大家好，
欢迎收看《指数视角》周日简报。今天的简报只有一个信息：更新你的先验假设。
我们走吧！
从更宏观的角度来看待情报
本周，我单日使用了 9700 万个 AI 代币。三年前，我每天大约使用 1000 个代币，这在当时还很新鲜。后来，1 万个代币让我意识到 AI 是我的工具。10 万个代币时，它成了我的合作伙伴。100 万个代币时，我开始构建工作流程。1000 万个代币时，我开始构建流程。接近 1 亿个代币时，它更像是一支劳动力队伍。在本周末的文章中，我将分析每个数量级的变化，并解释为什么下一个零将迫使我们面对一个更棘手的问题：我们究竟愿意将哪些工作委托出去？
前所未有的定价
Anthropic公司最新的业绩令人震惊。该公司过去三年的收入每年增长近十倍， 年化收入达到140亿美元——相当于每年增长约900%，并且连续三年保持这一增长速度。900 %！
OpenAI在2025年实现了250%的增长，这依然令人印象深刻。但值得注意的是，OpenAI在2025年初的月收入约为Anthropic的六倍，而到年底时，其收入也比Anthropic高出约50%。这体现了Anthropic专注的企业战略所带来的影响。仅Claude Code一家公司就已发展成为一家市值30亿美元的企业，并且仅在今年1月就实现了翻番。在Exponential View， Anthropologie 的模型占我们 API 使用量的大部分。Gemini 承担了大部分工作，其次是 DeepSeek。OpenAI 的使用量非常少。1
然而，我们却拥有一家增长率高达 250%，营收飙升 200 亿美元的公司。
显而易见的问题是，这种增长速度能否持续。去年，OpenAI 预测到 2029 年营收将达到 1450 亿美元。我们分析了这些数据——理论上可行，但可能性不大。
因此，OpenAI 的负面论点非常简单明了。
但也有相反的观点。模型就是模型，我们看到一些用户（比如我）会迅速更换模型，但其他用户（尤其是企业用户）则不会——而 OpenAI 的品牌知名度和企业级影响力终将带来回报。
那么开源软件呢？例如，MiniMax 的新款 M2.5 模型声称以每小时 1 美元的价格提供前沿性能——这难道不会从 OpenAI 手中抢走 API 业务吗？或许会，但市场正在快速扩张。闭源模型在保持一定技术优势的同时，还能提供开源模型所缺乏的服务和支持。我认为，对于最重要的、真正高价值的任务，企业愿意支付高价，而闭源的专有模型在这些方面仍将保持优势。
OpenAI过去六个月显然经历了动荡。而Anthropic凭借始终如一的信息传递、不断改进的产品以及远低于OpenAI的自我炒作，在2025年取得了巨大的成功。我的观点是：OpenAI虽然遭遇了公开的挫折，但现在下结论还为时过早。Anthropic的情况也类似，尽管其发展更为稳健。
参见：
-
OpenAI 发布了 GPT-5.3-Codex-Spark 。代码生成速度提升了 15 倍，并且是首个运行在 Cerebras 芯片（而非 Nvidia 芯片）上的 OpenAI 模型。
-
亚马逊工程师拒绝使用亚马逊自家的编码工具，而是请愿使用 Claude Code 。
-
Anthropic公司承诺承担其数据中心造成的电价上涨费用。
来自赞助商的信息
在 Framer 上，初创公司发展更快
第一印象至关重要。借助Framer ，初创公司创始人可以在数小时内推出美观且可直接上线的网站——无需开发团队，轻松便捷。
新加入 Framer 的种子轮和天使轮初创公司将获得：
-
免费使用一年：购买 Framer Pro 一年，立省 360 美元，早期创业公司可免费使用。
-
无需编写代码，无需等待：无需招聘技术人员，即可在数小时内（而不是数周内）推出精美的网站。
-
专为发展而打造：利用内容管理系统、分析和人工智能本地化功能，将您的网站从最小可行产品 (MVP) 扩展到完整产品。
-
加入 YC 支持的创始人行列：数百家顶级初创公司已经在 Framer 上进行开发。
如需赞助第二季度的 Exponential View，请点击此处联系我们。
员工规模化
Spotify 联合首席执行官 Gustav Söderström 在周三的财报电话会议上透露，公司顶尖的开发人员自去年 12 月以来就没有编写过一行代码。他们现在操控着一个名为 Honk 的内部人工智能系统，该系统基于 Claude Code 构建，负责发布新功能，而工程师则通过手机查看输出结果。
Thomas Kwa本周发布了一个模型，预测人工智能研发将在2032年左右实现近乎完全的自动化。该模型的核心限制是收益递减：人工智能编码能力的每一次提升都将变得越来越难以实现。实现完全自动化的时间表取决于收益递减的程度；如果收益递减幅度较大，则进展可能会延长数年。
这两个事实值得放在一起讨论。Spotify 的更新是关于人工智能能够快速编写足够的代码，从而使人类的角色从生产转向规范和判断——我们已经多次发现并剖析了这种转变（参见《人工智能何时才能全天工作？》或《判断力是人才瓶颈》或《我与 Ben Zweig 的对话》）。
但这种转变并不意味着工作量减少。加州大学伯克利分校的一项研究追踪了使用人工智能辅助工作的员工长达八个月，发现生产力虽然提高了，但员工自愿承担的工作量也增加了。人工智能让任务的启动和完成变得更加容易，因此员工承担了更多的工作。这些工具扩大工作范围的速度远超其压缩工作范围的速度。Spotify 的工程师在上班途中用手机查看人工智能的输出结果，这可不是在放松。
短期内看似更高的生产力，实际上可能掩盖了员工在同时处理多个人工智能工作流程时，悄然增加的工作量和日益增长的认知压力。由于这些额外的工作是自愿的，并且通常被包装成令人愉悦的实验，领导者很容易忽视员工实际承担的额外负担。
而原本可能限制这一循环的摩擦正在消失。OpenClaw 解锁了能够自我修改的软件，它维护着一个由 Markdown 笔记组成的伪记忆网络。当我告诉它我不喜欢某种格式时，它会把这个偏好记录下来。下次使用时，它就能记住。就像电影《记忆碎片》里的盖·皮尔斯一样，为未来的自己留下笔记，让未来的自己每天早上都能重新开始。
