AGIX 被提出作为衡量 AGI 进展的新基准，并开始作为讨论和资本配置的参照点。

上周市场对 AI 题材的反应有点分裂。NVDA 财报触发了 AI 板块的抛压，个股盘中波动明显，但对冲基金整体动作并不激烈。总体上，全球对冲基金在本周表现为小幅净卖出，日本卖出最明显，北美更多在指数类工具上减仓并增配空头，周期性行业承压。相对地，科技及半导体类受到买盘偏好，尤其是与 AI 相关的高质量公司。基金层面，本周整体跌幅大约 0.8 个百分点，跑输 MSCI ACWI 的 2.7% 跌幅。美股多空策略下跌约 1.1%，标普下跌近 2.9%，AGIX 指数下挫约 5.65%。杠杆数据显示总杠杆仍高（约 211%），但净杠杆在更低区间（约 49%），说明资金在保留风险敞口的同时也在谨慎调整。热门持仓本周普遍回撤，北美前 50 大多头本周仍被空头略微压制。

再往前，是一批公司动作和合作落地。微软在 Ignite 上推出一个面向大规模 AI 智能体部署的整体安全方案，核心是一个名为 Agent 365 的控制层，用来登记、管控数据，并提供统一看板，可对企业内各种智能体进行库存和风险管理。微软还把 Defender 与 GitHub Advanced Security 联动，出了一个 Baseline Security 模式来强化云端安全态势，并在 Intune 里支持分阶段部署，用于逐步在 Windows 环境里放量。安全运营方面，Sentinel 平台上线了十多个 Security Copilot 智能体，用来做事件分类和策略优化；Defender 新加了一套预测屏蔽机制，基于每天处理的大量威胁信号提前阻断攻击路径。微软还推出了 Defender Experts Suite，提供安全专家支持，目标是帮企业搭一套更有弹性的防御系统。说直白点，微软是把安全管理从人工运维往智能化、规模化推。

在制造与机器人方面，Alphabet 旗下 Intrinsic 与富士康成立了合资公司，目标是把 Intrinsic 的机器人软件和富士康的智能制造平台结合，做出更能适应现场变化的机器人。技术上看，Intrinsic 的 Flowstate 平台和视觉模型能让机器人更好地感知环境、识别物体并估算距离。富士康方面强调现有机器人太僵化，无法处理流程细微变动，这次合作意在把能做复杂组装、检测和物流等任务的系统推向量产化。

流媒体那头，亚马逊 Prime Video 在一些自制剧上试点了 AI 生成的“视频回顾”功能，能把节目的关键片段合成带旁白和配乐的回顾短片，现在在部分剧集中做 beta。影视行业里，不少平台都在用生成式 AI 做后期工作，从场景合成到角色年轻化，带来效率的同时也把版权和艺术家权益的问题推上台面。这类技术应用扩展得快，争议也多，后续监管和行业规范会被提上日程。

基础设施和数据层面的动向也不少。Cloudian 推出了基于 Nvidia 参考设计的 HyperScale AI 数据平台，主打把企业非结构化数据（文档、图片、表格）转成可被聊天界面即时调用的 AI 信息流，支持与 AWS S3 原生对象存储对接，并且用远程直接内存访问提升向量检索速度，声称比纯 CPU 方案快 8 倍。Cloudian 近年融资已做了几轮，总额超两亿美元，目标是为企业保留数据主权的同时降低不可预测的云成本。

甲骨文和微软则往多云 AI 数据方向继续深耕，Oracle Database@Azure 和 Exadata on OCI 的组合已在全球三十多个微软区域上线，双方强调低延迟连接可以让企业直接将敏感数据在 Oracle 上运行，同时借助 Azure 的 OpenAI 等工具来做智能化应用，以便实现数据治理和规模化智能决策。

在营销和搜索层面，Adobe 以现金约 19 亿美元收购了 Semrush，报价每股 12 美元，相较 Semrush 上一交易日前的收盘价溢价明显。Adobe 的意图很清楚：把传统的 SEO 工具和生成式优化能力合并进自家营销组合，面对越来越多用户通过 ChatGPT、Copilot 这类工具去寻找信息与购物的现实，广告与流量获取的玩法正在变。Semrush 自身也推出了生成式优化工具，对品牌在 AI 驱动的发现路径上更可见。

Cloudflare 收购了模型部署平台 Replicate。Replicate 的开源工具 Cog 和海量容器化模型库是其核心资产。Cloudflare 打算把这些能力并入自己的全球基础设施，增强 Workers AI 的推理能力，同时把模型部署、提示管理、A/B 测试等功能在统一控制平面里打通。交易金额未披露，但对 Cloudflare 来说，这是把推理层服务扩展成一套可运营产品的关键一步。

回头看更宏观的想法，这一切动作背后有一条逻辑：AI 不再只是工具形态的延续，它在改变工作的起点。过去人先有目标再去开应用，现在系统可能先感知你的上下文、历史行为，提前把任务摆出来。谁能发现并定义人们的“意图”，谁就能在价值链上站上高位。意图不再是简单的“消费需求”，它是“要完成的事”。在一个智能几乎廉价到边际成本极低的世界里，意图本身可能成为最有价值的资产。

对经济协议的讨论也在同步推进：如果意图被某一家平台垄断，它的公共品属性就会丢失，供给侧与需求侧之间的激励会扭曲。因此，最终的模式可能是开放体系下的多方竞价或协作，让用户、模型和意图的消费者（广告商或其他）之间形成更合理的价值分配。换句话说，衡量产品价值的标准也会从 DAU、停留时长，转向任务完成率、步骤拆解能力、结果采纳率等更贴合“完成意图”的指标。听起来像是把产品设计和商业模式都要重写一遍。

还有一些值得注意的小动态。Periodic Labs 在把 agent 带进现实实验的方向有动作，目标是让 AI 在物理实验里学习；Snowflake 的 CEO 回顾了为什么企业需要一个专门的 AI 数据云；市场里关于 AI 泡沫、GPU 资本开支和广告电商如何推动 AI 的讨论也没停过；BVP 支持的 Leogra AI 在法律行业里尝试把每位律师都配一个协作型 copilot；Sora 团队在访谈里把产品定位为社交工具，并提到视频生成模型会带来科研上的新突破。

最后一条消息是关于 Sora 的对话，团队强调这是一个社交产品，视频生成在科研和社交场景里的潜力都被拿出来讨论。看起来，整个生态在不同层面同时试错，产业链的每一环都在找新的商业逻辑。