全球混凝土及砂浆行业供应链平台

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。

IT之家 4 月 1 日消息，据外媒 Semiconductor Engineering 报道，三星电子在行业会议 Memcon 2024 上表示计划于 2025 年后在业界率先进入 3D DRAM 内存时代。 DRAM 内存行业将于本十年后期将线宽压缩至 10nm 以下。而在如此精细的尺度下，现有设计方案难以进一步扩展，业界因此正在探索包括 3D DRAM 在内的多种创新型内存设计。 ▲ 图源 Semiconductor Engineering 三星在 Memcon 2024 的幻灯片上展示了两项 3D DRAM 内存新技术，包括垂直通道晶体管（Vertical Channel Transistor）和堆叠 DRAM（Stacked DRAM）。 相较于传统的晶体管结构，垂直通道晶体管将沟道方向从水平变为垂直，可大幅减少器件面积占用，但提升了对刻蚀工艺精度的要求。 相较现有 2D DRAM 结构，堆叠 DRAM 可充分利用 z 方向空间，在较小面积中容纳更多存储单元，单芯片容纳提升至 100G 以上。 3D DRAM 市场有望于 2028 年达到 1000 亿美元（IT之家备注：当前约 7240 亿元人民币）。为了同其他主要内存制造商竞争，三星已于今年初在美国硅谷开设了一家新的 3D DRAM 研发实验室。

作者 | 丹木 编辑 | 韦伯 麻吉 Kimi作为一款国产AI模型，在短时间内获得了广泛的用户关注和市场正反馈。 从价值星球掌握的信息看，Kimi的爆火主要得益于其在长文本处理能力上的显著优势，以及背后团队月之暗面（Moonshot AI）的技术创新和市场策略。此外，Kimi的成功也引发了资本市场对AI领域的高度关注，相关概念股表现活跃，投资者热情高涨。 现在，投资人工智能赛道是否是一个好机会？价值星球认为尚需考虑多方面因素。 首先，Kimi的技术突破和市场表现确实为AI领域带来了新的机遇，特别是在长文本处理、专业学术论文翻译理解等方面的应用潜力；其次，随着Kimi等国产大模型的亮相，预计模型参数量及训练量将持续提升，这将对AI算力租赁、IDC、服务器运维等算力服务商产生积极影响；最后，Kimi的爆火也带动了相关概念股的上涨，显示出资本市场对于AI技术发展的认可和支持。 然而，投资决策不应仅仅基于短期的市场热度和概念股表现。需要注意的是，AI领域的竞争日益激烈，不仅有来自国内外的技术挑战，还有来自互联网大厂的战略角逐。 目前，Kimi虽然在技术上取得了突破，但其商业模式、盈利能力以及长期可持续性仍需进一步观察和评估。 01 现在是进入AI智能领域的好机会吗？ 近日，AI智能助手Kimi爆火，一度因访问量激增导致宕机。3月25日，话题“Kimi每天获客成本超20万元”冲上微博热搜。 Kimi背后公司月之暗面，成立于2023年4月17日，背后有包括阿里、红杉中国、小红书、美团等投资方和顶级互联网巨头加持。 与其他AI产品相比，Kimi的优势在于长文本处理能力。2023年10月，月之暗面宣布推出首个支持输入20万汉字的智能助手产品Kimi Chat。仅仅几个月后，今年3月18日，Kimi再次升级功能，可支持处理200万字无损上下文。 与Kimi对比，此前流行的许多AI产品在长文本能力上略显不足。例如Chat GPT4，只支持最多2.5万字的文本处理。 创立于2023年的月之暗面，像一条鲶鱼，迅速杀进了前景广阔的AI领域，让国内AI行业看到了长文本处理功能的商机，也随之引起了各个公司激烈的竞争。 AI长文本的市场应用有其商业价值，但在商业应用层面，更重要的是资金和算力。当Kimi真正开始与互联网大厂同台竞争，它是否能保持优势，仍然有待观察。 2022年11月底，美国Open AI推出人工智能对话聊天机器人Chat GPT，仅仅过了两个月，Chat GPT的月活用户就突破1亿，成为史上增长最快的消费者应用。 2023年初，Chat GPT的风潮吹到了中国。朋友圈流传着各行各业工作人员用Chat GPT检索、写作的体验，1月30日，同花顺概念板块新增“Chat GPT概念”，百度、腾讯、阿里等多个互联网大厂也先后开始布局AI产品。 Chat GPT暂时未进入中国市场，而且，Chat GPT并非基于中文开发，国内用户仍然需要更加本土化的AI模型，这就为国产互联网科技公司提供了机会。 但在众多AI模型中，最火爆的却并不是互联网大厂的产品，而是初出茅庐、此前名不见经传的Kimi。 目前，Kimi最具吸引力的功能是长文本处理，特别是信息无损压缩技术。Kimi具备强大的记忆功能，这意味着它能在最长200万字的多轮对话中保持信息的完整性，为用户提供连贯且深入的交流体验。 Kimi的功能到底有多强大？此前，月之暗面副总裁许欣然在会议室展示了几份用于测试的文件，包括大部头医学书籍《中医内科学》《中医诊断学》、英伟达2023年年度财报、《甄嬛传》剧本等。 在上传这些内容后，Kimi可以迅速“读”完一份近百万字的中医诊疗手册，给用户提供诊疗建议，也可以迅速概括长达76集的《甄嬛传》剧情和人物简介，让用户从“小白”秒变入门级“甄学家”。 一位亲自体验Kimi的网友在社交媒体上表示，他进行了一次尝试，在网上随便下载了一个80页5.88兆的PDF文档，要求Kimi给出一份简洁通俗的概括，Kimi很快完成了任务，输出了一段仅有几句话的总结。 也有网友把Kimi和百度开发的文心一言、阿里开发的通义千问进行了对比，用包括天气与着装建议、法律知识、二手房限购政策、代码生成在内的六道题测试三款AI模型，结论是Kimi在信息检索方面与文心一言互有优劣，总体上优于通义千问，但在代码生成领域不如通义千问。 尽管Kimi还有不够成熟之处，但它堪称惊艳的分析和文本生成效果引发了广泛关注，而且，目前Kimi暂不收费，被许多网友称为“Chat GPT”的国产免费平替。早在今年二月，Kimi智能助手的访问量已经达到305万，在大模型创业公司的“AI ChatBots”产品中排名第一。 三月，Kimi由于用户过多导致宕机。根据月之暗面发布的情况说明，从3月20日上午9:30开始，观测到Kimi的系统流量持续异常增高，由于流量增加的趋势远超对资源的预期规划，从当天10:00开始，较多的SaaS客户持续遇到引擎过载的异常问题。同时，月之暗面正在持续进行扩容工作，以承载持续增长的用户量。 02 月之暗面成功的关键是什么？ 在Kimi爆火前，很少有人知道这款AI产品，以及它背后的创业公司“月之暗面”。 作为人工智能领域突然杀出的一匹黑马，能够迅速与百度、阿里等互联网大厂生产的AI模型较量，足以证明Kimi背后公司和团队的优秀。 Kimi母公司月之暗面成立于2023年3月，自成立开始，就不断获得资本的青睐。2023年6月，月之暗面收获了超过2亿美元的融资，投资方包括红杉中国、真格基金等；当年10月，月之暗面再次获得红杉资本、今日资本等投资机构近20亿元人民币的融资。今年2月，月之暗面完成包括红杉中国、小红书、阿里、美团等多家机构超10亿美元的融资，此次融资后，月之暗面估值达到约25亿美元，成为国内大模型领域的独角兽企业。 月之暗面创始人杨植麟可以说是一名“天才90后”，他本科毕业于清华大学，博士则毕业于以计算机专业知名的美国卡内基梅隆大学，曾经与图灵奖得主杨乐坤、约书亚·本吉奥合作发表论文，是一名大语言模型领域的专家，团队里也汇集了来自谷歌、Meta、亚马逊等全球顶级机构的人才。 Kimi技术的重点突破在大模型长上下文窗口技术方面，从成立至今，月之暗面已完成了从通用大模型到上层应用的布局。在大模型基础层，月之暗面训练了千亿级别的自研通用大模型，并获得了国内大模型备案审批；应用层则不断增加长文本处理能力，从支持输入20万字升级到200万字，善于阅读长文、搜索网页，可以用于会议纪要、辅助编程、文案写作等场景。 当然，Kimi处理文字的能力并非独一无二，能够从众多国产AI产品中破圈，靠的还是商业运营和营销方面的能力。 许多主流厂商开发的AI产品主要面向B端，通过AI功能+原有产品的思路打开市场，例如微软的Office接入GPT-4，带来全新的办公生产模式；华为云在2022年发布了盘古矿山大模型、气象大模型、海浪大模型等；科大讯飞也在2023年发布了讯飞星火认知大模型。 Kimi目前则主攻C端，月之暗面作为国内乃至全球范围内第一家将“长文本”作为标签的大模型公司，通过大量的广告营销和用户口碑，以“长文本”概念迅速占领用户心智。另外，Kimi简洁的界面对C端用户来说也更加友好，降低了使用门槛，迅速吸引了一批用户。 用户对Kimi在长文本方面的“超能力”既有赞叹，也有恐惧——一方面，AI能够提高工作效率，迅速检索、概括海量信息，另一方面，各行各业的工作者又担忧自己的工作有朝一日会被越来越强大的AI取代。 不过，目前担忧Kimi等AI产品“抢走”人类的工作或许为时过早。大部分时候，C端用户把AI当成一种娱乐工具，例如用AI制作“哄女友生成器”“吵架小助手”、生成各种有娱乐性质的图片。在真正的工作领域，AI的效率并不一定高于人类。 许多专业领域的从业者认为，AI的检索能力并不如传统搜索引擎。由于缺乏足够的训练，AI很难给出足够专业的信息，仍然需要搜索引擎、论文网站等传统检索方式。而在短文本生成、翻译等方面，AI并不如人类。 目前在读大学的肖晨曾经尝试过用AI翻译论文摘要、为自己的文章取标题，他尝试了包括Chat GPT、Kimi、文心一言在内的几款AI产品，最后发现生成的标题并不令人满意，而AI翻译出的短文虽然语法精准，但用词并不够恰当，仍然需要找精通英语的朋友进行修改。 肖晨最终发现，AI最强大的功能，仍然在于长文本的理解和概括速度。当他面对撰写论文所需的大量文献时，AI只需几分钟，就可以“读”完他需要几小时阅读的文献，并给出简练的归纳总结。 Kimi提供的长文本阅读能力吸引了大批需要阅读海量资料的用户，如学术研究群体、金融和法律领域工作者。同时，Kimi提供了一种新的AI运营思路，即不依靠大厂普遍采取的模型+云服务、AI功能+原有产品的传统方式，单凭高质量C端服务吸引用户。 03 资产市场怎么看Kimi的长文本功能？ 尽管Kimi的出现迅速吸引了一批用户，并在二级市场引起了巨大的反响，但Kimi的长文本功能是否具有造血能力，仍是一个问题。 除了Kimi的火爆程度，很多人也在讨论Kimi的获客成本。根据新浪科技提供的数据，考虑到广告投放和算力成本，Kimi每个获客用户的成本达到12-13元，而按照近一个月将近18000的日均下载量计算，Kimi每日的获客成本高达20万元。 月之暗面作为初创公司尚未实现商业化盈利。除了每日20万元左右的获客成本，Kimi还需要不断提升信息检索能力、遵循复杂指令的能力，同时推动多模态模型研发，以及实现音频处理等其他需求。另外，为庞大的用户群体提供稳定的服务同样需要资金。可以预见，在未来的一段时间内，月之暗面的任务并非盈利，而是通过持续的投入不断提升服务能力。 Kimi引以为傲的长文本功能，很难成为它的护城河。在解读长文本能力成为大部分C端用户刚需的背景下，大部分海内外公司都会把C端服务的重点放在长文本解读方面。 图源：Kimi官网 国内互联网大厂从Kimi身上看到了长文本的广泛需求后，很快加入竞争，对Kimi展开“围剿”。 2023年10月30日，Kimi首发不到一个月，王小川的百川智能就推出了单次处理35万汉字的Baichuan2-192K，打破了Kimi的20万字记录，随后，李开复也发布了能够处理40万字的Yi-34B。 而在Kimi更新200万字长文档处理能力后，更多大厂入局，阿里宣布通义千问升级，免费开放1000万字的长文档处理功能，成为全球文档处理容量第一的AI应用；随后，百度文心一言、360智脑也都把500万字长文本提上了日程。 对于Kimi来说，在缺乏其他盈利方式的情况下，每个用户12-13元的获客成本是不小的投入，但对已经具有造血能力的大厂来说，这笔成本并不算高——根据亿欧智库2022年3月的数据，中国互联网企业的平均获客成本在380元-580元之间。 Kimi大量烧钱探索出的路径，对于互联网大厂而言，反而是更低的获客成本。同时，算力资源、人力资源充足的互联网大厂更容易输出稳定的服务，并把AI与自身原有产品相结合。况且，Kimi的长文本处理能力与通义千问、360智脑等AI产品相比，并没有非常明显的优势。 今年3月18日，月之暗面联合创始人周昕宇透露，月之暗面正在推进商业化，制作付费内容，并表示思考点不是性价比，而是“应该要帮用户解决什么问题”。 但Kimi的商业化具体如何落地，是否能为月之暗面带来持续的造血能力，仍是一个未知数。在目前大部分互联网公司免费开放AI产品，且功能渐趋同质化的情况下，即使Kimi在用户心智方面抢占先机，付费服务也很难被大众接受。 因此，长文本很难成为Kimi永远的护城河，月之暗面想要持续盈利，仍需找到新的增长点。 与互联网大厂竞争并非易事。此前，包括共享单车在内的许多创意都以美好的愿景开始，最终由于无法持续盈利等诸多原因，或黯然消失，或被大厂并购。如今，满怀理想主义的学霸杨植麟也将走上这条布满荆棘的道路，与中国乃至海外的互联网大厂正面竞争。想要在这场激烈的战斗中活下来，杨植麟、Kimi和月之暗面仍需讲出更好的故事。

IT之家 4 月 1 日消息，据外媒 Phoronix 报道，英特尔计划调整沿用了近 30 年的 CPI ID 命名规范，并给出了两组未来处理器名称和微架构可能的名称。 自其 1995 年推出第六代 x86 微架构奔腾 Pro 以来，英特尔一直在使用“Family 6”作为其 CPU ID 辨识符的开头，并在后面添加“Model xx”以区分具体架构，如 Meteor Lake 架构为“Family 6 Model 170”。 根据英特尔工程师的说法，这一沿用了近 30 年的命名规范即将进行调整。而为了适应此次变化，必须对 CPU ID 相关系统进行更新，以保证兼容未来产品。 近日，英特尔已准备了 74 个相关补丁，以便于未来在 CPUID (1).EAX 中使用非零值扩展命名空间。 此外英特尔还列举了两组可能的未来 CPU 架构 / 处理器命名作为未来 CPU ID 名称的参考： 用于 Adams Lake 处理器的 Douglas Cove 架构； 用于 Copper Forest 处理器的 Sheldonmont 架构。 参考英特尔现有处理器命名规范，如果这两组名字不是占位符，则 Adams Lake 可能指向后 Panther Lake 的主流消费级处理器；而 Copper Forest 可能指向后 Clearwater Forest 的能效核至强处理器。 英特尔此前还表示计划在架构方面推出一系列大动作，如 x86S 简化架构和 APX 规范，IT之家将持续关注。

经常延毕的同学都知道，写论文最怕的当然是查重。 自己辛辛苦苦拼写的论文，一看查重率，直接去翟天临微博下问候十几条评论。 不过这问题自去年各种AI工具出现以后，似乎就再没引起过讨论，早有知乎大V手把手教学如何使用AI降重。 但AI的能力远不止降重这么简单，小到写一篇论文，大到通过司法考试，它都能做到。 沃顿商学院教授发现，ChatGPT在MBA课程运营管理中的考试成绩超过了不少学生。而能力更强的GPT4，刚发布时，就以平均分75的成绩通过了美国法考，超过了90%的人类考生。 面对拥有超能力的AI，大家也是来者不拒。有些人甚至直接用AI写的内容投稿，改都不改。 今年4月的一篇医学论文《成功治疗4个月大女婴的医源性门静脉及肝动脉损伤：病例报告及文献综述》中，直接出现了“我是一个AI大模型，所以没有真实的病人数据”这样的内容。 但ChatGPT能力再强，其本质也只是对已有的内容进行模仿重复，用它来写论文和考试作弊没什么区别。不少期刊已经开始不鼓励或者拒绝AI生成的学术内容。 我国在学位法(草案)中，直接将人工智能代写论文定义为学术不端行为。 但无论如何禁止学生使用AI写论文，总有人会冒险，只有让学生自发的，从心底里抗拒用AI作弊才行。 就像疫情期间为了让所有人都戴上口罩，专家跑出来说病毒会影响性功能一样。 巴基斯坦国立计算机与新兴科学大学(正经大学，2023年QS全球排名421)的学者Muhammad Abbas，另辟蹊径，做了个严谨的实验，试图证明用AI写论文会导致智商下降，让学生拒绝使用AI写作业。 Abbas表示：“在过去一年里，我观察到我的学生们在完成我布置的各项作业和项目时，越来越多地、不加批判地依赖生成式AI工具。这促使我深入探究他们使用这些工具的根本原因和后果”。 该研究分为两个阶段进行。 首先，研究人员开发了一个变量表，用来衡量学生在学习上使用ChatGPT情况。 变量表的类目包括“我使用ChatGPT来完成课程作业”“我依赖ChatGPT来帮助我的学习”“ChatGPT是我校园生活的一部分”等。 这一块是想测量到底有多少学生会使用AI来完成学业，并且是否依赖AI。 此表为了检测变量是否相关，简单来说就是作者在学术上为了证明这张表不是胡编的 第二阶段，研究者调查影响学生使用ChatGPT的原因，包括学术工作量、时间压力、对成绩的担心程度以及对内容质量的感知程度等。 测量后，研究者会评估使用ChatGPT对学生在拖延症、记忆力是否减退和学习成绩等方面的影响，并每隔一至两周进行复查。 作者的研究模型 研究发现，高强度的学术工作量(H1)和时间压力(H2)是ChatGPT使用量增加的主要因素，这意味着在面临高学业负担和时间紧迫的情况下，学生更有可能求助于AI工具。 这很好理解，作业都快做不完了，AI这根救命稻草能抓牢还是要抓一下的，当然，也有可能是因为大学生天然就有拖延症属性。 而更担心成绩的学生则不太愿意使用ChatGPT，他们担心使用AI工具可能会危害分数。 这是什么隔壁小孩式的发言？对于老师不允许做的事情，他们不敢越雷池一步。 有趣的是，研究并没有发现质量敏感性与使用ChatGPT之间的显著关系(H4)，这表明学生对学术内容质量的重视程度并不一定会影响其使用AI工具。 也就是说，学生其实并不在意AI做出来的东西质量高不高，能交差就行。 此表是呈现什么原因会导致学生使用ChatGPT，以及使用ChatGPT的后果 简单解释一下这张表(同下表)，Path列代表路径，比如H1行中，学术工作量(Workload)会导致学生使用ChatGPT。 系数(Coefficient)代表两个因素之间的关系，以H1的0.133为例，代表学生的学术工作量越大，就越会使用ChatGPT。 T和P列，是为了在学术上证明这个研究假设在统计学上成立不成立。 其实！我们直接看最后一列Status就好了，统计量大小对于看乐子的我们没多大影响。 再来看一下，使用ChatGPT会对学生学习表现会造成什么影响(H5、H6、H7)。 一句话，研究发现使用ChatGPT对学生个人能力和学业成绩都会产生显著的不利影响。越依赖ChatGPT的学生，越容易拖延，记忆障碍也更频繁出现，并对学业成绩产生负面影响。 原因也很简单，不论AI给出的回答是好是坏，都让作业变得更简单了，全权交给AI完成，而不用自己的脑子思考，怎么还会有心思规划作业进度、复习知识点呢？ 想想也是啊，反正作业考试都有AI帮忙，学生学习的时候也不会认真，课后也缺乏思考。 作者对学生使用ChatGPT的原因，以及对学业表现的影响做了更深度的分析。 此表是呈现学生因为各种原因使用ChatGPT后，对学习表现的影响 作者发现了一个连锁反应：那些被作业和时间紧迫感压得喘不过气来的学生，更容易一头扎进ChatGPT的怀抱，同时也更容易染上拖延的恶习。 这就像是开启了一个恶性循环，记忆力随之每况愈下，学习成绩自然也就一落千丈。 而担心成绩的学生则相反，他们不太使用ChatGPT，因此拖延和记忆力衰退的程度更低，但这种自我约束对学业成绩并没有显著影响。 既然作业多、时间紧，那是不是老师不布置那么多学业任务就好了？(这才是重点) 看完后硅基君发现，这研究是针对学生的，打工人完全不用担心了？！ 当然不是，Abbas表示：“普通人应该认识到过度使用生成式AI的阴暗面。虽然这些工具提供了便利，但它们也可能导致负面后果”。 同月《神经心理学》杂志发表了一篇关于AI可能影响人类认知发展的论文。狠狠打了硅基君的脸。 该论文的作者同样表达了对学生利用AI工具的担忧，“像ChatGPT这样工具的出现，让我担心学生可能会使用它来完成任务，从而阻止对认知功能的刺激”。 作者提出了一个论点，AI可以充当“认知假体(cognitive prosthesis)。 即AI可以代表人类去执行认知任务，就像假肢替代失去的肢体一样，不仅仅包括计算、安排时间等简单任务，还扩展到了更复杂的认知功能，例如决策、解决问题等人类特有的能力。 短期来看，生成式AI增强决策的功能可以帮助个人更快更好做出选择，更专注于重要任务，但是长期来看可能会带来潜在风险。 关键问题就在于“认知卸载(cognitive offloading)”。 简单来说过度依赖AI会导致我们独立执行认知任务的能力下降。就像肌肉不锻炼会萎缩一样，人们不经常使用认知能力，它也会逐渐退化。 也就是说，如果人们不“卸载”，一直使用AI，是不是就不会有问题了？(来自硅基君的垂死挣扎) 总而言之，AI对于人类认知的影响可不单单作用在学业上，任何人过度使用AI工具的负面影响都不容小觑。 自ChatGPT诞生之后，AI工具就已经成为了学生们的新型“学习伙伴”。 早在去年1月，根据在线课程供应商Study.com对美国1000名18岁及以上的学生进行的一项调查，每10个学生中就有超9个知道ChatGPT，超过89%的学生承认使用ChatGPT来帮助完成家庭作业。 让学生完全禁止使用AI工具似乎不太可能，面对AI的潜在风险，我们能做到也许只有保持自己的大脑不断运转。 想象中AI像个家庭教师，为每个学生提供个性化教学，但现实是，AI帮学生写作业。 当然，这两项研究告诉我们的不仅仅是学生该谨慎使用AI，而是我们每个人都要注意不能过分依赖AI。 别在AI替代人类之前，人类就已经成为了技术的奴隶了。

石头科技的扫地机器人，正式成为全球销额第一。 在 3 月 29 日「大道如砥」发布会上，石头科技正式宣布了这一佳绩。 发布会上还带来两款扫拖机器人新品：被称为「黑武士」的 V20 和全新旗舰 G20S。 成绩如此亮眼的原因，或许正是发布会上石头科技总裁全刚强调所强调的「以用户价值为中心」。 透过两款新品，我们来看看石头科技对用户体验的理解。 技术力和用户体验的「双向奔赴」 据介绍，石头在研发上投入超 19 亿人民币，并成立了 AI 研究院、机电研究院、光电研究院三大研究院。 于是我们看到了 V20 全球首发石头的「星阵」领航系统。这个领航系统配备了双光源固态激光 3D TOF 雷达，能够实现精度更高的避障能力。 TOF 雷达全名 Time of Flight，是一种通过光速和光飞行时间计算距离的雷达，通过发出激光面阵，收集障碍物的三维立体信息，一般用于自动驾驶和虚拟现实上。而普通的 TOF 雷达其实不适用于扫地机器人这种离地较近、墙壁较多的场景，因为会造成大量的反射，不利于测距导航。 石头科技则和光学行业内的三家顶尖机构 PMD、英飞凌、欧菲光共同研发，最终推出了双光源的解决方案，用两种光源同时解决远和近的问题，实现更高精度的扫地机器人导航和避障。 对于扫地机器人来说，避让大型家具家电已经不是一个问题，难的是类似积木、拖鞋等等小的物品，还有经常容易耷拉在地上的手机充电线，一旦扫地机器人吸入，很容易「机毁线亡」。 而 V20 的「星阵」领航系统，对这些小物件也有了避障的能力，对比其他扫地机器人，精准避障率提高了 70%。 V20 还有一项看似不是很大，但实际上很实用的更新，那就是机身厚度下降了 20 毫米，来到 82 毫米，成为了世界上最薄的拖扫机器人。作为对比，市面上大部分的扫地机器人厚度在 100 毫米左右。 这下降的 20 毫米会带来什么变化呢？全刚一开始也没在意这 20 毫米，直到他发现，V20 可以丝滑进入他办公室一张十多种扫地机器人都无法进入的沙发底部进行清扫，他也才意识到这 20 毫米不仅仅是技术上的进步，也代表着 V20 又拓宽了扫地机器人工作的「疆域」，带来实实在在的用户体验提升。 而石头科技的全新旗舰新品 G20S，则在清扫能力上持续加码，达到石头清扫科技的巅峰水平。 前代产品 G20 上的「四区双震」独家清扫系统，实现了较为强效的声波震动清理能力，精细化去污，而 G20S 震动区域扩大了 16.5% ，震动频率从每分钟 3000 次提升至 4000 次。 G20S 还配备了一个新的「小圆手」边拖，每分钟 185 转，比 V20 和 P10S Pro 等产品更能实现极限贴边清理，补齐边角清理盲区。 另外，V20 和 G20S 都配备了双螺旋胶刷，清扫毛发时大幅降低了被缠绕的可能性。 不过，作为旗舰的 G20S 未能搭载 V20 的「星阵」领航系统，依旧采用旧型号的 LDS 导航方案，且机身厚度也不如 V20 的 82 毫米，略显遗憾。 「不务正业」的功能升级 对于石头科技来说，用户体验不仅体现在不断升级的清扫能力，还体现在机器人的总体体验上。 有这么个说法，人类对技术进步的很大一部分动力源自于对「偷懒」的追求，扫地机器人可以说正是「偷懒」的科技产物，替人类代劳烦闷的清洁家务。 如果扫地机器人不仅仅可以清洁地面，还能清洁自己，让人类能进一步「偷懒」呢？ G20S 和 V20 都配备了能够自清洁的基站，都能够以 60 度的热水清洗拖布清洗，还支持全新「冲刷刮」深度清洁，模仿人手搓洗拖布。 如果是智能上下水的版本，除了两个月清理一次集尘袋，几乎可以实现全自动的清洁。即使用户长期不在家，依旧可以通过提前设定，让机器人定期进行打扫和自清洁。 而 G20S 的抗菌设计，甚至达到了德国 TÜV 认证的 99.99% 地面除菌率，成为首个通过 TÜV 母婴级认证的清洁机器人。 除了清洁上让用户满意，石头还给扫地机器人添加了一些别的技能。 例如，扫地机器人能够化身「家庭护卫」，在全屋进行定时巡航，让用户远程查看家中状况，甚至还能和家人视频通话、双向语音。 两款产品都延续了石头科技一贯的宠物友好传统，不仅对宠物换毛、宠物用品等场景进行了特定优化。还能够「一键寻宠」，帮助主人远程看护宠物，以及视频通话。甚至还能自动抓拍宠物，实现「云吸猫」。 这种有点「不务正业」的功能，却也能够提升用户的使用体验，属于「甜蜜点」。 同理，虽然 30 厘米高度的迷你基站不会对机器人的清洁能力有什么助攻，但却能优化用户的家居空间使用，属于容易被忽略但又很实用的优势。 AI 加持用户智能体验 AI 时代来临，电子产品已经很难完全和 AI 撇清关系。这不仅是一种紧随潮流的做法，也能够实际提升用户体验。 V20 和 G20S 都搭载了石头的 RR manson 11.0 智能机器人算法，更「听话」。不仅支持中英德法意等外国语言，还支持粤语和川渝两种地方方言，并且离线也能实现语音操控。用户一句「每周日全屋拖一次地」，就能制定出智能清洁计划。或者用户想要加扫或者跳过相关房间，也只需要跟扫地机器人说一声。 除了用户主动去和扫地机器人「沟通」，RR manson 11.0 的 AI 还能自动识别房间类型和地面材质，智能规划清洁顺序和清洁强度，不需要用户去逐步设置。 新的 AI 视觉还能够对污渍进行识别分类，配合拖布回洗时检测脏污浊度，对重点的污渍进行深度清洁。 在成立之初，「用户」就是石头非常重视的环节。如何将技术和用户的使用场景结合，是石头一直思考的问题。 在七八年前，扫地机器人远没有现在这么方便好用，整个行业还停留在「随机碰撞」的阶段，机器人随机扫地，与用户期待的一键清扫全屋的智能体验有较大落差。 为了达到用户期望的智能体验，在供应链无法满足需求的情况下，石头科技选择自研 LDS 激光雷达导航系统，技术规格超过行业和供应链，带领扫地机器人行业进入真正的「智能」时代。 自从自研 LDS 以来，石头一直改进产品的智能导航系统，从 T70 Pro 的 AI 双目避障，到新品 V20 的「星阵」精准避障，石头一直在整合技术进步的最新成果，努力为用户呈现更加先进的智能体验。 目前，两款设备都已经在官网和京东旗舰店开启预售。V20 水箱版 4799 元，智能上下水版 5399 元；G20S 水箱版 5399 元，智能上下水版 5999 元。

近段时间，小米在推出重磅新品方面一直颇受关注。然而，除了手机和汽车等产品外，该品牌旗下的平板电脑产品线似乎缺乏太多消息。因此，关于传闻中的小米平板7系列的消息一直备受瞩目。 根据知情人士透露，小米除了一款搭载高通骁龙8 Gen3处理器的OLED版本外，还有一款LCD版本正在开发中。这两款新平板都将配备大屏幕。虽然爆料者没有明确指出具体是哪款平板，但他在结束时加入了#小米pad7#的话题，并暗示着爆料内容指的是小米平板7系列。 在此之前，在一个国外科技论坛上发现了一条代码库的信息显示小米平板7 Pro已开始进行测试。这款新产品的内部代号为sheng，型号为N81A。然而，尽管这个信息被广泛引用，但其中提到的骁龙8 Gen2芯片、10英寸屏幕等参数的准确性尚待验证。 值得注意的是，在小米最近发布的大尺寸平板6S Pro身上也有亮点。该产品于2月22日亮相，起售价3299元。它配备了第二代骁龙8移动平台，并拥有12.4英寸3K超清大屏。此外，它还支持120W秒充和Wi-Fi 7高速连接。运行的小米澎湃OS可实现跨端智联功能，并且可以作为车机屏或家庭中控屏使用。 从这些情况来判断，小米后续推出的大尺寸平板产品很可能不会使用骁龙8 Gen2芯片。考虑到小米平板7系列的重要性，预计至少Pro版本将采用更新的骁龙8 Gen3移动平台。

作者 | 三北 编辑 | 漠影 “AI+”时代，大模型正如雨后春笋般涌现，以重构千行百业之势向通用人工智能（AGI）全速冲锋。 “每隔一天在中国就有一个AI大模型出现，我们开玩笑说‘实现了大模型的日抛’。”宁畅CEO秦晓宁在3月29日北京举办的宁畅“全局智算”战略发布会上说。 ▲宁畅CEO秦晓宁 AI大模型日新月异，客户涌现出对于AI支撑能力体系愈发复杂的需求。不管是万卡时代的算效“彩票”还是深入行业的精度“盲盒”，以及高效调用的服务“瓶颈”，算力产业如何解决这些问题，如何满足大模型客户不同的复杂需求，如何建立起一套全面的AI支撑能力体系，都是当下亟需解决的问题。 基于这样的背景，在大模型遍地开花之春，宁畅于3月39日发布了“全局智算”战略，在业内率先开启大模型时代智能算力系统变革的冲锋。 同时，宁畅还推出包括“AI算力栈”在内的一系列战略性新品与系统解决方案，以助大模型产业解决大模型产业落地的全周期问题。 一、大模型遍地开花，用全局智算栽培“AI+”硕果 我国大模型已经遍地开花。根据国家数据局最新统计，中国10亿参数规模以上的大模型数量已超100个，行业大模型已经在赋能各个领域。 大模型狂欢背后，是大模型行业和企业的需求不断升级，推动整个AI支撑能力的加速迭代。 深扎AI算力领域多年，秦晓宁在过去近一年里有了新发现。她观察到，大模型发展到现在，客户的需求大致呈现了两个阶段的变化： 第一阶段：“百模大战”时期，流行这样一句话：不管大模型发展得如何，卖铲子的供应商肯定不会亏。大模型是科技巨头之间的参数极限的竞赛，算力提供商就像卖铲子一样，只需要提供更快更强的硬件产品，不用太关注大模型客户如何去挖掘“金矿”， 第二阶段：也就是进入2024年以来，随着外部环境变化，大模型从参数竞赛走向了商业化、产业化的落地阶段。供应商不仅要提供算力硬件，更多的是整个支撑能力体系的升级，就像“木桶原理”一样，各类能力都不能有短板。 秦晓宁认为，客户需要在算力、算法、数据三个维度获得更强的支撑，并在AI的硬件层、集群层、中台层、内容层、服务层都获得全方位多维度的能力。 为此，宁畅宣布推出“全局智算”战略，助客户解决复杂、系统性的大模型落地问题。 全局智算，顾名思义，就是以系统、全面性来对抗需求的复杂性，以全面AI支撑能力覆盖大模型发展的全生命周期。如下图所示，全局智算主要包括六大层面。 ▲宁畅全局智算能力图 最底层是硬件资源层，这是被大家最广泛所熟知的，以传统的通用服务器、GPU、整机柜、存储、网络等多种形态的硬件产品为主。 第二层是集群设计层，这不是将海量硬件进行简单的连接堆叠，而是通过分析整个业务运行的特征和系统的量化需求，提供从微架构、网络、存储到AI模型特征等一系列的方案化设计。 第三层是算子优化层，为了降本增效宁畅提供了整体的AI算子优化能力，减少模型执行的时间，降低资源消耗，提高能效比，使得AI能够在有效的资源上高效运行。 第四层是AI中台层，目前宁畅已全面支持NVAIE的中台系统，及自己的中台NEX AIOM，这个系统可以提供基于AI算力系统深度整合的工作栈。 再往上，则是更具体的业务层和场景层，宁畅也提供相应的解决方案及服务。 总的来看，宁畅提出的“全局智算”战略，试图通过全体系、全液冷、全服务、全场景、全行业、全阶段这“六全”来为大模型提供全周期服务，从而培育出“AI+”产业化的硕果。 ▲宁畅全局智算硬件产品“全家福” 二、硬软服一体化，破解智能算力落地难题 过去一年，受益于“百模大战”，我国算力规模加速扩容，为算力落地应用提供了一定基础。 根据工信部发布数据，截至2023年10月我国算力规模超300EFLOPS，智能算力占比高达35%；同时，我们看到千P级智算中心的智算基建布局集中爆发，数亿到10亿元的GPU服务器采购及算力租赁订单比比皆是，众多算力概念股也被带飞。 但与此同时，智能算力的落地应用问题依然严峻。如何让千卡甚至万卡算力从硬件，转化为大模型企业的模型性能，甚至是“AI+”行业落地的成功？算力产业还有一段路要走。 对此，宁畅推出了“AI算力栈”，以底层硬件到顶层应用平台的系统化方案，构建全栈AI环境，满足大模型落地所需的计算、存储、网络、建设、管理、应用及液冷等需求。 宁畅CTO赵雷介绍，在硬件层上，宁畅“AI算力栈”可实现多种交付形态灵活组合。其中，宁畅B8000液冷整机柜服务器作为AI算力栈最具亮点的交付形态，采用电、液、网三路全盲插设计，部署周期相较传统方式提升30倍。 ▲宁畅CTO赵雷 在软件层上，基于系统工程及算法模型，宁畅以AI算子全栈优化能力，为AI业务提供并行加速、性能分析、模型开发优化等服务支持，构建出从算力资源定制，到模型适配优化，再到高效部署落地的大模型算力服务闭环，帮助用户极速推进AI应用开发及管理。 英特尔AI首席架构师吴震华强调：“第四代/第五代英特尔® 至强® 可扩展处理器的卓越性能，将为宁畅AI算力栈带来更强助力。” 此外，在智算中心建设大潮下，宁畅“AI算力栈”方案以其全面、灵活、深度的支撑能力，可为行业级/企业级智算中心的构建提供强有力的支持，确保智算中心的建设既符合当前业务所需，又具备前瞻性与适应性。 纵观整个算力产业，我们看到包括“味精大王”在内的不少跨行玩家都涌入了智算产业，但兼具硬、软、服实力的玩家并不多。 透过宁畅“AI算力栈”，应该可以明确的是，企业和行业为了避免重复建设和浪费，应该选择没有能力短板的专业AI算力提供服务商，搭建智能计算的新高地。 三、宁畅打造王牌AI算力栈，加速千行百业数智化 目前，国内首个“AI算力栈”——宁畅NEX AI Lab（Nettrix AI Open Lab）已在桐乡市成功落地并开放预约试用。 ▲宁畅NEX AI Lab 这一AI算力栈项目是一个包括128台GPU服务器的千卡级别算力集群。该项目展现了应用场景优化、行业智算定制解决方案，通过免费提供软、硬件服务，带来大模型、数据科学、推荐系统等解决方案工作流的先进体验。 同时，它可以给用户提供免费的算力体验，大家可以把自己的业务拿到上面运行，尝试不同的业务组合、不同的网络方案、不同的软件和框架的调整，以便快速作出购买决策。 赵雷透露，这一AI算力栈最主力服务器采用X640 G50服务器，单台具备956T的算力；同时支持20个节点的X680 G55液冷服务器，有效地验证了液冷服务器在高带宽情况下的使用情况。 在应用方面，这一AI算力栈已正式运行近三周。该算力栈已完成了大量的多元AI场景的实际应用，包括语言模型、OCR、翻译、智能推荐等，都顺利完成了初步测试。 宁畅自2019年创立以来，根据知名行研机构IDC报告，其在2021年就拿下来中国GPU及加速计算服务器市场年度销售额第二的宝座。现在，乘风新一波AI大模型浪潮，宁畅正通过千卡集群级的AI算力栈，布局更大的“全局智算”蓝图，从而助力千行百业的数智化转型。 结语：智能计算升级，为大模型产业发展保驾护航 回顾2023年，在“百模大战”狂潮之中，智能算力成为一门好生意。以宁畅为代表的算力供应商在厚积薄发的同时，也在大模型市场需求的推动下，探索智能算力系统的新迭代。 展望2024年，“AI+”时代的大模型产业化落地正在加速，谁在盛名之下其实难副，谁是真枪实剑披挂上阵？宁畅正用“全局智算”战略及其AI算力栈方案给出一份自信的答卷，为大模型产业发展保驾护航。

“以后库克都得来华强北进货！” 华强北最新特产——一款屏幕耳机在社交平台上爆火之后，华强北又一次凭借前沿的产品出现在了人们的视野。 这款耳机外观神似AirPods Pro，正面多了一块触控屏，可以显示耳机电量、播放音乐、开启降噪、调节屏幕亮度，甚至还能传唤耳机、遥控拍照，遥遥领先现在市面上的耳机产品。 图源小红书@Yuki雪雪 众所周知，华强北出品，质量虽有参差，但各方面的功能以及价格，基本上打遍全球无敌手。 我去了一趟华强北咨询这款耳机的价位，有的商家报价180元，称批量进货价格可商量，有的直接不过百。好家伙，看到如今动辄上千的耳机，我们不需要再要强了，因为，我们的强来了。 在华强电子市场和赛格通信市场走了一圈，我发现华强北处处散发着“狂野”的气息——一种最原始的商业模式，一种无所畏惧的莽，带着一股肆虐生长的劲。 走一圈，虽说只是对华强北市场的买卖基本盘，来了一场酣畅淋漓的走马观花。但不得不说，后劲还挺大。 01 没有人能空手从华强北走出 在没去过华强北之前，我对这个号称“中国电子第一街”的街道并不感兴趣。 “卖电子产品的？应该是宅男和理工男的天地吧，其他人去逛能有什么意思？” 但是，一次不经意的路过之后，我被疯狂地打脸了。这里，对不同性别年龄、不同专业爱好的人来说，是一次全方位的取向狙击。 而且，每一个在赛格通信市场用心逛过的人，都很难空着手走出来。 这里像一个巨大的线下“拼多多”市场，各种各样的产品都有，价格也无下限，越对比，越能找到更低的价格。 这里有成千上万款手机壳，价格基本上是几块到几十块；手表表带8元一条；无线充电宝100元3个，老板还多送了3条数据线；对标苹果的智能手表差价达20倍，有些甚至还能刷抖音；对标戴森的吹风机不过百；对标索尼、苹果的耳机一个150元；智能眼镜一个160元...... 当你触摸到实物，试用了产品，感受到质量，你就能感觉到，华强北有自己的物价，每一块钱都在这里实现了价值最大化。 据说，拿着个黑色塑料袋，摆出一副拿货的样子，询价、验货、砍价、支付、开单，还能获得更低的价格。 此趟我去华强北，本身为了感受市场，同时也想买一条8元的表带。只是没想到，最后怒花1000元，空着手去满载而归。 战利品中，有一个我之前只在电视剧里看过的智能眼镜，外表看起来与普通眼镜无异，但连上手机蓝牙后，戴着眼镜便能听歌和接电话，还可以遥控拍照。 这个眼镜还可以装近视镜片，商家还送了墨镜和有色镜片，可以吸附在镜框上，简直就是本近视人士的福音。 我弱弱地问了一下价格，报价是240元，我心里一惊：单纯在眼镜店买个镜框都不止这个价了，这个眼镜还具备了其他那么多功能，而且不厚重，很轻巧。 老板看见我陷入沉思，又大手笔地降了一波价格，和我说160元也可以，但是不要和别人说。我再次陷入沉思：这个价格是认真的吗？买不了吃亏啊！ 随后我还冲动购买了一个头戴式耳机。非刚需，只因戴上去的那一刻，那酥脆无比的音质酥得我每一根神经都在打颤，降噪的效果优秀得全世界只剩下我一人，满脑子只剩下一个字：买！！ 没想到，200元的耳机质量可以媲美上千元的原装耳机，而且不只是菀菀类卿，只能说，世界真是一个巨大的草台班子。 回去后，我把耳机拿给编辑部的同事试听。同事连连打趣我吃独食，午休期间连觉都不睡，直接打车到华强北买了个一模一样的。就去了那么一小会，她还多买了一个音箱。 当她把耳机带回家后，她妈妈命令她立马再去买多一个回来，妈妈也要。作为一个从小在深圳长大的本地人，她感叹第一次见识到了华强北的魅力。 关于华强北，社交平台上有不少消极的评价，说华强北的产品价格虽然低，但是质量很差。 去了一趟华强北之后，我觉得坑蒙拐骗这种事情，线上哪个地方都有。有条件的话，自己到市场挑选，实地试验，淘到价格和质量都合适的产品的几率还是挺大的。 工作日的华强北人潮汹涌，在赛格通信市场，新手也很容易获取到最新的产品信息。比如很多人一靠近耳机的柜台，便咨询现在的耳机都进化到哪一代了，又具备了哪些新功能？ 所以，就算是一开始不明所以，在市场上浅浅地走一圈，也能大概地了解一些行情了。这个时候再去购买，可能才算是基本的华强北识货人。 02 遥遥领先的华强北 卷出新花样 回到一开始提到的带屏幕的耳机，社交平台上纷纷称赞这是华强北的自主研发，领先苹果的设计。 这一次，华强北终于领先发布会了吗？ 遥想此前，华强北以仿制出名，除了苹果，各式各样的电子品牌都能在华强北找到仿制品，知名的吹风机、耳机、手机等等。前阵子苹果刚发布的Vision Pro，华强北的仿品测试甚至比正品的测试还要火。 每年的各大品牌发布会过后，华强北能立即批量生产出功能一样、外表一致的产品，俗称“made in SZ华强北”。 以前看到南山一栋大厦上的“I❤SZ”，我以为“SZ”就是深圳，后来有人说那是收租，而现在，在华强北，我才发现原来还有一个古早的翻译——山寨。 三十年前，华强北很多生产商仿制产品的时候，都不敢在手机上署产地名，只是印上了“SZ”两个字母，久而久之便喊成了“山寨”。不过也就是在那时，华强北被很多人贴上了“山寨”的标签。 走进现在的华强北，各大名牌的仿制品鹤立在各个一米柜台中，自然得这个牌子仿佛天生产自于这里。 商家无所畏惧，消费者只在意质量和价格，每一个来到华强北的人，都带着心照不宣的秘密。 不仅如此，华强北的街上，一直以来都有很多大妈和大叔，拿着一张画满名牌包包和手表的海报，到处向游客推荐：“看看包包，都是名牌的。” 我问他们：当真是名牌？他们也光明正大地回答：高仿的a货，看不出来区别的，价格可以商量，到店里看看？ 一位在华强北柜台驻扎多年的商家吐槽说：现在时代不一样了，山寨也很卷的。 一开始，华强北厂商的仿制，只是在包装上很像，外强中干，内核远远不及正品。 比如最初的仿制耳机，外表一模一样，但是连接起来稳定性差，几乎没有降噪，有延迟，续航也很差，音质也一塌糊涂。所以，当时的产品只适合那些买不起正品，又对质量凑合的消费者。 读者kim曾经分享过他在华强北山寨手机方案公司上班的故事。手机和耳机一样，由华强北各大电子商拼凑的零器件搭载而成，当时的华强北赛格周边十几座大楼，每座都有他的供应商和客户。 “客户给个外壳，从立项开始，最快一个月就能做出手机。作为项目经理，每天忙得没日没夜，身边围着一群显示屏、摄像头、喇叭、电池、按键，甚至充电器和数据线的供应商，每天换着比对哪家的配件更亮、更响、更便宜。” 华强北曾流传过这么一句话：从一座数码城的楼上走到楼下，就能组装出一部iPhone。 现在，经过电子零器件市场的升级，和华强北扫地僧们日新月异的技术进化，华强北的产品，不仅质量上和原装相比不相上下，有的时候，续航等方面的能力，更是青出于蓝胜于蓝。 商家要是拿不到好的货源，其他的商家就会以更低的价格、更好的质量抢走客户。 也是这样的竞争与进步，吸引了越来越多的人对华强北改观，对大牌祛魅，拒绝再花冤枉钱。 随着转型和以创新为主导的规划逐步推进，越来越多有实力的“正规军”也在涌现，它们在激烈的竞争中走出华强北，为华强北正名。 在华强北，有很多的外国人在进货，打眼一看，应该不少是来自东南亚、中东和非洲等国家和地区的商人，来进行大批量的采购。 商家们为了拿下订单，也是尽力挖掘了自己在语言方面的天赋。现场的柜员中，有用翻译器中译英沟通的，还有直接面对面英文沟通的。 说句实话，我第一次感受到深圳的国际化，不是在市中心的高楼大厦里，也不是在蛇口看外国人很chill地喝咖啡，而是在华强北的柜台前，在这样一个小场景里。 为了拿下订单，华强北的人们卷在方方面面。想来，华强北确实是要强的。 03 华强北，有最原始的财富密码 虽然华强北有一面是原始、混乱、投机，但在另一个侧面，这里的氛围，极其适合商户们野蛮生长。 在这种氛围中，华强北有无数的机遇，可以让人一夜暴富，在“华强北一米柜台”，曾走出了50多个亿万富翁。 现在，华强北仍然是深圳乃至全国最多创业者的集中地之一。在这里，仍有不少背包客和黑塑料袋创业者盛行，追求新的造富神话。 他们沿用的仍然是古往今来最传统、最原始的商业模式——倒卖，赚差价。 在人来人往中，他们推着车、拿着黑塑料袋、背着包穿梭在拥挤的市场中，不断地反复比价、验货、拿货，有的蹲在市场门口，就开始打包，就地发货。 每个人都很匆忙，每个人都看似憋着一股劲，在往前冲。 有一个背包客曾经分享过，在赛格通信市场半小时赚下1500元的故事。 当时他去一个柜台帮客户拿货，发现那个柜台还剩下不少的苹果11。后面，他又去了另外一个柜台拿货，柜台老板和他说急寻苹果11，可高价收购。 于是，他立马去第一个柜台把那些苹果11全部拿下，现场提价150元卖给了第二个商户，现场立赚1500元。 个人倒卖，只是华强北实体供应链中最小的单位。规模更大的，是“前店后厂”的一米柜台。 这些柜台上，虽然囤放的物资不多，店员也少，一般就是夫妻，忙碌的时候加上小舅子、小姨子或者小叔子，一台笔记本电脑，一沓账本，就是能看到的全部了。 但是，这些柜台商户，由于有更多的现金流，认识更多的厂商，具备囤货、炒货的实力，由此能赚到更多的钱。当然，也有可能亏损更多的钱。 在这里，有人60秒亏损上百万，清档跑路；有人筚路蓝缕，突然暴富身价千万。有人得志，有人失意，贫富贵贱仿佛都是一夜之间的事。 “现在的华强北市场对比以前，已经克制了不少，那时的年代一切都在野蛮生长。” 当时的亲历者回忆，“华强电子市场发盘的时候，6万平方米的商铺招商，3小时内一抢而空。当时一个商铺的申请登记表，下楼拿到街上转手能卖5万块。”因为当时，几乎所有的人都相信，“只要不是傻子，抢到了商铺谁都能发财！” 这么多年来，时代的每一次呼吸，都给华强北带来了发财的悸动。 因为这个市场有极其旺盛的生命力，能够快速地更新迭代。以前的MP3、山寨手机、扭扭车，到这几年的电容、矿机、蓝牙耳机、芯片，无一不是明证。 抓得住机会的人，喜提大平层。被机会甩到身后的人，最多不过回到推车和猪脚饭的日子，重新开始，再次随着时代的呼吸而前进。 说到最后，个人感觉，关于华强北，单单去一两次，感受到的仅仅只是皮毛。只言片语，也很难去概括这个地方的神奇和魅力。 我强烈推荐，大家有机会一定要去华强北走走。去感受华强北的潮汕、湖南、川渝等地的老板如何将一门生意做到极致，感受华强北最原始的市场运行方式，以及人人都想当老板的那股劲。 每次去完后，不仅大袋小袋地提回家，精神上也一直对那里念念不忘。华强北，确实后劲很大。 备注：文中人物为化名。

转眼间，三月已结束，在刚刚过去的这个月，我们见到了不少手机新品，包括主打轻薄的折叠屏旗舰vivo X Fold3系列、疯狂卷配置的一加Ace V3、定位顶级旗舰的荣耀Magic6 RSR等。 4月，机圈战火连绵，旗舰新机和中端新品将轮番登场，配置、价格、影像、AI依然是品牌们竞争的方向。 华为P70：安卓旗舰机皇候选者 去年下半年，华为Mate60系列未发先售，给了手机市场一点小小的震撼。这款手机的登场，正式宣告着华为的王者归来。按照正常迭代节奏，今年3月华为P70系列将会发布。不过，由于种种因素，P70系列推出时间延后到了4月。 目前，华为P70的相关爆料已经非常多了。具体来说，P70系列有P70、P70 Pro、P70 Art三款机型。该系列机型采用颇具辨识度的三角形后摄，主摄配备了OV50H传感器，5000万像素、1/1.3英寸大底，四合一像素下等效2.4μm像素面积。另外，P70系列将会配备潜望长焦镜头。影像方面，将会是这款手机的一大卖点。 （图源：微博@定焦数码） 让Mate60系列爆红的卫星通话功能，自然也会延续到P70系列上，并且会有进一步的升级，包括更短的搜星时间、更流畅的通话效果等。芯片方面，P70系列大概率会采用麒麟9000S，当然由于众所周知的原因，这方面华为应该不会高调宣传。 去年发布的Mate60系列，已经对高端市场形成了巨大的冲击，直接影响到了iPhone的在华销量。不出意外的话，P70系列将会对iPhone 15系列继续产生威胁。至少2024上半年的国内市场上，苹果手机会遭受更大的压力。 vivo X100 Ultra：2亿长焦的影像之王 2023年底，vivo发布了X100系列，具体包含了X100和X100 Pro两个型号。它们都是天玑9300机型，全焦段人像影像是其核心亮点。而近期的曝光消息显示，X100系列中还有一款X100 Ultra机型。目前，这款超大杯的参数已经曝光，它将搭载骁龙8 Gen 3芯片、单点超声波指纹、100W有线快充、50W无线快充，支持卫星通信功能。 （图源：雷科技摄制） 影像也是X100 Ultra的升级重点，它的后置相机组合为50MP LYT-900 主摄+50MP超广角+200MP大底潜望长焦。这其中，最引人注目的自然就是2亿像素的长焦镜头，这将让它拥有超强的远景拍摄能力。同时，更大像素，意味着样张有更广阔的裁切空间。作为顶级旗舰产品，长焦影像预计会成为X100 Ultra的核心竞争力。 vivo X100 Ultra的发布时间预计为四月份，不过@数码闲聊站最近表示，这款手机也有延后到五月份发布的可能。在小雷看来，2024年，骁龙8 Gen 3新机发布时间宜早不宜迟，毕竟骁龙8 Gen 4十月份就要登场了，剩余的黄金销售时间不多了。 iQOO Z9系列：给中端市场一点震撼 作为vivo的互联网子品牌，iQOO产品身上往往有比较明显的竞速、潮流属性，很对年轻用户的胃口。iQOO Z系列主打中端市场，产品配置和价格一直都比较有竞争力。今年4月，iQOO Z9系列将发布。比较特别的是，根据爆料，Z9系列具体有Z9和Z9 Turbo两个机型，定位会有区别。 其中，iQOO Z9将搭载骁龙7+ Gen 3芯片，屏幕将从万年不变的LCD升级为OLED，分辨率也会提升至1.5K，显示效果毫无疑问会有进步。另外，这款手机的一大卖点是6000mAh的大电池，长续航优势明显。 另外，iQOO已经官宣Z9系列要用8s Gen 3。现在来看，8s Gen 3的具体机型为iQOO Z9 Turbo。从这个产品名称也能看出，Z9 Turbo更强调性能属性。8s Gen 3可以视作是骁龙8 Gen 3的减配版，采用了相同的CPU架构，只是GPU方面有些差距。 （图源：iQOO） 可以发现，iQOO Z9将主攻千元机市场，具体卡在1500-1999元价位，凭借着较为均衡的中端配置和能打的价格，实现“花小钱办大事”的效果；Z9 Turbo则将主打2000元出头的市场，把次旗舰芯片作为核心卖点，如果再在影像、AI功能方面做些文章，对用户会更有吸引力。这两款机型一同打配合，能够覆盖更广泛的目标群体，把中端市场一举拿下。 Redmi Note 13 Turbo：性价比屠夫 红米2023年年初发布的Note 12 Turbo给小雷留下了深刻的印象，它搭载了性能表现强劲的骁龙7+ Gen 2（和骁龙8+同架构），但定价却控制在了千元价位，成了一代性价比神机。而最近，红米官方放出消息称，将带来骁龙8s Gen 3机型，估计会是Note 12 Turbo的继任者。红米品牌总经理王腾甚至直接在短视频平台亮出了真机，从正面来看，这款手机的边框的确很窄，主打超高屏占比的卖点。 （图源：抖音截图） 另外，据@数码闲聊站曝光，红米这款机型已经入网，公开信息显示，它的快充功率为90W。王腾曾多次在微博强调骁龙8s Gen 3相较于骁龙7+ Gen 3的优势，表示8系芯片的成本要比7系多10亿。而且，小米已经在3月发布了旗下首款骁龙8s Gen 3机型Civi 4 Pro。 当然，红米Note 13 Turbo和小米Civi 4 Pro定位上会有很大区别，前者主打性价比，后者以影像、外观设计为卖点。虽然说骁龙8s Gen 3可能会导致手机成本增加，Note 13 Turbo很难再做到千元级别。不过，它的定价不可能比Civi 4 Pro的2999元要高，维持在2000元价位同样很有杀伤力。此外，王腾透露，红米中端新机将在AI芯片和小米技术积累的加持下，带来更多AI相关的体验。 （图源：微博） 真我GT Neo6 SE：中端卷王 GT Neo6 SE是真我官方明确官宣4月发布的产品，而且真我还在3月开了场新一代无双屏的技术沟通会作为开胃菜。也就是说，对于真我GT Neo6 SE的屏幕信息，我们已经可以提前了解到了。 这块屏幕的参数规格方面，最引人注目的就是6000尼特的最高亮度，当然这是局部峰值亮度，手动最高亮度为1000尼特，但这个数值也很强了。而且，真我新无双屏还带来了“绿野AI护眼”这套主动护眼方案，系统会自动检测用户的眼部状态来判断是否主动启动护眼模式并调节屏幕各项指标参数。 （图源：真我） 除了屏幕，真我GT Neo6 SE的其他配置也表现得很强，它将搭载骁龙7+ Gen 3机型。而且，这款手机的外观也被曝光了，它背部采用了双环镜头模组，辨识度较高，而且凸起不明显。真我一直主打“越级”策略，即经常会把旗舰特性下放到中端产品上。现在来看，GT Neo6 SE的核心卖点是甜点芯片带来的出色性能和能效，以及高出平均水平的无双屏。而快充、存储这块，真我一直表现得很大方，GT Neo6 SE上大概率也不会有短板。 （图源：微博） 作为性能向的主力产品，真我GT Neo6 SE的定价应该也会比较惊喜，起售价控制在2000元以内不成问题。而且，从产品命名方式来看，真我后续还会有定位更高的GT Neo6，很有可能会搭载骁龙8s Gen 3芯片，主攻2000元以上价位段。 旗舰中端齐开战，手机持续内卷 通过上面对4月新机的盘点介绍，相信大家对本月手机市场的动态已有初步了解，从中我们可以窥探到一些行业趋势。 首先，超级旗舰市场会迎来多名成员，而华为P70系列显然是最有份量的。 当然，vivo X100 Ultra也是重量级选手，各方面的表现都无可挑剔，不过这不是全新产品，而是原来已发布产品系列上的新机型，配置、功能方面的新鲜感相对要少些。而四月登场的全新旗舰华为P70系列，无论是品牌号召力，还是技术、配置方面，都没有真正的对手。毫无疑问，P70系列将抢走四月份旗舰手机市场内的大部分风头，直接把压力给到苹果。 其次，中端市场的动向，基本是围绕骁龙8s Gen 3和骁龙7+ Gen 3而来。 中端新品普遍以性价比、配置为主要卖点，然后尝试在外观、细节功能方面做出差异化。高通在三月份发布的这两款芯片，在架构、参数方面有很多类似的地方，只是处于定位区分，在AI性能、GPU等方面形成了差异，选择8系或7系芯片，直接决定了对应产品在中端市场上的定位高一些还是低一些。而部分手机品牌围绕这点更是打了不少口水战，火药味十足。 （图源：高通） 其实，对用户而言，选择8系还是7系芯片机型，归根结底还是得结合自身需求来。预算高一些，对手机的综合能力要求更高，那么自然更适合选购8s Gen 3机型；如果对价格更看重，追求比较极致的性价比，那么可以多考虑下7+ Gen 3机型。 最后，AI技术在手机上的普及速度，比想象中要快。 之前，我们认为，作为AI手机发展元年，今年AI会首先在高端旗舰机上落地，然后普及扩散在次旗舰、中端机。但现在来看，情况并非如此。真我发布的新一代无双屏，已经融入了AI技术来实现主动护眼功能，并且无双屏将是GT系列机型的标配，其中自然就包括GT Neo6 SE这样的中端机型。而红米也表示要在中端新机上，带来突破性的AI体验。不出意外的话，今年上半年，我们就能在中端新机上，看到了AI技术加持带来的新能力、新场景，AI手机时代的到来比预期的要快得多。 总的来说，本月我们将见到华为P70系列这样的重磅旗舰新机，也将看到各路厂商在中端市场上的激烈厮杀。4月手机市场的精彩程度，不会逊于3月。

【CNMO科技消息】实况照片，是指拍摄时录下拍照前后各1.5秒所发生的一切。用户可以从中选择状态最好的一帧保存，或是进行其他编辑。因此，实况照片对于喜欢拍照的人来说特别友好。4月1日，数码博主@数码闲聊站 透露，OPPO实况照片已经内测上线，Reno12系列新机有望预装。 OPPO Reno11系列 除此之外，该博主还曝光了另外一款OPPO新机的信息。据他爆料，OPPO本月中旬将上一台天玑7低功耗5G千元新机，主打防水抗摔，IP68/69级别的验证规格。此外，Enco X3旗舰耳机基本定版了，但发布时间还没定。从评论区的信息来看，这款天玑7低功耗5G千元新机很可能是OPPO A3 Pro。 相关爆料 除了该博主透露的信息外，目前网上很少有关于OPPO Reno12系列和A3 Pro新机的信息。据之前爆料，OPPO Reno12系列全系将配备1.5K曲面屏，采用竖排旗舰造型设计，机身拥有宝石纹理光泽。 据悉，OPPO将全面普及潜望镜头，潜望和可变光圈正在测试中。这意味着无论是标准版还是Pro版，用户都能享受到高质量的长焦拍摄效果。OPPO Reno12系列后置将采用5000万像素1英寸大底主摄+4000万像素超广角镜头+1200万像素潜望式长焦镜头组成的影像系统，同时主摄和长焦都集成了OIS光学防抖技术。在处理器方面，OPPO Reno12系列将搭载天玑和骁龙双平台。