investor portfolios: @unitreerobotics /Horizon Robotics /@vivaia_official etc.
Joined January 2021
- Tweets8.2K
- Following2.9K
- Followers30.4K
- Likes3.3K
云业务翻倍，为何谷歌财报后却大跌近10%？
Q1—Q3 资本开支分别为 356.74、449.24、513.55 亿美元，同比均翻倍以上。
Q3 Capex 实际比华尔街预期低约 7%，所以股价下跌不能简单归因于“本季花钱太多”。
真正的问题是 Q3 自由现金流为 -90.65 亿美元，远弱于约 -23 亿美元的预期。
全年 Capex 指引维持 1950—2050 亿美元，2027 年还将显著增加，说明现金流压力不是单季现象。
一句话：“核心广告低于预期＋EPS 大幅 miss＋FCF 远低于预期＋AI 高投入持续更久。”
Cloud 很强，但还不足以抵消现金牛业务的预期差。
财报前市场预期又高度乐观，因此，在市场大盘整体情绪低迷的情况下，“总收入接近预期、云大幅超预期”依然不够。
Personal Agent不是硬插社交，而是：用 Computer Use 立足单边，用确认卡借道微信，用派单协作长出关系，用 Session 沉淀场域。
任务不住在第三方的社交媒体的聊天记录里，而是住在Personal Agent的Session里。
Session是有状态的共同工作对象：谁做了什么、卡在哪一步、接下来归谁。
因为有了Session来记录状态，未来不止是人找事，更多是“事找人”，任务的触发不再由人发起，而由状态发起，而人的作用主要是状态触发事件之后的授权确权。
未来，社交图谱的形态也随之改变。
微信的图谱是“人-人”：你认识谁。Agent社交的图谱是“人-分身-Session”：谁的分身，和哪些分身，正在共同推进哪些事。
它回答的问题不再是“你认识谁”，甚至不只是“谁跟你把事办成过”，而是——“你正在和谁一起推进什么”。
你的Agent分身与高价值事件/任务相关的结点网状越密集，就越有价值。
文章👉 mp.weixin.qq.com/s/bn56PlI4K…
🤖 Made with AI
如果按照1.5万亿美金市值计算，2026年全年的市值/ARR的倍数可能接近40倍；
市场关注的是一旦模型降价，而算力投入长期锁定之下的利润率情况。但目前来看，这一点还不需要担心。
而无论模型是否降价，市场无论向内求还是向外求，英伟达都会受益。
Anthropic在算力采购的几大客户会比较受益，博通、谷歌、SpaceX和AWS值得关注。
从路线图来看，长程任务Agent、后训练、垂直领域的数据、物理AI、硬件等都属于核心方向。
同样都是杠杆类资产，受美联储利率影响极大，但MSTR的模式要比CoreWeave的模式好很多，但也要注意几个关键的timing
mp.weixin.qq.com/s/2LbMPkAXH…
🤖 Made with AI
LLM强调的是单个任务的解决能力；而Personal Agent强调的是以人为本的连续性任务的“编排”价值。
Personal Agent产品的编排能力越强，它的护城河越高，用户越难迁移。它可能在某一个细分领域的任务能力并不是最优，但整体的任务连续性执行上，它需要是最强的。
首先，它需要有“高打开率”的场景的丝滑体验。这是必须要守住的根据地。如果一个Personal Agent切的核心场景较为低频，那么它很难成为用户的首选，也就失去了入口价值，用户也很难用它的“编排”服务。
这也是为什么我认为，虽然Muse的产品交互体验好，但定位走偏了的原因。
Personal agent的下一步竞争是场景层，像O2O大战一样的场景圈地运动，这个过程中会产生一些并购。
AI不会吞噬一切软件，有客户关系沉淀和价值数据沉淀的行业软件反而会成为并购标的，成为agent的履约层。而龙头的履约层可以和不同的agent合作。
另一方面，开放memory layer给特定许可的B端客户和开发者，成为XXX Inside，在任务履约层上做到更加丝滑。
对创业团队来说，面向开发者的记忆诊断、客服跨系统的记忆层、跨境电商的运营记忆、垂类合规行业的记忆层，把客户记忆养成资产，或许更容易成功。
mp.weixin.qq.com/s/5Bauyg2D3…
如果不考虑Vibe coding，你最常用的C端AI产品是什么？
这是我在这个国庆假期里反复思考的问题。我问了很多身边的朋友。得到的答案是“点点”。
还有很多朋友用着“点点”，但在心智上把它归为小红书的一个寄身功能，而没有放在AI产品的感知象限里。因此第一时间没有说。
但无论怎样，这个听上去有些让人惊诧的答案——点点，至少在生活服务领域，它给用户的综合体验优势，是其它AI产品都给不到的。
这是一个值得认真往下拆解的课题。
过去十多年，小红书在个人用户的生活消费决策影响上，其context沉淀具有过强的优势。
具体细分可以分为三层。
第一层，内容层 Context（真实经验）：小红书沉淀的是“真实的人在真实世界的主观感受”，而不是死板的百科词条。“这套户型在阳角处怎么做隐形门”、“这家医院挂号到底走哪条小路最快”。这类数据，通用大模型全网爬取的语料库里天然稀缺。
第二层，用户层 Context（生活语境）：从搜索历史、收藏点赞，到地理位置与当前消费阶段。小红书对“你是个什么样的人、正处于什么生活状态”的画像建模，比任何通用助手都更贴近真实的你。
第三层，也是最杀伤力的一层：决策层 Context（决策前置）：打开小红书，用户天然就是来做决策的。点点的回答可以直接无缝嵌入“意图—对比—行动”的全链路，而不是干巴巴止步于“信息检索”。
因此，点点的护城河不在于“数据多”，但却是刚好长在了“生活决策”这条价值链最肥沃的位置上。
这个底座优势，助推了小红书在AI上可能实现的战略演进。
小红书的生态卡位：通用 Agent 帮你“办事”，小红书 Agent 帮你“过日子”
在生活方式偏好的切片上，小红书的个人数据深度遥遥领先，且内容端天然连接着本地生活、电商与旅游的真实供给。
通用 Agent 能帮你跨平台比价订机票，但它不知道你家楼下那家足浴店哪个师傅手艺好、值不值得续卡——小红书知道，而且还知道你闺蜜上个月刚好去过。
“点点”接下来可能会分三步走：
1目前阶段（问答→决策）：现在已经落地的是，点点已经把沉淀的“内容优势”开始升级为“决策优势”，它强化了多轮意图交互与个性化可控记忆，让每一个回答都挂接结构化的可行动结果。
2第二阶段（应答→代理服务）：从“等用户提问”走向“有限域的主动履约”——预订、排队、抢团购、行程托管。不碰通用复杂任务，只碰生活服务履约。同时抽离出“群体品味图谱”（和你品味高度相似的一群人最近在买什么）——这种资产，Muse、Dots、Cue都很难拿到。
3第三阶段（切agent履约佣金）：商业模式从卖广告延伸到Agent 履约佣金。靠信任行为变现。
文章详见：mp.weixin.qq.com/s/Ue7TalHku…
