英伟达收编 Groq 之后：更强的系统，不会更轻
如果英伟达真的把 Groq 纳入版图，它得到的会是一层更重的系统能力与分发控制。交易的意义更接近补齐结构，重点落在异构 AI 工厂的整编，重资产方向本身并不会改写。
- 2025-12-24 公布的是非独家技术授权，英伟达刻意规避了最重的组织整合风险。
技术沉思、行业观察与人物线索，都收在这里。
这里汇总的是 Freelemon 的长文。现在列表页不再只有单一时间线，而是把搜索、标签和专题阅读放到同一层里： 技术沉思 偏系统、方法与工程判断， 访谈 偏一手观点整理与人物表达， 行业观察 偏竞争格局、平台变化与商业判断。
YC W26 项目追踪
把 27 家 W26 Agent 相关公司拆成结果型 Agent、医疗、基础设施、Physical AI 和长周期研究赌注五层来看，避免继续把完全不同的项目混成一个口号。
Latest Archive
AI 创业 文章归档
这里保留 AI 创业 标签下的时间线。专题区负责导读，这里负责完整归档和顺序回看。
Arm 做 AI 芯片了吗：边界比口号更重要
Arm 的动作很容易被读成全面下场做 AI 芯片，但更准确的判断是：它在试图沿着设计、平台与定制化能力继续上探，却还没有变成另一家以整卡和整机为核心的基础设施公司。
- Arm 的转型沿着 IP、CSS、Total Design 到自有硅产品逐层上移，不是临时起意的跨界动作。
05｜YC W26 长周期赌注：研究型公司的时间尺度
CellType、Polymath 和 Ndea 代表的不是同一种 AI 创业，而是三种更长周期的技术押注。评估它们，不能只问今天有没有收入，更要问科学路径、资本结构和下一轮验证点。
- CellType、Polymath 与 Ndea 的共同点不是都很前沿，而是都更依赖长期研究正确性而不是短期销售效率。
04｜YC W26 Physical AI：机器人项目如何穿过部署现实
机器人叙事最容易被 demo 放大，真正决定成败的却是部署、单位经济、数据闭环和现场复杂度。这一批公司值得看，但必须按比 SaaS 更重的现实标准来判断。
- 机器人应用层最先成立的地方，往往不是通用 humanoid，而是单场景、高 ROI、流程极痛的工业与农业动作。
03｜YC W26 Agent 基础设施：谁在争下一层控制点
Agent 基础设施会热，但热不等于都能长成平台。真正需要追问的，是身份、运行时验证、编排、监控和支付之中，哪几层站在动作执行与价值流转的关键入口上。
- 最值得重视的控制点，是 orchestration、runtime action validation、identity governance 和 payment rails。
02｜YC W26 医疗 AI：同一标签下的四条兑现路径
医疗 AI 最容易被一句话讲乱。行政自动化、患者前端、临床辅助与长期管理看上去都在用模型，商业节奏、监管压力和兑现方式却完全不同。
- 最接近真钱的医疗 AI，往往先发生在前台、计费、排班与保险环节，而不是最宏大的临床叙事。
01｜YC W26 收入型 Agent：谁最先逼近真钱
这一组公司最值得看的，不是 agent 叙事本身，而是它们已经切进愿意持续付费的工作流。判断它们的关键，不是模型炫技，而是交付质量、替代强度和留存路径。
- 结果型 Agent 的关键不在于会不会自主规划，而在于客户愿不愿意按结果持续付费。
00｜YC W26 Agent 创业地图：27 家公司该怎么分层
这组稿件不把 YC W26 的 Agent 项目混成一个总口号，而是按结果型产品、医疗、基础设施、机器人和长周期研究五个框架重排。真正重要的不是谁最像 AI 员工，而是谁占住了预算、控制点与时间窗口。
- 最应该优先看的，是已经切进结果付费工作流的公司，而不是口号最响的通用 Agent。
04｜下一波 AI 大公司，为什么可能出在 Agent 层
模型公司当然重要，但下一波真正贴着用户、贴着任务、贴着业务结果长大的 AI 公司，未必还是卖模型的人，更可能是把模型、工具、工作流和场景绑在一起卖结果的人。这正是 swyx 这篇最值得抓住的判断。
- Model Labs 和 Agent Labs 的重心不同，一个更偏模型能力，一个更偏任务结果与系统编排。
张小珺 AI 访谈地图：这组文章最适合怎么读
这不是一篇普通目录，而是一张读法地图：张小珺的 AI 访谈已经足够多，真正重要的不是把所有标题抄一遍，而是先分清哪几张桌在说话，再决定自己该从哪里进入。
- 这组索引的目标不是列全标题，而是先给出一张能导航的地图，让不同背景的读者有不同进入路径。
张小珺 AI 访谈的另一半：研究者、创业者与投资人的那张桌
如果前几篇写的是做模型的人和做 Agent 的人，这一篇写的是张小珺 AI 访谈里另一半更杂、更关键的角色：前沿研究者、垂类应用创业者、账上有钱却还在找方向的人，以及不断给行业泼冷水的投资人。
- 姚顺雨把讨论从模型参数拉回人与系统的边界，他关心的不是单点能力，而是 AI 下半场如何重做世界。
从张小珺的 AI 深访里，看清中国大模型创业到底在争什么
把杨植麟、王小川、李开复几场最关键的对谈放在一起看，会发现中国大模型创业真正争的不是一时融资、榜单或估值，而是 AGI 北极星、技术与场景的咬合、推理成本和产品入口怎样同时成立。
- 杨植麟把问题拉回长期主义：用户规模和模型规模要一起扩张，应用不是附属层，而是验证 AGI 路线的必要环节。
罗永浩对谈闫俊杰：MiniMax、模型竞争与中国 AI 的第三条路
这期对谈里，闫俊杰反复强调的不是某个模型又涨了多少分，而是中国 AI 公司必须在资源差距、产品定义和组织方法上同时找到自己的路：把模型当产品本体，坚持多模态和 AGI 方向，用第一性原理做技术判断，再把能力交还给更广泛的普通用户。
- 闫俊杰把“模型即产品”讲得很彻底，应用在他这里更像能力分发和反馈回流的渠道。
AI 创业企业商业模式与成长性：一份投资视角备忘录
这不是一篇泛泛的行业热文，而是一份只保留可核验样本的投资视角备忘录。我更看重收入可见性、毛利修复路径、资本强度、分发控制力和估值张力，而不是谁在社交媒体上更热。
- 我当前最看好的不是最热闹的消费 AI，而是能直接嵌进企业工作流、拿高 ARPU 的公司。
AI 创业公司，真正跑得出来的商业模式
从公开财报、招股书和研究报告看，AI 创业公司最稳的生意，往往来自把模型能力、分发入口和高价值工作流绑成一体，最后沉淀成可复制收入结构与持续付费闭环。
- 企业工作流型 AI 最像长期软件生意，收入质量和留存通常强于纯模型 API。