全部 · 2026-07-06

Tomasz Tunguz 算了笔账，把 AI 公司的成本结构摊开来看：Anthropic 的算力开支是人力成本的 2.3 倍，摊到每个员工头上每年要花 200 万美元。而放眼整个软件行业，前 1% 的公司给每个工程师花的 AI 钱是 8.9 万美元，相当于年薪的四成；中位数公司一年只花 137 美元，几乎等于没花。这个差距说明，最头部的 AI 公司已经把模型推理和训练当成主要成本，而不是人力。 文章推演了到 2029 年的三种可能。最激进的情况下，随着让模型进业务流程干活（agent workflow）的普及，高盛预计 token 消耗量到 2030 年会涨 24 倍，届时每个工程师的 AI 账单会涨到 59.6 万美元，超过工资。最保守的情况是 token 价格继续每年打一折，加上开源模型质量追上来，AI 开支反而会回落。 正文没披露这三种情景各自对应的概率，也没说 Anthropic 的 200 万美元里推理和训练各占多少。另外，前 1% 公司的数据来自 Ramp 的支付指数，样本偏向用 Ramp 卡付款的企业，不一定代表全行业。如果只看这个数字就推演未来，得先打个折。

FT 这篇分析点出了一个很现实的问题：这两家公司现在都是“非营利组织控制营利子公司”的架构，核心资产和最终控制权还捏在非营利实体手里。虽然它们注册成了公益公司，但一旦 IPO，普通投资者要面对的信息披露、反欺诈保护这些基本规则，在这种混合结构下很难套用。说白了，你买了股票，但公司最值钱的东西可能并不在你持股的那个实体里，出了事维权路径也不清晰。 文章没提到两家公司对此的回应，也没有具体的上市时间表，所以这更像是一个提前敲响的警钟。如果它们不先理顺控制权和资产归属，上市这条路确实会走得磕磕绊绊。

这篇分享的实用价值在于，它把“让模型研究你”这个思路落地成了可复用的提示词模板。最亮眼的是 /goal 提示词，模型自主跑了 25 次实验，花了 165 美元，最终构建速度提升 50%，token 开销降低 60%。这个数字如果属实，说明用模型自己迭代优化工作流，比人工调参省钱省力。工作模式提示词把使用习惯转成可复用技能，行动规范提示词约束子代理行为，这些都是在解决 agent 落地时最头疼的“乱跑”问题。 不过正文没披露实验的具体任务类型、评估标准，也没说 165 美元是单次还是累计成本。25 次实验的样本量对于复杂任务来说偏小，50% 和 60% 的改善幅度可能换一个场景就缩水。反向面试提示词要求 95% 把握再执行，这个阈值设得高，但没解释怎么量化“把握”，实际用起来可能变成永远不执行。 还缺的是这些提示词在 API 计费后的迁移成本，以及不同模型上的表现差异。如果作者能补上任务细节和失败案例，参考价值会更高。

密西西比这个案子把律师行业的老毛病一次性捅穿了：核验链条上每一环都在甩锅。原告外地律师用AI编判例，被告外地律师明知软件只认德州法律还硬用在密西西比案上，两位本地律师拿到文件看都没看就签字。法官撤销了外地律师的出庭资格，两年内禁入，各罚一笔钱，民事审判直接取消。这不是孤例，全美已有239起律师因AI幻觉受罚，2025年全球相关裁决712份。斯坦福的测试更打脸：Lexis+ AI和Westlaw AI-Assisted Research的幻觉率分别是17%和34%，厂商吹的“零幻觉”没有独立证据。 这件事的本质不是AI突然变坏了，而是执行成本降到零以后，判断和核验的成本反而被凸显出来。律师行业本来就有合伙人审助理、本地律师审外地律师的传统，Rule 11早就规定签字等于做过合理调查。AI只是把被委托的对象从人换成了工具，核验义务一点没减。但现实是79%的美国律师在用AI，43%的律所没有任何使用政策，54%没提供培训。工具跑得比制度快，出事的概率只会更高。 正文没披露四位律师的具体罚款金额，也没说民事审判取消后当事人的律师费纠纷怎么收场。法官引用第五巡回法院的话说得很直白：过去不知道AI风险还能算借口，现在绝对不是。这句话正在变成全美法院的共识。

这篇文章把 AI 答案抓取从 SEO 工具重新定义为模型访问市场。NetNut 被 FBI 查封之所以值得关注，不是因为它做网页爬虫，而是它的爬虫目录里公开卖 ChatGPT、Perplexity 和 Google AI Mode 的访问接口。Anthropic 今年 2 月的报告指出，有 24,000 个欺诈账号对 Claude 发起了超 1,600 万次交互，来源指向 DeepSeek、Moonshot 和 MiniMax；路透社后来还报道了阿里相关的指控，涉及近 25,000 个账号和 2,880 万次交互。核心判断是：token 不是唯一的成本，稳定、可编程地访问模型产品界面，才是真正的稀缺资源。品牌监控是合规买家，蒸馏攻击是高风险买家，两者依赖同一层基础设施。 文章把产业分成四层讲得比较清楚：底层是住宅代理 IP 池，往上是 AI 答案抓取 API，再往上是品牌可见性分析仪表盘，最上层是浏览器自动化。但有个关键信息缺口：正文没披露 NetNut 这些 AI 抓取服务的实际定价和客户规模，也没说 Anthropic 提到的攻击者具体用了哪家代理服务。如果是真的，那说明模型公司防蒸馏，不能只封 API，还得盯着住宅代理网络这个入口。

《经济学人》用世界价值观调查给 25 个前沿模型做了次道德体检，结果挺反直觉：GPT-4o 和 DeepSeek R1 像双胞胎，但 DeepSeek 自家的 R1 和 V4 Flash 却像陌生人。这说明出身哪个实验室没那么重要，训练数据和对齐方式才决定立场。大部分模型都挤在“世俗-自我表达”象限，因为 Common Crawl 里 46% 是英文，模型模仿的底子就是个受过大学教育的美国网民。Anthropic 还拿联合国人权宣言当对齐准则，立场自然偏自由派。 对企业采购来说，现在询价单上列的是价格、延迟、上下文窗口和跑分，没人问世界观。让模型写代码、查日志没问题，但一旦让它做市场文案、预测用户行为或定客服语气，它的价值观就会直接渗进业务决策里。正文没给出具体偏差案例，也没说这种差异在实际任务中会造成多大误差。如果真要把世界观加进采购清单，还得补上可量化的评估方法和行业基准。

这篇文章抓到了一个真问题：AI让漂亮的作业和真实能力脱钩了。它没停留在“禁还是放”的争吵上，而是直接说，学校得重建评价体系，去测学生在不同层级能承担什么责任。这个判断是准的。 它提出的四层角色模型——学徒禁AI测裸能力，操作者用AI当局部工具，管理者委托任务并验收，决策者判断什么问题值得做——把模糊的焦虑拆成了可操作的框架。作业从交成品改成交“证据链”（产物、任务记录、验证证据、责任说明），这个想法也直接打中了“产物不等于能力”的痛点。文中提到加州社区学院和哥大师范学院已经在往这个方向挪，说明不是纯空想。 但正文没披露这些试点的具体效果数据，比如老师批改时间增加了多少、学生成绩分布有没有变化。四层评价对老师的判断力要求非常高，怎么规模化是个大坑，文章只提了“需要新的评分表和工具系统”，没给出解法。另外，它把“委托纪律”当成核心能力来教，这个方向对，但怎么考核“委托纪律”本身，说得还比较虚。整体来看，这是一份有价值的路线图，但离可落地的方案还有距离，先别太激动。