全球混凝土及砂浆行业供应链平台

文 | 市值榜，作者 | 相青，编辑 | 赵元 两年时间，红果短剧完成了一次典型的弯道超车，以指数级用户增长超越了优酷、B站十几年积累的用户规模。 近期，QuestMobile 数据显示，今年9月，红果免费短剧月活跃用户达到2.36亿，首次超越B站的2.27亿，远超优酷的1.73亿，跻身在线视频行业TOP4，仅次于腾讯视频、爱奇艺和芒果TV。 而且更可怕的是，红果短剧的商业变现效率也在逼近甚至超过长视频平台。据东方证券测算，2024年，红果DAU的纯广告月 ARPU 或已达 29元，已超过爱奇艺会员 ARPU，预测在临近几个月该指标即将超过爱奇艺会员+广告 ARPU 总值。 在红果出现之前，短剧行业长期以小程序付费短剧为主，红果如何依靠免费+广告的商业模式改变了短剧行业的规则？又如何实现了对长视频平台的流量争夺？ 一、靠免费掀桌子 2023年，当字节跳动决定正式进军短剧赛道时，其实已经是一个迟到者。 在红果出现之前，快手是短剧行业无可争议的带头大哥。2023年，短视频平台播放量TOP50短剧中，快手占比达到六成。 早在2019年，快手就敏锐地察觉到了用户对碎片化剧情的需求，成立了“快手小剧场”。不同于土味小程序短剧，快手当时的短剧已经在追求精品化。像《长公主在上》、《东栏雪》这种出圈的古风短剧，不仅制作精良，而且培养了极其忠诚的粉丝群和优质达人创作者。 快手也是当时短剧行业中品牌营销和后端电商变现生态最成熟的平台。在很长一段时间里，短剧是快手为数不多能压抖音一头的业务。 2023年5月，字节跳动推出了“红果免费短剧”，并于三个月后上线了独立App。起初，行业并未给予这个后来者太多关注，毕竟当时的主流玩法是简单粗暴的小程序付费。 然而，红果并没有选择在拥挤的付费赛道上与小程序短剧贴身肉搏，而是选择将已经在网文界验证过的番茄小说的成功经验复制到短剧上。 在红果出现之前，大多是小程序付费短剧，那是短剧行业疯狂的造富时代。2023年初，行业里充斥着“8天充值过亿”的暴富神话。 但是这些神话背后是行业严峻的盈利现实。大部分短剧实际上处于亏损状态，爆款只是极少数 。整个行业呈现出二八定律，曾有头部平台表示，公司每月推出50到60部短剧，每部成本20到30万，其中七成能保本，爆款率10%到15%，扑街率30%，还有10%为纯亏损。 即便如《无双》这样8天收入过亿的爆款，由于流量成本就占到了九成，最终利润也仅百万元。 与传统短剧的付费模式不同，红果短剧用户无需支付任何费用即可观看全剧，而平台通过在短剧中插入广告来获取收入，并与内容创作者和制作方分账。 这种变现逻辑简单而高效，且迅速通过了市场验证。红果短剧的分账金额在2024年6月首次突破1亿元，随后在9月翻倍破2亿元，11月超过3亿元。今年3月，分账则突破了5亿元。 在红果的免费大潮冲击下，短剧行业的发行规则被彻底改写。在红果模式兴起前，短剧行业普遍采用“先付费再免费”的发行策略——一般的短剧可能上线三天之后免费，爆剧投流时间更长一点，可能一周之后转免费。 但随着红果与大部分制作公司建立合作关系，许多短剧上线就是直接在免费端播出。据DataEye数据，去年1月-12月，免费短剧的市场占比从11%攀升至近60%。 红果短剧不仅抢占了市场份额，更从内容创作、分发机制到变现逻辑，全方位重塑了短剧行业的产业链。 二、动了谁的奶酪？ 红果短剧的崛起直接改变了在线视频行业的竞争格局。 据第三方研究机构QuestMobile发布的《2025年中国移动互联网秋季大报告》，在线视频行业，从月活数据看，腾讯视频（3.5亿）、爱奇艺（3.24亿）、芒果TV（2.58亿）仍居前三，但红果短剧已稳居行业第四，超越了优酷和B站等传统视频平台。 更关键的是用户时长的争夺。早在2024年，红果每月人均单日使用时长就达到约1.38小时，超过了爱优腾芒等长视频平台。 这意味着短剧正在抢夺长视频平台最核心的资源——用户的时间和注意力。 从用户数据来看，除了主打综艺的芒果之外，其他长视频平台均在下滑。广发证券研报显示，从月活跃用户来看，25年7月，爱优腾芒四家长视频平台MAU合计为12.10亿，同比下滑4%；红果短剧达到2.3亿，同比增长179%。 总时长来看，25年7月，爱优腾芒四家长视频平台单月总时长合计为4.134亿分钟，同比下滑10%；红果短剧达到2.945亿，同比增长362%。 而且，红果商业变现效率也在赶超长视频。 根据东方证券测算，2024年爱奇艺DAU月ARPU 在32元，芒果DAU月ARPU为17元，红果DAU的纯广告月 ARPU 或已达29元，已超过爱奇艺会员ARPU，预测在临近几个月该指标即将超过爱奇艺会员+广告ARPU总值。 更何况，红果还在布局短剧带货。 今年 10 月，红果内测“短剧带货”功能，用户在红果短剧App观看短剧时，会自动弹出“搜同款”提示，用户暂停观看时也会显示“搜同款” 提示。 以《十八岁太奶奶驾到，重整家庭荣耀》为例，观看短剧时会出现“搜同款衬衫”、“搜同款半身裙”等提示，点击即可跳转到商品页面完成购买，无需任何跳转操作，在红果站内完成闭环交易。有媒体报道，《好一个乖乖女》《家里家外》等剧通过服饰、首饰带货，单剧GMV超500万元。 红果冲上行业TOP4后，各大视频平台开始明显收缩长内容预算，并将更多资源分配给短剧。 比如腾讯上线了免费模式的“火星短剧社”小程序。腾讯在线视频副总裁王娟提到，要把剧集预算的10%至20%投入横屏短剧开发，并将用精品横屏短剧的经验去打造精品竖屏短剧。 爱奇艺将“爱奇艺极速版APP”改名为“爱奇艺微短剧APP”，并发布“精品微剧千部计划”；优酷2025年3月成立“微短剧中心”，将APP首页“短视频”标签更新为“短剧”标签。 在线视频行业正面临一个核心趋势，免费短剧成为新流量入口，长视频不得不向短剧靠拢。 三、结语 红果短剧的迅速崛起，无疑是近年来视频行业最为激进的一次变革。它不仅重新定义了短剧行业的生存规则，更对整个在线视频行业形成了冲击。 从模式上看，红果通过免费策略和广告分账，打破了传统短剧的付费壁垒，将内容消费的门槛降至为零。这种高效的变现机制，直接重塑了创作和发行生态，即用稳定的分账回报，吸引制作方将内容上线即免费，从而实现了对行业资源的强势整合。 此外，从商业化来看，红果在广告变现和带货模式上快速迭代，已经能够与传统长视频平台的会员收入和广告收入相抗衡。 对于爱优腾芒而言，红果带来的挑战是结构性的。无论是预算分配还是内容策略，长视频平台都不得不向短剧倾斜，尝试通过免费短剧抢夺用户时间和注意力。随着各大平台不断加码这一赛道，竞争必然会变得更加激烈。

IT之家 11 月 22 日消息，科技媒体 Golem 昨日（11 月 21 日）发布博文，报道称基于最新披露的 SpaceX 内部文件，原计划于 2027 年执行的美国国家航空航天局（NASA）“阿尔忒弥斯 3 号”（Artemis-III-Mission）载人登月任务，将推迟至 2028 年。 美国国家航空航天局（NASA）计划通过“阿尔忒弥斯 3 号”任务，实现自阿波罗时代以来人类的首次重返月球。 图源：NASA 然而，承担关键着陆任务的 SpaceX 公司近日透露，其“星舰”（Starship）飞船的时间表与 NASA 的期望存在差距。 根据一份内部文件，SpaceX 首席执行官埃隆・马斯克透露，该任务的目标时间将从原定的 2027 年推迟至 2028 年。 IT之家援引博文介绍，根据 NASA 的设想，“阿尔忒弥斯 3 号”任务将首先使用波音公司制造的“太空发射系统”（SLS）重型火箭，发射洛克希德・马丁公司建造的“猎户座”飞船，将四名宇航员送入月球轨道。 抵达后，其中两名宇航员将换乘至专门改装的“星舰人类着陆系统”（Starship HLS），由它完成月面着陆。宇航员将在月球表面停留约一周，开展科学实验与探索活动，随后乘坐 HLS 返回月球轨道，与“猎户座”飞船会合，最终返回地球。 导致任务延期的主要技术瓶颈在于“在轨加注”技术。星舰在从地球发射进入轨道的过程中，会消耗掉绝大部分燃料。因此，它必须在太空中通过多次“加油”来获得足够前往月球并返回的动力。 若无法实现高效、可靠的在轨加注，星舰将无法完成其核心使命。这不仅是一项技术难题，更对任务的整体架构和成本效益构成了严峻考验。 SpaceX 的内部文件进一步揭示了这项挑战的艰巨性。该公司估计，为确保星舰着陆器拥有充足燃料以完成登月和返回月球轨道的任务，可能需要进行多达 12 次的在轨加注操作。每一次加注都涉及两艘星舰在太空中进行精准对接和燃料输送，其复杂性和风险极高。 披露文件显示，公司计划于 2026 年 6 月进行星舰飞船之间的首次轨道加油演示，并于 2027 年 6 月进行无人登月。如果星舰顺利通过这些资格测试并按计划推进，SpaceX 预计最早的载人登月尝试将于 2028 年 9 月进行。

快科技11月22日消息，2023年1月的一个周六，Jeffery Dennis和妻子Wendy驾驶特斯 Model 3外出办事时，不慎猛烈撞上路边电线杆，后车辆起火燃烧。 悲剧发生后，救援人员赶到现场却无法打开车门，导致Jeffery当场死亡，Wendy严重烧伤。 当地时间本月21日，受害者家属向华盛顿州联邦法院提起诉讼，指控特斯拉的电子车门系统存在致命设计缺陷，家属称： 独特的电子门把手设计在碰撞后失效，导致车门无法从内外开启；缺乏有效的紧急逃生机制，使车内人员和救援者均无法在紧急情况下打开车门；特斯拉明知存在风险却未警告用户，也未采取必要的召回措施。 这起诉讼是特斯拉面临的车门安全危机的冰山一角，因门把手失灵导致多名儿童被困车内事件，美国国家公路交通安全管理局已对约17.4万辆2021款Model Y启动调查。 此外，还有多起类似的悲剧发生，如2024年威斯康星州，5人在燃烧的Model S中因车门无法开启全部遇难，家属已提起诉讼；今年在得州，3名大学生在Cybertruck起火后因车门打不开死亡，1人重伤。 面对持续压力，特斯拉近期表示计划重新设计车门系统，增加更直观的紧急释放装置，不过目前仍未落地，而且也未提及是否会对已售车辆进行免费升级。

快科技11月22日消息，近日，美国一位小学教师在社交媒体上吐槽称，她教的多名三年级学生缺少基本的生活技能。 从她列举的条目看，这些小学生无法识别硬币面额及换算关系，看不懂指针时钟，无法区分时针与分针，不会读取非整点时间，对时间流逝缺乏基本感知，难以理解半小时、一刻钟等概念。 更让人意想不到的是，有些甚至不会系鞋带、不知道父母的名字和电话号码、不知道自己家的地址、不知道自己哪一年出生。 美国三年级数学标准明确要求学生应掌握时间技能和货币技能，然而现实却令人大失所望，尤其是疫情后，学生数学成绩普遍下滑，平均下降约12分，基础技能掌握情况进一步恶化。 专业人士称，这种就是数字时代的“技能断层”。 数字支付普及导致孩子几乎不接触现金，缺乏“一手交钱一手交货”的直观体验，对金钱的认知仅限于手机屏幕上的数字，无法形成“钱的实际价值”概念，甚至误认为“手机里的钱是无限的。” 而电子时钟主导使指针时钟使用场景减少，剥夺了孩子学习识别时针、分针的机会，导致他们对时间的感知变得抽象，失去了观察指针移动理解时间流逝的直观体验。 美国儿科学会研究表明，6-8岁是时间概念形成的关键期，此时引入时钟教学效果最佳，这一阶段也是建立数字与实物对应关系的重要时期，对理解货币价值至关重要，错过关键期，后期弥补将付出更大努力且效果不佳。 不只是儿童，一项调查研究显示，约60%美国成年人的基础数学能力未达到小学六年级水平，影响就业和薪资发展。

快科技11月22日消息，近期有报道称，一住户因未拔手机充电器，致充电线自燃把家烧了，财产损失达十几万元。 此类事件这些年时有发生，其中背后很大原因都是使用了劣质第三方充电头、充电线导致。 这也让很多人疑惑，充电头在市场上的价格从十几块到上百块不等，这些看似相同的产品到底有啥差别？ 据央视新闻报道，消防部门近日专门进行了一组实验，从用料、燃烧测试等全方位的进行了测试对比。 重量对比 实验数据显示，合格充电头比廉价充电头更重，因为合格的产品内部往往使用更多或更扎实的元器件。 内部拆解 廉价产品内部结构简单、做工粗糙，元器件布局稀疏，焊点不够工整，整体缺乏稳固的结构支撑。 而合格产品内部布局紧凑、工整，电路设计复杂，使用了大量高质量的电子元器件，甚至有产品会设置独立的散热铜片，这一设计能有效散发热量，防止设备因过热而损坏或引发安全事故。 外壳阻燃测试 充电头在工作时，温度可达30℃至80℃快充时更高，而充电头外壳是阻挡短路过热起火的“第一道防线”。 合格的充电头产品一般会使用耐高温、阻燃性能较好的材料，但一些商家因考虑成本问题，不会使用合格的阻燃材料。 经燃烧测试，劣质充电头不仅不能阻燃，还会助燃。 综合上述实验结果可知，廉价劣质的充电头通过简化结构、减少用料来压缩成本，这往往也牺牲了产品的稳定性和安全性。 因此，建议大家在购买充电头时要认准“3C认证”，优先选择品质过硬的合格产品，切勿因贪图便宜而购买无品牌、无安全认证的“三无”产品。 长期不拔充电器的危害 另外还要提醒的是，充电器是一个将高压电变为低压直流电的器件，当充电器接通插座后，就算没有给手机充电也处于工作状态。 充电器长期放在插线板上不拔，不仅会耗电造成浪费，还会持续发热，进而加速器材和材料老化，容易产生短路或者高压击穿现象，引发火灾隐患。

2025年11月21日，经济产业大臣赤泽昭正宣布，政府计划向Rapidus投资1000亿日元。Rapidus的实施计划也于同日公布，计划于2031财年左右上市。 同日，经济产业省（METI）将Rapidus公司选定为符合《信息处理促进法》财政支持条件的下一代半导体制造商。此前，产业结构审议会下一代半导体分委会审议了Rapidus公司提交的实施计划，并根据该计划报告做出了最终决定。根据该计划，经济产业省计划通过信息技术促进机构（IPA）从2025财年的初始预算中拨出1000亿日元进行初步投资。 Rapidus实施计划概要 目标是在2015财年下半年实现2nm工艺的量产，之后每2-3年进行新一代工艺的量产。 在提交给经济产业省（METI）的实施计划中，Rapidus概述了其中期计划，即在2027财年下半年开始量产2nm制程的半导体。该计划还概述了此后每两到三年量产最新一代（1.4nm和1.0nm）制程半导体的中期路线图。此外，Rapidus还提出了在2029财年左右实现正经营现金流、在2031财年左右实现正自由现金流以及在2031财年左右上市的目标。 Rapidus投资计划/筹资计划 在技术研发方面，公司计划通过单晶圆加工和新型传输系统等差异化技术，缩短原型制作和改进所需的时间，力争在2027财年下半年开始2nm工艺量产时，“将晶体管性能和良率提升至足以凭借芯片质量和成本竞争力吸引客户的水平”。同时，公司也将全力推进1.4nm工艺的研发工作。在后处理方面，公司计划于2025财年与国际组织合作，开通一条试点生产线，并建立相应的生产技术。 Rapidus目前的技术基础和未来技术发展 客户获取方面还有很大的提升空间 关于客户获取，该公司解释说“客户获取空间巨大”，并指出预计到2030财年，全球2纳米半导体市场的供应将比需求缺口约10%至30%。该公司首先的目标是争取来自为人工智能数据中心设计定制半导体的无晶圆厂公司的订单，然后计划扩大国内外边缘设备（汽车、机器人等）的供应。 客户获取计划 参考链接 https://eetimes.itmedia.co.jp/ee/articles/2511/21/news147.html

IT之家 11 月 22 日消息，博主 @数码闲聊站 今天在微博透露，行业预测内存涨价现象有希望在 2027 年得到缓解。 博主表示，明年最新规格的 LPDDR6 内存还是大涨状态，可能只会出现在 Pro 级的联发科天玑 9600 / 高通骁龙 8 Elite Gen 6 新机上，同时某国产 CX 厂预计也是明年出货 LPDDR6 内存。 后续有用户在评论区询问：“这个不重要，我想问下 k90u 有没有可能采用比对称双轴 1115e 还要强的扬声器”，博主回复道：“外放要求高建议买 K90PM”。 另一名用户则表示：“一个内存，直接把手机，电脑行业干到寒冬了”，博主则回复道：“对，各家都在缩衣减食，明年产品可能也会有比较大的变动，机海战术结束”。 结合IT之家此前援引 Wccftech 报道，SK 海力士正计划于 2026 年将 DRAM 产能扩大超过八倍 SK，扩展核心是 SK 海力士位于韩国利川的生产基地，该工厂的 1c DRAM 晶圆月产量预计将从目前的 2 万片大幅提升至 14 万片。 图源：SK 海力士 不过需要注意的是，新增的产能将重点分配给面向 AI 服务器和高性能计算领域的新一代产品，主要包括 GDDR7 图形内存模组和低功耗 SOCAMM 内存。这两种内存技术因其高带宽和高能效特性，近几个月已在 AI 服务器市场获得大规模采用。

文 | 少年维特 过去一年，市场看灿谷的方式多少有中规中矩，还是把它当成一个规模更大的矿企，看50EH/s，算挖矿成本、产币量、BTC持仓。 股价基本跟着大饼走势，最近看已经严重破净了……市值5亿刀，还不如手上6644枚BTC值钱，神奇。 市场给矿企的NAV倍数也基本就这个0.6-1.2这个区间，自持矿场多一些会按照基础设施逻辑，会给到1.5-2.5倍。 但如果把镜头切到AI/HPC这条赛道，市场最高能给到3-6倍NAV。灿谷现在要讲的新故事越来越像一家未来AI数据中心的承载平台，包括管理层也不断在讲要做能源和AI/HPC这类业务，只是市场反应比它慢半拍。 之前没有系统研究过数据中心，最近看了下，难怪这波AI浪潮传统IDC感觉连汤都没喝到，AI数据中心和过去IDC不是一个物种。传统机柜3–10kW，现在AI机柜动不动80–120kW，一个小型训练集群能把一个中型企业整栋机房的电直接压垮。 所以行业现在普遍共识不是缺GPU，而是缺能让GPU通电的地方。Cushman & Wakefield的2025报告提到，北美成熟市场已经全面进入电力短缺，变压器、UPS、switchgear的交付周期普遍拉到30–48周。 平均每MW的建设成本涨到930–1500万美元，开发商被迫向二三线地区迁移。现在玩的是谁能拿到电，谁才能谈算力，谁能把场站交付出来，谁才能谈AI。 灿谷过去一年在做的，就是在顺着这套“新物理规律”走，铺算力、买场站，包括重组股东结构、退ADR、直接登录NYSE，从外面看可能不够直观，但从AI/HPC的角度看，感觉是在给未来AI机房打基础。 AI数据中心是“发电厂逻辑” 之前我也认为AI数据中心就是“IDC升级版”。但现在AI的算力密度远超过去IDC的想象空间，传统IDC最大痛点是带宽和机房利用率，服务器一塞开始收租。 而AI数据中心最大痛点是电力指标、电网接入和冷却系统的极限性能。完全不是一个物种，IDC机房基本被归到轻工业、IT服务，到了AI数据重心属于妥妥的重工业。 在AI数据中心要求的这些方面，灿谷这类矿企反而具备天然优势，矿企的选址逻辑一直都是追求在发电厂附近，电价低、电网稳定、扩容空间大、批文不难。 目前AI数据中心迁徙的方向和矿场布局几乎完全重合。以前段时间灿谷收购的乔治亚州50MW场站为例，属于典型的AI数据重心逻辑资产：具备大规模供电、冷却、土地批文、扩容空间，还能直接承接20MW的托管业务。在今天的美国，要从零建一座能吃GPU的机房，这笔账得按千万美元每MW来算，还要排队一年以上等设备交付。灿谷花了不到2000万美元，等于是买到了可以提前交付、能随时改造的电力入口。 回顾灿谷在过去一年的全球布局，本质就是一套哪里电够、哪里能扩、哪里能短平快建场站的战略地图，与AI/HPC的需求对齐。 矿企的运维体系，是AI/HPC最难补的课 矿企最不缺的是把机器跑起来的能力，放在AI圈就是点亮GPU。 过去几年，矿场绝对是最卷的科技行业，挖矿看似粗暴，但其实是把极端功率密度场景玩到了极致。大规模水冷、浸没式冷却、数万台设备自动化调度、电力负载管理、全球运维体系，这些能力在传统IDC里反而是短板，在AI数据中心里却是核心能力。 灿谷今年把50EH/s跑到90%+在线率，本身就是一种“硬实力”。AI训练集群最怕掉线，GPU全互联逻辑，一旦通信瓶颈掉几毫秒，训练效率就崩了。所以矿企在这一点上的基因比传统数据中心更贴合未来AI数据中心场景。 包括浸没式冷却这玩意，让一家IDC去弄得重学，不如直接让矿企来，轻车熟路。 再一个，现在灿谷都是二手矿机，转型起来也很轻。按照Q2给的数据算，每季度折旧费用在2000万美元左右，节奏基本按照3年摊销逻辑跑。当时很多人还不理解，现在看，严重怀疑当时管理层就想的很清楚，方便赛道切换，轻资产属于战略优势。 矿机资产价值三年内回归零成本，场站、电力和冷却系统成为留存最久的核心资产。未来灿谷在乔治亚、俄克拉荷马、拉美的这些场站，不需要等矿机退役，它只需要让矿机折旧周期跑完、把部分电力从ASIC挪给GPU，CAPEX就能转向新的AI机房方向。 资产负债表会变得越来越像基础设施公司的结构，所以我感觉灿谷未来更像IREN、CoreScientific的路径，而不是典型矿企。 直接上市，准备承接大合同？ AI客户尤其是云厂、AI独角兽、能源基金，一般只会和“能合作”的公司绑定，这里面合规要求很多，比如股权透明、法律结构简单、财务可审计、融资管道畅通。 灿谷这一年做的几个动作，感觉也是朝着这个方向努力，从18EH/s的换股完成后，卖方阵营一下子成了41%股东，最大那位Golden TechGen拿着19.85%，背后是Bitmain/Antalpha这一整条“矿机—算力金融”生态。灿谷现在已经被纳入行业供应链里了，产业链能推得动、资源能整合的公司，比如能拿Antalpha的低利率融资，定制适配矿机兼容AI/HPC插拔。 Galaxy曾经发过一份报告里专门提到，一些ASIC厂商在开发外形类似GPU的矿机Module，比如做成可插拔的服务器板卡，让它能塞进标准19英寸机架。这样一来，矿场主可以用“准数据中心”的方式建设基础设施，以后如果要改AI/HPC，只要替换板卡，而不是重建机房。 再加上从ADR退掉、直接上NYSE，以及手里6400枚BTC能当成抵押物，这家公司现在的资本结构已经从矿企变成可合作的基础设施载体，接下来再去承接多年期的托管合同就顺理成章了。 矿场改AI/HPC这事儿，不能说谁提前看明白这条路，只能说刚好挖矿这行卷到最后，赶上了AI基建爆发这个风口，一开始都是摸着石头过河，现在行业里有模板了，对灿谷来说是个好事。 电力在手、场站在手、冷却和运维体系成熟、折旧路径让资产结构“轻化”，场站可随时改造成AI机房。现在缺的，就是那一张触发市场换估值框架的纸——第一份AI/HPC托管合同。

IT之家 11 月 22 日消息，近日，一起围绕“员工出差期间抽中奖品归属问题”的事件在网络引发关注。 据多个媒体报道，上海某公司实习生小金（化名）通过网络发帖讲述其经历：他在因公出差参加活动时，通过集章抽奖环节获得一张价值约 3000 元的 RTX 5060 显卡。 小金称，获奖后不久，随行同事即告知该显卡应属公司财产，财务部门已知情并要求上交。小金在 11 月 20 日接受采访时表示，经历多轮沟通后，公司虽不再强行要求其上交显卡，但暗示他应主动离职。小金目前已提交离职申请。 此事在网络传播后，相关话题引起广泛讨论。由于部分网友将此次事件中的涉事公司与紫龙游戏进行关联，导致紫龙游戏招聘网站的运营受到严重影响。 今日，紫龙游戏发布了关于网传“小伙出差时抽中大奖公司要求上交”事件的澄清公告，强调该事件与本公司及全体员工无任何关联。IT之家附原文如下： 紫龙游戏关于网传“小伙出差时抽中大奖公司要求上交”事件的澄清公告 致广大网友、合作伙伴及社会各界： 近期，我司关注到微博、小红书、抖音、知乎、脉脉等网络平台流传“小伙出差时抽中大奖公司要求上交”的热门话题，相关视频评论区出现大量将该事件与我司强行关联的不实言论。经核查确认：我集团内公司均未参加此次展会，该抽显卡事件与上海紫龙游戏公司、紫龙游戏及员工无任何关联，相关传言均为虚假信息。 不实信息传播期间，大量网友因误解对我司进行无端指责、恶意评论，部分极端言论已构成名誉侵权；同时，我司招聘网站遭到恶意围攻，严重干扰正常招聘秩序，对公司品牌声誉、人才吸引及经营环境造成实质性负面影响。 为澄清事实、维护合法权益，我司郑重声明如下： 1、我集团内公司均未参加此次展会（NVIDIA 英伟达微信公众号于 2025 年 11 月 4 日发布的题为--初创加速计划 | 投票助力半程展示企业入驻“最终展示殿堂”的文章中已明确列举了各参展公司 https://mp.weixin.qq.com/s/P_RLBo47hhwCvquZNWMEbQ），网传“小伙出差时抽中大奖公司要求上交”事件与上海紫龙游戏公司、紫龙游戏及员工无任何法律关联、事实关联，恳请广大网友停止传播与我司相关的不实信息，切勿轻信谣言。 2、针对恶意编造、传播虚假信息及在网络平台发表侮辱、诽谤言论的个人或主体，我司已固定相关证据（包括但不限于评论截图、网站攻击记录等）进行报警处理，将通过司法途径、向网信部门举报等途径追究其法律责任，坚决维护公司合法权益。 3、我司招聘网站的正常运营已受严重影响，在此呼吁网友理性看待网络信息，停止恶意攻击行为，共同维护健康的网络环境。 4、后续我司将持续关注舆情动态，如有需要将通过官方渠道及时发布补充说明，也欢迎社会各界通过正规途径核实相关信息。 紫龙游戏始终坚守合法经营底线，重视品牌声誉与社会评价，感谢长期以来支持与信任我司的各界朋友。我们将继续秉持初心，为员工提供公正良好的工作环境，为合作伙伴创造稳定可靠的合作价值。 特此澄清！ 天津紫龙奇点互动娱乐有限公司

作者 | 林默 1 京东外卖的独立APP，上线了。 一个关于外卖直勾勾地给电商导流，一边杠杠养成外卖能力，一边电商哗啦啦增长的爽文故事，自此进入新的转折点。 在京东外卖最声势浩荡的时候，关于京东为什么突然砸钱大搞外卖，外界最常提到的商业爽文就是——外卖入口的流量价值，将直接带动京东电商的增长。眼下在外卖上亏掉的钱，将来能够通过电商再赚回来。 在今年6月17日的公开分享里，刘强东也明确提到，来京东买餐饮外卖的消费者中有40%的人会交叉购买京东的电商产品。在他看来，京东在做外卖这事儿上虽然投入了巨大成本，但，比直接去抖音、腾讯买流量更加划算。 把外卖和电商打包，不算经济账，算生态账。 格局很大，故事听起来也特别好。 为了盘活手边这碟醋，特意包了盘名叫外卖的饺子。然后，以饺子为抓手，醋的价值好像也增长了。 不过，这个故事如果当真这么顺当这么爽，你觉得今天京东还会专门给外卖整一个独立的APP吗？原来设想的那些近水楼台的免费流量就不要啦？ 当然，我并不觉得，上线一个独立的APP能够证明，京东的外卖做失败了。 相反地，放弃给电商导流、“生态协同”的幻想，反倒可能是京东真要好好做外卖，以及重新认真调整电商生态的开始。 在外卖有了独立APP之后，大强子解释过为什么要这么做——很多人搜索京东外卖没找到入口，甚至一些老用户都找不到，用户体验不佳、流量流失。 这倒是很诚实的说法，也不聊啥买量、引流的逻辑了。用户在京东APP里连外卖入口都没找到，流量在自家门口晃了一下就走了，更别提什么导入电商生态。 被幻想能带动电商的东西有很多，外卖不会是最后一个。 诚实，是一切成功的基础。 2 得多不了解外卖的人，才能选择为了醋，包这么一碟外卖饺子？ 咱先来讨论下，外卖到底是一门什么样的生意，怎么就能令各路电商“霸总”如此着迷。 放在整个互联网商业模式里，外卖和即时零售都是称得上，又苦又重的生意，小鞭儿挥得再快、再用力，也赶不上游戏、广告、电商这“三驾马车”。单看游戏这一块，仅网易这一家，2024年总营收1053亿元，净利润就有297亿元。 放在大消费体系里，外卖的处境可比电商尴尬多了。2015年成立的拼多多，只用了6年时间就做到了盈亏平衡，2024年营收达到3938亿元，净利润直接干到1124亿元。再看美团，成立近10年才首次盈利，2024年营收突破了3376亿元，但净利润只有358亿元，这足以看清外卖“低毛利”的属性。 电商平台硬闯外卖赛道，模式或许不难学习，但生态一定难以复制。 做外卖不是简单的“信息撮合”，其中涉及下单、派单、接单、制作、到店、配送等繁琐流程，每个订单的背后都有一条漫长的交付链条。环节这么多，任何一个部分出错，都有可能导致订单延迟或体验受损，导致投诉、差评、乃至用户流失。 比如履约成本，跟订单调度、合作商家备货情况等紧密挂钩。每时每刻都可能产生新订单，外卖平台要对配送员的路径实时规划和调整，才能确保高效的协同运作。在之前的外卖补贴大战，失控的爆单就引得商家、骑士叫苦不迭，场面相当混乱。 更关键的是，外卖用户难言有啥忠诚度。 京东外卖APP上线后，不乏用户吐槽“还要单独下载，更懒得用了”。在这条评论底下，立马有热心群众反问：“直接给你补贴20块钱，下不下？” 平台可以换来换去，但面对补贴，咱群众的心态从来没变过。 补贴一停，情感为零。用户反复摇摆，这反映的正是京东外卖的尴尬处境。 而把外卖当作一门直接给电商引流的生意，本身可能就不成立——平台费劲巴拉吸引来的用户，留下来已然不简单，然后还指望着这些用户自然而然就向电商转化。这中间有多少弯弯绕绕，要经历多少损耗。 今年双11后，有惠誉评级的高管表示，用高频外卖引流至即时零售与低频电商，补贴退潮后的用户留存仍待观察。 那么，这些财大气粗的电商平台们，都来做外卖到底图什么？如果目的是外卖，那么应该回到这个苦生意上，拼供给建履约拉复购，想尽办法把用户留下来、服务好；如果目的是电商，那么将补贴投入到外卖上再做转化，有点舍近求远。 总之，外卖本身就难做，如果再把外卖当成一个工具而不是业务开展，只会是难上加难。不仅外卖做不好，电商的协同也得不到。 电商还是外卖，注定要有取舍。 3 6月17日，刘强东对外首次分享做外卖的逻辑时，表示京东做所有业务只围绕供应链，做外卖也是为服务生鲜供应链。 他反复对外表达，来京东点外卖的用户，也会交叉购买电商产品。 人会重复说的话，可能是，特别想实现的愿望。比如，年轻时谁没絮絮叨叨过几句，我希望我的爱情天长地久。 无论京东外卖是一个入口还是一个产品，它的出发点始终很清晰，即把外卖用户，转化为基本盘电商用户。用外卖的投入来当电商基本盘的拉新费、引流费。想法很饱满，但现实到底能不能做成，要看外卖和电商之间用户的交叉转化或协同能力。 最理想的状态大致是这样的，一个原本不在平台生态里的用户被外卖补贴吸引（引流），注册成为平台的用户并完成外卖订单（拉新），在养成外卖消费习惯的过程里（留存），再成为电商板块的稳定消费者（转化）。 商业竞争完全按照预期判断演进，那局面自然简单多了。问题是，补贴这种“非常态”状态下的拉新，效率和成本都存在极大不确定性，用户心智一时半会儿也难以养成，理想状态从长远角度来说只能是“想”。 在今天，外卖、即时零售、电商都不是什么新鲜商业模式，也并非只有京东一家想要且尝试过整合，如果这能够轻松做成，百度和抖音早下手了，也不会等到今年才上演外卖补贴大战。 这不是把两块积木拼在一起就能玩的生意，外卖与电商中间究竟，还需要什么样的基础设施建设、资源调配，这中间一定有什么，核心玩家们还没开出来的秘籍。 据京东财报显示，今年1-9月，整个京东新业务的累积亏损高达318.4亿元。而在京东新业务板块里，外卖是大头。京东外卖烧钱换来的流量，又能有多少滋养电商生态？ 如此一来，京东既要重归“理性参与”缩减外卖投入，也得从电商业务寻求更大利润，尽可能地缓解现金流压力。 更迫切的难题摆在京东面前，外卖亏掉的钱要从哪里赚回来？从现在的业务来看，只能说压力又给到了电商，可是电商本来如果不是遇到了压力，咋会想着从外卖引流呢？ 一家公司能做的事、能投入的资源、可以调动的士气总归有一个限度，如果把数百亿资源、人力投入到一门又苦又重的生意模型里，为可能并不成立的“引流生意”买单，并且为了维系正常运转未来还要源源不断地投入，或许也会错过本来的发展机会。具体到电商上，出海和AI似乎都是好契机。 你可以去别人的树上摘桃，但你不能用别人的方式去别人的树上摘桃。这既不尊重自己的树，也不尊重别人的桃。 做生意，最终还是要回归理性和常识。 在京东独立了外卖APP之后，我下载了，并点了一单。这是我对诚实的尊重，哪怕是不得不的诚实。

经济观察报 记者 任晓宁 周悦 11月18日下午4点半，新疆博尔塔拉蒙古自治州精河县，气温已降至-7℃。中通网点老板兰树新从加厚羽绒服中掏出手机，打开新石器的App，点击发车按钮，一台白色无人车缓缓驶出仓库，踏上当天的投递路线。 这台车没有驾驶舱，高度只到成年人肩膀。外观看起来就是一个大铁箱，全靠前方两只大眼睛似的激光雷达辨认物体和路线。它每天固定跑8个驿站，配送500多件包裹。兰树新粗略算过，光油费和人力成本，一天就能省下200元，如果单日投递量能达到1000件，一年能回本。 在精河这样地广人稀的县，无人车尤其能发挥作用——当地面积是北京市朝阳区的24倍，人口却只有朝阳区的1/24，有的村子离网点60公里，一趟往往只送两三件快递，跑一趟很不划算，无人车则填补了这一段司机不愿意跑、网点又不能放弃的“亏本地带”。 最初上路时，兰树新专门骑着电瓶车一路跟着，眼看它在空无一人的戈壁滩上缓慢前行，遇到行人会自动播报“请保持两米距离”，碰上障碍物会自动刹停，直到驿站老板手动解锁。“它比我驾车规范。”兰树新说。后来他不再跟着了，只用手机查看运行状态，打算再买两台。 兰树新的尝试不是个例。近两年，无人车应用正在加速落地。国家邮政局数据显示，截至2024年底，无人配送车的应用已超6000台。这一数量远超同为自动驾驶技术应用领域的无人出租车——该领域内头部企业的运营总量为3000台。 快递物流行业对无人配送车的应用最为广泛。今年，中通已投入近3000台无人车；极兔超过1000台；顺丰约1800台；邮政则在10月宣布，将在未来3年—4年集中采购7000台。 新石器和九识智能两家头部无人车企业在今年获得多轮、数亿元大额融资，迈入独角兽行列。其中，新石器完成10亿元C+轮融资、超6亿美元D轮融资，截至发稿前，后者仍是中国自动驾驶领域最大的一笔私募融资；九识智能则在今年完成两次B轮融资，总计达4亿美元。 降低亏损、补充人力 使用无人车送快递的省份不止在新疆。在甘肃，同样可以看到它们穿梭于村镇的身影。 早在2023年，极兔速递嘉峪关市网点负责人郭海英就开始关注无人车。2024年初便购买了第一台，裸车及5年服务费共计15万元，这是一笔不小的投入。用了一个月后，她果断买了第二台、第三台。2025年，她直接在直播间下单了第四台，而这时，裸车加上服务费已降至不到10万元，总价比一年前便宜了三分之一。 便宜、有用，是郭海英不断复购的原因。相比大货车要凑够1500件包裹才发车，无人车装满600件即可出发，一天能跑三四趟。无需司机、不挑时间、不怕辛苦，哪怕是最偏远的村庄，它也能精准识别路线，准时送达。 如今，在郭海英管理的网点，所有农村件都由无人车发货。每天，4台无人车从嘉峪关市快递物流园发车，覆盖该市3个乡镇6个驿站。以往，因为路程远，快递送至最远一个村子，往返一趟需要5个多小时，并且件量也少、很不划算。现在，用无人车配送，即使包裹装不满一车，跑一趟也只需几块钱电费，远低于传统车辆的油耗。 郭海英算了一笔账，使用无人车一年能省2.5万元油费、2万元保险与保养费用以及2万元人力成本，回本指日可待。 而驿站侧也发生了变化，过去村民取件时间不确定，快递员常需全天守候，农村快递员难以招到合适的人。现在村里有自助快递柜，无人车到了，驿站的人再上班把快递放进快递柜里，每天只需两小时，村里的小卖部老板就能兼任。 在敦煌，快递网点还面临另一个难题——招不到人。敦煌市极兔速递网点负责人刘军曾开出每月6000元的工资，依然没人愿意送快递。当地人大多从事旅游工作，旅游收入丰厚，自然不愿意送快递。现在，3台无人车承担了这一网点40%以上的派送任务，员工只需装卸即可，降低了用工门槛。 无人车的使用并不局限于西北地区。在深圳、青岛等地，无人车也在逐步成为城市物流网络的重要组成部分。 在山东青岛市，新石器部署的车辆已突破1200台，使得青岛成为全球无人驾驶车辆最密集的城市之一。今年7月，滴滴送货与新石器在青岛启动试点合作，在平台上开通“无人配送”选项，用户可通过滴滴App下单，系统则按需调用无人车定点派送。 这一试点聚焦于“司机不便接单”的细分场景：高温、高峰期、夜间和一些偏远位置的任务，无人车成为运力补位。例如，青岛一处食材供应链仓库，每晚11点到凌晨3点之间，要给4所学校配送新鲜蔬菜。夜班司机很难找，配送时效难以保障，现在，无人车解决了这个问题，可以按固定线路准时发车、按时抵达。 另据10月深圳市发布的《功能型无人车运行与发展报告》，深圳已开放1257条无人车行驶路线，全市投放的798台功能型无人车中，超过一半是无人物流车。其中，顺丰目前运营135台无人车，主要服务于封闭园区内最后一公里的配送、楼宇的最后100米配送、网点到下级站点的最后3公里配送、场地到网点的线路运输、短驳运输等场景。顺丰官方数据显示，在刚刚过去的10月份，无人车配送订单量达到68万单，环比增长55%。 多样化落地场景背后，是无人车技术的持续演进。 九识智能联合创始人、COO张旭琛告诉经济观察报，九识智能几乎每年都会对车型做一次完整迭代，包括传感器布局、结构细节和整车适配能力，使无人车能够更稳定地应对不同地区的气候与路况。从2023年底起，九识智能陆续在-30℃、冰雪覆盖期长的辽宁阜新等地投放车辆，开展常态化运营。截至2024年上半年，这批无人车已在极寒环境下连续运行超过半年，出厂即可在-30℃至60℃的温度区间内工作。 硬件之外，九识智能的软件也保持高频更新节奏。张旭琛表示，自动驾驶算法基本维持“月更”。针对北方常见的风沙、雾雪等天气，其软件可以通过大量实路数据不断优化识别模型，让车辆在能见度低、反射干扰多的情况下仍能保持稳定避障。目前，九识智能在全国累计部署的1.5万多台无人车正在不同气候带的真实道路上持续运行，回传的数据会用于下一轮算法训练与车型改进。 解决路权难题，才能顺利运营 无人车其实已不是新鲜事。早在2018年，新石器就推出过无人配送车，但彼时价格高、政策不明朗，很难真正跑起来。而真正的突破，也往往来自于一线的尝试。 酒泉市极兔快递负责人毛建东，是西北地区最早“吃螃蟹”的人。2023年，他花了22万元购买了第一台无人车。 与真人驾驶的汽车一样，无人车也需要牌照。毛建东称，他曾和酒泉市政府多次沟通，安排特定工作团队负责无人配送车的日常调度、故障处理和安全巡查，对无人配送车的运行过程进行实时监控和管理，并向政府部门提交承诺书，保证无人车出事故后能找到人，此后，无人车才正式运行。 新疆精河县的兰树新也经历了类似的过程。购入首台无人车后，他与厂家团队一同采集路况，定制行驶路线，同时也与当地邮政、交通、公安等部门连续召开研讨会，观摩与测试持续了近一个月，才最终获准上路。 随着西北多个县市相继出现无人车，宁夏、青海等地的快递网点也开始观望。今年下半年，极兔速递甘青宁区域公共事务负责人黄金银组织了两场无人车发车仪式，青海、宁夏都有快递公司前来观摩，他们都在考虑能不能使用无人车。但能否真正落地，最终仍取决于当地政府是否开放路权。 截至2025年上半年，全国已有上百个城市开放无人配送车辆路权，但分布极不均衡。 以甘肃为例，14个地级市中，酒泉、张掖、嘉峪关、敦煌等少数地区已经开放。这些允许上路的城市有一些共同点：地广人稀、山地较少、交通路况好。此外，政府对无人车上路持积极态度。例如，嘉峪关市政府去年印发《嘉峪关市促进邮政快递业高质量发展若干措施（试行）》，对邮政快递企业购置无人车、无人值守智能化设备等且投资额达100万元以上的，按投资额的5%予以一次性补助，单个企业最高不超过20万元。 政策放行是第一步，真正让这项技术“跑上路”的，更多的是一线快递员、站点经营者的探索。为了让无人车尽可能安全，经营者们在车身上贴上了自己手机号码，以便行人遇到问题时可以联系到人。设计快递运输路线时，他们会避开繁华路段，不走商圈，不走学校……不好停车的地方也尽量不跑，同时避开早晚高峰期。 “不能因为某一家的车不守规矩，影响了全市的无人车上路。”郭海英说，谨慎且规范使用无人车，这是快递老板们心照不宣的规矩。 在各地政策差异极大的情形下，无人车企业也希望推动制度制定及一线试点。 新石器一方面参与国家与地方层面的无人配送车技术标准和路测细则制定，另一方面组建了本地化对接团队，配合交通、市场监管等部门调整备案材料与车辆参数。面向中通、圆通等加盟制快递体系，新石器采用总部认证与区域试点的方式，以便不同站点可自行决定是否引入无人车。 张旭琛介绍，无人配送车进入网点后，最先接触它们的是快递员、共配中心和驿站员工，他们能直接感知到操作难度与配送效率。只需经过简单培训，网点员工就可通过手机App完成运营、调度等核心操作；一旦出现异常，5公里范围内可找到维修点与备件支撑。 例如，在四川大凉山，当地快递网点在使用无人车运输快递的同时，发现还能顺路帮助果农送水果，便主动推进，解决路权难题。九识智能随即优化了产品和线路规划，使车辆更适配山地路况，最终促成了落地。 硬件成本下探、企业探索新模式 今年9月，新石器和九识智能先后宣布已实现1万台车下线交付，1万台的交付量是无人车从试验走向规模化应用的关键里程碑。 无人车能在快递行业普及，一个主要原因是降价。2018年，一辆用于末端配送的无人车（含服务费）价格高达百万元；到2019至2021年，降至20万—30万元。进入2025年，价格进一步下探。新石器的主力车型裸车定价区间在4万—7万元左右。 新石器相关负责人告诉经济观察报，这背后是多重因素共同作用的结果。一方面，激光雷达、摄像头等核心硬件成本降价，为整车大幅降价提供了可能。早期，由于激光雷达和自动驾驶计算平台等核心模块依赖外采，一辆无人车硬件成本一度超过30万元，而目前已降至约7万元。随着技术日趋成熟，无人车对高精度硬件的依赖程度有所降低，整车成本空间被进一步打开。 另一方面，规模化生产带来的制造成本摊薄也同样关键。新石器将无人车顶部的自动驾驶模块与底部的车体结构模块做了高度标准化，可在多款车型之间通用；其无人车工厂全面采用了自动化标定设备，大幅度缩短了传感器标定时间，产线节奏显著提升，最快10分钟可下线一台车。 在此基础上，自研的新一代计算平台开始替代昂贵的进口模块。前述新石器相关负责人称，相比成本高峰期，核心部件成本已下降了约七成，配套L4级无图自动驾驶技术方案，使综合成本进一步降低了50%以上。 另一条推进普及的路径，则来自商业模式创新。去年，九识智能首次采用“低硬件价格+软件订阅”模式。以最新推出的E6车型为例，裸车与完全自动驾驶服务月费，按5年计算总成本为12.78万元，相当于一二线城市快递员的年薪。张旭琛表示，上一代整车包含五年服务的打包方案超过20万元，新的模式加上免息金融方案，降低了客户的一次性投入，使得更多用户愿意尝试。 隐忧与期待 无人车在快递行业逐渐受到了认可，但对其忧虑也从未消弭。 最主要的担忧是交通事故。虽然与全国上千万辆货车相比，1万辆左右的无人车只是极小部分。但作为一个新鲜事物，一旦发生事故，无人车很可能会引起轩然大波。 按照一般推理，无人车如果发生事故，交通执法部门可以很方便地找到快递网点经营者，交涉理赔等事宜。接受经济观察报采访的几位快递经营者，目前还没有遇到大型事故。只有甘肃嘉峪关的郭海英谈到，无人车出现过小的碰撞，说是出于路人的好奇心，想试试一下无人车的刹车功能，就开车急速转弯，导致无人车发生了追尾。而这起事故是路人全责，无人车不需要承担责任。 在法律层面，无人车的事故鉴定仍是模糊的。多位受访者提到，若未来出现造成人身伤亡的严重事故，责任究竟由车辆所有者、运营方、算法方还是实际调度方承担，尚并无明确界定。如果出现身亡事故，刑事责任如何判定？这也是一个全世界都面临的新问题。 在制度并未完全跟上的情况下，各快递网点更多采取的是“经验性安全措施”：尽可能减慢无人车的行驶速度，在下雨、下雪天给车装上防滑链，防止类似事故发生。 尽管存在顾虑，快递从业者对无人车的长期趋势是乐观的。郭海英从事快递行业十多年，一开始是用双手分发快递，后来货量增大，她便引入了分拣框，再后来引入机械分发设备，再后来引入自助快递柜……她亲眼见证着快递行业因装备升级而效率提升，这使她相信：快递无人车是不可逆的趋势。 在使用过程中，无人车仍有一些短板也被一线集中反馈出来。其中最典型的是续航不足。无人车每天晚上充满电，白天通常只能完成3趟，第四趟往往因电量不足被迫折返。一些车型标称续航180公里，但实际续航也就约100公里。此外，无人车的车轮毂比较窄，防滑能力不好；车体也比较薄，稍有磕碰，车身上就坑坑洼洼。 与这些现实问题并行的，是更明确的政策信号。今年以来，商务部等8部门发布《加快数智供应链发展专项行动计划》，将无人配送车纳入重点推广设备；交通运输部《“人工智能+交通运输”实施意见》已完成征求意见，或将对自动驾驶物流给予更明确的支持。国家邮政局提出“加快推动无人车、无人机、智能云仓在行业规模化应用”的目标。从地方实践看，核心城市正陆续出台示范运营、路测管理和商业化使用细则，路权审批也将趋于常态化。 总体而言，无人车既给快递行业带来了新的运力组织方式，也带来了责任认定等难题。业内已经普遍形成了这样的共识：无人车上路不是终点，而是规模化应用的起点。

正式入职小米还不到10天，罗福莉的首篇论文，这就来了！ 在这篇出自MiMo团队（主打空间智能）的研究中，罗福莉作为团队负责人担任核心作者，小米智驾团队首席科学家陈龙则作为项目负责人。 而这项研究最亮眼的地方，恰恰是具身智能与自动驾驶的跨界融合。 针对自驾与具身操作场景的知识迁移难题，MiMo团队提出并开源了全球首个打通这两大领域的跨具身（X - Embodied）基座模型——MiMo-Embodied。 在实测效果上，MiMo-Embodied在自动驾驶与具身智能共计29个Benchmark上全部霸榜！ 无论是开车的环境感知、规划，还是机器人的拿取、导航，主打一个我全都要。 具身与智驾，小米全都要！ 如上所说，小米这次开源的MiMo-Embodied是业界首个开源的、成功融合了自动驾驶与具身智能（Embodied AI）两大领域的统一多模态基础模型。 它基于MiMo-VL架构，通过构建涵盖通用视觉、具身任务及驾驶场景的高质量数据集，并采用包含思维链（CoT）和强化学习（RL）的渐进式四阶段训练策略，有效打破了室内操作与户外驾驶之间的领域鸿沟。 最终，该模型在任务规划、空间理解、环境感知及驾驶规划等29个基准测试中，均超越了现有的专用模型及通用模型，实现了跨领域的最先进（SOTA）性能。 接下来，我们具体来看。 在以往具身/自驾的VLM领域中，往往存在以下问题： 一方面是缺乏统一的具身VLM(Unified Embodied VLM)。 现有的视觉语言模型（VLMs）大多专注于单一领域（仅室内任务或仅户外驾驶），缺乏能够连接这两个领域的统一模型。限制了模型在动态环境中与物理世界有效交互的能力。 而这，也带来了领域差距与迁移困难。 具身智能侧重于室内操作，而自动驾驶侧重于户外道路，两者存在显著的领域差距（Domain Gap），阻碍了能力的跨领域迁移 。 另一方面则是评估体系缺失， 即缺乏全面的跨具身能力评估体系来衡量模型在两个领域的综合表现。 为了解决这些挑战， MiMo-Embodied试图将自动驾驶和具身智能的任务合并到一个统一的VLM中，以整合模型的跨具身能力。 如上图所示，MiMo-Embodied架构由以下三个部分组成： 用于编码视觉输入的 Vision Transformer (ViT)：模型使用ViT来编码各种类型的视觉输入，包括单张图像、多张图像和视频。这使得模型能够提取复杂的模式和关系。 一个投影器（projector）： 使用多层感知机（MLP）作为投影器（Projector），将视觉Token映射到与大语言模型对齐的潜在空间。 负责文本理解和推理的LLM：LLM作为核心组件，负责理解文本指令并结合视觉信息进行推理，生成连贯且上下文相关的响应。 由此，通过无缝集成视觉和文本领域，MiMo-Embodied增强了多样化多模态推理任务和应用的潜力。 接下来，为了实现跨领域的统一能力，论文提出了一套系统的数据构建和分阶段训练策略： 首先在数据方面，训练数据涵盖了通用多模态理解、具身 AI（功能性预测、规划、空间理解）和自动驾驶（感知、预测、规划）三个维度的多模态数据： 通用数据： 基于MiMo-VL语料库，包含图像、视频、长文本等，长文档和合成推理数据，确保广泛覆盖感知、推理和交互能力。 具身智能数据： 涵盖可供性预测（Affordance Prediction）、高层任务规划和空间理解，整合了如 PixMo-Points, RoboAfford, RoboRefIt等数据集。 自动驾驶数据： 涵盖环境感知、状态预测和驾驶规划，整合了 CODA-LM, DriveLM, nuScenes-QA等数据集。 基于上述构建的数据集，研究又开发了一种四阶段训练策略。 基于MiMo-VL，研究引入了具身智能和自动驾驶方面的专门监督，最终通过思维链微调和强化学习实现高级推理能力 。 这一策略有助于模型建立在先前获得的能力之上，从而在具身交互和自动驾驶领域实现稳健的性能。 阶段1：具身智能监督微调 (Embodied AI Supervised Fine-tuning)：结合通用数据和具身数据，建立核心的视觉语言理解、具身推理能力。 阶段2：自动驾驶监督微调 (Autonomous Driving Supervised Fine-tuning)： 在阶段1的基础上，加入大量自动驾驶数据。重点训练多视角空间推理、视频时间一致性和复杂交通场景分析 。 阶段3：思维链推理微调 (CoT Supervised Fine-tuning)： 使用包含明确推理步骤的数据进行微调。这增强了模型处理复杂多步问题的能力，例如风险评估和行为合理性解释。 阶段4：强化学习微调 (RL Fine-Tuning)： 使用 GRPO (Group Relative Policy Optimization) 算法。通过针对正确性（如选择题匹配、IoU计算）设计奖励信号，进一步优化模型的精确度和可靠性。 实验测试 为了验证MiMo-Embodied的性能，研究分别在定性和定量两层面进行评估，定量比较涉及针对具身智能和自动驾驶的各种既定学术和行业基准的客观评估，从而能够与领先模型进行直接的实证比较。 定性评估则展示了MiMo-Embodied在现实世界任务中的实际效能，突出了其在复杂机器人和自动驾驶场景中的部署，并提供了其将习得能力转化为有效性能的具体证据 。 基准测试上的定量比较 首先，在具身能力方面，研究在三个核心领域进行了全面评估：可供性预测、任务规划和空间理解。 结果表明，MiMo-Embodied 取得了具有竞争力的结果，与通用多模态模型和专用具身模型相比，在可供性预测和空间理解方面表现出特别的优势。 其次，在自动驾驶能力方面，研究在感知能力、预测能力和规划能力上进行了评估。包含在4种数据类型上的12个基准测试中的性能，涉及其理解复杂交通场景、预测动态道路智能体行为以及生成安全高效驾驶建议的能力。 实验结果显示，MiMo-Embodied在所有感知基准测试、预测、规划中均取得了强劲的性能，在全景语义理解任务中展示了最先进的结果，同时在具有挑战性的局部感知场景中也表现出卓越的鲁棒性。 现实世界任务的定性评估 首先，为了验证MiMo-Embodied 在复杂交互环境中的实际效用，研究评估了其在两个基本下游应用中的性能：具身导航和操作。 在具身导航中，相较于GPT-4o、Qwen2.5-VL和RoboBrain-2.0，MiMo-Embodied展现出在多样化家庭场景中增强的对象定位能力和一致的性能。 在操作任务中，MiMo-Embodied同样展现出强大的可供性和空间推理能力。 在自动驾驶能力上，研究首先在NAVSIM上确定性能以进行标准化比较，然后在一个包含多样化真实世界驾驶场景的大规模专有数据集上测试模型的能力。 实验结果表明MiMo-Embodied可以处理多样化的自动驾驶情况并完成具有挑战性的任务，包括交叉路口转弯、弯道掉头、跟车和变道超车。 在每种情况下，模型都应感知道路上下文，整合自车状态和导航意图，并做出连贯的决策。 此外，MiMo-Embodied在所有评估类别中始终优于基线。值得注意的是，在转弯、绕开障碍物和变道等复杂、交互式操作中，性能提升最为显著。 在最后，论文表示还将基于MiMo-Embodied模型的能力，探索具身智能视觉-语言-动作（VLA）模型，以增强复杂环境中的交互，通过自然语言理解实现更直观的任务执行。 One more thing 这篇论文，是罗福莉于11月12日正式官宣加盟小米、出任MiMo团队负责人后，发布的第一篇论文。 作为业界备受关注的95后AI才女，她本科毕业于北京师范大学，硕士在北京大学继续深耕。 硕士毕业后，她加入阿里巴巴达摩院担任机器智能实验室研究员，主导开发多语言预训练模型 VECO，并推动核心项目AliceMind的开源落地。 2022 年，罗福莉加入DeepSeek母公司幻方量化，后续任职DeepSeek深度学习研究员，深度参与 DeepSeek-V2等标杆模型的研发工作。 而本论文的Project Leader（项目负责人）陈龙，也于今年正式入职小米，担任智能驾驶首席科学家。 在此之前，陈龙曾任职于英国AI独角兽公司Wayve，主导新一代端到端自动驾驶VLA模型的研发。 更早前，他还以研究工程师身份加入Lyft，牵头车队学习项目，通过大规模众包车队数据完成自动驾驶车辆机器学习规划器的预训练。

原文 | Nowfal 编译 | 王启隆 出品丨AI 科技大本营（ID：rgznai100） 在科技行业的舆论场中，常能听到一句带着几分轻蔑的评价：“这不就是个套壳 AI 吗？” 对于那些正在绞尽脑汁试图构建新事物的开发者而言，这句话听起来格外刺耳。它宛如一盆冷水，径直泼在刚刚燃起的创新火苗之上。这句话背后的潜台词极具杀伤力：这意味着缺乏核心技术，意味着只是在巨人的地基上搭建积木，意味着随时可能被推倒的脆弱性。 然而，反击的声音同样响亮，且逻辑坚硬得令人无法反驳。 Perplexity 的首席执行官 Aravind Srinivas 曾直言不讳：“世上万物皆是套壳（Everything is a wrapper）。OpenAI 套的是英伟达的算力和 Azure 的云服务；Netflix 套的是 AWS 的基础设施；就连市值高达 3200 亿美元的 Salesforce，归根结底也不过是 Oracle 数据库的一个高级外壳。”你 此言确实切中肯綮。但在深入这场关于“定义”的口水战之前，有必要先厘清公众口中的这个“AI 套壳”（AI Wrapper）究竟是何种物种。 简而言之，这往往是一个被贴上“投机取巧”标签的产品形态。开发者并不自行训练庞大的基础模型，而是直接调用现成的 API（如 OpenAI 的接口），在此基础上覆盖一层轻薄的用户界面，以提供某种特定的功能，其开发过程通常极少涉及复杂的底层技术攻坚。 最为典型的案例，莫过于那些允许用户“与 PDF 对话”的应用程序。在 ChatGPT 问世早期，官方尚未提供直接处理文档的功能，这类应用因此迅速蹿红。用户只需上传一篇晦涩难懂的论文或报告，AI 便能迅速生成摘要并回答相关问题。这种需求真实而迫切，解决方案也显得痛快淋漓。 然而，问题恰恰在于，这种“痛快”来得过于容易。 关于 AI 套壳的争论，往往忽略了一个更宏大的命题。 套壳本身并非原罪，真正的分水岭在于：被构建出来的产物，究竟是一个随时可被替代的“功能”，还是一个能够站稳脚跟的“产品”。 部分套壳应用注定只能是昙花一现的过客，一旦巨头们回过神来，将这些功能整合进自身的生态套件，它们便会迅速凋零。但同样存在一些应用，能够在巨人的夹缝中生根发芽，甚至长成参天大树。“套壳”这个标签，实则掩盖了真正值得关注的核心：它究竟是功能还是产品？它所处的市场细分究竟有多广阔？ 昙花一现的功能，还是屹立不倒的产品？ 不妨先审视那个让用户与 PDF 对话的早期案例。 这类工具解决的问题极为具体且狭窄：读不懂文档，寻求 AI 辅助。它并不负责创造新的文档，也不涉及对既有内容的编辑，通常更不会记录用户的阅读习惯以优化后续体验。它本质上是一个一次性的工具，用完即走，缺乏粘性。 严格来说，这只能被定义为一种“能力”，而非一个完整的端到端解决方案。它更应作为文档阅读器内的一个按钮，或是旗舰办公软件中的一个插件而存在。 这便是危险所在。当 OpenAI、Anthropic 或 Google 等基础模型构建者，决定将这种“能力”直接原生植入其系统时，那些独立存在的套壳工具瞬间便失去了存在的根基。这属于典型的“功能型”宿命——极易被复制，缺乏业务闭环，更无护城河与长期防御力可言。 不过，商业世界从不缺乏例外。即便最终会被平台吞噬，但在巨头们尚未腾出手的这段时间窗口内，这些功能型应用依然能创造出惊人的财富，成为有趣的独立商业案例。 数据足以说明为何开发者们前赴后继：PDF.ai 的月经常性收入（MRR）曾达到 50 万美元；PhotoAI 也有 7.7 万美元；Chatbase 约为 7 万美元；InteriorAI 则为 5.3 万美元。而 Jenni AI 更是令人咋舌，短短 18 个月内，其月经常性收入从 2000 美元飙升至 33.3 万美元。 这笔财富固然诱人，但这种商业模式更像是淘金热中的捡拾金块，而非开采金矿。一旦地表的金块被捡拾殆尽，生意便也随之终结。 在巨人的卧榻之侧求生 有些套壳应用做得足够厚重，甚至进化成了真正的产品，切入了一个体量巨大的市场。此时，它们面临的不再是“像不像套壳”的嘲讽，而是实打实的生存威胁。 这里存在两只拦路虎：一是模型访问权的掌控，二是分发渠道的垄断。 首先看模型访问权。代码助手领域便是最典型的战场。 诸如 Cursor 之类的工具，实际上已将“套壳”这一概念推向了极致。它不仅仅是简单调用 API，而是将 AI 深度集成到了集成开发环境（IDE）之中。它能够读取整个代码库，编辑文件，生成代码，回滚更改，甚至运行编码代理，在某种程度上彻底重塑了 AI 时代的开发者体验。 这个市场足以支撑起巨大的想象空间。在全球市值最高的五家科技巨头中，软件开发人员约占员工总数的 30%。哪怕开发工具仅能提升些微的生产力，释放出的价值都将以数十亿美元计。这使得该领域成为了模型构建者和拥有分发渠道的巨头们的必争之地。 然而，Cursor 们的命门在于，它们在很大程度上依赖于外部。它们必须仰仗 OpenAI、Anthropic 和 Google 的模型接口生存，直到开源模型或自研模型在质量上能与前沿闭源模型匹敌。 开发者论坛中充斥着付费用户关于“速率限制”的抱怨。在实际开发项目中，开发者常常会遭遇 Claude 额度耗尽的窘境。即便用户更偏爱 Cursor 的界面设计与交互逻辑，为了推进项目进度，也不得不转而使用 Claude 官方提供的工具（并支付高昂费用以避开限制）。界面或许更优，但对模型的访问权限往往起到了决定性作用。 这种依赖不仅仅关乎额度，更关乎战略层面的生死。OpenAI 首席执行官 Sam Altman 曾提出过一个著名的观点：正确的战略应假设模型将持续改进。 “构建 AI 创业公司有两种策略。一种是假设模型不会变得更好；另一种是假设模型将以同样的速度持续进化。世界上 95% 的人似乎都应该押注于后者，但许多初创公司却是基于前者建立的。当我们完成本职工作，模型能力升级时，那些赌错方向的公司将被无情碾压。” 这种碾压是全方位的。从知识辅导、健康医疗到创意表达、购物，乃至写作助手、法律助手等每一个巨大的细分市场，只要有利可图，模型厂商就有动力亲自下场。 流量与渠道的残酷绞杀 除了模型厂商的直接竞争，分发渠道则是悬在头顶的第二把利剑。即便模型构建者暂且按兵不动，初创公司仍需面对另一个严峻的拷问：能否在拥有现成产品和庞大分发渠道的巨头添加 AI 功能之前，抢先建立起足够庞大的用户群？ 这正是微软 Teams 对战 Slack 这一经典商业案例的现代回响。 挑战在于，必须在微软将 Copilot 嵌入 Excel 或 PowerPoint，在 Google 将 Gemini 编织进 Workspace，或在 Adobe 将 AI 整合进其创意套件之前，建立起忠诚的客户群。 一个独立的电子表格或演示文稿 AI 套壳工具，不仅要克服功能上的同质化，更要对抗巨头的捆绑销售优势、分发渠道优势以及用户高昂的切换成本。 这种来自巨头的渠道竞争，在医疗和法律等其他大型市场同样适用。在这些领域，监管的摩擦和对“记录系统”（System of Record）的控制权，往往有利于像 Epic Systems 这样的老牌企业。例如，一个无法将数据写入电子健康记录（EHR）的临床笔记生成器，迟早会撞上 Epic 的分发壁垒。 当然，商业竞争中总有例外。 首先，速度本身就是一种武器。 像 Cursor 这样的工具，虽然缺乏对核心依赖（模型访问）的控制，但其惊人的增长速度使其成为了极具吸引力的收购目标。Windsurf 获得了 Google 24 亿美元的收购许可交易；Gamma 在一年左右达到了 5000 万美元的收入；Lovable 在短短六个月内达到了 5000 万美元的收入；Galileo AI 被 Google 收购。快速的市场占有率，往往能为企业在被碾压前赢得退出的机会。 其次，卓越的执行力偶尔能战胜结构性优势。 Midjourney 凭借过硬的产品质量，说服了 Meta 使用其服务，尽管 Meta 拥有大得多的预算和分发能力。 最后，基础模型可能会因避险而放弃某些市场。 医疗和法律领域的监管负担，或 AI 伴侣及成人内容可能带来的声誉损害，为那些愿意面对极端监管审查或争议的经营者留出了机会。机会依然巨大，但竞争（或收购）随时可能敲门。 缝隙中的微光：独立开发者的金矿 并非每一个市场缺口都会引来模型构建者或科技巨头的觊觎。在商业生态的长尾部分，存在着大量对于风险投资规模而言太小，但足以支撑数百万美元业务的工作需求。 这些利基市场是精打细算、追求精益运营的创始人的乐园。 不妨设想那些占星术、显化或梦境解释的 AI 应用。一个解梦 AI，允许用户每天早上记录梦境，生成基于梦境的 AI 视频，维护某种梦境日记，并随着时间推移揭示某种心理模式，这便解决了一个完整的工作闭环。 用户当然可以将梦境讲述给 ChatGPT，它甚至能保存历史记录。但一个专用的应用程序可以构建特定的字段（如反复出现的人物、地点、事物、主题等）来结构化地捕捉梦境，并能以通用聊天机器人无法做到的方式与睡眠跟踪数据集成。 这样一个利基市场，小到足以避开大模型的战略雷达，却又大到足以维持一个盈利丰厚的独立业务。 当模型构建者和传统巨头纷纷入局，这场“套壳”辩论中的现有玩家面临着战略抉择。那些能够在模型构建者的竞争风暴中幸存下来的企业，往往具备两个关键特征。 第一，即便不拥有模型，也必须拥有结果的主导权。 那些已经嵌入用户工作流的应用程序（如 Gmail/日历、Sheets、EHR/EMR、Figma）无需培养新的用户习惯。从零开始构建这些平台，远比在现有平台上添加 AI 能力要困难得多。 当这些应用程序将操作直接输送到专有的记录系统中（控制日历事件、提交索赔、创建采购订单等）时，“完成”这一动作就发生在巨头的环境内部。此时，AI 只是现有工作流的一个输入，而非替代品。 第二，成功的幸存者将从客户使用中构建专有数据。 用户的每一次修正、每一个边缘案例的处理、每一次批准以及所有的人类反馈，都将转化为训练数据，随着时间的推移不断打磨产品——这是前沿通用模型无法触及的宝贵资产。 Cursor 虽然并非传统巨头，且依赖外部模型，但它正计划通过捕捉开发者的行为模式来竞争。正如其 CEO Michael Truell 在采访中所言：捕捉用户数据并反馈给产品，这才是真正的可持续优势。 这种动态与 90 年代末和 2000 年代初的搜索大战有着异曲同工之妙：只有通过用户的点击和交互行为，才能真正理解用户的意图，从而优化产品。 回首这场关于 AI 套壳的争论，批评者与捍卫者各有理据，却也都失之偏颇。 批评者是对的，许多缺乏防御性的套壳应用终将随着平台功能的吞噬而灰飞烟灭。 捍卫者也是对的，每一家成功的软件公司，本质上都在“包裹”着某些底层技术。 但真正的洞见往往隐藏在两者之间。 即便一个新的应用程序始于“套壳”，只要它能栖息于用户实际工作的场景之中，能够将数据写入专有的记录系统，能够构建专有数据并从使用中不断学习进化，或者在巨头捆绑该功能之前抢先占领分发渠道，它便具备了长久的生命力。 更为重要的是，那些在竞争逼近时仍能迅速迭代、持续交付解决用户痛点功能的“套壳”产品，将极难被击败。正是这些特质，划清了昙花一现的“功能”与基业长青的“产品”之间的界限。

【新智元导读】两年时间，谷歌从被OpenAI按在地上摩擦，到用Gemini 3.0 Pro把「落后」两个字彻底撕碎，狠狠甩了奥特曼一脸。AI江湖的王座，谷歌终于还是坐实了！ 最近谷歌的Nano Banana Pro和Gemini 3，大家都玩嗨了吧～ 就连奥特曼都在全员信中承认，谷歌已经「反超」。 可以说，年底这波大招，成功地「让谷歌再次伟大」！ 尤其是Nano Banana Pro展现了生成式AI技术的重大突破。 网友用Nano Banana Pro制作的梗图 所有人都赞不绝口，很多大佬都成了自来水，比如Shopify的CEO直夸Nano Banana Pro简直疯狂！ 谷歌这把王座，基本是坐稳了。 回看这个11月，全球科技格局经历了一场剧烈的板块漂移，准确地说，是在谷歌和OpenAI之间。 两家产品都是密集发布，GPT-5.1、Gemini 3，你方唱罢我登场。 在经历了长达三年的被动防御战，谷歌以一种近乎挑衅的自信姿态重回人工智能霸主的地位！ 上个月，作为对手的奥特曼告诉OpenAI的同事们： 谷歌最近在AI方面的进展可能会「给我们公司带来一些暂时的经济阻力」。 所以，谷歌的Gemini 3和Nano Banana Pro为何能够突然断层一样领先？ 是因为自研TPU带来的算力扩充，还是谷歌掌握了全新的AI技术？或许都有，但在社区的讨论中，一种最可能的底层原因开始浮出水面。 谷歌的创始人放弃在私人小岛度假，并且重回AI第一线，重启「创始人模式」。 谢尔盖效应：创始人模式拯救谷歌，并带来Gemini 3.0 身价千亿创始人 亲自下场修配置 如果说劈柴是谷歌AI转型的执行者，那么联合创始人谢尔盖·布林（Sergey Brin）的回归则是这场变革的精神图腾。 据外媒报道，布林早已重返谷歌山景城总部。 他并没有选择坐在高管套房里，而是直接入驻了被称为「Building 43」的工程中心。 X的网友将布林的回归定义为：谷歌在一年内从「远远落后」到「轻松称霸」。 这个观点引发了社区广泛的讨论！ 网友迅速从嗨到不行的状态立马上升到哲学层面：谷歌怎么一下子能做出两个这么厉害的产品？ 一个观点是，谷歌在技术上从未落后，但是谷歌得了一个病：「大公司病」。 OpenAI作为创业公司，加上奥特曼的激进战略，OpenAI一直敢于发布产品，即使市场认为这个产品并不完美。 而布林的回归和影响力，正是打破了谷歌的这种僵局。 这充分展示了强大领导力的重要性。 甚至有网友认为，如果不是创始人打通了谷歌部门之间的壁垒，Gemini 3或者Nano Banana Pro并不会以「全面出击」的方式上线。 作为谷歌的创始人和图腾人物，谢尔盖放弃退休后在私人小岛享受生活。 而是脚踏实地的重返硅谷，拯救谷歌。 布林的回归不是为了发表愿景演讲，而是为了写代码。 据说，他回到谷歌后提交了多年来的第一个CL（Changelist，谷歌内部的代码修改请求），这一行为在工程师内部产生了地震般的效应： 如果身价千亿的创始人都在修补配置文件，那么任何产品经理都没有理由以「流程」为借口阻碍发布。 布林的存在直接催化了Gemini 3项目的加速，他专注于解决模型在长逻辑链推理上的「长尾问题」，这是之前职业经理人们因追求短期指标而忽视的领域。 很多网友表达了类似的看法。 谷歌太强，也太大，它得了大公司病，到处是繁文缛节。 但布林的回归，让谷歌再次成为一家AI时代的「创业公司」。 创始人的回归，不仅重塑了文化。 有网友说，谷歌将所有人工智能相关工作整合到哈萨比斯旗下的DeepMind也是至关重要的一步棋。 这里就有人问了，创始人虽然具有图腾般的象征和号召力，但是他有实权吗？ 最有名的独立开发者levelsio给出了答案： 谢尔盖·布林与拉里·佩奇仍共同持有Alphabet的股份。 更重要的是，他们共同持有87.4%的B类投票股，这赋予了他们51.4%的总投票权 想象一下，当谷歌的官僚体系（他们确实存在不少）试图阻碍你时，有谢尔盖站在你这边——只需给他发条消息，就能获得通行许可。 这相当于获得了一张创新的通行证：你可以自由创造任何产品、发布任何功能、推出任何项目，几乎不受限制。 这让谷歌重新像一家小型初创公司那样运作，我认为这正是他们再次取胜的原因。 虽然这波谷歌有望重夺王座，但是在此前面对OpenAI时，谷歌一度掉以轻心。 拉响红色警报 AI部门紧急重组 起初，ChatGPT刚出来时，谷歌并没有放在眼里—— 这不就是我们自己玩过的LaMDA吗？ 那个内部跑过、甚至把一个工程师忽悠到以为它有意识、但死活没敢放出来的生成式AI聊天机器人。 谁也没想到，ChatGPT眨眼间就成了史上增长最快的消费级产品，甚至还能替代搜索引擎拿来查资料、做研究。 这时谷歌才反应过来：坏了，真要出大事了。 虽然没人正式喊，但公司里实质上已经「code red」了。 于是，谷歌赶紧把自家两个最强的AI实验室缝在了一起——谷歌DeepMind由此诞生。 从追赶到碾压，谷歌王者归来 这次合并把DeepMind在强化学习、神经科学启发AI上的深厚积累，和谷歌Brain在大规模机器学习系统上的优势完美结合，直接加速了顶级模型的研发。 Gemini正是合并之后，第一个落地的大项目。 它从设计之初，便坚定地走上了原生多模态路线，而不是在单模态模型上后期缝补，从而彻底避开了GPT-4等竞品的后天短板。 同时，也完全由谷歌自研的TPU进行训练。 2023年12月6日，第一代Gemini正式发布。 Gemini 1.0共有三大版本：Gemini Ultra、Gemini Pro、Gemini Nano，其中Pro和Ultra支持最长32k token上下文。 作为当时谷歌最强大的模型，Gemini Ultra在MMLU拿下90.0%，数学（MATH 53.4%）和视觉问答等多项榜单碾压GPT-4。 2024年2月15日，Gemini 1.5发布。 上下文窗口直接拉到100万token（Pro），性能追平甚至超Gemini 1.0 Ultra，但算力需求更低。同时，新增Gemini 1.5 Pro和Gemini 1.5 Flash。 2024年6月，谷歌再次将Pro的上下文窗口，提到了惊人的200万token。 2024年9月24日，Gemini 1.5 Pro-002和Flash-002上线，更成熟、更便宜。 2024年12月11日，Gemini 2.0亮相，主打「agentic」能力，原生支持实时音视频流，新推出Multimodal Live API。 2025年2月，谷歌带来了更快Flash-Lite和Pro Experimental，并且还新增了Thinking Mode——推理过程完全可见。 2025年3月25日，Gemini 2.5以Pro Experimental首秀。 谷歌称，这是迄今最聪明的模型，内置超强推理、编程、多模态复杂任务能力无敌。 2025年6月17日，2.5 Pro与Flash全面开放，支持企业级高吞吐。 2025年10月7日，Gemini 2.5 Computer Use上线，专攻浏览器操控，在手机UI控制上也极具潜力，把整条产品线的智能体能力又拉高一个台阶。 2025年11月18日，全新亮相的Gemini 3.0 Pro和Gemini 3.0 Deep Think，直接成了2025年11月最猛的现役模型。 一上线，Gemini 3.0 Pro就在20个基准测试里狂砍19胜，把一众大模型按在地上摩擦。 尤其是在Humanity's Last Exam上，它凭借着41%的准确率把OpenAI的GPT-5 Pro（31.64%）打得满地找牙。 模型核心设计原则 正如前面提到的，Gemini全系列从零开始联合训练，原生多模态，训练数据直接覆盖文本、图像、音频、视频，能轻松处理各种模态混排输入输出。 这种天生多模态设计彻底甩开后期改造的老路子，自然涌现出了跨模态推理能力，比如边看视频边回答文本问题。 架构采用仅解码器Transformer，加入多查询注意力等优化，优先保证泛化能力而非堆砌专用编码器。 效率方面，第一代采用分层设计（Ultra极致能力、Pro平衡、Nano/Flash低延迟设备端）+ 混合专家（MoE）稀疏激活，只点亮当前输入需要的子网络，训练推理都省算力。 Gemini 1.5及2.5则进一步用稀疏MoE Transformer，把上下文窗口标配做到100万token，几小时视频也能轻松吃下。 CEO也有功劳？ 除了创始人回归，谷歌本身内部的快速迭代。 很多人也忽略现在CEO 劈柴的能力。 正如很多人在3年前将谷歌的落后归咎于劈柴，却不敢承认，正是劈柴让谷歌重回正轨，并完成对OpenAI的超越。 劈柴在2015年接任CEO时，被视为硅谷最完美的职业经理人：温和、外交手腕高超、善于达成共识。 在移动互联网的红利期，这些特质确保了谷歌这艘巨轮的平稳航行。 然而，当2022年AI军备竞赛爆发，这种「和平时期」的领导风格迅速成为众矢之的。 但今天外媒BI的一篇文章，深入分析了劈柴在谷歌这波逆袭中扮演的重要角色。 像Gemini 3这样强大的产品需要多年时间、大量技术研究和底层架构才能实现。 谷歌在这方面已深耕许久，正是因为劈柴推动公司转向「AI优先」理念也已近十年。 如今这些努力终于结出硕果。 背景故事： 2017年，谷歌的汉堡emoji把奶酪放在肉饼下面，瞬间全网炸锅。这直接引发了一场又好笑又撕裂的互联网大战，大家疯狂争论「正确」的汉堡该怎么叠。 皮查伊当时发推调侃：你们要是能统一意见，我就放下手头一切马上修。结果大家真的统一了，Android没几天就更新，把奶酪挪到了肉饼上面。 现在看来，Gemini 3.0也完美遵守了这个「正确顺序」。 算力不够用 容量必须每6个月翻一番 谷歌这波成功，除了在战略和文化上，被「创始人模式」带飞了一波。 但千万不要忽略最根本的原因，谷歌的算力！ 即使布林给所有谷歌工程师都打了「鸡血」，没有算力一切都白搭。 这就要归功于谷歌的TPU了。 本月早些时候的全体员工大会上，谷歌AI基础设施负责人Amin Vahdat直接说：公司必须每六个月就把服务容量翻一倍，才能满足人工智能服务的需求。 据CNBC报道，这位谷歌Cloud副总裁还放了幻灯片，上面写着未来4-5年要实现「1000倍」扩展。 支撑这1000倍增长的核心，是谷歌在2025年发布的第七代张量处理单元（TPU），代号「Ironwood」。 这款芯片不仅是硬件的迭代，更是谷歌垂直整合战略的巅峰之作。 千倍扩展的难题 目前AI最大的瓶颈就是英伟达GPU产能跟不上。 几天前英伟达财报电话会上还说AI芯片「卖到断货」，数据中心收入单季暴增100亿美元。 芯片和其他基础设施限制直接影响谷歌新AI功能上线。 11月6日的全体大会上，劈柴举了上个月刚升级的视频生成工具Veo的例子： 「Veo刚出来的时候多令人兴奋啊，如果能在Gemini App里放开给更多人用，用户量肯定爆，但我们就是给不了——算力根本不够。」 虽然哪家AI公司都缺算力，但是相比OpenAI，谷歌TPU正是他们制胜的法宝。 谷歌的「1000倍」算力扩张揭示了一个残酷的现实：AI行业正在经历剧烈的阶级分化。 地主阶级： 拥有吉瓦级数据中心和自研芯片的巨头，比如谷歌。他们制定规则，出租算力，收取租金。 佃农阶级： 依赖巨头基础设施构建应用的初创公司。无论他们的模型多优秀，最终的利润大头都将流向基础设施提供商。 因此，这也是为何OpenAI也想要做芯片的根本原因。 从年初的Gemini 2.5到年底的Gemini 3，如果单从版本号来看，谷歌的行动可以说缓慢至极。 关于GPT-5和Gemini 2.5谁更好用的话题也是经久不衰。 但是随着Gemini 3、Nano Banana Pro的出世，所有人都突然回过神来，谷歌还是那个谷歌，谷歌还是SOTA！ 这里面既有创始人放弃私人小岛重回一线的魄力，也有谷歌TPU多年来的厚积薄发。 作为AI领域唯一一家技术全栈的科技公司，让我们期待一下2026年，Gemini 4甚至Gemini 5能否让我们看到AGI的曙光。

IT之家 11 月 22 日消息，近期有多个社交媒体帖子和文章声称，谷歌已更改的政策为使用用户的 Gmail 消息和附件来训练 AI 模型“大开绿灯”，且唯一的退出方法是禁用类似拼写检查的“智能功能”。 据外媒 The Verge 今日报道，谷歌开始对关于其政策变动的误解予以澄清。谷歌发言人珍妮・汤姆森表示，“这些报道并不准确 —— 我们没有更改任何设置，Gmail 智能功能已经存在多年，我们不会将用户的 Gmail 内容用于训练 Gemini AI 模型。” 图源：Pexels IT之家从报道中获悉，该媒体仍建议用户检查自己的设置，测试发现，在用户选择退出某些“智能功能”之后，系统仍会重新启用对应的功能。今年 1 月，谷歌更新了智能功能的个性化设置，用户可以独立地关闭 Google Workspace 及地图和钱包等其他谷歌产品的相关功能。 除了拼写检查，启用 Gmail 智能功能还可以让用户享受多项便利功能，譬如订单追踪或将航班信息自动添加到日历。根据设置页面，启用 Workspace 功能意味着“您同意 Google Workspace 使用您的 Workspace 内容和活动来优化您的使用体验”，但谷歌澄清，该功能并不代表用户的电子邮件内容将会被用于 AI 训练。

IT之家 11 月 22 日消息，科技媒体 Android Authority 昨日（11 月 21 日）发布博文，报道称谷歌已迈出 AI 商业化探索的最新一步，在其搜索服务的“AI 模式”中测试广告功能。 用户格雷格・斯特林（Greg Sterling）在 X 平台发帖，在谷歌的实验性功能平台 Labs 中，进行本地服务查询时率先注意到了广告。 随后，另一位用户布罗迪・克拉克（Brodie Clark）证实，即使在非 Labs 的常规环境中，进行基于服务的查询时也能复现这一情况。这一发现迅速引发了科技圈的关注，标志着此前完全无广告的 AI 搜索体验开始发生改变。 根据已有的截图和用户描述，AI 模式中的广告形式较为清晰。这些广告内容为避免干扰核心信息，被统一放置在 AI 生成回答的底部。同时，每条广告都会带有一个明确的“赞助”（Sponsored）标签，以便用户区分广告与自然的 AI 生成结果。 谷歌发言人表示，目前用户看到的广告属于一项测试，该计划最早在 2025 年 5 月的 Google Marketing Live 活动上就已对外宣布。 该媒体指出，鉴于搜索业务是谷歌最核心的收入来源，将广告整合进新兴的 AI 功能中，是其商业化战略中意料之内的一步。谷歌官方暂未透露关于此项测试及后续推广的更多细节。 IT之家在 AI 模式下以“IT之家”关键词搜索，暂未发现有广告出现：

IT之家 11 月 22 日消息，科技媒体 Wccftech 昨日（11 月 21 日）发布博文，报道称为满足云服务提供商（CSP）及英伟达、AMD 等客户的迫切需求，SK 海力士正计划到 2026 年将其 DRAM 产能扩大超过八倍。 IT之家援引博文介绍，此次扩产的核心是 SK 海力士位于韩国利川的生产基地，该工厂的 1c DRAM 晶圆月产量预计将从目前的 2 万片大幅提升至 14 万片。海力士还计划扩展其它生产基地，计划到 2026 年将其 DRAM 产能扩大 8 倍以上。 图源：SK 海力士 新增的产能将重点分配给面向 AI 服务器和高性能计算领域的新一代产品，主要包括 GDDR7 图形内存模组和低功耗 SOCAMM 内存。这两种内存技术因其高带宽和高能效特性，近几个月已在 AI 服务器市场获得大规模采用。 不过该媒体指出，即便 SK 海力士、三星、美光等主要供应商都在加速扩产，但内存短缺的警报远未解除。业内分析明确指出，此次产能扩张几乎完全是为 AI 行业“定向增产”，普通消费者的电子产品将难以从中受益。 AI 推理应用带来的内存需求极为庞大，导致新增产能很快就会被市场消化，因此消费级市场的内存短缺问题在未来一段时间内仍将持续。

文 ｜ 阑夕 千呼万唤始出来，Gartner发布了针对AI应用开发平台的2025年度全球报告，并启用了「魔力象限」（Magic Quadrant）这么一个经典的分类统计法。 在读这份报告之前，不妨先对Gartner做些了解，毕竟，这是一家长期入围标普500的咨询机构，数十年来行业里耳熟能详的那些IT概念——ERP、CRM、大数据——都是由它发明出来的。 就连Gartner的美股代码，都直截了当的设定为「IT」，足见它在业界的江湖地位，以及举手投足的权威度。 「魔力象限」是Gartner代表性的两大分析工具之一，另一个是「技术成熟度曲线」，它们共同构成了Gartner判断企业生态位和产业大趋势的底层逻辑，你们会在各种报告里看到类似的图谱。 作为一家「发报告的」公司，Gartner年赚超过60亿美金，在全球拥有2万多名员工，靠的就是这块金字招牌，非但厂商无法干预排名，连500强集团都会基于Gartner的分析结果来挑选供应商。 而这次的「魔力象限」，终于轮到了AI浪潮里的最核心基建之一：大模型开发平台。 Gartner解释了为何要制作这份的理由——使用AI构建软件已经成为了当代工程师的标配技能，而完善成熟的大模型开发平台，能在最大程度上解决「术业有专攻」的需求，把AI自然嵌入新的开发流程里。 所以达标的大模型开发平台——其实都长在原生的AI云上——必须具备六大硬性条件，即对话助手、智能体调用、多模态功能、支持代码框架、自带基础模型、防护栏。 而在完整筛选下来之后，全球总共只有11个平台能够满足要求——像是甲骨文、英伟达、Meta都无法入围——Gartner将它们放在熟悉的那四个象限里，直观呈现出了市场格局的明确分布： △ 图片来源于火山引擎官网 毫不意外地，全球三大云厂商悉数列为「领导者」象限，兼具长期战略和短期落地的叠加优势，加上一向因为「扮猪吃老虎」而被低估的IBM，组合成了AI云的第一阵营。 这是需要客观承认差距的地方，毕竟去年仅是AWS一家的收入，就超过了中国整个公有云市场的全部产值，就企业级市场的消费规模来说，国产云厂商还有很长一段路要走。 所幸的是。这条路也正开始越走越快、越走越顺了。 到了「挑战者」象限，几乎就由中国公司占满了，火山引擎、阿里云、腾讯云三箭齐发，死咬着「领导者」的象限，其中按点位来看，火山引擎几乎紧挨着象限边界，是国内云厂商里排名第一的身影。 Gartner对「挑战者」的定义是，它们具有强大的项目执行能力，能够跻身成熟市场里的主流供应商，但可能缺乏高价值主张的愿景，如果战略有所突破，「挑战者」最有机会转化为「领导者」。 相比之下，剩下的「远见者」和「细分者」两大象限就显得捉襟见肘了，有点还没有完成升级的剩余玩家味道，前者只有CoreWeave一家，虽然业绩不错，但从挖矿投机商「撞大运」赶上这波AI大浪、靠着提前囤卡拿到了大笔订单，但基本没有更大的想象空间了，只能在存量市场里巩固优势。 而OpenAI的上榜本身就已经很意外了，它在基础模型和消费级应用等领域的成就毋庸置疑，但AI云⋯⋯只能说在Gartner看来，OpenAI很有自建SaaS的野心，而它那高达1万亿美金的数据中心交易构想，也确实需要云业务作为回报路径，所以把OpenAI孤零零的放进了「远见者」象限，并对它实现使命的能力保持有限怀疑。 就这样，一曲英雄曲，道尽江湖事，靠着横竖两条线，Gartner把虽然是云服务行业里的新面孔、增长势头却空前生猛的AI MaaS产业，剖析得干干净净，一目了然。 说回国产云厂商的位置，其实火山引擎能够领跑，某种意义上同时叠加了偶然性和必然性。 偶然性在于，自从2022年末ChatGPT上线创造的大模型周期，实际上给了云厂商一次重新洗牌的机会，作为成立时间最晚的火山引擎，这也恰好提供了去增量市场图谋发展的门票。 必然性则是，深植技术基因的公司，一定不会错过技术爆发的机遇，回归同一起跑线并不能影响赛果，真正重要的，还是得看奔跑的具体表现，只有经历了市场检验，火山引擎的禀赋才被全面发掘出来。 就像Gartner在这份报告里写的，受访团队普遍认为将AI能力「内化」到工程系统里，是最优先的考虑事项，从而推动了一个年增长率超过30%的大模型开发平台市场出现。 而这类平台的「好用」与否，取决于上限和下限的组合关系： 上线体现在模型的智能水平和处理效率，太笨的AI，自然无法担当大任，下限体现在用AI开发出来的应用能不能快速落地，门槛要足够低，开发者才有用武之地。 于是，豆包大模型家族和火山方舟服务平台的搭配，直接把火山引擎带到了这场新型工业革命的风口尖上，在视线范围内技压群雄。 △ 图注：2025年豆包大模型里程碑事件 豆包的本事可能知道的人更多一些，作为App的它已经是中国排名第一的原生AI产品，而在开发者市场，豆包大模型也是以一己之力把Tokens价格打入「厘时代」的那个角色，并以全模态、全尺寸的满功率优势，成为了国内使用量最大、应用场景最丰富的大模型。 在接入豆包大模型之后，火山方舟又提供了最优秀的调用环境，时至今日，AI应用的开发早已不是写一个对话助手出来就可以了的市场需求，大量的复杂任务、协作链路以及Agentic AI化的趋势，都让「有好模型」远远不够，「用好模型」才是开发平台的核心竞争力。 Gartner在设计火山引擎的报告篇章里，特意点出了去年开源的强化学习框架veRL，在短短一年时间里就变成了全球产业界和学术界最受欢迎的技术路线之一，「集成到火山方舟后，支持通过低代码的工作流来为客户提供先进的强化学习能力。」 除此之外，火山方舟推出的PromptPilot、Responses API、Viking记忆库等产品都在为开发者「上强度」，可以最大限度的发挥模型潜能，同时并不需要承担过高的适应成本。 工欲善其事，必先利其器，事与器都齐全了，才好全力以赴，火山引擎杀出重围领跑「挑战者」象限的秘诀，就在这里。 如果说大模型带领开发者脱离了手搓代码的过去，那么大模型开发平台就是在让开发者送上一个独立管理整座软件工厂的未来。 在2025年Gartner的调查统计里，高达73%的受访团队表示更愿意把工作环境配置到MaaS平台而非单一AI工具里，毕竟在一个智能体已经学会自主调用工具、跨系统合作的时代，没有企业愿意用生产稳定性去赌一个GitHub星标的活跃度。 再者，时至今日的AI开发流程已经已经超出了单个模型所能掌控的范围，就像OpenAI带着GPT-5孤零零的坐在「远见者」象限，正是整个行业最诚实的写照： 拥有最前沿的模型，不等于拥有企业级交付能力，用户既要一个外挂的大脑，还要一套能为大脑提供指挥躯体行动支持的神经系统。 所以火山引擎才会以如此快的速度坐上全球领先、中国第一的交椅，根据IDC的报告显示，今年上半年，火山引擎占到了中国公有云几乎一半的市场份额，每两个Tokens中就有一个是由火山引擎吞吐的。 卡（算力）、钱（采购）、人（客户）都在流入，还是在今年上半年，中国MaaS市场的同比增速达到421.2%，虽然存在基数较低的影响，但如此猛烈的爆发性，仍然在为AI产品的商业化供给丰沛可见的燃料。 近一年来，MCP和A2A协议的推出标志着大模型行业也提前进入了互联互通时代，协议的本质是权力的让渡——供应商必须放弃封闭生态的幻想，承认客户不会把所有鸡蛋放在一个篮子里。 就像Google捐出A2A，表面上是开源精神，实际上是战略阳谋——当智能体可以跨平台协作，拥有最丰富工具链和操作系统的玩家自然成为事实标准，生态位的竞争先于技术路线的分歧。 在Gartner的预测里，未来的平台格局还会进一步分化： 「领导者」继续堆砌全栈能力，用规模换取持续创新；「挑战者」必须把场景打穿打透，用深度对抗广度；「远见者」需要证明商业化能力，把技术领先转化为市场份额；「细分者」要么被收购，要么在垂直领域活成隐形冠军。 无论如何，技术的浪潮不会停止，但商业的本质不变：为企业创造可衡量、可持续、可控制的价值，那些能在创新与成本之间找到平衡的玩家，才会是最后的赢家。

智东西 作者 | 李水青 编辑 | 心缘 智东西11月22日杭州报道，今日，中国云谷AI+产业生态创新空间和“魔搭社区”（杭州）开发者中心正式启用。杭州市“AI开源政策包”和杭州市AI场景开放示范“两张清单”在现场发布，新政策推出了“单家企业每年最高补助1000万元”等多项支持。 一系列举措标志着杭州在AI开源生态领域再下一城。尤其是“AI开源政策包”和“两张清单”，对广大AI创业者和开发者来说，如同提供了一份“真金白银的创业护航计划”，以及一张攻略详细的“场景寻宝图”。 首先来看由杭州市经信局发布的杭州市“AI开源政策包”，分为市级政策和区级政策两大部分。 （杭州）市级政策主要内容如下： 1、推动优质开源项目纳入杭州创新产业目录、首版次软件目录。 2、鼓励软件企业面向操作系统、数据库、云计算、大数据、AI、区块链等领域发布基础性、前瞻性的自主技术开源项目，对在开放原子开源基金会托管的孵化期开源项目，给予一次性100万元奖励。 3、每年遴选优秀开源项目和基于开源项目开发的优质原创软件产品给予最高50万元奖励。 4、对模型下载量靠前、模型性能排名持续领先、社区贡献度高的开发企业，按照贡献模型、算子等不同类别，给予最高100万元分档奖励。 5、鼓励政府、国企、事业单位优先使用基于开源大模型的AI解决方案。 7、每年安排一定额度智能券和算力券，支持魔搭社区面向开发者提供免费算力。 8、支持魔搭社区（杭州）开发者中心创建AI产业生态创新空间，最高可获得200万元支持。 9、支持建设开源社区等产业生态的共性平台，按年度对外投入收入的情况给予最高200万元支持。 （西湖）区级政策主要内容如下： 1、对入驻企业办公用房租赁和装修费用给予最高400万元补贴。 2、对有成长性且达到规模以上的AI企业进行阶梯式补助，最高500万元。 3、经省级及以上部门认定的AI领域公共技术服务平台给予每年最高500万元的资金支持。 4、对入驻园区的AI人才给予最高20万元补助。对园区内高层次人才创办的AI企业、平台，给予企业员工住房补贴名额。 5、对购买或租用智能算力服务开展大模型训练、推理、应用探索的企业，给予每家企业每年最高1000万元的支持。 6、对园区内企业进入国内有关重点开源社区版本代码贡献排名前列的，给予最高500万元奖励。 不仅“给资金”，还“给场景”。由杭州市发改委发布的新一批杭州AI+场景“两张清单”——292项场景机会清单和362项场景能力清单，覆盖了城市治理、社会民生、产业升级三大核心场景，充分体现了杭州“饭喂到嘴边”的营商风格。 场景机会清单为33页，覆盖292项机会场景，包括“湖滨步行街AI黑科技首发街区”、“隐患排查AI大模型”、“人防工程巡检机器人、智算中心巡检机器人”等覆盖各个区、各个行业的机会场景。 292项场景机会截图（部分截图） 完整场景机会清单地址： https://hzscene.cn/ai_opportunity_list.pdf 场景能力清单为47页，覆盖362项场景能力，包括“具身智能与AI配方生成打样流程”、“环境AI助手（EnvAI Assistant）—多源感知与智能管控平台”、“AI资金智能分析装备”、“Souleasy EDU 智慧教学助理”等。 362项场景能力清单（部分截图） 完整场景能力清单地址： https://hzscene.cn/ai_scene_ability_list.pdf 为促进“两张清单”有效转化为合作项目，杭州将构建两个对接机制：一是供需的高效对接，包括组织数贸会、云栖大会、“AI+”产业发展与场景开放对接大会等举措；二是要素精准对接，发挥“杭州E站平台”金融赋能作用对接“投、贷、补、担、保”的全生命周期金融服务。 会上正式启用的“魔搭社区”（杭州）开发者中心，是魔搭社区的首个线下实体空间，首期面积超过1万平方米，通过设置多功能场景，以及引入数据要素服务、应用场景对接、AI硬件开发、模型创新与服务、产品发布与用户验证、具身智能数据采集与训练、开源学习等8个公共服务平台，助开发者实现创意落地的全流程闭环。除了上述进展，共建AI教科人一体化发展高地合作签约同期完成，AI“百模大战”比赛也随之开启。 “魔搭社区”（杭州）开发者中心正式启用 “魔搭社区”（杭州）开发者中心的启用标志杭州在构建AI开源生态上迈出重要一步。阿里云智能集团研发副总裁、大数据和智能实验室负责人叶杰平在此次大会中谈道，魔搭社区秉承“模型即服务”（MaaS，Model as a Service）的理念，将AI模型变为直接可用的服务。 自2022年11月成立至今，魔搭社区汇聚了超12万个开源模型、5500+MCP服务和调试工具，服务了全球超2000万开发者，成为国内最大、全球第二的模型开源社区。经过三年多的发展，包括DeepSeek、腾讯、阶跃星辰、MiniMax、Kimi、上海人工智能实验室等推出的业界头部模型均在魔搭社区率先开源。 以开源生态建设为发展主线，杭州正加快打造具有全球竞争力和影响力的AI创新高地。今年6月，杭州市发布了《杭州市人民政府关于印发杭州市加快建设人工智能创新高地实施方案（2025年版）的通知》，提到到2025年底要实现“全市AI核心产业营业收入超3900亿元”、“全市投向AI的产业基金组建规模突破1000亿元”等目标，并提出了“最高补助5000万”的AI政策20条。（《年营收超3900亿！杭州发重磅AI政策20条：最高补助5000万》） 官方数据显示，2024年杭州市AI核心产业规模达3553亿，目前拥有AI规模以上核心产业企业767家，大模型50款；杭州培育的通义千问和DeepSeek两大基础模型综合性能长期位列全球第一阵营，通义千问衍生模型数量超18万个。