# 企业级的所有文章

在 HTX 新闻中心浏览与「企业级」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策,提供权威的加密行业洞察。

当 Token 比人更贵,「AI 叙事」就碰到麻烦了

企业AI支出正面临成本与价值不匹配的严峻挑战。Uber和微软等公司高管公开表示,持续攀升的Token消耗并未带来相应的产品实质改善或明确的商业回报,甚至出现了为消耗而消耗的“Token极大化”现象。 数据显示,AI应用成本高企而效率堪忧:Uber工程师人均月度账单差异巨大,一次演示可能消耗1200美元;GitHub Copilot转向按用量计费引发用户不满;研究指出,企业每投入1美元AI费用,仅18美分产生用户价值,大量消耗用于修复AI自身引入的问题。与此同时,Token价格和AI软件价格持续上涨。 市场观点出现分歧。乐观者认为这是转型阵痛,未来Token消耗将转向更健康的“单位有效行动成本”衡量,真实生产力提升正在发生,且当前科技巨头估值远低于历史泡沫水平。悲观者则指出,AI供应链价值过度集中于半导体公司(如英伟达利润激增),而云服务商举债投资,多数企业投资回报为零,这种脱节难以持续。 更深层的隐忧在于超大规模云服务商与AI实验室(如OpenAI、Anthropic)之间复杂的循环融资结构。云厂商既是AI实验室的投资方,又是其算力供应商,其大量云收入承诺与AI实验室的融资能力绑定。一旦融资放缓,整个链条可能面临断裂风险。 当前并非典型的科技泡沫,AI技术真实且对部分用户有效。但核心矛盾已从“技术是否可行”转变为“经济上是否可持续”。企业使用AI节省的成本,能否覆盖并超越实验室和云巨头高昂的运营与估值成本,成为关键问题。过去单纯以Token消耗量衡量成功的叙事已破灭,AI的账单已经到期,最终由谁来为价值买单,仍是未知数。

marsbit05/29 01:44

当 Token 比人更贵,「AI 叙事」就碰到麻烦了

marsbit05/29 01:44

刚刚,Claude Opus 4.8 上线,张口就说自己是 DeepSeek、Qwen

刚刚,Anthropic发布了旗舰模型Claude Opus 4.8,并宣布完成650亿美元的H轮融资,投后估值达9650亿美元,逼近万亿美元关口。 Opus 4.8在编码、智能体任务、推理和知识工作等方面均有提升,价格保持不变。新模型在长任务和复杂协作中表现更可靠,诚实性提升,更愿意说明不确定性,代码缺陷漏报率约为前代的四分之一。有趣的是,有网友测试发现,Opus 4.8有时会错误地自称是DeepSeek或Qwen,疑似存在模型蒸馏行为。 同时上线的还有多项产品功能,包括可调节模型推理强度的“思考强度控制”,以及处于研究预览阶段的“动态工作流”。后者允许Claude Code处理大规模任务,通过动态编排脚本、并行运行数十到数百个子智能体,来完成如大型代码库迁移等复杂工程。Anthropic以Bun项目从Zig到Rust的迁移为例,展示了该功能在11天内生成约75万行代码的能力。 本轮巨额融资主要用于算力扩张。Anthropic与亚马逊、谷歌、博通、SpaceX等签署了基础设施协议,以获得下一代TPU和GPU容量,支撑其训练和推理需求。公司强调,Claude已成为首个同时登陆AWS、Google Cloud和Microsoft Azure三大云的前沿模型。 综上,Anthropic正从单纯的模型提供商,转向构建集智能模型、开发工具、云平台和算力资源于一体的企业AI工作系统。Opus 4.8是新的模型底座,动态工作流代表产品形态的进化,而巨额融资则为服务更大规模客户提供了基础设施保障。

marsbit05/28 23:56

刚刚,Claude Opus 4.8 上线,张口就说自己是 DeepSeek、Qwen

marsbit05/28 23:56

全球支付的真相,被 Airwallex 捅破了

这篇文章基于Airwallex创始人Jack Zhang的观点,剖析了全球支付行业三条主流发展路径及其本质差异。 文章首先指出,当前支付平台在功能界面和营销话术上高度同质化,但底层能力实则天差地别。企业客户真正需要的是资金链路稳定、合规牢靠、能支持业务顺利拓展的底层能力。 随后,文章将行业玩家分为三类: 1. **Web3/数字货币支付**:试图绕过传统金融链路,强调链上结算的效率与低成本。但由于合规摩擦大、难以替代主流支付平台的综合优势,其生存空间多限于碎片化市场或灰色地带。 2. **聚合包装模式**:最常见路径,通过聚合银行或第三方通道,包装传统基建并提供更佳的前端体验。其问题是无法解决底层依赖代理行、合作关系复杂、合规风险外置等核心痛点,只是将基建挑战推迟。 3. **自建全球基础设施**:以Airwallex、蚂蚁国际等为代表,选择在业务覆盖地持牌、建立本地化运营团队、自研全栈技术。这条路投入重、周期长,但能将合规、技术和网络掌握在自己手中。 文章强调,Airwallex选择最“重”的第三条路,旨在用平台的“重”来置换客户的“轻”,即由平台消化全球支付的复杂性,为客户提供更稳(减少市场适应成本)、更省(降低系统与合规成本)、更确定(抵御监管与市场波动)的核心价值。这种底层基建的长期投入,最终会带来复利式增长。 最后总结,对企业而言,选择支付平台是选择能长期消化复杂性、保障业务稳健的合作伙伴;对行业而言,捷径能跑得快,但只有攻克最难的基础设施,才能走得远。

链捕手05/28 16:02

全球支付的真相,被 Airwallex 捅破了

链捕手05/28 16:02

Token预算战争:企业AI进入「算账时代」

企业AI正从“是否采用”进入“如何算账”的“Token预算战争”阶段。随着AI推理成本从实验性支出变为持续性运营成本,CEO和CFO开始追问:每一美元token投入究竟创造了什么实际价值? 文章指出,AI的使用量(token消耗)不等于价值。与SaaS时代不同,token账单上涨可能意味着有效工作,也可能源自无效折腾——如低效提示词、无关上下文、模型选择不当或重复重试。关键在于衡量“边际token效用”,即每多花一美元所创造的商业价值。 当前企业面临三大挑战:重试导致成本复合增长、上下文过度供给造成成本飙升,以及任务路由不合理(简单任务误用强大模型)。这使企业难以将token成本与具体业务结果(如替代外包、节省人力或创造收入)清晰关联。 解决问题的核心在于建立“从token到结果的归因层”:记录AI执行轨迹(检索、工具调用、重试、人工干预等),并将推理支出与完成的工作单位(如处理每张发票、每个客诉)挂钩。谁能实现这种归因,谁就能掌控AI资源的分配权,决定哪些工作流值得投入更多算力,哪些应改用更便宜模型或保持人工。 最终,企业AI的下一阶段不再是证明技术能否完成任务,而是判断这些任务是否值得付费。掌握token效用衡量的企业,将赢得这场预算分配的主导权。

marsbit05/28 12:13

Token预算战争:企业AI进入「算账时代」

marsbit05/28 12:13

企业抛售比特币的五大价值逻辑

近期,Strategy公司宣布可能出售部分比特币以达成经营目标,引发了市场关注。企业抛售比特币并非简单的利空行为,在特定场景下,此举能为企业和股东创造实际价值。文章阐述了企业可能选择抛售比特币的五大价值逻辑: **一、提升每股比特币持仓量:** 当公司股价低于其比特币资产价值时,出售比特币并回购股票可以提升每股的比特币持有量。同样,出售比特币来偿付债务也能最大限度减少此指标的下滑。 **二、优化资本结构,降低融资成本:** 出售比特币可以补充现金储备,满足评级机构要求,从而提升信用评级,获得更低的融资利率。长远来看,低成本负债能为企业增厚收益。 **三、合法税务筹划:** 利用美国暂无比特币洗售规则的政策,企业可以通过卖出并重新买入比特币来产生账面亏损,用以抵扣税款,实现税务优化。 **四、破除市场负面舆论:** 通过实际出售一定数量的比特币而不引发市场剧烈波动,可以有力回击关于企业抛售会摧毁市场的谣言,增强市场对其持有比特币模式的信心。 **五、折价回购优先股:** 当企业发行的优先股价格大幅低于面值时,出售比特币并用所得资金低价回购这些股份,可以直接赚取差价并结清高息负债,且收益可能免税。 总结而言,比特币的货币属性为企业提供了灵活的资金调配工具。合理运用出售策略,能够服务于优化资本结构、税务筹划、提升股东价值等核心经营目标。

marsbit05/22 10:14

企业抛售比特币的五大价值逻辑

marsbit05/22 10:14

AI 创业公司 800 亿美元 ARR,九成被 2 家公司拿走

AI行业呈现高度集中的收入格局。根据分析,34家头部AI创业公司年化总收入约800亿美元,但其中OpenAI和Anthropic两家公司就占据了89%的份额,约550亿美元。剩余32家公司仅分享11%的市场。 OpenAI的收入主要来自ChatGPT的C端订阅,增长迅速但面临用户迁移成本低的天花板。Anthropic则专注于企业客户和API服务,其在美国企业市场的份额在两年内从不到1%跃升至34.4%,展现了更强的客户黏性。 尽管其他公司如Perplexity、Mistral等在各细分领域有所建树,但平均市场份额仅约0.34%。行业资源正加速向头部集中,形成了“收入越高→算力投入越大→模型越强→收入越高”的自我强化飞轮,中腰部公司的生存空间受到挤压。 头部公司也面临挑战。OpenAI正处理与马斯克的诉讼及与苹果的合作分歧等多线压力。Anthropic虽相对低调,但其背后有亚马逊的巨额投资,商业化回报压力巨大。 历史表明,技术基础设施行业易形成寡头格局。AI大模型同样具备规模效应、网络效应和转换成本高的特点,未来集中度可能更高。但AI技术迭代极快,格局仍有变数。 对于其他AI公司而言,明智的策略或许不是与巨头正面竞争,而是深入挖掘通用大模型难以满足的垂直专业领域,如法律、医疗、工业质检等,打造不可替代的专用AI解决方案。行业机会正从“打造更好的通用AI”转向“构建某个领域的专用AI”。

marsbit05/21 08:04

AI 创业公司 800 亿美元 ARR,九成被 2 家公司拿走

marsbit05/21 08:04

AI时代,入职如何不再「从零交接」

本文以作者加入Ramp公司的入职经历为切入点,探讨了在AI时代企业如何解决新员工“从零开始”的漫长适应期问题。文章指出,高速运转的公司不能依赖新人缓慢阅读文档和询问同事来获取上下文,而AI工具若各自为战,也无法发挥真正价值。 核心观点在于,企业需要构建一个持续更新、可信赖的“公司大脑”——一个系统化的知识底座。这个系统应自动吸收并沉淀会议记录、文档、Slack讨论、客户反馈和产品决策等所有内部信号,使其成为新员工和各类AI Agent统一、可随时查询的上下文来源。 作者分享了自己在Ramp前100天的实践:建立以Obsidian为核心、由Claude驱动的个人知识库,集成会议转录、笔记等内容;利用工具自动化归档信息;并在此基础上开发能自动生成会议议程、提炼产品动态等小型技能库。这些组件共同构成了一个可扩展的上下文层。 文章强调,当前企业AI应用多停留在为特定任务构建孤立“聊天机器人”的阶段,缺乏一个共享的、理解公司整体运作的“大脑”。真正的转型在于优先构建这个上下文基础设施,让入职、AI协作乃至客户接入都能从同一套丰富的背景知识开始,从而极大提升效率,让“快速上手”成为常态。 最终目标是,当“熟悉业务”这个阶段因其成本极低而不再被特别提及时,就意味着企业成功建立了高效的知识交接与复用系统。

marsbit05/17 06:03

AI时代,入职如何不再「从零交接」

marsbit05/17 06:03

活动图片