财联社4月3日讯（编辑 赵昊）当地时间周二（4月2日），旧金山联储主席玛丽·戴利（Mary Daly）表示，官员们上月重申的“年内降息三次”是一个合理的预期，只是目前还不急于降低借贷成本。 戴利在内华达州的一场活动中说道：“我认为这是一个非常合理的基线。”但鉴于美国经济增长势头依然强劲，因此目前确实还没有调整央行利率的紧迫性，“按兵不动是当前正确的政策。” 两周前，联邦公开市场委员会（FOMC）在决议中公布了“点阵图”：官员整体认为年末的央行利率将较目前水平低75个基点，若每次降息25个基点，则需要降息三次，这与去年12月份的观点基本一致。 上周五，戴利掌管的旧金山联储举办了宏观经济与货币政策会议，美联储主席鲍威尔莅临大会并进行接近40分钟的访谈。鲍威尔提到，央行现在的政策处在一个相对比较好的位置，可以对一系列数据变化的风向作出反应。 鲍威尔重申，直到官员们对通胀正朝着他们2%的目标前进有信心之前，降低利率是不合适的。美联储不会对这两个月的数据反应过度，需要更多向好的通胀数据，而且将谨慎行事，准确把握非常重要。 戴利也在今天的讲话中称，通货膨胀确实正在下降，但下降的进度颠簸且缓慢。她表示，降息的时机和规模将取决于通胀放缓的速度以及经济是否疲软，“年内降息三次只是一个预测，而不是承诺，将这作为预设的路径还为时过早。” 戴利今年在FOMC中拥有投票权，日内另一位票委——克利夫兰联储主席梅斯特也表示，她认为美联储年内降息三次是适当的，但强调减少次数也是有很大可能的，“实际上这取决于经济会发生什么以及它如何演变。” 需要指出的是，“点阵图”的“年内降息三次”是19位美联储官员预测的中位数，其中有五位决策者认为的是两次，两位认为的是一次，甚至还有两人认为当前的利率将持续到年底，因此预期降息次数的平均数位于两次和三次之间。 上周，亚特兰大联储主席博斯蒂克称他预计今年将只会降息一次，“只要经济强劲，只有GDP高，只要企业在招聘，人们有工作，我就不会急于把通胀率降至2%。如果通胀继续沿着目前的趋势发展，我会感到满意。”

近日，中信证券和中金公司作为新疆天山水泥股份有限公司（以下简称：天山股份）的独立财务顾问，就重大资产重组业绩承诺未实现向投资者发表了致歉公告。 公告中披露了重大资产重组的交易概述及业绩情况，具体来看： 2020年8月份，天山股份就披露了此次收购计划，意图通过此次并购整合水泥行业资源，以提升其市场竞争力和行业地位。 2021年3月2日，天山股份公告显示，拟采用发行股份及支付现金的方式，购买中国建材股份有限公司（以下简称中国建材）旗下的水泥资产，具体来看，包括中联水泥100%股权、南方水泥99.93%股权、西南水泥95.72%股权及中材水泥100%股权。 2021年9月10日，此次重大收购事宜正式获得证监会核准批复。同时，天山股份将向不超过35名投资者以非公开发行股份募集配套资金，募资总额不超过50亿元，发行股份数量不超过彼时公司总股本的30%。与此同时，中信证券、中金公司发布对该并购关联交易资产过户情况的独立财务顾问审查意见。 根据评估结果，在此次并购中天山股份需支付的总对价高达981.42亿元，接近千亿。彼时，该交易被视为A股史上第三大并购案，仅次于2019年招商蛇口推出的1458亿元重组、2009年长江电力推出的1043亿元重组。还有研报分析称，在该重磅并购完成后，天山水泥将成为国内水泥龙头上市公司，“水泥一哥”海螺水泥的地位或将易主。 然而，天山股份与中国建材签署的减值补偿协议和业绩承诺补偿协议的业绩表现并未达到预期。 2021年3月2日，天山股份与中国建材股份有限公司签署了《新疆天山水泥股份有限公司与中国建材股份有限公司之减值补偿协议》（以下简称“减值补偿协议”）同年8月，中国建材股份有限公司与天山股份签订了业绩承诺补偿协议。根据该协议，承诺2021年度至2023年度的累计净利润数为355.18亿元。 而根据2024年3月27日公告中出具的审核报告，业绩承诺资产在2021-2023年度的实际累计净利润数为137.27亿元，未实现的净利润金额为217.91亿元，完成率仅为38.65%。 中信证券、中金公司指出，业绩承诺资产未能实现业绩承诺的原因主要是由于2021年至2023年期间受到复杂宏观因素的冲击，包括基建项目资金不足、房地产开发投资减弱、煤炭和大宗原材料价格上涨等因素，导致水泥行业需求下滑和价格持续下行，行业利润大幅萎缩。 在公告的末尾，中信证券和中金公司均表示，独立财务顾问及主办人对本次交易业绩承诺资产未实现业绩承诺深感遗憾并向广大投资者诚恳致歉。 “这种致歉就是客套一下，安抚下散户。”一位从事并购业务的投行人士分析，上市公司购买资产构成重大资产重组时要聘请独立顾问发表意见，来判断该并购是否符合法律法规要求。而在没有明确证据表明独立顾问明知公司有问题却故意隐瞒的情况下，独立顾问基本上是无责的，从公告性质中也可以判断这一点。 值得一提的是，这场并购是典型的“蛇吞象”，在近千亿资产的收购支付上，天山股份仅拿出40亿元现金，也就是收购资金中的5%以现金支付，其余95%都将以发行股份的方式进行。协商后，天山股份此次发行股份的价格为13.38元/股，发行股票数量合计为70.38亿股。 约定业绩完成率不足四成，是否意味着该并购案“办砸”了？ 上述投行人士表示，这个并购案仍在进程中。 有审计公司员工表示，一般而言，买卖双方对于对赌业绩的设置都心里有数，会设置一个基本能达标的业绩预期，走到对赌赔偿是比较“折腾”的情况。 他表示：“对赌是交易完成后对交易价格的一个追溯，此前并购的资产已经完成，‘办砸’与否取决于你如何定义，公告中中天山股份预计进行200亿元作用资产减值，可以简单理解成你原本准备买一个900亿元的东西，到手后发现只有700亿元，那就要确认减值准备。从交易情况上看，亏损部分可能是中小股东和公司一起承担。” 公告显示，中国建材应在收到天山股份关于补偿金额的通知后，于30个工作日内将应补偿的现金价款一次性支付给天山股份或其指定的标的公司。 中信证券和中金公司则承诺，作为独立财务顾问，将督导天山股份和相关方履行业绩补偿相关承诺，以保护中小投资者利益。 来源：界面新闻

4月1日，奥特佳（002239.SZ）一字涨停，当日收盘价报3.3元/股，最新市值107亿元。 界面新闻注意到，随着3月28日小米汽车正式发布，奥特佳作为相关产业链公司也受到市场关注。在互动平台，不少投资者就公司与小米汽车合作事宜发问奥特佳。目前，奥特佳并未就相关事宜给予正面回应。该公司证券部相关人士对界面新闻表示，关于具体给某个客户合作订单事宜，公司不方便回答。 图片来源：互动易 奥特佳曾在2023年11月18日在互动平台上回复投资者称，子公司空调国际已接受小米汽车客户定点，未来会在客户正式启动生产后根据订单提供汽车热管理产品。而奥特佳控股子公司埃泰斯也曾获得小米旗下基金入股；2022年8月，奥特佳在互动平台表示，海南极目创业投资有限公司系小米私募股权基金管理有限公司的全资子公司，于今年初入股本公司控股子公司埃泰斯，是基于其对埃泰斯业务前景的看好。 鉴于此，奥特佳被市场认为是“米链”成员。界面新闻了解到，奥特佳主营业务涵盖汽车空调压缩机、汽车空调系统以及电池及储能系统热管理产品及其关键部件等。旗下埃泰斯专注于研发、生产大功率电池液冷热管理系统，主要应用于储能设备热管理和汽车电池热管理等业务；奥特佳于2023年11月中旬接受投资者调研表示，2023年以来埃泰斯的客户结构优化，客户群体有所扩大，公司前期积攒的客户和广泛布局也能够保证公司储能电池热管理产品较高的出货量。 除了小米汽车概念加持，奥特佳还获得湖北国资青睐。3月31日，奥特佳公布，公司控制权拟发生变更。 公告显示，长江一号产业投资合伙企业（简称“长江一号产投”）与江苏天佑金淦投资有限公司（简称“江苏天佑”）、北京天佑投资有限公司（简称“北京天佑”）、西藏天佑投资有限公司（简称“西藏天佑”）、张永明签署《股份转让协议》，与江苏天佑、北京天佑、西藏天佑签署《表决权委托协议》，约定江苏天佑、北京天佑合计所持公司583,786，466股股份（占公司股份总数的18%）及其对应的全部权益依法以协议转让方式转让给长江一号产投。 此次交易的转让价款合计为21亿元，折合转让价格约为3.5972元/股。而3月31日公告披露前奥特佳的股价报3元/股。相对于公告前股价，奥特佳此次交易转让股价的溢价率约为19.91%。 同时，江苏天佑、北京天佑、西藏天佑将本次股权交割日后届时持有的公司股份合计157,511，065股份（占公司总数的4.86%）在持有期间对应的表决权无偿、独家委托给长江一号产投行使，且委托期限自交割日起5年。 据介绍，江苏天佑、北京天佑和西藏天佑为一致行动人，北京天佑持有江苏天佑和西藏天佑100%股权，实际控制人均为张永明。本次权益变动前，江苏天佑、北京天佑和西藏天佑合计持有公司741,297,531股股份，占奥特佳总股本的22.86%，奥特佳控股股东为江苏天佑、北京天佑和西藏天佑，奥特佳的实际控制人为张永明。 本次权益变动后，长江一号产投持有奥特佳583,786,466股股份，占上市公司总股本的18%，享有表决权的股份数量为741,297,531股，表决权比例为22.86%；长江一号产投成为公司的控股股东，湖北省国资委将成为奥特佳的实际控制人。 奥特佳表示，本次权益变动不以终止公司的上市地位为目的，旨在充分利用长江一号产投在投资管理、产业规划等方面的优势，为上市公司业务发展赋能，提高公司的经营及管理效率，促进公司稳定发展，增强公司的盈利能力和抗风险能力，提升对社会公众股东的投资回报。“本次控股股东及实际控制人的变更不会导致本公司主营业务发生重大变化。” 股权结构显示，长江一号产投的执行事务合伙人是湖北省长江新动能私募基金管理有限公司（委派代表：姚小林），实际控制人为湖北省国资委。 图片来源：奥特佳3月31日公告 湖北省国资委长江产业投资集团间接控制长江一号产投。官网显示，长江产业投资集团成立于2022年1月25日，注册资本336亿元，资产总额2344亿元。该集团重点打造新一代信息技术、生物医药、新能源、现代化工、生态环保、汽车及零部件六大产业板块，依托100亿元的长江创业投资基金和400亿元的长江产业投资基金，支持高新技术企业孵化培育、龙头企业发展壮大和重大产业项目落地。属于汽车零部件行业的奥特佳，符合长江产业投资集团所谓6大产业板块布局。 按照计划，该集团到2025年将控股6家以上上市公司，资产总额达5000亿元，基金管理规模达5000亿元，营业收入达500亿元，利润达50亿元，进入中国企业500强。今年年初，长江产业投资集团发布新年贺词透露，2024年是集团内部首轮改革“结账年”，是“5个5、1个6”战略目标实现重要“窗口年”。 界面新闻了解到，截至目前，长江产业投资集团已布局广济药业（000952.SZ）、万润股份（002643.SZ）、双环科技（000707.SZ）、长江证券（000783.SZ）、戈碧迦（835438.BJ）等上市公司。 其中，3月29日，除了入主奥特佳外，长江产业投资集团还计划进一步增资为长江证券（000783.SZ）的第一大股东。公告显示，长江产业集团拟以8.2元/股的协议价格分别受让湖北能源、三峡资本持有的长江证券529,609,894股和332,925,399股股份，占长江证券股份总数的比例分别为9.58%和6.02%；本次股份转让的交易价款为70.73亿元。同日，长江产业集团与武汉城建等分别签署《一致行动协议》。本次权益变动完成后，长江产业集团将成为长江证券的第一大股东；长江产业集团及其一致行动人合计支配长江证券1,560,622,096股股份表决权，占长江证券股份总数的28.22%。 值得一提的是，张永明早有变现“离场”意图，曾于两年前就试图将奥特佳“卖身”央企。界面新闻了解到，2022年2月14日，奥特佳公告，实际控制人张永明正筹划公司控制权变更事宜及公司向特定对象发行股份事宜，交易方是国务院国资委旗下的中国长安汽车集团有限公司。但三天后（2022年2月17日），“因未能就本次控制权转让事项的具体条件与交易对方达成一致”，该交易失败告终。目前，张永明还是创业板上市公司冠昊生物（300238.SZ）的实控人之一，并担任其董事长。 1月底，奥特佳披露业绩预告显示，公司预计2023年实现归母净利润约为8003万元至1.2亿元，同比变动幅度为下滑10.11%至增长34.81%。奥特佳表示，公司新能源汽车热管理产品订单明显增长，主要产品的销量、销售收入大幅度增长，部分产品的毛利率水平同比有所回升。 来源：界面新闻

财联社4月3日讯（编辑 牛占林）美东时间周二，美股三大指数集体收跌，因投资者权衡美联储可能推迟降息的可能性，美债收益率继续上升也对美股不利。 稳健的美国经济报告引发了对美联储能否兑现三次降息的疑虑。周二公布的数据显示，美国职位空缺数量与前值相比变化不大，或表明在高利率环境下劳动力需求仍稳定在一个较高的水平。 LPL Financial首席全球策略师Quincy Krosby表示，尽管美联储确实预计今年某个时候会降息，但更长时间内利率更高的说法正在重新发挥作用，所以这让市场感到担忧。 Krosby补充道，健康的市场确实也需要回调了，目前的走势未必就是坏事，标普500指数今年迄今仍上涨了约9%。 美联储官员当天重申，并不急于降息，也打压了市场风险偏好。克利夫兰联储主席梅斯特表示，她仍预计美联储今年晚些时候可以降息，但不认为有足够理由在下次会议上(5月份)降息，仍然不排除6月份进行首次降息。 旧金山联储主席玛丽·戴利表示，官员们上月重申的“年内降息三次”是一个合理的预期，只是目前还不急于降低借贷成本。鉴于美国经济增长势头依然强劲，因此目前确实还没有调整利率的紧迫性。 贝莱德的分析师Gargi Chaudhuri表示：“我们的基本预期是，美联储将在今年下半年实现软着陆，并开始降息，经济增长的下行风险已经降低。” 市场动态 截至收盘，道指跌396.61点，跌幅为1.00%，报39170.24点；纳指跌156.38点，跌幅为0.95%，报16240.45点；标普500指数跌37.96点，跌幅为0.72%，报5205.81点。 美股行业ETF多数下跌，能源业ETF上涨1.40%，而全球航空业ETF跌2.40%，生物科技指数ETF跌2.13%，区域银行ETF跌1.85%，银行业ETF跌1.58%，医疗业ETF跌1.56%，可选消费ETF跌1.47%，半导体ETF跌1.29%，科技行业ETF跌0.96%。 标普500指数的11个板块普遍收跌，保健板块收跌1.62%，可选消费板块跌1.28%，房地产板块跌1.12%，信息技术/科技板块跌0.97%，电信服务板块则涨0.09%，公用事业板块涨0.17%，能源板块涨1.37%。 热门股表现 热门科技股普遍下跌，特斯拉跌近5%，英伟达跌超1%，微软跌0.74%，苹果跌0.7%，谷歌A跌0.6%，亚马逊跌0.15%，Meta逆市涨超1%。 贵金属概念股涨幅居前，黄金矿业涨超11%，MAG Silver涨超5%，巴里克黄金涨1.9%。 医疗保健股下跌，联合健康收跌6.44%，创2020年6月份以来最大单日跌幅，CVS大跌7.2%，原因是美国政府并未提高2025年联邦医保Medicare费率。 Calvin Klein母公司PVH Corp股价下跌22.2%，此前该零售商预计第一季度收入将下降约11%。 热门中概股涨跌不一，纳斯达克中国金龙指数涨0.32%。哔哩哔哩涨超3%，爱奇艺、腾讯音乐、理想汽车涨超1%，微博、唯品会、京东、百度小幅上涨。小鹏汽车、富途控股、蔚来跌超2%，网易跌超1%，拼多多、阿里巴巴小幅下跌。 公司消息 【英特尔2023年总产品收入477亿美元 上年为570亿美元】 英特尔2023年总产品收入477亿美元，上年为570亿美元；2023年数据中心和人工智能收入为126.4亿美元，上年为168.6亿美元；预计英特尔代工（Intel Foundry）将在现在至2030年之间达到盈亏平衡；英特尔代工的营运亏损预计将在2024年达到峰值；英特尔代工调整后毛利润率目标为40%，调整后运营利润率目标为30%；任命Lorenzo Flores为英特尔代工的首席财务官。 【特斯拉Q1交付量跌破40万 近四年首次录得同比下降】 周二美国电动汽车制造商特斯拉公司公布了2024年第一季度的汽车生产量和交付量报告，具体数据显示，特斯拉在今年前三个月共交付了386,810辆汽车，远低于分析师先前平均预期的449,080辆，为有史以来最大的逊于预期幅度。这也是公司2022年第三季度以来首次跌破40万辆的关口，与去年第一季度422,875辆的交付量相比减少了超8.5%，录得2020年第二季度以来首次同比下跌。 【雅培心脏瓣膜修复系统获FDA批准 为患者提供新的治疗选择】 美东时间周二，美国医疗健康公司雅培宣布，其心瓣膜修复系统已获得美国食品和药品监督管理局(FDA)批准，该修复设备适用于患有潜在致命心脏病的患者。雅培的微创经导管TriClip修复系统旨在治疗三尖瓣反流(TR)，这是一种心脏右心室与右心房之间的瓣膜无法正常关闭，导致血液逆流的疾病。雅培将TriClip纳入其所谓的“Fab 5”创新医疗设备组合中，这些设备预计将在未来几年推动公司的销售增长，代表了雅培在各自领域的技术创新和市场领导地位。

凤凰网科技讯（作者/张雪雍）4月1日，小米集团董事长特别助理、中国区市场部副总经理徐洁云针对网传的小米汽车两万锁单量一事进行了回应，他在微博中发文称：“看到有媒体援引所谓‘知情人士’消息说小米SU7的锁单量。我只能说，这个那个数字，是错的。” 小米高管：小米SU7两万锁单量为谣言 此前，有媒体报道称，截止至3月31日下午，根据小米汽车内部的最新数据透露，小米SU7车型的“锁单量”已突破2万台，这一成绩超越了市面上99%的新能源汽车制造商。同时，多家市场研究机构发布的研究报告预测，小米汽车2024年度的总交付量预计将在6万辆至8万辆之间。 小米SU7汽车 值得一提的是，小米汽车APP的信息显示，目前下定小米SU7 Max车型需要等待半年左右才能提车。

凤凰网科技讯（作者/杨睿琪） 4月1日，贾跃亭发文评价小米汽车，他表示小米汽车的首次发布非常成功，体现了中国新能源汽车产业链在近几年的日臻成熟和中国制造体价比的巨大优势。小米造车的执行力和营销能力诚然值得点赞，但是，山寨文化、走捷径模式和follower思维却被很多人奉为圭臬，令人担忧。 他表示，价值观决定了天花板，对标、抄袭和浅层次的创新无法带来根本性的技术变革和基础科技超越。 他认为，只有变革文化成为主流，而不是山寨文化依然盛行；只有原创精神刻进创业家的骨子里，而不是将follower思维视为创业“圣经”；只有涌现出一个又一个伟大企业家，而不是仅仅培育出一批批成功的商人；只有科技产业的头部企业成为开创者，而不是走捷径的跟随者；只有建立全球价值观征服全球市场，而不仅仅是着眼局部市场利益；才能真正推动中国科技进步，引领全球产业变革。

凤凰网科技讯 4月1日，特斯拉中国官网显示，Model Y 后轮驱动版售价上调至263,900元，Model Y长续航版售价上调至304,900元，Model Y高性能版售价上调至368,900元，涨价幅度均为5000元。 据特斯拉官方微博宣布，即日起，原价1.2万元的星空灰车漆，Model 3/Y免费选配。

快科技4月1日消息，安兔兔今天发布了2024年3月份的安卓手机性能榜，分为旗舰、次旗舰，最大看点当属第三代骁龙8反超天玑9300，夺回了第一的位置。 此前两个月，搭载天玑9300的OPPO Find X7一直名列榜首，平均跑分超过213.8万，但这一次，搭载三代骁龙8的ROG 8 Pro游戏手机以214.1万分的好成绩，占据了第一位。 作为一款主打游戏体验的手机，ROG 8 Pro这样的性能表现，结合相对低调的外观设计，无疑是预算充足、有高强度手机游戏需求的玩家的首选。 iQOO 12这款外观、性能、影像都很平衡的“水桶旗舰”依旧稳定，平均跑分超过了211万。 前十名的其他位置不变，小米依旧没有入围。 次旗舰榜单上，高通新发布的第三代骁龙7+，号称是“小8 Gen2”，结果首战告捷，一加Ace 3V拿下了榜首，平均跑分超过146.6万。 眼下，基于三代骁龙7+、三代骁龙8s的各家新机都已陆续公布，近期准备换机的可以观望观望。 其他就没有新机了，整体上还是天玑8000系列家族占优，共有六款机型上榜，其中Redmi K70E凭借首发定制的天玑8300-Ultra排名第二，跑分超过139.1万，遥遥领先其他竞品。

快科技4月1日消息，吉利副总裁杨学良今日发帖显示，他前往杭州萧山银泰小米汽车门店，去看了小米SU7。 杨学良称，萧山银泰这家店目前人不多，随时可以看车。 虽然在车型布局方面，两家品牌多有市场竞争，但对于小米汽车的入局，吉利系普遍表现出开放、欢迎的态度。 前段时间，吉利系的极氪、银河等新车型，定价非常之卷，且在宣发方面，与小米汽车的火药味很浓。 有媒体爆料称，是小米汽车从吉利挖走了不少核心人员，吉利对此很是介意，所以通过新车竞争来反击小米汽车。 对此，杨学良予以否定并表示，大家别这么制造对立，还是要团结一致向前看，过去的就过去了。 此外，对于网友把吉利新车型，与小米SU7列为直接竞争对手的做法。 杨学良也曾表示：“希望以后大家尽量不要把吉利的新车，跟小米SU7关联起来，更不要对立起来，要乐见别人成功。” “大家要抱团取暖，而不是自相残杀”。

众所周知，目前美国针对中国的芯片产业，主要针对的是先进工艺，也就是14nm及以下工艺，至于28nm及以上的工艺，美国没有采取措施。 在这样的情况之下，我们是在往两个方向努力，第一则是继续钻研先进工艺，往14nm以下突破，且效果明显，去年麒麟9000S的横空出世就是最好的例子。 第二则是努力扩产成熟芯片，毕竟中国市场太大了，需求大，订单多，需要大量的产能，我们先着力于解决国内的需求，和产业链一起成长，从成熟芯片进行替代，再图谋先进芯片。 数据显示，目前我们已经有了44座晶圆厂，还在建22座晶圆厂，预计3年内完工，一旦完成后，成熟芯片的产能可能会增长30-50%。 在这样的情况之下，美国有点紧张了，觉得按这样发展下去，未来美国的芯片都得依赖中国了，这让美国的脸往哪里搁？ 再加上，中国芯片成熟制造技术不断增长，那么也会对技术前沿不敏感成熟芯片上，把欧美的份额挤光吃尽，“肥了中国，瘦了欧美”。 于是美国的专家开始宣扬中国芯片威胁论，觉得中国芯片产业在大规模发展成熟芯片后，再基于中国廉价的劳动力，健全的工业体系，运营成本全球最低，最后中国成熟芯片，或会卷死全世界。 而近日，有消息称，欧盟与美国成立的欧盟-美国贸易与技术委员会，或在4月举行会议举行专项会议，研讨围堵中国成熟芯片的问题。 按媒体的说法，美国要想办法遏制中国芯片在成熟芯片上的大规模扩张，虽然不会一禁了知，但也可能会采取一些措施。 不过也有人表示，目前在成熟芯片上，美国其实已经无能为力，因为中国芯片设备在大部分成熟芯片上，已经有了替代，一旦美国制裁，国产会迅速替代，反而会促进中国芯片设备的成长，所以可能不是通过封禁的办法来制裁，会采取其它方式。

快科技4月1日消息，今日晚间，比亚迪召开新款腾势N7上市发布会。 比亚迪赵长江介绍，新款腾势N7全系升级为双腔空簧悬架，配合云辇A智能悬架，给车辆行驶性带来了极佳的平稳性，将智驾与舒适卷向新高度。 为验证腾势N7的车身平顺性，他们对腾势N7进行了“车顶芭蕾”挑战。 挑战视频显示，一位小姐姐在行驶中的腾势N7车顶上优雅起舞，车辆通过减速带路段、直角转弯时，车身姿态异常平稳，保障车顶舞者不受影响，成功通过“车顶芭蕾”挑战。 赵长江表示，腾势N7能够实现如此平稳的通过性表现，主要与配备的“魔毯悬架”有关。 新款腾势N7的云辇A智能悬架，搭载了“预瞄系统”，能够对车辆15米前的路况，提前识别并动态调整车身悬架状态，让车辆时刻保证在最佳姿态。 而“预瞄系统”也是魔毯悬架的核心配置，这一点不同于国内其它车企，只搭载了动态调整的空悬，就敢称是“魔毯悬架”。

前不久，曹云金给郭德纲直播刷火箭登上热搜。网友们除了各自站队之外，还有不少人表示，你们俩什么时候世纪大和解啊？ 说起和解，其实AI圈也有不少矛盾。有些是缠绵多年的新仇旧恨，有些是要对簿公堂的深仇大恨。如果这些矛盾都能世纪大和解，那么AI行业会发生什么？ 大愚人节的，我们给大伙整个活：盘点一下AI圈有哪些最知名，最持久，最让人闹心的矛盾。这些矛盾想要和解，前提条件是什么？和解了之后又会怎样？ 话不多说，咱们把脑洞打开。祝各位读者愚人节以及此后的每一天都快乐。 01 马斯克和OpenAI 没见过分久的合 要说和解，就要先说矛盾。而提起科技圈的矛盾制造机，就不能不提怼天怼地的“科技界灭霸”马斯克。如果说哪里有柯南，哪里就有案件，那么哪里有马斯克，哪里就有难以和解的矛盾。马斯克VS扎克伯格、马斯克VS比尔·盖茨、马斯克VS约翰尼·德普，每一条都够写一篇的，但毕竟这些矛盾都离AI有那么一点距离。 要说马斯克在AI圈的矛盾，那就不得不提最近风头正盛的“状告OpenAI”事件。 在ChatGPT爆火之后，作为曾经创始人的马斯克就开始疯狂指责OpenAI违背发展初衷，贪图商业利益，最近更是直接宣布准备向OpenAI及其CEO奥特曼提起诉讼，要求OpenAI恢复算法开源，将AI技术提供给公众，同时要禁止奥特曼和微软利用OpenAI的技术成果谋求商业利益。当然了，马斯克也没忘要求OpenAI偿还自己当年的投资损失。 但是人家马斯克也是留了台阶的。他表示，如果OpenAI把公司名变为“CloseAI”，他就放弃起诉。这个诉求咱们中国吃瓜群众是很能理解的，类似于“你走了给我把云字留下”。 面对曾经创始人的步步紧逼，OpenAI也没闲着。他们公布了与马斯克的一系列邮件往来自证清白。主要意思包括：1.当年转向盈利，是你马斯克也同意的；2.马斯克退出OpenAI，是因为索要更多股权和董事会控制权，甚至要求OpenAI并入特斯拉，被董事会否决了；3.马斯克已经在2018年撤资，并且其投资额根本没有他本人说的那么多。 现在情况是，马斯克对OpenAI嘲讽力度拉满，奥特曼也公开说马斯克“是个混球”，OpenAI在公告中认为“这一切让人感到悲哀”，双方的矛盾在可见范围内是难以调和的。 而回望这个矛盾的发生与膨胀，必须承认原委没有那么复杂，各自动机也是比较清晰的。无论其中有多少是关于技术路线的争论，对强大AI能力的担忧，马斯克都确确实实展现了“不怕前任过得苦，就怕前任开路虎”。 毕竟他很早就退出了OpenAI管理层，此后几年时间里双方相安无事，甚至马斯克还经常把自己创立了OpenAI的事宣讲一番。反而是OpenAI得到微软投资，GPT项目大获成功之后矛盾一下就爆发了。从时间线上看，其中的利益要素远大于理念要素。毕竟OpenAI已经带来了巨大的商业价值，而其背靠微软的发展路线，也会给马斯克布局的xAI等新公司带来直接竞争压力。 那么，这个矛盾如果世纪大和解呢？ 可能性只有两种。第一，是马斯克放弃了对OpenAI的敌视和怀疑，认为这件事也就那样，不重要了，不如把矛头对准下一场矛盾的制造上。而对OpenAI则不如干脆进行和解，以此来收割这件事的最后一波流量。 想要实现这种和解的前提，是OpenAI的流量退去了。这也意味着它的技术能力从爆发期来到了平缓期，不再有引领AI技术发展的行业地位。 如果世界线向着这个方向发展，意味着有公司接过了AI大旗，或者AI技术本身陷入了瓶颈。从目前情况看，其他公司顶替OpenAI的可能性太小了，AI陷入低潮可能性更大。这也就是说，马斯克和OpenAI的世纪大和解，最可能建立在又一次AI寒冬的基础上。到那时，没人提AI，自然也没人关注OpenAI开源还是闭源。所谓世纪大和解，也就是一次对曾经网红技术的悼念，一个不重要的礼仪动作。 这么一想，好像还是他们继续对簿公堂比较好。 第二种和解方案，是OpenAI干脆顺了马斯克的意，走向开源，或者重回X大家庭的怀抱。比如被马斯克以重金砸到OpenAI回心转意，构建属于自己的AI帝国。如果这样的话，只有微软哭晕在厕所的世界就达成了。 马斯克将很可能实现坐拥AI半壁江山，构成X系对阵谷歌的双雄局面。那么接下来的故事，可能就是马斯克以一己之力血战谷歌，拳打GMS，脚踢Youtube，准备把谷歌全家桶变成X全家桶。 这是一个比较大男主向的剧情，但好像也挺有意思的。 当然了，还有第三种方案。就是OpenAI来他一个逆事顺办，我就按照你马斯克的意思，改名叫CloseAI，还顺便推出基于新名字的全新战略和愿景，比如要达成AI世界与物理世界的闭环之类的。 把你起的名字还给你，到时候且看你马斯克怎么办？ 但一方面马斯克今天的咖位不值得OpenAI这么陪他玩。另一方面相声圈也给AI圈做过示范了：贸然自摘云字不可取，最后还得用回来。 02 杨立昆和马库斯 就这么再杠三十年，直到大厦崩塌 如果说，在AI圈里马斯克想要一切，那么他的本家马库斯就是想杠一切。 或许有朋友并不知道马库斯是谁，这是一位热爱AI技术，关注AI行业发展的认知心理学家。他确实配合过很多AI专家的工作，也撰写过AI相关的文章。但更广为人知的事情，是每次AI技术有新的发展，或者AI大佬有新的见解。马库斯就会拍马杀到，立刻在社交网络上表达“AI技术不行”或者“你说得不对”。 多年以来，马库斯给喝的倒彩场场不落。早在2017年，他就提出AI寒冬马上要来了，2022年，他发表了《深度学习撞墙了》。神奇的是，他越是唱衰，AI技术还就发展得越快。于是现在很多人都认为马库斯起到了给AI攒人品的反向吉祥物作用，AI行业没了谁也不能没有他。 而最喜欢与马库斯激情对线的，是图灵奖获得者，深度学习三巨头之一的杨立昆。 据马库斯说，他与杨立昆本来是多年老友，后来因为喷了杨立昆带领Meta团队做的Galactica模型而交恶。但在大伙的记忆里，这二位可是围绕着AI打了好几年的嘴仗。两个人从AI寒冬是否会发生，深度学习的本质是什么，编程范式是否需要更新这种技术性问题，到智能究竟是什么等形而上的宏大命题，每每吵到不可开交。 在2023年之前，两个人的立场其实是非常鲜明的。马库斯永远说AI不好，是这也不好，那也不好，不是咒AI要寒冬，就是咒深度学习要撞墙。作为深度学习技术的发明者之一，杨立昆则毫不留情给予还击。 事实上，很多人都把马库斯看作AI大佬，甚至用他的观点来判断国内的AI产业发展。但他真的不是AI专家，甚至不是AI从业者。AI业内人士也一直站在杨立昆这边，来反击马库斯对AI技术经常很不专业的批评。2022年，杨立昆就在采访中直言：“马库斯不是一个搞AI的，他是一个心理学家。他从未对人工智能做出任何贡献”。 但二人的矛盾，到ChatGPT发布之后出现了变化。杨立昆对ChatGPT是持保留意见的，批评其技术创新力不足，应用了Transformer架构等问题。这种保留可能有多方面原因，或许是技术思路的差异，也可能与其所带领的Meta团队被OpenAI超越有关。但不管怎么说，对这次爆火的AI创新，杨立昆是比较抵触的。而马库斯这边则是一如既往，抵触所有的AI创新，当然也包括ChatGPT。 于是乎，马库斯可是开心了，他认为杨立昆也来支持他了，并且单方面宣布二人已经达成了世纪大和解。或许他还期待着，面向未来两个人可以一起开开心心地批评AI。 那么，如果未来两人真的达成世纪大和解，不再打任何嘴仗了，会有哪些可能呢？ 还是有两种可能性。第一种，是杨立昆也跟马库斯一样，变成了彻彻底底的AI技术悲观主义者。毕竟啊，自己完成的创新是创新，后辈完成的那个叫胡搅蛮缠。很多学界才俊，最后都会变成听不得半句反对的“学阀”。 但如果是这样，AI行业会发生什么改变呢？好像什么改变也不会发生，只不过唱衰AI的人又多了一个。一些媒体炮制惊悚标题的素材多了一些，比如“昔日AI之父，竟说AI要完”之类的。 然后呢，可能就没有然后了。只有两位老友对坐而饮，痛骂他们看不上，但又发展特别快的AI技术而已。 另一种可能性，则是马库斯转向了，开始支持AI的发展，认同杨立昆的大部分立场。但以吃瓜群众对马库斯的围观经验来看，他心悦诚服支持AI的可能性几乎没有，除非他认为找到了一种更新颖的方式来蹭AI热度。如果这样和解的话，AI圈就缺乏了一种旗帜鲜明的反对立场，一种对所有事都唱衰的批判精神。但会改变什么呢？还是什么都改变不了。 所以说，不如就让二位大佬就这么杠下去，杠一个身心舒畅，杠一个身体健康。 而咱们要做的，就是明白一件事：有一些人发表言论，就是为了新奇而新奇，为了抬杠而抬杠。除此之外，别无其他。 很多人啊，就是对头衔、名气之类的东西，有点过于着迷了。 03 OpenAI和DeepMind 王不见王 今天的北美AI行业，是一种四方对峙的态势。谷歌、微软被认为AI能力最强，而和xAI和Meta紧随其后。微软跻身第一梯队，是因为它外挂了OpenAI。对应这一点，谷歌的AI技术强大有一部分来源是外挂了DeepMind。 这家曾经以AlphaGO席卷天下，带来了AI第三次崛起的公司，似乎已经有点淡出主流视野了。今天提起OpenAI，总是说OpenAI vs谷歌怎样怎样。可能大家都忘了，马斯克等人创立OpenAI之初，是希望这家公司抗衡AI技术失控。那么是谁会带来失控呢？就是当时风头无两的DeepMind。 OpenAI和DeepMind之间，有一种“王不见王”的宿命论美感，“我本来是为了你而生的，结果等我成长起来你已经衰落了”。所谓君生我未生，我生君已老。同时还有一种“关公战秦琼”的微妙讽刺感。创立OpenAI是为了防止DeepMind毁灭世界，结果OpenAI现在带来了最可能毁灭世界的AI技术。 但这都是茶余饭后的闲话，不足为惧。事实上，DeepMind依旧在持续发展，比如他们刚刚公布了适用于3D环境的智能体SIMA，在官网上发布了与利物浦合作研发AI足球教练的案例等。 但在持续的发展里，DeepMind确实表现出了与OpenAI的不同。前者更加重视应用场景，比如AI在蛋白质折叠、材料分析、医疗等领域的落地，更加重视前沿跨界合作。而OpenAI则将注意力放到了算法本身，把强大的AIGC模型作为发展根基。可以看到，它们俩之间的技术差异是具有高度互补性的，一个强调算法的“内力”，一个强调应用的“招式”，有一种华山派气宗剑宗之争的感觉。 虽然两家公司也没什么直接矛盾，但其中渊源不免让我们开个脑洞：假如OpenAI和DeepMind实现了世纪大和解，甚至直接合并了，那会怎么样？ 第一种可能，这是个美丽而伟大的童话故事。不管基于什么原因，最强的AI科学家与工程师聚集到了一起，把各自积累的AI技术进行融合，打通。于是既有强大算法，又能够深入各个场景应用的智能出现了，AGI以超乎想象的速度到来，AI觉醒就此开启。 再过若干年，历史学家会如此记录：那一天人类终于知道，无论是下围棋，还是开发AIGC能力，无论是Deep还是Open，原来都是为了实现同一个终局目标。那一天人类也终于知道，关于AI的恐怖真相是什么…… 好吧，还是算了。这条故事线还是留在科幻作品里吧。 另一种可能，则是这两家公司之一走向了衰落。尤其是商业化层面的后继乏力，可能严重影响公司运营。于是在权衡多方面利弊之后，要么是谷歌出手买OpenAI，要么微软收购DeepMind。或者OpenAI的商业网络更加成功，从微软体系中独立，决心兼并DeepMind实现对先进AI技术的准垄断。 这条故事线里，世界将迎来一个新的科技商业帝国。谁是AI时代最成功的公司将彻底没有争议，全球科技版图或许也将就此改写。 沉默着分头发展，融合成庞然大物，建设一个不可预料的乌托邦？关于AI技术和AI公司的未来，你更喜欢哪一个故事呢？ 04 AI卖课人和AI开发者社区 没意见，我只想看看你怎么圆 如果说，以上的AI矛盾都有些遥远。那么还有一种关于AI的矛盾，它就在我们身边。只要你对AI技术有好奇，有向往，看了一些AI相关的文章和视频，那么大概率就会刷到他们——出来吧，AI卖课人！ 在今天，短视频和直播平台里活跃着难以估算数量的AI卖课人。普遍套路是让你抓紧上车，只有最后三个名额，就可以抢到原价1999，现价只需要399的AI实战课程。 当然了，除了这种模式之外，AI卖课人还有一些变体。比如面向少年儿童的鸡娃型AI卖课人；让你先加社群后卖资源的圈地型AI卖课人；告诉你有AI速成赚钱妙招的秘籍型AI卖课人等。 这类卖AI课程的朋友，一般来说只有两个问题。一是他们其实不懂AI，二是他们没进过AI行业。那么问题来了，他们的课程是哪里来的呢？ 这就不得不提，卖课人到底和谁有矛盾？答案是他们跟AI开发者社区有矛盾。这种矛盾不是吵架，而是行为逻辑之间的冲突。 我们知道，无论是AI框架还是AI开发工具，基础软件都需要生态的支持。于是各大科技企业都会围绕自己推出的平台、工具来建设AI开发者社区。从国外到国内都是如此。企业会拿出专项资金、人力来支持AI开发者赋能，有专门的团队负责社区建设。这就意味着，各大AI开发者社区，都有大量免费、实用，且被反复打磨过的AI学习资源，甚至有团队专门与AI开发者、学习者进行沟通。我们甚至见过在官方社群里，深夜还有专家给AI开发者回答非常基础的问题。 很多AI卖课人都知道这一点，于是他们利用信息差，把免费得到的资源简单做个包装，再用直播、短视频的方式进行售卖。他们的话术一般是先制造焦虑，开口就是“AI时代，不懂AI就被AI取代”。然后抛出现在只要399之类的课程信息。 到这里，矛盾就非常清晰了。厂商不会包装和宣传，于是有免费的资源和学习平台，普通用户却不知道。AI卖课人不懂AI，但会做短视频会直播，但他们卖的其实是免费资源，能忽悠一个是一个。 可能唯一的问题在于，厂商只会围绕自己的平台做推广，但AI卖课人可以横向给出多个平台的资源，但与用户付出的成本相比，这点价值微乎其微。 那么，如果矛盾的双方进行了世纪大和解，会怎么样呢？ 可能性之一，是AI卖课人发现AI过气了，信息差很快被抹平了。忽悠人买AI课程也赚不到钱，于是纷纷开始转行。反正这个行业也挺新的，没什么行业粘性可言。于是世界又清静了，只留下花过几百块的同学暗自神伤。 这种世纪大和解，可能性是非常大的。只是希望我们都是闹剧的看客，而不是退费无门的学员。 还有另一种可能性，是平台可以收编这些卖AI课程的老师。这样一来，各大厂商也终于学会了吆喝。主播们一播就是一天，把开发者大牛和AI专家请来当嘉宾。一开口就是，想要学图计算的宝宝们赶快上车了；做AIoT的家人们有福了；家人们，谁懂啊，AIGC应用的免费福利他真的来了。 这么一想，就还挺带感的对不对？ 至于现在吗，我对AI卖课这轮热潮也没什么意见，只想看看你们怎么往下圆。 05 “智障派”和“取代派” 我和我骄傲的倔强 关于AI，还有一种根深蒂固，横跨中西，穿越不同年龄层的矛盾。这个矛盾跟AI行业就没什么关系了，而是AI在大众传播层面所激起涟漪之间的某种回响。 说白了，就是网友们围绕AI是怎么吵架的。 经历了多次AI技术出圈之后，我们已经成功总结了这种吵架的模式。一般来说，矛盾双方分为“智障派”和“取代派”。 智障派的发言是：“就这个AI你们还好意思吹？实测过后，发现AI就是智障。” 取代派的发言是：“你就是什么都不懂，我身边已经有人用AI了。人类马上就被取代！” 智障派又说了，AI要能取代你，你怎么还在这发评论呢？智障。 取代派又说了，AI顺利取代人类，就是因为有你这种带路党。ID已阅，什么成分？ 总结一下，智障派的核心观点就是AI全都没用，无论做了什么都没用，用戳破AI的谎言这件事来吸引流量。 而取代派的观点则是AI什么都要接管，很快工作被抢走了，现实不存在了，人类要毁灭了，用制造恐慌和焦虑来吸引流量。 说到这，你可能会认为我们对这种争吵挺反感的？其实也不尽然。因为如果这两派世纪大和解了，同时两派都还存在，那可能麻烦就大了。 第一种可能，智障派被现实打脸。被无情的，钢铁一般的事实证明AI就是会取代工作，甚至出现了取代人类自立为王的苗头，那所有人都会敌视AI，禁锢AI，谁敢发展AI就应该万劫不复，这种技术将变成禁忌。 第二种可能，现实证明了AI就是智障，根本没什么用处，什么价值也产生不了，那么AI就失去了它的发展根基与应用信任。就像历史上两次AI寒冬一样，AI将迎来毁灭性打击。 所以啊，就让他们吵着吧。人最放不下的，就是自己骄傲的倔强。再明显的假唱也不能承认，更遑论承认对AI的观点是错的。 但对于大多数不怀有极端观点，不认为非此即彼，也愿意探索科技可能性的朋友。就让我们放下倔强，多点了解。 不用制造恐慌，也不用盲目诋毁，AI还是有很多事情可聊。 如此一来，人类或许能更早完成与AI的世纪大和解。

文 | 邓雨洁 王静仪 在中国，无人机已经超过100万架。 出行一客从民航局方面获得的数据显示，截至2023年底，国内注册无人机126.7万架，同比增长32.2%；持无人机操控员执照19.4万人；运营无人机的企业1.9万家；有统计的民用无人机全年飞行2311万小时，同比增长11.8%。 无人机主要分为军用和民用两种，民用无人机可细分成工业级和消费级。有关民用无人机的用途，民航局空管行业管理办公室副主任骆洪江用了一句话概括：“我国民用无人机已在农林牧渔和娱乐航拍领域率先实现行业普及。” 现在，无人机有了更新的用途——“闪送”。2024年3月，广东深圳推出无人机物流服务，同城12元，跨城40元，可实现深圳到珠海、中山、东莞等周边城市。顺丰、邮政、京东、美团、菜鸟等电商物流企业也逐步入局无人机。 无人机发展的背后，是作为新质生产力新动能的低空经济。目前，备受关注的产品包括无人机、电动垂直起降飞行器（eVTOL）、直升机等。 低空经济的基础则是低空空域的开放。2023年12月21日，国家空管委制定了《国家空域基础分类方法》，为eVTOL、轻小型无人机和通用航空提供了合法的低空飞行空间。 01 无人机，飞入行业深处 说起无人机，很多人的第一反应是大疆。 无可否认，大疆是民用无人机的龙头企业。据官网显示，截止2023年11月22日，大疆无人机占据全球无人机市场70%以上份额，占德国80%的市场份额。 公开资料显示，2013年到2017年，大疆业绩飞速增长。2013年大疆销售收入为8.3亿元，2014年销售额就达到30.7亿元，同比增长近4倍。2017年大疆营收为175.7亿元，净利润达到43亿元。2018年后，大疆没有对外公布营收情况。最近一次公开消息显示，2022年大疆营收为301.40亿元。 无人机主要分为军用和民用两种。其中，民用无人机可细分成工业级和消费级无人机。大疆的航拍无人机，就属于消费级无人机。 目前，大疆已经推出包括DJI Mavic、Air、Mini、Avata、Inspire、FPV，覆盖从入门到进阶、旗舰，满足各类航拍者的需求，价格从2388元起到13888元起不等，航拍无人机逐渐成为摄影爱好者们的标配。 大疆航拍无人机系列 相比市场成熟的消费级无人机，未来工业级无人机更有发展的潜力。据Frost&Sullivan预测，从2019年到2024年，全球消费级无人机市场规模增长仅2倍，但工业级无人机市场规模能够翻10倍，中国工业无人机市场规模在2024年将达到3208亿元。 在工业无人机领域，已经有一批上市公司涌现，如纵横股份（688070）、观典防务（688287）、华测导航（300627），大疆这类主营消费无人机的公司，也将场景扩展至工业级。 工业级无人机的应用领域，主要可以分为禁毒侦察、反恐巡逻、环境监测、航空测绘、电力巡检和农林信息化等。比如面对火灾、地震、山体滑坡、洪水等突发事件时，应急部门可以通过无人机，快速评估情况，识别被困人员，在救援队伍到达之前建立态势感知，提高救援效率。 反映到企业层面，由于研发费用投入占比较大，相关企业在产业发展阶段都出现了亏损情况。观典防务2023年业绩快报显示，营业收入2.7亿元，同比下降6.95%；实现扣除非经常性损益后的净利润7,713.68万元，同比下降8.88%。纵横股份2023年营业收入为2.97亿元，增幅为3.49%；扣除非经常性损益后的净利润亏损7127万元，亏损增幅为109.01%。 我国无人机产业还处于发展的早期阶段，存在相关立法滞后与立法效力层次低、设备有效载重及飞行时间不足、低空空域审批流程繁琐、专业人才匮乏、价格成本及维护成本高等问题，亟待解决。 出行一客（ID:carcaijing）从民航局方面获得的数据显示，截至2023年底，国内注册无人机126.7万架，同比增长32.2%；持无人机操控员执照19.4万人；运营无人机的企业1.9万家；有统计的民用无人机全年飞行2311万小时，同比增长11.8%。 不止在中国，工业无人机也在全球开拓市场。 中东成为沃土。空中出行初创企业御风未来告诉出行一客（ID:carcaijing），公司的工业无人机产品已经成功出口中东，用于石油管道巡视。中东气候炎热，以往人员要开车在沙漠中进行石油巡检，工作条件严酷，但对于无人机来说是好的使用场景，明显节省人工、提高效率。 02 从无人机到eVTOL 物流+无人机，是近期的关键词。 顺丰、邮政、京东、美团、菜鸟等电商物流企业纷纷布局无人机。“行业物流巨头的加入，加速了无人机板块的发展”， 世界无人机竞赛联盟竞赛主任、无锡市无人机协会副会长蒋斌指出。 2024年3月，顺丰集团旗下的丰翼科技宣布，正式推出无人机物流产品“同城即时送”“跨城急送”，前者平均2小时送达，后者平均4小时送达。 出行一客（ID:carcaijing）也曾在上海某大型商城顶楼，看到过美团的无人机站点和外卖柜。美团无人机团队表示，2024年春节假期前5天，深圳人才公园无人机配送订单量，较去年十一假期前增长约80%，炸鸡、汉堡等多种商品销量增长超过5倍，很多商家超八成的外卖订单由无人机配送完成。 上海某商城顶楼露台开设无人机起降点 同样是3月，在广东深圳，无人机物流服务产品已经上线，同城12元，跨城40元即可获得“闪送”服务，可往来于深圳到珠海、中山、东莞等周边城市。 “快递公司对无人机的需求较大，尤其是在经济发达地区，对货物价值高的产品更有需求。比如上海到舟山的运输，新鲜的海产品早上刚被打捞出来，中午就被送到上海居民的餐桌上，这样高时效性的物流就很有市场需求。”御风未来方面对出行一客（ID:carcaijing）表示。 规模化是无人机物流的痛点。低空经济及无人机行业智库专家陈向表示，“城市间”无人机运输能否大规模使用有两个核心问题，一是与公路、高铁运输相比的经济性，二是空域管理。 在越来越卷的物流赛道上，无人机究竟是不是一个好打法，还需要企业去探索。 在低空试点的除了无人机，还有电动垂直起降飞行器（eVTOL），通俗一点就是电动化、不需要跑道可以垂直起降的飞机。 2024年2月，全球首条eVTOL空中交通航线首飞，由上海峰飞航空科技自主研制的航空器盛世龙，完成从深圳到珠海的行程，将单程2.5到3小时的地面车程缩短至20分钟，票价预计200元到300元，预计2026年开启载人飞行。 让打”飞的"成为可能，首先需要eVTOL航空器获得从民航局获得三张证书，即型号合格证（TC）、生产许可证（PC）和适航证（AC）。 总部位于成都的eVTOL头部企业沃飞长空对出行一客（ID:carcaijing）表示，目前各家eVTOL企业都在积极推进适航取证，预计获批的节点在2025年到2026年左右。随着低空空域改革、基础设施建设等逐步推进，预计到2030年，eVTOL的载人空中运营会大规模普及。 沃飞长空表示，各家企业的商业模式和策略不一样，有的瞄准个人市场，致力于将eVTOL卖给个人买家；有的想做载人出行的平台运营商，实现“打飞的”的立体出行愿景。整体而言，适航进程更快的企业，更有先发优势。 03 各地角逐“天空之城” 2024年，是低空经济元年，“低空经济”概念首次被写入政府工作报告。 工信部赛迪研究院4月1日发布的《中国低空经济发展研究报告（2024）》显示，2023年中国低空经济规模达5059.5亿元，增速达33.8%。乐观预计，到2026年，低空经济规模有望突破万亿元。 “最近明显感到行业热度升温，每天要来公司参观交流的人特别多，包括投资机构、地方政府产业资金和行业研究人士等等。地方政府的支持力度尤其大，都希望在行业早期占领先机，培育出新的低空经济产业链。”御风未来方面对出行一客（ID:carcaijing）表示。 在中国低空经济蓄势起飞之际，各地密集出台相关政策，角逐“天空之城”的称号。 深圳走在前面。近年来，深圳全面发力低空经济新赛道，2022年底，《深圳市低空经济产业创新发展实施方案(2022-2025年)》出台；2023年底，《深圳市支持低空经济高质量发展的若干措施》出台；2024年初，深圳立法出台全国首部低空经济条例——《深圳经济特区低空经济产业促进条例》。 目前，深圳已经聚集了大疆、丰翼科技、道通智能、路飞智能、天鹰装备等一批行业头部企业，深圳工业级民用无人机产值占到全国六成左右，拥有一电科技、科比特等几十家工业级无人机生产商。 据统计，在各地的政府工作报告中，深圳对低空经济的支持力度大，湖南、广东、四川、安徽等地也多次提及低空经济。 2024年1月1日，我国无人驾驶航空器领域的首部专门行政法规《无人驾驶航空器飞行管理暂行条例》正式施行，进一步规范了低空经济无人机产业发展。 《条例》明确了将最大起飞重量25kg以上的中大型无人驾驶航空器纳入适航管理的制度安排；最大起飞重量25kg以下微轻小型无人驾驶航空器不作适航管理要求。另外，《条例》还明确建立产品识别码和实名登记制度，同时强化操控人员要求，要求操控小型、中型、大型民用无人驾驶航空器的人员应当申请取得相应操控员执照。 下一步，民航局将在航空器适航审定、低空飞行服务保障、基础设施建设标准、市场准入、安全监管等方面加强研究和谋划，一方面以城市场景为重点开展城市空中交通试点示范，另一方面结合传统空管保障体系和通航飞行服务保障体系，加强无人驾驶航空器空中航行服务体系构建，不断提升我国低空航行服务能力。

搞 AI 大模型，实在太烧钱了。 我们知道，如今的生成式 AI 有很大一部分是资本游戏，科技巨头利用自身强大的算力和数据占据领先位置，并正在使用先进 GPU 的并行算力将其推广落地。这么做的代价是什么？ 最近《华尔街日报》一篇有关明星创业公司的报道里给出了答案：投入是产出的 17 倍。 上个周末，机器学习社区围绕这个数字热烈地讨论了起来。 一、明星创业公司：几周估值翻倍，但没有收入 由知名投资人 Peter Thiel 支持的 AI 初创公司 Cognition Labs 正在寻求 20 亿美元估值，新一轮融资在几周之内就将该公司的估值提高了近六倍。 在如今火热的生成式 AI 领域里，Cognition 是一家冉冉升起的新星。如果你对它还不太熟悉，这里有它的两个关键词：国际奥赛金牌团队，全球首位 AI 程序员。 Cognition 由 Scott Wu 联合创立，其团队组成吸引眼球，目前只有 10 个人，但包含许多国际信息学奥林匹克竞赛的金牌选手。 该公司在今年 3 月推出了 AI 代码工具 Devin，号称“第一位接近人类的 AI 程序员”，能够自主完成复杂的编码任务，例如创建自定义的网站。从开发到部署，再到 debug，只需要人类用自然语言给需求，AI 就能办到。 该新闻很快就登上了众多媒体的头条，也成为了热搜： 一些投资者表示，Devin 代表了人工智能的重大飞跃，并可能预示着软件开发的大规模自动化之路已经开启。 Cognition 虽然神奇，但它并不是个独苗。最近一段时间，生成式 AI 展现了超乎想象的吸金能力。去年 12 月，总部在法国的 Mistral 获得了 4.15 亿美元融资，估值达到 20 亿美元，比前一年夏天的一轮融资增长了大约七倍。 3 月初，旨在挑战谷歌网络搜索主导地位的 AI 初创公司 Perplexity 也传来新一轮融资的消息，新估值有望达到近 10 亿美元。 而在这其中，作为一家旨在提供 AI 自动代码工具的创业公司，Cognition 去年才开始研发产品，目前并没有获得有意义的收入数字。今年初，在 Founders Fund 牵头的一轮 2100 万美元融资中，该公司的估值达到了 3.5 亿美元。据介绍，美国著名创业投资家、创办 Founders Fund 的 Peter Thiel 帮助领导了对 Cognition 的投资。 AI 编写代码看起来是一个有前途的大模型应用方向，其他提供类似产品的公司也看到了增长势头。上个季度，微软的代码工具 GitHub Copilot 用户数量增长了 30% 达到 130 万。Magic AI 是 Cognition 的竞争对手，2 月份获得了 1.17 亿美元的投资。国内也有一些代码生成自动化工具的初创企业，在生成式 AI 技术爆发后正在加速行业落地。 尽管出现了令人鼓舞的增长迹象，新公司的估值也不断膨胀，但这种快速发展也引发了人们对于出现泡沫的担忧 —— 到目前为止，很少有初创公司能够展示他们如何赚钱，想要收回开发生成式 AI 的高昂成本，似乎还没有门道。 在 3 月的一次演讲中，红杉资本（Sequoia Capital）有投资人估计 AI 行业去年为了训练大模型，仅在英伟达芯片上就花费了 500 亿美元，而换来的收入是 30 亿美元。 所以说，不算电费，开销是收入的 17 倍。 怎么样，今年还玩得起吗？ 二、出路在哪 如今生成式 AI 技术的爆发，可谓验证了强化学习先驱 Richard S. Sutton 在《苦涩的教训》中的断言，即利用算力才是王道。黄仁勋两周前在 GTC 上也曾表示：“通用计算已经失去动力，现在我们需要更大的模型、更大的 GPU，需要将 GPU 堆叠在一起…… 这不是为了降低成本，而是为了扩大规模。” 但是在千亿、万亿参数量的大模型出现之后，通过提升规模来提升智能的方法是否还可以持续，是一个无法回避的问题。更何况现在的大模型已经很贵了。 华尔街日报的文章迅速引起大量讨论。有网友认为：“资本支出通常就是一次性的，而投资的收入却是日积月累的。生成式 AI 刚刚起步，其后续的经济收益可能是巨大的。” 但这种乐观的观点很快遭到反驳，另一位网友指出：“资本的支出的确是一次性的，但 GPU 会相对较快地贬值。” 为什么说 GPU 会快速贬值呢？虽然较老版本的 GPU 也不会停止支持 CUDA（英伟达推出的运算平台）等等，但与 H100 相比，V100 的能源消耗是巨大的浪费。 毕竟同样也是在 3 月份，英伟达已经发布了全新一代 AI 加速的 GPU Blackwell 系列。 如果使用 V100 可以赚钱，那当然没问题。然而，如诸多媒体报道所述，对大多数公司来说，现阶段运行大模型并没有转化为实际收入。 另一方面，看看现在大模型每周都在推陈出新的状态，即使几年前的 GPU 在算力角度看可以接受，但大模型也在“快速折旧”。七年后的 AI，用现在的基础设施能支撑吗？ 此外，如果一家公司花费大量成本来购买 V100，试图跟上生成式模型的趋势，那么可能就会出现研究团队雇佣成本不足的问题，那么最终可能还是无法做出有实际应用、经济收益的产品。 值得注意的是，许多 LLM 都需要额外的处理层来消除幻觉或解决其他问题。这些额外的层显著增加了生成式模型的计算成本。这不是 10% 的小幅增长，而是计算量增长了一个数量级。并且许多行业可能都需要这种改进。 图源：Reddit 用户 @LessonStudio 从行业的角度讲，运行生成式大模型需要大型数据中心。英伟达已经非常了解这个市场，并持续迭代更新 GPU。其他公司可能无法仅仅投资数百亿美元来与之竞争。而这些 GPU 需求还只是来自各大互联网公司的，还有很多初创公司，例如 Groq、Extropic、MatX、Rain 等等。 最后，也有人给出了这种夸张投入的“合理性”：坐拥大量现金的微软、谷歌和 Meta，他们因为反垄断法规而无法继续收购，因而只能选择将资金投入 AI 技术发展。而 GPU 支出的折旧，可以作为损失避免缴纳更多税款。 但这就不是创业公司所要考虑的事了。 无论如何，竞争会决出胜者。无论花掉多少钱，成为第一可能就会带来潜在的收益…… 但是什么样的收益，我们还无法作出预测。难道，生成式 AI 真正的赢家是英伟达？

微软正在计划投资1150亿美元、数百万芯片建造数据中心，支持OpenAI持续扩展其AI系统的规模达到千万亿级参数。 这个被称为星门 （Stargate）的超级计算机，将于2028年推出。这一数据中心预计将需要5GW电力，为OpenAI提供的算力将提升几个数量级。 金额1150亿美元计划，相当于微软目前全年资本支出的3倍，分为五个阶段，微软已经开始了第四阶段，为OpenAI构建一个较小的超级计算机，预计2026年推出。目前OpenAI与微软正忙于前三个阶段。 进入最后两个阶段，微软将采购大量的芯片，预计英伟达的GPU仍然是主力，但芯片供应将会更加多元化，既包括微软自己研发的主要用于推理的芯片，也包括其他芯片厂商的供应。 据硅谷科技媒体Information透露，OpenAI CEO奥特曼正在推动这一计划，微软也做出了初步的成本估算。 微软很可能负责资助该项目，其成本将是目前一些最大数据中心的100倍，这表明未来几年可能需要巨额投资来建设AI的计算能力。 据硅谷业内传闻，目前GPT-5已经完成预训练，正处于对齐阶段，预计夏季推出。如果像业内预估的那样其参数规模将是GPT-4的十倍，GPT-5的参数规模将在20万亿左右。 微软已经开始为GPT-6的训练部署算力，按照目前的大模型扩展节奏，以每代模型一年到一年半左右扩展一个数量级，GPT-6的参数规模将在200万亿左右，2026年推出。2028年将是GPT-7推出的时间，参数规模将会达到2000万亿。 不仅仅是训练需要耗费大量的算力，随着生成式人工智能进入大规模部署应用阶段，推理需要的算力更大。 正如对Sora所需算力的估算，其推理的峰值，需要72万个H100GPU的算力，以目前H100的市场价计算（3.65万美元/每H100（80GB）），GPU的投资就需要274亿美元。预计Sora将于年内推出。 据博通公司透露，它的一个重要客户，正在准备在几年内打造一个百万加速芯片级的算力集群，业内认为就是谷歌。而目前 Meta号称最大的算力集群，相当于65万张H100GPU。 另外，苹果真正入局生成式AI，宣告个人AI时代的到来，被认为是AI真正进入大规模部署应用阶段。据传苹果与谷歌、OpenAI都在洽谈，在其超过20亿的设备上建立SOTA大模型Gemini和GPT等的入口。而谷歌正在迅速把Gemini模型部署到数十亿部安卓设备上，包括三星和谷歌自己的终端设备。最近亚马逊也在加快部署Claude3。今年下半年，AI PC的推出也将进入高潮。目前ChatGPT上亿的活跃用户，日耗电约50万度。 大模型的训练和推理阶段，都将耗费巨大的能源。尤其是大模型的功能越来越强，从大型语言模型扩展到多模态模型，并且通过视觉理解物理世界，视觉的能耗强度比语言功能能耗强度高出三个数量级。 据Information报道，微软和OpenAI可能考虑选址威斯康星州的Mount Pleasant。这个系统可能需要的电力达到5GW，以至于微软和OpenAI正在考虑配套建设核电厂。 这么大规模的数据中心将面临种种挑战，因为需要“在一个机架中放入比微软通常使用的更多的GPU，以提高芯片的效率和性能。”这意味着还需要设计新的冷却技术。 微软和OpenAI也可能利用这项目的设计，减少对英伟达的依赖。尽管微软在当前项目中使用英伟达的InfiniBand电缆，但OpenAI希望在星门项目中避免使用InfiniBand。OpenAI声称它更愿意使用以太网电缆。 今年早些时候传出奥特曼有意打造AI芯片，并寻求筹集高达7万亿美元的资金投资芯片的工厂。去年，微软公布了其专为AI项目设计的128核Arm数据中心CPU和Maia 100 GPU。还有报道称微软正在为其AI数据中心开发自己的网络设备。 但超级计算机将位于何处，以及它将建在一个单一的数据中心还是“在地理位置相近的多个数据中心中”，也都存在着不确定性。 为2028年的算力做规划，也必须考虑芯片和数据中心技术的进步。 台积电预测，在未来10年，GPU集成的晶体管数将达到1万亿个。与此同时，未来15年，每瓦GPU性能将提高1000倍。 GTC 2024大会上，英伟达CEO黄仁勋祭出世界最强GPU——Blackwell B200 ，整整封装了超2080亿个晶体管，它包括了两个GPU的芯粒（die）。比起上一代H100（800亿），B200晶体管数是其2倍多，而且训AI性能直接飙升5倍，运行速度提升30倍。价格将在3万美元到4万美元之间。

刚刚结束的GTC在科技圈刷了屏，英伟达已然成为现在科技界的中心。记得当英伟达市值刚突破万亿的时候就有人觉得达到了天花板，但是如果你了解英伟达在上一波AI浪潮中的增长，你可能就会猜到它的的行情绝不会止步于此。 英伟达在上一个AI热潮中上涨了5倍，在这一波AI周期中，股价几乎像素级复刻了上一波的走势。 如果能早一点认识到GPU作为算力对深度学习的重要性的话，也许就不会错过或者低估英伟达了。 因此，我们今天的讨论与AI周期有关，我们希望通过讨论上一个AI周期的演变、成功或失败案例，从中得到一些对当前AI周期的启发。而2024和2017则是这两个AI周期非常关键的时间节点。 硅兔赛跑为此请来UpHonest Capital行业研究团队的王子和Eric Gu，和我们一起探讨AI周期下的观察和展望。以下对话是线上直播的文字版梳理。 硅兔赛跑Amanda 第一个问题，2017对上一个AI周期有怎样的 意义？ UpHonest 王子 首先我们将2006年开启的AI周期称为”深度学习“周期，而2017是“深度学习”周期的Hype顶峰。 为了说明这个问题，我们准备了一张图。 柱状图是全球AI的风险投资金额，绿色的线是投资增速，红色的线是AI在全球投资中的占比。 2017 AI投资增速超过200%，AI投资占比达到8%，是2006开启的这次AI创投周期的最高点。 数据来源：Statista 作为早期投资机构，我们也关注AI早期投资有怎样的变化，所以我们去看了早期投资风向标YC的投资变化，同样，2017年AI类项目占比最高，2018~2021年明显下滑。 数据来源：YC，UpHonest整理 数据来源：YC，Rebel Fund整理 不过有一个明显有差异的地方，第一张图显示，2022年YC AI项目占比是超过2017年的，第二张图显示2022年AI项目占比则是低于2017年的。 超过的图是我们2024年统计的，低于的图是YC校友基金Rebel Fund 2023年初统计的，说明这一年多时间，YC 22年大约有10%的项目转型做AI了。 所以，从创业和投融资的角度，2017年是“深度学习”AI周期hype的顶点。 2018年无论是YC还是全球AI投资热情都下降了，部分原因是人们对AI的期望太高，但当时的技术无法达到人们的想象，大家可能还记得人们开始说AI是“人工智障”，甚至有些人说AI是骗局。而且这种降温在早期投资中的表现更明显。 不过在2018年之后，全球的AI投资复苏并且投资占比大约维持在10%，说明存活下来的AI公司发展壮大，穿越周期，持续吸引风险投资。 硅兔赛跑 Amanda 我记得YC在2017年AI最热的时候宣布设立AI vertical孵化小组，负责人是后来AI Grant的创始人Daniel Gross。但2018年，Daniel Gross离开了YC。这里YC孵化的AI项目占比，是否反映出AI热度从2018年开始一路下滑？ UpHonest 王子 是的。 但如果你足够敏锐，有可能会在2020年嗅到空气中新一波AI浪潮来临的水汽，因为GPT-3的API接口是在2020年开放的，足够敏锐的Jasper，就是抓住了这个窗口期，从裁员、增长停滞的边缘起死回生。 硅兔赛跑 Amanda 那么想问一下Eric，上一个“深度学习周期”，与现在的“生成式AI周期”有什么关联？ UpHonest Eric 技术变化。 AI是一个很大的范畴，自1956年AI正式作为一门学科成立以来，已经经历了好几个周期，其中有很多技术已经渗透到了日常生活中，比如“搜索引擎”、“推荐算法”等等，犹豫过于普遍，大家甚至已经不再给它们贴上人工智能的标签了。 上一个周期我们把它称为“深度学习”周期。深度学习作为机器学习的学习方式之一，之前在学界是饱受质疑的。大家普遍认为“深度神经网络是永远无法被训练的”，这使得有些学术期刊甚至都不曾接受有关神经网络的论文。 直到2006年，被誉为深度学习之父的 Geoffrey Hinton 与他的两个学生成功训练了一个多层神经网络（Deep Belief Networks），在手写数字识别的任务上（标准 MNIST 字符识别数据集）实现了98.75%的正确率。随后，又在语言识别任务上打破了记录，成功为深度学习正名。 直到2012年的ImageNet挑战赛，Hinton 带着得意门生 Alex 和 Ilya 用 AlexNet 碾压里其他参赛者，树立出了当时深度学习（大量数据+可规模化的算法+GPU计算）的范式，成为了后续多年的研发基石。到2015年ResNet出现，实现首次AI在图像分类任务中对人类平均水平的超越。 硅兔赛跑 Amanda 可以说2012年是深度学习的关注度逐渐从AI界向整个科技界蔓延并爆发的起点。 UpHonest Eric 没错。2017年，随着技术的不断成熟，苹果在最新发布的 iPhone X 中推出了 Face ID，达成技术向更大的消费者群体的破圈。在这个周期中类似的破圈还有像 Amazon Echo与Alexa的发布、AlphaGo战胜李世石等。 当然，在业界将一种范式能力推到极限的同时自然也会遇到瓶颈。当时的AI可以在监督学习和迁移学习的模式下解决一些特定的问题。但涉及到需要推理的复杂任务时就捉襟见肘了。当时产业届的一些通用人工智能的助手也被大家戏称为人工智障。 Hinton在2017年末表示，他曾提出的突破性方法应该被放弃，目前神经网络运作的模式不是大脑的工作方式，一切需要重新开始。为了让神经网络能够自行变的智能，即所谓的无监督学习，并不需要将所有的数据都做标注。 回过头来看生成式AI的发展历程： 2017年，Google 在 Attention is all you need 中，将 Transformer 作为特征提取器取代了已经诞生了40年的RNN序列结构。Transformer特有的并行结构使得他可以利用大量的算力和数据进行训练。 硅兔赛跑 Amanda 记得上一波的深度学习也提到了大量「数据+算法+算力」的模式，这里有什么区别吗？ UpHonest Eric 上一波深度学习中提及的大量的数据指的是ImageNet这种大型的标注数据；而Transformer范式下提到的数据，是海量的未标注的互联网数据，这两个数据规模的差距是极大的。而且并行结构下，可以使用的算力规模也不是一个量级的。 2018 - OpenAI发表了GPT，即用Transformer作为特征提取器，使用大量未标注数据进行预训练的生成式通用模型。 基于这个范式，OpenAI在2020年推出了具有1750亿参数的GPT-3。在证明Scale Law的同时，将大型语言模型的从AI界推向了整个科技界。 2022.11.30 - ChatGPT发布，推出仅两个月就月活破亿，成了史上增长最快的消费级应用。 同样的破圈案例：包括Midjourney的生成画作获得艺术比赛金奖（2022.10.18）、Sora生成的视频出圈等等。 参考上一个周期的发展路径，大模型（文字 or 多模态）正在处于将基于 Transformer 的范式推到极限的过程中。我看到了GPT4的性能提升，也会看到GPT5、GPT6、或者其他模态模型的发展，很多上一波AI没能完成任务已经是现在LLM的能力范畴之内。并且，参数、数据、算力的 Scaling 还在继续。Transformer 的极限在哪？能不能达到大家都在追逐的AGI还是未知数。 硅兔赛跑 Amanda 刚才你们都提到了一个词“人工智障”，我想问为什么当时AI做不起来？为什么“深度学习”的Hype在2017戛然而止？为什么这一波AI又行了？ UpHonest Eric 因为在那个时间点，大家都想做的c端的智能应用，但是由于技术的限制，大众接触到了不成熟的产品，反响很差。这就使得资本和市场的关注度快速下降。 举一个，最具备代表性的案例就是 Conversational AI 。2015年开始，大厂小厂创业公司都想做面向C端用户的通用型的智能助理，用 Conversation UI 取代 GUI 成为人机交互的主要入口。有一波热钱涌入了这个赛道，诞生出了不少明星公司。 这是截止2015底的Landscape： Magic是YCW15的公司，Sequoia Capital、SVA、Slow Ventures等投资 Clara Labs是YCS14的公司，Sequoia Capital、SVA、First Round、Greg Brockman等投资 Operator是由Uber CoFounder Garrett Camp 联合创立，Greylock、GGV等投资 包括Apple、Google、FB、Microsoft、Amazon在内的大厂都在2016年各自的发布会上发布了Bot类的产品和开发平台。 但现在看来，当时面向C端的商用智能助理产品，无论是巨头还是创业公司，全部达不到用户预期。FB平台上的Bot失败率高达70%、Microsoft的Chatbot Tay在Twitter上线一天就被迫下架、Operator 的Co-Founder&CTO 也表示，当时Pre-Transformer的模型处于起步阶段，Operator 过早的进入市场找不到PMF。总的来说，底层技术受限是产品不work的最主要原因。 涉及通用型的智能助理，就不得不提及大脑系统1和系统2的理论。这个理论曾经多次被 Yoshua Bengio、Andrej Karpathy 等大佬使用类比智能系统（AI Agent）的工作。 系统1是快思考：无意识、快速、不怎么费脑力、无需推理 系统2是慢思考：需要调动注意力、过程更慢、费脑力、需要推理 当时的智能系统只能完成部分第系统1任务，类似判断出用户对话中的逻辑的推理工作难以完成。比如： 用户让Siri推荐一个餐厅：Siri 会推荐餐厅 用户问Siri除了推荐餐厅还能推荐什么？Siri还是会推荐餐厅 用户让Siri别推荐餐厅。Siri依然会推荐餐厅 当时大部分的产品架构，深度学习相关的语音识别、语义理解只占到整个产品的不到10%，大部分的开发在于对话管理系统，来替代系统2的职能。简单来说就是识别关键词、填表格、再交给后端执行任务。 类似被寄予厚望的还有智能音箱。虽然出货很不错，但是万众期待的killer app并没有出现，智能与智能之间基本没有差异性，大部分高频使用的技能都没有商业价值——用户用的最多的就是“查天气”。 硅兔赛跑 Amanda 苹果用户都应该记得，Siri当时出现有多惊艳，但很快就从惊喜变成了鸡肋，因为没有什么实际的应用场景。你们怎么看这一波类似的智能助手初创呢？ UpHonest Eric 这一波生成式AI的出圈就是ChatGPT，想必大家日常生活中也会或多或少的使用，在YC 23年的两个Batch中我们也看到非常多ChatBot应用，后来相继出现了 Copliot、Agent 的概念，其实他们的产品形态都是挺相似的。 从用户反馈来看，显然ChatGPT是有PMF的。上一波智能系统不能完成的任务，现在很大一部分都可以实现了。核心原因肯定是底层技术的升级： 大模型能力的提升自然不用多说了，呈现出了一定程度的逻辑能力和推理能力。 模型拥有使用工具的能力，API的接入，让应用有了闭环交付任务的能力。 那回答你刚才那个问题，基于现在技术，现在我看到的初创公司主要有几个尝试的方向： 第一个方向是和上一波一样，用新技术再次尝试：面向C端用户的通用型个人助手。 目前看来，现在的技术还是难以去支持一个通用的复杂任务推理框架。正如上一波C端助手做不下去被迫转B端类似。如果将任务局限在一个独特的Vertical里，Agent的表现就会更稳定可靠。 打造一个让Agent拥有理解任务、规划任务、使用工具并拥有记忆的推理框架。 第二个方向是通用的对话系统 + 特殊的Domain：面向垂直细分的AI专家。 这里的 Domian 可以是行业的细分，比如像 法律、医疗、金融 这些数据丰富、单位价值较高的行业，已经出现像 Harvey、Hippocratic 这样的明星公司。 可以是面向 C 端的细分场景，比如 社交、购物、出行、游戏等等。 硅兔赛跑 Amanda 刚才说的是这波AI浪潮下成立的新公司，那些在此之前成立的公司，他们在本身的行业中已经积累了用户、数据和特有的知识。这些基础上再加上大模型带来的赋能，一样也能发展的非常好？ UpHonest Eric 是可以的。比如法律行业的Ironclad、金融行业的AlphaSense，包括 Expedia 的AI出行助手也得到了不错的反响。 硅兔赛跑 Amanda 确实大量的对话式AI被证伪，但如果选准方向、保持足够精炼的团队，也许可以穿越周期。 这让我想到了一家公司——Assembly AI，他们完整的经历了一个AI周期。AI热潮时创业，2017年加入YC，第二年就遇到了AI退潮，面临技术不成熟、以及由此带来的增长瓶颈，直到2022年才真正起飞，收入和用户数量一下子增长了3倍。并且在去年12月完成C轮融资，Accel领投5000万美元，并且Accel从2022年A轮开始连续3轮投资了这个项目。 类似的例子还有不少，这些公司为什么能成功穿越周期？ UpHonest 王子 我觉得Assembly做到了先活下去。 当时很大的问题确实是技术不成熟，比如Assembly的初代模型只用了1万小时语音数据训练，而现在的模型是用1000万小时语音数据训练的。 虽然业务做的比较艰难，但创始人特别确信语音识别有长期的价值，并且长期看市场机会非常大。所以他们的选择是保持非常精简的团队，从2017到2022年，团队只涨到15个人，这样烧钱速度比较慢。 毕竟留在牌桌上，才有机会打出好牌。 另外，我觉得与他们选择的客户群体有一定关系。 巧合的是，Assembly与另一家YC 16年的公司Deepgram都是提供语音识别技术，并且都选择了以API方式服务开发者。Deepgram发展也不错，目前估值超过2.5亿美元。 我们觉得开发者对早期技术公司来说是很不错的用户群体，他们试用新技术的积极性更高，对于不是非常完善的技术的接受度也更高，甚至有技术信仰。 GitHub Copilot 发展很不错，给微软贡献了40%的年收入增长，2023年ARR超过1亿美元。 硅兔赛跑 Amanda 对现在的生成式AI创业者来说，开发者也还是一个好的目标用户群体么？ UpHonest 王子 我觉得是的。 在YC今年的孵化营中，我们看到了好几家AI软件开发公司，比AI生成代码更进一步，直接生成类似Airbnb、Twitter之类的应用，他们的目标用户还是开发者。 不仅如此，还有许多针对开发者的细分AI工具，例如用对话交互取代数据分析师的应用很火，或者在产品中加入聊天机器人的需求旺盛，现在有初创企业分别针对这样具体的场景为软件工程师提供背后的AI infra。 硅兔赛跑 Amanda 了解，所以面对同样的问题，不同的选择会产生不同的结果。我看到一个数据，在YC 06年至21年孵化的400多个AI公司中，大约有10%的初创企业估值超过了1.5亿美元，说明还是有不少初创企业穿越了周期。 我发现在这10%跑出来的项目中，计算机视觉类占比最高，其中还有智能零售解决方案。 但是据我了解，Amazon Go的发展并不如人意，我还记得当时Amazon Go的出现非常惊艳，只需要进入店里，从货架上拿下产品，再离开商店，就已经完成购物了。我们之前的购物体验都是收银员或者自助结算机扫描条形码，那么用算法识别物体替代条形码扫描，在提升收银效率的同时，降低了零售商的人员成本。 可是，我看到Amazon Go在2023年关闭8家门店，做类似业务的各家初创公司也多多少少遇到发展瓶颈。可以展开聊聊么？ UpHonest Eric 类似自动驾驶的智能化分级，智能零售系统也存在智能化分级。 以Amazon Go为代表的Check in、grab and go的模式，类比l5级别的自动驾驶，提供全程无摩擦的购物体验。 类似的初创公司有： Standard AI（s17）、Grabango、Zipin 等。 这个模式的vision就是无人零售的终极形态，难点在于： 首先商超需要全局改造，摄像头覆盖、就近服务器部署就需要很大的前期投入 其次由于早期技术的局限性，货物的识别往往会出现误差，这导致在自动系统的背后往往需要配备一个人工的复核团队 最后，对于商超来说，商品的补货仍然需要人工操作，并不能达到真正的无人零售 因此，无论对于商超还是无人零售解决方案提供商而言，ROI都很难算的过来。正像你提到的 Amazon Go 在去年关了好几家店；在2021年前后无人零售概念火的时候，各家初创公司都融了不少钱，但由于一直是烧钱的模式，到现在多多少少遇到发展瓶颈。 以 Mashgin（YC W15）为代表的Checkout unit 模式，类比L3级别的自动驾驶，是原有自助收银系统的智能化版本。类似的还有Caper（YC W16)，除了智能收银系统以外，它还提供能够自主结账的购物车，在2021年被Instacart（YC S12）以3.5亿美金的估值收购。 区别于AmazonGo的识别模式，Mashgin使用的是静态固定角度物体识别，因此他们的解决方案能将当下的计算机视觉算法发挥到最佳程度。也正因为如此，Mashgin 只需要使用最普通的摄像头就能达到99.9%的准确率。由于成本优势，Mashgin可以让用户感受到直观的ROI，从而吸引更多的客户，包括那些经济较差、基础设施较差的地区的小商户。并且对于终端的消费者来说，购物的流程并没有被改变，不需要下载额外的App、也不需要担心隐私数据的泄露。 总的来说，「伟大的愿景」和「现实的困难」是需要平衡的，尤其是在环境不好、风口不在的时候。这一点其实也印证很多机构对于当下生成式AI应用的观点。大家认为，2024年是生成式AI应用落地的一年；围绕生成式 AI 的炒作将让位于对结果的关注，投资者将开始关注那些通过 GenAI 创造实际收入的的企业。AI Grant甚至预测，在未来的12-18个月内，会出现收入达到100亿美金的AI产品。 硅兔赛跑 Amanda Mashgin的故事让我想到了另外一家公司——Imbue。对于大部分人来说，它在2023年横空出世，估值一下子达到10亿美元，英伟达投资，后续又拿到了亚马逊Alexa Fund的投资，其实Imbue是YC在2017年夏天孵化的公司，当时他们的创业方向是用AI提升招聘效率，公司发展不理想，直到2022年才确定转型方向，确定将AGI作为公司核心愿景，并拿到OpenAI前员工的投资支持，2023年又确定了开发AI Agent产品方向。不知道Imbue早期的投资人有没有猜到这家公司的跳跃式发展。 王子，还有哪些穿越周期的案例能带给我们一些启发？ UpHonest 王子 我觉得还有一个很好的案例是去年被汤森路透6.5亿美元收购的AI法律公司Casetext。 他们帮助律师阅览法律文件、检索资料、修改文书等等。有一个非常有意思的使用场景，也充分体现了他们对于业务需求的了解，律师可以让AI助手阅读案件相关的往来邮件，AI可以标识出其中涉案的风险词汇。 Casetext是一家老公司，2013年成立，10年后被收购，他们做到了其他生成式AI公司很难媲美的一点，在被收购时，他们其实使用大语言模型已经有五六年时间了。 从2018年的BERT模型开始，第一批在2020年使用GPT-3、第一批在2023年使用GPT-4，2023年业务起飞，收入增长了3倍，而且原来花1年都不一定能搞定的大律所，现在1个月就拿下了。 Casetext说明了只要目标感足够强，保持敏锐，且行动力强，就有机会穿越周期。 另外我觉得这个案例反应了现在生成式AI浪潮中一类公司的机会，就是那些深耕垂直行业，有不错业务基础，现在增加生成式AI产品功能的初创企业。 这类公司有一个优势就是他们已经有现成的客户，可以在客户现有的工作流中增加新功能，客户的切换成本低，投资回报ROI可能更加清晰。 我们之前也提到过ROI的重要性，去年，客户可能在兴头上，只关心自己得有生成式AI战略，今年，客户可能会变得更加实际，关注使用的生成式AI产品的ROI。 我们的一个项目FieldGuide就属于这个类型，他们刚官宣拿到Bessemer Venture Partners领投的B轮融资，估值倍数超过一般SaaS标准，被看重的地方就是积累的数据和业务经验。 硅兔赛跑 Amanda 在上一次北美顶尖AI投资机构的投资分享中，我们有提到2024年AI应用的投资回报率ROI可能将在采购决策中变得更加重要。有兴趣的朋友可以回顾。 想问个问题，有哪些容易产生ROI的应用场景？ UpHonest 王子 法律显然是，我们早期投资的Ironclad，从合同管理切入，为不同团队例如销售、采购、HR、法律顾问等提供合同协作管理工具，目前估值大约32亿美元。 还有一个思考维度是从现在大量使用外包团队的业务场景出发寻找机会。 例如，在法律象限下的人身意外伤害律师，他们一部分的工作是准备索赔文件，包括案件摘要、医疗费用（包括误工费）估算等，这部分一般会请外包团队来做。 EvenUp这家公司，它的商业模式就是销售AI生成的索赔文件资料包，定价对标外包团队的收费。 还有在医疗支付环节，因为涉及到保险赔付，美国的医疗机构需要向保险公司提交账单申请，因此雇佣大量的工作人员，保险机构需要审核，又雇佣大量的行政人员。 只是在医院端，找到治疗服务对应的保险代码，医疗编码这一个环节，就有大约3.5万名医疗编码员负责，他们需要阅读医生笔记和化验单等资料来确定诊断和手术的代码，由于编码错误，美国医院每年损失将近200亿美金的收入。 生成式AI其实可以被用来整理非结构化的医生笔记、化验单等，找到正确的代码，通过自动化的方式减少人力，同时提高准确率。 大家可以想象还有那些外包场景。 硅兔赛跑 Amanda 我们已经讨论了两个AI周期的发展以及成功穿越周期的公司对我们现在的启示，回到我们今天想要讨论的话题“2024年会成为2017吗？”之所以会有此疑问，是因为The Verge在2月提出了2024年将是AI的清算之年。在2017的时候，也曾有很多关于AI泡沫即将破灭的观点。考虑到现在市场很热，AI初创公司的估值水涨船高。你们怎么看呢? UpHonest Eric 2024与2017确实有相似之处，但是显然2024只是GenAI的里程碑，并不是由盛转衰的转折点。 首先发展路径类似，都是理论突破 - 技术破圈 - 应用破圈的路径。区别在于，这一波生成式AI无论是人才的密集程度、资金的投入数量、技术的实现程度以及大众的认知度都不是一个量级的存在。 大模型的潜力还远远没有穷尽，Sora的出圈证明了 Scale Law 在其他模态的模型上依然成立。可以预见的是，大型语言模型、多模态模型将持续迭代升级，那么基于这些模型的应用能力也会升级、新的应用场景也会被发掘出来。所以说，如果2017是上一波技术路径发展的天花板的，2024只是达到了一个阶段性的里程碑，上限在哪里还仍未可知。 其次，现在的市场中确实充斥着很多噪音。Assembly AI的创始人也曾提及，目前对于生成式AI公司来说，marketing具有很大的挑战，如何清楚的传达自己在做的事情，让别人理解自己产品的differentiation是很困难的。从23两个batch的YC项目就可以看到会有很多公司卷一个类似的idea，包括之前21、22年的公司也会pivot到类似的方向上。这样的前提下，肯定会有一些公司被淘汰。但同时，那些能给用户带来效率提升的应用会得到验证。GitHub Copilot 付费用户突破100万、EvenUp ARR 5倍增长、Microsoft Copilot预测收入将破百亿美金。种种迹象显示，大浪淘沙后生成式AI的应用中跑出了金子。反观上一波AI，现象级其实成功的案例并不是很多。 最后一点，2024的不同在于生成式AI对于C端的渗透。相比B端，C端应用具有更大相信空间。用ChatUI代替GUI，成为新的人机交互入口，是上一波大厂都想做缺没做成的事。从ChatGPT、Character AI的表现来看，已经有一些成功的迹象了。同时，GenAI 正在向 Prosumer 渗透，这几天出圈的 SunoAI 就是一点典型的例子。 从价值分配格局来看，这次与上次也会有所不同。我们猜想初创企业将在这一波生成式AI浪潮中获取更多价值分配。 在上次的”深度学习”AI浪潮中，新技术创造的增量价值大部分被大厂拿走，比如Meta的广告推荐、抖音的内容推荐等。 我们投资的一位创业者，他在2012年创立的计算机视觉公司被亚马逊收购，他的切身观察是“在上一个技术周期，AI初创的商业模式和退出方式主要是靠卖给大公司，那时大厂没有人才、没有成规模体系的AI架构，大厂借此补上了AI基础设施和团队短板。“ 硅兔赛跑 Amanda 有道理，我们确实也已经看到了很多初创企业赢得更多价值的例子，例如Midjourney vs Adobe，Harvey之于法律，Magic对Github Copilot的挑战。你觉得为什么会有这样的变化？ UpHonest 王子 一方面是生成式AI将创造的价值规模更大，蛋糕更大了。 另一方面是基石模型的出现，从技术层面降低了创业者打造好产品的门槛。 这是上一波AI浪潮中创业者不具备的优势。 由于当时的技术对产品性能的提升有限，没法只靠技术做出10倍好的产品，那现有玩家也许只需要做到新玩家一半好，集成到客户正在使用的产品中就赢了。 此外，当时数据护城河的价值可能要远高于现在。基石模型用广泛的互联网数据作为初始训练集，就像一个读完九年义务教育的学生，创业者可以在这个基础上进行专业培训。而此前可能只有大公司有足够庞大的数据集使模型接受九年义务教育。 所以这次初创企业的起点和竞争能力都会远强于此前的AI初创企业。 UpHonest Eric 确实，直接调用大模型的API开发产品其实非常有利于初创企业，因为可以加速产品开发进程，可以看到现在AI初创出demo和产品的速度是非常快的。 而且在AI这个领域，很多核心的论文都是开源的，越是到技术成熟的阶段，大家能使用到的工具和模型就越趋同的。这个时候比拼的就是行业知识和数据的积累，以及利用这些积累打造出优秀的产品。 硅兔赛跑 Amanda 还有什么补充么？ UpHonest 王子 我们预测2024年收并购肯定会更加活跃、规模更大，更多玩家参与。 在这两次技术浪潮中，苹果都是最活跃的收购方，2023年收购了32家AI初创企业，是之前的近3倍。 现在人才和技术的价格显然更贵。微软支付给大模型公司Inflection AI 6.5亿美元，Inflection的联创和大部分团队（约70人）将加入微软。Databricks 13亿美元收购MosaicML（62人）。 在之前的浪潮中，谷歌收购DeepMind（75人团队）大概花了5亿美元，苹果收购Siri大概花了2亿美元。 此外，初创企业之间的收并购在今年第一季度频繁发生。例如Jasper收购文生图应用，企业开支管理软件Ramp收购AI驱动的采购软件，AI推理芯片Groq收购企业级AI应用等，AI医疗管理公司Syllable收购接诊AI等。 预测2024年巨头持续活跃收购AI初创企业，传统公司关注AI收并购加速AI转型，初创企业之间的收并购更活跃以增强竞争力。整体会更加活跃。 硅兔赛跑 Amanda 我们的结论是「2024不会是新的2017」。那么2024有哪些新东西值得期待？ UpHonest Eric 我觉得 Embodied AI是值得期待和关注的方向。 首先作为链接数字世界和物理世界的大模型，它的想象空间是巨大的。 其次可以看到越来越多的大厂可以投资资源： GTC上Nvidia宣布了开启人形机器人通用基础模型GROOT项目。 再早一些，Figure与OpenAI合作发布的人形机器人演示视频也吸引了一大波关注。 包括Google最早从12-13年收购 Boston Dynamic 开始就一直在机器人领域投入很多。他们开源的RT模型和相关数据对外界模型的开发起了很大的帮助。 最后顶尖的人才也在往这个方向汇聚： Geoffrey Hinton在离开Google后参与了一家机器人初创公司 Lifefei 对标 ImageNet 做机器人版本的数据集 硅兔赛跑 Amanda 那现在Embodied AI处于一个什么阶段呢？ UpHonest Eric 首先，Embodied AI的研究仍然处于非常早期的阶段。 如果把它作为Transformer衍生的角度来看的话，目前主流的像PaLM-E、RT-2目前仍处于GPT-1的水平。 如果把它作为一个全新的领域去攻克的话，那Embodied AI 仅仅处于 ImageNet 出现的阶段。 但，无论怎么去看，高质量的训练数据依然是限制模型发展的重要障碍之一。值得一提的是，Sora 的出现可能会对 Embodied AI的进展起到意想不到的效果。如果 Sora 在训练视频生成能力的同时泛化出模型对于真实物理世界的认识和感知的话，这对于机器人的训练是非常有帮助的。 当然了，虽然 Embodied AI 仍然处于非常早期的阶段，但是我觉得 Embodied AI 的发展进程可能会比大模型发展的周期更快。因为资本和人才已经见证过了大模型这个成功案例。所以支持下一波大机会的资金和人才信心和意愿也会更强，基础设施也会更完备。 硅兔赛跑 Amanda 还有其他值得期待的吗？ UpHonest 王子 数字化渗透率低的传统行业，有可能跳过软件阶段，直接进入AI阶段，类似新兴市场从使用现金直接转向移动支付。 我们投资的为家政服务行业提供AI接线员的公司，数据增长非常快。 这个方向的潜力吸引到一个非常资深的团队进场，它的CEO之前创立了为Siri提供技术的公司，被2亿多美元收购，之后又创立了一家计算机视觉公司，被美国农业机械巨头John Derre收购。 医疗行业值得关注。 美国市值前100的上市软件公司中，只有一家服务医疗行业。 看了今年YC孵化营，我们感觉今年AI+医疗的应用格外多，甚至细化到牙医的AI接诊员，放射科医生、家访护士和住院护士的助手等。 在我们与创业者的交流中，他们认为医疗行业有可能成为美国最先拥抱AI立法的行业，预计会有更多创业者在信号更明确后开始AI+医疗创业。 硅兔赛跑 Amanda 我想到可能还有AI语音，在上次分享中也有提到，美国顶尖AI投资机构共识的方向。Air Street Capital预测今年会有AI生成的歌曲成为 billboard 或 Spotify 热门单曲。 最近刷屏的Suno AI似乎初步印证了这一猜测。 确实在 今年的YC，在文字、图片、视频、音频这四种模态的内容生成中，最爆的是AI语音生成，有近10家初创企业。我们今天讨论了很多干 货，上一个AI周期、这次的AI浪潮，成功或失败案例，以及一个非常有趣的思考，2024会不会是新的2017，谢谢大家的聆听。

凤凰网科技讯（作者/孙云瑞）4月1日，上汽集团发布，3月份新能源汽车销量达 8.5 万辆，同比增长 30%。 据此前消息，上汽集团1-2月份整车批售45.3万辆，零售73.6万辆，同比增长10.8%，新能源车零售15.5万辆，同比增长56.5%；海外市场零售16.5万辆，同比增长18.8%；自主品牌在集团整体销量中的占比超过55%。 3月29日，上汽发布2023年年度报告显示，公司全年总收入7447亿元。

在全球半导体市场，IDM的发展势头和行业影响力似乎越来越弱，而晶圆代工业务模式的行业地位却在持续提升。从行业龙头厂商的发展现状，也可以看出这种发展态势，眼下，市值最高的两大半导体企业，一个是英伟达，市值已经超过2万亿美元，火爆异常，另一个是台积电，在2022和2023年，英伟达股价暴涨之前，台积电的市值是半导体企业里最高的，一度超过7000亿美元，后来有所下滑，但现在又恢复到7000亿美元以上。 英伟达和台积电是晶圆代工业务模式下的典型企业，一个设计，一个生产，而且都聚焦先进制程工艺，珠联璧合，成为当下半导体行业最抢眼的存在。 相比之下，老牌的IDM企业，并稳定在各自领域内排名前三的企业，有两大代表，一个是英特尔，一个是德州仪器（TI），一个做数字逻辑芯片，一个做模拟芯片，这两家都是各自领域的龙头。但它们最近今几年的日子似乎都不太好过，特别是德州仪器，无论是市值，还是营收、利润，或是业务拓展能力，与早些年相比都在下滑，而且裁员不断。 晶圆代工正在全面打压IDM。也正是因为如此，在全球晶圆代工厂商中综合实力最强的三家：台积电，三星，英特尔，其中的两家——三星和英特尔——都从IDM进入了晶圆代工业，且投入力度越来越大。 01 发展策略各有不同 对于台积电、英特尔和三星这三大厂商来说，原来采取的晶圆代工策略各有不同，但近两年越来越趋同，那就是把越来越多的资源投入到最先进制程工艺技术上。 台积电的基调一直没变，持之以恒地将晶圆代工业务做到极致，特别是在先进制程方面，是台积电投入的重点，每年都会有大量资金砸进去，而发展到10nm的时候，台积电相对于行业竞争对手（主要是三星）的优势越来越明显，在7nm和5nm制程芯片量产方面，台积电形成了对竞争者的碾压态势，并将这种优势延续到了3nm。 三星方面，在20nm及以上制程时代，与台积电之间的差距没有现在这么大，而到了14nm（台积电称为16nm），三星凭借在制程工艺方面的突破，在这一节点处压了台积电一头，但是，这种优势并没有持续太久，台积电很快就赶了上来，并在10nm以下制程领域使三星越来越难受。为了追赶台积电，三星电子于2017年决定分拆晶圆代工业务部门，以寻求更多客户，特别是行业大客户的信赖，但从结果来看，这样的分拆并不算成功，或者说，对于三星这样在韩国处于巨无霸地位的企业来说，要想完全将晶圆代工业务分拆出来，难度太大。 英特尔方面，在上一位CEO的规划里，晶圆代工业务几乎被无视掉了，而是将主要精力和资源投入到了核心产品CPU，以及各种新型处理器产品（如手机处理器和AI处理器），但从实际结果来看，都不理想，在CPU方面，AMD在过去5年里，凭借架构和设计创新，以及合作伙伴台积电的制程优势，快速逆袭，抢夺了大量原本属于英特尔的CPU市场份额。与此同时，GPU在AI领域的重要性不断凸显出来，而台积电的制程工艺优势依然发挥着关键作用，相反，在那段时期，英特尔并没有重视GPU市场，错过了最佳的发展机遇期，这也导致该公司在最近几年大力投入GPU研发时，总是有种事倍功半的效果。 在新任CEO的带领下，英特尔大幅调整了发展策略，将晶圆代工业务放在了头等重要的位置，几乎是要All in式的投入，从近两年以及未来的发展来看，英特尔的这个决策还是值得期待的，虽然时间稍晚了一些，但并没有错过，发展结果如何，估计5年后可以见分晓。 02 行业地位此消彼长 总的发展策略会导致相应的结果，这在台积电、英特尔和三星晶圆代工业务上有明显体现，特别是行业排名，最为明显。 就近两年的排名来看，这三强的变化很明显，台积电市占率已经提升到60%，三星下滑明显，英特尔在十强榜单中进进出出。 前些天，TrendForce发布了2023年第四季度全球十大晶圆代工厂营收排名榜单，如下图所示。 可以看出，台积电的市占率已经提升到了61.2%，环比上升，而三星的市占率为11.3%，环比下降。英特尔方面，该公司的代工业务IFS（Intel Foundry Service）在2023年第三季度历史首次出现在该榜单中，当时排名第九位。而在第四季度榜单中，英特尔被挤出了前十。 2022年第四季度，排名情况基本不变。市占率方面，台积电为58.5%，三星的市占率为15.8%，那时，英特尔还没有出现在榜单中。 2021年第四季度，在榜单中，台积电的市占率为52.1%，三星为18.3%，那时，英特尔也不可能出现在榜单中，因为该公司是在2021年正式推出IFS服务的，一切才刚刚开始。 综合以上3年内的市占率来看，台积电年年稳步提升，而三星则正相反。英特尔经过两年的筹备和发展，在2023年第三季度首次出现在该榜单中，但在第四季度又消失了。这些，从一个侧面体现出这三家厂商晶圆代工业务发展策略所产生的结果，即台积电从一开始就走纯代工模式，最大化地获得客户信任，同时将先进制程发展到行业极致水平，才能将市占率稳步提升，三星则介于IDM和纯代工模式之间，且在先进制程方面未能发展出行业顶尖水平，此消彼长，市占率在下滑。英特尔在榜单上的呈现与消失，则体现出其在业务发展初期的不稳定性。 03 工艺技术比拼 行业市占率的变化，在很大程度上取决于制程工艺技术水平的高低。无论是过去还是现在，台积电的综合实力是最强的，特别是在晶体管密度和能效方面，技术积累的优势短时间内难以被超越。不过，最近几年，英特尔追赶的脚步很快，在解决了困扰多年的10nm制程工艺（在未攻克该节点之前，英特尔在14nm制程上徘徊了近5年时间）以后，该公司的制程节点演进速度明显提升，正在拉近与台积电的距离。在这种情况下，三星压力越来越大，因为前有（台积电）堵截，后有（英特尔）追兵，未来，三星的晶圆代工业务日子恐怕不好过。 最近，TechInsights发布了一份台积电、英特尔、三星制程技术对比报告，主要关注先进制程的晶体管密度、运算效能和能耗效率。 晶体管密度方面，台积电3nm（N3）制程及其强化版N3E，晶体管密度达到283MTx/mm²（每平方毫米百万晶体管数）和273MTx/mm²，都高于Intel 18A的195MTx/mm²。Intel 18A采用背面供电技术（Backside power），对降低能耗有一定帮助，但英特尔没有公布能耗数据。总体来看，Intel 18A大幅超越台积电3nm性能还是不太可能。 三星领先台积电跨入GAA架构Nanosheet制程，力图弯道超车，不过，比较晶体管密度、性能、能耗后，同年内，三星的制程工艺都落后于台积电，台积电晶体管密度约是三星的1.5倍以上，;先进制程客户数量方面，台积电也远超三星。 还有一点很重要，那就是良率，它直接影响生产成本和客户认可度。 自从进入5nm制程时代以来，良率一直是三星晶圆代工业务所面对的最大问题，特别是在3nm制程节点上，三星率先引入了全新的GAA架构晶体管，与以往使用的FinFET晶体管有较大区别，也使良率问题进一步放大。 据Notebookcheck报道，目前，三星的3nm工艺良率在50%附近徘徊，依然有一些问题需要解决。三星2023年曾表示，其3nm工艺量产后的良率已达到60%以上，不过，现在看来，当时过于乐观了。 今年2月，据韩媒报道，三星新版3nm工艺存在重大问题，试产芯片均存在缺陷，良率为0%。报道指出，采用3nm工艺的Exynos 2500芯片因缺陷未能通过质量测试，导致后续 Galaxy Watch 7的芯片组也无法量产。报道指出，由于Exynos 2500芯片试产失败，三星推迟了大规模生产，目前，尚不清楚是否能够及时解决良率问题。 为了追赶台积电，三星的3nm制程工艺采取了比较激进的策略，主要体现在GAA晶体管架构上，台积电的3nm依然采用FinFET。2nm才会转向GAA晶体管，激进的结果就是要在良率方面付出一些代价。 当年，英特尔的10nm一直难产，最大的障碍就是多年未解决的良率问题，致使14nm制程被一改再改，才能维持其CPU的更新换代。后来，经过5年左右的攻关，终于解决了10nm制程良率问题，那之后，英特尔的制程工艺发展就显得顺利多了，眼下，Intel 4量产准备就绪，Intel 3也快了。 04 制造成本深不见底 International Business Strategies（IBS）的分析师认为，与3nm处理器相比，2nm芯片成本将增长约50%。 IBS估计，一个产能约为每月50000片晶圆（WSPM）的2nm产线的成本约为280亿美元，而具有类似产能的3nm产线的成本约为200亿美元。增加的成本，很大一部分来自于EUV光刻设备数量的增加，这将大大增加每片晶圆和每个芯片的生产成本，而能够接受如此高成本芯片的厂商，只有苹果、AMD、英伟达和高通等少数几家。 IBS估计，2025~2026年，使用台积电N2工艺加工单个12英寸晶圆将花费苹果约30000美元，而基于N3工艺的晶圆成本约为20000美元。 预计三星、英特尔和AMD等公司将在未来几年加速采用由不同制程节点制造的小芯片（Chiplet）组设计，以降低成本。同时，智能手机处理器可能会在一段时间内保留单片设计，因为先进封装的成本也很高。 相对于三星和英特尔，台积电的客户规模优势，可以将成本控制在一定水平内。 2023年，苹果公司占台积电收入的25%，为其贡献了175.2亿美元营收，英伟达为台积电贡献了77.3亿美元，占其2023年营收的11%。 2023年，台积电的前10大客户占其收入的91%，高于2022年的82%，这些公司包括联发科、AMD、高通、博通、索尼和Marvell。 随着对AI处理器需求的增加，英伟达在台积电收入中的份额可能会在2024年增加，该公司已经预订了台积电晶圆代工和CoWoS封装产能，以确保其用于AI的优质处理器的稳定供应。今年，AMD在台积电总营收中的份额有望超过10%。 有这些大客户下单，台积电就有资本大规模投资最先进制程，否则，像3nm和2nm这样烧钱的制程产线，是很难持续支撑下去的。 相对于台积电，三星的良率和出货量是问题，而对于初来乍到的英特尔来说，另辟蹊径是一个好的选择，短期内尽量避免与台积电的最先进制程正面交锋，还是要找一些技术和应用突破点，争取稳定住产能、良率和客户。在过去的一年里，英特尔已经在做类似的事情了，如扶持RISC-V的发展，与联电合作开发制程工艺等。 05 结语 在2023年12月举行的IEEE国际电子元件峰会（IEDM）上，台积电表示，将在2nm后推出1.4nm制程，预计在2027~2028年量产，按照计划，其2nm将在2025年量产。 三星紧追台积电，对外宣布计划2027年推出1.4nm。 英特尔CEO基辛格则表示，该公司将在今后4年内推出5个制程节点，目前进展一切如预期。目前，Intel 7已进入量产阶段，Intel 4现已量产准备就绪，Intel 3也会按计划于今年底推出，Intel 20A已经试产，很可能用于生产2025年推出的Arrow Lake处理器，Intel 18A将在2025下半年量产。 从这三家的先进制程发展情况来看，决胜战很可能出现在1nm~2nm制程节点上，那时，成本、晶体管效能和功率效率方面，台积电的优势恐怕会弱于现在，三星和英特尔会有更多机会。

在最近结束的 AWE 2024（中国家电及消费电子博览会）上，我们在几天的参观和体验后发现，家电正在被重新定义，一场关于智能家居的技术更新正在进行。 AI 的浪潮已经席卷到家电行业，海信将 AI 大模型塞进了电视提升画质等体验，老板电器发布首个烹饪大模型，三星则直接给出「AI for All」的未来家居模样。 ▲ 联盟成员三星 SmartThings 在包括电视、显示器等在内的家电产品中植入三星智能网关功能，构建智能互补的家庭互联网络. 我们看到，越来越多品牌在强调一款智能产品在家居场景和不同设备的交互体验。这在华为的全场景互联体验区尤为明显，智能家居的无缝切换与协同体验本身的价值要比单个设备的累加都要大得多。 全屋智能不仅仅是技术的堆砌，更是对家的深刻理解。这需要各个设备之间的深度整合和协作，而非单个设备的独立工作。 爱范儿也在上海专访了连接标准联盟（Connectivity Standards Alliance，下文简称「联盟」）的总裁兼 CEO Tobin Richardson ，Tobin 与我们分享了对智能家居市场变化最新的洞察。 ▲ Tobin Richardson. 早在 2022 年 10 月，联盟就发布了全新的 Matter 标准，他们将亚马逊、苹果、Google 和华为、OPPO、vivo 等大厂联合在一起，让用户能用这些不同品牌的产品搭载自己的智能家居。 两年前，爱范儿也曾采访过 Tobin ，他曾告诉我们：「智能家居的发展可以分为两个阶段，第一个阶段是将所有的设备都联网，我们现在已经经历过这个阶段」，而下一步，「应该是要打通障碍，将所有的智能家居设备连接起来。」 而在 2024 年，智能家居的「大一统」目标还有多远？AIGC 的出现，又会给这个行业和用户带来什么影响呢？ 让科技巨头「联手」的智能家居标准，在中国怎么样？ 仔细观察今年的 AWE 上展出的产品，你会发现支持 Matter 这个标准的产品越来越多。目前中国已经是 Matter 生态中重要的组成部分， Matter 3000 多个认证产品和软件组件中，60% 以上都是来自中国。 比如去年绿米 Aqara 官宣网关 M2 正式支持 Matter 协议标准，用户可以将设备同时接入 Apple Home、Google Home、Amazon Alexa、Aqara Home 等平台，同时在不同生态平台之间无缝协作。 手机厂商中 OPPO、 vivo、荣耀、魅族 等主流品牌开始支持 Matter 协议标准。 博世、西门子的洗衣机和家电都宣布今年将拥有数百万台经过 Matter 认证的设备。 Tobin 认为中国市场的消费需求变化更快，因此 Matter 也需要以更快的行动来适应这样的节奏，甚至专门成立了一个中国成员小组。 我们有一个中国成员小组，将专注于中国市场的要求。我们将做两件事：首先如果市场有特定的需求需要纳入标准，我们将努力确保这些需求被纳入标准，无论是中国、欧洲还是北美。然后，我们还将在不同地区的市场进行推广、支持和教育。 但要在中国市场推动不同利益、不同背景、不同体量的品牌使用同一个第三方标准，显然不是一件容易的事。这不仅涉及到各个品牌的利益平衡，以及相互竞争的关系。 对此 Tobin 表示，Matter 更喜欢将自己视为一个统一者，而非竞争者，同时也不排斥其他协议组织。 我们与几个其他协议组织进行合作，这些组织中的元素对于形成统一标准非常重要。如 W-iFi 联盟、Thread Group 和其他开放网络协议，Matter 与它们配合得很好。事实上，它依赖于这些标准才能良好运行。 AI 会让智能家居更好用吗？ AI 大模型无疑是当下科技圈最热的话题，但与之形成鲜明对比的是，消费者在实际生活中的体验和感知还不强。多家厂商推出 AI 手机后，也陷入了关于 AI 手机是不是噱头的争议，这些问题在智能家居上也不会避免。 AI 进入智能家居市场到底能不能提升体验？Tobin 跟我们分享了他的看法，他认为智能家居会经历几个不同阶段，先是让一切变得智能，然后是一切实现连接，接着是所有事物用同一种语言交流，最后就是 AI。 技术并不遵循线性发展的路径，所有这一切几乎同时发生。我们现在正在见证这一切。 Tobin 认为在未来的家庭中，AI 可以发挥很大的作用。尤其是我之前提到的环境感知功能，它在后台静默运行。你只需告诉 AI 或设定一些在你不知情时运行的规则，它就能帮助你执行任务。 在这样的明日家居中，各种设备的统一变得更重要，大量不同设备的 AI 的应用需要一套共通的「语言」，才能更好地理解用户意图并主动提供服务。而连接协议，就是智能家居不同设备沟通的语言。 Tobin 提出一个对大模型进化的关键点——数据。 因为如果你有 2 0 种不同的协议，那么你的数据就会很糟糕，这些数据的描述方式会有所不同。Matter 的一个重要部分是它提供了不同设备之间的通用数据元素，这意味着大型语言模型 AI 将从中受益，通过使用这些设备，AI 的理解能力将得到提高。 我们都赞同智能互联互通是影响智能家居体验重要因素，而到了 AIGC 时代，连接协议的统一则直接决定智能家居到底是食之无味的鸡肋，还是让体验跃升的关键。 智能家居「大一统」的还有多远 在中国市场，消费者对智能家居的接受度越来越高。小红书抖音出现了大量火爆的智能家居教程，根据中国智能家居产业联盟的数据，2023 年我国智能家居设备市场出货量将达到 3.3 亿台。 但在实际使用体验中，各种智能家居设备的割裂也在随着规模而扩大。不同协议的标准、设备的兼容性，以及部分厂商出于安全性将数据私有化，都是横亘在用户面前不小的门槛。 虽然 Matter 已经在中国取得了一些成果，但依然要面临不小挑战。比如厂商们不同的产品节奏导致接入 Matter 时间的差异。以及一些中小厂商顾虑的标准协议认证成本，尽管 Matter 认证的费用已经比其他许多协议要低。 Tobin 告诉我们， Matter 也正在研究如何降低进入成本，同时也要与其他组织进行沟通，看看如何使一家公司更容易地参与进来。 技术的快速变迁，要求必须跳出传统家电的思维框架，从一个全新的视角审视我们与家的关系，去挖掘人与居住环境之间的互动，探索如何通过智能化手段增强这种互动的自然性和舒适度。 想象一下，在这样的家中，每一天醒来，你的居住环境已经根据你的日程和习惯，调整到最适宜的状态。晚上回家，家中的氛围灯光、音乐、温度都已经调节到最舒适的状态，等待你的到来。这些都不需要你发出命令，一切都是自然发生的，因为你的智能家居已经懂得了你的习惯和偏好。 这种转变，正如计算机科学家马克·韦泽所提出的普适计算概念，技术将无处不在而又无形存在，如细腻的纤维般渗透至日常的每一处，让智能家居的存在变得如影随形，甚至不让人察觉。