OpenAI还没上市，它的“算力小弟”先要上市了。 2026年5月，AI芯片制造商Cerebras Systems在最新S-1/A文件中披露IPO发行细节，股票代码CBRS，计划发行2800万股，定价区间115-125美元，募资规模最高可达35亿美元，目标估值达266亿美元。 这件事有点反常。 因为有黄仁勋这座大山在，资本怎么可能容得下小小的一只Cerebras呢？ 大模型公司烧钱，云厂商买卡，创业公司排队等GPU，最后利润大多流向卖铲子的英伟达，这才是现状。 但OpenAI似乎想要改写这条链路。 5月6日，OpenAI组了个局，把自己放在了龙头老大的座位上，然后把英伟达、AMD、英特尔、博通、微软这些明显存在竞争关系的芯片公司拉到一起，推出了一套面向大型AI训练集群的网络协议（MRC,Multi-Rail Compute）。 表面上，这是一次超算网络合作。更深一层看，我认为OpenAI是想要重新分蛋糕了。 首先可以明确一点，OpenAI没有抛弃英伟达，它也没有办法抛弃英伟达。至少在当前阶段，OpenAI绝对没有勇气All in一个“英伟达杀手”。 相反，OpenAI正在把原本被英伟达一家公司强势覆盖的算力体系拆开：训练归训练，推理归推理，网络归网络，云归云。不同负载，用不同芯片；不同环节，找不同供应商。 Cerebras就是在这个时候被推上牌桌。 Cerebras当然还不是英伟达的对手，也不可能在短期内撼动CUDA和GPU集群构成的护城河。 但Cerebras的上市，真正值得看的地方，不是又一家AI芯片公司冲刺IPO，而是OpenAI开始把推理这门生意单独拎出来定价了。 01 押注推理 事实上，这已经是Cerebras第二次冲击IPO了。 2024年10月，Cerebras曾经提交过上市申请，但很快就撤回了。 原因是美国外资投资委员会（CFIUS）对它的阿联酋投资方G42展开审查。那时候，阿联酋G42人工智能公司不仅是Cerebras的股东，还是它最大的客户，贡献了超过80%的收入。 这种深度绑定的关系，再加上当时美国与阿联酋之间略微的不和谐，自然让监管部门不太放心Cerebras。 到了2025年3月，CFIUS终于放行，G42的股份被重组为无投票权股份，监管风险暂时解除。 但Cerebras并没有立刻重启上市，而是等到了2026年5月，恰好赶上了AI基础设施投资热。 Cerebras上市的真正意义，其实不在于它又是一家AI芯片公司要IPO。 市场上不缺芯片公司，缺的是一个故事，一个能让资本相信“推理市场可以独立定价”的故事。 OpenAI目前刚刚开始主动重组供应链，把不同芯片匹配到不同工作负载，这件事本身就是在细化芯片产业。 训练是一层，推理是一层，网络是一层，云分发是一层，应用场景又是一层。每一层都可以有不同的玩家，每一层都可以重新定价。 Cerebras在OpenAI的算力供应链中，负责的就是推理这一环。 Cerebras的核心竞争力，在于它那颗独特的晶圆级引擎芯片WSE-3。 传统芯片都是从一整片晶圆上切割出很多小块，每一小块是一颗芯片。 英伟达的GPU就是这么做的，然后再把很多颗GPU通过高速互联组成集群。这种方式的好处是成熟、稳定、生态完整，坏处是芯片之间来回搬数据的成本很高，尤其是在推理场景，延迟会被放大。 Cerebras的WSE-3完全不同。 它直接把整片12英寸晶圆做成一颗巨型芯片，面积达到46225平方毫米，相当于一张A4纸的三分之一大小。 WSE-3基于台积电5nm工艺，拥有4万亿个晶体管，90万个AI优化核心，44GB片上SRAM，内存带宽达到21PB/s。如果和英伟达H100对比，WSE-3的面积是H100的57倍，核心数量是52倍，片上内存是880倍，内存带宽是7000倍。 这些数字听起来很夸张，但关键不在于“大”，而在于“快”。 在推理场景，尤其是当下最火的长文本输出、实时交互、代码生成、agent这些需要低延迟的任务上，Cerebras的优势非常明显。 它的CS-3系统在推理速度上比英伟达DGX B200快21倍，成本和能耗都降低到三分之一。 快，就意味着OpenAI可以在单位时间内服务更多的客户。 训练市场是英伟达的绝对主场，CUDA生态、成熟工具链、大规模GPU集群，这些护城河短期内很难被撼动。 推理市场不一样，此前推理市场是个非常小众的市场，算力大头在训练。但是随着越来越多的行业、应用开始使用AI，推理正在成为AI应用商业化的关键。 早期，Cerebras主要卖硬件系统。一套CS-3系统售价高达数百万美元，客户群体主要是超大规模数据中心、云服务商和政府机构。这种模式的问题在于，客户采购门槛太高，销售周期长，收入波动大。 从2024年开始，Cerebras逐步转向基于自有芯片的云服务模式。客户不需要购买昂贵的硬件，只需要按需使用Cerebras的算力集群。 2025年，Cerebras的财务数据非常亮眼。全年营收5.1亿美元，比2024年的2.9亿美元增长了76%。更重要的是，净利润达到8790万美元，相比2024年4.85亿美元的巨额亏损，实现了扭亏为盈。 但Cerebras的客户集中度太高了。 2025年，阿联酋AI公司MBZUAI贡献了62%的收入，G42贡献了24%，前两大客户占比高达86%。未来，OpenAI将成为Cerebras最大的客户。 这确实给了Cerebras大量的收入，不过这就意味着Cerebras必须受制于这些大客户，不能有太多自己的想法。 02 OpenAI也在转型 2026年1月，OpenAI与Cerebras宣布签署多年协议。 根据协议，Cerebras将为OpenAI提供750兆瓦的低延迟AI算力，部署将分阶段进行到2028年，交易总价值超过200亿美元。这是全球最大的高速AI推理部署项目，也是OpenAI算力战略的一次重大转向。 但这份协议的深度，远不止采购合同这么简单。 OpenAI创始人奥特曼、总裁布鲁克曼、前首席科学家伊利亚、董事会成员亚当·安戈洛（Adam D‘Angelo），这些OpenAI的核心高管，都以个人的身份投资了Cerebras。 你以为这就完了？早着呢！ OpenAI还通过贷款、认股权证等金融工具，与Cerebras建立了长期利益绑定。这种超越简单供应商关系的深度合作，让Cerebras成为了OpenAI的资产，甚至我可以说，现在的Cerebras，就是OpenAI的芯片部门。 这种绑定方式，在科技行业并不常见。 OpenAI与Cerebras的合作，不能简单理解成“用Cerebras替代英伟达”。 前文提到，OpenAI在2026年5月6日专门和各位芯片龙头企业组了个局，合作开发MRC网络协议，用于提升大型AI训练集群的网络效率和韧性。 OpenAI并没有放弃英伟达，但OpenAI也不想久居英伟达之下。 OpenAI的真实意图是什么？ 训练继续使用英伟达高端GPU，推理引入Cerebras的低延迟方案，部分GPU采购AMD方案，网络协议开放化，云服务在AWS、Azure、谷歌Cloud之间多家下注。 未来，OpenAI还可能推进自研芯片。 这是一种“算力组合拳”策略，不同工作负载匹配不同系统，不再单独依赖英伟达的全栈方案。 这种战略转变的本质，是OpenAI正在从一家模型公司转变为算力架构公司。 以前，OpenAI只能被动接受芯片厂商定义的技术路线。 英伟达出什么芯片，OpenAI就用什么训练。 云厂商提供什么服务，OpenAI就在什么平台上部署。这种被动状态，在AI竞争的早期阶段是可以接受的，因为那时候最重要的是快速迭代模型，而不是优化基础设施。 但现在不一样了。 当ChatGPT的周活跃用户超过9亿，推理成本越来越高，OpenAI不能再被动得去等英伟达发布新产品，他们得主动设计更符合当下AI需求的算力组合。 OpenAI正在做的，是把芯片供应商从“平台提供者”降维为“模块供应商”。 在过去的AI算力市场，英伟达提供的不只是GPU，而是一整套从硬件到软件、从芯片到网络、从单机到集群的完整解决方案。客户买的不是一颗芯片，而是一个生态。 这种完整性，既是英伟达的核心竞争力，也是它能够维持高毛利率和定价权的根本原因。 OpenAI现在要打破这个完整性，英伟达的超级客户，开始逐渐掌握供应链的主导权。 这对英伟达来说，是比丢失订单更深层的冲击。 03 英伟达怎么说 虽然我前面下了很多利空英伟达的判断，但是我认为，Cerebras上市，对英伟达的冲击不会很大。就像身上长了个粉刺、痱子一样无关痛痒。 英伟达目前仍然占据AI芯片市场约80-90%的份额。 CUDA生态、GPU供应链、NVLink网络，这些护城河短期内很难被撼动。 Cerebras的WSE芯片单价高达数百万美元，产能有限，客户群体主要是超大规模数据中心和云服务商，无法在短期内大规模替代英伟达GPU。 更重要的是，CUDA生态经过十余年积累，已经成为AI开发的事实标准。几乎所有主流AI框架、模型、工具链，都优先适配CUDA。开发者社区、技术文档、最佳实践，全都围绕CUDA构建。 这种生态优势，不是一两年就能被追上的。 然而Cerebras对英伟达的威胁依然还是存在的。 过去，AI公司几乎别无选择，只能使用英伟达GPU。现在，至少在推理场景，客户有了可行的替代方案。这种选择权的出现，削弱了英伟达的定价权。 当OpenAI可以说“推理我用Cerebras，训练我用英伟达”时，英伟达就失去了“全包”的议价能力。 如果Cerebras的故事将通，那么AI算力市场就真的开始分层了。 训练和推理的需求差异被明确化，专用芯片在细分场景的优势被验证。英伟达“一种芯片打天下”的叙事不再完全成立。市场也会从“通用GPU垄断”走向“场景化芯片组合”。 在这个新格局里，英伟达在训练市场的优势依然稳固。但在推理市场，尤其是低延迟推理、实时交互这些场景，专用芯片的优势开始显现。 而且，还只是OpenAI这一家这么干。Anthropic也开始和亚马逊、谷歌结盟。这些头部AI公司，都在通过多元化采购来降低对英伟达的依赖。 英伟达面临的挑战还不止于此。 AI推理市场的快速增长，可能会超过训练市场。根据LP Information/MarketPublishers在《Cloud AI Inference Chips》这份报告中的预测，全球AI推理市场在2026-2032年期间的复合增长率将达到28.9%。 推理场景，肯定更适合专用芯片。当推理市场的规模超过训练市场时，英伟达在推理领域的相对弱势，就会成为更大的问题。 不过英伟达的短期优势依然稳固。 2026年，英伟达在GTC大会上强调了加速计算生态系统的深度，覆盖汽车、金融服务、医疗健康、工业、媒体、量子计算、零售、机器人和电信等多个领域。 黄仁勋把CUDA-X库称为英伟达的“掌上明珠”，这套丰富的软件栈，是Cerebras没有的，也是英伟达又一道护城河。 英伟达的Blackwell架构即将大规模出货，性能和能效都有显著提升。英伟达在训练市场上的优势，将会进一步巩固。 但长期来看，英伟达必须适应一个新现实，他们正在从“唯一供应商”变成“核心供应商之一”。 这个转变，不是因为英伟达变弱了，而是因为市场变大了，客户变强了，需求变复杂了。 当AI从实验室走向大规模商业化，当算力需求从训练扩展到推理，当超级客户开始主动设计算力架构，单一供应商的“完整解决方案”就绝对不再是最优的选择。

4月以来，视频模型重新成为AI行业里最拥挤的赛道之一。 先是月初，阿里的HappyHorse-1.0登顶Artificial Analysis视频竞技场榜单，在无音频文生视频榜单中拿到1368的Elo分，力压Seedance 2.0和可灵3.0。 随后，总部位于美国的fal.AI上线HappyHorse-1.0官方API。fal主要为开发者和企业提供图像、视频、语音等生成模型的API调用和推理服务，此前已接入可灵、海螺等视频模型。 同一时间，视频模型创业公司开始密集释放资本信号。生数科技和爱诗科技在斩获两笔融资后，先后传出考虑赴港上市的消息。 而随着阿里正式入场，巨头厂商间的竞争格局愈发激烈。 快手的可灵，是业内最早跑出规模商业化的样本，可灵2025年12月单月收入超过2000万美元；另一边，字节年初凭借Seedance 2.0的惊艳表现不断做大声量。 国产视频模型风生水起的几个月中，OpenAI则选择了在本月关停旗下视频模型产品 Sora，宣告了视频模型的上一个周期结束，也迎来了国产视频模型的加速周期，相关统计显示，今年以来，中国AI视频赛道已经发布约10个模型。 只是，Sora退场也更像一个提醒：视频模型最容易制造惊艳，也最容易消耗惊艳。蜂拥而至的国产厂商们，都将面临一个共性问题：技术层面的差距在毫厘之间，而商业化层面的竞争已经进入深水区。 01 巨头三强：有人抢声量，有人冲榜单 参考Artificial Analysis榜单，国产视频模型的头部由三大巨头组成：快手可灵、字节Seedance以及阿里HappyHorse。不过，在榜单上的你追我赶背后，三家公司面对的是完全不同的考题。 可灵的关键词是商业化，在技术指标的打榜之外，可灵最早拿出了相对清晰的收入账单。公开报道显示，可灵在2025年12月单月收入超过2000万美元，相比2025年3月披露的1亿美元年化收入有明显增长。 快手方面在此前的财报电话会中透露，截至2026年1月，可灵AI年化收入运行率（ARR）已超过3亿美元，并透露出今年将实现收入同比翻倍以上增长的信心。 在国产视频模型已公开的营收数据中，这一数据处于绝对领跑的地位。同期，可灵服务超过6000万创作者，累计生成超过6亿条视频，并与超过3万家企业用户建立合作。 可灵在模型侧发力得很早，自2024年6月开放后，它一直是国产视频模型追赶Sora的代表。但进入2026年后，两大竞争对手先后在视频基模领域给可灵“上强度”。 Artificial Analysis最新榜单显示，在无音频文生视频榜单中，Kling 3.0 1080p Pro排在第三，前面是阿里和字节的HappyHorse 1.0和Seedance 2.0。 值得注意的是，主导HappyHorse的核心人物张迪，此前正是可灵的技术负责人。 不过，只看榜单跑分，Seedance 2.0、HappyHorse和可灵3.0的差距并不大，真正的差距体现在，阿里和字节不约而同地下场开始争抢用户声量。 Seedance 2.0的关键词就是“出圈”。 该模型发布后不久，一段由爱尔兰导演Ruairi Robinson用Seedance 2.0生成的“汤姆·克鲁斯与布拉德·皮特”视频在社交平台传播，其中一条播放量超过140万，另一条超过300万。 甚至马斯克都曾在X上评论Seedance 2.0视频：“这一切发生得太快了。” Seedance 2.0在国内的出圈，也被“雪山救狐狸”带起。这条由贵州一家酱板鸭品牌四人团队制作的AI短片，耗时约5小时、花费40元，全网传播量突破50亿。 相关报道显示，主创先用豆包拆脚本，再用小云雀和即梦生成画面，即梦的Seedance系列就是主要模型之一。 与此同时，字节也在主动推动Seedance 2.0的行业心智：贾樟柯担任监制的春节贺岁短片《贾科长Dance》由Seedance 2.0生成，火山引擎总裁谭待还透露，Seedance 2.0在正式推出前已参与央视春晚多个节目的视觉制作，春晚是它的第一个客户。 显然，视频领域的优势不只是模型本身。字节在视频生产链路上拥有其他公司很难复制的入口：即梦面向创作者，剪映承接剪辑需求，还有抖音这样的巨量内容池，企业侧由火山引擎承接企业调用。 所以，一旦Seedance开始收割用户声量，依托字节的资源可能比可灵更快收割C端创作者心智。 不过，用户声量的扩张，并不完全能代表商业层面的胜利。一方面，字节目前没有披露类似可灵那样清晰的ARR口径。在专业级用户的市场中，究竟与可灵的市场份额占比如何，仍是未知。 其次，Seedance 2.0的出圈，直接在正面撞上版权和肖像问题。美国电影协会、演员工会等好莱坞组织批评Seedance 2.0涉嫌大规模未经授权使用版权作品和演员肖像，随后，字节方面因好莱坞版权争议暂停了Seedance 2.0的全球发布。 而当Seedance还在和版权问题作斗争的时候，阿里带着HappyHorse抢走了它榜单第一的位置。 事实上，HappyHorse-1.0是在无音频文生视频榜单中排第一，Elo分达到1368；而在图生视频有音频榜单中，Seedance 2.0 720p仍然排第一，HappyHorse-1.0排第二。 这个原本属于淘天旗下的多模态团队，迅速成为了阿里在多模态领域的金字招牌。 不过，HappyHorse目前证明的是理论上的技术冲击力，而两大竞争对手可灵和Seedance/即梦，都已经形成了真实用户体量的护城河。 事实上，Artificial Analysis的榜单会每日动态更新，盲测偏好一定程度上能反映输出质量，但不能替代具体业务场景里的成本、速度、稳定性和合规测试。 腾讯云开发者社区中，有行业人士横评了这三大模型：HappyHorse-1.0在多镜头测试里，它在11个视觉锚点中保持了9个，人物连续性强于Seedance 2.0；音画同步测试里，声画延迟控制在80毫秒内，优于可灵3.0的120毫秒。 然而，是物理拟真和复杂规律成为了HappyHorse的短板。水杯碎裂测试要求模型在5秒内模拟碰撞、流体、玻璃裂纹等6种物理现象，HappyHorse出现网球未接触杯体、杯子已反向倾倒，水体穿模、裂纹扩散生硬等问题。 价格比对中，它的720P折后价约0.44元/秒，低于Seedance 2.0的1元/秒和可灵3.0的0.48—0.96元/秒。 再往后看，阿里与快手、字节的差异也很明显。快手有短视频社区，字节有全球化视频工具和分发平台，而阿里没有天然的内容社区。 HappyHorse更可能进入的是阿里云百炼、千问、电商营销、商家素材、品牌广告和企业内容生产，短时间内还不会和即梦、可灵正面厮杀。 而在一线AI大厂中，百度和腾讯今年以来都没有更新视频模型品类。两家公司最近一次较明确的视频模型版本发布，仍停留在去年10月至11月。 显然，在视频模型第一梯队中，至少在整个2026上半年，都将是阿里、字节、快手的三强格局。 02 第二梯队：上市、融资和路线分化 巨头之外，第二梯队正在分化，首先来关注瞄准了IPO的两家创业公司，生数科技和爱诗科技。 4月，生数科技完成20亿元人民币B轮融资，由阿里云领投。 产品上，Vidu仍是生数最重要的抓手。Vidu Q2曾重点推出Reference-to-Video能力，允许用户上传最多7张参考图，用人物、物体、场景或道具作为约束，生成更一致的视频。 生数另一张牌是“世界模型”。它的路线更接近视频基座世界模型——通过海量视频学习时间、空间、运动与因果规律，再延展到机器人动作模型，而不是纯3D空间重建路线。 另一边，爱诗科技PixVerse是一家面向全球创作者的视频生成平台，目前也传出考虑最快今年赴港上市，并已与中金、摩根大通等投行合作。最新融资信息显示，爱诗今年完成3亿美元C轮融资，估值超过10亿美元。 营收方面，爱诗科技ARR约4000万美元，生数科技公开可查口径约2000万美元，距离支撑十亿至二十亿美元级估值，仍需要更强的收入增长、成本控制和企业级复购证明。 如果进一步比较，爱诗更像是“C端规模先跑出来”的公司，靠PixVerse和拍我AI获得用户与订阅收入；生数更像是“技术与模型叙事更强”的公司，背靠清华团队、U-ViT架构和Vidu的行业能力。 但两者共同的问题是，AI视频生成尚未进入稳定盈利期，巨头竞争、算力成本、版权合规和用户留存，都可能成为IPO审核和二级市场定价时的核心阻碍。 两家创业公司之外，另一家值得关注的视频模型厂商，是曾经“六小龙”中的代表人物MiniMax。 MiniMax旗下的海螺曾经是上一轮国产视频模型热潮里的代表产品，而MiniMax也是六小龙中少数坚持视频模型产品线代表。 但到了2026年，海螺的行业存在感明显不如去年。海螺的上一次模型更新，还是发布于2025年10月的Hailuo 2.3和2.3 Fast，主要提升身体动作、面部表情、物理真实感和提示词遵循。 走全球化路线的海螺，同样面临着版权问题。此前有报道称，迪士尼、环球、华纳兄弟探索在美国起诉MiniMax，指控其Hailuo AI使用被盗知识产权，并能生成《星球大战》达斯·维达、小黄人、神奇女侠等版权角色。 另一匹“黑马”来自昆仑万维。3月发布的SkyReels V4冲进Artificial Analysis无音频文生视频榜单前列，一度排到第四。昆仑万维方面此前披露，SkyReels V4目前已全面开放API。 但它的差异在于，昆仑本身有短剧和海外内容业务，SkyReels仍是优先进入自家短剧、广告、游戏等生产链路，承担降本工具角色。这是这部分内部效率，能否折算成有效的商业化收入仍是未知。 第二梯队的共同处境正在变得清楚：每家公司都有出口，但每个出口都不宽。 视频模型领域和AI Coding不同，缺少平台优势的厂商，只讲基座模型的故事是不够的。生数拥抱世界模型概念，爱诗讲全球化创作工具，MiniMax专注于在Agentic模型上赚钱，而昆仑万维优先赋能自家的短剧业务。 显然，对于创业/腰部公司而言，视频模型的问题不只在于技术领先程度，更在于ROI的困境。 03 Sora退场后，视频模型的ROI困境 Sora退场，是今年视频模型行业最重要的警示。 OpenAI方面在几天前，正式关停了Sora，而Sora API将于9月24日停止服务。 这一举措十分突然，有报道披露，OpenAI的动作让迪士尼等合作方感到意外，也意味着双方一项拟议中的10亿美元合作告吹；报道还提到，OpenAI正把重点转向更有盈利潜力的编码工具和企业解决方案。 这件事直接揭露的当下的视频模型困境，技术突飞猛进，但是商业化难题一直在台面上。 首先面临的第一道坎就是成本。 视频生成不是“一句提示词换一段成片”。它背后是多帧生成、时序一致性、高分辨率、音画同步、失败重试和后期筛选。用户最后看到的是一条8秒、10秒、15秒的片段，平台承担的是大量候选结果和算力消耗。 AI应用开发平台MindStudio，在一篇行业博客中把Sora的失败归结为“推理墙”：文章称，Sora关闭前每天推理成本约1500万美元，而生命周期收入约210万美元。 这对国产模型同样成立，尽管国内市场的版权压力相对较小，但定价和营收始终是一门玄学。 以Seedance为例，Sora退场后，Seedance 2.0一度被视为中国视频模型市场最强的挑战者，但字节随后在一个月内多次上调即梦价格：高级版年费从2599元涨到3099元，不同套餐的月度额度被削减三分之一到一半以上。 这意味着，一段2分钟AI漫剧的素材生成成本，从7元涨到约80元。 涨价背后是算力账。文章称，一个15秒视频大约消耗30万token；按照火山引擎3月公布的Seedance API价格，视频输入模式为每百万token 28元，无视频输入模式为每百万token 46元，折算下来，一段15秒视频约15元，约合1元/秒。 巨额的算力消耗背后，是模型厂商难以平衡营收和服务质量的现状。 有针对即梦的相关分析显示，即使是高级会员用户，排队时间仍然超过3小时。普通用户有时需要排在8万人后面等待。只有签订合作协议的大型制作公司才能使用Seedance的完整功能，无需排队。 根据界面等媒体报道，想要使用Seedance 2.0的逼真人类视频模式，则需要单独签订企业协议，且最低消费额为500万元人民币。 另一方面，版权问题仍是视频模型领域的拦路虎，甚至不止在好莱坞，国内市场也是如此。 几天前，爱奇艺在世界大会上称，已有100多名深度合作艺人同意入驻纳逗Pro艺人库，引发舆论争议；随后于和伟、张若昀、王楚然等多位艺人或团队否认签署AI相关授权文件。 爱奇艺回应称，入驻艺人库只代表有接洽AI影视项目的意愿，是否参加具体项目、出演具体角色，仍需单独商谈和授权。 这件事更能说明视频模型商业化的麻烦：不是平台给了授权，问题就解决了。 证券时报在后续报道提到，爱奇艺、Seedance和即梦等平台都在探索明星人脸授权模式，但有法律界人士表示了担忧，平台服务协议和创作者协议叠加后，可能让艺人难以控制自己的AI形象后续被用到哪里。 人脸既是商业素材，也是生物识别信息；一旦进入短剧、广告、互动视频和虚拟直播，授权边界、使用次数、二次创作、收益分配和撤回机制都会变成新问题。 这些问题总结下来，还是回归到老生常谈的ROI问题。 麦肯锡在2026年关于影视制作和AI的报告中提到，AI可能改变内容生产方式和行业价值链，但它带来的结果不只是一种：可能压低成本、扩大内容供给，也可能重塑价值分配。 德勤在2026年TMT预测中也提醒，AI的承诺和现实价值之间仍存在差距，真正的规模化来自推理计算、智能体编排和运营收益等后台能力的持续改善。 这句话放到视频模型上尤其现实。尤其在Sora退场之后，视频模型行业的标准变了。 最会做演示的模型，不一定活得最好；最会冲榜的模型，也不一定最能赚钱。 真正能穿越周期的公司，必须把生成能力接进生产链路，压低真实交付成本，处理版权合规，并让客户算清ROI。 视频模型当然还会继续进步。它的上限仍然很高，尤其是在广告、电商、短剧、游戏、影视预演和社交内容生产里。但2026年的问题已经不再是“谁能生成一段更像电影的视频”，而是“如何给客户提供能持续产生营收的服务”。 经历了轰轰烈烈的跑分竞赛之后，视频模型正在跑进深水区。

摘要： 互联网大厂永远理解不了梁文锋，就像旧玩家难以跟上新牌局一样——它们以为这是一场有钱就能入局的牌局，但实际上他们可能根本不在一个牌桌。 凤凰网科技 出品 作者｜董雨晴 5月8日深夜，一则让人感觉既惊讶又合理的消息传来——DeepSeek正在寻求在其首轮融资中募集最多500亿元人民币（约合73.5亿美元），这一金额将刷新中国AI公司单轮融资的历史纪录。 消息落地前夕，一个更意味深长的细节浮出水面，据白鲸实验室报道——此前高调参与竞逐的阿里，在本轮融资的谈判中陷入了僵局。 过去数周，围绕着DeepSeek这张中国AI最稀缺的船票，腾讯、阿里和一众国资机构展开了一场无声的博弈。据潮新闻报道，腾讯拟出资60亿元，约占2%股权；而创始人梁文锋拟个人最高出资200亿元，占募资总额的40%。但阿里的名字，始终悬而未定。 此外，DeepSeek的投后估值将达到3500亿元。在二级市场，目前智谱的市值为4115亿港元（约合3574亿元），MiniMax为2328亿港元（约2022亿元）。一级市场，Kimi的最新投后估值为200亿美元（约合1360亿元）。《财经》在2月底时曾报道，阶跃星辰计划在今年6月30日前在港股交表，预期基石定价在100亿美元（680亿元）左右。 至此，中国AI新五强的合计估值/市值已经达到了1.1万亿。 在五强背后，也分别站着不同的互联网大厂，据凤凰网科技不完全统计，以上AI企业的多轮融资中，出现了腾讯、阿里、美团、蚂蚁、小红书、小米、米哈游等多家互联网大厂和中厂，又以腾讯、阿里出手的频次最高，腾讯几乎投资了全部AI五强，阿里参投了Kimi、智谱、MiniMax三家，美团在近期重注了Kimi。小红书则参与投资了Kimi和MiniMax。 但在DeepSeek这个最为重要的船票上，互联网大厂的碰壁或许是最为强烈的。错位自然的不是价格，而是底层逻辑，在所有AI新星里，DeepSeek是最接近原始创新，最崇尚反KPI、反OKR，而后者恰恰是过去多年里大厂能茁壮成长的、最引以为傲的组织文化。 当大厂习惯于用自己的坐标系去理解一切，而梁文锋从来没打算走进那个坐标系。 阿里和DeepSeek，几次缘分几次否认 故事要先回到一个颇具戏剧性的起点：DeepSeek与阿里巴巴，同处一座城市——杭州。 2025年2月，市场一度传出阿里将以100亿美元估值、投资10亿美元认购DeepSeek 10%股权的消息。彼时，这场同城联姻被视作天作之合：一方是急于在AI大模型赛道确立身位的电商巨头；另一方则是技术底盘扎实但商业化尚未启程的明星初创，缺钱、缺算力、缺应用场景。逻辑上，这桩交易能同时满足双方的诉求。 况且，阿里在AI战略上表现出了极其势在必得的势头，从3800亿的基建投入规划，到平头哥、阿里云、通义大模型的黄金三角设定，让阿里几乎成为了全球唯二的AI全栈玩家。 但消息传出的当天晚上，阿里集团相关负责人就发了一条朋友圈，措辞礼貌但已经澄清：“同为中国杭州企业，我们为DeepSeek鼓掌，但是外界流传阿里投资DeepSeek的信息是假消息。” 这不是阿里第一次表达善意，也不是第一次被拒之门外。据《华尔街日报》此前报道，2025年3月以来，梁文锋连续拒绝包括腾讯、阿里在内的投资提议，甚至直言“不急于融资”。梁文锋曾定下一条铁律：不接受外部融资、不稀释股权、不被任何人的商业化时间表绑架。 在大厂眼中，这几乎是一种傲慢；但在梁文锋的逻辑里，这恰恰是一个科研人员对科研纯粹性的最后防线。 在历史上，阿里曾有过明确的技术协同方案，以阿里云的相关算力需求，抵消投资款项，以战略资源折价入股，最终实现双重绑定。 但对于一个靠技术开源和架构创新建立江湖地位的团队来说，“被绑定”三个字可能是不可接受的底线。 在大厂看来，拿钱、给资源、铺渠道，被投企业只需安安心心做技术，这难道不是天下最好的生意？但以推崇原始创新的DeepSeek看来，这是一种路径依赖，并且是一种可能扼杀创新的错误路径。 正因此，缺乏创新基因的大厂或许永远理解不了，为什么有人不愿意坐上它们精心铺好的牌桌——因为它们深信，所有创业故事的终点，都应该是一座商业帝国。 从来不是钱的事 谈判遇阻的本质，从来不是钱的问题。 据报道，腾讯在本轮融资中曾提出认购DeepSeek最多20%的股份，但被DeepSeek一口回绝。阿里提出的条件更为向前：不仅要求相当的股权比例，还试图在董事会中嵌入战略决策权。对梁文锋来说，这都是对红线的触碰。 一个关键的时间节点值得注意：2026年4月27日，就在融资消息密集发酵的前夕，DeepSeek悄然完成了一次股权结构调整。工商信息显示，公司注册资本由1000万元增至1500万元，创始人梁文锋通过直接增资将持股比例从1%提升至34%，原大股东宁波程恩企业管理咨询合伙企业持股比例稀释至66%。调整后，梁文锋通过直接与间接持股合计控制公司约84.29%的股权。更直接的是，梁文锋在本轮融资中拟以个人名义最高出资200亿元人民币，占募资总额的40%。 先用自己的真金白银把控制权攥紧，再打开大门迎接战略投资者入场——这个操作序列，传递的信号再清楚不过：梁文锋欢迎资本，但绝不容忍资本反客为主，这是对DeepSeek作为创新性组织的最大伤害。 另一家AI企业就是最为典型的案例，凤凰网科技了解到，2025年初，某个爆红的AI企业在拿到了互联网大厂的投资后，被后者要求看DAU数据，这是个互联网时代最值得观测的指标，但在AI时代，过分追求短期DAU可能不仅不会起到正向作用，还会侵蚀一个技术研究性团队的创新动力。“创始人开始忙着应对股东，应对DAU指标，肯定会让研发走形”，一位一级市场投资人告诉凤凰网科技。 但梁文锋的独立性执念，让习惯了“我投你，你就得听我的”的大厂感到无所适从。在大厂的认知框架里，投资本质上是一种资源的等价交换：我给你钱和场景，你给我股权和话语权，这是市场规则。 梁文锋的底气来自幻方量化——这家管理规模超700亿元的量化巨头，2025年实现了56.55%的年化收益，仅业绩报酬一项便可能在一年内带来超过7亿美元的现金流。更重要的是，梁文锋持有幻方多数股权，幻方的利润可以全额转化为DeepSeek的研发预算，不被任何外部股东稀释。这也使得，自创立至今，DeepSeek在融资谈判桌上的底气，一直是国内所有AI初创公司中最硬的一档。 在大厂的投资史上，这几乎是一种陌生的体验。它们习惯了用体量压制、用流量诱惑、用生态裹挟，但面对一个自给自足的对手，这些招法全都落空。也正因为如此，大厂永远理解不了梁文锋——在它们眼中，控制权是谈判桌上的筹码，而在梁文锋眼中，控制权是不可交易的信仰。 新牌局如何坐下旧玩家？ 就在大厂与DeepSeek博弈得难解难分之际，一个真正的“超级变量”横空入场。 5月6日，据报道，国家集成电路产业投资基金（即“国家大基金”）正在与DeepSeek洽谈主导其首轮融资事宜，投后估值有望定在450亿美元左右。仅仅两周时间，外界对DeepSeek的估值便从200亿美元直接翻番。 国家大基金的入局，带来的远不止估值倍增这么简单。大基金一期、二期以芯片硬件为唯一入口，三期曾通过设立专门的AI产业投资基金，将触角系统性地延伸至大模型、具身智能、AI安全等全产业链环节。此次与DeepSeek的接洽，被称为首笔AI大模型公司直投案例。背后的生态目标明确。 多位投资人向上海证券报表示：“这个项目和其他创业项目不同，尽管目前商业化力度有限，但投资者仍看好其发展潜力。现在肯定是投资人追着梁文锋跑，看他最后会选哪一个。”有分析人士进一步指出，最终投资方阵容中，“国资一定会扮演非常重要的角色”。 这也意味着，当国家级资本集体入场，大厂的出价能力被彻底碾压——不是比钱多，而是比谁能给DeepSeek真正需要的战略性资源：产业链整合能力、算力基础设施的支持。 这些结构性力量，远超一家互联网巨头能够提供的价值范畴。对梁文锋来说，选择国资而非大厂，不是简单地“向资本低头”，而是选择了一种能够最大程度保全治理独立性的“战略型合伙人”。在上海证券报的求证中，业界普遍认为，融资的终点很可能是“大基金主导、多家互联网巨头小额参与、梁文锋个人继续重注”的三层结构，既保障资金供给，又防止任何一方获得压倒性话语权。 只是，在新时代的牌桌中，旧玩家们仍在奋力的寻找自己的位置。 以阿里、腾讯、字节为首的第一梯队大厂自不必说，就连中厂如今都开始布局频频。 今年五一前夕，小红书以内部信形式宣布了一场规模巨大的组织升级，核心动作是两个：一是成立以AI为核心的一级部门Dots，建设从模型研发、基础设施、工程到产品的完整技术体系；二是在组织层面成立“企业智能部”，从智能、人才、数据和资源四个维度为“AI时代的组织”重新打底。小红书的AI建设，最终交给了技术出身的柯南。 美团的反思更早，2026年3月13日，美团召开2000人规模的管理层沟通会，CEO王兴把话讲得很重，他说“移动互联网和互联网就像玫瑰和芍药，而AI和互联网就像猴与花——量级和影响力要大得多。紧接着在4月底，美团低调启动万亿级参数大模型的邀请测试。5月，其高调宣布战略投资Kimi，但这场战斗仅仅是开始。 而从对DeepSeek投资上的分歧来看，这是旧玩家与新牌局的第一次碰撞。 互联网大厂永远理解不了梁文锋，就像旧玩家难以跟上新牌局一样——它们以为这是一场有钱就能入局的牌局，但实际上他们可能根本不在一个牌桌。

凤凰网科技讯 （作者/姜秋语）5月9日，通用具身智能科技公司小雨智造宣布完成数亿元B+轮融资。本轮融资由北汽产投、复星锐正和建发新兴三家新进投资方联合投资，老股东华业天成、贵州科创天使基金共同跟投，滴滴、小米联合创始人黎万强持续追加投资，庚辛资本担任独家财务顾问并参与投资。 值得注意的是，小雨智造本轮融资的投资方阵容横跨消费电子、汽车、船舶、建筑四大产业门类，工业具身智能的产业生态版图进一步成型。这也是继今年3月华业天成领投的B轮融资后，小雨智造在短时间内完成的又一轮大额融资——彼时该B轮由华业天成领投，招银国际、茅台基金、贵州省科创天使基金共同跟投。

快科技5月14日消息，中芯国际今日正式公布2026年第一季度的财报。业绩显示，公司Q1销售收入25.05亿美元，同比增长11.5%，环比增长0.7%。 盈利方面，本季毛利5.04亿美元，毛利率回升至20.1%，较2025年第四季度的19.2%环比提升0.9个百分点，盈利水平稳步修复。 从收入区域看，中国大陆地区占比攀升至88.9%，较2025年同期的84.3%进一步提升，本土客户需求成为业绩核心支撑。 同期美国地区收入占比为 9.3%，较去年同期的12.6%有所下降；欧亚地区收入占比1.8%，同比、环比均呈收窄趋势。 按下游应用划分，消费电子仍是第一大收入来源，一季度占比达46.2%，较2025年同期的40.6%大幅提升。工业与汽车领域占比由去年同期的9.6%增至14.0%，成为增速最快的业务板块。智能手机业务占比18.9%，电脑与平板占比13.6%。 2026年第一季度，销售晶圆折合8英寸标准片为2,509,137片，环比微降0.2%；产能利用率达93.1%，较去年同期的 89.6% 显著提升，行业景气度回升带动产能利用率持续改善。 资本开支方面，本季资本开支为15.63亿美元，较2025年Q4的24.08亿美元大幅缩减。研发开支从上季的2.40亿美元降至1.87亿美元，行政管理开支亦有所减少。 展望二季度，中芯国际表示，收入预计环比增长14%至16%，毛利率进一步提升至20%至22%。

快科技5月14日消息，据报道，前几日母亲节的时候，胖东来创始人于东来一行五人，前往新疆哈密市一家普通小店就餐。 就餐期间，一行人点了椒麻鸡、野蘑菇汤饭、黄面及20个烤串，实际消费金额为200余元。 结账时，于东来未询问具体消费金额，直接支付了2000元，为实际餐费的10倍。 小店老板刘先生起初以为付款有误，计划退回多收款项，仅收取应收餐费。 于东来当即表示“你们也不容易”，称希望能提供一点帮助，体谅普通经营者的艰辛。 餐后，于东来拍摄视频发布至网络，推荐该小店。 视频发布后，也吸引了不少外地顾客专程到店消费。 刘先生随后公开回应此事，他表示，于东来为人低调、平易近人，是良心企业家。 他同时称，小店面积不大、接待能力有限，担心服务细节不到位，让慕名而来的顾客失望，未来会将这份善意继续传递下去。

智东西 作者 | 王涵 编辑 | 心缘 云鹏 2026年，AI智能眼镜还在继续升温。 据多家外媒爆料，苹果与三星均在推进AI智能眼镜项目，首款产品有望于2026年前后亮相。 过去的2025年，Meta凭借Ray-Ban Meta系列产品迅速占领市场。知名行研机构Counterpoint数据显示，其在全球智能眼镜市场份额一度超过70%；而据道琼斯旗下财经媒体Barron’s援引行业数据，Ray-Ban Meta累计销量已突破700万台。 随着Meta验证市场需求，中国厂商也开始迅速跟进，国内市场迎来“百镜大战”。 国际数据公司（IDC）在2026年3月发布的《全球智能眼镜市场季度跟踪报告》中，2025年中国智能眼镜出货量达246万台，同比增长87.1%，远超全球44.2%的平均增速。 华为、小米、OPPO、理想、阿里夸克、百度小度等大厂密集入局，字节跳动也传出入局传闻。 Smart Analytics Global （SAG） 最新“AI智能眼镜功能报告”预测，2026年，全球AI智能眼镜的收入将增长四倍，销量将从2025年的600万台增至2026年的2000万台，市场规模预计将从12亿美元增长至56亿美元。美国和中国仍将是2026年最大的两个市场，合计占全球需求的近80%。 而这意味着，AI智能眼镜仍处于市场扩张期的阶段，蛋糕还够分，大厂们都不愿错过下一代硬件入口的争夺。 但又一个问题随之出现：当越来越多厂商进入市场后，AI智能眼镜究竟会分化出怎样的产品路线？ 根据目前已知官方信息，智东西整理出了国内外大厂AI智能眼镜参数对比表（仅含已公布参数的产品）： 国内外大厂AI智能眼镜产品不完全对比（智东西制图） 通过参数对比不难发现，目前大厂发布的AI智能眼镜有以下特点： 1、重量： 主流国产AI智能眼镜的框架重量普遍已压缩至40g以内，接近普通墨镜水平，更加追求“全天候佩戴”。 2、续航： 无屏产品由于功耗更低，续航普遍可以达到8小时以上。而带显示方案的产品，目前单次续航大多仍停留在2至5小时。如何在重量、显示与续航之间找到平衡，仍是AI眼镜最大的技术难题之一。 3、芯片： 以高通骁龙为代表的通用平台，仍是多数厂商的主流选择；与此同时，部分手机厂商开始尝试自研芯片，以强化软硬件协同能力；也有一些厂商选择将AI计算放在手机端完成，以降低眼镜本体重量与功耗。 4、生态： 手机与硬件厂商更倾向于将AI智能眼镜纳入现有硬件生态，希望延长手机、耳机等设备的使用链路；而AI公司与互联网平台，则更关注与现有软件生态的接入，希望借AI智能眼镜争夺下一代交互入口。 在技术尚未形成明显代差、行业标准也仍未统一的阶段，AI智能眼镜正进入“定义产品形态”的关键窗口期。不同阵营的玩家开始依托自身生态、模型能力与硬件积累，围绕下一代个人计算入口展开竞争。 一、国产集体轻三成，主打轻量化 从参数表的重量、显示与续航数据来看，轻量化已成为AI智能眼镜的核心竞争点。 重量方面，国产无屏AI智能眼镜的轻量化优势突出：华为AI眼镜框架重35.5g是目前最轻的，小米AI眼镜、夸克G1、小度AI眼镜Pro、理想Livis的框架重量均控制在40g以内，平均重量约38g。 小度AI眼镜Pro 而海外已量产的产品中，Ray-Ban Meta Gen2框架重量为52g，国产主流无屏产品比其轻近三成，佩戴舒适度优势明显。值得注意的是，苹果被曝正在开发的首款智能眼镜，也计划将目标重量控制在50g以下，侧面印证了轻量化已是行业共识。 二、显示屏幕不再是必选项，消费者更喜欢无屏眼镜 显示方案的选择，是影响AI智能眼镜重量的核心因素，也让厂商形成了两大阵营： 1、无屏路线：华为、小米、夸克G1、小度、理想、Meta均选择去掉光机模组，以“无显示”方案实现机身轻量化，核心逻辑是做手机的延伸，主打音频交互与拍摄功能。苹果、三星的传闻方案也倾向于这一路线，试图通过去掉显示模块平衡重量与功耗。 上：华为AI眼镜；下：小米AI眼镜 2、带屏路线：OPPO Air Glass 3、夸克S1坚持带屏设计，试图抢占视觉入口，延续AR/VR/MR的技术路径，但也导致机身重量偏高、功耗承压。 左：OPPO Air Glass 3；右：夸克AI眼镜S1 续航表现上，无屏AI眼镜平均续航可达8.4小时，而带屏产品机身单次续航普遍仅2～5小时，整体呈现出“无屏续航显著优于带屏”的规律。 即便如此，AI智能眼镜的续航能力仍远不及手机，因此理想、Meta、阿里等厂商纷纷采用可更换电池或充电仓方案，进一步缓解用户续航焦虑。 夸克AI眼镜S1的可更换电池与换电仓 从市场反馈来看，轻量化无屏产品更受消费者青睐。根据CINNO Research数据，2025年上半年中国消费级AI/AR眼镜市场销量26.2万台，其中轻量化无屏AI眼镜同比增速达463%，印证了无屏路线的市场认可度。 但无论有屏还是无屏，AI智能眼镜的影像能力的“手机化”已成为行业标配。从表格中不难发现，除华为标注800万像素外，小米、夸克、小度、Meta均采用了1200万像素级别的摄像头，并全线支持4K视频录制、电子防抖和超广角拍摄。 在无屏的硬件躯壳下，厂商们正疯狂内卷影像算法，试图让眼镜先成为一部戴在脸上的“AI相机”。 三、从高通到自研，大厂们分化出四大芯片路线 芯片作为AI智能眼镜的算力核心，背后是厂商技术路线与生态布局的差异，也直接影响了产品的独立使用能力与功耗表现。国内外大厂的产品主要形成了四种差异化路线： 1、通用方案路线： 高通骁龙AR1平台凭借低功耗与算力平衡的优势，成为多数主流产品的“通用方案”。小米、夸克G1均采用该芯片或其衍生方案，快速对齐Meta的基础能力。这一选择能帮助厂商快速缩短研发周期，降低技术门槛。 但芯片平台的通用化，意味着在基础的算力处理上，各家大厂几乎站在同一条起跑线上，难以拉开体验代差。 2、自研芯片路线： 华为AI眼镜采用自研AI眼镜芯片，配合HarmonyOS 6.0系统，构建起封闭且流畅的生态闭环，这也使其在连接稳定性与响应速度上形成优势。 华为自研AI眼镜芯片 3、第三方方案路线： 如理想Livis采用恒玄BES2800BP芯片。 4、无独立芯片路线： OPPO Air Glass 3未配备独立主芯片，算力完全依赖手机端，这种设计虽减轻了眼镜端的重量与功耗负担，但也限制了产品的独立使用场景，使其只能作为手机的辅助配件。 根据目前已知的爆料消息，苹果将为其AI眼镜定制基于Apple Watch S系列芯片的新处理器，主要负责驱动摄像头、处理传感器数据及运行基础机器学习模型，更复杂的计算任务则将通过无线传输至iPhone或云端处理，以此平衡功耗与续航。 四、硬件延伸VS入口卡位？立场决定产品路线 从参数表中的操作系统与AI模型配置来看，手机厂商、互联网厂商与汽车厂商的生态布局思路差异显著，形成了“硬件生态延伸”与“软件入口卡位”的不同策略，也决定了产品的定位与发展方向。 AI模型层面，多数产品接入了厂商自研的大模型或AI助手：华为AI眼镜搭载小艺助手，小米接入小爱同学，夸克G1接入千问大模型，小度AI眼镜搭载小度，理想Livis接入理想同学，Ray-Ban Meta Gen2搭载Meta AI，均聚焦多模态交互能力，实现实时翻译、识物问答等基础功能。 小米AI眼镜搭载超级小爱 而对于在AI能力相对没那么突出的厂家来说，多模型融合成为补齐产品AI能力的举措之一。海外巨头中，三星被曝计划在其AI眼镜中同时接入Galaxy AI与Gemini AI，苹果也被曝将搭载Apple Intelligence和Gemini AI。 在AI智能眼镜的生态布局上，行业逐渐分化为硬件生态延伸与软件生态联动两大路线。 硬件生态延伸阵营以手机厂商、汽车厂商为核心，包括华为、小米、苹果、三星以及理想，均将AI智能眼镜定位为自身硬件生态的延伸配件，核心发力跨设备流转与场景联动。 闪极科技创始人兼CEO张波曾在采访中表示：手机厂商做AI智能眼镜，本质是为手机使用提供“替补”，防止用户时间被AI智能眼镜抢占，属于防守型产品策略。 理想Livis作为汽车厂商推出的AI眼镜，搭载自研Livis OS与理想同学AI助手，核心逻辑是服务于车机生态，实现车内交互与跨场景联动，这也是汽车厂商切入AI智能眼镜赛道的独特优势。 软件生态联动路线的代表则是如阿里、百度、Meta等互联网/科技厂商，他们更倾向于将AI智能眼镜打造为“下一代交互入口”，试图通过眼镜联通自身软件生态，打破硬件边界。 阿里巴巴千问AI硬件产品总监吴建军（晋显）在昨天的千问AI眼镜沟通会上登台分享，他特别提到，千问AI眼镜有两个突出优势：深度定制的千问大模型“最强版本”+阿里生态中丰富的应用和服务。 以夸克G1为例，其搭载Android+RTOS双系统与自研Master Agent大模型中控系统，深度联动阿里千问大模型，联动高德地图、支付宝等软件生态，凸显入口价值。 结语：AI智能眼镜正从概念走向大众消费 尽管目前各大厂商的产品在硬件方案、AI能力、续航表现上仍趋于相近，尚未有某一款产品建立起绝对领先的技术壁垒，但这种百花齐放的格局，恰恰为行业带来了更多可能性。 根据国际数据公司（IDC）今年3月发布的《全球智能眼镜市场季度跟踪报告》，2025年全球智能眼镜市场出货量达1477.3万台，同比增长44.2%；其中中国市场表现尤为突出，全年出货量246.0万台，同比增幅高达87.1%。 没有一家独大，意味着赛道仍充满机会。随着技术持续成熟、场景不断丰富，AI智能眼镜距离真正走进日常生活，已经越来越近。

凤凰网科技讯 5月14日，据《华尔街日报》报道，Anthropic正逐渐成为AI霸权争夺战中公认的领跑者。凭借更快的增长速度和融资能力，其估值可能很快就会超越竞争对手OpenAI。 Anthropic两位创始人曾在OpenAI工作 在这场竞赛中，OpenAI曾看似稳操胜券，而Anthropic只是奋起直追的弱势挑战者。但两家公司之间的差距在今年已显著缩小。新的数据表明，Anthropic的增长仍在持续加速。而某些指标显示，OpenAI的增长已开始趋于平缓。 赶超OpenAI 据知情人士透露，Anthropic近几个月已收到多份投资要约，对其估值超过9000亿美元。这将使该公司目前的估值增加了一倍以上，并首次超越OpenAI。今年早些时候，OpenAI以8520亿美元的估值融资1220亿美元。 根据Anthropic向投资者透露的数据，该公司的收入运行率(创业公司常用的一种基于短期销售预测年度收入的指标)预计将在下月底达到500亿美元。今年4月，其收入运行率已突破300亿美元，而2025年底时为90亿美元。该公司原本计划今年实现10倍的增长，但在第一季度，其年化收入和使用量却实现了80倍的增长。 OpenAI则在3月底表示，其收入已达到每月20亿美元，年化约240亿美元。不过，由于统计口径不同，这一数据并不完全可比。Anthropic将通过云服务合作伙伴实现的销售计入收入，而OpenAI则不这样处理。OpenAI发言人表示，3月份公布的月收入数据并非旨在代表精确的年化收入运行率。 金融科技创业公司Ramp在周三公布的数据中表示，其使用Anthropic模型的客户数量首次超过了使用OpenAI模型的客户，其中34.4%的客户使用Anthropic，而使用OpenAI的客户占32.3%。数据显示，从3月到4月，Anthropic旗下Claude工具的使用率上升了3.8%，而OpenAI的使用率则下降了2.9%。Ramp分析了约5万名客户的支出情况，来追踪AI应用趋势。 Ramp客户中使用Anthropic的比例超过OpenAI “我们在这个市场上一次又一次看到，一个占据主导地位的大公司可能在短短几个月内被取代。Anthropic就刚刚做到了这一点。”Ramp经济学实验室首席经济学家阿拉·卡拉齐安(Ara Kharazian)表示。 OpenAI发言人表示，Ramp的数据并不能全面反映企业客户的情况，因为大型企业客户并非通过信用卡支付软件服务费用。 逆袭法宝 在今年之前，OpenAI一直被视为AI竞赛中的“默认领跑者”，其ChatGPT聊天机器人在整体用户规模上仍然显著领先于Anthropic的Claude。 Anthropic之所以能够迎头赶上，是因为它专注于开发少数几款产品，而非试图主导市场的每一个角落。它在编程用户和企业客户方面取得的成功，使其按照自己的节奏重塑了AI竞争格局。 2022年底ChatGPT发布后，OpenAI迅速腾飞，很快成为业界公认的赢家，并吸引了大量资本涌入。 与此同时，Anthropic与被判欺诈罪、名誉扫地的加密货币高管萨姆·班克曼-弗里德(Sam Bankman-Fried)扯上了关系。这种关系使得它在许多主流投资者眼中成为了“弃儿”。 这导致Anthropic在更为“受约束”的环境中发展，被迫采取更加克制的策略，将重心放在为企业客户开发AI工具上。 Anthropic的投资者、投资公司Iconiq创始人迪维什·马坎(Divesh Makan)在此前的一次采访中表示，那时候“还没有数十亿美元的资金涌入”，“他们必须时刻想着：如何用更少的资源做更多的事情？”。 Claude 2025年底，随着Claude Opus 4.5的发布，Anthropic的增长急剧加速。该模型在编程能力上的提升推动了Claude Code的使用激增，后者是一款与其旗舰模型配合使用的软件工具。开发者与AI爱好者们在假期期间花费大量时间体验这款工具，并表示他们“对Claude上瘾了”。 今年1月，随着Anthropic面向非技术任务的智能体工具Cowork的发布，其增长势头进一步加快。 尽管如此，OpenAI在消费者覆盖面方面仍然远超Anthropic。OpenAI在2月表示，ChatGPT的周活跃用户已达到9亿。在美国市场的每周应用下载量方面，ChatGPT长期显著领先于Claude，但在3月曾短暂被反超。 根据网络数据公司Sensor Tower的数据，3月2日，Claude在美国周下载量上首次超越了ChatGPT。大约在同一时间，ChatGPT在美国的应用卸载量激增了295%，Sensor Tower认为这与OpenAI与美国国防部达成合作所引发的用户反弹有关。 与此同时，在市场预期Anthropic即将进行新一轮融资以及随后启动IPO的背景下，Anthropic股票在二级市场上的买盘、卖盘和交易活动均大幅增加。在私募股票交易平台Augment上，Anthropic股票第一季度的交易量较去年第四季度增长了两倍，首次位居该平台交易活跃度榜首。 在同一时期，OpenAI在Augment平台上的二级市场估值下跌了22%，交易活跃度则基本持平。 “两个AI领军者，在同一个季度朝着截然相反的方向发展。”Augment在一篇博客文章中写道。(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”。

凤凰网科技讯（作者/于雷）5月14日，针对网传“AI一号位即将离职”并影射腾讯一事，腾讯官方发布严正声明表示，此谣言纯属子虚乌有。腾讯严正辟谣，并保留对相关恶意造谣者追究法律责任的权利。 前OpenAI核心研究员姚顺雨2025年12月加入腾讯，出任CEO/总裁办公室首席AI科学家，同时兼任AI Infra 部、大语言模型部负责人，向腾讯总裁刘炽平和技术工程事业群总裁卢山双线汇报。他是“思维树”框架的提出者，该成果让AI解决复杂问题的能力提升40%，论文引用超15000次。在OpenAI期间主导了Operator智能体DeepResearch产品的开发，2025年入选《麻省理工科技评论》全球35岁以下科技创新35人榜单。 腾讯AI近期最受关注的进展是姚顺雨团队4月23日发布并开源的Hy3 preview语言模型，这是他执掌腾讯大模型研发后的首个重要成果。该模型采用MoE架构，在复杂推理、指令遵循和工具调用能力上实现显著提升，同时大幅降低了使用成本。截至5月13日，Hy3 preview已连续三周登顶OpenRouter周榜总榜，工具调用和编程场景分列第一、第二，结束限免期后日Token调用量仍保持榜首。 此外，腾讯3月底推出的AI效率智能体WorkBuddy目前已成为中国使用最广的 AI 效率智能体服务，公司累计上线数十款通用和垂直场景Agent，AI能力已全面融入元宝、QQ 浏览器等核心产品。

智东西 作者 | 李水青 编辑 | 心缘 智东西5月10日报道，5月9日，Hermes Agent（昵称：爱马仕）登顶OpenRouter全球应用调用量榜首，首次超越OpenClaw（昵称：龙虾）。 OpenRouter榜单地址：https://openrouter.ai/app 据OpenRouter应用Token消耗榜最新数据，这一Nous Research旗下开源自进化Agent产品登顶全球应用Token消耗榜，单日Token消耗量达到271B，也就是2710亿Token。 Nous Research发文感谢用户 这个数字把一众热门AI代码与Agent工具甩在身后：第二名是OpenClaw，245B Token；第三名Kilo Code，149B Token；第四名Claude Code，79.2B Token。 此前4月14日，Hermes曾冲上OpenRouter“最热门编程Agent”细分榜单榜首，但未曾登顶总榜。当时，不少人开始弃掉OpenClaw转战Hermes。 而仅仅不到一个月后，Hermes在实打实的日调用量上超越龙虾，正在被大量用户真实使用。最新数据显示，Hermes累计Token消耗量已超过6.37万亿。 Hermes总体Token消耗情况 本月调用排名前五的模型为MiMo-V2-Pro（小米）、MiniMax M2.7（MiniMax）、Nemotron 3 Super（英伟达）、Step 3.5 Flash（阶跃星辰）、Hy3 preview（腾讯）。 Hermes模型调用情况 Hermes是2026年继OpenClaw之后走红的第二个开源智能体。与OpenClaw相比，该项目主打可成长性：具备持久记忆与精准回忆能力，并搭载完整的自我学习机制，可在使用过程中自主创建并优化技能。这也是为什么它会被称为“越用越聪明”的Agent。 Token消耗不等于产品成功，但它至少说明两件事：第一，有真实用户在高频调用。第二，应用正在承接复杂任务，而不是浅层问答。 值得注意的是，Hermes的token消耗量超过了多个AI代码助手。从Claude Code到Kilo Code，AI代码助手的边界正在被通用Agent侵蚀。 Hermes在编程Agent中的token消耗排名 当然，Hermes登顶不代表它已经赢了。开源Agent想真正成为主流，还要过稳定性、安全性、Token成本、生态协同等几大关。271B日Token消耗说明使用量惊人，也说明推理成本可能很高。 Agent要成为基础工具，不能只会“猛烧Token”，还得在任务成功率、成本、速度之间找到平衡。 截至目前，Hermes在GitHub已获得14万星，相比一个月前直接翻倍，Fork达21.8k。 Hermes的GitHub页面截图 GitHub地址： https://github.com/nousresearch/hermes-agent 同时，Hermes国内官宣适配平台已覆盖大模型、云厂商、社交/办公IM、消费级Agent。 Hermes在四月已支持微信调用 结语：AI Agent开始进入真实用量竞争阶段 Hermes登顶OpenRouter应用Token消耗榜，是一个值得关注的拐点。过去AI产品比的是模型参数、榜单分数和发布声量，现在越来越多产品要接受真实使用量的检验。 以Hermes、OpenClaw为代表的AI Agent正在重构软件行业。过去SaaS靠流程、权限、数据和组织协作建立壁垒，未来Agent可能靠“懂你”和“会干活”建立壁垒。 开源Agent不再只是追赶者，它正在用真实Token消耗，正面挑战AI代码助手和闭源Agent产品。AI Agent的牌桌，可能真的要重洗了。

IT之家 5 月 14 日消息，5 月 12 日，在抖音集团短剧版权中心举办的首届短剧产业大会上，红果短剧总编辑乐力以“让好内容被看见”为主题进行了发言。 IT之家从文中获悉，他提到红果短剧会持续投入支持真人短剧的发展和鼓励内容迭代创新。近期，短剧版权中心陆续推出多项真人短剧扶持计划。鼓励短剧领域涌现更多传递正向价值、打造精品 IP 的真人短剧，也希望让每一份匠心付出都能获得应有的回报。此外，红果短剧近期完成创作者后台的升级，进一步提升内容合作效率，在平台功能整合基础上推动分账透明化。 他认为 AI 技术为短剧行业带来了新的机遇 —— 它降低了创作门槛，拓宽了题材边界，让更多创意得以落地，让短剧创作进入了“高效化、多元化”的新阶段。但机遇背后，也伴随着不容忽视的问题。 据悉，红果短剧从 4 月开始正全面加速 AI 短剧内容治理。一是健全审核体系，严禁低俗猎奇、拜金炫富、传播负面价值观、制作粗糙伤害用户体验等低质内容，自从 4 月 7 日起开展低质 AI 剧专项治理行动开始，累积回查下架了超过万部 AI 短剧，提高要求全面治理的同时，也在积极跟各位合作伙伴做好沟通和规则的透传。二是严肃对待版权保护，大力打击创意抄袭、肖像侵权等违规行为，全力守护创作者和权利人的合法权益。 最后，他总结道：“无论是扶持真人短剧，还是加速 AI 短剧的治理，我们的核心目标始终不变：让好内容被看见。”

批量制造千万美元富翁，何需等到公司上市？ 《华尔街日报》披露了一组颇具冲击力的数据。去年10月，OpenAI超过600名现任和前任员工通过股票出售总计套现66亿美元，其中约75人每人兑现了3000万美元。 这意味着，在OpenAI还没有上市之前，一批高管和普通员工已经先一步拿到了这轮AI热潮的财富回报。 这也是当前AI行业最值得关注的变化之一。过去，创业公司员工通常要等到IPO之后，才可能真正兑现手里的股票。但现在，头部AI公司把财富释放的时间大幅提前。 OpenAI是最醒目的样本，DeepSeek正在补上外部估值和股权激励这一课，Anthropic、Cerebras、Character.AI等公司则说明，融资、要约收购、二级市场交易、技术授权和团队转移……AI造富的途径正在变得更多。 对AI公司来说，这是吸引顶尖人才的新武器。对AI人才来说，技术能力不再只是换来高薪和期权，也更可能在公司上市前就变成现实收益。 我们先来看看OpenAI的“造富神话”。 OpenAI的高管赚得多，这一点已经经由最近的法庭大战公之于众。 最近，马斯克对战OpenAI、奥特曼等人的官司开庭。 总裁布罗克曼在庭上作证时表示，他持有的股权价值约为300亿美元。与此同时，前首席科学家苏茨克维也在马斯克诉OpenAI的庭审中披露，自己持有的OpenAI股权价值约为70亿美元。 首席执行官山姆·奥特曼（Sam Altman）则表示自己并未持有公司的股份，理由是公司的非营利性质，不过一些投资者则预计，如果OpenAI的营利化重组最终顺利推进，奥特曼未来仍可能获得股权安排。 许多普通员工也已经兑现高额财富。 《华尔街日报》爆料，去年10月，OpenAI组织了一次大规模股票出售，超过600名现任及前任员工在同一天兑现了手中的股份，总计套现约66亿美元。 在这批员工中，大约75人达到了公司规定的最高出售上限，每人兑现3,000万美元。 部分员工将剩余股份捐入捐赠建议基金（donor‑advised funds），以支持公益事业并获得当年税收减免。 这次出售是AI行业内迄今规模最大的员工股权兑现事件之一。 此次交易也标志着OpenAI自ChatGPT发布以来首次允许新入职员工兑现股票。 这是一个明显的变化，在员工兑现股票这件事情上，OpenAI越来越大方。 之前公司规定员工必须入职至少两年后才能出售股份，因此很多加入公司的技术专家在此之前无法兑现股票。 对比七年前首次发放股份，早期员工的股权价值已经增长超过100倍，与同期纳斯达克指数约三倍的增幅相比，远超传统科技公司的财富增长水平。 OpenAI的股权激励制度本身也经历过调整。 此前每位员工的出售上限为1000万美元，2025年秋调整至3000万美元，以回应投资者和员工的需求。 这种制度既回应了外部投资者的买入需求，也让员工手里的纸面财富有了变现通道。历史数据显示，早期员工若在上市后才能出售股份，财富增值可能会受到市场波动影响，而OpenAI的提前兑现机制则有效缓解了这一风险。 薪酬与股票激励是OpenAI吸引和留住顶尖人才的重要手段。 OpenAI部分技术岗位年薪可达50万美元，外加股票奖励和一次性奖金，部分奖金价值可达数百万美元。这种组合使员工在经济上获得显著回报，同时也提高了关键岗位的稳定性，支撑公司在技术开发和产品迭代上的快速推进。 Meta去年曾为其顶尖AI人才提供高达3亿美元的薪酬包，AI行业内对高端人才的激烈竞争与补偿水平普遍高于传统科技公司。 AI正在旧金山批量制造新晋富翁，甚至夸张到催热了旧金山低迷已久的房市。 有的房子因为同时报价竞争的买家众多，最终成交价远超要价，比如要价160万美元但以200万美元的价格成交。据Apartment List网站数据显示，2月份旧金山全市租金同比上涨14%，涨幅居全美之首。 这些消息——不管是高管手握巨额财富，还是普通员工的高薪酬、高奖金、愈发“大方”的股权方案，对于OpenAI来说有一个显而易见的好处，即这势必会对人才形成新的吸引力。 这种吸引力不只是“工资更高”。更重要的是，它让员工看到一条可以兑现的路径。加入一家最头部的AI公司，拿到期权或股票，等公司估值继续上升，再通过要约收购、二级市场交易或未来IPO实现财富兑现。 这也是DeepSeek最近融资传闻值得关注的原因之一。 据路透社，DeepSeek正在推进首次外部融资，目标估值可能达到500亿美元，融资规模约30亿至40亿美元。在不到一个月前的传闻中，DeepSeek的估值还只有100亿美元。 表面看，这是一家中国AI明星公司获得资本认可。但放在OpenAI的案例之后看，这件事还有另一层含义：DeepSeek需要的不只是钱，而是一个被外部市场承认的价格。 DeepSeek过去并不是典型的风险投资驱动型公司。它的资金主要来自创始人梁文锋及其背后的幻方量化。 正因为如此，它在很长一段时间里可以维持一种“研究团队”式的形象：低调、技术导向、强调模型效率。但当一家公司真正进入全球AI竞争的场域，它就很难长期只靠技术声望维持组织。模型需要算力，产品需要商业化，团队也需要长期激励。 融资的第一层作用，就是给公司估值。估值一旦形成，员工手里的期权和股权才有了可以讨论的价格。否则，所谓股权激励更像是一张远期承诺：理论上有价值，但员工并不知道它到底值多少钱，也不知道什么时候可以变现。 OpenAI员工之所以能在上市前完成大规模套现，前提正是公司已经经过多轮融资和要约收购，形成了一个投资人愿意接受的定价体系。 DeepSeek如果要在中国AI人才争夺战中长期留住核心成员，也需要补上这一环。 这一点对DeepSeek尤其重要。路透报道称，这轮融资的资金用途包括加强计算基础设施和改善员工福利。 报道还提到，DeepSeek正面临来自字节跳动、阿里巴巴，以及MiniMax、月之暗面等中国AI公司的人才和资本竞争，并已经出现人才流失案例，例如罗福莉加入小米的案例。 能不能在一个已经被OpenAI、Anthropic、Meta等公司抬高薪酬标准的行业里，给核心人才提供足够有说服力的长期回报，是DeepSeek要面临的新挑战。 OpenAI的员工套现说明，头部AI公司已经可以在上市前制造大规模财富；DeepSeek寻求外部融资，则说明后来者也在补估值、股权激励和算力投入。 这轮AI造富并不只有“等公司IPO”这一条路。 过去创业公司最标准的财富出口是上市，现在钱正在通过更复杂的路径流转。 员工可以在二级市场提前套现，创业公司可以通过并购退出，芯片公司和基础设施公司也可以借AI热潮进入公开市场。 最直接的出口仍然是IPO。除了OpenAI之外，Anthropic也是模型公司的样本。 目前认为Anthropic最快可能在2026年上市。它的特殊性在于，它不像DeepSeek那样还处在首次外部融资阶段，也不像OpenAI那样有复杂的非营利转营利争议。它有Claude，有企业客户，也有谷歌、亚马逊等云厂商支持。 另一类IPO样本是芯片初创公司Cerebras。 路透报道称，由于投资者需求强劲，Cerebras计划把IPO发行价区间从每股115至125美元上调至150至160美元，发行股数也从2800万股提高到3000万股。 按最高价计算，募资额约48亿美元；这笔交易获得超过20倍认购，并计划以CBRS为代码在纳斯达克上市。报道还称，这可能成为2026年全球最大IPO。 AI热潮不只让模型团队变贵，也让芯片、算力和数据中心成为新的财富出口。 并购是另一个路径。 2023年6月，Databricks宣布以约13亿美元收购生成式AI平台MosaicML，交易金额包括留任激励包。MosaicML当时主打帮助企业训练、部署自己的生成式AI模型，Databricks收购它，本质上是直接买下模型训练平台、团队和企业AI能力。 而MosaicML当时大约只有62名员工。所以媒体用“约2100万美元/员工”来形容这笔交易的昂贵程度。 并购也不再只是“某家公司被完整买走”。 Character.AI就是更典型的新样本。 2024年，谷歌与Character.AI达成约27亿美元的技术授权交易，获得其模型技术许可，同时聘请联合创始人诺姆·沙泽尔（Noam Shazeer）、丹尼尔·德弗雷塔斯（Daniel De Freitas）及部分核心研究成员加入谷歌DeepMind。 《金融时报》后来报道称，这笔交易后，Character.AI放弃继续训练前沿大模型，转向强化消费级聊天机器人产品。 此外，公司用这笔资金买断投资人股份，并将公司所有权转给员工，员工还获得了一次性现金补偿。约30名员工加入谷歌，约100人留在Character.AI。 也就是说，在这个案例当中，谷歌没有完整收购Character.AI，却通过高额授权费拿到了技术和最稀缺的人才；原公司继续存在，投资人和员工也提前获得了流动性。 公司不一定被买走，但技术、团队和未来收益权，已经被大厂重新定价。 这也是这一轮AI热潮和过去很多科技周期不同的地方：财富不再只等到IPO那一刻才集中释放，也不只属于创始人和投资人。 模型、数据、算力、产品和基础设施背后的人，正在通过二级市场、技术授权、团队转移、并购和上市获得更早、更复杂的兑现机会。 对AI公司来说，这是吸引人才的新武器；对AI人才来说，这意味着他们不一定要等到IPO，也可能更早把技术能力变成现实收益。

编译 | 佳扬 编辑 | 云鹏 智东西5月14日消息，据路透社今日报道，微软正加速布局AI初创公司收购，为未来逐步摆脱对OpenAI的深度依赖提前做准备，同时冲刺在明年落地顶尖自研大模型的战略目标。 其中，明星代码生成公司Cursor，以及由斯坦福团队创立的新锐AI公司Inception，都曾进入微软的潜在交易名单。 微软与Inception的谈判仍在推进阶段，最终能否达成交易尚存不确定性。 SpaceX也曾尝试接触Inception，并且在微软退出Cursor交易后，在4月22日宣布与Cursor达成合作。 一、因反垄断压力放弃Cursor，转而接触Inception 据路透社报道，五位知情人士透露，微软近几个月明显加快了AI投资与并购节奏，核心目标之一，是为未来建立不依赖OpenAI的自主模型能力。 其中，微软今年春天曾认真评估收购AI代码生成公司Cursor。但由于微软已经拥有GitHub旗下Copilot业务，内部担忧该交易可能面临反垄断审查压力，因此最终放弃推进。 不过，微软并未停止寻找新的AI目标。 目前，微软正与Inception展开接触。Inception由斯坦福大学团队于2024年创立，专注于一种不同于传统Transformer路线的大模型技术，其核心思路是将“扩散模型”（Diffusion）引入文本生成领域。 与传统大模型逐词生成内容不同，扩散式文本模型能够同时生成并优化多个token，从而大幅提升推理速度。这种路线此前更多应用于AI图像与视频生成领域，而Inception希望将其扩展至大语言模型。 微软旗下投资基金M12此前已经参与了Inception约5000万美元（约合人民币3亿元）的种子轮融资。知情人士透露，Inception近期还聘请了投行协助谈判，其估值预期已超过10亿美元（约合人民币68亿元）。 但业内对于这一技术路线仍存在争议。一些AI研究人员认为，扩散式文本模型虽然速度优势明显，但在稳定性、可预测性以及超大规模训练方面，仍未被充分验证。 据消息人士透露，双方谈判仍在推进阶段，最终能否达成交易尚存不确定性。 除了微软之外，SpaceX也曾尝试接触Inception，并且在微软退出Cursor交易后，很快与Cursor达成合作。4月22日，SpaceX官推发文称，今年晚些时候或将以600亿美元（约合人民币4093亿元）收购Cursor，又或为双方的合作支付100亿美元（约合人民币682亿元）。 SpaceX官宣 二、微软与OpenAI从深度绑定走向既合作又竞争 微软与OpenAI的关系，曾被视为AI时代最成功的联盟之一。 2019年，微软向当时仍名不见经传的OpenAI投资10亿美元（约合人民币68亿元），并向其提供大规模云计算资源。随着ChatGPT在2022年底爆发，微软不仅迅速成为全球AI浪潮中的核心受益者，其Azure云业务也获得巨大增长。 根据微软最新披露的数据，公司已经向OpenAI支付了约118亿美元（约合人民币801亿元），占此前承诺130亿美元（约合人民币882亿元）投资中的绝大部分。而微软高管近期在法庭作证时则透露，微软在OpenAI合作以及相关基础设施建设上的总投入，已经超过1000亿美元（约合人民币6785亿元）。 但随着双方实力与诉求变化，这段关系也逐渐出现裂痕。 最初的协议曾赋予微软对OpenAI技术的独家使用权，同时限制微软自行开发可能与OpenAI竞争的基础模型。然而，随着OpenAI快速扩张，其对算力资源的需求已经开始超出微软的供给能力。 与此同时，微软也越来越不愿被限制在“OpenAI基础设施提供商”的角色中。 知情人士称，多年来双方已经多次调整合作协议。2025年底的一项修订，允许微软自行研发AGI相关技术；而今年4月，双方进一步达成新协议，允许OpenAI与微软竞争对手亚马逊合作开发部分产品。 这意味着，微软与OpenAI正在从早期的深度绑定关系，逐渐转向一种更加复杂、既合作又竞争的新状态。 与此同时，微软内部也在推进自己的AI研发体系，包括由Mustafa Suleyman领导的新团队，目标正是打造能够与OpenAI同级竞争的下一代模型能力。 结语：合作红利见顶，微软拆解路径依赖 过去几年里，微软凭借对OpenAI的押注，一度在生成式AI浪潮中抢占先机。但随着OpenAI影响力持续扩大，以及模型、算力、生态控制权的重要性不断提升，微软显然已经不满足于只做OpenAI背后的“云服务提供者”。 无论是频繁接触AI初创公司、布局新模型路线，还是重新调整与OpenAI的合作边界，都表明微软正在主动拆解对OpenAI的路径依赖。

【CNMO科技消息】近日，据韩媒报道，三星计划于2026年7月22日在伦敦举办下半年大型发布会“Galaxy Unpacked”，届时可能推出多款新品，包括三款折叠屏手机、AI智能眼镜以及新一代智能手表。 此次发布会的主角预计为三款折叠屏机型：Z Flip 8、Z Fold 8以及新增的Z Fold 8 Wide。其中Z Fold 8 Wide采用更宽的横向设计，竖向略短，旨在提升折叠状态下的外屏使用体验，展开后屏幕比例更类似平板电脑，适合多任务处理和视频观看。 此外，三星可能首次展示智能眼镜产品Galaxy Glasses。该设备搭载与谷歌合作开发的Android XR系统，并集成基于Gemini的AI功能。与常见的AR眼镜不同，Galaxy Glasses不配备显示屏，而是通过麦克风、扬声器和摄像头实时分析用户视野，专注于AI助手功能。设计方面，三星与眼镜品牌Gentle Monster合作，力求外观适合日常佩戴。 智能手表方面，三星Galaxy Watch 9系列有望亮相，同时高端型号Galaxy Watch Ultra 2也可能一同发布。三星正通过折叠屏、AI眼镜和可穿戴设备，加速构建面向AI时代的生态系统。

【CNMO科技消息】近日，据外媒报道，研究人员开发出一种基于深度强化学习的人工智能充电系统，可在保持较快充电速度的同时，将电池寿命延长近23%。这项研究由新西兰惠灵顿维多利亚大学的Meng Yuan和瑞典查尔姆斯理工大学的Changfu Zou共同完成，成果发表在《IEEE交通电气化汇刊》上。 该系统采用名为TD3的机器学习方法，通过数千次模拟充电会话进行试错学习。与传统充电器使用固定充电模式不同，新系统能够根据电池的实际老化程度实时调整充电策略。传统充电器通常以满功率开始充电，随电池容量接近饱和逐渐降低功率，但这种方法忽略了电池的新旧程度。 研究团队使用真实电池模型进行模拟测试，结果显示，新方法下的电池等效循环次数达到703次，而传统充电方法仅为572次，电池寿命提升约23%。在充电速度方面，系统可在约24分钟内为电池充至80%电量，与传统快充相当。 研究团队使用配备Intel i5处理器和NVIDIA RTX 3060 GPU的消费级台式电脑完成系统训练，这表明该框架可在普通硬件上运行，无需专用高性能计算集群。 目前该充电方法仍处于模拟阶段，需在实际环境中进一步验证。如果测试成功，智能充电技术有望成为下一代电动汽车的重要升级方向。

2025年11月某天，杨立昆（Yann LeCun）走进马克·扎克伯格的办公室，说了一句话："我一个人在外面，能做得更快、更便宜、更好。" 这句话背后，是他在Meta苦苦坚守了十二年的立场。在这十二年里，他亲眼目睹整个AI行业以几乎宗教般的热情，将数千亿美元砸向大语言模型，而他却始终认为这条路走不通。 "通过LLM走向超级智能，这完全是扯淡，永远不可能成功。"这是他在2025年11月一次公开演讲中说出的话，措辞之直接，连业内都为之侧目。 他的核心判断不是某个技术细节上的分歧，而是对整个范式的否定：大语言模型本质上是统计学的模式匹配器，它只是在预测下一个单词，并不真正理解物理世界。他打了一个比方，说LLM其实并不知道"玻璃杯从桌上推下去会摔碎"，它只是知道"玻璃杯"和"摔碎"这两个词经常同时出现在训练文本里。 这个区别，听起来微妙，但在杨立昆看来，这是人工智能能否真正理解世界的本质问题。 像素重建是个坏主意，他要打造"世界模型" 让杨立昆与整个行业决裂的另一个关键观点，是他对"像素重建"的彻底否定。 现在主流的生成式AI，无论是逐帧生成视频，还是逐像素还原图像，都在做同一件事：把观察到的一切，尽可能精确地在输出端重建出来。杨立昆认为这条路从根本上就错了，因为物理世界的绝大多数细节是不可预测的，比如一阵风吹过树叶的具体姿态，没有任何模型能够精准还原，而消耗大量算力去"猜"这些细节，不仅浪费资源，也无助于真正的理解和推理。 他的替代方案，叫做JEPA，即联合嵌入预测架构（Joint Embedding Predictive Architecture）。这套架构的设计思路是：不预测具体的像素或具体的文字，而是在一个更抽象的"表示空间"里预测世界的演化规律。换句话说，JEPA要学的不是"这张图长什么样"，而是"这个场景会朝什么方向变化"。 这就像一个从未学过物理的小孩，也知道把球从桌上推下去它会落地。她不是靠读书学到这一点的，而是靠持续观察世界、内化了物理规律。杨立昆希望AI也能拥有这种能力，即从观察中建立起关于因果关系的内部模型，而不仅仅是记住大量文字的共现规律。 2026年3月，他离开Meta四个月后，旗下新公司AMI Labs（Advanced Machine Intelligence，法语里"ami"恰好是"朋友"的意思）宣布完成10.3亿美元种子轮融资，估值达35亿美元。这是欧洲历史上规模最大的种子轮，投资方阵容包括英伟达、贝索斯私人投资机构、三星、前谷歌CEO埃里克·施密特以及万维网发明者蒂姆·伯纳斯-李。 押注者与质疑者，谁会是最后的赢家？ AMI的融资成功，说明资本市场并不认为杨立昆只是在发牢骚。 英伟达的参与尤其耐人寻味——这家公司的芯片几乎为全球所有LLM提供算力支撑，如今却同时押注"LLM的替代者"，这本身就是一种对冲信号：如果未来AI范式真的发生转变，英伟达不想缺席。 然而，LLM阵营并没有因此慌乱。Anthropic的达里奥·阿莫代伊在2026年1月的达沃斯论坛上，当着杨立昆的面，声称基于现有架构的AI模型将在一年内取代所有软件工程师的工作。OpenAI在同年2月完成了1100亿美元的历史性融资，押注的仍然是更大规模的语言模型。DeepMind的德米斯·哈萨比斯则在社交平台上直接回击杨立昆，称其观点"完全错误"。 面对这些，杨立昆的回应一如既往地冷静："某样东西有用，并不意味着它就是正确的路。马也很有用，但这不代表我们不应该发明汽车。" 值得注意的是，AMI Labs目前只有12名员工，没有任何产品落地，整个公司建立在一套尚待验证的学术理论之上。杨立昆本人担任执行董事长，并不负责日常运营，继续在纽约大学担任教授。真正的考验还在前方。 他预测JEPA将在3到5年内替代LLM成为主流。这句话，在2022年他发表JEPA论文时就说过了。如今资本已经站队，赌局已经开始，剩下的问题只有一个：历史会把他写成先知，还是写成输掉最贵科学实验的那个人？

快科技5月14日消息，AI技术虽好，但狂热的投资是不是泡沫已经引发了两种对立的观点，现在否认AI泡沫的一方又多了一个强力证据，美银将AI未来的支出从1万亿美元提升到了1.7万亿美元。 最近谷歌、微软、亚马逊等公司每年7000-8000亿美元的AI建设引发质疑，甚至导致股价下滑，但在美银发布的最新报告中，他们表示AI的资本开支不仅不会下降，还会大幅提升。 美银将2030年的AI数据中心的市场规模从之前预测的1万亿美元直接提升到了1.7万亿美元，大涨70%。 在这些投资中，1.2万亿美元的费用都要用到AI加速器上，高于此前预测的1万亿美元，不过这次提升不是当前的GPU芯片，而是谷歌、亚马逊为代表的ASIC AI定制芯片，前者有自研的TPU芯片，亚马逊也自研了Trainium。 剩下的5000亿美元开支中，数据中心CPU的价值从800亿美元提升到1100亿美元，AI网络芯片也从2400亿美元提升到了3160亿美元。 基于这些数据，美银给出的AI赢家名单中，首选的还是NVIDIA、AMD及博通，前两家是当前主要的AI GPU供应商，博通则是主要的ASIC芯片定制供应商，谷歌的TPU就是跟他们合作开发的。 除了这三个主要赢家之外，做内存的美光及各种网络、主控芯片的Marvell也是核心，只不过他们的分析显然主要是针对美国上市公司而言的。

导读：AI跑得快，全靠存储带？当千行百业的核心业务全速向AI狂奔时，我们太关注算力的“油门”，却往往忽略了数据的“刹车”和“方向盘”。中科曙光一出手就是2亿IOPS，但这波真正的杀手锏，在于给高价值数据和关键业务上了一把“铁锁”。 过去几年，AI的风刮得太猛。大模型一路“狂吃”数据，GPU算力呈指数级暴涨。但不知道各位有没有一种感觉：算力堆得满满当当，实际跑起来却总觉得隔着靴子挠痒——憋屈。 很多时候，不是算力不行，而是后方的存储根本供不上数据，GPU只能在空转中干着急。但比“跑得慢”更可怕的，是“撑不住”。 在AI倒逼基础设施大换血的关键节点，存储早就不再是默默无闻的“后台配角”，而是决定企业核心数据生死、关键业务存亡的第一线。 在这个节骨眼上，谁能把性能的“天花板”掀翻，同时把数据安全的“地板”焊死，谁就能拿到AI时代的真正入场券。 就在昨天（5月13日），中科曙光扔下了一枚重磅炸弹——全新发布FlashNexus 9000高端全闪存存储。这不仅是一次性能上的“暴力美学”，更是给千行百业核心业务迈向AI时代，强行劈开了一道“安全与性能并重”的破局之门。 今天，我们就来扒一扒这款号称“全球领先”的硬核设备，到底凭什么能当好这个“定海神针”？ 稳字当头，性能狂飙：凭什么喂饱AI的“胃口”？ 在高端存储这个圈子里，数字是最不会骗人的。但我们要透过数字看本质：极致的性能，其实是为了应对AI时代高压缩环境下的“业务平稳”服务的。 早在去年，中科曙光的FlashNexus 8000就拿下了SPC-1性能全球第一的桂冠。而这次全新升级的9000，更是直接把天花板掀了个底朝天。我们来看几组核心指标： 集群性能飙升：2亿 IOPS。相比上一代直接翻了近7倍，集群规模也从32控猛扩至256控。 单阵列性能翻倍：轻松顶到 400万 IOPS，时延依旧稳定在09ms。 重删压缩不减配：即便开启数据缩减技术，性能依然坚挺在255万IOPS，暴涨5%。 为什么要这么疯狂地拉高上限？ 因为在金融交易、医疗影像、大模型推理这些高价值场景中，一旦遇上流量海啸，性能稍有抖动，轻则用户体验暴跌，重则导致核心业务停滞、关键数据丢失、整个GPU算力集群空转，造成不可估量的资产损失。FlashNexus 9000用溢出式的性能储备，就是为了在极端高压下，依然给你的关键业务留足“安全冗余”。 硬核拆解：重塑高价值数据的“绝对防御” 很多企业敢把核心业务搬上AI，却不敢把身家性命交给底层存储。面对极高价值的数据资产，光快是不够的，还得“绝对稳”。 为此，中科曙光在这款高端全闪存存储里埋下了堪称变态的“防御机制”。 对于金融、医疗这些关键业务来说，哪怕一秒钟的宕机都是灾难。而FlashNexus 9000的可靠性达到了令人窒息的99.99999%。 它首创了RAID-QC四盘校验技术，允许存储池里同时坏4块盘数据都不丢； 加上自研的NexusMatrix全互联矩阵，哪怕是4个控制器同时坏了3个，系统照样稳如老狗； 再配合AA双活架构，打造“两地三中心”容灾体系，业务切换连个喷嚏都不会打。 这就是在告诉市场：把最核心、最值钱的数据放在这里，绝对稳妥。 全栈自主与海纳百川的底气 在当前的国际大环境下，底层安全是不容妥协的底线。FlashNexus 9000实现了核心部件100%国产化（处理器、交换、前端芯片均达国际先进水准），且核心软件100%全栈自研。 另一方面，它在生态上却又极其开放，原生兼容20多种主流系统及云原生架构。这意味着，企业既能拥有自主可控的“护城河”，又不用被绑架在单一的软硬体系中。 关键业务，绝不容有失！ 脱离场景谈性能都是耍流氓。FlashNexus在极度挑剔的行业中表现如何？我们来看两组“生死攸关”的实战成绩： 金融行业：某金融机构上线后，峰值交易速度飙升200%，每秒轻松处理30万笔交易，时延骤降30%。更重要的是，在遇到双十一、股市开盘这种流量海啸时，它的性能曲线是一条平稳的直线，绝不给你玩“断崖式下跌”。 运营商计费：5G时代的话单量爆炸，月底出账堪称运维噩梦。FlashNexus让5G计费出账时间直接缩短了66%，原本9小时的煎熬压缩到3小时。 你看，极致的稳定性和性能，最终都是为了保障这些不能出错的关键业务，能够从容应对每一次极限施压。 跨越AI时代，这是绕不过去的一道门 中科曙光北京公司总裁魏振国在发布会上说了一句很实在的话：“真正面向未来的高端存储，必须能支撑关键行业核心业务，更必须具备长期服务AI时代的能力。” 这其实一针见血地点破了当下千行百业跨越AI时代的“通关密码”。 大家都想着怎么用AI赋能业务，怎么让大模型跑得更快，但往往在底层数据基建上缺乏安全感。如果没有一个能扛住高压、守得住核心数据的存储底座，所有的AI蓝图都是空中楼阁。 高端全闪存的竞争，早已跨过了单一维度的“单点突破”，正式进入了比拼性能、可靠性、生态友好等多维能力的深水区。从3000万到2亿IOPS，表面上看是中科曙光技术的飞速迭代，但往深了看，这其实是在给中国的千行百业铺路。 当先进存力成为AI基础设施的刚性需求，这种对关键业务的极致保障、对高价值数据的绝对守护，就是每一家企业迈向AI时代必须跨过的那道“门”。 迈过去，就是算力与数据共舞的广阔天地；迈不过去，就只能停留在算力空转和业务焦虑的原地踏步。

OpenAI 招人了 OpenAI 在新加坡开了一个岗位：Developer Experience Engineer 翻译成中文，就是：招开发者运营，必须得会中文 岗位挂在 Go To Market 部门，全职，Hybrid，坐标新加坡 申请页截图，180 天内只能投 5 次 OpenAI 的岗位 这个岗位属于 Developer Experience 团队，OpenAI 内部一个比较新的组。按 JD 的说法，这个团队只有一个目标：让开发者成功。覆盖所有在 OpenAI 平台上做开发的人，从个人开发者到世界 500 强 这个团队跟 OpenAI 内部做 API 的产品和工程团队紧密合作，同时也对接 GTM、研究和管理层 岗位要求会中文，因为要覆盖中文市场的客户和社区，日常工作包括写教程、做 demo、泡社区、收反馈、跑活动，同时跟产品和研究团队一起推最新的模型上线 招的是什么人 具体要做什么： → 写教程、录视频、做 demo，教开发者怎么用 OpenAI 的 API → 泡在开发者社区里，收集反馈，把开发者的需求带回产品团队 → 代表 OpenAI 参加开发者活动，在论坛里回答问题 → 跟产品、工程、市场团队协作，推 API 和开发者工具的落地 要求是什么样的人： → 全栈工程背景，用 AI 和大模型做过东西 → 有开发者社区运营经验，帮开发者把 API 用起来过 → 会中文，覆盖中文市场的客户和社区 → 写得了代码，也写得了文档和教程 → 端到端地扛事，能在模糊环境里快速推进 → 对 AI 安全和伦理有兴趣 想投的可以去看看：openai.com/careers 注意，180 天内只能投 5 次 OpenAI 的岗位，别浪费机会 JD 原文 以下内容摘自 OpenAI 官网招聘页，中英逐段对照 岗位职责 制作高质量的技术内容，包括教程、博客、视频和代码示例 Create and curate high-quality technical content, such as tutorials, blog posts, videos, and code samples, to educate and inspire developers. 深入开发者社区，围绕 OpenAI 的技术建立开发者生态 Engage with the developer community, building strong relationships and fostering a vibrant ecosystem around OpenAI's technologies. 收集开发者反馈，推动产品路线图 Be a tireless champion for developers and their needs, gathering and organizing their feedback to inform our product roadmap. 维护核心开发者关系，代表 OpenAI 出席开发者活动和论坛 Build relationships with key developers and help nurture a community of developers on our platform, representing OpenAI at developer events and online forums, serving as a knowledgeable and approachable ambassador for our platform. 跟产品、工程、市场团队协作，推动 API 和开发者工具的采用 Collaborate closely with product, engineering, and marketing teams to drive adoption and success of OpenAI's APIs and developer tools. 参与改进 OpenAI 的开发者界面和工具体验 Contribute to the development and enhancement of all OpenAI's developer surfaces to provide a seamless experience for developers. 要求 全栈工程背景，有 AI 和大模型的开发经验 Strong full-stack engineering background, with experience building with AI and LLMs. 有帮助开发者使用 API 产品的实战经验，做过开发者社区 Proven track record of engaging with developers to help them find success with API-based products, and building developer communities. 会中文，岗位覆盖中文市场的客户和社区 Mandarin language skills as the role will also cover clients and communities that are Mandarin-speaking. 有用户同理心，知道什么是好的产品体验 Deep user empathy and an understanding of what's required for a product experience to be great and an appreciation that the details matter. 有创意，愿意探索跟开发者连接的新方式 Creativity and passion for exploring new ways to connect with and empower developers. 乐意打磨开发者工具和高质量的 demo Pride in crafting delightful developer tools and high-quality demos and sample projects. 写过文档、教程、代码，帮开发者把技术产品用起来 A history of creating documentation, how-to content, and code that help developers find success with technical products. 能写高质量的代码、文档和教程 An ability to write high-quality code, documentation, how-to content that help developers find success with technical products. 端到端地扛事，缺什么学什么 Ownership of problems end-to-end, and are willing to pick up whatever knowledge you're missing to get the job done. 能在模糊环境里快速推进 Ability to move fast in an environment where things are sometimes loosely defined and may have competing priorities or deadlines. 对 AI 安全和伦理有经验或兴趣 Experience with or a strong interest in AI ethics and safety, aligning with OpenAI's commitment to responsible AI development.