OpenAI 正在制造系統性風險：老子不會死，要死一起死

本周重點還是討論OpenAI，但可能更適合投資的朋友一起討論。

動態里介紹了下 figure03 和 jina。

內容里推薦給產品經理的 2 篇實用文章，同時錦秋集把明浩老師貼讓我們一起學習的 report 給編譯出來了，特別好。下次我有啥認真想看的，也先發給她們試試。思路打開。

OpenAI
1. Dev day

a. 一句話說下發了啥：ChatGPT 終于搞平臺戰略了 app inside ChatGPT；都說是抄了 coze的agent kit；codeX 的正式版；和模型gpt-5，sora2&sora2 pro， real-time mini 的 API。順便曬了個數據，服，班長就是班長。

b. 介紹的文章實在已經滿坑滿谷啦，我就懶得總結了。愿意看詳情的點大聰明的文：

c. 因為這張圖，讓我覺得 OpenAI 的路徑確實有點像 Windows。

2. 跟 AMD 的合作

蘇媽美滋滋發出了朋友圈。

Which means 3000 億左右的 capex 支出。括號，上次 NV 和 OpenAI 是10GW。這個交易的背后，OpenAI 能拿到 10% 的 AMD 股份。有點亂。

3. 所以，這禮拜最出名的圖可能是這張。

實話實說，我看到這圖的第一反應是check自己的持倉，哈哈哈。解讀嘛, 網上已經很多了，我試了試Claude，它第一反應的冠冕堂皇說法是：這個生態系統展現了AI產業"你中有我，我中有你"的深度整合格局，資本、算力和應用形成了高度互鎖的價值網絡。

嘖，我對 Claude 這一說法表示了不服，我說，這泡沫多大啊你看啊喂。嗯它跟我吵了幾輪之后，我倆最后達成一致的結論是：這是一個有實體支撐的泡沫 —— 既有真實技術價值，但估值已嚴重脫離短期盈利能力。關鍵要看：
- 企業AI應用何時產生實質ROI
- 消費者是否愿意長期為AI訂閱付費
- 算力成本能否大幅下降
讓我們拭目以待。

還有兩篇美國人自己的評論值得一翻。

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.

中譯：OpenAI 的真正戰略不僅僅是平臺主導地位——而是結構性不可或缺。就像 1907 年的 J.P.摩根一樣，OpenAI 正將自己定位為整個生態系統的中心節點，在芯片、云、開發者和用戶之間創造相互依賴關系。

與 AMD、Nvidia 和 Oracle 的數十億美元交易不僅僅是規模游戲——它們是精心設計的糾纏。這些交易將 OpenAI 的生存與其他主要參與者的財務、運營和政治利益綁定在一起，使得失敗在系統上變得危險。

這不是魯莽，而是戰略：制造系統性風險，使得救助變得不可避免。OpenAI 正在押注它可以在資本枯竭或技術轉變之前變得過于互聯而無法失敗——迫使政府和市場維護其存在，就像他們對摩根的信托所做的那樣。

原文很精彩，回顧一段歷史來對照當前的 AI 局勢，推薦閱讀 ：https://substack.com/inbox/post/175519958

2. 另一篇是Ben Thompson 的，就叫 OpenAI’s Windows play。

話不多說，我搬個圖大家就知道 Ben 的核心觀點了，是的，OpenAI 在下一盤大棋，目標就是 AI 時代的操作系統，讓所有的應用和服務都構建在它的基礎之上。

這張圖一放，顯得 OpenAI 找 AMD 合作就很合理，同時也不得不說，AMD 挺能活。

鏈接：https://stratechery.com/2025/openais-windows-play/

最后，讓我們看看男正主自己是怎么來畫餅的！

1. YouTube 里跟 a16z 嘮了 50 分鐘，什么 AGI，能源，技術未來，空一點。我純喜歡或者說是期待他在8 分鐘開始說的那些觀點：

• LUI 的潛力還遠遠沒有被挖掘完（產品經理顫抖吧！）
  What a chat interface can do for you it's like nowhere near saturated。

• 未來的AI-人類界面可能包括實時渲染的視頻和能理解用戶情境的智能硬件設備 。

• 他最期待的AI能力是成為“AI科學家” ，未來兩年內AI將能在科學研究中做出重要發現

視頻鏈接 ：https://www.youtube.com/watch?v=JfE1Wun9xkk

2. 還有一篇stratechery跟他的訪談，核心思想是一致的：構建AGI、大規模投入基礎設施。但在講得更實在，更聚焦和清晰。

對于Ben 的 Windows 比喻，Sam 回復說 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.（學到了啊！真是高情商啊！）

原文鏈接：https://stratechery.com/2025/an-interview-with-openai-ceo-sam-altman-about-devday-and-the-ai-buildout/

動態
1. Figure 03 發了。確實帥，看完有種夢想照進現實的意思。它：

• 能洗衣服了（洗衣機用得比我家屬還明白，洗完還能疊好！

• 能刷碗了（不怕水且沒 cei還知道要晾水

• 能端茶倒水啦（捏杯子恰到好處

• 能自己跑去給自己充電了（除了走來走去肢體動作還是有點僵，看得我特別捉急

• 還能換衣服哈哈哈哈哈（我想給它來個粉紫小裙子行嗎

大家還是看視頻吧，原理啥的不展開。看完這么酷的機器人，我現在只有消費者腦袋，買它。

2. Elastic 收了 Jina

• 開源的Elastic search 大名鼎鼎，所在公司是個正經八百的上市企業，做企業搜索，數據分析，可觀測，安全等解決方案。

• Jina.AI成立于 20 年，搞了些開源的多模態&多語言 embeding，reranker 的小模型。這兩年還 蠻火的其實。

• 這個收購在我看來，就屬于很互補的那種強強聯合。Elastic 在向量檢索，RAG 跑得慢，并完后Jina 的肖博士就是 Elastic 的 AI VP，他后面再開發的模型就能跟 Elastic search 的向量數據庫做深度集成，也能通過 Elastic cloud 直接賣 inference 服務。挺好的。

官宣 blog 在這里：https://www.elastic.co/blog/elastic-jina-ai

內容
1. 先上報告吧。air street capital 300 頁的《State of AI Report 2025》 （人工智能狀況報告）

a. 不想 tldr ，里頭觀點太多。自己看。

b. 除開報告本身的 insight，錦秋的這三個命題掐挺準。希望錦秋集后面少發點自己的小廣告，多整點深度內容。比心。

2. OpenAI academy 的一篇親手喂飯貼：ChatGPT for product。

a. 沒什么好總結的，就是撿著抄的意思：https://academy.openai.com/public/clubs/work-users-ynjqu/resources/use-cases-product

b. 看到這段，感覺我的若干盆友會很開心。

3. 肯尼的長文：做 AI 測評 2 年多總結出來的 25 條核心認知。

a. 原文鏈接

b. 他更新的這個部分，正巧我們也正在經歷，深有同感：

- 找到Model-Product-Market-Fit最關鍵，模型能力（現狀&未來）匹配用戶需求（存量&增量）
- 用戶需求是漸變的光譜，按過去的舊分類，AI只能替代存量解決方案，無法創造增量市場
- 給用戶交付一個結果，而非單純做體驗，通過管理用戶預期，收斂場景，最終滿足和超出用戶預期
- 產品框架要最大化拿到模型進步的紅利，產品不在于彌補模型的不足，而在于充分發揮模型在目標場景的作用
- 把模型當做人，一個非常聰明但一張白紙的人，在教模型干活之前，先想想人是怎么做事的，然后幫助它landing
- 接受失控，相信模型，相信用戶，相信社區，然后會見證很多超出計劃和預期的美妙結果

段子