AI · Agents · Organization
我认为,企业协作下一步会从“人给 Agent 派活,再由人转交结果”,逐渐走向“Agent 在授权目标内定义子任务、寻找协作者并对齐交付标准”。 人可以减少日常对接,把精力放到责任承担、权限划分和异常介入。实现这个愿景,关键在于正确的上下文与可执行的权限边界。市场机会更可能集中在两类公司,Anthropic 这样的强模型提供商,以及飞书、企业微信这样的企业协作平台。前者能联合优化模型与任务执行,后者掌握现有工作入口、组织关系和企业服务;完整任务的可靠交付仍是两者都要证明的条件。
AI · Chips · Strategy
我的判断是,Agent 使用增加会扩大推理需求,但这条链路的利润要逐层看模型、芯片、数据中心与电力的单位经济,调用增长不会自动让所有扩产方获利。 我比较关注能维持模型溢价、降低交付成本或按期提供稀缺资源的环节,但同时也担忧目前的融资会把未来需求提前变成建设,而收入、债务期限和资产寿命未必匹配。所以目前还无法判断整个行业最终会过剩还是供不应求。另一条我看好的方向是端侧个人助手,它可能带来内存与 CPU 所在 SoC 的配置升级,但仍需由使用频率、硬件增量成本和产品收益来验证。
AI · Speech · Safety
我的判断是,语音个人助手能否承担更重要的任务,取决于它能否把说话人和声学线索转成安全、隐私与公平的正确回应。 我参与的VoxPrivacy 与 VoxSafeBench两篇论文揭示了这两种能力之间的缺口,模型厂商需要加强针对性后训练。沿着这个问题,我更关注两类产业机会,一类是结合真实使用场景、持续提高测试难度的独立评测,另一类是掌握 Personal Agent、车载助手等应用入口,并能把失败与纠正反馈用于产品迭代的公司。静态榜单和单纯接入语音模型,都不足以形成持续优势。