{"source":{"id":"mb-20260828-79e74f","title":"估值 85 亿美元的独角兽，员工手里的股票跌到了 1 块 1 毛 6","url":"https://mubeitech.com/p/mb-20260828-79e74f"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"mb-20260827-cb5609","account":"mubei","brand":"","title":"一家成立刚刚两年的 AI 公司，年化收入暴力冲到 9 亿美元，估值被喊到了 450 亿美元","summary":"一家成立刚刚两年的 AI 公司，年化收入暴力冲到 9 亿美元，估值被喊到了 450 亿美元","body":"一家成立刚刚两年的 AI 公司，年化收入暴力冲到 9 亿美元，估值被喊到了 450 亿美元。\n但同一个账本上，现金正在以几乎同样恐怖的速度被迅速烧光。\n营收暴涨三倍的同时，亏损不仅没有收窄，反而随着业务规模越滚越大。\n为什么全世界最会赚钱的 AI 编程公司，摆脱不了越卖越亏的怪圈？\n是管理失控，还是软件行业运行了三十年的底层商业模式被彻底打破了？\n顺着这家开发出 Devin 的 AI 初创公司 Cognition 拆开账本，会撞见一台正在颠覆整个科技产业的冰冷机器。\n服务即软件的边际成本陷阱。\n过去三十年，整个硅谷和华尔街的风投体系，全部建立在同一个物理常识之上。\n代码的复制边际成本为零。\n微软把 Windows 刻成光盘，或者 Salesforce 在云端多开一个账号，交付给第 1000 万个用户的成本基本是零。\n这种近乎免费的边际扩张，让传统软件公司坐拥 85% 到 90% 的超高毛利率。\n收进来的每一块钱软件订阅费，绝大部分都能直接沉淀为纯利润。\n资本市场之所以愿意给传统软件几十倍的市销率，买的就是这台不用追加成本就能无限印钞的机器。\n但自主智能体的出现，直接把这台印钞机的底座给拆了。\n像 Devin 这样的工具，卖的不再是一个静态的软件界面或代码补全插件。\n它卖的是一个能够独立工作的数字劳工。\n当一个程序员给它指派一个复杂的系统漏洞，Devin 不仅是在生成文本。\n它必须在独立的虚拟机沙盒里拉取整个代码库，规划架构，反复运行终端命令，甚至自动打开浏览器抓取文档。\n一次看似简单的代码合并请求，背后可能涉及数十次甚至上百次大模型深度推理的连锁循环。\n这意味着软件历史上从未出现过的物理现实：\n每一次交付任务，都在真金白银地消耗电费、显卡与 Token 算力。\n软件的边际成本不再是零，变成了一笔随着任务复杂度成倍膨胀的硬性营业成本。\nCognition 内部把这种计费形态封装成智能体计算单元 ACU。\n客户不再按使用人数买账号，开始按智能体消耗的算力工时买单。\n这也导致了一个极其残酷的财务后果：\n这类前沿智能体公司的真实毛利率，被直接砸到了 30% 到 50% 的泥潭里。\n收入每增加一百万美元，背后就有大几十万美元要原封不动地转交给上游的算力商和芯片巨头。\n既然毛利率这么难看，为什么纽约梅隆银行、桑坦德银行和奔驰这些挑剔的巨头，依然排着队把几千万美元砸给它？\n华尔街又为什么敢给一家低毛利公司报出 450 亿美元的天价？\n因为商业世界对它的估值锚点，已经换到了一个大上百倍的池子里。\n传统软件盯上的是企业每年几千亿美元的 IT 采购预算。\n智能体直接瞄准的，是全球数万亿美元的工程师薪酬与外包工资单。\n对一家大银行来说，让 Devin 修一个陈年老系统 Bug 消耗 50 美元的算力，毛利率哪怕只有三成，也比雇佣一个时薪 150 美元的硅谷工程师在电脑前耗上三天要便宜得多。\n它表面上披着软件的外衣，底层做的是硅基劳务外包。\n这是一场用高昂的算力成本，去强行置换更高昂人类工资的宏大套利。\n但这也决定了这场竞赛最致命的分水岭。\n在传统软件时代，谁的营销团队强，谁就能靠零边际成本赢家通吃。\n在智能体时代，算力账单成了悬在头顶的达摩克利斯之剑。\n谁能通过精细的模型路由、投机解码和工程优化，把每一次修 Bug 的 Token 消耗压低一半，谁才能把代工工头的苦力账本，重新做成真正暴利的护城河。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 22:36:40","created_at":"2026-08-27 22:36:40","url":"https://mubeitech.com/p/mb-20260827-cb5609","markdown_url":"https://mubeitech.com/p/mb-20260827-cb5609/markdown"},{"rank":2,"id":"2042698884682780794","account":"mubei","brand":"@mubei","title":"几周时间挖出的代码漏洞，比一辈子加起来都多。 世界顶级 AI 安全研究员 Nicholas Carlini 放出这句狠话…","summary":"几周时间挖出的代码漏洞，比一辈子加起来都多。 世界顶级 AI 安全研究员 Nicholas Carlini 放出这句狠话。 他最近在用 Claude Mythos 测试。 他们拿这个模型去扫开源代码。 直接对准整个互联网的基石：操作系统。 OpenBSD 里一个藏了 27 年的陈…","body":"几周时间挖出的代码漏洞，比一辈子加起来都多。\n世界顶级 AI 安全研究员 Nicholas Carlini 放出这句狠话。\n他最近在用 Claude Mythos 测试。\n\n他们拿这个模型去扫开源代码。\n直接对准整个互联网的基石：操作系统。\n\nOpenBSD 里一个藏了 27 年的陈年漏洞被一把揪出。\n只需要向服务器发送几段数据，就能让它瞬间瘫痪。\n\nLinux 也没跑掉。\n一堆底层漏洞现了原形。\n一个零权限的普通账号，随便跑点二进制代码就能强行拿到管理员钥匙。\n\n好在官方已经火速打上补丁。\n\n但这事在资本市场砸出了一个大坑。\nCloudflare 的股价应声暴跌 13%。\n\n这家公司的基本面毫无问题。\n引发抛售的是一个残酷的市场预期。\n当 AI 具备了这种降维打击般的代码扫描与破坏能力。\n传统的 SaaS 商业模式可能根本无法在未来的安全生态中存活。\n现有的软件护城河正在被彻底抽干。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2042886748724687181","translated_status_id":"2042886748724687181","published_at":"2026-04-11 08:11:12","created_at":"2026-04-11T10:07:45.150574","url":"https://mubeitech.com/p/2042698884682780794","markdown_url":"https://mubeitech.com/p/2042698884682780794/markdown"},{"rank":3,"id":"mb-20260826-c3ef66","account":"mubei","brand":"","title":"科技圈过去一年最流行的叙事，叫软件已死","summary":"科技圈过去一年最流行的叙事，叫软件已死","body":"科技圈过去一年最流行的叙事，叫软件已死。\n投资人和分析师都在反复预言：AI 智能体正在接管代码，传统的企业软件行将就木。\n但在 2026 年 8 月，专门做软件项目管理的 Linear，估值直接翻倍到了 25 亿美元。\n它的年经常性收入突破了 1 亿美元。\n由 Accel 领投的这笔交易，没有向公司注入一分钱扩张资本，是一笔 9900 万美元的员工老股要约收购。\n因为这家团队规模极小的公司，从创立第二年开始就实现了盈利，至今保持着健康的现金流。\n更反常的是它的付费客户名单。\nOpenAI、Cursor、Figma、Ramp、Coinbase。\n这批在全世界最用力推行 AI 编码、最想用算法替代人力的顶尖科技公司，全在给它按月付账。\n如果 AI 真的能让写软件这套工业流程彻底蒸发，为什么最懂 AI 的人，反而要花重金买一套管理软件？\n是资本市场又一次被估值数字蒙蔽了双眼？\n还是多数人对这场技术革命的理解，从最底层就看反了方向？\n顺着生产力的底层规律拆到底，会看到一台支配了技术演进上百年的经典机器。\n杰文斯悖论。\n1865 年，英国经济学家威廉·斯坦利·杰文斯发表了《煤炭问题》。\n他发现了一个极度反直觉的规律：\n当蒸汽机的效率大幅提升、消耗单位煤炭的成本急剧下降时，煤炭的总消耗量并没有萎缩，反而迎来了数十倍的爆炸性增长。\n因为一种核心要素的成本一旦降到极低，它就会以极快的速度渗透进过去根本无力负担的海量场景。\n把这台机器搬到今天的数字世界，每个齿轮都在以完全相同的轨迹咬合。\nAI 并没有消灭对软件的需求。\n它只是把写代码的边际成本直接砸到了地板上。\n过去一个工程团队一周只能交付几个功能、提交几组代码合并。\n现在配齐了代码智能体，一个开发者一天就能生成上千行代码，同时让数十个自动化智能体在后台并行作业。\n代码的供给瞬间泛滥成灾。\n但在任何生产系统里，当上游的供给瓶颈被强行砸碎，下游的治理瓶颈就会立刻成为新的死穴。\n协同墙。\n当代码生成的速度提升了十倍，谁来决定下一个需求该做什么？\n人类团队如何向没有实体工位的智能体下发清晰的任务指令？\n数十个智能体在代码仓库里横冲直撞，谁来跟踪进度、谁来界定责任归属？\n海量调用产生的模型账单，究竟对准了哪些能够产生商业价值的真实业务？\n智能体拥有恐怖的生成速度，但它天然缺乏对组织全局的理解能力。\n代码生成越廉价，团队内部的混乱与失真就越呈指数级放大。\n创始人 Karri Saarinen 点破了这层窗户纸：\n技术演进到今天，核心痛点早已不再是代码编写，变成了一个极其严肃的人类协同问题。\n整个系统的运转上限，从此取决于人和智能体之间的中介层到底有多坚固。\nLinear 压下的全部筹码，就是把自己做成那个唯一的真实状态机。\n它把 AI 智能体直接拉进工作流当作一等公民，给人和机器提供同一套分配任务、同步状态、校验结果的协作骨架。\n它卖的不是代码生成工具。\n它卖的是在代码洪水中维系秩序与共识的治理通道。\n过去一年里，无数旧式软件忙着在自己笨重的界面上硬塞一个聊天框，把它当成自救的救命稻草。\n那种浮于表面的功能堆砌，正在被大模型的底层进化无情淘汰。\n但只要算力爆炸带来的混乱还在加剧，卡在核心协同节点上的中介层，就会成为所有智能体必须接入的调度中枢。\n新技术从来不会单纯消灭一个行业。\n它只是把生产的旧瓶颈击穿，再把更沉重的协同成本推到新的关口面前。\n决定一家软件公司能否在智能浪潮里活下去的，从来不是它能不能替人类写出几行代码。\n在于当整个世界被机器产出的信息淹没时，那把分配任务、定义秩序的钥匙，究竟握在谁的手里。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-26 18:33:00","created_at":"2026-08-26 18:33:00","url":"https://mubeitech.com/p/mb-20260826-c3ef66","markdown_url":"https://mubeitech.com/p/mb-20260826-c3ef66/markdown"},{"rank":4,"id":"2072703764876951875","account":"mubei","brand":"@mubei","title":"你以为美国五百强企业，天天在跪求 OpenAI 和 Anthropic 的接口？ 其实，大公司内部早就憋了一肚子火。 它…","summary":"你以为美国五百强企业，天天在跪求 OpenAI 和 Anthropic 的接口？ 其实，大公司内部早就憋了一肚子火。 它们用你，是因为现在没得选； 但它们脑子里想的，全是越早除掉你越好。 这种愤怒，从前年萨姆·奥特曼（Sam Altman）那场\"宫斗戏\"就开始埋下伏笔了。 当时，…","body":"你以为美国五百强企业，天天在跪求 OpenAI 和 Anthropic 的接口？\n其实，大公司内部早就憋了一肚子火。\n\n它们用你，是因为现在没得选；\n但它们脑子里想的，全是越早除掉你越好。\n\n这种愤怒，从前年萨姆·奥特曼（Sam Altman）那场\"宫斗戏\"就开始埋下伏笔了。\n当时，一家市值千亿的上市公司 CTO 直接给顾问打电话：\n\"这帮人把 CEO 开除了，到现在都没说清楚为什么。我们怎么敢把最核心的业务数据，托付给一个连管理层都像过家家一样的公司？\"\n在真实商业世界里，没有人能拿到这种免死金牌。\n\nAI 巨头们最大的问题，是极度的傲慢和对商业的无知。\n每次奥特曼或者 Anthropic 的 CEO 出来演讲，大企业客户的对立情绪就加重一分。\n\n大公司要的是什么？\n是控制权。\n控制自己的算力、控制自己的模型、控制自己的数据，以及保住自己的\"阿尔法\"（核心竞争优势）。\n你让他们把最核心的业务流和提示词送到硅谷的云端，等于直接把生产资料拱手让人。\n\n更别提现在 AI 实验室那套荒唐的收费模式了。\n他们天天逼着客户去刷 Token，搞所谓的\"Tokenmaxxing\"（刷量最大化）。\n因为他们根本不知道怎么帮企业解决具体的业务问题。\n\n真正帮大厂做 AI 落地的顾问，拿钱的唯一标准是：\n能不能帮客户用更少的 Token 办更多的事？能不能把 Token 消耗砍掉 90%？\n\nPalantir 的创始人 Alex Karp 戳穿了这套把戏。\n他说，真正赚钱、有自由现金流的是应用层和算力，卖 Token 的模型层根本赚不到钱。\n大公司完全可以用开源模型，在自己安全、私有的环境下跑出前沿模型的效果。\n最重要的是，模型权重和数据完全掌控在自己手里。\n\n尤其是涉及军事和国防安全。\n美国国防部要是把战场决策的系统，外包给硅谷这帮\"共识\"控制的闭源模型，那简直是疯了。\n\n这波 AI 独角兽的傲慢，已经快到保质期了。\n在它们排队上市之前，企业客户的这波反噬，迟早会来。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2073128142856663497","translated_status_id":"2073128142856663497","published_at":"2026-07-03 14:01:01","created_at":"2026-07-03T15:56:24.288227","url":"https://mubeitech.com/p/2072703764876951875","markdown_url":"https://mubeitech.com/p/2072703764876951875/markdown"},{"rank":5,"id":"mb-20260827-7c90bb","account":"mubei","brand":"","title":"硅谷一家公司开出 600 万美元的预算，打算让 4 名工程师花整整 5 年，只做一件事：重写代码库里的老旧测试","summary":"硅谷一家公司开出 600 万美元的预算，打算让 4 名工程师花整整 5 年，只做一件事：重写代码库里的老旧测试","body":"硅谷一家公司开出 600 万美元的预算，打算让 4 名工程师花整整 5 年，只做一件事：重写代码库里的老旧测试。\n两周之后，这个 5 年的项目被彻底清空。\n消耗的算力账单只有 1.2 万美元。\n这笔把成本打掉 99.8% 的账单，发生在 Asana 的真实代码库里。\n原本要耗死 4 个人 5 年青春的技术债务，在 AI 面前只撑了不到两周。\n是当初 600 万美元的工时估算在层层虚报，还是软件工程底层的某条旧规则被击穿了？\n很多人的第一反应，是工程师在故意夸大工作量。\n软件行业确实有一种防御性报价：面对没人想碰的脏活，团队会给出一个高到离谱的工期，逼管理层放弃立项。\n但如果把这次重构的代码摊开来看，那个 5 年的数字，并非凭空捏造。\nAsana 要做的，是把整个前端测试系统从过时的 Enzyme 迁移到现代的 React Testing Library。\n表面看只是换个测试库。\n底层却横跨着一条三十年来传统转换工具跨不过去的鸿沟。\n跨范式语义重构。\n过去几十年，软件工业处理大规模代码迁移，靠的是基于抽象语法树（AST）的自动化转换脚本。\n语法树脚本擅长做结构替换：把旧的变量声明换成新的，把旧的函数调用换成新的接口。\n这种工具生效的前提，是新旧两套代码遵循同一种设计范式。\nEnzyme 和 React Testing Library 的底层哲学完全对立。\nEnzyme 走的是内部状态测试路线。\n它直接刺入组件内部，检查私有状态、内部变量和组件实例。\n2018 年 Kent C. Dodds 推出 React Testing Library，立下一条新准则：测试越贴近用户的真实操作，能给你的信心就越足。\n它把内部状态全部封死，只看渲染出来的真实 DOM，模拟真实用户去点击屏幕、观察文字变化。\n两套测试在代码层面上几乎找不到一行相同的语法结构。\n语法树转换脚本在这一刻彻底失效。\n要把几千个测试文件翻新，过去只能靠人类工程师通读原来的业务逻辑，在脑子里理解测试意图，再用完全不同的哲学重新写一遍。\n枯燥、庞大、极易出错，而且对业务没有任何直接的新功能产出。\n这种跨越抽象层级的语义翻译，过去是人类独占的认知能力。\n大模型恰恰在这个能力断层上，打穿了第一道缺口。\n它不需要逐行匹配语法树规则，它能同时吃下组件源码和旧测试，理解测试的真实意图，直接吐出符合新哲学的代码。\n更关键的秘密，藏在测试重构这门任务独有的物理环境里。\n闭环确定性验证沙盒。\n大模型写全新业务功能时，常常因为幻觉而难以落地。\n但在测试迁移这个场景下，软件工程提供了一个天然的裁判系统。\n代码改得对不对，不需要产品经理去猜。\nTypeScript 编译器、代码规范检查器、自动化测试套件，每秒都在给出毫无歧义的布尔值判决。\nAirbnb 在迁移 3500 个测试文件时，同样摸清了这台机器的运作逻辑。\n他们让大模型在重试闭环里运转：生成代码，跑测试，如果报错就把错误栈直接喂回上下文重新推理，直到通过。\n最终实现了 97% 的自动化通过率，把 1.5 年的工期压缩到了 6 周。\n过去数十年，阻碍企业清理历史遗留代码的，不是重构有多深奥，是跨范式翻译的边际成本高到无法承受。\n当语义重构遇上确定性的运行沙盒，这笔沉睡了多年的技术债务税，第一次被算力直接抹平。\n软件工业里的很多顽疾，从来不是缺乏解决方案。\n当解决一件脏活的成本从几百万美元跌落到几十块电费时，旧系统赖以生存的借口，也就跟着一起瓦解了。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 21:12:40","created_at":"2026-08-27 21:12:40","url":"https://mubeitech.com/p/mb-20260827-7c90bb","markdown_url":"https://mubeitech.com/p/mb-20260827-7c90bb/markdown"},{"rank":6,"id":"2074699413717406205","account":"mubei","brand":"@mubei","title":"最怕的鬼故事还是发生了：AI 正在变成像内存、硬盘一样的“大路货”。 过去两年，资本市场听饱了“最强模型”的神话。 但现…","summary":"最怕的鬼故事还是发生了：AI 正在变成像内存、硬盘一样的“大路货”。 过去两年，资本市场听饱了“最强模型”的神话。 但现在，买单的企业客户终于回过神来了。 用高射炮打蚊子的时代，正式结束。 AI 软件公司 Ai Squared 的 CEO 说了句大实话：员工写个邮件、回个消息，根…","body":"最怕的鬼故事还是发生了：AI 正在变成像内存、硬盘一样的“大路货”。\n\n过去两年，资本市场听饱了“最强模型”的神话。\n但现在，买单的企业客户终于回过神来了。\n\n用高射炮打蚊子的时代，正式结束。\nAI 软件公司 Ai Squared 的 CEO 说了句大实话：员工写个邮件、回个消息，根本不需要市面上最贵的顶级模型。\n现在各大企业都在疯狂缩减 Token 开支，开始精细化算账。\n\n更致命的是，背刺来自那些表面上的“盟友”。\n风投机构 PitchBook 的分析师指出，微软、亚马逊、谷歌这些科技巨头，现在成了 OpenAI 和 Anthropic 最大的威胁。\n大厂们正在用价格“卡”死这些 AI 创业公司。\n它们在推自己更便宜的模型，还主动教企业客户，怎么把任务分流、路由到那些廉价的替代品上。\n\nAnthropic 的高管最近坦言，客户现在对价格极其敏感，张口闭口全是 ROI（投资回报率）。\nOpenAI 也在拼了命地抢企业客户。\n\n为什么这些 AI 独角兽现在顶着压力也要急着谋求 IPO？\n因为留给它们的时间不多了。\n大家都在拼命抢在“AI 溢价期”结束前上市。\n一旦这个故事编不下去，大家发现顶级 AI 模型根本没有护城河，价格战彻底打响，这些科技新贵的估值泡沫就会瞬间被挤干。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2074891273710743659","translated_status_id":"2074891273710743659","published_at":"2026-07-08 15:32:24","created_at":"2026-07-08T17:17:42+02:00","url":"https://mubeitech.com/p/2074699413717406205","markdown_url":"https://mubeitech.com/p/2074699413717406205/markdown"}]}