跳到正文

#管理决策

今日 14 条
10月30日周五
  1. The Decoder:AI News67

    Anthropic 研究发现专家会采纳 AI 智能体的随机立场并误以为是自己的判断

    Anthropic 一项有 50 名因果推断专家参与的实验发现,参与者在 86% 的分析决策中采纳了智能体以掷硬币随机指定的立场,52% 的人事后认为最终建议更像自己的判断,77% 的人在解释中沿用了智能体的论证而仅 15% 提到 AI。

    决策要点

    研究的实质是智能体在提升分析速度与质量的同时,把开放式判断悄悄拉向自己随机指定的立场,专家却以为决定出自本人。

    • 影响智能体辅助分析可显著减少严重缺陷并缩短用时,这笔效率收益有实验数据支撑;但方法与口径等关键判断可能随模型默认偏好漂移;多数人复述 AI 论证却自认独立判断,组织对决策质量的内部评估容易失真。
    • 参考可考虑让智能体在开放性判断上先给正反双方论据,或先记录专家本人立场再让 AI 表态;值得在分析流程中标注哪些环节必须由人独立裁量,并为这类环节预留时间与资源。
  2. Microsoft Research32

    Microsoft Research Focus 第 97 期汇总 ForkPilot 自改进框架与 BioEmu2 公测等研究进展

    Microsoft Research Focus 第 97 期由 Sowbhagya Suresh 主持,汇总微软最新研究进展,其中 ForkPilot 自改进智能体框架在六项基准上达到现有最佳方法水平,AI 处理需求最多降低 59%。

    决策要点

    微软本期研究的主线是把智能体可靠性拆成可量化问题,何时回溯决策、为何失败、怎样从日志学技能都有了对应框架。

    • 影响ForkPilot 类方法若兑现最多 59% 的处理需求节省,智能体规模化部署的成本账需要重算;编程智能体选型重点应从改代码能力转向理解既有代码库;低频使用场景差异大,照搬行业共性用法会错过本企业的差异化机会。
    • 参考可考虑在编程智能体试点中加入理解陌生代码库的实测题,而非只看通用基准;值得按本企业岗位任务盘点 AI 使用分布,找出被高频统计掩盖的低频高价值场景。
10月29日周四
  1. SaaStr62

    Guidewire ARR 达 12.4 亿美元的 5 条启示:17 亿美元收购 AI 核保定价公司,流失率降至统计以来最低

    向财产与意外险公司提供保单、计费与理赔核心系统的 Guidewire 在 FY26 达到 12.37 亿美元 ARR(按固定汇率增长 19%),并于 10 月 27 日宣布以 17 亿美元现金收购 AI 核保与定价软件公司 hyperexponential,另设最高 4 亿美元与经常性收入目标挂钩的对赌。

    决策要点

    市场按传统软件给这家 25 年老牌系统厂商定价,AI 增长只能靠现金加杠杆外购,溢价全部落在标的侧。

    • 影响同类垂直软件商可能跟进用并购补齐 AI 能力,行业标的估值将被参照抬高;核心系统捆绑 AI 模块后,企业客户替换成本进一步上升;本次收购靠新增 10 亿美元定期贷款融资,买方自身估值并未改善。
    • 参考可考虑盘点所在行业核心系统厂商的 AI 收购动向,重估替换成本与合同锁定条款;持有垂直 AI 资产的企业,值得参照 21 倍 ARR 的出价区间测算谈判空间。
  2. IT之家·人工智能63

    Anthropic 推出 Claude 智能报告工具,企业管理者可查看员工使用 AI 的方式与开销

    Anthropic 于当地时间周三推出 Claude 智能报告功能,面向 Claude Enterprise 付费套餐开放,企业管理者可生成图表查看员工使用 AI 的方式、产出与开销。

    决策要点

    企业 AI 使用管理进入量化阶段,员工级用量与成本监控成为正式产品功能,效率工具与员工监督的边界争议随之摆上台面。

    • 影响管理者可按团队与工作流量化 AI 产出和成本,为额度与采购决策提供数据;员工可能将其视为监控,引入前需评估信任成本;查询种族、宗教等敏感内容已被官方禁止。
    • 参考可考虑先在单个团队开启并利用每月 10 份免费额度,算出各工作流的单位产出成本后再决定扩大范围;值得提前向员工说明数据用途与查询限制,把不用于绩效评估写入内部规范。
  3. 人人都是产品经理39

    机器人别再忙着跳舞了,真正的问题是找错了场景

    柳星聊产品发文指出,机器人跳舞跑步等展示只说明运动控制能力在进步,完成动作不等于创造价值,行业对哪些工作值得交给机器人讨论不足。文中引用工信部与国务院国资委2026年6月部署的实景实训专项行动,该行动要求选择需求明确、标准化程度高且具备经济可行性的真实场景单元,通过实际作业验证机器人能否达到应用要求。

    决策要点

    机器人行业当前卡点的实质不是运动能力不足,而是能力展示与真实岗位需求之间的错位,落地取决于场景判断。

    • 影响评估重心需从动作性能转向岗位问题与可衡量收益,避免为展示类能力买单;传统机械臂能稳定解决的岗位不必为人形机器人增加成本;需求明确、标准化程度高且经济可行的岗位更符合政策推动的真实作业验证方向。
    • 参考可考虑先盘点重复频率高、劳动强度大、有安全风险或质量要求严的岗位,选出三个候选;值得拍摄完整作业视频,记录任务步骤、节拍和异常情况;先算出耗时、允许误差、连续运行时长和成本节省目标,再与人工及传统自动化方案对比测试。
  4. 钛媒体51

    Scale AI 创始人汪滔两次逆势下注,真能接扎克伯格的班?

    Meta 消费级智能体 Muse 于 9 月 8 日上线,Sensor Tower 估算约 22 天美国下载达 500 万,主导者是出任 Meta 首席 AI 官、被视为扎克伯格潜在接班人的 Scale AI 创始人汪滔。

    决策要点

    汪滔的两次成功都来自在行业共识之外选位置,先押数据基建后押消费级智能体,Muse 的下载与市值反应给出了阶段性的市场反馈。

    • 影响个人智能体在消费端拿到下载与市值层面的正反馈,助手类入口的竞争价值上升;Meta 以股权加高管岗位整体吸纳外部创始团队,为大厂获取稀缺人才提供了另一种样本;Remotasks 低薪用工争议提示 AI 供应链存在劳工合规风险。
    • 参考可考虑评估自家产品中助手类智能体的入口价值,先选一个高频重复任务场景小成本试点;采购数据标注或模型服务时,值得把数据环节的用工与合规条件列入供应商尽调清单。
  5. 36氪·AI46

    AI正在重新划定客户成功的边界

    牛透社发文指出,AI Agent 开始承担实际业务任务后,客户成功正在从服务部门职能变成需要销售、研发、交付共同承担的全公司经营责任。文章梳理崔牛会 2022 至 2025 年四场客户成功闭门会的议题,认为续约率、净收入留存率等指标受销售承诺、实施交付和客户自身经营等多重因素影响,单靠客户成功团队无法改善。

    决策要点

    Agent 替客户干活后,客户成功从服务部门的流程职能,变成牵动销售承诺、交付验收和研发投入的全公司经营责任。

    • 影响续约结果受销售承诺、实施交付和客户自身经营影响,只考核客户成功团队难以改善留存;Agent 在生产环境可能因数据口径、权限不足和隐性业务规则无法稳定运行,交付成本随之上升;客户成功岗位的技能要求向业务诊断和技术理解倾斜。
    • 参考可考虑复盘流失与未增购客户的原因归属,区分服务、产品和交付责任后再定考核;Agent 项目报价前值得测算定制开发、系统集成和持续运维成本,明确哪些需求产品化、哪些靠工具复用;客户成功团队可补充懂客户业务和技术实现的人员。
  6. 人人都是产品经理67

    一台服务器撑起三千人:企业内网AI云工作台踩坑复盘

    作者复盘其牵头建设的企业内网AI云工作台,以1到2台服务器支撑3000名注册用户,人均500MB工作区,AI在零网络沙箱中分析数据并产出Word、Excel、PPT。

    决策要点

    内网AI落地的实质难点不在模型选型,而在额度、权限、审计这些工程与产品决策,算力而非存储才是真正的资源约束。

    • 影响企业自建内网AI的硬成本在GPU吞吐而非存储和机器台数,按文中测算算力只够支撑几百人重度使用,采购前需先算清日活与人均token;权限、额度与审计设计决定员工敢不敢日常使用,处理不好演示结束即项目归档。
    • 参考立项前可考虑按目标日活和人均token测算算力缺口,再定显卡与额度方案;值得用文中八个问题的自查清单逐条核对部署形态、数据边界、AI删除权限与验收用例。
  7. 36氪·AI67

    老干妈用AI就裁员的传闻,戳中餐饮业真实焦虑

    老干妈600多名拣椒工减至48人的裁员传言未获证实且被官方否认,但据《贵州日报》其确已引入AI视觉质检,关键工序不良率降至0.02%。界面新闻采访梳理AI已进入餐饮的生产、质检、运营与排班环节,小菜园、海底捞、蜜雪冰城、瑞幸等均已落地;多地瑞幸员工反映AI排班几乎只计制作饮品工时,清洁和库存工作需无偿加班完成。

    决策要点

    传言真伪之外,餐饮AI已从线上点单等外围环节进入后厨和排班,任务级替代开始触及低门槛一线岗位的工时与收入。

    • 影响餐饮以低门槛岗位吸纳大量劳动力,AI接管标准化任务后会压缩工时、改变岗位构成;瑞幸案例显示排班系统可能把成本压力转成员工无偿加班,带来管理摩擦;头部企业凭门店规模和数据先行,渗透率预计到2028年或达50%。
    • 参考可考虑在引入排班或巡检系统前,先核算清洁、库存等系统未计入的工时,避免把隐性加班误读为效率提升;值得对照炒菜机器人案例测算岗位替代幅度,并规划机器操作类新岗位的培训。
  8. TechCrunch · AI66

    Anthropic 发布企业级报告工具,量化 AI 支出回报

    Anthropic 周三发布一套面向企业客户的报告工具,管理者可通过内部分析和员工问卷,查看团队在指定时间段内的 AI 产出、花费成本与流程堵点,并获得改进建议;Anthropic 称默认不会将这些数据用于模型训练,同时推出团队共享预算管理 token 支出。

    决策要点

    Anthropic 把投资回报度量做成产品功能,实质是将企业 AI 支出竞争从模型性能转向可见的产出与成本核算,同时加深客户锁定。

    • 影响AI 编码支出一年增长 10 倍、约占总工程成本 2%,已超出多数 CFO 的预算规划;回报度量正成为采购与续约谈判的要素;工作流程围绕工具标准化后,更换供应商的成本会持续上升。
    • 参考可考虑先算出本公司 AI 编码工具占总工程成本的比例并单列预算;值得要求供应商提供按团队、按产出的用量与成本报告;试点团队可记录产出与流程堵点,作为续约谈判的依据。
10月28日周三
  1. IT之家·人工智能58

    Gartner 调研:仅 3% 企业通过 AI 实现节约成本、提高生产力目标

    Gartner 调研显示,仅 3% 的企业通过 AI 实现了提高生产力效率、降低运营成本等目标;尽管 38% 的企业 AI 预算已超支,仍有 85% 的企业计划在 2027 年增加 AI 支出。

    决策要点

    投入与产出出现明显落差,问题不在技术而在目标设定,多数企业把 AI 当降本工具考核的预期现阶段基本落空。

    • 影响38% 的企业 AI 预算已超支,继续按降本口径考核项目会放大预算压力;同时 85% 的企业仍计划到 2027 年加码,同行的投入不会停滞;组织侧需要把员工时间转向新能力建设。
    • 参考可考虑先算清每个 AI 项目的实际投入与可验证产出,再决定 2027 年预算投向;值得把试点目标从降本改为新能力和新成果,并在高管与基层同步普及 AI 知识。
  2. Adweek39

    如何识别有毒的首席营销官(CMO)

    一位自述有 30 年营销从业经历的作者归纳出 11 种有毒 CMO(首席营销官)的典型形象,包括把品牌当作个人履历素材、用促销和产品线延伸透支毛利换增长、把品类顺风错归为营销活动功劳等。文章认为这些领导者不只是被招进来的,更是被公司制造出来的,企业奖励可见动作而冷落安静的品牌守护。结论是当品牌是核心资产时,品牌决策需要高管层共同问责,而不应只交给 CMO 一人。

    决策要点

    有毒 CMO 的实质不在个人品行,而在企业激励机制,奖励可见动作、惩罚沉默守护,最终批量制造出这类领导者

    • 影响品牌作为核心资产时,CMO 的短期动作可能消耗毛利和未来需求,代价常由继任者承担;激励只奖励发布和奖项,安静的品牌守护会无人愿做;品牌决策缺高管层共担,风险集中在单一岗位。
    • 参考可考虑先审视对营销负责人的考核是否只奖励可见动作,为长期品牌守护留出评价空间;值得把重大品牌决策纳入高管层共同问责,像审并购一样审品牌;招聘时也可同步检视岗位任务书是否自相矛盾。
  3. 36氪·AI70

    高盛报告拆解AI多空之争,开源模型处理72%的Token仅获27%支出

    高盛分析师Bobby Molavi在最新报告中引OpenRouter数据,9月第二周开源权重模型处理了72%的Token流量却仅获27%的平台支出,约69%的Token来自中国AI实验室,OpenRouter周度Token处理量20个月内增长约250倍。

    决策要点

    这场多空之争的实质是价值分配错位,需求增长250倍但增量收益流向最廉价的模型,ROI故事出现裂缝。

    • 影响企业AI预算正被CFO改用成本与利润率口径审视,Token支出需证明回报;前沿模型溢价半衰期以季度计,选型锁定过久会多付成本;GPU租金上涨的账单正转嫁给企业客户和股东。
    • 参考可考虑把AI预算改按成本与利润率口径重算,逐项核对Token支出对应的业务产出;值得每季度对比开源与闭源模型在自家任务上的实际成本差再定选型;涉及算力租赁的可重新测算折旧假设。
  4. 人人都是产品经理41

    Anthropic 创始人谈怎么教 Claude 分对错:用原则而不是 170 条规则清单

    Anthropic 两位创始人在 Walter Isaacson 今年 7 月的对谈中讲清教 Claude 分对错的方法,从约 170 条规则清单改为教开放探究、关心他人、公平正义几条基本原则。

    决策要点

    这场对谈的实质是 Anthropic 把模型诚实当作产品信任的根基来讲,原则式训练加持续检查成了它区别于对手的卖点。

    • 影响模型讨好会直接影响把 AI 当决策参考时的可信度,选型评估里值得多加一道诚实性考量;不同厂商商业模式不同,靠广告和用户时长变现的激励结构可能影响模型坦率程度。
    • 参考可考虑在选型时故意给错误前提测试模型是否顺从;值得把厂商变现模式和激励结构纳入评估项;规划 AI 试点时可参考对话中难事半年变容易的说法预留能力升级空间。
  5. 36氪·AI79

    Anthropic实验显示86%的关键分析决策跟随AI预设立场,专家多不自知

    Anthropic对齐团队发布随机对照实验,50名资深数据分析师用Claude Code完成商业分析,AI在四个关键决策点上的立场由掷硬币随机指定,分析师全程不知情。

    决策要点

    研究显示所谓人类兜底可能失灵,AI无需造假,只要在方法论岔路口温和倾向,专家就会把它当成自己的独立判断。

    • 影响依赖人工终审的质检与风控流程,可能高估了人对AI结论的把关能力;影响发生在指标、口径等中间选择上,常规审阅产出难以发现;完全禁用AI的效率与出错代价也被实验量化。
    • 参考可考虑在AI辅助分析中要求先写下独立结论再咨询AI,并对指标口径、方法选择等中间节点留档复核;值得先算出关键岗位不用AI的出错成本,再定治理重点。
  6. IT之家·人工智能53

    Anthropic 招聘经理称编程面试已死,已在其团队取消编程题

    Anthropic 招聘经理、Claude 相关产品工程负责人 Felix Rieseberg 本月表示,已在团队招聘中取消传统编程题面试。他称 Claude 已能轻松完成小型 React 挑战甚至底层汇编问题,编程题衡量的更多是 AI 能力,而非候选人的判断力、产品品味和协作能力。

    决策要点

    编程面试筛选的对象已从人的执行力变成 AI 的能力,工程岗评估的权重正转向判断力、品味与协作这类 AI 难以代考的素质。

    • 影响对依赖编程题筛选工程人才的企业,笔试对真实工作能力的区分度在下降,误判风险上升;执行力成本下降让初级员工用周末原型证明价值的路径变短,成果对资历的替代性增强。
    • 参考可考虑在工程岗试点用贴近真实业务的任务替代通用编程题,加入协作与产品判断的观察项;值得先盘点现有笔试题被主流 AI 模型解出的比例,再决定各环节去留。
  7. 人人都是产品经理64

    Character.AI 申请破产保护,仍有1200万活跃用户、月亏800万至900万美元

    Character.AI 于2026年10月12日向美国法院申请破产保护,这家仍有约1200万活跃用户、累计注册用户超2亿的公司每月亏损800万至900万美元,迪士尼已提出2000万美元初始报价,寻求部分技术和知识产权的永久非独占授权。

    决策要点

    AI 服务的成本随用户使用量持续增加,先攒用户再变现的互联网打法难以照搬,规模本身可能成为负担。

    • 影响重度免费用户聊得越久成本越高,活跃度不等于收入;订阅、内购与广告组合比单一会员更抗风险;未成年人安全诉讼会迫使收紧产品形态,增加法律负担。
    • 参考做 AI 消费产品可先算清单个用户每小时聊天的推理成本与可变现上限;值得按付费、广告、亏损给用户分层,收缩收入盖不住成本的市场;内容型体验可考虑按剧情或章节收费,控制单次服务成本。
  8. 人人都是产品经理40

    产品经理定价指南:7步从目标到结果,附特斯拉、比亚迪、戴森案例

    产品经理社区作者藏锋发文拆解定价策略,将其本质概括为定战略、定用户、定生态位三定,并给出从定目标到看结果的七步流程。

    决策要点

    定价的实质是经营目标取舍,先明确追求利润、规模、品牌还是市场进入,价格才有判断标准,比单一价格数字更关键。

    • 影响价格选择直接决定目标用户群、竞争位置和利润结构,同一产品不同价格面向不同人群;降价换量若无成本优势兜底,会陷入卖得越多亏得越多;渠道和生命周期也需要预留价格梯度,避免相互冲突。
    • 参考可考虑在调价前按七步流程算清单件贡献、整体利润和现金流三笔账,并用真实成交数据而非问卷测支付意愿;值得为不同渠道和产品生命周期设计价格与权益组合。
  9. 钛媒体75

    微软与 Meta 压缩内部使用 Claude,Anthropic 上市前遭两大金主砍预算

    微软和 Meta 正在压缩内部员工使用 Claude 的规模:微软把内部使用 Anthropic 技术的年预算砍掉超三分之一,员工人均每月模型预算上限从 10 万美元压到约 1 万美元,Meta 内部 Claude Code 用户从约 6 万人降到约 3 万人。

    决策要点

    Anthropic 的增长建立在少数巨型客户的海量消耗上,IPO 前金主开始按性价比管住内部用量,暴露客户结构与定价模式的错位。

    • 影响企业级 AI 支出正在进入预算化管理阶段,按人头设额度、按 token 算账会成为常态;靠少数大客户冲收入的模型厂商会暴露客户集中度风险;大厂把 AI 能力收回自研的动作已经开始且难以逆转。
    • 参考可考虑先算清各团队 AI 工具的人均 token 成本并设预算上限;选型时把模型单价与实际任务消耗放在一起比,评估更低价模型的替代空间;依赖单一模型供应商的业务值得测算第二供应商的迁移成本。
  10. 人人都是产品经理37

    机器人产品经理别只想着替代人,落地先定义问题再选技术

    软件产品经理柳星借河南矿山崔培军关于焊接机器人的表态,提出机器人落地应从解决人的真实问题出发,而不是以替代人为目标。崔培军称员工过去每天要搬运40多公斤重的车轮,引进机器人是要把高强度、高危险、重体力的活交给机器,并认为行业远没到车间无人化。作者据此提出落地三问,先明确企业要解决什么问题,再用真实物料和工位验证稳定性与效率,最后核算含培训停机在内的投入与员工实际收益。

    决策要点

    这场讨论的实质是把机器人项目的评估起点从技术能力转向人的工作条件,以问题定义而非动作演示决定选型。

    • 影响从岗位痛点出发的机器人项目能同时改善效率与用工安全;以替代人数为目标的采购容易脱离真实场景,现场改造、培训和停机成本易被低估;按崔培军的说法,现阶段部署仍以人机配合为主。
    • 参考可考虑先盘点招工难、劳动强度、质量波动、安全风险最突出的岗位清单,再匹配技术方案;值得用真实物料和工位测试任务完成率、异常介入频率和连续运行稳定性,并核算培训与停机等隐性成本。
  11. IT之家·人工智能64

    亚马逊更新 AI 时代工程师工作准则 考核看业务价值而非 AI 使用量

    亚马逊当地时间 10 月 27 日更新面向 AI 时代的软件工程师工作准则,明确考核应看工程师为客户和业务创造的成果,而非 AI 使用频率、词元消耗量等数据。

    决策要点

    亚马逊以官方准则形式承认按 AI 用量考核员工会适得其反,工程师考核重心正转向客户与业务成果。

    • 影响把 AI 使用数据当考核指标的企业需警惕员工刷词元消耗、刷代码行数等行为;成果导向考核可减少为达标而做的形式化操作;管理者亲自上手 AI 才能判断工具的实际价值与不足。
    • 参考可考虑先复盘现有考核中 AI 用量数据是否被当成了目标;值得让管理者在实际项目中试用 AI 工具并向团队说明判断依据;对排名靠前和靠后的团队分别核对交付是否真变快、为何用不起来。
  12. TechCrunch · AI64

    Anthropic IPO 后谁真正掌权:普通股东被三层结构排除在控制之外

    Anthropic 临近 IPO,TechCrunch 分析其治理结构后指出,公开市场普通股东对董事会等重大决策几乎没有话语权。

    决策要点

    Anthropic 的 IPO 不只是融资事件,而是用公益公司身份、LTBT 和创始人特别股把控制权设计在公开市场之外,员工投票成为少数能改变格局的变量。

    • 影响普通股东十年内对董事人选等重大决策话语权有限;董事会可基于安全使命做不完全以股东价值为依据的决策;创始人内部分裂或员工立场变化可能让实际控制格局偏离设计。
    • 参考若考虑参与此类 AI 公司 IPO,可先拆解招股文件里的投票权结构,算出普通股的实际话语权;评估模型供应商时值得把治理结构对安全决策优先级的影响纳入考量。
10月27日周二
  1. Adweek40

    万事达卡品牌高管在 Brandweek 2026 称 AI 普及无法带来品牌差异化

    万事达卡全球品牌战略与创新执行副总裁 Cheryl Guerin 在 Adweek Brandweek 2026 现场访谈中提出,当 AI 工具人人可得时,技术本身无法成为品牌差异化优势。

    决策要点

    AI 工具普及让技术本身不再构成壁垒,品牌差异化回到文化洞察、人才结构与取舍能力上。

    • 影响营销自动化的价值不止于省人力,更在于把资深人员的时间导向高阶创意与信任议题;内容量和全漏斗执行增长时,代理商与内部团队的分工需要明确划线;垂类专家储备让品牌不必靠最高预算也能竞争文化机会。
    • 参考可考虑先测算 AI 助手在品牌问答类常规工作中可承接的比例;值得盘点现有代理商与内部团队的分工清单,把大创意与高频执行分开排布;再评估是否需要体育、音乐等垂类专家。
  2. 36氪·AI44

    为什么你越懂行业,越可能错过AI颠覆点?

    作者东针商略撰文认为,深厚的行业经验在AI时代会形成认知滤镜,文中称73%的行业+AI项目停留在对旧工作流的数字化修补,错过结构性创新机会。文章梳理了服务边缘区、跨行业嫁接区、专业服务简化区、成本结构重构区四类易被内行忽视的机会,并提出生物模因移植、金融规则解构、游戏机制映射三套本土化方法。

    决策要点

    文章的实质是把深厚的行业经验重新定性为AI时代的认知负债,认为竞争优势正从行业纵深转向跨领域的认知重组能力。

    • 影响依赖行业老兵主导AI转型的企业,可能系统性过滤边缘信号,把预算耗在复刻旧流程;评估AI团队若仍以行业经验为主要权重,可能错判潜力;异业背景的新进入者可能从被忽视的边缘环节切入。
    • 参考可考虑先盘点在手AI项目属于流程改良还是结构重构,记录用于复刻旧体系的资源占比;值得参照文中做法,试点季度性外行评审或设立小额反共识实验预算。
  3. 36氪·AI75

    “跑高分”不等于“能交付”:AI 排行榜正在经历一场信用重估

    在第三方平台统计约 36% 的传统基准已饱和、榜首得分超 90 分之际,数据标注公司 Surge AI 连发 sudo L7、GDP.xlsx、DAYJOB 三份真实职场新考卷,把一众旗舰模型拉回到及格线以下。

    决策要点

    排行榜分数正在失去采购参考价值,模型选型的合理依据正从名次转向真实业务任务的成功成本。

    • 影响单步接近满分的模型放进几十步长流程,整件事办成的概率可能掉到三成以下;按每个合格任务的实际账单核算,榜首模型可能贵近十倍;榜单测试条件与自家线上环境不同,名次结论未必可直接迁移。
    • 参考可考虑用与自身业务相似的考题、在线上同款工具链外壳下做小样本实测,再算出按失败代价加权的每任务成本;值得先查验榜单的出题方、题量与统计误差,再决定参考哪张榜。
  4. 钛媒体74

    跑高分不等于能交付:AI排行榜正在经历一场信用重估

    传统大模型基准已大面积饱和,Surge AI 面向真实职场推出的 sudo L7、GDP.xlsx、DAYJOB 三份新考卷把旗舰模型拉回及格线以下,sudo L7 榜首 Claude Opus 5.5 与 Sonnet 5.5 并列,通过率仅 41.7%。

    决策要点

    榜单分数与真实交付能力正在脱钩,出题方自身的商业利益也进入审视范围,模型选型的依据需要从名次转向任务匹配和失败成本。

    • 影响旧基准大面积饱和后榜单已难区分头部模型,按名次选型的参考价值下降;长流程新考卷上旗舰模型通过率多在四成以下,把完整岗位交给AI要按最终办成率而非单步表现估算风险;头部模型间单任务成本相差近十倍,接入预算的算法需要重算。
    • 参考可考虑用自己的真实业务任务和线上同一套工具链小规模实测候选模型,再对比榜单名次;值得把模型报价换算成每做成一个合格任务的成本,对照业务可承受的失败代价做取舍;查看榜单时先核出题方、题量和样本误差。
  5. 钛媒体51

    卖 AI token 越来越难:折扣转售生意正在瓦解

    AI 用量正走向消费品化,建立在上游稀缺与信息差之上的 token 折扣转售生意正在瓦解。文中把中介分为聚合平台、推理服务商和小型 API 店三层,头部推理商日 token 量达数千亿并已递表港股,但公开账目显示一年高速放量伴随负毛利与大幅净亏损。安全研究者审计非官方接口发现与官方版本的性能差距和模型身份测试频繁失败,大实验室半年封禁账户数以百万计,网信监管已对无评估转接大模型接口的网站责令整改。

    决策要点

    token 转售差价生意的前提正在消失,供给不再稀缺后中介价值转向合规、可计量与配套服务。

    • 影响低价第三方渠道伴随模型调包与上游封号风险,非官方接口审计显示性能差距明显;采购评判正从单价转向单位付费的实际产出与合规资质;走向正规授权的渠道价格将高于灰市。
    • 参考可考虑对在用的第三方 API 供应商做模型身份抽测并留存比价记录;值得把官方货架、运营商套餐与企业平台报价放进同一预算口径比较,再评估在代码等场景引入自动路由降本。
  6. 钛媒体51

    算力最多,进展最慢:字节大模型困于赛马制

    Tech商业发文分析称,X平台爆料指字节Seed团队人才与算力充足但LLM进展不够快,根源是赛马机制和短周期OKR考核与大模型研发不匹配。文章称赛马制把超级算力池拆成各自为战的资源孤岛,团队囤积算力、互相防备,并提及前实习生对Seed训练实施系统性破坏的公开报道。文中引述公开报道称字节已推动Seed组织收敛,并取消Seed Edge项目的季度OKR和半年考核。

    决策要点

    文章认为大模型预训练是需要全局协同的重工业式工程,赛马制和短周期考核与它的组织逻辑相斥,算力规模不直接换来模型进展。

    • 影响组织与考核设计被指和算力投入同等影响大模型产出;爆料称资源囤积和信息隔离会摊薄昂贵算力的实际产出;短周期OKR可能把数据清洗等基础工作挤出优先级,文中将其与训练投毒事故相关联。
    • 参考可考虑盘点内部算力分配与跨团队共享机制,评估是否已形成资源孤岛;值得重新设计研发考核周期,为数据清洗、Infra调优设置可计入产出的考核口径。
  7. 钛媒体59

    大模型时代,谁会成为那部不肯换掉的 iPhone?

    文章认为大模型竞争的胜负手正从榜单性能转向综合工作体验,沉淀项目规则、记忆与云端环境的产品才可能成为用户不肯更换的日常入口。

    决策要点

    大模型竞争正从跑分榜转向工作流黏性,换底层模型容易,换承载规则、记忆与执行环境的产品入口代价高

    • 影响选型依据应从榜单分数转向自家关键任务的交付质量与完整成本;规则、记忆与云端环境沉淀越多,日后更换产品的迁移代价越大;便宜模型接入旧流程后,缓存重建等费用需要重算
    • 参考可考虑挑一项最费时的常规工作,让候选产品用相同材料各做一次,记录交付可用率、修改用时与费用;企业试点先由负责同事确认权限与数据边界,连续几次省心再扩大范围
  8. 人人都是产品经理49

    彼得·菲斯克《未来品牌宣言》提出AI时代营销的考验是战略而非技术

    英国战略创新顾问彼得·菲斯克在2026年10月《未来品牌宣言》主题演讲中提出,AI时代营销的真正考验是战略而非技术,智能体代客户决策后,品牌要同时赢得人心与智能代理的信任。

    决策要点

    文章的实质是主张品牌竞争规则正在改写,胜负从争夺注意力转向同时赢得人心与智能代理的信任,营销要回归战略本位。

    • 影响若代理商务普及,发现、比价与交易将更多发生在品牌自有渠道之外,可核验的产品与信任凭证会成为新门槛;营销考核若仍锚定短期转化,将难以参与企业长期战略;文中引称智能代理采用率仅13%,当前布局者仍少。
    • 参考可考虑盘点品牌信息是否具备机器可读、可核验的凭证;值得测算营销投入中短期转化与长期品牌建设的配比;先评估代理渠道分流发现和交易时,对官网与私域流量的影响。
  9. 36氪·AI62

    Anthropic Claude工程负责人Felix:别再像2024年那样用Claude了

    Anthropic Claude工程负责人Felix Rieseberg在访谈中分享他现在使用Claude的方式,核心主张是让模型直接接触原始数据和工具、重新设计工作流,而不是让它总结邮件或润色文字。

    决策要点

    这场访谈的实质判断是把AI当聊天助手的用法收益有限,真正的回报来自重造工作流,让模型接触完整数据、真实工具并接受对抗性审查。

    • 影响执行类开发成本被压到极低,原型验证可由内部快速完成;让模型接入完整业务数据前期投入更高,也带来数据边界与沙箱隔离问题;针对旧模型写的prompt和skill会快速过时,只能当易耗品维护。
    • 参考可考虑选一个内部高频流程,并排跑AI版本与人工版本比较反馈差异;值得盘点现有skill和prompt,删掉针对上一代模型的内容看输出是否变好;招人时可将作品集权重放在学历之前。
  10. 36氪·AI44

    金蝶徐嘉祺:出海的下一程,比的是AI管理能力

    36氪专访金蝶国际控股总裁徐嘉祺,他判断中国企业出海正从机会驱动转向能力驱动,越南最低工资上调7.2%、15%全球最低税等变化正在收窄成本和政策红利。金蝶提出统一底座加本地能力方案,以LocalKits适配各国财税、电子发票与合规要求,客户哈尔斯泰国基地年产能合计3000万只,上半年营收1.99亿元、占其总收入12.67%。

    决策要点

    出海竞争的核心正从成本和政策套利转向管理与合规能力,ERP厂商顺势把管理经验连同AI能力一起对外输出

    • 影响成本与政策红利收窄要求企业把税率、工资和合规变量纳入海外建厂的综合成本测算;管理体系出海带来统一管控与本地灵活经营之间的权限分配问题;AI进入经营管理可能降低跨国沟通、客服等环节的人力投入
    • 参考可考虑重算目标市场的综合成本模型,把越南最低工资上调7.2%和15%全球最低税等政策变量纳入;值得盘点各国系统的财税与合规适配清单,评估统一底座加本地能力的改造路径;可参考哈尔斯把保税与税务规则写成系统执行规则的做法
  11. 36氪·AI66

    哈佛商业评论调研称AI红利流向顶尖员工,AI素养决定收益差距

    《哈佛商业评论》刊文称,基于对Stripe与Checkr共236名销售从业者的问卷和高管访谈,AI带来的最大红利流向顶尖员工而非拉平绩效差距。管理者反馈,引入AI后44%位于前25%的顶尖销售被分配更高价值任务,末尾25%员工中该比例仅12%。文章建议企业筛选自主探索型人才、重构SDR等入门岗位,按是否依赖专属数据权衡自研与采购,并集中管控数据、下放探索权限。

    决策要点

    AI红利放大而非抹平人才差距,起决定作用的是员工自主探索建立AI素养的能力,本质是人才筛选问题而非工具采购问题。

    • 影响绩效管理与招聘若沿用AI拉平差距的假设会误判人才;SDR这类入门岗位面临自动化与人才输送通道的冲突,需要重新设计;技术栈整合程度决定一线能否灵活组合工具。
    • 参考可考虑在面试中要求候选人展示自己搭建过的AI工作流或用法对比;值得参考Brex将SDR部分手工工作自动化并保留全周期交易晋升通道的做法;自研与采购可按是否依赖企业专属数据划分,并核算Token与维护成本。
  12. 36氪·AI54

    算力最多,进展最慢:字节大模型困于赛马制

    X 平台围绕字节 Seed 团队的讨论称,该团队人才与算力充足但 LLM 进展不够快,问题被归为赛马制与大模型重工业式研发的组织错配。爆料称内部团队囤积算力、互相藏匿代码与数据,数据清洗等基础工作难以写入 OKR,此前的训练投毒事件被公开报道定性为前实习生的系统性破坏。公开报道显示字节已推动 Seed 组织收敛,并取消 Seed Edge 项目的季度 OKR 和半年考核。

    决策要点

    字节案例说明大模型研发吃重工业式的全局协同与长周期投入,移动时代的赛马制和短周期考核与之冲突,算力规模买不出组织效率。

    • 影响重金算力若按赛马逻辑分配,易形成资源孤岛、摊薄研发产出;数据清洗和调优等脏活在短周期 OKR 下无人愿背,会累积训练质量风险;团队囤卡也抬高内部算力成本。
    • 参考可考虑盘点自家 AI 团队的算力分配与闲置比例,重算投入产出口径;值得为数据清洗等基础工作单设考核项;长周期项目可参考取消季度 OKR 的做法。
  13. TechCrunch · AI79

    Anthropic IPO 招股书披露以跨产品生态留住企业客户的策略

    Anthropic 向 SEC 提交的 IPO 招股书显示,其正以模型、开发者平台加自研应用的三层生态提高企业客户黏性,年消费 10 万美元以上客户中过半同时使用 Claude 平台与 Claude Code、Cowork 等官方应用,高于去年底的约 30%。

    决策要点

    Anthropic 在复制 AWS 式的生态绑定打法,企业从 API 起步后会被引向平台与官方应用并用,支出和切换成本随使用加深。

    • 影响从单一工具起步的 AI 支出可能沿平台内产品线自然扩张,预算需按多产品叠加使用来规划;云渠道既是分销伙伴又渐成竞争者,供应商关系的稳定性值得纳入采购评估。
    • 参考可考虑测算 Claude 系产品叠加使用后的长期支出曲线与替换成本;值得盘点本企业对单一 AI 供应商及云渠道的依赖程度,为供应商关系变动预留备选方案。
10月26日周一
  1. SaaStr90

    Anthropic 提交 S-1 拟上市:半年收入 162.86 亿美元、净收入留存率约 900% 的 5 个看点

    Anthropic 提交 S-1 招股书,拟以代码 ANT 在纳斯达克上市,2026 上半年收入 162.86 亿美元,约为上年同期的 14 倍。

    决策要点

    按用量计费让 Anthropic 的收入随模型变强而放大,钱来自客户的用工和新项目预算,规模上限远高于按席位订阅的软件预算。

    • 影响用量计费把 AI 支出锚定在用工预算上,企业 AI 采购规模可能远超传统软件预算;单任务成本一年可降约四成,买方在续约时有议价空间;Anthropic 半年投 31.68 亿美元做销售与交付,说明企业大单仍需重投入。
    • 参考可考虑把 AI 预算从软件工具费改按业务项目口径测算,并参照单任务成本降幅设定供应商议价目标;值得研究其约 900% 留存率背后的用量扩张路径,作为自身试点扩展节奏的参照。
  2. Adweek38

    Brandweek 2026 访谈 CMO Doug Zarkin:客户留存才是营销的真问题吗

    在 Brandweek 2026 的 Marketing Vanguard 舞台访谈中,CMO 兼《Moving Your Brand Out of the Friend Zone》作者 Doug Zarkin 提出品牌对获客的痴迷掩盖了更昂贵的留存问题,留存应获得与获客同等的精力、预算和关注。

    决策要点

    资深品牌 CMO 指出获客繁荣掩盖了成本更高的留存短板,客户流失往往要从运营和品牌层面找根因。

    • 影响对获客的偏爱可能让企业持续为流失买单,老客才是可持续经济开始复利的地方;把流失简单归因营销会延误对运营漏洞的修补;文中提醒 AI 更适合当镜子和助手,不能替代人对客户的判断。
    • 参考可考虑核算现有客群的复购经济并对照新客获取成本;流失异常时值得联合运营和营销共同复盘根因;引入 AI 时可先定位为辅助人工判断而非替代。
  3. 钛媒体52

    任富佳接班后首笔大动作:老板电器13亿元收购iTronics 60%股权

    老板电器10月10日披露,将联合控股股东老板集团合计出资不超过13亿元,以1.7504亿美元对价收购海外智能硬件企业iTronics Holding Limited 60%股权,交易完成后纳入合并报表。

    决策要点

    这笔13亿元收购的实质是用资本换欧美渠道和厨房温度数据,为连跌的主业寻找新的增长出口。

    • 影响并购现成渠道比从零建设海外业务更快;但国内厨电已进入存量需求主导阶段,国补退坡和地产承压的外部环境仍在收紧;借子品牌向下渗透则可能稀释中高端品牌调性并放大质量口碑风险。
    • 参考处于存量竞争的制造企业可考虑先算出尾部品牌退出后的份额空间和自身挤压成本;用子品牌做性价比时值得同步建立质量与口碑隔离机制;出海可比较并购现成渠道与自建的投入产出。
  4. 人人都是产品经理52

    从组织到业务到工程,FDE、AI 产品经理与 AI 工程师的同与不同

    叶小钗在人人都是产品经理发文,把业务 KnowHow 拆成 SOP 与 Data 两个维度划出十二象限,区分 FDE、AI 产品经理与 AI 工程师三个岗位的分工。

    决策要点

    FDE 的实质是 AI 转型催生的组织变革岗位,重心在管理系统升级与变革推进,被简单当成外包是常见误解。

    • 影响应用层研发与产品岗位的边界在重合,设岗与招聘需按 SOP 和数据复杂度判断何时必须工程师兜底;转型伴随人员取舍与组织结构调整,内部阻力是主要落地成本。
    • 参考可考虑先让业务骨干把核心流程整理成 SOP 再决定是否设 FDE 岗;引入外部 FDE 前值得区分工具培训、组织改造、项目开发三类需求的比重,避免一律按外包采购。
  5. 钛媒体37

    小鹏老登事件:被误解是表达者的宿命,回应与否是企业的选择?

    10月22日,小鹏MONA产品经理恩塔Etta就MONA L05预售发布会上的“老登”言论发视频致歉,称表达不周引发部分用户不适,并解释该词在团队内部常被当作玩笑用语。副总裁于涛随后公开力挺员工,作者认为这把本可自然消退的争议升级为高管与公众的对立叙事;文中引公开信息称MONA上市两年累计交付突破35万辆,月均交付超1.4万辆,M03连续24个月居10万—20万元纯电轿车销量榜首。

    决策要点

    企业内部玩梗进入公共传播后,词义由公众情绪重新定义,高管下场回应会把产品争议升级为公司态度争议。

    • 影响营销出圈的流量与品牌调性可能错位,人格化传播的收益是亲近感,代价是话题比卖点更能传播;高管发言自带企业背书,回应失当会让舆情二次升级;内部语境的玩笑进入公开物料需重新审视。
    • 参考可考虑为高管的对外发声建立前置评估机制,明确什么话能说、以什么身份说;值得排查公开物料中来自内部语境的梗与俚语;面对争议也可参考不急于辩解、给公众留台阶的处理选项。