扫描下载APP
其它方式登录
民主党在重掌国会两院后，计划重点调查苹果、Meta和马斯克等特朗普硅谷盟友，聚焦其与特朗普政府间的商业往来、政策影响及潜在利益输送，涉及ICE追踪应用、地方政府数据中心协议、Grok AI涉军事行动策划等争议事项，企业已紧急聘请律师应对。
文章聚焦29岁Meta首席AI官亚历山大·王及其HRT实习圈同侪（如Cognition创始人Scott Wu、Hyperliquid创始人Jeff Yan、Decagon创始人Jesse Zhang），揭示这群曾共赴量化交易实习、源于数学与编程竞赛的年轻人，如今分别在AI大模型、AI软件服务和链上金融领域创立高估值公司，形成被类比为‘硅谷新黑帮’的新兴科技精英网络。
AI智能体正改变用户搜索与购物行为，削弱谷歌等广告巨头依赖的搜索广告模式。尽管搜索量激增，谷歌广告收入增速放缓，因AI代理绕过广告位直接完成交易；亚马逊封杀外部购物代理以保护广告收入；Meta、Stripe等则押注交易入口与支付层，探索佣金、订阅等新盈利路径。
Meta与上海傅利叶智能合作开发人形机器人Max，作为其Muse超级智能的物理载体；傅利叶提供硬件平台与快速工程能力，Meta主导AI模型与交互定义；此次合作虽提升傅利叶曝光度并支撑其80亿元估值，但尚未带来量产订单或收入突破，其IPO筹备与商业化能力仍面临考验。
潘兴广场CEO Bill Ackman在访谈中阐述其长期投资理念，强调AI驱动下超大规模云厂商（微软、Meta、亚马逊）增加资本开支被市场误读为利空，实则反映真实客户需求与长期回报潜力；他主张依托永久资本、集中持仓、深度尽调和团队共识决策，聚焦业务可预测、现金流稳定、具备护城河的伟大公司。
文章揭示中国机器人产业凭借成熟的硬件制造、完整零部件供应链和快速工程落地能力，成为Meta、Google、OpenAI等硅谷巨头研发人形机器人的关键合作伙伴；双方正通过软硬协同加速AI从虚拟世界走向物理世界，推动大模型驱动的具身智能发展。
Meta与上海傅利叶合作研发消费级人形机器人Max，聚焦硬件本体制造；宇树科技创始人王兴兴在乌镇互联网大会宣布开放机器人硬件平台，面向全球大模型公司寻求‘机器人大脑’合作，凸显中美在具身智能领域分工：美国强于算力与大模型，中国强于机器人本体制造。
美国科技巨头加速发行欧元债券以支持AI基础设施建设，引发欧洲债市供给激增，推高企业与主权融资成本；市场担忧AI资本支出过度扩张导致挤出效应、回报不确定及潜在泡沫风险，华尔街与资管机构对可持续性分歧加剧。
Meta首席AI官Alexandr Wang详解个人AI智能体Muse的研发历程：团队两周内做出原型，但为确保高度可靠性，耗时七个月打磨，聚焦用户真实生活场景中的事务处理能力，强调通过逐项评测、持续迭代和渐进式信任建立，让AI真正替用户完成‘不得不做的事’，释放时间用于个人目标。
Meta与傅利叶合作开发人形机器人Max原型机，实为傅利叶以ODM模式提供少量样机，换取大厂背书，并非深度联合研发或商业订单；傅利叶面临IPO压力、资金紧张及一级市场融资收紧困境，其上市进度明显滞后于同行。
Meta FAIR团队提出“路由式持续学习”（Routed CL）新架构，通过动态将历史任务轨迹聚类并为每簇定制记忆形式，实现经验的精准复用；该方法在多任务混合评测中提升归一化奖励15%-30%，API成本降低65%-72%，解决了全局记忆干扰与记忆形式单一等持续学习核心难题。
AI行业正面临信用评级机构与资本市场的双重压力：Anthropic等AI新锐虽营收高增长，但因巨额算力采购承诺、持续经营亏损及债务抵押约束，被黑石等机构预计IPO后仍属垃圾级；微软、Meta、甲骨文等科技巨头资本开支首超经营现金流，自由现金流转负，股票回购骤降83%，信用展望被调为负面或遭降级；华尔街则通过SPV、设备担保、次级融资等复杂结构为AI基建输血，将信用风险转移至芯片商和金融机构，形成高度捆绑的利益与债务循环。
Meta与中国机器人公司傅利叶合作，3个月内开发出名为Max的人形机器人原型，目标是将AI助手Muse能力实体化，实现家庭交互功能；目前正推进第二代Max 2研发，重点升级机械手、投影显示及楼梯感知能力，并加速组建制造与软件团队。
Meta计划通过股权融资与股票出售合计最高筹资975亿美元，用于AI基础设施及个人超级智能研发；甲骨文则设定本轮资本开支周期至2030财年仅需追加200亿美元融资，并预计2028年下半年自由现金流转正。两家公司均通过客户预付款、供应商融资、合资建设等方式缓解前期资金压力，反映AI投入持续扩大但资本回报周期拉长的行业现实。
文章以OKX财报预测活动为切入点，探讨财报数据达标（如每股收益超预期）与股价走势背离的现象，指出市场交易的是对未来的预期而非单一业绩指标；重点分析奈飞、SpaceX、特斯拉、Meta等公司案例，强调需综合考量指引调整、利润率、资本开支、自由现金流及投入回报周期等因素，揭示盈利数据与价格反应之间的复杂关系。
