​GPU 烧算力，电网烧钱，最后是普通消费者买单。

如果几年前有人跟我说，AI 这件事最终会重塑美国的电力版图，你大概不会太当真。毕竟，我们谈论的是软件、是算法、是模型参数——这些东西听起来和电厂没什么关系。

但就在 2026 年 5 月 18 日，这个认知被彻底打破了。

NextEra Energy 宣布以 670 亿美元收购 Dominion Energy，创下美国历史上最大的公用事业并购纪录。

这个数字足够震撼，但更让人在意的是背后的逻辑，推动这笔交易发生的，不是什么传统的能源战略，而是全球 AI 数据中心对电力永不满足的饥渴。

要理解这笔并购，你得先知道一个地方——弗吉尼亚北部，Loudoun County 一带，被业内称为「Data Center Alley」，数据中心走廊。

这里集中了全球密度最高的数据中心群，AWS、微软、谷歌、Meta 的大量服务器，就藏在这片看起来平平无奇的土地上。据估计，全球约 70% 的互联网流量每天都要经过这里。而 Dominion Energy，正是这片区域的主要电力供应商。

Dominion 手里握着超过 51 GW 的数据中心合同需求——51 GW，这是个什么概念？大约相当于 50 座大型核电站的装机容量，而且这个数字还在持续增长。弗吉尼亚 DOM 区域的负荷预计到 2045 年将增长 121%。

这就是 NextEra 愿意掏出 670 亿美元的核心原因，不是为了买一家传统电力公司，而是为了买下 AI 时代最稀缺的资源——接近算力核心的「供电权」。

市场已经用两年时间给 AI 芯片定价，现在开始给电网定价了。

如果把这笔并购放在过去一年的时间线里来看，你会发现它并不是一个孤立事件，而是一连串连锁反应的最新一环。

时间倒回 2025 年，IEA 的数据就已经发出了警报。

2025 年全球数据中心电力需求猛涨 17%，而全球整体电力需求增速只有 3%。AI 专用数据中心的增速更是甩开大盘，独自狂奔。IEA 预测，到 2030 年，全球数据中心电力消耗将从 2024 年的 415 TWh 翻倍至约 945 TWh——这中间新增的这 530 TWh，大部分要拜 AI 训练和推理工作负载所赐。

五大科技巨头 2025 年的资本支出合计超过 4000 亿美元，其中相当大的比例涌向了数据中心建设，而 2026 年这个数字预计还要再增长 75%。

电网开始吃不消了。

就在这笔并购宣布前两天，5 月 16 日，一份来自 Monitoring Analytics 的报告揭示了一个令人不安的现实，美国最大电力市场 PJM Interconnection 的电价出现「不可逆转」的大幅上涨，涨幅高达 76%。PJM 覆盖的区域包括弗吉尼亚、马里兰、宾夕法尼亚等超过十个州，恰好是 AI 基础设施最密集的区域之一。

报告措辞罕见地使用了「不可逆转」这个词。这不是在说一个可以调整的价格波动，而是在说电力供需结构已经发生了根本性的变化。

更早一些，2025 年年底，弗吉尼亚北部就已经发生过一次真实的电网压力测试。电压波动导致 60 个数据中心同时断开连接，瞬间产生 1500 兆瓦的电力盈余——这个瞬间的能量震荡，提醒了所有人，AI 基础设施对电网稳定性有多脆弱，对电力供应的要求有多苛刻。

NextEra 不是一家普通的传统电力公司。它是美国最大的风能和太阳能发电商，在新能源基础设施的建设和运营上有深厚积累。这次收购 Dominion，不只是简单的规模扩张。

把 NextEra 的清洁能源和储能能力，叠加到 Dominion 在数据中心走廊的市场地位上，这才是这笔交易真正的战略价值所在。

能源部前贷款项目负责人 Jigar Shah 的判断很直白，他认为将 NextEra 的储能专业知识，应用于弗吉尼亚的数据中心负荷「可能是变革性的」——因为数据中心不只需要电，还需要稳定的电、可预期的电、最好是可以在用电低谷储存起来的电。

NextEra 赌的，是 AI 算力需求不会停下来。

从目前的投资趋势看，这个赌注并不激进。通过「大负荷关税」机制，大型电力用户（也就是数据中心）将直接参与基础设施建设融资，这意味着 NextEra 未来扩建输电线路和发电设施的资本压力，可以部分转移给科技公司——而不是完全由公用事业公司独自承担。

当然，监管层面的挑战也摆在眼前。

收购 Dominion 意味，NextEra 将成为横跨多州的电力超级巨头，可能面临来自各州公用事业委员会的严格审查。消费者权益组织 Clean Virginia 已经公开发出警告，呼吁对这笔交易进行「最严格的审查」，担忧弗吉尼亚电网控制权的集中化。

当电力资源被 AI 疯狂占用、电费飙涨时，到底谁为上涨的电费买单？这可能才是这场惊天收购背后，人们最应该问的问题。

电力基础设施建设需要钱，这些钱最终会以各种方式进入电价里。美国一些地区的公用事业公司已经开始采用「在建工程融资」机制，允许在项目竣工之前就向消费者收取费用。换句话说，住宅用户在享受到任何新增电力之前，就已经开始为数据中心的基础设施建设买单了。

PowerLines 的分析给出了一个触目惊心的数字，AI 驱动的电力基础设施投资，住宅消费者可能要承担约 7000 亿美元的成本，通过电费上涨的方式逐渐转嫁。

7000 亿美元。这和科技公司的资本支出规模处于同一量级，但流向截然不同。科技公司的 4000 亿美元资本支出，带来的是股东回报、模型能力提升和企业竞争优势；而消费者分摊的这部分成本，换来的只是账单上那条越来越高的电费曲线。

这里有一个结构性的不公平，写在这笔并购的逻辑里，也写在整个 AI 基础设施投资浪潮里。

数据中心是私人资产，AI 带来的经济收益集中在科技公司和它们的股东手中。但支撑这一切运转的电网，是公共基础设施，建设和维护成本由所有用户共同承担。这不是一个新问题，但 AI 把它放大到了前所未有的尺度。

670 亿美元的收购，让能源行业的整合逻辑，第一次如此清晰地摆在了所有人面前：AI 的繁荣不只发生在数据中心里，它沿着电缆向外蔓延，进入电网、进入公用事业公司的资产负债表，最终进入每个普通家庭的电费账单。

这场并购不是终点。按照目前 AI 算力扩张的速度，这很可能只是一个开始——电力版图的重组，才刚刚发生。

跳转微信打开

在经典黑帮电影《教父》里，有一句台词流传至今——「这不是私人恩怨，这是生意。」

但现实往往更复杂。当生意和私人恩怨搅在一起，当一个人既是昔日的共同创始人、又是今日最强劲的竞争对手，你很难说清楚，那张诉状到底是一纸法律文书，还是一封迟来的绝交信。

在硅谷乃至整个美国，目前最受人瞩目的诉讼大战，无疑是正在进行的马斯克 VS Altman 的法庭大战。

现在，这场持续多年的「恩怨」，终于有了第一阶段的结果。

当地时间 2026 年 5 月 18 日，旧金山联邦法院，9 名陪审员用不到 2 小时的时间给出了答案——马斯克输了。

陪审团的裁决结果并不复杂，甚至有些「技术性」。

法院没有正面回答马斯克最核心的那个指控——OpenAI 在将盈利业务从非营利母体拆分出去、并引入微软等商业投资时，是否背叛了当初的慈善使命。陪审团绕过了这道「灵魂之问」，直接以诉讼时效为由驳回了全部索赔。

加州法律规定，此类索赔必须在相关事件发生后三年内提起。而 OpenAI 向微软开放投资、逐步推进商业化转型，这些关键节点早在 2019 年前后便已公开。马斯克直到 2024 年才正式起诉，陪审团认为，这已经超出了法定期限。

9 票对 0 票。一致通过。

法官 Yvonne Gonzalez Rogers 在庭审后表示，有大量证据支持陪审团的裁决，并直接放话，她随时准备「当场驳回」马斯克可能提出的上诉动议。措辞之干脆，颇为罕见。

OpenAI 首席律师 William Savitt 的庭后定性，则直接击穿了马斯克叙事的核心——「这不是一个技术性决定，而是实质性决定。你提出索赔太晚了，之所以这样做，是因为你（马斯克）在保留这些索赔，以此作为无法在市场竞争中与竞争对手抗衡的武器。」

这句话说得很重。它的潜台词是，马斯克不是原告，而是一个用司法程序当刀的商业对手。

要理解这场官司的真实逻辑，必须回到 2015 年。

那一年，马斯克、Altman，以及 Greg Brockman 等人共同创立了 OpenAI，明确定位为非营利机构，使命是「为全人类开发安全的人工智能」。马斯克在早期提供了大量资金，也深度参与了公司方向的讨论。

2018 年，他以「与特斯拉业务存在利益冲突」为由，离开了董事会。

此后的故事大家基本都知道了。OpenAI 在 2019 年引入微软投资，逐步建立起「有限营利」的混合结构，ChatGPT 横空出世，估值一路狂飙。而马斯克则在 2023 年创立了自己的 AI 公司 xAI，推出 Grok 模型，直接与 OpenAI 正面竞争。

2024 年，诉状正式递出。马斯克指控奥特曼和 Brockman 违反了最初的慈善承诺，通过将公司商业化实现了个人财富的暴增——他用的词是「窃取慈善机构」。

这套叙事有一定的道德感召力，但时间线出卖了他。

OpenAI 商业化转型的关键决策，发生在 2019 年到 2021 年之间，全程公开透明，科技媒体有大量报道。马斯克不是不知道，而是选择在自己的竞争对手做大之后、在 IPO 前夕最关键的窗口期，才把这张牌打出来。

马斯克方律师 Marc Toberoff，在庭后仍坚持道德立场——「这是对 OpenAI 滥用慈善机构的声明，如果不是因为马斯克，他们会逍遥法外。」但他们也宣布将向第九巡回上诉法院提起上诉，这场仗显然没有真正结束。

站在 OpenAI 的角度，这个判决的意义远超法律本身。

华尔街分析师的解读最为直接。Wedbush Securities 分析师 Dan Ives 指出，这场诉讼最大的潜在威胁，在于它可能迫使 OpenAI 进行大规模结构重组——如果法院认定商业化转型违反了慈善信托义务，整个公司架构都可能面临颠覆性改变。

「现在，最坏的情况基本已经排除，这对OpenAI的 IPO 是重大利好。」

一个悬在头顶六年的法律达摩克利斯之剑，就这样在两小时内落地。

而 OpenAI 本身的商业势头，正处于历史最强时刻。过去两周，这家公司密集释放了一系列信号：新推出的 GPT-5.5 Instant 成为 ChatGPT 默认模型，在高风险场景中将幻觉率降低超过 50%；三个面向企业场景的实时音频模型同步发布，其中 GPT-Realtime-Translate 支持 70 多种语言的实时翻译；Codex 编程助手也已登陆移动端，让开发者可以在任何地方审查代码、批准命令。

与此同时，在约两周前完成的新一轮融资中，OpenAI 以 8520 亿美元估值融资 122 亿美元，由亚马逊、英伟达、软银和微软联合领投。按最新数据，公司月收入已达约 20 亿美元，周活跃用户超过 9 亿。

在这个节点，任何可能导致公司重组的法律风险，都会是 IPO 进程中最危险的变量，判决扫清了这块礁石。

微软的表态也颇为耐人寻味——「这个案件的事实和时间轴一直都很清楚，我们欢迎陪审团驳回这些索赔的决定，我们继续致力于与OpenAI合作。」作为 OpenAI 最大的外部合作方，微软的措辞平静而笃定。

有一点需要说明的是，判决的结果，不应该过度解读为道德上的「无罪宣判」。

陪审团驳回的理由是诉讼时效，而不是「OpenAI没有背叛使命」。

法院从始至终没有对那个核心问题给出答案——一个以「造福全人类」为旗帜创立的非营利机构，在变成估值数千亿的商业巨头之后，它的创始精神究竟去哪了？

这个问题，不会因为一场官司的结束而消失。

事实上，就在 OpenAI IPO 窗口期临近之际，公司也在悄悄调整结构，将非营利部分与盈利实体的关系重新厘清。这不是对马斯克的妥协，而是整个 AI 行业商业化进程中，必须面对的结构性命题。

技术理想主义和商业现实主义之间的张力，是硅谷永恒的底层矛盾。

从早期的谷歌「不作恶」，到 Facebook「连接世界」，再到 OpenAI「为全人类」，这些创立时的崇高叙事，最终都在资本的重力下经历了不同程度的形变。马斯克的愤怒，无论出于何种动机，其实触碰了一个真实的焦虑——当 AI 这个可能重塑文明的技术，被装进一家准备 IPO 的商业公司里，我们究竟应该相信什么？

这个问题，法庭给不了答案。

马斯克宣布上诉，Altman 赢得了今天，但这场关于 AI 应该属于谁、应该由谁掌控的更深层争论，才刚刚进入新的阶段。

跳转微信打开

三星罢工进入倒计时，韩国政府发出「最后通牒」；AMD CEO 苏姿丰访华表态：中国市场极其重要；SpaceX 加速推进史上最大 IPO，目标 6 月 12 日挂牌；苹果 Siri 将迎来大改版：自动删除聊天记录，首次搭载谷歌 Gemini

美陪审团驳回马斯克对 OpenAI 的诉讼 马斯克誓言上诉

2026 年 5 月 18 日消息，旧金山联邦法院宣判马斯克起诉 OpenAI 一案败诉，陪审团一致以诉讼时效过期驳回其所有索赔。按照加州法律，相关诉求需在事件发生三年内提起，OpenAI2019 年完成引资微软、推进商业化等关键举措，马斯克 2024 年才正式起诉，早已超出法定期限，法院未对其背离公益创始使命的核心争议作出判定。

主审法官表态大概率驳回马斯克后续上诉，双方律师当庭各持立场。二人 2015 年联合创办 OpenAI，后续因控制权分歧分家，马斯克后期创办竞品企业，在 OpenAI 冲刺 IPO 之际发起诉讼。

这场败诉彻底扫清 OpenAI 上市最大法律障碍，目前其估值 8520 亿美元，商业体量庞大，微软也认可此次判决结果。但创始非营利初心彻底商业化的行业争议，依旧没有定论。

（来源：腾讯新闻）

三星罢工进入倒计时，韩国政府发出「最后通牒」

韩国国务总理金民锡于 5 月 18 日发表国民谈话，向三星电子劳资双方发出「最后通牒」，称定于 18 日举行的劳资复谈是「阻止罢工的最后机会」。若罢工对国民经济造成重大损失，政府「将不得不启动包括紧急调整权在内的一切可用手段」。劳资双方于当地时间 5 月 18 日上午 10 时启动第二轮事后调解。

此次罢工源于 AI 红利分配不均，工会要求废除奖金上限、提高利润分红。三星电子工会已宣布将于 5 月 21 日发起为期 18 天的大罢工，韩联社估算可能导致高达 40 万亿韩元（约合 1820 亿元人民币）的经济损失。紧急调整权在韩国历史上仅有过 4 次动用记录，一旦行使，工会须立即停止争议行为并在 30 天内不得重启。作为全球半导体供应链的核心节点，三星任何生产中断都将对存储芯片和晶圆代工市场产生连锁反应。

（消息来源：腾讯新闻）

AMD CEO 苏姿丰访华表态：中国市场极其重要

5 月 18 日下午，美国超威半导体公司（AMD）董事会主席兼首席执行官苏姿丰在京表示，此次来华深感荣幸，中国市场极其重要。在与中国贸促会会长任鸿斌的交谈中，苏姿丰强调，算力已经成为 AMD 开展业务的关键，十分有幸能与中国各大合作伙伴在这一领域保持稳固良好的合作关系，并期待双方持续深化合作、拓展更多领域。

此次访华正值 AMD AI 开发者日 2026 将于 5 月 19 日在上海举行之际，苏姿丰将亲自出席。在全球 AI 芯片竞争白热化的背景下，AMD 正加速追赶英伟达的市场主导地位，其 MI450 已向核心客户送样，MI400 系列推理性能预计提升 35 倍。苏姿丰的表态不仅是对中国市场战略地位的再次确认，也反映出全球半导体巨头在中美科技博弈背景下寻求稳定合作关系的迫切意愿。

（消息来源：IT 之家）

SpaceX 加速推进史上最大 IPO，目标 6 月 12 日挂牌

5 月 18 日消息，埃隆·马斯克旗下 SpaceX 已加快 IPO 时间表，计划最早于 5 月 20 日公开招股说明书，6 月 4 日启动路演，最快 6 月 12 日在纳斯达克上市，股票代码「SPCX」。若顺利推进，这将成为全球资本市场有史以来规模最大的 IPO，目标融资额约 750 亿美元，估值约 1.75 万亿美元。

SpaceX 已通过邮件通知股东执行「1 拆 5」股票拆分方案，每股公允市值将从 526.59 美元调整至约 105.32 美元。此外，公司披露了一项引发争议的治理方案：计划通过发行 10 倍投票权的 B 类股确保马斯克拥有不可被解雇的绝对控制权。同时董事会批准了一项总额可达万亿美元的超级薪酬方案，考核标准直接与火星百万人口殖民地目标挂钩。本轮融资所得将主要用于推动」星舰「项目的大规模发射计划及近地轨道数据中心网络建设。（消息来源：新浪财经)

英伟达财报本周来袭，市场预计 Q1 营收约 800 亿美元

英伟达将于 5 月 20 日美股盘后公布 2027 财年第一季度业绩，市场预计一季度营收将达约 800 亿美元，每股收益 1.76 美元，其中数据中心业务收入预计为 728.5 亿美元。作为市值超 5.4 万亿美元的 AI 巨头，本次财报被视为本季最受期待的业绩发布之一，市场期权数据显示财报日股价振幅预计高达 7.56%。

德银前瞻指出，核心看点包括 Blackwell/Rubin 平台的市场机会规模，以及毛利率能否稳定在 75% 附近。此前英伟达已发布 Vera Rubin AI 超级芯片平台，性能较 Blackwell 提升 3.3 倍，计划 2026 年 Q3/Q4 量产。在全球 AI 算力需求持续扩张的背景下，本次财报不仅关乎英伟达自身业绩，更被视为衡量整个 AI 基础设施建设热度的风向标，对美股乃至全球市场都将产生震撼性影响。（消息来源：新浪科技）

群核科技和影石创新达成战略合作：人人都能创作 3D 内容

5 月 18 日消息，群核科技与影石创新正式达成战略合作，双方依托各自软硬件优势，融合影石创新的高性能影像硬件与群核科技的 3DGS 空间重建能力，共同发布新一代空间重建解决方案，探索 3D 时代内容生产新范式，推动空间智能走进日常生活。

通俗来讲，影石创新如同 3D 时代的「眼睛」，以高性能影像硬件精准捕捉现实场景，群核科技则作为「大脑」，通过 Aholo 空间智能平台，将捕捉到的信息转化为可编辑、可交互、可计算的数字空间，助力实现「人人都能创作 3D 内容」。

旅行时，用影石全景相机或无人机拍摄视频，上传至 Aholo 平台，几分钟即可生成可交互 3D 空间，便于重温场景细节。此外，该解决方案还广泛应用于多领域：文旅文保领域可实现古建筑、文物高精度 3D 存档，方便用户沉浸式逛展；影视领域能 1:1 还原拍摄场地，解决勘景难题；游戏领域可低成本生成超写实 3D 场景；空间设计领域则能替代传统低效建模流程，扫描即可快速生成可编辑空间场景（消息来源：IT 之家）

苹果 Siri 将迎来大改版：自动删除聊天记录，首次搭载谷歌 Gemini

5 月 18 日消息，苹果计划在下月 WWDC 开发者大会上发布全新改版 Siri，主打隐私保护与智能升级。新版 Siri 将新增对话自动删除功能，用户可自主设置 30 天、一年自动删除或永久保存记录，并首次搭载谷歌 Gemini 大模型，推出独立应用程序，具备媲美 ChatGPT 的对话能力。

本次改版是苹果近年最重要的 AI 升级之一。相较于其他 AI 产品长期存储用户数据的做法，苹果严格限制数据储存期限，最大限度保护隐私。业内分析认为，苹果极力渲染隐私优势，一方面贴合品牌安全理念，另一方面也是为了弥补 Siri 在智能化方面的短板。

值得注意的是，本次升级部分安全技术由谷歌提供，标志着两家科技巨头在 AI 领域的合作深度进一步加大，也反映出苹果在 AI 竞赛中采取"借力+自研"的双轨策略。（消息来源：新浪科技）

谷歌 I/O 2026 开幕倒计时，Android XR 智能眼镜或从概念走向量产

谷歌 I/O 2026 开发者大会将于 5 月 19 日至 20 日在加州山景城举行，北京时间 5 月 20 日凌晨 1 点正式开幕。5 月 18 日进入最后倒计时阶段，本届大会以 Gemini 3 新版本和 Android XR 智能眼镜为核心看点，预计将展示 Gemini Intelligence 品牌下更多端侧 AI 功能。

综合媒体报道，本届大会大概率不会出现 Gemini 4.0 级别的跨越式迭代，Gemini 3.2/3.5 小幅更新可能性更高，但 Android XR 智能眼镜有望从概念走向量产。

谷歌已提前披露 Android 新特性中涵盖大量 AI 功能，AI 自动化和个性化体验将是核心方向。与此同时，谷歌正准备将 Gemini 深度整合至 Android、Chrome、Search 和 Workspace，这一策略被业界视为谷歌自 Android 发布以来最大的平台级转向，旨在将 AI 变成其生态系统的操作层。（消息来源：IT 之家）

34.98 万元起，长城魏牌 V9X AI 豪华六座旗舰上市

5 月 18 日消息，长城汽车魏牌 V9X 正式上市，共推出 3 款超级 Hi4 插电混动车型，售价 34.98 万元起，后续还将推出 HEV 油电混动版和 EV 纯电动版。作为长城归元 S 平台首款量产车，新车定位「AI 豪华六座旗舰」，平台通过三大技术路径实现功能灵活组合，满足多元化用车需求。外观源自东方建筑美学，轮廓优雅，发光悬浮车标取自保定直隶总督署旗杆，极具文化辨识度。

新车提供标轴与长轴两种版本，标轴版车长 5205mm、轴距 3050mm。内饰延续家族设计，双联屏搭配橙色皮质，兼具科技感与豪华感；后排配置突出，二排零重力座椅、吸顶屏，三排带按摩功能。

动力上，超级 Hi4 混动系统搭配 2.0T 发动机等，满电 0-100km/h 加速达 4 秒级，配备后轮转向和空气悬架；智能驾驶升级，AI 智能体实现防御性驾驶，CoT 思维链卡片提升用户信任度。（消息来源：IT 之家）

京东 618 正式启动：首次全场景全产业融入 AI，5 月 30 日晚 8 点开启

京东于 5 月 18 日召开 618 启动发布会，宣布 2026 年京东 618 将于 5 月 30 日晚 8 点正式启动，大促持续至 6 月 21 日。本届 618 的最大亮点是「首次全场景、全产业融入 AI」——从商品推荐、客服交互到物流配送，AI 技术将贯穿消费全流程。

促销机制方面，京东主推每满 200 元减 30 元的跨店满减，叠加官方直降、店铺优惠券及国家补贴。5 月 31 日，京东将与北京广播电视台联合举办「京东 618 夏日歌会」，在北京工人体育场免费赠送 3 万张门票。

此外，京东内购平台同步上线「618 真低价会场」，联合联想、宝洁、罗技等超 50 家品牌释放低至 6 折的员工专属权益。在 AI 电商竞赛白热化的背景下，京东试图通过技术赋能与价格优势双轮驱动，巩固其年中大促的核心地位。（消息来源：IT 之家）

腾势 N9 闪充版上市：40.98 万元起，标配第二代刀片电池及闪充技术

比亚迪腾势 N9 闪充版于 5 月 18 日晚间正式上市，定位「科技驾控旗舰 SUV」，共推出三款车型，售价 40.98 万元起。新车搭载比亚迪第二代刀片电池，CLTC 纯电续航达到 420km，综合续航 1520km。

在闪充技术加持下，常温环境下电量从 10% 充至 70% 仅需 5 分钟，充至 97% 只需 9 分钟；即便在零下 30℃极寒环境中，补能时间也仅比常温多出 3 分钟。

驾控层面，腾势 N9 闪充版延续易三方整车智能控制技术平台，搭载插混专用 2.0T 发动机及前后三电机组合，系统综合功率 680kW，零百加速 3.7 秒。

新车全系标配天神之眼 5.0 全闭环端到端大模型，支持全场景智能绕行、全场景掉头等功能。此外，该车提供 9 款车色，其中暗夜鎏金配色拥有专属的 24K 纯金 LOGO，腾势汽车品牌全球代言人王力宏现身发布会现场，并成为腾势第 50 万辆汽车车主。

（消息来源：IT 之家）

德国汽车业困境中寻新路：奔驰、大众等车企考虑进军防务领域

5 月 18 日消息，德国汽车行业压力激增，奔驰、大众等主流车企开始考虑进军防务领域，同时防务企业也盯上汽车行业的工厂、人才及技术。奔驰 CEO 表示，不排除涉足防务领域的可能，称愿支持欧洲防务建设，但相关业务仅作为汽车主业的小幅补充，暂无具体规划。大众则计划评估奥斯纳布吕克工厂，考虑投产军用运输车辆，但明确不生产武器坦克。

莱茵金属等防务企业也顺势布局，评估改造汽车配套工厂用于防务生产，还洽谈接手大众相关工厂；Hensoldt 则从汽车零部件企业高薪挖人。

当前德国汽车业深陷困境，生产成本高、需求疲软、竞争加剧，奔驰 2025 年利润暴跌 49%，多数车企启动裁员。反观防务产业蓬勃发展，但体量悬殊，五大头部防务企业营收远不及汽车行业，难以填补其衰退缺口。（消息来源：IT 之家）

*图片来源：视觉中国

跳转微信打开

​这不是赢家通吃，这是赢家把桌子掀了。

AI 作为这两年最火热的赛道，吸引了无数创业者进入，实现「AGI」梦想。但是，就这样一个人挤人的赛道，其投资和收入的集中度，却比当年的互联网更甚。

根据 The Information 的最新分析，34 家头部 AI 创业公司的年化收入，总规模已经达到约 800 亿美元，相比六个月前增长了 112%。

这个数字听起来欣欣向荣，整个赛道都在狂飙。但仔细拆开看，你会发现一个让人后背发凉的数据：

OpenAI 和 Anthropic 两家，拿走了这 800 亿里的 89%。

剩下 32 家公司，分剩下的 11%。

先来看看这两个数字背后的真实体量。

Anthropic 的年化收入已经超过 300 亿美元。OpenAI 自己公布的数字则在 240 亿到 250 亿美元之间。两家加在一起，差不多是 550 亿美元的年化规模。

这是两家成立时间不超过十年的「创业公司」，而且这是「年化收入」，不是估值泡沫，是真金白银流入账户的速度。

更值得关注的，是两家公司各自的增长逻辑。

OpenAI 的收入引擎，主要是 ChatGPT 的 C 端订阅用户。从免费到 Plus、Team、Enterprise，一级一级往上拉。这条路走得快，但也存在天花板——消费者的订阅意愿和付费能力是有上限的，而且这个市场极其依赖产品层面的感知体验，一旦竞争对手推出更好用的产品，用户迁移成本几乎为零。

Anthropic 走的是另一条路。从创立第一天起，Dario Amodei 就把企业客户和 API 接入定为核心战场。Claude 不是要做一个让用户喜欢的聊天机器人，而是要成为企业软件栈里的一个基础设施组件。这个策略的黏性要强得多——一旦一家公司把 Claude 的 API 深度集成进自己的产品和工作流，迁移成本会变得极其高昂。

今年 4 月，有一个数字正式确认了这个策略的成效：Anthropic 在美国企业市场的份额首次超过 OpenAI，达到 34.4%。而就在 2023 年中期，这个数字还不到 1%。

从 1% 到 34%，Anthropic 只用了不到两年。

当然，AI 创业市场里不只有 OpenAI 和 Anthropic。Mistral、Cohere、AI21 Labs、Perplexity、Character.AI……还有一大批拿了大量融资、招募了顶尖人才的公司，每家都有自己的故事和打法。

但 11% 的市场份额，要由 32 家公司来分，平均下来每家大约只占总盘子的 0.34%。

这不是说这些公司没有价值。Perplexity 在 AI 搜索这个细分赛道上做出了真实的用户基础；Mistral 凭借开源策略在欧洲市场建立了独特的护城河；Cohere 专注企业级私有化部署，服务那些对数据安全有极高要求的金融和医疗机构。这些都是真实的业务，真实的收入。

但有一个残酷的现实正在浮现：当行业里的资源、人才、算力采购话语权越来越向头部集中，中腰部公司的生存空间会被系统性地压缩。

顶级工程师会优先选择去 OpenAI 或 Anthropic；云计算巨头会给头部公司更优惠的算力协议；企业采购部门在做决策时，「用 ChatGPT」或者「用 Claude」已经成了默认选项，其他选择需要花费更多的时间去解释和说服。

这是一种自我强化的飞轮：收入越高 → 算力投入越大 → 模型越强 → 收入越高。

一位在硅谷的 AI 创业者曾经说过一句话，大意是「做基础大模型这件事，本质上是一场资本消耗战，你需要足够的钱活到下一轮融资，然后再活到再下一轮，直到市场格局稳定」。从今天的数据看，这场消耗战，已经快要结束了。

当然，89% 的 ARR 份额并不意味着 OpenAI  和 Anthropic 以高枕无忧。

就在过去两周，OpenAI 同时陷入了几个让人眼花缭乱的局面。

Sam Altman 在法庭上作证，亲口说出马斯克曾经要求获得 OpenAI 90% 的股权。这场诉讼的结果将直接影响 OpenAI 的公司治理结构，以及它从非营利转向营利实体的进程。

与此同时，OpenAI 和 Apple 之间围绕 Siri 合作伙伴关系的谈判出现了严重分歧，据报道 OpenAI 正在准备采取法律行动。这是一个微妙的信号——与 Apple 的合作曾经是 OpenAI 触达数亿 iPhone 用户的重要通道，如果这个合作破裂，影响不可小觑。

在产品层面，OpenAI 的节奏依然很快。5 月 11 日刚推出了 OpenAI Deployment Company，帮助企业围绕 AI 构建；5 月 15 日又上线了面向网络安全专业人员的 GPT-5.5-Cyber 限时预览版；免费用户现在也能在对话中看到内联图像了。

产品发布的密度和商业纠纷的密度，几乎同步在飙升。

这其实是一家公司进入「统治者焦虑」阶段的典型特征。当你已经是市场第一，你要同时应对来自追赶者的技术压力、来自合作伙伴的商务摩擦、来自投资人的商业化预期，还有来自监管和司法的审视。每一个方向都在消耗注意力。

反观 Anthropic，目前的外部形象要「安静」得多。没有轰轰烈烈的诉讼，没有 CEO 出庭的戏剧性场面。Dario Amodei 和 Daniela Amodei 带领的团队，专注在企业客户拓展和模型能力迭代上，一步一步蚕食 OpenAI 的企业市场份额。

当然，「安静」不等于没有压力。Anthropic 背后是亚马逊高达数百亿美元量级的投资押注，这种规模的资本支持背后，是同等量级的商业化回报预期。

89% 的集中度，历史上并不罕见。

智能手机操作系统，Android 加 iOS，常年超过 99%。

搜索引擎，Google 一家就拿走 90%+。

云计算，AWS、Azure、GCP 三家加起来超过 65%。

这些先例说明，技术基础设施行业，天然倾向于寡头格局。原因很简单：规模效应、网络效应、转换成本，这三股力量叠加在一起，会形成几乎不可逾越的护城河。

AI 大模型，尤其是通用大模型，同样具备这三个特征。因此，今天 89% 的集中度，可能不是终点，而是一个中间状态——最终的格局，可能比今天更集中。

但这里有一个变量，是历史先例里没有过的——AI 能力的进步速度，比操作系统、搜索引擎、云计算的技术迭代都要快得多。

Anthropic 能从 2023 年的 1% 成长到今天的 34%，本质上是因为 Claude 系列模型的能力实现了质的飞跃。如果某个今天还默默无闻的团队，明天训练出了一个在某个关键维度上大幅超越 GPT-5 和 Claude 的模型，市场份额的天平随时可以再次倾斜。

对于那些活在 11% 里的 32 家公司，最清醒的战略或许不是正面硬刚，而是找到那些「通用大模型不够用，专用模型才好使」的垂直场景，深挖下去。法律文书、医疗影像、代码安全审计、工业质检——这些领域都有极强的专业壁垒，不是把 GPT-5 微调一下就能搞定的。

行业的集中，并不等于机会的消失。它只是意味着，机会的形态，已经从「做一个更好的通用 AI」，变成了「做一个在某个领域里无可替代的专用 AI」。

两座大山已经立在那里了。聪明的人，不是想着怎么搬走它们，而是想着在山脚下，找到那片别人还没有发现的肥沃土地。

跳转微信打开

Google I/O又要来了！

AI 作为这两年最火热的赛道，吸引了无数创业者进入，实现「AGI」梦想。但是，就这样一个人挤人的赛道，其投资和收入的集中度，却比当年的互联网更甚。

Gemini 会发布新模型吗？Google 旗下的 ToC 应用又会有什么大动作？Android 17 会带来哪些新功能？

每次 I/O，可能都是对 AI 创业的一次「洗牌」。

但信息量太大，共识太多，往往是真正交流最少的时候。

极客公园 Founder Park 决定在大会结束后，搞一场 Meetup 闭门交流活动，和大家聊聊：What Google I/O didn't tell you？

把这两天的信息输入，变成大家当晚交流碰撞的素材。高密度且自由地聊聊，各自在 Google I/O 大会的第一手观察、观点。

📅时间：5 月 21 日 18:00 - 21:30

📍地点：加州山景城（具体地点报名通过后另行通知）

我们欢迎这样的你：

• 硅谷本地 AI 创业者与技术研发人员

• 探索全球化路径的国内 AI 创业者、决策层和技术人

• 将 AI 应用于创新场景的的企业伙伴

欢迎扫描海报上的二维码报名，加入我们！

跳转微信打开

​扩散模型杀进了文本生成的地盘，而巨头们为了抢它，已经打起来了。

在 AI 疯狂发展的当下，在一片狂热之下，行业同样在担心一个根本问题——LLM 是否已经走到头了？会不会有新的架构诞生，造就出新的 AI 王者。

5 月 13 日，外媒爆出一条消息，微软正在和一家叫 Inception 的小公司谈收购。就在同一天，马斯克的 SpaceX，也在追求这家公司。

一家吴恩达、Karpathy 做天使投资人、种子轮才拿了 5000 万美元的创业公司，现在开价超过 10 亿美元——溢价 20 倍。微软和 SpaceX 两个万亿级巨头同时下场争抢，抢的不是什么成熟业务，是一支斯坦福教授团队和一条几乎没人走过的技术路线。

这家和诺兰的《盗梦空间》用一样名字的初创团队，到底有什么不同凡响之处？

Inception 的故事，要从它的创始人 Stefano Ermon 说起。

Ermon 是斯坦福大学计算机科学教授，但他更重要的身份是——扩散模型（Diffusion Model）的共同发明人。大家今天用的 Midjourney、Sora、Stable Diffusion，底层都跑着他帮助开创的技术。他关于文本扩散的论文拿过 ICML 2024 最佳论文奖。

2024 年中，Ermon 从斯坦福休假，拉上了两个合作超过 10 年的老搭档——UCLA 教授 Aditya Grover 和 Cornell 教授 Volodymyr Kuleshov，在 Palo Alto 创立了 Inception Labs。

这三个人有一个在当时看来相当「异端」的想法：把扩散模型从图像领域搬到文本生成领域，彻底替换掉自回归架构。

Andrej Karpathy 在 Inception 发布第一个模型时就在 X 上表达了兴趣。他说，今天几乎所有 LLM 在核心建模方法上都是「克隆体」，都是从左到右逐个预测 token。扩散模型完全不同——它不是从左到右生成，而是从噪声中逐步去噪，最终得到一个完整的 token 序列。他觉得这个模型「有潜力展现全新的、独特的能力特征」，鼓励大家去试。

Karpathy 不只是嘴上说说。他和吴恩达（Andrew Ng）都以天使投资人身份参与了 Inception 的种子轮。

2025 年 11 月，Inception 完成了 5000 万美元种子融资，Menlo Ventures 领投，NVIDIA 旗下 NVentures、微软旗下 M12、Snowflake Ventures、Databricks 投资部门全部跟投。

当 Karpathy 和吴恩达同时押注一家公司，当 NVIDIA 和微软的战投基金同时出现在投资人名单上，这基本上是 AI 领域最顶级的背书组合了。

要理解 Inception 为什么值钱，得先理解它的技术路线为什么不一样。

今天大家用的 ChatGPT、Claude、Gemini，底层全是自回归模型（Autoregressive Model）。它们生成文本的方式是：一个 token 接一个 token，从左到右，串行输出。每生成一个字之前，必须等前面所有字都生成完。

就像一个人写文章，只能一个字一个字地往后写，绝对不能跳着写。

这个方法很可靠，但有一个结构性天花板——速度被串行生成锁死了。你可以换更好的芯片，可以优化推理框架，可以压缩模型，但只要本质上还是逐 token 生成，速度就有上限。

Inception 选了一条完全不同的路。它用扩散模型做文本生成——不是逐字写，而是先给出一个「粗略草稿」，然后通过神经网络反复精炼，同时修改多个 token，并行输出。

Ermon 的原话很直白：「这是一种根本不同的方法。所有现有的大语言模型都是自回归的，一个接一个地从左到右生成文本或代码，这非常慢，因为你不能在生成前面所有内容之前生成后面的东西。」

实际效果呢？Inception 推出的模型家族叫 Mercury。2026 年 2 月发布的 Mercury 2，根据第三方评测机构 Artificial Analysis 的测试，输出吞吐量大约在每秒 1000 个 token。作为对比，Claude 4.5 Haiku 大约是每秒 89 个 token，GPT-5 Mini 大约是每秒 71 个 token。快了差不多 10 到 14 倍。

在质量上，Mercury 2 的 AIME 2025 得分 91.1，GPQA 得分 73.6，LiveCodeBench 得分 67.3。这些分数和 Claude 4.5 Haiku、GPT-5.2 Mini 在同一个竞争区间，但吞吐量是后者的 10 倍以上。

Ermon 对此也很坦诚——Mercury 2 对标的是 Haiku 和 Flash 这个级别的模型，不是 Claude Opus 或 GPT-4 这种旗舰。第三方分析也指出，在复杂推理任务上，扩散模型的质量大约是前沿自回归模型的 85%-95%，但在结构化输出和翻译任务上基本持平。

但这恰恰是它最有想象力的地方。 如果扩散模型的质量差距只有 5%-15%，而速度优势是 10 倍，那在大量对延迟敏感的场景里——实时语音交互、代码自动补全、游戏对话、Agent 循环调用——扩散模型就是更实际的选择。

而且，扩散框架还带来几个自回归模型做不到的结构性优势。

第一，输出可控性更强。扩散模型能天然遵循特定的 schema 和语义约束，生成符合指定格式的 JSON 输出，这在企业级应用里极其重要。

第二，天然支持多模态融合。扩散本来就是图像和视频生成的底层范式，现在把它扩展到文本，等于用一套统一框架处理语言、图像、音频、视频，不用再拼接不同架构。

第三，内置纠错能力。自回归模型一旦前面写错了，后面很难纠正；扩散模型可以在精炼过程中反复修正，理论上能减少幻觉。

当然，这条路线也有明显的不确定性。一些 AI 研究者指出，扩散方法让输出预测更加困难，它的 Scaling Law 还没有被充分验证——自回归模型「参数越多、数据越多、效果越好」的规律花了好几年才摸清，扩散模型是否遵循类似的规律，还是需要完全不同的优化策略，目前没有定论。

但正是这种不确定性，才让它有可能成为下一个范式。

理解了 Inception 的技术，再来看为什么微软和 SpaceX 同时抢它，逻辑就清楚了。

2026 年 4 月 27 日，微软和 OpenAI 官宣了合作关系的重大调整。微软对 OpenAI 模型的 IP 授权从独家变成非独家，有效期延到 2032 年。微软不再向 OpenAI 支付收入分成。OpenAI 可以在 AWS、Google Cloud 等任何云平台上提供服务。AGI 条款被彻底删除。

这段曾经被称为「科技界最佳 Bromance」的关系，实质上已经变成了「管理型竞争」。

微软在 OpenAI 身上花了超过 130 亿美元投资，还有大量 Azure 算力支持。但现在，OpenAI 不再是微软的「独家武器」，而微软也在加速摆脱对 OpenAI 的依赖。据报道，微软正在开发自己的通用 AI 模型，目标是 2027 年之前推出能和 OpenAI、Anthropic 正面竞争的前沿模型。

收购 AI 创业公司，就是这个战略的一部分。

路透社的报道披露，微软今年春天先看上了代码生成公司 Cursor，但因为自己有 GitHub Copilot，内部担心反垄断审查过不了，主动放弃了。SpaceX 随后立刻和 Cursor 签了一份 600 亿美元的收购期权协议——如果收购不成，SpaceX 也要付 100 亿美元的合作费。

微软放弃 Cursor 后，转向了 Inception。但 SpaceX 也盯上了 Inception。Inception 已经聘请了投行来操盘交易谈判，开价超过 10 亿美元。

SpaceX 的介入让整件事更有趣。

2026 年 2 月，SpaceX 以全股票交易方式收购了 Musk 的 xAI，两家公司合并后估值 1.25 万亿美元。这是有史以来估值最高的商业并购。SpaceX 随后又启动了 Terafab 半导体工厂项目，与 Tesla 和 xAI 联合建设。再加上收购 Cursor 的期权和对 Inception 的追求，Musk 显然在用 SpaceX 作为平台，系统性地构建一个从芯片到模型到应用的完整 AI 技术栈。

而微软这边，除了追求 Inception 之外，也在同时和多家 AI 创业公司接触。路透社引述知情人士称，AI 研究人员现在轻松就能拿到数千万美元的薪酬，创业公司估值在投资者的疯抢下飞速上涨。

Menlo Ventures 合伙人 Tim Tully 在 Inception 融资时说过一句话，放在今天的收购大战背景下格外应景。他说，Inception 的团队证明了扩散式 LLM 不只是一个研究突破，而是「一个可以构建可扩展、高性能语言模型的基础，企业今天就能部署」。

这句话解释了一切——巨头们抢的不是一家公司，是一个可能改写游戏规则的技术范式，以及掌握这个范式的那几个人。

当微软和 OpenAI 的「婚姻」走向开放式关系，当 SpaceX 从火箭公司变成 AI 收购机器，当一家种子轮公司被两个万亿巨头同时争抢——这场「后 OpenAI 时代」的军备竞赛，才刚刚开始。

而 Inception 的命运，无论最终花落谁家，都已经证明了一件事：在 AI 的世界里，真正稀缺的从来不是资本，而是敢走不同路线的人。

跳转微信打开

张雪机车 WSBK 捷克站再夺冠，斩获赛季第五冠；特斯拉两年来首次上调 Model Y 美国售价；真人漫改电影《新 · 驯龙高手 2》杀青

*图片来源：视觉中国

跳转微信打开

OpenAI 在美国遭集体诉讼；比尔 · 盖茨基金会出售最后持有的 770 万股微软股票；三星电子会长李在镕就公司「内部问题」公开道歉

*图片来源：视觉中国

跳转微信打开

​放弃「军备竞赛」，全新一代理想 L9 押注具身智能

过去四年，中国汽车圈最不缺的，就是「模仿」理想 L9 的车。大家都在疯狂地往车里塞冰箱、彩电、大沙发，试图用更低的价格，更高配置，复刻理想的成功。

但就在 5 月 15 日，理想似乎换了一条路。它发布了全新的 L9，新车共推出 2 个版本（Ultra 版和 Livis 版），售价区间为 45.98 万元-50.98 万元。其中，理想 L9 Livis 的起售价为 50.98 万元，比之前的预售价低了 5 万元。

看完这场录播发布会，你会发现上一代理想 L9 是产品定义的胜利，而全新一代理想 L9 想用底层技术构建自己的「护城河」。所以，这次发布会上，我们能看到各种新产品和功能，马赫 M100、3D ViT、马赫 VLA、线控底盘、800V 主动悬架、星环 OS……

那全新一代理想 L9，还能开创一个全新的品类吗？

发布会前，李想在微博上公开承认了上一代 L9 的遗憾：底盘、芯片、电芯。这也是新一代理想 L9 最大的进化点。

几十年来，全尺寸 SUV 有一个始终没法解决的矛盾，就是舒适与操控不可兼得。因为车身质量大，重心高，过弯时的侧倾天然比轿车要大；但如果把悬架调硬，路面震动就会直接传递到乘客身上，舒适性会很差。

过去几十年，工程师们的解法是在舒适和操控之间找一个所谓的「平衡点」。

官方资料介绍，新一代理想 L9 搭载的 800V 主动悬架，由 4 个 800V 液压泵、4 支双阀 CDC 减振器和空气弹簧共同构成，两套系统分工巧妙：液压泵负责宏观的车身姿态控制，每个车轮可提供超过 1 万牛的主动支撑力，彻底取消传统防倾杆，让四个车轮真正实现独立解耦；双阀 CDC 减振器负责微观的路面震动吸收，阻尼响应速度最快达到 5 毫秒，超过传统液压调节的极限。

相比市面上常见的 48V 或 400V 主动悬架方案，800V 架构的核心优势在于功率密度和瞬时响应能力的量级差异。当悬架的响应速度比人类神经系统的反应速度还快一个数量级，「舒适」和「操控」之间的矛盾就被消解了。

除了 800V 主动悬架，线控底盘也是全新 L9 的重要进化点。现在，很多车企都已经应用了线控转向、后轮转向，但理想 L9 还应用了 EMB 线控机械制动，三套系统同时量产上车。

其实，相比后轮转向、线控转向，最难的一环是 EMB 线控机械制动。

传统液压制动系统的响应链路，从踩下踏板到制动力真正作用于车轮，中间要经过液压建压、管路传导等物理过程。EMB 线控机械制动将这个过程电气化，刹车响应时间缩短约 100 毫秒。在 120 公里/小时的高速工况下，它意味着制动距离缩短约 3 米。同时，线控机械制动不仅实现更高的安全冗余，更带来了终身无需更换制动液的便捷体验。

但更值得关注的，是另一个细节：全新 L9 的线控底盘支持 OTA 持续进化。这也意味着你今天买的这辆车，一年后的底盘表现，可能比今天更好。

当然，800V 主动悬挂和线控底盘带来了体验提升，但也有代价，更高的成本和重量，更高的能耗，还有更高的维修成本。

如果底盘是新一代理想 L9 的「身体」，那么智能化就是它的「灵魂」。

而弄懂全新一代 L9 的智能化，要先从理想自研的马赫 M100 说起。它采用了车规级 5nm 工艺，单颗算力 1280TOPS，双芯总算力 2560TOPS，是目前主流方案英伟达 Thor-U 的三倍。

相比传统的 AI 芯片，先有通用计算架构再去适配 AI 模型，马赫 M100 是专用芯片，一开始就为大模型推理而设计，模型、芯片、编译器、操作系统联合设计。据理想官方介绍，在相同硅片面积下，马赫 M100 能提供远高于外购方案的有效算力，同时 BOM 成本大幅降低。

其次之外，在感知方面，全新一代理想 L9 也做了一些进化。

当前行业主流的「2D 摄像头+激光雷达」方案，本质上还是在模仿学习。通过海量视频训练，让模型学会在特定场景下做出特定反应。但这套方法有一个缺点，模型无法真正理解三维空间，无法处理训练数据中从未出现过的新场景。

所以，全新一代理想 L9 采用了 3D ViT 感知模型，配合 4 颗激光雷达，可以将前向感知距离提升至 300 米，可视距离较上一代提升 50%。更重要的是，它让车辆像人一样置身真实 3D 空间感知世界，不仅能「看见」，更能理解空间位置关系和语义信息。

在马赫 M100 强大算力的支撑下，马赫 VLA 模型的计算量较上一代提升 10 倍，通过 3D ViT 感知模型和多模态思考模型的协同，实现驾驶意图理解及风险预判。发布会上，理想展示的案例中，全新一代理想 L9 在道路施工场景中果断绕行，前车爆胎时也可以提前识别异常并防御性减速、礼让倒车。

在智能座舱方面，全新 L9 要做的不只是娱乐空间，而是一个智能体。

这次，它采用了不同以往的设计语言，搭载了 29 英寸 6K 超宽全景屏，芯片则是高通骁龙最新的 8797 芯片，能够支持更大的端侧模型。同时，后排的 21 英寸 4K 屏幕，可以支持 12 厘米的前后移动，这样可以根据不同的姿态调整屏幕的位置和角度。

四把零重力座椅旗舰座舱，也是一个值得注意的点。零重力座椅在很多车型上都有，但大多只覆盖二排，或者前排版本是精简形态，腿托短小或缺失。全新 L9 这次把前排主驾、副驾也都配备了全尺寸零重力座椅。这样用户休息的时候就不用再跑到后排，也能享受零重力座椅。

舱外交互是一个值得关注的功能。车外布置 4 组 8 麦克风，支持边走边说语音交互，可用于主动开门、自动泊车等指令；同时支持通过蓝牙钥匙、AI 眼镜等设备远程唤醒相关功能。

还有一个好玩的细节是，当你和车交互时，前灯显示橙色；白色代表常规状态；蓝色代表辅助泊车。三种颜色，让你一眼就知道这辆车此刻在想什么、在做什么。

2022 年的第一代理想 L9，开创了一个全新的市场品类。2026 年的全新一代理想 L9，野心更大。

李想在发布会上说，「自动驾驶是具身智能的上半场，通用人形机器人是具身智能的下半场。」这是理解全新一代理想 L9 的关键。

全新一代理想 L9，验证了面向具身智能的一整套技术。马赫 M100 芯片、3D ViT 感知模型、马赫 VLA、星环 OS、「完全体」线控底盘、800V 主动悬架。这既是这辆车本身的产品力，也是理想通向具身智能的关键节点。

更值得关注的是理想的组织进化。2026 年 1 月，理想将研发团队按照「造人」的逻辑重构为四大体系：脏器系统（芯片、数据、操作系统）、脑系统（感知、训练、强化学习）、软件本体（Agent、记忆、技能）、硬件本体（能源、驱动、控制）。

这些背后是汽车公司的竞争，正在从产品竞争演变为技术生态的竞争，组织能力的竞争。

同时，全新一代理想 L9，也是对「垂直整合路线」的验证。

就像李想之前说过，苹果用二十年证明了软硬件深度整合的价值，特斯拉用十年证明了汽车行业垂直整合的可行性。接下来，理想从全新一代 L9 开始，也从芯片到底盘、软硬件，是构建真正护城河的唯一路径。

全新一代理想 L9，是理想向「具身智能」转型第一张真正意义上的答卷。至于它能不能像第一代 L9 一样，再次让行业陷入新一轮的追赶，我们拭目以待。但可以肯定的是，这次肯定不像冰箱彩电大沙发那么好模仿，理想这次打造的是面向具身智能的一种底层能力。

跳转微信打开

5 月 15 日，OpenAI 推出了一个让很多人「既兴奋又不安」的新功能——ChatGPT 个人理财工具。简单说，你现在可以把自己的银行账户、投资账户直接连到 ChatGPT 里了。

这个功能目前仅面向美国地区的 ChatGPT Pro 用户（月费 200 美元）开放预览。OpenAI 通过金融数据服务商 Plaid 实现账户连接，支持超过 1.2 万家金融机构，包括摩根大通、富达、嘉信理财、Robinhood、美国运通和 Capital One。

听起来很美好。但评论区几乎炸了——你真敢把银行账户给一个 AI 吗？！

先看看这个工具到底能干什么。

用户进入 ChatGPT 侧边栏的「Finances」选项，点击开始，或者直接在对话框里输入「@Finances, connect my accounts」，ChatGPT 就会引导你通过 Plaid 连接银行账户。整个授权流程和你在 Venmo、Robinhood 这些应用里绑定银行卡的体验基本一致——Plaid 的 token 化认证机制意味着 ChatGPT 本身不会接触到你的银行密码。

连接完成后，ChatGPT 会花几分钟同步和分类你的财务数据，然后生成一个可视化的财务仪表盘。这个仪表盘涵盖的信息相当全面：活期和储蓄账户余额、交易历史、按类别拆分的消费明细、每月重复扣款的订阅服务、即将到期的账单、工资入账记录、投资组合表现，以及信用卡负债和房贷等负债信息。

但仪表盘只是起点。真正有意思的部分在于「对话式理财」。 和传统的 Mint、YNAB 这类预算工具不同，ChatGPT 不需要你去看图表、翻分类、手动设预算。你只需要用自然语言提问，它就能基于你的真实数据给出回答。

OpenAI 官方给出了几个示例场景：你可以问「我最近花钱是不是比以前多了？有什么变化吗？」ChatGPT 会翻你的交易记录来分析消费趋势。

你可以说「帮我做一个五年内在本地买房的计划」，它会结合你的收入、储蓄率和当前负债来推算；你甚至可以告诉它「我还欠爸妈一笔钱」或者「我打算明年初买车」，ChatGPT 会把这些信息存进「财务记忆」里，后续的对话都会考虑到这些上下文。

这和之前 ChatGPT 回答财务问题的体验完全不同。 以前你问它「我该怎么存钱买房」，得到的是一堆通用的理财教科书建议。现在它能看到你的银行账户余额、月消费结构、投资收益和负债比，给出的方案就不再是「建议你每月存工资的 20%」这种废话了。

OpenAI 还透露了下一步的计划：即将支持 Intuit 的数据接入，届时用户可以让 ChatGPT 分析卖出某只股票对税务的具体影响，或者评估自己申请某张信用卡的获批概率。

OpenAI 想把 ChatGPT 从「帮你查个概念」变成「帮你做决策」。

OpenAI 做这件事并非一时兴起。

它的布局其实已经持续了大半年。2025 年 10 月，OpenAI 收购了个人理财应用 Roi，其创始人 Sujith Vishwajith 随即加入 OpenAI。

2026 年 4 月，OpenAI 又收购了另一家个人理财初创公司 Hiro Finance，创始人 Ethan Bloch 和整个团队一起并入。Hiro 的定位是「AI 个人 CFO」，曾帮用户管理超过 10 亿美元的资产。Bloch 此前还创办过自动储蓄应用 Digit，该公司在 2021 年以超过 2 亿美元被收购。

两次收购、两个 fintech 老兵、半年时间——OpenAI 显然在有计划地组建一支「金融突击队」。

而驱动这一切的数据也很惊人。OpenAI 透露，每月有超过 2 亿人在 ChatGPT 上提出财务相关问题——从预算管理到如何削减开支。这些用户本来就在用一个「通用聊天机器人」干理财的活，只不过之前 ChatGPT 给出的回答缺乏个人化的数据支撑。

现在有了 Plaid 的账户连接和 GPT-5.5 模型更强的推理能力，ChatGPT 的目标很明确：从一个「什么都能聊」的通用助手，进化成一个真正了解你财务状况的「超级助理」。

这条路线其实 OpenAI 已经跑过一遍了。

今年 1 月，它推出了 ChatGPT Health，让用户可以连接医疗记录和 Apple Health、MyFitnessPal 等健康应用。官方数据显示，每周有超过 2.3 亿人在 ChatGPT 上提出健康问题。从健康到理财，OpenAI 正在把 ChatGPT 打造成一个覆盖人生所有「高价值决策」场景的入口。

但问题在于，理财不是写文案。你交出去的不是一个提示词，而是你的全部财务画像。

这个功能发布后，社交媒体上的反应几乎是一边倒的质疑。有人在 Twitter 上评论：「什么正常人会愿意把这种级别的访问权限交给 OpenAI？」还有人直接翻出旧账：「你们刚刚才因为偷偷把 ChatGPT 对话数据分享给 Google 和 Facebook 被集体诉讼。」

这不是空穴来风。就在这个理财功能发布的前一天，一桩新的集体诉讼在加州联邦法院立案，指控 OpenAI 在 ChatGPT 网页中嵌入了 Meta Pixel 和 Google Analytics 追踪代码，在用户不知情的情况下，将聊天话题、用户 ID、邮箱地址等信息传输给了 Meta 和 Google 用于广告定向投放。诉状指出，大量用户在 ChatGPT 上讨论的是财务、健康和法律等极度隐私的话题。

一边被起诉说你偷偷共享用户对话数据，一边又推出一个要求用户连接银行账户的新产品——这个时间撞上，几乎是一个 PR 灾难级的巧合。

OpenAI 显然意识到了信任问题。它在公告中反复强调，ChatGPT 无法对用户账户进行任何操作，也看不到完整的账户号码，只能读取余额、交易记录、投资组合和负债信息。断开连接后，数据将在 30 天内删除。用户还可以查看和删除 ChatGPT 记住的财务「记忆」。

但有一个细节值得注意——系统中有一个名为「为所有人改进模型」的可选开关。如果用户打开，他们的财务对话数据就会被用于训练 AI 模型。这个开关虽然默认关闭，但它的存在本身就传递了一个信号：

你的财务数据在 OpenAI 的体系里，理论上是可以成为训练素材的。

ChatGPT 做理财工具，放在更大的背景下看，是 AI 行业的一个集体性转向。

通用聊天机器人的时代正在结束，「垂直化超级助手」的战争已经打响。

OpenAI 在 1 月做了健康、5 月做了理财；Anthropic 在 5 月初发布了十个面向金融行业的专业 AI Agent，直接瞄准银行、保险和资管领域，合作数据源包括 Moody's、S&P Capital IQ 和 Morningstar，消息一出，FactSet 股价当天跌了 8%；Perplexity 也在同一时间推出了「Computer for Professional Finance」，面向专业投研团队，支持接入 PitchBook、Daloopa 等数据源，提供 35 个预设的金融工作流。

有趣的是，Perplexity 的金融产品最近也开始通过 Plaid 支持用户连接券商账户——和 ChatGPT 用的是同一家基础设施。这意味着 Plaid 正在成为「AI 理财」时代的底层管道，就像 Stripe 之于在线支付。

但各家的路线分野也很明显。OpenAI 走的是 C 端路线，目标是把每个普通人的银行账户拉进 ChatGPT；Anthropic 和 Perplexity 走的是 B 端路线，目标是让金融专业人士用 AI 来替代 Bloomberg Terminal 的部分功能。

不过，不管 B 端还是 C 端，核心逻辑是一样的：谁能获得用户最隐私、最高价值的数据，谁就在 AI 的下一阶段占据入口。

健康数据、财务数据、法律数据——这些领域之所以被 AI 公司集体盯上，不是因为 AI 突然变得擅长理财，而是因为这些场景天然需要个性化、天然有高频交互、天然有付费意愿。

回到 ChatGPT 的这次发布。从产品逻辑看，它其实做得不错：通过 Plaid 连接保证了安全性的底线，读取权限而非操作权限降低了风险，30 天数据删除给出了退出机制。OpenAI 还表示，将很快支持 Intuit 的连接，届时用户可以分析股票出售对税务的影响、评估信用卡申请的获批概率。

但产品做得好和用户信得过之间，隔着一道鸿沟。

Sam Altman 想把 ChatGPT 变成一个「个人超级助手」，从写作到搜索、从健康到理财、从编程到购物，覆盖人生的方方面面。这个愿景不可谓不宏大。但越宏大的愿景，对信任的要求就越高。而 OpenAI 在隐私问题上的记录，并不能让人完全放心。

Slashdot 上有一条评论说得很直接：「把银行账户交给一个会产生幻觉的聊天机器人？什么时候开始 AI 给出的理财建议可以写进免责声明了？」

这话虽然尖刻，但确实点到了核心问题。AI 理财工具和传统理财顾问有一个根本区别——人类理财顾问受金融监管、有执照、有法律责任；而 ChatGPT 的服务条款里写得很清楚，它不提供投资建议，也不承担任何财务后果。

当一个工具看上去像理财顾问、说话像理财顾问、甚至比大多数理财顾问更了解你的消费数据——但法律上它什么都不是，这本身就是一个需要被认真讨论的灰色地带。

OpenAI 说它会先在 Pro 用户群体中收集反馈，再决定是否向 Plus 用户开放。这是一个聪明的策略——用最愿意尝鲜的硬核用户来「试错」。但如果信任问题不解决，更大的用户群可能永远等不来。

ChatGPT 想管你的钱，技术上它已经准备好了。

但你准备好了吗？这可能是 AI 时代每个人都绕不开的选择题。

跳转微信打开

iPhone 17 Pro 大降价；全球存储供应再迎重压

OpenAI 推出 ChatGPT 个人理财功能 允许用户连接银行账户

本周五，OpenAI 面向美国的 ChatGPT Pro 订阅用户推出了一套全新的个人理财工具预览版，允许用户连接自己的账户，并就从消费分析到未来财务规划等各类问题进行咨询。

OpenAI 与金融连接服务商 Plaid 达成合作，负责管理账户连接事宜。用户可以连接超过 12000 家金融机构，包括嘉信理财、富达投资、摩根大通、Robinhood、美国运通和 Capital One 等。该公司表示计划很快支持 Intuit，这将能够实现诸如股票出售对税务的影响或信用卡批准概率等分析。

一旦用户完成账户连接，他们将看到一个展示投资组合表现、消费情况、订阅服务以及即将到期付款的仪表板。

这一新产品的推出距离 OpenAI 于今年 4 月收购个人理财初创公司 Hiro 的团队仅一个月时间。

据 OpenAI 透露，目前每月已有超过 2 亿用户向 ChatGPT 咨询金融相关问题。该公司还指出，新推出的 GPT-5.5 模型在结合上下文进行推理方面更加强大，这对于回答金融相关问题至关重要。公司表示，他们与金融专家合作创建了一个基准，以提高模型在个人理财问题上的表现。

借助新的金融工具集成，用户可以获得对诸如"我感觉最近花钱更多了，有什么变化吗?"或"帮我制定一个计划，在未来 5 年内准备好在我所在地区买房"等问题的详细解答。（消息来源：cnBeta）

SpaceX 目标 6 月 11 日在纳斯达克定价，有望创史上最大 IPO

5 月 16 日消息，据华尔街日报、彭博社、路透社消息，SpaceX 正加速其 IPO 进程。

知情人士透露，该公司目前已选定纳斯达克作为上市交易所，并计划最早于 6 月 4 日启动正式路演，最早 6 月 11 日公布发行价，股票将于 6 月 12 日正式挂牌交易，股票代码定为“SPCX”。

马斯克计划下月上市，恰逢罕见行星连珠、其 55 岁生日（6 月 28 日）以及美国建国 250 周年纪念日（7 月 4 日）前夕。尽管估值数字仍在变动，这家火箭公司已讨论以 1.75 万亿美元估值募资约 750 亿美元。

知情人士补充说，美国证券交易委员会（SEC）对该公司上市申请文件的审核速度快于预期，是推动时间表提前的部分原因。

据知情人士透露，在上月提交给美国证监会的保密 S-1 文件中，马斯克将控制 B 类股票的绝对多数，每股投票权为普通股的 10 倍。披露文件显示，这位全球首富已持有该 2002 年创办公司至少 40% 股份、超过 80% 投票权。（消息来源：IT之家环球市场播报）

三星在为期 18 天大罢工前夕逐步关停芯片产线 全球存储供应再迎重压

5 月 15 日，据路透社报道，三星电子的韩国工会周五表示，在有关薪酬与奖金方案的政府调解谈判破裂数日后，这家科技公司已提出「无条件恢复谈判」。

同时，三星电子正在为一场即将到来的大规模工人罢工做准备，开始逐步降低工厂稼动率并关停部分芯片生产线。

据韩国媒体报道，公司正放缓晶圆投片节奏，转入所谓的「紧急经营模式」，实质上就是压缩产能并减少新晶圆进入生产流程。目前约有 43286 名工厂工人加入罢工行动，占其半导体事业群（DS 部门）员工总数的一半以上，人员缺口正直接拖累生产线运转。

在「紧急模式」下，三星将严格控制新的晶圆进入生产，各道工序本身是一个需要全天候运转的长周期流程。得益于高度自动化，即便人力短缺，部分产线仍能维持在最低限度的运转水平，但关键设备依然离不开人工操作和维护。随着罢工临近，更多生产线将因一线操作人员不足而被迫停摆，整体产出预计出现明显下滑。

市调机构 TrendForce 估算，此次事件可能扰动全球约 3% 至 4% 的 DRAM 供应，以及约 3% 的 NAND 闪存供应。当前正值 DRAM 与 NAND 供应紧张、缺货加剧之际，三星的减产和停产将进一步加剧全球存储供应链压力。此次波及的生产线包括 HBM、高低功耗 DDR5（LPDDR5）以及部分定制逻辑芯片等关键产品，一旦供给前景出现不确定性，下游客户可能转向 SK 海力士或美光等竞争对手以分散风险。（消息来源：IT 之家、cnBeta）

算力荒加剧：OpenAI CFO 透露融资计划、回应与苹果关系紧张

5 月 15 日，据彭博社报道，OpenAI CFO 莎拉 · 弗里尔 (Sarah Friar) 周四表示，即使在完成了她所称的史上最大一轮私募融资之后，OpenAI 仍可能进一步筹集更多资金，因为该公司正加紧获取算力，以应对飙升的 AI 需求。

弗里尔在接受彭博电视采访时称，OpenAI 近期完成的 1220 亿美元融资轮为该公司提供了「很大的选择空间」，但她补充说，未来的融资将取决于需求、收入增长、现金流以及公司所需算力与其可负担算力之间的缺口。

她还表示，随着时间的推移，公开市场可能成为一个有吸引力的融资渠道，因为公开市场「规模远超」私募市场，并能让公司获得更多融资选择。

近期还有消息爆出，OpenAI 正考虑以违约为由对苹果采取法律行动，事由涉及双方两年前官宣的 ChatGPT 接入合作协议。该人士称，过去几个月 OpenAI 一直试图修复与苹果的合作关系，但苹果方面态度消极、毫无作为。OpenAI 虽不愿走到起诉这一步，但除非苹果展现出更多合作诚意，否则不排除提起诉讼。

当被问及与苹果公司关系紧张以及可能采取法律行动时，弗里尔表示，OpenAI 希望让这段合作关系顺利运作，但拒绝对诉讼事宜发表评论。（消息来源：环球市场播报、IT 之家）

iPhone 17 Pro 大降价！网友：安卓阵营的日子更不好过了

月 15 日消息，今天苹果手机突然官宣降价，iPhone 17 Pro 系列直降 1000 元，价格跌到历史新低。而且这次降价还可以和官方以旧换新活动叠加，双重优惠叠加之后最高补贴能到 2000 元，最终到手价最低仅需 6999 元。

与此同时，iPhone 17 标准版也迎来了上市后的首次官方降价，叠加多重渠道补贴和以旧换新抵扣之后，到手价只要 4499 元，性价比一下子拉了上来。

有苹果线下授权专卖店的工作人员表示，往年很多老果粉就专门等着 5 月这波常规调价，叠加接下来马上开启的 618 大促节点，这波优惠几乎可以确定是今年入手 iPhone 17 系列的最佳窗口期。今年整个手机行业的内存等核心元器件普遍涨价，已经有不少国产品牌的旗舰机型售价上调了 200 到 600 元。

这波苹果逆势降价的操作，直接让不少数码领域博主公开表态，接下来安卓阵营的市场竞争日子只会更不好过。（消息来源：快科技）

雷军欢迎宴会主动找马斯克合影 马斯克参加晚宴被指喝懵了！

5 月 15 日消息，5 月 14 日晚，美国总统特朗普访华欢迎晚宴在北京人民大会堂举行。

这场国宴汇聚了中美两国政商界重量级人物，苹果 CEO 库克、小米董事长雷军、特斯拉 CEO 马斯克等均受邀出席。然而，晚宴开始前的画面中，马斯克的状态却成了社交媒体上的热门话题。

据报道，宴会开始前，美方代表团已陆续抵达现场。画面显示，美国国务卿鲁比奥、苹果 CEO 库克等与会宾客正热烈交谈，马斯克则低头静坐，反应迟缓。

期间雷军主动上前与马斯克合影自拍，马斯克对镜头做出「wink」等表情，有网友形容其「仿佛喝懵了」，引起热议。

对此，优客工场创始人毛大庆在微信群聊中给出了解释。他表示，根据可靠信源，马斯克在晚宴前的表现并非网传的饮酒过量，而是受时差影响。（消息来源：快科技）

腾讯地图上线外卖「骑手模式」：智能推荐少红灯高效路线、提前查看终点实景图 / 门禁区域

5 月 15 日消息，腾讯地图宣布上线「骑手模式」，面向外卖、快递等配送平台骑手提供更专业的导航服务，旨在解决配送末端找路难题，号称跑单场景配送效率可提升 20%，用户只需将腾讯地图更新至最新版，在导航模式中选择「骑手模式」即可体验。

据介绍，在骑手模式下，地图会精简显示关键信息并高亮展示路线，在强光环境下也能更清晰辨认路线，系统还会提前展示前方 150-300 米路况，方便骑手提前判断。骑手可将导航目标直接定位到具体楼栋 / 单元门，目标楼号会在地图上放大并高亮显示，即使进入陌生小区，骑手也能快速判断该往哪里走。

同时，针对大型商场等复杂场景，腾讯地图还可提示从哪个门进入、乘坐哪部电梯，以及店铺位于哪一层、哪个位置，减少商场内绕路找店的情况。

此外，骑手出发前可提前查看终点实景图，例如商家门脸照片，在到达前就能了解目的地外观，不用到现场后再逐个查找门牌。在到达门禁区域前，骑手还能提前查看是否存在刷卡门、收费门，便于提前联系用户下楼取单，节省等待时间。（消息来源：IT 之家）

华为首款超新星手表正式发布！离线定位守护安全、「潮玩相机」记录成长

5 月 15 日，在鸿蒙智行智界 V9 发布会上，华为终端 BG 董事长余承东宣布华为超新星手表 X1 系列正式发布并开启预售，为少儿和青少年提供安全、智能、充满乐趣的全方位陪伴。

针对家长在带孩子出行时常有的安全焦虑，华为超新星手表 X1 系列打造了一张严密的防护网。首先是硬件基石上，手表采用华为自研网络定位服务，支持 GPS、北斗等五模双频卫星定位。最值得家长们重点关注的是，华为超新星手表 X1 系列将精准定位做到了「最强守护」——在关机后 5 天内或无网络连接状态下也能定位。

还新增了贴心的「上学守护」功能，家长可设置学校、家等重点位置，孩子进出时 APP 会自动推送通知；此外，家长还可以手动在智能关怀 APP 的地图中绘制安全区域，一旦孩子超出该区域便会立即收到提醒，全方位守护孩子的每一次出行。

除了时刻掌握孩子的位置动向，华为超新星手表 X1 系列将守护的触角延伸至了身心健康领域，能够全天候记录孩子的心率曲线，方便家长在 APP 端随时查看孩子一天的心率变化；在心理关怀方面，支持情绪监测功能，将孩子的内心情绪转化为「愉悦、平静、一般」三种直观的卡通形象，帮助家长读懂孩子没说出口的「心里话」。

在日常沟通与网络社交层面，华为超新星手表 X1 系列兼顾了孩子的天性与家长的「可感可控」——手表支持跨品牌加好友，实现语音通话、短信交流，满足了孩子的日常社交需求，但加好友过程需经家长审核，牢牢把关交友安全。配合陌生来电自动拒接、陌生短信家长代收、防沉迷及上课禁用模式。（消息来源：IT 之家）

50.98 万元，全新一代理想 L9 Livis 车型上市

5 月 15 日，全新一代理想 L9 Livis 车型正式上市，定价为 50.98 万元。赠送 6 月 30 日前锁单现金减 2 万元权益，理想老车主复购减 1 万元。

该车采用旗舰比例，车头采用三色星环灯，同时可选双色车身（紫金 / 绿金 / 棕金 / 黑金），采用「大师级」三重喷漆工艺，还提供了无阶差手工打磨的独立腰线。前后保险杠利用 UWB 近场感知技术取代传统超声波雷达，让车身更加无暇，同时还能降低哨兵模式耗电程度。同时车身还采用了隐藏式电动踏板。

该车使用高通骁龙旗舰版 8797 Elite 芯片，同时内置两颗自研 5nm 制程的马赫 100 芯片，有效算力高达 2560TOPS，号称是英伟达 Thor-U 的 3 倍，并搭载覆盖全车 360 度的激光雷达，号称目前全球最强的智驾大脑且「没有之一」。

该车长 5255mm，宽 2000mm，高 1810mm，轴距 3125mm，车辆搭载理想全自研第三代增程器，号称同级最低能耗，WLTC 工况下的百公里油耗 6.3 升，增程器启动噪音 < 0.1dB；5C 超充电池容量 72.7kWh 同样号称同级最大，CLTC 纯电续航 420 公里、综合续航 1650 公里。（消息来源：IT 之家）

巴菲特慈善午餐回归：900.01 万美元成交，买家未具名

5 月 15 日消息，据路透社昨天报道，一位神秘买家以 900.01 万美元拍下与「股神」巴菲特、篮球巨星斯蒂芬 · 库里共进午餐机会。

据报道，此次拍卖持续一周并于周四结束，中标者身份暂未公开。

按照既定安排，巴菲特、库里将与中标者在美国内布拉斯加州奥马哈共进午餐，这名买家最多可以带 7 名宾客入场。

同时，本次拍卖所得将分配给 Glide Foundation、Eat. Learn. Play. 慈善组织，两家机构还将对拍卖金额进行等额匹配捐赠，总捐款金额将达到 2700 万美元。

之前记录最高的是 2022 年，巴菲特午餐最终成交价为 1900 万美元。（消息来源：IT 之家）

*图片来源：视觉中国

跳转微信打开

只用了不到半年时间，「太空算力」就迅速从一个前沿的技术概念，变成了全球科技圈和投资圈里最炙手可热的话题。

马斯克自然是最活跃的那个人，太空算力取代火星移民成为了他航天梦的第一目标。最新的动作包括投资 550 亿美元自建 Terafab 芯片厂、申请一个最多 100 万颗卫星的轨道数据星座、整合旗下的 SpaceX 和 xAI 两家公司。马斯克回答了「太空算力怎么造、放哪里、如何消耗」三个问题，为外界快速勾勒出一套关于 AI+商业航天的全新叙事逻辑。

另一个硅谷玩家 Google 近日也被传出和 SpaceX 讨论轨道数据中心合作。一边掌握 AI 芯片和云基础设施、另一边掌握火箭和轨道运力，太空算力已经从概念变成巨头之间可以合作的基础设施项目。

在国内，工信部在 4 月的发言里，已经公开提出支持开展太空算力技术前瞻性研究，有序推动太空算力产业发展，国内头部民营航天公司也完成了单轮超 50 亿规模的新一笔融资。

于是，我们看到硅谷和中国创新者一起，就太空算力对于商业航天和 AI 的意义快速达成了共识。这背后不仅是竞争维度里对轨道资源的提前布局，也代表着全人类正在对太空形成一种全新的认识：它将从「探索对象」，演变成一个人类可以扩展的「基础设施空间」。

近日，极客公园创始人张鹏与太空绽放投资人/创始人翟光龙就商业航天、太空算力的话题进行了一次长谈。翟光龙毕业于中科大，以美团早期创始团队成员的身份经历了移动互联创业浪潮。2017 年，翟光龙创立松果出行，并成为全国县域细分市场中交易额及车辆投放量的头号玩家。

与此同时，作为一名航天迷，过去几年翟光龙深度调研了多家国内外商业航天公司。在他看来，太空算力将成为牵引商业航天走进第二波浪潮（Wave 2）的关键。他也在其中看到了属于创业者的机会，并开启了全新创业项目「太空绽放」。

以下为本次沟通的文字实录，经编辑整理。

张鹏：最近「太空算力」成为了中美的 AI、航天领域最热门的词。这件事的起点是什么？

翟光龙：太空算力不是 2026 年才出现的新概念。大概 2023 年前后，就有一些欧洲的研究机构和美国创业公司开始探讨，但过去基本都是小打小闹，并没有成为 AI 或航天行业的主线，更没有形成共识。

直到去年，马斯克开始讲太空算力的故事，行业里才开始认真看待这件事。原因在于，马斯克是最接近能让太空算力这套新叙事闭环的人。

张鹏：为什么是马斯克？要让太空算力的故事闭环，需要什么能力？

翟光龙：最重要、最基本的是发射能力。2025 年，马斯克的 SpaceX 一共完成了超过 160 次商业发射，全部由中型火箭 Falcon 9（猎鹰 9 号）执行，单次发射载荷为 20 吨量级，而 SpaceX 下一代重型火箭 Starship（星舰）可以把单次发射的载荷进一步提升到百吨级别。所以理论上，马斯克最有可能支撑搭建太空数据中心需要的运力。

张鹏：为什么从 SpaceX 这样一家「民营公司」里长出了这么强的火箭发射能力？

翟光龙：我们回到整个航天发展史看这个问题，脉络会更加清晰。我个人把整个航天发展分成了以下三个阶段：

第一个阶段从 1957 年开始。这一年苏联发射了斯普特尼克号，这件事对美国形成了巨大刺激，他们意识到对手已经在某个领域大幅领先，必须奋起直追。

所以在这个阶段，航天并不是一个商业问题，而是国家主导的技术竞争，主要推动力就是美苏争霸。它演化出了后来的阿波罗登月、哈勃望远镜等宇宙探索；以及和如今普通人生活更紧密相关的「通导遥」（通信、导航、遥感）技术。

后来，当美国已经明显领先苏联的时候，美国民众就不再支持政府继续大量花钱了，阿波罗计划也就停掉了。

2002 年，SpaceX 成立。这家公司过去二十多年不仅做出了中型可回收火箭猎鹰 9 号，还打造了通信互联网星座品牌 Starlink（星链），后者和前者实际上形成了「甲乙方」关系。

这个过程中，除了技术突破，我认为马斯克另一个厉害之处在于他给火箭和航天创造出一个稳定的商业需求，让这个行业不再需要完全依托于国家和政府意志来推进。

所以，我把 2002 年视为商业航天的 1.0 阶段的开端。这个阶段里，SpaceX 是全球唯一跑通了商业闭环的公司。

张鹏：听起来马斯克在 SpaceX 内部既造出了锤子，又找到了钉子。所以，是先有的锤子（猎鹰 9 号），还是先有的钉子（Starlink）？

翟光龙：SpaceX 前期重点突破的是火箭可回收技术。2015 年，猎鹰 9 号首次实现一级火箭回收。这一步大幅降低了进入太空的成本：以前发射一公斤载荷到近地轨道（Low Earth Orbit，简称 LEO），成本在数万美元，如今已经降到了 1500-2000 美元每公斤的水平。

而 Starlink 其实在 2014、2015 年的时候也在同步启动。变化在于，当猎鹰 9 号回收成功之后，SpaceX 又加大了对 Starlink 的投入。

这是很典型的创业公司新业务投入的逻辑：什么时候先趟水，什么时候加大投入，我认为马斯克有一套自己的节奏。

2015 年 12 月 22 日，猎鹰 9 号首次实现成功垂直着陆

张鹏：从第一次首先可回收到现在，火箭发射和 Starlink 两块业务的成长曲线又经历了怎样的变化？

翟光龙：摩根士丹利在三四年前出过一份报告，当时 Starlink 业务才刚刚起步。所以在那份报告里，Starlink 和火箭业务的估值占比大约是 2:8，火箭是核心。但是现在，在不考虑太空算力这个最新变量的情况下，Starlink 已经占到了 SpaceX 整体估值逻辑的 80%，完成了彻底反转。

从收入结构看，Starlink 也成为了主力现金奶牛。2025 年，Starlink 业务的收入大约是 118 亿美元，而火箭发射业务收入大约是 30 亿美元。

张鹏：似乎可以理解为什么马斯克要推动太空算力这个新叙事了，火箭发射的市场规模并没有想象中那么大。

翟光龙：是的。据不完全统计，目前全球火箭发射市场差不多是 50-60 亿美元，SpaceX 占了一半以上。但中国有太多超过这个规模的产业了，所以这是一个看起来很 fancy，但事实上此刻规模「极小」的产业。

而且从猎鹰 9 号入轨、可回收到现在，十多年过去了，发射成本持续大幅下降，但整体市场规模并没有发生很大变化。

实际上，去年 SpaceX 的 160 多次发射里，有大约 74% 是给自家的 Starlink 服务的内部「不赚钱」任务，其实真正的外部客户并不多。如果进一步去除来自 NASA 等机构的「官方订单」，真正一年的商业发射需求只有 10 次左右。

张鹏：看起来目前已经没有那么多可发射的真实商业需求了。而 SpaceX 在猎鹰 9 号之后还有新一代的重型火箭 Starship（星舰），运力从 20 吨提升到了百吨的量级。

翟光龙：这是一个很严肃的商业问题。整个 Starlink 通信星座差不多 15000 颗就可以部署完成，现在已经铺了上万颗了。所以 Starlink 的需求完全不足以支撑星舰提供的大运力。这也是太空行业很典型的特点：很多时候只能先干着，再去想需求。

马斯克之前讲过几个故事：例如把星舰变成客机，从北京到纽约 2 小时就能到；还有火星旅游甚至火星殖民。本质上这些是他想办法在创造新需求，但这些需求目前来看都不成立。

张鹏：所以你觉得「去火星」已经不是马斯克现在的太空目标了？

翟光龙：火星只是过渡阶段的故事。现在，当太空算力这个新变量被严肃讨论之后，我认为商业航天领域将以此为需求，迎来第二波浪潮，进入全新的 2.0 阶段。

张鹏：国内商业航天领域，目前的整体情况是怎样？

翟光龙：过去 10 年，中国没有一家公司可以复制互联网和 AI 的故事，快速追平和 SpaceX 之间的技术差距。

这背后很重要的一个技术原因是由于航天作为强工程、强监管、强供应链隔离的行业，很多能力不是看懂了就能复制，还必须在工程上重新踩坑。

张鹏：那你认为中国的民营航天公司应该如何规划发展路径？「国产星链」在过去几年似乎被讨论得比较多。

翟光龙：中国有星网、垣信这些低轨通信星座项目，可以给火箭公司提供一部分发射需求。但我认为国内通信星座和 Starlink 的商业应用场景是不一样的，很难支撑起 Starlink 之于美国市场那样的大规模 C 端应用场景。

张鹏：两个市场的应用场景有什么不同？

翟光龙：从技术层面说：Starlink 不是 5G 的替代品，它和 5G 是互补关系。

受限于卫星通信的带宽和波束数量，Starlink 这类服务在单位面积内可以支撑的用户数量是有限的。所以它适合低人口密度、低网络覆盖的场景，比如美国农村、海上游轮、户外徒步、国家公园这些地方。

但中国人口高度聚集在城市，而我们的 5G、光纤等地面通信基础设施覆盖非常密了，自然就很难形成美国那种大规模、面向 C 端消费者的卫星互联网刚需。

从这个角度来说，我不认为中国公司应该完全照搬 Starlink 这套发展路径。

张鹏：所以中国民营航天公司也面临「缺少商业需求」这个困境？

翟光龙：可以这么理解。火箭当然重要，运力当然重要，但商业航天不是只靠火箭就能跑通的。我们不仅要从技术上解决火箭的问题，还要在起点回答「要把什么发上去」这个问题。

没有这个大需求，商业火箭公司就会一直面临「我到底给谁发、发什么、发多少」的问题。

所以中国商业航天真正要找的，不只是下一个火箭型号，还有下一个能够大规模消耗运力的应用场景。

张鹏：太空算力对中国来说是新机会吗？现在，布局太空算力在国内是否形成了共识？

翟光龙：目前各个地方、各个机构已经开始根据自己的方案各自探路，但还没有形成一个完全统一的国家级大工程。

最大的一个问题还没有被回答：如果国内不缺算力，为什么一定要把算力送上太空？到底谁来买单？

所以更准确地说，太空算力现在是一个新牵引和新方向。它能不能真正成立，还要看技术路线、建设成本、买单机制和国家层面的战略共识。

张鹏：同样是太空算力，在中国和美国要解决的问题也是不一样的？

翟光龙：太空算力对中美都很重要，但背后的原因不同。

对美国来说，不仅马斯克要回答火箭「运力过剩」这个问题，更重要的是，电力、土地、基建设施正在成为制约 AI 发展的核心问题。

而对中国来说，我们不缺电力和土地，更不缺大规模基础设施的建设能力，但中国的商业航天领域需要一个新的动力。

中国商业航天不能只问「我们什么时候做出中国版 SpaceX」，更应该问：什么样的新需求，可以让中国火箭公司、卫星公司、轨道服务公司、能源和通信公司一起长起来？

在这个意义上，太空算力的价值不只是算力本身，而是它可能重新组织中国商业航天的产业链。它给火箭提供发射需求，给卫星提供新任务，给能源、通信、轨道运维提供新场景，也给地方政府和国家战略提供一个新的产业抓手。

所以，太空算力现阶段在美国语境的关键词是「算力」，在中国语境的关键词是「太空」。

张鹏：回到技术本身，在太空部署算力和在地面最大的区别是什么？

翟光龙：太空算力最容易被误解的地方，就是把它理解成「把地面服务器搬上天」。事实上，这并不是一个简单「运输过程」，而是要重新设计一套能在太空环境里长期运行的算力基础设施。

地面数据中心的很多条件是默认存在的。比如你可以接入电网，可以用成熟的冷却系统，可以持续维护机房，可以不断换卡、换服务器，也可以接入地面网络。

但太空里不是这样。你首先要把所有东西发上去：计算单元、供电系统、太阳能板、通信系统、结构件，甚至后续维护和更新所需要的能力，都要被纳入系统设计。它不是发一个 CPU 或 GPU 就结束了，而是要发一整套可以在轨道上运行的系统。

所以对于太空算力而言，「算力」只是其中一个结果，背后是火箭、卫星、能源、通信、材料、轨道运行和运营能力共同组成的系统工程。

张鹏：看起来并不太适合做大规模训练，更适合「天数天算」的场景。

翟光龙：是的，通信和延迟问题决定了太空算力适合的任务类型。

太空算力前期的应用场景，不是给地面用户提供普通云服务。短期看来，太空算力中心也不能给 OpenAI 或者 Anthropic 训练一个大模型，不会成为地面数据中心的替代品。

它更适合那些靠近任务现场的计算，比如在轨数据处理、空间目标识别、轨道图像分析，也就是最近经常被提到的所谓「天数天算」。所以太空算力更像是太空基础设施的一部分，先服务那些离太空更近、对本地计算更敏感的任务。

张鹏：除了通信和延迟，能源方面面临哪些技术问题？

翟光龙：太空里的太阳能条件比地面好，这是优势。问题在于，你不能只看太阳能本身，还要看收集太阳能的基础设施怎么上去。

太空算力如果要靠太阳能供电，就需要非常大的太阳能板。太阳能板本身有面积、有重量，也需要发射、展开、组装和长期运行。也就是说，能源不是免费的，它只是把地面算力中心付给供电商的钱，转换成了太空算力中心付给光伏板和火箭公司的钱。

这也是为什么要强调大运力、低成本火箭很重要。只有当你能把足够多、足够便宜的能源基础设施送上去，太空算力才可能从概念进入工程化。

张鹏：散热也是一个大问题。

翟光龙：没错。在真空环境中，热量不能像地面机房那样靠空气带走，主要要依赖辐射散热和热管理系统，甚至需要期待新材料的发展。

张鹏：地面的其他硬件设施可以被复用吗？

翟光龙：因为环境不同，其实也要面临一系列问题；其中，辐照，散热，碎片等会导致芯片设计，计算单元的模组设计和地面有明显不同。

所以，太空芯片不能照搬地面逻辑，单纯追求极致算力密度，还需要在性能、功耗、可靠性、寿命之间重新平衡。

另外，还要平衡算力迭代和维护问题。地面数据中心可以几年一换卡，但设备发到太空之后，不是想换就能换。一个计算单元今天发上去，几年后可能性能就落后了，或者寿命到了，需要重新替换。这背后又会牵涉新的发射、在轨操作和系统兼容。

张鹏：这件事需要这么多产业因素共同推进，你怎么判断进行到什么程度了？

翟光龙：太空算力真正要成立，至少要看一个很关键的比例：运载成本在整个太空建站成本里占多少。如果运载成本太高，这个模型永远很难成立，因为它会把太阳能、太空算力的优势都吃掉。

我觉得一个比较关键的判断是：太空算力的入轨成本降低到每公斤 200 美元以内，商业模型才接近成立。但现在的问题是，火箭成本的占比仍然很重。

除了运载成本，设备成本也要下降。你不能只看芯片，还要看太阳能板、散热器、通信系统、结构件、在轨部署和后续维护。

所以太空算力不是「发一次就完」的账，而是一个长期运营模型。

张鹏：随着太空算力的演进，你认为更长时间里还有发生哪些变化？

翟光龙：过去我们理解航天，很容易把它想象成几个画面：发火箭、发卫星、登月、去火星、把人送上太空。

一旦发射成本和运营能力随着时间进一步降低之后，近地轨道对人类的意义就会从卫星绕地球转的「空间」，转变成人类的「第二工业基地」。以前只在概念和理论中存在的太空制药、太空冶炼，就更接近于现实。

张鹏：所以登月、火星探索的意义也会变？

翟光龙：月球很重要，不是因为它离我们最近、最浪漫，而是因为它可能成为一个新的工业节点，成为人类的「第三工业基地」。

它有两大非常大的特征。第一，没有大气；第二，重力加速度只有地球的 1/6。这两个条件都有利于把东西从月球表面发射到近月轨道和地球轨道。

想象一下，如果我们可以在地球表面和近地轨道建立一个太空算力群，未来是不是也可以在月球以及近月轨道建立一个算力群？再往后，是不是可以在火星，甚至土星等附近建立类似算力节点？

这并不是说每个星球都要让人类居住，它指向的是一种基础设施逻辑：太空从一个探索对象，变成了一种可被人类扩展的基础设施空间。

张鹏：这跟上一个 10 年对太空的想象已经完全不同了，那个时候的主流叙事还是人类的太空移民。

翟光龙：商业航天的价值，肯定不是让少数人坐火箭上去看一眼地球，而是把机器、算力、能源、制造能力送上去。

张鹏：商业航天会从「运输」转向「生产」。

翟光龙：商业航天第一阶段，大家最关注的是怎么把东西送上去，也就是运力。

其中，SpaceX 的 猎鹰 9 号实现了更便宜、更可靠地进入轨道； Starlink 回答了有什么东西值得持续送上去这个问题。

但再往后走，只靠「从地球往太空运东西」是不够的。因为越是大规模的太空基础设施，越不能永远依赖地球供应。

你要建设太空算力、能源系统、轨道平台、深空机器人体系，就会自然走向一个问题：哪些东西可以在太空里制造？哪些东西可以在月球制造？哪些东西不需要再运回地球，而是在太空里生产、在太空里使用？

这时商业航天的角色就会变化。它不只是发射行业，而会和制造、能源、机器人、通信、轨道运维结合在一起。

张鹏：以后会不会人和机器分离，人还留在地球，让算力和机器人进入深空？

翟光龙：可以这么理解。从工程角度看，我觉得机器人会比人更适合深空环境。

人是地球的 PMF，人类的骨骼、肌肉、血液循环、身体都是在地球重力和地球环境下形成的。人类也需要氧气、水、食物，以及复杂的生命保障系统。

相比之下，机器人不需要这些东西，它真正需要的是能源、通信、感知能力，以及足够近的算力支持，而这些恰恰是我们正在向太空里部署的。

多星文明不一定意味着把人的身体送出去，太空算力可以把人类的意识和能力通过机器人的身体延展到地球以外，机器人也可以是文明的一部分。

张鹏：回到更现实的问题。太空算力规模化部署会不会有上限？近地轨道可容纳的卫星数量不是有上限吗？现在 Starlink 已经占了一万颗了。

翟光龙：不同人对近地轨道资源容量的判断不一样。有人认为上限是 5-6 万颗，也有人认为可以到 100 万颗。这个问题没有一个确定的答案。

张鹏：居然相差了 20 倍？

翟光龙：因为太空轨道更像一个动态的交通系统，而不是一个静态的空间。不同卫星的大小不同，卫星之间也需要保持距离，它们有相对速度，有不同轨道高度和倾角。

能否安全运行，取决于这几个变量：定位精度够不够高，预警够不够早，响应速度够不够快，卫星有没有机动规避能力，整个系统有没有统一或至少可协同的调度机制。

如果所有卫星都像自动驾驶汽车一样，可以实时知道周围有什么，并且快速做出规避动作，那轨道容量就会更高。反过来，如果你看不清、反应慢、调度能力弱，轨道容量就会低很多。

张鹏：除了在轨卫星之间的距离，还有相对不受控的太空碎片。

翟光龙：空间碎片一直存在。1978 年，唐纳德·凯斯勒提出了著名的「Kessler Syndrome」（凯斯勒综合征）理论，描述了一种连锁反应：一个碎片撞上航天器，产生更多小碎片；这些小碎片再撞上其他航天器，产生更多碎片。如果这种过程不可逆地扩展，整个近地轨道就可能变成碎片遍布的区域，人类会被困在地球附近，无法安全进入太空。

过去几十年，因为轨道上的东西有限，它一直是一个重要但不紧急的问题。但如果太空算力快速发展，大量新设施上天，这个问题很快就会变成房间里的大象。

张鹏：现在是怎么避免碰撞的？

翟光龙：全球目前有一个相对比较弱的协调机制，会通过邮件提前告知碰撞风险。例如，邮件里可能会写「你的卫星两天后会和某个目标接近，碰撞目标大概是多少」。然后，再由运营者自行评估要不要机动规避。

张鹏：轨道里有 1 万颗星的时候，还可以先通知、再决定。等 100 万颗星的时候，这套方法大概率就跟不上了。

翟光龙：这里有一个好玩的细节。前段时间马斯克在公布 SpaceX 要发 100 万颗卫星的前一天，先宣布了一套名为「Stargaze」的太空态势感知（Space Situational Awareness，SSA）系统。相当于提前堵住了大家的质疑，因为一定会有人问他，这么多星怎么保障不撞。

张鹏：所以从技术上，怎么提升避免碰撞的能力？

翟光龙：首先要解决「看见」的问题。你得先知道轨道上有什么东西，它在哪里，怎么运动。没有这些数据，后面谈规避、保险，甚至清除都没有基础。

所以第一步是太空态势感知。它要做的事情包括观测、识别、编目、定轨和预警。简单说，就是实时捕捉轨迹、精准定轨，为每一块碎片建立一份数字档案。

张鹏：谁来主导这件事？是某个官方的机构，还是一个独立的商业组织？

翟光龙：轨道治理不是一个单纯的技术问题，它和安全、责任、主权、国际信任都有关。试想一下，如果由某个国家的官方机构发布轨道数据，其他国家一定会完全相信吗？未必。

但如果一个相对独立的机构，长期提供稳定、可信、可验证的数据服务，它反而有机会建立跨国公信力。太空态势感知的核心不只是「我看到了什么」，还包括「别人信不信我看到的东西」。

往大说，轨道数据服务不仅是一个商业服务，也是未来太空秩序的一部分。谁能够更早建立稳定、可信、全球化的太空态势感知能力，谁就不只是拥有一门生意，也拥有了参与制定太空规则的基础。

张鹏：所以你选择了太空交通管理作为「太空绽放」这家公司的切入方向。

翟光龙：太空算力会催生一系列产业，包括太阳能板、散热器、芯片、HBM（High Bandwidth Memory，高带宽存储），以及在轨运维、太空交通管理、碎片清除等。未来 5-10 年，很多机会可能都和这条链有关。

这其中，其实现在航天大部分还是物理性产品，而不是比特产业，AI 在航天产业里的渗透率还很低，现在比较多的是数据分析，比如地数天算、天数天算，数据处理传输等。我觉得未来，AI 会成为新的机会。

张鹏：这个方面会面临巨头的竞争吗？你提到马斯克自己要做一套 Stargaze 的观测系统？他们已经有上万颗卫星，应该也就有更多数据？

翟光龙：Stargaze 理论上当然可以看到一些东西，也可以在自己的系统里做规避。但它原本的设计目标不是专门看空间碎片，而是为了看恒星，用来给自己定姿，而不是为了识别、编目和跟踪大量碎片。

看恒星和看碎片是两件事。恒星相对稳定，碎片是高速运动的小目标。你要把恒星背景剔掉，识别不断运动的碎片，还要持续跟踪，判断今天看到的目标和昨天看到的是不是同一个，这里面的难度完全不一样。

另外，我也认为这件事不能完全依赖别人的系统。尤其对中国来说，未来如果有自己的大规模星座和太空基础设施，就必须有自己的轨道数据能力。在讨论太空发展这个话题的时候，中国必定要掌握足够的话语权。

张鹏：谁来为这个服务买单？

翟光龙：最直接的客户，首先是大规模卫星星座的运营者。

因为星座运营者一定会关心几件事：有没有保险？保险费高不高？我的卫星有没有机动规避能力？我能不能提前知道风险？这就像买车。你不能只买保险，不装刹车。

如果一个太空态势感知系统能帮助星座运营者减少碰撞风险、减少不必要的机动、降低卫星损失，甚至降低保险成本，那它就有商业价值。

当然，早期可能不是一个纯市场化买单模型，而是国家需求、星座运营者风险管理、保险体系和商业数据服务交织在一起。

张鹏：听起来是一个漫长的计划，也许需要数十年。

翟光龙：是的，我认为如果一个人很严肃地决定投入到商业航天、太空算力有关的事业，那么这个时间长度至少应该是 20 年。我也做好这个心理准备了。

极客公园将持续对商业航天领域进行跟踪观察，欢迎相关行业人士添加作者微信（siqigunner1886）进行沟通交流。

跳转微信打开

Anthropic 高管：公司 90% 代码已由 AI 完成；

腾讯辟谣「AI 一号位即将离职」：纯属子虚乌有；

Anthropic 企业采用率首超 OpenAI；

微软寻求收购 AI 公司以摆脱对 OpenAI 依赖

马斯克 360 度转圈拍摄人民大会堂，黄仁勋：这会是一次非常成功的会晤

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

英伟达首席执行官黄仁勋在接受采访时表示：这会是一次非常成功的会晤。

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

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

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

英伟达市值破 5.5 万亿美元，超世界第三大经济体德国 GDP

5 月 14 日，英伟达（NVIDIA）公司市值盘中首次突破 5.5 万亿美元，刷新全球上市公司市值历史最高纪录，也是全球首家站上这一关口的上市公司。

英伟达在当天早盘后股价上涨 3%，从 2026 年年初至今，公司市值已增长 19.58%，进一步巩固其全球市值最高公司的位置。

从横向对比看，英伟达已明显甩开主要科技巨头，谷歌母公司 Alphabet 市值为 4.86 万亿美元；苹果公司市值为 4.39 万亿美元，微软公司市值为 3.01 万亿美元。（来源：IT 之家）

Anthropic 企业采用率首超 OpenAI

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

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

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

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

微软寻求收购 AI 公司以摆脱对 OpenAI 依赖

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

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

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

Anthropic 高管：公司 90% 代码已由 AI 完成

5 月 14 日，Anthropic 首席财务官表示，AI 已编写公司 90% 的代码，使白领工作重心从执行转向监督。这些言论透露出这家硅谷顶级 AI 公司对未来白领工作的看法：AI 未必会直接消灭大量岗位，但会自动化掉员工日常工作中的大部分执行任务，使员工逐渐变成 AI 系统的「监督者」。（来源：财联社）

腾讯辟谣「AI 一号位即将离职」：纯属子虚乌有

5 月 14 日，据「鹅厂黑板报」微信公众号消息，腾讯公司发布严正辟谣：今天中午，有自媒体谣传「AI 一号位即将离职」并影射腾讯，此谣言纯属子虚乌有。腾讯在此严正辟谣，并保留对相关恶意造谣者追究法律责任的权利。

尽管腾讯未点名谣言涉及的具体人物，但从官方放出的截图来看，谣言可能指向现任 AI 负责人姚顺雨。

姚顺雨于 2025 年 12 月 17 日出任腾讯「CEO / 总裁办公室」首席 AI 科学家，直接向总裁刘炽平汇报，同时兼任新成立的 AI Infra 部和大语言模型部负责人。（来源：IT 之家）

黄仁勋称 5 年前的 GPU 就像老酒：它们越陈越香，还会涨价

若是按时区解锁，那么《GTA6》首批解锁的国家和地区会在网络上出现剧透现象。预计在首批地区上线后，社交媒体平台、直播频道和游戏论坛将会异常活跃。

自公布发售日以来，R 星一直保持低调，但外界普遍猜测该公司将在发售前的几个月加大市场推广力度。业内人士猜测，R 星可能会在 11 月之前发布另一支重磅预告片，其中可能包含更多游戏画面和技术细节。

《GTA6》将于 11 月 19 日发售，首发登陆 PS5 和 Xbox Series 平台。（来源：IT 之家）

苹果 iPhone 18 Pro / Max 再爆：主打「深樱桃色」，后摄布局不变

5 月 14 日，消息源 @MajinBuofficia 在 X 平台发布推文，分享了一组摄像头保护元件照片，展示了苹果 iPhone 18 Pro 和 iPhone 18 Pro Max 的颜色。

颜色方面，接棒 iPhone 17 Pro 系列的星宇橙，消息称苹果 iPhone 18 Pro 系列的主打色为「深樱桃」（Dark Cherry），颜色偏向深酒红色。

消息称除了「深樱桃色」外，苹果还在测试浅蓝、深灰及银色版本，其中浅蓝色比较接近 iPhone 17 的青雾蓝色（Mist Blue），是一款低饱和度、带灰调的雅致色调。（来源：IT 之家）

Meta 将在 WhatsApp 上推出「隐身聊天」功能  

5 月 14 日，Meta Platforms 周三表示，该公司正在其 WhatsApp 即时通讯服务的人工智能助手中推出一项新的「隐身聊天」功能，旨在解决用户对数据隐私的担忧。Meta 表示，隐身聊天将依托私有处理技术，确保对话对任何人（包括公司自身）都不可见。

Meta 在一篇博客文章中表示「您的对话不会被保存，默认情况下消息会自动消失——这为您提供了一个不受任何人监视的思考和探索想法的空间。」（来源：新浪财经）

时隔 13 年再同框，雷军用小米 17 Pro 与马斯克合影 

5 月 14 日，十余家美国知名企业高管随美国总统特朗普访华，其中包括苹果 CEO 蒂姆·库克、英伟达 CEO 黄仁勋、特斯拉 CEO 埃隆·马斯克等。

公开报道显示，特朗普于 5 月 13 日晚抵达北京，开始对中国进行国事访问。

据媒体报道，马斯克、库克等美国科技企业高管出席了今晚在人民大会堂金色大厅举行的欢迎宴会。现场视频显示，马斯克坐在座位上时，不少嘉宾上前与其合影，一名男士坐到马斯克右侧准备合影后，小米 CEO 雷军走到马斯克身旁，拍了拍他的肩膀。

马斯克回头后，雷军与其握手致意，合影完成后，雷军拿出小米 17 Pro 与马斯克自拍合照。

值得一提的是，在与雷军自拍时，马斯克还对着镜头做出了俏皮 Wink（眨眼）表情，现场氛围十分轻松。

公开信息显示，雷军与马斯克的行业交流可追溯至十余年前。2013 年，雷军曾前往美国拜访马斯克，实地参观特斯拉总部工厂，并首次与马斯克合影。（来源：快科技）

*图片来源：视觉中国

跳转微信打开

​AI 放大腾讯核心优势。

5 月 13 日，腾讯发布 2026 年第一季度财报，AI 全线提速。一季度腾讯营收 1964.6 亿元，同比增长 9%；Non-IFRS 经营利润 756.3 亿元，同比增长 9%。若剔除新 AI 产品影响，Non-IFRS 经营利润同比增长 17% 至 844 亿元。期内腾讯自由现金流达 567 亿元。

图片来源：腾讯财报

但真正值得关注的，并不是这些传统财务数字。

过去几个季度，外界一直在讨论腾讯 AI 到底「慢不慢」。而这次财报，腾讯给出的答案已经不再停留在模型参数、技术路线或者组织调整层面，而是第一次开始系统性地展示：AI 如何真正嵌入腾讯的业务系统，并反向推动增长。

从 Hy3 preview 的调用量爆发，到 WorkBuddy 成为国内日活最高的 AI 办公智能体；从腾讯云国际业务同比增长超 40%，到广告、游戏、办公协同全面 AI 化，腾讯的 AI 叙事，已经从「能力建设期」，进入到了「业务兑现期」。

某种程度上，这也是国内大厂第一次开始大规模验证：AI 能否真正成为新的经营变量。但尽管 AI 业务已步入业务兑现周期，但二级市场情绪偏冷，腾讯市值创下近一年新低。

财报发布后的电话会上，腾讯总裁刘炽平提到一个关键的判断：AI 与互联网最大的不同，在于「智能」本身存在真实成本。互联网时代的信息分发几乎接近零成本，但 AI 每一次推理、每一次任务执行，都会持续消耗算力与 Token。

这意味着，AI 行业很难简单复制移动互联网时代「无限 DAU 扩张」的逻辑。相比单纯追求用户规模，找到真正高价值的应用场景，开始变得更重要。

这一底层逻辑，也对应了近期全行业最关心的 C 端 AI 变现困局，尤其是字节豆包率先试水 C 端订阅后，行业越来越关心「中国 C 端 AI 订阅市场到底有多大」——刘炽平在电话会上给出了坦率的判断：C 端变现并不容易。

即便在付费习惯成熟、居民收入水平更高的西方市场，AI 订阅的渗透率也仅为个位数；而中国市场的同类订阅服务价格本就只有西方的几分之一，再叠加付费能力和消费习惯的双重限制，国内 C 端 AI 订阅的整体市场规模不会太大。

但同时，订阅模式又是必要的——AI 服务不像互联网服务那样可以近乎零成本地扩张，每个用户都有对应的成本。这也意味着，AI 服务不太可能出现「赢家通吃」的局面，市场会容纳多个玩家，每个玩家都拥有自己的用户群体和订阅收入。

至于广告和电商变现，目前即便是 eCPM 远高于中国的美国市场，头部玩家也还没有探索出成熟的广告变现模式。

关于腾讯 AI 是否落后，腾讯董事会主席兼首席执行官马化腾则在股东大会表示，「原来一年前我们以为上了船，后来发现那个船漏水了，现在感觉站上去了，还坐不下去，还是希望船速能快一点」。

这一季度最核心的变化，是腾讯 AI 的推进节奏明显变快了。

更准确地说，腾讯这次并不只是「升级了一代模型」。电话会上，刘炽平透露，过去几个月里，腾讯几乎重构了整套 AI 研发体系，包括数据采集、预训练、强化学习、模型评估以及推理基础设施。

一个细节是，腾讯开始弱化对公开 Benchmark 的追逐，转而更多通过真实任务、人工反馈以及产品侧体验，去评估模型能力。

财报披露，混元团队在不到三个月时间里完成基础设施与训练体系重建，并推出 Hy3 preview。更关键的是，它并没有停留在实验室阶段，而是迅速接入元宝、WorkBuddy、CodeBuddy、QQ 浏览器、ima 等多个核心产品。

从结果看，这轮重构已经开始体现工程效率。

OpenRouter 数据显示，Hy3 preview 在结束限免后，日 Token 用量与周调用量依然保持榜首，并连续三周登顶总榜；在工具调用与编程场景中，分别位列第一、第二。

相比行业里很多 Agent 产品，腾讯这轮最大的特点是「体系化联动」。模型、Agent、云、知识库、文档系统、IM、浏览器、办公入口，被快速串联起来。

这也是为什么，腾讯这轮 AI 的关键词开始变成「工作流」。

图片来源：腾讯财报

例如 WorkBuddy、QClaw、ClawPro 这一整套「龙虾」体系，本质上都在尝试把 Agent 从聊天窗口，推进到真实任务执行层；腾讯文档、乐享知识库、微信生态、QQ 浏览器，则承担了任务上下文、知识记忆与高频入口。

腾讯正在尝试构建的，并不是单一 AI 产品，而是一整套可运行的 Agent 基础设施。这也是腾讯和很多创业公司最大的差异之一。创业公司往往先有 Agent，再去寻找场景；腾讯则拥有大量天然高频场景，再把 Agent 反向嵌进去。

电话会上，刘炽平也直接表示：「智能体 AI 将成为继 AI 聊天机器人之后，下一个突破性应用场景。」

更重要的是，腾讯 AI 已经开始带动 ToB 业务出现明显增长。

这一季度，腾讯 ToB 业务收入达到 599 亿元，其中企业服务收入同比增长 20%。财报明确提到，增长的重要原因之一，就是 AI 相关需求提升。

这背后对应着整个行业的一个变化：2025 年行业还在卷模型；2026 年，越来越多企业开始真正部署 Agent、训练工作流、接入推理系统、搭建 AI 原生应用。

这意味着，AI 消耗的已经不只是 Token。它开始系统性消耗 GPU 与推理资源、存储、向量数据库、Agent 执行环境、长期记忆系统、企业知识库以及工作流编排能力。

而这些，本质上都属于云。

腾讯云这一季度国际业务同比增长超过 40%，海外客户规模过去一年翻番，全球可用区扩展至 65 个。

相比过去单纯卖算力，如今腾讯云更像是在卖「一整套 AI 工业化能力」，包括 Agent 沙箱 Cube Sandbox、Agent Storage、Agent Memory、ADP 智能体开发平台以及乐享 Agentic 知识库。

这样来看，腾讯正在试图补齐 Agent 时代最核心的一层：执行环境。

大模型时代，大家比的是「会不会回答」；但 Agent 时代，比的是「能不能真正执行任务」，而任务执行需要大量工程基础设施。这也是为什么，这一轮 AI 最受益的，开始不只是模型公司，而是拥有完整云体系的大厂。

电话会上，腾讯还透露了一个选择，过去一段时间里，腾讯实际上优先将 GPU 资源留给了内部 AI 项目，包括混元、微信 Agent、元宝、广告推荐以及 WorkBuddy 等产品，而没有急于通过腾讯云大规模对外出租算力。

相比短期算力变现，腾讯更优先保证内部生态完成 AI 化。

关于 GPU 短缺问题，腾讯高管则谈到国内的 GPU 短缺问题比其他国家更严重，主要是两个原因：一是政策限制导致部分国外设计的 GPU 无法进入中国；二是国产 GPU 的晶圆制造产能有限。不过这一问题正在逐步缓解，国产 ASIC 芯片在国内和周边国家的晶圆厂产能都在提升。

相比之下，CPU 和网络芯片并没有受到这些额外的人为限制。腾讯已经与英特尔、AMD 等供应商建立了 3-5 年的长期合作协议。因此在采购方面，腾讯的主要挑战集中在 GPU 上，而这一挑战正在逐步解决；CPU 和网络芯片的供应则有充分保障。

另一件重要的事情是：腾讯 AI 已经开始深度渗透核心现金牛业务。这也是腾讯与很多纯 AI 公司的不同，腾讯本身已经拥有庞大的流量、内容、社交与交易体系，它不需要单独寻找商业模式。

比如广告，这一季度腾讯营销服务收入同比增长 20%，背后一个重要变量，就是广告推荐模型升级。

视频号、公众号、小程序、朋友圈的广告转化效率都在提升，腾讯营销 AIM+ 已经覆盖约 30% 的广告投放金额。

AI 对广告行业最大的改变，并不是生成广告素材，而是开始直接影响 ROI。而腾讯拥有国内最完整的社交行为数据、交易场景与内容生态，这让它天然更容易把 AI 推荐能力真正转化成收入。

游戏则是另一条更特殊的主线。游戏业绩方面，本土市场游戏收入为人民币 454 亿元，同比增长 6%；国际市场游戏收入为人民币 188 亿元，同比增长 13%。

这次财报里，《王者荣耀》《和平精英》《三角洲行动》等长青产品流水继续创新高，《洛克王国：世界》上线后快速爆发。

图片来源：《洛克王国：世界》官网

同时， AI 已经开始进入腾讯游戏的核心工业链路，包括 AI 生成 3D 资产、AI 动画制作、AI NPC、AI 队友、AI 战犬以及 AI UGC 创作工具……

过去游戏行业的核心瓶颈，一直是内容工业化效率。AI 最直接改变的，就是「内容供给速度」。

《和平精英》绿洲启元平台已经出现大量普通用户通过 AI 生成地图与玩法；《王者荣耀》的「语音灵宝」则让 AI 开始真正进入游戏交互层。

这意味着，AI 对腾讯游戏的意义，已经正在帮助腾讯延长长青游戏生命周期，这是比单纯节省开发成本更大的事情。

电话会上，腾讯第一次系统性提到了「小程序 Skill 化」。

按照腾讯的设想，未来的小程序代码，会逐渐演变成 AI 智能体可调用的技能。用户不再需要像过去一样，一个个打开 App、搜索功能、切换页面，而是可以直接通过 Agent 调用背后的服务能力，完成任务执行。

这背后对应着 AI 产品形态的一次变化。

过去移动互联网时代，核心是「超级 App」；而到了 Agent 时代，更重要的开始变成「任务调度能力」。用户要的未必是停留在哪个入口，而是 AI 能不能真正帮他完成事情。

这恰恰是腾讯和很多 AI 创业公司最大的不同。

大多数创业公司，需要先做出 Agent，再去寻找场景和用户；但腾讯本身已经拥有国内最完整的一套高频场景网络：支付、社交、内容、交易、本地生活、办公协同，以及庞大的小程序生态。

模型、Agent、IM、浏览器、知识库、办公系统、微信生态，本身就已经连接在一起。

图片来源：视觉中国

一旦这些能力被 Agent 打通，微信的角色，可能也会从过去的「超级 App」，进一步演化成 AI 时代的任务操作系统。

至于 iOS、安卓或者手机厂商推出的智能体，是否颠覆微信的入口地位？

刘炽平的答案是，需要区分真正的操作系统（iOS 和安卓）和那些试图扮演操作系统角色的应用。

对于 iOS 和安卓这样的真正操作系统来说，它们的核心原则是保持中立，为所有应用提供公平的竞争环境，它们可以推出自己的智能体服务，但必须获得其他应用的授权，否则就相当于在打压其他应用，这不符合操作系统的根本利益。因此，操作系统会始终保持相对中立，为所有智能体提供平等的运行环境。

而对于那些试图成为「操作系统级服务」、「入侵」其他应用的普通应用来说，这本质上是不正当竞争，不仅其他应用不会允许，操作系统本身也应该加以制止。因此，真正的竞争来自应用层的智能体，而腾讯的优势在于微信生态的入口与服务整合能力。

这一年来，模型能力快速收敛，但高频入口、用户关系链、内容生态、支付体系、办公系统以及服务网络，这些东西很难被快速复制。

而腾讯，几乎天然拥有中国互联网里最密集的一组场景入口。微信、QQ、腾讯文档、浏览器、游戏、广告、企业微信、腾讯云，本身就是一张巨大的 AI 分发网络。

腾讯这一轮 AI 的打法，就是在把 AI 一点点嵌进整个生态系统里。从财报表现来看，这套路径已经开始产生效果。腾讯真正值得关注的，是它正在逐渐验证：一家拥有庞大业务体系的超级平台，能不能把 AI 变成新的基础生产力。

跳转微信打开

​能解决 AI 焦虑的，唯有热爱。

时代确实变了，在科技圈和风投圈一直被认为是金字招牌的「非共识」，可能并不流行了。

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

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

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

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

或者，用他的话是「让人汗毛直竖的人」。

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

「6 轮融资，每一轮都在发抖」，事后黄明明如此回忆。

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

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

因为那种兴奋的感觉，对他来说是热爱，同样也是他的「奖励函数」。

以下为极客公园与明势创投创始人黄明明的对谈文字，由极客公园整理。

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

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

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

对我们来说，找创始人最重要的还是两件事：

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

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

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

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

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

黄明明： 恰恰相反。

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

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

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

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

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

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

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

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

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

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

他们每个人都足够特别，让我印象特别深。

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

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

极客公园： 当年投理想的时候，有没有想到他能做到现在这么成功？

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

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

一开始我就相信理想一定能做成，但能这么快做到这个规模，确实没想到。

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

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

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

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

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

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

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

关于从理想到 MiniMax 这两个项目，我还想补充一两点。

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

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

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

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

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

极客公园： 运气也是实力的一部分。

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

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

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

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

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

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

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

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

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

极客公园： 第一次见闫俊杰是什么时候、什么场合？

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

后来我带着夏令和之浩约了俊杰在北京知春路一家酒店见面。

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

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

极客公园： 那个时候 AGI 还没有现在这么广泛的认知。

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

短短 10 天后，在闫俊杰的介绍下，我带着夏令和之浩又见到了他的联创贠烨祎，见完出来我就跟哥俩说，这个女孩确实是女中豪杰，对资源整合、运营方方面面超强。如果说俊杰是有技术 vision 的人，烨祎就是非常好的运营者。我们仨商量完，都觉得应该干，我立刻就给俊杰打电话说我们一定想参与。

从第一次见他到决定要投，大概就十天左右。之后夏令带着之浩与俊杰团队又密集交流了两次，既包括明势对新一代 AI 发展趋势的理解，也充分沟通了 MiniMax 从技术到工程到产品化的路径。明势团队的专业细致成功获得了闫俊杰的支持。

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

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

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

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

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

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

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

每一轮其实都有这种很纠结、很焦虑的时候。我印象比较深的有两轮。

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

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

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

我说你拿了多少计算资源？他说 80%。

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

但他接着说，「我觉得差不多，应该能搞出来。」

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

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

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

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

极客公园： 还有一轮是？

黄明明：另一轮是 2025 年，DeepSeek 出来之后。

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

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

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

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

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

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

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

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

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

极客公园： 这里说的是营收的增长？

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

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

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

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

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

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

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

黄明明： 对，这个说得很好。我们把 AI 的发展用自动驾驶来类比的话：

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

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

level 3 就是今天的 Agent 时代。

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

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

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

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

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

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

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

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

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

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

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

阿里、字节都是非常值得敬畏的竞争对手。

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

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

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

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

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

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

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

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

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

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

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

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

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

极客公园： 现在明势在 Agent 生态里看的方向是什么？

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

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

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

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

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

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

极客公园： 有了 AI 之后，明势团队在组织上会做一些调整吗？

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

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

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

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

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

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

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

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

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

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

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

大家有焦虑是正常的，我自己也有。

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

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

极客公园： 但大家可能不一定能那么快找到自己热爱的事情。

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

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

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

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

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

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

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

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

极客公园：你对创始人这个特殊的群体怎么看？平常你和他们怎么相处？

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

所以我们基金有一个特点，在任何时刻永远坚定地站 1 号位。

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

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

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

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

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

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

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

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

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

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

既有偶然性，也有必然性。每个人都需要有自己的压缩算法。

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

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

因为这东西就是迭代太快了，你就得跟上这个迭代的速度。

跳转微信打开

曝阿里千问前技术负责人林俊旸开始具身领域创业；Claude Code 缔造者分享工作心得；索尼发布新一代全画幅旗舰微单 Alpha 7R VI，售价 31799 元。

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

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

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

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

黄仁勋最后一刻搭上空军一号访华专机

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

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

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

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

腾讯总裁：腾讯跟硅谷公司不一样，没有大裁员计划

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

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

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

吴泳铭：阿里服务器没有一张卡是空的

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

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

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

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

曝阿里千问前技术负责人林俊旸开始具身领域创业

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

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

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

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

马斯克点赞宇树载人变形机甲

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

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

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

方程豹闪充版正式上市

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

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

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

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

索尼发布新一代全画幅旗舰微单 Alpha 7R VI，售价 31799 元

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

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

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

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

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

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

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

他补充道：「通常每天晚上，我都会让数千个 AI 智能体开展深度开发工作。」

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

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

*图片来源：视觉中国

跳转微信打开

​DAA：智能体时代的新价值逻辑。

越过山丘，AI 行业终于走到了重新定义度量衡的路口。

咨询公司 Gartner 在《Token Consumption is a Misleading Metric for Measuring AI Market Leadership》指出：

Token 消耗正在被越来越多的 AI 厂商视作反映 AI 规模、采用度和市场领导力的信号，但这一指标并不能有效体现业务价值、效率或可持续性。

AI 时代，DAU 过时，Token 又过粗。但全球目前还没有企业家，系统地完整地思考和回答这一问题。

直到在百度 Create 大会上，百度创始人李彦宏提出 DAA，意思是 Daily Active Agents，日活智能体数。

李彦宏指出，「衡量一个平台和生态的繁荣，更应该看的是 DAA 这个指标，关注有多少 Agent 在给人类干活，并交付结果。」

可以看到，李彦宏对未来无比兴奋，但行动上，越来越体现为「对朴素的关键问题较真到底」，把目光重新拉回 AI 最本质的价值判断。他率先迈过了分水岭。

大会当晚，百度美股开盘上涨超 7%。市场认为 DAA 有望成为衡量 AI 应用价值的新纬度。

过去三年，整个 AI 行业几乎都在围绕同一个指标高速狂奔。从模型公司到云厂商，再到 Agent 创业公司，所有人都在试图把 AI 的生产成本拆解到极致。

尤其是当英伟达 CEO 开始频繁用 Token 去衡量 AI 产业时，这套逻辑几乎迅速成为行业默认语言。

Token 的重要性毋庸置疑。它让 AI 第一次拥有了类似电力单位般可量化的成本体系。但到了 2026 年，一个越来越现实的问题开始浮现。Token 开始越来越难以解释真正的价值。

而这，也成为百度在 Create2026 上试图回答的问题。

过去，DAU 衡量的是有多少人在使用互联网产品；Token 衡量的是 AI 系统消耗了多少计算资源；而到了智能体时代，DAA 开始进一步衡量有多少智能体真正开始帮人完成工作，并持续交付结果。

这背后，实际上对应着百度对于 AI 下一阶段的核心判断：AI 行业进入智能体真实落地竞争。

非共识的价值存在时间差。

如果回头看过去几年百度对 AI 的判断，会发现这次提出 DAA，并不是一次突然转向。相反，它其实是百度以及李彦宏过去几年 AI 逻辑的一次自然延续。

2024 年，行业卷参数，李彦宏提出「卷应用而非卷模型」。李彦宏率先押注「智能体是最看好的 AI 应用发展方向」，也是 2024 年，当时主流还在押注 ChatGPT 杀手级应用；

后来，他主张，要打造数百万的「超级有用」。2025 年，李彦宏讲「内化 AI」、「效果涌现」，说的是应用落地。

Token 依然是衡量 AI 基础设施与推理效率的重要指标，但它更擅长衡量消耗，而不是直接衡量价值交付。此前，在 2025 年百度世界大会后与极客公园的对话中，李彦宏就已明确将「应用驱动」作为自己对未来十年最坚定的非共识判断。

在李彦宏看来，Token 不一定代表终局，它只代表成本并不代表收益，衡量的是投入而非产出，DAA 则大致对应移动互联网时代通用的度量衡日活用户数，「比无谓的 Token 消耗，更接近价值，也更接近本质。」

他还给出了一个很有想象力的行业预测：「今天，全球 DAU 最高的公司可能是 Meta，超过 34 亿。未来，全球日活智能体数很容易会超过 100 亿。」

这背后，其实也是整个 AI 行业正在发生的一次巨大变化。行业真正开始面对的问题是：AI 到底能不能稳定、持续、低成本地完成真实工作。

这也是为什么，Create2026 上，百度几乎所有发布，都在围绕任务闭环展开。从 DuMate，到秒哒，再到伐谋与百度一镜，百度几乎所有产品升级，都在强调会执行、能交付、会持续进化。

DAA，本质上就是这套智能体逻辑的进一步量化结果。它意味着百度现在关心的是：AI 有没有真正进入生产流程。

如果说 DAA 是百度对智能体价值的结果性衡量。那么自我进化，才是百度在 Create2026 上真正重要的底层逻辑。

在 Create 大会上，李彦宏提出了 AI 时代的「进化论」。这一转变，被概括为三个层面：智能体的自我进化、个体的自我进化，以及企业组织的自我进化。这三层，构成了百度对 AI 时代完整的新判断。

最先发生变化的，其实是智能体本身。百度在这次大会上升级的通用智能体 DuMate，就是一个非常典型的例子。

比如通用智能体 DuMate。在大会展示案例中，一个电商品牌创始人同时给 DuMate 下达多个任务：处理客户投诉、分析销售数据、生成营销页面。

DuMate 可⼀次性同时处理完这三个任务，不是串⾏回答问题，⽽是真正的多任务并⾏执⾏，并且会不断记录、优化、迭代。这其实意味着一个非常关键的变化：智能体开始具备自我进化能力。

而当智能体开始具备持续执行能力后，第二层变化开始发生在人身上。

李彦宏在大会上提到一个关键词：超级个体。这其实也是过去一年 AI 行业最明显的趋势之一。

秒哒 3.0 的升级，就是这种趋势最直观的体现。百度 Create 大会秒哒环节，8 岁的二年级小学生现场分享脑洞：为解决雨天同学拼伞需求，想出「发单、接单」的拼伞模式，用秒哒几句话就搭建出了「哒哒打伞」应用。

李彦宏过去几年一直在强调一句话：未来，自然语言会成为新的通用编程语言。到了今天，这件事其实已经变成现实。

李彦宏提出了一个关于软件行业的新判断：「代码能力越来越重要，但代码本身正在变得不值钱。」

代码智能体让开发门槛和成本都趋近于零，一次性软件或者说日抛型软件变得合理，软件正在成为快消品，这个市场很可能因此会被放大 10 倍。而秒哒这个专业做应用的 App，其本身 90% 的代码就是由秒哒自动生成的。

而当智能体与超级个体同时出现后，第三层变化，也开始发生在组织结构上。

这种变化，在百度这次重点升级的伐谋 2.0 上体现得尤其明显，覆盖了生产排程、工艺优化、物流规划三大核心场景。一个例子是，青岛港自动化码头整体技术水平长期处于世界领先，并连续第十三次刷新世界纪录。背后是全球首套码头智能管控系统 A-TOS。在这样几乎被优化到极致的场景里，伐谋让青岛港自动化码头的 A-TOS 核⼼指标再提升 10.21%。

据官方数据，伐谋 2.0 已登顶机器学习权威基准 MLE-Bench，超越搭载 Claude-Opus-4.6 等主流大模型的同类智能体。

智能体时代，企业组织的运行逻辑正在被改写。未来很多组织，可能是人 + 智能体的混合编队，AI 会指数放大个体和组织的势能。

如果说 DAA 是价值指标，自我进化是底层逻辑。那么支撑这一切的，则是百度芯云模体新全栈体系。可以理解为，整个底层基础设施，为智能体重新搭建了一遍。

再看百度的布局：芯片层，昆仑芯 P800 已完成超万片级规模化交付，256 卡昆仑芯超节点也将于 6 月正式上市，推理效率提升 50%。

模型层，近期发布的文心大模型 5.1，刚登上 LMArena 搜索榜国内第一，预训练成本仅为业界 6%。

云这一层，百度智能云在大会上正式升级为面向大规模智能体应用的新全栈 AI 云，针对 Agent Infra（智能体基础设施）与 AI Infra（人工智能基础设施）两大核心进行了全链路重构，能够支撑智能体的大规模稳定运行、持续自主进化与全生命周期管理。

所有 AI 技术的落地，最终都要回归是否有用的朴素问题。

李彦宏这次提出 AI 时代的进化论——自我进化、以 DAA 作为 AI 时代度量衡，本质是其多年深耕 AI 应用的必然选择。

智能体对行业的深入改变还在继续，百度则已经迈出了从技术到落地的关键一步，这或许就是 Create2026，给当下智能体落地热潮带来的最务实的启示。

跳转微信打开

· 市场监管总局附条件批准腾讯收购喜马拉雅股权案

*图片来源：视觉中国

跳转微信打开

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

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

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

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

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

这一次，Google 把它重新拉了出来。

至于骨架的形状怎么搭——18 个月前，苹果已经给过一份样图。

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

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

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

这些功能放在任何一年的 Android 春季发布会上，都不会让人意外。

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

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

发布会真正值得拆解的，就是这两件事。

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

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

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

Gemini Intelligence 这个名字一出来，姿态就变了。

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

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

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

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

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

Googlebooks 是这个范式的极致表达。

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

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

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

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

但这个路线图在中国，几乎插不下去。

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

Android 不是这个结构。

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

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

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

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

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

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

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

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

跳转微信打开

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

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

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

这个生意为什么会爆火？

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

就像健身需要私教、学习需要老师，而购物需要「李佳琦」。

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

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

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

对一个选择困难症来说，每次买东西，都是一场精神与钱包的双重折磨：

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

但万里挑一之后，为什么买到一个最合适的东西，依然很难？

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

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

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

这就是不知道自己不知道的典型场景。

类似的困境其实弥漫在消费世界的每一个角落：

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

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

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

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

这也是为什么，我相信 AI 一定会成为全新的购物入口。

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

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

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

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

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

而在千问，AI 会这样工作：

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

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

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

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

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

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

在千问中输入「买治高血压枕头」后，他得到的反馈是这样的：

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

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

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

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

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

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

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

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

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

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

跳转微信打开