【AI基金】GenAI投資人溫永騰旗下新基金Nebulon Ventures宣佈完成首關 GenAI投資人溫永騰旗下新基金Nebulon Ventures宣佈完成首關。該基金專注全球生成式AI應用，僅耗時四個月即獲頂級產業資本、家族辦公室及機構投資者注資。其早期投資組合囊括HeyGen、Vidu等。

Google 官方有哪些免费 AI 工具🚀 • GenAI Builder（AI 应用搭建） • Gemini API 免费额度 • Speech-to-Text（语音转文字） • Translation（翻译） • Video AI（视频理解） 更多…👇 利用这些资源普通开发者现在也能低成本做 Agent、AI 视频、AI 搜索、AI 工作流 AI 的门槛，正在被快速拉平 原链接：

正在剧变的全球经济底图：人工智能GenAI对高收入国家和欧洲/中亚地区的冲击最大，波及率超过30%。最高波及+低任务变动性(淡紫色部分)，是最容易被彻底取代的阶层。AI正在重塑劳动力价值，传统的“白领技能”正在贬值。8.38亿个岗位，都面临着AI带来的冲击。女性、青年和高知受到的影响最大。总裁简报(@CEOBriefing)提醒：贝恩、麦肯锡、科尔尼、埃森哲、罗兰贝格、普华永道这些企业传统的营销、咨询和品牌管理模式将彻底失效。全球范围内对高质量专业决策的需求，在从美国向外扩散。

提示词工程、RAG、微调、部署、AI Agent——这些是应用级 GenAI 开发绕不开的核心领域 AI Engineering Academy 在 GitHub 上为这些领域提供了一套结构化的学习路线 它的特点是从零手写实现，逐步把学习者从 Demo 带到生产落地 以 RAG 章节为例，项目引导我们不使用任何框架，从头搭建系统，把底层逻辑彻底理清，而不是停留在调用 API 的层面 同时配合大量实战项目与代码示例，正好填补从实验到上线之间的认知空白 GitHub 无论你是刚入门想打基础，还是想进阶掌握大模型应用开发，都可以把这份指南当作实战参考。

Freedom Broker 首次覆盖 Zeta Global（ZETA），买入评级、28.50 美元目标价，较当前约 19.7 美元有逾 44% 上行。 他们给出的理由是：企业正在抛弃碎片化的传统 MarTech，转向统一的 AI 营销云，而 Zeta 把 CDP、ESP 和全渠道 DSP 装进一个平台，底层是基于 2.45 亿个美国实名身份的 SuperGraph，做的是确定性定向而非概率猜测；GenAI 编排层 Athena 负责把复杂营销工作流自动化，压低采用门槛。 Zeta近期也官宣了和Palantir的合作，接下来的第二季度财报会非常有看点，我自己也是Zeta的持有者。

AI经济：去重收入1,100亿美元，规模化速度是任何历史IT浪潮的3倍 Exponential View通过自下而上重建生成式AI经济，得出了迄今最具说服力的AI货币化量化证据：过去12个月，全球生成式AI经济（不含中国，去除应用层、基础模型、基础设施间的重复计算，不含芯片制造）产生了约1,100亿美元的实际收入；将最近一个月收入年化后，当前运行率已达1,750亿美元。两者之间1.6倍的差距，本身就是AI收入加速增长的最直接证明。 更具历史意义的数据来自跨浪潮比较：将生成式AI的收入曲线（以2023年1月为"零年"）与互联网（1995年）、移动应用（2007年）、云计算（2010年）在各自起点后的增长轨迹并排对比，结论清晰：GenAI在第3年（2026年）实现的收入规模，约是任何一次历史IT浪潮同期的3倍。AI的商业化速度不仅比历史快，而且快出了一个数量级。 这一数据为当前估值争议提供了关键注脚：是的，超大规模云厂商的年度AI资本开支约5,000亿美元，远超当前1,750亿的年化收入运行率；但若当前增速持续，AI收入在2027~2028年有望达到3,000亿~5,000亿美元区间，届时ROI将清晰兑现，悬而未决的"AI资本开支值不值"之争将迎来历史性裁决。

AI货币化拐点，早上谷歌、微软、亚马逊、Meta四家公司财报整体云/广告业务的超预期收入加速，缓解“烧钱不赚钱”担忧。整体看四家均交出强劲兑现的财报，云/广告增速稳健或加速，RPO/Backlog大幅扩张，Capex虽高但营收/Capex比值基本守住，市场的高预期基本得到满足（部分甚至超预期）。 1. 业绩增速看点（最直接验证AI货币化） 增速差异主要来自订单结构（长约 vs 现货）、产能释放节奏（GPU/TPU/Trainium到货 vs 需求）和绝对增量（AI训练/推理占比）。 1）谷歌 Cloud (GCP)：实际+63%（$200.3亿，远超共识~50%），增速最猛。AI长约占比高（TPU放量+企业AI合约），产能释放节奏最优，绝对增量最大。 2）微软 Azure：实际增长约38%（符合指引37-38%，Q2曾39%）。AI业务ARR达370亿美元（+123% YoY），仍是核心驱动，但受产能交付限制，绝对增量仍强劲，企业GenAI支出转化明显。 3）亚马逊 AWS：实际+28%（25年Q4为+24%，15个季度最快），大幅超共识26%。Trainium/Graviton等自研芯片+Anthropic等大单加速释放，订单结构转向长约+AI推理，绝对增量领先。 4）Meta 广告：总收入563亿美元（+约33%，大幅beat指引中值），广告业务继续高位平台稳增。AI驱动的广告优化（Advantage+、Llama）直接提升ARPU和转化率，货币化效率最高，无云业务但AI直接服务广告。 小结：GCP增速最炸（订单结构+产能双重加速），AWS实现再加速，Azure稳中略降但AI ARR爆炸，Meta广告最“干净”兑现。增速差异验证AI需求真实且分层释放。 2. 资本支出（Capex） 看点（谁在花、花在哪、折旧何时拖累）四家2026年Capex总指引约6600-7000亿美元（GPU/ASIC 50%，建筑+电力25%，网络15%，存储10%）。重点看营收/Capex比值（当前约4.0，若跌破3.5则担忧产能跑输折旧；守住3.8+则折旧拐点推迟至2028+）。 1）谷歌：Q1 Capex 357亿美元，FY26指引1750-1850亿（多数投ML compute）。Cloud收入+63%+op income暴增，AI长约覆盖率高，比值最优，折旧压力最小。 2）微软：本季Capex 319亿美元（2/3投GPU/CPU等短命资产）。FY26预计1000-1200亿，营收/Capex比值仍健康（AI ARR已体现部分回报），折旧压力可控，但OpenAI相关占比高需持续验证。 3）亚马逊：FY26指引2000亿美元（主导AWS基础设施）。Q1 AWS已+28%且芯片业务ARR超200亿（三位数增长），Capex转化为产能最快，营收/Capex比值有望维持较高水平，折旧拖累最轻。 4）Meta：FY26 Capex上调至1250-1450亿美元（较此前指引上调，反映组件涨价+数据中心）。但广告收入直接受益AI，外部长租合约转嫁部分折旧，Capex转化为收入效率最高（类似“高位平台”稳增）。 总结就是，四家Capex均“花在AI算力”，但谷歌和AWS转化最快（营收加速覆盖），微软次之，Meta通过广告最直接兑现。营收/Capex比值整体守住，未现明显拖累，折旧拐点至少推迟。Meta Capex上调尤其被解读为成本压力增大，所以Meta盘后跌幅最多。 3. 剩余未履约订单（Backlog/RPO） 看点（AI订单含金量）四家合计RPO/Backlog已超1.7万亿美元（纯AI算力订单约8000-9000亿）。重点验证需求方现金流稳定性（大客户支付能力）、合同强制性（长约不可取消）和真实消耗验证（实际使用率）。本季重点：RPO环比增长（大概率+20-25%）和加权平均剩余期限（延长至5年以上=长合约时代确认）。 1）谷歌：Cloud Backlog 超4600亿美元（QoQ几乎翻倍，远超此前2400亿），环比增长爆炸。AI长合约占比超70%，剩余期限显著延长至5年以上，长合约时代已确认，真实消耗验证最强。 2）微软：RPO 6270亿美元（+99% YoY），加权平均剩余期限2.5年。剔除OpenAI后+26%（更接近季节性），现金流稳定性高，长约占比提升，但OpenAI集中度仍是风险点。 3）亚马逊：AWS Backlog此前已2440亿美元（+40% YoY、+22% QoQ），Q1 AWS+28%印证消耗加速。新大单（Anthropic等）进一步延长剩余期限，强制性强，需求方现金流稳健。 4）Meta：无传统RPO，但广告业务通过AI优化实现“即时消耗”，相当于高频短约+长效平台，现金流最稳定（广告主ROI直接可见 总结就是，谷歌Backlog环比最炸（确认长合约拐点），微软/亚马逊RPO稳健扩张+消耗加速，Meta间接验证。 三大指标（RPO环比、营收/Capex、云指引）中至少两项超预期，AI基础设施周期从“预期驱动”转向“兑现驱动”正反馈确立。 整体来看本次财报“够炸”——GCP+63%、AWS+28%再加速、Azure稳38%、Meta广告+33%+Capex上调仍beat，RPO/Backlog集体大增，Capex转化效率高于市场隐含担忧。 总体市场逻辑： 1）预期已极高（“上修-兑现-再上修”正反馈），任意两指标不崩就够，但谷歌三指标全超（增速最炸、Backlog翻倍、转化效率高），直接“够炸”带动盘后大涨。 2）微软/亚马逊：业绩beat但指引/细节/转化效率略逊谷歌，未完全超出隐含最高预期，所以盘后先跌再涨； 3）而meta进一步提高资本开支，市场担心“Capex压力仍存”带动盘后回调 简单来说，谷歌用最炸的Cloud+Backlog数据证明“AI钱烧得值”，其他家虽也强劲，但未完全满足市场已被AI热潮吊高的胃口，导致分化。后续看Q2指引和消耗节奏，AI基础设施周期正从预期转向兑现验证。 还是15号这里 agent热潮是真实可见的。

前二天老杨分享了一个0素材 AI 从零造视频的OpenMontage，也分享过 有素材 AI 帮你混剪的video-use，老杨就知道你们还会问问有没有一条龙的自己搭工作流的框架？ 特么的必须有呀！Director，就是干这个的，完全开源，闭眼搞就对了。 一句话讲清楚： 开源 AI 视频 Agent 框架，20 多个预置 Agent 随便调，搜索、剪辑、生成、配音、翻译全覆盖，也可以自己加 Agent 进来，搭成你要的一条龙视频工作流。 和普通的 AI 视频工具最大的不同是这里： 你说的是"结果"，不是操作步骤。它后面有一套 Reasoning Engine 在拆解你的意图，判断要启动哪些 Agent、以什么顺序跑，实时流式给你进度，不是扔进去等半天。 （1）20 多个预置视频 Agent——精华提取、文本生成电影、视频搜索与索引、自动配音、字幕翻译、帧截取、内容剪辑合集，常见视频需求基本都覆盖了 （2）对话式交互，边聊边看——Chat 界面内置视频播放器，说"帮我找 3 分 20 秒那段"，直接在对话里播出来，不用来回切窗口 （3）接 GenAI 生态，不锁死任何一家——LLM、图像生成、语音合成、向量数据库，各环节都可以换，OpenAI / Claude / 本地模型随意切 （4）视频基础设施走 VideoDB——他们自家的视频存储+索引+流媒体方案，不用自己搭，上传就能直接被搜索和操作 （5）一键部署——Render 和 Railway 都有一键按钮，本地跑也行，Python 3.9+ 运行 （6）框架级别，可以自己加 Agent——如果预置的 20 多个不够，按接口加自己的逻辑进去，完全可扩展 适合做内容团队工具、媒体资产管理、视频 RAG 系统、或者想搭一个自己的"视频 AI 助手"的开发者。 这几天分享了 OpenMontage（AI 从零生成视频）、video-use（AI 剪辑现有素材）、现在这个是"AI 视频指挥中枢"——三个场景，三个不同的工具，可以按需组合。 好东西转给需要的兄弟。🚀 #AI视频# #开源工具# #老杨啊分享#