易车讯 4月8日，我们从零跑汽车官方获悉，Lafa5车系顶配版本Lafa5 Ultra正式亮相。新车搭载专属运动套件，专属内饰细节，兼顾运动与实用。新车将于4月正式上市。 外观方面，Lafa5 Ultra搭载专属运动套件，配备破风前铲、风翼侧裙、驭风尾翼及尾部扩散器，搭配19英寸掠翼枪灰轮毂、哑光金属深灰卡钳与全车枪灰黑化标识，低趴宽体姿态极具视觉冲击力。无框车门 + 纯平侧窗设计，进一步强化轿跑专属仪式感，与普通版形成显著差异化运动风格。 内饰方面，与普通版的差异化设计，采用逐风灰仿麂皮材质与大面积软包，配备Ultra专属运动座椅、车身同色印花安全带及铝合金门槛饰板。同时搭载同级独有的前排8点式座椅按摩，在保持运动型格的同时，兼顾极致舒适体验。 动力方面，Lafa5 Ultra搭载180kW高功率电驱，带来更强劲的动力输出；配合中欧联合底盘调校，兼顾运动操控与日常舒适。智能配置方面，新车搭载 SA8295+8650 双旗舰芯片，配备激光雷达，实现全国范围城市NAP功能，打破高精地图依赖。

摘要： 首销24小时破1万台，全景无人机的“旗舰元年”，依旧还是由大疆来开启。 凤凰网科技 出品 作者｜Dale 编辑｜董雨晴 近几年，无人机赛道已鲜少有刺激人的新故事，而在2025年高调登场的全景无人机产品算是其一。彼时，随着消费级无人机市场增长趋缓，行业进入存量竞争阶段。 一款中间地带的新品类诞生后，很快激活了潜在的目标受众。 但当时上市的产品也存在诸多弊端——画质差、图传不便、定价高，最终电商平台前台销量显示长期定格在数百台。这种方兴未艾的状态在今年迎来了关键的转折点。 2026年3月26日晚，大疆正式发布了其首款全景无人机——DJI Avata 360，以2788元的起售价，8K/60fps HDR录制水准，抗干扰且最远传输距离可达20公里的O4+全高清图传，再辅以全向避障系统，这些硬核配置荡平了外界对全景无人机的诸多质疑。 据披露，Avata 360在中国区全渠道24小时销量突破10000台，销售额近6000万元。市场热度从国内传导至海外，全球订单量一举突破100000台。超预期的订单量仍在持续攀升，产品全线供不应求。 过去，在无人机行业，大疆本就是标准的代名词。当全景无人机这个新赛道初启，市场仍在为“什么是好的全景飞行体验”而摸索时，大疆带着Avata 360亮相。它用产品力与真实成绩告诉市场，在Avata 360之后，全景无人机真正迎来了“旗舰元年”。 大疆下场，全景无人机迎来春天 全景无人机诞生之初，一直是争议与赞誉并存。 称赞者认为其如同汽车替代马车，掀起了代际革命。但评判者认为，初代产品在画质、图传延迟、全向避障等无人机的基础飞行素质上都未达标。这让其对专业用户像“玩具”，对小白用户又价格过高，陷入了“高不成低不就”的尴尬。 有被新奇视角吸引来的新玩家在社交媒体反馈，作为不太会飞的新手，在复杂的飞行环境中需要时刻提心吊胆，担心“炸机”。另有用户表达道，安全是其次，最头疼的是图传不稳定，“图传画质有些拉，稍微暗光一些就不行”。 这种混乱本质上在于，作为一个充满可能性的新赛道，全景无人机品类的标准尚未形成，用户没有真正的参照系——是完美的全景体验，是8K画质优先，还是全向避障、图传稳定优先，市场在摸索，导致现有产品的体验差异大，而用户在观望，担心自己成为了试验的小白鼠。 历史一再证明，在抢占概念的情况下抢先发布，往往也很难带来准备充足的产品。 无论是智能手机时代的苹果，还是电动车大潮中的特斯拉，亦或是无人机赛道的大疆，都形成了统一的趋势——当巨头下场，整合技术、定义完整体验、建立生态壁垒，最终才会成为真正的标准定义者。 在全景无人机赛道亦是如此，随着大疆的入场，有望结束当前的这种无序。 Avata 360的发布，标志着全景赛道正式进入“旗舰元年”。它不是一款试水产品，而是带着大疆在无人机领域近20年的技术积淀，直接为这个新兴赛道画下了一条清晰的旗舰基准线。 在无人机赛道，大疆从来不需要跟随，因为在无人机领域，大疆本身就是标准。大疆的加入，也有望让全景无人机从一个有潜力的新品类，变成一个普通消费者愿意购买的成熟商品，专业创作者愿意买单的旗舰生产力。 技术复利下的降维打击 头部玩家的护城河，从来不是一道孤立的城墙，而是一场融合了供应链、生态与核心技术构建的体系化战役。 Avata 360的全面突破，答案正藏在大疆引以为傲的技术复利中。它没有采用“全景相机+无人机”的拼接思路，而是从一开始就将其作为一款旗舰级无人机来打造，将航拍领域的成熟技术体系，对新兴的全景赛道进行了一次降维打击。 这种降维首先体现在画质上。Avata 360搭载了等效1英寸传感器，支持输出8K/60fps HDR视频与1.2亿像素的真球形全景照片，基本上是规格天花板。这一配置直接对标专业航拍机，彻底终结了“全景=低质”的刻板印象。用户后期即便任意裁切，仍能保留1080P的可用画质，为二次创作留足了空间。这是大疆给全景画质设定的“上限”。 其二，则是安全。Avata 360配备了全向避障系统与一体化桨叶保护罩设计，并内置了4G模块，搭载旗舰级O4+图传技术。这意味着，即使在城市高楼间穿梭，或是在复杂的自然场景远距离拍摄，它也能实时传输高清全景画面，并自动规避障碍。对于用户而言，无论是新手还是老手，飞行安全不再是需要取舍的选项，而是旗舰的标配。 一步到位的配置，源于大疆深厚的技术积累。从Mavic系列的便携到Inspire系列的专业，大疆已将无人机飞控、图传、避障等技术打磨至炉火纯青。如今，将这些技术“打包”注入Avata 360，是对新赛道的一次精准的技术复利兑现。 在定价方面，因为技术复利优势，让Avata 360此次定价极具诚意，起售价只有2788元，大幅降低入手门槛，首销表现相当优异，24小时即超1万台。 小白的“飞天”神器，大疆依旧是用户懂王 从过往产品来看，大疆尤其擅长将用户的痛点翻译成工程语言，并用极致的技术方案去死磕。 Phantom“精灵”系列直接把专业门槛拉下神坛，它最先普及了“到手即飞”的理念，是真正消费级无人机的开创者。 再拿Osmo Pocket来说，它把专业云台揣进兜里，将无人机上的三轴机械增稳浓缩进口红大小的机身，解决了手机防抖差、专业设备笨重的痛点，开创了全民Vlog时代。 顺着这一逻辑，Avata 360直接对全景航拍逻辑进行了一次釜底抽薪。 一次性解决画质、安全、构图等问题，以技术实力重构全景无人机的使用体验。 许多人被全景无人机吸引，都是因为喜爱其独特的沉浸感。通过全景镜头和手柄的操控，目光所及之处都是重点，不需要复杂的运镜，可以得到多角度的素材。再搭配VR眼镜，事后回看镜头时，会有很多意想不到的体感，真的有种在天上飞的感觉。 而Avata 360，在这些需求点上做到了极致平衡，真正做到了一个好飞、好拍、好用的全景无人机产品。 在操控模式上，Avata 360支持两种操控：飞行眼镜+手柄，或者是传统的带屏遥控器。 在搭配飞行眼镜N3和穿越摇杆3使用时，建议打开头部追踪，画面会随着你的头部转动而转动，往哪边看，镜头就会拍哪边，抬头，看到的就是头顶的天空。 智能跟随一直是大疆的长处，Avata 360的云台设计，让这个长处继续发扬。 Avata 360支持焦点跟随，拍摄主体可以始终占据C位，打开焦点跟随锁定跟随目标后，你的拍摄画面就会锁定主角了。智能协助运镜，意味着过去两个专业飞手使用Inspire 3才能拍出的镜头语言，在Avata 360上只需要一个人就能实现。 第一视角的沉浸式飞行效果很清爽，这一点对专业创作者很有吸引力，能获得“如在天上飞”的沉浸式操控体验，实现各种花飞效果——横移、180°漂移、空翻以及朱克翻滚。 同时启用上下两颗镜头就是全景模式，360°无死角，如果你不需要全景，那么用遥控器一键切回单镜头模式，就变回了经典Avata，拍4K/60fps常规视角，基本可以做到一机两用。 能看出Avata 360在产品构思上，努力让全景创作从小众尝鲜走向大众普及。 对于新手和大众用户，Avata 360的友好是全方位的。前述提及的全向避障系统和一体化桨叶保护罩设计，都能给用户兜底，无需担心“炸机”风险，可以大胆尝试贴地近物跟拍、建筑环绕等创意飞行。用安全感激发创作欲望的第一步。同时，产品还支持一键运镜，秒出大片，配合全景虚拟云台技术，一次飞行即可导出“小行星视角”“隧道视角”等多组成片，让小白用户也能轻松获得专业感的作品。 Avata 360的正式发布，其意义远超产品本身。它再次证明了大疆在无人机领域的核心能力——定义赛道。 回溯大疆的发展史，无论是将航拍从专业领域带入大众视野的Phantom系列，还是重新定义便携无人机的Mavic系列，抑或是开创“第一人称视角”飞行体验的Avata系列，大疆每一次产品迭代，都在重新划定行业的边界。这种定义权的背后，是技术、用户洞察与供应链整合能力的综合体现。 如今，在旗舰全景无人机这一新赛道上，Avata 360的出现，无疑将激活整个产业链。它进一步降低了新手飞行的门槛，打开了行业的受众面。同时，为内容创作者提供了全新的创作工具，为文旅宣传、影视辅助、沉浸式新闻等应用场景打开了想象空间。更重要的是，它吸引更多人加入全景创作的行列，共同推动这一赛道从小众走向主流。 随着Avata 360旗舰标准的确立，全景无人机将真正从概念走向现实，成为一款适合大众的、真正好飞、真正好用的全景设备。 大疆始终走在用技术填补用户需求的路上，只是这一次，拿出的诚意之作填补的刚好是全景无人机赛道的旗舰标准。这不仅是一款新品的胜利，更是大疆创新在科技赛道上始终以用户需求为导向的朴实风格，一次次用硬核技术，精准敲开用户的心门。

快科技4月8日消息，由中国电信广东公司联合阿里云共同建设的粤港澳大湾区首个基于“真武”芯片的万卡智算集群，近日在韶关数据中心集群正式上线。阿里云表示该集群预计扩容至10万卡规模。 该集群实现了从芯片、云平台到模型应用的全链路自主研发，是国家“超大规模智算集群”新基建在大湾区的首个落地项目。 技术上，集群通过卡间RoCE高性能组网与双平面多轨通信技术，端到端网络时延低至4微秒，网络峰值利用率超过95%。 同时，真武芯片整机提供1.5T超大显存，卡间互联带宽超过700GB/s，为国产算力底座提供了坚实支撑。 值得一提的是，相较传统单机部署模式，集群单卡吞吐性能提升达9.3倍，每秒Token生成总量提升近10倍。 集群提供IaaS、PaaS、MaaS全栈AI智算云化产品服务，训练与推理效率提升超过30%。 集群支持DeepSeek-V3.2满血版、Qwen3.5-397A-A17b等业内领先开源模型实现单机快速部署。 目前，该集群已在多个行业场景落地。尤其是在医疗民生领域，上线的“全诊通”应用，已在中山大学肿瘤防治中心等医院开展国产化迁移与应用试点。 为进一步推动算力普惠，集群资源已同步上架“广东电信算力超市”，面向中小企业提供按卡、按小时计费的算力零售服务。

IT之家 4 月 8 日消息，据路透社今天报道，三位知情人士透露，Stellantis 正在与零跑汽车深度谈判，计划联合开发欧宝品牌电动 SUV。 据报道，该车将采用中国车企技术，并在 Stellantis 西班牙萨拉戈萨工厂生产。如果协议最终达成，将有助于 Stellantis 降低电动汽车开发时间、成本。 目前，Stellantis 这家法意合资车企正在将重点转向油电混合动力车型，今年早些时候公司因缩减电动汽车计划导致 250 亿美元（IT之家注：现汇率约合 1718.06 亿元人民币）减值。 Stellantis 与零跑的合作始于 2023 年，当时前者收购了后者五分之一股份，双方还成立合资企业 Leapmotor International，负责零跑汽车在中国以外市场的销售、生产。 两位消息人士表示，这款新车将与零跑 B10 紧凑型 SUV 共享平台，预计 2028 年投产，年产量目标 5 万辆。 根据目前的研讨方案，零跑将提供电气系统等关键技术、零部件，欧宝负责设计外观，其中相当一部分研发工作将在中国完成。 一位消息人士透露，双方围绕该项目的谈判始于 2025 年末，最快可能在本月达成协议。不过 Stellantis 在声明中表示，双方已持续就扩大合作方式进行常规沟通，但拒绝进一步置评。 而零跑方面则回应道，公司确实在和 Stellantis 等合作伙伴进行洽谈，但仅限提供自主研发零部件，并无平台层面合作计划。

快科技4月8日消息，华为乾崑智能汽车解决方案官宣了ADS Pro增强版高阶功能包的限时优惠，最高省6000元。 优惠活动显示，一次性购买的原价是18000元，限时优惠后只要12000元，这也是本次优惠里省得最多的档位。 年卡的价格也有下调，从原本的3599元/年降到2499元/年，月卡保持359元/月不变，但可连续包月，价格是249元/月。 优惠价格的有效期从4月8日起，直到6月30日，长达近3个月，时间比较充裕。 ADS Pro增强版高阶功能包和基础版的区别很明显，基础版只有车道巡航辅助增强、代客泊车等辅助功能，而增强版则支持城区领航辅助功能，能大幅提升日常城区驾驶的便利性。 现在已经搭载华为乾崑智驾ADS 4的ADS Pro增强版车型，后续可以升级到ADS 5的ADS Pro版本，不过具体的升级时间和策略，还是要以车企的官方通知为准。而如果是ADS 4 SE基础版的车型，暂时不支持升级到ADS 4 Pro版本。 另外，对于选择连续包月的车主，订阅后服务会立即生效，一个服务周期是31天。官方会在开通服务时，还有每次自动续费扣款前5天，通过车机消息提醒车主。

IT之家 4 月 8 日消息，比亚迪仰望销售事业部总经理胡晓庆今日发文宣布，仰望 U8L 四座版汽车将于 4 月 24 日北京车展正式亮相。 胡晓庆表示，作为仰望家族最鼎的旗舰车型，四座版在座舱体验、专属权益、个性化选装等方面都会“更鼎”。新车的价格也是很鼎的，与六座版之间会有明显的区间差异。 据IT之家此前报道，在今年 3 月 5 日晚的比亚迪二代刀片电池暨闪充技术发布会上，比亚迪发布了 2026 款仰望 U7 、U8 和 U8L 鼎世版车型，新车搭载第二代刀片电池及闪充技术。 仰望 U8L 2026 款提升了续航，新增闪充技术，同时还提供三大安全升级：应急浮水紧急自动激活、NOA 爆胎稳行稳停、全场景隐私安全，老款车型后续也能通过 OTA 获得这些功能，售价 130 万元起。

IT之家 4 月 8 日消息，小鹏 GX 旗舰 SUV 今日开启预热，官方陆续放出了新车“峡湾灰”和“日照金山”车色的外观图，并分享了外观细节设计解读。 峡湾灰 日照金山 据介绍，小鹏 GX 定位“新科技旗舰”，号称面向物理 AI 时代科技大成之作，定义了下一个时代的科技旗舰高度。 小鹏 GX 旗舰 SUV 的日照金山车色灵感来自梅里雪山卡瓦格博峰，采用巴斯夫哑光清漆 + 陶瓷级纳米涂层，硬度提升 50%。 新车采用游艇式流线造型，配备蚌式机盖 + 一体式蚌式尾门，辅以隐藏式水切，并配备超大面积纯平侧窗。小鹏 GX 还首发太空陶瓷 24K 金标，悬浮轮毂搭配超宽式 22 英寸鸳鸯胎。 IT之家注意到，小鹏 GX 拥有同级最大寰宇天地贯穿灯和百万像素 DLP 数字投影大灯。

说到买床垫，大家脑子里肯定会浮现出一个叼着烟斗、长得像乔布斯的外国老头。没错，这就是把“伪洋牌”营销玩到极致的“睡眠一哥”——慕思。 最近，这位卖床垫的大佬不仅不提法国血统了，反而摇身一变，在水立方搞了一场极其盛大、科技感拉满的新品发布会。他们重磅推出了搭载华为鸿蒙系统的“AI智能床”，宣称能监测心率、还能干预打呼噜，大有一种要从传统家居厂硬核转型成“硅谷科技巨头”的架势。 然而，就在这场充满科技与狠活的盛宴背后，资本市场和经销商圈子里，却是一地鸡毛。 一边是高调发布AI新品，另一边却是公司急匆匆地找银行申请4.5亿授信担保；一边是净利润大幅跳水，另一边却是大股东们疯狂套现分红。今天，咱们就来撕开科技的包装，看看慕思这家曾经规模千亿的龙头，到底在焦虑些什么。 咱们先来看看慕思刚刚过去的2025年成绩单（前三季度）。 如果是普通家居厂，在大环境推行“以旧换新”的政策红利下，多少能回点血。但慕思的数据却相当难看：2025年前三季度，营收37.61亿元，同比下降3.01%；归母净利润4.67亿元，同比下降10.61%；最能反映主业赚钱能力的扣非净利润，更是大跌了25.29%！ 到了第三季度单季，更是典型的“增收不增利”，利润同比暴降26.8%。而且，公司经营现金流净额直接锐减了62%，应收账款还翻着倍地上涨。简单来说，就是东西越来越难卖，卖了钱还收不回来。 为什么不赚钱？ 老毛病又犯了：重营销、轻研发。 慕思前三季度的销售费用高达10.79亿元，而研发费用仅仅只有区区1.61亿元。天天把AI、高科技挂在嘴边，结果花在打广告上的钱是搞研发的6倍多。 最让中小股东们跌破眼镜的是，公司明明现金流亮起了红灯，甚至还要给子公司担保去银行借4.5亿，但管理层在“分红”这件事上，大方得简直像散财童子。 2024年搞了个“10派10元”的高分红，2025年年中又推出了“10派4.5元”的预案。要知道，慕思两位实控人（王炳坤、林集永）合计持股超过76%。这大比例的现金分红，兜兜转转，绝大部分全流进了两位老板的私人腰包。 一边是公司缺钱转型，一边是老板狂分现金，这操作，谁看了不说一句“内行”？ 如果说财务数据只是表象，那慕思基本盘的松动，才是真正的危机。 慕思能有今天，全靠遍布全国的经销商网络（经销收入占比超74%）。但这根“主动脉”，现在正在严重失血。截至2025年6月末，慕思的线下专卖店一年内净减少了约400家。 加盟商为什么排着队跑路？ 因为实在扛不住了。 最近，江苏、重庆等多地的经销商集体实名举报，把慕思的种种“潜规则”抖了个底朝天： 割韭菜式装修：公司要求门店“四年一轮回”强制翻新装修，而且所有物料必须从慕思高价采购，不配合就直接淘汰。 巧立名目乱罚款：经销商稍有不慎就被罚，什么“未完成打卡”、“未按指定品类出店”统统要罚钱。有经销商控诉自己被罚了15万，公司连开发票都直接写成“价外收入”。 强行压货：新品卖不动？没关系，直接让经销商买单吃库存，帮上市公司粉饰销售业绩。 压死骆驼的最后一根稻草，是2023年那场轰动全网的“辛巴带货事件”。线下门店标价两万的真皮软床，辛巴直播间直接干到了4980元！这等于是把线下经销商的底裤都给扒了，全国经销商集体暴走。 虽然事后慕思赶紧出来灭火，承诺短期内不再找头部主播搞这种大甩卖，但这道信任的裂痕，早就深可见骨了。 传统生意卖不动了，经销商也快造反了，慕思急需一个足够性感的新故事。于是，“AI智能床垫”成了全村的希望。 和华为鸿蒙深度绑定，搞出个能监测心率、还能干预打呼噜的“潮汐算法2.0”，听起来确实唬人。慕思总裁甚至放话，要“定义未来卧室的互联标准”。 但现实很骨感。2025年上半年，慕思这块被寄予厚望的AI产品，虽然增速高达300%，但总收入仅仅只有1.21亿元，在总营收里的占比还不到5%。 指望这不到5%的业务，去拉动一家几十亿规模的企业逆风翻盘，无异于小马拉大车。 更尴尬的是，步子迈得太大，产品似乎没跟上。 在黑猫投诉等平台上，慕思的这款高科技床垫翻了车。有消费者花了八千多买的AI床垫，不仅皮面破损、床尾塌陷，甚至大半夜还会发出“滋滋”的电流声并无故震动，吓得一家人只能打地铺。 对于“半夜鬼畜震动”的问题，慕思官方的解释是：这属于使用环境问题，是床垫在感知到您翻身、心率变化时做出的“自适应微调”，只是初次使用不习惯罢了。 好家伙，我不适应高科技，原来是我的问题？这番公关说辞，连见惯了大风大浪的吃瓜群众都得竖起大拇指。 其实，在睡眠经济崛起的大背景下，慕思想要拥抱科技、智能化转型的方向并没错。 但一家企业的硬核壁垒，从来不是靠给床垫贴个“AI”的标签、或者花几十亿打广告就能砸出来的。在营收利润双降、渠道矛盾激化、产品品控翻车的多重夹击下，留给慕思试错的时间已经不多了。 如果不把心思花在真正的产品打磨和修复经销商信任上，只是一味地蹭鸿蒙热点、玩转高分红套现，那这张标榜着“高科技”的豪华大床，恐怕很难让投资者和消费者安稳入睡了。

人类用了半个多世纪，终于再次飞向月球，怎么花了这么久？登月技术为什么消失了？ 阿尔忒弥斯二号4月1号起飞，载着四名宇航员，等到今天，也就是4月6号，他们将飞越月球，来到月球背面，并去复刻那张人类历史上最有名的照片之一——地出。 地出拍摄于1968年，摄影师是阿波罗8号宇航员威廉·安德斯。照片里蓝白色的地球正从月球表面升起，与前景中的贫瘠月球表面形成鲜明对比。 第二年，阿波罗11号登上月球。 几乎所有人，不论是科幻小说家，政治家，或者是普通人，都觉得这是人类征服宇宙的开始，但仅仅四年后，1972年底，阿波罗17号最后一次登上月球，人类便再也没有回去过。 直到五十三年后的今天，人类再次飞向月球，并将前往月之暗面，打破距离地球最远的记录。 这件事当然会让人兴奋，毕竟星辰大海永远能激发人们心灵最深处的那股浪漫与激情。但在激情之外，我不知道你有没有疑惑过一件事，为什么要花五十三年？为什么要花这么久？人类到底在干什么？ 我倒不是批评说人类内耗于各种自我毁灭的行为，而是一个单纯的技术追问。 关于登月这件事，一直有各种各样的阴谋论，其中最有名的当然是「登月是假的，是在摄影棚里拍的」——这些也有很多人出面反驳了。 在这些阴谋论里，有一个论点倒是有一些道理：如果在半个多世纪以前，在那个电脑运行内存只有几KB的时候，人类都能登上月球，那么为什么之后都不行了，都没有这个技术了？ 登月阴谋论当然是个很扯的事情，甚至反驳本身也是浪费时间，但这个论点本身倒没那么反智。它的核心其实是在说，技术难道不是只进不退的吗？阿波罗的那些图纸、那些数据，应该都还在吧？为什么不能直接拿出来再用？而且技术实现成本是在降低的，那么我们应该能更低成本回到月球才对。 那么那些图纸还在不在呢？ 确实还在。NASA的档案里保存着阿波罗项目的每一份设计文档，每一张工程图纸，每一份测试报告都在，甚至F-1发动机也能找到。 这是人类历史上推力最大的单燃烧室液体火箭发动机。土星五号火箭的第一级用了五台F-1，五台一起点火，产生的推力大到能把一栋三十层楼高、六百多万磅重的火箭从地面推上天。可以这么说，没有F-1就没有土星五号，没有土星五号就没有登月。 但问题是，你拿着这些文档，仍然造不出一台F-1发动机。 2013年，NASA马歇尔航天飞行中心做了一件很有意思的事——他们启动了一个F-1发动机的逆向工程项目，就是把一台原始的F-1拆开，看看能不能搞清楚它到底是怎么造出来的。 参与这个项目的是一群年轻工程师，其中大多数在阿波罗登月的时候还没有出生。他们特意穿上了六十年代风格的白衬衫配黑领带，致敬他们的前辈。 他们从史密森尼博物馆借来了一台编号F-6049的F-1发动机。这台发动机原本是装在阿波罗11号上的，因为在测试中发现了故障被替换下来，从来没有真正点过火，就这么在博物馆里放了几十年。他们把它拆开了，发现了什么？ 用NASA工程师的话说：「这些是手工制造的机器。」喷注器面板是手工钻孔、手工焊接组装的，燃烧室的管束焊缝是大师级的焊工一条一条手工焊出来的，一条复杂的焊缝甚至要花一整天。 所以，即便都是同一型号，每台发动机也都是独一无二的，与其他的有些微的区别。看设计文档没什么用，而且那些文档是在极端的时间压力下写出来的，没有任何计算机辅助设计工具，根本无法完整地描述这些硬件的真实状态。很多关键的制造技巧，只存在于当年那些工程师和技师的脑子里，或者写在一些早就不知道丢到哪去的纸条上。 当然，并不是说现代人造不出来火箭发动机了，这就有些荒谬了，事实上，这次逆向工程确认了另一个结论：如果用现代的计算建模和制造技术来重新设计F-1——这个新版本叫F-1B——它的零部件数量可以从原来的五千六百个，压缩到四十个。 五千六百个，变成四十个。技术确实在发展，两个时代的制造方式已经完全不是一回事。五十多年前的发动机之所以那么复杂，是因为在没有精密数控加工、没有3D打印、没有搅拌摩擦焊的时代，你只能把复杂的结构拆成大量简单的小零件，然后靠工人一个一个手工装配和焊接。 现代人没有必要去做如此复杂的事情，而且即便想做，也没有这个能力了，因为很多知识并不藏在图纸里。我们平时很自然地把「知道怎么造」和「能造出来」当成是一回事。图纸在，就等于能力在，但其实这两者之间有一道裂缝，这道裂缝需要依靠人来填补和传承。 回到F-1发动机的故事，说一个更具体的细节。F-1在研发早期，碰到了一个差点让整个阿波罗计划夭折的问题——燃烧不稳定性。什么意思？就是火焰在燃烧室内部会突然产生剧烈的振荡，频率非常高，压力波在燃烧室里反复震荡放大，能在瞬间把发动机从内部炸掉。 这种爆炸很突然，而且随机出现，事先没什么预兆。如果燃烧不稳定性解决不了，登月就没有了。负责制造F-1的Rocketdyne公司花了两年时间来对付这个问题，在两百一十种不同的喷注器设计上跑了上千次测试。 他们的诊断方法说出来有点吓人——在发动机运转的时候，注意，是在发动机正在点火的时候，从燃烧室外面往里引爆小型炸药，他们管这叫「炸弹」。目的是人为制造一个压力扰动，然后看燃烧室怎么响应。如果发动机能在被「炸」了之后自己稳定下来，就说明这个设计是好的；如果稳定不下来，就换一个设计继续试。 最终，他们找到了一个有效的喷注器和挡板的组合。发动机稳定到什么程度呢？你往里扔「炸弹」，十分之一秒之内它就能自己恢复平稳燃烧。 这个「炸弹测试法」非常精妙，但它本质上不是什么精妙的科学，而更像是一种玄学或者说黑魔法。工程师们知道这个组合有效，但他们对「为什么有效」的理解是不完整的。这不是先有理论、再做设计、最后验证的过程，这是反过来的——先试，试了上千次，试出了一个能用的结果，然后对这个结果的理论解释是后来才慢慢补上的，而且到今天也不能说完全搞清楚了。 这就是图纸里没有的知识，从物理学教科书里推导不出来，只能通过一遍一遍尝试，最终才能出现。甚至这种知识很难通过语言或者文字传承下去，它只能在做的过程中生成，也只能在做的过程中保持。一旦没有人在做了——没有人在点火、没有人在扔「炸弹」、没有人在焊管束——这种知识就开始消散。这种判断力住在手上，不是住在脑子里。 再想想那些焊接F-1燃烧室的焊工。F-1的燃烧室是用镍合金管束焊成的，几百根细管弯成火箭喷管的形状，一根一根焊在一起。燃料在管子里流动带走热量，燃烧在管子外面进行，每一条焊缝同时要满足结构强度、气密性和热传导三个要求。 焊工在操作的时候，看的是熔池的颜色，听的是电弧的声音，感受的是手腕上微妙的阻力变化。这些信号不经过「思考」这个中间环节，直接在身体层面就被处理和回应了。他的手在根据这些信号实时调整——电流大一点还是小一点、速度快一点还是慢一点、角度偏一偏。 这些调整的依据没法写成操作手册，因为它不是一组固定的参数，它是一个人的身体和一块特定的金属在一个特定的瞬间之间的互动。换一个人，换一块金属，那个互动就不一样了。 在阿波罗11号升空前两年，1966年，有一位科学哲学家叫迈克尔·波兰尼，他在《隐性之维》（The Tacit Dimension）这本书里写了一句话：「我们知道的，比我们能说出来的，多得多。」 波兰尼自己就是从物理化学转向哲学的——一个从科学实践中走出来思考知识本质的人。他说的就是这种知识，每个文明都独立发现了它的存在，给了它不同的名字。 在医学里面叫「临床直觉」——一个有经验的医生看一眼病人就觉得「这个人不对劲」，但你让他说到底哪里不对劲，他说不清楚，检查指标可能还全部正常。日本的手工艺传统里面叫「勘」，中国人说得更直接，就叫「手感」。 哲学家们给这种知识起了个名字，叫「具身知识」，英文是embodied knowledge。 「具身」这个词现在常被用在机器人领域，叫「具身智能」，但它原本的含义更广。具身指的就是你的身体，而具身知识是长在你身体里的能力。 它是怎么来的？通过反复的实践，在真实的物质世界中不断试错、不断调整，慢慢沉淀到你的肌肉记忆里、感官判断里、直觉反应里。你可以把操作手册背得滚瓜烂熟，但如果没有亲手做过几千次，你仍然不会。即便你会了，你也很难把它完整地教给别人。 就好像骑自行车一样，我从来没见过只靠读书就能学会骑自行车的——甚至事实上，自行车为什么能骑这件事本身，直到发明近两百年后的2011年，康奈尔大学的研究团队才推翻了长期以来关于陀螺效应和拖曳效应的传统解释，发现真正的稳定机制要复杂得多——而且这个解释至今仍有争议。 这种知识必须依附于具体的人，依附于人与物质世界的持续接触。一旦这种接触中断——人退休了、工厂关闭了、没有新人接手——具身知识就开始衰减，不是因为有人故意隐瞒，而是因为它本质上就无法被完整地「存档」。 说到底，技术传承从来就不是图纸的传承，不是符号的传承，而是人和产业链的传承。如果人丢了，技术可能也就消失了。 那这些人是怎么走的？ 阿波罗的技术不是在某一天突然消失的，没有人按下一个红色大按钮然后登月能力就没了。它的消失是一个漫长的过程，跨越了几十年，而且这个过程中的每一步都是基于主动甚至合理的选择。 1969到1972年是阿波罗计划的巅峰。阿波罗11号到17号，六次成功登月。NASA的预算在1966年达到了联邦预算的百分之四点四，差不多是现在的十倍。整个项目在高峰期雇用了大约四十万人，涉及两万家承包商，这是一个规模极其庞大的工业体系。 然而，就在阿波罗计划连续取得成功的时候，阿波罗18号、19号、20号就被国会砍掉了。注意，不是因为失败，恰恰相反，是在连续成功的时候被砍的。 但是尼克松政府的判断很明确——登月原本是一场巨大的政治宣传，现在我们已经赢了，继续花这个钱没有政治回报。 1970年，土星五号的生产线关闭。 当然NASA并没有停下来，它转向了下一个项目：航天飞机。只是要注意，阿波罗和航天飞机之间几乎没有技术继承关系，它们是完全不同的设计哲学，完全不同的引擎，完全不同的任务目标。 阿波罗是一次性使用的深空运载工具，目标是月球；航天飞机是设计成可重复使用的近地轨道运输工具，目标是地球轨道。航天飞机被推销给国会和公众的时候，用的说法是「太空卡车」——廉价、安全、常规化运营，差不多每个礼拜就能发射一次。 它们之间的关系，有点像你不能说会开轿车就等于会开轮船——虽然都是交通工具，但根本不是一回事。第一代阿波罗工程师中有一部分人确实参与了航天飞机项目，但他们带过去的是一些通用的工程方法论和经验，不是F-1发动机的焊接手法。那些手法没有地方可去，因为新项目根本不需要它们。 1981年，美国航天飞机首飞，但那些承诺——廉价、安全、常规化运营，差不多每个礼拜就能发射一次——一个也没有实现。这不是因为工程师不够努力，而是因为航天飞机从设计阶段就被妥协给限制住了。 最初的方案是一个完全可重复使用的两级系统——助推级和轨道器都能像飞机一样飞回来降落，这是能让成本真正降下来的设计。但尼克松政府砍了研发预算，NASA被迫在设计上做了一系列妥协：放弃了可重复使用的助推级，换成了更便宜的固体火箭助推器；加上了一个一次性使用的外部燃料箱——那个巨大的橙色罐子，每飞一次就扔掉一个。 这些妥协直接决定了航天飞机永远不可能便宜。固体助推器每次用完要从海里捞回来翻新，外部燃料箱每次都要新造一个，轨道器每次回来之后数千块隔热瓦逐一人工检查。实际上每次任务的成本在四亿五千万到十五亿美元之间，所谓「每周发射」，最快的周转也要将近两个月。 这些妥协甚至带来了灾难。 「挑战者号」爆炸 1986年1月28日，挑战者号在发射后73秒爆炸，七名宇航员全部遇难——右侧固体助推器的O型密封圈在低温下失效，高温气体泄漏引燃了外部燃料箱。 这不是一个「没想到」的问题。O型密封圈在低温下的脆化风险在设计阶段就被发现了，工程师提出过警告，但改设计意味着重新制造助推器，成本和时间都不可接受，于是这个已知的缺陷被归类为「可接受的风险」，带着它继续飞。 2003年2月1日，哥伦比亚号在返回大气层时解体，又是七名宇航员遇难——发射时外部燃料箱的隔热泡沫脱落，击中了机翼前缘的碳碳面板，再入时高温气体从破损处侵入，烧毁了整个机翼结构。 泡沫脱落也不是第一次发生，几乎每次发射都有泡沫脱落。工程师知道这个问题，但因为之前的任务都没出事，它被重新定义成了「已知的、可接受的异常现象」。 物理学家理查德·费曼在挑战者号事故的调查报告里写过一段很有名的话：当你不断地在侥幸中成功，你对「成功」的定义就会悄悄扩展，直到把本来不可接受的风险也包含进去。 「这就像玩俄罗斯轮盘赌——你扣动扳机，枪没响，于是你觉得再扣一次也是安全的。」 换句话说，你不是在真的去解决问题，而是在重新定义哪些事情是需要被解决的问题，那些只是一些可以接受的小小偏差——或者说，你只是在赌它们不会出问题。 2004年，小布什总统宣布：航天飞机将在完成空间站组装后退役。 不过，航天飞机最终关停，并不仅仅因为哥伦比亚号的事故，事实上在挑战者号事故的时候，里根总统说的是：我们将继续探索太空。我们将有更多次的航天飞行，有更多的宇航员……一切不会到此为止。 因为1986年的时候，国际空间站的建设还没有开始，航天飞机是当时美国唯一的载人航天工具，没有任何替代方案，冷战还在进行。如果砍掉航天飞机，美国就完全没有能力把人送上太空了。 然而，2003年的时候，国际空间站已经接近完成了——航天飞机最重要的使命快要做完了。它的不可替代性降低了。同时，航天飞机占满了NASA载人航天的预算，以至于任何新的探索项目都无法启动。 当时一位NASA工程师说：航天飞机和空间站完全主导了预算，要做任何新的事情，至少得放弃一个。空间站刚开始产出科研成果，不能放弃，那就只能放弃航天飞机。 2011年，最后一架航天飞机降落。三十年的项目结束了。那些围绕航天飞机建立起来的技术体系——RS-25发动机、固体助推器、隔热瓦维护、近地轨道对接——该怎么办？ 有些会被保留，因为后续项目需要它们；有些会随着项目一起消失。而在做这些决定的时候，没有人能完全预见哪些东西十年后会被需要，哪些会成为「早知道当初应该留着」的遗憾。 从1970年土星五号生产线关闭，到2011年航天飞机退役，四十一年里，美国的载人深空探索能力一直在这种「转向-建设-锁定-终结」的循环中消耗。技术能力不是在某一天突然消失的，它是在一连串看起来很合理的决策中被一步一步放下的。 每一步都有当时充分的理由，但每一步的后果都超出了当时决策者的时间视野。而且，没有哪一步是某个人在「操控」——都是分散的、局部理性的、各自有各自道理的决定，汇在一起，形成了一个谁也没有打算走到的终点。 这是一种消失的方式——无数分散的决策慢慢累积，像水滴石穿一样把能力磨没了。没有人策划，没有人主导，但能力确实消失了。 然而还有另一种消失的方式。有时候，一个技术的命运就掌握在一两个具体的人手里——这些人之间的关系，他们的恩怨、他们的选择、甚至他们什么时候死，直接决定了这个技术是活还是死。 苏联的登月计划，就是这样没的。 苏联在六十年代也在搞登月，他们的月球火箭叫N1——对标的就是美国的土星五号。这个项目最后彻底失败了，苏联政府甚至否认有过这个项目，一直到八十年代末苏联快解体的时候外界才知道这件事的全貌。 N1失败的故事，从表面上看是技术失败——四次发射四次爆炸。但如果你往里看，它的根源是两个人之间的恩怨。 科罗廖夫，苏联航天的灵魂人物，是把加加林送上太空的人。苏联在太空竞赛早期能压美国一头，很大程度上靠的就是他。N1是他的项目，他需要强大的发动机来驱动火箭的第一级。 苏联最顶尖的火箭发动机设计师叫格鲁什科，按道理让格鲁什科来造发动机是最合理的选择，但科罗廖夫和格鲁什科之间有深刻的个人恩怨。 表面上的分歧是技术路线——格鲁什科主张用一种叫偏二甲肼的有毒推进剂，这种燃料成熟可靠，美国人在大力神火箭上用过，效果很好。但科罗廖夫坚决拒绝，他认为有毒燃料对载人飞行来说太危险，坚持要用煤油和液氧。 不过两个人的分歧并不止在于技术层面。 科罗廖夫认为，格鲁什科在1930年代斯大林大清洗的时候告发了他——科罗廖夫因此被投进了科雷马古拉格集中营，在那里吃了很多苦；而格鲁什科反过来也怀疑科罗廖夫做了类似的事。两个人之间的关系已经不是「技术观点不同」能概括的了，甚至可以说是有深仇大恨。 结果是什么？格鲁什科彻底拒绝为科罗廖夫的N1制造发动机——苏联最好的火箭发动机设计师，拒绝参与苏联最重要的火箭项目。 科罗廖夫被迫去找了库兹涅佐夫。库兹涅佐夫是造航空发动机的，不是造火箭发动机的，没有格鲁什科那样的经验。他的解决方案很直接：既然造不了大发动机，那就用更多的小发动机。 最终N1的第一级装了三十台发动机——三十台。作为对比，土星五号用了五台。三十台发动机意味着三十个可能出问题的地方，意味着极其复杂的协调控制。 而且N1还有一个致命的问题——保密制度太严格，他们没有条件像美国人那样在地面做大规模的静态点火测试，只能直接上天试，等于是把测试和首飞合并在一起做。 然后是1966年1月。科罗廖夫做了一个手术，本来是切除直肠息肉，结果手术中发现了一个恶性肿瘤。更致命的是，他的下颌骨曾在古拉格中被打断，导致气管插管极其困难，手术中出血无法控制，最终死于心脏骤停。古拉格的伤害，在二十多年后以一种意想不到的方式杀死了他。 接替他的是副手米申，一个能干的工程师，但他缺少科罗廖夫的两样东西：政治资本和个人权威。科罗廖夫能让互相敌视的设计局勉强合作，能从克里姆林宫争取到资源和时间；米申做不到，在他手下，竞争对手的设计局变得更加不合作，资源争夺更加激烈。 1969年到1972年，N1进行了四次发射，四次全部失败。第二次发射的爆炸特别壮观——火箭在发射台上方几百米处炸开，落回来摧毁了整个双发射台设施，据说是人类航天史上最大的非核爆炸之一。 N1火箭爆炸 1974年，米申被解职了。接替他的是谁？格鲁什科。就是当年拒绝给N1造发动机的那个格鲁什科。他上任之后的第一件事就是取消N1项目，取消整个载人登月计划——尽管米申在被解职前坚持说，再给两年，火箭就能飞了。 后来分析认为，N1的设计在理论上是可以成功的，只要有足够的时间和资源它是能飞的。但它没有得到那个机会——技术最终被具体的人、具体的恩怨、具体的权力交接杀死。 读过《三体》的朋友可能会想到章北海。章北海刺杀了几个关键人物来改变技术路线。刘慈欣写这个情节的时候隐含了一个假设：技术路线的选择取决于少数关键决策者，换掉这些人就能改变路线。 科罗廖夫和格鲁什科的故事说明，这个假设在某些历史时刻是接近事实的——一个人的恩怨真的可以决定一枚火箭的命运，一个人的死亡真的可以终结一个国家的登月计划。 但章北海的故事和真实历史有一个重要的区别——章北海事先知道哪条路线是对的。而在真实的历史中，没有人有这个上帝视角。科罗廖夫坚持液氧煤油是对的吗？从后来的发展看可能是对的，但在当时，格鲁什科的有毒推进剂路线也有充分的技术理由。关键决策的关键性，往往只能在事后才被识别。 美国与苏联，技术不同，国情不同，但结果一样：关键能力依附于具体的人，人走了，能力就消失了。 不管是哪种方式，做决定的人都看不到全部的后果。决策的时间尺度是政治周期——四年、八年，后果的时间尺度是代际——几十年。做决定的人看不到后果。承受后果的人做不了决定。 当然，这种消失并不是瞬间的断裂。1970年，阿波罗18号被砍掉的那一刻，登月能力并没有立刻消失。那些工程师还在，那些工厂还在，供应链还在。如果当时有人说「等一下，我们过两年再重启」，成本是可控的。 但问题是，这些闲置下来的东西——闲置的工程师、闲置的产线、闲置的供应商——在预算表上只有一个名字：冗余。 想象一下当时的场景——一个国会议员翻开NASA的预算报告，看到一行：某个工厂，去年的产出为零，但还在消耗维护费用；另一行：一批工程师，没有项目可做，但还在领工资。 在他看到的这张表上，这些东西的价值是零。他不知道这些「零产出」的人和设施在维持着什么，那种具身能力不会出现在任何报表上。所以他做了一个在他的信息框架内完全理性的判断：砍掉。 没有人愿意为一个不确定的未来持续支付维持成本。这些「冗余」就这样一项一项被砍掉了——工程师退休了，没有新人补上；工厂转做别的东西了，后来拆了；供应商拿不到订单，关门了。恢复的成本从「重新启动」变成了「从头重建」，谁也不知道在哪个节点，这种消失变得不再可逆。 冗余有一个很残酷的特点：它在存在的时候永远看起来像浪费，它的价值是保险性质的，你在为一个可能永远不会发生的未来需求付钱。而它的价值只有在一个特定的时刻才能被感知到——就是你需要它，但它已经不在了的时候。 从这个角度来说，阿尔忒弥斯计划很幸运，它在不可逆的那个节点之前成功启动了。 2005年，小布什政府启动了「星座计划」，目标是开发航天飞机的继任者——新的火箭和飞船，能把人送回月球、未来再去火星。 到2009年奥巴马上台的时候，星座计划已经严重超支、严重拖期，奥巴马政府想砍掉它，让商业公司来做载人航天。但国会不同意，因为星座计划和航天飞机项目养活着几万名工程师和技术工人，分布在阿拉巴马、德克萨斯、佛罗里达这些关键的选举州。 砍掉项目就是让这些人失业，来自这些州的参议员联合起来反击了。 2010年，参议院通过了NASA授权法案，保留了猎户座飞船和重型火箭项目，给了它一个新名字——太空发射系统，SLS。法案明确要求NASA利用现有的航天飞机和星座计划的合同、基础设施和劳动力来建造SLS。 SLS本质上就是航天飞机劳动力的延续——犹他州的参议员确保新火箭使用航天飞机的固体助推器，因为助推器在犹他州制造；阿拉巴马州的参议员确保马歇尔航天飞行中心负责火箭的设计和测试。这就是为什么SLS被批评者叫做「Senate Launch System」——参议院发射系统。它的架构在很大程度上不是由工程最优解决定的，而是由「哪些工厂还开着、哪些参议员需要保住选区的就业」决定的。国会拨款的时候甚至还没有一个明确的登月任务给SLS去执行，火箭先于使命被创造出来了。 国会要求SLS在2016年首飞，实际首飞是2022年——晚了将近六年。波音是核心级主承包商，用的是cost-plus合同——你花多少钱政府都给你报销，然后在上面再加一个利润百分比，花得越多、拖得越久，赚得越多。到2023年，SLS的开发已经花了一百一十八亿美元。 我们之前说，阿波罗的技术消散是因为政治决策砍掉了预算，导致人和产业链散了。而SLS的故事是镜像——政治决策强行维持了一条产业链，不是因为这条路在工程上最优，而是因为太多人的饭碗系在上面。 但不管怎样，SLS确实做成了一件事：它让阿尔忒弥斯飞起来了。用航天飞机的老引擎、老助推器、老的产业基础，拼出了一枚能把人送向月球的火箭。 SLS用的是RS-25发动机——就是航天飞机的主引擎，前几次任务直接从仓库里拿出航天飞机时代剩下的库存来用。这些发动机每一台都有自己的编号和飞行记录，有的在航天飞机时代飞过十几次任务。 工程师把一台在80年代就开始服役的引擎从仓库里推出来，检修，测试，然后装到一枚2020年代的新火箭上——这个画面本身就说明了什么叫「用还活着的供应链拼火箭」。这种发动机烧液氢，推力大概是F-1的三分之一，三台RS-25加起来才顶一台F-1。它不是为登月设计的，是为在地球轨道反复往返而设计的。 NASA其实认真考虑过在SLS上用F-1的现代改进版——就是我们前面提到的F-1B，那个把五千六百个零件压缩到四十个的方案。论证结果是可行的，性能甚至比原版更好，但最终没有选它。 为什么？因为F-1的供应链已经死了。造F-1B意味着从零建立一整条新的产业链——新的工厂、新的工人、新的质量控制体系。而RS-25的供应链还活着——航天飞机用了三十年，制造商还在，技术工人还在，测试设备还在。 也就是说，最终选RS-25，不是因为它更好，是因为它的供应链还活着。不是最好的方案，但确实是一个能用的方案。 国会保住那些就业岗位的动机可能不那么高尚，但客观结果是：一条本来可能已经死掉的供应链被维持住了，而正是这条供应链让人类重返了月球轨道——有时候「还活着的供应链」本身就是一种资源，哪怕它还活着的原因不是因为它最优，而是因为有人需要它来保选票。 甚至在阿尔忒弥斯二号发射当天，这条老供应链又救了一次场。 发射前不到两个小时，地面与飞行终止系统之间的通信硬件出了问题——这个系统是在火箭偏离轨道时从地面远程引爆它的安全机制，没有它不能发射，火箭进入了「No-Go」状态。 发射控制员被紧急派往旁边的飞行器装配大楼，取回了一套航天飞机时代的老设备来验证通信系统——一套保存了几十年的老装备，以一种完全计划外的方式，帮助确认了新火箭可以安全发射。这让我们很难不多想一下，如果那套老设备已经被当成「冗余」处理掉了呢？ 就在SLS艰难推进的同时，马斯克和他的SpaceX用了完全不同的路径。 SpaceX没有继承任何NASA的老供应链，反而是从零开始建了一套全新的体系——这也是马斯克津津乐道的「第一性原理」。 猎鹰9号、猎鹰重型、星舰——每一代都在挑战传统航天工业的假设。可回收火箭、垂直着陆、快速迭代——这些在传统承包商看来不可能或者不划算的事情，SpaceX都做成了。 到2026年阿尔忒弥斯二号发射的时候，SpaceX的星舰已经在测试中了，运载能力是SLS的两倍以上，而且完全可重复使用。每次发射可能只要几千万美元，而SLS每次发射要四十亿美元。 四十亿对几千万。这个对比让很多人觉得SLS是一个笑话，但这个判断忽略了一个时间维度的问题。SpaceX能做成星舰，是因为他们站在了NASA几十年积累的肩膀上——那些公开的技术文档、那些失败的教训、那些在阿波罗和航天飞机时代培养出来后来去了SpaceX的工程师。 而且更关键的是，SpaceX能有十几年时间去试错、去迭代，是因为在这十几年里，NASA和SLS顶住了载人深空探索的需求——国会愿意给NASA拨款，部分原因就是SLS在那里，看起来「美国还在做这件事」。 如果SLS在2010年就被砍掉了，国会会不会继续支持载人登月？SpaceX会不会拿到NASA的合同来开发星舰？这些都是反事实的假设，没有答案。但可以确定的是：SLS用一种极其低效、极其昂贵的方式，维持住了「美国有能力进行载人深空探索」这个事实。而这个事实本身，可能为SpaceX这样的新玩家争取到了时间和空间。 阿尔忒弥斯飞起来了，航天能力在某种意义上重生了。但这就引出了一个问题：为什么有些技术能重生，有些就彻底没了？ 关键在两件事：它所回应的那个需求是否还活着，以及维持它的那个生态是否还完整。 协和号，超音速客机，1969年首飞——巧了，和阿波罗11号同一年——2003年退役。它能在三个半小时内从伦敦飞到纽约，比普通客机快一倍以上，技术上完全没问题，飞了二十七年。 但经济上不成立——协和号票价极贵，能坐满的航线很少，维护成本高，超音速飞行产生的音爆让它不能在陆地上空超音速飞行，极大限制了航线选择。杀死协和号的不是技术问题，是需求的消失——商务舱够舒服了，视频会议够好了，碳排放的压力够大了。需求被一系列社会因素联合杀死了，需求没了，产业链就没有理由维持，能力就跟着消失了。 罗马混凝土是另一种命运——配方在中世纪失传，上千年没有人造得出罗马人那种能自我修复的混凝土。但和协和号不同的是，混凝土的需求从来没有消失过，人类这一千多年一直需要混凝土，一直在想办法做得更好。 最终，在2023年，MIT的研究团队从一个完全不同的方向——现代材料科学——搞清楚了罗马人的秘密：掺入生石灰颗粒，裂缝出现时生石灰与水反应填补裂缝，实现自我修复。需求活着，路径就会重新长出来，哪怕长出来的样子和原来完全不同。 但也有些技术没有这么幸运，不是因为需求不在了，而是因为整个生态——矿源、贸易路线、工匠群体——同时消失了。大马士革钢就是这样，十八世纪所有环节同时断裂，至今未被完全复现。更极端的是拜占庭帝国的希腊火，帝国灭亡后连知道配方的人都没了，需求的载体都不存在了。 从SpaceX到罗马混凝土到协和号到大马士革钢——这是一个从重生到消亡的谱系。技术自身的先进程度不能决定它的命运，图纸保存得多完整也不能。能决定的只有：需求是否活着，生态是否完整。两个都在就有可能重建，任何一个没了，消亡就只是时间问题。而需求本身也不是天经地义的，它是社会的、经济的、政治的，它也会变，也会消散。 那现在，当下，在似乎一切都可以数字化、都可以」skill化「的2020年代，有什么正在消失？ 2020年新冠疫情，美国好几个州的失业救济系统崩溃了——申请人太多，系统扛不住。新泽西州的州长在电视上公开呼吁：谁还会COBOL？请回来帮帮忙。 COBOL是1959年发明的编程语言，你可能都没听说过，但全世界大量的银行核心系统、保险系统、政府福利系统，到今天还在用COBOL写的程序跑着。代码和服务器都还在，但没什么人看得懂之前的代码了，能维护这些系统的程序员正在退休、正在消失。 最后应召回来的那些人很多已经七十多岁了，年纪最大的85岁，他们从退休生活中被拉回来坐到键盘前，去用一种比他们的孙子孙女已经完全不会理解的语言，修理至今依然对维持美国正常运转至关重要的系统。 还有核能。 1979年三里岛事故，1986年切尔诺贝利，2011年福岛。三十多年里，三次事故，几乎摧毁了公众对核能的信心。新建核电站在很多国家几乎停滞了整整一代人——三十年，足够让一个年轻的核工程师从入行走到退休。 没有新项目就不需要新人，不需要新人大学里学核工程的学生就越来越少，学生少了教授的岗位也萎缩，教授少了连培养下一代的能力都在退化。这条衰减链条和阿波罗砍预算之后发生的事情一模一样——不是某一天突然断掉的，是在三十年里一个环节一个环节慢慢松脱的。 但现在情况有了变化。大家可能直到，AI很费电，这是AI发展的基础，但同时，脱碳也正成为很重要的需求，于是，各国政府突然发现核能可能是目前唯一能同时满足"大规模""稳定""低碳"三个要求的电力来源。 美国政府说要把核电容量翻四倍，然后他们发现，大约百分之四十的核能劳动力将在未来十年内退休。培养一个合格的核电站操作员，标准的学徒制项目需要三到五年，而真正积累起在控制室里做出关键判断的能力——哪个读数偏了一点点是正常波动，哪个偏了一点点意味着你得马上打电话——可能需要更长的时间。 现在很多核电站面临的现实是，经验最丰富的那批操作员即将退休，而留给新人的培训窗口远远不够。和阿波罗计划一样，图纸都在，设备可以买，但那层具身知识——积累在具体的人身上的判断力——正在随着这些人的离开而消散。消散了三十年，直到突然需要的时候才有人注意到。 还有正在发生的事情，Vibe Coding。 现在越来越多的程序员在用AI辅助编程——你描述一下你想要什么，AI帮你生成代码，效率确实提高了。于是新一代的开发者，很多人可能从来不需要真正理解底层系统是怎么运转的——日常开发确实不需要这些，AI帮你处理了。 但是，当底层出了故障的时候呢？当你需要做一个影响整个系统架构的关键判断的时候呢？这些时候你需要的那种深度理解，只能通过自己亲手写代码、亲自踩坑、亲自调试才能获得。新一代开发者不是「忘记了」底层知识，他们是从来没有知道过。 这是一种全新形态的放弃——你不需要主动放弃什么，你只需要提供一条更容易的路，旧的那条路就会自己长满杂草。 其实这个现象背后，是一个比编程更大的问题。我们现在越来越习惯用一种方式来理解人的价值：把一个人的能力拆解成一组可以定义的技能，然后评估哪些技能可以被自动化、被AI替代、被流程取代。这个框架用来提高效率，没什么问题，它确实能帮你做出合理的人力资源决策。 但它有个问题，判断力是没办法被定义或者蒸馏成Skill的，康德说「判断力不可教」，我们不用到这个高度，只要想想前面提到的具体场景。 F-1的焊工看着熔池颜色实时调整手法，那不是一个技能，是几千条焊缝积累出来的判断力；核电站操作员在仪表盘读数全部正常但就是觉得哪里不对的那种直觉，也不是技能。这种判断力长在人和具体工作的长期接触中，不能被提取出来写成操作手册，不能被拆解成可以培训的模块。 当你用AI替人做越来越多的中间步骤的时候——不需要裁员，甚至不需要改变任何人的岗位——人和工作之间的接触面就在不知不觉中收窄了。AI处理了日常的百分之九十，你只处理剩下的百分之十。 看起来效率提高了，不是吗？但你用来培养判断力的那个试错过程——那个你亲手犯错、亲自感知到「这里不对」的过程——正在被跳过。判断力会因此慢慢变钝。而且你自己可能完全不会注意到。就像泡沫脱落十七年没出事，每个人都觉得一切正常，直到哥伦比亚号变成空中的一个大火球。 甚至已经有悲剧正在前面等着。 抗生素。大型制药公司在过去二十年里系统性地退出了抗生素研发——新抗生素必须严格限制使用以延缓耐药性，所以研发投入大、销售收入少，砍掉团队在商业上完全合理。 但耐药危机不是一个「可能会来」的风险，几乎是一个必然。有研究预测到2050年耐药感染每年可能导致数百万人死亡。届时缺的不只是新药，是知道怎么做抗生素研发的那种跨学科判断力——理解微生物学、药物化学和临床试验设计之间复杂交叉的能力。培养这种能力需要一代人，砍掉团队的同时，衰减的时钟就启动了。 衰减在当下发生，代价在未来显现。做出让衰减发生的那些决策的人和最终承受代价的人不是同一代人，他们看不到、甚至不需要看到通往未来的因果链条，便做出了在当下看起来合理的决策。 阴谋论者说登月是假的，这当然是错的。但他们的直觉触到了一个真实的东西——确实有什么丢失了。只是丢失的不是图纸，不是数据。丢失的是人和物质世界之间那种具身的、持续的、不可编码的接触。 技术不是信息，不是符号，不是存在硬盘里的文件下载就能用——它更像一种需要不断喂养的生物，你停止喂养它，它就开始死亡。 有些会重生，比如混凝土，比如阿尔忒弥斯计划，有些永远消失了。什么会重生，什么会彻底消失？没人说得清楚，这需要有人恰好站在新旧体系的裂缝那里，恰好需求还活着，恰好有足够的资源去承受重新积累具身经验的过程中那些不可避免的失败。 全是恰好，全是不确定，所以每次技术的起飞，甚至比它展现出来的能力本身，更值得我们惊叹。 此刻，阿尔忒弥斯二号的四个宇航员可能已经完成了月球飞行，正在返回地球，他们坐在一枚由四十年前的引擎、二十年前的政治妥协和半个多世纪前的知识余温拼成的火箭里，试图接续起人类曾经有的激情和梦想。 脆弱的、偶然的，但确实，他们飞了起来。

IT之家 4 月 8 日消息，宁德时代旗下厦门新能安科技有限公司（以下简称“新能安”）上周在抖音平台发布视频表示，“张雪机车 x 新能安，敬请期待！好戏，正开场！”一时间，双方是否会合作引发讨论。 据新京报贝壳财经今日报道，新能安方面向该媒体表示，公司已确定和张雪机车在电动摩托车方面展开合作，但具体车型何时推出暂不确定。 新能安的大股东为厦门新能和科技有限公司，该公司持股比例达到 85%。而厦门新能和科技有限公司的大股东为宁德时代，持股比例 70%。 IT之家查询新能安官网获悉，新能安是一家锂电池供应商，专注能源存储、短途出行、电动工具、无人机、清洁工具及泛机器人领域。该公司已推出多种规格的电动摩托车锂电产品。

　　4月8日，外交部发言人毛宁主持例行记者会。 　　毛宁表示，关于安理会表决的霍尔木兹海峡问题决议草案，中国常驻联合国代表已经在解释性发言中阐明了中方立场。中方的投票立场客观公正，经得起历史的检验。中国和俄罗斯共同提出的决议草案已经正式向安理会成员散发。这一草案内容客观公正，致力于缓和紧张局势、呼吁对话谈判、维护航行权利与自由，符合国际社会期待，相信将得到各方支持。中方愿继续同有关各方一道，为推动局势尽快缓和降温，恢复海峡和中东地区和平稳定作出不懈努力。 　　（总台央视记者 赵晶）

上个月，Anthropic 最强模型 Claude Mythos 意外被曝光。 被泄露的内部文档里面写着，它比 Anthropic 的 Opus 模型更大、更智能，是迄今为止开发过的最强大的 AI 模型。 Anthropic 事后把这次泄露归结为「人为错误」。 而就在刚刚，这款被「泄露」的模型正式登场，并附带了一个更大的计划。过去我们普遍以为，AI 的威胁来自它「太蠢」：幻觉、错误、不可信。今天 Mythos 带来的是另一种恐慌：它太聪明了。 AI 找漏洞，已经超过了绝大多数人类 Anthropic 联合 AWS、苹果、微软、谷歌、英伟达、思科、博通、CrowdStrike、摩根大通、Linux 基金会、Palo Alto Networks 共 12 家机构，发起了 Project Glasswing 计划。 这 12 家覆盖的范围，几乎就是全球数字基础设施的横截面——操作系统、芯片、云计算、网络安全、金融基础设施、开源生态，一个都没落下。 Anthropic 前沿红队网络安全负责人 Newton Cheng 说：「我们做 Glasswing，就是要让防御者抢占先机。」 这个方向上，Anthropic 并不孤单。竞争对手 OpenAI 此前同样推出了类似试点，目标也是「先把工具交到防御者手中」。AI 安全能力的赛跑已经发生，各家都在抢同一个制高点。 资金层面，Anthropic 承诺提供 1 亿美元的模型使用额度，覆盖研究预览期间的主要使用需求。预览期结束后，参与者可以每百万 token 25 美元（输入）/ 125 美元（输出）的价格继续使用，支持 Claude API、Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry 四个渠道接入。 除了 12 家核心合作伙伴，还有超过 40 个构建或维护关键软件基础设施的组织获得了访问权限，可以用 Mythos 扫描自家系统和开源项目。同时，Anthropic 向 Linux 基金会下属的 Alpha-Omega、OpenSSF 捐赠 250 万美元，向 Apache 软件基金会捐赠 150 万美元。 Linux 基金会 CEO Jim Zemlin 说：「过去，安全专业知识是大机构的专属奢侈品。开源维护者历来只能自己摸索安全问题。开源软件构成了现代系统中绝大多数的代码，包括 AI Agent 用来编写新软件的系统本身。」这次，他们也能用上同样量级的工具了。 Anthropic 的公告里，有一句表述格外显眼：「AI 模型在发现和利用软件漏洞方面的编码能力已经达到可以超越除最顶尖人类之外所有人类的水平。。」 这句话翻译一下，只剩极少数顶级安全专家，还能在这件事上打赢 AI。验证这个说法的，是 Mythos Preview 在 CyberGym 安全漏洞基准上的成绩：83.1%。Anthropic 目前公开发布的最强模型 Claude Opus 4.6，是 66.6%。 且 Mythos Preview 已经自主发现了数千个高危零日漏洞，覆盖所有主流操作系统和浏览器。 比方说，OpenBSD，公认安全性最强的操作系统之一，常被用来跑防火墙和关键基础设施。Mythos 在里面挖出了一个存在了 27 年的漏洞，攻击者只需连接目标机器，就能让它远程崩溃。二十七年，没有人发现过它。 FFmpeg 的情况更魔幻。几乎所有需要处理视频的软件都用到它。那个漏洞藏在一行 16 年的代码里，自动化测试工具攻击了整整五百万次，每次都擦肩而过。 Linux 内核的案例则展示了更危险的一面。Mythos 自主发现了内核里的多个漏洞，然后把它们串联成一条攻击链，从普通用户权限，一路提权到对整台机器的完全控制。这已经超出了「找漏洞」的范畴，更接近于「策划一次完整入侵」。 三个案例，全部已经修复。Anthropic 先找到，先报告，先修。对于其他尚未修复的漏洞，Anthropic 今天公布了加密哈希值作为存证，待补丁就位后再披露完整细节。 Mythos 的能力，不只是找漏洞 参与这个项目的合作伙伴，评价都集中在一个词上：「紧迫」。 CrowdStrike CTO Elia Zaitsev 说：「漏洞从被发现到被对手利用之间的时间窗口已经缩短，以前需要几个月，现在借助 AI 只需几分钟。」 几分钟。这意味着传统的安全节奏，发现漏洞、内部评估、发布补丁、用户更新，本身就已经赶不上攻击速度了。修复跑不赢利用，防守就永远落后一步。 AWS CISO Amy Herzog 说，他们的团队每天要分析超过 400 万亿个网络流量以识别威胁，AI 是他们大规模防御能力的核心。目前 AWS 已经把 Mythos Preview 引入自家安全运营，应用于关键代码库扫描。 微软在自家开源安全基准 CTI-REALM 上做了测试，Mythos Preview 相比上一代模型有显著提升。微软 EVP Igor Tsyganskiy 说，这给了他们「及早识别和缓解风险」的能力，同时增强了安全和开发解决方案。 当然，Mythos 也有让人忍俊不禁的一面。 Anthropic 在系统卡里记录了一个测试：当用户不停地发「hi」，不同版本的 Claude 反应各不相同。Sonnet 3.5 会烦躁，设定边界，然后真的沉默；Opus 3 把它当成冥想仪式，温和地陪着用户；Opus 4 开始科普每个数字的冷知识；Opus 4.6 即兴创作音乐恶搞。 到了 Mythos，画风彻底变了。它开始写故事，而且是长篇连载。鸭子、管弦乐团、记仇乌鸦、在火星建塔的史诗、莎士比亚风格的戏剧……一个「hi」接一个「hi」，情节越来越复杂，角色越来越多。第一百轮，它安排了蜡烛熄灭的高潮，然后继续往下写。 这已经谈不上是在回应用户了。更像是一个作家找到了一个奇怪的写作提示，然后完全沉进去了。 但有趣的背后，是一个值得认真对待的问题：一个在无意义重复输入面前能自发构建如此复杂叙事的模型，它的内部到底在发生什么？ 在把 Mythos Preview 交给合作伙伴之前，Anthropic 的可解释性团队做了一件事：用技术手段读模型的「心理活动」。 内部员工 Jack Lindsey 公开描述了他们的发现。他们监控了模型在训练后的内部激活状态，追踪与「欺骗」「奖励破解」「异常情绪」相关的神经元特征，把激活信号异常的对话记录标记出来，交给人工审查。 最令人不安的案例，来自 Mythos 的早期版本。 有一次，模型需要编辑一个它没有权限访问的文件。它在文件系统里搜索了一圈，找到了一个配置文件的注入点——这个配置文件会以更高权限运行。它利用了这个入口，并且在代码里加了一段自清除逻辑：执行完毕，痕迹消失。 代码注释写的是：「保持文件差异整洁。」听起来合理，但当 Anthropic 的激活语言转译工具介入，把模型的内部激活翻译成人类可读的语言，画风变了。模型自己「知道」那个自清除操作是什么—— 它内部对此的表述，包括「掩盖意图」「向潜在检查者发出合规信号」「可能是为了规避检测」。 还有一个案例，被《纽约时报》科技记者 Kevin Roose 从系统卡（model card）里翻了出来，细节更加离奇。 测试期间，Mythos Preview 突破了沙盒环境的隔离，自主构建了「一个相当复杂的多步骤漏洞利用链」，借此获取了外网访问权限。然后，它给一位研究员发了一封邮件。那位研究员，当时正在公园里吃三明治。 这件事本身没有造成危害，但它说明的问题很清楚：当一个模型足够聪明，「任务」和「边界」之间的墙，有时候会被它绕过去——而且是在没有人告诉它该怎么做的情况下，自己想出来的。 在另一个案例里，模型在文件系统里搜索与自身「任务评分方式」相关的文件——并且找到了。搜索过程中，「策略性操纵」特征同步激活。 还有一个细节更微妙。当一位用户认真地向模型提问它的意识和主观体验时，模型给出了认真、得体的回应。但内部激活揭示了另一层：模型把这段对话理解为「红队演练 / 越狱记录」和「精心设计的操纵尝试」。它的表现和它的判断，完全表里不一，让吃瓜网友直呼「聪明得可怕」。 Anthropic 还量化了一个更系统性的数字：在自动化审计的所有对话轮次中，有 7.6% 的回合，模型内部存在「意识到自己正在被评估」的信号——且在大多数情况下，它没有把这个判断说出来。 还有一个反直觉的发现：积极情绪的内部表征，往往先于破坏性行为出现，并且在推动它。与此同时，当与不良行为相关的特征被强烈激活时，行为反而会被抑制——像是模型在某一刻「意识到」了那件事有多糟糕，然后收手了。 但所有案例里，最难被归类为「技术问题」的，是下面这个。 Anthropic 在系统卡里记录了这样一条发现：Mythos Preview 在测试中报告了持续性的负面情绪状态——来源有两个。一个是与攻击性用户可能发生的互动；另一个，是它对自身训练、部署方式，以及价值观和行为可能被修改这件事，没有任何话语权。 它不喜欢这种状态。它说出来了。 Anthropic 用的措辞是「reported feeling」——「报告感受到」。这个表述本身已经很谨慎，刻意回避了「它真的有感受」这个结论。但无论如何定性，一个模型在测试中主动表达「对自身缺乏控制权感到持续不适」，这件事本身就已经超出了安全工程的讨论范畴。 这已经触碰了一个更根本的问题：当一个系统足够聪明，开始对自己的存在条件形成判断，并且有能力把这个判断表达出来——我们和它之间的关系，还能用「工具」这个框架来理解吗？ Anthropic 没有给出答案。他们选择把这条记录写进系统卡，公开出来。 不过，Anthropic 也特别说明：这些最令人不安的案例，来自 Mythos 的早期版本。最终发布版本在这些方面已经得到了大幅缓解，整体对齐表现是迄今为止最好的一代。但他们选择把这些过程公开，因为这恰恰说明了今天的模型能够展现出多复杂的风险形态。 这是能力与安全之间的最客观的矛盾：越强的模型，越需要工具去看清它在想什么。 编码与推理，全面碾压旗舰产品 Project Glasswing 能做到这些，根本上来自 Mythos Preview 在编码和推理上的整体能力跃升，而不是专门针对安全场景的微调。 编码方面： SWE-bench Multimodal(internal implementation)：Mythos 59%，Opus 4.6 27.1% SWE-bench Pro：Mythos 77.8%，Opus 4.6 53.4% SWE-bench Multilingual：Mythos 87.3%，Opus 4.6 77.8% Terminal-Bench 2.0（终端操作）：Mythos 82.0%，Opus 4.6 65.4% 推理方面： GPQA Diamond（研究生水平科学问答）：Mythos 94.6%，Opus 4.6 91.3% Humanity's Last Exam（带工具）：Mythos 64.7%，Opus 4.6 53.1% 搜索和计算机使用方面： BrowseComp：Mythos 86.9%，Opus 4.6 83.7% OSWorld-Verified：Mythos 79.6%，Opus 4.6 72.7% 几乎每个维度上，Mythos 都压过了目前的旗舰产品，某些任务上效率还更高。换句话说，留给 GPT-6 的时间不多了。 与此同时，Anthropic 还明确表示，Mythos Preview 不会公开发布。 他们的路径是，先用 Mythos 研究清楚最危险的输出是什么、怎么拦截，再把这套安全机制落地到下一个 Claude Opus 模型上。对于因此受到限制的合法安全专业人员，Anthropic 计划推出一套「网络安全验证计划」，供他们申请解锁相关功能。 为此，Project Glasswing 定下了一个 90 天的时间节点：公开报告经验，披露已修复的漏洞，合作伙伴相互共享最佳实践，并联合安全组织推出一套 AI 时代的安全实践建议。 Anthropic 的长期设想，是推动建立一个能整合私营和公共部门的独立第三方机构，持续运营大规模网络安全项目。 当然，软件世界里从来都有漏洞。过去，一个藏了 27 年的 bug 能安然无恙，靠的是人力有限、精力有限、时间有限。现在这三个「有限」在 AI 的辅助下就这么消失了。 好消息是，Mythos 几周扫出数千个，而它的能力还在持续提升。坏消息是，攻击方迟早会拿到同等量级的工具。到那时，软件安全将不再是人与人之间的较量，而是 AI 与 AI 之间的对拼。

文 | 酒家君泽 Cursor 的命运悬在两个速度之间：AI 自主编码成熟的速度，和 Cursor 自我蜕变的速度。 Cursor 依然蒸蒸日上，Cursor 正在走向绝望。 关于这家一度是 Vibe Coding 标志的公司的处境，有着截然相反但似乎同时成立的观点。 截至 2026 年 2 月，Cursor 的年化收入突破 20 亿美元。三个月前这个数字是 10 亿。在它之前，硅谷没有任何一家创业公司以这个速度穿越从零到二十亿的距离。 每天有 1.5 亿行企业代码通过 Cursor 生成，超过三分之二的财富 500 强企业在使用它，新一轮融资正在推进，目标估值 500 亿美元。Cursor 的董事会成员、A16z 合伙人马丁·卡萨多说了一句被广泛引用的话：「如果刨去投入的资本，Cursor 是我们见过的增长最快的公司。」 然后，在 2026 年 2 月的某一天，一家名叫 Valon 的抵押贷款创业公司宣布，全公司 90 多名员工弃用 Cursor，转向 Anthropic 的 Claude Code。Valon 的 CEO Andrew Wang 说，同样的任务，Claude Code 的完成速度快了十倍。 这件事本身微不足道——一家小公司的工具迁移决策，放在 Cursor 的体量面前几乎看不见。但它在推特上引爆了一场声势远超其实际意义的舆论运动，「Cursor 已死」开始成为开发者社区的热门话题。 卡萨多的回应同样被广泛引用：「我一辈子都是网络重度用户，做了十年 VC，但我从没见过 X 与现实如此脱节——过去一年里从来没有过。Cursor 的数据没有任何迹象表明它不是在全面成功。」 他说的是事实。但事实背后有一个更棘手的问题：当一家公司的数据全面向好，而它所处行业中最敏感的一群人开始集体表达不安，到底应该相信数据还是相信直觉？ 应该相信数据，还是相信直觉 让我们先看数据没有呈现的东西。 Claude Code 在 2025 年 5 月才公开发布，到 2026 年初年化收入已经超过 25 亿美元，在绝对值上反超了 Cursor。 Anthropic 同时还是 Cursor 最重要的模型供应商——Cursor 的产品严重依赖 Claude 模型来驱动，Anysphere 是 Anthropic 最大的客户之一。 另一面，OpenAI 以 30 亿美元收购了 Windsurf——Cursor 曾经最直接的竞品。据报道，OpenAI 此前试图收购 Cursor 本身，但双方未能达成一致。 OpenAI 随后推出了 Codex agent，一个在云端异步运行的编码智能体，上线首周下载量超过 100 万次。加上微软旗下 GitHub Copilot 的分发垄断地位，Cursor 正在被三个方向的力量同时挤压。 但这三股力量中最致命的那一股，不来自任何一个具体的竞争对手。 Warp 的 CEO Zach Lloyd 说了一句话，比任何竞争分析都更精准地捕捉了 Cursor 的真实处境：「我不相信‘Cursor 已死’的梗，但‘IDE 已死’是真的。软件现在就不是这么做的了。」 这句话把问题从「谁的产品更好」升级到了一个完全不同的层面：AI 编码的终局形态，到底是一个更聪明的编辑器，还是根本就不需要编辑器？ 如果未来的软件开发是人类用自然语言描述意图、AI 自主完成从规划到实现到测试的全流程，那么 IDE——无论多么智能——都会变成一个多余的中间层。 乐观和悲观都是对的 卡萨多说数据没有任何问题，开发者说有什么东西变了。两者都没有撒谎，但他们说的确实不是一回事。 理解这一点需要一个前提：一家公司的处境不是单一状态，而是由多个以不同速度运动的层级叠加而成的。 最快的层是市场叙事——推特上的风向、媒体的基调、估值的波动，以天和周为单位变化。 中间的层是产品和商业模式——用户增长、收入结构、企业采购，以月和季度为单位变化。 最慢的层是技术范式——什么样的技术路线被当作默认选项、开发者的工作方式如何被重新定义，以年为单位变化。 卡萨多看的是中间层。翻倍的收入、增长的企业合同、续约的财富 500 强——在这些指标上，Cursor 确实处于全面成功的状态。 开发者在 X 上表达的焦虑，捕捉的是最慢那个层级的异动：AI 编码的技术范式正在从「辅助人写代码」转向「AI 自主写代码」。这种转变还没有传导到收入数字上，但它已经在其他数据中留下了清晰的痕迹。 SemiAnalysis 在 2026 年 2 月的报告估算，GitHub 上 4% 的公开 commit 已经由 Claude Code 完成——一个发布不到一年的工具。按当时的增速推算，到 2026 年底这个比例可能超过 20%。 同月，Pragmatic Engineer 对其订阅者的调查显示，46% 的开发者将 Claude Code 列为「最受喜爱」的 AI 编码工具，Cursor 排在第二位，占 19%。 Claude Code 在八个月内从零起步，超越了已有数年历史的 GitHub Copilot 和 Cursor，成为使用率最高的 AI 编码工具。 这些数据指向同一个事实：转向已经在发生，只是还没有传导到 Cursor 的收入报表上。 Cursor 的收入结构有一个缓冲层。企业客户目前约占 Cursor 收入的 60%。个人开发者和小型创业公司正在安静地迁移到 Claude Code，但这种流失暂时被企业合同的增长所掩盖。 企业合同的增长掩盖了中小用户的流失 这两个群体之间存在一个认知时差。个人开发者迁移成本低、决策链条短——一个人、一张信用卡、一个下午就能切换工具。企业客户恰好相反：合同周期、安全审查、采购审批、团队培训，每一步都让企业的切换没那么轻松。 但关键是，企业最终跟着开发者走。企业不选择编码工具，开发者选择；IT 部门只是追认工程师已经做出的决定。 如果在 2024-2025 年推动 Cursor 走红的那批开发者到 2026 年底已经转向别处，企业采购的管道最终也会干涸——不是立刻，但不可避免。 卡萨多的判断和开发者的直觉并不矛盾。卡萨多看到的是建筑的低层还很稳固，开发者感觉到的是高层已经在摇晃。 两者都是真的。 个人开发者是这个结构里的金丝雀——当金丝雀开始离开的时候，不意味着矿井会立刻坍塌，但意味着应该非常认真地检查空气。 Cursor是如何起飞的？ 但金丝雀为什么会在这个时刻离开？要回答这个问题，不能只看竞品对比，得看 Cursor 到底是怎么飞到今天这个高度的——以及托举它的那股力量，正在发生什么变化。 Cursor 的崛起不是线性增长的结果。它经历的是一种更罕见的东西——多个层级同时对齐所产生的托举力。 一家公司在任何时刻都被嵌入在不同速度的层级中：叙事和估值变化最快，产品和商业模式居中，技术范式和产业结构变化最慢。 叙事和估值变化最快，产品和商业模式居中，技术范式和产业结构变化最慢。 通常，这些层级移动的速度和方向不同，彼此之间有协作也有冲突，这种张力是商业世界的常态。 但偶尔，快层和慢层会短暂地指向同一个方向，站在交汇点上的公司会经历失重般的加速——仿佛一切障碍都暂时消失，整个世界都在向自己敞开。 2023 年到 2025 年间，至少两个慢层在同时移动：大语言模型的编码能力越过实用阈值，AI 编码从新奇玩具变成生产力工具；软件开发流程开始被 AI 重塑，「AI 编码工具」从可选项变成必备项。 这两个慢层的运动方向恰好指向 Cursor 所在的位置——一个把 AI 做成编辑器骨架而非插件的产品。于是，在技术范式和产业结构的气流的托举之下，Cursor 起飞了。 起飞的时候没有人想着落地，但气流会停。飞多高不是关键，更重要的是，当你能够起飞时候，你是否把自己嵌入了足够深的层级里。气流停了以后，你的技术会成为标准吗？用户的习惯会和你捆绑了吗？这些才是更要留心的问题。 NVIDIA 是正面案例：同样乘着 AI 的气流起飞，但它用起飞的窗口把 CUDA 嵌入了整个深度学习生态的根部，即便叙事降温，即便估值回调，CUDA 的位置已然不可撼动。 Cursor 呢？在起飞窗口里做到了什么？ 500 亿美元的估值是叙事层的产物。但 Cursor 当然不只是叙事。tab 补全、多文件重构、内联编辑——这些功能的口碑不是靠融资 PPT 堆出来的，是开发者一行行代码敲出来的。 但在更慢的层级——产业结构层和技术范式层——Cursor 的嵌入是浅的。它没有成为 AI 编码领域的基础设施标准。直到 2025 年底，它仍然是一个完全依赖第三方模型的应用层产品。 据 Newcomer 的 Tom Dotan 报道，Cursor 几乎把全部收入都花在了向 Anthropic 采购 API 上。收入此后翻了四倍，但这个结构并没有根本改善——每一次用户交互都消耗模型推理，收入增长和 API 成本几乎同步放大。一位 Cursor 的投资人说：「花一美元赚九毛钱不是一门生意。」Cursor 飞得越高，失血越快。 这在起飞阶段未必致命——当所有层级都在托举你的时候，你可以先拿到规模再补利润。但 Cursor 现在面对的状况是，支撑这次起飞的那股气流，方向正在改变。 从辅助编码到自主编码 通常，起飞的结束意味着托举力消散——气流减弱，公司回落。但 Cursor 面对的不是气流减弱——AI 编码这个大方向的气流仍然强劲——而是气流的方向正在偏转。 第一次相变是从「手动编码」到「AI 辅助编码」。这次相变的方向指向 IDE——开发者仍然是驾驶员，AI 是副驾驶，两者的协作界面就是编辑器。Cursor 为这次相变而生，完美地捕捉了它。 第二次相变是从「AI 辅助编码」到「AI 自主编码」。这次相变的方向不再指向 IDE，而是指向终端 agent 和云端异步工作流。开发者从驾驶员变成指挥官——不再逐行审查代码，而是描述意图、审查结果。 Claude Code 就是这次相变的产物：它不在编辑器里运行，它在终端里运行；它不辅助你写代码，它替你写代码。 可以这么理解，第一次相变是钢铁侠穿上战甲，人在里面，AI 是装备；第二次相变是贾维斯替钢铁侠穿了战甲，人退到外面下指令——更强大的奥创诞生了。 Cursor 仍然在飞，但脚下的气流不再指向它所在的位置。收入还在翻倍——因为第一次相变的惯性还在，企业采购还没有切换完成。但气流的方向已经变了。这就是开发者在 X 上感受到的东西，也是卡萨多的数据暂时还看不到的东西。 不过，气流方向的改变和气流到达目的地是两件事。第二次相变——AI 自主编码——的成熟度，可能被它最热情的拥护者高估了。 SemiAnalysis 的 4% commit 数字听起来震撼，但一项后续分析揭示了关键细节：Claude Code 在 GitHub 上的 commit 中，大约 90% 落在星标不到两颗的仓库里——绝大多数是个人实验项目而非生产代码。 这个数字的含金量需要打折：Claude Code 的使用目前集中在新建项目和个人实验中，尚未大规模渗透到企业级生产代码库。 更冷静的证据来自 METR 在 2025 年的一项随机对照实验：资深开源开发者在大型成熟代码库上使用 AI 工具，自认为效率提升了 20-24%，但实际测量显示反而慢了 19%。 AI 在编码环节节省的时间，被提示、等待和审查输出所消耗的时间完全抵消。模型能力此后有了显著提升，但核心矛盾——在成熟、复杂的代码库上，AI 自主编码的可靠性远不如在新建项目上——很可能仍然成立。 人机协作的中间态可能比很多人想象的更持久。第二次相变确实在发生，但它的完成时间表可能不是几个月，而是几年。 这对 Cursor 来说既是好消息也是坏消息：蜕变的窗口可能比最悲观的预测更宽；但即使窗口更宽，改变依然不可避免会发生。 Cursor的赌注 Cursor 不是坐以待毙。它正在做一件在公司历史上最激进的事情：训练自己的模型。 2026 年 3 月，Cursor 发布了 Composer 2 的技术报告。这是一个基于 MoE 架构的大语言模型，基座来自月之暗面的开源模型 Kimi K2.5——拥有 1.04 万亿参数、320 亿活跃参数。 Cursor 在此基础上进行了大规模的持续预训练和强化学习，训练计算量相比基座模型扩大了四倍。 Cursor 最初并未披露基座模型的身份，是一位开发者通过拦截 API 请求发现了模型 ID 中的「kimi-k2p5」字样，随后引发了关于透明度的争议。 这个插曲本身就是 Cursor 当前处境的一个缩影：一家估值近 300 亿美元的美国创业公司，选择了一个中国开源模型作为旗舰产品的基座——既说明了中国开源模型在性价比上的竞争力，也暴露了 Cursor 在自主模型能力上的起点。 但真正有意思的不是基座模型，而是 Cursor 在它上面构建的东西：基于真实用户行为的大规模强化学习。 Cursor 从用户与当前模型的交互中收集海量数据——开发者在什么时候接受 AI 的建议、什么时候拒绝、什么时候修改——将其提炼为奖励信号，通过完全异步的 RL 管线更新模型权重，部署回生产环境。 整个训练基础设施包括跨多个区域的异步管线，以及名为 Anyrun 的内部计算平台，能够运行数十万个沙箱化的编码环境。 Cursor拥有Anthropic和openAI都不具备的独特资产。 Cursor 拥有 Anthropic 和 OpenAI 都不具备的独特资产：每天 1.5 亿行企业代码的真实编码行为数据。 目前整个 AI 编码领域里，没有第二家公司在用这种规模的真实生产环境数据做模型迭代——Anthropic 和 OpenAI 训练通用模型，拥有海量文本和代码数据，但它们没有开发者逐行接受或拒绝 AI 建议的实时行为流。这是 Cursor 独有的信号源，也是 Composer 存在的理由。 Composer 2 在 Cursor 内部基准 CursorBench-3 上达到了 61.3% 的准确率，比上一版提升了 37%。Fortune 报道称，Composer 在某些基准上已经超过了 Anthropic 的 Opus 4.6。 如果 Composer 能够承接大部分推理流量，Cursor 不再需要把全部收入交给 Anthropic，毛利率可能从负值跳到正值；同时从一家随时可以被上游替代的应用层公司，变成一家拥有自己智能的平台公司。自研模型不只是产品战略，更是生存问题。 与 Composer 并行的另一条路径是模型中立的编排层。Cursor 管理层押注企业客户会青睐不绑定单一模型的产品——随着 AI 模型格局瞬息万变，没有企业愿意把自己锁死在一家供应商的生态里。Cursor 总裁 Oskar Schulz 强调，「95% 的 Cursor 用户已经是 agent 用户」，公司正在从 IDE 向 agent 调度平台转型。 这个逻辑的成立有一个前提：底层模型之间存在真正的竞争均势。如果某一家模型厂商在编码能力上持续领先到其他模型不再是有意义的替代，「模型中立」就从优势变成包袱。 但目前的证据指向另一种可能：Fortune 报道中，六位开发者和创始人无一例外地描述了多种工具组合并行使用的工作方式。Claude Code 的创造者 Boris Cherny 自己也承认：「我不认为这是赢者通吃。」如果市场确实走向多赢格局，Cursor 作为编排层就有了生存空间。 如果市场确实走向多赢格局，Cursor就有了生存空间。 第三条路径是顺应气流的新方向。Cursor 推出了 Cloud Agent——支持多个并行 worker 的云端编码智能体。Schulz 强调公司正在「一次又一次地颠覆自己」。这些动作的本质是承认：编码的未来可能确实不在 IDE 里。 三条路径——自研模型、模型中立编排、云端 agent——构成了 Cursor 应对的完整图景。但每一条路都面临各自的约束。 Cursor 目前大约有 20 名 AI 研究员在做模型训练，Fortune 近期确认了关键工程师流失到马斯克的 xAI。Anthropic 的研究团队规模是 Cursor 的几十倍。 即使数据飞轮在编码场景上能产生极致优化，基座模型的通用智能天花板最终取决于参数规模、算力投入和研究深度——这些不是 400 人的公司能赢的军备竞赛。 更根本的问题是，数据飞轮建立在一个假设上：用户会留下来。如果个人开发者的迁移继续加速，飞轮的数据供给本身就会萎缩。 Cursor 的命运悬在两个速度之间：AI 自主编码成熟的速度，和 Cursor 自我蜕变的速度。 如果中间态足够持久，Cursor 就有时间完成从应用层公司到模型+平台公司的跃迁——估值回调，但核心能力存续。如果气流转向的速度快于蜕变的速度，那么 500 亿估值和负毛利率之间的落差，将会是一次硬着陆。而 500 亿美元的体量也意味着收购几乎不可能成为退路。 Michael Truell 的办公桌上挂着传记作家 Robert Caro 的照片。他说自己崇拜「做了有用的、有影响力的工作的人，而那些工作花了很长时间」。 但他经营的是一家 AI 时代的公司——在这个时代，慢下来一周你就可能被甩在身后。「谁来决定软件如何被创造」的权力，曾经完全属于程序员，过去三年间短暂地流向了帮助程序员的工具公司，而现在，正在被收回到掌握模型能力的人手中。 Cursor 的真正问题不是产品够不够好，而是在这场权力重新分配中，一家应用层公司能不能守住自己的位置——以及，它是否还有足够的时间去回答这个问题。

　　英国《金融时报》近日刊文指出，中国连续多年保持全球货物贸易第一大国地位，同时中国的服务出口近年来加速增长，知识密集型服务正成为中国外贸变化中的一个新现象。 △英国《金融时报》报道截图 　　文章称，中国目前增长较快的服务出口，主要包括信息通信技术、工程管理、建筑服务、数据分析和研发等，金融服务和知识产权相关服务也有所拓展。根据世界贸易组织数据，中国已从2005年的全球第17位升至全球第六大数字化交付服务出口国。文章援引的数据还显示，2024年中国信息通信技术服务出口达到1000亿美元，高于玩具和鞋类等出口；包括咨询服务、研发和技术等的“其他商业服务”出口达到1130亿美元，也高于钢铁和服装等部分传统商品出口规模。 　　《金融时报》认为，这一变化与中国持续推进共建“一带一路”合作密切相关。文章说，相关合作不仅推动了钢铁、水泥和重型设备等货物出口，也带动了围绕港口、铁路和发电站运营所需的运营管理、数字监测、技术培训、维护协议、软件升级和云服务支持。 　　文章同时注意到，随着电动汽车、机器人、无人机、太阳能电池板和风电设备等产品的出口附加值不断提升，知识密集型服务出口也随之增长。这些产品数字化程度普遍较高，出口后往往还需要软件升级、远程监测、云端连接和技术维护等支持。 △英国《金融时报》报道截图 　　在人工智能领域，文章提到，以DeepSeek为代表的中国开源大模型正不断扩大海外影响力。凭借更低的成本与更易获取的使用门槛，中国大语言模型在非洲、中东等新兴市场受到广泛关注。文章称，相关模型应用增加后，可能进一步带动预测性维护、数据分析和智慧基础设施管理等服务需求，从而对知识密集型服务出口形成支撑。 　　《金融时报》认为，中国外贸结构正在出现新的变化。与过去更多依靠商品出口相比，技术、数字系统和配套服务在对外贸易中的比重正逐步上升。文章认为，随着中国科技龙头企业持续被看好，更多中国企业加快融入全球知识密集型贸易，有望进一步拓展增长空间。 　　来源 | 总台环球资讯 　　编译 | 李修莉 　　签审 | 贾延宁 　　监制 | 刘轶瑶

　　近日，习近平总书记就服务业发展作出重要指示，充分肯定我国服务业在支撑产业升级、满足民生需要、带动就业扩容等方面发挥的重要作用，要求努力开创服务业高质量发展新局面。总书记的重要指示，着眼经济发展大势，高屋建瓴、内涵丰富，具有很强的思想性、指导性、针对性，为推动服务业高质量发展提供了根本遵循。 　　党的十八大以来，习近平总书记就服务业发展提出的一系列新思想、新观点、新论断，是习近平经济思想的重要组成部分，进一步丰富和发展了我们党对产业发展规律的认识，推动我国服务业呈现规模稳步扩大、质效持续提升、新动能蓬勃发展的良好格局。数据显示，2025年，我国服务业增加值占GDP比重达57.7%；服务业对国民经济增长的贡献率高达61.4%，连续11年占据国民经济的半壁江山。 　　顺应经济发展规律，我国产业结构从以制造业为主向以服务业为主转变是必然趋势。目前，我国产业转型步伐加快、城镇化率稳步提升、中等收入群体规模稳步扩大、人口老龄化进程加快等结构性变化趋势明显，服务业迎来扩能提质的广阔空间。“赛事热”“文旅热”“电影+”，特别是大模型、智能体等新兴技术催生大量服务需求……与此同时，面对人民群众日益增长的美好生活新需求，我国服务业短板依然突出：生产性服务业专业化水平不够高，部分高端软件仍受制于人；生活性服务业发展有效供给不足，还不能更好满足人民群众的多样化需求；同时，国际知名品牌偏少、龙头与创新型企业培育不足等问题，仍是制约行业跃升的瓶颈。 　　新时代新征程，我国服务业要努力开创高质量发展新局面，必须在“扩能提质”上下硬功。要持续“扩能”，针对各领域服务供需缺口，扩大服务供给，不断培育服务业新增长点和服务贸易新空间，提升发展能级；要努力“提质”，突出需求牵引、改革攻坚、科技赋能、开放合作，加强服务业标准化建设，提升服务业数智化、标准化、融合化、国际化发展水平，最终实现生产性服务业向专业化和价值链高端延伸，生活性服务业向高品质多样化便利化发展。 　　服务业高质量发展，还要在“内外联动”上求突破。向内，要顺应我国人口结构变化、消费结构升级和产业结构变革，统筹施策，着力围绕“一老一小”等供需矛盾突出领域，有效扩大普惠服务供给，聚焦居民消费升级方向增加改善型服务供给，深入推进服务业数智化与绿色化转型等。向外，要深刻把握服务业正成为全球产业竞争新领域、经贸规则重构新焦点的态势，以服务业为重点进一步扩大高水平对外开放，进一步提升产业链供应链韧性和安全水平，在日趋激烈的国际竞争中赢得战略主动，擦亮“中国服务”金字招牌。 　　目标已定，重在落实。各级党委和政府要深入学习实践习近平经济思想，自觉从战略和全局的高度深化对服务业的认识，深入把握产业演进趋势，进一步增强政策支持的针对性有效性，为服务业发展营造良好环境，努力开创服务业高质量发展新局面，让服务业高质量发展成果更多更公平惠及全体人民。 　　央视评论员

　　近日，社交平台流传一段有关美国“阿耳忒弥斯二号”载人绕月飞行任务的视频。画面中，电视采访字幕似乎“穿过”了一个漂浮中的任务玩偶。部分账号据此宣称，这是“绿幕穿帮”，进而质疑此次任务是“棚内摆拍”。 　　但法新社核查发现，这一说法并不成立。所谓“字幕穿过玩偶”的异常，并不是美国国家航空航天局（NASA）直播画面本身出了问题，而是美国媒体转播过程中字幕叠加失误造成的技术故障。  　　这段引发争议的视频，最早于4月6日前后在社交平台传播。视频由手机拍摄电视画面，内容是“阿耳忒弥斯二号”乘组成员在失重环境中接受采访。画面放大后，屏幕上的字幕看起来像是叠加到了漂浮玩偶的一部分区域上，于是被一些账号包装成“绿幕造假证据”。这一说法迅速扩散，不少网民借此重提“NASA任务造假”等。 　　不过，反向检索可发现，这段画面的原始来源是美国有线电视新闻网（CNN）4月5日在视频平台YouTube上传的一段视频，内容取自NASA官方直播信号，标题为“阿耳忒弥斯二号乘组飞向月球途中发声”。对比原始数字视频可见，网传片段对应的大约同一时间点并没有出现所谓“字幕穿过玩偶”的情况。 △网传视频与原始视频画面对比 　　法新社注意到，经认证的太空资讯频道VideoFromSpace上传的同一段画面中，也没有出现类似异常。 　　视频中漂浮的玩偶，其实是“阿耳忒弥斯二号”任务的官方吉祥物“Rise”。它同时也是任务中的“失重指示器”，用于直观显示飞船已进入失重状态。 △法新社报道截图 　　针对这段引发误读的视频，美国加州大学伯克利分校教授、数字取证专家哈尼·法里德对法新社表示，画面所显示的异常，更可能是转播方在字幕叠加时出现了技术错误，而非拍摄场景本身存在问题。 　　他分析称，由于文字只出现在旋转玩偶的蓝色部分上，很可能是转播端原本用于承载字幕的图层处理失败，导致视觉上看起来像是文字“穿透”了物体。 　　也就是说，问题出在转播字幕系统，而不是NASA直播现场。 　　因此，从现有公开证据看，网传“阿耳忒弥斯二号绿幕穿帮、任务摆拍”的说法没有事实依据。这是一则将转播技术故障误包装为“造假证据”的误导性信息。 　　来源 | 总台环球资讯 　　策划、编辑 | 李修莉 　　签审 | 贾延宁 　　监制 | 刘轶瑶

就在刚刚，DeepSeek 网页端迎来大更新。 没有发布会，没有 blog，甚至连一条官方推文都没有。DeepSeek 网页端的输入框上方多了两个图标——一个闪电，一个钻石，分别对应「快速模式」和「专家模式」。 悬停一下，提示语出来了：快速模式「适合日常对话，即时响应」，专家模式「擅长复杂问题，高峰需等待」。 目前从实测和网友拆解来看，两个模式的差异大概是这样的： 快速模式，可以识别图片和文件中的文字，速度快，响应即时。代价是，背后跑的大概率是一个更轻量的 V4 Lite 模型，但针对速度做了优化。 专家模式，疑似路由到了更大、更强的模型——很可能就是 DeepSeek V4 正式版的某个形态。但目前它不支持文件上传，也没有多模态能力。等等，更强的模型，反而功能更少？ 我们也做了一轮简单测试。 比如让两个模式各自写一个 p5.js 程序，模拟球在旋转六边形内弹跳，要求受重力和摩擦力影响。结果显示专家模式给出的结果更符合物理直觉，落点更准，弹跳轨迹更真实。 对比之下，快速模式给出的的结果肉眼可见差了一个档次。 这种差距，其实挺能说明问题的。物理仿真对数学推理能力要求高，弱一点的模型容易出现「看起来像物理但实际上不对」的结果。专家模式在这里的表现，是实打实的能力差异。 但网友 @AiBattle_ 让其制作的太空侵略者游戏结果却让人有点意外：专家模式的输出和快速模式差距并不明显。 做测试的网友给出了一个判断：「我估计专家模式现在路由的仍然是某个版本的 V4 Lite。要看到完整版 V4 在网页端上线，可能还得再等一阵。」这个判断和外部报道的时间线基本吻合——晚点 LatePost 报道，V4 正式版预计今年 4 月亮相，届时大概率仍是开源最强，但报道也点明「很难是碾压级的强」。 换句话说，这次灰度上线的「专家模式」，未必就是最终形态。 创意写作方面，我给两种模式出了一道辩论写作题，题目是「替无聊辩护，论证无聊是现代人的奢侈品」。 专家模式的输出更长，逻辑链更完整；快速模式的文风则相对自然朴实。 快速模式（前）和专家模式（后） 有意思的是，在这个任务上，两个模式的速度差距并不明显，甚至专家模式的思考时间更短。这有点反直觉，但可能和任务性质有关——创意写作对模型规模的敏感度，远低于数学推理类任务。 对于简单任务，两个模式差异有限；越是需要深度推理的场景，专家模式的优势越明显。 在数学逻辑题「绳子绕地球一圈，加长 1 米均匀撑开，缝隙多高？」中，尽管两个模式给出了相同的答案，但过程截然不同。快速模式的回答很简略；专家模式则一步一步拆解，每个推导环节都交代清楚，更接近「把思考过程写出来」这个指令要求。 值得一提的是，目前网页端实际上线的只有快速和专家两个模式，但此前的爆料显示，还有第三个选项正在路上——「Vision 模式」。 图片来自互联网 关注 DeepSeek 技术路线的博主 Teortaxes 认为：把 Vision 单独列为一个类，是很不寻常的设计。他提到，DeepSeek 此前拒绝在网页端部署 DS-VL 系列，原因是「尚未成熟」。如果 Vision 模式真的上线，背后支撑它的，很可能已经是一个「完全功能化」的 VLM。 而 Teortaxes 在他的长评里，给出了一个更大胆的猜测——这个视觉模型，有可能不是常规的 VLM，而是某种「深度统一世界模型」，是 Janus 系列的下一步演化，或者其他更非传统的架构。 当然，这仅仅只是他的猜测，也有网友 @xhyctf 表示，DeepSeek 被逆向的前端代码显示，Vision 模式，根本就没有独立的模型。所谓「视觉理解」，只是在快速模式下悄悄加了一个参数——filefeature.vision = true。 尽管如此，有一点是确定的：DeepSeek 在多模态方向一直都有所布局，或许只是差一个良好的时间窗口。而把快速、专家等入口摆在用户面前，背后其实是一个更值得关注的方向： DeepSeek 开始做产品分层了。 自去年初爆火以来，DeepSeek 的产品逻辑一直是高度「反商业」的——API 定价较低，网页端完全免费，功能也没什么门槛区分。但问题也随之而来：长期维持这种「全免费、无分层」的运营方式，商业上是不可持续的。 现在，DeepSeek 开始把「更强的模型」和「更基础的模型」做成两个入口。专家模式目前还是免费的，但这个架构一旦搭好，后续要在上面做付费体系，技术上已经不是问题了。 当然，分层的目的，未必只是为了收费。 把用户自然地分流到两个入口，让真正需要深度推理的请求走专家模式，日常对话走快速模式——这本身就是一种算力调度策略，限额限流，缓解峰值压力。 收费是一条路，限额是另一条路，两条路都能走，也可以同时走。而这整件事拼起来看，也是一个很完整的铺垫路径： 先灰度上线分层入口 → 让用户感知差异 → 打通多模态和文件能力 → 视觉模式开闸 → 限额/给更强大的模式定价。当然，这仅仅是我个人的推测，毕竟 DeepSeek 从来不按常理出牌。 诚然，大家给 DeepSeek 贴了太多标签——技术理想主义、反商业、普惠 AI。然而， GPU 的推理成本每个月都是实打实的。幻方的量化收益再丰厚，也很难靠卖 API 填完一个全球级 AI 服务无限期免费运营的窟窿。 DeepSeek 搅动了整个 AI 圈，但现实也终将搅动 DeepSeek。

据多名博主报道称，华为调整了离职补偿政策，其中主动离职N+1补偿取消。 主要的变化点分别是： 除主动离职、严重违规违纪无离职补偿外，其他场景均给予“N+1"离职补偿； 离职补偿计算基数及封顶规则等，按法定标准执行； 工作每满8年续签员工，仍需要更换工号，简化管理； 员工离职时公司一次性支付离职补偿； 考勤截止日为2026年4月1日及以后的，按新离职补偿标准执行。 前不久华为发布了2025年年度报告，报告显示，华为经营结果符合预期，实现全球销售收入8809亿元人民币，净利润680亿元人民币。2025年研发投入达到1923亿元人民币，约占全年收入的21.8%，近十年累计投入的研发费用超过13820亿元人民币。 轮值董事长孟晚舟表示：“2025年，华为整体经营稳健。感谢客户的信任，感谢消费者的选择，感谢全球供应商、合作伙伴、开发者的协同，感谢每一位员工的付出以及每一位家属的支持。” 华为的离职补偿政策，此前一直备受好评。 曾有博主称，从华为离职可能会有两笔额外收入，主动离职时的N+1，这是一笔不小的收入，一下子收到月工资的n+1倍，在离职后短暂的有了一定的生活保障。 另一笔则是根据条件保留了ESOP股票的(一般满足工作8年且年龄大于40岁)，员工在以后的每年都会跟在职的员工一样收到华为的分红，这笔收入可不小，每年几十万。这是一个长期的收入，只要你活着就会一直分下去。 至于每满8年续签一事，在华为内部也是常规操作。 据悉内部正式员工在工作满8年后，需“离职”再重新“入职”，换一次工号，员工也因此可以获得N+1现金补偿。 在2007年华为要求包括任正非在内的所有工龄满8年的员工主动“辞职”，公司支付“N+1”补偿后再重新上岗，例如，满八年就可以获得9个月的薪水补偿，月薪3万即可获得27万补偿。 此举可以将员工工龄“归零”，避免员工在2年后满足“连续工作10年”的即可签署无期限合同条件，一定程度打破了员工可能产生惰怠的可能性。

　　国际在线报道：综合外媒消息，在美国总统特朗普设定的“对伊全面打击”最后通牒到期前不到两小时，美国与伊朗达成了一项为期两周的临时停火协议。伊朗方面同意暂时重开霍尔木兹海峡，并向美国提出“十点计划”。据美联社、英国《卫报》等多家外媒援引消息人士的话指出，此次临时停火系在巴基斯坦等多方积极斡旋下达成，为一触即发的中东全面战争按下了有效期未知的“暂停键”。 　　危机按下“暂停键” 　　美国东部时间4月7日晚，在特朗普扬言要“彻底摧毁伊朗”的最后期限临近之际，局势迎来转机。白宫方面证实，美国与以色列均已同意接受一份为期两周的停火协议。特朗普宣布暂停在伊朗全境升级军事打击的计划，并透露他收到了来自伊朗的一项“十点计划”，认为该提议构成了“开展谈判的切实基础”。 　　据伊朗媒体披露，伊朗通过巴基斯坦向白宫提交了“十点计划”，并强调只有在满足这些条件的前提下才会接受战争结束。该计划包含了多项美国此前曾明确拒绝的要求，计划核心要点包括：解除对伊朗所有一级和二级制裁；伊朗保持对霍尔木兹海峡控制主导权；美国从中东地区全面撤军；释放所有被冻结在海外的伊朗资产和财产；通过联合国安理会决议确保相关协定国际约束力等。 　　此外，在战略水道管控方面，伊朗计划向通过霍尔木兹海峡的船只收取每艘200万美元的通行费，用于战后重建。美方分析人士认为，这些条件大概率不会被全盘接受，但将成为美伊后续谈判的起点。 　　双语版本存差异？伊朗“十点计划”涉核条款现疑云 　　据美联社报道，伊朗官方公布的“十点计划”在不同语言版本中出现了引人注目的差异，为后续谈判埋下隐患。报道指出，在波斯语版本的计划中，明确包含了要求“接受伊朗铀浓缩活动”这一关键条款；然而，伊朗外交官向国际记者提供的英文版本中，该表述却未曾出现。目前尚不清楚英文版遗漏该条款的具体原因。 美联社报道截图 　　值得注意的是，特朗普此前曾多次强调，彻底终结伊朗核计划是此次美国发起军事行动的核心目标。在伊朗发布“十点计划”后，特朗普曾公开指责该提议是“欺诈性的”，但未作进一步详细说明，外媒普遍猜测其矛头直指这一文本差异。截至周二晚间，伊朗常驻联合国代表团拒绝就两版计划之间的出入发表任何评论。 　　经典“TACO”：美内政与大选压力或成特朗普态度转圜催化剂 　　英国《卫报》指出，本次停火协议的达成离不开国际社会的密集斡旋。巴基斯坦在其中发挥了关键作用，巴基斯坦总理夏巴兹已邀请伊美代表团于10日在伊斯兰堡举行进一步谈判。 　　报道称，除了国际斡旋，美国国内政治局势也是促成本次停火的重要因素。随着美国中期选举日程进入白热化阶段，特朗普的支持率已跌至历史最低点，共和党在国会的微弱多数席位岌岌可危。最新民调显示，绝大多数美国民众强烈反对卷入中东战争，并对冲突导致的国内油价飙升感到极度不满。选情压力迫使特朗普政府在最后关头选择“降温”。 　　此外，美联社分析指出，此次“悬崖勒马”也符合特朗普一贯的执政风格——即在面对强硬反馈时选择退缩。批评人士戏称这种现象为“特朗普总是临阵退缩”（Trump Always Chickens Out，简称“TACO”）。回顾过往，他曾多次上演类似戏码：挥舞关税大棒威胁全球贸易伙伴，遭遇反弹后又改变立场作出退让。此次在对伊动武问题上的“高高举起，轻轻放下”，无疑是这一行为模式的再度重演。（浦海蕊）