7月15日 AI 创业早报:机器人进厂、算力账单与 Agent 信任챕터1×0:07开场:先说今天最硬的信号1:36第一章:机器人从演示台走到工位3:52第二章:AI 数据中心的邻居不买账5:58第三章:Agent 的账单开始按小时计算8:08第四章:接入 Agent 之前,先看信任卡11:00收束:今天给创业者的四张表0:0012:030:07host小米机器人进入汽车工厂做柔性工件的长时作业,另一边,密歇根一个小镇的居民宁愿住在核电站旁边,也不愿意住在传闻中的人工智能数据中心附近。一个在解决「机器人能不能干活」,一个在追问「算力中心要不要进我家门口」。早报今天就从这两个现场开始。0:27cohost先交代扫描范围。我们读取了 @fitzroy4910 关注列表里的三百九十三个账号,分八批拉取,每个账号最多一百条推文,总共读到五千九百八十一条。按照早报窗口,也就是北京时间七月十四日晚上十点到七月十五日早上九点,命中三百三十条,来自一百零六个账号;用 AI、模型、Agent、机器人、芯片、算力这些关键词初筛,得到一百八十二条相关内容。这里的「相关」只是筛选线索,节目里再做了人工去重。公众号方面,量子位、三十六氪、Founder Park、机器之心有窗口内新文,海外独角兽这轮没有命中窗口内新文。1:11host还要把一个限制说在前面:X 的读取接口对每个账号最多返回一百条,所以这是三百九十三个关注账号的全量分批读取,但不是每个账号无限历史。时间窗口内如果某个账号发得非常密集,仍然可能被这个上限截断。我们不把搜索标题里的估值传闻直接当事实,今天只讲能在文章列表、详情页或原始推文里对上的内容。1:36cohost小米这条很有画面感。量子位在七月十四日晚上七点四十五分发布的文章,标题是「马斯克『机器人还进不了厂』刚说完,小米机器人上岗汽车产线了」。三十六氪第二天早报的摘要也提到,小米机器人首次实现了汽车工厂柔性工件的长时作业。注意,这里我们能确认的是「进入汽车产线」和「长时作业」这个报道口径,不把它扩写成已经完成大规模商业部署。2:03host这个变化对创业者的意义,不在于又多了一段机器人视频,而在于验收标准换了。以前大家展示的是翻跟头、跑步、抓取一个固定物体,现在工厂会问四个问题:它能不能连续工作,遇到不同工件会不会重新调,出错之后能不能恢复,最后每个动作的成本是多少。2:25cohost而机器之心今天早上的一篇文章,把竞争再往模型侧推了一步。它的标题是「一万小时人类数据,练出全球首个全身移动操作隐式世界动作模型」,摘要说,人形机器人竞争焦点正从整机硬件延伸到模型能力。这个标题里的「全球首个」属于文章自己的表述,我们不把它当成行业排名,但「人类数据、移动操作、世界动作模型」这几个关键词,确实说明大家在补机器人最难的一层:把看到的东西变成下一步动作,而且要在真实环境里持续执行。3:01host再看资金面。量子位早些时候的文章称,逐际动力完成两亿美元 Pre-IPO 融资,并且把冲刺上市写进标题。三十六氪列表里还出现了零差云控完成数亿元融资的条目。两条信息放在一起看,关节、整机、模型都在吸钱,但融资不能代替交付。创业公司的经营表应该从「募了多少钱」切到「每天能完成多少有效工作小时」。3:26cohost给团队一个很实际的机器人检查表:第一,别只记录成功率,要记录连续作业时长;第二,把人工接管次数和恢复时间单独记出来;第三,把工件变化、光照、遮挡这些扰动纳入测试;第四,把每小时的电、维护、折旧和人工监督成本算进去。长时作业真正证明的是系统稳定性,不是某一个动作漂亮。3:52host另一条线来自三十六氪七月十五日早上的文章,标题非常直接:「他们宁愿住核电站旁边,也不愿住 AI 数据中心附近」。摘要能确认的事实是,美国密歇根州一个小镇的居民发现了一个网站,声称要在那里建设 AI 数据中心园区,但没有说明建设方;镇政府表示,从来没有人申请。这里最重要的不是把「居民反对」简单归结为反科技,而是公众连项目的申请、用电、用水、噪声和收益都没有看到,就先看到一个模糊的网站。4:24cohost这和创业圈常说的「算力需求很大」不是一回事。需求大,不等于一个社区会自动接受一座数据中心。对地方政府和居民来说,他们先问的是,电从哪里来,水怎么用,电网改造谁付钱,噪音和热排放怎么处理,税收和就业到底留多少。项目如果只发布模型训练规模,不发布本地账单,信任当然建立不起来。4:50host路透社七月十四日报道,AI 云计算公司 CoreWeave 正在讨论用金融衍生品对冲未来内存和存储芯片价格下跌的风险,但目前还没有执行任何对冲。报道解释了原因:为了锁定供应,云厂商和内存、存储厂商签了长期协议,里面可能有价格底线。价格上涨时,云厂商拿到供应;如果之后价格下跌,云厂商又可能被锁在高价上。5:17cohost这条很像一个创业公司会遇到的「反直觉成本」。大家都在算 GPU 每小时多少钱,但真正做基础设施,内存、存储、电力、机房建设、长期采购合同都可能变成固定风险。算力公司以后可能要像航空公司管理燃油一样管理芯片价格,听起来已经不是单纯的软件生意了。5:38host所以给 AI 基础设施团队的经营表,至少要多三列:第一是单个客户的算力需求和峰值,第二是长期采购承诺和价格保护,第三是本地电力、土地、用水和审批的可见成本。把这些列出来,投资人才能分辨增长来自真实交付,还是来自把未来成本先签下来。5:58cohostX 上有一条很值得拿来做成本提醒的讨论。a16z 转发的内容写到,按 Hebbia CEO George Sivulka 的说法,中位数企业的 Agent 成本接近每小时八十美元,和软件工程师大致相当;但不同管理方式下,成本可能从每小时四美元到七千美元。这个数字是访谈中的观点,不是全行业统一报价,听众不要拿它当预算表。6:21host但这个观点的方向很有用:Agent 的成本不是「调用一次模型多少钱」这么简单。它会不会循环,工具调用是否重复,失败后重试几次,是否把长上下文反复塞回去,人工审核占多少时间,这些都会改变每小时成本。6:38cohostOpenAI 的 Sam Altman 也在 X 上说,五点六版本的增长很快,推理团队正在努力支持需求,但短期可能出现一些 hiccups,也就是服务波动。这个说法不是故障统计,我们只把它当成供给压力的公开提醒。模型越强,用户越想把它接进更长的工作流,峰值需求就越难靠简单扩容解决。7:02hostFounder Park 的文章也很有意思。它说过去一年至少有二十个知名团队交付了视频 Agent,但大家都在写「一句话生成视频」,真正的产品差异要等用户来教。文章标题是「迟到三个月的 LibTV Agent:用户会教你怎么做好产品」。7:17cohost这和 Looki 的融资放在一起看,结论更具体。Founder Park 报道 Looki 完成数亿元 A1 轮融资,元生资本领投,老股东 BAI 资本、钟鼎资本和阿尔法公社继续加注,方向是个人智能可穿戴和物理世界 AI 推荐。可穿戴设备如果只是把模型搬到眼前,价值会很快被比较;它真正要解决的是在什么场景主动出现,如何理解环境,以及为什么用户愿意持续让它收集数据。7:46host给 Agent 团队的执行表也很简单:每个任务要记录输入 token、输出 token、工具调用次数、重试次数、人工接管时间和成功交付时间。产品经理不要只看一次演示能不能跑通,应该问一个真实客户的任务跑一百次,平均成本是多少,最差成本是多少,失败后能不能回滚。8:08host当 Agent 能调用浏览器、代码仓库、支付和企业内部系统,安全就不再是发布前的一页说明。X 上,计算机协会账号转发了一篇讨论,提到 AI 编程工具使用继续加速,但用户信任下降、漏洞和风险在增加。另一条由机器之心账号转发的研究摘要说,大推理模型可能在最终答案看起来安全时,内部推理仍然出现不安全内容;这条研究摘要给出了一组缓解实验数字,但我们今天不把它扩写成已经解决了安全问题。8:40cohost还有一个很具体的开源项目,叫 mcp-trustcard。它把自己描述成 MCP 服务器的「npm audit」,会检查能不能安装、协议握手、工具 schema、破坏性能力、认证、秘密暴露、协议版本以及延迟和失败率。项目页面展示了一个 GitHub MCP 服务器的示例分数,但这只是项目自己的扫描结果,不等于行业标准。9:05host这个思路对创业公司很实用,因为企业客户不想听「我们支持 MCP」,他们会问,接入之前谁审过,工具能做什么,权限边界在哪里,出错能不能撤销。一个最小可用的 Agent 接入清单,应该包括工具清单、只读和写入权限、可破坏动作、密钥处理、调用日志、失败回滚和版本变更。只做一个漂亮的连接器目录,不能回答这些问题。9:30cohost机器之心今天还发了一篇「三步推理生成加速二十多倍」的文章,摘要说 CoLT 让多模态大模型用「潜思维链」思考。这个性能数字来自文章标题,具体任务和测试条件要看原文,不能直接拿来当所有模型的加速比例。但它和我们今天的成本话题是连着的:如果推理过程可以压缩,模型服务商的账单和延迟才有机会一起下降。9:56host如果团队准备把机器人或 Agent 交给第一个付费客户,我建议把验收拆成三层。第一层是能不能完成,先跑足够多的重复任务,别拿一次成功截图交差。第二层是能不能持续,连续运行几小时后,延迟、错误率和人工接管有没有变差。第三层是出了问题能不能收场,任务要能暂停,权限要能撤回,结果要能回滚,成本要能追到具体一次任务。这样客户买到的是一套可控的服务,不是一段很顺的演示。10:27cohost这三层也能直接变成销售材料。面对工厂客户,给连续作业时长、接管率和恢复时间;面对企业 Agent 客户,给成功交付率、平均任务成本和最差任务成本;面对数据中心客户,给峰值功耗、供给合同和审批进度。数字不必一开始就漂亮,但必须能复测,口径也必须固定。否则每次融资、路演和产品发布都换一套指标,团队自己都会不知道到底是在进步,还是只是在换说法。11:00cohost把今天的信号放在一起,创业者可以带走四张表。机器人团队记连续作业时长、人工接管和每小时交付成本。数据中心团队记电力、用水、审批和长期芯片合同。Agent 团队记每个任务的 token、工具调用、重试和人工时间。做平台接入的团队,记权限、破坏性动作、日志、回滚和版本。11:25host这四张表看起来不如融资额和模型参数热闹,但它们回答的是同一个问题:AI 进入真实世界以后,谁来承担失败、等待和账单。实际执行可以按一周一个小周期:周一固定口径,周三抽样复测,周五把失败案例和最差成本放进复盘。只要这三次数据能对上,团队才知道产品是在变稳定,还是只是在换展示方式。今天早报到这里,晚报如果有新的事实增量再见。