雷峰网

CVPR 2026 自动驾驶与协作智能梳理：模型正在走向可控真实世界

郑佳美 — Sat, 16 May 2026 13:26:00 GMT

导语：从仿真构造到多主体配合，AI 正在补齐行动决策链条。

从仿真构造到多主体配合，AI 正在补齐行动决策链条。

作者丨郑佳美

编辑丨马晓宁

过去，视觉模型更多是在回答“看见了什么”，但当 AI 进入自动驾驶、游戏、机器人和多智能体协作场景时，问题已经不只是识别环境，而是“看见之后如何行动”。

一辆自动驾驶汽车不能只知道前方有车，还要判断如何避让、如何规划路线，甚至要在遮挡、夜晚和复杂天气中借助外部信息补足感知，一个游戏智能体不能只识别画面里的角色、障碍和敌人，还要把连续观察转化成具体操作；多个机器人或虚拟人也不能只是各自执行动作，而要根据队友位置、物体形状、任务目标和团队规模动态配合。

这种变化在 CVPR 2026 的相关研究中变得更加清晰：自动驾驶方向不再只关注单一感知模块，而是开始围绕可控场景生成、真实感仿真、端到端驾驶对齐和空间检索增强展开。

智能体方向也不再停留在“看见运动”，而是进一步探索如何从视频追踪走向动作学习，如何从互联网规模的玩家视频中恢复操作监督；多智能体方向则把问题推进到更复杂的团队行为，包括任意队伍规模下的人形协作，以及离线数据条件下的多目标协作学习。

这些研究看似分布在自动驾驶、游戏智能体和多人协作等不同任务里，但背后其实都在推动同一条能力链条：让模型从环境感知走向行动决策。

它们关心的不只是输入图像是否被正确理解，而是场景能否被构造，动作能否被学习，策略能否在闭环中稳定执行，多个主体能否在同一任务中形成配合。

也正因此，AI 的能力正在从“理解世界”进一步延伸到“参与世界”——不只是看见道路、角色或物体，而是能在复杂环境中判断、行动，并与其他主体协同完成任务。

从可控场景生成到空间记忆增强

自动驾驶研究正在从“让模型看懂当前画面”，进一步走向“让模型能够构造、编辑和利用更复杂的驾驶世界”。在仿真与训练中，一个关键问题是：如何生成足够真实、可控且多样的驾驶场景，尤其是那些真实道路中少见但对安全至关重要的危险交互、罕见轨迹和复杂交通情况。

由 NEC 美国研究院、石溪大学和加州大学圣地亚哥分校共同提出的《HorizonForge: Driving Scene Editing with Any Trajectories and Any Vehicles》。研究的是自动驾驶场景中的可控视频生成与编辑问题，也就是如何在已有驾驶视频中精确修改车辆轨迹、插入新车辆，或者改变自车与其他交通参与者的运动方式，同时保持画面的真实感、空间一致性和时间连续性。

现有方法往往难以同时做到高真实感和精确控制：要么编辑能力有限，要么生成结果容易出现结构不稳定、时序不连贯的问题。

HorizonForge 的核心思路是先把驾驶场景重建成可编辑的 Gaussian Splats 和 Meshes，再在这个 3D 表示上进行精细操作。系统可以直接修改车辆轨迹、调整场景几何，或根据语言指令插入新车辆；编辑后的结果再通过 noise-aware video diffusion 渲染出来，用扩散模型补足真实感，并保证空间和时间一致性。

相比每条轨迹都要重新优化的方法，HorizonForge 可以在一次前向推理中生成多种场景变化，更适合大规模自动驾驶仿真。

论文地址：https://arxiv.org/pdf/2602.21333v2

它的亮点在于，把 3D 可编辑表示和视频扩散生成结合起来：前者负责轨迹和车辆控制，后者负责最终视频的自然性和连贯性。论文还提出 HorizonSuite 评测基准，覆盖自车和交通参与者两个层面的编辑任务，包括轨迹修改和物体操作等场景。

实验中，Gaussian-Mesh 表示相比其他 3D 表示能带来更高保真度，视频扩散中的时间先验也对连贯合成非常关键；最终 HorizonForge 相比第二名方法实现了 83.4% 的用户偏好提升和 25.19% 的 FID 改进。

整体来看，这篇论文把自动驾驶场景生成从“生成一段看起来像驾驶视频的画面”，推进到“可精确编辑轨迹、车辆和 3D 场景结构的可控仿真”。它的意义不只是让驾驶视频更真实，也在于为感知、预测和规划模型提供更可控、更可扩展的训练与测试环境。

有了可编辑的仿真场景后，另一个问题随之出现：仿真画面本身是否足够真实，能否在插入车辆、行人等动态物体后，仍然保持自然的光照、阴影和前后景一致性。

由英伟达、多伦多大学、康奈尔大学和以色列理工学院合作完成《DiffusionHarmonizer: Bridging Neural Reconstruction and Photorealistic Simulation with Online Diffusion 的Enhancer》，研究的就是自动驾驶和机器人仿真中的真实感增强问题。

现在很多仿真环境可以通过 NeRF、3D Gaussian Splatting 等神经重建方法从真实数据中恢复出来，但在新视角渲染、稀疏视角外推，或插入其他场景的动态物体时，常常会出现几何伪影、缺失区域、光照不一致、阴影缺失和前景背景风格不统一等问题。

DiffusionHarmonizer 的核心思路是把神经重建渲染出的不完美画面，在线增强成更真实、更连贯的仿真视频帧。它不是重新构建整个 3D 场景，而是在渲染后加入生成式增强模块，用来修复新视角伪影、协调前景和背景外观，并为插入物体生成更合理的阴影。

模型由预训练的多步图像扩散模型改造成 single-step temporally-conditioned enhancer，只需一步推理就能增强当前帧，同时利用前几帧作为时间上下文，保证在线仿真中的时间稳定性。

论文地址：https://arxiv.org/pdf/2602.24096v2

它的亮点在于，既保留扩散模型的真实感生成能力，又尽量满足在线仿真的效率要求。普通视频扩散模型计算成本太高，普通图像增强模型又容易造成帧间闪烁；因此论文把多步扩散模型改造成确定性的单步增强器，并加入时间条件。

同时，作者还设计了专门的数据构建流程，合成外观协调、伪影修复、重光照、阴影生成和物体重新插入的数据，让模型学会处理颜色不一致、重建错误和光照不真实等问题。

整体来看，这篇论文把神经重建仿真从“能渲染出场景”，推进到“能生成更接近真实世界的在线仿真画面”。它的价值不只是让画面更好看，而是让基于真实数据重建的仿真环境更可信、更稳定，也更适合大规模训练和评测。

而当仿真环境变得更真实、更可控之后，训练出来的驾驶模型是否能在闭环中稳定执行，又取决于专家示范和学生模型之间是否真正对齐。由德国图宾根大学及图宾根人工智能中心、英伟达研究院以及德国“人工智能科学”卓越集群合作完成的《LEAD: Minimizing Learner-Expert Asymmetry in End-to-End Driving》研究就的是端到端自动驾驶中的模仿学习问题。

虽然仿真器可以生成大量驾驶数据，但用专家轨迹训练出的学生模型，在闭环驾驶时仍然容易不稳定，核心原因在于专家和学生之间存在明显的信息不对称。专家往往拥有更强的“上帝视角”，而学生模型在测试时只能依赖车载传感器输入和有限导航信息，因此很难可靠模仿专家行为。

LEAD 的重点不是单纯换一个更大的模型，而是系统性地缩小 learner-expert asymmetry。作者把这种差距分成两类：一类是 state alignment，即专家看到的信息和学生实际能看到的信息不一致；另一类是 intent alignment，即学生在测试时只拿到一个目标点，导航意图过于模糊。

论文地址：https://arxiv.org/pdf/2512.20563v2

针对这些问题，论文对专家生成方式、学生输入、导航目标表达和训练数据监督进行了修改，让学生学到的驾驶策略更接近自己真实测试时能执行的行为。

这项研究它没有把端到端自动驾驶的失败简单归因于模型容量不足，而是指出了模仿学习中更根本的训练偏差：

如果专家示范依赖学生看不到的信息，学生即使学得很像，也可能在闭环中犯错。通过减少可见性差异、不确定性差异和导航意图差异，论文训练出的 TransFuser v6（TFv6）在多个公开 CARLA 闭环 benchmark 上取得新的最好结果，例如在 Bench2Drive 上达到 95 DS，并在 Longest6 v2 和 Town13 上超过以往方法两倍以上。

整体来看，这篇论文把端到端自动驾驶中的模仿学习问题，从“如何让学生更好地模仿专家”，推进到“如何让专家示范更适合学生真实可见、可执行的条件”。

此外，论文还将感知监督整合进 sim-to-real 流程，并在 NAVSIM 和 Waymo Vision-Based End-to-End Driving benchmark 上带来稳定提升，说明这种对齐思路也有助于真实世界数据下的端到端驾驶泛化。

如果说 LEAD 关注专家与学生之间的信息对齐，那么《Spatial Retrieval Augmented Autonomous Driving》则进一步把自动驾驶的输入来源从车载传感器扩展到外部空间记忆。

论文由复旦大学可信具身智能研究院、上海交通大学、中国科学院空天信息创新研究院目标认知与应用技术重点实验室、中国科学技术大学共同提出，研究的是自动驾驶中的一个新思路：现有自动驾驶系统主要依赖车载摄像头、激光雷达、IMU 等实时传感器感知环境，但这种方式很容易受限于当前视野。

一旦遇到遮挡、夜晚、雨天或视距不足，模型就可能看不清道路结构。人类驾驶员在这种情况下往往会凭借对道路布局的记忆继续判断，而这篇论文希望给自动驾驶模型也加入类似的“空间记忆”能力。

论文提出的核心范式叫 spatial retrieval，也就是根据车辆当前位置检索离线地理图像，比如卫星图、街景图或已有自动驾驶数据集中的地理图像，并把它们作为额外输入提供给自动驾驶模型。

论文地址：https://arxiv.org/pdf/2512.06865

这些信息不需要增加新的车载传感器，可以从离线地图缓存或公开地图 API 中获得，因此更像是一种可插拔的外部空间先验。论文还扩展了 nuScenes 数据集，通过 Google Maps API 检索地理图像，并将这些图像与自车轨迹对齐，形成 nuScenes-Geography 数据，用来系统评估这种空间检索范式。

它的亮点在于，不是单纯提升某一个自动驾驶模块，而是把地理检索信息接入多个核心任务。论文围绕 3D 目标检测、在线地图构建、占用预测、端到端规划和生成式世界模型建立基线，并设计了可插拔的 Spatial Retrieval Adapter，用于把检索到的地理图像融合进现有模型。雷峰网

同时，论文还引入 Reliability Estimation，根据检索信息本身的可靠性来自适应决定该信多少、用多少，避免错误或不匹配的地理信息干扰驾驶模型。

从项目页给出的结果来看，空间检索信息在多个任务中都能带来提升：在生成式世界模型中，加入地理图像可以降低 FVD 和 FID，减少场景漂移并保持几何一致性；在在线地图构建中，额外道路背景信息有助于恢复被遮挡的车道线；

在占用预测中，地理先验尤其能提升静态类别和地面区域的预测；在端到端规划中，地理先验可以补偿遮挡或低光条件下的感知失败，并在夜间复杂场景中把碰撞率从 0.55% 降到 0.48%。

从看见运动到学会行动

自动驾驶系统需要理解动态场景，而更基础的视觉能力之一，是在视频中稳定追踪点、物体和运动轨迹。《CoWTracker: Tracking by Warping instead of Correlation》由牛津大学视觉几何组和 Meta AI 共同提出。

研究的是视频中的 dense point tracking，也就是在一段视频中追踪任意像素点随时间变化的轨迹。这个任务对视频理解、机器人操作、光流估计等都很重要，但现有很多方法依赖 cost volume 做跨帧特征匹配，计算复杂度会随着图像分辨率呈平方级增长，因此在高分辨率、长视频和密集点追踪场景中很难高效扩展。

CoWTracker 的核心思路是用 warping 替代传统的 feature correlation / cost volume。模型不会在整张图里暴力搜索大量候选匹配，而是先维护每个点当前位置的估计，再根据这个估计把目标帧特征反向 warp 到查询帧附近，然后由 spatio-temporal transformer 联合更新轨迹、可见性和置信度。简单来说，它不是“到处找这个点在哪里”，而是“先猜一个位置，再反复把特征对齐并修正”。

论文地址：https://arxiv.org/pdf/2602.04877v1

它的亮点在于，把密集点追踪做得更简单、更高效，也更容易扩展到高分辨率视频。CoWTracker 不需要显式计算 cost volume，却能通过空间注意力和时间注意力同时建模同一帧中不同点之间的关系，以及同一个点在长时间序列中的运动变化。因此它可以处理长距离运动、大视角变化、遮挡和重新出现等复杂情况，还能输出每个点的轨迹、可见性和置信度。

从结果来看，CoWTracker 在 TAP-Vid-DAVIS、TAP-Vid-Kinetics 和 RoboTAP 等密集点追踪 benchmark 上表现很强，项目页给出的平均结果包括 Mean AJ 71.3、Mean δ_avg 81.8、Mean OA 93.3，高于 CoTracker 3 和 AllTracker 等方法。雷峰网(公众号：雷峰网)

更有意思的是，同一个模型在不专门训练光流数据的情况下，也能在 Sintel、KITTI-2015 和 Spring 等光流 benchmark 上取得有竞争力的结果，例如在 Sintel 和 KITTI 上的 EPE 分别达到 0.78 和 1.04。

整体来看，这篇论文把密集点追踪从依赖昂贵相关匹配，推进到基于迭代 warping 和时空推理的统一框架，并说明 dense tracking 和 optical flow 有机会用同一种架构处理。

从“追踪运动”继续往前走，就是让模型根据视觉输入直接做出动作决策。《NitroGen: An Open Foundation Model for Generalist Gaming Agents》由英伟达、斯坦福大学、加州理工学院、芝加哥大学和德克萨斯大学奥斯汀分校合作完成。

论文研究的是面向游戏环境的通用智能体基础模型，也就是让一个模型能够在不同类型、不同机制的游戏中，根据画面观察直接输出游戏手柄动作，而不是只针对某一个游戏单独训练。

作者认为，具身智能长期缺少像视觉和语言模型那样的大规模预训练数据，强化学习虽然能在个别游戏中取得很强效果，但往往依赖专门模拟器和高成本训练；而现有行为克隆方法又受限于昂贵的人类示范数据，很难扩展到大量游戏。

NitroGen 的核心思路是利用公开视频中的游戏手柄 overlay 自动恢复玩家操作，从而构建大规模“视频—动作”数据集。很多游戏视频会在画面角落实时显示玩家按键和摇杆输入，NitroGen 先定位并裁剪这些手柄区域，再用模型解析摇杆位置和按键状态，最终从公开游戏视频中提取逐帧动作标签。

通过这种方式，作者整理出约 4 万小时、覆盖 1000 多款游戏的数据，并在此基础上训练统一的 vision-action transformer，用画面观察预测 gamepad actions。

论文地址：https://arxiv.org/pdf/2601.02427v1

它的亮点在于，把互联网上原本只是“给人看的游戏视频”转化成了可用于训练智能体的动作监督数据，从而绕开昂贵的人工采集和专门环境搭建。除了数据集，论文还构建了一个多游戏评测环境，包含 10 款商业游戏中的 30 个任务，覆盖战斗、导航、决策、平台跳跃、探索和解谜等能力，并通过统一的 Gymnasium API 封装不同游戏，让模型能在更真实的跨游戏环境中测试泛化能力。

从效果来看，NitroGen 在 3D 动作游戏战斗、2D 平台跳跃高精度控制、程序生成世界探索等任务中都表现出较强能力，并且能够迁移到未见过的新游戏。论文中提到，在相同数据和计算预算下，用 NitroGen 预训练权重进行微调，相比从零训练的模型，任务成功率最高可获得 52% 的相对提升。作者还开源了数据集、评测套件和模型权重。

整体来看，这篇论文把游戏智能体从“针对单个游戏训练专用策略”，推进到“利用互联网规模视频数据预训练通用视觉—动作基础模型”。它的意义不只在游戏本身，也在于为具身智能提供了一条新的数据路径：通过公开视频恢复动作监督，让模型从大量人类玩家行为中学习跨环境、跨任务的操作能力。

从单体控制到团队行为学习

如果说 NitroGen 关注的是一个智能体如何从视觉中学会行动，那么在人形控制和机器人协作中，更复杂的问题是多个智能体如何像团队一样协同完成任务。

由 Garena、Sea AI Lab，以及新加坡国立大学共同提出的《TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size》研究的就是多个人形智能体之间的协作式人—物交互问题，也就是让多个虚拟人或机器人一起搬运、抬起、移动物体，并且能够根据队伍人数和物体形状自动调整协作方式。

现有物理人形控制已经能完成不少单人动作和人—物交互任务，但一旦进入多人协作场景，就会遇到两个难点：一是很多策略只能适配固定人数，难以扩展到不同团队规模；二是高质量多人协作动作数据很少，模型很难学到自然、多样且物理合理的协同行为。

论文地址：https://arxiv.org/pdf/2603.07988

TeamHOI 的核心思路是训练一个统一的去中心化策略，让每个智能体基于自己的局部观测独立行动，但又能通过同一个策略网络感知队友状态并形成协作。

具体来说，TeamHOI 使用 Transformer-based policy network，把其他智能体的状态表示成 teammate tokens，让策略可以适配不同数量的队友，而不是像传统 MLP 那样被固定输入维度限制。这样，同一个策略就可以在 2 到 8 个智能体，甚至更多未见过的队伍规模中复用，而不需要重新训练或微调。

它的另一个关键设计是 masked Adversarial Motion Prior（masked AMP）。由于多人协作动作数据稀缺，论文仍然使用单人参考动作来约束运动自然性，但会在 AMP 监督中遮掉与物体交互的身体部位，让手部、接触和搬运动作更多由任务奖励来引导。

这样模型既能保持整体动作自然，又不会被单人动作数据过度限制，可以从单人参考动作中衍生出更多样的多人协作行为。论文还设计了不依赖队伍人数和物体形状的 formation reward，引导智能体围绕物体形成稳定队形，从而更平稳地抬起和搬运桌子。

这篇论文的亮点在于，它把多人协作从“固定人数、固定策略”的控制问题，推进到“任意团队规模下的统一协作策略”。在桌子搬运任务中，TeamHOI 能让 2 到 8 个智能体协同搬运方形、长方形或圆形桌子，并在普通重量设置下保持很高成功率。

主实验中，TeamHOI 在 2 人、4 人和 8 人设置下分别达到 99.1%、99.2% 和 97.5% 的成功率，而在 5 倍重量的重载设置下，8 人团队仍能达到 81.1% 成功率。相比之下，基线方法往往只能在训练时对应的人数上表现较好，一旦队伍规模变化就容易失败或不稳定。

TeamHOI 展示的是具体协作任务中的策略学习，而要让多智能体协作研究进一步发展，还需要更系统的任务集合、离线数据和统一评测标准。

《MangoBench: A Benchmark for Multi-Agent Goal-Conditioned Offline Reinforcement Learning》由中山大学和香港理工大学共同提出，研究的是多智能体离线强化学习中的一个关键问题：

多个智能体如何在不能在线试错、只能使用已有数据的情况下，学会根据不同目标进行协作。现有离线多智能体强化学习方法往往依赖人工设计的奖励函数，但这类奖励函数对细微变化非常敏感，也很难让策略泛化到新目标；而单智能体中的目标条件离线强化学习虽然已经能缓解这个问题，但在多智能体协作场景中还缺少系统框架和统一评测基准。

论文地址：https://wendyeewang.github.io/MangoBench

MangoBench 是面向 goal-conditioned offline MARL 的第一个全协作、多目标基准。它覆盖 3 个环境、4 类智能体和 47 个协作任务，包括联合控制的运动任务，以及同步和异步的双臂操作任务。

论文还把目标条件学习扩展到多智能体场景中，同时支持完全去中心化训练和 CTDE 两种范式；在去中心化设置下，系统会把全局目标拆分成各个智能体可使用的局部目标，而在 CTDE 设置下，则把个体目标整合到统一全局目标中进行更强的价值学习，但执行时每个智能体仍根据自己的局部目标行动。

它的亮点在于，不只是提供一个任务集合，而是把“目标条件、多智能体、离线数据、稀疏奖励和多目标评测”统一到同一个框架中。MangoBench 包含 45 个 locomotion 任务和 2 个 manipulation 任务：在运动任务中，多个智能体分别控制同一个机器人身体的不同关节，共同完成 AntMaze、AntSoccer 等目标。

在操作任务中，两个机械臂需要完成 lift-barrier 和 place-food 等协作任务，其中既有同步协作，也有异步协作。论文还基于开放数据集转换出适合目标条件离线多智能体学习的数据格式，并为每个任务设计多目标评测，避免只在单一目标上评估导致结果偏差。

为了让这个基准真正可用，论文还提出了 6 个 baseline 算法，覆盖完全去中心化和 CTDE 两种训练范式，包括 GCMBC、ICRL、IHIQL、HIQL-CTDE、GCOMIGA 和 GCOMAR。

这些方法分别用于评估行为克隆、对比价值学习、层级策略、目标重标注和离线多智能体方法在稀疏奖励、多目标泛化和协作控制中的表现。实验表明，这些 baseline 在稀疏奖励下已经能展现一定的多目标泛化能力，但没有一种方法可以在所有任务中稳定占优，说明 goal-conditioned offline MARL 仍然是一个复杂且远未解决的问题。

这次去 CVPR 现场，一定不要错过

【认识大牛+赚外快】的机会

需要你做什么：把你最关注的10个大会报告，每页PPT都拍下来

你能获得什么？

认识大牛：你将可以进入CVPR名师博士社群；

钱多活少：提供丰厚奖金，任务量精简；

听会自由：你的行程你做主，顺手就把外快赚。拍下你最感兴趣的10个报告PPT即可。

如果你即将前往CVPR，想边听会边赚钱，还能顺便为AI学术社区做贡献、认识更多大牛，欢迎联系我们：[添加微信号:MS_Yahei]

【限额5位，先到先得】

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

CVPR 2026 视频模型趋势梳理：不止生成下一帧，更要理解下一步

郑佳美 — Sat, 16 May 2026 13:23:00 GMT

导语：视频智能正从画面生成走向运动控制、动态建模、信号理解与真实场景应用。

视频智能正从画面生成走向运动控制、动态建模、信号理解与真实场景应用。

作者丨郑佳美

编辑丨马晓宁

过去，视频生成更多是在解决“像不像”的问题：人物是否清晰，画面是否流畅，风格是否统一。但随着模型能力提升，视频真正困难的部分开始显现出来——它不是一组漂亮帧的连续播放，而是一个由时间、空间、运动、相机、光照和物理信号共同构成的动态系统。

只要模型无法理解这些隐含结构，它生成的视频就可能看似逼真，却在运动逻辑、视角一致性或真实场景适应上露出破绽。因此，视频智能正在进入一个更深的阶段：不只是生成画面，而是理解画面为什么会这样变化。

从运动轨迹编辑、3D 结构约束、可迭代文生视频，到自适应视频 token、长期运动表征、频闪去除、热成像分离和地球观测模型，研究者实际上都在处理同一个底层问题：如何让模型把视频从“像素序列”理解为“动态世界”。

这也是今年 CVPR 相关方向中一个值得注意的信号——视频模型的竞争重心，正在从视觉质量转向对时间、空间和物理规律的建模能力。

换句话说，视频 AI 的下一步，不是单纯把视频生成得更长、更清楚、更炫，而是让模型知道运动从哪里来、结构为什么稳定、信号如何形成，以及复杂场景中的变化如何被预测和控制。

当这些能力逐渐补齐，视频模型才可能真正从内容生成工具，走向能够理解、编辑和推演现实世界的动态智能系统。

从改画面到改运动

视频生成和视频编辑正在从“画面是否好看”，走向“运动是否可控”。谷歌和石溪大学共同提出的《MotionV2V: Editing Motion in a Video》研究的正是如何不只修改视频风格或局部外观，而是直接编辑视频里的“运动”。

比如让人物换方向、让物体晚一点出现，或在保留场景内容的同时改变镜头运动。现有方法一旦涉及物体运动、相机轨迹或时间顺序变化，就很难保留原视频后续帧中已有的内容。

MotionV2V 的核心思路是把视频运动表示成稀疏轨迹点，并让用户直接编辑这些轨迹。系统先从输入视频中提取物体或场景点的原始运动轨迹，用户再指定目标运动，模型根据“原始轨迹”和“目标轨迹”之间的差异生成编辑后的视频。论文把这种差异称为 motion edit，并用它指导视频扩散模型，在尽量保留原视频内容的同时，让目标物体或相机按新的方式运动。

论文地址：https://arxiv.org/pdf/2511.20640v1

它的亮点在于，MotionV2V 不是从单张图片重新生成视频，而是真正以完整输入视频为条件进行 video-to-video motion editing。因此它可以利用视频中任意时间点的信息，处理首帧里还没出现的物体，也能支持物体运动、相机运动、时间控制和连续多次编辑。

作者还构建了 motion counterfactuals，即内容相同但运动不同的视频对，用来微调 motion-conditioned video diffusion 架构。从论文对比来看，MotionV2V 在内容保留、运动控制和整体编辑质量上优于已有方法，用户研究中也获得约 70% 的偏好率。整体来看，这篇论文把视频编辑从“改外观”推进到“改运动”。

当运动编辑涉及相机、物体和非刚性形变时，仅靠 2D 运动线索往往不够。Adobe 和马里兰大学帕克分校共同提出的《Generative Video Motion Editing with 3D Point Tracks》进一步使用 3D point tracks 作为统一的运动控制表示，同时改变视频里的相机运动和物体运动。

系统会先估计输入视频中的相机参数和 3D 点轨迹，用户编辑相机运动或物体轨迹后，再由 video-to-video 生成模型合成新视频。

论文地址：https://arxiv.org/pdf/2512.02015v1

相比 2D 轨迹，3D 轨迹提供了深度信息，可以帮助模型判断遮挡关系、前后层次和真实空间运动。论文还设计了 3D track conditioner，通过 cross-attention 从输入视频中采样视觉上下文，并把这些信息对齐到目标帧空间中，让模型在改变运动的同时保持画面连贯。

由于真实世界中很难获得成对训练数据，作者采用两阶段训练：先用合成数据学习基础运动控制，再用真实单目视频构造非连续片段对，缩小合成到真实的差距。整体来看，这篇论文把视频运动编辑推进到更 3D-aware 的阶段，也支持运动迁移、非刚性变形、物体移除和复制等效果。

如果输入只有一张物体图像，模型如何在相机绕物体旋转时生成稳定、真实、结构一致的视频？澳大利亚国立大学和亚马逊共同提出的《Towards Realistic and Consistent Orbital Video Generation via 3D Foundation Priors》研究的就是从单张物体图像生成 orbital video。现有视频生成方法在大角度视角变化时缺少可靠像素对应关系，容易生成结构扭曲或不合理的物体形状。雷峰网(公众号：雷峰网)

论文地址：https://arxiv.org/pdf/2604.12309

这篇论文的核心思路是引入 3D foundation model 中学到的形状先验，用它辅助视频扩散模型生成更稳定的环绕视频。模型从单张输入图像中提取两类 3D latent features：全局 latent vector 提供整体结构指导，体积特征投影得到的 latent images 提供随视角变化的几何细节。

相比深度图或法线图，这些 3D latent features 能表达更完整的物体形状，也避免显式提取 mesh 的额外开销。作者还设计了 multi-scale 3D adapter，把不同尺度的 3D 特征接入基础视频模型，从而提升生成视频的真实感、物体形状合理性和多视角一致性。

谷歌和新加坡国立大学共同提出的《VISTA: A Test-Time Self-Improving Video Generation Agent》则把重点放在生成流程本身：当用户给出文本想法后，系统能不能反复评估、反思和修改，直到生成更符合意图的视频。

它研究的是 test-time self-improvement，也就是不重新训练视频生成模型，而是在推理阶段通过反复评价和改写 prompt 来提升结果。

VISTA 会先把用户想法拆成带有时间结构的场景计划，包括时长、角色、动作、对白、环境、相机、声音和情绪等要素；生成多个候选视频后，通过 pairwise tournament 选出当前最好结果；随后由视觉、音频和上下文评审智能体提出意见，最后由 reasoning agent 综合反馈并改写 prompt，进入下一轮生成。

论文地址：https://arxiv.org/pdf/2510.15831

它的亮点在于，VISTA 不是只优化某个指标，而是把视频规划、候选筛选、多维度评价和提示词重写串成自动闭环。论文中提到，VISTA 在自动指标下相较先进基线最高达到 60% 的 pairwise win rate，在人工评测中也获得 66.4% 的偏好率。整体来看，它把文生视频从“一次性生成”推进到“生成—评价—反思—再生成”。

让模型先学会「怎么动」

要让视频模型更好地生成和编辑内容，底层表示也需要更高效。上海交通大学、香港中文大学多媒体实验室、上海人工智能实验室 OpenGVLab、同济大学、清华大学共同提出的《AdapTok: Learning Adaptive and Temporally Causal Video Tokenization in a 1D Latent Space》研究的是视频 tokenization 问题，也就是如何把连续视频帧压缩成更适合自回归模型处理的离散 token。

论文地址：https://arxiv.org/pdf/2505.17011v2

AdapTok 的核心思路是让视频 token 分配变得自适应。它不是给每个时间段分配同样多的 token，而是根据视频内容、时间变化和整体预算，动态决定哪里多用 token、哪里少用 token。

它使用 1D latent token space 表示视频，并引入 temporal causality，让前面帧的编码和解码不依赖未来帧，更适合流式处理和自回归生成；同时通过 block-wise masking、block causal scorer 和 IPAL 策略完成自适应分配。

这样一来，运动明显、场景变化大的片段会获得更多 token，静态或冗余片段则使用更少 token。在 UCF-101 和 Kinetics-600 任务中，AdapTok 在不同 token 预算下都能提升重建质量和生成表现。

AdapTok 解决的是视频如何被高效表示，而 CompVis @ LMU、MCML 和苹果共同提出的《Learning Long-term Motion Embeddings for Efficient Kinematics Generation》进一步追问：如果只是理解未来怎么动，是否一定要完整生成像素视频。论文转向学习一种更紧凑的 long-term motion embedding，用来表示场景中的长期运动规律。

它从大规模 tracker 模型得到的轨迹数据中学习压缩运动空间，把稀疏轨迹和起始帧编码成 latent motion grid，并可在任意空间查询点上重建密集运动；随后在这个运动 latent 空间里训练 conditional flow-matching 模型，根据文本任务描述或 spatial pokes 生成长期运动。这种表示可达到 64 倍时间压缩，也就是说模型不用逐帧生成视频，就能在更抽象的运动空间中推断未来动态。

论文地址：https://arxiv.org/pdf/2604.11737

这篇论文的亮点在于，它把“生成视频”拆成了更基础的“生成运动”。这种 kinematics-first 方式更适合探索多个可能未来，也更适合机器人规划、轨迹预测和长期动态建模。

在开放域互联网视频和 LIBERO 机器人基准上，它的运动生成质量、条件遵循能力和效率都优于专门轨迹预测方法以及 Wan、Veo 3 等视频模型基线。整体来看，AI 不一定要先“画出未来”，也可以先学会“未来应该怎么动”。

从修复画面到理解信号来源

除了生成和编辑，视频与图像研究也在关注如何从复杂成像退化中恢复可靠信息。南开大学国际先进研究院、鹏城实验室、南开大学计算机学院、香港理工大学、OPPO 研究院共同提出的《It Takes Two: A Duet of Periodicity and Directionality for Burst Flicker Removal》研究的是短曝光连拍图像中的 flicker artifact 去除问题。

这类退化由人工光源频闪和 rolling shutter 共同造成，表现为条纹状、明暗不均的闪烁，不能简单当作普通噪声或低光增强处理。

Flickerformer 的核心思路是利用闪烁退化的周期性和方向性。周期性来自交流电光源亮度变化，方向性与相机逐行扫描机制有关。针对这两个特点，Flickerformer 设计了 PFM、AFFN 和 WDAM 三个模块，分别用于帧间相位相关融合、单帧自相关建模，以及小波域方向性高频修复。雷峰网

论文地址：https://arxiv.org/pdf/2603.22794v1

它的亮点在于，把频闪本身的物理先验嵌入网络结构里，而不是把 flicker removal 当成普通图像增强任务。在 BurstDeflicker benchmark 上，Flickerformer 超过多种图像复原和 burst restoration 方法，取得 31.226 PSNR、0.920 SSIM、0.045 LPIPS。整体来看，这篇论文让模型能够更准确地去除条纹闪烁，同时保留细节并减少重影。

类似思路也出现在热成像研究中。CMU 提出的《Dual Band Video Thermography: Separating Time-Varying Reflection and Emission Near Ambient Conditions》研究的是热成像中的发射 / 反射分离问题。

热相机看到的长波红外信号既可能来自物体自身热辐射，也可能来自周围环境反射；在接近室温的日常场景中，这两部分信号强度接近且都会随时间变化，因此很难判断亮暗变化到底来自物体温度变化，还是背景反射。

论文地址：https://arxiv.org/pdf/2509.11334

论文提出 dual-band thermal videography，用两个长波红外子波段视频分离“物体自身发射”和“背景反射”。它同时利用光谱线索和时间线索：同一材料在两个波段中的发射率比例相对固定，而物体热传导变化通常更平滑、背景反射变化更快。

实验中，方法能把咖啡壶升温时的热发射与旁边移动人物的反射分开，也能区分玻璃板上的手指热印和手指反射。在酒杯和咖啡壶视频中的非校准温度估计误差分别约为 1.72% 和 5.34%。整体来看，这篇论文把热成像从“看到温度分布”推进到“理解热信号来源”。

让视觉模型进入真实世界任务

当视觉模型进入遥感和地球观测场景时，问题会比普通图像更复杂：模型不仅要处理图像，还要同时理解时间序列、多源数据和地图标注。艾伦人工智能研究所、华盛顿大学、亚利桑那州立大学、不列颠哥伦比亚大学联合提出的《Helios: Stable Latent Image Modeling for Multimodal Earth Observation》研究的是面向地球观测数据的多模态基础模型。

地球观测数据既有图像空间结构，也有类似视频或文本的时间序列特征，还包含卫星影像、地图、地形、作物、土地覆盖等多种模态。

这篇论文提出的模型叫 OlmoEarth，目标是让地球观测基础模型更稳定、更高效，也更容易落地到环保、人道主义和公共利益相关任务中。它不只训练模型，还配套构建端到端平台，用于数据收集、标注、训练和推理，降低真实组织使用前沿地球观测模型的门槛。

论文地址：https://arxiv.org/pdf/2511.13655

OlmoEarth 的核心方法是 Latent MIM Lite。它用随机初始化、训练中冻结的线性投影层，把图像 patch 投到 token 空间作为预测目标，在保留 latent modeling 表征能力的同时提升训练稳定性。这个设计还把自监督数据和带标注地图数据统一到同一个 token 空间里，让模型可以用相同损失学习观测数据和标签地图。

针对遥感数据空间、时间和模态高度冗余的问题，OlmoEarth 采用 modality-aware masking，让模型必须从其他时间、空间或模态中推断缺失信息；同时只在同一 bandset 内进行 token 对比，避免大量“太容易”的负样本削弱训练效果。

综合评估中，OlmoEarth 与 12 个其他基础模型相比，在 embedding 评估中于 24 个任务里的 15 个取得最好表现；在 full fine-tuning 设置下，于 29 个任务里的 19 个取得最好表现。整体来看，这篇论文为地球观测任务提出了一个更稳定、更开放、更面向真实应用的多模态基础模型体系。

这次去 CVPR 现场，一定不要错过

【认识大牛+赚外快】的机会

需要你做什么：把你最关注的10个大会报告，每页PPT都拍下来

你能获得什么？

认识大牛：你将可以进入CVPR名师博士社群；

钱多活少：提供丰厚奖金，任务量精简；

听会自由：你的行程你做主，顺手就把外快赚。拍下你最感兴趣的10个报告PPT即可。

如果你即将前往CVPR，想边听会边赚钱，还能顺便为AI学术社区做贡献、认识更多大牛，欢迎联系我们：[添加微信号:MS_Yahei]

【限额5位，先到先得】

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

CVPR 2026 四篇论文透视：大厂如何靠「算法瘦身」对抗算力涨价？

陈淑瑜 — Fri, 15 May 2026 09:43:00 GMT

导语：2026年，大厂们不再比谁的GPU多，而是比谁的算法更聪明。

2026年，大厂们不再比谁的GPU多，而是比谁的算法更聪明。

作者丨陈淑瑜

编辑丨岑峰

一个在2026年越来越难以回避的问题是：如果H100全面断供、电费账单直线飙升、训练一次大模型的成本足以买下一家创业公司，大模型的故事还讲得下去吗？

也许顶级学术会议的论文能给大家一个新的启发。

今年的CVPR收到了四千余篇投稿，其中一个清晰的信号正在浮现：大厂不再比拼GPU数量，而是较量如何把GPU用得更好。算力封锁之下，算法正在成为新的护城河。

在论文的汪洋中，字节跳动Seed团队是出手最密集的玩家之一。

AI 科技评论聚焦四篇来自字节跳动的论文——TEMF、Beyond Token Eviction、Mixture-of-Depths Attention和GenieDrive。它们全都围绕一个核心命题展开：当算力不再能够"暴力"解决，算法如何接棒？

这四篇论文覆盖了一条完整的链条：从生成模型的采样步数压缩，到推理过程的显存瘦身，再到注意力计算资源的动态分配，最终延伸到端侧部署的物理感知。它们不是孤立的创新，而是Seed团队围绕"算力降本"这一命题打出的组合拳。

采样降速：一步生成的尺度跨越

大模型的推理成本，很大程度上藏在采样步数里。

以Stable Diffusion为代表的多步迭代生成，一个看似简单的512×512图像，背后可能是50到100次神经网络前向传播。训练时模型学到的是“每一步该怎么加噪”，但推理时模型需要做的是“每一步该怎么去噪”，这两个过程天然不对称，训练目标与推理目标之间存在一道看不见的裂缝。

传统MeanFlow的尺度差距问题正源于此：一步生成的质量始终无法与多步采样竞争，而多步采样意味着成倍增加的算力消耗。

字节跳动Seed团队提交的TEMF（Temporal Equilibrium MeanFlow）正是对这一困境的直接回应。

TEMF的核心设计是让模型在训练阶段就同时学习“从数据到噪声”和“从噪声到数据”的双向变换，而非像传统归一化流那样只学习单向映射。

双向建模的效果立竿见影，模型在训练时就熟悉了反向采样的路径，推理时不再需要依赖多步迭代来逐步精炼，可以直接从噪声出发、在单次前向传播中完成整个生成过程。

这种从百次计算到一次计算的跨越，在实际部署中带来的成本削减是数量级的。

论文地址：

https://cvpr.thecvf.com/virtual/2026/poster/39823

有意思的是，这道裂缝的修补并非只有一种解法。同期Meta发表的Improved Mean Flows从原理层面分析了快转发声模型训练与推理不对称的根源，并提出了自己的改进框架。（Improved Mean Flows的论文解读可阅读：何恺明团队论文全景扫描：一场关于「生成范式」的多角度突破 | CVPR 2026）

论文地址： https://arxiv.org/abs/2512.02012

两支独立团队在几乎同一时间节点做出了相似的技术判断—— 一步生成不是天方夜谭，关键在于弥合训练与推理之间的结构性裂缝。这不是巧合，这是行业共识正在形成的信号。

显存瘦身：KV Cache的精准压缩

如果说TEMF解决的是计算次数的问题，那么另一篇字节跳动Seed团队的工作Beyond Token Eviction，则直指推理过程中另一个更隐蔽的成本中心：显存占用。

理解KV Cache的机制，是理解大模型推理成本的关键切口。

当大语言模型处理一段文本时，它需要记住此前所有词元的信息才能生成下一个词元。每一个经过注意力计算的词元，都会在显存中留下一组对应的向量，这些向量是模型“上下文记忆”的物理载体。

问题在于，这种“记忆”是只增不减的。当上下文窗口从4K扩展到32K、再到100K，KV Cache的显存占用也在同步膨胀。

一个有100K上下文窗口的模型，仅KV Cache就可能消耗40到60GB的显存，而消费级显卡的显存上限不过24GB，就连专业级A100也不过80GB。也就是说，在不远的将来，显存瓶颈会比计算瓶颈更早到来。

传统解法“Token Eviction”是在显存压力过大时，将一部分“不那么重要”的旧Token驱逐出去，释放空间给新的Token。

而Beyond Token Eviction的突破则在于“混合维度预算分配”策略。它不再将Token的存留视为非此即彼的二元判断，而是允许不同Token拥有不同的“精度维度”指标。重要的Token保留更高的维度，从而完整存储其语义信息；不那么关键的Token被压缩到更低的维度，以更少的空间保存其核心语义。

这种“混合维度”策略的本质是对信息做“有损压缩”而非“彻底删除”。被压缩的Token仍然保留着足够用于后续推理的语义信息，而模型通过训练学会了“自适应地”判断哪些Token值得高精度、哪些可以接受低精度。

系统不再需要在“全部保留”和“全部丢弃”之间做选择，而是在精度与效率之间找到了一个可调的平衡点。

用于KV缓存压缩的双阶段尺寸分配流程

更难得的是，这套方案无需对模型进行任何重训练。云厂商可以直接将它部署在现有推理框架上，以工程侧的轻量改动换取显存占用的大幅下降。

论文地址：https://arxiv.org/pdf/2603.20616

这正是当前大厂在降本路径上最务实的选择：不是推翻重来，而是在既有架构上做“微创手术”。

计算平等：让模型自己分配算力

采样步数降了，显存空间省了，但字节在注意力计算的效率问题上也没有闲着。他们的Mixture-of-Depths Attention，从计算资源分配策略的维度提供了一种正交解法。

传统Transformer在处理每个Token时，都会执行完整的注意力计算。这意味着，即使某个Token在当前语境下的语义贡献微乎其微，它仍然会消耗与其他Token同等的计算资源。这种“一视同仁”的计算策略，本质上是一种隐性的算力浪费。

新的思路由此出发：并非所有Token都需要被“深度处理”。它引入了一种动态路由机制，让模型在运行时自主决定——哪些Token值得走完整的注意力计算路径，哪些Token可以被引导至更轻量的快速路径。

混合深度注意力机制MoDA

结果随之而来：系统层面的有效计算量显著下降，但模型输出的质量并未等比例衰减。真正重要的Token仍然得到了充分的计算资源，而大量“搭便车”的Token被引导至旁路。

这种“让模型自己判断轻重缓急”的思路，代表了算法层面“降本增效”的一种优雅路径。这与混合专家（MoE）模型的设计哲学一脉相承，但不是整个模型层的专家切换，而是在每个注意力层做细粒度的资源调度。

模型在训练过程中学会动态分配计算预算，而非通过硬编码的稀疏规则强行削减计算量——好钢用在刀刃上，这是2026年算法工程师们最希望模型学会的本事。

论文地址：https://arxiv.org/pdf/2603.15619

端侧部署：物理感知驱动的世界模型

上述三篇工作几乎都在回答同一个问题：如何在有限的算力约束下，让模型跑得更快、占得更少。但字节跳动在GenieDrive这篇工作中，提出了一个更远见的问题：高效模型在端侧能做什么？

自动驾驶的视觉感知系统，一直是算力军备竞赛的重灾区。传统自动驾驶的感知系统依赖多传感器融合，各司其职又彼此冗余，在算力有限的嵌入式平台上捉襟见肘。

GenieDrive把这个问题拆解得更深了一层。它搭建了一种“物理感知驱动的4D占用引导视频生成”框架，不再将视觉感知视为一个“看懂图像”的问题，而是将其视为一个“理解物理世界如何运转”的问题，不仅让模型生成视觉上逼真的驾驶场景视频，还让模型具备对物理规律的基本理解，比如运动物体的轨迹遵循物理动量、遮挡关系遵循空间一致性、光照变化遵循物理反射模型。

这种设计的直接效果是：GenieDrive生成的不是一段“视觉上逼真的视频”，而是一个“物理上可信的4D模拟环境”。

当这个模拟环境可以直接服务于下游的轨迹规划和决策控制时，端侧模型的商业价值就超越了单纯的速度竞赛。比如说如果模型能够准确预测“两秒后前方车辆会因为惯性继续滑行两米”，这个信息对于紧急制动的决策价值，远高于“那个地方有一辆车”的语义标签。

值得注意的是，GenieDrive的高效性并不来自单一算法的突破，而是来自“4D表示+物理先验+端到端联合优化”的协同设计。它代表了2026年大厂在高效视觉表征上的另一条路径：不只是让模型跑得更快，而是让模型“想得更少、做得更准”。

论文地址：

https://www.paperdigest.org/paper/?paper_id=cvpr-36900-2026-04-21

结语：算法天才的元年

纵观字节跳动Seed团队在CVPR 2026上这四篇论文，一个清晰的叙事正在浮现：算力封锁并没有杀死创新，反而催生了一种更精致的工程哲学。

TEMF用“时间均衡”弥合了训练与推理的结构裂缝，让一步生成从不可能变成了工程现实；

Beyond Token Eviction用“混合维度”重新定义了信息的取舍策略，让显存压缩从粗暴删除变成了精细调控；

Mixture-of-Depths让计算资源学会了「按需分配」，让模型自己成为计算预算的聪明管家；

GenieDrive则将高效表征引向了物理可解释的端侧应用，让速度竞赛升维为智能竞赛。

这四条路径指向同一个结论：2026年不是“大模型时代的终结”，而是“聪明模型时代的元年”。当暴力堆砌算力的路径变得不可持续，那些能够用更少资源做更多事情的算法天才，正在成为这个时代最稀缺的人才。

对于CTO和云厂商而言，字节的这组论文给出了一个清晰的信号：与其等待下一代芯片的算力提升，不如今天就拥抱这些算法优化带来的降本红利。

对于软硬件开发者而言，这意味着新的机会窗口正在打开：适配ELSA这类硬件无关内核的编译器优化、基于动态注意力路由的模型压缩工具、面向4D物理感知模型的端侧部署框架，每一个环节都是尚未被充分开采的富矿。

算力封锁的本质是一道经济命题，但它的解法，最终要靠算法给出。

雷峰网(公众号：雷峰网)

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

桌面CNC元年：资本疯抢「小拓竹」，五轴是风口还是伪命题？

姚单 — Fri, 15 May 2026 02:49:00 GMT

导语：桌面CNC的赢家窗口只剩一两年。

过去一年，桌面CNC赛道急速升温。

造物时代、巢匠科技众筹金额先后突破千万美金，数马电子低调拆分CNC业务独立融资，涌泉创新成立不到一年估值破亿美金，还有许多水下玩家正在摩拳擦掌、跃跃欲试……从消费者、资本到创业者都对桌面CNC表现出了巨大的热情。

热钱涌动背后，究竟是用户需求“新大陆”的发现，还是资本与创业者共谋的资本泡沫？在这场多方混战中，谁又将最终脱颖而出？

资本在赌“下一个拓竹”

桌面CNC的突然爆火，还得从拓竹和xTool说起。

CNC设备与3D打印机、激光雕刻机并称为创客工具三件套。

作为3D打印机赛道的领头羊，拓竹的崛起速度堪称惊人——仅用五年时间就突破了百亿营收。

消费级硬件有一个特点，一旦产品在市场上取得成功，企业就能快速回笼资金，不再依赖于融资扩张。所以投资机构在做决策时往往会面临一个困境：早期的时候看不准，不敢投；等到企业开始展露苗头了，又投不进。

拓竹的故事就是一个典型案例。除了IDG等少数几家机构敢于在早期押注外，大多数机构都没有意识到3D打印赛道的巨大潜力，等到拓竹以势不可挡之姿崛起时，大家只能后悔得直拍大腿。

拓竹投不进，资本只能转头看3D打印赛道的其他标的。但一方面，拓竹的崛起让3D打印成为共识，创想三维、智能派、纵维立方、快造科技等企业的估值水涨船高，不再有性价比；另一方面，拓竹在产品力和品牌声量上的巨大领先优势，也让资本面对第二梯队玩家时犹豫不决、不敢下注。

同样的故事也发生在激光雕刻赛道。受限于品类特性，xTool的成长速度虽不及拓竹，但其在赛道中的角色与拓竹并无二致。

错失了3D打印和激光雕刻赛道的早期红利，资本只能将目光投向桌面CNC这一仍处于早期的细分赛道。

一方面，CNC设备和3D打印机、激光雕刻机同属创客工具三件套。3D打印机、激光雕刻机小型化的故事可以完美平移到CNC设备，提供巨大的想象空间。

多位业者估计，当下桌面CNC市场空间约5亿美金，90%用户是小B类用户，与激光雕刻行业（70%小B）颇为相似。从社媒关注度看，两者人群规模基本一致，未来市场规模差异不大。两者运动控制逻辑类似，桌面CNC也可以切一部分激光雕刻市场。

对标xTool，桌面CNC跑出一家30亿级别公司是大概率事件。

桌面CNC创业者李柏表示，CNC（含工业场景）市场规模达1000亿美金，是3D打印（工业加消费共200亿美金）的5倍、激光雕刻（约100多亿美金）的8倍，具备从工业向小B再向C端转化的基础。

这一过程与早期的塑料3D打印机类似：早期工业市场与消费市场的比例为9:1，这一比例在去年已变为5:5。随着它变得更便宜、体验更好，应用就从工业端拓展到小B端，紧接着在消费端也找到了PMF。

“桌面CNC走到这一天，不会太久。”李柏说道。

但另一方面，桌面CNC设备又不像3D打印机和激光雕刻机已经成为行业共识。行业对于这个品类的前景依旧有不少疑虑：

一是使用环境，粉尘、噪音、体积对家庭环境要求高。CNC是减材加工，能加工黄铜、铝、木等材质，做出比3D打印塑料更精细、质感更好的物件，但必须解决罩子、吸尘问题，不能开放式操作，成本自然高于3D打印。

二是易用性，桌面CNC远比3D打印复杂。3D打印是给一个模型就能直接输出，但CNC除了加工本身复杂的材料感知和明确，还有材料本身对刀头的损耗，会对加工精度产生很大影响。另外还有门槛高企的CAM编程、装夹、后处理、清理、表面处理等步骤，整体流程更长，上手难度也更高。

三是应用场景，桌面CNC尚未形成基本盘场景，而是分散应用于机器人、家居摆件、珠宝定制、摩托车和自行车改装、渔具等长尾领域。

许多人认为，减材加工天然不如增材加工有吸引力，上述特性天然决定了它当下属于更小众、更高端的品类，距离真正的大众化普及仍有距离。

想象空间和市场非共识之间，存在巨大的资本套利空间。因此，资本愿意在这个赛道赌一个“小拓竹”的故事。

桌面CNC的路线之争

桌面CNC的非共识除了市场前景，还有用户定位和技术路线上的分歧。

用户定位方面，多数玩家认为，桌面CNC的核心用户为小B，C端市场空间有限，且C端市场尚处于教育初期。造物时代是唯一的例外，它坚定押注C端，走性价比路线。

造物时代2025年上线的第三代入门级产品Z1，早鸟价仅6000元出头，而同期竞品单价高达5万元。这款产品众筹金额突破千万美金，真正实现破圈。

据内部人士向雷峰网透露，造物时代发力入门机型和软件生态，希望先把整体市场规模做大，稳住生态。专业级机型上，内部也在“憋大招”，应对对手的狙击。团队上，造物时代也在加速招兵买马，补齐人才缺口。

有投资人评价：“桌面CNC现在相当于3D打印在2016年的状态，此时做高端产品没意义，应该先用高性价比、能破圈的产品把人吸引进来，再用高端产品立品牌。”

相比之下，巢匠科技（NestWorks）坚定走专业级路线，第一代产品定价3000-5000美金，加工速度和精度更高，PMF概念更明确。其脱胎于大象机器人，初衷是做一台自家工程师都愿意用的CNC设备，产品力获得广泛认可。

从众筹维度看，巢匠科技的关注度和造物时代不相上下。它的第一代产品众筹金额同样突破了1000万美金，成为2025年全球新品牌众筹第一名。

技术路线方面，最大的分歧在于：五轴是不是伪需求？

在CNC设备中，不同轴数决定了不同层级的加工能力和效率。三、四、五轴分别对应平面或简单曲面加工、圆柱面或多面旋转加工，以及任意角度的定位和连续切削，从入门到复杂、从低精度到高精度、从低成本到高成本，依次递进。

从市场需求看，三轴＞四轴＞五轴。工业CNC中，三轴可解决80%的加工问题，只有约15%的场景需要用到四轴，不到5%的场景需要用到五轴。

目前三轴、四轴是市场主流。数马电子以三轴钥匙机起家，年销数万台，全球产量最大。造物时代、巢匠科技则主打四轴。

对于要不要上五轴，目前行业里仍存在巨大分歧。

反对方认为：“五轴绝对不靠谱，工业生产95%靠三、四轴就够了。五轴成本高、技术门槛高，市场需求可能不到5%。”

另外，出口管制也是他们顾虑的点。五轴CNC属于国家级精密管制，每笔销往海外的订单都要申报，尤其是发往战乱国家和地区。审查通过后，精度合规范畴内的才可以正常出口。据了解，历史擦边做法是先发三轴或四轴，再单独寄五轴配件。而一旦被举报，就是走私。

支持方则从效率出发：“以前五轴机床特别贵、特别少见，现在越来越便宜。随着人工成本上涨，很多原来用三轴、四轴做的活，大家更愿意直接上五轴，一次搞定，减少人工。有些工件用三轴也能做，但要翻面重新定位，稍不留神就错位；五轴一次加工完，又快又省事。”

一家五轴桌面CNC公司创始人笑言：“大家对五轴有争议，对我们来说是好事。争议大，他们下手就会犹豫，我非常感谢他们。”

一位保持中立的桌面CNC创始人直言：“五轴不是伪需求，是还没到那个阶段，现在属于高端需求。就像金属3D打印或光固化3D打印，肯定有用，但占比很少。”

五轴争议尚未平息，但资本已经在押注。背后推手是一批有特殊背景的玩家——大疆系团队。

涌泉创新（ToolDance）是其中最受关注的玩家。

涌泉创新采用“3+2”产品思路，可从三轴加配件拓展到四轴、五轴，定位高端设备。产品思路更强调消费级场景下加工能力、成本与易用性的平衡，这一路线也被部分业内人士视为桌面CNC走向消费化的重要探索方向之一。

其他关注度也不低的大疆系团队，比如开物匠心、无限工坊，分别因团队背景和五轴差异化产品思路备受关注。

大疆系产品经理团队被公认为有非常强的产品Sense，行业看重的不只是大疆背景本身，更是其在复杂硬件系统集成、供应链管理与消费级产品体验上的方法论迁移能力，资本市场非常愿意在当中赌“下一个拓竹或xTool”。五轴的热度于2025年迅速提升，这批玩家实际上是最大的功臣。

资本追逐的宠儿

尽管市场仍存在分歧，但已经有一些企业开始凭借差异化优势脱颖而出，成为了资本追逐的宠儿。

在所有玩家中，数马电子（Xhorse）的积累最为深厚，过去一直很低调，一直是隐形冠军。

这家公司成立于2010年，于2012年开始做桌面三轴CNC钥匙机，2019年开始做五轴桌面CNC。2025年，数马电子将桌面CNC业务单独拆分出来，成立了数马三维（Xmachine）。

2025年下半年，数马三维开始独立融资，预计第一轮融资几千万元，额度不多。小范围接触资方，倾向机构以产业方为主，不接受对赌、回购。因此，这个项目是大多数机构心中的“白月光”。

这个家公司的底气来自于母公司业务十分健康。

知情人透露，数马电子主业钥匙机每年卖数万台，全球产量最大。年销售额数亿元，净利润接近30%，每年保持20%的研发投入，光研发费用就一亿多。CNC业务不融资也不用担心现金流问题，但实际上这个业务已经做到数千万元的营收。

从2019年至今，数马电子的五轴设备已累计迭代超过五次，产品完整度高，是众多同行默认的产品力最强的对手。其产品为同类中最优，可实现真正意义上的五轴联动，已经开始商业化。其他玩家处在仅有demo阶段，部分同行的产品Demo，仿佛也有他的影子。

“如果上线众筹，也会卖爆，哪怕贵一点也有机会。”一名投资人表示。

数马电子真正的厉害之处在于：它什么都自己造，而且沉淀多年。

“所有电机的编码器、芯片、光栅尺、驱动器、绕线机全是自研的。”内部员工李浩介绍，公司有1000多号人，最大的团队是芯片团队，70多人；自建的AI算力服务器加起来有200P。

“我们原先是想沉淀十年，把这些东西都做完，做完之后再浮上来。”李浩说。但市场不等人，因为造物时代和NestWorks的众筹太火，“他们拉了很多机构的人搞融资，很多投资圈的朋友也建议我们把小五轴拿出来搞一下融资。”

知情人士透露，数马电子偏B端切入，但他们并不会放弃C端，而是想先把难的给做了，再向下做产品，形成降维打击。

当下，数马电子产品的工业设计还不够消费化，但出色的产品力足以让人忽视这块短板。

在所有玩家中，造物时代的ToC属性最强。自成立以来，造物时代已覆盖了低、中、高端三个产品层级。

作为先发者，造物时代早期做了大量“什么是CNC”的市场教育工作。相比很多对手，造物时代在软、硬件和交付方面有一些沉淀，但C端市场还在教育期，渗透难度大、时间长。更残酷的是，其他玩家也未必不会走C端路线，造物时代也会面临“为他人做嫁衣”的压力。

造物时代要真正打入C端市场，光有硬件易用性和低价还不够，关键在于解决生态问题。目前，造物时代还缺乏如MakerWorld般的成熟内容平台，使用户能够便捷地下载模型并迅速上手。

据了解，造物时代的社区还在筹备中，计划是5月中旬开启灰度测试。

巢匠科技是产品力最强的四轴玩家，是创始人宋君毅的第五次创业。

宋君毅大学期间曾创业做过屏幕项目、产品设计，后创立大象机器人，经历了完整的硬件产品交付过程。

大象机器人之所以亲自下场做CNC，是因为在研发机械臂的过程中经常要用到它。但他们发现市面上的产品无法满足要求，人工成本高，每年光是养两个操作工就要花费几十万成本。他们的初衷很简单：做一台连自家工程师都愿意用的CNC设备。这也是他们产品定义比较成功的因素之一。

原机械臂业务主要面向小B市场，例如教培机构，这些资源同样可复用于桌面CNC，避免重复造车。

大象机器人团队对ToB业务有执念，这一特质也延续到了巢匠科技。

知情人透露，巢匠科技下一阶段计划研发大幅宽的CNC设备，用于制作板凳、座椅等产品；后续还将推出面向工厂的CNC设备，类似于3D打印的农场设备。

在投资人看来，巢匠科技的产品力突出，团队综合素质较高，具备硬件交付经验，它是极具吸引力的投资标的。

在天使轮融资完成后，巢匠科技专注于产品交付，暂时不开放下一轮融资，但已经有几十位投资人在排队。据了解，有家国资机构得知巢匠正在深圳寻找工业用地建设工厂，正考虑以此为契机争取参与下一轮投资。

然而，巢匠科技真正的问题并不在产品，而在于股权结构，且与母公司息息相关。（这篇能呈现的不过是冰山一角，欢迎加微信 ydinitialheart 探讨）

相比于前两者，涌泉创新原来一直是水下项目，但因为一号位王昊有大疆背景，早早就被关注到。

涌泉创新成立于2025年4月，融资进展相当顺利，在2025年低调完成两轮融资，分别由源码资本和经纬创投加持。在产品demo出来后，知情人士透露，其新一轮融资获得了远超预期的资本市场反馈，额度竞争激烈。

“产品demo体验是很不错的，感受更高端，外观很精致，也符合ToC的属性。”多位消费硬件投资人表达了对其产品的初步认可。

虽然产品尚未面市，但在不到一年的时间内实现效果不错的demo，核心是靠其团队实力，而这才是大部分机构看好的关键。

王昊团队恰恰匹配了大疆、工业软件等背景的人员，团队综合实力被视为桌面CNC品类中最强的。桌面CNC中的软件部分是大家公认的竞争核心，涉及刀路生成与加工管理能力等，难度更大。

王昊还有非常难得的一个品质，舍得分钱给团队：他持有40%的股权，具有CTO技术背景的人员持有20%，整个团队持有30%。

一位投资人直言：造物和大象有硬件交付经验，可以省下很多试错成本。但王昊团队更强，相信王昊。

这位投资人想投王昊团队，从团队层面给了极高的评价。他认为桌面CNC赛道现在虽然有很多团队下场，但目前还在发展初期，现有产品的产品力远还不到破圈的拐点时刻。这是一个长坡厚雪的大赛道，一个迭代非常快且成建制的团队上限会更高。

但不确定性也很明显，王昊下场干的时间相对晚，非常考验其研发节奏。

雷峰网(公众号：雷峰网)了解到，涌泉创新的产品原先预计在今年下半年上线众筹，而今年至少五家公司的新产品要上线众筹。如果消息为真，用户不可能一年内买数台机子，意味着谁先众筹谁就占据更大的优势。

这也是不少机构最大的顾虑点。“等王昊的产品出来，其他家最新款可能已经上市了。”

但也有一位接近涌泉创新的人士表示，“现在远没到‘卷存量’的时候。” “全球有数千万创客与轻量制造用户，而目前整个行业真正完成转化的人数仍非常有限。只要产品足够好、门槛足够低，用户还会继续快速被转化。”

能够把团队优势快速转化为体验好得多的产品，可能是核心的解法。

拓竹阴影下的倒计时

当下，桌面CNC赛道正处在一个微妙的节点。

一方面，资本狂热涌入，众筹数据亮眼，小B需求被验证；另一方面，五轴争议不休，产品交付存疑。

一个桌面CNC项目，连产品demo都还没有，但由于1、2号位拥有大疆等知名硬件大厂背景，项目估值迅速被头部美元基金哄抬至10亿人民币。

一家双币基金经理表示，部分头部美元基金的逻辑是看好市场+造势+往上推，等待人民币基金或大美元基金接盘买单。

“全是60分的产品，硬砸钱互卷。”一家美元基金最终pass了心仪标的，理由很直白：这个市场空间说不准，已经发布产品的现有公司实力没有特别强的，产品还没成熟就要打仗，很容易陷入恶劣竞争。

一名创业者警告，市场还没到价格竞争阶段，产品尚未批量发货就卷价格是自寻死路——除非有家底。

交付是公认的大考。

“桌面CNC这个品类，任何新产品量产，至少得预留半年以上的延迟。”有桌面CNC投资经验的投资人记得，很多细节问题都是等到整机测试才会暴露，必须反复调整。

但比起这些，资本和创业者们更担心的还是一个尚未下场的潜在玩家——拓竹。

关于拓竹是否会进入CNC赛道，市场上流传着几个不同的版本：

一个版本是，拓竹已经在低调预研桌面CNC，产品最快在今年Q3或2027年上线。

另一个版本是，拓竹不会或者至少没那么快布局CNC。目前消费级3D打印是200-250亿元的市场，桌面CNC当前才10-20亿元，连零头都不到。况且后者有门槛、有壁垒。拓竹现在的竞争压力也不小，3D打印是大盘，它没有那么多精力放在别的品类上。

不论拓竹最终是否会入局，很长一段时间里它都将是所有玩家们共同忌惮的对象。产品力、品牌力和资金，每一项都是它的强项。

一位创业者说：“公司未来最痛苦的竞争对手是拓竹，不是其他家。拓竹等别人把市场教育好再推出机器，难度就低多了，直接入场收割。”

这也意味着，其他玩家还有机会窗口，可能是一年、两年，或更长时间。

一位创业者表示，最多只有一两年。对初入行业的玩家很不友好，一两年也就能做到一个产品能发货的程度。

结语

桌面CNC赛道有机会，有工业CNC所启示的很高的天花板，但目前体量明显低于3D打印。真正的看点不在于“谁能做成下一个拓竹”，而在于：在资本催熟和拓竹阴影下，谁能率先在小B端站稳脚跟，并在五轴、C端等非共识方向上赌对属于自己的那条路。

数马电子开始最早，积累最深厚、最从容，是“全篇判断力的锚点”；造物时代赌得最大，是非共识的激进派；巢匠产品力最硬但股权棘手；涌泉团队最强但很考验产品节奏。各有优劣，尚无定论。

而桌面CNC的真正元年，或许不在众筹数据破千万的那一刻，而在拓竹正式入局的那一天。

本文作者和多位创业者、投资人聊过，最大的感受是：赛道的共识和分歧一样多。接下来作者会继续深挖影像、创客工具、AI硬件等方向的隐藏机会。如果你想第一时间看到后续的深度内容，或者只是想找一个能聊这些赛道的人，欢迎加作者微信 ydinitialheart 。

注：文中李柏、李浩等人为化名

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

端侧智能体迈入拐点，联发科如何把AI平台做成可交付的能力？

包永刚 — Thu, 14 May 2026 10:41:00 GMT

导语：端侧AI要把模型部署、系统感知、应用执行与内容优化真正串成稳定链路。

过去一年，端侧AI的竞争逻辑已经发生变化。

行业讨论的重点，正在从模型能不能跑起来，转向能力能不能持续部署、稳定调优、真正进入系统主路径。Agent OS、系统原生智能体、跨应用执行、端侧隐私保护，这些原本分散的技术关键词，也开始被收拢到同一个方向——端侧智能体化。

而真正决定下一阶段竞争格局的，已经不再只是模型参数规模或者芯片峰值算力，而是谁能把智能体能力做成一套可部署、可调优、可复制的工程体系。

在天玑开发者大会（MDDC 2026）上，MediaTek 试图回答的正是这个问题。

这次大会上，联发科把天玑 AI 开发套件、系统原生智能体能力，以及游戏技术体系放进同一套叙事里。它强调的已经不只是芯片性能，而是天玑平台如何成为开发者真正能用、系统厂商真正能落地的端侧AI底座。

MediaTek 董事、总经理暨营运长陈冠州表示：“智能体 AI 正在重构和升级越来越多的行业和应用场景。MediaTek 以覆盖手机、汽车、IoT以及AI基础设施的全栈、多元技术与产品组合赋能‘智能体化体验’，以无处不在的强大算力，结合先进的云端AI加速技术，为全球生态伙伴打通从创意到规模化落地、从应用价值到商业价值的关键跃迁，让 AI 真正赋能大众的日常生活和千行百业的增长曲线。”

端侧AI的竞争，开始从算力转向工具链

如果说过去两年端侧AI的核心任务，是把模型塞进手机，那么现在行业真正面对的问题已经变成，模型如何稳定部署、持续运行，并形成规模化开发能力。

AI 开发套件就非常关键，MDDC 2026 上，联发科发布了天玑AI开发套件 3.0，并重点强化了四项能力：

LVM 模型可视化部署
从命令行升级为 GUI 模块化部署，参数可实时生效，模型部署与调优效率提升 50%。
Low Bit 压缩工具包
降低生成式AI模型压缩过程中的设备内存占用，相同质量模型的压缩率最高提升 58%。
eNPU 开发工具包
帮助开发者更充分调用天玑 NPU 能力，使常驻轻载 AI 模型功耗降低 42%。
天玑 AI Partner
提供自动化端侧模型转换与迁移，LLM 模型部署耗时最高降低 90%。

表面上看，这只是几个工程工具的升级，但它们实际对应的，是当前端侧AI落地最现实的四个问题：开发门槛高、模型占用大、功耗压力重、跨平台迁移成本高。

这也暴露出端侧智能体化真正的难点：问题从来不在于能不能做出 Demo，而在于能不能把 Demo 变成稳定产品，再把单点能力变成一套可复制的方法论。

当行业进入智能体阶段后，工具链的重要性正在迅速上升。因为决定体验上限的，已经不只是模型本身，而是整个部署、调优、功耗控制和系统协同能力。

Agent OS 真正的核心，是系统级能力

相比模型能力本身，联发科这次在系统层面的布局更值得关注。

大会上，联发科正式发布天玑 AI 智能体化引擎 2.0，并借助 SensingClaw 技术强化低功耗全时感知能力，进一步推动设备厂商构建具备主动感知、跨应用驱动能力的 Agent OS。

这背后意味着，AI 正在从应用功能向系统能力迁移。

过去的 AI 更像是用户主动调用的一项功能；而智能体化之后，设备开始具备持续感知、主动判断、跨应用执行的能力。设备不再只是回答问题，而是开始参与任务流。

在MDDC现场，联发科联合 OPPO、Xiaomi与传音展示了系统原生Claw能力，包括：主动感知、主动执行、跨端无缝流转、端侧隐私保护、数据安全。

单独看，这些能力并不算新鲜，但放在一起看，本质上是在为智能体操作系统搭建底层框架。

而这恰恰是端侧AI下一阶段最核心的竞争点：不是谁更像 AI，而是谁能让 AI 真正进入系统主路径，成为交互逻辑的一部分。

游戏，端侧AI最真实的压力测试

如果说 AI 开发套件和 Agent OS 代表的是未来，那么游戏部分代表的则是现在。

游戏也是联发科此次开发者大会中极其关键的一环。原因很简单：游戏是移动终端上最苛刻的实时场景之一，它同时考验帧率、功耗、延迟、渲染能力、调优效率。

一个平台如果连游戏都优化不好，很难证明它具备成熟的端侧AI与系统调度能力；反过来，如果游戏能力能够跑顺，很多底层工程能力其实已经被验证。

此次大会上，联发科重点展示了星速引擎的一系列能力。

联发科重点介绍了 Ray Tracing Pipeline（RTP）移动端光线追踪技术。它强调 PC 与 Mobile 的跨端渲染管线适配，可更真实地呈现复杂光影、动态物体与反射效果。同时，联发科还与腾讯《三角洲行动》项目组合作预研新的 RTP 技术方案。这意味着，移动端光追正在从技术展示走向更具体的工程实现。

联发科还与 Unity Technologies 旗下团结引擎深度适配 Virtual Geometry 技术。依托天玑 GPU 渲染能力，移动端可实现超过 10 亿级三角面渲染，并在 1.5K 分辨率下持续输出 1 小时满帧体验。这个数据背后的意义，不只是画面更细，而是移动端游戏渲染天花板正在继续被抬高，手机开始越来越像一台可持续输出的图形终端。

联发科还展示了多项底层优化能力。

例如天玑 LE Audio 技术，在旗舰平台上实现 32 毫秒更低延迟的蓝牙立体声体验，并已落地《和平精英》测试服。对于竞技游戏而言，音频延迟并不是附属指标，而是直接影响操作反馈的重要参数。

另外，GPU Dynamic Cache 架构通过动态调度系统缓存与内存，在降低带宽占用与功耗的同时维持高帧率。

目前，该能力已经被应用于《逆战：未来》《暗区突围》等合作项目中。联发科的目标也不只是跑高帧，而是让高帧率和高能效同时成立。

此次大会另一个值得关注的方向，是 AI 与游戏能力的融合。MediaTek 公布了天玑 AI Play 与《三角洲行动》的合作成果。借助端侧 AI，游戏中的 CC 语音智能伴侣响应速度更快，相比云端方案延迟降低 56.7%。

这意味着，AI 开始真正进入实时游戏交互链路。相比传统云端AI方案，端侧 AI 的优势在于：更低时延、更稳定响应、更强隐私保护、更低联网依赖。

MediaTek 还预告了面向安卓游戏开发者的一站式分析和调优工具Dimensity Profiler 2.0，新增支持 CPU Callstack 全面追踪，平台MIPS 负载监控和 GPU 带宽指标显示功能，为开发者提供游戏开发所必需的实用功能

联发科AI时代的平台能力

如果把 AI、智能体、游戏、工具链这些内容拆开看，它们似乎属于不同章节。但如果放回同一个框架里，就会发现联发科真正想表达的核心是，天玑平台正在从芯片平台，转向工程平台。

它服务的不只是性能竞争，而是开发者、系统厂商以及内容生态的完整协同。

因此，联发科在此次开发者大会上，除了手机生态之外，也重点展示了与汽车、XR 以及 IoT 生态伙伴的合作。

例如在智能座舱方向，联发科开始强化车端 AI Agent 能力，让 AI 同时理解语音、视觉与环境信息；在 XR 与 IoT 方向，则进一步推动跨设备协同能力。

这也意味着，端侧AI真正走向主流，靠的不会是一两个爆款功能，而是开发工具是否成熟、系统能力是否统一、场景验证是否持续成立、生态是否能够规模化复制。

而游戏，则成为了验证这一切最直观、最残酷的试验场。

从这个角度看，联发科此次 MDDC 2026 最重要的，不是发布了多少技术名词，而是试图把这些能力串成一条完整路径，从开发工具，到系统智能体，再到游戏与内容生态，最终形成一套能够在手机、汽车、XR 与 IoT 等多个领域规模化复制的端侧能力体系。

端侧智能体化，已经不再是概念竞赛，而是工程竞赛。

谁能把模型部署、系统感知、应用执行与内容优化真正串成稳定链路，谁就更接近下一阶段的平台主导权。

而联发科在 MDDC 2026 上给出的，本质上正是一套“把演示能力推进到规模化能力”的答案。

过去三年，天玑 AI 生态圈实现快速扩张：生态伙伴成长量提升 240%，天玑 AI 开发套件下载量提升 440%。

在软件平台、工具链与开发者生态逐渐完善之后，联发科也正在站上端侧AI市场真正的中心位置。雷峰网(公众号：雷峰网)

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

对话销售易总裁邓永富：借力腾讯，能否在SaaS大洗牌中「攒足」筹码？ | SaaS+Agent十人谈

张嘉敏 — Thu, 14 May 2026 07:28:00 GMT

导语：大厂的加持，能否提高SaaS厂商的议价权？

“在这场优胜劣汰的行业洗牌中，仅靠单打独斗已难以站稳脚跟。”

走出行业低谷、穿越AI迷雾，SaaS厂商何以安身立命？在销售易总裁邓永富看来，与大厂深度联合，不仅是活下去的底气，更是闯出去的筹码。

去年2月，销售易与腾讯完成了战略合作升级。邓永富向雷峰网(公众号：雷峰网)表示，双方早已超越了“资本入股、资源嫁接”的关系，而是在技术、产品、生态等多方面深度协同。

眼下，SaaS厂商与大厂的协作逻辑正在发生转变：不再局限于传统云服务或生态合作，如云大厂提供底层云资源、SaaS厂商入驻云市场、产品简单嵌入大厂生态，而是走向能力互补、谋求双赢。

有了腾讯加持，销售易稳稳抓住Agent浪潮关键窗口：一年前借DeepSeek热潮快速上线Agent产品，今年初又紧跟OpenClaw热度，顺势落地“龙虾”，深度融合企业微信及WorkBuddy，推出国内首款“销售专用龙虾”。

但这远不是销售易的全部“野心”。

拥有16年SAP从业经历的行业老兵邓永富，目睹了近些年国内CRM SaaS厂商走过的弯路：沉迷于讲故事，疏于产品打磨，最终陷入低价内卷。

在他看来，销售易更长远的目标，不只是在新一轮行业洗牌中站稳脚跟，更要推动行业回归理性、健康的发展轨道。

Agent浪潮下，SaaS厂商如何修炼自身内功？怎样借势大厂破局？又如何从简单依附走向能力共赢？

销售易，正在给出自己的答案。

双重焦虑，腾讯解了燃眉之急

如果从SaaS行业发展转折点回看这次战略合作升级，更能读懂销售易背后的战略抉择。

邓永富回忆，曾有客户直言：“你们行业内卷得太厉害，选哪家都心里没底，根本没法确定这些厂商两三年后还在不在。”

放在两年前的行业大背景下，这番反馈足以看出当时SaaS厂商的窘迫处境：一边是资本市场持续降温，行业整体步入寒冬；另一边，市场已对厂商的长期生存能力失去信心，开始“赌谁还能活着”。

就在国内SaaS行业触及冰点之时，大模型浪潮席卷而来。

彼时，SaaS厂商普遍陷入双重焦虑：对内，AI转型路径迷茫、落地无从下手；对外，行业格局持续动荡，市场竞争愈发激烈。

销售易早在2023年底便启动了大模型相关的AI产研，但在外界看来，“动作并不算太多”。产研负责人罗义坦言，当时步伐“稳健”，是因为团队的谨慎：

一方面，搭建Agent产品需要长期的人才与技术储备，本身就是不小的挑战；另一方面，团队也在持续观望，AI在To B领域究竟能释放多大的发展空间和潜力。

销售易AI产研真正按下“加速键”，是在去年2月：公司与腾讯完成战略合作升级，恰逢DeepSeek热潮兴起。某种程度上，腾讯恰好为其AI转型解了燃眉之急。

短短两个月内，销售易便迅速推出了Agent产品矩阵。

正是有了腾讯在资金、技术、产品和业务场景等多方位的支持，销售易才能在短时间内打磨出符合工业级标准的产品。“不然，可能还要像以前那样，花更久的时间去打磨，光技术选型就要耗费不少精力。”罗义补充道。

对入局Agent赛道的玩家来讲，响应速度至关重要。这种对时效的追求，在一年后的“龙虾”潮中再次得到印证。

今年3月底，“龙虾”爆火仅一个月，销售易便推出了“销售专用龙虾”。从“龙虾”风口兴起，到销售易“龙虾”产品正式面世，罗义全程都保持着紧迫感。

在他看来，“百虾混战”不只是企业微信、钉钉、飞书之间的入口之争，对CRM SaaS厂商同样关键：“第一波红利，对抢占用户心智太重要了”。

“如果今天不做‘龙虾’，等别人率先入局收割了第一波红利，后来者再想追赶就会非常吃力。”

销售易如此迅速的响应，很大程度上得益于过去一年与企业微信等腾讯系协同办公产品深度集成、打通。正因底层生态早已适配，腾讯“龙虾”生态爆发后，销售易得以快速顺势入局。

双赢之下，不再单打独斗

跻身风口，只是入局Agent赛道的开始，真正的考验还在后头。

尤其在2025年，Agent刚从概念走向落地，切入这一赛道的SaaS厂商普遍面临三重难关：

市场对Agent还不太了解，接受度低，不愿掏钱；光靠Demo（产品演示）已经糊弄不了客户，必须真刀真枪做验证；客户对厂商技术实力存疑，更倾向于继续观望或自研。

这对任何一家SaaS厂商而言都是不小的挑战。销售易意识到：单打独斗的时代，正在成为过去式。

“腾讯有技术、有生态、有渠道，而我们有场景、有客户、有数据，双方形成互补的能力拼图。”邓永富认为，无论AI技术如何迭代，To B行业终究拼的是生态和协作。

这种各取所长的分工，在罗义看来是一种双赢模式：销售易踩准了DeepSeek、“龙虾”两波热潮；腾讯在生态、技术协作中积累了更多To B业务场景的真实“体感”。

罗义笑称，不少关键时刻，多亏腾讯团队“搭把手”。这种协作，帮销售易去年拿下了好几个关键大客户，PoC（概念验证）阶段也绕开了不少技术暗礁。

他回忆起去年5月，带着刚推出的Agent产品跟外企大客户汇报时那段“灰头土脸”的经历：

当时产品Demo刚展示完，客户高管一脸茫然：“这好像跟我们的业务模式不太匹配？”罗义追问痛点后，对方依然半信半疑：“你们先拿需求去做个PoC，看能不能真正解决问题。”

客户留给销售易的时间并不多——这家外企在中国的IT团队也在自研，形成“赛马”压力。最终，销售易仅用三周便完成PoC，在第二次汇报时打消了客户自研的念头。

这背后正是腾讯的技术、生态支持和资源协同。换个视角看，销售易扎根业务场景，也为腾讯带来它作为SaaS厂商拥有的场景落地能力。

这种反哺能力在今年这波“龙虾”潮中尤为明显：销售易参与了腾讯两只“龙虾”的产品打磨。

在个人场景的QClaw，帮助腾讯解决了多租户SaaS认证、鉴权、数据隔离这些棘手难题；在企业办公的WorkBuddy，双方结合CRM里的真实业务，共同摸索出适合企业使用的落地模式。

行业洗牌，“算盘”该怎么打？

与腾讯战略合作升级后，销售易的“算盘”，不只看短期的Agent产研竞速。

谈及公司宏观战略，邓永富直言行业加速洗牌下的危机感。

在他看来，SaaS行业正处在关键转折点。即使没有AI，经过10多年野蛮发展的SaaS行业，最终也会遵循新科技商业化的落地曲线。“一开始大家期望很高，资源往里涌，形成泡沫；泡沫一破，进入低谷；低谷过后，没价值的企业被淘汰掉，活下来的开始良性增长。”

行业危机感与日俱增，但邓永富心里有底：“跟腾讯战略合作升级后，没人会担心我们将来不在。”这份生存底气，让销售易把目光放得更远：希望将行业拉回理性、健康的状态。

作为闯荡To B行业20余年的老兵，邓永富看到了CRM SaaS行业日益逼仄的发展困境：目前国内还没有哪家厂商能拿到很高的份额。

对比国外厂商，国内厂商整体竞争力并不强。其中，最关键的问题在于产品力。

邓永富十分清楚，SAP、Salesforce等国外厂商之所以能卖那么贵——客户愿意花几千万甚至上亿元买license（软件使用许可），原因在于它们的产品力暂时无法被替代。

“国内厂商精力都花在讲故事上，不专心打磨产品，最后就只能拼价格。”在他看来，这种互相消耗的价格战会形成恶性循环，到头来只会造成“双输”局面：所有厂商都亏损，客户也不满意。

但他并不认为国内软件行业已是红海赛道：“只要产品力提上来了，蓝海自然就有了。”这恰恰是销售易近些年在做的事情。邓永富告诉雷峰网，过去一年，销售易优化了与交付、实施伙伴的合作协同，在AI研发方面也下了更大功夫。

他还观察到，经历过SaaS行业下行周期的同行们，如今在迎接这波Agent浪潮时，显然变得更务实、更理性。“如果没经历过低谷，大家可能还会靠融资烧钱来做AI；但现在，管理层从第一天就要求AI产品必须考虑商业化、必须算投入产出比。”

而大厂加持，能否提高SaaS厂商的议价权，帮助行业跳出价格战泥潭？

邓永富认为，真正的议价权不在SaaS厂商，而在客户：国内客户特别清醒，不会因为SaaS厂商有大厂背景或品牌加持就多掏钱。

“但如果因为腾讯的加持，销售易的产品能力上来了，接入更多腾讯的产品、生态、资源，带来实打实的价值，就算涨价他们也愿意买单。”

正因如此，他预测这波行业洗牌将重塑市场格局：

一方面是量的淘汰。未来两三年，可能很多厂商会被淘汰，最后只剩下两三家头部厂商，市场资源会快速向头部集聚。

另一方面是质的分化。未来的竞争会是更高维度的内卷，而不是低水平的价格战，CRM行业可能会分成两个梯队：一类是AI彻底重构CRM，一类还停留在传统技术架构、用AI做加法。

在他看来，SaaS厂商如果自身人才储备不足，也缺少与大厂在资源上的深度对接，在这波AI浪潮里会非常吃力。

“等日子过好了再谈「模式」”

“SaaS行业苦了10多年，该迎来好日子了。”见证过行业浮沉的邓永富感慨道。

即便将SaaS行业转折归结为科技产业商业化的自然周期，他依然认定，AI是加快这一进程的关键变量。面对汹涌的Agent浪潮，销售易蹚出了一条不太一样的路子：单靠自己很难，光靠大厂也不够。

这种与大厂的“深绑”，能否成为一种可复制的新模式？

“现在我们先全力以赴试一下。”在邓永富看来，国内软件行业还处在比较艰难的阶段，很多SaaS厂商甚至尚未盈利，此时谈“模式”还为时过早。

他的回答很务实：“等我们日子过好了，再谈‘模式’才有意义。”

专题介绍

眼下，Agent大潮正在SaaS行业掀起一场深刻变革：小到产品形态、技术架构，大到商业模式、市场格局，都将被重塑，危与机并存。

鉴于此，雷峰网推出“SaaS+Agent十人谈”系列专访，将对话一众SaaS厂商和Agent从业者，从战略决策者、业务负责人、技术创新先锋等不同视角，探讨Agent为SaaS行业带来的机遇与挑战。如果对这一SaaS与Agent融合话题感兴趣，欢迎添加微信skylar_12_14参与讨论。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

独家丨望圆科技IPO只差临门一脚，权力交班暗藏风险

刘路遥 — Thu, 14 May 2026 02:42:00 GMT

导语：“敲钟在即的望圆，正在迎接品牌转型与二代接班的双重考验。 ”

近日，有知情人士透露，天津望圆可能将在今年6月于港交所敲响上市的钟声。

这条上市路，望圆比多数企业走得都要曲折。

招股书显示一个少见的企业结构：付桂兰女士担任董事长，其儿子余浅担任副董事长，母子合计控制71.6%的投票权。考虑到付桂兰女士已经70多岁，如何顺利完成与儿子的权力交班，将是望圆接下来需要面对的重大课题，而IPO冲刺势必让这场交接更加复杂和微妙。

券商分析师廖宇对雷峰网(公众号：雷峰网)透露：“现在确实是在最后临门一脚的状态。望圆上市应该没什么问题，正常推进。”

而这个“临门一脚”，已经踢了四年。

01 四年IPO马拉松：从A股到港股的曲折之路

从最初递表A股，到深交所撤回，再到首次港股递表失效，望圆的IPO之路，几乎是一场漫长的马拉松。

2022年，首次递表A股创业板，当时年报显示营收仅2到3亿元，IPO未能推进，官方理由是年报更新。

2023年，更新招股书，尝试平移至深交所主板，但因体量仍小、自有品牌声量有限，申报被撤回。产业投资机构人士左敖回忆：“23年那次上市，按当时2、3亿的收入，也上不了。还有一个问题，他们自有品牌做的也不好，还是代工的话，深交所不太愿意让这种企业上，因为体量不大，也没有太深的技术含量，利润也没有那么多。”

2025年，A股折戟后转战港股，首次递表，主打“中国泳池机器人第一股”，全球无缆泳池机器人出货量第一。

2026年3月，首次港股递表因6个月未获聆讯自动失效。

2026年4月24日，再次递表港交所，更新了2025年财务数据，为IPO扫清最后障碍。

辅导与审核工作同步推进。知情人士透露，中惠创智等核心供应商已接到IPO辅导机构约谈，确保公司财务和供应链体系准备就绪，避免历史问题再次影响上市节奏。

选择港股而非A股，有政策与市场的双重考量。科创板或创业板对代工出身、品牌声量有限的企业支持有限，而港股对盈利稳健、赛道稀缺、成长潜力明确的企业接受度更高。左敖评价：“港股还是非常欢迎他们这种有净利润、赛道有稀缺性（第一家泳池上市公司）、且未来增长有持续性的企业。”

家族股权结构依然集中。付桂兰及家族持股超过七成，掌握实际控制权。左敖对雷峰网分析：“家族企业代表一言堂，投资进去后没有话语权。一般来说，如果上市，最好是创始人有一票否决权、33%投票权之类，股比最好不要太高，百分之四五十可以接受，甚至更低也行，但百分之六七十有点过高了。”

IPO推进逻辑清晰：一方面，通过上市提升自有品牌影响力和海外市场认可度；另一方面，通过资本市场获取政策和人才支持，为二代接班创造成长土壤。

02 家族接班微妙期：付桂兰与余浅的分工与挑战

望圆最特别的地方，是它的管理结构。

创始人付桂兰女士长期掌舵，70多岁仍精力充沛，亲自管理公司的战略与运营。廖宇透露：“付总应该还没有退，她现在应该还是公司董事长，虽然70多岁了，但精力还比较充沛，仍然在公司做真正意义上的一把手。”

与付桂兰女士形成互补的是二代余浅，副董事长，偏技术方向、工程研发方向，角色有点接近CTO。公司目前呈现“母子搭档”模式，但尚未明确交接时间表。廖宇指出：“望圆现在又处在IPO关键阶段，所以这个时间节点上，也不会给外界形成一种不稳定的预期。”

采访中，业界对余浅的评价也相当高。2025年底，投资人曾可评价：“余浅非常有冲劲，对行业感兴趣且有很多idea”“属于有技术、有脑子的新创始人接班。相比其他传统渠道起家、想要创新却难以转型的企业，望圆由二当家主导变革，阻力会小很多。”

这一点评，既说明了余浅在产品和研发端的能力，也反映出母子档搭档模式的合理性：付桂兰女士负责战略与海外渠道，余浅负责技术与产品创新，形成互补。

然而，交接仍面临挑战。

余浅在法国完成博士学业，偏学术和技术背景，对公司经营和海外市场经验有限。左敖分析：“上市后，他们至少需要大几十人的团队才行。望圆经营侧的能力，包括欧洲的渠道、后续北美线下的拓展，认的还是付桂兰老太太，余浅操不起这个盘，不过到正式接班还有几年的成长期。”

从投资人的视角来看，这条交接之路既是机遇，也是潜在风险。

一方面，余浅技术能力强，有创新思路和算法能力，为公司产品升级和新方向拓展提供动力；另一方面，其学术背景和偏向研发的兴趣，也意味着在经营和市场端需要母亲或高管团队支撑。

曾可评价：“很多中国企业面临接班问题。改革开放后的一波创业者到了退休年纪，但二代多为偏高知的群体，不一定愿意接班……望圆这种儿子优秀且愿意回来的确实比较幸运。”

03 品牌转型背后的三组数字：利润、研发与销售压力

望圆科技的业绩，在泳池清洁机器人赛道中长期稳居头部，但也面临成长烦恼。

根据最新披露数据，公司从代工转向自有品牌的三年间，营收持续增长：2023-2025 年营收分别为 3.78 亿元、5.44 亿元（+43.9%）、8.12 亿（+49.3%）元，毛利率从57.5%升至62.9%，自有品牌收入占比更是从 2022 年的 6% 飙升至 83.5%。

这些数据体现了望圆在品牌转型和市场拓展上的快速积累。

水下机器人企业高管查布透露，望圆早期盈利空间可观：“三四年前净利维持七八千万，一次报上市时，营收2个亿，赚1个亿。”依托自建工厂的成本与产能优势，叠加核心单品高毛利、海外线下渠道深耕，欧美私人泳池市场收入占比超 62%，国内同步布局自有品牌与 OEM 业务，高毛利与稳定盈利曾是其冲刺 IPO 的核心底气。

然而，光鲜数据背后，也存在几组不容忽视的数字。

其一，销售费用激增。2023 至 2025 年销售费用从 9700 万元暴涨至 3.03 亿元，三年增幅超三倍，增速远超营收，品牌转型实质靠高额投入换规模。

其二，研发投入弱化。研发费用率由 5.1% 降至 3.7%，与销售费用增长趋势相反，技术研发力度不足。

其三，净利率持续下滑，从 19.3% 跌至 15.3%，高额营销开支持续侵蚀利润。业内分析认为，营收、毛利双涨但净利率走弱，正是望圆急于 IPO 的核心原因，品牌转型需持续输血，上市成为最优资金补给方式。

此外，公司 IPO 前累计分红 1.47 亿元，实控人母子合计获益约 1 亿元，占到 2025 年调整后净利润的 50%；一边大额分红、一边募资补充营运资金，也引发市场与投资者质疑。

行业格局上看，赛道第一梯队为望圆、元鼎、思傲拓，年出货量 3-5 万台；星迈、众清位列第二梯队，出货量不足 3 万台。泳池机器人公司创始人唐穆指出：“从目前来看，望圆还是第一梯队，综合能力偏强，走得比较稳。最幸运的是二代余浅愿意接班，他非常有冲劲，对行业感兴趣且有很多idea。”

当前泳池机器人赛道步入资本化洗牌阶段，行业红利消退、内卷加剧。昔日代工伙伴元鼎自建工厂入局、星迈凭借融资快速追赶，行业竞争进一步加剧。同时，供应链与库存管控成为行业共性难题。

唐穆指出：“现在割草机、泳池机都已经是非常卷的一个状态了。从出货量来看，泳池机全球一年也就200多万台……在这个行业里，怎么管供应链、怎么管库存是一个非常大的问题。”

海外业务层面，库存与应收账款管理至关重要。望圆虽然盈利，但也面临跨境电商常见的现金流压力，存货和应收账款占用资金较高，若未能妥善管理，可能会影响利润兑现。这也是整个行业普遍的痛点。

04 IPO后挑战与机遇

望圆科技不仅在核心单品上保持领先，还在不断拓展产品和业务边界。

无限供电技术公司项目经理方成透露：“望圆现在又拓展了新的方向，开始做工业泳池清洁，还给泳池清洁公司定制设备，做高端化定制。泳池行业后面可能会出现更多定制化的设备，兼顾水清洁、水消杀、水质检测等功能。”

在技术布局上，公司核心产品具备自动充电、自动回冲、智能清洁覆盖等功能。面对水下通信、路径规划和清洁覆盖率等行业长期技术难题，望圆依靠算法优化和硬件升级持续迭代。

海外市场拓展仍是公司战略重点。欧美私人泳池数量庞大、利润丰厚，但渠道复杂。望圆凭借多年线下运营经验和供应链管理优势，占据先发优势。

上市对于望圆而言，不仅提供资金，更能提升品牌声量和政策认可度。左敖指出：“他们必须要上市，因为自有品牌声量太小，上市后才有机会取得国家或地方政府的支持。上市有助于他们往海外推广，把供应链成本打下来，并且招人才时更有派头。”

在整个泳池机器人赛道中，资本化浪潮正在重塑竞争格局。赛道正在从蓝海向红海转变，渗透率提升的同时，竞争格局快速洗牌。

母子档的交接班，也将影响战略推进节奏。IPO成功后，治理结构的要求会更加明确。

余浅在技术和产品端具有创新能力，但经营和渠道仍需母亲和高管团队支持。母子档模式既保证短期IPO顺利，也为二代成长提供实践机会，研发团队扩张和海外布局将是未来三到五年的核心观察点。

对望圆而言，上市只是手段，真正的挑战，将从敲钟之后开始。

注：文中廖宇、曾可、方成、查布、左敖、唐穆均为化名。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

文远知行最新财报：「高筑墙、广积粮」，营收超预期，Robotaxi用户规模翻倍

田哲 — Thu, 14 May 2026 01:57:00 GMT

导语：文远知行这份财报是一个信号，智驾行业正在进入真正的规模商业化阶段。

文远知行这份财报是一个信号，智驾行业正在进入真正的规模商业化阶段。

作者 | 田哲

编辑 | 李雨晨

文远知行从来不缺故事。从汇聚行业天才的实验室，到估值傲视群雄的独角兽，再到横跨美港两地市场的资本宠儿，自诞生起就头顶光环，文远知行就集万千关注于一身。

在智驾行业的下半场，情怀与估值不再重要，商业化能力变成检验公司的核心指标。

进入2025年，文远知行的收入曲线变得陡峭，财务指标持续向好。其全年营收创下历史纪录达到6.9亿元，同比大幅增长90%。

值得注意的是，这还不是昙花一现，5月13日发布的2026年Q1财报显示，文远知行收入进一步提高。Q1公司营收1.14亿元，同比大涨58%，文远知行已实现连续四个季度收入突破亿元大关。

与此同时，其毛利润3960万元，同比大涨56%，毛利率35%。

更关键的是，这种增长并非停留在财报口径，而是已经在运营侧形成了可验证、可放大的规模能力。

截至目前，文远知行全球自动驾驶车队规模已约2800辆，其中Robotaxi车队约1300辆，中国Robotaxi车队规模近1000辆，构建起行业领先的真实运营底座。用户与订单侧同样同步放量：2026年一季度，中国Robotaxi注册用户规模达到去年同期的约2倍，单车日均订单超过17单，高峰期更是提升至28单。

从“有车”到“有单”，再到“高频使用”，文远知行已经跑通了自动驾驶从能力验证走向规模运营的关键闭环，引领自动驾驶行业进入高速发展期。

PART 1

连续四个季度营收破亿元，
Robotaxi基本盘稳定

2025年Q1，文远知行收入7,244万元，Q4收入增长至3.14 亿元，显然自动驾驶业务已实现商业闭环。进入2026年，公司收入延续增长趋势，即便剔除季节性因素，Q1收入依然突破1.14亿元，收入结构正趋于稳定，进入持续增收阶段。

其中，Robotaxi等L4级自动驾驶业务已成为最重要的增长来源之一。今年Q1，产品收入达到9400亿元，同比大幅增长116%。作为文远知行L4商业化体系的核心支点，Robotaxi仍是最强劲的业务方向。

从结构来看，Robotaxi业务扩张持续走强。2025年Q1，该业务收入为1,610万元，占比提升至22.3%，全年收入达到1.5亿元，用户规模同比增长超900%。到2026年Q1，文远知行全球自动驾驶车队已扩展至约2800辆，其中Robotaxi约1300辆，规模优势进一步确立。

在车队扩张的同时，其运营网络也在快速铺开。在广州，文远知行Robotaxi服务从黄埔区延伸至天河等核心城区；在阿布扎比，其Robotaxi已覆盖约70%核心区域；在迪拜实现纯无人商业化运营；新加坡Robotaxi服务亦已正式对公众开放。车队规模与服务范围的同步提升，推动运营效率显著提升。

（文远知行Robotaxi在广州）

一季度，中国Robotaxi注册用户规模达到去年同期的约2倍，单车日均订单超过17单，高峰期提升至28单。随着车辆数与运营范围扩大，文远知行的L4业务正从“技术驱动”加速转向“运营驱动”。

本质上，Robotaxi是一项高频出行服务。随着车辆大规模上路，企业面临的不仅是技术能力挑战，更是成本控制、调度效率与安全运营的综合考验。如何在稳定运行基础上持续提升订单密度和盈利能力，成为问题关键。

正如文远知行CFO兼国际负责人李璇所言，Robotaxi运营是一套极其复杂的体系，其核心不在单一技术，而在于技术与规模化运营的深度结合。例如接送点规划、车内交互设计、平台入口布局，以及突发事件的快速响应能力，均直接影响运营效率与用户体验。

这一能力并非一朝一夕就能快速习得，必须经过日积月累的实战摸索。正是这些长期积累的实战经验，支撑着文远知行Robotaxi在海内外10多个城市高效扩张。

据悉，若年底计划顺利完成，文远知行在阿布扎比的Robotaxi运营规模将达到四五百台，车辆密度接近旧金山Waymo的运营水平。而在国内，文远知行则计划在2026年内新增一座一线城市开展Robotaxi服务，明年有望实现单座一线城市全域运营。

PART 2

财务改善背后，
自动驾驶行业开始进入效率竞争

随着无人驾驶进入规模化落地阶段，2025年，智驾公司的竞争重心正从“技术突破”转向“盈利能力”。

长期以来，智驾行业始终面临高成本压力——车辆成本、传感器成本、安全员投入、云端算力支出，以及后期复杂的运维调度体系等。这也使得行业普遍呈现“收入增长，但盈利难以同步改善”的结构性问题。但从文远知行近几个季度的财务表现来看，这一局面正在出现变化。

2025年Q1，文远知行毛利率达到35%， Q3毛利率依旧维持在32.9%的高位，毛利润同比增长1123.9%；到了Q4，毛利润继续同比增长74.1%。

而今年Q1，文远知行的毛利润达到3960万元，同比大涨56%。

在智驾行业整体仍处于高投入阶段时，能够长期保持30%以上毛利率，说明其业务模式正在逐渐摆脱单纯依赖研发投入驱动的阶段，规模化运营正带来效率优势。

支撑这一变化的，是多条业务线的协同推进。

L4方面，文远知行Robotaxi业务已在北京、广州、阿布扎比和迪拜实现纯无人商业化运营，形成可复制的国际化落地路径，并计划在2030年前扩展至万台级规模。

L2 ADAS方面，文远知行依托WRD 3.0一段式端到端方案快速获取前装定点，已进入广汽埃安、奇瑞等多家车企体系，累计获得近30个车型项目，成为新的订单增长来源。

（文远知行在强敌环伺的中国智驾大赛中，取得了赛事史上唯一的四连冠好成绩）

值得一提的是，文远知行WRD 3.0一段式端到端方案在中国智驾大赛中，取得了赛事史上迄今唯一的连续四站夺冠记录。这一历史性的成绩和其一段式端到端模型的快速突破给中国智驾行业留下了深刻印象。

知情人士告诉《新智驾》，从能力底层来看，一段式端到端并非单点算法优化，而是一个系统工程，其核心在于打通数据闭环与训练体系，包括仿真、回灌与持续迭代机制。

文远知行创始人兼CEO韩旭将公司在一段式端到端方面取得快速突破的原因，归结于年初发布的WeRide GENESIS世界模型。“过往车企训练模型，是在矿石中找钻石；WeRide GENESIS直接生成钻石”，韩旭在一次采访中讲到。

作为高度通用的世界模型，WeRide GENESIS支持多样的城市路况、传感器视角与车型配置仿真，全面兼容从L2++到L4级Robotaxi各类自动驾驶产品的算法训练，仿真生成能力可将极端场景数据效率提升数千倍，同时降低约75%的采集与标注成本，显著提升了长尾场景训练效率。

在技术突破的基础上，文远知行通过生态合作进一步放大效率优势。

在硬件层，文远知行通过与英伟达、高通、芯擎科技等广泛合作，实现对多主流车载计算平台的适配和量产；在规模化部署上，文远知行与联想车计算签署战略协议，计划未来五年投放20万台L4车辆；在全球运营侧，文远知行与Uber合作在迪拜推进纯无人Robotaxi商业化，与Grab加速在新加坡拓展Robotaxi市场，加快海外闭环验证。

（文远知行与联想战略签约）

综上来看，文远知行同时推进几条完全独立的业务线，逐渐构建一个共享底层能力的自动驾驶运营体系，有助于进一步提升整体经营效率。

PART 3

规模化扩张能力，
文远知行的国际布局

相比行业内多数仍依赖外部融资输血、在生存线上挣扎的公司，文远知行多个季度收入破亿元，正率先建立可持续的自我扩张能力。

规模，是文远知行收入增长的核心原因。文远知行创始人兼CEO韩旭提出了“L4资格赛”论，认为新入局者至少需要拥有100台纯无人Robotaxi公开运营半年，没有重大事故，才有资格谈Robotaxi竞争。

出于更易实现商业化的目的，文远知行着力将阿布扎比打造为Robotaxi样本市场。进入这一市场五年，文远知行在当地运营范围已经覆盖70%核心城区。

正是多年海外运营，文远知行积累了丰富经验，加速着开拓新城市的速度。仅2025年一年，文远知行就开拓了多个新城市运营Robotaxi，成为全球唯一同时拥有八国自动驾驶牌照的科技公司。

（文远知行Robotaxi在新加坡）

在这个量级下，原本零散的数据将更为体系化，在其汇聚成城市级路网模型，此前难以触及的极端长尾场景和复杂的城市级调度算法，都将在这一体量下完善，形成真正的运营壁垒。而Robotaxi体系的部分运营经验，也能被直接应用其他L4业务线，进而实现业务协同发展。

收入、数据的持续增长，又能为文远知行构建“飞轮效应”：持续增长的现金流为核心业务Robotaxi提供了稳定的资金，驱动车辆规模成倍增长；规模扩张不仅沉淀了海量的场景数据，更在实战中淬炼出极高的运营效率；而效率的提升反过来进一步优化毛利，吸引更多资本与市场份额，从而推动飞轮更高速自转。

韩旭曾预计，2026年公司运营Robotaxi数量将达到2,600台。未来3—5年，更多城市将出现千辆级，甚至万辆级的Robotaxi车队。

PART 4

智驾行业从技术竞赛，
转向经营竞赛

文远知行这份财报的价值，已经超出了公司经营解读的意义，更是一个信号，智驾行业正在进入真正的规模商业化阶段。

韩旭的“规模化论”已经道明，只有真正长期规模化、安全运营纯无人Robotaxi车队的公司，才有望成为最后的大赢家。

当下，多家智驾公司趋于盈利，布局海外市场，智驾商业化落地不再是空中楼阁，这也吸引着众多公司加码布局，试图分食市场蛋糕。

如今文远知行正在高筑墙，广积粮，为行业指明前进方向。

雷峰网(公众号：雷峰网)

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

马化腾：腾讯AI发展不急于乱抢地盘，过去抢别人地盘基本失败了；思科拟裁员约4000人，投入更多资源到AI；林俊旸被曝创立新AI实验室

巫夏清 — Thu, 14 May 2026 00:35:00 GMT

导语：早报来啦~

要闻提示

NEWS REMIND

1.马化腾：腾讯AI发展不急于乱抢地盘，过去抢别人地盘基本失败了

2.阿里巴巴CEO吴泳铭：阿里服务器几乎没有一张卡是空的

3.曝林俊旸离职后创立新AI实验室，首轮估值20亿美元

4.vivo手持云台预计四季度发布，供应链备货百万

5.小米开源 Xiaomi OneVL 自动驾驶模型，业内率先实现 VLA、世界模型等多技术路线统一

6.月之暗面张予彤：“Kimi喜欢不被标签化的人和偏执的人”

7.特斯拉核心供应商，日本电机巨头再曝大规模造假！

8.思科计划裁员约 4000 人，投入更多资源到 AI 及相关增长领域

今日头条

HEADLINE NEWS

马化腾：腾讯AI发展不急于乱抢地盘，过去抢别人地盘基本失败了

5月13日，在腾讯股东大会上，腾讯董事会主席兼首席执行官马化腾表示，腾讯早期在AI领域的基础能力并非突出，近年来通过人才建设、团队管理与内部培训持续补全短板，如今正逐步驶入发展轨道。

对于腾讯AI（人工智能）是否落后的问题，在腾讯股东大会上，马化腾表示：“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。”马化腾坦言，腾讯不一定是业界最快抓住机遇的，但坚持走正确的道路，结合自身独有优势稳扎稳打，“不能看着别人在那边做就随便跨过去，抢别人的地盘，过去我们也抢过但后来基本失败了”。据悉，在腾讯股东大会上，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。

同日，腾讯高管在第一季度财报发布后的电话会上表示，接下来公司资本支出将会增加，今年下半年将会有更多国产芯片陆续投入使用。腾讯云一直缺乏足够多的GPU资源，难以满足外部客户的所有需求，对获得更多收入和市场份额有影响。腾讯高管称，AI领域的投入包括短周期和长周期投资，公司不会基于季度的层面管理每个相关产品，而是会基于资产组合和生命周期进行审视。

数据显示，腾讯控股第一季度营收1964.6亿元，同比增长9.1%，预估1993.9亿元；营业利润673.8亿元，同比增长17%，预估656.5亿元；调整后净利润679.1亿元，预估678.3亿元；调整后每股收益7.517元，同比增长12%。（每日经济新闻、财联社）

国内资讯

DOMESTIC NEWS

阿里巴巴CEO吴泳铭：阿里服务器几乎没有一张卡是空的

5月13日消息，阿里巴巴CEO吴泳铭在财报电话会上表示，目前AI发展的趋势更像制造业，要获得更多收入必须去建两个核心工厂：AI的训练工厂和AI的推理工厂，背后都是AI数据中心的建设。吴泳铭表示，AI数据中心的建设一定会消耗比较大的集团现金流，但在回报的路径上是清晰的。吴泳铭透露，现在阿里的服务器内几乎没有一张卡是空的，考虑未来3-5年的需求情况，他认为阿里大量投入AI数据中心的投资回报非常确定。

同日，阿里巴巴集团发布2026财年Q4及全年财报。财报显示，阿里巴巴第四财季营收2433.8亿元，同比增长3%。若不考虑高鑫零售和银泰的已处置业务的收入，同口径收入同比增长将为11%；净利润为254.76亿元。2026财年营收10236.7亿元，同比增长3%；净利润1059.04亿元。

财报显示，阿里云外部商业化收入增长加速至40%，其中AI相关产品收入占比首次突破30%，成为新增长引擎。AI相关产品季度收入89.71亿元，年化收入突破358亿元。电商CMR增长8%，即时零售强劲增长57%。同时，阿里巴巴宣布派发2026财年年度定期现金股息，股息总额约为25亿美元。（新浪科技、财联社）

李彦宏：智能体时代，Token不一定代表终局

5月13日，百度董事长李彦宏在百度AI开发者大会上表示，进入智能体时代，Token（词元）不一定代表终局，Token只是代表成本，并不代表收益；它衡量的是投入，而不是产出。另外，Token消耗有没有效率、产出了什么价值——这些Token本身无法回答。衡量一个平台和生态的繁荣，更应该关注DAA（Daily Active Agents，日活智能体数）指标，关注在给人类干活，并交付结果。预计未来全球日活智能体数，可能超过100亿。（第一财经）

曝林俊旸离职后创立新AI实验室，首轮估值20亿美元

5月13日消息，据外媒报道，今年 3 月公开辞职的前阿里巴巴千问大模型技术负责人林俊旸，正在为其新创办的 AI 公司寻求数亿美元融资。报道援引两名知情人士消息称，本轮融资完成后，该公司的估值约为 20 亿美元。目前谈判仍在进行中，最终估值存在变数。

知情人士透露，风投机构高榕创投和红杉中国正在洽谈参与投资。这家新公司的名称目前尚未对外披露。最近，林俊旸清空社交媒体，或许也是为新公司成立做准备。另据报道，林俊旸的新公司已初具雏形：方向上，团队正在考虑世界模型与具身大脑；人员上，已陆续招募数名来自字节、腾讯及海外机构的研究人员。

值得一提的是，对于一家刚刚起步的 AI 公司而言，20 亿美元的估值在中国比较罕见。而林俊旸将目标定在这一水位，背后或许有两层支撑：一是他在阿里巴巴期间的实绩，二是资本市场对 AI 标的持续升温的热情。据悉，在阿里巴巴任职的三年里，林俊旸参与组建了 Qwen 研究团队，将 Qwen 系列模型推至全球开源 AI 的前列。其中，低成本的小尺寸 Qwen 版本尤其受到全球注重性价比的开发者青睐。（APPSO、Tech星球）（关于最新消息可加微信 Who123start 爆料）

vivo手持云台预计四季度发布，供应链备货百万

雷峰网(公众号：雷峰网)独家消息，据知情人士透露，vivo Pocket手持云台或将于今年第四季度发布，同时有供应链消息称，该产品将于10月份开始量产，镜头传感器尺寸为1/1.1 英寸，上市时间预计11月-12月，目前vivo给出的备货预期在百万台左右。

值得一提的是，OPPO此前内部也已启动云台相机项目，代号“扶摇”，其相关产品同样也将在四季度上市。有知情人士告诉雷峰网：“vivo Pocket原本计划三季度发布，但在各家都入局后，vivo延后到第四季度发布，准备先看友商产品上市情况后再发布产品。”

此外，vivo在近期开启了首款云台相机的体验招募，招募对象优先有云台类产品使用经验的用户，并将于5月22日起在深圳宝安维沃大厦进行体验。除了vivo、OPPO外，华为、小米、荣耀对手持云台相机产品均有立项，并已经成立项目组，预计发布时间在2027年，同时也存在对市场的观望态度。本文作者长期关注智能硬件及终端，对终端渠道、业内动态感兴趣的行业人士，欢迎添加作者微信（ByArsT）交流。

小米开源 Xiaomi OneVL 自动驾驶模型，业内率先实现 VLA、世界模型等多技术路线统一

5 月 13 日消息，小米技术正式发布并开源 Xiaomi OneVL 一步式潜空间语言视觉推理框架。官方表示，该模型在业内率先实现 VLA、世界模型、潜空间推理等多个技术路线的统一，在具备 XLA 模型强悍推理能力的基础上，大幅提升了推理的速度和精度，是行业内具备开创性的方案，在精度上超越显式 CoT、在速度上对齐“仅答案”预测的潜空间 CoT 方案。

过去，VLA 和世界模型是自动驾驶领域两条相对独立的技术路线：VLA 专注于理解场景并输出驾驶动作，世界模型专注于预测未来场景的演变。Xiaomi OneVL 通过潜空间推理，首次将两者统一到同一套框架中。在涵盖感知、推理与规划的多个主流基准上，Xiaomi OneVL 全面刷新了潜在推理方法的性能上限。

同时，Xiaomi OneVL 能为模型决策提供语言和视觉双维度的可解释性 —— 既能用文字说明“为什么这样开”，也能用预测画面展示“接下来会发生什么”。据悉，小米已将 Xiaomi OneVL 的模型权重和训练、推理代码全面开源。（IT之家）

大疆多款产品降价，Pocket 3再降500元

5月13日，大疆官方商城上线多款产品的优惠活动，包括Osmo Pocket 3、Osmo Action 6、DJI Air 3S等。其中，此前一度断货的人气手持相机Osmo Pocket 3再降500元，标准版到手价2299元起。

5月13日，有媒体就Pocket 3的优惠活动致电多家大疆门店，销售人员均表示当天起该机型的价格再下调500元，标准版由此前的2799元降至2299元，全能套装由3599元降至3099元。但此前发布的新一代手持相机Pocket 4并不参与此次优惠活动，“Pocket 4目前一直都没有现货，而且比较火爆，做活动的可能性很小。”（ZAKER）

月之暗面张予彤：“Kimi喜欢不被标签化的人和偏执的人”

5月12日，月之暗面（以下简称“月暗”或Kimi）总裁张予彤现身北京大学光华管理学院，与院长田轩进行了一场闭门对谈。据媒体获悉，在这场校园宣讲的交流之外，现场还设置了小范围面签与沟通环节，部分学生在活动结束后直接进入进一步交流流程。有接近现场人士告诉媒体，Kimi对于人才的定义是“不被定义”。

在这场与北大光华学生的对谈中，张予彤提到Kimi喜欢两类人：一类是“不被标签化”的人，另一类是偏执的人。她谈到，公司并不迷信学历或专业，而更看重一个人是否真正长期关注AI以及是否愿意为一个想法迭代上百次、上千次。而一批能够与AI共同工作、共同进化的人，某种程度上也代表了今天中国头部大模型公司的人才观。

当然，这已经不是月暗第一次高调接触高校顶尖人才。过去几个月里，随着Kimi模型持续迭代、公司融资推进，以及组织规模扩张，月暗明显加快了对核心人才的争夺节奏。而另一边，DeepSeek近期因新一轮融资传闻持续引发市场关注。外界更多讨论的是估值、资本和股东结构，但融资的另一面，其实同样是为了吸引和留住人才。（虎嗅）（关于最新消息可加微信 Who123start爆料）

安克创新：计划继续减少50%至70%充电产品型号数量

5月12日，安克创新召开了2025年年度股东大会。公司在回应充电产品品控相关问题时，透露了将持续大幅缩减充电类产品的计划。

公司方面坦言，充电品类过去确实存在产品型号过多、过杂的问题。其披露，仅在2024年，公司的充电宝产品就曾多达约100款。安克创新方面直言：“无论如何也不应该有100款，或者说，什么样的公司也不可能做好100款充电宝的品质。”

过去18个月，安克创新已减少约70%的充电产品型号数量。而对于接下来的规划，并明确表示：在未来18个月内，还计划继续减少50%至70%的充电产品型号数量，以进一步聚焦品质管控与产品精进。（超级航海家）

马斯克点赞宇树机甲！网友称宇树帮马斯克圆梦了

5月13日消息，宇树科技12日发布全球首款量产载人变形机甲GD01，马斯克在社交平台回复称：很酷！据宇树科技介绍，该款机甲起售价为390万元人民币，民用交通工具，体重约500kg（载人后）。值得注意的是，还有网友翻出马斯克2018年在社交平台发布的一篇内容为“是时候创造一个机甲”的贴文，有网友调侃：中国企业帮你圆梦了！（中新经纬）

华为、联想、富瀚微罕见「同框」，00后空间智能创业者连续获得两轮融资

据AI科技评论独家获悉，魔芯科技近日正式完成新一轮近亿元融资。本轮由富瀚微股份、联融志道（联想控股旗下基金）、浙创投联合投资，老股东跟投。叠加一个月前华为哈勃领投的Pre-A+轮，魔芯科技在近两个月内已连续拿到两轮近亿元融资。

魔芯科技的投资方目前包括，华为哈勃（算力底座）、富瀚微（核心视觉芯片）、联想控股（智能终端+产业支持）、浙创投（国资产业资本），是一个产业链关键节点+场景落地+产业生态+国资背书的完整逻辑链条。其创始人陈天润为00后浙大在读博士生，师从中国工程院院士、原浙江大学校长潘云鹤。

目前，魔芯在三个关键领域取得了系统性突破：动态4D场景前馈式重建（输入视频，直接输出带时间维度的三维场景即 4D 动态空间，无需逐帧优化）、长序列连续空间建模（让AI记住场景的长期状态，而不是“看完就忘”）、高分辨率前馈三维重建（单次推理即可生成高精度3D模型）。其4D基座模型已经在VLM（视觉语言模型）问答、VLA（视觉语言动作）操作等领域证明了价值，模型规模超过100亿参数，在重建精度和动态支持上已进入行业第一梯队。

腾讯客服回应“微信同时打开两张图致闪退”：建议使用清理缓存、更新版本等方法

5月13日，“微信被曝存在闪退BUG”话题引发网友热议，有网友爆料称同时点开两张图后，自己的微信会被强行退出。对此，腾讯客服表示：关于同时打开两张图片导致微信闪退的问题，建议按照以下方法操作：定期清理手机缓存并确保存储空间充足；检查微信是否为最新版本，前往应用商店更新；尝试切换网络环境或在网络通畅时段使用；退出微信账号并重启手机后重新登录。

对于微信同时点开两张图闪退的原因，客服称：同时加载大量图片可能导致内存压力，建议按照上面提到的清理缓存、更新版本等方法操作，通常能有效改善卡顿或闪退情况。

此前报道，5月12日，知名数码科技博主“我是贰哥”发布视频，称发现微信出现闪退问题，如果在微信对话框内存在两张照片，双击这两张照片后，再点击出现在手机页面的照片，微信就会立刻闪退。该视频一经发布，立刻引来众多网友评论和测试。“实测，安卓会，苹果不会”“小米已试会闪退，集合！”“Mate 80 pro鸿蒙6.1刚刚测试了，没有这种情况”“还真是，不过你们是咋发现这个bug的?”当天下午，媒体按照此方法测试了多款安卓系统的手机，微信均出现闪退的情况，但iOS端却并没有出现该现象。（九派新闻、红星新闻）（关于最新消息可加微信 Who123start 爆料）

国际资讯

FOREIGN NEWS

特斯拉核心供应商，日本电机巨头再曝大规模造假！

5月13日消息，据多家媒体报道，日本大型电机制造企业尼得科公司被曝大规模造假。日本尼得科（Nidec，原名“日本电产”）是全球电机和驱动系统领域的绝对巨头，堪称“电机界的丰田”。它不仅与汽车行业息息相关，更是目前全球新能源汽车供应链中的核心玩家之一。

据报道，造假行为包括设计变更和伪造检验数据等，造假规模也十分惊人，涉嫌违规行为或超过1000起。造假手段包括约97%的问题是未经客户同意，擅自更改模具、生产工艺或产品设计；剩下的3%则涉及直接伪造试验检测数据、甚至产地标识造假。涉事产品不仅包括家电电机，还直接波及上述的汽车零部件领域。这不是Nidec第一次站在造假风波的风口浪尖，此次违规造假的问题，是在针对此前财务舞弊问题，在公司内部调查中发现的。早在2025年，尼得科就被曝出爆发财务违规丑闻，尼得科多个分部长期屡次实施财务违规行为，这些行为对净利润造成的负面影响累计达到1607亿日元。

日本尼得科公司于1973年创立，从一枚小小的硬盘驱动器马达起家，逐渐成长为业务遍布全球的工业巨鳄，目前员工总数超过10万人。业务领域包括精密小型电机、家电与工业用电机、机械装置与电子光学零部件、车载电机及系统等。目前东京证券交易所已将其列为要求改善内部管理体制的“特别注意股票”，面临退市和监管风险，事件曝出后已有客户暂停新订单，寻找替代供应商。尼得科是特斯拉等众多全球车企的核心供应商。（电车知家、快科技）

思科计划裁员约 4000 人，投入更多资源到 AI 及相关增长领域

5 月 14 日消息，据外媒今日报道，思科公司周三表示，该公司计划裁减近 4,000 个工作岗位，此举是其重组计划的一部分，旨在将投资转向人工智能及相关增长领域。该公司表示，在裁减某些领域职位的同时，正在全公司范围内对芯片、光通信、安全以及员工的人工智能应用进行战略投资。

思科本财年至今已从超大规模云服务商处获得了 53 亿美元（约合 360.86 亿元人民币）的人工智能基础设施订单，并将全年订单预期从之前的 50 亿美元上调至 90 亿美元。

“在人工智能时代，获胜的公司将是那些拥有专注力、紧迫感，以及有纪律性能够持续将投资转向需求最旺盛、长期价值创造能力最强领域的公司，”思科 CEO 查克 · 罗宾斯（Chuck Robbins）在思科网站上发布的一篇文章中表示。罗宾斯表示，该公司将在第四季度裁减不到 4000 个岗位，占员工总数的不到 5%。（IT之家）

英伟达 CEO 黄仁勋 2026 财年总薪酬 3630 万美元，下降 27%

5 月 13 日消息，据外媒报道，由于股票奖励价值缩水，英伟达首席执行官黄仁勋 2026 财年总薪酬下降 27%，降至 3630 万美元（约合 2.47 亿元人民币）。根据 5 月 12 日提交的监管文件显示，在截至 1 月 25 日的本财年中，黄仁勋薪酬占比最大的股权奖励下滑 36%，至 2480 万美元。2025 年，他获得的股权奖励为 3880 万美元，当年总薪酬达 4990 万美元（约合 3.4 亿元人民币）。

尽管英伟达仍是全球市值最高的企业，但其股价过去一年的暴涨势头已然放缓。英伟达股价 2023 年暴涨两倍、2024 年涨幅超一倍后，2025 年涨幅收窄至 39%。2026 年迄今，英伟达股价累计上涨 18%，在主流芯片企业中涨幅表现垫底。2026 财年，黄仁勋基本工资基本维持不变，为 150 万美元（约合 1021.3 万元人民币）；非股权激励计划薪酬也稳定保持在 600 万美元（约合 4085.2 万元人民币）。（IT之家）

谈判彻底破裂！三星五万名员工整装待罢工，1400亿产值损失悬顶

5月13日消息，据多家媒体最新报道，三星电子与其最大工会之间的谈判已经破裂。报道称，在争议后的调解过程中，双方未能就奖金发放问题缩小分歧。三星电子韩国工会负责人表示，公司和工会周三未能就薪资协议达成一致，预计将有超过五万名员工进行全面罢工，可能扰乱人工智能及其他芯片的生产。

工会此前表示，若其诉求未获满足，员工将从5月21日起进行为期18天的罢工。上述工会代表还透露，目前暂无计划在罢工日期前与管理层重启谈判，但如果公司提出“合理的方案”，他愿意予以考虑。韩国国家劳动关系委员会表示，其已提出“多种替代方案”，但“鉴于双方立场差距过大以及工会要求暂停谈判”，决定结束调解程序。值得注意的是，本次罢工的规模和影响极其巨大，将导致全球最大的内存芯片生产基地面临停摆。相关机构预测，此次长达18天的罢工行动可能导致约204亿美元（约1470亿人民币）的产值损失。

摩根大通分析师警告称，如果三星全盘接受工会诉求，其年度营业利润预计将缩减7%至12%。据了解，三星劳资双方的核心矛盾集中在绩效奖金制度上。工会要求取消现有的奖金上限，并提出将奖金设定为营业利润的15%。按照三星2026年营业利润增长预测计算，半导体部门员工的人均奖金将接近295万元人民币。三星管理层坚持拒绝永久取消上限，员工此前也拒绝了约246万元人民币的一次性奖金方案。值得一提的是，在之前4月的一次短期罢工中，三星存储芯片工厂的夜班产量下降了18%，晶圆代工产量更是暴跌58%。（快科技）

宝马集团宣布齐普策结束其董事会任期，聂科维将接任董事长

5月13日下午消息，在第106届年度股东大会结束后，宝马集团董事长齐普策（Oliver Zipse）将按计划卸任宝马集团董事会职务，并自今年5月14日起，由聂科维（Dr．-Ing．Milan Nedeljković）担任宝马集团董事长一职。在宝马集团服务满35年后，齐普策将正式结束其在董事会任期。

作为齐普策的继任者，聂科维自2019年起加入宝马集团董事会，负责生产业务。这位57岁的高管于1993年以管培生身份加入宝马，拥有丰富的国际管理经验，曾在牛津、莱比锡与慕尼黑工厂担任管理职务，还曾负责集团质量工作。根据任命，聂科维的董事长任期将持续至2031年。

另外，自2026年5月14日起，魏睿德（Dr．Raymond Wittmann）将接任宝马集团董事，负责生产业务。47岁的魏睿德于2015年加入宝马集团，自2024年起负责集团战略与发展工作。在此之前，他曾在集团多个业务部门担任管理职位。作为当天年度股东大会的一部分，监事会将提议再次选举西门子能源股份公司执行委员会主席克里斯蒂安·布鲁赫（Dr．Christian Bruch）担任监事会成员，任期四年。原蒂森克虏伯股份公司董事会主席海里希·赫辛根（Heinrich Hiesinger）的监事会任期将于本次年度股东大会结束时届满。（新浪科技）

比亚迪寻求接手 Stellantis 等车企闲置工厂，利用欧洲产能生产汽车

5 月 13 日消息，据外媒报道，比亚迪已与 Stellantis 等欧洲汽车制造商接触，希望接手欧洲部分产能闲置的汽车工厂。比亚迪执行副总裁李柯接受采访时透露，公司正在讨论收购或接管意大利等地工厂的可能性。公司目前不仅在与 Stellantis 谈判，也在和其他欧洲车企沟通。“我们正在寻找欧洲任何可用的工厂，因为我们希望利用当地现有的闲置产能。”

此前，Stellantis 本月已经宣布扩大与零跑汽车在欧洲的合作。据了解，根据双方计划，Stellantis 旗下菲亚特和标致位于西班牙的两座工厂，将负责生产零跑的电动汽车。目前，欧洲汽车制造商普遍面临成本高企与市场竞争加剧的问题，因此越来越多企业开始愿意与中国车企展开合作。李柯表示，比亚迪更希望独立运营这些工厂，而不是采用合资模式。

在中国市场价格战持续加剧背景下，比亚迪正在加速海外扩张，欧洲销量也快速增长。与此同时，中东局势推高燃油价格，也重新带动欧洲市场对电动汽车的关注。此前消息称，比亚迪正在从竞争对手大规模招募人才，以加强腾势品牌在欧洲市场的发展。按照计划，腾势将于今年晚些时候正式进入英国市场。（IT之家）

微软 Positron 计划曝光：实体 Xbox 游戏可转数字版在 Helix 主机上运行

5 月 13 日消息，微软正快速推进下一代硬件产品 Helix 计划，这款设备将是 PC 与游戏主机的融合机型。目前已有部分配置得到官方确认，也有不少传闻参数流出，该机型将采用全数字无光驱设计。

最新爆料显示，Xbox 目前正在研发名为 Positron 计划的新项目，该项目可将实体游戏转换为数字授权，转换后的授权能够在 Helix 设备上使用，让实体游戏光盘不至于彻底作废。随着数字版游戏逐渐成为主流，据传新一代游戏主机都将取消光驱设计，而微软仍打算通过该项目为实体光盘提供兼容支持。目前该项目的相关细节十分有限，但现有带光驱版 Xbox 主机的用户，有望将自己的实体游戏转换成数字授权并在 Helix 设备上使用，据悉新款设备还将支持向下兼容。

尽管近些年实体游戏载体的销量大幅下滑，但仍有大量玩家偏爱实体光盘。这项技术既能保留实体游戏的价值，同时也能享受数字版游戏的各项功能。目前相关细节尚未官宣，或仅为传闻。除此之外，这项技术还需要额外的版权授权，会进一步推高硬件成本；而受内存芯片价格影响，主机成本本就处于高位。（IT之家）

雷峰网版权文章，未经授权禁止转载。详情见转载须知。

全球AI药物递送第一股剂泰科技挂牌港交所，“制药界Space X”开启生物制药新纪元

梁丙鉴 — Wed, 13 May 2026 11:15:00 GMT

导语：剂泰科技创业6年，成为国内AI制药行业中完成IPO里程碑用时最短的独角兽公司。

雷峰网(公众号：雷峰网)讯 2026年5月13日，香港, 聚焦AI纳米递送创新的科技生物公司剂泰科技（7666.HK）今日在港交所成功挂牌上市，成为全球AI药物递送第一股，也是港股AI大分子生物制药第一股。以制药界“Space X”为目标，剂泰科技创业6年，成为国内AI制药行业中完成IPO里程碑用时最短的独角兽公司。

剂泰科技本次IPO由富瑞金融集团、德意志证券亚洲和中信证券（香港）担任联席保荐人，全球发行201,229,000股H股，募集资金规模超21亿港元，创下2026年迄今港股医疗健康IPO募资之最。公司在香港公开发售录得超6,900倍超额认购，锁定认购资金逾7,300亿港元，为2026年迄今港股医疗健康IPO香港公开发售认购金额之最；国际配售方面，获得超过280个机构投资人下单，录得可分配额度82倍的超额认购，也是2026年迄今港股医疗健康IPO国际配售认购倍数之最。

剂泰科技此次港股IPO以18家顶级机构累计认购1.48亿美元的顶配阵容再次刷新了港股AI制药IPO纪录，获得“国际资管+专业医疗基金+AI科技基金+国家级基金+中资公募”的全方位护航。其中，全球最大资管贝莱德领衔认购5000万美元，瑞银UBS AM Singapore、Mirae Asset（韩国未来资产）、日本欧力士ORIX等全球资管巨头及超长线基金集体加注；国家级基金国风投创新投资基金首次出手AI制药；国际老牌头部医疗专项基金Deerfield、RTW、清池资本联手入局，华登国际、高瓴、IDG资本等一线科技投资机构均跨界下场，广发基金、工银瑞信基金、华夏基金、富国基金等中资顶尖公募机构此次也罕见同框认购锁仓，充分证明AI纳米递送技术已经上升到国家战略级重点支持领域，并成为全球生物制药未来增长和突破的关键技术。

剂泰科技联合创始人、董事长兼首席执行官赖才达博士表示：“未来的生物医药，不再只是“生病吃药”。剂泰科技的志向是以AI打造纳米火箭，在人体30万亿细胞的内太空实现精准导航，把核酸与蛋白的代码写入细胞，将疾病细胞和衰老细胞重编程为健康细胞。这是我们创业的初心，也是我们要一辈子为之奋斗的事业。IPO是我们加速向前的新起点，我们一定不会辜负来自各界的支持和厚爱。”

■ 自研全球首个AI纳米递送平台，首创AI for Nano的数据、算法和模型

剂泰科技核心竞争力源于自主研发的全球首个AI纳米递送平台NanoForge，构建了目前全球最大规模的千万级可电离脂质库，自主开发了全球目前唯一脂质从头生成算法和脂质语言模型，建成了全球首个端到端脂质及脂质纳米颗粒（LNP）筛选平台，原创了全球首个AI+多尺度模拟小分子剂型平台。

NanoForge涵盖了人工智能基础模型、METiS智能体、量子化学与分子动力学模拟及人工智能驱动的高通量筛选平台，是公司专有的人工智能驱动纳米科技创新体系的基础。以NanoForge为基础，公司开发出AiTEM、AiLNP、AiRNA三大技术解决方案，不但能极大地缩短药物研发的时间，而且可以增强药物的安全性和有效性。

■ 以全球首创体内靶向递送系统覆盖免疫、肿瘤、代谢等重大疾病领域差异化创新管线
基于NanoForge平台，剂泰科技在业内率先实现对肝脏、肺、心脏、肌肉、肿瘤组织、免疫系统、中枢神经系统、胃肠道8个关键器官和组织的精准靶向递送，管线产品覆盖肿瘤、免疫系统、中枢神经系统及代谢疾病等领域。

公司拥有超过10种管线产品，其中包括数种处于发现阶段的候选产品、4种临床前候选产品、3种临床阶段产品、1种pre-NDA产品及2种动物保健产品。截止最后实际可行日期，公司已备案专利申请共计224项，获授专利52项。

剂泰科技拥有中国首个完成III期临床的AI赋能制剂新药MTS-004。MTS-004是中国第一款也是唯一一款完成临床试验的PBA（假性延髓情绪失控）药物，有望填补国内PBA药物治疗的空白。MTS-004项目从立项到完成III期临床试验用时38个月。通过AiTEM的预测分析和先进的建模技术，公司成功地将临床前制剂开发时间从1至2年缩短至少于3个月。

“火箭+卫星”的新一代体内免疫治疗新范式是剂泰科技推进差异化创新管线研发的核心能力。MTS-105是在人体特定器官内高效激活抗肿瘤免疫的标杆管线产品，有望成为全球首款体内mRNA编码TCE实体瘤疗法，用于治疗肝癌及其他伴有肝转移的晚期实体瘤。剂泰科技基于其AiLNP及AiRNA平台，通过特异性肝靶向LNP的递送，实现TCE在肝细胞以及肝癌细胞内的高效表达，激活强大的肿瘤内免疫从而实现强效的肿瘤细胞杀伤能力。MTS-105目前处于IIT阶段并获批美国FDA孤儿药资格认定。
■ 平台合作及产品合作双轮驱动，加固技术迭代-商业应用-真实数据闭环构建壁垒
在商业化策略上，剂泰科技采用“平台合作+产品合作”的双轮驱动商业模式，形成“技术迭代－商业应用－真实数据反馈”的再循环协同生态。迄今为止，剂泰科技在全球拥有超过30个制药及生物技术合作伙伴，客户主要包括全球顶级制药公司、创新生物技术公司以及医学研究机构。

剂泰科技2025年营收1.05亿元，主要是MTS-004的产品合作首付款。MTS-004在PBA这个适应症的总里程碑达18.45亿元，另外还有潜在高达1亿元人民币的潜在适应症拓展里程碑付款。与此同时，已签的平台合作中单个靶点合约金额高达1.09亿美元，双轮驱动商业模式已初步得到市场验证。

■ 创始团队级核心高管跨界强强联手，持续重投入研发和人才建设
剂泰科技的研发团队由三位联合创始人带领，依托北京、杭州的研发中心，汇集了纳米材料、化学、生物、物理、计算科学及医学等多学科专长，可以有力支持AI纳米递送的创新和跨学科突破性研究。研发团队由100多名科学家和技术人员组成，其中包括约40名博士学位持有人。公司的经营开支大部分与研发有关，主要包括科学家及工程师的雇员福利开支、股权激励费用、采购实验室材料及仪器以及专业服务费(包括向CRO支付的费用)。从2023年至2025年，公司研发开支持续在约2.7亿人民币的高投入。

剂泰科技将始终把研发放在公司战略投入的重点方向，IPO募集所得资金净额约50.0%将用于支撑人工智能基础设施和人工智能驱动纳米材料平台的核心技术研究、开发及推进；约20.0%将用于人工智能开发产品管线中正在进行及计划开展的临床试验，推动候选药物在多个治疗领域及治疗模式中的进展；约10.0%将用于开发动物健康及抗衰解决方案，并将人工智能赋能的解决方案拓展至这些高增长领域。

雷峰网文章

雷峰网版权文章，未经授权禁止转载。详情见转载须知。

雷峰网

CVPR 2026 自动驾驶与协作智能梳理：模型正在走向可控真实世界

从可控场景生成到空间记忆增强

从看见运动到学会行动

从单体控制到团队行为学习

CVPR 2026 视频模型趋势梳理：不止生成下一帧，更要理解下一步

从改画面到改运动

让模型先学会「怎么动」

从修复画面到理解信号来源

让视觉模型进入真实世界任务

CVPR 2026 四篇论文透视：大厂如何靠「算法瘦身」对抗算力涨价？

采样降速：一步生成的尺度跨越

显存瘦身：KV Cache的精准压缩

计算平等：让模型自己分配算力

端侧部署：物理感知驱动的世界模型

结语：算法天才的元年

桌面CNC元年：资本疯抢「小拓竹」，五轴是风口还是伪命题？

资本在赌“下一个拓竹”

桌面CNC的路线之争

资本追逐的宠儿

拓竹阴影下的倒计时

结语

端侧智能体迈入拐点，联发科如何把AI平台做成可交付的能力？

对话销售易总裁邓永富：借力腾讯，能否在SaaS大洗牌中「攒足」筹码？ | SaaS+Agent十人谈

独家丨望圆科技IPO只差临门一脚，权力交班暗藏风险

01 四年IPO马拉松：从A股到港股的曲折之路

02 家族接班微妙期：付桂兰与余浅的分工与挑战

03 品牌转型背后的三组数字：利润、研发与销售压力

04 IPO后挑战与机遇

文远知行最新财报：「高筑墙、广积粮」，营收超预期，Robotaxi用户规模翻倍

连续四个季度营收破亿元，Robotaxi基本盘稳定

财务改善背后，自动驾驶行业开始进入效率竞争

规模化扩张能力，文远知行的国际布局

智驾行业从技术竞赛，转向经营竞赛

马化腾：腾讯AI发展不急于乱抢地盘，过去抢别人地盘基本失败了；思科拟裁员约4000人，投入更多资源到AI；林俊旸被曝创立新AI实验室

全球AI药物递送第一股剂泰科技挂牌港交所，“制药界Space X”开启生物制药新纪元

连续四个季度营收破亿元，
Robotaxi基本盘稳定

财务改善背后，
自动驾驶行业开始进入效率竞争

规模化扩张能力，
文远知行的国际布局

智驾行业从技术竞赛，
转向经营竞赛