Ed Yardeni, president of Yardeni Research, believes the era of unchecked dominance for the ‘Magnificent 7’ tech stocks is waning, arguing that the artificial intelligence (AI) boom is poised to benefit the broader range of companies he calls the “Impressive 493.”The End Of Tech KingdomsSpeaking to CNBC, Yardeni compared the previous tech landscape to a “Game of Thrones” scenario, describing the tech giants as “seven independent kingdoms” that prospered behind unique business moats.However, the rapid rise of ...

文章核心观点 2025年AI大模型行业竞争焦点从单纯的能力竞赛转向可持续性比拼，行业在技术范式、市场格局、应用形态与全球治理四大维度发生深刻转变，共同重塑发展轨迹[1] 技术范式演进 - 训练范式发生关键拐点，从依赖主观反馈的RLHF全面转向客观可验证的RLVR，模型通过自我检验实现推理能力飞跃[1][27][28] - 混合专家架构强势回潮，以稀疏激活模式平衡参数规模与计算成本，追求极致性价比[1] - 多智能体自我博弈与合成数据微调成为常态，模型减少对人类标注数据的依赖[1][29] - 检索增强生成成为企业级应用标配，有效解决幻觉与知识时效性问题[1][61][63] - 模型能力呈现“锯齿化”结构，在数学、编程等形式化智力领域突飞猛进，但在常识推理上仍存短板[1][32][33][34] 市场格局变化 - 市场格局呈现集中化与民主化的双重张力，谷歌Gemini 3凭借自研TPU v5芯片与多模态优势，终结了OpenAI的长期领先地位[1][2][10][14] - 中国模型凭借成本效益实现弯道超车，市场向头部集中，Anthropic等顶尖初创企业获巨额融资，二三线玩家面临出清[1][2] - 开源浪潮形成制衡，阿里通义千问、01.ai Yi-34B等开源模型性能逼近闭源产品，中国厂商成为开源生态主力军[1][2][19] - 科技巨头加速构筑全栈生态闭环，通过芯片、模型、平台、应用的垂直整合形成护城河，竞争焦点转向生态控制权[1][2] 应用形态发展 - 应用形态从通用聊天助手进化为专用工具与自主智能体，深度嵌入编程、办公等专业流程，“AI原生应用层”崛起[1][2][53] - “氛围编程”重塑软件开发模式，开发者角色从编码者转向系统设计师与AI驯导师[1][2][57] - 智能体成为生态博弈核心，例如字节跳动豆包手机助手可实现跨应用复杂操作，引发与超级App的流量控制权之争[2][60] - 部署模式呈现“云+端协同”趋势，本地部署因隐私合规需求兴起，开源工具与硬件进步让大模型在个人手机和企业私有服务器上运行成为可能[2][67][68] 全球治理动态 - 全球治理进入差异化竞争阶段，欧盟《AI法案》以安全优先实施严格监管，美国侧重行业自律与国际主导，中国坚持发展与安全并举的审慎包容路径[3] - 全球统一规则难以达成但多边协作萌芽显现，监管竞赛背后是技术标准制定权的争夺[3] - AI安全暗战持续，对齐与越狱的攻防常态化，自动化对抗与长期安全机制建设提上日程[3] - 社会层面初步显现就业结构调整、教育模式变革等震荡，人与AI协作成为新趋势[3]

英伟达的竞争护城河分析 - 市场关于TPU和ASIC侵蚀英伟达护城河的观点被严重夸大[2] - 英伟达通过持续精进GB300及后续Vera Rubin架构，可维持领先出货并不断降低成本，成为迄今最具成本效益的平台[2] - 英伟达的护城河源于其端到端、为高频宽、大规模扩展与可持续利用率而打造的整体架构，这是迈向AI工厂最关键的决定因素[3] - 英伟达除了掌握一定先进封装产能外，还持续推进GB200、GB300到Rubin的架构，并改善交换技术与整体系统设计，更具优势[3] - 在供应受限环境下，超大规模云端业者势必采取混合架构策略，难以用TPU全面取代GPU[3] - 英伟达的护城河因出货量、经验曲线效应以及多年端到端系统工作，形成稳固护城河[7] TPU作为替代方案的局限性 - TPU核心问题不在是否为“好芯片”，而在于其架构能否适配AI下一阶段的发展需求[3] - TPU因频宽昂贵且稀少而诞生，适合低频宽需求的AI任务，但随着模型规模扩大与工作负载多样化，在扩展性等方面遇到限制[3] - 目前领先的AI训练走向为“高频宽与大规模扩展”而改善的系统架构，这需要让大量加速器彼此连接并长时间维持高效运转[3] - “TPU走向开放市场”更合理的解释是生态系伙伴及Meta等公司寻求优势带来的压力，而非Google有意成为真正的商用芯片供应商[4] - 像Google这样的主要超大规模业者，不太可能大规模对外销售自家专有加速器，以让直接竞争对手形成真正的外部市场[3] Google与OpenAI的竞争格局 - 市场关于Google通过Gemini击败OpenAI的观点被严重夸大[2] - Google在壮大的同时面临“创新者困境”，其搜寻业务与广告营收高度绑定[2] - 若Google将广告模式转向类似聊天机器人的体验，单次搜寻查询的服务成本将暴增至原来的100倍[2] - Google必须将商业模式转向更高度整合的购物体验，但即便Gemini近期取得一定成功，Google仍不具备这样的信任基础[2] - OpenAI核心在于强调可信资讯，而非推送广告，仍有其优势[2] - 就平台动能而言，现阶段仍是OpenAI“领先一大截”，平台建设、开发者采用、企业用户组合转变以及对稀缺运算资源的掌握都对OpenAI有利[6] - OpenAI因平台执行力及企业需求而保持领先，其先行者优势正逐步转化为更持久的竞争力[7] - 模型品质已成为基本门槛，真正的竞争焦点在于模型周边的软件与服务[7] Google面临的商业模式挑战 - Google的困境在于如何以不损害其获利引擎的前提下，让主导模式过渡到更完善的模式[5] - Google获利引擎建立在与搜寻行为挂钩的广告变现上，但互动模式转向ChatGPT式的体验会使成本结构发生巨大变化[5] - 从经典搜寻转向助手式的交互模式会改变单位经济效益，从而可能破坏其盈利引擎[5]

行业现状与产品定义困境 - 当前被统称为“智能眼镜”或“XR”的设备，其形态和价格差异巨大，例如价格低于2000元人民币的小米智能眼镜与售价高达30000元人民币的Apple Vision Pro被归为同一类别，但它们在功能、体验和适用场景上完全不同[1][27] - 行业缺乏对“智能眼镜”的核心统一定义，导致产品形态各异，厂商在各个赛道上进行尝试，尚未收敛到一个明确方向[8][34] - Google试图用“设备谱系”来分类，包括XR头显设备、有线XR眼镜、无线XR眼镜和不带显示的AI眼镜，但这更像是因为无法定义真正理想的智能眼镜而做出的妥协性分类[3][12][29][38] 理想形态与核心公式 - 参照iPhone的成功定义公式“电话 + iPod + 互联网”，理想智能眼镜的公式被推测为“眼镜形态 + AI + Vision”，其中Vision指代类似iPod的沉浸式媒体终端[10][36] - 智能眼镜需要首先是一个合格的普通眼镜形态，同时整合AI能力和视觉（Vision）媒体功能[10][36] - 目前市场上的产品无法同时完美实现这三个维度，厂商被迫在不同产品上侧重AI或Vision，无法做出取舍[12][38] 主要产品类型与市场挑战 - 产品类型复杂，需通过一系列问题定位：是否带显示屏、是XR眼镜还是AI眼镜、显示方式是单目还是双目、显示内容是单色文字还是彩色图形界面等[11][16][37][42] - “XR”本身是一个对AR、VR、MR等技术的含糊统称，导致“XR设备”无法明确说明具体用途，产品定义不清和宣传夸大是行业面临的主要问题[13][39] - 存在一类必须连接其他智能设备、作为外接显示/音频输出设备的AR眼镜（如XREAL和雷鸟的产品），其是否算作“智能眼镜”仍有争议[12][38] 主要厂商动态与战略 - 苹果的产品规划显示其内部存在多条技术路线：首款轻量“眼镜”预计在明年或后年发布，主打拍摄和AI，不带XR显示；同时酝酿一款能与iPhone或Mac配对使用的“XR眼镜”；最终目标是完全独立使用的双目XR眼镜[13][39] - 苹果已全面暂停更大、更重头显的开发，战略重心转向佩戴更不尴尬的轻量型眼镜产品，这被视为是Apple Vision Pro市场表现不及预期后的一次战略调整[15][41] - 苹果在智能眼镜领域的发展被描述为“拖了太久”，其转向AI眼镜部分原因是看到Meta Ray-Ban取得巨大成功后采取的“为了不掉队”的防守策略[17][43] AI作为驱动力的价值与现状 - 行业普遍认为智能眼镜是理想的AI硬件载体，因其能通过视觉和听觉收集用户生活上下文数据，使AI能提供更佳解答[18][44] - 但对于不同类型的设备，AI提供的价值差异很大：对于头显和有线XR眼镜，AI主要用于“应用内”操作，与AI PC、AI手机无异；对于XR单目眼镜和AI眼镜，AI充当生活助理，但实际感知用处有限[18][44] - 目前所谓的“AI硬件”缺乏特别成功的案例，以Ray-Ban Meta为例，其市场成功主要归因于时尚外观、拍摄和收听功能，AI功能反而最无关紧要[20][46] 市场成功案例与未来展望 - 当前阶段取得市场成功的个例，如理想Livis和Meta Ray-Ban（不带显示款），共同点在于把“眼镜”本身（佩戴体验、外观）做得很好，而非技术堆叠[22][48] - Ray-Ban Meta的成功被视为说服用户将设备戴在头上的“初始形态”，押对了市场切入点，但无人认为它是智能眼镜的最终形态[20][46] - 智能眼镜在很长一段时间内不太可能实现轻便、高续航、视效好、AI强的全能形态，因此其目标并非替代手机，而是争取与手机共存[22][48] - 行业尚未给出“什么设备能真正替代手机”的准确答案，智能眼镜的未来取决于厂商能否尽快结束混乱的尝试阶段，明确回答“智能眼镜是什么”的问题[24][50]

公司核心AI战略与年度表现 - 公司在2025年通过一系列里程碑式发布，成功扭转了此前在AI大模型领域“掉队”的舆论印象，证明其AI能力已从聊天机器人进化为能写代码、做科研、攻克科学难题的“合作伙伴”[1] - 公司展现了强大的“系统性工程能力”，在算力、模型、应用各层面实现突破，利用其全栈生态完成了补课与追赶，在AI竞争转向产业链落地的下半场展现出核心竞争力[51] AI模型进展 - **旗舰模型Gemini 3**：于11月正式发布，被视为公司目前的巅峰之作，在模型推理、多模态理解及运行效率上实现实质性跨越[10] - **逻辑推理**：Gemini 3 Pro在Humanity‘s Last Exam测试中取得37.5%的准确率（无工具），使用搜索和代码执行后提升至45.8%[12] - **数学能力**：在MathArena Apex测试中以23.4%的准确率刷新纪录[10] - **多模态理解**：在MMMU-Pro测试中达到81.0%的准确率[12] - **代码能力**：在LiveCodeBench Pro测试中获得2439的Elo评分[12] - **高性价比模型Gemini 3 Flash**：于12月发布，其综合质量超越前代Gemini 2.5 Pro，但成本大幅降低，输入价格为每百万token 0.50美元，输出价格为每百万token 3.00美元[13][14] - **开源模型Gemma 3**：实现从纯文本到多模态的转型，成为开发者在本地部署高性能AI的首选工具之一，特别是8月发布的Gemma 3 270M参数模型，以极小规模提供超高效率[15] 硬件与算力突破 - **第七代TPU Ironwood**：于4月发布，专为推理时代设计，单芯片内存带宽达7.2 TB/s，显存容量达192GB，峰值计算能力达4614 TFLOPs[33] - **集群算力**：每个Pod扩展至9216块芯片时可提供42.5 exaflops的AI算力，远超全球最快超级计算机El Capitan的1.7 exaflops[33] - **生产目标**：计划到2027年实现年产500万颗TPU的目标，已获得如Anthropic等客户超过100万颗的预订[34] - **量子计算**：Quantum Echoes（量子回声）算法于10月登上《Nature》，在量子处理器上实现首次可验证的量子优越性，能以比最快超级计算机快13000倍的速度解决特定问题[31] 产品与应用重构 - **AI Agent与协作**：推动AI从辅助工具向“核心效能”跨越，通过在全线产品注入Agentic能力，重新定义人机协作[18] - **软件开发**：11月发布的Google Antigravity将开发流程从“工具辅助”升级为“智能体协作”[18] - **搜索**：3月扩展AI Overviews并引入全新AI Mode，重塑信息获取与处理方式[20] - **硬件终端**：8月发布的Pixel 10深度整合AI原生功能，成为最智能实用的手机[20] - **研究助手**：11月NotebookLM加入Deep Research功能，进化为专业级智能研究助手[20] - **创意生成与媒体** - **视频生成**：5月发布的Veo 3首次实现原生音频生成，终结AI视频“默片时代”；10月Veo 3.1版本提升物理一致性并强化“首尾帧控制”功能[22] - **图像生成**：8月Nano Banana以高指令遵循能力解决细节丢失问题；11月Nano Banana Pro引入“深度思考”模式，实现高保真文字渲染与专业级构图[23] - **机器人技术** - **Gemini Robotics**：3月推出，通过融合视觉、语言和动作模态，首次实现“感知-决策-动作”全闭环操作[37] - **Gemini Robotics 1.5**：9月发布，初步具备类人思考规划能力，通过ER模型与VLA模型协作[37] - **边缘部署**：6月发布Gemini Robotics On-Device，让VLA模型完全离线运行在机械臂和人形机器人上，并配套开放SDK[39] 科学研究突破 - **生命科学与医疗** - **AlphaFold**：迎来五周年，已为超过2亿个蛋白质预测结构，助力全球300多万名研究人员，并因此荣获2024年诺贝尔化学奖[26] - **AlphaGenome**：发布基因组理解模型，可同时处理多达1兆碱基对的高分辨率DNA序列[28] - **DeepSomatic**：利用卷积神经网络以极高精度识别癌症相关遗传变异，助力精准医疗[28] - **Cell2Sentence-Scale 27B**：基于Gemma的270亿参数模型，用于单细胞分析，帮助发现新的潜在癌症治疗途径[48] - **数学与逻辑推理** - **Gemini Deep Think**：在第66届国际数学奥林匹克（IMO）中以35分（总分42分）达到金牌表现，解决6道难题中的5道[29] - **Gemini 2.5 Deep Think**：在2025年国际大学生程序设计竞赛（ICPC）总决赛中达到金牌水平，在12道题目中解出10道[29] - **科学发现工具** - **AlphaEvolve**：基于大模型的编程智能体，用于寻找和验证理论计算机科学中的复杂组合结构，在验证过程上实现1万倍加速[28] - **AI co-scientist**：基于Gemini 2.0构建的多智能体协作系统，能独立生成研究假设、设计实验方案并撰写研究提案[29] 世界模型与模拟 - **Genie 3**：被视为世界模型的新高峰，首次将实时交互、长期一致性和语言可控性合成在同一个生成式系统中[41] - **性能**：以每秒24帧、720p的边生成边交互方式运行，具备长达几分钟的空间记忆[41] - **意义**：有望成为智能体训练环境、内容生产工具及科学模拟沙盒，为通往通用智能提供可交互、可长期演化的模拟路径[42] 社会影响与垂类应用 - **气候**：洪水预警系统已覆盖150个国家、20多亿人口；天气预报模型WeatherNext 2速度是以前的8倍，可做到按小时预测[45] - **教育**：在Gemini AI中推出“Guided Learning”功能，通过提问、步骤讲解等方式帮助深入理解知识；打造融入学习科学原理的生成式AI模型LearnLM；基于Gemini增强翻译与实时语音对话翻译能力[52]

公司动态 - Waymo将更新其自动驾驶软件 以更好地应对类似旧金山大规模停电的情况 旨在减少多辆车辆需要人工接管时的延误 [1] 技术发展 - 软件更新将提升自动驾驶系统在特定城市运营场景（如大规模断电）下的管理能力 [1]

更倒霉的是，有时候验证码还会被手机管家当成垃圾短信拦截，翻半天才能找到。 没想到，人类快被小小验证码折腾得怀疑人生了。 你有没有过这样的经历：着急登录APP，却迟迟收不到验证码；好不容易收到了，刚输完就提示"验证码已过期"； 换成人脸识别，对着屏幕调整了N次角度，张嘴、眨眼、摇头、点头...像智障一样一顿操作之后，却等来了一句： "刷脸失败次数过多，请明日再试。" 这不是你一个人的噩梦。 每天，全球几亿人都在重复类似的操作：登录社交账号要验证，打开软件验证，就连出停车场都得输入验证码，证明"自己不是机器人"。 有数据统计，全体人类每天约耗费50万小时在输验证码上，而一个人80岁的人生总时长也不过约70万小时。 无数人把时间和脑细胞都耗在了这场"人机考试"里。 这个原本为了保护网络安全而生的小工具，如今早已变成了折磨人的"数字酷刑"。 最近巨头谷歌更是被曝出，从验证码收集到的数据中获得的价值更是近8980亿美元。 最糟心的是，当初为了区分人类和机器设计的验证码，现在却把人类逼得抓耳挠腮，而真正的机器反而能轻松破解。 这场持续了25年的人机攻防战，到底是怎么走到今天这步田地的？ 被逼疯的验证码，到底是怎么诞生的？ ...

核心观点 - 三家顶级对冲基金经理在第三季度同时增持了Meta Platforms和Alphabet的股票 这些基金经理在过去三年均跑赢标普500指数 其持仓动向具有参考意义 [1][2] - 文章认为Meta Platforms在数字广告和智能眼镜领域占据优势地位 并通过人工智能强化其网络效应和广告变现能力 其增长前景和估值具有吸引力 [4][5][8] - 文章指出Alphabet作为全球最大的广告技术公司 正利用人工智能提升其核心搜索和YouTube业务的变现能力 同时其云业务和Gemini AI助手展现出强劲的增长势头 [9][10][12] Meta Platforms 分析 - **市场表现与估值**：年初至今股价上涨13% 市值达1.6万亿美元 华尔街预计未来三年每股收益年增长率为17% 基于29倍的市盈率 估值合理 分析师中位数目标价为842美元 较当前股价有27%上行空间 [1][8] - **核心业务优势**：公司在数字广告和智能眼镜两个行业占据强势地位 拥有四大最受欢迎社交媒体中的三个 是全球第二大广告技术公司 同时在新兴的智能眼镜市场占据先机 2025年上半年占智能眼镜出货量的73% [4][6] - **人工智能驱动增长**：公司利用从定制半导体到专有大语言模型的人工智能技术 提升其社交媒体平台的用户参与度和广告转化率 人工智能推荐系统正在提供更高质量和更相关的内容 增加了用户在Instagram、Facebook和Threads上的停留时间 [5] - **未来愿景**：公司正在开发与增强现实智能眼镜集成的超级智能系统 首席执行官认为眼镜将成为未来的“主要计算设备” 若预测正确 公司有望在2030年代成为消费电子巨头 [6] - **知名基金持仓**：Millennium Management的Israel Englander增持793,500股 Meta为其前十大持仓之一 Citadel Advisors的Ken Griffin增持140万股 Meta为其前十大持仓之一 Coatue Management的Philippe Laffont增持355,000股 Meta为其前三大持仓之一 [7] Alphabet 分析 - **市场表现与估值**：年初至今股价上涨64% 市值达3.7万亿美元 华尔街预计未来三年每股收益年增长率为15% 基于30倍的市盈率 估值尚可接受 分析师中位数目标价为330美元 较当前股价有6%上行空间 [1][13][14] - **核心广告业务**：作为全球最大的广告技术公司 其优势在于通过Google搜索和YouTube吸引用户 公司正利用人工智能更好地将这些网络资产货币化 例如AI Overviews和AI Mode增加了Google搜索的查询量 生成式AI工具帮助YouTube创作者制作、编辑和优化内容 [9] - **人工智能助手Gemini**：公司开发的生成式AI助手Gemini 基于同名大语言模型系列构建 目前拥有超过6.5亿月活跃用户 是仅次于ChatGPT的第二大最受欢迎AI助手 该平台目前尚未销售广告库存 但未来具备该变现潜力 [10] - **云业务增长强劲**：Google Cloud是基础设施和平台服务支出方面的第三大公有云 过去两年市场份额提升了2个百分点 被Gartner评为AI应用开发能力最强的云平台 被Forrester Research评为大语言模型领域的领导者 第三季度总云销售额增长34% 为连续第二个季度加速增长 主要受对其定制AI芯片（TPU）和生成式AI模型的强劲需求推动 摩根士丹利分析师预计2026年Google Cloud收入增长将加速至44% [11][12] - **知名基金持仓**：Millennium Management的Israel Englander增持220万股Alphabet 为其前十大持仓之一 Citadel Advisors的Ken Griffin增持200万股Alphabet 为其前十大持仓之一 Coatue Management的Philippe Laffont增持720万股Alphabet 为其前三大持仓之一 [7]

诉讼事件概述 - 美国《纽约时报》记者约翰·卡雷鲁等6名作家将谷歌、OpenAI、xAI、Anthropic、元宇宙平台和“解惑”人工智能公司共6家科技企业告上法庭 [1] - 指控上述公司未经许可使用受版权保护的书籍训练人工智能系统所依赖的大语言模型 [1] - 诉讼于22日向加利福尼亚州一家联邦法院提起 [1] 涉诉公司及回应 - “解惑”人工智能公司发言人否认指控，称公司从未“索引”书籍 [1] - 其余5家被诉企业（谷歌、OpenAI、xAI、Anthropic、元宇宙平台）暂未就诉讼作出回应 [1] 原告方诉讼策略 - 原告方表示不寻求发起人数更多的集体诉讼，认为集体诉讼可能对被告有利 [1] - 诉状称大语言模型公司不应轻易地以极低价格偿清成千上万项高额索赔 [1] 行业相关先例 - 今年8月，Anthropic曾与发起集体诉讼的一批作家就AI训练中的版权纠纷达成和解协议 [1] - Anthropic同意支付15亿美元以和解相关指控 [1] - 在先前的诉讼中，原告指控Anthropic盗用数百万册书籍的内容 [1]

公司创始人回归与影响 - 谷歌联合创始人谢尔盖·布林和拉里·佩奇在ChatGPT引发AI竞争后回归公司，频繁出现在办公室，并深度参与Gemini项目，此举点燃了内部创业热情并引发资本圈关注[2] - 创始人回归凸显了公司在技术和人才方面的护城河，一位投资人评论“牛人还是希望跟最牛的人在一起”，这同样适用于当前谷歌吸引顶尖人才的环境[2] - 伯克希尔哈撒韦在2024年第三季度开始大手笔买入谷歌股票[2] 创始人的创业历程与早期文化 - 布林在斯坦福读博期间展现了高度的创造力和自由，曾为获取电子钥匙程序而冒险，这种环境为其后来与佩奇合作并创立谷歌奠定了基础[6][9][12] - 谷歌的创业起点源于佩奇对网络链接结构的专注与布林在数据挖掘上的工作结合，他们最初尝试将PageRank技术以160万美元授权给Excite但未成功，最终决定自行创业[18][19][20] - 公司早期带有强烈的学术气质，重视基础研发和长期R&D投入，并招聘了大量博士，这形成了其创新文化的一部分[28][29] 公司的创新文化与技术战略 - 公司文化鼓励尝试和接受失败，并更愿意挑战技术难度高的方向，布林指出最近十年左右，“难的事情”越来越值钱，硬核技术变得至关重要[32][33] - 公司在AI竞赛中曾因投入不足和未足够重视而犯错，例如八年前发表Transformer论文时未全力加码，但长期在神经网络、自研芯片（如TPU）和计算基础设施上的投入构成了深厚的技术积累[36][41] - 公司目前市值约4万亿美元，每分钟处理1000万次搜索，其成功源于早期宏大的使命（如“组织全球信息”）和对硬核技术的信仰[25][27][41] 对人工智能（AI）发展的看法 - AI领域竞争激烈，创新速度惊人，美国和中国最顶尖的公司都在全力投入，如果一个月不关注AI新闻就会明显落后[41][42] - AI的未来发展存在不确定性，关键问题不仅是能否做到人类能做的一切，更在于能否做到人类做不到的事情，即“超智能”问题[43][44] - AI目前是强大的人类能力放大器，能辅助完成从产品构思、艺术创作到专业领域咨询（如芯片设计、健康问题）等多种任务，建议个人一定要积极使用AI为自己服务[46][47][53][54] 对人才、教育与创业的建议 - 对于学生专业选择，布林认为不应因为AI能写代码而放弃学习计算机科学，因为编程能力对开发更好的AI至关重要，且AI在创意文本工作上可能表现更强[55][57] - 给年轻创业者的具体建议是：避免过早将不成熟的产品推向市场，谷歌眼镜是一次教训；应将想法彻底打磨成熟后再启动外部加速，以免被外部期待和开支压力逼迫动作变形[63][64] - 关于学术界与产业界的关系，布林认为对于一些激进、底层的新技术（如量子计算的全新路线），可能仍需在学术环境中“养一养”，但产业界也在进行大量基础研究，未来两者分工可能重新配比[60][61][62] 被低估的技术领域与个人洞察 - 当被问及被低估的新兴技术领域时，布林认为AI在材料科学上的应用（以及未来可能的量子计算）是一个方向，莱文和詹妮弗补充认为合成生物学和分子科学领域的变革也被低估[7][72][73][74] - 布林分享其个人经历，包括从苏联移民到美国的艰难转变以及在斯坦福获得的自由，这些经历帮助他打破自我设限，相信令人不适的变化常会带来更大机会[75][76][77] - 对于“好的人生”，布林认为关键在于享受生活与创造，珍惜家庭，并持续接受智力挑战，保持创造输出，他坦言提前退休尝试学习物理的决定很糟，回归工作参与Gemini项目让他感到兴奋[78][79][80]