范凯说 AI · 周日晚聊 第25期：SpaceX 600 亿买下 Cursor、Google 人才大出血、DeepSeek 500 亿融资与企业智能体的机会

AI直播SpaceXCursorGoogleDeepSeek企业智能体知识图谱

开场

今天是第 25 期。又过了一周，时间真的过得飞快——这也意味着整个 2026 年快过半了。

最近这一周 AI 行业的新闻密度非常高，我主要从三条线来讲。

第一条还是编程 Agent 入口的争夺。SpaceX 上市之后股价涨得很快，市值已经超过 2 万亿美元，最高的一天甚至冲到了上市公司排名第三，仅次于英伟达和 Google。然后它正式向 Cursor 发起了 600 亿美元的收购要约，通过换股的方式直接拿下，正式加入了编程智能体的大战。

第二条是 Google 在最近一段时间的大出血——四位顶级人才接连流失。

第三条是国内。DeepSeek 完成了 500 亿人民币的融资，其中梁文锋自己就投了 200 亿，为的是保住对公司的控制权。另外智谱的 GLM5.2 推出后口碑很好，很多人说它的编程能力已经追上了 Claude 的 OPAS——到底有没有追上，这也是今天值得探讨的一个话题。

最后，我还想分享一下这周在杭州拜访企业服务朋友后的一个强烈感受：很多做一线业务的人对"智能体"的理解，和今天实际能做到的事情之间，存在一个巨大的信息差——而这个信息差，就是机会。

编程工具实战：Codex 的录屏生成技能，真的好用

正式讲新闻之前，先聊聊编程工具，因为这周有个新功能值得专门说一下。

Codex 其实分成两块：一块是终端里用的 CLI，另一块是桌面端的 App。现在这个 App 的功能非常强，最近刚推出了一个叫 Record and Replay 的功能——你打开它之后，它就开始录屏，把你在电脑上的一系列操作录下来，然后自动帮你把整个操作流程写成一个 skill（技能）。之后你就可以反复调用这个技能了。

这个功能特别有用。举个例子，发布微信公众号文章是一件很麻烦的事，因为公众号有各种反自动化机制，你很难把它流程化。但有了 Record and Replay，你把发布公众号的整个流程录一遍，它就变成一个技能；下次你只要调用一次，内容全都帮你填好了，剩下的就是你扫码授权、点发布。

它背后用了两个东西：一个是 computer use（操纵电脑的能力），一个是多模态能力（对每一帧录屏做截屏分析）。本质上是帮你写 skill。如果你自己很强、能手写 skill，当然没问题；但对大多数人来说，用它这个功能还是很方便的。基本上常规桌面端的自动化工作，它大部分都能搞定了。（注：这是最新版 Codex App 才有的功能，记得更新到最新版本，在插件页里找。）

另外 Codex 现在还支持 remote 远程访问：你可以从笔记本远程连到工作站上的 Codex，也可以通过手机上的 ChatGPT App 远程使用工作站上的 Codex。这样不管是手机还是桌面，你都能在不同设备、任意场景下保留同一个会话，让那台 Codex 去操纵浏览器、操纵桌面做自动化。

所以我的判断是：如果是终端使用，Claude Code 还是最强的，我自己对比下来比 Codex 好用一些；但桌面 App 这一端，Codex 现在真的很强，某种程度上有点反超 Claude 了。

关于封号怎么办——我在会员网站（fankaishuo.ai）上专门写了文章，教你怎么通过 Apple ID 下载 Claude、用苹果礼品卡充值，再配一个海外手机号和固定 IP，大多数情况下都能解决封号问题。至于"7 月要上人脸验证"的传言，我觉得基本不会全面铺开：人脸验证工作量太大，目前只针对它判定为高风险的账号（比如短时间大量访问、IP 反复跳、多人共用）。正常使用没问题。

第一部分：本周 AI 新闻

新闻一：SpaceX 上市四天，600 亿美元全股票买下 Cursor

6 月 12 号 SpaceX 上市，仅仅过了四天，马斯克就宣布以 600 亿美元全股票的方式收购 Cursor 的母公司 Anysphere。

600 亿很夸张。Cursor 是 2022 年成立的，到 2026 年也就四年时间，是四个 MIT 的同学一起做的。一个大学生项目，创业四年就卖了 600 亿美元。

而且它的增长很恐怖：今年 2 月年化收入 20 亿美元，到 6 月已经涨到 40 亿美元，四个月翻一倍。在整个软件历史上，这个增速也极其罕见。虽然 Cursor 现在的风头不如 Claude Code 和 Codex，但增速摆在这。

收购完成后，SpaceX 市值最高冲到 2.94 万亿美元，接近 3 万亿，一度超过微软成为全球第三大公司。我上一期就说过 SpaceX 大概率会成为全球市值最高的公司，才过了一周它就从第六七名跳到了前三。我不认为这个名次能一直保持，但要看到：SpaceX 通过收购 Cursor，正式加入了 AI 模型和 AI Agent 最顶级的竞争。

为什么这件事重要——模型和 Agent 的数据飞轮

今年年初 SpaceX 和 xAI 合并了，有了 Grok 大模型，还有自己的超级数据中心。但我前面几期一直在强调一个判断：从 2026 年开始，AI 时代已经进入第二个阶段。

第一个阶段是从 ChatGPT 出来到 2025 年上半年，大概三年，所有模型厂商竞争的是"怎么更好地回答人类的问题"。第二个阶段从 2025 年底、2026 年初开始，重心已经迁移到"怎么更好地跑一个 Agent"。

为什么？因为回答人的问题，context 不需要很长——你一口气说一两千字也就几 K。但跑 Agent 不一样，一次任务背后可能有几百上千次工具调用，工具输出的结果都要进 context 再处理，context 急速放大。去年我们说 32K、64K 就够好了，最近一年很快从 128K、256K 涨到现在主流的 100 万上下文——Claude OPAS、DeepSeek、小米 MeMo、智谱 GLM 都上了 100 万。我自己实际用下来，256K 跑着跑着就满了要压缩，基本上 100 万才够用。

所以这就形成了一个飞轮：模型更好地支持 Agent → Agent 更强 → 更多用户 → 收集到更多 Agent 训练数据 → 反过来升级模型。

最早跑通这个飞轮的是谁？是 Claude——Claude Code 真正开创了 Coding Agent 这条赛道。第二家跟进的是 OpenAI，它一看落后了，就砍掉 Sora 和很多分支项目，集中资源押 Codex，现在 Codex App 在很多方面追上来了，而且对普通人来说易用性甚至好于 Claude Code。落后的是谁？是 Google Gemini。Google 也花了几十亿收购 Windsurf，改名叫 Antigravity（反重力），但彻底拉垮，Agent 能力很差。

所以现在的格局：第一梯队是 Claude 和 OpenAI（GPT5.6 据说也快发布了），第二梯队是 Gemini 但越来越往后，第三梯队是 Grok——Grok 有希望，因为 SpaceX 收了 Cursor，Grok + Cursor 未来可能形成协同，而且 Grok 最不缺算力，囤算力囤得最狠的就是马斯克的 SpaceX。

这再次验证了我的判断：编程 Agent 是 AI 时代最重要的入口之一，所有巨头都在抢——连 Meta 都推出了自己的 MetaCode，虽然还比较拉垮。

新闻一·延伸：GLM5.2 真的追上 Opus 了吗？

这里顺便回答大家一直在问的问题。GLM5.1 口碑就很好，5.2 更是口碑炸裂，很多编程评测说它已经达到了 Opus 4.6 到 4.8 的水平。是不是意味着 GLM 已经完全赶上了？

在 X 上有人问马斯克 GLM 什么时候能追上 Opus 和 Mythos（Anthropic 最前沿的模型），马斯克回帖说估计明年一季度，也就是半年后。GLM 创始人唐杰教授直接回了一句"也许用不了那么久"，非常自信。

但我的判断是：还有很大差距。

GLM5.2 实际上走了一条捷径——它把整个后训练（强化训练）几乎纯粹地往 Coding Agent 上去优化。所以你可以理解成，它本质上是一个为编码智能体特意优化的模型，编程能力确实长足进步。

但代价是通用能力的弱化。第一，它不是多模态的，不支持读图片，那你应用在前端开发上就不行；第二，带界面的东西它没办法做可视化验证；第三，如果你的编程任务本身是个综合性的复杂任务，它就吃力了。

打个比方，就像中考只考三门——它数学能考 90 分以上，但语文、英语压根不复习、放弃了。它是个偏科生。

而顶级模型追求的是通用能力：Coding、多模态、长程任务、复杂任务、deep research……方方面面都要强，相当于高考要考五门七门、追求总分。所以你不能因为它编程单项突出，就说它追上了 Opus。

这里我要澄清一点：GLM 不是为了拼评测分数去堆参数，它是真心想提高 Coding Agent 的能力，这是可喜的。但我们不能因为它编程强，就盲目自大地认为国产开源模型已经追平了全球顶级模型——那是夜郎自大。哪怕是写代码开发实际项目，那也是个综合性任务，光写代码单项强，并不能真正把任务完成好。

国内的形势其实和国外一样：真正模型做得好的反而不是大厂，而是专门做模型的公司——智谱 GLM、Kimi（现在是 2.7）、DeepSeek 跑在最前面，它们现在也都在开发自己的 Coding Agent。反倒是腾讯混元、阿里千问、字节豆包这些大厂模型相对弱一些。原因和 Google 一样：对大厂来说 AI 这条业务线营收占比还很小，AI 战略要服从于公司整体营收，跑不快。但未来 AI 才是这个行业最大的变量，单纯跑 AI 的公司很可能冲到最前面，大厂反而会往后掉。

新闻二：Google 人才大出血——四位顶级人物接连出走

这周 Google 连续遭遇重击，密集流失了四位重量级人物。

第一位，Noam Shazeer（诺曼·沙泽尔）。 他是 Google DeepMind 的副总裁、Gemini 的联合技术负责人。6 月 18 号他宣布离职。

他是 2017 年那篇改变世界的论文《Attention Is All You Need》八位作者之一，也是其中唯一还留在 Google 的人——现在他也走了。他不光是 Transformer 的作者，还是 MoE（混合专家模型）那篇论文的第一作者。

MoE 有多重要？现在前沿主流模型都是万亿参数了，比如 DeepSeek V4，传说 Claude 已经到了 10 万亿参数。但万亿参数推理时计算量太大、速度太慢。解决办法就是 MoE：把参数分成不同的区，每次推理只激活其中一部分。比如我自己在 Mac Studio（128GB 内存）上部署的千问 35B 模型，每次推理实际只激活 3B 参数，速度就快很多、资源消耗也小很多。你要是跑一个同等规模的稠密（Dense）模型，比如千问 27B 全参数，那就巨慢，根本没法驱动 Agent，必须用 MoE。现在你用的所有顶级万亿参数模型，背后基本都是 MoE。可见 Noam 对大模型前沿探索的贡献有多大。

他的经历也很有戏剧性：2000 年就加入 Google，2020 年做出一个对话机器人产品但 Google 没让发布，2021 年愤而离开创办 Character.AI。2024 年 8 月 Google 又花 27 亿美元把他（和团队）买回来——结果不到两年，他又走了，而且直接去了竞争对手 OpenAI。Sam Altman 说："Noam 是我从 OpenAI 成立第一天起就最想合作的人，现在这件事终于梦想成真了。"

这就是顶级专家在用脚投票：他不差钱（自己公司都卖了 27 亿），他要的是 Google 没能提供的空间。

第二位，John Jumper。 2024 年诺贝尔化学奖得主，AlphaFold 的负责人——用 AI 预测蛋白质结构，把整个生物科研领域往前推了一大步。他在 Google DeepMind 工作了近 9 年，现在离开加入 Anthropic，去做 AI for Science。他说这是个艰难的决定，但他认为 Anthropic 才是能让他用 AI 真正推动科学发现的地方。

又是一个用脚投票的——一个跑去 OpenAI 推动大模型前沿架构，一个跑去 Anthropic 用 AI 推动科研。而且去 Anthropic 做科研方向的还不止他，之前 Andrej Karpathy 也去了 Anthropic 做 O2 Research。Google 这边就很惨，已经用脚投票说明了 Gemini 至少往后落了。

第三位，David Silver。 AlphaGo 和 AlphaGo Zero 背后的首席研究员。2016 年 AlphaGo 横空出世，宣告强化学习取得重大突破，这也是大众最早意识到"AI 能战胜人类"的标志性事件。后来 AlphaGo Zero 不用人类棋谱、纯从零自学。他离开 Google DeepMind 后选择自己创业。

第四位，Addy Osmani。 负责 Gemini 的开发者体验，在 Google 干了 14 年。他之前主要贡献是 Google Chrome 浏览器的 DevTools——开发者每天调试网页的工具。我们现在能让 Agent（比如用 Claude Code 配插件）更好地操纵 Chrome 浏览器，背后用的就是 DevTools。他也宣布离开了。

为什么这件事严重

短短几周，Google 的技术负责人、AlphaFold 负责人、AlphaGo 负责人、Gemini 开发者体验负责人——这些核心方向的负责人全走了。这不是普通的人才流失，是核心资产的集中流失。

而且他们的去向是分散的：有的去 OpenAI，有的去 Anthropic，有的创业，有的还没公布。他们不是被某一家定向挖角，而是四散各找各的方向——这说明问题出在 Google 自己身上。

我的判断

Google 的 AI 战略存在严重的路线摇摆，我觉得有两个层面的原因。

第一个层面是产品战略拖后腿。Google 这么大的产品体系，AI 战略要服从于公司整体营收——它主营是搜索、云（GCP，增长很快）、广告、YouTube，AI 这条线营收占比还很小。所以它不像 OpenAI、Anthropic 那样能 all in、跑得飞快。它花 24 亿收购 Windsurf 做的 Antigravity 很烂，大家抱怨它弱智，最后还是回去用 Claude Code。Google 更多是把 AI 和自己的产品结合——Docs、Drive、Gmail、Notebook LM，这些做得确实不错，但它错失了 Agent 这条主赛道，明显落后了。

第二个层面，我觉得跟 Gemini 的负责人、CEO 戴米斯·哈萨比斯（Demis Hassabis）有直接关系。他是英国人、剑桥高材生、从小是国际象棋神童，智商极高，本质上是个科学家。科学家的兴趣点不在工业能力的比拼（比如卷 Coding Agent），而在"怎么用 AI 造福人类、在科研上取得前沿突破"——你看他的访谈，关注点大多在 AI for Science 这种前沿探索上。这本身是不错的路。但现在 AI 行业进入刺刀见红的搏杀阶段，如果不能把 Agent 的基础设施搭好，一味想用 AI 去做科研任务，Agent 时代的窗口可能就错过了。

落后的结果就是：做底层架构研究的人跑了（Noam），想用 AI for Science 推动科研发现的人也跑了（Jumper，因为他要去 Anthropic 那种更纯粹的环境）。最大的问题是 Google 没有真正 all in AI，没有把 AI 模型和 AI Agent 放在整个业务的最前沿。而顶尖研究者，永远会去最能发挥他空间的地方。

当然 Google 不会完蛋——它的搜索、GCP 云业务、YouTube 都还很强。它的问题是战略上的摇摆。

新闻三：DeepSeek 500 亿融资——梁文锋拿了所有人的钱，但谁都别想指挥他

6 月 16 号，DeepSeek 完成首轮外部融资，总额超过 500 亿人民币，估值超过 4000 亿人民币（相当于让出约 20% 股权），成为中国估值最高的未上市 AI 创业公司。

出资方很豪华：梁文锋自己掏 200 亿，腾讯投了 100 亿，宁德时代、京东、网易、IDG 各投 30 亿，国家 AI 产业基金跟投 10 亿。

但真正有意思的是融资架构。除了国家 AI 产业基金那 10 亿，其他所有投资者——腾讯、宁德时代、京东、网易、IDG——都不是直接投 DeepSeek，而是把钱投进一个由梁文锋管理的有限合伙企业（持股平台），通过这个平台间接持股。这意味着什么？他们虽然投了钱，但没有董事会席位、没有任何投票权，纯财务投资人。而且还有一个霸王条款：五年之内不能卖、不能退出。

通过这个结构，梁文锋的投票权接近 100%，实际可控股权达到 84%。唯一的例外是国家 AI 产业基金——它只投了 10 亿（占比极低，约万分之二十五），但直接持股 DeepSeek、拥有投票权，且不受五年锁定期限制。

我的判断

第一，这笔融资的核心目的，其实不是缺钱——梁文锋自掏 200 亿，真金白银，他是个不差钱的亿万富翁，纯粹为了实现理想、按自己兴趣做事。这一点我特别羡慕他：当你实现了财务自由之后，人最高的追求就是按自己的理想和兴趣做事。

那融资为了什么？为了挽留人才。有了一轮市场化融资，DeepSeek 的股权就有了市场定价，员工手里的股权就有了锚定——大家有了纸面财富，就不容易被挖走了。否则国内这么多人拼命挖他的人，DeepSeek 扛不住。所以这是一次"用融资定价来锁住人才"的操作，同时梁文锋一点控制权都没让出去。

第二，国家大基金那 10 亿很有意思。占比小到可以忽略，但它要的不是钱，是一张椅子、一个投票权。说白了，DeepSeek 已经变成了国家的战略资产——在中美 AI 竞争的大背景下，中国政府要确保最顶尖的 AI 公司不脱离国家战略，但又不能管得太死扼杀创新。10 亿直投加投票权，就是一个巧妙的平衡：存在感有了，但不足以干预具体决策。这相当于 DeepSeek 明确站队、有了国家队的背书，成了中美 AI 竞争里最重要的一根支柱——类似华为、宇树科技、大疆、比亚迪那种"新质生产力"在各自领域的旗帜。

至于有人问 DeepSeek 会不会用于国防——我没有这方面消息，个人判断不一定，国防可能更多交给华为的盘古。DeepSeek 还是一个研究型公司。

补充一个生产环境的实战观点：自己做开发研究，当然用最顶尖的 Claude、GPT 最好。但真正跑生产环境、大量消耗 Token，GPT 和 Claude 只有不差钱的主才用得起，一个月轻松上千美元。所以生产环境我还是会用国产模型，现在最便宜的就是 DeepSeek V4——它把模型价格整个打下来了，利润做得极薄、贴着成本线，一个月敞开用可能也就几十到一两百人民币。量大管保，一点都不心疼。所以我也希望 DeepSeek 能做好，真的是造福人类。

第二部分：个人感想——两代智能体的认知差，和企业智能体的机会

这周我在杭州拜访了几个做企业服务的朋友，都是各领域的老手。聊完之后我发现一个巨大的信息差。

我说"智能体"的时候，指的是 Claude Code、OpenClaude、Hermes 这类通用 Agent——你给它一个目标，它能全自动地调用工具、反复尝试，最后帮你把任务跑通。但我发现，很多做一线业务的人，对智能体的理解还停留在上一代——也就是 Coze、Dify、n8n 这类平台。

这两代的差别在哪？上一代你要跑一个工作流，得自己把每一步画出来：第一步干什么、数据进来是哪几个参数、出去是哪几个参数、下一步怎么处理……整个流程图你自己画。新一代不是这样——你只给它一个最终目标，它自己去调用工具、反复尝试、把流程跑通；跑通之后，你还可以用 skill 把它固化下来。

我认为上一代这种"手工画工作流"的智能体已经完全过时了。但现实是，很多做智能体解决方案的厂商，还在用上一代基于工作流、需要手工定制的平台，在上面跑各种智能角色。

所以我觉得这里有一个巨大的机会：用最新的通用 Agent 去改造企业的工作流。 过去用 n8n、Coze 做流程改造，是一个极复杂的过程，一条条工作流都要手工配。但现在你只要把业务知识抽取出来，就能让智能体自动帮你跑、帮你写技能、蒸馏知识。

我们天天关注前沿新闻，会觉得自己跟硅谷的信息差不大。但真正落地到国内实际层面——你别盯着头部大厂，去盯那些 IT 能力偏弱的普通企业，你会发现信息差至少差了一年以上。这就是我们作为 AI 创业者可以做的事。对我来说，是脚踏实地从咨询、从解决方案一步步入手。

我下半年想自己开发一个企业智能体平台

为什么要自己做？因为现有的通用 Agent 都不是"企业智能体"：

  • Claude Code、Codex 更适用于编程场景，要操纵你硬盘上的文件；
  • Hermes、OpenClaw 更多定位于个人智能管家。

但真正用在企业上，核心是怎么管理企业的知识，还要实现长程记忆（短期、中期、长期怎么结合），把企业知识内化到智能体里。我的想法是几种手段结合：

  1. 规则性的知识 → 放 Markdown 文档（个人场景够用，但企业知识量一大，每个请求都去读海量 Markdown，效率很低）；
  2. 大量非结构化的知识（规章制度等）→ 做成知识库，用 RAG（向量检索）加载；
  3. 隐性的、高度结构化的业务知识 → 这是关键。RAG 在这里做不好，因为它只是把文档切片做语义检索，无法理解切片之间的关系。

举个最简单的例子：我认识 A，A 认识 B，B 认识 C。如果用 RAG 切片，A、B、C 分别落在不同切片里，你检索时无法理解它们之间的关系。但如果有知识图谱，它建立的是"我→A→B→C"的实体关系网。当我问"怎么跟 C 建立联系"，知识图谱能直接告诉你：去找 A，让 A 介绍 B，B 再介绍 C。问题就解决了。

这也是为什么 Palantir 一直在强调它的 Ontology（本体论）——本质上就是结构化的知识图谱，只是实现方式不同，再加上企业的权限控制、时序相关的管理，形成一整套围绕知识图谱的完善体系。

所以我的判断是：纯粹的知识平台，未来一定要加上知识图谱，才能成为好用的企业知识平台。 完整方案是：Markdown 管规则 + RAG 管非结构化知识 + 知识图谱管结构化知识 + 长程记忆管理 + 自动写 skill + 自动维护知识图谱。而且为了效率，这些信息不该每次请求都去读硬盘文件，应该存进数据库（如果是我做，可能就用 PostgreSQL 统一解决）。让 Agent 去抽取知识图谱、建立实体关系——用 Agent 来建 Agent 需要的知识底座。

目前我没看到一个很成熟的产品在做这件事。要做，要么在 Hermes、OpenClaude（70 万行代码的大项目）上改造——但改这么大的 codebase 很难；要么从头开发，只放自己需要的模块，可能几万行代码就搞定。我倾向于从头开发，一边学习一边做，说不定能做出个不错的东西。

当然这件事优先级不高——优先级最高的还是赚钱。个体创业者得先创造稳定现金流，才有余力去做投入。而且这个方向没有唯一标准答案，关键是快速试错、快速往前推进。我今年下半年会在企业端做很多尝试，我认为 2026、2027、2028 这三年，企业智能体落地、帮助企业做 AI Native 转型，都会有非常大的机会。

本期金句

  • AI 时代已经进入第二阶段：竞争重心从"更好地回答人类问题"迁移到"更好地跑一个 Agent"。100 万上下文，是 Agent 时代的标配。
  • 模型和 Agent 形成了数据飞轮：模型更好地支持 Agent，Agent 更强带来更多用户，更多用户带来更多训练数据，反过来再升级模型。最早跑通这个飞轮的是 Claude Code。
  • GLM5.2 走了一条捷径：把后训练几乎纯粹押在 Coding 上，是个偏科的优等生。但顶级模型追求的是通用能力的总分，不能因为编程单项突出就说它追上了 OPAS。
  • 真正模型做得好的反而不是大厂，而是专门做模型的公司——国内是 DeepSeek、GLM、Kimi。对大厂来说 AI 营收占比太小，战略跑不快，未来反而会往后掉。
  • Google 几周内失去 Transformer 之父、诺贝尔奖得主、AlphaGo 缔造者和 14 年老兵。他们四散各找方向，说明不是被定向挖角，而是 Google 自己出了问题——没有真正 all in AI。
  • 梁文锋自掏 200 亿、投票权接近 100%。这轮融资不是为了缺钱，而是给员工股权一个市场定价的锚，把人才锁住。技术够强，就能拿钱而不交权。
  • 国家大基金那 10 亿买的不是回报，是一张椅子。DeepSeek 已经成了中美 AI 竞争里的战略资产，是和华为、大疆、比亚迪并列的一面旗帜。
  • 生产环境别只盯着 Claude、GPT——量大管保，国产 DeepSeek V4 一个月几十块，造福人类。最顶尖的模型留给做研究开发。
  • 很多人对智能体的理解还停留在上一代（Coze、n8n 那种手工画工作流）。新一代是"给目标，自己跑通"。这个认知差，就是企业智能体落地最大的机会。
  • 纯粹的知识平台，未来一定要加上知识图谱才好用。Markdown 管规则、RAG 管非结构化、知识图谱管结构化、长程记忆兜底——这才是企业智能体真正的核心。这也是 Palantir Ontology 的本质。