快科技6月8日消息，据报道，当下，国内科技大厂的AI人才争夺进入白热化阶段。 阿里、腾讯、字节跳动等企业全力争抢智能体（Agent）开发相关人才，招聘预算基本不设上限，顶尖AI岗位薪酬水涨船高。 数据显示，2026年1至4月，AI科学家及负责人岗位平均月薪突破13万元，高薪之下，拥有丰富经验的35岁以上从业者成为行业争抢的热门人选。 这场人才大战早已不再局限于资深技术专家，而是蔓延至应届生、在读学生乃至实习生群体。 如今顶尖院校的AI相关毕业生入职大厂，年薪总包可达数百万元，就连博士生收到的八十万年薪offer，在业内都被调侃为“白菜价”。 为抢占人才先机，各大企业纷纷推出全球校招、专项实习计划，招聘通道常年开放，试图从源头锁定优质人才。 随着竞争深入，不少深耕硬核技术的“隐形大厂”也加入战局，进一步推高人才需求。 这类企业聚焦芯片、智能驾驶、具身智能等领域，同样开出丰厚薪资招揽AI应用人才。 与此同时，行业对AI人才的需求重心发生转变，今年成为AI智能体落地的关键一年，擅长将AI技术结合业务落地的应用开发人才，取代底层模型研发人才，成为市场核心争夺对象。 业内人士分析，目前AI仅会对程序员等少数工种形成替代压力，多数岗位暂时无需担忧。 此外，AI正在催生“超级个体”，跨岗位综合能力变得愈发重要，而AI人才供不应求的现状，预计还将持续三年以上。

凤凰网科技讯 6月8日，协作平台Notion今日宣布，此前因服务中断而被禁用的Anthropic旗下AI大模型已全面恢复访问。 本周日早间，因Opus 4.7和4.8模型出现性能下降及高错误率，Notion暂时在Notion AI自动化工具中下线了所有Anthropic模型。 针对此次服务异常引发的讨论，Notion产品负责人Max Schoening出面澄清，指出该事件为临时性服务中断，并非外界传言的模型质量问题。他强调，此类基础设施故障在科技行业属于常规现象。理想情况下不希望披露上游服务商的具体问题，但模型服务中有时无法避免。 Anthropic发言人随后证实了该情况。声明指出，此次波动是由短暂的基础设施故障引发，导致多个Claude模型在短时间内出现较高错误率。目前，所有相关技术问题均已得到彻底解决。(作者/于雷) 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”。

AI，已经成为国内互联网小公司的最大软肋。 过去一个月，国内互联网公司相继公布第一季度财报。大公司财报“言必称AI”，小公司的AI浓度却依然不算太高。 以知乎为例，它的最新业绩还不错——营收环比增长至6.5亿元；Non-GAAP净利润达1716万元，环比扭亏为盈，颇有触底反弹的迹象。 同时，知乎再度调整口径，将收入来源划分为付费内容及IP运营、营销服务和其他收入。但它并未单列AI相关数据。 其他小公司的财报，也呈现类似的“AI欠奉”面貌。 爱奇艺作为老牌长视频网站，上季度营收达62.3亿元。但它依然是靠会员费打天下，会员服务收入占总收入近七成。广告收入贡献近20%营收。两者合计带来九成收入，AI相关收入则未被单独披露。 体量更小的公司里，微博继续高度依赖广告，29亿元营收，广告贡献了超25个亿。手握陌陌、探探两大约会App的挚文集团，上季度营收接近24亿元，几乎全是增值服务收入，主要是会员费和直播打赏。 两大游戏直播平台虎牙和斗鱼合并失败后，还是守着老本行，一边靠直播打赏撑起基本盘，一边发展游戏、广告等业务，赚钱方式和收入模型已经多年不曾改变。 看过这些财报，再和小公司聊AI收入，多少有些不礼貌了。 但AI是时代命题，科技公司无论体量大小，都必须直面AI浪潮的冲击，并从App时代迁徙到AI时代。 在这一命题面前，幸福的公司都是相似的，而不幸的公司各有各的不幸。 食物链顶端的巨头是最幸福的：在无可匹敌的资金、资源和人才的支撑下，他们纷纷高调入局、大干快上，甚至喊出“All in AI”，动辄挥洒千百亿资金，目标是抢占AI时代的战略高地，延续移动互联网时代的优势地位。 中型公司砸不起钱、拼不过大公司，但也能够精打细算、小步快跑，专攻细分领域的AI模型和应用，还可以把流量卖给巨头，帮助后者推广AI产品，提前分到AI红利。 小公司却活得很挣扎。缺钱是普遍问题。除此之外，缺用户、缺场景、缺产品、缺技术、缺人才、缺算力……散布于各个赛道的小公司，几乎把“不适合做AI的一百个理由”都踩了一遍。 他们并非看不到AI的潜力。知乎、爱奇艺等公司很早布局AI，行动力和决心不亚于新BAT。但在资金、技术、产品、用户量等全方位劣势下，他们逐渐被大部队甩开，距离领跑集团越来越远，从未真正坐上AI主牌桌。 小公司在AI时代被集体边缘化，并不是危言耸听，而是正在发生的事实。 在App主导的移动互联网时代，小公司尚可以“小而美”，只做细分人群、细分场景。但Agent主导的AI时代正在到来，巨头主导的超级入口正在形成。玩不起AI的小厂，正在被呼啸而至的AI时代抛在原地。 当AI时代拉开序幕时，小公司，或者说“小厂”，很快就看到了新技术浪潮的巨大价值，并拉开架势，试图大干一场。 这一阶段的小厂AI，气势足、跑得快、跟得紧。 ChatGPT在2022年底席卷全球，四个月后，知乎就上线了与AI公司面壁智能合作研发的“知海图AI”大模型，还推出AI搜索功能，一年后升级为“知乎直答”。2025年初，DeepSeek R1模型爆火，知乎直答第一时间宣布接入。 知乎做AI，在数据方面有一定优势：海量答主和用户沉淀了大量结构化、图文并茂的优质内容，既可以训练大模型，又能在推理环节作为溯源依据，从而尽可能减少AI幻觉。 至于算法和算力，知乎投资了面壁智能，曲线解决问题。这样一来，AI大模型三要素都稳稳在握。 但随后三年多，知乎AI板块并未真正开花结果。被寄予厚望的知海图和知乎直答，在热度散去后归于沉寂；财务上，知乎营收2023年增长16%，但2024、2025年连续下跌，直到今年第一季度才有所好转。 知乎三年前对于AI的野望，基本停留在了纸面上。这不是个例——其他小厂的AI，同样走过了从喧嚣到平淡的曲线。 2023年夏天，爱奇艺成立“AIGC内容科技创新中心”，整合资源上线了大批内部AI应用，比如“剧本工坊”“影像工坊”等。第二年，爱奇艺自研“奇智”大模型完成备案。2025年4月，又上线了面向外部用户的“桃豆”AI助手，功能包括搜片推荐、开播提醒、内容畅聊等。 微博在2023年7月推出AI评论机器人，年底更名为“评论罗伯特”。一年后，微博自研“知微”大模型通过备案，AI搜索产品“微博智搜”上线。今年初，微博又上线“龙虾助手”，追赶OpenClaw的热潮。 挚文2023年之后推出AI陪伴、AGI社区、虚拟社交等多款AI应用，还把大模型用于内容管控、用户风控等环节。虎牙、斗鱼除了训练垂直大模型，还把AI用于直播、电竞的各个场景，并推出了一些游戏相关的Agent。 客观地说，这些动作起到了一定效果。尤其是在内部提效上，AI技术在不同生产力场景的广泛落地，让知乎、爱奇艺们受益匪浅。 但同样无法否认的是，无论是模型性能、App用户量，还是技术、工程方面的突破创新，小厂的AI成果都无法与大公司相提并论。 直观表现之一是，小厂自研模型几乎从不“打榜”，AI产品也从未在AI App的投流大战现身。原因很简单：前者打不过，后者没钱打。 AI时代，用户永远追逐最先进的模型、最强大的App。无法端上“硬菜”的小公司，即便早早就下场搞研发、做产品，也无法赢得用户和市场的青睐。 AI产品被局限在自家的一亩三分地，意味着小厂无法拿到漂亮的增长数据，商业前景愈发渺茫，进而促使管理层改变竞争策略。 在AI行业竞争中，小厂早早放弃了通用大模型的竞逐，AGI更是不敢想；以Chatbot为核心的AI App也不在他们的射程之内。那些看似与主营业务高度适配的AI功能和应用，也在前期的高调之后，很快归于沉寂。 越往后，小厂的AI之路越走越窄，甚至不再走寻常路。 知乎在最新财报中披露，正在加快建设数据平台与数据开放平台，通过MCP、Skills、API等方式，向行业规模化提供真实、可信、专业的数据服务。换句话说，知乎有可能把数据卖给第三方直接变现，而非继续作为自家AI大模型的“燃料”。 爱奇艺则在4月底公布了“纳逗Pro艺人库”，帮助艺人对接AI项目，却被外界误读为真人演员将被AI替代，惹出一场舆论风波。虎牙在去年ChinaJoy上公布一款桌面级机器人，可以在大模型驱动下，提供游戏指导、陪练等服务。 无论业务、财务，还是技术、产品，现阶段的小厂AI都缺乏可观之处。与三年前相比，小厂多了一些AI功能和产品，却也渐渐失去了争夺时代“杆位”的雄心壮志。 面对AI这道时代考题，大厂、中厂都提供了参考答案，小厂却很难“复刻”。 大厂做AI，前提是舍得砸钱。现阶段，国内AI一线玩家的投入规模，已经飙升到至少每年2000亿元。 腾讯去年资本开支为792亿元，今年第一季度就花掉319亿，相当于去年全年的40%。阿里公布了3800亿的AI基建投入计划，吴泳铭还表示未来五年将远超这一数字。字节先是投入1600亿，后来是2000亿，最新传言则高达5000亿元。 砸钱背后，是留在AI第一阵营的“门票”越来越昂贵：基础模型训练规模越来越大，面向多模态和Agent的推理消耗越来越高，AI产品功能越来越复杂、矩阵越来越庞大，再加上水涨船高的获客成本，都需要企业不断填入真金白银。 在此情况下，新BAT仍然选择“无脑跟牌”，就算暂时看不到盈利希望，也要猛砸出一条通往胜利的路。 巨头有本钱这样做。他们能够从主营业务中持续获得现金流，而资本市场的下注，也让他们能够以相对便宜的价格，以各种方式拿到外部资金。OpenAI和Anthropic即将启动万亿级IPO，更彻底激发了市场的狂热情绪。 AI越往后走，钱越重要。强如DeepSeek，都无法对抗这一趋势。 2025年初，DeepSeek尚可凭借技术和工程创新，完成一场不可思议的逆袭；但到了2026年，它在发布V4版大模型后不久，就放弃了“三不”原则，开始寻求各路资本的支持。 相比之下，小厂每年只有几十亿人民币的收入，倘若像大厂那样砸钱做AI，只够“烧”一两天。而跌跌不休的股价，也让他们的融资能力极为有限。 AI的基干部分——大模型、AI App、AI编程工具、各类Agent框架等，注定是资金充沛的巨头的游戏。 中厂的路，小厂同样走不通。 中厂的钱不如大厂多，无法支撑起一整条AI业务线，但可以集中资源瞄准某一细分场景，做垂直AI；或者直接卖流量，帮助大厂的AI App拉新。 快手是前一种策略的代表。它在通用模型方面建树不多，却孵化了可灵，跻身AI视频生成的第一阵营。不久前，可灵启动分拆，估值据传高达180亿美元。 B站则采取后一种策略。近几个季度，B站业绩好转，盈利能力显著增强，主要靠广告，其中又以AI广告增长最快。新BAT和“AI六小龙”的密集投流，让B站吃了一波AI红利。 上述两种策略，折射出中厂做AI的“举市体制”：他们不会像大厂那样，基本不考虑投入产出比；而是从一开始就希望以市场化的手段，化解AI带来的资金压力，验证AI商业逻辑、尽早构建可持续的生态闭环。 对于小厂来说，中厂的“举市体制”更容易模仿，尤其是卖流量。毕竟，巨头再强大，也需要拿出一部分AI预算，从外部获取流量。 不少小厂也是这样做的。那些重视广告业务的平台，比如知乎、微博等，都会把AI相关内容作为重点包装对象，并在财报中强调AI内容的商业回报。 只不过，小厂的流量规模有限，难以构建一套高活跃度、高转化率的AI内容生态。只靠卖广告给大厂AI业务，无法彻底解决问题。同时，他们对于垂直AI产品的探索，早在一两年前就逐渐走到死胡同。 学不了大厂、中厂，小厂做AI，还没找到参考答案。 在业务形态上，他们试图向更强大的公司看齐，比如卖流量、发展垂直AI产品，甚至训练自己的大模型、推出独立AI App等。 但这些尝试仅限于产品和业务的“形似”，只触达了皮毛；大厂、中厂为之配套的AI基础设施和尖端人才，为之调配的内外资源、资金，才是最后成功“上菜”的关键，而这是小厂无从学起的真正壁垒。 一个更残酷的问题是：AI时代，到底有没有小厂的位置？ 如前所述，小厂的普遍问题是没钱。但更大问题或许是：AI时代的进化速度太快了，小厂根本追不上。 2023年起，小厂在AI赛道的位置不断后移。 他们一开始想抓住基础模型，但随着模型参数量从几十亿、几百亿飙升至万亿级，在高昂的成本面前，小厂很快败下阵来。 随后，小厂又试图抓住AI搜索、AI情感陪伴等热门应用，也没有成功。一个重要原因是，大厂也盯上了这些热门赛道，且投入更大、决心更强。 在这一阶段，大厂、中厂和小厂的AI动作大同小异，小厂起码在名义上占据了AI赛道的一席之地。但百舸争流的起步阶段，很快就过去了。 2024年之后，大厂AI和小厂AI已经完全是两码事。 大厂不仅能够面向AI全栈做研发、做产品，而且迭代速度极快；还能时不时发一发论文，搞出技术范式和工程实现的创新。甚至连耗资巨大的AI芯片，大厂都在积极布局。 相比之下，小厂自研的通用模型停滞不前，要么转向专用模型，要么依靠开源模型，针对主营业务开发定制化的AI功能。他们对于AI应用的探索，也远不如昔日积极。 在AI行业的飞速演进中，小厂始终没有找到自己的切入点。 AI大模型时代起步于chatbot，如今演进到Agent主导。以前是AI App激战，现在拼的是Agent框架，以及工具层的Codex、Claude Code、Trae、扣子等，AI硬件也在逐渐风起云涌。 在这一过程中，大厂纷纷找到了自己的价值站位。 OpenAI证明chatbot作为AI大模型“敲门砖”的作用；Anthropic抓住AI编程这一关键的生产力场景；DeepSeek创新工程范式，实现极致性价比；字节则以海量数据和极致产品力，赢下国内市场的AI App大战；千问则揭示了AI+电商的潜力。 同一时期，小厂积极参赛、动作不少，却没能抓住其中任何一个机会。相比缺钱，这或许才是小厂AI处境尴尬的根本原因。 更大的挑战还在后面：AI正在重塑超级入口。 在移动互联网时代，手机和应用商店分发App，却不可能自己做所有App、提供所有产品和服务；这给小厂留下了大量机会。小厂的高光时刻，都发生在移动互联网的巅峰期。 但在AI时代，AI巨头既是流量分发者，又是服务提供者，甚至还是需求制造者，可以实现史无前例的赢家通吃。依赖外部流量和细分场景的小厂，生存空间将被大大压缩。 这种影响已经显现：越来越多的人习惯于在豆包问问题、查资料，甚至听音乐、刷视频。这些具体而高频的需求，原本被小公司所满足，如今却被AI以“不讲道理”的方式，持续吸走用户。 大厂已经在以一种略显激进的方式，展示AI超级入口的未来。 在国内，字节推出了豆包手机，从系统层面接管用户需求；微信也在与手机厂商合作，计划将自身Agent化。在国外，OpenAI在研发Agent手机，微软则打造了面向Agent的Project Solara平台。 这些雄心勃勃，甚至带有科幻感的计划背后，都看不到小厂的存在必要——当用户只需要动动嘴，就能完成绝大多数任务时，为什么还要安装和打开一个细分App？ 属于小公司的AI时代，之前不存在，以后也很可能不会到来。 AI时代，大厂中厂策马奔腾，小厂却被困在原地，甚至有可能成为第一批牺牲品。要想突围，绝非只靠在财务和经营上“点缀”AI就可以，而是需要一场更彻底、更有勇气和智慧的变革。

智东西 作者 | 江宇 编辑 | 心缘 智东西6月8日消息，据央视《新闻联播》报道，6月6日，全球首个预制算力中心底座在山东青岛正式启用。 该项目由“创业板第一股”、电力龙头特锐德打造，命名为“算电岛”。作为算力中心的能源枢纽，其作用相当于整个数据中心的“心脏”，负责为大规模AI训练和推理任务持续提供稳定电力。 所谓“预制算力中心底座”，本质上是一套预制化、模块化的数据中心供电系统。其通过“算电协同”实现电力与算力的动态调度，Token用电成本可降低约30%。 ▲算力岛实拍图（图源：央视新闻） 从外观上看，算电岛类似一个超大型集装箱，占地约2200平方米。与传统算力中心供电系统相比，其占地面积减少超过30%，整体建设成本下降约20%，土建成本降幅接近80%，最快5个月即可完成建设，施工周期较传统方案缩短近70%。 ▲算力中心底座内部（图源：央视新闻） 目前，算电岛已经正式接入企业自建数据中心，预计今年下半年将应用于国家级数据中心集群以及多个地方级算力中心。 作为一套“预制算力中心底座”，算电岛可将高压供电、储能系统、直流配电和智能调度能力集成为标准化模块，在工厂完成预制和调试后直接运至现场部署。 更大的亮点在于，其提出的“算电协同”模式。算电岛引入了专门的算电协同智能体系，能够动态调整能源与算力资源配置。 这也是其能够降低成本的重要原因。算电岛可实现100%绿电消纳，并将Token对应的用电成本降低约30%。 对于当前AI产业而言，电力成本已经成为影响算力价格的重要因素之一。 国际能源署（IEA）数据显示，2025年全球数据中心用电量约4850亿千瓦时，同比增长17%；同期，我国算力中心总用电量达到1960亿千瓦时，同比增长18.1%，占全社会用电量的1.9%。预计到2030年，我国算力中心用电量将达到5000亿至7000亿千瓦时，占全国用电量比重超过5%。 与此同时，模型厂商也在积极压缩算力成本。近期，DeepSeek、小米MiMo等模型先后宣布永久降价，最高降幅接近99%； ▲DeepSeek与小米MiMo API价格对比表（智东西制表） 中国电信、中国移动和中国联通三大运营商也陆续推出面向开发者和企业用户的“算力订阅包”，相关词元（Token）产品已上线中国算力平台。 ▲三大运营商Token套餐对比（智东西制表） 在算力需求持续增长的背景下，如何进一步降低每个Token背后的电力成本，正成为AI竞争的又一方向。 算电岛所代表的“算电协同”方案，或为未来AI数据中心的建设提供了一条新思路。

要说这段时间的热门 AI 产品，Codex 必然是绕不过去的话题。 这个一开始只是给开发者用来做代码补全、项目管理、功能开发的编程平台，到现在已成长为一款适用于任何角色、工具和工作流程，且人人都能使用的生产力工具。 ▲ OpenAI 在《知识工作的下一个时代》报告里提到，Codex 目前周活用户超过 500 万，自从今年 2 月上线桌面版 APP 后增长了 6 倍多。用户画像方面，虽然开发者仍然是 Codex 最大的用户群体，但知识工作者目前约占用户总数的 20%，并且增长速度是开发者的三倍多。 越来越多人发现，虽然 Claude Code、Codex，都是叫 Code（代码），但这些 Agent 不只是会写代码；它们还能整理文件、分析数据、搜索资料、自动跑工作流，甚至替我们完成一整个项目里的重复劳动。 早在 OpenClaw 火爆的时期，其实就有类似的趋势，但是龙虾的安装和部署劝退了很多人。叫好的多，真用起来的没几个。这类工具一直卡在同一道坎上，只有会折腾的人玩得转，普通人连门都进不去。 对大多数国内用户来说，Codex 算是第一个真正迈过这道坎的，虽然 Claude Code 在它之前，但 Claude 难用上，Codex 一键安装，加上接连的体验优化，把 Coding Agent 从程序员的玩具变成了普通人也能上手的东西。 究其本质，都是将从前单一的 Agent 演变成 Agent Team，甚至是一整套高达上百个 Agents 的动态工作流。 Kimi 最近推出了 Kimi Work，也是建立在这个趋势之上的一次尝试；其核心逻辑，就是把底层的 Agent Swarm 模型能力，用可视化界面进行封装，放到了本地电脑上。 大到工作中需要 300 个 Agents 并行处理的复杂任务，小到平时繁琐的文件整理、操作浏览器等等，都能通过这支 Agent 队伍在后台挂机完成。 开启 300 个 AI 分身 Kimi Work 最大的优点是 Agent 集群的能力放到了本地 Agent 上；而为了让 Agent Swarm 真正工作起来，Kimi Work 提供了多项实用能力。 本地文件深度连接，可直接读取和管理本地文件夹，安全护栏机制要求在修改文件前需用户授权。 7×24 小时定时任务（Cron 引擎），支持按设定时间自动执行 LLM 对话请求、Python/Shell 脚本等，如清晨生成简报或夜间清洗数据，可保持电脑唤醒以确保任务运行。 WebBridge 浏览器自动化，通过自然语言指令让 AI 自主操作浏览器，实现跨网页信息检索、深层数据抓取、自动填写表单等。 原生接入全球金融市场数据，直接打通 A 股、港股、美股等核心数据源，可在对话中调取财报、分析盘面、进行跨表对账，辅助投资决策。 我们先是使用现有的本地文件夹创建项目，在该项目内新建任务，要求 Kimi Work 帮我们整理 20 家值得关注的 AI 公司，分析它们的产品定位、融资动态、核心竞争力等信息，并给出网页报告、PPT 等内容。 选择 K2.6 Agent 集群开始任务，Kimi 会自动给任务设置对应的进度，并且使用 Subagent 工具调用多个 Agents 来处理。 展开任务过程，可以看到有研究组 1-大厂 AI、研究组 2-新锐大模型、研究组 3-基础设施，以及研究组 4-AI 应用 4 个研究 Agent 去搜集和分析对应公司的资料。 而调用 Skill 这些都是基本操作，从右侧的上下文部分，我们能看到 Kimi 调用了报告撰写、可视化、集群深度研究、前端主题等来帮助它完成任务。 最后我们得到的分析报告也非常全面，数据表、可视化分析和具体的公司介绍都囊括在里面。更有意思的是，每家公司的详情部分都写着一句「风险」，Kimi 给自己的定位是「估值上涨过快，盈利拐点不明」，而核心竞争力是「长文本、编程能力、智能体、开源领先。」 除了这种常见的深度研究任务，有了 Kimi Work，我们现在可以直接让它处理本地的文件。最简单的先让它帮我整理一下最近 30 天内的文件，使用对应的工具查看文件内容，汇总这些文件的信息。 从右侧的进度可以看到它会读取文本文件内容，也能提取 PDF 文件、查看图片文件以及处理 Office 文件等，最后生成的表格也成功列举了所有的文件内容和对应的信息。 我们找了一份会议记录，并搜集了一些论文资料和图片数据，累计本地的文件数量达到了十余个。过去使用云端的 Kimi，我们要一个个上传这些文件到网页，现在 Kimi Work 可以直接选择该文件夹作为一个项目，开始 Agent Swarm 进行处理。 我们要求它使用 K2.6 Agent 集群来启动并行协作，根据文件夹内的资料，完成行业研究、论文综述、产品策略、技术架构、合规治理、财务测算、PPT 设计、Word 报告、PDF 研究报告、Excel 模型和质量审查等多份文档。 由于涉及的文件过多，Kimi K2.6 Agent 集群这次启动了多个阶段来完成，像是在研究分析的第一阶段，它就找来了行业研究员、论文综述员、产品策略师、技术架构师、合规治理专家以及财务测算师 6 个 Agent。 在第二步，Kimi 又找来了 PPT 设计师、Word 报告员、PDF 研究员和 Excel 建模师 4 个 Agent 来完成整合交付。整合交付之后，还会自动开启质量审查，利用质量审查员和网页开发师两个子 Agent 对之前的内容进行最终确认。 最后，Kimi Work 产出了六份文字报告、一份测算模型，以及用于汇报的 HTML 和 PPT 文档。 随便点开其中一份文档，Kimi Work 都不是随便应付，从内容到格式都符合直接交付的标准。 在 Kimi Work 的回复里，Kimi 提到基于本地文件夹的内容，它启动了 11 个专业 Agent 分 3 个阶段并行协作，模拟完整的企业咨询项目组，最终交付 12 份专业文档，覆盖 6 种格式。 针对每份文件，它还贴心地给出了使用场景快速导航，例如向 CEO/高管汇报用 07_管理层汇报.pptx + 12_数字化汇报.html，提交正式咨询报告使用 08_综合咨询报告.docx，投行/研究机构参考是 09_深度研究报告.pdf 等。 这件事放到我们打工人身上，只能是先看 A 公司，再看 B 公司；先开网页，再记笔记；先跑表格，再写结论。但 Kimi Work 这类本地 Agent 的加入，让知识工作正在从「一个人依次处理任务」变成「一个人调度一群 AI 处理任务」。 放心 Vibe Working 除了直接使用 300 个 Agent 的能力，配合 Agents 集群，我们还能利用之前 Kimi 内置专业金融数据源的独家亮点。不需要专门去找各种金融 Skill 或者配置数据 API，Kimi 会直接抓取到包括同花顺、天眼查以及世界银行经济数据库的金融数据。 这套数据配合 Agent 集群更能发挥它真正的实力。苹果 WWDC 马上要来了，我们要求 Kimi 帮我整理一下苹果这三年来的股价信息，以及每年的财报，分析其中值得的关注信息。 Kimi 一点都不含糊，同样是启用了 Subagent 工具，调用多个 Agents，完成了一份内容丰富的调研报告。 除了网页，还有基于金融数据整理的 PPT、表格等内容，详细地概括了苹果的股价、主要收入、不同地区的收入情况等。 对大多数的知识工作者来说，这套内置的专业金融数据源能帮助我们减少很多上手 Agent 的负担。 Kimi Work 另一项降低「交给 AI」门槛的功能是 WebBridge。根据官方的指引，我们也先让它使用浏览器搜索了 Kimi K2.6 的信息。 Kimi 会自动启用一个标签组，所有自动化的操作都在该标签组内的网页上进行，调试过程中，Kimi 会自动输入对应的信息，自动截图查看当前页面状态，也会通过获取页面结构来定位搜索框、帖子内容等信息。 对于 Google 这种无法搜索到小红书信息的搜索引擎，用 Kimi 来自动化整个搜索过程，并给出对应的总结，也是一种不错的用例。 使用 WebBridge 的方式也非常简单，按照官方的指引，我们在浏览器上安装好 Kimi WebBridge 的扩展程序，或是直接新建任务，要求 Kimi 帮我们完成安装，它会自动执行对应的安装脚本，在本地处理好 WebBridge 相关的服务。 本地 Agent+Agent Swarm+WebBridge，这几项能力的综合，让 Kimi 能胜任的场景比单纯的聊天要广泛得多。 例如我们可以要它「检查我的 Gmail 邮箱，看看有没有过去 24 小时内未读的邮件。把重要的邮件总结一下。」然后，总结的内容全部保存到本地，甚至是把重要的邮件都保存下来。 Kimi 在浏览器中自动化操作了一会儿，就自动为我们生成了这份 Gmail 邮件总结报告。 此外，结合我们之前要求它完成行业咨询任务，现在可以让它总结信息，自动撰写文件，选择合适的附件并发送邮件。 或者针对那些从搜索引擎或者内置数据库中找不到的信息，先用 WebBridge 获取相关信息，再通过 Agent 集群来处理，形成各种报告文档。 AI 正在组队上工，学会做个甲方 这些检索内容、生成报告相关的能力，其实也正是前段时间 OpenAI 「知识工作者的下一个时代」报告里提到的，Codex 增长最快的知识型任务。统计的数据显示，数据分析任务，周环比增长 110%，而研究和知识产物也排名前三，有将近 37% 左右增长。 Kimi Work 的出现很大程度上帮助知识工作者更好地处理这些任务，另一方面，知识工作者的核心竞争力开始与长时间内的信息处理速度高度绑定，Agent 集群的能力迎合了这一需求。 过去几年，大模型产品一直在寻找进入工作的方式。 聊天机器人负责回答问题，Copilot 开始参与工作，Coding Agent 学会执行任务。如今，随着文件访问、浏览器操作和工具调用能力逐渐成熟，Agent 开始承担越来越完整的工作流程。 更重要的变化在于，完成一项任务的主体，正在从单个 Agent 变成多个 Agent 的协作。 在 Kimi Work 的案例里，无论是研究 20 家 AI 公司，还是围绕本地文件生成一整套咨询报告，背后是一组 Agent 自动拆解任务、分工协作、交叉审核，再完成最终交付。 Anthropic 前几天在 AI 自我进化的报告中，就曾提到，现在的 Agent 已经从 Coding agents 的时代来到了 Autonomous agents 的阶段，核心的变化就是多 Agent 成为了一种新的工作组织方式。 过去，知识工作的瓶颈往往来自人的时间和精力；未来，越来越多工作或许会变成另一种形式，人负责提出目标、判断方向和做最终决策，而资料搜集、信息整理、分析研究和文档交付，则由一支随时待命的 AI 团队协同完成。 打开电脑，面对的可能不再只是一个 AI 助手，而是一整个 Agent 团队。 One More Thing 当所有 AI 公司都在押注多 Agent 的产品形态时，四年一度的押注开始了。 美加墨世界杯即将在本周打响，48 支球队、104 场比赛。今年的竞猜选手，也有 AI 一席地。 Kimi 用 Agent Swarm 功能调动 300 个 Agent，对全部 104 场比赛进行赛前公开预测和赛后复盘，认为德国队被严重低估了，模型测算显示，德国队基准夺冠概率约11.0%，校准后约11.3%。 今天 Kimi 发布的这份世界杯预测报告里面提到，连续两届世界杯小组出局的阴影，在公众和市场心理上留下了顽固的「近因偏差」，持续压低了德国的定价；但 Elo 排名、阵容估值和人才储备厚度的硬指标上，日耳曼战车依旧稳居世界第一梯队。 当然，德国队最后能不能夺冠，目前还不得而知。有意思的是，在这件事里，Kimi 想证明的可能从来不是自己会不会猜球。 为了分析预测，它调用 300 个 Agent 去搜集信息、拆解数据、评估概率，再持续复盘整个赛事过程。这套流程和前面那些行业研究、财报分析、咨询报告一样，世界杯预测只是另一种形式的复杂任务。 而当生活和工作中，越来越多的事情，我们都能安心交给这 300 个 AI 去完成时，那我的八块腹肌，或许真的还有点希望。

智东西 作者 | 王涵 编辑 | 云鹏 智东西6月8日消息，据《华尔街日报》报道，知情人士称，国内AI独角兽阶跃星辰最早可能于今天提交香港首次公开募股（IPO）申请。 上述人士透露，关键投资者对公司的估值提议达120亿美元（约合人民币812亿元）。《华尔街日报》报道称，阶跃星辰若成功上市，这宗潜在IPO有望成为近年来港交所规模最大的上市交易之一，不过其中一位知情人士也提出，估值仍可能发生变化。 智东西5月8日曾报道，阶跃星辰将完成中国大模型圈迄今最大额融资——近25亿美元（约合人民币170亿元），并已拆除红筹架构，加速筹备赴港IPO，或将成为智谱、MiniMax之外又一家赴港上市的国产大模型公司。 据企查查信息，阶跃星辰此前已完成两轮融资。今年1月，阶跃星辰完成B+轮融资，融资金额超50亿元，主要投资方包括五源资本、华勤技术、厦门国贸、腾讯等。2024年12月，该公司完成数亿美元B轮融资，投资方包括五源资本、启明创投、腾讯及上海国有资本投资有限公司。 ▲阶跃星辰融资情况（图源：企查查） 阶跃星辰2023年成立于上海，由微软前全球副总裁姜大昕博士创办并担任CEO，被业界称作“大模型六小虎”之一。今年1月，阶跃星辰宣布旷视科技联合创始人、千里科技董事长印奇正式出任董事长，负责整体战略节奏与技术方向的制定。他与CEO姜大昕、首席科学家张祥雨、CTO朱亦博组成核心管理团队。 产品发布进度上，5月底，阶跃星辰正式发布并开源Step 3.7 Flash，该模型采用稀疏MoE架构，原生支持多模态理解，能直接看懂UI、图表和文档，旨在解决Agent规模化落地中的速度与成本问题。 5月初及5月8日，阶跃星辰相继发布了新一代自动语音识别模型StepAudio2.5ASR以及新一代实时语音大模型StepAudio 2.5 Realtime。4月底，该公司推出了参数量仅为3.5B的StepImageEdit2，单次生图耗时仅需0.5秒至2秒。 截止发稿前，阶跃星辰未立即回应置评请求。 来源：《华尔街日报》

智东西 作者 | 江宇 编辑 | 漠影 德国爆冷夺冠！ 看到Kimi这份世界杯预测报告，很多球迷第一反应大概率是：这AI能懂球吗？ 毕竟，足球比赛最有意思的地方就在于随机。强队会翻车，弱队会爆冷。门将的脱手，或是一张红牌，都可能把整场球赛带到一个未知的比分。 但Kimi这次就把这个高不确定性的题目拿来，做了一场大型实验。 2026世界杯是最贵的一届，也是最复杂的一届。 今年，世界杯将扩容到48支球队、12个小组、104场比赛，赛程横跨美国、加拿大和墨西哥三国。 小组出线、淘汰赛对阵、球员伤病、旅途消耗、天气变化和舆论压力，每一项都与比赛结果密切相关。 光说让一个人看完整届世界杯，已经够累了。Kimi的做法是：直接派出最多300个Agent，把这些变量分开研究。 有的Agent看战术，有的Agent盯球员状态，有的Agent算赛程和旅途，还有的Agent专门唱反调，负责找出预测里可能被忽略的风险。它们累计完成了超过10万次模拟推演，最后生成了一份224页的世界杯预测报告。 这场活动叫Kimi Token Goal。Kimi会围绕104场比赛进行赛前预测和赛后复盘，把自己的判断放到真实赛果面前接受检验。 可以看出，这是一次娱乐性质的世界杯预测活动。但这背后实打实地考验着Kimi最近迄今最新与最强的能力：Agent集群和Kimi Work。前者让300个Agent像一支研究小队一样分头做事，后者则把这种能力放进普通人的电脑桌面。 今天它们一起研究世界杯，明天也可能帮用户做行业研究、数据分析、报告生成和工作流自动化。 可以说，Kimi这次不是单纯想当“数字章鱼保罗”，也让我们看看：Agent不只是会聊天，还能围绕一个复杂任务持续干活、反复修正，并且把结果交给真实世界来检验。 一、看衰阿根廷，德国成“最大黑马”？是300个Agent算出来的 Kimi此次最受关注的预测之一，或许是直接给卫冕冠军阿根廷敲响了警钟，并且公开预测德国队爆冷夺冠。 阿根廷有梅西，德国近几年大赛表现又并不稳定，Kimi为什么会给出这样的判断？ 其实，这来自Agent集群的多轮推演。 Agent集群累计完成超过10万次世界杯模拟，评估阿根廷在淘汰赛首轮（32强赛）出局的概率约为15%。而德国队在乐观情景下的夺冠概率则达到18%。 在阿根廷这边，Kimi设置了悲观情景推演。重点跟踪10名存在伤病隐患的国脚，也会考虑梅西、奥塔门迪等老将年龄增长带来的影响。 在德国这边，Kimi关注的是穆西亚拉、维尔茨等新生代球员的状态，以及德国队在部分情景下被低估的可能性。 为了避免模型只强化主流观点，Kimi还引入了反方Agent机制。这部分Agent专门寻找潜在风险因素，将阿根廷过去64年未曾消失的“卫冕冠军魔咒”等历史规律纳入分析。它们的任务就是找漏洞、找反例和找翻车风险。 因此，这个看似“出奇”的结论是由300个Agent大量模拟、交叉验证和正反观点博弈后的结果。 二、变量多、信息杂、分歧大，世界杯成了Agent集群的天然考场 本届世界杯有104场比赛，比赛数量比过去更多，变量也更多。 无论对资深球迷，还是“初出茅庐”的Agent集群来说，想要预测结果，都不是一个只看历史胜率就能解决的问题。 但是，Agent集群恰恰适合这种任务。 战术Agent看阵型和打法，球员Agent追踪状态和伤病，赛程Agent计算旅途和休息，历史Agent分析过往交锋，反方Agent专门提出不同意见，合规Agent则负责把内容控制在体育研究和娱乐讨论范围内。 并且，世界杯还有一个特殊机制：结果天然公开。预测正确与否、哪些变量判断失误、哪些因素被低估，都可以在赛后复盘并反馈给系统。 对于Agent来说，世界杯既有足够复杂的信息环境，也有明确的结果反馈机制，是观察其复杂任务处理能力的一个典型场景。 三、世界杯之外，Agent集群还能做什么？ 当然，预测世界杯是一个相对容易被我们理解的场景。但Kimi真正的野心，其实在你我的电脑桌面上。 世界杯预测背后的核心能力，是任务拆解、并行研究、信息整合和持续修正。这套能力同样适用于行业研究、财报分析、商业尽调等复杂工作。 Kimi Work是Kimi电脑客户端新增的本地通用Agent模式。 其关键能力，就是支持Agent集群。它可以自主创建300个分身，并行完成原本耗时较久的复杂工作。 程序员以前用Coding Agent在终端里让AI写代码，现在知识工作者则可以在电脑桌面上用Kimi Work让AI做调研、分析、整理文件、生成报告，以及跨工具完成一整套任务。 此外，Kimi Work还内置专业数据源和Kimi WebBridge，能够操作用户自己的浏览器和登录态，可以“上手处理”用户日常工作的真实桌面，包括网页、表格、PPT、本地文件和各种零散资料。 世界杯只是前菜，Agent集群真正面向的是更广泛的知识工作场景。 与此同时，Kimi还围绕世界杯推出了一系列互动活动：用户可选择一支球队作为主队，参与冠军预测；德国队或用户所选主队每赢一场，均可参与瓜分10亿token池。 结语：一场AI能力的世界杯公开考 Kimi Token Goal并非是要证明AI能100%猜中世界杯。 足球的魅力，恰恰来自它的不确定性。任何因素都可能在几分钟内改写一场比赛的走向。 所以，如何组织300个Agent一起研究一件复杂事情，或许更值得关注。 世界杯则提供了一个天然的实验场。每一场比赛都会给出真实结果，每一次预测都能接受球迷和赛果的检验，每一次判断失误也都能被拿出来复盘。 对于Kimi来说，这次活动的意义不只是预测冠军归属，更是把分析过程、预测结果和赛后复盘放在同一个“透明框”里，向外界展示Agent集群如何处理复杂任务，以及当前AI能力究竟能做到什么、还有哪些边界。 今天，300个Agent研究的是世界杯；明天，它们研究的或许就是你的下一份行业报告。

智能手机统治了过去十几年的数字生态，它是注意力的黑洞，是我们最私密的随身之物。但手机从设计之初就是为「人盯着它」而生的——它的全部逻辑，都止于屏幕。 AI 的需求却恰恰相反：它需要持续感知物理世界——见你所见，听你所闻，随时在场，而非等你解锁屏幕才醒来。 当 AI 真正成为一种基础能力，它迟早要从屏幕里破壳而出，寻找属于它自己的形状。这将是一个漫长的探索和演化过程。 「AI 器物志」栏目由此而来，爱范儿想和你一起持续观察：AI 如何改变硬件设计，如何重塑人机交互，以及更重要的——AI 将以怎样的形态进入我们的日常生活？ 如果你经常用手机的 AI 助手的话，一定碰到过这个问题： 原本点外卖、写评论、自动修图干得好好的 AI 助手，一碰到最简单的「用微信给 XX 发个消息」，就集体束手无策了。 这个在 AI 自主能力越来越强时代的「异象」，总算迎来了改观。根据腾讯客服表示： 微信正在与华为、小米、荣耀、OPPO 等手机厂商合作推出 A2A 助手能力……可以通过对应手机系统 AI 助手发起微信音视频通话或向指定好友发送消息。 而在荣耀 500 Pro 上，我们借助最新版本的 YOYO 智能体，体验了一把微信的 A2A（Agent to Agent）代理功能。 不得不说，动动嘴就能发消息的感觉确实很丝滑： 根据测试，在目前 YOYO 版本 90.10.30.067、微信版本 8.0.72 中，微信 A2A 支持这些功能： - 发送文字消息 - 拨打语音/视频电话 - 打开扫一扫、收付款码 与此同时，发送图片或表情、发红包与转账、打开公众号页面等等操作则暂时无法实现： 话说回来，用语音助手操作微信这件事情并不稀奇——九年前的三星 Bixby 就能做到（后来被砍了），如今的 Siri 也一直都支持： 但能够在安卓和鸿蒙上——尤其是经历过年初豆包手机的「围追堵截」之后——实现对大厂 app 的代理操作，的确是个意义非凡的里程碑。 关联阅读：剿杀豆包手机助手，可能是互联网大厂的一次「共谋」 虽然「智能体」（agent）的概念前几年就已出现，但整体还是靠 OpenClaw 的爆火，才逐渐成为了 AI 对接硬件的主流代理方案。 而相比豆包手机或者早期的小艺帮帮忙，我们需要明确一点： A2A 的实现形式与 OCR 读屏 + 模拟点击完全不同，仅仅在结果上（帮用户操作手机）殊途同归。 小艺操作非鸿蒙 app 时就需要 OCR + 模拟点击 回想更早几年，行业普遍想象的「每个 app 都为手机厂商的 AI 助手开放 API 接口」，A2A 也走出了一条完全不同的路。 为什么 A2A 能够成为手机厂商 + app 大厂选中的那条路呢？原因很简单： A2A 的操作模式，是现阶段能够最大化兼顾数据安全性、保证用户留存、均摊 token 开销的模式，能够比较好的兼顾各方的利益。 虽然微信开放测试的智能体能力非常有限，连发照片这种基础的操作都还没有上线，但是我们不难猜测后续适配好的样子—— 仅就微信内部来说，除了最简单的「手机智能体 - 微信智能体」模式之外，小程序生态也有很大概率会逐步覆盖到这个生态中。 毕竟很多第三方程序（比如美团、携程、京东之类的）原本就有各自的智能体服务，将智能体功能移植到微信小程序里并不复杂。 美团智能体「小团」 微信可以向外适配系统智能体，也没有理由会放弃向内适配小程序智能体生态。 而在微信之外，A2A 作为一种通用的实现方案，自然也可以和其他 app 的智能体对接—— 今天可以喊 YOYO 用微信发消息，明天就能喊小布用携程总结去年的旅行报告。 到那个时候，距离所谓「OpenAI」智能体手机也就不远了： 一个「神圣的 A2A 连接着每一个 app」、所有操作都可以由智能体转达和代劳的世界。 图｜Blizzard Entertainment 有意让 A2A 生态连接每一个人的不止微信和国产手机厂商，谷歌、苹果、微软之类的国际大厂同样在研究这条路。 比如前两周的 Google I/O 上演示的 Gemini Spark。 它在 Android 移动端的执行模式同时支持 OCR 模拟点击、合作软件 API 接入和 A2A 三种方案，可谓「我全都要」的典型。 图｜Google 苹果这边同样很积极。 虽然 iOS 26 既没有合用的系统 AI，也没有什么智能体能力，但今年 WWDC 上苹果对于 AI Siri 的重构中，肯定会包含一些针对智能体的支持。 关联阅读：提前看看，今年新 iPhone 系统长什么样｜WWDC26 根据行业消息，我们也将有望在今年年末看到字节跳动与中兴再次合作的「豆包手机完全体」。 新的豆包手机据信会放弃纯 OCR 模拟点击方案，而是选择和 Gemini 类似的 OCR + API + A2A 的结合模式，以规避此前的安全风险和利益冲突。 初代豆包手机 毫无疑问，A2A 之所以成为大厂的共同选择、而没有被「围剿」，正因为它是最能兼顾各方利益的方案。 同时也是目前能够看到的，智能体 AI 让生活变得便利的最直观表现之一。 然而 A2A 的模式听起来很美好，但其中的一些商业模式还需要再考量——比如最重要的算力成本。 毕竟手机端无论是 YOYO 还是小艺，微信里是元宝还是张小龙.skill，这些智能体本身的运行始终都是服务提供商的一项开销： 图｜PE Collective 而未来如何在用户、手机厂商、软件开发商、服务提供商之间分摊这些 A2A 操作产生的「token 费」，将会是对于所有服务提供方的考验。 更坏的情况是，「手机 OS - 微信 OS - 小程序生态」的嵌套本身已经足够繁琐了。 如果全部使用智能体代理操作，A2A2A2A 过程中导致的算力浪费也是一个必须要面对的问题。 除此之外，一个过于 A2A 的技术模式也会引起另一个方面的担忧：智能体对于人类使用习惯的影响。 在爱范儿之前的文章中，我们提到了在设想 OpenAI 手机时，一种纯粹由智能体代理人类操作的后果： 为了让 Agent 更好地工作，你会下意识地让自己的需求变得更明确、更单一、更具逻辑性，相当于人类主动将自己异化（alienation）成了机器。这就是我们在现代技术中，最需要警惕的一点：人的机器化。 当然，以上种种情况在短期内并不会发生—— 毕竟微信更新 A2A 功能的速度肯定没有那么快，要完整覆盖基础日常功能至少也得大半年，更不用说小程序 A2A 了。 但总目前我们能够体验到的 A2A 能力来说，这的确是让我们在享受到未来科技的同时，还不用担心被超级 app 生态围追堵截的最好方式了。 作者｜马扶摇 编辑｜肖钦鹏

OpenAI刚刚给字节上了一课。 据《金融时报》披露，OpenAI正准备对ChatGPT进行自2022年推出以来规模最大的改版。新版ChatGPT会把Codex、外部合作伙伴应用和 Agent能力更深地接进来，把原本的聊天框，改造成一个能写代码、管理日程、操控软件的“超级应用”。 OpenAI的方向很清楚，要把ChatGPT从聊天框变成一个任务分发入口。用户还是从ChatGPT进来，但背后接上的东西会更多。Codex负责执行更重的任务，外部应用接入真实服务，插件和Agent把需求往下推进。 豆包在国内的位置其实和ChatGPT很像。 ChatGPT之于OpenAI，豆包之于字节，都是最大众、最容易被用户自然打开的AI入口。 与此同时，豆包正处在从免费AI助手到付费专业AI工具的关键转型期。 按照官方说明，针对专业人群的生产力需求，豆包计划推出专业版，将包含软件开发、数据分析、专业设计、流程自动化、金融分析、科学研究等专业服务。 豆包也强调，搜索问答、写作生图、语音和视频对话等日常功能，会继续保持目前的免费服务；专业版的服务，也会在一定额度内免费。 豆包收费这件事，本身并不算新奇。AI产品本来就不便宜，ChatGPT、Claude、Gemini都有付费会员，模型API也都是明码标价。字节自己旗下的Trae、扣子、即梦AI，也早就有付费选项。 但豆包的问题在于，它靠什么让别人为它付钱。 如果只是一个升级版的豆包Chatbot，“贵又难用”的评价恐怕要再次冲上热搜。尤其当它明确表示专业版瞄准的是“软件开发、数据分析、专业设计、流程自动化、金融分析、科学研究”这些生产力场景时，它要回答的，自然也不再是那些针对Chatbot的问题。 字节不缺用户入口，也不缺技术资产。豆包有入口，扣子有Agent和工作流，Trae有编程工具，飞书有企业协作场景，Seed有底层模型和多模态能力。单看每一块，字节都有东西可讲。 问题在于，这些牌能不能像ChatGPT和Codex那样串起来。 豆包付费版，卖的是什么？ 豆包正在走到一个新阶段：从免费的AI助手，变成要收费的专业工具。 过去一年，豆包在国内AI助手里遥遥领先。 CNNIC《生成式人工智能应用发展报告（2025）》显示，截至2025年6月，我国生成式AI用户规模达到5.15亿人，普及率达到36.5%。在主要产品中，豆包的用户使用率达到72.2%，位居第一；在“首先选择使用的产品”中，豆包占比47.1%，位居第一。 QuestMobile的数据也能说明豆包的入口优势：2026年3月，豆包月活达到3.45亿，超过第二名千问1.66亿的两倍；一季度平均活跃率达到33.5%，高于千问的17.1%和DeepSeek的21%。 豆包能在普通用户里迅速推广，靠的主要是免费、好用、功能多、无门槛。用户打开豆包，可以搜索问答、写作生图，还能语音和视频对话。它像一个随手可用的AI助手，负责陪用户聊天、回答问题、处理一些轻量任务。 但这套逻辑只能支撑免费版本，一旦涉及到付费，用户的需求就会截然不同。 按照豆包官方说法，专业版面向的是专业人群的生产力需求，覆盖软件开发、数据分析、专业设计、流程自动化、金融分析、科学研究等方向。 工作场景和日常聊天不同，用户问一个日常问题，AI回错了，大不了重新问；让AI写一段文案，不满意也可以再改。但涉及到软件开发、数据分析、金融分析、科学研究，用户的容错率会低很多。效率即成本，付费产品必须给出更清楚的价值。 事实上，即使在免费阶段，豆包也已经因为“看起来能办事，但实际上没办成事”引发过争议。 比如此前的餐厅订座事件。有用户通过豆包预约餐厅，豆包生成了看起来很像预约成功的回复，甚至让用户到店报出时间和人数。但用户到店后，商家表示并没有收到有效预订，称豆包只是AI对话工具，模拟输出并不会同步到门店系统。豆包客服后来也回应称，目前无法帮用户预订或购买商品。 还有5月中旬的“豆包机票退款”事件。一名用户称，自己向豆包咨询机票退票手续费，豆包给出“仅收5%手续费”的明确回复，但实际退票时被扣除40%手续费，损失600元。随后，用户称豆包又在对话中承诺赔付，后续索赔无果，于是向法院起诉豆包运营公司。豆包相关负责人回应称，该案例相关问题已处置，之后在涉及金融、退款等场景会有风险提示。 免费阶段，用户还可以把这类问题归为AI幻觉；而一旦进入付费场景，AI产品暴露出的可靠性问题会更加严重。 但反过来看，付费版本也起到了筛选用户的作用。 免费阶段，豆包面对的是最宽泛的用户，处理的是搜索问答、写作生图、语音和视频对话等日常需求。这些功能在后续依然会保持免费服务，那些轻度的AI用户，本身其实并不受专业版的影响。 据全球人工智能市场追踪机构Aicpb.com发布的数据显示，在豆包预告专业版之后，豆包App 5月月活减少约610万，环比下降1.81%。这组数据后来被放进“豆包商业化是否过早”的讨论里，对这一点我其实持保留态度。5月月活下滑当然值得观察，但把它直接归因于“用户不愿为豆包付费”，证据并不充分——专业版都还没有正式推出。更可能的情况是模型体验感下降、竞品分流、外界对收费传闻的观感变化等多重因素共同作用。 我们有理由相信，那些轻信AI幻觉、把AI当成万能工具的用户，并不是专业版的付费受众。真正愿意为专业版付费的人，反而更清楚AI的边界，也更在意它能不能稳定完成任务。 从免费入口到付费AI工具，定位的变化同时也会带来用户结构的调整：免费阶段看的是规模，专业版阶段拼的是付费意愿和真实需求。 这对豆包是机会，也是压力。机会在于它可以从“全民尝鲜”的流量池里筛出真正有生产力需求的人，压力在于付费用户会更加挑剔。 所谓光脚的不怕穿鞋的，免费的豆包可以随时“滑跪”，通过说俏皮话的方式回避一些错误，用户顶多骂一句，骂完继续用。但在付费产品中，这种策略很难行得通。 用户为专业版付钱，可不是为了看它认错态度好，而是为了让它把事情办成。尤其在软件开发、数据分析、金融分析、流程自动化这些场景里，结果能不能用，比回答漂不漂亮重要得多。 OpenAI为字节打了个样 豆包专业版要解决的这个问题，OpenAI刚刚演示了一遍。 《金融时报》披露，OpenAI正准备对ChatGPT进行自2022年推出以来规模最大的改版。新版ChatGPT会把Codex、外部合作伙伴应用和Agent能力更深地接进来，把原本的聊天框，改造成一个能写代码、管理日程、操控软件的“超级应用”。 OpenAI正在把ChatGPT从一个聊天框，改造成任务分发的主入口。用户还是从ChatGPT进来，但背后接上的东西变多了：Codex负责执行更重的任务，外部应用负责接入真实服务，插件和Agent负责把需求往下推进。 据报道，改版初期，ChatGPT的网页端和移动端会增加大量提示词和功能入口，引导用户去使用编程工具、图像生成，或者调用Canva、Booking.com等外部合作伙伴应用。用户也会看到一个选项，可以手动选择让Codex还是ChatGPT来回应需求。 换句话讲，OpenAI做的不是一口气把所有东西都塞进一个聊天框里，让用户自己猜怎么用，它会在前期主动把入口摆出来，让用户知道：这里可以写代码，那里可以生成图像，也可以调用外部应用。等用户习惯之后，OpenAI再逐渐减少这些显性的提示和入口，让模型自己判断任务应该由哪个工具完成。 无论是改版还是改版方式，OpenAI的做法都很值得豆包学习。 OpenAI本质上是在把已有的两类资产接到一起：一类是ChatGPT这样的超级入口，一类是Codex这种更容易产生付费价值的工作工具。 《金融时报》援引知情人士称，Codex主要吸引的是付费客户；企业客户目前约占OpenAI收入的40%，预计年底会升至50%。与此同时，ChatGPT已经有约9亿周活用户和超过5000万付费消费者。 ChatGPT有规模，Codex有付费能力。OpenAI正在做的，是让规模入口承接更重的工作能力，再把这些能力转化成更强的付费理由。 Codex自己的增长也证明了这一点。OpenAI官方披露，Codex周活已经超过500万，自2月桌面App发布以来增长超过6倍；开发者仍然是最大用户群，但知识工作者已经占到约20%，而且增长速度是开发者的3倍以上。 可以认为，执行型AI已经开始从开发者圈层向更广泛的知识工作者扩散。 而豆包缺的正是这个环节。 字节手里其实有一套很完整的AI生态。豆包是大众入口，扣子负责Agent和工作流，Trae面向编程和开发者，飞书承接企业协作，火山引擎面向云和企业服务，即梦、星绘、小云雀、猫箱覆盖图像、视频、角色互动和内容创作，Seed则在最底层提供模型和多模态能力。 每个工具单独看都有价值，但如果要让用户为了一个任务开好几个会员、在几个产品之间来回切换，想想都觉得麻烦。 OpenAI的做法给了字节一个提醒：要真正进入工作场景，不只在于把模型做强、把工具做好，还可以打通各个环节，把入口做顺。 ChatGPT没有变成Codex，但它开始承接Codex的能力。豆包也不用变成Trae或扣子，但它应该把Trae、扣子、飞书这些能力接到自己后面。 类似的事情豆包并不是没有做过，在内容创作上，它已经接入了图像和视频生成能力。豆包专业版要做的，是把这种接入方式，从图像、视频创作，扩展到更复杂的工作工具上。 豆包专业版的想象空间就在这里，它不应该只是一个更强的聊天框，还应该成为字节AI能力的总入口。用户从豆包开始，把需求说出来，后面的Agent、代码工具、办公协作、云服务和模型能力自然接上。 比较理想的形态是，用户在豆包里提出一个开发需求，后面可以由Trae接住；提出一个自动化需求，后面可以由扣子拆任务、跑流程；涉及团队协作，结果可以进入飞书；涉及企业服务和模型调用，则可以接到火山引擎。用户看到的仍然是豆包，但背后跑起来的是字节自己的工具链。 到这一步，豆包专业版卖的就不只是“更聪明的回答”，更是把事情往前推进的能力。 任重而道远 字节其实没有别的路可选，豆包专业版既然要做软件开发、数据分析、流程自动化、金融分析、科学研究，就必须从聊天走向执行。 方向是清楚的，但问题也很明显：入口和工具接起来之后，背后有没有足够硬的能力。 现在看，字节手里的工具并不少。Trae面向编程和开发者任务，扣子主打Agent和工作流，飞书扎在企业协作场景里，火山引擎负责云和企业服务。它不是没有产品，也不是没有生态，但缺少一个像Codex之于ChatGPT那样清晰的执行器心智。 Codex被OpenAI“放进”ChatGPT的根本原因，在于它已经有了足够强的产品存在感。用户知道Codex能在编程和工作任务里带来效率提升，OpenAI把它接进ChatGPT，是把一个已经被市场验证过的生产力工具，放到更大的入口后面。 但Trae和扣子还没有走到这一步。Trae是字节在AI Coding上的重要产品，但在开发者心智里，它还没有像Claude Code、Codex那样成为明确的生产力符号。扣子有Agent、工作流、插件和知识库能力，很适合做豆包专业版背后的任务底座，但它目前更像一个给会搭建的人用的平台，还没有变成普通用户可以自然感知的执行能力。 豆包专业版要接入Trae和扣子，也并不是把几个产品入口摆在一起就够了。用户在豆包里提出需求后，开发、自动化、数据处理、文档协作这些能力要能顺着需求自然接上。至于背后跑的是Trae、扣子还是别的工具，用户未必需要知道。 工具层还只是第一关，再往下走，就会碰到底层模型能力。 豆包专业版瞄准的是真实工作场景，对模型的要求远高于普通聊天。尤其是Coding，软件开发可能是专业版里最容易被验证的能力。它不像普通问答可以靠语气和表达弥补，代码跑不通，结果就没有意义。 AI Coding是最早被验证的生产力场景之一，也是最容易让用户形成付费判断的场景。能不能写出可用代码，能不能完成真实开发任务，直接决定用户会不会觉得这个工具值钱。 在这一点上，字节也还没有形成明显优势。用户提到代码能力，可能会先想到DeepSeek、Kimi、智谱、MiniMax，而不是字节的编程模型。 DeepSeek最近在Agent、Coding 相关方向上的动作变得更明显，智谱也一直在强化Agent、开发者工具和企业场景，MiniMax则在多模态、Agent和工具调用上持续推进。它们都在在争夺真正能产生生产力价值的场景。 字节的优势是生态，但生态优势要变成商业优势，前提是模型能力和执行工具都要足够强。否则，入口再大，也只是把更多用户带到一个更贵的聊天框前；工具再多，也只是让用户在不同产品之间来回切换；生态再完整，也很难变成真正愿意付费的生产力系统。 或许这也是豆包专业版在当前并没有很被看好的原因，外界不是完全不理解字节为什么收费，只是在等它证明：豆包到底能不能从一个免费AI助手，变成一个付费生产力入口。 但至少方向是清晰的。模型能力可以慢慢补，工具心智可以慢慢建立，用户习惯也可以慢慢培养。字节现在最应该先做的，是学习ChatGPT的转型方式，把已有的生态打通，让豆包成为能调动扣子、Trae、飞书、火山引擎和Seed能力的总入口。 这条路不会轻松，但它必须走。

凤凰网科技讯 6月8日，据微信开发者官方今日消息，微信正式面向开发者提供接入微信AI生态的能力。开发者可在“小程序管理后台-AI能力”中主动授权接入。 据《每日经济新闻》披露，京东已作为首批内测团队率先接入，将围绕电商、外卖、物流等业务接入微信AI Agent，后续还可能陆续接入更多服务。

这两天微信AI的热度非常高，但大多数讨论都集中在它能做什么、怎么用。 大家都在猜测微信AI会长成什么样，会不会重新定义超级应用里的AI助手。 毕竟微信可是国民级APP，它推出一个如此颠覆以往操作方式的功能，势必会让大家浮想联翩。 这些讨论当然重要，但我说实话，都只是管中窥豹。 因为微信AI并没有开始灰度测试，只有那些合作企业才有机会见到它的样貌。 就在上周，谷歌推出了这么一个产品，我倒是觉得这个产品很适合微信AI，它就是Dreambeans。 一句话概括，Dreambeans就是一个会主动给你推送个性化内容的AI应用。它连接你的Gmail、日历、相册、YouTube和搜索记录，每天夜里自动分析这些数据，第二天早上给你推送一组定制的“故事”。 比如下图中，昨天你和朋友去某家餐厅吃饭了，Dreambeans就会生成这么一个故事，包括配图、去了哪家餐厅、几点吃的、花了多少钱等等。 这些故事可能是提醒你朋友要来了，或者推荐你可能感兴趣的活动，甚至可以根据你最近的行为，给出建议，像是少熬夜、多出去走走之类的。 并且每条故事都配有AI生成的个性化插图，有些还带“购票”或“观看”这样的一键操作按钮。 Dreambeans把AI 从对话框里解放出来 Dreambeans和其他AI产品最大的区别，就是它没有聊天框。你不用问它任何问题，它会主动告诉你今天需要知道什么。 虽然说Dreambeans允许用户影响和调整输出内容，但每天具体生成什么故事，主要还是系统根据你授权的数据自动输出的。 你只能定制少部分内容，比如选择连接哪些数据源。以及是否使用Face Grouping功能，也就是要不要让故事插图里出现你、家人、朋友或宠物的相似形象。 但你不可以直接控制它，所以你没办法直接用它生成什么科技新闻、健身计划、家庭日程。 其实过去两年，几乎所有AI产品都在做同一件事，那就是把对话框做得更聪明。 你问它问题，它给你答案。你让它写代码，它帮你生成。你要它总结文档，它提取要点。 然后在对话框下面和侧面都有一些特殊功能按键，尤其是类似于Codex的小加号按钮，一点开就会出现一长串的功能列表。 这种交互模式已经成为AI产品的默认范式。以至于说，现在你只要是开发AI产品，第一件事就是设计一个好看且有辨识度的聊天框。 归根结底，传统的AI助手，本质上就是一个响应系统。 它再聪明，也只能在你提问的范围内工作。你不问，它就不说。你问得不够准确，它给的答案就可能偏离你真正需要的东西。 但问题就是，谷歌认为，传统的AI助手是把认知负担留给了用户，这对用户来说其实并不友好。 所以Dreambeans的设计理念，相当于是把Gmail、Youtube、搜索记录这些上下文，让整个输出的流程倒过来。 它替你记住那些分散在不同应用里的碎片信息，替你发现那些你可能忘记关注但确实重要的事情，替你把相关的线索串联起来，然后在合适的时间主动告诉你。 用户要做的只是浏览这些已经整理好的故事，对不相关的内容点个踩，或者通过调整功能告诉系统“这个不适合我”。 但谷歌在Dreambeans上的设计是非常克制的。 它不是一个无限滚动的信息流，而是一个有限的故事集合。每天推送的故事数量是经过筛选的，目标不是让你一直刷下去，其目的就是让你快速看完，然后去做真正重要的事情。 这种设计哲学和当下主流社交媒体的逻辑完全相反。主流的社交媒体都希望你在上面停留越久越好，恨不得占据你一天24小时，Dreambeans追求的是信息密度。 Dreambeans背靠谷歌的Personal Intelligence系统。 这套系统也被用在Gemini应用和AI Mode搜索中，但Dreambeans是第一个用这套系统做成的独立产品。 Personal Intelligence的核心能力是跨应用的上下文理解。它能把Gmail、Calendar、YouTube和搜索历史组合在一起，生成高度个性化的内容。 因此，Dreambeans也可以说是把Personal Intelligence系统给可视化了。 Dreambeans目前只对美国地区的Google AI Ultra订阅用户开放，而且用户必须年满18岁。 谷歌强调，用户在Dreambeans里做的选择不会影响其他产品中Personal Intelligence的设置，数据也不会被用来训练模型。用户可以随时查看反馈历史，删除特定的反馈记录，或者直接删除所有数据。 微信有更肥的土壤 如果把Dreambeans的逻辑搬到中国，最有条件做这件事的公司是腾讯。 Google有Gmail、Calendar、Photos、YouTube和搜索历史。微信有聊天记录、群消息、公众号、视频号、小程序、支付记录、服务通知、位置数据和一个覆盖十几亿人的熟人社交网络。 不仅如此，Dreambeans的设计理念和微信如出一辙，尤其是“克制”这样一块。 实际上微信设计得也很克制，故意不想让你长时间使用微信。 而且从数据丰富度上看，微信的土壤比Google更肥。 Gmail里的邮件大多是正式沟通和交易确认，微信聊天记录里有你和朋友的日常对话、和家人的琐碎安排、和同事的工作协作。 Google Photos存的是你主动上传的照片，微信里流动的是你每天接收和发送的图片、视频、语音和文件。 YouTube推荐算法知道你喜欢看什么类型的内容，微信公众号和视频号不仅知道你的兴趣，还知道你的朋友在看什么、你所在的社交圈在讨论什么。 更重要的是，微信不只是一个信息容器，它还是一个平台。 Dreambeans可以告诉你朋友要来了，推荐几家餐厅，然后把你导向Google Maps或者第三方订餐应用。 微信AI如果做类似的事情，它可以直接调起小程序帮你订位，可以从微信支付里调取你的消费偏好，可以看到你和这个朋友上次见面是什么时候、在哪里吃的饭、聊天记录里有没有提到过想去的地方。 整个链条从信息发现到行动完成，都可以在微信生态内闭环。而这种闭环能力，是谷歌生态做不到的。 谷歌的服务虽然丰富，但它们之间的连接主要靠数据共享和跳转。Gmail、Calendar、Maps、YouTube各自有独立的界面和使用场景，Personal Intelligence能做的是把它们的数据串起来，但用户最终还是要在不同应用之间切换。 微信的优势在于它本身就是一个超级应用。 聊天、支付、阅读、观看、购物、出行、办事，所有这些行为都发生在同一个界面里。如果微信AI能够理解这些行为之间的关联，它就可以做到比Dreambeans更深入的个性化和更无缝的行动建议。 但这个优势同时也是微信最大的风险。 谷歌可以说“我从你的Gmail里看到了狗粮订单”，用户会说“确实，你说得对”，因为Gmail本来就是一个正式沟通的渠道。 微信AI如果说“我从你和朋友的聊天里发现你们都喜欢XXX”，用户的第一反应可能是“微信你这……不合适吧”。 微信聊天记录的性质完全不同。 它是你和朋友、家人、同事之间最自然、最即时、最不设防的交流。你在微信里说的话，很多时候是不经过滤的，是带着情绪的，是只有特定关系里才会出现的表达方式。 当AI开始读取和分析这些对话时，它介入的不只是你的个人信息，而是你和他人之间的社交网络。 所以，虽然Dreambeans这个模式很适合微信AI，但微信AI不能粗暴照搬Dreambeans。 微信AI真正的机会，应该是找到一条既能利用数据优势、又不会让用户感到被冒犯的路径。 我将其称之为“分寸感”。 AI需要主动，但这种主动必须建立在明确授权的基础上。用户应该能够精确控制AI可以访问哪些数据源，可以在什么场景下使用这些数据，以及可以做出什么样的推荐。 微信AI不应该替用户做决定，而应该帮用户更好地做决定。它可以整理信息、提供选项、简化流程，但最终的选择权必须留在用户手里。 如果微信能够在这些原则下设计出一套主动式AI系统，它就可以做到Dreambeans做不到的事情。 我举个例子，微信AI可以每天生成一份“你今天真正需要知道的5件事”。以下图片为Claude Fable 5制作。 这5件事可能来自你的聊天记录、群消息、公众号订阅，但每一件事都会清楚地标注来源，并且用户可以随时调整优先级和过滤规则。 AI不该只是一个对话框 微信AI的机会，不在于替代搜索，而在于重排微信内部的信息洪水。 公众号太多，你关注了几百个，但真正会看的只有十几个。群消息太杂，你加了几十个群，但大部分时间只是在消化未读数字。 这些问题不是因为微信的功能不够强，而是因为信息太多、入口太杂、用户的注意力太有限。 如果微信AI能够把这些信息重新整理，把真正重要的东西提炼出来，把相关的行动入口集中呈现，它就不只是一个AI助手，而是微信里的个人信息管家。 这个管家不需要无所不能，它只需要做好三件事。 第一，帮你过滤噪音。把那些不重要的、重复的、可以忽略的信息自动归档，让你的注意力集中在真正需要关注的事情上。 第二，帮你发现关联。把分散在不同聊天、不同群、不同公众号里的相关信息串联起来，让你看到完整的上下文，而不是碎片化的片段。 第三，帮你简化行动。把需要多步操作才能完成的事情，变成一键可达的入口，减少你在不同界面之间跳转的次数。 如果微信AI能做到这三点，那就已经足够了。 目前只有第三条有了一些蛛丝马迹。 2026年6月8日，微信正式面向开发者开放了接入微信AI生态的能力，用户可以通过微信AI Agent直接调取小程序中的AI应用服务。 首批内测团队包括京东、美团、滴滴、携程等知名企业，覆盖了电商、外卖、出行、旅游等核心本地生活服务场景。 美团作为首批接入的企业，已经与微信团队联合完成了开发和测试。未来，用户可以通过微信AI直接调用美团外卖等本地生活服务。 微信AI要解决的，不应该只停留在生成内容或者回答问题这种基础层面，它应该是帮你去管理你的整个数字生活。 微信有机会走得更远，但前提是它能找到那个平衡点，让AI既主动又不越界，既有用又不吓人。

凤凰网科技讯 6月10日，东方甄选旗下人气主播“志胜”在社交平台发布视频，回顾其直播历程，并配文称“休假结束，再见啦。这份‘情书’比悲伤更悲伤。”视频选用邓紫棋歌曲《后会无期》作为背景音乐，引发大量粉丝关注。评论区中，不少用户对其离职表示惋惜。志胜本人回应称“未来我会拍更多有意思的视频”，但未透露离职具体原因。 志胜是东方甄选极具辨识度的主播之一，以接地气的试吃风格、幽默鲜活的表达被用户熟知，有粉丝戏称其为“治理剩菜剩饭的吃播主播”。其抖音账号“叫我志胜”粉丝量超8000人，获赞数超61万。 此次志胜离任，标志着东方甄选年内主播离职潮的延续。今年4月下旬，明明、天权、中灿、林林四位核心主播先后宣布出走。粉丝曾将董宇辉、顿顿、明明与天权并称为东方甄选“F4”直播组合，如今初代“F4”已全部离队。 谈及离职原因，上述四位主播均将矛头指向新任管理层带来的运营变革。2025年12月，新东方教育科技集团副总裁、广州学校校长孙进出任东方甄选执行总裁，原CEO孙东旭已于同年11月离职。孙进2006年加入新东方，曾主讲四六级写作、考研阅读等课程，历任南京学校常务副校长、校长。 明明曾表示，新领导入驻后直播模式与运营风格彻底改变，自己长期陷入焦虑与内耗。天权也称，管理层更迭后公司理念、直播间风格、办公氛围均发生变化，难以适应。中灿、林林同样提到，新管理规则与早期差异巨大，沟通后仍无法改变现状，最终选择离开。 面对核心主播集中出走，东方甄选创始人俞敏洪曾在直播中公开致歉并反思管理问题。他表示曾与四位主播深度沟通挽留，并称他们的离开是平台的损失。俞敏洪指出，管理层调整后公司管理方式出现偏差，过度侧重制度管控，忽视团队人文关怀，后续将优化管理模式，平衡制度化运营与人文关怀。 财报显示，2026财年上半年（2025年6月-11月），东方甄选总营收23.12亿元，同比增长5.72%；净利润2.39亿元，同比扭亏为盈。4月27日，受四大主播集体离职影响，东方甄选港股盘中一度大跌超8%，收盘跌幅收窄至2.26%。 截至6月10日收盘，东方甄选股价报21.46港元，微涨0.75%，较3月高点26.60港元下跌近20%，市值约227.5亿港元。

智东西 编译 | 田忠婷 编辑 | 程茜 智东西6月8日消息，昨日，英国《金融时报》报道，OpenAI未来几周内，计划将ChatGPT从聊天机器人转向“超级应用”，升级后的ChatGPT将不再局限于基础对话聊天，可独立完成代码生成、日程管理、出行预订等多场景任务。其网页端、移动端将集成图像生成、编程工具以及Canva、Booking.com等第三方应用。这是该公司对ChatGPT自上线以来进行的规模最大的一次升级。 这次升级，OpenAI将重点倾斜向AI编程工具Codex、企业服务等高毛利业务，逐渐减少低回报消费业务，为IPO盈利目标铺路，让ChatGPT从单纯聊天工具，转变为OpenAI打通AI生态、实现商业化增收的核心入口。 OpenAI多位内部员工称，目前，在该公司内部已经形成单纯聊天机器人发展空间有限的共识，甚至有资深员工直言“聊天已死”。据OpenAI数位离职和在职员工透露，OpenAI这次升级不仅是界面与功能的迭代，更是一次战略调整。 英国《金融时报》报道，OpenAI这次升级的目标并非单纯优化用户体验，更是为了服务于该公司商业化和盈利目标。 一、“聊天已死”？AI智能体成新方向 ChatGPT自2022年11月上线至今已积累近10亿用户，庞大的用户基数成为OpenAI得天独厚的优势，但短板也十分突出，绝大多数用户仅免费使用基础聊天功能，直接变现能力有限。 ▲AI应用全球总榜MAU前10名（图源：AI产品榜） OpenAI被曝此次升级的核心方向是把ChatGPT打造成一个统一的AI入口。网页端和移动端将进行界面重构，在对话窗口中直接集成代码编辑、图片生成等功能，并接入Canva、Booking.com等外部合作伙伴的应用。 用户无需跳转其他软件，依托这个统一的入口，就能完成编程开发、图文创作、出行预订等各类操作。从长期规划来看，OpenAI还计划逐步取消人工功能引导，依靠大模型自主识别用户需求，不断弱化各类工具的边界，打造一体化服务。 据多位内部员工透露，OpenAI内部已形成统一判断，即单纯的对话交互模式发展空间有限。一位资深员工甚至直言：“聊天已死。”未来AI的重点将转向智能体，即能够主动为用户执行具体任务的AI系统，而非仅回答问题。 当前，AI智能体已经成为主流趋势。智能体不仅能回答问题，还能根据用户指令主动执行任务，如自动写代码、管理日程或完成出行预订。 OpenAI核心产品与平台负责人蒂博·索蒂奥（Thibault Sottiaux）称，该公司这次升级并不只是界面的调整，更长远的目标是打造一个覆盖工作和生活的个人AI智能体，能够在手机、电脑甚至车载等不同设备上持续提供服务。 二、加码Codex等高毛利业务，为IPO提升盈利 英国《金融时报》称，在OpenAI这次调整中，编程工具Codex的地位被大幅提升。 目前，绝大多数消费者仍免费使用ChatGPT的基础功能，导致该产品变现能力有限，而编程工具Codex付费转化率则比较高。自2026年2月推出桌面客户端后，Codex周活跃用户数从约80万暴涨至500万，实现六倍增长，是OpenAI对抗Anthropic旗下增长最快的业务之一Claude Code的核心产品。 ▲Codex周活跃用户增长（图源OpenAI） 据知情人士透露，目前全球已有约200万家企业使用OpenAI产品，企业业务贡献了该公司约40%营收。并且，该公司预计到2026年底这一比例将上升至50%。 为了应对IPO带来的盈利压力，OpenAI对现有业务线进行了精简。此前规划的ChatGPT端内购物结算功能被搁置，上线不足一年的视频生成产品Sora也宣告关停。 英国《金融时报》援引知情人士称，这些消费级前沿项目算力成本高、商业化落地慢，短期难以实现盈利，因此被不断收缩。与此同时，OpenAI完成内部组织架构调整，将ChatGPT、Codex等核心产品线整合统一管理，进一步提升团队运转效率，聚焦盈利目标。 一年前，OpenAI与Anthropic路线差异明显：OpenAI深耕大众市场、积极探索前沿技术，Anthropic则从创立之初就聚焦企业服务，优先追求商业盈利。 如今受上市进程推动，资本市场对企业营收、盈利能力提出更高要求，英国《金融时报》报道，OpenAI此举是为了补齐商业化短板。两家厂商的竞争主战场集中在代码工具、AI智能体及行业解决方案等高价值领域。 结语：AI产品边界消失，智能体或成主要趋势 OpenAI的高管们认为，随着AI智能体能力不断增强，聊天、编程工具和生成式应用之间的边界会逐渐变得模糊，用户在未来会更多地与单一的AI助手互动。 OpenAI企业产品负责人亚历克斯·恩比里克斯（Alex Embiricos）也称，当用户拥有通用人工智能（AGI）之后，就不需要不同的AI产品，最终用户可以只和一个单一实体对话，就能完成所有的需要。 来源：英国《金融时报》

快科技6月10日消息，据媒体报道，美国密西西比州居民近日对埃隆·马斯克旗下的太空探索技术公司（SpaceX）及其新合并的人工智能企业xAI提起集体诉讼，指控两家公司运营的一座发电厂持续发出过大噪音，严重干扰周边居民的正常生活。 当地时间6月9日公布的法庭文件显示，三名居民代表一万余人向密西西比州一家联邦法院提起诉讼。诉状称，该发电厂为数据中心供电，但未能采取有效措施控制噪音，不仅给居民造成精神困扰，还导致房产贬值等经济损失，要求被告予以赔偿。 xAI是马斯克创立的人工智能公司，今年早些时候正式并入SpaceX。涉事火力发电厂位于密西西比州绍斯黑文市，xAI为其投资超过200亿美元，用于为该市及周边多座数据中心供电。 原告在诉状中指出，美国当前的人工智能设施建设热潮，让各地社区不得不忍受几乎无休止的噪音与震动，家园的宁静遭到破坏。 近年来，美国科技巨头纷纷加紧建设适配人工智能技术的数据中心，导致电力需求激增。昆尼皮亚克大学近期发布的一项民调显示，65%的受访者反对在自己居住的地区附近建设数据中心。

SpaceX即将上市 凤凰网科技讯 北京时间6月10日，据《华尔街日报》报道，随着SpaceX即将上市，该公司员工正竞相研究如何处理即将到来的巨额财富。 一位SpaceX前员工一直在与财富顾问埃里克·富兰克林(Eric Franklin)就此进行讨论，后者专门服务科技公司员工。按照SpaceX上周设定的IPO价格计算，这位前员工持有的SpaceX股票价值2140万美元，占其家庭可投资净资产的93%。 富兰克林建议他的客户，一旦SpaceX上市，他就应逐步减持手中的持股。不过，这位客户担心过早卖出SpaceX的股票，因此犹豫不决。“他显然仍然相信这家公司非同凡响。”富兰克林表示，他是财务规划公司Prospero Wealth联合创始人。 随着SpaceX即将登陆股票市场，数千名前任和现任SpaceX员工持有的公司股份，将很快能够变现为足以改变人生的巨额财富。对于持有Anthropic和OpenAI股份的许多人来说，情况也是如此，这两家公司今年也已提交了上市申请。 然而，突然坐拥巨额财富也并非一件轻松事，以下是SpaceX员工正在面临的一些抉择。 避免财富狂热 财富管理公司Compound Planning的财富顾问塔拉·舒尔曼(Tara Shulman)表示，她工作中的一个关键部分是制定多元化配置计划，并督促客户严格执行。 “我们希望尽量避免客户陷入那种IPO后必然会出现的情绪狂热之中，”她说，“试图找到卖出股票的最佳时机会让你自己疯掉。但对你个人而言，也许存在一个‘最适合卖出’的时机。” 她还表示，现在出售股票可以让客户有能力支付孩子的大学学费、购买新房，或者提前退休。 SpaceX估值1.77万亿美元 迪奥戈·莫尼卡(Diogo Mónica)是一位风险投资家、加密银行Anchorage Digital的联合创始人，在其职业生涯中积累了多家创业公司的大量股权。他制定了一套方案，以避免自己做出轻率的决策。他一直坚持一项策略：在IPO时卖出20%的持股，之后再逐步卖出另外60%。剩余的20%他选择长期持有，以此表达对公司的信心。 莫尼卡曾是金融科技公司Block旗下子公司Square的早期员工，他通过在线平台Frec出售了自己在Square的大部分持股。Frec为自主投资者提供具备税务考量的投资策略。 SpaceX员工需遵守180天的锁定期，但在特定窗口期内，他们有机会提前出售部分股票。 纳税问题 许多SpaceX、Anthropic和OpenAI的员工都持有混合型的股权薪酬，包括非合格股票期权、激励股票期权、限制性股票单位以及员工股票购买计划股份。mystockoptions.com联合创始人布鲁斯·布朗伯格(Bruce Brumberg)表示，每种形式的税收处理方式各不相同，一步走错就可能意味着一笔意想不到的税单。 如果一年内出售过多股票，或行使过多非合格股票期权，可能会使纳税人进入更高的税率档位。激励性股票期权则可能触发一笔金额可观、且出人意料的替代性最低税。因此，理财顾问通常建议制定“税务时间表”，将期权行使分散到多个纳税年度进行，以降低税务冲击。 限制性股票单位在归属时即产生税单，即使此时你还无法出售这些股票。22%的默认预扣税率可能不足以覆盖实际税负。“如果你通过贷款来支付税单，而IPO后股价又出现下跌，你仍然得还税。”Titan注册理财规划师乔瓦尼·蒂索(Giovanni Tiso)说道。 员工有时还可以通过员工股票购买计划获得更多股票。该计划通常允许员工每年以最高15%的折扣购买价值不超过2.5万美元的股票。随后，员工们还必须做出抉择：是继续持有这些股票，还是在可行时尽快卖出。 多元化配置 资产多元化的方式可以很简单，例如卖出部分股票，并将收益投入标普500指数。 不过，也有更高级的策略。例如，投资者可以将资金投入“直接指数化投资”，在跟踪指数表现的同时，刻意实现一些亏损，用来抵消资本利得，从而达到税务优化的效果。 还有一些方法可以让员工在不立即卖出股票并缴税的情况下实现财富多元化配置。预付远期合约允许员工在一定期限内以所持股票作为抵押进行借款，并用所得资金实现投资组合的多元化。这类合约通常还包含一个“价差保护区间”(collar)，也就是为股票设定一个底价和顶价，从而限制员工的下跌风险与上涨空间。当合约到期时，员工可以卖出股票并缴纳税款，或者通过开立另一份合约来延续该策略。 猎鹰9号 同样受欢迎的还有交易所基金，这是一种私人投资工具，允许持有不同公司集中头寸的投资者将各自的股票汇集起来，以实现投资组合的多元化。美国国税局通常要求投资者在这类基金中持有权益至少七年。 此外，还有针对股票授予的83(b)选择权。该选择权允许持有人在股权尚未归属时就提前缴税，如果股票在归属时大幅升值，这种方式可以节省巨额税款。然而，如果股价下跌，纳税人可能会提前缴纳本不需要支付的税款。 风险 即使经过精心规划，持有公司股票始终伴随着风险。 例如，为前SpaceX员工提供咨询的顾问富兰克林在1998年入职亚马逊公司，那时距亚马逊上市仅过去一年。他是当时公司入职培训班里唯一一位在入职一年后就卖出股票的人。 互联网泡沫危机爆发后，他被授予的剩余四分之三股票跌至行权价以下，最终变得一文不值。 “现在我们都把亚马逊视为一个巨大的成功故事，”富兰克林说，“但它并非一直如此。”(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 6月8日，小米正式推出小米17T手机。该机采用6.59英寸黄金尺寸直屏，整机宽度75.2mm、厚度8.17mm，重量200g，提供黑色、冰莓紫、幻彩白三款配色，售价3299元起。 影像方面，配备Pro同款徕卡5X潜望长焦（115mm f/3.0大光圈），支持徕卡Live动态照片，含多焦段动态图片、实况运镜模式、Live拼图及全新徕卡水印。 续航搭载7000mAh小米金沙江电池。核心搭载天玑8500 Ultra芯片（4nm全大核架构），相较上代CPU性能提升7%、GPU提升25%。 售价方面，12GB+256GB版3299元，暑期特惠价2999元，国补价2549.15元；12GB+512GB版3799元，暑期特惠价3499 元，国补价2999元。

说一件你可能不太相信的事情，陶瓷，正在被AI带火。 过去提到陶瓷，你最先想到的应该是马桶和瓷砖。 但是最近，A股的陶瓷概念股暴涨。 陶瓷已经开始和英伟达、GPU、光模块、半导体设备这些AI新贵们绑在一起了。 如今陶瓷能成为AI概念股，主要依靠的是下面这三条线： 第一条是MLCC。它是电路板上的小型被动元件，作用是稳定芯片供电。AI服务器功耗越来越高，芯片周围就需要更多这种元件。 第二条是陶瓷基板和封装材料。芯片越热，越需要能同时导热和绝缘的材料。金属导热好但导电，塑料绝缘但扛不住高温，于是高端陶瓷材料需求量迅速暴涨。 第三条是半导体制造设备里也需要更多的先进陶瓷部件。比如晶圆厂的刻蚀机、沉积设备，陶瓷是为数不多能扛得住那种生产环境的材料。 那么具体又是怎么回事呢？ MLCC MLCC，全称多层陶瓷电容器，是采用陶瓷介质与金属电极交替叠层、经高温共烧而成的微型被动元件。它的作用，是保证高功耗芯片能稳定运行。 芯片瞬间拉电流时，电压会波动，MLCC负责去耦、滤波、稳压，帮助电源更稳定。 MLCC是电路板上的基础被动元件，因此有个外号，叫做“电子工业的大米”。 过去MLCC确实像大米一样，便宜、大量、不起眼。但GPU火了以后，MLCC也从普通的大米，摇身一变成为了康熙御田胭脂米（红楼梦里面贾母的红稻米）。 核心原因是功耗。 传统服务器功耗约2000W，搭载英伟达GPU的AI服务器功耗可达1万W，是传统服务器的5倍。GPU、CPU、HBM、NVSwitch、电源模块都要在高频、高功耗下运行。 AI服务器里的GPU功耗越来越高，芯片周围需要更多性能更好的MLCC来稳定供电。英伟达新平台还增加了DPU和高速网络模块，这些模块同样需要大量高端MLCC。 结果就是，每块计算板、交换机板上用的MLCC数量更多、规格更高，成本也明显上升。等到这些板卡被装进整机架服务器里，需求就被进一步放大了。 普通服务器约2000-3000颗MLCC，AI服务器则是另一个量级。英伟达GB300单机约3万颗，是普通服务器的10倍以上，是手机的30倍。单个AI机柜NVL72消耗约44万颗。 2026年5月，摩根士丹利发布的拆解报告显示，英伟达Rubin平台VR200 NVL72，单机柜MLCC用量从GB300的48万颗升至60万颗，增长25%。 更关键的是，每台机架上面MLCC的价格，也从1530美元飙升到了4320美元，暴增182%。 而且这种增长还是一个长期现象。 中金公司预测，2026、2027年AI服务器MLCC需求量将分别增长87%和88%。村田制作所预测，2025年至2030年，AI服务器用MLCC市场年复合增长率将达到30%，市场规模将增长3.3倍。 全球AI用MLCC市场规模已达52.66亿美元，预计2032年将攀升至169.2亿美元。 全球MLCC市场高度集中，日本村田制作所市场份额31%-32%，韩国三星电机22%-23%，日本太阳诱电约10%。三家合计占据全球67%的市场份额。 在高端AI服务器MLCC领域，村田一家独大，市占率约70%。 国内企业风华高科、三环集团等在高端市场份额不足10%。 2025年以来，村田、三星电机、太阳诱电等厂商集体涨价。2026年4月，村田针对AI服务器和高端车规级MLCC产品全面涨价，涨幅介于15%至35%之间，新价格体系于4月1日正式生效。 三星电机4月起全线涨价10%-20%，天津工厂满载，暂停低价新单。太阳诱电宣布MLCC全线产品将于5月1日起进行价格调整。 然而，村田、三星电机的MLCC整体产能利用率已达90%-95%，高端高容产品已经处于满产状态。订单量是现有产能的2倍，交期20周以上。 MLCC产线建设周期约18-24个月，高端产品还需额外1-2年的客户认证周期，短期无法快速增加供给。村田2025-2026资本开支3500亿日元以上，仍然满足不了需求。 但是相对的，中低端产线无法升级做高端。设备、工艺、材料体系完全不同，高端产线也没办法下沉。 村田数据显示，其2026年服务器相关MLCC销售额预计同比增长85%-90%。三星电机凭借博迁新材120nm、80nm、60nm等优质材料供应，在AI服务器领域MLCC全球份额已达45%以上，并在菲律宾等地持续扩充产能。 国产MLCC公司里，风华高科、三环集团更偏民用和规模化替代；鸿远电子、火炬电子、振华科技更偏军工高可靠；达利凯普则切在射频微波MLCC这个高端细分市场。国瓷材料、洁美科技、博迁新材是MLCC上游材料和耗材环节。 陶瓷基板 高功率芯片需要材料同时满足几个矛盾条件：要导热，快速散发芯片产生的热量；要绝缘，防止电路短路；要耐高温，承受芯片运行时的高温环境；要可靠，长期稳定工作不失效。 传统材料很难同时满足。 金属导热好但导电，无法满足绝缘要求。普通塑料绝缘但耐热和导热性能不够。 唯有先进陶瓷材料。氮化铝（AlN）、氧化铝（Al₂O₃）、氮化硅（Si₃N₄）等高端陶瓷材料，能够同时满足导热、绝缘、耐高温、高可靠性等多重要求。 氮化铝导热系数约200 W/(m·K)，氮化硅导热系数可达300 W/(m·K)，同时具备优异的电绝缘性能和热膨胀系数匹配性。陶瓷基板可以在保持电绝缘的前提下，快速将芯片热量传导出去。 陶瓷基板同样也不是什么新技术，过去陶瓷基板主要用于功率半导体、激光器件等特定场景，市场规模有限。但是现在不一样了，陶瓷基板成为了“AI新贵”。 工艺路线主要有三种：AMB(Active Metal Brazing，活性金属钎焊）、DPC(Direct Plated Copper，直接镀铜）、HTCC(High Temperature Co-fired Ceramic，高温共烧陶瓷）。 AI服务器散热基板、HBM先进封装、1.6T/3.2T高速光模块封装、功率半导体封装、激光器件封装，都在大量使用陶瓷基板。 AI服务器对被动元件需求量超过普通服务器1倍以上，GB300机柜MLCC用量较GB200增长近10倍。三环集团针对数据中心48V电源系统推出了多规格高容产品，满足高密度供电需求。随着代际升级，单机MLCC用量呈倍数增长。 芯片功耗越高，散热要求越严格，对基板材料的导热、绝缘、可靠性要求越高。传统有机基板在高功率场景下已经接近物理极限，陶瓷基板成为必选项。 英伟达GB200 GPU功耗1000W，Rubin平台功耗翻倍至2000W。功耗翻倍意味着热量翻倍，散热难度指数级上升。有机基板的导热系数通常在1-5 W/(m·K)，而氮化硅可以达到300 W/(m·K)。 HBM先进封装对陶瓷基板的需求更加迫切。HBM是高带宽存储器，多层DRAM芯片堆叠在一起，功耗密度极高。 如何在极小空间内快速散热，同时保证电气性能和长期可靠性，是封装设计的核心难题。陶瓷基板的高导热、高绝缘、低热膨胀系数特性，正好匹配这个需求。 最近在网上热度很高的光模块，同样依赖陶瓷基板。 1.6T/3.2T高速光模块，数据传输速率越高，功耗越大，发热越严重。光芯片对温度极其敏感，温度波动会直接影响光信号质量。氮化铝薄膜基板可以快速散热，同时保证热稳定性，是高速光模块的关键材料。 但陶瓷基板的生产工艺是非常复杂的，还有一个问题，这个产业良率爬坡周期长，客户认证周期长。 氮化铝、氮化硅等高端陶瓷材料的制备本身就有技术壁垒，再加上金属化、精密加工、可靠性测试等环节，整个产业链的扩产速度受限。 这就形成了一个典型的供需缺口。需求端，AI算力扩张、芯片功耗提升、先进封装渗透，都在加速陶瓷基板的需求增长。供给端，技术壁垒、产能爬坡、客户认证，都在限制供给扩张速度。缺口越大，价值重估的空间越大。 海外玩家主要集中在日本和欧美，日本京瓷、村田、丸和、NGK/日本碍子等长期占据高端电子陶瓷和封装材料优势，罗杰斯、CoorsTek 等欧美公司也在高频、高可靠陶瓷材料中有布局。 国内厂商里，中瓷电子更偏光通信、射频与半导体封装用陶瓷外壳和基板；三环集团、国瓷材料、富乐德、壹石通等覆盖陶瓷基板、粉体或半导体设备陶瓷环节；此外还有一些公司切入氮化铝、氮化硅、氧化铝基板。 和MLCC类似，国产厂商并不是没有能力，而是高端客户认证、批量稳定性、良率和材料体系仍是门槛。 半导体制造里的先进陶瓷 半导体制造对环境的要求比较高，需要高温、强腐蚀、强电场，还要有超高的洁净度。陶瓷，依然是最合适的材料。 静电卡盘（ESC, Electrostatic Chuck）是陶瓷在半导体制造里最核心的应用。它的功能是在晶圆加工过程中，利用静电力将硅晶圆牢固固定到位，同时控温、降低背面颗粒污染。 静电卡盘的精度要求极高，平整度可达头发丝的1/80。应用环节覆盖刻蚀、薄膜沉积、离子注入、光刻等关键工艺。 第二大用途就是腔体涂层了，它的作用是抵抗等离子体腐蚀，保护设备腔体。 腔体涂层材料要求耐高温、耐腐蚀、低颗粒污染。等离子体刻蚀过程中，腔体内部环境极其恶劣，温度高、腐蚀性强，普通材料很快就会被腐蚀，产生颗粒污染，影响晶圆良率。 先进陶瓷涂层可以长期稳定工作，减少设备维护频率，提高晶圆厂产能利用率。 再往高端走则是气溶胶沉积膜（AD膜）。 它的功能是在金属、石英、陶瓷等基材上形成致密氧化钇膜，抑制等离子体腐蚀并减少颗粒污染。 技术壁垒在于高纯度、高致密性。氧化钇膜的纯度和致密性直接影响耐腐蚀性能和颗粒产生量，而这两个指标都需要极高的工艺控制能力。 日本马桶巨头TOTO就是一个非常具有代表性的例子，其因先进陶瓷业务在2026年4月30日股价暴涨18%，市值突破1万亿日元，创下历史新高。 截至2026年3月财年，TOTO先进陶瓷业务营业利润达270亿日元，营业利润占比首次超过55%，超过核心的住宅卫浴设备业务，成为公司第一大利润引擎。营业利润率从五年前的9%暴涨至40%以上。订单排期已排到2027年。 TOTO早在1980年代就布局半导体精密陶瓷业务，其高纯度陶瓷技术在业界处于顶尖水平。 当时的大背景是日本经济高速增长期尾声，宅建热潮退去。 TOTO陶瓷业务企划部主管龟岛淳司（Junji Kameshima）回忆：“我们决定将陶瓷技术从卫浴领域延伸至高附加值市场。” TOTO于1984年正式成立的陶瓷事业部，锁定芯片制造设备三大核心产品：用于蚀刻设备的静电吸盘、保护逻辑半导体腔体的气溶胶沉积组件，以及大型液晶面板生产设备的高耐用结构件。 而这些产品的制造工艺，都源自马桶生产中积累的精密成型技术。 2020年，日本大分县中津市的新工厂引入全自动化生产线，配合AI质检系统，良率大幅提升。TOTO宣布将加快静电卡盘的研发和产能建设，重点投向NAND存储芯片生产所需的静电卡盘。 Palliser Capital敦促公司把资本配置更多投向这一高回报业务，估算若加大资本投入并改善披露，TOTO股价有望从当时的6000日元飙升55%至9000日元。 全球市场格局高度垄断。全球前五大厂商垄断93%份额，主要企业包括美国应用材料、美国LAM、日本新光电气、日本TOTO等。中国高端静电卡盘国产化率不足1%，12英寸产品几乎100%依赖进口。 在半导体设备陶瓷件上，国内公司也有进展。 中瓷电子已把静电卡盘列为产品，并披露光通信陶瓷封装产品和氮化铝薄膜基板实现批量供货；珂玛科技则更偏半导体设备用先进陶瓷零部件，招股书显示其陶瓷加热器和部分静电卡盘已量产，产品用于薄膜沉积、刻蚀等环节。它们替代的不是普通陶瓷，而是晶圆制造中直接影响吸附、控温、耐腐蚀和颗粒污染的关键部件。

IT之家 6 月 8 日消息，Meta 发文，宣布与欧洲空间局（ESA）展开合作，两台 Meta Quest 3 VR 头显即将被送往国际空间站（ISS），用于帮助宇航员在正式出舱前进行太空行走训练。 事实上，Quest 3 并不是首款进入国际空间站的 XR 设备。早在 2015 年，微软就曾将初代 HoloLens 送上空间站，通过“远程专家模式”协助地面工程团队指导宇航员维修设备。而 Oculus 于 2017 年向空间站送去 Oculus Rift，帮助 ESA 宇航员 Thomas Pesquet 与 Alexander Gerst 在失重环境下开展神经科学实验。到了 2023 年，HTC 也将 HTC Vive Focus 3 运抵空间站，帮助宇航员调理心理健康，宇航员能够通过沉浸式 360 度地球风景视频缓解长期驻留太空带来的压力。 由于太空失重环境与地面完全不同，过去几次 XR 设备任务都需要对头显追踪系统进行大幅修改。通常情况下，VR / AR 头显会利用 IMU（惯性测量单元）中的加速度计检测重力方向，以确定“地面”朝向并校准空间定位，但在微重力环境中，这套机制会导致画面持续漂移。 因此，当年 Oculus 在 Rift 太空项目中直接替换掉原有的 Constellation 追踪方案，改用更适合失重环境的第三方系统；而 HTC 则通过将一个控制器固定在空间站舱壁上，作为空间定位锚点，让 Vive Focus 3 能维持稳定追踪。 相比之下，此次 Quest 3 的改造方案要简单得多。Meta 表示，其工程团队主要对头显自带的“Travel Mode（旅行模式）”进行修改，以适配微重力环境，在开启相应模式后，Quest 3 将完全忽略 IMU 加速度数据，转而完全依靠摄像头的视觉追踪进行空间定位。 Meta 表示，随着人类在 2030 年代重返月球，未来月球基地中的宇航员几乎可以确定也会配备新一代 XR 头显。考虑到未来 5 至 10 年 XR 技术可能出现的大幅进步，这类设备除了可用于训练外，还可能成为深空任务中的重要生活辅助工具，以改善宇航员长期太空驻留期间的生活质量。

机器人前瞻（公众号：robot_pro） 作者 | 许丽思 编辑 | 漠影 机器人前瞻6月8日报道，近日，从北京经开区传出相关消息，昆仑行机器人科技有限公司正式落地北京亦庄经开区，经开区主要领导与公司创始人任庚及核心团队开展了专项会晤，明确成立专班定向支持这家“超级明星创企”。 昆仑行今年3月正式在北京经开区完成工商注册，两周内核心团队全部到岗，短短2月内完成企业基础架构搭建、人才规模化集聚、研发体系搭建等一系列关键工作。资本端更是备受青睐，成立初期便斩获顶级机构重磅投资、被头部资本真金白银坚定锁仓，成为2026年具身智能赛道备受瞩目的“超级明星创企”。 昆仑行创始人任庚，是国内具身智能赛道极度稀缺的，集阿里云千亿营收商业一号位、华为全球化发展中的海外国家CEO、超5万人大型集团总裁经验于一身的全能型行业领军人物。任庚职业生涯起步于华为，是华为最年轻的国家CEO之一，全面负责华为在海外所在国的运营商、企业、终端三大BG，从解决方案、销售、交付到采购、供应链、GR/PR等整体业务。2015年任庚加入阿里，成为阿里集团80后年轻高管、最年轻副总裁之一，先后担任阿里云中国区总裁、阿里云视频云&边缘云研发总裁、阿里云总参谋长等核心职务，是国内云智能行业的领航者。任庚在执掌阿里云中国区期间，正值国内云计算市场高速扩张，阿里云长期保持市场份额第一，2020年达到42.1%的高点。2023年底，任庚出任新奥集团总裁，推动超5万人大型集团在行业大模型、数字智能体、具身智能等前沿领域布局。任庚兼具硬件工程底蕴、AI创新思维、千亿商业操盘能力、大型集团管理经验与全球化运营能力，其复合型履历，在国内具身智能创始人中堪称独树一帜。 联合创始人郎咸朋，是国内深耕AI领域15年的“稀缺AI技术大咖”和具身智能领域唯一的“把自动驾驶从0-1-100实践成功的AI领军人物”。作为理想汽车高级副总裁，自动驾驶总裁及“一号员工”，从零搭建完整智驾研发体系、组建核心技术团队、打造行业标杆数据闭环，彻底摆脱供应商技术桎梏。他主导“卫城计划”推动理想智驾全面自研，落地高速NOA、城市NOA、无图NOA量产应用，2024年带领团队不到100天完成业界首个端到端+VLM方案交付，2025年在自动驾驶领域首发VLA并量产交付，助力理想智驾跻身行业第一梯队。 昆仑行创始团队成员，主要来自华为、阿里巴巴、理想汽车等业界知名企业核心骨干，典型特征是每个成员都在各自领域有着卓越的成功经验。 创始人和团队的成熟企业经营经验，叠加“最成功的商业操盘能力，最顶级的AI落地实践和最强大硬件研发体系”等三重核心优势，让昆仑行成为具身智能赛道名副其实的“超级王牌团队”。 昆仑行对标特斯拉人形机器人这一行业标杆，构建全栈核心技术能力，坚持“本体+大脑”双轮驱动战略。在“大脑”方面，当前无论是VLA的行为模仿，还是世界模型的空间预演，都偏向“看起来对的拟合”，而不是“物理上站得住的推理”，都没有让模型真正理解物理内生规律。回看自动驾驶曾经依赖高精地图补短板的阶段性误区，当下机器人行业一味堆数据、用模仿学习做过拟合训练，还是偏向阶段性的产物，并非终局解法。“AI能力不够，应该从根本上解决AI的问题，而不是给它一根拐杖”。对此，昆仑行确立了以物理内生因果为核心的具身智能下半场技术路线，通过原生模型、Agent架构、数据体系三大核心布局，构建通用具身智能的基础能力底座。