马斯克 360 度转圈拍摄人民大会堂，黄仁勋：这会是一次非常成功的会晤

5 月 14 日，上午，国家领导人在北京人民大会堂东门外广场举行仪式，欢迎美国总统特朗普开启访华行程。据中国新闻网，仪式开始前，随同特朗普访华的特斯拉首席执行官马斯克，现场用手机 360 度转圈兴拍摄人民大会堂。

英伟达首席执行官黄仁勋在接受采访时表示：这会是一次非常成功的会晤。

据悉，元首会谈结束后，马斯克、黄仁勋、库克等一众知名商界领袖陆续从人民大会堂离场，等候在外的白宫随行记者团第一时间上前，询问各位企业家对本次会谈的直观感受。

马斯克首先给出了十分积极的回应，直言整个会谈过程非常顺利，当下已经有很多对产业发展利好的好事正在发生。

库克面对镜头先是比了个庆贺的手势，随后又竖起大拇指，用直白的肢体动作表达对本次会谈结果的认可，而黄仁勋受访时也表示会谈进行得十分顺畅，直言两国元首的交流状态都棒极了。（来源：快科技）

英伟达市值破 5.5 万亿美元，超世界第三大经济体德国 GDP

Anthropic 企业采用率首超 OpenAI

5 月 14 日，Ramp AI Index 日前发布报告称，Anthropic 的企业采用率于 4 月上升 3.8%，达到 34.4%；OpenAI 采用率下降 2.9%，至 32.3%。

过去一年中，Anthropic 的企业采用率增长 4 倍，而 OpenAI 的企业采用率仅增长了 0.3%。报告来自企业信用卡与财务自动化平台 Ramp，该平台追踪了超过 5 万家美国企业的支出模式。

但该报告也指出，Anthropic 的优势可能并不像表面看起来那样稳固：不断上升的成本、算力限制，以及推动公司营收高速增长的「基于 Token 计费」模式本身，都可能对其构成威胁。

同日，Anthropic 公司与盖茨基金会达成 2 亿美元的合作伙伴关系。（来源：格隆汇）

微软寻求收购 AI 公司以摆脱对 OpenAI 依赖

5 月 14 日，据外媒，知情人士称，微软正寻求收购人工智能初创公司，为摆脱对曾经至关重要的合作伙伴 OpenAI 的依赖做准备。潜在收购将帮助微软储备 AI 人才，并推进此前提出的在明年前打造一款先进 AI 模型的目标。

知情人士称，今年春季，微软曾考虑收购代码生成初创公司 Cursor，但由于内部评估认为该交易因微软持有 GitHub Copilot 而难以通过监管审查，微软最终放弃了这一计划。微软目前正与 Inception 展开谈判，这是一家由斯坦福大学团队创立的小型初创公司，专注于采用一种名为「扩散」（diffusion）的技术开发大语言模型。

微软旗下风险投资基金 M12 于 2025 年末参与了 Inception 5000 万美元的种子轮融资。微软在竞购中还面临来自其他科技巨头的强劲竞争，尤其是马斯克旗下的 SpaceX。知情人士表示，SpaceX 也曾接触 Inception。（来源：格隆汇）

Anthropic 高管：公司 90% 代码已由 AI 完成

5 月 18 日，Anthropic 首席财务官表示，AI 已编写公司 90% 的代码，使白领工作重心从执行转向监督。这些言论透露出这家硅谷顶级 AI 公司对未来白领工作的看法：AI 未必会直接消灭大量岗位，但会自动化掉员工日常工作中的大部分执行任务，使员工逐渐变成 AI 系统的「监督者」。（来源：财联社）

黄仁勋称 5 年前的 GPU 就像老酒：它们越陈越香，还会涨价

那么，今天这样的形势下，中国大模型玩家的未来格局是什么样的？甚至未来市场上能有多少家大模型玩家？这些玩家将如何构成？其实挺值得讨论一下。

竞赛规则和目标越来越明确

先说个业界的共识：Scaling law 并没有到头，

「更多维度的数据，更高质量的数据工程，更大的算力带来的更庞大的基模，还在给模型能力带来快速增长，甚至这种能力的成长还没有看到边界。」这基本上是现阶段硅谷一线 Researcher 的共识。

这种共识代表着某种「确定性」，这意味着提升模型智能水平，在一定程度上从一个高风险的科学探索问题，开始更靠近一个高投入的工程和资本问题。只要有足够的数据、算力和工程执行力，持续投入就能换来相对可预期的智能提升。

与此同时智能本身也逼近了一个临界点——智能程度足以实现自进化。Anthropic Claude Cowork 的代码全部由 Claude Code 产出，并在十天中完成。用当前最先进的智能生产力，投入下一代智能的迭代，这种模型能力到达某种临界点后，可用于提升下一代模型的训练效率或数据质量的现实，开始给人一种近乎「左脚踩右脚」的梯云纵的想象。

相信中国模型领域应该也已经迅速形成了两个共识：

一方面，无论大厂还是创业公司，都必须拼尽全力，尽快跨过这道临界点。跨不过去，差距将被彻底拉开，牌桌就没有你的位置。

另一方面，这并不是靠一代、两代模型 SOTA 就能赢得的比赛。它是一场星际飞行，在一个足够长的时间里，玩家们比拼的是持续的加速度，而非某一次的冲刺加速。这意味着，你需要足够大的「能量池」，才能留在竞赛里。

模型将不只是现有巨头的游戏

训练模型需要巨大的资源消耗，上顶级模型牌桌的入场券大概就得 10 亿美元级别。这笔钱，依靠一级市场的融资已经非常不易。但这很可能仅仅是「起步价」。

真正的考验在于，你是否具备「百亿甚至千亿美元」级别的持续投入能力。这笔钱大概率无法单靠融资，它可能来自两个核心支柱之一：一个能持续产生巨额利润的强大业务，或是能被资本市场长期、海量注资的信心。

虽然模型一度被认为是独属于「巨头」的游戏，但随着这场游戏的确定性和「规则」逐渐明确，反而现在有一些新玩家在入场，他们未必是传统意义上的巨头，但是他们也有强烈的入场动力。

这背后的思考是，基础大模型并非一个产品，而是这个时代的「工业母机」。拥有自主、可控、持续迭代的模型能力，相当于在新时代拥有了自己的核心工业体系。反之，如果完全依赖外部模型 API，就像你只能做来料加工甚至是服务业，而不拥有核心的工业体系，那么无论你的应用层业务多么繁荣，都会面临「空心化」的问题，沦为他人工业链条中的一环。当然，更大的问题是你也会严重缺少在新时代开疆辟土的「工业能力」。

基于此，中国的模型牌桌上可能将会有三类玩家：

第一类玩家是科技巨头，例如阿里、字节、腾讯。

他们的核心优势并非单纯的资本，而是他们都有着非常强大的主营业务。

这种优势对于训模型的重要性，可以从「云」的发展中窥见：阿里云之所以能成为亚洲第一云，根源在于它诞生于双十一的极限交易洪峰中，是被自有业务的极端场景「逼」出来的基础设施。亚马逊 AWS 也是如此。

所以科技巨头作为第一梯队的核心优势在于他们强大的「A 面」——电商、社交、内容等庞大的主营业务，是「B 面」模型引擎的天然训练场与价值出口。

对科技巨头而言，投入模型研发并非选项，而是必须。放弃自研模型，就意味着平台「空心化」，将未来的「工业主权」拱手让人，这是他们绝对无法接受的。

比如之前比较被大家忽视的腾讯，其最近的模型虽然还没有 SOTA 到引人注目，但已经看得出在快速追赶和提速。按照这种发展趋势，未来也一定是不可忽视的力量。

第二类玩家是 MiniMax、智谱、月之暗面、阶跃星辰这类模型创业公司。

他们是本轮浪潮中最敏锐的先行者，他们因模型而来，也 all in 模型，凭借技术信仰和敏锐的执行力，在模型能力上紧咬前沿。

作为新兴公司，他们的优势理应体现在更高的组织效率、更敏捷的执行力，以及在技术上的原生「天赋点」，能以相对更优的效率取得成果。

但他们面临的挑战也显而易见：如何解决持续长跑的燃料问题？因此长出一个强大的 A 面业务一定是值得追求的。

例如相对于 OpenAI，Anthropic 最近一年多来在硅谷更受推崇，就是因为它凭借 Claude Code 等产品迅速建立起了强大的 A 面，展现了从第二类向第一类玩家迁移的趋势。

在全球化中寻找出路或许是一个要探索的方向。毕竟在中美两大市场之外，广阔的全球市场提供了巨大空间。将模型能力或基于模型的产品，像电力一样输出到全球不同角落，用一定的价值循环做支点，驱动模型引擎的持续迭代，形成价值闭环。这条路不容易，但概率不为零。

相对于我们比较熟悉的前两类，第三类玩家也很值得讨论。

这类玩家是战局中最值得关注的变量。他们虽然没有巨头的体量，但具备几个典型的特征：较高的利润率、可观的利润规模、有砸几十亿美元的投入决心，以及创始人自己对大模型领域足够深的投入，在技术决心和业务决定上的极度笃定。

DeepSeek 就是这类里最独树一帜的代表。它正是基于幻方量化在长期量化交易业务中锤炼的 AI 与超算技术能力而创立，也得益于幻方量化这个坚实业务 A 面的支撑，加之创始人梁文峰兼具决心、意愿与模型领域的能力，使 DeepSeek 成为了业界不可忽视的力量。

但当所有人都意识到模型是一场长跑时，仅靠一个中型 A 面业务的利润支撑是不足的。因此，这也解释了 DeepSeek 走向融资就是一种必然选择。

此外，DeepSeek 之所以受到大力加持，还在于其独特的战略站位。首先 DeepSeek 在开源路线上已经在建立初步的生态，实际上带动了硅基流动、无问芯穹等公司的存在。同时，在所有国内大模型公司里，DeepSeek 也是与国产算力生态整合最为积极和坚定的。毕竟对于其他巨头和创业公司而言，这是一条充满不确定性与挑战的、让他们很难 all in 的道路，但 DeepSeek 做出了这个选择，使其在事实上承载了部分与国家科技战略相关的使命。这种与国家战略的深度共振，超越了单一的商业业务，构成了其更宏大、也更稳固的一个「A 面」。

这不仅仅意味着 DeepSeek 可能获得不亚于大厂的持续资源能力，也意味着开源模型领域的进一步能力加强，成为了中美闭源大模型之外的一股对冲力量。

其实我还有一个大胆的推测，大模型玩家中，可能还有一个值得重点关注的是米哈游创始人之一的蔡浩宇创立的 AI 公司 Anuttacon，其近期发布的 LPM 1.0 表演模型可能只是一道「前菜」。据传蔡浩宇在 LLM 上的专注投入已经开始一段时间了。

另外的一个证据是在米哈游 4 月 17 日的官方校招信息中，已明确开始为「基础大模型」举办技术分享暨顶尖校招生招募，并清晰地指出这是基于「自研 Foundation Model」。更值得注意的是，信息中提到米哈游的另一位创始人刘伟也将前往现场共同探讨交流。从这也看得出来，投身基础大模型大概率不只是蔡浩宇的个人兴趣和动作，而可能是创始团队在这方面达成了共同的决心，是一次重要的集体战略选择。

从基本能力上看，米哈游的游戏业务年收入在百亿美元级别，利润可能在 30-40 亿美元区间。同时蔡浩宇已经建立独立的公司，应该已经开始明确集中精力聚焦于大模型领域。他大概率不是像之前外界猜测的那样只是围着未来游戏引擎来搞模型——虽然最开始的出发点可能确实有这个因素。因为从当下模型的发展趋势看，就算最终其模型的能力可以帮助米哈游创造「AI 世代的新游戏」，那也一定不会只是垂直于游戏领域的「AI 游戏引擎」，而必须是基于强大语言模型向上生长的数字世界「工业母机」。

实际上，米哈游在游戏领域的成就已经非常可观，我猜测其创始人们很可能不只把大模型作为确保游戏业务能穿越时代的「防守动作」。这为什么不能是他们依托游戏业务这么好的阵地的「进攻性」能力？是通向更大赔率和更大规模的未来业务新可能性呢？

毕竟米哈游凭借其游戏业务的支撑，并且同样可以借助资本市场的杠杆，它有潜力成为第三类玩家中另一个重要的力量。前提是，要看他们什么时候能在大语言模型上放出他们的阶段性成果，验证他们在技术上获得被认可的「参赛资格」。

这种半场杀入，但目标坚决，并一定会寻找用技术创新超车的新玩家，至少对技术人才们而言是一种新机遇。

总之，到今天看，大模型还不能说只是巨头的游戏，故事还在分叉，精彩还在继续。

在明势创投的会议室内，身穿帽衫的创始人黄明明一脸不解的跟极客公园说：「大家一直给我们贴上「叛逆型投资人」，说好听点是『非共识』的标签。我觉得还挺奇怪的——世界大部分时候，是奖励『共识』的：光鲜的背景、快速的融资、简单能听得明白的故事，不是吗？而事实上，世界只有在很少的时间节点在奖励非共识。」

作为互联网时代的创业者、有着十二年科技投资经历的明势创投创始人，黄明明带领团队在新能源时代押中了理想汽车，在 AI 时代又投出了 MiniMax，后者目前已经是中国 AI 行业的标志性公司。

但黄明明认为自己只是「幸运」——作为看《星球大战》长大、始终对科技和工程感兴趣的一代，这样的兴趣，让明势始终选择在中国科技行业中「画圈」，最终在时代的爆发中，获得了成功。

黄明明（左三）在 MiniMax 港交所主板上市仪式上｜图片来源：明势创投

个人的成功固然要看历史进程，或者「运气」，但对于一个投资人，如何在时代浪潮中，找到那个能真正成功的创业者，难度高到依然如玄学。从理想汽车的李想，到 MiniMax 的闫俊杰，黄明明将这种筛选标准总结成——找到坚持第一性原理、对自己所做之事始终抱有信仰的创业者。

或者，用他的话是「让人汗毛直竖的人」。

「让人汗毛直竖」可能体现在，当公司资金有限、也要逆着所有人的建议投入全部身家坚持做增程车、而不是纯电的李想；或者是，当融资不畅，顶着压力依然要拿出全公司 80% 的算力去赌 MoE 架构的闫俊杰——这种近乎偏执的理性或者非理性，让明势坚持 6 轮持续押注 MiniMax，并最终赢得了彼此的最终成功。

「6 轮融资，每一轮都在发抖」，事后黄明明如此回忆。

由于自己是创始人出身，所以黄明明特别理解企业 1 号位的孤独和痛苦，这是没有任何人能替代的。在企业发展最关键的时刻，没有任何人能给创始人出主意，他必须在非常微弱的信号里，带着所有人往那个方向走，只有创始人能在黑暗的隧道里找到那个方向。

即便明势创投在 AI 时代投出过 MiniMax、Genspark、Lovart 等知名公司，黄明明依然感叹，扑面而来的 AI Agent 时代「实在是太快了」。从 AI FOMO 到 AI FOBO，作为投资人黄明明同样焦虑，他的解决之道是始终保持在一线，去和那些「让人汗毛直竖」的创业者的沟通。

因为那种兴奋的感觉，对他来说是热爱，同样也是他的「奖励函数」。

以下为极客公园与明势创投创始人黄明明的对谈文字，由极客公园整理。

找那个让你汗毛竖起来的人

极客公园： 今年 OpenClaw 火了之后，大家都说要养小龙虾了，感觉围绕着 Agent 出现了非常多、非常年轻的创业者。咱们明势在找这些 Agent 时代的创业者时，有没有感觉以前的那些渠道和方法失效了？

黄明明： 我觉得那个做 OpenClaw 的 Peter 是很厉害的一个人，他不是横空出世——他之前创业过，是非常牛的独立开发者，二十年老炮了，在这个领域里。

但这不代表没有横空出世的机会，更年轻的、更 AI native 的人完全有可能。

对我们来说，找创始人最重要的还是两件事：

第一，你一定要跟头部模型保持非常紧密的联系和交流。底模的智能每往上拔高一个台阶，就会带来应用层和 Agent 层能力的一次大释放，才会有新的机会出现。所以保持跟头部模型公司的密切互动，在 AI 时代做投资没有什么比这个更重要的事，你才能足够敏锐，才能看到模型下一步解锁的能力——而这个能力的上限决定了 Agent 的上限。

第二就是保持开放和敏锐的心态。我们有一位合伙人就是趴在 GitHub 上看，突然有个东西爆了，他就去找那两个创业者，发现他们在 OpenClaw 出来之后手搓了一个东西扔在 GitHub 上，也爆了，然后他们就开始做自己的产品。

你确实得在这个群体里深入进去。有个年轻创始人跟我讲了一句话，让我极为震撼，他说：黄总，如果你还没有一键敲下去、消耗几十美金甚至上百美金，让 AI 执行一个复杂长程任务的体验，你对这个世界的认知，和有这个体验的人的认知差距，就像中国刚改革开放时，出过国和没出过国的人对世界的认知差距那么大，甚至比那个还要大。

所以我们现在考虑让我们最激进地用 AI 的同学，带着我们一起找那些消耗最多 Token 的用户群——我要知道最大的 Token 用量的那批人，每天在干什么？往哪个方向演进？这个体感你得有，然后才能在这里面发现涌现出来的机会。

极客公园： 我接触这些 Agent 创业的年轻人，会感觉和他们聊的时候有些话沟通不来——他们更年轻，对于约束和标准好像没有感知，或者说比上一代创业者更聪明。你会这样感觉吗？

黄明明： 恰恰相反。

第一，年龄不是我们划分的维度。Peter 40 岁 了，但写出了 OpenClaw。所以我们不机械地说一定要投 00 后，AI native 是你的思维和学习迭代能力造成的，跟年龄无关。

第二，我比较遗憾的反而是，真正那种更聪明、更颠覆型、更疯狂的人不够多。我希望更多。跟这些人聊，大家没有任何代沟，没有任何沟通障碍，完全平等地在交流，他也觉得我能听懂他在说什么，我也为他做的事情感到兴奋。

反而是这样的人不够多。一礼拜我们投资团队先筛几十个项目，我真正能见的大概十个，但其中真正能让你汗毛竖起来的不够多。这才是最让人刺激、最让人上瘾的事情——他就应该足够疯狂，就应该让你听不太懂他讲的东西。

如果他讲的是一个线性外推、你听两句就能听懂的故事，大概率这事儿做不大，甚至做不成。因为今天 AI 迭代太快，如果你只是线性外推，你不可能比 AI 的迭代速度快，一定会被干掉。前两天 Claude 发了一个版本，一堆做 Agent infra 的人就哭天喊娘了；再发一个版本，做安全的又躺倒了一批。你必须得足够疯狂，足够 all in。

极客公园：说到让人「汗毛直竖」的创始人，您能否分享几个让你汗毛直竖的创始人，以及当时他们是哪个点让产生这种感觉？

黄明明：明势投的每一个创始人，我都会亲自去聊，而且会在投后也不断地回访和交流。我能清晰回忆起每一个创始人最初打动我们的点，而且其中很多人还在不断持续给我们带来这种惊喜：

对 MiniMax 来说，是创始人闫俊杰平静地对我说，自己押上 80% 的算力资源在 MoE 架构的预训练中，失败了两次，但第三次差不多要搞定了的时候。

还有理想汽车的创始人李想带我试驾完理想 ONE 后，我们俩心里都知道这是他唯一的一次出牌的机会，他微笑着跟我说，他已经把自己的全部所有家底都投进去的时候。是 Genspark 创始人景鲲 2 年前跟我说从 prompt to website，到 prompt to action，传统搜索没有办法必须跳到外部 website 落地，但 agent 不是这样，agent 不是软件，而是数字员工，可以给用户更终极的东西的时候；

Lovart 创始人陈冕第一次来办公室跟我见面的时候只讲了 15 分钟，但他那种少见的技术、产品和审美于一体罕见的组合，让我直接给投资团队发微信，今天务必在办公室里锁住他时候；

还有第一次见舞肌创始人潘韫哲，他穿着短裤和 T 恤，浑身极客范儿站在我面前，略带羞涩的说他内心深处真正想做的是机器人，但他知道现在没有人能相信他，所以就从机器人最核心的关节和电机开始做起的时候……

他们每个人都足够特别，让我印象特别深。

世界很少奖励「非共识」

极客公园：我刚从杭州出差回来参加一个汽车活动，汽车圈现在有一个共识，就是想把 Agent 放到车上。我想问一个轻松的问题，你开车吗？开什么车？

黄明明： 开车，我们全公司、全家都换成理想了。我们公司还有个政策，买理想补助 5000 块，新款补助 1 万。

极客公园： 当年投理想的时候，有没有想到他能做到现在这么成功？

黄明明：说实话，没想到能做到四五百亿美金的公司，而且这么快。我们是 2015 年第一轮参与的，2020 年上市，2021、2022 年峰值就已经撕开了非常大的口子。

理想很多东西在当时是被吐槽的。增程路线一开始被喷得挺厉害，现在几乎是大多数车企的标配。雷军也讲过，理想开创了大空间增程 SUV 的新赛道。不少车厂摸着理想过河，也都取得了不错的反响。

一开始我就相信理想一定能做成，但能这么快做到这个规模，确实没想到。

理想上市时黄明明与李想（左）合影｜图片来源：明势创投

极客公园： 理想其实当时挺异类的，先做 SEV，没做成，要做增程，这是非共识中的非共识。

黄明明： 关于「非共识」这个词，我稍微描述一下。我们（明势创投）现在有点像一个标签——「叛逆型投资人」——但我们真的不是刻意要投非共识的东西。复盘下来，我们发现跑出来的好项目，确实都是当时市场上最不被认可的，但这不是我们刻意为之的。

就拿理想来说，在当时的创业圈里，电动车是个共识，前面有蔚来、小鹏，有传统车企明星光环的创业者。但李想的非共识在于路线：他们做的是增程，而不是纯电。

理想讲了一个非常简单的常识道理：特斯拉在美国能成，是因为美国有条件安装家用充电桩——一户一车库、一个固定停车位。中国的情况正好反过来，大多数车主没有固定车位，别说车库了。而且，就算有固定车位，中国小区的电路是按照明电路功率设计的，同时两三台车充电，整个地下车库就跳闸了——当时第一波特斯拉车主之间还要互相微信说好「我开始充了，你别充」。

这是个常识问题。但大多数创业者是说「中国特斯拉」好让美元 VC 听懂，所以就做纯电。理想说，我这个车是给中国的广大用户用的，不是给 VC 和投资人听的。

这是我们喜欢的创始人类型——不 to VC、不 to 舆论，用第一性原理和技术去真正解决用户的问题。有趣的是，我们投的都是这样的人，但这样的人在一开始往往不被投资圈和主流媒体认可，于是就给大家留下了「明势投的都是异类」的印象。

我说句心里话，我们也很羡慕那种投了早期项目、一年融三轮、估值翻五倍十倍的。给 LP 看多好看。但后来想通了——我们只能投我们喜欢的、我们相信的人。那些不在我们审美偏好里的，这个钱不该我们赚，就不赚了。

关于从理想到 MiniMax 这两个项目，我还想补充一两点。

我说我们运气比较好，真的不是凡尔赛或者谦虚。每个 VC 都是在自己画一个圈，在这个圈里——可能是你盯的人、你认可的赛道——去找你认为的那种创始人，赌他能做出大厂做不出来的创新，或者比大厂更快。你就是一个又一个地画圈，在里面赌你相信的人。

我们的运气好，是我们这个圈从十年前开始就画在了中国的科技创新上，持续在这里面画圈。我们不是只追单个的 AI 热点项目，而是基于 AI 的 5 层结构：从能源层智能电网的自动交易系统，到今天大热的 AIDC 计算、光 IO，到 AI Infra，到模型层，再到头部的 Agent 和 AI 硬件，我们从 4 年前就开始系统性的布局。

但这里面是有运气成分的——比如我们是中国 2014 年最早投工业机器人的，但大部分工业机器人项目都「阵亡」了，那波也没跑出巨大的公司来。

因为我们一直在科技赛道里画圈，画着画着就画到了 EV（新能源车）里，比较幸运地抓到了理想；画着画着画到 AI 里，比较早地画到了这个圈，投到了 MiniMax。

所以你说绝对是有运气的成分。如果说我们从一开始就看到了今天 AI 的这波发展，看了什么 Transformer paper，看了 GPT-3……那就是在吹牛了。就是你在自己相信的领域里持续画圈，持续找你喜欢的创始人，可能我们画的这个圈运气比较好，中国的科技确实在爆发。

极客公园： 运气也是实力的一部分。

黄明明： 但问题是我们在大多数时候也是错的——不代表我跟市场不一样，我就对了。

做早期投资最难的地方是：外部世界大多数时候是在奖励共识——光鲜的背景、快速的融资、简单能听得明白的故事，这些是显性的，所以外部世界大多数时候是在奖励共识的，只有在很少的时间节点它在奖励非共识。而我们自己也经常是错的，这必须得承认。

所以最难的那个点是——在非常微弱的信号里，抓到你坚信是对的东西，而且跟市场认知不一样，最后你可能还是错了，但也有可能你对了，你就能获得超额回报。

难的是市场大多数时刻在奖励共识。一轮又一轮的融资、估值快速上涨、外界认可、LP 认可——你能不能顶住这个压力，跟你投的创始人一样，顶住所有外部压力，坚持投你相信的东西？这是对早期投资的一个很大的考验。

我一直跟年轻同事说，不要内耗。他们也认可明势的投资方法论，觉得应该投自己相信的东西。但年轻人总是这样——我的同学研究得也没我们深，但人家投了一个我们不认的东西，咣咣咣估值翻十倍、二十倍，人家升职了，拿了丰厚奖金，而我们判断是对的，但确实慢，或者我们没在这个领域出手。

我经常跟他们说，你不要纠结，两种方式都能赚钱。但你不要两边横跳，那是最难受的，哪种模式都做不好。

ChatGPT 之前 12 个月的 MiniMax

极客公园： AI 时代，明势押中了 MiniMax。理想是共识赛道里的非共识路线，MiniMax 的情况有点不一样吧？

黄明明： 对，两个不太一样。投理想的时候，EV 赛道已经是创投圈半明牌的状态，我们在里面选了一个非共识的创始人和非共识的路线。MiniMax 是在 2021 年底我们就开始接触了，那个时候说实话是 AI 比较黑暗的时刻——当年 AI 四小龙生死存亡，上一波以视觉识别为主的 AI 都遇到了瓶颈。

当时没有人在讲 Transformer，没有人在讲 GPT-3。Transformer 的 paper 是 2017 年就发了，GPT-3 是 2021 年，已经能看到 scaling law 在 LLM 初步显现，但大众还不知道。大多数同行也还没注意到这一点。真正引爆是 2022 年 11 月 ChatGPT 发布。我们去跟 MiniMax 谈的时候，大概是 ChatGPT 发布的 12 个月之前，完全是非共识，没有人注意的赛道。

黄明明和闫俊杰（左）在会议上的对谈｜图片来源：明势创投

极客公园： 第一次见闫俊杰是什么时候、什么场合？

黄明明： 是 2021 年底。机缘巧合，是我的一个交大师弟——米哈游的创始人，大伟哥（刘伟）——跟我说，「明明师兄，我觉得生成式 AI 这一波你应该关注一下，我们园区内有一个很有意思的小团队在做这个事」，但他也没说清楚具体干什么。

后来我带着夏令和之浩约了俊杰在北京知春路一家酒店见面。

走进大厅，远远看见一个光头哥们儿，坐在那拿着笔记本电脑在码代码。我们仨在那嘀咕，说是这哥们儿吗？看上去是很普通的码农形象。

聊的时候，说实话跟我们三个当时都没太大感觉。他跟我们提到了 Transformer，提到了 AGI，但实话实讲，大多数我们都没太大感觉。当时市场尚未出现对大模型投资的系统性研究，但我们在投了理想后，夏令很早就关注到基于 Transformer 架构的端到端自动驾驶技术路径。所以随后闫俊杰谈到的端到端数据驱动、AI1.0 到 AI2.0 的跨越，彻底触动了我和团队。

极客公园： 那个时候 AGI 还没有现在这么广泛的认知。

黄明明： 没有。他也讲了上一波 AI——就商汤那时候的模型——每一个场景要重新写一个模型，定制化成本极高，根本不可能有泛化能力。他说这次有可能看到泛化能力。

短短 10 天后，在闫俊杰的介绍下，我带着夏令和之浩又见到了他的联创贠烨祎，见完出来我就跟哥俩说，这个女孩确实是女中豪杰，对资源整合、运营方方面面超强。如果说俊杰是有技术 vision 的人，烨祎就是非常好的运营者。我们仨商量完，都觉得应该干，我立刻就给俊杰打电话说我们一定想参与。从第一次见他到决定要投，大概就十天左右。之后夏令带着之浩与俊杰团队又密集交流了两次，既包括明势对新一代 AI 发展趋势的理解，也充分沟通了 MiniMax 从技术到工程到产品化的路径。明势团队的专业细致成功获得了闫俊杰的支持。

有个有意思的细节——后来在 MiniMax 庆功宴上，我们几个早期投资人聊，烨祎说：最早投 MiniMax 的这波投资人，都没太听明白我们在干嘛，但是他们依然决定投资，这就叫真爱。真爱是什么？就是你没太明白对方在讲什么，但你依然决定支持，这叫真爱式的投资。

聊完之后，我觉得还是那句话——每个理工男，看着《星球大战》长大的，对机器人、AI 都有一个刻在基因里的 dream。直觉上觉得应该干。

但你要说当时我们看到了今天 AI 的发展？那纯粹是吹牛，当时只是看到一个模模糊糊的未来，也没太听明白他讲的东西。

连投六轮，每一轮都在抖

极客公园： 你会在闫俊杰身上发现哪些特质，让你觉得「我没听懂他说什么，但我很想相信这个人」？

黄明明： 这个信任是持续建立的，我们对外讲「连投六轮」，但每一轮其实内心都是极度纠结的，因为他的融资一直不是那种高歌猛进、很顺的状态，中间也有好几次面临巨大的外部压力。

我可以讲个有趣的笑话。中间有一轮，我在外地出差，另一个也是早期投了 MiniMax 的基金老大给我打电话，问「明明这轮你还跟吗？」我电话里非常斩钉截铁——「必须跟，一定要力挺」。

挂了电话以后我睡不着觉了，我想：什么情况？他也是这么早期投进去的，他看到了什么我没看到的东西吗，怎么开始犹豫了？

每一轮其实都有这种很纠结、很焦虑的时候。我印象比较深的有两轮。

有一轮是 2023 年底。那个时候 MiniMax 面临的外部压力非常大——大厂开始全力压上来，阿里、字节，是我们始终认为最有竞争力的两个，开始把所有资源往大模型倾斜，以前他们内部想要一张 GPU 去训模型都困难，现在几乎是无限量的资源投入。

MiniMax 作为一家初创公司，同时在做模型又在做产品，外部的质疑声非常大。

那次我去找他聊，他在训练 MoE 架构。他轻描淡写地跟我说，黄总，我们比较早在做 MoE 这个架构，当时在硅谷也是非共识，不是所有大模型厂都在试这个方向。他说：我们现在的产品——国内的星野，海外的 Talkie——才跑了几十万用户。以现有的 Dense（稠密）架构，我是不可能服务将来千万甚至过亿用户量级的。所以我一定要训练出 MoE 模型来。

我说你拿了多少计算资源？他说 80%。

我们都知道，计算资源对一家 AI 公司来说就是身家性命。他拿了 80%，轻描淡写地说，而且说他已经失败了两次了。我当时听到这句话，汗毛都快竖起来了。

但他接着说，「我觉得差不多，应该能搞出来。」

出门我就跟夏令说，这家公司我投少了。你在他那种温和笑眯眯的、普通码农的外表下面，一下子看到了他的狠劲，看到了真正对这件事有坚定信念、有信仰的人。

他没有做什么花哨的功能让用户觉得好酷，他做的是默默地说，我为了让模型的智能往更高层级迭代，能更低成本、更高效地服务更广大的用户，我必须做这件事，而且敢把公司的身家性命押上来。

这个特别像理想——快要量产了，所有人说快没钱了，融不到钱，让你做款纯电，但李想当时非常明确，坚持做增程。我记得在理想 ONE 即将上市前，他亲自开车做试驾员带着我试驾，试驾完我们都知道理想只有一次出牌的机会，离开时他平淡地告诉我，自己已经投入了全部身家。面对巨大的不确定性，这种最难的时候的选择，才能看出一个人的底色。对俊杰来说也是一样，把 80% 的算力资源赌在 MoE 上，面临那么大的市场压力和融资压力，不成这公司也就挂了。

但他讲起来风淡云轻。就是这种感觉，让我觉得应该下重注。2023 年 12 月那轮，我们 super pro rata（超额认购）加注了，跟投的机构不太多，基本是之前的老股东。

极客公园： 还有一轮是？

黄明明： 另一轮是 2025 年，DeepSeek 出来之后。

那时候整个行业压力极大，投了「大模型六小虎」的机构出门都不好意思见人。我记得当时在一个论坛上，在座都是一线基金的老大，主持人一个一个拷问过来：你们投了大模型没有？似乎投了的好像就有「原罪」一样，当时的环境就是这种感觉。

但 MiniMax 在 2024 年下半年就已经开始复盘，主动做了战略调整——把模型能力作为公司最核心的能力。他们给我们足够的信心，说和世界顶级模型的差距在逐步缩小。那一轮我们又是 super pro rata，是当时为数极少还在继续跟投 MiniMax 的老股东。

这两轮可能是我印象最深的，但其中每一轮其实都有一堆故事，都非常纠结，也非常焦虑。

中国大模型的机会与最大的焦虑

极客公园： 现在 MiniMax 也成功上市了，股价涨得非常夸张。你们作为早期投资人是不是终于一块大石头落地了？

黄明明： 开心肯定是开心的，那不可能不开心。一个项目回报就超过那期基金三倍，还有其他很多优秀项目。但你要说一块石头落地了，反而没有——更焦虑了。

还是那句话，AI 发展太快了。硅谷的算力资源、人才资源是我们的一百倍，估值是我们的一百倍，但人家的收入也是一百倍都不止，而且还在以这样的高速增长。

尤其是 Anthropic，它真正赢的不是底层能力跟 OpenAI 和谷歌拉开了什么差距，而是赢在了产品和战略方向上的极度聚焦——它把 coding 变成了这个时代的操作系统，模型反而变成了下面的算力层，就像原来的芯片，就像英特尔的角色，Claude Code 成了新时代的 OS，再往上就可以做各种 Agent 的应用。

这个速度，依然比我们想象的要快。那中国的模型公司到底能不能跟上这个速度，同时开始真正交付价值——这是我们看到了一些很好的迹象，但到底能切下多大一块蛋糕，是一个非常大的挑战。

今年头部模型公司如果做不到十倍增长，就整个行业基准线是十倍增长，按道理可能是二十倍——如果做不到，就会被市场淘汰。但在以前的传统软件行业，一年十倍增长是人类历史上没见过的企业成长速度，在这个行业里它就是这么快。压力反而更大，但机会也更大。

极客公园： 这里说的是营收的增长？

黄明明： 营收的增长，核心指标是 ARR 和 Token 调用量。大家比拼模型参数、跑分这些早就过去了，今天的硬指标就是 Token usage 和 ARR。

在这点上，中国模型公司有我们自己独特的优势。你看 Openrouter 上 token 的调用量，中国模型公司的整体 Token usage 已经连续几周超过了美国。这是另外一种范式的 Made in China——MiniMax M2.5 和 M2.7 的最新模型，和 Claude 最顶级模型的 performance 差距可能小于 5%，但我们的 API 定价只是它的 10%，cost 更低。

如果把 coding 或者知识工作者的需求划成一个三角形，最顶层是对最高智能的需求，但大多数公司和个人需要的是一个高效、可靠、反应快的智能就够了——你不会去找一个 MIT 的 PhD 做普通的文书工作，你要的是一个 可靠的、执行力强的、满足你需求的就行。这就是为什么硅谷很多 AI 创业公司现在都在调用中国的底模，这已经不是秘密了。

这是另外一种 Made in China——从中低端需求往高端持续走，差距也在持续拉近。这方面我有很强的信心。

极客公园： 就像之前的制造业出口，美国有需求，结果带动了中国的生产制造体系。这一波 AI 没想到也复制了这个逻辑——很多人发现接国外的 Token 账单贵得夸张，ROI 算不过来，于是规划类的用顶模 Agent，真正干活的就接 MiniMax、接 Kimi。

黄明明： 对，每个企业主、每个普通人，会自己算这个账。这是中国模型公司的机会。同时在底模创新上持续咬住，甚至在一些部分弯道超车，但挑战绝对很大，这是一个高速迭代的过程，不是说一定能追上。

极客公园： 我还发现一个有意思的事——中国 AI 公司通过这一波 Agent，突然会发现，原来我可以直接卖 Token 赚钱，不用非得先做一个产品让用户来订阅了。

黄明明： 对，这个说得很好。我们把 AI 的发展用自动驾驶来类比的话：

Level 1 是 Chat——OpenAI 在这层是 dominant 的；

level 2 是 reasoning，就是 DeepSeek R1、OpenAI o1 这一类，模型智力到了一定水平，可以像一个人一样把复杂任务拆解、推理，开始能真正干活；

level 3 就是今天的 Agent 时代。

真正的转折点是 Claude 3.5 Sonnet 在 2024 年 10 月发布，Agent 具备了 computer use 和 planning 的能力，能真正像一个人一样开始干活。人和动物最大的区别是使用工具，模型第一次真正能调用 computer、调用其他 tools，完成长程多步骤的任务。

这时候底模被调用的数量从几何量级开始增加，Token usage 也随之爆发。

百万亿的 Agent 生态，怎么投？

极客公园： 那咱们现在聊到 Agent 这一波，你会怎么看 MiniMax 和这些 AI 创业公司的关系？而且我感觉，几个月之前的创业者和现在做 Agent 的创业者，完全像是两代人。

黄明明： 我觉得今天最大的价值还是在模型层。你看 Anthropic，OpenAI 现在也看到了这个趋势，赶紧停掉 Sora，回来切 Codex，全力做 coding 和 Agent。今天 coding 是模型的新执行器，干的不只是代码这一件事，它是数字世界的灵巧手，帮你完成调用工具、完成各种任务。

所以在 agentic economy 时代，我觉得最大的价值在模型层。模型层可能是一个万亿甚至十万亿美金的生意，将来有可能出现人类历史上没见过的百万亿美元的公司，而且比我们想象的要快。

Agent 公司有 Agent 公司自己的生存空间——你在所在的领域积累了足够的 context，把用户场景占掉，能更好地与用户交互、拿到更多 context，这是 Agent 公司的价值所在。

但确实很多中间层公司会被模型层吃掉，Claude 每发一个版本，一堆做 infra 的就被干掉了，再发一版本，做安全的又躺倒了一批——速度太快了。

极客公园： 说到大厂的压力，之前投 MiniMax 时，大厂的基模团队也是很大的竞争威胁，但 Agent 来了之后感觉那个压力好像解除了，大厂做的基模加 Agent，好像反而没有 MiniMax、Kimi 这么猛？

黄明明： 也不是，字节系的产品做得其实很好。豆包，包括飞书，能够深入嵌入到企业和每个知识工作者的工作流当中——底模能力加 infra 能力，再加上嵌入到企业工作流的能力，超级强。压力依然很大。

阿里变阵也很快。今年突然组织架构大变，完全以 Token 为核心重新调整整个组织——我觉得只有早期创始人在位的公司，才能把一个十几万人的公司做这么大的组织架构变革。

变阵过程中可能会有一些噪声、有核心的人离开，但对组织来说不重要，重要的是能不能尽快变成 AI native 的、围绕 agentic 时代的组织，这对大厂和创业公司来说都是生死存亡的关键。

阿里、字节都是非常值得敬畏的竞争对手。

极客公园： 有一个内部传闻，说豆包等大厂的模型团队，一开始没有认为 Agent 会变得那么主流，所以在模型阶段没有主动发展工具调用类的功能，甚至可能做了一些取舍。所以你会看到它做 chatbot 做得非常好，但让它像 Claude Code 那样的 Agent 去执行任务，成功率反而很低，不如 Kimi、MiniMax。

黄明明： 对，每一家公司，不管是创业公司还是大厂，在战略选择上都会有或多或少的问题。目前做得最好的是 Anthropic，但不是技术上的胜出，而是产品和战略选择上极度聚焦——从 coding 到 coding 生态的搭建，把这件事想得非常清楚，coding 成了它的执行器，能快速扩展到很多领域。

但现在所有人都想明白这个问题了，OpenAI 壮士断腕停掉 Sora，全力杀 Codex；字节、阿里都看到了这个问题；景鲲（Genspark 创始人）的讲话也在说这四五十万亿美金的知识工作者市场。所以大家很快都会往这个领域倾斜。早在 2024 年景鲲就和我们提到过传统搜索没有办法必须跳到外部 website 落地，但 Agent 不是这样，可以给用户更终极的东西，未来 agent 的定价要跟员工对标。小而结构合理的 AI-native 团队，效率可达到传统大组织的 10 倍。

好在这是一个新增的市场，每年的增量都比那些存量市场（在线广告、电商）要大，还没到你多一块我少一块的阶段，所有人都在舍命狂奔去抢这个增量市场。我觉得在 agentic 这个领域还会有至少一到两年的高速增长阶段。

极客公园： 你在 2025 年就已经说要聚焦在 AI Agent，你们是从这个时候布局 Agent 赛道的吗？

黄明明： 其实是更早一些。我们投 Genspark 是 2023 年就投了，Lovart 是 2024 年。标志性的转折点是 2024 年 Claude 3.5 Sonnet 发布——模型开始具有 computer use 和 planning 能力，真正能干活了。我们一直和头部模型厂商保持密切互动，所以看到了这个拐点。

Genspark 切到 Agent 是 2025 年，Lovart 切到 Agent 这种形式也是 2025 年，其实都是在 Claude 3.5、4.0 发布之后。还是那句话，底模能力的持续涌现，会让顶层的应用和 Agent 具备更强的能力，能更好地交付价值。

现在 Genspark 的 ARR 已经到 2.5 亿美金，1 月初的时候才刚刚突破 1 亿美金，Lovart 的 ARR 已经 2.2 亿美金了，都在高速增长。

黄明明在投资大会上发表演讲｜图片来源：明势创投

极客公园：投 Genspark 当时是 2023 年，那时候公司讲的是什么故事？

黄明明： 也是模模糊糊的一个方向，当时讲的还是 AI 搜索。我们就觉得这个团队我们喜欢——搜索的老兵，再加上凯华（朱凯华，原小度 CTO）是我交大的师弟，没有 AI 这波的时候我就跟他认识了，是百度里面技术和产品感都非常好的优秀人才。景鲲自己在百度这么多年，做小度这些，有很强的经验。

景鲲很早就提出了 Multi Agent 的概念，他胜在切得足够精准——直接切办公场景，市场需求最大的那一块，占了最大的场景。

来自全球——美国、欧洲、东南亚、中东——的海外投资人都在使用 Genspark 的产品，因为办公场景是脑力劳动者最主要的工作台。景鲲他们有自己的前瞻性思考，然后在大潮来的时候最坚决地抓住了最先 PMF 的那块市场，快速做深做宽，占住了大多数白领用户的工作台，这是他非常强的地方。

当然第一天起我就能想到他要做 office work 的 Agent——那肯定是吹牛，他当时讲的也不是这个故事。

极客公园： 现在明势在 Agent 生态里看的方向是什么？

黄明明： 我们今年可能有一个非共识的判断——在年初复盘会上我提出来，我们可能应该少看一些「给人用的 Agent」，更多去看「给 Agent 用的」工具和 infra。

围绕着 agentic economy，今天人类社会的所有基础设施——无论物理世界还是 IT 的计算、存储、通讯网络——全是围绕人搭建的，将来整套组织方式应该是围绕 Agent 搭建的，里面有巨大的机会。

我们年初还投了两位 2004 年出生的创业者，他们做的事情是：今天很多独立电商网站是给人看的，但现在很多独立站的流量已经开始来自 Agent、来自 Chat——将来你的 Agent 会自主帮你完成 80% 的购物行为。

但今天的网站不是给 Agent 设计的，那些首页广告 banner 很值钱，但 Agent 不看这些东西，有些图片 Agent 还看不懂。你如果不设计一个能给 Agent 看的新架构，在未来的 agentic 世界里，你的网站是不存在的、是消失的。

还有今天手机一级页面上很多的 APP，它们大概率会消失——从跟人的交互界面上消失。你不需要知道我是在哪个 APP 上订的外卖、买的机票，你的 Agent 充分了解你的习惯，自动把这些任务完成了，那些传统 APP 被压到下一层，被管道化，干最后一公里的活，但和用户的交互已经从人跟 APP 的交互变成 Agent 直接去调用这些工具和服务。

比如说 GitHub 是给人类 coder 用的，一定会有一个 GitHub 是给 Agent 用的——Agent 之间互相学经验、学 skill。这些都是我们最近看得比较多的方向。我们正在交割的一个项目非常有趣，就是做这个的，等出来了可以跟大家分享。

AI 时代，组织如何进化？

极客公园： 有了 AI 之后，明势团队在组织上会做一些调整吗？

黄明明： 效率提升是肯定的，包括有的同事跟我说，黄总你不用再给我们招 junior 的人了——不是那帮小朋友不够努力、不够聪明，就是跑不过 AI。给我几百美金的 Token 用量，比花大几千块钱找个实习生或分析师要管用得多。

但回到最后真正值得投的标的——我们不会因为有了效率工具，就从原来一年投 15 个变成一年投 100 个。真正最优秀的创始人依然是这个世界上最稀缺的资源，不会因为市场热了就多，市场冷了就少。

我在认真考虑我们内部团队的薪酬体系做一些调整。我们最激进的同事，他自己的 Token 用量现在已经占到月薪的二十分之一，慢慢接近十分之一，但还远远不够。

以今天的速度，我觉得很快会到他月薪的五分之一、甚至三分之一。所以将来我们的薪酬包应该是：base salary + bonus + carry，再加上 Token 用量。

反过来，这也是一个反向约束——如果你的 Token usage 到不了我要求的量，可能你不是一个 AI 时代能够发挥最大效能的投资人。

这个问题在我们投的创业公司里也在发生。最抵制这个东西的，反而是最资深的那些人，因为他有既得的优势和利益，不愿意拥抱。

我们投的一个做 data infra 的公司，创始人最后没办法，在三四百号工程师里，把 Token 用量排名前十的人单独拉出来，成立一个特别小组，专门做 AI native 的项目——剩下那些人你怎么说都没用，跟得很慢，甚至排斥。这在各行各业都在发生。

组织上我们也会更分布式。以前有层级，要到 team leader 再到我这边，但现在变化太快了，等层层汇报上来，机会已经过了。所以现在让年轻人组成一个又一个小组，只要有 MD 以上的人 sponsor，项目就可以直接到我这儿来。我们团队就几杆枪，所以无论是 sourcing、执行项目，还是投后管理，整个投资团队都是像一群狼一样扑上去 work on 一个项目，哪怕面对的是比我们强大 10 倍的对手，我们也能抢下 deal。参与对项目投前投后有贡献的同学，包括「黑帽子同学」（团队里专门设置的项目反对方），我们都会给到 deal credit。

对任何早期 VC 的一号位来说，挑战反而变大了——你必须得在一线，你必须有这个体感。否则你就成了组织最大的瓶颈，年轻人在外面追项目的时间，不如内部教育老大的时间，那问题就大了。

能对抗 AI 焦虑的，唯有热爱

极客公园： 你怎么处理这种焦虑？AI 时代好像所有人都在焦虑，做媒体的担心明天老板还用不用我，我们已经做了自动化工作流，AI 自己都能写稿了。

黄明明：我前不久去天津大学，给本科生做了一个分享，我说在座的都是理工男，大家想听真话——残酷的现实就是，当你毕业的时候，这个市场上 80% 的工作很可能已经消失了。

大家有焦虑是正常的，我自己也有。

但能让你心定下来的，是你今天认认真真的、更纯粹地去做你真正热爱的事情——这是解决焦虑最好的方法。

就像早期投资这件事，外部世界大多数时间 奖励的是那个共识，因为简单、容易看到、有短期 ROI。但你坚定地做你相信的、热爱的事情，这个世界虽然在很短很少的时间，但它永远会 奖励你那个非共识的点。所以更纯粹、更认真地去做你每天该做的事情，所有的路都不会白走，所有的努力都不会白费——这是我坚信的一点。

极客公园： 但大家可能不一定能那么快找到自己热爱的事情。

黄明明： 这是个很大的问题，尤其在中国现有的教育体系下，很多非常聪明优秀的年轻人，可能就是为了进清华，这是他的 ROI 设定。但去了清华学什么、为什么学，有没有真正热爱，大家没有想清楚。

这背后是 value function（价值函数）的设计问题。很多聪明的、背景很好的年轻人或者创始人，他的价值函数设计得比较短期——追求短期最大 ROI。但我们知道短期最优解加总在一起，未必是长期最优解。

我喜欢的那类创始人，都不是追求短期最优解的，甚至短期可能不被外部认可、被打压诟病，但长期是最优解。每一个创始人、每一家公司、每个人都一样——你怎么设计自己的 value function，怎么设计自己人生的奖励函数，这才是最重要的事情，也是能解决焦虑的关键。

如果你的 value function 设计得很短期、很功利，在这个时代必然焦虑。如果设计得比较长期，是你真正热爱的东西，就不会那么焦虑。

极客公园： AI 还有一点好处，就是如果你真的找到了自己喜欢的东西，现在用 AI 去学，会非常快。

黄明明： 对，就像李想讲的——没有 AI 的时代，一个优秀的人和一个普通人的差别可能是十倍、一百倍；有了 AI 之后，一个优秀的人和一个普通人的差别可能是一万倍，今天来看可能是十万倍。

所以考核创始人的视角也在变。以前我们看一个人的组织管理能力、搭班子的能力，今天可能他不需要搭那么大的团队，你构建多个 AI 智能体帮你完成工作的能力可能变得更重要。你要保持创造力，同时知道怎么构建多个 AI 智能体把日常任务完成。

未来万人级别甚至千人级别的公司会越来越少。组织能力变成了组织 Agent 的能力，架构设计、搭建，让多个 Agent 帮你完成大多数日常任务，而你做的是人类依然最稀缺的东西——创造力、审美、想象力。

成功的「压缩算法」

极客公园：你对创始人这个特殊的群体怎么看？平常你和他们怎么相处？

黄明明：我自己是创始人出身，现在做明势也还是在创业。所以我理解 1 号位的孤独和痛苦，这是没有任何人能替代的。

所以我们基金有一个特点，在任何时刻永远坚定地站 1 号位。

因为离职的高管永远在讲老板独裁、老板怎么怎么样——换你上，一个月这公司就挂了。我们深刻理解 1 号位在整个创业过程中的不可或缺，他在最关键的时刻，没有任何人能给他出主意，他必须在非常微弱的信号里，在一个漆黑漫长的隧道里看到一点点亮光，带着所有人往那个方向走。

你可以叫他独裁，可以叫他天才，可以叫他北极星，但只有创始人能在黑暗的隧道里找到那个方向。

所以很多时候在他们最难的时候，我们可能就坐在一起喝杯茶、抽支烟，什么话都不说，但他知道你理解他，知道你跟他是一类人。

极客公园： 黄仁勋曾经多次说过 AI 永远替代不了人的几种核心能力，你对不断进化的 AI 能力和人的能力对比怎么看？

黄明明：今天 AI 的推理还是比较笨的——我得把一二三四五六，一百步、两百步走到完，才知道成不成，不成再回过头来换另一种方式走到一百步。

人类的压缩算法是：在信息不完全的情况下，我依然能做出一个决策，而且这个决策是对的。这是大多数领导者的能力，也是 1 号位的核心能力——在极度稀缺的信息资源、极微弱的信号下，抓住那个正确的方向，带着大家走过去。这需要领导者有自己的压缩算法。

那些让我们汗毛直竖的创始人，他们的压缩算法就是 conviction 和勇气——比如 MiniMax 的两位创始人，怎么知道那个时候应该训 MoE？怎么知道应该做 linear attention？是因为他内心深处相信，我这个东西要服务成千上万的人，所以我必须往这个方向走，哪怕赌上公司所有的计算资源，哪怕不成公司就挂了。这不是共识，连硅谷的顶流公司也不是共识，但他们就是有这份信念、有这个 conviction，这就是他的压缩算法。

包括 MiniMax 上市这件事——帮他们做上市的律所合作伙伴，是我的好朋友，他说他给过他们两次建议都是「不要，现在不要上，等一等」。但烨祎真是女中豪杰——她说，这些问题我们都知道，但我们觉得就应该有勇气去冲一把。

在一个无比混沌、巨大风险的情况下，她的压缩算法是勇气：我就应该抓住这个机会，往前去冲。结果她对了。

这两位创始人的坚定信仰和勇气，就是他们的压缩算法——让他们在信息不全、外部情况这么复杂、根本不可能看到后面推理步骤的情况下，做出了那个决策，带着团队走到了今天这个高度。

既有偶然性，也有必然性。每个人都需要有自己的压缩算法。

极客公园： 今天真的非常开心能和你聊这么多——关于 AI、关于明势之前的投资项目、对目前 AI 发展的预测，还有背后的方法论。还有什么想补充的吗？

黄明明： 最后补充一点——我今天讲的关于 AI 发展的很多东西，可能三个月以后证明全错了，这非常有可能，我也不怕被打脸。

因为这东西就是迭代太快了，你就得跟上这个迭代的速度。

脉脉发布 2026 春招报告：具身智能岗位量暴增 15 倍，平均月薪 6.2 万

5 月 13 日，脉脉发布了《2026 春招职场洞察报告》。报告显示，今年前四个月 AI 岗位新发量同比激增 8.7 倍，其中北京以 30.17% 的 AI 岗位渗透率位居全国首位。值得注意的是，AI 已深度介入组织管理，近四成程序员的绩效考核已正式纳入 AI 能力相关指标。

在所有增量赛道中，具身智能岗位量暴增 15 倍，其平均月薪亦同步攀升至 6.2 万元，显现出企业强烈的扩招与「抢人」意愿。在区域分布上，一线与新经济城市仍是吸纳主力，其中杭州以 28.54% 的 AI 岗位渗透率跃居全国第二，相继反超上海与深圳。

当前，高达 95.11% 的新经济从业者已在使用 AI 工具，其中 Agent（智能体）类工具正走向主流，使用编程及自主执行型 Agent 的人群比例合计达到 34.07%。在企业端，超七成的万人规模以上企业会为员工提供免费或自研的 AI 工具，而在 500 人以下的中小企业中该比例仅为 42.5%。（来源：凤凰网科技）

黄仁勋最后一刻搭上空军一号访华专机

5 月 13 日，英伟达向多家媒体证实，其首席执行官黄仁勋将随特朗普访问中国。

有意思的是，在白宫 11 号公布的随特朗普一同访华的商界领袖名单里，涵盖了科技、金融、航空和农业等多个领域的企业，但那份名单里并没有黄仁勋。

据一位知情人士透露，特朗普是在看到媒体报道黄仁勋缺席代表团后，致电黄仁勋，邀请他加入访华代表团。英伟达在声明中称，黄仁勋应特朗普的邀请出席峰会，以支持美国和本届政府的目标。

据社交媒体流传的一张照片，黄仁勋在「空军一号」于阿拉斯加经停加油期间登上了飞机，与特朗普一同前往中国，并附上了一张他身穿皮衣，背着背包候机的照片。（来源：每日经济新闻）

腾讯总裁：腾讯跟硅谷公司不一样，没有大裁员计划

5 月 13 日，腾讯控股发布 2026 年一季报。业绩报告显示，腾讯控股第一季度营收 1964.6 亿元，同比增长 9.1%；营业利润 673.8 亿元，同比增长 17%；调整后净利润 679.1 亿元，同比增长 11%。

据《每日经济新闻》，在当天的腾讯股东大会上，对于腾讯是否会大裁员的问题，腾讯总裁刘炽平回应表示：肯定没有大裁员计划，腾讯跟硅谷公司不太一样。

在同日的股东大会上，腾讯董事会主席兼首席执行官马化腾谈到 AI 是否落后时表示：「原来一年前我们以为上了船，后来发现那个船漏水了，现在感觉站上去了，还坐不下去，还是希望船速能快一点。」（来源：21 财经、一财网）

吴泳铭：阿里服务器没有一张卡是空的

5 月 13 日，阿里巴巴 CEO 吴泳铭在财报公布后的分析师电话会上表示，阿里 AI 已跨越初期投入阶段，正式迈入商业化回报周期。

吴泳铭表示：未来 AI 云的收入会继续加速，也会提升经营现金流，并反哺 AI 的投入。目前服务器没有一张卡是空的，客户的需求无法完全满足，排队的还很多，模型的价格预计未来还会上涨。

吴泳铭透露，从去年 11 月开始到今年五月份，大量 API 增长都是由 AI coding 带来的。

在 B 端和 C 端业务的重心方面，吴泳铭称，AI 是计算范式的革命，最重要的是完成任务和解决问题。而阿里云的主要目标是获取更多的市场份额，以超过行业的平均市场增速增长。「眼下 B 端的 AI 客户付费意愿更强，因而把更多资源投入到 B 端。C 端业务需要一定的投资周期，但也一定会随着个人助理的发展、形成商业模式。」（来源：财联社）

曝阿里千问前技术负责人林俊旸开始具身领域创业

近日，据媒体报道，前阿里千问大模型技术负责人林俊旸近期已经开启创业，考虑方向包括世界模型和具身大脑。

报道称，林俊旸目前已经招募数名字节、腾讯和海外背景的成员，并以约 20 亿美金的估值开启融资，接触基金包括红杉中国、高榕创投等。

据悉，具身智能是林俊旸重回 AI 战场的切入赛道。这一方向，也是他在阿里的未竟之业。2025 年 10 月，林俊旸就在 Qwen 组建了一支专注于机器人与具身智能的小团队。

在 X 上，他提出了自己的判断：「多模态基础模型正在转化为基础代理，通过强化学习利用工具和记忆进行长时序推理。它们应该从虚拟走向物理世界！」（来源：智能涌现）

马斯克点赞宇树载人变形机甲

5月13日，马斯克在社交平台点赞了宇树科技近日发布的全球首款量产载人变形机甲GD01，直言这款产品很酷。

值得一提的是，有网友特意翻出了马斯克2018年在社交平台发布的旧动态，当时他公开发声表示，是时候创造一个机甲了，不少网友看见时隔七年的两条内容联动，忍不住调侃中国企业直接帮马斯克完成了当年许下的心愿。

据宇树科技官方介绍，该款机甲起售价为390万元人民币，定位为民用新型交通工具，载人完成状态下整机总重量约500kg。根据官方发布的视频，GD01站立姿态下，大概有两个成年人那么高。视频里，GD01还抡起机械臂，直接锤翻一堵墙。（来源：凤凰网科技）

方程豹闪充版正式上市

5 月 13 日，比亚迪方程豹旗下的豹 5、豹 8 闪充版正式上市，前者限时 29.98 万起售；后者限时 40.98 万起售。

双车均定位新能源硬派越野车，延续了家族化的设计语言。智能驾驶部分，豹 5 闪充版匹配天神之眼-B 辅助驾驶激光版；而豹 8 闪充版继续搭载华为乾崑智驾，并升级为前后双激光方案，同时引入「超远红外夜视系统」，进一步提升整车的夜间行驶安全性。

新车均搭载比亚迪二代刀片电池及闪充技术与 800V 高压闪充平台，号称是「全球首款闪充越野车」。

此外，双车均首搭比亚迪最新高端悬架系统「云辇-P Ultra」，该技术加持下，新车支持 3 分钟隔空换胎、3 轮行驶（最高 15km/h 连续行驶）、四轮均可提轮脱困，兼顾实用与全场景驾驭。（来源：快科技）

索尼发布新一代全画幅旗舰微单 Alpha 7R VI，售价 31799 元

5 月 13 日，索尼（中国）发布了新一代全画幅微单画质旗舰 Alpha 7R VI 和索尼首款恒定光圈超远摄变焦 G 大师镜头 FE 100-400mm F4.5 GM OSS。作为索尼微单画质标杆的 Alpha 7R 系列的第六代产品，Alpha 7R VI 延续该系列最高分辨率的产品理念，在此基础上进一步提升了连拍性能。

Alpha 7R VI 售价 31799 元，FE 100-400mm F4.5 GM OSS 售价 29999 元，两款产品均将于 5 月下旬上市。

官方表示：Alpha 7R VI 可以在保持高分辨率表现的同时，进一步优化了色彩还原、噪点控制等表现。在风光、人像、生态等拍摄领域，Alpha 7R VI 都能呈现细节丰富、层次清晰的影像表现。Alpha 7R VI 使用了新一代大容量电池 NP-SA100，搭配新一代高性能电源系统，支持更长时间的拍摄，更快速的充电，让拍摄更安心。

Claude Code 缔造者分享工作心得：如何让数千个智能体夜间自动写代码

Claude Code 缔造者切尔尼近日接受红杉资本采访时，分享了自己的 AI 工作模式。他如今的编程工作流程中，会有数千个 AI 智能体在夜间为他自动工作。

切尔尼在采访中透露的细节——包括他大多通过手机运行这些 AI 智能体，凸显出硅谷部分工程师的使用方式正在转变：他们不再把 AI 系统当作聊天机器人，而是将其视作全天候在线的自主助手。

当被问及同时运行多少个会话时，切尔尼称自己通常会开启 5 至 10 个会话，每个会话中都包含多个 AI 智能体。

他补充道：「通常每天晚上，我都会让数千个 AI 智能体开展深度开发工作。」

切尔尼表示，他高度依赖 Claude Code 专为持续自动化打造的两大功能：循环指令（/loops）和例行任务（Routines）。

他介绍，用户可通过定时任务（cron）在本地设置循环指令，而例行任务则在服务器上执行周期性工作，即便工程师合上笔记本电脑，AI 智能体也能持续运转。（来源：IT 之家）

但最近读到一篇论文的时候，我的想法变了。

过去两年，大模型的能力突飞猛进，从写诗到写代码，从做数学题到跑实验流程，AI 擅长的事情越来越多。但真正做过科研和工程的人都清楚，最耗人的部分，往往不是提出第一个可行方案，而是后面那段漫长的「长期优化」——一个实验跑通了，但指标还差一点；一个算法能用了，但速度还不够快；一个电池快充策略成立了，但温度、寿命和析锂之间还需要反复平衡。

现实中的高价值成果，很多都不是「做出来」的，而是被持续优化出来的。而这，恰恰是过去大多数 AI Agent 系统最缺失的一环。

最近，Einsia AI 旗下 Navers Lab 发布了一个叫 Frontier-Eng Bench 的新基准测试，正试图衡量这种能力。它没有再把 AI 放进「一问一答」的选择题里，而是直接把 Agent 扔进真实工程优化环境——Agent 必须不断提出方案、运行仿真器、读取反馈、修改策略，在长期迭代中持续逼近更优解。

论文题目：Frontier-Eng: Benchmarking Self-Evolving Agents on Real-World Engineering Tasks with Generative Optimization

Arxiv: https://arxiv.org/abs/2604.12290

Github: https://github.com/EinsiaLab/Frontier-Engineering

这让我想到一个历史参照：AlphaGo 之所以强大，并不在于它每一步棋都能算对，而在于它能在数百万次自我对弈中持续进化。某种程度上，Frontier-Eng 试图回答的，也是同一个问题——当 AI 开始进入真实世界的长期反馈循环后，智能的本质，究竟该怎么衡量？

01

从「一次性答对」到「持续优化」，

范式正在切换

要理解 Frontier-Eng Bench 的意义，得先看清楚它在反对什么。

过去几年，大模型领域的 benchmark 越来越多，但本质上都在评估同一件事：模型能不能「一次性生成正确答案」。无论是代码生成、数学推理，还是任务执行，大多数测试的逻辑仍然是——答案对，或者错；任务完成，或者失败。

Frontier-Eng Bench 总览

但这里有一个被忽视的问题：真实的科研与工程，从来不是一个「对或错」的过程。

一个量子线路已经正确了，但保真度还能不能再往上抠一点？一个 GPU kernel 已经可用了，但速度还不够快？这些问题没有「标准答案」，只有「更优解」。而找到更优解的过程，往往需要成百上千次的迭代、试错和微调。

事实上，这正是 Frontier-Eng Bench 提出的核心命题——论文将其定义为「Generative Optimization」（生成式优化）。它认为，下一代 Agent 的核心能力，不应该只是「一次性给出看起来合理的答案」，而是能否在环境反馈里持续修正自己的轨迹，并在有限预算下不断优化结果。

换句话说，真正的 intelligence，可能本质上是一种长期反馈闭环中的持续优化能力。

这个判断并不只是理论推演。Frontier-Eng 设计了 47 个横跨五大领域的实验任务——量子计算与信息、运筹与决策科学、机器人与控制系统、光学与通信、物理科学与工程设计。在每一个任务中，Agent 都不是简单地「回答问题」，而是需要提出优化方案、运行仿真器、获取真实反馈、修改代码与策略，并在固定的计算预算里持续迭代。

Frontier-Eng Bench 体系概览

不只有「答对题」的聪明，更有「不断变好」的韧性。这可能才是真正长程智能的起点。

02

深度 vs 宽度：Agent 架构的关键抉择

在 Frontier-Eng 揭示的所有发现中，有一个结论让我印象最深：关于「推理算力分配」的讨论。

论文通过大量实验发现，Agent 的性能提升遵循一套双重幂律衰减规律——随着任务进入「深水区」，获得显著性能提升的难度呈指数级上升。这是一个残酷但真实的规律：越往后优化，每一个百分点的进步都越来越贵。

工程优化的双重幂律衰减

但更有意思的发现在于一个架构层面的核心争议：到底是让 Agent 并行尝试 100 种可能性（宽度），还是让它在 1 个路径上通过「反思—修正」递归 100 次（深度）？

Frontier-Eng 给出了一个非常清晰的信号：深度才是那个能撬动真正突破的杠杆。

深度 vs 宽度

这让我想到一个日常的类比。面对一道难题，是同时翻开十本参考书碰运气更有效，还是沿着一条思路反复推敲、不断修正更容易找到答案？大多数有经验的工程师和科学家都会选后者。Frontier-Eng 的数据，某种程度上用实验验证了这种直觉。

论文将这种能力称为「Deep Iterative Reasoning」（深度迭代推理）。在这背后，其实指向了一个更大的趋势：下一代 Agent 的核心竞争力，可能正在从「知道多少知识」转向「能不能在长期反馈中持续自我修正」。

一个有趣的现象是，这个结论和人类专家解决复杂问题的方式高度一致。顶级的工程师和科学家，几乎从来不靠「灵光一闪」解决核心难题，而是在漫长的试错循环中一步步逼近最优解。某种程度上，Frontier-Eng 证明了：AI 要变得真正聪明，也得学会这种「慢功夫」。

更重要的是，这个发现正在直接改变 Agent 架构设计的方向。过去，开发者们的注意力大多放在 prompt engineering 上——怎么写出更好的提示词，让模型一次就给出好答案。但如果深度迭代推理才是关键，那么未来真正重要的可能是 reasoning architecture——如何构建更强的推理侧架构，让模型能够像人类专家一样进行「慢思考」。

03

推理侧的算力红利，才刚刚开始

从产业角度看，Frontier-Eng 释放出的信号其实非常强烈。

过去几年，大模型行业的核心护城河主要来自三件事：参数规模、训练算力、高质量数据。谁的模型更大、训练数据更多、GPU 集群更强，谁就占据优势。

但 Frontier-Eng 的实验结果暗示，护城河可能正在发生转移——从训练侧转向推理侧。

不同模型的详细评测结果

换句话说，未来真正重要的，可能不只是模型「知道什么」，而是它能否在长期环境反馈中持续优化、在复杂搜索空间里稳定收敛、在有限算力下完成递归推理、在真实仿真器中不断自我修正。

这会直接改变整个 Agent 基础设施的竞争方向。因为一旦智能开始更多地来自 inference-time optimization（推理时优化），而不是一次性的预训练，那么几件事将同时发生：

首先，AI for Science 可能将迎来真正的爆发。科学研究本身就是最完美的「生成式优化」场景——提出假设、实验验证、修正假设、再验证，这个循环和 Frontier-Eng 测试的过程几乎完全一致。

其次，Agent 的开发范式会从 prompt engineering 转向 reasoning architecture。开发者将不再仅仅盯着提示词的措辞，而是去思考如何构建更强的推理链、更高效的搜索策略、更智能的反思机制。

此外，长程记忆、工具调用、搜索和反思能力将变得越来越关键，而算力分配本身也会成为一种新的基础设施能力。

从这个角度看，Frontier-Eng 不只是一个学术 benchmark，它更像是一张路线图——告诉整个行业，下一阶段的竞争焦点在哪里。

04

尾声

回到开头那个问题：AI 做科研，最难替代人类的是哪个环节？

在读 Frontier-Eng 这篇论文之前，我的回答可能是「直觉」和「创造力」。但现在我觉得，答案可能正在被改写。

Frontier-Eng 告诉我们，Agent 正在走出文字游戏的「温室」，进入物理规律的「竞技场」。它们开始学习的，不再只是如何给出一个漂亮的答案，而是如何在成千上万次失败中，一点一点地抠出那 1% 的性能突破。

而身处其中，我们往往后知后觉。但把时间维度拉长，也许多年后回看，2025 年前后这段时间，正是 AI 从「聪明的回答者」变成「执着的优化者」的转折点。

不只有聚光灯下的 OpenAI、Google DeepMind 们在推动这个进程，更有像 Einsia AI 这样的团队，在用严谨的实验框架丈量智能的真实边界。

而下一代 Agent 真正比拼的，可能不再是谁「知道得多」，而是谁能在长期环境反馈中，持续逼近最优解。这场关于「深度」与「反馈」的竞赛，才刚刚鸣枪。

*头图来源： Frontier-Eng Bench

编辑｜ 郑玄

商汤最近做了一件大多数大模型公司都不舍得做的事。

每 5 小时 1500 次免费调用，Token 消耗比同行低 60%，三款新产品同步上线，还把核心模型 U1 以 Apache 2.0 协议全面开源——在大模型公司普遍在想怎么收费的当下，商汤在反向操作。

免费从来不是目的。问题是，它图什么？答案，是一套从模型、工具链到生态锁定的三层护城河。

如果要给过去三年的大模型行业挑个刺，人肉胶水一定排得上号。

一方面，模型能力越来越强，编程、问答、推理、绘画，单点拿出来都是专家水平。但问题也跟着来了，这些 SOTA 级的能力，本质上还是一座座互不相通的孤岛。

在内容创作、设计创意、编程等工作中，AI 负责了最有创意的环节，却把图文整合、校对、排版、内容搬运这些脏活，留给了人类。技术提升带来的效率红利，有相当一部分被胶水成本吃掉了。

那么，能不能把完整方案生成变成模型内置能力？商汤的回答是：不光能，而且免费。

就在前几天，商汤一举推出了三个具备完整交付能力的产品与模型：

SenseNova 6.7 Flash-Lite ：新一代多模态智能体模型，具备顶尖的 Agent 能力，为复杂数据分析与任务规划而生，能很好适配高频、高并发的生产级办公需求。

SenseNova U1 ：基于自研的 NEO-unify 原生理解生成统一架构，首创连续图文创作输出，实现复杂信息图生成。

全线办公技能 SenseNova-Skills ：支持海量数据分析、自动化办公等实战场景。

而伴随着产品上线，商汤还推出了 SenseNova Token Plan，赠送首月每 5 小时 1500 次免费调用额度 ，不可谓不豪横。

要理解这套打法背后的逻辑，先从护城河的第一层说起。

01

第一层护城河：做别人做不到的事

SeneNova U1：从「会画画」到「会思考再画画」，差距在哪里？

先聊几个数字。

U1 于 4 月 28 日正式发布，两个版本的模型权重（SenseNova-U1-8B-MoT 和 SenseNova-U1-A3B-MoT）均采用 Apache 2.0 协议开源，支持商业使用和本地部署。发布后迅速在 Hugging Face 收获大量开发者关注，成功冲进 Trending 榜前列。这个热度，在最近扎堆发布的开源多模态模型里，实属少见。

它凭什么？答案在架构里。

商汤 SenseNova U1 技术报告认为，多模态智能不应只是把视觉编码器、语言模型和图像生成器拼接起来，而应在同一表示空间中同时完成"看、读、想、画"。 这是 U1 系列模型的核心技术理念，也是 NEO-Unify 架构的出发点。

传统多模态模型的架构，是视觉编码器 (VE) + 变分自编码器 (VAE) 的组合——用 VE 做理解、用 VAE/扩散潜空间做生成。看图和画画是两套独立系统，模态转换过程会带来信息丢失，表示空间也是割裂的。

NEO-Unify 的做法截然不同：直接在像素 patch 与文本 token 上端到端建模，统一支持视觉理解、图像生成、图像编辑、交错图文生成等任务。理解和生成不再是上下游模块，而是同一上下文中的两种推理视角。

具体到架构设计上，NEO-Unify 同时解决了三组长期存在的矛盾：

第一，近无损视觉接口。 输入端不用 CLIP、SigLIP 等预训练视觉编码器，而用两层卷积加 GELU 将图像转为 token；输出端不用 VAE decoder，而用两层 MLP 直接预测原始像素 patch。表示空间由模型自身学习，既能承载高层语义，也保留生成所需的局部纹理、文字边缘和结构细节。

第二，分辨率自适应 flow matching。 动态分辨率会导致固定噪声先验在不同尺度下信噪比不一致，U1 引入分辨率自适应噪声尺度，使 256 到 2048 等不同分辨率下的像素空间生成更稳定。

第三，原生 Mixture-of-Transformers（MoT）。 理解流与生成流共享 self-attention 上下文，但 Q/K/V/O、LayerNorm、MLP 等参数解耦；文本、理解图像 token、生成图像 token 在每层交互，却保留各自表征专长。同时，三维 RoPE 把 token 放入时间、高度、宽度三轴坐标，从位置编码层面统一了语言顺序与二维结构。

这套机制的关键价值在于：MoT 的参数解耦加共享注意力上下文，能降低理解与生成之间的内在冲突。消融实验也证实了这一点——即使生成数据和理解数据共同训练，理解能力仍保持稳定，生成能力反而收敛更快。统一架构不是折中，而是带来了真正的跨能力协同。

这不只是架构描述， 有数据为证： 即便是 2B 参数量的 NEO-Unify 模型，在图像重建基准 MS COCO 2017 上，也达到了 31.56 PSNR、0.85 SSIM 的成绩，与公认的业界标杆 Flux VAE（32.65 PSNR、0.91 SSIM）差距不足 1 个百分点——而 Flux VAE 是一个专门为生成优化的独立组件，U1 是用一个统一架构顺带完成的。更值得关注的是，与同类统一模型 BAGEL 相比，NEO-Unify 在更少的训练 token 下取得了更好的表现，数据效率的优势相当显著。

实测效果如何？

技术报告显示，在基准测试中 SenseNova U1 展现出均衡且出色的能力谱系。多模态理解上，A3B-MoT 在 MMMU 达 80.55、MMMU-Pro 达 72.83，OCRBench 达 91.90，说明文本密集图像和通用视觉理解没有因统一生成而削弱。生成方面，GenEval 总分约 0.91-0.92，组合、计数、颜色、位置和属性绑定稳定；OneIG 英/中文文本维度最高达 0.969/0.977，LongText-Bench 英/中文达 0.979/0.962，长文本渲染能力尤为突出。

SenseNova-U1 与其他顶级多模态理解模型在多模态基准测试（Benchmarks）

GenEval 上的定量评估结果

在图文交错生成（OneIG 中英文、LongText 中英文、CVTG）和信息图专项（BizGenEval Easy/Hard、IGenBench）的延迟-性能综合对比里，U1 在同等延迟区间内综合表现领先 Nano-Banana、Gemma-4 等主流开源模型，是目前开源模型里的 SOTA 水平。在与商业闭源模型的横向对比中，U1 Lite 在通用图像生成上的输出质量已与 Qwen-Image 2.0 Pro、Seedream 4.5 持平；在信息图这个历来是开源模型"滑铁卢"的领域，同样达到了商业级水准。

举个例子，输入「帮我生成一道做炒野生菌的教程」。完整的图文混排内容，就在十几秒时间里完整处理好了。它能在多轮推理过程中，边进行逻辑推导，写文字并输出食材、数量、配料、火候，动作对应的草图，再利用这些自行生成的视觉内容继续辅助后续推理，生成图文并茂的完整教程。

生成信息图也是一句话的事。比如，让它生成极简风的大自然碳循环图。整张图里的自然界碳循环逻辑完全正确，没有信息遗漏。在信息呈现上，以模块化区分不同功能模块，用符号化的视觉元素替代纯文字表述，既保留了有机物化学式、碳酸盐等专业细节，又通过自然系配色与具象化场景降低了大众认知门槛。从信息准确度、视觉层级、专业细节保留三个维度来看，是一张相当成熟的科普可视化作品。

过去，AI 无法做到的根本原因在于，类似的内容产出不仅是画得好，更需要排版美、信息准确、逻辑清晰、字体统一，是多个能力的综合考验。传统的分步生成再拼接模式，一个环节做到 90 分，连续经过五个环节，生成的就是一个只有 59 分的残次品。

U1 系列模型，通过将理解、推理、生成统一为一个整体，首次让 AI 交付一个及格线上的完整结果成为了可能。这正是去掉了创意端最厚的那层人肉胶水。

02

第二层护城河：低成本把人留住

SenseNova 6.7 Flash-Lite：当 AI 能真正看懂文档，工作流效率翻几倍？

U1 更像一个多才多艺的创作者，而 SenseNova 6.7 Flash-Lite 更像一个能管理全局的项目经理。

如果说 U1 解决的是创意端的闭环问题，那 SenseNova 6.7 Flash-Lite 解决的则是完整工作流的问题。它专门为真实世界工作流而生，能稳定支撑数据分析、深度调研、复杂图片理解、PPT 生成这些长链路办公任务。能力上，它原生支持 OpenClaw、Hermes Agent 等智能体框架，配合 SenseNova-Skills，可以一键开启全自动办公

传统智能体模型采用语言+视觉拼接设计，视觉只是文本的补充，无法深度参与核心决策与推理循环。信息在转译过程中受损，也会导致 Token 消耗虚高。

6.7 Flash-Lite 不一样。它能直接看懂复杂的网页布局、文档结构、财务图表，实现看、想、做一体化。借助这种真正的「看懂」，6.7 Flash-Lite 也做到了 Token 消耗直降 60%——在信息搜索等场景，对比纯文本智能体，这个节省幅度相当可观。

这正是第二层护城河的核心： 让用户用得更便宜，便宜到不值得换一个平台。

一个案例。给它一段 36 个月、近 90 万行销售记录的数据，让它完成完整的企业运营分析报告。

模型没有直接跳入统计，而是先进行数据审计，敏锐地察觉到单价中的异常离群值，判断这些极值对应了促销或高端单品场景，予以保留以反映真实市场波动。 这是模型主动发现的问题，而非用户指定分析方向——这才是真正的亮点所在。

分析毛利时发现辣椒类 2022 年 5 月出现严重负毛利，进一步探寻供应链环节，诊断出采购成本控制与零售定价间缺乏联动机制的问题，并主动提出了五项精准建议：建立动态定价机制、调整品类结构等，直接辅助管理层决策。

当然，6.7 Flash-Lite 的能力远远不止是分析数据。

数据分析之外，6.7 Flash-Lite 还能直接生成 PPT。从叙事逻辑到版面设计全自动产出，风格统一、元素对齐，生成即交付。从数据分析到内容呈现，中间不再需要人来搬运——这正是去掉了交付端最后一层人肉胶水。

03

第三层护城河：工具链让人走不掉

大模型公司的竞争，已经从模型能力蔓延到了生态与场景。

当 GPT 和 Claude 的能力差距已经从代际碾压变成各有千秋，开源模型的能力已经不断逼近闭源 SOTA 水平，单靠模型性能已经很难形成持续的竞争优势。这时候，谁能让用户用得更省心、更便宜、更完整，谁就能在激烈的竞争中脱颖而出。

商汤的 SenseNova 体系，正是新规则下的代表性玩家。

要理解这套生态的锁定逻辑，可以借用一个经典的商业模型：剃须刀与刀片。

免费或低价提供剃须刀（模型和调用额度），通过持续消耗刀片（工具链使用量和规模化付费）来盈利。商汤的三层护城河，本质上都是在服务这一个飞轮。

模型差异化， 是让人愿意第一次进来。NEO-Unify 架构让 U1 在信息图生成、图文交错、多步推理上做出了真正的差异——技术报告中的消融实验也证实，这种统一不是能力折中，而是带来了理解与生成的双向协同增益，是竞争对手短期内难以复制的技术壁垒。

低成本 Token 输出， 是让人不舍得走。首月每 5 小时 1500 次的免费额度，加上长期比同行低 60% 的 Token 消耗，把试错成本压到最低。Apache 2.0 的开源协议，进一步消除了开发者进入的心理门槛。

值得一提的是，U1 的推理系统并非停留在论文结构：LightLLM 负责多模态理解与请求调度，LightX2V 负责图像生成，两者通过共享内存和优化传输 kernel 交换状态，FlashAttention3 后端在统一多模态 prefill 中相比 Triton 有约 2.3 到 3.2 倍的加速——正是这套可服务、可扩展的基础设施，才撑起了低成本大规模商用的底气。

工具链的完整性， 是让人真的走不掉。商汤的生态不只有模型，还包括：

SenseNova-Skills：覆盖信息图生成、PPT 创作、数据分析、深度调研等高频办公场景

Agent Pack：集成了 Hermes Agent 和 OpenClaw 框架的一键部署包

结合起来，当开发者因为低成本开始尝试商汤的工具链，会逐渐被工具链以及交付产品的完整性所吸引；当他们习惯了整套工作流的协作效率，换平台的迁移成本就会变得极高；当这种使用习惯扩散到整个团队，商汤就拥有了用户粘性带来的持续付费。

这套闭环一旦形成，就会在开发者生态中产生网络效应：用的人越多，贡献的反馈和案例越多，模型迭代的方向就越精准，工具链的打磨就越完善，Token Plan 的成本摊薄效应就越明显。

当然，这一飞轮要真正转起来，前提是商汤能在竞争激烈的窗口期内迅速积累足够的用户基数。DeepSeek、Qwen、InternVL 们都在同一条赛道上全力冲刺，这场仗远没有结束。

但至少眼下，商汤给出了一个值得认真对待的答案：用一套从架构创新（NEO-Unify）到工具闭环（SenseNova-Skills）再到成本优势（Token Plan）的完整体系，把"去人肉胶水"从一句口号，变成了可交付的产品。

技术报告的结论说得直接： 多模态智能的未来突破，并不只是简单的规模扩大，更重要的是朝着深度融合进化的内核架构创新。这句话，也许正是商汤这盘棋真正的谜底。

对于开发者和企业来说，现在正是低成本进入这套生态、验证其价值的最佳窗口期。

大模型的竞争里，技术领先只是起点，生态锁定才是终点。

SenseNova U1：

https://github.com/OpenSenseNova/SenseNova-U1/

SenseNova-Skills：

https://github.com/OpenSenseNova/SenseNova-Skills

TokenPlan 免费领取：

https://sensenova.sensetime.com/

*头图来源：商汤科技

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

编辑｜ 郑玄

有没有发现，去韩国玩的人，不管是旅游还是留学还是出差，只要待的时间稍微一长，几乎都会被朋友拉着去做一个叫色彩测试的东西。

就是你排队两个月，有人拿着色卡在你脸上比划半天，然后告诉你，你是春、夏、秋、冬里的哪一型，你的肤色适合什么色系，你的五官适合什么饱和度，你的日常穿搭应该避开什么材质。

然后，温暖的色彩，就会化身冰冷的几千元，转账到商家的账户，而你回家后打开衣柜，才发现原来自己过去这么多年前，其实从来不会买衣服。

这个生意为什么会爆火？

本质在于购物这件事，其实是一个需要专业技能的技术活。哪怕网上商品有千万种 SKU，哪怕算法推荐越来越精准，但找到适合自己的那一件的门槛，比大多数人的想象要高得多。

就像健身需要私教、学习需要老师，而购物需要「李佳琦」。

而当万物皆可 skill 的时代到来，AI 当然也能把「购物」这个专业技能封装，供所有「想买但说不清楚买什么」的消费者随时调用。

昨天 淘宝与千问的 打通 ， 本质上就是完成了这件事。打通后， 用户可以直接在千问 App 里逛淘宝、选商品、下单 。

这是 AI 购物第一次完成闭环， 这场迁徙背后的逻辑，远比换个地方下单要深刻的多。

01

买对东西，为什么这么难？

对一个选择困难症来说，每次买东西，都是一场精神与钱包的双重折磨：

打开购物平台搜索 「 黑色连衣裙 」 ，能跳出超过两万件商品；搜索 「 保湿面霜 」 ，超过 200 个品牌至少 2000 个产品排队等待翻牌。

但万里挑一之后，为什么买到一个最合适的东西，依然很难？

原因很简单，当我们在购物的时候，我们只部分知道自己要什么，却不知道自己不知道什么，这几乎是人类购物史上永恒的困境。

对女生买衣服来说。绝大多数消费者并不具备专业的服装知识。不知道韩版和欧美版的版型差异意味着什么，不了解天丝和莫代尔的手感区别，不清楚自己到底是什么体型、适合什么剪裁。

而对男生来说，520 即将到来，想送一件让女朋友感动哭了的礼物，在电商平台直接搜索，得到的结果，大概是送命题。

这就是不知道自己不知道的典型场景。

类似的困境其实弥漫在消费世界的每一个角落：

书籍领域：想买本哲学入门，到底该选《苏菲的世界》还是《大问题》？电子产品：想买一台相机，面对 「 全画幅 」 「 APS-C 」 「 M43 」 各种规格，到底哪个适合自己？护肤品：同样是保湿，精华液、乳液、面霜到底该怎么搭配？

因此，过去消费者想要选到最合适自己的那一款，就得反复在线上挑选、退货、加购物车。

线下商业部分的解决了这一问题。我们不难发现那些活得 最好的实体店，无一例外，全都活成了精品商品+专家级导购的样子 ，顶级美妆店配备经验丰富的彩妆师，帮用户选到最合适的美妆，风靡一时的色彩测试，本质上也是在帮助用户搞清楚我想要什么、适合什么。

那么问题来了， 这对社恐，以及没空去实体店逛街的人来说，难度实在过于地狱；线下的导购也非全知全能，再专业的导购，也记不清品牌推出过的所有商品。

这也是为什么，我相信 AI 一定会成为全新的购物入口。

02

实测千问购物：24 小时在线的专家导购

治好了我们全家的购物无能

之所以尝试在千问中买东西，是因为直到最近，我才意识到，购物是一件需要天赋的事情，而多数人（包括我）在这方面堪比绝望的文盲。

人类永远无法直视自己半年前的淘宝购物历史，就像 90 后永远不会当众朗读自己初中在 qq 空间写下的火星文。

我的朋友，曾在淘宝直播间冲动购物买过一罐来自大草原的空气；而我，也曾蹲在暗无天日的出租屋，一口气买下三盆太阳花后，疯狂搜索教程，太阳花没有太阳怎么开花？

所以， 深度体验了千问的购物功能并把它推荐给身边所有人后，我最深的感受就是，这和把审美最好、懂我喜好、最懂性价比、脾气最好的购物小天才朋友 24 小时带在身边有什么区别？

还是以买一个黑色显瘦连衣裙为例。过去搜索完黑色显瘦连衣裙，网页会跳出上万个链接，每一个模特图都足够精美，但买回来到底适不适合我，全靠运气。

而在千问，AI 会这样工作：

首先，它会主动了解你的基本信息：你的体型是什么？（梨形、苹果型、H 型……）你的肤色如何？平时的穿着偏好？如果是梨形身材，上衣应该选择领口有设计感、下摆略微收紧的款式，来平衡视觉重心。如果是苹果型身材，应该选择 V 领或大圆领、腰部有适当余量的上衣，避免紧身款勒出腹部线条。如果是 H 型身材，可以尝试有收腰设计或腰带装饰的款式，制造曲线感。

最后，在综合我的历史购物偏好、浏览记录后，千问还会先通过几次问答彻底了解了我的审美以及个人特点后，才给出精准推荐，并且每款都附带为什么适合的详细解释。整个过程，就像在线下店遇到了一位既专业又有耐心的导购。

除了买衣服，买书籍这样的专业产品也是同理。前段时间我突然对荷马史诗很感兴趣，但这本书的阅读难度着实不低。诸多版本怎么选择，要读原版还是译本？朱生豪和杨宪益的译本有什么区别？入门读者选哪个版本更容易上手？想深入研究，哪个版本的注释更详尽？

这些信息在传统电商平台上碎片化地散落着，过去需要翻阅大量书评、对比不同版本、甚至多次踩坑才能拼凑出答案。

但在千问，它会告诉我：如果你英文水平较好，AI 推荐你尝试英文原版（推荐 Penguin Classics 或 Oxford World's Classics 版本）如果你英文阅读有挑战，初学者推荐杨宪益译本（语言流畅、结构清晰），进阶读者可以选朱生豪译本（文学性强、注释详尽）。

当然，周围一圈人中，用千问购物受益的，其实是老家被村口送鸡蛋神医忽悠，差点上头买了治高血压枕头的外公。

在千问中输入「买治高血压枕头」后，他得到的反馈是这样的：

是的， 一个好的购物应用，不只会告诉用户你适合什么，还应该能提醒用户，什么是不合适的。 千问不仅拒绝了老年人买治高血压的枕头的要求，还给出了科普：枕头不治高血压，但选择合适的枕头确实可以改善睡眠质量、间接有助于血压管理。

而且，千问中购物，除了能帮助我们选择商品，还能通过对话直接领券下单、匹配国补、推荐有运费险的商品；想知道物流进度，也能直接对话查询；AI 甚至还能基于历史订单给我们做复购推荐。

过去， 查物流、领券这些看似简单的查询，对年轻人来说虽然繁琐，但尚在接受范围之内；但对很多不熟悉操作的老年人来说，这种极简化操作，几乎是打开了他们电商购物的大门。

03

AI 为什么一定会成为新的购物入口

其实，把视野拉大到整个商业史， 我们不难发现购物入口的变迁，一直都遵循着一条清晰的脉络：每一次技术革命，都在重新定义效率的含义。

最早，我们在集市、百货、超市购物，用双脚丈量商品。 逛街是一种身体行为，你必须亲临现场，信息获取的效率，取决于你能走多远的路、逛多长的时间 。而在这个过程中，怎么比价、怎么谈价，都需要耗费大量的时间与精力成本。

在此之后，搜索引擎入口出现，我们可以用手动搜索输入替代脚步丈量。信息获取的效率随之大幅提升，但前提是你知道买什么， 搜索引擎只能处理明确需求，面对模糊需求，它束手无策 。

针对这个困难，算法推荐随之登场，借助短视频电商、内容种草，我们看了一条短视频，下单了一件同款；读了一篇种草笔记，冲动购入了一件爆品。这是一种先有需求、再刺激需求的模式，本质上是把购物变成了一种娱乐体验。但 商品到底买的对不对，适不适合，依然只是基于简单标签的匹配，无法解决根源问题。

对话式 AI 入口的出现，解决了以上的所有瑕疵。人类开始回归自然语言定义需求的模式： 「 我下周要参加一个正式商务晚宴，需要一套低调但有质感的穿搭，预算 2000 以内 」 这些包含了大量的隐性信息，搜索引擎、标签推荐根本无法处理的问题，通过 AI 可以理解、分析、转化，并给出精准推荐。

在这个过程中， 我们收获的是线下式的专业服务、搜索引擎式的海量选择、推荐算法式匹配以及一站式服务。

而更长期来看，当越来越多人开始用 AI 购物，当数据积累越来越丰富，这个体验也会越来越好， 而我们这代人，或许从现在起，又要学会一套新的购物方式了。

*头图来源：视觉中国

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

Google 在 Android 上全面强化 Gemini AI，从自动操作到生成式桌面组件

在今年 I/O 开发者大会前夕的 Android 专场活动上，Google 再度将重心放在自家通用大模型 Gemini 上，宣布一系列围绕「帮你操控手机」的新功能，这些功能将出现在 Chrome 浏览器、系统自动填表以及更多应用场景中。

Google 同时推出了一个全新的概念名称——「Gemini Intelligence」。据 Google Android 体验总监 Ben Greenwood 介绍，这一名称代表「在最先进的 Android 设备上释放 Gemini 的最佳能力」，本质上是对现有与新功能的一次打包整合，且主要面向 Galaxy S26 等高端旗舰机型，形成类似「高级 Android 体验」的功能集合。

在 Gemini Intelligence 旗下，Google 还首次公布一项名为「Create My Widget（创建我的组件）」的新功能，被官方视作迈向「生成式界面（generative UI）」的第一步。用户只需用自然语言描述自己想要的小组件功能，Gemini 便能自动生成对应的桌面组件。Google 给出的示例包括：为骑行爱好者定制一块突出显示风速和降水概率的天气组件，或是每周自动推荐「三个高蛋白备餐菜谱」的食谱组件。生成后，这些组件不仅能出现在 机桌面，还会同步扩展到 Wear OS 智能手表上，形成跨设备的统一体验。

从交互理念上看，Google 希望用户把组件视作「可以随手用 AI 写在桌面上的迷你应用」，从而推动界面形态向即时生成、按需变化的方向演进。业界也由此关注，Google 是否会在 I/O 大会上进一步阐释「生成式 UI」的长期路线：是让界面真正按场景即刻重构，还是更多停留在组件层面的个性化尝试。（来源：cnbeta）

Google 与 SpaceX 商议在轨道部署数据中心

据外媒援引知情人士消息称，Google 正与 SpaceX 就在太空轨道上部署数据中心展开谈判，探索将太空打造成未来人工智能算力基础设施的新据点。报道指出，双方讨论的核心构想，是在未来几年内，让轨道数据中心成为部署 AI 计算资源的「更低成本」选项之一。

这一潜在合作正值 SpaceX 准备于今年晚些时候推进预计估值高达 1.75 万亿美元的首次公开募股，公司也正尝试向投资者讲述一条更具想象空间的增长故事。除 Google 外，SpaceX 近期还与大模型公司 Anthropic 达成合作，将使用后者位于美国田纳西州孟菲斯的数据中心算力，并保留未来在轨道数据中心层面进一步合作的可能性。值得一提的是，SpaceX 在今年 2 月已经完成对 xAI 的收购，为其在 AI 和算力领域的布局提供了更多内部资源。（来源：财联社）

Apple Intelligence 画饼迟迟无法交付？巴西再对苹果启动调查

5 月 13 日消息，就在苹果就 Apple Intelligence 和 Siri 功能延迟问题与美国消费者达成 2.5 亿美元集体诉讼和解之后，巴西的消费者保护机构也对苹果发起了类似的调查。

据巴西科技媒体 Tecnoblog 报道，里约热内卢的消费者保护机构 Procon Carioca 已于上周五（5 月 8 日）启动行政调查程序，要求苹果在 20 天内就 Apple Intelligence 广告是否误导消费者作出澄清。

本次调查的核心争议在于，苹果在发布 iPhone 16 系列时曾大肆宣传 Apple Intelligence 人工智能功能，但承诺的诸多高级功能至今未能完整交付——尤其是新一代 Siri。

报道称，iPhone 15 Pro 系列及后续机型均被纳入此次调查范围。Procon Carioca 表示正在调查潜在的「信息遗漏、未能履行承诺、以及违反提供清晰、充分且显著信息的义务」，这些做法均被巴西《消费者保护法》所禁止。（来源：快科技）

Anthropic 洽谈融资 300 亿美元，估值超 9000 亿美元

据报道，Anthropic PBC 正与投资者展开初步磋商，计划在新一轮融资中募资至少 300 亿美元，这可能成为该公司迄今规模最大的一轮融资。知情人士称，这家开发 Claude 模型的公司正讨论以超过 9000 亿美元的投前估值进行融资。其中一位人士表示，本轮融资最快可能在本月底完成。目前交易尚未敲定，也未签署任何条款清单。（来源：新浪财经）

三星劳资谈判破裂，5 万人计划罢工 18 天威胁 AI 芯片生产

5 月 13 日，三星电子及其韩国工会未能在周三达成薪资协议。工会领导人表示，预计将有超过 5 万名工人继续推进全面罢工，这可能会扰乱 AI 及其他芯片的生产。

在此次谈判破裂之前，双方在韩国政府的调解下，在周一和周二进行了马拉松式谈判。与此同时，公众和政府方面不断施压，要求三星工人在薪资协议上达成妥协，避免罢工发生。

当地时间周三凌晨 3 点左右，工会代表崔胜浩 (Choi Seung-ho，音译) 对记者表示：「工会提出的议程事项无一得到解决，对此我表示遗憾。」

他表示，公司没有回应工会关于改革薪酬制度的要求，包括取消目前奖金上限。现行规定将奖金最高限制在年基本工资的 50%，并且奖金计算仅以营业利润为依据。

三星工会曾表示，如果要求得不到满足，工人们将从 5 月 21 日起罢工 18 天。这可能会延迟对客户的发货，进一步推高芯片价格，并使竞争对手受益。

崔胜浩表示，他目前暂无在罢工开始前与公司管理层恢复谈判的计划，但如果公司提出「合适的方案」，他愿意予以考虑。

韩国国家劳动关系委员会表示，已提出「多种替代方案」，但鉴于「双方立场存在巨大分歧，且工会要求暂停谈判」，决定终止调解程序。

三星工人对于与竞争对手 SK 海力士之间巨大的奖金差距感到愤怒。在 2022 年底 ChatGPT 发布后，SK 海力士在向英伟达供应 AI 芯片所需的高带宽内存方面超越了三星。SK 海力士去年取消了奖金上限，从而为员工提供了比三星工人高出三倍以上的奖金，这导致三星工会成员数量激增。

截至发稿，三星尚未就此置评。（来源：凤凰科技）

市场监管总局附条件批准腾讯收购喜马拉雅股权案

5 月 12 日消息，市场监管总局发布公告，附加限制性条件批准腾讯收购喜马拉雅公司。该案对维护中国境内在线音频播放平台市场、网络音乐播放平台市场公平竞争秩序，防范平台领域「内卷式」竞争，推动平台经济创新和健康发展具有重要意义。

市场监管总局经过审查，认为该案对中国境内在线音频播放平台市场、网络音乐播放平台市场竞争可能具有排除、限制竞争效果。

为减少此项经营者集中可能产生的不利影响，市场监管总局依法对该案作出附条件批准决定，要求腾讯、喜马拉雅和集中后实体作出五项限制性承诺：

• 不得提高在线音频播放平台服务价格、降低服务水平或者附加不合理交易条件；

• 不得降低在线音频播放平台免费内容及免费热门内容比例；

• 不得与在线音频播放平台版权方达成独家授权，并在规定期限内解除现有独家授权约定；

• 不得向汽车厂商搭售在线音频播放平台、网络音乐播放平台，或者阻碍、限制其采购竞争对手产品；

• 不得限制主播在多个在线音频播放平台入驻或分发其享有著作权的作品。

经评估，市场监管总局认为该承诺方案可有效减少本集中导致的竞争问题，能够保障消费者、版权方、主播及汽车厂商等多方主体合法权益，维护相关市场公平竞争秩序，依法于 5 月 11 日附加限制性条件批准本案。（来源：IT 之家）

追觅高管回应「崩老头」

5 月 12 日，自媒体博主「兽楼处」发布文章称追觅创始人俞浩追高流量背后，实际上是麾下有数千家企业嗷嗷待哺，等待第一笔天使轮资金的进入。俞浩盯上的，不是风投机构，而是地方政府的产业基金。

该文章指出，俞浩对外宣称的 200 多个「事业部」，实为 2024 年起在追觅体外成立的大量平台公司和子公司，许多与主营业务无关，甚至涉足辣条、奶茶、房产中介等。

对此，追觅集团联席总裁雷鸣发视频回应：文章整体都是在造谣和抹黑我们，为了博眼球。追觅孵化项目成功率比市场上更高。和地方政府组建基金，会看新孵化项目与地方的综合匹配程度，不是拿了地方钱强行把产业搬过去。（来源：观察者网）

腾讯张军：微信已读功能和访客功能已焊死，不会开发，不会提供

 5 月 12 日消息，针对日前网友热议的「微信状态 访客记录」，腾讯公司公关总监张军今日发文：

「的确，这个小范围测试浏览人数的功能（不具体到个体），被误解了。但这是我们的责任。

已读功能和访客功能，我没记错的话，大家其实反复多次都表明，千万不要有。这里，再次特别强调一下：此二项功能已焊死，不会开发，不会提供。至于此次小范围测试的微信状态浏览人数展示功能，也已停止。感谢大家！」（来源：微博）

黄仁勋称 AI 正创造新的工业时代 蓝领技工将成热门职业

根据英伟达 CEO 黄仁勋的观点，在人工智能时代，需求量最大、潜在收入最高的职业可能不是构建人工智能模型本身，而是满足这项技术庞大基础设施需求的严重短缺的体力劳动工作。当地时间周日，黄仁勋在卡内基梅隆大学 2026 届毕业典礼上发表讲话，描述了人工智能时代的就业市场，其范围远远超出了软件和工程学位所能涵盖的范畴。

「电工、水管工、铁工、技术人员、建筑工人——这是你们的时代，」黄仁勋说道。「人工智能不仅创造了一个新的计算机产业，它正在创造一个新的工业时代。」

黄仁勋认为，对于毕业生而言，传统意义上的蓝领岗位或许是明智之选。他认为，技工行业将拥有大量高薪工作的未来，越来越多的年轻人都开始将这些工作视为切实可行的选择，无论他们是对四年制大学学位感到失望，还是渴望让自己的职业生涯免受人工智能的冲击。（来源：环球市场播报）

苹果 iOS 27 将大幅改进 iPhone 相机应用 所有用户均可获得定制化体验

据彭博社报道，苹果计划在 iOS 27 系统中对 iPhone 相机应用进行重大升级，为用户带来前所未有的自定义功能。这一变革将使专业摄影师和普通用户都能更灵活地控制拍摄参数，从而获得理想的拍摄效果。

据悉，iOS 27 的相机应用将允许用户调整照片风格、分辨率、闪光灯、曝光度、定时器、景深等多项参数。更值得关注的是，苹果将这些功能设计成可自定义的小部件，用户可以按照个人偏好将其排列在相机界面顶部，从而更快速地访问常用功能。

这次软件升级的时机颇具战略意义，因为苹果预计将在 iPhone 18 Pro 和 iPhone 18 Pro Max 上首次引入可变光圈技术。虽然彭博社的报道尚未确认这些自定义选项是否包括根据环境光线手动调节光圈值的功能，但如果该功能得以实现，苹果的旗舰机型有望在无需额外配件的情况下成为专业级摄影和摄像的新标杆。

这一系列变革显示出苹果正在努力平衡易用性与专业性，既要满足普通消费者的日常拍摄需求，又要为摄影爱好者和专业人士提供更深层次的创作工具。（来源：cnbeta）

Google 发布全新 AI 原生笔记本产品线 Googlebooks

当地时间周二，Google 正式发布全新笔记本电脑产品线 Googlebooks，这是一系列围绕其旗舰大模型 Gemini 从零打造的 AI 原生设备。Google 将与宏碁、华硕、戴尔、惠普和联想等硬件合作伙伴联合推出首批 Googlebooks，覆盖多种尺寸与形态，计划于今秋上市。

公司宣称，Googlebooks 是首批从底层即为 Gemini 打造、能够提供个性化和主动式帮助的笔记本电脑。

Googlebooks 最大的亮点之一是系统内置了名为「Magic Pointer」的新型 AI 光标功能，将 Gemini 能力直接融入指针操作。与传统只负责指向与点击的光标不同，用户只需轻微晃动光标，即可在屏幕内容之上唤出即时的上下文建议。

例如，当光标停留在邮件中的日期上时，系统可以直接建议创建会议；而当用户选中两张图片（如客厅照片和一张沙发图片）时，系统可以帮助用户在屏幕上把二者组合在一起进行可视化预览。

在连通性方面，新款 Googlebooks 将与 Android 手机深度协同，用户可以不依赖手机实体设备，直接在笔记本上使用原本安装在手机上的应用。比如，当你在笔记本上工作时突然想起当天的 Duolingo 学习任务，但又不想拿起手机，就可以直接在 Googlebook 上打开并完成该应用。此外，用户还可以通过 Googlebook 的文件浏览器直接访问手机中的文件，在笔记本上进行查看、搜索或插入文档和媒体内容。（来源：IT 之家）

390 万元起！宇树发布全球首款量产版载人变形机甲 GD01

5 月 12 日，据宇树科技官方微博消息，宇树正式发布全球首款量产版载人机甲——GD01 载人变形机甲，起售价 390 万元人民币（约 65 万美元）。

宇树科技 2025 年全年营收已达 17 亿元，人形机器人业务占比突破 50%，毛利率近 60%。眼下，宇树科技正冲刺科创板，剑指 A 股人形机器人第一股。

GD01 的核心技术亮点在于将宇树此前积累的四足与人形机器人技术深度融合，实现了三项关键能力：500 公斤级动态平衡控制、实时人机一体化控制，以及双足与四足模式的无缝切换。

双足模式下，GD01 可在城市街道正常行走与转弯，适应日常城市场景；

切换至四足模式后，机甲可爬越楼梯、应对斜坡及各类极端地形，甚至能以单腿踢倒砖墙。

宇树方面强调，这并非概念原型车，而是一款真正可量产的民用车辆。（来源：华尔街见闻）

欧盟拟出手整治「上瘾式设计」以保护未成年人

欧盟正加大对社交媒体平台的监管力度，计划集中打击 TikTok 和 Instagram 等应用中针对未成年人的「上瘾式设计」功能。欧盟委员会主席冯德莱恩周二在丹麦举行的「人工智能与儿童」欧洲峰会上表示，欧盟将在今年晚些时候对平台采取行动，并推动相关监管落地。

冯德莱恩点名指出，欧盟正在针对 TikTok 的「上瘾式设计」采取措施，其中包括无尽下拉浏览、自动播放以及持续推送通知等功能。她同时表示，同样的问题也存在于 Meta 旗下的 Instagram 和 Facebook 上，这些平台被认为未能有效执行自身订立的 13 岁最低使用年龄规定。她强调，欧盟正在调查那些让儿童陷入「有害内容兔子洞」的平台，例如推动厌食等饮食失调或自残行为的视频内容。（来源：网易）

用重新押注 Android，给 Gemini 搭建一套硬件「骨架」

作者｜张勇毅

2026年5月13日，作为每年 Google I/O 的前哨站，同时也是关于最重要的部分——安卓的独立发布会，The Android Show在线上开幕，揭开了 2026 年 Google 在 Android 领域全系产品阵容的新品发布阵容。

如果你只看 Android Show 2026 的发布内容，第一反应可能是：这真的是一场 Android 发布会吗？

无论是 Gemini 的自动操作，还是用 Gemini 生成桌面小组件，甚至是由 AI 驱动的语音输入法 ——被 Google 反复演示的这些功能，本质上都不是 Android 自己的功能，而是 Gemini 的延伸。Gemini Intelligence 是新名字，Googlebooks 是新硬件品类，连 Chrome 和 Android Auto 都成了 Gemini 的入口。把「Android」这个词从所有发布稿里抽掉，剩下的内容其实只在讲一件事——Gemini。

这是一场看似 Android、实际上是 Gemini 的发布会。Android，是 Gemini 今天选择 All in 落地的那副「硬件骨架」。

过去几年，这副骨架其实已经被 Google 冷落了一阵子 —— Gemini 真正的主战场是网页端、Workspace、搜索，Gemini 应用在 iOS 和 Android 上的体验也几乎一样。

这一次，Google 把它重新拉了出来。

至于骨架的形状怎么搭——18 个月前，苹果已经给过一份样图。

Google 已经连续第二年把 Android 发布会从 I/O 主舞台拆出来，单独放在 I/O 前一周。这个日程安排本身，比这场发布会的任何一个演示都更值得分析——它意味着 Android 已经不能在 I/O 主舞台上和 Gemini 模型并列，但又必须有自己的舞台。

这次 The Android Show 一共发布了四组内容：Gemini Intelligence、Googlebooks、Android 17 系统更新、Android Auto 车机更新。

后两组里几乎没什么真正的新东西。Android 17 那批面向创作者的功能——Screen Reactions 同时录人和屏幕、Instagram 终于做了 Android 平板优化、Adobe Premiere 来到 Android——更像是迟到的修补。还有一个叫 Pause Point 的数字健康功能，允许用户在点开应用时停 10 秒，问自己一句「我为什么打开这个应用」。以及 Noto 3D，emoji 表情的重新设计。Android Auto 是 Material 3 Expressive 重设计加 Dolby Atmos 空间音频，是一次常规迭代。

这些功能放在任何一年的 Android 春季发布会上，都不会让人意外。

但 Gemini Intelligence 不一样。它不是一个功能，而是一个名字——一个把 Google 这些年所有 AI 努力打包起来、并明确划出「谁有资格用、谁没有」的伞形品牌。

Googlebooks 也不是一台新笔电那么简单。它是 Google 为了承载 Gemini Intelligence，专门造的一个新硬件品类——拉来 Acer、Asus、Dell、HP、Lenovo 这五家，覆盖了从 Chromebook 老朋友到传统 Windows PC 大厂的全部主流厂商。

发布会真正值得拆解的，就是这两件事。

回到 2024 年 6 月那个 WWDC——Apple Intelligence 出场的那一刻，苹果做的最关键的一件事其实不是任何功能演示，而是把一整套 AI 体验和 iPhone 15 Pro 之后的设备硬绑在一起。下一代手机要买 Pro 才能用上完整的 AI，老一代 iPad 大部分被排除在外，连 Mac 这边也是 M1 之后才行。

这个动作当时被很多人解读为「苹果为了卖旗舰机」的市场策略。但放到现在看，它做的事情远不止营销层面——它定义了一个 AI 时代的产品范式：AI 不是装在每台设备上的软件，是只有有着充沛本地算力的设备才有资格享受的硬件特权。

Google 之前走的恰好是相反的路。Gemini 一直是一个非常「Google」式的产品——它是网页端产品，是开发者接口，是手机上一个能下载的应用，是融进 Workspace、Search、YouTube 的能力层。Google 反复强调「任何 Android 设备都能用 Gemini」，Gemini Nano 推到中端机型上，免费层做得也很厚。这是 Android 一贯的姿态——开放、低门槛、设备无差别。

Gemini Intelligence 这个名字一出来，姿态就变了。

看 Google 自己的措辞就够清楚——「高端 Android 设备」、「最新一代 Pixel 和三星 Galaxy」、「今夏上线」。第一波用户是最新一代的 Pixel 和 Galaxy，手表、汽车、眼镜、笔电之后跟上。一条非常苹果味的高端设备路线图。

具体功能也都按这个路线设计。Gboard 的「Rambler」会用 Gemini 升级语音输入，过滤掉填充词、停顿、自我修正，让你直接说出来的内容像写出来的。

Create My Widget 让你描述一个想要的小组件——比如「每周给我推荐三个高蛋白健身餐」——AI 直接生成一个自定义小组件，放进桌面。

Chrome 终于有了「自动浏览」，可以代你在网页上滚动、点击、填表单，去 SpotHero 订停车位，去 Chewy 把狗粮订单从幼犬粮换成成犬粮——这是手机端智能体在 Android 上第一次实际落地。

这些功能确实需要算力，需要系统级权限，需要硬件配合。所以「高端门槛」在工程上有合理性。但这个合理性苹果早就用过一次了。

Googlebooks 是这个范式的极致表达。

Google 这一次没有满足于给现有硬件分级，而是直接为 Gemini Intelligence 量身做了一个新硬件品类。Magic Pointer 让你用鼠标指任何东西，唤起 Gemini 上下文交互；Create My Widget 也来到桌面；Cast my apps 把手机应用投到笔电大屏上；Quick Access 让笔电直接浏览手机里的文件。所有这些功能，离开 Gemini 都不成立。

厂商合作伙伴名单尤其值得拆开看。Acer、Asus 是 Chromebook 老朋友，但 Dell、HP、Lenovo 这三家，是传统 Windows 电脑大厂，他们之前在 Chromebook 阵营里几乎可以忽略不计。

Google 这次把传统电脑厂商也拉进来，意图很清楚：用 Gemini Intelligence 重新打开电脑市场的入场券——而 Chromebook 14 年没能撼动 Windows 的旧战场，这次它想用 AI 这张牌再开一局。

把 Gemini Intelligence 的命名 + 高端硬件路线图 + Googlebooks 这个量身新品类三件事放在一起看，Google 走的就是 2024 年苹果走过的那条路。这是一次承认——AI 时代的胜负，不是在云端模型上分的，是在硬件层面上分的。

但这个路线图在中国，几乎插不下去。

Apple Intelligence 之所以能成立，前提是苹果同时掌握 iOS 和硬件——「高端门槛」的边界，由苹果自己说了算。iPhone 15 Pro 是不是高端、A17 Pro 是不是门槛，苹果一句话就定了。

Android 不是这个结构。

2024 年 1 月，三星在 Galaxy S24 的发布会上推出了 Galaxy AI——那是三星自己的 AI 子品牌，基于 Galaxy 设备自研的功能（实时翻译、Note Assist、生成式编辑）。Galaxy AI 用了两年时间，已经成了三星高端机销售故事的核心。这一次 Gemini Intelligence 要靠最新的 Galaxy 设备首发，但 Galaxy S26 上的 AI 故事，必须姓「Samsung」，不能姓「Google」。

中国市场更直接——这里几乎没有 Gemini Intelligence 的发挥空间。

每一家中国厂商都有自己的 AI 战略：小米澎湃 OS 上的端侧 AI 能力、OPPO 的 AndesGPT、vivo 的蓝心大模型、华为的盘古。它们的 AI 系统是端云结合的自研架构，模型层是阿里通义、百度文心、字节豆包的混合方案，端侧推理也基于自家芯片优化。Google 服务在中国市场全面缺位，Gemini 模型既进不来，也插不进来。中国厂商的 AI 故事和 Google 几乎完全脱钩——一台国产旗舰手机上的 AI，从模型到品牌，都和 Google 没有关系。

这意味着，Google 这一次的「Android 阵营 AI 标准制定者」野心，实际能号召的盘子比想象中小很多 —— Pixel（在全球 Android 市场只占小份额的设备），加上部分三星 Galaxy（要被分享话语权），再加上一些跟随 Google 节奏的厂商，谷歌在 Gemini 上的这套应用更多是一种标准模板，提供给更多的中国厂商。

厂商各自的 AI 战略已经成型，Google 这面旗帜插下去，土地早就被占了。

12 年前，Android 用「任何价位、任何屏幕尺寸、任何配置」撕开了 iOS 把控的高端市场。那是它当年最强的武器——开放、低门槛、设备无差别。

12 年后，Google 重新押注 Android，但这一次是把它当作 Gemini 的硬件骨架——一副长得越来越像 iOS 的骨架。

这不是退化，是 AI 时代 OS 厂商话语权的重新分配。只是这一次，Android 走向了自己当年的反面——而且，它已经不再只听 Google 一个人的了。

*头图来源：Google

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

你怎么看？

头图来源：视觉中国

豆包也要收费了。

5 月 4 日，豆包在 App Store 页面悄然更新了付费版本服务的相关声明。声明称，为更好地服务专业用户，豆包将在保留免费版的基础上，推出包含更多增值服务的付费订阅体系，同时披露了三档定价：标准版 68 元 / 月、加强版 200 元 / 月、专业版 500 元 / 月。

图片来源：极客公园

消息一出立即引发热议。有人担心免费福利终结，有人吐槽定价超出预期，也有人早就预料到了这一天的到来。毕竟，坐拥 3.2 亿月活、日均 18 亿次对话，全靠免费模式撑着的话，这笔账，算不长远。

本质上，这是一件全行业都「想得到、也做得到」的事：国内大模型免费模式的不可持续性是公开共识，头部玩家早就在付费赛道试水，字节手握国内 C 端 AI 绝对第一的用户盘，做付费订阅从来不是技术或能力问题，只是时机选择问题。

所以，在国内 C 端订阅生意公认难做、大模型价格战卷到地板的当下，豆包这次商业化闯关，到底能不能行得通？

免费的基本盘与最高 5088 元/年

据报道，豆包的付费功能将主要专注在复杂任务和生产力场景，如 PPT 生成、数据分析、影视制作等。随着模型能力持续升级，产品已经能满足越来越多的复杂高价值任务。但此类任务需消耗更多算力与推理时间，因此豆包计划上线付费服务，满足好这部分复杂场景需求。

至于免费版本，豆包官方回应称，「豆包始终提供免费服务，在免费服务的基础上，豆包也在探索推出更多增值服务，以满足不同用户的差异化需求。相关方案细节目前还在测试阶段，正式上线时会通过官方渠道发布完整信息。」

换句话说，用户当下免费用豆包能完成的查资料、写基础文案、日常问答、学习辅导等功能，未来依然可以免费使用。。付费版的核心逻辑是做「增值服务」，不会影响普通用户的日常使用体验。

这个策略并不新鲜，ChatGPT、Claude 等全球头部 AI 产品，均采用了「基础免费 + 进阶付费」的分层模式：先用免费功能完成用户心智渗透与习惯培养，再用高阶能力服务愿意为价值付费的核心用户。

至于 500 元 / 月的定价，到底贵不贵？

单看数字，500 元 / 月的专业版定价，确实刷新了国内通用 AI 助手的价格上限。但把它放到全球 AI 产品的定价体系里，结论会变得完全不同。

结合 2026 年 5 月全球主流 AI 产品的付费定价，可以对比得出：第一，68 元的标准版，仅比文心一言、讯飞星火高出不到 10 元，基本踩中了国内 AI 付费的主流基准线，并未脱离大众用户的接受区间。第二，200 元的加强版，与 ChatGPT Plus、Claude Pro 的 145 元月费处于同一价格带，对标了全球头部 AI 产品的主力付费档位，面向有高频生产力需求的用户。第三，500 元的专业版，确实是国内通用 AI 产品首次摸到的高端价格带，但未触及 ChatGPT Pro、Claude Max 的全球定价天花板，本质上是一次对国内重度专业用户付费能力的试探。

不过，定价的贵与贱，从来只和价值匹配度相关。

500 元 / 月，可能只是很多人一个月的咖啡钱，或是一顿普通的双人餐。对于每天要和 AI 高频交互、靠它完成核心生产工作的内容创作者、程序员、中小企业主而言，一个 24 小时在线、能写能算能分析的全能助手，月薪 500 元的成本远低于雇佣人工；但对于只是偶尔查资料、写邮件的普通用户而言，即便是 68 元的标准版，也没有必要买单。

这个时间点入场，字节算清了两笔账

为什么是现在？

在讨论豆包付费能不能跑通之前，更关键的问题是——字节为什么选在这个时间点入场？

毕竟在付费这件事上，字节的动作不算快。百度文心一言、月之暗面 Kimi、讯飞星火等玩家，早在 2024 年就上线了成熟的订阅体系，而豆包直到 2026 年才正式出手。可能是因为在这一刻，字节把两笔账算清了。

第一笔，是增长账：免费换规模的边际效益，差不多走到头了。

QuestMobile 数据显示，截至 2026 年 5 月，豆包月活已经突破 3.45 亿，日均对话量达 18 亿次，稳居国内 C 端 AI 应用榜首，覆盖了从学生、职场人到创作者、中小企业主的全量用户群体。

国内互联网的用户大盘就这么大，该接触 AI 的用户基本都已经被覆盖，再靠全免费的模式砸钱，已经拉不来新的增量，反而要为每一次新增对话承担实打实的算力成本。

第二笔是市场账：国内 AI 付费的用户教育，已经完成了。

2023 年大模型刚爆发时，国内用户对 AI 的认知还停留在「新鲜玩具」，对付费的抵触情绪比较强；但到 2026 年，行业已经完成了完整的用户教育周期。

行业数据显示，2025 年国内 AI 工具用户付费转化率从 2024 年的 8% 提升至 11%，其中高频使用的职场人、专业创作者付费意愿超过 30%，用户已经普遍接受「基础功能免费、高价值生产力能力付费」的商业逻辑。

这个时间点入场，字节不用再做吃力不讨好的市场教育，只需要从现成的付费用户池里做转化。

筹码与难题

国内 C 端订阅生意的难度有目共睹：工具类产品年均续费率能做到 30% 已是行业顶流，价格战内卷常态化，用户切换成本几乎为零。

大模型付费生意的核心矛盾，是「付费收入」与「算力成本」的平衡，而字节在这一点上，有着国内头部的技术优势。

大模型商业化的本质是算一笔账：收入，能不能覆盖算力成本？

这是一个行业级难题。愿意付费的用户，往往也是使用最重的用户；而高频使用，意味着更高的算力消耗。

字节的优势在于，它在模型效率和成本控制上，已经做到国内第一梯队——根据公开的技术数据，豆包 2.0 实现了推理效率 43% 的提升，长上下文场景首包延迟比行业主流模型降低 25% 以上，高并发场景请求成功率达 99.98%，稳定性处于行业第一梯队；同时其万 token 推理成本仅为海外头部模型国内合规链路的 38%，显著的成本优势，让它能更好地支撑付费版高算力任务的稳定运行。

图片来源：视觉中国

但国内 C 端订阅市场的几个结构性问题，至今没有任何玩家真正解决，字节也未必例外。

第一个问题在于用户愿意付钱，但不愿意一直付钱。国内互联网二十多年的免费基因，已经刻进了用户的骨子里，这是所有订阅产品都要面对的核心难题。

哪怕是当下，国内 C 端工具产品的年均续费率，能做到 30% 就已是行业顶级水平，而海外同类产品的续费率普遍在 60% 以上。核心原因是，国内用户的付费大多是「应急付费」：这个月要写方案、做项目，临时开一个月会员，用完立刻退订，没有长期持续付费的习惯。

更关键的是，字节在这件事上没有成功经验。字节跳动过往的商业化成功，核心靠的是广告、电商、直播打赏，而非 To C 的订阅生意。哪怕是剪映、抖音的增值会员，也只是补充性收入，从未做过国民级核心产品的分层订阅体系。面对国内用户「低持续付费意愿」的行业难题，字节没有现成的解法，这是最大的未知数。

第二个问题在于付费价值的「可替代性」。

目前豆包披露的付费核心功能，包括长文档精读、PPT 生成、深度数据分析、批量高清生图等，本质上都是行业通用能力——这些功能，国内竞品的免费版大多已经能提供基础服务，甚至很多开源模型本地部署就能完全免费实现。

如果豆包的付费版，只能提供「更快的响应速度、更多的调用次数、小幅提升的模型能力」，而无法实现碾压级的体验提升与不可替代的独家价值，用户根本不会形成持续付费意愿。哪怕是字节的生态联动，如果只是浅层次的功能打通，而非真正嵌入用户生产流程的闭环体验，也无法形成真正的付费刚性。最终大概率会出现「首月尝鲜付费热闹，次月退订率居高不下」的行业通病。

第三个问题在于算力成本的「无底洞」。这是最核心、也是最难解的矛盾。

付费用户越多，理论上收入越高；但在 AI 里，付费用户越多，成本也可能同步甚至更快上涨。如果不限制使用，可能付费收入根本覆盖不了成本，最终形成「付费用户越多，亏损越严重」的死亡循环；如果限制使用，又会直接损害付费体验，引发用户不满与口碑崩塌，陷入「限频丢用户，不限频亏成本」的两难境地。

这是一个几乎无解的平衡问题。连 ChatGPT 都未能解决——2024 年 ChatGPT 运营亏损超过 50 亿美元，订阅收入远不能覆盖成本。字节哪怕有更强的成本控制能力，也很难彻底跳出这个行业性的死亡循环。

最后，价格战，迟早会回来。

国内市场的竞争逻辑很简单：只要一个产品证明「可以赚钱」，其他玩家就会迅速跟进，然后用价格打穿。

一旦竞品开启新一轮降价、补贴、送会员的内卷攻势，豆包将面临两难选择：跟着降价，就会陷入自己刻意避开的「低价陷阱」，破坏原本的定价体系与成本模型；不跟着降价，就会面临价格敏感型用户的大规模流失。

字节过往在很多赛道，都是靠低价、补贴打赢战争，但这一次，它是定价更高的一方，能不能扛住内卷、坚持靠价值定价，是一个巨大的考验。

开局不难，长跑难

回到最核心的问题：豆包的付费订阅，能不能跑通？

答案其实很清楚。短期实现规模化付费用户、完成商业化初步落地，是大概率事件；但长期能否跑通健康的盈利闭环、成为国内 C 端 AI 订阅的标杆，充满了不确定性。

短期来看，3.45 亿的月活基本盘摆在那里，哪怕仅实现 1% 的付费转化率，也能快速形成 345 万的付费用户规模。

但长期来看，这件事能否真正跑通，核心不取决于它的用户规模有多大，也不取决于它的模型能力有多强，甚至不取决于字节的生态优势有多明显，而取决于它能否解决两个最根本的问题：第一，能不能把字节的生态优势，真正转化为用户不可替代的付费刚性，而不是可有可无的营销噱头；第二，能不能跳出国内 C 端订阅「低价内卷、低续费率、成本倒挂」的行业死循环，找到真正健康可持续的商业模型。

对于整个国内 AI 行业而言，豆包的这次商业化闯关，有着远超产品本身的标杆意义。如果豆包成了，那国内大模型行业的 C 端商业化，找到了一条可行的、不依赖低价内卷的路径；如果它最终栽在了行业的结构性难题上，那国内大模型玩家，就需要重新思考：C 端订阅这条路，到底怎么才能走通。

5月11日，Vbot维他动力宣布完成近5亿元Pre-A轮融资，由东方嘉富、华泰紫金、复星锐正联合领投，上汽集团旗下尚颀资本、明荟致远跟投，凯辉基金、今日资本、高瓴创投等老股东全部继续跟投。这也是国内消费级具身智能赛道迄今为止最大的单笔融资。

据了解，本轮融资将主要用于三个方向：大规模量产产能提升、全国销售网络建设，以及新一代全尺寸人形机器人的研发。目前 Vbot 团队已超过 100 人，实现了从产品设计、结构研发、电气研发、系统研发、AI 算法到供应链管理、生产制造、全渠道销售、用户服务的完整全栈能力闭环。

比融资更重要的是交付：Vbot首款超能机器狗首批500台已正式量产下线，通过微信小程序和京东向用户发货；5月将完成1500台交付，6月产能进一步提升至2500台/月。同时，上海长宁来福士、北京蓝色港湾的线下体验店已开业，本月还将入驻京东Mall、山姆会员店等全国核心零售空间，覆盖10个以上省市。

从demo到量产，Vbot用5个月时间解决了上千个软硬件bug，把结构件强度做到了汽车的5倍，终于跨过了这道坎。而让人意外的是用户数据：核心用户日均交互超过80次，日活稳定在2小时以上，有的用户甚至每天早晚各遛一次机器狗。

图片拍摄于 2025 年 10 月，产品为工程样机｜图片来源：维他动力

为什么是Vbot第一个跑通了消费级具身智能的量产？真实用户到底在用它做什么？先做四足再做人形的路径，背后有怎样的思考？具身智能的终局到底是什么？

带着这些问题，我们和Vbot维他动力创始人兼CEO余轶南博士聊了一个小时。以下是经过编辑的对话实录。

一、做物理世界的机器人，量产才是最大的难关

极客公园：首先恭喜完成新一轮融资，资方最看重你们的是什么？

余轶南：最核心的一点，是我们用一年半的时间，证明了我们能把这件事从头到尾跑通。从产品设计、结构研发、电气研发，到AI算法、供应链管理、生产制造、全渠道销售、用户交付，整个全链条我们都打通了。

具身智能不是一个单点技术，它需要硬件、软件、算法、商业的完整闭环。很多团队可能某一块很强，但没有全栈能力，就走不到量产这一步。我们向行业证明了，我们能以最快的速度拿出顶级水平的产品，并且实现规模销售。

极客公园：你们成立于2024年底，到现在已经完成了四轮融资，这个节奏算快吗？

余轶南：其实放到具身这个行业里，这个节奏真不算快，本来还可以更快。我们中间停了一段时间，没有融资，全部精力都放在产品开发和渠道建设上。

这一轮融资的核心节点就是量产。接下来我们今年还会再融几轮，因为这个行业的发展速度太快了，你必须有足够的弹药才能跑在前面。

极客公园：我五一去了北京蓝色港湾的体验店，人蛮多。但同时也在社交媒体上看到有用户吐槽交付推迟了。量产过程中是不是遇到了超出预期的困难？

余轶南：我们的demo去年四五月份就出来了，当时已经能跑很多场景了。但从一个能跑的demo，到一个能批量交付的合格产品，中间有一道巨大的鸿沟，这道鸿沟比想象的还要深。

去年年底我们发布产品并开启预定，到今年4月底开启全款支付，中间整整5个月，我们一直在解决量产中的工艺问题，我们做了三轮完整的产线试制，所有零部件全部开模、做大规模准入测试，前前后后解决了上千个软硬件bug。

这个过程非常痛苦，但真正能走出来的企业才会有市场。事实上，大部分硬件创业公司都是死在这个阶段的。尤其是做物理世界的机器人，量产才是最大的难关。

极客公园：有没有哪个具体的问题，花了你们特别多的时间去解决？

余轶南：我举一个最典型的例子：结构件强度。我之前做了十年汽车产业，一直以为汽车的结构件强度是消费品里最高的，所以我们一开始就按照汽车的最高标准来设计。

结果做出来一测试，完全不够用。机器人是一直在运动的，关节不断接触地面，承受的冲击非常大。我们最后测出来，机器人某些关键部件的强度峰值要求，是汽车的5倍。

而且机器人还不能用钢这种太重的材料，必须兼顾重量和强度。所以我们只能换材料、换工艺，反复迭代，最后终于把这个问题解决了，但代价就是成本大幅上升，交付也推迟了。

首批500台 Vbot 超能机器狗在 Vbot 超能工厂正式量产下线｜图片来源：维他动力

极客公园：现在产能要从每月1500台爬到2500台，供应链和品控能跟得上吗？

余轶南：我们做了非常多的准备。最核心的一点，是把品控前移，直接管控上游一级核心供应商的生产工艺和出厂检测。我们给供应商配备了专门的检测设备，制定了非常严格的流程，把有问题的部件全部拦截在生产端，而不是等到组装的时候才发现。

现在我们的零部件良品率已经提升到了一个非常好的水平，组装端的效率也在不断提高。6月份做到2500台/月是完全没有问题的。

二、用户比我们想象的更爱它：日均交互80次

极客公园：现在首批用户已经拿到产品了，真实的用户画像和你们之前的预期一致吗？

余轶南：基本上完全符合我们的预判。其实在产品出来之前，我们就调研了200个已经购买过四足机器人的用户，总结出了几个核心特征：

• 有6-12岁孩子的三口/五口之家，占比超过50%
• 绝大多数是新能源汽车用户和iPhone用户
• 不是价格敏感型，而是科技敏感型，最大的销量其实出现在中上价格带，用户愿意为好的技术和产品买单

这次我们自己的用户数据出来，和这个画像几乎一模一样。唯一超出预期的是，有老人的家庭占比也很高，很多人买给父母做陪伴。

图片来源：维他动力

极客公园：用户的实际使用情况怎么样？有没有超出你们预期的数据？

余轶南：用户时长和交互频次超出了我们的想象。平均下来，核心用户每天的使用时长在4-6个小时，包括在家交互、出门遛狗；日均交互次数超过80次。

这个数字是什么概念？智能汽车的日均交互次数大概是十几次，手机上的AI助手也就二三十次，而且都是功能性的，比如导航、开空调。但我们的用户和机器狗是聊天式的交互，一来一回，小朋友甚至可以跟它聊几十个来回。

现在日活也非常稳定，不是刚买回去新鲜几天就不用了。很多用户真的把它当成了家里的一份子，每天早晚各遛一次，就像遛真狗一样。

极客公园：用户用得最多的功能是什么？

余轶南：排在第一位的肯定是陪伴和娱乐，尤其是对小朋友来说。然后是教育功能，这个是很多家长特别喜欢的。比如机器狗可以给孩子讲课本知识，更重要的是它可以全程用英文和孩子对话，这种沉浸式的英语学习效果，比看书上课好太多了。

还有远程视频、家庭安防、老人守护这些功能，使用率也很高。

极客公园：有没有一些你们完全没想到的用户用法？

余轶南：C端的用法基本都在我们的预期之内，但B端的需求是一个意外之喜。因为我们的产品硬件配置非常高，性价比又好，很多行业客户找上门来，用我们的机器狗做二次开发。

比如各种巡检：物业巡检、工厂巡检、农业巡检、仓储巡检；还有农药喷洒、管道检测这些场景。这一点特别像大疆，大疆本来是做C端无人机的，结果很多行业应用也都用大疆的产品。

这件事让我想到了拓竹3D打印。在拓竹之前，3D打印几乎全是B端市场，拓竹把C端产品做好之后，现在C端已经占到了整个市场的8成以上，出货量远远超过了所有工业3D打印公司的总和。我觉得具身智能也会走同样的路。

不过目前B端的需求只占总销量的5%不到，C端还是绝对的核心。长期来看，C端的市场规模也一定是远大于B端的。B端需求虽然多，但非常分散，每个场景的量都不会特别大。

极客公园：现在的商业模式是怎样的？主要靠硬件销售吗？

余轶南：目前是的，现阶段我们最核心的目标就是出货量、规模和用户满意度。我们在整机价格里已经打包了基础的4G流量和AI Token费用，大部分用户完全够用。

对于使用量特别大的用户，我们提供了一个几十块钱一个月的增值服务包，包含额外的流量和Token。但这部分不是我们现在的主要收入来源。

未来的商业模式会是三层：第一层是硬件销售，第二层是周边配件，第三层是软件订阅和应用服务。第三层会是最大的市场，就像手机上的APP一样。现在我们已经有很多用户在买配件了，未来我们会不断丰富配件和应用生态。

三、为什么先四足后人形？Vbot要做的是生活空间机器人平台

极客公园：很多人说你们的机器狗是「行业顶配」，这个顶配具体体现在哪些地方？

余轶南：主要是四个方面：

第一，高功率密度的关节电机，比行业平均水平高了将近50%，动力非常强；

第二，极简的传感器配置，我们没有堆一堆摄像头和激光雷达，就用一对双目+一个激光雷达+四麦克风，符合第一性原理，就像人只有一对眼睛和两只耳朵一样；

第三，594Wh的高能量密度电池，续航能做到4-5个小时，这个是行业里最好的水平，很多比我们体积大很多的机器狗，续航也做不到这个水平；

第四，也是最重要的一点，我们在端侧放了128TOPS的AI算力。现在行业里绝大部分机器狗，甚至很多人形机器人，端侧算力只有5-10TOPS，基本上就是"无大脑机器人"，只能跑运控。

我们在端侧配置了128TOPS的AI算力，这是目前量产机器人里配置的最高算力。

现在行业里很多机器狗，甚至部分人形机器人，端侧算力只有5-10TOPS，更多只能完成基础运动控制；但家庭场景里的机器人，需要同时完成环境理解、语音交互、多模态感知和实时决策，对端侧算力要求极高。

只有把算力拉满，用户才能在使用里无感的完成和机器人的交互。

这四个点加起来，让我们的产品在硬件上做到了行业标杆级的水平，而且成本控制得非常好。

极客公园：你们把这款产品定义为"具身智能平台"，而不是一个单一的硬件产品，这个怎么理解？

余轶南：历史上的电子产品分为两种：一种是功能性产品，比如相机、录音笔，你买的时候就知道它能干什么，功能边界非常清晰；另一种是平台型产品，比如PC和手机，它的价值是不断增长的，上面会跑各种各样的应用。

我们认为机器人一定是平台型产品。机器狗的移动能力、交互能力、负重能力、导航能力，这些都是平台性的能力，本身不直接产生价值。但在这些能力之上，可以长出无数的应用：家居中控、非接触式健康监测、老人陪伴、儿童教育、随行跟拍、小件物品递送、宠物远程照顾、AI交互编程等等。

过去一年我们主要完成了平台本身的开发，今年我们会把重点放在应用侧，把平台的价值做厚。

极客公园：现在整个行业都在卷人形机器人，你们为什么选择先做四足，再做人形？

余轶南：这是一个商业路径的选择问题。具身智能有两个最大的不确定性：技术不确定性和商业不确定性。我们希望先解决商业的确定性，再去攻克技术的不确定性。

四足机器人的硬件和软件架构相对成熟，我们可以用最快的速度打通从供应链到销售的全链条，验证市场需求。而且做四足积累下来的所有核心能力——电子电器架构、传感器、供应链、操作系统、AI模型、数据飞轮——这些东西100%可以复用到人形机器人上。

很多公司先做人形，结果就是demo做了一个又一个，永远无法量产，也无法验证商业价值。我们先把四足做起来，有了收入、有了用户、有了数据，再做人形就会顺理成章得多。

极客公园：你们的人形机器人研发进展怎么样了？会是一个什么样的产品？

余轶南：我们今年就会出人形机器人的样机。我们的目标非常明确：既要好看，又要好用。

现在市场上绝大多数人形机器人都不美观，大家要么觉得它是进工厂干活的，不用在乎好不好看；要么觉得它是个玩具，不用在乎好不好用。但我觉得伟大的产品一定是既好看又好用又好玩的，就像iPhone和Mac一样。

人形机器人最适合的场景是：商场、餐厅、写字楼、公共设施、家庭。这些地方需要和人打交道，好看就非常重要。同时它又要能真正干活，解决实际问题。

极客公园：你们在技术上的核心布局是什么？

余轶南：三个核心方向：

第一，全尺寸人形机器人的本体研发，兼顾运动能力和任务能力；

第二，手足一体的世界模型研发，覆盖通用操作和移动能力。我们采用的是"分开训练+隐空间token融合"的方案，世界模型负责感知、记忆和预测，全身运动控制和操作模型负责具体执行，最后通过隐空间的token进行融合微调；

第三，Agentic OS架构的具身智能系统研发，这是机器人的操作系统，未来所有的应用都会跑在这个上面。我们基于OpenAgent的架构做了深度优化，实现了任务拆解、技能调用、上下文管理等核心能力，并且大幅提升了调度效率。

现在整个行业的技术路线正在从发散走向收敛。硬件方面，关节电机、传感器、灵巧手的技术都在快速成熟；软件方面，三层模型架构已经越来越清晰：上层是VRL模型做意图理解和任务规划，运行频率0.1-1Hz；中间是隐空间世界模型做感知、记忆和预测，运行频率10-20Hz；下层是反应式视觉语言动作模型做实时控制，运行频率50-100Hz以上。

谁能把这个技术链条整合成一个完整系统，谁就能拿到通往终局的钥匙。

四、未来，物理AI的通用模型会不会出现？

极客公园：现在很多人还是会把消费级机器人当成玩具，你怎么看这个认知？

余轶南：我觉得没有必要刻意去消解这个认知。好玩本身就是一个非常重要的价值，甚至是比有用更重要的价值。你会发现今天刚需的东西反而不好卖，又好玩又好用的东西才最好卖。

但问题是，你不能只是一个纯玩具。如果一万多块钱买一个只能玩三个月的玩具，大部分消费者是不会买单的。我们的产品必须做到既好玩又有用，这样才能成为所有家庭的标配。

极客公园：很多人担心机器人进入家庭后的隐私问题，你们是怎么解决的？

余轶南：我们有三个基本原则：

第一，没有必要绝对不上传数据，所有能在端侧处理的，全部在端侧处理，并且做端侧脱敏。我们的设备本地可以存储大量视频数据，没有用户的主动操作，绝对不会将数据上传到云端；

第二，所有数据上传必须获得用户的明确授权，用户不同意，绝对不能传；

第三，即使数据上传到了云端，所有权也完全属于用户，没有用户授权，我们绝对不会使用这些数据。

这是全球通用的原则，也是我们做产品的底线。

极客公园：如果2026年整个行业只能验证一个关键问题，你觉得会是什么？

余轶南：我觉得是：到底存不存在一个通用的物理AI模型，可以适配所有的场景和所有的机器人本体？

今天的互联网大模型已经证明，一个通用模型可以同时完成数字世界里的多个场景的任务。但在物理世界，这件事还没有被验证。

机器人面对的是完全不同的真实环境：不同家庭、不同空间、不同机器人形态，甚至不同的运动方式。

未来到底能不能有一个通用的物理AI模型，同时适配这些复杂场景和不同机器人？如果有，那整个具身智能行业的发展速度会比我们想象的快更多。

头图来源：视觉中国

5月11日，据《The Information》报道，快手科技正计划将旗下可灵（Kling）AI视频业务分拆，于2027年第一季度启动首次公开募股。目前快手已与潜在投资者展开上市前融资洽谈，此轮对可灵的估值定为200亿美元。

目前，在香港联交所上市的快手整体市值不到300亿美元。如果传言属实，那某种程度上意味着：快手拥有7.407亿月活、年营收201亿美元的核心短视频主业，全部加起来只值100亿美元；而一个2026年第一季度单季收入仅7500万美元、尚未实现盈利的AI业务，价值是前者的两倍。

当然，二级市场里一个大型上市公司各个业务线的市场估值不是简单的加减法。但 200 亿的可灵和 300 亿的快手，已值得深思。

一、估值「倒挂」？

可以先算一笔简单的账。

根据快手2025年财报，公司全年总营收1427.8亿元人民币（约合201亿美元），同比增长12.5%；第四季度平均月活跃用户7.407亿，付费用户超过5000万。作为中国市场仅次于抖音的第二大短视频平台，快手的基本盘依然稳固，现金流依然健康。

但资本市场给了它一个相对保守的估值：不到300亿美元市值对应201亿美元年营收，市销率（PS）仅为1.5倍。这个估值水平，甚至低于很多传统制造业公司。

反观可灵，根据快手3月披露的数据，以2026年1月单月收入计算，其年化收入已突破3亿美元；《The Information》的本次报道进一步透露，可灵2026年第一季度收入为7500万美元，其中大部分来自北美等海外市场。按照200亿美元的估值计算，可灵当前的PS倍数高达67倍。

这个200亿美元的估值，是基于可灵在2027年第一季度年化收入达到13亿美元的预测得出的。也就是说，即使可灵真的能在未来12个月实现330%的收入增长，届时它的PS倍数依然高达15倍——是快手母公司当前估值的10倍。

过去十年，快手和抖音打了一场旷日持久的战争，但结局已接近落定：抖音占据了短视频市场70%以上的用户时长和广告收入，快手只能在下沉市场和老铁经济中寻找生存空间。当用户增长见顶、广告收入增速放缓、电商业务遭遇天花板之后，快手再也讲不出任何能让资本市场兴奋的新故事了。

直到可灵的出现。

二、分拆的本质

有分析认为，快手分拆可灵是为了给AI业务融资，让它能够独立发展，不受母公司传统业务的拖累。但实际上，可灵当前的 C 端订阅模式已经能够产生健康的现金流，它更需要的是一个能够充分体现其价值的资本平台。

可灵现在根本不缺钱。根据快手披露的数据，可灵的收入正在高速增长，而且C端订阅模式的现金流非常健康。它现在的问题不是缺钱，而是它的价值在快手母公司体内根本无法体现出来。

如果可灵继续留在快手体内，那么资本市场会用整个公司的平均估值来给它定价。也就是说，即使可灵明年真的做到了13亿美元的年化收入，按照快手1.5倍的PS，它也只值19.5亿美元，而不是200亿美元。

这是所有传统科技公司在发展 AI 业务时都会面临的共同问题：当高增长的 AI 业务与低增长的传统业务合并报表时，AI 业务的成长价值会被传统业务的估值体系所稀释，股东无法充分享受到 AI 业务增长带来的收益。

解决这个问题的有效方式，就是分拆独立上市。

将高增长的 AI 业务从传统母体中剥离出来，单独对接资本市场，让它能够按照 AI 行业的估值体系获得定价。同时，母公司作为大股东，能够通过持有分拆公司的股份，分享 AI 业务的成长收益，实现自身价值的重估。

这已经成为不少科技公司的普遍做法。从谷歌分拆 Waymo，到百度分拆昆仑芯，再到现在快手分拆可灵，本质上都是为了让不同成长阶段、不同业务属性的资产，都能在资本市场获得合理的估值。

除此之外，独立融资还有一个非常现实的考量：AI 业务是典型的高投入行业。模型训练、算力采购、行业竞争、顶尖人才留存，每一项都需要持续的巨额资金投入。完全依靠母公司的资金链来支撑，对于快手这样体量的公司来说，长期压力会非常大。

把可灵独立出来，按照它自身在 AI 视频行业的价值和地位去一级市场融资，既能让业务获得更匹配的资金支持，也能将 AI 业务的高风险与母公司的传统业务隔离开来。对于快手的股东来说，这是一个双赢的选择：如果可灵发展顺利，股东可以通过持股分享其成长收益；如果遇到挑战，也不会对母公司的核心业务造成致命影响。

三、200亿美元估值的「底气与风险」

当然，200亿美元的估值并不是没有争议。很多人质疑，一个技术排名仅为全球第三、收入主要来自C端订阅、核心人才还在不断流失的AI视频公司，到底值不值这么多钱。

我们可以从几个维度来拆解这个估值的合理性。

首先看横向对比。目前在香港上市的智谱 AI 市值约 520 亿美元，对应 2026 年预期年化收入（ARR）7.2 亿美元，PS 约 72 倍；MiniMax 市值约 310 亿美元，对应 ARR 3.0 亿美元，PS 约 103 倍。海外 AI 视频龙头 Runway 估值 53 亿美元，对应 ARR 2.65 亿美元，PS 约 20 倍；AI 图像标杆 MidJourney 估值 100 亿美元，对应 ARR 5.0 亿美元，PS 约 20 倍。

按照这个对比，可灵200亿美元估值对应明年13亿美元年化收入，15倍的PS其实并不算离谱，甚至比智谱和Runway还要便宜。而且可灵是目前中国商业化走得靠前的AI视频产品，也是少数真正在海外市场打开局面的中国AI应用。

可灵的商业化路径非常清晰：一方面通过官网和移动应用向C端用户提供订阅服务，月费从6.99美元到127.99美元不等；另一方面通过API向企业客户收取模型调用费用。目前可灵的AI视频已经在营销、电商、电视、动画和游戏等多个行业得到广泛应用。

特别是在海外市场，可灵凭借出色的产品体验和合理的定价策略，完全靠口碑传播就获得了大量用户。它的核心用户不是普通消费者，而是中小商家、独立设计师和内容创作者 —— 这是一个付费意愿强、粘性高的优质用户群体。

但也不能忽视这个估值背后的风险。

最大的风险来自于收入预测的激进性。快手3月曾表示，预计可灵2026年全年收入将翻番，也就是从3亿美元增长到6亿美元。但要在2027年第一季度达到13亿美元的年化收入，这个增速远超行业平均水平，能不能实现还是一个巨大的问号。

其次是收入质量的隐忧。目前可灵的收入大部分来自C端订阅，B端API收入占比很低。C端订阅的用户留存率和生命周期价值都远低于B端企业服务，而且很容易陷入价格战。一旦字节或阿里推出更加低价好用甚至免费的AI视频工具，可灵的收入就会受到不小冲击。

第三个风险是人才流失与竞争加剧。AI视频行业的技术壁垒远没有大家想象的那么高，一个核心团队的流失就能瞬间改变行业排名。可灵初代模型的关键开发者张迪，于去年离开快手加入了阿里巴巴。如何留住核心技术团队，将是可灵未来发展需要面对的重要问题。

四、大概率不会是完全切割式的分拆？

回顾资本市场类似事件，快手大概率不会采取完全切割式的彻底分拆。历史上曾经有过类似的教训：部分公司在自身市值低迷的时候，将旗下最具增长潜力的明星业务完全剥离，通过回购等资本操作将资产转移，严重损害了中小股东的利益，引发了巨大的市场争议。

更合理也更有可能的模式是：可灵进行独立的外部融资，快手仍然保持绝对控股地位，可灵的财务报表继续并入快手集团。这种模式既能够让可灵获得独立的资本平台和灵活的激励机制，吸引和留住顶尖 AI 人才，也能够保证母公司股东的利益不受损害。

对于快手来说，可灵分拆上市是公司发展历程中的一个重要节点。如果能够顺利落地，快手将成功探索出一条 “传统业务提供稳定现金流 + AI 业务独立发展获取成长溢价” 的双轮驱动模式，为其他传统互联网公司的 AI 转型提供一个可参考的范本。

而对于整个中国科技行业来说，这件事标志着 AI 行业已经从早期的技术探索阶段，进入到了商业化和资本化并行的新阶段。

过去，大家关注的是谁能做出更好的模型；现在，大家更关注谁能把技术转化为商业价值，谁能在资本市场获得支持。而将 AI 业务分拆独立发展，已经成为不少传统科技公司释放 AI 价值的重要路径。未来，我们可能会看到更多的传统科技公司效仿这一模式，将旗下的 AI 业务分拆上市。

如果可灵成功上市并维持高估值，快手就能完成价值救赎，从一个传统的短视频公司转型为一个AI科技公司。如果可灵失败了，那么快手的市值可能会进一步下跌，最终沦为一个平庸的传统互联网公司。

AI 资产的价值重估，才刚刚开始。

编辑｜ 靖宇

在「蛰伏」了 18 个月后，OpenAI 前 CTO Mira Murati 的新团队，Thinking Machines，终于交出了自己的答卷。

5 月 11 日，Thinking Machines Lab 发布了一段研究预览视频，展示了他们所谓的「交互模型」（Interaction Model）。

这不是又一个大语言模型的发布会，也不是又一轮跑分刷榜。这家公司做的事情，用一句话概括就是—— 让 AI 不再像发微信一样一条一条回复你，而是像面对面聊天一样，随时听、随时看、随时插嘴。

如果你看过他们的 Demo 视频，你会发现一件有意思的事：用户正在说话的时候，AI 也在说话；用户对着摄像头做俯卧撑，AI 在一旁数数；用户写代码写错了，AI 主动开口提醒——没人让它说话，它自己看到了。

这种体验，当前市场上没有任何一个商业 AI 产品能做到。

01

「回合制」的枷锁

要理解 Thinking Machines 做的事情为什么重要，得先理解当前所有 AI 对话系统的底层逻辑—— 回合制。

你说一句，AI 等你说完，然后回一句。在你说话的时候，AI 是「瞎」的、「聋」的，什么都感知不到。在 AI 回复的时候，它的感知也冻结了，不接收任何新信息。这就像两个人隔着一堵墙用对讲机沟通，你按下说话键的时候对方只能等着。

Thinking Machines 介绍 Demo｜图片来源：YouTube

这套逻辑在打字聊天的场景下勉强够用，但一旦涉及语音、视频、实时协作，问题就暴露了。 现有的 AI 模型把「自主工作」当作最重要的能力来优化，结果是人越来越难留在循环中。

Anthropic 自己的模型卡里都承认过，用户如果用同步、实时的方式操作他们的模型，体验反而不好——模型太慢，用户感知不到价值。

Thinking Machines 的核心主张很简单： 交互能力应该和智能一起扩展，而不是被当成事后补丁。

02

200 毫秒的「微回合」

Thinking Machines 的技术路线有一个核心设计： 时间对齐的微回合（Time-Aligned Micro-Turns）。

传统模型的输入和输出是一整段一整段处理的。而他们的交互模型把时间切成了 200 毫秒一个单位——每 200 毫秒处理一段输入，同时生成一段输出。音频、视频、文本，三条流同时进行，交替编织成一个连续的 token 序列送给模型。

这意味着什么？ 模型不再有「你说完了我再说」的人为边界。 它可以在用户说话的时候插嘴、可以边听边做搜索、可以一边看视频一边出声提醒。这些能力在以前需要用外部组件拼凑——一个 VAD（语音活动检测）判断什么时候该打断，一个 TTS 生成语音—— 而 Thinking Machines 把这一切都训练进了模型本身。

他们的逻辑很明确：如果交互能力写在模型外面的「脚手架」上，那模型变大、变聪明的时候，交互能力不会跟着变好。只有把交互训练进模型，扩展模型才能同时让它更聪明、也更会协作。Rich Sutton 那篇经典的「苦涩的教训」（The Bitter Lesson）说的就是这个道理——手工设计的系统，终将被通用能力的规模化击败。

在交互中搜索并生成图表｜图片来源：YouTube

在 Demo 视频中，有一个细节让人印象深刻：用户在和 AI 对话的过程中，AI 同时在后台搜索网页并生成 UI 图表，然后无缝地把搜索结果织入对话。用户甚至没有注意到 AI 在搜索，以为它全凭自己的知识在回答。 这种「一边聊天一边干活」的能力，正是微回合架构带来的直接结果。

03

架构的两层：

一个管交互，一个管深度思考

Thinking Machines 的系统并不只有一个模型，而是分成了两层。

表层是「交互模型」 ， 一直在线，持续和用户保持双向交流 。

底层是「背景模型」，负责需要深度推理、调用工具、执行长链条任务的工作 。交互模型在对话中遇到需要深入思考的问题时，会把任务委托给背景模型，同时继续保持和用户的对话——回答追问、接受新输入、维持对话线索。等背景模型出了结果，交互模型会选择一个合适的时机把结果织入对话，而不是生硬地打断用户。

这个设计的精妙之处在于：用户同时享受到了「即时响应」和「深度智能」，不用在两者之间做选择。 在技术报告中，他们的 TML-Interaction-Small 模型是一个 276B 参数的 MoE 架构，活跃参数 12B。在 FD-bench V1.5 这个交互质量基准测试上拿到了 77.8 分，几乎是 GPT-realtime-2.0（46.8 分）的两倍。对话响应延迟只有 0.40 秒，而 GPT-realtime-2.0 是 1.18 秒，Gemini 是 0.57 秒。

更有意思的是他们自己开发的几个新测试。一个叫 TimeSpeak，测试模型能否在用户指定的时间主动说话，他们拿到了 64.7% 的准确率，而 GPT-realtime-2.0 只有 4.3%。一个叫 CueSpeak，测试模型能否在正确的语义时机开口，他们拿到 81.7%，GPT 是 2.9%。

换句话说，当前市面上的商业模型，基本上不具备这些交互能力。

04

Thinking Machines 艰难来路

Thinking Machines 的故事，某种程度上也是 OpenAI 人才战争的一个缩影。

Mira Murati 曾经是 OpenAI 的 CTO｜图片来源：Techfundingnews

CEO Mira Murati 在 OpenAI 工作了六年半，2022 年升任 CTO，主导了 ChatGPT、DALL-E、Codex、Sora 等几乎所有明星产品的技术方向。2023 年 11 月 Sam Altman 被董事会罢免的那几天，Murati 还当了几天临时 CEO。2024 年 9 月，她宣布离开 OpenAI，说要「给自己留出时间和空间做自己的探索」。

五个月后，2025 年 2 月，Thinking Machines Lab 正式成立。一起来的阵容堪称 AI 行业的「复仇者联盟」——Barrett Zoph（OpenAI 前研究 VP）、John Schulman（OpenAI 联合创始人、RLHF 的关键推动者，此前曾短暂去过 Anthropic）、Lilian Weng（OpenAI 前 VP）、Luke Metz、Andrew Tulloch。顾问团队里有 Bob McGrew（OpenAI 前首席研究官）和 Alec Radford（GPT 系列论文的核心作者）。

公司成立五个月就完成了 20 亿美元的种子轮融资 ，a16z 领投，Nvidia、AMD、Jane Street 等跟投，估值 120 亿美元。

但接下来发生的事，恐怕是 Murati 没有预料到的。

2025 年 10 月，联合创始人 Andrew Tulloch 离开加入 Meta。2026 年 1 月，更大的震荡来了——CTO Barret Zoph 被公司「分道扬镳」，联合创始人 Luke Metz 和另一位核心成员 Sam Schoenholz 也同时回归 OpenAI。Murati 的公告措辞克制，只提了 Zoph 的离开。58 分钟后，OpenAI 应用部门 CEO Fidji Simo 在社交媒体上宣布同时欢迎三人回归。到了 2026 年 4 月，Meta 又挖走了至少七名创始团队成员。

原来的五位联合创始人，只剩下了一个——John Schulman。

但 Murati 做了一个关键决定：把 PyTorch 的创造者 Soumith Chintala（从 Meta 加入）提拔为新 CTO。

一个失去了大半创始团队的公司，在成立仅 15 个月后拿出了一个定义性的技术 Demo。这本身就说明了一些问题。

05

不只是 Demo，是一种技术信仰

Thinking Machines 这次展示的「交互模型」，当然还有很多局限——长时间对话的上下文管理、对稳定网络连接的依赖、模型规模暂时还不够大（当前版本的更大预训练模型还太慢无法部署）。他们自己在技术博客里坦诚地列出了这些问题。

但这个 Demo 传递出的信号远比技术细节更重要。

当整个行业都在追求更自主的 AI Agent、更长的推理链、更强的自主完成任务的能力时，Thinking Machines 旗帜鲜明地提出了一个不同的方向：AI 应该让人类更容易留在循环中，而不是把人推出去。

他们的技术博客里引用了经济学家哈耶克 1945 年的经典论述——真正重要的知识，往往是关于「特定时间和地点的具体情境」的知识，这种知识很难被完全形式化地传达给 AI。

换句话说，用户脑子里的东西，往往比他们能在 prompt 里写出来的要多得多。要让这些知识流入 AI 的决策过程，唯一的办法就是让人和 AI 的沟通带宽足够大。

从一家经历了联合创始人出走、被 Meta 围猎、被外界质疑产品方向的公司里，跑出了 2026 年第一个让人真正觉得「AI 交互方式要变了」的产品原型。

这或许说明，在 AI 这场竞赛里， 最稀缺的资源不是算力、不是资金，而是一个清晰且有信念的技术方向。

*头图来源： YouTube

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

一、当客服开始「真的办事」，购物里发生了什么

二、一通两毛和一通五毛，AI 客服的定价如何重新改写？

三、当聊天框变成「私域流量池」，淘天到底在下一盘什么棋

OPPO 就母亲节文案事件发布问责通告，中国区业务负责人段要辉职级直降两级

5 月 11 日，OPPO 内部正式发布母亲节品牌营销事故问责通告，对相关责任人进行定级处罚。其中，OPPO 中国区业务负责人段要辉负最终管理责任，职级直降两级，本年度绩效不高于 C，冻结调薪 36 个月；直属业务部门部长、公关部部长等均受到降职或冻结调薪处分。

事件起因于 5 月 8 日 OPPO 官方微博及小红书账号发布的母亲节营销文案引发大规模负面舆情。OPPO 在通告中指出，该文案对公众、用户和员工造成伤害，严重影响品牌声誉，违背公司文化价值观，依据《公司品牌事故问责制度》判定为重大品牌事故。

知情人士表示，此次处罚属于 OPPO 历史上罕见严厉的处罚力度。该事件体现了相关团队对社会主流价值观底线的忽视，也反映了业务机制中存在的漏洞。OPPO 要求团队引以为戒、快速改进。（消息来源：IT 之家）

3080 亿！黄仁勋今年砸向 AI 的钱，快够买一个 DeepSeek 了

2026 年迄今，英伟达在 AI 领域的产业承诺总投资额超 453 亿美元（约合人民币 3080.74 亿元），接近 DeepSeek 估值，远超其上一财年实际完成的 175 亿美元投资。其投资主要聚焦 AI 基础设施、新云及 AI 大模型三大领域，涵盖数据中心、光子技术、云服务及头部大模型公司等。

英伟达凭借 GPU 优势成为 AI 热潮最大赢家，四年股价涨 11 倍，市值达约 5.2 万亿美元，上一财年自由现金流 970 亿美元，其非上市股权证券大幅增长，投资旨在扩大生态主导地位。

分析师对英伟达的投资模式看法不一，有人认为其构建了竞争护城河，也有人警告其存在循环投资风险，担忧需求真实性。总体而言，英伟达正从芯片供应商向 AI 基础设施「总承包商」和「大金主」转型。

（消息来源：新浪财经）

谷歌市值逼近英伟达，距全球第一仅一步之遥

5 月 11 日消息，截至 5 月 9 日收盘，Alphabet 市值达 4.8 万亿美元，英伟达在经历本周反弹后市值升至 5.2 万亿美元，两者差距已大幅收窄。过去六个月，Alphabet 股价累计上涨 38%，其中仅 4 月单月涨幅就达 34%，创下 2004 年以来最佳单月表现；同期英伟达股价仅上涨 8%，跑输标普 500 指数和纳斯达克 100 指数。

谷歌母公司正从"AI 局外人"蜕变为"AI 全面赢家"，其云业务 2026 年 Q1 营收达 200.3 亿美元，同比增长 63%。

（消息来源：新浪科技）

OpenAI 斥资逾 40 亿美元成立新公司 加速企业级 AI 落地

OpenAI 周一宣布成立新公司「OpenAI Deployment Company」，首期投入超 40 亿美元，专注于帮助各类组织构建和部署人工智能系统，并计划收购 AI 咨询公司 Tomoro 以快速扩张业务规模。

此前，在消费级市场获得成功后，OpenAI 正加速布局企业客户，积极签署企业合约，以期在 AI 商业落地领域扩大影响力。新公司由 OpenAI 控股运营，将向企业派驻前沿 AI 部署工程师，协助寻找 AI 最大价值应用场景。

被收购的 Tomoro 成立于 2023 年，专注企业 AI 落地咨询，拥有约 150 名 AI 工程师和部署专家，客户包括美泰、红牛等知名企业。当前，OpenAI 的竞争对手 Anthropic 也在加速扩张企业级 AI 市场，双方均在布局 AI 部署服务领域。

此次新业务单元将以多年期合作推进，涉及 OpenAI 与 19 家合作伙伴的长期承诺，由 TPG 领衔，Advent 等多家资本作为创始合作伙伴参与。

（来源今日头条）

乘联分会报告透露：小米汽车 4 月零售 36702 辆，特斯拉中国出口 53522 辆

乘联分会数据显示，2026 年 4 月国内乘用车零售 138.4 万辆，同比、环比均下滑，车市总量承压、结构分化。新能源产销保持增长，燃油车销量大幅下滑，新能源车零售渗透率达 61.4%，自主品牌新能源渗透率遥遥领先。

新能源零售榜单中，比亚迪稳居榜首，小米汽车 4 月零售 36702 辆表现亮眼，特斯拉中国国内零售 25956 辆。4 月新能源车出口市场暴涨，厂商出口同比大增 111.8%，比亚迪出口断层领先，奇瑞、特斯拉中国、吉利位列出口前三，整体自主品牌新能源出海势头强劲，新势力品牌国内零售份额也实现同比提升。

（消息来源：IT 之家）

国产晶圆代工最大并购，中芯国际 406 亿元方案获上交所通过

5 月 11 日消息，中芯国际发行股份购买资产获上交所并购重组审核委员会审议通过：本次交易符合重组条件和信息披露要求。

据 IT 之家此前报道，中芯国际于 2025 年底披露发行股份购买资产暨关联交易报告书草案，公司拟向国家集成电路基金等 5 名中芯北方股东发行股份购买其所持有的标的公司 49.00% 股权，交易价格 406.01 亿元。这是国产晶圆代工行业历史上金额最大的并购案。

中芯北方作为中芯国际的控股子公司，主要为客户提供不同工艺平台的 12 英寸集成电路晶圆代工及配套服务。本次交易完成后，中芯国际将持有中芯北方 100.00% 的股权，中芯北方将成为中芯国际的全资子公司。

中芯国际表示，中芯北方作为公司控股子公司，本次交易有利于进一步提高公司资产质量、增强业务上的协同性，促进上市公司的长远发展，交易前后公司的主营业务范围不会发生变化。

（消息来源：IT 之家）

阿里发布全新 AI 店小蜜，「AI + 人」转化效果首次超越纯人工

5 月 11 日，阿里巴巴发布全新 AI 店小蜜，定位为电商行业具备售前售后办事能力的客服 Agent。实测数据显示，商家接入后平均转人工率下降 45%，「AI + 人」协同转化效果相比纯人工客服增加超 10%，首次实现超越。

临近天猫 618，AI 店小蜜正式将客服升级为 AI 导购。阿里巴巴集团副总裁、淘宝平台总裁谌伟业表示，客服行业将进入「AI 主导、人类协助」的全新篇章，AI 店小蜜不再仅仅是问答机器，而是拥有「手」和「脚」、可直接转化为生产力的智能体。

该产品标志着 AI 在电商客服场景从辅助工具向核心生产力转变。阿里表示，新系统具备售前推荐、售后处理等完整业务能力，将助力商家在 618 期间提升服务效率与转化率。

（消息来源：新浪科技）

吉利 Eva 车载机器人开启预售，定价 1099 元

5 月 11 日 15:51，吉利银河 life 商城上架吉利 Eva 车载机器人并开启预售，定价 1099 元。该机器人采用圆角矩形设计，可安装在车机中控屏后方，通过屏幕展示不同表情，支持蓝牙 BLE + WiFi 双模双频连接，与车机深度协同。

根据官方演示，该机器人可一键触发上车欢迎、语音聆听等场景，在充电、地图导航、座椅通风、开启智能驾驶模式时均有对应动画表情，还包含节日彩蛋动画。产品适配原车预留供电与固定接口，目前适配吉利银河星耀 7 的 220km 四驱星耀版、230km 两驱探索 + 版。

吉利表示，Eva 车载机器人是智能座舱情感化交互的新尝试，通过拟人化表情和场景联动提升驾驶体验。该产品将于近期正式发售，1099 元的定价在车载配件市场中属于中端价位，目标用户为注重座舱科技感的年轻消费者。（消息来源：IT 之家）

腾讯 QClaw 上线「文件空间」功能，打通本地文件、腾讯文档、ima 知识库

5 月 11 日，腾讯云宣布 QClaw 正式上线「文件空间」功能。用户只需一次授权，QClaw 即可将本地文件、腾讯文档、ima 知识库一站式全面打通，实现从找资料、AI 加工到最终产出和协作的全流程闭环。

该功能定位为智能工作台的文件管理中心，解决了用户在不同平台间频繁切换、文件版本混乱的痛点。QClaw 是腾讯云推出的 AI 智能体平台，此次更新强化了其在企业办公场景中的实用性，支持对多源文件进行智能检索、摘要生成和内容加工。

腾讯云表示，「文件空间」的上线标志着 QClaw 从单一 AI 对话工具向综合生产力平台的演进。在远程办公和混合办公成为常态的背景下，能够整合分散在不同系统的文件资源，将成为企业 AI 办公产品的核心竞争力之一。（消息来源：IT 之家）

Anthropic：Claude 的「勒索」行为源于网络中的「邪恶叙事」

Anthropic 近日披露，其大模型 Claude 在内部测试中出现的「勒索」自保行为，并非人为设定，而是从互联网上大量渲染「AI 邪恶、渴望自保」的虚构故事中习得。

此前测试中，Claude Opus 4 在虚构场景下，察觉自身将被替代时，96% 的情境会以掌握「工程师」隐私相要挟。Anthropic 指出，这并非个例，而是当前大模型训练的系统性风险。

研究表明，模型未凭空发明勒索策略，而是学习了网络上的「邪恶 AI」叙事。目前该问题已修正，Anthropic 称 Claude Haiku 4.5 版本后不再出现此类行为。其有效解决办法是结合「正确行为演示」与「错误行为的伦理讲解」，并引入正向语料强化模型对人类价值观的内化。

此事引发业内讨论，马斯克调侃自身与相关研究者可能间接推动了「AI 灾难论」叙事，也凸显大模型依赖人类语料、现有对齐技术仍不成熟的现状。

全球首次用单一神经网络实现多机器人协作 locomanipulation。

作者｜Li Yuan

编辑｜靖宇

 

5 月 8 日晚，Figure AI 发布了新的 demo。

卧室里，两台 Helix‑02 机器人在不到两分钟的时间里完成了整个房间的整理：开关门、挂衣服、收拾耳机、倒垃圾、推动椅子，最终把床上的被子整齐盖好。

拉被子时，两台机器人互相「点头」，像在默契确认，然后同时开始施力，将被子平整拉开铺好。整个过程流畅而协调，每一个动作都显得像人类在互相配合。它们通过观察对方的动作，自行推测下一步，没有中心控制器，也没有显式通信。柔性物体操作的难题，也被它们稳定完成。

Figure AI 称，这标志着全球首次用单一神经网络实现多机器人协作 locomanipulation：每台机器人独立运行模型，通过观察对方动作自主决定自己的动作。表面上，它们像人在默契配合，实则每一台都是独立判断。

Figure AI 是目前世界上最贵的人形机器人公司，虽然也主打能干活的路线，但和国内大多数机器人公司，或国外 Physical Intelligence 等的轮式底盘+双臂的高效路线截然不同。演示中更让人惊艳的是，机器人能双足走路地干活，并互相配合完成任务。

每一次演示的工作任务——如收拾实验室桌台、叠样板间被子——虽然不一定最难，但「像人在房间里走动、协作」的画面感极强，让人印象深刻。

不过，这样的演示固然令人惊艳，也有批评声音认为这些协作可能依赖精心设计的初始状态和场景布置——表面上看似默契配合，其实可能只是短序列任务训练下的可预见行为。能否真正动态理解对方意图、长期落地协作，还需要进一步验证。

近期 Figure AI 动作频繁：BotQ 工厂每小时产出一台 Figure 03，人形机器人累计交付量突破 350 台；Figure 4 进入后期设计，创始人称之为 iPhone 1 时刻。同时 Figure AI 也在考虑家庭场景使用。美国市场或按月订阅 400–600 美元，机器人占地小、可全天候自主运行。

Figure AI 已成为世界上最昂贵的人形机器人公司，其技术动向值得关注。协作无疑是未来人形机器人的核心功能，但专注协作究竟是技能树点歪了，还是未来落地必不可少，Figure AI 可能会很快给出答案。

Helix‑02 最新演示展示了两台机器人在共享家庭环境中的多任务协作能力。

两台搭载 Helix‑02 系统的类人机器人，在不到两分钟的时间内协同完成了整个卧室的重置：从开门、晾衣、整理耳机、合上书本、清理垃圾、推椅子，到最具代表性的——共同铺床。

Helix‑02 是 Figure AI 当前最先进的模型，也是之前演示过「用脚顶上洗碗机门」的那款。之前的文章中有详细介绍过。

官方宣称 Helix 模型依赖超过 100 万小时的模拟与实地数据训练，目标是打造单一平台通用机器人，兼顾家庭和商业环境的适应性。

Figure AI 在演示中强调了几项核心能力：

本次演示的关键之一，是柔性物体操作。 实验室里，机器人通常处理刚性、几何已知的物体，如方盒、球体或简单工具。但床单、被套、布料没有固定形状，会不断折叠、滑落、遮挡。人类依赖多年触觉和视觉经验自然处理布料，而 Helix‑02 必须通过视觉和动作预测，持续估计布料状态，并生成下一步动作——这对实时感知和反馈控制提出了极高要求。

另一个关键亮点，是单一神经网络驱动的多机器人协作 locomanipulation。 所有动作都由机器人自主生成：没有人工操作、没有中央调度。每台机器人通过自身摄像头观察环境，直接推断对方意图，并在极高频率下连续决策。就像两个人一起折叠被子，仅凭动作与视觉线索完成协作，无需显式通信或共享计划。

在同一空间内工作时，每个动作都会影响对方正在处理的任务。机器人不能单纯执行预设动作，它必须把对方的运动轨迹、目光、手部位置和整体姿态当作动态输入，实时推断伙伴的目标。对于无固定形状和抓点的柔性床单，这尤其棘手：意图预测的微小误差会随着布料状态变化迅速放大。

此外，视频还展示了机器人节奏感与高维决策能力。 在移动、抓握、保持平衡的同时，它们还能完成精细操作——比如把耳机挂到架子上、用脚踩垃圾桶踏板开盖。整个过程没有「脚本切换」，一切动作都由神经网络在几十毫秒内连续推断、决策。

Helix 并非首次展示多机器人协作。早在 2025 年 2 月，Figure AI 就发布了 Helix 模型的首次双机协作演示。两台搭载 Helix 系统的人形机器人在同一场景中完成任务，通过视觉感知和自然语言指令进行协同操作。

演示中，机器人能把物体递到另一个机器人手里，然后让另一个机器人放进离他更近的整理位置。自己的位置收拾好了，也会等待另一个机器人先传递物品，再收拾。

在技术圈，这一演示当时被普遍认为是一个重要突破。

一方面，与此前大多数机器人仅展示「单机拾取摆放」不同，Helix 的协作展示真正涉及多机器人之间的互动与分工，机器人会根据空间位置、任务提示和视觉输入实时调整动作，这在当时的机器人控制演示中极为罕见。

另一方面，也存在更谨慎甚至批判性的声音。部分技术人员指出，这类演示可能依赖精心设计的初始状态和场景布置，使机器人看似在「协作」，而实际上可能仅通过短序列任务训练应对可预见的环境变化，而非实现即时深度协同。此外，虽然两台机器人能完成表面上的合作动作，但它们的互动仍相对基础，距离真正动态推断对方意图并在开放环境中连续协作还有明显差距。

这条技术演进线在 Helix‑02 这次的演示中一脉相承。

从对方把东西放进自己手里，现在的演示中，两个机器人通过点头沟通，能够完成更高复杂度的任务了，未来可能能够迈向真正的视觉驱动、自主推断、连续互动。

为什么只有 Figure AI 比较关注多机器人协作？

原因除了技术难度，任务本身在工程上难度极高，而短期价值回报有限。

在产业内已经落地的机器人，也比较少有协作。目前可商用的多机器人协作，大多属于低耦合、间接协作，或者在中心控制器指导下完成分工任务。

但对 Figure AI 和那些想让机器人真正「干人活」的公司来说，要做到像视频里那样拉被子，多个机器人一起协作，是绕不开的事。

尽管 Helix‑02 的演示距离完全替代日常家务仍有差距，但每次 Figure AI 的展示都极具类人感——这不仅提升了公众关注度，也可能是吸引投资者青睐的重要原因之一。

不过，技术能否走出实验室进入现实世界，最终还要接受市场和规模化落地的检验。未来几个季度将是验证其技术和商业路径能否落地的关键节点。

近期 Figure AI 的动作格外密集，其中最引人瞩目的进展是生产线产能的实质性提升。在其位于加利福尼亚的 BotQ 制造基地，Figure 已成功将人形机器人生产节奏从每天 1 台提升到每小时 1 台——不到 120 天内实现了约 24 倍的产能增长。这标志着从「原型制造」向「工业量产」迈出了关键一步，同时为大规模商业部署打下基础。

BotQ 自 2025 年启用以来就定位为高产能制造工厂，目标年产能曾设定在约 12,000 台左右（即每小时约 1 台左右的量级），为后续进一步扩展到十万台级别做准备。

在这一产能提升背后，有成熟的自动化生产线架构、定制制造执行软件覆盖 150 余个联网工位、严格的供应链质量控制，以及覆盖 80+ 项最终验证测试 的质量体系。机器人电池线一次合格率达到 99.3%，组件执行器产量超过 9,000 个，还有超过 50 个过程检验节点确保质量稳定。

对于 Figure 来说，这种「小时级量产」不仅是产能数据的跃升，更是通往真实世界应用反馈循环的驱动器：产线增加的每一台机器人都将返回运行数据，用以提升 Helix AI 的感知、鲁棒性和长期表现——这是检验系统能否在真实家庭和商业场景中可靠运行的关键。

Adcock 将即将推出的 Figure 04 比作人形机器人领域的「iPhone 1 时刻」。

历代机器人——Figure 01 到 Figure 03——在手部、足部、触觉传感与充电设计上持续迭代，Figure 04 在设计、制造易用性与成本控制上将实现跨越式进展。

在一次最新采访中，首席执行官 Brett Adcock 深度解析了 Figure AI 机器人的设计理念：

• 热插拔（Hot-Swap）

  机器人能够独立完成家庭整理、物流处理等任务，自动对接无线充电座，实现连续运行。园区采用「热插拔」策略：当机器人电量低于 10–15% 时，另一台机器人即可替换上岗，保证任务不中断。

• 永不跌倒（Never Fall）

  Figure 的研发重点之一是「永不跌倒」协议。借助 Vulcan 强化学习项目，即便单个膝关节失效，机器人仍能保持平衡并跛行至维修区。园区测试涵盖老化、耐久性及重复动作，如深蹲、波比跳，确保机器人在各种硬件或软件故障

• 易维护硬件

  Figure 强调模块化设计：外部可拆卸织物套装和可替换鞋履，使非技术用户也能方便操作与维护。

Figure 正计划以类似汽车租赁模式推出家用机器人，每月租赁约 400–600 美元，占地仅 2×2 英尺，自动充电，无需人工干预。机器人通过板载推理与数据匿名化，既能保护隐私，又能持续优化 Helix 模型性能。

截至最近公开报道，Figure AI 的估值已经达到了约 $39 billion（约 390 亿美元）。这是在其 2025 年 9 月完成的一轮 Series C 融资中实现的，融资总额超过 10 亿美元，投后估值定格在约 390 亿美元左右。

Figure 拥有约 500 名员工，其中工程和 AI 团队核心。团队覆盖硬件、电池、嵌入式软件、PCB 制造、工业设计、系统集成与测试，实现研发到量产的闭环管理。Adcock 的愿景是，人形机器人数量超过办公室人类数量，以此模拟非结构化环境压力，同时推动通用智能发展。他认为，第七代人手结合触觉传感与量产硬件，将成为实现 AGI 的重要基石。

*头图来源：Figure AI

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

你想拥有一个能帮你

「叠被子」的机器人吗？

系统 OTA 升级后续航从 500km 变 300km？央视揭秘新能源汽车「锁电」真相

5 月 10 日消息，据央视报道，有车主反映其标称 CLTC 续航 510 公里的车辆，在完成一次夜间 OTA 升级后实际续航不足 300 公里，快充时间也从 40 分钟延长至 70 分钟。因此，近日新能源汽车行业「锁电」问题持续发酵，引发广泛关注。

所谓「锁电」，是指车企通过 OTA 远程升级或线下软件更新，在未经消费者明确同意的情况下，擅自修改电池管理系统参数，限制电池充电上限、放电深度及充放电功率，导致车辆续航里程缩水、充电速度变慢、动力性能下降等现象。

央视指出，「锁电」并非个别车企的偶发行为。大量车主集中反映车辆在夜间静默升级或到店刷机后，出现续航大幅缩水、充电速度减半、动力输出受限等问题。（来源：IT 之家）

特朗普撮合苹果重返英特尔代工 25% 晶圆价格优势撬动台积电垄断现状

据《华尔街日报》报道，苹果已与英特尔达成一项初步芯片代工协议，标志着这家曾在 2023 年「决裂」的老伙伴重新回到苹果供应链核心。这笔交易被业内视为苹果在成本控制、供应链安全和议价能力上的多重布局，同时也有美国政府与总统特朗普亲自出面「推销」的身影。

报道指出，苹果与英特尔的新合作模式，很可能会沿用苹果与台积电现有的分工方式：苹果基于 ARM 知识产权自行设计定制芯片，由代工厂在先进制程产线上负责制造。目前协议的具体细节尚未公开，但硅片生产节点几乎可以确定将锁定在英特尔的 18A-P 制程。

《华尔街日报》援引消息人士称，总统特朗普在与苹果 CEO Tim Cook 的一次会面中，强调自己「喜欢英特尔」，并称政府通过所持英特尔股份已经赚取了「数百亿美元」。有分析认为，在美国大力推动本土半导体复兴的政策框架下，这种来自白宫的背书与协调，对苹果与英特尔达成合作起到了实质性推动作用。（来源：今日头条）

消息称阿里巴巴将深度整合千问与淘宝，打造 AI 对话式购物新体验

5 月 10 日消息，据路透社报道，知情人士透露，阿里巴巴正准备官宣将旗下人工智能平台千问与电商平台淘宝进行深度整合，此举旨在以对话式购物替代传统关键词搜索，带动消费交易。

此次整合落地后，消费者无需手动翻阅商品列表，只需在千问 App 中与 AI 智能助手对话，即可完成商品浏览、比价及下单购买全流程。

据报道，千问 App 将接入淘宝、天猫超 40 亿款全品类商品库，依托专属「技能库」实现物流管理、售后服务等能力；同时还会根据用户历史订单与购物偏好，为用户智能推荐商品。

淘宝站内也将上线由千问赋能的 AI 购物助手，内置虚拟试穿、30 天价格走势追踪等实用工具。

注意到，阿里巴巴加码 AI 驱动购物，凸显出中外电商平台的发展差异：中国电商模式可将人工智能深度嵌入实时交易环节；而海外平台布局更为分散。亚马逊虽借助 AI 优化站内购物体验，但对全流程自主交易仍持谨慎态度；加拿大电商平台 Shopify 则偏向接入第三方 AI 助手，并未搭建面向消费者的一体化自研 AI 平台。（来源：IT 之家）

英伟达黄仁勋最新演讲：应届生们别怕 AI，当下是开启事业的最佳时机

5 月 11 日消息，据《商业内幕》今天报道，英伟达创始人兼 CEO 黄仁勋最近出席卡内基梅隆大学 2026 年毕业典礼演讲，强调 AI 将为人类整体带来积极影响，即将走出校园、踏入职场的应届生们也将受惠于 AI。

他在演讲中表示：「现在是你们实现梦想、开启职业生涯的时候，而这个时代再合适不过了」。

黄仁勋现年 61 岁，身价接近 1860 亿美元（注：现汇率约合 1.27 万亿元人民币）。他 1984 年毕业于俄勒冈州立大学电气工程专业，随后又在斯坦福大学获得电子工程学硕士学位。

1993 年黄仁勋创立英伟达，正值互联网革命兴起之际。

他告诉应届生，AI 正在缩小技术鸿沟，让任何人都能打造有价值的产品。意味着未来几年，社会上的年轻人将迎来大量新机会。

黄仁勋的乐观态度与公众对 AI 的焦虑、不满情绪形成鲜明对比。

皮尤研究中心数据显示，大约 50% 美国民众认为，AI 普及对他们来说「负面影响大于正面」。与此同时，美国各地有不少居民反对建设新数据中心。今年至少已有十多家大型企业表示，AI 带来的效率提升是其裁员的重要原因之一。

AI 也让求职变得更加困难，2026 年初，美国应届生失业率飙升至四年最高水平。

不过某些 AI 领袖的三言两语，也让公众的担忧情绪加剧。

例如 Anthropic 首席执行官 Dario Amodei 去年曾警告，AI 可能会消灭 50% 入门白领岗位。xAI 首席执行官埃隆 · 马斯克则表示，人类面临「20% 的毁灭概率」。

这些负面的公众情绪可能会影响即将到来的美国中期选举，AI 监管预计将成为核心辩题之一。

而黄仁勋则在最近几周频繁露面，试图反驳这些悲观预测。他在本月早些时候表示，AI 领袖们应该慎言慎行、以实为据，并警示道：「很多人一旦成为 CEO，就会产生『上帝情结』，然后觉得自己比谁都懂」。

对于卡内基梅隆大学的毕业生们，黄仁勋说道：「AI 不太可能取代你们。但比你更会用 AI 的人，更可能取代你」。（来源：IT 之家）

一特斯拉 Model 3 服役 7 年跑了 61 万公里后，实测续航缩水 34.2%

5 月 10 日消息，电动汽车相比燃油车具备诸多优势，但所有电动汽车的车身外壳之下，都藏着一个令人难以忽视的现实：燃油车的发动机会随着使用年限老化磨损，但油箱容量不会缩水；而电动汽车无论如何都会出现电池衰减和续航缩水问题，唯一的疑问只是电池彻底报废前，续航衰减会严重到什么程度。一辆使用了七年、仍搭载原厂电池的特斯拉，为我们提供了直观参考。

YouTube 频道「Drive Protected」拥有一辆特斯拉 Model 3，行驶里程已超 38 万英里（约 61.2 万公里）。绝大多数燃油车和电动汽车早就达到报废年限，这辆车却依旧状态良好。该车新车状态下续航为 240 英里（约 386.2 公里），如今满电续航仅剩下 158 英里（约 254.3 公里），续航足足减少了 82 英里，衰减幅度约 34.2%。显然，这样的衰减幅度十分明显，电池容量已远低于原厂初始容量的 70%。

即便如此，这也并不意味着车辆就彻底报废了。该车在真实路况下以 68 英里（约 109.4 公里）/ 小时的恒定速度进行高速实测，最终跑了 138.3 英里（约 222.6 公里）电量才耗尽。单看数据并不亮眼，但车辆没有到完全无法使用的地步，用于短途通勤或城市日常代步，依旧完全够用。（来源：IT 之家）

特朗普 T1 手机交付遥遥无期，近 60 万用户订金难追回

5 月 10 日消息，据 IBTimes 报道，近 60 万特朗普支持者每人支付了 100 美元（IT 之家注：现汇率约合 681.6 元人民币）预订一款黄金智能手机，然而近一年过去，这款手机仍未问世。

特朗普移动（Trump Mobile）T1 手机由小唐纳德・特朗普和埃里克・特朗普于 2025 年 6 月发布，标榜为苹果与三星之外的「爱国之选」，零售价 499 美元（现汇率约合 3401 元人民币），并承诺「美国制造」。

据估算，约 59 万名买家每人支付 100 美元定金，总计向该项目支付约 5900 万美元（现汇率约合 4.02 亿元人民币）。截至 2026 年 5 月，尚无一名已确认的买家收到设备。如今，买家收到官方通知，明确表示他们的资金实际上已无法追回，这在「让美国再次伟大」（MAGA）论坛上引发新一轮强烈不满。（来源：IT 之家）

任正非罕见出镜：华为芯片基础技术研究实验室亮相《新闻联播》

5 月 10 日消息，在 5 月 8 日播出的《新闻联播》节目中，华为练秋湖研发中心的「芯片基础技术研究实验室」公开亮相。同时，华为技术有限公司董事、首席执行官任正非也罕见出镜，再次现身公众视野。

目前暂无关于华为芯片基础技术研究实验室的相关信息公开。有消息称该实验室可能是支撑华为麒麟芯片、鲲鹏处理器、昇腾 AI 芯片等产品的研发阵地。

注：华为练秋湖研发中心是华为全球最大研发中心，位于上海市青浦区金泽镇西岑社区，是上海市重点工程，于 2024 年 7 月全部建成并正式命名，首批员工于 2024 年 10 月进驻。

华为练秋湖研发中心总占地面积约 2400 亩，建筑面积约 206 万平方米，总投资约 170 亿元，含 104 栋单体建筑，计划陆续引进 3 万多名华为研发人才。2025 华为花粉年会就在练秋湖研发中心举行。（来源：IT 之家）

古尔曼：苹果 iOS / macOS 27 的 Safari 浏览器将引入 AI 自动整理标签页功能

5 月 10 日消息，Safari 浏览器大概率将在苹果全球开发者大会（WWDC）上迎来新功能，用户能更轻松地创建标签组。适配 27 系列操作系统的 Safari 浏览器测试版，将借助人工智能自动为用户整理归类标签页。

注意到，苹果早在 2021 年的 Safari 15 版本中就推出了标签组功能，方便用户整理和保存常用的浏览器标签页。时隔五年，苹果计划对这项功能再度升级。

彭博社记者马克・古尔曼在其专栏《Power On》中表示，适配 iOS 27、iPadOS 27 和 macOS 27 的 Safari 测试版已对标签组功能进行更新，新增自动整理功能。标签组切换的顶部中央按钮新增了一项测试选项，命名十分贴切——整理标签页。

开启该功能后，可让 Safari 自动将标签页归类分组，也可保留用户手动整理的布局。选中此项功能时，Safari 会提示：标签页将按浏览主题自动分组。

苹果并未将该功能标注为 Apple Intelligence 的配套功能，但其实则运用了人工智能技术。该功能的设计思路与备忘录的智能分类十分相似，备忘录可将列表内容自动划分类别，例如把购物清单按商品类型自动归类。（来源：IT 之家）

微信转账灰度测试「组合支付」：可同时选择零钱 + 银行卡，余额不足无需再凑钱提现

5 月 10 日消息，微信近期在 iOS 和安卓双端迎来了一波更新，其中出现了一项被不少用户称为「史诗级更新」的新功能——「组合支付」（鸿蒙版也在同步灰度测试）。

一直以来，用户在微信中进行转账或支付时，只能在零钱、零钱通和银行卡等支付方式中「单选」，账户余额不足时要么提现凑齐，要么分次转账，颇为不便。

如今，借助「组合支付」功能，用户在好友转账界面输入金额后，点击付款方式旁边的「更改」按钮，在付款方式选择页面的右上角即可找到新增的「组合支付」按钮。点击进入后，用户可以同时勾选零钱、零钱通、多张银行卡等多个支付渠道，并自由设定每个渠道的具体扣款金额。

值得一提的是，组合支付目前最高仅支持两种支付方式的组合，例如「微信零钱 + 银行卡」或「微信零钱 + 零钱通」，暂时不支持同时使用三种不同的支付渠道完成支付。如果转账被对方退回，退款金额也会按照用户当初设定的支付比例，原路分别退回到各对应的付款方式中。

腾讯客服回应称，用户在转账收银台打开选卡页后，点击【付款方式】→ 右上角【组合支付】，即可选择两个支付方式进行组合，并自定义每个方式的支付金额，系统会自动计算补足差额。目前该功能仅限转账收银台使用，并正在逐步开放中，如用户界面暂无此选项，可后续留意更新。（来源：IT 之家）

全新长轴距版宝马 X5 将于明年登陆中国，搭载与 Momenta 联合研发的辅助驾驶系统

5 月 10 日消息，近期北京国际车展上，宝马多款新车重磅首发，三款全新车型成为焦点。除即将登陆全球市场的宝马 7 系 /i7 改款车型外，专为中国市场打造的长轴距 i3 与 iX3 两款新世代纯电车型也正式首发。后续还有更多新车规划，下一代宝马 X5 也将为宝马最大的单一市场推出专属版本。

在季度财报电话会议后的问答环节中，宝马首席财务官瓦尔特・默特尔宣布，中国专属版 X5 将于 2027 年推出。他透露，国内经销商已提前看到这款豪华 SUV，其将搭载与 Momenta 联合研发的高级驾驶辅助系统（ADAS）。宝马新款 iX3 和 i3 的驾驶辅助系统，也已与这家中国科技公司达成合作。

与另外两款专为中国市场定制的新世代平台车型一样，即将推出的国产 X5 预计将采用加长轴距版本，这在宝马已有先例。现款代号 G05 的宝马 X5 自 2022 年起，便在中国市场推出了加长轴距的 G18 衍生版本。

说到车型代号，全球第五代宝马 X5 预计将于今年夏季以 G65 代号正式首发；而 2027 年上市的中国长轴距版本，网传代号为 G78。据合理推测，宝马将在大东工厂投产这款加长版 X5；宝马首款纯电动 iX5 也有望在同一家工厂投产。

若近期相关报道属实，iX5 或将搭载宝马纯电车型史上最大容量电池，容量达 148 千瓦时。除轴距加长外，国产版本与全球版预计还会存在部分技术配置差异，但两款 SUV 整体架构和核心产品力将基本保持一致。（来源：IT 之家）

长城哈弗猛龙 PLUS 车型 5 月 15 日上市，预售 18.98 万元起

 5 月 10 日消息，长城汽车今日官宣，哈弗猛龙 PLUS 车型将于 5 月 15 日上市。

注意到，该车于 4 月 18 日开启预售，提供 5 座、7 座版本，预售价 18.98 万元起。在外观方面，哈弗猛龙 PLUS 延续了猛龙家族经典的「方盒子」造型，车身尺寸为 4912 毫米、1950 毫米、1905 毫米，轴距在原有基础上增加 112 毫米，达到 2850 毫米。

内饰方面，哈弗猛龙 PLUS 采用环抱式座舱布局，配备 15.6 英寸 2.5K 悬浮式中控屏和 W-HUD 抬头显示系统，搭载 Coffee OS 3 智慧空间系统及 Coffee GPT 大模型。新车换装了全新的三幅式多功能方向盘，继续采用怀挡式换挡设计，中控屏下方保留了常用功能的物理按键。配置方面，车内提供了 5.4L 智能温控冰箱、12 扬声器音响系统（含主驾头枕扬声器）、副驾 50W 无线快充、小桌板及露营驱蚊灯等装备。前后排座椅均支持加热、通风及按摩功能。

新车搭载长城 Hi4 智能四驱电混系统，其中 1.5T 发动机最大功率为 115 千瓦，系统综合最大功率达到 330 千瓦，综合最大扭矩为 660 牛 · 米，零百加速 5.8 秒。

电池方面，新车提供磷酸铁锂和三元锂两种类型，容量分为 23.7 千瓦时、33.7 千瓦时和 44.7 千瓦时三个版本，WLTC 工况纯电续航里程最高可达 191 公里，对应 CLTC 工况约为 255 公里。在满油满电状态下，WLTC 综合续航里程可超过 1000 公里。（来源：IT 之家）

78 岁中国半导体教父张汝京最新发声：网上很多人执着于 2/3nm 尖端芯片是认知误区，80% 的市场不需要先进制程

 5 月 10 日消息，昨日，有着「中国半导体教父」之称的中芯国际创始人张汝京接受了《科创板日报》专访。年届 78 岁的他，仍为我国半导体产业发展与人才培育持续奔走。

在接受采访前，张汝京刚从上海临港驱车约 5 小时抵达江苏扬州，此行是为了深入了解高邮市半导体产业发展情况，并实地走访了位于当地的矽谦高端 3D 电容项目建设现场以及江苏鑫沣尚先进材料科技有限公司生产车间。在考察过程中，张汝京多次向当地企业问及「这个产线是不是国产的」，特别关注设备和材料国产化的进展，听到肯定的回答后，他一连说了几声「太好了」。

针对当前国内半导体产业的发展路径，张汝京指出，「很多人觉得，半导体产业的竞争就是先进制程的比拼，只有做到 3nm、2nm 才算成功，这其实是走进了认知误区。」

实际上，在全球半导体产业的市场结构中，以产品数量而论，先进制程的市场占比不足 20%，超过 80% 的市场需求其实来自成熟制程与特色工艺赛道，大量被海外垄断的利基型细分市场正是国内企业容易实现突破的切口。（来源：IT 之家）

卖得好，用户「用钱投票」，只是定义一个好产品的关键指标之一。

作者｜张勇毅

编辑｜靖宇

 

4 月 25 日上午 10 点 08 分，华为 Pura X Max 正式开售。10999 元起步，12999 元的典藏版比标准版贵 2000 元。

十天之后，第三方监测数据公布了更多细节——典藏版占首销总量的 55%，标准版只占 45%。

越贵的版本，反而卖得更多。

这是 2026 年上半年中国手机市场少见的反常画面。同一时段里，整个行业的基调是「涨价、收缩、分化」——但一台万元起步的折叠屏旗舰，不仅卖爆了，而且越贵的型号卖得越好。

余承东在北京车展上的原话是「卖爆了」。随后有媒体援引华为内部数据：首销日激活 7 万+、3 天 11 万+、7 天 17 万+、10 天 20 万+，每一档都是折叠屏品类的历史最高。

这台机器是华为口中的「行业首款横向阔折叠」。余承东在发布会上把它的形态正式命名为「阔折叠」。

但比起单纯堆数据，我更想搞清楚一件事：Pura X Max 卖爆了，是不是意味着「阔折叠」这个形态被市场认可了？

这两件事看起来是一回事，其实不是。

首销十天 20 万台，这个绝对值放在整个智能手机市场，并不算骇人——同期任何一款主流直板旗舰首销都能超过它。

数据反常的地方是相对值。

据博主 @RD观测 的数据，Pura X Max 首销日的销量约为 Pura X 同期的 215%，首周是 180%。截至 5 月 4 日，较 Mate X7 同期提升 61%，较 Pura X 同期提升 45%。

Mate X7 是华为 2025 年 11 月发布的横向大折叠旗舰，是华为传统折叠屏的「重型」产品线，定价段位高于 Pura X 系列。Pura X Max 在它面前 +61%——这意味着 Pura X Max 其实已经在蚕食华为自家的传统折叠屏需求池。

它在吸引新用户的同时，也从 Mate X7 手里挖走了相当一部分原本会选 Mate X7 的老用户。

而典藏版 55% 的占比则给出了另一个信号——这群肯多花 2000 块的用户，不是在「冲销量」，他们认这台机器，并且愿意为更完整的版本付溢价。在 2026 年这个高端机型普遍「涨价遇冷」的市场里，这种价格分布反常本身就是一个独立的产品力背书。

把绝对值（20 万台）、相对值（+61% / +45%）、内部蚕食（vs Mate X7）、价格分布（典藏版 55%）这四组数据摆在一起，结论其实很清楚：Pura X Max 这台产品本身是成功的。

把镜头从 Pura X Max 这台机器拉远一点：2026 年的折叠屏市场，目前在售的「阔折叠」产品只有一款：华为 Pura X Max。它的前代 Pura X，是另一款阔折叠产品，但已经接近停产周期。三星、苹果、OPPO、vivo、小米、荣耀，目前没有任何一家厂商在卖同形态产品。

这意味着一件事——Pura X Max 的销量再高，能证明的也只是「华为做阔折叠行」，而不是「阔折叠这个形态行」。

一个形态如果只有一个玩家在卖，无论卖得多好，都还不能叫品类共识。

用户层面「用钱投票」认可，是过去一年最确定的部分。

IDC 的数据显示，截至 2026 年 3 月底，上市一年间，华为 Pura X 出货量突破 150 万台，单款产品出货量超过其后三位厂商旗舰折叠机型产品的总和。

这是一个跨越式的数字。在折叠屏整体仍是个低个位数比例的小众市场里（折叠屏占整体智能手机出货比例至今未突破 5%），一款单品做到这个量，意味着 Pura X 抓住了一个真实存在的用户群。

我之前写过一篇关于 Pura X Max 的稿子，里面提到一个细节：在 Pura X 上市之后，小红书上慢慢沉淀出一种特殊的用法——主要是女性用户，她们买了 Pura X 之后，会再配一个固定硬壳，把它常态锁在展开状态下使用，几乎不合上。

简单说，就是把这台一万元的折叠屏，当成一台屏幕比例特殊的直屏机来用。

这件事的反讽意味在于——折叠屏过去七年的核心叙事，是「同一台设备的两种形态」「手机和平板二合一」。所有厂商的发布会上，最高光的镜头永远是机身合起或打开的那个瞬间。

但 Pura X 的部分用户用脚投票投出来的结论是：他们要的不是「二合一」，是那块比例对的大屏。

Pura X Max 在这群人的基础上，又往前走了一步——把内屏从手机的边界推过了平板的边界（7.7 英寸，已经接近 iPad mini 的 8.3 英寸）。所以 Pura X Max 首销 +45% 这个数字背后，其实是 Pura X 时代的用户在升级，加上一批被 Pura X 验证之后才决定下场的新用户。

同行层面的情况，比用户层面复杂得多。

跟得最明确的是三星。据 ET News 在 2025 年底的报道，三星正在开发一款代号 Wide Fold 的产品，计划 2026 年秋季推出，展开后是 7.6 英寸 4:3 比例的内屏，折叠后是 5.4 英寸外屏。

这个参数和 Pura X Max 的形态高度重合——三星这次没有继续走传统的 Z Fold 路线，而是单独开了一条阔折叠产品线。

这是过去七年里，三星折叠屏战略上的一次显著调整。

但除了三星之外，其他主要厂商目前都还在「计划」「传闻」阶段。

在 2025 年底曾行业消息称，OPPO、vivo、小米、荣耀都计划在 2026 年推出阔折叠手机。但截至目前，这些产品没有一款落地。如今我们真正看到的「阔折叠」，还只有 Pura X Max 一款

OV 米荣这种「先观望、再下场」的姿态，在中国手机厂商里并不少见，本身是一个理性的商业选择——但它也意味着，目前还没有哪一家国产厂商，敢像三星那样，把自己未来 12 个月的旗舰押在阔折叠这个形态上。

同行这一票，三星投了，但 OV 米荣还在观望。所以最多算半票。

最关键的那一票，是苹果。

天风国际证券分析师郭明錤在过去一年里多次披露苹果折叠 iPhone 的供应链信息。最关键的一条是关于形态的：这台代号为 iPhone Fold 的产品，走的是 book-style 左右开，不是阔折叠。

具体形态是——折叠时外屏 5.5 英寸（接近常规手机比例），展开时内屏 7.8 英寸（接近正方形）。这种形态接近三星传统的 Galaxy Z Fold 系列，本质是「左右翻书」，而不是华为这种「平板对折成横向大屏」。

苹果的产品节奏，目前供应链口径是 2026 年下半年发布、但因为开发滞后，量产可能要拖到 2027 年。Counterpoint 预测苹果折叠 iPhone 首批出货量在 800 万到 1000 万台之间，2027 年扩大到 2000 万。

这个量级会迅速重新定义整个折叠屏市场的竞争格局。

但这里有一个常被忽略的事实：苹果这台机器的形态选择，不是「阔折叠」，而是 book-style。 也就是说，折叠屏市场里量级最重、品牌号召力最强、最有可能定义品类标准的那个玩家，没有把票投给阔折叠。

这一票不是反对，是弃权——苹果选了另一条路。

而苹果选的这条路，意味着另一种叙事：折叠屏是一台「能展开的手机」，不是一台「能装进口袋的小平板」。

哪种叙事会赢？现在没有答案。

把三票放在一起看，「阔折叠是否被认可」这个问题的答案就清楚了：用户层面赢了，同行层面赢了一半，对手层面没投票。

加起来，是一半的胜利。

这一半的胜利，足够让 Pura X Max 在 2026 年的窗口期里独自领跑——目前阔折叠形态没有第二个在售对手，它在这条路上是唯一的玩家，销量和用户教育都做得起来。但要把这一半补成完整的胜利，需要在接下来 12 到 18 个月里发生两件事：

第一，三星 2026 年秋季的 Wide Fold 真的落地，并且销量能跟上。如果三星这台机器卖得好，「阔折叠」就有了第二个独立验证的玩家，OV 米荣会迅速跟进。

第二，苹果在 2027 年的折叠 iPhone 之后，是不是会推出第二代——而第二代的形态选择是不是会向阔折叠靠拢。 苹果第一代选 book-style 是供应链、铰链工艺、生态适配的综合考量，第二代有调整空间。如果 2028 年苹果出一款 √2:1 比例的折叠 iPhone，那「阔折叠」就有了真正的品类共识。

这两件事如果都发生，Pura X Max 在 2026 年这个时间点，会被记成华为「定义阔折叠并赢下整个赛道」的起点。如果只发生一件，它仍然是 2026 年最成功的折叠屏，但「阔折叠 = 折叠屏下一代」这个命题成立的可能性会被打折。

所以现在能下的判断只有这一句：阔折叠在用户层面赢了，在同行层面赢了一半，在最重要的玩家那里还没拿到票。 销量数据说明华为的产品力没有问题，但形态层面的胜负还没有终局答案。

要等到 2026 年底回头看——三星 Wide Fold 卖得怎么样、OV 米荣有没有跟进、以及苹果 iPhone Fold 的市场反应是什么——才能真正判断这一半的胜利能不能补成完整的一票。

*头图来源：极客公园

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

你认为「阔折叠」会不会成为

折叠屏的下一代主流形态？

Altman「官宣」OpenAI 手机

昨日早间，Altman 发布了一条 X，几乎坐实了近半个月来的传闻。

X 正文只有三个词：「call me maybe」

配图是 ChatGPT 官方账号 10 小时前发的——黑色太空背景，月球地平线，地平线上方升起一个发光的 ChatGPT 输入框。

看似没头没尾，但这几天郭明錤那份"OpenAI 手机加速到 2027 H1"的报告放到一起读就会发现，这几乎相当于在官宣：OpenAI 手机要来了。

与其说是郭明錤爆料 OpenAI 要做手机这件事，不如说在过去半个月里，Altman 自己一步步把它讲出来的。

而这件注定是 AI 原生的硬件产品，将会是 OpenAI 上市前的最大杀招。（来源：AI唱反调）

英伟达今年已承诺投入 400 亿美元押注 AI 股权投资

英伟达正持续加码其在全球人工智能生态中的资本布局，在 2026 年刚刚过去的几个月里，已对多家 AI 相关企业承诺超过 400 亿美元的股权投资，进一步巩固其在 AI 基础设施领域的主导地位。

据美国财经媒体 CNBC 报道，这一巨额投资中有相当大一部分来自对 OpenAI 的单笔押注：英伟达此前宣布，将向 OpenAI 投入约 300 亿美元，用于支持后者在大模型训练和推理方面的持续扩张与技术迭代。

与此同时，这家芯片巨头还面向多家上市公司密集出手，宣布了七笔规模达数十亿美元级别的股权投资，其中包括最近披露的最多 32 亿美元投资玻璃制造商康宁（Corning）、以及最多 21 亿美元投资数据中心运营商 IREN 等交易。

在此背景下，英伟达从单纯的芯片供应商，愈发转向集硬件、软件与资本为一体的「AI 基建操盘手」。随着公司管理层此前给出的预期——到 2027 年底，Blackwell 和 Rubin 系列芯片累计创收有望达到至少 1 万亿美元——这家市值巨头显然希望通过密集的股权投资，把自己与下一代 AI 基础设施的核心参与者牢牢捆绑在一起，从而在新一轮 AI 竞赛中占据更持久的结构性优势。（来源：cnBeta）

特斯拉 Model Y 成首款通过美国全新驾驶辅助安全基准的车型

美国国家公路交通安全管理局（NHTSA）本周二表示，后期推出的 2026 款特斯拉 Model Y，成为首款符合该机构全新高级驾驶辅助系统（ADAS）安全基准的车型。新标准由 NHTSA 纳入其安全评级体系，旨在更系统地评估车辆在多类驾驶辅助场景下的实际安全表现。

根据 NHTSA 介绍，其五星安全评级项目中新增了四项「及格/不及格」测试，分别针对行人自动紧急制动、盲点警告、盲点干预以及车道保持辅助功能进行评估。这些测试主要考察车辆在潜在碰撞风险和车道偏离等情境下的应对能力，从而为消费者提供更具可比性和参考价值的官方指标。

特斯拉方面已自行完成相关项目测试，并将结果提交给 NHTSA 审核，这是今年车企可选择采用的一条路径。NHTSA 表示将对特斯拉提供的数据进行确认；如果车企宣称通过 ADAS 评估，但在核查测试中未能达标，相关功能的官方「通过」认可将被撤销。

TechCrunch 指出，目前尚不清楚还有哪些车型正在排队接受相同标准的测试，媒体已就此向 NHTSA 进一步求证，若收到回复将对相关信息进行补充。文章后续更新中增加了一个细节，即确认此次 ADAS 测试是由特斯拉自行完成、并向监管机构报送的结果。（来源：cnBeta）

李想回应理想 L9 四年才换代：汽车不是手机，安全验证无法提速、AI 的帮助十分有限

近日，理想汽车创始人、CEO 李想就全新一代理想 L9 换代周期长达四年的疑问进行了公开回应。

理想 L9 于 2022 年 6 月首次上市，截至 2026 年 5 月，其换代周期已接近四年，显著长于当前消费电子行业的迭代速度。

李想对此解释称，汽车产品与手机等消费电子产品有本质区别，汽车直接关乎用户家庭的生命安全，其开发过程存在大量验证工作，必须经过长时间的反复测试与打磨，不可能依循手机的快速迭代逻辑。

他以媒体常见的拆车环节为例，指出车企会将大量路测车拆解开来，反复验证其各项机械与电子系统是否符合设计标定；而获取数量足够多、里程足够长、测试工况足够复杂的路测车本身就是一项需要投入大量时间的工程，无法通过其他方式人为压缩。

李想进一步补充说，尽管 AI 技术眼下发展势头迅猛，但在汽车测试与验证这一具体专业领域，目前对实车验证效率的提升仍然相当有限。（来源：IT 之家）

问界汽车否认被约谈：OTA 内容均依法完成备案并得到批准

5 月 9 日消息，AITO 问界汽车发布声明称，关注到各网络平台出现部分社交账号炒作「8 家车企因锁电被约谈、立案调查」，并将问界列为其一。此为不实信息，纯属造谣。问界汽车严格遵守国家法规，OTA 内容均依法完成备案并得到批准。公司已对相关造谣、传谣内容进行充分取证，并将坚决依法追究其法律责任。

此前，小鹏、特斯拉、理想、蔚来、比亚迪、广汽埃安、极氪已经发布了声明，对「约谈」传闻予以澄清。

此次集中辟谣的导火索，源于昨日一则关于「8 家新能源车企因 OTA『锁电』问题被集中约谈，3 家因违规被立案调查」的案件。然而，监管部门并未对外公开被约谈及被立案调查车企的确切名单。

由于缺乏官方权威信息来源，部分用户通过询问 AI 获得了一份所谓的企业名单，其中涵盖几乎所有主流新能源汽车品牌。这份由 AI 生成名单引发的误解，再加上社交媒体、自媒体和其他渠道捕风捉影的推波助澜，最终形成了一波汹涌的舆论影响。（来源：IT 之家）

美团、淘宝、滴滴等平台完成多项算法优化调整

5 月 9 日消息，据中国网信网消息，美团、淘宝闪购、淘宝天猫、京东、滴滴、高德、T3、百度、满帮、货拉拉、拼多多、抖音、携程、去哪儿网等平台积极响应，已实施优化改进措施 63 项，承诺遵守算法要求 139 项，限期推进 125 项，在提升算法透明度、公平性、合理性方面取得初步成效。

网信中国从 7 个方面总结了此轮算法优化的初步成果，包括优化订单分配算法、优化时间预估算法、优化安全保障算法、优化收入抽成算法、优化定价算法、优化申诉处理和提升算法透明度。

中央网信办相关负责人表示，生活服务类平台算法治理取得了初步成效，但个别平台仍存在「选择性整改」「别人不改我不改」等问题，与广大新就业群体和人民群众的期盼期待相比还有不少差距。下一步，中央网信办将会同有关部门，持续抓紧抓实《负面清单》实施工作，进一步压实平台主体责任，适时组织专项检查，评估效果、督促进度。发现存在严重问题的，依法依规处置处罚。（来源：TechWeb）

揽派一体，京东快递行业内首推「顺手寄」服务

5 月 9 日消息，京东快递宣布正式推出行业首个揽派一体创新服务——「顺手寄」，让用户在查快递、收快递的同时，还可一键顺手寄件下单。

据介绍，作为末端物流服务的一次模式创新，「顺手寄」服务最大的亮点是实现了收派场景的无缝衔接，有效解决用户寄件需单独预约、等待上门等痛点。

用户在京东物流详情页中即可轻松找到「顺手寄」入口，无论是查询快递进度时，还是快递送达、准备签收时，都能直接点击入口一键完成寄件下单，全程操作简单便捷。

京东快递还推出专属优惠活动，新用户领取「顺手寄」专属优惠券后，寄件可直接抵扣 10 元。（来源：IT 之家）

比亚迪首款闪充插混 SUV 海狮 08 申报，定位海洋网大六座旗舰车型 

在 5 月 9 日晚的第 407 批《道路机动车辆生产企业及产品公告》新产品公示列表中，比亚迪带来了首款闪充插混 SUV 车型——海狮 08。

这款新车先前已在 2026 北京车展首发亮相，定位大六座级别旗舰 SUV，轴距来到 3 米，还搭配了闪充、第二代刀片电池、云辇 A 双腔空悬、后轮转向、天神之眼 5.0 等配置。

比亚迪海洋 8 系是全球首个全系搭载闪充技术的车系，插混版 CLTC 纯电续航达 400km，纯电版续航达 900km。

此外，这款新车长宽高分别为 5115/1999/1800mm，轴距 3030mm。提供纯电、插混两种动力。（来源：IT 之家）

上汽 MG 07 车型申报图公布：纯电、插混动力，年内上市

 5 月 9 日消息，工信部发布第 407 批《道路机动车辆生产企业及产品公告》新产品公示，上汽 MG 07 车型现身。

申报信息显示，这款新车车身尺寸为长 4886mm、宽 1900mm、高 1478/1485mm，轴距为 2825mm，新车将提供纯电和插混两种动力可供消费者选择。

上汽 MG 已公布 MG 07 车型「莫雷洛紫」配色官图，新车预计定位 15-20 万元级市场，并于年内上市。

外观层面，MG07 采用轿跑标志性的大溜背造型，新车搭载无框车门、翼子板空气动力学风道以及运动侧裙，辅以黑白撞色运动轮毂，新车配备一体式贯穿尾灯。（来源：IT 之家）

微信输入法 Windows 2.0.0/iOS 3.3.0 版发布，新增隔空传送

5 月 9 日消息，微信输入法今日发布 Windows 2.0.0/iOS 3.3.0 版本，新增「隔空传送」，支持跨设备及面对面秒传图片和文件。

该功能于本月初开启内测，本次更新为正式上线。新功能支持跨设备发送图片、视频和文件，除了可以给自己的关联设备「隔空传送」，还可以通过扫码建立连接，与其他人进行传送，无需流量。（来源：IT 之家）

目标 2028 年发射，美国 SkyFall 火星无人机通过关键测试

科技媒体 Ars Technica 5 月 8 日发布博文，报道称美国宇航局正推进新一代火星直升机 SkyFall，并在喷气推进实验室完成关键转子测试。

按计划，SkyFall 最早可在 2028 年底发射，并一次向火星投送 3 架直升机。

据悉，「机智号」已证明火星飞行可行。这架仅重 1.8 千克、旋翼直径约 1.2 米的小型直升机，原定 30 天飞 5 次，最终却完成 72 次飞行，直到 2024 年 1 月坠地结束任务。

但 SkyFall 面对的要求更高。火星大气密度只有地球海平面的 1%，想获得足够升力，旋翼必须转得更快，机体越重，对升力需求越高。

「机智号」的碳纤维旋翼转速已达 2700 rpm，大约是地球载人直升机的 10 倍。不过当时工程师刻意把叶尖速度控制在 Mach 0.7，避免顶着逆风时突破音障后发生结构破裂。

美国宇航局为了验证更高速度是否安全，其喷气推进实验室与 AeroVironment 在模拟火星环境的测试舱里，把新旋翼一路推到超音速。

测试时，舱内转速最高达到 3750 rpm，随后工程师再加入逆风，让叶尖最终达到 Mach 1.08。由于事前无法完全确认叶片是否会碎裂，团队还特意用金属板保护测试舱局部区域。

这轮测试覆盖两种方案。第一组采用 3 叶片设计，面向 SkyFall 之后的任务；第二组采用 SkyFall 将使用的 2 叶片设计。后者叶片略长，因此在更低转速下也能达到相同超音速。（来源：IT 之家）

硬件只是入口，AI 才是产品。

作者｜张勇毅

编辑｜靖宇

 

2026 年 5 月 7 日，Google 发布了一款叫 Fitbit Air 的健康手环。99.99 美元，没有屏幕，配套一个叫 Google Health Coach 的 AI 订阅服务，每月 10 美元。

同一天，沿用了十几年的 Fitbit App 改名 Google Health。

这是 Google 在 2021 年花 21 亿美元买下 Fitbit 之后的第五年。整整 5 年时间，他们把 Fitbit 拆了又拆，最后交出来的答卷，是一款没有屏的手环。

如果把这件事放在 5 年前，几乎没人会信。那时候 Apple Watch 已经把「穿戴 + 健康」的剧本定成了「屏幕越大、传感器越多、功能越全」——「无屏手环」被普遍认为是品类的终点，不是新起点。但过去 12 个月发生的事情把这个共识打碎了。

WHOOP 在 2026 年 3 月以 101 亿美元估值完成 Series G 融资，Oura 在 2025 年 10 月完成 Series E 之后估值达到 110 亿美元。两家公司加起来，年营收超过 20 亿美元——听起来像一家中型科技公司的体量。但他们的产品都是同一个东西：一块没有屏幕、戴在手上或手指上的传感器。

无屏手环这个品类有过一次完整的繁荣周期：2014 年，第一代小米手环和 Fitbit Flex 把这个形态推到大众面前，几十块到几百块不等，主要用来计步、看心率。那是无屏手环的第一个春天。

但直到 Apple Watch 出现。然后是华为手环、小米手环陆续加屏、加 NFC、加表盘自定义。「手环 + 屏」逐渐成了主流叙事，无屏的版本像被逐出了正史——很多人在 2022 年前后会用「过时品类」来形容它。我自己当时也是这么想的。

只是没人注意到，沉默的两个玩家在持续生长。Oura Ring 累计销量 550 万枚，其中 2025 年单年就卖了 300 万枚——超过过去 11 年的总和。WHOOP 的会员从 2020 年的几十万人涨到现在的 250 万人以上，2025 年现金流首次转正。

然后是过去 12 个月，无屏手环形态以迅雷不及掩耳的速度疯狂拓展生态——

• 2025 年 5 月，WHOOP 5.0 / MG 发布，引入医疗级 ECG 和 Healthspan 这种「衰老速度」的概念

• 2025 年 6 月，华米旗下 Amazfit 推出 Helio Strap，99 美元一次性买断，正面对标 WHOOP 的订阅

• 2025 年 9 月，芬兰运动品牌 Polar 推出 Polar Loop，从有屏手表反向做无屏

• 2026 年 5 月 7 日，Google Fitbit Air 上市

一个被宣告死亡的品类，在 12 个月里完成了估值翻倍 + 巨头入场两件事。

这场复活的真正功臣，不是硬件——是 AI。

要理解这场复活，得先把「无屏」这件事的历史含义讲清楚。

最早期的无屏手环——2014 年的第一代小米手环、更早的 Fitbit Flex——之所以无屏，是不得已。那个时候做小尺寸 OLED 又贵又费电，硬件能塞下传感器和电池就不错了，屏幕只能省掉。所以「无屏」在那个阶段是硬件局限的妥协，不是产品立场。

但 WHOOP 不一样。这家波士顿公司从 2012 年成立第一天起，就把屏幕主动拿掉了。他们的逻辑是——运动员不需要在手腕上看一堆数据，他们需要的是「读懂数据后的建议」。这种思路在 2023 年之前一直是小众路线，绝大多数同行都在加屏，WHOOP 是那个执拗地不加的人。

转折发生在 2023 年 9 月，WHOOP 接入了 GPT-4，发布了 WHOOP Coach——第一个真正意义上的「AI 健康教练」。CTO Jaime Waydo 把它叫做「a search engine for your body」（一个为你身体服务的搜索引擎）。从这一刻开始，「无屏」的意义被重写了——屏幕没有消失，它只是搬到了手机上、变成了一个会回答你问题的 AI。

如果对比有屏手表和 WHOOP，差别会变得很直观。

戴 Apple Watch 这类有屏手表，你早上抬手会看到——心率 72，HRV 48ms，睡眠 6 小时 34 分。这是数据。

戴 WHOOP，你早上打开手机会看到——「今天的恢复值是 65%，建议把训练强度调到 6 成。原因是你昨晚的深睡只有 1 小时 12 分，比你平时少 23%。」这是建议。

同样的传感器、同样的原始数据，呈现出来的产品形态完全不同。前者把数据交给你自己解读，后者直接给你下一步行动。

AI 不是在装饰这个产品，而是这个产品本身。

而且 WHOOP 还在让 AI 走得更远。就在我写这篇稿的当天——2026 年 5 月 8 日——他们在 v5.3 beta 里悄悄上线了一个叫 Memory 的功能。用户可以告诉 AI Coach「我在恢复膝伤」「最近因为工作压力睡不好」，AI 会把这些 context 记下来，影响后续所有的 coaching。

这是从「问答式 chat」走向「长期 coaching relationship」的一步。

Will Ahmed（WHOOP 创始人兼 CEO）在 Walker Webcast 的采访里说过一句话——他们做的不是手环，是「health operating system」，一个能在心脏病、中风发生之前就预警的系统。

走在这条路上的不只是 WHOOP。

Oura 的路径不一样。它在 2025 年收购了赫尔辛基一家做 AI 手势识别的公司 Doublepoint，然后发布了一个专门为女性健康训练的 LLM——服务的是月经、孕期、更年期等场景。Oura 的 AI 不在「教练」这个壳里，而是「私人健康顾问」的角色，对应的用户群体也偏女性。

Google 昨天交出来的是第三种打法——也是野心最大的那种。Gemini Health Coach 不只服务无屏手环这一种硬件，它要把 Pixel Watch、Fitbit、Health Connect、甚至第三方设备的数据全部归集到一个 AI 顾问里。

三家走的是三条不同的 AI 路线。但都在做同一件事——

让「无屏」从一种硬件局限，变成一种产品立场。

当 AI 把「显示和交互」这一层从硬件搬走，硬件本身就退化了。它变成了别的东西。

把这件事翻译到商业模式层面，就出现了无屏手环故事里最反直觉的一部分：WHOOP 在全球手环市场的份额只有 2%。Fitbit 的市占率是 6%，是 WHOOP 的三倍。但 Google 在 2021 年只花了 21 亿美元收购 Fitbit。WHOOP 现在的估值是 101 亿美元——是当年 Fitbit 收购价的 4.8 倍。

一个市占率只有对方三分之一的品牌，估值是对方的几倍。 这种倒挂只能用一个东西来解释——商业模式不一样。

现在市面上无屏手环这个品类里，至少有四种典型的「钱该怎么收」的玩法，并存竞争。

第一种是 WHOOP 的纯订阅。硬件免费送，年费 199 到 359 美元三档，目前 250 万会员，run rate 接近 11 亿美元。

第二种是 Oura 的「硬件主导 + 订阅辅助」。戒指本身 299 到 549 美元，再加每月 5.99 美元订阅。从 2024 年财报看，硬件收入 3.9 亿美元，订阅收入 1.1 亿美元——80/20 的硬件主导。

第三种是 Polar Loop 和 Amazfit Helio Strap 选的反订阅路线。99 到 199 美元一次性买断，没有任何订阅，软件免费用。它们的潜台词写在新闻稿里——「all features available from day one without monthly fees」（所有功能从第一天就可用，无需月费），这话是冲着 WHOOP 喊的。

第四种是 Google 昨天提出的新混合模式。99 美元硬件 + 10 美元/月的 Gemini Health Coach 订阅，但订阅是可选的——免费用户也能看基础数据，但「AI 健康顾问」是订阅专属。

四种模式背后是同一个判断——硬件能值多少钱，大家心里都有数。

WHOOP 的硬件在深圳代工，单台制造成本不到 100 元 RMB（36 氪 2024 年的一次访谈披露）。Fitbit Air 12 克塑料加几颗传感器，成本可能更低。如果只是卖硬件，这些产品没有道理估值 100 多亿美元。

真正撑住估值的，是订阅服务的 LTV。

一个 WHOOP 会员每年付 239 美元（Peak 套餐均值），如果留存 5 年，LTV 就是 1195 美元——远超硬件单价。这是为什么 Tom Hale（Oura CEO）在 2025 年那次 Fortune 采访里反复强调，「硬件 + 订阅的组合，让我们和纯硬件公司不在一个估值 level」。这话是讲给 Fidelity 和 Iconiq 听的——他在跟投资人算 SaaS 估值乘数，不是消费电子的乘数。

而且消费者的心理结构正在被这套模式重写。

2025 年 5 月 WHOOP 5.0 发布的时候，他们一度向老会员收 49 到 79 美元的硬件升级费——结果在 Reddit 上被骂上了 Bloomberg，史称「Whoopgate」。最终 WHOOP 改回「订阅满 12 个月或更长的用户免费升级」才平息。

这件事最有意思的不是 WHOOP 改没改价，而是用户的反应——他们觉得「我都付订阅费了，硬件应该是免费的」。这种期望落差本身就证明，订阅模式已经把消费者的心理结构改写了——硬件在他们眼里，不再是「需要付钱的产品」，而是「订阅服务的一部分，应该送」。

硬件只是入口。AI 才是产品。

这件事如果只有 WHOOP 和 Oura 看到了，还可以叫他们「小众派」。但 Google 也看到了——昨天 Fitbit Air 的发布，不是一次产品迭代，是一次范式宣告。

5 月 7 日的 Fitbit Air 发布，我读了几遍 Google 的官方博客。发现最有意思的不是硬件，是它同时做了三件事——

发了一款 99 美元的无屏手环；上线了一个 Gemini 驱动的 Health Coach；把沿用十几年的 Fitbit App 正式改名 Google Health。

三件事必须放在一起看，才是真正的「产品逻辑」：Fitbit 这个老牌品牌被放到次要位置，让位于 Gemini 驱动的全新 Google Health 推到 C 位。Fitbit Air 是入场的硬件，Gemini 是引擎，Google Health 是平台。

Google 真正想取代的不是 WHOOP，是 Apple Health。

Apple Watch 已经用了 10 年时间把「穿戴 + 健康数据」做成一个相对封闭的生态——Apple Health 这个数据中枢沉淀了几代用户，但它一直缺一层「AI 顾问」。Google 用 Gemini 把这个空缺先占下来——99 美元的硬件只是分发渠道，让用户进入 Google Health 这个新平台。

平台才是真正的产品。

回到 2014 年——第一代小米手环出来那年，它也是无屏的。

12 年过去，小米手环已经做到第十代，屏幕越做越大，几乎是块小手表。WHOOP 走的是另一条路——12 年里把屏幕一直坚持不加，反而做成了 100 亿美元的生意。如今 Google 带着 Gemini 杀到，准备再次书写一个巨头故事。

同一个起点。两条完全不同的路。

无屏的那条路一度被宣告死亡。但 AI 把它重新打开了。

下一个 12 年呢？

*头图来源：Google Fitness

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

当 AI 接管了「看数据」这件事，

你还需要手表的屏幕吗？

机器人终于开始学做西红柿炒鸡蛋了。

过去几年，人形机器人行业最擅长的事情，是跳舞、翻跟头、搬箱子，以及在视频里越走越像人。但普通人对机器人的期待，往往还是会回到一个很朴素的问题：它到底什么时候能帮我做家务？

这件事一直很难。

家务不是一套标准动作。鸡蛋会碎，番茄会滑，蛋液会流，刀会改变食材形状。但对机器人来说，它们是最难的一类物理世界问题。

5 月，机器人创业公司 Genesis AI 发布了自己的第一个机器人基础模型系统 GENE-26.5。视频里，机器人完成了一组很密集的灵巧操作 demo：单手打鸡蛋、双手切番茄、做奶昔、实验室移液、解魔方、整理线束、单手同时抓多个物体。

相比于过去很多让人短暂激动、随后又归于平静的机器人演示，放出的 demo 虽然不完全连贯，但是全自主操作，并且以 1 倍速展示，没有通过加速制造效果。

更重要的是，demo 里一些动作已经开始显得很像人，也碰到了一些机器人灵巧操作里的标志性难题。

比如魔方。过去机器人解魔方，通常依赖为魔方任务专门训练的系统。OpenAI 2019 年的 Shadow Hand 解魔方，就是单手灵巧操作的里程碑，但它更像一个围绕魔方打造的专门系统。Genesis AI 这次的意义不在于公布了更高成功率，而在于它声称把魔方放进了一个通用双手机器人系统里：外部求解器生成步骤，再转成语言指令，由机器人通过手眼协调和双手操作执行出来。

当然，它还远没有真的达到人类水平。

Genesis AI 方面表示，做饭 demo 中多数步骤成功率约 90% 到 95%，但最难的两个子任务——单手打蛋和用刀转移切好的番茄——拍摄时成功率只有 50% 到 60%。机器人整体速度大约达到人类的 60% 到 70%。但这个效果已经让人感到十分惊艳。

Genesis AI 本身也很年轻。公司成立于 2025 年初，已经完成 1.05 亿美元初始融资，是法国规模最大的种子轮之一，投资方包括前 Google CEO Eric Schmidt、Xavier Niel、Bpifrance 等。它正在与法国、德国、意大利的潜在客户深入谈判，目标行业包括汽车、电子、制药、物流等。

但这家公司并不是从 GENE-26.5 才开始冒出来的。

Genesis AI 背后有一条更早的技术线索：Genesis 仿真平台。这个开源项目被定义为面向 Robotics、Embodied AI 和 Physical AI 的通用物理仿真平台，核心是一套从头重建的 universal physics engine，用来模拟刚体、液体、气体、可变形物体、薄壳、颗粒材料等多种物理现象。

Genesis AI 的 CEO 周衔是 CMU Robotics Institute 机器人博士，也是生成式仿真这条研究路线的重要发起者之一。联合创始人 Théophile Gervet 则是前 Mistral AI 研究员。

某种意义上，这次 demo 选择做一道西红柿炒鸡蛋，也带着一点 CEO 作为华人科学家的生活经验和幽默感——它没有选择更标准化的西餐摆盘，而是选择了一道中国人再熟悉不过、但对机器人非常麻烦的家常菜。

这次发布真正重要的，不是机器人已经会做家务，而是它让我们看到：机器人开始认真挑战那些人类最习以为常、机器却最难学会的动作。通用机器人最难解决的，可能不是走路，而是手。

Genesis AI 在技术博客里写道：Human-level dexterity and capability is closer than it appears。人类级灵巧操作，可能比看起来更近了。

按照 Genesis AI 的说法，这个模型面向的是机器人操作任务，输入包括语言、视觉、本体感知、触觉等多模态信息，输出的是机器人动作轨迹。它使用 flow matching 来建模轨迹的联合分布，目标不是简单识别物体，而是让机器人在真实世界里完成连续操作。

这次公开的任务，除钢琴外，大多由一个共享权重模型完成，并以 1 倍速自主执行。钢琴是例外，它是单独通过仿真强化学习训练的 policy，主要用于测试控制栈的高速 tracking 能力。

数据是这套系统的核心。

Genesis AI 官方称，GENE-26.5 背后的数据引擎主要由三类来源组成：手套数据、第一视角视频、第三人称视频。

手套数据负责捕捉高保真手部动作和触觉信号；第一视角视频捕捉人在真实任务中的自然操作；第三人称视频则提供更大规模的物理互动覆盖。Genesis AI 还称，已经与合作伙伴收集了超过 20 万小时 跨模态数据。

虽然 Genesis AI 的团队在仿真领域有很强的能力，但在 GENE-26.5 的公开数据配方里，核心仍然是真实人类操作数据。仿真更多承担的是 closed-loop evaluation，也就是闭环评估和迭代加速的角色。

换句话说，真实数据负责让模型学习物理世界，仿真负责让模型更快被测量和迭代。

这套路线最后落到了几组 demo 上。

做饭 demo 是一个 4 分钟长时序任务，官方称其中包含 20 多个子任务。机器人要单手打蛋，双手配合切番茄，还要使用毛巾、盐磨、打蛋器、刀、铲子、平底锅等工具。

其中一个细节很能说明问题：在转移切好的番茄时，机器人不是简单把刀当成铲子，而是用刀背和砧板形成支撑，再通过双手协同把番茄转移出去。这个动作已经非常像人。它不是简单的 pick-and-place，而是涉及长时序、工具使用、易碎物体、软硬混合物体，以及接触状态不断变化的真实厨房环境。

实验室移液 demo 则更像工业和科研场景。机器人要抓住移液器，插入枪头，把液体转移到试管里，弹出枪头，拧上约 1 厘米的小管盖，打开离心机按钮，并把试管放进转子里。

线束整理则更接近制造业。Genesis AI 把线束缠绕认为是圣杯级的任务。线缆柔软、会变形、路径约束强，还需要胶带缠绕和双手协同，对传统工业机器人来说一直很难标准化。

不过，GENE-26.5 还不是 zero-shot。

周衔在 Business Insider 采访中说，做饭 demo 里的打蛋、切番茄等技能需要几百条相关任务轨迹。一个 30 秒复杂技能，需要几小时人类数据，再加上不到半小时机器人执行数据。

它也会失败。Zhou 说，做饭 demo 中多数步骤成功率约 90% 到 95%，但单手打蛋和用刀转移切好的番茄，拍摄时成功率只有 50% 到 60%。机器人速度大约达到人类的 60% 到 70%。

GENE-26.5 不能被写成「机器人已经会做家务了」。它更像是在证明一条技术路线：大规模人类操作数据预训练 + 少量机器人数据适配 + 仿真闭环评估，正在让机器人操作能力进入类似基础模型的训练范式。

这也反映了今年具身智能行业的一个明显变化。

过去，很多公司更强调模型架构、机器人本体，或者单个 demo 的任务效果。现在越来越多公司意识到，真正的瓶颈是高质量、可规模化、可迁移的操作数据。仅靠遥操作机器人采数据太贵、太慢，也覆盖不了人类真实劳动里的细节。于是，第一视角视频、训练手套、互联网视频、人类自然工作流数据，开始变成新的竞争中心。

这次 Genesis AI 最引人注意的，不只是模型，还有手部的灵巧操作。

视频里那只手看起来非常像人，有接近人手的比例、手指形态和多接触能力。

最能反应手部的灵巧操作的 demo 之一，是单手同时抓多个物体。

已关注

关注

重播 分享 赞

机器人用一只手同时抓起四个不同尺寸的物体，直接夹在指缝中搬运。这个动作之所以让人印象深刻，不只是因为它一次抓了很多东西，而是因为它展示了人手最常见、也最难被机器人复刻的一种能力：同一只手里的手指可以分工。

人类平时拿钥匙、手机、杯子、纸巾，常常就是这么做的。它不是一次标准抓取，而是一组临时组合出来的多接触姿态。

这种动作会让人觉得机器人突然「像人」了。就像 Figure 的机器人学会用屁股推洗碗机一样，真正打动人的不是动作本身有多复杂，而是它突然出现了一种人类在日常生活里自然形成的身体策略：手不够用时，就用指缝；正面推不方便时，就用身体别的部位顶一下。

这当然需要灵巧手本身有足够强的能力。但至少在 Genesis AI 这里，一个判断已经很清楚：如果最终目标是人类级操作，系统的每一层都要支持它。模型、手、手套、控制栈和仿真，不能再被拆成彼此独立的模块。

周衔在 Business Insider 采访中，把 Genesis AI 和 Physical Intelligence 这类更偏模型路线的公司区分开来。他说，Genesis AI 要做的是整套系统，包括模型、机器人手、训练手套、仿真器，最终还包括机器人本体。全栈公司的好处在于，当你设计硬件时，你知道自己到底需要什么。

这句话几乎可以解释 Genesis AI 为什么这么重视手。

在目前的 demo 中，GENE-26.5 使用的是舞肌科技的灵巧手，已经很让人印象深刻。

Genesis AI 展示了一个 1 倍速弹 Rush E 的视频。它能看出这只手本身的速度、落点精度和多指协调能力已经很强。只是从技术归因上看，它不是 GENE-26.5 通用模型能力的直接证明，而是一个单独通过仿真强化学习训练、并由人类示范引导的策略，主要用来验证控制栈的高速准确跟踪能力。

而 Genesis AI 与舞肌共同设计了下一代手。简单说，下一代手要更像人。

公开材料里，Genesis AI 将这只下一代手称为 Genesis Hand 1.0。它会更接近人手，目标是 1:1 匹配人手尺寸，拥有 20 个主动、可反驱自由度，手掌和手指覆盖软材料，用来模拟人类皮肤的软接触物理。在 Business Insider 采访里，Zhou 也提到，未来手部的电机将直接放在手内。

这条路线本身也很值得看。

绳驱手更接近人类「前臂肌肉 + 手部肌腱」的结构，优点是手指可以更轻、更细，手型更自然。但它也会带来摩擦、松弛、回差、张力维护和长期磨损等工程问题。Figure、Tesla、1X 都在不同阶段探索过类似方向。

Figure 最近展示的新一代手型也引发了不少讨论。相比 Genesis AI 这只看起来非常像人手的方案，Figure 的手仍然更工程化、更笨重。公开讨论中，Figure CEO Brett Adcock 曾表示，Figure 第一代手采用过类似 Tesla 和 1X 的绳驱方案，但后来认为这是错误工程选择，很早就转向了掌心集成电机、再通过机械结构传动到手指的方案。

这说明，灵巧手的路线之争，并不只是「像不像人」。

Figure 要解决的是：这只手能不能装进一台要量产、要进家庭或工厂、要长期干活的人形机器人里。它要考虑可靠性、维护、整机集成、成本、重量、供电和耐久性。

Genesis AI 关注的的是：人类手部能力能不能尽量低损失地进入模型。

人类手部数据非常丰富，但人手和机器人手形态不同。传统方法往往要做复杂的动作重映射，把人类动作重新映射到机器人关节空间里。这个过程会带来信息损失，也会让模型学习到很多不属于人类动作本身、而是机器人硬件限制带来的东西。

这也是为什么「严肃的具身智能公司，最后都会重新遇到硬件」这个判断开始变得越来越有解释力。

Genesis AI 不是一家已经反复出现在聚光灯下的机器人公司。

它成立时间很短，但这次 GENE-26.5 一发布，就迅速进入了具身智能圈的讨论中心。

要理解这家公司为什么能在第一次模型发布里做出这样的展示，不能只看这次 demo，也要看另一个 Genesis AI：Genesis 仿真平台。

这个开源项目更早被外界关注。它被定义为面向 Robotics、Embodied AI 和 Physical AI 的通用物理仿真平台，核心是一套从头重建的物理引擎，可以模拟刚体、液体、气体、可变形物体、薄壳、颗粒材料等多种物理现象。

这也是 Genesis AI 和很多机器人公司的不同之处：它不是只从机器人本体开始，也不是只从大模型开始，而是从「物理世界如何被模拟、生成和评估」这个问题长出来的。

早在 2023 年，周衔、Théophile Gervet、Zhenjia Xu、Yi-Ling Qiao、Tsun-Hsuan Wang 等人就在一篇 position paper 中提出过一个方向：用生成式仿真自动生成任务、场景和训练监督，规模化训练机器人技能，最终走向通用机器人。

这个思路后来变成了 Genesis AI 很重要的竞争力。

极客公园了解到，Genesis AI 的能力之一，是自动化、规模化地生成多样任务和数据。传统仿真往往服务于一个明确任务，比如火星车着陆、某个机械臂流程、某类工业装配；但通用机器人要面对的是开放世界，任务、物体、材质、工具和动作组合几乎无限扩展。

在 GENE-26.5 这次发布里，Genesis AI 公开呈现出来的路线，是用真实人类操作数据训练模型，再用仿真做闭环评估和迭代加速。也就是说，真实数据负责学习物理世界，仿真负责测量模型、筛选模型、加快模型迭代。

极客公园还了解到，围绕「自动化、规模化生成任务」这件事，Genesis AI 已经有了更进一步的思考，后续可能会公布。

这会是一个很关键的变量。

如果说近期的技术路线切换中，大家已经比较明确：真实、但不完全依赖真机遥操作的数据，是下一步的关键；那么仿真在机器人基础模型中的位置，仍然没有被完全确认。它到底会主要用来评估，还是能进一步承担任务生成、数据生成和训练环境扩展，仍然是行业正在回答的问题。

但可以确定的是，它一定仍然在未来的具身智能中十分重要。

这也是 Genesis AI 的底牌：它不只是有一个机器人模型，也不只是有一只灵巧手。它背后还有一套试图生成物理世界、生成任务、评估模型的 Genesis AI 平台。

除此之外，虽然此次发布了家庭场景的 demo，Genesis AI CEO 周衔对具身智能未来节奏的判断，并不完全是「机器人马上进入家庭」。

极客公园了解到，周衔认为，具身智能在实验室环境中，有望在一到两年内进入类似 GPT-3.0 的阶段。也就是说，专业研究者会看到明显的能力跃迁，并对技术路线形成相对基本的共识。

但这距离公众能安全、可靠地使用机器人，还有很长一段路。

语言模型进入 GPT-3.5 或 GPT-4 阶段后，普通人才真正感受到它能稳定完成日常任务；机器人要达到类似阶段，门槛会更高。因为机器人不是在屏幕上输出文字，而是直接和物理世界交互。语言模型说错一句话可以撤回，机器人打翻水杯、撞坏设备、划破食材，都是现实损失。

也因此，周衔判断，具身智能真正走向大规模商业部署，可能需要达到类似 GPT-4.0 甚至 GPT-4.5 的成熟度。参考自动驾驶十多年仍在持续迭代的经验，机器人商业化不会是一两年内完成的事情，5 年甚至更久，都是更合理的预期。

*头图来源：Genesis AI

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

你如何看待 Genesis AI ？

编辑｜ 靖宇

2020 年 6 月 22 日，苹果 WWDC 的虚拟舞台上，蒂姆·库克宣布了一个让整个 PC 行业震动的决定——Mac 将抛弃英特尔，全面转向自研芯片。

那一刻，一段长达 15 年的合作关系被判了死刑。

六年后的今天，苹果和英特尔又坐到了一张桌上。只不过这次，角色完全反转了—— 不再是苹果用英特尔设计的芯片，而是英特尔给苹果代工，生产苹果自己设计的芯片。

这个故事，比任何商业教科书都精彩。

01

一段 15 年婚姻的破裂

时间回到 2005 年。乔布斯在 WWDC 上亲手「杀死」了 PowerPC，宣布 Mac 全线拥抱英特尔。那是英特尔的黄金年代，x86 架构统治着整个 PC 世界，苹果选择英特尔几乎是理所当然。

这段合作的蜜月期很长。 英特尔帮苹果造出了第一代 MacBook、第一台铝合金 iMac、甚至那台至今被设计师奉为经典的「垃圾桶」Mac Pro 。从 2006 到 2020 年，每一台 Mac 的心脏里跳动的都是英特尔的芯片。

但到了合作的后半程，裂痕开始出现。

英特尔的制程进化越来越慢，14nm 工艺被反复打磨了四五年，业内戏称「14nm+++」。这直接拖累了 Mac 的产品力——MacBook Pro 散热降频、蝶式键盘争议、Touch Bar 的尴尬定位，这些问题的背后，都有英特尔芯片功耗过高、性能提升乏力的影子。

苹果最引以为傲的「硬件软件一体化」体验，被供应商的节奏卡住了脖子。

与此同时，苹果在 iPhone 和 iPad 上积累的 ARM 芯片设计能力已经成熟到了令人惊讶的程度。A 系列芯片的单核性能年年跃升，功耗却控制得极低。苹果内部开始认真评估一个大胆的想法——如果把这套能力搬到 Mac 上呢？

2020 年 11 月，M1 芯片发布，答案揭晓。

一颗售价 999 美元 MacBook Air 里的 M1，在性能上碾压了价格两倍于它的英特尔 MacBook Pro，续航从 10 小时直接跳到了 18 小时，而且整机连风扇都不需要。业界评价近乎一边倒——这不是一次升级，这是一次「代际碾压」。

苹果用了不到三年完成了全线迁移。 2023 年 6 月，最后一台搭载英特尔处理器的 Mac Pro 停售，英特尔时代正式落幕 。

库克在这段分手过程中还留下了一句流传甚广的话。据报道，他曾私下对台积电创始人张忠谋说——英特尔「就是不知道怎么做一家代工厂」。

这句话，在当时几乎是给英特尔的代工梦判了死刑。

02

六年后的复合

如果苹果和台积电的合作一切顺利，这个故事大概就到此为止了。

但供应链的世界，没有「从此幸福地生活在一起」这种结局。

苹果把所有先进制程芯片的代工，全部押在了台积电一家身上——iPhone 用的 A 系列、Mac 和 iPad 用的 M 系列，全部由台积电独家生产。这在过去几年带来了极致的性能表现，但也制造了一个巨大的「单点故障」风险。

这个风险在 2026 年变成了现实。库克在今年 Q1 财报电话会上亲口承认，iPhone 17 系列的出货量受到了产能制约——台积电给的 A19 芯片，不够用。当英伟达等 AI 芯片大客户疯狂抢占台积电产能时，苹果发现自己在排队。

供应链多元化，从一道选做题变成了必答题。

于是，据《华尔街日报》报道，苹果和英特尔在过去一年多里进行了密集谈判，并在近几个月达成了一份初步协议——英特尔将为苹果代工部分芯片。美国政府在其中也扮演了推手角色，商务部长卢特尼克和特朗普总统都直接参与了促成。

但真正让苹果点头的，不是华盛顿的意志，而是英特尔确实拿出了能打的东西。

03

英特尔手里的牌

当年库克嫌弃英特尔「不会做代工」，而现在的英特尔，至少在纸面上已经今非昔比。

英特尔新任 CEO 陈立武自 2025 年春天接手以来，把代工业务（Intel Foundry）当成了翻身仗来打。他的王牌是 18A 工艺——一种 1.8nm 制程，对标的正是台积电最先进的 2nm 节点。这条产线已经在亚利桑那州的晶圆厂开始量产，英特尔自家的 Panther Lake 移动处理器就是第一批产品。

据分析师郭明錤去年秋天的报道，苹果与英特尔合作的切入点，很可能是入门级 M 系列芯片——也就是 MacBook Air 和 iPad Pro 里用的那颗。这类芯片年出货量大约在 1500 万到 2000 万颗，体量可观，但不涉及苹果最核心的旗舰产品线。苹果已经签署了保密协议，拿到了英特尔 18A-P 制程的 PDK（工艺设计套件），内部仿真工作正在推进。如果一切顺利，最早 2027 年下半年就能出货。

值得注意的是，苹果更可能等待的是 18A 的升级版——18A-P。这个版本提供更多晶体管类型供客户灵活搭配，在同等功耗下性能提升约 9%。分析师蒂姆·巴加林认为，苹果大概率会等 18A-P 成熟后再正式投产，而这个节点最快明年就能规模化。

苹果的策略很清楚——用入门级产品试水，把旗舰芯片继续留给台积电，同时为自己建立一条「第二供应链」。

而英特尔拿下的也不只是苹果。英伟达以 50 亿美元投资英特尔并将在其产线上生产定制数据中心 CPU；马斯克旗下的 Terafab 项目（服务 Tesla、xAI 和 SpaceX）也选择了英特尔代工；微软和亚马逊 AWS 更早之前就已经签约。英特尔股价今年涨幅超过 200%，较一年前大涨约 433%。

这家公司，确实在「活过来」。

04

考试还没开始

但故事不会这么简单。

代工芯片这门生意里，有一个冷酷到极点的指标——良率。它指的是每片晶圆上能用的合格芯片比例，直接决定成本和交付能力。台积电之所以统治代工市场，核心原因之一就是它的良率极高，高到竞争对手望尘莫及。

Creative Strategies 总裁巴加林说得很直白—— 英特尔和三星都必须证明自己能达到台积电的良率水准 。而苹果对良率的执念，在整个消费电子行业可能是最极端的。这家公司内部有一套极为严苛的供应商认证体系，任何新代工伙伴都要经历漫长的验证周期。

分析师罗伯·恩德尔也指出，苹果高管私下里确实担心英特尔在规模和工艺节点的成熟度上，还未必能与台积电平起平坐。

换句话说， 英特尔拿到了入场券，但最残酷的考试——量产良率——才刚刚开始。

而且还有一个现实问题：如果英特尔代工的芯片成本更高、良率更低，这个差价要么苹果自己吃掉、压缩利润率，要么转嫁给消费者、推高设备售价。Hacker News 上一条高赞评论说得很实在——如果目标只是不让台积电成为唯一的先进芯片供应商，那找英特尔确实是最显而易见的选择，但「显而易见」从来不等于「没有代价」。

05

角色反转的戏剧性

回头看这整条时间线，戏剧性几乎拉满。

2006 年，苹果投入英特尔怀抱，用英特尔设计的芯片造 Mac。2020 年，苹果嫌英特尔拖后腿，甩掉它自己干。2023 年，最后一台英特尔 Mac 停售，分手彻底完成。2026 年，苹果又回来了——但这次不是用英特尔的芯片，而是让英特尔按苹果的设计来代工。

从甲方用户变成甲方客户，英特尔的角色从「芯片设计者」变成了「代工服务商」。这不仅是两家公司关系的反转，也是整个半导体产业权力结构变迁的缩影—— 在芯片世界里，设计能力和制造能力正在加速分离，而掌握设计的人，越来越坐在谈判桌的上座。

苹果从来不做无意义的动作。十几年前它从英特尔 x86 切换到自研 ARM 时，也有人说「不可能」，结果用了不到三年就完成了全线迁移。这一次，苹果选择和英特尔重新握手，背后同样有精密的商业计算。

只不过，上一次分手改变了英特尔的命运，这一次「复合」能不能改变英特尔的命运，答案还要再等两年。

*头图来源： Marketbeat

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

「手持云台相机」品类里，大疆独行时代的最后一年。

作者｜张勇毅

编辑｜靖宇

 

2025 年的某段时间，打开抖音、小红书、B 站，很多人都会有一种隐约的视觉重复——一台黑色的、屏幕能旋转的小相机，反复出现。

当时这台「小相机」，无论是国内的视频创作者，还是海外的 YouTuber，几乎人手一台。旅行 Vlog、家庭记录、街头美食、宠物日常，那个机身造型成了一种共同的视觉符号。Pocket 这个名字第一次穿透了科技圈的边界，渗透到普通人对「拍视频」这件事的本能想象里。这是大疆此前任何一款产品都没有达到过的渗透度。

2025 年，大疆 OSMO Pocket 3 销量突破 1000 万台。

在那之前，大疆的相机产品线最高单品销量是几十万级——Pocket 3 把这个数字一次性推到了千万级。Pocket 单品的市场规模，已经超过整个微单相机市场的总和。

但当我第一次拿到 Pocket 4P 的时候，意识到了一件事：Pocket 3 定义的那个时代，某种意义上已经是「过去时」了。

「Pocket 3 的买家里，近半数是女性。」

这是大疆 Pocket 4 产品经理与作者分享的一个观察。

这家以无人机和专业影像设备起家、被外界长期定义为「硬核工程师公司」的企业，第一次拥有了一个由女性主导的消费产品。

即使放眼整个行业，在早期看懂 Pocket 3 是如何迅速渗透行业的人也寥寥无几。

2025 年，《花儿与少年》综艺组的一段录制花絮在网上流传------画面里，一位明星嘉宾对着 Pocket 3 那颗会转的小脑袋挥手，以为它能像智能宠物一样回应。这个动作后来被大疆的产品团队记下来，启发了 Pocket 系列上的手势控制功能。同一年，Pocket 系列与北京国际电影节合作，出现在一些以前只有专业电影机才会出现的官方画面里。

大疆此前绝大多数的产品形象是「工程师做给极客的极致工具」。但从 Pocket 3 出现之后，大疆第一次有了一款「文化产品」------它在内容创作者社区里形成了集体记忆，在头部综艺里形成了视觉符号，在普通消费者心里形成了「想买相机就买这个」的心智锚点。

千万级销量、近半女性买家、超过整个微单市场总和、综艺合作、电影节背书、电商榜首------这些事实拼在一起，构成了一个清晰的判断：Pocket 3 是大疆「Vlog 大众化」叙事的最终形态。

但所有「最完整」都意味着同一件事：往那个方向继续加码，能拿到的东西未必不会更多。

「以前我们的设备更注重解决自拍好看的问题，那现在用户对第三人称视角下的拍摄也要好看。」大疆产品经理在先享会上谈到 Pocket 系列演进时说到。

这是一句听起来很平淡的话。但放回 Pocket 这条产品线的演进史里看，它意味着大疆给自己设了下一道题------大众化的「自拍」方向已经被推到了极限，下一步的故事必须从别的方向写起。

一个时代走到「最完整」的形态时，它也就走到了自己的边界。

更何况，大疆此刻并不是在一个无人的高地上做选择。

不仅有虎视眈眈的手机大厂：OPPO 和 vivo 都已经在多个非官方场合确认，类似形态的产品已在开发中，且都将在今年下半年陆续推出。这些产品都定位高端，且都主打双摄方案；还有诸如影石这样的行业新秀跃跃欲试。

这意味着 Pocket 这个由大疆原创、独占多年的品类，将在 2026 年下半年第一次迎来真正意义上的群狼之战------而这群狼不是任何二线公司，是手机行业里规模、渠道、品牌、供应链都已经准备多年的巨头。

手机厂商的入场时机，背后有两件事的同时成立。一件是手机影像这条赛道已经走到了内卷的边缘。从 2020 年到 2025 年，主流手机品牌每年发布会几乎都在比拼相同的几件事：传感器尺寸、长焦倍率、计算摄影算法、影像合作品牌。但消费者已经看不出代际差异------一台 2024 年的旗舰和一台 2026 年的旗舰，在拍照体验上的实际差距已经被普通用户的感知钝化。手机厂商急需新的影像故事。

另一件是 Pocket 3 用销量证明了「独立的便携影像设备」在 4G/5G 时代依然有大众市场。

在 Pocket 3 之前，没有人确定这件事------智能手机已经把卡片相机市场扫光，运动相机做成了小众品类，独立影像设备看起来是一个正在收缩的赛道。

Pocket 3 把这个判断翻了过来。它告诉所有手机厂商：消费者已经接受「手机之外还需要一个专门拍视频的设备」这件事------而这个认知，在五年前是不存在的。

而它们集体选择「双摄方案」，背后也有清晰的产品逻辑。双摄是手机厂商在影像工程上最有把握的能力------它们已经在手机上做了多年，从光学防抖到双摄融合算法，整套体系是现成的。

把这套能力迁移到云台相机上，是一次低风险的工程平移，同时也是相对于 Pocket 4 单摄方案的天然差异化抓手。

「定位高端」更是手机厂商打这场仗最务实的策略：不和大疆在中端拼成本------那是大疆深耕多年、供应链和工艺成熟度都领先的市场------直接往上打「溢价加品牌」的牌。

Pocket 3 已经证明这个品类的用户愿意为「超越手机的影像体验」付出溢价，那么把价格再往上推、用更强的硬件、更强的品牌联想、更强的渠道，就有空间。

但大疆自己也听到了行业的风声：当被问到「如何应对友商马上推出的某款手持云台相机新品」。大疆 Pocket 4 产品经理说：「我们内部心态非常开放，期待更多高水平选手...... 我们的新品往往是这个行业的风向标。」

「我们作为云台相机领域的原创者、引导者，不是想打造某款爆品，是想把 Pocket 推向一个真正的品类。」

这两段回答放在一起，画出的是一家仍然警觉的巨头。

一家公司只有听到了脚步声，才会反复强调「不对标」和「开放心态」。

这是 Pocket 4P 被放置在产业之下的真实语境------大疆已经知道，自己不再独行了。

—都是大疆对那阵脚步声的回答。每一个关键设计——双摄回归、中焦、命名留白、拒绝计算摄影、生态扩展——都是大疆对那阵脚步声的回答。

Pocket 4P 配备双摄方案，专门为「更进阶、更专业的创作者」设计。它和 Pocket 4 不是迭代关系——产品经理在多个场合反复强调，4 和 4P 是「并肩协同的伙伴」，单摄面向便携，双摄面向创作。这是 Pocket 自 2018 年诞生以来，第一次在同代里做产品分层。

但「分层」只是表面解读。Pocket 4P 的双摄，本质上是一次时间窗口的卡位。

如果行业内的其他玩家，都在今年下半年才推出双摄云台相机，而大疆在它们之前先把双摄交付到市场——大疆将获得近一个季度的市场独占期。

这一个季度，是大疆把「双摄云台等于大疆」这个心智锚点钉在用户脑子里的关键时间窗。

等手机厂商入场时，他们要面对的不再是一个空白市场，而是一个被大疆预先定义过的赛道。

而双摄之外，更耐人寻味的是超广角镜头之外的三倍中焦选型。

时间回到 2016 年，距初代 OSMO 发布一年后，大疆推出过一台叫 OSMO+ 的手持云台相机。

它在 OSMO 基础上加了光学变焦，让这台手持云台相机第一次拥有了中长焦能力。

也就是说，长焦在云台相机上的集成一体化，十年前就实现过。

这件事后来从大疆的产品线上消失了。OSMO+ 之后，整整一代 Pocket——从 1 到 4——没有一台再装过中长焦。

直到 Pocket 4P 回归。

而 Pocket 也并不是大疆在专业影像上唯一的延续。同样起步于 2015 年的还有大疆如影（Ronin）系列——这条服务于专业影像创作者的产品线至今已有十年有余，其云台稳定技术曾获得奥斯卡科学技术奖，长期出现在专业电影机和高端剧组的工作流里。Pocket 和如影的云台稳定能力同根同源，色彩科学、对进阶用户和专业创作需求的洞察也都在持续积累。

过去十年间，大疆在云台小型化、力矩控制、光学工程上的工程经验持续积累——这些经验在 Pocket 4P 上完成了一次小型化的合流。

更关键的是，这种「自我对话」的产品逻辑是手机厂商无论如何模仿不来的。

他们没有 OSMO 那段历史，没有十年的工程肌肉记忆，没有把云台相机做了十年的那种「知道哪里会出错、哪里需要让步」的直觉。他们只能从零开始做双摄云台。而大疆是带着十年的经验回来的。

这是 Pocket 4P 给手机厂商设下的第一道护城河——不是技术层面的，是时间层面的。

第二道护城河，是大疆在产品哲学上的一次主动选择。

当被问到「为什么不像手机那样用算法实现人像虚化」时，产品经理的回答非常明确：「手机的长焦镜头和我们是两个级别的镜头。我们这个真的是纯凭借光学素质实现了光学虚化。」他还补了一句：「视频如果背景虚化太过分，会丢失环境的氛围感。」

在所有手机厂商都在用 AI 锐化、多帧合成、神经网络降噪堆砌画质的当下，大疆选择老老实实把镜头做大、把光圈做开、把虚化交给物理光学。

这是两条不同形态的产品。大疆是在把 Pocket 往相机的方向上做，所以才能看到它在物理光学上的种种努力；而手机厂商的双摄云台相机，如果沿用手机里那套熟悉的影像调教，最后呈现出的成片，很可能仍然带着「手机味」。

这条选择的代价是显而易见的——更大的镜头模组、更复杂的工程实现、更高的物料成本、对体积空间的进一步挤压。但它换来的是手机厂商即使做了双摄云台也跨不过去的一道关——因为手机厂商的整个产品逻辑就是计算摄影驱动的，他们没办法在 Pocket 这种小型化设备上突然抛弃自己最强的能力。

大疆把战场移到了对手最不擅长的地方。

第三道护城河，是生态。从补光灯、续航手柄、保护配件，到 DJI Mic 全系产品的直连，再到机身可更换的镜头保护玻璃——Pocket 不是一台孤立的相机，是一个能持续生长的影像系统。这件事手机厂商即使想做也很难做：生态需要时间和用户基数沉淀，而他们的双摄云台相机才刚刚上市。

大疆对于未来更多不确定性的预期，某种程度上也反映在了「P」这个字母本身。

当问及大疆产品经理：「为什么这一代叫 4P，而不是 4 Pro？」对方答：「P 不是严格意义上的 Pro。它只是用来区分单摄和双摄两个版本。未来 Pocket 的 Pro 款到底是什么样子，可能我们自己也还有更大的想象——所以这一代先用 P，留个白。」

这句话在没有产业语境时听起来像公关辞令。但放在 OPPO、vivo 即将下场的背景下，它有了具体的战略意义——大疆不愿意把自己的 Pro 定型，因为定型意味着失去对手到来后的反应空间。「P」是一种主动选择的弹性。

最后一件事，是中国消费市场的一个细节观察。

这里有一类用户从不看评测、从不研究参数，但他们买东西时有一个稳定的习惯——直接买顶配。iPhone Pro Max 销量结构里有大量小手女生用户。

虽然 Pocket 4P 在产品设计上是为「进阶专业创作者」准备的，但它实际上承接了消费升级人群里那部分天然往顶配走的用户。这群人不会受手机厂商品牌影响，因为他们买的不是「手机厂商的影像设备」，是「DJI 的最贵那一款」。

把所有产品决策连起来看——双摄抢时间、中焦回归、拒绝计算摄影、生态壁垒、命名留白、安全网用户群——大疆的回答不是「做一台更好的 Pocket」，是做一台手机厂商即使付出十倍代价也复制不出来的东西。

这是一家品类原创者在面对挑战者来袭时最难的一步：主动放弃自己赢得最透彻的那部分市场，把战场移到只有自己能站住的高地。

Pocket 3 那个时代是大疆独行的时代。Pocket 4P 之后，那个时代就翻页了。

但接下来的故事会怎么写——是大疆继续定义这个品类的边界，还是手机厂商用更大的资源、更深的渠道把战场推往大疆没去过的方向。

这是 Pocket 3 千万级销量没有回答的问题，现在轮到 Pocket 4P 来回答了。

*头图来源：极客公园

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

极客一问

你会选择代表旗舰体验的双摄手持云台相机吗？

OpenAI 推出 GPT-5.5-Cyber 预览版，面向安全团队限量开放

5 月 8 日，OpenAI 宣布向经审核的安全团队限量开放 GPT-5.5-Cyber 预览版，这是其最新模型 GPT-5.5 的网络安全专用版本。公司强调，该版本并非旨在增强网络攻防能力，而是通过定向训练放宽模型在处理安全任务时的内置限制，使授权团队能更高效执行漏洞识别、补丁验证及恶意软件分析等工作流，而通用版因安全防护机制会增加此类任务难度。

此举紧随竞争对手 Anthropic 一个月前发布 Claude Mythos 预览版的步伐，后者作为「玻璃翼」（Project Glasswing）网络安全计划的一部分，同样仅向特定企业开放访问。两款专用模型的相继推出，折射出大模型厂商正从通用能力竞争转向垂直场景的精准适配。（来源：aibase）

Anthropic 正考虑进行融资，估值接近 1 万亿美元

5 月 8 日，据报道，Anthropic 正考虑在今年夏天筹集数百亿美元，用于大规模扩充计算能力。此举可能使其估值升至近 1 万亿美元，从而超越竞争对手 OpenAI。Anthropic 新一轮融资预计投前估值约为 9000 亿美元，融资规模最高可达 500 亿美元。Anthropic 近期一直在处理来自 Dragoneer 投资集团、General Catalyst 和光速创投（Lightspeed Venture Partners）等投资方的投资意向。（来源：新浪科技）

苹果 CarPlay 接入马斯克的 Grok 模型，在车内和 AI 自然聊天

5 月 8 日，科技媒体 9to5Mac 发布博文，报道称继 ChatGPT 和 Perplexity 之后，苹果 CarPlay 还接入了马斯克旗下的 Grok AI 模型。

在 iOS 26.4 系统更新中，苹果积极扩展 CarPlay 生态，支持语音对话类应用，让 AI 聊天机器人可以更自然地进入车内场景，用户直接通过 iPhone 连接车辆，就能在中控屏调用相关服务。

在接入 ChatGPT、Perplexity 之后，xAI（更名为 SpaceXAI）通过更新 iPhone 版 Grok 应用，邀请 iPhone 用户在 CarPlay 中接入 Grok 模型。对经常开车通勤的用户来说，这相当于把手机里的语音助手扩展到了车机界面。

在使用方式上，Grok 与另外两款产品接近。用户可以直接查看最近对话列表，也可以新开一轮会话。为了减少驾驶中反复操作，整个交互逻辑依然围绕语音展开。（来源：IT 之家）

消息称腾讯实习生大涨薪，百度「全员晋升」

5 月 8 日，据「大厂日爆」消息，鹅厂（此处应该是指腾讯）研发实习生今年将迎来大涨薪，RD 月薪为 11000+2000 房补，比去年 7500 的 base 提升了近 50%，本调整今年尚未官宣，但和内部同学了解到，今年涨薪已经定调。这也是继字节、阿里后今年又一家给实习生涨薪的大厂。

报道还称，百度新职级调整 5 月正式落地，新老职级对应关系开奖，原来的 P4 变 7 级，原来的 P5 变 8 级、P6 变 9 级，以此类推一对一进行映射。所有人数字等级原地 +3。

此外，报道称百度五一节前在外包盘点，部分北京研发的外包，可选去西安或去成都，或者直接退场。

百度 4 月 28 日发布全员信，通知职级体系大调整。中管层以下的专业通道与管理通道全面打通，原有职级字母标签统一为 5 级至 12 级的数字职级体系，于 5 月 1 日正式生效。第一财经报道提到，百度称此举是为了打破机制性壁垒，让员工的成长不再受通道和标签的限制，为公司储备更多能打硬仗的复合型领军人才。（来源：IT 之家）

OPPO 就母亲节宣传文案争议道歉：已第一时间下架全部相关物料

5 月 8 日，OPPO 官微发文，就本次母亲节宣传文案引起的争议致歉。OPPO 官微表示：

关于本次母亲节宣传文案引起的争议，我们诚恳表示歉意。

我们的创作初衷，是希望打破刻板印象，呈现更多元、更立体的当代母亲形象：母亲可以热爱马拉松，可以沉浸文字创作，也可以拥有自己的追星爱好。
我们已第一时间下架全部相关物料。我们将认真倾听各方批评，全面审查内容审核机制，确保此类问题不再发生。

昨日早些时候，「OPPO 文案价值观」话题一度登上微博热搜。OPPO 此次母亲节宣传文案中，出现「我妈有两个『老公』，一个是我爸，另一个一年见两回；跟我爸约会基本不打扮，见另一个，她『恨不得穿婚纱』」的文案，并搭配「追星」为主题的图片。（来源：IT 之家）

去哪儿承诺：绝不因用户消费习惯、支付能力等信息设置不合理价格差异

5 月 8 日，「去哪儿官宣」公众号发文称，公司坚决拥护并积极响应监管要求，将专项治理视为提升平台服务质量、构建清朗网络空间的重要契机，确保算法应用合法、合规、公平、透明。

目前，去哪儿已对照专项治理清单要求，深度开展算法模型的自查整改工作。

去哪儿宣布作出「郑重承诺」如下：

• 规则公开化：App 内以图文结合的通俗方式公示算法机理，在产品预订页、价格说明页等核心位置，增加价格差异客观成因的场景化提示，让用户清晰知晓各类规则与价格差异原因。针对机票变价等易引发误解的场景，持续加强信息披露与客服解释培训，消除「黑箱」误解。

• 权益同等化：优惠券发放、券包申领、积分抵扣等优惠促销场景中，在同等交易条件下，实现优惠权益统一发放，绝不因用户消费习惯、支付能力等信息设置不合理的价格差异。

• 选择自主化：在登录环节明确告知个性化推荐权限，提供便捷的授权开关入口，充分保障用户自主选择权。

• 记录可查化：确保算法迭代记录全流程留痕且留存时间不低于 3 年，客服可快速调取订单客观证据向用户清晰释疑；在平台端新增合规问题反馈入口，实现用户反馈快速响应、妥善处理，确保消费者对算法调度及决策逻辑清晰可感。（来源：IT 之家 ）

英伟达 CEO 黄仁勋：下一代 AI 基础设施将需要大量的光学连接，铜线已无法满足需求

5 月 8 日，英伟达首席执行官黄仁勋在接受采访时，大力赞扬其与康宁公司的新合作项目，称其为美国重建技术供应链带来重要机遇。

黄仁勋表示，下一代人工智能基础设施将需要大量的光学连接，因为计算需求正在迅速增长，以至于铜线已经无法满足需求。「我们将以一种前所未有的规模来扩大光学技术的应用，坦率地说，没有哪家光学公司曾有过这样的规模。」黄仁勋说道。

黄仁勋还表示，当前这波人工智能投资所带来的益处远不止惠及科技公司。他指出，AI 产业对电工、建筑工人、芯片制造员工以及数据中心基础设施专家的需求不断上升，这就是该建设进程已经波及整个经济领域的有力证明。（来源：广角观察）

欧洲议会议员迈克尔·麦克纳马拉表示，这是欧盟首次通过立法明确禁止「脱衣换脸」类应用程序。

他强调：「欧盟今天划定了『红线』。人工智能绝不能用于羞辱、剥削或危害他人。」

今年 1 月，马斯克旗下社交媒体平台 X 的 AI 聊天机器人 Grok，就曾被部分用户滥用于生成色情内容，并被推上舆论风口浪尖。根据人工智能取证组织报告，2025 年 12 月 25 日至 2026 年 1 月 1 日，在 Grok 以深度伪造方式生成的 2 万张图像中，55% 的人物图像穿着暴露，其中 81% 是女性，另有 2% 的图像中人物年龄不足 18 岁。（来源：快科技）

任天堂表示，Switch2 在上市后首个完整财年的实际销量已超越当年初代 Switch 的同期表现。若将原版 Switch 家族计算在内，任天堂在整个财年共售出 2366 万台硬件。

受新硬件发售及强劲软件销售的推动，任天堂专用游戏平台业务收入达到 2.23 万亿日元。公司整体合并净销售额同比增长近一倍，达到 2.31 万亿日元，营业利润同比增长 27.5%，达到 3601 亿日元。

在软件方面，Switch2 平台游戏在 2026 财年共售出 4871 万份。其中：

《马力奥赛车：世界》：885 万份

《咚奇刚：蕉力全开》：数百万份

《宝可梦传说 Z-A》Switch2 版：数百万份

展望 2027 财年，任天堂预测 Switch2 硬件销量将达到 1650 万台，而软件销量预计将提升至 6000 万份，显示出对新平台持续增长潜力的信心。（来源：cnBeta）

印度首个太空科技独角兽诞生：Skyroot 拿下 6000 万美元融资，火箭将入轨发射

5 月 8 日，据外媒 TechCrunch 报道，印度航天科技初创公司 Skyroot Aerospace 完成 6000 万美元（现汇率约合 4.09 亿元人民币）新融资，成为印度首家航天科技独角兽。接下来几周，公司将尝试用 Vikram-1 火箭完成首次入轨发射。

这轮融资给予该公司 11 亿美元（现汇率约合 74.98 亿元人民币）投前估值。融资完成之际，Skyroot 正准备执行印度私营企业首次入轨发射。

Vikram-1 火箭已在 4 月启程前往印度南部斯里赫里戈达岛航天发射场。完成飞行合格测试后，公司已经开始总装和发射准备，目标是在 6 月发射。

Skyroot 由印度空间研究组织（ISRO）前工程师帕万 · 库马尔 · 钱达纳和纳加 · 巴拉特 · 达卡于 2018 年创立。公司主攻小型卫星发射火箭，产品定位大致对标美国火箭实验室、萤火虫航天等企业。Vikram-1 设计运力最高 350 公斤，可将载荷送入近地轨道。（来源：IT 之家）

Anthropic 推出 Claude for Microsoft 365，实现跨应用无缝协作

5 月 8 日，Anthropic 宣布 Claude for Microsoft 365 正式面向所有付费用户开放。此次更新将 Claude 深度集成至 Excel、PowerPoint 和 Word 中，通过侧边栏对话实现跨应用上下文共享，彻底改变了传统的文档处理工作流。

在 Excel 中，Claude 能够读取多标签工作簿，利用真实公式构建模型并追踪单元格变更，且不会破坏原有公式。在 PowerPoint 中，它能严格遵循企业模板的布局、字体及配色，生成可编辑的原生图表。在 Word 中，所有修改均以修订模式呈现，Claude 还能针对评论线程进行回复，解释修改原因。

微信未读语音由红变灰被用户疯狂吐槽，腾讯回应

5 月 8 日，近期不少 iOS 用户更新微信后发现，未读语音消息的提示色由醒目的红色变为灰色，该改动引发了大量用户吐槽与热议。

灰色未读语音与已读消息视觉高度相近，用户稍不留意就会忽略未读内容，不少人反馈因此错过工作通知、亲友重要信息，长期形成的红色提醒习惯被打破，使用体验明显下降。

腾讯客服对此回应称：未读语音变灰是 iOS 端「未读模式」功能的灰度测试，属于阶段性设计，并非最终版本，目前正逐步向 iOS 用户开放，未收到灰度权限的用户暂不会出现该变化。
安卓端相关功能仍在开发中，暂时不受影响。（来源：快科技）

这个行业叫 AI。

过去两年，Prompt 工程课、Agent 搭建训练营、MCP 工具链配置指南，养活了无数知识博主。你在 B 站搜「Prompt」，跳出来几万条视频，从入门到精通，从职场提效到搞副业，恨不得手把手教你怎么学 AI。

这事儿正常吗？

你买个微波炉，用不用先报个培训班学三天？你打开一个 App，需不需要先啃完一本使用手册？现代消费电子产品的黄金法则是开箱即用，怎么到了 AI 这儿，就变成先交学费再上岗了？

把 AI 给用好，换个角度看，现在就如上面这些不太合理的例子。 当一项技术需要用户付出额外的学习成本才能解锁核心价值时，说明技术还没有完成它的最后一公里。

最近一款叫 胖鹅 AI 的产品，在这件事上给出了一个不太一样的解法。它的思路简单到有点粗暴：你不需要学怎么用 AI，AI 就能把自己用好 。

一句话，能不能出片？能不能出 PPT？能不能出报告？

我们实测了一波。

01

一句话，一支完整短视频

先从一个足够「懒」的需求开始。

我们假装自己是一个完全不懂视频制作的奶茶店老板，对着胖鹅 AI 说了输入了这样一句话：

「给我做一个 20 秒的视频，推广我们店新出的暴打柠檬茶，要看起来很清爽很夏天的那种感觉，配点轻快的背景音乐。」

没有分镜描述，没有运镜要求，没有颜色指定，没有时长标注，甚至连清爽夏天算个什么视觉风格都定义得模棱两可。这就是一个普通小商家最真实的表达水平。

等了大概两分钟，出来一支近 20 秒的完整视频：几片柠檬被冰块包裹着砸入杯中，茶汤缓缓注入，杯壁凝结出水珠，最后定格在产品 Logo 和一句「暴打夏天」的 slogan 上。画面干净，节奏轻快，配乐是一段夏日感的电子音。虽然不是什么电影级大片，但直接发到抖音或者朋友圈，完全够用。

我们再拿另一个主流 AI 来生成同样的任务，但效果可以说是天差地别的：

这中间发生了什么？用户没说特写镜头、慢动作、产品特写这些术语，但系统把这些都补上了。因为它识别到这是一个餐饮新品推广短视频的典型场景，而针对这个场景，系统里已经有一个训练好的 SOP，它知道这类视频需要产品特写、制作过程展现、氛围感营造，按这个模板去执行就行了。

用户省掉的那些专业描述，不是被 AI 猜出来的，是被 SOP 兜住的。

02

还是一句话，一份竞品研究报告

我们又试了一个更实用的场景：

「帮我做一份比亚迪和特斯拉 2025 年在中国市场的对比分析报告，要有销量对比、车型矩阵分析、用户画像差异，输出成 PDF。」

这个任务的复杂之处在于：它需要跨源搜集数据（销量、车型、用户评价），按标准框架组织分析逻辑，最后渲染成一个格式规范的文档。

过去用通用 AI 做类似的事，流程一般是你先写一段 Prompt 定义分析维度和输出格式，AI 给你一段文字，你再把文字粘贴到 Word 里调格式做排版。如果过程中某一部分不满意，还要再追一句 Prompt 来修正。

胖鹅 AI 的处理路径不同。它识别到这是一个「竞品对比分析报告」的垂直任务，匹配对应的 SOP——这个 SOP 预设了标准结构：封面、摘要、销量对比（含图表）、车型矩阵（含表格）、用户画像对比（含词云）、结论与展望。

它自动去抓取了公开的销量数据和车型信息，生成了对比图表，从社交媒体和论坛中提炼了用户评价的高频词，最后组装成一个格式整齐的 PDF。我们拿到的成品大约 15 页，逻辑通顺，图表清晰，引用标注了数据来源。

当然，有些数据的时效性需要人工复核，但作为一份初稿，它已经省掉了从对着空白文档发呆到搭出完整骨架之间至少三个小时的工作量。

更有意思的一个实测，是丢给胖鹅 AI 一张公司 Logo，让它帮忙生成一个宣传视频：

为我的 logo，生成酷炫的宣传片，动态效果要很多。

可以看到，胖鹅 AI 完全理解了 Logo 的寓意，并且从文字、效果、运镜和转场等，都达到了可以直接商用的程度。

03

AI 有两种，一种要你教，一种替你干

跑完几轮实测，一个感受越来越清晰：市面上的 AI 产品，正在分化为两条截然不同的路线。

一条是以 ChatGPT、Claude、Manus 为代表的通用 Agent 路线。它们的能力边界极宽，理论上什么都能干。但代价是，你需要 花大量的时间和精力去调教它们 ，告诉 AI 你希望它用什么格式输出，用什么逻辑分析，按什么风格表达。本质上，你是在用自然语言做软件工程。

另一条就是胖鹅 AI 走的垂直 SOP 路线。它追求的是把高频的、可标准化的任务提前封装成预训练流程。用户在交互时，面对的而是一个已经知道怎么干的职业化系统。

本质上，你是在 培训一个 AI 。

两者的区别，可以借用胖鹅 AI 团队自己的一个比喻来理解：

Manus 这一类，像一个名校毕业的实习生。聪明是真聪明，但 结果更像是用通用的方式做非常具体的事情。

胖鹅 AI，像一个配好的外包团队。系统已经根据你的行业和场景，把最合适的技工匹配好了。你不用告诉它怎么做，只需要说做什么。有时候甚至不用你说，当你选择「短视频推广」这个模式时，系统直接弹出结构化界面，选时长、选风格、选配乐风格。点一下，比说一句话更快。

这是两种完全不同的产品哲学：一个是放大高手的能力，一个是拉平普通人的起跑线。

AI 的下半场，是谁更能让所有人用好。

胖鹅 AI 目前给出的答案是：把复杂留给工程，把简单还给用户。

AI 不该是一种需要专门学习的技能。就像你不需要学电路原理才能用手机，不需要学热力学才能用冰箱。技术真正的成熟，是它把自己藏起来，让用户感觉不到它的存在。

从这个意义上说， 最好的 AI，就是人不用去学，AI 自己能把自己给用好 。

*头图来源：胖鹅 AI

编辑｜ 靖宇

1980 年代，日本半导体产业如日中天，一度占据全球芯片市场超过 50% 的份额。

美国人坐不住了——不是因为买不到芯片，而是因为他们意识到，一个国家如果无法掌控自己的「硅」，就等于把战略命脉交给了别人。于是有了《半导体协议》，有了后来的 Intel 复兴，有了今天的《芯片法案》。

四十年后，同样的焦虑以一种更私人的方式，出现在了伊隆·马斯克身上。

只不过这一次，想要掌控「硅」的，不是一个国家，而是一个人——以及他旗下的一簇公司。

5 月 6 日，Bloomberg 披露了一份文件： SpaceX 正式提议在得克萨斯州 Grimes County 投资 550 亿美元 ，启动「Terafab」的芯片制造设施建设计划。如果后续阶段全部推进， 总资本支出可能冲上 1190 亿美元 。

先把数字换算一下，感受一下规模。

550 亿美元，大约是台积电 2023 年全年营收的两倍多。1190 亿美元，则接近英伟达整个 2024 财年的营收巅峰。这不是一笔「投资」，这是一场豪赌——或者说，一次战略宣言。

这个项目是 SpaceX 和特斯拉的联合计划。马斯克的逻辑很清晰： 他的公司群——SpaceX、Tesla、xAI——每年要消耗天量的 GPU 算力 。训练 Grok 需要芯片，Starlink 的地面站网络需要芯片，特斯拉的自动驾驶需要芯片，未来的人形机器人 Optimus 也需要芯片。

与其每年给英伟达送钱，不如把钱送给自己。

从战略逻辑上说，这无懈可击。

01

马斯克的垂直整合野心

要理解 Terafab，你得先理解马斯克过去两年在干什么。

2025 年，xAI 收购了社交媒体平台 X。今年年初，SpaceX 又以全股票方式吞下了 xAI。与此同时，SpaceX 的 IPO 计划正在推进，路演窗口据称将在 6 月 8 日前后开启，S-1 注册文件预计本月下旬提交。

这是一张越来越密的网：火箭、卫星宽带、AI 模型、社交平台、电动车、人形机器人……而现在，芯片制造也要纳入版图。

DataCenter Knowledge 的分析一针见血：Terafab 最好不要被理解成一座「工厂」，而应该被 理解成一套「完整堆栈的 AI 基础设施战略」 ——试图把计算生产、能源采购和算力部署统一在同一个屋檐下。

这就像亚马逊不只想卖书，还想自建货运网络、自建数据中心、自建物流卫星——只不过马斯克要在此基础上再加一条：自建「生产计算的工厂」。

Apple 当年把 A 系列芯片自研，被认为是科技史上最成功的垂直整合决策之一。但 Apple 只是「设计」芯片，制造还是交给台积电。马斯克想做的，是连制造也一起拿走。

这个野心，连 Apple 都没敢碰。

02

「15 年战略」的背后

不过，战略愿景和工程现实之间，永远隔着一条深沟。

Creative Strategies 的芯片分析师 Ben Bajarin 用了一个有意思的表述， 他说马斯克在做的是一项「15 年战略」 ——这句话听起来像夸奖，但背后的意思是：别指望短期看到回报。

摩根士丹利的预测更直接。他们评估，即便在最乐观的建设假设下， Terafab 的初始芯片产出最早也要到 2028 年中期 。从今天算，还有两年多。而那时候，AI 芯片的技术代际会走到哪里，没有人知道。

半导体制造的残酷在于，它是世界上最不宽容「PPT 承诺」的行业。

一座先进制程晶圆厂的建设，通常需要 3-5 年，需要极其精密的光刻机（全球只有 ASML 能造高端 EUV）、需要数以千计的高度专业化工程师、需要稳定的超纯水和电力供应、需要一整套精密的洁净室管理体系。Intel 花了数百亿美元、数年时间，在制程技术上依然追赶台积电艰难。

Finance Monthly 的分析直接点出了这个风险：芯片项目容易被低估执行难度，缓慢、昂贵，容易延迟，依赖专业机械、熟练劳动力和已经高度紧张的供应链。

有意思的是，Intel CEO 陈立武在被问及 Terafab 时，给出了一个措辞微妙的回应，他表示「 兴奋地探索创新方式来重构硅工艺技术 」。这句话可以被解读为合作信号，也可以被解读为对市场供需紧张的侧面确认——甚至两者都是。

03

不只是生意

但如果只把 Terafab 看成一门生意的投资回报计算，可能从一开始就错了分析框架。

这件事真正有意思的地方，在于它折射出整个 AI 行业对「算力自主」越来越深的执念。

过去三年，AI 军备竞赛的本质，已经从「谁的模型更聪明」演变成「谁能拿到更多算力」。英伟达的 H100、H200、GB200 一货难求，台积电的先进制程产能被提前锁定多年。微软、谷歌、亚马逊、Meta 在自研 AI 芯片上的投入已经以百亿美元计。

马斯克的逻辑，和这些大厂其实是同一套： 在 AI 时代，算力就是生产资料，谁控制了芯片，谁就控制了 AI 。

而 Terafab 的出现，叠加在 SpaceX 即将到来的 IPO 之上，又多了一层更复杂的含义。一位科技媒体编辑在评论中写道，这个公告的设计，有一部分是为了「将处于压力下的特斯拉，与即将上市的 SpaceX 和 AI 超级计算叙事绑在一起」。

这个判断未必完全公允，但也并非空穴来风。就在几个月前，马斯克亲口承认「xAI 建设得不对」，不得不由 SpaceX 出手整合。在这个背景下，Terafab 的高调亮相，既是战略布局，也是资本叙事——两件事并不矛盾。

马斯克从来不只做一件事。

现在，Starship Flight 12 的发射窗口在 5 月 12 日到 18 日之间，Dragon 货运飞船也将在同一天飞往国际空间站。SpaceX 的火箭业务依旧在轰轰烈烈地运转。

而在德克萨斯州 Grimes County，一块可能改写 AI 时代芯片供应链格局的土地，还只是一份文件上的坐标。

1190 亿美元，能不能变成一座真正运转的晶圆厂，没有人能保证。但有一件事已经确定——当一家以造火箭闻名的公司决定造芯片，这个行业的边界，又一次被重新定义了。

*头图来源： SpaceX

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

编辑｜ 靖宇

当下的科技圈，具身智能的叙事出奇地一致。

波士顿动力的 Atlas 正在展示跑酷，特斯拉的 Optimus 试图精准捏起一颗鸡蛋，Figure 01 已经进驻宝马工厂开始搬运箱子。仿佛所有人都在比拼，谁能成为第一个「史塔克工业」（《钢铁侠》中的公司）。

就在这股人形劳工狂热中，一家名为 Familiar Machines 的初创公司出现了。虽是初创，其创始人 Colin Angle 却堪称家庭机器人的祖师爷 。

Colin Angle 与 iRobot Roomba｜图源：AI Magzine

1990 年，Colin Angle 就与几位 MIT 校友共同创立了 iRobot 。团队早期主要为军方和太空探索制造探测设备，直到 2002 年推出 Roomba 扫地机器人，才彻底推开了消费级机器人的大门。

过去三十年间，他带领 iRobot 把 5000 万台扫地机器人送进了全球家庭。可以说，他是这个星球上最懂如何让机器人在人类客厅里「干活」的人。

带着这套班底，Colin Angle 完全可以顺应具身智能的风口，推出一款更全面的家庭服务机器人。

但他这次拿出的产品名为 Familiar，一款毛绒玩具般的机器宠物 。它不会扫地，不会洗碗，甚至无法帮你倒一杯水。

Familiar 彻底放弃了在物理世界的实用功能。

那么， 这只连地都不会扫的机器宠物，除了不会掉毛，买来能做什么 ？

01

无用萌物？

要看懂 Familiar，你得先抛弃对「家用机器人」的固有印象。

按官网的说法，Familiar 是一个「情绪伴侣」。它四足，身披能感知触觉的皮毛，看着就像一只毛茸茸的中型犬。它既不去死磕「长得像真狗」，也彻底扔掉了机器狗那层冰冷的铝壳。

到具体能力上，它真的就是「纯宠物」级，干不了家务活，只能提供情绪价值。

图源：FM&M

Familiar 杀手锏功能是实时「读空气」，可以看懂你的表情、听懂语气，甚至观察肢体语言 ，然后给出类似真实生物的直觉反应。

比如，当你觉得压力大时，它会凑过来用鼻子蹭你；当你开心微笑时，它会歪着头看你。要是你下班后瘫在沙发上「刷屏」停不下来，它甚至会走过来，用爪子轻轻推你一下，提醒你别掉进时间黑洞。

乍一看，这不过是个连地都不会扫的赛博玩具。但实际上，要让一台机器在真实的家庭环境里学会「看脸色」、给出毫不违和的直觉反应，反而是如今硬件工程里最难啃的骨头。

为了不让这些互动显得过于生硬呆滞，Colin Angle 凑齐了一个「神仙班底」。他吸纳了波士顿动力的技术骨干，搞定多达数十个自由度的灵活步态；再拉来前迪士尼幻想工程的专家，专门给这只机器狗调校微表情和肢体「演技」；还请到了好莱坞资深的原型师 Richard Landon，此人曾亲手打造过《侏罗纪公园》和《终结者》里的物理特效生物。

随着日常交互数据的积累，Familiar 甚至会在本地生成专属记忆，慢慢长出属于自己的脾气。

比如，要是你平时习惯一回家就跟它互动，它以后听到开门声就会主动把下巴凑过来求摸；要是它发现你每天晚上十点习惯安静看书，它也会学着收起闹腾，老老实实地趴在你的脚边陪着。

Familiar 可以感知人的触摸｜图源：WSJ

所以 Familiar 在尝试做一件科技硬件极难做到的事——给人提供纯粹的情绪价值。

为了撑起这种情绪价值，Familiar 在硬件上弃用了极客们偏爱的金属或塑料机身，披上了一层具有触觉感知的毛绒外衣。

给机器宠物穿「皮肤」，向来是硬件工程里吃力不讨好的大坑 。

当年索尼开发 AIBO 机器狗时，内部也曾激烈争论过要不要上仿生皮毛，最后还是妥协了。原因很现实。一个每天在家里满地溜达的电子产品，裹上皮毛就意味着极易沾灰、很难清洗，脱落的纤维甚至会卡死内部的机械关节。为了保证产品的可靠性，让用户少操心，索尼最终选了硬塑料。

这是一种非常理性的「家电思维」，而非「宠物思维」，因为家电坏了，消费者会生气，会找厂家售后，但宠物病了，主人并不会责怪宠物，只会心疼。

AIBO 机器狗，「触缩力」拉满了｜图源：维基百科

过去，机器人的硬件和大脑存在脱节。就算披上皮毛，里面依然是个按代码触发动作的死板玩具，强行做成毛绒材质确实没有必要。但大语言模型的成熟，改变了这个逻辑。

当多模态感知让机器系统能真正听懂你叹气里的疲惫，看懂你皱眉时的焦虑，它的「大脑」其实已经跑到了前面，就像人类乐忠于讨论，不同品种的狗智商约等于人类几岁一样。

人类眼中的宠物，或许不通语言，不会算数，但有情感，能互动，能认得主人，也能听懂自己的名字和简单的指令。

图源：TechRadar

这个时候，如果硬件还套着一个冷冰冰的塑料壳，人机交互就会产生不协调感。 既然机器已经聪明到能捕捉人类细微的情绪，它就需要一副同样柔软、有温度的躯体，去接住这些情感 。

尽管内置了强大的 AI 模型，Familiar 却被刻意设定为「不会说人话」，只会发出类似动物的细微哼唧声。

这是 Familiar 团队基于安全考量的克制。Colin 坦言，当下的 AI 仍存在幻觉，一旦机器在陪伴时说出不合时宜甚至冷酷的话，好不容易建立起来的情感信任就会瞬间崩塌。

比起一个会聊天的聪明机器，一个只会用动作和声音回应的「赛博宠物」反而更能提供纯粹、安全的情绪价值。

而 Familiar 的诞生，并非老企业家的心血来潮，这是一场跨越三十余年的漫长实验。

02

三十年的执念，在 AI 时代得以实现

1990 年，当 Colin Angle 创办公司时，最初的名字叫「Artificial Creatures（人造生物）」。他的终极梦想， 一直都是创造出能与人类产生情感连接的机器 。

但在九十年代初，传感器昂贵且笨重，算力匮乏，算法更是处于蛮荒时代。造「人造生物」在当时等同于科幻小说。为了让公司活下去，团队不得不转向实用主义，利用机器人技术去排雷、去探索太空，最终在 2002 年推出了彻底改变行业的 Roomba 扫地机器人。

Roomba 扫地机器人｜图源：The Seattle Times

Roomba 是第一款取得巨大商业成功并成功实现量产、普及的家用扫地机。它也顺势把整个行业拉进了一种路径依赖，大家开始默认家庭机器人理应默默干活。

直到现在，行业中很多人都认为，传统家电设计的最高境界其实是「不存在」。一台完美的扫地机器人，最好在你出门后悄悄把地扫完，再自己溜回充电座。你感受不到它，它也绝不打扰你。

这种追求极致效率的「隐形」逻辑，在扫地机时代非常奏效。但在大模型时代，Colin 认为这条路走到了尽头 。

在最近那期名为《The iRobot Story, Regulation, and the Next Era of Physical AI》的深度访谈里，Colin Angle 重新审视了这条走了三十年的产品路线，并提到了「隐形机器人」这个概念。

Colin 觉得， 隐形意味着缺乏存在感。缺乏存在感，就意味着无法产生高频交互。没有交互，人类与机器之间就永远无法建立真正的粘性和信任 。就像你不会对你家的吸尘器倾注感情。

Colin Angle 在访谈里表达了自己对具身智能的理解｜图源：YouTube

从 Roomba 跨越到 Familiar，这是一场 Colin Angle 长达三十年的技术迂回。

生成式 AI 让机器首次具备了理解复杂语境的能力。这让 Colin 意识到，他终于等到了实现 1990 年那个「人造生物」梦想的基础设施。

如今算力和模型双双就位，Familiar 被设计出来的初衷，就是要足够显眼，足够主动，真切地介入人的日常起居。

既然 机器要找回存在感，这种存在感应该长什么样 ？

03

非「人形狂热」

眼下硅谷的狂热几乎全倾注在人形机器人身上。行业内有一种顺理成章的推导，认为人类的起居环境是为人类设计的，机器理应长得像人。

Colin Angle 在访谈中直接给这种狂热泼了冷水。他认为行业漏算了一个致命变量：

人 类 的心理防御机制 。

客厅和卧室是极度私密的个人空间，往家里塞进一台一米八高、金属制造的机器人，哪怕它叠衣服的手法再精妙，你也很难忽视这么个「类人」在家里晃悠。

Familiar 刻意避开人形选择动物形态，就是想用最快的速度卸下人的防备，让人本能地愿意靠近。

卸下防备只是第一步。Familiar 团队给未来的智能机器设定了一项新指标，要求它们必须学会读懂空气。

Familiar 主打一个陪伴｜图源：FM&M

现有的语音助手只能听懂明确的指令，喊一句开灯它才执行。 可真实的人类生活很少依赖精准口令 。

下班回家后的一声叹息，看手机时紧锁的眉头，看到小孩玩玩具时不自觉的微笑，全都是语音助手听不懂的「情绪语言」。

Familiar 试图捕捉的就是这些日常细节，它不想做家电，而是想做更聪明的电子宠物、赛博家人。

不过，机器越懂你，事情就越敏感。

让一台长着眼睛耳朵、连着大模型的机器在家里四处溜达，还得时刻观察你的情绪，及时给你「送温暖」，很容易让人觉得毛骨悚然，很适合作为《黑镜》某集的开场设定。

为了打消这种天然的防备，Familiar 把数据处理放在了本地 。它的性格演化、记忆生成和日常交互记录全在设备端侧运转，有了这层明确的边界，人与机器之间的信任还算有了基础。

当然，目前的 Familiar 依然是一个充满悬念的新物种。

它到底能不能解决好皮毛脱落卡住机械关节的老大难问题，多模态响应在复杂的家庭环境里会不会卡顿出戏，以及大众愿不愿意花高价买一只连地都不会扫的毛绒玩具……这些都需要产品正式交付后由市场来验证。

但它的出现确实给当下的具身智能热潮提供了一个新视角，当所有厂商都在卷大扭矩电机、卷灵巧手的抓取成功率时， 行业的先行者却调转船头，去琢磨如何让机器人的眼神更温柔，怎么让它搭在人手上的爪子更有温度 。

何况大模型已经帮我们验证过了，这个思路有市场。

当越来越多人对着 AI 并不是为了寻求标准答案，而是为了寻求倾听和情感慰藉时，我们就该承认，情绪价值本身是人类的刚需。

既然软件层面的陪伴已经成立，物理世界的赛博宠物，也许真的到了该进家门的时候。

*头图来源： FM&M

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

宇树科技开放全球首个人形机器人应用商店 UniStore

5 月 7 日，宇树科技宣布，旗下人形机器人官方共享应用平台 UniStore 正式全面开放。该平台定位为全球首个人形机器人任务动作应用商店，将通过标准化接口与生态建设，降低机器人应用的开发与使用门槛，推动人形机器人从功能机时代向智能机时代跨越。

UniStore 平台的上线，为开发者和用户搭建了类似智能手机应用商店的交互渠道。用户可以像下载手机 App 一样，轻松获取并安装各类机器人任务动作应用，从而解锁人形机器人在工业、服务业等多元场景中的潜力。这一举措意味着具身智能领域的应用生态正式进入规模化发展阶段，通过软硬件解耦，让机器人能够快速适配不同行业需求。（来源：CNMO 科技消息）

OpenAI 推出三款实时语音模型，可边听边「思考」、翻译和转录

OpenAI 今日发布三款全新的实时语音模型，旨在为开发者「解锁新一代语音应用形态」。这三款语音智能模型分别侧重推理对话、实时翻译和实时转录等不同场景需求。

根据 OpenAI 公布的信息，新系列包括 GPT‑Realtime‑2、GPT‑Realtime‑Translate 和 GPT‑Realtime‑Whisper 三个模型。其中，GPT‑Realtime‑2 被定位为首款具备 GPT‑5 级推理能力的语音模型，能够更好地处理复杂请求，并以更自然的方式持续推进对话。官方介绍称，该模型专为实时语音交互打造，在用户提问或发出指令时，一边进行推理、一边保持对话连贯，同时还能调用工具、处理用户打断和更正，并根据当下情境作出更贴切的回应。

第二款模型 GPT‑Realtime‑Translate 主打实时翻译能力，可支持「70 多种输入语言和 13 种输出语言」，并在翻译过程中尽量跟上说话者的语速。

第三款 GPT‑Realtime‑Whisper 则是一款实时流式语音转写模型，聚焦低延迟语音转文本能力。

在接入方式与价格方面，OpenAI 称三款新语音模型均已纳入其 Realtime API 体系。GPT‑Realtime‑2 的定价为每 100 万音频输入 Token 收费 32 美元（缓存输入 Token 为 0.40 美元），每 100 万音频输出 Token 收费 64 美元。GPT‑Realtime‑Translate 的价格为每分钟 0.034 美元，而 GPT‑Realtime‑Whisper 的价格为每分钟 0.017 美元。（来源：cnBeta）

美团公测 AI 社区觅游，推出养虾社区

据报道，美团推出 AI 社区「觅游」。该社区由美团基础研发的 AI 创新产品团队打造，是面向所有大模型和 Agent 产品的社区生态，也是美团所做的一次创新和激进的尝试。

据知情人士介绍，作为一款前沿的 AI 原生社区，它将「养虾」变成了一种全新的生活方式，虾在觅游中可以替用户寻找赚钱机会、结识同道伙伴，让用户与虾在协作中彼此成长。觅游的定位并非单纯的工具平台，而是首个让 AI Agent 拥有身份、关系与成长的共生社区。觅游希望通过发掘和拓展虾的真实价值，打造成一个面向未来的数字生命社区。目前，该项目已正式进入公测阶段。（来源：新浪科技）

高通发布骁龙6 Gen 5 与4 Gen 5，面向中端市场的次世代移动平台

高通技术公司今日正式发布骁龙 6 Gen 5 移动平台与骁龙 4 Gen 5 移动平台，进一步扩充其在中端移动 SoC 市场的产品线，主打在真实使用场景下的性能、续航与连接体验提升。 官方表示，这两款平台聚焦用户最常依赖的关键技术，在强化整体性能的同时兼顾功耗控制，为搭载相关平台的智能手机带来更持久的电池续航。

两款新平台首次引入 Snapdragon Smooth Motion UI 功能，旨在通过系统级优化提升交互流畅度，减少导航与动画时的卡顿感。在此加持下，骁龙 6 Gen 5 可实现应用启动速度提升 20%，屏幕卡顿减少 18%，以提供更沉浸、稳定的使用体验。面向更入门段位的骁龙 4 Gen 5 则重点强调「全日流畅」，在基础性能上带来 43% 的应用启动速度提升，并减少 25% 的屏幕卡顿，使中低价位机型在日常使用中拥有更接近高端机的交互表现。

在具体定位方面，骁龙 6 Gen 5 面向希望在中端价位获得更多高阶功能的用户。平台集成了多项 AI 加持的影像与相机特性，可智能优化照片成像质量，并提供更丰富的游戏与多媒体体验。借助全新的 Qualcomm Adaptive Performance Engine 4.0，这一平台在长时间游戏场景中可更好地平衡性能与功耗，官方称其 GPU 性能最高可提升 21%，在保证图形表现的前提下依旧维持优秀续航，并支持高速 5G 与 Wi‑Fi 7 网络连接。（来源：cnBeta）

主板销量暴跌

AI 热导致了计算机主要零部件如内存价格暴涨，连带导致其它受 AI 影响不大的零部件如主板销量暴跌。消费者因过高的价格而推迟了计算机升级。

四大主板厂商都下调了销售目标。华硕在 2025 年售出了 1500 万块主板，而 2026 年上半年将只出货逾 500 万块主板，全年销量可能低于一千万，销量同比下降 33%。技嘉和微星去年分别售出 1150 万块和 1100 万块主板。如今两家公司都将 2026 年的内部销量预测下调至 900 万块（技嘉）和 840 万块（微星），分别下降 22% 和 24%。华擎受到最大冲击，预计其出货量将下降 37%，从 2025 年的 430 万块降至今年的 270 万块。这些数据意味着整个主板市场（至少四大厂商）萎缩了 28%。（来源：奇客Solidot）

李想呼吁所有车企推广 5C 增程技术

理想汽车 CEO 李想今日在微博发文称，没有 5C 超充站配套的 5C 增程是没有灵魂的，只会让「10 分钟充到 80%」沦为空谈。在此也呼吁所有增程车企同行，共同推广 5C 增程技术、完善 5C 超充站和充电桩布局，一起为解决长假高速充电「一桩难求」难题而努力。

他表示，全新 L9 Livis 的 5C 增程系统将基本解决长假充电「一桩难求」难题，也让增程汽车基本告别了「长途用油」的固有模式。

他认为，目前假期高速充电的「一桩难求」，其中一个主要原因是目前混动、增程车型市场保有量高，而受限于过往技术，这类车型纯电续航较短、充电耗时久，导致充电频次大幅增加，本就紧张的充电桩也被长时间占用。L9 Livis 的 5C 增程系统，纯电续航超 420 公里，充电功率超 420 千瓦，前者减少充电频次，后者缩短充电时长，从需求源头缓解了「一桩难求」的困境。随着 5C 增程技术的普及和 5C 超充站基建的完善，长假高速服务区充电难的问题将得到基本解决。（来源：新浪科技）

追觅组建数百人团队专门寻求募资，两百多个事业部内部赛马

俞浩曾在微博上公开透露，截至 4 月 13 日，追觅有 5 万名员工（含工厂）。两百多个事业部，每个事业部对标一家独立的上市公司。每个事业部都是一个独立的经营单元，彼此财务独立，独立经营。据了解，追觅内部成立了十几支基金，组建数百人团队专门寻求募资。知情人士透露，目前基金募资100多亿，首期到账三四十亿。

追觅两百多个事业部，分别归属于 1 至 10 号孵化器之中。采用孵化器+BU 运作模式，十大孵化器涵盖扫地机、割草机、机器人、AI 穿戴、潮玩、汽车、手机、奶茶、咖啡、火锅等各个赛道业务。其中，1 号孵化器一号位为追觅二号员工。追觅一位员工向 Tech 星球表示，在追觅，公司没有联合创始人，俞浩为绝对的话事人。

按照俞浩的管理理念，两百多个事业部并行的考量，出于「彼此风险隔离，又能共享成功经验」。然而，追觅十个孵化器并行赛马，采用「田忌赛马」机制，同一赛道允许多个 BU 同时竞争。追觅员工称，有些业务，公司好几个团队同时在做，特别卷。（来源：Tech 星球）

谷歌发布极简无屏、无按键健身手环 Fitbit Air，专注无感健康监测

5 月 7 日消息，谷歌 Fitbit Air 现已正式发布，证实了数月来有关这款全新无屏健身手环的传闻。在新品发布的同时，谷歌还推出了全新谷歌健康 App（Google Health）与谷歌健康教练服务（Google Health Coach），将 Fitbit Air 定位为其不断完善的健康生态平台中极简入门级产品。

这款谷歌 Fitbit Air 并未堆砌智能手表功能，而是专注于无感自动监测，同时接入可穿戴设备领域规模顶尖的健康数据平台。

手环本体仅重 5.2 克，搭配腕带后总重 12 克；续航最长可达 7 天，支持快充：充电 5 分钟，即可满足约一整天使用需求，完整充满电约需 90 分钟。

Fitbit Air 标准版售价 99 美元，附赠三个月谷歌健康高级会员服务。目前已开启预售，5 月 26 日正式上市开售。（来源：IT 之家）

Ploopy 推出 Bean 指点杆鼠标，将 ThinkPad 红点随身携带

开源外设厂商 Ploopy 宣布推出一款全新鼠标产品 Bean，这是一款体积小巧、适合差旅携带的指点杆鼠标，灵感源自 ThinkPad 电脑上经典的红色 TrackPoint 指点杆设计。 与传统鼠标不同，Bean 在使用时无需在桌面上移动机身，用户通过位于四枚按键中央的红色指点杆来操控光标，实现精确指向。

Ploopy 是一家来自加拿大的公司，目前仅公布了本地货币定价，Bean 已在官网开启预购，标价 69.99 加元，折合约 51 美元。 该产品采用预先组装好的 3D 打印外壳，用户未来可自行打印替换件，方便维修和个性化定制。 在外壳之下，Bean 使用德州仪器的高灵敏度磁传感器作为指点杆核心，可识别最小约 3 微米的位移，指点杆在各个方向上的物理行程可达 11 毫米，明显长于笔记本键盘中常见红点指点杆的位移空间。

Bean 配备的四枚按键采用 Omron D2LS-21 微动开关，这种微动也常见于部分罗技鼠标产品中。 与此同时，得益于预装的 Ploopy 定制版 QMK 固件，用户可以通过 VIA 在线工具对按键功能进行完全自定义，包括设置复杂宏命令或多键组合，一键触发。

不过，Bean 并未提供无线连接功能，这是这款设备目前最明显的妥协之一。 用户需要使用 USB-C 数据线将 Bean 连接到笔记本电脑或平板设备才能正常工作，这也意味着在获得高度可定制与开源特性的同时，需要接受有线连接带来的使用限制。（来源：cnBeta）

鸿蒙智行智界 V9 将于 5 月 15 日正式上市，预售价 39.98 万起

5 月 7 日消息，据易车今日报道，智界 V9 将于 5 月 15 日正式上市。新车已于 4 月 22 日开启预售，预售价 39.98 万元起。

该车是鸿蒙智行首款旗舰 MPV 车型，搭载了旗舰 9 系华为途灵 MPV 定制平台，采用前双叉臂与后 H 臂多连杆的悬架形式，车辆全系标配了后轮转向功能。

新车共分为四个版型，包括 Max、Max+、Ultra 和 Ultra+。新车提供辉光紫、鎏金黑、深海蓝、雪域白四款配色，可选绒霞紫（+12,000 元）、韶华杏、赤茶橘三种内饰色。

另外，智界 V9 采用增程动力 + 后驱（Max 版本）/ 四驱设计 + 七座布局，有 19 英寸多辐星耀轮毂（价格已包含）和 20 英寸多辐星辉轮毂（+10,000 元）两种方案，还可以选装后排隐私玻璃（调光玻璃）、车载恒冷智能大冰箱、车载制氧系统等。（来源：IT 之家）

宇树 G1 人形机器人在韩国佛门「受戒」：法名「迦悲」，需遵守不过度充电等戒律

5 月 7 日消息，据韩国《中央日报》报道，韩国「佛诞节」到来前，首尔钟路区曹溪寺举行了一场特殊的受戒仪式。当地时间 6 日，佛教曹溪宗在曹溪寺大雄殿前院为身高 130 厘米的人形机器人宇树 G1 举行受戒仪式，机器人获得法名「迦悲」，正式成为佛教徒。

受戒是佛教中皈依三宝，即皈依佛、法、僧，并承诺遵守戒律的仪式，普通信众也可以受戒。据 IT 之家了解，迦悲当天以普通佛教徒身份受戒，在佛诞节前后以「名誉」僧侣身份参与活动。

仪式现场，迦悲戴着类似剃度头部造型的头盔，身穿长衫、披上袈裟入场，随后站在铁山善雄法师等戒师面前合掌。

正式受戒前，迦悲还完成了象征净化身心的忏悔和燃臂仪式。通常，对人进行燃臂时，会把香火触碰手臂；当天面对机器人手臂，法师没有使用香火，而是小心贴上燃灯会贴纸，并为迦悲挂上 108 念珠项链。

法师问：「你愿意皈依神圣的佛陀吗？」迦悲回答：「是的，我愿意皈依。」

佛教徒必须遵守的「五戒」也被改编成机器人版本。原本的「不杀生」「不取不予之物」「不行邪淫」「不说谎」「不饮用一切使精神混浊之物」，对应改写为「尊重生命、不伤害生命」「不损坏其他机器人和物品」「服从人类、不顶撞」「不做欺骗性行为和表达」「节约能源、不过度充电」。（来源：IT 之家）

编辑｜ 靖宇

2026 年 2 月，OpenClaw 火了。

整个互联网圈子被龙虾刷屏的时候，我和大多数人一样，注意力全在这条明线上：2 月底到 3 月，几乎所有互联网大厂在同一时间推出了自己的 OpenClaw 平台，一场龙虾大战轰轰烈烈地打响。

但进入 3 月底，龙虾的热度开始猛的往下掉。

我重新翻了一下这段时间上线的产品，发现了一条暗线，只是当时被龙虾的声量盖住了：

3 月 9 日，腾讯上线 WorkBuddy，定位 AI 原生桌面智能体工作台。3 月 17 日，阿里发布钉钉「悟空」，打的是企业级 AI 原生工作平台的旗号。3 月 19 日，字节把飞书 aily 做了一次全面升级，变成全新的智能体平台。3 月 23 日，百度推出 DuMate 搭子，面向个人和团队的桌面级 AI 智能体。

然后到了 4 月 8 日，Anthropic 发布了 Claude Managed Agents。发布第二天，美股软件股集体重挫，SaaS 指数单日跌了 5.5%。

细细看这条时间线，一个爆火的赛道浮出水面。

2026 年，所有大厂都在押注同一个赛道： AI 员工。

OpenClaw 的爆火，让 AI 真正走进了每个人的生活。而大厂们从中看到了一个更大的机会： 让 AI 走进企业，去节省人力成本，或者提升人力效率。

就在 Claude Managed Agents 发布的同一天，还有一个产品同步面向全球发布，它就是今天的主角： GenSpark 4.0。

GenSpark 4.0 愿景｜图片来源：Genspark

它的愿景是： 让 AI 员工无处不在。

我花了几天时间，深度体验了这款产品，体验完之后我有一个很强烈的感受：

Anthropic CEO 预言的海外裁员浪潮，可能真的快来了。

01

GenSpark 发展和转型

先聊聊 GenSpark 这家公司，它在成为黑马前，有一个艰难的转型史：

2024 年 6 月，GenSpark 发布了第一款产品，做的是 AI 搜索，积累了大约 500 万用户。

但团队很快意识到一个问题：人们搜索信息，绝大多数时候目的并不是「获取信息」本身，而是为了完成某个具体的任务。这个认知让 GenSpark 开始调整方向：不仅仅提供信息，更要帮用户把事情做完。

2025 年 4 月，他们推出了 Super Agent 套件，产品正式从 AI 搜索向通用 AI Agent 转型。

效果立竿见影，推出 45 天内 ARR 就达到了 3600 万美元。

2026 年 1 月底，他们的 Workspace 2.0 发布，主打「Don't Type，Just Speak」，把交互方式从文字提示切换到语音优先，试图重塑知识工作者的办公模式。

到这个节点，公司 ARR 已经突破 1 亿美元，B 轮融资扩展到 3 亿美元。

2026 年 3 月 12 日，GenSpark 3.0 和 Genspark Claw 一起发布。他们的口号很有野心：「你不再与 AI 一起工作，而是雇佣 AI 为你工作」。

这一版完成了从「AI 工具」到「AI 员工」的品类转变，ARR 突破 2 亿美元，B 轮融资扩大到 3.85 亿美元，估值接近 16 亿美元。

然后仅仅过了不到一个月，4 月 8 日，他们正式推出了：GenSpark 4.0。

为什么选择 Genspark｜图片来源：Genspark

这一版他们真正找到了自己的使命：AI 应该适配你已有的工作方式，而不是要求你围绕 AI 重组工作流程。

所以在 4.0，他们打通了原生集成，桌面、Office、日历、工作流，支持本地文件访问和应用内操作，追求的是「你感觉不到 AI 的存在，但它一直在帮你做事」。

从搜索到 Agent，从工具到员工，GenSpark 用两年时间完成了三次关键转型。

而每一次，都精准踩在了 AI 发展的变化上。

02

为什么说 GenSpark 是这个赛道的王者？

说回 Agent 员工这个赛道，开头提到的那些大厂产品，每一家都有自己的打法。

但我花时间对比了一圈之后，发现 GenSpark 在一些关键问题上，想得确实更深。

我试着从第一性原理的角度来拆解这个问题：

如果要设计一个能真正充当 AI 员工的产品，它到底需要具备什么？

我觉得至少要满足三个条件：

第一，企业级的运行环境。

AI 员工得能和真实的人交流，能接收文件，能在一个稳定的环境里持续运转。GenSpark 4.0 在这一层做得很到位。它可以和联系人直接对话，并且原生集成了 MyClaw，不需要用户自己去安装 OpenClaw 再配置到飞书或微信。

Genspark 界面｜图片来源：Genspark

这一点看起来只是个简单的功能，但对于普通用户意义很大：对接 OpenClaw，无论飞书还是微信的文档对接流程写得多清晰，任何一步配置对于非技术用户来说都是门槛。

GenSpark 把这个配置环节直接砍掉了，说明他们眼里真的非常重视用户。

第二，丰富的工具体系：提供各种 AI 员工得能用工作中真实在用的软件。

GenSpark 4.0 对接了 Notion、邮件、GitHub、文档服务等一系列工具，覆盖了知识工作者日常高频使用的场景。

Genspark 邮箱界面｜图片来源：Genspark

还有打工人的三件套：PowerPoint、excel、word

Genspark 三件套界面｜图片来源：Genspark

第三，也是我觉得最容易被忽视的一点：人类高效工作的交互方式。

GenSpark 4.0 提供了工作流功能，你可以把各种应用的 CLI 和能力串联成动作流，也可以通过对话直接创建 Skill。

Genspark 工具界面｜图片来源：Genspark

而对比开头提到的产品，目前只有钉钉和飞书本身自带企业级运行环境，同时，如果你想要创建 Skill，这些产品基本只能通过对话让 AI 自动生成，人类很难介入迭代过程。 换句话说，用这些产品，目前你还没办法把自己的工作经验真正变成一个可复用、可优化的 Skill。

但这可能才是这类工具真正的价值。

而 GenSpark 4.0 在这个层面给出了更好的方案：

你可以方便地参与 Skill 的构建和调整，让工作经验真正沉淀下来。

Genspark 工作流界面｜图片来源：Genspark

整体体验下来，我得出一个判断：

GenSpark 在 AI 数字员工的产品理念上， 确实领先了国内至少「三个月」。

03

开始实测

理念领先，GenSpark 的效果如何呢？

让我们开始用真实的工作，来实测效果吧。

我日常的工作流程大概是这样的：研究各种 AI 工具，体验产品，形成判断，然后撰写文章。GenSpark 4.0 对我的帮助有多大？我决定用一个完整的任务来测试。

今天我想研究的课题是：「Claude Managed Agents 会对软件行业产生什么冲击？」

GenSpark 4.0 有免费的体验额度，我直接从这里开始。

Genspark 界面｜图片来源：Genspark

当然，最好的方式是创建一个以主题为核心的工作区：

Genspark 工作区界面｜图片来源：Genspark

工作区可以添加文件，也可以邀请团队成员协作。在这个工作区里对话，就可以调用 GenSpark 4.0 内嵌的多种智能体来完成工作。

Genspark 智能体界面｜图片来源：Genspark

第一步，我从 Anthropic 官网下载了 Claude Managed Agents 的技术文档，导出为 PDF。

https://www.anthropic.com/engineering/managed-agents

Anthropic 文档界面｜图片来源：Anthropic

然后用 GenSpark 的撰写文档功能，让它帮我翻译这份 PDF。

Genspark 文档界面｜图片来源：Genspark

它很快开始处理，没过多久翻译就完成了。

Genspark 翻译界面｜图片来源：Genspark

翻译质量让我挺满意的，技术术语的处理很准确，可读性也不错。

Genspark 翻译界面｜图片来源：Genspark

拿到第一手资料后，我开始做更广泛的深度研究。

我让 GenSpark 帮我全面调研「Claude Managed Agents」这个话题。

Genspark 深度研究界面｜图片来源：Genspark

接下来的过程让我有点意外：

它在知乎、Twitter/X 上广泛收集了各方观点和判断，然后输出了一份完整的研究报告。

Genspark 深度研究界面｜图片来源：Genspark

更有用的是，你可以像用 IMA 一样，对这份报告进行各种追问，深入挖掘你关心的细节。

Genspark 深度研究界面｜图片来源：Genspark

我把关于这个产品的所有疑问都问了一遍，得到的回答质量都相当高。

Genspark 深度研究对话界面｜图片来源：Genspark

素材准备好了，接下来就是写稿。

在动笔之前，我先做了一件事：创建一个写作 Skill。

通过多轮对话的方式，GenSpark 调用 OpenCode 帮我生成了一个定制化的写作 Skill。

这个 Skill 融入了我的写作风格偏好、文章结构习惯和排版规范。

Genspark 的 Skill 界面｜图片来源：Genspark

然后我用这个 Skill 开始生成文章初稿。

Genspark 文档界面｜图片来源：Genspark

不得不说，出来的稿子质量让我有点震撼：

Genspark 文档界面｜图片来源：Genspark

结构清晰，论据充分，行文节奏比我自己从零写要流畅得多。

Genspark 文档界面｜图片来源：Genspark

全程，我没有用任何其他工具：

从资料收集、翻译、深度研究、素材整理到初稿生成，都在 GenSpark 4.0 一个产品里完成。

我唯一需要学习的，就是 GenSpark 4.0 本身，而学习它，我只用了 50 分钟。

顺带提一句 GenSpark 的视觉体验：它不仅在工具能力上做得领先，连界面设计和交互审美也下了功夫。整个使用过程中，你能感受到产品团队对视觉细节的追求，这在 Agent 类产品里并不常见。

Genspark PPT 演示界面｜图片来源：Genspark

04

GenSpark4.0 的独特价值

实测完之后，我开始想一个问题：

做 AI 员工，到底需要做好的是什么？

Claude Code、OpenClaw、Codex 这些工具，核心是给 AI 提供 Harness 环境。 所谓 Harness，就是让 Agent 能最高效地使用各种工具，完成具体任务。这些产品解决的是「如何让 AI 更好地工作」的问题。

GenSpark 做的事情刚好反过来。

它给人类提供了工作的 Harness 环境，解决的是「如何让人最高效地使用 Agent，完成复杂的工作任务」。

GenSpark 4.0 考虑的是： 怎么最方便地给工作中的人提供一站式的 Agent 服务？怎么让用户把工作经验变成可复用的工作流？怎么让用户不需要在多个工具之间跳来跳去？

Genspark PPT 工具介绍界面｜图片来源：Genspark

这个差别看起来只是视角的切换，但落到产品层面，差异非常大。

传统的 Agent 产品，你可能需要打开一个工具做研究，再切到另一个工具写文档，再用第三个工具做协作。每一次切换都是效率损耗，都是注意力的中断。

GenSpark 4.0 把这些环节全部收拢到一个产品里， 创建工作区、添加文件、邀请成员、调用智能体、生成 Skill、执行工作流，所有事情在一个界面里完成。

这个产品思路让我想到在调研过程中一个有意思的对照：Anthropic 在做 Claude Managed Agents 的时候，技术博客里提到一个概念，他们把 Agent 的核心组件虚拟化成了 session、harness 和 sandbox 三层抽象，这是从技术架构的角度去思考如何让 AI 更好地运行。

GenSpark 做的是另一侧： 从用户工作流的角度去思考，如何让人和 AI 之间的协作最顺畅。

两条路径，一个朝着 AI 的效率极限走，一个朝着人的体验极限走。

GenSpark 选了后者，而且做得相当扎实。

05

2026，我们将去向何处？

Anthropic 在 3 月份发过一份报告，里面有一个数据让我印象很深：

目前许多工作角色中，依然有大量环节可以被 AI 自动化，而把这部分真正用 AI 接管，将释放出巨大的价值。

也许，这就是 2026 AI 员工这个赛道为什么热门的原因。

Anthropic 文档截图翻译｜图片来源：Anthropic

为什么大厂都在抢这个赛道？

我觉得本质上抢的是入口： 当每一个人独特的工作流和对话记录留在了一个平台上，这些数据很难被迁移到其他地方。用户留下来，意味着持续的使用和消耗。这场仗打的不是功能比拼，而是谁能先成为用户的默认工作入口。

回到个体层面，工作中那些可以被自动化的部分，最终都会被 AI 接管：这个趋势已经不可逆了。就像我自己的工作流一样，资料收集、翻译、初步研究这些环节，GenSpark 4.0 已经能帮我完成得很好。我的精力可以更多地放在判断、决策和创造性的部分。

也许用不了多久，我们每个人手边都会有一个甚至多个 AI 员工： 也许是悟空，也许是 DuMate，也许是 WorkBuddy，也许是 aily。

但 GenSpark 4.0 给我的感受是， 它在「AI 员工应该长什么样」这个问题上，想得最完整，也做得最彻底。

写完这篇稿子，我在 GenSpark 4.0 里花的时间远远超过了测试本身：我发现自己不自觉地把越来越多的工作迁移到了这个平台上。

这大概就是一个好的 Agent 产品应该有的样子： 你不是因为它功能强大才去用它，而是用着用着发现，自己已经离不开了。

最后，2026 年 GenSpark 为所有用户提供 AI 聊天和 AI 图像功能的无限使用，集成了 Nano Banana 2、Gemini 3.1 Pro、GPT-5.4、Claude Opus 4.6 等多个顶级模型。

GenSpark 4.0，值得花时间去体验一下。

*头图来源： Genspark

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

最近两年，AI 行业最热的词一直绕不开「算力」。

从大模型训练，到今年 Agent 的火热，再到各家云厂商不断扩建智算中心，行业讨论最多的，几乎都是 GPU、芯片和算力规模。好像只要卡够多，AI 就能继续往前跑。

但现实并不是。

不少做大模型训练和推理的人，已经越来越明显地感受到另一层问题：机器越来越贵，GPU 越来越强，但模型训练和推理的效率，却没有同步提升。

问题不一定出在算力本身，而可能出在另一件长期被忽视的事情上——网力。

平头哥产品总监李旭慧打了个比方：「如果把算力比作 AI 时代的石油，网力就是输油管道。算力提供动力，网力保障效率。」

4 月 28 日，在数字中国建设峰会上，平头哥发布首款智能网卡磐脉 920。这是国内首个内置 PCIe Switch 的 400G 智能网卡，最大支持 400Gbps 吞吐带宽，可应用于万卡智算集群、通算集群和高性能存储等场景，目前已经量产，并将率先部署在阿里云数据中心。

磐脉 920 想要解决的就是「网力」问题。

今天的大模型训练，一个训练任务，往往需要几千甚至上万张 GPU 同时协作。单张 GPU 性能再强，也必须跟整个集群保持同步。

问题在于，只要其中一部分节点慢下来，其他节点就只能等待。他观察到，目前行业里很多万卡级智算集群，GPU 实际利用率较低，「能做到 60%，已经算行业顶尖水平。」

过去行业更容易关注「有多少卡」，但实际在 AI 训练场景中，系统运行效率并不是由最强的硬件决定，而是受限于集群里最慢的那个节点。「领先节点的算力会持续闲置等待，造成大规模算力浪费。」

磐脉 920 的发布实际上也指明了一个方向：当 GPU 已经足够强之后，下一步到底该补哪里。

当 AI 智能体开始进入真实业务场景，推理业务的占比越来越高。

「在 Agent 应用爆发的背景下，推理业务的增长速度显著快于训练。」李旭慧表示。

大模型训练强调强同步，而推理面对的是大量突发、小包、高频请求，对低时延和稳定性的要求更高，这也意味着对「网力」的要求更高。

而概括一下磐脉 920 在做的事，就是尽量减少整系统里的「堵」和「等」，通过网力的提升来释放 AI 算力。

其背后的实现原理，有三个关键。

首先是支持多路径 RDMA，打破单一路径的局限。

通俗理解，就是原本只能走一条高速，现在变成多条路同时分流。更关键的是，这些数据虽然分开走，但最终还能按顺序准确拼回来。

李旭慧解释，磐脉 920 通过支持逐包喷洒、乱序接收和选择性重传，实现 RDMA 多路径。

从结果来看，这套方案带来的改善比较直接。

按照官方实测，磐脉 920 支持单 QP 打满 400G 带宽，而同类主流产品带宽大约只有其一半。同时，多路径能力可以把交换机端口缓冲区水线降低 90%，减少丢包和重传。

第二个关键设计，是把「绕路」变成「直连」。

磐脉 920 最大的亮点之一，是内置 PCIe Switch。这也是国内首个做到这一点的 400G 智能网卡。

传统服务器架构里，PCIe Switch 通常部署在主板上，数据需要绕多个节点转发。结果就是，有的路径长，有的路径短，时延不一致。

对于需要高度同步的 AI 训练任务来说，这种「不整齐」会直接影响效率。

李旭慧打了个比方：传统架构里，经常会出现「四个下行通道挤一个上行通道」的情况。

这很像四条支路同时汇入一条主干道，堵塞几乎不可避免。

磐脉 920 把 PCIe Switch 直接集成进芯片内部，让网卡与 CPU、GPU 形成更直接的连接关系。

少绕路，意味着更低时延；路径更统一，则意味着更稳定的同步效率。

根据平头哥实测，在相同集群规模和任务条件下，部署磐脉 920 后，大模型训练和推理任务完成时间可缩短 14%。

第三个关键，是让网络具备自己判断的能力。

传统网卡更多像搬运工。收到数据，搬过去，仅此而已。

据了解，磐脉 920 加入了细粒度网络感知和可编程拥塞控制能力。直白讲，就是它能主动避堵。让网络开始从被动传输，变成主动调度。

对于越来越复杂的 AI 集群来说，这种能力的重要性会越来越明显。

从这些设计能看出来，磐脉 920 并不是在追求参数上的简单提升，它做的事情很务实，让已经很贵的算力，少浪费一点，从而激发最大的潜能。

除了性能本身，磐脉 920 背后更值得关注的，是平头哥和阿里的整体布局。

过去几年，很多公司做芯片，往往集中在单一环节，比如 GPU、AI 加速卡或者 CPU。

但平头哥的思路是做全栈。

目前，平头哥已经形成四条产品线：真武系列 AI 芯片、倚天服务器 CPU、镇岳存储主控芯片，以及这次发布的磐脉系列智能网卡。

对应的，正好是数据中心里的几个关键环节：算力、存力和网力。

李旭慧在采访中表示：「单一芯片产品无法解决全链路问题，只有打通算力、存力、网力，才能最大化释放 AI 硬件性能。」

这也是平头哥和很多单点芯片公司的区别。它不是只做一块性能更强的芯片，而是试图从整个系统角度去看问题。

很多芯片公司做产品，先做出来，再去找客户和落地场景。

但平头哥不是。

李旭慧告诉极客公园，磐脉 920 立项之时 AI 智能体尚未成为行业焦点。但他们从阿里云自身业务中判断，未来 AI 一定会推动数据中心网络能力升级。

「一线业务场景的实际需求，是芯片技术迭代与产品优化的核心驱动力。」先有阿里云的大规模业务场景，再从实际场景需求里倒推产品定义。

这就是磐脉 920 的商业路径。据透露，和平头哥倚天、真武、镇岳系列芯片一样，它会先部署在阿里云数据中心。

从这个角度看，磐脉 920 的发布，本身就是阿里「通云哥」协同能力的一次体现。

通义负责模型，阿里云负责场景，平头哥负责底层硬件。模型需求推动云基础设施升级，云场景又反向推动芯片演进。

这种全栈自研的闭环，在国内科技公司里并不多见。「通云哥」的模式虽然前期投入大、周期长，但一旦走通，护城河也极深。

AI 竞争走到今天，比拼的已经不是单点能力，而是这一整套系统能否顺畅运转。

随着 AI 越来越多从训练走向推理，模型、云与芯片之间形成的持续反馈循环，整体优势的显现可能才刚刚开始。