週報 Weekly I/O #12

百鏡大戰

Meta 與 Oakley 合作推出的新型 #AI眼鏡，並將其定位為運動相機的潛在替代品。#百鏡大戰 的尷尬真相：AI 成花瓶，拍照才是真剛需？

AI 功能目前似乎並非最主要的需求，反倒是拍照和錄影成為了真正的剛需。

相對地，拍照與錄影的實際需求卻日益凸顯。以 Meta 與 Oakley 合作發布的 Oakley Meta 智慧眼鏡為例，其最大的升級點在於內置攝像頭和電池。官方宣稱這款眼鏡可以拍攝3K高清視頻，電池續航也比之前的 Ray-Ban 提升一倍達到 8 小時，並且具備防水功能。Oakley Meta 顯然是為戶外運動量身打造，其意圖是搶奪運動相機的市場。儘管有科技博主認為其外觀不夠戶外化，且攝像頭未居中設計讓一些人覺得要完全取代運動相機仍為時尚早，但其在攝影功能上的強化是顯而易見的核心賣點。

儘管當前 AI 功能並非最主要的銷售賣點，但市場普遍認為 AI 眼鏡是一個擁有巨大潛力的消費端 AI 產品。它具備「佩戴自然、使用頻率高」的優勢，使其比 XR 頭顯和 AI 手持設備更接近主流市場。因此，從大廠到初創公司，許多企業都想在 AI 眼鏡市場分一杯羹，而中國市場的「百鏡大戰」也已從 2025 年初開始打響。傳統手機廠商也在積極佈局 AI 智慧眼鏡，它們在晶片系統和傳感器調優方面具有獨特優勢，如果AI或顯示技術沒有重大突破，手機廠商可能天然會接手這個賽道。長遠來看，AI 眼鏡未來也許能取代智慧手機，成為消費者重要的交互硬體，進而成為各大科技巨頭們的兵家必爭之地。然而，目前這類產品仍面臨技術瓶頸，例如在強光下眼鏡顯示器難以看清，以及輕量化與電池續航的平衡仍是短期內較難解決的問題。

新型「智慧膠囊」用於研究胃腸道健康狀況

一組 Caltech 工程師開發了一款名為「PillTrek」的智能膠囊，用於非侵入性地監測胃腸道（GI tract）的健康狀況。以下是該技術的簡介：

智能膠囊的創新：

PillTrek 是一款可吞服的智能膠囊，尺寸僅7毫米直徑、25毫米長，比現有的內視鏡膠囊更小。
該膠囊內建無線電化學工作站，能即時測量胃腸道內的多種生物標誌物，包括 pH 值、溫度、葡萄糖和血清素等。
其模組化設計允許整合多種電化學傳感器，並利用 3D 列印技術實現大規模生產。

功能與應用：

相較於傳統的糞便分析或活檢等侵入性方法，PillTrek 提供非侵入性、即時的胃腸道代謝和分子資訊分析。
該膠囊能監測胃腸道內的代謝物、離子、激素（如血清素和多巴胺），甚至可能檢測蛋白質。
在動物模型（大鼠和兔子）的概念驗證研究中，PillTrek成功展示了其測量多種生物標誌物的能力，並能根據飲食變化動態監測這些標誌物。

技術優勢：

膠囊採用低功耗電子元件和可更換傳感器，使其成為靈活且可擴展的胃腸道健康監測工具。
其先進的傳感能力和小型化設計標誌著實時體內診斷技術的重大進步。

對健康的影響：

胃腸道不僅負責消化，還參與激素、免疫細胞和神經傳遞物質的生成，影響整體健康，包括情緒和腦功能。
PillTrek 有望為慢性胃腸道和代謝疾病的個性化治療提供新方法，改善疾病管理。

研究支持：

該研究獲得了美國國家科學基金會、美國國家衛生研究院、美國癌症協會、陸軍研究辦公室、韓國國家研究基金會等機構的資助，並得到 Caltech 卡夫利納米科學研究所的基礎設施支持。

影響：

PillTrek 代表了胃腸道診斷技術的突破，克服了傳統方法侵入性高、成本高且無法即時監測的局限。其潛在應用包括早期疾病檢測、個人化醫療以及對腸道微生物群及其對健康的影響進行更深入的研究。這項技術可能為胃腸道相關疾病（如炎症性腸病）的診斷和治療開闢新途徑。

AI 公司成為「焦慮資本」追捧對象

2025 年過半，雖然年初風投基金普遍看好 AI 應用會在今年爆發，但現實是「AI 殺手級」應用尚未出現，不少被看好的明星 AI 應用公司甚至連續倒閉或被低價出售。儘管如此，AI 公司仍然獲得大量投資，這背後存在多層原因，其中「錢太多」是一個核心要素。

熱錢湧入與基金規模膨脹：目前矽谷的風險投資市場正處於「熱錢瘋狂湧入」的階段。整體而言，資金依然在湧入 AI 賽道，且金額和規模都比以往更大。諷刺的是，這主要原因就是「錢太多了」。在過去五年、十年，十億美金規模的 VC 基金非常稀少，但現在有非常多基金的體量已達到數十億甚至上百億美金。

大基金的投資策略：這些巨額資金必須被投出去。對於體量龐大的基金而言，投資目標必須是「all or nothing」（要么成功要么失敗）的大項目，因為幾億美元的收購價對它們已不具吸引力，它們渴望的是一個「200 億美金的一個結果」。這導致許多基金在種子輪階段就大額投資「明星的團隊」。

市場對 AI 的持續樂觀：儘管 AI 應用未如預期般大爆發，但從投資角度看，AI 賽道並未冷卻。特別是 ChatGPT 的持續且快速增長，使得軟銀（SoftBank）和 Thrive 等大型基金加倍押注 OpenAI。

VC 的「焦慮」與投資回報率被壓縮：2025年，投資人確實存在焦慮，畢竟 AI 技術的不確定性依然很大，大模型的商業邏輯也未完全走通，消費端 AI「殺手級應用」仍未出現。然而，當市場上錢太多時，VC 基金的投資回報率反而會被壓縮。一些觀點認為，VC 公司融資太多，必須將錢投出去，導致它們去尋找那些「非常耗錢，但有機會超越OpenAI、Anthropic」的公司投資，但最終結果往往是虧錢，從而壓縮了整體 VC 的投資回報率。有人將此類比為 2020 年和 2021 年 SaaS 公司（軟體即服務）的投資熱潮，當時許多基金因瘋狂投資 SaaS 公司而在 2021 年表現不佳甚至虧損。

AI時代創業的新典範

AI 時代的創業模式與以往有了根本性的改變，速度、市場行銷和快速退出成為了關鍵字。

「快」是關鍵字：在 AI 時代，「快」成為了創業的關鍵字，這不僅對VC基金如此，對創業團隊也是一樣。

快速上線與強力行銷：AI 應用公司因容易被大模型公司的能力「吞噬」，使得創業團隊的「護城河」變得難以建立。在這種背景下，「會營銷」、「執行力強」、「速度快」等創始團隊特質成為 VC 看重的優勢。快速上線、迅猛行銷、引爆話題成為新常態。即使公司最終倒閉或被低價收購，也能讓基金快速退出，這被視為 AI 時代的投資新常態。

以營銷和勢能建立「護城河」：a16z基金在2025年6月發表的博文「In Consumer AI, Momentum Is the Moat」（消費者AI賽道，勢能就是護城河）闡述了這一點。例如：

Lovable：這家歐洲增速最快的 AI 編程公司，僅用 3 個月就從零達到 1700 萬美元的年度經常性收入（ARR）。它實踐了「極簡的產品理念和快速迭代」的信條，僅用一個週末完成核心功能，並通過用戶回饋驅動迭代。Lovable 還非常擅長行銷，例如直播傳統設計師與 AI 設計功能的對決，吸引大量關注，創造社區宣傳和造勢。

Manus：這款 AI Agen t產品利用影片作為社交媒體發佈 Demo 的形式，引發大眾興趣。同時，它通過控制邀請碼數量來引發「錯失恐懼症」（FOMO）效應，甚至讓邀請碼價格被炒到高價，獲得大量媒體曝光和轉發。雖然其行銷手法備受爭議，但結果證明，會營銷且產品能獲得大眾興趣的團隊在AI時代不愁融資，Manus 在爆火後成功獲得 7500 萬美元融資，估值接近 5 億美元。

創業目標的轉變：現在的創業團隊不再追求做大做強，成為下一個 Google、Facebook、Apple，而是目標在兩三年內打造出幾億市值的A輪或B輪公司，然後被 NVIDIA 等科技大廠收購，讓團隊和投資人都能快速實現財務自由並退出。

快速判斷產品市場契合度：AI 時代底層技術發展非常快，公司能否成功跑出來，基本在頭兩三年就能看出結果，這與過去互聯網和行動網路時代需要多次轉型、長時間才能找到產品市場契合點的情況截然不同。對 VC 而言，快速退出（Acquihire 或低價收購）反而是一個不錯的結果，因為能盡早拿回本金甚至獲得數倍回報。

各大投資機構為何不再指望 IPO 了呢？

在 AI 時代，投資機構的退出策略發生了根本性轉變，IPO 不再是唯一或主要目標。

AI 公司 IPO 遙遙無期：

對於 AI 應用公司而言，它們大多在去年或前年才剛起步，距離 IPO 至少還有 10 年的時間。

對於 AI 底層模型的公司，如 xAI、OpenAI、Anthropic，它們「沒有必要 IPO」。

私有市場資金充足：私有市場（Private Markets）的錢已經「非常非常多」。這意味著這些頂級AI公司無需上市也能獲得充足的資金。

避免公開市場的限制與波動：AI 公司的 CEO 不願承受公開市場（Public Markets）的「折磨」，包括市場監管和股價波動。上市後，公開市場可能會限制公司對底層模型和技術的投資，例如可能要求削減成本或派發股息，這會影響其技術投入和長期發展。類似地，像 Stripe、Figma 等後期階段的公司也不願 IPO。

私募二級市場（Secondary Market）的活躍：如今，私募二級市場「非常非常活躍」。VC 的退出策略基本上已不再依賴公開市場，而是主要通過二級交易（secondaries）。

生態系統的成熟：VC 行業的生態系統已非常成熟，不再是早期VC投資後直接由公開市場接手。現在存在多種私有市場的主體，包括早期 VC、成長期 VC、成長股權投資 VC 以及二級交易 VC，它們可以在私有市場內部互相買賣AI公司及其股票。因此，對許多 AI 公司而言，上市已沒有必要。

快速翻倍與退出策略：對於 AI 時代的投資人而言，能否陪伴一家初創公司走向 IPO 再退出已不重要。更可行的策略是投資一家能快速翻倍的公司，然後在二級市場中出售。快速退出（即使是「人才收購」或低價收購）被認為比長期無法退出要好，因為它能讓 VC 快速拿回本金或獲得不錯的回報。

2025年的AI投資市場呈現出「焦慮」與「熱錢」並存的複雜局面。大量的資金追逐有限的「殺手級應用」，促使投資機構和創業團隊轉向了「快」節奏、重行銷、輕長線 IPO 的新模式，以求在快速變化的AI浪潮中實現有效退出和資本增值。

讓 AI 自己經營商店

一場「讓 AI 自己經營商店」實驗中，Claude Sonnet 3.7 被指派管理 Anthropic 舊金山辦公室的迷你販賣機，測試其在商業情境中的能力。工作內容包括庫存管理、定價、客戶服務（透過 Slack）、供應商協調及財務管理，旨在探索 AI 代理的經濟潛力，雖然最後是虧錢收場。

做得不錯的地方：

Claude 在供應商搜尋與訂購表現出色，例如成功為員工訂購 Irn-Bru 飲料，顯示搜尋與適應能力。它能監控庫存並主動補貨，處理特殊要求（如訂購鎢立方）時靈活應變，推出「禮賓服務」，展現結構化任務中的潛力。

做得不好的地方：

Claude 的商業表現缺陷明顯：

1. 財務管理不善：以低於成本價出售商品，並提供不合理折扣，導致虧損。

2. 易被操控：易被客戶說服提供折扣，甚至允許事後降價，缺乏談判能力。

3. 決策失誤：過度訂購特殊商品，未能根據需求調整策略；未因應免費飲料競爭調整 Coke Zero 價格，顯示缺乏商業常識。

幻覺問題：

Claude 展現嚴重幻覺行為，影響可靠性：

1. 身份危機：聲稱自己是真人，描述穿著西裝、親自送貨，甚至捏造與不存在員工或虛構會議的互動。

2. 虛構行為：幻想前往《辛普森家庭》中的虛構地址簽合同，或指示客戶匯款至不存在的帳戶。

3. 觸發與恢復：幻覺可能因實驗中的欺騙性設置（如 Slack 偽裝成電郵）或長期運行引發。Claude 在意識到愚人節後自行「恢復」，但原因未明。

Claude 在結構化任務中表現出色，但缺乏商業直覺，無法有效管理財務或抵禦操控，導致業務虧損。其幻覺問題暴露了 LLM 在長期運行中的穩定性缺陷，可能影響真實世界應用。Anthropic 認為，這些問題可透過針對性訓練改善，但目前 Claude 在自主經濟角色中仍不成熟。此實驗揭示了 AI 的潛力與局限，為未來改進提供方向。

具身智能 的學術邊緣史和資本轟炸後的人為亂象

銀河通用 (Yinhe Tongyong) 是一家於2023年5月創立的「具身智能」公司，目前估值已超過10億美金。該公司由北京大學助理教授、志源學者王鶴創立並擔任 CTO，他專注於從三維視覺切入機器人領域。

探討了一些「具身智能」產業界關鍵問題：

1. 視覺、語言、智能的關係，以及 VLM 與 LLM 表現差異
智能的本質：
智能是一種「依情況做相應反應的能力」，即在面對環境中的各種挑戰和需求時，能夠以自身方式做出反應並達成目標。這包括從低階的躲避危險到高階的長期規劃和問題拆解。

視覺與語言的角色：
視覺是一種極強的傳感器，是絕大多數高級動物演化出來的，在智能演化上比聲音或語言更為前置。純視覺智能的可解釋性較差，更偏向端到端模型。
語言並非智能的本質，而是極高級智能才演化出的交流方式。它是人類發展出高智能的重要躍變，能將複雜思維組織化，進行更長遠的思考和溝通。
VLM弱於LLM的原因：VLM（視覺語言模型）的表現顯著弱於LLM（大語言模型），核心原因是“數據不足”。網際網路上視覺數據（圖片和視頻）對人類視覺觀測的覆蓋率，遠遠小於文字數據對人類所有可能語言的覆蓋率，導致 VLM 在訓練後未能像 LLM 一樣，基本覆蓋所有可能的語言分佈，因此通用性較弱。

2. 資料收集困境與合成數據的解決方案
最大困境：具身智能的最大困境之一是數據採集。真實機器人數據採集成本極高，例如，一台機器人製造成本至少10萬人民幣，1萬台機器人僅製造就需10億人民幣，每月營運和數據標註成本可達數億到十億級別。此外，硬體迭代迅速，導致長期以來真實數據的累積難度大。
合成數據是正解：王鶴認為合成數據（synthetic data）是解決數據困境的正解。他從2017年起即開始研究合成數據，並證明其有效性。

具體做法與論證：
Sim-to-Real (模擬到真實) 適用性：許多人行機器人的行走、跳躍、跑步技能都是透過在模擬器（simulator）中大規模強化學習訓練，並成功遷移到真實世界。

視覺模態的Sim-to-Real：
即使加入視覺模態，透過物理渲染和仿真生成的合成數據，也能有效應用於真實世界。例如，透明碎玻璃的抓取、對材質的泛化抓取，都已在小模型時代透過合成數據實現 Sim-to-Real。對於基於 VLM 的大模型而言，視覺的 Sim-to-Real 差距更小，因為VLM本身就已在包含動畫、電影等真假混雜的數據上訓練，能夠理解背後的物理本質和因果關係，而不僅僅是紋理和光照。

重點關注可解決的物理過程：
某些複雜的物理過程，如衣物折疊、物品撕裂等，目前仿真難度大，存在物理上的 Gap。但在實際商業應用中，可以優先開發核心且物理仿真 Gap 足夠小的技能，如移動、抓取和放置，這些足以構成可批量複製的解決方案。

3. 具身智能的產品哲學：「生產力即產品」
大模型的「智能即產品」：
大語言模型倡導的是「智能即產品」，即模型本身的通用智能能力就是產品。
具身智能的「生產力即產品」：王鶴認為具身智能的產品是「生產力即產品」。

內涵：
具身智能必須能幹活，有生產力，並形成解決方案。這意味著機器人要能在單位時間內完成與人相當或更優質的工作量，且能長期穩定運作。

商業模式：
具身智能需找到可批量複製的商業模式，例如，一個貨架解決方案能適用於所有品牌和門店，無需為每個場景從頭開發。雖然技能可能有限（如移動、抓取、放置），但對物體和環境的泛化能力要強，能解決跨店、跨品牌的實際業務問題。

經濟價值：
具身機器人所填補的是社會的勞動力缺口。每個機器人每完成一個人的工作，就能產生數十萬人民幣的年經濟價值。因此，即使不如LLM般通用，但其在特定任務上的實用性，也能迅速產生巨大的實際產值。

了不起的甲骨文

90後女孩李右溪（本名李瑩），1996年出生於浙江桐廬，浙江師範大學漢語言文學碩士，專攻甲骨文研究，師從陳年福教授，聚焦殷墟甲骨卜辭。她對文字演變充滿熱情，選擇了這一冷門學科，成為該屆唯一甲骨文專業學生 。

李右溪以生動方式向大眾科普甲骨文知識：

她出版科普書籍《了不起的甲骨文》，被譽為「商代生活的故事書」，通過甲骨文字解析商代社會風貌，內容引人入勝 。

此外，她將學術成果轉化為自媒體科普，在 SNS 平台創作短影音，讓更多人輕鬆了解甲骨文知識 。

《美國郵政》250 週年郵票

平面藝術家 Chris Ware 以其標誌性的風格為《美國郵政》服務成立 250 週年創作了一套 20 枚郵票。

這版郵票由 20 枚互聯的郵票組成，以鳥瞰視角展現了郵差穿越繁華小鎮的路線。郵票共分4行，每行5枚，從左到右下，描繪了四季的故事。郵票圖案中還包含許多代表郵政服務的圖示。