OpenAI正在制造系统性风险：老子不会死，要死一起死
本周重点还是讨论OpenAI，但可能更适合投资的朋友一起讨论。
动态里介绍了下 figure03 和 jina。
内容里推荐给产品经理的 2 篇实用文章，同时锦秋集把明浩老师贴让我们一起学习的 report 给编译出来了，特别好。下次我有啥认真想看的，也先发给她们试试。思路打开。
OpenAI
1. Dev day
a. 一句话说下发了啥：ChatGPT 终于搞平台战略了 app inside ChatGPT；都说是抄了 coze的agent kit；codeX 的正式版；和模型gpt-5，sora2&sora2 pro， real-time mini 的 API。顺便晒了个数据，服，班长就是班长。
b. 介绍的文章实在已经满坑满谷啦，我就懒得总结了。愿意看详情的点大聪明的文：OpenAI 年度发布会：Agent平台/Sora API/第三方接入ChatGPT/... 讲的没讲的，都在这了
c. 因为这张图，让我觉得 OpenAI 的路径确实有点像 Windows。
2. 跟 AMD 的合作
苏妈美滋滋发出了朋友圈。
Which means 3000 亿左右的 capex 支出。括号，上次 NV 和 OpenAI 是10GW。这个交易的背后，OpenAI 能拿到 10% 的 AMD 股份。有点乱。
3. 所以，这礼拜最出名的图可能是这张。
实话实说，我看到这图的第一反应是check自己的持仓，哈哈哈。解读嘛, 网上已经很多了，我试了试Claude，它第一反应的冠冕堂皇说法是：这个生态系统展现了AI产业"你中有我，我中有你"的深度整合格局，资本、算力和应用形成了高度互锁的价值网络。
啧🙄，我对 Claude 这一说法表示了不服，我说，这泡沫多大啊你看啊喂。嗯它跟我吵了几轮之后，我俩最后达成一致的结论是：这是一个有实体支撑的泡沫 —— 既有真实技术价值，但估值已严重脱离短期盈利能力。关键要看：
- 企业AI应用何时产生实质ROI
- 消费者是否愿意长期为AI订阅付费
- 算力成本能否大幅下降
让我们拭目以待。
还有两篇美国人自己的评论值得一翻。
1. 一篇是：OpenAI's Money Trust: Engineering Systemic Risk as Strategy
TL;DR ：OpenAI’s real strategy isn’t just platform dominance — it’s structural indispensability. Like J.P. Morgan in 1907, OpenAI is positioning itself as the central node of an entire ecosystem, creating mutual dependencies across chips, cloud, developers, and users.
The massive multi-billion dollar deals with AMD, Nvidia, and Oracle aren’t just scale plays — they’re engineered entanglements. These deals bind OpenAI’s survival to the financial, operational, and political interests of other major players, making failure systemically dangerous.
This isn’t recklessness, it’s strategy: manufacture systemic risk so that rescue becomes inevitable. OpenAI is betting it can become too interconnected to fail before capital dries up or the tech shifts — forcing governments and markets to preserve its existence, just like they did with Morgan’s trust.
中译：OpenAI 的真正战略不仅仅是平台主导地位——而是结构性不可或缺。就像 1907 年的 J.P.摩根一样，OpenAI 正将自己定位为整个生态系统的中心节点，在芯片、云、开发者和用户之间创造相互依赖关系。
与 AMD、Nvidia 和 Oracle 的数十亿美元交易不仅仅是规模游戏——它们是精心设计的纠缠。这些交易将 OpenAI 的生存与其他主要参与者的财务、运营和政治利益绑定在一起，使得失败在系统上变得危险。
这不是鲁莽，而是战略：制造系统性风险，使得救助变得不可避免。OpenAI 正在押注它可以在资本枯竭或技术转变之前变得过于互联而无法失败——迫使政府和市场维护其存在，就像他们对摩根的信托所做的那样。
2. 另一篇是Ben Thompson 的，就叫 OpenAI’s Windows play。
话不多说，我搬个图大家就知道 Ben 的核心观点了，是的，OpenAI 在下一盘大棋，目标就是 AI 时代的操作系统，让所有的应用和服务都构建在它的基础之上。
这张图一放，显得 OpenAI 找 AMD 合作就很合理，同时也不得不说，AMD 挺能活。
最后，让我们看看男正主自己是怎么来画饼的！
1. YouTube 里跟 a16z 唠了 50 分钟，什么 AGI，能源，技术未来，空一点。我纯喜欢或者说是期待他在8 分钟开始说的那些观点：
LUI 的潜力还远远没有被挖掘完（产品经理颤抖吧！）
What a chat interface can do for you it's like nowhere near saturated。
未来的AI-人类界面可能包括实时渲染的视频和能理解用户情境的智能硬件设备 。
他最期待的AI能力是成为“AI科学家” ，未来两年内AI将能在科学研究中做出重要发现
2. 还有一篇stratechery跟他的访谈，核心思想是一致的：构建AGI、大规模投入基础设施。但在讲得更实在，更聚焦和清晰。
对于Ben 的 Windows 比喻，Sam 回复说 I always struggle with the historical analogies because I always get caught up on where there’s differences that I really care about or whatever.（学到了啊！真是高情商啊！）
动态
1. Figure 03 发了。确实帅，看完有种梦想照进现实的意思。它：
能洗衣服了（洗衣机用得比我家属还明白，洗完还能叠好！
能刷碗了（不怕水且没 cei还知道要晾水
能端茶倒水啦（捏杯子恰到好处
能自己跑去给自己充电了（除了走来走去肢体动作还是有点僵，看得我特别捉急
还能换衣服哈哈哈哈哈（我想给它来个粉紫小裙子行吗
大家还是看视频吧，原理啥的不展开。看完这么酷的机器人，我现在只有消费者脑袋，买它。
2. Elastic 收了 Jina
开源的Elastic search 大名鼎鼎，所在公司是个正经八百的上市企业，做企业搜索，数据分析，可观测，安全等解决方案。
Jina.AI成立于 20 年，搞了些开源的多模态&多语言 embeding，reranker 的小模型。这两年还 蛮火的其实。
这个收购在我看来，就属于很互补的那种强强联合。Elastic 在向量检索，RAG 跑得慢，并完后Jina 的肖博士就是 Elastic 的 AI VP，他后面再开发的模型就能跟 Elastic search 的向量数据库做深度集成，也能通过 Elastic cloud 直接卖 inference 服务。挺好的。
官宣 blog 在这里：https://www.elastic.co/blog/elastic-jina-ai
内容
1. 先上报告吧。air street capital 300 页的《State of AI Report 2025》 （人工智能状况报告）
a. 不想 tldr ，里头观点太多。自己看。Air Street Capital 300页AI报告：拆解 AI 从“前沿研究”跃迁为全球化“工业力量”的200 条线索
b. 除开报告本身的 insight，锦秋的这三个命题掐挺准。希望锦秋集后面少发点自己的小广告，多整点深度内容。比心。
2. OpenAI academy 的一篇亲手喂饭贴：ChatGPT for product。
a. 没什么好总结的，就是捡着抄的意思：https://academy.openai.com/public/clubs/work-users-ynjqu/resources/use-cases-product
b. 看到这段，感觉我的若干盆友会很开心。
3. 肯尼的长文：做 AI 测评 2 年多总结出来的 25 条核心认知。
a. 原文链接 长文更新 | 做AI产品2年多总结出来的25条核心认知
b. 他更新的这个部分，正巧我们也正在经历，深有同感：
- 找到Model-Product-Market-Fit最关键，模型能力（现状&未来）匹配用户需求（存量&增量）
- 用户需求是渐变的光谱，按过去的旧分类，AI只能替代存量解决方案，无法创造增量市场
- 给用户交付一个结果，而非单纯做体验，通过管理用户预期，收敛场景，最终满足和超出用户预期
- 产品框架要最大化拿到模型进步的红利，产品不在于弥补模型的不足，而在于充分发挥模型在目标场景的作用
- 把模型当做人，一个非常聪明但一张白纸的人，在教模型干活之前，先想想人是怎么做事的，然后帮助它landing
- 接受失控，相信模型，相信用户，相信社区，然后会见证很多超出计划和预期的美妙结果
段子
(来源：新浪科技)
关联资讯:
OpenAI 今年上半年业绩披露：营收 43 亿美元，烧掉 25 亿美元
