Gutenberg Lab — 早报

SpaceXAI 一個月開發 GrokBot——將 AI 從「90% 輔助」推向「100% 委任的同事」

來賓：Lenny Rachitsky（Lenny's Podcast 主持人）× Roman Ugarte（SpaceXAI GrokBot 產品負責人，前 Cursor 第十五號員工）

結論

AI 代理的下一波浪潮，不會來自更聰明的聊天機器人，而是來自被設計為可 100% 託付工作的「同事」產品。

三行摘要

SpaceXAI 的小型團隊從第一行程式碼到內部原型只花了一個月，到公開測試版只用了三週。成功關鍵在於兩個非顯而易見的初期決策——①全部在雲端運行（不綁定本地機器），②給每個機器人專屬的虛擬電腦（不只是 API 連接，而是像素級的完全控制）。這讓使用者從「能做 90% 但最後得自己修正」的體驗，轉向「完全託付後可以忘記」的體驗，並引發從 ChatGPT/Claude 轉移主要工作介面的現象。

關注要點

1. 一個月開發的實現條件是隔離的小團隊：Roman 表示「這在大團隊裡不可能做到。每天需要大量微決策，如果用六到十二個月的願景來推進，根本到不了現在的位置」。團隊在獨立辦公室、專屬 Slack 頻道中與外界隔絕，內部全公司推出後立即出現從 ChatGPT 轉移的現象。

2. 手動引導兩百到三百人本身就是產品開發：團隊花約兩週逐一手動引導使用者。Roman 說「最初幾次真的很痛苦，但我們當場學習，隔天就確保同樣的事絕不再發生」。意外的使用者群體（咖啡店老闆）揭露了 Shopify 整合等盲點，內部使用的模式（幕僚長機器人管理其他機器人）在沒有引導下也被外部使用者重現。

3. 90% 完成與 100% 完成是質的差異：Roman 表示「當你把工作交給 90% 可信賴的同事時，你會想『工作期間我得持續關注這件事』。那不是 90% 的完成，你還在做那份工作。但當你能對同事完全放手說『交給你了』，那是另一個層次」。工程師已經有一到一年半這種體驗，但大多數人仍停留在兩年前的 AI 體驗（每個任務開新對話串、在框框裡輸入、盯著步驟、自己修正不完美的輸出）。GrokBot 跳過了這個過程。

一句話研判

回顧平台轉換的歷史，勝出者不是既有典範的延伸，而是從零重新設計的一方。App Store 經濟圈不是功能手機官方網站的改良版，而是基於觸控螢幕這個新前提重建的生態。GrokBot「給每個機器人專屬電腦」的決策，捨棄了既有的聊天加 API 連接框架，從「把 AI 當同事對待」的前提重新設計產品。Roman 所說「護城河不是規劃出來的，而是發現出來的」，正是這類轉換期的正確姿態。

來源：Lenny's Podcast《How we built Grok Bot in a month | Roman Ugarte (SpaceXAI)》（2026年9月8日）

https://www.lennysnewsletter.com/p/how-we-built-grok-bot-in-a-month

AI基礎設施投資邁向年度一兆美元——企業實測採用率僅2%

來賓: David George（a16z Growth）× Santiago Rodriguez、Alex Immerman、Sarah Wang（a16z Growth）

結論

AI投資已進入史上最大規模的基礎設施建設週期，但企業內可實測的影響仍處於極早期階段，這一落差正指向下一波成長機會。

三行摘要

超大規模業者（Alphabet、Amazon、Meta、Microsoft、Oracle）的資本支出在二千零二十六年達七千八百億美元，二千零二十七年起將超過年度一兆美元。然而S&P 500企業中僅2%持續追蹤AI效益，美國家庭付費AI訂閱率也僅2%。需求持續超越供給，成本下降開啟代理人與新應用場景，領先企業已實現營收成長與獲利率兼顧。

關注要點

1. 投資預測不斷上修：「曾被視為天花板的支出額，如今成為最新實績」。Sam Altman與Sarah Fryer一年前因鉅額運算投資遭批評，現在被視為有遠見。OpenAI因需求過剩，兩週前暫停月費二百美元Pro方案的新用戶申請

2. 重度用戶支出為中位數的八至二十倍：Yippet數據顯示前1%支出額約為前10%的八倍。AI專注型投資組合企業中，頂級用戶月支出七千五百至九千美元，中位數二百至四百美元（相差二十倍以上）。先進Fortune 500企業將人事預算約1%投入AI工具，AI重視企業最高達10%

3. 公開軟體企業僅30%成長率超過20%：約75%已獲利，但成長率超過20%者僅30%，達30%以上者不到五家。相對地，Stripe客戶數據顯示「文藝復興」等級的成長加速，私募市場則「幾乎所有企業成長率都大幅超過30%」

一句話研判

這波投資週期已超越鐵路佔GDP比重的歷史水準，但與鐵路不同的是配送基礎設施已然存在。因建構於網際網路、雲端與行動網路之上，用戶數能快速擴張。然而企業實測採用率2%這一數字，呈現基礎設施先行、實用追趕的經典模式。問題不在「是否泡沫」，而在「生產力革命何時顯現於企業工作流程與消費者行為」。若三年後宏觀經濟層級仍未見生產力提升，將面臨失望。

來源: a16z《The $1 Trillion AI Buildout | State of Markets》（二千零二十六年九月三十日）

https://a16z.simplecast.com/episodes/the-1-trillion-ai-buildout-state-of-markets-tkJj_Zp1

AI開示: 本內容由AI協助製作，編輯部負責事實查核與分析監修。

熱泵熱水器省電80%卻普及率僅4%的原因——Reservoir以服務模式尋求突破

來賓：David Roberts（Volts 主持人）× Luke Winston-Almanzar（Reservoir 執行長）

結論

熱泵熱水器自一九四〇年代發明至今八十年，普及率仍僅4%，這是執行問題而非技術問題。

三行摘要

家庭能源消耗的20%來自熱水，傳統電熱水器的用電量超過電動車,但熱泵式在美國普及率僅4%。Reservoir 執行長指出現有產品存在高價、安裝複雜、加熱緩慢、故障頻繁等執行面缺陷，該公司以垂直整合自行設計、製造、安裝，並用預測 AI 解決性能取捨，力圖突破市場。美國每年更換一千萬台熱水器，緊急故障時的庫存與24小時服務決定了電氣化轉型的成敗。

關注要點

1. 效率與普及的落差：傳統電熱水器年耗電量超過電動車，但省電80%的熱泵式在美國普及率僅4%（瓦斯45%、電力50%）。佔家庭能源20%的熱水供應，儘管技術解決方案已存在卻遭忽視。每年更換一千萬台的市場中，緊急故障時的庫存與24至48小時服務決定電氣化轉型（已安裝約一百台中三分之一為緊急應對）。

2. 預測智能創造虛擬容量：傳統熱泵熱水器加熱五十加侖水箱需五至六小時，約30%的加熱仰賴電阻備用系統。Reservoir 以機器學習掌握家庭模式（中午淋浴→上午六時開始加熱），將五十加侖水箱過熱至華氏一百五十度後與冷水混合，實現相當於一百五十加侖的容量「派對模式」。僅憑預測智能即主張每年比競品省一百美元。

3. 服務模式即產品：傳統安裝流程要求屋主分別雇用電工與水管工並協調時程，但熱水器故障時無法接受此流程。Reservoir 經營持照水管公司（目前於美國東北部），透過照片與 AI 虛擬評估，一次到府即完成安裝。多數水管工不備熱泵熱水器庫存，Home Depot 庫存亦不穩定，24小時服務與庫存保障解決了「等兩週或買瓦斯熱水器」的兩難。

一句話研判

熱水器這個平凡題材揭示了平台轉型的本質。技術優勢（省電80%）即使存在，執行摩擦（安裝複雜、缺乏緊急應對、性能取捨）仍阻礙普及，此結構與網際網路興起初期的應用經濟圈及區塊鏈實用化階段相同。Reservoir 的垂直整合模式並非技術創新，而是以服務設計消除摩擦的策略，「打造屋主真正想要的產品」的哲學拒絕依賴補貼，值得關注。然而 VPP（虛擬電廠）獲利尚未實現，與 CO2 冷媒分離式系統（室外壓縮機、室內靜音、零下二十五度運作）的價格競爭亦未見分曉。

來源：Volts《What's up with heat-pump water heaters?》（二〇二六年九月三十日）

https://www.volts.wtf/p/whats-up-with-heat-pump-water-heaters