注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 原型制作
原型制作 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 原型制作 的推特
用 Codex 做自媒体,真正省时间的不是让它帮你写一篇稿,而是把选题到复盘的每一步都交给合适的 Skill。 一、找选题和看趋势 1、Agent-Reach:搜索国内外多个平台的热点,用来找选题、挖素材。 2、Horizon:每天提供热点和趋势简报,帮你快速判断当天有什么值得跟进。 3、MediaCrawler:采集公开内容和用户反馈,看看真实用户在讨论什么。 二、做内容和视觉 4、huashu-design:生成 HTML 和原型,制作可编辑的 PPT,也能做动画,适合把想法快速变成视觉稿。 5、Auto-Redbook-Skills:写文案、写长文、生成配图,适合先把初稿做出来。 6、Generative-Media-Skills:处理图片、视频、音频的生成流程,适合做多模态内容。 7、nuwa-skill:固定写作风格,让账号长期保持统一的表达方式。 8、guizang-social-card-skill:生成图文卡片和封面图,提升内容被点开的机会。 三、发布和复盘 9、social-auto-upload:支持多平台自动上传,不用在每个平台重复发布。 10、MediaCrawler 再次登场:内容发出去以后,继续用它采集评论和反馈,为下一轮选题和优化提供依据。 这里有个容易忽略的细节:MediaCrawler 在开头和结尾各出现一次。前期用它了解用户在关心什么,后期用它检查内容有没有真正打动用户,整条流程也就能形成闭环。新手不必一次全部装上,可以先从选题和发布这两头开始,把最耗时间的环节交给工具,再根据需要逐步补齐。
显示更多
🎮 链游新鲜事!GMA日报速递 ⬇️ 📅7/6 1️⃣每日资讯 1. Avalanche @avax 生态Team1推出开发者资助计划 Avalanche 生态项目 Team1 宣布推出全新的 Builder Grants 开发者资助计划,每个入选项目最高可获得 3 万美元的资金支持。此外,加速器资助计划还将引入由社区贡献者组成的投票委员会以决定资金分配。 2. Nakamoto Games @NakamotoGames 公布多款旗下游戏最新开发进度 Web3 游戏平台 Nakamoto Games 发布了旗下多款游戏的最新进展。《Ninja Run》正在开发中,《Pharaoh Rush》正在进行玩法和 UI 重制,《Big Fish》已完成原型制作并着手开发无尽模式,此外还在为 Roblox 开发两张新地图。 2️⃣数据来源 X
显示更多
迫不及待地分享一个绝美的网站! Contralabs 是一个由高审美人类专家主导、用来定义和衡量 AI 创意质量的实验室。 ♟️打开网站,映入眼帘的是一个文艺复兴风格的古典雕塑,拿起 21 世纪的点阵笔记本电脑。 通过这种复古与未来的“碰撞感”,Contralabs 向大家传达它的设计理念:"we are building taste into creative AI" 为创意类人工智能赋予审美能力。 ☁️在这里,人类沉淀的审美经验与数字未来产生交汇与碰撞。 它由独立自由职业者平台 Contra 推出,依托其全球超过 150 万名专业设计人才(涵盖设计师、视频剪辑师、独立开发者等)的真实反馈,来评估和优化生成式 AI 在创意工作中的实际表现。 市面上大多数 AI 跑分榜单(如 MMLU 等)往往侧重于逻辑、编程或事实问答等具有“标准答案”的硬性指标。但在设计、网页开发和品牌创意领域,好坏往往取决于审美、品味和具体的工作流阶段。 ContraLabs 正是为了填补这一空白而生: 1️⃣ 评估生成式 AI 的“创意水平”: 衡量 AI 模型在实际的创意设计流(从概念构思 Ideation、到原型制作 Mockup、再到最终打磨 Refinement)中究竟能帮上多少忙。 2️⃣ 区分“共识”与“审美偏好”: 在其最新发布的旗舰研究报告《人类创意基准》(The Human Creativity Benchmark)中,ContraLabs 提出了一套全新的评估框架。它将 AI 的输出拆分为两个信号: 收敛性(Convergence): 评估专家们达成共识的硬性指标,如排版是否易读、布局是否合理、是否有画面瑕疵(这反映了模型的“准确度”)。 发散性(Divergence): 允许专家们产生分歧的软性指标,代表不同的艺术品味和审美流派(这反映了模型的“可控性”与“多样性”)。 3️⃣ 真实业务场景的盲测: 平台通过让多位专业设计师对 AI 生成的落地页(Landing Pages)、桌面应用、广告图像和产品视频进行匿名的两两对决(Pairwise Ranking)和多维度打分,最终生成真正符合人类专业审美、摒弃了“流水线感”的 AI 评估数据。 现在就去体验这个精致的网站,翻翻里面的研究报告。记得右键开启你的“沉浸式翻译”插件,在最舒适的双语对照排版下,解锁关于未来 AI 创意的深度干货。 🔗
显示更多
AI让一个人周末就能做出完整产品,但这不代表做产品这件事变简单了。恰恰相反,代码、原型的制作门槛持续降低,判断、注意力、品味、产品控制权,正在变得愈发珍贵。 OpenClaw创始人的分享,点透了AI时代产品竞争的底层变化。 几年前,想要落地商用产品,需要完整的开发团队,个人很难独立走完从原型到上线的全流程。如今依靠AI开发工具,普通人短短几天就能完成编码、调试、部署。技术不再是门槛,原型随手可得。 很多人产生错觉,觉得创业做产品更容易。但竞争赛道已经彻底切换。人人都能快速堆砌功能,单纯的开发能力无法构筑护城河,真正无法被AI替代的是四项能力。 第一是判断。AI只会执行指令,无法区分真实痛点与伪需求。能不能选对赛道、砍掉无效功能,决定项目最终价值。 第二是注意力。需求和工具无限泛滥,能够持续聚焦核心问题,不盲目扩张,是非常稀缺的能力。大量产品失败,并不是做不出功能,而是方向分散,毫无记忆点。 第三是品味。不止是界面美观,而是体验、价值传递上的取舍。AI输出大多是平均水准,独特的产品调性,是拉开差距的关键。 第四是控制权。重度依赖第三方API、外部模型的项目天生脆弱。服务商规则变动、涨价都可能让业务停摆,长期项目必须掌握自身底层架构主动权。 OpenClaw初代原型依靠AI一小时完成,但项目能够持续发展,依靠的并不是开发速度,而是赛道判断、长期聚焦、产品审美与自主可控的架构设计。 现在单人创业项目越来越多,但绝大多数都会快速消亡。通病很一致:只会堆砌AI生成的功能,缺少清晰定位,高度依附外部工具,没有自身壁垒。 技术红利慢慢消退,未来比拼的不再是谁更快做出原型。精准的商业判断、持续专注的精力、差异化审美、自主可控的产品体系,才是长期核心竞争力。 善用AI放大效率,但先打磨好属于自己的底层能力,再动手做产品。 #ai创新# #ai创业# #ai趋势#
显示更多
OpenAI 内部约 90% 的人每天都在用 Codex。 但他们并不只拿它写代码: PM 用它整理客户反馈、制作原型、推进 PR;设计师用它探索 UI;团队同时调度多个 Agent。 这段 39 分钟访谈真正展示的,是 AI 正在如何重写产品团队的工作方式。👇
显示更多
Anthropic 这哥们的话,真是金玉良言啊。 刚看到 Anthropic 一位 Engineering Manager 的分享,感觉很有意思。 他说,他们团队这个月已经取消了招聘流程中的 Coding Interview,也就是我们熟悉的现场编程题。 因为 AI 在编程方面已经很强了,现场让候选人完成一个 React 编程题,或者考察一些具体的编程知识,通过这些题目来筛选人才,已经没有太大意义了。 而且他发现,自己团队中,那些真正能够创造巨大价值的工程师,未必在传统编程测试中表现得最好。 过去很多科技公司招聘程序员,基本上都把编程能力作为一项非常重要的考核指标。之前我还是程序员的时候,面试前最重要的准备就是刷 LeetCode。 但随着 AI Coding 的快速发展,一名优秀工程师的评价标准,显然也在发生变化。 传统 Coding Interview 可能真的应该彻底取消了。 其实,软件工程这些年的发展,本身就是一个不断提高抽象层级的过程。 最早,程序员需要直接编写汇编。后来有了 C 这样的高级语言,再后来是面向对象编程,以及各种框架和组件。 随着越来越多的底层细节被封装起来,程序员可以用更少的代码,完成更复杂的工作。 现在,AI Coding 又把抽象层级往上抬了一层。过去需要程序员亲自编写和调试的代码,现在很大一部分可以交给 AI 完成。 既然传统 Coding Interview 已经很难准确判断一名工程师的实际价值,那么未来应该怎么招聘程序员? Anthropic 的这哥们说,他现在筛选简历时,会特别关注候选人过去做过的产品,哪怕只是一个很小的原型。 因为通过这些作品,可以直接考察候选人的品味、同理心和思考深度。这些可能都比 Coding 能力重要。 我解释下自己对这三个品质的理解。 品味,也就是 Taste,指的是一个人的判断能力和审美。培养品味其实没有那么复杂,核心就是多看好的东西,然后不断实践,在实践中获得反馈,反复调整。 比如,经常接触优秀的设计和产品,时间久了,自然会慢慢形成自己的判断。 再自己动手做一些东西,就会发现,原来这个页面的元素太多了,那个地方的渐变色有点土,某个按钮去掉之后更简洁...... 品味很难通过学习某个理论就掌握,还是需要不断接触优秀的东西,再通过实践慢慢培养。 同理心的话,好像这个词前几年在国内职场也经常被提起。 简单来说,就是能够站在别人的角度思考问题,不要总沉浸在自己的世界里。 比如,很多工程师长期开发一款产品,对各种功能和操作流程已经非常熟悉,觉得很多设计理所当然。但对于普通用户来说,可能用起来就特别别扭。 优秀的工程师需要能够站在真实用户的角度,理解他们的需求和使用产品时的感受,发现那些自己已经习以为常的问题。 想起张一鸣以前讲过一句话,同理心是地基,想象力是天空,中间是逻辑和工具。 这个理解挺好的。毕竟,如果连用户真正需要什么都不了解,产品做得再复杂,功能再丰富,也未必有什么价值。 最后是 Principled Thinking,其实就是一个人的逻辑思维能力。 开发产品的过程中,总会面临各种各样的选择。为什么要开发这个功能,为什么采用这样的技术方案,又为什么放弃其他方案? 这些决定背后,都应该有清晰的判断依据。尤其是现在有了 AI,技术实现越来越容易,但也不能想到什么就做什么,更不能 AI 给出什么方案,就直接照着执行。 说完面试,我们再聊下年轻程序员的出路。毕竟现在有一种特别流行的观点,认为 AI 对年轻工程师,尤其是缺少工作经验的程序员越来越不友好。 但 Anthropic 这哥们却有不同的看法。 因为他发现,一些刚进入公司的年轻工程师,正在快速超越那些工作经验更丰富、甚至编程能力更强的资深工程师。 一个很重要的原因是,过去需要多年积累的技术经验,现在 AI 已经能够帮年轻人弥补一部分。 即使编程能力还没那么强,他们也有机会快速把自己的想法变成产品,创造出更大的业务价值。 而且,年轻人还有一个很大的优势,就是敢想敢干,有激情,也有野心。 大部分人年轻的时候都是这样,荷尔蒙爆棚,看到什么新鲜的东西都想试试,也没有那么多历史包袱。 进取心胜过资历。 当然,年轻工程师也有自己的劣势。比如他们在组织里没有那么高的地位,也缺少足够的话语权,在一些具体的问题上缺乏经验,所以下的判断可能会绕弯路。 这些就是硬币的两面。但核心是,年轻的工程师没必要妄自菲薄。AI 对所有人都是巨大的机会,没有厚此薄彼。 他给年轻工程师提供了几条建议,我觉得真是金玉良言啊,对所有人都适用。 第一,不要只盯着分配给自己的任务。 早在 2011 年,Patrick McKenzie 就写过一篇很经典的文章,叫《Don't Call Yourself a Programmer》。 里面有句话非常经典:企业雇用工程师,是为了创造商业价值,而不只是编写程序。 对于年轻工程师来说,首先应该搞清楚自己的公司究竟想实现什么目标。如果公司规模比较大,那至少应该理解自己所在部门最重要的业务目标是什么。 甚至可以再往上思考一层,看看自己主管的主管,究竟在为什么事情负责。 要不然很多工程师还是会把自己局限到代码当中。 但公司真正关心的,可能是提高客户留存率、改善产品体验,或者增加收入。 第二,提出一个足够大胆的想法。 不要只想着在现有产品上做一些小修小补。 既然已经理解了公司的业务目标,那就应该认真思考,有没有什么新的产品或者技术方案,能够明显改善业务表现。 哪怕这个想法听起来有点激进,也值得尝试。 因为现在有了 AI,很多过去需要投入大量人力和时间才能验证的想法,已经可以用很低的成本尝试了。 第三,利用一个周末,把想法做出来。 这也是我觉得整篇文章里非常有启发的一条建议。 Anthropic 一些年轻工程师,或者只有几个人的小团队,直接跳过了过去那些繁琐的流程。 他们没有先花大量时间编写 PRD,也没有到处争取产品经理和设计师的支持。 而是利用 AI,在一个周末做出了可以实际运行的产品原型。 然后再拿着原型去沟通。 这两种方式的差别还是很大的。 因为当你只有一个想法的时候,其他人很难判断它到底有没有价值。但有了能够运行的原型,大家就可以直接上手体验,也更容易理解这个想法的价值。 而且,这个原型本身也证明了你有能力把事情做出来。 第四,一个原型最好只表达一个核心想法。 很多年轻工程师容易犯一个错误,就是过于兴奋,恨不得把自己想到的所有功能,全部塞进一个产品里。 结果,可能有三个想法非常优秀,却被另外二十个没什么价值的想法掩盖了。 他认为,制作原型最重要的目的,是让管理者快速理解这个想法为什么值得做,以及你为什么有能力继续推动这个项目。 所以,没有必要为了展示技术能力,把原型做得特别复杂。 把一个真正有价值的想法表达清楚,就已经足够了。 第五,充分利用新人视角。 在一家公司待久了,很多人会逐渐习惯现有的工作方式,甚至把过去的一些经验当成不可改变的限制。 但刚加入公司的年轻人,没有那么多历史包袱。很多老员工觉得不可能实现的事情,他们反而愿意重新尝试。 而且,现在有了 AI,很多过去需要投入大量资源才能尝试的想法,年轻人自己就可以先动手做出来。 举个例子,Claude Code 最开始主要通过命令行交互,很多工程师已经习惯了这种工作方式。 但后来,两位加入公司时间不算长的年轻工程师,利用一个周末,就做出了 Claude Code 图形界面的原型。大约八天之后,第一个公开版本就发布了。 现在大家也都看到了,Claude Code 的图形界面已经成为很多人使用这款产品的重要方式。 所以,回过头来看,我觉得 Felix 说的进取心胜过资历,还是很有道理的。 尤其是在 AI 时代,很多过去需要大量资源才能完成的事情,现在一个人就有机会做出来。 对于那些有想法、愿意主动尝试的年轻人来说,这确实是一个非常好的时代。
显示更多
《笼中窥梦》的采访里,两位制作人讲项目的起点:游戏从头到尾只有两个人做研发,启动资金是留学时的生活费 他们看到视错觉视频后决定把它做成游戏,用生活费做出的原型一路做到苹果年度iPad游戏奖 两个人,一笔生活费,一个年度游戏
显示更多
《恶魔王子》SODA *奶凍 塞克*丝莱芙*凯厄斯 B款(母主粉豚版) 属性:女、比例人型、露出 定价:1400元 定金500 34,170日元(含税) 发售日:2024年4月22日 出货日:2024年七月 比例:1/6 制作:SODA studio 原型:奶凍 角色:塞克*丝莱芙*凯厄斯 作品:《恶魔王子》 地址之一如下:
显示更多
0
19
2.7K
243
转发到社区
都说《龙餐厅》很不错,好多人称这是《我不是药神》导演文牧野的又一部“封神之作”。刚抽空去看了,的确相当精彩,但也没到“封神”的地步。在此不多剧透,仅谈谈几点看法: 电影制作与演员表现 首先,故事的叙述、人物的刻画以及整体剧本的驾驭都非常出色。节奏极为紧凑,即使采用了倒叙等手法,也没有任何错乱、交代不清或刻意雕琢的感觉。选角也很贴切,主角沈腾的演技稳如老狗,该幽默时幽默,该煽情时煽情,演得十分真实自然,完全没有表演痕迹,活脱脱就是那个大时代里一个有血有肉、有感情的小人物。配角们也同样给力,广西小伙、美国一等兵、前后拥有两种身份的餐厅老板、帮厨的本地小男孩以及一众儿童群演,都把各自的角色塑造得十分丰满。 此外,整个中东场景的搭建也非常考究。10万平方米1:1手工搭设的完整中东城市街区,复刻了200多栋中东风格建筑,龙餐馆室内、市井街道以及巷战炮火都在这里完成,服化道真实到位。电影的主旨总体来说没有大问题,以保护战乱地区的儿童为核心,呼吁全世界不要将儿童绑架到任何意识形态的战争中充当炮灰。结合目前巴以冲突的现实背景,具有相当积极的现实意义,值得大力点赞👍。 叙事视角与历史背景 作为一部主要在中国大陆上映(且顺利过审)的作品,叙事上自然需要一定的主旋律加持。说句公道话,虽然片中未明确说明,但显然是以当年的伊拉克为原型,时间线完全吻合。影片并没有过度将美军刻画为单纯的入侵者,虽然涉及美军对某些恐怖分子头目施加刑讯的镜头,但整体表现得比较克制,没有刻意煽动渲染。同时,片中对当地的“反抗力量”(实质上的恐怖分子)也没有给予过多同情,反而主要谴责他们以家国、宗教等名义欺骗诱导战乱孤儿,让他们充当盲目牺牲的炮灰。 不过,片中依然难免带有某些意识形态的“私货”。例如对美军说出“没有你们美国来这里,怎么会有恐怖分子?”之类的台词。现在很多国内的90后、00后可能真的以为当年伊拉克等地的局势,纯粹是因为美国无端干涉他国内政、发起入侵才导致了一系列人道主义灾难。 然而,了解历史的人都知道,第一次海湾战争主要是因为萨达姆入侵邻国科威特,联合国通过决议后,美国组建多国部队击败伊拉克军队并解放了科威特;随后第二次伊拉克战争才正式进入伊拉克推翻了萨达姆政权。 对国际秩序的思考 也许美国的某些军事行动并非完全出于正当理由(well justified),其行为也远非完美,但试想一下:在过去数十年里,如果没有一个像美国这样的“世界警察”角色存在,世界会变成什么样子? 南斯拉夫、巴勒斯坦、黎巴嫩、伊朗、利比亚、俄乌冲突、印巴与朝韩局势、台湾海峡以及军阀混战的非洲诸国等,是否早就乱成了一锅粥?当今世界或许并不完美,但总体上依然保持着和平与发展的主旋律。因此,一味将中东局势的动荡归咎于美国的介入,是一种既愚蠢又危险的论调。 最后,我们可以看看今天伊拉克人民的实际生活状况——这一点在国内其实鲜少宣传。大家不妨一起看看,在战争结束20多年后的今天,那里究竟是变好了,还是变差了: 人口:萨达姆上台时(1979年)人口约1317万,倒台时(2003年)约2680万;现在(2026年)约4800万,比2003年增长近80%。 经济:萨达姆时期人均GDP从高峰约3000-4000美元跌至倒台时约800美元,现在约5410美元,已明显超过其末期水平。 生活:萨达姆制裁年代贫困与物资短缺严重,现在贫困率约17.5%、食品支出占比下降,但部分地区电力和服务仍不足。 安全:萨达姆靠高压维持表面稳定却伴随战争与镇压,现在大规模内战已结束、安全感大幅提升,但仍有局部民兵与区域风险。 发展与自由:萨达姆时期教育医疗一度较好但政治零自由,现在HDI进入高人类发展区间、预期寿命提高,且有相对开放的政治空间。
显示更多
🚨 AI 正在摧毁传统软件的护城河!微软股价突然下跌,科技七巨头面临重新洗牌,真正的赢家可能是 SpaceX! 大家注意了!这不是危言耸听,而是一场正在发生的软件行业生存危机。 过去30年,软件公司依靠复杂的代码、庞大的开发团队和成熟的企业系统建立护城河。但随着人工智能迅速发展,这些曾经难以复制的竞争优势,正在受到前所未有的挑战。 11月10日,市场已经给出了一个非常直接的反应。 Anthropic 宣布推出 Claude Sheets、Claude Whiteboards 和 Claude Data,并预告 Claude Meetings,正式向传统企业办公软件市场发起挑战。 Claude 现在不仅能回答问题,还可以协助创建电子表格、编辑公式、制作数据仪表板、组织白板内容,并通过连接器操作其他企业应用。 更值得关注的是,Adobe、Atlassian、HubSpot 等公司的应用正在被整合进 Claude 的工作界面。用户不再需要频繁切换不同的软件,而是可以通过一个 AI 平台完成越来越多的工作。 与此同时,OpenAI 也在扩大 ChatGPT 的企业功能,推出面向商家的专属 AI 代理,让企业能够通过 ChatGPT 直接与潜在客户互动。 消息公布后,微软 $MSFT 股价盘中一度下跌超过3%,最终收跌约2.2%。 这次下跌背后,市场担心的可能不仅仅是 Excel 或 Office 的竞争,而是整个传统软件商业模式正在发生根本性变化。 过去的软件护城河是代码。未来的护城河可能是算力、电力、芯片、能源、土地和无法轻易复制的实体基础设施。 以前,要开发一套成熟的软件系统,需要数百名工程师花费几年时间。现在,AI 已经可以根据自然语言指令生成大量程序代码,甚至构建相当复杂的应用原型。 当然,真正可靠的企业软件仍然需要安全、合规、数据管理和长期维护,但软件开发的门槛正在快速降低。 这意味着一个危险的趋势:如果 AI 能够不断降低开发成本,那么传统软件公司仅仅依靠功能复杂、代码庞大和用户习惯建立的竞争优势,就可能逐渐减弱。 那么,当软件变得越来越容易复制时,真正无法复制的东西是什么? 答案正在逐渐浮现:支撑人工智能运行的底层资源。 Anthropic 自己的上市申报文件,恰恰揭示了这一点。 根据其最新披露的基础设施协议,Anthropic 对 Google 的云服务最低支出承诺达到1,213亿美元,对 Amazon 达到1,100亿美元,对微软达到472亿美元,而与 SpaceXAI 签署的算力协议总额最高可达1,205亿美元。 这些金额涉及未来多年的合同,其中部分属于最低采购承诺,部分属于可取消或附带条件的最高支出额度,并不代表已经支付的现金。 但它们共同证明了一个极其重要的事实: 一家正在挑战整个软件行业的顶尖 AI 公司,本身却需要依赖其他企业提供庞大的算力基础设施。 这形成了一个非常有意思的商业关系。 Anthropic 的 Claude 可能威胁微软的 Office 软件业务,但与此同时,微软又通过 Azure 向 Anthropic 提供云计算能力。 换句话说,微软一边面对来自 AI 的软件竞争,一边又可能从 AI 公司的算力需求中获得收入。 Google $GOOGL、Amazon $AMZN 同样处于类似的位置。 因此,未来科技巨头之间的竞争,并不简单是谁开发出更聪明的模型,而是谁能够控制 AI 产业不可或缺的基础资源。 看看科技巨头正在投入多少钱。 2026年第三季度,Amazon、Alphabet、微软和 Meta 四家公司购买物业及设备的现金支出合计达到2,019亿美元。 仅仅三个月,就投入超过2,000亿美元! 这笔资金不是为了编写更多代码,而是大量用于建设数据中心、采购服务器、部署芯片以及扩充相关基础设施。 在我看来,这可能是未来十年科技行业最值得关注的资本流向之一。 AI 正在让软件开发越来越便宜,却让支撑软件运行的实体基础设施变得越来越重要。 这场变化也可能重新划分科技七巨头的竞争格局。 微软 $MSFT 面临传统办公软件被 AI 重新定义的风险,但 Azure 云平台又可能受益于不断增长的算力需求。 Amazon $AMZN 拥有 AWS、庞大的物流网络及云基础设施,即使部分软件服务受到挑战,它依然拥有许多 AI 公司难以复制的实体资产。 Meta $META 则掌握 Facebook、Instagram、WhatsApp 等全球性用户平台。一个 AI 实验室可以快速开发应用,却无法在短时间内复制数十亿用户形成的社交网络与分发能力。 苹果 $AAPL 的情况更加特殊。 我并不认为苹果会轻易被 AI 颠覆,因为它真正强大的资产并不仅仅是软件,而是 iPhone、Mac、自研芯片、全球供应链以及庞大的设备生态系统。 不过,苹果在前沿大规模云端算力方面,与 Google、微软、Amazon 等超级云平台相比,仍然面临不同的资源配置挑战。 这也让我产生一个大胆的想法: 苹果未来有没有可能与 SpaceX 建立更加深入的合作关系? 两家公司都拥有强大的硬件研发能力,但优势却截然不同。 苹果控制全球消费电子设备入口,SpaceX 则拥有火箭发射能力、卫星网络、通信频谱以及持续扩张的 AI 算力基础设施。 如果两者未来能够在卫星通信、AI 计算或设备连接方面深化合作,理论上可能形成很强的互补性。当然,这目前只是我的战略推测,并非已公布的合作计划。 而在这一轮产业变革中,我认为最值得重新审视的公司之一,就是 SpaceX $SPCX。 为什么? 因为 SpaceX 拥有的东西,恰恰是 AI 无法通过简单提示词生成的。 2026年第三季度,SpaceX 完成35次发射任务。 截至第三季度末,Starlink 在低地球轨道运行的卫星已经超过11,100颗。 它拥有自己的火箭技术、发射设施、卫星制造与部署能力、通信频谱,以及正在扩张的超级计算基础设施。 马斯克此前还提出,SpaceX 希望到2027年底实现至少13 GW 规模的算力部署。这是管理层的前瞻目标,并不代表相关算力已经建成。 你可以在一个周末开发出软件原型,却不可能在一个周末复制火箭发射台、卫星星座和全球通信网络。 这就是数字资产与实体基础设施之间最根本的区别。 更有意思的是,SpaceX 并没有完全站在传统软件竞争的另一边。 马斯克此前宣布,Grok Bot 将根据不同任务选择最合适的后端模型,包括 Claude Opus 5.5、Midjourney、Suno 以及其他领先的 AI 服务。 这透露出一个值得深思的战略方向。 如果未来不同 AI 模型可以根据任务进行替换,那么单一模型的领先优势可能越来越难长期维持。 真正有价值的,可能不只是拥有某个模型,而是掌握用户入口、任务执行平台、分发网络,以及提供这些模型运行所需的算力。 Grok 5 能否取得突破仍然值得观察,但即使模型竞争日趋激烈,SpaceX 仍有机会通过自己的基础设施参与整个 AI 产业链。 还有一个更具想象空间的方向:轨道计算。 马斯克在近期的 Baron 投资会议上表示,SpaceX 与 NVIDIA $NVDA 合作设计的 StarMind 太空计算机,可能于2027年第三季度开始首次发射。 按照他的设想,2028年逐步扩大部署规模,并在2029年实现更大规模的发展。 为什么要把 AI 计算带到太空? 因为地面数据中心正在面临电力供应、土地、冷却系统、建设周期及监管许可等多方面的限制。 太空拥有丰富的太阳能资源,也提供了一种与地面不同的基础设施部署路径。 但必须强调,轨道计算仍然需要解决散热、辐射防护、通信、维修及经济性等重要问题。它能否在未来几年真正具备成本优势,目前还没有定论。 不过,一旦这条路线在技术和经济层面得到验证,AI 基础设施的竞争就可能从地面扩展到轨道。 届时,SpaceX 的发射能力、卫星制造能力与太空运输体系,可能成为其他科技企业难以迅速追赶的竞争优势。 这也意味着,未来 AI 产业的价值链可能出现一次非常深刻的重新分配。 软件开发成本下降,不代表所有软件公司都会失去价值。真正拥有客户关系、专有数据、安全体系和深度工作流程整合能力的企业,依然可能建立强大的护城河。 但那些主要依靠简单功能收费、缺乏独特数据与客户黏性的企业,将面临越来越激烈的竞争。 与此同时,芯片、先进封装、数据中心、电力设备、能源供应和高效计算网络的重要性可能持续提高。 $NVDA、$AVGO、$TSM、$AMZN、$GOOGL、$MSFT,以及 $SPCX,都可能从不同环节参与这场产业重构。 当然,掌握稀缺基础设施并不等于投资回报一定更高。资本支出过大、产能利用率不足、技术迭代和融资成本,同样可能侵蚀未来利润。 我的核心判断是:未来真正重要的,不再只是哪个公司能够开发出最聪明的软件,而是谁能够以最低成本、最快速度、最可靠的方式提供支撑 AI 运行的计算能力。 过去30年,软件定义了科技行业的商业模式。 未来10年,人工智能可能重新定义软件,而算力和实体基础设施将决定这场竞争能够发展到多大规模。 代码正在变得越来越容易生产,但芯片、电力、土地、卫星和火箭依然无法凭空创造。 当软件不再是最稀缺的资源,真正控制 AI 底层基础设施的公司,是否会成为下一轮科技财富重新分配的最大受益者? $SPCX $NVDA $MSFT $AMZN $GOOGL $META $AAPL
显示更多