阅读

具身智能公司星尘智能近日完成10亿元规模新一轮融资，公司估值达150亿元。本轮由投控东海（深投控）领投，洪泰基金、光华阳光管理的宁海兴泰合基金、善恒资本等参与，老股东先沐追投。

这是星尘智能近半年内完成的第4轮融资。自2026年3月以来，公司已先后完成A+轮、A++轮、B轮及本轮融资。其中6月B轮系列融资总额超10亿元，估值首次突破百亿元；仅3个月后估值再涨50亿元。

融资资金计划用于模型迭代、人才扩充、商业化落地和产能建设，并继续投入“AI模型－具身OS－绳驱本体”三位一体全栈架构建设。

谷歌于10月13日宣布，Google Play商店现在支持用户运行自己用AI构建的私人安卓应用，这些应用不会出现在公共搜索或列表中。

此前，要在安卓设备上使用自定义应用通常必须将其发布到拥有30亿用户的Play商店，这迫使许多“氛围编码”（vibe coding）爱好者转向网页应用。新政策允许用户通过Google AI Studio创建应用后，直接在自己的设备上启动使用，仅限美国地区且用户需年满18岁。

尽管应用保持私密，但仍需遵守Google Play现有的安全与内容政策。谷歌表示，未来几个月将推出功能，允许用户将这些应用分享给信任的朋友网络，或在通过审核后转为公开发布。

该功能目前仅在美国面向成年用户开放，且依赖于谷歌自家的AI开发工具链。

Meta于10月13日宣布在Facebook Feed和Reels中推出名为“Your algorithm”的新AI工具，允许用户通过自然语言直接输入兴趣来微调推荐内容。

此前，Facebook主要依赖点赞、评论等隐性行为信号推断用户偏好。新功能旨在解决这一间接性，让用户能明确表达意图。

官方说明，该工具利用大语言模型（LLM）理解自由文本中的上下文和意图，使排名系统能在同一会话内实时适应新的用户指令。

此功能目前处于逐步推出阶段，具体覆盖范围及实际响应延迟未经过独立技术基准验证。

过去几周，消费级AI智能体似乎迎来了拐点：Meta推出了能在虚拟机上代用户购物和填表的个人智能体Muse，初创公司Instinct的估值也在几个月内飙升至100亿美元。然而，对于AI投资而言，更具决定性的战场并不在这些演示产品，而在于企业级知识工作的收入结构。作者ykevinzhang指出，消费者市场的收入池相对于AI资本支出而言规模有限，主要只能重新分配现有的广告预算。要让当前的AI贸易逻辑成立，数万亿美元的净新增收入必须来自企业端。

目前，前沿实验室通过编程等“无界任务”捕获了大部分经济价值。无界任务是指那些总能从额外智能中获益的工作（如研发、交易），而“受限任务”则只需要固定水平的智能，超过该水平后模型改进不再提升表现（如从财报中提取数据、起草邮件回复）。作者认为，如果编程收入增长放缓，其他类型的知识工作必须填补AI收入的缺口。随着开源权重模型变得“足够好”，按数量计算的大部分日常知识工作将能够在云端或设备端的更便宜模型上运行。这意味着，虽然前沿实验室仍会占据最苛刻工作的收入大头，但在前沿之下存在着巨大的商业空间。

为了理解这种转变如何影响价值捕获，文章回顾了技术交互的历史：从命令行到图形界面让微软同时赢得了操作系统和应用；从单机软件到云优先协作软件让Salesforce等公司抢占了份额。如今，AI智能体的出现再次模糊了工作发生的位置、数据存放的位置以及推理运行的位置。作者提出了一个二维矩阵来梳理当前格局：一是模型运行在哪里（云端或本地），二是数据存放在哪里（云端或本地）。

当前的过渡状态是“云端模型处理本地数据”，这也是OpenAI和Anthropic桌面应用目前的架构。这种模式存在明显缺陷：智能体可能会破坏性覆盖本地文件且难以回滚，与第三方应用交互时行为不一致，面临提示注入攻击的安全风险，且在用户合上笔记本盖子时会暂停。相比之下，“云端模型处理云端数据”的云原生模式允许智能体在沙盒虚拟机中操作文件副本，从而更好地实现版本控制和回滚，但这使得拥有数据层（如Google Drive、OneDrive）的公司变得更加重要。

在竞争动态上，参与者正从不同角度切入。前沿实验室拥有最好的模型但缺乏数据访问权，因此正试图通过连接外部数据源或收购数据平台来扩展业务。大型科技公司（如微软、谷歌）掌握着当前的工作场所和数据，但尚未将其转化为数百亿的新增AI收入。微软最近推出了混合AI愿景，试图成为在本地和云端之间动态切换工作负载的“瑞士”式中立平台。与此同时，初创公司正在利用独特的切入点争夺分发渠道，以防被大厂扼杀。

对投资者而言，主流知识工作的平台归属远未确定。如果AI在企业知识工作中的采用速度慢于预期，或者无界任务无法及时接棒，瓶颈交易的多数标的都将受到影响。此外，随着个人计算设备算力提升，部分收入将从云端模型转移至本地模型。谁能赢得这个在前沿之下、能够无缝跨设备切换的“瑞士”层，谁就能声称获得庞大的受限知识工作市场。

商务部数据显示，2026年1月至8月我国服务进出口总额50701.6亿元，同比增长7.9%。

其中，服务出口19996.1亿元，增长14.8%；进口30705.5亿元，增长3.8%。服务贸易逆差10709.4亿元，同比缩小1451.2亿元。

旅行和运输服务出口贡献率近50%，知识密集型服务出口占比超一半，显示传统与新兴服务共同支撑出口增长。

大型无监督语言模型虽然具备广泛的世界知识，但难以精确控制其行为。传统方法如基于人类反馈的强化学习（RLHF）通过拟合奖励模型并使用强化学习微调策略来对齐偏好，但这过程复杂且不稳定。本文提出直接偏好优化（DPO），证明该约束奖励最大化问题可通过单阶段策略训练精确解决，本质上是在人类偏好数据上求解分类问题。

DPO的核心洞察在于利用奖励函数与最优策略之间的映射关系。它隐式地优化了与现有RLHF算法相同的目标（带KL散度约束的奖励最大化），但无需显式拟合奖励模型、在训练循环中从语言模型采样或进行大量超参数调整。这种简化使得算法稳定、高性能且计算轻量。

在具体机制上，DPO依赖Bradley-Terry等理论偏好模型来衡量奖励函数与经验偏好数据的契合度。不同于先训练奖励模型再优化策略的传统路径，DPO通过变量替换将偏好损失定义为策略的直接函数。给定人类对模型响应的偏好数据集，DPO使用简单的二元交叉熵目标直接优化策略，避免了显式学习奖励函数或在训练期间从策略中采样。

实验表明，DPO在情感调节、摘要和对话任务中，至少与现有的PPO-based RLHF方法一样有效。值得注意的是，使用DPO微调在控制生成情感方面超过了RLHF的能力，并在摘要和单轮对话中提高了响应质量，同时实现和训练起来显著更简单。

对于当前读者而言，理解DPO有助于把握大模型对齐技术的演进逻辑：从复杂的两阶段RL流程转向更直接的监督式偏好学习。例如，假设一个团队希望快速迭代聊天机器人的语气风格，采用DPO可以省去搭建奖励模型和运行RL环境的工程负担，直接利用成对的偏好数据进行高效微调，从而加速产品落地。

《Direct Preference Optimization: Your Language Model is Secretly a Reward Model》发表于2023年。适合从事大模型训练、对齐研究及AI应用开发的工程师与研究人员阅读。建议从摘要和第1节引言开始，重点关注第4节关于DPO算法推导的部分，以深入理解其如何将RLHF转化为分类问题。

在《Berkshire Hathaway Shareholder Letter 1994》中，沃伦·巴菲特重新定义了投资的核心指标。他指出账面价值虽易计算但用途有限，而内在价值是企业剩余寿命内可提取现金的折现值。尽管难以精确量化，它却是评估投资吸引力的唯一逻辑方式。早期伯克希尔纺织业务的案例表明，当资产既无持续经营价值也无清算价值时，账面价值会严重高估实际价值。

为了阐释历史投入与未来产出的背离，信中详细分析了Scott Fetzer公司的收购。伯克希尔以3.152亿美元收购该公司，当时其账面价值仅为1.726亿美元。这一溢价反映了对其内在价值接近账面价值两倍的判断。随着时间推移，尽管分红导致账面价值未同步增长，但其盈利能力显著提升，使得净资产收益率变得异常出色，证明了关注现金流而非静态会计数据的重要性。

此外，巴菲特重申了忽略政治和经济预测的原则。他列举了过去三十年中无人能预见的重大事件，如越南战争扩大、石油危机和总统辞职等，并指出这些宏观冲击并未损害格雷厄姆的投资原则。相反，恐惧往往是时尚追随者的敌人，却是基本面主义者的朋友。最好的购买时机往往出现在对某些宏观事件的担忧达到顶峰时。

对于当下的读者而言，理解这一机制有助于区分会计指标与企业真实经济价值。例如，假设一家科技公司拥有大量无形资产和研发能力，其传统资产负债表可能显示较低的账面价值，但若其未来现金流强劲，其内在价值可能远超账面数字。投资者应关注企业产生现金的能力，而非仅仅盯着静态的会计数据，同时避免被短期宏观新闻干扰长期资本配置决策。

《Berkshire Hathaway Shareholder Letter 1994》由Warren E. Buffett撰写，发布于1994年。适合希望深入理解价值投资核心定义、区分会计数据与经济实质，以及学习如何在宏观不确定性中保持定力的投资者阅读。建议从信中关于“Book Value and Intrinsic Value”的章节开始，结合Scott Fetzer的具体案例分析进行研读。