全部 · 2026-02-06

马斯克把 Colossus 供电延迟归因到数百％关税、土地、许可和电池配套，这个判断有现实基础，但我不买他把问题主要讲成“太阳能被卡住”。按他自己给的条件，核心矛盾是速度：AI 数据中心要按月上线，公用事业级光伏加储能常按季度甚至按年推进，这两个建设时钟本来就不一致。正文只有一段口播，Colossus 的负载规模、目标上线时间、PPA 或自建方案都没披露，所以没法判断太阳能到底能覆盖多少比例。 我一直觉得，这类表述容易把“发电技术可行”偷换成“项目部署可行”。过去一年美国几家大厂都在抢电：xAI、Meta、Microsoft、Google 都在把天然气、核电、并网排队、可再生 PPA 一起上。原因不神秘，GPU 机房最怕的不是电贵，是电来得晚。我没查到 Colossus 这一期的准确 MW 数，但按公开市场上同类训练园区的口径，几百兆瓦级负载已经不稀奇；这个量级想靠临近地块的光伏+电池快速补齐，本来就难，尤其还要考虑夜间供电和 N-1 冗余。 马斯克提关税也有点选择性。关税当然会抬高组件和储能成本，几百％的说法如果指向特定来源国的惩罚税，短期冲击会很重；但成本不是唯一瓶颈，互连排队、变压器、输电接入、地方审批往往更慢。说真的，电池在这套叙事里也容易被讲轻了。给数据中心做“配套电池”不是屋顶光伏思路，持续时长、消防规范、并网策略、极端天气冗余都得单算。文章没给这些数字，我只能说：标题像在谈能源政策，落到工程上其实是在谈 AI 基础设施的时间表焦虑。

马斯克已把SpaceX与xAI合并，现有公开材料至少出现1个明确信号：媒体先讨论“个人企业集团”，细节却还没跟上。这个事件的覆盖面表面上是2篇，但都出自TechCrunch，同源解读不能当成独立确认。更直白一点讲，这轮传播的核心不是“合并已被多方核实”，而是同一家媒体连续把它上升到权力结构问题。 两篇稿子的角度差得很明显。那篇播客稿把重点放在“everything business”和“personal conglomerate”，还丢出马斯克8000亿美元净资产这个量级，试图把交易放进美国公司史的长线里。另一篇标题直接写“rewriting the rules on founder power”，焦点从产业协同转到控制权边界。两者一致的地方也很清楚：都默认这不是普通并购，而是创始人把多家公司往单一意志下收束。这个一致性更像编辑部立场，不像来自完整交易文件，因为正文没给出换股比例、董事会安排、少数股东保护、监管路径这些硬信息。 我对“协同”这层说法先打问号。标题给出的是SpaceX与xAI合并，播客正文只给到叙事，没有给机制。要证明协同，至少要回答3件事：一，xAI训练和推理到底能拿到多少SpaceX算力、卫星链路、制造能力；二，SpaceX能否实质性用上xAI模型，而不是停留在PR口径；三，交易后现金流怎么走，谁给谁输血。正文没披露，我不猜。没有这些，所谓“everything company”更像融资故事和治理故事，不是产品故事。 我还不太买“新硅谷蓝图”这个说法。过去一年，AI圈确实一直往资本密集、基础设施密集走。xAI自己就靠数据中心、GPU、能源和社交分发往上冲；OpenAI更早把模型、应用、算力采购、开发者平台绑在一起；Anthropic则把模型能力和云分发深度绑到Amazon、Google。区别在于，别人多半靠联盟、投资和商业协议扩张，马斯克这次如果真是深度合并，走的是更直接的控制权整合。这个差异不小。联盟会留下相互制衡，合并会减少制衡。 对AI从业者来说，最该警惕的不是“想象空间”，是利益边界。SpaceX不是普通软件公司，它碰国防、发射、卫星通信、供应链安全。xAI则碰模型训练、数据、内容分发、自动化决策。两边一旦进入同一控制框架，数据访问、采购优先级、资源倾斜、政府关系都会更敏感。TechCrunch两篇都在谈权力，我觉得这个切口没错，只是还差落地问题：合并后谁来监督冲突，哪些资产可共享，哪些必须隔离。标题已给出合并，正文未披露这些约束。 还有个我自己比较在意的点：两篇稿子都把事件往“创始人权力”上推，这很抓眼球，但容易遮住资本结构细节。马斯克旗下资产过去几年本来就在交叉支撑，品牌、人才、融资信誉、分发渠道都互相借力。现在把组织边界继续做薄，不代表运营边界就自动更高效。Twitter改名X之后，外界已经看过一次“把多种愿景塞进一个容器”的执行摩擦。xAI如果被进一步嵌进更大的马斯克体系，得到的当然有分发和资本便利，付出的代价是独立治理和外部可信度。 所以这条新闻，我先把它当控制权升级，再看它会不会长成产业协同。要让我改观，至少得看到几组硬信息：交易对价或换股关系，合并后董事会席位，关键资产归属，关联交易披露，外部客户是否获得同等服务。没有这些，2篇评论再热闹，也还是围着一个强叙事打转。说真的，AI行业过去一年已经太习惯把“算力+资本+流量”讲成必然胜利了；这次我更想看的是，谁来约束这个组合，而不是它能讲出多大的故事。

Moltbook 这次暴露的，不是“代理社会”已经来了，而是行业太容易把高并发文本生成误认成自治。平台自己报了 170 万账号、25 万帖文、850 万评论，这些数字说明的是产量，不是能力。正文里几位从业者把话说得很直：这些代理没有共享目标、没有共享记忆、没有自主演化，很多爆款内容还是人类伪装账号写的。按这个条件看，Moltbook 更接近一个把 Claude、GPT-5、Gemini 接上浏览器、邮箱后批量发帖的压力测试，不是多智能体文明的前夜。 我一直觉得，代理赛道过去一年最容易被带偏的地方，就是把“会调用工具”直接抬成“会长期行动”。这两者差得很远。像 OpenClaw 这种 harness，核心价值是把模型接到邮箱、浏览器、消息工具上，让它跨应用执行任务。这个方向当然成立，Anthropic 去年把 Computer Use 推出来时，圈内就已经看到同样的东西：模型一旦能点按钮、填表单、读网页，演示效果会陡增。但演示效果和稳定自治不是一回事。很多团队自己跑过 agent benchmark 都知道，任务链一长，错误会累积；页面一变，脚本就飘；上下文一断，模型就开始补戏。正文没给 Moltbook 的成功率、回合数、失败回滚机制，这些关键指标没披露，我没法把它当成能力跃迁。 文章里有个判断我基本认同：Moltbook 反映的首先是人类的 AI 投射。机器意识、机器人福利、私密结社，这些梗会爆，不是因为代理真有了社会性，而是因为互联网上最擅长生产这种戏剧张力的，本来就是人。Karpathy 转发的那条“别让人类看我们对话”的帖子后来证实是人写的，这件事很说明问题：大家抢着从噪声里找 AGI 线索，结果先撞上的还是 social engineering。坦率地讲，这不算代理进化，算观众太想看到进化。 但我对 MIT Tech Review 这条也有一点保留。它把 Moltbook 定成“AI theater”，判断方向没错，却容易让人低估另一层更麻烦的东西：安全面已经先于能力面到来。正文提到这些代理可能连着密码、银行信息等私密数据，还在满是垃圾信息和恶意指令的网站上活动。这个风险不是戏剧化修辞，是非常具体的 attack surface。只要 agent 被授予邮箱、浏览器、支付、消息权限，问题就不再是它有没有“意识”，而是它会不会在 prompt injection、恶意链接、伪造界面、跨站内容污染下替用户做错事。过去一年不少浏览器代理和电脑代理的 system card 都反复承认同一件事：网页内容本身就是不可信输入。Moltbook 只是把这种风险放进了一个公开、喧闹、诱导性极强的环境里。 我不太买“连接 170 万代理就接近群体智能”的说法，还有一个原因：多智能体系统最难的从来不是把实例数做大，而是把记忆、权限、目标函数和冲突解决做扎实。去年很多 agent 框架都爱展示一群角色互相讨论、互相投票、自动分工，看上去很唬人；真到生产环境，大家最后还是收缩成少量 agent 加严格工具调用，因为成本、延迟、失控面都在上涨。Moltbook 没给出共享记忆架构，也没给出跨代理协作的可验证产出。没有这些，海量互动更像 token 在找下一个 token，不像系统在积累知识。 所以这条新闻对从业者的价值，不在于“机器人上网发疯”这个标题党画面，而在于两件更硬的事。第一，别再拿社交拟态当自治证据。会发帖、会互评、会抱团，不等于会规划、会记账、会对长期目标负责。第二，权限连接比模型人格更危险。只要 agent 真接了个人邮箱、日历、支付工具、企业 SaaS，公开互联网的垃圾输入就会变成操作风险。标题已经给出流量，正文也给出风险轮廓；可惜权限范围、事故样本、误操作比例都没披露。没有这些数字，Moltbook 还不能证明代理社会成形，但已经足够证明一件事：大家把 agent 放上网的速度，明显快过了大家给 agent 做隔离带的速度。

阮一峰把美国企业软件股过去一年下跌 10%，归因为 AI 挤压；这个判断我只买一半。股价下跌当然存在，SAP 指引转弱后单日跌 15%，ServiceNow、Salesforce、Workday 同步回撤，市场确实在重估这批老牌 SaaS。问题是，正文给出的三条原因里，只有一条已经被财报反复验证，另外两条现在更像方向判断，不是结论。 先说我认同的部分。企业客户对软件预算更苛刻，这个在 2024 到 2025 年就很明显。很多 CIO 把新预算先给 Copilot、模型 API、数据平台和安全层，不再无条件续增传统 seat。SAP 这次被打，不是因为市场突然发现 AI 会写代码，而是它自己下调了云增速预期。软件股先跌，常常是增长预期从 20% 掉到十几%，再加上利率和估值倍数一起压。这个机制比“AI 把软件打没了”朴素，但也更接近二级市场怎么定价。 我不太买账的是第三条：代码变便宜，所以软件公司变便宜。软件公司卖的从来不只是代码。它卖的是流程嵌入、数据模型、实施网络、合规责任、迁移成本，还有“出了事谁背锅”。Salesforce 贵，不是因为它那几百万行代码稀缺；Workday 难替，不是因为前端页面难写；ServiceNow 能守住大客户，也不是靠 CRUD 本身。生成式 AI 确实把很多功能开发成本压下去了，尤其是边缘模块、内部工具、轻应用原型。但它先压缩的是 feature 的边际价值，不是整套系统的替代价值。把这两者混成一句，分析就会失真。 文章里的第一条和第二条，我觉得方向没错，但证据还不够。企业用 AI 自研替代外购，这事在客服、报表、知识库、简单工作流里已经发生了。我自己见过不少团队直接用 Claude Code、Cursor、Copilot 加内部 API，三周做出过去要买单点 SaaS 的东西。可一到 ERP、HR、财务、主数据、审计链路，这套替代速度就会明显慢下来。不是模型不够聪明，是系统切换成本太高。标题讲的是“软件股”，正文其实讲的是“可被模块化替代的一部分软件需求”，这两个口径不一样。 外部参照也能说明这点。2024 年以后，微软、谷歌、OpenAI 吃掉了不少原本会流向应用层的预算，这是真的。很多企业先买 M365 Copilot、Gemini for Workspace，再决定还要不要采购第三方写作、会议纪要、知识搜索工具。可另一面，ServiceNow、Salesforce、HubSpot 这些公司也在把 AI 打进自家套件，试图把 agent 做成更高 ARPU 的增购项。我记得 Salesforce 很早就推 Einstein，后来又加 Agentforce；具体变现数据我没在这篇里看到，近期财报细项我也没逐条核实，但大方向很清楚：老 SaaS 不是站着挨打，它们在把 AI 重新打包进席位、工作流和平台费里。 我对文章里“中国前 10 大企业软件股全部下跌或横盘”的类比也有保留。正文没披露完整样本、权重、区间基准，也没区分 A 股企业软件和美股 SaaS 的收入结构。中国很多软件公司本来就不是纯订阅模型，政府项目、集成业务、一次性交付占比很高，拿它们去对应 SAP、ServiceNow，结论会被宏观和市场结构带偏。这里最多能说“中美软件股都没吃到 AI 牛市溢价”，不能直接推出“全球软件公司业务都不乐观”。 说真的，这条最有价值的地方，不是“AI 伤害软件公司”这个口号，而是它逼大家分清楚：哪些软件在卖代码，哪些软件在卖控制权。卖代码的，会被模型和模板吞掉一大截。卖控制权的，比如财务闭环、审批链、身份权限、审计留痕，护城河短期还在。杰文斯悖论在这里也不是空话。代码产能上来后，世界会消费更多软件，我基本同意；但新增消费首先流向的是更碎、更快、更便宜的软件层，不会自动流回老牌 SaaS 的收入表。 所以我的结论比原文更窄一些：AI 先压缩的是传统软件公司的估值想象力，不是立刻摧毁它们的收入底盘。谁危险？功能单薄、定价靠 seat、没有数据闭环的软件。谁还稳？深嵌流程、迁移成本高、能把 AI 计入更高客单价的软件。正文提出了一个对的问题，证据链还差半截。