出海闲聊

新闻消费转向大屏的三个信号

最近看到一组数据挺触动我的：2025年全球用户在视频平台上看了超过350亿小时的新闻内容，其中120多亿小时来自联网电视。这个比例说明，新闻消费的大屏化已经不是趋势预测，而是正在发生的事实。对我们做出海内容的人来说，客厅场景的争夺战已经打响了。

平台方显然也看到了这个变化，在纽约办了第14届新闻工作组会议，把100多家全球新闻合作伙伴聚在一起聊行业未来。会上释放的信号很明确：他们要继续加码新闻生态，从传统广播机构、出版商到独立记者和新生代新闻创作者，都想拢进自己的广场里。这次分享的新工具里，我比较关注的是把数据洞察和反馈机制直接嵌进编辑流程。新闻周期越来越快，编辑团队每天都要在几秒钟内做判断，如果平台能把受众反馈实时回传，数字团队就能更快调整选题和包装方式。这对中小型出海媒体尤其友好，等于用平台的数据能力补上了自建分析系统的短板。但我也想说点冷静的话。大屏新闻时长的增长，不代表所有内容方都能分到蛋糕。联网电视的观看习惯更偏向品牌化、栏目化的内容，碎片化的快讯反而容易被跳过。真正能吃到这波红利的，是那些有稳定出镜人设、能做深度解读的团队，而不是单纯搬运通稿的账号。所以我的判断是：平台给工具是好事，但别把工具当战略。出海新闻内容要在大屏上站稳，还是得回到内容本身的辨识度上。先把一个垂直领域做透，再谈规模化，这可能比追每一个新功能更实际。

两万创作者调查：欧洲创作者经济被低估

最近看到一份针对欧洲两万名创作者的调查，挺有感触。报告里提到，欧洲创作者经济对欧盟GDP的贡献已经超过84亿欧元，这个数字比很多人想象的要大得多。但有意思的是，创作者们普遍觉得自己在政策制定过程中被边缘化了，参与感很低。

我自己的观察是，这其实不完全是欧洲的问题。很多国家的创作者经济都在快速增长，但监管框架和产业政策往往跟不上。平台规则、版权制度、税务处理，这些直接影响创作者收入的东西，创作者本人反而很少有机会发声。84亿欧元不是小数目，但决策桌上几乎没有他们的位置，这本身就说明政策制定和产业现实之间存在脱节。从跨境从业者的角度看，这件事对做内容出海的人也有参考价值。欧洲市场对创作者经济的重视程度在上升，但合规门槛和本地化要求也在同步提高。如果创作者的声音持续被忽略，未来出台的规则可能更偏向平台和大机构，中小创作者的空间会被进一步压缩。反过来，谁能提前理解当地政策走向，谁就更容易在合规成本上占优势。我觉得比较务实的态度是，别只把这类调查当成行业新闻看。它其实在提醒我们，创作者经济已经大到不能忽视，但行业组织化和政策参与度还远远不够。对个体创作者来说，关注所在市场的政策讨论、加入行业社群、甚至参与公开咨询，都是降低长期风险的方式。总的来说，这份调查最有价值的地方不是那个84亿的数字，而是它暴露出的结构性矛盾：经济贡献和话语权严重不匹配。这个问题不解决，创作者经济的增长潜力很难充分释放。对出海团队而言，提前把政策参与和合规能力当成基础设施来建，可能比单纯追流量更值得投入。

Lilly Singh重回短剧赛道

刷到Lilly Singh要回归sketch comedy的消息，我第一反应是：她终于想通了。在好莱坞兜了一圈，拍剧、主持、出书，名气是有了，但那种被工业流水线打磨的疲惫感，隔着屏幕都能感觉到。现在她选择以「自己的方式」重新演起短剧角色，这步棋走得挺聪明。

做跨境内容这些年，我越来越觉得，创作者和平台的关系就像谈恋爱。你在大厂牌下面做事，资源是多，但条条框框也多，一个段子改八遍，最后出来的是安全但无趣的东西。Singh当年在YouTube上靠一人分饰多角起家，那种生猛和直接，恰恰是传统制作流程里最容易被磨掉的部分。她这次回去，本质上是在 reclaim 自己的创作主权。对咱们做海外内容的人来说，这事有个很实在的启发：别迷信「升级」到更重的制作就一定是好事。很多人从短视频转长视频、从个人号转机构号，结果数据反而掉了。观众认的是你这个人设和表达方式，不是你的片头有多贵。Singh敢在事业稳定期往回走，说明她算明白了这笔账——与其在别人的规则里当个及格生，不如在自己的赛道里当个尖子生。当然，回归sketch也不是简单复制粘贴。现在的短视频生态和她当年爆红时完全不一样了，TikTok的节奏、算法推荐逻辑、观众对「真实感」的要求，都逼着她得重新找手感。我猜她这次会走一种更轻、更即兴的路线，把好莱坞学到的叙事节奏揉进短平快的内容里，而不是回到那种精雕细琢的棚拍小品。总之，这个信号值得留意：当一批早期创作者开始「往回走」，往往意味着平台内容正在从过度包装回归到人格化表达。对出海做IP的朋友来说，与其追着热点换赛道，不如想想自己最初靠什么被记住。Singh这波操作，我押她能翻红。

上云采购先别急着买服务器

最近在整理上云迁移的踩坑记录，发现真正拖慢进度的往往不是架构设计，而是账号和支付这些前置环节。很多团队方案评审都过了，结果卡在实名认证和风控审核上，白白耽误一两周。

先说账号主体。生产业务、ERP、跨部门系统建议直接企业主体注册，后面发票、RAM子账号、续费交接、审计都省事。个人账号只适合临时测试，别把正式业务长期挂个人名下，离职交接时资源归属会很难扯清。实名材料提前备好营业执照和法人信息，照片边角拍全，模糊件很容易触发人工审核。支付环节最容易低估。迁移窗口别等当天才充值，至少提前一到三个工作日绑好支付方式，确认付款主体和认证主体一致，大额采购先问清单日限额和审批周期。支付成功但资源创建不出来，多半是风控、配额或地域库存问题，先查状态再排查技术。计费方式上，长期稳定业务走包年包月，波动流量留按量弹性，同时把自动续费、余额预警和到期通知都配上。传统机房转过来的人常忽略一点：云上很多限制不是技术限制，而是账号、实名、支付、额度、安全审核这些状态卡着。权限也别让一个运维长期用主账号，至少拆成财务付款、资源管理、审计只读三类角色。我的判断是，上云第一步不是画架构图，而是把账号和支付链路跑通，否则后面每一步都在等审核。

云栖大会看阿里AI棋局

今年云栖大会的主题是「智以致用」，我理解阿里想表达的是：模型聪明与否只是上半场，能不能落地、能不能产生商业价值才是下半场。吴泳铭在演讲里抛出一个判断，说未来机器思考总量会达到人类的1000倍以上，而今天这个比例还不到3%。这个数字听起来夸张，但结合阿里自己押注的方向看，逻辑是自洽的——它没有去追最炫的模型参数，而是把筹码压在模型、芯片、云这三块基础设施上。

先看模型端，Qwen开源模型下载量突破30亿次，衍生模型超过30万个，Qwen4已经在训练中，还提到要走向「递归式自我改进」的自主进化。芯片端平头哥发布了真武V900，算力和带宽都有明显提升，瞄准的是大模型训练和推理的负载。云端则推出了AgentCore智能体构建治理平台和新一代高性能存储CPFS，还定下2032年全球数据中心规模超过20GW的目标。这三件事放在一起看，阿里其实是在做「发电站+电网」的生意，卖的是确定性。但真正让我觉得有意思的是它在下游的布局。阿里提出Agentic Cloud的概念，想让云从「面向人的工具集合」变成「为Agent而生的操作系统」，让智能体能像调用函数一样调用底层云能力。这个思路如果跑通，云计算的计费单元可能就从人变成了Agent，商业模型会完全不一样。落地层面也能看到具体动作：千问办公切企业办公，Qoder做AI Coding，千问APP定位个人助手。产业侧，比亚迪用千问大模型做了车载智能体「迪迪虾」，打通支付和生活服务，在车里语音点餐；义乌商城集团则联合阿里云做商贸大模型，帮商家提升选品上品效率、做跨语言拓客。这些案例不算惊艳，但都是能算清账的场景。我的判断是，阿里这套打法的核心不是模型领先，而是把云资源打包成Agent服务卖出去。从卖算力到卖智能体，这条路一旦走通，客户黏性会比单纯卖云高得多。风险在于Agent生态能不能起来，如果开发者不买单，AgentCore就只是个空平台。

谷歌搜索大会重返印度定档十月

昨天刷到Search Central Live要回印度办的消息，第一反应是终于不用再「坐等」了。三月份官方让印度社区「sit tight」等APAC日程，结果这一等就是半年，对做SEO的人来说，半年足够算法更新好几轮了。现在日期锁在2026年10月30日，地点班加罗尔，算是给南亚市场一个明确交代。

我比较在意的是这次明确写了「仅线下、无直播无录像」。官方说法是为了最大化互动和坦诚交流，但站在从业者角度，这其实抬高了参与门槛——能到现场的基本是本地团队或有预算出差的公司。对中小站长和远程工作者来说，信息差反而会被拉大，这点值得提前想办法，比如盯紧会后社区里的二手笔记。从节奏上看，提前大半年公布日期，明显是照顾印度国内跨邦出行的提前量。官方还半开玩笑让参会者拿这篇公告去跟老板请假，甚至鼓励老板也申请席位。这种姿态挺务实，说明他们清楚线下会的核心价值不在听讲，而在饭桌和走廊里的非正式交流。如果你之前去过2023年那场印度站，流程应该不陌生；没去过的，可以把它理解成一天高密度的搜索生态面对面。我的建议是别只盯着官方议程，提前在本地SEO社群里约人碰面，把想问的算法细节和收录问题准备好，现场问比事后猜有效得多。总的来说，这次回归对印度及周边做跨境内容的团队是个正向信号，说明区域市场仍被重视。但纯线下模式也提醒我们，别把获取一手信息的希望全押在官方活动上，日常的社区互助和文档跟踪才是基本盘。

谷歌搜索开发者大会移师巴塞罗那

刚看到 Search Central Live Deep Dive Europe 2026 的日程定了，9 月 30 日到 10 月 2 日在巴塞罗那办三天。去年在曼谷那场我追过直播，今年议程里基础搜索的内容和去年大差不差，官方自己也说搜索的底层逻辑年与年之间不会剧变。但这次新增了不少以 AI 为主线的议题，算是回应了大家这一年最关心的事。

说实话，做跨境的同行对这类大会的期待已经变了。以前大家盯的是抓取、索引、结构化数据这些老话题，现在更想知道 AI 概览、生成式结果到底怎么影响流量分配。官方议程里 AI 比重上来，说明搜索团队也清楚站长的焦虑点在哪。我的判断是，今年这些 AI 议题不会给太多确定性答案，但至少能看出谷歌对内容生态的态度。社区讲者这块还是延续了去年的做法，除了谷歌自己的人，也把话筒交给行业里的专家。今年分两种形式，一种是闪电演讲，时间短、节奏快，适合抛观点；另一种是海报环节，更像展台式交流，适合讲具体案例和数据。这种拆分挺合理，不同话题本来就该用不同方式讲，硬塞进一个模板反而讲不透。对做出海的人来说，我建议重点关注海报环节。闪电演讲信息密度高但没法深聊，海报环节反而能蹲到实操细节，比如某个站怎么应对 AI 摘要、收录波动怎么排查。去年曼谷那场就有不少这种一线经验，比官方 keynote 更解渴。还有两周就开场，去不了现场的可以留意会后流出的笔记和 slides。我的态度是，AI 议题值得听，但别指望一场会解决所有流量问题，搜索的基本盘还是内容质量和站点结构，这些不会因为多了几个 AI 分论坛就变。

谷歌搜索控制台新增多模态数据

今天刷到一条对做内容站和电商站都挺关键的消息：谷歌搜索控制台开始提供「网页多模态搜索」的效果报告了。以前我们看搜索表现，基本只盯着文字关键词，现在用手机拍图、圈选搜索、上传图片、甚至 Chrome 右键搜图带来的流量，终于能在后台单独筛出来看。

具体来说，在效果报告里多了一个多模态搜索类型的筛选器，数据覆盖 Lens、安卓上的圈选搜索、上传到谷歌搜索的图片，以及 Chrome 右键「搜索此图片」这几种入口。点导出就能把数据拉到自己的分析工具里，和 GA、CRM 对一对，看视觉内容到底带来了多少点击和转化。这个功能从今天起全球逐步铺开，后台会慢慢出现这些指标。我自己的判断是，这件事的信号意义大于功能本身。过去几年做跨境独立站，图片和视频基本是「配图」角色，SEO 团队很少为视觉内容单独定 KPI。现在搜索入口越来越视觉化，图片本身就是搜索词，谁能把产品图、场景图、信息图做得更可被识别，谁就多一条流量通道。但别急着冲。多模态数据的归因口径和传统网页搜索不完全一样，初期数据量可能很小，波动也大，拿它做决策前最好先观察几周。另外，图片被识别和图片被点击是两回事，报告里能看到的只是结果页表现，真正的转化还得回到站内落地页去优化。我的建议是：先把多模态筛选器加进每周例行报表，挑几个视觉属性强的品类做对照实验，比如家居、服饰、美妆，看看优化图片 alt、结构化数据和场景图之后，这条渠道的点击有没有变化。别为了追新指标把文字 SEO 的基本盘丢了，两条腿走路才稳。

谷歌官方SEO学习路径整理好了

做SEO这几年，最头疼的不是技术本身，而是入门时找不到一条清晰的学习路线。谷歌搜索中心频道最近把几百个视频重新组织成了两条播放列表，一条给新手，一条给技术型选手，算是官方亲自下场做课程大纲了。

新手那条叫「搜索基础」，从爬取、索引、呈现这些核心概念讲起，再过渡到Search Console的配置和性能报告解读。对网站主、内容创作者或者刚转行做SEO的人来说，这个顺序比自己在YouTube上东拼西凑要靠谱得多。我比较认可的是它把「测量」放在了基础路径里，而不是等到进阶才讲。很多人学SEO只盯着排名，却不会用Search Console看点击率和展示量，最后做决策全靠感觉。官方把工具使用和概念讲解绑在一起，至少能少走一些弯路。另一条路径偏向技术基础设施，适合要处理大规模站点或者复杂架构的团队。两条路径分开，说明谷歌也意识到新手和资深工程师的需求差异很大，用同一套内容喂所有人反而谁都吃不饱。我的判断是，这类官方整理的内容价值不在于信息增量，而在于结构。外面付费课程讲的东西大多能在官方频道找到，差别就在编排逻辑。如果你团队里有新人，直接甩这两条播放列表过去，比让他自己搜关键词效率高不少。

GTA6 八年十亿美金值不值

看到 R 星公布《GTA VI》的天气系统细节，我第一反应不是画面多牛，而是这背后的人力账。2018 年大镖客 2 发售时他们 2441 人，到 2026 年已经 4711 人，12 个办公室横跨多个时区。八年翻近一倍，这规模在游戏行业里基本是独一档，管理成本恐怕比开发成本还难控制。

素材里提到 2015 年立项时代号叫「美洲计划」，最初想覆盖北美和南美大片区域，让玩家在跨国走私网络里穿梭。后来管理层发现版图扩张会把开发拖进泥潭，才收拢到以迈阿密为蓝本的 Leonida 州。这个转向其实很关键——开放世界不是越大越好，密度和细节才是 R 星的护城河。为了做局部积水和光照折射，他们把气象系统改成独立物理实体：云层按风向迁徙，不同区域天气各自独立，地面积水按地势实时汇聚蒸发。团队还多次坐直升机低空掠过南佛罗里达沼泽和海岸线，记录风暴前沿的光线变化。这种采风方式听着浪漫，实际是拿钱和时间堆出来的确定性。我比较在意的是，这种工业化精度能不能被其他厂商复制。4700 人协作 12 个办公室，沟通损耗本身就是天文数字，R 星靠的是多年沉淀的制作管线和文化。中小团队学不了，也没必要学，但「先收拢范围再堆细节」这个决策逻辑值得所有做开放世界的人抄作业。八年十亿美金听起来吓人，可放到 GTA 这个 IP 的吸金能力面前，大概率还是笔划算买卖。真正的问题是，玩家等这么久之后，对细节的容忍阈值已经被拉满了。暴雨再真实，如果玩法节奏跟不上，照样会被骂。我持谨慎乐观，发售见分晓。

英伟达首款Windows笔记本芯片实测

首批搭载英伟达 RTX Spark 超级芯片的 Windows 笔记本已经开售，华硕 ProArt 创16 是其中一款。64GB 统一内存版定价 28999 元，128GB 版 37999 元，这个价格放在当前 AI PC 市场里属于高位，但考虑到它把 ARM CPU、Blackwell RTX GPU 和统一内存整合成一套完整平台，定位明显不是普通轻薄本。

从实测看，64GB 统一内存实际可分配给 GPU 的显存约 46.7GB，内存带宽峰值理论 300GB/s，能跑 Qwen 270 亿参数级别的本地模型。这意味着它和过去那些只强调「像 MacBook Air 一样省电」的 Windows ARM 笔记本走了完全不同的路线：既想要 Apple Silicon 的高能效和统一内存优势，又保留 Windows 生态和 CUDA 能力。续航表现值得注意。99.9Wh 电池在本地跑 27B 模型持续推理时，放电功率约 86.5W，十分钟左右电量从 100% 掉到 85%。按整机平均 80W 估算，理论续航约 1 小时 15 分钟，实际不插电跑大模型大概能撑一个小时。显卡功率约 30W，处于 P4 平衡档，插电后会切到 P0 满血档。我的判断是，这台机器不是给普通办公用户准备的。它更像一个「可移动的本地推理工作站」，适合需要随身跑大模型、又不想依赖云端的开发者或内容团队。但 28999 元起步的价格，加上一小时级别的重载续航，注定它是小众工具而非大众消费品。至于「理财产品」的说法，我觉得不必当真。英伟达第一次以完整平台身份进入 Windows PC 核心硬件，象征意义大于短期保值空间。真正值得观察的是后续有没有更多厂商跟进、价格能不能下探，以及 Windows on ARM 的 CUDA 生态能不能跑通更多实际工作流。

MONA L05 预售，小鹏自己打自己

小鹏 MONA L05 开启预售了，16.98 万起，纯电和超级增程双动力，10 月 29 日正式上市。看到这个价格我第一反应是：MONA 这是要跟小鹏主品牌抢饭吃。毕竟 L05 已经上攻到十五万级，尺寸 4870/1930/1636mm、轴距 2940mm，妥妥的中型大五座，正好踩在小鹏自家 SUV 的腹地上。

但换个角度想，这步棋又很合理。MONA 过去两年累计交付突破 35 万台，月均稳在 1.4 万台以上，7 月在慕尼黑首发的 L03 还刷新了小鹏全系订单纪录。靠务实定价、讨喜造型和同级领先的智驾，MONA 早就是小鹏的走量基石，现在往上探一个价位带，是顺理成章的事。五个版本里，我个人最关注 16.98 万的纯电 535 Max 和超级增程 1310 Max，同价双动力给了用户很直接的选择权。再往上 17.98 万的纯电 635 Max、18.18 万的增程 1310 Ultra SE、19.18 万的纯电 635 Ultra SE，梯度拉得比较细，明显是想把十五到二十万区间吃透。产品层面，L05 想解决的是「大五座都很无聊」这个痛点。团队 95 后、00 后占比超过九成，思路是服务年轻人的露营装备、公路车和三五好友，而不是传统家庭场景。设计上由胡安马·洛佩兹领衔，0.6 轴长比加 1.18 宽高比，努力把大车做出低趴感；座舱双层悬浮仪表台、隐藏式出风口支持自适应送风，前排通风加热气动腿托加 14 点按摩，后排 11° 电动调节带加热，高配还有 85 个传感器、27 个气袋的 AI 主动贴合主驾。我的判断是，L05 的成败不在配置堆得多满，而在于 MONA 能不能把「年轻人的第一台大五座」这个心智立住。十五万级大五座竞争已经很卷，L05 的优势是智驾和设计辨识度，风险是内部左右手互搏。如果 10 月 29 日上市价再来点惊喜，这车有成为下一个走量款的潜力。

iPhone Duo 预购火爆，折叠屏真需求还是黄牛游戏

苹果首款折叠屏 iPhone Duo 在 10 月 16 日开启预购，国行起售价 15999 元，10 月 23 日正式发售。我特意去官网看了一眼，256GB 星光白版本的发货时间已经排到 2027 年 1 月 22 日，这个排期说实话有点夸张。美国那边也一样，开放预购半小时内全部颜色和容量就推迟到 1 月 25 日，说明首批备货确实不多。

配置上，7.6 英寸内屏加 5.4 英寸外屏，A20 Pro 芯片，4800 万像素融合式双摄，仅支持 eSIM。这个规格放在折叠屏品类里算旗舰水准，但 15999 元的起售价注定它不是走量机型。我更关心的是，苹果第一代折叠屏的铰链和折痕控制能不能达到用户预期，毕竟这个价位买的是体验，不是参数。第三方渠道的反应更值得玩味。杭州数码城商家透露首批现货报价比官网高 9500 元，这个溢价幅度基本就是黄牛在赌首批稀缺性。我的判断是，前期加价抢购的大概率是数码博主和尝鲜用户，真正走量的窗口要等产能爬坡之后。如果苹果不能在半年内把排期压回正常水平，这款产品很容易被贴上「理财产品」的标签。从行业角度看，华为在阔折叠品类已经跑出规模，阔直板出货超 71 万台、阔折叠合计超 315 万台，说明国内用户对折叠形态的接受度在提升。苹果此时入局，既是补产品线，也是在高端市场找新的增长点。但折叠屏的维修成本和耐用性争议一直没解决，苹果需要给出比竞品更让人放心的售后方案。对跨境卖家来说，这款机器的配件需求会先于整机爆发。折叠屏专用保护壳、内屏贴膜、磁吸支架这些品类，接下来几个月大概率会有一波询盘高峰。我的建议是提前对接供应链，别等排期到了才临时找货，那时候价格和交期都不好谈。

Copilot 大改版：从聊天框变工作台

今天看到 Copilot 的这次改版，第一反应是微软终于想明白了：AI 助手不能只是一个聊天框，得变成一个能装下所有工作流的入口。新版本把 Chat 和 Cowork 合并成 Home，还把 Word、Excel、PowerPoint 直接嵌进来，这意味着以后写文档、做表格、改 PPT 可能都不用跳出 Copilot 了。对我们这些天天跟 Office 打交道的人来说，这个整合方向是对的，但关键看实际体验能不能做到无缝切换。

另一个让我比较在意的是 Code 这个模块。官方说它跟 GitHub Copilot 用的是同一套底层技术，但定位是让非开发者也能自己搭解决方案。这其实是个挺聪明的策略——把专业开发工具的能力下放给业务人员，让他们自己拼出小工具，不用每次都排期等 IT。不过我也担心，安全边界和权限管理要是跟不上，企业里很容易出现一堆没人维护的野生应用。Autopilot 是这次最有想象力的部分。一个常驻、主动、个性化的 agent，你不在的时候它也在干活。听起来很美好，但实际用起来，怎么定义它的工作范围、怎么防止它乱动东西、怎么审计它的操作，这些都是落地前必须回答的问题。目前它只开放到 private preview，说明微软自己也知道这块还没完全准备好。还有个容易被忽略但很实在的更新：FinOps for AI。现在企业用 AI 最大的痛点之一就是成本不可控，token 烧起来没感觉，月底账单吓一跳。微软把成本管理单独拎出来讲，说明他们意识到光卖能力不够，还得帮客户算清楚账。这个功能对 CTO 和财务来说可能比 Autopilot 更有吸引力。整体看下来，微软这次是在把 Copilot 从一个功能型产品往平台型产品推。Home 做入口，Code 做扩展，Autopilot 做自动化，FinOps 做治理，四件事拼在一起才是一个完整的企业 AI 工作台。

AI 落地拼的是自家数据

最近在巴塞罗那的欧洲 Fabric + SQL 社区大会上，听到一个说法挺有共鸣：现在强模型越来越便宜、越来越容易拿到，真正拉开差距的，是你能不能把模型和自家独有的业务数据、专家经验、决策上下文揉在一起。换句话说，通用能力正在变成水电煤，差异化全在「只有你知道的那部分」。

我自己的观察是，很多团队一上来就比谁接的模型多、参数大，结果做出来的东西换个公司也能用，老板自然觉得没价值。反过来，那些先把内部数据资产理清楚、把老员工脑子里的判断逻辑沉淀下来的团队，哪怕用的模型普通，效果也明显更稳。原文提到要把这件事做成持续优势，得靠三样东西配合：人的方向感、扎根于组织独有知识的智能，以及能支撑规模化运转的信任基础。这个拆法我挺认同，尤其「信任」这一条常被忽略——数据治理、权限边界、结果可解释，哪一样不到位，业务方都不敢真用。还有个点值得留意：价值要靠一个持续学习的闭环来复利，让 AI 不断吸收组织的数据和经验，反过来改进系统和体验，而不是把身家性命绑在某一家的模型上。这点对出海团队尤其现实，多模型可切换、数据可迁移，才不会被供应商锁死。所以我的判断是，接下来一两年，比拼的重点会从「用没用上 AI」转向「有没有把自家知识变成可复用的资产」。数据底子没打好就急着上层的应用，大概率是白忙一场。

微软高管变动：LinkedIn与365负责人将离职

今天早上看到内部信，Ryan Roslansky 在 LinkedIn 和 Office 365 干了快 18 年，决定年底前离开，先做顾问过渡。说实话这个时间点挺微妙的，上周 Copilot 刚发完新版本，客户反馈正热乎，负责产品和工程整合的核心人物却要走了。

从 Satya 的信里能读出两层意思。一是 Ryan 团队过去一年把产品、工程、设计的基础打好了，Copilot 和 Office 双向嵌入的路线图已经跑通，所以高层觉得换帅不会翻车。二是微软现在把「新工作操作系统」当成头号叙事，跨模型、跨设备、跨任务，这个盘子太大，需要更集中的人事安排。对跨境圈来说，这事的直接影响是 LinkedIn 的产品节奏。很多做 B2B 出海的朋友把 LinkedIn 当获客主阵地，广告后台和 Sales Navigator 的迭代速度直接关系到投放效率。如果新负责人来自 Copilot 侧，AI 功能可能会更快塞进 LinkedIn，但商业化策略会不会更激进，得观察。我个人的判断是，短期别指望 LinkedIn 有大改版，年底前是过渡期，稳住基本盘为主。中长期看，微软把 LinkedIn 和 365 绑在同一个高管下面，说明它想打通「社交图谱+办公场景」的数据闭环，这对做内容营销和精准触达的团队是利好，但隐私合规的坑也会更多。总之，大厂换帅从来不是孤立事件，背后是资源重新分配的信号。做跨境的同行可以盯一下明年 Q1 的 LinkedIn 产品更新，那才是新班子交的第一份答卷。

微软自研芯片提速，Maia 300 后年上

今天看到微软 Azure Maia 的路线图更新，信息量不小。Maia 200 已经进入生产环境，开始承载 Copilot 等实际负载，年底前 GitHub Copilot 和 Foundry 也会接进来。这意味着微软自研推理芯片不再只是实验室里的概念，而是真正跑在核心产品上了。

更值得关注的是节奏。微软明确说从 2027 年开始把 Maia 家族扩展到多吉瓦级部署，并让它成为自家产品和服务的首选推理系统，同时 Maia 300 定在 2027 年推出。这个时间表说明微软对自研芯片的投入是长期且加码的，不是试水心态。从技术定位看，Maia 300 瞄准的是长上下文推理、低延迟对话和持续多步的 agent 任务。这恰好是当下 AI 应用最吃算力的几个方向，说明微软在芯片设计上越来越贴近真实业务场景，而不是单纯堆参数。软硬件协同设计如果能落地，对成本结构的改善会很直接。对跨境和云服务从业者来说，这件事的直接影响是推理成本可能进一步下探。微软把 Maia 200 同时用于 OpenAI 模型、自家 MAI 模型和开源模型家族，覆盖面很广，一旦规模上来，云上跑 AI 的单价就有松动空间。我的判断是，云厂商自研芯片已经从「有没有」进入「用得多不多」的阶段。微软这次把 Maia 提到主力推理系统的位置，等于给行业定了个调：未来几年，算力自主权会直接影响云服务的定价权和毛利。做 AI 应用出海的团队，选云时不妨把芯片路线也纳入考量。

Gemini 4 Argon 闯过 ARC 高分线

最近 Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上拿到 97.5%，成为继 OpenAI 之后第二家跨过 95% 这条线的实验室。这个成绩放在半年前还挺难想象的，毕竟 ARC 一直被当作通用推理能力的试金石。不过我更关心的是它背后那套测试方式——用到了厂商专属的保留推理和上下文压缩，换句话说，这个分数是在「适配器」加持下跑出来的，换个环境未必复现。

从公开数据看，Argon 和 GPT-6 Astra 在 25 个公开游戏里都比人类基线少用了 62% 的动作，还在三个游戏里追平或打破了速通纪录。这说明它在长程规划和试错效率上确实有质的提升，不再是靠穷举硬堆。但同一份评测也指出，Argon 在数学和软件工程任务上落后于竞争对手，这个短板对做跨境工具和自动化的人来说挺关键。我的判断是，ARC 高分更像一张「入场券」，而不是「毕业证」。厂商适配器让分数好看，可真实业务里没有那么多定制化推理缓存，模型得在冷启动、上下文受限的条件下自己扛。所以看到 97.5% 先别急着换模型，得看它在自己场景里的稳定性和成本。另外 4800 美元一次的评测成本也值得琢磨。这个价位说明高强度推理仍然烧钱，对中小团队来说，把这类模型直接塞进生产链路未必划算。更现实的做法是把它当「疑难杂症处理器」，日常任务继续用便宜模型分流。总的来说，Gemini 4 Argon 把前沿竞争又往前推了一步，但评测方法和成本结构决定了它离普惠还有距离。接下来我会重点观察两件事：一是去掉适配器后的裸分，二是数学和代码能力能不能补上来。这两点才决定它能不能真正进到我们的工作流里。

AI出口管制草案的三个信号

这两天在群里被问得最多的就是那份AI出口管制草案。我仔细看了下，它圈了23个重点方向，前沿模型、智能体、自主恶意软件工具都在里面，覆盖面比很多人预想的宽。

最值得琢磨的是触发门槛的设计。训练用了敏感数据会触发，参数到2万亿、算力到10^26 FLOPs、或者进了全球前十也会触发。这几个条件基本是照着头部实验室的体量画的线，中小团队短期内不太用担心被卡，但做大模型的那几家就得重新算合规账了。另一个信号是给开源留了口子。开放权重的发布走快速通道，登记后自动批准，已经公开的技术完全豁免。这明显是不想因为管制把国内的开源生态按住，毕竟开源社区现在是国内模型扩散最快的渠道。我的判断是，这套规则短期对出海业务的实际冲击有限，但合规成本会往上走。做模型分发的、做API转售的、以及帮海外客户做微调的公司，最好提前把训练数据来源和模型来源梳理清楚，别等细则落地了才发现自己踩线。还有一点别忽略：草案只是草案，落地时间和最终口径都可能有变化。现在能做的就是盯紧正式稿，同时把内部的技术台账建起来。你们那边有没有开始做合规排查？

ChatGPT 直接住进 Chrome 了

今天刷到一条挺关键的消息：ChatGPT 现在能直接读取并操作 Chrome 里打开的标签页了。用户可以用 @chrome 指定某个标签，Chat 模式能同时从多个页面抓数据，Work 模式则通过 Computer Use 去发消息、填表单、下载文件甚至给标签分组。换句话说，浏览器本身正在变成 ChatGPT 的一个入口，而不是反过来。

我比较在意的是它把「跨标签对比」做成了默认能力。官方示例里，它能按尺寸、材质、物流时效和退货规则横向比价，也能把几篇文章用大白话揉成摘要，或者把不同卖家的价格页对齐来看。这些事以前得靠一堆插件加人工来回切，现在一句话就能跑完，对做跨境选品和竞品调研的人来说，省下的时间很实在。但别急着吹。让 AI 直接动你的标签页，等于把账号、购物车、后台表单都交到它手上，误操作的成本比聊天窗口里说错话高得多。我的判断是，早期更适合用在「读」和「比」这类低风险动作上，发消息、填表单这种「写」操作，最好还是保留人工确认那一步，尤其是涉及支付和客户沟通的场景。另一个信号是它强调 GPT-6 Astra 是目前最强的 Computer Use 模型，能处理多步骤的复杂流程。这说明竞争重心已经从「谁更会聊」转到「谁更能替你把活干完」。对出海团队来说，真正值得评估的不是模型跑分，而是它能不能稳定复现你每天重复的那几条浏览器操作链路。最后提一句，这个扩展对所有 ChatGPT 套餐开放，门槛不高，意味着接下来一段时间会有一波人拿它跑各种自动化流程。我的建议是先挑一个低风险、高频的环节试水，比如多平台比价或者批量整理商品页信息，跑顺了再往深里放权。工具是好工具，边界得自己划。