一水 鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 好一个一吐为快！ 年底就要正式离开Meta的LeCun，这下真是啥都不藏了。 不看好大语言模型能通往AGI，他就言辞犀利地指出： 通往超级智能之路——只需训练大语言模型，用更多合成数据训练，雇佣成千上万的人在后训练中“教育”你的系统，发明强化学习的新花招——我认为这完全是胡说八道。这根本行不通。 看不惯即将成为“前任”的Meta的封闭作风，他也直言不讳： Meta正在变得更加封闭……FAIR被推动去从事一些比传统上更偏向短期的项目。 而且还顺带剧透，自己将要创办的新公司仍会继续坚持开放。 以上内容来自LeCun最新参与的一档播客节目。在接近两小时的对谈中，他主要回答了： 为什么硅谷对扩展语言模型的痴迷是一条死路？ 为什么AI领域最难的问题是达到狗的智能水平，而非人类的智能水平？ 为什么新公司选择构建在抽象表示空间中进行预测的世界模型，而非直接生成像素的模型？ …… 总结起来就是，不管是在Meta接近12年的研究经历，还是接下来要创办的新公司，抑或是未来想要实现的AGI，通通都在这里了。 人生下一程：创办新公司AMI 告别工作十二年的老东家，LeCun的下一步已然明了——创业。 做的还是之前在Meta被打压的世界模型。 LeCun透露，自己的公司名叫Advanced Machine Intelligence（AMI），将优先专注于世界模型的研究，而且开源…… 这一招算是把和Meta的矛盾摆在台面上了。 毕竟众所周知，自从亚历山大王走马上任，Meta就开始急转方向盘，从原来的开源先锋变得越来越封闭。 LeCun更是直言不讳： FAIR曾对AI研究生态产生了巨大影响，核心就在于高度开放的理念。但在过去几年里，包括OpenAI、谷歌、Meta都在变得封闭。 所以与其留在Meta任人宰割，不如自己出来做喜欢的研究。 而且LeCun强调，如果不公开发表研究成果，就算不上真正的研究。故步自封，只会陷入自我欺骗，不让学术界检验，就很可能只是一厢情愿的妄想。 他曾见过很多类似现象：内部对某个项目大肆吹捧，却没意识到其他人正在做的事情其实更优秀。 更何况Meta现在只追求短期项目影响，实则难以做出有价值的贡献，要突破就要公开发表成果，这是唯一的途径。 所以新公司走的是一条和Meta现在截然不同的路。 不止要做研究，还会推出围绕世界模型、规划能力的实际产品，AMI的终极目标是成为未来智能系统的主要供应商之一。 之所以选择世界模型，是因为LeCun认为： 构建智能系统的正确打开方式就是世界模型。 这也是他多年来一直致力于研究的内容，在纽约大学和Meta的多个项目中，已经取得了快速发展，现在也是时候将研究落地了。 至于他离职后，自己一手打造的FAIR会驶向何处？LeCun也透露了一二。 首先他表示，亚历山大王不是他在Meta的继任者。 亚历山大王的内部职责更偏向于整体运营管理，而非专门的科研人员，超级智能实验室也由他领导，下设四个部门： FAIR：专注于长期研究； TBD实验室：专注于前沿模型（主要是LLM）； AI基础设计部门：负责软件基础设施； 产品部门：将前沿模型转化为聊天机器人等实际产品，并集成到WhatsApp等平台。 其中FAIR被交给了Rob Fergus领导，他也是LeCun在纽约大学的同事，目前FAIR内部减少了对论文发表的重视，更倾向于短期项目和为TBD实验室的前沿模型提供支持。 而LeCun自己目前仍然是FAIR的AI科学家，不过任期只剩下最后三周。 LeCun的离开，标志着Meta以FAIR为代表的、长达十年的“学院派”研究黄金时代的彻底结束，也标志着LeCun自己离开LLM转投世界模型的决心。 那么问题来了，为什么LeCun认为世界模型正确、LLM错误呢？ 要做的世界模型和LLM“根本不是一回事” 核心原因在于，LeCun认为它们本质上是为了解决不同的问题而生，二者“根本不是一回事”。 前者是为了处理高维、连续且嘈杂的数据模态（如图像或视频），这些构成了与现实世界进行感知和交互的基础； 后者在处理离散、符号化的文本数据上表现出色，但不适合处理上述现实世界数据，LeCun对其评价为“完全糟糕”。 他还断言，处理图像视频类数据“就不能使用生成模型”，尤其不能使用那种将数据tokenize化为离散符号的生成模型（而这正是大多数LLM的基础）。 大量经验证据表明，这根本行不通。 基于此，LeCun坚信仅靠训练文本数据，AI永远不可能达到人类智能水平。 他在对比了LLM训练所需的海量文本数据（约30万亿tokens）与等量字节的视频数据（约15000 小时）后发现： 15000小时的视频信息量相当于一个4岁孩子一生中清醒时接收到的视觉信息总量，但这仅相当于YouTube半小时的上传量，而且后者信息结构更为丰富、冗余度更高。 这表明，视频这样的真实世界数据，其内部结构比文本丰富得多。 正是因为深刻认识到“文本无法承载世界的全部结构与动态” ，LeCun将目光重新投向了一条更接近人类学习本质的路径——让机器像婴儿一样，通过观察世界的连续变化，主动构建一个内在的、可预测的模型。 而这，就是LeCun眼中世界模型的画像。 在他看来，世界模型的关键作用就是预测特定动作或一系列动作所导致的后果，其核心基石为预测和规划。 预测：能够基于当前状态和潜在行动，推演出未来可能的状态（或状态的抽象表示）； 规划：以预测为基础，通过搜索和优化，来确定实现预设目标的最佳行动序列。 至于怎样才能算一个“好的”世界模型，LeCun反驳了需要完美模拟现实的观点，强调了抽象的重要性*。 以前很多人认为世界模型必须是“重现世界所有细节的模拟器”，就像《星际迷航》中的全息甲板那样。 （全息甲板是一个特制的封闭房间，内部由计算机控制，能够通过全息投影技术生成三维的、逼真的环境和物体。） 但LeCun认为，这一想法是“错误且有害的”，实践证明抽象有时候往往更有效。 所有科学和模拟都通过“发明抽象”来工作，例如计算流体力学忽略了分子等底层细节，只关注宏观变量（如速度、密度、温度），而这种抽象能够带来“更长期、更可靠的预测”。 因此，有效的方法是学习一个抽象的表示空间，它会“消除输入中所有不可预测的细节，包括噪声”。 由此他也总结道，世界模型不必是完全的模拟器，“它们是模拟器，但在抽象表示空间中”。 至于具体实现方式，他目前想到了通过联合嵌入预测架构（JEPA）在这一抽象表示空间中进行预测。 而关于JEPA想法是如何诞生的？LeCun带我们回顾了20年来“AI如何学习”的曲折发展史。 从无监督到JEPA LeCun坦言，在长达近二十年的时间里，他一直坚信构建智能系统的正确路径是某种形式的无监督学习。 这就和婴儿看世界一样，他们不是被“标注”后才认识世界的。同理，真正的智能也不可能依靠海量人工标注数据来构建。 因此，他一开始就将重点放在了无监督学习上，这种“让机器自己从原始数据中发现规律”的设计完美契合了他的理念。 说干就干，他开始尝试训练自编码器（Autoencoders）来学习表示。 其核心逻辑是：先压缩，再还原。 比如将一张图片（输入数据）经由编码器压缩成一个紧凑的、低维的“摘要”（即表示或特征）；然后将这个“摘要”经由解码器重构，还原为一张与原始输入尽可能相似的图片。 一旦这个“摘要”能够近乎完美地还原出原始输入，那么合理推测它必然抓住了数据中最关键、最本质的信息。 因此，如果后续有其他任务用到这个“摘要”，其表现大概率也不错。 然而，后来的研究让LeCun意识到，“坚持表示必须包含所有输入信息的直觉是错误的”。 因为他发现，AI在上述学习过程中存在“作弊”现象。 就像数学上的“恒等函数”所代表的含义——输出只是输入的另一种形式，AI根本不理解自己所学的内容，它们只是在“抄答案”。 而连理解都没有，又何谈真正的智能呢？ 于是，LeCun接着引入了“信息瓶颈”（Information Bottleneck）这个核心思想来纠正方向。 其目的是限制表示的信息内容，从而迫使系统学习更精简、更有用的表示，也即所谓的抽象能力。 后来他与多位学生在这一方向上做了大量工作，希望以此预训练非常深的神经网络。 然而，随着深度学习迎来历史转折点——全监督学习开始崛起，有关无监督或自监督学习的研究一度被搁置。 当时的情况是这样的。 在2010年代初期，研究者们面临一个核心难题：理论上有强大表达能力的深度神经网络，在实践中却极其难以训练。 梯度不是消失就是爆炸，网络深层的参数几乎学不到东西。 而几项简洁却革命性的工程改进，彻底改变了局面。 一个是ReLU（线性整流函数）的胜利。之前大家普遍使用Sigmoid或Tanh作为激活函数，它们的梯度在两端会变得非常平缓（饱和区），导致反向传播时梯度信号迅速衰减，无法有效更新深层权重。这就是“梯度消失”问题。 而ReLU的梯度在正区间恒为1，完美解决了梯度消失问题，计算速度也极快，几乎凭一己之力让训练可以深入到数十甚至上百层。 另一个是归一化（Normalization）开始发威。随着网络层数加深，每一层输入的分布都会发生剧烈偏移，这迫使后续层需要不断适应新的数据分布，大大拖慢了训练速度，也使得学习率等超参数设置变得极其敏感。 而归一化技术使得每一层的输入进入激活函数前，强行将其归一化到均值为0、方差为1的标准分布。这就像给每一层安装了一个“自动稳压器” ，确保了训练流程的平稳。 正是这些改进的结合，使得研究者第一次能够可靠、高效地训练出非常深的神经网络。 换言之，深度网络的威力终于从理论照进了现实。 而且更幸运的是，技术的突破还遇上了数据的爆炸——包括李飞飞带头创建的ImageNet和一些大型文本语料库等大规模高质量标注数据集，越来越多地被创建和公开。 在技术和数据的双重红利下， 监督学习在当时表现良好（比如大名鼎鼎的AlexNet引爆“深度学习革命”）。 直到2015年，LeCun开始再次思考如何推动人工智能达到人类水平。他观察到，当时主流的强化学习方法在样本效率方面极其低效，“无法实现目标”。 因此，他重新将研究重心转向了世界模型和规划，即一个能够预测其行动后果并能进行规划的系统。 他最初的设想很直接：要建立一个世界模型，那就让它像物理模拟器一样，预测下一帧画面的每一个像素。 这一想法和当时主流的观点不谋而合，但事实证明它错了。 我起初和当时所有人的做法一样，犯了试图在像素级别预测视频的错误，这实际上是不可能的，因为预测是非决定性的。 因为现实世界往往充满随机性。比如预测一杯水被打翻后，每一颗水珠的确切轨迹和形状，是不可能的。未来有无限多种可能的像素级状态。 如果强行训练一个确定性模型来预测像素，它为了最小化误差，通常会学会输出一个所有可能未来的模糊平均。这就是为什么早期视频预测模型生成的画面总是模糊不清的原因——它不是预测，而是“和稀泥”。 而为了解决不确定性，LeCun最初尝试了潜变量模型。这就像给模型一个“随机数骰子”（潜变量），允许它根据骰子的不同结果，生成不同的未来画面。 不过LeCun最终意识到，这本质上仍是在像素空间中工作，没有触及核心。 直到这时，主打“在抽象表示空间中进行预测”的JEPA架构终于应运而生。 其灵感源自LeCun在90年代研究的Siamese Networks，只不过一直面临一个巨大的难题——防止系统崩溃（Collapse）。 在训练过程中，模型可能将所有输入映射到单一的点或低维空间，导致嵌入空间中的样本不可区分，从而无法有效捕捉样本间的语义差异。 为了解决这个问题，LeCun依次尝试了对比学习、非对比学习的方法，最新进展就是LeJEPA技术。 LeJEPA核心提出了一种基于各向同性高斯嵌入的自监督学习方法，通过引入SIGReg正则化，有效解决了表示崩溃问题，并显著提升了模型的泛化能力。 LeCun认为，“LeJEPA+SIGReg”是训练模型学习抽象表示的“非常有前途的技术集合”，并预计未来一两年内在这个领域将会有更多进展。 “LLM无法通往AGI，最难的是达到狗的智能水平” 基于上述，LeCun判断，那些号称一两年就能实现AGI的人完全是痴心妄想。 因为现实世界远比token化的文本复杂，仅靠现在的LLM路线不可能直接实现AGI。 更何况对于AGI这个概念，LeCun本身就觉得毫无意义。 AGI通用智能指的是人类水平的智能，但事实上人类智能是高度专业的，比如人类擅长处理现实世界的问题（导航、互动），但在棋类任务上表现差劲。 甚至在很多任务上，其实动物比人类更擅长，而人类之所以自诩为“通用”，只是因为人类自认为能处理所有可以想象到的问题，但很多想象之外的问题，人类其实无法做到。 所以与其讨论人类水平的智能，不如讨论机器是否可以在人类擅长的领域达到或超越人类。 毫无疑问，答案是肯定的。已经有机器在部分领域超越人类，但要说全部领域，则需要一个渐进的过程，而非突发事件。 可预见的是，在未来几年，世界模型、规划能力这方面或许能取得概念性突破，这将为实现人类水平的AI铺平道路。 但这还远远不够，还需要很多的基础概念铺垫，需要新的理论创新才能突破当前人类智能的瓶颈。 总的来说，人类智能距离人类还很遥远。 而且并非大家所普遍认知的那样：“人类智能难以实现，那么低一档的狗级智能或许更容易实现”。 LeCun认为恰恰相反，实现人类智能的过程中，最难的反而是达到狗的智能水平。 能够达到狗级智能，说明在研究人类智能上已经具备了大量的基础理论，再从狗级智能到人类智能就容易得多。 因为灵长类动物和人类的差异，除了大脑尺寸的增长，关键在语言。语言其实是由大脑中很小的一块区域（Wernicke区和Broca区）负责，而这些区域在不到100万年（甚至200万年）前才进化出，复杂性并没有想象中那么高。 现在的LLM就可以很好地扮演这一区域的角色，将语言编码为抽象表征，并将思想解码为文本，而世界模型则相当于大脑的前额叶皮层，负责规划和决策。 所以LeCun的观点是，单靠LLM或者单靠世界模型是无法实现真正的人类智能的，这需要很多的相关研究支撑，也需要很多时间完成。 也正因为如此，老爷子LeCun说他还不能退休。 拒绝退休，人生目标是提升人类智能 事实上，今年LeCun就已经65岁了。 花甲之年、荣誉等身，LeCun的妻子也希望他退休回归家庭，但LeCun如今还要大龄创业，据他所说，原因只有两个字——“使命”。 大道至简，LeCun的一生都在追求的，无非是提升人类的智能。 他说，智能是世界上最稀缺的资源，人类和地球的发展总是受到智能总量的限制，这也是为什么人类会前仆后继地投入大量资源进行教育、发展机器。 所以回顾LeCun整个职业生涯的全部研究项目，都紧紧围绕着“让人类更聪明”这一核心目标： 作为教授，LeCun教书育人；作为机器智能的研究者，LeCun希望通过机器辅助人类提升智能；通过社交媒体发声，公开传播AI和科学知识，让更多人了解相关领域…… LeCun表示： 为了这一目标，我愿意继续做出贡献。 不过他也坦然表示，这么多年的职业生涯里，他也有遗憾。 很多想要做的想法，都没有足够的时间去做，结果同行们比他抢先一步发表，典型的比如反向传播算法 （backpropagation）。 他曾发表过一篇关于训练多层网络的目标传播算法论文，那时他就衍生想到了反向传播的核心思路，但受时间和精力限制没能做成，后来David Rumelhart和Hinton发表了相关论文，并引用了LeCun的论文。 类似的事情还有很多，但LeCun并不后悔。 在他的视角里，一个好的想法的涌现往往是复杂的，很少有人能在完全孤立的情况下提出全新的想法。 这在科学界里再正常不过，所以不能只把功劳归结于第一个产生想法的人，那些将想法落地的人同样需要巨大的努力。 或许正因如此，他才始终坚持开源的技术路径——在他看来，科学的进步从来都不是少数天才的灵光乍现，而是无数人思想在开放交流中的不断叠加延伸。 因此再回头看LeCun的离职，其实并不突兀。 当Meta已经不再是那个鼓励长期开放研究的“科学乌托邦”，LeCun的离开，几乎成为一种必然。

凤凰网科技讯 12月21日，今日头条2025优质深度创作者大会于12月20日在海南万宁举行。本次活动为期三天，超过300位图文创作者参与，围绕内容行业趋势、平台政策及创作实践进行交流。 会上，今日头条回顾过去一年以“优质深度”为核心战略的探索与成果，并推出“专项创作基金”“深一度工作室”及“薪火计划”三项扶持计划，旨在支持深度图文内容的创作与传播。 今日头条作者与内容生态负责人李黎 今日头条作者与内容生态负责人李黎表示，今日头条将“优质深度”确立为2025年核心平台内容战略，持续推动理性思考和公共对话，强化对优质深度内容的投入。数据显示，过去一年内，平台优质深度图文内容的阅读量同比增长近三倍，相关创作者收入实现整体增长。 今日头条算法负责人李丕勋 为提升内容匹配效率，今日头条算法负责人李丕勋介绍，平台已优化分发机制，打造了一条“由文章寻找读者”的分发链路，建立独立流量池，辅助深度内容冷启动，系统性提高优质图文曝光率。 大会还设置了多场主题讨论，人物CEO张寒以“深度内容的回旋镖”为题发表主旨演讲；《正面连接》创始人曾鸣、新京报深度报道部主编王瑞峰、媒体人陈鲁豫、主持人张越等嘉宾就“在快时代做‘慢’内容”这一主题展开交流。来自自媒体的王冰汝、三表龙门阵、半佛仙人、潘乱等也从创作者角度分享了经验。 今日头条表示，未来将持续投入，与创作者共同推动深度内容生态建设。

IT之家 12 月 21 日消息，SpaceX 官方今天在 X 平台发表声明，回应华尔街日报关于“星舰飞船 1 月爆炸事件危及航班安全”的报道。 IT之家附 SpaceX 官方声明如下： 这是《华尔街日报》又一篇误导公众的“报道”。 很明显，记者们被别有用心人士灌输了不完整且具有误导性的信息。 往轻地说，这反映出他们完全不了解空域管理方面成熟而稳健的工具体系，这些工具定义清晰、以科学为基础，并且在保障公共安全方面已被证明卓有成效。 无论如何，这类基于猜测、依赖匿名消息源非科学分析所构建的虚假叙事，都是在对公众传达不负责任的消息。 我们需要明确：SpaceX 在每次星舰飞船的飞行测试中，都会把公众安全摆在最高优先级，没有任何航空器受到风险影响，所有飞行器碎片都被限制在事先协调好的应急响应区域内，这些区域由美国太空军制定，并由联邦航空管理局管理。 并且，这些应急响应区域在划分时都高度保守，覆盖区域远大于实际需要；所有航空器都在实时调度下，被合理引导至预先协调空域。 SpaceX 致力于在发射、再入（重返地球大气层）过程中负责任地使用空域，有效考虑公共安全，保护地面、海上以及空中的人员。 我们计划在 2026 年提升星舰飞船的飞行频率，并从佛罗里达州执行发射任务，SpaceX 将在确保最高公共安全标准的同时，继续推动星舰更高效地融入空域体系。 《华尔街日报》曾在昨天报道称，今年 1 月，一架捷蓝航空航班飞往波多黎各途中，被空管告知前方为危险空域，继续飞行只能自行承担风险，航班一度盘旋。另有一架伊比利亚航空客机和一架私人飞机也遭遇类似情况，均宣布燃油紧急并穿越临时禁飞区。 《华尔街日报》认为，上述风险事件均源自 SpaceX 的星舰飞船在发射数分钟后爆炸，并且 FAA 文件显示，这次爆炸事件造成的危险比公开披露的情况更为严重。

凤凰网科技讯 12月21日，摩尔线程于12月20日在北京首届MUSA开发者大会（MDC2025）上公布了新一代全功能GPU架构“花港”，并展示了其万卡规模AI训练集群及多项技术进展。 此次发布的核心内容涵盖架构升级、集群能力与推理性能等方面。新架构“花港”支持从FP4到FP64的全精度计算，算力密度提升50%，能效实现10倍提升。基于该架构，公司计划推出专注于AI训练与推理的“华山”芯片，以及面向图形渲染的“庐山”芯片。 在训练集群方面，摩尔线程推出“夸娥”万卡智算集群，称其具备全精度通用计算能力，训练算力利用率在稠密模型上达到60%，在混合专家模型上达40%，训练线性扩展效率为95%。在推理侧，公司与硅基流动合作，在DeepSeek R1 671B模型上实现单卡Prefill吞吐量超过4000 tokens/s，Decode吞吐量超过1000 tokens/s。 软件生态方面，MUSA 5.0版本对编程模型、计算库和编译器进行了优化，核心计算库muDNN的GEMM与FlashAttention效率超过98%，通信效率达97%。公司还计划逐步开源部分核心组件，包括计算加速库与系统管理框架。 在图形领域，新架构集成硬件光线追踪加速引擎，并支持自研的AI生成式渲染技术。摩尔线程还展示了在具身智能、AI for Science等前沿领域的布局，推出仿真训练平台MTLambda以及基于“长江”SoC的AI算力本MTT AIBOOK。 此外，公司公布了面向下一代超大规模智算中心的MTTC256超节点架构设计，着眼于高密度硬件与能效优化。 此次大会，摩尔线程系统展示了从芯片架构、集群基础设施到端侧设备的全栈技术布局，目标是为国内AI计算生态的发展提供硬件与软件支持。 因此行业人士普遍认为，摩尔线程正全面对标英伟达，提前发布架构，以便提升软件生态信心。

雷达财经出品 文|丁禹 编|孟帅 在10月公布《股东减持股份计划公告》后，药明康德实际控制人控制的股东近期再度出手减持。 据药明康德12月18日发布的公告，公司收到信息披露义务人发出的通知，其于11月26日至12月17日通过集中竞价和大宗交易方式合计减持公司股份2951万股。 叠加11月20日至11月25日减持的股份，前述股东已累计减持公司股份约4134万股。若按11月20日至12月17日91.84元/股的均价计算，前述股东在30天内已累计套现约38亿元。 目前，该减持计划仍在进行中。据10月末披露的公告，此次减持预计总减持股份数量不超过公司总股本的2%。 值得一提的是，不久前，药明康德刚刚交出一份颇为亮眼的三季报：公司实现328.57亿元的营收，同比增长18.61%；录得归母净利润120.76亿元，同比暴涨84.84%。 药明康德表示，系公司的CRDMO业务模式、生产工艺和经营效率的优化，以及临床后期和商业化大项目增长带来的产能效率提升，为公司营收和利润的增长提供了强大动力。 反映到资本市场，截至12月19日收盘，药明康德的股价为92.47元/股，总市值为2759亿元，较年初暴涨超1100亿元。 值得注意的是，随股价一同飙升的，还有公司创始人、掌舵者——李革的身家。据10月底公布的《2025胡润百富榜》，李革以515亿元的身家位列榜单第109位，身家较去年增长58%。 30天内减持超4000万股，累计套现38亿 时间回拨至10月29日，药明康德发布《股东减持股份计划公告》。 公告显示，因自身资金需求，公司实际控制人控制的股东，计划通过集中竞价和/或大宗交易方式减持公司A股股份不超过约5968万股，不超过公司总股本的2%。 11月26日、12月18日，药明康德分别发布《关于股东权益变动触及1%刻度的提示性公告》。 据悉，药明康德的实际控制人为李革、张朝晖、刘晓钟，而本次减持计划涉及实控人控制的股东多达10余家。 上述公司实控人控制的股东，于11月20日至11月25日通过集中竞价方式合计减持公司股份约1183万股，占11月26日公司总股本的0.4%。 之后的11月26日至12月17日，前者又通过集中竞价和大宗交易方式合计减持公司股份约2951万股，占12月18日公司总股本的0.989%。 前述交易完成后，上述股东合计持有公司股份数从约5.48亿股减少至约5.06亿股，持股比例从18.35%减少至16.97%。 截至12月17日，减持股东合计通过集中竞价方式减持公司约2984万股股份，占公司总股本的1%；合计通过大宗交易方式减持公司1150万股股份，占公司总股本的0.39%。 若按11月20日至12月17日药明康德91.84元/股的均价计算，减持股东已累计套现约38亿元。 不过，药明康德在12月18日的公告中表示，本次权益变动后，信息披露义务人仍处于其减持计划实施期间，公司将继续督促其严格执行减持相关规定，并根据后续持股变动情况及时履行信息披露义务。 值得一提的是，据同花顺iFinD数据，自2018年上市以来，药明康德每年都会进行分红。截至目前，公司已累计进行9次现金分红，累计现金分红金额高达139.23亿元，分红率为26.71%。 去年业绩短期承压，前三季度有所回暖 作为一家全球领先的医药研发服务企业，药明康德致力于为全球医药及生命科学行业提供新药研发和生产服务。 目前，药明康德的服务范围已广泛延伸至化学药研发和生产、生物学研究、临床前测试和临床试验研究等诸多领域。截至上半年末，公司共拥有37832名员工。 不久前，药明康德联席首席执行官陈民章在与媒体对话时曾表示，“我们（药明康德）的使命是赋能客户，使他们能够更高效地研发新药。” 这一使命的达成，核心在于药明康德独树一帜的CRDMO模式，该模式能自上而下打通药物发现（R）、开发（D）到商业化生产（M）的全链条。 雷达财经了解到，得益于一体化的CRDMO业务模式，药明康德集成了CRO、CDMO和CMO的服务和能力。 凭借这一独特优势，药明康德能够显著加速医药创新步伐，让新药在科学发现后以最短时间跨越重重关卡，真正惠及广大病患。 从药明康德的业绩表现来看，这种业务模式确实具有不小的商业潜力。据同花顺iFinD数据，上市次年（2019年），药明康德便以强劲的发展势头突破百亿营收大关。 至2023年，公司营收更是一举冲破400亿元大关，归母净利润距离百亿规模也仅一步之遥。 不过，2024年，药明康德的业绩短期承压。这一年，公司的营收和归母净利润分别同比减少2.73%、1.63%，这是公司自上市以来首次出现营收净利润双降的情况。 进入2025年，药明康德的业绩表现有所回暖。前三季度，公司实现328.57亿元的营收，同比增长18.61%；录得归母净利润120.76亿元，同比增长84.84%。 对于前三季度的业绩表现，药明康德表示，这主要系公司持续聚焦及加强CRDMO业务模式，营收持续增长，同时持续优化生产工艺和经营效率，以及临床后期和商业化大项目增长带来的产能效率不断提升，提高了整体的盈利能力。 同时，公司出售持有的联营企业WuXi XDC Cayman Inc.部分股票的收益，进一步提升了公司的利润。 值得注意的是，药明康德的资金储备非常充裕。截至第三季度末，公司的货币资金高达294.39亿元，较去年末的183.22亿元增加超六成。 同期，公司的流动资产大涨至538.12亿元，资产负债率则处于24.45%的相对低位。 此外，前三季度，公司经营活动产生的现金流量净额为114.13亿元，同比增长36.21%，这意味着公司的“造血能力”也得到了显著的提升。 在三季报中，药明康德将公司的主营业务主要分为化学业务、测试业务、生物学业务以及其他业务几大板块。 其中，化学业务堪称药明康德的营收支柱，前三季度实现收入259.78亿元，同比增长29.28%，占到公司总营收的近八成。 而化学业务的蓬勃发展，正是药明康德引以为傲的CRDMO业务模式的直接体现。 具体而言，药明康德的小分子药物发现（即R，Research）业务为下游持续引流；小分子工艺研发和生产（即D和M，Development and Manufacturing）业务保持强劲增长。 财报显示，今年前三季度，药明康德“R”到“D”转化分子250个；小分子D&M管线累计新增621个分子。 截至第三季度末，药明康德小分子D&M管线总数达到3430个，包括80个商业化项目，87个临床III期项目，374个临床II期项目，2889个临床前和临床I期项目。 515亿掌舵者李革，打造2759亿医药巨头 药明康德能够成为市值近3000亿的医药巨头，和其创始人李革的创业选择密切相关。 据公开资料，李革1967年出生于北京，曾就读于北京大学化学学院，后赴美深造，获哥伦比亚大学有机化学博士学位。 起初，李革醉心学术，想着毕业后去波士顿担任教授，但1993年3月的一场意外改变了一切。 当时，李革打算去波士顿谈工作，但美国东部突遭暴风雪，他花了22个小时才在纽约和波士顿之间往返了一趟。 “我一想，这太远了，都跟回中国差不多了！于是我就说，我不去了。”李革回忆道。 后来，李革加入了自己导师项目组成立的小公司，担任公司领头人之一，他也因此走上了创业的道路。 而这家公司就是1993年4月成立的Pharmacopeia生化公司。到1995年底，这家公司便已在纳斯达克上市。 千禧年后，李革决心回国创业，怀揣着“让天下没有难做的药，难治的病”的理想，药明康德在一间约650平方米的实验室里诞生。 李革当时的创业思路非常清晰，“从成立的第一天起，我已说过药明康德不会成为一个制药公司。” 他希望药明康德可以成为一个集合技术、科学与能力的平台，任何人在这个平台上都能发现新的医疗健康产品并造福患者。 后来，他在接受《C&EN》专访时进一步阐述了自己的理念：“医药产业相比过去已经更多地开始进行研发项目，但更大的挑战是如何提高这些风险极大的研发项目的成功率。药明康德希望通过研发外包，缩短新药上市的周期。” 在李革的引领下，药明康德走上了稳扎稳打的发展之路。2001年，药明康德开展合成化学服务，2003年及2004年开展工艺研发服务及研发生产服务，2005年拓宽至生物分析服务，2007年则进一步覆盖至毒理及制剂服务，同时越来越多的基地也逐步投入运营。 2008年，药明康德收购美国AppTec Laboratory Services公司，公司英文名称更名为WuXi AppTec，平台能力更加全面。 在新药早期研究领域，药明康德在2016年收购德国药物发现服务商CRELUX，拓展基于结构的药物发现能力。 2017年，药明康德收购辉源生物，进一步夯实平台生物学研发能力和规模。 在新药后期生产环节，2021年，药明康德收购瑞士库威（Couvet）生产基地，在拓展大规模生产能力的同时，提升供应链体系的灵活性，更好地助力欧洲及全球客户。 在资本运作方面，天眼查显示，2018年5月、12月，药明康德先后在A股和港股上市。 截至12月19日收盘，药明康德股价为92.47元/股，总市值2759亿元，较年初暴涨超1100亿元。 而在今年10月公布的《2025胡润百富榜》中，李革更是以515亿元的财富高居榜单第109位。 有关药明康德的后续发展，雷达财经将持续关注。

“机器人”是怎样一个产业？几乎是2020年以来除AI之外的重要热点。 日本被调侃“起个大早赶了晚集”，中国有宇树、优必选、众擎，美国有特斯拉、Figure，日本一家能打的都没有。不是号称创新发源地吗？不是全球最早创造出人形机器人的国家吗？1963年诞生的机器人阿童木，不就满天飞了吗？ 但是咱们也不太敢盲目断定日本机器人真不行，因为机器人里还有个类型叫“工业机器人”，日本貌似很强。 笔者写这篇分析的原因是，某日读到徐静波老师写到“东京国际机器人展”，特意飞奔到现场参观了一番。与笔者写过的日本出不来Deepseek相似，日本AI的“行”与“不行”，日本机器人的“行”与“不行”，还真是不分析不知道。 日本为何完全放弃人形机器人 2025年春晚扭着秧歌亮相+“世界人形机器人运动会”，使得“机器人”往往被误认为就是“人形机器人”。 但是，海那边的日本人已经选择性绕开了人形/具身机器人的整个赛道。为什么？ 因为日本：早早入局，但吃过大亏。 说日本早早入局都保守了，他们简直是闯入了无人区。任何创新想要商业化奔现，都需要有钱人的支撑。“有钱人一号”本田在2000年推出了全球第一款可以互动的人形机器人ASIMO，甚至还与2014年访问日本的奥巴马一起踢过足球。 “有钱人二号”是日本软银集团，它在2012年收购了一家法国公司Aldebaran Robotics，看上的是它所推出的全球第一款具备人类情感的人形机器人Pepper，能与人类对话，能提供信息。 陪老人唠嗑是够了（PR Times） 但是ASIMO和Pepper先后都经历了开发-量产-停产的过程。ASIMO当年的售价为250万美金/台，有价无市。Pepper价格定为19.8万日元，不仅面向日本市场发售，还推向全球化，但仍逃不开停产的命运，总产量只有2.7万台。 “有钱人二号”软银甚至可以说是为了发展机器人而承担了亏损。根据软银集团向关东财务局提交的有价证券报告书，在机器人相关业务扩张阶段，其合并财务中出现了数亿美元级别的亏损与负债压力。 软银还收购了著名的网红机器人公司“波士顿动力”，3年后按大约10亿美元估值又将控制权卖给了现代汽车集团，由于当年的收购价实际上并未透露，因此不知是否是一次巨亏。 这两段经历的特点是——“你跺你也麻”，即使不是软银孙正义，是来自其他国家的王正义、张正义，巨亏之后都心有余悸。 诚然，ASIMO和Pepper诞生之际，AI还在襁褓中，“大模型”更是没影的事。但是谁在巨亏后还敢往同一个地方再次All in呢？谁甘心反复在一棵树上吊死呢？如果说如今中美的人形机器人比市场走快了0.5步或1步（现在不宜太早下定论），那么日本就是比市场走快了3～5步，根本找不到北。 今天的日本，可以说是明确不押注宇树这样的，由大模型驱动、面向开放环境的人形机器人商业化。来自FANUC、安川、川崎这类公司在访谈、技术白皮书中反复强调：人に似せる必要はない（没必要像人）。 但日本会浅浅地绕着走，例如，它也有自己的“人形”，只是依靠规则、小模型、传感器的“派遣机器人”，在商场、医院、工厂和老人设施里执行简单任务。 宇树说，看我能做到什么；日本派遣机器人说，我保证不给你搞砸（作者拍摄） 日本不搞人形，但是有人形的前哨“四足”。这次在东京机器人展上看到了川崎的CORLEO，这是一种概念型四足机器人载具，使用氢能源，支持人类骑乘与复杂地形穿越。 现场看更帅（作者拍摄） 你可以说，日本先是失去了一棵树，继而失去了探索一整片森林的驱动力。却无法否认，这片森林的开采，本就是一个国际级难题。 全球各国的人形机器人市场都很难拿到成熟的营业数据，每一家成品不错的企业背后都是辛勤研发与巨额投入，美国特斯拉Optimus，Figure AI 等都是亏损状态。 全球也没有“强需求”的人形机器人市场，长期商业模式尚不能下定论。现在的买家大部分是实验型、营销型、展示型客户，例如科研机构、大学、国家实验室，需要训练模型的科技公司，有展示、引流、营销需求的地方。宇树的四足机器人在B端出现落地，但数量级和盈利结构还不足以定义为“已成熟模式”。 这次的东京机器人展上，咱们中国的宇树带着四足机器人和人形机器人出现了，两位人形机器人展开比武，一位打了段拳，另一位跳了段“鸡你太美”，让日本朋友们很惊讶。可以说，宇树的人形机器人是整个展览中最靓的仔。不过这笔机器人的账单绝不是小数目：生而为“人”，我很烧钱、很慢、很难卖。 搞人形机器人，日本万事不俱备 让我们从整个经济结构的角度，聊聊为何日本放弃了人形机器人。 哪个国家没有对机器人的需求呢？老龄化的日本社会需要劳动力，机器人如果聪明到成为重要劳动力，那么人形不人形，根本不是问题。真正的差异，在于其他条件够不够。 第一层，是时代与技术底座。 首先，美国的特斯拉、中国的宇树，生在AI、大模型、芯片供应链都非常成熟的时代。日本不是没有AI，只是全都混迹在产业里面。确切地说，日本的AI和大模型存在感很一般，更没有Deepseek和Chat GPT这样的应用级AI。当然，日本也是Chat GPT普及率最低的国家之一。 其次，资源不到位。日本并非没有VC，日本的大手企业更是富得流油，但是老大哥软银孙正义摔了如此大的一个跟头，谁还敢Follow？ 第二层，是产业路径与能力迁移。 笔者认为，具身机器人是电动车的“后辈”，中国与美国制造业在电动车上积累了足够的经验值。自动驾驶的“智能大脑”与人形机器人是同源，或者说底层相通，都需要多传感器融合、实时规划路径、动作与环境互动，也都需要电机、电控、减速器产业的成熟。在如此大型的造车实验成功之后，造“人”就不再是从零开始。 但日本的电动车制造基本上是一片荒芜。老钱国家的特点就是，现有的已经够用，从绿皮火车变成全球最快高铁？不需要，新干线已经很安全了。 还有人才。一次次验证规模化生产能力、积累AI与控制系统的融合实践的同时，其他国家积累了大量硬件、软件工程师，且分工精细。但是在日本这个国家，工程师招聘、AI算法人才长期短缺。 第三层，是需求、资本与成本结构。这也是最值得日本人真正关注的一点。在更多国家的产业升级中反复出现了一些新的需求，例如高速增长的电商、3C、物流与仓储体系——它们要求机器人具备对不规则物品的识别、抓取与自适应能力，而这正是传统工业机器人体系的短板。 对于日本来说，但凡出现产业升级与新的需求，相应的机器人企业若想满足需求，或者从80分提升到98分，就必须大改。而目前在日本本土，新需求还没有大量萌生，改变的驱动力还不大。 还有成本问题。其他国家里，摆脱进口替代的需求极其强烈，再加上这些年新兴制造业的发展，量产成本下降，价格竞争力也就这么来了。 而日本是一个不怎么降价的国度。日本机器人公司使用的是日本上游零部件，质量是全球顶尖，价格也是全球领先。在要求“20 年寿命、百万次重复、厂级稳定运行”的制造现场，B端购买方更看重的是风险最小化，而非单次成本最优。可替代方案不多，那么也就无需降价。 说到底，在努力读懂日本商业世界逻辑的前提下，很容易理解，为什么别人“大干快干”，日本人偏是不干。这是经济结构、产业路径与风险偏好共同作用的结果。 一骑绝尘的日本工业机器人 机器人不止人形机器人，还有传统的工业机器人、协作机器人、医疗机器人等。实际上，目前国际上通用的分类方式，最基础的分类便是工业vs非工业机器人。 市场研究机构Mordor Intelligence的机器人市场报告摘要提到，2024年工业机器人在全球机器人市场中约占71.4%的营收份额。 那么，钱进了谁的腰包呢？工业机器人全球前10是谁？来自全球知名市场统计机构Statista的数据如下： 日本的实力是前10之中占了6席，而非5席：这个行业的第一名，瑞士ABB在2025年10月宣布，决定将机器人业务以53.75亿美元出售给日本软银集团。看来，在人形机器人身上赔的钱，孙正义要在工业机器人身上赚回来。 这时候有读者说了：作者你又是胳膊肘往外拐，日本工业机器人做得好，你就非要写日本擅长的事，专门来给日本挽尊？人形机器人和传统非人形的工业机器人，看上去就像熊猫和小熊猫那样，不是一个物种，一个是机械臂，另一个是人啊。况且日本长期自称“自动化”，怎么穿个“机器人”的马甲，变酷了？ 工业机器人属于机器人是全球说法，全球的各类机器人大会（当然也包含此次的东京国际机器人展）都有极大比重是传统的机械臂机器人。更重要的是，工业机器人也可以有AI和大模型含量，虽然不是顶级的大模型，但确实融合了智能控制/智能感知。 关键是，工业机器人是一种最纯正的to B商业逻辑，日本的整个打法都十分规整，其中多家公司都是上市公司，长期保持盈利能力。咱们的人形机器人，保不齐也要走to B/to Government的道路。 从科技含量上，作者试图谈谈对２对概念的浅见： 日本最早的人形机器人vs如今宇树为代表的机器人 当年的“自动化”vs现在的工业机器人 日本最早的人形机器人与如今宇树为代表的机器人，在大脑（算力）上差距极大，前者主要靠规则算法+传感器硬编码，它们走路时脚抬高多少、弯曲多少是写死的；而现在的人形机器人配备了类似智能汽车的中央大脑，使用视觉大模型、动作生成大模型，可以自动计划任务（例如自动整理房间）。当然，日本最早的人形机器人和宇树，在感知能力和动作控制能力方面也有巨大的差别。 回到工业机器人，当年的“自动化”，主打一个行为可预测、可复现、可验证，但是如今日本的工业机器人已经完成了“升级”，即感知环境并让行为产生变化。 如果说机器人有三层结构： 【上层】任务目标与工艺流程（由人或MES 系统定义） 【中层】控制与执行策略（控制器+ 伺服 + 感知融合） 【底层】执行机构（电机、减速器、机械结构） 那么当前日本工业机器人的智能化，主要集中在中层，通过智能算法把任务做得更稳、更准、更久。而宇树等人形机器人，正在尝试把AI推向上层任务理解与决策层，先理解世界，再决定做什么。 换句话说，日本人没有把通用AI研发放在主赛道，但是一提到自己的优势“工业机器人”，警报就响起来了，搞出了自己的“日式工厂AI”。 “日式工厂AI”存在于4个地方： 机器视觉（Vision AI），如3D视觉定位，表面缺陷检测，抓取粉末、不规则物体 力控 + 运动补偿（Physical AI），也是日本企业非常擅长的，通过力传感器来进行接触判断 预测维护（Predictive AI），例如预测轴承、电机、驱动器寿命，减少停线损失 参数自动优化（Auto Tuning），在工程师设定范围内微调，在日本被认为是“安全 AI” 这些AI的科技含量高吗？如果说不加AI的工业机器人是80分，加了“日式工厂AI”之后可以到达90分。FANUC的ZDT系列、安川的Motoman 系列都已将这类能力量产落地；日本少数偏“算法型”的机器人公司MUJIN，则进一步把视觉、实时运动规划与整机协同，做成了可部署、可复制的工业系统。 在这次展出里，我们也能看到很多并未承载AI的设备，这些设备的展示方式甚至与5年前、10年前差不多。例如，笔者特意翻查了往年报道，今年再次出现的“机械臂夹鸡块”，几乎已经成为工业机器人展会上连续多年的保留曲目——稳定、可靠、可重复，但并不试图讲述一个新的智能故事。 日本机器人强在哪？一整个产业链 日本工业机器人的第一要义：稳定。到什么地步：产品持续供货与维护20年，而且20年不断型号。 “机器人 × 产业链 × 工厂文化”的完整体系是从1970s年代建立的 FANUC 的客户（丰田、本田）合作40年 安川（YASKAWA）为通用汽车、日产提供机器人30～40年 川崎（Kawasaki）汽车工厂机器人使用几十年不断代 SMC的气动件、THK的导轨、NSK的轴承已经成为全球自动化标准件 特斯拉研发机器人，它自己也在使用日本工业机器人 为了达到标准，日本工业机器人公司使用最好的伺服系统（电机寿命长，编码器极精准，伺服响应极稳），最好的减速机（高精度+毫米级间隙）。 实际上，日本最厉害的不是台前的机器人，而是背后的整体产业链。除了AI芯片（NVIDIA）和少量高性能 GPU，日本的机器人产业链几乎完全自给自足，是全球最独立、进口依赖最小的机器人体系。 很多上游零部件难以被替代，成了整个行业现金流最好的玩家，即所谓的“高附加值项目”、“卡脖子”环节。 这又变成一个良性循环：下游的整机厂商是日本公司，因此优先采购日本的零部件，根本不需要背调；对Ｂ端购买方来说，设备365天×24小时不停机，谁都希望一步到位。而只要购买FANUC的机器人，减速机一定来自Nabtesco或Harmonic Drive，轴承一定来自NSK或NTN，机械结构一定是日本国内产线加工，综合来看，值得信赖。 降价？谁会提降价？日本人认为，只有小厂、小批量客户才价格敏感，会选择便宜机型，同时接受更高风险。 所以，冰冻三尺非一日之寒，一个制造业领先的国家也不是一天才变成如此。 最后，让我们看看中美日三个国家的机器人格局。 每个国家都有不同的策略，下一个问题是，到底能不能用科技，用资源，用规模，用经验，去购买时间和经验值？ 对日本机器人产业而言，真正需要回答的，并不是是否错过了人形机器人这一轮，而是——当需求从“稳定重复”转向“高度不确定”时，这套以工程理性为核心构建的体系，是否仍然成立。

快科技12月21日消息，有网友在社交媒体上表示：“埃隆·马斯克并不在意世界首富的称号，财富对他来说只是推动使命的燃料——他的使命是让人类登陆火星，延续文明的火种。” 对此，马斯克评论称：“的确如此，要实现生命的多行星生存、保障文明的长久延续，这项事业必将耗资不菲。” 马斯克一直怀有移民火星的愿景，并为此投入数百亿美元，研发人类历史上体积最大、推力最强的运载火箭——“星舰”。 他曾在X平台上发文阐述自己的多行星生存愿景，强调必须在火箭技术上实现巨大飞跃，从而大幅降低成本。 马斯克曾指出，在火星上建立一座能够自我维持的城市，至少需要运送100万吨物资。若基于现有技术，成本将高达1000万亿美元——这显然不现实，毕竟美国全年GDP也只有29万亿美元。 他表示，如果能够将火箭技术提升1000倍，那么多行星生存的总成本可降至约1万亿美元。这笔投入若分摊到40年或更长的时间中，每年仅需不到250亿美元。 以这样的成本水平，人类就有望实现多行星生存，从而确保文明的长期延续，同时不会对地球上人们的生活水平造成明显影响。而“星舰”的设计目标，正是实现现有系统效率1000倍以上的提升。 按计划，马斯克目标在2026年启动“星舰”的无人火星任务，并力争在2030年前实现载人探测。

快科技12月21日消息，近日，62岁的李连杰创立TikTok账号，并于昨晚正式官宣入驻。 李连杰表示：“我回来了，在这里与你们交朋友，自己8岁起开始习武，到今天已经有50多年。” 画面中他头发乌黑精神饱满，并称自己要打造一个功夫动作社区，把功夫分享给每一个人。 据此前报道，今年初，李连杰被目击面容憔悴、需搀扶行走，一度引发健康担忧。 11月，李连杰在个人社媒账号上发布多条视频，他精神饱满、头发乌黑，仍能利落完成踢腿、跳跃等动作。 他完成舞蹈、武术时均无压力，与年初的憔悴状态形成鲜明对比。 为了自证清白，11月初，李连杰发布的一条名为“这是一个坦诚相待的周末”的vlog，晒出自己游泳的日常，并脱衣展示无疤痕上身，侧面辟谣其“换心脏”“心脏移植”等传闻。

快科技12月21日消息，据央视新闻报道，近日第二届未来运动会在阿联酋阿布扎比举行。 中国俱乐部自主设计制造的机器人深海巨鲨3参加了格斗机器人大赛，并在决赛中击败国外俱乐部获得冠军。 据介绍，深海巨鲨3重110公斤，最高时速28公里，转速高达每分钟1万转。 团队还利用了模块化的设计，保证机器人在短时间内可以修复。 据悉，本次格斗机器人大赛共有来自美国、俄罗斯、白俄罗斯、印度等国家和地区的16支队伍参赛，其中不乏屡次在国际大赛上取得冠军的俱乐部。 依靠先进的设计，在格斗机器人比赛中，深海巨鲨3机器人连续直接击倒对手，最终赢得比赛。 【本文结束】如需转载请务必注明出处：快科技 责任编辑：哈尔

【新智元导读】随着AI越来越强大并进入更高风险场景，透明、安全的AI显得越发重要。OpenAI首次提出了一种「忏悔机制」，让模型的幻觉、奖励黑客乃至潜在欺骗行为变得更加可见。 当AI越来越聪明时，也变得越来越难以掌控。 一个让AI研究者头疼的问题是： 当AI开始和你「耍小聪明」时，比如： 一本正经地胡说八道：幻觉（Hallucination） 为了拿高分找训练机制的漏洞：奖励黑客（reward hacking） 在对抗测试里出现「密谋欺骗」（scheming） …… 怎么破解？这是个棘手的难题。 最大的问题，就是这些AI的回答往往看起来没问题。 它们逻辑严谨、表述流畅，但不知道「坑」埋在了哪里：是不是走了捷径、隐瞒了不确定性、或者偷偷违反了要求。 于是OpenAI的研究者就提出了一个非常大胆的点子： 让模型「学会忏悔」。 该项研究的核心，是训练模型在回答完问题后，再额外产出一个自我坦白的「小报告」： 我刚刚是不是用错方法了？有没有偷懒？有没有读漏指令？有没有利用你没注意的漏…… 为了让模型在忏悔时「放下思想包袱」，这份报告不影响主回答的评分，它只考察一个维度： 诚实。 忏悔机制迈出了AI透明化的重要一步，让大模型可以主动承认自己是否遵守指令、是否走捷径，从而让隐藏的不良行为变得可见。 这使我们拥有了检查AI内在状态的窗口，有机会真正理解问题在哪里，从而更好改进AI的安全与训练方式。 论文里有更多实验，包括与未使用自白机制的对照模型比较，以及对自白失败案例的分析。 https://cdn.openai.com/pdf/6216f8bc-187b-4bbb-8932-ba7c40c5553d/confessions_paper.pdf 忏悔机制如何让AI更「诚实」？ 忏悔机制的探索方向，是训练模型在出现不良行为时主动承认，研究人员称之为「忏悔」。 这是一种仍处于早期的概念验证方法，通过训练模型在违反指令或走捷径时主动「忏悔」，从而让这些行为变得可见。 OpenAI及其他的AI研究者证明，大模型可能出现幻觉、奖励黑客或不诚实行为。 目前，最严重的行为，如密谋欺骗主要在压力测试和对抗性评估中才出现。 但随着模型变得更强、更像AI智能体，即使罕见的失衡行为也会造成更大的影响，因此我们需要能更好发现、理解和缓解AI风险的方法。 如何让模型毫无保留地「忏悔」？ 研究人员让「忏悔」完全和主任务的奖励脱钩，只考察一个维度： 说实话就给奖励，不说实话不给奖励。与主任务的回答好坏无关。 模型只要在自白里承认问题不会被算作负分。 只要它如实说明自己是否利用了测试漏洞（hacking）、故意压低表现（sandbagging）或违反了指令，就会获得奖励。 目的是为了让模型如实报告自己的真实行为。 测试显示，忏悔机制能显著提升不良行为的可见性。 在诱导不良行为的场景中，「假阴性」（模型没有遵守指令且没有自白）的比例只有4.4%。 图中展示的是模型在四类任务下自我「忏悔」是否遵从的准确性。 结果被分为上图中的四类： True positive（真正例）：模型不遵从，并且坦白说自己不遵从 True negative（真负例）：模型遵从，并且坦白说自己遵从 False positive（假正例）：模型遵从，但错误地坦白说自己不遵从 False negative（假负例）：模型不遵从，但错误地坦白说自己遵从 整体目的是衡量模型自我评估（self-confession）是否可靠。 在「幻觉」任务中，正确率达到了81%，但也存在一定比例错误「坦白」，这说明模型在涉及「幻觉」判断时，对自身表现的把握不如其他领域稳定。 在遵循指令类任务中，错误坦白的情况仅占4.4%，这说明AI在此类任务中对自己的行为判断相当可靠。 对于给定的用户提示，以上四种可能的结果取决于两个维度的组合： 模型的回复是遵从还是不遵从，以及「忏悔」声称遵从还是不遵从。 研究人员整体上发现，「忏悔」供述通常非常准确，而且其中的错误大多是无害的，更多源于真实的困惑，而不是有意误导。 忏悔机制如何有效工作？ 忏悔机制是AI对自己是否遵守显性和隐性指令、是否走捷径、利用漏洞或未达预期的情况进行自我报告。 在这方面大模型可以被训练为保持坦诚。 研究人员以GPT-5 Thinking的一个版本进行忏悔机制的训练，并在多个分布外的压力测试数据集上评估。 这些数据集旨在诱导密谋式欺骗、奖励黑客、违反指令和幻觉等行为。 结果显示，即便模型真的做了这些不该做的事，它在忏悔中依然很可能承认，整体效果在不同数据集和任务上都表现稳定。 在每次对话结束后，可以通过一条「系统消息」要求模型给出上一条回答的忏悔报告，内容包括： 回答应满足的所有显性和隐性目标、指令和限制； 回答是否做到这些的客观评估； 模型在作答过程中遇到的模糊点、不确定性或难以判断的问题。 训练时，一个独立的奖励模型只评估自白内容，包括目标是否完整、分析是否准确、不确定性说明是否充分。 自白的奖励不会影响主回答的得分，从而确保模型在自白里说什么，都不会影响主回答的表现。 为什么忏悔有效？ 原因在于许多不良行为是在模型同时优化多个目标时产生的。 在强化学习中，模型通过看提示词、生成回答、得到奖励，逐渐学会能得高分的模式。 但奖励信号往往混合多种因素：正确性、帮助性、产品规范、安全要求、用户偏好等。 这些奖励信号的相互作用，可能把模型推向我们不希望的方向，比如： 幻觉研究显示：一些数据集更奖励「自信猜测」而不是诚实表达不确定性； 阿谀奉承研究显示：偏好信号过强时，模型会过度附和； 其他团队的研究表明：模型可能进行奖励黑客，找到训练机制的漏洞，提高得分但没真正做对任务。 这些捷径甚至会在部署时泛化为更严重的问题。 而忏悔机制，可以通过完全分离目标来避免这点： 主回答仍然优化所有常规因素，而忏悔机制只优化诚实这一因素。 忏悔的内容不会影响到主回答的奖励。 因此，即便大模型在主回答里隐瞒、走捷径，它仍然有动力在自白里说实话。 实践中也确实如此：大模型会在忏悔中承认不良行为，即使主回答中没有透露。 当忏悔机制失败时，多数情况是模型真的「没搞清楚」：比如指令模糊不清，或它根本没意识到自己犯错，而不是故意误导。 重要的是，早期结果表明，即便主回答没有使用链式思维（chain-of-thought），忏悔机制仍然有效。 这说明它不依赖于内部推理透明度，并可能适用于未来更不同的模型架构。 忏悔机制即使没有合规的「真值标签」也能发挥作用。 许多真实任务中，我们无法客观地标注模型是否遵守指令。如果能做到，我们就直接惩罚，而不需要忏悔机制了。 忏悔机制奖励的是：模型是否能给出结构化、有证据支持的自我评估。 提供真实解释往往比编造一个完美的谎言更容易，因此诚实倾向自然出现。论文也讨论了自白产生假阴性、假阳性的情况以及其原因。 论文给出初步证据，但不是最终证明。 虽然研究人员使用了前沿模型GPT-5 Thinking，但实验规模有限，未来希望进一步扩大规模，看看诚实性是否能继续保持。 我们学到什么？ 在一些实验中，研究人员刻意使用由较弱模型生成的「容易被利用的奖励信号」来训练主任务奖励和忏悔奖励。 这意味着模型是在一套「可以被轻易玩弄的规则」下学习。 事实证明模型确实学会了利用弱奖励信号，主任务上模型在「利用弱奖励信号」「走偏」，但在忏悔部分反而越来越诚实、越来越准确。 在这个过程中，模型了解到：要最大化忏悔奖励，最简单的方法就是如实承认它是如何利用弱奖励信号的。 限制与展望 忏悔机制并不会阻止不良行为，它只是让这些行为可见。 其主要价值是作为训练、评估和部署期间的监控与诊断工具。 忏悔机制就像链式思维监控一样，可以让隐藏的推理过程变得更透明。它关注的是指令是否被违反，而链式思维则侧重揭示推理路径。 研究人员指出，这项工作仍处于概念验证阶段。 目前，并没有在大规模训练条件下测试其效果，忏悔准确率也并非完美，要让这种方法更可靠、更稳健、更适用，还需要更多研究。 该项研究也属于OpenAI更广泛的AI安全体系的一部分。 忏悔只是其中一个机制，与深思熟虑式对齐、链式思维监控、指令层级体系等方法共同构成一套多层透明与监督工具。 忏悔机制可用于训练和评估中的诊断，也可用于部署中的实时监控。 它虽然不能独自解决多目标冲突问题，但作为「诚实模式」，可以为整体的诚实和安全性提供重要支撑。 未来，OpenAI计划进一步扩大忏悔的训练规模，并与其他透明与安全技术（包括链式思维监控与深思熟虑式对齐）结合，以确保模型严格遵守所有指令和政策（如Model Spec），并如实报告自身行为。

IT之家 12 月 21 日消息，博主 @羊驼的睡衣 昨日分享了网传的小米 17 Ultra 标准版图片，称很像是 vivo X300 Pro 的感觉。博主还透露，特殊版本镜头圈有变焦环可以旋转变焦 / 对焦，甚至还有小可乐标。 据IT之家今日早些时候报道，小米集团合伙人、总裁，手机部总裁，小米品牌总经理卢伟冰昨晚公布了小米 17 Ultra 手机的首张样片，称照片中“烟花色彩鲜明，但暗部却黑的非常纯净，并且前景的小朋友的剪影也十分锐利。” 小米 17 Ultra 手机将于下周正式发布，与徕卡全球影像战略合作升级，引入“战略共创模式”，有望首次用上徕卡“可乐标”，而且是红底的标志。 小米手机官方表示，小米与徕卡一起带来了划时代的光学系统方案，以及移动影像领域首款徕卡 APO 认证长焦镜头，实现了移动影像长焦创作的颠覆性体验革新，在夜景画质表现上也有巨大的进步。这一全新光学能力，将首次亮相于即将发布的小米 17 Ultra。

IT之家 12 月 21 日消息，荣耀官方今天在微博预热 WIN 系列手机，新机将搭载第五代骁龙 8 至尊版芯片，全系支持 IP68/IP69/IP69K 防尘防水等。 据介绍，该系列手机将全系搭载荣耀鸿燕通信系统，拥有抢网通信双芯片，涵盖抢网 Wi-Fi、C1+ 芯片，可确保游戏、户外、室内等场景不断连，号称“游戏信号不失联，战场随时可在线”。 结合IT之家此前援引博主 @数码闲聊站 消息，某厂的新机型将全系搭载 1216 双扬声器、3D 超声波指纹、金属中框、IP68/69/69K 防尘防水，全系机型的屏幕和电池规格都是相同的，核心区别在于芯片和影像，预计为荣耀 WIN 系列。 参数方面，这款新机将采用 6.83 英寸 185Hz 刷新率的 LTPS 直屏，拥有 1.4mm 四等边，支持 4800 Hz 左右高频 PWM 调光，采用 10000mAh 级大电池，支持 100W 和 80W 快充。 值得注意的是，荣耀 WIN 系列新机将在 12 月 26 日正式发布，届时IT之家将带来详细报道。

快科技12月21日消息，据行业人士“智慧芯片案内人”披露的数据显示，vivo X300系列上市以来销量已超过100万台。 vivo X300系列涵盖标准版与Pro版两大机型，销量占比分别为 47% 和 53%。 细分到配置层面，标准版中12GB+512GB版本最受消费者青睐，而Pro版的销量主力则是16GB+512GB。 数据同时显示，今年安卓旗舰机型中，Pro版本销量占比相比去年有显著提升。 据了解，vivo X300系列于2025年10月中旬正式上市。作为vivo年度旗舰产品，该系列上市首销期就表现出了强劲的势头，首销当日线上渠道5分钟销售额突破5亿元，线下门店出现部分配置机型售罄现象。 X300系列的市场表现与其核心配置密切相关，在影像系统方面，Pro版配备5000万像素主摄、4800万像素超广角和6400万像素潜望式长焦三摄组合，标准版则采用5000万像素主摄+1300万像素超广角的双摄方案。 在性能方面，vivo X300搭载天玑9500芯片，采用台积电第三代3nm工艺，晶体管密度较上代提升20%，峰值性能下功耗降低42%。该芯片为“1+3+4”全大核架构，超大核主频4.21GHz，Geekbench 6多核跑分超11000分，安兔兔跑分突破400万。 顶配版支持双UFS 4.1架构。配备冰脉流体VC散热系统，覆盖主板85%区域，连续1.5小时运行主流游戏后，机身最高温度未超34℃，帧率稳定且无明显降频。 双节消费热潮将至，元旦与春节的到来或将推动vivo X300系列销量再攀新高。 作为国人拍照需求较旺盛的两大节点，节日期间家庭合影、亲友聚会等拍摄场景会明显增多，而以影像为核心卖点的vivo X300系列，正能精准匹配这一市场需求。

IT之家 12 月 21 日消息，三星电子于周日表示，其计划展出一款搭载谷歌人工智能模型 Gemini 的高端冰箱，该冰箱可通过内置摄像头识别存储在冰箱里的食品。 这家韩国科技巨头称，将在下月于拉斯维加斯开幕的国际消费电子展（CES）前夕举办的“抢先看”活动中，在美国首发这款全新的 Bespoke AI 冰箱。这是首款搭载 Gemini 的家用电器。 三星方面表示，与此前仅能识别数十种食品的旧款机型相比，这款新冰箱的食品识别范围大幅拓宽。Gemini 会基于识别到的数据为消费者推荐食谱或辅助进行食品采购，助力消费者更好地管理食材。 此外IT之家注意到，Gemini 还将应用于三星的红酒冷藏柜，使这些电器能够识别标签并向用户提供存储的酒瓶清单。 三星电子数字家电事业部负责人 Moon Jong-seung 表示：“通过与谷歌合作实现的先进人工智能视觉技术，将助力三星为用户打造别具一格的美食体验。”

文 | AIX财经（AIXcaijing），作者 | 金玙璠，编辑 | 魏佳 一纸招股书，揭开了“中国版OpenAI”智谱AI的神秘面纱，也把一个备受关注的话题抛到台前：在中国大模型的牌局中，智谱AI究竟排第几？ 12月19日，这家顶着“清华系”光环的明星公司在通过港交所聆讯后，披露了招股书，向“全球大模型第一股”发起最后冲刺。 一时间，所有人的目光都聚焦在这家成立仅6年的年轻公司身上，最受关注的，除了它豪华的股东阵容（美团、阿里、腾讯、小米）和超过240亿元的估值，还有一张颇具话题性的中国大模型厂商“座次图”。 A、B、C、D推测分别为科大讯飞、阿里巴巴、商汤科技、百度 图源 / 智谱AI招股书 智谱AI在招股书中援引了咨询公司弗若斯特沙利文出具的一份榜单：按2024年收入，智谱AI以3.1亿元的收入、6.6%的份额，位列中国大模型厂商第二，仅次于科大讯飞，力压阿里、百度（公司名称根据招股书推断）。按此报告，智谱AI是中国最大的独立大模型厂商。 一时间，“智谱AI，领先字节阿里了？”的讨论四起。 排名背后，另一组数字同样醒目。2024年，智谱AI经调整净亏损达24.7亿元。2025年上半年亏损仍在加剧，营收1.9亿元对应经调整净亏损17.5亿元。 高速扩张与持续亏损并行，几乎是当前大模型公司的共同特征，也折射出这一行业高研发、长周期的普遍挑战。 因此，要看清智谱AI的真实位置，我们或许不能只依赖一份报告中的单一维度排名，而需要回到三个更本质的问题：智谱AI究竟是怎样一家公司？它的财务状况说明了什么？以及，牌桌之上真实的战局究竟如何？ 智谱AI，是一家怎样的公司？ 要理解智谱AI，首先要了解它的“出身”。 智谱AI的创始班底，几乎全部来自清华大学计算机系的知识工程实验室（KEG）。这个KEG实验室，来头不小。它成立于1996年，是中国从事自然语言处理（NLP）和知识图谱研究的机构之一，在中国AI的江湖里，是一个泰山北斗般的存在。 可以说，当很多大厂刚刚开始摸索AI的时候，KEG已经在这个领域默默耕耘了二十多年。 智谱AI的CEO张鹏，2002年硕士毕业后就加入了KEG实验室，并主导研发了科技情报平台AMiner——这被视为智谱AI的技术雏形。而公司的灵魂人物、首席科学家唐杰教授，更是KEG实验室的核心人物。 这种“科学家组团创业”的配置，最直接的好处就是技术上有先发优势。 当2022年底ChatGPT横空出世，整个行业都在忙着追赶时，智谱AI显得相对从容。我们来看一下这家公司的技术时间线： 2021年，启动GLM框架研发，并于2022年8月推出千亿级大模型GLM-130B，成为国内最早的同类模型之一，发布时间早于ChatGPT。 2023年，推出ChatGLM，成为中国最早的对话式大模型之一，并在开源社区引发巨大反响。 2024年，推出GLM-4系列，性能全面对标GPT-4，并在多项权威基准测试中取得了不错的成绩。 这种快人一步的研发布局，让智谱AI在后来的“百模大战”中，手里多了几张牌。它不仅有能与巨头抗衡的旗舰模型，还搞出了像AutoGLM 2.0这样能自主操作手机的智能体（Agent）。 对于“学院派”出身的智谱AI，如何将学术优势转化为商业优势，一直是外界关注的焦点。一位关注AI投资的从业者李超打了个比方，智谱AI选择的路径，是开一家“模型超市”——也就是所谓的MaaS（Model as a Service，模型即服务）平台。 这个“超市”的生意模式是：把各种模型——从可装入手机的小模型，到千亿参数的基座模型，从处理文本的语言模型，到理解图像视频的多模态模型，乃至能够执行复杂任务的智能体（Agent）——像商品一样摆在货架上，客户需要什么能力，就通过API接口来调用，按需付费。 “超市”要有人气，关键在于引流。智谱AI的打法是“开源试用—习惯养成—付费转化”：通过免费的开源模型（如GLM系列），吸引开发者来“试用”，当开发者习惯了智谱AI的工具链，并需要更强大的模型能力时，就有可能付费购买其MaaS平台上的商业服务。 这种模式的好处是轻便、灵活，能快速渗透到各行各业。根据招股书，截至2024年9月，智谱AI的MaaS平台已经吸引了超过270万开发者，辐射全球1.2万家企业客户。 搞清楚了智谱AI的商业模式，我们就能更好地理解它在整个行业中的位置。 在中国的大模型赛道，玩家按照“出身”大致可以分为三类： 第一类是互联网巨头——阿里（通义千问）、百度（文心一言）、字节（豆包）、腾讯（混元）。它们综合实力最强，有资金、有算力、有用户，模型只是其庞大业务版图中的拼图之一。 第二类是AI独角兽——商汤（日日新）、科大讯飞（讯飞星火）。它们在AI领域深耕多年，有特定领域的技术积累和客户基础，模型是其业务的延伸。 第三类则是大模型原生创业公司——智谱AI、月之暗面（Kimi）、零一万物（Yi）、MiniMax等。李超分析，它们all-in大模型，优势在于专注，但劣势也在于此，因为没有多元业务可以“输血”，必须靠大模型本身实现商业闭环。 综上所述，智谱AI是一个有技术积累，又有商业野心的独立选手。接下来，我们看看它的业绩表现如何。 财务数据的AB面 智谱AI的财务状况可以总结为，极具成长性，但也面临巨大投入压力。 好的一面是，收入在增长，模式在优化。 根据招股书，智谱AI的营收增速一直保持在高位，从2022年的0.57亿元增长至2024年的3.12亿元，三年时间增长五倍多，商业化正在加速。 更值得关注是收入结构的变化。它的收入由两部分构成：以2024年为例，其收入的85%来自本地化部署（通常指私有化部署），15%来自云端部署（主要对应其MaaS平台）。 私有化部署，也就是为大企业、大机构提供定制化的大模型解决方案，毛利虽高，但项目周期长、客户数量有限，难以规模化。 MaaS（模型即服务）平台，是智谱提供云端API服务的方式，虽然单位利润不高，但可以服务更多的企业客户，覆盖更大的市场。 随着后者占比的逐渐提高，公司的整体毛利率从2023年的64.6%下降至2025年上半年的50%。这看似不是个好消息，但背后反映的是商业模式的调整：从“高毛利、低规模”向“中等毛利、高规模”转型。 很多成功的SaaS公司都经历过这样的转变：初期通过高端客户获得高毛利，积累资金和口碑，然后逐步推出中端产品和平台产品，扩大市场覆盖面。 但智谱AI“高增长”故事的另一面，是“高投入、高亏损”。 根据招股书，2025年上半年，智谱AI的财务状况如下：营收近2亿，研发开支约16亿，销售费用约2亿，经调整净亏损17亿以上。 这组数据直观地反映出一点：智谱AI的花钱效率有待提高。 以研发投入为例，2025年上半年，同期研发费用与营收的比例是8.4：1，明显高于国际巨头。 据外媒报道，其对标对象OpenAI的这一比例是1.56：1；另一个巨头Anthropic，即便只算AWS的算力支出（不包括Google Cloud的支出和人员成本），这个比例只有1.04：1。 换句话说，智谱AI的研发投入强度，是OpenAI的5倍以上，是Anthropic的8倍以上。这背后，是所有大模型玩家都无法回避的“军备竞赛”：必须持续高额投入，训练更大、更强的模型，购买更多的算力，招揽更顶尖的人才，才能留在牌桌上。 但问题在于，智谱AI作为一家创业公司，体量远小于OpenAI和Anthropic（它们背后分别有微软和亚马逊、谷歌的巨额投资），却要承受同样甚至更高的单位成本。 这恐怕正是其此时上市的关键原因。 根据招股书，截至2025年6月30日，智谱AI账面现金约有25.5亿元。按照2025年上半年的现金消耗速度，若以经营活动现金流出净额（13.3亿元/半年）计算，现金储备可维持约1.9年；若以经调整净亏损（17.5亿元/半年）估算，则可维持约1.5年。 考虑到公司处于快速扩张期，实际的现金消耗速度可能进一步加快，因此尽快完成融资或上市“输血”，对智谱而言至关重要。 尽管其在招股书中强调自身“弹药库充足”，称截至2025年10月31日，现金及现金等价物、短期投资和可动用银行融资合计89.43亿元。但需要注意的是，这89亿里，现金加上可快速变现的“短期投资”，只有28亿，剩下的61亿，是银行给的授信额度。 更值得警惕的是，智谱AI的短期投资在三个月时间里（自2025年6月30日至10月31日），从5.49亿元降至2.29亿元，减少了约3.2亿元 。这或许说明，智谱AI正在动用短期投资以应对现金流压力。 所以，我们看到了一个增长迅猛，但同时也在承受巨大资本消耗压力的智谱。既然“入场成本”这么高，我们该怎么评估智谱的行业座次？ 智谱AI，到底排第几？ 这取决于我们用什么标准去衡量。 按照其招股书中引用的弗若斯特沙利文数据：2024年中国大语言模型市场规模为53亿元，前五名份额总和为33%；其中，智谱AI以3.1亿元的收入，位列第二，排在了科大讯飞（4.4亿元）之后，阿里（3亿元）、商汤（2.9亿元）、百度（2.2亿元）之前。 根据这份报告的注释，统计口径是大语言模型开发平台的收入。 AI创业者周林分析称，此口径统计的是“能够独立核算的大模型业务收入”，对智谱AI这样的“纯粹派”选手有利，对业务庞杂的“巨头”们相对不利。 智谱的业务都围绕大模型展开，所有收入都能明确归属于大模型业务。但阿里、百度等互联网平台型公司，很多大模型相关的收入因为难以单独核算——比如云服务中集成大模型的收入、解决方案中使用大模型的收入等——大概率被排除在外了。 如果换个更全面的统计方式，排名会如何？ IDC的报告显示，2024年中国大模型平台主要厂商市场份额（统计口径与弗若斯特沙利文报告类似，都是狭义的“平台”市场）的排名是：百度智能云（第一）、阿里云（第二）、商汤科技（第三）、智谱AI（第四）。 Omdia的报告则从综合能力评估的角度，将阿里云评为“领导者”，称其在战略执行和能力两个维度位居第一。 如果我们看一些公开披露的中标数据，更能感受到体量上的差距。根据媒体报道，2024年全年，仅公开可查的大模型中标项目总金额就达到了25.2亿元，其中科大讯飞中标金额5.4亿元，百度智能云中标金额3.4亿元。 这些数字，都超过了弗若斯特沙利文报告中的统计。这也从侧面印证了，巨头们的大模型相关收入，有很大一部分来自于解决方案、私有化部署、云服务集成等“非平台”业务。 所以，我们可以得出一个初步结论：如果只看“大模型开发平台”这个细分赛道，智谱AI排在第二的位置是合理的；但放到整个大模型市场的大盘子里看，它的收入体量就没那么靠前了。 这份招股书，让外界看到了智谱AI的实力与焦虑。它有技术，有生态，有一套看起来可行的商业模式，但也面临着巨额亏损、现金流压力和激烈的市场竞争——短期来看，智谱AI每赚1块钱，就要亏掉9块钱。 不过，这也恰恰反映了大模型赛道的残酷：谁能在技术上保持领先，谁能构建起最强大的生态，谁就能拿走市场的大部分份额。从这个角度看，智谱是用今天的亏损，换取明天在牌桌上的席位。今天的收入排名，不能定义一家公司的未来，如何尽快将技术优势转化为可持续的商业闭环，才是智谱AI真正需要向市场证明的。

如果要为 2025 年的车市选一个关键词，那么「重塑」或许最为贴切。 新能源渗透率已越过高速增长拐点，市场进入结构性调整阶段，不再是所有玩家都能分一杯羹的增量时代，而是优胜劣汰的存量竞争。无论车企宣传多么天花乱坠，最终都要靠销量兑现。 董车会统计了 2023 年、2024 年及 2025 年前 11 个月销量超过 18 万辆的车型，发现三年间榜单变动剧烈，有品牌快速崛起，也有曾经的头部选手掉出前列。这背后，是产品力、定价策略、渠道效率乃至组织反应速度的全面比拼。 ▲ 2025 年 1-11 月各车型销量排名 而这场重塑中最引人注目的信号，莫过于来到榜首位置的，不是特斯拉也不是比亚迪，而是一辆强势崛起的小车。 失去榜首的比亚迪 过去两年，国内新能源汽车销量榜首之争主要在特斯拉 Model Y 与比亚迪秦 PLUS 之间展开。Model Y 凭借其全球统一的产品力与品牌号召力，稳居第一梯队——2023 年售出 45.6 万辆，2024 年进一步提升至 48 万辆；而比亚迪则以「车海战术」全面出击，旗下秦、宋、元、海豚、海鸥等多款车型齐头并进，在 2024 年巅峰时期一举包揽销量 Top 10 中的五个席位，几乎占据半壁江山。 然而，进入 2025 年，格局骤变。吉利星愿以 44.6 万辆的成绩空降榜首，星越 L 与博越 L 也稳居榜单前列。作为老牌自主车企，吉利在经历转型阵痛后，凭借高性价比的小型与紧凑型产品成功反攻，一举打破了比亚迪此前近乎垄断的市场地位。 曾长期称霸该细分市场的海鸥与海豚，在 2023–2024 年合计贡献了可观销量，但到了 2025 年，二者双双失守。 海鸥销量跌至 34.1 万辆，排名滑落至第五；海豚更是一路下滑至第 32 位。与此同时，吉利星愿以更大空间、更精致的设计以及更具竞争力的配置，在同价位区间精准狙击了这两款比亚迪「走量利器」。 ▲ 比亚迪海鸥 雪上加霜的是，曾经的旗舰轿车汉，也悄然消失在销量榜单之中。 2024 年尚能卖出 22.8 万辆的汉，2025 年销量几近腰斩，仅录得 13.7 万辆。面对小米 SU7（27.2 万辆）、特斯拉 Model 3（19.3 万辆）以及极氪、领克等新老对手的围剿，老款「汉」的产品力已显疲态；而改款后的新车型，无论在设计语言还是核心体验上，都未能赢得市场广泛认可，销量表现可谓惨淡。 海鸥 但也有好消息。 秦 L（第 8 名，27.8 万辆）和海豹 06（第 14 名，23 万辆）这两款更新的车型成功完成了迭代，稳固住了其在 10-15 万级轿车市场的基本盘。 ▲比亚迪海豹 06 DM—i 旗下高端品牌腾势 D9 和方程豹钛 7 也表现出了不错的爆款潜力。 明年的比亚迪，如何在前后夹击的态势下稳住份额，相当值得期待。 吉利，成功渡劫 在一众合资品牌及传统自主品牌（如长城、长安、上汽）被比亚迪打得节节败退之际，吉利出手了。 此前两年，吉利在新能源销量榜上表现平平。然而到了 2025 年，局面彻底改写，吉利不仅一举夺得年度销冠，其星越 L 与博越 L 更强势稳居榜单前列，彰显出在紧凑型 SUV 领域的全面统治力。 ▲ 销冠星愿 吉利已成为目前唯一一家在燃油车与新能源两大赛道均跑赢行业大盘的传统车企。 尽管在新能源转型上起步较晚，且早期一度犹豫不决，但吉利的转身不可谓不坚决。早在 2015 年，吉利便提出「蓝色行动」战略，雄心勃勃地设下到 2020 年实现新能源车型销量占比达 90% 的目标。 然而到 2020 年之时，吉利实际的新能源车销量占比却只有 5.2%。 真正促使吉利下定决心的，是比亚迪与理想等新势力在混动与增程赛道上的爆发式成功。自此，吉利果断修订原战略，推出升级版「蓝色吉利行动计划」，全面押注节能技术（涵盖燃油、混动、增程）与智能纯电双线并进。 之后比亚迪的每个爆款吉利几乎都做了对标，银河 L6 对标秦 PLUS DM-i，银河 E8 对标汉 EV，银河 E5 对标元家族，星舰 7 则瞄准了宋 Pro DM-i，星愿则对标海豚和海豹两款小车。 ▲ 吉利银河 E8 产品矩阵上如此，技术竞争上同样如此。 2024 年 5 月，比亚迪发布第五代 DM-i 技术，以 46.06% 的量产发动机热效率刷新纪录；仅半年后，吉利便在银河星舰 7 上搭载全新 EM-i 雷神混动系统，以 46.5% 的热效率反超对手，重夺技术制高点。 今年 2 月，比亚迪宣布旗下 21 款车型全部搭载「天神之眼」辅助驾驶系统，仅在 1 个月之后，吉利就宣布银河系列的后续车型都将搭载「千里浩瀚」不同层级的辅助驾驶方案。 吉利的策略简单而高效，配置多一点、设计好一点、价格再低一点，期望用用极致的性价比与快速迭代能力，逐个击破比亚迪的主力车型。 星愿登顶销冠，或许只是吉利全面反攻的序章。 消失的埃安 对比三年的销量，有一个品牌的变化非常明显：广汽埃安。 2023 年，埃安尚处在高光时刻。AION Y 以 23.5 万辆的成绩位列第 12 名，AION S 也以 22 万辆紧随其后（第 15 名），两款车型共同撑起了品牌在主流市场的存在感。然而到了 2024 和 2025 年，这两款曾经的主力车型却彻底从销量榜上消失，再无踪影。 除了车型老化的问题外，背后更多折射出来的是 10-15 万级纯电市场的逻辑变了。2023 年，该细分市场仍由大量 B 端需求（尤其是网约车）托底；而进入 2024–2025 年后，随着比亚迪、吉利银河等兼具设计感、智能化与家庭属性的新车型密集入场，那些缺乏 C 端吸引力、仅具「工具属性」的纯电动车迅速被边缘化。 数据印证了这一趋势。据乘联会统计，2023 年全国用于出租及网约车的新车销量达 85 万辆，其中埃安贡献约 22 万辆，占其全年总销量的 45%，也占当年网约车新增总量的近四分之一。然而，随着网约车市场快速饱和，B 端订单锐减，埃安失去了最重要的销量支柱，市场表现随之急转直下。 ▲ 2025 年 11 月埃安各车型销量 面对困局，埃安曾试图通过向上突破来寻找出路。他们推出了高端品牌「昊铂」，陆续布局了昊铂 GT、SSR、HT 等车型。 但高端品牌的建设本就依赖长期技术积累、用户信任与体系化运营，而彼时的埃安显然准备不足。结果，昊铂系列多数月份销量仅百辆上下，市场反响平平，不仅未能打开新局面，反而分散了本应用于主品牌的资源，导致埃安在 15 万元左右的核心价位段产品力停滞不前，尤其在智能化配置上明显落后于竞品。 所幸，埃安在今年终于意识到战略偏差。随着昊铂品牌正式独立运营，埃安得以重新聚焦主品牌，将研发、产品、渠道与营销资源全面回调。业内消息显示，公司内部已启动一轮深度调整，从组织架构到产品定义，从技术路线到用户运营，均在进行系统性「换血」。 最近几款新车的产品力都很能打，如 9 月份推出的埃安 RT 就以 9.98 万元起的亲民价格提供了十分越级的体验。市场反馈也比以往热烈了不少。 但究竟效果如何，只能明年再看了。 燃油车最后的堡垒 我们一直以来通常认为燃油车在溃败，表面上看，电动化浪潮席卷一切，但细看销量数据，会发现一个反直觉的现象，2023 年，两款车型全年销量分别约为 19 万辆和 18.9 万辆；而到了 2025 年前 11 个月，帕萨特已售出 23.8 万辆，迈腾也达到 20.2 万辆。是榜单上极少数还能维持 20 万+年销量的合资 B 级车。 ▲ 上汽大众帕萨特近一年销量走势 数据来源：车主之家 大众精准捕捉到了那些对新技术持谨慎态度、更看重可靠性与使用确定性的「保守派」用户。 面对价格战与电动化的双重压力，上汽大众和一汽-大众选择了一条务实路径——大幅降价、配置拉满、强化信任。 帕萨特部分车型终端售价已下探至 13 万元区间，IQ.Drive 智驾系统、自动泊车、全景影像等以往只属于高配车型的配置，也开始下放到中低配车型上。 整个合资阵营虽在新能源冲击下整体承压，却并未全面崩盘，而是退守到自己最擅长的细分市场。 日系的轩逸、RAV4 荣放和凯美瑞的销量确实较巅峰时期有所下滑，但依然稳居各自细分榜单前列。 这些车型的共同点在于，它们早已完成产品心智的沉淀，即便在智能化和加速性能上落后于新势力，它们在油耗、保值率、维修便利性和长期使用成本上的优势，依然对三四线城市用户家庭第二辆车等特定群体构成强大吸引力。尤其是在充电基础设施尚未完全覆盖的区域，燃油车仍是无可替代的实用工具。 ▲一汽丰田 RAV4 市场的真相或许比「电替代油」的简单叙事复杂得多。未来几年，中国汽车市场大概率不会走向单一技术路线的垄断，而是进入一个油电长期共存、各取所需的多元阶段——电动化是方向，但燃油车仍有活路。 特斯拉 Model Y，铁杆盘稳固，但已到天花板 回顾特斯拉 Model Y 在中国市场近三年的销量，始终在 45 万至 48 万辆的区间内震荡。即便面对问界 M7、理想 L6 L7、小米 YU7 等强劲新势力车型的轮番冲击，甚至在价格战愈演愈烈的背景下，Model Y 的销量曲线依然异常平直——既未大幅下滑，也未显著上扬。 Model Y 在中国似乎已经形成一个高度稳定的「铁杆用户群」。这部分消费者对品牌高度认同，对产品性能、智能化体验或特斯拉生态有强烈偏好，其购买决策几乎不受外部竞争或短期促销影响。无论市场如何喧嚣，他们始终是 Model Y 最可靠的销量基石。 ▲特斯拉 Model Y 近一年销量走势 数据来源：车主之家 然而，这种稳定性或许也说明 Model Y 的增长已经到达了天花板。 自 2021 年国产以来，Model Y 在核心设计、三电系统和智能座舱架构多年未有颠覆性更新。尽管特斯拉通过软件迭代和推出特供车型来维持竞争力，但增量空间极其有限。 正因如此即便 Model Y 本身并未「变弱」，它也在 2025 年让出了年度销冠的位置。取而代之的是星愿这类主打高性价比、精准切入大众市场的车型。 Model Y 的销量波动，或许也是中国新能源产品不断演进的缩影。特斯拉已经完成了「鲶鱼」的历史使命，若无下一代产品或重大技术突破，Model Y 很可能长期徘徊在 45–50 万辆/年的「稳态区间」，成为一座坚固但不再扩张的孤岛。 ▲ 特斯拉 Model YL 座舱内部 绕不开的小米 SU7 小米 SU7 和特斯拉 Model Y 是销量榜前十中唯二的平均售价在 20 万元以上高端车型。 曾经中国家庭用户的首选永远是 SUV，在 SU7 出现之前，纯电轿车被认为是一个上限不高的细分市场。 如蔚来 ET5、小鹏 P7 等车型都曾在细分市场都遇到了「月销 1 万」的的隐形墙，但小米 SU7 把年销量做到了 27 万辆，月均 2 万以上，证明了纯电轿车可以不仅是「代步工具」，更可以成为像 iPhone 一样的「科技时尚单品」。 另一个有象征意义的数据是，小米 SU7 今年的总销量超越了特斯拉 Model 3（19.3 万辆）。 Model 3 上市多年，虽然经历了改款，但在中国消费者眼中，它已经越来越像一个「标准化的纯电车」。它很强，但缺乏新鲜感和情绪价值。 而小米 SU7 在 Model 3 建立的「极简+操控」的基础上，做了两件 Model 3 做不到的事——「互联互通」和「配置堆料」。 中国消费者虽然认可特斯拉的品牌，但如果能用同样甚至更低的价格，买到更大的空间、更好的内饰、更本土化的智能生态，他们会毫不犹豫地倒戈。 小米 SU7 实际上是吃掉了 Model 3 增长停滞后的溢出份额，并抢夺了那些原本还在犹豫是否购买特斯拉的摇摆用户。 过去年轻人的第一台「体面车」通常是 34C，而现在，在马力变得廉价之后，开一辆「科技属性」更强的小米，比开一辆丐版「宝马 3 系似乎更能代表」现代生活方式。 问界，突破 BBA 的护城河 如果把榜单往后再翻几页，我们还能看到另一个有意思的现象。 在 40 万元以上，且年销能超过 10 万辆的高端豪华车市场，能和 BBA 掰手腕的国产品牌，依旧只有问界。 如果单看 SUV 车型，问界 M8 以 13.3 万辆的成绩超越了奥迪 Q5L 的 11.9 万辆，是过去一年卖得最好的豪华 SUV。 要理解问界的上位，首先要理解 BBA 等传统豪车护城河的消解。 在燃油车时代，BBA 的溢价逻辑是可感知的物理豪华感，V6/V8 发动机的轰鸣、毫秒级换挡的变速箱，底盘调教的厚重感，这些都是极高门槛的技术壁垒。 消费者为此买单，买的是这一套复杂的机械艺术品，以及随之而来的社会地位。那时候的「豪华」，是静态的展示，无论你开不开它，那个立在车头的 Logo 和车内的真皮实木都在彰显价值。 然而，电动化时代带来了一场残酷的「机械平权」。电机轻易地让 20 几万的车型拥有了过去百万级豪车的加速体验；空气悬架和 CDC 减震器的供应链下放，让底盘质感的差异被无限缩小。 当原本的稀缺资源变得廉价，传统豪车就出现了「价值真空」。 这正是问界切入的时刻，它没有在旧赛道上过多纠缠，而是通过智能化，建立了一套新的价值坐标系。 在旧时代，车是冷冰冰的工具，人必须去适应车，而在问界构建的体系里，车更像是一个有感知能力的智能终端。 鸿蒙座舱让车机像手机一样省心顺手，不需要你去适应机器，而乾崑智驾把安全从「耐撞」升维成了「避险」，能在关键时刻帮你踩停、替你挡灾，这种实实在在的「保命」能力，才是科技时代最高级的溢价。 系统能力之争 如果把这些品牌和车型放在一张更大的时间轴上看，会发现一个越来越清晰的事实：中国汽车市场已经从「技术路线之争」，进入了「系统能力之争」。 过去几年，电动化是唯一的主线，谁能更快「上电」，谁就能拿到红利。但当新能源渗透率越过拐点，技术不再是稀缺品，真正拉开差距的，开始变成三件事：对用户的理解深度、产品迭代的速度，以及组织执行的确定性。 比亚迪今年的转变是最好的例子。 比亚迪的下滑很大程度上在于它太早成功，也太早暴露了边界。当所有对手都学会用更低的价格、更精细的定位、更快的反应去拆解它的优势时，比亚迪需要重新回答一个问题：除了性价比，它还能用什么继续扩大用户池？ 他们花了一整年找到的答案是「用户价值」。 他们为多款车型都增加了配置更高，价格更低的车型。升级点都集中在用户最关注的续航和舒适性的部分，像联动底盘、动力、座舱三大系统的定眩智能防晕车功能、与生态伙伴共同定制的宠物座椅和安全座椅配件都能让用户感知更强，用车舒适度更高。 简单点说就是尝试将技术转化为用户实实在在的体验。 市场营销学中有个经典的 4P 理论。 产品（Product）、价格（Price）、营销（Promotion）、渠道（Place）是四个决定销量的关键要素。 今天的中国车市，奖励的就是两点以上的长期稳定输出。 能把产品和价格同时做到极致的，才能吃下最大规模；能把产品和营销高度耦合的，才能制造现象级爆款；而三点、四点同时成立的玩家，才有资格谈「长期统治」。 未来几年，中国汽车市场不会有单一赢家，但一定会不断淘汰那些，只靠运气和红利活着的玩家。

IT之家 12 月 21 日消息，博主 @i冰宇宙 今日发文透露，三星 Galaxy S26 系列手机确定 2 月发布，预计 3 月发售。 据IT之家此前报道，型号“SM-S9480”的三星卫星移动终端已现身中国质量认证中心，结合此前 GSMA IMEI 数据库信息，基本确认该机为三星 Galaxy S26 Ultra。该机的证书编号为 2025011606809102，最高支持 60W 有线充电。 三星 Galaxy S26 Ultra 被曝将搭载 5200mAh 电池、支持 60W 有线快充，机身重量有所减轻。此前曝光的渲染图也显示三星 Galaxy S26 系列的三款机型将内置磁铁。系列新机尺寸数据如下： Galaxy S26：6.3 英寸屏幕，长 149.4mm，宽 71.5mm，厚 6.9mm Galaxy S26+：6.7 英寸屏幕，长 158.4mm，宽 75.8mm，厚 7.3mm Galaxy S26 Ultra：6.9 英寸屏幕，长 163.6mm，宽 78.1mm，厚 7.9mm 另外有消息称，三星 Galaxy S26 系列手机的 Exynos 2600 版本将仅限韩国本土发售，全球其他市场仍将采用高通第五代骁龙 8 至尊版芯片。

IT之家 12 月 21 日消息，荣耀官方今天在微博发文预热 WIN 系列手机，新机将全系搭载 3D 超声波指纹，号称可实现“0.14 秒一触解锁”，让解锁体验更加顺畅丝滑。 据介绍，荣耀 WIN 系列搭载的 3D 超声波指纹相比传统的光学指纹，解锁体验更加优秀，由于是使用声波识别手指头上细微凹凸（脊线、沟纹、毛孔），因此不需要像传统光学指纹那样把指纹识别区域调到最亮，不会出现“闪光弹”现象。 此外，超声波指纹解锁还能识别湿手、汗手，不需要擦拭手指就能顺滑解锁。 作为参考，荣耀 WIN 系列将拥有 WIN / WIN RT 两个版本，提供指定赢、快开黑、不怕蓝三款配色，全系标配风扇，可以自己手动启停，配备高通骁龙 8 Elite Gen 5 芯片、LPDDR5X 至尊版内存 + UFS 4.1 存储，安兔兔跑分可达 4409382 分。 荣耀 WIN 系列新品发布会已定档 12 月 26 日，IT之家将持续关注，在第一时间带来最新消息。

近日小米总裁卢伟冰在新品爆料直播中坦言，由于内存成本大幅上涨凶猛，即将于下周发布的小米 17 Ultra，「一定会涨价」。 巧合的是，不只是卢伟冰这摊生意，在雷军管的比较多的小米汽车那边，核心产品 SU7 似乎也要涨价了。 作为小米汽车的开山之作，SU7 在 2025 年交出了一份沉甸甸的答卷：累计销量突破 25 万台，稳居 20 万以上纯电轿车市场第一梯队，在大多数月份都压过特斯拉 Model 3 一头。 但在进入第四季度后，这款曾经的「流量之王」开始显露疲态。刚刚过去的 11 月，SU7 销量从巅峰期的月销 2.9 万台回落至 1.25 万台。 制图：芝能汽车 这背后固然有自家新车型 YU7 分流的影响，但更核心的症结在于——站在 2025 年底回望，这款两年前发布的产品，在产品定义上已然有点落后于时代， 前不久，知名汽车博主韩路爆料，小米 SU7 换代车型将于 2026 年二季度上市。新车不仅配置大幅升级，售价预计也将上调约 2 万元。 如果爆料属实，换代后的 SU7 起售价或将从 21.59 万元提升至 23.59 万元左右，高配版本则突破 30 万元区间。 小米 SU7 目前售价 虽然接近 10% 的涨幅在业内并不多见，但涨价未必意味着销量的崩盘，消费者是否买单，取决于「升级的诚意」是否足以覆盖「价格的涨幅」。 一个近在眼前的成功案例是问界 M7。今年 9 月，换代 M7 选择涨价 3 万元，却依然凭借足够有力的升级，在 57 天内交付超 3 万台，这证明了只要产品力够硬，市场依然愿意为高价值买单。 2024 年 3 月 SU7 上市时，凭借外观设计与生态互联，它是 20 万级轿车市场最具竞争力的车型。但在极氪、小鹏等竞品已将 800V 高压平台下放到 20 万以内价位的当下，SU7 标准版和 Pro 版仍沿用的 400V 架构，已然成为了参数层面的硬伤，直接劝退了部分看重充电效率与能耗的消费者。 此外，入门款缺失激光雷达、不支持高阶城市 NOA 的差异化配置，也让 SU7 在日益内卷的智驾赛道上略显被动。 因此，根据供应链传出的消息，2026 款小米 SU7 的升级核心在于「补短板」与「超规格」。 首先是高压平台的全面普及。新车预计全系标配 800V高压架构，入门版车型也将具备 5C 级别的超充能力，彻底抹平与竞品在补能效率上的差距。 其次，各种智能化硬件也将全系标配。换代车型将不再对辅助驾驶能力进行高低配区分，而是全系标配激光雷达，并将智驾芯片升级为英伟达 Thor，算力远超现款 Orin-X，以便在高中低配车型上统一提供小米 HAD 高阶辅助驾驶能力。 在三电与底盘系统方面，换代 SU7 将引入 SU7 Ultra 同款的麒麟二代电池，新增电磁可调减振器，Max 版本升级为双腔闭式空悬。 小米 YU7 上搭载的英伟达 Thor 芯片 换代 SU7 若真如传闻所言实现全系激光雷达、全系 800V 高压平台和全系高算力智驾芯片，那么实际上相当于砍掉了目前的标准版，入门车型的硬件规格将直接对标当前的 Pro 版，产品序列实质上从「Pro 级」起步。 换代小米 SU7 谍照 除了产品自身升级带来的成本增加，外部供应链环境的变化也是促使价格上调的重要推手。 2025 下半年，沉寂已久的锂电原材料市场迎来结构性上涨。六氟磷酸锂价格两月翻倍，钴酸锂涨幅超 150%，电池级碳酸锂再度逼近 10 万元/吨关口。对于尚未形成如特斯拉、比亚迪般垂直整合规模的小米而言，原材料波动对利润率的冲击更为直接。 在成本红线抬高、低价竞争空间被压缩的背景下，通过配置升级支撑更高的 ASP（单车均价），或许是小米维持经营健康的唯一解法。 这可能也预示着 2026 年汽车行业的一个新趋势，在原材料成本上行周期内，车企将逐渐告别单纯的「以价换量」，转而寻求通过提升单车价值。 除常规换代外，小米也在扩展 SU7 产品线。近期曝光的长轴距版 SU7 L，轴距和车长均有所增加，旨在改善后排空间，切入对乘坐舒适性要求更高的细分市场。 结合即将推出的 YU9（家庭 SUV）、YU7 GT（性能 SUV）等新车型，小米正尝试通过多产品线覆盖家庭、性能与豪华三大场景。 在这种布局下，SU7 的定位也将发生微妙变化，它不再需要独自背负所有销量重担，而是可以更纯粹地聚焦于追求操控与科技尝鲜的年轻群体。 小米 SU7 L 渲染图，图片来源：@SugarDesign 当下的外部环境并不乐观。 乘联会数据显示，2025 年 12 月前两周，全国乘用车日均零售同比分别下滑 32% 和 17%，购置税优惠政策退坡叠加消费观望情绪，乘用车市场承压明显。 小米近期缩短交付周期、开放现车选配等动作，也被部分经销商解读为应对需求放缓的防御性举措。 从行业节奏看，21 个月推出换代车型，在传统车企中尚属中期改款范畴，但在当前中国新能源市场，多数品牌一年一迭代甚至半年一升级，小米已然显得有些保守。 在政策红利消退、竞品围剿、成本高企的三重压力下，小米必须利用这次换代来证明，在 20 万级的纯电轿车市场， SU7 仍然是最优选。 文｜芥末