The Deployment Company, Back to the 70s, Apple and Intel

收听本篇文章：

早上好，

唐纳德·特朗普总统正在前往中国，而Sharp China是您了解接下来会发生什么的首选播客。现在就将其添加到您的播客播放器中，期待接下来几集对此次访问的深入分析。

以下是更新内容：

部署公司

据路透社报道：

周一，OpenAI宣布成立一家新公司，初始投资超过40亿美元，旨在帮助组织构建和部署人工智能系统，并将收购一家AI咨询公司Tomoro，以迅速扩展该部门。

在其早期模型获得消费者强烈反响后，OpenAI积极争取企业合同，在商业世界中建立了强大的存在感，其AI将在大规模部署中发挥作用。这家由OpenAI控股并控制的新企业也正值竞争对手Anthropic在其企业AI推广中取得巨大成功之际，其Claude系列模型在企业中的快速采用。新成立的公司名为OpenAI部署公司，将帮助ChatGPT制造商嵌入前沿AI部署专家工程师，与各个团队紧密合作，识别AI可以产生最大影响的地方。

收购Tomoro，这家帮助企业部署AI的咨询公司，将为新部门带来约150名经验丰富的AI工程师和“部署专家”。根据其网站信息，Tomoro成立于2023年，并与OpenAI结盟，客户包括美泰、红牛、乐购和维珍航空等。

这是周一的消息；周二，据The Information报道：

据知情人士透露，谷歌计划招聘数百名工程师，帮助客户开始使用其面向企业的AI产品。谷歌云负责人托马斯·库里安在领英上表示，这些新的“前向部署工程师”将组成谷歌云的一个新团队，但并未披露这项工作的规模。谷歌云首席营收官马特·伦纳尔在另一篇帖子中说，此举将帮助谷歌“为客户提供更多的技术支持资源（而不是仅仅依赖销售团队）。”

这项公告是近期科技行业一系列举措之一，科技公司纷纷派遣大量人力——通常被称为“前向部署工程师”——并与咨询公司合作，推动客户使用旨在自动化工作的AI驱动技术。周一，OpenAI与咨询和投资公司合作推出了“OpenAI部署公司”。上周，Anthropic宣布与私募股权公司成立合资企业，向其客户销售AI产品。

毋庸置疑，有人可能会调侃通用人工智能似乎还不够强大，无法部署AI，而是需要人类来帮忙。但我更倾向于认为这是“正如预期”。

回顾70年代

在2024年的企业哲学与第一波AI中，我提出了一个观点，即AI在企业中的类比不是SaaS，而是20世纪70年代的第一波计算浪潮。

代理并不是副驾；它们是替代品。它们代替人类工作——从呼叫中心开始——并且具有软件的所有优势：始终可用，并可根据需求上下扩展……贝尼奥夫谈论的不是让员工更加高效，而是公司；适用于员工的动词是“增强”，听起来比“取代”要好得多；最终目标明确：业务成果。这正是技术的第三种哲学：改善大型企业的底线。

请注意，这种框架如何很好地适用于大型机计算浪潮：会计和ERP软件使公司更加高效，并带来了积极的业务成果；被“增强”的员工是经理，他们能够更快地获得更准确的报告，而曾经从事这些工作的员工则被取代。关键在于，是否做出这一改变并不取决于普通员工的工作方式，而是高管们决定是否采取这一行动。

具体来说，我认为部署公司不会去帮助员工使用聊天机器人；对于OpenAI和Anthropic与私募股权公司达成的交易来说，这一点更为明显。我预计会有越来越多的交易，其中私募股权公司购买拥有稳定现金流的软件公司，并进行大规模裁员，迫使AI填补空缺，同时解决基于股票的薪酬问题。

我不知道部署公司的使命是否会如此严厉，但我假设这是一家由高管层雇佣的公司，它从根本上重新思考业务流程，这自大型机时代以来就未曾有过。

大多数基于历史发展的类比通常来自互联网，这也不难理解：那是一次划时代的变革，而且在我们的集体记忆中仍然很新鲜。然而，我的核心观点是，人工智能确实是一种新的计算方式，这意味着更好的类比应该是计算本身。Transformer就像是晶体管，而大型机则是今天的模型。图形用户界面（GUI）是否最终确定尚待观察。

如果上述观点正确的话，那么最大的机会在于自上而下的企业级实施。企业的哲学比之前我提到的两种消费类哲学更为古老：它的动机不是用户，而是买家，他们希望增加收入并降低成本，并且会以一种极其理性的方式实现这一目标（包括对代理犯错进行预期价值计算）。这是唯一能够证明扩展代理能力所需的计算资源合理性的方法，也是完成数年工作以使数据达到可以替代人类的状态所必需的。底线利益——企业哲学的核心——将促使这样做。

我好奇的是有多少工作最终会重新整理数据；正如我在那篇文章中提到的，这就是为什么我对Palantir持乐观态度的原因：

这就剩下数据部分了，虽然Benioff吹嘘Salesforce拥有大量的数据，但它并不拥有所有数据，而且它拥有的数据分散在构成Salesforce平台的应用程序和存储层中。事实上，微软也面临同样的问题：尽管他们的Copilot愿景包括第三方“代理”的API——在这种情况下，是指其他公司的数据——但现实是，一个有效的代理——即可以替代工人的代理——需要以一种可以推理的方式访问所有数据。大型语言模型处理非结构化数据的能力具有革命性，但更好的数据仍然会产生更好的输出；例如，显式的逐步推理数据是o1如何运作的重要组成部分。因此，对于我认为将是第一波人工智能浪潮而言，最让我感兴趣的公司是Palantir……

这种集成看起来像该公司在其网站上的Foundry页面中的这张插图：

这张插图值得注意的地方在于Palantir为了实现其目标需要多么深入地介入企业的运营。这不是一个团队领导可以用信用卡购买的消费级SaaS应用；它更像是Salesforce试图超越的那种软件。

顺便提一下，谷歌的Kurian在上个月的Stratechery采访中确实驳斥了任何与Palantir相比的说法：

这一切都说得通，特别是关于知识目录的部分非常符合我一直以来的想法。几年前我就写过关于这个层次的重要性以及理解它的必要性，这是一个相当大的挑战。你可以将其与Palantir进行类比，他们在网站上部署了FDEs，多个月的项目正在进行这项工作。OpenAI也在谈论Frontier，他们的代理层，并与所有的技术咨询公司合作来构建它。这是否意味着需要大量的人力来让这个图谱正常运行，以便你的代理能够在上面有效地操作？

TK： 我们不与Palantir竞争，我们不会建立语义词典或本体论。我们现在做的最接近的类比就是这个。

好的。

TK： 现在当你使用一个模型时，比如说你使用Gemini，你问一个问题，Gemini会进行推理，然后给出一个引用。引用是，“我是如何回答这个问题的，以及我从中得出的来源？”

现在想象一下，这个引用实际上是一个查询，需要去到存储系统中的某个文件夹，因为那里有一些文档，或者去数据库，因为例如在零件号的情况下，假设有一个列出所有零件号的文档放在驱动器上，然后你需要从数据库表中获取这个零件号，以便说这个人要来修理的是调制解调器。

因此，图的作用是，我们使用Gemini，所以我们不需要人类，我们用Gemini来说，“嘿，去读取这些驱动器中的所有文档，并从中提取信息，然后将其与包含零件号参考的数据库表匹配。” 然后当Gemini转过来回答“关于调制解调器库存有多少”的查询时，它首先会说，“好的，去知识目录看看调制解调器对应的零件号是1、2、3、4、5”，然后它会说，“顺便提一下，包含该零件号库存信息的数据库表是这个表，这里有一条SQL语句”，这样提高了我们生成内容的质量，当它回答问题时，它会显示——回到你的‘相信我的数据’，它会给出一个出处引用，说，“这就是我们得到数据的地方。”

好吧，不需要人类的论调可真够讽刺的！我开个玩笑——主要是Kurian指的是不需要像Palantir那样的本体论，并非完全否定对FDE的需求——但确实很有趣的是，人工智能正在创造对新型工作的需求。这几乎就像是世界变得更加动态，而纯粹的智能，在不受现有事物和反思负担的影响下，比最悲观的预测者所预期的更为静态。更实际地说，OpenAI和Anthropic需要收入，企业需要想象力，而谷歌需要保持竞争力。

苹果与英特尔

据《华尔街日报》报道：

据知情人士透露，苹果和英特尔已就英特尔制造部分驱动苹果设备的芯片达成初步协议。两家公司进行了超过一年的密集谈判，并在最近几个月敲定了正式协议。彭博新闻此前曾报道过这些会谈。目前尚不清楚英特尔会为哪些苹果产品制造芯片。苹果每年出货超过2亿部iPhone，以及数百万台iPad和Mac电脑。

去年年底，Ming-Chi Kuo在X平台上报告称，英特尔将在其18A工艺上制造苹果最基本的M处理器；但他没有具体说明是哪一代。

无论如何，《华尔街日报》提到特朗普政府的压力，以及彭博社早先的一篇文章指出苹果对台积电和台湾的集中风险，但假设该协议存在，最明显的理由还是经济上的。具体来说，苹果连续两个季度表示，由于无法在台积电获得足够的产能，无法满足需求。CEO Tim Cook在最近一次财报电话会议上多次提到这一点，我认为这是最重要的表述：

在三月季度和六月季度，主要限制是我们SoC所生产的先进节点的可用性，而不是内存。因此，我不愿预测供需何时能匹配，因为如果现实地看，我认为在Mac mini和Mac Studio上，达到供需平衡可能需要几个月的时间。所以我们还没有到可以说这个问题很快就会解决的地步。而且这不是因为有什么特定的问题，只是我们低估了需求。正如你所理解的，这需要时间来纠正。从产品角度来看，或者从本季度来看，六月季度的主要限制将是Mac系列，特别是Mac mini、Mac Studio和MacBook Neo。

Cook也在上一季度谈到了交货期问题，重要的是要注意，虽然制造新芯片需要大约五个月的时间，但如果苹果立即意识到需要更多的iPhone 17 Pro芯片，新的A19 Pro生产线只在上个季度中期开始生产芯片（这就是为什么iPhone 17 Pro的销量没有达到预期的原因）。然而，关键在于，苹果似乎已经将产能从Mac转移到生产更多iPhone芯片，现在连Mini和Studio的芯片也不够用了。

简而言之：苹果不再能够灵活使用台积电的产能，因为其中很大一部分产能已经被用于AI，这对苹果多个产品线造成了实质性的经济损失。这正是促使公司转向英特尔的原因；我在《台积电风险》一文中写道：

成为三星或英特尔的重要客户非常有风险：在新工艺上让芯片运行起来需要几年时间，这几乎不值得去做，因为这种工艺可能并不如人意，而且提供该工艺的公司肯定不像台积电那样以客户为中心。我明白为什么每个人都选择台积电。

然而，超大规模企业和无晶圆厂芯片公司需要清醒认识到的是，避免与台积电以外的公司合作所带来的风险，实际上带来了新的风险，这些风险不仅难以察觉，而且更加严重。事实上，我们已经看到了这些危害：当需求超过供应时，今天就失去了收入。然而，今天的短缺可能会证明微不足道：如果AI具有这些公司声称的潜力，未来十年末期的潜在收入损失将会呈指数级增长——肯定远远超过使三星和/或英特尔成为台积电可行竞争对手所需的任何成本。

顺便说一下，这正是如何解决地理风险问题的，如果这个问题真的能得到解决的话。很难让公司为可能永远不会发生的地缘政治风险购买保险。更有可能的是，台积电的客户会意识到他们最大的风险不是台积电被中国摧毁，而是台积电的垄断地位及其合理的投资保守态度，导致整个行业未能充分捕捉到AI的价值。

我们已经到达这个阶段（据报道）。台积电在过去几年中未能积极投资，最终给了英特尔成为可行竞争对手所需的关键东西：正是这家公司在很大程度上促成了台积电成为行业领导者的地位。

此更新将在今天晚些时候作为播客发布。若想在您的播客播放器中接收，请访问 Stratechery。

《Stratechery Update》专为单个订阅者设计，但偶尔转发完全没问题！如果您希望以团体折扣订购多份供团队使用（最低5份），请直接与我联系。

感谢您成为订阅者，祝您度过美好的一天！