DeepSeek现身战略配售名单。 作者/冯雨晨 报道/投资界PEdaily 七月长鑫，八月宇树。 今日（8月6日），宇树科技IPO发行价确定为150.8元/股，由此预计发行市值约为609亿元。这意味着，持股近30%的90后创始人王兴兴，有望成为科创板90后首富。 值得注意的是，梁文锋创立的杭州深度求索人工智能基础技术研究有限公司（DeepSeek）也在战略配售名单中，获配股数93.34万股，获配金额1.41亿元。 接下来激动的时间是8月10日，届时“人形机器人第一股”网上申购将正式开始。遥想去年底，伴随摩尔线程和沐曦股份上市，“单签赚30万元”的打新赚钱效应还历历在目，行至今年，市场打新情绪依旧热烈。 投资界据同花顺iFind统计下来，今年以来A股共计87家公司成功IPO，上市首日无一破发，诸如长进光子、臻宝科技等上市首日涨幅更是在10倍以上。但考验运气的是，往往一万人参与打新，仅不足4人能够中签。 IPO大年，扑面而来。 没打中长鑫的人 开始许愿宇树 10年时间，一家创业公司足以经历命运的转折。 2016年，王兴兴抱着一个叫XDog的四足机器人原型，在杭州租了间办公室，注册资本只有10万元；2026年，宇树科技从IPO获受理至6月1日过会，仅历时73天，创下这一年迄今最快IPO审核纪录。 行至此刻，“人形机器人第一股”箭在弦上。8月10日，宇树科技线上打新将正式开启，市场普遍预计将在8月下旬正式登陆科创板。 但与此前发行体量极大的长鑫科技不同，宇树科技中签概率更低。网上初始发行约647万股，即使触发回拨网上可配售量依然有限，打新成功率大概在0.02%至0.05%区间。另据披露，本次IPO中宇树科技171名员工合计以2.7亿元认购股份，其中创始人王兴兴掏1500万元。 结合宇树科技8月6日公布的发行价150.8元/股，发行市值大概609亿元——但不少市场机构已经将宇树科技未来市值看到1000亿元甚至2000亿元。 部分战略配售名单 如此，打新想象空间依旧令投资者们期冀浮想。“许愿宇树打新能中”，放眼社交平台，自确定申购日期起，投资者们就开启了在线祈祷模式。 热情背后，是宇树科技已经释放出值得期待的盈利能力。 财务数据显示：2025年，宇树科技实现营收16.99亿元，同比增长332.64%，扣非后净利润5.91亿元，正式实现盈利；2026年1至6月，预计实现营业收入较上年同期增加35.62%至45.41%。细看其总营收构成，2025年人形机器人营收约8.68亿元，占主营业务收入的51.78%，换言之，人形机器人业务已经接过四足机器人的收入增长大旗。 十年饮冰，难凉热血。如其招股书中写道： “当下正逢全球AI与具身智能技术突破前夜，曾经这份梦想看似遥远，但通过十年的不懈努力，我们已真正拥有奔赴梦想、实现梦想的底气与能力。” 本次IPO的42亿元募资计划中，“智能机器人模型研发项目”拟投入20.22亿元，这个聚焦机器人“大脑”的项目，或许就关系着宇树科技下一程梦想的突破——实现通用机器人的大规模商业化。 科创板90后首富 “宇树身后几乎站着半个投资圈”，这已不是新鲜事。 2025年6月最后一轮融资中，宇树科技投后估值达127亿元。股东阵列集结了红杉中国、美团、经纬创投、祥峰投资、顺为资本、敦鸿资产、腾讯、深创投、光合创投等数十家知名机构以及地方国资。 这份名单中，持股比例最大的外部股东是美团系——上市前，美团系通过汉海信息、成都龙珠、Galaxy Z三家关联公司合计持股近9.65%，构成仅次于创始人王兴兴和员工持股平台之后的第二大股东阵营。 若按时间线看去，尹方鸣是宇树科技最早天使投资人。2016年，王兴兴创业之际，尹方鸣投资宇树科技200万元获得了15%的股权，此后2020年8月，尹方鸣作为个人投资者退出宇树科技股东序列，但仍通过持有天津君万弘毅间接成为宇树科技股东。 外界鲜少看到尹方鸣与宇树科技的互动。招股书中细节显示，2023年，彼时尹方鸣曾自掏5.64万元购买宇树科技的健身泵、机械臂、其他零部件。 与此同时，创始人王兴兴将新晋成为90后百亿富豪。上市前，王兴兴直接、间接持有宇树科技近33%的股份，上市稀释后，其持股仍有30%左右。仅仅是按照目前发行市值测算，王兴兴身家将轻松超越百亿元，如按千亿市值计算更为惊人。 于行业而言，宇树科技IPO颇具风向标意义。 据不完全统计，目前有将近20家具身智能公司已经处于或启动IPO进程，包括同样冲刺科创板的云深处、傅利叶智能，面向港股的智元机器人、银河通用、星海图、智平方、自变量机器人、逐际动力、跨维智能等——这些公司绝大多数估值都已经进入百亿估值独角兽甚至越过200亿元门槛。 可以想象的是，在具身智能如此火热的当下，作为行业头部公司，宇树科技上市表现将不可避免地成为具身智能赛道公司估值兑现的一个参照。 IPO大年的窗口期 正如年初的预判，2026年是IPO大年。 宇树之前，MiniMax、智谱两家大模型公司今年1月便在万众瞩目中港股IPO，存储巨头长鑫科技则刚于7月登陆科创板；而宇树之后，算力巨头超聚变、GPU厂商燧原科技、NAND巨头长江存储、商业航天企业蓝箭航天等均在紧锣密鼓地推进IPO最后临门一脚。 密集之下，打新情绪异常火热。 A股市场上，犹记得去年12月摩尔线程和沐曦股份带来“中一签收益超30万元”的赚钱叙事，紧随其后，2026年以来，更是有恒运昌、大普微、联讯仪器、长进光子、臻宝科技、长鑫科技等超级大肉签出现，几乎每个月，市场都能传来现象级打新回报案例。 据同花顺iFind统计，2026年开年至8月4日，A股共计87家公司成功IPO，首日平均涨幅为278%，且上市首日无一破发，哪怕是涨幅最低的欧伦电气，上市首日亦有超20%的涨幅。这意味着，至今为止成功打新的投资者几乎都能赚钱。更进一步看去，诸如长进光子、臻宝科技、联讯仪器等涨幅前列新股，上市首日涨幅分别达1510%、1212%、875%——打新中一签，当日便可获几十万元收益。 不过，打新中签比想象中难上太多。 悉数87家今年来IPO新股，打新成功几率最高的分别是长鑫科技、华润新能源、惠科股份等，中签率为0.47%、0.14%、0.07%，其余大部分中签率实际上都在0.04%以下，也就是说，10000人参与打新不足4人中签。 而这般一签难求，正映衬出投资者对新股上市的热情，尤其是那些打开中国科技未来想象空间的硬科技公司：如眼下正热的宇树，是2025年人形机器人出货量全球第一公司；此前打新火热的长鑫科技，是全球DRAM第四大厂商。类似叙事，正在密集上演。 IPO从来不只是一个交易时刻，时代如何奖励创新，才是更大的命题。 声明：本文不构成任何投资建议。市场有风险，投资需谨慎，请独立判断和决策。

快科技8月6日消息，近日有海外媒体曝光，特斯拉向400万辆搭载HW3老款智驾硬件的车型推送FSD V14 Lite更新后，出现大规模安全问题。 不少车主反馈，使用过程中，车载计算主板温度飙升至96℃，频繁强制关停辅助驾驶，部分车辆主板直接烧毁，超出质保车主需自费更换；同时新版本倒车无法识别行人障碍物，多次引发碰撞险情。 与此同时，我国则针对组合驾驶辅助、高阶自动驾驶分别颁发了《智能网联汽车组合驾驶辅助系统安全要求》（GB47955—2026）、《智能网联汽车自动驾驶系统安全要求》（GB44721—2026）的强制性国家标准，文件针对智能网联汽车OTA升级设置了全流程硬性规范。 “中国汽车报”分析认为，此次特斯拉OTA升级暴露出的安全问题，深刻体现了中美智能驾驶监管体系的显著差异。 中国：前置强制标准，从源头管控风险 我国今年6、7月出台两套智驾强制国标，2027年落地，对OTA升级实行全流程刚性约束，走“先审核、再推送”的前置监管路线。 所有涉及智驾算法、感知系统的OTA更新，必须提前向监管部门备案，完成极限散热、全场景感知等全套测试，禁止向算力、散热不足的老旧硬件推送高负载模型。 标准明确，车辆不能因高温直接切断智驾功能，也不允许升级删减行人识别等安全功能；同时严禁 “FSD、全自动” 这类误导性宣传，车企要完整告知用户更新风险。 重大版本更新需完成仿真、场地、道路三重测试并留存档案，OTA推送后车企要实时监测批量故障，一旦出现共性问题，必须快速推送补丁、启动召回，把安全风险拦截在软件上车之前。 美国：宽松后置监管，出事之后再追责 美国暂无统一、强制的智驾OTA事前备案制度，监管以事后处置为主，特斯拉将FSD划为L2测试软件，以此规避完整前置安全验证，可自主向数百万老车推送大版本更新。 出于压缩研发成本，特斯拉没有为HW3老旧硬件开发轻量化算法，直接推送高负载V14模型，才引发批量高温故障。 只有大量车主投诉、安全事故大范围发酵后，监管机构NHTSA才会介入调查，缺少事前风险拦截环节；此外“FSD”名称极易误导车主，但相关营销行为缺少硬性法规约束，技术试错成本最终由车主承担。

在24小时里，谷歌发生了一次大换血。谷歌首席科学家、27年老将杰夫·迪恩离职创业；DeepMind创始人哈萨比斯卸任CEO，转任DeepMind董事长+Alphabet首位首席科学家。 尽管谷歌做得非常体面，但这次人事震动显然传达了一个明确的信息：谷歌需要有人为Gemini掉队背锅。 如今聊起大模型，大家只会想到GPT和Claude，已经很少有人想起Gemini了。谷歌烧掉无数算力，甚至还把退隐多年的联合创始人谢尔盖·布林（Sergey Brin）请出山，亲自带队补短板。 可结果是，这个手握TPU、搜索、安卓、YouTube的全栈巨无霸，却连基本的旗舰模型Gemini 3.5 Pro都没办法按时发布。 对一家掉队的公司来说，最先调整的往往是人事。哈萨比斯这次“升迁”，只是变着法地背锅。把最顶尖的人从日常管理里抽出来，让研究回到研究的位置，既是体面的退场，也是无可奈何的止损。 谷歌的剧本，不知道字节看了有何感受。 同样是手握超级流量的全栈巨头，同样是不差钱、不差数据、不差工程师，同样是在模型竞赛里被甩在了身后。 在国内聊起大模型，大家说的是DeepSeek、是Kimi、是GLM，很少有人会第一时间想起字节的Seed。 谷歌的今天，会不会是字节的明天？这个问题，不知字节自己会不会也在问。 消息一出，Alphabet股价盘中一度跌了5.5%，市值在几个小时内蒸发近1900亿美元。 说到模型，谷歌和字节曾经都是顶流。 2026年春节前后，字节Seed 2.0问世，对标GPT-5.2和Gemini 3 Pro，LMArena综合榜排到全球第八，是唯一挤进前十的国产模型。 然而时过境迁，如今6月发布的Seed 2.1其风光早已被DeepSeek V4、Kimi K3和GLM-5.2掩盖。 根据Artificial Analysis给出的智能指数，Kimi K3拿了 57.1分，只比Claude Fable 5差 2.7 分，是开源模型有史以来最接近闭源顶尖水平的一次。DeepSeek V4 Flash和GLM-5.2也都在50分以上，稳居国内第一梯队。Seed 2.1甚至没有挤进榜单靠前位置。 字节的掉队，不是全面溃败，而是“偏科”。 字节的多模态能力确实做到了全球领先。周畅、郁博文、蒋路，随着这些大牛陆续加入字节，Seed形成了一套完整的多模态研发体系，视频生成一度霸榜各类排行。 可通用大模型的竞争，从来不看你多模态炫不炫，只看模型的数学推理、代码能力、Agent。 可恰恰就是这三项，是字节最明显的短板。 2026年初，字节专门启动了针对Agent和编程的组织整合，梁汝波在全员会上定调，2026年的重中之重，是让AI模型能力做到行业前列。 然而根据晓天衡宇评测社区给出的评测结果，Seed 2.1 Pro的智能体能力维度只有53.52分，复杂规划、长链路执行明显掉队；多语言工程代码（SWE-Multilingual）67.00分，比Claude Fable 5的88.85低了21.85分。 2026年8月初，开源社区OSCHINA用统一标准实测六大主流模型：豆包的中文语义理解拿到 9.8 分、全场第一，响应速度0.5秒，也是全场最快。 可逻辑与数学推理只有8.2分，全场垫底，DeepSeek 9.7、Claude 9.8。工程代码能力7.8分，同样垫底；事实纠错 8.0 分，还是垫底。 字节在Seed 2.1发布时，曾宣称其在Terminal Bench、SWE-Pro等代码基准上跻身全球第一梯队，Agent指标“超过Claude Opus 4.7”。 但是晓天衡宇在拿Seed 2.1 Pro实测开发超级玛丽时发现，主角连跳跃都做不出来；写前端项目，JS报错层出不穷，五子棋直接显示源代码，3D太阳系调API报错，还会擅自修改用户的文件。 还有一个可怕的真相，根据统计，DeepSeek 27篇论文的累计作者只有391人，而字节Seed光是论文作者就达到967 人。以接近三倍的研发体量，却交不出第一梯队的模型。 此外，虽然字节请来了DeepSeek-R1第一作者郭达雅，填补数学推理、Agent方面的漏洞。但是Seed的Infra与数据核心团队正被成批挖走，比如核心成员肖学峰、张弛、黄启，甚至整支数据处理团队也被一并打包带走。 字节并不是对AI不上心，相反，字节从上到下，都非常重视AI。 张一鸣这些年来刻意低调，几乎不在公开场合谈AI战略，然而外媒却报道称，张一鸣其实“一直在旁听Seed团队的核心技术评审，并熬夜阅读OpenAI的论文”。 新加坡国立大学原教授、字节研究员冯佳时接受采访表示，他从2023年起就经常给张一鸣“补课”。冯佳时进一步表示，为了不掉队，字节甚至在新加坡专门设了研究团队，帮张一鸣理解前沿技术、讨论研究规划。 而且字节对AI的反应非常迅速，而且很早就启动了。 2023年初GPT-4发布后，字节高层意识到必须快速追赶，同年2月便从搜索、AML、AI Lab 等内部部门抽调人手组建Seed团队，专注大语言模型和图像模型研发。 2023年底，Seed已成为与抖音、TikTok、火山引擎平级的独立组织。此后两年，字节不断“并线”，2023 年下半年，AI Lab的NLP组整体并入Seed；2024年，负责视频生成的PixelDance等团队转入；2025年，集团级的AI Lab整体并入Seed。 到2025年年中，原与吴永辉并列、同样向CEO梁汝波汇报的朱文佳，汇报关系也调整为向吴永辉汇报，后者自此成为 Seed 绝对意义上的“一号位”。 如今的字节AI版图，已清晰形成“三叉戟”：Flow管产品应用，Seed管模型研发，Stone管基础设施，成员分布在北京、新加坡与美国。 战略调整是一方面，最重要的还得是肯往里面扔钱。 2026年初，字节内部的AI基础设施预算还是1600亿元，到5月就直接上调到2000亿元，增幅25%。 然而外媒爆出，字节还准备继续加码，甚至内部已经开始在讨论全年700亿美元（约合5000亿元人民币）的资本开支，全部砸向数据中心和AI基建。对比 2024年约800亿元人民币的水平，两年涨了六、七倍。 知情人士透露，字节2025年净利润降幅超过70%。事实上并非是自己的生意不行了，相反，字节国内营收涨了20%、海外涨了50%，海外电商GMV更是逼近千亿美元。 只是字节把大部分利润都投入到了AI上。 谷歌的处境和字节完全相同。本来谷歌和Anthropic、OpenAI是保持齐头并进的，甚至Gemini 3.0 Pro一度反超OpenAI，逼得奥特曼紧急拉响OpenAI红色警报，全公司放下所有业务，全力研发旗舰模型。可现在来看，谷歌已经完全跟不上头部队伍了。 负责Seed的吴永辉，在谷歌DeepMind干了17年，官至研究副总裁、Google Fellow，参与过Gemini核心研发，2025年2月，在DeepSeek时刻发生之后，他被字节重金挖来执掌Seed，直接向CEO梁汝波汇报，团队规模约2000人，是字节整个AI战略的心脏。 对模型投入如此之大，给负责人的权限待遇如此之高，相应地，公司期待自然低不了。现在Gemini不达预期，哈萨比斯“高升”了，难免令人对吴永辉的未来产生一丝丝杞忧。 今天，张一鸣“字节模型落后是因为不蒸馏”的传言刷屏了。 2月时，Anthropic在官方博客发布《检测和预防蒸馏攻击》（Detecting and preventing distillation attacks）报告，点名DeepSeek、月之暗面、MiniMax三家中国实验室，称它们用约2.4万个“马甲账号”与Claude进行了超过1600万次对话，其中DeepSeek约15万次、月之暗面超340万次、MiniMax超1300万次，靠一套代号“九头蛇集群”的分布式架构把恶意流量伪装成正常请求。 Anthropic表示，通过和Claude模型对话，这些AI公司就可以系统性提取Claude的能力来训练自家模型，但是Seed的名字并不在列。 与此同时，据外媒报道，张一鸣7月在Seed全员会上讲话的内容被曝光，强调称字节不靠蒸馏别家前沿模型来抄近道，宁愿短期落后于国内同行。 知情人士透露，字节做出这个决定，很大程度是出于谨慎。毕竟与美国监管博弈多年，字节绝不希望 AI重蹈TikTok 的覆辙。 为什么张一鸣选择不蒸馏？ 我认为原因有三： 第一，蒸馏本质上是“永远跟在别人后面跑”。 别人出什么新能力，你蒸馏过来，永远慢半拍，而且永远学不会底层的东西。 张一鸣之所以自己读OpenAI论文、找冯佳时给他补课，是因为他想要的不是一个“能用”的模型，是真正的技术自主权，从数据、训练、算法到推理，全链路都自己攥在手里，不用看任何人脸色。 第二是商业化。字节在AI这块不是只有豆包，更大的盘是火山引擎。企业客户买大模型，最在意的就是知识产权干净，只有不蒸馏其他人，才能保持一个清澈的技术底座。“不蒸馏”这三个字，不是只说给监管表态的，还是说给企业客户听的。 最后一点，只有不蒸馏其他模型，才能保证模型训练跟自研芯片是配套的。 字节在做SeedChip已经是公开的秘密了，推理芯片最大的优势就是软硬协同，模型和芯片一起设计，才能把性能和成本压到极致。如果模型是蒸馏来的，底层的训练逻辑都没摸透，芯片就很难跟训练同步。 但字节也不是完全没牌，至少在两个赛道上，它是实打实的老大。 第一张牌是豆包的流量。 根据QuestMobile的数据，2026年6月豆包的月活已经达到了3.82亿 ，这个数字哪怕是跟全球所有AI应用相比，也都是第一梯队的。 推荐算法喂出来的用户粘性、抖音和今日头条的流量倾泻，让豆包成了国内用户量最大的AI产品。 但流量不等于能力，大家用你，可能只是因为你入口方便、推送够猛，不是因为你最聪明。 谷歌的搜索入口是全球最大的，可照样救不了Gemini的拉胯，同理，豆包的用户量也不能提高Seed的性能。 第二张牌是Seedance。 在Artificial Analysis的文生视频榜上，Seedance以1225分的绝对优势碾压了谷歌Veo，Seedance也是字节全模型矩阵里唯一敢拍胸脯说“绝对领先”的。 7月底发布的Seedance 2.5，单镜头时长从15秒翻倍到30秒，支持4K、10bit 色深、多轮续写、最多50份参考素材，还带时间戳级编辑。 但问题也在这里，Seedance并不在主战场上，字节没办法把Seedance上积累的优势，转化成Seed的性能。 5月份，DeepSeek曾有一场接近4个小时的投资人闭门会，当被追问Seedance、Sora这类视频模型时，梁文锋回答说：“把AI训练做好，并不需要世界模型，甚至不用多模态。” “视频生成跟智能的路线图没有什么关系……它跟智能的上限没有关系。但在商业上，它是个好生意。我们不会因为它是一个好商业而去做它。” 他甚至当场划清了DeepSeek的边界，明确表示不做3D、视频生成、世界模型。 梁文锋认为，AGI的路线图应该是CoT（思维链），再到今年的Agent（其中Coding Agent 优先级最高），Agent之后是“持续学习”，再往后是AI加速AI研究，最终走向具身智能。 梁文锋补充到“只要能够保持团队的稳定性，我一定能做成AGI，就这么简单。” 就在这场会前后，DeepSeek 完成首轮超500亿元的外部融资。 说起AGI，其实字节的目标也是相同的。 2025年3月的Seed全员会上，吴永辉与朱文佳共同定调，Seed的首要目标是“探索智能的上限”，并为此推出长期研究计划Seed Edge。 Edge项目没有季度OKR和半年考核，给足算力，且只招募“最有潜力和好奇心”的人。字节认为，智能是养出来的，不是催出来的，考核只会杀死它。 但问题恰恰在此。字节舍得给Seed Edge取消考核，却没法给整个Seed取消考核，因为Seed不可能像DeepSeek那样只做一件事。 它身上绑着豆包的流量、抖音的生态、火山引擎的客户，商业的绳一刻也松不开。字节的命门就在这里，它是一个先有生意、后有研究的公司，研究必须为生意服务，反过来就乱套了。 于是字节的AI被劈成两半，一半是Seed Edge这样不求回报的飞地，一半是仍被季度节奏和榜单排名牵着的核心团队。 两套并行，恰恰是梁文锋口中“团队不稳定”最隐蔽的一种形态。这也正是梁文锋给字节上的一节课。 他并没有说“别做视频”，字节不做视频等于自废武功。只要旗舰模型的成败还跟流量和增长挂钩，吴永辉的团队就永远处在“随时要解释为什么掉队”的状态。 哈萨比斯被“升”上去，是因为谷歌已经没法在商业节奏里护住研究了，字节还有机会在吴永辉需要被“升”之前，先把研究从商业节奏里摘出来。到那一天，吴永辉升不升职，都只是形式，真正要紧的是，字节有没有胆量给一个靠流量赚大钱的巨头，配一颗“十年不出成果也没关系”的心。

摘要： 法律没有跑赢情绪 凤凰网科技 出品 作者｜杨乐 编辑｜刘毓坤、董雨晴 过去几年，我们已经越来越熟悉这种传播路径。 一开始，是一个具体事件。然后，是几张截图。接着，一个情绪标签出现。最后，一个远比事实更容易传播的故事诞生。每个人都参与了传播，却很少有人回头确认，故事是不是还和最初那件事有关。 竹知了，就是这样。 从一张梗图到网民站队，只用了大概五天。但真正有意思的，是每一天，人们对同一件事的认知，都在悄悄偏移。 一开始，它只是个笑话。网友在商品页面底下玩梗，把竹知了和华为联系起来。忽然间，就有投诉截图开始疯传。紧接着，故事被演绎成华为容不得玩笑。再后来，声音变成了巨头打压普通人，资本霸权......每一步都踩在真实发生的事情上。但所有人激烈讨论的那件事，和最初那只几块钱的玩具，已经关系不大了。 一只几块钱的竹知了，看似舆情沸腾，但最后所有人都输了，也输掉了一场关于互联网公共讨论的耐心。 故事赢了，事实输了 回过头看，整个事件里传播最广的几个"事实"，指向的其实是不同的东西。投诉截图，是真的。但截图只说明了一件事，有人投诉了。 至于谁投诉、投诉了什么内容、被投诉的视频和后来疯传的玩梗视频是不是同一批，截图里没有这些信息。传播的时候，也没有人补上。商品异常提示，是真的。 但它是被投诉触发的，还是平台自己的风控机制自动响应，从一开始就没人分辨。"连竹知了都不放过"，愤怒也是真的。但这句评论所依据的事实版本，和官方后来公布的数据，可能是两套完全不同的坐标系。 每一环单独拿出来，都成立。把它们连成一个完整故事的时候，中间漏掉的东西，比留下来的多得多。 你如果问一个中途加入的旁观者"竹知了长什么样"，他大概率说不出来。但他能准确告诉你：华为把它下架了，华为在打压普通人。最开始大家在笑。后来在生气。再后来在站队。 没有人中途停下来问过那些被漏掉的问题。互联网慢慢传播的，渐渐成了那个最容易让人相信的版本。竹知了只是恰好成了这个版本的主角。 法律没跑赢情绪 在这场舆论风波中，必须承认的是，华为处于被动状态。 华为的身份决定了它无法像个人那样迅速回应。从第一张投诉截图出现到正式回应，中间隔了好几天。这几天里，华为一直在观察。作为当事企业，它比任何人都明白，一旦开口，说的每一个字都会被反复拆解、重新定义。 当一家庞大的公司沉默的时候，这本身不是傲慢。是因为它知道，时机不对的发声，等于自投罗网。 华为最终选择了等到统计完成，再统一回应。 171条投诉，其中144条涉及商标，覆盖5.6万条商品链接。从企业知识产权管理的角度，这样的投诉并不罕见。但问题是，公众不是在审核数据。公众在做另一个完全不同的判断，你大不大度，你能不能笑一笑，算了。 华为在事实层面给出了清晰的说明，但舆论场需要的不是一纸数据，当情绪发酵起来，公众想要得到的是一种态度上的沟通。两者的错位，让华为在情绪上失了分。 其实真正值得思考的是，为什么171条投诉，没有改变任何人的判断？因为公众从来没有和华为讨论171条。 公众讨论的是一家超级企业，到底有没有必要，为一个网络玩笑按下投诉键。这两个问题，从一开始就不是同一道题。法律解决的是对错，公众讨论寻找的是分寸。 华为回答了前一个问题，大众一直在追问后一个问题。 公众输给了站队 很多人觉得这次公众赢了。舆论监督了巨头，表达了态度，把一件小事推成了全民讨论。但真的赢了吗？ 整个事件里，公众真正在意的内核，是表达空间有没有在收缩。这个问题非常真实。结果呢？讨论慢慢滑向了一连串技术细节：商品有没有被下架？视频有没有被删除？真正的问题还悬在那里，反而没有人继续问了。 这背后也延伸出一个有意思的互联网现象。当一个人面对平台的时候，他觉得自己是普通人。当一个品牌面对平台的时候，它也觉得自己只是平台规则里的一个账号。 于是，两边都觉得自己在对抗更大的系统。没有人觉得自己拥有权力。但每个人都觉得自己受到了伤害。 更麻烦的是后果。 这件事之后，更多的企业会选择闭塞，也只会更谨慎。对于平台来说，不会更宽松，只会审核更严。"先下架，再申诉"这样的默认操作，会成为更多平台的默认选项。双方对彼此的理解没有增加，对公众的防御倒是层层加码。 舆论没能抵达它本该抵达的地方。赢的那一方，到最后也不知道自己赢到了什么。公众以为自己赢了。其实又输了一次。 事实输给了传播 一个截图，两小时覆盖百万屏幕。一份完整回应，需要内部核实、法务审核、层层确认。等到它出来，两天已经过去了。两天后，人们的判断做完了，立场选好了。你递上一份严谨的事实说明，接收方只问一个问题：你是哪边的？ 一个故事一旦成立，就很难被推翻。为什么故事会赢？因为故事只需要相信，事实却需要验证。故事讲给情绪听，事实讲给耐心听。而今天的互联网，最稀缺的，恰恰就是耐心。 互联网有一套自己的筛选机制。它把复杂的东西全部过滤掉，只留下那个三秒钟就能讲清楚的故事。 竹知了这件事里，三秒自带爽感的故事长什么样？巨头，法务，童年玩具，普通人，表达自由。这几个词摆在一起，天然就是一个完整故事。有冲突，有强弱对比和情感投射。不需要任何背景知识，刷个视频就能分清阵营。 它本身就是一个完美的传播物料。那个需要五分钟才能讲清楚的版本，从一开始就没有上场的机会。 事实长什么样？事实需要你分辨，投诉主体是谁，品牌方投诉还是平台自动触发？被投诉的内容和后来传播的梗图，是同一批吗？商品异常，是投诉导致还是平台风控机制触发？ 事实浮出水面需要时间，也需要每个人停下来，多看两眼。但没有人停。竹知了这件事里，输得最彻底的，是"事实"本身。 最后，没有赢家 这件事背后有一个更深层次的变化。 今天的互联网，公众越来越容易愤怒，平台越来越容易删帖，网民越来越容易站队。每个人都在防御，每个人都在选择最快的那条反应路径。却越来越少有人愿意停下来，问一句：等一下，事情真的是这样吗？ 互联网在慢慢失去一种很重要的东西：复杂性。 不是说大家变笨了。传播机制本身就不奖励复杂。一篇冷静的分析，传播量永远比不上一句"华为封杀竹知了"。一个"巨头vs普通人"的叙事框架，穿透力远远超过"这件事需要分几个维度来看"。 今天的信息市场，往往只奖励最先讲出完整故事的人。哪怕那个故事只是恰好最容易让人相信。 竹知了事件的真正底色，和华为的对错无关，和网友的情绪也无关。 过段时间，竹知了会像所有热搜一样退场。人们会忘记那些截图是真是假，甚至会忘记竹知了到底长什么样。 但大家会记住一句话：华为封杀竹知了。哪怕它并不是完整的事实。 这或许才是整件事真正值得警惕的地方。今天的互联网，越来越擅长制造一个故事。却越来越没有耐心，等待一个事实。 当事实越来越慢，情绪越来越快。今天发生在华为身上的事，迟早会发生在每一家企业身上。

IT之家 8 月 6 日消息，支付宝鸿蒙版 App 今日在华为应用市场（App Gallery）开启了 12.12.16.4400 (212163) 版本尝鲜升级，测试时间为 2026/8/6-2026/8/9。 和往常一样，支付宝官方并未公布具体的升级内容，仅说明适配华为新系统，特升级鸿蒙软件。但IT之家实测发现，该版本支付宝开放了蚂蚁阿宝 AI 助手功能（前一个版本会提醒更新支付宝）。 需要注意的是，首次开启蚂蚁阿宝 AI 助手需要在搜索栏搜“阿宝”或“蚂蚁阿宝”。开通后，用户可以在支付宝右滑或点击左下角的 AI 按钮进入新版，以对话的方式安排“阿宝”办事。 以查询公积金为例：用户只需说“我想查一下公积金”，阿宝会自动匹配对应的小程序以及具体的服务入口，直接把公积金查询的操作界面摆在用户面前，由用户点击登录确认即可完成。原本需要多步跳转的流程，折叠成了一句话。 支付宝也承诺，所有涉及资金变动和支付的环节，都会交由用户本人确认。阿宝负责把流程跑通、把窗口摆好，最后那一步“付”或“不付”，永远是用户自己来决定。 针对用户常用的扫码、转账功能，阿宝也预留出了入口。

近日，一则关于大厂招聘的爆料引起小编注意。 爆料称，"听我科技圈和电商圈的一些朋友讲，现大公司招聘已经封杀阿里的中高层，凡是阿里出身的，一概不要。" 评论区不少网友表示认同。 有网友总结：“最大的问题是阿里的思维模式已经固化了，完全没有了当初的那种冲劲和创新精神，更多的是形式化、体制化了，需要成长的公司压根就不要这些老爷，人力成本还高得离谱，同样的预算，还不如请年轻人，干活卖力，肯吃苦，还有闯劲。” 也有人形容：“感觉阿里的人有政府味、有国企味、有传统企业味，就是不大像搞互联网的人。” 一条点赞极高的评论则更为直接：“接触过几个，满口黑话，屁都不会。” 这则爆料也让人好奇：为什么从头部电商平台阿里巴巴出来的高层，会 “没人要”呢？ “互联网藤壶”：嚯嚯完一艘巨轮，再找下一艘 类似的讨论并不只出现在社交平台。在脉脉上相关话题早已讨论，甚至还诞生了一个扎心的比喻“互联网藤壶”。 有字节员工吐槽：“字节现在真tm越来越像我的前司百度了。各种恶心人的中层领导和犹太人一样，整片整片从百度阿里腾讯这些老牌大厂往字节迁移。去年架构调整的新+1，味儿大到离谱。我愿称这些中层为互联网藤壶。嚯嚯完一艘巨轮后，就寻着味儿找下一艘巨轮来嚯嚯。” 这条帖子很快获得了大量共鸣，同时评论区纷纷补充“证据”： 有网友表示太对了，尤其是一堆阿里的中层，只会汇报业务和管理一塌糊涂。 还有网友调侃道已经不单单是阿里味了，混合了百度的办公室斗争文化，腾讯的老人味儿，融合出了一种新的，难以言说的味道。 还有网友发表自己的看法：“领导提拔的永远是自己相信的人，相信的前提是对味儿，所以发展下来和大家预想的有偏差，但是能运行，换个逻辑可能并不好。” 把平台当本事才是最大的错觉 之前一篇文章中提到：一个阿里P9来面试，年薪敢开200万，坐到你面前气场很足，张口闭口都是“打通闭环”、“建立抓手”、“对齐颗粒度”、“抢占用户心智”。 但当老板让他当场说说“三个月怎么搞来一万个付费用户”时，刚才还挥斥方遒的P9瞬间哑火，说要回去做调研、拉数据、建模型、写几十页 PPT、再开会对齐。 为什么会出现这种落差？文章的分析很真实：在阿里，一个P9可能只负责一个极度细分的模块，比如广告投放之类。流量是平台给的，预算是无限的，系统是现成的。他要做的只是在一艘成熟的航母上，把一个炮台擦得更亮。 但到了深圳的创业公司，老板需要的是一个能开着小舢板，在没人没钱没资源的滩涂上杀出一条血路的人。他不仅要会掌舵，还得会补船、会捕鱼、甚至会自己划水。 把平台红利当成本事的人，一旦离开平台，连游泳都不会。 真的“一概不要”吗？ 不过“凡是阿里出身的一概不要”这种说法，更多像是一种气话，并非是行业的真实情况。 现实中，大厂出来的人依旧是招聘市场上的热门人选。真正有能力、有资源、能落地的人，到哪都抢着要。 被嫌弃从来都不是“大厂出身”这个标签，而是那些把平台红利当成本事、只会混日子搞政治、满嘴黑话不干实事的人。 不过说到底，市场淘汰的从来不是某一家公司的人，而是没有真本事的人。 对此你怎么看？

2026年，海外高校正在密集进入中国。 从英国到法国、新加坡、俄罗斯等国，一批高校通过合作办学项目，落地中国不同城市。 这场看似发生在教育领域的扩容，背后其实是一场围绕人才、产业和未来竞争力的城市竞赛。 01 高校大扩张 今年5月，教育部更新2026年度新获批中外合作办学机构和项目名单，一次性批准219个中外合作办学单元，包括86家新机构、133个新项目。 这创下了近年来单次审批量的新高，数量接近去年同期的两倍。 最突出的就是，进入中国的海外高校阵容明显扩大。 英国高校成为最大参与者。本轮新增办学单元中，约50个由英国高校参与，涉及30所英国大学，利兹大学、利物浦大学、兰卡斯特大学、伦敦玛丽女王大学等高校均在列。 与此同时，在英美等传统合作对象之外，法国、新加坡、俄罗斯、西班牙、匈牙利、古巴等国高校也参与其中，合作对象进一步向中东欧、东南亚和拉美等地区拓展。 国内高校的参与层级也在提升。 过去，中外合作办学更多集中在部分高校的国际项目。如今，985高校正密集入局。 比如，北京理工大学与意大利都灵理工大学联手打造的北理都灵理工学院，四川大学与新西兰奥克兰大学成立的奥克兰学院，哈尔滨工业大学与法国里昂商学院合办的里昂数据科学学院‌等。 在133个新增项目中，15个由985高校参与，包括浙江大学、中国人民大学、重庆大学、同济大学等高校。 变化更明显的，是合作方向。 过去，商科、管理类项目在中外合作办学中存在感较强。但这一轮扩容进一步向新工科和前沿技术倾斜。据公开名单梳理，这一轮新增项目中，理工类专业约占三分之二，人工智能、数据科学、智能制造、生物医学等硬科技方向成为重点。 多个新机构直接将“智能”“未来技术”写入名称。例如，齐鲁师范学院格洛德诺智能科学与工程学院，山东理工大学中意未来智能工程学院，以及天津大学与香港理工大学共建的深圳未来技术学院等。 与此同时，不少本科机构和项目采用“4+0”双学位模式。学生可以在国内完成全部学业，达到双方要求后获得中外学位，这种“在地国际化”降低了接受国际教育的地域门槛。 这轮扩容的另一个变化，是合作范围正在扩大。 本轮新增机构和项目覆盖全国20多个省份，既落地北京、上海等传统高教重镇，也进一步向深圳、苏州、佛山等产业城市铺开。 值得关注的是，山东新增27个机构和项目，湖北新增21个，成为扩容最多的前两名省份。 从海外高校进入，到985高校参与，再到硬科技专业成为主流，中外合作办学正在从过去的国际教育项目，变成城市争夺人才和产业竞争力的新工具。 02 城市为什么要抢？ 过去几十年，中国城市竞争的规则很简单：招商引资、抢企业、拼GDP。哪个城市能吸引更多工厂和总部，哪个城市就能跑在前面。 但进入产业升级阶段后，城市却发现了一个难题，企业可以引进，人才却很难复制。 深圳拥有华为、腾讯、大疆等科技企业，PCT国际专利申请量连续多年位居全国第一，但高校资源长期是短板。2025年末，深圳普通高等学校在校生18.77万人；同年，广州仅普通（职业）本专科在校生就达到158.67万人，另有在学研究生19.12万人。 深圳之外，这种产业实力与高校资源的错位，在东莞、佛山、南通等制造业强市同样存在。 以佛山为例。这座GDP突破万亿元的制造业重镇，规模以上工业企业超过1万家，拥有2个万亿级、10个千亿级产业集群。2025年，佛山工业机器人产量突破4.6万套，同比增长29.6%。 佛山虽然引进了华南师范大学、南方医科大学等高校校区，但佛山本地高校中，没有985、211或“双一流”高校，高水平高等教育资源仍较多依赖异地高校设立校区。 据软科2025年6月梳理，当时中国27座万亿城市中，13座没有独立建制的985高校，泉州、烟台、唐山、东莞、常州、南通和佛山7座城市没有独立建制的“双一流”高校。 这些年，城市解决人才问题的主要办法是“抢人”。给户口、给补贴、给住房优惠，武汉、西安、成都等城市都加入了这场竞赛。但从全国范围看，这更多是一场存量博弈，很难形成稳定、持续的人才供给。 产业升级需要的人才，也很难靠零散引进解决。一个机器人产业集群，背后涉及算法、机械、控制、材料等多个学科，需要不同层次的人才持续补充。靠补贴挖来几名工程师，只能解一时之急。 可建设一所高水平大学，同样急不得。校园可以几年建成，学科、师资和科研平台却要长期积累。南方科技大学已经称得上“深圳速度”，但深圳2007年决定筹建南科大，2012年获批正式建立，直到2022年入选“双一流”，前后仍用了15年。 对许多等不起的城市来说，引进成熟的国际高校资源，显然是一条更快的路。 从宁波诺丁汉、西交利物浦，到上海纽约大学、昆山杜克，中国城市与国际高校的合作已经走过二十多年，也初步验证了这条路径的价值。 如今，这种合作正在进入新阶段。城市引进大学，关注的已经超出教育本身，开始指向人才供给、科研创新和产业升级。 03 产业竞争的新引擎 当大学被放进产业升级的坐标系，它在城市中的角色也随之改变。 首先，大学开始成为产业共建者。 过去，大学培养人才，企业在毕业季招聘人才。如今，企业正在更早进入高校，从专业设置、课程设计到实习就业，参与人才培养的全过程。 西交利物浦大学慧湖药学院就是典型案例。学院由西浦与苏州工业园区于2020年共建，围绕园区生物医药产业办学。由亚盛医药、信达生物等企业代表组成的产业发展咨询委员会，参与学院的专业设置和课程内容设计。 截至2025年成立五周年时，学院已与60余家企业合作，三届硕士毕业生中近50%留在苏州，70%服务于江浙沪生物医药产业，逐渐成为当地生物医药产业的人才入口。 类似变化也出现在宁波。2026年6月，宁波职业技术大学携手西班牙萨拉曼卡大学和具身智能企业逐际动力，揭牌萨拉曼卡智能工程联合学院和逐际动力产业学院。逐际动力计划将全尺寸人形机器人Oli作为核心教学载体嵌入课程体系，把企业技术、设备和真实项目带进教学实训。 其次，大学从教学平台，变成创新平台。 2019年，宁波市政府与英国诺丁汉大学签署战略合作框架协议，共建“卓越灯塔计划（宁波）”创新研究院。次年，项目正式签署落地协议。按照当时公布的建设方案，项目总投资超过25亿元，规划建设总建筑面积13万平方米的科研及配套用房，聚焦智能制造、绿色化学与能源、生命健康三大领域，并布局实验室、公共技术平台和校企联合研发平台。 对于拥有大量制造企业的宁波来说，这类研究院相当于一座面向地方产业开放的研发平台。对不少中小企业而言，独立组建完整科研团队成本很高，却可以借助高校平台开展技术攻关和成果转化。大学由此走出课堂，成为城市创新体系的一部分。 还有一点也很重要，大学正在成为城市连接全球的接口。 昆山杜克大学由杜克大学、武汉大学与昆山市政府联合创办。截至2024年底，学校职业发展办公室已与近500家雇主建立联系，并与80余家雇主保持长期合作，谷歌、微软、特斯拉等企业都曾开展线上或线下专场宣讲。 依托杜克大学和武汉大学的科研资源，昆山杜克持续吸引国际学生和教师进入昆山，也让这座县级市拥有了接触全球高校、科研机构和企业的长期渠道。 这种价值很难在短期内用招生人数衡量。国际学生来到城市，海外教授在当地开展研究，毕业生进入国内外高校和企业，都会不断增加一座城市在全球人才和创新网络中的存在感。 企业落地，往往带来工厂、产值和税收；大学扎根，则会持续沉淀人才、科研成果和产业资源，并在更长周期内重塑一座城市的创新能力。 因此，中国城市这一轮全球抢大学，争夺的其实是未来几十年的发展主动权。但在这场争夺背后，全球大学自身也正经历一轮深刻洗牌。 04 大学的危与机 海外高校积极进入中国，一个重要原因是，许多欧美大学正在承受越来越大的财务压力，有些甚至已经活不下去了。 美国最早出现高校倒闭潮。2024年，卡布里尼大学和费城艺术大学相继关闭。后者在校生从2013年的2038人降至2023年的1149人，十年减少约44%。 此后，倒闭潮仍在延续。2025年至少有16所美国非营利高校宣布关闭。2026年4月，创办于1965年的罕布什尔学院又宣布，将在秋季学期结束后永久关闭。 英国高校同样承压。英国学生事务办公室2026年公布的数据显示，2024-2025学年，英格兰已有超过三分之一的高校出现赤字。到2025-2026学年，这一比例预计升至42.7%，相当于每十所高校中就有四所账面见红。 这些压力背后，都绕不开生源。 在加拿大，截至2025年9月底，持学习许可人数约72.5万，较2024年底减少超过20万。在澳大利亚，2026年前5个月国际学生总数同比下降6.9%。对于高度依赖国际学生学费收入的教育机构来说，全球留学市场变化正在带来新的挑战。 当越来越多学生不再出国留学，海外高校不得不换一种方式寻找生源：通过合作办学，把课程、师资和学位项目直接带到中国。这样既能获得新的学生和收入，也能接入中国的科研平台、产业项目和地方资源。 不过，这也加剧了中国高校的竞争。 2024年，全国普通小学还有13.63万所，2025年降至12.83万所；小学招生人数也从1616.63万降至1461.74万，一年减少155万。2025年入学的小学生，大约将在2037年参加高考，生源收缩还会继续向大学传导。 大学的压力已经出现。2025年，全国高考报名人数降至1335万，比上年减少7万，结束了连续多年的增长。2026年，报名人数进一步降至1290万，同比减少45万，降幅明显扩大。 招生压力正在加速向部分民办高校集中。2026年，广东有6所民办高校在普通类物理类首轮投档中出现缺档，合计缺额超过6800人。北京经过正常录取和第一轮补录后，本科批仍有1701个空缺名额，其中近98%集中在4所民办高校。 全国人大相关调研报告也指出，“十四五”以来，民办高校招生遇冷现象加剧，部分学校面临生源短缺风险。对高度依赖学费收入的民办高校来说，长期招不满，招生压力很可能进一步演变为生存压力。 其实，人口减少只是其中一个原因。学费高低、专业设置、办学质量和就业前景，也在影响考生和家长的选择。缺乏特色学科、产业连接和就业出口的学校，将最先承受冲击。 一边是海外高校加速进入，一边是国内生源持续收缩，中国大学正在加速分化。 对城市而言，引进大学只是开始，能否让它形成特色学科、嵌入本地产业、留下人才并转化成果，才最终决定这场竞争的成色

凤凰网科技讯 8月6日，DeepSeek发布公告：“计划近期整体上调DeepSeek API服务的定价，预计涨幅较大，请合理安排您的使用。具体方案以正式通知为准。” 当前，DeepSeek的API价格按“输入Token”和“输出Token”分别计费，且根据“缓存命中”与“缓存未命中”情况，价格有所差异。 7月31日，DeepSeek官宣DeepSeek-V4-Flash正式版API（接口）开启公测。DeepSeek表示，DeepSeek-V4-Flash正式版大幅升级其代理能力，正式版的基准测试得分已远超V4-pro预览版。 基准测试数据显示，在Agent智能体终极测试中，V4-Flash正式版的得分为25.2分，接近Opus-4.8 25.7分的得分，远高于V4-pro预览版15.8的得分。 另据路透社报道，美国旧金山研究公司Artificial Analysis称，DeepSeek旗舰AI模型的一个版本，在全球知名模型基准测试中的运行成本是目前为止最低的，比Anthropic旗下Claude Fable 5的运行成本便宜逾100倍。

凤凰网科技讯 8月6日，BOSS直聘发布关于加强骑手配送类岗位收费风险治理公告。公告提到，暑期来临，骑手配送类岗位需求有所增加。平台在巡查时发现，部分招聘者通过夸大收入、虚构福利、弱化实际工作强度的方式吸引求职者关注，进而诱导求职者贷款租车、买车及支付其他不合理费用，损害求职者合法权益。公告称，专项治理期间，累计处置违规招聘账号近2.6万个。 平台提醒：求职者寻找骑手配送类岗位时，不要轻信虚假引流话术，警惕各种付费和贷款要求，如遇异常情况，请及时向平台举报。

2026年7月31日，宏桥控股发布120亿元再融资预案，拟投向云南及山东风光项目、铝深加工等领域。 资料来源：宏桥控股公告 在国内电解铝产能触及4500万吨总量约束、全球能源转型与双碳政策交织的宏观背景下，宏桥控股这场募资的战略意图清晰：进一步夯实公司作为全球头部铝企的成本护城河与资产质量，同时以“绿色”为主线，打开中长期可持续成长空间。 本文将从业务、财务、产业三个维度，完整拆解本次资本运作的底层逻辑与中长期价值。 01 业务逻辑：从“成本领先”到“绿色闭环” 作为国内铝行业一体化头部企业，宏桥控股已在铝土矿-氧化铝-电解铝环节建立突出的成本优势，而本次融资定增则是主动强链补链：针对性优化云南水电季节性波动，锁定长期绿电成本优势和提升电解铝与深加工配套能力。 1、已被广泛认知的优势 宏桥控股的竞争优势，首先建立在全产业链的深度布局之上。 上游资源端，公司铝土矿供应长期稳定且具备成本优势。宏桥控股采购的铝土矿，80%以上来自控股股东的联营公司赢联盟（另有不到20%采购自力拓澳大利亚项目），该主体拥有铝土矿产能超8000万吨并优先向公司供应；采购价相较市场有8%以上的优势，原料端的成本优势具有可持续性。 氧化铝方面，宏桥控股是全国最大且位于成本曲线最左侧的氧化铝生产基地之一；公司1900万吨氧化铝产能全部位于山东滨州沿海，作为国内沿海体量最大的氧化铝产能集群，区位优势突出。几内亚铝土矿经远洋货轮运抵烟台港后，换小船直达滨州港套尔河港区，再通过皮带或短距离运输进入原料仓库，进口矿运费仅约10元/吨；按生产1吨氧化铝需2.7吨进口矿计算，公司氧化铝生产成本较内陆产区低200元/吨以上。 资料来源：阿拉丁，2025年 2、强链补链，在高起点上补齐短板 依托“北铝南移”战略，宏桥控股持续将山东电解铝产能置换至云南水电基地，但产业落地的过程中催生出有待提升的方向，于是本次再融资将核心攻坚以下两方面： 转型绿色是着力点，而电力供应的稳定性恰恰是电解铝生产中的关键，但搬迁至云南电解铝的产能客观存在水电受季节波动影响。 位于云南的电解铝产能，配套深加工能力有待提高，就地消化率距完全“铝水不落地”的理想状态仍有一定差距。 （1）风光项目落地，构建水电风光互补体系 电是铝产业中，与原材料（铝土矿和氧化铝）并列为最重要的成本构成项，保障电力供应的稳定、绿色、成本持续可控，是每家铝企的安身立命之本。 具体到数据上，国内电解铝产业，电力成本占比在36%左右，宏桥控股由于有全行业内偏左侧的氧化铝成本，电力成本占比较行业更高，占比超过40%。于宏桥控股而言，进一步成本管控和优化的重点自然也落到了电力端。 图：电解铝行业平均成本构成 资料来源：锦缎研究院 将电解铝产能转移到绿电占比更高的地方，是宏桥控股绿色转型第一步大的调整。根据行业数据，云南电解铝水电比重高达80%，吨铝碳排放不到2吨二氧化碳当量，较山东火电铝减少约8吨。凭借绿电铝溢价优势，企业更容易拿到高端下游订单，云南因此也成为宏桥控股产能转移的优选地。 根据宏桥控股此前披露的《2025年重大资产重组报告书（草案）（注册稿）》，公司明确制定了2025-2027年产能转移计划，拟分别将山东地区44.80万吨、24.10万吨和83.10万吨产能转移至云南，最终形成约300万吨电解铝产能。 但云南省水电不是只有优点，其存在明显的丰枯季节性特征，导致供电稳定性承压。而风电集中于冬春季、光伏集中于春夏季及日间，水风光三者形成天然时序互补。 本次募投项目中，风电装机规模合计1055.25MW（分布云南红河、山东滨州），光伏装机规模合计615MW（云南文山砚山），合计产能近1.7GW。按照区域的发电小时数估算，我们估算风电年发电量约29亿度、光伏9亿度。以标杆电耗13200 kWh/吨铝作为测算基数，本次募投项目大约可以覆盖接近30万吨/年的电解铝产能，理论上每年碳减排约200万吨，进一步压低整体碳排放强度。 此外，风光项目所发电力就近消纳，同时通过发用电协同，和云南水电形成多能互补，增加枯水期调配弹性空间，提升公司全年电力供应的均衡性。 该项目新能源电量还可采用发电侧机制电价与市场结算电价相结合的结算模式，一方面能够平抑风光出力及市场电价的大幅波动，降低用电端的不确定性；另一方面也有利于优化整体电力成本，进一步放大绿电项目的综合经济效益。 （2）延伸高端深加工，挖掘产业链增值空间 当前，有色金属行业企业均开始着重拓展自己的深加工能力。市场固有认知认为有色金属深加工的附加值并不高，但近期代表性案例却是：在本轮全球AI带动PCB需求高增时，提前布局高端铜箔产能的铜业则显著受益。 铝加工产业其实也开始展现出类似的规律。比如AI用的液冷板、高精钎焊箔、新能源汽车轻量化产品等，都是铝加工产业链附加值持续提升的有力证明。因此，高端化和低碳化的深加工产能，对行业龙头都将具有更大的战略意义。 宏桥控股本次再融资中的深加工规划正是顺应行业趋势，具体项目为年产50万吨高端铝板带及50万吨高精铝合金扁锭，该项目承接云南电解铝产能的铝液资源，实现“铝水不落地”生产，且有望依托绿电提升综合竞争力。 图：铝的下游应用走向高端化、低碳化 资料来源：锦缎研究院总结 3、拥抱清洁能源的长期价值 从全球视野看，碳边境调节机制（CBAM）与碳成本上升将使得未来铝行业成本曲线显著变陡。而使用水电/可再生能源的低碳铝，单位碳强度显著低于燃煤电铝（差距超4倍），有望在B2B端获得10%-15%的绿色溢价，低碳生产者的边际盈利与议价能力将持续增强。 图：电解铝行业不同的电力来源碳排情况资料来源：CRU 从国内政策看，我国铝行业已于2024年提前实现碳达峰，并在“十四五/十五五”框架下形成“资源保障—能源低碳—循环利用—高端供给”的系统性转型路径。 电解铝作为国内重点转型产业，2025年末建成产能已达4483万吨，基本触及4500万吨政策天花板，行业发展逻辑从产量扩张转向产能升级：吨铝耗电13,000-13,500度，绿电替代可显著降低碳强度（煤电铝约12.61吨CO₂/吨铝，水电铝约1.57吨CO₂/吨铝），并提升出口碳合规能力与产品市场竞争力。 可以看到宏桥控股的战略动作与国际趋势、国内政策导向，均保持了高度的一致： 公司通过将电解铝产能迁往云南水电基地、在滇鲁两地加码风光项目，构建“绿电-绿铝-深加工”闭环。在2025年底，绿电使用占比已提升至40%，并拟通过再融资建设1055MW风电+615MW光伏，未来绿电占比将进一步抬升。 长期视角下，宏桥控股将在电力成本、碳合规、绿色溢价与ESG资本偏好四个维度获得持续受益，巩固一体化龙头的长期护城河。 02 财务逻辑：持续提升股东长期回报 作为长期保持高股东回报的公司，宏桥控股此次再融资将进一步夯实其长期价值创造能力，股东回报值得期待。本次项目还通过引入机构投资者优化股权流通结构，在高ROE基础上进一步提升股东长期收益，缓解重资产行业杠杆压力。 具体到财务路径上，宏桥控股的战略清晰可见：在并购重组完成后持续主动降杠杆，在保持高资产回报率优势的同时，降低财务脆弱性。 1、优化财务结构，强化抗周期能力 宏桥控股的存量资产回报能力已处于行业前列。2025年公司ROE达39.2%，为A股铝企头部，说明其存量资产资本回报远高于一般门槛收益率。绿电项目带来的综合成本优化，与百万吨高附加值深加工产能带来的整体盈利中枢抬升，都将直接转化为毛利增量。 资料来源：Wind 另外值得注意的是，宏桥控股从去年开始便主动降低杠杆水平，资产负债率也在稳步下降。在2025年末，资产负债率为59.1%；截至2026年3月末，资产负债率已经降至52.4%。 资料来源：Wind 本次融资定增有助于进一步降低负债率。以2026年一季度为起点测算：公司总资产1097亿元、总负债574亿元、归母净资产523亿元、带息债务231亿元。随着再融资直接增厚资本，且我们假设股本摊薄4.5%，测算可以得到项目完成后负债率有望降至46%附近。 图：宏桥控股资产负债率测算 资料源：锦缎研究院 由于铝供需仍趋紧，行业持续处于较高景气，我们估算公司2026年自由现金流将有望达到300亿元，扣除分红后至少仍有75亿元可以用来降低负债，则总负债有望降低至500亿元左右，对应2027年初资产负债率进一步降低至42%左右。 宏桥控股的资本结构从“偏高杠杆”回归至与行业同档的稳健区间，显著缓解高ROE背后的财务杠杆隐忧，增强重资产属性下的抗周期波动能力。 值得期待的是，宏桥控股创造的价值将通过分红等方式回馈股东： 一方面，公司在2025年5月发布《未来三年股东回报规划》，在本次再融资公告中得到重申； 另一方面，公司需要维持高派息比率以支撑中国宏桥分红。按照万得一致预期，中国宏桥2026派息比例超过60%，净利润340亿元，对应派息超过200亿元；而宏桥控股作为中国宏桥核心盈利主体（再融资前持股近89%），反推宏桥控股需贡献派息224亿元，基于宏桥控股2026年一致盈利预测321亿作为分母，我们测算宏桥控股2026年派息率将在70%左右。 图：这次公告再次强化了分红派息的预期 资料来源：宏桥控股公告 2、释放流动性，优化投资者结构 从股权结构看，宏桥控股股东及其一致行动人合计持股高达88.99%，社会公众股比例明显偏低，流通盘较少。本次融资定增通过询价方式引入不超过35名特定投资者，将有效提升流通股比例，改善市场流动性，引入多元机构投资者，拓宽配置渠道。 从A股市场的资金结构看，2019年起被动基金管理规模快速增长。截止到2026二季度末，被动基金规模已达到4.3万亿元，与主动基金规模处于基本相当的水平。因此，纳入主流指数会给上市公司带来被动资金流入增量，指数基金有了更大的市场影响力。近年来，随着市场成熟度提高，证金汇金、社保、保险公司、养老金、银行等主流大型机构投资者，均通过指数基金增加对A股的配置。这对于稳定指数内标的股价、降低波动、提升估值都起到了积极的作用。 图：截至2Q26，被动股票基金规模达4.3万亿 资料来源：Wind，招商证券 市场主流指数在纳入成分股时，大都主要考量上市公司的流通市值和成交额，决定其在指数中的权重。以最具代表性的宽基指数沪深300为例，当前一共纳入了四家铝企，而铝板块市值最大的宏桥控股，因2026年初刚做完资产重组还未纳入指数中，根据其当前市场数据推算，预计宏桥控股有望在2026年的12月的评定中纳入。 对比已纳入沪深300的其他4家同业公司，我们看到同业自由流通盘占比约在50%~60%，而宏桥控股占比仅超过6%。随着再融资项目落地后，宏桥控股的流通盘、成交额都将明显放大，因此其纳入主流指数后的权重将会有明显提升，从交易层面上流动性可以得到确定性改善。 图：沪深300指数中纳入的4家铝公司情况（截至2026年8月5日） 资料来源：Wind 沪深300为当前被动权益产品跟踪最大规模指数，到2Q26相关ETF产品整体规模约3500亿元。我们假设随着流动性改善，宏桥控股自由流通市值占比达到15%，按当前市值计算则对应约370亿元，参考上图天山铝业以及南山铝业近似自由流通市值，宏桥控股在沪深300中权重将达到0.14%，则仅沪深300指数基金带来的增量买入金额将达到约5亿元。再考虑其他宽基，以及各类专项产业指数，合计有望带来增量金额超过40亿元，仅被动基金买入金额占公司总自由流通盘就可超过10%。这一量级的资金流入，将有助于显著降低股价波动、优化股东结构。 同时假设未来宏桥控股自由流通市值占比达到15%，按照当前市值算对应约370亿元，仅宽基类被动基金买入金额占公司总自由流通盘就可超过13%。这一量级的资金流入，将有助于显著降低股价波动、优化股东结构。 所以就宏桥控股而言，本次融资定增在优化财务结构的同时，也从交易层面释放了流动性、从结构层面优化了股权分布。 03 产业逻辑：产能天花板下向内求效益 国内电解铝建成产能已达4483万吨/年（2025年末），基本触及4500万吨政策天花板。增量空间受限，并不意味着头部企业只能“躺平”。 恰恰相反，在总量约束下，“向内要效益”成为下一步竞争的关键，我们认为龙头企业比拼的将是单位成本和产业链协同的效率，绿色转型、一体化均是清晰可见的抓手。 1、提效抓手一：绿电转型 电解铝是能耗与排放大户，占我国工业用电的9.5%，推动电解铝用能绿色转型是国家能源战略目标需要。具体到政策层面，《铝产业高质量发展实施方案（2025-2027年）》明确要求2027年电解铝清洁能源使用比例≥30%，2030 年达 50%。 不仅仅是满足政策要求，从火电转向绿电，对电解铝企业来说未来可以带来不小的成本改善： 1)前文提到的，水电的丰枯季节性与风光出力时序互补。可从电力供给侧提升稳定性，降低“买贵电/停线”的发生概率，增强生产连续性。 2)度电成本显著下降。按照创新实业招股书披露数据测算，其绿电度电成本约0.10–0.18元/度，自备煤电为0.33元/度。绿电换火电有望降本30%，按照单吨电解铝需要1.3万度电估算，则对应吨铝节约成本可达千元级。 3)合规成本下降，绿电减少外采绿证与碳成本暴露。按安泰科测算，2025年全行业平均绿证成本约19.2–31.9元/吨铝。 4)输配电费与线损下降（绿电直连），同时获得更稳定的长协电价。 低碳属性进一步增强产品的全球竞争力。低碳电（水/风/光）单吨节碳约11吨，对应潜在的碳税节约近千元。另外，电解铝被欧盟碳边境税（CBAM）列为重点管控产品，可见在全球碳管控趋严的背景下，低碳铝产品也是应对贸易壁垒的现实举措，欧洲市场情形下，绿电铝碳关税成本低于火电铝，差额约133欧元/吨。 所以，在当前产业变局中，绿电转型速度将决定中国铝企能否将“产量优势”转化为“价值优势”。宏桥控股在2025年底绿电使用占比已提升至40%，本次风光项目建成后，清洁能源占比将进一步抬升，既满足行业硬性考核指标，也获取未来的成本优势，同时适配下游客户对低碳铝材的采购需求。 2、提效抓手二：一体化 除了绿色转型外，电解铝企业“向内要效益”的另一个抓手是一体化，即布局贯通“铝土矿→氧化铝→电解铝→铝加工”，通过提升能源自给率，延申下游加工链，加强各个板块的协同性来达到公司整体的效益提升。 随着向内提效成为共识，龙头企业纷纷开始深耕一体化布局。以宏桥控股为例，前文提到的强链补链，就是在已有的一体化基础架构上，进一步补强其在绿电、深加工上的实力，本质是把自己锻炼成“六边形战士”。 募投风光项目和铝加工产能投产后，公司将实现从“清洁能源生产→绿电就地消纳→绿色铝材产出”的闭环，争取“低碳认证与绿色产能”先发优势，提升对全球绿色贸易规则的适配力。 另外一个体现一体化能力的点在于铝水直供。 铝水直供核心是消除重熔能耗、减少金属烧损、节约物流铸造费用。根据行业数据，铝水直供可节约重熔电耗约540度/吨，减少铝液与火焰直接接触导致的0.5%–2.5%烧损，综合节能与减损可节约≥500元/吨。 宏桥控股依托山东滨州与云南文山州及红河州产业集群，公司液态铝直接出厂供给园区内和周边下游，省去铸锭、长距运输与下游重熔环节，即“铝水不落地、就地消纳”。 2025年公司原铝产品中铝水直供占比超过九成，显著高于同期行业约75%的铝水转化率。除成本优势外，还能显著提升周转效率。 小结而言，宏桥控股的绿色转型意味着，中国铝产业的全球竞争力，正从单纯的"规模+成本"驱动，转向"绿电溢价+一体化强化"双重护城河驱动。 04 结语 120亿元再融资并非是只注重短期效益的资本扩张，而是宏桥控股在行业产能约束、全球低碳转型双重背景下的一次主动长期战略布局：短期优化资产负债结构、改善二级市场流动性；中长期通过风光项目稳定云南绿电供给、百万吨深加工提升产业链配套能力，巩固一体化龙头成本与低碳护城河。 在国内电解铝产能总量约束刚性的背景下，电解铝行业价值逻辑已经完成切换，从单纯依靠产能规模盈利，转向绿电低碳、全产业链协同驱动。 在我国实现能源转型和“双碳”目标牵引下，宏桥控股积极响应国家战略，依托低碳升级主线，正从“成本领先者”向“绿色溢价获得者”跃迁。作为行业龙头，宏桥控股的这一路径，不仅打开了自身的可持续成长空间，也将持续提升中国铝企在全球的综合竞争力与定价话语权。

零产品百亿估值，造福周期加速度，人才成为 AI 时代的终极硬通货。 采写/万天南 编辑/陈纪英 8月5日深夜，谷歌发生了一场”人事地震”。 早已"封神"的谷歌DeepMind和谷歌研究院首席科学家、Gemini负责人Jeff Dean 宣布离职。他在谷歌工作27年，是仅有的两位 Senior Google Fellow（职级 L11）之一。 Jeff 带着三位顶级研究员集体出走谷歌，创立 Discovery Loop，主打”机器学习、科学与工程自动化"。 消息一出，Alphabet 股价盘中应声跳跌，市值跌幅超过万亿人民币。 据《连线》报道，面对大神Jeff团队 离开，谷歌一度苦苦挽留，但被拒绝，“在大公司里，要想做出任何根本性的改变，总是要克服很多惯性。我们想打造一些与众不同的东西。” 挽留无果，谷歌也不想和大神们闹掰，打算入股这家公司，提供云服务——与其说是分手，不如说是“招安不成，交个朋友”。 遭遇大神出走的大厂，不止谷歌，大厂已经留不住AI大神了。 01 AI 大神出走，大厂成了”黄埔军校" 身为AI赛道一哥，OpenAI 几乎成了 AI 人才“孵化器”。 前研究副总裁达里奥·阿莫迪创立了Anthropic，如今已在估值和商业化变现上双双反杀OpenAI了。 前 CTO Mira Murati 离职创立 Thinking Machines Lab，估值破百亿美元；前首席科学家 Ilya Sutskever 创立 SSI（Safe Superintelligence），估值飙至数百亿美元；前研究副总裁 Jerry Tworek 创立 Core Automation，连英伟达都早早参投。 谷歌同样在"出血"。Axios 报道称，谷歌下一代模型 Gemini 3.5 Pro 发布延期，部分原因正是内部士气低迷和人才流失。如今，谷歌四位AI大神再度出走，一夜削掉万亿市值。 再看国内。2026年3月4日凌晨，阿里千问大模型技术负责人林俊旸在社交媒体发了一条简短的告别："me stepping down. bye my beloved qwen（我卸任了。再见了，我深爱的千问）。" 这位1993年出生的年轻人，是阿里历史上最年轻的 P10 技术专家。他主导了 Qwen 系列大模型的研发与开源，全球下载量超10亿次。 离职两个月后，林俊旸开启创业，方向是世界模型和具身大脑——首轮融资数亿美元，投后估值20亿美元，红杉中国和高榕各领投1亿美元，腾讯跟投2000万美元。 没有营收，没有产品，连公司名字都还没公布，靠刷脸就拿到了百亿估值。 字节也没能幸免。原 AI 软件应用团队负责人杨萍离职创办词元无限，聚焦企业级 Coding Agent；剪映原产品负责人张琪智离职瞄准 AI 创作工具。百度前副总裁景鲲也于2024年离职，入局 AI 智能体赛道。 一位头部 AI 公司的 HR 形容当下的人才争夺，“早就不是'挖人'，是'抄家'。”大厂花重金培养的 AI 大神，正一批批地变成大厂的对手。 就连一路封神的DeepSeek，也面临人才流失。自2025年下半年起，DeepSeek 多名核心研发成员确认离职：初代大语言模型核心作者王炳宣去了腾讯，V3核心贡献者罗福莉被小米以千万年薪挖走，R1论文主要作者郭达雅以传闻近亿元总包加入字节 Seed 团队——基座模型、推理、多模态、OCR，四条核心技术线全被”抄"了。 DeepSeek V4 技术报告近300人的作者名单里，足足10位核心研究员标注"已离职"。 创始人梁文锋感叹，“钱肯定不是问题，资源不是问题，其他要素都是容易获得的。对我们来讲，只有一个没法退让的核心利益——我们必须要保持团队的稳定性。这也是我们面临的一个非常大甚至是唯一的挑战，或者说，我觉得是最大的风险”，“只要我能够保持团队的稳定性，我一定能做成，一定能做成 AGI。” 02 大厂留人，各出杀招 为了招揽或者留住AI大神，大厂们各施其长。 梁文锋给出的是综合答案：精神层面——不设KPI，不卷996，愿景驱动；利益层面——期权，“我们现在做的很多事情，都是为了保持团队的稳定性。” 在管理上，梁文锋推崇杰克·韦尔奇的理念——一个公司最重要的是它的愿景。DeepSeek的愿景就是坚守AGI主线，克制且怀抱善意的坚持开源开放和利益共享。 梁文锋的管理不靠威权靠“愿景”和“共识”，“公司重大战略、技术业务决定的流程和决策机制，建立在共识的基础上的，并不是我一个人决定所有事情”。 基于愿景和兴趣驱动，DeepSeek不设KPI，不卷996，几乎从不加班——员工的正式任务饱和量很低，半天就能完成，其余半天可以自由探索，“做研究是需要一个比较松弛的环境，如果逼得很紧，就没法做研究”，梁文锋认为。 经济回报也不少。今年，DeepSeek紧锣密鼓启动了融资。据《财经》杂志报道，DeepSeek第二轮融资已重启，本轮计划募资500亿元，投前估值约5000亿元。另有参与交易的人士称，首轮围绕DeepSeek表达投资意向的资金规模实际达到了1000亿元。 融资之后，期权激励就能落地，“这个（人才流失）风险随着我们近期的这一次融资，得到了比较大的解除。因为大家拿到的期权都还是比较多的”，梁文锋松了一口气。 承认在AI上慢了几拍的腾讯，为了招揽AI大神，没少费心思。 姚顺雨，96年出生，前 OpenAI 研究员。2025年底加入腾讯任首席 AI 科学家，直接向总裁刘炽平汇报。2026年7月，腾讯将混元大语言模型部与多模态模型部合并，成立基础模型部，姚顺雨开始统管所有大模型底层研发。入职不到一年，他就拿到了整个腾讯模型研发的主导权。 姚顺雨为什么选腾讯？他自己的解释有两层。 第一层是"有事干"："AI下半场，方法论已经成熟，但寻找问题变得更加困难，加入腾讯很重要的一点是这里有很多好问题和好产品。" 第二层是"有空间"："腾讯总体是一个基于 trust（信任），而不是基于 metric（指标）在运转的公司，这种文化对于建立一个长期主义的 AI 组织十分重要。 据晚点报道，姚顺雨入职之后，获得了腾讯总办极大的授权，可以用高薪挖顶尖人才；能为团队争取权益，当公司要求技术与工程事业群（TEG）搬去偏远的企鹅岛办公时，混元成了特例；总办不再唯榜单，新的研究员加入后，可以自由选择感兴趣的方向等等。 腾讯招揽AI大神，就是给信任、给权限、给资源、给自由，与DeepSeek留人之道，也算异曲同工——大厂招揽或者留住大神的方式，就是把自己变得不那么“大厂化”。 03 零产品百亿估值，人才成为最硬通货 大厂留不住大神，是因为AI行业的底层逻辑变了。 互联网和移动互联网二十年，大厂一直是顶尖人才的目的地。流量、资金、渠道、生态全在巨头手里，创业公司要么被收购、要么被复刻，但 AI 浪潮一来，游戏规则变了。 第一个原因是，AI时代，人才是终极硬通货，大模型公司创始人，几乎无一例外都是技术出身。资本给“人”定价，融资门槛崩塌，创业机会敞开，离职就等于兑现估值。 过去创业，资本先看产品、收入、数据。在 AGI 竞赛中，顶尖 AI 人才是最稀缺资产，只要人到了，钱就到了，，资本先看“你是谁”，投的不是”项目"，是"人"。 林俊旸创业时，新公司刚注册、产品还没有，天使轮估值飙了135 亿元。 更极端的案例是田柯宇。这位字节前实习生因对团队资源分配不满，通过编写、篡改代码恶意攻击模型训练任务，被字节辞退并索赔800万元。 即便身陷争议、背负人品质疑，创办世界模型公司依然拿到了五源资本的千万美元投资，整体估值达 2 亿美元。 放在互联网时代，这根本不可想象。现在 AI 创业，只要技术过硬，资本就敢砸钱，逻辑很简单：大模型的核心资产就是人，押对了人，就等于押中了下一个千亿级公司。个人技术背书，已经成了直通资本的硬通货。 大厂给的是年薪百万，创业给的是估值百亿——回报量级完全不同。对顶尖 AI 人才而言，出走的风险被资本兜底清零。 第二个原因，是AI彻底洗牌权力格局，从“大厂拿捏赛道”到“创业公司能掰手腕”。 互联网和移动互联网时代，流量、渠道、生态、资金全攥在大厂手里。离开大厂，等于离开资源中心，创业公司很难翻起大浪。黄金赛道大多被大厂拿捏。 比如，互联网时代，BAT是中国互联网三巨头，到了移动互联网时代，虽然百度换成了字节，但阿里和腾讯依然在位。美国也是如此，Meta、谷歌等公司，在互联网和移动互联网时代，江山同样稳固。 但 AI 时代，权力格局完全翻盘了，一支小而精的顶尖团队，就能直接和大厂掰手腕。 DeepSeek一骑绝尘，做出了比肩大厂的顶尖模型，成本还比大厂低了几个量级，这记耳光打醒了所有人——不靠大厂的平台和资源，也能站到世界舞台中央。 而美国AI三杰中，谷歌之外，OpenAI和Anthropic都是新贵。 背后的底层逻辑在于，AI 的核心资产是模型能力，不是流量和渠道。大厂的平台优势——流量、资本、生态，被大幅稀释，在绝对的技术优势面前失效了。 大厂集体慌了，谷歌、阿里、腾讯、字节都在疯狂重组 AI 架构、抢人、加码投入，因为他们第一次感到，自己未必是 AI 时代的终局赢家。 第三个原因是，AI大模型公司财富兑现速度惊人，从创业到上市，不用十年，只要三年，造富速度和上限都远超大厂。 大厂 P10、P11 级别的年薪加期权，听起来已是天花板，但和创业公司股权价值比起来，不在一个量级，最顶尖的人才自然会逐利而居。 智谱2026年1月港股上市，员工不过千人左右，市值一度突破万亿港元。月之暗面F轮投后估值350亿美元，Pre-IPO 目标500亿美元——员工仅数百人，从创业到冲击 IPO，只用了三年出头。DeepSeek最新估值飙到了5000亿元，也不过数百人，人效比远超大厂。 资本市场也青睐纯血AI公司，腾讯、阿里、百度等大厂，纵然重金布局AI，但AI的资本溢价却少得可怜，至今没有脱下“老登股”的帽子。相反，智谱虽然未盈利，市值高峰时已经碾压百度了。 回看谷歌这场大神出走巨震，不过是潮水转向时最汹涌的一朵浪花。 面对大神出走的宿命，巨头们只有两条路：要么给足授权、信任与激励，把平台变成真正的创新土壤；要么干脆资本绑定，当不了队友就当金主——谷歌留不住Jeff，就当了Jeff投资人，国内的阿里、腾讯、美团也都投下了AI半壁江山。 得人才者得天下——而AI的天下，半数在大厂之外。

特朗普顾问克拉西奥斯 凤凰网科技讯 北京时间8月6日，据《商业内幕》报道，一位特朗普政府高级官员表示，一些公司正利用AI作为裁员的“挡箭牌”。 美国总统特朗普的科学与技术顾问迈克尔·克拉西奥斯(Michael Kratsios)在最近一期《彼得·戴曼迪斯的登月计划》播客节目中表示：“我认为，现在很多公司在进行本来就会做的裁员时，喜欢把原因归咎于AI，因为这样在媒体报道中听起来更好。” 主持人彼得·戴曼迪斯(Peter Diamandis)补充称：“而且，如果他们用更少的人创造了更多的收入，股价就会上涨。” 克拉西奥斯也同意这一看法：“正是如此。没错。” 克拉西奥斯表示，总体而言，他对AI将给劳动力带来的影响持乐观态度。“从长远来看，我对AI给就业带来的影响非常乐观。”他说。 《商业内幕》已追踪到17家公司在各自的裁员决定中把AI作为理由，其中包括Uber、Snap和Block。这些裁员公告发布之际，一些经济学家开始质疑“AI已经导致大规模裁员”这一说法。民调显示，美国民众对与AI相关的失业问题存在严重担忧。(作者/箫雨) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

一张证书，暂时还不会影响到你换机节奏。 作者｜张勇毅 编辑｜靖宇 时间回到 7 月下旬，如果你关注智能手机领域的话，应该会记得大量手机厂商开始官宣自己的手机，通过了国家人工智能 L3 级认证。 这轮集体官宣的起点，是 2026 年 7 月 17 日公布的首批人工智能终端智能化分级测试结果。 按照首批测试名单，移动终端中共有 11 款产品达到 L3，包括 9 部手机和 2 台平板。手机部分覆盖华为、摩托罗拉、荣耀、vivo、OPPO、小米和阶跃星辰等品牌。 名单发布后，厂商很快把一份技术测试结果翻译成了适合社交媒体传播的语言。华为强调首证，小米强调国家级，vivo 则直接把 L3 称作当前最高智能化评级。华为和小米在 7 月 18 日官宣，OriginOS 在次日跟进，几张相似的 L3 海报构成了一场少见的集体预热。 虽然口径上存在着一些细微差别。但能看出这些宣传背后指向的是同一个认证测试，既工信部在今年 5 月发布的《人工智能终端智能化分级》。 这个 L3 能力究竟代表什么？我们什么时候才能用上这些 L3 手机？以及如果按照汽车的标准来理解的话，更长远的 L4 级是否就是代表完全无需人工干预的 AI Agent 的设备形态？ 01 L3 不代表自动驾驶 在介绍整个认证规范前，其实有两个容易陷入的理解误区。 第一，认证对应的GB/Z 177—2026《人工智能终端智能化分级》是一套国家标准化指导性技术文件，不是强制性国标。 整个系列采用2+N结构，前两部分给出参考框架和通用要求，再分别针对手机、电脑等终端制定测试方法；其中，移动终端对应的是 GB/Z 177.3—2026。 它提供的是行业共同使用的能力标尺，不是一条决定手机能否上市的准入红线。这也是标题里给「国标」加上引号的原因：它确实属于国家标准体系，但现阶段主要承担指导和评价作用。 第二，L3 评的是一款具体终端及其软硬件版本，不是给整个品牌发段位。某个型号通过 L3，不等于同品牌所有手机自动升级；没有出现在首批名单里，也不等于测试失败，因为首批结果来自厂商主动送测，并非市场随机抽样。这显然也确实不包括市面上所有的 AI Agent 手机产品：同样在 7 月底官宣预热进入内测阶段的 OPPO AI Agent 手机项目小布 NEXT，就没有在这份名单中。 OPPO 发布针对手机端测 AI 能力的小布 NEXT 计划已经进入内测｜图片来源：OPPO 换句话来讲，L3 可以成为产品卖点，但它还不是一张手机行业的总排行榜。 02 L1 如何升级到 L3 此外你可能也注意到了：这套标准其实并不是针对模型能力的测试。它把终端能力拆成感知、认知、执行、记忆和学习五个维度，下面再分用户感知、任务规划、工具调用、长短期记忆和情境适应等 14 项能力。 把这些术语放进一个日常场景，会更容易理解。假设用户对手机说：帮我安排一次周末去杭州的旅行。 L1 是响应级。手机能听懂一条简单而明确的指令，调用确定的工具，完成一步任务。比如打开日历，或者设置周六早上的提醒。它更像一根被语音触发的手指：你让它点哪里，它就点哪里。 L2 是工具级。手机能够理解简单意图，做有限推理，调用预设工具完成一步或路径明确的多步任务。它可以查杭州天气、生成一份行程建议，再把结果留在当前对话里；但流程基本是产品预先铺好的，记忆也以短期上下文为主；其实已经接近手机上装一个豆包 APP 等效的效果。 如今主流手机搭载的手机智能助手，其实已经普遍达到了 L2 级能力｜图片来源：Apple 而手机厂商普遍提及的 L3，则是目前真正要达到的目标辅助级：手机要理解更完整的目标，信息不足时主动追问，把任务拆开，再根据情况选择和编排工具。它还要具备短期与长期记忆，让不坐早班车、酒店尽量靠近西湖这类偏好在下一次任务中继续生效。 阶跃星辰在今年 WAIC 期间演示的相关 AI Agent 操作手机能力｜图片来源：极客公园 同一句安排杭州旅行，到了 L3，可能被拆成确认日期和预算、查询交通与天气、筛选酒店、生成日程、写入日历。涉及付款、敏感数据或不可逆操作时，再把确认权交还给用户。 L1 到 L3 的差别，不是 AI 的回答越来越像人，而是手机对任务承担得越来越完整。 移动终端的测试也比一张演示海报具体。终端需要在至少 3 个典型场景中接受测试，达到目标难度的工具调用任务比例不低于 80%。单项任务默认要在 5 分钟内完成，最多有 3 次机会；端侧能力在离线环境中测，端云协同能力则在联网环境中测。 除此之外，L3 的长期记忆至少需要覆盖 3 类信息，可以是用户基本信息、工具偏好、对话历史、常去地点、日程待办或使用习惯。但复杂推理和规划可以放在云端完成，标准也没有要求 L3 必须具备持续进化学习能力。 这解释了模型与等级之间的关系。大模型负责理解语言、识别图像和规划任务，是手机的核心能力来源；但模型再强，如果只能困在聊天框里回答问题，依然不足以让整台手机成为 L3。反过来，一个参数并不夸张的模型，如果能和操作系统、工具接口、用户记忆及云端能力配合，也可能完成 L3 任务。 此外，7 月 15 日公布的手机端模型备案名单和 L3 测试同样不是一回事。备案解决生成式 AI 服务能否合规提供的问题；L3 测试评的是模型装进具体手机后，能否和系统、应用一起完成任务。前者是服务的合规底线，后者是终端的能力刻度。 真正参加考试的不是一个模型，而是模型、系统、应用和权限机制组成的整支队伍。 另外，你可能注意到一个与汽车智驾标准不同的细节是，手机厂商普遍把 L3 称作当前最高等级。 但其实这本身也是一个文字游戏：L3 的确是当前已经给出明确要求、可以进行测试的最高等级，但并非这套认证中的的最高等级：在标准细则中，L4 的名称是协同级，具体要求却直接标注为待定。面向手机和平板的 GB/Z 177.3—2026，目前也只规定了 L1、L2 和 L3 的测试方法。 工信部对于适用于移动终端的 L3 要求介绍｜图片来源：工信部官网 换句话来讲，L3 级别的 AI Agent 的手机仍是一名助手：它能拆任务、调用工具、记住偏好，却主要围绕一台终端和一个用户目标工作。到了协同，问题会自然扩展到多个智能体、多个设备和多个服务主体。 手机能不能把订票交给旅行智能体，把预算交给支付服务，再让车机、耳机和日历共同调整计划？任务执行错了由谁负责？一个 Agent 获得的权限，能不能传递给另一个 Agent？这些问题没有稳定答案，L4 就很难拥有可重复的测试题。 L4 空着，暴露的不是模型能力不足，而是协同规则、责任边界和安全机制还没有成熟。 手机的 L1—L4 也不能套用自动驾驶的责任逻辑。自动驾驶等级围绕车辆接管动态驾驶任务以及事故责任划分；AI 终端等级衡量的是任务复杂度与系统能力。数字看起来一样，考试科目完全不同。 因此，现在任何把一部 L3 手机包装成全自动驾驶级 AI的说法，其实你都可以理解为是传播话术。至于真正的 L4 手机，至少要等标准先回答什么叫协同—— 以及协同失败时谁来踩刹车。 03 还需要换手机吗？ 对普通消费者来讲，我听到最多关于这套标准的问题是，随着这套分级标准的逐渐落实，为了用到更好的 AI Agent 能力，我们需要换新手机吗？ 如果严格按照国标来问，L3 手机什么时候上市，答案是：已经上市了。 因为首批名单并不全是尚未发布的手机新品：华为 Pura X Max 在 4 月已经发布，3 款联想 moto 手机也在 5 月亮相。当然名单中同样存在尚处发布窗口的产品，例如荣耀 Robot Phone。此外，更加为人熟知的豆包手机二代，也不在相关的名单中。 今年 WAIC 展台展示的豆包手机二代真机｜图片来源：极客公园 但消费者真正关心的通常不是证书意义上的 L3，而是另一件事：什么时候可以买到一部能稳定理解目标、跨应用办事，并且不在最后一步掉链子的手机？ 荣耀已经给出一张较明确的时间表：Robot Phone 将在 2026 年 8 月首发 AgenticOS 内核，Magic9 系列计划在第四季度提供尝鲜版。 原生 Android 这边也在推进 AppFunctions 和界面自动化框架，让应用把功能开放给智能体，并计划在 2026 年晚些时候公布更多细节。 原生 Android 对接入智能体的 MCP 能力实践同样将在今年年内发布｜图片来源：Google 据此判断，2026 年下半年会是消费级 L3 体验集中出现的第一轮窗口；但如果期待它像今天的相机、支付一样成为主流手机的稳定能力，更现实的观察点是 2027 年。 按照 Counterpoint 的预计，到 2027 年，生成式 AI 手机将占全球出货量的 52%，智能体能力也会继续向旗舰产品扩展。 但这仍然不能直接换算成国标 L3 的市场占比，两套定义并不相同。但它给出了一个我们可以期待的手机换代节奏：2026 年看旗舰机试水，2027 年看应用生态和中端机能否跟上。 所以，如果现有手机性能、续航都没有明显问题，不必只为一张 L3 证书提前换机。 标准允许复杂推理借助云端完成，许多能力也可能通过系统更新到达现有旗舰；真正决定体验的，是厂商是否持续维护系统，以及常用应用愿不愿意开放工具接口。 如果本来就到了换机周期，L3 可以成为新的筛选项，但至少还要看三件事：真实任务成功率、常用应用覆盖范围，以及每一步操作是否可见、可暂停、可撤销。 证书证明手机跨过了一条线，却不能证明它已经值得接管你的数字生活。 真正值得等待的，是有一天我们不再关心它属于哪个等级，只记得那句帮我办了之后，事情确实被稳稳办完。 

凤凰网科技讯 8月6日，阿里云宣布，全新一代视频生成模型Wan3.0正式开启公测。该模型在生成时长、全能参考与真实感等维度全面升级，单次可生成30秒视频。 Wan3.0首次支持doc、xls、ppt、pdf、md等文档格式输入，可将教学课件、产品演示、动态图表、业务汇报等办公素材直接转化为视频。模型还支持智能时长功能，可根据提示词自动推荐合适时长，并可通过视频延长功能延展故事走向。 人像生成方面，Wan3.0力求“千人千面”，可细腻刻画五官与皮肤细节，群像场景也能呈现不同人物的复杂情绪。在全能参考任务中，模型可精准复刻角色、道具、场景、风格等关键维度的一致性。 即日起，Wan3.0在阿里云百炼、万镜一刻、万相官网和千问创作PC端开启公测，千问APP灰度开放。API价格方面，480P/720P/1080P分别为0.3/0.6/1.2元/秒，API接口将于近期全量开放。

智东西 编译 | 茄子 编辑 | 程茜 智东西8月6日消息，今天，前OpenAI研究员娜奥米·巴什坎斯基（Naomi Bashkansky）在X宣布，她已在两周前离开OpenAI，加入脑机接口初创公司Conduit并担任创始研究员，参与训练能够以非侵入方式读取人类思维的模型。 ▲巴什坎斯基官宣离开OpenAI加入Conduit（图源：X） 巴什坎斯基于2025年1月休学，并以驻留研究员身份加入OpenAI对齐团队。除核心研究外，她还参与制作面向新人的内部AGI培训材料，并为OpenAI基金会AI Resilience部门提供建议。加入OpenAI前，她的研究主要涉及大模型指令偏移和神经网络可解释性。 巴什坎斯基发布离职的同时分享了她于8月4日发布的博客《为什么我离开OpenAI去打造心灵感应》。她在博客中披露，自己于7月23日从OpenAI辞职，次日加入Conduit。 她称，离职原因是她看好非侵入式脑机接口与AI结合的方向，也认可Conduit的创始团队。并且，相比在OpenAI专注于细分研究问题，加入早期创业公司让她有机会参与技术体系的从零搭建。 她还在博客中做出了三个预测，2027年，用户佩戴神经头带（neural headband）即可将脑海想法转化为文字指令，仅凭思维操控Codex等编程AI工具；2030年，大模型可直接读取经编码生成的神经表征（neural representations）；2035年，AI或将成为类似“第六感和额外肢体”的个人能力延伸。 一、从国际象棋女子大师到OpenAI对齐研究员 巴什坎斯基在美国华盛顿州长大，从5岁到15岁参加竞技国际象棋比赛，后来获得女子国际大师（WIM）称号。 ▲巴什坎斯基8岁接受采访（图源：Patch） 她称，自己12岁时首次接触“超人类人工智能”这一概念，但当时只把它视为互联网中的一种有趣设想。18岁进入哈佛大学学习计算机科学后，她在课程中了解到GPT-3，并阅读了尼克·博斯特罗姆（Nick Bostrom）的《超级智能》，由此开始关注AI安全。 此后，她曾短暂从事AI政策相关工作，最终加入OpenAI的对齐团队。她在OpenAI工作约一年半，除开展研究外，还参与制作OpenAI的通用人工智能入职演示材料和对齐研究博客，并为OpenAI基金会的AI Resilience部门提供建议。 7月23日，巴什坎斯基从OpenAI辞职，第二天便加入Conduit担任创始研究员。她将新工作概括为“打造心灵感应”，即利用非侵入式神经数据训练思维转文本AI模型。 二、自由完整的研究空间是离开OpenAI的最大原因 巴什坎斯基将离开OpenAI、加入Conduit的原因归纳为三点：大胆但可实践的愿景、优秀的创业团队以及更自由、完整的研究空间。 首先，她认同Conduit让人类直接通过思维与AI交互的目标。她认为，未来的AI不应只是一个需要人类努力跟上的“超级实习生或同事”，而应该成为人类自然的能力延伸。 她甚至称，如果Conduit未来能够实现对大脑信息的通用读取与写入，其价值可能超过1万亿美元。不过，这只是巴什坎斯基对公司长期前景的个人判断，并非市场估值。 其次，她认可Conduit联合创始人里奥·波珀（Rio Popper）、克莱姆·冯·施滕格尔（Clem von Stengel）及其他团队成员。她形容这支团队聪明、执着，并且正在共同解决一个具有挑战性的研究问题。 第三个原因是研究自由度。巴什坎斯基称，在OpenAI，研究人员只能参与整体问题中细分模块，还要受到现有技术架构的限制；Conduit的技术体系仍处于从零搭建阶段，她可以同时研究编码器、数据效率、合成数据、多模态和数据归因等问题。 她称，自己正在研究一个“令人畏惧地雄心勃勃”的问题，并且享受与小型创业团队共同推进这项工作的状态。 三、设想两年后用思维控制Codex，当前技术仍处于“GPT-2时代” 巴什坎斯基设想，在2027年，用户戴上神经头带并通过蓝牙连接电脑。当用户查看Codex生成的代码、图表或文字时，Conduit模型可以结合脑信号和任务上下文，生成重新标注图例、改写段落或解释公式等指令。用户无须在脑中逐字默念完整句子，模型会尝试从模糊的神经活动中推断意图，再将其转换成AI能够执行的任务。 她设想，2030年AI厂商将训练模型直接对接Conduit输出的神经表征，省去脑信号转文字这一中间步骤，实现对脑海图像这类文字难以表达的信息的传递。 到2035年，她希望AI能够成为人的“第六感和额外肢体”。用户想到一个问题时，可以通过思维调用搜索和计算能力，感觉AI是自己能力的一部分，而不是外部工具。 不过，上述场景仍是巴什坎斯基的个人预测。她称，Conduit利用非侵入式设备采集神经信号，并以受试者同期写出的文字为训练目标，让模型结合大语言模型和任务上下文推测用户意图。模型效果正随数据规模扩大而改善，她将当前技术阶段类比为“GPT-2时代”。 结语：OpenAI一个月内接连出现人事调整，研究人才流向多个创业方向 7月以来，OpenAI的应用、安全和前沿研究团队接连出现人员变动。OpenAI二号人物菲吉·西莫（Fidji Simo）因健康原因退居顾问岗位，首席未来学家乔希·阿奇亚姆（Joshua Achiam）和安全系统负责人约翰内斯·海德克（Johannes Heidecke）相继离职，研究员迈尔斯·王（Miles Wang）与巴什坎斯基则分别转向AI制药和脑机接口创业。 与此同时，OpenAI也在继续吸纳人才。The Information 7月底报道称，OpenAI前安全系统负责人、Thinking Machines Lab联合创始人翁荔（Lilian Weng）将重返OpenAI，研究让AI参与改进下一代AI系统的“递归式自我改进”。 6月，OpenAI还从谷歌引进了Transformer论文作者、Gemini联合负责人诺姆·沙泽尔（Noam Shazeer）。这些人才进出原因各不相同，但可以看出顶尖AI人才的流向正从头部模型公司之间的相互招揽，进一步延伸至AI制药、脑机接口等细分创业领域。 来源：娜奥米·巴什坎斯基博客、X

1941 年，格雷格·托兰德为《公民凯恩》设计了一套深焦镜头：小孩在窗外的雪地里玩雪橇，屋内的大人正在替他签下往后一生的去处。 深焦镜头是托兰德用来说话的方式，他说：技术服务于意图。 今年夏天，一批 AI 生成的「天宫」视频陆续刷屏社交媒体。评论里有网友这样问：为什么以前这么多仙侠神话电视剧都想不到把天宫做成这样？ 去年这个时候，AI 生成的视频还主要在讨论「它能做到吗」，今年的问题已经变成了「如何更好」。技术已经足够好，同时人们愿意用它去完成一个具体的美学目标，而不仅仅去展示技术能做到什么。 阿里的视频生成模型 Wan 3.0 今天也开启公测，其中大的两个升级是：可以一次生成 30 秒单段视频了，以及，你不仅能输入文本、图片、音频、视频，还能直接把 PPT 这样的多种格式文档扔给它。 APPSO 也第一时间进行了体验，比起参数的变化，Wan 3.0 的画面美感更让我惊喜，五官和皮肤细节刻画得更精细，参考生视频模式下，角色、道具、声音、空间关系、风格这些细粒度维度都能稳定保持，这让视频的工作流也变得更流畅，而持续完善的编辑能力也减少了反复抽卡的情况。 让叙事成为可能 Wan 3.0 把单次生成拉长到了 30 秒，还配了个智能时长功能，按提示词自动推荐一个合适的长度，要是不够再往下续。 目前单次可生成 30 秒视频的只有两家。 30 秒可以开始承载一段相对独立的叙事，不用抽卡无数条「高光片段」再后期拼接。 我拿它做了一支 20 秒左右的电影级 One-Take MV，整体风格定位为「西海岸街头流行主义」，要求在一镜到底完成从开场到高潮的完整叙事。 在青春活力的唱跳场景中，面对多位舞者的走位与复杂肢体交叠，模型能保持每个人物面部特征、服饰褶皱以及相对空间位置的绝对同一性，摄像机的推拉摇移也能够契合音乐节拍。 我们还制作了名为《末班电车》的日式动漫短片，要求其参考《你的名字》《铃芽之旅》《比宇宙更远的地方》的动感镜头语言。 故事是这样的：黄昏 17:58，高二少女若菜在教室发现自己快要错过一班「再也见不到他」的末班电车，一路狂奔穿越校园、老街、石阶，书包中的旧照片在最后关头飞散——而站台上，有一只手替她接住了它。 这个时长让镜头调度也有了更大空间，连续运镜、一镜到底、复杂的机位变化都可以在一次生成里完成。 按照这个思路，我们又试着做了真人电视剧片段。 Wan 3.0 有了自己的镜头美学 Wan 3.0 在风格统一性上有相当明显的效果。运镜逻辑更接近有意图的摄影语言，用光方式有明显的导演视角，而不是泛化的好看。 以日式手绘风 2D 动画为例，模型精准还原了赛璐璐风格的锐利线条与高对比度色彩，赋予了屹立于废墟之上的执剑少年极强的光影张力，甚至连战损服饰的微小细节都带有浓厚的悲壮感。 而在东方仙山秘境的刻画上，Wan 3.0 捕捉到了水墨与奇幻交织的古典气韵，驮着楼阁的巨龟穿梭于云海，大气的散射透视效果与神龟粗糙的生物肌理融合得恰到好处，没有生硬感。 在湖光山色间两人切磋武术的长镜头中，远景的壮丽峡谷风光与近景流畅的肢体互动形成了稳定的时空场域，动作的延续性没有丝毫卡顿。 我们还用 Wan 3.0 复刻最近爆火的中国仙境系列，虽然没有垫图，但输出效果还不错。 云海翻涌，道人立于山巅，身后是玉阶琼台。看到画面，你就能明白中国人对仙境的迷恋是有道理的。 虽然今天还没人把 AI 生成的视觉影像作品用于「审美积累」，但 AI 无疑越来越懂视觉美学了。 抽卡是赌博，迭代才是工作 生成一段带角色的叙事短片，一个做法是反复调整提示词等待运气好的结果；另一个做法是先用参考图锁定角色形象，确认视觉基调，生成之后找到有问题的时间段做局部修改。Wan 3.0 的升级，主要是让后者变得更可行。 对于大部分叙事内容，出问题的往往只是某几秒，其余的完全可以保留。能精准定位问题区间、只替换那一段，是把 AI 视频纳入正常创作工作流的必要条件，也是让创作者愿意在一个项目上持续投入时间的前提。 Wan 3.0 的视频编辑能力也有大幅提升，支持修改画面、剧情与台词，创作者可以定位到某个时间区间，只改出问题的那一段，保留其余的部分。 而更值得表扬的是，在文本、图片、音频、视频四种基础模态之外，Wan 3.0 首次支持 doc、xls、ppt、pdf、md 等格式输入，这在日常很多商用场景来说方便了不少。 想要做一条商业广告片，上传一张产品图和一份介绍 word，搭配提示词，就能得到一个完整的形象片。 我们还尝试让虚拟人做自媒体博主，做一条分享自己做短视频的经验的视频。对于不爱露脸或者想保护个人隐私的自媒体创作者来讲，生成一条虚拟人出镜的视频确实更方便。 不过同一段提示词的输出结果是不同的，如果要长期运用起初选定的那个最满意的面孔，可以在下次生成视频时把参考图给模型。 我们给模型参考图作为首帧，要求它生成一段视频。人物设定为锋利英俊骨相、短黑发、身穿黑色长款警察大衣，要求模型在场景中严格保持参考图人物的视觉身份，不能发生换脸或服装漂移。 测试结果显示，脸部特征与服装款式的保持是实质性的，至于情绪表现如何，下面是我们给模型的情绪设定，大家可以自行判断。 情绪设定：他刚从画面右侧外的人口中得知妻子已经死亡，并且妻子曾怀孕。这个信息不能用旁白、字幕、台词、闪回解释，只通过他的表情和身体反应呈现。情绪不是单纯愤怒，而是不可置信、痛苦失守、强行压回、愤怒回涌、理智断裂、最后开枪。 当然， Wan 3.0 也有一些可以提升的空间。声音质感与画面之间偶尔会出现贴合度的问题，尤其是环境音的空间感。 像「天宫」那样打动人的画面背后，一定有很多次没有被看到的尝试，有人在一大堆生成结果里选出了那几秒。 AI 视频行业当前最常见的讨论是哪个模型更强、生成的东西更好看。而之后的讨论可以预想的到，那就是：哪个模型更容易被用来完成一个具体的创作目标。 工具越来越好，决定仍然是人做的。门槛在降低，创作的天花板却没有随之降低。真正好的工具不替你做决定，它只是让你的决定更容易落地。 Wan 3.0 的 API 接口将于近期全量开放，价格非常优惠，480P/720P/1080P 的价格分别为 0.3/0.6/1.2 元/秒。从最常用的 720P 来看，0.6 元/秒，相当于主流模型的六折。

快科技8月6日消息，在美国AI御三家中，谷歌今年掉队明显，今天凌晨又宣布了多项重大人事调整，奠定公司AI基础的几位AI大神又出走了，引发热议。 这也不是谷歌第一次出现AI人才流失了，上一波密集调整还是6月底，Transformer论文的八位核心作者陆陆续续都离开了，算上这次的调整，定义谷歌AI时代的重量级AI大神团队差不多要换一遍了，这也导致谷歌股价大跌4%。 谷歌AI人才大换血之后能不能让Gemini大模型重回巅峰，这点还不好说，但是谷歌在AI领域的高开低走引起了另一个讨论，那就是美国媒体多年前鼓吹的一个叙事神话破灭了——印度裔CEO执掌的科技巨头在AI时代就没几家搞好的。 谷歌CEO皮查伊已经任职11年了，之前担任这个职位的时候网络上都是在吹捧印度裔精英成为美国科技行业的领军人物，当时美国的高科技行业很多高管都是印度裔人才。 比皮查伊更早担任科技巨头CEO的是微软CEO纳德拉，2014年就执掌微软公司了，再加上其他公司，比如Adobe、IBM、美光、Palo Alto等公司的CEO也是印度裔，一时间找印度裔当CEO成为了美国科技公司扭转困局的标准做法。 然而在AI时代，不论是微软、谷歌还是上面提到的几家公司，印度裔CEO执掌的公司在AI大模型上都错失机遇，尤其是微软、谷歌两家公司，不论是资金还是人才，亦或者是算力等资源都是业界最顶级的，结果大模型业务上要么一直没啥存在感，要么高开低走，泯然众人矣。 美国公司中印度裔CEO在AI时代有高光的可能要数美光了，但该公司现在业绩暴涨更多的是靠内存、闪存涨价，没有这次的涨价周期，美光23、24年业绩还是在巨额亏损的。 AI时代美国公司搞得好的反而是华裔人才当CEO或者主导技术研发的，AMD、NVIDIA及Intel三大AI芯片公司的CEO是华裔都不是新闻了，OpenAI、Anthropic好多核心研究人员也是华裔，甚至是国内过去的留学生，微软、谷歌、亚马逊、Meta等公司同样如此。

Coding仍在追赶，Work已经开战。 文｜赵艳秋 编｜牛慧 2024年10月，美国AI编码创业公司Bolt.new按下上线键。四周后，它的年化收入冲到400万美元。Anthropic总裁达里奥激动地致电Bolt的CEO：“你们是我们见过增长最快的客户。”Bolt采用了Anthropic新上线的模型Claude 3.5 Sonnet，把Anthropic的“GPU打满了”。 几乎同一时间，中国一家大厂的AI编程团队“比较清闲，不用加班”。另一家企业接一些定制项目，多个团队开始驻场。另几家大厂正为春晚红包备战，AI coding这场蕴含着丰厚价值的赛道被淹没了。“这里面有很多偶发因素。”一位大厂资深人士总结。 截至今年8月6日，在开发者平台Vercel上，Anthropic占走了token消耗量的24.9%、消费金额的71.8%；5月年化收入已达470亿美元，Cursor超40亿美元。阿里、腾讯、字节则没有一家披露过coding产品营收。 差距是多方面因素造成的。2025年中期是一道分割线，在此之前，三股力量同时拉开了中美Vibe Coding的距离——战略赌注、商业模式和数据飞轮。中国企业用了近三年时间回味过来，并加速了节奏。Anthropic从成立第一天押注了“看起来只是垂直小市场”的编程，正在成为当下AI最大的价值点。而现在，战场已经从coding扩展到work，从3000万程序员扩展到10亿知识工作者。 01 Vibe Coding中美之差 “我一定要纠正你的观点，不是说国内Coding不行，是Claude太厉害了，国内也行。”一位大厂资深人士告诉数智前线，国内发展瓶颈在于算力。“Anthropic拥有的GPU卡，比国内所有厂商加起来还都多。”但国内产业界也有另一种声音，认为差距是从底层创新就开始的。 在2025年中期之前，字节、阿里、腾讯、智谱、百度以OpenAI为主要对标系。“追通用能力、文生图、文生视频，C端、B端，OpenAI做什么我们就做什么。"智谱一位人士说，彼时OpenAI估值3000亿美元，“相比之下，编程看起来只是垂直的小市场。”Deepseek第一代模型是coding，后面也转换了方向。 而2026年7月Anthropic发布的口述史《The Making of Claude Code》揭示，公司成立之初就把Coding当作战略方向，2021年第一款产品是VS Code编程助手；值得关注的是，2022年初，Anthropic强化学习团队就已搭建平台，训练能自主完成软件任务的模型，他们认为“通往AGI的路径，很可能要经过大规模自动化软件工程”；2023年到2024年间，内部工具“clide”已经形成，这款“简陋”的产品，是Claude Code原型，定义了今天所有coding CLI的形态。 智源研究院理事长黄铁军告诉数智前线，Anthropic训练模型时，代码token占了4.2T（万亿），超过总量三分之一，其中约一半来自商业软件代码。“我认为所有搞大语言模型的企业，一开始都重视代码，但程度不同。”他直言，“值得反思的是，数字世界对我们影响往往被低估了。现代社会运行在电网上，电网上是一张信息网络，我们很多信息系统不都是计算机代码吗？OpenAI也一样后悔这块没够重视，被反超了。” 除了押宝方向外，在商业模式上，国内外差异更大。早在2024年，中国首批大模型企业已收到了“coding能卖钱”的信号。百度智能云人士告诉数智前线，在当年招采记录中，代码类AI应用成交金额和数量都很靠前，四大需求行业是金融、泛科技互联网、传统软件和制造业。科大讯飞董事长刘庆峰也提及，金融客户大量使用模型代码能力。 但这些项目很大一部分是定制开发、驻场服务。这也造成阿里通义灵码既做标准产品还承接定制开发，投入很高，收益有限；智谱2024年扩张政企项目团队，堆人做项目。定制化被认为是一件苦活累活、增长有明显天花板。没有漂亮的增长曲线，在大厂内就无法竞争资源。一位大厂Coding研发人士向数智前线回忆，当时团队数十人，“比较清闲”。 而海外，此时增长曲线已经跑出来了。“从2024年中开始，Coding赛道开始火爆。Lovable、Boit.new、Github copilot的年化收入都是以亿美元为单位的，而且不是一家，是十来家。”专注AI编程的创企蔻町科技CTO陈秋武曾告诉数智前线。 这些高速增长起来的企业采用了订阅的MaaS收入，产品与模型能力直接相关，定制化项目则有更多额外工作，可以提升效果体验。而中国大厂要到2025年中和2026年之后才全面转向大规模MaaS服务，并从免费获客转向商业收费。 在商业模式差异之外，Anthropic在此阶段也已经开始了模型、产品和数据的闭环飞轮，这是拉开模型差距的核心原因。 “现在模型训练能力、方法已经不是瓶颈了，可能就是算力和时间问题。”华为云coding产品“码道”人士告诉数智前线，“这个时间，核心是数据飞轮。” Anthropic Claude code是一系列前沿探索的综合结果。2024年9月，Claude code灵魂人物Boris Cherny加入后，同事曾拒绝了他提交的手写代码，理由是“你应该试试公司代码工具clide。”之后，当Anthropic推出tool use后，Boris给模型一个工具做实验，问“我现在正在听什么音乐”，模型自己写了AppleScript查询播放器，一次成功。这个实验让Boris确立了“模型应该作为行动主体，人类给它各种工具，允许它读取、编写和运行程序，不要过早把它限制在一套固定工作流里”。这最终演化为Claude Code。2024年下半年，一系列在Claude模型上的AI编程工具迅速走红，于是Anthropic内部两周冲刺拿出产品。 2025年2月，Claude Code随3.7 Sonnet发布。“Anthropic通过Claude Code与用户签协议，收集数据——开发者输入的指令、测试做什么、代码评审关注什么，这些数据不断训练它的模型。”华为云码道人士进一步举例，实际上2026年推出的GLM5.1编码能力跟Claude Code基本相当，现在更关键的是推理、调度工具和项目框架理解能力，而这些软件工程数据在GitHub上根本没有。 大厂自己的代码仓也补不上这个缺口。“大厂里的代码数量并不是特别丰富，质量参差不齐，很多都是日积月累的‘屎山代码’。”一位大厂人士说。这也是为什么2025年底姚顺雨加入腾讯后，提议搭建一套集团层面的强化学习基础设施，把真实业务产生的数据回流给混元，目标是建立数据飞轮。 2025年年中之前，中国Vibe Coding经历了一段迷茫与沉寂期。百模大战中的小虎们，面临“只有大厂养得起基础模型”的困惑，纷纷缩减模型训练，去搞应用。大厂中负责coding项目的人士，方向虽然看得很准，但面临资源争取问题。 2025年1月，通义灵码负责人丁宇曾向数智前线“剧透”下一阶段努力的方向——自主编程、“一人公司”、“20个程序员带10个AI程序员”。只是集团层面，2025年最大的AI竞争战场是模型开源和“通用助手入口之争”，豆包、元宝、千问的比拼如火如荼，coding这件事被淹没了。 真正的转身要等到2025年年中之后，海外Cursor、Claude Code等年化收入数据高企，大厂管理层开始更加关注coding。在阿里，丁宇从集团内多团队抽调人手，对标Cursor封闭开发数月，于8月推出Qoder，并于当月云栖大会上亮相。 02 追赶与分化 2025年转折来得猝不及防，DeepSeek推出R1，给整个行业带来强烈冲击。图灵智能研究院院长，北京智源人工智能研究院创始副院长刘江回忆，之前大家或多或少有些懈怠，但Deepseek让大家看到模型训练的价值。 “唐杰发了内部信说，大意是很遗憾不是我们做出来的，但同时重燃希望。”一位智谱人士回忆。唐杰后来复盘说，他原本预判大模型会替代搜索，但现实是谷歌用AI把自己的搜索革命了；DeepSeek R1出现后，“这个范式基本到头了，剩下更多是工程和技术问题”。团队争论了很多个晚上，最终决定把精力押注在Coding和Agent上。 几乎同时，两公里外的月之暗面也在做出选择。在与豆包的投流大战中挫败后，Kimi停止在产品上大规模投放，把资源收缩回模型，计划做国内第一个万亿参数模型。杨植麟当时说，“创业公司必须有自己的bet（赌注），这是避免与对手陷入消耗战的现实选择。” 但两家公司的路径又有些不同。一位智谱人士回忆，当时公司商业上体感还是疯狂做政府外包项目，因为上市需要现金流。智谱在2025年7月发布了GLM-4.5，把Coding、Agentic、Reasoning整合在一起，提出“ARC”，这个词后来在圈内流行。 智谱也抓住了一个窗口：2025年9月Anthropic停止服务中国用户，它第一时间推出迁移计划，Coding Plan20元/月，是Claude Pro的1/7。到12月，媒体报道其ARR突破1亿元，这样，MaaS服务的势头就出来了。2026年3月业绩电话会上，CEO张鹏首次明确提出对标“Anthropic”。 Kimi更侧重在模型层。就在今年K3发布前一个月，杨植麟判断，编程场景占token消耗量的九成以上，“底层模型还有非常多新的变量”。他提到了团队训练新一代模型的一些创新，如用MuonClip替代2014年提出的Adam优化器，用线性注意力替代2017年提出的Attention架构，用注意力残差替代残差连接。“接下来的2到3年，底层技术都会被重新改写一遍，将有更多创新架构出现。” 此前，2026年2月Anthropic指控月之暗面通过数百个虚假账号蒸馏数据，但多名外部研究者认为，2.8万亿参数的K3，其大幅进步不可能仅靠蒸馏，关键仍是模型规模、强化学习和工程能力。 据Stripe数据，2026年1月，Kimi的K2.5发布后ARR突破1亿美元，是“六小虎”里第一个。这笔钱是从coding来的。今年3月Cursor发布Composer 2，不到24小时就被开发者发现底层基于Kimi K2.5开源模型训练而来。第三方行业信息显示，K3上线后API日销售额相比发布前至少提升6倍。 大厂在同一时期也有动作。在2025年8月云栖大会上，Qoder、通义灵码，甚至淘天小团队都展示了vibe coding产品。9月，腾讯发布CodeBuddy。字节则在2025年底发布Trae企业版，“并获得了数千坐席的大客户”。TRAE个人版用户量在国内最多，6月数字约为800万。 那是大厂在2025年离coding最近的一段时间，但这个赛道有些“窄”。进入秋冬，大厂的注意力被另一件事夺走了——争夺AI对话助手市场。这一赛道被认为是AI时代新流量入口，DeepSeek、腾讯元宝、字节豆包、阿里千问轮番攻顶。 “在我们内部，要把所有App聚合到千问，这件事情不管是公司内部，还是跨公司去协同都很难，我们和字节都在做同一件事，就看谁跑得快。”一位阿里资深人士告诉数智前线。千问在之后陆续接入淘宝、支付宝、高德、飞猪，而豆包则与抖音有更多协同。 2025年底，字节拿下春晚合作，腾讯准备了10亿元现金红包通过元宝发放，阿里投入30亿元通过千问App送奶茶，百度5亿红包推文心助手。大厂入口之争白热化，coding的关注力被掩盖。 “在这一轮coding战争中，中美大厂似乎都不太行。”一位人工智能人士观察，谷歌不缺模型、不缺算力、不缺人、不缺代码库，coding产品同样不强。大厂旗舰模型要同时对chat、搜索、多模态、行业......编程只是其中一格；内部团队竞争，分散了资源；不能像初创企业那样All in，商业定位顾及面更多......某种程度上这是多组约束的结果。 过去人们认为，只有大厂才训得起基础模型。2026 年，智谱和月之暗面证明了，创业企业可以下赌注，在模型上冲到全球前沿，并继续追逐AGI的前沿。而大厂采用了多模型策略，迅速将自研模型、智谱、Kimi的开源模型变成coding plan、云收入和各类产品。“大厂目前的情况是谁手上有卡，谁就能迅速将coding变现。”一位资深人士说。 在海外，Cursor等企业也拿走了Kimi的开源模型权重，补上自己Harness的真实反馈，做成coding产品，最后成果归Cursor。 为此，模型创业公司也在考虑扩大变现。杨植麟称，越来越多模型公司都在做第一方Agent产品，以Anthropic的Claude为例，它并不是在所有维度都极致强调长推理，但依靠Agent和Coding产品，拿到了非常强的产品效果。业界看到，Kimi一方面开放API、适配第三方Coding工具，另一方面推出Kimi CLI和Coding订阅，还有Kimi Work这类第一方生产力产品。 2026年后差距还在，但信心已经不同。“Coding追上来不难，你看Kimi追上智谱很快，我相信千问、DeepSeek也都能追上来。”一位阿里云资深人士告诉数智前线，“基模更好之后，我们涉及到的业务场景很丰富，在这些场景里又有那么多高水平工程师，用应用场景的数据，很快会把coding赶上。”“现在我们也在训code模型，以字节的风格很快就能卷上来。”一位TRAE人士说。 “从Coding上看，中国模型对比硅谷有一定差距，如果只用国内模型，它一定没有像Claude Opus这样的能力，这是现实。”腾讯云副总裁、CodeBuddy & WorkBuddy负责人刘毅对数智前线坦承，但他明确表示，从2025年年中开始，产品功能上“已经没什么差距了”。他们的评测显示，CodeBuddy整个harness工程在SWE-bench测试中的得分“不会比Openclaw项目低”。 “只要把产品做好，把用户场景做好，把用户和企业业务流程链接好，就能一步步解决真实问题。”战场因此往前移了一步，中国企业已经开始从coding走向work。 03 从coding到work的争夺 今年3月，腾讯WorkBuddy公测。三个多月后，数智前线问它的第一行代码作者、也是第一任产品经理汪晟杰：CodeBuddy和WorkBuddy谁的价值更大？ CodeBuddy是腾讯3年前开发的AI编程工具，WorkBuddy则是面向不写代码的知识工作者。“要看人群。”他说。追问“长远来讲是不是WorkBuddy用的人更多？”他的回答是“不一定，开发同学肯定还是用codebuddy。” 一位腾讯人士告诉数智前线，现阶段coding产品更挣钱，很多企业还在试用WorkBuddy产品阶段，对于token消耗费用和企业降本、开拓新业务的机会上还在评估之中。 不过，WorkBuddy已经成为腾讯今年最受关注的AI产品。易观分析统计，截至6月底，它在国内PC端AI原生办公智能体市场的月访问量达到2097万，位列第一。 这个用户数据反转的背后，是全球行业在半年内的一次集体转向。2025年2月，Anthropic上线编程工具Claud code，今年1月它又以研究预览形式上线Claud Cowork，面向不写代码的普通职场人。 Kimi杨植麟在今年6月算过一笔账：编程场景占模型token消耗量的九成以上，但全球程序员不过3000万，全球知识工作者超过10亿。“接下来的两三年会是范式的重要突破。”纯写代码的能力会在12个月内达到很高的程度，但再往下，智能体要处理的是“很多数字化任务的端到端执行”。 WorkBuddy的底座是CodeBuddy。腾讯云刘毅解释说，他们先做了两年多代码产品，打磨出一个稳定、可以长时工作的“Coding Agent内核”，然后把这个内核嵌入WorkBuddy。相比之下，很多同行基于OpenClaw开源项目搭建的work产品，“效果出不来”。 汪晟杰介绍，今年1月初，他想做一款对标Claude Cowork的产品，先面向腾讯内部办公人群。他设想是把腾讯文档、邮箱、乐享知识库、ima甚至微信读书、音乐串起来，打通工作和生活场景的孤岛。底层复用了CodeBuddy对Anthropic生态的兼容——插件、Skill，让平台越长越大。 腾讯WorkBuddy的势头，搅动大厂展开了新一轮争夺。7月底到8月初，三家大厂的组织调整几乎同时发生。7月20日，腾讯对标Openclaw产品的QClaw相关团队，调整至云产品六部，与WorkBuddy归入同一管理体系。7月30日，字节飞书产品团队并入豆包，成立新的豆包产品团队。8月3日，阿里千问办公正式公测，由QoderWork、MuleRun、悟空三款产品整合而来，钉钉新任CEO陈宇森统筹。百度在今年初推出DuMate，Kimi推出Kimi Work，360推出纳米Work。 “现在行业里有一种观点，未来有一个通用的入口就OK了，但是产品形态还在摸索中。你看Anthropic有Claude Code，也有CoWork，这两个产品长在一个桌面端上。”百度DuMate产品总架构师李景秋对数智前线分析。而OpenAI也类似，Work与Codex两个产品，长在一个桌面端上。 中国大厂也在进行新一轮产品布局。腾讯一手CodeBuddy，一手WorkBuddy；百度编程有Comate，办公有DuMate。阿里的Qoder是个全家桶，现在QoderWork从全家桶中拆分出来，与悟空、MuleRun 一起，合并进千问办公QwenWork。Qoder（编码）等仍是独立产品。 字节仍保留了多渠道，豆包与飞书产品合并新豆包产品体系，还有编程体系的Trae IDE和它衍生出的Trae Work。一位人士分析，豆包与飞书产品合并，对白领更有亲和力。 “企业一个组织里有不同的人，有开发者，也有了解一些技术知识的产品经理，还有职能部门。有的希望零代码开箱即用，有的是低代码，有一些需要高代码或vibe Coding方式。”今年6月火山引擎总裁谭待告诉数智前线，“未来也许会更多，也许会收敛，这个就随着AI的发展我们来看就好了。” 当下，所有企业都在从coding走向work，这是为什么？ 一位大厂资深人士拆解了这场争夺的底层逻辑。第一，人群基数大。白领数以亿计，场景发散，行政、商务、人事都能用起来，“一旦用起来就回不去了”。第二，白领的粘性远强于程序员。程序员货比三家、快速切换，谁便宜、谁效果好用谁；白领不关注技术细节，建了自己的空间、找到能力后就不走了。第三，也是最关键的——数据。“coding端相对数据不算多，程序员特别注重隐私，会开隐私模式。”但work端不一样，用户会上传100个文件让你帮忙梳理，上传量极大、维度极丰富。在国内大厂生态长期有围栏的环境下，这些数据建立的壁垒长期极有价值。 “一个程序员和一个女白领的消费力不是一个级别。”他进一步补充，“这是大厂喜欢的战役。coding对企业市值或许没那么大影响，work一旦打开了，会放大100倍、1000倍。” 其实，Work智能体在企业级怎么变现，所有人都在探索。一位ToB企业人士提出，work类产品的普及是一种员工提效，与企业采购逻辑不同。另一位ToB人士说，模式需要摸索。“飞书里的会议纪要好用了会带来付费，WorkBuddy打通知识库后，可能会带来按存储的知识库收费，过去企业网盘在国内没人认，现在一些产品如飞书，其实就是网盘卖法。” 四年前，Anthropic打响了coding之战，竞争的核心是模型、产品和数据闭环。如今，Work这场仗的规模要比coding大得多，所需的核心能力仍是这三方面，所有企业都已下场。 “我们都在圈用户，让用户快速用起来，表达偏好，把skill沉淀下来，让他们留在我们这里。”一位大厂人士说。

IT之家 8 月 6 日消息，今天（6 日）晚间，谷歌地图副总裁兼总经理米丽娅姆 · 丹尼尔宣布，AI 功能 Ask Maps 迎来新一轮升级，不仅可以按照用户的个性化需求订餐、寻找酒店，还能结合已有行程提供建议。 谷歌今天公布的多项新功能，旨在让用户不必离开谷歌地图，便能“比以往更轻松地”完成更多事情。 Ask Maps 新增的智能体功能可以替用户执行订餐操作，同时综合考虑饮食要求、当前位置和收藏地点等信息。谷歌举例称，用户下班前可以提出：“帮我点一份辣味海鲜醉面，我回家路上自取。”Ask Maps 会在沿途寻找仍在营业并供应该菜品的餐厅。用户选定餐厅后，菜品会自动加入购物车，只需完成付款即可下单。 寻找酒店和当地活动时，用户也可以指定装修风格和环境氛围，或提出酒店距离健身房、餐厅及其他设施仅需步行即可到达等更细致的要求。 此外，Ask Maps 和“贡献”标签页还支持通过对话补充或修改地点资料。用户上传店铺招牌等照片后，谷歌地图可以识别最新营业时间等信息，再交由用户确认后提交。 订餐、查找酒店和活动，以及对话式地点信息编辑功能现已在美国上线，今后将陆续进入更多国家。 谷歌地图还将接入由 Gemini 驱动的 Personal Intelligence，通过读取其他谷歌应用中的数据，让 Ask Maps 给出更符合个人情况的回答。 例如，用户查询行程时，系统可以自动把即将出发的航班或已经预订的晚餐考虑在内。Personal Intelligence 初期支持连接 Gmail，但默认不会启用，日历等应用也将在近期加入。 Ask Maps 同时新增实时公共交通查询功能，可以查看下一班公交车、火车、地铁或渡轮是否延误。实时交通小组件和更具个性化的回答正在所有已开放 Ask Maps 的地区推出。 据IT之家了解，Ask Maps 今天也正式进入澳大利亚、巴西、加拿大、印度尼西亚、日本和墨西哥。