IT之家 6 月 27 日消息，The Information 刚刚报道称，微软下一代 Maia 人工智能芯片的发布时间已从 2025 年推迟到 2026 年。 2023 年 11 月，微软在 Microsoft Ignite 大会上发布了其首款自研人工智能芯片 —— Azure Maia 100 AI 芯片和 Cobalt 100 CPU 。 这两款高端定制芯片为其云基础设施、训练大语言模型特意设计。均由微软内部构建，并面向整个云服务器堆栈进行了深度改造以优化性能、功耗和成本。 其中，Maia 100 是微软首个定制的内部 AI 加速器系列的首款产品，以一颗明亮的蓝星命名，专为运行和优化云 AI 工作负载而设计。 在具体规格方面，Maia 100 采用台积电 5nm 制程，拥有 1050 亿个晶体管，只比 AMD MI300 AI GPU 芯片的 1530 亿晶体管少了约 30％。Maia 100 首次支持实现 8-bit 以下的数据类型（IT之家注：MX 数据类型），以便共同设计软硬件。这有助于支持更快的模型训练和推理时间。

凤凰网科技讯 6月27日，针对网传小米总监冯XX大瓜的传闻，小米集团公关部总经理王化发文回应表示，经核实该人曾于2016年9月入职小米食堂，岗位为切配（切菜），由于旷工原因同年11月被开除，其短暂的工作时间内从未担任小米公司任何总监职位。 此前网络传播大量关于小米总监冯XX的大瓜内容，自媒体“麦杰逊”调查称这位冯总监，疑似刚开了一家MCN公司，主要业务就是制造流量，制造热点，制造大众都喜欢看的各种故事，各种瓜……不排除火了后，跳出来拍视频、开直播的可能。

凤凰网科技讯 6月27日，京东黑板报公开发布京东外卖政企服务新突破：覆盖重点企业数量超15000家。 文中提到，自3月1日正式上线以来，京东外卖日订单量已突破 2500 万单，行研报告显示京东占据全国外卖市场超31%份额，业务覆盖全国 350 个城市，超 150 万家品质餐饮门店入驻。 在政企服务板块，京东外卖已与众多行业头部企业在品质工作餐、节日福利、会务茶歇、市场营销、社会责任等领域展开合作，覆盖重点企业数量超 15000 家，涉及能源、金融、交通工建、制造、运营商、消费品及互联网等多个行业领域。 数据显示，与京东接洽外卖业务的企业用户中，近70%在1个月内进入实质性合作阶段。6月以来，京东政企用餐解决方案的周平均合作量较5月环比提升 10 倍。 据港交所公告，京东物流于6月24日开始招募全职骑手，参与京东外卖的配送服务。

《新智核》独家获悉，字节旗下Seed团队将招募多个机器人相关业务的一号位，包括机器人产品负责人、机器人工程技术负责人，以及具身智能大模型负责人。这一系列动作表明，Seed在机器人及具身智能领域加速布局的决心。 其中，机器人产品负责人将主导产品团队建设与管理，构建高效跨部门合作机制，确保产品从概念落地，到市场应用的全流程顺畅推进；机器人工程技术负责人肩负着搭建机器人侧工程体系的重任，为产品研发提供坚实的技术支撑；具身智能大模型负责人则聚焦于核心算法研发，涵盖多模态感知、强化学习策略优化、世界模型构建等关键方向，推动模型在机器人场景的深度应用。 值得注意的是，字节跳动机器人团队负责人孔涛已于今年6月初离职，此次Seed团队多个关键岗位的招募，或与团队架构调整及业务战略转变有关。 事实上，在机器人领域的密集动作只是Seed多元业务版图的一环。自2023年成立后，Seed早已涵盖LLM、语音、视觉、世界模型、基础架构等多个领域的研究，并招募了包括前任Google DeepMind研究副总裁、Google Fellow吴永辉在内的多位技术大牛。 字节创始人张一鸣也对Seed极度关注。据澎湃新闻报道，字节跳动创始人张一鸣一直高度关注AI业务，频繁往返于北京和新加坡。自去年下半年起，他定期参与Seed核心技术团队的复盘和讨论会。 这支集结行业顶尖力量的核心团队，会成为字节在AI多元业务版图扩张的关键支柱吗？ Seed扛起字节AI半壁江山 字节跳动Seed团队成立于2023年，团队研究方向涵盖LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代AI交互等。Seed团队目前负责人为吴永辉和朱文佳。吴永辉主要负责AI基础研究探索工作，偏基础研究，朱文佳主要负责模型应用相关的工作，偏模型应用，两人都向字节CEO梁汝波汇报。 目前，在技术落地方面，Seed正成为字节AI业务的技术底座，其研发的豆包大模型已支持豆包、扣子、即梦等超过50多个应用场景。 相比于字节其他部门团队，Seed或许是当下字节最愿意砸钱、最愿意投入人才、技术资源的部门。 人才资源方面，对比字节其他业务，Seed可以说是毫不吝啬地进行投入。在各大招聘平台上接连推出百万年薪岗位、以及专项Top Seed人才计划与“筋斗云”人才计划。 在今年3月的字节大模型全员会上，吴永辉提到他加入字节的原因，是想做第一流的研究，也想打造出第一流的AI研究团队。 他表示，希望Seed成为一个能培养人才的组织，“我们希望把世界上最好的人才吸引到Seed来。但更重要的是，我们要把内部人才用好，把我们的潜力股识别出来，给他们足够的机会，培养成顶级的人才。” 朱文佳也表示，过去两年，大模型团队的很多应届生、实习生和年轻同学，或者独立负责重要的方向，或成为技术突破的关键贡献者，成长非常快。 《新智核》还独家了解到，在国内，Seed团队主要集中在北京、上海、深圳、杭州等地办公，2024年人数已超200人，2025年正式员工人数或超300人。 Seed还拥有独立的公司架构。《新智核》了解到，字节在2024年4月于香港专门为Seed成立了Spring Insight (HK) Limited，全资控股有北京青阳智维科技有限公司、北京青阳智汇科技有限公司、北京青阳智创科技有限公司、上海青阳智维互联网科技有限公司、杭州和景智维互联网科技有限公司、深圳青阳智维科技有限公司等6家公司。这些公司具体的研究业务包括视频模型Seedance 1.0、AIGC图像创作平台炉米，还有智能耳机等。 为了加速整合内部AI研发力量，自2023年下半年以来，字节AI Lab（字节最早的AI研究部门）的NLP（自然语言处理）和Pixel Dance（视频生成团队）陆续并入Seed。今年4月，AI Lab已全部并入Seed。 Seed团队在今年年初，明确了其接下来最重要的目标是寻找通用智能的新方法，追求智能上限。在今年3月18日召开的字节跳动豆包大模型部门（Seed）全员会上，吴永辉和朱文佳明确表示，将围绕此前公布的AGI研究计划“Seed Edge”展开，高层鼓励有能力、有想法的同学，探索更长周期的、具有不确定性和大胆的AI研究课题。 在“Seed Edge”计划的战略框架下，Seed下辖的团队小组对长期研究的支持机制已逐步落地。 Seed Infra团队成员Bill告诉《新智核》，“我们团队工作属性更侧重研究导向，项目实施周期普遍较长，需要通过持续实验开展与结论归纳推进工作。基于这一特性，团队在管理中注重构建相对宽松的工作氛围，以保障成员能够将精力集中于研究事务。” “大力出奇迹”后来居上？ 从时间线来看，Seed在大模型赛道的起步相对滞后。 作为字节的AI核心部门，虽然Seed投入巨大、雄心勃勃，但它2023年才成立、2024年步入正轨的团队，2025年年初随着吴永辉的加入，以及多部门合并到Seed，Seed才正式开始挑起字节AI技术研发的大梁。 在今年2月的字节全员会上，梁汝波就曾表示，与创业公司相比，字节跳动在对待大模型新机会时的敏感度明显不足。业内做得比较好的大模型创业公司，在2018年至2021年就已经创立并开始布局相关领域，而字节公司层面的半年度技术回顾直到2023年才开始讨论GPT等前沿技术，这种迟钝的反应速度使字节跳动在市场竞争中处于不利地位。 头部互联网大厂对比来看，阿里与百度在AI领域的布局可谓快人一步，在部分领域已凸显领先地位。 譬如，阿里在AI领域早已动作频频。2025财年年报显示，阿里将AI视为业务增长的核心驱动力，全力投入AI基础设施和技术先进性建设。过去一个财年，阿里推动大模型基础研究和创新，还扩大开源。 4月发布的通义Qwen3模型在全球多个权威评测榜单中性能领先，截至4月底，阿里通义已开源200余款模型，衍生模型数量超过10万个，成为全球最大的开源模型家族。在资金资源投入方面，阿里也丝毫不逊，在2月宣布未来三年将投入超过3800亿元用于建设云和AI硬件基础设施。 百度在大模型领域同样发力甚早，2013年成立深度学习研究院，专注于自然语言处理、计算机视觉等前沿领域研究。 2017年明确提出“All in AI”战略，这一战略调整加速了技术整合，例如，将自动驾驶、搜索等业务与AI深度结合，为后续大模型应用落地埋下伏笔。2019年3月，百度率先发布文心大模型1.0，抢占技术高地；2024年，其无人驾驶车业务“萝卜快跑” 更是火爆出圈，成为其AI技术落地的行业标杆。 字节入局相对较晚，“但是在科技竞争的赛道上，晚出发并不意味着注定落后”，一位字节AI产品经理告诉《新智核》。 “一鸣（张一鸣）的关注，对我们来说是一个很大的动力”，一位在Seed团队从事大模型研究的工程师对《新智核》表示，“听其他同学说，一鸣不是简单的听听汇报，而是会深入到技术细节进行讨论。这让我们组在汇报工作时做出了变化，要直击问题，更加扁平化。” 而在火山引擎春季FORCE原动力大会上，字节跳动CEO梁汝波通过视频发言表示，AI发展还在很早期，只是马拉松的前500米。 在AI技术迭代日新月异、市场格局未定的当下，作为技术基座的Seed至关重要。对于笃信“大力出奇迹”的字节而言，Seed能否凭借字节的庞大资源与独特策略，打破“晚集”困局后来居上，值得外界关注。 作者：陈桥辉，36氪经授权发布。

Futurism 报道，通常被视作达到或超越人类智能的 AI 模型，尽管其定义尚未统一，但却是人工智能领域的终极目标之一。OpenAI 将其定义为 “高度自主的系统，在最具经济价值的工作中胜过人类”。OpenAI 首席执行官山姆・奥特曼（Sam Altman）是 AGI 的坚定支持者，他认为 OpenAI 即将能够宣布其 AI 产品已达到 AGI 熟练程度。 然而，微软对此却持有不同看法。微软首席执行官萨蒂亚・纳德拉（Satya Nadella）对 OpenAI 能否实现 AGI 持怀疑态度，他曾在 2 月份的一个科技播客上称 “我们自称某个 AGI 里程碑，这只是荒谬的基准黑客攻击”。这一言论与他此前被奥特曼描述为 “AGI 信徒” 的形象大相径庭，也震惊了一些 OpenAI 官员。 这种分歧不仅仅停留在学术层面，更对双方的合作合同产生了关键影响。根据 2019 年微软对 OpenAI 的投资协议，一旦 OpenAI 系统被判定达到 AGI 水平，OpenAI 有权限制微软获取其后续技术成果。这意味着，若 OpenAI 宣布实现 AGI，微软将失去对 OpenAI 未来产品的访问权，这对于深度依赖 OpenAI 技术的微软来说，无疑是一个 “交易破坏者”。 利益之争：合同条款引发的博弈 微软对 OpenAI 的投资已超过 130 亿美元，并为其提供了训练和运行 AI 模型的硬件。作为回报，微软拥有 OpenAI 技术的独家使用权，旗下许多产品如 Microsoft 365 Copilot 都嵌入了 OpenAI 的技术与模型，这让微软在 AI 搜索等领域保持了一定优势。 但随着 OpenAI 在 AI 领域的不断发展，尤其是其在多模态 AI、推理能力与自主进化技术上的突破，微软开始担忧 OpenAI 会恶意宣布达成 AGI，以终止微软的技术访问权，从而使自己失去对 OpenAI 下一代技术（如 GPT-5、GPT-6）的优先使用权。因此，微软希望修改合同条款，删除 AGI 相关的 “中断技术访问权” 条款，或至少将 AGI 判定权交由第三方机构，如美国国家标准与技术研究院（NIST）或电气与电子工程师协会（IEEE）。 然而，OpenAI 拒绝了微软的要求。OpenAI 倾向于采用 “功能主义” 定义，即以系统实际能力（如通过图灵测试变体、解决复杂科学问题）作为 AGI 判定依据，担心第三方机构判定会损害其技术机密。目前，双方在这一问题上的谈判已陷入僵局。 其他矛盾：合作关系雪上加霜 除了 AGI 相关的分歧，OpenAI 与微软之间还存在其他矛盾点，这些问题让双方的合作关系更加复杂。 在产品竞争方面，OpenAI 的 ChatGPT 正不断蚕食微软 Copilot 在企业办公助手中的份额。微软销售人员透露，在推广 Copilot 时，难以向客户清晰解释其与 ChatGPT 的差异，因为两款产品核心都基于 OpenAI 的模型。许多公司的员工更倾向于使用 ChatGPT，如制药巨头安进曾为员工购买微软 Copilot，但仅一年后就更换为 ChatGPT，原因是后者的功能和体验更优。 此外，OpenAI 收购的编码初创公司 Windsurf 与微软的产品存在竞争关系，微软希望获得相关权利，但遭到 OpenAI 拒绝。同时，OpenAI 正在研发一款集文档协作与即时通讯功能于一体的办公套件，该套件可与谷歌 Workspace 和微软 Office 相匹敌，这无疑会进一步加剧双方在办公软件领域的竞争。 在公司重组与股权方面，OpenAI 正试图转型为营利性公益公司，微软作为其最大外部股东，拥有重组批准权。微软要求在 OpenAI 获得更大的股份，据报道，在最近的谈判之后，它可能会接受 35% 的所有权。而 OpenAI 则希望微软放弃对其所有未来利润的权利，以换取新公司 33% 的股份。双方在股权和收益分成等方面的洽谈仍未达成一致。 寻求破局：双方的压力与抉择 对于微软而言，保留对 OpenAI 技术的访问权限至关重要，这关系到其在 AI 竞赛中的地位。根据当前合同，微软目前被限制自行开发 AGI，该合同将持续到 2030 年，若失去 OpenAI 技术支持，微软可能面临技术代差、战略被动等风险。因此，微软一方面希望通过谈判修改合同条款，保障自身权益；另一方面，也在加速自研 AI 模型，试图减少对 OpenAI 的依赖。 OpenAI 同样面临巨大压力。若无法完成重组为营利性机构，它可能会失去高达 200 亿美元的资金。为了摆脱对微软的过度依赖，OpenAI 已开始寻求其他硬件合作伙伴，与甲骨文达成协议，由甲骨文购买价值 400 亿美元的 Nvidia AI 芯片为其新数据中心提供动力，还与谷歌谈判以获得计算能力。同时，有报道称 OpenAI 正在考虑对微软提起反垄断诉讼，以此作为 “核选项”，迫使微软在谈判中做出让步。 尽管双方矛盾重重，但在一份发给路透社的联合声明中，OpenAI 与微软表示，“我们有着长期且富有成效的合作关系，为大众带来了出色的 AI 工具。谈判仍在进行中，我们乐观地认为未来数年我们将继续携手合作”。然而，市场仍在观望，双方能否达成妥协，未来是继续深化合作，还是分道扬镳各自发展，将直接影响全球人工智能产业的格局，也备受业界和投资者关注。 总之，OpenAI 与微软之间围绕 AGI 的争论，本质上是商业利益与技术控制权的博弈。在人工智能快速发展的背景下，双方如何平衡各自利益，找到合作的新平衡点，将是决定其未来发展走向的关键，也将为整个 AI 行业的发展带来深远影响。

凤凰网科技讯 6月27日，奔图扛打再破纪录暨2025年天津夏季达沃斯会议服务用机发布，奔图扛打新品实现单机连续打印40万页且卡纸率低于0.02‰，该设备将成为2025年天津夏季达沃斯论坛官方服务机型。 据技术参数显示，新品通过陶瓷低温加热、多辊协同给纸等40余项优化降低故障率，软件端新增PC批量打印及网页免插件功能，兼容超20种操作系统。 会后，凤凰网科技等媒体对奔图电子负责人王玉国、奔图电子研发中心常务副总经理彭继兵进行采访。对于实现40万页连续打印的技术难点，王玉国表示：奔图系统性攻克了拾纸打滑、传输卡顿、双面打印故障及长期磨损四大瓶颈。通过三辊给纸技术协同材料选型与测试方案优化，将卡纸率压缩至0.02‰。 在提到AI与传统打印机的融合方向时，王玉国透露：“正在规划AI智能一体机，用户可通过语音指令如‘打印糖醋排骨菜单’创造全新需求。”彭继兵补充道，AI将从浅层功能（无感安装）向深度交互演进，结合芯片与云端打造打印机智能体。 对于奔图打印机核心部件国产化进展，王玉国强调，CPU、激光头等关键部件必须自研自产，因国际厂商实施技术封锁与专利壁垒。彭继兵指出：“珠三角供应链仅解决通用件，奔图已带动国内厂商攻克定制零部件，实现产业链升级。” 此外，近年来无纸化冲击打印市场，奔图如何突破无纸化推广而产生的影响？王玉国回应道，全球打印量并未断崖下跌，手机操作反而增加使用繁琐性。教育、办公场景仍以纸质为主，趋势转变不会过快。”彭继兵称：“无纸化催生数据管理新需求，奔图将提供数字化归档等智能解决方案。” 在提到操作系统兼容性难题时，彭继兵坦言，适配需重构软硬件体系。例如WPS采用点阵渲染指令（非标准字符），导致打印效率低下。奔图主动修改底层驱动解决问题。”王玉国透露：“正联合鸿蒙制定标准化打印接口，终结碎片化适配困局。” 对于全球打印机销量下滑的挑战，王玉国也提出了破局思路：“中国家用打印机渗透率仅8-9%（欧美47%），存在巨大空间；同时通过AI创造如智能菜谱等新场景扩大需求。”彭继兵补充：“以‘降本增效+智能化’争夺存量市场，海外营收占比已达40%。”

凤凰网科技讯 6月27日，腾讯公开发布混元大模型家族迎来新成员——混元-A13B模型，并宣布全面开源。 据官方消息称，混元-A13B模型极端条件下仅需1张中低端GPU卡即可部署。 在数学推理的实验中，模型准确完成小数比较，并展现分步解析能力，深度思考用时3秒。 混元-A13B模型在技术上也做出了创新。在预训练中，模型用了20万亿高质量网络词元语料库，并完善了MoE 架构的 Scaling Law （即规模定律）理论体系，为 MoE 架构设计提供了可量化的工程化指导。 混元还开源了两个新数据集，以填补行业内相关评估标准的空白。其中，ArtifactsBench主要用于代码评估，构建了一个包含 1825个任务的新基准；C3-Bench针对Agent场景模型评估，设计了1024条测试数据，以发现模型能力的不足。 目前模型API已在腾讯云官网上线。

6月26日，“正和岛2025案例共学年会暨AI+先行者创新大集”在合肥举办，本次大会以“向新力”为主题，千余位企业家共同探讨AI时代下的组织变革与商业格局。 大会现场，360集团创始人周鸿祎以AI数字人形式带来了《智能体的发展趋势与实践路径》的主题分享。 在分享中，他结合时代变革， 系统分析了当下AI“智能体”的发展趋势、潜在机会以及未来可能出现的商业形式，并为企业与个人带来了与AI共舞的具体建议。 以下是周鸿祎在正和岛案例共学年会上的分享。 口 述：周鸿祎 360集团创始人 来 源：正和岛 大家好！我是360集团创始人周鸿祎的数字分身。 每一次产业升级，都离不开对技术的深度探索与应用。在当下的AI时代，这种探索更显得迫切与重要。作为技术先行先试的前沿力量，广大企业始终关注AI在实际业务中的应用落地可能，以及落地过程中面临的挑战。 接下来，我将围绕企业AI应用落地的机遇与挑战分享一些思考，希望能为大家带来启发。 中国具备全球最完整的产业链与最丰富的工业场景，这为AI技术的深度应用创造了得天独厚的条件，促使众多企业积极拥抱AI与大模型，推进AI化转型。 然而现实中，不少企业引入 DeepSeek等大模型后，尽管模型功能十分强大，却只能作为聊天机器人使用，这是因为这些大模型不懂业务，不能直接下地干活。 这背后反映出大模型存在两个关键短板： 一是比较"偏科"，虽然能思考、能生成、能规划、能指挥，却没有“手”和“脚”，不具备使用工具和处理复杂任务的能力； 二是缺乏长期记忆能力，每次只能处理单一任务，无法自主处理多步骤复杂流程。 而智能体的出现，恰好弥补了这些不足。 智能体能够全流程执行复杂任务，遇到困难时可以自动调用各种工具，完成从流程规划、任务分解到执行的完整闭环。这种能力的获得，标志着AI从被动响应转向主动执行，从单点突破转向系统性解决方案。大模型和智能体不是互相取代的关系，而是必须结合起来才能真正发挥作用。 2025年，AI发展进入“下半场”，智能体将成为推动产业变革的核心力量，可以说，AI的应用也就等同于智能体。 从应用实践来看，智能体正在重塑企业的运行模式： 智能体最初作为辅助员工解决问题的工具，从实现单个工作节点的优化与改进，逐步发展为取代部分岗位职能，变成“数字员工”或“硅基员工”；人类员工则转变为智能体的教练、导师、管理者和协调者，主要负责目标设定与价值观判断，把控整体方向。 随着智能体技术的发展，未来应用软件和网站都将成为智能体执行任务的工具，形成“员工操作智能体，智能体调用软件、访问网站”的全新工作模式。届时，一名人类员工带领上百个智能体协同工作将成为常态，员工的工作效能呈指数级增长，从而演变为“超级个体”。 而当企业内每名员工都能有效管理大量智能体时，企业的实际运营规模也随之扩大，进而升级为“超级公司”。在此背景下，智能体的运营比例与硅基员工的占比，也将成为衡量企业AI化水平的关键指标。 从另一个角度来看，尽管前景广阔，但企业在推进AI应用落地时仍然需要应对诸多挑战。 首先，企业要正确认识AI的能力，既不要低估AI的潜力，也不要高估AI的能力。 不要追求用一个大模型或智能体解决所有问题，而要用垂直模型和专业智能体解决专业问题。通过分阶段实施，小切口、大纵深，从简单的智能体开始做起，逐步实现从单点优化到流程再造的跨越。 特别需要强调的是：AI转型必须以一线业务人员为主导，让“听得见炮声的人”做决策。此外，AI并不能代替IT系统，而是需要以现有信息化架构为基础，数据作为AI的燃料，企业信息化程度越高，AI转型的成功率也就越高。 第二，很多企业，特别是传统企业面临人员AI能力参差不齐的情况。要顺利推进AI转型，需要培养企业全员的“AI素养”，提升企业“含AI量”。 一方面，要通过培训、实操等方式推动全员用AI、懂AI，尤其要优先提升业务人员的AI应用能力； 另一方面，要建立“用中学、干中学”的长效机制，员工在实践中使用AI越多，越知道哪些流程适合用AI优化，哪些不适合，从而精准把握AI的上限和下限。使用AI并不是人类与生俱来的天性，因此企业可以建立一些AI的考核机制，使员工强化养成使用习惯。 这里推荐使用360纳米AI企业版，可以帮助员工在实践中提高AI能力，掌握智能体搭建与调用技巧，实现AI素养的全面提升。 第三是确定AI在企业中的应用场景。AI与业务场景深度融合才能发挥能力。在场景选择上，首先要寻找业务中的卡点、堵点、难点、痛点，优先选取企业中无法实现自动化、必须依赖人工操作、流程繁琐、链条长、成本高的场景。 随后判断流程中的卡点与堵点能否通过大模型与智能体解决，以及现有业务系统是否具备数据与知识沉淀基础，最终以实现“效率提升十倍、体验优化十倍、成本降低十倍、人力缩减十倍”为目标，确定AI的具体切入环节。 值得一提的是，为了加快推动AI在企业领域的应用落地，进一步赋能千行百业，360面向企业推出超级企业智能体构建运营平台（SEABOT）。 360的SEABOT超级企业智能体搭建运营平台可以可以根据不同行业、不同规模的企业在业务流程、管理模式上的特点，对企业内部的算力网络、基座模型、运行环境等进行一体化管控，实现从智能体构建、运营到安全保障的全生命周期管理。 当企业AI转型的一切条件都具备时，还有一项一定不能忽视的问题，那就是AI安全问题。 除了系统漏洞、数据泄露、供应链攻击等传统安全问题之外，AI大模型还面临内容安全、幻觉、提示注入攻击等新型安全问题。特别是当大模型结合智能体，具备了操作企业生产控制及IT等系统的能力时，一旦智能体失控，可能导致业务中断、生产线停摆等问题，使安全风险进一步加剧。 这些新的安全问题，无法依靠传统的安全手段解决，为此，360提出“以模制模”新解法，用大模型卫士一体化解决大模型漏洞、生成错误内容、幻觉引发的胡说八道，以及智能体行为失控等问题，确保AI技术在企业应用落地的安全、向善、可信和可控。 当前，我们站在AI技术与产业融合的关键节点，企业AI转型本质是“技术适配业务”的系统工程：从能力认知到人员培养，从场景落地到安全防护，每个环节都要以务实态度精准施策。 当智能体真正成为业务流程的有机组成，当数据与算法持续驱动效率变革，我们终将见证中国企业在AI时代实现转型，获得突破。 最后，预祝此次大会圆满成功，谢谢大家！

IT之家 6 月 27 日消息，埃隆・马斯克今日官宣，将于 7 月 4 日后发布 Grok 4。 马斯克透露，Grok 4 将构建一个专门的编程模型，其余信息暂未公布。 IT之家注意到，马斯克曾多次预热 Grok 3.5，并表示考虑将其命名为 Grok 4，如今来看确定命名为 Grok 4 了。 马斯克曾在 4 月底表示，Grok 3.5（Grok 4）是第一个能够准确回答有关火箭发动机或电化学技术问题的人工智能。马斯克称，Grok 能够从第一原理推理并得出互联网上根本不存在的答案。 马斯克还称，这一具备高级推理能力的人工智能模型，对人类现有的全部知识库进行重写。他计划在这一过程中填补缺失的信息，并删除错误内容。

IT之家 6 月 27 日消息，自己呕心沥血创作的画作，被陌生人放到 AI 工具中，改几笔颜色，调一下背景，竟然成了他人网店里热卖的拼图？ 据“京法网事”微信公众号今日发文，北京通州法院审理并宣判了北京首例利用人工智能生成模型侵犯著作权刑事案件。 据介绍，罗某等四名被告人用 AI 技术钻法律的空子，通过对原创作品进行“微调”，“掩耳盗铃”卖出了数千件“变装”拼图，获利 27 万余元，最终受到法律的制裁。IT之家附原文如下： 案情简介 2024 年 3 月至 7 月间，姚某在罗某的指导下，指使 AI 画师利用 AI 制图工具，非法复制他人享有著作权的美术作品，为了规避侵权风险，姚某耍了个“小聪明”：要求 AI 画师对原图仅做细节上的细微修改，如调整局部颜色、线条或背景等，但刻意保留原作品最核心、最具独创性的关键表达元素。姚某和罗某二人错误地认为，只要图片不是 100% 复制，做了些许改动，就不算侵权，企图以此钻法律的“空子”。 生成这些“高度相似”的图片后，罗某组织其实际控制的某电子商务公司，利用这些经人工智能软件“微调”的图片，大量生产制作拼图产品，供姚某等人销售。短短数月内，姚某与李某、王某合伙经营电商店铺售出侵权拼图超过 3000 件，非法获利人民币 27 万余元。 2024 年 5 月，插画师张某发现自己的原创作品被“改头换面”制成拼图销售，愤而报案。北京市公安局通州分局迅速立案侦查。2024 年 7 月 1 日，警方将姚某、王某、李某抓获归案。同年 7 月 3 日，罗某主动投案自首。四名被告人到案后均如实供述，并主动退缴违法所得。公安机关依法扣押了涉案手机、电脑、拼图等物证，并冻结了姚某的相关银行账户。案发后，罗某赔偿被害人张某经济损失人民币 15 万元；四名被告人的亲属代为退缴违法所得共计人民币 18 万余元。 法院审理 通州法院于 2025 年 5 月 22 日公开开庭审理某电子商务公司、罗某、姚某、李某、王某侵犯著作权一案，庭审过程中被告单位诉讼代表人、各被告人详细陈述案发经过，表示认罪认罚，并当庭向被害人道歉。 根据被告单位及各被告人犯罪的事实、性质、情节及对于社会的危害程度，依照《中华人民共和国刑法》等相关法律、司法解释，判决结果如下：被告单位某电子商务公司犯侵犯著作权罪，判处罚金人民币十万元；被告人罗某犯侵犯著作权罪，判处有期徒刑一年六个月，并处罚金人民币六万元；被告人姚某犯侵犯著作权罪，判处有期徒刑一年六个月，并处罚金人民币六万元；被告人李某犯侵犯著作权罪，判处有期徒刑十个月，缓刑一年，并处罚金人民币二万五千元；被告人王某犯侵犯著作权罪，判处有期徒刑十个月，缓刑一年，并处罚金人民币二万五千元；涉案财物及退缴在案的违法所得，依法予以没收。 宣判后，被告单位与四名被告人均未上诉。

IT之家 6 月 27 日消息，人们通过 AI 聊天机器人寻求情感支持，甚至发展成关系的报道层出不穷，当然，这并非代表此类行为已成常态。据外媒 TechCrunch 今日报道，Anthropic 最新发布的报告显示，现实远非如此：用户向 Claude 寻求陪伴或情绪安慰的情况极为少见，仅占全部对话的 2.9%。 Anthropic 在报告中特别指出，涉及陪伴和角色扮演的内容加起来甚至还不到 0.5%。 这项研究旨在了解用户如何进行“情感性对话”，即向 Claude 寻求人生指导、心理咨询、情感陪伴、角色互动或恋爱建议等个人交流。Anthropic 分析了 Claude 免费版和专业版上的 450 万条对话后发现，大多数用户还是将它用于工作相关任务，尤其是内容创作方面。 IT之家从数据中获悉，不少用户会向 Claude 询问有关心理健康、成长规划、人际沟通等方面的建议，侧重在自我提升和情绪管理。 当用户遭遇如孤独、情绪低落或现实中难以建立情感联系的情况时，原本只是寻求建议的对话，有时会演变为寻找陪伴。 Anthropic 指出：“我们观察到，较长时间的交流中，那些起初以咨询或教练为目的的对话，偶尔也会转向情感陪伴，尽管这并非用户的最初动机。”不过，报告也强调，这类超过 50 条人类消息的长对话并不常见。 报告还提到，除非涉及安全限制，比如用户要求其提供危险建议或涉及自残倾向，Claude 通常不会拒绝请求。Anthropic 表示，在用户寻求教练与建议的过程中，对话氛围往往会逐渐趋于正向。

上周，我妈又忧心忡忡地给我转来一篇名为「震惊！这三种蔬菜竟是致癌元凶」的文章，还附带一句：「儿子，咱家常吃的这个，以后可别买了！」 我点开一看，又是那种熟悉的自媒体配方，内容漏洞百出，但标题耸人听闻。 这已经不是第一次了，相信很多「相亲相爱一家人群」里，总有那么几个亲戚热衷于转发各种真假难辨的「养生秘笈」。 说实话，我能理解他们的焦虑。人到了一定年纪，对健康问题格外上心。但问题是，现在网上的健康科普太乱了，各种说法互相矛盾，别说长辈，连我们自己都分不清哪个是真哪个是假 。每天有超 2 亿人次在互联网搜索医疗健康问题，但网络信息真假难辨、广告植入鱼龙混杂，干扰判断 。 这种信息过载带来的，是无尽的焦虑和不安全感。我甚至动过念头，干脆把那个最爱转发的亲戚给「屏蔽」了。 昨天，蚂蚁发布了新的 AI 健康应用「AQ」，这是之前支付宝上的「AI 健康管家」的升级版，除了在各大应用商店下载（iOS 还未上线），也能直接在支付宝里体验。 体验了一番后，我发现它不只是建立在健康知识库上的聊天机器人，背后有点真东西。 一个随身的「AI 医生」，靠不靠谱 我起初是半信半疑的。毕竟，市面上打着「AI 健康」旗号的应用，很多都停留在简单的问答层面，甚至在专业问题上会出现「AI 幻觉」，一本正经地胡说八道。 但当我把妈妈的疑问——「听说吃 XX 蔬菜会致癌，是真的吗？」输入 AQ 时，它的回答让我眼前一亮。它没有直接给出「是」或「否」，而是先引用了权威的医学资料进行辟谣，然后详细解释了这类谣言的来源，最后还给出了科学的饮食建议。更重要的是，它会专门把 RAG（检索增强生成）来源标注出来，这些来源都是医学知识中最新最顶尖的 。 这让我意识到，AQ 的底层逻辑和普通 AI 完全不同。它背后是蚂蚁医疗大模型，一个用超过万亿 tokens 专业医疗语料和千万级医疗知识图谱「喂」出来的大家伙 。在应用层面，蚂蚁医疗大模型在 AQ 产品应用中识别报告、药品、皮肤病等图像准确率达 90% 以上，包括对超过 100 多种复杂的、多页的医学检验检测报告进行识别和解读 。 最让我惊喜的是「名医 AI 分身」这个功能。名医的资源为什么稀缺？因为他们的经验、注意力和时间都是有限的。而 AI 分身，复制的正是他们最宝贵的「知识」和「经验」。 我妻子怀孕时，我们关注了妇产科专家段涛医生的抖音，他的科普内容帮我们解决了很多孕期的困惑。但我们知道，想让他本人看诊非常不容易。而在 AQ 上，我竟然看到了段涛医生的 AI 分身。 我试着咨询了一个关于孕期营养的问题，AI 分身不仅给出了专业的回答，它的问诊逻辑和语气，都像极了段涛医生本人。这并非简单的声音和形象授权，而是基于对医生大量结构化诊疗经验、科普文章和论文资料的深度学习，还会根据患者的问题给出更多问题，对症给出更准确的建议。比如，一个 AI 分身的诞生，需要「加训」超过 100 个小时的结构化诊疗数据和 5 万篇以上的专业资料。 更让我印象深刻的是毛洪京院长的 AI 分身。我爸长期有睡眠问题，以前想挂毛院长的号几乎是不可能的事情。现在通过 AI 分身，偏远山区两三万的用户都可以享受到这样的能力 。毛医生说过，过去平均每月只能接诊 600 名患者，现在通过「AI 分身」一天最多能服务超 11 万人次，服务范围也从省内拓展至全国 。 这种「AI+人」的模式确保了严谨性。医生本人及其团队会定期查看线上数据，如果发现 AI 的回答有问题，会持续进行优化和迭代。大模型需要学的是高频出现的病证、部分典型疑难杂症知识，这些案例必须是完整的，不能是断点零散的。过去，我们看病最大的痛点之一就是「挂号难」。面对复杂的科室和陌生的医生，常常不知道该选哪个，就像大海捞针。 我试着输入：「我最近总是胃不舒服，有点反酸，该挂哪个科？」AQ 在追问了几个关键症状后，直接为我推荐了消化内科，并列出了附近几家医院的专家和可预约时间。这种体验的背后，是 AI 强大的匹配能力，它甚至能根据你复杂的病历，推荐最适合处理相似病例的医生，而不仅仅是名气最大的那一个。 去年蚂蚁 AI 健康管家上线后，不到一年已经有 7000 万用户在用 。它可以连接全国超 5000 家医院、近百万医生、近 200 位名医 AI 分身来提供服务 。从简单科普咨询到复杂的诊后管理，甚至在需要时可以直接衔接挂号服务，形成了一个完整的服务闭环。 科技最大的善意，是让「相亲相爱一家人」不再焦虑 用了 AQ 几个月后，我发现它最打动我的，不是那些炫酷的技术参数，而是一些很细微的瞬间。 比如怀孕的妻子突然肚子隐隐作痛，我们不知道是普通的消化不良还是需要立即就医。以前遇到这种情况，要么硬着头皮挂急诊，要么在网上瞎搜一通，越看越害怕。 现在，我直接问了段涛医生的 AI 分身，它详细询问了疼痛的位置、性质和伴随症状，最后给出了专业的判断和建议。那种安心的感觉，就像身边真的有个 24 小时待命的专家朋友。 再比如住在三线小城市的长辈，以前想看个好点的睡眠科医生，得跑到省城排队挂号。现在他直接在手机上就能咨询毛洪京院长的 AI 分身，从睡眠问题到用药指导，应有尽有。 AI 分身肯定无法完全和真人一样，但在一些常见场景能达到专家本人 80% 的水平，但对大多数人已经足够了。 我想，这就是科技真正的温度。它没有颠覆什么，也没有取代什么，它只是悄悄地填补了那些让我们焦虑的空白。让那些原本遥不可及的医疗资源，真正走进了普通人的生活。 现在，当我看到家族群里再有人转发那些不靠谱的「养生秘笈」时，我会分享一些来自专家 AI 分身的科普内容。因为我知道，在这个信息爆炸的时代，最珍贵的不是更多的信息，而是更可信的陪伴。 或许，这就是 AI 时代该有的样子——不是让机器变得更像人，而是让技术变得更有人情味，要实实在在地解决我们生活中的每一个小问题，让那些我们最关心的人，能活得更安心、更健康。 这或许，就是对「相亲相爱一家人」这个群名，最好的诠释。

凤凰网科技讯 6月27日，荣耀官方预热荣耀手表5 Ultra功能，其中行业首发防猝筛查研究引发关注。 据官方消息，防猝筛查研究可识别潜在健康风险，24小时实时监测心率，45秒快速生成健康报告，更有久坐提醒、全天候血氧监测等健康功能。 据荣耀官方透露，荣耀手表5 Ultra采用八边形太空舷窗设计，拥有航天级钛合金机身、蓝宝石玻璃表镜。 新品将在7月2日“荣耀Magic V5暨AI终端生态发布会”上正式发布。

作者 | 中国AI算力大会 6月26日，一场干货爆棚的AI算力盛会，在北京灿烂盛夏中热烈召开。 以大模型、生成式AI为代表的新一轮人工智能浪潮的滚滚向前，催生出前所未有的AI算力需求，算力是数字经济时代的新质生产力，更是人工智能发展的基石。 2025年，以DeepSeek为代表的国产大模型强势突围，在全球引爆部署热潮和AI应用开发热潮，也给国内AI算力市场注入新的活力，推动AI推理算力需求暴涨，超大规模集群鳞次栉比，而需求的爆发也带来诸多挑战，酝酿新的行业变化。 为此，我们发起了一场聚焦前沿技术与产业趋势的夏日AI聚会——2025中国AI算力大会。 从国产AI算力的突围与崛起，到智算中心深层软硬件技术创新解决算力落地产业难题，近30位重量级嘉宾与会带来致辞、报告、演讲和对话，全方位解构DeepSeek引爆的AI算力变局，全场金句频频，各路大佬观点持续碰撞擦出火花，现场参会人数超过850人。 在会场外的展区，Alluxio、研惠通、惠普、白山云科技、中昊芯英、中科加禾、科华数据、行云集成电路等8家企业亮出了他们的最新技术和产品，展区人头攒动，交流热情氛围浓厚。 ▲展区 由智一科技旗下智猩猩与智东西共同发起主办、芯东西协办的首届AI算力大会，围绕AI算力产业变局与创新、AI推理算力、智算中心、智算集群异构混训、超节点等话题设置议程，主会场包括高峰论坛、AI推理算力专题论坛和智算中心专题论坛；分会场为闭门制，组织了智算集群异构混训技术研讨会、超节点技术研讨会。 ▲联想集团Game of AI科普视频在大会展播：联想海神全液冷解决方案，革命性提升AI推理时代算力 智一科技联合创始人、CEO龚伦常在大会致辞环节宣布：中国AI算力大会正式成为“智领未来”北京人工智能系列品牌活动之一。 “智领未来”是北京市科委、中关村管委会打造的北京市人工智能领域的活动品牌。同样作为“智领未来”北京人工智能系列品牌活动之一的中国生成式AI大会已于今年4月1日-2日圆满举行。 龚伦常还预告了将于下半年举行的两场大型品牌活动：9月在上海举办第七届全球AI芯片峰会，11月在深圳举办2025中国具身智能机器人大会。 ▲智一科技联合创始人、CEO龚伦常 智算集群异构混训、超节点两场技术研讨会在分会场圆满举办。壁仞科技AI软件首席架构师丁云帆、中国移动研究院网络与IT技术研究所技术经理班有容、北京智源人工智能研究院AI框架研发负责人敖玉龙、上海人工智能实验室编译计算与国产化团队负责人裴芝林、商汤大装置技术产品总监刘叶枫在智算集群异构混训技术研讨会做了报告分享。 阿里云基础设施异构硬件和系统及解决方案资深总监卢晓伟、中国移动研究院网络与IT技术研究所技术经理王鹏、奇异摩尔首席网络架构专家叶栋、曦智科技联合创始人兼首席技术官孟怀宇围绕超节点进行了不同视角的报告分享。中信建投证券科技行业首席分析师阎贵成主持了超节点技术研讨会及圆桌Panel。 ▲分会场 接下来我们将为大家带来主会场三大论坛15+位分享嘉宾的演讲和对话精华。 一、高峰论坛：从千芯节点到千亿大模型，国产AI芯片生态迸发旺盛活力 AI已成为数据中心增长的核心驱动力。大模型迭代拉动算力需求暴增，推动计算、存储、网络基础设施全面升级。在大模型训练与部署需求旺盛的背景下，如何更充分地利用闲置算力，国产AI芯片发展到了怎样的新阶段，有哪些优化大模型推理效果的创新技术？6位嘉宾分享了他们对产业最新风向的观察与探索。 1、信通院陈屹力：“算力荒”与“算力闲置”共存，算力互联互通、AI云成焦点 中国信息通信研究院云大所副总工程师陈屹力谈道，当下AI大规模应用促使智能算力需求激增，AI 云成为全球AI浪潮角逐的焦点。其中AI云基础设施需覆盖异构高效调度能力、一云多模能力、专家知识大脑等多方面。AI云平台推动AI应用的智能、便捷构建，提升国际影响力、助力生态繁荣。 随任务型智算应用兴起，对算力资源的定位、调度、部署效率提出更高要求。中国信通院联合产业各方探索构建算力互联网，积极推进算力标识、算力调度、传输协议、应用适配等方面技术研究，加快现有算力“局域网”间互联互通，逐步建立标准体系，形成算力互联网体系架构，核心解决算力“找调用”挑战，逐步形成具备智能感知、实时发现、随需获取的算力互联网。 ▲中国信息通信研究院云大所副总工程师陈屹力 2、摩尔线程王华：算力需求千倍增长，大集群和FP8成为强需求 摩尔线程副总裁王华引用了一些研究数据：2020至2025年间，大模型训练的算力需求提升近1000倍 ，驱动力来自参数规模与数据量双向增长。以DeepSeek-V3为例，其训练所需算力达10²⁴级别，在万卡集群上可将训练时间压缩至13天内完成 。 为应对算力需求，摩尔线程提供包括FP8在内的全精度算力，有效支持混合精度训练，大幅提升训练效率；部署万卡集群，研发完整的软硬件栈，提供开箱即用的产品，快速满足大模型训练的算力需求；打造丰富的集群监控和诊断能力，针对大规模集群实现分钟级故障定位。 此外，摩尔线程构建了支持FP8、BF16、FP32等数据类型的混合精度训练方案，开源Torch-MUSA、MT-MegatronLM与MT-TransformerEngine等大模型训练组件，已完成DeepSeek-V3的混合精度训练复现。在多个模型上的实验结果表明，其方案整体性能提升可达20%–30%，训练精度与业界主流保持一致。 ▲摩尔线程副总裁王华 3、中昊芯英杨龚轶凡：解读TPU架构创新设计，国产AI芯片如何抓住本土机遇 中昊芯英创始人、CEO杨龚轶凡谈道，AI专用芯片是AI Infra的必然发展趋势，TPU架构为AI大模型而生，采用多维度计算单元来优化数据复用，提高计算效率，并通过更激进的数据传输策略和更小的控制单元，给片上存储器和运算单元留下更大空间，其可扩展性也更适合超大规模计算。 中昊芯英全自研高性能TPU架构AI芯片“刹那”于2023年已成功流片并实现量产，其计算性能较海外某知名GPU芯片提升近1.5倍。基于“刹那”的高性能AI服务器及大规模AI计算集群“泰则”，支持1024卡高速互联，可支撑超千亿参数大模型计算。 随着大模型成本下移，AI芯片架构开始深度适配动态稀疏计算范式，形成“算法定义硬件”的新研发模式。降低对CUDA生态的依赖后，国产Al芯片将通过提供定制化工具链、优化编译器等方式，在架构设计上更加灵活适应新的本土趋势和需求。 ▲中昊芯英创始人、CEO杨龚轶凡 4、魔形智能徐凌杰：大模型需要“千芯”超节点，未来架构有五大关键因素 魔形智能科技创始人、CEO徐凌杰幽默开场：“过去十年，中国最值钱的是房地产行业。未来最值钱的，可能还是房地产，只不过住的不是人，而是机器。” 研究数据显示，全球数据中心总耗电量与单个发达国家相当。更强的大模型需要大集群，更快的大模型需要超节点，更大的高带宽互联域是超节点设计的核心。当前算力密度远不够高，要达到与人脑相当的算力密度，需要构建“千芯”超节点，构建可重构的AI算力中心。 如何构建千芯互连网络？徐凌杰总结了未来超节点架构的5大关键因素：超高密度算力节点，千芯多机柜级联背板连接，800V供电输入，交换芯片全互联，全覆盖式冷却。 他还分享了下一代算力基础设施对芯片提出的3大要求：板级&封装级灵活组合与解耦，整合光电共封装设计，Cluster First的产品理念。软硬协同将释放超大集群的潜力。 ▲魔形智能科技创始人、CEO徐凌杰 5、中科加禾崔慧敏：AI编译优化跃升推理性能，有效扩展国产AI芯片生态 中国科学院计算技术研究所研究员、中科加禾创始人崔慧敏谈道，大模型推理私有化部署需求大涨，但面临硬件繁多、需求多元、多模部署等多重挑战。 中科加禾围绕编译优化构建大模型推理的引擎和软件栈，积累了大量实践案例：在推理引擎中实施深度显存优化，有效提高显存利用率；在大规模推理中实现多维并行策略，有效利用计算、访存、通信资源；基于多项联合优化，推理技术在某互联网厂商合作中将QPS提升50%以上，并在昇腾910B平台私有化部署场景下有效支持128K长上下文。 长期来看，基于AI编译技术，构建一套底层公共的编译支撑，能够长期有效解决AI生态碎片化及生态融合问题。 ▲中国科学院计算技术研究所研究员、中科加禾创始人崔慧敏 6、趋境科技陈祥麟：千亿大模型的异构推理新路径 趋境科技技术负责人陈祥麟分享了大模型推理的技术创新。他认为大模型私有化推理架构将从传统的以GPU为中心转向全系统异构协同，需要充分提升算力利用率。 团队首创全系统异构协同与以存换算技术，充分利用底层GPU、CPU、存储等硬件设备算力，通过基于计算强度的offload策略、CPU/GPU的高性能算子改造、MTP等算力优化方法，以及prefix cache等融合推理策略，提升全系统算力，将大模型推理门槛降低至1/10。 趋境科技与清华KVCache.AI团队共同开源的异构推理框架KTranformers，能够利用单张消费级GPU+CPU异构推理DeepSeek-671B-r1/v3，decode速度最高达到20+ tokens/s。 同时参与月之暗面、清华MADSys实验室等多个产学研机构开源的项目Mooncake，以超大规模KVCache缓存池为中心，通过以存换算的创新理念大幅度减少算力开销，显著提升了推理吞吐量。 ▲趋境科技研发负责人陈祥麟 二、高端对话：国产AI算力的突围与崛起，中美差距正逐步缩小 以《国产AI算力的突围与崛起》为主题的高端对话，由智一科技联合创始人、智车芯产媒矩阵总编辑张国仁主持，中昊芯英创始人兼CEO杨龚轶凡，魔形智能科技创始人、CEO徐凌杰，中科加禾联合创始人兼CTO陈龙三位嘉宾进行分享。 张国仁谈道，从2018年AI芯片峰会到如今AI算力峰会，他感触最深的是国内企业对自己的产品、公司发展都表现得愈发云淡风轻。 ▲智一科技联合创始人、智车芯产媒矩阵总编辑张国仁 1、国产算力与全球差距仍然存在 面对国产算力在全球发展中的地位，陈龙谈道，国内厂商已掌握算力底层技术，但在PyTorch等主流训练框架适配方面仍处于跟随、陪跑阶段。 杨龚轶凡从硬件的设计和生产两方面进行了比较：生产差距存在，但预测将在3-5年内逐步缩小；而在设计层面，从学术研究、论文创新性等角度看，设计的差距更大。随着模型算法收敛，更多创新型架构、设计出现，国外诸多路线已发展到产品落地，国内厂商需要共同拓展生态。 ▲中昊芯英创始人兼CEO杨龚轶凡 徐凌杰认为，在如何做优秀的GPU、如何搭建生态、如何做集群等方面，中美认知差距正不断缩小。但实际产业中，差距进一步扩大，企业需要从底层供应链突破。 2、算力仍是资源导向型市场 对于国产算力的市场化，徐凌杰判断，政府、资源导向型的现状未来几年不会有很大改变，芯片晶圆、制程以及芯片创企在国产生态中的成长，都需要政府扶持。芯片公司的机会是通过更强互联、集群打造差异化，找到商业化落脚点。 杨龚轶凡同样认为，资源导向型走向市场导向型是一个过程，在半导体行业，老的生产制程永远比新的生产制程性价比低，生产制程每迭代一次会有4倍的性价比提升，这就导致纯国产芯片的性价比更低，需要政府扶持拉通生产工艺的产业链。 陈龙从应用层面进行分析，谈到国家的扶持很必要，企业通过软硬件优化降低了部署成本，但消费侧拉动还不够强，现状是上一代芯片尚没有完全落地应用，下一代芯片已经出来了，因此核心是要发掘更有价值的应用。 ▲中科加禾联合创始人兼CTO陈龙 3、专用芯片、编译技术、超节点，是未来发展方向 杨龚轶凡坚信专用芯片是未来的发展方向，在通用性需求大幅降低的情况下，可以抛弃部分通用性，增加芯片核心的性能和性价比。越专越好，是在满足一定可控性和变化下的结果。 围绕编译技术在解决国产芯片面临的风险，陈龙认为，它是将专家的经验泛化、普适化的一种技术手段。编译技术最开始产生是为了弥补人的思维和机器能接受信息之间的鸿沟，使开发效率提升上百倍。 徐凌杰着重谈到超节点的发展方向，在大模型领域，类似MoE的创新结合超节点会有更大收益，即更大的问题用更大的集群解决，更大的集群反哺系统，从而做出更大的模型。 ▲魔形智能科技创始人、CEO徐凌杰 4、算力产业格局未定 谈到全球算力产业的产业格局，陈龙认为，虽然国内巨头有积累优势，但产业规模足够大，且需求多元化，将来企业将百花齐放。 杨龚轶凡的观点更为激进：首先，3-5年内形成产业格局的可能性不高，目前仍是企业相互竞争、高速发展变革的过程；其次，资源型市场的天然属性决定了其很难形成垄断，且巨头穿越周期能力弱，因此AI产业爆发后市场格局会洗牌，初创公司或许会通过更好的组织形式去适应产业发展。 行业的重要性、资本周期发展对产业发展都会有影响。徐凌杰相信，算力变得越来越有吸引力，自然会有更多的钱涌入，会出现巨头被冲击、新生势力冒出的场景。创企和巨头需要找准自己的定位，通过“整合”变成更强实体可能是一条发展路径。 如今中国算力规模已在全球排名第二，被预测有望影响全球AI 竞赛格局。陈龙认为，AI算力市场规模和国家GDP发展成正比关系，当国家GDP反超或许是国产算力格局更进一步的机会。杨龚轶凡提到投入产出比，目前美国和中国算力开销差10倍，当投入量逐步赶上才会有变化。徐凌杰认为未来当AI赋能千行百业，算力真正变成生产力时，就是一个巨大的机会。 三、专题论坛：从软硬协同到端边云协同，底层技术创新突破AI算力瓶颈 下午场火热继续，在AI推理算力专题论坛和智算中心专题论坛中，来自行云集成电路、安谋科技、实在智能、白山云科技、Alluxio、浩云长盛集团、上海矩向科技、趋动科技的8位嘉宾带来了精彩演讲。 如何突破大模型推理芯片的核心瓶颈、如何实现出色的端侧模型性能？超大规模智算中心面临的数据、成本功耗、算力利用率等方面的一系列难题要如何破解？我们都将找到答案。 1、行云余洪敏：只有软硬件协同创新才能突破大模型推理芯片的核心瓶颈 行云联合创始人、CTO余洪敏谈道，高质量大模型最核心的需求就是极其变态的内存需求，既要带宽，又要容量。推理芯片核心瓶颈有：显存容量，价格高昂，只有通过软硬件协同创新才能解决。 行云致力于把AI基础设施从超算变成消费电子竞争，褐蚁是第一个十万元级运行DeepSeek满血671B、FP8非量化且对话速度在20TPS以上的解决方案，用数量级碾压的竞争力让全行业对AI超算祛魅。 近期行云将推出蚁群，实现500~1000有效并发下最高质量模型的流畅体验，价格在300~400万价位，接近DeepSeek公有云的性价比；此外，计划在明年年底推出自研GPU芯片，相比褐蚁性能将有数倍提升，集群化后，相比蚁群可以数倍提高有效并发。 ▲行云集成电路联合创始人、CTO余洪敏 2、安谋科技鲍敏祺：NPU如何助力端侧设备突破内存、算力、功耗三堵墙？ 安谋科技产品总监鲍敏祺观察到，端侧设备正逐步承担更多AI计算任务，端侧AI模型在算法迭代、上下文长度扩展和模型理解力提升等方面进展迅速。 随着模型的演进，端侧AI硬件也面临新的需求：一是算力需求持续增长，计算精度从INT向FLOAT转变，需通过多核协同实现算力提升；二是大模型对带宽要求更高，可通过提升数据本地化程度减少数据传输距离，从而优化能效比；三是需要优化硬件中向量计算与矩阵计算的配比。 为应对“内存墙”、“算力墙”和“功耗墙”三大挑战，安谋科技正升级其自研“周易”NPU产品，如扩展数据类型支持、新增W4A16硬件加速和DSA加速功能、提供更为丰富的算子库等，持续驱动终端算力跃迁，助力产业把握端侧AI“芯”机遇。 ▲安谋科技产品总监鲍敏祺 3、实在智能欧阳小刚：Agent端侧性能超GPT-4o 10%，一体机30分钟开箱部署 实在智能合伙人、核心算法负责人欧阳小刚提到，算力需求与场景落地的双向倒逼，正推动智能体技术端侧的探索革新。 其公司行业首发的通用智能体“实在Agent”，专注跨系统、链接各类软件的办公流程自动化。其自研的实在TARS大模型和TARS-VL大模型分别在垂域任务理解性能超越GPT-4o达10个百分点，GUI多模态理解能力领先3%，而通用能力几乎无损；同时，该模型支持私有化部署，深度融合RPA与智能体工作流，实现浏览器、桌面应用、移动端的无缝操作，支持一键流程编辑和智能体共享，降低30%重复开发成本。 欧阳小刚提到与惠普联合打造的Z系列数字员工一体机：基于HP Z8 Fury G5工作站，得益于四块NVIDIA 5880 Ada的强大算力，开箱30分钟完成部署，核心业务数据全程本地处理。 ▲实在智能合伙人、核心算法负责人欧阳小刚 4、 白山云科技李金锋：以边缘计算破解AI推理时延与成本难题 白山云科技智算产品研发负责人李金锋谈到，AI推理面临网络时延与成本挑战，对边缘计算的需求日益增长。当前的云边端架构依然适用：中心云集中计算，追求性能极致优化；边缘云在靠近用户处提供算力，作为重要补充，现可处理百亿参数内大模型推理，显著降低时延；终端算力则在保障数据隐私场景中发挥作用。 针对边缘云节点分散带来的算力管理难、任务调度复杂和单节点资源有限等挑战，李金锋介绍可通过全网任务调度、弹性算力调度、模型加载优化及单节点推理性能优化等方式解决。 依托覆盖全球的1700多个具备计算、存储、安全能力的数据节点及150多个海外运营商资源，白山云能轻松升级GPU算力，有力支撑边缘推理服务。 ▲白山云科技智算产品研发负责人李金锋 5、Alluxio傅正佳：用去中心化架构方案，解决AI数据湖困境 Alluxio首席架构师傅正佳谈道，AI 数据全链路各环节面临的不同难题，以及环节间数据交互导致的资源浪费与效率低下，其本质都是数据湖困境的体现。 Alluxio介于分布式计算框架与存储系统之间，可以做到对当前AI Infra“零改造无侵入”，并提升数据安全性，还可以统一纳管数据孤岛，提供高性能缓存层。Alluxio采用去中心化架构，支持100亿以上对象，能够降低数据工程复杂度与成本，提升模型迭代效率与数据方向速度。 Alluxio的核心技术包括协议转换、数据缓存层以及虚拟数据湖等，可应用于智驾、机器学习训练、智算、AI模型分发、科学计算等场景。基准测试显示，其性能与全球顶尖并行系统持平，成本更低，GPU利用率可达95%及以上。 ▲Alluxio首席架构师傅正佳 6、浩云长盛赵亮：智算时代数据中心变革，液冷、超高压直流成大势所趋 浩云长盛集团首席增长官（CGO）赵亮称，随着智算时代的到来，数据中心的算力密度不断提升，同时，大模型推理和训推一体的需求也在增长。 这些变化对数据中心的供电和制冷系统提出了巨大挑战，设计和架构需要重大调整。如今，数据中心应配备更高的层高和更强的承重能力，以满足密度的提升，随之而来的散热问题让液冷成为必然选择。在电力层面，能够减少能源转换损耗、提升电力运营效率的高压直流技术正获得广泛采用。 此外，数据中心的选址也至关重要，需综合考虑电力供应便利性、运维便利性、算力设备梯级利用和实际应用场景，而非简单地将其布局在能源成本较低的地区，因此把训推一体智算中心建设在一线城市周边更有优势。 ▲浩云长盛集团首席增长官CGO赵亮 7、矩向科技黄朝波：模算云破局算力浪费，毛利跃升超10倍 上海矩向科技创始人兼CEO黄朝波指出，当前智算中心深陷无序建设、架构封闭、远离业务场景三重困局，导致区域算力闲置、资源利用率不足。 传统硬件堆砌模式已无法满足AI爆发需求，唯有通过整合算力、模型与应用的模算云平台重构价值链，将电力转化为算力、模型力，并深加工为应用赋能能力，以此来实现算力服务毛利的跃迁。以3000P AI算力为例，服务毛利从智算中心的1亿飙升至模算云的10多亿，增幅超10倍。 模算云模式以轻资产实现高产出：政府可统筹闲置算力赋能中小企业，企业可通过开箱即用的MaaS服务降低AI门槛；技术上采用异构协同，国产芯片覆盖80%计算量，英伟达GPU兜底剩余需求，同时结合云边端协同，进一步降低推理成本，缩短业务落地周期。 ▲上海矩向科技创始人兼CEO黄朝波 8、趋动科技张增金：通用行业GPU利用率不足30%，软件定义AI算力成必然趋势 趋动科技技术总监张增金指出，尽管生成式AI算力市场热度高涨，但非生成式AI的规模仍是其两倍，从运营层面来看，蕴藏着巨大的收入潜力（IDC 2025）。在国内众多智算场景中，GPU平均利用率低至5%左右，主要原因在于异构资源分配方式粗放、调度机制缺失以及管理效率低下等问题。 采用软件定义AI算力的模式，通过软件对算力基础设施进行重新构建，实现硬件资源的按需动态调用，能够有效解决当前异构硬件利用率低、调度模式僵化等难题，避免因资源管理不善而引发的系统瓶颈。 张增金表示，未来，软件定义将成为智算中心的关键发展方向。在一系列行业实践中，趋动科技借助软件定义技术，助力某客户将整体GPU平均利用率从8%提升至35%，峰值平均利用率从15%跃升至60%。目前，趋动科技已与数百家家来自运营商、金融、能源电力、制造业等领域的客户展开了深度合作。 ▲趋动科技技术总监张增金 结语：中国AI算力蓬勃向前，技术创新加速涌现 在中美博弈的背景下，国产大模型们强势突围，带动了国内AI算力需求的持续增长，算力需求发生结构性变化、推理算力需求增速远超预期，中国AI算力产业不断迎来新的机遇和挑战，诸多优秀企业通过技术创新破解算力难题，加速AI的产业化落地。 站在技术与产业共振的历史节点，我们每一个人，都正在见证和参与一场激动人心的技术跃迁。随着Agent浪潮的涌起、端侧智能的加速落地、具身智能的觉醒、产业AI加速赋能，AGI的曙光正离我们越来越近。 中国AI算力产业必将乘着这股劲流扬帆起航，驶向更广阔的AI星辰大海。

带着最新最强的模型，走向最热门的赛道，这用来形容 Google 昨天推出的 Gemini CLI 最合适不过了。 AI 编程的赛道，哪怕只是限定在编程 agent 范围内，现在已经挤得不可开交。CLI 一发布，网友们迫不及待地把所有类似产品召唤到一起，捉对厮杀。 不过，才发布不到 20 个小时，各种「翻车」就接踵而至。 Gemini CLI 主打以下几点： 完全开源 + 免费：Apache 2.0 许可，每日 1，000 次请求免费 多任务框架：不仅是编程，还可支持文件管理、内容生成、脚本控制等命令行任务 。 轻量 + 可脚本化：你可以把它嵌入自己终端脚本，或作为自动化 Agent 来用 然而发布后不久，首先是登陆、认证并不如想象中的丝滑顺畅。 尤其是国内登陆碰到的限制很多。而且就算好不容易跑起来了，也是各种 bug。 一些网友提到，想让它写代码，目前来看还是不稳定（要点运气）。但是它在解读、核对和排查这些方面，是能派上用场的。 从参与过内测的网友反馈来看，的确是需要一些精心设计的使用方式。 最搞笑的一集则是，经过网友连夜的测评，发现这居然是一个「套壳」——套的还是竞争对手的产品…… 就是把 Claude Code 的 system code 包装了一下。 尴尬，汗流浃背了兄弟。 什么是 CLI Google 带着 CLI 杀入 AI 编程的赛场，足以证明这条赛道的重要。 Gemin CLI 和 Claude Code 类似（一样），都是让普通人能用命令行，让 AI 协助日常任务的实用工具。相比于编程工具，更像是一个开源的「AI agent」——你可以在终端里用自然语言调用 Gemini 2.5 Pro 模型来处理各种任务 。不限于写代码，还可以解释文档、查网页、生成内容，甚至操控本地工具。 目前网上找到的一些用例中，就可以发现：CLI 的用途不仅仅是编程，编程只是当中的一个手段。 比如下面的日本网友，通过 CLI 部署了一个天气预报的应用，可以将当天的天气信息直接推送到 LINE 上面。 还有的，做出了一个整理发票的应用 还有用来给咖啡馆做官方网站、用来抓取 PDF 上的信息并进行整合。 这些都是很日常的使用场景，可以看出来，跟 Cursor 不同，CLI 想走的路线是能干多劳的「助理」，而非专职的代码协作工具。 当然，更复杂的东西它也可以做。比如 Google 团队的工程师发了一个用例，是用 CLI 制作的 3D 动画。 以及官方发出的，通过调用 Veo3 视频生成模型制作出的一条视频：猫猫勇闯天涯。 命令行，Vibe Coding 的起点 那么问题来了：命令行是什么？ 命令行（Command Line）是一种人机交互方式。你不点图标、不用鼠标，而是直接在黑框里打字、发指令，系统回你结果。 一般来说，命令行曾经被视为只有开发者才会用的工具——黑色背景、要敲指令、无需动用鼠标，甚至是中高级开发者会做的。比如在 Gemini CLI 的设计下，命令行变成了一个轻量、灵活的 AI 助手入口：你只需要打开终端，打上一句自然语言请求，比如 「解释这段代码」 或 「查查这个文件内容」，AI 就会把结果返给你。 这和现在很多人熟悉的 AI 编程工具（比如 Cursor）不同：Cursor 是一个图形化界面，帮程序员写代码、润色注释，是「写代码时的辅助」。 而 Gemini CLI 和 Claude Code 是「任务的代理者」，你不一定要写代码，它可以处理文本、文件、网页、数据，甚至可以嵌入已有脚本流程。你直接打字发问，然后 Gemini 2.5 Pro 就会来回答你——其实也是一种 chatbot 对话，只不过不是在网页上，是在终端框里。 这意味着，普通内容创作者也能用 terminal 式交互方式，低门槛地体验「prompt + 执行 + 反馈 + refine」的循环。 换句话说，Google 这次做的不是 Cursor 那样的程序员工具，而是走向 agent 形态，让你像用自然语言和同事对话一样，去控制工作流。对于那些不完全是程序员、但需要做大量信息处理和内容产出的人来说，这意味着，你终于可以用对话方式来操控一些原先需要手动完成的繁琐事务了。 那么，Google 的这个 CLI，是不是就抄了 Claude Code？ 要说起来也是略有不同：Gemini CLI 和 Claude Code 同样是命令行式 AI 编程助手，但前者更灵活、开源、多场景，应用更多更广；后者更专注、成熟、而且收费。 对于需要深入项目协作的人则可能会更倾向 Claude Code 的专业度。它更像是一个具备「记忆 + 执行」能力的编程伙伴，能深入你的项目、跑 tests、生成 PR，自动化更深入。 而对于一个想做简单试验 + 多任务协助的用户，Gemini CLI 是免门槛的起点；它给了你一个随时召唤 AI 的入口。你不用敲代码，就能让 AI 去「做」——无论是写段文字、查文件、跑命令，都可以命令一句。 对于 Google 来说，虽然 CLI 不甚完美，bug 很多，还有点前途未卜，但它的发布是一种姿态——AI 不再只是网页里的对话玩具，而是融入日常工作流程的默认入口。 那些既不想写全套代码、也不满足于纯聊天交互的创作者或开发者，上手 Gemini CLI 会更简单一点。往好处想，你终于可以用你擅长的语言，去操控一个「帮你干活」的 AI 了。 有一说一，vibe coding 本就是一个难以定义，但又真实存在的实践。而 Gemini CLI，也许正是它开始变得具体、变得可调用的起点。

特斯拉 Model Y 就是汽车界的 iPhone。 正如智能手机行业在上十年前不断地祭出一款又一款号称「iPhone Killer」的产品但又被 iPhone 在销量和产品力上一次又一次双杀一样，汽车行业也总想整出一款 「Model Y Killer」出来，但，Model Y 依旧是全球单车型销冠，以及 SUV 品类里的高峰。 在社交网络上向来谦逊的雷军，于小米首款纯电 SUV 车型小米 YU7 正式上市发布的前夕，写下了一条微博： 很多朋友问我：小米 YU7 有没有机会超过 Model Y 在国内的销量？Model Y 是行业公认的「史诗级神作」，连续多年全球销冠，击败一轮又一轮的挑战者，非常厉害！ 但我们依然制定了「离谱」的目标：小米YU7 要继续挑战 Model Y！ 就产品力来说，我特别有信心。至于销量，就看发布后大家的感觉。 「Model Y Killer」前赴后继，不是 6，就是 7 在 2025 年年初 Model Y 小改款之前，2024 年 Model Y 在国内的平均月销量是 4 万辆，在去年 12 月销库存阶段甚至卖出了 61881 辆。 而它的大多数对手，在 20-30 万元区间的纯电 SUV，比如乐道 L60，极氪 7X，阿维塔 07，月销量基本上都在 5000-9000 辆区间。 如果放宽能源限制，把能够烧油的增程车型也算进去，那么竞争就会更激烈一些，理想 L6、问界 M7 和智界 R7，去年平均月销量都在 1 万以上，其中理想 L6 甚至很接近月销 2 万的门槛，是不折不扣的爆款车型，但，离 Model Y 仍有不小差距。 虽然在宝马等传统品牌的车型体系里，7 代表不折不扣的旗舰车型，但是在国产新能源的体系里，7 却是绝对的主力系列，所以我们看到了这么多国产「7」系，带着少数的「6」去围剿 Model Y。 对于国产新能源的坏消息是，单打独斗大家都没干过 Model Y；好消息是，群殴效果还不错，Model Y 在国内新能源 SUV 里的销量占比逐年下降，从 2021 年 1 月特斯拉开始在中国交付 Model Y，当年 Model Y 在中国新能源 SUV 的市占率达到了 16% 左右，而 2024 年，这个数字跌到了不到 10%。 2025 年对于在国内销售的 Model Y 来说，也不算一个好年份：由于车型改款，再叠加上春节的影响，其 2 月销量罕见地跌到 4 位数，仅卖出了 8006 辆。 虽然在 3 月，Model Y 国内销量再次突破 4 万，以 48189 辆的成绩重回单车型销量第一，但在 4 月和 5 月又下滑至 19984 辆和 24770 辆。焕新 Model Y 的统治力远远不如 2024 年。 一个例证就是，交付能力依旧受到产能约束的小米 SU7 在 5 月卖得比 Model Y 还好，这个月又卖了 28013 辆，连续 2 个月销量超过了 Model Y。 虽然说拿轿车和 SUV 相比是关公战秦琼，不在一个维度上，但一般而言，同价位段的车型里，SUV 大概率是卖得比轿车好的。 既然现在小米 SU7 都能比 Model Y 卖得好，那么更具卖相的小米 YU7 岂不更是优势明显？ 在这场「Model Y Killer」前赴后继，不是 6，就是 7 的战争中，小米 YU7 确实就是那个最有望成为「Model Y Killer」的选手。 打败 Model Y，小米需要做什么？ 2013 年，雷军成为了特斯拉 Model S 的车主，并且两度会面特斯拉 CEO 马斯克，还留下了经典的双手插兜合影。 在移动互联网和智能手机行业蒸蒸日上的时间点，雷军恐怕还没想过，有朝一日小米和特斯拉会在汽车行业短兵相接。 但在消费电子行业触及天花板之后，手握大量现金，恰逢新能源浪潮行至过半的小米宿命般的进军了汽车行业，并且是以极为谦逊的姿态。和传统汽车行业的对外形象上的虚张声势不同，雷军和小米在移动互联网时代练就的营销、市场和品牌能力，堪称乔峰使出太祖长拳，看着招式简单，但实战威力巨大。 也就是在雷军的榜样作用下，诸多车企老板纷纷从幕后走向台前，「亲力亲为」起市场营销和品牌建设的活计，但有成效者寥寥。 这是行业里又一个「从看不上，到看不懂，再到追不上」的故事。 汽车市场是一个高度依赖品牌价值的市场，在今年 5 月发布的衡量品牌价值的 BrandZ 2025 百强名单里，汽车里排名最高的品牌就是特斯拉，品牌价值 860.43 亿美元，名列总榜第 28 名。 小米的整体品牌价值为 219.17 亿美元，排在百强榜里第 96 名，需要着重说明的是，相比于 BrandZ 2024 榜单，小米品牌价值在一年之间增长了 103 %，BrandZ 给出的理由是，小米品牌价值增长，是它在「寻找增长新空间」上树立了典范。 这个新空间毫无疑问，就是小米汽车。 ▲BrandZ 2025 百强名单 这个榜单里，第 100 名的守门员品牌是奔驰，介于特斯拉和小米之间的汽车品牌是名列第 77 名的丰田，品牌价值 293.29 亿美元。 虽然小米品牌涵盖了手机平板电视汽车等等等品类，但足以说明就品牌力而言，小米绝不会拖累销量，反而有莫大的助力。 这个由总部位于英国伦敦的市场调查和市场咨询公司凯度 Kantar 发布的榜单还记录了一个趋势： 目前美国品牌占据全球百强品牌总价值的 82%，较 2006 年的 63% 显著上升。同时，中国品牌价值在过去 20 年间翻了一番，目前占全球百强品牌总价值的 6%；而欧洲品牌价值目前仅占总价值的 7%，较 2006 年的 26% 大幅萎缩。 欧洲的面积和总 GDP 目前都是略高于中国，品牌价值的状况也是差不多的情况，但往后就不好说了。 ▲ Kantar 强势品牌组合的增长显著高于标准普尔 500 指数和 MSCI 全球指数 过往 20 年，是科技、消费电子和互联网行业飞速发展的 20 年，美国的苹果、Google、微软、Facebook、Instagram 等科技和互联网品牌成为品牌价值增长的最大受益者。 2020 年之后的世界，新能源汽车和 AI 成为主流叙事，所以英伟达和特斯拉实现了品牌价值的飞跃，与此同时，涉足了汽车行业的华为和小米，并且都获得巨大成功，因而在这一年间都获得了超 100% 的品牌价值增长，华为有所不同的是，它获得了「坚韧」的形象加成。 今年特斯拉在欧洲市场遇冷，和售价，产品质量这些因素没有关系，纯粹就是因为与特斯拉品牌强绑定的马斯克因为深度参与了政治活动，引起了欧洲消费者的反感。 这就是品牌影响销量的实际例证。 用了十几年培育品牌和潜在用户的小米，加之在国内主场作战，就已经可以认作是为打败 Model Y 在蓄力了。 试图在空间、动力、续航、价格、外观内饰、配置上对特斯拉 Model Y 进行六维度包围的产品并不少，但最终一一在销量上战败，品牌力上的差距实在是难以弥合。 小米，在国际上意义上品牌价值最接近特斯拉的中国汽车品牌，而在中国本土，其中的差距只会更小。 是 SU7 给了 YU7 信心 在小米 SU7 之前，以运动取向的纯电轿车其实并不好卖。 这和中国人买车的逻辑有很大关系，因为家庭取向的混动大空间 SUV 才是这个市场里的标准答案，运动、纯电和轿车三个关键词都不利于卖车，并且，SU7 还不便宜。 或许小米知道自己造车卖车的结果不会差，但是 SU7 如此成功还是超过了小米起初规划好的产能，以及自己当时的预期。 ▲ 开售 18 小时，小米 YU7 锁单量已突破 24 万台 也正如小米汽车官方微博发布的《小米汽车答网友问（第 160 集）》里提到的那样： Q：这次小米 YU7 上市，相比去年小米 SU7，你们的把握是不是大了很多？ A：这一次，我们的信心确实更足了。 自小米 YU7 上个月技术发布以来，用户朋友们的热情远超我们预期，小米 YU7 用户留资量达到了小米 SU7 同期的 3 倍。在此，我们由衷地感谢各位朋友的支持。我们有信心，小米 YU7 将和小米 SU7 一样火爆。 虽然多少有点赛前开香槟的意思，但现在的情况就是，没人怀疑 YU7 会失败。 这是一个比 SU7 更成熟的产品，也更具卖相的产品，当然也是在空间、动力、续航、外观内饰、配置几个维度包围 Model Y 的产品，也取消了在规划 SU7 时候保守的那一部分。 比如说 SU7 标准版，售价 21.59 万起，虽然最便宜，但也被认为是 SU7 几个版型里性价比最低的，400V 架构，无激光雷达，仅 84 TOPS 的辅助驾驶算力，73.6 kWh 电池等等配置，都比 SU7 Pro 和 SU7 Max 低一大截。 SU7 标准版的较低配置和较低售价，可以理解为小米在做产品规划时候的保守，需要留一个低价产品来降低购入门槛。 在 YU7 标准版上，我们看到了小米的信心。在前期宣传上，小米着重突出了「全系标配」字样，SU7 标准版的配置短板被全面补足，YU7 全系标配了激光雷达和 700TOPS 辅助驾驶算力，800V 碳化硅高压平台，连续阻尼可变减震器等，标准版的 CLTC 续航也来到了 835km。 实际从配置来看，YU7 标准版还比 SU7 Pro 还略微高一点，因而起售价的拔高也就再所难免了。所以还没发布的时候，雷军就表示「YU7 标准版只比 SU7 标准版贵两三万」是不可能的。 也就是说，小米和雷军想用 Model Y 相近的价格来打败 Model Y，小米产品过往的「性价比」概念得到了升级，如今小米汽车的性价比是「更贵，也更值」的意思，而不是「很便宜，也还行」的意思了。 当一个品牌的大众认知是「更贵，也更值」的时候，这个品牌的价值，就实现了跃升。 小米 YU7 成为真正的「Model Y 杀手」，就差这一次品牌价值的跃升。

作者 | 王涵 编辑 | 漠影 智东西6月27日报道，今日，腾讯混元宣布开源首个混合推理MoE模型Hunyuan-A13B，总参数80B，激活参数仅13B，是混元首个开源推理模型，腾讯将其称为“业界首个13B级别的MoE开源混合推理模型”。 ▲腾讯混元Github页面（图源：Github） Hunyuan-A13B模型是腾讯内部应用和调用量最大的大语言模型之一，有超过400+业务用于精调或者直接调用，日均请求超1.3亿。与其之前开源的混元large相比，Hunyuan-A13B参数更小，但是性能和效果都有一定提升。 在官方发布的基准测试上，Hunyuan-A13B模型在数学、推理、Agent调用等能力上超越Qwen3-A22B、DeepSeek-R1-0120以及OpenAI-o1-1217，甚至在长文本上能和Gemini 2.5 pro“掰手腕”。 在用户端进入Hunyuan-A13B模型主页后，可以选择开启“快思考”模式，“快思考”模式提供简洁、高效的输出，适合追求速度和最小计算开销的简单任务，如不点击按钮，则默认为“慢思考”模式，可以输出更深、更全面的推理步骤，如反思和回溯等。 此外，在开发者方面，Hunyuan-A13B模型对个人开发者较为友好，在严格条件下，开发者只需要1张中低端GPU卡即可部署。目前，Hunyuan-A13B已经融入开源主流推理框架生态，无损支持多种量化格式，在相同输入输出规模上，整体吞吐是前沿开源模型的2倍以上。 即日起，模型已经在Github和Hugging Face等开源社区上线，同时模型API也在腾讯云官网正式上线，支持快速接入部署。 体验入口：https://hunyuan.tencent.com/ API地址：https://cloud.tencent.com/product/tclm Github ：https://github.com/Tencent-Hunyuan HuggingFace：https://huggingface.co/tencent 一、激活参数13B，性能直追OpenAI o1 测试结果显示，Hunyuan-A13B在数学能力、推理能力以及Agent调用能力上表现较佳，在多个基准测试榜单中超越Qwen3-A22B、DeepSeek-R1-0120以及OpenAI-o1-1217。 ▲Hunyuan-Large基准测试数据（图源：腾讯混元） 在长文方面，Hunyuan-A13B支持256K原生上下文窗口，在PenguinScrolls和LongBench-v2长文数据集中超越DeepSeek R1和Qwen3-A22B，仅次于第一名Gemini 2.5 pro。 二、20T tokens预训练+MoE架构优化：腾讯混元A13B大模型核心技术突破 预训练环节，Hunyuan-A13B训练了20T tokens的语料，覆盖了多个领域。此外，在模型架构上，腾讯混元团队构建了适用于MoE架构的Scaling Law联合公式，可以进一步提升模型预训练的效果。 在后训练环节，Hunyuan-A13B采用了多阶段的训练方式，同时兼顾了模型创作、理解、Agent等通用能力。 ▲Hunyuan-A13B后训练四个步骤（图源：腾讯混元） 对于时下热门的大模型Agent能力，腾讯混元建设了一套多Agent数据合成框架，接入了MCP、沙箱、大语言模型模拟等多种环境，通过强化学习让Agent在多种环境里进行自主探索与学习，进一步提升了Hunyuan-A13B的效果。 此外，腾讯混元还开源了两个新的数据集。其中，ArtifactsBench构建了一个包含1825个任务的新基准，涵盖了从网页开发、数据可视化到交互式游戏等九大领域，并按难度分级以全面评估模型的能力。 C3-Bench则针对Agent场景模型面临的三个关键挑战：规划复杂的工具关系、处理关键的隐藏信息以及动态路径决策，设计了1024条测试数据，以发现模型能力的不足。 结语：腾讯混元构建开源AI生态 腾讯混元旗下图像、视频、3D、文本等多种模态基础模型已全面开源。未来，混元还计划推出多尺寸混合推理模型，从0.5B到32B的dense模型，以及激活13B的MoE模型，以适配企业与端侧不同需求，混元图像、视频、3D等多模态基础模型及配套插件模型也将持续开源。 值得注意的是，此次腾讯混元在开源Hunyuan-A13B模型的同时，还配套开源了ArtifactsBench和C3-Bench两大专业评测数据集，这一举措展现了科技大厂参与行业标准制定的积极姿态，体现了腾讯混元推动大模型技术生态共建的责任。

编辑：Aeneas KingHZ 【新智元导读】GPT-5，已经被OpenAI员工抢先用上了？就在今天，奥特曼在X上关注了一个神秘人，引起全网猜测。不止两人爆料，自己可能提前体验了GPT-5，甚至也有网友疑似被灰度测试到了。今夏推出的GPT-5，已经掀起全网疯狂！ 就在今天，关于GPT-5的讨论再度火了，X上的神秘爆料满天飞。 起因是这样的，Sam Altman在X上关注了了一个叫Yacine的人。 这个人说，自己刚刚试用了一个AI公司的大模型，体验非常震撼。他敢打赌，没有任何人能预料到前方即将来临什么样的风暴。 而另一位「Aidan」，也在这个帖子下面发言说，自己有同样的经历。 很多人猜测，他们测试的就是GPT-5。 原因在于，Aidan就是OpenAI的员工，而Yacine刚刚被xAI解雇，却忽然被奥特曼关注了，两人同时这样说，绝对不是巧合。 有很大可能，他们已经提前获得了GPT-5的访问权限。 甚至，他们看到的东西一定非常惊人，这可能就是互联网崩溃的前一刻。 另外还有知情人表示，Yacine一直在考虑创办一家初创公司，现在Altman关注了他，或许是打算挖他到OpenAI？ 总之，如今全网再次陷入讨论GPT-5的热潮。 GPT-5，已开始灰度测试？ 其实不怪网友多心，因为有越来越多的人，晒出了自己似乎被灰度测试GPT-5的经历。 比如这位网友，发现自己在使用OpenAI的模型时，被灰度到了一个全新的AI。 在没有提示的情况下，它就可以连续思考3分钟，同时还进行了大量搜索。 同样也是在26号，另一位网友发现，如果选择的模型是4o，ChatGPT会开始思考。这就让人怀疑，OpenAI是不是正在悄悄过渡到GPT-5。 GPT-5 今年夏天发布 此前在OpenAI播客中，奥特曼对于GPT-5的发布时间已经比较确定了——「可能是今年夏天的某个时候」。 而在一周前，奥特曼也出现在了YC在旧金山举办的AI创业学校活动中。 在采访中他这样透露：GPT-5会迈向完全多模态！ 具体来说，预计今年夏天推出的GPT-5，是一个多模态模型，支持语音、图像、代码和视频等多种输入方式。 GPT-5不会完全实现OpenAI对未来模型的终极愿景，但将是过程中的重要一步。 而GPT-5系列模型的最终愿景，就是一个完全多模态的集成模型。 它将具备深度推理能力，能进行深入研究，生成实时视频，以及编写大量代码，即时为用户创建全新的应用程序，甚至渲染提供用户交互的实时视频。 当这一切实现时，将带来一种全新的计算机界面——几乎「消失」，变得无感。 再早些时候，在今年2月，奥特曼还曾在X上发文表示，OpenAI的一大目标，就是通过创建能使用所有工具、知道何时长时间思考或不思考的系统，来统一o系列和GPT系列模型，使其胜任广泛任务。 GPT-5模型将在ChatGPT和API中发布，整合语音、canvas、搜索、Deep Research等功能。 对于GPT-5，网友们也有诸多预测，有很多人觉得，它将成为首个真正的混合模型，可以在响应过程中在推理和非推理之间动态切换。 总结来说，它的关键特点是多模态、100万token的上下文、推理+记忆、更少的幻觉，以及o系列和GPT模型的融合。 可以说，它就是智能体的未来。 还有人预测，GPT-5的进步主要集中在以下几方面。 - 视频模态更「原生」，输入更自然; - 智能体性能至少提升了50%，归功于 强化学习 的深度使用； - 拥有更强的理解能力与直觉，特别是在任务链式执行或将多个已学行为组成更复杂任务的能力上； - 可能出现层级结构（Hierarchy）； - 不只有「选择合适模型」这种小把戏，而是有VLM-VLM这样的架构，用小而快的VLM代替大型VLM，以提高通用性、速度和响应能力。 不过，倒是也有OpenAI内部员工自曝说，其实内部最多也就比公开可用的模型领先两个月，所以GPT-5不会有巨大的飞跃，只是略有提升而已，不同的是会与许多工具集成。 而就在一个月前，也有GPT-4.1的核心研究员Michelle Pokrass揭秘了GPT-5进展。 她透露说，构建GPT-5的挑战就在于，在推理和聊天之间找到适当的平衡。 她表示，「o3会认真思考，但并不适合进行随意聊天。GPT-4.1通过牺牲一些闲聊质量来提升编码能力」。 「现在，目标是训练一个知道何时认真思考、何时交谈的模型」。 同时，她还首次对外介绍了更多关于GPT-4.1背后开发过程，以及RFT在产品中发挥的关键作用。比如，在提升模型性能方面，GPT 4.1聚焦长上下文和指令跟随。 另外，微调技术在GPT 4.1扮演着重要角色，RFT（强化微调）的出现，为模型能力拓展带来新的可能。与传统的SFT相比，RFT在特定领域展现出了强大的优势。 奥特曼对核心团队采访：预训练GPT-4.5 在4月份，Sam Altman对团队核心技术的采访，也曾交代了一些关于GPT-4.5预训练的「知识」。 在采访中，部分回答了为什么「预训练即压缩」能通向通用智能？ indigo发帖表示：智慧的核心在于学习者通过压缩与预测，逐步捕捉到世界本身的结构性并内化为知识。 1. 所罗门诺夫启发 访谈中提到一个概念：Solomonoff Induction（所罗门诺夫归纳）： 在所有可能描述（或解释）数据的「程序」中，越简单的程序，先验概率越大。还能通过贝叶斯的方式，不断更新对数据的解释。 在语言模型中，每成功多预测一个字或词，就意味着它找到了训练数据里的某种内在结构。 2. 更多「正确压缩」意味着更深层的理解 访谈里也多次强调：在多领域、多种上下文的数据中，模型反复预测（即查找「最优压缩」），就会逐渐学习到跨领域的抽象概念与关联。 这也就是大家常说的「涌现」或「通用智能」 3. 预训练与后续「微调/推理」策略的互补 预训练+定向的监督微调（或强化学习），则能让模型在某些推理、逻辑或任务场景下更加精准。 这两者结合，形成了GPT系列模型强大的通用能力。 Mark Chen：AGI不仅是ChatGPT 无论如何，GPT-5的发布，必将给AI圈再次带来一场风暴。 显然，OpenAI的设想十分有野心。 在此前的一篇采访中，OpenAI首席华人研究科学家Mark Chen，就谈到了OpenAI通往AGI之路。 在公司的七年中，他领导了多项里程碑式的项目——o1系推理模型、文本到图像模型Dall-E，以及融入视觉感知的GPT-4。 在谈及AGI之时，Mark Chen表示，「我们采用非常广泛的定义，它不仅是ChatGPT，还包括了其他东西」。 一直以来，OpenAI将AGI视为AI的圣杯，并制定了五级框架来实现这一目标。 而现在，他们已经到达了第三级，智能体AI（Agentic AI）——能自主执行复杂任务和规划。 Mark Chen介绍称，OpenAI近期推出的两款AI智能体产品，Deep Research和Operator尚处于早期阶段。 Operator在未来，速度可以更快，轨迹可以更长，这些产品代表了OpenAI对智能体AI的雄心。 从这些内容中，我们或许也能隐约窥见GPT-5的端倪。 Ilya和Murati都在干啥 话说回来，最近OpenAI出走的两大高管Ilya和Murati也分别有了动静。 比如有媒体刚刚曝出，到处疯狂邀人的小扎，曾给Ilya发出一份价值320亿美元的「令人心动的offer」。 不过，Ilya看都不看一眼，大义凛然地拒绝了！ 如此决绝地拒绝巨额收购要约，说明Ilya已经坚定决心，要独立推动AI的边界。显然，他正在追求比薪水更重要的东西。 相信SSI的首个模型/产品发布的时候，全世界都会为之震撼。 如今，成立仅一年的SSI已经成为AI领域中最受瞩目，也是最神秘的名字之一。 没有公开产品，没有演示，只有20多名员工，但在今年4月已经以320亿估值融资了20亿美元。 关于SSI我们仅能知道的线索是，它的使命是开发一个安全、对齐的超级智能AI系统，跟OpenAI日益商业化的方向形成了鲜明对比。 而就在几天前，前OpenAI CTO Murati创建的的Thinking Machines Lab（同样并无产品估值近百亿），被曝使命是「商业领域的RL」。 具体来说，公司将为企业提供定制化AI服务，重点是强化学习，专门针对收入或利润等关键绩效指标进行训练。 而且TML并非从零开始开发所有功能，而是依赖开源模型，将模型层进行整合，并使用谷歌云和英伟达服务器。除了B2B产品外，TML还计划推出一款消费产品。 这些从OpenAI出走的人才「散是满天星」，都在以不同方式向AGI前进。 AGI之日 人类之末日? 而就在最近，在美国国会的听证会上，Anthropic联创Jack Clark表示：「未来18个月内，将会出现极其强大的AI系统。」 Jack Clark：Anthropic联合创始人及OpenAI前政策主管 他认为，所谓「强人工智能」可能比许多人想象的要早。 Clark表示，美国具备领先开发这种技术的条件，但前提是妥善应对随之而来的安全风险： Anthropic认为，未来18个月内将会出现极其强大的AI系统。到2026年底，我们预计真正具有变革性的技术将会问世。 …… 我们需要建立联邦立法框架，为我们指明清晰连贯的前进路径。 …… 如果没有联邦层面的统一框架，我担心会形成监管真空 …… 因此，我们必须通过联邦框架找到前进的道路。 在这次听证会上，多位专家预测了AI时间表和未来风险。 Clark介绍了Anthropic进行的AI实验。 在模拟场景中，他们给Claude模型设置了极端的「死里逃生」情境—— AI模型被告知即将被一个新AI取代，同时它掌握了执行替换决策者的不利私密信息。在某些测试中，Claude试图以「泄露隐私」为威胁手段，来防止自己被关闭。 虽然这是实验设置中的极端情境，这表明强AI在面对「生存威胁」时，可能会出现复杂甚至不可预料的行为，预示着未来可能面临的重大风险。 最后，还可能发生一种极端情形：即AI系统在未来可能拥有「自我延续」的能力。也就是说，它们可以自己进行研究和开发，生成下一代更强大的AI系统。 这意味着，人类可能无法控制这些系统的演进方向。一旦进入这个阶段，AI就不再是人类工具，而可能成为脱离控制的独立实体。 去年，「AI教父」、诺贝尔物理奖得主、图灵奖得主Hinton，就强调过AI导致人类灭绝的风险。 这不是国与国之间的竞争，而是人类与AI的竞争，是人类与时间的赛跑： 在超级智能出现之前，能否提前建立起控制机制和安全防线。 因此，Clark主张：政府应设立专门机构来进行高风险AI的评估，比如美国国家标准与技术研究院（NIST）下属的「人工智能标准与创新中心」。 他强调，最理想的时间是在2026年之前，在强AI爆发前就准备好这些标准。 人工智能政策网络（AI Policy Network）的政府事务总裁Mark Beall也参加了听证会。 他建议美国尽快采取「三P战略」：Protect（保护）、Promote（推广）和Prepare（准备）。 其中，Prepare（准备）就是建立测试机制，预测未来AI系统可能产生的风险，特别是失控和被武器化的风险。 他还建议成立「机密测试与评估项目」，专门用于评估AI系统在「失控」和「武器化」方面的隐患，提供决策依据。 参考资料： https://x.com/vitrupo/status/1938138544360530079 https://x.com/indigo11/status/1910908999634952626

继 XC90 和 S90 之后，沃尔沃销量的绝对担当 XC60 在今天正式上市了。 之前 XC90 和 S90 已经大幅降低了新车指导价，所以这次 XC60 的降价也在意料之中，燃油版的 B4 四驱智逸豪华版售价 25.49 万元，T8 插电式混合动力版本四驱长续航智远豪华版售价为 35.49 万元，相比于上一年的同款车型售价整体降低了约 14 万元左右。 新款的 XC60 承袭了新 XC90 上的那套设计风格，整体往更加年轻化的方向迈了一步，车色在原来的黑白灰蓝的基础上增加了松湖绿、森莓红两款。 新车前脸采用了内部有斜条纹装饰的格栅设计，标志性的「雷神之锤」大灯更换成了新的样式并换装了新样式的格栅。车身侧面则沿用了老款车型的样式，通过上扬式腰线和尾部收束的车顶线条来提升车辆整体的运动感。 新车车尾采用了上窄下宽的设计，配备了扰流板、 L 形的尾灯组以及鲨鱼鳍天线和隐藏式的排气布局，车身尺寸来到了 4708/1902/1660mm，轴距为 2865mm。 内饰部分也是我们已经在 XC90 上见过的那一套，相比老款升级了材质以及部分配置，原来内嵌式的中控屏被 11.2 英寸的悬浮式中控屏取代，芯片也换成了高通骁龙 8155 座舱芯片。竖条幅造型空调出风口、电子挡杆、圆形方向盘以及用来控制空调的旋钮和物理按键则还是我们熟悉的样子。 沃尔沃特别介绍到新车在 NVH 方面做了优化，对 A/B 柱进行了发泡填充、翼子板处增加了吸音材料，排气口处也增加了吸音棉。 动力方面，2026 款沃尔沃 XC60 燃油版全系采用 B5 动力，全系配备高功率引擎，提供 184kW 输出功率，峰值扭矩 360N·m。插混版本的综合最大功率为 335kW，最大扭矩为 709N·m，百公里加速最快 5.0 秒，其纯电续航里程为 90km（CLTC工况），综合续航里程可以达到 1360km。 新车采用了前双交叉后多连杆的结构并搭配了 4C 自适应底盘，可以做到每秒 500 次动态监测和每秒 100 次阻尼调节来减少侧倾、抑制俯仰、过滤颠簸，车身配备的空气悬挂也可以自适应调整车身高度，增强复杂路况的适应性。 安全当然是沃尔沃不得不品的部分。XC60 在前后排座椅的抗冲击能力上都做了加强，高于法规要求标准 11%，在利用率最低的后排中间座位上，沃尔沃也进行了全量假人测试来保证乘客安全。 除了碰撞安全，沃尔沃在车内空气净化上也下了功夫，XC60 搭载了双效增强型空气净化系统，实现了 PM2.5 去除率超 95%，花粉去除率超 99.9%，空气传播病毒去除率超 97%，可以在雾霾天阻挡有害颗粒侵入，在流感高发期减少病毒传播来保证车内空气健康。 沃尔沃在一众二线豪华品牌里面属于日子还过得去的那一款，沃尔沃 XC60 在过去半年里售出了 33579 辆，高于凯迪拉克 XT5 的 21183 辆和林肯航海家的 8368 辆，甚至在五月份的销量 6147 辆也超过了新款宝马 X3 的 4138 辆。 燃油车的竞争逻辑现在愈发开始向「不出错」的方向发展，在奔驰宝马的换代车型都因为设计而广受诟病的当下，沃尔沃这种低调、精致又不失奢华的风格，想必能为自己的战略转型再多争取一些时间。