文 |杨珏、严方方 先行十年 仅仅是五年前，云计算市场的体量和“关键词”都远不是如今的模样。 2020年，全球云计算市场规模仅527亿美元； 但到了2024年，全球云计算市场规模激增至6929亿美元； 2030年，中国云计算市场规模有望突破3万亿元。（中国信通院） 至于5年前的云市场关键词，则几乎有且只有一个——价格战。 全球云计算一哥亚马逊（AWS）在2020年打响了云厂商“集体会战”的第一枪。其多项云计算核心业务最高降幅达到40%。微软Azure和谷歌云紧随其后，降幅最高超过50%和60%。 中国云厂商“隔岸挥旗”——仅当年双十一期间，腾讯云服务器就来到了88元/年的地板价。阿里云发起“拼团优惠”，比腾讯云还便宜两块。 看到大厂不讲武德，腰部厂商只能砍自己一刀。金山云顶着强压推出了81元/年的服务器，优刻得则大跳水到了60元/年。 云厂商们你来我往，直接把2020年中国云计算市场规模做大到了1781亿元人民币，成为全球增长最快的地区之一。 但价格战注定是一条不可持续之路——一线云厂商利润暴跌，腰部厂商则陷入生死境地。年初，优刻得创始人季昕华还穿着红色绸缎在上交所风光敲钟，宣告科创板中国云计算第一股成立。结果血拼之下，优刻得当年就录得了近四年来的首次亏损。 source：unsplash 所有人都心知肚明：云计算要走向可持续发展之路，必须摆脱“只卷价格”的泥潭。众人都在寻找一个能打破市场僵局的变量。 找准新变量的眼光，百度云先行了“两步”。 以2020年价格战为分界线——大多数云厂商要到两、三年后GPT大热才发现，原来AI才是云计算的下一张门票。 ●AI为云计算带来了技术革新；提高了底层计算方案的通用性； ●AI介入前，大家的市场话术多是“我有多便宜”； ●AI进入后，“模型有多强”、“我能为你解决什么问题”成了云厂商市场人员最频繁强调的特点。 …… 2023年开始，AI加速改变云计算的生长方向。各大云厂从比“算力价格”，到了比拼以AI技术实力为依托的“算力质量”：以前卖的是虚拟机、存储和带宽，纯粹的资源消费，以后卖的则变成了基于AI大模型的应用输出能力。 但在2020年5月，微软“先行一步”在Azure上给OpenAI打造出第一台超级AI计算机时，很少人能看懂这张登上未来时代的船票。 比微软更早五年看到这张船票的是百度。 source：unsplash 从第一天做云开始，百度就相信AI会改变云计算。 2015年，百度智能云正式对外提供服务时，便确定了和价格战有本质差异的扩张路径：以人工智能为中枢，以大数据为依托，以云计算为基础——用一朵AI云助力千行百业。 可以说，百度云是全球最早重视“AI”的云平台，比微软更早一步。百度云也是至今唯一用“智能云”命名的云平台。 source：giphy 比别人快一步的是天才，快两步则注定孤身上路。 百度智能云在很长一段时间内走在一条少有人理解的AI全栈布局道路上。 沿着这条路径，它开启了十年连续重仓，不断用技术扎根应用土壤，为智能云注入了穿越周期的力量 👇 ●2015年，以“智能”为第一属性的百度智能云正式成立； ●2016年，百度发布并开源了中国自主研发的第一个深度学习框架“飞桨”； ●2018年，百度加大对 AI 基础设施的投入，发布自主研发的云端全功能AI芯片“百度昆仑”； ●2020年，云厂商价格混战之际，百度智能云第一个喊出“云智一体”发展战略； ●2022年，率先搭建了国内规模最大的GPU集群，从以CPU云服务为主的云平台转型到了以GPU云服务为主的云平台。 …… 2025百度云智大会上，百度集团执行副总裁、百度智能云事业群总裁沈抖宣布，百度智能云“云智一体”战略进一步升级： 打造云智一体、智能优先的新一代AI云基础设施。 图源：百度智能云 今年上半年，百度智能云以36%的同比增速，领跑上半年云市场。产业端，则以48个中标项目和5.1亿元的中标金额，拿下双料第一。 这就是前沿科技的迷人之处——由于AI的发展轨迹并非线性的，而是巨大市场应用落地叠加长期研发投入，才可能迎来一个个阶段性爆发。 每个AI科技的小爆发都深度影响与之相关的上下游——云基础设施、大数据、应用生态等，都在AI技术的持续迭代中不断迎来爆发性的机会。 AI技术的进化眼下还处在十分早期阶段。可预见的未来，那些在技术与场景中提前布局的人，将占据更主动的位置。他们积累的全栈布局和建立的场景合作，将成为难以逾越的护城河。 2025年，AI经济周期终于行至AI基础设施——云计算这一边。 摘冠，是长期主义者的必然加冕。 漫长季节后的回报 从成绩单看，百度智能云的长期主义坚持已经得到了现实反馈。 除了上文提到的业绩增速领跑、中标项目和金额稳居“双第一”外，百度智能云还连续六年、累计十次蝉联了中国AI公有云市场规模冠军。 资本市场同样大方嘉奖。近半个月内，百度股价从90美元左右上涨至135美元以上，甩了摇摆不定的中概股两条街。 source：pixabay 业绩、市场规模、股价的起飞，是对百度智能云长期积累的肯定。《星船知造》认为，这种增速还将持续。原因有二： 第一个很好理解：AI带动用云需求爆发。伴随着AI下游应用的大幅度增长，AI产业迅速扩张，也意味着对上游AI云的需求会同步激增。 关于这一点，短暂当上了世界首富的甲骨文创始人，拉里·埃里森肯定深有体会。 9月10日，甲骨文股价暴涨35.95%，让拉里·埃里森身家一度碾压马斯克。背后的市场因素，就是这家老牌云计算公司，手握3.2万亿人民币订单——OpenAI、xAI、Meta，全是客户。 source：甲骨文 最右为埃里森 拿下了AI 时代最值钱的卖铲钱，甲骨文就成为了华尔街口中“ AI 时代最确定的受益者之一”。 同时，大量AI应用产生的用户使用数据也要通过云平台高效回收，再次投入迭代训练。 更重要的是，模型即服务（MaaS）模式（使用者不用操心底层算力架构与模型训练的复杂性，也不需要自行部署维护，输入数据就能获得智能输出）已成为标配。对开发者来说，这种按需付费的方式，把长在云上的AI变成了标准化流动、容易获取的水电。 source：unsplash 这种便捷性的背后，是对云底层异构算力管理、网络性能和应用化能力的全面考验。 当下游繁荣倒逼云计算架构向AI原生进化时，“智能云”便成为了人工智能时代的新基建。 它的“智能”程度，往大了说，决定了人工智能产业的战略高度。往小了说，决定了每一个微小创新能否快速落地。 它本身的价值，必然也会随着AI的持续爆发不断被重估。 甲骨文的逆袭，百度智能云迎来春天，都依托这一底层逻辑。 source：unsplash 第二个原因则相对隐蔽——搞基建，必须能吃苦，肯下本。 “没有云、就没有人工智能〞，做好AI云基础设施，是全球技术产业的共识。 沈抖在今年8月百度云智大会上宣布的“百度智能云将进一步升级，打造云智一体、智能优先的新一代AI云基础设施”——释放了一个信号： 在所有做“AI基础设施”的企业里，百度智能云不仅最早拥抱AI（也是迄今为止唯一用“智能云”命名的云平台），更主动选择过“苦日子”搞基建。 source：pixabay 只有肯下大力气的企业才能做好AI时代的云基建—— 一方面，必须大力夯实各核心环节——全栈布局。这离不开企业长期重金投入和稳定的技术创新。 另一方面，只有落地具体场景才能把技术转化为产业价值。AI时代的云基建，必须深入产业，获得更多行业伙伴的信任。 对于前者，百度在云计算和人工智能上，十年投入早已超千亿元，已形成芯片、框架、模型和应用的全栈AI布局和核心自研。百度被外界评价为“AI黄埔军校”，也不断赢得“技术复利”。 今年的百度智能云超级成绩单，就是对这种投入的有力回报： 站在上一个十年里，几乎没有人会像百度一样大手笔押注AI的前景，但企业笃定AI一定会颠覆世界，愿意把钱砸向未来。也因此作为先发者接住了今天的“智能云红利”。 source：giphy 关于后者——产业落地层面，已有超65%的央企、全国200多个重点城市及地区、80%的系统重要性银行、150余家保险、券商和基金公司落地大模型，都选择了百度智能云。 那些能进一步夯实全栈AI布局和深入产业的企业，下一个十年，将后继有力。 影响未来的全栈AI布局 判断下一个十年里云企谁胜谁负，可以用一条较为明确的观察逻辑：谁的云智一体化程度越深、进展越快，谁的赢面就更大。 所谓“云智一体”，就是打通“云”和AI的组织与研发壁垒，将云计算基础设施与人工智能能力深度融合。让AI成为云服务的核心灵魂，同时让云成为AI落地的最优土壤。 source：pixabay 最典型的佐证就是，目前全球 AI 发展的主力军都是“云计算＋模型公司”——排名前三的微软云、谷歌云和亚马逊云，分别支持 OpenAI、DeepMind 和Anthropic 等 AI 公司发展大模型。 百度的优势在于，它很早就理解并重仓了“云是AI的基础”，最早提出“云智一体”，成为AI云领跑者。 除了近乎不计成本投入外，百度重仓“AI新基建”的决心，同样表现为，在国产云厂商里，最早打破了云和AI的组织隔阂👇 2015年左右，海内外的所有互联网公司都把AI视为了单独的战略性技术。科学家们大多不属于任何业务线。问题也随之而来——当AI转向商业化，与云的结合愈发紧密，组织却容易陷入僵局：由于AI和云两大架构独立，有各自的负责人和汇报对象。AI部门要技术蓝图，云部门强调财务报表。容易陷入繁琐、低效的怪圈。 比如全球第二大云“微软云”，最早拆组织架构也只能小心翼翼——从云部门中抽出一支小分队，向AI部门汇报。 百度的决心和节奏则要大得多、快得多。2020年，百度宣布云与AI及基础技术体系统一的同时，就发布了云智一体1.0架构，目标是通过云智一体、端到端的方式，便捷高效支持产业的智能应用。 2021年，百度云智一体2.0架构发布，“适合跑AI的云”和“懂场景的AI”两大战略，解决了企业两大核心诉求：算力负担和开发成本。 2022年，百度云智一体架构再次升级至3.0，形成了“芯片-框架-大模型-行业应用”的全栈AI布局闭环。 三年三级跳拿下先发优势后，2025年升级为“云智一体、智能优先”的百度智能云，又思考起了一个新问题：AI云怎样才能真正做到智能优先？ 沈抖在今年百度云智大会上给出了答案——算力、模型、数据和工程能力。 算力层面—— 人工智能时代，算力核心从CPU转向GPU。百度通过自研昆仑芯，为文心大模型提供底层算力支持。昆仑芯超节点将64张全栈自研昆仑芯芯片集成于单一节点，实现了单卡性能提升95%、单实例推理能力提升8倍，为大模型训练与推理提供了高效算力基础。 随着AI应用增长并进入“Agent元年”，开发者对智能体的开发与部署能力提出了更高要求。为此，百度智能云上线了国内首个正式点亮的自研万卡集群，依托“百度百舸AI计算平台”的协同能力，为市场提供了稳定算力服务。 模型层面—— 百度以自研文心大模型为核心，将其融入云计算全栈服务，推动云服务从“资源驱动”转向“智能驱动”。 类似于“模型超市”的千帆大模型平台，提供超100个模型调用、目前已汇聚超1000个组件，支持快速开发AI应用。 同时百度将模型能力封装成了金融、制造、交通等行业的开箱即用解决方案，利用 AI 智能调度算力资源，优化了成本与性能。 数据层面—— 一方面，在大模型训练与应用中，数据质量与规模直接决定智能水平的上限。百度智能云支持调用百度自研的文心大模型，也开放接入了DeepSeek等多家外部模型，开发者可以根据场景灵活选型。 数据分析领域，百度千帆大模型提供包括推理服务、应用编排和持续学习在内的MaaS（模型即服务）能力，实现大模型开发—部署—运营的一站式闭环。 source：giphy 百度智能云的另一重独家优势在于—— 伴随中国互联网发展25年，积累的海量高质量数据。这段历程让百度智能云天然离用户更近，更懂用户。也让百度云具备了扎实、不断演进的基本功，能为客户提供更贴合业务的服务。 source：unsplash 作为AI云“原生玩家”，数据、算力和模型等层面的优势，已经让百度智能云凭借“AI先发”重构云服务获得了“弯道超车”。 更大范围内，百度本身作为一家最早押注AI的科技企业，拥有“造芯”“搜索”“语义分析”等多个丰厚技术家底，奠定了百度智能云进入更多产业场景和细分领域的技术基础👇 当全栈布局的资源和优势，转化成助力下游千行百业的应用，就是AI云未来最扎实的护城河。 深入产业，赢下AI云竞争的护城河 市场已经做出了选择。 招投标市场数据显示，2025上半年我国大模型相关项目爆发式增长，中标项目累计达 1810个，金额突破64亿元，中标项目数超2024全年，市场需求持续释放。 其中，百度智能云以 48个中标项目和 5.1亿元中标金额，稳居“双第一”，在金融、能源、政务、制造等重点行业中持续领跑。 source:星船知造 《星船知造》观察下，产业落地上的领先，为百度智能云带来了双重卡位优势。 一是跑得快。 从客户类型来看，百度智能云已经拿下了一系列行业的头部企业，这使得其在高端客户和标杆案例的占有率上，与其他云厂商拉开差距👇 以制造业为例，传统制造业局限在"质量检测靠人眼、能耗管理靠经验"的困境中，百度智能云给出了制造业工序管理的新解法—— 上传一段标准操作视频，几分钟就能生成一个SOP检测任务，让生产工序少出错。 百度智能云最新发布的 “一见・工序合规分析”，让制造业的工序管理，实现了“分钟级智能”👇 ●三一能源装备制造工厂，率先落地了“一见·工序合规分析”能力—— 把AI技能的开发周期从传统的“月级”压缩“分钟级”（约20分钟），快速响应了柔性生产模式。 具身智能行业，百度渗透率第一。百度AI公有云客户中的20家具身智能企业中，其中4个都是全国TOP4的客户。 以人形机器人为例。今年4月，北京人形机器人创新中心的人形机器人“天工”，完成了全球首个人形机器人半程马拉松。这背后，就有百度智能云的技术助力。 人形机器人“大脑”大模型和“小脑”技能模型的训练，离不开强大的AI算力支撑。百度智能云为其提供的百舸AI计算平台，提升了具身模型的开发效率。 第二重卡位优势：跑得稳。 百度智能云的服务范围，覆盖了包括国家电网、中国南方电网、国家税务总局和国家知识产权局在内的数百个大型政企客户。 这部分群体对云服务的要求远超“可用”，而是追求“高可用、高安全、高合规、高性能”，从而“倒逼”出百度智能云可靠的架构设计、严格的安全与合规保障和深入业务的智能运维。 服务政企客户的过程中，百度智能云证明了其“跑得稳”的核心竞争力，也将吸引更多客户，形成“越稳越好，越好越稳”的良性循环。 当一家企业凭借“跑得快”的标杆占领能力和“跑得稳”的服务基石，在应用蓝海先行卡位，也意味着，它已在下一阶段的产业智能化浪潮中就占据了领跑优势。 source:pixabay 百度智能云还有一个甲骨文没有的独家优势。 今年一季度，甲骨文Q1财报中的一句“未实现履约义务（RPO）达4550亿美元，同比增长359%”，成为引爆股价的线索。 CEO Safra Catz甚至放话：“我们这季度签了4个价值数十亿美元的合同，来自3家不同客户”。 但我们判断，智能云可能比甲骨文走得更远。 技术创新的核心不仅仅在于技术本身，更在于市场反哺——每当产业走到技术积累的关键时刻中，庞大的本土市场将是企业攻坚技术、验证并迭代产品的底气。 百度智能云拥有一个巨大的本土市场。 第一，大模型B端落地是大公司先行。 中国庞大的政企市场，为百度提供了与央企和金融机构等顶级客户的深度绑定和场景淬炼，倒逼百度打造出领先的高可用架构与合规能力。 第二，中国有海量中小企业，他们不排斥使用公有云。 中小企业用AI云，或许无法承载甲骨文传统的重交付模式，但却愿意以高效、灵活的公有云服务与AI原生应用，更低成本、更高效率地拥抱人工智能。 这一点，百度智能云走在了前列。 截至2025年4月，开发者已在百度千帆大模型平台上累计完成了4.8万个模型精调，开发了100万个千帆应用。这些中小企业可以直接在千帆上调用API，也可以做封装，几乎是零代码打造自己的大模型，和大企业站在了同一起跑线上。 根据IDC发布的《中国AI公有云服务市场份额2024》报告，百度智能云连续6年在中国AI公有云服务市场份额中位居第一。这意味着，其商业模式更具弹性和广度，既能以“稳”赢得大客户，也能以“快”和“灵”覆盖广阔的中长尾市场——未来将为更广大客户提供从算力、平台到应用的全流程解决方案，加速AI普及。 尾声 未来，不过是长期主义者提前抵达的今天。 百度智能云领跑2025年上半年云市场，并在产业落地上占据领先优势——与其说是一场技术的胜利，不如说是一次关于长期主义信仰的验证： ●最早看到“AI是云计算的未来船票”，早在2015年就确立“AI+云”路径。 ●长达十多年的千亿投入，形成“芯片-框架-模型-应用”全栈能力；并通过在政务、金融、制造、具身智能等领域获得头部客户，形成“跑得快+跑得稳”的落地优势。 一举奠定护城河。 今天，企业对AI的要求，又开始从降本增效转向直接创造价值。沈抖说：“企业的AI云，会成为新型利润中心。” 当价值的创造方式被AI云重构，产业链也会进化，AI就会进入真正的“超级周期”。 新的周期里，只要先行者保持优势，就将持续卫冕。

闻乐 发自 凹非寺 奥特曼真·算力氪金玩家。 OpenAI已经花了160亿美元（约人民币1138亿）租用计算资源。相当于每天一睁眼，就有几千万花出去租服务器。 但这还不是最夸张的。据The Information消息，OpenAI计划在未来五年额外支出约1000亿美元，用于从云服务提供商处租用备用服务器 。 在计划的3500亿美元算力投入之外，这么多钱租来的服务器还只是“备用”的…… 不过，OpenAI这波操作，也是为了能在AI算力需求暴增的时候不掉链子。 奥特曼预告未来几周新产品是计算密集型 OpenAI的首席财务官Sarah Friar在最近高盛的一次会议上就透露过，由于计算能力短缺，公司曾多次推迟新功能和新的AI模型的发布，甚至要刻意降低某些产品的运行速度。 面对这些计算上的难题，OpenAI这也算是下血本了。 但今年的160亿美元还只是冰山一角。 从长远规划来看，OpenAI计划要在2024到2030年间砸下3500亿用于服务器租赁，仅2030单年，预计服务器租赁支出就高达1000亿美元。 就在前几天，OpenAI还和甲骨文签订了一份为期五年、价值3000亿美元的算力采购合同，这笔支出并不包含在原本的3500亿美元计划里。 现在，还多了一项同样不在3500亿美元预算中的1000亿支出，用来在未来五年内额外租备用服务器…… 再从收入占比的角度来看，OpenAI在算力投入上的决心确实不小。 得益于ChatGPT的强劲增长，OpenAI预计今年总营收将达130亿美元，相比于去年的40亿，增长了三倍多。 消息称，OpenAI方面还将2030年的收入预测上调了约15%，按照此前预测的1740亿美元计算，上调后年收入将突破2000亿美元 。 即便如此，OpenAI在2030年的研发投入（大部分是算力）也将接近收入的50%。 对比其他科技巨头，差距一目了然。 亚马逊、微软、甲骨文及Alphabet等科技巨头当前研发成本占收入比例介于10%至20%之间 。 以微软为例，它10年的研发成本合计在总营收的15.5%，2025年其营业收入为764.41亿美元 ，但研发成本占比也远低于OpenAI。 而向来在研发上比较舍得投入的Meta，该比例也仅约25% 。这意味着OpenAI在算力投入上的占比，是多数同行的近两倍甚至更多。 不仅如此，如果再把投入的算力拆成训练资源和推理资源单拎出来，这个数据也高得吓人。 就从今年的数据来看，花的160亿美元中，计算成本为90亿元，推理成本70亿美元，到了2030年，这两项投入都将接近500亿美元。 当单年在500亿美元（GPT-5时代的6倍）的计算资源上训练模型，又能得到什么样的成果呢？ 既然在算力上投入这么多，OpenAI的确也该拿出东西来亮一亮。 这不，奥特曼已经又开始预告了： 未来几周、新产品、计算密集型。 还表示自己也想知道，当投入大量计算资源时，能够实现什么。 but仅限Pro用户？？？甚至有些还要额外收费。 于是，Plus用户们又开始“讨伐”奥特曼了，be like： OpenAI想赚钱，但也仍然在算力这条烧钱的道路上一路狂奔…… 参考链接： [1]https://www.theinformation.com/articles/openai-spend-100-billion-backup-servers-ai-breakthroughs [2]https://x.com/petergostev/status/1969784220248621067 [3]https://x.com/sama/status/1969835407421374910

短短一周，OpenAI拿下三大成果。 9月10日，甲骨文股价单日暴涨36%，创下32年来最大单日涨幅。这正是由OpenAI 和甲骨文签署的一项5年3000 亿美元的“天价”云服务合同影响而来。 9月11日，微软与OpenAI悄然签署了一份"非约束性谅解备忘录"，为后者的公司重组开绿灯，同时重申了二者的云服务“独占”模式的结束。 两件事的背后，实则是同一场算力博弈的不同侧面——没有和微软之间松绑云服务独占，就无从谈起和甲骨文之间的合作。没有一番拉扯后让微软放行“重组”，OpenAI就无法获得未来融资的自由度，也就无法解决“3000亿美元从哪里来”的问题。 而在另一个角落，OpenAI的自研芯片时间线也终于确认。《金融时报》、路透社等多家媒体报道，OpenAI与博通合作的自研芯片将于明年投产，届时将供内部使用。 在前ChatGPT时代，OpenAI的崛起少不了两大支援力量。 一个是英伟达，在将近10年前，黄仁勋亲自将一台超算送到OpenAI总部，成为一段佳话。ChatGPT背后模型的训练，离不开英伟达芯片的支持。 另一个是微软，其是OpenAI商业转型中引入的最大“金主”，在早期就已经投资上百亿美元。没有这些钱，OpenAI无以应对昂贵的算力成本。 然而，随着OpenAI的发展，支援力量成为了束缚手脚的麻绳。英伟达的芯片成本高，微软能给的金钱与算力也开始不够用，对二者的高度依赖，让OpenAI的前路充满隐忧。 如果说第一阶段，OpenAI的算力要依靠英伟达和微软作为柴和火。那么现在的OpenAI已经来到第二阶段：柴太贵，火也不够旺。 OpenAI逐渐生长出一个“算力帝国”梦，用自己的柴，吸引更多元的火种。 9月17日，在和微软之间“松绑”并且和甲骨文达成天价合约之后，OpenAI宣布在美国建设人工智能基础设施的“星际之门”项目，也将落户英国。 而这个消息，紧随谷歌和微软承诺在英国建设新的人工智能数据中心之后。 OpenAI的“算力帝国”野心，与巨头比肩。 经过一番与微软的博弈，OpenAI终于杀出一条血路，但帝国的建立依然需要一砖一瓦，挑战遍布前路。 01 9月11日签署的不具约束力的这份谅解备忘录记录了OpenAI商业史上最重要的关系重构。 尽管联合声明只有三句话，表面上没有透露任何信息，但OpenAI的配套声明中却隐藏着一条重要线索，即OpenAI非营利实体将持有由该交易促成的新公益公司 (PBC) 的股权，而微软显然也将在该公司中发挥重要作用。 根据The Information的分析，微软将获得重组后OpenAI约28%的股权，成为最大的外部股东。按照OpenAI目标5000亿美元估值计算，这部分股权价值约1400亿美元，远超微软140亿美元的历史投资总额。 OpenAI的让步是有条件的。 作为交换，微软在OpenAI收入中的分成将大幅削减。 根据双方最初的合作协议，微软有权在2030年之前获得这家初创公司20%的收入。但 OpenAI预计，到2020年，其与商业合作伙伴（即微软）的收入将约为8%，而今年这一比例略低于20%。 这两个数字之间的差额，是OpenAI 将在2030年之前为自己保留超过500亿美元的额外收入。 这些收入对于将持续面临着不断增加的算力支出压力的OpenAI而言颇为重要。 OpenAI 表示，根据目前的条款，其非营利部门将获得超过1000亿美元——约占其在私募市场寻求的5000亿美元估值的20%——使其成为世界上资金最充足的非营利组织之一。 对于OpenAI而言，这份新关系条款协议的核心价值更在于获得了微软对PBC（公益公司）转型的正式许可。 而这份转型批准，则意味着困扰OpenAI近两年的公司架构及其美后的问题终于有了解决方案，IPO道路正式畅通。对OpenAI而言上市融资，终于成为可能。 要理解这份协议的重大意义，需要回顾微软与OpenAI关系演变的整个过程。 这场博弈的种子，早在两年前就已经埋下。 2019年，微软以10亿美元投资OpenAI，成为了OpenAI的独家云服务供应商，获得Azure独家云服务供应权和技术优先访问权。 彼时的OpenAI还是一个年收入不到1亿美元的研究机构，微软的投资堪称雪中送炭。 2022年ChatGPT横空出世后，微软迅速跟进，在2023年将算力和现金的总投资追加至130亿美元，两家公司进入深度绑定的蜜月期。 微软为OpenAI提供了强大的算力支持，OpenAI在AI技术上突飞猛进，而OpenAI又被微软纳入各项云服务产品中，可以直接调用。 与此同时，持续的成功合作也为微软吸引了越来越多的AI企业来使用其算力服务。 2022年，微软云业务的营收增速超过了100%。 但蜜月很快结束。 据报道，微软的CEO 萨提亚·纳德拉（Satya Nadella）对2023年11月在OpenAI的CEO山姆·奥特曼（Sam Altman）被短暂罢免后迅速复职颇为震惊，从那时起就开始对冲赌注，试图减少对 OpenAI 的依赖，将其他的大语言模型加入到Azure中。 2024年下半年开始，OpenAI的公司重组成为"房间里的大象"。 作为最大投资者，微软对重组拥有重要发言权，但迟迟不表态，成为OpenAI IPO计划的最大障碍。业内人士透露，双方在重组条款上进行了激烈博弈，核心分歧在于微软担心失去对OpenAI的控制力，而OpenAI则急需摆脱现有架构束缚，获得大规模融资能力。 而据科技媒体《The Information》此前报道，OpenAI高层在2024开始抱怨微软在建设新数据中心方面进展缓慢，促使OpenAI在微软的默许下与甲骨文达成合作协议。 2025年1月，微软与OpenAI修改了云协议条款，新协议将微软对 OpenAI 云服务的独家经营权替换为优先购买权，正式告别了微软对OpenAI的独占时代。 微软不再作为OpenAI的独家云服务供应商，而OpenAI需要算力时会优先考虑微软，但OpenAI也可以自由选择其他供应商。 这一调整也使得OpenAI与甲骨文等公司开展价值5000亿美元的星际之门人工智能项目成为可能，并应运而生。 解除独占只是让OpenAI理论上可以追寻更多算力合作，但这些需要巨大的投资。在OpenAI的资金问题面前，重组更加变得迫在眉睫。 也就是说，微软只解除和OpenAI之间的独占，却不放行重组，OpenAI的“星际之门”就缺了把钥匙，眼见门立而不得入。 OpenAI当前年收入约127亿美元，而Oracle合同的年均支出高达600亿美元。巨大的收支缺口，迫使OpenAI必须尽快完成重组和IPO，获得大规模融资能力。 微软是OpenAI的主要投资者，因此OpenAI任何架构重组都需要微软的批准。 这种拉扯状态一直持续到2025年年中。 期间，微软开始采购Anthropic等竞争对手的AI服务为其Office 365软件中的一些新 AI 功能提供支持。而OpenAI则加速与Oracle、Google Cloud等建立合作关系，寻求算力供应的多元化。 双方都在为可能的"分手"做准备，不断撕扯。 02 OpenAI之所以要与微软进行这场博弈，是出于其构建"算力帝国"的宏大野心。 而这个野心的背后，是残酷的现实压力——算力，它真的不够。 ChatGPT的用户规模已经达到10亿，订阅收入超过百亿美元，股票更是上涨十七倍，市值达到5000亿美元。 爆发式增长相伴的即是庞大的算力需求和天价的算力开销，给基础设施带来了巨大压力。 今年3月，ChatGPT 4.5更新，带来了领先的图像生成服务，也成功吸引了所有目光。 然而图像生成背后是极高的算力需求，不足的算力，造成了屡次更新延迟和服务中断，用户抱怨频频。 奥特曼反复表示OpenAI的GPU已经用完，“我们的GPU正在崩溃”，在社交媒体上大呼，“谁能尽快提供GPU，请给我打电话！” 反复的GPU用完的抱怨道出了OpenAI面临的核心困境——算力短缺已经成为制约发展的最大瓶颈，而算力支出也将成为持续的最大成本压力。 更大的压力来自未来。 据The Information报道 ，OpenAI预计2029将耗资1150亿美元，这一数字比该公司之前的估计高出约800亿美元。这一增长中，对自有数据中心服务器芯片和设施的投资将是其现金消耗的主要原因。 与此同时，OpenAI估计，2030年研发支出仍将占营收45%，推理运算成本则占约25%，意味着该年度一半收入将用于租赁云服务器。 训练下一代GPT模型、向AGI（通用人工智能）冲刺，都需要海量的计算资源。在这种情况下，依赖单一供应商不仅存在供应风险，也限制了发展空间，而将数据中心、服务器、算力都握在自己手中，也是控制成本的一大手段。 进化中的OpenAI，开始试图打造自己的算力帝国。 与甲骨文的3000亿美元合作，正是OpenAI算力帝国梦想的重要一步。 这份5年期合同将为OpenAI提供4.5千兆瓦的数据中心容量，相当于两个三峡大坝的发电量，约450万户家庭消耗的电力，足以部署超过200万枚芯片运行。 这一合作也正是OpenAI “星际之门” 数据中心建设计划的一部分。 根据规划，甲骨文将在怀俄明州、得克萨斯州、密歇根州等地建设专门的AI数据中心，为OpenAI提供定制化的基础设施服务。 算力帝国的构想远不止于此。OpenAI与博通的100亿美元芯片合作协议，瞄准的是打破Nvidia在AI芯片领域80%的市场垄断。代号为"Titan"的定制AI芯片采用3纳米先进制程，计划2026年量产。这不仅能降低芯片成本，更重要的是获得技术自主权。 OpenAI的整个星际之门计划更为宏大。这个由OpenAI、软银、甲骨文联合推进的项目，计划在4年内投入5000亿美元，在美国本土建设大规模AI基础设施网络。首个设施已在德克萨斯州阿比林投入运营。 按照规划，星际之门将成为全球最大的AI计算集群。 OpenAI的算力野心还延伸到了国际市场。 就在昨天，随着特朗普总统对英国进行国事访问，这项原本仅仅在美国建设人工智能基础设施的项目，也将落户英国全国多地。英伟达和英国AI基础设施初创公司Nscale 合作，将3.1万个GPU落地英国。 在英国的星际之门计划中，OpenAI将提供其AI技术和培训AI技能的OpenAI学院。 此外，据知情人士透露，OpenAI正在与沙特阿拉伯等中东国家探讨建设算力中心的可能性，利用当地丰富的能源资源和战略位置，打造面向全球的AI基础设施网络。 OpenAI不只是想成为AI算法的领导者，奥特曼的野心，直指AI基础设施的生态主导者。 03 算力帝国的梦想很美好，但现实很骨感。 最大的问题是：钱从哪里来？ OpenAI的初始资金投入是无偿捐赠，以人类福祉为口号和目标，也或许是为了特殊的税务地位，OpenAI创立时是一个非盈利组织性质的研究实验室。 随着商业化进程的推进，其非盈利性质不断遭受质疑，引发风波，也为大规模融资带来了巨大难题。 2023年11月，非营利董事会突然解雇奥特曼，差点引发公司崩溃。虽然奥特曼在员工和投资者压力下重新回归，但也暴露了其问题：运营一家千亿美元公司的CEO，竟然可以被突然罢免，被罢免的本人提前不知情，最大投资者微软也同样一脸懵。 而在另一面，马斯克则于2024年2月起诉奥特曼，称其背离了最初的非营利使命，成为了微软事实上的闭源子公司。 经过2024年底的公司重组，OpenAI当前采用了一种双层架构。非营利组织OpenAI Inc控制着的营利实体子公司OpenAI LP，宣称将用营利性的成功支持更强盛的非营利事业。 这一方案也一直遭受两方面的质疑。 在前员工、AI伦理学者和监管机构的多重压力下，尽管OpenAI一直试图转变为营利性机构，今年五月，OpenAI暂时妥协，放弃了营利性转型，并发布公告称，OpenAI将继续由现有非营利组织控制，而OpenAI现有的营利性机构将成为一家公益公司。 PBC（公益公司）转型，或许是OpenAI找到的唯一解决方案。 这种模式允许公司在追求商业成功的同时，保持对社会使命的承诺。在新架构下，非营利OpenAI Inc.将持有约20%股份（价值超过1000亿美元），并保留"黄金股"否决权，确保AGI安全等关键决策不被资本绑架。其余80%股份将由OpenAI PBC持有，可以正常进行IPO和融资。 这种设计下非营利组织获得了史无前例的慈善资产，如其公告中所言，成为全球最富有的慈善机构，而投资者也可以享受无上限回报，OpenAI也获得了战略自主权。 不过，OpenAI的本次转型也面临严峻的监管挑战。 OpenAI因其非营利性地位，正受到加州监管机构的审查。加州总检察长肩负着保护慈善资产的重任，因而正在对这笔史上最大的慈善资产转移进行严格审查。 而就在9月初，人工智能巨头OpenAI正在考虑离开其加州总部。 今年3月，OpenAI完成了400亿美元融资，然而，此轮融资带有附加条件，如果 OpenAI 不在 12 月 31 日之前重组为营利性实体，其总投资可能会削减至200亿美元 。 时间压力巨大，OpenAI必须在2025年底前完成重组。 这笔融资对于OpenAI支撑巨额算力投资至关重要，重组又是未来的融资自由度的基础，任何延迟都可能打乱整个战略部署。 这就是为什么微软成为OpenAI“算力帝国”路上的卡点，也是为什么OpenAI和微软拉扯多时，最终以28%的股份作为交换换取“放行”。 如今，OpenAI终于解决这个关键卡点，重组成为可能，IPO和外部融资就在眼前，算力帝国的建设已经布局初现，接下来，到了“施工”的时候。 04 然而，这不意味着OpenAI的算力帝国一定可以建成。 即便顺利完成重组，OpenAI的算力帝国之路依然荆棘遍布，资金缺口，技术路径的可能性都还是巨大的问题。 OpenAI仍然是一家烧钱的初创公司。年收入127亿美元对比年支出600亿美元，这种收支失衡短期内很难改善。即便IPO成功，OpenAI也需要持续的大规模融资来支撑基础设施建设。 市场对5000亿美元估值的质疑声接连不断。据CNBC报道，D.A. Davidson分析师吉尔·卢里亚（Gil Luria）警告称， OpenAI仍然是一个非营利组织，其筹集资金的能力有限，而甲骨文超过90%的订单来自OpenAI单一客户，这种集中度"显著降低了投资吸引力"。 技术路径的不确定性也是另一个风险，AI技术发展的速度依旧令人犹疑，如果技术进展不如预期，OpenAI的巨额投资可能面临浪费风险。 与此同时，竞争压力也在加剧。谷歌、Anthropic、Meta、xAI等都在AI领域快速追赶，每家公司也都在建设自己的算力基础设施。从算法竞争到基础设施竞争，AI产业的焦点正在发生根本性转移。 xAI从零开始仅用了 122 天在孟菲斯建成了AI 训练集群 Colossus 1，拥有约 20 万台 H100/H200 和约 3 万 GB200 NVL72，至今仍是规模最大的完全可运行的单相干集群。 尽管与 OpenAI 、 Meta 和 Anthropic 正在建设的千兆瓦级集群相比，Colossus 1 约 300 兆瓦的规模并不庞大，但根据独立分析机构semi ainalysis预测，依靠英伟达的投资，2025年第三季度，xAI的单个数据中心总容量将超过 Meta Superintelligence 和 Anthropic，从而在Colossus 2上市时能够在计算能力上再次超越大多数竞争对手。9月16日，马斯克就在X上炫耀，从太空就能看到位于孟菲斯由壮观的Colossus ||超算集群排列出的巨硬（MACROHARD）字样。 OpenAI联合创始人格雷格·布罗克曼（Greg Brockman）在9月16日发布的访谈中谈到，算力将成为限制创造力的瓶颈。谁控制了算力，谁就控制了AI的未来。而作为星际之门计划的领导者，OpenAI究竟能否保持其地位，实现这一巨大的计划？ 地缘政治因素带来的额外复杂性也增添了新的变数，当下，中美在AI领域的竞争也蔓延到了AI基础设施的部分，随着中国数据中心、AI集群的不断建设，美国相应的建设也更加紧迫。 OpenAI的算力帝国，某种程度上承担着提升美国AI竞争力的使命。星际之门计划在英国的开展作为特朗普访英的副产品，也可见美国借OpenAI全球布局自身的算力帝国的野心。 从更宏观的视角看，微软与OpenAI的这场博弈，远超出了两家公司的利益纠葛，它是AI时代权力格局重新分配的缩影。 Oracle的股价狂欢和微软的战略让步共同见证了AI产业权力格局的历史性变迁，在这背后的算力基础设施的控制权之争，将是AI时代的核心竞争。就像石油在工业时代的地位一样，算力正在成为AI时代的战略资源。OpenAI试图建立独立的算力帝国，不仅是商业考量，更是为了在未来的AI竞争中掌握主动权。 不仅仅是OpenAI，每一家有志于AI领导地位的公司，都必须解决算力控制权问题，反过来说，算力控制权也将意味着对AI行业的的巨大控制。OpenAI的成功突围，可能引发更大规模的产业洗牌。 当下，随着OpenAI算力帝国的规划，甲骨文等传统企业又强势崛起。AI浪潮重塑了整个科技产业格局，也重塑了全世界的物理面貌，在可见的未来，或许拥有基础设施能力者“得天下”。 OpenAI刚刚扫清历史障碍，而它和微软“解绑”的结果，却是一些竞争者原本就有的起点。

近日，国家统计局公布了2025年中国1-8月份国内芯片产量情况。 数据显示，8月份，国内芯片产量是425亿块，同比增长3.2%，而1-8月份累计生产芯片是3429.1亿块，同比增长8.8%。 这意味着，1-8月份这240天里，我们每一天生产了芯片14.4亿颗左右，创下了一个新的纪录。 事实上，对于这个数字，估计很多人并不意外，毕竟这些年中国芯片一直在扩产，像中芯国际都是超过了联电、格芯，成为了全球第三大芯片代工企业。 除了中芯之外，像华虹、晶合集成等代工企业，份额、营收也是大增长，这很明显就能够说明，国内芯片产能是在增长的，所以统计局的数据肯定也是不断增长。 而在这个增长背后，还有另外一个值得大家关注的数据，那就是中国芯片出口量也是不断增长的。 按照海关的数据，2025年8月中国集成电路出口量333.9亿个，同比增长0.3%；而1-8月中国集成电路出口量2330亿个，同比增长20.8%，也是创造了纪录的。 如果按照金额来看，8月份，中国集成电路出口金额177.22亿美元，同比增长0.3%。而2025年1-8月，中国集成电路出口金额1260.52亿美元，同比增长22.1%。 这些数据可以说明： 1、中国芯片产量在大增长，制造的芯片越来越多。 2、中国芯片出口在增长，出口的芯片越来越多，开始卷向海外市场了。 而卷向海外市场，对谁的影响最大，当然是美国芯片企业了，要知道一直以来，美国的芯片企业占了全球50%以上的销售规模，而中国芯片出口增长，抢全球芯片企业的份额，自然美国就要首当其冲了。 不过，在看到这些数字高兴之余，我们还是要注意到一个事实，那就是目前国内出口的芯片，大多是成熟芯片，其单价低，利润也低，而我们进口的芯片，单价高，利润也高。 这也是国内芯片制造水平，与国际芯片制造水平有一定差距造成的，所以接下来，我们一方面要提高芯片制造水平，然后提高芯片制造产能，再多向海外出口，那么美国就真的要慌了，因为这直指它们的七寸。

IT之家 9 月 22 日消息，Meta 现已公布了 MobileLLM-R1 系列小语言模型，分别提供 1.4 亿、3.6 亿和 9.5 亿不同参数版本，强调能够在本地移动平台等轻量级设备上运行。 Meta 表示，MobileLLM-R1 并不是面向聊天机器人的通用模型，而是经过监督式微调（SFT）专门训练，主要用于解决数学、编程（如 Python、C++）和科学类问题，以最大规模的 MobileLLM-R1 950M 为例，其预训练数据仅使用了约 2TB 高质量 token，总训练数据量也不到 5TB，但表现依然出色。在 MATH、GSM8K、MMLU、LiveCodeBench 等多项基准测试中，成绩超过了使用 36TB token 数据训练的 Qwen 3-0.6B。 在对比现有开源小模型时，MobileLLM-R1 950M 在 MATH 测试中的准确率是 Olmo 1.24B 的 5 倍，也是 SmolLM 1.7B 的 2 倍。在编程任务中，其表现同样优于 Olmo 1.24B 和 SmolLM 1.7B。 目前，开发者可以通过 vLLM 推理引擎运行 MobileLLM-R1，只需在 ModelRegistry 中登记模型架构 Llama4ForCausalLM 即可。该系列模型已以 Apache 2.0 协议开源，并发布在 Hugging Face 平台。

作者 | 荣智慧 编辑 | 向现 唯物的中国芯片产业深度观察 这几天，美国财经名嘴吉姆·克莱默把“台积电是珍宝”挂在嘴边。 克莱默赞扬台积电的资产负债表“比美国政府的好看多了”，言下之意是，“有的是钱”的台积电不应拿美国政府的补贴，反而应该自掏腰包感谢美国政府的“政治保护”。 克莱默的说法倒也不稀奇，他的论调与美国总统特朗普如出一辙：特朗普在第二任期刚开始，就停掉了台积电的补贴，还要收中国台湾的“保护费”。 正是在“胡萝卜加大棒”的政治氛围下，台积电变成“美积电”的前景逐渐清晰。只是，台积电可能不愿意回忆“和氏璧”的故事，秦昭王用“十五座城池换和氏璧”是典型的“说说而已”，赵国派蔺相如“假送真存”，和氏璧才得以在赵国多保留了二三十年。 从“棋子”到“弃子”，角色转换可能快得超乎想象。 加注美国 “珍宝”往往受人垂涎。尤其是夹在中美博弈缝隙中的“珍宝”台积电。 去年年底，国台办发言人表示，台积电迟早变成“美积电”——“台积电已经成为民进党当局讨好美国的‘投名状’”。同时有中国台湾媒体认为，台积电一走，“台湾将再无利用价值”。 台积电市值占中国台湾股市市值的35%，如果加上其配套产业链价值，大概占股市市值的50%以上。也就是说，美国“连锅端走”台积电的话，中国台湾的经济根基也去了一大半了。 21世纪初火遍亚洲的中国台湾青春偶像剧《流星花园》，主角道明寺扬言“家里有四座半导体厂”。 《流星花园》剧照 即使顶着“全民产业”的帽子，台积电“赴美”依然步履不停。 今年以来，台积电“赴美”有两大举措，一是投资金额再加码，追加1000亿美元，总投资额达到1650亿美元，这一数字差不多是台积电4年资本投资的总和；二是特朗普第二任期开始的一个月后，台积电第一次在美国召开董事会，这也是台积电成立37年来首次将董事会放在中国台湾之外的地方举办。 换句话说，两大举措意味着——钱也去美国了，人也去美国了，这是台积电整个企业重心迁移的信号。 早在2020年，特朗普第一任期末，台积电投资120亿美元，在美国亚利桑那州建立首个芯片生产基地，其生产的4nm芯片已于今年上半年量产。 2022年8月，时任美国总统拜登签署《芯片与科学法案》，计划提供数百亿美元补贴和税收优惠，吸引别国的芯片企业转移到美国。针对台积电占全球晶圆代工市场6成以上份额、7成营收来自北美的市场地位，拜登政府向台积电提供约66亿美元补贴、50亿美元低息贷款，外加最高达162亿美元的税收抵免。 2022年8月9日，拜登签署《芯片与科学法案》 2023年，台积电在亚利桑那州增设第二家晶圆制造厂，计划于2028年开始生产3nm和2nm芯片，此时台积电的总投资额达400亿美元。 2024年，为了拿到《芯片法案》的更多支持，台积电宣布在亚利桑那建设第三座晶圆厂，今年年中动工，计划2029年之后生产2nm和更先进（A16）制程芯片。至此，台积电在亚利桑那的三座晶圆厂总投资额为650亿美元。 2025年1月，特朗普第二次担任美国总统，以加征半导体关税为筹码，直言“台积电在这里这么做（在美投资），就没有关税了”。 于是，台积电迅速抛出“追加1000亿美元”的投资计划，在亚利桑那新建三座晶圆厂、两座先进封装设施和一个研发中心，使总投资额达到1650亿美元；同时，新厂包含先进制程和先进封装产线，帮助美国建立“尖端”半导体生态；在美国召开董事会，以此作为向特朗普示好的“政治表态”。 美国陷阱 台积电始终迎合美国的芯片战略，恪守身为“棋子”指哪打哪的“职责”。 在特朗普第一任期末，台积电就非常“知趣”地向亚利桑那投资了120亿美元。2025年特朗普重返白宫，延续并升级了“芯片回流”战略。 特朗普政府“芯片回流”战略的出发点有三点。一是地缘政治风险严峻，美国对中国台湾芯片的依赖程度有增无减。中国台湾生产了全球约9成的尖端芯片，属于美国高科技和国防供应链的“单点风险”。二是人工智能技术成为热潮，美国希望掌握高端芯片的制造主导权。三是兑现“制造业回流”的竞选承诺，提振美国本土就业机会。 美国总统特朗普8月6日宣称，美国将对进口半导体产品征收100％关税，但未说明具体实施细节/图源：新华社 以“芯片回流”战略为纲，美国针对台积电施压，主要遵循“大棒为主、胡萝卜为辅”的思路。 “大棒”体现在关税政策和行政压力方面。比如，如果不在美国生产，台积电的芯片出口将会被课以100%甚至远高于100%的关税。另外，出口管制可以作为筹码，比如限制台积电获取美国关键设备或软件许可，像台积电的南京工厂“已验证最终用户”（VEU）将于2025年底结束，意味着受美国控制的物品和服务不能再直接进入该工厂。 此外，国防采购政策也是一种杠杆，规定国防关键芯片必须由美国境内工厂供应，将间接迫使台积电在美设厂以取得相关订单。 “胡萝卜”则是巨大的市场潜力和模糊的政策支持。台积电的几大客户如苹果、英伟达都是美国公司，其CEO库克、黄仁勋早已拜倒在特朗普麾下，不仅先后在美投资五六千亿美元，更有事没事去特朗普府邸“海湖庄园”转悠几圈。而且，新的补贴虽然没了，但旧的补贴到账也算一点利好，台积电“不要白不要”。 8月6日，苹果公司首席执行官蒂姆·库克在华盛顿白宫展示赠与美国总统特朗普的礼物/图源：新华社 美国通过“绑定”台积电，来巩固自身的科技霸权和科技主导权。台积电不是孤例，30多年前，美国出手制裁日本东芝机械，令有着148年历史的东芝一蹶不振；十几年前，美国制裁法国电力公司阿尔斯通，甚至在纽约机场派FBI逮捕了该公司副总裁皮耶鲁齐。 皮耶鲁齐出狱后写了一本《美国陷阱》，痛斥美国“得不到就毁掉”，将掌握高新技术的企业视为大国博弈的筹码。 因此，台积电的投其所好也是在“走钢丝”。 冤家路窄 台积电在美国的扩张逐步展开，搅动了美国芯片业格局。 台积电首先要与“老对头”三星面对面厮杀。 在逻辑芯片制造领域，台积电和三星是唯二掌握7nm及以下先进工艺的厂商。三星早先宣布在德州泰勒市投资170亿美元建造新晶圆厂，规划最早2026年投产，未来二十年内在美投资总额可能高达2000亿美元。台积电此番大举进入美国，势必在争夺美国政府补贴、客户订单和工程人才方面与三星形成激烈竞争。 无论是台积电还是三星，美国工厂都需要大量半导体工程师和技术工人。而美国本土这方面人力储备有限，两大巨头不得不争相挖角，成本也将因此走高。 台积电亚利桑那州厂区 不过，两家公司在美国布局的定位略有不同。台积电主要是响应客户的在地化需求以及美国政府的战略要求，将其先进逻辑制程引入美国；而三星在美国既生产逻辑芯片也生产存储器，主要是打造全球产能版图中的一环。 对于本土老牌巨头英特尔来说，台积电就有点“来者不善”了。虽然英特尔势头不错，一个月内连获美国政府、软银和英伟达三笔投资，但即使英伟达投资50亿美元，也只字未提与英特尔晶圆代工业务进行合作，英特尔的未来发展依然蒙着阴影。 英特尔近年股价狂泻，市值腰斩，已经推迟了俄亥俄州280亿美元的建厂计划，暂停了德国和波兰的晶圆厂建设，预计到2027年才能实现盈亏平衡。冤家路窄的是，美国政府未投资前，坊间一度传出台积电将接管英特尔晶圆制造业务的消息。 曾称为“2025领先台积电”里程碑的英特尔18A被传终止开发 台积电在美国的大规模投资，也影响了全球半导体产业的地理版图变化。 长期以来，先进晶圆代工产能主要集中在东亚，而台积电与三星等在美扩产，意味着部分产能向北美流动。特朗普宣称包括台积电、三星等投资建厂规划在内，美国有朝一日可占据全球芯片制造市场40%的份额。虽然这一数字过于乐观，但可以预见，美国在全球晶圆代工产能中的占比将有所提高。 而其他经济体中国大陆、日本和欧盟也各自启动了芯片计划。特别是日本，不仅拉拢台积电建厂，还成立了“Rapidus”联盟，由日本各大企业投资，力争在2027年量产2nm芯片，重建自主尖端制程能力。 近五六年来，芯片问题政治化是全球变化剧烈的新趋势之一。 对于中国大陆而言，从技术竞争维度来看，台积电加速先进制程（如2nm及以下）的全球化产能布局，可能加剧中国大陆在高端逻辑芯片领域的代差压力，特别是在EUV光刻机受限的背景下，中国大陆需在第三代半导体（碳化硅、金刚石等）、Chiplet异构集成等非对称赛道加速突破。 航拍南京浦口经济开发区“台积电”第16厂/图源：图虫·创意 新型芯片赛道也提供了“换道超车”的机遇。像“水芯片”等新型芯片作为突破冯·诺依曼架构的颠覆性方向，研发依赖跨学科融合。中国如果能依托在类脑芯片等领域的积累，也许可以绕开硅基制程的“卡脖子”环节，在新型芯片领域建立非对称优势。 实际上，台积电积极赴美，甚至不惜化身“美积电”来取得“政治庇护”，本质上是以牺牲中国台湾半导体产业为代价来换取短暂的“表态”式支持，长远来看，一定会削弱中国台湾在全球科技领域的竞争力。 国台办发言人此前曾表示：美方步步紧逼掏空台积电，民进党当局任人予取予求，何曾把台湾同胞的福祉和产业界的利益放在心上？ 值班主编 | 张来 排版 | 八斤 点击图片 即刻购买（广告） 更多资讯 南风窗新媒体 出品 未经授权 禁止转载 欢迎分享至 朋友圈 投稿、投简历：newmedia@nfcmag.com 广告、商务合作： Wang838645293 记得星标！点点在看让理性的声音传得更远

智东西 作者 | 云鹏 编辑 | 漠影 智东西9月22日深圳报道，刚刚，移动芯片领域头部玩家联发科正式亮出了年度重磅旗舰手机SoC天玑9500，其定位为旗舰5G智能体AI芯片。 其CPU、GPU性能和能效比都有比较显著的提升，CPU单核4000分、多核11000分的成绩更是直逼最新的苹果A19 Pro，联发科技资深副总经理徐敬全特别强调说，这是安卓手机芯片在单核性能方面首次比肩苹果当代旗舰芯片。 联发科技董事、总经理暨营运长陈冠州开场提到，过去10年，全球搭载联发科芯片的终端产品超过了200亿台，平均地球上每人有2.5个联发科终端产品。天玑汽车平台目前也已经导入了9家国内头部车厂。 回到今天的主角天玑9500，其采用第三代3纳米制程，集成全大核CPU、GPU、NPU、ISP影像处理器等模块，在端侧AI、专业影像、主机级游戏体验以及网络通信等方面进行了重点升级。 天玑9500全大核CPU架构包含1个主频4.21GHz的C1-Ultra超大核，以及3个C1-Premium超大核和4个C1-Pro大核，业内率先集成了矩阵运算指令集SME2、率先支持了4通道UFS4.1闪存架构。 天玑9500的单核性能相较上一代提升32%，多核性能提升17%，超大核功耗相较上一代X925峰值性能下降低55%，多核功耗相较上一代峰值性能下降低37%。 够方面，天玑9500搭载新一代旗舰GPU G1-Ultra，其峰值性能相较上一代提升33%，功耗相较上一代峰值性能下降低42%，光线追踪渲染性能较上一代提升119%。 GPU采用了GPU Dynamic Cache架构、移动端Raytracing Pipeline技术、天玑星速引擎-倍帧技术3.0等，同时率先支持了让画面效果更逼真的虚幻引擎5.6 Mega Lights和5.5 Nanite方案。 AI方面，天玑9500集成了性能和能效双NPU，性能NPU 990峰值性能相较上一代提升111%，在大语言模型摘要输出能力、多模态理解能力方面有大幅跃提升，并率先实现了4K高清画质文生图。 同时，NPU 990兼顾高能效，相较上一代在峰值性能下的功耗降低56%。NPU 990集成了生成式AI引擎2.0，率先支持了BitNet1.58bit大模型运算，通过减少端侧AI运算的存储需求来降低模型运行的功耗。 天玑9500的能效NPU采用了存算一体架构，运行功耗显著降低助力实现AI模型常驻运行。 影像方面，天玑9500搭载Imagiq 1190影像处理器，其采用RAW域处理引擎，结合NPU性能加速算法处理，实现了2亿像素高画质直出，能效NPU则可支持实时追焦技术。 天玑9500率先支持了4K 60帧人像视频录制，涵盖电影级光斑、细腻肤质优化、丰富色彩滤镜等技术。此外，基于高能效ISP，天玑9500手机支持在4K 120帧视频录制上叠加双轨防抖算法。 天玑9500此次还支持了诸多AI加持的通信黑科技，比如天玑蓝牙大耳朵通话技术、天玑AI通信节能技术、天玑AI选网技术、天玑AI定位技术等。 联发科提到，首批采用天玑9500芯片的智能手机预计将于2025年第四季度上市。

荣耀平板与 IOT 产品总经理贴脸小米卢伟冰开大：MagicPad 3 Pro 搭载第五代骁龙至尊版，10 月发布 IT之家 9 月 22 日消息，小米集团合伙人、总裁，手机部总裁，小米品牌总经理卢伟冰 9 月 19 日宣布：小米平板 8 Pro，性能大升级，是性能最强的安卓平板。配图海报显示该平板搭载骁龙 8 至尊版移动平台。 IT之家注意到，荣耀终端股份有限公司平板与 IOT 产品领域总经理 @荣耀平板利用哥 今日转发了卢伟冰的这条微博，并贴脸开大：“10 月搭载第五代骁龙至尊版的荣耀 MagicPad 3 Pro 就发布了，喜欢高性能的小小伙伴可以等等了。” 据IT之家今日早些时候报道，有爆料称荣耀 MagicPad3 Pro 平板将全面对标苹果 iPad Pro 和小米平板 Ultra，目标是“安卓阵营的‘最强平板’”，将在平板端首发高通骁龙 8 Elite Gen5 芯片，属于年前唯一，会独占一段时间。 硬件方面，这款平板将搭载 13.3 英寸超高刷超级大屏，首批搭载 MagicOS 10，拥有 PC 级交互能力，会有 PC 级的 WPS 套件、更无缝的跨端交互，办公能力，预估起售价最少 5000 元。 ▲ IT之家开箱：荣耀 MagicPad 13 平板图赏

Air × 2 = Fold ? 上周，iPhone 17 系列以及 iPhone Air 正式发布。爱范儿对所有国行开售机型都做了详细测评。 在测评中我们提到，苹果是设计、技术创新、供应链管理的三位一体，而 Air 是设计至上但取舍颇多的那一位。 而在即将作为明年新品发布会主角的折叠屏 iPhone 上，我们或许将会看到这种「设计至上」的再升级： 根据彭博社苹果专家 Mark Gurman 的最新爆料，折叠屏 iPhone 将会是「两台 iPhone Air 并排」的感觉。 折叠屏 iPhone = Air × 2 我们做了个粗糙的调研，发现那些喜欢 iPhone Air 但没下手的读者当中，有相当一部分想等等看明年的折叠屏 iPhone。 而根据 Mark Gurman 的描述，消费者们可以期待折叠屏 iPhone 会像「两个钛合金 iPhone Air 并排」那样，整体呈现一种超薄的观感。他还提到，折叠屏 iPhone 会是苹果的一项「设计成就」。 截图｜彭博社 至于价格方面，和我们之前报道相比，没有发生重大变化，仍然会在 2000 美元左右——比 Pixel Fold（$1799）还要昂贵。 概念图，仅供参考 作为直板手机，iPhone Air 的厚度、手感和做工，三者之结合足以令人称赞——但如果两台拼接在一起，按照现在的 Air 机身数据来看，厚度似乎并不理想。 iPhone Air 整机厚度 5.6 毫米，两个拼在一起的话即便完美贴合也要超过 11mm。更何况理论上 A、B 面都有屏幕，还要给可能更大的电池留出空间。 诚实来讲，即便作为工业设计巨头的苹果，这几年在手机厚度控制和电池容量方面做的也并没有做到真正的业界标杆。无论是荣耀、OPPO，还是 vivo、三星，都已经在大折叠手机上有了多年的实践经验，厚度半年前就已成功突破 9mm，26 年上半年有望冲击 8.5mm。 而折叠屏 iPhone 作为苹果的第一款折叠屏产品，即便明年此时发布，厚度一次性跃迁到业界头部水平，可能性也不大。 不过还是有一个好消息：据传三星已经搞定了 in-cell 方案的柔性曲面 OLED 面板。而苹果将会成为最早一批（甚至可能成为首个）用上该技术的手机品牌。 in-cell 指的是将屏幕触控层集成到像素层内部或下方的集成方案，简单来说能让屏幕模块更薄，在柔性屏上还能让折痕更不明显，允许更激进的转轴机制，进一步降低机身重量和厚度。 这是苹果对三星施展「钞能力」的结果。业界传闻似乎指出，这块三星独家供应的 in-cell 柔性 OLED 面板，可能是三星在自用的 Y-OCTA 方案之外，专门为苹果开发的新方案。 而三星自家的 Galaxy Z Fold8 预计会在 2026 年 7 月发布，折叠屏 iPhone 预计将作为明年 9 月发布会的最大主角——谁会成为这个具有跨时代意义 in-cell 柔性 OLED 面板的首发机型，将会是最大的悬念。 其它折叠屏 iPhone 爆料 苹果预计将在明年正式推出折叠屏 iPhone。屏幕尺寸方面，此前爆料接近华为 Pura X 的「阔折叠」方案，外屏 5.5 寸，展开后 7.8 寸。 摄像头方面，消息指出折叠屏 iPhone 内外屏各有前置摄像头，后置双摄，总计四摄像头。 SIM 卡方面，折叠屏 iPhone 预计会和 iPhone Air 做出同样的取舍：全面采用 eSIM，搭载苹果自主研发的 C2 基带（eSIM 硬件）以及 N1 通讯芯片（Wi-Fi、蓝牙、其他射频通讯）。 出于对厚度的追求和工业设计的压力，折叠屏 iPhone 也会复用 iPhone Air 超高集成度/超小尺寸的高原主板设计，在其基础上进一步优化升级。iPhone Air 主板基本集成在背板相机模组「高原」的下方，把空间尽可能留给电池。 我们在此前的评测中提到，iPhone Air 是苹果为折叠屏 iPhone 准备的「试验田」，而高原主板是迈向折叠屏的重要一步。iPhone Air 证明了：一部 iPhone 的主要零部件，只需要摄像头 deco 大小的空间，剩下的可以留给电池、屏幕、铰链、中框等零部件，让折叠屏 iPhone 尽可能地轻薄。 机身工业设计方面，分析师郭明錤称折叠屏 iPhone 将采用 iPhone Air 同款的钛合金中框，铰链部分使用不锈钢和钛合金复合材料。 图｜iFixit 值得注意的是，苹果为了缩减部件尺寸，缓解工业设计压力，无所不用其极。在折叠屏 iPhone 上，苹果预计将会加大对于钛合金 3D 打印工艺的利用。 这项技术在 iPhone Air 上造就了一个超微型/高集成度的 USB-C 接口组件。iFixit 的拆解报告显示 3D 打印钛金属节约了 33% 的材料使用。 为了轻薄，折叠屏 iPhone 可能会做出一个「违背祖宗」的决定：重新采用指纹解锁方案 Touch ID——出于轻薄的考虑，苹果没有必要在内外屏各开一个灵动岛。由此，我们可能会在折叠屏 iPhone 上看到类似于 iPad 产品线的侧边指纹识别按钮模块。 刚才我们已经谈过了价格。而为了维持利润率惯性，苹果将会尽量控制折叠屏 iPhone 的成本。 此前瑞银做了一次分析师调研，认为折叠屏 iPhone 的 BOM（物料清单）成本会在 795 美元左右（折合人民币 5600-5700 元）。这个水平远超过往常规直板 iPhone 机型 400-500 美元的 BOM 成本区间——这也是建立在已经尽可能控制成本（例如内存、摄像头模组等）的基础上了。 生产规划方面，我们曾经报道过苹果在今年 6 月已经进入了折叠屏 iPhone 的初步原型 1 (Prototype 1/P1) 阶段。 《电子时报》援引供应链人士消息表示，苹果的 P1 阶段通常持续 2 个月，随后进入原型 2 (P2)、原型 3 (P3) 阶段。按照过往经验，这台手机预计将在今年年底完成主要的原型测试阶段，随后进入工程验证测试 (Engineering Validation Test/EVT) 阶段。 届时，EVT 工作将由富士康、和硕这两家 iPhone 主要代工厂接手。EVT 的主要目的是验证生产良率和可制造性，为大规模生产 (Mass Production/MP) 做好准备。 通常，P1 到 P3 会在大规模生产前约一年进行。因此业界估计假如一切顺利的话，这台折叠屏 iPhone 的上市目标会在 2026 下半年。 为了给折叠屏 iPhone 让路，苹果很有可能会在明年调整 iPhone 的发布计划： 可折叠 iPhone 将与 iPhone 18 Pro 系列（以及新 Air，如果有的话）一同在 2026 年推出；iPhone 18 标准版可能会推迟到 2027 年春季，与 iPhone 18e 一同推出。 巧的是，已经正式开售的 iPhone 17 标准版得到了大量 Pro 功能和配置下放，「牙膏挤爆」，有望成为新一代换机「钉子户」。 所以，苹果可能确实没太大必要在明年发布新的 iPhone 标准版，倒是真的可以拖到 27 上半年，在中-高端市场跟国产 Android 对手们战个痛快。

作者 | 陈骏达 编辑 | 云鹏 美团龙猫大模型，现在会思考了！ 智东西9月22日报道，最近，美团在AI开源赛道上在猛踩加速。今天，在开源其首款大语言模型仅仅24天后，美团又开源了其首款自研推理模型LongCat-Flash-Thinking。 与其基础模型LongCat-Flash类似，效率也是LongCat-Flash-Thinking的最大特点。美团在技术报告中透露，LongCat-Flash-Thinking在自研的DORA强化学习基础设施完成训练，直接将训练速度提升到原来的3倍还多，增幅超过200%。该模型重点优化了形式推理和Agent推理任务，使用工具后推理效率很高，例如，可将AIME-25基准测试中的平均token消耗减少64.5%。 LongCat-Flash-Thinking在多领域基准测试中表现出不俗的实力： 在通用问答、数学推理、通用推理的相关测试中，它和GPT-5-Thinking、Gemini2.5-Pro、DeepSeek-V3.1-Thinking、Qwen3-235B-A22B-Thinking-2507等基本打平； LongCat-Flash-Thinking还在安全、形式化定理证明等领域的多项基准测试中，大幅度领先上述4款推理模型，并在权威Agent工具调用基准测试τ²-Bench中，超越除了GPT-5-Thinking外的所有参评模型。 目前，LongCat-Flash-Thinking模型已经开源至GitHub、Hugging Face等平台，相关技术报告也同期发布，用户也可在体验链接中直接使用。不过，在实际体验中，模型推理和回答长度往往会超出体验链接里的限制，导致答案不完整。 开源地址： https://huggingface.co/meituan-longcat/LongCat-Flash-Thinking https://github.com/meituan-longcat/LongCat-Flash-Thinking 一、靠课程学习逐步构建能力，Agent和形式化推理能力获补强 在模型预训练阶段，LongCat团队采用了课程学习的方式，让模型先打基础，再专项突破，最终构建出覆盖广度与深度的推理能力。 LongCat-Flash-Thinking是在LongCat-Flash的基础上训练而来的，经历了推理增强的中期训练（Mid-training）和面向推理的有监督微调（SFT）。 研究团队特别构建了一个高难度的推理训练集，涵盖数学、物理、化学及编程问题，并通过数据比例控制，确保模型既能强化逻辑推理，又不丢失通用能力。 实验表明，这一阶段显著拓宽了模型的“推理边界”：在AIME、BeyondAIME和LiveCodeBench等基准上，单步准确率和高采样准确率均有大幅提升。 进入SFT微调阶段，LongCat-Flash-Thinking的指令遵循和专业领域推理能力得到进一步提升。这一步骤特别强调三大方向： 1、一般推理：LongCat团队整合跨学科高质量问题与答案，涵盖STEM、编程、通用问答以及逻辑推理，利用拒绝采样与模型评审保证训练数据的准确性和挑战性。 2、形式化推理：该团队还设计了一套全新的基于专家迭代框架的数据合成方法，利用集成了Lean4服务器的专家迭代框架，生成经过严格验证的证明过程，从而系统性提升模型的形式化推理能力。 3、Agentic推理：LongCat团队提出了创新性的“双路径推理框架”。该框架能够比较模型在“有工具”和“无工具”条件下的表现，筛选出仅依赖工具才能解决的高质量问题。 随后，系统自动合成多样化的解题轨迹，从简单调用到复杂多步流程，并通过严格评审确保逻辑一致性和工具使用完整性。最终，轨迹被标准化并按复杂度分层，用于课程训练，帮助模型在真实场景中更好地学习和发展稳健的工具使用能力。 这种中期训练、推理微调的两段式体系，帮助LongCat-Flash-Thinking在推理任务中实现性能提升，也为后续的强化学习做好准备。 二、三管齐下优化强化学习，自研DORA框架提效超200% 强化学习中，LongCat-Flash-Thinking采用了一套“三管齐下”的方案，从系统、算法和奖励的角度，提升强化学习的效率和稳定性。 在系统设计中，LongCat团队构建了名为DORA的分布式RL框架，这是RL训练的基石。DORA支持异步训练与灵活的加速器调度，既保证稳定性，又提升效率。 DORA通过流式架构让已完成的响应立即进入训练，而不会被最长输出拖慢；通过多版本策略保证同一响应由同一模型版本完成，避免推理片段间的不一致；再结合弹性角色调度，让不同算力设备可灵活切换角色，实现近乎零闲置。 这一机制在大规模算力集群上展现了较高的效率：在数万张加速卡上，LongCat-Flash的RL训练速度达到传统同步方式的3倍以上，FLOPs（Floating Point Operations，浮点运算数）的投入约为预训练阶段的20%。 算法层面，团队则对经典的PPO方法进行改良。异步训练常因推理引擎与训练引擎的数值差异，或因旧版本策略生成的数据过多而导致模型收敛不稳。 为此，研究人员引入了截断重要性采样来缓解引擎差异带来的误差，并设计了裁剪机制，对正负样本分别设置不同阈值。这些细节调整，大大提高了推理任务下的稳定性。 奖励机制是RL的方向盘。对于写作、问答等无法直接验证的任务，团队训练了判别式奖励模型，基于人机联合标注数据，学会判断优劣偏好。 而在数学与编程等可验证场景，则引入了生成式奖励模型（GenRM），它不仅能判断对错，还能给出推理链路，做到有理有据。在编程任务中，团队还搭建了分布式沙箱系统，支持数百万次并发代码执行，覆盖20多种编程语言。 最后，LongCat团队提出了一个三阶段的训练配方：领域平行训练、模型融合、通用RL微调。LongCat团队先分别训练数学、编程、智能体等专家模型，再通过参数融合技术合并为统一大模型，最后用多样化数据进行通用微调，避免融合后的性能退化，确保安全性、泛化性和实用性。 融合后的模型性能优于专家模型 三、MATH-500得分接近满分，用上工具后性价比更高 LongCat-Flash-Thinking在多领域的基准测试中表现出色。 在通用能力上，LongCat-Flash-Thinking在MMLU-Redux上拿下89.3%的成绩，与业内多款顶级开源模型处在同一水准，但与OpenAI-o3相比仍有差距。 数学推理是该模型的亮点之一。其在MATH-500中取得99.2%的高分，几乎达到满分水平。在更具挑战性的AIME与HMMT等竞赛级任务中，同样展现出接近甚至超越GPT-5与Qwen3的表现，凸显其复杂多步推理的强大能力。 在逻辑与一般推理方面，该模型在ARC-AGI上达到50.3%，超过了OpenAI-o3与Gemini 2.5-Pro。同时，它在解谜任务ZebraLogic上得分高达95.5%，并在数独测试Sudoku-Bench上远超大部分模型，显示出较强的结构化推理能力。 编程能力方面，LongCat-Flash-Thinking在动态编程测试LiveCodeBench中取得79.4%的分数，紧追GPT-5，远超开源同类模型。 值得注意的是，LongCat-Flash-Thinking模型在工具增强推理能力上表现出色。例如，它在模拟预定飞机票的τ²-Bench-Airline中，实现67.5%的最佳成绩，并在SWE-Bench、BFCL等任务上保持较强的竞争力。 启用外部工具后，其在AIME-25基准测试中的准确率保持不变，但平均token消耗减少近65%，验证了智能体系统在效率与性能间实现平衡。 在定理证明领域，LongCat-Flash-Thinking在MiniF2F测试中得分达67.6%，比次优模型高出18%，奠定了其在形式化数学推理上的领先地位。 最后，在安全性上，LongCat-Flash-Thinking在有害内容、犯罪、虚假信息及隐私四类风险测试中均拿下安全性最高分。 结语：切入真实场景，美团探索推理大模型落地路径 LongCat团队称，凭借LongCat-Flash-Thinking的开源，他们希望进一步推动高效RL训练、原生Agent推理等方面的研究。 从论文的技术细节中，我们也能看到，LongCat有针对性地提升了模型在工具使用、指令遵循和安全性等方面的表现。 结合美团最近在面向消费者的Agent产品、AI搜索产品等领域的动态，不难预见，这些新模型或将针对性地服务于美团自身业务，带来更智能的用户体验。

凤凰网科技讯 9月22日，MediaTek正式发布天玑9500旗舰5G智能体AI芯片，该产品采用第三代3纳米制程工艺，搭载全大核CPU、GPU等多项高算力单元，在端侧AI、影像处理、游戏体验和通信技术方面实现多项提升。 天玑9500的全大核CPU架构包含1个主频4.21GHz的C1-Ultra超大核，以及3个C1-Premium超大核和4个C1-Pro大核，集成矩阵运算指令集SME2，支持4通道UFS 4.1闪存架构。官方数据显示，其单核性能较上一代提升32%，多核性能提升17%，超大核功耗相较上一代X925峰值性能下降低55%，多核功耗相较上一代峰值性能下降低37%。 图形处理方面，天玑9500搭载G1-Ultra GPU，峰值性能提升33%，光线追踪渲染性能提升119%，该芯片搭载全新GPU Dynamic Cache架构、天玑星速引擎-倍帧技术3.0等业界领创的图形处理技术，并支持虚幻引擎5.6 MegaLights和5.5 Nanite技术，旨在提升手游画面的流畅度与画质表现。 在AI方面，芯片集成双NPU设计，其中NPU 990峰值AI性能提升111%，支持4K文生图及BitNet 1.58bit大模型运算，功耗降低56%。同时配备存算一体架构的超能效NPU，可支持AI模型常驻运行。 影像方面，天玑9500搭载Imagiq 1190影像处理器，支持2亿像素高画质直出、4K 60帧人像视频及双轨防抖录制。通信与连接技术方面，芯片集成Wi-Fi 7、AI通信节能、AI选网与定位等多项功能，在5G和Wi-Fi场景下功耗均有优化。 首批搭载天玑9500芯片的智能手机预计将在2025年第四季度上市。

今日，真我正式宣布将于10月发布GT8系列，带来两款年度旗舰——GT8和GT8 Pro。 真我副总裁王伟也发布预热文章表示：“真旗舰，不改名！真我GT8 Pro，10月正式登场！我们有足够的底气和硬实力，以Pro之名，诠释Ultra级产品力。” 紧接着，真我中国区CMO“楚楚_Jessie”也转发了王伟的言论，并强调：“改名好像成为了行业的惯例，有时候为了冲高，有时候为了贴热。但realme就是要打破这种惯例，用产品力说话，而不是用改名发声。” 值得注意的是，9月15日，小米集团合伙人、总裁卢伟冰在社媒上发文，官宣全新小米17系列将于本月与公众见面。 卢伟冰表示：这将是小米手机数字系列史上最重大的一次跃迁，也比上代又提前了一个月发布。 当天，小米16改名小米17冲上热搜，引发众多讨论。 而真我高管此次针对改名发表的言论，也被多名网友质疑是在硬刚小米。

凤凰网科技讯 （作者/杨睿琪）9月22日，OPPO官博宣布OPPO Find X9系列手机将于10月16日发布，新机将首批搭载天玑9500旗舰芯及全新一代潮汐引擎。 据此前报道，OPPO Find X9系列手机将全球首发搭载天马“天工屏”，在护眼方面实现无频闪、1nit明眸护眼、低蓝光和自适应环境光等多重技术保障，大窗口峰值亮度达3600nit。 此外，新机还将首发搭载10月15日发布的ColorOS 16系统。

IT之家 9 月 22 日消息，据金融媒体《市场观察》上周（9 月 19 日）报道，苹果在宣传其全新 iPhone 17 系列手机时，强调这一代机型是“颠覆性”产品，其中主打轻薄设计的全新 iPhone Air 手机最为亮眼。 华尔街分析师也注意到这一点，其中一位甚至将苹果股价目标从 260 美元（IT之家注：现汇率约合 1850 元人民币）上调至 290 美元（现汇率约合 2064 元人民币）。然而，在新机开售之际，用户们迅速注意到了 iPhone 17 Pro 系列机型后背容易刮花的问题。 其中一位迪拜消费者在 X 平台表示，他在线下零售店看到的每一台 iPhone 17 Pro 系列手机在镜头模组下方都有划痕，他“完全无法理解他看到的是什么”。 而彭博社的报道中也提到，记者在纽约、伦敦、上海、香港等城市的 Apple Store 零售店看到，深蓝色的 iPhone 17 Pro 和 17 Pro Max 仅仅在展示几小时后就出现了明显划痕，且黑色款的 iPhone Air 也“同样容易刮花”。 而根据IT之家实地走访，Apple Store 店内的绝大多数 iPhone 17 Pro / Pro Max 展示机的确有一定划痕，其中手机背面相机模组底部划痕较为明显，对此，店内员工对IT之家表示“这主要是因为与店内 MagSafe 充电底座摩擦所致”。 ▲ IT之家线下实拍 iPhone 17 Pro 相机模组附近划痕 ▲ IT之家在 iPhone 17 系列首发日前往一家苹果授权店，实拍蓝色 iPhone 17 Pro 系列手机的划痕情况 9to5Mac 对此表示，这种划痕很可能与 iPhone 17 Pro 系列采用的铝合金外壳有关，因为阳极氧化铝下方依旧是银色的金属，这就导致手机出现划痕时，其痕迹相比 iPhone 16 Pro 系列的钛合金边框更容易被肉眼察觉。 不过 9to5Mac 也指出，铝合金材质在抗摔性和防碎裂方面表现更佳，同时散热性能优于钛金属和玻璃。 不过也有用户在社交媒体认为，这种划痕压根不是什么大问题，只需要给手机戴上保护壳就能避免。 部分华尔街分析师对此也有相近的观点，他们认为这种划痕问题不会影响销量，也不会对苹果的收入产生实质影响。 其中 D.A. Davidson 董事总经理 Gil Luria 表示： 每当新款 iPhone 发售时，人们总会发出各种担忧。哪怕新机只是做了微小的设计 / 材质改动，都会因为产品的庞大影响力被无限放大，就算这真的是个普遍出现的问题，苹果也完全可以在后续修正，这可能带来一些短期成本，但整体不会有什么大影响。 而 Wedbush Securities 的高级股权分析师 Dan Ives 则坦言： iPhone 17 Pro 系列手机是一款现象级产品，它的划痕问题被“严重夸大”，我们只看到用户总体非常满意，我们认为这根本不是什么问题。

作者 | 李水青 编辑 | 心缘 智东西9月22日报道，据《华尔街日报》、《经济学人》等多家外媒记者报道，美国正经历AI数据中心的支出狂潮，2025年支出或达5200亿美元（约合3.7万亿元人民币），规模超过互联网时代电信支出峰值、接近铁路支出峰值。 这短期对经济带来了重大提振作用，但也导致其他重要领域资金匮乏，从而为之后带来前所未有的负面作用，甚至吞噬美国经济。 上个月刚刚降世的GPT-5背后也是巨量算力投资。OpenAI研究员Anuj Saharan在社交媒体X上说：“自2024年开始研发GPT-5以来，我们的计算能力已增长了15倍。过去60天里，我们构建了60多个集群、传输流量超过整个美国大陆的主干网以及20万多块GPU，以便将GPT-5推向7亿人——同时设计下一个4.5GW超级智能（中心）。”近期，OpenAI又被曝出计划在印度建设至少1GW规模的数据中心，以推动其Stargate（星际之门）项目扩张。近期，OpenAI也被曝出计划在印度建设至少1GW规模的数据中心，以推动其Stargate（星际之门）项目扩张。 OpenAI研究员Anuj Saharan的发文截图 实际上，美国AI基础设施投资总量巨大，已经起到了提振美国GDP（国民生产总值）的作用。 据《华尔街日报》记者克里斯托弗·米姆斯（Christopher Mims）8月4日报道，过去6个月，AI基础设施建设对美国经济增长的贡献超过了所有消费者支出。在过去仅3个月中，英伟达、苹果、微软、亚马逊、谷歌、Meta、特斯拉“七巨头”在数据中心等方面的投入就超过1000亿美元（约合7184亿元人民币）。《经济学人》杂志7月31日的报道也印证这一趋势：过去一年，谷歌、Meta、微软、亚马逊和甲骨文的资本支出总额超过了美国所有上市工业公司的支出总和。 《华尔街日报》记者克里斯托弗·米姆斯（Christopher Mims）发布的AI数据支出情况统计图 米姆斯援引风投机构SKV Capital合伙人保罗・凯德罗夫斯基（Paul Kedrosky）的笔记称，AI基础设施支出占GDP的比重，已经超过了互联网时期美国在电信和互联网基础设施上的支出，而且这一比例仍在增长。这笔支出规模巨大，起到了私企刺激计划的作用，提振美国经济。 凯德罗夫斯基将此与铁路、电信等以往的资本支出狂潮进行了比较。铁路支出的峰值出现在19世纪，而电信支出的峰值则出现在5G/光纤热潮时期。AI数据中心的资本支出占GDP的比例已达到铁路支出峰值的20%，且已超出了几十年前互联网泡沫时期电信支出的峰值，但这很可能还不是峰值。 铁路、电信和AI数据中心资本支出占GDP比例 他援引分析师数据称，根据英伟达最新的数据中心销售数据，采用标准乘数，到2025年，AI资本支出可能占美国GDP的约2%。这意味着2025年AI对GDP增长的贡献将达到0.7%。 下面是一系列基本数据： 美国2025年GDP：25万亿美元（约合180万亿元人民币，来源：市场共识预测和经济分析局数据推断） 英伟达数据中心销售额（2026财年第一季度）：391亿美元（约合2809亿元人民币，年化：1564亿美元） 英伟达数据中心销售额中与AI相关的百分比：接近99%（主要是面向超大规模企业和企业的H100/GH200销售） 英伟达数据中心资本支出份额：25-35% 经济乘数：1.5倍-2.0倍 隐含的数据中心总资本支出：约5200亿美元（1564亿美元/0.3；约合3.7万亿元人民币） 因此，要获得包括乘数在内的总体GDP影响，只需进行简单的计算：AI数据中心建设对美国GDP的影响将在1.6%-2.1%。 AI数据中心建设对美国GDP的影响将在1.6%-2.1%。 凯德罗夫斯基认为，考虑到2022年之前AI资本支出可能不到GDP的0.1%。三年来，这一数字至少增长了10倍，甚至可能更多。这些是原始资本支出数字，如果再经过乘数效应调整，数字会更大。如果没有AI数据中心的投资，美国第一季度GDP萎缩幅度可能接近-2.1%。 但巨额的AI数据中心投资，从另一个角度来看或许正在吞噬经济。 企业的AI数据中心支出主要有以下六大资金来源：1、内部现金流（主要针对微软、谷歌、亚马逊、Meta等）。2、债务发行（作用不断增强）。3、股权及后续发行。4、风险投资/私募股权（CoreWeave、Lambda等）。5、SPV、租赁和资产支持工具（例如Meta最近推出的）6、云消费承诺（主要是超大规模企业）。 凯德罗夫斯基指出，当企业把大量资金砸在买显卡（GPU）上时，其他地方就必然没钱可花了。比如亚马逊一边花百亿建数据中心，一边裁员云计算部门员工。不是因为AI取代了这些人，而是因为钱都被AI投资吸走了，养不起其他业务了。 他称：“眼下这情况，真是百年不遇。”负面状况很可能随即出现： 热钱疯狂涌进AI这个“吃钱”的窟窿里，但这些AI设备贬值得飞快。这跟当年修铁路有区别——铁路能用上百年，但现在建的这些AI数据中心技术迭代却在几年之间，企业必须频繁更换硬件才能保持收益。 同时，许多行业面临投资匮乏的困境，大规模裁员已经发生。讽刺的是，在AI还没有大规模替代人工之前，各个行业的大规模失业就已经发生了。 结语：AI基建提振经济，引发结构性隐忧 美国AI基建巨资注入虽短期显著提振经济，却也埋下结构性隐患。巨额资本集中涌入技术迭代极快的领域，导致制造业等多个行业面临投资枯竭与裁员浪潮。 科技巨头不断向AI算力设施投钱。昨日，微软表示将于2026年初在美国威斯康星州投入33亿美元（约合235亿元人民币）建设“全球最强大的AI数据中心”。 这场由科技巨头主导的豪赌，俨然一把双刃剑。它在创造增长奇迹的同时，正引发美国资金错配与就业市场动荡，其长期负面效应可能远超预期。

IT之家 9 月 22 日消息，今天下午，小米手机官方公布了小米 17 Pro 与小米 17 Pro Max 的外观，并官宣两款新机将提供「森野绿」与「冷烟紫」两款全新配色。 根据介绍，两款新机搭载全新的“妙享背屏”，拥有全新的交互体验。细节方面，新机采用全新超椭圆 R 角设计，全系直屏，边框窄至 1.18mm。 据IT之家今日早些时候报道，全新小米 17 系列 9 月 25 日晚 7 时发布，三款齐登场，全系产品力跨代升级，搭载小米澎湃 OS3。值得一提的是，这款新机将全球首发第五代骁龙 8 至尊版。 小米 17，小米史上最强标准版旗舰 小米 17 Pro，小米最精湛的小尺寸科技影像旗舰 小米 17 Pro Max，小米史上最强巅峰科技影像旗舰

IT之家 9 月 22 日消息，长安汽车透露旗下长安启源 Q07 将推出激光雷达版车型（非官方命名），预计其辅助驾驶功能将有所提升。作为比较，目前在售的长安启源 Q07 全系已经标配自动变道辅助和全速自适应巡航等功能，支持 L2 级辅助驾驶，官方指导价为 12.98 万元起。 回顾在售车型，系列车型前脸配备贯穿式 LED 日间行车灯，搭配可点亮车标；车身使用隐藏式门把手，车尾采用了隐藏式后雨刮，搭载环绕式尾灯，具有双层贯穿的视觉效果，采用隐藏式排气布局。车辆全系标配 5 个毫米波雷达、12 个超声波雷达、5 个车外摄像头。 座舱方面，现款在售车型配备 15.4 英寸中控，可以根据唤醒声音自动旋转方向（左右 15°），副驾配备了 12.8 英寸娱乐屏，支持通过自然语言与车机进行交互。车辆同时搭载天枢辅助驾驶系统，采用纯视觉感知方案，支持 L2 级辅助驾驶，可实现全速 ACC 自适应巡航、辅助泊车、高速行车驾驶辅助（NOA）、自动变道辅助等功能，未来激光雷达版车型有望搭载基于激光雷达方案的辅助驾驶系统。 动力方面，现款长安启源 Q07 搭载 1.5 升、1.5T 插电混动系统，均匹配最大功率 165 千瓦的前置单电机。1.5 升发动机最大功率 72 千瓦，1.5T 发动机最大功率 110 千瓦。全系提供 21.5 千瓦时、31.73 千瓦时两种容量电池组可选，CLTC 纯电续航里程分别为 145 公里和 215 公里。

IT之家 9 月 22 日消息，OPPO ColorOS 16 流畅技术沟通会今天在深圳举办，发布安卓首个无缝架构“极光引擎”、“潮汐引擎”和跨级融合编译技术“繁星编译器”等。 据 ColorOS 系统软件研发中心总经理周海涛介绍，安卓系统由于碎片化和架构模块化，导致负一屏、全局搜索、抽屉模式等场景的切换体验十分割裂，有大量场景体验存在“不舒适”。 而 ColorOS 16 的“极光引擎”打破了这一点，带来了安卓首个一体式无缝架构，能打通多模块渲染壁垒，从框架底层实现统一绘制，做到动效衔接无断层，连接动画执行（IT之家注：绘制、渲染、刷新调度）、无缝衔接转场、动画回收等。 根据现场介绍，“极光引擎”无缝动画覆盖了多款第三方应用，可实现“从哪来回哪去”的体验，号称是“全机型顶级流畅”。 同时，ColorOS 16 还带来了“繁星编译器”，号称是安卓首个自研编译器，OPPO 从 0 到 1 搭建了一套从 Java 与专属硬件的完整编译链，让 Java 也拥有专属硬件的编译能力，实现硬件专属优化，提升整体编译效率。 ColorOS 平台软件研发总监孙中兰随后登台介绍了“潮汐引擎”，这款引擎带来了行业首发的全新芯片级动态追帧技术，从系统底层出发，更加准确地捕捉系统绘制需求，当预测到渲染任务无法在动画帧周期内完成时，潮汐引擎便会动态提升芯片算力供给，避免渲染未及时完成导致的掉帧卡顿。 芯片级动态追帧技术还能做到更精细的功耗管理，经实测，系统在重载场景下的流畅稳定性提升了 37%，功耗对应降低了 13%，还支持“6 年久用流畅”，实现重载和久用双极限场景的双重流畅。 此外，根据发布会现场介绍，OPPO ColorOS 16 将 Find X9 系列、Pad 5、一加 15、一加 Ace 6 手机 / 平板中首发搭载。

IT之家 9 月 22 日消息，据外媒 insideevs 今日报道，宝马仍然在推进其 FCEV（燃料电池汽车）计划，并准备推出一款全新的氢燃料电池 SUV。 这款新车将是 iX5 的氢燃料电池版。至此，新一代 X5 的动力系统将扩展至五种：汽油、柴油、插混、纯电动以及氢燃料电池。宝马董事会成员 Joachim Post 表示：“通过为全新宝马 X5 提供五种驱动系统，我们再次证明了我们在技术上的领先地位。” 他还强调：“氢能是全球实现脱碳的重要一环，因此我们会持续推动氢燃料电池技术发展。” IT之家从报道中获悉，宝马的燃料电池技术由宝马和丰田联合研发，目标是让 iX5 FCEV 拥有纯电动车同样的清洁表现，且无需安装庞大沉重的电池组。若一辆 X5 要完全依靠电池实现足够的续航，需要超过 100 kWh 的电池容量。相比之下，FCEV 车型将明显更轻，满罐氢气的续航里程可与之相当，排放物只有水蒸气，而且发电效率更高。不过，综合来看，FCEV 的环保水平仍比纯电动车略低。 下一代 X5（代号 G65）将继续基于 CLAR 平台，这个平台也用于宝马旗下大部分后驱和四驱大型车型，唯独前驱车型、采用专属平台的 iX，以及基于 800V Neue Klasse 平台打造的新 iX3 例外。 宝马计划在 2026 年推出 G65，率先发布燃油、插混和纯电版本，氢燃料电池版本将在 2028 年登场。由于没有大电池的额外重量，iX5 FCEV 预计拥有更好的加速与过弯性能，比搭载大容量电池的 BEV 版本更灵活。 还有消息称，宝马可能会在新款 X5 上重新引入增程式技术。值得一提的是，宝马上一次使用增程系统还是在 2013 年的 i3 REX 上，当时采用摩托车发动机为电池充电。 宝马也在试图解决加氢网络落后的难题，为此正推进名为 HyMoS（Hydrogen Mobility at Scale）的项目，目标是让加氢站运营更具商业可行性，更能吸引企业参与。宝马表示，该项目将帮助实现加氢站的合理布局与最大化利用，通过跨项目经验分享和为产业伙伴提供现场支持，让现有氢能生态项目充分发挥潜力。