智谱im频道怎么打开

不需要发现部署，只需要一分钟，我们就可以有自己的完全体的小龙虾，这是今天智谷新发布的 autoclave 的 新工具，可以快速的得到一个完全体的小龙虾，这是他的主页，我们只需要点击下载，他会根据你的设备自动下载客户端，现在也是只支持 windows 和 mac os， 我们下载完了之后就可以得到一个跟豆包一样的一个客户端，我们在这里就可以跟他去聊天对话，他自己原声是有一个小模型支持调用的，这个工具比较大的优势，他对国产的适配比较好，比如说他也可以一键接入飞书。如果我们想要使用自己的模型呢？我们就可以在设置里面添加自定义模型，比如说我有一个阿里云百联的会员，我们可以用阿里云的 我们的服务商自定义他的模型呢，我们就用 qq 三点五的配置他的这个地址或还有自己的 a p i 添加，就可以使用自己的模型了。可以看到我们现在是用自定义的模型，我们就问他一下他现在是什么模型，我们再测试几个任务， 我们可以看到他可以访问我们本地的文件，他完成这个任务有他对扬爆一些，分析一些技术指标也有一些，也有我们目标架宣传空间，还有一些操作建议。我们也设置一个定时任务，在满五点的时候可以直接提示。好了，这就是一个非常好用的工具，我们赶紧把自己的小楼架扬起来吧。

朋友们，你敢相信吗？一个 openclock 的 安装居然需要五百块钱，而且即便如此还是排起了长队，这小龙虾现在到底是有多火啊， 不过今天来了一个直接掀桌的，它就是质朴昨天新鲜出炉的 autoclock。 这个 autoclock 的 本质呢，就是帮你把 openclock 的 一系列安装啊，配置的流程全部帮你封装好了，所以你只需要下载安装一下啊，就跟你在电脑上安装其他的软件一样，没有任何区别。 接下来我就想问，还有谁用不上 oppo 卡的吗？今天我们就来好好的看一下，这个智普的 autoplan 使用起来到底是有多么简单方便。首先安装就真的跟你在电脑上安装其他的软件一样，你只需要到这个官方的下载页面点一下下载按钮， 然后呢双击开始安装就好了。像我这边是 mac 的 话，我只需要把这个图标拖到这个文件夹里面， ok， 就 安装好了。好，打开这个 autoplan 啊，这边 有一个登录页面，我们用手机号登录一下，那进来以后呢，就可以看到这样的一个界面啊，这个就是你跟 opencloud 的 对话的界面，而且在这边它还自动的帮你对接好了。智普专门为 opencloud 定制的一个大模型，叫做 pony alpha two， 新用户登录是会赠送一些免费的积分的，所以你立刻就可以开始使用了，完全不需要你在乌漆嘛黑的密令行里面去配置什么模型啊，输入什么 key 啊等等之类的，甚至还不需要做任何的充值啊，免费直接上手。好，我们跟他打声招呼啊，你好， 可以看到它这边有回复。好，当然如果你想用别的模型的话，在这边也是可以配置的。在这个设置页面这里的 models and api， 这里可以配置你想要的任何模型啊，像国内的 deepsea， mini max， kimia 等等，这些都是支持的。然后如果你想要接入 open ai， 这些模型也是可以的，选择这里的 custom， 然后只要符合 open ai 或者是 entropin 协议的模型，你 都可以使用。这一点我觉得还是必须要给字谱点个赞的啊，虽然说这个 autoplay 是 字谱开发的，但是呢，他也没有强制你必须用字谱的模型，哈哈，好，接下来我们来演示一下让他来对接飞书，那方法是只需要点这里的按钮就好了。 ok， 我 们点一下，然后可以看到他自己在走一系列的接入飞书的流程。 大家看，我的手是没有动的啊，是他自己在做这一系列的操作，直到最后的审核环节啊，这个审核环节我们还是得自己来做， 审核完了以后呢，我们就可以立刻开始来使用了。好，我们给他发个消息，好，可以看到他正确的回复了，然后让他给我们创建一个飞速文档，可以看到他也顺利的完成了这个自动对接。飞速的功能，我觉得真的是太小白友好了。 而且更强大的是他这边还自带了一系列的 skills 啊，覆盖了内容创作、办公代码和营销金融等等高频场景。 在这里可以看到啊，将近有一百个 skills， 所有这些 skills 要么是可以直接使用，要么是你只需要点一下这里的添加按钮，就可以自动的帮你安装配置，好像这里的 obsidian skill， 你 添加好了以后呢，就可以用来搜索和管理你的 obsidian 笔记了，你根本不需要做自己去配置啊，安装啊等等这些麻烦的事情。 当然网上几乎所有的其他的 skill， 这个 autoscale 嘛，对吧？像这个公众号文章搜索的 skill， 我们直接扔给他，然后跟他说帮我安装一下这个 skill。 ok， 很 快它就安装好了，然后我们就可以用它来全网搜索公众号文章了。还有一个非常大的亮点是 openclaw， 它自带了一个改进版的 browser agent， 相对于 openclaw 自带的那个浏览器，它能够稳定地完成多步骤跨页面的浏览器执行操作，来实现长链路的自动化任务。 ok， 以上就是我对 openclaw， 它本质上就是 openclaw， 所以 你在网上看到的所有其他的 openclaw 的 玩法 在 autoclave 里面也都是可行的。只不过是说它把 openclaw 的 上手难度彻底降到了零啊，所以特别适合那些没有技术背景的朋友，或者是不想自己折腾各种麻烦的问题的。 所以如果你之前一直听说 openclaw 怎么怎么样，但是呢，自己搞不起来啊，非常推荐去试一下这个 autoclave。 好， 那我们这个视频就到这里，觉得有用可以点赞关注一下，我是川哥，我们下期见，拜拜！

豆包 ai 手机刚上线几天，各种奇怪现象就开始在网上刷屏。有人说淘宝一打开就弹验证码，微信登录提示环境异常，还有人反馈某些银行 app 出现弹窗警告，是不是围脚还不好说。但这么多头部 app 同时对一台手机紧张，这在国内互联网史上很罕见。 就在豆包被层层限制的时候，智普突然宣布开源 auto g m， 一个能让 ai 自己规划任务、调用工具，把复杂链路分步骤执行的自动化框架。 这意味着智能体不再是聊天机器人，而是能像数字员工一样工作。这下不只是大厂，连个人开发者都能做自己的 ai 手机助手。一句话来说，你可以限制一个产品，却很难限制整个开发者生态。但其实行业早就在往智能体狂奔了，小米提端侧大模型、 vivo 推 origin 智能体， oppo 做系统级 ai 模型，厂商秘籍推出行业链路，连平台型产品也开始下场。小红书的创作助手、电商平台的 ai 导购、商家助手。这些并不是豆包之后才发生的，只是被这场风暴突然推进了聚光灯里。 今年下半年，你看到的所有大模型更新，都在从通用问答到能干成一件具体的事。迁移， 简单来说就是所有玩家都在往垂直化法里。通用 ai 不 香了吗？其实通用 a j 根本落不了底， 他做不到三件事，第一，不能交付一个确定结果。第二，无法对其真实业务链路。第三，最关键的，他没法形成付费币还。你不会为了泛泛的信息付钱，但你会为了把合同审对，把报表跑通，把视频产出付钱。 互联网时代是从广到深，先搞用户量再做服务。但智能体时代是反的，需求金字塔已经倒置，场景越垂直，任务越明确，猎路越深入， 智能体的价值越高，越能收费，复购率越强。通用的镜头是无用，垂直的开始才是未来。

家人们，我觉得我发现了一个非常好用的功能，也就是智普青研上面的学习搭子，这个 agent 在 这里可以导入学习资料， 点进去了之后在本地上传，这里主要是可以上传像 pdf 或者是 e、 p、 u、 d 这些格式的资料，再解析创建项目，解析了之后它导出来是这个样子。就比如说我导入了一个呃 pdf 版本的宏观经济学，然后它会自动去分成这五个 part。 比如我们先点进去第一个 part 了之后， 首先左边的这一块是自动生成的知识图谱，中间这里有知识卡片，下面 ai 讲解就直接根据它的原文去做了一个对应，对应这个知识点的解释，如果点进去 ai 闪卡也可以自动生成 这个知识点对应的一些呃不同划分的一些漫画。右边呢，点进去可以直接看到你这个资料它原本的样子，就比如说我导进去的是 pdf， 然后这里就可以直接看到 pdf 的 原文。 我觉得就是这一块非常适合我们去学习一些从国外引入到国内的一些概念。因为有些时候因为翻译的原因， 或者是我们本身是新手，所以说有些时候看到一些概念的时候觉得比较难懂。遇到这种情况的时候，我一般来说都会直接把它扔给其他的 ai， 然后让其他的 ai 来给我解释这个问题。但是现在如果有了这个功能之后， 你就可以直接输上对应的哪一些知识点，它自动自己给你生成了相应的这些 ai 的 解释，就不需要在一段话一段话的去复制到另外一些平台上面再去理解，往下了之后 ai 讲解这里有一些这些板块， 也是比较便于帮助我们理解。尤其是我觉得他有一个比较好用的功能，是下面有个思考一下，他就会直接的去对应 他给你抛出来的一个问题，结合这个知识点，你可能就会去思考这个知识点会如何的运用到实践过程中，也可以帮助我们再去构建这个知识点相关的突触， 这样他就可以在短时间之内帮助你快速的理解这一个概念，并且能够长期的扎根在我们的大脑中。如果说你对这个知识点还不是特别的理解的话，这右下角还有个可以问问答子，可以提问相关的一些问题。 所以说我觉得尤其是对于我自己来说，这个功能非常适合经管类的学生，或者其他的一些人文社科的学生，因为像我们的一些概念，可能经常都是由国外引入的一些概念嘛， 我觉得这个方法这个功能就非常能够帮助我们的去帮助我们去理解，并且能够快速的攻克考试。

呃，你好，欢迎来到我们今天的深度解析，今天我们要聊的话题，其实如果你一直在关注科技赛道或者二级市场的话，肯定每天都会看到。没错， 就是在这个 ai 技术每天都在狂奔的时代，大家的信息接受量已经完全饱和了。对，真的是信息过载， 你每天看着那些铺天盖地的新闻，什么模型参数又变大了，什么技术突破了，其实很容易产生一种疲劳感。是的，因为对于交易台上的投资者来说，大家最关心的一个核心问题却是这几年一直都没有变过。 没错，就是这些看起来非常炫酷的 ai 大 模型，到底怎么把那些燃烧的算力转化成利润表上的真金白银，这才是最实在的。对，所以这也是为什么我们今天要花时间来深度拆解一份刚刚出炉的研报， 也就是摩根大通在二零二六年二月二十日刚刚发布的这篇中国 ai 行业深度研究报告。嗯，这份报告分量非常重， 而且我得提前跟你，也就是在在听我们节目的你明确一下我们今天的解释任务。我们今天绝对不聊那些虚无缥缈的科幻院景，也不去死磕那些晦涩的技术参数，我们直接从二级市场股票投资者的视角切入， 顺着资金和数据的流向去看看 ai 行业的商业化拐点到底在哪里。对，特别是要弄清楚报告里提到的一个关键现象， 就是为什么智普和 mini max 这两家行业龙头，它们的目标价双双被投行大幅上调了，智普上调到了八百港元， mini max 直接上调到了一千港元，背后的深层逻辑到底是什么？其实当前资本市场的定价逻辑确实已经发生了一个非常实质性的转变。 前几年我们在市场上看到的交易主线，基本上都是围绕宏大蓄势展开的，就是那种 ai 将颠覆一切的故事，对吧？没错，那时候只要你的模型参数够大，讲的故事够漂亮，市场就愿意给出极高的议价。但是到了今天，情况完全不同了，投资者开始变得更务实了，极其务实。 现在的投资者是拿着计算器在做估值，他们开始精确地衡量这些 ai 供应商的 api 调用量，客户的留存率，还有未来的盈利可监督。也就是说，市场情绪已经从那种技术探索期的狂热，正式跨入了一个变现趋势完全可测量的实质性阶段。对，摩 根大通的这份报告是所以重要，就是因为他用详实的硬核数据证明了这个阶段的到来。好，那我们直接进入报告的第一个核心趋势， 这个趋势其实也是整个商业化拐点的前置条件，就是大模型正在发出一次形态上的跃升。嗯，也就是从之前的单次对话全面向制冷体工作流，也就是我们常说的 agent 的 方向严谨。 哎，为了让你更直观的理解这个转变，我们可以打个比方，就拿公司里的员工来做类比，这个比方很贴切，对吧？你看，过去的对话助手，就像一个刚毕业的实习生， 你问他一个非常具体的数据，他跑去查一下，然后跑回来告诉你，就就亡了，一问一答，纯粹的指令响应某事。对， 但是现在的智能体呢？它相当于升级成了公司里的项目经理，你可以直接丢给他一个非常复杂的任务，比如说给我做一份这个行业的竞品分析报告，然后他能自己去把这个大任务拆解掉。没错， 他能自主规划步骤，自己决定什么时候去调用搜索引擎，什么时候去查数据库，甚至他能自己去验证中间生成的数据对不对，最后直接把排版好的报告放在你面前。这种从指令响应到自主执行的转变， 这里真正令人着迷的地方在于，它直接重述了整个行业的算力消耗模型。是的，这点在报告的数据里体现得淋漓尽致。你看，摩根大通引用了 open rota 的 全球网络监测数据 简景是，今年年初到现在的这两个月时间里，全球周度的 token 消耗量已经翻了一半翻三了。 这个基数已经非常庞大了，对，已经接近十四 t 的 惊人水平了。而且除了总量在狂飙，更重要的是消耗结构的根本性倒置。怎么个倒置法？就是说像 openclo 这种专门基于智能体多部工作流的应用， 他每周消猫的偷看量现在已经超过了二点三五 t。 哇，那这把以前的那些消耗大户给挤下去了，完全甩在身后了。以前大家觉得耗能最多的是纯代码生成助手，比如 kolo， 他 现在的消耗量大概是一点三 t。 现在那些能够自动执行多部任务的智能体，才是真正吃蒜粒的绝对主力。但是等等，站在一个听众，或者说站在企业客户、投资者的角度来想，如果偷看消耗量这么激增，那不就意味着客户购买 a p i 的 账单在直线上升吗？ 对啊，你想，如果成本越来越高，这门生意在商业逻辑上怎么能持续？客户凭什么心甘情愿越为这种指数级增长的号能去买单？这其实就是整个行业现在面临的最核心的一个商业博弈点。 你看，当一个智能体在执行一个包含十几个步骤的复杂工作流的时候， 假设他在第九步，呃，突然出现了逻辑幻觉或者调用某个工具失败了，那前面八步不就白干了吗？没错，他就需要推翻重来，或者触发极其平凡的自我纠错循环。 这种因为模型能力不足而导致的无效投坑消耗，才是客户真正的成本黑洞。也就是说，客户不怕多花钱，怕的是花冤枉钱，就是这个道理。所以，在真实的商业环境里，工作流的稳定性首次超越了模型单纯的聪明程度， 这就成了一个可以直接变现的商业属性了。换句话说，谁的模型在执行这种多步任务的时候一次性成功率高， 谁就能帮客户把那些因为不断重试而产生的隐性成本给省下来。还劝正确，这也就解释了为什么今年春节期间，国内各大科技巨头都在不遗余力地进行极其夸张的大规模真实世界压力测试。 好的，让我们来拆解一下这个春节党的测试。我在看报告的时候，关于字节跳动在春晚期间的那个数据细节，真的让我倒吸一口凉气。春晚这个场景的流量峰值在全世界都是独一无二的，绝对的。 报告里说，在全国流量最极端的那个峰值时刻，豆包相关互动的单日调用量达到了十九亿次，这个泵值消耗量高达每峰中六百三十三亿个头啃。 另外，他们还不是单独测一个文本模型，是带着豆包二点零还有视频生成模型 cds 二点零，一整套产品军追在同步进行升级测试。从外自交易台的视角来看，我们不会觉得这仅仅是一次成功的市场营销。那你们怎么看？这其实是一次史实级的 在工业规模病发状态下的生产就绪水平测试。生产就绪水平测试这个词很专业， 就是说他向所有潜在的 b 端企业客户证明了，我的底层基础建设在极端压力下是绝对稳定的，你买我的服务不会崩。对，如果我们再把目光转向阿里巴巴的昆三点五，这种将技术实力直接转化成商业利润的战略意图就体现得更加明显了。 阿里那边的数据是怎么样的？阿里官方透露的数据显示，与前一代模型相比， q n 三点五在处理大工作辅导时的成本直接下降了百分之六十，而它处理同样工作辅导的能力增加了整整八倍， 成文直降百分之六十，工作能力还提升八倍，这对云服务厂商和企业客户来说，都是个非常关键的数字。没错， 这直接打中了客户的痛脸。因为你知道，对于那些掌管着企业 it 预算的首席信息官，也就是 cio 们来说，他们每天盯着的一个核心指标就是 t、 c o， 也就是总拥有成本。对阿里的这种降本增效， 本质上是把智能体的能力作为云原生的一个标准组建给工业化整合了。这点非常致命。就是说客户现在不需要再花费高昂的代价去单独搭建一个复杂的 ai 运行环境了。是的，直接在阿里云上调用 api 就 行。 t c o 大 幅度改善，花同样的预算，现在能部署原来八倍的工作辅导，这种性价比的提升会直接带动云服务整体利用率的飙升。所以说， 这种从单纯的卖模型 a p i 想卖云原生算力组建的转变，对云计算业务的利润改善是极其显著的。确实， 不过，虽然大家现在的发力点都在智能体上，但我们看到具体的变线路线其实出现了非常明显的分化。没错，这就引出了我们今天研报里要重点讨论的两位绝对主角， 智普和 minimax。 对， 就像我们刚开始说的，智普的目标价被上调到了八百港元， minimax 被上调到了一千港元。但是这两家公司走向这种高估值的路径好像截然不同，可以说是完全互补的两个极端。你看智普， 在一个开源模型都在把基础 api 价格越打越低的市场环境里，他的定价策略乍一看简直像是在逆势而为。怎么说？研报显示，智普的新旗舰模型 glm 五明确瞄准了极具高价值的编码智能体人物， 更反之觉得是他们居然把编码方案的输出价格提高了至少百分之三十，涨价了百分之三十，对输出价格达到了每百万 token 十八到二十二元人民币。大家都知道现在的加价战有多惨烈，对吧？是啊， 别人都在免费或者跳楼价，智普凭什么敢逆势涨价？而且最关键的是，摩根大通的投行分析师不仅不觉得这是个问题，还给了他这么高的盈利预期。这是因为智普走的是一条典型的基于价值定价的高端路线。基于价值定价？ 怎么理解这个价值他们算的很清楚，在高级软件工程师的日常工作流里面，最大的成本 根本不是那几块钱的 api 调用费。没错，工程师的工资可比 api 贵多了。你想象一下，如果一个 ai 给你生成了五百行代码，看着很完美，但是里面隐藏着一个极其隐蔽的逻辑 bug， 那 就有头疼了。对啊， 程序员可能需要花上三个小时甚至半天的时间去排查和修复这个 bug， 这几个小时的顶尖工程师人力成本 早就远远超过了千万级 token 的 费用了，哎。也就是说， g l m 五的核心卖点并不是说它能多快生成代码，而是它通过降低工具调用错误率，把代码生成的一次性成功率做到了行业顶尖。没错， 客户表面上看起来好像是在为更贵的 token 价格买单，但本质上，它们是在花钱购买一次就能把事情做对的高级生产力， 买的是工程师被节省下来的那几个小时的返工时间。所以说，因为居奥 m 五确确实实为这些企业客户降低了整体的研发人力成本，智普就成功地掌握了这种高端应用场景的定价权。这个逻辑非常通顺， 这也解释了为什么摩根大通非常有信心预计智普在二零三零年的净利润预期能高达一千七百亿元人民币。对， 智普是在高端定制服务上建立起了自己极深的护城河。而研报中另一家被高度看好的公司，也就是 minimax， 则展现了一副完全不同的商业版图。好的，这里才是真正有趣的地方。 让我来用比较接地气的方式拆解一下 minimax 这种被研报称为病发经济学的打法。你说，如果说智普做的是高金仙的手工定制西服，那 minimax 的 野心就是成为 ai 时代的平价水电煤。这个比喻很形象， 引爆里特别提到了他们的 m 二点五来听版本，对这套模型完全不走那种追求单四深度复杂推理的路线。它主打什么呢？极致的吞吐量，它每秒钟能处理一千个头啃，而且成本极低， 连续高强度运行一个小时，成本只要大约一美元。一美元一小时。你想想，在未来的智能体生态里，并不是所有的任务都需要一个拥有博士级别的推理能力的 ai 去干，确实不需要。 比如说在一个大型网络游戏里，你要让上百个 npc 同时和玩家进行那种非常自然的日常对话， 或者说在大型电商平台上，要在双十一期间同时处理海量的基础客服分发。面对这种高频策但是单次推理强度并不高的海量任务， minimax 的 策略就是把每次推理循环的编辑成本硬生生地压缩到了极致。所以这是一种典型的以量取胜的基建型战略，对吧？完全正确， 通过这种超低的门槛和极高的病发处理能力， mini max 现在正在迅速抢占大量长维场景和高频应用的市场入口。当一家企业需要大规模、全方位地在日常的每一个业务细节里部署 ai 的 时候， 这种成本完全透明可控而且能支撑千万级病发的基础设施绝对会成为首选。没错， 所以，基于这种庞大的底层业务量所带动的飞轮效应，某根大通的研报预计， mini max 在 二零二六到二零三零年这几年间的收入年复合增长率将超过惊人的一百倍。百分之一百的复合增长， 这在任何行业都是极其恐怖的增速。那好，现在业务逻辑和盈利模式我们已经都梳理得很清楚了， 质朴主打高端，一次性作对。 mini max 主打平价、海量并发，一高一低互补，而且非常清晰。但是，我们还是要回到投资者最关心的问题上，对，对于二级市场的听众来说，最头疼的估值问题来了， 这两家公司我们都知道，目前还都处于那种通过高额的研发投入疯狂抢占市场份额的阶段，报告里也写了，预计两家都要到二零二九年左右才能真正实现盈亏平衡。那么问题就来了，在目前这种还没有稳定正向现金流的情况下，摩根大通对出的三十倍的二零三零年预期市盈率， 老实说啊，听起来有点过于遥远了。是的，在瞬息万变的交易市场上看，四年后的市盈率确实会让人心里没底儿。那我们到底该怎么给这种还没有盈利但是又高速成长的 ai 独角兽进行一个当下的能够让人信服的精确定价呢？这里就涉及到估值模型的技术环节了。 传统的现金流折现模型，在面对这种指数级爆发增长的新兴行业时，其实是会失秀的。所以摩根大通的分析师拿出了什么新武器？他们在研报里引入了两套非常具有实战参考价值的估值交叉验证框架。 我们先说第一套框架，那就是对标历史轨迹找参照物。对，他们回溯了美国头部 ai 公司，比如 open ai 和 anthropic 在 早期发展阶段的估值表现，怎么个对标法？当这些巨头当年的年度经常性收入就是我们常说的 a r r 刚好处于几亿元元这个和现在中国双雄类似的区间时，你猜资本市场当时给出了多高的试销率倍数？试销率大概多少？大概在九十七倍到一百四十五倍？我的天，九十七到一百四十五倍的 ps， 也就是说，如果我把这个历史倍数作为一个锚点，直接套用到智普和 minimax 近两年的预期 ar 二上，目前的这个目标价估值其实反而算是非常保守的。从历史可比交易来看，确实是这样。 但是对，我也想说这个，但是因为历史对标有时候会有刻舟求剑的风险，毕竟现在的宏观资金面和几年前已经完全不同了。没错，所以研报里提出了第二个框架，这个框架更有说服力， 叫做结构性比例验证。这个听起来很宏观，它确实是从一个更宏观的全球视角来测算一个估值的安全编辑。 这个框架的起点是全球潜在市场总规模，也就是 tim。 整个 ai 市场的盘子有多大？研报经过详细计算，得出，全球 ai 的 tim 大 约是一点四万亿元。 一点四万亿。好，然后呢？接下来分析师将中国市场可捕捉的规模在结构性上界定为美国市场的大约二分之一。让我们把这个宏观的计算翻译成今天我们能用得上的具体交易逻辑。 如果市场的总盘子是一点四万亿，中国市场的结构性体量算作美国的一半，但是我们在国内弊端，市场价格战打的可是比美国激烈的多的，而且还有企业客户账期更长等各种商业环境的折让因素。 也就是说，把这些所有的折价变量全部放进模型里，摩根大通其实是在给这个中国市场一半的体量再做一个深度的打折计算，对吧？完全正确！ 经过这一系列极其严苛的风险折让之后，研报最终得出了一个非常实用的经验法则。什么法则？中国头部 ai 企业的合理估值区间应当是其美国同业最新估值的五趴到二十五趴之间。五比上二十五， 能举个直观的例子吗？没问题，你比如如果目前美国 antropic 的 估值是八千五百亿美元， 那么基于这个五比上二十五的比例原则，你再去反观智普和 minimax 当前被上调后的目标价，我明白了， 你会发现，他们现在的定价就算涨到了八百或者一千港元，落在这个区间里依然是绰绰有余的。也就是说，这个目标价在宏观经济学上不仅完全占得住角，而且还给投资者留有相当充足的安全边际， 这就是外资投行做交叉验证的意义，它证明了这绝不是拍脑袋想出来的高价。这个框架对投资者来说真的太有价值了， 因为它不仅仅是一个干巴巴的写在纸上的目标价，它是给出了一个你可以根据全球龙头估值自己去动态调整的计算公式。是的，授人以渔。 好，今天我们花了这么长的时间，顺着摩根大通的这份深度研报，可以说把当前中国 ai 行业的底层商业逻辑彻底彻底地的梳理了一遍，内容确实非常密集。 如果我们要为你提炼几下今天最大的核心洞察，那就是整个 ai 的 趋势已经彻底翻篇了。它从谁的模型参数更庞大，显得更聪明，已经冷酷的转向了谁的工作流在病发时更稳定，谁的单位经济效益算得过来账。没错， 商业的本质最终还是要回归利润。无论是智普通过提升一次性成功率，牢牢掌握高端乡情的溢价权，还是 minimax 通过极致的吞吐效率去主导平价的基础设施网络， 他们其实都在用实际行动向市场正彼一点，就是 ai 正在大规模的实大实地转化为企业账本上的真金白银。当我们看到这么清晰的商业化变线路径时，对于一直关注这个赛道的人来说，这确实是一个令人振奋的时刻。确实如此， 不过在今天这份研报详实的财务数据之外，趁着这个机会，我想抛出一个更具前瞻性甚至有点颠覆性的问题，留给你在节目之后去进一步思考哦，什么问题？今天我们探讨的所有这些商业模式，无论是智普还是 minimax， 他们底层的逻辑依然是传统的 b 柱 b， 也就是人类企业在购买 ai 服务。对，是人在花钱买 toc。 但是随着智能体能力的进一步的跃升，你可以想象这样一个场景， 在不远的未来，那些已经被广泛部署在各大公司业务节点里的 ai 智能体，他们为了完成人类交代的极其复杂的任务，开始需要自主去评估，自主去购买，甚至相互之间溢价其他的计算机资源和 api 服务。 哇，你的意思是说机器和机器自己在交易了？对，当 ai 不 再仅仅是提供被动服务的工具，而是逐渐变成了购买其他 ai 服务的最大客户群体的时候， 那这种机器对机器的自主消费网络 m two m 经济，它瞬间产生的高频交易流绝对会是天文数值的。是的，它不仅会彻底颠覆我们现有的基于人类决策时间的 api 定价体系， 更可怕的是，它会直接击穿我们今天刚刚讨论过的所有基于人类企业消费行为建立的股市固注模型。这是一个极其硬核，同时又充满着无限想象空间的未来视角。当期期成为最大的消费者，这笔账又该怎么算？ 非常鼓励你带着这个极具颠覆性的思考，去重新审视当前二级市场上 ai 板块的资金流向和背后的技术严峻，这也是我们不断做这种深度剖析的乐趣所在。 没错，非常感谢你今天花时间陪伴我们一起完成了这次深度的知识探索，希望我们今天顺着摩根大通研报拆解出的这些逻辑，能成为你投资框架里的一块拼图，相信下一次的解气同样会为你带来意想不到的收获。我们下次见。下次见。

一天教你白嫖一款宝藏神器！今天分享的是智普奥龙欧托旭尔，可以快速部署本地 ai， 手机、平板电脑都可以使用。话不多说，宝子们低调领取。首先点击作品右下角这个图标， 复制一次，接着返回桌面，打开这个蓝色小鸡，没有的话去商店抓一只进去，等一两秒会弹出一个文件，如果没有弹出，直接搜索小好工具，找到这个工具软件包，再找到我们需要的保存安装就可以了。

我用 ai 从零搭建了全自动的炒股系统，实盘交易账号公开记录可查全网，你可能都找不到这么公开透明的 ai 炒股分享。几个月前，我就发布过关于 ai 炒股的视频，全网三百万播放， 无数人评论问怎么做。那时候对普通人来说， ai 炒股还是很难。现在不同了，用龙虾配合新的大模型，普通人也能搭建自己的自动交易系统，更重要的是，他能自我迭代，学习升级。 开始我让他管理十美金作为测试，携带后让他管理一百七十美金，然后逐步加码，第一天他就默默产生了一千美金的交易量。放心啊，没你想的那么复杂，全程都是使唤龙虾来完成。 我怕有人还觉得龙虾难用，专门选了一个门槛极低的龙虾。智普的 autoclave 什么配置啊，部署啊，完全不需要下载下来，开箱即用， ui 也比原版龙虾简单很多。打开 autoclave， 可以 配置任意模型。不只有智普的模型啊，它默认是使用智普新出的龙虾专用模型。 pony alpha 二， 我也是第一次用啊，也想评测一下他的水平，听说是能让龙虾的能力再上一个台阶。整个系统包含多个模块。首先核心的是一个交易 agent， 他 会写交易日记，会调用多个技能来完成全自动的交易， 还有两个技能，交易策略技能和交易执行技能。交易策略技能呢，会基于历史数据制定策略，回测、调餐，然后用找到的策略进行交易。交易执行技能呢，用来到券商或者交易所执行买卖操作。那做完买卖操作之后，交易 agent 会发送飞书消息通知我们， 每过一段时间， ai 可以 根据交易日记总结经验，叠带交易策略，形成一个交易叠带左脚踩右脚螺旋升天的闭环。 还是要声明啊，视频仅作为技术研究，不构成任何投资建议，不建议大家投资啊，我们的重点在于啊，如何通过龙虾搭建这一套 ai 全自动的交易系统，不会过度的深究交易策略，大家可以自行搭配任意互联网上能找到的策略。第一步， 首先 ai 要学会使用股票软件来执行买卖操作，我让他专门开发一个技能，为了方便演示，我选了和知名 ai 炒股大赛相同的合约。 那 a 股的话呢？大家可以自行查阅如何开通量化权限，也可以让龙虾通过操作浏览器来执行交易，非常简单。我把官方的 api 文档直接发给 ai， 它就持续向我汇报工作进度， 不是以前那种，它简单写个代码就完事了。它是一边写代码一边测试一边修复，非常的主动。这也是 autoclave 对 比以前那些 agent 的 一个显著区别啊。 十分钟后，他开发完了，并且测试了获取价格，获取 k 线各种功能。我还不放心啊，再试了一下，让他用新开发的这个 skill 获取 google 的 历史股价数据，并放到我的电脑桌面上看。啊，成功了， 但他还只是获取数据啊，没有执行买卖操作，因为他没有钱呐。我让他自己注册了一个账号，然后我往里面存了十三美元，接着他就主动测试了一下，买入黄金再卖出。 成功了啊，在平台上也能查到交易记录，我也是第一次使用这个交易平台啊，对他的 api 一 无所知。在这种情况下，我仅通过和 autoclole 对 话一个小时，就打通了全部的接口。 我的感受是 autoclole 和 pony alpha 二这个组合非常的主动，而且可控。以前我即使使用 cloud code 加 cloud 的 模型，也没有这么主动的去解决问题，往往要写超长的提示词来约束他。 不过呢， pony 二 f 二的强大也是有代价的，消耗的头肯也是真的贵，建议大家多配置一个便宜模型组合使用，现在我还要让它变得更科幻。嗯，在 auto close 上可以一键添加飞书，这个过程跟魔法一样， 点一下，然后就全自动控制浏览器帮我完成一连串无比复杂的配置操作。全是自动的， 配置完后，结合刚开发完的交易技能，就拥有了一个交易助力。无论走到哪里，我就让他查询一下黄金的价格，然后买十美元的黄金。他还给我点了一个表情，表示他看到了。你看啊，交易成功了，在平台上也能看到对应的仓位。 第二步，只会执行买卖还不够啊， ai 还要能够自己决策，找到买点卖点，这样才能全自动执行。我让他去研究一套交易策略，并且也做成一个技能。我没有限制他具体用什么策略啊，因为这个不是视频的重点，大家可以直接发一篇文章或者一本书给他，比如海龟交易法， 还可以让他去互联网上收集宏观的数据或者新闻信息，用来作为策略的一部分。总之想象空间很大， 你看他创建了策略，并且在历史数据上回测，用网格搜索找到最优的参数，回测显示胜率可以达到百分之七十一点四。我还发给他黄金白银、原油、标普指数等更多的标的，让他去研究，最终他列出一个表，清楚的展示每个标的用这个策略的回测结果。 那现在呢，我们已经开发好了两个技能，在 autoplout 的 这个界面啊，可以管理你的所有技能，默认就已经安装了常用的九十六个，覆盖内容创作、飞书、办公、代码开发等各种场景，可以把我们刚刚创建的技能也添加进去。 第三步，注意啊，现在要实现整个系统的核心，非常魔法的 agent 部分，但其实是很简单的，本质上只是一段提示词，完全依赖大模型的强大能力，就是告诉 ai 啊，如何运转这套自动交易系统，大家可以自行暂停阅读。第四步， 最后一步啊，我们创建一个定时任务，让龙虾每过三分钟执行一次交易流程，检查一下 k 线，这样就能实现全自动的运行了。 原版龙虾中啊，可以通过 u i 创建定时任务，但这个表普通人看的也是有点头疼，而 autoclave 呢，没有这个 u i， 只能通过和 ai 对 话，让 ai 帮我们创建。看啊，现在他已经给我发了一条飞书，消息，表示交易机器人已经启动。 不一会功夫啊，他又发来了开仓和止损的通知，给我亏了百分之四点六，幸好测试阶段我只给他了十四美元，然后几十分钟我就看他没反应了，是不是偷了钱跑路了。可以直接问 autoplay， 就 把他当做像人一样使唤，他告诉我一切正常运行，并且列出了每次运行的结果， 到这一步已经是凌晨了，然后我就去睡了一觉，一觉醒来，发现他给我发了很多飞书消息，总共已经亏了百分之九的钱，还只是一晚上啊。看了一下交易日记，有一些总结，比如今晚所有 rsi 大 于七十的交易全部止损， 最后还说一直在亏钱，暂停交易，直到收到明确指示，保护剩余资金。咋说呢，就很灵活，很像真人，亏了钱不能浪费啊。我就让 ai 根据昨晚的交易日记迭代升级一下策略。 一段时间后，他就给我发来一条飞书消息，说交易机器人已经升级到二点零。这个二点零啊，我发现他保守了很多，半天都不开单，给我急坏了，我问他怎么回事，他说这是好事啊，一点零的教训就是条件不满足，强行交易，导致八连亏。 二点零正在发挥作用，宁可空仓等待，也不乱开仓，太他喵的有活人感了。于是我放大胆子，给他存了更多的钱，现在他给我管一百七十二美金，相当于一千二软妹币， 期待他进一步迭代，大家也可以持续关注这个账户的交易情况，都是公开可查的。总结那最后我总结一下。首先，短时间高频次的交易，在黄金白银这种高度有效的散户几乎是不可能赚钱的。 这套全自动开发系统啊，用在更大时间级别的交易会更有效。在视频中啊，我使用一分钟，十分钟级别的 k 线，以及用一些高波动的标的，只是为了让他更多的触发交易，不然很难在视频里演示。所以一觉醒来八连亏。我也不是很意外啊，酒赌必输，多投资少投机。 然后评价一下 autoclole 本地部署的原版龙虾以及云端部署的龙虾，我都用过，对比之下呢， autoclole 毫无疑问门槛极低，非常适合普通人使用，它不会把一堆看不懂的菜单怼到你面前，是真正给普通人用的龙虾。那尽管它 ui 简洁，龙虾的所有底层功能都继承过来了， 没有阉割，当然同时也继承了龙虾的大部分缺点。那从另一面讲呢， ui 的 简化也让它缺少了很多原版 ui 上的复杂配置功能，比如手动创建定时任务啊，查看定时任务运行的历史，在 auto flow 里，全都要靠和 ai 对 话来使用这些功能， 就靠一张嘴来完成全部任务。对小白来说，这也确实是更友好的交互方式。再说 pony alpha 二这个模型，由于龙虾很少偷啃，平时我都是用国产模型来配合龙虾，但总让我觉得这龙虾怎么这么蠢，简单的事情都做不好， 经常要人去提醒他做这做那。而在我开发全自动炒股系统的过程中呢， pony alpha 给了我全新的使用龙虾的体验，没有出现那种弱智的问题，这是 cloud opus 四点五甚至四点六才有的体验。 而且我们的炒股系统不像传统量化系统，以代码为核心驱动，我们是以 agent 为核心来驱动的，极度依赖模型能力。而 pony alpha 二即使频繁的每三分钟执行一次，执行一整晚都没有出问题。 据说它是深度优化了龙虾的使用场景，所以才叫龙虾模型嘛，那质朴。这一次不但端出了强大的模型，还承接了龙虾巨大的流量，带来了更适合普通人使用的龙虾产品。

这次真的是逆天了，就在今天，智普推出了 auto club， 把龙虾本地安装的门槛给打下来了，我现在就教大家怎么装。 之前太多人想装龙虾，但听到手动配置、环境接模型、开通 api 调配置这些词就已经放弃了。现在 auto club 相当于给龙虾套了层外壳，把复杂的流程简单化之后呢，变成我们所熟悉的 app 形式，还能一键迁移你已经装好的 open club， 这真的是釜底抽薪啊，太绝了！好！打开 auto club 网站，我会把网址放在评论区，然后双击安装，一分钟就能够启动它。登录你的信息。之后呢，一定要看风险指南，耐心看完，基本上风险都是由用户自己承担的，没有什么比安全更重要了， 而且看完你会学到不少的知识，阅读并同意之后会出现两种情况，假如你在电脑上装过 auto club， 他 会问你要不要牵引，这个我个人觉得很鸡肋，反正我没有牵引， 没有装过的就恭喜你啦，直接安装完成啦，同时可以直接一键接入飞书，我用的就是飞书，非常棒，适合中国用户。 左侧可以选择安装模型，里面有提前配置好了自带模型，不用自己填 api 密钥之类的，拿到就能够用。还有其他模型可以选啊，但都是要付钱的。但放心，国内的模型都很良心，我用下来都不算太贵。 我觉得他的核心优势是全在你的本地电脑运行，不用租云服务器，不用按月交费，也不会碰到什么云端限流啊，模型降质这些问题，还有数据都存在自己的电脑里，隐私更有保障些。当然还是要小心哦，不要乱开权限，系统还自带了五十多个预设技能，就是 skills， 搜索网页、数据处理表格设置、定时任务啊，操作网页这些活开箱就能够用，不用额外去折腾。配置很亲民。 不得不来一句梗啊，质朴还是靠谱的，把原来只有即刻能玩的转的 open color 真正送到了普通人手里。我还是要重申一下我的观点哈，安装只是拿到一张入场券，想办法让它为你赚钱吧。

没有想到都跑手机的朋友们，恭喜你省了三千五，因为就在昨天的时候，支付把它的 autgrm 开圆了，它可以直接机关你的手机屏幕，替你思考点击输入场景，覆盖了五十多个高频的中文 app， 比如说微信、淘宝、抖音、美团这些核心的场景，它都是可以跑的。 我拿它做了两个小测试，有亮点，当然也有吐槽点。首先第一个点外卖，它是真的可以跑通，比如说你想在美团上去下单，然后到加购，下单路径是很顺畅，你会产生一种错觉， 好像手机里面住了一个非常懂你小助手一样。第二，他的一个跨平台笔架是很实用的，我可以让他对比淘宝和京东同款拖鞋，他能够自己搜，自己去对比，最终给出你的一个结论，这就不是什么聊天机器人了，这相当于一个端侧 a 阵的他真真正正的上桌了。更关键的是什么？他居然很克制， 比如说他碰到了支付或者验证码之类的敏感操作呢？它会自动停止让你接管，很聪明，不会约借。但有一点很值得吐槽，就是现在的形态对普通人是不够友好的，你要用电脑通过 a、 d、 b 去控制手机体验，实际上更像是你在电脑面前远程控制着你自己的手机，就很奇怪。大家如果想要试试，可以找我拿下开源地址 和它的一个部署教程。智普啊， autolm 开源，我想说的是，它的价值不是在完美的体验，而是说它释放了三个信号。第一， ai 手机的异件可能要被打下来了， 以后的 ai 体验不一定要靠很贵的硬件，说不定就是靠的一个开源框架加它的一个端侧的能。第二就是大厂的 for a 阵固城河开始变浅了，开发者和极客们可以直接拆改做出来自己的版 本。第三呢，无障碍和轻量自动化领域绝对是要爆了。对于一些操作是很方便的人群来说，语音加 ai 操作就等于手机自由。欢迎大家评论区留下你的想法。

一天一个好用的宝藏工具，今天要分享的是智普澳龙 auto club， 有 了它就可以快速部署 ai 本地智能体，亲测好用，同时支持手机和平板。还有没拿到的宝子们抓紧了。 首先点右下角分享键分享复制链接，复制成功后我们打开这个蓝色小鸟，没有的话就去安装一个，打开后会弹出一个资源包，如果没有弹出，就在这里搜索巴豆资源，然后打开这个文件夹，找到这个软件，保存下载安装就可以用了。

今天给大家分享的是震惊全网的 auto club， 国内首个一键安装本地版 open club， auto club 开放接入 deepseat、 kimi、 mini max 等第三方模型 api， 真正实现人人养龙虾的 ai 屏权愿景。 下面快速教大家如何安装。首先点视频右下角分享键分享复制链接，返回手机桌面，打开这个蓝色小鸟，没有的话去应用商店下一个，进来之后会弹出一个资源包， 没弹出来可以输入七里工具，点进去找到软件工具类合集，找到其他软件，进去找到 z 字母开头文件，保存下载安装即可。

我去看好朋友们，像这个你们都爱找的这个智普的 autograph， 这是一个最新发布的一个版本啊，这个比那个 openground 诶，安装更加方便啊，甚至不需要你去部署啊，简直是咱们手残党的福音啊，咱们安装以后就可以去使用了，就非常的不错，现在就分享给大家。 首先我们打开抖音，找到我视频下面这个小箭头，我们找到这个并点一下，随后我们返回桌面应用商店，点开之后呢，我们找到这个应用并打开它，打开之后呢，它这里会弹出一个文件，如果没有弹的话，我们可以在这里搜索，麦田宝库也是一样的， 咱们稍等一下，他会跳出文件，点进去找到软件合集，点开，点开呢就会看这个凹凸咕噜凹龙这个文件叫小白使用教程了，咱们先点击保存，最后去下载，跟着里面的教程去查看，去下载安装就可以了，非常简单的，咱们学会的，小伙伴咱们快去试试吧。

手把手教你安装，最近爆火的是普奥罗 autosu， 可以 快速部署本地 ai 手机、平板电脑都可以使用。话不多说，保子们低调领取。首先点击作品右下角这个图标，复制一次，接着返回桌面，打开这个蓝色小鸡，没有的话去商店抓一只 进去，等一两秒会弹出一个文件，如果没有弹出，直接搜索小好工具，找到这个工具软件包，再找到我们需要的，保存安装就可以了。

大的又来了，今日带来 ai 工具 auto 控制谱，手机电脑都能装，很多人不知道怎么把它安装，今天我出一个教程，手把手教一下大家。先点击视频右下角分享 分享链接，接着打开蓝色工具，会弹出个文件包，没弹出直接搜三六魔盒也是可以的，点进去在软件工具里找到对应软件，下载安装就好了。

母亲言新出了个模型啊，怎么样？这个模型他说说非常厉害。 jim 五吗？我看看啊，像有的官方说的，他的 humanity last exam exam 评分是比较高的啊，就拿这个评分来说啊啊，其实我们测一下会有很大的问题，你看一下这个屏幕，我看看 我们呃抽取了 horamis 的 mass 数据集，大概是一千多道，然后去测这个质朴清源拿这个呃正比奈，正比奈 flash 作为这个评判遇到一个什么问题呢？我发现他在解答这种数学类的问题的时候，他的思考时间头肯输出了将近两万，也就是说他两万还在思考都没有输出完， 所以说我们这个他根本就测不了，在我们看来，然后即使测的了的话，一次回答的成本大概在呃五毛钱左右，就一个问题大概在五毛钱，而且还两万都没有出答案，所以我们在想会不会是我们的测试出了问题， 于是我们又到了他的这个官方上，就试验了一下啊，现在还在跑是吧？我们这个数据集从呃几分钟之前就开始跑，呃直接停掉，然后我们可以往上拉，一直拉一直拉，就你就说他这个思考过程无限的延长，无限的思考，他虽然这个回复的内容是正确的，但是他貌似陷入了一个死循环的过程。 就是你是让他回答了一个问题是吧？数学问题， melodies 里边的一个数学 max 类别的问题啊，问题其实不复杂，他是一个单选，他有两两种类型，第一是选择题，第二是那个检查题。我们在问给他这个数学问题的时候，问了两道到三道，基本就是无限循环，然后他的费用基本在无限上涨， 所以我们我们也可能比较怀疑像这种评分它虽然很高，有没有可能它的思考过程会非常的长，可能是无限的，也他可能把这个给忽略了，他能思考一个问题，思考五分钟出了一个答案。我们也测了一下，像 jimmy、 nike 这种可能也就几秒钟就出答了，所以它会存在这样一个差异点， 所以说它这个评价体系稍微有点问题。也不算吧，我们后续可能还会对这些整体评价再整体测评一下，至少我们现在现在来看还是跟大家想的差别很大， 太大了。数学问题你要等个十几分钟去给你解出来。那我都做完了，你自己都做完了，哈哈哈，考试都结束了是吧？该交卷了。对，我们也建议在啊，我们建议在回答的时候还是把这种时间这个综合的都考虑进去。

免费了，不要三四九九，也不要九块九，不包手机的平替智普的开源项目 open auto gm， 配合它的开源模型 auto g o m 九 d， 咱们也能实现手机 agent 的 自由。我用手上这台安卓手机和 mac 电脑搭好的环境，让他来帮我购物， 这是执行效果，提示词是在淘宝上找到帮宝适黑金刚 l 码最低价的商品，加入购物车，然后发微信告诉我商品选好了。我来看看。这套开源方案和豆包手机最大的区别有三点，第一， 一，运行级别不同。开源方案只能在前台运行，豆包手机可以在后台自己默默的运行。第二，手机的便携性不同。开源方案手机和电脑必须用数据线连接，或者是在同一个 wifi 下，豆包手机可以只拿着手机到处走。三、智能程度不同。 开源方案接的是九 b 参数的小模型，能完成大部分的基础场景，但是极限智能比不上豆包手机。推荐两种适合的使用场景。 场景一，操作电脑忙不开的时候，比如快下班时提前叫车，当同事还在等车的时候，你已经上车回家了。场景二，需要在手机上多个 app 之间切换，收集数据，分析并且最终操作手机的场景。比如说在双十二购物选择最低价格商品时，我的微信收到消息了，任务完成。 牛逼！那么这么牛逼的手机， a 镜的方案会不会很难配置呢？完全没问题，我摸索了一套极简方案，只需要一行命令和一句话就能配置好。 首先看我这期视频，一行命令把 cloud code 安装好，然后打开 cloud code， 告诉他这句话，一路点同意就能安装完成整个配置过程，需要用数据线把安卓手机 在电脑上这么简单都能就能搞定，快去配置一套试试吧！你还有什么场景想用手机 app 来解决的？详细的安装过程和常见问题我会总结成文档，方便大家查看。关注我，玩转 ai 编程。

朋友们，今天我们聊聊智普 ai 的 故事。这家公司现在估值超过两百四十亿人民币，刚刚在香港上市，成为全球大模型第一股， 可以说是中国 ai 领域最成功的创业公司之一。但是你知道智普 ai 在 二零一九年成立的时候，只是一个从清华实验室走出来的学术团队吗？而且当时投资方因为四千万天使轮金额太高，还引发了内部争议。智普 ai 的 故事要从二零零六年说起， 那一年，清华大学计算机系的博士毕业生唐杰站在了人生的重要岔路口。出国还是留校，这是一个类似 to be or not to be 的 问题。 站在当时去看，出国可能是更优的选择。美国有更先进的计算机科学技术和薪资，包括张朝阳、李彦宏在内的互联网创业者当时风头正盛，海归身份让他们更顺利的拿到投资，这是当时中国互联网创业的普遍现象。但唐杰选择了后者， 他曾经看过计算机专家、汉字激光照牌技术创始人王选的演讲，在软硬件都不如外国人的条件下，王选攻克汉字激光照牌技术，这令唐杰备受鼓舞。二零零六年，唐杰博士毕业，选择留校。 而就在那一年十一月，王选去世，这似乎是一种传承。十五年后的二零二一年，唐杰获得王选杰出青年学者奖。二零零六年十二月，唐杰带领清华大学知识工程实验室团队 发布了科技情报大数据挖掘系统 aminer。 这个系统最初只是 demo， 但成为了后来比中国之网更好用的学术神器。唐杰用博士论文被评为优秀的二万元奖金作为起点， 在一台电脑和一台笔记本上开始了 aminer 的 搭建。没有美工，第一个版本的网站界面是他自己画的。依靠清华快速的网络，他和两个同门埋头苦干几百天，抓取了第一批两百万数据。 aminer 就是 智普 ai 的 技术出行， 这款产品不仅成为了学术界的必备工具，更在冥冥中砥砺了智普 ai 的 基因，从真实需求出发，用算法和系统能力解决根本问题。 aminer 很 早就在赚美金，不少海外公司都在采购它的信息服务， 国内客户也很丰富，既有包括腾讯、阿里、华为在内的科技公司，也有不少政企单位。时间来到二零一九年，当唐杰带着刘德斌、张鹏成立智普，想把 k e g。 多年积累的技术能力转化为产业应用时，能赚钱的 a miner 为他们提供了基础的生存保障。 ceo 张鹏二零零五年从清华硕士毕业就加入了 k e g。 实验室，并主导研发了 a miner， 董事长刘德斌也是 k e g。 的 核心成员。尽管如此，智普的开局并不明朗，因为堂姐本人坚定地看好 agi， 但在二零一九年，这尚未形成共识。当时行业主流是以 ai 四小龙为代表的 cv 计算机视 觉，因为它们具备更加清晰的商业化前景，可以应用在安防、商超识别等具体场景。智普所专注的自然语言处理、 nlp 和知识图谱 看起来有些过于学术。因为 ai 四小龙深陷亏损而瑟瑟发抖的投资机构们，对智普的态度自然是敬而远之。参与智普天使轮的中科创新 内部对这个项目的争议曾经也很大。一是智普要求的融资额太高，单笔四千万远远超过中科创新习惯的一千万入天使轮的金额。二是变现渠道模糊，商业化前景不明确，最后冲着创始人团队，他们还是掏出四千万换了张船票，这成为中科创新最成功的投资案例之一。 二零二零年，大洋彼岸的 gpt 三正式发布， openai 开始搅动人工智能行业。 gpt 的 出现，让唐杰和张鹏越来越确定大模型将是未来发展的方向。于是在智普 ai 成立一周年之 际，团队决定全力进行大模型的开发。二零二一年底，在一次决定公司生死的关键会议上，面对投入千万级的巨资可能让公司覆灭的风险，正是唐杰的理想主义与战略定力成为压舱室。 他表态，如果成功，那至少证明中国的大模型公司技术能力也能达到世界级水平。他更宏大的目标是打破西方技术路径，打造中国自己的预训练模型框架。最终，团队全力投入 glm 框架的研发。这一次，理想主义照进了现实。二零二二年八月， g l m 一 三零币正式诞生，成为国内最早对标 open ai 技术路线的千亿参数模型。就在 g l m 一 三零币发布的第二个月，智普 ai 拿到了由军联资本和启明创投联合领投的一亿元币轮融资。然后 chat g p t 在 二零二二年底爆火，大模型开始进入大众视野。 智普在短短四个月内推出对标产品 chat g l m 将追赶时间，从二零二三年三月发布 chat g l m， 六月推出 chatglm， 二十月推出 chatglm， 三到二零二四年一月发布最新一代机座大模型 glm。 四、智普一直在快速迭代，智普开始被资本疯狂追逐。 二零二三年，智普 ai 年内累计获得超二十五亿人民币融资，投资方阵容豪华， 包括社保基金、中关村自主创新基金、美团、蚂蚁、阿里、腾讯、小米、金山、顺为 boss， 直聘好未来、红山、高林等多家机构及部分老股东跟投。 值得一提的是，阿里和腾讯应在诸多业务上都有所竞争，两者于对外投资方面几乎维持着王不见王的状态。智普则是阿里和腾讯继二零一五年的滴滴、二零一八年的小红书后，再次实现双王齐聚的盛况。到 ipo 前，智普的最新头后估值已达两百四十三点八亿元。 六年间，智普已融资超八轮，累计融资超八十三亿元。二零二六年一月八日，智普在香港联交所敲响了上市钟声， 股票代码二五幺三正式更名为知识图谱科技股份有限公司。这是中国第一家通过 ipo 上市的大语言模型公司。 ipo 募资五点五八亿美元，发行价每股一百一十六点二港元，零售投资者的超额认购倍数达到了令人称目的一千一百五十九倍， 首日收盘价一百三十一点五港元，涨幅百分之十三。但智普面临的挑战同样巨大。二零二五年一月，美国商务部将智普列入实体清单， 理由是国家安全，这意味着智普无法再获取英伟达最先进的 ai 芯片，对于一家以训练大模行为生存根本的公司来说，这几乎是致命的一击。然而，智普展现出了令人惊叹的韧性， 他们转向国产芯片华为升腾、韩五 g 摩尔现成，让 glm 模型在中国自主研发的处理器上运行。二零二五年九月发布的 glm 四点六，成为首个在韩五 g 芯片上集成 f p 八和 i n t 四量化技术的大模型。这不仅是技术突破，更是一种战略宣言， 即使被切断了通往硅谷的道路，中国的 ai 力量依然可以找到自己的路径。财务数据方面，智普的表现可以说是极具成长性，但也面临巨大投入压力。二零二二年、二零二三年、二零二四年，智普的营业收入分别为五千七百四十万元、一点二四五亿元、三点一二四亿元， 复合年增长率达到百分之一百三十。二零二五年上半年，公司收入为一点九亿元，超越了二零二三年的全年水平。但与此同时，二零二一年至二零二四年六月期间，智普 ai 的 累计营收约为六点八五亿元，然而同期的累计净亏损却高达六十二亿元， 而研发开支累积更是达到了四十四亿元。尤其是二零二三年的研发费用高达十九点九亿元，这不仅超过了当年的营收，甚至超过了过去几年的营收总和。在大模型赛道中，算力就是生命线， 同时也是最大的碎钞机。二零二五年六月，一件不寻常的事情发生了。 open ai 在 一篇博客文章中，公开将智普列为中国 ai 竞赛前线最值得关注的对手不是 deep seek， 不是 摆渡，而是智普。当全世界最大的 ai 公司开始点名一家来自清华实验室的创业公司， 你就知道，这场游戏已经进入了一个新的层次。智普开始走向世界，在中东、英国、新加坡、马来西亚设立办事处，在印度尼西亚和越南建立联合创新中心，海外付费用户在短短两个月内增长了十倍。 到二零二五年底，智普拥有十万月度 api 付费用户和三百万海外免费聊天机器人用户。二零二六年二月十一日，智普发布了 glm 五新一代旗舰模型。 在 s w e bench、 verified 和 terminal bench 等核心智能体编程基础测试上， glm 五达到了开源模型的最高水平，与 anthropic 的 cloud opus 比肩。质普官网上写着一句话， 中国最大的独立大语言模型提供商，编程能力全球并列第一。回望这段旅程，质普的故事是一个关于时间的故事。唐杰教授在清华的实验室里耕耘了近二十年，从 a minor 到知识图谱， 从学术论文到开源模型，从八百人的创业公司到港交所的上市企业，这不是一夜暴富的硅谷神话，而是一段漫长的知识积累，终于在正确的时刻释放出巨大能量的中国趋势。在算力紧箍咒与科技巨头的贴身肉搏中， 这家从清华园走出的公司，正重新定义全球 ai 格局。唐杰曾表示，完全认同王璇老师科技顶天、市场立地的理念，并多年来坚持身体力行实践。好了，如果本期视频对你有启发，欢迎点赞关注我们，下期继续分享！