# 整合的所有文章

在 HTX 新聞中心流覽與「整合」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策,提供權威的加密行業洞察。

从封杀豆包到拥抱荣耀,微信为什么突然“变脸”?

从严防死守到主动合作,微信对手机AI助手的态度在近期发生了180度转变。过去一年,微信曾封杀字节跳动豆包手机、限制OPPO“AI一键闪记”等功能,坚决反对第三方通过模拟点击操控微信。如今,微信却与华为、荣耀、小米等多家厂商合作,推出A2A(智能体到智能体)助手能力,允许用户通过系统AI助手直接发送微信消息、拨打语音电话。 这一转变源于腾讯在AI竞争中的焦虑。其AI应用“元宝”月活远低于竞争对手,而微信坐拥14亿月活和小程序生态,成为腾讯在AI时代的关键底牌。微信正内测AI智能体,旨在通过自然语言调用小程序服务,但需要打通手机系统这一首要AI入口。A2A合作让手机厂商的智能体作为“接线员”,将用户指令转交微信执行,腾讯借此既保住了生态控制权,又接入了系统级流量。 与之前被封杀的GUI(图形界面模拟操作)路线不同,A2A采用双重授权机制,通过标准化接口调用,微信在其中占据主导。手机厂商之所以愿意合作,是因为GUI强攻路线已被证明行不通,而A2A为其保留了在系统级AI场景中的发展空间,并有助于在激烈的行业竞争中快速提升AI整合能力。尽管存在数据隐私担忧,但A2A被视为比模拟点击更安全合规的路径。 这场合作本质是双方在AI入口争夺中的阶段性妥协:腾讯需要手机入口为微信AI引流,手机厂商则需要突破跨应用调用的合规瓶颈。长远看,腾讯试图将微信打造为AI“服务操作系统”,而手机厂商则希望用户深度依赖系统自带助手,双方生态战略的博弈将持续。AI时代的入口之争,已随着用户一句“帮我发微信”悄然展开。

marsbit06/06 01:48

从封杀豆包到拥抱荣耀,微信为什么突然“变脸”?

marsbit06/06 01:48

“老登股”变“新贵”:从戴尔到诺基亚,AI如何重估旧基础设施?

过去被视为增长缓慢的“老牌科技股”,如戴尔、诺基亚、思科、康宁、西部数据等,近期因AI热潮而表现亮眼。这并非简单的市场炒作,而是AI发展进入实际部署阶段的必然结果。 此前,AI投资焦点集中在英伟达等算力核心和模型上。但随着AI从理论走向实践,大规模建设数据中心和部署应用需要完整的系统工程能力。这恰恰是老牌科技公司的优势所在。它们凭借几十年积累的客户、供应链、系统集成和交付经验,在AI基础设施建设中找到了新角色。 具体而言,市场主要从三条线重估这些公司:一是服务器与系统集成(如戴尔、HPE),它们扮演着将GPU等核心部件整合成完整AI服务器并交付的“总包商”角色;二是网络与连接(如康宁、诺基亚、思科),AI算力集群的高效运行极度依赖高速互联和光纤网络;三是存储(如西部数据、希捷),AI产生的海量数据(包括训练数据、日志、冷数据)催生了对高性价比大容量硬盘的持续需求。 真正的重估需要满足几个条件:明确的AI相关订单和收入增长、公司因此上调业绩指引、以及利润质量的同步改善。AI并不会让所有传统公司重生,它只筛选出那些真正卡位关键基础设施环节、并能将新需求转化为可持续利润的企业。这轮行情标志着AI进入真实建设期,市场开始为“谁能把AI基建建起来”的能力定价。

marsbit06/05 00:55

“老登股”变“新贵”:从戴尔到诺基亚,AI如何重估旧基础设施?

marsbit06/05 00:55

“ChatGPT以后可能要没了”

OpenAI在“Intelligence at Work”发布会上宣布,将在未来几周内把Codex正式并入ChatGPT应用,标志着其产品战略从“聊天”转向“执行”的关键一步。 此次合并的背景是Codex的快速增长:周活用户已突破500万,其中20%是非程序员的知识工作者,且企业营收贡献显著。OpenAI认为,未来的方向是构建“超级应用”,即用户通过ChatGPT发出指令,由Codex调用各种Agent(智能体)自动执行任务,实现从对话到全场景工作的闭环。为此,OpenAI还发布了三项Codex更新:覆盖六大岗位的Agent插件、可直接在原文上修改的Annotations功能,以及一键生成可交互网页的Sites功能。 文章指出,这次合并本质上是Codex路线对ChatGPT路线的升级。内部组织架构调整显示,Codex负责人已统领核心产品,而内部备忘录也强调建设“统一的agentic平台”。因此,ChatGPT将逐渐成为流量入口和品牌外壳,其内核将转变为以Codex为核心的智能体平台。 Codex的快速发展被认为是对手Anthropic旗下Claude Code竞争压力的结果。虽然Claude Code在代码质量上仍占优,但Codex凭借更实惠的价格和更少的token消耗(特别是搭配高效的GPT-5.5模型)实现了快速追赶。当前AI编程领域呈现双雄争霸,但竞争焦点已转向争夺Agent时代的核心入口。 最后,文章提出,合并后的应用虽然可能保留“ChatGPT”之名,但其本质已变——未来用户打开的或将是一个能直接完成任务的智能体,而“聊天”本身将不再是最核心的功能。这为中国AI玩家在Agent时代争夺本土化入口提供了新的机遇。

marsbit06/03 23:51

“ChatGPT以后可能要没了”

marsbit06/03 23:51

Chatbot烧钱三年,还是AI时代的“新大陆”吗?

过去几年,AI行业曾将Chatbot视为类似移动互联网超级入口的“新大陆”,但烧钱三年后,其商业化和可持续性面临严峻挑战。 OpenAI的ChatGPT虽拥有庞大用户,却陷入亏损,每收入1美元亏损1.22美元。国内豆包尝试付费也引发用户负面反馈。相比之下,Anthropic以企业服务为主(85%收入来自企业),年化收入已反超OpenAI,显示B端路径更清晰。用户真正需要的是能完成任务的AI助手,而非单纯聊天的对话窗口。 Chatbot的商业模式存在根本矛盾。它形似互联网产品,但底层经济学不同:每次推理都消耗高昂算力,用户越多成本越高,且缺乏网络效应和数据飞轮。其用户迁移成本低,护城河主要依赖模型能力,而随着各模型能力趋同,竞争可能沦为价格战。 变现之路同样艰难。付费订阅率低(ChatGPT付费用户仅占5%),国内付费意愿更弱。广告模式则因Chatbot交互缺乏明确购买意图、答案形式单一、损害用户信任而难以奏效,Perplexity的失败便是例证。注意力经济在Chatbot上似乎失效——供给(算力)昂贵,用户注意力却短暂。 数据表明Chatbot增长放缓,用户日均使用时长远低于主流App。其产品形态将AI能力局限在被动、回合制的“询问”,而未来方向是能多步“执行”的Agent。但若长出这些能力,它就不再是传统Chatbot。更可能的方向是AI不再需要独立App,而是嵌入现有应用(如微信)、操作系统或硬件。 行业逐渐意识到,Chatbot可能只是通往AGI的中间形态。若继续固守“入口+流量”的旧地图,恐难找到真正的新大陆。未来的价值更可能在于AI作为底层能力,与各类产品和场景深度融合。

marsbit06/02 10:35

Chatbot烧钱三年,还是AI时代的“新大陆”吗?

marsbit06/02 10:35

从“卖云”到“卖Token”:运营商全面加入AI战场

文章探讨了运营商在AI时代从传统“卖云”和“卖流量”向“卖Token”(词元)的战略转型。中国电信、中国移动和中国联通相继推出了面向个人、家庭和企业的Token套餐,将Token确立为继语音、短信、流量之后的第四大基础通信服务计量单位。这标志着运营商正试图将自己重塑为AI时代的“国家电网”或“总集成商”,提供集成了模型、算力、应用、统一计费和安全合规的端到端AI服务。 其转型背后有双重动因:外部面临互联网云厂商在AI云市场的份额挤压和Token套餐化竞争;内部则因传统通信业务增长放缓,亟需将增长点转向算力、模型等智能业务。为此,运营商构建了包含模型层、算力层、应用层、计费层和安全层的“五层脚手架”,聚合外部模型与自研模型,调度异构算力网络,开发行业智能体,并利用其成熟的计费系统将复杂资源打包为简单套餐。 文章认为,Token套餐的价值在于将AI能力转化为可计量、可结算、易购买的标准化服务,降低了企业使用门槛。如果运营商能成功将“AI接入”打造成电信级服务,AI有望成为像水电一样可便捷采购的生产要素。但挑战依然存在,包括模型效果、成本控制及客户长期付费意愿等。最终竞争关键不在于谁先推出套餐,而在于能否提供稳定、可信、可规模运营的AI基础设施服务。

marsbit06/01 10:13

从“卖云”到“卖Token”:运营商全面加入AI战场

marsbit06/01 10:13

Agent化的OS:拼的不是AI,是底盘

本文探讨了操作系统(OS)进入“Agent化”时代的核心竞争要素,指出竞争焦点并非表面AI功能,而在于支撑其可靠运行的底层技术“底盘”。 文章以Google、Microsoft、Apple、华为等主流OS厂商的动向为例,说明端侧OS集成主动式AI能力(Agent)已成为明确趋势。然而,发布会展示的功能背后,真正的较量在于三层核心能力底座: 1. **系统级AI Runtime**:作为调度中枢,它将端侧模型的推理能力变为OS层共享服务,统一调度算力与内存,是Agent能跨App执行系统级操作的基础。例如Google的AICore、Apple的Foundation Models框架。 2. **可控芯片**:自研或深度可控的芯片(如Apple Silicon、Google Tensor、华为麒麟)是实现深度软硬协同优化的关键,决定了端侧Agent的响应速度、功耗和体验上限。 3. **端云模型矩阵**:云端模型处理复杂任务,端侧模型(如Gemini Nano、Phi Silica、盘古端侧模型)保障日常任务的低延迟、隐私和稳定性。端侧模型需与OS和NPU深度耦合,自研是主流选择。 这三层能力自下而上紧密耦合:芯片决定模型效率,模型决定Runtime能力,Runtime决定Agent的可靠性。协同越深,OS厂商在响应延迟、隐私保护、系统级上下文理解、服务可靠性等方面的产品差异化就越明显,护城河也越厚。 此外,文章指出,OS Agent的长期竞争力还受制于与App厂商的博弈(通过API深度集成还是屏幕识别交互)、隐私保护体系的构建等关键变量。这场竞争已超越手机和PC,正随着多设备生态向汽车、XR眼镜等IoT领域扩展。 最终,OS Agent化的成功非一朝一夕,依赖于芯片、模型与Runtime在长期迭代中的深度融合与打磨。

marsbit05/27 10:18

Agent化的OS:拼的不是AI,是底盘

marsbit05/27 10:18

活动图片