1
中国 AI 两周观察：硬件优势真实，软件叙事过热，创投筛选机制在错杀异类
这篇文章最有价值的判断是“中国 AI 的硬件优势比外界想得更硬”，但它对“中国创始人”和“中国软件”的悲观看法明显样本不足、VC 口味过重，结论有启发却不能照单全收。
💡 它先把产业底盘翻出来：AI 竞争并不只是模型好坏，硬件供给、资本偏好和生态筛选机制，决定了谁有资格把故事继续讲下去。
2
TurboQuant：用“去掉隐藏开销”的极限量化重打 AI 成本结构
TurboQuant抓住的不是“怎么再压一点精度”这个老问题，而是“如何消灭量化本身的隐藏内存税”这个真瓶颈；方向很强，但官方把“接近无损”说成“零损失”明显过头。
💡 它把经济账摊开：很多系统不是死在能力上，而是死在隐藏内存税和部署成本上；只要成本结构没被重写，技术优势就很难变成商业优势。
3
Codex 不只是写代码工具，而是 OpenAI 试图吃下工程工作流的入口
这页文档最值得重视的判断是：OpenAI 正把 Codex 从“代码生成器”升级成“可接入、可审批、可治理的工程工作流层”，但官方展示明显偏营销，远未证明它已在复杂生产环境里稳定可靠。
💡 它把终局往前推一步：当模型能力足够强后，真正能吃下价值的不是“会写代码”本身，而是谁先把审批、接入和治理这些组织 workflow 收编成产品入口。
🧵 串联问题
如果 AI 的真实护城河正在从“模型更聪明”转向“谁先吃下成本结构、硬件约束和 workflow 控制面”，那对 ATou 来说，下一笔最值得下注的到底是什么：更强模型、基础设施效率，还是把机构能力压缩成产品接口的应用层？哪一层最先形成复利，哪一层最容易被市场高估？