形态，满足了市场期待[23] 关键产品决策与增长策略 - **坚持“通用”定位**：认为面向消费者（ToC）的Agent若过于垂直（如旅行规划），将面临极高的获客成本，因此必须通用，让用户每天都有使用理由[30][31] - **早期增长利器：Session Replay**：上线前两周加入任务回放功能，让无法立即体验产品的用户能直观感受Agent的工作过程，对早期病毒式传播帮助巨大[31] - **自然流量的反思**：早期高度依赖自然流量，七个月内市场营销总花费仅约5-6万美元，但认识到这主要触达“创新者”和“早期采用者”[54][55] - **走向大众市场的策略转变**：计划在2026年进入大众市场时，将采用更传统、更系统的营销手段，高效传递产品价值，而非仅依赖自然流量[56][57][58] 团队管理与基础设施选择 - **核心体验亲自抓**：在开发革命性新产品时，核心团队（最初仅5人）亲自把控最核心的产品体验、技术框架与交互细节，以确保高度对齐与执行效率[33] - **基础设施合作策略**：创业初期选择与E2B公司合作，使用其开源版并进行深度定制，以节省时间成本和工程资源，这是基于创业公司资源有限的理性决策[34][35][36][37] - **时间成本优先**：对于创业公司而言，时间成本是第一成本，因此利用成熟、已验证的技术框架是更合理的选择[37] 行业竞争与未来展望 - **应对模型公司的竞争**：OpenAI发布ChatGPT Agent时，团队感到高兴，因为这提供了直接对比的机会。通过对比测试，Manus在100%的任务产出质量上胜出[42][43] - **应用公司的优势**： - **模型选择灵活性**：可根据不同任务步骤选择最合适的模型（如用Gemini搜索、GPT-5推理、Claude写代码），而非绑定单一模型[46] - **系统级竞争**：Agent的竞争是包含环境、工具在内的整个系统的竞争，工程工作构成重要壁垒[48] - **Agent未来发展方向**： - **操纵更多工具与平台**：正整合进Windows、未来将操控Android，以扩展通用能力边界[49] - **24小时持续服务**：正在构建底层基础设施，以支持复杂、长时间的可靠任务执行，为全天候服务做准备[50] - **增强主动性**：开发原型使Agent能主动连接用户个人应用（如Gmail、Calendar），在后台自主找事做，实现“眼里有活”[50] 给创业者与学生的建议 - **给创业者的建议**：学习事物背后的本质和原因，而非表面形式（如拍特定风格的视频或做邀请码）[22][25] - **给学生的建议**：强调在2025年（被视为Agent元年）的最后时间里，务必开始使用一线Agent产品并学会与之共处，这如同几十年前学习开车或使用电脑一样，是适应未来的关键技能[8][60]

今年8月份，Manus联合创始人兼首席科学家季逸超在新加坡举行的Stripe Tour上表示，Manus年化经常 性收入（Revenue Run Rate）达到了 9000 万美元。 从2025年3月Manus引爆海外社交平台到4个月后的近亿美元收入，Manus火箭般的蹿升再次点燃AI创业 圈，坚定了AI应用创业者们的方向。 然而，并不是每一家AI企业发展都如此成功，很多冲入Product Hunt榜单序列的AI产品，并无法有效开 展商业化，入围榜单的流量变成了企业发展的鸡肋。 Manus海外爆发式增长，关键先生Stripe无缝助攻 Manus与Stripe的合作给AI创业者提供了一种有价值的参考。 2025年3月，初创公司Butterfly Effect（蝴蝶效应）在海外社交平台X发布了全球首款通用AI Agent产品 Manus以及产品演示视频，视频展示的智能体能力瞬间惊艳公众，Manus随之引爆全球。 产品亮相1个月吸引了200多个不同国家和地区的用户，4个月则实现了9000万美元的年化营收。 惊人的成绩离不开Manus团队上一次创业踩过的"坑"。 在Manus之前，受大模型技术的启发，蝴蝶效应公司的肖 ...

公司融资与定位 - 种子轮融资数百万美元，估值近千万美元，投资方包括金沙江创投、高瓴创投和Classin [1] - 公司定位为更适合大众的Vibe Workflow产品，旨在降低自动化流程搭建门槛 [2] - 核心目标是让非技术人员也能轻松复制和分享流程经验，实现价值 [4] 产品理念：Vibe Workflow - Vibe Workflow是Agent与传统Workflow的结合体，旨在保留Agent动态性的同时，获得传统Workflow的可控性与稳定性 [10] - 产品将传统Workflow中的节点升级为单独的Agent，每个Agent配备2-3个工具，以更有效利用模型能力 [4][5] - 核心特点包括：搭建成本无限降低（一句话生成Workflow）、通过Agent白盒化编辑器简化操作、用沙箱环境解决复杂逻辑 [11] - 内部测试显示，一个Refly.AI节点可替代大约20个n8n节点的功能 [11] 产品优势与成本控制 - 搭建Workflow的token消耗极低，仅需几千至上万个token，而用n8n搭建类似流程可能消耗大几十万token [14] - 执行层面，每个简化后的任务仅消耗1至2个积分，成本约0.1至1元人民币，相比Manus单任务数美元的成本降低了至少5至7倍 [14] - 后续调用时，token消耗可能仅为原本的50%甚至10% [14] - 产品交互完全基于自然语言，无需用户理解搭建逻辑 [13] 目标市场与用户画像 - 早期核心用户是有n8n、Dify使用经验但寻求更简单方案的群体，产品支持从其他平台一键迁移Workflow [19] - 重点聚焦自媒体场景，帮助用户串联不同模型（如Claude Opus和Gemini）自动抓热点、生成文章、播客等内容 [19][20] - 公司自身在Twitter拥有约3万粉丝，对该场景有较强体感 [20] - 未来计划向教育、职场白领（写报告、产品分析）、金融（财报分析）等偏赚钱和职场的场景扩张 [20] - 明确放弃需要100%准确性的企业自动化操作场景，更侧重于内容创作型任务，接受70%左右的准确率 [15][17][18] 技术架构与数据战略 - 技术路径分层：首先让Agent生成Workflow，其次将每个Workflow节点设计为Agent并通过引擎串联，最后建立成规模的Tools体系 [45][46][47] - 核心数据战略是收集用户在完成中长程、复杂任务过程中的“思维链行为数据”，即用户与AI交互的完整路径和反馈 [23][26][27] - 这些行为数据可用于预测用户下一步行动，是公司构建数据飞轮、优化产品的基础 [24][25][26] - 通过用户修改节点、多次生成、运行成功以及社区评分等多维度反馈，持续优化Prompt和自有小模型 [28][29][32] 竞争壁垒与发展策略 - 团队背景来自字节跳动早期“大模型+低代码+Workflow”项目，自认为是全球Vibe Workflow赛道最有竞争力的团队 [34][43] - 当前工程复杂度高，预计15-20人的小团队难以在3-6个月内超越，大厂复刻也需要50-100人团队投入一两年 [59] - 采用“站在模型肩膀上”的策略：利用强模型（如GPT-5）做任务规划与拆解，利用便宜且稳定的模型（如Kimi K2）做具体执行，模型能力增长会使产品更强 [56][57][61] - 产品设计比模型能力迭代快3-6个月，并在此窗口期内完成商业化验证，以建立竞争优势 [62][72] - 抽象层设计可兼容不同模型和模态，避免被单一模型厂商锁定 [63] 团队建设与商业化 - 团队规模约13-14人，强调职能完备（产品、运营、研发、算法、测试等），不盲目追求“一人公司”的通才理论 [49][50][53] - 招聘策略是寻找各领域的专才，并为其配备强大的AI工具以提升效率，而非泛泛的通才 [53] - 商业化核心假设是封装有价值的流程并进行规模化销售 [36] - 短期现实目标是销售AI时代的Workflow模板 [69] 行业展望与公司愿景 - 短期看，AI可能催生新的原生内容平台，实现内容的实时、个性化生产与消费 [66][71] - 长期终局是构建一个能承接用户全方位意图和行为数据的环境，最终形成用户的数字化版本，帮助其完成物理世界的任务 [66][68] - 期待AI在自动修复小问题（如代码bug）和细粒度内容编辑能力上取得进展，这将大幅提升创作者工具的上限 [70][71] - 给AI应用创业者的建议包括：拉长时间维度思考产品生命力、确保产品不被模型本身取代、早期招聘要避免偏见并找到能实战的团队成员 [72][73]

报告核心观点 - 生成式营销正从以“内容生成”为核心的AIGC阶段，迈向以“决策支持”为核心的AIGD新阶段，AI在营销中从“效率工具”升级为“战略伙伴”[2] - 行业面临从“可行性探索”迈入“规模化落地”的新阶段，技术迭代与应用深化并存[8] - 未来趋势是人智协同，企业需构建“AI-ready”组织架构，本质是从“内容驱动”走向“决策驱动”[6] AIGC：营销供给的全面爆发 - 2025年生成式AI在营销内容创作方面已趋于成熟，能快速生成文案、图片、视频、数字人，极大丰富供给[3] - DeepSeek、Manus等新锐模型和产品出现，降低技术门槛，推动AI从“创意助手”发展为“执行智能体”[3] - 内容爆炸式增长带来新问题，包括如何选择最优方案以及应对AI生成内容的“幻觉”和偏见风险，AIGC解决了“生产问题”但未解决“效果问题”[3] AIGD：营销决策的系统升级 - AIGD强调将经典营销理论与AI工具结合，构建“洞察—生成—验证—决策”的完整闭环以解决AIGC时代的决策困境[4] - 超过68%的消费者会根据AI推荐完成购买，决策权逐渐向AI转移，AI正成为“购物参谋”[4] - 在企业端，AI被用于环境分析、品牌定位、需求挖掘等核心营销任务，通过引入PESTEL、KANO模型等经典思维链辅助科学决策[4] AI实践：行业应用走向纵深 - 食品饮料行业：蒙牛推出营养健康大模型，伊利利用AI测试广告创意，王老吉通过AI设计国风包装实现品牌年轻化[5] - 美妆个护行业：欧莱雅用AI优化配方研发，珀莱雅构建ROI导向的决策体系，虚拟试妆、AI测肤成为标配[5] - 汽车、酒业、餐饮零售、鞋服、家电数码等行业均在特定场景深度应用AI，如线索管理、酿造工艺优化、智能点餐、辅助设计等[5] AI产业趋势与商业模式 - 2024年全球人工智能IT总投资规模达3158亿美元，预计2028年增至8159亿美元，5年复合增长率32.9%，生成式AI占AI市场投资总规模35%[26] - 2028年中国人工智能总投资规模将突破1000亿，5年复合增长率35.2%，2024年全球AI领域融资额达创纪录的1004亿美元[26] - 大模型商业模式主要分为企业服务、API调用、订阅付费、广告变现四类，中美模式分化，中国以B端政企项目为主导，海外以C端订阅为核心[35][43][44] - 多数大模型企业尚未盈利，OpenAI年亏50亿美元，出现从卖产品转向效果抽成的新商业模式探索[45][46] 新锐模型与产品分析 - DeepSeek在2025年第一季度日均活跃用户超2千万，累计用户1.25亿，占据全球AI应用市场6.58%份额，月访问量5.25亿次，其API调用成本仅为GPT-4的1%[52] - DeepSeek通过混合专家模型等技术将参数总量减少90%、训练成本降至行业平均的5-10%，训练成本仅为557.6万美元[53][59] - Manus作为全球首款通用型AI智能体产品，上线首日服务器请求量超预期17倍，在GAIA基准测试得分86.5%，超越OpenAI的DeepResearch 12个百分点[68][69] - Manus发布后月活从峰值2000万骤降至1000万，面临技术依赖质疑和商业化困境[74] AI能力发展评估 - 2025年5款大模型高考平均分较2024年显著提升，文科总分从495分升至666分，理科总分从418分升至619分，体现综合能力进步[77] - 2024年AI在语言能力、信息处理方面超越人类天才，但在IQ百分位和SAT分数等侧重逻辑推理的测试中差距不明显[78] - 2024年双盲实验显示，AI模型的广告文案创造力尚未显著超越人类，基于人智协作方式的文案创造力也未高于人类独立创作[81][85]

产品定位与概念 - 公司推出全球首款Personal Agent（个人智能体）产品“马卡龙”，定位为“超懂你的AI”，旨在满足私人个性化需求，与提升生产力的Productivity Agents（如Manus、Lovart等）形成差异化竞争[2][3] - 产品核心功能为一句话生成专属小工具，目标是通过对用户全方位记录成为最亲密的智能伙伴或助理，与Meta首席执行官扎克伯格提出的个人超级智能及ChatGPT产品负责人Nick Turley提到的“懂你、能行动、建立关系”的超级助手概念方向一致[3][4] - 创始人强调产品目标是用户“说两句话，就能给他deliver一个半可以用的东西”，突出快速交付可用原型的能力[5] 交互体验与用户感知 - 产品交互设计具有高度拟人化特征，被描述为“话痨”型ENFJ人格，通过主动提问、寻找共同话题（如美食、健身）持续保持对话 engagement，并在回复中频繁使用感叹号以传递热情友好的语气[5][6] - 聊天界面为单一连续对话窗口，支持长上下文记忆，基于强化学习的深度记忆技术（RL-powered Deep Memory）使AI能长期保留并调用用户历史信息（如健身计划、饮食偏好），实现陪伴式互动[28][29][30] - 产品会根据用户性格特征动态生成八种不同颜色的马卡龙头像，思考时显示线团动画以模拟“理清思路”状态，增强情感化连接[9] 功能实现与技术特点 - 产品核心机制为需求诱捕：通过对话实时挖掘用户潜在痛点（如忘记店名、健身营养统计），主动提议生成对应小工具（如美食记录、营养成分计算），并基于DeepSeek开源模型训练编程Agent能力[10][14][28] - 小工具生成过程为黑箱操作，无需用户参与代码修改，直接交付完整应用（如美食日记工具含拍照识别、评分、店铺信息记录等功能），但生成耗时约20分钟，且加载速度较慢（约1分钟）[15][16][18] - 实际输出质量存在局限：AI识别准确率不足（如将“金枪鱼三明治”误判为“意式潜艇堡”），工具优化过程中易出现卡顿或延迟（如功能更新卡住数小时），需依赖事后反馈迭代改进[16][18][27] 市场反馈与产品现状 - 部分用户认可其交互的真人感与需求捕捉灵敏度，但对其生成工具的简陋性及响应效率存在争议[4][10][18] - 当前产品仅支持iOS移动端，尚未开放多聊天窗口，所有交互集中于单一连续对话流中[5][28]

Web Summit 2025活动概况 - 活动于11月14日在葡萄牙里斯本落幕，参会者达71386名，投资人1857名，创业公司2725家，刷新多项历史纪录 [1] 中国AI行业竞争力 - 中国公司最有可能做出最好模型并以最低成本推向市场，AI竞赛的核心问题是哪几家中国公司将占据最大市场份额且格局变化迅速 [4] - 中国在全球AI行业中已是领跑者，科技圈内部存在“公开的秘密”，即西方科技公司几乎完全使用中国的开源模型，例如Airbnb直接使用Qwen，Intercom只使用中国开源模型 [5] - 中国在AI领域的领先地位源于几十年大规模投资教育和科学，世界知识产权组织去年73%的专利申请来自中国，美国仅占6% [6] - 科研格局已完全改变，《自然》评选的全球前30科研机构中，2024年前10名有8个来自中国，而十年前只有两个 [6] - 企业家负责将突破性科研成果商业化和规模化，而非“发明未来”，例如Kimi、Qwen、Manus、DeepSeek等团队构建强大模型的基础是长期的科研积累 [7] - 在机器人领域，中国的高质量科研引用已超过所有国家，科学研究进步速度全球最快，这意味着其继续保持领先的概率非常高 [10] 全球科技格局与创新源头 - 科学是创新的真正源头，创业只是“商业化未来” [2] - 西方发达国家在AI竞速中陷入“制度性停滞”，像“核心帝国”一样僵硬不愿改变，而全球南方和发展中国家在支付、AI等领域的发展往往最活跃 [9] - 单纯增加预算无法弥补高科技领域迅速拉开的差距，需要西方国家在经济政策层面发生深刻结构性改变 [8] Web Summit的使命与愿景 - Web Summit的核心动力是寻找未来十年最重要的公司和技术，而非聚焦当前的大人物，其意义在于“把那些你还不认识，但未来将改变世界的人聚集在一起” [3][13] - 活动让人“发现未来”，类似于TikTok一夜之间重塑社交媒体格局，Web Summit尝试将未来会产生巨大影响的人和技术提前带到人们面前 [13][14] - 希望首届中国峰会成为一个好的开端，未来明年的峰会应该更大，并由来自中国本土的专家主讲，反映世界正在发生的巨大变化 [12] 人工智能的伦理与方向 - 技术从来不是中立的，人工智能最终做什么是人类的选择，应由人类的道德与信仰塑造技术的方向 [14]

Web Summit 2025 活动概况 - Web Summit 2025 参会者达 71,386 名，投资人 1,857 名，创业公司 2,725 家，刷新历史纪录 [1] 中国在AI领域的竞争地位 - 中国公司最有可能做出最好模型并以最低成本推向市场，AI竞赛的核心问题是哪几家中国公司将占据最大市场份额 [3] - 硅谷非纯AI科技公司几乎完全使用中国的开源模型，例如 Airbnb 直接使用阿里巴巴的 Qwen 模型 [3] - Intercom 公司仅使用中国开源模型，认为 Anthropic 或 OpenAI 是"给不懂技术的人用的" [4] - 科技圈内部存在"公开的秘密"，企业为保持竞争力必须使用最好的工具，无论其来源地 [5] - 企业选择工具的标准是性能而非地理位置，例如来自杭州的公司模型因性能优越而被采用 [6] 科技领先的驱动因素 - 科学是创新的真正源头，创业公司负责将科研成果商业化 [7] - 世界知识产权组织去年专利申请量中，73% 来自中国，美国仅占 6% [8] - 2024 年《自然》杂志全球前 10 科研机构中，8 个来自中国，而十年前前 30 名中中国只有两个 [9] - 重大科学突破源于长期的教育和科研积累，创业公司负责将这些成果商业化、规模化 [10] 全球AI竞争格局 - 单纯增加预算无法弥补在高科技领域迅速拉开的差距，需要深刻的结构性经济政策改变 [11] - 传统发达国家面临"制度性停滞"，像"老狗学不会新把戏"，制度僵化导致难以适应新技术浪潮 [12] - "帝国核心"国家在AI应用和国家政策方面落后，而全球南方和发展中国家在支付、AI等领域发展活跃 [12] 机器人技术发展 - 农业领域几十年前已大量使用机器人，新型机器人如宇树仍需遥控操作 [13] - 中国在机器人领域的高质量科研引用已超过所有国家，科学研究进步速度全球最快 [14] - 科学基础进步最快意味着中国的创业者在机器人领域进步也会更快 [15] Web Summit 的战略重点与中国市场 - Web Summit 的核心动力是寻找未来十年最重要的公司和技术，而非当下的行业巨头 [20] - 社交媒体格局并非一成不变，TikTok 的出现改变了 Facebook 和 Instagram 的统治地位 [21] - Web Summit 的角色是将未来会产生巨大影响的人和技术提前展示 [22] - 过去十多年一直邀请中国演讲者，但现在西方人真正想了解中国，因此今年首次举办中国峰会 [16] - 首届中国峰会是一次试水，邀请了研究中国的西方学者分享观点 [17] - 未来中国峰会应更大规模，并由中国本土专家按行业展开连续三天的分享 [18] - 世界正发生规模前所未有的巨大变化，希望更多中国企业和专家参与 Web Summit [19]