行业分类:
加载中...
头条分类:
加载中...
雷军春风得意,让谁直接“破防”?
雷达财经出品 文|孟帅 编|深海 有人造车欠一屁股债,雷军造车却“欠了两屁股车”。 在成为“雷神”的道路上,刚刚强势跻身《2025新财富500创富榜》第六名高位的雷军,又在汽车领域迈出了震撼业界的关键一步。 6月27日,雷军携小米汽车旗下首款SUV——小米YU7惊艳亮相。仅仅3分钟,小米YU7的大定量便如火箭般飙升,突破20万台大关,将去年小米SU7上市24小时88898台的大定纪录远远甩在身后,创造了令人瞠目结舌的新纪录。 在竞争白热化的新能源汽车赛道,小米汽车已悄然成为众多友商眼中的“劲敌”。此前小米SU7热销,余承东就曾疑似暗指小米靠流量撬动市场。而在此次小米YU7发布会上,雷军展现出无畏的勇气与自信,主动接受行业“尖子生”特斯拉发起的挑战。 此番小米YU7取得惊艳成绩后,零跑汽车创始人朱江明直言倍感压力,东风日产的高管黄照昆更是直接“破防”,称小米YU7的消费者为“愚忠的品牌粉丝”。 面对外界给自己所贴的“精于营销”的标签,雷军认为,小米的成功绝非单一营销手段所能成就,而是在多维度实现领先的成果。然而,身处流量漩涡中心,小米和雷军也不得不承受更多的审视与质疑。 此次小米YU7成为爆款,雷军内心的激动之情溢于言表,但产能严重不足的问题却如同一把达摩克利斯之剑,高悬于小米汽车头顶。如何快速提升产能、满足消费者高涨的热情,成为雷军和小米汽车亟待解决的首要难题。这场与时间赛跑的产能攻坚战,或将决定小米汽车未来在新能源汽车市场的最终地位。 3分钟大定破20万,雷军再度“封神” 6月27日,汽车行业迎来一场重磅盛宴——小米汽车旗下第二款车型、首款SUV小米YU7正式发布。随着发布会的推进,小米YU7最受瞩目的售价也随之揭晓:标准版25.35万元、Pro版27.99万元、Max版32.99万元。 此次小米YU7的发布,不禁让人回想起小米首款纯电轿车小米SU7问世时的辉煌时刻。时光回溯至去年3月,小米SU7上市开售首日,雷军带着外界的诸多期待与质疑,交出了一份令人惊叹的成绩单。 上市4分钟,小米SU7大定破万,7分钟大定破2万;上市27分钟,大定50000台;上市24小时,大定88898台。这些数据在当时已然足够震撼,但小米YU7的到来,却将这份纪录推向了新的高度。 据小米汽车官方公布的数据显示,仅仅3分钟,小米YU7大定突破200000台;耗时1小时,小米YU7大定数量更是突破289000台。如此惊人的成绩,让小米中国区市场部总经理王腾都忍不住转发战报,并感慨“什么?!!!比我们手机卖的还多”。 雷军还向媒体透露,仅前2分钟,小米YU7的大定订单就冲到19.8万辆,其中完成锁单的(即支付不可退定金)便高达12.8万辆。 如果仅从上述数据还难以直观感受其惊艳程度,不妨拿同行的一些销量数据作为参照。2024年全年,零跑汽车、蔚来、小鹏汽车的全年交付量分别为29.37万台、22.2万台、19.01万台。小米YU7短短1小时的大定数量,几乎逼近甚至超越了部分品牌全年的交付量,其市场号召力可见一斑。 即便此前曾经历了一些负面舆论风波,但前述这些数据无疑再次向外界证明了雷军和小米汽车在汽车圈的强大号召力。面对远超预期的大定成绩,雷军难掩内心的激动,直呼“我们所有的车主朋友们和小米一起创造了中国工业史上的奇迹”。 事实上,就连雷军本人可能此前都没有预料到小米YU7会如此火爆。当晚发布会结束后,雷军走进媒体采访间,向外界分享了更多小米YU7发布背后的故事。他透露,昨天自己还在内部表示,只要比去年SU7好就行,并强调要竭尽全力推动进一步扩产。 他还感慨道,“说实话,能拿到这么多订单,我还是挺激动的,远超了我的想象。特别是SUV这个市场竞争本来就非常激烈,用户在还没开始试驾的情况下就愿意相信我们,愿意下单,这对小米来说真的是莫大的幸运”。 小米YU7的火爆大定,不仅在消费市场掀起波澜,更在资本市场引发强烈震动。发布会举行次日(6月27日),小米集团股价高开,首次突破60港元/股,一度触及61.45港元/股的新高。 截至当天收盘,小米集团股价报58.95港元/股,较前一个交易日大涨3.6%。而小米的市值也在一天内狂飙500多亿港元,达到1.53万亿港元。 值得一提的是,就在几天前揭晓的《2025新财富500创富榜》中,雷军家族以2010亿元的财富再度跻身榜单,位列总榜第六名,追平2016年的排名纪录。 尽管这并非雷军首次闯进该榜单前6,但此次他的财富较此前有了大幅提升。相较2024年的1025.3亿元,雷军的财富近乎翻倍;而相较2016年的739.2亿元,其财富更是足足涨超1270亿元。 YU7大卖,友商“破防” 天眼查显示,小米汽车有限公司成立于2021年9月。彼时,作为较晚入局新能源汽车赛道的选手,以手机巨头身份跨界闯入车圈的小米,在一众“前辈”面前宛若初出茅庐的“小学生”。 短短几年时间,凭借首款轿车小米SU7的热卖与此次SUV新品小米YU7的横空出世,雷军彻底改写了外界认知。如今,小米汽车已迅速成长为行业内实力不容小觑的强劲玩家。 就连此前曾以车圈“一年级新生”自居的雷军也坦言,小米现在需要把自己当成汽车产业的重点车企看待,要以高标准严要求来对待,要彻底转变心态。 值得一提的是,此次小米YU7发布前,“蔚小理”的三位创始人纷纷给雷军送上祝福。然而,有竞争的地方,就难以避免各种纷争。小米汽车以鲶鱼之姿闯入车圈,如今已然成为不少友商眼中的“假想敌”。 在这场没有硝烟的行业混战中,各方势力的博弈早已暗流涌动。在此前粤港澳大湾区车展期间举办的“未来汽车先行者大会”上,作为压轴嘉宾登场的华为常务董事、终端BG董事长余承东,就曾火力全开地发表了一番意味深长、耐人寻味的言论。 余承东在发言中提到,今天进入互联网社交网络时代,传统媒体广告不再奏效。他举例称,从其他行业来的公司,只做一款车就卖爆了。虽然产品可能不是那么好,质量、自驾能力都很……但靠强大的品牌能力、流量能力,就能打爆市场。 尽管余承东并未直接点明所指对象,但结合他话语中的关键信息,外界不少人纷纷猜测,余承东的前述言论矛头直指雷军麾下的小米汽车。 余承东还略显无奈地感慨道,“我们的产品做的比他还好,质量好、体验好、性能好,各方面都好,你还卖不过他,甚至还卖不过他的零头,这就是今天这个时代,没有办法。” 在此次的发布会上,雷军则毫不避讳地提到了小米YU7的竞品——特斯拉Model Y。雷军表示,“Model Y已经连续多年全球销冠,车子也做得很好。他们非常非常自信,甚至在今年年初发出了这样的战书,让我吓了一跳,叫‘焕新Model Y,尽管对比’,这需要多么强大的自信”。 雷军称,自己看其他厂商没有反应,直接回复“好的”,“比不过也没关系,特斯拉敢发战书我们就敢比,我们小米就是不服输,今天我们应特斯拉邀请,在这里进行对比”。 在发布会上,雷军表示,虽然小米YU7的配置超过了特斯拉,但是标准版定价却同比降低了1万元(Model Y标准版定价为26.35万元)。 而小米汽车当下在市场上的火爆表现,的确也让马斯克的特斯拉感受到了不小的压力。作为小米YU7的对标产品,过去一年,特斯拉Model Y在中国市场卖出了约48万台,而小米YU7仅1小时大定就逼近29万台,约为前者去年全年销量的六成。 而与小米YU7大定一车难求相反的是,Model Y今年在华销售情况较去年有所下滑。今年前5个月,Model Y在中国市场销量超12万台,这意味着刚刚上市的小米YU7,仅用几分钟便追赶上了Model Y5个月的销量。 感受到压力的车圈大佬,不止前述二人。在6月27日举行的2025高通汽车技术与合作峰会上,零跑汽车创始人、董事长朱江明坦言,自己前一天本来心情很好,因为看到零跑的订单量很不错,结果晚上看了雷总的发布会,1小时卖那么多,压力一下子就上来了。 而东风日产高管的反应,则更加激烈。6月27日上午,微博ID为“东风日产黄照昆”的东风日产高管在转发小米订单量微博时称:“小米YU7 3分钟大定20万台,这种数据的背后意味着用户交车时间要等待一年以上,任何国家都没有这种愚忠的品牌粉丝。” 他还提到,这再次验证了“群体会降低智慧”的铁律,并表示,“汽车产能提升需要几千个零部件供应链同步扩产,不是手机那么容易的事儿,可这种手机行业套路很容易拉动情绪”。 黄照昆前述言论一出,随即在网络上引发不小的争议,不少网友要求其道歉。同日下午,黄照昆发博就自己发布的关于小米YU7的不当言论致歉,并称自己已深刻反省,并删除相关不当内容。今后定当谨言慎行,共同维护行业良性发展。 雷军更大的挑战,还在后头 事实上,长久以来,外界不少人热衷于将“营销大师”的标签贴在雷军身上。就连在电商领域纵横捭阖、近期在外卖领域掀起新一轮大战的刘强东,早年也曾感慨过,“不要跟雷军比营销,这块我们比不过他的。他把小米手机卖出几百亿,那绝对不是一般的人”。 对于外界给自己贴上的精通营销的标签,雷军在此次发布会后也做了正面回应。雷军表示,部分同行将小米的成功简单归结为是靠营销取胜,但他认为,如今小米在每一个指标、每一项能力上,在任何一个维度、绝大部分领域都处于领先地位。 不过,雷军也坦诚地表示,无论是产品研发、品质、质量还是设计等维度,小米还有很多不足,“我们很清楚,我们每天都在反思我们在哪里的不足,我们怎么进一步增强和提高,所以我觉得最重要的是把整个小米的能力建设放在首位”。 由于小米长期保持着极高的热度,在享受外界更多关注的同时,其也不可避免地需要承受外界更多审视的目光。经历过多次负面舆情冲击后,小米和雷军想必已经深刻体会到了流量这把双刃剑的威力。 在媒体采访现场,雷军直言,“我们今天面临一个很痛苦的环境,无论哪个企业比较火,它的舆情都特别复杂,这是现实的困难,也是流量时代的挑战。流量时代,小米要谨言慎行,任何瑕疵都可能被放大”。 而此番再度交出爆款汽车产品之际,雷军除了难掩内心的激动之情外,无疑也承受着更大的交付压力。原本小米SU7就有大量订单尚未交付给车主,如今小米YU7又再度创下惊艳的大定纪录,网友们纷纷调侃雷军“欠了车主两屁股车”。 据蓝鲸新闻,一位销售人员表示,提车顺序按照锁单顺序:“如果您想要今年提车的话,开订之后要抢一下,如果前5-10分钟不下订,可能就要到明年了”。 除了交付问题,外界还有部分声音担忧,小米YU7的问世是否会对之前发布的小米SU7产生影响。对此,雷军回应称,尽管SU7和YU7都有自己固定的受众群体,但团队内部也曾有过担忧。 不过,市场反馈却出乎意料。雷军透露,原本预计SU7每月新增1万订单,实际销量却持续走高,内部已三次上调预期,目前稳定在1.3-1.4万单,“虽然YU7很火爆,但是SU7也不会差,我对SU7还是很有信心”。 雷军强调,YU7是小米的首款SUV,也是小米首次真正走向汽车行业主战场,“我们将面临最强大的竞争对手,也将直面最残酷的竞争,但我依然非常非常的自信。因为我相信YU7的产品力,YU7不是一款平庸的、普通的SUV,是一款非常独特的SUV。” 从车圈“小学生”到如今的车圈“顶流”,雷军和他一手打造的小米汽车未来又将交出怎样的答卷?雷达财经将持续关注。
小米YU7上市当晚大量“米粉”到店看车,销售:最后一批顾客凌晨三点才走
极目新闻记者 张秀娟 实习生 孔维权 宝石绿的跑车外形、水滴形车灯、Nappa的真皮座椅、外加支持一键躺倒……6月27日,在小米汽车(武汉黄浦科技园店)内,不少顾客前来看车、试驾,了解小米YU7的各项性能。 小米汽车线下门店。孔维权摄 “昨天,一直在关注小米汽车的发布会,直到雷总公布25.35万元的价格,感觉一台高性能的SUV能做到这样的售价,是真香啊!”小米车粉韩浩说,自己对小米YU7从外观设计到配置都很满意,“特别是最高续航达835公里,在城市代步的话,一周仅需充一次电。” “目前,小米YU7这款车,我们已经下定!在同等配置条件下,外资车可能要上百万,所以这款车的性价比很高!”武汉市民张先生说。“因为家里多了一个小宝贝,想置换一台空间位置更宽敞的SUV,看到小米发新车的消息,今天立马来线下门店进行试车。”市民李女士表示。 武汉市民体验小米YU7。张秀娟摄 “从昨晚的发布会开始,到我们门店来看车、订购的客户非常多,我们一直加班到凌晨三点,才送走最后一批顾客。”小米汽车门店销售员许家俊说。 6月27日,小米汽车官方发布消息称,开售18小时,小米YU7锁单量已突破240000台。 (来源:极目新闻) 更多精彩资讯请在应用市场下载“极目新闻”客户端,未经授权请勿转载,欢迎提供新闻线索,一经采纳即付报酬。24小时报料热线027-86777777。
特斯拉上海储能超级工厂产品国产化率超95%
IT之家 6 月 27 日消息,据界面新闻今日报道,特斯拉上海储能超级工厂生产的储能产品,已经实现 95% 以上零部件的国产化。 上海储能超级工厂自 2 月正式投产以来,成为特斯拉全球范围内第二座储能超级工厂。其主要产品为 Megapack 储能系统,规划年产能为 40 GWh(吉瓦时)。 据IT之家此前报道,特斯拉上海储能超级工厂于 2024 年 5 月正式在上海临港新片区开工建设。从开工到产品下线,仅用时 9 个月,比特斯拉汽车上海超级工厂的用时缩短了 3 个月。这一惊人的速度不仅再次刷新了“特斯拉速度”,也成为“上海速度”的又一标志性成果。 该项目总占地面积约 20 万平方米,总投资约 14.5 亿元,是特斯拉在美国本土之外的第一座储能超级工厂,也是特斯拉入华十年来,继上海超级工厂之后,在中国的又一大型投资项目。 界面新闻报道提到,中国大陆首个采用特斯拉 Megapack 储能系统的电网侧储能电站项目已经官宣,整体规划达到 GWh 级别。该项目由中国康富旗下康岙能源作为实施主体,将在上海临港新片区总投资 40 亿元,建设电网侧独立储能电站示范项目。项目投产后,可参与当地电网调峰调频及电力市场现货交易,解决上海市每年迎峰度夏和迎峰度冬的调节需求。这座储能电站所使用的 Megapack 储能系统由上海工厂生产。该项目一期预计今年建成投运,储能规模为 300 MWh。
安世中国:荷兰政府干预是供应链动荡根源,员工薪酬发放正常
凤凰网科技讯 11月14日,今日,安世中国向全体员工发出内部信函,反驳安世荷兰临时首席执行官Stefan Tilger于11月12日发布的员工信。安世中国在信中指责荷兰管理层的信函“枉顾事实,试图混淆视听”,并反映出“推卸责任”的态度。 安世中国在信中强调,当前问题的根源在于荷兰政府对企业内部事务的“不当干预”。信中提到,中国商务部已多次强调此点,并敦促荷兰政府采取实际行动,恢复全球半导体供应链的稳定。 该信函披露,为应对外部干预,安世中国正依照中国法律法规开展“生产自救”,以维持生产经营活动,并配合中国政府要求恢复用于民用用途的相关出口。然而,安世中国指控**安世荷兰的部分管理层非但没有提供支持,反而采取了“恶意阻挠、干扰”**的手段。 信函列举了据称来自荷兰管理层的阻挠行为,具体包括断供晶圆、质疑安世中国产品质量,并且未按约定向安世中国拨付资金和提供必要的支持。安世中国认为,上述行为与荷兰方面在信中宣称的“高度重视与承诺”及“坚定支持中国团队”完全相悖。 尽管面临内外部压力,安世中国在信中明确向员工保证,公司有能力和信心发放全体员工的足额工资和福利,并强调目前所有员工薪酬福利一切正常。安世中国以此安抚员工,并呼吁大家坚守岗位。 以下为致全体员工信全文:
腾讯又给AI泼了一次冷水
11月13日,腾讯发布三季报,业绩一如既往的“腾讯”。 财报显示,腾讯在2025Q3实现收入1928.69亿元,同比增长15%,整体略超市场预期。三大核心业务—游戏、广告、金科与企服收入不同程度的正增长,是腾讯在本季度收入稳健增长的主要支撑。 业务方面,游戏业务的核心亮点是海外游戏收入在本季度同比暴涨43%;广告业务收入的增长,既得益于广告加载率的提升和广告主投放的增长,AI也是驱动收入增长的重要内生动力;金科与企服收入的增长,一方面反映了经济修复驱动金融科技相关需求回暖,企服收入的增长则主要由云业务带动。 利润方面,腾讯延续了此前的强势增长水平,同期毛利录得1088亿元,同比增长22%;同期Non-IFRS经营利润为726亿元,同比增长18%。值得注意的是,毛利和经营利润的同比增速已连续十二个季度领先收入同比。 图:腾讯控股财报摘要;资料来源:公司财报,36氪 除了收入、毛利、经营利润等核心财务数据之外,腾讯的资本开支也是市场关注的重点。公司当季资本开支129.8亿元,同比下降24%,环比也下降逾32%。在随后召开的业绩电话会上,腾讯高层表示,2025年全年资本支出预计将低于之前的指引范围,但仍将高于2024年。 资本开支指引下调 腾讯在其2024年度业绩会上,回应2025年的资本开支增速上,给出了一个模糊的数据:“low teens”。Low-teens的中文意思也就是占2025全年收入的10~13%左右。 而考虑到腾讯2024年营收为6600亿人民币,再叠加业绩增长的部分,市场普遍预期腾讯2025年的资本开支在900亿左右,相比2024年768亿的资本开支大约只增长17%左右,显然2025年初的Low Teens预期不能满足市场的胃口。 随着腾讯三季报的公布,明确要进一步下调资本开支指引,仅仅表示会高于2024年。 今年二季报腾讯资本开支走低,主要受海外出口管制等因素导致“缺芯”所致,腾讯在三季度财报宣布进一步下调资本开支,也是在一定程度上受到了“缺芯”的影响。与此同时,腾讯总裁刘炽平就芯片供应问题作了解释,称公司当前的GPU储备充足,足以满足内部使用。 图:腾讯近年来资本开支水平;资料来源:公司财报,36氪 腾讯为什么更低调 从本轮国内AI基建来看,腾讯低调不少,这与海外Google,亚马逊、微软等激烈竞争的场面有着显著不同。这一现象在本质上主要是由云市场的竞争格局所决定,海外多家巨头在云市场的激烈竞争,其竞争烈度高于国内水平。 2025Q2全球云市场,亚马逊占比32%,微软22%,谷歌11%,且增速分别为17.5%,39%,31.7%,市占率相对落后的微软、谷歌正在奋起直追。相对应的,国内阿里云可谓一家独大,根据Omdia数据,2025年上半年,阿里云的市场份额在35.8%,遥遥领先第二名的火山云的14.8%,和第三名华为云的13.1%。 阿里核心的电商业务正面临来自多方面的挑战。当下国内的电商市场,已然是巨头林立的格局,有走平价路线的拼多多,有走优质服务路线的京东,亦有要电商化的抖音。阿里在中国电商市场的份额在2015年时一度接近85%,但在多面夹击之下,到2024年已下滑到只有不到40%。 所以,电商基本盘承压、流量红利趋近终结,阿里凭借云业务上的优势,有意愿在AI领域开辟新的战场,由此对应的投入也相对更加激进。 图:2025H1国内云市场竞争格局;资料来源:Omdia,36氪 事实上,阿里的情况外推到腾讯,更像是一种资本市场在AI热潮下的“一厢情愿”。相较于阿里,腾讯之所以在AI基建投入上更为审慎,主要在于双方的业务形态差异显著,且各自核心业务也处于不同的发展阶段,故而二者的AI投入逻辑并不具备较强的可比性。 目前,腾讯的三大核心业务仍保持较强的成长性,业绩增长稳健且具备较强的确定性与可持续性;AI正在持续渗透核心业务的各个环节,并已经与产品线深度融合,成为驱动业务收入增长的底层技术支撑之一。 腾讯在AI基建投入上保持相对克制的底层逻辑:一方面,是考虑到AI技术方向的不确定性所带来的潜在风险,同时基于其自身的业务形态,腾讯现阶段的AI战略是以更低的部署和推理成本,实现更强的模型性能,对核心业务实现增益;另一方面,是同为互联网社交巨头的Meta,当前正受困于AI基建的高额投入“黑洞”,也为腾讯提供了前车之鉴。 图:腾讯与META股价走势;资料来源:wind,36氪
每个身份证信息10元 3名男子倒卖货拉拉内部信息被判刑
快科技11月14日消息,据媒体报道,近日,深圳市南山区人民法院依法对一起倒卖货拉拉内部信息牟利的案件作出判决,法院以侵犯公民个人信息罪判处被告人黄某、杨某和陈某十一个月至一年三个月不等有期徒刑,并各处罚金。 据悉,2024年春节前后,男子黄某和杨某发现通过倒卖货拉拉司机账号可以牟利,二人分别联系上了当时在货拉拉担任运营专员的陈某,让其提供货拉拉平台注册司机的身份证信息,黄某、杨某按每个身份证信息10-15元不等的价格与陈某结算。 在利益的驱使下,陈某找到了同为货拉拉员工的孙某和王某(另案处理),利用职务之便批量获取货拉拉司机个人信息,并分别提供给了黄某和杨某。 随后,黄某和杨某根据司机身份证照片在网上下载换脸软件,找回账号密码、登录并修改密码,再按每个司机账号信息100-300元不等的价格贩卖给其他人,从中牟利。 货拉拉报警后,警方顺藤摸瓜找到陈某,并相继抓获黄某和杨某。 审查起诉阶段,法院全面梳理涉案人员非法获取、提供公民个人信息的时间线、数量及情节,明确其行为已违反国家有关规定,并依法判决被告人黄某有期徒刑一年三个月,并处罚金五千元,判处杨某有期徒刑八个月,并处罚金三万元。 同时,判处货拉拉前员工陈某有期徒刑十一个月,并处罚金五千元。
外卖没烧完的钱,京东拿去烧出海了
京东的三季报有一个好消息和一个坏消息:好消息是外卖烧钱减少了。坏消息是外卖没烧完的钱,被京东拿去烧出海,亏得更多了。 13 日晚间,京东发布了三季度财报,整体收入为 2991 亿元,增长 15%;扣掉营业成本、履约成本、销售管理研发费用之后,经营亏损为 10.5 亿元( 最后净利润为正的 53 亿元主要是因为有 70 多亿的投资收益等非经营所得 )。 拆分来看,京东的业务主要分三块:京东零售、物流和新业务( 外卖、京东产发、京喜及海外业务 )。 首先,砸钱做外卖,确实给京东带来了不少新用户。 京东管理层在电话会中透露,“ 第三季度活跃用户数同比增长超过 40%,延续了前几个季度的增长势头。这一增长使我们的年度活跃用户数在 10 月份突破 7 亿,成为用户拓展的又一里程碑。” “ 除了用户规模的扩大,用户在我们平台上的购物频次也同比增长超过 40%,并已连续两个季度保持这一增速。” 在新用户的带动下,京东零售收入 2505 亿元,同比增长 11%,经营利润 148 亿元,同比增长 27% 。京东零售的经营利润率从 2024 年第三季度的 5.2% 提升到本季度的 5.9% 。 按不同品类划分,本季度京东的家电数码产品收入为 1285 亿元,同比仅增长 5%,这是由于国补是从去年 9 月开始的,去年基数比较高; 而日用百货商品收入为 975 亿元,同比增长19%。日用百货的收入已经快要接近家电数码产品的收入,收入多元化之后会更加稳定。 其中一个例子是,优衣库与京东在 9 月 8 日正式宣布达成合作,在京东 App 搜索 “ 优衣库 ” 已可以进入其官方小程序购物,几乎涵盖了优衣库全线商品。早在 2015 年 4 月,优衣库就曾与京东合作,京东当时为优衣库提供了仓储和配送服务支持,但当时双方的合作仅三个月就宣布结束,此后优衣库经常是天猫双十一销量榜第一的服饰品牌。 类似优衣库这样的服饰美妆高毛利品类,会带给京东更多的增长空间。 可能这也是外卖协同效应的一种体现,带来了会跨品类购物的用户,而非只买数码产品的用户。 不过,接下来,随着国补力度逐渐退坡,京东赚钱就没之前那么容易了。 物流业务,是京东的成本项,是吸引用户的手段,光有收入,不怎么赚钱。本季度收入为 550 亿元,同比增长 24%,但经营利润只有 12 亿元,同比还减少了 8 亿元。 新业务方面,收入达到 156 亿元,与二季度的 138 亿元相比保持稳定增长。主要得益于外卖、京喜和国际业务的持续扩张。 按照京东管理层的说法,“ 京东外卖在第三季度取得健康进展。受益于订单量的增长,以及高价值订单占比的提升,其商品交易总额( GMV )实现了两位数的环比增长。在扩大业务规模的同时,通过提升用户体验,第三季度运营亏损也环比收窄。” 外卖的亏损有所收窄,但新业务整体的经营亏损却从二季度的 147 亿元扩大到本季度的 157 亿元,主要是国际业务也开始烧钱了。 今年 7 月 31 日,京东在港交所发布公告称,决定收购德国最大的消费类电子产品集团 CECONOMY,估值约 22 亿欧元,折合人民币超 180 亿元。CECONOMY 在欧洲拥有超过 1000 家线下门店,也有线上销售平台。收购后 CECONOMY 将保持独立运营,而京东拥有的技术和经验会帮助推动其向欧洲领先的全渠道消费电子产品平台加速转型。 并且,京东早在 2015 年便启动欧洲出海业务 Joybuy,最初定位与阿里巴巴旗下的速卖通类似,在 2021 年退出,今年又重启 Joybuy 平台自营业务,先后进入英国、法国、德国、荷兰、比利时和卢森堡等市场。 但欧洲也是亚马逊的强势市场,京东要想抢市场蛋糕并且实现盈利,并没有那么容易。作为镜像,亚马逊的电商业务在中国经营多年一直水土不服,最终选择退出。 8 月 15 日,京东又花了 40 亿港币收购香港本土商超 “ 佳宝 ”,进军香港生鲜市场。目前,佳宝在香港拥有逾 90 家门店,主营涵盖各类急冻家禽肉类、海产、粮油杂货、蔬菜水果等商品。 阿里在线下零售踩过的坑,京东也打算试一试。就像小马过河,河水的深浅可能只有自己亲自走一趟才知道。 总体来说,京东的外卖业务和国际化业务长期发展难以判断,但短期的财务表现是从年盈利 400 亿上下的印钞机变成不赚钱的公司。 2025 年,京东给人的感觉恰如《 双城记 》的经典开篇: 这是希望的春天,也是失望的冬天。 撰文:拾月 编辑:大饼 注:本文不构成任何投资建议
对话Rokid祝铭明:三五年后,手机还在,但眼镜是主体
摘要: “三五年之后,手机还在,但眼镜是主体。手机将作为通信、计算和存储的终端,而交互更多发生在眼镜上。” 凤凰网科技 出品 作者|杨睿琪 编辑|赵子坤 刘毓坤 “三五年之后,手机还在,但眼镜是主体。手机将作为通信、计算和存储的终端,而交互更多发生在眼镜上。”11月13日,在Rokid与暴龙眼镜的跨界合作发布会后,Rokid创始人兼CEO祝铭明(Misa)接受凤凰网科技等媒体采访时,对AI眼镜的未来做出明确判断。 为实现这一愿景,祝铭明首次明确了Rokid的双线战略:公司自身将专注攻坚带显示的AR眼镜,同时将不带显示的产品与技术能力开放给合作伙伴。与暴龙的合作正是这一模式下的首个重要尝试。 百万台量产 Rokid,算得上是国内最早一批“预告”要发AI眼镜的厂商,但产品面世周期也相对长。 在会后采访时,祝铭明坦言,此前行业对市场需求的预判严重不足。“最初规划10-15万台产能,结果远远不够,很多订单被迫推迟到明年。”他透露,从双十一开始,供应链已调整为三班倒生产,预计12月后行业将具备百万台产能级别,“尽量只卖现货、不卖期货”。 对于明年的市场预期,祝铭明给出了具体数字:Rokid目标销量100万台,后年200-300万台,大后年突破千万台。“要么我们实现,要么其他品牌实现,但趋势不可逆。” 在全球化布局上,Rokid采取“自有品牌出海+合作品牌双线并行”。目前其海外订单已达5万台,并在Kickstarter等众筹平台创下品类纪录。 暴龙品牌市场总经理杨光则指出,智能眼镜的产品逻辑已发生变化:“首先要是一副‘好戴的眼镜’,再叠加科技功能”。暴龙凭借全链路能力主导前端设计,Rokid负责电路、电池等科技模块,双方在材料与结构上反复打磨。 这一合作模式与Meta和雷朋的合作异曲同工。Meta通过与眼镜巨头Luxottica合作,解决了时尚感与佩戴舒适度问题,这也是其占据全球市场七成份额的关键。 据 Counterpoint 的《全球智能眼镜出货量追踪报告》,2025 年上半年,全球智能眼镜市场的出货量同比增长了 110%。2025 年上半年,AI 智能眼镜占到了智能眼镜总出货量的 78%,相较于 2024 年上半年的 46% 和 2024 年下半年的 66%,有了显著提升。 2025年以来,就国内市场,阿里、小米、百度等多家大厂入局AI眼镜市场已到“收获期”,多款AI眼镜争先上市。 面对此等“百花齐放”的竞争态势,祝铭明则表示,大公司还没有准备好入场,现在还是探索型的阶段。“所以,我敬畏大公司,前提是它要all in,Rokid仍然是这个行业里在这个领域单位投入密度最大的公司,短期内不会缺弹药,所以不用担心。” “如果按照我刚才的预测,明年真的做到100万台,竞争格局就是另一个烈度,那时候才是我们真正要面对的挑战。今天不必太担心,并不是他们没有这个能力,而是还没有到他们发力的时候,必须客观面对。”祝铭明补充道。 祝铭明认为,就OS生态来说,“大公司会背着自己的包袱”,Rokid反而身段更加灵活,可接入多款不同公司的大模型、支付平台等。 目前,Rokid平台已聚集近3万名开发者、近5000家企业。祝铭明透露,明年将投入1000万元人民币用于开发者大赛,支持中小团队,获奖奖金可支撑其运营。 硬件生态同样采取开放策略。第三方开发者已推出贴膜、甲片、胶囊充电电池等配件,未来拢音器、戒指控制器等也将通过ODM模式纳入官方体系。 AI眼镜,不再是小众玩具 2025年,智能眼镜在光波导显示、专用芯片、电池技术以及交互方式等方面确实取得了显著进步,这些技术共同推动智能眼镜更轻薄、更智能、续航更持久。 这些技术进步也直接反映在用户体验上。祝铭明分享了一组数据:Rokid Glasses在升级融合拍照功能后,用户日均分享量增长3-4倍;AI搜索、翻译、提词等场景使用频次持续攀升。 目前,Rokid已拥有1007家线下加盟店,其中近40家店由Rokid带来的收入占比超50%,且“线下退货率几乎为零”。 潘路披露,购买Rokid产品的用户中20%为首次佩戴眼镜的新客,智能眼镜正成为线下渠道获客利器。结合杨光提出的“暴龙全链路配镜服务优势”,潘路补充,双方推出“套镜组合”方案,为近视用户提供“智能眼镜+适配镜片”打包服务。 从用户行为数据中,祝铭明看到了行业突破的曙光:拍照功能激活后,用户日均分享量增长3-4倍;AI搜索、翻译、提词等场景使用频次持续攀升。 “很多人觉得我保守了,但答案留给明年验证。”祝铭明表示,这一判断与马斯克近期观点不谋而合,“AI眼镜走向大众市场的信号已经明确,它不再是科技圈的小众玩具,而是普通人愿意戴、乐于用的日常工具。” 不过,尽管行业呈现爆发式增长,但要实现全面普及仍需攻克三大瓶颈:续航能力、交互自然度和生态协同性。当前主流产品单次充电使用时长普遍不足10小时,手势识别误触率、语音唤醒准确率仍有改进空间。 凤凰网科技在发布会现场体验Rokid智能眼镜时就发现,产品在实际使用中仍面临一些技术挑战。在嘈杂的展馆环境中,语音助手“乐奇”多次出现唤醒失败的情况,显示出现实场景下的语音交互稳定性仍需提升,也就是说,AI智能眼镜在走向成熟商用的过程中,仍需持续优化噪声环境下的语音识别、声学结构设计及数据传输效率等基础体验。
Robotaxi太火爆,硅谷大佬盯上中国无人车分公司
Robotaxi风口当前,硅谷大佬已经坐不住了。 这不,特拉维斯·卡兰尼克(Travis Kalanick),真正有钱、懂技术、自动驾驶领域搅动过风云的硅谷大佬,决定重新入局—— 方式是瞄准最优质的资产,买买买。 什么资产?来自Robotaxi标志性玩家小马智行的资产,卡兰尼克被曝想要入股\收购小马智行的美国业务。 小马智行被人垂涎,这不意外。不过如果这个人是卡兰尼克,多少有点别的趋势和风向在改变。 因为卡兰尼克,更早之前更知名的经历是Uber创始人,开创了网约车、共享出行这个赛道……而且卡兰尼克对于技术创新和自动驾驶,几乎是和马斯克一样,从*天就看到了其颠覆式变革力。 卡兰尼克不仅很早就把自动驾驶、Robotaxi视为共享出行的*关键,亲自督导的Uber自动驾驶业务一度也是行业内跑得最快的组织,还曾冒天下之大不韪从谷歌把莱万多夫斯基挖到了Uber……成为了无人车全球*官司的被告。 现在,淡出江湖多年之后,卡兰尼克在一个他认为的天时地利时刻,把目光锁定了小马智行——他认为的*质Robotaxi标的。 Uber创始人盯上小马智行美国分公司 有报道称,Uber创始人卡兰尼克正在找投资人攒局,打算收购小马智行的美国子公司。有消息称,全球网约车巨头Uber也有意参与其中,帮助卡兰尼克达成收购——因为虽然卡兰尼克退出了Uber管理,但仍然持有相关股份。 Uber官方对此进展拒绝回应,只表示: 或许是受此影响,小马智行的股价一度大涨超20%。 据报道,这项潜在的并购实际推进的难度也不算大。因为很早之前,小马智行就出于合规原因,在各地研发中实现了代码和数据相互独立的操作。可以理解为,公司是统一公司,但业务相互独立,某个地区的业务实际都在独立发展。 就看卡兰尼克决心有多强,以及小马智行如何接招了。 双方其实也是“老朋友”了。 因为大家都*批入局自动驾驶、无人车,是瞄准Robotaxi*目标的行业先驱。 卡兰尼克这个人,你可以说他道德不够崇高、管理能力低下,但无法否认其在颠覆式创新领域的眼光。 在山姆·奥特曼成为硅谷宠儿之前,卡兰尼克是最受瞩目的那一个。 硅谷天才少年,自动驾驶创业元老 卡兰尼克出生于1976年,人生轨迹和很多硅谷天才相似: 少年天才,小学还没毕业就学会了编程。 辍学名校,1998年从加州大学洛杉矶分校辍学。 连续创业,2007年作价1900万美元将创业项目卖了,悠闲了一段时间。 2009年和朋友在巴黎玩,因为打不到车,就萌生创业念头,创立了网约车公司Uber,担任CEO。2015年,自动驾驶创业高潮前,Uber就与卡内基梅隆大学联合设立了技术研发中心,开始在无人驾驶领域合作。 这背后源于卡兰尼克对自动驾驶极度重视,他认为开发自动驾驶汽车事关Uber“生死存亡”。如果Uber的竞争对手率先实现自动驾驶,“整个Uber将一文不值”。 时代的发展很快印证了卡兰尼克的眼光。 Uber与卡内基梅隆大学合作第二年,Waymo从谷歌独立,小马智行在硅谷创立,百度则在2017年整合自动驾驶资源,设立了IDG。 Uber从卡内基梅隆大学挖走了数十人,成立ATG(Advanced Technologies Group)部门,专门负责研发自动驾驶,为该部门投入了数亿美元。 同时不甘于Robotaxi这一条商业化道路,还斥资6.8亿美元收购自动驾驶卡车公司Otto,得到了谷歌无人车核心工程师莱万多夫斯基,这为卡兰尼克后来下台埋下一颗雷。 △左为卡兰尼克,右为莱万多夫斯基 此后Uber的自动驾驶团队快速扩张,2017年仅车上的安全员和测试员就多达数百人,公司领导层指示他们“里程突进”,一周累计里程突破13万公里,相当于绕地球3圈还多。 就在此时,Waymo向Uber发起诉讼,指控Uber盗用专利,莱万多夫斯基涉嫌窃密。卡兰尼克作为CEO自然牵涉其中,在诉讼中他透露,是他建议莱万成立Otto,然后由Uber收购。也承认莱万向自己汇报过,其离职后仍持有谷歌无人车的资料。 因为卡兰尼克故意隐瞒了多项关键信息,导致Waymo和Uber双方发生诉讼纠纷。最终双方于2017年和解,莱万被解雇入狱,卡兰尼克因为这场风波,加上此前的内部丑闻,被Uber赶出公司。 再后来由于致命车祸,Uber自动驾驶业务也风雨飘摇,在2020年作价44亿美元,打4折出售给了自动驾驶公司Aurora。 出局后的卡兰尼克继续创业,入局外卖市场,2021年项目估值一度高达150亿美元。这八年他很少对外发声,远离了公众视线。 近两年,卡兰尼克回归到聚光灯下,发声露面,显示自己仍然关心着自动驾驶。 卡兰尼克“深感遗憾”地回忆称,Uber当时的技术仅次于Waymo,如果能坚持,甚至本来能超越,并表示Uber放弃自动驾驶是“巨大的战略失误”。 曾和Uber同年发力的Waymo如今已是全球Robotaxi领头羊,周订单突破25万单。同期入局的小马也以技术实力和天才云集的团队闻名,被行业称之为「中国版Waymo」。 曾经和Waymo竞争的卡兰尼克,想要借助「中国版Waymo」东山再起。 为什么是小马智行? 2016年底,小马智行在硅谷创立,半年以后就获得了加州路测牌照,2019年6月又获得了美国Robotaxi运营牌照,一度在美国5个城市进行常态化路测或运营。 后来非技术因素,美国路测一度暂停后又恢复测试,但小马的全球业务并没有止步,国内落地了北上广深四大一线城市,中东的沙特和阿联酋,欧洲的卢森堡,亚洲的韩国也都在推进合作。 △左后为小马智行联合创始人、CEO彭军 迈向全球落地,挑战不同地区各种各样的场景,就是小马技术实力*的证明,这已经获得了资本市场认可。 2024年11月,小马智行以“PONY”代码敲钟上市,融资额近3亿美元,规模创下美股自动驾驶领域年度之最。 自动驾驶也在2024年走出低谷,迎来新一波高潮。马斯克近期正式躬身入局,更是让Robotaxi受到了前所未有的关注。 而也就是最近,小马智行还被纳入纳斯达克中国金龙指数,也是另一重肯定和认定。 所以归结起来一句话—— Robotaxi价值在兑现,卡兰尼克的风口嗅觉在作用,小马智行则已经成为代表性标的。 卡兰尼克盯上小马智行,算不上多意外~~
广汽集团与阿里云合作升级:签署全栈AI协议,将基于通义打造专属大模型
凤凰网科技讯 11月14日,广汽集团与阿里云今日宣布深化技术合作,双方正式签署了一项全栈AI战略合作协议。根据协议,广汽集团将利用其在整车研发和智能制造领域的经验,与阿里云的云基础设施及“通义”系列大模型技术相结合。双方的目标是共建一个面向未来的汽车行业基础设施,推动AI技术在汽车研发、生产、营销、管理及用户服务等全业务场景的深度应用。 在基础设施层面,广汽集团将采用阿里云的高性能算力与云计算产品,构建一套弹性的云架构。这一新架构将全面支撑广汽的核心业务系统上云,并为智能辅助驾驶、智能座舱、车联网及全球化服务提供底层技术支持。 在AI应用层面,广汽集团计划基于阿里云通义系列大模型,打造专属的企业级大模型。这标志着AI将更深层次地融入广汽的业务流程,例如在智能座舱中实现更复杂的多模态交互、为销售端提供AI知识助手,以及辅助商业智能决策,旨在全面提升研运效率和用户体验。 实际上,自2021年5月起,双方的合作已在多个领域取得实效。在智能辅助驾驶研发方面,广汽利用阿里公共云与PAI平台,已成功将模型训练时间缩短了50%,亿级规模的数据处理周期也从“按周”缩短至“按天”,实现了智驾模型每两天一次的高质量迭代。在全球化布局上,双方共建的中东车联网平台已帮助广汽将数据成本降低了约50%,同时将车辆网络延迟压缩至2-3秒,有效支撑了海外市场的智能网联服务需求。
微软CEO纳德拉谈AGI:若单一主导AI模型普及,市场将终结
IT之家 11 月 14 日消息,在近期接受 Dwarkesh Patel 与 SemiAnalysis 创始人迪伦・帕特尔(Dylan Patel)的联合采访时,微软首席执行官萨提亚・纳德拉(Satya Nadella)分享了其对 AGI(通用人工智能)的独到见解。他一方面对 AGI 的潜力表示振奋,认为其有望通过大幅提升生产率带来指数级增长;另一方面则强调,当前更迫切的需求在于构建多样化的模型体系与技术生态,而非依赖单一模型解决所有问题。 图源:微软官网 IT之家注意到,纳德拉坦言,AI 的确具备驱动非凡增长的潜力,但仍处于发展初期。因此,与其执着于 AGI 的实现,他更倾向于从“对人类的实际效用”出发推进技术落地。 他特别提及,自己最欣赏计算机科学家拉吉・雷迪(Raj Reddy)对人工智能的定义 —— 因其高度以人为本:“雷迪曾用一个比喻来阐释 AI:它要么应成为人类的‘守护天使’,要么充当‘认知增强器’。我非常认同这一点,这是理解 AI 本质的一种简洁而有力的方式。” 纳德拉进一步阐述道:“我本人同样为这样一个设想而激动不已:继工业革命之后,AI 或许是人类历史上最具变革性的技术跃迁。我以此为出发点。但与此同时,我也清醒地认识到,这仍处于‘比赛的早期阶段’。我们已构建出若干极具实用价值的系统,展现出卓越的性能特征,且各类规模法则(scaling laws)持续奏效 —— 我对此保持乐观,相信其有效性还将延续。” 尽管如此,他也承认,目前对 AGI 最普遍的定义仍指向一种在认知能力上全面超越人类的强人工智能系统。访谈进而探讨了一种假设情境:某家 AI 研究机构凭借单一模型率先实现 AGI 的关键突破,并将其大规模部署 —— 该模型不仅能持续学习进化,甚至有可能最终接管经济体系中的绝大多数工作岗位。 更值得关注的是,当被问及若出现上述情形,微软将如何应对,以及是否意味着某一家公司可独占全部技术红利,纳德拉给出了如下回应:“倘若真存在一个占据绝对主导地位的模型,得以无处不在地部署、吸纳全部数据并持续自我进化,那么答案是肯定的:这将是一场‘定局之战’(game, set, match),市场实质上将就此终结。” 他强调,未来“模型公司”(model companies)与“架构支撑型公司”(scaffolding companies)必须协同合作。纳德拉警示道,模型公司可能面临“赢家的诅咒”(winner's curse)的风险:“你或许付出了巨大努力、实现了非凡创新,但成果仅‘一键复制’之遥便可能被彻底商品化。”
潮玩出海@2025:小玩具撑起“新丝绸之路”
十一假期,喜欢星星人的Rachel趁着去泰国旅游,打算去暹罗天地的泡泡玛特“反向进货”,把想要的毛绒挂件和潮玩一口气抱回家,顺便再去LABUBU主题咖啡厅打个卡。 没想到的是,这家位于曼谷的全球最大泡泡玛特旗舰店也没有“余粮”,随处可见的“sold out”让她才想起来,泡泡玛特的LABUBU、CRYBABY、SKULLPANDA等原创IP在泰国也早就是超级顶流了。捡漏不可能,只能是在店门口打个卡,权当“朝圣”。 不同于以往我们对“made in China”的出海想象,从纽约时代广场到东京池袋,从曼谷Siam Paragon到悉尼乔治街,以LABUBU为代表的中国潮玩正在全球范围内复制着一场起源于情绪消费的文化符号商业奇迹。 仅在2025年上半年,泡泡玛特以138.76亿元人民币的营收,超越迪士尼和万代南梦宫在玩具业务方面的收入,跃居全球第二。名创优品在2025年期间海外收入也突破19亿元,同比增长28.6%。其潮玩子品牌TOP TOY凭借淡马锡领投的百亿估值,加速推进"带100个中国IP出海"的战略目标。 几年前还名不见经传的中国潮玩,到底是怎么火起来的呢? 中国潮玩出海的成功,本质上是一场对传统玩具产业的“降维打击”。它不仅仅是将产品卖到海外,而是通过由强大供应链、原创设计能力和成熟社交媒体营销构成的独特商业模式,重新定义了全球潮玩产业的竞争规则。 其中,强大的供应链是这一切的工业基础,它从根本上决定了潮玩产业的生产效率和创新节奏。这套体系能够迅速将设计灵感转化为海量货架上的商品,从而实现“周度上新”的行业奇迹。 这种能力,使得潮玩得以突破“限量收藏品”的传统定位,蜕变为一种能够即时满足情绪需求的“消费品”。 比如2025年在美国市场表现亮眼的名创优品,背后是由1500多家核心供应商构建的柔性制造网络。当一位消费者在纽约时代广场的名创优品店内随手拿起一个令人会心一笑的“右右酱”时,他指尖触碰到的,不仅是精巧的设计,更是一套以惊人的速度、可控的成本和稳定的品质生产,在一个十几亿人基数市场得到验证和肯定的强大工业品。 这正是中国潮玩能够席卷全球的底层密码。 仅有制造能力远远不够。中国潮玩真正的突破在于,它正在完成从"中国制造"到"中国创造"的跨越。这一转变的根基,是当下社会蓬勃生长的文化自信。 当年轻一代设计师能够从容地从东方美学与现代生活中汲取灵感,而本土消费者也真心欣赏并愿意为这些原创设计买单时,一个良性的创作生态便形成了。正是这片土壤,让中国的原创设计拥有了自我生长的力量。 在这一背景下,各品牌探索出了不同的创新路径。 布鲁可的“积木+潮玩”模式让其出海业务在2025年上半年获得了1.1亿元海外营收,相较去年同期增长899%,其成功在于它创造了一种“既能玩又能藏”的新体验,这背后是对产品形态和用户需求的深度思考。 泡泡玛特的成功则展现了另一种能力,构建一套将设计师前瞻性的艺术创作与市场趋势洞察高效结合的体系。 以在东南亚市场“杀疯了”的SKULLPANDA为例,其设计师熊喵本身的艺术风格吸引了不少粉丝的关注。泡泡玛特的价值在于,它能够将这种原本存在于二维平面的艺术风格,通过精细的三维建模、材质选择和品控管理,高保真地转化为具有收藏价值的实体潮玩,把小众的审美风格推向大众市场。 如“密林古堡”、“食梦动物”等系列,其世界观和视觉风格都延续并深化了设计师固有的艺术语言。 社交媒体则彻底改写了潮玩产业的成长逻辑。 当Lisa和全球明星在社交平台自发分享Labubu的开箱视频,当OHKU的绒绒怪亮相全球规模最大的游戏展Gamescom 2025,当名创优品通过"超级IP+超级门店"模式在社交媒体引爆话题,我们看到的是一个全新的IP孵化模式:潮玩不再需要漫长的文化积淀,而是在算法推送中完成与知音的邂逅。 TikTok、X等平台就像潮玩的"云上基建",让中国品牌能够绕过传统的文化输出壁垒,直接与全球年轻人建立情感连接。 弗若斯特沙利文数据显示,2015年至2024年,全球潮玩市场规模从87亿元增长至448亿元,年复合增速接近23%。在这个快速扩张的市场中,中国潮玩品牌凭借其独特的系统优势,正在书写属于自己的全球化故事。 从名创优品的全球化效率,到泡泡玛特的IP运营,再到TOP TOY的平台化战略,每一家企业都在用自己的方式,证明着中国创造的无限可能。 虽然潮玩出海正值黄金时期,但企业仍需正视那些关乎长远发展的深层次挑战。从商业模式的胜利,到文化认同的建立,中国潮玩品牌正在进入一个全新的竞技阶段。 潮玩的本质是搭载情绪消费的文化符号,但任何文化符号都有其情感生命周期。为了延长这个周期,盲盒式的购买机制、可爱的设计语言都只是表层手段。真正的突破在于为IP构建完整的“世界观”。 比如,迪士尼的星黛露在同属达菲家族的玲娜贝尔横空出世后,由于缺乏动画作品支撑,很快从“一姐”宝座掉落;同样,曾经风靡一时的暴力熊也因缺乏持续的内容滋养而从顶流走向沉寂。 这种规律对中国潮玩同样适用。52TOYS的招股书显示,该公司收入超60%来自迪士尼、蜡笔小新等授权IP,而其自有IP始终难担大任。卡游同样缺乏像LABUBU这样能够跨越文化障碍的原创IP,小马宝莉、哈利波特、叶罗丽、猫和老鼠都有一定热度,但难以在海外市场拥有长久的生命力和品牌影响力。 显然,中国潮玩企业们也意识到了这一点,无论是已经在北京打造主题乐园的泡泡玛特,还是已经推出《布鲁可战队》系列动画的布鲁可,又或是在财报与战略规划中明确将动画、游戏等内容创作列为IP运营必经之路的52TOYS与卡游,都在为IP注入持久生命力做战略布局。通过这些举措,品牌讲不再仅仅销售玩具,而是在构建一个可以让消费者沉浸其中的“情感宇宙”。 更深层的问题还在于供应链的脆弱性。随着全球贸易环境的变化,中国潮玩依仗的供应链优势正面临挑战。即便拥有强大的中国制造背书,原材料价格上涨、关税政策变化等不确定因素始终如影随形。 多点布局已成为行业的必然选择。头部企业已开始考察东南亚产能,但这一过程不可避免地推高了管理成本,同时对企业的跨国品控能力提出了更高要求。在这个过程中,如何平衡成本与质量、效率与稳定,将成为决定企业出海深度的关键因素。 另一层的挑战来自于文化认同的差异。每个市场都有其独特的文化密码:在东南亚市场,CRYBABY是继LABUBU之后的新顶流,但国内消费者明显更偏爱星星人。在中东市场,潮玩的衣着、发型都需要根据宗教限制进行本土化改造。 一部分企业正在努力适应海外市场的节奏,比如在欧美和中国已经十分成熟的卡牌文化,在中国品牌的“出海舒适区”反而比较稀薄。对卡游这样以集换式卡牌盲盒抽卡式营销见长的品牌,就必须进行当地消费者的持续教育。 再如由阿里领投、上线首日全渠道销售破4000万元的潮玩初创品牌AYOR TOYS,在东南亚市场推出了泰式佛系配色限定款,既保留IP内核又融入地域特色。 另一部分企业则选择了先攘外、再安内。如对国内玩家尚属陌生的中国潮玩品牌OHKU,优先选择了深耕德国、意大利等欧洲市场,在当地已经成为了头部品牌。绒绒怪“外表凶悍、内心柔软”的反差萌设计,正好能击中当地年轻人的自我认知,让用户产生强烈代入感。 挑战始终与机遇并存,正如Rachel在曼谷之行后的感悟:“那么多开到泰国的潮玩店,会让你感觉泰国人和我们也没什么不一样,我们都喜欢可爱的小玩具,都向往那种萌萌的感觉。” 如果说潮玩出海前半场是靠供应链效率和数据化运营,打赢了一场商业模式的战争,后半场就需要靠文化内涵和价值观输出持续赢得身份的认同。 我们希望产自中国的潮玩不只是全球玩家的一时新鲜,而是能承载中国文化、更能打开世界对中国认知的一把钥匙。 当海外消费者不仅因为设计好看而购买,更因为认同其背后的文化价值而收藏时,中国潮玩才能真正完成了从商业成功到文化成功的进化。 这条路虽然漫长,但每一步都值得期待。
Transformer作者重磅预言:AI无寒冬,推理革命引爆万亿市场!
导读:LLM逼近上限?图灵奖得主Yann LeCun和Richard Sutton联手唱衰,却被Transformer之父Kaiser回击! AI没有寒冬,只有资本与算力的热浪! Transformer的火种已燃烧七年。如今,推理模型(Reasoning Models)正点燃第二轮革命。 Transformer共同作者、OpenAI研究员Łukasz Kaiser预判: 未来一两年,AI会极速跃升——瓶颈不在算法,而在GPU与能源。 推理模型正改写规则,钱与电,才是决定胜负的「硬通货」。 2017年,Transformer架构横空出世,八位共同作者载入AI史册 值得关注的是,在ChatGPT问世前加盟OpenAI,Łukasz Kaiser此后一直专注研究推理模型——他认为这是继2017年Transformer之后最重大的突破。 最近,他公开表示「推理模型」只是开端,还远未到定义AI的终局时刻。但这也许正是最值得兴奋的地方。 我们终于有了一种能思考的机器。现在该让它少些花哨,多去把事情做完。 万亿美元的AI路线之争 这是一场价值万亿美元的AI观念之争。 「通用人工智能」,已成为业界多数人追逐的目标——真正具备人类认知水平的通用智能体。 OpenAI一路烧钱烧资源,不断Scaling,让硅谷陷入「AGI狂热」:LLM+数据+GPU+能源就是AGI! OpenAI发布o3之时,经济学家Tyler Cowen认为AGI已诞生,2025年4月16日就是AGI日。 即便是Karpathy表示「AGI还需再等10年」,在美国湾区都会被认为对AI的前途太过悲观。 但不是没人唱反调: 叫它沉没成本也行,叫它包袱偏见也行,千万别叫它智能。 硅谷的10万亿美元幻觉 强化学习之父、2024年图灵奖得主、《苦涩的教训》的作者Richard Sutton断言,大语言模型已走入死胡同。 在他看来,语言大模型并没有吸取任何「苦涩的教训」。 换言之,他指出大语言模型存在关键缺陷:其改进能力存在极限,而这个极限远比众所周知的要近得多。 图灵奖得主Yann LeCun多年来支持类似的观点。 Ndea人工智能实验室联创、开源深度学习框架Keras之父François Chollet也这样认为。 LLM是对AGI而言是断头路,所以他联合他人发起百万美元AI奖项ARC Prize,只为让大家重新回到通向AGI的正确道路。 最近,Łukasz Kaiser公开反驳了「LLM是死胡同」这一观点。 他虽不确定Sutton是否针对的推理型LLM,但推理模型存在着根本性突破:它们所需训练数据量比传统模型少几个数量级。 这类模型能真正加速科研进程,本可以并行开展更多实验,只是我们目前缺乏足够的算力支撑。 归根结底是算力瓶颈,关键在于GPU和能源。这才是根本性制约,目前所有实验室都面临同样处境。这就是为何奥特曼为何疯狂融资的原因。 推理革命 LLM推理正引起AI领域重大的范式转移。 普通用户很可能从未接触过真正的推理型大语言模型。 即便使用过,也是通过GPT-5的路由系统间接调用,而他们对此并不知情。 推理模型具备以下能力: 能够自我反思并发现自身思维链输出中的错误,从而及时调整推理路径; 当接收到解决复杂问题的指令时,可通过「深度思考」动态分配更多计算资源; 在推理过程中,直接调用外部工具执行操作; 生成多条备选推理路径,并自主筛选最优解。 这已完全不同于GPT-4这类纯自回归大语言模型的时代。 而且推理模型(Reasoning Models)问世尚不足一年,远未达到潜力上限。 在绝大多数推理密集型任务中,OpenAI的首个推理模型o1显著优于当时最强的通用模型GPT-4o。 它们不急着开口,会先在脑中「打个草稿」——推理、检索、调用工具,像人类在回答问题前的那几秒犹豫。 在这种模式下,AI不仅能接上对话,还能「搞定一件事」:写完一份报告、排查一段代码、核对数据库。 Łukasz Kaiser把这看作一次静悄悄的范式更替。「这就像从对话生成器,变成真正的思考者,」他说。 更让他兴奋的是,推理模型对数据的渴求小得多,却能解决更难的问题。 在数学、程序分析这类结构化任务上,效果尤其明显。 16岁遇见AGI之父,AI日新月异 说来有趣,16岁时,Łukasz Kaiser的第一份有偿工作就是为Ben Goertzel编程。 在2001年前后,Ben Goertzel正式使用并普及了「Artificial General Intelligence」(通用人工智能)这一术语,用以区别于当时的「Narrow AI」(狭义人工智能)。 而现在AGI却被理解为完成人类能做的所有任务。 但现实是,AI与人类智能存在本质差异。 它在某些领域(如游戏、数学题解答)已超越大多数人,但在物理世界相关事务上仍无能为力—— 现在的机器人,依旧笨拙不堪。 这种差异化发展或许才是技术演进的常态。 因此,Łukasz Kaiser认为未来发展路径将是: AI能力会持续增强。但至少短期内,在物理世界相关领域仍将存在人类不可替代的工作,无论是技术上还是经济成本上。 比起概念争论,现阶段更值得关注的是推理模型带来的变革。 过去一年最大的突破在于,AI已能真正胜任职场中的某些工作任务,并且完成得相当出色—— 不仅是秒级响应,更能持续工作数小时产出有价值成果。 这意味着我们可以将待办事项交由AI处理,从而提升整体效率。无论是否称之为AGI,AI正在变得越来越强大是不争的事实。 编程领域就是最佳例证:自从AI开发者开始聚焦这个方向,进展令人震惊。 无论是Anthropic的Claude还是OpenAI的Codex,现在都能根据需求生成完整程序,耗时仅数小时。 它们擅长理解大型代码库、进行代码审查、发现漏洞甚至安全威胁——这些能力在一年前还难以想象。 回想Claude 3.5约一年前发布时已是划时代突破,当时SWE-Bench基准测试通过率约30%,如今已达75%。 三个月前,代码模型还只是辅助工具,但现在却能真正处理复杂代码库。这种指数级进步意味着什么,不言而喻。 AI发展如此之快,但有些人开始担心我们正在进入另一个AI冬天。 Łukasz Kaiser却相对乐观。 AI的新范式:推理刚刚开始 过去,确实存在过Transformer范式,当时靠Transformer+Scaling,创造了ChatGPT。 当然,这种自回归范式,即预测下一个词,并在越来越多数据上训练越来越大的模型,这样已持续多年了。 通用的互联网数据,基本上已经被使用完了。它已经在所有这些数据上训练过了。谁也无法轻易获得比这多得多的(数据)。 但新的推理范式,才刚刚开始。 Łukasz Kaiser觉得这个范式如此年轻,以至于它仅仅处在一个非常陡峭的上升路径的起点。 就它未来的能力而言,我们已经走了一小段路。所以,我们知道它已经能做惊人的事情。 但我们还没有真正地充分利用它。我们把它扩大了一点规模,但还可以有更多的扩展。有更多的研究方法可以让它变得更好。所以,在这个新范式中,我们正处在一个陡峭的上升路径上。 我们正见证新范式的上升趋势,但它需要进一步深入研究:有些研究效果很好,有些则一般,你永远不知道——这就是研究令人兴奋的部分。 如果你把新旧范式两者结合起来,那么你就需要开始准备—— AI冬天不会即将来临,甚至在未来一两年内改进可能非常猛烈。 之后,世界将翻天覆地——这几乎有点让人害怕。 推理的突破真的非常大。 这不是偶然。GPT-4之前,OpenAI就开始研究推理模型,因为人们清楚地看到,仅仅纯粹的Scaling在经济上不可行,我们需要一个新的范式。 Łukasz Kaiser认为现在的推理模型有点像早期的「RNN」,思考仍然是一步一步的。 未来,它们需要「多线并行思考」—— GPT-5 Pro已经初步实现了这一点:同时运行多个思维链(chains of thought),然后让它们「讨论」并选出最佳答案。 这种方法可能带来更快、更强的推理能力。 当前的重点:从任意数据中学习 当前推理模型最值得关注的突破点,Łukasz Kaiser认为是「从任意数据中学习」的能力。这是他最近研究的重点。 现行训练方法需要标注数据正确与否,但现实世界的数据大多不像考试题目那样非对即错。 阅读书籍时,人们不会纠结下一段文字是否正确,而是直接理解吸收。这种自然的学习方式才是更理想的范式。 GPT模型主要使用的是文字信息训练。但OpenAI多模态训练现在进展如何? 目前,ChatGPT确实已经在进行多模态模型训练了。 神经网络把音频编码成离散的音频token(audio tokens),图像也被编码成图像token(image tokens)——不是整张图变成一个token,而是分成多个图像块。 然后模型通过预测下一个token来进行训练。通过这种方式,它就能生成音频、生成图像。 而且这套方法有效到让人惊讶。 总体来看,多模态训练确实取得了成功。 早期,生成的图片人物总是有六根手指,图像文字更是惨不忍睹。 后来,大家增加了训练数据、调整了编码器结构。虽然核心的Transformer序列模型架构没变,但AI生成效果已经突飞猛进。 现在,AI不仅能生成报纸版面的完整文字,音频也能唱歌、耳语、模仿各国口音。虽然偶尔还有瑕疵,但整体效果已经令人惊叹。 如果转向音频和视频训练,数据集规模将实现数量级增长——毕竟视频包含的信息量极其庞大。 但Łukasz Kaiser提醒,视频虽然数据量巨大,但大部分只是颜色、纹理等细节,对推理和理解世界帮助有限。 AI需要学会「挑重点」,只提取有意义的部分(例如运动、因果、变化)。 文字让模型理解「抽象世界」(逻辑、语言、思维),视频训练则让它理解「现实世界」(物体、空间、动作、物理规律)。 语言模型已经掌握了对抽象世界的建模,反而最欠缺的是人类最熟悉的物理世界的理解。 填补这个空白至关重要——这不仅能解决许多潜在问题,更是实现实用机器人的关键突破。 谷歌的Gemini 1.5 Robotics,已开始结合推理与视觉。 机器人会有「快反应系统」(动作)+「慢思考系统」(推理)。 随着视频理解成熟,「机器人有大脑」 将真正成真。 OpenAI唯一的Transformer发明者 Łukasz Kaiser是OpenAI 研究员、Transformer 架构创始人之一,此前曾任职于谷歌大脑团队。 他专注于深度学习与自然语言处理的基础研究,共同发明了Transformer架构、推理模型及其他神经序列模型,并参与开发了TensorFlow系统、Tensor2Tensor与Trax库。 在投身机器学习领域之前,他曾任法国国家科学研究中心(CNRS)终身教职研究员,致力于逻辑学与自动机理论的研究。 他曾运用可满足性求解器及其他符号化方法开发游戏对战系统,并从事程序综合研究。在理论探索方面,他完成了复杂性、博弈论和自动机领域的定理证明,解决了多个长期悬而未决的学术难题。 他于2008年获得德国亚琛工业大学博士学位,本科及硕士阶段毕业于波兰弗罗茨瓦夫大学。
全球最大开源具身大模型!中国机器人跑完马拉松后开始学思考
导读:从马拉松冠军到最强大脑,这次的突破不再是四肢,而是灵魂。 中国人形机器人,再获突破性进展! 昨天,全球参数量最大的具身智能多模态大模型——Pelican-VL 1.0正式开源。 它不仅覆盖了7B到72B级别,能够同时理解图像、视频和语言指令,并将这些感知信息转化为可执行的物理操作。 而且还针对目前具身能力短板,在空间理解、物理推理和思维链等维度实现了系统性提升,并在12个主流公开评测基准上达到行业领先水平。 可以说,Pelican-VL 1.0的提出,打通了从「看懂世界」到「动起来」的完整智能链路。 而这背后,便是创造全球首个人形机器人马拉松冠军的团队——北京人形机器人创新中心。 当前,通用大模型在迁移到具身智能任务时,仍面临多维度能力欠缺的问题。 李飞飞教授提出过Think in Space的观点,强调走向具身智能需要解决空间智能问题的重要性。英伟达和谷歌也在研究中指出,具身领域的大模型必须具备物理智能,并相继推出了Cosmos-Reason和Gemini-RoboticsER这类面向具身场景的多模态大模型。 无独有偶,创新中心也希望通过全面开源Pelican-VL这一基础大脑模型,帮助更多具身智能体获得更强的认知与决策能力,并在意图理解、长程任务规划推理等多类场景中实现性能提升。 具体来说,通过「刻意练习」(DPPO)训练范式,Pelican-VL在不断自我诊断与纠错中提升推理与规划能力,使模型像人类一样在失败中学习,从而实现了视觉理解、语言表达和物理执行的深度融合。 凭借这一机制,Pelican-VL在多个维度展现出突破性能力: 具备跨模态的理解与推理能力,能在复杂环境中识别目标、推断物体功能与可供性; 具备时间-空间认知,能理解动作的顺序与因果关系。 模型的自进化循环使其在每一轮训练后都能修正弱点,形成持续强化的学习闭环。Pelican-VL不仅是一种模型,更是一个能够驱动机器人系统不断进化的「智能引擎」。 总体上,论文报告称相较基线模型,在空间理解和时间推理等能力上出现显著提升,并在若干公开基准上超过了部分100B量级的开源模型。 Pelican-VL的推出不仅是一次技术突破,更为产业界与学术界带来了双重启示。 它首先构建了一套贯通「视觉理解—长程规划—物理操作」的通用训练范式,提供了一个可复用、可扩展的范式,降低了具身智能研发的门槛。 与此同时,团队开放了模型与推理框架,为科研机构和企业提供了一个可自由定制、快速迭代的智能基座,加速了从实验到落地的过程。 更深层的意义在于,Pelican-VL让「机器人自主学习和反思」从理念走向现实。 它的「刻意练习」机制使模型能在错误中总结经验、持续进化,如同人类通过反复训练掌握技能。 这意味着未来的机器人不再只是机械执行者,而是具备认知与改进能力的学习体。 可以想象,在家庭或工业场景中,它将能够自主判断物体用途、调节操作力度、优化行动策略——从被动执行迈向主动理解与自我成长,标志着具身智能迈入真正的「学习时代」。 智能抓取 实现精细抓取泛化操作新突破 当抓取一个水杯或一枚鸡蛋时,基于Pelican-VL的大脑会瞬间完成一系列精密的操作: 通过视觉预判物体属性、在接触瞬间施加恰到好处的力道、并在触碰后根据手感微调抓力。 这套由主动预测、触觉适应与记忆更新构成的「感知运动闭环」,是灵巧抓取的关键。 而这项能力正是具身智能机器人与物理世界交互的基础,但却面临着触觉感知与运动灵活的协同难、复杂场景下的泛化难、算法与数据制约等等难题,目前行业内即便有相关技术突破,也仍未完全解决大规模落地的难题。 如今,Pelican-VL驱动的机器人抓取框架,成功复现并实现了这一高级智能。 仿生核心:Pelican-VL构建的智能抓取闭环 技术框架严格遵循了人类感知运动的三个核心环节,并将其转化为可执行的机器人系统: 1. 主动预测:提供精准的「第一印象」 在机械臂接触物体前,Pelican-VL大模型凭借其卓越的视觉感知与真实世界物理推理能力,仅通过视觉输入,就能精准预测出物体的物理属性(如材质、易碎度),并生成初始抓取力。 这为机器人提供了如同人类般的「先见之明」,使其从指尖接触的一刻起,就具备了恰到好处的基准夹持力,通过模型提供前馈信息缩短闭环控制稳定时间。 2. 触觉适应:实现毫秒级的「手感微调」 在抓取和操控过程中,指尖的触觉传感器会实时传回微滑移、受力分布等数据。系统通过一个同步的在线摩擦估计与自适应抓取控制模块,像人类神经反射一样,持续、快速地微调抓力。 这不仅确保了抓取的稳定性,更关键的是能动态适应不确定因素,避免对精致、柔软的物品造成损伤。 3. 记忆更新:打造持续进化的「经验库」 每次抓取任务完成后,系统会对比预测与实际感官结果的差异,并将这次成功的交互经验存储在一个物理记忆图谱中。 当下一次遇到相同或类似的物体时,Pelican-VL会优先调用这个更新、更精确的记忆来指导预测。使机器人系统具备持续学习的能力,每一次抓取都在为下一次更精准、更柔和的操作打下基础。 实战验证:轻松拿捏精致与柔软物体 在实际机器人测试中,该框架展现出了卓越的性能。 从接近、加载、提升、持稳到运输归还的完整七阶段抓取流程中,Pelican-VL驱动的机器人能稳定操作一系列精致与柔性物体。 「看得准」:由Pelican-VL提供的精准初始力先验,极大地加速了后续自适应控制器的收敛过程。 「抓得稳」:在线控制器在提升、移动过程中持续动态调整抓力,有效应对惯性等扰动,确保抓取万无一失。 「学得快」:整个交互过程形成的经验被存入知识图谱,系统像一位经验丰富的老师傅,越用越熟练。 通过将Pelican-VL大模型的强大认知能力与实时控制、记忆系统深度融合,机器人抓取从简单的「执行命令」升级为了具备预测、反应与学习能力的智能行为。 这一能力使机器人在低成本、低样本的条件下依然能够实现高度泛化、更加柔性的抓取表现,为行业带来了真正可规模化落地的智能抓取方案。 这不仅是技术上的一个里程碑,更为机器人在复杂、非结构化环境中真正实现自主操作,打开了无限可能的大门。 VLM让VLA实现能力跃迁 在典型的Vision–Language–Action(VLA)系统里,Pelican-VL扮演着「视觉语言大脑」的角色,为机器人提供强大的环境感知和指令理解能力。 它将摄像头所见与自然语言指令结合,构建起对场景的多模态表征,然后输出可供后续决策单元使用的结构化信息。 也就是说,Pelican-VL负责「看图听话」,理解指令和环境,VLA负责跨机器人应用;二者组合可以在多种机器人上执行多任务。 有了这样的基础,系统可以完成长时序、多步骤的任务规划和执行。 Pelican-VL等具身智能模型可部署在商超、家居等多种真实场景中,通过视觉-语言感知辅助多步任务规划 论文中演示了一个生活场景下的复合指令:例如「把鞋子放到鞋架上、将桌上的垃圾扔到垃圾桶,再把衣服放入洗衣机」。 Pelican-VL首先感知房间物体和布局,构建出整个环境的语义表示;接着根据指令自动生成行动序列:依次移动到鞋架、垃圾桶和洗衣机位置并进行抓取和放置操作。 在这一过程中,模型不断更新内部环境状态,调整计划并适应实际情况,实现了自然语言指令的自主分解和执行。 简而言之,Pelican-VL构成了VLA系统的认知前端,为长期规划和指令执行提供跨模态的信息支持,使机器人能够像人类一样将复杂任务拆解并落地操作。 同时,在快慢系统、端到端等诸多架构中,前沿探索者们也一直在致力于研究当VLA以VLM为基座时,VLM各项能力为度对VLA模型所带来的性能增益。 例如DeepMind的RT-Affordance,李飞飞的ReKep以及Sergey Levine的Training Strategies for Efficient Embodied Reasoning等著名学者和机构都曾探讨过可供性、思维链等能力对于具身操作的重要性。 对此,Pelican-VL针对性地进行了能力提升,并在多个维度中达到行业领先水平。 RT-Affordance项目地址:https://snasiriany.me/rt-affordance 跨本体具身大脑实现多机协作 Pelican-VL具备不同层级的机器人任务规划调度能力,可根据场景生成机器人行为规划,并将其转化为具体机器人功能函数的执行调用,作为多机器人系统的任务调度器。 论文中给出一个多机器人协作流水线的开发示例: 在一个灯泡质检流程中,Pelican-VL将任务按机器人拆分为若干行为层任务,进而生成不同机器人动作层的函数调用。 例如,它会生成对「轮式人形机器人」执行「检查电控柜并启动系统」的函数调用指令,也会为双臂机器人生成「对灯泡进行结构与功能检测」的调用。 对于通用的操作函数,生成所需的控制参数,由专门的运动规划模块将其转化为关节轨迹和夹爪动作。 这种方式类似于一个项目经理给不同的团队下达精确的工作指令,Pelican-VL则通过多轮对话和分步指令,确保多台机器人的协同工作。 基于稳定多视角可供性的零样本操作 在更加通用的操作场景下,论文也给出了一个基于可供性进行任意物体操作的例子。 Pelican-VL先输出详细的视觉定位和功能性描述(如目标物体的抓取点、放置位置等),然后利用函数调用机制触发操作。 例如在通用抓取演示中,它会先生成多视角下的一致性预估(如抓取点、避障区域)以保证空间定位准确;接着将这些计划通过接口调用下发给运动控制单元。 这一流程就像「思维链」式的中间规划:模型内部先思考出清晰的步骤,再把每步落成可执行的函数调用,确保执行过程可控且透明。 通过函数调用,Pelican-VL不仅能处理单机任务,也可管理多机器人协作任务,进一步彰显了其在复杂系统中的实用性。 结语 此次Pelican-VL的开源,对于人形机器人产业与研究而言带来了两个正向价值: 首先它提供了一整套「视觉理解→长程规划→物理操作」串联的可复用训练范式,降低了在机器人中使用 VLM 的门槛; 其次,借助开源基础模型和推理代码,所有其他实验室或企业都可以在这个「脑」上做定制化训练,加速人形机器人在各行各业的落地探索。 作为拿下过全球首个人形机器人马拉松冠军、百米赛跑冠军的团队,北京人形机器人创新中心已经推出了具身智能的通用硬件平台「具身天工」和通用软件平台「慧思开物」两个开放平台,如今又在VLM上实现了重大突破。 不难看出,一切都是为产业落地提供更良好土壤,让国内的机器人厂商和开发者可以自由使用与定制人形机器人,加速研发进程,并且正在让具身智能机器人从最能跑,演化到最聪明和最好用的更高阶段。 根据了解,目前北京人形机器人创新中心还在推进「千台机器人真实场景数据采集计划」,让上千台机器人在工厂、仓库、酒店等场景中执行任务并采集数据。 而这些规模化的多模态数据与Pelican-VL结合,将推动其在制造业自动化、智能物流、零售无人化和家居服务等多领域的快速适配和优化。 对于制造业企业来说,基于Pelican-VL快速开发特定场景下的应用方案,可大大降低开发成本和难度。 长期来看,Pelican-VL及其后续版本将促进国内形成完善的通用机器人智能平台,推动更多种类的机器人像安装「通用智能操作系统」一样迅速获取新能力,让人形机器人更低门槛、低成本、高效率的走进不同制造业、工业体系。
男子用虚拟号打车不付款骗取滴滴30万 涉嫌诈骗罪被公诉
快科技11月14日消息,据媒体报道,11月11日,北京海淀法院开庭审理了一起涉嫌诈骗的案件。 一男子通过购买手机号注册新用户的方式,致使滴滴公司遭受高达人民币30万余元的损失。 据了解,在2023年至2024年期间,该男子在网络上大量购入非实名认证的虚拟号。 随后,他以“低价叫车”为诱饵,吸引乘客选择其提供的网约车代叫服务。 具体操作中,男子先收取乘客支付的部分车费,这笔费用大约是实际车费的五折。 之后,他利用虚拟号具有隐蔽性的特点,在乘客完成乘车后,拒不向滴滴平台支付实际产生的费用。 通过这种手段,男子不断累积非法所得,给滴滴公司造成了累计人民币30万余元的损失。 庭审过程中,男子对自己的犯罪事实供认不讳。他坦言,自己正是看准了滴滴平台“先乘车后付款”的机制,觉得坐完车不付车费也“有机可乘”,于是才想出从乘客处收取折扣车费,事后弃号并更换新手机号继续实施此类行为的“歪点子”。 检方在综合考量案件事实与证据后认为,男子的行为符合诈骗罪的构成要件,应当以诈骗罪追究其刑事责任。 在法庭上,男子表示已经深刻认识到自身错误,对被害单位滴滴公司深表歉意,同时明确表态愿意赔偿被害单位的全部损失,并希望法庭能够对其从轻处罚。 目前,该案庭审已结束,法院将择日对此案进行宣判。
央视:Kimi海外出圈 DeepSeek时刻再现?
据央视中文国际频道《今日亚洲》报道,这两天,又有一款中国AI模型火了。在DeepSeek在全球掀起冲击波不到一年后,另一家中国科技企业再次让西方科技业界惊呼连连。白宫官员坦言,不能再抱有“中国AI远远落后”的想法。 央视报道称,11月6号,中国科技企业月之暗面发布最新AI模型Kimi K2 Thinking,在部分基准测试中的表现超越GPT-5等全球顶级模型。截至11月10号,Kimi K2 Thinking成为全球最大AI开源社区Hugging Face(抱抱脸)上最受开发者欢迎的开源模型。 除了性能上的突破,一则传闻的出现更是引发了市场强烈关注:据美国CNBC电视台报道,Kimi K2 Thinking的训练成本仅为460万美元(约合3300万元人民币)。有分析指出,这意味着,中国企业仅用了OpenAI训练GPT5不到1%的成本就训练出了不输GPT5的顶级大模型。 “这是另一个DeepSeek时刻吗?” “抱抱脸”公司联合创始人托马斯·沃尔夫在个人社交账号上问道。他表示,“开源模型再次超越了闭源模型。今后我们每隔几个月就会遇到这种情况吗?” 美国CNBC电视台主持人迪尔德丽·博萨表示,来自中国初创公司月之暗面开源的模型Kimi K2 Thinking在多项基准测试中表现优异,据称训练成本却不足500万美元,这听来像是个熟悉的故事,完全符合自今年初以来。中国人工智能领域逐渐显现的发展脉络持续以远低于同行的预算不断缩小性能差距。 Kimi K2 Thinking的成功,再次引爆科技界关于AI发展路线的讨论。《华尔街日报》指出,目前美国科技公司正在以前所未有的力度建设数据中心等AI基础设施,投入之大已经引发了投资者和行业高管对AI泡沫的担忧,正是这种担忧在一定程度上导致了近期美股的震动。
摩根大通给AI投资算了笔帐:每位iPhone用户月均多花250元,才能回本
11 月 10 日,摩根大通发布了一份重量级的 AI 产业研究报告,把当前的行业格局几乎“解剖式”地呈现在读者面前: 从美国数据中心建设到底推进到哪一步、电力系统承受了多大压力,到科技巨头的资本开支、融资来源、债务结构,再到行业商业化变现的逻辑与算不算得清的经济账。 这是一份数据极其详实、覆盖面极广的底层研究,基本把市场最关心的问题都讲清楚了,值得反复研读。 报告里有几个特别值得关注的结论: 1)美国的数据中心建设正从科技巨头向更多企业扩散,而这一波建设热潮几乎单枪匹马撑起了美国今年的非住宅建筑投资。扣除数据中心,非住宅建设今年实际上是负增长的,可见 AI 基建已经变成美国经济的一根主梁。 2)虽然全美规划中的数据中心容量超过 300 吉瓦,但真正能落地的,摩根大通认为只有 175–200 吉瓦。即便如此,未来十年每年仍将新增 18–20 吉瓦,是过去年均 4 吉瓦的五倍以上。 3)从 2024 年 9 月到 2025 年,美国有超过 100 吉瓦的新发电项目在排队并网,天然气依然是主力,其中天然气规划容量一年内暴涨 158% 至 147 吉瓦。这也反映出:电力供应已经成为制约 AI 扩张的第一瓶颈。 4)微软、亚马逊、Meta 等巨头虽然账面现金惊人,但持续两位数增长的资本开支正不断压缩自由现金流,迫使它们从“自己掏钱”转向“借钱建 AI”。与此同时,数据中心相关的证券化融资规模也在快速攀升,成为新型的基础设施融资渠道。 5)更关键的是,摩根大通测算,如果要让 AI 基建达到 10% 的合理投资回报率,整个行业未来每年必须创造 6500 亿美元左右的收入,相当于全球 GDP 的 0.6%。换句话说,这相当于让每位 iPhone 用户每月多付 35 美元、一年多付 420 美元。 而作为参照,去年全球iOS用户平均每月在 App 上的支出仅 10.4 美元——要达到这个收入目标,意味着 AI 的变现能力必须比今天提升 三倍以上。 / 01 / AI基建,成美国经济增长“顶梁柱” 过去,大家习惯用“兆瓦(MW)”来衡量数据中心的电力规模;现在,行业越来越多地使用“吉瓦(GW)”。1吉瓦等于1000兆瓦,单位变化本身就说明了一件事:数据中心正进入一个以“千倍量级”扩张的时代。 历史上,数据中心每年的新增装机容量只有约 2 吉瓦。但进入 AI 热潮后,增速陡然抬升:2024 年翻一番,2025 年再翻倍,2026 年甚至可能突破 10 吉瓦。 一些企业已经披露,GPU 订单的同比增长超过 70%,行业显然正在进入一个高速增长周期。 设备供应商 Vertiv 的预测也印证了这一趋势:2025 到 2029 年,全球将新增约100吉瓦的装机容量。要知道, AI爆发前,全球数据中心总装机也不过50吉瓦。这意味着,数据中心行业只用五年时间,就要再造过去两倍的容量。 那么,浩浩荡荡的数据中心建设大潮究竟是谁在建呢? 当前的数据中心扩张仍由云计算三巨头(AWS、微软和谷歌)主导,但新的参与者正迅速加入战场。过去一年里,非巨头企业手中的项目规模已经占到约四分之一的市场份额。 参与者的数量正在以指数级速度增加。截至目前,已有约65家公司手上有超过1吉瓦的待建项目,而去年这个数字还只有23家,此外还有近200家企业正在积极推进数据中心业务。 摩根大通估算,这些投资大约支撑了1.9万到2万 EFLOPS(艾级浮点运算)的GPU算力,而2023年全球只有约 2000 EFLOPS。算力在短短两年间扩张了接10倍。 这些数据中心建设的进展如何? 美国人口普查局已经将“数据中心支出”独立统计。从最新数据看,数据中心仍在推动美国的非住宅建筑投资。尽管当前支出规模不算最大,但在整个非住宅建筑里占比已达6%,未来仍有巨大空间。 制造业支出虽然是它的五倍,但如果将数据中心剔除,美国今年的非住宅建筑投资其实是下降的。因此,数据中心几乎成了所有行业里唯一逆势扩张的板块。 为了进一步验证趋势,摩根大通自2023年1月起建立了一套追踪系统。截至目前,美国在规划或推进中的数据中心项目总规模已超过315吉瓦,仅2025年初这一季度就新增了165吉瓦。去年同期还只有约 130 吉瓦,而到了 2022 年底,美国 AI 相关装机容量也才 20 吉瓦。 但如果从落地角度看,情况就没那么乐观了。摩根大通追踪的600多个数据中心项目中,真正建成并投入使用的只有极少数。 目前美国在建数据中心的装机量仅约 25 吉瓦。虽然我们追踪的项目中潜在规划容量超过 300 吉瓦,但这个数字建立在一个并不现实的前提之上:所有剩余土地都能顺利开发。 考虑到选址、电网、环保、设备供应链等各种限制,更可信的规划区间应在175到200吉瓦之间。即便按这个更保守的范围来计算,未来十年每年仍然会新增18到20吉瓦的能力,是过去年均4 吉瓦的五倍以上。 更大的限制来自供给端,而不是需求端。美国当前的电网根本无法支撑300吉瓦级别的数据中心同时运行,电力基础设施已经成为行业扩张的最关键约束。 / 02 / 需求增长翻倍,电力真不够用了 美国数据中心的数量正在急速增加,但电力系统却明显跟不上节奏。 劳伦斯伯克利国家实验室预计,到2028年,美国数据中心的年度用电量可能从现在的175TWh 飙升至 325–580 TWh。 为了支撑这股需求,美国至少需要新增100吉瓦的发电能力,否则大量新建的数据中心将面临“建好了却无法开机”的窘境。 问题在于,新增电力产能并不是一件能立刻解决的事。天然气发电设备从订购到交付需要3–4 年,新建核电站往往需要10年以上,还高频超预算。 于是,越来越多科技巨头开始考虑“自建电厂”(BYOG,Build Your Own Generation),但这同样面临漫长审批、建设周期和前期资金投入等障碍。 未来几年确实会有不少发电项目上线。仅在2024年9 月至2025年间,就有超过100吉瓦的新发电容量正在排队并网,其中天然气依旧是主力,因为其成本、稳定性和扩张速度都更具现实性。 天然气项目的规划容量已升至 147 吉瓦,较去年同期暴涨 158%。可再生能源占据了电网并网排队的第一名,但许多项目只是为了抢税收优惠,真正能快速投产的比例并不高。至于核能和储能等更具前景的技术,近几年几乎没有新增项目,短期内无法指望。 更关键的是,即便不算上 AI 数据中心,美国的电力需求也已经在稳步上升。 家庭用电设备更多、电动车普及加速、商业与工业建筑越来越“电气化”,使得美国过去十年电力需求的年均增速维持在1%左右。而现在,光是 AI 数据中心这一项,就可能直接将需求增速翻倍至2%或更高。 但由于过去几年电价长期偏低,叠加疫情与供应链阻塞,许多电力公司对于新增电厂投资极为谨慎,导致供给端明显滞后。 近年来,美国居民用电价格已累计有不小的上涨,引发外界担忧:是不是数据中心把老百姓的电都“抢走了”? 监管机构也开始重点盯紧这一问题,特别关注两点: 第一, 不能让普通用户替数据中心买单。因此,现在的数据中心购电协议(PPA)通常都附带高额违约金条款,确保企业提前退出不会把成本转嫁给居民; 第二,要避免“特权电价”。如今大多数数据中心采用所谓的“表前”购电模式,与普通用户一样直接从电网采购,不再通过优惠政策挤占其他用户资源。 从全国范围看,居民电价占收入的比例整体仍处于可控区间。但在一些电价本就偏高的州(如加州、新泽西),用电负担已经不轻,因此监管部门格外敏感,不断强化对数据中心扩张与当地电力负担之间关系的审查。 / 03 / 科技巨头进入“债务融资”时代,Oracle压力最大 AI 的爆发让数据中心和算力投资进入前所未有的加速期:全球数据中心资本开支已经冲到每年 4500 亿美元。 尽管微软、亚马逊、Alphabet、Meta、Oracle 等超级科技公司仍保持强劲现金流,但持续两位数增长的资本开支逐渐压缩了自由现金流,迫使它们从“自掏腰包”转向债务融资: Oracle 在 9 月发行了 180 亿美元债券; Meta 刚完成创纪录的300亿美元发债; Alphabet 过去一年累计发债 360 亿美元,并在欧元与美元市场形成“常态化”融资节奏。 这些资金几乎全部用于支撑 AI 芯片、数据中心、电力、服务器等巨额投入。 谷歌手上有约 1000 亿美元现金,负债率极低,因此能够维持“正常化发债”策略,比如每年发债约 350 亿美元,同时保持资产负债表稳健。 Meta则在融资方式上走出了更激进的路线。以不久前规模 273 亿美元的 Beignet Investor LLC 交易为例,Blue Owl 持有该项目80%权益,不会在 Meta 的资产负债表上立即体现。 只有到2029年项目进入租赁期后,相关义务才会计入债务指标。这种结构让 Meta 能更轻装扩张、减少公开市场发债频率。 相比之下,亚马逊的情况反而更微妙。它的资本开支最高,2025 年预计将达到 1500 亿美元,但三年来没发过新债。如果 AI 投资继续上行,亚马逊大概率会重返债券市场。 微软依旧是最“财大气粗”的玩家:现金最强、资产负债表最稳,对发债需求最小。过去大型收购(如 750 亿美元收购动视暴雪)也倾向于全现金完成。 与此同时,微软正通过投资 CoreWeave、nScale 等第三方基础设施,借“外部云”分摊自建压力,实质上是一种“资本轻量化扩张”。 压力最大的无疑是 Oracle。它的债务问题早已成为结构性风险。截至2026财年一季度,Oracle 的总债务达到910 亿美元,9月再发180亿美元,使公司债务突破1000亿美元。 市场对这批债券的认购很热情,订单高达 880 亿美元。摩根大通认为,投资热情更多来自市场缺乏“AI 主题”投资级新债,而不是Oracle信用优异。 虽然Oracle短期债务压力不大,但从2026年开始,公司面临的到期规模会迅速抬升:2026年有57.5亿美元到期,2027年还要还50亿美元。 叠加高资本开支与分红需求,Oracle未来几年大概率将成为公开债市的常客。不过,Oracle 的评级处于BBB中段,且展望为负,后续的融资灵活性正在下降。 虽然这些科技巨头仍然是全球最受欢迎的投资选择,但市场情绪也在微妙变化。Meta 的 300 亿美元发债曾让利差走高约20个基点,Oracle的180亿美元发债利差走高30–40个基点,说明投资者开始更加审慎定价“AI 债”。 与此同时,像Beignet这样的结构化融资正在走向主流。它本质上是一种“租用自己建的数据中心”、但由外部私募基金先行购买资产的方式: 钱由 Blue Owl 等机构出,Meta 在账面上保持轻负载,未来按租金使用自己的数据中心。这让科技公司能在保持信用评级的前提下继续扩张。 除了科技巨头融资外,数据中心的证券化发行规模迅速攀升。 今年以来,相关 ABS、CMBS 发行量已经达到 212 亿美元,比去年几乎翻倍,占整个新发行市场的 5%。大部分交易都来自已经建成并投入使用的数据中心,因为成熟项目风险小、租金稳定,投资者更放心。 目前,市场上“用证券化融资建设中项目”的情况依旧稀少,仅出现过一笔规模 4.74 亿美元的此类交易,用于伊利诺伊州一个30兆瓦的数据中心,融资利率明显高于成熟项目。 与此同时,AI 相关企业的债券发行量正在猛烈增长: 数据中心类债券今年已发行440亿美元,是2024年的10倍; 投资级科技企业债券占整个债市的14.5%,已经与美国大型银行齐平。 从目前看,市场有足够多的钱来“接住”这一轮 AI 债,其中美国高收益债市场规模1.56 万亿美元,杠杆贷款市场规模1.67万亿美元,私募信贷管理规模1.73万亿美元,闲置资源还有4660 亿美元。 换句话说,市面上至少有 5 万亿美元 的“杠杆资本”正在四处寻找新资产。而AI很有可能成为这些钱的目的地。 / 04 / AI想投资回本,每个苹果用户每月要多花250块 在当前这轮 AI 投资热潮中,真正的不确定风险只有两个:能否变现,以及会不会被技术颠覆。 首先必须承认,AI 不是一笔小投资。整个行业的建设成本可能超过5万亿美元,不仅包括数据中心、电力和 GPU,还包括配套的能源设施、土地、冷却系统和人力成本。 真正决定成败的,是这些投入能不能赚回来,以及未来技术是否会让现有投资变成沉没成本。 历史上,我们见过类似的场景。二十年前的电信行业,大量企业砸钱建设光纤和无线网络,期待互联网流量带来长期增长。但现实是,需求远没有想象中那么快,商业模式也难以覆盖巨额建设成本,最终泡沫破裂、大量企业倒下。 那段历史说明:技术革命本身不赚钱,赚钱的是商业模式。 今天的 AI 同样如此。AI 数据中心可以不断建,但谁来为这些算力买单?消费者是否愿意每月多掏几十美元?企业是否真的能用 AI 提升效率、增加收入?这些问题至今没有定论。 以谷歌为例,AI确实在改变它的核心业务,搜索。 越来越多用户不再点击传统搜索链接,而是直接阅读AI生成的答案。这让依赖搜索流量的网站访问量下降了30-40%,影响巨大。但对谷歌自身而言,这种转变或许是好事,因为它逐步从“推荐搜索结果”转向“直接给出答案”,强化了用户黏性,提升了变现潜力。 关于AI投资回报,摩根大通做了一个非常有意义的敏感性分析: 如果要实现10%的合理投资回报率,未来每年AI行业可能需要创造约6500亿美元收入,相当于全球GDP的近0.6%。 为了让这个数字更直观:这就像让每位iPhone用户每月多付35美元,一年多付420美元;或者Netflix用户每月多交180美元,一年多付2160美元。 这是什么水平?根据外网一个博客的数据,2024年iOS的活跃用户为14.6亿至18亿,用户每月在应用上的花费为10.4美元,相当于比原有花费增加3倍多。 如果回报率上升至14%,这个数字则上升至53美元和274美元。 虽然我们不指望消费者承担所有成本,但问题是,目前AI带来的效率提升,是否已经能创造这么大的价值? 另一个风险在于“技术效率的极端跃升”可能带来的冲击。今年1月,DeepSeek发布了R1模型,号称性能媲美OpenAI但成本更低。 消息一出,英伟达市值瞬间蒸发6000亿美元。这类突如其来的技术进步,让市场重新思考AI行业的成本结构与领先地位。 如果真的有公司能用更低成本提供相同算力,那么现有投入的商业价值就可能被重估,形成“范式转移”。 当前,大量中小公司也在积极参与AI基础设施建设。例如WULF、Cipher这些公司通过发债融资建设AI数据中心,再把算力租给谷歌等大客户。这些项目的一个特点是: 风险由大公司兜底(比如谷歌承诺支付租金),看起来更稳健。但这类模式也可能放大了市场对未来AI需求的乐观预期,如果后续变现不及预期,小公司或成为最先受影响的链条。 当然,便整个行业的收入规模不如预期,也有可能出现另一种情况:赢者通吃。少数真正具备技术、资本、生态优势的企业跑出来,其余玩家难以为继。 PS:如果你对AI大模型领域有独特的看法,欢迎扫码加入我们的大模型交流群。

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。