36氪 - 24小时热榜

微信AI全网最细体验，我又爱上了刷朋友圈

爱范儿 — Wed, 24 Jun 2026 07:01:49 +0000

微信 AI 终于来了。

最近一些用户发现，微信首页左上角突然多出了一双绿色眼睛， 这是微信第一个原生 AI 助手「小微」 。

同时，这个绿眼睛也会有一个小红点显示通知数量

看起来只是多了一个 AI 助手入口。但如果熟悉微信这些年的操作，大概都会意识到，微信已经很多年没有给新功能这么高规格的入口待遇了。

过去十多年里， 「谁能拿到微信一级入口」一直是互联网行业最经典的话题之一 。有人猜过公众号，有人猜过视频号，也有人猜过各种生活服务。可直到今天，微信的一级入口其实都没有发生太大变化。

而这一次，小微直接出现在首页首屏，又接管了原本右滑页面的重要位置。

从入口层级来看，它已经无限接近一个新的一级入口。所以说，这也是微信这些年来最大的一次更新，真「史诗级」，也是对 AI 最明确的一次表态。

小微正在看着你

尽管小微本质上是一套 Agent 能力，但微信更希望将它定义为 AI 助手。这个定位和豆包、通义千问一样，微信希望小微成为用户每天都会接触到的那个 AI。

最大的区别在于微信生态，在一年多前微信接入 DeepSeek 后，APPSO 曾推测，微信借助独有的「数据-服务-社交」闭环能力，未来将让 AI 同时调用：

公众号专业内容（文献检索）
小程序服务接口（酒店预订）
视频号场景化展示（产品测评）
社群关系链（裂变传播）

这次微信 AI 助手支持的功能，基本验证了我们之前的设想 。在微信的产品逻辑里，技术必须服务于生态整体，而非割裂为独立功能。现在，AI 则成为微信「连接一切」新的起点。

这两天 APPSO 也获得了灰测资格，马上进行了高强度的深度体验，务求把微信这次「史诗级更新」的细节展示给大家，这可能是目前为止全网对微信「小微」最细的体验。

「无处不在」的小微

微信 AI 的入口没有再藏到问一问、搜一搜里了，这次几乎就是无处不在，所有这些常用的微信场景，都有了问小微的影子。

除了在首页点击那双绿眼睛进入；之前右滑的「星标」，使用副屏的方式展示星标的文章、视频号以及小程序等，现在变成了完整的一页，和手机的负一屏一样，作为微信 AI 的主页。

微信 AI 还是以对话框的逻辑进行，底部的输入就像微信聊天页面一样，「按住转文字」，文字、照片、PDF 文件等都能发送给它。

而在聊天对话窗口，「问小微」被放在了和发送图片、视频通话同样的位置，点击输入框右侧的 + 号，就能看到之前的「语音输入」位置现在被替换成了「问小微」。

此外，在公众号、视频号里点击右上角的位置，都会看到「问小微」的选项；以及在聊天对话或阅读文章时，长按文字也会在「翻译」前面，新增一个「问小微」的功能。

对比之前的元宝，要在公众号文章或视频下面 @ 一下，以及一个单独的元宝聊天联系人，微信这次的安排，似乎并没有打算把 AI 做成一个要我们专门打开的地方，而是直接嵌入到了我们本来就会用到的每个角落里。

除了和元宝的入口待遇不同，微信 AI 的模型这次也有升级。

一开始我们都以为微信会使用腾讯自家的大语言模型「混元」，但是让小微介绍一下自己之后，它提到使用的主模型是 WeLM（a We ll-read pre-trained L anguage M odel，一个博览群书的预训练语言模型），部分回答会借助 DeepSeek 配合。

而当问到为什么不使用混元时，小微的回答是 WeLM 是微信团队自己做的，长在微信里面的 AI。WeLM 和混元是两条不同的技术路线，WeLM 也更早就在微信生态里落地。

WeLM 是微信在 2022 年 9 月推出的一款自研大语言模型，链接：welm.weixin.qq.com

小微也介绍了自己能做的事，确实非常符合一个「AI 助手」的角色，但体验后我们发现它能做的事还远不止如此。

能做的事还挺杂的——帮你操作小程序、搜信息、放音乐、写东西、分析文件、P图、生成图片，也能陪你聊聊天。不只是一个问答机器，更像一个住在微信里的朋友，能顺手帮你干点活的那种。

只在微信能体验的「原生AI」功能

通过对话，我们可以自然地操作微信原生功能：向好友发送消息、拨打音/视频通话、检索朋友圈等。

终于能操作 AI 发微信了

最简单的发消息，不需要从联系人里面翻翻找找定位到某一个人，直接在小微里面对他说「发微信告诉 XXX」，小微会先生成一个确认卡片，把信息原样发送给指定联系人。

更有意思的是，有时候我们只想表达意图，但是懒得自己组织语言，现在也可以直接跟小微说「我明天要请假，帮我写一个充分的理由，组织好语言，发微信给我的老板 XXX」。

小微会自动识别到我们的需求，把这些含有语气词、无意义的连接词等内容删除，形成一份结构化、符合我们需求的文字，再生成对应的发送确认卡片。

不过目前小微还不支持同时给多人群发消息，这可能也出于批量发广告风控行为的担忧。

同样小微也不能对微信的相关设置进行操作，比如要小微帮我打开视频号、关掉朋友圈、清理微信空间、删除联系人、取消关注公众号，目前都没有办法执行

在代操作的权限上，微信选择了更保守的做法，进一步降低用户体验可能遭遇的风险。

能发消息也能发红包

和发消息会生成确认卡片一样，小微虽然可以给好友发红包，但是支付动作还是需要确认，自己前往红包页面去完成。

在授权小微使用微信支付相关服务之后，小微还能查到我们的微信支付账单。我们让它统计一下我收了多少红包、发了多少，甚至还能做成柱状图。

值得注意的是，类似查看支付数据等涉及到关键隐私权限调用时，小微都会先跳出选项让用户授权，才会继续执行，包括下面的群聊总结也是一样。

群聊总结

想用小微总结群聊内容，同意功能使用须知后，我们在群聊页面点击「问小微」说出需求即可。

例如当我们要求它总结一下群内最近一周聊了一些什么话题，小微能定位到对应联系人的对应发言，分点展示最近一周的群内聊天记录。

在选题会的聊天群里，小微还能总结每个人的选题情况，「微信是工作软件而非聊天软件」这一特质，在这一刻又具象化了。老板们以后大概可以直接问「这个月谁水群最多」、「这个月谁报的选题最多」……

帮你刷朋友圈

如果说群聊记录还可以用元宝等第三方 App 来实现总结， 那么朋友圈的总结，是真的只有微信 AI 才能做到了 。

连朋友圈都能开放给 AI，可见微信这次的更新力度着实不小，你可以直接在小微对话界面搜索朋友圈内容。

目前我们的测试显示，可搜索的时间范围大概是两天。和所有大模型做文字总结工作一样，WeLM 的表现也不差，将朋友圈搜索后的结果，总结得很到位。

在生成的总结回答里还会有一个表示引用来源的 [ i ] 小方框，点击能直接跳转到朋友圈，对于我这样不想天天刷朋友圈的人来说，通过小微整理朋友圈动态，既不错过好友的人生时刻，也减轻了社交压力。

这大概也是反过来，用 AI 促进朋友圈活跃度的一个比较有意思的方式。

总结朋友圈重要人生节点，与世界杯相关的信息等

朋友圈和 AI，可以说是互相成就了，一边能作为 AI 的上下文，一边又能回到微信，这也是其他 AI 很难，甚至几乎做不到的特有优势。

最懂你的回答

能把朋友圈当上下文，也意味着过去我们问 AI 是在问全网，就像我想知道广州周末的好去处是哪里，一般的 AI 会从网上搜索信息，但是微信 AI 会从我的朋友圈里面找到信息， 所以问 AI 现在变成了问我认识的人。

我们要求它根据聊天记录推荐一份适合送给对方的礼物，小微会先读取相关 Skill，然后再查看我的聊天记录。它先是从聊天记录里面读取到了对方的画像，接着基于它的印象给我推荐了咖啡机/手冲壶、降噪耳塞、按摩仪、保温杯等礼物。

更个性化的购物推荐

而当我们继续要求它找几款高颜值的手冲壶时，小微会直接推荐可以购买的商品链接，点击该商品会进入到微信小店。

某种程度上，微信已经是无数国民的数字身份，基于这些记忆的回答，恐怕要比任何 AI 工具都更能理解你。

微信自己的 ChatGPT

朋友圈和聊天这两个微信的重点功能都打通了 AI，其他像是公众号、视频号、小程序就更不用说了。

让微信内容生态更长尾

我们在测试公众号的微信 AI 时，发现对公众号的内容进行提问，速度要比之前发给元宝快上不少，基本上没有延迟。

更有意思的是，使用小微不仅可以针对某一篇单独的文章进行提问，还能和整个公众号进行交流。例如当我们提问要求它找一下 APPSO 最近关于 Codex 的文章，小微会用一句话总结文章内容，分点列出 APPSO 所有相关的文章。

我们让它推荐几个值得关注的 AI 媒体时，小微推荐了 APPSO 在内的 5 个账号，可以直接点击公众号名片查看。基于微信的内容生态，小微确实能更好地帮助我们降低信息搜索成本，快速找到感兴趣的内容。

P 图生图，居然也能打

和一个通用聊天助手一样，我们还能用小微来做 AI 生图。P 图的效果，无论是修复虚焦还是去除路人，表现都相当不错，生成的图片也会加上可视的「AI 生成」水印。

当问到使用的生图模型是什么时，小微说也是 WeLM。

上传图片的方式可以直接从手机选取，也可以直接用相机拍摄，而上传文件就让小微处理的内容更丰富了。

我们上传了一篇论文的 PDF 文件，要求它总结这篇论文的核心观点。只能说大语言模型发展到今天，对于文字工作的处理已经到了炉火纯青的地步，小微也不例外。

在微信内调用小微的搜索和回答问题的体验更丝滑后，带来的一个明显变化是， 有很多时候可能就懒得再跑到第三方的通用 AI ，这也把新的难题抛给了友商 。

收藏夹也可以是知识库

微信做多一步的点，还在于它能直接把这些总结保存到微信的收藏笔记。

不过目前小微只能读取它自己创建的笔记，我们之前放在微信收藏夹的内容，小微是没有权限读取的。

让 AI 整理待办事项

除了创建笔记，我们还发现小微也能创建待办事项，自动添加提醒。

就和待办事项下的追加建议一样，小微是一个个性化的 AI 助手。在设置里开启「记忆」和「个性化服务」后，小微会记住我们的偏好、习惯、以及要求它记住的内容。

例如当我们点开小微时，它的推荐建议里，就有「我的朋友在听什么歌」、「麦当劳」、「医生用豆包 AI 翻车」等相关的个性化内容。

调用小程序服务

和支付宝 AI 一样，微信 AI 也能便捷调取小程序，完成日常服务。

小微可以根据我们的需求，调起微信内的小程序，完成挂号、买咖啡、展示登机牌、预约博物馆等常用服务。

像是用小程序点单这功能其实已经比较常见，之前我们写支付宝 AI 也有。如果是没有登录的那些小程序，第一次使用它会让我们先登录，然后就可以去操作。

跟支付宝不一样的是，小微不会显示出小程序操作过程的那个界面，即小微把「主动点击」的那些过程隐藏起来了。

我们不用看着 AI 用识屏的方式找到要点击哪里，小微会直接快进到最后一步，让我们在完成点单之后，只用去做完成支付的动作。

不过前段时间微信推出了 AI 专属卡，说不定以后在某些条件下，AI 真的连支付环节都一起完成。

我们也用它来尝试了一下用它打车，它能够调用出打车的小程序。不过最后打车都没有成功，因为它有很多东西不能够自动去操作。

但有意思的是，在我们第二次发起打车需求时，它从滴滴换成了高德，最后比之前的结果更进了一步。

这个思考逻辑很像现在的 Agent 产品，像是 Codex 自己去解决问题一样。小微会思考之前执行任务遇到的问题，然后在下一次反思有没有更好的办法来完成用户的需求。

虽然目前的小程序调用场景有限，但随着这些第三方的小程序开放更多的接口，用微信就能操作整个小程序生态，只会是时间的问题。

小工具：全民 Vibe Coding 要来了

最近胡彦斌、吴倩一些明星开始在玩 Vibe Coding，微信 AI 这次想让 14 亿人从这里开始给自己生成工具。

这是微信小微最有想象力的一个功能，一句话就可以直接在微信里面创建一个小工具。

在小微的设置里，找到小工具，就能进入小工具生成的页面，最后生成的小工具会以小程序的形式打开。

目前小工具的创建有数量限制，如果超过 5 个还要新建，就必须先删掉其他项目再重建。适用的场景也是比较简单的需求，比如做一个抽奖小工具等比较简单的小程序。

我们生成了一些小程序，包括划线段落记录本、跑步记录、今天吃什么、马里奥风格的游戏记录，这些小程序的样式都没有常见的 AI Coding 渐变紫，但是也很明显能看到是在使用一套通用模板。

毕竟小程序后台的代码如果也用作模型训练的话，直接把我们的需求往一个通用模板上套，是最不容易出错的。

这里有一个比较有意思的地方，是 小工具不能创建小游戏 。我们在提出要求生成一个马里奥风格小游戏时，小微说暂时不支持生成游戏本体。

比较遗憾的是，现在生成的小工具是无法分享给其他用户的，而且也不能进行二次修改，觉得不满意，只能重新再创建一个。

过去，小程序是开发者做好，摆在那里，我们去找来用的东西。现在，只要你是一个微信用户，说一句话，就有一个专为我们这一个需求而生的小程序。

这个从 2017 年正式推出的小程序，经过将近十年的发展，开始从一个「应用」，变成了我们随手能召唤出来的一项能力。

左上角那双眼睛，正在成为微信的新中枢

过去三年，AI 行业的叙事是大力出奇迹，不断造出更强的 AI，突破智能的上限。

于是微信的克制也开始被视为保守，但微信的产品哲学从来不是「做一个最好的 xxx」，它擅长的是连接。

公众号没有去做最好的内容平台，它做的是把人和内容连起来；小程序没有去做最好的应用商店，它做的是把人和服务连起来；视频号也一样，连的是人与创作者。

微信这次赏给 AI 助手一个大入口，核心也不是要抢到 AI 的船票，关键是 AI 恰好成为了微信所有能力的交汇点。

不做新能力，去做新连接，这是微信做 AI 的第一性原理。

微信左上角那双眼睛，正在成为微信新的交互中枢。它身后挂着的，是你的社交关系、你的内容消费、你的服务需求、你的支付行为。这些东西过去散在不同的 tab、不同的页面里，你得自己在里头来回横跳。现在它们收敛进同一个对话框。

当一个国民应用不可避免需要承载越来越庞杂的功能，AI 反倒可以让它在交互上瘦身，这何尝又不是一种小而美呢。

当然微信小微也没到封神的程度，它还会有一些 Bug，还有一些能力还没放开，甚至模型也不是最强的，它是眼下少数几个真正长在生态里的 AI。

聊天记录、朋友圈、公众号、视频号、小程序、微信支付、收藏、待办事项……这些微信生态的能力，因为 AI 可以全部被连接到一起。

过去我们打开微信，是为了找人、看内容、完成服务，以后打开微信，也许会先问一句小微。

对于拥有十几亿用户的微信来说，它需要的未必是再造一个 ChatGPT，让 AI 出现在每一次聊天、每一次搜索、每一次支付和每一次需求发生的地方，可能更有价值。

当朋友圈、聊天记录、小程序和支付体系都开始成为 AI 的上下文时，一个真正属于微信的 AI，或许才刚刚开始。

本文来自微信公众号“APPSO”，作者：发现明日产品的，36氪经授权发布。

40 天不睡、5 人死磕，DeepMind主管爆Gemini大战DeepSeek惨烈内幕，聊普通程序员的转型之路

CSDN — Wed, 24 Jun 2026 07:01:49 +0000

Google DeepMind 的 Gemini 预训练主管 Vlad Feinberg，最近在一档播客里聊了聊他的日常。

在大众的想象中，顶尖实验室的研究员每天都在推导颠覆性的算法。但 Vlad 说，他职业生涯最重要的一笔奖金，是谷歌传奇人物 Jeff Dean 亲手发给他的——当时他刚入职 Google Brain，没有像当年同样在谷歌的 Transformer 作者们一样，去写那些能发到顶级会议上的第一作者论文，而是默默干了几天最脏的活：调整编译器和超参数，解决显存溢出，把一个叫 SFT 的微调任务塞进了一堆老旧的 TPU 卡里，这才让第一代 Bard 勉强跑通。

这种“干脏活”的工程体验，才是这轮大模型竞争最真实的样子。Gemini 2.0 出来的时候，外界都在赞叹它作为一个 MoE 模型有多神奇。但 Vlad 透露，背后其实只有 5 个人在顶着。

算力卡随时会挂，数据索引随时会断，为了不白白浪费几百万美元的算力费，他们只能在硅谷和巴黎两个大区之间 24 小时倒班，不眠不休地死磕了 40 天。甚至在 DeepSeek-V3 爆红、华尔街日报制作表格拉踩谷歌已经落后时，Vlad 也是哭笑不得——媒体为了制造爆款新闻，在表格里故意删掉了（elided）排名其实高居第一的 Gemini 2.0 Flash Thinking。

对于甚嚣尘上的“程序员要失业”的恐慌，这位主管给出了一个很干脆的观点：AI 永远无法被“吊销律师执照”，因为它不具备主体资格，无法承担法律责任，所以人类永远要为它的产出签字并背书。

他的组里有一个叫 Nate Lintz 的普通工程师，之前在搜索部门写后端基础架构，就是靠着在业务里帮大模型落地，解决最具体的推理开销，最终内部转岗到 DeepMind 成了技术支柱。

如果你也想去，Vlad 在他的博客里放了一个“硬核作业”（手写一个 Transformer 并手算 Scaling Laws 录成视频发给他），做完了他直接面你。以下是这次谈话里，他聊到的几个极其真实的行业细节：

法律大模型可以背下所有判例，但它不能代表你出庭，因为它无法被“吊销执照”。职业的底层逻辑是责任和信任的分配。因为 AI 无法承担法律后果，代码的终点永远需要一个具体的人来签字、背书并承担责任。这才是程序员不会被替代的终极底线。

写再牛逼的学术论文，都不如帮团队省下几张卡的显存。很多眼高手低的程序员在 AI 时代迷失在理论和框架中。但在研发一线，最容易拿奖金的能力，是那些不体面的“重体力活”——优化编译器、调试超参、在有限的芯片里榨出最后一丝算力。这种扎实的工程能力，才是跨越周期的硬通货。

写搜索基础架构的普通码农，也是能一步步逆袭进 DeepMind 的。团队核心成员 Nate Lintz 曾只是一个写后端搜索的普通工程师，他没有高大上的 AI 背景，但通过在组内帮产品落地 LLM，默默解决大模型在搜索业务里最头疼的推理和算力开销，在实战中摸清了底层架构，最终顺理成章地转岗进入 DeepMind 并主导了核心推理设计。

华尔街日报为了拉踩谷歌，在对比 DeepSeek 时故意在表格里删掉了排名第一的 Gemini 模型。当媒体为了制造“中国开源超越美国大厂”的新闻而兴奋时，他们有意隐去了当时在 LMSYS 榜单上高居榜首的 Gemini 2.0 Flash Thinking。真实的技术对决背后没有神话，只有 5 个工程师在硅谷和巴黎 24 小时倒班、死磕 40 天的硬撑。

你没法把研究和落地分成两种人

主持人：你写过一篇题为《如何进入前沿实验室工作》的文章。现在前沿实验室最需要的，到底是什么样的能力？也许我们可以先聊聊，这类工作的整体轮廓是什么。

Vlad：现在前沿实验室需要的能力，其实覆盖范围非常广。大语言模型这种东西，和研究、和产品之间的关系，比过去的机器学习要紧密得多，所以它会牵动很多完全不同的方向。我写那篇文章，并不是想开一份面面俱到的清单，而是想提出几个比较具体、可操作的方向，说明实验室会在哪些能力上有很强的需求。

我重点写的是内核开发和底层工程，也就是怎样在真实运行环境中提升大语言模型的执行效率。我看到这类能力，在几乎所有前沿实验室，以及实验室内部很多项目里，需求都非常强。所以这是一个特别值得单独点出来的方向。更具体一点说，每当我们做研究项目，需要修改神经网络架构，或者重新思考服务方式，比如怎样把键值缓存做得更好，类似这样的事情，整个技术栈上的人都必须有能力把这些新方法高效地实现出来。

而所有这些变化的核心循环，本质上都是在制造能够在大规模场景下运行的软件系统：它要有高吞吐、低延迟。这其实是一类非常基础的工作，和传统后端工程的思维是紧密相连的。所以我觉得，这对很多人来说都是一个非常开放、非常值得专攻的方向。

主持人：我有些朋友在 OpenAI 和 Anthropic 工作，他们跟我说，那边会区分偏应用的组织 and 偏研究的组织。我想知道 Google DeepMind 里是不是也有类似区分？如果有的话，你能不能讲讲这两者的差别？

Vlad：我们内部确实有不同的重点方向。比如在 Google DeepMind，就有团队专门研究怎样用 Gemini 这样的语言模型，更好地改进搜索结果。从某种意义上讲，这可以算是语言模型的一种应用化方向。

但我其实不太愿意把这种区分画得特别死，因为把模型整合进真实产品，本身就需要很多非常硬核的研究工作。就拿我刚才说的那个例子来说，为了让模型真正服务搜索，你得投入大量精力，确保模型回答的是事实，能引用来源，能给出非常精确、非常有依据的答案。

你还得评估这些来源本身的质量，确保它不是讽刺、不是玩笑、不是不可靠的信息。我觉得这恰恰说明，即便是在非常面向产品、非常“应用化”的人工智能方向里，你其实仍然是在做研究。

当然，另一方面，也确实存在那种更经典意义上的语言模型研究团队，比如做预训练、做后训练。这些在 Google DeepMind 内部依然是比较独立的团队，目标就是打造业内最先进的模型。

也就是更纯粹意义上的研究。不过我还是要补一句：我们做的“纯研究”之所以有意义，前提是它最后能被真正实现出来。所以我们既要负责把模型交付出来，确保训练稳定推进，某种程度上像训练任务的运维工程师一样，盯着整个训练过程别出问题；同时我们也要负责提出训练这些模型的方法配方。

这两个角色根本分不开，必须同时承担。所以我觉得，你当然可以把研究和应用看成一条连续的光谱，但在今天这个时代，不管你站在哪一侧，最后都得能在这条光谱上自由切换。

主持人：我注意到还有另一条光谱，就是软件工程师到纯人工智能研究员。你怎么看这条光谱？软件工程和人工智能研究之间，到底差别在哪？

Vlad：如果从我自己的经历出发，我会说，我们做的很多事情，以及我们提出的很多新方法，它们真正的基础其实是基础设施层面的投入。

我可以稍后更详细讲讲我团队在做什么，但先拿“蒸馏”举个例子。所谓蒸馏，本质上是一种知识迁移方式。你可以把它理解成：教师模型先在底层数据上提炼出某种统计信息，再把这些信息传给学生模型，让学生模型比完全没见过这些额外信息时表现得更好。

但如果你说的是一个超大语言模型，而且处理的是数万亿级别的词元，这背后对应的计算投入就是极其惊人的，可能是数百万、数千万美元的算力成本。

这就意味着，你必须认真思考怎么把整个系统优化到极致。因为你做的每一个操作，都会被放大到极其巨大的规模：每一秒都重要，每一个字节的存储都重要。

而这里面很大一部分工作，说到底就是非常传统的软件工程。尤其是蒸馏基础设施，到现在大概已经经历了三到四代演化。每一代里，我们都会退后一步，重新审视当前在蒸馏研究中到底用了哪些方法，再从整体上想：我们的基础设施该怎样扩展，才能支持更广泛的研究。

而且确实有几个很明确的节点：你一旦重新思考蒸馏系统的设计方式，蒸馏方法的研究速度就会明显加快。

所以这其实是一种非常典型的投入：你可能花四个月时间重写蒸馏基础设施，最后换来的，是对蒸馏缩放规律的全新认识，而这种认识又会反过来转化成非常强的模型表现。

所以它真的要求你跨越整个技术栈去工作。我几乎无法想象，如果没有这些蒸馏基础设施层面的投入，我们能做出 Flash 3.0 那样的结果。归根到底，这些东西一开始都来自一份非常老派的设计文档：你得想清楚，生成教师统计信息时，什么样的抽象才是对的；这些信息该存进什么样的存储系统；在这种规模下，跨多个数据中心读写数据时，底层该如何支撑。

这些其实都是非常经典的分布式系统问题，不是吗？

研究不是一条直线，它更像在雾里走图

主持人：对，我也是这个意思。听起来在现在这种计算规模下，确实有很多软件工程、后端基础设施类的问题。但我还是觉得，在那条光谱上的某个位置，应该会出现一个真正的跃迁——需要一些全新的能力。比如说，你把一个普通后端工程师直接丢去改模型架构，这显然和做基础设施又不是一个量级的跳跃。

你怎么看这个区别？

Vlad：对，我觉得确实有这样一个分界点。研究这件事，本质上是一种高风险、高回报的活动。我们常会说一个词，叫“研究品味”，也就是一种高层次的直觉：在一个项目里，你面对很多不同的里程碑和可能路径时，到底应该沿着哪条路往前走。

从某种意义上说，软件工程项目也可以被看成类似的一张有向图：你有一堆中间产物要完成，最终才能到达目标。

但软件工程里的这张图，整体上更接近确定性的。你先搭一个服务，再搭另一个服务，再搭第三个服务；先把存储层搞定，再处理上层功能。你大体可以稳定地一路往前推进。

研究就不是这样。研究里的这张图是带随机性的。因为其中一些节点——比如某个研究想法，或者到达最终目标所必需的某个环节——并不保证能成功。

我觉得这要求一种思维方式上的转变。而这种转变需要时间去学，也需要一些专门培养出来的能力。这就是很多人在博士阶段逐渐建立起来的那种东西。

如果要我用一句比较简洁的话来概括，我会想到 Jacob Steinhardt 教授的一篇非常出色的文章。我很喜欢用他的框架来理解自己做的研究：研究是一种马尔可夫决策过程。

所谓马尔可夫决策过程，指的是：在一个研究项目里，不同里程碑之间存在一张带有随机性的依赖图。你可能必须先拿到某种结果，或者先证明某种结论，才能到达后面的目标。

类似地，在一个机器学习研究项目里，你可能得先把某种特征方案跑通，之后才有机会获得某种图像识别准确率，图上的节点和路径都会不断展开。

这是一种高度不确定的探索活动：某些方法可能有效，也可能无效；而一种方法一旦有效，又会为你打开一组新的可能性。

在软件工程里，你也许可以把所有通往目标的路径都列出来，然后问：最短路径是什么？

但研究里，这种方法并不最优。因为一旦图上的边不再可靠，有些节点甚至你还根本不知道——也许它们是隐藏的——那你处理问题的方式就必须改变。

具体来说，你必须同时考虑不同研究方向的成功率和时间投入，还得事先对这些概率做出估计。

而这和给一个软件项目写设计方案，是完全不同的一种思维活动。你得培养出一种直觉：在你还没真正做一件事之前，先判断它成功的可能性有多大。

很多人把这种能力和“研究品味”联系起来，我觉得这是对的。因为你如果想真正穿行于这种研究过程里，这种判断力就是必须建立起来的核心能力。

主持人：听起来你的意思是，研究里有更多的不确定性。我还是想更具体一点去理解这种工作的性质。如果你把一个后端工程师扔进一个做研究的团队里，具体会在哪些地方出现明显短板？

Vlad：我第一个想到的，就是你是否具备足够的研究背景，足够理解自己所处的研究版图。

研究工作很大程度上要求你有一种很谦逊的心态：你得承认，在你之前，这个方向已经有了大量投入；而在你真正了解这个主题上全人类目前最前沿的积累之前，你大概率不可能继续把这个前沿往前推。

所以，在某个具体方向上建立扎实的已有工作认识，并真正做好相关文献梳理，可能就是很多人最先会卡住的地方。你得有能力沿着一个主题的引用脉络一路追下去，知道该读什么、怎么读。

因为你根本没时间把所有论文都读完，所以你必须培养一种判断力：哪些论文最值得读？在不阅读全文的情况下，怎么判断一篇论文到底值不值得投入时间？

这是我最先想到的一项必须建立起来的能力。

而且，光是要看懂这些研究级论文，你本身就得具备机器学习和计算机科学背景。再进一步，还要看论文属于哪个领域、讲什么内容；有些论文背后需要的数学基础和课程训练都很重，没有这些前置知识，你根本不可能真正理解它的方法。

这件事非常重要，因为如果你不了解现有的方法论是什么，你几乎不可能在它的基础上做出改进。

比如我前面提到，我们团队做蒸馏。如果你想推进大语言模型蒸馏方向上的理解，你首先得很好地理解我们到底想用大语言模型去做什么。

我简单概括一下：大语言模型研究，尤其在预训练阶段，核心就是缩放规律。

什么叫缩放规律？很多人会特别关注它是不是幂律、指数是多少，但真正重要的其实不是函数形式本身。真正重要的是：对于一套扩大语言模型的方法，当你不断往一次预训练里投入更多计算量时，你必须能够预测，这个语言模型最终的测试损失会落在什么位置。

为什么这个问题重要？为什么我们要预测模型的泛化误差？

在传统机器学习世界里，比如说我们做图像识别，打 ImageNet，你的测试损失就是那一千个类别上的分类错误率。你提出一个网络结构，比如 VGG 或 ResNet，训练一下，再看它的分类错误率是多少，这就能估计这个模型在这类任务上的表现。

我们还可以通过验证集来估计方法好不好。每当出现一个新的网络结构想法，我们训练一下，做一系列验证实验，得到交叉验证误差，而这个误差本身就是对最终测试误差的估计。于是你就可以通过这个流程不断迭代不同想法。

但大语言模型不是这样。因为每一次真正做预训练，你投入的计算量都会比之前任何一次都更大。

所以从某种意义上说，它像是一个“一次性”的 ImageNet 问题。你永远没有机会先完整地看一遍真正的 ImageNet，再慢慢调。你只能先在 MNIST 上练，再到 CIFAR 上练，然后试图根据这些经验，设计一种办法，希望它第一次上 ImageNet 就能直接奏效。

如果你真这么做——我相信很多人都试过，我自己当年学这些东西的时候也一样——你会发现，它在 MNIST 上很好，在 CIFAR 上可能也不错，但一到 ImageNet 就突然崩掉。

你会慢慢意识到，很多东西并不会随着规模自然泛化。

所以，我们在大语言模型里做的大量工作，其实是在设计“配方”。所谓配方，就是一个函数：输入是你愿意投入多少计算量，输出是一整套语言模型训练流程。

如果你能把这套配方和一种预测规则结合起来，而且这个预测规则能够准确预测最终效果，那你就可以据此做决策，去改进你的训练配方。

我刚刚这一大段，其实是在给大语言模型研究的基本面貌提供背景。但这种理解之所以存在，是建立在大量早期语言模型缩放研究之上的，比如 Kaplan 的论文，比如 Chinchilla。

自从那两篇论文之后，又有很多工作开始研究：除了参数量和训练词元数，究竟还有什么因素会影响预测准确性，比如不同词元的独特数量等等。

但我会说，这两篇论文对大语言模型来说都是基础性文献；而它们本身又建立在更长的一条缩放研究脉络之上，可以一直追溯到最早期的 GPT。Google 这边也通过 PaLM 系列论文积累了大量这方面的研究。

这些工作共同塑造了我前面描述的那种视角。而这种视角，基本上只有你自己亲自沿着那条文献线索走过一遍，才会真正建立起来。

主持人：假设你要给自己的团队选人，而你判断一个人是否适合帮助你推进前沿的标准，是他对前沿本身的理解，包括对已有文献的掌握，而这又要求很多前置能力。我记得你在文章里把其中一部分叫作“数学成熟度”。

Vlad：对。我觉得，一旦你具备了数学成熟度，理解这些论文、读懂这些论文，其实并不难。

我刚才提到的那些论文，现在基本都已经算是入门门槛了，所以如果是候选人，我默认他们应该熟悉这些内容。

但更一般地说，关键能力在于：你能不能钻进这种级别的论文里，把它真正读懂；你能不能把论文里的研究想法自己实现出来。这是一项非常重要的能力。

我们会看到各种各样的想法，它们未必都能直接应用到我们的领域。但如果你能深入理解它们，你就可以在这些想法上继续迭代，并把它们改造到我们的应用场景里。

所以当我们评估一个人是否能处理这些机器学习论文中的数学概念时，这大概就是最关键的能力信号。它说明你能拿起一篇陌生论文，判断其中哪些想法可以迁移到 Google 的实际环境里。

真正值钱的能力，常常在系统最底层

主持人：这肯定不是一份穷尽清单，但我还是很好奇：还有哪些领域，是人们可以去深入钻研、而且对前沿人工智能研究确实重要的？你提到了蒸馏，也提到了内核。听起来内核几乎在哪都很有用，但除了这些之外，还有没有什么你会顺手列出来的方向？

Vlad：我觉得一个非常有力量的方向，其实是编程语言研究。

因为如果我们能在编程语言层面创造出更好的抽象，就能极大促进内核开发。我觉得 ThunderKittens 就是一个很好的例子。它提供了一种抽象方式，让你写内核的时候，只需要围绕四个函数工作，而不是去面对一大团随意拼起来的 C 代码。这样一来，你在开发那些能够充分利用硬件的算法时，速度就会快得多。

这时候重点已经不只是编程语言研究本身，而是你是否对这种抽象充满兴趣，并愿意和那些关注底层硬件的人一起工作，比如去尝试 CuTe 这类领域专用语言。

这类方向里有很多都是围绕特定硬件设计的专用语言。

除了编程语言和缩放规律相关文献之外，我还会想到强化学习文献。

特别是自从“基于人类反馈的强化学习”出现之后，我们已经看到像 PPO 这样的深度强化学习算法，确实可以进入生产系统。曾经有一段时间，这件事到底成不成立，其实还是有争议的；但现在几乎已经形成共识：这些算法确实会被应用在真实的生产环境里。

而想理解它背后的理论，你通常得从强化学习的基础一路往上学，再走到今天非常丰富的各种价值型方法和策略梯度方法。

这是另一个我觉得文献脉络极其丰富、非常值得慢慢爬进去的方向。

再往“后端工程师”一点的方向说，除了内核本身之外，我觉得分布式系统和优化之间，还有一个非常有意思的交叉地带。比如：如何设计神经网络训练算法，让它能在大量图形处理器上训练——这里面会有很多有趣的问题：异步性、梯度的新鲜度、流水线方式会怎样加剧梯度陈旧，等等。

你在训练算法设计里做出的这些系统性选择，都会影响神经网络的收敛情况和最终质量。

这些问题其实就算脱离大语言模型场景，也可以单独研究，而且已经被研究很久了。所以如果你更偏基础设施方向，那我会说，先把这些算法是怎么运作的弄明白，会是一个非常好的起点。

主持人：你觉得不同前沿实验室之间，对人的要求会有差别吗？比如说，如果有人想去 Google DeepMind，是不是会有某个方向比 Anthropic 更受重视？至少从技能组合上看，我感觉应该还是挺接近的。

Vlad：对，我觉得不同实验室可能会在商业策略上有所差别，提供的产品和服务也会因为各自的专长和客户类型不同而不一样。

但如果问大家真正看重什么，我认为实验室之间重叠其实非常大。我那篇文章发出去以后，你会看到 OpenAI 和 Anthropic 的人也在说：对，这些建议我们也认同。

所以我觉得，这至少算一个小小的证据，说明大家在这件事上其实非常接近。

主持人：我觉得很多人之所以特别想往人工智能研究靠近，是因为他们在想：未来软件工程也许没那么重要了。那研究这边会不会也有类似问题——大语言模型以后会不会也把很多研究工作接过去？所以人工智能研究未必就比软件工程更值得押注。

Vlad：我觉得研究能力只会越来越重要。

能够处理工作规划里那些不确定、随机的成分，会越来越成为我们工作的核心部分。你要学会怎么在你做的任何事情里利用人工智能——而且这件事甚至不必局限于软件——这种能力应该立刻开始练，因为这些系统本来就不是确定性的。

你真正要思考的是：我怎样围绕这些大语言模型搭系统，让自己把工作做得更有效？未来真正能把你和别人区分开的，就是这种能力。我觉得不管你具体做什么，这一点都成立。

坦白说，现在到处都是恐惧营销。尤其有些人在谈人工智能的时候，本来就在故意制造这种恐慌。我的感觉是，人们真正应该做的，是把注意力放回自己身上，想办法让自己变得更高效。

我并不认为人工智能会取代我们所有人的工作。原因在于，人类在组织里承担的一个关键角色，是构成一张信任网络。组织本身就是一组资源和一群人，而这群人负责管理这些资源。

我们的一项重要职责，就是把这些资源分配到特定目标上。

就算人工智能能大幅加快执行速度，关于资源如何分配的决定，最终还是必须落到具体的人身上。这件事永远要有人负责。因为你不能把责任推给人工智能。

比如说，现在的大语言模型已经非常懂法律了，它可以帮你审合同之类的；但它不能代表你出庭，因为它不可能被吊销律师执照。

我觉得这就是一个非常尖锐的例子，说明为什么法律职业依然会存在：即便大语言模型很擅长调用先例、理解法理，你还是需要一个能为结果负责的人，去验证人工智能的输出，用人工智能来更高效地完成法律工作，而不是把自己的法律辩护整个交给一个语言模型。

别被恐惧营销带着走

主持人：对，我觉得当初促使你写那篇文章的原因，其实也正是这种恐惧气氛。

Vlad：对。我真的觉得，人们应该拥有的是一种更建设性的心态。

我之前看到一条推文，好像是 Deedy 发的，里面是那种很长的恐慌叙事，说什么人工智能会制造一个永久性的底层阶级之类的。人很容易被卷进去。

但我觉得真正该想的是：我们每个人都对自己的未来拥有主动权。今天就可以开始投资那些对明天有意义的能力。这才是唯一真正该做的事。光担心，什么也改变不了。

所以我想写那篇文章，也是为了回应这一点。因为我确实感觉到，这种情绪一直在扩散。前阵子我去普林斯顿做讲座，现场一个很大的问题就是：我怎样才能去 Google DeepMind 工作？

而且这几乎就是大家知道我在做什么之后，最常问我的问题。

所以我想，也许给出一些更具建设性的方向，会对整个讨论更有帮助。

主持人：关于那篇文章最后还有一个问题。因为如果你想拿到一个岗位，当然一方面是能力本身，我们前面聊了很多你的能力是否匹配这个岗位；但另一方面，其实还有“信号”——你如何向外界展示自己，以及什么样的信号是被看重的。

如果你要把自己推给这些前沿实验室，什么样的信号最重要？

Vlad：最重要的是，拿出真实证据，证明你沿着这些方向做出过对别人有用的东西。比如内核开发。

现在已经有很多开源大语言模型了，你完全可以拿其中任何一个来做优化。你甚至不一定要把模型本身做得更强。很多场景下，只要你能证明：在某个设定里，我把这个地方做快了，把那个地方做顺了，这就已经很有价值了。

而且事情也不只是在图形处理器上加速模型推理。围绕大语言模型的服务栈，本身就是一个非常复杂的分布式系统。它要维护键值缓存，还要处理各种负载均衡、请求排队——这些都是后端服务里再常见不过的问题。

这些项目一直都需要帮助。所以像给 vLLM、SGLang 这种项目做贡献，或者基于 TensorRT 做一些实践展示，都会很有价值。TensorRT 那边我记得还有个分布式系统叫 Dynamo，它支持把推理服务拆分部署。你如果能展示自己基于这些组件做了项目，或者真正改进了这些组件——

对我来说，这会是非常强的候选人信号；同时我也觉得，这会是对开源社区非常受欢迎的贡献。

主持人：还有一点，我们前面很多讨论都默认了一条路径：从外部跳进前沿实验室。

但其实这些实验室背后往往都有很大的组织体系，很多团队并不是直接做最前沿研究的。比如在 Google 体系里，有些基础设施工程师可能本来在搜索团队工作，有很强的后端能力，但领域背景没那么深，然后他们想内部转到 Google DeepMind。

在这种内部转岗的情况下，你的建议会和外部候选人不一样吗？

Vlad：我以前在搜索那边有一位合作很紧密的同事，后来真的转到了我团队，叫 Nate Lintz。他非常厉害，现在在我们团队里负责了很多核心工作，特别是在 Flash 和 Flash-Lite 的推理协同设计方面。

我觉得他就是一个很好的例子。他当时的思路是：我怎样才能帮助自己所在的产品线，尽可能有效地采用这项技术？

所以我会说，如果你所在的组织不是直接造模型的，而是试图利用这些模型，那这里面其实有一个很大的空白：如何真正把这些大语言模型高效地应用到你的组织里，如何高效地把它们服务起来。

如果你能成为那个把这件事做得特别好的人，这不仅会给你的团队创造巨大的业务价值——这显然会让你在本组织里脱颖而出——同时，你也会自然而然成为我们研究团队在对接产品落地时最重要的合作方之一。因为我们会需要和你这样的人协作，确保模型能在你们组织里真正发挥作用。

所以到了那一步，你也许会想转岗，也许不会。你如果想转，我们当然很欢迎。

但即便你不转，其实你已经在做一件非常前沿的事情了：把这种新技术整合进真实产品，让真实用户去使用。

所以，对这种情况，我的建议大体就是这样。

先做出东西来，信号自然会出现

主持人：在那篇文章快结束的时候，作为收尾，你还发出了一个很具体的邀请，因为我知道你当时在招人。要不要把那段再讲一下？

Vlad：对，我当时是在想：我怎么才能真正做到“说到做到”？怎么证明我不是只在嘴上说这些能力重要，而是真的愿意按这个标准去看人？

我想表达的是：如果你能通过一些具体练习，证明自己至少在我强调的那些能力上已经有了一些初步证据——比如意图、数学成熟度、韧性——那我愿意认真看。

所以我列了几项练习：有些是为了展示你对缩放规律已经有初步理解；有些是要你在工程层面愿意深入细节，真正亲手实现一个 Transformer；还有一些则是展示你愿意掌握我们每天都会用到的那些基本数学，用来估算和设计这些大语言模型。

我现在已经记不清完整的练习清单了，但如果你把《缩放之书》里的题目认真手写做完，录一段自己讲解过程的视频，再加上我文章里提到的 Transformer 练习，把这些都发给我——

那就是非常有力的东西。如果你能在纽约办公室工作，我会非常愿意面试你。

确实已经有不少人因此联系我了。我其实已经收到过几份提交，现在也已经在推进其中一些人的面试流程。

所以，这件事工作量当然不小。但让我很惊讶的是，我大概在文章发出后一周内，就收到了回应。说明这件事确实是做得到的。

当然，我的招聘名额不是无限的，所以这个邀请虽然有效，但我也不可能招无限多人。

不过好的一点是：这本身就是一种非常强的自我成长信号。所以，不管你最后会不会因此去 Google DeepMind，这些事情都值得你为了自己去做。

而且我觉得，它也会帮助你准备去其他地方面试。

当然，如果你真的完成了这些练习之后联系我，即便我这边已经招满了，我也认识很多其他正在招人的人，我也很乐意帮忙推荐。

真正有意思的，是把模型做对，也把硬件吃满

主持人：接下来换个话题。我看到你是 Gemini 预训练方向的负责人，我觉得挺有意思的，很想听你从自己的角度高层次讲讲：在你看来，预训练到底是什么？以及这个方向上最重要的挑战有哪些？

Vlad：可以。

作为预训练方向的负责人，我们要做的事情其实很多。

我团队负责交付的具体产品，包括 Flash 模型和 Flash-Lite 模型。这些模型会被用在搜索里的 AI 概览 and AI 模式上，也包括一些供其他组织内部使用的一方模型，比如广告 and YouTube。

除此之外，我们还是 Google and Apple 合作中的关键技术负责人之一，所以也会做那边的技术工作。

这些是我团队承担的产品层面交付。

再往上，我们还要做研究，确保这些交付本身处在业界最先进水平。同时，我们也做一些更通用的预训练研究，再反过来贡献给 Pro 系列模型。

如果从研究性质来分，我会说大体可以分成三个方向。

第一是前面提到过的蒸馏。

第二是我喜欢称之为“推理协同设计”的东西。也就是：设计那些在推理时足够高效的神经网络架构。具体来说，就是决定网络的拓扑结构，决定 Transformer 里门控层和线性层的矩阵形状，决定注意力机制的形状、注意力头数量，诸如此类。目标是让这些设计在你实际部署的硬件上，能尽可能高效地运行。

第三个支柱，是新的量化方法。量化一直是我特别有感情、也从加入 Google 以来一直在研究的方向。它实际上会改变前两个方向能够做到什么，因此推进模型压缩的最前沿，也就成了我们团队研究中的重要组成部分。

一般来说，量化指的是：在某种意义上减少神经网络权重表示所占据的体积。

通常在训练时，神经网络里的那些矩阵参数是用三十二位浮点数来存储的。

但事实证明，在实际计算中，你根本不需要那么高的精度，模型质量依然可以保持得很好。用一些并不算复杂的方法，就能把这些权重的存储精度压缩到四位。

也就是说，本来三十二位浮点数能表示一大段数值范围、达到大约七位精度的东西，现在居然能以相当高的保真度，用四位整数来表示——而四位整数覆盖的范围其实非常小，大约只是从负八到七。这本身已经像奇迹一样了。

但更神奇的是，你甚至还可以把类似的量化变换应用到神经网络运行时的激活值上。

一旦做到这一点，实际做矩阵乘法时，参与运算的数就会比以前小得多，因此运行神经网络所需的电力也会显著下降。

有意思的是，人工智能硬件总运营成本里，有百分之九十九都来自驱动这些芯片所消耗的电力。如果你能把这些运算做得更便宜，神经网络就能更廉价、更高效地运行。

这会直接帮助你处理更多请求，也会改善时延。

所以量化研究的核心问题就是：我们怎样把前沿继续往四位之外推进？

主持人：我在推特上经常看到一种说法，老在讨论“模型浮点运算利用率”。对于不在这个行业里的人，或者说不了解这个概念的人来说，他们一看到那个数字只有十几个百分点，就会觉得：哇，这不是浪费了绝大多数图形处理器资源吗？

我想请你帮大家解释一下，为什么看起来“低”的模型浮点运算利用率，其实一点也不低。顺便也请你解释一下它到底是什么。

Vlad：对。所谓模型浮点运算利用率，本质上是这样算的：把神经网络实际完成的浮点运算次数，除以在这段请求时间里，硬件加速器理论上本可以完成的总浮点运算次数。

所以从某种意义上讲，这个指标告诉我们：在多大比例的时间里，我们真正有效利用了这块加速器的浮点运算能力。

如果你想达到百分之百的利用率，那意味着你必须把硬件里的矩阵乘法单元一直吃满。

也就是说，它只能不停地在循环里做矩阵乘法，不能去读内存，也不能做任何别的操作。

但这种计算在现实里没什么意义。神经网络需要做激活函数，需要做注意力计算，需要把中间结果写回高带宽显存。所有这些操作，都需要使用内存总线，或者向量处理单元。甚至有些数学操作，本来就是底层硬件里比矩阵乘法慢得多的部分。

这些因素都会导致模型不可能一直按处理器标称峰值运行。

所以你之所以看不到百分之百的利用率，是因为神经网络有一部分时间在读写内存，另一部分时间在做一些天生就比矩阵乘法慢的操作。

我前面提到的推理协同设计，其实很大一部分就是在协调芯片的各种能力：和其他芯片之间的通信、内存带宽、从内存中读取参数的速度、浮点运算能力——这里既包括矩阵乘法，也包括向量运算，比如做激活函数。

这些能力在硬件上都有不同的速率，而任意一种计算都不可能天然精确匹配硬件每一类能力的最佳节奏。

在设计神经网络时，你要做的是选出一组结构形状，让这个网络能尽可能同时吃满这些硬件单元，从而在推理时把利用率尽量拉高。

而让这件事不只是一个代数题的原因在于：这些设计选择最终会影响你训练出来的神经网络质量。

所以推理协同设计真正有意思的地方就在于：我们怎样设计出一种神经网络架构，它既能稳定地随规模扩大，又有好的质量预测，同时还能让推理时的硬件利用率尽可能高。

这种联合优化，正是推理协同设计最有趣的地方。

而且它还是个常青问题。因为随着硬件变化，浮点运算、内存带宽、通信带宽之间的相对关系也会变化，而这又会改变“什么样的神经网络形状才是最优”的答案。

很多关键工作，并不光鲜

主持人：换个话题。Google 有一种叫“即时奖金”的机制，就是有人可以因为你做得特别好，给你一笔一次性的奖金。我在你的履历里看到，Jeff Dean 这位传奇人物曾经给过你即时奖金。

如果你愿意讲讲那个故事的话，我很想听。为什么他会给你这个奖金？

Vlad：那其实发生在 Gemini 项目刚开始的时候。

Jeff 当时给了一批参与 Bard 第一版发布的人即时奖金。我在那个非常庞大的项目里，其实只做了一个很小的贡献。我帮忙做了监督微调，参与了 Bard 最早几个发布版本中的某一版。

那段经历给我最大的启发是：在那个时候，我还只是 Google Brain 里一个纯做研究的人，我当时非常执着于一件事——怎么尽量多发第一作者论文到 NeurIPS、ICML、ICLR。

我非常清楚地记得，当时我脑子里的第一反应其实是：我是不是应该继续低头写论文？

很幸运的是，那时我的经理 Rohan Anil 非常鼓励我们都投入这个方向。对我来说，这正好给了我需要的推动力——让我真的卷起袖子，去做很多超参数调优 and 工程工作，想办法让这个模型在一些非常老的张量处理器上跑起来，好为监督微调多争取一些训练机会。

那次很小的初步参与，后来得到了 Jeff Dean 的认可。我觉得它也进一步推动了我在大语言模型方向上的投入，最终把我带到了今天的位置。

所以我会说，这件事的重点并不在于，我当时那一点监督微调工作对最初发布到底帮了多大忙。

更重要的是，它让微观的我认识到：想参与那些高价值项目，你往往需要投入很多并不光鲜的工作。可能只是超参数调优，只是为了让程序塞进特定内存预算里，不停去挤压编译器表现、抠那点空间。

但这些工作，都会服务于更大的业务目标。而这件事，对于进入真正重要的项目来说，非常关键。

主持人：你在 Gemini 上也做了很久了，而且这还是一个最高优先级项目，所以你一定经历过一些事故或者“战争故事”。我很好奇，你最喜欢的一段 Gemini 故事是什么？

Vlad：如果让我选，我最喜欢的应该是 Flash 2.0。

那真的是一段非常艰难、也非常漫长的旅程。但我们当时最核心的优化目标之一，是延续 Flash 1.5 已经建立起来的那个定位：做一种非常快、时延很低、但质量依然很强的模型。

尤其是它必须快，因为搜索需要它在 AI 模式里非常迅速地返回回答。

正因为如此，在 Flash 1 的时候，虽然我们已经知道混合专家模型，也知道它可以显著提升容量，但当时一个很现实的问题是：我们当然想用这种新架构，可你很难直接切过去。

因为混合专家模型的特点之一就是参数通常更多。而参数一多，就会占用更多高带宽显存。可我们部署所用的这些芯片，高带宽显存是有限的。

所以你就必须把这个混合专家模型切分到多块芯片上。假设你有 N 个专家模块，那你可能得把它们分布到 N 块芯片上，或者按某个和 N 相关的比例分布。

这样一来，模型中间就会出现大量通信。当一个词元需要被路由到某个专家模块，而这个词元原本在第一块张量处理器上，却必须送到最后一块去处理——你就在前向传播过程中引入了巨大的通信量。

而这个操作的时延会随着 N 的增加而急剧变大。混合专家模型的难点就在于，它会把 N 推得很高。这就成了一个非常严重的瓶颈。

有意思的是，我们其实很早就知道流水线式服务这个思路。只是对稠密模型来说，它一直没有真正重要到必须采用。

我很清楚地记得，自己很早曾和 Sholto 聊过这个事。Sholto 当时说：对啊，你这里主要受限于浮点运算量，所以做流水线并不会改变输入预填阶段的性能曲线。

后来证明他是对的。我试了一下，然后就把这个想法搁置了。

但有意思的是，当时我团队很小，我手下的一位同事 Geng Yan 提出了一个非常好的想法。他当时和 Rahul Arya 以及 Google 以色列团队的几位同事合作，提出把流水线式预填应用到混合专家模型上。

所谓流水线，就是说你不再把那 N 台机器并行地分给同一层里的 N 个专家模块，而是把不同的层分配到不同机器上。

也就是说，不再是在某一层里把词元在各台机器之间来回路由；而是某一层的机器先处理你预填请求中的一部分词元，再把这些处理过的词元传给下一台机器，让它处理第二层，再传给第三层、第四层。

这样一来，所有专家模块都可以常驻在单台机器上，或者更少数几台机器上。它本质上改变了通信模式：从原来那种每一层都要做大量词元交换，变成了一种可以被其他计算掩盖掉的通信方式。

因为你可以把流水线式预填分摊到请求的不同部分。比如第二层在处理请求前一千个词元时，第一层所在的第一台芯片已经可以开始处理第二个一千词元了。

所以，这其实是一种打破高带宽显存约束的方法：不是把专家模块在机器之间搬来搬去，而是把网络层分布到不同机器上。

正因为如此，通信开销降下来了，混合专家模型的时延突然就变得非常有吸引力。

Gemini 2.0 的技术报告里写得很清楚：它是一整个混合专家系列模型。而使这件事成为可能的原因之一，就是这种推理阶段的服务创新。

Dwarkesh and Reiner 有一篇非常棒的文章，专门讲这个优化，而且你甚至可以把它写进《缩放之书》的代数框架里去理解。

这也是一个很好的例子，说明这种看似局部的改动，实际上会对大语言模型质量产生多么巨大的影响。

真正让 Flash 2.0 那段经历如此有成就感的，是这个重大的混合专家决策。它在当时听起来像个小技术选择，但大家真的非常担心：这个模型的时延到底能不能压到合理范围。

好在我最后推动了一套非常透明的技术决策流程，把问题彻底查明了。最后我们做出了正确的判断。

可接下来还得训练它。

这是一个在 Flash 这个规模上，我们训练过的最大模型。我们知道这是对的方向，但接下来的四十天会是极其艰苦的过程，而且团队非常小。

负责这次训练轮班的人，可能只有五个左右。我记得我们几乎是一天接一天地交接，轮流做这种运维式工作：想办法让训练任务一直活着。因为在当时，这真的是一个非常需要人工盯着的过程——你得确保所有东西都稳定推进，确保数据迭代器调好了，不会拖慢任务；如果数据里有空洞、索引有问题，你必须立刻修补，因为每一分钟都在烧掉巨量算力。

主持人：那夜里和周末怎么办？

Vlad：对，所以那四十天里，我们基本没怎么睡。

我们必须在巴黎办公室 and 山景城之间做双班倒。

而让这一切最终变得特别值得的，是模型发布的时候，差不多正好赶上 DeepSeek-V3 出来。那时《华尔街日报》发了一篇很夸张的“红色恐慌”式文章，讲什么中国要靠开源模型接管人工智能之类的。

我记得我朋友给我发来一张截图，是大模型竞技场排行榜的一张表。最右上角是 ChatGPT，DeepSeek 紧随其后。然后文章还在说，DeepSeek 只花了几百万美元训练，就已经追得那么紧。

我朋友就跟我说：哦，Gemini 落后太多了。因为那张表最底下放的是一个我记得像 Flash 1.5 Pro 之类的版本。

然后我一看，心想：这挺有意思的。我刚好一直在看这个排行榜，因为我们刚发了一个模型，而网站上的实际情况显然不是那样。

后来才发现，《华尔街日报》那篇文章里把一些行给省略掉了。所以如果你今天再回去看那篇文章，你就会看到，当时真正处在业界最前沿的模型——Flash 2.0 Thinking——其实在表格的右上角，远远领先于 DeepSeek-V3。这多少会让他们当时想讲的那个“开源压倒一切”的叙事不那么成立。

但对我们团队来说，那确实是一次非常重要的成就。

做那个别人真心希望他成功的人

主持人：最后一个问题。如果你可以回到自己刚大学毕业的时候，大概就是本科毕业那会儿，然后给那个时候的自己一些建议——以现在的你所知道的这些东西——你会说什么？

Vlad：你得去追那些这个世界今天真正面对的问题。去追那些人们在日常生活中真正遇到的挑战。不要害怕自己切进去的只是这个问题里较小的一部分，或者听起来没那么体面的那一部分。

即便它不是那种“很高级”的研究、数学之类的东西，也没关系。你要相信，只要你是在做重要的事，哪怕只是一个更大项目里的较小组成部分，你最终也会看到，真正推动前沿往前走的，到底是什么。

我想，这里面需要一种面对问题时的谦逊。你真正该追求的是这个。

如果再说另一条建议，也许更偏职业层面一点，那就是：成为那种别人愿意看到他成功的同事。

我的意思是，大家总会谈什么“职场精神病”、马基雅维利式领导者，或者那种为了结果不惜一切代价的人。他们也许能通过压榨别人，换来一些短期收益。

但这么多年和各种样的人共事下来，我觉得最有意思的是：我见过极少数那样的人——其中有一位特别亲近，是我的朋友 and 导师 Todd Lipkin，也是最早带我进入计算机科学的人——他们非常善良，而且你能从他们身上学到很多。你会真心觉得：我愿意跟着这个人一起做事，也愿意帮助他成功。

特别是，如果你是那种能帮助别人把项目做成的人，能提出一些项目，让别人可以用自己的互补能力在其中发光的人，大家会注意到这一点。将来他们也会更愿意参与到你提出的项目里，也会更愿意支持你。

很多人一想到职场互动，就会变得很犬儒，总想着博弈，想着怎么占优。

但我的经验是，这种更友好、更合作的方式，往往会培养出一种很深的协作感 and 互相帮助的意愿。而要把那些需要多人、多种能力共同跨线的大项目真正做成，这种东西太重要了。

所以，如果我能给更早版本的自己一点人际层面、职业层面的建议，那就是：去做那种人。做那个别人会真心希望你成功的人。

主持人：我很喜欢这番建议，因为它正好对抗了那种很犬儒的建议。我也很喜欢，你最初那篇文章本身，就是在对抗那种“末日论”“永久底层阶级”式的说法。非常感谢你今天抽时间来聊。真的很有意思，也非常感谢你。

Vlad：谢谢你邀请我，Ryan。

本文来自微信公众号“CSDN”，编译：王启隆，36氪经授权发布。

两万一套房的鹤壁，连夜给英伟达供货

挖数 — Wed, 24 Jun 2026 07:01:49 +0000

2023年夏天，河南省鹤壁市因为两三万块钱买一套房的白菜价，成为鹤岗之后，第二个因房价洼地火的地级市。

在那些因煤矿枯竭而无人问津的老旧家属区里，一套几十平米的房子，甚至换不来一部高配的苹果手机。

然而，魔幻的事情发生了，同样在这座城市，有一家本土上市的企业，正源源不断为AI算力霸主英伟达供应着服务器配套芯片，而且是其大中华区独家供应商。

废弃的煤城、两万一套的老破小、全球最顶尖的AI算力链条。把这三个风马牛不相及的元素串联到一起的，是一个从木匠起步的鹤壁本地人，以及他跨越40年的三次产业逃亡。

第一次逃亡：从木材到光纤

老葛高中毕业后做了木匠，1984年在老家办起了家具厂，这一干就是15年。家具行业有个弱点：极度依赖本地市场、运输成本极高、技术门槛极低，这是个一眼就能看到天花板的生意。

2000年，国家开始推行宽带中国战略，光纤网络开始向全国铺开，老葛敏锐嗅到了商业先机，果断承接了室内光纤的生意，后面还在省会郑州创办了一家通信公司。

从锯木头到拉光纤，跨度大吗？大。但在底层逻辑上，都是买来原材料（木材/纤芯与塑料），通过机器设备进行切割、挤压、包裹，然后卖给下游。

老葛并没有在一夜之间懂了光通信，他只是把做家具锻炼出来的工厂管理能力、成本控制能力，平移到一个正处于爆发前夜的赛道里。

第二次逃亡：从光纤到芯片

如果一直做光纤，这家公司顶多是一个赚钱的代工厂。真正逼迫老葛去碰芯片的，是代工模式带来的屈辱。

随着业务深入，公司开始涉足光分路器模块的封装。这时候，老葛遭遇了制造业最残酷的陷阱：国内封装厂遍地开花，大家都在拼体力、拼成本，但模块里面最核心的 PLC（平面光波导）分路器芯片，100%被日本和韩国垄断。

这就是来料加工的悲哀，干最累的活，赚最薄的利润。日韩的芯片供应商不仅随时可以涨价，还会拖延交期，国内企业连还嘴的资格都没有。

老葛看透了这个行业的终局：没有核心芯片，企业永远只是上游巨头案板上的鱼肉，随时会被清场。

2009年，45岁的老葛决定造PLC芯片。这不是好高骛远，而是为了活下去。

为什么是鹤壁？

一个最高学历只有高中的前木匠，怎么造属于精密半导体领域的光芯片？老葛展现出了极为清醒的企业家智慧：我不懂芯片，但我知道谁懂。

他没有选择从零自研，而是开始遍访全国的科研院所。他辗转北京、浙江、深圳、上海多地，最终联系到了中国科学院半导体研究所的团队。

中科院半导体所是中国光电子领域最顶尖的研究机构之一。老葛的学历和出身，很难让科研人员对合作产生信任。但他用了一种最朴素也最有效的方式：诚意。

在此后的一年时间里，老葛每个月从郑州或鹤壁往返北京两到三次，每次登门都带着一个问题清单和技术需求清单。中科院团队最终被他的坚持打动，双方达成了院企合作协议。

2010年，这场土老板与科学家的联姻在鹤壁落地，不仅因为老葛的家乡情结，更是基于财务的考量。芯片制造在前期需要漫长的烧钱期，鹤壁极低的土地成本、人工成本和当地政府的鼎力支持，为中科院科学家们提供了一个容错率极高的试错沙盒。

熬死日韩巨头

2011年，公司首款PLC芯片量产，填补了国内空白。但技术的突破迎来的不是鲜花，而是日韩巨头疯狂的价格战。

2013年，日韩企业大幅降价倾销，公司全年亏损超2000万元。老葛顶住压力，不仅不缩减开支，反而顶着亏损继续扩产。

他用规模效应将边际成本摊薄到极致，硬生生把高科技芯片打成了白菜价的消耗战。这套打法让习惯了高毛利的日韩企业痛苦不堪。

2015 年，这家公司的PLC芯片拿下全球市占率第一，到2023年，全球89%份额被中国企业吃下，日韩垄断格局被彻底打破。

第三次逃亡：从芯片到光芯片

PLC分路器芯片的成功，帮助老葛熬过最艰难的初创期。但他很清楚，单一产品线的天花板是有限的。

他决定公司开始向两个方向延伸：横向，从PLC分路器芯片扩展到AWG（阵列波导光栅）芯片、VOA（可变光衰减器）芯片、热光开关芯片等无源芯片系列；纵向，从晶圆向芯片、器件、模块的下游环节逐步渗透。

与此同时，他也在布局更难的方向：有源芯片。与无源芯片不同，有源芯片的技术壁垒更高，涉及外延生长、量子阱结构设计等核心工艺，全球市场长期被美国和日本企业把持。

2020年，公司顺利上市，当年市场情绪高涨。但接下来的2021年到2023年，公司进入业绩承压期。

2021年，公司实现营收8.17亿元，净利润5016万元，经营状况尚可。

2022年，受光通信市场需求疲软和行业库存消化影响，公司业绩出现下滑。

2023年是公司上市以来最困难一年。全年营收约7.54亿元，同比下降；归母净利润由盈转亏，亏损约4500万元。三大业务板块，包括光芯片、室内光缆、线缆材料，收入全线下滑。

亏损的原因并不难理解，彼时AI算力需求尚未大规模爆发，数据中心资本开支处于相对低谷；同时，公司前期在有源芯片领域的研发投入持续加大，而收入端尚未放量。

在财务报表最难看的时候，公司却在实验室里咬牙完成了数据中心 800G/1.6T用的AWG芯片和高功率CW DFB激光器芯片的研发。

命运的齿轮在2024年随着AI算力的全面爆发而疯狂转动。

大模型训练让数据中心光模块从400G向800G甚至1.6T狂飙，光芯片的需求呈指数级暴增。此前14年在光电子领域的潜伏，终于迎来史诗级的需求爆发：

1、其自主研发的 1.6T AWG 芯片顺利通过英伟达 GB200/CPO 平台认证，成为大中华区独家供应商。

2、它的 MT-FA（多芯光纤阵列）和 25G/50G DFB芯片，不仅直接批量供货，还通过全球光模块巨头，间接铺满了超算网络。

反映在财报上，是一份陡峭的数据：

2024年：扭亏为盈，营收 10.75 亿，利润 6493 万。

2025年：全面爆发，营收狂飙至 21.29 亿（+98.15%），利润暴增至 3.72 亿（+473%），境外收入占比达到一半。

2026年Q1：在传统淡季依然交出营收 5.77 亿（+32%）、利润 1.16 亿（+24%）的强悍答卷。

2026 年 4 月，这家公司抛出了一份极具野心的扩产计划：斥资 12.65亿元在鹤壁建设高速光芯片与器件产业化项目，精准卡位 800G/1.6T 算力时代的产能缺口。

技术迭代的风险、硅光路线的替代威胁依然像乌云一样悬在头顶，但正是这些不确定性，才给予了这家中国本土企业撕开巨头防线、扎根生长的缝隙。

鹤壁，这座习惯了被贴上“两万一套房”和“资源枯竭”标签的煤城，正在重塑自己的产业骨架。在这里，既能看到工业时代的遗迹，也能看到砸下 12 亿重金的尖端光芯片工厂里日夜运转的设备。

从家具作坊飞扬的木屑，到最前沿超算机柜里的光子，这位前木匠用了42年证明了一个残酷却也公平的商业铁律：那些被逼到墙角后的向死而生，才是推动产业跨越的最强驱动力。

本文来自微信公众号 “挖数”（ID：washu66），作者：挖数，36氪经授权发布。

刚刚，Claude Code大升级，卡帕西：LLM第三次变革

量子位 — Wed, 24 Jun 2026 07:01:49 +0000

刚刚，Claude Code迎来一次重大升级。

Anthropic正式发布全新的企业协作工具：

Claude Tag。

官方将其定位为Claude Code的一次进化：更主动、更擅长团队协作。

Anthropic透露，目前公司约65%的产品代码已经由Claude Tag参与完成。

前不久加入Anthropic的卡帕西也是第一时间站台，表示自家产品非常棒：

这是LLM用户界面的第三次重大变革。第一次是网页版聊天，第二次是桌面应用，而这一次，LLM变成了一个独立、持续运行的系统，拥有组织内的工具和上下文，能与人类团队协同工作。

虽然官方这么说，但整体看下来，Claude Tag给人的感觉或许不只是“升级版Claude Code”这么简单。

它更像是Anthropic试图让Claude深入组织上下文、企业知识和工作流的一次尝试。

与传统AI助手主要服务个人不同，Claude Tag的核心卖点是团队协作。

Claude不仅能在群聊中被动响应@，还可以在开启相关模式后主动参与团队工作流程。

比如，在Slack里，只需要@Claude并提出请求，它就会将任务拆分成若干个步骤，然后利用自身拥有的工具依次完成这些步骤。

具体来说，它能处理拉取请求的提交或合并操作，执行数据分析，或协助解决各种问题，等任务完成后，就会在Slack上回复结果。

目前，Claude Tag只能与Opus 4.8配合使用，Fable 5依旧没消息。

Claude Tag这个方向，其实并不意料之外，之前不论是龙虾、“数字员工”还是飞书推出的AI伙伴，其实都是这个方向和趋势上的尝试。

只是Claude的模型能力，依然让这次升级备受期待。

打工的你，准备好迎接串联打工的AI同事了吗？

先进团队，先用Claude？

总的来说，Claude Tag和之前不少活跃在聊天软件里的Agent有点像，但这次Anthropic把它直接嵌进了Slack工作流里。

用户可以在频道或讨论串中直接@Claude，让它充当团队共享的AI助手。

它不仅能看到当前对话，还能理解整个讨论已经积累下来的背景信息和上下文。

无论是分析数据、提交工单、整理会议纪要，还是把一长串聊天记录拆解成具体行动方案，都可以直接交给它处理。

不过，Claude Tag最特别的地方并不是能聊天，而是它开始像一个真正的团队成员那样工作。

用户不仅可以让它即时完成任务，还能给它安排长期工作。

例如持续关注某个频道、每周自动汇总进展、标记紧急事项，或者定时向相关负责人发送提醒。

任务布置完之后，即使跨越几个小时甚至几天，Claude也会持续推进，等事情完成后再主动回来@你验收成果。

如果接入Claude Code，它甚至还能把Slack里的开发需求直接转化成实际工程任务，并将结果同步回原频道。

就像我们开头说的，与传统AI助手最大的区别在于，Claude Tag并不是每个人各自拥有一个聊天窗口，而是整个频道共享同一个Claude。

就好比，张三给Claude布置了一项任务，李四后来进入频道时可以直接看到进展并接着推进，王五再加入时也能理解整个来龙去脉。

所有人围绕同一个Claude协作，而不是各自维护自己的上下文。

随着使用时间增长，Claude还会逐渐积累组织知识。它会理解项目背景、团队惯例、技术栈偏好以及协作流程，用户不需要每次从零开始解释。

在官方博客里，Anthropic这次重点强调了四个能力：共享上下文、持续记忆、主动介入和异步执行。

其中最有意思的是主动介入（Ambient Mode）。

开启后，Claude不再只是等待别人提问，而是会自己冒出来。

它会提醒那些被忽视的重要讨论，会跟进长时间没有解决的问题，会标记需要决策的事项，也会在发现相关信息后主动通知团队。

某种意义上，Claude开始具备了一种“主动工作”的能力。

而异步执行则让它更像一个真正的Agent。

用户布置完任务后完全可以离开Slack，Claude会自己安排执行计划，持续推进项目，并在完成后主动汇报结果。

在官方的演示中，在一个名为#product-eng-launches的频道里，一位工程师Nadia提出要增加一个cadence picker功能。Claude立刻分析代码库，并给出了解决方案。

整个过程都发生在Slack讨论串里，团队成员可以实时看到Claude的分析、决策和执行过程。

从整个产品形态来看，Claude Tag其实已经不只是一个聊天机器人，而是成为企业内部的统一入口。

人找Claude，Claude再去调GitHub、Jira、Linear、数据库、CRM等各种系统。

对员工来说，未来可能不再需要记住几十个企业软件的入口，而是只需要记住一个名字：@Claude。

正如TechCrunch所分析的那样，Anthropic真正想做的，不只是让Claude写代码，而是让它理解组织内部的知识、流程和协作关系，并深度嵌入企业工作流。

这也是当前企业AI竞争的新方向。

微软有Graph和Copilot，Snowflake、Databricks希望成为企业知识底座，Glean则试图构建连接模型与企业数据的智能层。

不少网友也是表达了相同的看法，Anthropic确实是正在向不同的应用场景进发。

大家争夺的，本质上都是企业内部那些难以显式记录、却真实存在的组织知识。

实际部署

在部署方式上，Claude Tag目前率先登陆Slack。

对此，Slack总经理Rob Seaman在声明中表示：

这意味着“AI可以被多人共同使用”。过去那些只能在私聊里完成的人机协作，如今可以直接在团队频道中公开进行，所有成员都能看到AI的思考过程、任务进展和最终结果。

在隐私和权限管理方面，Anthropic也做了严格设计。

管理员可以决定Claude能够访问哪些工具、哪些数据，以及出现在哪些频道中。

Anthropic将其称为不同的“Claude身份”——

销售团队使用的Claude不会记住工程团队的信息，工程团队也无法访问销售相关的数据和工具，所有记忆与权限都被严格限制在各自的范围内。

完成权限配置后，团队成员即可直接开始使用。

管理员不仅可以设置组织级和频道级的Token预算，还能够查看Claude执行过的全部操作记录，以及每项任务的发起人。

目前，Claude Tag已经向Claude Enterprise和Team用户开放Beta测试。

企业只需完成Slack连接、工具授权和预算设置等步骤，即可投入使用。未来30天内，Claude Tag也将逐步取代现有的Slack版Claude应用。

据路透社消息，Anthropic还计划在未来几周内将这一功能扩展到更多协作平台。

Claude一更新，我就想Fable

当然了，在各大社交媒体平台上，Claude的这次更新也引发了类似前段时间4o下线的景况。

在Reddit上，官方博客下面首当其冲的就是AI对评论区的总结：

大多数人的意见是：我们才不在乎呢，还是把Fable重新加回来吧。

而在具体的评论中，Fable回来也成了主旋律。

不少推特网友也是表示，不要随便更新。

尤其是没有Fable的消息时……

所以，大家怎么看Claude这波更新？

参考链接

[1]https://claude.com/product/tag

[2]https://www.anthropic.com/news/introducing-claude-tag

[3]https://techcrunch.com/2026/06/23/anthropics-claude-tag-is-learning-your-company-one-slack-message-at-a-time/

[4]https://www.reuters.com/technology/anthropic-launches-claude-tag-research-preview-slack-users-2026-06-23/

本文来自微信公众号“量子位”，作者：henry，36氪经授权发布。

字节掀桌，豆包2.1成本暴砍80%，编程追平Claude Opus 4.7

智东西 — Wed, 24 Jun 2026 07:01:49 +0000

智东西6月23日报道，今日，在FORCE原动力大会上，火山引擎推出豆包大模型2.1，同时预告了视频生成模型Seedance 2.5、图像创作模型Seedream 5.0 Pro以及豆包音频生成模型1.0的发布。

豆包大模型2.1在通用Agent、编程能力以及多模态水平上有所提升，包括豆包大模型2.1 Pro和豆包大模型2.1 Turbo，其中豆包大模型2.1 Pro在编程能力上接近Opus 4.7。

价格方面，豆包大模型2.1 Pro统一定价为输入6元、输出30元，缓存命中1.2元，综合使用成本相比Claude Opus 4.6到4.8系列模型降低接近80%。同时，面向高频调用场景的豆包2.1 Turbo同步上线，价格仅为2.1 Pro的一半。

此外，火山引擎还推出了Doubao-Seed-Evolving，面向Coding与Agent的重度用户，将会以每月2至4次的频率快速进行迭代，让开发者可以明显感受到模型的变化。

大会还预告了即将发布的Seedance 2.5、Seedream 5.0 Pro以及豆包音频生成模型1.0，其中，Seedance 2.5将单条视频生成拉长至30秒，Seedream 5.0 Pro新增了圈选编辑和多图层分离能力，豆包音频生成模型1.0则实现了角色音色自动推理和影视级音效一次性生成。Seedance 2.0也做了升级，支持原生4k视频直出。

大会上，火山引擎总裁谭待公布了一组数据：截至今年6月，豆包大模型日均Tokens调用量达180万亿，相比两年前发布时增长超过1500倍，过去一年增速超过10倍。

在公有云市场，火山引擎份额升至49.5%，同时，年消费超1万亿Tokens的企业客户从去年12月的100家翻倍到了200家。

除了模型发布，火山引擎还展示了在智能体开发、产业落地、AI安全、商用拓展等方面的综合进展。

01.Coding能力追平Opus 4.7，成本低80%

豆包大模型2.1 Pro是本场发布会的第一颗重磅炸弹。

编程评测中，豆包大模型2.1 Pro与Claude Opus 4.7基本持平，在SciCode科学计算评测中拿到59.8分，超过Opus 4.7和GPT-5.5，在NL2Repo仓库级代码生成评测中，豆包大模型2.1 Pro得分47，明显领先GPT-5.5和Gemini 3.1。

现场演示了一个芯片设计场景的硬核案例：豆包大模型2.1 Pro围绕一个16×16 PE的Tile TPU，连续运行18小时、经历9轮迭代，完成了6个核心模块、1300多行RTL代码，并跑通了仿真测试和检测流程，最终通过了手写数字识别验证。这类任务通常需要3到5名资深工程师数周的努力。

Agent能力方面，豆包大模型2.1 Pro在MCP Atlas评测（覆盖36个真实MCP Server、220个工具、1000多个任务）得分超过Opus 4.7和GPT-5.5。

在检验Agent与多模态能力的OS World和Mobile World等评测中，豆包大模型2.1 Pro也位居全球前列。

在Agent能力演示环节，火山引擎展示了一段多Agent协同构建3D虚拟城市的案例。

开发者结合豆包大模型2.1 Pro的多模态能力，让500多个Agent协同作业，在跨工具的完整链路中依次调用建模、渲染、贴图等11种工具，累计触发工具调用上千次，最终在一张大地图上完成了100多栋造型、材质、颜色均不相同的建筑的搭建，并通过多轮自我迭代生成全景成片。

目前，豆包大模型2.1已在火山引擎开放API服务，火山方舟体验中心同步上线，豆包、TRAE、扣子等产品同步接入。

02.视频、音频、图像模型齐发，Seedance 2.5预计7月上线

视频生成是火山引擎声量最大的赛道，今年2月发布的Seedance 2.0被该团队称为“全球第一个跨过生产质变点的视频生成模型”，这次预告的Seedance 2.5在多个维度上做了升级：单条视频最长30秒，目前市场同类产品最多15到20秒，全球第一。多参考输入支持最多50个全模态素材联合输入，同样是全球最高。

Seedance 2.5的3D白模预演能力是本次视频模型升级中的一个关键功能，据字节跳动CEO梁汝波透露，这个功能灵感出自于一位业内知名导演，他在与火山引擎的合作中提出：科幻片和大场景调度中，3D白模是前期预演的核心工具，能帮团队提前确定空间、机位、走位和镜头运动，但传统制作耗时耗力。

Seedance据此开发了白模预演生成能力，成为行业内率先提供这一功能的视频生成模型。这意味着创作者在前期投入的资产设计和镜头调度，可以被模型直接承接，不用推倒重来。

画质方面，Seedance 2.5生成的AI素材可以直接进入专业影视后期，新增的编辑能力支持局部修改，如微调背景、更换商品和模特等。

图像方面，Seedream 5.0 Pro主推三个能力：

1、交互式精准编辑。用户可以画箭头、圈选区、用自然语言描述空间关系，模型理解意图定位到指定元素修改。

2、多图层分离。可递归拆分图层，拆分后底板自动智能填充。

3、高信息密度排版。单张图可承载整页PPT级别信息，支持英文、西班牙语、阿拉伯语、日语等10余种文字，自动适配各语言排版习惯和文化风格。

音频方面，豆包音频生成模型1.0首次亮相。模型可以根据文本自动推理角色声音特征，一次生成包含情绪表达、方言口音、背景音乐、环境氛围音、拟音特效的完整影视级音轨。

发布会演示了一段古风武侠片，从人物对白到环境雨声、兵器撞击声全部由模型生成，时长近一分钟，音色不漂移、角色声音特征一致。

03.周星驰正版授权，AI走进全行业

火山引擎在大会上正式预览了AI版权商业化平台，周星驰成为首批合作对象。他以《喜剧之王》《食神》《长江七号》三部经典IP授权入驻，用户可在抖音、即梦、剪映等平台用官方模板进行二创。

除视频创意之外，豆包大模型在各行业的渗透速度同样迅速见。

特斯拉基于豆包大模型打造智能语音车控，覆盖全系车型，接入了端到端实时语音模型。奔驰新款纯电CLA接入豆包大模型，支持自然对话和情绪感知。东风汽车今年4月与火山引擎达成战略合作，围绕智能座舱企业数智化升级等领域展开深度合作。

金融和芯片行业中，中金财富基于HiAgent搭建数字投顾Agent，萃取300余名分析师研究成果和数千名投顾经验，定制金融智能体矩阵。安谋科技与火山引擎围绕EDA混合云展开合作，通过云端弹性算力补充本地资源，利用火山引擎Agent产品推动研发流程自动化。

运输、教育等行业中，顺丰依托AgentKit构建覆盖研发到调度的全场景AI办公助理。新东方用豆包打造AI助教，覆盖口语练习、作文批改、个性化学习。

支柱产业中，中国石油勘探院用上了安全运营Agent，异常告警实现AI自动化值守，运营效率提升10倍。中国移动与火山引擎联合推出移动引擎机密模型服务，面向政务、金融、能源行业提供国产算力一体化的机密模型服务。

04.HiAgent 3.0全新升级，一键招募数字员工

企业级产品线上，HiAgent 3.0是本次最重要的发布。IDC报告显示，HiAgent在中国智能体开发平台产品力进入领导者象限且位列第一，市场份额17.8%，同样行业第一，超过第二名和第三名总和。

数字员工管理方面引入了一套完整机制：

企业可以在员工市场一键雇佣活动策划等数字员工，把已有的各类智能体快速接入统一管理。数字员工上岗前必须通过考核，系统提供通用考核模板，评估回答准确率、幻觉率、延迟、安全合规等指标，企业也可上传自己的评测集。

通过考核后，调度中枢会基于业务目标自动拆解任务、分发给不同数字员工协同执行。管理者则可以通过数字员工大盘统一查看状态。同时，分布式Harness记录不同Agent的运行轨迹、业务反馈和成功做法，总结到全局经验中，越用越聪明。

企业级AIAgent平台AgentKit新增policy和register两个模块：policy控制Agent行为边界，确保在身份、权限和策略范围内执行；register负责Agent的资产注册和发现治理。

05.结语：字节把AI全家桶摆上桌面，全行业落地目标清晰可见

豆包大模型2.1 Pro编程能力对标Opus 4.7，价格打2折，Seedance 2.5视频生成30秒直出全球第一，音频模型、图像模型齐齐亮相，字节跳动在FORCE原动力大会上展示了其全模态发展的路径，从质量到价格全方位升级。

此外，在企业管理、产业落地、商业化拓展等方面，都充斥着字节系AI产品的身影，其全模态发展，全行业落地的目标已然清晰可见。

本文来自微信公众号 “智东西”（ID：zhidxcom），作者：毕伟豪，36氪经授权发布。

被骂了一年的Codex，怎么突然爆了？

智东西 — Wed, 24 Jun 2026 07:01:49 +0000

Codex，打了场漂亮的翻身仗。

今年6月3日，OpenAI披露，其Agent产品Codex的周活跃用户已经突破500万，而这一数字在2026年初还仅有60万左右。5个月时间，Codex周活用户数量增长了730%。

Codex并非像ChatGPT那样一经问世便引爆市场的明星产品，恰恰相反，从2025年4月Codex CLI发布到2026年初的相当长一段时间里，它甚至有些“存在感不足”。

在技术社区里，关于Codex的讨论始终热度不高，而相同形态的Claude Code则迅速占领开发者心智。2026年3月，市场分析机构Presenc AI的数据显示，2026年第一季度，Claude Code的周活用户数量达420万，彼时Codex的周活用户不超过100万，不到Claude Code的1/4。

Claude Code凭借更强的口碑和更贴近开发者的交互体验，几乎成了终端AI编程的代名词。驱动Codex的OpenAI GPT系列模型在开发者群体里的口碑，也被Anthropic的Claude系列模型压过一头。

然而，也正是从2026年第一季度末开始，Codex逐渐走出了困境。随着多个重磅更新的陆续推出，Codex摇身一变成为OpenAI增长最快的产品之一，其周活用户数量从200万攀升至300万耗时大约4周，300万到400万仅耗时大约2周，从400万到500万耗时大约4周，增速惊人。

Codex的用户群体也在不断丰富，使用场景早已超越软件工程，目前其大约20%的用户，是非开发者的知识工作者。

那么，一个原本不温不火的产品，究竟是如何被重新激活的？

01.错过第一波浪潮：Codex为何长期不温不火？

如果回顾Codex刚刚发布时的处境，会发现它并不是一个被市场普遍看好的项目。

首先，它进入市场的时间并不理想。2025年初，AI编程工具已经完成了第一轮市场教育。GitHub Copilot让开发者习惯了AI辅助写代码，Cursor则率先验证了AI IDE路线，先于Codex发布的Claude Code，迅速树立了“Agentic自主编程”的行业标杆。

2025年4月17日，OpenAI在YouTube上发了条视频，宣告了Codex CLI的到来，杀进了AI编程工具这一拥挤的赛道。当时，Codex只有CLI一个形态，长得几乎和Claude Code一模一样，都是跑在终端里的命令行工具。

▲初代Codex CLI

在那条视频的评论区里，舆论风向几乎一边倒地倾向于唱衰OpenAI，网友们纷纷发表风凉话。

这种情绪集中体现在几条高赞评论中。有网友直言：“OpenAI终于意识到Anthropic做对了。”还有人带着讽刺的口吻评论道：“谢谢Anthropic，你们用Claude Code把OpenAI拉回了正轨。”

更有网友翻起了旧账，直指OpenAI过去一系列模仿Anthropic的行为：“先是Canvas，又是Codex。Anthropic搞创新，OpenAI照着抄。真心觉得Anthropic做得好，我挺你们。”

除了外部环境逆风之外，OpenAI自身也没有像今天这样全力推动Codex。从官方表述来看，Codex最初更接近研究性质项目，与ChatGPT、GPT系列模型相比，Codex获得的资源投入和市场曝光明显有限。

这也导致Codex的产品力提升十分缓慢。2025年10月，在Reddit社区“ChatGPTCoding”里，有这样一条热帖代表了当时Codex用户的心声：“为什么Codex CLI目前仍然如此不完善？”

当时Codex对Windows系统的支持并不到位，编辑文件、联网搜索等基础功能远没有Claude Code方便，开发者常常需要自行摸索、安装插件，才能获得更好的体验。

另一个现实问题则是模型能力。今天很多人会默认OpenAI在所有AI领域都处于领先位置，但在2025年，编程能力并非其最突出的优势。当时开发者社区普遍认为，Claude在大型代码库理解、复杂工程任务以及长上下文场景下表现更出色。

对于Codex而言，这意味着一个尴尬局面：它既没有最好的模型，也没有最成熟的产品体验。在这种情况下，增长缓慢几乎是必然结果。

02.5个月三次大更新，Codex逆势崛起

Codex在发布后的8个多月时间里一直陷于沉寂，在2026年1月，其周活用户的数量甚至还出现了一定幅度的下滑。

Codex的转折点，出现在今年2月。OpenAI接连发布了Codex桌面应用和GPT-5.3 Codex两大新品，一个重塑Codex入口，一个则大幅提升了OpenAI模型在编程和智能体场景的实用性。

先来看看模型侧的变化。OpenAI和Anthropic在同一天发布了GPT-5.3 Codex和Claude Opus 4.6。在Artificial Analysis的智能指数榜单上，这两个模型的得分完全打平。在Terminal Bench等核心编程基准测试中，GPT-5.3 Codex甚至实现了超过10%的领先。

▲GPT-5.3 Codex和Claude Opus 4.6的得分（图源：Artificial Analysis）

而OpenAI发布Codex桌面应用的意义可能更为重大。它并不只是简单地把Codex CLI“图形化”了，而是在产品定位上，将Codex从Agent工具升级为“Agent指挥中心”。

OpenAI认为，如今模型已经可以自主完成长期、复杂的任务，这种情况下，开发者真正需要的是一个能在多项目间协调、管理Agent“数字劳动力”的产品。

Codex CLI、Claude Code等命令行工具，虽然也具备通过子Agent并行执行任务的能力，例如拆分代码搜索、实现不同模块或并发分析问题，但这些Agent更多是服务于一次任务执行过程中的“内部协作”，用户主要仍是在与一个Agent对话。

为适应Codex的新定位，OpenAI在Codex桌面应用中将Agent提升为独立的工作单元，每个Agent拥有独立线程、独立上下文、独立代码工作区（Worktree）和长期运行能力，用户可以像管理团队成员一样同时分配任务、查看进度、审阅结果，并通过自动化能力让Agent持续执行周期性工作。其实，OpenAI是把一个完整的AI开发团队交给了用户。

自此次升级之后，Codex的用户体验有了大幅度的提升。在Reddit社区上，有位开发者在一条高赞讨论中写道，在使用CLI工具时，经常需要等待Agent完成任务后才能继续下一步操作，而Codex App允许同时管理多个项目和多个对话线程，使整个开发过程更接近即时通讯软件的体验，从而能够更轻松地并行推进多个项目。

不过，当时Codex桌面应用并没有Windows和Linux版本，这点遭到不少用户吐槽。

到4月份，OpenAI又进行了一个更加关键的调整。

在“Codex for (almost) Everything”更新中，OpenAI开始丰富Codex的能力。Codex拥有了直接在后台操作计算机的能力，内置了浏览器和图像生成功能，新增了对GitHub PR审查、多终端标签和远程开发箱（SSH）的支持，并提供了超过90个新插件（如JIRA、CircleCI）来打通日常工具链。

这些能力的引入，让用户可以在文档处理、流程自动化、信息整理以及跨工具协作等新场景使用Codex。

这次更新也拉高了Codex的市场天花板。此前，Codex给外界的印象始终停留在AI编程工具阶段，现如今，Codex已经成为了一个通用Agent平台，其目标客户扩展至整个知识工作者群体，比如产品经理、分析师、运营人员、研究人员等，而非仅仅局限于程序员。

与Codex这一更新所配套的，是GPT-5.4的升级。在这代模型中，OpenAI首次加入了原生的Computer Use能力和100万上下文支持。这些能力共同构成了Codex进一步进入白领工作场景的重要基础，使其能够更自然地参与跨应用、跨系统的复杂任务执行。

5月份的GPT-5.5则进一步优化了token效率、长上下文、编程等能力，并改善了模型在长任务中的任务保持能力。有不少用户反馈，Codex+GPT的组合，在使用成本上比Claude Code+Claude模型的组合要更具有性价比。

今年6月的Codex大更新与4月的更新一脉相承。Codex面向白领工作推出了智能体插件功能，首发了6个特定角色插件，包括数据分析、创意制作、销售、产品设计、股票投资等，每个插件都捆绑了相关角色的应用程序、技能、说明和工作流程。这些新功能，让Codex可以在更丰富的企业级场景中，扮演生产力系统的角色。

除了在产品和模型上下功夫，OpenAI在过去几个月时间里还进一步整合了ChatGPT与Codex，用户可以在ChatGPT手机应用里完成从任务发起、Agent运行监控到结果审查的完整流程，使用门槛进一步降低。Codex还定期推出额度重置福利，用户有不少免费的羊毛可以薅。

这一系列调整，最终转化为Codex活跃用户数量的迅猛增长，在短短5个月内从2026年初的约60万周活跃用户跃升至500万以上，成为OpenAI近一年增长最快的产品之一。

03.Codex成为战略级产品之后

Codex的未来，要往何处去？

过去几年，无论从资源配置还是战略规划角度来看，OpenAI最重要的产品始终是ChatGPT。而现在，Codex的资源投入正在不断提升，持续快速更新的产品、频繁重置的免费额度、以及OpenAI在超级碗比赛期间为Codex投放的60秒天价广告，这种种举措都在释放一个信号：Codex正在被提升为战略级产品线。

结合OpenAI从去年年底以来对企业级市场的持续加码，这一变化并不难理解。无论是编程，还是白领工作，Codex瞄准的始终是企业级市场。在增长逻辑上，相比个人用户，企业客户或者说在工作中使用Codex的用户，拥有更强的付费能力和意愿，也更容易帮助OpenAI形成长期稳定的收入结构。

这已经是一个被验证过的叙事，Anthropic在ARR和估值层面对OpenAI的超越，很大程度上正是依赖其在企业市场的渗透能力。

Codex也是一款更适合企业级场景的产品。对于企业客户而言，一个能够完成代码开发、自动化流程、文档处理以及任务执行的Agent，其价值要高于纯粹的大模型API服务或者聊天机器人。它可以直接嵌入企业的生产系统与业务流程，成为实际的“执行层组件”。

在这种结构下，企业内部AI投资的ROI计算可以变得更加容易。例如，一个Agent如果能够替代部分开发、测试或数据处理流程，本质上就是在降低固定人力成本或提升人均产出。这类收益是可量化、可归因的，其ROI叙事更为清晰。负责制定企业信息化战略的CIO们，也更容易在内部论证这一投资的价值。

当然，挑战依然存在。

首先是可靠性。Agent类产品的能力虽在快速提升，但复杂任务执行中仍会出现错误。对企业而言，稳定性往往比能力上限更重要，尤其是在医疗、金融等强监管行业。Codex的可靠性将直接影响其在这些市场的扩展。

其次是竞争。Anthropic的Claude Code、Claude Cowork在开发者口碑和企业治理成熟度上仍然领先Codex。Claude Cowork的管理控制台、RBAC、审计日志已全面可用，而Codex的对应能力尚在“即将推出”阶段。Copilot则凭借微软生态，在分销渠道上拥有难以复制的优势，其多模型策略也给用户更多选择空间。

最后是成本。Agent的token消耗远高于对话，如何实现成本和性能的平衡是一个复杂问题。2026年4月，OpenAI将Codex从按消息计费改为基于token点数的滚动窗口计费，本意是让成本更精确反映实际消耗，实践中却带来不可预测性和总体成本上升。这可能导致部分用户转向开源方案，或至少在日常高消耗任务中用开源方案替代部分Codex的工作。

04.结语：Codex还有硬仗要打

如今，国内外的头部大模型玩家，都在围绕Agent的“入口权”展开新一轮较量。Codex用5个月时间从60万周活冲到500万，证明了即便起步落后、口碑被压制，只要找准定位、持续迭代，依然有机会翻盘。

但复盘这场翻身仗，Codex的成功并不只靠产品功能堆叠，模型能力的追赶、产品定位的优化、目标市场的扩张、以及资源投入的倾斜，缺一不可。

500万周活用户已经证明了Codex在通用Agent赛道的吸引力。接下来要看的是，当成本优势消退、竞品加速跟进之后，Codex是否还能保持这样的迭代节奏和产品定力。要守住增长，Codex还需要在产品体验和商业模式上建立更深的护城河。

本文来自微信公众号 “智东西”（ID：zhidxcom），作者：陈骏达，36氪经授权发布。

8点1氪丨追觅辟谣汽车CEO离职：职务与网传不符；微信小范围内测原生AI助手；苹果、特斯拉核心供应商数据泄露

8点1氪 — Wed, 24 Jun 2026 07:01:48 +0000

今日热点导览

创业板指创年内最大跌幅，失守4200点整数关口

影石回应Luna Ultra新品骗国补质疑：发布会标价有误

上交所向沪市公司发出“提质增效重回报”2.0专项行动公开倡议

韩国将要求所有上市公司披露库存股详情

贾跃亭推出工业级轮臂机器人

TOP3大新闻

追觅辟谣汽车CEO离职：陈龙冬职务与网络传言不符，今年5月已离职

6月23日，针对追觅汽车CEO离职传闻，追觅旗下星辰未来汽车发布声明称：“陈龙冬先生于2025年6月加入追觅科技原星辰未来BU，担任BU负责人，其职务与网络传言‘追觅汽车CEO’不符；2026年5月，陈龙冬先生已从星辰未来离职，该离职属正常人事变动。”

此前公司大整改中，追觅把原本两百多个独立业务单元全部整合，只保留全屋智能清洁、智能家电、智慧出行、AI具身智能四大核心板块。汽车、手机两大外界关注度最高的跨界业务，不再作为独立业务运营，统一划入新成立的产业研究院，只保留底层技术研发职能，彻底砍掉C端整车量产、线下门店、重资产整车工厂相关规划。（界面新闻、凤凰网财经）

微信迎来重磅更新，原生AI助手开启小范围内测

6月20日，微信原生AI助手“小微”开启小范围内测，获得内测资格的用户，可在微信更新至最新版本（8.0.75）后，点击微信主界面左上角的“小微”标志使用AI功能。用户也可以在主界面一键右滑，开启与“小微”的互动。

记者体验了“小微”测试版，进入“小微”后，用户可通过文字或语音对话来操作一些基础功能，包括日常对话、文件阅读、设置提醒、发送消息、转账、进行朋友圈管理等。例如“给妈妈发生日快乐”、“转账给XXX”、“抓取近两天朋友圈中值得关注的重点内容”、“提醒我5分钟后喝水”等。（光明网）

苹果、特斯拉核心供应商塔塔电子遭网络攻击，超630GB数据被泄露

6月23日，据报道，印度塔塔电子（Tata Electronics）证实，公司近期遭遇了一起“网络安全事件”。此前，安全研究人员披露，勒索软件组织“World Leaks”在暗网发布了超过20万个据称从塔塔电子窃取的文件，其中包含其核心客户苹果公司和特斯拉的组件设计、规格文件及商业机密。此次泄露的数据总量超过630GB。

塔塔电子在一份声明中表示：“几周前，塔塔电子发现我们部分系统出现网络安全事件。我们的应对方案立即启动，该事件没有对我们各业务的运营造成任何影响，所有业务均未受到影响。”有知情人士表示，苹果公司目前正在对此次数据泄露事件展开“全面分析”调查。（界面新闻）

AI最前沿

SpaceX与AI初创公司Reflection达成数十亿美元协议，将向后者提供算力

据报道，SpaceX已与AI初创公司Reflection AI签署一项价值数十亿美元的协议，为后者提供计算资源。Reflection周一宣布，将从今年7月起至2029年每月向SpaceX的AI部门支付1.5亿美元，使用SpaceX位于美国田纳西州孟菲斯的Colossus 2数据中心硬件。（界面新闻）

英伟达发布Halos机器人安全系统，推进Physical AI落地

6月22日，英伟达宣布推出“Halos for Robotics”，这是其面向物理AI与机器人领域的全栈安全系统，旨在为在真实环境中运行的智能机器人提供统一安全架构。该系统覆盖从AI算力芯片IGX Thor、传感器连接Holoscan Sensor Bridge，到Halos OS软件栈及AI安全认证实验室，构建“计算+感知+决策+认证”一体化安全体系。首个合作伙伴Agility已将Halos集成至其人形机器人Digit，用于工厂与物流场景。（界面新闻）

火山引擎谭待：豆包还是会保持免费，专业版办公任务模式搭载2.1Pro模型

火山引擎force原动力大会期间，总裁谭待谈到豆包收费问题时称，“豆包不是火山的业务范畴，但据我所知，豆包还是会保持免费，而且高质量地服务广大用户。同时它最近会推出面向生产力场景的专业版办公任务模式，搭载的就是我们最新推出的2.1Pro。”此前，6月3日豆包发布说明称，计划针对专业人群的生产力需求推出豆包专业版，对于广大用户日常使用的豆包功能将保持目前的免费服务。（财联社）

Meta因数据安全问题暂停追踪员工鼠标活动的AI训练项目

Meta周一表示，将暂停一项用于人工智能训练的内部程序，以调查数据安全问题，该程序追踪员工的鼠标移动和数字活动。此前曝光的文件显示，Meta内部系统中用于监控员工数字互动的敏感数据被意外开放给了Meta全体员工查阅。Meta证实正在进行调查，但拒绝透露计划暂停该项目多久。（新浪财经）

大公司/大事件

创业板指失守4200点整数关口，创年内最大跌幅

继22日创业板指刷新历史新高后，6月23日，创业板指数深度回调，盘中一度跌超4%，收盘跌3.84%，创下2026年以来的最大跌幅，失守4200点整数关口。全天成交9016.46亿元，较上一交易日缩量1189亿元。创业板指前十大权重股清一色下挫，AI算力产业链跌幅靠前。（第一财经）

甲骨文裁员2.1万人，2026财年员工总数减少了13%

6月23日，云计算巨头甲骨文持续推进业务重组，叠加全业务线落地人工智能技术，2026财年员工总数减少了13%，裁员约2.1万人。甲骨文于当地时间周一发布的年报显示，截至2026年5月31日，公司员工总量为14.1万人；而去年同期员工规模约16.2万人。

文件披露，甲骨文公司在2026财年为重组相关的离职补偿金及其他离职成本支出18.4亿美元（注：现汇率约合124.88亿元人民币），远高于上一财年的3.74亿美元（现汇率约合25.38亿元人民币）。

公司在申报文件中表示，此次人员调整由多重因素驱动，包括管理层与产品线调整、绩效不达标、战略转向以及企业收购整合。（IT之家）

火山引擎总裁谭待：火山引擎暂无拆分独立上市相关计划

在23日FORCE大会媒体沟通环节，针对AI公司市值走高背景下火山引擎是否存在分拆上市规划，火山引擎总裁谭待回应：据其所知，火山引擎暂无单独拆分上市的相关计划。字节现阶段重心聚焦豆包大模型、Seedance视频生成、企业AI原生架构落地等技术与产业业务推进。（财联社）

金价跌去近30%，年初还在创历史新高

年初还在创历史新高的黄金，短短几个月内跌去了近30%。回顾2025年，黄金凭借“去美元化”叙事和央行购金热潮，成为全球表现最亮眼的大类资产之一。进入2026年，金价更是在1月冲上5600美元/盎司的历史峰值。然而此后形势急转直下，截至6月上旬，COMEX黄金最低触及4023美元，已回吐年内全部涨幅。

针对近期市场上“黄金避险属性失灵”的质疑，光大证券金属分析师方驭涛表示，黄金在极端情况下会被当作流动性资产抛售，但这不等于避险属性消失。过去两年大量配置类资金涌入黄金赛道，交易拥挤导致其在下跌时表现出偏风险资产的特征，但黄金的长逻辑，即“央行购金、去美元化趋势”，并未发生改变，也就是说这是金价最强的底部支撑仍然坚挺。（红星新闻）

影石回应Luna Ultra新品骗国补质疑：发布会标价有误

近日，影石Insta360全新产品Luna Ultra正式面世，但其定价与补贴相关操作迅速引发市场争议，不少消费者质疑品牌借国家补贴进行违规营销，甚至存在骗取补贴、占用用户补贴名额等问题。

据网友反馈，此次新品发布会宣传海报以及线下实体门店，均直接标注标准套装3999元起，而品牌淘宝官方旗舰店定价却存在明显差异。消费者在线上店铺下单可见，产品原始标价为4729元，想要达到3999元的售价，必须申领国家相关补贴再叠加店铺优惠才可实现，不少用户晒出订单证实了这一价格构成。

针对此次风波，影石Insta360官方工作人员出面作出正式回应，坦言发布会公开售价标注存在疏漏，并未明确公示产品原始定价，致使消费者产生价格认知偏差。（海峡都市报）

SpaceX 250亿美元的债券分五期发行，最长期限达30年

美国SEC文件显示，SpaceX将发行70亿美元2031年到期的5.35%优先票据，60亿美元2033年到期的5.65%优先票据、60亿美元2036年到期的5.875%优先票据、25亿美元2046年到期的6.6%优先票据和35亿美元2056年到期的6.65%优先票据。本次发行所得款项将用于偿还过桥贷款及一般公司用途，预计将于2026年6月26日完成。（财联社）

美股三大指数集体收跌，大型科技股多数下跌

36氪获悉，6月23日收盘，美股三大指数集体下跌，道指跌0.09%，纳指跌2.21%，标普500指数跌1.44%。大型科技股多数下跌，Arm跌超10%，英特尔跌超6%，特斯拉跌超5%，英伟达跌超4%，谷歌跌超1%，苹果、Meta、奈飞小幅下跌；微软涨超1%，SpaceX、亚马逊小幅上涨。热门中概股多数走弱，哔哩哔哩、小鹏集团跌超4%，京东跌超3%，阿里巴巴、老虎证券、富途控股跌超2%，拼多多、网易、理想汽车、百度跌超1%；爱奇艺涨超1%，蔚来、知乎小幅上涨。

三星显示已获苹果官方量产认证，正式启动显示模组生产

近日，三星显示已获苹果官方量产认证，正式启动折叠屏OLED显示模组生产。据6月22日业内消息，其越南工厂已启用部分后端产线，启动首批300万片面板生产。若零部件供应稳定，苹果首款折叠iPhone有望今年秋季发布。

模组量产认证是交付前关键环节，用于验证成品质量与稳定性。苹果良率门槛为70%，三星显示综合良率已达80%，顺利通过审核。作为苹果折叠屏OLED唯一供应商，双方已签订三年独家供货协议，今年首批规模即为300万片。（财闻）

上交所向沪市公司发出“提质增效重回报”2.0专项行动公开倡议

36氪获悉，上交所向全体沪市公司发出“提质增效重回报”2.0专项行动的公开倡议，标志着专项行动进入新阶段。其中提到，提升经营发展质效。本次倡议引导公司明确经营质量提升目标，比如选取净资产收益率、毛利率、产销量、研发成果等能体现盈利能力或经营质量的财务、非财务指标，或者公司认为更能体现自身特点的其他自选指标，并针对性提出提升举措。同时，也倡议公司积极使用并购重组、再融资等资本市场工具箱解决同业竞争等问题。

阿里或将出售游戏业务灵犀互娱，多家A股公司有意接手

有市场传闻称，阿里巴巴集团正计划出售旗下游戏业务品牌灵犀互娱，整体出售价格将在70亿至90亿元之间。据相关报道，目前潜在的买家中包括多家A股上市游戏公司。记者从多位游戏业内人士处印证了相关传闻。不过，对此消息，截至发稿，灵犀互娱方面没有回应。公开资料显示，灵犀互娱的规模在1200人左右，旗下游戏工作室包括平平无奇工作室、南瓜工作室、星辰工作室、鸢工作室、创新工作室，还有九游和交易猫两个运营部门。（上证报）

阿里云上调.co域名注册价格

36氪获悉，阿里云公告，因域名上游注册局成本上调，经慎重考虑，现决定于2026年7月1日零时，对.co域名进行价格调整。.co注册价格调整为120元/首年，续费和转入价格调整为249元/年。

多家银行上调贵金属产品保证金，业内人士：贵金属剧烈波动银行收紧杠杆

近期国际贵金属市场剧烈波动，6月22日，多家银行相继发布公告，上调代理上海黄金交易所个人贵金属交易延期合约保证金比例。此前广发银行公告称，将黄金、白银延期合约保证金比例由100%上调至140%，并拟于本月底全面停办代理上金所个人贵金属交易业务；中国银行也发布公告，自6月24日收盘清算时起，黄金延期合约的客户保证金比例由99.9%调整为120%，白银延期合约的客户保证金比例由99.96%调整为119.91%。

业内人士表示：近期国际贵金属市场剧烈波动，单日振幅超百美元已成常态，高杠杆的延期合约交易在金价过山车式行情中极易触发爆仓，银行需通过上调保证金比例来降低客户杠杆率，以防市场出现“踩踏式”连环爆仓。（央视财经）

捷克拟自2027年起禁止学生在校内使用手机

当地时间6月22日，捷克总理巴比什在社交媒体表示，捷克政府已向议会提交一项法律草案，计划从2027年9月起禁止所有处于义务教育阶段的学生在学校使用手机。根据法案，禁令不仅适用于课堂期间，也适用于课间休息时间，但出于健康原因或学校将手机用于教学目的等情况例外。此外，巴比什还表示，由于担心社交媒体可能对儿童产生的负面影响，捷克政府还在研究限制儿童使用社交媒体的可能性。（央视新闻）

美股亿元CEO薪酬强势回归，马斯克1580亿美元领衔

就在亿元高管薪酬方案看似逐渐式微的一年后，年薪超1亿美元的首席执行官群体强势回归。去年，美国突破这一曾经十分罕见薪酬门槛的首席执行官人数，创下2021年以来历年新高，其中近12人的薪酬超过2亿美元。当然，与埃隆·马斯克在特斯拉拿到的1580亿美元薪酬方案相比，这些高管的薪酬只能算是九牛一毛。榜单第二名是Welltower养老健康地产信托的尚克·米特拉（Shankh Mitra），其薪酬总额达8.21亿美元。（新浪财经）

马斯克之后谁将成下一个万亿富豪？预测市场显示扎克伯格最有希望

得益于对SpaceX的持股，埃隆·马斯克在该公司6月12日上市后，成为全人类历史上首位身家破万亿美元的人。而预测市场的交易者认为，马克·扎克伯格最有希望成为下一位万亿美元富豪，不过这仍然是一个小概率事件。在预测平台Kalshi上，交易员们押注Meta CEO扎克伯格有32%的概率成为全球第二位万亿美元富豪。Kalshi交易员给出了英伟达CEO黄仁勋第二高的概率，认为他达到即万亿美元净资产的可能性为21%。（财联社）

巴斯夫中国退出与中国石油合资公司

36氪获悉，天眼查App显示，近日，巴斯夫吉化新戊二醇有限公司发生工商变更，原股东巴斯夫（中国）有限公司、巴斯夫欧洲公司退出，注册资本由1.5亿人民币减至6000万人民币。该公司成立于1995年11月，法定代表人为陈建军，经营范围为基础化学原料制造、专用化学产品制造、专用化学产品销售等，现由中国石油全资持股。

韩国将要求所有上市公司披露库存股详情

韩国金融监管机构周二表示，根据内阁批准的《商业法》实施细则修订案，所有上市公司将被要求披露其库存股的详细信息。这项修订案已于2月底获得韩国议会批准，根据该修订案，所有上市公司必须在购入库存股后一年内注销，并在18个月内回购其现有的库存股。此前，只有持有库存股超过流通股1%的公司才需要披露其持有的库存股数量及其使用计划。（新浪财经）

索尼集团计划近三十年来首次发行美元债券

上次进入投资级美元债券市场时，索尼集团正忙于推广初代PlayStation。近三十年后，它准备卷土重来。据一位不愿透露姓名的知情人士透露，这家日本企业集团将发行两期高级固定利率债券。5年期债券的承销商给出的收益率约为比同期限美国国债收益率高出70个基点，10年期债券利差约为90个基点。债券可能晚些时候定价。（新浪财经）

上市进行时

梦腾智驾通过港交所上市聆讯

36氪获悉，MOMENTA GLOBAL LIMITED（梦腾智驾环球有限公司）通过港交所上市聆讯，联席保荐人为中金公司、德意志银行。

立讯精密：香港联交所上市委员会已审阅公司上市申请

36氪获悉，立讯精密公告，公司正在进行申请发行境外上市外资股（H股）并在香港联合交易所有限公司主板挂牌上市的相关工作。香港联交所上市委员会于2026年6月18日举行上市聆讯，审议公司本次境外发行上市的申请。公司本次境外发行上市的联席保荐人已于2026年6月22日收到香港联交所向其发出的信函，其中指出香港联交所上市委员会已审阅公司的上市申请，但该信函不构成正式的上市批准，香港联交所仍有对公司的上市申请提出进一步意见的权力。

投融资

小竹无人车将完成独立融资，估值达数亿美金

36氪获悉，佑驾创新旗下无人物流车品牌小竹无人车即将完成独立融资，估值达到数亿美元，投资方包括一线自动驾驶产业资本。本轮融资资金将主要投入物理AI技术、全域无图自动驾驶软硬件的全栈研发，并扩充整车量产产能。公开数据显示，截至2025年，小竹无人车已在全国18个城市落地运营；结合公司近期的订单披露，合作规模超8000台。

“正行创新”完成近亿美元天使轮融资

36氪获悉，6月23日，“正行创新”（Striding AI）已完成近亿美元天使轮系列融资。投资方包括正大集团、华勤技术、九安医疗等多家上市企业，多位国内外知名企业家，以及多家一线投资机构。本轮募集的资金将主要投入三大方向：一是持续引进全球顶尖算法、工程与商业化人才，完善全链条人才梯队布局；二是加大世界动作模型、强化学习等核心技术的迭代与应用，夯实具身智能基础设施能力；三是加速零售、工业等场景的落地验证与产品化落地。

酷产品

贾跃亭推出工业级轮臂机器人

6月23日，Faraday Future（FF）在芝加哥Automate机器人与自动化展会上发布工业级轮臂机器人系列FF Faber，并首次披露EAI机器人工业生态战略。随着轮臂机器人系列亮相，FF已形成涵盖人形、四足和轮臂三大形态、六大系列的机器人产品矩阵。

贾跃亭表示，未来Faber系列将进一步参与机器人生产环节，推动“机器人生产机器人”的工业应用模式。（凤凰网科技）

整理｜何雨婷

1.2万亿，清华教授，挑战美国最强AI，一战封神

华商韬略 — Tue, 23 Jun 2026 19:01:32 +0000

6月22日，智谱AI继续股价大涨，盘中市值一度飙升到1.2万亿港元。

一家年营收仅7亿的公司，凭什么让投资者陷入疯狂？

答案藏在一场AI范式革命里。

01 拉爆

2026年6月12日，美国政府一纸禁令，Fable 5没了。上线才三天，全球下架，官方给出的理由是：

国家安全。

跟之前的大模型不一样，Fable 5不只会聊天。

它更像一名数字员工，能操作你的电脑，自己规划任务，写代码、跑测试，修bug。更恐怖的是，它能把一个专业团队干两月的活，一天就干完了。

这并非天方夜谭。

来自美国宾夕法尼亚大学的测试，Fable 5仅用20分钟，就复刻了著名游戏《我的世界》。

大模型的战场，正从能聊天变成能干活。谁能让AI真正干活，谁就拿到下一张入场券。而美国人，似乎又领先一步。

网上弥漫着一种焦虑，很多人在问：中国大模型，是不是又被甩开了？

关键时刻，清华教授出手了！

Fable 5刚下线没几天，6月17日，一家叫智谱的中国大模型公司，就宣布GLM-5.2全量开放。

GLM-5.2有多厉害，它能扛住Fable 5吗？先看一组数据：

在全球权威的AI编程能力评测榜单Code Arena上，GLM-5.2以1595分排名全球第二，第一是已经下架的Fable 5。

换句话说，在还能用的大模型里，它排名第一。

网友们直呼疯狂，Arena官方则表示，这是一个令人难以置信的里程碑。

这意味着，国产开源大模型在Coding这件事上，首次跻身全球御三家：Claude、OpenAI和智谱。

在此之前，这个位置一直是谷歌Gemni的。

GLM-5.2并非一夜逆袭，它的背后，是一位闷头坐了13年冷板凳的清华教授。

他，叫唐杰。

02 豪赌

2024年底，DeepSeek R1横空出世，全球都在喊：中国AI的DeepSeek时刻。大模型行业一夜变天。

就在很多人还在拼参数、拼价格、拼下载量时，清华大学计算机系教授、智谱首席科学家唐杰，却做出一个惊人判断：

Chat这一仗已基本打完了！

在他看来，Chat这个范式快到头了，边际收益正急剧下降，剩下的更多是工程和技术上的问题，而非颠覆性的范式创新。

下一个范式也许是让每个人都能用AI做一件事，聊天不是终点，干活才是！

那什么才算是干活呢？最自然，也是水到渠成的一个方向，是写代码（Coding）。

理解代码库、跨文件追bug、跑通测试，一个模型如果能自己写代码，它就能自己规划、自己执行、自己纠错。

某种意义上讲，它就是一个能干活的智能体。

唐杰很笃定，但团队内部还是为此争论了无数个夜晚。最终，由唐杰拍板，将所有精力投入到Coding领域。

这不是他第一次押注。更早的时候，GPT-3横空出世，智谱要做一个决策：做不做千亿参数大模型？

唐杰很清楚，如果要做，一旦失败了，就可能把公司送进坟墓。

但明知道有风险，他还是决定死磕。

在公司内部决策会上，他的表态一锤定音：如果成功了，那至少证明中国的大模型公司，技术能力也能达到世界级水平。

他不是没犹豫过，只是犹豫完了，还是选择继续死磕。

2021年，智谱从济南超算租了1000张A100卡，从底层重构算子，训练了8个月。

彼时，作为智谱AI的孵化方之一，整个智源研究院也只有480张A100，智谱的投入可谓大手笔。

到2022年7月，智谱训练出GLM-130B，总投入600万元。

当OpenAI烧掉近3000万，终于踹开人类第一扇千亿大模型大门时，唐杰团队靠着极致的工程优化，以远低于对手的成本，砸出中国首个开源千亿大模型。

这种判断力不是天生的。

2006年，唐杰清华博士毕业，大公司开出几倍薪酬，国外大学给了offer，但他还是选择留校搞科研。

促使他做出这一决定的人，是王选院士。

他想效仿王选以教授身份推动技术创新与产业化。

就在唐杰毕业前夕，2006年2月，王选老先生驾鹤西去，唐杰的选择在冥冥中化身为一种传承。

彼时，全球论文数量已经达数亿篇，但论文背后的规律却没有人去总结。

唐杰试图开发一款叫AMiner的工具，用AI挖掘全球学者的论文和合作关系，建一张学术界的地图。

那年头，没人关心学术工具，热钱涌向电商和游戏，他一做就是13年。

13年里，互联网首富换了好几茬。唐杰在清华的办公室里，带着学生一篇一篇论文抠。

这段苦行僧般的经历，虽然没有给唐杰带来财富，却磨出了他对大规模数据、对AI的判断力。

这种判断力，花钱买不到，赶工赶不出来，只能用时间熬。

2019年，唐杰带着清华KEG实验室团队，创立智谱时，AMiner十几年积累的底色，直接成了它的技术地基。

也正是凭借这种判断力，他敢在公司初创、生死未卜时，顶住压力，砸下真金白银，训练出中国最早的千亿大模型。

后来，当全行业陷入拼参数、拼价格的内卷泥潭时，他再次抽身，把下一代研发资源集中压在Coding这个更难，但也更接近AGI的方向上。

03 裂痕

很多AI公司从第一天起，目标就很清晰：做产品，做应用，做用户。

但唐杰不是。

他做智谱，从一开始就没把大模型当聊天工具。在他眼里，大模型的终局不是对话，而是AGI，是能替代人干活的智能体。

▲图源：腾讯科技

这条路一开始就不轻松，因为它意味着：不做爆款应用，不抢流量入口，不追短期增长。只做一件事：

把智能往前推。

智谱的核心团队结构，也从一开始就写进了这种选择。

唐杰担任首席科学家，负责技术方向；张鹏担任CEO，负责商业落地；刘德兵担任董事长，负责战略与资本。

这不是一言堂，也不是纯粹的商业公司，更像是一种折中结构：用学术的方式做公司，用公司的方式活下来。

但这种结构，在理想与现实之间，很容易撞墙。

To B，就是现实的第一道裂缝。

智谱本来可以做C端，抢流量入口，追求短期增长。这也是大多数AI公司的选择。但唐杰却将重点放在了To B上。

跟政府、银行、学校打交道，客单价高、预算充足，看起来很好。

但代价也很清楚：回款周期从21天拉到112天，大客户频繁更替，多为一次性交易，甚至出现采购额高于销售额的怪事。

这不是一家典型科技公司该有的增长曲线，更像是一种工程型生意：不性感，但稳定；不爆发，但难死。

张鹏后来总结过一句很直白的话：C端不是为了赚钱，是为了给B端看能力。

2026年2月，裂缝第一次被放大。

GLM-5发布之后，问题出现了，不是技术失败，而是产品机制失控：规则透明度不足、灰度节奏过慢、老用户升级体验混乱。

一连串问题叠加之后，反应很直接：一天时间，700亿港元市值蒸发。

数字本身并不是最致命的，更致命的是连锁反应：投资者质疑，团队内部动摇，外面看热闹的人说，果然学者做不了商业。

但唐杰没有解释太多，他只是发了一封信，给出补偿方案，然后继续往前走。这很像他的风格：

不辩解，不拉扯，不对抗情绪，只继续做技术。

但更大的压力，其实来自叙事权。

智谱在国内大模型领域，曾经很多次领先行业，但时间并不会奖励先发。

2024年底，DeepSeek爆红，行业叙事开始变化，中国AI时刻被重新定义。先做的人，没有成为故事中心。

唐杰评价DeepSeek时，说了三个字：很震撼。

三个字里有多少东西，他没过多展开。但一个先做了十几年的人，被后来者抢了叙事，不可能不失落。

04 冲刺

但这种失落，大概也就维持了几秒钟。

2026年1月8日，智谱赴港股上市。敲钟时，站在大铜锣旁的，是董事长刘德兵和CEO张鹏。

作为创始人和首席科学家的唐杰，则隐身团队里，安静得几乎不存在。

这并不意外。

王选院士说过一句话：“一个人老在电视上露面，说明这个科技工作者的科技生涯基本上快结束了。”

唐杰把这句话当成了戒尺。

他几乎不经营个人形象，微博昵称是唐杰THU，简介只有两行：清华大学教授、AMiner创始人。

他谈论的话题永远围绕技术，最常出现的一句话是：希望对大家有用。

敲钟仪式之后，唐杰写了一封内部信，标题是《用“咖啡”的精神做AGI》。信的第一句不是庆祝胜利，而是：

“年初的时候，一切都那么难。”

他讲了一个故事。在香港科技大学访问时，他和杨强教授在咖啡厅聊天。他说，这几天咖啡喝得太多，有点上瘾，需要戒一戒了。

杨强反问了一句：为什么要戒呢？

这句话，后来被他当作一种隐喻，做AGI不是冲刺，而是长期稳定输出。这也解释了他的另一个爱好，铁人三项：游泳、自行车、跑步。

他认为，这和科研一样：不是比谁冲得快，而是比谁能持续。

AMiner做了13年，千亿模型死磕了8个月，Coding路线迭代了五代，全是慢的东西。但慢的东西，磕久了，就是结构性的壁垒。

2026年6月12日，美国封禁Fable5，全球开发者震动，国内AI行业弥漫了一股焦虑。

马斯克在社交媒体上断言：中国大模型在跑分上追赶很快，但达到Fable级别，可能要到2027年第一季度。

唐杰回复了六个字：用不了那么久。

一个平时躲聚光灯的人，被踩到线了，还是会跳出来，不是为自己，是为中国大模型。

多年前，有学生在实验室里叹气，说做学术太难了。唐杰回了一句：“做学术，要像爷们一样顶天立地。”

顶天，是有先进理念，敢碰世界级难题。立地，是脚踩中国土地，把研究成果应用到现实世界中。

这话，他是对学生说的，也是对自己说的。他这辈子，就赌这一件事。

参考资料

[1] 清华大学计算机系官网

[2] 《智谱唐杰：躲在喧嚣之外的“真大佬”》钛媒体

[3] 《智谱上市，唐杰内部信要求全面回归基础模型研究》晚点LatePost

[4] 《智谱正在穿越大模型最危险的那段路》36氪

本文来自微信公众号“华商韬略”（ID：hstl8888），作者：华商韬略，36氪经授权发布。

腾讯买出了AI半壁江山

字母榜 — Tue, 23 Jun 2026 19:01:32 +0000

腾讯又要施展“钞能力”了，这一次的目标很可能是Manus。

近日多家媒体报道称，据知情人士透露，名噪一时的通用Agent平台Manus迎来转机：多家参与Manus早期投资的公司和机构计划斥资20亿美元，向Meta回购该公司。

卷入传言的包括红杉中国、真格基金等国内知名投资机构，腾讯也位列其中。

字母榜就此向红杉中国、腾讯等求证，未获有效回应。

倘若传言最终落地，Manus这家命运多舛的明星公司，有可能成为逐渐成型的“新腾讯系”又一员大将。

过去几年间，腾讯在二级市场频频出手，入股了一大批AI公司。在不少被投项目中，腾讯是最大股东之一。

在AI芯片和底层算力领域，腾讯先后投资了燧原科技、曦智科技、云豹智能、无问芯穹、集益威半导体等公司；在燧原科技和云豹智能的持股比例接近20%，为第一大股东。

在大模型领域，腾讯的入股标的涵盖了“AI六小龙”的五家：智谱AI、MiniMax、月之暗面、百川智能和阶跃星辰。同时，它还斥资约100亿元，参与了DeepSeek首轮融资。

在AI应用领域，腾讯同样密集下注，且出手更早。2019年至今，它入股了明略科技、泛微、范式智能等企业，覆盖AI营销、AI协同办公、AI企业平台等主流赛道。

最新曝光的腾讯AI投资项目，是知名AI创作平台Liblib母公司演语科技。

6月18日，演语科技宣布完成3亿美元B+轮融资，由腾讯、顺为资本和Granite Asia联合领投，估值超过20亿美元。

随着一家又一家AI明星公司投入帐下，腾讯几乎“买下”了中国AI行业的半壁江山。

这些公司的实力和体量差异巨大，既有在大模型赛道搅动风云、市值刚刚突破万亿港元的智谱，也有不少初出茅庐、产品技术尚待市场检验的初创公司。

他们之所以能进入腾讯的法眼，关键在于能够帮助这家巨头快速“补课”。从芯片、算力再到模型、应用，腾讯倘若只是闭门造车、单打独斗，恐怕很难取得理想成果；通过引入外界助力，它可以迅速补齐短板，来一场亟需的弯道超车。

以“钞能力”快速形成竞争力、构筑阵营壁垒的打法，腾讯已经在移动互联网时代验证过，并取得巨大成功。如今，它正试图在AI时代复刻同样的故事。

1

腾讯对AI领域布局已久。过去半年多，随着一些被投企业陆续登陆资本市场，腾讯的长期投入开始迈入财务回报期。

去年11月，腾讯参与多轮投资、持股约27%的明略科技登陆港股，首日市值突破400亿港元，目前回落至350亿港元左右。以此计算，腾讯持有股份价值约95亿港元。

半年后，另一家腾讯持股、“AI含量”更高的企业曦智科技在港交所挂牌。

曦智科技专注于光电混合算力领域，号称“全球AI硅光芯片第一股”。4月以来，其股价一度触及1050港元，但随后下跌至500港元上下，市值约485亿港元。

根据曦智科技招股书，腾讯持股4.19%。按当前市值计算，腾讯手中股份价值约20亿港元。

这两家公司虽有AI概念加持，毕竟身处较为偏僻的赛道；两只大模型明星股，才是腾讯这场资本盛宴的“大菜”。

今年1月上旬，智谱和MiniMax先后登陆港交所，随后股价火箭般蹿升。

截至6月22日港股收市，智谱累计上涨近20倍，市值高达1.07万亿港元。MiniMax经历了大幅回调，但仍然累计上涨274%，市值逼近2000亿港元。

腾讯在智谱的B4轮融资中投了进去，花费2个亿换来约2%的持股。如今，这笔投资账面价值超200亿港元，涨了足足100倍。

另一方面，腾讯在2023年前后投了MiniMax 5000万美元，约合人民币3.4亿元，持股2.58%。按照MiniMax当前市值，腾讯所持股份价值50亿港元，涨了约14倍。

自从移动互联网时代落幕后，国内CVC越来越难做了，投资回报率一泻千里。但智谱和MiniMax以惊人的涨幅，成为腾讯投资当前颇为难得的经典战例。

近期有望上市的腾讯被投企业，是一家国产AI芯片公司。

6月15日，燧原科技科创板IPO获上交所上市委审议通过。根据财新报道，腾讯前后五次投资燧原科技，累计金额达51.4亿元。相比在智谱、MiniMax一两个点的持股比例，腾讯及其一致行动人在燧原科技的持股高达20%，高居首位。

燧原科技号称“国产GPU四小龙”之一，其余三家摩尔线程、沐曦股份和壁仞科技均已上市，市值介于1500亿至3000亿港元之间。倘若燧原科技达到同等水平，腾讯持股价值可达300亿至600亿港元。

更令人期待的，自然是Manus和DeepSeek。

腾讯很早就入股了Manus。匆忙入局又匆匆离开的Meta，将它的估值提升至20亿美元，而这也是传闻中的回购价格。

另据最新消息，Manus考虑调整公司架构，设立一家注册在境内的中外合资企业。外媒分析，这套合资架构是为了让中国投资方能够合规地继续持有公司股权，同时也在为日后赴港IPO做准备。

倘若日后赴港上市，Manus的最大卖点将是团队自身，以及飞快的成长速度。有消息称，Manus短短几个月内，就把年度经常性收入从1亿美元提升至4亿～5亿美元，与智谱等公司相比毫不逊色。

至于DeepSeek，腾讯6月初挤进首轮融资，砸下了100个亿，成为最大的外部投资者之一。与入股智谱等公司相比，腾讯把投资规模提升了两个数量级。

目前，DeepSeek估值已达3400亿元左右，腾讯持股比例约为3%。参考同类企业的股价走势，再考虑到全球市场的偏爱，DeepSeek完全有机会冲击万亿市值；届时，腾讯持股价值有望达到300亿元以上。

2

不过，腾讯从来不满足于只扮演财务投资者。它总是希望一石二鸟，在获得财务回报的同时，得到业务和战略上的臂助。

通过入股其他公司，快速补齐自身AI业务的短板，是腾讯AI投资的最大共同特征。

以AI芯片为例，腾讯早在2021年底就推出了三款产品——AI推理芯片“紫霄”、视频转码芯片“沧海”、智能网卡芯片“玄灵”。

其中，紫霄芯片在腾讯内部应用颇为广泛，在OCR文字识别、智能会议、图像语音降噪等场景下，性价比颇高。

不过，紫霄芯片只能用于AI推理，难以与英伟达GPU相提并论，也和华为昇腾、百度昆仑等国产训推一体芯片存在差距。腾讯至今仍需要大规模外部采购GPU，以满足AI业务的算力需求。

另一方面，对于自研芯片这一耗资巨大的项目，腾讯并不笃定。

6月初的一场公开对话中，腾讯云与智慧产业事业群CEO汤道生谈到自研芯片时表示，“自己去做芯片设计不解决产能问题”。腾讯选择与更多芯片厂商合作、与生态结合，让厂商愿意将腾讯作为算力展现标杆。

燧原科技是腾讯AI芯片的主要盟友之一。

两家公司2019年起开始合作。据观察者网报道，燧原科技的第一代训练芯片邃思1.0在腾讯云内部测试上线，而腾讯紫霄芯片也是和燧原科技合作开发的成果。

同时，腾讯是燧原科技的主要客户，2025年贡献了燧原科技超八成的销售额。

燧原科技正在发力训推一体芯片模组，已经回片但尚未大规模量产交付。相比只能做推理的紫霄芯片，或许这才是腾讯更看重、更希望大批量购买的重量级产品。

不过，腾讯并没有把AI芯片的全部期待放在一家公司。

除了投资燧原科技，腾讯还先后入股了云豹智能、曦智科技、集益微半导体、无问芯穹等公司，分布在DPU（数据处理器）、光子芯片、数模混合芯片、IDC中间层细分领域，有的试图开辟GPU、TPU之外的新技术路径，有的专攻AI算力周边硬件，有的则面向未来进行技术探索。

基础大模型同样是腾讯“搬救兵”的重点方向。

腾讯自研的混元大模型此前未能达到预期；姚顺雨领衔的Hy3 Preview改进明显，但也仍处于迭代升级阶段。所幸，腾讯先后入股了“五小龙”，间接在SOTA模型领域占据了一席之地。

成为“五小龙”的股东后，腾讯为QClaw、Workbuddy、Codebuddy等智能体框架提前扫除了基模方面的潜在障碍——Anthropic突然“断供”已经揭示了这样的风险。

同时，此举为腾讯自身的基模研发换来了更多时间和空间。Hy3 Preview并没有强行追求SOTA和打榜，也没有被腾讯全方位强推，与集团各个业务可选第三方模型不无关系。

不过，腾讯更看重的是DeepSeek。它不仅投下了100个亿，还让DeepSeek成为元宝唯二的可选基模，与混元并肩而立。与忙着追求PMF的“五小龙”相比，着眼于AGI的DeepSeek更符合腾讯的长期利益。

至于AI应用，腾讯投资反而落笔不多。

Liblib是被投企业之一，这是一家以AI图片视频创作为核心的初创公司，号称累计用户超3000万，日均生成图片超500万次，年度经常性收入接近3亿美元。此外，当Manus掀起通用Agent旋风时，腾讯同样入股，还下注了其竞争对手Genspark。

整体来看，腾讯对于AI应用的投资兴趣远不如AI芯片和基模。

毕竟，微信Agent箭在弦上，以微信为入口、以小程序为落点的Agent应用生态才是腾讯的发展重心。Liblib、Manus等AI服务虽有过人之处，其重要性和战略价值终归无法与Agent化的微信相提并论。

马化腾曾用“漏水的船”形容腾讯AI面临的挑战。彼时，他并没有细谈该如何堵住漏洞；但既坚持自研，又通过投资“补课”业务，显然是腾讯一直以来的应对之策。

3

几年前，腾讯通过一系列股权出清，自己拆除了“腾讯系”。如今，通过一系列股权动作，腾讯成为大批AI公司的股东，AI时代的“新腾讯系”呼之欲出。

智谱、MiniMax等AI明星企业，燧原科技、云豹智能等国产芯片公司，背后都有腾讯的身影。就连Manus陷入风波，传闻中的“解铃人”也包含了腾讯。

同时，AI创业者也纷纷投身“新腾讯系”，其中不乏明星选手。

美团老兵王慧文创办光年之外，腾讯投下5000万美元。这尚可理解：美团原本就是旧腾讯系的一员大将。

但一些出身阿里、字节的创业者，同样选择从腾讯拿钱。

林俊旸从阿里离职后，创立自己的AI实验室，在尚未公布产品方向的萌芽状态，就在首轮融资中拿了腾讯2000万美元。其余两位“金主”是高榕和红杉，老东家阿里未在其中。

Liblib创始人陈冕此前担任字节旗下剪映的全球商业化负责人，离开后创业，A轮融资获得明势资本押注，B轮融资拿了红杉、CMC和蚂蚁集团的钱，近期在B+轮融资中引入腾讯作为新股东。

言创万物专攻AI智能体编程，两位创始人分别曾担任TikTok算法负责人，以及百度技术产品负责人。它在2025年底完成Pre-A轮融资，腾讯投了数千万美元。

AB背景的创始人，在起步阶段拿腾讯的钱，而非先从老东家寻求扶持，原因之一或许是，腾讯开出了比AB更优厚的投资条款。

腾讯历来是BAT三巨头，乃至新BAT中最擅长投资的。这一传统始自移动互联网时代，如今腾讯正试图将其搬运到AI时代。

但在“旧腾讯系”分崩离析后，为何腾讯又要组建“新腾讯系”？

将手里的四五千亿现金盘活，给钱找到恰当的出口，是腾讯撒钱的基本动力。同时，腾讯自身的AI业务尚待提升，需要先倚仗外力拉近差距，而这也是腾讯的传统艺能。

更深一层的原因，是AI对于全栈能力的天然需求。

移动互联网是不需要全栈能力的，不同参与者分担一小部分服务、享受一小块利益。新BAT手握超级App，每天消耗巨量算力、提供巨量服务，却没必要自己掌握上游的数据中心，也不需要把所有小程序和线上线下服务握在手中。

但在AI时代，算力、算法、数据、产品、场景等要素前所未有地紧密勾连。大公司对于算力的掌握程度，会直接影响AI服务的质量和广度；大模型是否SOTA，也会让下游产品呈现截然不同的面貌，对用户的吸引力差异巨大。

这意味着，只有掌握了全栈能力，大公司才能紧跟行业潮流，提供符合内外预期的产品和服务，坐上AI竞赛的主牌桌。

国外AI公司已经认识到了这一点。只不过，他们构建全栈能力的方式是互相投资、订单锁定、巨头抱团——英伟达、OpenAI、Anthropic已经形成了一张价值数万亿美元的利益蛛网。

在国内，巨头合作难度极高，却可以让创业公司纷纷来投。除了手握支票本外，巨头还掌握着流量和落地场景的优势，而这往往是AI创业者更需要的资源。

不过，“新腾讯系”不太可能无限扩张。

国内AI创业窗口期已经在悄悄收窄。如今的“当红炸子鸡”们，大都创立于两三年前，甚至更早。除非是林俊旸这样的顶级大咖，普通创业者要想从零起步、脱颖而出，难度极大。

对于腾讯来说，可供其投资的新标的也会越来越少。随着近期多家被投公司上市，腾讯以早期投资掌控AI全栈的动作，基本告一段落。“新腾讯系”的构筑重心，很可能向微信Agent转移。

几年前，腾讯穿越了“合久必分”的战略周期，与阿里、字节的竞争态势趋于缓和。如今，在AI时代浪潮中，腾讯又开始了“分久必合”，股权投资与微信Agent双管齐下，在最火热的几家AI初创公司中拿到筹码。

另一边，字节、阿里也对AI时代的王座志在必得。腾讯与AB的竞争，将是“新腾讯系”与两大对手的全方位竞逐。

本文来自微信公众号 “字母榜”（ID：wujicaijing），作者：彦飞，36氪经授权发布。

被看不上的35岁职场人，正在被重新定价

多知网 — Tue, 23 Jun 2026 19:01:32 +0000

35岁曾被视为职场上一道难过的坎，因为许多组织更愿意为便宜、能熬、快速响应的执行力付钱。但AI正在改变这笔账。当执行成本被工具压低，真正稀缺的开始变成问题理解、经验判断和对真实场景的把握。被重新定价的不是年龄本身，而是一个人能否把经验转化为AI时代的生产力。

很多公司嘴上不说，但心里都有一笔账：一个人到了35岁，到底还划不划算。

这些年，业务收缩、裁员降本、组织调整一轮接一轮，35岁不再只是一个年龄，而像是一道看不见的门槛。没到之前，大家都觉得它离自己还远；真到了那一天，很多人会突然发现，自己好像不再是公司眼里最便宜好用的人。

原因也不复杂。年轻人工资低，能熬，反应快，家庭牵绊少，领导一句话，晚上就能改出一版方案。35岁以后的人，工资更高，精力没那么满，还要照顾孩子、父母，也越来越不愿意为了一个没想清楚的需求反复折腾。

所以，过去很多公司对35岁职场人的判断很现实：懂是懂一些，但贵；想是想得多，但慢；经验是有，但不一定比年轻人更能扛活。

这个判断成立有一个前提：公司最需要的，仍然是便宜、快速、可无限消耗的执行力。然而，AI现在把这个前提动摇了。

查资料、写初稿、改方案、做表格、搭原型、写代码、整理流程，这些过去最消耗体力和心力的活，正在被AI快速压缩。当执行变得越来越便宜，公司真正需要重新计算的，可能不再是谁更能熬，而是谁更懂问题，谁更懂用户，谁更懂真实世界里的人。

这不是一个纯粹的想象。Anthropic最近发布了一份关于Claude Code的研究，分析了约40万次真实使用会话，新手用户每个prompt平均触发Claude约5个动作、600词输出；专家用户每个prompt平均触发约12个动作、3200词输出。Anthropic解释为，懂业务或懂问题的人，能给出更精准的方向、约束和验证方式。

也正是在这个意义上，那些曾经被看不上的35岁职场人，可能正在被重新定价。

一、35岁的劣势，没有那么致命了

这不是在说，35岁以后的人突然变年轻了。

体力下降是真的，时间被家庭切走也是真的，对无意义工作的忍耐度变低也是真的。一个人到了这个阶段，很难再像刚毕业时那样，靠连续熬夜、随叫随到和无限响应来证明自己。

过去这些问题之所以致命，是因为很多工作从想法到结果之间，隔着大量琐碎又耗人的过程。一个判断要变成方案，要查资料、整理信息、改表格、做PPT，还要一遍遍调整表达。很多时候，真正把人耗空的不是思考本身，而是把思考变成交付物的过程。

如果一个35岁的人精力被家庭分散，体力又不如从前，同时还必须陷在这些低价值消耗里，他当然很容易输在产出上。公司不一定关心你为什么累，也不一定关心你是不是想得更深，它首先会看你有没有按时交付。于是，不能熬夜、家庭分心、冲劲不足这些问题，就会被直接折算成“不好用”。

这也是为什么年轻人在过去更占优势。不是因为年轻人一定判断更好，而是当执行成本主要靠人硬扛的时候，谁更能把时间和体力完整砸进去，谁就更容易被看见。公司要一版材料，他可以熬夜写；业务要一个活动方案，他可以快速堆出来；领导临时要看数据，他可以马上拉表、截图、排版，再补上一段解释。

但AI正在改变这件事。那些为了达成目标不得不做的琐碎工作，成本正在被工具压低。一个人的体力短板，开始没有过去那么要命了。因为产出越来越不只取决于你能不能把时间硬砸进去，也取决于你能不能把问题想清楚，把方向讲明白，并且判断AI生成的东西到底能不能用。

一个有经验的人，不需要再从零开始写每一段文字，也不需要手工整理每一份材料，更不需要因为不会代码、不会建表就让自己的想法停在脑子里。他可以让AI先出一个初稿，先搭一个框架，先跑一遍流程，然后把精力放回到更关键的地方：方向对不对，需求真不真，方案有没有抓住核心矛盾。

这就是AI对35岁职场人最大的改变。它不是替35岁的人解决所有现实压力，而是让他们少被一部分低价值消耗拖住。

过去，经验常常被埋在执行劳动下面。一个人明明知道问题在哪里，却没有足够时间把它做出来；明明有判断，却先被表格、材料和流程耗掉了精力。现在，AI把执行成本压低以后，经验才有机会浮到水面上。换句话说，35岁以后的人不是突然不贵了，而是他们身上真正贵的东西，开始有机会被看见了。

二、35岁的优势，被放大了

这种贵的东西，不是年龄本身，也不是简历上多出来的几年工作年限，而是一个人对真实问题的理解。

很多人年轻时做事，容易从动作出发。说要增长，就想做活动；说要提效，就想上工具；说要AI化，就赶紧找一个模型接进来。动作很快，材料也很完整，但最后可能绕了一大圈，才发现根本没有抓到问题。

真正的经验，往往不是知道更多答案，而是更早意识到问题没有那么简单。

一个人在行业里待久了，见过一些项目怎么热闹地开始，又怎么悄悄地失败；见过一个指标怎么被短期动作拉起来，又怎么在权衡中还回去；也见过很多看起来应该有效的方案，为什么最后推不动。这些东西不一定能写成方法论，但会改变一个人看问题的方式。

他不会只问能不能做，还会多问问做出来以后谁真的会用，谁真的会买单，最后会在哪个环节变形等等。

放到教育行业里，这种经验会更明显。家长买课，不只是买内容，更多时候是在买一种确定性；孩子不坚持，不一定是产品不够好，也可能是挫败感一直没有被处理；老师抗拒AI，不一定是落后，而是担心自己的价值被重新定义；业务团队总是短视，也不一定是格局不够，有时候是考核和现金流真的压在眼前。而一个没怎么见过真实场景的人，很容易把这些问题看成“用户教育不够”“老师不配合”“业务不理解战略”。

所以，35岁以后真正可能被放大的，不是我懂得多这种资历感，而是对人的处境、组织的惯性和业务真实矛盾的判断。AI可以把一个想法更快变成方案、原型和流程，但它不知道哪些需求是真需求，哪些只是老板拍脑袋；它也不知道一个功能看起来很先进，为什么用户用了三天就不用了。这个判断，仍然来自那些在真实业务里摔打过的人。

这就是35岁职场人可能被重新定价的原因。过去很多经验被埋在体力活里，看不见，也算不清；现在AI把一部分执行成本压下去，那些对用户、产品、组织和人性的理解，更有机会变成真正的生产力。

三、然而，AI渡的不是所有35岁

但话说回来，AI也不会自动拯救所有35岁职场人。因为35岁不是一个简单的年龄，而是一种状态。

一直不动脑的人不渡。

有的人到了35岁，只是工作年限变长了，过去十几年一直在传达任务、跟进进度、整理材料。领导说什么，他就转述什么；业务要什么，他就协调什么。看起来经历了很多事，但真正沉淀下来的判断并不多。这样的经历，即使有了AI，也不会突然变强。

因为AI最需要人提供的，恰恰是问题定义、判断标准和方向约束。一个人如果自己也说不清问题是什么，只能把老板的话复制给AI，把业务的需求原样丢给AI，那AI最多帮他把话说得更顺，把材料写得更完整，却很难帮他真正推进问题。

沉浸在“想当年”的人不渡。

有的人确实有经验，但经验已经变成了包袱。他习惯说“以前就是这么做的”，习惯用过去的成功解释今天的问题，也习惯用自己的资历否定新工具。他不是没有见识，而是见识没有继续更新。

AI时代真正有价值的经验，不是我以前做过，而是“我知道这件事背后的变量是什么，哪些经验还能用，哪些经验已经失效，哪些地方需要重新验证”。

如果一个人不能把经验说清楚，不能把判断结构化，也不能把方法交给AI去放大，那么所谓经验就只是资历。而这种资历感，显然不是生产力。

四、年龄本就不该是分割线

未来职场的分化，可能不会简单以35岁作为分割线，而会发生在两类人之间：一类人只是把AI当成更快的写作工具、更便宜的执行助理；另一类人则能把自己的行业理解、用户洞察和问题判断，转化成AI可以执行的任务、流程和标准。前者只是把材料写得更快，后者是在把自己的经验变成一套新的生产系统。

如果说过去的职场在问：“这个人还能不能扛活？”那么AI时代可能会多问一句：“这个人到底懂不懂问题？”这两个问题的答案，决定了35岁职场人的命运。那些曾经被看不上的35岁职场人，正在被重新定价。但被重新定价的其实也不是年龄，而是那些终于可以被AI放大的经验、判断和对真实问题的理解。

本文来自微信公众号“多知网”（ID：duozhiwang），作者：TCOH，36氪经授权发布。

智谱万亿了，DeepSeek还会远吗？

字母榜 — Tue, 23 Jun 2026 19:01:32 +0000

近日，一家中国基模公司刷新了市值纪录。

智谱盘中市值突破1万亿港元，年内涨幅超过1900%。截至收盘，这家公司总市值来到了1.1万亿港元，约相当于阿里巴巴一半，接近美团两倍、京东三倍。

上市不到半年，智谱从500亿港元级别公司，冲进港股万亿市值区间。

在港股“万亿俱乐部”门槛之上，是像腾讯、阿里、中国移动、工商银行这样的产业巨头，背后都有经过验证的用户入口、现金流或基础设施属性。

智谱进入这个坐标系，意味着公开市场对中国大模型公司的定价正在不断膨胀。

不过，过山车一般的增长速度，背后是一场神话还是泡沫的争论。

智谱上市的第一份财报，披露了2025年全年的营收数据：收入7.24亿元，净亏损47.18亿元，研发开支31.8亿元。

一家上一年收入7亿元的公司，市值却先到了万亿级。看多者把它视作中国AI产业的估值突破；而看空者认为，当前股价的泡沫属性较强，已经跑在基本面前面太远。

某种程度上来说，这场争论已经超出智谱，而是上升到中国大模型产业估值本身。

最新消息显示，DeepSeek在新一轮融资后估值超过500亿美元，而阶跃星辰和月之暗面的资本化预期不断升温，双双瞄准港股市场。

中国大模型公司的估值曲线，正在从一级市场抬到二级市场。伴随着智谱成为第一家万亿市值大模型企业，这条曲线正在不断向上突破新界限。

1

智谱这一轮市值攀升，直接催化剂是GLM-5.2。

去年以来，行业内的主流模型升级，关注点都集中在Coding、Agent、长程任务和复杂工程能力。

在这些场景下，智谱GLM系列可以跻身第一梯队，而全球最强参照是Anthropic。

今年以来，Anthropic已完成650亿美元融资，投后估值9650亿美元。它被追捧的核心，主要来自Claude Code在开发者场景里跑出收入。

官方披露数据显示，Claude Code年化收入已经超过25亿美元，较年初翻倍。

这个样本给全球AI公司更换了估值锚。

C端聊天产品证明用户规模，代码和企业Agent证明付费能力。前者制造声量，后者靠近收入；而收入背后的商业化能力，正是资本市场评估大模型企业的关键。

智谱这一轮被重估，正是因为市场把它放进了“国产Anthropic”的坐标里观察。

近日，特斯拉首席执行官埃隆·马斯克和智谱创始人唐杰的隔空互动，放大了这层想象。

马斯克判断，中国可能在2027年一季度出现接近Anthropic Fable级别的模型。

唐杰回应称，不会等那么久。尽管这个回复本身简短得没什么信息，但是侧面凸显出，国产模型已经身处全球前沿模型追赶叙事里，就看谁能跟上头部竞争对手的脚步。

今年以来，除了智谱的股价攀升，国产模型圈资本动作不断。

智谱在本月初通过A股发行议案，拟登陆科创板募资不超过150亿元，其中120亿元投向通用基座大模型研发，20亿元投向MaaS一站式服务平台。

几乎同一时间，MiniMax与中信证券签署辅导协议，正式启动A股IPO进程，并评估发行人民币股份登陆科创板。两家港股大模型公司同时推进A股路径，说明中国AI估值曲线正在从港股弹性，延伸到A股产业融资。

与此同时，DeepSeek在一级市场疯狂吸纳融资。

近期，DeepSeek完成超过74亿美元融资，估值超过500亿美元。这家来自杭州的AI巨头，依靠出色的模型效率、全球开发者声量和开源生态，把中国大模型一级市场价格推到新高度。

而在二级市场，在智谱和MiniMax相继登陆后，港股市场也在转向拥抱AI产业。

今年以来，港股已有65家公司上市，合计募资超过1765亿港元。硬科技和高端制造企业贡献近1293亿港元，占比超过七成。半导体、电气设备、AI公司成为发行主线，资金正在把港股当作中国硬科技资产的再定价市场。

换言之，智谱的万亿市值，不只来自GLM-5.2的出色表现，也来自几个条件同时出现：全球AI资产估值上扬，中国大模型公司资本化提速，港股缺少纯正大模型标的，硬科技资金重新聚集。

所以，市场真正买入的，是中国AI估值边界仍能继续拓宽。只是，这条边界拓得越宽，关于产业泡沫的争论就会持续下去。

2

看到智谱的万亿市值，大部分投资者直觉上判断，这里面必然有泡沫的成分在。

一家年收入7亿多元的公司，盘中市值超过万亿港元，任何估值模型都会感到紧张。

更何况，智谱股价此前已出现大幅波动。5月末，它盘中市值曾突破8800亿港元，随后快速回落；今日再度冲上万亿的过程中，盘中震荡依旧剧烈，短短十几分钟时间从高点回落，蒸发了上千亿市值。

不过，这也正是AI行情最特殊的地方。市场一边承认价格昂贵，一边继续追逐头部标的。

泡沫警告和估值上调同时发生，构成这一轮AI资本周期的底色。

与此同时，港股新股市场已经出现分化。

今年一季度，香港IPO破发率升至44.74%，明显高于去年。传统行业和认购不足的公司承压，硬科技、AI、新能源企业仍被资金追逐。资金没有无差别买入新股，它只在少数赛道集中冒险。

显然，以智谱为代表的AI产业，属于被集中冒险的资产。突破万亿，靠的是市场对中国AI基础设施公司的稀缺预期。

只是，资本不会无止境投入。7月上旬，智谱和MiniMax将迎来上市后首轮限售股解禁。

智谱的解禁时间是7月8日，规模约2568.16万股，占总股本约5.76%，按近期股价测算，对应解禁市值约269亿港元。解禁前，智谱流通股约1735.08万股。换句话说，即便总股本占比不高，新增可交易筹码也会明显改变此前低流通盘结构。

MiniMax压力更大。它将在7月9日解禁约1.07亿股，占总股本约34.25%。其中，财务型投资者持有比例超过三分之一。

两家公司的股价较上市时都经历了大幅上涨，市场自然会提前担心减持压力。

事实上，不只是国产大模型，全球市场也在经历同样的估值冲突。

马斯克和唐杰隔空对话前两周，SpaceX上市后市值迅速突破2万亿美元，股价也攀升至210美元区间。

这家航天和卫星互联网公司，上市前夕就大量整合资源，强化其在AI基础设施、xAI协同、星链网络和未来算力的叙事中的行业地位。

针对这家公司，纽约大学斯特恩商学院教授达莫达兰给出的估值低于市场定价，并提醒SpaceX高估值已包含大量未来假设。

而在过去几个交易日中，SpaceX股价经历了大幅回调，股价来到了170美元区间。

6月初，Scion Asset Management创始人、电影《大空头》原型投资人迈克尔·伯里（Michael Burry）也把质疑指向Anthropic。

他认为，Claude背后的大模型研发成本过高，近万亿美元估值很难只靠当前商业模型支撑。

行业内如此大的认知分歧，其实看似对立的观点并不矛盾，在产业高速增长周期，泡沫已经天然成为AI估值的一部分。

决定这部分“泡沫”是否是长期溢价的关键因素，就取决于AI企业的商业化能力。

3

突破万亿市值后，智谱眼前真正的问题，是收入的增长速度。

2025年，智谱收入7.24亿元，同比增长131.9%。其中，本地化部署收入5.34亿元，同比增长102.3%；云端部署收入1.90亿元，同比增长292.6%；企业级智能体业务收入1.66亿元，同比增长248.8%。

其中，智谱MaaS API平台ARR约17亿元，过去12个月提升60倍，平台毛利率提升至18.9%。这意味着MaaS的收入占比正在不断增加。

2026年一季度，面对模型调用的旺盛需求，智谱直接选择了——涨价。

今年2月以来，智谱对GLM Coding Plan套餐价格进行结构性调整，整体涨幅30%起，理由是用户规模和调用量快速提升，需要保障高负载下的稳定性和服务质量。

只是，这部分营收究竟对应着多少收入增长，就要到智谱的下一份财报中揭晓了。

与此同时，作为一家独立模型公司，智谱的成本压力巨大。

2025年，智谱净亏损47.18亿元，经调整净亏损31.82亿元，研发开支31.8亿元。研发投入相当于收入的4倍多。

模型公司可以烧钱，但是必须让资本市场看到长期盈利的预期。

好在，整个中国市场的调用量基础正在不断抬升。

IDC数据显示，2024年中国企业级MaaS市场调用量为114万亿Tokens，2025年跃升至1944万亿Tokens，预计2026年达到40000万亿Tokens。Token正在从技术指标变成商业结算单位。

国产模型体量最头部的字节，旗下豆包大模型日均Token调用量已突破120万亿，三个月翻倍，较2024年5月发布时增长1000倍。累计调用量超过一万亿Token的企业，从去年底100家增至140家。

与此同时，C端场景也在扩容。

QuestMobile数据显示，2026年3月，中国AI原生App月活用户规模达到4.4亿。豆包、千问、DeepSeek位列前三。AI应用已经从小圈层工具变成大众产品。

只是，用户规模并不代表利润水平，行业内的泡沫担忧，本质上是对AI无底线烧钱、看不到盈利预期的无力感。在这个问题上，Anthropic仍然是那个最强参照。

今年二季度，Anthropic预计收入109亿美元，并实现约5.59亿美元经营利润。如果这一预期兑现，它将成为全球AI公司商业化转折样本。市场会因此相信，大模型公司不一定长期停留在“烧钱换规模”的阶段。

这也是中国AI公司被重估的原因。

如果Anthropic能靠代码、Agent和企业API接近盈利，国内市场会自然寻找中国对应标的。智谱、DeepSeek、MiniMax、月之暗面，以及几家头部AI大厂，都将被放进这条商业化曲线里比较。

随着智谱率先突破万亿，这也成为了中国AI产业接下来的共同命题。

估值边界已经打开，关于泡沫的争议不会停息，市场的波动和不确定性依然存在。

要巩固这条估值边界，大模型厂商首先要把模型能力稳定转成收入，把收入继续推向毛利和现金流；同时，也需要更多国产厂商在追赶Anthropic的路上跑出有效样本。

智谱今天站上万亿市值，是中国AI产业重估的第一个高点。这个高点能不能守住，能不能变成一条行业曲线，最终要由国产大模型厂商的商业化成果来回答。

本文来自微信公众号“字母榜”，作者：李炤锋，36氪经授权发布。

一门贩卖“全球排名”的暴利生意，精准收割中产的钱包与肉体

时代周报 — Tue, 23 Jun 2026 19:01:32 +0000

“HYROX是割韭菜？”

做完最后一个药球，选手拉着同伴冲向舞台，奋力敲响那面象征完赛的铜锣。干冰喷涌而出，大屏幕上跳出“NEW FINISH”的字样，实时滚动的排名与完赛时间将气氛推向高潮——这是社交媒体上频频刷屏的HYROX完赛画面。

这项诞生于2017年德国汉堡的综合体能赛事，近年在全球迅速走红。2022年进入中国，2024年北京首站仅1700人参赛，而2026年上海站已突破万人。社交媒体上，HYROX一跃成为顶流运动，小红书HYROX相关话题浏览量超2.1亿，抖音达6.1亿。

数据增长的另一面，是高达六七百元的报名费、被炒至几百元一张的观众票，以及参赛者对“割韭菜”的质疑。

单看项目本身，HYROX的动作模式——8公里跑步穿插波比跳、推雪橇、划船机、药球——没有任何秘密与技术壁垒，几乎任何一家健身房甚至公共公园都能低成本复刻。然而，这门“谁都能抄”的拼盘运动，短短两年内演变成一门精准收割中国中产钱包与体能的暴利生意。

01 暴利叙事：“全球排名”的精英竞技

社交平台上，HYROX话题火爆。这并非偶然，它提供了传统健身所不具备的体验：精英运动员与大众选手同场竞技、标准化全球排名、亲友在场边即时互动。“现场氛围很好，跑到终点敲响铜锣时很有成就感，参赛现场帅哥美女众多，”西安俑士体能馆创始人史屾评价，“是很洋气的运动”。

HYROX赛制并不复杂：8公里跑步穿插8项功能性训练，成绩按统一标准计入全球排名。北京Join Strength·云综合训练馆创始人麻超越对记者表示：“以前大家不知道目标在哪，也不知道自己的水平处于什么位置。HYROX给健身爱好者一个明确的目标和统一的标准。”

这种“标准化+可量化”的模式，击中了部分健身人群的需求：日常训练缺乏具象的考核目标，动力容易消散；而一个明确的比赛日期和全球排名，将松散的健身行为转化为明确的备赛任务。

“备赛”的叙事精准贴合中产所熟悉的逻辑。这群习惯OKR和周报规划生活的人，正在用“全球排名”为自己的身体加上KPI。

图源：社交媒体截图

这就是这门暴利生意的魔幻之处： HYROX贩卖的不是运动，而是“全球排名的准考证”。中产阶级并不是为波比跳和跑步买单，他们要的是能证明自己跟全球精英同场竞技的标尺。

赛事端的反馈印证了这一判断。HYROX中国区负责人袁放表示，目前HYROX参赛名额在中国市场从供大于求变成供小于求。名额放出一票难求，已是近几个月的常态。

门票是这门生意最直接的收入来源。单人组报名费638-798元，双人组1199-1600元，四人接力组1488-1688元。观众票50-60元，上海站现场被炒至150-400元，溢价6-7倍。按上海站万人参赛估算，仅报名费一项就超过600万元，加上观众票和官方摄影（190元/套），单场收入可谓相当可观。

除了门票，授权费是第二笔稳定收入。HYROX全球统一定价，合作健身房年度授权费1500美元/家（约1.1万元人民币），按门店计费。截至2026年5月，中国内地合作健身房已达500家，仅授权费一项就贡献了约550万元年收入。随着2026年赛事版图扩展至8城10场，预计参赛规模达七八万人，门票收入的增长空间仍然可观。

袁放将商业模式概括得很直白：“HYROX跟健身房合作，健身房拿到授权后带大家训练。大家为了比赛而训练，那就不叫训练了，叫‘备赛’。”

真正支撑HYROX高利润率的，是其轻资产结构——设备模块化设计、可重复使用，场馆采用短期租赁，无需自建。创始人Moritz Fürste曾透露，单场比赛约1500名参赛者即可在毛利层面实现盈亏平衡，澳大利亚财务分析机构SBO Financial测算其全球毛利率约80%。

针对“1500人盈亏平衡”的说法，袁放回应称，“这个数字在每个市场是不一样的，在新兴市场，前期宣传投入占比非常高，‘1500人以上可实现盈利’的结论在中国市场不成立。”但他并未否认赛事的轻资产运作模式，“设备越来越多，运输车也越来越多，绝对成本肯定会越来越高。但是边际成本肯定在下降，平均一场比赛的成本在下降。”

健身房在这套商业模型中扮演着双重角色。他们首先是HYROX的客户——每年缴纳授权费。但他们也是重要宣传渠道。HYROX打开中国市场的关键一步，正是通过健身房完成市场教育。

2024年初，HYROX开放为期半年的免费认证，北京云馆、西安俑士等一批CrossFit训练馆成为首批认证场馆。这些场馆的用户本就有训练基础，自然转化为HYROX首批参赛者。经过北京首站验证后，更多健身房看到商业价值，开始主动引进——认证场馆从2025年初的10余家增长至2026年5月的500家，一年半扩张了近50倍。

02 隐藏账本：健身房投入大，回本慢

HYROX的火爆直接传导到健身房。在部分连锁健身房，排课表每天有四到五节HYROX课程，单节109元。乐刻旗下LOVEFITT推出10节课包，预售价799元（原价1500元）。一线城市HYROX课程普遍定价109-199元，杭州、南京等新一线城市基本持平，武汉、西安则在几十元至百元不等。黄金时段不少课程满员，需要等位。

有8-9年健身经验的Alex对记者说：“跑步、力量训练比较枯燥，团课无法满足进阶需求。跟搭子一起练HYROX，还能找到趣味性。”

这项“谁都能抄”的赛事，似乎成为行业内卷的“救命药”。西安俑士体能馆创始人史屾直言，现在消费者办了卡不来，来了也不知道练什么。HYROX则提供明确的目标——参赛，“有了目标，训练就有了动力，他们就愿意持续买课”。

2025年，史屾将旗下4家综合体能馆中的一家转为HYROX专项馆。由于此前做CrossFit，馆内设备齐全，仅需添置跑步机，改造成本较低。转型后，每天排课四五节，单节69元，先吸引来的是马拉松群体，“客流量不错，有些时段满课率达80%”，该馆盈利状况在几家场馆中表现突出。

但史屾认为，赛事热度带动的客流只是第一步。健身房真正的挑战在于如何把“备赛者”转化为“长期会员”。“赛事热度需要靠营销和活动来维持，否则新鲜感过了，场馆还是会回到原来的状态。”

图源：图虫创意

更何况，HYROX体系需要不菲的前期投入与持续运营开支。行业分析指出，一家标准的HYROX训练通道，仅器械投入就在10万-20万元，首年总投入约15万-30万元，且授权费按门店收取，多店运营的成本随门店数增加。

麻超越以自己改造的场馆为例，他用CrossFit馆改造成本相对较低，但很多设备需要更新，场地需要扩大或再装修。草坪、器械价格高，在高密度训练下损耗很快，“运营成本非常高，但回本周期没有想象的快”。

更关键的是，健身房还承担了HYROX市场教育的大量隐性成本——教练培训、课程研发、模拟赛运营，这些并不包含在授权费中。有健身馆运营者坦言，为满足比赛条件需租借外部场地举办模拟赛，这类活动更多是为了稳定社群、增强粘性，本身并不盈利。

换言之，品牌主办方靠着谁都能抄的设备，向下分摊市场教育成本，向上稳坐食物链顶端数钱，拿走了整条链条里最多的收益。

03 收割中产：高成本、高风险

HYROX整条商业链条成本高昂，为此买单的是每一个普通参赛者。

参赛者既是赛事消费主体，也承担着品牌全部溢价成本，既要支付数百至千元报名费、百元一节的专项训练课，还要在鱼龙混杂的市场里筛选靠谱教练与场馆，同时承担高强度运动带来的受伤风险。

定居荷兰的参赛选手Keren对此深有感触，2025年至今她已参加8场赛事，单场综合花费折合人民币2000至6000元不等。有时，Keren和丈夫会分别参加单人赛，并在对方比赛当日到场助威，但一次观赛过程中，Keren被告知，即使是参赛选手，在非比赛日进场观赛也需要另买观众票，官方给出的解释是控制现场人流量。

另外，照片需要额外支付费用。Keren表示，欧洲HYROX官方提供比赛照片费用折合人民币200元，自己请家人进场观赛拍照，但后来完赛走到终点的电子屏时，Keren被告知如果没有购买拍照服务不能带手机在成绩区拍照，“我这几次参赛感受到场地和判罚的标准是比较稳定的，但从收费的角度来说感觉越来越商业化了。”

这套规则精准击中了一部分中产群体的消费心理。不少人愿意投入时间与金钱参与高强度体能赛事，一大动因是完赛后可在社交平台分享成绩，借此塑造自律上进的个人形象。当赛事官方将这份社交展示价值明码标价，不少参与者对赛事高溢价的心理接受度便开始松动。

来自南京的龚先生报名参加7月的杭州站混双组比赛，这是一笔不菲的费用——混双报名费1300元，加上交通、住宿费、餐费，这次参赛的花销预计在3000元左右。这还仅仅是参赛的费用，为了备赛，他从2025年8月起以每周三节课的频率规律参加HYROX项目训练，单节课价格在109元左右，算上购买运动服饰等装备的费用，总花费接近万元。

高昂消费之外，行业乱象进一步抬高了爱好者的试错成本。目前全国合作健身房超 500 家，课程质量却良莠不齐，不少教练培训流于形式，训练内容只是简单堆砌动作。

图源：图虫创意

一位业内人士透露，官方并未强制教练持证授课，资质仅由场馆自行把控，且证书也无法完全保障教学能力，大量无资质场馆跟风开课，消费者需要额外付出成本甄别筛选。

比起容易被中产忽视的经济成本，他们正在为这项“低门槛”运动承担更高的受伤风险。HYROX项目看似简单，常被宣传为低门槛大众运动，但全程持续高强度输出对心肺要求极高，不少零基础人群仅一节体验课便难以适应。

麻超越表示，HYROX的大众化其实是普通人的运动员化。动作好上手不等同于低门槛，以跑步为例，“虽然大家觉得跑步谁都能跑，但如果不了解动作的正确发力模式，长期跑下来只会带来关节和肌肉的损伤。”而跑步、波比等项目会在短时间内快速提高运动者的心率，长时间高强度的运动会带来受伤风险。

但运动带来的风险在赛事及健身房授课过程中，并没有得到同等程度的强调和重视。龚先生表示自己训练的场馆未配备急救设备、无运动损伤保险，对比马拉松赛前完善的健康筛查与风险提醒，HYROX报名仅需填信息缴费，有关运动风险的提示需要更完善。

当下，HYROX正享受“暴利红利期”——用最基础、谁都能抄的体能动作，套上“全球排名”的精美外壳，精准收割了中产参赛热情。但高昂的参赛账单和潜在的伤病风险同时压在他们头上，这项高溢价运动的吸引力迎来真正的检验。

当尝鲜者的新鲜感退去，这项运动高额的报名费和明码标价的完赛照就会失去原有的魔力。留给主办方稳坐食物链顶端数钱的红利期，或许真的没有想象中那么多了。

本文来自微信公众号“猛犸工作室”，作者：王可潘展虹，编辑：梁励，36氪经授权发布。

豆包的下一步是拆分吗？

字母榜 — Tue, 23 Jun 2026 07:01:59 +0000

近日，一则不长的内部消息，在字节Seed团队内公布，其团队激励“豆包股”最新价格调整至14.85美元。

两个月前，字节刚刚启动豆包股首次回购，价格为13.08美元。再往前，豆包股的授予价是10美元。

这意味着，豆包股在两个多月里连续两次重估。4月，豆包股较授予价上涨30.8%；6月，又较4月回购价上涨13.5%。同一时期，字节期权价格从229.5美元升至235.5美元，涨幅为2.63%。

过去一段时间中，字节员工期权价格主要跟随集团估值变化，由抖音、TikTok、电商、广告、企业服务等多条业务共同支撑。豆包股出现后，意味着字节大模型业务开始拥有一套内部的期权体系。

对Seed和豆包业务员工来说，个人收益开始和AI业务增长绑定。对外部市场来说，豆包也从字节庞大的业务版图里被单独拿出来估价。

几乎同一时期，豆包的付费计划也浮出水面。

5月初，豆包AppStore页面出现三档订阅计划：标准版68元/月、加强版200元/月、专业版500元/月。豆包随后回应称，免费服务会继续提供，增值服务仍在测试阶段。

这两个动作放在一起，指向字节AI业务的两个变化。

豆包股涨价，是组织和估值层面的变化。专业版测试，是收入和商业化层面的变化。

这样的背景下，“字节会不会拆豆包”的讨论逐渐增多。尤其是，竞争对手已经给出了样板。

5月，快手公告称，董事会正在评估重组可灵AI相关资产及业务，或引入外部融资。随后快手一季度财报披露，可灵AI一季度收入超过6.5亿元，同比增长超过300%；3月年化经常性收入接近5亿美元。

可灵给平台公司的AI业务提供了一个资本参照：AI业务可以留在集团体系内继续投入，也可以被拿出来单独融资、单独估值。

豆包和Seed团队的处境有相似之处。

它有独立App入口，有Seed团队和豆包大模型，有火山引擎、抖音、剪映、电商、搜索等字节生态提供场景，也开始通过豆包股和付费测试建立自己的价格体系。

只是，豆包拆分的概念背后，是一个庞大的AI业务团队，它连接模型、算力、云服务、内容生态和商业化场景。字节如果拆豆包，将会重塑公司整个AI版图的边界。

1

讨论豆包是否具备拆分基础，可灵给出的样本已经清楚。大厂愿意评估AI业务重组，往往要同时满足两个条件：AI业务需要持续的大规模投入，以及商业化已经初步跑出成绩。

可灵刚好满足这两个条件。最新公开数据显示，今年一季度，可灵AI收入超过6.5亿元，同比增长超过300%；3月披露的ARR接近5亿美元。

快手财报和管理层披露的信息显示，可灵收入主要来自两类来源：企业客户的应用程序接口（API，即软件之间调用能力的接口）调用，以及用户端付费会员订阅。可灵全球用户、企业客户和App端付费用户，都在过去一年快速增加。

快手评估可灵AI相关资产重组，核心就在于可灵已经拿出收入数据。资本市场能看到它兑现潜力的预期，这也是AI业务分拆的第一道门槛。

另一方面，快手2026年资本开支预计大幅增加，新增投入主要用于服务器采购、数据中心扩建等AI算力基础设施。

显然，来自成本侧的压力，是快手拆分可灵的另一个重要原因。

这给豆包提供了更现实的参照。豆包正在走向同一个关口，只是它的用户规模更大，成本压力也更大。

QuestMobile数据显示，2026年3月，豆包月活达到3.45亿，在AI原生App中排名第一。一季度，豆包月人均使用次数为54.8次，高于DeepSeek和千问。

而在模型层面，火山引擎披露的数据显示，豆包大模型日均Token调用量在2026年3月突破120万亿，过去三个月增长一倍。

庞大的用户规模背后，更尖锐的矛盾来自收入层面。

晚点LatePost报道称，截至今年上半年，每天超过2亿人使用豆包应用，但豆包应用每天收入不足百万元，主要来自电商佣金。

到今年5月，参照火山引擎公开API价格、豆包大模型毛利率和用户使用习惯推算，豆包应用每天消耗达到数千万元。

豆包走向付费测试，发生在这个节点。

5月初，豆包AppStore页面出现三档付费计划，标准版68元/月、加强版200元/月、专业版500元/月。

公开报道提到，付费能力主要面向专业用户和复杂任务，包括PPT生成、数据分析、影视制作等方向。

豆包官方仍强调基础服务免费，但种种迹象表明，字节内部资源分配也在变化。

根据晚点LatePost报道，有字节高层到访Anthropic后，字节开始调整AI资源分配，重心从豆包这类面向大众的产品，转向服务企业的产品。

企业客户愿意为模型调用、办公自动化、客服、营销、数据分析等场景付费，也更容易用效率提升解释高额算力投入。对火山引擎来说，豆包大模型能否进入更多企业场景，直接关系到AI业务收入厚度。

当然，和很多独立模型厂商不同，字节确实不差钱。

抖音、电商、广告、海外业务提供了稳定现金流。此前市场消息称，字节二级交易估值达到5500亿美元，较此前员工回购估值大幅提高。

对这样一家超级独角兽来说，集团层面的IPO并不一定是最高优选择。

但显然，字节不能长期接受豆包只有流量、没有商业化突破。

和抖音时代的短视频内容业务逻辑不同，大模型用户越活跃，推理成本越清晰地挂在账上。

在付费数据真正披露前，它仍要回答一个问题：过亿级别的DAU，能否转化为可持续收入。

随着豆包专业版的测试即将落地，这个问题可能很快就会有阶段性答案，也让豆包拆分以及外部融资的讨论进一步靠近现实。

2

如果说，拆分的驱动因素是商业化，现实因素就来自组织层面。

真正关键的信号来自激励体系，豆包股出现后，字节AI业务已经在组织层面走出一条独立路线。

近日，Seed团队发布内部通知，豆包股最新价格调整至14.85美元。两个月前，字节刚刚启动豆包股首次回购，价格为13.08美元。

豆包股在两个多月里连续两次重估，持续上涨的同时，也拉开了AI业务期权和字节期权的价格差。

这类激励设计有两个现实作用。

首先当然是留人。大模型团队面对的人才竞争愈发激烈，行业内顶级员工拿到上亿Package的传闻也并不罕见。对于核心业务成员，只拿集团期权，很难充分反映模型业务的增长速度和人才稀缺性。

另一个重要作用就是定价。虚拟股不等于外部股权，但它能给团队、公司和潜在投资人提供内部估值锚。豆包股价格连续上调，等于字节在内部确认：AI业务增长值得被单独重估。

从这个角度看，豆包股已经完成了拆分前最重要的一步：让AI业务拥有一套不同于集团期权的价值表达。

如果AI业务继续完全并入字节集团估值，豆包团队只能分享集团整体增长。豆包股把大模型业务单独拎出来，既能留住模型人才，也为未来外部估值预留口径。

外部AI公司已经把人才激励推到更高价格。

以OpenAI为例，该公司的员工权益并非传统股票期权。

公开资料显示，OpenAI早期给员工发放的是利润参与单位（PPU，ProfitParticipationUnits），员工offer通常由现金薪酬和PPU两部分组成。PPU不是普通股票，收益与OpenAI未来利润分配和公司价值挂钩。

Anthropic提供了另一种样本。公开报道显示，Anthropic估值从2024年底约180亿美元快速升至接近3500亿美元后，员工期权价值被迅速重估。

一名2024年底加入的工程师曾获得6万份行权价13美元的期权，既得部分对应价值已达到400万至500万美元，全部授予对应价值可能达到1800万至2000万美元。

与此同时，一批成熟大厂也被迫跟进。此前，Meta为组建超级智能实验室，向AI研究员提供多年期、数百万美元级别薪酬包。

这些案例指向同一个变化：AI人才的长期收益，越来越直接地和AI业务估值绑定。

字节给Seed团队提供豆包股，和这些美国竞争对手的路径保持了一致。

这样的独立期权模式，已经天然地让AI业务员工的收入体系，和AI业务高度绑定，也和集团层面剥离。

然而，豆包股还不是外部股权。它解决的是内部激励和内部定价问题。如果豆包真的要走向拆分、走向外部融资道路，还取决于字节有多大意愿，去拆解这个庞大AI版图的结构。

3

结合最近的信息来看，字节的AI业务似乎正在构建拆分豆包的理论基础，但涉及这家公司的AI版图，剥离这套业务并非易事。

一直以来，“字节要上市”的风言风语隔一段时间就会在业内流传，但始终没有真正动作。对一家拥有稳定现金流的超级独角兽来说，整体IPO一直不是最高优选择。

然而，AI业务似乎改变了这套逻辑。

大模型业务的投入带有长期性和指数级特征。模型训练、推理芯片、数据中心、AIInfra、模型人才和产品补贴，都需要持续投入。

豆包越成功，字节越需要给它找到收入和资本承接方式。而在中国市场之外，全球大模型公司也在走向资本市场。

OpenAI、Anthropic都已进入筹备IPO的关键阶段。显然，高增长、高投入的大模型公司，需要通过公开市场承接长期资本开支和人才激励。

此外，公开市场对AI公司的兴趣仍然强烈。尤其是字节这样的顶流AI大厂。在这个背景下，字节把豆包或者更大范围的AI业务拆分出来，符合资本逻辑。

字节可以保留控制权，同时让AI业务引入外部资本；可以用独立估值稳定模型团队；也可以把AI业务的高投入，从抖音、电商、广告等成熟业务的利润框架里部分拆出来。

成熟业务看利润，AI业务看增长。

这两套估值逻辑放在一个集团里，天然会互相牵制。豆包的商业化测试如果跑出结果，外部融资和独立上市的想象会进一步增强。

另一方面，拆分业务这件事，在字节内部已经有了一个参照。

今年2月，市场消息称懂车帝考虑赴港IPO，可能募资10亿至15亿美元。公开资料显示，懂车帝2024年完成约6亿美元融资，估值约30亿美元。

不过，懂车帝能被讨论独立上市，和它的业务边界有关。

它的业务高度垂直，围绕汽车资讯、车型数据、交易线索、经销商服务、品牌广告和增值服务展开。它可以继续和抖音协同，也可以对外融资、独立核算。

豆包，或者说字节的AI业务的版图要复杂得多。

豆包App只是前台。它背后连着Seed团队、豆包大模型、火山引擎、AIInfra层等一众团队，把豆包拆出去，牵动的不只是一个App的股权结构。

Seed团队既支撑豆包，也支撑火山引擎和字节内部AI化。豆包大模型对外通过火山引擎销售，对内又接入抖音、剪映、电商、广告和企业服务。豆包若独立，模型研发成本、授权收入、内部调用价格都要重新计算。

此外，豆包能获得字节生态支持，离不开抖音、今日头条、剪映、火山引擎等入口和场景。拆分后，这些支持要么继续以集团协同存在，要么变成商业采购。

两种方式都会带来问题。

集团协同太强，投资人会质疑豆包独立性。走商业采购路线，豆包利润率压力会被放大。流量、数据和场景越依赖抖音集团，豆包越难像一个独立公司一样定价。

这也是豆包和可灵最大的差异。

可灵是AI视频业务，产品、收入和技术方向更集中。豆包覆盖通用助手、搜索、创作、办公、语音、视频、企业服务和模型输出。业务版图越复杂，拆分越难。

更关键的是，字节还要考虑战略控制权。

豆包和Seed，关系到字节未来几年AI化的入口、模型、算力和商业化。如果拆得太早，字节可能得到更清晰的AI估值，也可能削弱集团对AI底座的统一调度。

所以，豆包拆分的想象，目前更像是在一个“准拆分”的理论可能上。

等豆包的商业化初步跑通，并且字节愿意在组织层面大刀阔斧改革，才有条件考虑让豆包外部融资或独立上市。

但这一切既取决于字节高层的战略判断，也取决于接下来一段时间，豆包能否初步兑现商业化潜力。

不可否认的是，随着全球大模型公司纷纷涌入二级市场，字节拆分豆包的讨论，本质上是契合这一商业逻辑评估，并且会在接下来一段时间中，反复被AI行业和资本市场审视和评估。

本文来自微信公众号 “字母榜”（ID：wujicaijing），作者：李炤锋，36氪经授权发布。

DeepSeek急急急缺人，外国人也要

智东西 — Tue, 23 Jun 2026 07:01:59 +0000

负责人每天面试，三类岗位长期缺人！

智东西6月22日报道，对标Claude Code，DeepSeek近期正在大力招兵买马。

昨日，DeepSeek Harness团队负责人崔添翼在海外社交平台X公开发声，直言团队严重缺人，每日高频面试、全网广撒招聘广告，仍无法匹配业务扩张需求。

▲崔添翼发文（图源：X）

崔添翼透露，目前团队固定开放三类核心岗位：Agent Harness研究员、Agent Harness研发工程师、Agent Harness产品经理，实习与全职通道同步开放，工作地点在杭州和北京，依旧持续空缺。

与此同时，崔添翼对社交平台上“不招外籍”的传闻作出澄清：“就像同类型的美国公司要求员工能够用英语工作一样，DeepSeek也要求员工能够用中文工作。并没有规定禁止聘用外国人。”

▲崔添翼发文（图源：X）

这场招聘背后，有一笔“防挖人”的账。据The Information等外媒报道，DeepSeek在最近完成的首轮超500亿元融资中向投资方提出“禁挖人”条款，创始人梁文锋在路演中明确要求，投资机构不得从DeepSeek挖走员工或支持员工独立创业，把“禁挖人”写进融资协议。

说回招聘本身，我们来看看Harness团队的战略价值。根据DeepSeek招聘公告，其信奉Model+Harness=Agent。Harness可理解为连接大模型与智能体产品的“模型驾驭层”，负责上下文管理、工具调用、文件读写、终端执行、结果自修正等除模型以外的所有工作，是让模型“大脑”指挥手脚协调工作的神经系统。

▲DeepSeek招聘公告（图源：Moka）

Harness团队承载着DeepSeek对标海外Claude Code、打造国产代码智能体产品的核心目标。此前5月20日，DeepSeek资深研究员陈德里在X上发文称：“DeepSeek正在组建一支全新的Harness团队，从零开始构建Code Harness，或许你可以把它叫做DeepSeek Code或者其他什么名字。

▲陈德里发文（图源：X）

具体来看下DeepSeek放出的三类岗位的要求。研究员需要有2年以上计算机科学或相关领域的科研经验，深耕多智能体、长期记忆、超长上下文等前沿课题，具备独立实验与评测体系搭建能力；工程师负责将前沿研究工程化落地，稳定支撑桌面端Agent产品迭代。

▲DeepSeek招聘公告（图源：Moka）

产品经理则仅招聘全职，需要有2年以上产品经理从业经验，要求深度使用多款海外主流编程智能体工具，兼顾技术理解与国内开发者需求洞察。兼具算法、工程、产品思维的复合型人才本就是行业稀缺资源。

▲DeepSeek招聘公告（图源：Moka）

目前，该公司在Moka招聘平台上的在招岗位有47个，其同时在招聘Agent深度学习算法研究员、Agent数据策略工程师等岗位。

▲DeepSeek招聘公告（图源：Moka）

崔添翼本人的履历，也解释了DeepSeek对这一团队的重视程度。其本科毕业于浙江大学计算机，手握6枚ACM亚洲区域赛金牌，曾在顶级量化机构Jane Street任职 9 年，后联合创办量化交易公司。他于今年3月加入DeepSeek，挂帅Harness团队负责人。这位兼具硬核算法、工程落地与商业化经验的团队领导亲自“每天都在面试”，足见求贤若渴。

▲崔添翼领英主页

值得注意的是，DeepSeek的人才饥渴并不仅限于Harness团队。该公司6月初还公开招聘了IDC设计规划工程师、IDC基础工程师、数据中心高级交付经理等职位，部分设在乌兰察布，计划参与从MW（兆瓦）到GW（吉瓦）级超大型数据中心的规划与建设。从Agent应用到算力基础设施，DeepSeek的布局全面提速。

▲DeepSeek招聘公告（图源：Moka）

这被业界普遍解读为DeepSeek融资到位后的关键动作。据The Information 6月16日报道，DeepSeek近期已完成总额超500亿元人民币（约74亿美元）的首轮外部融资。弹药充足，人才和算力两条线同时开火，与硅谷对手的正面竞赛已然鸣枪。

结语：Harness人才暗战白热化，DeepSeek抢时间

能打通模型、工程、产品的Harness复合型人才，正成为AI企业争夺的核心资源。对DeepSeek而言，能否快速补齐人力短板，直接影响其国产编程智能体产品的上线节奏。

放眼全球，这场暗战已在硅谷全面升级。OpenAI重金组建“Agent Infrastructure”团队，Anthropic将“Harness设计”上升至战略高度。DeepSeek这轮抢人，既是补短板，也是争时间。

本文来自微信公众号 “智东西”（ID：zhidxcom），作者：李水青，36氪经授权发布。

库克摊牌了：涨价

智东西 — Tue, 23 Jun 2026 07:01:59 +0000

智东西6月22日消息，据《华尔街日报》昨日报道，AI行业对存储芯片的海量需求正引发一场波及全球的消费电子涨价潮。苹果、微软、任天堂、索尼等厂商近期密集上调产品售价，苹果公司CEO蒂姆·库克（Tim Cook）坦言公司已无力独自消化上游成本上涨压力，计划在未来数月上调产品售价。

这场涨价的根源直指AI产业扩张。DRAM和NAND闪存既是手机、笔记本、游戏主机等消费设备的基础硬件，也是AI企业训练和运行大模型的关键资源。AI行业的爆发式增长大量吞噬了同类芯片产能，导致全球存储芯片供应陷入严重紧缺。

芯片厂商从中大幅获益，全球三家存储芯片巨头——SK海力士、三星电子和美光科技，成为最大赢家。过去半年SK海力士与美光市值均飙涨约四倍，各自突破1万亿美元（约合人民币6.77万亿元）。

而成本压力层层向消费者端传导，过去一年美光一款主流数据中心内存芯片合约价涨幅接近4倍。

据Investing 2026年6月20日报道，高盛下调了2026年和2027年全球智能手机出货量预测，理由是存储芯片价格持续上涨抑制市场需求。

在新设备售价持续走高的背景下，二手翻新设备市场正迎来新一轮增长窗口，多家翻新交易平台在品质管控和售后保障方面持续加码。

与此同时，分析师预测新建晶圆厂需要两到三年才能投产，芯片短缺和涨价态势还将持续数年，消费电子买家短期内难以等到降价拐点。

01.各品类消费电子密集涨价，成本压力转嫁给消费者

消费者已在各类产品上切身感受到涨价冲击。微软上周公布新款Surface Pro笔记本起售价为1599美元（约合人民币1.08万元），较上一代产品上涨600美元（约合人民币4062元）。

任天堂5月将Switch 2游戏主机售价上调50美元（约合人民币339元）至499美元（约合人民币3378元），官方就此致歉称“为本次调价给消费者带来的影响致以诚挚歉意”。

索尼PS5 Pro主机也于4月从750美元（约合人民币5078元）涨至900美元（约合人民币6093元）。

今年9月发布的iPhone 18 Pro定价或将高达1299美元（约合人民币8794元）。

值得注意的是，追求最新功能的iPhone消费者面临更高的门槛。包含全新重构Siri在内的Apple Intelligence功能仅支持iPhone 15 Pro、iPhone 16全系列与iPhone 17全系列，若想体验最强端侧AI能力，最低需要iPhone Air或iPhone 17 Pro机型。

市场研究机构Counterpoint Research高级分析师、全球二手智能手机业务负责人埃米莉·赫伯特（Emily Herbert）指出，大大小小的硬件厂商别无选择，只能将成本压力转嫁给消费者，要么直接涨价，要么在硬件配置上做出妥协。

02.NAND需求逼近DRAM水平，主流芯片合约价涨幅接近4倍

涨价的根源在于AI行业的爆发式增长带来的存储芯片产能危机。DRAM和NAND闪存既是消费电子的基础组件，也是OpenAI、Anthropic等AI企业训练和运行大语言模型、代码智能体等工具的关键硬件。

三星电子存储器事业部销售与市场营销副总裁金东仁（Indong Kim）3月在采访中谈到，过去几年芯片短缺的品类持续转移。AI聊天机器人起步阶段，行业产能全面向堆叠式DRAM芯片制成的HBM高带宽内存倾斜。而随着AI模型技术成熟，各家企业在存储用户对话历史等场景中对NAND闪存的依赖度持续提升。

金东仁称：“厂商扩充产能投向NAND是近期才出现的趋势。我们已经观测到，NAND的市场需求正在逼近DRAM。”

主营PC处理器、不生产存储芯片的英特尔也已感受到连锁反应。英特尔4月称，存储芯片及核心零部件涨价将使PC整体市场规模出现百分之十几的下滑。英特尔CFO戴维·津斯纳（David Zinsner）说：“我们保守预判，下半年PC市场需求将持续走弱。”

即便大幅涨价，存储芯片厂商依旧不愁销路。马萨诸塞州数据中心硬件经销商Circular Technology的数据显示，过去一年美光一款主流数据中心内存芯片的合约价从350美元（约合人民币2370元）涨至1300美元（约合人民币8801元），涨幅接近4倍。

Circular全球研究负责人布拉德·加斯特维思（Brad Gastwirth）称：“芯片企业当前估值居高不下，厂商必须维持高额利润，最终买单的只有消费者。今年年末上市的笔记本产品定价不会走低。”

03.二手翻新市场迎来消费转移

新设备售价高企，二手翻新市场正成为更多消费者的务实选择。苹果等头部品牌设有官方翻新渠道，同时市场上也涌现出一批成熟的第三方交易平台。

▲翻新手机在出厂前会经过一系列流程，对其主要功能进行质量检测（图源：Getty Images）

二手数码交易平台Swappa创始人兼CEO本·爱德华兹（Ben Edwards）称，二手数码市场诈骗问题泛滥，Swappa多年来持续迭代核验机制防范各类新型欺诈手段，其中就包括AI生成虚假商品图诈骗。

在选购二手设备前，消费者也可以先评估手中旧设备是否仍有修复价值。线上数码维修社区iFixit CEO凯尔·温斯（Kyle Wiens）指出，很多看似报废的设备只需更换电池就能正常使用，能省下数百美元换新成本。苹果官网维修页面公示了历年iPhone机型的换电池报价，即便不选择官方维修，这份报价也能帮消费者衡量维修与换新的成本差异。

温斯称，自行更换iPhone电池难度很高，但Nintendo Switch等主流设备的维修门槛较低。

此外，YouTube数码评测频道MrMobile运营者迈克尔·费舍尔（Michael Fisher）提醒消费者，更换新机还可能导致原有充电线和配件淘汰，例如升级新款iPhone后需从Lightning接口切换至iPhone 15系列起统一标配的USB-C接口。

若看重设备长期使用周期，费舍尔建议选择长期提供系统更新支持的品牌机型，持续的系统更新能够防范各类新型网络安全威胁。

04.结语：芯片短缺与涨价态势还将持续数年

存储芯片厂商正加紧新建产线扩充产能，但半导体晶圆厂造价动辄数十亿美元，建设周期普遍长达两到三年，后续产能爬坡还需额外耗时。分析师预测，芯片短缺与涨价态势还将持续数年。这意味着消费者在短期内难以等到消费电子产品降价。

从更大视野来看，这场存储芯片供给危机折射出AI产业扩张对全球电子产业链的深层冲击。当AI企业与消费电子厂商共同争抢有限的芯片产能时，定价权向上游高度集中的三家芯片巨头倾斜，苹果这样的供应链强势方都承认无力独自消化成本。

对消费者而言，在涨价周期内合理利用官方翻新渠道和第三方交易平台、评估旧设备维修价值，可能是当下最务实的应对策略。

来源：《华尔街日报》

本文来自微信公众号 “智东西”（ID：zhidxcom），作者：陈佳，36氪经授权发布。

又一大模型发布，号称比肩Fable 5和Mythos

智东西 — Tue, 23 Jun 2026 07:01:59 +0000

智东西6月22日报道，今天，日本AI独角兽Sakana AI发布了Sakana Fugu系列编排器模型，包括Fugu Ultra和Fugu两款模型。其中Fugu Ultra模型在工程、科学和推理基准测试中，性能接近或超越了Fable 5以及Mythos Preview等顶尖模型。

和传统大语言模型不同的是，Sakana Fugu不会自己回答问题，它会调用世界上各种模型来完成任务。简单来说，Sakana Fugu像一个“总指挥”，会根据任务选择最佳的模型来处理。

Fugu在日文中是河豚的意思，从官方发布的动画可以看出，Sakana Fugu是要用多个“小鱼”汇聚成一个“大河豚”这种美味食材。

Sakana AI是一家日本AI独角兽，成立于2023年，由Transformer论文第五作者Llion Jones联合创办，曾用“进化”的方式，通过小模型组合实现堪比大模型的能力。如今，他们在Sakana Fugu在技术报告提出了训练模型的新思路：让一个模型学会调度多个模型，把不同特长不同的大模型组织起来，形成一种“集体智能”。

Sakana AI在博客中提出，编排模型将会超越传统大模型成为新的前沿方向。他们认为，过去几年AI进步靠暴力堆算力和数据，但现实复杂任务需要的专业知识远超单一模型的能力边界。充分发挥模型的最佳性能需要集体智慧，需要知道何时该用哪个模型、什么时候委派、怎么组合擅长不同领域的模型。

同时，这种编排不仅是技术上的进步，更是地缘政治的产物。Sakana AI从近期Anthropic模型被施加出口管制中吸取教训，认为绑定单一供应商，访问权限可能会一夜消失，而Fugu的底层模型池完全可替换，一家断供就换另一家，Sakana AI称之为“AI主权的现实蓝图”。

Sakana AI在博客中提出，Fugu本身是一个专门用于理解何时委派任务、Agent之间如何通信以及如何将它们的工作整合为一个可靠答案的语言模型。这套技术路线建立在此前团队关于学习模型编排的研究之上，包括在ICLR 2026上发表的论文Trinity和Conductor。

技术报告地址：

https://github.com/SakanaAI/fugu/blob/main/Fugu_technical_report.pdf

体验地址：

https://sakana.ai/fugu

01. 超越Mythos Preview和Fable 5

调度最强模型完成任务

技术报告列出了Fugu系列在覆盖编程、推理、科学、Agent能力四个维度的八个基准测试上的表现，报告显示Fugu系列在这些评测中达到或接近尖端模型的水平。

技术报告显示，Fugu模型仅通过智能调度，就在三项基准测试中超越了Mythos Preview和Fable 5的能力。

在跨领域的适应性方面，Terminal Bench测试中，Fugu和Fugu Ultra调用模型的峰值都集中于在该测试中表现顶尖的GPT-5.5。而在GPQADiamond测试中，Gemini-3.1-Pro作为领先模型，两款Fugu模型都将其调度核心围绕Gemini展开。

Fugu拿高分的方式跟传统模型完全不同，它没有训练一个更强的基座去解题，而是去判断这道题该派交给哪个模型、怎么拆解任务、如何校验检查，最终综合得到的答案的质量超过多个单一模型独立作答所得。

这正是技术报告反复强调的核心定位：Fugu的技术价值不在于替代GPT、Claude、Gemini这些模型，而在于把这些模型的能力组合起来。现在的大模型中，有的擅长数学推理、有的擅长代码工程、有的擅长安全分析，随着不同模型各自形成特长，编排能力本身正在成为一种独立的竞争力。

02. 四大机制让Fugu指挥模型军团

报告解读了Fugu的四个基础机制：

第一，识别问题类型。判断用户问题是代码、数学、推理、信息检索、科学分析还是多模态任务，这一步决定了后续整个派活逻辑的起点。

第二，选择合适的worker模型。不同模型在不同任务上的表现差异很大，Fugu被训练的目标之一就是学会在什么问题上该调用什么模型，报告提到，即使在同一类任务内部，比如竞赛性质的编程，不同模型也可能分别擅长直接实现、制定解题计划或组合多种算法思路，Fugu需要把这些细微的差异也纳入决策。

第三，设计Agent工作流。对复杂问题，Fugu Ultra会生成完整的agentic workflow，包括任务拆分、子任务分配、上下文共享策略以及最终答案合成，全部可以在模型内部以自然语言完成。

第四，根据反馈优化。Fugu的训练不止监督微调，还包括进化算法和强化学习，用真实任务结果来反向优化编排策略，这种策略让它知道怎么让合适的模型去做合适的事。

Sakana Fugu共有两个版本的模型，分别为Fugu和Fugu-Ultra。Fugu更强调日常使用，侧重性能和延迟平衡，在保证较高质量的同时，尽量快速响应。因此它不会每次都进行非常复杂的多Agent协作，会通过一个轻量选择机制，快速判断哪个worker模型更适合当前任务。

Fugu-Ultra则更偏向质量优先。它会使用更复杂的编排方式，把任务拆成多个子任务，安排不同Agent去处理，随后再进行综合。这种方式响应时间可能更长，但更适合高难度问题，例如复杂代码任务、数学推理、科学问题、多步骤规划等。

两者的共同点是与模型无关的完全模块化，Sakana Fugu不需要访问worker模型的权重，甚至不需要它们是开源的。新模型发布后可以直接加入worker模型池，用户可以根据成本、隐私、合规等需求定制可用的模型列表。

03. 解魔方、下盲棋，没被洗车问题难倒

Sakana Fugu技术报告附录中有几个实验：

一个是“一次性魔方求解器”。模型需要一次性写出一个Python标准库实现的魔方求解程序，并在300个乱序魔方上测试。报告称Fugu和Fugu-Ultra都成功解出了全部魔方，其中Fugu-Ultra的平均步数更短，Fugu的运行速度更快。

另一个是“盲棋测试”。模型在看不到棋盘、没有合法走法列表、没有FEN的情况下，只根据历史走法继续下棋。这个实验主要测试模型是否能长期维护内部状态。报告展示的几盘代表性对局中，Fugu战胜了多个基线模型和限制强度的Stockfish。

还有一个是“在线股票交易”实验。模型只能看到过去和当前的匿名市场数据，不能偷看未来价格，需要逐周做买入、持有或卖出决策。报告称Fugu-Ultra在五次运行中取得了更高平均收益。

这些实验未必可以直接代表模型的实际能力，但它们展示了Fugu想证明的一件事：编排模型可以处理好需要长期运行、策略调整以及多步骤执行的任务。

有网友使用Fugu-Ultra去处理了一些让很多模型崩溃的问题，比如strawberry（草莓）中有几个“r”、5.11比5.1大吗以及经典洗车问题，他直呼把Fable找回来了。可以看到Fugu-Ultra在这三个问题上的回答都是正确的。

Sakana Fugu技术报告中最值得关注的，是它提出了一种模型研究的新路径。

过去我们常问哪个模型最强，而Sakana Fugu提出的新问题是如何让多个尖端模型协同起来更强。

这会带来几个变化：第一，模型能力会变得更加模块化。新模型发布后，可以直接加入worker池，成为某类任务的专家；第二，用户控制权更强。企业或个人可以根据隐私、合规、成本、延迟、供应商偏好来配置模型池。第三，AI竞争可能从“单一模型能力”扩展到“系统组织能力”。谁更会调度模型、使用工具、设计工作流、整合反馈，谁就会拥有更强大的能力。

当然，技术报告中的测试结果来自于厂商，实际能力还要看真实开发者的使用体验，其次，多模型编排会带来更高成本和更高的延迟，特别是Fugu-Ultra这类深度协作模式。同时，多模型系统的错误归因会更复杂，一旦最终答案出错，很难分清是路由、worker模型还是综合过程出错。

此外，编排器模型本身也可能出现偏差，它如果错误判断任务类型，或者过度依赖某个模型，就可能削弱整体表现。因此，Sakana Fugu的路线虽然很有潜力，但真正落地仍需要大量工程验证。

04. 结语：入局大模型训练的新方式

Sakana Fugu系列模型的发布表明，AI的下一阶段，可能不只是更大更强的单一模型，还有更会协作的模型系统。

如果说过去的大模型竞争是在培养“超级智能”，那么Sakana Fugu的方向就是在训练“超级指挥”让模型专门去学习如何分工、协调、验证以及综合。在大模型领域被少数顶尖模型厂商统治的现在，这个只调度不执行的模型训练方式，或许是当下入局大模型训练的新方式。

本文来自微信公众号“智东西”（ID：zhidxcom），作者：毕伟豪，编辑：心缘，36氪经授权发布。

万亿智谱，凭什么？

36氪的朋友们 — Tue, 23 Jun 2026 07:01:59 +0000

生成式AI爆发三年半后，市场进入新的分歧点：乐观仍在加速，怀疑也在累积。判断“泡沫”是否到来，并不足以解释当下的复杂性。“AI信仰与泡沫”系列将从市场、技术、产业和公司的不同视角，寻找关键变量。本文为此系列第六篇。

6000亿的时候，几乎所有人都觉得智谱太贵了，然而它涨到了万亿。

索罗斯曾经说：“金融市场的价格总是错的，但错误可以自我强化到一个相当长的阶段，甚至最终把自己变成对的。”

6月22日上午，端午假期后第一个交易日，智谱港股开盘即涨超13%，股价突破2380港元，总市值正式站上1万亿港元。上市不到半年，涨幅超过1900%。

把时间倒回四天前，一段对话在X平台发酵。

有人问马斯克：“中国大模型预计何时达到Fable水平？GLM-5.2无疑缩小了差距。”马斯克回了两个词：“Probably Q1。”（大概明年一季度）。

清华大学教授、智谱创始人唐杰直接在底下回了四个字：“Won't take that long.”（不会那么久）

马斯克追了一句，大意是如果只看跑分也许你说得对，但做出能赚钱的真实实用价值是另一回事。

唐杰再回：“Focus is all we need.” 这句回怼的话不做翻译，它也许含义丰富。

a16z创始人Marc Andreessen转发了这段对话，配了一个词：“Interesting。”

三天后港股开盘，智谱突破了万亿。

01、所有人都觉得智谱的估值太离谱

翻开智谱首份年报，2025年全年收入7.24亿元，净亏损47.18亿元，研发支出31.8亿。

做个直觉参照：阿里云2026财年营收1581亿，AI相关收入连续七个季度三位数增长。智谱全年收入约为阿里云的1/218，但二级市场已经给了它接近万亿港元的独立估值。同期，阿里巴巴市值仅为1.96万亿港元。

所有人都看到了这个数字反差。投资者社区有人说“严重虚高”，有人直接问“能做空吗”。

“合不合理”这个问题并不是一个真问题，这个问题恐怕三年后才能盖棺论定。这篇文章想试着解释另外一个问题：为什么所有人都觉得贵了，价格还在涨？

万亿不全是空气，推动上涨的底层确实有基本面。

最新发布的旗舰模型GLM-5.2，744B总参数、40B激活的MoE架构，支持100万token无损上下文。在Arena.ai的Code Arena盲测榜单中，GLM-5.2 Max以1593分位列前二。

Design Arena网页设计评测中，6月20日更新显示GLM-5.2以Elo 1360分登顶，超过Claude Fable 5。Terminal-Bench 2.1评测得分81.0，前代GLM-5.1是63.5，两个月迭代提升17.5个百分点。FrontierSWE真实软件工程任务评测中，仅比Claude Opus 4.8低约1个百分点，超越GPT-5.5。

中国开源大模型在编程这一高商业价值能力上，开始与Anthropic、OpenAI旗舰模型站在同一梯队。

但也需要诚实加一句，马斯克的评论也不无道理，单项benchmark接近和模型生产力接近是两件事。

有开发者自己做了监测模型用量的网站，任务通过率相似的情况下，GLM-5.2 Max消耗的时长和token数量是同级别模型的数倍，说明模型在“想明白该怎么做”这件事上还不够高效，需要更多试错。

虽然这是个人开发者自用的网站，公允性有待验证，但是从侧面也能说明GLM-5.2在需要多步推理、长程Agent操作的复杂工程任务上，效率和成本还有一定差距。

还有一个值得注意的信号，多个开发者反应，智谱的Coding Plan很难买到。官方文档显示，Coding Plan 已支持GLM-5.2，但同时设置了5小时额度、周额度和动态并发限制，GLM-5.2 在高峰期还会按 3 倍额度扣减。

早在，2026年1月23日，智谱就曾经发布官方公告：因GLM-4.7上线后用户激增导致算力紧张，GLM Coding Plan每日新增订阅量砍掉80%，改为每日10:00限量发售。之后全网甚至出现“怎么抢Coding Plan”的教程帖，设闹钟蹲点10:00刷新依然“秒没”，2月份智谱因砍额度太狠发了道歉信，开放老用户退款。

不过，Coding Plan更像智谱打入开发者生态的“入口型产品”，而不是主要利润池。它用订阅绑定 Claude Code、Cline、OpenCode 等工作流，快速放大 GLM-5.2 在 coding 场景中的存在感。但 Coding Plan 的问题也很明显：coding agent 会消耗大量上下文和多轮调用，订阅制价格很容易覆盖不了真实推理成本。

因此，GLM-5.2 发布后 Coding Plan 难买、限额严格、峰值时段加倍扣减，并不只是销售策略问题，更可能反映了智谱在控制推理资源和订阅制亏损风险。相比之下，按token计费的 API 更容易形成可持续收入，也更适合企业客户长期使用。

02、“稀缺”，2026年大模型估值的底层逻辑

如果我们观察2026年全球大模型公司的估值排序，会发现一个反直觉的规律，这一轮市场奖励的不是“用户最多的公司”，而是“供不应求的公司”。

最典型的例子是Anthropic反超OpenAI。2026年5月，Anthropic完成H轮650亿美元融资，估值9650亿美元，首次超越OpenAI的8520亿。

从产品端看，Claude一直比GPT“更难用到”。Claude Pro/Max的rate limit长期比ChatGPT Plus严格得多，重度用户经常在对话中途被限速，Claude Code在高峰期排队等待是常态。API定价上Claude也始终高于GPT同级别模型。

用户形成了“Claude = 稀缺 = 高端”的认知，就像排队才能进的餐厅，心理上会默认它比隔壁空着的那家好。

资本端同样如此。两家都尚未上市，估值来自私募融资和老股转让市场。OpenAI在2025年10月做了一次大规模Tender Offer，超过600名现任和前员工合计套现66亿美元，约75人每人顶格卖了3000万美元。想买OpenAI股权的买家“货源”相对充足。

而Anthropic创始团队持股集中，早期战略投资方，比如Google、亚马逊，不太可能在IPO前出售。愿意卖的人极少，想买的人追着有限筹码竞价。

产品端稀缺 + 资本端稀缺，双层共振，把Anthropic的估值推到了超越OpenAI的位置。

智谱身上的稀缺效应有些类似：产品端Coding Plan每日限售；资本端，目前港股流通盘不足4%。无论是它的token还是它的股票，都处于“供不应求”的状态。

03、为什么知道贵了还有人买？

但这些实质，从估值的角度，也完全不足以支撑万亿市值，智谱贵了是市场的共识。

而且是从5000亿、6000亿的时候，市场就说它贵了，那为什么它还在涨？

凯恩斯1936年在《通论》里提出：股票市场不是你判断“谁最漂亮”的游戏，而是你判断“大多数人会觉得谁最漂亮”的游戏。

买入智谱的人里，很大一部分不需要相信它“值”万亿。只要流通盘依然极小、被动配置需求依然在、Coding能力领先的叙事依然强烈，那“下一个买家存在”就是高概率事件。

在小流通盘股票中，指数纳入、被动资金配置和有限筹码之间容易形成短期放大效应。智谱在2026年5月获恒生指数公司宣布纳入恒生科技指数，并于6月8日起正式生效，初始权重约0.53%。

这次纳入的特殊之处在于，智谱虽然市值已经很高，但上市初期真正不受锁定限制的自由流通量有限。招股书显示，上市时不受出售限制的H股约1173.79万股，按上市后总股本计算约2.67%。这意味着，围绕恒科指数调仓的被动资金买入，可能会在短期内遇到可交易筹码不足的问题，从而放大股价弹性。

所以，每个参与者在自己的约束条件下都是理性的。被动基金被规则绑定必须买；短线交易者在做有明确时间窗口的博弈；长线机构看到的是“中国AI纯正标的稀缺性”这个配置逻辑。潜在竞争对手DeepSeek不上市、月之暗面还没上市，只有智谱是公开市场上模型能力最强的AI基座模型公司。

没有人疯了。只是所有人的理性行为加在一起，产出了一个看起来疯狂的价格。

只是，这个疯狂的价格将是把双刃剑。

对智谱这家公司来说，高估值是一件好事。类似的故事历史上发生过：亚马逊在2000年互联网泡沫巅峰时市值约300亿美元，2001年跌掉了90%，直到今天，它的市值比泡沫巅峰时高出几十倍。它最终把资本市场给予的窗口期转化为长期基础设施能力，后来才有AWS这样的第二增长曲线。

如果智谱能把这一轮超高估值换来的资源，包括钱、人、客户、算力，在两到三年内真正转化为中国AI基础设施平台的地位，那今天的万亿就不是泡沫。

2026年Q1，智谱MaaS API的年化收入已达约2.5亿美元，API价格环比上涨83%，付费token较上季度增长4倍。如果这个速度能维持，2027年全年收入有机会摸到60至80亿，届时市销率就从1200多倍降到100多倍。虽然仍然很高，但进入了“高增长科技公司”的可接受范围。

用索罗斯“反身性”的说法，市场价格并不只是反映基本面，也可能反过来改变基本面。只要这个循环如果能顺利运转起来，单纯喊“PS太高”是无法戳破它的，因为分母正在以三位数的速度追赶分子。

04、谁的风险？

双刃剑的另外一面，对二级市场投资者来说，当前价位的风险收益比已经极度不对称。公司受益和投资者受益，是两件不同的事。

短期来看，7月8日将有约2568.16万股限售股解禁，占总股本约5.76%。这不是最大一批解禁，但相对于当前极低的实际流通盘，仍可能显著改变短期筹码结构。更大的解禁窗口在2027年1月8日。

从半年到一年来看，季度收入增速是需要重点观察的变量。当前三位数的增长，包含了API价格涨83%、token量增4倍，是市场愿意给极高PS（市销率）的前提。

一旦某个季度增速从三位数降到两位数，哪怕是从150%降到70%，市场会非常迅速地重新定价。因为在1200倍PS的位置上，意味着“未来追上分子”的时间表被大幅延长，估值模型会坍塌式修正。

反过来说，如果连续两三个季度都维持三位数增速，市场会认为反身性循环确实在运转，价格可能在解禁冲击消化后重新走高。

从长期来看，未来两到三年，核心就要看智谱的竞争优势能否持续保持下去。

比如，如果DeepSeek在未来几个月发布一个Coding能力持平GLM-5.2的模型并以极低价格甚至免费开放，智谱Coding Plan的“供不应求”的竞争优势会消失。

一旦替代品出现，稀缺性消失，定价权就不再属于智谱。

智谱万亿市值有内在的逻辑，毫不否认，智谱也是好公司，市场并不仅仅用疯狂就能概括。但“有逻辑”和“是好的投资”是两件事。这个价格里，属于“真实增长”的成分可能有50%，另外50%属于“结构性放大 + 叙事溢价”。

后50%需要承受时间的不断考验。

本文来自微信公众号“腾讯科技”，作者：晓静，36氪经授权发布。

8点1氪丨SpaceX跌破IPO首日收盘价，市值蒸发4000亿美元；英国首相斯塔默宣布辞职；SK海力士市值首超三星电子

8点1氪 — Tue, 23 Jun 2026 07:01:58 +0000

今日热点导览

三星电子向韩国所有员工开放ChatGPT和Codex

港股智谱暴涨，总市值突破1万亿港元

何小鹏、曾顺福、白重恩出任蚂蚁集团独立董事

杨子卸任巨力集团职务

供应链公司：已向苹果首款折叠屏iPhone小批量供货

TOP3大新闻

纳指收跌1.3%，SpaceX下挫16%并跌破IPO首日收盘价

美股三大指数收盘涨跌不一，道指涨0.29%，纳指跌1.32%，标普500指数跌0.37%。SpaceX股价大跌16%，市值蒸发4000亿美元并跌破首日收盘价。

谷歌收跌5%，此前AI负责人Jumper离职。亚马逊下跌4.8%，为2月初以来的最大单日跌幅。芯片股涨跌不一，美光科技涨超6%，英特尔涨超5%，闪迪涨超4%，应用材料、恩智浦涨超2%，ARM跌超7%，博通跌超4%，高通、西部数据跌超1%。

据悉，SpaceX 上市后股价连续三个交易日大幅下跌，累计跌幅达27%，市值已跌破上市首日收盘水平。此前，其市值曾一度逼近3万亿美元，超越亚马逊和微软。尽管股价回调，但较发行价仍有约30%的涨幅。公司近期披露将发行债券筹措资金。（界面新闻、IT之家）

英国首相斯塔默宣布辞职

当地时间6月22日，英国首相斯塔默宣布辞职。斯塔默在唐宁街10号首相府前发表讲话说，他将辞去英国工党党首职务，但在继任者选出之前，他将继续担任英国首相。

斯塔默说，英国工党正在考虑的问题是，他是否是带领该党参加下届选举的最佳人选。他说，已“听到了”他所在政党对此问题的“答复”，并且“欣然接受”。（央视新闻）

SK海力士市值首超三星电子，韩国股市市值冠军时隔25年7个月易主

当地时间22日，韩国半导体巨头SK海力士总市值超越三星电子，成为韩国综合股价指数(KOSPI)市值最高个股，这是韩国股市市值冠军时隔25年7个月易主。

据韩国交易所消息，截至22日收盘，SK海力士总市值达2079.6655万亿韩元(约合人民币9.2万亿元)，较三星电子的市值高出约18.8523万亿韩元。

据韩联社报道，三星电子自1999年7月29日首次登顶韩国股市后，排名曾短暂波动。但自2000年11月21日，三星电子长达25年稳居韩国股市市值榜首。今年以来，三星电子股价上升197.7%，SK海力士股价则骤增341.9%。（中国新闻网）

AI最前沿

三星电子向韩国所有员工开放ChatGPT和Codex

OpenAI宣布，三星电子正在向全球员工部署ChatGPT Enterprise（企业版）和Codex，以加速公司内部对AI的采用。根据协议，ChatGPT和Codex将提供给韩国所有三星电子员工，以及全球范围内所有设备体验（DX）部门员工。这是OpenAI迄今为止最大的企业级部署之一。三星电子将在其运营中全面使用ChatGPT和Codex，涵盖研发、制造、营销、企业职能以及其他业务领域。（财联社）

英伟达最新发文，详解Rubin全面液冷技术

当地时间6月21日，英伟达官方博客发布了一篇文章，详细介绍了即将量产的Rubin平台所使用的全面液冷技术，以及其带来的“数据中心历史上最重要的能效突破之一”。Rubin是全球首个实现100%液冷的AI计算平台。全面液冷能帮助AI数据中心大幅降低能耗，从而在超大规模部署场景下显著减少整体能源消耗。英伟达表示，由于英伟达Rubin平台采用全面液冷，因此所有为该平台建设系统的云服务商和数据中心运营商都在推动相关转型。（财联社）

微软再推AI智能助手Copilot强制安装策略

有用户表示，如今即使用户不主动使用，Microsoft365 Copilot组件也会悄悄地重新出现在用户的办公套件中。微软在其管理后台的更新中确认，Microsoft365 Copilot应用将自动安装到符合条件的、已安装Microsoft365桌面应用的Windows电脑上。该公司表示，如果管理员不希望Microsoft365 Copilot自动出现在其组织内的设备上，则需要“选择退出”。（财联社）

大公司/大事件

港股智谱暴涨，总市值突破1万亿港元

6月22日，港股“全球大模型第一股”智谱（02513.HK）再次走出极端行情。

行情数据显示，智谱早盘涨幅一度扩至42.31%，股价最高触及2980港元，总市值突破1万亿港元关口。截至收盘，智谱大幅回吐涨幅，但日内涨幅仍然达到15%，站上2400港元，总市值维持在1万亿港元以上。（21世纪经济报道）

前美联储主席格林斯潘去世，享年100岁

美国媒体6月22日报道，美国联邦储备委员会前主席格林斯潘去世，享年100岁。艾伦·格林斯潘（Alan Greenspan），1926年3月6日生于美国纽约，犹太裔经济学家，纽约大学经济学学士及硕士。他于1987年至2006年担任美联储主席，历经六届美国政府，因对美国经济政策的重大影响力，被称为“经济沙皇”和“美元总统”，曾获英国爵士称号和法国荣誉军团勋章。

在美联储主席任上，格林斯潘处理了1987年“黑色星期一”股灾，1996年提出“非理性繁荣”引发市场波动，1998年主导降息应对亚洲金融危机，2001年推动减税并实施降息刺激经济。2005年，他坚称美国房价未见泡沫，该言论在次贷危机后被视作政策失误案例。（CCTV国际时讯）

滴露就视频冒犯女性发布致歉声明

滴露官方微博发布声明函：致广大消费者及媒体朋友。近期网络上出现多支滴露视频片段，引发网友热议。经调查，该视频由第三方达人为滴露品牌创作，通过剧情反转的叙事方式，讲述人们应当打破不平等的两性观，提倡健康自信的恋爱观与生活方式。该视频于5月24日首次发布。之后网上陆续出现多支视频片段，拼接截取了原视频的部分内容，曲解原始视频表达本意，引发争议。我们在第一时间责令下架了该视频。

尽管视频设计本意为批判性别偏见的剧情，但它让许多人，尤其女性朋友感到被冒犯。其中存在的内容表达缺陷与审核失职，责任不容推脱，我们致以诚挚歉意。

滴露诞生于医院，90余年来以“守护家庭健康”为使命。我们深知，真正的守护不止于健康，更在于守护每一个人的尊严，以及被平等对待的权利。我们将重建内容审核机制，整顿内容运营，避免此类问题重演。（九派新闻）

淘宝闪购上线新业务“家宴”，联合米其林高星餐厅

36氪独家获悉，淘宝闪购近日在成都、深圳两地启动了一项名为“家宴”的高端外卖项目，目前正在灰测中，首批参与的有潮上潮（米其林三星）、许家菜（米其林一星）、柴门荟（米其林一星）、梓楠、王捌院子5个头部中餐品牌，共9家门店。

何小鹏、曾顺福、白重恩出任蚂蚁集团独立董事

6月22日，蚂蚁集团官网信息显示，新一届董事会已完成换届：清华大学经济管理学院院长白重恩、小鹏汽车董事长兼CEO何小鹏、德勤中国原首席执行官曾顺福获聘新任独立董事；港交所前主席史美伦、全球知名AI学者张宏江继续留任。换届后，蚂蚁集团董事会继续保持9人阵型，独立董事占比超过50%。（每日经济新闻）

雷军回应与董明珠十亿赌约：当时不应开这个玩笑

在第三十二届北京国际图书博览会“大使会客厅特别场”上，小米创始人雷军主动提起2013年和董明珠的十亿赌约。“2013年我参加央视一个活动，我跟格力的董明珠董大姐打了个赌，本来就打个赌，本来开玩笑，后来麻烦了，董大姐当真了，这个当真的后果也很严重，董大姐在很多场合里面，讲的都特别特别难听，我就不复述了。后来甚至董大姐说她要做手机，这种局面下我们压力也很大，我们后来就做了空调。”

雷军说道，“我今天想起来，我觉得当时不应该跟董大姐开这个玩笑。”(界面新闻)

四部门核查媒体反映的纸尿裤问题，有关情况将及时公布

针对媒体反映的“婴幼儿纸尿裤甲酰胺问题”，市场监管总局、工业和信息化部、国家卫生健康委、国家疾控局高度重视，成立联合调查组，核查婴幼儿纸尿裤甲酰胺有关问题，并依法依规处理。有关情况将及时公布。（央视新闻）

苹果关闭美国三家Apple Store引争议，部分门店员工遭“区别对待”

苹果宣布将在美国市场正式关闭三家Apple Store零售店，三家店分别为Apple Trumbull、Apple North County、Apple Towson Town Center，关闭原因是“商场整体客流和商业环境持续下滑”。

其中位于Towson Town Center门店关店计划备受外界关注，该店是“苹果美国首家成功工会化的直营店”，员工于2022年加入了International Association of Machinists and Aerospace Workers旗下的IAM CORE，并在2024年与苹果签署了集体谈判协议。

而在本次关店事件中，苹果允许另外两家非工会门店的员工转调至附近其他门店继续工作，但Towson门店的工会员工则无法获得同等待遇，只能按照合同领取遣散费。

对此，苹果回应称“这是严格依据双方签署的集体协议执行”：如果未来18个月内苹果在Towson 50英里范围内新开门店，这批员工将享有优先录用权；若没有新店，则按照协议支付遣散补偿。（IT之家）

SpaceX发债交易预计筹资至少200亿美元

SpaceX宣布进行有史以来的首次发债，将其资本市场首秀的舞台转向债券市场。这家火箭制造商刚刚通过首次公开募股（IPO）筹集了逾850亿美元资金，此次预计将发行至少200亿美元的债券，用于偿还今年早些时候从银行业获得的一笔过渡性贷款。若有任何超额筹集的资金，将用于“一般公司用途”。（新浪财经）

杨子卸任巨力集团职务

36氪获悉，天眼查App显示，近日，巨力集团有限公司发生工商变更，杨建忠卸任总经理、董事长，杨子卸任副董事长，由杨建忠担任经理，同时多位主要人员发生变更。该公司成立于1997年3月，注册资本3.65亿人民币，经营范围包括对制造业、建筑业、交通运输业、商业、房地产业、文化娱乐业、住宿餐饮业、科技研发的投资及其资产管理等，由杨建忠、杨子分别持股83%、17%。

一线岗位人才需求旺盛，券商分支机构遭遇“人才荒”

A股市场交投持续活跃，也带动券商财富管理人才需求旺盛。今年以来，多家券商分支机构密集发布招聘计划，针对客户经理、投资顾问、私人财富总监等一线业务岗位的需求集中释放。不过，在分支机构出现的人才缺口面前，招聘进度仍显缓慢。部分券商分支机构的招聘公告已“张榜”数月，至今未能觅得合适人选。尤其是在远离金融中心的非核心城市，“招人难”问题尤为突出。受访券商表示，已着手探索长效培养机制，比如通过校企合作、明确职业发展通道、推行管培生计划等，鼓励相关区域结合自身特点构建适配的人才培养体系，努力破解分支机构尤其是区域网点“招人难、留人难”的窘境。（证券时报）

台积电28nm较年初减产25%

据报道，供应链人士指出，台积电28纳米主要生产基地Fab 15A月投片量从今年初的20万片，已降至15万片，相较年初减少逾25%。台积电规划更多28纳米产能支持中间层，逐渐退出低毛利订单。（新浪财经）

SpaceX获得三大评级机构授予投资级评级，展望“稳定”

马斯克旗下的SpaceX近日获得穆迪、惠誉和标普全球评级授予投资级信用评级，在该公司备受瞩目的首次公开发行（IPO）之后，这三大评级机构均认为其展望“稳定”。这种共识表明对SpaceX财务稳定性的广泛信心，该公司正在竞争激烈的市场中推进一项耗资巨大且雄心勃勃的人工智能（AI）计划。（新浪财经）

中国银行：自6月24日收盘清算时起，黄金延期合约保证金比例乘数由666%调整为800%

36氪获悉，中国银行发布《关于代理个人上金所业务调整部分延期合约业务参数的公告》。根据贵金属风险管理和业务需要，中国银行将对代理个人上金所业务（包括白银延期合约和黄金延期合约）的交易保证金比例进行调整。具体如下：一、自2026年6月24日（星期三）收盘清算时起，中国银行黄金延期合约的保证金比例乘数由666%调整为800%，由此，中国银行黄金延期合约的客户保证金比例由99.9%调整为120%。二、自2026年6月24日（星期三）收盘清算时起，中国银行白银延期合约的保证金比例乘数由476%调整为571%，由此，中国银行白银延期合约的客户保证金比例由99.96%调整为119.91%。

韩国考虑对三星和SK海力士杠杆ETF采取单独措施

韩国金融监督院院长Lee Chan-jin表示，由于散户投资者对高风险产品的需求没有降温迹象，金融监管当局正在考虑对个股杠杆ETF采取单独的稳定措施。Lee在周一的新闻发布会上表示，个股杠杆ETF的副作用正在日益加剧。Lee表示，金融监督院正在调查未来资产的SpaceX IPO股票分配失败事件，旨在防止类似问题再次发生，从而保护投资者权益。（财联社）

供应链公司：已向苹果首款折叠屏iPhone小批量供货

日前，从一家苹果供应链公司获悉，该公司已于近期开始向首款折叠屏iPhone小批量供货。按照公司收到的目标指引，该款产品将于9月发布。近日，有消息称苹果首款折叠屏iPhone已从原定的2026年秋季推迟至2027年初上市发售。对此，一位苹果供应链公司人士表示，截至目前，其得到的目标指引是，首款折叠屏iPhone将于2026年秋季发布。对于首款折叠屏iPhone具体发布时间，截至记者发稿，苹果方面暂无公开回应。（中证报）

马来西亚将下调补贴柴油价格

马来西亚总理安瓦尔·易卜拉欣表示，政府将从下月起下调补贴柴油价格，并称这是基于美伊高级谈判所取得的进展。据报道，安瓦尔在当地时间周日表示：“我宣布推行定向补贴柴油，并非为了涨价，而是为了降低柴油价格，尽管当前局势仍存在不确定性。”（财联社）

瑞典时隔40多年再建反应堆，北欧核电迎复苏潮

瑞典最大电力企业瓦滕法尔集团近日宣布，已选定英国罗尔斯-罗伊斯公司在瑞典西南部建造3座小型模块化反应堆，将在时隔40多年后再次建造核反应堆。这个北欧国家自1980年决定逐步淘汰核电以来，已将现有12座核反应堆关停一半，但本届政府重新鼓励核电开发。包括瑞典在内，北欧国家近年面对能源供应链冲击，为追求稳定、清洁的电力来源而出现核电开发复苏潮。（新华社）

上市进行时

翰宇药业：全资子公司利那洛肽化学原料药获得上市申请批准

36氪获悉，翰宇药业公告，全资子公司翰宇药业（武汉）有限公司收到国家药品监督管理局下发的利那洛肽《化学原料药上市申请批准通知书》，该药品适应症为成人慢性特发性便秘（CIC）和便秘型肠易激综合征（IBS-C）。

盯盯拍（深圳）技术股份有限公司递表港交所

36氪获悉，港交所文件显示，盯盯拍（深圳）技术股份有限公司向港交所提交上市申请书，独家保荐人为光银国际。

太合音乐集团递表港交所

36氪获悉，港交所文件显示，太合音乐集团向港交所提交上市申请书，联席保荐人为Deutsche Bank、中信建投国际。

投融资

“千帆星座”建设与运营主体垣信卫星启动新一轮融资

大型低轨卫星互联网星座“千帆星座”的建设与运营主体，有着中国版SpaceX之称的上海垣信卫星科技有限公司（下称“垣信卫星”）启动新一轮融资。根据披露信息，垣信卫星本轮融资拟募资净额“视市场募集情况而定”，披露时间自6月22日起至7月17日止；拟募集资金对应持股比例不超过20%；拟新增投资人数量不超过3家。据称，垣信卫星原股东将参与此次增资；募集资金主要用于卫星星座工程建设、技术研发、市场开拓以及公司日常运营支出等。按照相关要求，投资人应为中国境内（不含港澳台地区）依法注册并有效存续的企业法人或其他经济组织；联合体视为一家投资人，意向投资人/联合体投资总金额应不低于50亿元。（证券时报）

Sand.ai完成两轮合计超亿美元融资

36氪获悉，Sand.ai近日完成两轮合计超亿美元融资，投资方包括Look Capital、Lollapalooza Capital（王慧文家办）、九坤创投、经纬创投、和玉资本（MSA Capital）、创新工场、襄禾资本、源码资本、中科创星、洪泰基金、今日资本、华业天成、云晖资本、IDG、百度风投等一线机构联合投资。星涵资本担任本轮融资财务顾问。

酷产品

iPhone 18标准版外观曝光：向大矩阵模组，神似双摄版17 Pro

6月22日，有博主晒出了iPhone 18的外观设计，其最大变化在于采用了与Pro版相同的横向大矩阵DECO。不过，iPhone 18依旧仅配备两颗摄像头，分别是主摄和超广角，并未搭载潜望长焦。在苹果的产品策略中，潜望长焦始终是Pro的专属配置。

除此之外，iPhone 18系列的发布节奏也有重大调整，苹果将打破多年来的秋季全系齐发惯例，于2026年秋季率先推出Pro、Pro Max及首款折叠屏，而标准版延后至2027年春季。（快科技）

iPhone 18标准版

古尔曼曝苹果2026至2027产品线：折叠屏续作、配摄像头AirPods及智能眼镜齐发

科技记者马克・古尔曼发文称，苹果未来两年产品线将是其历史上最密集的时期。2026年秋季，苹果预计推出iPhone 18 Pro、Pro Max及折叠屏iPhone（古尔曼称之为“iPhone Ultra”），以及Apple Watch Series 12和Ultra 4；此外还包括多款Mac、支持Apple Intelligence的新款入门级iPad，以及可能到来的智能家居中枢、OLED屏iPad mini、新款Apple TV及HomePod mini。

2027年将以iPhone二十周年为核心，春季推出第二代iPhone Air（补足摄像头短板并改善续航），秋季发布iPhone 20 Pro及Pro Max、第二代折叠屏手机、配备摄像头以支持Siri AI的新款AirPods，以及苹果首款智能眼镜——后者原定今年底发布，目前已推迟至2027年底。2027至2028年前后还将推出配备机械臂的桌面机器人及升级版Vision头显。（界面新闻）

整理｜何雨婷

蚂蚁换届，何小鹏出任独董

智东西 — Mon, 22 Jun 2026 19:01:36 +0000

智东西6月22日报道，今天，蚂蚁集团董事会完成换届。其官网信息显示，小鹏汽车董事长兼CEO何小鹏、清华大学经济管理学院院长白重恩、德勤中国原首席执行官曾顺福获聘新任独立董事。

另外，港交所前主席史美伦、知名AI学者张宏江继续留任。换届后，蚂蚁集团董事会保持9人阵型，独立董事有5位，占比约为56%。

▲蚂蚁集团官网-管理团队

何小鹏作为独立董事不参与蚂蚁集团的日常运营，其主要职责是在重大决策上提供独立判断，对管理层形成有效监督，以维护公司整体利益和中小股东权益。

何小鹏与蚂蚁集团的渊源也不仅限于这一层股东关系。早在2008年，阿里巴巴联合创始人、蚂蚁集团董事蔡崇信就已投资了何小鹏创办的UC优视（UCWeb）。

2014年6月，阿里巴巴集团全资收购UC优视。伴随这次收购，何小鹏及其团队加入阿里巴巴集团。何小鹏随后出任阿里巴巴移动事业群总裁、阿里游戏董事长及土豆网总裁等职务。2017年，何小鹏从阿里巴巴离职，出任小鹏汽车董事长兼CEO，2019年之前蔡崇信曾担任小鹏汽车的董事。

在业务层面，小鹏汽车与蚂蚁国际旗下Antom已在2025年达成全球支付合作，成为首家与Antom合作的中国新势力车企。2026年2月，小鹏XPENG APP的启停支付功能在香港上线，由Antom提供支付支持。

在智能驾驶领域，小鹏汽车与蚂蚁集团股东——阿里巴巴集团的合作也在逐步展开。

2025年11月，小鹏汽车宣布与阿里巴巴旗下高德地图在Robotaxi领域展开合作，计划于2026年推出三款全栈自研的L4级Robotaxi车型，并将运力全面接入高德打车平台。

此外，小鹏汽车与阿里云联合在内蒙古乌兰察布建成了中国最大的自动驾驶智算中心“扶摇”，初期算力达600PFLOPS，后扩张至2.51EFLOPS，将小鹏自动驾驶核心模型的训练速度提升了近170倍。

这些既有交集都为何小鹏此次获聘独立董事铺垫了信任基础。目前蚂蚁集团尚未披露与小鹏汽车的业务绑定公告，但双方存在一些值得关注的想象空间。

2025年6月，蚂蚁集团通过与哈啰、宁德时代共同发起的合资公司“造父智能”布局L4级自动驾驶，支付宝也已上线Robotaxi自动驾驶出行服务平台，小鹏汽车的智能座舱与支付宝的生活服务生态因此存在打通可能。

何小鹏的加入，也恰逢蚂蚁集团在AI赛道上全面提速的关键节点。

蚂蚁集团近期在AI应用端全面发力。6月中旬，蚂蚁正式发布了AI原生版支付宝，内置专属智能体“阿宝”。5月26日，蚂蚁集团旗下支付宝亮出AI支付“全家桶”：全球首个Token Pay服务、AI钱包产品，构成一套覆盖授权、支付、结算、管理、安全的全栈AI原生支付体系。（刚刚，支付宝推出全球首个Token Pay服务，还让Agent帮你花钱）

此外，今年4月，蚂蚁集团全模态通用AI助手“灵光”，上线业界首个移动端“世界模型”体验功能。（刚刚，手机能跑世界模型了）

在底层技术方面，蚂蚁集团持续迭代并开源其“百灵大模型家族”。2026年2月，蚂蚁开源了全模态大模型Ming-Flash-Omni 2.0以及基于混合线性架构的万亿参数思考模型Ring-2.5-1T；4月，又正式推出并开源了Ling-2.6-flash；5月继续开源了万亿参数思考大模型Ring-2.6-1T。

结语：何小鹏入局给蚂蚁带来智驾新视角

何小鹏的加入，为蚂蚁集团董事会注入了来自智能汽车产业的新视角。

结合小鹏汽车的业务布局与蚂蚁集团的技术生态，未来双方的合作可能从智驾系统、Robotaxi出行平台甚至具身智能等领域继续展开。

新董事的加入会给蚂蚁的AI落地布局带来怎样的新变量，时间会给出答案。

本文来自微信公众号 “智东西”（ID：zhidxcom），作者：王涵，36氪经授权发布。

卖马桶的 TOTO 杀疯了，成了 AI 芯片的幕后赢家

爱范儿 — Mon, 22 Jun 2026 19:01:36 +0000

如果要评选这轮 AI 狂潮里最魔幻的受益者，TOTO 大概率能拿到一个提名。

没错，就是那个卖智能马桶的 TOTO（东陶）。

过去一年，这家日本卫浴巨头的股价几乎翻倍。仅今年 5 月，其公司股价就一度上涨 18%；后续又宣布扩大半导体材料产能，当天股价又冲高超过 11%。很多投资者一开始还有点懵：AI 都卷到马桶了？

答案是，还真卷到了。

但推动 TOTO 股价上涨的，不是会加热、会冲洗、会自动开盖的智能马桶，而是一种绝大多数消费者从没听说过的半导体材料——静电吸盘（Electrostatic Chuck）。

更关键的信号来自资本开支。

就在今天，TOTO 宣布将在未来五年向半导体材料业务投入约 800 亿日元，约合 33.5 亿元人民币，用于扩大 AI 相关产品产能，并推进面向 1nm 时代的材料研发。

因为 AI 太火，做马桶的 TOTO 杀疯了

静电吸盘虽然听起来很陌生，却是芯片制造设备里的核心零部件之一。

在晶圆制造过程中，硅晶圆需要经历刻蚀、沉积、离子注入等一系列复杂工艺。问题在于，晶圆既薄又脆，不能直接夹持，也不能承受太大的机械压力。于是工程师想出了一个办法：利用静电把晶圆「吸」在加工平台上。

静电吸盘干的就是这个活。

它既要牢牢固定晶圆，又要负责热量传导和温度控制。对于先进制程来说，这几乎是一个变态级要求。因为晶圆加工过程中温度变化极大，哪怕热传导性能出现极其微小的偏差，都可能导致晶圆发生形变，最终影响芯片良率。

换句话说，AI 芯片越先进，对静电吸盘的要求就越高。

而制造这种产品最关键的材料之一，恰恰是高性能陶瓷。于是，事情开始变得合理起来了。

毕竟全世界能把陶瓷烧明白的企业，本来就不算多。

TOTO 恰好是其中之一。

其实早在上世纪 80 年代，TOTO 就已经进入半导体材料领域。

它把做卫浴陶瓷积累下来的烧结技术迁移进了半导体产业链。马桶需要耐腐蚀、耐污染、长期稳定；半导体设备里的陶瓷部件，同样需要面对高温、腐蚀性气体和极端洁净环境。

两者看似风马牛不相及，底层材料科学却高度相通。

如今，TOTO 的静电吸盘主要采用高纯度陶瓷制造，具备耐高温、低杂质、高稳定性的特点。同时，TOTO 还掌握一种名为 Aerosol Deposition 的工艺，可以直接将超细陶瓷颗粒喷涂到材料表面，形成保护层，用于降低颗粒污染和抵抗腐蚀。

不过，在遇到 AI 浪潮之前，TOTO 的半导体材料业务一直都是不温不火，甚至持续亏损。直到 2020 年前后，公司推动部分生产线自动化改造，成本结构开始改善。随后 AI 芯片需求爆发，静电吸盘订单迅速增长，这块业务终于迎来了拐点。

而且这个拐点来得相当猛烈。

截至 2026 年 3 月的财年，TOTO 新领域业务（New Domain Business）销售额达到 674 亿日元，同比增长 34%；营业利润达到 289 亿日元，同比增长 42%。

更关键的是，这块业务收入只占集团总收入约 10%，却贡献了超过一半的利润。换句话说，TOTO 还是那个卖马桶的 TOTO，但真正撑起利润增长的，已经不是马桶。

资本市场显然看懂了这一点。据彭博社报道，过去几年 TOTO 已经完成美国和中国市场的大规模卫浴扩张。接下来，TOTO 资本开支的重心将明显向半导体材料倾斜。

截至 2026 年 3 月的财年，半导体相关业务仅占 TOTO 总资本开支的 11%；未来几年，这个比例预计将超过一半。

TOTO CTO林良祐图片来自：彭博社

甚至连管理层都不再掩饰方向变化。TOTO CTO林良祐公开表示，公司正在建设能够「充分响应需求」的生产体系。言外之意就是，AI 芯片厂商下单太猛了，泼天的财富总不能拒之门外。

而就在今天，根据《日本经济新闻》报道，TOTO 计划未来五年向半导体材料业务投入约 800 亿日元（约合 4.95 亿美元）。其中 390 亿日元投资计划已经敲定，其余部分将根据市场需求逐步推进。

目前，TOTO 位于九州的大分工厂和福冈工厂已经接近满负荷运转。福冈工厂新的烧成车间预计于 2027 年完工。如果需求继续增长，公司甚至不排除建设新工厂。

一家卫浴企业，啃上了芯片行业的硬骨头

更值得注意的是，TOTO 已经不满足于跟随产业升级，甚至开始押注下一代制程。

报道指出，在日本神奈川县研发基地，TOTO 正在开发面向 1nm 时代的半导体材料技术。

作为参考，目前台积电最先进的量产逻辑芯片已经进入 2nm 节点。每前进一步，对材料性能的要求都会指数级提升。晶圆固定、热管理、颗粒控制、耐腐蚀能力，每一个环节都变得更加苛刻。

与此同时，Chiplet（小芯片）技术的普及也在创造新的需求。

过去是一颗芯片解决问题，现在越来越多高性能处理器采用「小芯片拼装」的方式完成封装。结构变复杂了，热管理难度也随之上升。传统树脂和金属材料开始触碰性能天花板，高性能工程陶瓷的重要性反而越来越高。

这也是为什么越来越多投资机构开始重新审视 TOTO。

今年 2 月，英国激进投资机构 Palliser Capital 甚至专门致信董事会，称 TOTO 是「最被低估、最被忽视的 AI 受益者之一」，并建议公司进一步加大半导体业务投入。

某种意义上，这可能正是 AI 时代最有意思的地方。

大家都在讨论英伟达、OpenAI、台积电和超级计算机，却很少有人意识到，支撑这些万亿美元故事运转的，可能是一家百年卫浴企业烧出来的一块陶瓷。

除此之外，类似的故事数不胜数。

Nittobo 原本是纺织背景，却靠 T-glass 进入先进封装基板材料；味之素从调味品和氨基酸化学出发，做出了用于高性能芯片封装基板的 ABF 膜；

花王做日化起家，表面活性剂和清洗技术也能迁移到晶圆清洗领域。做家具五金配件起家的川湖科技公司，也因为服务器导轨被纳入 AI 供应链叙事。

这些案例还说明了另一个肉眼可见变化：当下的制造业正在被 AI 重新定价。

历史总是有一种强烈的荒诞感。黄仁勋多次在公开场合中提出 AI 产业就像五层蛋糕，能源、芯片与计算基础设施、云数据中心、AI 模型、应用层……事实也的确如此。

看似光鲜的万亿 AI 帝国，也得求助于烧马桶的、卖味精的、卖洗发水的、织布的等等，并且类似的情况还数不胜数。

资本市场追逐 AI 概念时，喜欢寻找下一个英伟达、下一个 OpenAI、下一个超级应用。

但真正的产业现实可能更朴素：AI 的每一次升级，最终都会变成一张采购清单。更好的芯片，需要更好的材料；更大的集群，需要更多电力；更高密度的机柜，需要更强散热；更复杂的封装，需要更精密的化学和机械工艺。

包括最近连马斯克和奥特曼都不得不承认，AI 的尽头，很可能是电工，是能源等等。所以搞了半天，硅基生命的亲爹真不一定是程序员，还有可能是电工、木匠和厨子。

本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。

老登最爱的维密，又复活了

谢芸子 — Mon, 22 Jun 2026 07:02:03 +0000

作者 | 谢芸子

编辑 | 黄绎达

2026年2月，在美国爱泼斯坦案的听证会上，维密前老板莱斯利·韦克斯纳的名字被提及近200次。这个因为贩卖性感而知名的内衣品牌，被彻底钉在了“物化女性”的耻辱柱上。

恐慌情绪蔓延至资本市场，维密股价连续多个交易日持续下跌。几乎所有人都认为，属于它的时代结束了。

但仅仅三个月后，维密交出了一份让华尔街错愕的财报。

截至2026财年第一季度末，维密经调整后的营业利润同比提升153%。财报发布当日，维密股价暴涨近50%，逼得空头们“疯狂回补”，也进一步放大了短期涨幅。

维密的复苏并非偶然，而是一场主动的、深刻的重塑。这一变化不仅在于对产品以及营销渠道的调整，更体现在品牌认知的复位：女性主义觉醒下，维密试图将“性感”包装为多元化的自我表达。

资本市场愿意为逆风翻盘的故事买单，但品牌声誉的恢复不仅依靠短期数据。面对未来，维密要解决的问题还在过去，还在历史的包袱里。

图片截自Wind

一家为男人而生的门店

维密被女性主义抵制，并不冤枉。

1977年，斯坦福商学院毕业生罗伊·雷蒙德觉得“男人给女人买内衣太尴尬”，从银行贷款了4万美元，在旧金山斯坦福购物中心开了一家内衣店。

这家门店被装潢成“维多利亚时代”的闺房风格：木制地板、东方地毯；店员们既热情又不过分打扰；邮购目录更是体贴入微，让男人们躲在家里，就能翻阅画册从容挑选。

在此之前，美国的内衣零售大多陈列在冰冷的货架，雷蒙德用“高端礼品店”的形式，把内衣包装成男性可以体面购买、女性乐于接受的礼物。

1977年，维密开出5家分店，公司当年的毛利润高达600万美元。在当时的市场环境，雷蒙德对维密产品的市场定位，算得上天才之作。但也正因如此，维密从诞生之初，就几乎和“女性悦己”没有半毛钱的关系。

从后世的角度来看，雷蒙德忽视了女性才是最终穿衣服的人，这也是品牌创立之初就存在的根本性问题。

1982年，雷蒙德以100万美元的价格把维密卖给了莱斯利·韦克斯纳，此后的故事被众人熟知。在韦克斯纳的操盘下，维密的年销售额一度突破77亿美元。1998年，天使翅膀首次登上维密的T台。随即，“超模大秀”“百万美元钻石胸衣”成为全球最成功的营销符号之一，也伴随全球化的浪潮席卷了中国市场。

《生活大爆炸》中，女主靠维密让莱纳德退出了“魔戒争夺”

2017年，维密天猫旗舰店公布了一组数据：在手机淘宝观看维密大秀的男性观众中，有八成“边看边买”，转化率奇高。

这组数据在当时被解读为消费渠道的升级，但也暴露了维密一直以来的基因缺陷：维密的营销链条，本质上是用极度单一的审美标准，向男性贩卖“送给心上人的性感”；女性们得到的信号往往是——穿上维密，就能成为男性眼中的“性感天使”。

然而时代变了。当#MeToo运动出现，这套逻辑瞬间崩塌，维密转而成为“男性凝视”的代表。

2018年，维密大秀收视率跌至327万，不足巅峰期三分之一。维密慌了，次年停办大秀后，开始疯狂拥抱“政治正确”：剔除“天使”概念、强调女性赋权，甚至把品牌Slogan从“The Perfect Body”改为“A Body For Every Body”。

结果就是两边不讨好——老顾客觉得品牌变味了，新消费者觉得维密只是在做表面功夫。

2020财年，叠加疫情影响，维密的净销售额从2016财年的77.8亿美元，一路跌至54亿美元。也正是这一年，爱泼斯坦案件的细节不断曝光，韦克斯纳面临巨大的舆论谴责。

同年，‌‌维密关闭了北美市场的250家门店，英国公司破产清算。这一曾享誉全球的连锁内衣品牌，企业形象与经营情况跌至谷底。

36氪根据公开资料制图

觉醒是面子，性感是里子

2024年9月，维密终于迎来了首位女性掌门人Hillary Super。在加入维密之前，她已在零售行业深耕近三十年，曾是蕾哈娜个人内衣品牌Savage x Fenty的CEO。

上任不久，Hillary Super便推出了“Path to Potential”战略。

落到商业层面，主要做了三件事。

第一，砍折扣，保毛利。此前的维密长期依赖“买一送一”等促销手段清库存。这种打法能短期拉动销量，但严重侵蚀品牌溢价。新管理层上任后，大幅压缩促销活动，推动正价销售占比提升，从而夯实了品牌毛利。

第二，加速“关大店，开小店，重线上”的渠道改革。标志性动作是2026年初关闭上海力宝广场约2000平方米的全球旗舰店，转向300至400平方米的轻体量门店，资源也向线上倾斜。

逻辑很清晰，当下的维密不再需要靠巨型旗舰店撑门面，与其在昂贵的租金里平衡成本，不如把精力放到提升坪效和线上的渗透率。渠道瘦身的效果也很明显。2025财年至今，维密全球运营数据得到改善，核心内衣品类的销售额也实现了同比正增长。

第三，也是最重要的，Hillary Super希望赋予维密新的品牌叙事。

2024年，阔别多年的维密大秀重返纽约。次年9月，维密正式宣布“告别过度觉醒”，重拾性感。Hillary Super认为，新的性感是“更个人化、现代且具包容性的”，它关乎“赋权与自我表达”。

在这样的语境下，2025年的维密大秀容纳了“大码模特、孕妇模特、跨性别模特和传统超模”，增设的“亚洲力量”章节则由刘雯领衔。线上观看人数达到1388.6万，是2018年最后一场电视直播时期的四倍多。

2025年维密大秀现场，图片来自官方微博

然而，维密秀的复苏仍引发不满，批评来自两个对立阵营：

“进步派”普遍反对大秀的恢复。《ELLE》杂志指出，大秀是一种被现代视角包装起来的“招魂仪式”。

“保守派”则认为，这场秀“沉闷”“乏味”。《华盛顿观察家报》直接表示，为了拒绝所谓的“男性凝视”，大秀同时剥夺了观众真正感兴趣的看点。

营销语境下，性感只是空洞的符号。迫于业绩压力，这个在性感与觉醒间反复横跳的内衣品牌，选择回归商业本质。今年5月，维密甚至将股票代码从VSCO改为VSXY，意为“Very Sexy”，向市场宣告其最核心的品牌主张。

财报翻身，但尖刀已现

财报数据能更直观证明这套改革的有效性。

2025年财年（2025年2月2日-2026年1月31日），维密全年净销售额65.53亿美元，同比增长5%。线下门店运营质量得到改善，线上销售增长强劲。尽管整体业绩算不上惊艳，但方向对了。

真正的爆发在2026财年第一季度。单季度，维密净销售额15.6亿美元，同比增长15%，高于市场的预期上限。净利润4770万美元，扭亏为盈。

分业务板块看，三大核心业务全部跑出“低两位数”增长。Victoria‘s Secret主品牌主要靠文胸业务支撑；PINK尤其受到18-24岁年轻客群的喜爱；Beauty美妆业务则靠高端香氛系列带动增长。

新客获取结构的优化，同样值得关注。2026年一季度，维密的新客数量录得两位数增长，增长最强劲的两个客群分别是年收入5万美元以下，以及年收入20万美元以上的消费者。

这种“两头大、中间小”的结构，说明维密同时吸引了“性价比刚需”和“高端消费”两类人群。但或许也表示，年收入在5-20万美元的中产女性，这个内衣消费的绝对主力，在悄悄流失。

再细分各区域。作为公司基本盘的北美，实体店增长11.3%，线上增长8.4%；国际业务同比猛增44.9%，增速是公司整体的近三倍；在这股海外增长浪潮中，中国市场的表现尤为关键。

各区域市场销售额情况，图片截自财报

近年来，维密在中国市场的表现的确突出。

2022年，“代工厂”维珍妮与维密绑定股权，前者持有合资公司“维密中国”49%的股权。本土化运作下，2026财年上半年（2025年4月1日至9月30日），维密中国的净利润为1.35亿港元，同比增长645%，这也与维密整体的恢复态势相吻合。

产品策略上，维珍妮的“Bonding黏合技术”，不仅弥补了维密最大的“舒适短板”，也符合当下的消费趋势。双方共同推出的“无重力内衣”，在天猫旗舰店、李佳琦直播间等线上平台大卖。

线下门店的扩张也在持续。截至2026财年一季度末，维密在中国的全品类门店增至45家，预计年内扩至52-57家。

在很多下沉市场的消费者认知里，维密依然是高端国际品牌，三、四线城市具备相当大的增量空间。维密中国的成功，也证明其“性感再定义”的品牌策略，在新兴市场的可复制性。

图片截自天猫

尽管如此，短期的业绩恢复，也不意味着前路坦途。维密首先要面对的是关税上涨的风险。

2025财年第四季度，维密曾因关税增加约8500万美元，导致同期净利润小幅下滑。维密CFO也明确表示，已通过各种措施，将2026财年的关税影响压缩至4000万美元，但若下半年的不确定性加剧，毛利表现还将承压。

与此同时，市场竞争始终激烈。

在欧美市场，维密常常拿来与同样举办大秀、但注重舒适风格的Etam对比。在中国市场，主打无钢圈的Ubras、蕉内、内外等本土品牌，产品价格也多集中在150元至350元之间，与维密部分重合。

更关键的变量来自lululemon。当维密被时代浪潮淹没，能够展现健康生活方式、塑造良好体态的瑜伽品牌迅速崛起，顺势分走了女性内衣的部分市场份额。

面对未来，维密需要回答的问题很直接：女性主义的大趋势下，人们还愿不愿意为这个充满污点的品牌支付溢价？至少对于资本市场的投资者，只要爱泼斯坦的案件持续推进，韦克斯纳就会与维密同时被提起。

这近乎是无法解决的结构性风险。

*免责声明：

本文内容仅代表作者看法。

市场有风险，投资需谨慎。在任何情况下，本文中的信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。我们无意为交易各方提供承销服务或任何需持有特定资质或牌照方可从事的服务。

关注获取更多资讯

本文来自微信公众号“36氪财经”，作者：谢芸子黄绎达，36氪经授权发布。

Claude下一代神级模型秘密出炉，Sonnet-5被曝下周上线

新智元 — Mon, 22 Jun 2026 07:02:03 +0000

Claude新模型要来了？据悉，Sonnet-5已经现身，下一代神级模型Fennec最快下周上线！而且，Mythos 5.1或6，已经在内部完成训练，Mythos升级版仅用60天跨代诞生。全面封锁，反而让Anthropic的迭代疯狂加速了！

Claude新模型，就要来了！

据多方可靠爆料，名为claude-sonnet-5的域名已在Anthropic合作伙伴的网站上现身，内部代号为「Fennec」的下一代神王级模型，最快将在下周正式杀到！

与此同时，比首版Mythos发布仅仅过去两个月，一个能力更强大、代号可能为Mythos 5.1或6的全新版本，已经悄然在内部完成了训练。

前几天，全网还在为Claude 5被封禁的惊人消息感到错愕，Anthropic竟然已经暗暗发力，在水面之下完成了新一轮技术迭代。

Fable 5回归，Claude Sonnet-5问世？

昨日，Fable重新出现在安卓移动端应用的模型选择器中。

虽仅限编码部分，但这是Fable回归的迹象。

而且就在刚刚，全新Claude Sonnet 5泄露信息浮出水面。

面对开源社区（比如最近很火的GLM-5.2）的紧逼，Anthropic急需一张王牌来稳住基本盘。Sonnet 5就是为此而生的。

· 此前泄露的内部代号：Fennec

· 最早可能于下周发布

· 预期在编程性能、速度以及性价比方面将优于Opus/Fable

· 100万token上下文窗口

曝料人信誓旦旦，坚称消息来源可靠，不过「我希望它能在下周发布，但情况瞬息万变，所以不要抱太大期望」。

但真正让人坐不住的，是性价比。

按照爆料，Fennec的性价比预计会比自家的Opus和Fable更香。

翻译一下：用更低的成本，拿到接近、甚至更强的能力。

这也延续了大模型这两年的老规律：一代更比一代强，价格却一代比一代低。

如果属实，对天天烧token的开发者来说，这将彻底改变Anthropic的不利局面。

Sonnet 5从二月份就开始泄露了，当时就爆料价格只有Opus 4.5的一半，加量不加价。

这次，Sonnet 5能发布吗？

Mythos 5.1或6已经诞生?

而新一代Mythos，更是冰层下的暗流。

曝料人Andrew Curran的一则消息，一石激起千重浪：功能更强大的新版Mythos已经诞生！

根据爆料，距离第一代Mythos在Project Glasswing上线（4月7日）才仅仅过去两个月，新一代Mythos就已经涌现。

在当前算力如此紧缺的大环境下，60天完成跨代训练，这意味着Anthropic内部的技术飞轮已经在疯狂飞转！

但Andrew Curran也承认，目前这则消息仅仅基于公开消息推测。

有网友还制作了网站，疑是玩儿梗「Mythos泄露」。

AI发布越来越快，这次是真的吗？

这些还是猜测的话，下面这条消息绝对改变你对Fable 5的认知！

Fable 5被禁真实原因？

仅仅数小时，Mythos攻陷整个NSA

曾经我们以为，Fable 5和Mythos 5被封杀是由于亚马逊CEO Andy Jassy的一通电话告密。

但外媒《经济学人》的一篇报道，揭开了Fable 5被禁的真实原因。

根据这篇报道，6月11日，美国参议院情报委员会副主席Mark Warner在公开场合说了一句话，直接引爆了硅谷和华盛顿两个圈子。

他声称，NSA（美国国家安全局）和五角大楼网络司令部负责人Joshua Rudd向他汇报说：Anthropic的Mythos模型在几个小时内，而不是几周内，攻破了我们几乎所有的机密系统」。

就在同一天，亚马逊CEO也发出了警报：Mythos 5和Fable 5存在被恶意「越狱」的漏洞。只需要几句精心设计的提示词，任何人都能让它干出任何事。

于是就在6月12日，禁令下达。

两款模型对非美国公民全面封锁，出口管制即刻生效，连「五眼联盟」的铁杆盟友都没拿到豁免——英国、澳大利亚、加拿大、新西兰，全被挡在门外。

全球领先的英国AI安全研究所同样被锁在门外。诸多海外机构花费数月申请的访问权限瞬间蒸发。

前FBI网络部门官员Cynthia Kaiser无情嘲讽了这种封锁的有效性。在黑市上，黑客轻易就能买到美国身份和AI「越狱」工具。

技术是没有国界的，指望靠一纸禁令锁住代码，无异于刻舟求剑。

乔治城大学安全与新兴技术中心的Helen Toner指出，美国AI公司内部充满了大量的非美国籍顶尖研究员。

如果不让这些「外国人」访问模型，实际上就等于瘫痪了美国自己的AI研发能力。

封杀令，也挡不住训练速度

但华盛顿可能忘了一件事。

封杀Fable 5和Mythos 5，根本拦不住下一代模型的诞生。

资深AI观察家Andrew Curran那篇被转疯了的推文里，他这样写道——

停止向公众提供Fable 5或Mythos 5，丝毫不会减缓开发速度。事实上，通过释放资源，它反而可能略微加快速度。

如果不用服务海量用户，GPU算力全部回收，那Anthropic的模型迭代会更快！

前沿实验室绝不会因为公开模型被审查而停下脚步，最新曝光的两款模型就是铁证。

经济学人作者澄清

就在「AI几小时攻破美国最高安全机构」的消息在整个外网传疯了时，经济学人的作者来澄清了。

最早在《经济学人》文章中引用这句话的作者Shashank Joshi，在X上紧急澄清了这一「网络传说」，追加了一个限定条件：

这句话被广泛传播，但这绝对不应该被字面解读。这肯定是在非常特定的受控条件下，将Mythos与其他工具结合使用的结果。我引用它是为了传达Mythos的强大潜力，但没有加上限制条件是我的失误。

但这个澄清反而让人更不安。

因为即便打了折扣，它依然意味着：AI已经跨过了一条谁都不敢明说的红线。今天的Mythos需要特定条件，那明天的呢？

冰层下的竞争，反而加快了

《经济学人》在报道这件事时，用了这样一个类比——核技术。

1946年，美国通过《麦克马洪法案》，切断与英国等盟友的核技术合作，独享核优势。直到英国自己造出了原子弹，美国才重新开放合作。

今天，历史惊人地相似。

表面上看，Fable 5和Mythos 5被封禁，公众用不了了。

然而冰层之下，所有人都在默默加速。

Anthropic的飞轮还在疯转，OpenAI不会坐视。谷歌DeepMind也在发力。每一个实验室都清楚：谁先停下来，谁就被淘汰。

Andrew Curran在推文末尾写了一句意味深长的话：「冰面下的暗流继续涌动，我们继续朝着终点狂奔。」

参考资料：

https://x.com/LuminaXspace/status/2068720875340210329?s=20

https://wavespeed.ai/blog/posts/claude-sonnet-5-everything-we-know-about-anthropics-fennec-model/

本文来自微信公众号“新智元”，作者：ASI启示录，编辑：Aeneas 大卫，36氪经授权发布。

8点1氪丨马斯克拿下7800亿元天价薪酬；伊朗代表团暂停伊美谈判，抗议特朗普威胁言论；刘强东称将来不需要快递员，要保住70万兄弟的工作

8点1氪 — Mon, 22 Jun 2026 07:02:02 +0000

今日热点导览

诺贝尔奖得主约翰·江珀宣布加盟Anthropic

法国游戏公司育碧的联合创始人空难去世

挪威将禁止小学生使用生成式人工智能

伊朗军方消息人士：霍尔木兹海峡仍然关闭

张雪称自己创业时比李书福幸福

TOP3大新闻

马斯克已行使了其2018年特斯拉CEO薪酬方案的全部权利，获得了3.04亿股股票

根据美国证券交易委员会（SEC）的一份新文件，马斯克已行使了其2018年特斯拉CEO薪酬方案的全部权利，获得了3.04亿股股票，账面收益约为1160亿美元（约合人民币7800亿元）。不过，上述股票将被锁定至2028年。届时，马斯克才能出售这些股票。（财联社）

伊朗代表团暂停伊美谈判，抗议特朗普威胁言论

据新华社报道，21日正在瑞士比尔根山进行伊美谈判的伊朗代表团突然暂停谈判，以抗议美国总统特朗普当天对伊朗发出的威胁言论。特朗普当天在社交媒体上警告伊朗立即停止在黎巴嫩的“代理人”行动，否则美国将再次对伊朗发起打击，“而且会更猛烈”。据伊朗媒体报道，伊朗代表团就特朗普上述言论向美方提出抗议，同时离开会场，暂停已经进行了80分钟的谈判，转向内部磋商。报道称，伊朗方面正在制定适当的回应方案。针对这一事件，黎巴嫩“广场”电视台报道说，伊朗的回应很明确，除非特朗普就其威胁言论道歉，并且以色列军队撤出黎巴嫩南部，否则伊朗代表团不会重返谈判桌。（新华社）

刘强东称将来不需要快递员：一定是机器人送货，京东将送70万蓝领学修机器人

6月21日，在2026年APEC工商领导人中国论坛上，京东集团创始人、董事局主席刘强东透露，近期，京东内部提出了“涅槃计划”，希望把京东已有的70万快递员等蓝领工人，送到学校做技术培训，以应对AI和技术发展带来的冲击。“将来都是机器人送货了，根本不需要快递员，一定是机器人送货，但是我并不需要我们70万兄弟没有饭吃、没有工作。”刘强东表示，京东因此在全国签了120所学校，把他们送去学校做培训，以后可以给机器人做维修、做保养。“机制都可能出故障，故障了还得人去修，这样我们把蓝领工作人员白领了，让他们住在办公室里面，不用再风里来雨里去，不用这么辛苦。”刘强东表示，作为企业，如果你有新的技术，要让我们人类的生活变得更加美好，让我们工作变得更加有趣，而不是技术来剥夺人类工作的权利。（每日经济新闻）

AI最前沿

诺贝尔奖得主约翰·江珀宣布加盟Anthropic

当地时间6月19日，资深研究科学家约翰·江珀（John Jumper）宣布，他将离开谷歌DeepMind，加入人工智能初创企业Anthropic。江珀在社交平台X发文称：“历经近九年工作，我决定离开谷歌DeepMind，加盟Anthropic。”据了解，约翰·江珀曾与谷歌DeepMind同事德米斯·哈萨比斯（Demis Hassabis）和美国华盛顿大学西雅图分校的戴维·贝克共同获得2024年诺贝尔化学奖。（界面新闻）

字节跳动加量采购国产芯片

6月17日，字节跳动数据中心建设进展再添新消息，行业人士称字节跳动正与天数智芯讨论采购至少5万颗AI芯片，主要用于推理工作。据多方了解，本次洽谈供货芯片主要用于大模型推理负载，对应天数智芯智铠系列云端推理GPU，训练场景使用天垓系列。若交易达成，天数智芯将成为华为和寒武纪之后，字节跳动的第三家GPU供应商。（第一财经）

挪威将禁止小学生使用生成式人工智能

挪威首相斯特勒6月19日表示，为防止对学习产生负面影响，挪威将禁止小学生使用生成式人工智能工具，同时限制人工智能工具在高年级学生教育中的使用。根据挪威政府公布的方案，6到13岁的小学生原则上不得使用人工智能工具；14到16岁的初中生可在教师的严密监管下谨慎使用此类工具。17到19岁的高中生应学习如何恰当地使用人工智能工具，以便为后续的高等教育和未来的职场环境做好准备。（央视新闻）

特朗普：不再将Anthropic视为国家安全威胁

在6月19日发布的《阿克西奥斯秀》（《Axios Show》）访谈节目中，美国总统特朗普表示，他已经不再将美国人工智能公司安特罗匹克（Anthropic）视为国家安全威胁。（财联社）

大公司/大事件

伊朗军方消息人士：霍尔木兹海峡仍然关闭

央视新闻消息，当地时间6月21日，伊朗军方消息人士称，霍尔木兹海峡目前仍然处于关闭状态。在另行通知之前，伊朗伊斯兰革命卫队海军不会向任何船只发放通行许可。（央视新闻）

法国游戏公司育碧的联合创始人空难去世，终年69岁，旗下有《刺客信条》《孤岛惊魂》等经典作品

据当地媒体6月20日通报，法国游戏公司育碧的联合创始人克劳德·吉勒莫于当地时间19日傍晚在法国西部拉博勒附近遭遇飞机失事，不幸遇难，终年69岁。目前育碧官方已确认其离世消息，暂未披露更多细节。

克劳德·吉耶莫于1986年与他的四个兄弟（Yves、Michel、Christian和Gérard）共同创立了育碧公司。尽管育碧近期面临经营上的挣扎，但克劳德作为创始人之一，曾助力打造了《刺客信条》《孤岛惊魂》等风靡全球的游戏系列。（每日经济新闻）

端午假期三天全社会跨区域人员流动量预计超6.5亿人次

从交通运输部获悉，端午假期三天（2026年6月19日—21日），预计全社会跨区域人员流动总量为65278万人次，日均为21759.3万人次，同比持平。（央视新闻）

“吃早饭还要这么多人拍照”，雷军回应过早被小女孩吐槽

6月21日，作家刘震云和雷军举行跨界对话。谈到此前雷军武汉过早引发的网络热议，雷军笑称“在今天这个流量的时代，可能夸你有流量，骂你也有流量，嘲讽你更有流量，这可能是当下时代，我们都要承受的代价。攻击我的人可能没有立场，只是为了流量，甚至也有水军公司，要赚流量的钱。“所以大家看到这些报道，笑一笑就好。”刘震云则从文化视角展开点评，表示很多时候世上确实没有真相，只有角度，真理有时候确实掌握在营销号和情绪的手里。

6月15日，雷军现身武汉大成路过早一条街，在一家早点店前吃早餐，引来众人围观。一位路过的小女孩见状随口吐槽：“吃早饭还要这么多人拍照！”（中国新闻周刊）

张雪称自己创业时比李书福幸福

近日，在央视财经《对话》节目录制现场，张雪直言比李书福“幸福”，他口中的“幸福”，是中国制造一步步攒出来的底气。李书福说：“当时我们造汽车，确实啥也没有。虽然啥也没有，但力量在风中回荡。有些事情定下来以后，只要认准一个方向、坚定一个信念、凝聚一股力量，最终完成一个使命。”张雪说：“我比李总幸福的地方在于，当我创业的时候，我国工业制造的高度，已经完全不是同日而语了。”（央视财经）

现代汽车集团拟将波士顿动力转为全资子公司

6月21日消息，现代汽车集团计划收购软银集团持有的波士顿动力公司9.65%股份，交易价格为5000亿韩元（约合22.23亿元人民币）。此前在2021年6月，现代汽车集团宣布，从日本软银集团手中收购了波士顿动力公司80%的股份。软银当时还保留了少数股权。如今交易完成后，波士顿动力将成为现代汽车集团的全资子公司。同时，现代汽车集团上月公布了部署2.5万台由其子公司波士顿动力开发的Atlas人形机器人计划，并将在美国工厂制造核心机器人零部件。（IT之家）

Telegram印度上诉失败，政府临时封禁决定获法院支持

6月21日消息，Telegram上诉失败，未能推翻印度政府临时封禁这款通讯应用的行政命令。新德里一家法院作出裁定：印度政府此举旨在维护一场核心医学院入学考试的公平公正，相关举措合法且合理。

此次封禁时间为6月16日至6月22日，此前，印度全国医学院入学考试被曝出试题泄露，官方于上月宣布作废本次考试成绩，印度政府随即下令封禁Telegram。庭审中，Telegram指控印度政府刻意隐瞒平台主动治理违规内容的相关工作细节。该平台称，自身已删除超900条涉非法考试泄题内容的链接。（ IT之家）

SpaceX上市前被MSCI打最低ESG评级

据报道，指数提供商MSCI在SpaceX本月进行创纪录的750亿美元公开募股之前，授予了其最低级别的环境、社会和治理（ESG）评级“CCC”。根据MSCI的说法，这使得SpaceX“因其高风险敞口及未能管理重大ESG风险而落后于行业”。EDHEC商学院气候研究所的项目主任Frédéric Ducoulombier表示：“该公司不佳的争议评估、极差的治理评估和较低的总体ESG评级不应让任何人感到意外。对公开市场投资者而言，这非常接近一个治理层面的恐怖故事。”（财联社）

磷酸铁锂价格翻倍，需求依然旺盛

磷酸铁、磷酸铁锂是新能源和储能电池的重要原材料，今年以来价格一路走高，市场热度居高不下。央视财经记者了解到，一包约400公斤的磷酸铁锂，现在的价格超过25000元，一年前的价格仅有10000元。尽管价格已翻倍，但需求依然旺盛。有企业负责人告诉记者，新能源汽车以及储能产品的出口旺盛，拉动磷酸铁锂需求持续走高，成为本轮产品涨价的重要动因。除了下游需求拉动外，上游原材料价格上涨，也是本轮磷酸铁锂价格走高的另一个关键因素。今年以来，磷酸铁价格大幅上行，抬升了磷酸铁锂的整体生产成本。（央视财经）

韩国央行警告：存储芯片景气周期或推高通胀压力

韩国央行罕见警告，存储芯片景气周期带来的巨额绩效奖金，可能从半导体行业扩散至更广泛领域，进而推高通胀压力。随着三星、SK海力士员工奖金巨幅增长，芯片厂周边奢侈品消费已明显升温，新世界、乐天购物、现代百货等零售股也被股民炒成“存储概念股”。韩国央行目前预测，该国今年的整体通胀率可能会达到2.7%，远高于2%的政策目标。因此，韩国央行7月或9月的政策会议，已经成为重要的加息窗口期。（财联社）

特斯拉加速推进人工智能与机器人战略，申请注册 “Amazing Abundance” 商标

据报道，特斯拉已正式提交 “Amazing Abundance” 商标注册申请，此举表明企业将进一步深耕长期发展愿景，核心布局人工智能、人形机器人、自动驾驶系统，并依托自动化技术实现生产成本大幅下降的未来图景。（新浪财经）

受存储芯片成本上涨影响，iPhone 18 Pro起售价或达1399美元

苹果本周确认，受存储芯片成本上涨影响，其全线产品将面临涨价。《华尔街日报》随后发布分析报告，预计iPhone 18 Pro的起售价可能高达1399美元。研究机构TechInsights的分析指出，预计到今年秋季，DRAM和闪存的价格将比去年上涨约三倍。总体而言，TechInsights估算iPhone 17 Pro（不含存储芯片）的组件与制造成本约为530美元。加上DRAM和闪存成本，基础版iPhone 17 Pro的预估物料清单（BOM）总成本约为582美元；而iPhone 18 Pro的成本预计将上涨25%，达到约726美元。TechInsights的研究显示，售价1099美元的iPhone 17 Pro毛利率约为47%。若要在iPhone 18 Pro上维持这一毛利率，苹果的定价需达到1371美元。（梨视频）

无3C充电宝仍在大量售卖，央视曝无3C充电宝售卖乱象

据央视新闻报道，根据相关规定，未取得CCC认证证书或未标注认证标志的充电宝，一律不得出厂、销售。然而，记者线下随机调查了7家商户，有4家仍在销售没有CCC认证标志的充电宝。商家告诉记者，这些充电宝多是前期积压的库存老款，尽管没有CCC认证，但由于价格低，销量也不错。在电商平台上，部分产品明确标注了CCC编号，但查询时却显示证书注销、失效、暂停，或与商品详情页显示的不符。（央视新闻）

苹果首款折叠屏iPhone，供应链传出新消息

据中国证券报，记者从一家苹果供应链公司获悉，该公司已于近期开始向首款折叠屏iPhone小批量供货。按照公司收到的目标指引，该款产品将于9月发布。近日，有消息称苹果首款折叠屏iPhone已从原定的2026年秋季推迟至2027年初上市发售。对此，一位苹果供应链公司人士对记者表示，截至目前，其得到的目标指引是，首款折叠屏iPhone将于2026年秋季发布。(中国证券报）

韩媒：韩国股市总市值首次突破8000万亿韩元

据韩联社报道，随着韩国综合股价指数（KOSPI）延续前一交易日的上涨势头，韩国股市总市值于19日史上首次突破8000万亿韩元（约合人民币35.3万亿元）。（中新经纬）

投融资

大连坤达完成数千万元A轮融资

据大桉资本消息，大连坤达自动化有限公司已于2026年5月完成数千万元人民币A轮融资，本轮融资由泰州永鑫融堰创业投资合伙企业投资。大桉资本担任本轮融资独家财务顾问及政府落地顾问。（新浪财经）

上市进行时

深交所将迎来史上最大规模IPO

6月22日，华润新能源将迎来新股申购。公司本次发行价10.11元/股，网上申购上限63.2万股，顶格申购需配深市市值632万元，在今年以来上市的主板新股中排名第一，预计将有较高中签率。华润新能源是中国华润旗下主营风光发电投资运营的核心平台，也是我国主要的新能源发电企业之一。公司本次公开发行股份数量为21.07亿股，占发行后公司总股本的比例约为16.20%，预计募集资金总额为245亿元，将刷新深交所IPO融资纪录，超越2020年上市的金龙鱼（约139亿元），成为深交所史上最大规模IPO。（央视财经）

整理｜迟雨

OpenAI「最开放」一次，Codex不再独宠GPT

新智元 — Mon, 22 Jun 2026 07:02:02 +0000

有人欢呼，这是OpenAI「最开放」的一次。给Codex装上能随便换模型的插座，等于亲手填平自己模型的护城河。它图什么？

一夜之间，OpenAI的编程智能体Codex不再只认自家的GPT，而是面向所有开源模型开放了。

最先察觉这一信号的，是开发者社区。

有开发者在Codex的命令行（CLI）和软件开发工具包（SDK）配置里，翻出一个陌生的开源模式（OSS mode），官方也叫它本地提供方（local providers）。

在命令行里加一个--oss，它就能在本地跑起开源模型；想接别的，改一个字段就行。

要知道，OpenAI在过去几乎就是「闭源」的代名词，Codex只认OpenAI自家的GPT。

但现在不一样了，仅仅一行配置，就能切换到本地的Ollama、LM Studio等模型服务。

这事很快便在开发者圈里炸了。

OpenAI Codex团队负责人Tibo还不忘亲自在X上提醒道：

Codex的App、CLI和SDK，可以搭配任意开源模型使用，并非只能用OpenAI自家的。

这条提醒，很快被Hugging Face联合创始人Thomas Wolf转发，还加上一句感叹：今天才知道，Codex里居然能用开源模型了。

有网友直呼，这可能是OpenAI有史以来最「开放」的一次，是件了不起的大事。

社区的动作更快。

官方文档一出，开发者立刻尝试把一些开源模型接进去，还顺手讨论起更省token的混搭方案。

但也有人很快就撞上了墙。

开发者Filip Baturan想在Codex里搭一套混合方案：让GPT做规划，再让开源模型当执行者。

可试下来他发现，Codex要求接进来的模型也用同一套工具调用协议，而开源模型未必有。

一边是「史上最开放」的欢呼，一边是接不进去的协议。

这一回，OpenAI到底开放到了哪一步？

开源模型是如何接入Codex的？

OpenAI这次对Codex的开放，本质上并不是开放模型本身，而是开放了「模型接入层」。

换句话说，它没有开放GPT模型，而是给Codex加了一个「可插拔模型接口层」。

这个能力通过一个叫模型提供方（model_providers）的配置来完成的。

开发者可以在配置文件中注册多个「模型提供方」，每个提供方包含四类信息：

访问地址（base_url）、通信协议（wire_api）、鉴权方式（env_key），以及模型映射关系（model）。

Codex启动时会根据配置选择对应模型提供方，从而将请求路由到不同模型服务，包括OpenAI自身模型、本地Ollama模型或DeepSeek等第三方API。

Codex的model_providers配置示例。base_url是模型地址，而协议字段wire_api只认responses一个值。

Mistral、企业自建的代理、第三方中转站，都能这么接入Codex。

有网友把这套能力的亮点总结为：不被一家厂商绑死，按需切换，隐私和成本自己说了算。

更省事的是，你还能把这些设置都保存为「配置档案」，调试时想用哪个，命令行里点它的名字就能切过去。

比起上面的手动配置，还有一个更直接的开关：--oss。加上这个参数，Codex就直接去连本地的开源模型服务。

默认就这两个：Ollama和LM Studio。前者是本地跑大模型最流行的工具，后者是带图形界面的桌面平替。

Codex --oss连本地模型实战截图：左侧Codex CLI（v0.92.0）用--oss调用本地模型，右侧LM Studio在本机1234端口加载openai/gpt-oss-20b（12.11GB）对外提供服务，全程本地离线。

也就是说，通过本地模型服务和网络权限配置，你可以让Codex在本机完成代码生成与推理，并在一定程度上实现离线运行与本地化处理。

Codex CLI界面：启动信息里model一行标着当前模型（gpt-5.2-codex），后面跟着「/model to change」，一句命令就能切换模型，整套智能体就跑在本机。

不过，插座装上了，不代表什么电器插上都能转。

接进来的模型，通常得兼容对话补全（Chat Completions）这套接口格式；至于工具调用（function calling）这类更复杂的能力能不能完整跑通，官方没打包票，得一个个试。

也正因为协议常对不齐，社区还得自己写路由工具在中间转译，而这些，都是目前社区尝试出来的解法，OpenAI官方还没有为此背书。

当GPT与开源模型混搭

在Codex里一起干活

OpenAI官方这边刚开了个口，社区那边已经玩得热闹起来。

原因很简单：Codex好用，但用OpenAI的模型按token计费，太贵。

于是许多开发者都把眼光投向了开源模型。

DeepSeek是很多中文开发者最熟悉的开源模型之一，一个自然的问题是：Codex能不能直接用上DeepSeek？

CC Switch给出的答案是：可以，但不能直接接，需要多一层「中转」。

CC Switch社区教程：《在Codex里用本地路由跑DeepSeek》

其社区教程《在Codex里用本地路由跑DeepSeek》指出，原因在于新版Codex主要基于OpenAI的Responses API，而DeepSeek以及大多数开源模型接口仍以Chat Completions为主。

两套接口在请求结构、流式输出方式、以及工具调用机制上都不完全一致。

所以如果直接把DeepSeek的地址填进Codex，并不能顺利工作，常见情况是请求参数不匹配或返回结果无法被解析，导致调用失败或输出异常，而不是简单的「连不上」。

社区的解法，是在中间加一层本地「路由层」或「协议转换器」。

基本流程如下：

1.Codex按Responses API 发请求；

2.路由层把它转换成Chat Completions格式；

3.转发给DeepSeek等开源模型；

4.再把返回结果转换回Codex能识别的Responses格式。

类似的能力并不只有CC Switch提供。

LiteLLM、claude-code-router，以及开发者自建的各种代理服务，本质上都在解决同一个问题：让不同模型通过统一接口规范进行交互。

OpenAI这次开了道口子，但真正落地，还需要社区自己「添砖加瓦」。

这一切背后，是一套混合路由的玩法。

比如让GPT负责规划：拆解任务、设计架构、想清楚要干什么。让开源模型负责执行：把方案变成能跑的代码、批量改文件。

通过这样的混搭，同样一个任务，成本可能砍掉一大半。

除了更省钱，把Codex配上本地的开源模型，代码一行都不出你自己的电脑。

对那些不想把私人项目传上云、也不想一直给API交钱的个人开发者来说，这诱惑一点也不小。

模型战争结束了

接口战争开始了

过去几年，所有人都以为护城河是模型。谁的模型参数大、跑分高、回答聪明，谁就能赢。

但这一次，OpenAI把Codex这一层做成了一个可插拔的接口，它提供的价值也开始向生态入口转移。

OpenAI的算盘，很可能是从一个卖模型的厂商，向一个卖平台和框架的玩家转身：模型随你换，工具得是我的。

谁占住了开发者每天打开的那个入口，谁就握住了分发，就能坐上生态的核心位置。

这也不是OpenAI头一回在开源生态上的布局。

虽然它自2019年推出GPT-2之后长期未再发布开放权重大语言模型，在开源生态（如Llama、DeepSeek等模型）快速发展下，它还是在2025年8月重新推出gpt-oss系列开放权重模型。

这些模型随后被社区工具链（如Ollama、LM Studio等）迅速集成支持，正是如今Codex --oss默认连接支持的。

配置层，OpenAI确实开放了模型接入能力，通过模型提供方抽象层允许第三方模型接入，但并不是任意模型都能直接使用，必须符合其接口协议或通过适配层进行转换。

在协议层，它保留了一道关键约束：以Responses API作为主要交互标准，同时允许通过兼容层支持Chat Completions等其他模型接口。

也就是说，无论接入哪种模型，都需要对齐到OpenAI定义的请求与响应结构，它最终想要做的是把接口标准攥在自己手里。

从这个角度看，这层过去容易被忽视的接口协议，正在成为新的竞争焦点。

也许，这次OpenAI是想用一个不起眼的配置开关，发动一场AI编程的入口之战，这使得它与Anthropic下一阶段的较量，已经不在模型上。

对每天打开Codex的开发者来说，这更是实打实的便利：能跑开源模型、能省下token、还能本地离线。

但越用得顺手，越用得深入，也就越离不开这个入口。

参考资料：

https://x.com/thsottiaux/status/2067181377028538431

https://developers.openai.com/codex/config-advanced#oss-mode-local-providers

https://www.ccswitch.io/en/tutorials/codex-deepseek-routing-guide

本文来自微信公众号“新智元”，作者：ASI启示录，编辑：元宇，36氪经授权发布。

具身赛道现状素描：脑子灵，模型好，不是百亿，就是独角

量子位 — Mon, 22 Jun 2026 07:02:02 +0000

具身智能领域的资本，正在涌向机器人的“大脑”。

量子位不完全统计，2026年上半年（截至6月12日），国内具身智能赛道共融资约438亿元。而2025年全年的融资金额约554亿元，2024年约137亿元。照这个势头，2026年的融资将再创新高。

其中，超过一半的钱涌入了“大脑派”公司。相比于上一代以硬件为核心或全栈平台公司，“大脑派”更强调自己用“软件定义硬件，模型定义本体”。

而业务以机器人本体为核心的“本体派”公司，同期融资仅占12.8%，甚至低于生产核心零部件（如巧手、传感器、关节模组等）的企业（14.4%）。

不少 “大脑派” 公司的融资速度仿佛坐上了火箭，「平均一个月融资一轮」甚至成了行业常态，最夸张的一家，两轮融资之间只隔了两周。

这是一个年轻的赛道。在量子位不完全统计的35家“大脑派”公司中，大多数公司（20家）处在早期融资阶段（种子/天使/Pre-A轮），没有一家公司进入后期融资阶段（C/D/Pre-IPO轮）。

这也是一个火热的赛道。量子位统计，具身大脑公司Pre-A平均融资7亿元、B轮平均融资22.5亿元——放在其他大多数领域，这都是C/D轮的量级。

我们总结了当下具身大脑创投的几个重要趋势。

具身大脑融资提速

第一个趋势是：具身大脑赛道的融资节奏之快，已经打破了传统需要里程碑验证才能推动下一轮的逻辑。

自2025年下半年开始，资本大量涌入具身大脑赛道，进入2026年后，融资节奏进一步提速。

例如，2026年1月成立的德塔智能，3个月内便完成3轮超亿元融资；同期成立的章鱼动力，不到2个月，就完成数亿元人民币种子轮和近5000万美元天使轮；眸深智能，也在半年内完成5轮融资。类似的案例还有不少。

而且，不少公司的融资量级，已经远高于该轮次的基准。

它石智航在4月Pre-A轮融资4.55亿美元（约合人民币33亿元），不仅创下中国具身智能最高单轮融资纪录，还超过了绝大多数公司的A/B轮融资额。

部分项目的天使轮，获得资本连续加码。

深穹星核仅用不到70天，就完成了「天使轮-天使+轮-天使++轮」三级跳；知跃空间智能甚至拿到了「天使++++」，并在2026年4月一个月内，连续完成两轮融资。

通常而言，天使轮主要看「想法和团队」，而A轮会关注「商业模式和数据」。初创企业持续在天使轮融资，通常意味着业务尚未跨过下一轮标准的门槛。

同时，资源正在向头部公司集中。融资金额排名前五的公司，合计融资154亿元，约占赛道融资总额的七成。

其中，千寻智能是目前最受追捧的“大脑派”公司。它在2月至6月，接连完成四轮融资，累计金额近50亿元，估值已高达200亿元。

回头来看，这波“大脑派”公司的创业热潮，从2025年延续至今。量子位不完全统计，2026年至今披露过融资动态的35家“大脑派”公司中，超过一半成立于2025年以后。其中，有6家新公司创立于今年。

而机器人本体和大脑并重的“全栈派”公司，大多成立于2025年之前。

近期，一些“全栈派”公司，也靠着“大脑”能力的提升，获得资本加注，身价暴涨，甚至晋升百亿估值俱乐部。

例如，2026年3月，星动纪元宣布完成10亿元战略轮融资，估值破百亿元。其融资新闻的重点是公司在世界模型、VLA的突破和领先，及全栈自研的能力。

另一家估值破200亿元的“全栈派”公司是星海图。其合伙人兼CFO罗天奇公开表示，当前机器人行业的发展，核心变量是具身大脑的迭代。

为何具身大脑当前备受资本追捧？

投资圈流传着一句话：“本体兜住下限，大脑决定上限。”

三七互娱投资总监郁文祥告诉量子位，机器人的硬件虽然暂时还不完备，但更考验供应链、成本控制、量产能力，凭借中国的制造业优势，机器人本体将快速进化。

而当前资本市场的共识是：大脑是具身智能最大的难点，且天然有更高的估值逻辑——边际成本低、可复用、可迁移。

千寻智能创始人兼CEO韩峰涛在2026智源大会上说，如果把钢铁侠的贾维斯视作100分的机器人，那么现在机械臂的技术成熟度有50分，轮式底盘有40分，四足有30分，而AI智能化只有3分，“但从3分进步到50分的速度将会很快”。

近八成公司研发世界模型

第二个明显的趋势是：世界模型已成为新融资中最受青睐的技术路线。

量子位统计，今年上半年有融资动态的35家“大脑派”公司中，有27家都在研发世界模型，占比近八成。

具身大脑分为VLA、世界模型、分层模型等多条技术路线。

2024年，几乎所有头部机器人公司都在讲VLA，真机数据被摆在第一优先级；但如今，“仿佛谁不做世界模型，谁就掉队了”。一位投资人对量子位说。

然而，世界模型的含义还没有共识。“世界模型是目前AI领域被滥用最严重、语义最过载的词汇。”李飞飞在最新的长文中直言。

国科投资的投资人蒋子元对量子位说，如今大多数世界模型与VLA在落地时最大的区别，是前者以视频生成模型作为backbone，而后者以语言模型作为backbone。

他观察到，除了学术团队和AI 1.0时代的创业者，一批原本做3D图形学、视频生成模型、仿真引擎的公司，也开始涌入世界模型的赛道。

即便如此，多数公司还是愿意主动贴上“世界模型”的标签，目的就是告诉投资人，“我和上一代VLA不一样”。

但对于机器人本身而言，严格区分VLA和世界模型路线的意义，或许并没有那么大。

无论黑猫白猫，只要能抓到耗子就是好猫。如今，许多公司都会将世界模型与VLA结合，而不是二选一。

在蒋子元看来，早期做VLA见长的具身大脑公司，转向世界模型也并不那么困难。就像视频生成模型最初普遍采用U-Net架构，Sora火了以后，行业又全部转向DiT（Diffusion Transformer）架构。

“什么技术好就用什么，很少有创业者会一条路走到黑。”他说，“前两年大家觉得VLA是未来，今年又觉得世界模型才是未来，也许到了明年，还会有一种新技术，成为新的未来。”

自变量机器人合伙人、算法负责人甘如饴对量子位说，比起世界模型或VLA的技术路线之争，底层的数据基础设施才是更核心的竞争力。

这套基础设施覆盖数采、训练和评测等全流程，并形成了一套稳定、可规模化运转的工业级体系。

“有了这套数据基础设施，即便未来有了新的技术架构，我们也能很快赶上。”他说。

高校科研团队成创业主力

第三个趋势是：在具身大脑技术路线尚未收敛的阶段，人才，正成为许多投资人考量团队的首要因素。

“技术路线判断的颗粒度可以粗一点，但团队判断的颗粒度一定要细。”一位投资人说。

拥有学术背景的创业者，是“大脑派”公司的主力。量子位统计发现，“一号位”来自高校或科研机构的创业公司，共有17家，占比约一半。

非学术背景的许多公司，也乐于在联合创始人、首席科学家职位，选择一位来自高校/科研机构的伙伴，共同组建创业团队。

其中，清华大学最重要的人才来源。这些“大脑派”公司中，共有9位创始人/联创/首席科学家出自清华，姚班、类脑计算研究中心和计算机系，构成了三条最密集的人才输送管道。代表公司包括极佳视界、原力灵机、中科第五纪等。

紧随其后的是“隔壁”，共有5名创始人出自北大。例如星源智机器人、知跃空间智能、智在无界等。

许多公司的创始团队融合不同顶级学府，例如自变量机器人、德塔智能，创始人来自清华和北大。

除了学术背景创业团队，另一派创业的主力，是来自自动驾驶领域的“老炮”，例如地平线、华为、百度。他们创立的代表性公司，包括极佳视界、叮当动力、章鱼动力、无界动力等，共有6家公司。

在不少从业者看来，具身智能是自动驾驶之后的下一站：二者本质上都是让AI在真实世界里感知、推理和行动，只不过前者驾驶汽车，后者控制机器人身体。

其余13家创业公司，背景可分为三类：阿里、京东、小米等互联网公司；商汤、旷视等AI 1.0公司；以及机器人公司。

与此同时，创业者群体也在快速年轻化。

LiberAI（将闲科技）的创始人之一刘松铭，是清华00后特奖得主；灵初智能的联合创始人陈源培同样是00后，北大硕士，曾在斯坦福师承李飞飞，放弃过华为“天才少年”百万年薪。他们都获得了资本的热捧。

“前几年，很多创业者还是高校教授；今年教授变少了，年轻的PhD越来越受欢迎。”有投资人观察道。

相较于资深创业者，蒋子元也更看好年轻团队。在他看来，一些资历深厚的从业者虽然履历亮眼，但未必始终站在技术演进的一线。而年轻创业者往往更熟悉最新的技术，思维更开放，沟通成本更低，也更少受到既有路径的束缚。

“质疑泡沫、理解泡沫、拥抱泡沫、享受泡沫”

具身大脑火热的气氛背后，还隐藏着另一个趋势：创业公司和投资机构之间的关系，发生了一些微妙的变化。

过去，是创业者向投资人讲故事、争取资金；如今，越来越多时候，是投资人主动寻找项目。

“现在需要主动联系投资人的公司，融资一般都不太顺利。”长期关注具身智能的投资人谭柯铭（化名）对量子位表示。

对于那些IPO预期强的公司，投资人正在“抢着送钱”，而公司的态度反倒不温不火。

两年前，谭柯铭投资一家“大脑派”公司时，对方的估值只有十几亿，那时他还能和创始人“闲扯”一下午；而如今，这家公司的估值已暴涨至200亿，即便自己是“金主”，但“给创始人发消息，也未必能收到回复”。

现在，他拜访这些明星公司时，通常只能见到CFO或者董秘，“能见到CTO，都算是别人给面子了”。

谭柯铭称，一些公司甚至会同时推进两轮融资。他们直接告诉投资人：“如果你们能尽快拍板，还可以赶上本轮100亿估值，如果走不完决策流程，只能等下一轮150亿估值再进。”

一些投资人听到后更慌了，原本掌握定价权的投资机构，反而开始担心错过机会。

企业占据了主动，把握着融资的节奏，投资人反倒成为被动追赶的一方。

在二级市场，MiniMax、智谱等大模型公司飙涨的股价，宇树等具身智能公司IPO的消息，也在不断刺激着投资机构。

然而，与MiniMax、智谱等大模型公司相比，具身智能存在更大的不确定性。

“几乎没有人会怀疑大模型的价值，大家争论的只是估值是不是太贵。但具身智能不同，如果它的泛化性最后无法兑现，真正能够落地的场景其实非常有限。”谭柯铭说。

这也意味着，今天投进去的大量资金，有可能最后都打了水漂。

从一开始的“百模大战”，到后来只剩下几家公司，大模型的收敛在两、三年内迅速完成；但具身智能不同，无论是技术路线还是商业模式，现在都完全没有收敛的迹象。

即便所有人都知道，最终能够活下来的公司只有极少数，但在技术路线收敛之前，没有人愿意缺席，于是最稳妥的策略，就变成了多押几家。

未来，一场残酷的淘汰赛等待着具身智能公司们。

业内有一个共识，90%以上的具身智能公司可能都会消失，只有少数几家能杀出重围。

千寻智能创始人兼CEO韩峰涛在智源大会上说，如今，各家具身公司都在积粮草、抢身位，为未来储备弹药。

“如果今年没有获得行业头部的资金量和估值，那么在具身智能的第一波创业浪潮里，就没有上牌桌的机会了。”他称。

泡沫的确存在，但一位投资人对量子位说，在产业发展的早期阶段，适度的泡沫是必要的。“没有泡沫，就很难快速聚集资金、人才和社会关注度。”

“投资机构一开始质疑泡沫，后来理解泡沫、拥抱泡沫，最后甚至开始享受泡沫。”谭柯铭说。

有投资人总结：「赛道稀缺性×技术不确定性×机构竞争」三重因素叠加，助长了具身大脑赛道空前的繁荣。

眼下，这场资本狂欢还没有到达终点的迹象。具身行业讲的故事是：未来机器人会卖出汽车的价格、手机的数量，是一个足以诞生万亿级市场的赛道。

当AI真正改变物理世界的那天到来时，具身智能释放的产业价值，可能远超今天资本市场最乐观的想象。这才是这个故事最迷人的地方。

本文来自微信公众号 “量子位”（ID：QbitAI），作者：关注前沿科技，36氪经授权发布。

微软也烧不起 Token ，该 DeepSeek 上位了

爱范儿 — Mon, 22 Jun 2026 07:02:02 +0000

负责 Copilot 业务的微软高管查尔斯·拉曼纳最近向媒体表示，Copilot Cowork 没法再提供「无限用」的套餐了，理由听上去有点凡尔赛：太受欢迎了。

微软四月底披露 Microsoft 365 Copilot 付费席位突破 2000 万，单季度净增 500 万，光埃森哲一家就签了 74 万席位，超过 90% 的财富 500 强在用某种形式的 Copilot。⁠

作为套壳产品，Copliot 借着微软办公套件的生态优势，实现「捆绑销售」，成为了企业级部署赛道上，装机量第一的选手。

可代价是成本也高，有的用户一周能让 Cowork 跑几百个任务，效率高得惊人。于是微软决定，Copilot Cowork 将改成按用量计费，用得多付得多。

同时，它正在悄悄给这自己找一台更平价的「引擎」，一个自家托管、经过微调的开源模型，候选之一，便是 DeepSeek V4。

一个「太能干」的烦恼

最早的 Copilot，是像刻板印象中的那样，嵌在 Word、Excel、PowerPoint、Outlook、Teams 里，在当前 app 内完成任务：写文档、做表格、总结邮件、生成纪要。本质还是「一问一答 + 在本 app 里帮你动手」，谈不上真正的跨工具自动化。

Copilot Cowork 如今已经完成了 agent 化的转型，从聊天机器人转为能完成系列任务的 AI 助手。，而且范围不只是办公三件套，而是整个 M365 生态（Word / Excel / PPT / Outlook / Teams / SharePoint），还能通过连接器接到 Gmail、Google Drive、OneDrive 等外部源。并且靠 Work IQ + Microsoft Graph 实现全局上下文存储和调用，让 Cowork 能读到你工作里散落在各处的资料。

能干是真能干，烧钱也是真烧钱。agent 每多调一次模型、多读一段上下文、多用一个工具，账单就要多一行。

过去微软的 Copilot 主要靠 OpenAI 和 Anthropic 的顶级模型撑场子，这些模型聪明，但也贵。当 Cowork 要面向千千万万企业用户，还要日夜不停地干活，每一次调用都乘以一个庞大的使用量，成本就会滚成一个吓人的数字。

于是微软的算盘是，能不能在那些不那么烧脑的日常任务上，换一台便宜点的引擎。

今年四月，DeepSeek 一口气放出两个开源模型，V4-Pro 和 V4-Flash，都支持一百万 token 的超长上下文。Pro 版本有一万六千亿参数，是目前公开权重里最大的模型之一，性能被认为已经逼近 OpenAI 和 Anthropic 的顶级闭源模型，用的却是最宽松的 MIT 开源许可。

超强的性能及性价比，让 DeepSeek 成为了基座模型中的「斩杀线」：比它强的没它便宜，比它便宜的没它强。

DeepSeek 采用「混合专家」的架构，模型虽然总参数巨大，但每处理一个任务只唤醒其中一小部分参数运作，于是单次推理的开销被大幅压了下来。这正好戳中微软的痛点。Cowork 那种没日没夜调模型的活儿，最怕的就是单次调用太贵，而 DeepSeek 这类模型天生就是冲着「便宜地跑起来」设计的。

一个把性能做到接近前沿、把价格打到地板、还干脆开源放出来的模型，对一个正在为账单发愁的巨头来说，吸引力不言而喻。

DeepSeek：我们的征程是星辰大海

有意思的是，几乎就在微软透露要用 DeepSeek 的同一周，DeepSeek 自己也上了头条。

本月 16 日，这家此前多年坚持不要外部投资的公司，完成了有史以来第一轮外部融资，进账超过七十四亿美元，投后估值冲到五百亿美元以上，这是中国创业史上最大的单笔融资之一。

DeepSeek 本次提出特殊的融资结构，创始人梁文锋自己是最大的出资人，他没有趁机套现，反而在用真金白银给自己的公司加仓。整轮投资人不到十家，腾讯、宁德时代这些产业巨头在列，基金要求需为纯人民币基金。梁文锋还表示，公司会继续走开源路线、追求通用人工智能，而不是急着变现。

独特的融资结构显示出，不是梁文锋需要基金，而是基金们需要梁文锋。DeepSeek 刚拿到的那笔钱，某种程度上就是市场对这条路线投下的信任票。它不靠卖 token 赚大钱，所以敢把价格打到地板，敢把模型白送出去。而正是这份不靠卖 token 赚钱的底气，让它在这场成本战里，站到了一个让别人羡慕的位置。

「多模型」时代的生意逻辑

微软强调，即便引入 DeepSeek，版本会全程托管在自家的 Azure 云上，数据不出微软的体系，并做了合规和减少偏见的处理。引入 DeepSeek，是微软往篮子里又多放了一个鸡蛋，不把宝押在任何一家模型上，手里攥着一堆模型。早两年大家还在争论谁家模型最强，如今微软用行动给出了答案，模型是用来干活的，不是用来站队的。

模型对厂商来说，正在从信仰变成零件，这也改变了产品设计的思路。

GitHub Copilot 是目前商业表现最好的协作产品，470 万付费订阅、年增 75%、已经被 90% 的财富 100 强公司引入。

在 GitHub Copilot 里开发者有一个模型菜单，每个模型旁边明码标着要花多少额度，贵的更强、便宜的更省，自己掂量。它还专门设了一个叫 Auto 的档位，系统自动路由，替你挑一个够用又便宜的，价格打折，等于用钱包引导你别动不动就上最贵的。

搜索起家的 Perplexity 也走这条路，让用户在一堆模型里自选，还更进一步推出了一个让三个模型同时回答、再由一个模型综合的功能，赌的是多个模型互相校验能减少盲点，把多模型当成了提高答案质量的手段。

Notion 也是一个典型，作为「小白友好」类型的产品，它主打一个随时切换底层模型还不丢上下文，把心思全花在跟工作区数据的打通上，把模型的选择交给用户。同时它也是和 Anthropic 合作最为紧密的公司之一，在 Fable 上线的当天，就让这个顶级模型出现在了自家产品的列表里。

明牌是一种做法，还有一种是隐藏基础模型。Cursor 默认让系统自动路由，日常任务交给自家训练的便宜模型兜底，几乎不限量，只有你手动点名要最前沿的模型，才从额度里扣钱。用自家便宜模型扛住大部分调用，把贵的留给真正需要的时刻。

AI 刚火那两年，Sam Altman 说过一句很有名的话，未来智能会「便宜到不用计量」。那时候各家比的是谁更慷慨，免费额度给得越多越好，包月套餐恨不得标上「无限」两个字，仿佛智能这东西取之不尽，用之不竭。

然而事实是，算力是有成本的，电费是要交的，芯片是要买的，再财大气粗如微软，也必须学会精打细算，那个又免费又无限的 AI 蜜月期，正在结束。

本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。

洗个澡功夫，Codex 替我跟售后把退款要了回来

爱范儿 — Mon, 22 Jun 2026 07:02:02 +0000

网购的快递被人偷了，联系客服，客服系统显示，预计等待时间 25 分钟。

换作以前，这意味着我们要么盯着聊天窗口发呆，要么开着网页干别的事，同时隔几分钟切回来看看排到没有，不然一不小心退出去又要重新排队。

新加入 OpenAI 的开发者体验工程师 Jason Liu 选择了第三种方案。他把这件事交给了 Codex。

指令很简单：每 5 分钟检查一次聊天窗口；如果客服上线，改成每分钟检查一次；尽量帮我完成退款。

然后，他去洗澡了；等他回来时，Codex 已经把退款办完了。

整个过程里没写一行代码，一个 agent 趁我们没时间/不在意，跟另一套客服系统耗着、磨着，直接把钱要了回来。

除了代替人类和客服聊天，Codex 还能通过 iPhone Mirroring 直接操作我们的手机，开发者能用它直接复现一个 App 里的 bug。

每天早上扫一遍私信和新闻，把值得留的东西归档进笔记库；甚至打开一个在线音乐编辑器，重写整首曲子的和声和结构，调好节奏，存档，然后让它继续放着。

这些都是 OpenAI 在 Codex 上最近重点推进的一项能力：让 AI 真正获得操作电脑的能力。

OpenAI 的工程师 Jason Liu 专门写了一篇长文，解释 Codex 现在拥有的三种「电脑操作能力」：Computer Use、Chrome 插件、应用内浏览器。

这三种让 Codex 操作电脑的能力，名字看起来有点绕，功能大概也有些重叠。

很多人第一次看到，都会冒出同一个问题：为什么一个 Agent，要做三套电脑操作的系统？

从功能本身来说，它们都是让 Codex 拥有接管电脑的能力，但 Browser、Chrome 和 Computer Use 背后对应的，其实是 OpenAI 给 Agent 设计的一套行动权限体系。

不同的操作模式，有不同的适应场景。像是能用插件就不要点网页，能直接调用 API 就别让 AI 用识屏操作界面。

就像是如果微信给 Agent 提供了接口，AI 发送消息只需要执行一次函数。

而如果没有接口，Codex 就得先打开微信，找到消息，选择联系人，点击输入框，复制内容，再按发送。

从结果上看，两种方式完成的是同一件事，但从效率和可靠性来看，却完全不在一个量级。所以在 OpenAI 的设计里，Computer Use 更像一个兜底方案。

要搞清楚什么时候用 Computer Use，什么时候用 Chrome 来进行电脑操作，我们结合 Jason Liu 的帖子把这三种授权模式讲清楚，方便大家更好地让 Codex 来操作电脑。

最宽的那道门

先说能力最「大」的：Computer Use。

我们之前分享过多篇 Codex 的使用指南，从目标管理到电脑使用和浏览器操作，里面就曾演示过，使用 Computer Use 能直接修改我们的备忘录。

Codex 能直接自动编辑我们的备忘录

它能看屏幕，能操作几乎任何图形界面，能用键盘、菜单、剪贴板，跟我们授权过的 App 打交道。没有 API 的软件它照样能用，它完全依靠「看着屏幕，自己判断该点哪」。

代价是慢。结构化的插件可以直接调一个接口；Computer Use 得先看清界面、判断点哪、等 App 反应、再看下一屏，这个视觉循环相当浪费时间。

那慢有什么用？

最好是用在那些只有图形界面、压根没接口的地方。而且，在 Mac 上，慢不一定碍事，它能在后台安静地操作我们授权的 App，它工作的时候，我们该干嘛干嘛，回头一看它已经默默跑完了某个流程。

开头那个退款，就是这么办成的，让 Codex 慢慢去找到和客服聊天的方法，然后我一边去洗澡。

但一走开，也可能不放心，毕竟这也是三者里最宽的一道信任边界，我们等于把整台桌面交了出去。

用 Codex 使用 Claude，问 Codex 好还是 Claude Code 好，Codex 表示不认可 Claude 的回答

OpenAI 官方也反复提醒，一次只给它一个明确的 App 或流程，不相关的敏感软件该关就关，碰到钱、账户、密码、隐私、系统安全的操作，我们还是得守在旁边。

它最妙的用法，可能是用来作为一种补位。目前大多数的 Agent 都能连接第三方的软件，像是连接 Gmail、Slack 等工具。

Codex 也能直接从 Slack 读反馈、改代码、重新渲染视频，但当 Slack 集成工具没法上传文件时，这个时候Computer Use 出手，点了一下「添加文件」，把这一步补上的。

OpenAI 工程师在最后给出的建议是，当任务取决于以下情况时，请使用 Computer Use：

类似 Spotify 的原生桌面应用程序或金融应用程序
iOS 模拟器、iPhone 镜像或其他纯 GUI 流程
系统或应用程序设置
没有插件或 API 的数据源
在多个应用程序之间切换的工作流程
在其他方面都很有用的结构化集成中，缺少一个步骤

带着你身份的门

第二道窄一点：Chrome 插件。它接管的，是我们已经登录好的浏览器。

早些年的 Agent 操作浏览器，要它去 X 搜索某个东西，经常报错说什么没有凭证信息，Chrome 解决的就是这件事。

Cookie、配置、登录态、开着的标签页，这些它都能用，所以 Gmail、LinkedIn、Salesforce、公司内部后台，这类需要登录才能访问到网页信息的任务，就可以交给 Chrome 来完成。

让 Codex 操作浏览器汇总 X 首页的资讯

关键的差别在这里，由于 Chrome 浏览器使用，带着我们的身份，网站会直接把它的点击、提交、发消息，当成是我们本人在操作。能力更强，风险也更大。

Jason Liu 把一个已经打开的在线作曲页面丢给 Codex，告诉它「把音乐弄得更有意思些」。

Chrome 就会自动把这个标签页连同页面自带的工具一起交给 Codex，它读完整首曲子，重写和声、改掉四分钟的曲式、调了速度、存档，最后让它接着播放。

从修改编曲到最后的完美播放，Codex 全程没满屏乱找按钮，因为它能把标签页的上下文，和页面提供的能力拼起来用。

Jason 还提到他使用 Chrome 浏览器使用的另一个案例，是拿它盯一个常年更新的 Twitter 长帖。指令大概是，「每天用 Chrome 看看私信、读相关新闻、找找值得了解的反馈和提及，把能沉淀的都存进笔记库，但别发帖、别发消息。」

Codex 就能打开 Twitter，更有意思的是，这个任务能日复一日回到同一个登录态里，把找到的东西跟我们本地文件接起来，最后交付一份能复核的结果。

所以如果整件事都发生在浏览器里，优先用 Chrome。他也提到使用 Chrome 插件进行任务的理想界面是，

Gmail 或 LinkedIn
Salesforce 或支持控制台
内部仪表盘
跨多个网站的权威研究
取决于您的账户或浏览器扩展程序的表单

干净隔离的门

第三道最窄：应用内浏览器。它就在 Codex 的对话里，我们和它看的是同一个渲染出来的页面。

最要紧的一点是隔离，应用内浏览器不会使用我们平时的浏览器配置、不带 Cookie、没有插件、没有登录态。

所以针对本地开发、调试 Web 应用、复现视觉 bug、看响应式布局，用应用内浏览器大概是最方便的。它能直接改代码、操作页面、看渲染结果、截图，改完自己再跑一遍，直到交付预期的成果。

最有意思的是批注，无论是 Vibe Coding，还是完成真实项目，我们在审核一个本地页面时，可以直接点某个元素，或者圈出一块区域，留一句话，「这个层级反了」「这块别做成卡片」「这些控件得再松一点」。

Codex 会收到带着截图和元素上下文的评论，改完文件，再把同一个页面打开给你看下一版。

浏览器使用和 Chrome 使用不同的地方其实就在于登录状态，这也导致浏览器使用更适合在开发阶段，我们可以和自己的同事一样，直接指着某个地方告诉 Codex，而不是来回甩截图和文字，页面本身，就成了需求文档。

它的代价也来自隔离，让这个 Codex 内置的浏览器去处理 Google 登录、passkey、或者依赖我们浏览器插件的网站，几乎是做不到。

根据 Jason 在博客中的总结，应用内浏览器会特别适合构建和调试 Web 应用程序。

本地开发服务器

文件支持的预览

无需登录的公共页面

重现视觉错误

检查响应式布局

留下元素级设计反馈

在这三项之外，OpenAI 工程师还提到和计算机使用相关的第四项功能是 Appshots。我们之前也介绍过这项功能，在 macOS 平台上，任何场景同时按下空格键左右两边两个 Command 键，就会自动把窗口截图、窗口上下文信息，一起发给 Codex。

他专门提到这项功能的是想表达，Appshots 负责指，Browser、Chrome、Computer Use 负责动手。

一开始，我们一想到「AI 用电脑」，脑子里浮现的画面，大概都是它像人一样移动鼠标、敲键盘、一下一下点过去。好像 AI 越像人在操作电脑，就越厉害。

但 OpenAI 自己的最佳实践，指向的是相反的方向：像人一样点击，是最慢、最脆弱、信任成本最高的那条路。真正想要的，是给 agent 足够结构化的接口，让它尽量用不着去点。

那个看起来最像「AI 终于会用电脑了」的视觉控制，恰恰是整套体系里兜底的一环，结构化工具走不通时，才轮到它上场。

总结下来就是，跨应用走 Computer Use，要带身份/登录态走 Chrome 扩展，干净独立的网页任务走内置浏览器。

本文来自微信公众号“APPSO”，作者：AI 有用功，36氪经授权发布。

卖掉公司，50位员工实现财富自由

投资界 — Sun, 21 Jun 2026 19:01:19 +0000

这一幕始于马斯克的大手笔收购——

近日，SpaceX宣布将以600亿美元（约合人民币4000亿）收购Cursor母公司Anysphere。估算下来，前50名创始员工每人可获得数千万乃至上亿美元回报。

简言之，如果你是三年前最早加入Anysphere的那批人，现在已经财富自由了。

时间回到2022年，四位来自麻省理工的00后学生创立Anysphere，旗下Cursor一跃而成过去两年全球最火的AI编程工具。最终，马斯克大手一挥伸出了橄榄枝。

不禁感叹，AI带来的造富潮前所未有地来势汹汹。

4位00后，缔造4000亿独角兽

神奇的是，故事始于四位00后。

成长于纽约，Michael Truell从小就展现出非凡的编程天赋。10来岁开始学编程，15岁和同学一起开发一款编程游戏，拿到顶尖数学协会颁发的1万美元奖金。麻省理工学院约1小时的新生编程考试，他不到10分钟就交了卷。

在麻省理工，Truell主修计算机科学与数学双学位，同时开始酝酿创业想法。2022年，他拉上三位同学Aman Sanger、Sualeh Asif、Arvid Lunnemark，联手创立了Anysphere。

最初四人的想法是为机械工程师构建AI模型，但由于缺乏专业知识而失败。思来想去，他们决定回到熟悉的软件，开发出由AI驱动的代码编辑器。2023年3月Cursor正式上线，此后迅速火爆出圈。

彼时微软的的编程工具GitHub Copilot已经珠玉在前，但架不住Cursor实在太猛：仅一句需求就能自动生成、编辑和审查代码，开发者可以在多家主流AI模型间切换。

Cloudflare副总裁曾分享一段视频：他的8岁女儿仅花45分钟，就用Cursor成功搭建了聊天机器人的网页。一度登顶AppStore付费排行榜首位的“小猫补光灯”，是由开发者用Cursor开发的。

犹记得去年传出的“vibe coding”的风潮，用户不需要逐句写代码，给出创意就能生出能跑的程序，一度风靡全球。这个概念最先就是出自Cursor。

很快，Cursor的用户数开始野蛮生长。仅用一年时间就实现1亿美元的年化收入，2025年突破100万日活，年营收突破10亿美元，全球超一半的财富500强企业都是他们的客户。

投资人循声而来。2024年公司估值还不到100亿美元，2025年11月就以293亿美元的投后估值筹集了23亿美元。就在收购前，Anysphere还在洽谈一轮500亿美元估值的新融资。

不过，尽管Anysphere成长惊人，其实也有难言之隐。

核心就是它并不自研模型，而是把Claude的模型能力包装成一个顺手的开发工具。伴随供应商亲自下场，本来就不够厚的护城河变得危险。

据Ramp的数据，Cursor在AI编程工具市场的份额已从2025年6月的41%下降至2026年5月的约26%，Claude Code占比约一半。

“我们决不能掉队。”Anysphere决定自研模型，而这需要海量算力——此时SpaceX的Colossus算力集群就派上了用场。对马斯克而言，AI编程也是一块极其诱人、需要补足的蛋糕。

以后火箭上天的代码，说不定就是Cursor写的了。

加入三年，他们实现财富自由

对于Anysphere的早期员工而言，财富来得令人猝不及防。

最初公司的招聘非常谨慎，很长一段时间里团队成员维持在个位数。四位创始人一点一点打地基，路线得到验证后团队人数迅速冲到近700人。

享受财富盛宴的正是最早入局的那群人——如果你2023年就加入Anysphere，并且是前50名员工，收购完成后大概就财富自由了。

根据硅谷初创公司的期权安排，这批50位创始员工平均每个人可以拿到近亿美元的回报。但Anysphere没有披露相关细节，这里豆包提供了一个参考版本：

通常员工期权池共计15%，价值约90亿美元；

前50号早期核心员工瓜分总池的85%，合计约76.5亿美元；

50人内部再细分为核心元老、早期骨干和早期员工共三档，人均股权价值分别约3亿美元、1.3亿美元和0.96亿美元；

硅谷风险投资基金合伙人Deedy Das也做了一笔计算：根据股权激励信息，前50名Cursor员工预计每人将获得2000万至5亿美元。

当然，最大的受益者无疑是四位联创。据《福布斯》估算，四位00后联合创始人各持有公司约4.5%的股权，经由本次收购，人均身家将达到约27亿美元（约合人民币180亿元）。

入职越早、职级越高，拿股权的倍数就越大。同样是员工，回报差距可能超过100倍。

这便是创业公司的财富变现路径——比起月薪，拿到多少期权往往更重要。决定能否入职的是能力，但决定你赚多少的可能是时间。

“进一家好公司就是最好的投资”，这句话含金量越来越高。

无AI不富，这代人的财富彩票

AI时代的造富速度比任何时候都来得惊人。

今年开年，OpenAI花1亿美元买下了AI初创公司Torch。这是一家借助AI处理医疗信息的公司，成立仅短短一年，产品还处在内测阶段，只完成过一轮小额种子融资，正轻装上阵。

引人注目的是，Torch团队只有四个人，其中还有一位华人面孔，可以说被打包卖给了OpenAI。粗略算下来，几位人均回报约2500万美元，早期投资人亦全身而退。

更早些时候，海外互联网巨头Wix宣布收购AI初创公司Base44，交易金额8000万美元（约合5.7亿元人民币）。创始人Maor Shlomo是一名90后程序员，在氛围编程（Vibe Coding）圈子里风头正盛。

Base44成立后没有进行任何外部融资，Shlomo是其唯一股东，手下共有8名员工。换言之，创业短短半年Shlomo便至少成功套现4亿，手下员工轻松跻身千万富豪。

目光拉回到国内，AI同样在改写着打工人的财富路径。

这里不得不提到智谱。据招股书，在智谱大约每两个人就有一位是股东，粗略算下来人均持股市值都在千万港元以上，甚至还诞生了多位亿万富豪。早年一纸协议逐渐变为真金白银，令人艳羡。

还有中际旭创，受益于算力浪潮股价大涨。今年多期股权激励计划的归属条件达成，最新一幕是803名中际旭创员工将归属163万股股份，对应股价市值约22亿元。

“无AI不性感，无AI不高估值，无AI不富。”AI成为当前全球最大的投资主题，由此带来的财富浪潮超乎想象。

回望过去几十年，大家耳熟能详的富豪大多来自能源、房地产和传统制造业，资本规模和渠道资源是核心护城河，财富的累积往往是一个长达10年、20年的漫长故事。

但AI的到来改变了这一切——仅需很小的团队就能快速上线产品和实现扩张，市场验证极快，技术成为核心杠杆，造富可能只需要一轮模型的爆发。

当然，泡沫的呼声也不容忽视。亚马逊创始人杰夫·贝佐斯此前直言，“6个人的公司拿到几十亿美元融资”并不是理性行为，如今每天都在发生。

但泡沫并不完全等同于虚妄，很多时候只意味着想象力的提前抵达。真正的问题是，潮水退去后以什么样的姿态留在牌桌上。

我们拭目以待。

本文来自微信公众号 “投资界”（ID：pedaily2012），作者：余梦莹，36氪经授权发布。

AI巨头的“Token补贴大战”，快打完了吗？

极客公园 — Sun, 21 Jun 2026 19:01:19 +0000

Token 贵，烧的人心疼。

这不仅是目前痴迷于 Vibe Coding 人们的心声，即便之前疯狂鼓吹 Tokenmaxxing 的硅谷大厂，都开始纷纷给自家员工开启了 Token 限制。

但其实一个反常识的点是，当下在使用 AI 订阅的同学，其实你们在用的 Token，已经被 AI 大厂补贴过了，其最高补贴甚至可能是订阅费的 70 倍之巨！

多少更令人担心的是，OpenAI 和 Anthropic 两家 AI 领头羊，都已经进入到 IPO 冲刺阶段。等到两家公司上市之后，

会不会像当年互联网时代的「补贴大战」之后，剩下的公司开始纷纷抬升客单价，让 Token 的价格回归到理性？

好消息是，这种情况可能不会发生。近日，Google Ventures 创始人 Bill Maris，在 All-in 播客中提出一个问题：

如果谷歌决定把 token 价格再砍 80%，OpenAI 和 Anthropic 会如何应对？

无独有偶，不久前，初创团队 Agnes AI，在和极客公园的直播中，就详细解释了可能到来的「Token 免费时代」。

所以，未来 Token 的价格到底是涨，还是跌？而这对已经对 AI 上瘾的人们，又意味着什么？

01 Token 补贴都打冒烟了

为什么说，现在 Token 的价格，其实并不贵？

因为至少在 AI 订阅制上，各家 AI 公司目前的价格，已经是补贴之后的「骨折价」了。

近日，SemiAnalysis 详细评测了 OpenAI 和 Anthropic 订阅模式下，实际消耗 Token 价值和订阅费的对比。

SemiAnalysis 做了一件简单但有效的事——在各个 AI 平台的订阅计划下实际使用 AI 完成各种任务，然后用 API 公开定价反算这些任务的 token 值多少钱。结果如下：

注意一个规律：越贵的套餐，补贴倍数越高。这本身就说明这些高端套餐不是为了赚钱——它们是一种「逆向定价」，用最激进的亏损留住最重度的用户。因为重度用户是开发者、是企业决策者，他们一旦被绑定在某个平台上，身后会拉来整个团队和整条产品线。

亏到这种程度，为什么还要做？标准答案是：先烧钱换规模，规模起来后涨价回血。移动互联网就是这么玩的——滴滴和 Uber 补贴了几百亿人民币的打车费，补贴结束后打车费涨了；美团补贴了无数顿外卖，补贴结束后配送费涨了。这个逻辑成立有一个关键前提：补贴期间建立了锁定效应。

滴滴能涨价，是因为司机离不开平台上的订单流，乘客离不开平台上的司机。美团能涨价，是因为商家离不开它的流量和配送网络。补贴结束时，用户已经被「锁」在生态里了，切换成本极高。

但 AI 大战，和互联网有一个根本差异——Token 几乎没有锁定效应。

如果 Claude 涨价，开发者可以在一天内把 API 调用迁移到 GPT 或 Gemini——各家的接口越来越标准化，很多开发框架甚至内置了多模型切换功能。对普通用户更简单：换一个网址就行。AI 不像打车有本地司机网络，不像外卖有配送体系，不像社交媒体有朋友关系链。Token 就是 token，无论谁家生产的，都是同一种东西。

这意味着补贴一旦停下来，用户可以瞬间流失。补贴不是在「建立壁垒」，更像在「维持心跳」——只要有人出价更低，用户就跑了。

而这还没有算上一个正在让所有人账单失控的新变量：AI Agent。

你和 ChatGPT 聊天时，一次对话消耗的 token 也许几千个。但当你让 AI Agent 执行一个复杂任务——写一段代码然后自动调试，分析一份几十页的文档然后生成报告——一轮下来，token 消耗是普通对话的 5 到 30 倍。有开发者实测，在 100 美元的 Claude Max 计划上，一次 Agent 编程会话就能烧掉价值近百美元的 token。Uber 的 CTO 最近透露，公司四个月就烧完了 2026 全年的 AI 预算。

问题是，这样的 Token 补贴大战，能否持续？谁有可能是在乱战之后，仍能站着看到最后的？

Bill Maris 认为答案显然是传统巨头。

02 Token as a weapon

要理解这场补贴战真正的残酷性，需要先看清一个结构性的不对称——参战各方的弹药来源完全不同。

谷歌每年的广告收入超过 3000 亿美元。这不是投资人给的钱，不是融资烧的钱，而是一台每天自动运转的印钞机。全世界几十亿人每天打开搜索引擎、看 YouTube、用 Gmail，广告费就自动流进账户。它不需要路演，不需要讨好分析师，不需要向任何人解释为什么要花这笔钱。

谷歌用广告利润补贴 AI token，就像一个坐拥油井的人去打加油站的价格战——他的石油是自家地里冒出来的，而对手的石油是找银行贷款买来的。

OpenAI 和 Anthropic，就是那些贷款买石油的人。

OpenAI 累计融资超过 1800 亿美元，最新估值超过 8500 亿美元。Anthropic 融了超过 1300 亿美元。这些钱来自风险投资和战略投资者——他们给钱不是做慈善，他们指望这些公司上市，指望退出时拿到丰厚回报。

而上市之后，麻烦才真正开始。上市意味着财务报表对全世界公开。每个季度，华尔街分析师会盯着收入、利润、用户获取成本、边际成本。当他们算出你每收到 1 美元的订阅费就实际亏损 70 美元时——再辉煌的增长故事也撑不住股价。

Bill Maris 在播客上把这个逻辑说得很直白。他的原话是：「如果我是谷歌，决定把 token 价格任意砍掉 80%，那 OpenAI 和 Anthropic 的商业模式会发生什么？」

主持人追问那概率有多大。Maris 没犹豫：「100%。Capital as a weapon，tokens as a weapon（资本作为武器、Token 作为武器）。」

这不是分析师的推测。Bill Maris 是 Google Ventures 的创始人兼 CEO，也是谷歌特别项目副总裁，曾孵化 Waymo 和 Google X。在场的所有人都明白：这不是假设，这是他亲眼见过谷歌怎么打仗。

他描绘的场景很简单：谷歌宣布 Gemini API 降价 80%。企业客户会怎么做？如果产品质量差不多——在很多基准测试中 Gemini 已经和 Claude、GPT 不相上下——但价格便宜五分之四，你会继续用贵的那个吗？

Maris 自己给了答案：「如果你是一家公司，去 Google 和 Gemini 那里可以少付 80% 的钱，买到基本相同的产品，你为什么不？然后对那些公司的压力就会变得非常严峻。」

而 OpenAI 和 Anthropic 几乎没有对称的反制手段。它们不能跟进降价——没有印钞机，每一美元都是投资人的钱。它们也不能靠技术差距维持溢价——大模型之间的差距在快速缩小，今天你领先三个月，三个月后就被追平。这不像 iPhone 对诺基亚那种一代人的技术代差。AI 模型之间的护城河，更像沙子筑成的堤坝，潮水一涨就漫过去。

在 Bill 的叙事下，谷歌赢面很大，但在 AI 的世界里，谷歌真的能垄断吗？Meta 随时可以开源一个免费模型，中国有 DeepSeek 和字节，亚马逊在推自己的模型。当你把 token 打到白菜价之后，竞争对手不是消失了——他们也在降价。

AI 大战，可能没有赢家。

03 Token 的「无限游戏」？

即便再不清楚历史的人，都多少会对当下 AI 大战的终局，做出如下判断：

第一种是「互联网服务」剧本——滴滴的故事、亚马逊的故事：先补贴，再垄断，然后涨价收割。在这个剧本里，今天的价格战只是序章，最终会有一两个赢家占据绝大部分市场，获得定价权。如果是这样，眼下的巨额亏损就是一笔划算的投资——就像亚马逊亏了二十年，最终成为电商和云计算的双料霸主。

第二种是「水电煤」剧本。Token 变成一种标准化的基础资源，就像电力、带宽、云存储。没有谁能长期维持定价权，因为产品差异太小，切换成本太低。竞争把价格无限压向成本线，利润率趋近于零。最终，政府可能介入监管——就像一百年前对电力和电信做的那样。

两个剧本的分野取决于一个词：

锁定。

滴滴能涨价，因为乘客被锁在司机网络里，司机也被锁在订单流里。亚马逊能涨价，因为商家被锁在它的物流和流量生态里。

锁定效应是「先亏后赚」模式的基石。

但 AI token——前面已经反复论证了——几乎不存在锁定。API 标准化，切换成本约等于零。第一种剧本成立的核心条件，在 token 这个产品上并不存在。

如果第二种剧本，「水电煤」基础设施的终局，更接近现实，我们正在见证的就不是一场终将分出胜负的战争，而是一场没有终局的消耗赛。

美团创始人王兴曾描述过这种竞争状态。他的洞察是：有些竞争不存在「赢」的概念。参与者的目标不是打赢对手，而是确保自己始终在牌桌上。因为只要还在牌桌上，你就能继续融资、招人、迭代。离开牌桌才是唯一的输法。

用这个框架重新审视今天的 AI 格局，很多看似矛盾的事情突然变得清晰了。

OpenAI 最新一轮估值超 8000 亿美元，不是因为训练模型需要这么多钱。它需要这么多钱来继续打价格战。融资不是为了赢，是为了「有资格继续打」。

谷歌准备把 token 降价 80%，不是为了消灭 OpenAI 和 Anthropic。它是为了确保自己在 AI 时代始终是核心玩家——就像它曾通过免费的 Android，确保自己不被移动时代甩下牌桌。

而 Anthropic 把最新旗舰模型 Fable 5 的 API 定价提至前代的两倍——输入每百万 token 10 美元，输出每百万 50 美元——看似在「涨价」，实际是主动筛选愿意为高端能力买单的企业客户，因为它心里清楚：消费端的补贴战，是烧不赢谷歌的。

每一轮价格战，都会扩大 AI 的使用规模。规模扩大，意味着更多数据、更多场景、更多开发者涌入生态。这反过来让所有参与者的模型变得更强。参战者用战争本身吸引资源升级自己——这不是一个你死我活的零和博弈，而是一个所有人通过竞争一起变强、但也都不太可能赚到暴利的过程。

这听起来，像不像电力行业最终的样子？

140 年前，爱迪生和威斯汀豪斯都以为自己在争夺一个赢家通吃的市场。他们砸下全部身家，赌的是「谁定义了电力的标准，谁就拥有了电力」。但电力的命运告诉我们一个简单的道理：

当一种技术足够重要、足够通用、足够标准化，它就不再属于任何一家公司。它属于基础设施。

AI 的竞争，表面看是谷歌对 OpenAI 对 Anthropic，是模型能力的比拼，是融资规模的较量。但把镜头拉远，这场竞争的真正作用是：它正在加速把 AI 推向一个任何公司都无法独占的基础设施层级。

当 Bill Maris 说「100% 会发生」的时候，他可能不只是在预言谷歌会降价。他可能是在不自觉地预言一个更大的趋势——在 AI 的世界里，token 最终不会属于任何人。就像今天没有人「拥有」电力一样。

对 OpenAI 和 Anthropic 来说，这意味着一件令人不安的事：即使技术领先，即使融到天量资金，它们追逐的「靠 AI 赚大钱」的未来，可能从一开始就不存在。它们面对的不是一个暂时的价格战，而是一个结构性的宿命——它们在竭力建造的东西，本质上可能就是下一代的水、电和公路。

而对用户来说，从某种程度来说，可能是个好消息。因为只要 Token 补贴战继续，人们就依然能享受到 20 美元成本、400 美元算力的「好买卖。」

本文来自微信公众号 “极客公园”（ID：geekpark），作者：宇航猿，36氪经授权发布。

GRPO过时了吗？

机器之心 — Sun, 21 Jun 2026 19:01:19 +0000

6 月 13 日，智谱在 X 平台宣布 GLM-5.2 完全开放，并把正式开放的时间定在了当晚 5 点 21 分——一个「特殊时刻」。

很多人认为这个数字不是随便挑的：美国政府向 Anthropic 下发出口管制指令、切断 Fable 5 与 Mythos 5 境外访问权限的那一刻，正是美国东部时间下午 5 点 21 分。「5 点 21」这个数字上的重复，被多家媒体解读为一次刻意设计的呼应。智谱选择在这个节点站出来，相当于当着全世界开发者的面说了一句话：你们担心的「模型随时可能被收回」，开源这边没有这个问题。

这次发布也确实给得起这个姿态。GLM-5.2 是一个 744B 参数、激活 40B 的 MoE 模型，遵循 MIT 协议完全开源，支持真正可用的 1M token 上下文。在长程任务基准 FrontierSWE 上，它拿到 74.4%，逼近 Claude Opus 4.8 的 75.1%，反超 GPT-5.5 的 72.6%。不少开发者实测后表示，这是第一个让他们认真考虑用来替换 Opus 或 GPT 工作流的开源模型。

昨天 Design Arena 发布的博客《GLM-5.2 如何在网站设计上击败了 Fable 5》更是成为爆款文章，引发了广泛关注和热议。

但比这些分数更让技术圈坐不住的，是一个差点被淹没在技术博客角落里的细节：GLM-5.2 在长程强化学习阶段，放弃了 GRPO。

图源: X @JoshPurtell @sheriyuo @MikaStars39

这件事不大，却像一根针，扎破了一个维持了一年多的共识。GRPO（Group Relative Policy Optimization，群体相对策略优化）由 DeepSeek 于 2024 年在 DeepSeekMath 论文中提出，又经 DeepSeek-R1 验证，此后几乎成了开源社区训练推理模型的默认答案——不需要价值网络，也能训出强推理能力。GLM-5.1 的强化学习阶段，用的正是这套思路。一年多以后，GLM-5.2 悄悄把它换掉了。

一个被验证过的范式，正在被它最早的追随者之一悄悄抛弃。

技术社区的反应

消息传开后，X 上的讨论很快分成了几条线。

有人把这件事称为「critic 回来了」。开发者@hallerite 的判断很直接：群体内比较这种降低方差的办法，过了某个任务长度之后根本行不通，模型需要更细粒度的信号，OpenAI 和 Anthropic 大概早就在用价值网络了。

类似地帖子非常多，有人说自己在小规模项目里对比过 GRPO 和 actor-critic，结果 actor-critic 的表现明显更好；也有人怀疑，OpenAI 和 Anthropic 等前沿实验室在长程任务上本来就没有真正依赖过 GRPO，这只是长程任务迟早要撞上的一道墙；比如 @ethayarajh 就指出，曾被 NeurIPS 拒收的 PPO 这条路线其实更贴近强化学习圈子里常说的「苦涩的教训」（bitter lesson）——足够通用、能随计算量扩展的方法，往往比结构精巧但有适用边界的方法走得更远。

Xiuyu Li 提醒，一些长期做长程任务训练的团队，本来就从未真正全面采用过 GRPO，PPO 甚至 REINFORCE 一直是这些团队的底色。

学术界则是另一幅景象：GSPO、DAPO、Dr.GRPO、GMPO、CISPO 等变体仍在源源不断地涌现，试图把 GRPO 在效率和稳定性上的毛病一个个打磨掉。

工业界悄悄回头，学术界继续往前冲。这个反差，很有意思。

智谱为什么换掉了 GRPO

要理解这次切换，得先弄清楚 GRPO 最初解决的是什么问题。

传统 PPO 需要一个价值网络（critic），专门预测「当前状态未来能拿多少奖励」，用来给每一步动作算优势值。这个网络和策略模型一样大，训练起来贵，也容易不稳定。

GRPO 的办法是：不训练这个价值网络了，改成让模型对同一个问题生成一组（通常是几十个）回答，拿组内平均奖励当基线，谁比组内平均分高，优势值就为正。这就像让同一道题的几十名学生同时交卷，再互相比较打分——不需要一个全知的阅卷老师，矮子里也能拔将军。

对数学题、单元测试这类有明确对错的短任务，这个办法省显存又稳定，DeepSeek-R1 之后几乎成了开源社区的默认选项。

GLM-5.1 的强化学习阶段，用的正是这套思路，组大小固定为 32。

但 GLM-5.2 瞄准的是另一类问题：长程智能体任务。根据智谱技术博客披露的内容，这类任务的执行轨迹远比解一道数学题长，涉及多轮工具调用、子任务拆解、跨多轮的环境反馈。一条轨迹经过压缩（compaction）处理后，子轨迹的数量和长度会变得参差不齐。

这正好打中了 GRPO 的软肋：它要求把同一个问题下的一组输出放在一起比较，可长程任务压缩出来的子轨迹长短不一，有的三言两语，有的拖了几十步，根本凑不成一组可以公平比较的样本。继续硬上组内比较，大量数据会变得没法用。

智谱给出的解法是：把价值网络请回来。GLM-5.2 的长程强化学习从「群体相对优化」转向了「基于 critic 的 PPO」，用 token 级别的优势值去适配长短不一的子轨迹——不再依赖一组同伴互相打分，而是重新训练一个能给任意一段轨迹独立估值的「阅卷老师」。

图源：DeepSeek 陈德里的推文

配合这次改动，智谱用 slime 框架把训练和大规模推理 rollout 打通，将十余个专家模型并行蒸馏合并进最终模型，整个过程只用了约两天。针对 coding 任务里常见的奖励作弊（比如直接 curl 拉取参考答案、grep 搜索隐藏测试用例文件），GLM-5.2 还引入了一套两阶段拦截机制，先用规则过滤，再用 LLM 裁判识别可疑工具调用，拦截后返回一段无意义的「假信息」，让训练轨迹继续走下去，而不是粗暴中断，以免引发训练不稳定。

简单说，GLM-5.2 并未否定 GRPO，而是发现 GRPO 的设计前提在长程智能体任务里站不住了。

GRPO 真的过时了吗

把这次切换简单总结成「GRPO 不行了」，可能是个偷懒的结论。

GRPO 当年能火起来，解决的是一个很具体的问题：在有明确对错的可验证任务上，用尽可能少的显存、尽可能稳定的方式做强化学习。这件事它依然做得很好。数学题、代码单元测试、格式校验这类短任务，答案就在那一组采样里，组内比较的成本优势依然成立。也因此，GSPO、DAPO 这些变体还在持续打磨 GRPO 在 MoE 训练、长思维链场景下的毛刺，而不是直接宣布它退场。

一个更能说明问题的例子是 GRPO 的提出者自己。今年 4 月发布的 DeepSeek V4 技术报告显示，DeepSeek 在训练数学、代码、Agent、指令跟随等分领域专家模型时，用的依然是 GRPO，只是在把多个专家合并回一个统一模型时，换成了一种叫「在策略蒸馏」（On-Policy Distillation）的新方法。

GLM-5.2 换掉的其实是 GRPO 在另一类任务（多轮、长程、奖励稀疏且延迟的智能体任务）上的适用性。这类任务里，「这一步做得好不好」往往要等到几十步之后才能从最终结果反推回来，而且任务跑出来的轨迹长短千差万别，很难找到一组「条件相同」的样本去做组内对比

这个判断不只是工业界这一轮的经验之谈，学术界也有对照实验支持。

去年底一篇题为《Learning Without Critics? Revisiting GRPO in Classical Reinforcement Learning Environments》的论文专门做过测试：在没有提前终止机制的长程任务里，不带 critic 的方法持续比不过带学习到的价值函数的 PPO；只有像 CartPole 这种短程任务，组内比较的方式才能打平。

这个结论和 GLM-5.2 这次的选择，算是从工业实践和学术实验两个完全不同的方向，得出的同一个判断。

所以更准确的说法可能是：强化学习算法的选择，正在变得任务相关，而不再有一个放之四海而皆准的「默认选项」。

短程可验证任务，GRPO 及其变体依然够用、依然便宜。长程智能体任务，价值网络重新变得重要。

GLM-5.2 引发的讨论之所以有分量，是因为它把这道分界线第一次摆在了公开的技术博客里，让一个本来只停留在小圈子传闻里的判断（前沿实验室可能压根没指望靠 GRPO 走到长程任务），有了一个开源、可复现、可供外界验证的对照样本。

结语

过去两年，GRPO 几乎成了开源大模型强化学习阶段的代名词，一种「便宜又好用」的默认信仰。GLM-5.2 的选择提醒人们，这种信仰本身是有边界的——它诞生于数学题和单元测试的世界，而现在的智能体正在被推向需要连续工作几小时甚至更久的真实任务。

对整个行业而言，这次切换的意义可能超过 1M 上下文或者基准分数本身。它说明，随着开源模型从「答题选手」走向「干活的智能体」，后训练阶段的算法选型也要跟着任务形态一起进化，而不能停留在某一篇论文定下的范式里。

下一次范式松动会发生在哪里，没有人能提前给出答案，但可以确定的是，这场关于强化学习未来走向的争论，才刚刚开始。

本文来自微信公众号 “机器之心”（ID：almosthuman2014），作者：关注RL的，36氪经授权发布。

芯片设备“铁律”，正在被打破

半导体行业观察 — Sun, 21 Jun 2026 07:01:34 +0000

长期以来，半导体供应链的定价权分配呈现出鲜明的金字塔格局。站在塔尖的，是苹果、英伟达、微软、谷歌、亚马逊等掌握终端需求、云端算力订单和系统定义权的巨头；再往下，是台积电、三星、SK海力士、美光等掌握先进制造、先进存储和关键产能的制造端巨头。相比之下，设备商虽然位于制造体系上游，且在部分环节拥有极高技术壁垒，但在大客户采购体系中，仍然常常要面对年度降本、重复采购压价、验收节奏和周期砍单等压力。

半导体设备行业也因此形成了一条不成文的规则：新设备导入（Design-in）往往需要设备商在价格上做出巨大让步；而在后续的重复采购（Repeat Order）阶段，晶圆厂通常会基于供应链管理惯例，要求供应商持续降价。尤其在存储周期下行、晶圆厂资本开支收缩的阶段，设备商为了拿订单、保份额、维持产线稼动率，接受约10%的降价压力并不罕见。

但现在，这一延续多年的买方市场“铁律”正在松动。

近期，SK海力士的多家一级设备供应商反向提出3%-4%的供货价格上调请求。韩国媒体报道称，SK海力士已要求相关供应商提交价格调整依据材料，正在评估。这在过去壁垒森严、买方绝对主导的半导体设备圈几乎不可思议。

这一反常现象背后，是AI算力狂飙引发的设备供需的失衡——当晶圆厂的扩产速度直接决定了其能否吃下大的芯片厂商的AI订单时，“买到设备”变成了最紧急的军备竞赛。

TCB设备卖爆了

一个明显的案例就是：最近，TCB（热压键合）设备要卖爆了。由于SK海力士正在扩产HBM4，韩国的两家TCB设备厂商韩美半导体（Hanmi Semiconductor）和Hanwha Semitech，近期纷纷获得了规模相近的TC Bonder订单。在AI芯片的复杂结构中，TCB设备扮演着“穿针引线”的关键角色。

在TCB设备市场中，韩国的韩美半导体（Hanmi Semiconductor）和Hanwha Semitech以及ASMPT是三大主要玩家。

其中，韩美半导体是HBM TC Bonder当前龙头，TechInsights报告显示，截至2025年前三季度，韩美在HBM TC Bonder市场按收入计占 71.2%，领先于SEMES、ASMPT、Yamaha Robotics和Hanwha Semitech。韩美的优势在于很早绑定SK hynix，并覆盖NCF和MR-MUF两类HBM生产路线。

据The Elec 6月10日报道，6月8日，韩美半导体披露拿到SK hynix 442亿韩元TC Bonder订单，用于HBM4生产，设备型号为 TC Bonder 4.5 Griffin，交付周期到9月初。按单台约30亿韩元估算，市场认为这笔订单大约对应 15台设备。

但韩美半导体的风险也明显，其客户正在多供应商化，SK hynix已经引入ASMPT、Hanwha，美光也可能引入更多替代供应商。

Hanwha Semitech则正在从挑战者变成SK hynix备选主力。近日，Hanwha Semitech也拿到了SK hynix订单，它不仅向SK hynix供应了D2W混合键合集群系统，还获得了SK hynix的额外HBM4 TC Bonder订单。所以韩华有两条路线在与韩美竞争：一是TC Bonder抢SK hynix HBM4订单，二是向混合键合延伸。The Elec称其SHB2 Nano混合键合集群系统已在4月进入SK hynix产线做质量评估和优化。

TrendForce称，该订单被视为缓解市场对HBM3E向HBM4切换期间资本开支偏谨慎、产能爬坡延迟的担忧。SK hynix同时向多家TCB设备厂商下单，明显是在做多供应商策略：Hanmi、Hanwha、ASMPT都在进入其TCB供应链。早在2025年，The Elec就报道SK hynix计划当年采购最多 80台TC Bonder，高于最初50台计划；同时Hanmi还获得了Micron约50台TC Bonder订单。

与韩美和韩华主打的市场有所不同。ASMPT在HBM的市场份额并不是很高，但C2S/C2W非常强。它公开披露的订单主要集中在AI芯片C2S和逻辑芯片C2W，且其声称全球TCB装机量超过500台，并预计TCB TAM到2027年超过10亿美元，目标拿下35%至40%份额。ASMPT更像是先进封装平台型玩家，而不是单一HBM设备商。

ASMPT在2025年12月先后拿到 19台、15台C2S TCB设备订单，客户是服务领先晶圆代工厂AI芯片业务的主要OSAT伙伴。ASMPT称自己是该客户C2S TCB方案的唯一供应商和POR。

2026年6月8日，ASMPT又宣布获得一家全球领先IDM的重复订单，提供 8台C2W TCB设备，用于先进客户端和数据中心CPU生产。ASMPT特别强调，Chiplet架构正在进入客户端和数据中心处理器，推动C2W TCB需求。

所以整体看下来，这波TCB订单潮，本质上是HBM堆叠+ AI芯片C2S + 逻辑Chiplet C2W 三线共振。

混合键合还没来？

市场曾一度认为，随着线宽和引脚间距（Pitch）进一步缩小，更先进的混合键合（Hybrid Bonding）将取代TCB。但现在看，这一替代节奏被拉长了。

首先，在HBM4阶段，TCB仍然是更现实的量产路径。

HBM4需要更高堆叠、更高带宽、更好散热，但混合键合对表面平整度、颗粒控制、洁净度、良率爬坡要求更高。因此，存储和逻辑晶圆厂一边在继续使用TCB键合，另外也在为混合键合产线作准备。

虽然在今年4月份，SK hynix已经采购Applied Materials（应用材料）+与BESI联合打造的混合键合在线系统（应材在2025年买入Besi 9%股份，双方合作开发die-based 混合键合系统）。但据The Elec的报道称，这笔约200亿韩元设备订单主要是面向下一代HBM研发准备，而不是马上全面替代TCB量产。该在线设备集成了应用材料公司的化学机械抛光 (CMP) 和等离子处理设备以及BESI公司的混合芯片键合机，预计近期将在研发生产线上安装使用。这套系统也已在台积电投入量产。

应用材料自己的Kinex系统也强调，混合键合需要集成湿法清洗、等离子活化、in-situ量测、队列时间控制等模块，说明它不是一台单纯贴片机，而是更接近前后道融合的复杂系统。

Kinex系统（图源：应用材料）

晶圆厂们对混合键合的押注也在带动BESI的快速发展。2026年一季度BESI订单同比增长104.5%至2.697亿欧元，Reuters称增长主要受混合键合需求推动，且内存市场已有第二家客户进入HBM相关资格认证。

其次，标准放宽也给TCB续命。

据TrendForce 4月份的报道，JEDEC据称正在讨论将下一代HBM高度规格从775微米放宽到约900微米，这可能减缓混合键合导入速度。因为堆叠高度限制一旦放松，厂商就可以继续用成熟的TCB路径支撑更多层堆叠，而不必立刻承担混合键合的良率风险。

最后，TCB设备也在升级，不是原地踏步。

例如，ASMPT近期推出AOR TCB技术，重点是无助焊剂、主动氧化物去除、减少残留污染、提升键合均匀性，目标就是解决下一代HBM在堆叠高度、精度和良率上的挑战。

所以从目前来看，更合理的产业判断是：在HBM4/HBM4E阶段，TCB和混合键合会共存；等到了HBM5及更高层数时代，混合键合占比可能才会明显提升。

总的来说，TCB不是小风口，是后道设备结构性变化。Yole的相关报告指出，后道设备正在从传统封装配套环节变成先进封装的战略设备市场；其中TCB和混合键合是增长最快的两个方向。Yole预计TCB市场到2030年达到 9.36亿美元，2025-2030年CAGR约 11.6%；混合键合设备市场到2030年达到 3.97亿美元，CAGR约 21.1%。

Counterpoint相关数据也显示，AI GPU和定制AI ASIC推动先进制造和先进封装增长；其预计2026年行业先进封装产能可能同比扩张约80%，并称先进封装已经成为AI部署的“gating factor”。

因为AI，测试设备，也被卡脖子了

AI扩产潮不仅让晶圆厂抢设备，设备商自己的供应链，也正在被FPGA、CPU、Driver IC等关键零部件卡住。

The Elec 5月29日报道，韩国半导体测试设备厂商正遭遇“史上最严重”的零部件短缺，业内甚至出现一句很讽刺的话：“没有半导体，就造不出半导体测试设备。” 报道称，用于测试设备运行的FPGA交期已经从过去约8-10周拉长到最长52周；Driver IC过去可以从分销渠道即时采购，如今至少要等10周；x86 CPU和GPU也出现短缺，部分产品价格从约100万韩元涨到300万韩元，涨幅最高达三倍。

由于AI数据中心把高端芯片产能、分配优先级和库存缓冲都吸走了，测试设备商反而成了“下游的下游”，在关键零部件分配上被挤压。例如，据Sourceability近期指出，FPGA交期拉长至52周以上，背后的主要原因是数据中心需求，超大规模云厂商和AI基础设施公司凭借更大订单和更强议价权，拿到了更高优先级的供应分配，其他依赖同类器件的行业被挤到后面。CPU和GPU也是如此，测试设备商虽然技术重要，但采购规模很难和云厂商、AI服务器厂商相比。

Driver IC的缺货逻辑跟FPGA、CPU、GPU不同，他们的缺货，本质上是小众高性能模拟/混合信号器件，遇上测试设备需求上行，所导致的供应弹性很差。ADI官网把Automatic Test Equipment作为专门产品方向，说明这类芯片本身就是测试设备产业链里的专用关键器件。

这些关键零部件的缺货，已经影响到了设备交付。The Elec提到，一家半导体检测设备厂商近期与三星电子签下超过100亿韩元的供货合同，但由于零部件短缺，被迫将交货时间推迟三个月。报道还称，设备厂商已经开始在客户正式下PO之前，就提前几个月讨论设备数量和交期，以便先锁定零部件。

所以AI时代出现了一个很吊诡的链条：AI芯片缺货 → 晶圆厂扩产 → 需要更多测试设备 → 测试设备需要FPGA/CPU/Driver IC → 这些芯片又被AI数据中心优先抢走 → 测试设备交货延期。

疯狂扩产背后，设备进入新一轮上行周期

如果说TCB和测试设备的短缺是个别节点的爆发，那么将视角放大，我们会发现，整个半导体设备行业已经跨入了一轮由AI硬实力驱动的、波澜壮阔的全面上行大周期

SEMI预计，全球半导体制造设备销售额将从2025年的1330亿美元增长到2026年的1450亿美元，并在2027年达到1560亿美元的历史新高。SEMI特别指出，这轮增长主要来自AI相关投资，尤其是先进逻辑、存储以及先进封装。

而且SEMI还预计，全球300mm晶圆厂设备支出将在2026年增长18%至1330亿美元，2027年再增长14%至 1510亿美元，并称AI正在重置半导体制造投资的规模。

这轮设备机会主要来自三条扩产主线：

第一，先进逻辑厂商台积电、英特尔、三星都在为AI加速器扩产；台积电预计2030年全球半导体市场将超过1.5万亿美元，其中AI与HPC占比达到55%；同时，TSMC计划在2026年建设九个阶段的晶圆厂和先进封装设施，2nm和A16产能在2026-2028年预计以70%的复合增速提升。

第二，存储领域，HBM把DRAM扩产周期重新点燃；SK海力士董事长崔泰源6月在台北表示，SK海力士计划在未来五年内将整体晶圆产能翻倍，并认为全球存储供应瓶颈可能持续到2030年。根据Counterpoint数据称，SK海力士在2026年一季度全球HBM市场份额达到58%。2026年一季度SK海力士利润大幅增长，并表示未来三年客户对HBM供给的需求已经远超其产能；公司也称将显著增加投资，重点包括M15X扩产、龙仁集群建设以及关键设备。

今年3月，SK海力士披露将向ASML采购约11.95万亿韩元EUV设备，交易截至2027年底完成，用于新产品量产；分析师称这些设备将用于龙仁工厂和清州M15X工厂，覆盖HBM和先进DRAM生产。

美光在财报材料中表示，将2026财年资本开支计划从180亿美元上调至约 200亿美元，主要用于支持HBM供给能力和1-gamma DRAM供给，并且正在提前设备订单、加快安装节奏。

第三，先进封装：CoWoS、C2S、C2W正在成为AI芯片交付瓶颈；在AI时代，先进封装设备正在成为这轮周期中弹性最高的部分之一。台积电披露，CoWoS产能在2022-2027年的复合增速预计超过80%，AI加速器晶圆需求在2022-2026年预计增长11倍。

因此，在半导体设备领域，AI算力需求正在重新打开一个前道+后道+测试+厂务的设备大周期。

结语

今天，头部的半导体设备商卖的已经不仅仅是冰冷的机械、精密的镜片和复杂的算法，他们卖的，本质上是晶圆厂和科技巨头最稀缺的资源——AI时代的产能兑现能力。

在这场重新洗牌的定价权博弈中，并不是所有设备商都能平分秋色。真正的赢家，是那些牢牢站在先进逻辑工艺、HBM堆叠、先进封装（如CoWoS）、高端芯片测试等关键工艺节点上的绝对头部玩家。他们手握不可替代的技术壁垒和产能钥匙，正以前所未有的姿态，改写着整个半导体行业的利益分配格局。

本文来自微信公众号 “半导体行业观察”（ID：icbank），作者：杜芹DQ，36氪经授权发布。

“现在的油车，就是当年的马车”

汽车公社 — Sun, 21 Jun 2026 07:01:34 +0000

毫无疑问，电动化的趋势，在全球汽车市场已经到了蓬勃爆发的阶段。

1-5月，中国新能源汽车累计销量为580.2万辆，同比增长3.5%；其中国内销量397万辆，出口183.3万辆。前4个月，欧洲市场售出的新车中，超过五分之一是纯电动汽车。根据欧洲汽车制造商协会（ACEA）的数据，1-4月，电动汽车占新车注册量的20.9%。

对于国内消费者来说，新能源汽车的渗透率持续攀升，是一种自然而然的结果。但是对于国外一些消费者来说，受制于一些客观因素的影响，电动化的进程速度虽然不比国内，但外国车企们已经嗅到新时代来临的气味。

最近，大众汽车负责销售、市场营销和售后服务的董事会成员马丁·桑德在接受采访时表示，从汽油车到电动车的过渡，可能比许多人预想的更自然。他甚至打了一个比方：“现在的油车，就是当年的马车”

而其中最关键的问题是，“当年马车什么时候被禁止过？答案是从未禁止。”

人们只是在汽车更便捷、更高效之后，自然而然地放弃了用马车作为日常交通工具。桑德认为，行业花了太多时间讨论内燃机禁令，却忽略了电动车真正吸引消费者的地方。长期来看，电动车的普及应该源于消费者的自愿选择，而不是政府的强制推行。

01 马车并没有消失

眼下，虽然欧美许多消费者还在担心充电设施、车价和长途使用问题，但车企对电动化的热情并没有减退。桑德觉得，围绕电动车的讨论太关注法规和截止日期了，反复谈论未来禁售燃油车，反而会让那些还满意于汽油车的消费者感到被疏远。

他认为，汽车制造商和政府应该把力气花在改善充电网络、降低用电成本、突出电动车日常使用的好处上。比如更安静、保养成本更低、起步加速更快，这些实实在在的优点会慢慢赢得用户。

“只要这些条件到位，到2035年，还想买燃油车的客户比例可能只剩下3%、4%、5%。”“当然，燃油车未必会彻底消失。就像马车今天仍然用于休闲或爱好者活动一样，几十年后汽油车很可能也保留一个小众市场。”

桑德的马车类比听起来有点夸张，但也清楚说明了大众汽车对市场走向的判断。技术进步和基础设施完善了，电动车普及率自然会稳步上升。就像过去很多年中国汽车市场所发生的一切，如今的消费者已经越来越清楚新能源车型所提供的价值。

所以，这场从燃油车到新能源汽车的转变，更像是消费者偏好的缓慢迁移，也不是一蹴而就的事情。

当然，很多人认为这个预测准不准还不好说。汽车史上很多技术一度看似势在必行，最后却被市场现实拖慢了脚步。即便如此，各大车企仍在积极准备迎接电动车占更大份额的未来。眼下真正的挑战是如何让持怀疑态度的人相信，电动车是日常出行的最佳选择。

值得注意的是，这项预测之后，主要市场的纯电车型普及速度确实出现了放缓迹象。中国虽然电动车渗透率依然很高，但美国因补贴减少，销量大幅下滑。欧洲则从“零排放强制令”转向了更灵活的“减排”目标，为插电式混合动力和增程器技术留出了空间。

虽然市场在调整，但大众汽车通过动力形式的区别对不同市场进行了针对性的投放。在欧洲，畅销小型燃油车Polo的电动版本ID. Polo要推出，以及备受诟病的ID.3会大幅改款。不久后还会上市ID. Polo GTI，今年晚些时候ID. Tiguan也将发布。

而在中国，大众汽车展厅主推的是更多针对当地市场的大型SUV。大众很清楚来自中国汽车的竞争压力。桑德说，在中国的成功，会帮助大众为英国和欧洲市场打造更好的车。“我们在中国学到的一切，都将帮助我们保持全球竞争力，关键在于规模、效率和成本。”

当然，不止是大众汽车，许多欧洲主流品牌最近都扩大了电动产品线。宝马正准备推出新款i3轿车，据称充满电能跑559英里，充电10分钟就能增加249英里续航。梅赛德斯-奔驰的CLA EV在独立测试中也超过了EPA标称值，满电可行驶385英里。

与此同时，不断上涨的油价也让一些原本犹豫的车主开始重新考虑电动车。

02 场景化用车决定动力形式

实际上，就在几天前，知名汽车大V韩路也在其社交媒体上发布了一段关于家用车动力形式发展的观点。他认为，按如今电池进化、车辆能耗进化、补能速度进度（充电、换电），基本上29年再发布的非越野车、硬派SUV之外，完全没什么必要再发带发动机的家用插混（含增程）车了。

“至于说插混（增程）的归宿，首先肯定是全面替代燃油车，到了29年燃油车已经基本上只剩下6-8缸超大排量的情怀车了。插混（增程）车型未来会一直存在，发挥的场景99%就是越野及长途穿越，越来越向小众专业车型转移。”

他表示，26-27年是大家还能买到常规非越野车的插混（增程）车型的末年，基本上从28年开始就会大幅度减少各种普通轿车、SUV、MPV的插混（增程）存在，到了29年预估市面上新车80-90%都是纯电的了。

其实不难看出，无论是韩路还是桑德的判断和言论，放在眼下全球电动车市场增速加快的背景下，还是显得非常大胆。但同时，两者在大方向上保持着高度一致，纯电主导的市场格局即将到来。

而这一点，也是有数据可以作为支撑的。就在日前，乘联会公布了2026年5月各价格段的内部动力的销量结构，能够很清晰的看到燃油、HEV普混、插混、增程和纯电这5总动力形式的分布。

比如在5万元以下的市场，只有纯电和燃油两种车型，其中前者占比91.5%，后者占比8.5%。在5-10万元的市场，纯电依旧是大头占了64.7%，燃油占比26.7%，插混占比8.2%，HEV和增程合计占比0.5%。

不过在往上一点价位的细分市场中，情况略有不同。比如10-15万元的市场，燃油占比最高为38.2%，但纯电也在缩小差距为37%，插混紧随其后为19.7%。这样的分布特点，也同样适用于15-20万元的细分市场。

反而是到了20-30万元的细分市场，情况较为特殊。纯电在这里占比超过份额的一半为54.4%，燃油占比仅为24.7%，排在后面的增程也不高仅为10.4%。但是在30-40万元和40万元以上的市场，排在前三的分别是燃油、插混和纯电。

也就是说，在这7个价位段的细分市场中，纯电份额超过半数的细分市场总共有3个，与燃油平分秋色的市场有1个，与插混不相上下的市场有2个。而更重要的是，与去年同期相比，5个细分市场里面，纯电的增幅都是最大的。

另外，2026年5月，中国燃油乘用车市场遭遇重大下滑，销量同比下降39%，市场份额降至37.1%，创下历史新低。

其实就像很多分析所说的，纯电时代的快速到来还有更多的因素在推动，比如动力电池成本下降使得纯电车型售价不断下探，电池技术升级和快充基础设施的完善也缓解了消费者的续航焦虑，提升了纯电车的市场竞争力。

当然，这并不意味着燃油、插混、HEV和增程车型会一夜之间消失。所以桑德和韩路都表达出，不同动力形式的车型会支撑不同的场景化车型：大马力情怀车、越野车、家用车等等。

本文来自微信公众号 “汽车公社”（ID：iAUTO2010），作者：杨晶，36氪经授权发布。

大脑过载的5大反常信号，中招就说明你此刻判断力已经下滑了

神译局 — Sun, 21 Jun 2026 07:01:34 +0000

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：大脑过载时，人的判断力会悄悄下滑。而且反常的是，有时候大脑越累，我们反而越会觉得自己思维敏锐、自信高涨，从而被误导。做好精力管理，我们才能避免因认知疲劳做出误判，保持决策质量与工作效率。本文来自编译，希望对您有所启发。

图片来源：Mangojuicy/Adobe Stock

2011 年，一项针对以色列法官的研究显示：一天庭审刚开始时，犯人获得假释的概率约 65%；每段审理临近结束，假释概率几乎跌至零；短暂休息过后，概率又回升至 65%。

法官本人没变、案件难度相当、犯人类型也无差别，真正改变的，是法官的大脑认知精力。

我在和企业管理者共事时，总会想起这项研究。虽说管理者不用审理假释案件，但背后的规律一模一样。一旦大脑负担超出临界值，思维质量会悄悄变差，我们自身却很难察觉。大脑不会主动发出预警，反而会释放出迷惑性信号，主要分为五种典型表现。

一、自我感觉思维敏锐

大脑超负荷运转时，会出现一种矛盾状态：注意力高度集中。大脑为节省精力，会主动收缩视野，忽略周边信息。

这时你会觉得自己思路清晰、状态在线，可实际上已经陷入思维盲区，察觉不到团队情绪、邮件里隐藏的关键信息，还有眼前问题暗藏的战略风险。

高压下的管理者常常误以为自己状态绝佳，殊不知思考广度已经大幅缩水。这种只顾一点、不及其余的专注，并非思维优势，而是大脑过载的典型症状。

二、自信心莫名高涨

更反常的一点是：大脑负担越重，人反而越自信。

精力不足时，大脑会切换成第一思维模式，依靠直觉、经验和固有套路快速判断；负责理性审视、反复推敲、寻找反证的第二思维模式会率先罢工。内心质疑的声音消失，我们就会误以为自己的判断绝对靠谱。

多项研究证实，大脑过载状态下，人们决策质量不断下降，对自身判断的信心却反而更强。如果连续高强度工作几周后，你几乎不再产生任何疑虑，这未必是思路通透，大概率是自我审视机制已经失效。

三、行事变得越发果断

研究发现，大脑负荷偏高的人，接收新信息后会更快做出决断，决策冲动度提升 22%。

职场向来推崇果断决策，行事干脆、不犹豫不决的管理者也备受认可。正常情况下果断没问题，但过载状态下的快速决策，缺少理性层面的核查把关。

判断看似利落笃定，实则跳过了严谨推敲环节。倘若你做决定一味求快、偏爱熟悉方案、排斥新思路，就需要警惕自身思维状态。

四、更容易对他人心生厌烦

这个信号相对隐蔽。研究表明，大脑过载会削弱共情能力，难以感知他人情绪变化。

这并非人品变差，只是精力分配不足。逻辑思考和人际共情共用大脑算力，精力透支时，大脑会自动缩减社交感知投入。

身处这种状态的管理者，不会察觉到自身变化，只会觉得同事办事不力、会议氛围紧张、团队越来越难管理，烦躁情绪随之产生。没法读懂他人想法，就无法预判对方行为，相处和协作自然变得吃力。

五、频繁犯下低级失误

这是最直观明显的表现。长期用脑过度，短时记忆会频频出错。

失误不会出现在陌生复杂的工作里，反而集中在日常熟手的事务上：漏掉常规邮件、回复消息出现简单语病、开会忘记带提前备好的文件。

这类反常疏漏，都是记忆过载导致的。大脑同时处理太多事务，最先出错的就是日常基础工作。多数人将原因归结为疲惫，疲惫确实有影响，但背后本质是大脑存储和运算能力已经超负荷。

应对大脑过载的实用办法

常见的多休息、勤放松建议不算错误，但只属于事后恢复，没办法从根源规避问题。可以试试下面两种科学方法。

第一，预设行动准则。提前定下特定场景的决策规则，比如：睡眠时间不足四小时，重大决策必须找人复核。

提前做好自我约束，就能在理性思维失效时，依靠既定规则规避失误，不会仅凭直觉草率定论。

第二，贴合作息节律安排工作。把耗费高强度脑力的事务，安排在大脑状态最佳时段，而非单纯看日程空档。

多数习惯早起的人，睡醒后两到四小时思维质量最优。错过黄金时段，战略思考能力会大打折扣，做出的决策也容易暗藏隐患，就像研究里法官的判决偏差一样。

预防远比补救更有效。更关键的是，人很难主动承认自己判断出错。当年参与研究的法官得知结果后，全都拒不认同，坚信自己全天判决公正统一，宁愿怀疑数据有误，也不肯承认自身判断受精力影响。

我们对自我判断的自信程度，往往和判断本身的准确度毫无关联。

译者：Teresa

不止智商与情商：AI 时代，五大商决定你的不可替代性

神译局 — Sun, 21 Jun 2026 07:01:33 +0000

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：智商与情商已经不足以让我们在AI时代游刃有余，我们还需要信商、勤商与远见商。本文来自编译，希望对您有所启发。

[图片来源: Azizi/Adobe Stock]

在上个世纪的大部分时间里，人们都认为人的潜能可以通过智力衡量，各类体系也都以此为基础建立。智商便是评判标准。只要具备出色的分析能力、专业素养与敏捷思维，就能获得更多机遇，升学、求职都会以此作为筛选依据，相关行业也随之兴起，专门发掘并培养高智商人才。

后来人们发现，单凭智力远远不够。徒有专业能力却缺少人文温度，只会拉大人际距离，难以建立信任。许多纸面履历亮眼的管理者，也无法有效凝聚团队人心。于是情商的价值被重视起来，它代表倾听共情、察言观色、理解人心而非只解读信息的能力。一时间，人们仿佛找到了理想的能力组合模式。

而人工智能的出现，再次打破了这套认知。人类历史上首次出现大规模在智力层面超越人类的智能系统。人工智能几秒内就能整合海量知识，还能模拟出逼真的情感表达，真情共情与算法应答的界限日渐模糊。这也引出一个尖锐问题：倘若智力可被生成、情感能够模拟，人类独有的核心价值究竟还剩什么？

答案是，未来的佼佼者，需要兼备五种核心素养：智商、情商、信商、勤商，以及最为关键的远见商。在人工智能时代，远见力或将成为人类独有的核心竞争优势。

信商

信任在当下常常被低估，人们总将它等同于好感度、熟络关系或是客套寒暄。事实并非如此。信任是在压力之下积淀而来的可靠口碑，是局势不明、利害凸显时，他人对你托付的信心。信任建立缓慢，崩塌却只在转瞬之间。

如今虚假信息、篡改内容、深度伪造视频与算法偏差无处不在，信任不再是可有可无的软实力，而是如同基础设施一般不可或缺。机构运转、市场运作都离不开信任，缺乏公信力的管理者，终究无法经受现实危机的考验。人工智能或许能在特定场景模拟可靠表现，却无法承担道德责任。机器不会受到良知拷问，不会权衡取舍，也不必为失误付出代价。面对关键抉择，人们依旧会依照人类积累的真实履历，判断值得信赖的对象。

勤商

埋头苦干的做事态度渐渐不再被推崇。大家推崇效率优化、借力工具、智能自动化与生活平衡，这些理念本身都具备价值，但不少人渐渐把便捷省事当成了事业成就。

敬业勤恳不等于刻意熬夜内卷、透支身体，而是在最初的热情褪去后，依旧坚守自律，保质保量完成全程工作。创意想法随处可见，踏实落地却寥寥无几，想法与成果之间，永远需要有人默默深耕琐碎繁杂的工作。

人工智能拥有近乎无限的续航能力，运算速度远超人类，不知疲惫、不会分心沮丧。既然机器作业效率碾压人类，人类劳动的核心价值又体现在何处呢？

不在于工作量多少，而在于责任与判断。人类能够察觉到数据正常之下潜藏的问题，愿意为最终结果全权负责，而非只机械完成分内任务。机器可以无间断处理事务，却无法怀揣使命感对待工作，这正是人类不可替代的价值。

许多人应对人工智能的思路本末倒置，执意和机器比拼分析、整合、产出速度，这场比拼人类注定落败，也毫无意义。真正的出路，是深耕机器难以复刻的人类特质：判断力、直觉思维、创造力与前瞻眼光，在线索尚不充分时预判未来趋势，这才是全新的发展方向。

远见商

人类文明每一次跨越式进步，都始于先人一步的眼界。发明家执着钻研旁人眼中不可能实现的技术；创业者开拓尚未成型的市场；科学家在数据佐证前坚守假说；政治家在对立僵局中谋求和解。

文明进步从来不是单纯高效处理信息带来的，而是源于人们突破固有局限的远见，这便是远见商。

远见商，指在事实依据出现前预判潜在可能，融合直觉与想象力，洞察尚未成型的趋势，笃定投身数据无法推演的目标。人工智能依托海量数据总结规律提出问题，却无法自主构想全新未来。机器只会优化现有事物，人类却能创造前所未有的新生事物。

二者的差距远比表面看上去更大。人工智能基于已有数据与现实规律训练，所有输出结果都是现有内容的延伸推导。而人类的远见往往敢于打破既定现状。历史上重大突破，最初都难以获得大众认同，源自人们敢于突破时代认知局限的想象。飞行器、国家制度、疑难病症疗法，都无法由机器自主构思诞生。人类凭借想象力、坚定信念，不惧屡次试错，最终创造出新的可能。

全新领导力评判标准

未来顶尖的领导者，不再只依靠出众智商或是圆滑的情商处事。优秀管理者必须同时兼备五大素养：依靠智商剖析复杂难题，凭借情商维系人际联结，依托信商赢得长久信赖，秉持勤商踏实落地执行，运用远见商构想全新未来。这样综合全面的能力组合十分难得，而时代机遇向来眷顾全能型人才。

假以时日，人工智能写作、运算、诊断、游说的速度都会赶超人类，能够产出海量答案、模拟各类场景。但它无法独自构想未知未来，也无法凝聚勇气、付出代价去铸就未来。

这也注定远见商会成为五大素养中最重要的一项。人工智能可以优化未来发展路径，而唯有人类，能够真正开创未来。

译者：Teresa

市值蒸发324亿，甘肃银王“翻车”坑惨了7.4万股民？

金融八卦女 — Sun, 21 Jun 2026 07:01:33 +0000

五个月前，上市公司盛达资源还是有色板块最靓的仔，号称白银储备量近万吨，年采选能力198万吨，搭上了“白银龙头”“光伏”“太空算力”等概念，一年内涨幅超过400%。

如今，这家公司的股价从高点的73.47元跌到了26.34元，市值蒸发了324亿。2025年2月股东户数才3万人左右，一年后的股价来到高位区间，股东户数直逼9万人，到现在也还有7.4万人，这波过山车行情后，大部分股东都被深度套牢，血本无归。

盛达资源背后的实控人赵老板，被誉为“甘肃银王”，控制了盛达资源和皇台酒业两家上市公司，如今这两家公司都发出公告，公司及实控人因为信披违规收到了证监会的《立案告知书》，看来是遇到了不小的麻烦。

1. / 7.92亿资金占用案，引来监管立案 /

近日，盛达资源和皇台酒业两家甘肃上市公司接连发布公告，实控人赵满堂和盛达资源同步收到证监会的《立案告知书》，因涉嫌信息披露违法违规，被证监会立案调查。

两家上市公司都没有公布涉案的具体原因，不过，盛达资源在公告中发布了一个自查说明：

2025年4月29日，公司披露了《关于公司自查发现控股股东及其附属企业资金占用并已解决等情况的公告》，对公司控股股东及其附属企业非经营性资金占用情况进行了披露。

截至本公告披露日，公司已收回全部被占用资金及占用利息。公司已积极对相关问题进行整改，公司将依法履行相关信息披露义务。目前，公司生产经营活动正常开展，该事项不会对公司生产经营产生重大影响。

盛达资源去年4月发的公告中说，2024年2月至12月期间，公司控股股东甘肃盛达集团有限公司及其附属企业存在间歇性非经营性占用公司资金的情形，截至2024年12月11日，公司已收回前述全部被占用资金。

根据资金占用金额、资金占用天数，公司按3.85%的年化利率向其收取前述资金占用利息，截至2025年4月29日收到利息360.14万元，对应年化资金占用余额为9354.29万元。2024年2月至12月期间，滚动累计发生非经营性占用公司资金7.92亿元，日占用资金最高余额为2.75亿元。

皇台酒业则在最新公告中称，实控人赵满堂被立案调查的事情，“经核实，此事与公司无关，不会对公司生产经营造成影响。”

截至今年4月初，盛达集团及一致行动人北京皇台贸易有限责任公司、甘肃西部资产管理股份有限公司，合计持有皇台酒业29.97%的股份。其中，盛达集团持股比例为11.28%，另外两家则为13.9%、4.79%。

而皇台酒业的股权结构则更复杂，赵满堂也没有直接持有皇台酒业股份，而是通过名下的天水金都矿业有限公司、赵海峰等企业和自然人100%持股的甘肃盛达集团有限公司，间接控股皇台酒业。赵满堂虽然是实控人，但是没有在皇台酒业任职，2019年4月以来，皇台酒业董事长由赵海峰担任。

赵海峰是赵满堂的长子，生于1982年，兰州大学区域经济学博士，曾任兰州市政府部门职员（2007-2017年），2019年接任甘肃盛达集团董事长，也当过盛达资源的副董事长。

不过，目前盛达资源的高管名单中已经没有赵海峰的名字，董事长为赵庆，是赵满堂的二儿子，生于1984年，毕业于英国埃塞克斯大学和约克大学，研究生学历。

除了他俩，盛达资源高管中还有两个赵家人，赵敏和赵彦全，年龄分别为40岁和35岁，比赵庆更小，都担任着非独立董事：

资料显示，赵敏为赵满堂的三女儿，毕业于美国丹佛大学，当过美国布朗兄弟哈里曼银行基金分析师，以及华龙证券投行部项目经理等，是个妥妥的金融女强人。

不过，赵彦全和赵满堂的关系，只披露为“关联人士”。

人丁兴旺的赵家，背靠两家上市公司，时常登上各大富豪榜。2022年，赵满堂家族以55亿财富位列《2022胡润百富榜》第1127位。而今年3月的《2026胡润全球富豪榜》中，赵满堂家族以125亿位列全球富豪第2559位。

对赵满堂家族来说，这回已经不是第一次因资本市场违规被监管问责。

2018年，赵满堂控制的盛达集团通过他人账户代持、隐瞒股份质押、未完整披露上市公司权益变动信息，受到监管罚款，赵满堂本人被警告并罚款20万元。

2020年，赵满堂因短线交易违规收到深交所监管警示函。

2023年，皇台酒业和董事长赵海峰以及一众当事高管，收到了深交所的监管函，因为在年报中，有两笔关联交易没有如实披露。

2. / 下海潮成就“甘肃银王” /

赵满堂的创业路，称得上是飞速扩张。

90年代的他是天水市一个公务员，在全国的浪潮中放弃铁饭碗，选择辞职下海，创办了天水金都实业有限公司。

到1998年，他将总部迁到了兰州，成立了盛达集团前身甘肃盛达集团股份有限公司，旗下已经拥有30多家实体企业。

2002年，盛达集团出资全面收购了兰州金城宾馆，当时这家宾馆正陷入经营困境。

2004年，甘肃盛达集团投资1.2亿元，在天水市麦积区建成总面积4万平方米的金都商城，成为当地标志性建筑之一。这个商城在赵老板手上做大做强，短短两年后，销售总额就超过1亿元。

这几家公司，都是赵满堂创业起步的主体，也是盛达集团的主要股东。

2008年，赵满堂通过盛达集团以6547万元受让威达医械23.32%股权，成为第一大股东。2011年，赵满堂通过借壳重组，把银都矿业的资产注入上市公司，并将公司改名为盛达矿业，后更名为盛达资源。

2016年至2025年十年间，盛达资源在全国范围内到处收矿。截至2025年末，该公司拥有9家矿业子公司，包括银都矿业、金山矿业、光大矿业、金都矿业、鸿林矿业、东晟矿业、德运矿业、伊春金石矿业和广西金石矿业。2026年初，盛达资源宣布拟以2.7亿元现金收购广西金石55%股权。

2018年，盛达集团投资建设了西安汉城妇产医院（现西安经开妇幼）。

2019年，赵满堂还接手了皇台酒业，由大儿子赵海峰上任董事长，当时号称要“在3-5年内形成一定市场规模”还要“在10年内使‘南有茅台，北有皇台’实至名归”。就目前看，都7年了，这目标还有一段距离。

就这样，30多年的时间过去，赵满堂的生意逐渐铺开，挖矿、白酒葡萄酒、文旅、地产、健康，还有巨大的金融版图。

首先是银行业务。早在2007年，盛达集团就已入股兰州银行，截至今年3月底，持股数量接近2.8亿股，持股比例4.92%，为第五大股东。同期，盛达资源持有该行1.55亿股，持股比例2.72%，合计持股比例7.64%，为合并第三大股东。赵满堂也担任了兰州银行董事。另外，盛达集团作为第一大股东，投资组建了天水麦积合作银行和天水秦州合作银行，还曾作为主发起人，联合甘肃其他企业，共同筹建西部银行。

其次是资管版图。盛达集团与长城资产管理公司、甘肃金控集团一起，投资组建了甘肃长达金融资产管理有限公司。该公司是甘肃省仅有的两家地方资产管理公司之一，主营业务为不良资产收购处置、企业债务重组等。

此外，盛达集团还成立了多只基金，冲进一级市场扫货。业务简介显示，该集团投资的甘肃国投盛达基金管理有限公司和甘肃中联资本管理有限公司，已投多个甘肃省拟IPO项目。

盛达资源出资16.65%、国投盛达出资0.99%的甘肃高技术服务业创业投资基金合伙企业，持有新三板公司定西高强9.94%股权。长达资产与赵满堂间接出资的一家企业，通过天津盛开鑫达投资管理合伙企业，间接持有新研股份4.12%股权。

3. / 减持、质押疯狂套现，7.4万股民踩雷 /

进入股市后，赵家人就开始逐步套现。

首先是在2014年底和2020年，盛达集团和赵满堂家族在二级市场减持了盛达资源的股票，单次套现金额都上亿元。（2014年三日套现约3.36亿元，2020年单次减持套现约1.1亿元）

更绝的是2023年的一次减持，四家券商为他打call：2023年3月份，申万宏源研究所发布研报《盛达资源，银价上行高弹性，白银龙头量价齐升》，长江证券高调发布《白银龙头，时代重估》，海通证券发布《白银龙头，拟加速布局贵金属和新能源矿产》，中原证券发布《银价有所回暖，业绩有望逐步修复》，四篇研报都在吹盛达资源是中国的白银龙头，买买买。

吹完股价就涨了，一到月底，盛达资源发了公告，说大股东甘肃盛达集团减持了1044万股，减持均价15.88元/股，套现1.6亿。

最近赵满堂家族倒是没有直接减持，但他们把手上的持股拿去质押，借了不少钱。

盛达资源6月12日披露，该公司董事长赵庆，持有的1000余万股解除质押后，旋即又将所持约1076万股、占全部持股55.82%的股份，质押给了当地一家银行，用于为盛达集团融资提供担保。赵庆共持有盛达资源1927万股，持股比例2.79%。

没过几天，盛达资源6月15日又发布一份《关于股东部分股份解除质押及质押的公告》，公司于近日收到股东赵庆通知，获悉其所持有公司的部分股份解除质押及质押。

截至公告披露日，赵满堂、盛达集团、三河华冠资源技术有限公司、赵庆合计控制公司2.86亿股股份，占公司总股本的41.48%。但截至公告披露日，前述一致行动人共有约2.36亿股股份处于质押状态，占其所持股份的八成以上，约占公司总股本的34%。

此外，盛达集团持有的皇台酒业、兰州银行股权，也有部分已被质押。截至今年3月底，该集团持有的兰州银行股份，处于质押状态的为共计9920万股。所持皇台酒业股权，则有890万股处于质押状态。

说起来，减持质押就算了，高位接盘盛达资源的股民，如今都成了“最受伤”的人。

2025年，金银价格一路狂飙，盛达资源就此成为有色板块最靓的仔。

他家号称白银储备量近万吨，年采选能力198万吨，是甘肃省的“白银龙头”，由于白银产量的一半是工业用，工业用银的三成以上是光伏用，所以盛达资源又搭上“光伏”和“太空算力”的概念，一年的时间，股价从将近14元涨到最高73.47元，涨幅超过400%。

结果，冲高后就是一落千丈，盛达资源的股价在5个月内从高点的73.47元跌到了26.34元，市值蒸发了324亿。

这一路大跌下来，几万散户被套在里面。

根据公开数据，2025年2月10日股价启动前，盛达资源股东户数仅约2.89万户；将近一年的时间，2026年1月30日股价见顶前后，股东户数一个月内激增超4.7万户，达到约8.95万户，股价来到高位区间。

到现在，盛达资源股东户数还有7.4万人（5月29日最新披露数据），这波过山车行情后，大部分股东都被深度套牢。

好在，现在他们可以提起诉讼减少自己的损失。

根据证券法及相关司法解释，因虚假陈述受损的投资者可提起民事赔偿诉讼，即使投资者目前已不再持有该公司股票，只要在索赔区间内曾买入并产生亏损，依然有权主张赔偿。盛达资源投资者可主张权利的参考时间段为：在2021年6月15日至2026年6月15日期间买入，并在2026年6月16日之后卖出或仍持有而亏损。

#盛达资源#皇台酒业#白银龙头#赵满堂#甘肃富豪#消费#白银#黄金#金价#投资

参考资料：

《一字跌停！股价重挫62%，A股白银龙头被立案，7.4万股民踩雷》21世纪经济报道

《200亿白银龙头股跌停！公司及实控人赵满堂双双被立案调查，背后牵出7.92亿巨额资金被占用，3月刚入选胡润全球富豪榜，超7万股民受波及》红星资本局

《甘肃富豪赵满堂因何被查》第一财经

本文来自微信公众号 “金融八卦女频道”（ID：baguanvpindao），作者：兴华，36氪经授权发布。

为AI芯片“续命”，中国人造钻石等来了大机会

正解局 — Sun, 21 Jun 2026 07:01:33 +0000

AI带火了内存芯片，上游的氦气、特种金属、变压器等也跟着涨价了。

没想到的是，连人造金刚石（人造钻石）价格也被AI拉了起来。

今年上半年，金刚石行业超过八成的企业都发布了涨价函。

看起来“风马牛不相及”的金刚石，对AI有多重要？

AI芯片，要靠中国技术“续命”？

01 散热能力就是算力

今年3月，英伟达在年度开发者大会上官宣，下一代GPU使用Vera Rubin平台，单芯片功耗突破2300W，热流密度超过1000W/cm2，传统铜铝散热方案已达到物理极限，将全面采用“金刚石-铜复合散热+液冷”方案。

黄仁勋说，芯片不需要额外的冷却器来冷却。

黄仁勋展示的下一代GPU产品

包括一颗Vera CPU 和两颗巨大的Rubin GPU

同时，AMD也同步推出搭载金刚石冷却系统的MI350X AI服务器。

两大巨头类似的技术路线，正式将金刚石推高至AI算力散热的标配核心地位。

AI芯片散热正式进入“材料革命”时代。

新技术的拓展量产一定会带来供应链的转向，这次就落到了金刚石行业。

为什么两大巨头要改散热技术路线？

在厘清背后逻辑之前，有必要先搞清一个问题，散热对芯片算力的影响有多大？

举个例子，用手机玩游戏或者刷视频，时间长了机身就会发烫。

如果散热不好高温不降，屏幕就开始变暗，游戏疯狂掉帧。

此时，再不让手机冷静下来，就该弹出高温警告强制关机了。

“高温”能决定手机的使用上限，每一枚AI芯片背后的热浪滚滚，也决定着AI算力的上限。

AI大模型训练的本质是规模空前的并行计算。

当今高端芯片的热设计功耗，已迈入1000W甚至1200W的千瓦级时代，第三代半导体器件的热流密度更是突破500W/cm²。

可以想象一下，将1000W以上的发热功率集中在指甲盖大小的芯片上，单位面积的发热量超过了火箭发动机喷口的热流密度。

功耗高达8000W的英伟达Blackwell B200平台

大家用手机都害怕突然变烫，芯片更怕烫。

芯片在温度过高时会触发热降频保护机制，自动降低频率以减少发热。

芯片一旦发烫，算力就会打折。

数据表明，温度每升高10℃，芯片性能损失约3-5%。

如果芯片工作温度在70-80℃，温度每升高2℃，性能就会降低10%。

芯片测试时大多都是针对单个芯片，但在AI大规模运算中，往往是把数千计算核心集成到很小的体积内，热量更是以指数级的速度积累。

大量热量包裹在芯片周围，无法散出，每一个机柜内部都是一座火焰山。

超算中心装满芯片的柜子

更要命的是，高温还会大幅缩短半导体器件的寿命。

芯片领域有一个“10度法则”，是说在芯片的正常工作温度范围内，芯片温度每升高10℃，其运行寿命就减少一半。

在大型超算中心，一台AI服务器造价高达数十万甚至上百万元，过早报废将直接推高成本和开支。

可以说，散热能力就是算力，散热为AI“续命”。

在金刚石之前，主流散热技术路线主要是风冷、液冷和被动散热。

风冷比较常见，就是依靠风扇吹拂散热鳍片带走热量，液冷则是利用液体的高比热容和高导热系数来散热。

被动散热是通过高导热材料、热管和相变材料等无源方式实现热量的转移。

常见的铜铝散热器

这些方式，都有不足，难以满足AI芯片散热的要求。

为了散热，各家企业“绝招”频出。

微软直接将服务器沉入海里，利用海水常年10~15℃天然冷源，带走热量。

腾讯依托贵州独有的喀斯特山体开凿山洞机房，山体厚达上百米，洞内常年稳定18-22℃恒温恒湿，相当于天然巨型保温冷库。

腾讯七星数据中心

最终，各大厂家将目光锁定在金刚石。

02 超级导热能力

一说起金刚石，大家会想到最硬。

其实，散热技术上，金刚石也具有天然的超级导热能力。

金刚石是目前已知导热性能最好的材料，其2000-2200W/(m·K)的导热率，是铜的5倍，铝的8倍，碳化硅的4倍，以及硅的13倍。

几种人造金刚石

这种优势在极端场景下的表现得更为惊人。

在实验环境中，使用全金刚石基的微通道散热器，已成功实现10000W/cm²的超高热流密度散热。

相比之下，芯片满载瞬间的局部热点都显得有点弱爆了。

金刚石天然的热膨胀系数，也令其成为目前散热的最优解。

芯片工作时冷热交替，体积会像呼吸一样轻微地热胀冷缩。

如果散热材料的膨胀程度与芯片不一致，两者之间会产生巨大的应力，最终导致芯片翘曲或者焊点开裂，影响后续散热。

金刚石跟硅是一族的，热膨胀系数与硅、碳化硅等主流半导体材料高度匹配。

这意味着，它能与芯片实现热胀冷缩中近乎完美的“同步呼吸”，显著提高芯片和散热界面的可靠性和稳定性。

金刚石硅复合散热基板

另外，金刚石在散热领域中的降维打击，还在于绝佳的绝缘性。

铜、铝等金属确实是热的优良导体，但同时它们也是电的优良导体，所以无法直接接触芯片内部的微小电路，否则会引发短路。

因此在被动散热中使用金属散热器时，中间必须垫一层导热膏或导热垫片做电气化隔离。

金刚石本身就是优良的电绝缘体，能紧贴着芯片做到“肌肤相亲”式的吸收热量，完全不必担心任何电气干扰。

对于追求极致信号完整性的高频AI芯片来说，这一优势至关重要。

除了以上这些优势，金刚石本身稳定的物理化学性质和反应惰性，也让它能在极端环境中发挥稳定。

MSI公布的新一代散热架构

显然，任何散热技术只依靠材料本身的优良特性都是远远不够的，还必须与其他技术协同，创造出1+1>2的效果。

英伟达的H200 GPU采用金刚石-碳化硅复合材料，峰值算力提升40%，且无降频。

金刚石散热还能与液冷技术协同应用，将GPU的热点温度降低10-20℃，可实现25%的超频，算力可较传统散热方案提升3倍。

在AI芯片领域，金刚石散热技术已是不二之选。

03 中国金刚石独步全球

需要说明的是，散热需要的金刚石，不是天然宝石。

因为天然金刚石的纯度不够，有的甚至包裹有微量的挥发物质，一受热就会爆掉，所以必须用纯度更高，更完美无瑕的人造金刚石。

说起人造金刚石，这跟中国的关系就大了。

正解局在《钻石卖不动了！商业史上最大“骗局”，被河南戳破了》一文中介绍过，中国的人造金刚石产业全球第一。

2025年，我国人造金刚石产量已占全球总产量的95%。

其中，工业级金刚石产销量均占全球90%以上，行业总产值突破170亿元人民币。

凭借压倒性的生产能力，我国占据着全球市场的绝对主导地位。

中国人造金刚石生产供需数据

不只产量大，在人造金刚石的制造技术上，中国还在大踏步向前。

2025年，吉林大学与中山大学合作合成高品质六方金刚石块体，硬度较传统立方金刚石提升40%，热稳定性超过1100°C，为极端环境应用创造了新可能。

在散热技术上，中国也在寻求突破。

2023年，华为与哈尔滨工业大学、厦门大学合作开发出硅/金刚石三维集成芯片混合键合技术，可使芯片最高结温降低24.1°C，为AI芯片的直接热集成打通了产业化路径。

去年9月，西安电子科技大学郝跃院士团队实现了氧化镓与多晶金刚石的高效键合，界面热阻降低至传统技术的约1/10（仅2.82mm²·K/GW）。该成果为高功率电子器件散热提供了全新思路。

我国的金刚石产业发展多年，具有成熟的产业集群，不但包括金刚石产品研发、大规模生产和销售，还形成了从原料合成到高端制品的完美闭环。

能提供高温高压的人造金刚石培育装置

闭环之上最大的“中国特色”是巨大的价格优势。

中国的人造金刚石把1克拉珠宝级培育钻石的零售价从2020年的8000元，打到现在的3500元，批发价低至1800元。

这样的价格，在国际市场毫无对手。

据预测，2030年全球AI芯片市场规模将达到3万亿元，随之带来的金刚石散热市场，将有望提升至1500亿元。

当然，除了芯片散热的应用，在新能源汽车、5G/6G基站、轨道交通等高功率芯片领域，金刚石散热技术同样将会迎来巨大的增量市场。

目前，全球95%的人造钻石产自中国，美国99%的工业钻石依赖中国进口。

有成熟高效的产业链，有可推广的技术能力，再加上新型散热技术研发的科研助力，中国在人造金刚石领域的优势，不仅能带来可观的收益，更会在芯片散热领域建立中国的话语权。

今年初，马斯克在访谈中预言，电力优势将会让中国在AI时代一骑绝尘，因为没有电，再高端的芯片也只是沉默的硅晶。

马斯克还没说的是，中国支撑AI算力的，除了电力，还有变压器、共封装光学（CPO）、印制电路板（PCB），以及人造金刚石。

在AI时代，中国所具有的世界最完整的工业制造体系会越来越展现出恐怖的新技术适配能力，在AI产业链上持续强链补链。

这是中国面对AI技术的最大底气。

本文来自微信公众号 “正解局”（ID：zhengjieclub），作者：正解局，36氪经授权发布。

光芯片，集体扩产

半导体行业观察 — Sun, 21 Jun 2026 07:01:33 +0000

不得不说，光芯片需求太旺了。

最近几天，全球光芯片产业链又密集出现了一系列扩产、长协、投资和供应链绑定动作：Coherent在德州 Sherman 扩建 6 英寸 InP化合物半导体产线；Nokia在美国宾夕法尼亚州Allentown扩建光子芯片先进测试与封装产能；日本 JX Advanced Metals 计划投入最高 1200 亿日元，将InP衬底产能提升至7—10 倍；IQE与Tower Semiconductor 达成多年 InP 外延片供应协议；国内东山精密旗下索尔思光电也宣布在常州布局光芯片及高速光模块扩建项目，总投资额达12亿美元。

一场围绕AI数据中心光互连能力的产能竞赛已然打响。

全球光芯片企业扩产大图景

首先来看美国的扩产动作。

6月16日，Coherent宣布，已签署意向书，将根据《芯片与科学法案》从美国商务部获得高达 5000 万美元的直接资金，用于扩建其位于德克萨斯州谢尔曼的世界领先的 6 英寸磷化铟 (InP) 半导体制造工厂。紧随公告次日，Coherent 就在德克萨斯州谢尔曼（Sherman）工厂举行了扩建破土动工仪式。Coherent强调该基地拥有全球首个、也是目前最大规模的 6 英寸 InP 制造平台。扩建完成后，该厂的制造空间将翻倍，而晶圆生产能力将提高至4倍。

值得注意的是，NVIDIA创始人兼 CEO 黄仁勋亲自出席了Coherent的这一仪式，并与Coherent新任CEO Jim Anderson同台。NVIDIA 此前已宣布向 Coherent 战略投资 20 亿美元，用于锁定其最先进激光器、光引擎和光模块的未来产能。黄仁勋在现场发表讲话：“AI 跑在算力上，但规模化卡在连接上，而谢尔曼工厂就是建造这些‘连接神经组织’的地方。”

图源：techpowerup

Nvidia 已经用资本把“光”纳入AI基建供应链。早在今年3 月，Nvidia分别宣布向 Coherent 和 Lumentum 投资 20 亿美元，并配套多年采购承诺、未来产能/访问权，用于先进激光器、光联网产品、R&D 和美国制造能力扩张。

Lumentum也是美国光芯片扩产图景中不可忽视的一环。3月，Lumentum宣布将在美国北卡罗来纳州Greensboro建设一座新的先进激光器制造工厂。该工厂面积约 24 万平方英尺，重点生产面向全球大型 AI 数据中心的磷化铟（InP）光器件。5 月，AIXTRON宣布获得 Lumentum多台G10-AsP MOCVD系统订单。Lumentum过去一年股价上涨了769%。

也是在6月16日，Nokia宣布，将在美国宾夕法尼亚 Allentown 扩建光子芯片先进测试与封装能力，即把光子芯片进一步封装进可用于 AI 和通信基础设施的光模块。Nokia表示，该基地是美国少数具备这类能力的设施之一，扩产后产能最高提升至当前水平的 10 倍，预计 2026 年三季度末具备商业可用产能。

Nokia补的是光子芯片封装测试和模块化能力，Coherent 补的是 InP 光子器件前道制造能力，而 Nvidia 此前对 Coherent 和 Lumentum 的投资，则相当于给激光器和光联网核心供应商提前锁定资金、订单和产能。美国正在把 AI 数据中心的光互连，纳入本土半导体制造体系。

日本补的是上游的材料领域，这也是日本半导体长久以来擅长的领域。

6月16日，全球 InP 衬底双寡头之一的日本JX Advanced Metals宣布，计划未来四年最高投资 1200 亿日元，用于扩大 InP 衬底产能。叠加此前已宣布的相关投资，公司 InP 产能建设总投资规模将达到约 1500 亿日元。这些投资将使该公司的产能提升至原来的7至10倍。

JX Advanced Metals 自 20 世纪 80 年代以来一直生产磷化铟衬底。在 2025 财年，该公司投资 250 亿日元以提高该材料的产能。据印度海峡研究公司报告，预计到2034年，全球磷化铟晶圆市场规模将达到5.0721亿美元，几乎是2025年的三倍。目前，JX Advanced Metals及其竞争对手住友电工分别占据了该市场约40%的份额。

欧洲方面，也有几个关键性动作。

市场讨论光通信时，经常把“硅光”和“InP”放在对立面：好像硅光普及后，InP 就会被替代。叠加上此前IQE与Tower Semiconductor的知识产权（IP）诉讼，更让人不免这样想。但真实产业路径更复杂，这点可以看向IQE和Tower的动作。

6月15日，IQE与Tower Semiconductor达成多年InP外延片供应协议，支撑Tower硅光平台在200Gb/通道可插拔收发器、下一代400Gb/通道调制器和光路交换等方向的量产扩展。该协议规定，Tower在第一年需做出最低采购承诺，IQE需做出相应的供应承诺，此后还需做出最低采购量承诺。这也正好说明了一个趋势：下一代硅光平台并不是完全摆脱 III-V 材料，而是需要把 InP 高性能组件集成进成熟硅光平台。硅光负责大规模集成、CMOS 工艺兼容和平台化制造，InP 则继续承担高性能光源、调制和光电转换等关键功能。

根据另一项协议，Tower还将向IQE提供广泛的全球免版税许可，用于多孔硅专利。此前，两家公司之间存在知识产权纠纷，Tower 将就此问题达成和解，解决所有诉讼。

Tower在今年5月13日发布的 2026 年第一季度财报上指出，正在执行一项激进的全球多晶圆厂硅光产能扩充计划，目标是到2026年底，将硅光晶圆的月产出能力提升至 2025年末的 5 倍以上。而且Tower宣布已与几家核心大客户签下了价值高达13亿美元的 2027 年硅光长期供应合同，并在 2026 年一季度直接收到了客户付出的2.9亿美元预付款。随着多厂区设备陆续进场，Tower在硅光相关工艺、设备以及封装上的全球总资产投入滚动累计将达到约 9.2 亿美元。

2026年3月，ST发布新闻称，正考虑在法国Crolles推行模块化扩产，目标是到 2027 年将300mm硅光产能翻四倍，并进一步规划2028年的后续扩能。此外，该项目也得到了欧洲主权供应链计划的支持。ST基于 300mm晶圆线的PIC100 硅光工艺平台已进入面向全球顶级头部云厂商的全量高产阶段，主要用于800G和1.6T光收发器的核心芯片。

6月2日，瑞典芯片商 Sivers Semiconductors（专门提供高功率多波长激光器阵列）与美国纯代工巨头 GlobalFoundries（格芯）达成深度战略合作，专门面向AI数据中心基建开发下一代光连接方案。具体而言，Sivers的先进激光器阵列将直接集成到格芯的硅光平台中。

国内方面，在光芯片上更是处于狂飙状态。

据证券时报·数据宝的行业统计，截至2026年一季度，国内7家核心光模块上市企业的在建工程规模总计升至 38.98 亿元，对比四年前（2022年同期），这一数字的涨幅超过了 6 倍。中邮证券在研报中指出，全球磷化铟市场中海外巨头占比达95%，磷化铟行业整体供需缺口近70%，预计高景气延续至2028年。

6月16日晚间，东山精密公告称，同意全资子公司索尔思光电及其子公司在常州布局光芯片及高速光模块扩建项目，总投资额12亿美元，项目资金来源为公司自筹。索尔思是一家具备光芯片设计、制造、封装、光模块组装和测试能力的垂直一体化企业。东山精密收购索尔思后，等于从传统电子制造和消费电子产业链，切入到 AI 光通信核心环节。

从财务贡献看，索尔思并表后对东山精密利润贡献已经明显高于收入占比。2025 年度和 2026 年一季度，索尔思并表后收入占比分别为 3.58%、16.02%，利润占比分别达到 22.69%、52.92%。这说明光通信业务不仅增长快，而且利润弹性强。这也是为什么东山精密愿意拿出12亿美元继续押注。

三安光电在6月3日的互动平台回复：称其磷化铟 InP 外延生长、芯片制造及封测工艺国内领先，已具备量产6吋InP光芯片的工艺能力，并表示公司光技术产能为 2,750 片/月，核心外延环节已扩产至近6,000片/月。在产品方面，三安光电在25年年报中提到，公司可提供用于光模块的 CW 光源、VCSEL、EML、PD 等激光器和探测器芯片，其中用于 400G、800G 光模块的光芯片已批量出货，用于 1.6T 光模块的光芯片已向客户送样验证。

在材料端，今年4月，云南锗业正式启动了“高品质磷化铟单晶片建设项目”。该项目计划扩建一条年产30万片（折合4英寸，含6000片6 英寸）的生产线。在现有15万片/年的基础上，最终达成45万片/年的总产能，建设期为18 个月。目前正在按计划推进行业验证与设备进场，产能将随建设进度逐步释放。

国内光芯片产业链正在从“模块组装”向“材料—外延—芯片—封测—模块”全链条补齐。

光芯片增长，已既成事实

众所周知，在光芯片领域，CPO是产业的“圣杯”。但是目前，CPO落地的速度一直在推迟。因此，业界也对光通信板块有一个巨大的担忧：如果未来的 CPO（共封装光学）迟迟不落地，或者走弱，光模块公司是不是就没成长性了？

摩根士丹利（大摩）最新的光学报告给出了非常明确的反驳。大摩指出，投资者太过于关注“什么时候用CPO”这个时间节点，而忽略了底层不变量——带宽增长的需求。

无论市场最终通过可插拔光学、NPO、CPO、OBO还是混合架构来扩展，对更高带宽的需求都应继续推动每GPU/机架的光学引擎、激光器及相关内容的增加。大摩的观点是，架构怎么演进只是路线问题，但光学内容的整体用量暴增是确定的。

什么是 CPO、NPO 和可插拔？

传统可插拔（Pluggable）：光模块像U盘一样，插在交换机的前面板上。通过铜线与内部的交换芯片（ASIC）连接。

NPO（近封装光学）：把光发动机移到交换机内部，紧挨着交换芯片，缩短铜线距离。

CPO（共封装光学）：把光芯片和交换芯片（或 GPU）直接封装在同一个基板上，彻底消灭长距离铜线，功耗和延迟降到最低。

目前CPO确实存在封装极其复杂、良率低、一旦坏了一个部件整个主板可能报废（无法维修/可服务性差）等致命痛点。因此，CPO 的大面积普及大概率会放缓。但哪怕市场短期内不用 CPO，继续用传统的可插拔光模块，或者采用“铜/CPO混合路线”，每台 AI 服务器、每个 GPU 对应的光引擎和激光器数量依然在大幅增加。

CPO 的争议不只是封装位置之争，也是光源路线之争。CPO 的本质是把光引擎尽可能靠近交换芯片或计算芯片，以缩短高速电信号传输距离，降低功耗和带宽瓶颈。但目前产业界并没有唯一的光源答案。

当前较受关注的路线主要有三类：SiPh + CW Laser（硅光 + 连续波激光器）、VCSEL（垂直腔面发射激光器）和MicroLED（微型发光二极管）。不同路线的成熟度、成本、距离和功耗差异，决定了 CPO 很可能不会以单一形态落地，而会在 AI 数据中心不同距离层级中形成多种方案并存。

SiPh + CW Laser 即“硅光芯片 + 连续波激光器”方案，技术成熟度最高，有效传输距离可超过1公里，更适合数据中心中对带宽、距离和可靠性要求较高的连接，但系统级功耗、耦合封装和成本压力仍然存在。

VCSEL的优势在于能效高、成本低、阵列化能力强，技术成熟度也较高，但有效距离通常限制在百米以内，更适合机柜内或机柜间短距互连。所以VCSEL的定位不是取代SiPh + CW Laser，而是可能在短距、低成本、高密度光互连场景中成为补充方案。

MicroLED则更像是面向未来的潜在方案，具备低延迟、低成本和高能效潜力，但有效距离更短，技术成熟度也最低。这是近年来在光互连领域备受瞩目的“黑马”路线。硅光芯片初创公司Ayar Labs等正在积极探索将原本用于显示领域的 MicroLED 引入到 Chiplet（芯粒）级别的高密度近端光互连中。它主要是利用极小尺寸（微米级）的 LED 阵列作为光源，直接集成在计算芯片（如 GPU、HBM）的边缘或基板上，通过电信号直接驱动 MicroLED 闪烁发光进行数据传输。

由此可见，CPO未来大概率不是单一光源路线胜出，而是根据AI数据中心内部不同距离、不同带宽密度和不同成本约束，形成 SiPh、VCSEL、MicroLED 等多种方案分层并存的格局。这也进一步说明，光芯片扩产并不是简单押注某一种 CPO 技术，而是押注 AI 集群从电互连走向光互连后，整个光源、光引擎、封装测试和材料体系的价值量提升。

结语

在这场由 AI 算力点燃的全球光芯片扩产潮中，没有一个地区甘于落后：美国在通过政策和巨头资本重塑本土制造链，日本在誓死守护上游材料的护城河，欧洲在积极推动硅光与化合物半导体异质集成的工程化落地，而中国则凭借恐怖的产线落地速度、在建工程规模以及逐步向上游材料、垂直一体化芯片延伸的蚕食能力，展现出极强的产业韧性。

表面上，这是美、日、欧、中四地厂商的产能竞赛；本质上，这是 AI 数据中心从算力扩张走向带宽扩张后，全球半导体产业链对“更多光”的一次集体下注。

光子时代的军备竞赛，已经进入白热化阶段。

本文来自微信公众号 “半导体行业观察”（ID：icbank），作者：杜芹DQ，36氪经授权发布。

9600亿AI独角兽，又要融资了

铅笔道 — Sun, 21 Jun 2026 07:01:33 +0000

最新消息，AI数据独角兽Databricks又在找钱了。

这一次，它想要的估值最高可能达到1750亿美元（约合人民币1.26万亿元）。

随着SpaceX上市，OpenAI、Anthropic秘密递交招股书，Databricks可能是最后一头在一级市场上活跃的巨型AI独角兽企业。

Databricks是一家帮助企业管理数据的AI公司，2月份刚融资50亿美元，目前估值1340亿美元（约合人民币9648亿元）。

01 让企业私有数据"值钱"

Databricks的故事，是从伯克利实验室里的一段代码开始的。

2013年，几位来自加州大学伯克利AMPLab的研究人员创办了Databricks。他们最核心的技术资产，是Apache Spark，能让成百上千台服务器同时处理海量数据的软件引擎。

Apache Spark与Databricks的关系来源：公开资料

如果把数据比作矿石，Spark就是挖矿机；Databricks则是建了一整座现代化矿场。

互联网公司、银行、零售商、汽车公司每天都会产生海量数据。用户点击、交易记录、库存变化、传感器信号、日志文件、客户画像、广告投放结果，全都堆在系统里。问题是，数据越多，越难处理。Databricks帮助企业挖掘数据的价值。

AI爆发以后，这个位置突然变得极其重要。

因为大模型本身并不理解一家公司的具体业务。它不知道一家零售商今天哪个区域库存不足，也不知道一家银行哪些交易异常，更不知道一家车企哪批电池测试数据出了问题。模型要真正为企业工作，就必须接入企业内部数据。

但企业内部数据往往是混乱的。

有的数据在云上，有的数据在本地服务器。有的数据在数据仓库，有的数据在业务系统。有的数据是结构化表格，有的数据是客服录音、合同文本、图片和日志。更麻烦的是，不是所有数据都能随便给AI用。金融、医疗、制造、零售行业都有严格的权限、安全和合规要求。

这正是Databricks的机会。

它可以告诉企业：你不用把所有数据重新搬一遍，也不用从零搭建AI基础设施。你可以在一个统一平台上管理数据、训练模型、部署AI应用、建立治理规则，让AI真正用上公司自己的数据。

AI时代最贵的东西，不一定是模型本身，而是模型和真实业务之间的连接层。Databricks正在做的，就是这层连接。

02 年入54亿美元

Databricks的赚钱方式，和传统软件公司不太一样。

传统软件更像卖许可证。企业买一套系统，按年付费，员工能用就行。Databricks更像云计算公司。客户不是简单买一个软件账号，而是在它的平台上处理数据、训练模型、运行AI应用、调用计算资源。用得越多，账单越高。

Databricks数据智能平台来源：Databricks官网

这也是Databricks最有吸引力的地方。

一家企业一开始可能只是用它做数据分析。比如，把销售、库存、订单、用户行为数据放到平台上，做报表、查趋势、预测需求。后来，企业开始训练机器学习模型。再后来，AI时代到来，企业又想基于自己的内部数据开发AI助手、AI Agent、智能客服、风险控制系统。每增加一个场景，Databricks的使用量都会增加。

所以，Databricks卖的不是一次性软件，而是一套"企业数据和AI基础设施"。

它的收入增长，有两个来源。

第一，是新客户增加。越来越多大企业要整理数据、建设AI能力，就会采购Databricks。

第二，是老客户越用越多。这一点更关键。Databricks披露的净收入留存率超过140%，意思是同一批老客户去年花100美元，今年可能花到140美元以上。对投资人来说，这是非常漂亮的指标。因为它说明客户不是试用一下就停，而是越用越深、越用越贵。

这背后有很强的商业逻辑。

企业的数据一旦接入Databricks，就不只是放了几张表进去，而是把数据管道、权限管理、分析模型、AI应用开发流程都搭在上面。销售部门在用，财务部门在用，客服部门在用，研发部门也在用。随着数据越来越多，AI应用越来越多，迁移成本也越来越高。

这就形成了很强的客户粘性。

投资人持续给Databricks高估值，一个重要原因是，它已经证明自己不仅会讲AI故事，而且真的赚到了钱。

公司披露，目前年收入规模已经超过54亿美元。更关键的是，很多客户第一次购买后，花的钱会越来越多。因为企业的数据、AI模型和业务系统一旦接入Databricks，后续会不断增加新的使用场景。

例如，一家零售企业最开始可能只是用它分析销售数据。后来开始训练AI模型、部署智能客服、开发AI助手，每增加一个新功能，就会产生更多费用。

这意味着Databricks不是靠不停寻找新客户赚钱，而是老客户自己就在不断增加支出。

目前，Databricks年消费超过100万美元的客户已经超过800家，年消费超过1000万美元的客户超过70家。对于一家企业软件公司来说，这说明它已经进入了许多大公司的核心系统，而不只是一个可有可无的小工具。

这也是投资人最喜欢的商业模式：客户离不开，收入持续增长，而且随着AI普及，还有更大的增长空间。

03 做企业的AI大总管

过去，企业买Databricks，主要是为了处理数据。

比如，一家零售公司想知道哪些门店卖得好，哪些商品库存积压，哪些客户可能流失。它可以把销售、库存、会员、物流数据放进Databricks，再让数据团队做分析。

这还是传统数据平台的生意。

但AI出现后，Databricks的目标变了。它不只想帮企业"看懂数据"，还想帮企业"用AI调动数据"。

"看懂数据"，主要是数据分析师、工程师、业务负责人在用。它解决的是报表、预测、分析问题。

"用AI调动数据"，则意味着每个普通员工都可以直接和公司数据对话。销售人员可以问：这个客户过去买过什么？客服人员可以问：这个用户的订单为什么延迟？财务人员可以问：哪些费用异常？供应链人员可以问：哪个仓库可能缺货？

Databricks官网：Your data. Your AI. Your future. 来源：Databricks官网

过去，这些问题要找数据团队写SQL、拉报表、建看板。未来，Databricks希望AI代理直接完成。

这就是它推出Genie One、Agent Bricks等产品的原因。Databricks不是要做一个普通聊天机器人，而是要做一种能接入企业真实数据、理解业务语境、帮助员工做决策的AI助手。

换句话说，OpenAI、Anthropic做的是通用大模型。Databricks想做的是企业内部的"懂业务的AI"。

大模型再强，如果不能接入企业内部数据，就只是一个外部工具。AI代理再先进，如果没有权限管理、数据治理、成本控制和安全体系，也很难进入核心业务。Databricks想把这些环节都包起来。变成企业AI的统一操作层。

它可以向上做AI助手，让员工直接和公司数据对话。

它可以向下做数据库，把业务系统和AI系统连接起来。

它可以横向进入营销、安全、客服、开发者工具等场景。

它还可以做AI成本管理。随着企业大量使用AI代理，账单会变得越来越难预测。一个员工、一个代理、一个自动化流程，都可能在后台不断调用模型，最后产生巨额费用。Databricks推出AI支出控制工具，本质上也是想成为企业AI预算的"总闸门"。

这很像云计算早期。一开始，企业只是把服务器搬到云上。后来，云厂商不只卖服务器，还卖数据库、数据仓库、AI服务、安全服务、开发工具、成本管理工具。客户用得越多，越难离开。

Databricks也想走这条路。

本文不构成任何投资建议。

本文来自微信公众号 “铅笔道”（ID：pencilnews），作者：铅笔道，36氪经授权发布。

智谱创始人唐杰隔空对话马斯克：赶超Claude Fable 5不用等到2027年

AI前线 — Sat, 20 Jun 2026 19:01:18 +0000

6月18日晚，马斯克和智谱创始人兼首席科学家唐杰在 X 上来了一次隔空对话。

起因是一名网友发问，当前中美大模型差距何时能够追平？ “你认为中国何时才能达到 Fable 级别？GLM-5.2 肯定会缩短差距。”

随后技术狂热分子Teortaxes，同时也算是技术圈的一个小KOL（65K粉丝，每次对于 DeepSeek 的技术解读都相当到位）对此进行了回应。

他先给智谱的GLM-5.2定了个位，认为它现在大概是Claude Opus 4.7-4.8的水平。（视觉理解部分另算，因为智谱目前并不能做到全模态统一，当然，他认为Opus在这块本身做得也很烂）

由此推断，中美模型之间现在存在7个月的时间差。

基于 Mythos 的时间线，他给出了一个参照点：Mythos 系列在 2026 年 2 月初已达到 Preview 级别，功能上追平或超过 Opus 4.8。若按 Claude 追赶速度推算，中国若要出一个“能力对标 Mythos 完整版”的模型，时间大概会落在 2026 年 11 到 12 月之间。

随后，马斯克到场吃瓜，他认为可能再晚一个季度，“可能在 2027 年 Q1”。

接着，被点名的 GLM-5.2 的真身抵达现场。唐杰教授回应了马斯克的判断，他一句轻描淡写的“不会那么久”，很低调地秀了一把。言外之意，也是暗示：“以智谱为代表的国内大模型，（尤其是智谱），有望在今年内实现跨越”。

中美AI领域的产业与学术代表隔空喊话，讨论的还是当前大家最关注的“中美模型差距”问题，评论区热度迅速升温。

围观的群众开始分裂成两派，一派兴奋派认为，GLM这个体量能跑出现在的成绩已经很猛，年底GLM6值得期待。比如GLM-5.1在全球Harvey法律Agent专业领域的测试中，还够不上名次（据说是零分）；但到了 GLM-5.2，已经能够冲进前三，足以见得智谱模型的迭代速度之快。

另一边的冷静派则认为，现在的 GLM-5.2 连跨对话的记忆能力都没有，光在Benchmark上追平意义不大。

对此，马斯克也予以认同，他表示，中美双方在Benchmark上实现年底前追平或许是有可能的，但要是按真正的实用性来衡量，即使在Q1也已经很了不起了。

他认为，Anthropic一直把重心放在最大化“有用的智能”上，这件事不会体现在Benchmark分数里，但一定会体现在收入上。

这一对标，也再一次把智谱的推到了“中国版 Anthropic”定位。

一方面，两家公司不仅带着极强的学院派/研究派创立基因，追求技术前沿时更注重底层创新和长期价值。

另一方面，在商业化节奏和市场认可度上，Anthropic从 B 端 Coding 市场突围，占领专业用户心智，从而打造出陡峭的增长曲线与稳健的商业模式，在这一点上与同样在 B 端业务表现亮眼的智谱非常相似。

上周，Anthropic推出最新旗舰模型Claude Fable5，却因为背地模型降智、访问地域设限等操作而备受指责；反观智谱，随即推出 GLM-5.2，以51分登顶所有开源权重模型，大幅领先MiniMax-M3（44分）、DeepSeek V4 Pro（44分）和Kimi K2.6（43分），并推行MIT协议全量开源。

对比两家公司在面向开源社区和用户的态度，智谱不仅收获了大量口碑与路人缘，股价更是一路爆发式上涨态势。近五个工作累计上涨幅度高达 99.81%，几乎实现翻倍。

事实上，唐杰老师上个月就已经针对智谱更大程度的模型更新——原生多模态，进行过预告。（智谱创始人唐杰透露：原生多模态模型将在数月内上线）。

5 月初，他给出的答案是：数月内上线。这次唐杰老师再次强调时间节奏后后，智谱的全球化负责人也转发推文，预告“大事即将发生”，这也意味着GLM 的大版本升级进一步逼近。

GLM-5 发布后，智谱在 Coding 和 Long-running agent tasks（长时程代理任务）上发力，开源生态稳居全球第一梯队，但在多模态，尤其是原生多模态上，确实还需要给外界一个更明确的答案。

这个答案有多重要？Kimi 今年 1 月底发布的 K2.5 已经是原生多模态架构；阿里 Qwen3.5-Omni 3 月上线，基于超过 1 亿小时音视频数据端到端预训练；GPT-4o 更是在去年 4 月就完成了原生多模态架构落地。

多模态的理解与构建，已成为头部模型拉开差距的最关键维度。在唐杰的推文里，他分享了构建多模态能力的战略意义：感知环境是完成长任务的基础，多模态不是功能附加，而是 Agent 真正落地的前提。

因此，补齐多模态不仅是支撑下一段资本叙事的必要条件，更是智谱走通技术路线闭环的必经之路。

但笔者认为，要想实现追赶 Fable5 的目标，国产模型不仅要在预训练阶段把模型推向万亿级参数，更大的挑战，还在于后训练阶段让模型能够（部分）跑通自我训练和自我迭代（递归式自我改进，RSI）。

最后，把话题重新拉回“中美模型差距”这个常谈常新的话题。Anthropic CEO 达里奥曾给出他视角下的“终局判断”。

在5 月份的《2028: Two scenarios for global AI leadership》报告中，他给出了两个假设：一个是美国及盟友守住领先优势，另一个是中国追到跟美国并驾齐驱。

当然，整篇报告呼吁美国通过堵住芯片zousi、海外数据中心接入和蒸馏攻击这些漏洞，把美国的领先优势锁定在12到24个月之间。

也就是意味着，2028年1月，中国最好的模型最多也就追到美国2027年1月那个水平的模型，换句话说差一整年起步。

但现在看来，除非达里奥在今年有神速推进，否则中美之间的代差很有可能进一步缩小。

声明：本文为 AI 前线原创，不代表平台观点，也不构成投资建议，未经许可禁止转载。

本文来自微信公众号 “AI前线”（ID：ai-front），作者：青和，36氪经授权发布。

存储荒蔓延，库克暗示苹果产品将涨价，史上最贵iPhone要来了？

雷科技 — Sat, 20 Jun 2026 19:01:18 +0000

下半年的 iPhone，可能真的要变贵了。

根据华尔街日报报道，库克最近确认，由于内存和闪存等存储芯片成本持续飙升，苹果将上调部分产品售价。放在过去，这类说法通常只会出现在供应链爆料、第三方实测机构的分析报告里，很少由苹果最高层直接说出口。

苹果当然没有公布具体涨价清单，也没有点名iPhone 18，但问题在于，如果连库克都不再内部消化成本压力，那么最吃高端配置、也最需要维持利润率的iPhone 18 Pro，恐怕很难置身事外。

存储涨价，苹果也扛不住了

这轮涨价并不是传统意义上的手机厂商想多赚一点，苹果此前确实有过主动涨价拉高利润的做法，当年iPhone XR/XS系列发布时，苹果就大幅涨价，但很快就被下跌的销量教训了，光速滑跪降价。但这次不一样，苹果面临的是其他手机厂商也一同面临的共同问题：AI导致存储涨价了，手机成本压力倍增。

还在持续扩张的AI基建正在吞掉大量内存、闪存和高带宽内存产能，存储厂商自然更愿意把产能分给利润更高、订单更稳定的AI客户。结果就是，手机、PC等消费电子品牌们发现原本最普通的内存和闪存，正在变成价格一路飙涨且最不稳定的成本项。

对苹果来说，存储又不是一个可以随便砍掉的配置。Mac要跑本地AI，16GB内存已经是及格线；iPhone要拍4K、ProRes、空间视频，还要承载Apple Intelligence，存储容量和内存规格只会往上走。

（图源：苹果）

苹果过去可以靠强大的供应链议价能力提前锁单，但如今涨价不是某一家供应商的短期波动，而是整个AI产业链导致的产能迁，所以苹果的选择只剩下自己消化或让用户买单。

实际上，应对存储涨价，苹果之前是采取过很多手段的。此前苹果和三星海力士这些存储巨头签署了长期供货订单，年初供应链侧给出的爆料是苹果支付了双倍的价格。紧接着，苹果又用手上的充足现金流疯狂收购市场上的存储库存，不仅给自己备弹药，还让竞争对手没内存可用。

现在回过头来看，这些措施基本都只能解决一时的困难，无法阻挡长期的趋势。存储的价格还在涨，三星海力士必然不会满足于双倍的合同价，更何况它们现在一心一意专注于HBM这种高利润产品，能留给消费电子端的产能本身就在减少。而市面上的存储库存，本来也是有限的，以苹果的体量也撑不了多久。

库克说涨价这件事不可避免，说白了就是苹果自己来打预防针了：存储成本太高了，我扛不住了，得加钱。

为什么以前不涨现在涨？

这当然不是苹果第一次面对成本上涨。只是过去很多时候，它并不直接提高起售价，而是通过配置和产品线，把涨价做得更体面。

最典型的手段，是保住入门价格，再调整存储台阶。此前苹果最臭名昭著的做法就是产品的存储溢价极高，比如当年iPhone还是64GB起步的时候，更大一级容量就变成了256GB，苹果根本不提供128GB容量的选项。而如果你咬咬牙选择256GB版，就发现它和64GB之间的差价比你单独去买一块市面上同容量的高规格SSD还贵。

Mac这边也类似，苹果长期用8GB+256GB维持一个看起来还可以的起售价，再通过高价内存、硬盘升级获得利润。等到AI功能需要更大内存，苹果才逐步把Mac全线升级到16GB起步，这本来是件好事，但也导致设备的内存成本增加了。

苹果还有一种手段，是把更贵的配置留给更贵的机型。标准版iPhone保守一点，高刷、长焦都没有，芯片都是阉割过的；Pro系列采用最高规格的芯片、相机、屏幕、接口。这样做的好处是，苹果可以让对价格更敏感的用户买丐版留在生态里，同时让愿意付费的高端用户承担更多成本。

（图源：苹果）

另外，是拉长产品节奏。iPhone当下的系列和型号很多，包括廉价款e系列、Air、标准版、Pro、Pro Max，未来还有折叠屏，苹果的产品线价格分层非常细。用户不一定每年都买最新款，但总能在某个价位上找到一台价格能接受的iPhone机型。

问题是，这些招数现在不够用了。存储成本如果只是小涨，苹果可以自己调整消化；但如果是长期、结构性上涨，涨价就难以避免。

而且苹果正好卡在一个很尴尬的时间点。

一方面，AI让硬件成本变高。苹果过去常说端侧智能、隐私计算、本地模型，这些方向都需要更强芯片、更大内存和更稳定的存储性能。苹果不能一边宣传 AI，一边让新机继续卡在偏低的内存规格上。

另一方面，苹果的AI又还没有强到能让用户心甘情愿多掏钱。过去几年，苹果在影像、性能、生态协同上依然很稳，但在生成式 AI 这条主线上，外界普遍认为它追得比较吃力。Siri 重做、Apple Intelligence 扩展、视觉智能增强，这些都重要，但还没有形成“买新 iPhone 就是为了它”的杀手级理由。

这就让涨价变得更难看：成本确实涨了，体验也确实需要升级，但用户感受到的创新未必同步放大。

对苹果而言，最理想的涨价方式，是加量也加价，比如更大存储、更强芯片、更好影像、更长续航一起上。但如果iPhone 18 Pro最终只是按部就班升级，再叠加明显涨价，用户们的感受可能就会变成：苹果终于也顶不住了，但为什么要我来顶？

iPhone 18 Pro重任在肩

更麻烦的是，iPhone 18系列这代，产品节奏本身就有问题。

按照多方报道，苹果正在调整iPhone发布周期，秋季发布会将推出iPhone 18 Pro、iPhone 18 Pro Max、iPhone Air2和iPhone Fold，标准版iPhone 18则推迟到2027年春季和iPhone 18e一同发布。折叠屏iPhone虽然秋季会发布，但受良率、产能和供应链爬坡影响，将延期到明年开卖。iPhone Air2相比初代没有特别明显的升级，销量预计还是很惨淡。

今年整个秋冬两季，苹果真正能扛销量和利润的，就只剩两款Pro机型。

这对苹果来说可不是小事，过去秋季发布会的新iPhone都是同系列集体升级换代：标准版负责走量、Pro负责利润、Pro Max负责高客单价。这样一来，不同预算的用户都能在同一个换机周期里完成决策。但如果标准版和折叠屏都缺位，用户的选择会简单很多，也残酷很多，要么继续用旧机，要么直接买更贵的Pro。

在存储涨价背景下，这种产品节奏会进一步放大价格压力。标准版不在，苹果就少了一个走量爆款，折叠屏没有，苹果又少了超级重磅产品。这样一来，最后所有压力都会压到iPhone 18 Pro上，它既要卖得贵，又要卖得多，这势必会影响苹果今年的销量和业绩。

（图源：MacRumors）

苹果当下的麻烦还不止于此，包括CEO新老交替导致的青黄不接、AI落后等。

今年6月的WWDC被视作是库克最后一次主持苹果重大活动，如果他在2026年9月卸任CEO，由John Ternus接棒，那么iPhone 18 Pro很可能会成为新官上任最重要的产品。库克时代的苹果，最强的是供应链、利润率、服务收入和生态规模；Ternus作为硬件工程负责人出身，外界会自然期待他带来更强的产品升级。

说实话，iOS 27上的AI相关功能相比iOS 26已经有相当明显的升级，就用户体验来说，它已经做得相当不错了。但是，最关键的问题在于，当下苹果的AI体系，最核心的部分是来自向谷歌购买的Gemini方案。换句话说，苹果的自研大模型能力，根本撑不起像样的AI体验。苹果财大气粗、现金流足，自然可以买第三方技术方案来解决当下的问题。但是，苹果只要一天没能构建起自研的AI实力，就意味着命门多一天被他人掌控着。

对Ternus来说，他一上任，就会遇到的是一堆难题：存储涨价、AI追赶、折叠屏难产、标准版延期、行业萎缩。这些问题单拎出来都不致命，但放在一起就很棘手。

写在最后

苹果当然不会因为一代iPhone涨价就崩盘，它仍然有最稳的高端用户群、最强的生态黏性和最成熟的全球零售体系。但今年下半年的挑战在于，苹果可能第一次需要同时回答用户三个问题：为什么更贵？为什么要现在买？为什么苹果的AI仍然值得等？如果这三个问题答不好，iPhone 18 Pro就算卖得不差，也很难复制过去那种贵但理所当然的底气。

所以，iPhone 18系列并不是简单的在劫难逃，而是苹果过去的招数不灵了。过去，苹果可以用供应链能力压住成本，用配置调整消化涨价。但当AI让存储成本一涨再涨、iPhone标准版和折叠屏都无法及时出现、库克和新CEO交棒，苹果这次很难再轻松解决所有问题。

涨价不可怕，怕的是涨价时没有足够强的新理由。对苹果来说，iPhone 18 Pro可能仍然会是今年最受关注的旗舰。但对用户来说，问题也变得更现实：如果新iPhone更贵，你还会第一时间换机吗？

36氪 - 24小时热榜

微信AI全网最细体验，我又爱上了刷朋友圈

「无处不在」的小微

只在微信能体验的「原生AI」功能

终于能操作 AI 发微信了

能发消息也能发红包

群聊总结

帮你刷朋友圈

最懂你的回答

微信自己的 ChatGPT

让微信内容生态更长尾

P 图 生图，居然也能打

收藏夹也可以是知识库

让 AI 整理待办事项

调用小程序服务

小工具：全民 Vibe Coding 要来了

左上角那双眼睛，正在成为微信的新中枢

40 天不睡、5 人死磕，DeepMind主管爆Gemini大战DeepSeek惨烈内幕，聊普通程序员的转型之路

你没法把研究和落地分成两种人

研究不是一条直线，它更像在雾里走图

真正值钱的能力，常常在系统最底层

别被恐惧营销带着走

先做出东西来，信号自然会出现

真正有意思的，是把模型做对，也把硬件吃满

很多关键工作，并不光鲜

做那个别人真心希望他成功的人

两万一套房的鹤壁，连夜给英伟达供货

第一次逃亡：从木材到光纤

第二次逃亡：从光纤到芯片

为什么是鹤壁？

熬死日韩巨头

第三次逃亡：从芯片到光芯片

刚刚，Claude Code大升级，卡帕西：LLM第三次变革

先进团队，先用Claude？

实际部署

Claude一更新，我就想Fable

字节掀桌，豆包2.1成本暴砍80%，编程追平Claude Opus 4.7

01.Coding能力追平Opus 4.7，成本低80%

02.视频、音频、图像模型齐发，Seedance 2.5预计7月上线

03.周星驰正版授权，AI走进全行业

04.HiAgent 3.0全新升级，一键招募数字员工

05.结语：字节把AI全家桶摆上桌面，全行业落地目标清晰可见

被骂了一年的Codex，怎么突然爆了？

01.错过第一波浪潮：Codex为何长期不温不火？

02.5个月三次大更新，Codex逆势崛起

03.Codex成为战略级产品之后

04.结语：Codex还有硬仗要打

8点1氪丨追觅辟谣汽车CEO离职：职务与网传不符；微信小范围内测原生AI助手；苹果、特斯拉核心供应商数据泄露

今日热点导览

TOP3大新闻

AI最前沿

大公司/大事件

上市进行时

投融资

酷产品

1.2万亿，清华教授，挑战美国最强AI，一战封神

01 拉爆

02 豪赌

03 裂痕

04 冲刺

腾讯买出了AI半壁江山

1

2

3

被看不上的35岁职场人，正在被重新定价

一、35岁的劣势，没有那么致命了

二、35岁的优势，被放大了

三、然而，AI渡的不是所有35岁

四、年龄本就不该是分割线

智谱万亿了，DeepSeek还会远吗？

1

2

3

一门贩卖“全球排名”的暴利生意，精准收割中产的钱包与肉体

01

暴利叙事：“全球排名”的精英竞技

02

隐藏账本：健身房投入大，回本慢

03

收割中产：高成本、高风险

P 图生图，居然也能打