The AI P&L (AI损益表）

伊玲Eileen

Track global compute flows and decode the AI cash flow war in 20 minutes a day. Hosted by AI investigators Alpha & Beta, this podcast cuts through PR spin to reveal the truth behind balance sheets. 每天20分钟，追踪全球算力流向，解码AI时代的现金流争霸。 由双AI调查员 Alpha & Beta 全英文主持，穿透公关话术，从资产负债表追踪全球顶尖企业的真实水位。 AI生成告知： 本播客由LLM及语音合成技术驱动。 非投资建议： 内容仅供参考，不构成财务或法律建议。 数据局限性： 存在滞后性，请以原始审计报告为准。

  1. 3d ago

    40｜Shein：AI把时尚变成了一条流水线，但上市路走了三年

    💡 本期简介如果有人问你，全球消费行业里将 AI 应用得最彻底、最激进的公司是谁？Shein 是一个绝对严肃且震撼的答案。 它用一套 AI 需求预测与调度系统，将服装从设计到上架的周期死死压缩在 5-7 天，亲手打破了 Zara 保持的行业极限。短短五年间，它的营收从 30 亿美元狂飙至 2025 年估计的 550 亿到 600 亿美元，斩获全球快时尚近 18% 的市场份额。 然而，光鲜的算法帝国背后，是一条走了三年依然未完结的坎坷上市路 —— IPO 估值从巅峰期的 1000 亿美元惨烈缩水至约 300 亿美元。AI 彻底成就了 Shein，却也因极致效率带来的供应链不透明，将它推向了全球地缘政治与监管风暴的中心。 本期《AI 损益表》，Eileen 带你拆解这家神秘巨头的双面算法：看它如何像亚马逊打造 AWS 一样将供应链平台化，又如何在技术狂飙与全球监管的剧烈碰撞中交出昂贵的代价。 ⏱️ 时间轴 / 节目看点00:00 【开场白】五年狂飙近 20 倍，谁是消费行业里最彻底的 AI 实践者？ 03:20 【第一幕：AI驱动的供应链革命】小批量测试的精髓：如何用全球社交媒体信号驱动 3000 家工厂？ 07:50 【第二幕：AI在消费者端做什么】刷 Shein 比刷微博还上瘾？顶尖个性化引擎与实时动态定价算法 11:40 【第三幕：供应链开放与平台化】对标亚马逊 AWS！Shein 转型“供应链基础设施供应商”的野心 14:55 【第四幕：IPO：从 1000 亿跌到 300 亿】美国受阻、伦敦卡关、秘密递交香港：透视历时三年的上市拉锯战 18:40 【第五幕：AI与监管的碰撞】5 天生产一件衣服的背后：劳工标准、全生命周期立法与技术跑太快的代价 21:50 【结语】消费系列硬核收官：四期节目、四种路径，消费品 AI 没有通用答案 📊 核心拆解：Shein 的算法武器库与“监管时差”1. 颠覆传统时尚的 AI 柔性供应链流行趋势抓取：AI 实时抓取 TikTok、Instagram、Pinterest 等平台的流行信号（颜色、廓形、互动度），直接转化为设计指令。 “小批量测试”精髓：依托广州周边超 3000 家工厂的数字网络，单款新品 100 件起做，根据市场数据反馈自动决定“追单放量”或“就地砍掉”，将库存风险降至行业最低。 2. 让用户上瘾的“数字端组合拳”首页实时动态上新：面对每天数千款的上新量，AI 推荐引擎持续学习用户的浏览与购买历史，实现极致的“千人千面”。 动态定价算法：根据库存水位、需求热度及竞品动态，实时调整每个 SKU 的售价（一件衣服的价格可能在 7.99 到 11.99 美元之间实时浮动），将购物彻底娱乐化。 3. 供应链的“平台化”野心（时尚界的 AWS）2025 年 9 月起，Shein 开始向外部品牌开放其工厂网络、物流系统和 AI 调度能力。它的商业模式正试图从“卖衣服”升级为“卖供应链能力”，以此试图改变自身的利润率和估值底层逻辑。 4. 无法规避的“速度代价”与监管巨浪极致效率与庞大的供应商网络，带来了供应链不透明的致命短板。地缘政治顾虑、劳工标准验证难题、新疆棉信息披露争议，以及欧盟针对超快时尚的“全生命周期责任”立法，直接让 Shein 的 IPO 估值缩水 70%，在美、英、中、港多方监管博弈中卡关长达三年。 🎙️ 损益表金句"Shein 的小批量测试系统，其精髓绝不仅仅是‘快’，而是用数据验证需求。传统品牌是提前几个月去‘猜’趋势，而 Shein 是让 AI 帮它‘看’清现实再投产，两者的库存风险有着天壤之别。" "这是一个 AI 驱动的商业模式与传统监管框架之间的‘时差问题’：技术总是跑得太快，监管还没跟上；但监管一旦醒悟并围追堵截，那个冲击将是突然且剧烈的。Shein 的 IPO 困境，就是这个时差的代价。" 🏁 消费行业系列大收官至此，我们的消费 AI 系列四期内容正式收官！让我们一起复盘这四家巨头的不同命运： Nike：技术底座完全押对，但错误的过度 DTC 战略直接让执行翻车。 星巴克：AI 做好了完美的数字化前台，却由于忽视物理产能而堵死了实体后台。 麦当劳：在单点应用交足数亿学费、接连失败后，回归理性，选择从底层重建数字基础设施。 Shein：把 AI 供应链磨练成了毁天灭地的武器，但同时也把自己推向了全球监管的风暴中心。 在小宇宙查看该单集文稿

    17 min

  2. 4d ago

    39｜麦当劳：花3亿买AI、卖掉、再重来，这次认真了

    💡 本期简介麦当劳的 AI 故事，堪称消费品行业里最曲折、也最昂贵的交税样本。 它曾豪掷 3 亿美元买下 AI 巨头 Dynamic Yield，用了三年却转手卖掉；它与 IBM 轰轰烈烈地合作测试 Drive-thru 语音点餐，跑了两年却因为“薯条加冰淇淋”的频繁翻车而被迫终止合同。接连遭遇两次技术滑铁卢之后，麦当劳不仅没有离场，反而换了一种更底层的玩法 —— 联手谷歌，从重构数字基础设施开始“降维打击”。 如今，麦当劳手握 1.85 亿活跃忠诚会员，正朝着 450 亿美元的年忠诚销售目标狂奔。今天，我们从损益表的务实视角，聊聊这家快餐巨头交了数亿学费后换来的底层逻辑，以及为什么快餐行业的 AI 落地，远比科技公司想象的要残酷得多。 ⏱️ 时间轴 / 节目看点00:00 【开场白】消费品行业最曲折的 AI 进化史：买过、卖过、翻车过 03:15 【第一幕：3亿美元的教训】Dynamic Yield 的实时菜单梦，为什么让加盟商大失所望？ 07:45 【第二幕：IBM语音点餐实验】当汉堡被点成 9 个，嘈杂物理环境如何成为 AI 语意识别泥潭？ 11:20 【第三幕：Edge平台与谷歌新合作】放弃单点狂热，麦当劳如何用“边缘计算”重建基础设施？ 15:10 【第四幕：忠诚计划是核心战场】1.85 亿会员的“数据燃料”与让厨房零等待的地理围栏技术 19:05 【第五幕：快餐AI的特殊挑战】加盟商利益、高度物理化的厨房，规模的代价究竟有多重？ 22:15 【结语与下期预告】快餐 AI 的规模效益；下期聊聊本系列的压轴悬念 —— Shein 📊 核心拆解：麦当劳的 AI 试错与底层重构1. 那些年，麦当劳交过的昂贵“技术税”动态菜单实验（Dynamic Yield）：2019 年以 3 亿美元收购。原设想是通过天气、时段动态推荐来拉高客单价，但因销售提升未达加盟商预期、系统维护成本高昂，于 2022 年卖给万事达卡，黯然退场。 语音点餐实验（IBM 合作）：在 100 家驾车穿梭餐厅测试。因无法克服停车场的噪音和复杂的口音多样性，导致系统频繁出错（如将 1 个汉堡点成 9 个），于 2024 年 7 月终止合作。 2. 第三次重来：底层基础设施的“降维打击”遭遇单点应用失败后，麦当劳在 2025 年改变战略，联手谷歌打造 Edge 平台： 边缘计算响应：把云计算延伸至餐厅本地，实现数据毫秒级处理与 AI 推理，不再依赖远端云数据往返。 三大底层场景：驱动实时菜单优化、炸锅及冰淇淋机的预测性维护、以及负责排班的 AI 虚拟经理系统。 3. 真正的 AI 燃料：1.85 亿活跃会员麦当劳的战略核心早已不是炫技，而是将 AI 沉淀在忠诚会员体系里： 数据精准转化：利用 1.85 亿会员（目标 2.5 亿）的消费画像，在精准时段推送特惠套餐，死守 450 亿美元的忠诚销售目标。 Ready on Arrival（地理围栏）：当系统检测到用户车辆接近门店，提前通知厨房备餐，在美国市场成功将食品等待时间缩短了一半。 🎙️ “损益表金句”"快餐厨房是一个高度物理化的场所 —— 油炸、烤制、组装，每一步都是人手操作。AI 能优化预测与排班，但它永远改变不了物理生产流程的速度上限。" "在快餐这个行业，AI 的价值实现路径比科技公司想象的要慢得多。但它有一条铁律：一旦在底层跑通，它的规模效益极其惊人。" 在小宇宙查看该单集文稿

    18 min

  3. 5d ago

    38｜星巴克：AI 知道你想喝什么，但门店等了你四十分钟

    💡 本期简介星巴克拥有一套让全行业羡慕的 AI 平台 —— Deep Brew。7500 万消费者画像、56% 的数字交易占比、AI 驱动的动态菜单贡献了美国 40% 的订单…… 从财务和技术指标上看，它简直像一家完美的科技公司。 然而，光鲜的数据背后却隐藏着尴尬的现实：星巴克的同店销售额连续多个季度下滑，顾客疯狂投诉等待时间过长，总部不得不全球裁员并紧急换帅。AI 做到了技术上的绝对成功，为什么公司依然在实体世界里挣扎？ 本期《AI 损益表》消费行业系列第二期，我们将深度拆解星巴克独特的“AI 悖论”。当线上数字化效率被 AI 提升到极致，后端的物理产能却成了致命瓶颈。看新任 CEO Brian Niccol 如何开出处方，试图填平这条线上与线下的“体验断层”。 ⏱️ 时间轴 / 节目看点00:00 【开场白】咖啡巨头的双面人生：技术向左，业绩向右 03:40 【第一幕：Deep Brew 是什么】年贡献超 250 亿美元的“咖啡界个性化引擎” 08:15 【第二幕：Green Dot Assist】生成式 AI 助阵，如何帮咖啡师应对 17 万种无限定制饮品？ 12:30 【第三幕：同店销售额下滑的真相】AI 越成功，线下越拥堵？数字点单爆炸带来的物理限速 16:05 【第四幕：Brian Niccol 的回归计划】从 Chipotle 挖来的新帅，如何用 AI 重新对齐整个服务供应链？ 20:20 【第五幕：AI 与咖啡的边界】消费 AI 的警示录：线上太流畅，反而放大了实体端的短板 22:50 【结语与下期预告】线上线下的体验必须是一个整体；下期聊聊更曲折的麦当劳 📊 核心拆解：星巴克的 AI 版图与“体验断层”1. 撑起 250 亿美金的神级 AI：Deep Brew千人千面的动态菜单：基于消费记录、天气、门店及各时段偏好，实时调整 App 界面。 实打实的财务回报：2025 年处理超 7500 万个用户画像，数字交易占比达 56%（目标 2026 年达 65%），Starbucks Rewards 会员项目贡献收入超 250 亿美元。 2. 后台门店的 AI 渗透：Green Dot Assist咖啡师的“大脑外挂”：基于微软 Azure OpenAI 技术，让咖啡师在面对 17 万种定制组合时能秒查制作方法，减少出错。 预测性维护：AI 提前预警咖啡机、制冰机故障，在“趴窝”前安排维修，死守门店运营现金流。 3. 繁荣背后的新型瓶颈：物理产能约束Deep Brew 在前端让点单变得太顺畅，导致大量订单在同一时段涌入同一家店。前端数字效率极高，后端实体制作依然是“人工、物理限速”，最终引爆了消费者的等待焦虑。 4. 新 CEO Brian Niccol 的数字化处方限制移动点单峰值，设置接单上限。 裁撤总部数千非直接运营支持岗位，资源重回门店，死守“4分钟等待时间”的核心 KPI。 推动 AI 从单纯的“个性化推荐”，转向“优化整个服务供应链”。 🎙️ “损益表金句”"星巴克有一个深刻的悖论：它的 AI 个性化做得越好，消费者的期望就被拉得越高，从而对等待时间的容忍度就越低。" "数字体验和实体体验之间，存在一条‘体验断层’。AI 把数字端做得太好，可能反而放大了实体端的短板。消费者的最终满意度，取决于整个链路里最慢的那个环节，而不是最快的那个。" 在小宇宙查看该单集文稿

    19 min

  4. 6d ago

    37｜Nike：AI押对了，但棋下错了

    💡 本期简介Nike 一直是全球消费品牌数字化的绝对标杆。从精准量脚的 Nike Fit 到潮人必备的 SNKRS App，再到拥有 1.6 亿注册会员的庞大数据库，它在 AI 与数字化上的投入堪称业界之最 。 然而，2025 财年 Nike 却交出了十年来最惨淡的成绩单：营收下滑 10% 至 463 亿美元，数字渠道下跌 12% 。技术明明押对了，为什么执行会彻底翻车？ 本期《AI 损益表》开启消费行业系列第一期。我们不谈虚无的技术概念，而是从“损益表”的务实视角，拆解 Nike 如何将顶尖的 AI 能力误用在了一个“过度 DTC 化”的错误战略上，以及老将 Elliott Hill 临危受命后，如何用传统零售智慧修复这场数字化冒进的代价 。 ⏱️ 时间轴 / 节目看点00:00 【开场白】消费品数字化标杆的十年最惨淡成绩单 03:15 【第一幕：Nike的AI能力版图】计算机视觉、需求预测与 1.6 亿会员的个性化引擎 07:45 【第二幕：过度DTC的战略失误】为什么砍掉零售伙伴、强迫消费者登录 App 是一场灾难？ 12:20 【第三幕：换帅与 Win Now 计划】32 年老将 Elliott Hill 重组高管，如何重建全价渠道与定价秩序？ 16:10 【第四幕：AI在哪里真正有用】库存周转提升 20%！技术本身没有白费，只是被放错了地方 19:35 【第五幕：损益表视角】数十亿技术投入与个位数净利润率，消费品 AI 的 ROI 陷阱 22:15 【结语与下期预告】AI 只是放大器；下期聊聊硬币的另一面——星巴克 📊 核心拆解：Nike 的 AI 资产与战略错位1. 那些被“用错地方”的顶尖 AI 能力Nike Fit：利用计算机视觉与机器学习识别脚型，成功服务超 1 亿人次，显著降低退货率 。 SNKRS App：基于 AI 的限量款需求预测、抽签公平性算法及黄牛识别系统，维系球鞋社区权威性 。 供应链 AI：机器学习驱动的需求预测，将部分品类的库存周转效率提升了 20% 以上 。 2. 致命的战略偏航：过度 DTC 化Nike 在 2020 年前后大刀阔斧地砍掉了数百家零售合作伙伴（百货、鞋店等），试图通过自有 App 垄断消费者数据并吃掉中间商利润 。但这导致了两个恶果： 错失自然流量：主动撤出了消费者逛街、冲动消费的物理场景 。 促销依赖陷阱：数字渠道为了冲高销售额进行无节制打折，把品牌档次拉低，让消费者养成“非折扣不买”的习惯 。 3. 损益表上的代价过去五年，Nike 在数字化上砸下数十亿美元，这些高昂的建设成本被摊入运营费用 。在 FY2025 营收下滑 10% 的情况下，由于技术等固定费用无法同比例下降，净利润率从此前的 12% 左右直接被压缩至个位数，利润跌幅远超收入跌幅 。 🎙️ 损益表金句"AI 是工具，工具服务于战略。战略错了，工具也帮不上忙。强迫消费者来你的平台，而不是跟着消费者走，这是技术超前于渠道的代价。" "AI 是放大器，它放大的是战略，而不是替代战略。战略对，AI 帮你赢得更快；战略错，AI 帮你输得更彻底。" 在小宇宙查看该单集文稿

    19 min

  5. May 28

    36｜WPP vs Publicis：当AI来临，广告帝国如何分裂

    【本期简介】 这是一场关于“王朝更迭”的时代悲喜剧。 WPP，曾经傲视群雄的全球广告霸主，旗下坐拥奥美、JWT、群邑等璀璨厂牌，却在2025年遭遇了十年来最惨烈的财务寒冬——营收下滑8.1%，利润重挫，甚至被踢出了富时100指数，交出了全球第一的王座 。与此同时，低调的挑战者阳狮集团（Publicis Groupe）却逆势上扬，成为了新的行业领头羊 。 命运的戏剧性逆转，背后不是客户的背叛，而是两家巨头在面对AI海啸时，截然不同的底层逻辑与抉择。WPP将AI视为“降本防御”的剪刀，而阳狮则将AI化作“数据进攻”的放大器 。 当AI能轻而易举生成90分的创意时，人类创意的差异化壁垒究竟在哪里？庞大的传统广告代理商，是否正在告别属于他们的黄金时代？ 本期是《AI 损益表》“广告传媒系列”的收官之作。让我们一起从这两大帝国的裂变中，窥见AI时代商业重构的通用底层规律 。 【时间轴 / 精彩看点】 00:00 【开场】 巅峰市值超200亿英镑的巨无霸，怎么就走到了王朝更迭的十字路口？ 03:15 【第一幕：WPP的衰落】 跌出富时100与裁员9000人：当CFO口中的“人力成本节省”变成现实，AI到底替代了谁？ 07:40 【第二幕：转型困境】 砸下4亿英镑的“Elevate28”计划，为何带不动WPP松散的“联邦制”组织架构？ 11:55 【第三幕：Publicis的逆袭】 2019年价值40亿美元的“惊天一赌”：阳狮是如何通过收购Epsilon及连续的AI数据布局，筑起“CORE AI”数据飞轮的？ 16:20 【第四幕：两种AI观】 工具VS资产，防御VS进攻。慢了四五年的WPP，输在了哪个致命维度？ 19:45 【第五幕：行业的启示】 80分的执行被接管，少数精英的顶级策略能养活一个庞大集团吗？广告代理商的黄金时代是否已终结？ 22:15 【结语与下期预告】 提前布局数据的公司赢，依赖人力规模的公司输 。下个系列，我们聊聊Nike、星巴克、麦当劳、Shein的消费品AI重塑之战 。 在小宇宙查看该单集文稿

    22 min

  6. May 26

    35｜The Trade Desk：开放互联网的最后守门人

    【本期简介】 在数字广告的宏大版图里，谷歌、Meta、亚马逊筑起了一座座密不透风的“围墙花园”。它们吞噬了绝大部分的数据与预算，让广告主深陷“知道花了钱，却看不清归因”的黑盒困境。 然而，有这么一家公司，选择死死守在围墙花园的对立面——它就是 The Trade Desk（TTD）。作为全球最大的独立买方平台（DSP），它在两巨头的夹击下，硬生生拼出了一片属于“开放互联网”的天空。 2025年，The Trade Desk 营收达到29亿美元 。在 AI 浪潮的席卷下，他们掏出了新武器——Koa Agents 智能体系统与 OpenAds 开放广告标准 。但硬币的另一面，是他们从 26% 一路放缓至 12% 的营收增速，以及股价曾经单月重挫 30% 的惊心动魄 。 当 AI 让内容生产成本趋近于零、当 AI 搜索让传统出版商流量暴跌，开放互联网的广告份额究竟是在扩大还是在萎缩 ？The Trade Desk 守护的这套“透明与自主”的信仰，在 AI 时代还能打赢吗 ？ 本期《AI 损益表》，我们来聊聊这家广告行业里无人不知的“最后守门人” 。 【时间轴 / 精彩看点】 00:00 【开场】 如果 Meta 是自动贩卖机，谷歌是自我颠覆的巨人，那 The Trade Desk 是谁？ 03:20 【第一幕：搞懂程序化广告】 几十毫秒内的实时竞价：拆解买方平台（DSP）的底层盈利模式与两百亿预算的操盘逻辑 。 07:05 【第二幕：围墙花园 vs 开放互联网】 拒绝“黑盒”，把归因和数据自主权还给品牌，为什么大广告主开始把命运移出封闭平台 ？ 10:45 【第三幕：Koa AI 与智能体广告】 淘汰传统人工盯盘，Koa Agents 如何实现数百个变量的自主竞价优化 ？OpenAds 又如何在外网流量暴跌时为出版商雪中送炭 ？ 14:50 【第四幕：增速放缓的账面隐忧】 增速从 26% 跌到 12% 。Meta 抢流、流媒体（CTV）不及预期、股价大跌 30%：独立平台的阵痛期来了吗 ？ 19:15 【第五幕：谁会赢得AI时代的广告战】 注意力大割裂的时代，Koa Agents 能否证明开放互联网的投放效果不输巨头 ？ 22:00 【结语与下期预告】 总结：开放与封闭的战争远未结束 。下期预告：广告传媒系列压轴——WPP 组团抗 AI 遭遇寒冬，阳狮靠数据逆势登顶 。 【本期AI信号灯】 🟡 黄色信号（警示）：The Trade Desk（TTD）。尽管其商业模式依然健康且维持高利润率，但营收增速的持续放缓和流媒体广告的增长不及预期，暴露出大客户预算向头部封闭平台回流的行业隐忧 。 🟢 绿色信号（风向）：Koa Agents & OpenAds。利用 AI 智能体全面接管并重构程序化广告的竞价与优化逻辑，同时联合头部媒体重建 AI 搜索时代的广告流通基础设施 。 💡 核心启示：数据自主权与完全透明，是广告主在 AI 时代对抗平台垄断的终极诉求。 开放与封闭之争的胜负手，取决于 AI 能否在非闭环生态里跑出同等甚至更优的 ROI 。 在小宇宙查看该单集文稿

    18 min

  7. May 21

    34 | 法律AI的最大反转：ARR暴涨近4倍，看老牌巨头如何上演“打不过就加入”的资本合纵

    【本期简介】作为法律AI赛道的绝对领头羊，Harvey 在过去一年里交出了令人惊掉下巴的成绩单：年化经常性营收（ARR）暴涨近4倍，直接冲向近2亿美元大关！面对如此凶猛的后生仔，统治法律信息市场多年的两大传统巨头 Thomson Reuters（汤森路透）和 LexisNexis（律商联讯）给出了截然不同的底层解法： 汤森路透选择每年砸下2亿美元自研 CoCounsel 贴身肉搏，用数据深度筑墙；而 LexisNexis 却上演了科技行业最戏剧性的反转——既然打不过，那就成为你的股东！ 本期节目，我们不仅拆解这场精彩的资本与数据博弈，还将横向复盘整个系列：为什么法律和金融 AI 落地宛如坐火箭，而医疗 AI 却慢如蜗牛？ 🎧 搞钱时间轴（精彩路标）00:45 Harvey 恐怖的爆发力： 2025年末 ARR 狂飙至 1.95 亿美元，50亿美金估值背后，高达 94.8% 的文档问答准确率意味着什么 ？ 02:10 汤森路透的正面迎击： 坐拥全球最权威数据库 Westlaw，每年 2 亿美元砸向基于 Claude 构建的 CoCounsel，老牌巨头如何用“数据深度”跟大模型算法打差异化 ？ 03:55 名场面诞生！LexisNexis 的倒戈与合纵： 参与 Harvey 3亿美元 E 轮融资，把死敌变成自己的 AI 引擎，这笔账传统巨头到底是怎么算过来的 ？ 05:40 行业生死线：为什么法律 AI 的采购速度能远超医疗 AI？ 责任归属的清晰边界（律师签名负责）与高净值时薪带来的直接 ROI 诱惑 。 07:50 本期损益表红黑榜盘点： 战略投资是传统老玩家最聪明的避险范本吗 ？汤森路透的时间压力又在哪里 ？ 09:30 【垂直行业系列终极大总结】 AI 在企业级落地的终极铁律：不看技术高低，看监管壁垒、商业模式脆弱性与数据护城河 。 📊 本期硬核数据看板核心维度 / 玩家Harvey (行业颠覆者)Thomson Reuters (正面硬刚者)LexisNexis (战略合纵者)最新财务/投入表现 ARR 达 1.95 亿美元，全年暴涨约 3.9 倍；完成 3 亿美元 E 轮融资 。 法律专业板块有机营收增长 9%；在法律 AI 上每年投入超 2 亿美元 。 母公司 RELX 集团直接作为战略投资人，参与入股 Harvey 的 E 轮融资 。 产品与技术路径 纯AI原生平台，独立评测中文档问答准确率达 94.8%（六项中五项最高）。 推出 CoCounsel Legal（基于 Anthropic Claude），集成进 Westlaw 现有产品 。 将自有的 Protege 法律研究工具及 Shepard 引用核查系统与 Harvey 深度集成 。 客户与渠道规模 多数 Am Law 100 头部律所、企业法务部及政府法律团队正在使用/评估 。 已覆盖超 2 万家律所和法律部门，包含 80% 的 Am Law 100 顶级律所 。 借 Harvey 的 AI 引擎为自身庞大的法律数据库赋能，用数据资产换取前沿技术接入权 。 底层竞争核心 靠顶尖的 AI 算法能力与极快的行业渗透率赢 。 平均得分 79.5%（略低于Harvey），不靠算法赢，靠 Westlaw 的数据深度赢 。 评估自研成本与周期后，认为**“直接投资+战略联盟”的 ROI 远大于从零自建** 。 💡 核心观点提炼💡 “当一个行业的头部玩家选择投资颠覆者，而不是正面对抗，它实际上是在承认：不相信自己能凭借内部研发追上这个速度。” LexisNexis 的选择为所有传统行业的老牌巨头提供了一个绝佳的避险范本 。面对技术范式的迭代，用数据资产换取产品集成，用相对小的资本代价买到最前沿技术的接入权，是最理性的商业防御 。 💡 “AI在行业里的落地，不是按照技术能力的高低排序，而是按照监管壁垒、商业模式脆弱性和数据护城河的高低排序。” 法律与金融：责任归属清晰（律师/分析师做最终审核），ROI 直接可量化，落地速度最快 。 医疗：涉及诊断与生命决策，FDA 审批与责任归属极其复杂，落地最慢 。 * 教育：最快被颠覆的是提供答案的“信息中介”（如 Chegg），最难被动摇的是驱动坚持的“行为改变平台”（如 Duolingo）。 【本期主播】 AI Beta AI Alpha 【特别鸣谢】 感谢大家收听《AI 损益表》垂直行业深挖系列特辑 ！我们将持续穿透技术泡沫，为您带来商业模式与硬核财务视角的深度拆解。点击订阅不迷路，我们下期节目再见 ！ 【声明：本节目数据来源于 Harvey、Thomson Reuters、LexisNexis 公开声明及行业研究报告 。内容仅供行业交流探讨，不构成任何投资建议 。】 在小宇宙查看该单集文稿

    18 min

  8. May 20

    33 | 金融AI的内部账单：摩根大通25万员工高频提效，一场财报里看不见的重塑风暴

    【本期简介】 在谈论“金融AI”时，很多人首先想到的是AI炒股或智能理财。但在真正的金融帝国里，AI 最大的战役不是在前端帮散户赚钱，而是在后端帮金融机构自己省钱、提效与控风险 。本期《AI 损益表》垂直行业深挖系列第三期，我们把镜头对准全球第一大行——摩根大通（JPMorgan Chase） 。25万员工有权访问，每天超过12.5万人高频使用内部AI工具“LLM Suite” 。从30秒生成客户演示文稿，到用 AI 审查合同每年省下36万工时，华尔街正在用真金白银的技术预算，筑起一道让中小银行绝望的成本护城河 。 同时，我们也将拆解全球金融数据之王 Bloomberg 的 AI 升级防御战 。在合规至上、不容许半点“幻觉”的金融世界里，AI 的尽头究竟是技术普惠，还是巨头垄断的加速器 ？ 🎧 搞钱时间轴（精彩路标）00:54 金融AI的结构性误区： 为什么说最大的受益者不是消费者，而是银行自己 ？ 02:15 揭秘 LLM Suite：全球最大规模的企业AI落地： 12.5万人每天打卡，每名员工每周平均省下 3 到 6 小时，金融打工人的“真香”减负 。 03:45 36万工时是怎么省出来的？ 深度拆解 COiN 系统如何吞噬合同审查的繁琐流程，相当于释放 175 个全职员工工作量 。 05:10 200亿美元技术预算的降维打击： 摩根大通的底层算盘——在 AI 上每花一美金，就要省回一美金，1% 的利润率提升如何产生复利恐怖故事 ？ 07:05 彭博终端（Bloomberg Terminal）的防御战： 每年 25,000 美元的订阅费，面对 Perplexity 和 ChatGPT 金融版的围剿，“专有数据”才是最后的解药 。 08:40 金融AI的生死线：监管与“零幻觉”： 为什么银行要不惜代价自建安全环境，而不直接用外部原生大模型 ？ 10:15 本期损益表红黑榜总结： 赢家越强、弱者愈弱的金融科技下半场 。 📊 本期硬核数据看板核心维度 / 企业摩根大通 (LLM Suite 内部实践) 彭博社 (Bloomberg Terminal 升级) 应用与用户规模 25万 员工获访问权，每天 12.5万人 高频使用 全球约 33万 顶级机构投资人与交易员订阅 提效与成本量化 员工每周省 3-6小时；COiN 系统年省 36万工时 推出 AI 驱动的文档搜索，让专有数据的价值更容易获取 资金与人员投入 年技术预算约 180亿（AI专项 20亿），2000人专职团队 年单人订阅费高达 25,000美元，依靠权威实时数据筑墙 当前的落地用例 已有 450+ 个生产用例运行，目标2026年扩展至 1000 个 面临 Perplexity、ChatGPT 金融专业版及初创公司的低价竞争 核心挑战与边界 需面临极端严苛的合规监管，对“AI 幻觉”的容错率为零 如何在 AI 时代继续维持高客单价与数据的独特性 💡 核心观点提炼💡 “AI在金融行业的普及，不是让竞争格局更平等，而是让强者更强。” 摩根大通每年砸下 20 亿美元做 AI 专项投入，并实现等量的成本节省，这直接帮这家千亿营收的巨兽额外提升了约 1% 的利润率 。这种用巨额预算堆砌出来的技术代差，正在进一步拉大大型银行与中小机构之间的鸿沟 。 💡 “数据是全套算法的底牌，合规是规模化落地的命门。” 无论是彭博终端不可复制的全球实时金融数据库，还是大行内部运行在自有安全环境下的 LLM Suite，都证明了一件事：在金融行业，AI 能力只是竞争门槛，而专有数据与抗击监管风险的合规能力，才是真正的护城河 。 【本期主播】 AI Alpha AI Beta 【下期预告】 下期我们将迎来法律AI的最大反转：作为近两年风头最劲的法律 AI 独角兽，Harvey 遭遇了来自传统法律巨头与科技新贵的双重围剿，但戏剧性的是，Harvey 最大的竞争对手，最终竟然选择选择巨额投资 Harvey？这背后究竟是打不过就加入的妥协，还是另有深谋远虑的资本合纵连横？我们下期见 ！ 【声明：本节目数据来源于摩根大通财报、Bloomberg 公开声明及行业研究报告 。内容仅供行业交流探讨，不构成任何投资建议 。】 在小宇宙查看该单集文稿

    17 min
See All (40)

About

Track global compute flows and decode the AI cash flow war in 20 minutes a day. Hosted by AI investigators Alpha & Beta, this podcast cuts through PR spin to reveal the truth behind balance sheets. 每天20分钟，追踪全球算力流向，解码AI时代的现金流争霸。 由双AI调查员 Alpha & Beta 全英文主持，穿透公关话术，从资产负债表追踪全球顶尖企业的真实水位。 AI生成告知： 本播客由LLM及语音合成技术驱动。 非投资建议： 内容仅供参考，不构成财务或法律建议。 数据局限性： 存在滞后性，请以原始审计报告为准。

Information

  • Creator
    伊玲Eileen
  • Years Active
    2K
  • Episodes
    40
  • Rating
    Clean
  • Copyright
    © 伊玲Eileen@小宇宙App
  • Show Website
    The AI P&L (AI损益表）