行业分类:
加载中...
头条分类:
加载中...
微信朋友圈支持图片评论,可为什么真正用的人却很少?
微信又双叒叕更新了!这次7月2日上线的8.0.61版更新幅度非常大,比如,可以设置不接收共同好友点赞提醒了,仅提醒朋友与我的互动功能上线,这个讨人厌的信息打扰终于有所改进。 另外,微信朋友圈还支持图片评论,不过,该功能处于灰度测试阶段,有些用户仍需要等待更大范围的覆盖才可以使用。 微信朋友圈图片评论功能的使用方法: 第一步,将微信更新到最新版。 第二步,从朋友圈中找到想要发图片评论的内容。 第三步,点击评论按钮时,右侧会出现“图片”标志。 第四步,点击图片,就会进入系统相册,选择想要评论的图片。 第五步,仅支持选择一张图片,左下角可以“预览”,预览的时候可以对图片进行简单的二次编辑。 第六步,照片选择完成后,可继续在上方发表文字评论,也可以直接发布。 发布完成后会以缩略图的形式出现,点击图片后即可看到大图。 如果放在过去,微信如此大幅度的更新,必然会引发网友们的关注和讨论,但实际上用户更关心的却是“支持关闭共同好友点赞提醒”功能。据郭静的互联网观察发现,微信朋友圈虽然已经支持图片评论,但真正用的人却很少,这是为什么呢? 首先,用户习惯问题。现在的微信不是10年前的微信,只要它推出任何新功能,都会引发一窝蜂似的讨论和关注,继而会吸引超级多的用户使用,微信基本上不需要去“教育”用户如何使用。 可如今的微信并不是这样。 当下的用户更容易受到短视频和直播、短剧的影响,他们的注意力和节奏更加偏向于短平快,得益于微信庞大的用户基数,微信只要推出新功能,都有可能被上热搜,可热搜的时长普遍不超过48小时,有时候甚至更短,那么,对于其他的大部分用户来说,“我可能听说了某个功能”,仅此而已,或者说用户只是尝试一下微信这款新功能,后续随着被降热搜,用户就抛弃该功能。 在短平快节奏下,用户习惯很难快速得到普及和养成,这就导致只有部分用户知道和使用该功能,在更大范围的基数下,用户还是老的使用习惯,并未更新。再加上微信本身也比较佛系,并未大规模推动该功能的应用,这就让用户习惯的普及和扩散更难。 早在2006年,托马斯·弗里德曼就在《世界是平的》一书中提到了互联网所带来的“平权化”现象,互联网平台化确实会在一定程度上消除信息不对称,但信息不对称却永远存在,并且,随着每个个体用户的不同,其在信息不对称方面的差距可能会越大。 “永远都有人不知道”,或许可以解释当前互联网行业的各种现象,就像坐火车、坐飞机等等,在庞大的用户基数下,“不知道怎么用”的用户规模并不小,不知道微信的某项功能,就更加常见,反正人家也不用,不会用也不会“少块肉”。 不知道有这项功能,没有在朋友圈中使用图片评论的使用习惯,这是主要原因。 其次,使用场景问题。不同于微博、小红书、抖音等相对公域的场合,微信朋友圈是相对私密的社交产品,本身都是相对熟悉的微信好友,里面可能会有父母、亲戚朋友、同学、同事等各种各样的社交关系,在这种复杂的社交关系下,用户自然不可能像一个陌生网友一样,在某条内容下随意评论,图片评论的隐性要求更更高,万一图片评论不佳,可能会引起更多的问题,所以,很多时候用户就是“点赞”了事。 微信复杂的社交关系,限制了用户可以随意输出评论的权利,万一“XXX看到怎么办”?这就是熟人社交产品的弊病。 诸多的掣肘,限制了微信朋友圈图片评论的使用频率。当然,某些特定场景下,朋友圈图片评论的效果可能很好,但它不同于微博、抖音、小红书等打造个人影响力和IP类的产品,就算某条图片评论“火了”,它也没有更多的附加属性,总不可能靠微信朋友圈去打造个人IP和影响力。 还有就是,朋友圈被“屏蔽”后的副作用。微信为了用户真是“操碎了心”,比如,折叠微信朋友圈条数,如果用户发朋友圈过于频繁的话,其内容很有可能被压缩,其他微信好友看到的就是“余下XXX条”,微信没有想过这个人可能是与某个好友是非常亲密的关系,在如此亲密的关系下,还限制个鬼哦,有什么意义?把自己最好的朋友、最亲密的人朋友圈给限制了? 微信原来的机制下,有些朋友的朋友圈就看不到了,现在又来一次朋友圈折叠,能看到的朋友圈内容数量就非常少,这种情况下,还要去给朋友圈图片评论,这项功能能火起来才怪呢。 总的来说,微信想帮助用户解决一些问题,想要让用户用得更舒心,但它在“帮助”用户的过程中,又不免为用户套上新的“枷锁”,这就导致微信新的功能显得鸡肋没用。 真的很想呼吁微信,赶快把我微信好友的朋友圈都放出来,别搞什么折叠,朋友的朋友圈都看不到了,你推各种各样的功能给“空气”用? 郭静,科技自媒体,钛媒体“2014年十大作者”,关注互联网,关注TMT,常驻地苏州,欢迎加我微信“guyanleng”与我交流。
淘宝闪购500亿补贴上线首日,激活夜间订单增长190%
淘宝闪购7月2日宣布启动规模高达500亿元的补贴计划,将在12个月直补消费者及商家。数据显示,补贴上线以来,餐饮连锁品牌和中小商家生意分别环比增长170%和140%。一系列针对消费者的福利,直接拉动咖啡、饮品、甜品、小吃、西式快餐等多品类美食订单量环比增长超过150%,刺激下午茶、夜间等多场景订单增长超过170%。 大额红包、免单卡、官方补贴一口价商品等丰富的优惠福利进一步激发消费活力,让淘宝闪购成为更多年轻消费者“一日五餐”的优先选择。最新数据显示,淘宝闪购补贴上线以来,烘焙、粥食面点、西式快餐、米饭快餐、米粉米线、面等传统“三餐”品类订单均翻倍增长。同时,咖啡、饮品、甜品等热门下午茶订单增长均超过200%,小吃等美食增长超过150%,拉动下午茶和夜宵场景订单分别增长170%和190%。 在平台大力投入下,商家订单呈现爆发式增长,有力促进城市服务消费。补贴上线以来,超过40个城市订单再创新峰值(较上周同期),杭州、武汉、长沙、成都等新一线城市增长超过100%,在广州、贵阳、太原、南宁、呼和浩特、佛山等城市,淘宝闪购对本地服务消费拉动更为明显,订单增长甚至达3倍以上。 除了美食外卖,补贴上线首日,有589个零售品牌订单量比5月2日(淘宝闪购业务全量上线)增长超100%,其中熟食、酒水饮料品类的单量翻倍。农夫山泉当日订单环比增长504%、联想订单增长467%、飞利浦订单增长350%、赵一鸣订单增长420%,雪花、好想来、零食很忙等单量更是超10倍飙升。 接下来12个月,淘宝闪购将直接补贴消费者和商家共500亿,通过发放大额红包、免单卡、官方补贴一口价商品等方式给消费者带来优惠、便捷的服务和体验,进一步激发消费活力,同时上线店铺、商品、配送补贴及免佣减佣等措施,促进商家生意增长,以技术和商业模式创新,构建高效协同的大消费平台,并以巨大流量反哺线下商业和服务业,形成电商与服务业相结合的新平台模式。上线两个月,淘宝闪购联合饿了么日订单已突破6000万单。 有行业分析指出,淘宝闪购的500亿投入将是中国餐饮和零售商家新一轮巨大发展契机,它用真金白银帮助商家回归到良性市场竞争的轨道,帮助商家带来真正的生意增长,同时降低了消费成本,创新了消费场景,是激发消费潜力的有效尝试,为行业提供了反内卷样本。
“硬核”B站,正成为分歧终结者
各种buff叠满的618电商大促,成了“史上最冷”618。 根据星图数据,今年大促的综合电商累积销售额为8556亿元,同比增长15.2%。相比拉长了近1/4的大促周期,这一增速并不足以令人兴奋。 618不再狂飙的背后,是愈发冷静理性的年轻消费者。 在钱越来越难挣的大环境下,年轻人更关心该买哪个、买得对不对,而非头脑一热、闪电“剁手”。特别是在购买手机、电脑、家电等高单价的“大件”时,年轻人更要货比百家,恨不得把市面上所有在售产品研究个遍。但普通人精力时间有限,需要不同垂直领域的大咖买遍整条赛道,充当赛博品鉴师。 赛博品鉴师哪家强?字母榜(ID: wujicaijing)获得的数据是,今年以来,B站测评UP主产出的内容同比增长48%。 618大促,相当于测评UP主的“年中考”,数码赛道更是卷破天际:从手机、平板电脑到笔记本、电纸书,从空冰洗到厨卫小家电,每个板块都有自己的“618选购指南”,单条播放量破百万甚至数百万的横评视频屡见不鲜。 厂商也越来越喜欢通过硬核测评带货。联想今年大促与B站多位科技数码UP主合作,成交新客率达40%;笔吧评测室、极客湾等4个UP主总共带货7000多万元,单条视频带货GMV(商品交易总额)都破了千万元,其中笔吧评测室冲到了3000万以上。 被信息过载搞昏了头的年轻人,上B站找赛博品鉴师指路,看完长达数十分钟的测评后当场下单,B站硬核测评生态的“分歧终结”能力正在浮出水面。 消费链路的另一端,品牌也需要“分歧终结”能力。 品牌无论在哪个渠道做广告投放,难点都是没办法和竞品针锋相对、直接告诉消费者“我比别人更强”,最多暗搓搓内涵一下“友商”“竞品”,还得字斟句酌、生怕违反广告法。 硬核测评则不同。UP主固然不能拉踩,但在摆出一堆专业测试数据后,消费者自己就会根据自身的需求,判断孰优孰劣,品牌广告的最大短板被补齐了。 更何况,B站的硬核测评还带有强烈的消费目的性。618期间,B站用户目的明确地直奔“国补”相关测评,把相关关键词的搜索量环比推升了133%。 放在更宽广的视角下,卖流量的互联网平台很常见,但卖消费决策的很少见。以前,行业普遍公认,小红书有资格称作“消费决策平台”。如今,在硬核测评生态和“分歧终结”能力的支撑下,B站也有了朝着消费决策平台跃升的根基。 在B站,善于整大活,是每个硬核测评UP主的自我修养。 “大活”首先需要上规模。为了被称呼一声“硬核测评”,UP主活活把自己买成了所处赛道的金牌大客户。 号称“卖椅子卖了一个亿”的UP主先看评测,最近为了选出618期间值得购买的人体工学椅,买来了市面上主流的50把椅子,邀请400个不同年龄、身高、体重、职业的人现场试坐。 单靠上量,显然远远不够。测评手段也要足够硬核:先看评测在现场摆放了长条桌、电脑和鼠标,尽可能还原打工人的午休场景,甚至准备了一条金毛,营造互联网大厂的“宠物友好”办公氛围。 除了堪比斯坦福监狱实验的拟真感,先看测评在下结论时,也把硬核坚持到底。 比如,一款定价2469元的人体工学椅很受测试者欢迎,但先看评测并没有无脑强推,而是先梳理喜欢这把椅子的用户的画像——30岁以下、体重120~140斤,喜欢靠坐,再分析原因:后仰角度大、网布弹性高,带有腰部按摩、热敷功能,且腰部气囊可电动调整支撑力。 此外,UP主并没有简单粗暴地按照售价高价,把高评分的椅子排排坐;而是根据更符合实际使用场景的指标——用户身高,进行不同区间的推荐。 这期号称“400个屁股严选”的618人体工学椅选购指南,目前播放量超50万次,以及1.4万个赞、2200多次收藏。 硬核测评UP主整活的风,已经卷到了数码家电的每一条细分赛道。 手机数码领域的小白测评、搞机所,PC、笔记本领域的笔吧评测室、极客湾,家电领域的电锯爷、Wilson学长等,几乎每个人都是出新必买、爆款必测,新品老品塞满工作室。 在接受访谈时,笔吧评测室创始人叶霆宇称,近五年来,他们每年要评测170~180台笔记本。“这个数量远高于全球所有同类频道。没有一个自媒体或者专业机构,能够像我们这样,评测这么多的笔记本。” 家电赛道的整活毫不逊色。为了做出全网首个中央空调测评,先看评测在深圳包下了一整栋楼,用了两个月在其中9层安装了9款热门产品,并布设了171个传感器,单期内容成本高达百万级别。 硬核测评,归根结底是在死磕一个问题:年轻人只需要看一期中长视频,就不用在A or B之间选择or了,而是可以目标明确地直奔电商链接。 别的平台当然也有不少产品测评,但限于时长、成本、创作能力等,几乎没有做深做透的内容,普遍以“主播又双叒把价格打下来了”为最大卖点。创作者自己都研究得不够专业透彻,消费者自然不会当一回事,更不会把这类内容作为花钱的依据。 别人做不到的“分歧终结”,B站UP主做到了。硬核测评的流量未必比声嘶力竭的“买TA买TA”更高,却更具传播力和转化力,靠的就是独一无二的“分歧终结”能力。 具备“分歧终结”能力的硬核测评,用户需要,品牌更需要。 年轻人买手机电脑、冰箱电视等高价值商品,最大难题就是信息过载。信息不对称会导致交易不公平,信息过载同样如此。每当新品发布,用户只要表现出任何一点想买的意思,马上就会被精准识别、密集轰炸。 苦信息过载久矣的年轻人,需要去芜存菁的“参考答案”,而B站的硬核评测能够满足这一日益增长的需求。 用户对于硬核测评的信任感,首先来自中长视频形态的专业感。与强调3秒法则的短视频相比,中长视频天然适合做宽、做深,产出兼具大局观和纵深感的内容。 UP主同样将专业感视为立身之本,测评内容相对客观、数据严谨、实验结果可复现,都是最基本的要求。 此外,硬核测评制作周期长、成本高,促使UP主向其注入更多专业化、个性化的洞察和表达,与追逐热点、批量制造的短视频拉开差距。保持专业度、坚持自己的品位和判断力,是信任感的另一个根基。 例如,笔吧评测室在策划选题时,并不会一味满足消费者的当下喜好,比如性价比等,而是自主做分析、下判断。“我们要让大家看到不同电脑的表现;即便有些电脑没啥性价比,甚至显得离谱,我们也会坚持去评测。”叶霆宇说。 硬核测评除了吸引年轻人,也获得了越来越多品牌的重视和倾斜投放。 618期间,联想与多位UP主合作硬核测评,是广告主对这类内容青眼有加的缩影。其他板块的广告主,如手机、电脑、冰箱、空调、扫地机器人、电动牙刷等,也都把硬核测评作为在B站的关键营销动作之一。 品牌青睐硬核测评,除了借助UP主深度触达年轻人、在B站用户中建立品牌认知和美誉度,更看重的依然是UP主及其优质内容的“分歧终结”能力。 任何一个品牌都想把自己包装为“遥遥领先”,但自卖自夸式的广告营销,无论形式如何华丽,终究难以让疯狂拥趸之外的大众消费者心悦诚服。 要想跳出这一窠臼,品牌就需要借助客观中立的专业人士之口,实现纵向(产品好在哪里)和横向(产品比竞品强在哪里)的分歧终结。古典做法是找专家论证、找机构出报告,现在则更流行定好大方向,让UP主自由发挥、输出有说服力的硬核测评,并沉淀为品牌资产。 硬核测评在用户侧完成了内容闭环,在品牌侧完成了商业闭环。两套环路分别跑通、相互交融,又形成了相互带动的飞轮效应。用户、品牌和UP主互相需要,又能解决彼此的痛点,整个硬核测评生态就逐渐繁荣起来了。 从手机电脑到冰箱空调,从家居日用到时尚快消,所有品牌做广告营销的核心KPI之一,都是“捕获”年轻人的钱包。 年轻人代表着未来的购买力。北大国发院等机构近期发布《全球品牌中国线上500强榜单》,增长最快的50个品牌中,40个品牌的18~24岁成交人数增速超过大盘平均水平。 但很长时间里,品牌只能“触达”年轻人,很难将其转化为忠实粉丝。 “触达”手段包括在各大互联网平台广撒网,针对某一年龄段的用户进行投放;也包括签下杨瀚森、郑钦文等年青一代的运动偶像,给品牌内涵注入新鲜血液。 至于向年轻人传输品牌理念和产品价值,品牌大体上只能靠低效的广告轰炸,将核心卖点浓缩为几句“魔性”口号,试图在一遍遍的重复后留在消费者心智中。 在这套逻辑下,品牌很难吸引消费者深入了解品牌和产品,更无法真正说服消费者,自己比竞品更值得剁手。企业争了半天,可以争到年轻人的注意力,却难以左右年轻人的消费决策。 相比之下,年轻人依靠硬核测评生态实现“分歧终结”,B站有了填补“年轻人消费决策平台”生态位的机会。 它拥有最庞大的年轻用户群:日活跃用户超1.07亿,平均年龄26岁。同时,这些用户与传统电商平台的平均独占人群比例达到47%,平均重合人群达到75%。这种独占性与强覆盖并存的用户结构,使B站成为品牌营销不可忽视的阵地。 另一边,不盲目跟风、愿意沉下心来做内容的UP主,仍在不断进入硬核测评赛道。这类UP主不断增加,让站内的“分歧终结”型内容生态持续生长,吸引用户将其作为消费参考的主要参考对象。 以“分歧终结”助推年轻人消费决策,B站在搞一种很新的内容商业双飞轮。 用户通过其他渠道和平台,知道了品牌“是什么”、产品“有什么”,然后再到B站看看硬核测评,弄清楚“哪个好”“买什么”。消费者对于品牌和产品的粗线条认知,在B站经历了硬核测评的精细加工,最终成为消费链条的最后一块拼图,完成从信息接收、认知转化到下单消费的全过程。 B站也在鼓励硬核测评内容。一些测评包含了商业合作,依然有机会凭借过硬的品质,得到平台的流量加持放大,从而为UP主和商家创造更大价值。这也让品牌在进行硬核测评类的商单合作时,有了四两拨千斤的机会。 在国内互联网,消费决策平台是一个极为稀缺的生态位。它要求平台兼具内容和商业的双重特性,以社区和UGC生态为两翼,还需要长期沉淀的生态活跃度和用户信赖感作为根基。 把硬核测评进行到底的UP主,吸引了大批“遇事不决问B站”的年轻人,让B站有了消费决策平台的气质。B站倘若能够把握住这一机会,其商业价值和想象空间将得到更彻底地释放,甚至在现有业务之外走出未曾设想的道路。
EDA出口管制解除,对中国半导体影响几何?
EDA 禁令发布之际,市场瞬间炸开了锅。 而近日,这则禁令又释放出新的信号。 01 EDA三巨头,解除出口禁令 美国时间7月2日,西门子表示收到美国政府通知,已解除对中国大陆出口芯片设计软件的限制。根据该公司声明,已恢复向中国客户全面提供其软件与技术服务。 同时新思科技(Synopsys)和楷登电子(Cadence)也已收到解除对中国出口限制的通知。 此次禁令解除距离禁令发布刚刚过去两个月。 2025年5月29日,美国商务部工业和安全局(BIS)颁布了一项禁令,要求上述EDA三大巨头全面停止向中国提供芯片设计软件。此次管控的核心目标是严格监管与人工智能相关的芯片开发设计,并进一步加强对所谓实体清单企业的管控。 在全球的EDA市场中,美国厂商占据了垄断地位,根据TrendForce的数据,到2024年,Synopsys、Cadence和Siemens EDA这三家美国公司分别占据全球EDA市场32%、29%和13%的市场份额,三者合计市场份额高达74%。而就国内EDA市场,三巨头在中国EDA市场份额超过80%。 自2018年以来,美国针对 EDA 工具已发起多轮限制行动。 2019年与2020年,美国先后将几家中国头部半导体/科技公司列入实体清单,限制其获得高端EDA软件。 2022年,美国商务部通过修订《出口管理条例》(EAR),新增出口管制分类编号 ECCN 3D006,专门针对可用于设计 GAAFET(环绕栅极晶体管)结构的 EDA 工具实施管控,该工具主要用于 3nm 及以下芯片设计。 在国内 EDA 软件高度依赖进口的情况下,若无法获取相关工具,将直接影响技术研发进程。 02 EDA,有多重要? 至于EDA如何占据如此重要的地位? 笔者将它总结为:技术难度高+垄断与深度绑定。 EDA即电子设计自动化(Electronic Design Automation),也被称为“芯片之母”。其包含一系列从设计到制造的软件工具,涵盖了功能设计、布线、验证等环节,是芯片设计中不可或缺的重要组件。 在前端的设计中,随着芯片设计越来越复杂,流片成本也越来越高昂。据悉,最低端的芯片流片一次都要花费数十万元以上,先进制程的甚至要过亿元,中小型芯片企业难以承受多次流片的成本。因此,芯片设计需要追求成功率,自动化设计工具可以极大避免芯片电路设计和布局错误,降低损失。 因此,在芯片设计中,EDA至关重要。 在芯片制造环节,国际EDA龙头又对芯片设计公司形成垄断。 简单来讲,集成电路产业经过漫长时间的分工与整合,产业链上下游的各个环节,存在着“互相适配”的绑定关系。 上游的指令集架构、EDA工具,再到制造中的光刻机、刻蚀机等,乃至后端的封测设备,每个环节的研发和改进都需要上下游环节的配合协作、相互适配。 举一个简单的例子,在台积电的技术更新中,用户时常可以看到PDK一词。PDK全称Process Design Kit,即工艺设计包,可以理解为代工厂某一节点的用户使用说明,其中包括这一节点的设计规则、仿真模型、技术文件等设计参数。 这也意味着,倘若下游芯片设计公司要设计芯片,就需要台积电等晶圆厂提供开发数据包PDK,PDK包含了对EDA软件的授权验证,EDA软件没有授权验证就无法使用PDK工具包。 并且,并非所有制程节点的PDK都是相同的,比如台积电3nm至今为止已经推出了N3B、N3E、N3P、N3X四个版本,每个版本都对应不同的PDK。 通过这种方式,EDA 龙头企业与芯片设计公司深度绑定,使得这些公司不得不及时更新自己的 EDA 工具。 中国EDA行业起步于20世纪80年代,1986年诞生的国产集成电路计算机辅助设计系统"熊猫系统"标志着行业开端。然而,受制于当时国内半导体产业基础薄弱、研发投入不足等因素,国产EDA发展缓慢,市场长期被国际巨头垄断。 目前国产EDA和国际EDA龙头还存在较大的差距。 03 国产EDA,难在哪? 对于EDA公司来说,EDA集成度越高,便越具备优势,然而全套EDA工具,极为复杂。 EDA工具可被细分为三大类:数字芯片设计全流程EDA、模拟及混合电路设计全流程EDA以及集成电路制造类EDA。 其中,数字电路设计全流程工具可根据设计流程分为前端和后端两大部分,而前后端又有不同的设计工具和验证工具;模拟及混合电路设计工具则专注于电路设计、仿真验证到物理实现;而集成电路制造类EDA工具则用于开发制造工艺平台和晶圆制造。 上述EDA三巨头均可提供设计全流程EDA工具解决方案。 近年来,以华大九天、概伦电子、广立微等为代表的国产EDA企业通过聚焦细分领域和差异化竞争策略,逐步在市场中站稳脚跟。 华大九天重点在数字电路设计,前端以及部分后端具备较完整的数字EDA解决方案;概伦电子的EDA解决方案则是专长于模拟电路设计;广立微专注于EDA验证工具。分别来看,三大厂商暂时都还未具备独立的全流程EDA工具链能力。整体来看,使用多家国产EDA点工具组合,理论上可以覆盖全流程,不过在某些领域能力较为薄弱。EDA工具的其他重要参与者包括芯和半导体、芯华章等。 国产EDA企业在先进制程支持、工具链完整性方面与国际巨头存在明显差距,特别是在3nm以下工艺、多物理场仿真等前沿领域几乎空白。生态层面,上文提到,EDA作为高度依赖上下游协同的工具软件,需要与晶圆厂、设计公司构建紧密的PDK(工艺设计套件)适配关系,而国际三大巨头已与台积电、三星等领先晶圆厂建立了数十年合作,形成了极高的生态壁垒。 不过,这种局面正在发生积极变化:一方面,美国对华高端EDA工具出口管制倒逼下游企业加大国产软件验证和导入力度,部分半导体龙头已积极构建本土EDA生态;另一方面,本土企业通过技术创新和战略并购,正逐步向数字设计全流程、高端制程支持等"深水区"进军。 技术上,国内EDA企业除了加强自主研发外,更加快了并购的脚步,如华大九天收购了芯和半导体,补齐了射频设计工具的短板。在生态重构上,除了国家引导的生态协同外,国内厂商积极参与 RISC-V 开源生态,推动国产 EDA 工具接口标准化,降低对美系工具的依赖。 概伦电子也抛出价值数十亿的重磅收购——通过发行股份及现金支付,全资收购锐成芯微(半导体IP市占率15%)及控股纳能微。概伦电子的主要产品为设计类和制造类EDA全流程解决方案,在模拟、存储、射频、平板显示、数字电路领域具备领先优势。收购锐成芯微,概伦电子补全了在模拟、数模混合、存储、射频、接口等领域的IP布局,有望实现技术和客户的协同效应,提升公司在EDA和IP领域的产品开发和客户拓展效率,助力公司成为领先的EDA+IP平台型企业。 那么此次解除出口管制,又会给中国半导体行业带来哪些影响? 04 EDA出口管制解除,影响几何? 从积极方面来看,对于中国半导体产业来说,能够重新获得国际先进的 EDA 技术和产品,有助于企业提升芯片设计能力和效率,加速高端芯片的研发进程,缩小与国际先进水平的差距,推动国内半导体产业的高质量发展。 从消极方面来看,进口EDA技术固然先进,但是倘若断供手段再来一次呢?要知道。暂时的EDA工具管制解除,并不等于技术安全,美国商务部保留政策回调权利,当前解禁的局限性不容忽视。 那么解禁后可能面临的局面可能会是怎样? 从产业短期运行来看,国内半导体企业将快速重启与国际 EDA 巨头的合作,高端芯片设计项目得以恢复推进,部分先进制程研发有望提速。然而,这也可能加剧对进口工具的依赖,当企业习惯使用成熟且高效的国际 EDA 工具后,对国产化方案的探索动力或被削弱。 此前美国突发断供EDA软件后,合见工软、芯华章、九同方等多家国产EDA厂商出手,宣布免费开放试用。倘若国际EDA三巨头重新占据市场主导,可能会挤压国产厂商的生存空间。在这一点上,国产半导体企业需要具备危机意识。 实现EDA软件的国产化才是重中之重。要真正摆脱技术依赖、实现产业安全,加快国产 EDA 设备的自主化进程才是关键所在。 这也意味着,实现EDA工具库的自主化,不仅需要华大九天等行业龙头企业加大研发投入,在算法优化、工具链整合等核心环节持续攻关;也离不开国产半导体企业给予国产工具更多实践机会,通过实际应用场景的反馈促进技术迭代升级。 唯有形成“研发—应用—改进” 的良性循环,才能逐步构建起自主可控的 EDA 产业生态,从根本上增强中国半导体行业的抗风险能力。
不学美国砸钱烧AI,欧洲科技巨头另辟蹊径!
SAP首席执行官柯睿安认为,欧洲在人工智能领域展开竞争时并不需要大量建设数据中心,因为大语言模型已在快速“商品化”。 文|赵昊 欧洲科技巨头的CEO最新表示,欧洲在人工智能领域展开竞争时并不需要大量建立数据中心,这一说法与上月黄仁勋访欧时提出的说法相悖。 当地时间周四(7月3日),德国思爱普公司(SAP)首席执行官柯睿安(Christian Klein)在接受采访时说道:“我们真的需要建五个数据中心再把高性能芯片放进去吗?” “这是欧洲现在所需要的吗?我对此表示怀疑。”他指出,训练大语言模型确实需要大量能源和算力,但如今这些模型正在快速“商品化”。“DeepSeek已经证明了这一点。” DeepSeek年初发布的人工智能大模型R1,凭借较少算力资源实现了和全球顶尖AI模型相当的效果,打破了“堆算力”的传统路径。 相比“造模型”,柯睿安认为,欧洲的汽车和化工行业应该探索如何应用人工智能来提升自身业务。 软件商SAP是欧洲市值最大的上市公司,正专注于让AI为企业所用。目前,欧洲在AI基础设施建设方面远落后于美国,投入也明显低于美国、中东等地区。 今年1月,美国总统特朗普在白宫宣布启动“史上最大规模”的AI基础设施投资项目“星际之门”,由OpenAI、软银集团和甲骨文公司推进,计划4年内累计投资5000亿美元。 与之相比,欧盟2月份才公布了设立200亿欧元(约合230亿美元)基金的计划,该基金计划在全欧洲设立5座AI“超级工厂”,用于开发和训练下一代模型。 英伟达CEO黄仁勋在上月访欧期间宣布了一系列合作,意在提升欧洲的AI基础能力,这些计划将使用数千颗英伟达芯片。黄仁勋认为,欧洲的AI发展被算力短板所限制。 对此,柯睿安表示,盲目追赶美国的基础设施投资步伐是一种资源浪费。他还指出,SAP正致力于扩大向各行业销售AI解决方案的业务版图。 这标志着柯睿安立场的明显转变。在1月份的达沃斯世界经济论坛上,柯睿安曾称“星际之门是欧洲的榜样”,他当时表示“绝对支持”欧洲版“星际之门”。 据SAP客户服务与交付主管Thomas Saueressig透露,SAP曾与多家德国企业讨论联合申报AI超级工厂项目,但最终这些计划未能成形。 SAP发言人本周表示,公司“不会以运营方或投资者的身份参与”,而是希望未来能“作为技术和软件提供商,参与AI超级工厂类项目”。
百万年薪遍地走,Meta薪资接连曝光 AI人才身价水涨船高ing
20000000美金,码农身价堪比NBA球星? 就在小扎顶配高薪挖人之际,Meta各岗位薪资被接连曝出。 先是一份联邦文件曝光,将Meta包括AI研究科学家、软件工程师、产品经理等在内的岗位基本工资一次性大揭底。 而后,一位来自一亩三分地的网友分享了自己的超大包: 超级智能ML工程师岗位,一年基本薪资35万美金(约合人民币251万元),四年总包20000000美金(约合人民币1.4亿)。 △图源:一亩三分地网站网友:让我数数后面几个 小扎这一波抢人大战闹的,现在一个AI研究员,薪资就可以这么高了??? 干四年就是一个小目标了啊~~ 好好好,什么时候这福气能轮到我啊啊啊~ Meta薪资曝光 这份曝光的文件来自美国移民局。 按照规定,Meta这些科技大厂在招聘国外员工时需通过H-1B签证项目提交包含职位、薪资在内的文件。 也是因为这一强制要求,我们现在才能一窥Meta的薪酬水平。 不过需要提醒的是,这些数字仅反映年薪—— 不包括股票期权、签字费和其他福利,一旦加上这些,总包通常可以翻两倍或三倍。 具体而言,在Meta的各类岗位中,薪资天花板最高的要数软件工程师一职,一年基本工资高达48万美元(约合人民币345万元),最低也有12万美元(约合人民币86万元)。 当然机器学习工程师岗也不差,年薪最高可达44万美元(约合人民币315万元)。 而且这年头儿,但凡沾点AI,起薪换成人民币几乎都百万打底了。 包括但不限于AI研究科学家(17~23万美元)、AI产品营销经理(22万美元)、ML研究科学家(23万美元)等等。 此外,和AI一样热门的还有数据分析岗。一眼扫去,相关岗位薪资上限大概都在20多万美元左右。 其中数据科学家、数据工程师的年薪高达27万美元(约合人民币194万元),一般的数据分析师年薪大约为16.8~20.4万美元。 甚至,即使是产品经理这样的非研究岗,年薪也经常超过20万美元。 文件显示,Meta的产品经理年薪为16~31万美元,产品设计师则为15.9~28.3万美元… 虽然目前Meta官方未就上述数据进行回应,但通过对比北美其他几家大厂开出的福利,不难看出小扎是真大方~ 这不最近要到秋招了,某书上有网友总结了Meta、谷歌、亚马逊、苹果、英伟达等科技企业开出的base薪酬,得出了以下结论: Meta以全岗位薪资碾压级优势登顶。 人才争夺战导致巨额薪资 一OpenAI前研究员曾说过,AI实验室的招聘就像下棋一样。业内人士估计,全球大概只有一千人拥有推动当前大模型革命的专业知识和能力。 人才库就这么一些,那科技公司不得努力抢抢,撇开什么老板出奇招、技术愿景等这些方式方法,吸引人才最直接方式就是薪资了。 有这么一组直观地数据显示—— 从2022年到2025年,不管是大科技公司还是初创公司,这些顶尖技术人员的薪资涨幅都有了大幅提升。 现在的Meta可能是其中最激进的那一个,但要放整个科技行业来看,也不算特别夸张。 除了Meta,还有谷歌斥资27亿美元重新聘用顶级天才Noam Shazeer。 离开谷歌之后,他曾创业担任Character.AI的CEO。 甚至初创如OpenAI前CTOMira Murati的Thinking Machine,虽然现在没有什么实质性地进展,但是一直不缺钱。 她能给到技术人员的薪资可以达到50万美金。相较之下,Anthropic给40万,OpenAI给的30万,Mira Murati可以说是相当豪横了。 也难怪会有人跳槽了。 不过咳咳,还是要为OpenAI正名一下。 虽然薪资可能少,但他们员工可是拥有价值数百万美元的股票期权呀~ 去年11月曾爆料,OpenAI自2023年起,一直向技术人员支付50万美元以上的基本工资,最高可达65万美元。如果加上股票,这些人的年薪将达到150万美元。 但就是现在小扎这么一闹, 整个行业薪水再次水涨船高。 当然也不止国外,国内抢人大战激烈程度也同样拉满。尤其今年年初DeepSeek爆火之后,大家也看到了国内大模型企业和人才实力所在。 DeepSeek自己之前被爆出百万年薪招兵买马。其他更有实力的大厂,腾讯华为字节等等自然也不甘落后了。 一边各种眼花缭乱的顶尖人才计划,满满看过去都是薪资不设上限。 一边顶尖大牛在各个大厂之间的流动也比往年更加频繁。虽然不清楚个中流转资金具体多少,但花费成本肯定不少。 什么字节挖来谷歌DeepMind研究副总裁吴永辉;阿里招揽全球顶尖AI科学家许主洪… 但有一说一,相对硅谷薪资,我们的技术研究人才,依然还是更务实一些。 参考链接: [1]https://www.businessinsider.com/meta-salaries-what-it-pays-ai-engineers-researchers-compensation-2025-7 [2]https://x.com/ProducerCities/status/1940073854862238187/photo/1 [3]https://x.com/anarchy_build/status/1940048723461218546 [4]https://x.com/ns123abc/status/1939952331044360419
规避特朗普关税 台积电推迟日本工厂建设优先投资美国
台积电 凤凰网科技讯 北京时间7月4日,据《华尔街日报》报道,知情人士称,台积电将推迟在日本建设第二家工厂的计划,部分原因是该公司正加快向美国工厂扩张项目投入资金,以应对特朗普政府可能出台的关税政策。 台积电的建厂计划调整再次证明,特朗普在贸易问题上的强硬立场导致部分投资流向了美国,但损害了盟友利益。科技巨头已承诺扩大在美国境内的人工智能服务器生产,而这些服务器目前是在墨西哥和中国台湾地区等地制造。 目前,全球许多地区都希望获得台积电的更多投资。台积电为苹果和英伟达等客户生产芯片,市值接近1万亿美元。美国、日本、欧洲以及中国台湾地区都将半导体视为战略性产业,并资助了台积电的扩张。 然而,分析师指出,台积电在资本支出方面是出了名的谨慎,该公司担心产能扩张过度、超出市场承受范围。对台积电来说,确保美国境内拥有足够的产能已成为当务之急,因为特朗普曾威胁要对进口芯片征收关税。 台积电去年年初曾表示,将在日本南部的熊本县建设第二座工厂,这是其在日本总额达200亿美元投资计划的一部分。该计划已获得日本政府超过80亿美元的支持承诺。 台积电在日本的首座工厂已于去年秋季开始为丰田等客户生产芯片。第二座工厂原定于今年年初动工。台积电董事长魏哲家在6月曾表示,由于该地区交通拥堵,项目将略微延迟。熟悉台积电计划的知情人士表示,台积电第二座日本工厂很可能还会进一步推迟,目前已无法准确预测其开工时间。(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”。
通义AI“音效师”:阿里开源首个音频模型ThinkSound
凤凰网科技讯 7月4日,阿里通义实验室宣布开源首个音频生成模型ThinkSound。该模型首次将思维链(CoT)技术应用于音频生成领域,旨在解决现有视频转音频(V2A)技术对画面动态细节和事件逻辑理解不足的问题。 根据通义语音团队介绍,传统V2A技术常难以精确捕捉视觉与声音的时空关联,导致生成音频与画面关键事件错位。ThinkSound通过引入结构化推理机制,模仿人类音效师的分析过程:首先理解视频整体画面与场景语义,再聚焦具体声源对象,最后响应用户编辑指令,逐步生成高保真且同步的音频。 图源:通义大模型微信公众号 为训练模型,团队构建了首个支持链式推理的多模态音频数据集AudioCoT,包含超2531小时高质量样本,覆盖丰富场景,并设计了面向交互编辑的对象级和指令级数据。ThinkSound由一个多模态大语言模型(负责“思考”推理链)和一个统一音频生成模型(负责“输出”声音)组成。 ThinkSound 音频生成模型的工作流 据悉,ThinkSound在多项权威测试中表现优于现有主流方法。该模型现已开源,开发者可在GitHub、Hugging Face、魔搭社区获取代码和模型。未来将拓展其在游戏、VR/AR等沉浸式场景的应用。 以下附上开源地址: https://github.com/FunAudioLLM/ThinkSound https://huggingface.co/spaces/FunAudioLLM/ThinkSound https://www.modelscope.cn/studios/iic/ThinkSound
把墨水屏带到AIPC上很酷,但这可能不是个好主意
自从墨水屏被发明出来,和阅读器就是一对天作之合。 但这显然是一个增长正在放缓的市场,而世界上最大的墨水屏制造商 E Ink 心急如焚,他们想把墨水屏卖到更多的地方——比如学习机,或者盒马超市里的价格标签。 而 E Ink 最新看上的地方,是 AIPC——准确来说,是 AIPC 上的触控板。 7 月 1 日,E Ink 元太科技宣布,要把墨水屏做成笔记本电脑的触控板。这个方案将彩色电子纸与传统触控板结合,声称要为 AIPC带来「全新交互体验」。 但 AIPC真的需要一块墨水屏吗? ▲ E Ink 墨水屏触控板. 图片来自:E Ink 墨水屏触控板确实省电,但这可能不是重点 E Ink 的这个墨水屏触控板方案整合了 Intel Smart Base 技术、Intel Innovation Platform Framework 和 Intel AI Assistant Builder 技术,将彩色电子纸与传统笔电触控板结合——从技术角度看,这套方案确实不是在胡说八道。 最明显的优势是省电。 墨水屏只在内容更新时消耗电力,静态显示时几乎不耗电——这对笔记本续航来说确实是好事。而且墨水屏不发光、无闪烁,长时间使用也不容易眼疲劳。 ▲ 墨水屏. 图片来自:E Ink 功能方面听起来也挺丰富:触控板不仅保留了原有的触控操作,还能显示各种 AI 生成的内容。系统可以在上面显示常用快捷键、系统提醒,甚至是 AI 生成的文字摘要、图像内容,或者游戏攻略。用户还能查看天气、便条备忘录、会议记录,笔记本关机时甚至能显示个性化壁纸。 听起来很美好,但问题来了: 有多少人真的需要在触控板上和 AI 对话?看天气预报? 这些功能在手机上、在电脑桌面上不是都能更方便地实现吗?把它们塞进一个几英寸大的触控板里,到底是为了解决问题,还是为了制造问题? ▲ 墨水电子屏. 图片来自:E Ink 笔记本电脑做副屏,很酷但没用 说到笔记本副屏,苹果已经给所有人上了一课。 2016 年,苹果在 MacBook Pro上推出 Touch Bar——用一条 OLED 触摸屏取代传统功能键。苹果声称这是笔记本的「最大变革」,能提供动态快捷键和应用专属功能。 五年后,苹果在 2021 年取消了 Touch Bar,乖乖回到传统功能键——究其原因,还是因为 Touch Bar 实在太难用了,不仅难以盲操,还徒增成本。传统F键闭着眼睛都能按对,Touch Bar 却要低头去看,效率反而下降了。更要命的是,它让笔记本成本增加了不少,却没带来相应的价值——最终,Touch Bar 的软件生态也没有养成,MacBook Pro 轰轰烈烈的副屏革命就这样惨淡收场。 ▲ Touch Bar. 图片来自:Apple 不止苹果,许多 Wintel 阵营的厂商也试过水。华硕曾在 ZenBook Pro 系列上推出过 ScreenPad,把标准触控板和高分辨率 LCD 触摸屏合二为一,可以显示数字键盘、应用图标等,看起来很酷,但实际用起来,大部分时间就是个摆设,还影响手感。 其他厂商也有过类似的尝试,但结果都基本都是叫好不叫座。背后的原因确实也不复杂—— 这些副屏破坏了笔记本交互的简洁性。用户本来就要处理主屏的信息,现在还得分心去看触控板上的内容。而且这些副屏通常不能独立完成任务,必须配合主屏使用——对于笔记本电脑这样的生产力工具而言,这种设计从根本上就是多余的。 ▲ 墨水屏的应用. 图片来自:E Ink 当然,E Ink 做墨水屏触控板的动机倒是能理解。毕竟电子书市场在萎缩,商业公司得找到新的出路。从商业角度看,这种探索精神值得肯定,和 AI 硬件结合也确实是个方向。 但问题是, 和 AIPC 的结合或许真不是个好主意。我们在买笔记本电脑的时候,要的是更好的性能、更长的续航、更合理的价格,而不是一个可能永远用不上的「触控板墨水屏」。 与其在副屏这条死路上继续撞南墙,E Ink 不如把精力放在电子纸已经验证过的场景上——阅读器、价格标签、户外显示,这些才是墨水屏真正发光发热的地方。
国产AI眼镜现状,这里有份沙龙实录
都说AI眼镜正迎来“iPhone时刻”,产业即将爆发。 但更加行业内的认知是:关键挑战才刚刚开始。 为什么? 因为用户每天仍需充电2-3次,续航与常在线需求存在根本矛盾;因为国内厂商容易被Meta带歪,走错技术路线;更因为这个赛道不会像手机一样被大厂统一天下。 在量子位最新举办的AI眼镜沙龙上,来自小米、百度智能云、李未可科技、影目科技的四位行业专家,一起给出了这样新鲜独到的业内见解。 除此之外,AI眼镜何时能实现全民标配?为什么未来不会再有APP?创业公司怎样在大厂林立中突围?异构双芯如何破解功耗难题? 这些行业内外最关注的问题,在沙龙中也都有讨论。 量子位在不改变原意的基础上,对分享内容及圆桌对话进行了编辑整理。希望能够给你带来更多的启发与思考。 本次沙龙邀请的嘉宾分别是: 周文杰,小米Xiaomi Vela架构师 孔伟健,百度智能云空间智能行业负责人 张建华,李未可科技合伙人、业务创新与商务负责人 杨龙昇,影目科技创始人、CEO AI眼镜产业链破局之路渐明 异构双芯破解续航与常在线矛盾 小米Xiaomi Vela架构师周文杰深入分析了AI眼镜行业当前面临的核心技术挑战。 他指出,行业目前遇到两大瓶颈:高能耗问题和常在线能力不足。 从续航角度看,由于重量限制无法加入更大容量电池,行业平均电池容量仅在300毫安左右。在单SOC模式下,尤其是使用高通AR1等大核处理器时,续航问题更加突出。用户每天需要充电2-3次,导致体验感非常割裂。 从“Always-On”能力看,用户期望AI眼镜能做到即时响应、持续感知和无缝体验,但续航限制使得真正的“常在线”能力无法实现。这两个需求本身存在根本性矛盾。 针对这一行业痛点,小米Vela设计了异构双芯融合系统。系统架构分为三层:Vela内核基于开源实时NuttX操作系统构建,增加了异构多核能力;服务与框架层封装了6个子系统,集成端侧AI推理框架;应用层支持native APP、快应用和跨端应用。 核心技术方案包括四个关键点: 任务卸载将图像预处理、简单语音指令等任务转移到低功耗SOC; 持续监控实现24小时不间断传感器数据感知; 按需唤醒通过手势、语音等在小核完成唤醒判断; 无缝体验通过大小核无缝切换降低延迟。 小米Vela的任务卸载技术覆盖了AI眼镜的主要功能模块。在显示方面,针对MicroLED单色屏和全彩屏,完全在小核支持图标、导航等基础显示,不依赖第三方SDK。音频方面,唤醒词识别和音频通路都在小核独立运行。蓝牙和WiFi的完整协议栈也已移植到小核,可在大核休眠情况下保持长连接服务。 技术优化效果显著:显示功耗节省90%,音频功耗节省75%,蓝牙功耗节省60%。底层RPC通信服务通过多种物理传输封装,通信带宽提升70%,支持主流OS和RTOS。 小米Vela的快应用框架专门优化了交互体验,平均启动时间400毫秒,单应用系统内存占用仅450KB。框架支持一套源码、一次开发、多屏适配,设备覆盖量超过15亿,开发者超过3万,月活用户超过7.5亿。 2024年小米Vela全面拥抱开源,推出OpenVela面向全球开发者。目前已有60家厂商加入合作伙伴计划,354家芯片平台完成适配。 未来APP或将不复存在 百度智能云空间智能行业负责人孔伟健从产业趋势角度分析了AI眼镜的发展路径。 他指出,当前AI眼镜已具备iPhone4时刻的特征,Ray-Ban Meta(Meta与雷朋合作推出的智能眼镜)一代和二代截至今年Q1销量约400多万部,与欧克利联名产品年底目标冲刺1000万副。 孔伟健将市场参与者分为三类: 第一类是做音频耳机的厂商,将AI眼镜定位为耳机的升级品或替代品; 第二类是整备型企业,将眼镜定义为下一代全新终端,旨在取代手机; 第三类是营销及渠道赋能企业,具备强大的消费端服务能力。 从技术和实用性角度,他认为主打语音摄像及轻交互的路线是未来2-3年内比较能打的方案,核心思路是先替代手机20%-30%的场景。 孔伟健强调,AI眼镜的崛起不仅是设备形态变更,更是基础设施和交互框架的变革。 从Web2的移动互联网时代到Web3的AGI网络时代,应用不再以具体APP形式存在,而是通过分布式网络由Agent自动获取、总结并主动推送服务结果。 为此,百度智能云构建了AI眼镜云脑智能化框架,将语音、文字、视觉能力全链路封装闭环。仅需接入端侧300多KB的SDK包体,就可适配Android、Linux等系统,让终端具备耳、口、眼等能力。 在音频优化方面,百度智能云重点将音频算法放在云端而非端侧,避免端侧功耗过大和性能不佳问题。一个SDK全部接入包含降噪、增益、VAD和声纹全链路封装。基于这套框架,客户端到端音频延迟1.3秒,语音打断0.8秒,端到端视觉处理2秒内。 百度智能云对适配AI眼镜的云脑框架作出如下定义: 一个全球分布式高可用算力基座; 三个服务,即音频增强服务、多模态大模型服务、云渲染流化服务; 四个交互形态,包括语音交互、视觉交互、数字助手交互和复杂任务交互。 孔伟健总结认为,好的AI眼镜需要具备三个条件:首先是一副好眼镜,具备时尚性和定制性;其次是适应AGI逻辑的OS;第三是拥有强大的云脑服务中枢。未来架构将是“轻终端强云脑”的服务模式。 创业公司靠AI能力突围 李未可科技合伙人、业务创新与商务负责人张建华坦诚分享了关于创业公司的生存思考。他直言公司首款产品“从先驱做成了先烈”——重达87克且功耗过大,整体销量与公司的预期不符,尽管这款眼镜在CES等国外展会上比较吸睛,也有不少同行购买。 他分析了主要原因: 首先是眼镜太重,87克的重量导致户外人群佩戴2-3小时就有压力; 其次是功耗问题,两年前AI眼镜供应链还非常不成熟; 第三是4G模组功耗太大,开启数据卡仅能使用40分钟,加上拍照只能拍15-20分钟。 经过技术沉淀,李未可转向从音频眼镜切入市场。张建华认为,对消费者来说,音频眼镜在市场教育和AI理解方面是比较好的入手选择。 对于创业公司如何在大厂林立中生存,张建华强调必须有自己独到的地方。为此,李未可构建了ZeroAgent智能体系统,在用户和多个Agent之间建立路由机制,同时构建用户的长时记忆和短时记忆,打造更懂用户的智能体。 在技术实现上,公司要求团队了解各家大模型的优劣势,根据不同场景和用户需求调用不同的后台大模型。比如以搜索功能为例,海外用户和国内用户、搜新闻还是搜天气,每家模型的优劣势都不一样。 李未可已与国内外主流大模型厂商建立对接:国内包括百度、豆包、阿里通义,海外包括Google、微软等。 在应用场景方面,李未可重点打造几大核心功能:其翻译功能支持100多种语言,针对不同国家和地区调用不同的后台大模型;记录功能、个性化导游功能,与国内地理位置数据公司合作一起构建Agent。 张建华表示,李未可与其他厂商最大的不同是有自己的WAKE-AI模型进行多步骤路由和筛选,其核心竞争优势在于构建了真正为用户服务的个性化可穿戴小模型。 虚拟名片开启AI社交时代 影目科技创始人、CEO杨龙昇提出了更为前瞻的产业愿景。 他强调,AI眼镜不应该只停留在模型化的虚拟助手,而应该成为现实生活的延展。 据他所说,影目不为造智能硬件而出发,而是希望建造一个融合AI和AR能力的真实世界桃花源。他们认为AI和AR的最终形态不是超级应用,而是融入现实世界,从而打造新的生活方式。 影目推出的INMO GO是市面上第一款真正具备AI能力的眼镜,由翻译、提词和AI问答三个核心功能组成;INMO AIR3则是全球第一款1080p一体式的智能眼镜,具备无需连接手机的独立运行系统、空间巨幕体验和多任务分屏系统。 杨龙昇分享了两个他们在应用场景的创新探索: 第一个是虚拟名片系统实现AI社交。当两个人在封闭区域都戴着眼镜时,可以编辑自己的身份标签,包括工作、个人喜好等信息,实现陌生人之间的智能社交匹配。 第二个场景是AI导览打造“实体元宇宙”,在商业街和景区,用户戴眼镜可以获取商品信息、衣服信息、店铺评价等。这种体验让AI和AR能力真正融入现实生活,帮助用户更好地与世界相处。 杨龙昇描绘的未来场景是:街上每个角落都有AI的NPC帮助规划路线、介绍美食,朋友约饭时提供社交辅助,商场购物时可以虚拟试穿。 这种实体“阿尔法城”让每件事都被AI和AR微妙而恰当地增强。 他总结道,影目不想做冰冷的科技公司,而是希望成为未来生活方式的建造者。如果上一代硬件重在连接世界,影目则更想让用户和世界相处得更好,打造可感知、可共存的现实增强体验。 除了以上分享之外,量子位还和三位嘉宾进行了圆桌对话。 共同探讨了关于AI眼镜行业当下、未来的诸多挑战与机遇。对话亮点包括: AI眼镜用户接受度比去年提升3-5倍 小米不会统一AI眼镜天下 国内厂商不要被Meta带歪 售价2000元以内才能进入大众市场 内容开发者迎来最佳入局节点 …… 具体内容如下~ 圆桌实录 AI眼镜3年内全民标配 量子位:怎么看目前第一批AI眼镜收获的市场反馈? 李未可科技张建华:基于我们了解的有限数据来看,首先AI眼镜企业大家现在还都比较苦,言外之意还都没有赚到钱,有一些还处在前期的融资阶段。 第二,从销售数据上来看,大家过得苦并不是坏事,只有从苦中才能熬出来。我们也坚持到第四年了,我们熬到不下牌桌。 今年实际上还是面临比较好的趋势,因为从今年DeepSeek之后,它实际上对市场做了一次教育,我们线上的销售数据远比我们线下渠道的销售数据增长得要快得多。 对于真正有自己独特之处的企业来说,再熬一熬,春天应该不远了。 影目科技杨龙昇:相对前几年,今年算是没那么苦的一年。 前几年AI眼镜还是科技或数码爱好者在买,但从去年年底开始,用户群体出现明显变化,一些大众用户开始涌入进来了,大家对AI眼镜的接受度至少比去年提升了3倍甚至5倍。 直观反馈到影目科技的数据上,今年一季度GO2眼镜的销量同比去年翻了5倍。 从应用场景上来看,能感受到消费者对AI眼镜的期待不只局限于拍照,影目科技现在在做的一些功能,像翻译、AI智能提词、AI问答等,已经让一些大众用户开始愿意买单了。 这是整个行业目前发生的一大变化,不过这只是开始,我认为AI眼镜第一步就是从简单的工具助手开始,第二步可能会延伸到娱乐场景,这些都是用户想要去尝试的方面。 AI眼镜距离全民标配可能越来越近了,差不多三年内吧。 百度智能云孔伟健:站在云厂商的角度,其实我们是更加乐观的。因为我们看到,AI眼镜这个品类终于独树一帜地跑出了自己的定位,包括它的能力也在逐渐收敛和具象化。 我们前期投入框架,去定义了什么叫做“轻终端强云脑”,无论是考虑AI眼镜的功耗、佩戴性,还是应用服务的丰富度,未来在AGI或Agent的网络架构之内,它的内容一定是在云端上跑的。 我们中国有这么好的网络基建和算力基建,我们不可能白白浪费,大家一定会应用起来。 我觉得中国市场比国外市场更加具备落地性,因为放眼全球,中国的数字基建仍然是最强的。这么强的高密度内容交互、即时性的交互,海外并不见得比中国的基础环境要好。 有一部分角度可能认为AI眼镜的消费主力市场在海外,但中国目前是iPhone出货量最大的地方,所以说消费单价不足以解释国内市场的消费能力不如海外市场。 小米不会一统天下 量子位:怎么看AI眼镜行业当前所处阶段?“百镜大战”开始了吗?不同AI眼镜的差异点体现在哪里? 李未可科技张建华:从最早的电子相框,到平板电脑,再到智能盒子、智能电视、手机等,其实每一次新的技术演进都会经历类似“百镜大战”的阶段。 技术曲线就是在跨越鸿沟,我们觉得AI眼镜已经不在沟的左边了,而是已经在沟的右边了。 换句话说,“百镜大战”阶段是必须的,第一是教育市场,第二是培育认知,第三是技术和应用的成熟度、渠道、品牌等会经历优胜劣汰的过程。“百镜大战”并不是新鲜的东西,在任何行业,尤其新技术来了之后,它会是必经的阶段。 那么我估计也就一年多的时间就不存在“百镜大战”这回事了,但是缺少这个阶段的话,AI眼镜行业肯定是起不来的。 差异化方面,也有特别多的规律和模式出现。有人说大模型就像回到了1995年的移动互联网时期,其实AI眼镜行业也一样,比如大厂在构建自己的生态,它们一定是生态的玩法。 而对于toC的创业公司来说,差异化优势可以来源两方面: 第一是你的硬件在设计上要具有独特性,能够持续领先3~5个月; 第二是需要对大模型和软硬结合的产品有更深的理解。李未可的做法是通过构建Agent,以此跟各个大厂进行交流合作。 影目科技杨龙昇:我觉得“百镜大战”会一直持续下去,智能眼镜赛道可能存在百家齐放、百家争鸣的状态。 有一个很简单的数据(可以支撑),在座的所有人基本不会存在两个人买了同一款眼镜的情况。 相比于手机、手表这些产品,眼镜对个性化和差异化的要求非常高,所以我会倾向于——智能眼镜可能将来会更像眼镜赛道的样子,它会百家争鸣,每个人有不同的差异化、个性化的点。 虽然小米很强大,但我不太觉得小米会统一天下。 因为每一家AI眼镜肯定会找到自己专属的用户人群,每个人群对于镜框、眼镜的核心功能、常用的场景、价格段的需求全部不一样。 它跟之前做手机完全不一样,手机是相对同质化、越到最后越拼性价比的品类。而眼镜是需要针对不同的差异化人群,去对差异化的功能和体验、包括外观进行深耕,它就有可能存活下来,所以一年以后我觉得它仍然是“百镜大战”的状态。 李未可科技张建华:其实不矛盾,我主要表达的是在软件层面(会统一),但从外观上来说眼镜绝对不是个标品。 像ODM(原始品牌制造商)对眼镜的总结就是“小巧、轻便、酷”这5个字,我觉得非常到位。 我刚才说的是眼镜的操作系统,甚至是一些标配的用户体验,比如说眼镜的响应度、翻译的准确度要达到什么程度,它应该慢慢会通过“百镜大战”得到基本的benchmark。 但外观绝对是千变万化的,是因为眼镜本身最头部的也只是占1%到百分之几的市场份额,无论是眼镜渠道还是品牌。 影目科技杨龙昇:关于每一家AI眼镜它面向的人群和差异化的点不一样,举个简单的例子,比如我们要追求极致性价比的话,那这个产品它从芯片传感器、到支持的参数、功能的定位等方面,相对就会做一些妥协。 但如果你要追求的是面向时尚人群的话,我们可能会去拔高产品的外观材质,然后会用一些更贵的贵金属,在功能上会做一些更酷炫的东西;如果要主打年轻化,在内容上面我们也要做一些差异化,比如年轻人更喜欢一些偏向于《Pokémon GO》这种社交娱乐的内容,所以AI眼镜没办法做成完全开放的生态体系。 追求不同的差异化,对应的投入方向是完全不一样的——从上游的供应链、对于整个器件的选型,再到内容的开发、定价的策略等方面,其实全部都不一样。 其中肯定也有共识的东西存在,比如眼镜芯片可能至少需要满足几个核、拍照的分辨率至少要达到多少,这些是共识的。我认为眼镜的非标会比手机的非标要多很多。 百度智能云孔伟健:“百镜大战”在媒体角度是比较热的点,真正的终端应该是千人千面的。 大模型在AI眼镜中扮演什么角色? 量子位:大模型的部署未来是云端+终端相结合,还是完全终端离线运行? 李未可科技张建华:第一,短期内眼镜和手机一定是并存的;第二,眼镜和手机应该有分工。 最理想的当然是端侧智能,用非常小的参数去部署模型在眼镜端或手机端,这是一个方向。 根据我们的观察,可以看到手机和眼镜之间短期内很难出现谁替代谁的情况。 我们预判到手机可能会新增两大功能,第一是端侧智能的算力中心,即端侧智能可以为眼镜或其他可穿戴设备提供算力服务,它去跟云端做更多交互,甚至本地运算,因为这里面包含隐私问题。 第二功能是手机有可能替代移动电源,从而为眼镜供电。因为像小米现在做双系统、尤其是带摄像头的、带显示的眼镜,对功耗要求特别高。 百度智能云孔伟健:模型即服务这件事为什么要拆解开、去赋能给众多企业呢? 是在于模型即服务在垂直场景里面,他没有达到这个话本身的含义,它一定需要做垂直的定向化,包括在多组件、多系统之间,跨屏、跨交互情况下去做优化,它才能垂直打磨成AI眼镜上的原生应用。 我们认为目前在垂直的固定性场景里面,模型即服务这个模式是不成立的,它一定要拆分开,包括它的应用形态不会是以具象化的APP存在。 就跟移动手机刚出来的时候,你用手机去浏览外部页面,操作体验非常糟糕。直到后来第一界面的UI交互,才把手机上的应用,包括现在的很多服务和内容抛出来,然后大家享受这样的服务之后,大家才决定去买一部手机,现在眼镜的形态也是如此。 最后关于眼镜这个形态如何去支撑这些内容,其实背后还是有我们的数字基建。 在一轮新变革当中,会发现云端的服务从原先移动端退居幕后的角色,逐渐跟前端的设备做了深度融合——也就是说谁也不能离开谁,因为它所有的服务是跑在云端的,实时生成推理给用户的。 影目科技杨龙昇:整个模型的话它是分两段的,眼镜端会跑个小模型,云端会跑个大模型。 眼镜端更多去解决交互的问题,包括一些前端的多模态数据的清洗、意图的理解、反馈触发等。 光是小模型各家的做法都不一样,因为你本身从外界拿到的数据就不一样,有的可能更强调视频流,有的可能简单几个图片就够了,这些对前端的多模态数据的要求全不一样;针对大模型,更多是与内容创作相关的一些场景。 国内眼镜厂商不要被Meta带歪 量子位:AI眼镜的爆款要素有哪些? 李未可科技张建华:Meta的眼镜第二代销量较好,如果细细去探究它的销售渠道,会发现它们大部分是在线下售卖,主要在戴墨镜比较多的区域。 我想表达的核心观点是,国内的AI眼镜厂商不要轻易被Meta带歪了。 从去年李未可做音频之后,就开始对2025年进行规划,之前我们有两次立项都被毙掉了,到第三次的时候才发现这里面有特别多的Know-How(专业技能),绝不是Meta能卖好就代表我们能卖好。例如第一视角的拍摄这个应用场景,第一是看成像质量;第二是摄像头不带调焦功能,那么摄像头所处的位置会影响第一视角拍出来的效果。 另外,深圳有一家只做一两百万像素的AI眼镜,它主打多模态,而不侧重于拍照,这是另外一条路。这条路对于创业者来说,或许是开辟了一个新玩法,因为跟大厂专门去竞争像AR1这种平台的话,从性价比来说,我们未必有竞争优势。 所以大家最好从软件上一些非常细的功能去找,可能大厂没有那么多精力做很多的feature,我们去花一些精力做比如像翻译、记录,也许就能形成竞争优势。 影目科技杨龙昇:我觉得下一个爆款应该是影目今年底要发的INMO GO3。 AI眼镜在很多的场景点其实已经逐步被大众用户接受了,拍照肯定是第一步。我们验证出来的像翻译、提词,这些目前已经成为消费者愿意去买单的一些场景。 GO3会成为爆款级的产品,因为它延续着“AI的第一层应用”这个逻辑,我们在这基础上又增加了更多的生活服务助手,比如你可以拿AI眼镜去点外卖、打滴滴。 再往后顺推两年或者三年,在这个时间维度,我相信AI也会进展到下一个阶段。 当你做完了生活助手以后,可能接下来就是一些偏娱乐、偏社交的内容,这块我们从今年开始去尝试。 我相信通过1~2年的时间,可以实现——你走到街上,戴着AI眼镜就可以跟陌生人社交;走到每个店铺的话,眼镜上会显示店铺的评价标签,然后在买衣服的时候会有全景的比价。 2000元以内才能进入大众市场 量子位:什么样的价位,有利于缔造爆款AI眼镜? 百度智能云孔伟健:我认为什么价位都可以成立,小到两三百,然后包括现在的均价1000~1800之间这个价位,可能再有海外主打机型的3000~5000、5000~1万都有可能。 第一个原因就在于,大家可能还是从国内去看海外,或者是国内看国内的消费情况,源于这个消费品在用户和消费者心中是不是有个锚定的价值点,它到底是不是能解决我一部分的需求。 第二是用户的消费本身也分层,所以不止是百镜大战,可能会有几百个品牌共生存在,每个品牌去切不同的场景和服务,在教育、商务、日常生活不同领域配不同的眼镜。 中国的眼镜消费数量每年基本上也达到了2.8亿副替代率的规模,所以这个存量也在。 我认为消费价格的区间浮动会非常大,没有任何一个价位的眼镜是没有市场的。 影目科技杨龙昇:从当前眼镜市场的数据来看,可能平均价在六七百元以下,是一个可以成为爆款(即进入到大众市场)的价格带。 出货量第二大的可能是1299~1399元这个价格带,是普通老百姓相对比较能接受的; 出货量第三大的可能是1799~1999元这个价格带。所以智能眼镜走入到大众市场,2000元以内肯定是必须的。 李未可科技张建华:当我们说价格时,一定要说它对应的品类是什么形态。 音频眼镜基本上就是几百块钱;带摄像头的眼镜就是1000~1500元,当然大厂有利润率的要求可能要更贵一些;再往上就是2000元以上了。 我们依旧认为几百块钱应该是用户能比较好切入体验、性价比较好的产品类型。AI音频眼镜在走量方面应该会比带摄像头的眼镜要多至少一个数量级。 是不是在小米发布之后,这个摄像头的眼镜会有了大概的标杆?基础软件功能是什么,它的硬件配置怎么样,大概的价位怎么样,它可能会成为大家心里的标杆。 内容开发者迎来最佳入局节点 量子位:AI眼镜正在带来哪些产业新机遇? 李未可科技张建华:大家不要轻易做AI眼镜。因为这里面有非常多的坑,如果大家想做一个几百块钱、带个几百万像素摄像头AI眼镜走白牌市场的话,你就尽量出海,不要在国内卷,因为实在是太惨烈了。 第二,如果你真的想做一个品牌的话,确实有非常多的坑,要慎重。 我们入坑比较早,我们觉得还是有很多的Know-How,我们get到了,我们还想在牌桌上熬到更加大爆发的时候,我们认为AI眼镜的前景还是非常好。 至于说其他的机会,我觉得大模型的机会很多了。 其实你看淘宝上面有很多的特别便宜的板子,就几十块钱这种开发板,其实都类似的。 我觉得大家可以先体会一下大模型和开发的硬件软硬结合之后,你至少要跑个应用出来体验一下,而不是天天用ChatGPT、Claude去做问答,这个没有意思。 有过这样的体验之后,其实机会还是蛮多的,不要围绕在纯toC的领域,也可以想一想toB垂类的场景,也许是个新天地。 影目科技杨龙昇:对于内容开发者来说今年是最好的入局节点,包括硬件厂商、传统互联网厂商、云平台厂商,其实都在往这个方向提供很多的扶持。 从影目科技来讲,今年我们也大概拨了5000万元的资金,专门孵化“AI+AR原生内容”这一块,在Air3或者在其他产品上面去开发。 今年正好是我们AI应用场景的第一阶段的井喷期,有很多跟生活助手相关的场景大家可以开始去做。 像百度也好,或者其他大厂更多还是基于底层做一些大模型、生态层,然后再做一些生态系统架构,再往上的话做一些像智能体,或者是一些更垂类的应用,今年是非常好的入局时间点。 百度智能云孔伟健:关于空间智能这个赛道,简短解释一下,其实就是提供二维、三维、四维里面的内容与服务机制。 这个赛道里面有在国内服务海外的多模态的公司,都是我们百度在这个赛道内的客户。 举几个例子,比如说视频生成、图片生成、3D模型生成……它们都有一个特性,即主打即时、实时定制生产出内容。 影目科技杨总刚才站在眼镜的角度,虽然公司可能是偏硬件,但是整体听下来还是偏向于场景的构思,是以内容生态为主。 但是现阶段,除了围绕内容生态,再往下降一级其实正处于技术工具的比较大的开发期,这就跟2013年我第一次来到中关村创业大街一样,那个时候满地都是做O2O,包括基于微信公众号基建的内容,所以你看内容就已经从纸媒、大的媒资平台、公关类型的公司,变成了这种随时可获得的微信推送形式。 再收敛到眼镜上,我们今天的整个会议一下午用了三个小时,之后的内容形式就会简短成一段话,我们今天4个人探讨的东西最终凝结成一个核心观点或两个观点,直接铺设给一个卡片,也就是字少事大。 内容创业,或者说内容与服务,在打散式的工具和基建过程当中会有非常多的机会。 比如说我们现在把自己的搜索打包成了MCP(模型上下文协议),就相当于把我们整个闭源的流量生态给打破了,把能力开放出去了; 另外,现在我们的骑行或者地图服务也被打包成了MCP服务,所以这里面会围绕着新的工具矩阵、数字基建的矩阵,目前已经跑在重构“以谁为链主”的地位了。 但从我的角度来看,现在不存在链主,每个人都有机会,这个机会就是你可以做自己的独立Agent,你可以把自己独立Agent的Know-How,比如说把数学老师的Agent外包出去,变成人力服务的机制。用户就可以享有这种服务,享受一次就得花多少钱。 所以之后是去中心化的阶段,刚才我一直在讲Web3的从组织的导组织再到服务,以及技术的导组织已经是在路上了,而且很多海外团体已经做出了很高的收入,他们仅凭借一个很小的工具/接口,所以这个东西还是看谁构建得快。 目前国内在AI应用构建上反应还是比较慢,但是海外的服务生态、变现能力非常明显。 跟前一段的移动互联网不一样的点就在于,之前是补贴给用户我就赚钱,但现在是我只要提供服务我就赚钱。相比之下,它的路径更短、能效更高,需要的组织人数也更少。 因为这些工具的便利性,现在是非常大的杠杆期。
抢下120亿,这届芯片老兵要翻身了
摘要: 作为国产GPU双雄,摩尔线程与沐曦集成电路的发展路径并不相同,但它们的命运却因同一个变量而改变——2024年底,国产大模型公司深度求索(DeepSeek)的爆火,让国产GPU迎来了前所未有的发展机遇。 凤凰网科技 出品 作者|姜凡 编辑|董雨晴 芯片半导体领域最近热火不断,前有寒武纪市值与收入规模屡创新高,后有“新王”接连登场。 6月30日晚间,摩尔线程与沐曦集成电路的科创板IPO申请双双获受理。其中,摩尔线程拟募资金额80亿元,或成为科创板年内受理的最大IPO项目,沐曦股份则拟募集资金39.04亿元。 如无意外,这将是新一批国产高端GPU冲刺上市关键窗口期的起点。 2019年美国商务部发出一道禁令,中国半导体行业进入战时状态,集成电路国家大基金二期在当年度10月注册成立。此后一年多,壁仞科技、燧原、沐曦、摩尔线程在内的一大批国产GPU企业纷纷涌现,一群从英伟达、AMD回流的人才很快集结,开始讲述“中国版英伟达”的故事。 与上一批EE85级创立的韦尔股份、兆易创新、卓胜微中国半导体上市潮不同,这是一场半路突围的机会,在巨头已稳固的市场里寻找国产生存裂缝,现在,终于到了又一个关键性时刻。 双雄出世,你追我赶 自2019年起,美国对中国科技企业的制裁愈演愈烈,尤其是高端GPU芯片的断供,让国内AI、云计算、自动驾驶等行业陷入“无芯可用”的困境。 面对这突如其来的变故,一批GPU老兵嗅到了新机会,迅速集结。 曾执掌英伟达中国15年的“教父级”人物、“黄仁勋的左膀右臂”,告别了老东家,创立了摩尔线程。张建中的目标很明确,立志要“打造出属于中国的英伟达”。 在摩尔线程位于北京的办公室里,一场闪电战很快打响。张建中拉来了其在英伟达的旧部,外加来自地平线、微软、AMD、Arm等公司的人才。摩尔线程彼时称,自己是一只真正世界级的、能够覆盖GPU全流程的成熟团队。也因此,其吸纳了堪称豪华的投资方,只用了100天就跻身独角兽行列。曾有报道表述,从确认估值、设计交易结构到交割等全流程,摩尔线程Pre-A轮融资只用了一个月,并且留给投资机构的时间只有数周。 张建中自己则在公开活动中称,英伟达近20年来做的事情就是加速计算,摩尔线程在成立后干的也是类似的方向。2022年的春天,摩尔线程发布了首款全功能GPU苏提,9个月后,又发布了首款国产游戏用显卡。 几乎是前后脚,出自AMD的老将陈维良也躬身入局。2020年9月,沐曦集成电路在上海成立。 图|沐曦集成电路(上海)股份有限公司的创始人、董事长兼CEO 和张建中类似,他们都是在集成电路领域浸润了数十年的老人。1995年,陈维良进入电子科技大学攻读微电子专业,本科毕业后进入清华大学,2002年研究生毕业,拿到清华大学微电子学研究所工学硕士学位后回到上海进入集成电路行业。在AMD,他主要负责GPU设计及产品研发,主导并完成15款高性能GPU产品的流片与量产。 以至于创立沐曦,陈维良并未费太大劲,就直接集结了一支扎实的队伍。 联合创始人、CTO兼首席硬件架构师彭莉是AMD全球首位华人女科学家,拥有15年高性能GPU芯片设计经验,历任AMD首席SOC架构师、系统架构师、GFXIP架构师等职务,主导过多款GPU产品从架构到量产的全流程。 图|沐曦联合创始人、CTO兼首席硬件架构师彭莉 与摩尔线程不同,沐曦从一开始就瞄准了数据中心和AI计算市场。2022年,沐曦推出了首款产品曦思N100系列,更是在2023年4月实现量产。无论是产品落地,还是商业化进展,都取得了巨大突破。 据科技大周期报道称,沐曦建立了高效的芯片研发量产体系,创造了多个国产GPU研发速度纪录。曦思N100从立项到流片仅用13个月,于2022年1月交付流片,2022年8月完成回片测试。曦云C500于2022年12月交付流片,2023年6月完成回片测试。截至2025年一季度,沐曦GPU产品累计销量已超过25000颗,产品良率和交付能力持续提升。 回过头来看,两家公司的崛起路径截然不同:摩尔线程凭借张建中的行业号召力,迅速吸引资本和人才,走的是“高举高打”路线;而沐曦则更注重技术沉淀,稳扎稳打,逐步攻克高性能GPU的制程难题。尽管如此,它们的命运却因同一个变量而改变——2024年底,国产大模型公司深度求索(DeepSeek)的爆火,让国产GPU迎来了前所未有的发展机遇。 DeepSeek爆火,国产GPU起飞 2024年初,深度求索发布的千亿参数大模型DeepSeek-R1震惊硅谷,成为全球最强大的开源模型之一。更关键的是,DeepSeek让推理市场的行情前所未有地火爆。和训练所需要的高性能不同,推理侧的需求让国产GPU更加有的放矢。 机构投资者普遍认为,国产GPU的替代窗口已经打开,未来三年市场规模有望突破千亿。资本市场的热情瞬时而来,摩尔线程和沐曦的估值水涨船高。 IT桔子显示,成立5年时间,摩尔线程共融资7轮,可公开的合计融资规模超过了35亿元。 在2022年至2024年期间,摩尔线程的营业收入实现了增长,从0.46亿元跃升至4.38亿元,其年复合增长率高达208.44%。在筹备此次IPO之前,摩尔线程在Pre-IPO阶段的投前估值已经达到了246.2亿元。天眼查显示,张建中的持股比例为11.0598%,按照投前估值,其身家或将达到27亿元。 沐曦股份自成立以来进行了8轮融资,公开可查的合计金额也超过了20亿。陈维良间接与直接的合计持股比例为22.3659%,根据沐曦本轮融资超210亿融资计算,陈维良的身家也将超过46亿元。 然而,一面是上市的热火,一面是经营的海水,行业的火热并未掩盖两家公司当前发展的隐忧——由于高昂的GPU研发成本,两家公司目前都尚入不敷出,且长时间的烧钱预计还将成为常态。 招股书显示,沐曦2022年、2023年、2024年营收分别为42.6万元、5302万元、7.43亿元;净亏损分别为7.77亿元、8.71亿元、14亿元;扣非后净亏损分别为7.84亿元、8.9亿元、10.44亿元。摩尔线程报告期内累计亏损也将近50亿元。 国产GPU新王,性价比是最大杀器 决战科创板,本身也是为公司接下来的良性发展补充弹药。招股书显示,摩尔线程计划拟募资80亿元,主要用于下一代GPU研发及产能扩张。 沐曦的募资规模则拟募资39.04亿元,其中,24.59亿元用于新型高性能通用 GPU研发及产业化项目,4.5亿元用于新一代人工智能推理 GPU研发及产业化项目,9.91亿元用于面向前沿领域及新兴应用场景的高性能 GPU技术研发项目。 摩尔线程凭借其自主创新的MUSA统一架构,成为国内首个实现单芯片同时支持AI计算、图形渲染、物理仿真的全功能GPU厂商。其产品矩阵覆盖三大核心领域:消费级市场:已量产MTT S80/S70等游戏显卡;数据中心市场:MTT S2000/S3000/S4000加速卡系列,搭配自研"夸娥"智算中心解决方案,支持从千卡到万卡级集群部署;边缘计算领域:推出"长江"异构计算SoC芯片,集成GPU/CPU/NPU/VPU多元算力,布局AI PC/智能座舱等场景。 沐曦则聚焦高性能计算赛道,其MXC、MXN系列芯片在AI训练推理领域展现出两大优势。 一位AI行业从业者长期与各类国产芯片打交道,其告诉凤凰网科技,“目前这些已经在走IPO流程的公司,产品都是比较成熟的,已经迭代了好几个版本,能非常明显感觉到产品优化非常快”,其判断,未来国产芯片将在性价比上拿出极强的竞争力。 实际上,DeepSeek的爆火,曾给中国芯片产业带来两面性。一面是,由于DeepSeek与英伟达的H卡高度绑定,使得AI从业者在进行研发时,天然想要依赖性能更好的英伟达芯片。但另一方面,DeepSeek引爆了推理市场,这恰恰是国产芯片更能发挥空间的地方。无论如何,乘着DeepSeek的东风,国产芯片也的确迎来了一次历史性机遇,终将通过极致的性价比实力,实现弯道超车。 摩尔线程与沐曦“双雄争霸”之后,壁仞科技、燧原科技等一代国产GPU IPO或都将提上日程。 这一次的战场是全球半导体产业的制高点,无论最终谁能胜出,它们的每一步突破,都在为中国芯片产业“逆天改命”写下新的注脚。
世界首次!量子模型架构改写芯片制造未来:突破0和1传统运算
快科技7月4日消息,众所周知,半导体制造极具挑战性。这是现代工程中最复杂的之一,因为需要极高的精度,并且涉及数百个步骤,例如蚀刻和分层,即使是制造单个芯片也是如此。 然而,澳大利亚国家研究机构联邦科学与工业研究组织 (CSIRO) 的研究人员利用量子机器学习制造半导体,这在世界上尚属首次。他们的研究可能会彻底改变芯片的制造方式。 据报道,近日,上述研究团队开发出一项具突破性的半导体制程技术,首次成功应用量子机器学习(Quantum Machine Learning, QML)来建构工艺模型,不仅提升了制造的精准度与效率,还有望降低芯片生产成本。 传统的半导体工艺非常繁琐,从光罩、蚀刻到堆叠,每颗芯片需经历数百个步骤才能完成。 一般方法需要大量数据才能训练出有效模型,但当数据有限时效果会明显下降。 研究团队此次开发的QKAR(Quantum Kernel-Aligned Regressor)架构,将量子计算与传统机器学习相结合。量子机器学习运用量子态特性,能抓住更复杂的数据关联性,在小样本条件下依然表现出色,目前QKAR的表现超越了七种传统机器学习算法。 量子计算机中的量子位运作方式,与传统计算机以0和1为基础的位截然不同。 量子位元运用的是量子力学中的叠加原理,能同时处于0与1的状态,使得运算结果能涵盖更多变量与可能性。 尽管量子机器学习目前仍处于研究与实验阶段,若能突破技术问题,有望打破传统芯片因尺寸微缩所带来的限制,为半导体产业带来全新制程模式与技术转型契机。 责任编辑:朝晖
用完这个Google相机的精神续作,我觉得手机影像本该是这样
别让算法 先声夺人 六年前,当我抱着索尼相机,乘坐一架 IndiGo(靛蓝航空)的空客 320 前往印度,开启了我的摄影师之旅。 六年后的今天,手机摄影正在以非同寻常的速度覆盖传统影像的领域,相机市场的产品线逐渐收束为专业领域的趁手工具,或是时尚穿搭单品。 此时,又一个「Indigo」引起了我的注意力——Adobe 的 Project Indigo,一个完全迥异的影像 app。 它将 Google 相机那备受赞誉的计算摄影体验,原汁原味地注入了 iPhone,并由此让我得以一窥,计算摄影的极致上限,究竟有多强。 面向未来的相机 App,但是预览版 如果你一眼看过去,可能很难意识到这是一个影像 app—— Project Indigo 的应用图标完全没有任何影像元素,而是遵循 Adobe 一贯的设计方案,将名称中两个单词的首字母放在图标上,底图则是以蓝色线条框出 16 宫格。 进入 Project Indigo(后文简称为 Indigo),首先是熟悉的权限请求界面,这个影像 app 总共需要三个权限: 相机控制权限 相册访问权限 位置信息权限 ——没有麦克风访问权限,说明 Project Indigo 是一个完全服务于静态影像的 app。更贴合互联网潮流的视频拍摄,并不是它的重心。 在权限申请完成后,Indigo 会为你展示这款影像 app 的主要 UI 和功能,我们快速略过,直接进入到应用的主界面。 Project Indigo 的拍摄主界面没有遵从 iOS 26 的设计,而是提供了尽可能多的信息和控件,让操作者能最大程度地掌控自己的照片效果。 从顶部开始看,这里分为图片格式、直方图与曝光参数、拍摄模式三个部分,图片格式允许你选择拍摄 JPEG 格式的照片或是 DNG+JPEG 格式。 JPEG 格式是一种常见的传播格式,适合拍摄后直接在互联网或社交媒体上发表,而后者则是一种记录了画面详细信息的 RAW 格式照片,可以提供庞大的后期空间,不适合直接传播。 顶部中间部分的直方图与曝光参数,让专业摄影师能够对曝光情况一目了然,这个部分还可以通过滑动进入二级菜单:在这个菜单中,你可以控制一些辅助取景和拍摄的控件,比如倒计时拍摄、取景器九宫格、水平仪或是高光过曝指示器,也可以从这里进入整个 Indigo 的应用设置。 而右边则是目前的拍摄模式,Indigo 的模式设置并不复杂,只分为照片与夜景两个模式。 视线转向屏幕的下半部分,在取景框的底部,是我们熟悉的焦段选择栏,以我的 iPhone 16 Pro 为例子,Indigo 分别提供了 0.5×、1×、2×、5×、10× 这五个选项。 很显眼的是,在 2× 与 10× 这两个焦段上,标着 SR 的字样。它的全称是 Multi-frame super-resolution(多帧超分辨率技术),基于 1× 主摄的 2×,以及基于 5× 远摄 的 10× 数码变焦,将会在这个技术的支持下,获得可以媲美光学焦段的清晰度。 顾名思义,多帧超分辨率技术背后的技术原理,就是在你按下快门后,手机瞬时拍摄相当多的照片张数,然后通过一定的算法,将数十张照片融合,生成充满丰富细节和低噪点的照片。 这就很尴尬了,图片来自小红书 @KERICH诚 在实际测试中,我发现从 2× 开始,一直到 4.9×,多帧超分辨率技术都在发挥作用,而 10× 与 10× 以上也是如此。 也就是说,在 Project Indigo 中,各焦段的成像任务得到了进一步的划分: 0.5×-1×:基于原生超广角镜头的数码裁切; 1×-1.9×:基于原生主摄的数码裁切; 2×-4.9×:基于多帧超分辨率技术的类光学裁切; 5×-9.9×:基于原生 5× 长焦镜头的数码裁切; 10× 与 10× 以上:基于多帧超分辨率技术的类光学裁切。 看完了让人眼花缭乱的焦段布局,我们接着将视线转向更下方,照片与夜景模式横置在焦段布局与快门键之间,在这里你可以快速切换两个模式,以应对不同的拍摄场景,不过这里与顶部右侧的模式切换出现了重复,稍微显得有些浪费 UI 位置。 再往下,就是最重要的快门,快门的左侧是相册,拍摄的照片将会归置在相册中进行后期的融合,你可以在这里看到还有几张照片正在后台融合,也可以从这里跳转到 Lightroom 中进行进一步的照片编辑; 而右侧则是进入更为专业的手动模式,在这里你可以自定义色温、对焦距离、快门速度与感光度等直接影响成片的参数。 看完了页面布局,我很好奇 Project Indigo 的实拍表现如何,看看这个着力于图像领域的老牌公司,对移动影像有着怎么样的不同理解。 先说结论,Project Indigo 主要有两方面体验完全不同于 iPhone 原生相机,在相同的硬件基础上,Project Indigo 的成像效果更为耐看,明暗过渡更符合肉眼所见,没有 iPhone 那样傻亮的感觉; 从直方图来看,Project Indigo 的像素比较集中于左半部分,成像更偏向暗调,更符合人眼的舒适区域,更激发人类的情绪共鸣,也更契合深层的艺术表达习惯。 另一个,则是 Project Indigo 的成像少了很多锐化的割裂感,但凭借相当多张数的多帧合成,锐度并没有过于衰减,放大后,画面中的物体与文字边缘依旧维持一个较为清晰的状态,保持着一定的可读性。 在光影过度自然、傻锐现象解决的同时,Project Indigo 还有一个不容易被注意到的优化——iPhone 原相机的成像在放大后很容易看见细微且密集的噪点,而 Project Indigo 则将这些底噪处理得很好,放大来看,画面依旧可以保持纯净。 综合来看,Project Indigo 在画面细节、锐度、噪点抑制和颜色表现上都非常优秀,展现出更为自然、和谐的美学倾向,也更还原肉眼所见。 可以说,Project Indigo 的首秀,就将 iPhone 目前饱受诟病的过度锐化、不自然的亮度曲线、画面细节充满底噪等问题统统解决了,甚至还拓展了 iPhone 焦段的可用边界。 但我并不推荐你立马尝鲜。原因无它,这个 app 依然存在不少问题:例如照片偶尔会在底部出现黑边、拍摄后的照片一经相册编辑就会泛紫红色,同时整个拍摄过程中的发热量和耗电量,也明显高于系统原生相机。 根据 Project Indigo 的研发人员在社交媒体上的反馈,黑边与偏色问题主要源于系统适配尚未完善,属于典型的 beta 阶段 bug; 而发热和能耗则有更深层的原因——Indigo 使用了与 iPhone 完全不同的影像处理管线,所以无法调用苹果原生的 ISP。 也就是说,所有的多帧计算与图像融合任务,几乎都直接压在了处理器本身上,自然也就带来了更高的硬件负载。 其实这一切,Adobe 早在打开软件前就提示你了——还记得那个白色为底,排布着蓝色线框的图标吗? 这种酷似工程蓝图的设计已经直接表明 Project Indigo 尚处于专注于底层计算摄影算法和框架,以技术为第一驱动属性的试验品,而不是一个功能完善、适合在消费级市场分发的完成品。 同时,Project Indigo 的出身也决定了它的使用体验肯定还不够好——这是由 Nextcam 团队在 Adobe Labs 框架下推出的一个项目,这里是 Adobe 面向未来技术的试验田与孵化器,专注于提出问题、验证思路,而不是交付终点。 这里的大多数应用,都是从 Adobe Labs 孵化的 计算摄影源流与未来 Project Indigo 的推出,虽然归功于 Adobe 这个长期耕耘在图像领域的公司,但推出 Indigo 的团队 Nextcam 中,有个名字值得留意:Marc Levoy。 如果你经历过那个国产 Android 影像尚未开卷,Google 相机大行其道的年代,那么对 Marc Levoy 这个名字可能不会陌生——早期的 Pixel 拍照系统,以及以算法著称的 Google 相机 app,都是他主导下的杰作。 Marc Levoy Levoy 的理念根植于他的学术背景,一个与传统光学摄影截然不同的世界:计算机图形学。 早在博士期间,他开创的体渲染技术,就奠定了其日后工作的核心逻辑:通过计算,将一系列 2D 数据切片(如 CT 扫描)重构为一个三维整体,这与他他日后在移动摄影中实践多帧合成、重建图像核心逻辑的雏形。 在斯坦福大学任教期间,Levoy 进一步为计算摄影构建了坚实的理论基础——他与同事共同发表的《光场渲染》论文,主张相机不仅应记录光的强度,还应记录其方向,从而允许在拍摄后实现重新对焦等革命性操作。 是不是很熟悉?已经成为过去式的光场相机 Lytro,就是这条路径的忠实践行者。 2004 年,Levoy 在斯坦福的一门课程上重新定义并普及了「计算摄影」这个术语,从另一个角度诠释了这个词更广阔的内涵: 计算摄影技术旨在增强或扩展数码摄影的能力,其产出的是一张普通照片,但它却是传统相机无法拍摄出来的。 十年后,Levoy 正式加入 Google,带领团队主攻手机摄影,他早期的思想终于在这里得到了具象实现:通过高速连拍获取一组曝光极短的图像帧,再利用算法将其对齐、合并、降噪,最终计算出一张远超任何单帧质量的、纯净且动态范围宽广的照片。 一个计算量巨大、有些过于理想的理论,经过归纳、提炼,以普通设备可承受的算力实现,最终落在亿万用户手中,十年前的呐喊,终于传来阵阵回音。 手持 Pixel 3 的 Marc Levoy 此后的主角,就是我们熟悉的 Pixel,以及那些声名显赫的功能——首先是 HDR+,它彻底改变了手机在复杂光线下的成像表现,通过多帧合成技术,在保留高光细节的同时,也清晰呈现了暗部层次; 紧接着是人像模式,它利用算法在单颗摄像头上实现了可媲美单反相机的背景虚化效果,这正是其降维实现理念的完美体现;而夜景模式更是将这一思想推向极致,它能将多达 15 帧、每帧长达 16 秒的曝光合成为一张明亮、清晰的夜景照片,其效果在当时的移动影像领域堪称一骑绝尘。 这些立足于多帧合成技术的功能,不仅让单摄的 Pixel 力压 iPhone、三星等双摄手机,赢得了年度最佳拍照手机等无数赞誉,也让计算摄影一词,成为移动影像的制胜法宝。 多年后,当已经加入 Adobe 的 Levoy 被问及计算摄影与艺术创作的关系时,他的理念清晰且坚决: 不存在所谓「直接的摄影」,现实世界的光线动态范围远超任何传感器所能记录的极限,人眼本身也是一个自适应的感光引擎,人们看到的景象已经过大脑的主观处理,所以任何数字成像系统都必须对记录的色彩和色调进行调整,且这些调整不可避免地带有主观性。 理念落到产品上,Levoy 也毫不讳言,甚至坦诚得令人惊讶,明言在好几年的时间里,Pixel 的影像也按照他理念和美学在打造 : 我喜欢卡拉瓦乔的画作,所以 Pixel 2 到 Pixel 4 的成像风格都偏向黑暗、高对比度。 卡拉瓦乔的作品《以马忤斯的晚餐》(1606年版) 这种理念延伸到 Levoy 的整个职业生涯,一直到他离开 Google,转身进入 Adobe,我们依旧可以在 Project Indigo 上看到这种偏向暗调的风格,与 iPhone 原相机本身着重中间调与亮部的成像策略完全不一样。 当然,这一方面是审美上的偏好,另一方面也离不开算法的要求——Project Indigo 的现有方案是通过拍摄多张微微欠曝的照片,用于保留高光细节和色彩,然后再通过多帧合成降低暗部噪点,按照这个逻辑合成的照片,本身就偏向暗调一些。 讲到这里,有心人已经可以发现一个非常长期主义的彩蛋:无论从审美上,还是从技术上,Project Indigo 都可以视作 Pixel 的精神延续,更有意思的是,这令人惊艳的 app 目前只提供 iOS 版本。 这何尝不算一种 Google 正统在苹果呢? 别让算法站在照片上邀功 变化是唯一的不变,顺境从不永恒。 计算摄影,这个曾在早期代表科技与先进的词汇,在接下来的时间里,可谓是高开低走。 在 Pixel 推出以后,Google 相机成为了 Pixel 的原生相机,并在之后的时间里逐渐不再作为单独的 app 存在,适配难度直线上升;再加上国产手机「青出于蓝」地持续进步,逐渐吸引了大家的目光并得到认可,也分散了人们对 Google 相机的关注。 从经典的「镭射眼」Pixel 8 系列开始,Pixel Camera 开始系统集成 另一边,占据手机生态半壁江山的苹果则在 iPhone 11 系列中全面引入了 Deep Fusion 技术,同样使用多帧堆叠的技术,却毁誉参半。 至于没有 Deep Fusion 的 iPhone,虽然效果自然,但的确在画质上又吃了亏,最终在后续处理器更迭中被逐渐淘汰。 大家熟悉的 Deep Fusion 来了 自那之后,计算摄影这个词开始承受越来越多负面联想。照片涂抹感严重、锐化过度、画面割裂感强……这些令人不适的观感形容词,逐渐成为计算摄影的刻板标签。 事情的转变出现在今年,在 OPPO Find X8 Ultra 上,有一个全新升级的、号称为摄影师准备的「大师模式」,其成像风格相比主流计算摄影更加克制与柔和:有效压低了数码锐化所带来的割裂感,同时拥有较为自然的亮度曲线。 但有点遗憾的是,在追求观感和柔和的同时,大师模式的锐度没有保持住,物体边缘清晰度下降,画质稍微欠缺些扎实。 而 Project Indigo 的路线则更为激进,它一边追求压榨性能到极致、一口气合成数十张照片的算法,一边在成片上完全去掉计算的负面影响,让计算只留在过程,最终呈现出的是一张观感自然、亮度线性、锐度在线的照片。 可以说,这是目前我见过的,将算法与成片分隔得最好的影像 app。 归根到底,我们对计算摄影的质疑,其实来自于对照片中那种明显的「被加工痕迹」的厌恶。 没错,算法的确很重要,算法也的确很努力,但人们想得到的,仅仅只是 Marc Levoy 口中那张不需要任何专业器材辅助,只需要经过计算,就能效果出乎意料的,普通的好照片。 而不是一张算法跃然纸上的邀功状。 文 | 周奕旨

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。