摘要： “量产，归根到底是产生一大堆铁疙瘩。铁疙瘩本身是没有意义的，它必须要有那颗核心，就是它的智能，” 凤凰网科技《浪潮》出品 作者｜赵子坤 编辑｜董雨晴 2026年开年，具身智能赛道的竞争悄然转向。 过去两年，主流叙事是“先工厂后家庭”。但从今年春天开始，风向变了。自变量宣布入驻家庭，欧拉万象押注家庭场景，家电巨头们相继亮出家庭服务机器人布局。家庭，正在从“远期愿景”变成一条清晰的新战线。 在这条战线上，许华哲是较早亮明旗帜的那个人。 2026年2月，星海图刚完成10亿元B轮融资、跻身百亿独角兽俱乐部，身为联合创始人兼首席科学家的许华哲却选择“自立门户”，创立新公司破壳机器人，聚焦C端家庭场景。 凤凰网科技了解到，破壳机器人近期完成数千万美元天使轮融资，由云启资本领投，同时也获得多家美元基金、头部互联网战投、一线人民币基金与知名产投方等支持。 在具身智能圈，许华哲与吴翼、高阳、陈建宇并称“伯克利归国四子”——四位从清华到伯克利、再回清华任教、最终投身创业或深耕研究的青年学者。而今，随着许华哲另立“破壳”，四子正式各立山头。 与同行们热衷拼产能、比出货的节奏不同，许华哲选择了一条更漫长的路：不做工厂里“拧螺丝”的专机，直接让机器人进家。在他看来，家庭是最需要通用性、数据最丰富的地方，最可能孕育出强大的通用智能体。 就在一个月前，凤凰网科技在其刚搭建好的办公室，与许华哲进行了一场深度对话。 他不关心出货量，只追问一个尚无答案的问题：“卖出去的机器人，每天的日活是多少？”他提醒行业，“量产的只是铁疙瘩，智能才是那颗核心”。谈及中美路线差异，他的焦虑同样直白：“绝对不能我们造身体，等美国造大脑。” 通往物理AGI的路还很长。这位渴望“打响第一枪”的创业者，正试图用他的方式，争夺定义未来的话语权。 以下是对话实录，在不改变原意的情况下经编辑发布。 自动播放 “一定要足够通用，机器人才能进家” 凤凰网科技：2月，星海图刚完成了10亿的B轮融资，成为继宇树、智元之后又一家百亿具身独角兽。势头正好，你为什么选择在这个时间点离职？ 许华哲：创业本质是构建未来的想象，星海图发展当然很好，但是在它自己想象的那个未来以及路径上的。我想的那个未来，技术、组织文化上，跟他们都不太一样，所以还是决定自己来做这件事。我想做的那件事，只有我自己可以做，在星海图内部可能没有办法。 凤凰网科技：你想做的是什么？ 许华哲：我想做一个家庭机器人，像管家一样到千家万户。不仅能帮你把家务活干了，同时还足够懂你，它知道你是一个喜欢晨跑的人，所以早上会给你准备好运动的衣服；也知道晚上你习惯喝一杯牛奶再入睡，你伸手的时候，它就把那杯热牛奶递给你了。 希望是一个有主动性的、可以干活的机器人进家，这是我粗糙想象的一个未来。有了这个远景后，希望用自己的技术，基于强化学习，基于Scaling Law，去做模型的训练、本体的建设，最终让家庭机器人走进千家万户。 凤凰网科技：从去年8月内部有分歧到今年2月离职，这半年你做了哪些准备？ 许华哲：我们其实跑了很多地方，去实地看工厂，到底哪里可以用机器人，哪里不能用。去了汽车工厂、物流工厂、食品工厂、传统轻工业制造、酒店行业，跑了蛮多地方。 得出的结论是，让机器人去做重复性工作，一定程度上未必需要人形，也许一个机械臂就可以干的事，本质是希望把那件小事重复、高效、准确地完成。 我创业也不是一脑子热就去创的。是看到很多火苗，展示出通用具身智能的能力，无论是Generalist的27万小时数据，还是PI放出来的一些成果，看到了很多通用性的潜力。 也做了某种意义上的用户调研。我给我当时在美国的朋友打电话，说我要是给你做一个能帮你备菜的机器人，这事儿怎么样？他说太好了。我问那你觉得要付多少钱？他说200美元，因为他会对标热水壶或者高压锅。 当机器人一旦是专机的时候，大家的付费意愿会找到它在家里面的最近邻。如果你是叠衣服，他会找烘干机、洗衣机；如果你是备菜，他会找热水壶和高压锅；如果你是清洁，他会找扫地机。 所以我们的最后一个结论是：一定要通用，就是它是一个让大家很舒服、干各种各样事、足够通用性的东西，大家才可能愿意欢迎这样一个新朋友到自己家里。 凤凰网科技：而且这个价格一定要降到足够低，大家才能接受。 许华哲：这我倒不这么认为。如果它是专机，大家通常给的价格是非常低的，是它对应的最近邻的机器的价格。但如果它是一个通用的机器，既能叠衣服，又能备菜，又能帮你清洁，又能把家里的猫毛清理掉，等等等等，这个时候大家对溢价的接受度是非常高的。因为本质上就来到了管家这样的一个定义。一定程度上，通用是机器人走进家庭的一个先决条件。 凤凰网科技：很多具身企业为了商业化第一步通常是进工厂，而你是想直接绕过这一步做面向家庭的机器人？ 许华哲：是，这个先和后我有一些不同的看法。大模型是很好的例子，是先有了通用性，再分化出来可以干各种各样事。但归根结底，最主要是它有一个通用的好的AI模型。一定程度上，机器人也会是这样的发展路线。 它在工厂里面落地，每做一个项目也就是完成了个项目，对达到最终的物理通用智能（Physical AGI），没有太多帮助。 所以我会倾向于先让机器人足够通用，再到各个不同的板块去做应用。家是最需要通用性的地方，也是数据最丰富的地方，最可能孕育出一个强大的通用智能体的地方。 凤凰网科技：你脑海中那个画面最终实现大概还有多久？ 许华哲：还有点远，可能5-10年。我们希望两年有一点点进展，机器人能真正到家里面开始做一些事情。5-10年后，也许就是坐在这个办公室里，机器人在办公室里面已经在帮我们干很多事了，往外望去，也会发现很多机器人在路上跑来跑去，拎着它的外卖袋子，或者是夹着它的公文包，或是拿着篮球在去做教练的路上。 凤凰网科技：所以你认为两年之内，初步机器人进家是有可能实现的？ 许华哲：是有可能实现的。 “量产本身只是铁疙瘩，拼产能不该是目标” 凤凰网科技：从联合创始人到自己创业，这种转变对你有哪些新的挑战？ 许华哲：有很多新的事情要处理，新的方向要去思考。最主要的是在战略上，要想技术上怎么选择、商业上什么节奏、人才上什么画像和密度，包括怎么用钱。这些作为联合创始人时也会想，但不会想所有的部分。 另一件事是构建文化。对于任何一个组织，无论它是学校的Lab还是公司，它的文化和气场、组织的形态往往是由创始人决定的。 怎么样让大家有活力的、有机的——这个有机是指每个人都很有主观能动性，在这干得很起劲，一起为了梦想去努力，也是我现在很努力在想的。 凤凰网科技：高继扬提到你的离职时，说赞同你的选择，觉得非常理想主义。但他认为现阶段面向C端做机器人，对资源有限的初创公司来说投入产出比不高，是一条非常艰难的路。你认可吗？ 许华哲：首先这就是路径判断上的不同。我认为通用性需要好的数据，好的数据来自于复杂的场景，复杂的场景如果去排，家里面和类家的——比如养老院、酒店——这一类的场景是通用性相对好的。 做这件事情投入产出比是一方面，但马斯克说的有道理：有时候必须要做这件事，即使概率没有站在你这边，因为这是正确的事情。很多时候，最伟大的事情不能用ROI来计算。 OpenAI在GPT出来之前，是一个重金投入但毫无产出的家伙，如果你那样去计算，它的短期投入产出比是非常非常低的，但只有这样长期才有可能有一个巨大的、对整个人类的回报。我会更看在公司、在人类、在我自己的人生的尺度上面，这个ROI是怎么算的。 凤凰网科技：Future Robot三年累计投入过亿，做全栈自研。这个融资节奏是否证明面向C端的机器人公司在钱上的需求更大？ 许华哲：在钱上的需求这件事不好说，取决于是否在AI上面有足够大的目标和雄心。如果在AI上面有足够大的目标，是非常需要资金投入的。 凤凰网科技：春节之后赛道又非常热，多家具身公司融了超10亿，大家都在拼命拼产能、比出货量，但你好像并不认可这个观点。 许华哲：对，这还是我想讲的。我觉得最理想主义的事情反而最切实际。我们去看拼产能，什么是拼产能？就是我要造出更多的机器人。那我造出更多的机器人，我到底用在哪了？其实很难说。 我很关注一个数据，但我可能永远拿不到，叫做“机器人日活”。我卖出去的机器人，它每天的活跃比例是多少？有多少人每天在用它？有多少人一个月用它一次？有多少人放在那儿一年不用？ 拼产能应该是一个结果，不应该是一个目标。它是一个顺带的——我的机器人有了大量的需求，所以我要拼产能，要把它卖出去，而不是说把产能定成目标。 另一方面，追求通用才有可能到真正意义上拼产能的阶段。它好用，无论是B端还是C端，用户真的愿意买单。 大模型给了我们很好的启示。如果我去做智能客服，我永远都做不出来一个GPT式的大模型。当时看，做智能客服是比较现实的，但理想化的东西是一个GPT，当时看来是“你为什么不做智能客服呢？” 这个东西是有很大的风险，但往往风险最大的东西，有可能最实在。 凤凰网科技：你想做的是具身大模型？ 许华哲：我们想做的是通用的家庭机器人，具身模型是里面的核心部分，我们也会做自己的硬件，也会把产品本身定义好。 目前，我们在做自己的手，因为我们希望用数据来定义手的样子，反向地用AI来定义，到底该怎么设计这个机器人。同时我们也在做自己的模型，去做操作任务上面很有挑战的方面，让它极致的灵巧、极致的泛化、极致的成功率和效率。 灵巧手比较小，想做到人的大小需要很多微型电机，电机的排布也非常有讲究。人手的自由度又非常高，控制起来也颇有难度。 凤凰网科技：感觉你更认可在真实情况下采集，而不是仿真数据。面向家庭的话，数据采集是不是更难？ 许华哲：反而未必。大家有时候很喜欢直接用一个数字来说我到底有多少小时的数据了，（但）这个是一个过程指标，不是一个终局指标。我真正在乎的是我有多丰富的数据了，而不是我有多少小时的数据了。 我完全可以放一个机器人在工厂里每天拧螺丝，100个机器人干一个月，那我的数据量就已经非常高了，但这样的数据没有任何意义，它只对拧螺丝这件事有用，丰富性是非常差的。 在丰富的前提下，我们才去看小时数——因为它丰富了，所以小时数也就上来了。 在家里面，天然的，就不可能是同质化的数据。不同的人的家里，不同的物品、不同的任务，都是很丰富的。在家里机器人能越用越聪明。 它最开始肯定有犯错误的，这部分数据也可能成为机器人进一步发展智能的燃料。也可以把日常第一人称视频数据采集下来，用作燃料，效果也可能非常好。家里的数据并没有那么难以获取，有的时候甚至是更容易获取的。 凤凰网科技：工厂场景比较模块化，家庭场景你们怎么建构数据采集？ 许华哲：我们的办公室未来会是一个家的样子，未来也许会看到机器人跟我们的工程师一起在客厅干活。我们会尽可能找到各种各样家的场景，去做数据的采集。 另外刚才提到的，其实家的数据就是人的数据，就是每一个普通人的数据，所以我们也会积极地想，怎么样让每一个人加入到我们这个采数据大军里。 相反，工厂场景是因为它比较清晰、比较模块化，所以针对这个场景很容易采到数据。但这个数据到底能不能带来足够好的物理智能？这个未必。我更看重数据的质量，而不是它的数量有没有那么容易获取。 凤凰网科技：那目前机器人进家庭这件事，最难的卡点在哪里？ 许华哲：第一个是智能本身的泛化性、通用性。第二个是产品定义——有了足够好的智能，这个东西到底怎么样对人类未来的生活产生改变，这件事是没有任何人给出明确答案的。第三个是可靠性，但这个可靠性得比上春晚的可靠性要再高一个台阶，安全、隐私——这两个问题在家里面是需要解的。尤其安全问题，我们不希望这个机器人突然摔倒，因为家里面可以躲的空间更小了，也不希望它的电池起火。 凤凰网科技：要解决技术上的通用泛化性，现在有哪些解决路径？ 许华哲：路径万变不离Scaling Law，首先要有足量的数据，其次要有比较大的模型。但在具体的算法选择、模型架构上还是有很多可以变化、可以重新思考的地方。另外，把每一个环节做扎实是特别重要的。 我有很多做大模型的朋友，他们说大模型里面没有秘密，但就是有的人做得好，有的公司做得差。做得好的公司可能就是在爬数据的时候有某个技巧，或者洗数据的时候洗得更好。每个地方做得足够扎实，也能使模型变得更好。 凤凰网科技：很多人都说算法的壁垒周期只有几个月，很容易被别人赶上。你赞同吗？ 许华哲：一定程度上，算法的壁垒主要因为技术会扩散。算法本身一定是没有办法永远作为一个壁垒的。但是算法带来的领先性会相伴随，会使得你获得更多的支持，会有一个更好的身位。 一个很好的例子是DeepSeek。它本身是一个开源模型，在去年春节的时候爆火。一定程度上它的模型并没有一直维持在最领先，但它奠定了一个基调，或者大家对它产生了一种信任，叫作“中国最好的模型很有可能持续在那发生”。这个信任的场是非常重要的，而这份信任场可以是一个壁垒。 凤凰网科技：你说过只有你能做这件事情，你觉得自己的优势点在哪里？ 许华哲：我更知道我追求的那个未来长成什么样。不是说只有我能把这事干成，而是每个人追求的那个未来的画面是不一样的。 首先我是有技术信仰的。非常有帮助的一点在于战略定力。在你做了一些事情之后，会有很多噪音涌过来，这儿好像也能有一些收益，那儿好像看起来也是对的。今天他给你介绍一个朋友，明天他说我有一个资源方跟你聊聊。当然这些都可以聊、可以接触，但是否会偏离你的北极星——技术上的北极星或者产品上的北极星，这个判断是需要你有一个信仰存在的。不然很容易就拐到了一个永远到不了你真正目标的地方。 第二个，我是非常有共情能力的一个人。做To C一定程度上不是讨好谁，也不是卷死谁，而是怎么样做出一个好玩的东西、好用的东西，让很多人跟着共振，觉得太酷了，我太想要了。这样的东西你没有办法去盯着某个人去优化，因为你要的是这个世界所有人，比如70亿人看到了以后，有1%或10%的人觉得我想要。共情能力在里面是非常非常重要的。 第三是技术本身。因为我本身也在高校，对技术有非常多的积累，对模型很多细节做了非常多的研究。 最后是某种意义上的技术号召力。这是一个很软性的东西。但是当我说我要创业的时候，会有很多小伙伴说，听说你要创业了那我就来吧。也没有问你要干嘛，也没有问要付他多少钱，因为知道我不会给一个很糟糕的待遇。甚至连base都没有问，我说可能清华附近的一个楼里，就说那行下个月我回到北京，来你这儿干。这种技术号召力，一定程度上保证了我们的人才密度持续领先。 凤凰网科技：可以具体讲讲你的技术信仰是什么吗？ 许华哲：从大到小来讲。第一个是相信物理的AGI的可发生性，它最终一定会实现。如果首先不相信这件事，会产生很多困惑，会在中途有很多犹豫。 第二是更小一点，相信物理的AGI会在我们这儿发生。在有了正确的人、正确的数据、正确的模型之后，没有道理它不发生。所以不去担心，不去被那些令人焦虑的噪音影响，也不去做快速的跟随者。我们从第一性原理去想，怎么样让那件事发生。 第三是相信强化学习。我始终认为我们在这个世界学习，或者在世界产生智能，某种意义上都是强化学习——我在这个世界交互获取数据，在有了数据之后，我对这些数据有一些反馈，那些让我疼的、让我难受的、让我饿的都是坏的数据，那些让我开心的、让我成长的、让我变强的都是好的数据。 我交互获得数据、评估数据，最后根据评估来从数据中汲取压缩出精华，成为智能的一部分。本质上对于强化学习的相信是，我对中间的价值函数或者价值评估的存在，认为一定是有它的意义。 凤凰网科技：在具身赛道，大家的北极星似乎都是一颗，但到达的路径不同。目前还是技术未收敛的状态，这个阶段对不同玩家来说意味着什么？ 许华哲：对我们来说客观上是好事，因为没有收敛，大家没有看到明确的路径，所以仍然可以还是玩家。我们在今年出发，仍然有很大的机会去让那件最大的事情发生在我们这里。 对于大家来说，也是一个群雄逐鹿的状态，所有人都在沿着自己的信仰，沿着自己认为可以成功的路径，去做技术、做市场、做商业，这是对判断力的考验。很多时候，工程上可以依赖AI的工具，商业化上大家也都还不太成熟。最核心的是，你的判断是否准确。判断准确，就能让你的组织在正确的时间点做正确的事情。 “大模型是核武器级别的东西，一定要选善良的人” 凤凰网科技：你曾提到中美相比，我们在人才密度和AI的创造性、突破性上仍有差距。为什么？ 许华哲：我觉得人才密度也没有很低。差距在于土壤，就是我有多大的自由度可以探索一点东西，这对很多从0到1的事情来说，是重要的。 我在伯克利读书的经历让我有一种感觉……我从博一开始就没人管我。我的导师不会给我说到底该做什么，而是让我说觉得应该做什么，然后他再来否定我，说你不应该做这个，直到我说出一个东西，他觉得OK，这件事好像可以做，但你说的也不完全对，我可以带着你把你说的这件事做对。 这个过程是很宝贵的。所以我回国之后也希望无论是学校还是公司，能有这样的一个土壤。在我的Lab里，我也会经常启发式地跟大家聊，让大家找到属于自己的那个事儿。 这才能叫做人才——因为他找到自己的事情并且自己做出来，而不是说所有的事情都是我找到，我给你了，你去把它做出来。（中美）水平上面是不相上下的，但可能就缺一点这种找到自己的事情的部分。 凤凰网科技：你之前提到工业界和学界有代际差，现在你既是清华老师又身兼创业，你认为学界和业界在这波浪潮中如何更好地互动？ 许华哲：具身智能或者说AI是一个独特的行业，它没有那个代际差了。在传统行业里，实验室会做一些高风险的探索性事情，可能100件里只有1件能成功，这个小成功率的东西会被交给工业界发扬光大，学术界接着探索下一个高风险的事情。 但人工智能的特殊性在于，那件高风险的事情同时有巨大的商业价值——它不是我探索出来了一个东西还需要大量产业的人去做转化，有的时候那个模型或者是那个事发生了，它立刻就有商业价值。 在学校里，往往很难获得足够的资源。一定程度上现在工业界和学术界在人工智能这个行业里面在做同样的事情。只不过学术界大家可能自由度更高一点，工业界大家稍微更收敛一点、更聚焦一点，资源更多一点。 凤凰网科技：这也是为什么现在具身赛道这么多学院派出来创业的原因吗？ 许华哲：一定程度上是的。 学院派出来创业有几个点：第一，AI创业一定需要远见，vision，能看得到未来终局长成什么样，这是最重要的能力。第二，在学校里很多时候资源是受限的，尤其是年轻的老师们，在学校里是不可能训出一个超大的模型的。第三，现在年轻人不太一样了，大家想去做一些了不起的事情。不太在乎这份工作稳定不稳定，更多想的是这个事本身意义大不大。 我创业这事，跟我爸妈聊，他们肯定是说支持，但你要不创业也不错，因为在他们的视角里，在清华只做教书这一件事，对他们来说也足够好，甚至会是更好的选择。 凤凰网科技：现在很多人甚至认为学上不上也无所谓，只要我有想法、有能把想法落地的能力，就可以辍学借助AI实现梦想。 许华哲：对，博士生会转成硕士毕业，助理教授会自己创业，有时候本科生也会创业。目前身边退学率也越来越多了，我觉得是一个非常好的事情。因为我们更在乎实质了，而不是在乎被打上那个logo或者标记。 我并不在乎未来我们招人的时候，你到底是高中还是本科，还是硕士，还是博士后，还是一个教授，这个对我们来说不重要，而是看你到底在AGI的这个事业上、这个道路上你能产生多少力量，你能做出来怎么样的贡献。这件事也是近几年发生的一个变化。 凤凰网科技：你选人的判断标准是什么？ 许华哲：善良是我这的一个大前提，就是不是来作恶的。在这个基础上，现在更火的词叫agency，但我觉得中文词更好一点，就是主观能动性。我觉得一个人能折腾、爱折腾、主动地去折腾，对我来说特别重要，因为这意味着他会不停地把自己边界往出突破，可以做出更了不起的事情。 第三个是好的品味。在纯技术、纯理性来看这叫判断力；如果你放在整个世界所有的领域来看，叫做品味。因为最终的一切都是由你的品味决定的。品味好和坏最后决定了你产品的一切。 有一次，我跟一个博士生在底下散步，他挺焦虑的，说新来的同学有几个特别卷，我也不是那种特别卷的人，是不是有点跟不上节奏？我说完全不会。我说，你平时听贝多芬，你读陀思妥耶夫斯基，我不觉得你会做出糟糕的科研，因为你的品味在那里。 你如果做出一个垃圾的科研，你自己会受不了，你是没有办法容忍那样子的自己的，因为你知道什么是好的，什么是美的。品味对我来说是非常核心的一个要求。 放在一起就是，初心是善良的，能量上是主观能动性很强的，品味是足够好的。 凤凰网科技：这个标准是选博士生还是在选员工？ 许华哲：都是。 凤凰网科技：这两件事是一样的吗？ 许华哲：当然不一样，但作为一个人来说，一定程度上是一样的。因为我们这算是高科技行业，到来的人很有可能对人类产生很大的影响。 博士生也是，员工也是，如果他不是善良的，他很有可能是作恶。大模型完全是一个核武器级别的东西，未来的机器人更可怕，也许就是你这个公司控制着整个社会的相当一部分的机器人在运行。如果你是邪恶的，是没有办法被接受的。 第二，主观能动性上一样。在公司里会有很多缝，在科研上也有很多缝。 什么是缝？就是我有一个主线任务，你有一个主线任务，但咱俩沟通的过程中会有一些既不属于你也不属于我的事，那谁去做？真正想把这个事情做好的人是不会问的，两个人都会抢着去做。或者说，我看到一个事情是一个正确的路，是不是要自己去试一试，还是等着你来告诉我去做才去做？这个无论在科研上，还是在公司里都是一样重要的。 品味也一样。科研需要他的工作品味，产品也需要他的工作品味。乔布斯自己也说过，ultimately it's down to taste。 为什么苹果的电脑你摸上去就觉得有一种质感、有一种高级感？某种意义上你也可以给它做得很粗糙、很粗线条的，这是你自己的选择，你品味的选择。 这是我对人的选择。甚至对朋友我有时候都会感受一下这三条。 凤凰网科技：不作恶也是很多公司的底线标准，但我们现在能看到，AI发展速度让一些不想作恶的人已经慢慢觉得自己的存在感不强，比如OpenAI的研究员离职。你会担心在具身赛道重演吗？ 许华哲：首先我是一个技术乐观派，我认为技术是应该发展的。其次我认为发展了之后，我们总有方法对它进行治理的。发展和治理可能同样重要，但我倾向于先发展再治理，在还有没有任何东西的时候就治理，会限制发展。这也是为什么某种意义上，人的价值观是最重要的。 有没有可能我们治理不了它？这件事目前来看还没有出现，但也说不准。大家都说有一个奇点，到来时会发生一件事。我们造出了一个AI，但这个AI比我们更聪明。所以它会造出一个比它更聪明的AI。 既然我们能造出一个比我们更聪明的家伙，那它就能造出一个比它更聪明的AI。这样无限迭代下去，就会在10个轮次后出现一个全知全能的家伙，可能远超我们的控制。这个事我觉得是有概率发生的，但至少目前还远。 “不能人海战术，意味初创公司机会更大” 凤凰网科技：除了像你们这种学院派的初创企业，大厂、车企、手机厂商都纷纷入局，留给初创公司的空间还大吗？ 许华哲：仍然是大的。大厂的加入一般是要等待一个信号，就是它可以成为公司的一个主线，或者是马上要濒临成功、会面向一个巨大市场的时候，是开打了的信号，是要成了的信号。你会看到，大厂在大模型上的竞争是白热化的，在具身上的竞争是有，但没有白热化。所以（目前）具身的发展阶段还是给了我们一些战略时间、战略空间。 其次，人工智能的研究也好，具身智能的发展也好，核心是一小撮高浓度的智力密集的小团体，能够决定非常大的事情。所以它不太可能像造车这样去堆人，然后在成熟的产业上把这个事迅速做完。大公司调出来几千号人，可能还不如那50个人干出的成果。 所以无论是谁来了，都需要这样的一撮很好的人。这其实是增加了门槛的，因为不能人海战术意味着创业公司的机会更大。 凤凰网科技：我们之前跟松延动力的姜哲源聊过，他认为2026年是一个关键节点，也是具身赛道淘汰赛的开始，有一批公司可能会撑不下去。你怎么看2026年的竞争态势？ 许华哲：我们是不是应该晚一年开始，等淘汰赛结束我们直接踢决赛？（笑） 最先撑不住的是哪类公司？有两种：一个账上没钱了，所以融资能力差的公司会倒，因为没钱了，没办法再持续做事了。 第二类是士气没了。可能账上还有一些钱，但已经没有人相信，甚至包括他们自己也不相信能做出新一代的东西了。还有一类，就是持续没有展示出一些超过预期的东西，以及在落地上也没有落成，卡在中间的这样一些公司。 凤凰网科技：你会觉得具身赛道被资本催熟了吗？从技术上看这是个很早期的行业，但大量钱涌入，甚至有公司要IPO了。 许华哲：资本肯定起到了一些促进的作用，让具身行业有了更多的资源。至于IPO的选择，见仁见智。但我更愿意乐观地、积极地去看这件事，因为本质上具身智能的竞争和大模型竞争都是未来话语权、定义未来的竞争。所以我更愿意把这些投资机构给的这些钱看作是我率先给你一些钱，然后希望你为我争夺未来的话语权。 为什么？比如说我们就看中美，美国也一样的，OpenAI每次融资都是上千亿美元的量。如果中国这边不是有足够的资本去支撑，这个结局就已经定了。所以我们是需要这样的支持的。只不过现在有点百花齐放。我觉得未来可能会达成一些合作、一些联盟，甚至一些合并，最终还是需要资本的助推，才有可能在定义未来这件事情上有足够的声音。 凤凰网科技：你现在出来创业之后，怎么平衡担任老师的职责，精力怎么分配？ 许华哲：我真正想做的事情就是通用的智能。所以一定程度上我没有特别去想这件事，我想的更多的是。能不能让通用的智能发生在我们这、发生在中国。 无论是在学校还是在公司，还是在社会里，都是一个共同的目标。这个地方我有一个暴论：职业这个东西本身是没有意义的。本质上一个人应该可以干任何事情，只不过为了方便运行或者提高效率，每个人有了职业。但你自己也可以看到，我自己也在做播客，我也把自己叫做一个媒体，我也教书，也做研究，我也创业。 我觉得一个人不需要有职业定义。我在企业里我仍然很享受教书，我在学校里我仍然可以去做商业。职业是为了效率而异化出来的东西，作为人不用太在乎这个。 凤凰网科技：能看到你最早在小红书做Ask me anything，包括有自己的B站账号、播客，非常乐于跟年轻人交流。还曾说要“祛魅”，但你本身就是精英履历。 许华哲：我承认我的履历一定程度上就是精英的某种定义：清华，然后去伯克利、斯坦福，又回到清华，又去创业。但我要去的就是我们这些人的魅。 大家会有这样的过程，我自己也会有。当我在清华读书的时候我会觉得，那些未来比如伯克利的老师得有多厉害？我去了以后发现也没有那么值得神话。到了斯坦福也是一样。再到创业，你能看到更多平时见不到的人，你会想他们一定很不一样。 有时候人和人之间没有那么多差别，最终还是看你做的事情决定的，不用去盲目迷信一个什么人。如果你确实很喜欢一个人，且在信息充足的情况下很喜欢一个人，那个人才是值得去追随的。如果是在信息不充足的情况下，往往是被捏造出来的一个虚假的形象。 凤凰网科技：你有被“魅”困住过的时刻吗？ 许华哲：小时候有。就会觉得怎样的人就一定很厉害，他说的一定对。但后面回头看发现，只是在那个时候的我眼中他是厉害的。你每一个阶段都会有一个自己的“魅”，但是如果能早一点想到，其实他们只是比你早生了几年。想清楚这件事，就按照自己的节奏努力就好了。 凤凰网科技：除了身边这些人，你有精神偶像吗？ 许华哲：我一直很喜欢贝多芬。 凤凰网科技：但你没有去学音乐。 许华哲：我其实有想过。我从小一直练钢琴，在伯克利期间我也修了几乎所有音乐课，一度想要不要再申请一个硕士试试看。很喜欢贝多芬的一个原因就是他的愤怒常在，他像是一个既规整又愤怒又深刻的一个家伙，写的东西情绪总是很饱满，并且他在思考一些，人为什么应该这么做，为什么要经历这些问题。 我还很喜欢拿破仑。很好玩的是，贝多芬曾经写过一个曲子给拿破仑，但是后面他听说拿破仑要称帝了就给划掉了，就变成《英雄》嘛。本质上在我心中他俩都有点像，那种对这个世界一直有着征服欲，有着愤怒，但同时也有深刻思考和善良的一部分。 凤凰网科技：能从你的选择看出来，你的兴趣非常丰富。你之前是电子系，是吗？ 许华哲：对，本科是电子系。选择电子系是一个很随机的事情。因为我知道我想做IT，就是高中的时候。因为在马桶读物里，我的一个很重要的马桶读物就是人物传记，《乔布斯传》《比尔盖茨传》《迪士尼传》，包括《拿破仑传》。 一个很重要的点就是我发现，IT创业是一个非常有趣的事情，也是人类很未来的一个事情。所以我从小就很喜欢，很想做这件事。但是为什么我没有选计算机系，而选了电子系呢？因当时听说，电子系不用上化学课，就这么简单。 凤凰网科技：后面的选择路径都是你有意为之，还是凭喜好？ 许华哲：五五开。我高中时候第一次知道人工智能，到了本科阶段在电子系就是认认真真学电子系的课了。大三去多伦多大学交换了一次，第一次上了一门课叫计算机视觉，用了一个东西叫深度学习，2015年给我带来了挺大的震撼，原来AI这么厉害。计算机视觉的深度学习模型这么厉害。那个时候就觉得OK，小时候看的那些科幻里的东西是有可能做出来的，虽然不一定是我，但我至少试一下。 “绝对不能我们造身体，等美国造大脑” 凤凰网科技：你在《具身智能2025的回望》中写到，觉得2025年一个很明显的分歧是中国具身公司花更多时间在量产，而美国公司展示技术上限。你担心我们可能会错过那个“最大的西瓜”，这是指什么？ 许华哲：智能本身。量产，归根到底是产生一大堆铁疙瘩。铁疙瘩本身是没有意义的，它必须要有那颗核心，就是它的智能，才变得格外有意义。我去做大规模的量产，我的智能到底水平怎么样？ 这不是我要想的事，而是所有的从业者要想的事。我们应该去争夺的或者努力的是那件最大的事。所谓的“最大的西瓜”，是希望我们在智能这件事情上占领一个高地。 美国的很多厂可能受限于自己的供应链短板，没有办法做量产，或是没有办法造出硬件，所以可能选择智能也不是有多有理想，而是就是没得选择。 但是我们不能被这个天然的——因为我们供应链很好——然后就只做这个。 绝对不能是我们未来造身体，然后等美国人或者美国的那些公司造大脑。绝对不能是这样，还是得自己把这些东西都做出来。 凤凰网科技：感觉你多次提过中美差距，包括创新落后的焦虑，这种焦虑感是从哪来的？ 许华哲：我一直觉得我们在水平上，在人才密度上，在硬实力上没有差距的。在2023年起跑的时候，我们几乎是并跑，就是在一起竞争。 但是到2025年的时候，我会发现，PI、Sunday、Generalist这些美国公司确实看起来好像更好一点，就是智能的能力。当然我们也有我们的宇树，全世界最好的武打能力，就运控。 所以一定程度上，我们是选择了不同的路线，但我觉得智能是更本质的事情，所以我才产生了这个焦虑——明明我们是一起开始的，不要因为我们忘记了这件事导致落后。因为我们明明可以跑得一样快，或者跑得比他更快的。 凤凰网科技：你从学界和业界双重身份看，差距是从何而来的？ 许华哲：应该是一种，大家从第一性去定义我到底希望未来长成什么样，反过来推我要做什么的能力。而不是别人做了一个什么，我们要立刻有别人有的这个东西；别人做了这个，我去想我到底未来最重要的事对我来说、对我们来说是什么，然后我去反过来推，我可以做跟他一样的事，也可以做跟他不一样的事，但这得是我自己思考出来的。这很核心的。 或者说，现在如果有一个人，告诉我量产和运控就是未来最重要的决胜点，我会很乐意听。但是你不能告诉我——因为我正好擅长这个，我就做了它，或者说因为别人做了什么我就做了这个。而是你有道理地给我讲明白，为什么这个是最重要，那我会承认你是对的。 凤凰网科技：你对AGI的预期，2026年是比2025年更乐观了，还是更悲观？ 许华哲：当然更乐观了。AGI的能力越来越可怕了。最近龙虾批量爆火，当然我不太用OpenAI的，我用别的Agent。真的很好使了。比如说在飞书里面接入一个东西，让它帮我总结开会的东西，帮我约时间放在日历上等等。 原来这些琐碎事情我一直很想有一个助理，但好像有点装，所以我从来没有过。现在太好了，我既可以不装又可以有助理了。这就是AGI到来的一个前哨。我会有更乐观的预期。 凤凰网科技：GPT出来之后，很多海外大学老师会禁用的，因为他们担心学生用AI偷懒。作为老师，你会有这种担忧吗，觉得学生过度依赖AI会丧失独立思考？ 许华哲：我在我的上一节课刚刚跟大家说，如果你的作业是完全用AI做的，并且你把这个过程用视频录下来，我会直接给你满分。这是我的一场实验。 我相信清华的同学们都能学得会原理，写代码的这个过程未来就是AI来写，你只需要懂原理就好了。懂了原理以后，你给它正确的指令、正确的prompt，让它帮你干正确的事情，把这件事完成，这就是未来的工作流。 我不觉得这是学术不端，我反而觉得如果你的作业用AI彻底从头到尾完成，你会是一个属于未来的人。 凤凰网科技：大家困惑在于，论文之前是人类独创思维的凝结，但借助AI的话，版权到底属于谁？ 许华哲：版权问题是一个很层层嵌套的问题。那个模型本身也是拿的别人的版权，你再用这个模型干你的事，所以这个版权很难说归属于谁。但这个趋势是不可避免的。论文层面，最核心的那个东西还是属于人类的，但是比如做实验这些事，你完全可以用AI来帮你做实验。 再激进一点看，最近有一个东西很流行，虽然还很不成熟，叫Auto research。人给它一些指令，说你看这十篇文章，是这个领域里比较重要的，我要做一个什么样的工作，你根据它们复现一下，跑一些实验，调优一下，给我写一篇技术报告，然后它自动生成一个论文。整个科研人只需要描述一下，剩下就是AI自动去做了。 一旦变到这样的话，没有人会再去争那个版权了。未来都是AI在批量地优化。人在最后争的那个版权，可能是那种最难或者最有挑战的那一部分。 水位线从可能原来30%原来不是人类的智慧结晶，涨到了99%，只剩下那个1%是人类的智慧，剩下就是AI在干，你也不需要再想了。 凤凰网科技：那中间被牺牲掉的人去干嘛呢？ 许华哲：两种：一种是大家都去往那1%去争，就是让自己变得更聪明，去学得更深入、更思考得更深刻，才有可能带来价值。另一个就是享受这种新型劳动力带来的红利，享受人生。也有可能，这个未来形态不确定。 未来可能会变成一个哑铃型，而且是头小底大的哑铃型。中间的事AI全做了。如果具身智能再发展出来，脑力活、体力活AI都做了——大多数人更多就是享受人生了。 也许我下围棋永远都下不过AI，但是我还是想下围棋，因为觉得下围棋很有意思，可能是这样子。还有最上面的一小点，仍然是AI没有办法替代的。 凤凰网科技：大家焦虑的部分在于自己可能被AI替代，现在有很多因为AI失业的案例了。 许华哲：所以就是当汽车到来的时候，就别再当马车车夫了。也别想着把我的马换成汗血宝马，都没用；也别想着我换一个好的鞭子抽那匹马，都没用。就是想办法拥抱AI，成为驾驶汽车的人。 凤凰网科技：之前你和马拉比聊新书《哈萨比斯：硅谷AI之脑》，那场对谈中收获最大的是什么？ 许华哲：两方面，一方面是哈萨比斯，一方面是马拉比。关于哈萨比斯我很受鼓舞和触动，是他对AI近乎虔诚的宗教式的追求，需要这样对智能的不懈追求，才有可能做出像他那样的成绩。 关于马拉比，他的报告最后很有意思，他很反对开源。他说，大模型就是这个时代的核武器，中国和美国做得很好，所以中国和美国应该自己管理和整治好大模型。开源有可能让新时代的核武器流入坏人之手。比如说坏家伙，用开源去作恶。 这个事情对我冲击很大。因为开源一直是我们这个行业的信仰。我作为一个搞计算机、搞人工智能的人，一直觉得我开源，我自豪、我骄傲，我让全世界更多人用到这些美好的东西，世界才发展得越来越快，人们的生活才变得越来越好。 但他觉得，这个东西太大了，以至于开源反而是坏事。因为好人未必能拿它做出更好的事，但坏人很轻易可以拿它做坏事。我也在重新想这件事，但我还没有完全被说服。 凤凰网科技：听上去像是性恶论和性善论的一个对决。 许华哲：某种意义上是吧。 凤凰网科技：哈萨比斯书中讲到，当AlphaGo打败世界冠军的时候，在围棋领域的AGI已经实现了。当人类社会所有维度都实现AGI，人类会失去控制权吗？ 许华哲：关于这个有很多很多的想象。我记得读阿西莫夫的书里面，他有一种想象很有意思，大概是有一个银河帝国的地方，有一个总管人类的，叫他国王也好，叫他什么都好，反正就是有一个很好的家伙，把这个地方治理得很不错，但最后发现是一个机器人。 那就有人问，机器人统治人类这不是已经倒反天罡了嘛，人造出的机器人。机器人三定律外，还有个第零定律，叫机器人不能伤害人类整体。 如果我是一个人，但我很邪恶，我去跟这个机器人说，你去给我干点坏事。这时候机器人不能去干，因为这样做，伤害了人类整体的利益。 所以最后机器人就琢磨，人类可真不行呀，怎么天天你打我、我打你的，整这些资源争夺，不如我来把大家都运行起来，反而人类变得最好。这样就是一个很悲惨的结局了。机器人为了服务人类，但因为人类本身的缺陷，使得它最后决定以某种方式自己成为整个人类的统治者。这是一种可能性。 另一种是Geoffrey Hinton，他之前一直担忧AI过于强大，最后得出一个结论叫做motherhood，母爱，是指机器人对人类应该会有一种母爱式的情感在。它脱胎于人类智能，诞生于人类数据，对人类是有一种想要呵护的感觉，所以会一直做好事。因为它对人类产生了丰富的情感，并且保护人类。这也是有可能的。 当然还有一种就是反叛军。穿越回来，比如说到我们公司来，说今天必须得干掉你了。为什么？因为20年后，机器人就统治了地球，所以今天必须要干掉你。有很多想象。 但我觉得失控的概率不是很大，因为毕竟目前，还是只要拔了那根电源线就好了

聊起直播，你会想到什么？ “ 直播卖超大里脊肉煎饼，一年存够 80 万 ”、“ 某头部主播单场销售额超 20 亿 ”、“ 娱乐主播靠打赏年入千万 ”……互联网似乎永远不缺乏直播暴富的故事，主播们无需坐班、收入不菲的形象深入人心，也吸引着一大批优秀人才前仆后继涌入该领域。 但，在汽车领域，尤其是在主机厂与经销商的自播生态中，景象却大相径庭。 “ 估计没人干了，都想跑路了。” 前段时间，有人想请深耕汽车直播领域多年的鲁先生帮忙推荐下优秀汽车主播，鲁先生如此回复道。另一位直播领域的资深人士则是说：“ 我们主播转行播服装了，汽车不赚钱。” 聊到汽车主播 “ 出逃 ” 的原因，其实和大部分人离职的原因一样，无非是工作付出和回报不成正比、工作压力大、发展前景不明朗等共性问题。 鲁先生工作于国内头部新能源车企比亚迪，他们公司一场直播最少也要四小时起步，连场直播的情况也很常见。和普通坐班工作不太一样的是，普通人在工作期间或许可以抽空刷刷手机摸个鱼。而主播面对着直播镜头，需要时刻保持注意力高度集中，持续讲话不让直播间冷场。 “ 有观众在直播间观看和互动其实还好，时间过得比较快。” 鲁先生补充道，“ 要是没人互动，主播就只能对着摄像头自言自语。” 随着越来越多人涌入直播行业，主机厂主播、经销商主播以及跨界达人都在抢夺消费者视线。这也对汽车主播们提出了更高的要求，除了需要对车型各项参数了如指掌，还需要不断 “ 整活 ” 以吸引消费者。除此之外，主播往往还身兼多职，写视频脚本、拍日常短视频等等。遇到较小的汽车门店，直播人员配置不齐，主播还需要承担部分运营工作。 目前，汽车行业技术日新月异，每隔一段时间就有新的车型和技术发布，这要求主播们及时学习新的知识，调整新的直播话术。另一方面，直播平台的玩法也在不断改变，从过去单纯讲解车，发展到现在需要做沉浸化体验、场景化直播。这也要求主播们能够适应平台新变化和消费者新需求，不断精进直播能力。 鲁先生提到，在主播工作量有增无减的情况下，公司对主播的绩效考核却越发严格：直播内容不违规、直播观看数据、粉丝关注率只是基本要求，更重要的是考察一场直播下来，有多少客户愿意留下联系方式等信息，也就是所谓的 “ 留资 ”。这些客户联系方式和相关信息将成为销售的重要线索。 汽车这类商品，具备高客单价、长决策周期以及需要线下体验的特性，注定了其无法像快消品一样能通过直播实现大规模线上全款成交。在鲁先生看来，这也导致现阶段汽车直播还是以 “ 线上锁客+线下转化 ” 模式为主。 简单来说，汽车直播的作用就是通过直播平台这个渠道，获取意向客户联系方式，再引流至线下门店促进成交。比如，通过 “ 0 元领试驾礼”、“ 免费领购车券 ” “ 1999 元锁定车型优惠 ” 等等钩子，吸引意向客户留资，再引导至线下购车。 在这种情况下，对于主播和其他直播相关人员而言，留资数量或者说每场直播收获的有效线索则成为了重要考核标准。除此之外，有些地方甚至会考核试驾转化率，即一场直播下来，有多少留资客户会去线下试驾。 然而，这个试驾转化率也和后续销售能力息息相关。可能主播辛苦拿到的线索，最终因为销售的疏忽或者能力不足，没有实现线索的试驾转化，从而影响到主播的考核绩效。某吉利主播提到，他们门店销售并不享有新媒体端线索的销售提成，这也导致这些销售更愿意接待线下展厅的客户而非转换线上线索。 而有效线索，却不是那么好获取。某品牌主播提到，他们辛苦播一场获取的线索，基本上有一半是无效线索。 所谓 “ 有效线索 ” 指的是，用户留资后 48 小时内接通电话，并表达了一定购车意向。如果电话不接，或者是空号，则不能算作 “ 有效线索 ”。上汽大通员工刘女士告诉编辑部，他们有自己的线索清洗团队。一场直播下来的线索都会转给线索清洗团队，以保证手机号真实可沟通。随后，线索清洗团队会将有效线索下发给经销商们去跟进。 鲁先生所在的车企对主播月度有效线索考核要求是：在没有投流（ 投钱引流，将直播间定向曝光给潜在购车用户 ）的情况下，月度有效线索目标为 80-120 条。投流后，有效线索目标通常是 300-500 条。目标会根据所卖车型进行变化。通常来说，单价更低、知名度更高的产品，会要求更多数量的有效线索。比如比亚迪王朝系列的线索目标就会高于海洋网系列的。 不同车企品牌、经销商门店或者是达人直播间对线索的要求都不太一样。《 汽车公社 》此前也披露过某央企新势力汽车对主播考核标准是：未投流情况，每月 50 条有效线索。投流情况下，需要 200 条有效线索。 这个数量对于主播来说并不算容易。重压之下，则必有勇夫。鲁先生提到，当主播承担了大量的线索考核指标，就会开始 “ 无脑留资 ”。 一方面，主播面对明显不是目标用户的观众，都鼓励留资，产生了大量无用线索。“ 哪怕观众纯纯想要薅羊毛，问 ‘ 一万块钱卖不卖 ’ 这种玩笑话，主播都会引导去留资，根本不会判断观众意向。” 另一方面，观众不想给真实号码，主播也不拦着，还会鼓励随便填 11 位数字。甚至让同事朋友帮忙留空号或者废号。此外，还有可能主播及其团队会把同一个用户的信息，反复录入系统当作新线索，或者把之前无效老线索，重新提出来做当期量。如此等等，不一而足。 “ 这些动作都很常见。在目前汽车直播行业内，留资已成为硬性考核规定。” 鲁先生提到，“ 这是没有办法的情况，车企本身承担着巨大的卖车压力，只能把压力层层下放。” 主播及其团队为了凑数，收集了大量无效线索给到 DCC 邀约专员（ 汽车销售领域中负责通过电话联系潜在客户、邀约其到店体验或购车的职位 ）。无意中又加大了后者的工作量，进一步引发团队内部的矛盾。 在线索量不足的情况下，投流确实是个很好的解决方案。投流可以快速给直播间打上标签，吸引精准的观众，从而提升直播间的互动率、停留时长等数据，并反向撬动平台自然流量推荐。 鲁先生告诉知危编辑部，如果直播间账号一开始就是投流的话，之后再想做自然流就很难了。对于主播来说，会减少 70% 的体验感。行业内主流玩法都是账号自然流起号，再依靠投流撬动初始流量池。之后用优质内容沉淀自然流，实现 “ 投流起量+自然流维稳 ” 的良性循环。 “ 但是这需要有特别专业的运营，目前市面上并不多。” 鲁先生说道。如果是快消品品类，投流会比较广泛，不管什么样的流量都有购买快消品的可能。但是汽车的特性注定了其有着精准的消费人群，需要投流至精准的标签人群，比如聚焦新能源汽车爱好者、品牌意向用户等。“ 投流的流量越泛，互动量以及转化率就越低。” 而投流也是个技术活。什么节点和时段投流，花多少钱能够实现投流最高性价比，哪些标签才是自己真正的目标人群，这些都对电商运营投手提出了极高的要求。“ 投流真的有点偏玄学，有可能两天同样的操作，最后的结果天差地别。投手很难精准知道到底是哪步没做对，导致流量不如友商。” 某品牌抖音运营投手如此感叹道。 但对于车企品牌来说，做汽车直播这件事是占据市场的必选之项。 首先，汽车直播是个非常划算的获客手段。鲁先生提到，乘用车主机厂直播获取的有效线索成本大概是 30-50 元/条，远低于传统车展、户外广告的 100-200 元/条线索成本。“ 很划算的。只要这个月靠直播线索卖出去 3 辆车，这个直播间一个月的成本就能被覆盖了。” 不过，某商用车全渠道获客部门工作人员告诉知危，商用车的获客成本略微高于乘用车，他们品牌大概是 70-80 元/条。“ CPL（ 每潜在客户获取成本 ）还有比我们高的，和大型商用车和轻卡车相比，我们轻型车这个 CPL 算很好了。” 更重要的是，直播让主机厂得以快速、持续地传递品牌理念与技术优势。这种长期积累的品牌资产，其价值远超留资数据本身。在流量决定存亡的时代，抢占用户注意力就等于抢占生存空间。 所以，尽管从业者们或许已不堪重负，汽车直播的发展仍是大势所趋。

IT之家 4 月 27 日消息，2026 北京车展已于 4 月 24 日开幕。小鹏汇天陆地航母也“空降”本次车展，用户亲临展位可进行 VR 沉浸式飞行体验、观看分离结合现场演示。 IT之家注意到，汇天飞行汽车昨日宣布，在北京国际车展第三天，汇天陆地航母单日订单破 90 台。这意味着在车展期间，汇天陆地航母也在持续接单，并且单日订单已接近百台。 值得一提的是，在 4 月 24 日的发布会上，小鹏集团董事长兼 CEO 何小鹏表示，小鹏汇天研发的分体式飞行汽车“陆地航母”已累计获得 7000 台预售订单，计划于 2026 年内启动规模化量产。 IT之家注：“陆地航母”是全球首款量产的分体式飞行汽车，售价控制在 200 万元以内。该产品采用分体式设计，陆行体为三轴六轮六驱全地形大空间车型，搭载航空级增程系统；飞行器可完全收纳进陆行体的后备箱，在陆地行驶时整体即为一辆大型 SUV。飞行器具备垂直起降能力，兼顾低空通勤安全稳定性与轻量化设计。

华为余承东直播时“自我检讨”，称以前做车重视安全品质但可能不注重外观 IT之家 4 月 26 日消息，在今天的“鸿蒙智行会客厅”直播活动中，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东在尚界汽车展台时进行了自我检讨、自我批评。 自动播放 余承东提到，以前比较吃亏的是做车重视里边的安全、品质，但是可能不重视外观。这是团队吸取的经验教训。 以前我们比较吃亏的是在哪里呢？就是说咱们做车重视里边的安全、品质，但是可能不重视外观。我自我检讨一下，自我批评一下，这是我们吸取的经验教训。 我们特别重视颜值，你看我们把这个外观做的很 bling bling，很漂亮，超高颜值，而且关键实用。 IT之家注意到，上汽集团总裁贾建旭还透露，尚界 Z7 / Z7T 新车的女性用户占比已经达到了 40% 以上。他还表示自己跟余承东初见的时候就说，尚界品牌目标要让余总可以年轻十五岁。余承东透露，该车的 iPhone 用户也占了 30%-40%。

赵长江解释为何王传福亲临智界展台自己没在现场接待和介绍 V9：真不是故意的，当时刚好不在 IT之家 4 月 27 日消息，智界汽车执行董事及执行副总裁赵长江昨晚发文回应了王传福（比亚迪董事长兼总裁）亲临智界展台，为何自己没在现场接待和介绍 V9。他表示： 其实真不是故意的，当时刚好不在展台，等我火急火燎赶回来，王总一行已经移步其他展馆了，非常遗憾。 如果再有机会，我一定会跟王总详细介绍智界 V9 的极致产品力。 据IT之家此前报道，去年 10 月，赵长江在微博官宣离职，他曾担任比亚迪腾势品牌总经理、腾势方程豹直营事业部总经理。今年 1 月，赵长江宣布正式加入鸿蒙智行-智界汽车。

快科技4月27日消息，小米最近正式公布了YU7 GT的细节，很多人好奇为啥要叫GT，它和普通版YU7差别在哪？ 先讲名字，GT不是随便贴的标签，本意是伟大旅程，放到汽车圈就是能跑长途、又有高性能的豪华车。小米这次叫它纯血GT，就是说这车从底子上就是按GT标准做的，不是普通版换个包围那么简单。 YU7 GT是YU7家族的顶配，定位是跑车级SUV，既能长途旅行，又有很强的驾驶乐趣。普通版YU7偏向家用豪华，而GT版直接拉满性能，欧洲研发中心全程参与，还在纽北赛道做了上千公里调校，底盘更稳、质感更高级。 外观上看着像，但细节差别很大。GT版有标志性长车头，战马姿态更明显，还有跑车级宽体设计，力量感更足，专属配色和标识也让它一眼就能和普通版区分开。 性能差距最明显。YU7 GT有1003匹马力，最高时速能到300km/h，零百加速2.95秒，同时续航还能做到705km。普通版YU7更侧重日常舒适和均衡，性能没这么激进，满足家用足够。 简单说，普通版YU7是好用好开的豪华SUV，GT版就是在这个基础上，把性能、操控和豪华感都推到顶级，既能日常开，也能偶尔下赛道，长途出行也不会累。 这车定在5月底正式见面，预算够、追求高性能和独特体验的，可以多关注。

我们去硅谷考察了一圈，发现连造浪的人，都快被浪淹没了。 晚点专栏作者丨五源资本合伙人 孟醒 2026 年 3 月 24 日早上，我坐在 YC W26 batch Demo Day 的观众席里，听到第五家公司上台路演的时候，决定不再做笔记了。 不是不重要，而是我意识到，自己记下来的这些东西，可能下个月就过时了。 这一届一百多家公司，做的事情其实高度集中：大约 80% 都是垂直 agent，比如帮律师整理文件、帮客服分发工单、帮 HR 筛选简历。 如果是在去年 10 月看到这些项目，我大概率会觉得 “挺有想法”。但问题是，这五个月，世界变了。 Claude Code 从一个更偏开发者的工具，变成了几乎任何人都能直接使用的界面。Opus 4.6 出来之后，整个 vibe coding 的门槛被压到了地板上。 那些垂直 agent，在没有形成业务壁垒之前，今天一个普通工程师，甚至我自己，花一个周末就能做出来，他们已经失去了投资价值。 YC 一届项目周期是三个月，这批 12 月入营，加上前期筛选，等于是 5 个月前被选出来的 “好公司”。而 5 个月，在现在的 AI 迭代速度里，已经足够发生几轮范式转换。 2012 年我第一次创业，拿到 YC 的 Fly Out（实地面试邀请）的时候，那时候 YC 在加速器这个赛道上，几乎一枝独秀，选出来的公司往往代表着 “下一个方向”。但竞争格局在变，YC 这几年感觉反过来了，逐渐变成了一个 lagging indicator（滞后指标）。 YC 的 batch 制度，从申请、筛选、入营、打磨、路演，在移动互联网时代运转了十几年，非常成功。但这套节奏是按一个更慢的世界设计的。 回到风险投资行业的这一年半，我大概每个季度都会来一次硅谷，上一次是去年 10 月。以前每次来，都会觉得变化很快，但这种 “快” 大多是按月来感知的。 这一次，得按 “周”。 有一天晚饭的时候，一个做 post-training（后训练） 的朋友随口说了一句： “我发现，硅谷自己都开始跟不上自己了。” 全员 token-maxxing：一场没人敢停的军备竞赛 半年前如果有人跟我说，Meta 几万名工程师，全在用竞争对手的产品写代码，我会以为他在开玩笑。 但这是真的。整个 Meta，全员都在用 Claude Code。这不是创业公司，不是某个实验性团队，而是一家市值万亿级别的公司。 代码安全不要了，token 预算炸了，排行榜卷起来了，整个硅谷都在不计成本的往 AI 里砸钱。但砸完之后呢？ 先说代码安全。放在半年前，这件事完全不可想象，因为代码是公司的核心资产，你怎么能让外面一家公司的 API 去碰它？Meta 一开始也是这么想的，他们内部做过一个叫 myclaw 的东西，试图解决这个问题。一个 Meta 的朋友告诉我，他们做出来了 coding 产品，但 “不好用，没人用”。没人用之后，公司不得不放宽了：只要不涉及客户数据，爱用 Claude Code 就用。 然后各部门开始开那种 “怎么变成 AI native 组织” 的内部会议，做培训，搞考核。代码安全、使用安全，这些过去天经地义的红线，统统被排到了后面，先把效率赶上来再说。 出于安全考虑，Google 禁止大多数员工使用 Claude Code 或 Codex 等竞争对手的工具，但 DeepMind 是个例外，负责 Gemini 模型和内部应用的几个团队，都在用 Claude Code。 谷歌自己也不是没有努力：他们推出了内部编码工具 Antigravity，今年 2 月还宣称公司约 50% 的新代码，已经由 AI 编写。 但即便如此，DeepMind 的人还是在用 Claude Code。DeepMind 敢这么做，一个重要原因是 Anthropic 给他们做了私有化部署，毕竟 Anthropic 的推理和训练，本来就大头跑在谷歌云的 TPU 上，双方有这个信任基础。但 Meta 和其他科技巨头可没有这层关系，他们是真的把代码安全扔到一边了。所有人都在赌同一件事：先把速度冲上去。 代码安全只是第一面倒下的旗，第二面是 token 预算。 在 Palo Alto 聊的几家 AI-native 创业公司里，一个工程师一年的 token 预算，大概在二十多万美元。这个数字本身不稀奇，稀奇的是它意味着一个顶级工程师消耗的 AI 成本，已经接近于一个工程师的工资了。看起来公司在用 AI 裁人省钱，实际上总成本可能根本没降，只是把人的成本换成了 token 成本。 Meta 在这件事上又是最极端的。他们搞了一个内部 token 消耗排行榜：谁用得多谁上榜，末尾的可能被裁员，所以 Meta 员工甚至在卷一个叫 “token legend” 的非官方头衔。 但与此同时，Meta 今年接连两轮裁员，规模加起来上万人。一边全员用 Claude Code 冲 token 量，一边大规模裁人。 这两件事不是矛盾的，它们是同一件事的两面。 我去看了一家 C 轮公司，技术负责人把 Slack 打开给我看，全是 agent 在跑，十几个 Cursor agent 后台并行，再开一个 Claude Code 窗口调度。现在程序员圈最流行的焦虑是：如果睡觉之前，不知道我那十几个 agent 要干什么就很慌。 但生产力真的同等涨了那么多吗？从去年年底开始，有很多顶尖推理引擎、数据库公司的 CTO，很兴奋地跟我讲 “百倍工程师”“ 十倍效率提升”，以前 60 个人需要 1 年做的事，现在 2 个人加上 Claude Code 一周就能搞出来。 我开始也跟他们一起兴奋，但后来我冷静了下来，就会问一个问题：好，效率提升了 100 倍，那公司的营收增长了 100 倍吗？或者产品线扩张了 100 倍？总不能 “100 倍” 的提升，最后就是优化掉多少人吧？ 我没有得到正面回答。事实是，100 倍的效率提升，落到公司的营收增长上，只体现了 50% 或者 1 倍。 差距在哪？现在还没人能说清楚。 “用了这么多 token，公司应该基因突变成另外一种公司才对。但到底变成什么，我也不知道。” 有一个做 toB 销售出身的创始人告诉我，他团队 16 个人，两个销售，在 12 个月内从零做到三千万美金 ARR，这是全靠 AI coding 搭出来的。这种案例你确实偶尔能看到。但大多数时候，我看到的是创业公司搭出了更多东西，但这些东西也没有 product-market fit（PMF，产品市场匹配）。 硅谷现在很流行用 vibe coding 去尝试 100 种做法，看看哪一种能行得通，而不是只试 10 种。但谁能抓住下一个发展趋势？还很难说。 让我印象最深的一个反例来自 Anthropic 内部。我问一个 Anthropic 的朋友，你们自己用 agent 最痛苦的场景是什么？他说是 oncall（即时响应）。 Oncall 任务的一个典型场景是：如果 Claude 的 API 突然响应变慢、某个模型推理节点挂了、用户反馈某类 prompt 输出异常，oncall 工程师需要快速定位问题根源，判断是代码 bug、算力分配问题还是模型本身的异常，然后决定怎么修。 Anthropic 自己就是全世界做 Coding agent 最强的公司，这个场景离他们的核心能力近得不能再近了，结果他们内部的 oncall agent 还是不好用。 这就是 2026 年 4 月的真实状态：蒸汽机已经被发明了出来，但它有时候跑得还没有马车快。关键是所有人都知道蒸汽机终将跑得更快，所以都在疯狂砸钱：代码安全也不管了，token 预算爆了，排行榜卷起来了。至于到底什么时候蒸汽机能真的跑过马车？没人知道，但没有人敢停下来等那一天。 因为停下来的代价，可能比烧错 token 更大。 而且 token 消耗量，大概率不是线性增长的。这让我想到我以前做自动驾驶的经历：2021 年我们在上海，首次实现了连续 5 小时无接管的自动驾驶。当时觉得是一个重大突破，在那之前，测试车队可能是 10 台、15 台、20 台慢慢增加；但过了那个拐点之后，很快就到了 100 台、1000 台。今天的 Coding agent 正处在类似的阶段。 2021 年在上海，滴滴自动驾驶首次实现连续 5 小时无接管连续行驶，这是国内自动驾驶的一个里程碑事件。图为时任滴滴自动驾驶公司 COO 孟醒，与谷歌 “无人车之父”Sebastian Thrun 的对话，2021。 METR 是加州一家专门评估 AI 编码能力的研究机构。他们去年提出了一个指标：衡量 AI agent 能以 50% 成功率完成多长的任务（按人类专家的完成时间算）。2025 年 3 月首次发布时，Claude 3.7 Sonnet 的这个数字还是 50 分钟；到了 2025 年底，Claude Opus 4.6 已经做到了 14.5 小时。过去两年，这个指标的翻倍周期，从 7 个月压缩到了 4 个月。一旦 agent 的可靠性再上一个台阶，token 消耗就不是每年加 50% 的问题，而是一夜之间上一个数量级。 有一个获得朋友们共识的预测，到今年年底，不少公司（包括科技大厂），实际上只需要 20% 的人。 xAI 团队雪崩之后，造火箭的人开始造模型了 在 Mountain View 一家牛排馆，晚上九点多，一位曾经跟马斯克工作了很久的朋友，坐到了我对面。聊了三个多小时，我后来回想，整个过程里他似乎没有说过一句马斯克的好话。 一个细节：我问他，你在 xAI 干了三年，每天的节奏是怎么样的？他说三年来基本都住在公司，所以家里都没怎么布置，甚至连床都没有买。在公司睡的是那种 sleeping pod（睡眠仓），跟青年旅馆差不多。我说你现在拿着巨额股权，也都离职出来了，好歹买个床吧。他笑了笑。 xAI 的工作强度在硅谷是出了名的，但如今早期团队大概已经走了 90%。他们有一个离职群，天天在加人。 导火索是 Tony Wu 被开掉，然后连锁反应，用一位内部人的话说，“别的公司可能需要酝酿半年的高管团队出走，xAI 只需要一个月”。有些人在去年 10 月，就感知到马斯克的不满意了，但没想到这么快全部清洗。 现在马斯克开始从 SpaceX 和特斯拉调人过来接管 xAI，“造火箭的人开始造模型了”。 马斯克的不满，来自于他砸了无数资金和算力，结果 Grok 一直没能进入一线，但为什么？这是我遇到每个 xAI 出来的人，都会问的问题。答案其实比我想象的简单，一位朋友说得很直接：团队的战斗力非常强，工作也极其拼命，但制造业的管理方式，可能不适合大模型公司。 我做了八年自动驾驶，对这件事有一些自己的感受。马斯克过去做 SpaceX、做特斯拉，本质上做的是系统工程：链路很长，涉及软件、硬件、供应链，每一块都有创新空间，但最终是一个端到端的工程问题。 他擅长的是在这种长链条里，识别出关键杠杆点，然后极限压缩时间线来攻克。火箭发动机级联、复用着陆，都是这种思维的产物。 但在 xAI，他做的不像是系统工程。他现在做了三件事：先砸一个全球最大的 GPU 集群（甚至今天大家调侃说，xAI 本来是个 neo lab，现在更像是个 neo cloud 了，变成给 Cursor 提供算力了），然后给团队定脉冲式的 deadline，再亲自拍一些产品特征。这是在抓几个点，不是在做完整的规划。 做自动驾驶的人都知道，一到后期，软件团队、infra 团队、硬件团队之间 “谁领导谁” 就变成核心矛盾。三个方向都需要 CTO 级别的人来做决策，但没有一个人同时懂这三个领域。好的做法是，创始人虽然每块都不全懂，但知道怎么平衡资源、确定阶段性优先级，这段时间软件优先，下一阶段推给 infra。这叫有全局规划。 xAI 的问题是没有这个全局规划，只有冲刺。如果压力不那么大，聪明人之间其实能自修复，给他们时间，各个方向会自己找到协作的节奏。但马斯克的超高压管理，加上不充分的全局规划，一压就散了。每个方向的负责人都在保自己的优先级，没有人在做全局的统筹。 SpaceX 和特斯拉之所以如此成功，一个被忽略的原因是，在这两个行业里，马斯克基本没有遇到过同等量级的竞争对手，他是跟自己卷的。但 AI 不一样，AI 是连 OpenAI 都可能被 Anthropic 偷家的惨烈竞争程度。 xAI 的一位 cofounder 去年就说有两件事他没想到：第一是竞争这么惨烈，第二是 AI 时代应用创新的机会这么少，都被模型吃掉了。 Anthropic的崛起，是过去一年 AI 行业最戏剧性的逆转。也彻底改变了战场焦点：一年前大家还在卷 C 端用户量和视频生成，现在（阶段性）决定胜负的战场是 toB 和 coding。 当然，xAI 的故事，还同时是一个 “钱来得太快、太多，会怎样” 的故事。 我想今天离开 xAI 的朋友们，也不会后悔当年加入的决定，xAI 可谓是硅谷最快的造富神话。xAI 从第一轮几十亿美金规模的融资，到今天与 SpaceX 合并，成为 2500 亿美元巨兽，只用了一年的时间。而 xAI 的 9 位 cofounder，差不多每个人都成为了 Billionaire，核心工程师也有大几千万到 1 亿美金，硅谷钱真的太多了。今天他们如果再创业，就有充分的底气，去做自己感兴趣的方向，而不是赚快钱的事。 焦虑的工程师，更焦虑的 researcher 跟工程师聊天，如今有一种奇怪的默契：大家都承认自己不怎么写代码了，但又都假装这没什么大不了，因为自己会成为被 AI 武装，而干掉那些没有 AI 化的工程师。 今天 80% 软件工程师的核心技能，已经被模型替代了，还留着的原因是模型偶尔犯蠢，需要人来盯着。但 “盯着” 这件事本身，可能很快也不需要了。 更激进一点想：今天所谓的 “AI native 组织”，听起来很 sexy——让每个部门梳理工作流、把能被 AI 介入的部分线上化、写成 skills。但本质上就是在人肉蒸馏自己：你把你的能力变成机器的 skill，公司拿到了你的 skill，实际上就已经完成 AI 化了，是否要由此裁员，那是一个道义的问题。今天 Meta 就是在干这件事。 虽然今天大家都在卷 token-maxxing，但你还是能感受到，有一种弥漫在整个硅谷的底层焦虑感。 更让我没想到的是，这种焦虑感，正在往 researcher 这个群体蔓延。 Researcher 是最金字塔尖的人才，它不是泛指 “研究人员”，而是在大模型公司（OpenAI、Anthropic、DeepMind 等）里，负责模型训练、做算法创新的那群人。他们跟 engineer（工程师）的区别是：engineer 是 “把东西造出来”，写代码、部署、优化性能；researcher 是更上游的 “想出来造什么”：提出新的训练方法、设计模型架构、跑实验验证假设。 而现在，连 researcher 的工作本身也在被自动化。这就是 DeepMind 的同学正在做的事情——用模型去训模型，也是今年硅谷大火的 AI 自进化。今年淘汰的是 engineer（工程师），到年底 researcher 也将开始被替代。 这件事已经不是新概念了。Andrej Karpathy 的 auto research（自动化科研）开了一个头，今天各种 AI scientist 工具、harness 框架，都在往这个方向走。但目前大多数的闭环，只到了 “发 paper” 这一层——AI 帮你跑实验、写论文，但最终还是人在做判断。 OpenAI、Anthropic、Google 这些公司想做的更激进：他们希望闭环直接到模型升级本身，不只是细节改进，而是让 AI 自己找到下一个范式级的突破。如果这件事能做成，那就是真的在替代 researcher。Google DeepMind 一年多前就在内部搞这个，让模型自己决定下一步跑什么实验，跑完自己评估哪条路更有前途，然后沿着那条路走下去，这就是模型在训练自己的下一代。 而且 researcher 更有动机被裁，原因很残酷——因为贵。Researcher 全球可能也就几千人，年薪动辄几百万、上千万甚至上亿美元。 “未来的情形可能是，10 个人干过去 100 个人的活，拿 20 份钱，然后 90 个人失业。” 而且真正的裁员比表面数字更大。很多公司砍的第一刀，不是在自己的财务报表上，砍的是外包服务商。这意味着印度和菲律宾，这些曾经承接欧美客服、数据标注、财务后台的国家，可能是最先被冲击的。一些发展中国家赖以升级经济的那条 “服务业阶梯”，可能正在被 AI 抽掉。 整个硅谷都在盯着 Meta，如果它的实验成功了——营收没掉、效率真上去了，其他大厂会迅速跟进，裁员就从个案变成行业常态。而且裁员有一个残酷的自加速机制：一开始大家不敢裁，怕伤士气；一旦变成常态，就越裁越快、越裁越不心疼。 不过裁掉旧岗位的同时，新岗位也在冒出来。 很多创业公司开始招一种叫 “AI builder” 的新角色——合并了产品经理、前端工程师、后端工程师于一身。还有一种是合并了数据科学家和机器学习工程师的复合岗，以及合并了写作、投放、运营的内容一体化操盘手。 硅谷公司对这些新角色的需求非常旺盛，但核心难题是：没有人知道怎么招聘他们。你用简历筛不出来，因为这个角色以前不存在，这个人的能力可能全藏在他自己的项目里；你用现场写代码也考不出来，因为核心能力是 “审美 + AI 使用能力” 的组合。所以已经有创业公司在做这件事：根据雇主的需求，自动生成一个模拟环境，让面试者现场用 AI 工具完成任务。有点像以前的 coding test（编程测试），但测的是一种全新的东西。 当 AI 什么都能做的时候，人的价值正在从 “会做什么”，变成判断 “什么值得做、什么不该做” 的。 一轮融资两个估值，英伟达在每张 “牌桌” 上都要拿下筹码 前面讲了这么多被替代的人——工程师、researcher、金融从业者。但有一个角色不但没被替代，反而在这场洗牌中变得越来越像幕后老板。 这个看似分布式创新的世界，底层其实在极度中心化。 这个中心就是英伟达。 我原以为卡的稀缺性，在过去一年已经缓解了。确实有一阵子缓了，在 2025 年中的时候，一些被英伟达扶持的 neo cloud（在 AI 浪潮中崛起的、专门提供 GPU 算力的 “新型云服务商” ）融资都不太顺利，有的业务增长乏力，甚至有公司在那个时间点卖身了。但这次来我发现，稀缺性又回去了，而且比上一次更离谱。 一个具体的信号：如果你今天能稳定地提供一个 API 服务，比如 Claude 的 API，做到 99 分位的稳定性，你可以卖官方 API 价格的两到三倍。 Anthropic 的需求暴增后，API 中断正在变多，这对很多构建在 Claude 之上的 Agent 产品来说，有点问题 以前做 Router（路由服务） 这种生意，是 “我比官方便宜，所以有流量”。现在逻辑完全反过来了：稳定性本身变成了稀缺资源。有一批创业公司就靠这个赚了不少钱，现在硅谷的 mini 版 Coreweave / Nebius 正雨后春笋般涌现出来。 而且这次的算力瓶颈，不只是 GPU 分配的问题。Elad Gil 最近写了一个判断我很认同：上游内存厂商（Hynix、Samsung、Micron）的产能扩建周期，至少还要两年。这意味着在 2028 年之前，没有任何一家 AI 公司能靠堆算力显著拉开差距。算力约束客观上在强化大模型市场的寡头格局——不是谁不努力，是物理世界的制造周期就是这么慢。 背后的权力结构很清楚：谁有卡谁厉害，谁有卡由英伟达决定。今天上市的 CoreWeave、Lambda、Nebius，背后站的都是英伟达。 英伟达的布局比我之前理解的要深。Reflection 的投资人和我提到，这家 neo lab 最早出来融资的时候，是做 coding 的，然后创始人去见了黄仁勋，黄仁勋跟他说：你别搞 coding 了，你出来给我做 “美国的 DeepSeek”，做美国的开源模型，我给你钱给你卡。Reflection 就 180 度大转型了。 美国资本市场也因此出现了一些以前少见的结构：同一轮融资，给两个估值档位。关系好的、进场早的投资人，进低估值那一档；英伟达这种不差钱的老大，和那些晚到的投资人，被挤到高估值那一档，这种结构在国内最近也开始出现。 但英伟达再怎么想去控制分配，也搞不定不存在的东西。 整个美国社会，对数据中心的抗议正在升级。如今全美大约 100 个数据中心项目正在遭遇阻击，其中 40 个会直接流产。缅因州刚通过了一项法案，全面禁止数据中心建设。一个城镇批准了 60 亿美元的数据中心项目，结果半数成员连夜被投票罢免，换上来的新人唯一的目的，就是撤销那个决定。 算力不够了，不是因为产品不够好、用户不够多，是因为物理世界跟不上数字世界的胃口。 这是另一个层面的 “跟不上”。 硅谷的估值体系正在重写 先看一个数字。 美国 GDP 大约 30 万亿美元。OpenAI 和 Anthropic 目前各自的收入 run rate（年化收入） 都在 300 亿美元上下，也就是说，这两家公司各自已经占到了美国 GDP 的 0.1%。如果年底两家都冲到 1000 亿，再加上云服务和其他 AI 收入，AI 将占到美国 GDP 的大约 1%。从几乎为零到 1%，只用了短短几年时间。 这个速度是前所未有的。但诡异的是，增长越快，投资人反而越不知道该怎么定价了——在这么快的增长面前，硅谷的估值框架正在崩塌。 这次跟不少做二级市场的朋友深聊了几轮，一个反复出现的词是 “re-rationalization”（估值的理性回归）。 过去几年投 AI，大家的估值逻辑是看未来现金流：你今天亏钱没关系，我赌你三年后、五年后的 ARR。但现在，这套框架出了问题。 问题出在 DCF（现金流折现）这个最基本的估值模型上。正常做 DCF，你预测未来 10 年的现金流，然后加一个 terminal value（终值），也就是假设公司之后会稳定经营下去，把剩余价值一笔打包。通常 terminal value 占整个估值的 70%-80%。 但现在有两个东西同时变了：第一，你可能只能预测 3 年而不是 10 年，因为 3 年之后（有时候甚至是 1 年）这个行业会变成什么样，根本看不清；第二，terminal value 更没法算了，它的前提是公司最终会稳定经营下去，但如果 AI 随时可能颠覆一切，“稳定经营” 这个假设就不成立。 我跟一个做二级投资的朋友聊到一个比喻：今天不在 AI 主航道上的公司，更像是在等一颗 “核弹”，你知道它一定会被颠覆，只是不知道什么时候。那你评估的重点，就不应该是 “如果不被颠覆会怎样”，而应该是 “被颠覆时，应对的速度有多快”。这完全是另一种估值逻辑。 SaaS 是第一个被华尔街重新定价的。Snowflake 在 2023 年的时候，按自由现金流算要将近 100 年才能回本，如今估值已经腰斩，ServiceNow、Workday 也是同样的趋势，这只是开始。 甚至反过来说，真正适合用 DCF 来估值的，可能只剩下头部大模型公司，因为相对来说，他们的未来似乎是向好的方向稳定成长的，他们不会 “被炸”，而是在看边界能拓多宽。 过去创业公司招人的说辞是 “工资低一点，但给你期权，未来值大钱”。但这套话术的前提是，公司在 15 到 20 年后还在、还值钱。如果那个前提不成立了，员工最理性的反应会变成——“别给我期权了，直接涨现金。” 这又会反过来，改变公司的成本结构和融资逻辑。 VC 这一端也在痛苦。过去 3 到 6 个月，硅谷几乎每家基金都投了至少一家 neo lab，那些从著名 AI lab 出来的研究员，拿着自己的想法融了几亿美金。但现在，大家事后都觉得有点冲动、有点贵。但为什么还是投了？因为如果这家公司真的做出来了，增长会快到让你觉得当初那个估值很便宜。 一位投资人朋友说得很直白：反正要么 zero to 100，要么 zero to zero，与其投一个贵的 A 轮赚 “辛苦钱”，不如赌一个有无限可能的 neo lab 的入场券。 过去大家觉得 1 块钱 ARR 就是 1 块钱 ARR，不管你是做模型、做应用还是做 infra。但现在，这个等号被打破了。 做垂直 agent 的倍数最低（5 倍左右），做通用 agent 的倍数更高（10 倍左右），做模型的最高（20-30 倍 ARR，例如 Anthropic 30B 美金 ARR，800B 美金估值，26.7 倍）。一年前我觉得按 ARR 乘一个统一倍数，来算估值就可以了，但今天这个算法完全不对了。 酸橙树与 AI 暗杀名单 硅谷正在经历一场深层的安全感危机。 这次硅谷行，我反复听到朋友们在认真讨论同一件事：买比特币、建地堡、给家里装防弹玻璃，他们都不是开玩笑的语气。 最近硅谷确实在流行种酸橙树，因为这种树的枝条上，长着 4 英寸的尖刺，任何试图翻越的人都会付出代价。 华尔街日报甚至报道了一栋 1500 万美元的 “堡垒豪宅”：混凝土花盆里栽着一圈酸橙树，树丛后面是壕沟，壕沟后面是激光入侵探测系统，前门是 3 英寸厚的实心钢板配 13 道锁栓，屋内藏着一个 2000 磅重门的安全避难室，连景观设计都是防御工事。 为 CEO 提供住宅安防的企业，创下了 2003 年以来的最高增长水平。特别是 UNH CEO 在曼哈顿街头遭枪击身亡之后，这个趋势陡然加速。 然后，枪声响到了 AI 大佬家门口。 在 4 月 11 日凌晨 4 点，一个穿 Champion 卫衣的 20 岁男孩，从德州专程飞到加州，手提煤油罐，站在 Sam Altman 价值 2700 万美元的豪宅门前，点燃了汽油弹，扔了进去。 一个半小时后，他出现在 OpenAI 总部，抄起椅子砸玻璃门，对保安喊：“我要烧了这里，杀光里面所有人。” FBI 从他身上搜出了一份文件。标题是 “你的最后警告”。里面列着多名 AI 公司 CEO 和投资人的姓名与家庭住址。 两天后的周日凌晨，Altman 的家再次遇袭：一辆本田轿车在门口短暂停留，副驾驶把手伸出窗外，朝房子开了一枪，然后逃逸。 这不是孤立事件。三月底，旧金山市中心已经出现过大规模反 AI 游行，人群举着 “Stop the AI Race”（停止 AI 竞赛）和 “Don't Build Skynet”（不要制造天网）的牌子，在 Anthropic、OpenAI、xAI 的办公室外面发表演讲。参议员 Bernie Sanders 在国会警告说：“人类可能真的会失去对这个星球的控制。” 跟 xAI 的朋友聊下来，据说马斯克也是非常担心自己被枪杀的，这在圈子里是公开的秘密。 背后的恐惧其实很朴素：如果 AI 接管了大部分生产，人不再是经济运转的必要参与者，那过去所有关于 “你贡献了多少、你该分多少” 的社会契约就全失效了。剩下的只有一个极简的权力结构：谁控制了 GPU 和电力，谁就控制了一切。阶层不是被拉开了，是被压扁了：一边是极少数人，另一边是所有其他人。 “两年之后的美国大选，最火的竞选主题，肯定是 AI 与社会的关系问题。甚至会出现 AI 时代的卢德运动。” 美国的通货膨胀依然很严重，我在加州生活过很多年，从没看到过 7 字头的油价。恰逢 2 月底 Citrini 发了 Global Intelligence Crisis（AI 末日报告），情景推演了一场因为 AI“过于成功”，而在 2028 年可能导致的经济危机…… 尾声 回北京的飞机上，我翻自己这半个月的笔记，发现从头到尾都在写同一个词：“跟不上”。 YC 跟不上、Meta 的代码安全规矩跟不上、xAI 的管理跟不上、researcher 跟不上、算力跟不上、估值框架跟不上、社会的心理承受力也跟不上……以至于硅谷自己都跟不上自己了。 但我最后想说的是，一位 Anthropic 的朋友提到，Dario Amodei 在内部说过一句话：在 AI 的帮助下，癌症在某种意义上已经被攻克了，不是说消失了，而是它有可能变成一种不会死人的慢性病，只是治疗费用还太贵，普及需要时间。 我不确定 Dario 说的 “癌症已经被攻克” 是不是过于乐观了，但这次在硅谷，我们看得最多的创业方向就是 AI4S、AI for Biotech，很多大模型公司出来的人，不懂医疗，但他们想用 AI 技术改变这个行业。 这半个月我看到了那么多 “跟不上”，这确实让人焦虑。但如果 AI 真的在几年内让癌症变成慢性病、让材料科学快进二十年，那么这一场 “跟不上”，可能是人类发展历史上最大的一次提速。 我家宝宝今年两岁，明年可能会有第二个孩子，他们这一代要面对的那个世界什么样，我现在完全没有想象力去构建。 但我希望，在他们长大的世界里，多一些因 AI 而被治愈的人，而不是有更多燃烧瓶和枪声，砸向 AI 从业者的家门口。 Paul Graham 2008 年写的 Cities and Ambition（市井雄心）里，有这么一段：“尽管在硅谷人们非常尊重智慧，但硅谷传递出的信号是：你应该更有影响力，这与纽约传递的信号并不完全相同。影响力在纽约当然也重要，但纽约对 “十亿美金” 非常推崇，哪怕这笔钱你仅仅是继承来的。但在硅谷，除了几个房产中介，根本没人会在意这一点。在硅谷真正重要的是，你对这个世界产生了多大的影响。人们之所以在意 Larry 和 Sergey，并不是因为他们的财富，而是因为他们掌控着 Google，而 Google 几乎影响着每一个人。” 如今 AI 令这种氛围，又推向了一个新的高峰。

IT之家 4 月 27 日消息，OpenAI 与微软宣布对双方的合作协议作出调整，两家企业称此次调整将为彼此带来长期的合作确定性与灵活性。 IT之家注意到，根据修订后的协议条款，微软仍保留 OpenAI 首要云服务合作伙伴的地位；除非微软无法或选择不支持相关所需功能，否则 OpenAI 旗下产品将优先在微软 Azure 云平台上线。如今，OpenAI 已可通过任意云服务商向客户提供旗下全部产品服务。 微软将持续拥有 OpenAI 模型及产品知识产权的授权，有效期至 2032 年，且该授权自此改为非独占式授权。此外，微软将不再向 OpenAI 支付营收分成。 OpenAI 向微软支付的营收分成将持续至 2030 年，分成比例保持不变、不受 OpenAI 技术发展进度影响，但设置总额上限。 微软将继续以主要股东身份，直接参与 OpenAI 的发展成长。 两家企业表示，本次协议修订旨在提升合作的可预期性，同时保留双方规模化搭建和运营人工智能平台的联合能力。双方均表态，将继续在数据中心扩容、下一代芯片研发以及网络安全应用领域开展合作。 此次合作模式调整正值两家企业身处人工智能市场高速变革的行业背景下。修订后的协议理顺了双方合作的运营细则，同时保留了微软在 OpenAI 的投资持股权益。

凤凰网科技讯 4月27日，据彭博社报道，在收购推特(已更名为X)三年多后，埃隆·马斯克(Elon Musk)表示，他距离实现将该平台打造成“万能应用”的长期目标又近了一步，为其配套的全新金融服务工具预计本月向公众推出。 图1：马斯克 根据马斯克上月给出的时间表，这个内置于X的银行与支付平台“X Money”预计很快启动早期公测。已参与早期测试的用户表示，该服务提供具有竞争力的福利，包括符合条件的消费可享3%的现金返现，以及6%的现金存款利率，后者约为美国全国平均水平的15倍。 马斯克最早在硅谷崭露头角，正是源于其共同创立的支付应用PayPal。他将支付服务视为打造所谓“超级应用”的关键一环，这类应用在中国的社交产品中已经非常成熟。以微信为例，用户可以通过该平台打车、预订机票、偿还信用卡。正如马斯克今年2月对员工所言：“我们希望做到这样：只要你愿意，整个生活都可以在X应用上完成。” 为时已晚？ 不过，马斯克素以许下豪言壮语、又屡屡错失自定期限而闻名。在支付服务上，他正面临监管层面的麻烦与延期：X Money至今仍未在包括纽约州在内的多个州获得支付牌照。当地立法者已公开质疑，是否应将民众的资金托付给这位亿万富翁。 同时，客户奖励机制同样仍有待观察。尽管X Money潜在提供的6%储蓄利率将高于SoFi科技、Block及LendingClub等竞争对手的消费金融服务，但马斯克的公司并未明确这一利率是永久性标准还是短期促销。X发言人未回应置评请求。 图2：X将推支付服务 咨询公司Crone Consulting创始人、支付行业资深观察者理查德·克龙(Richard Crone)对X Money的前景持怀疑态度。 “他在两年多前就提出了这个愿景，还说一年内就能实现，”克龙表示，“现在来看，恐怕已是为时已晚，于事无补了。” 伯恩斯坦机构服务公司高级研究分析师哈尔希塔·拉瓦特(Harshita Rawat)指出，虽然个人对个人支付是日常高频使用的热门功能，但对提供这些服务的企业而言，这通常只是一种亏本赚吆喝的引流手段。真正的价值在于能否说服用户在平台上完成其他银行业务，包括信用卡消费和贷款。 一些支付行业资深人士看到了一个更根本的问题：X目前仍缺乏让用户顺畅购物的基础设施，这是任何想要涉足真实商业交易的应用所必备的前提条件。 “它没有一键购买功能，这是必需的，否则其网站上的电商业务就会落伍。”克龙表示。(作者/箫雨) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

【CNMO科技消息】4月27日，千里科技发布2026年第一季度财报。报告期内，公司实现营业收入23.61亿元，较去年同期增长31.37%；归属于上市公司股东的净利润达到0.48亿元，同比大幅增长141.31%。 千里科技 报告显示，千里科技营业收入增长主要系上年四季度重庆千里智驾科技有限公司纳入合并报表范围，公司新增智能驾驶收入，带动了整体收入增长。 据CNMO了解，千里科技近日召开AI战略发布会，正式公布“AI+车”最新战略布局。此次发布会明确L4与Robotaxi发展路径，并同步推进L2智驾、智能座舱迭代及全新汽车品牌落地。 首先在战略规划上，千里科技明确“All in L4”方向，宣布与阶跃星辰合作打造原生智驾基座模型，以L4架构反哺L2体验。同时，其透露了阶段性目标：计划于2027年推出Robotaxi综合解决方案，目标至2030年实现全球超30万辆Robotaxi覆盖。 品牌布局方面，千里科技联席董事长赵明公布了合作伙伴全新汽车品牌“游心”（PALLADE）。该品牌首批将推出一款轿车和一款SUV，产品定位在20万-40万元区间。

快科技4月27日消息，据媒体报道，高德专车完成全面升级，在原有“好车好服务”品质标准的基础上，全新搭载“AI专车管家”，将人工智能能力深度融入接驾、行程与服务全流程，为用户带来高品质、超预期的出行体验。 此次升级，高德专车联合优质合作伙伴，精选宽敞舒适的优质车型。车内空间宽绰静谧，乘客落座即可享受从容、私享的出行环境。 同时，高德专车支持个性化服务选项。用户可按需设定服务偏好——是否需要帮拿行李、是否偏好安静环境、是否希望送进小区等，上车即享。无论是商务出行还是日常通勤，每一程都能按需响应。 “AI专车管家”是高德“空间智能”能力在出行服务领域的一次具体应用。长期以来，高德将道路、建筑、交通流及每一次导航纠错沉淀为海量时空样本，形成对物理世界运行规律的动态智能理解，即“空间智能”。 行程开始前，“AI专车管家”已悄然就位。乘客预设的每一项个人偏好，都会被提前转化为具体安排。更进一步，它还能读懂行程背后的深层需求——赶赴机场时，主动提醒证件是否带齐；天气骤变时，车内温度已提前调至适宜。 行程中，“AI专车管家”将持续关注路线、车速、计费状态，一旦发现问题，自动触发处置机制。

快科技4月27日消息，近日，中国信通院发布了《全球5G标准必要专利及标准提案研究报告（2026年）》。 数据显示，截至2026年2月28日，全球声明的5G标准必要专利超过15.9万件，声明企业数量超过100家。 在ETSI进行5G标准必要专利声明的产业主体中，排名前十位企业的有效专利族数量约占全部有效专利族的67.03%。 有效专利族排名前十位企业是华为、高通、三星、LG、中兴、诺基亚、爱立信、小米、OPPO、NTTDOCOMO。 其中，华为的有效专利族数量占比为11.70%，排名第一位，而且是断层领先。 高通排在第二位，其占比为8.05%；三星排在第三位，其占比为7.36%。 企业的5G有效专利族占比是衡量企业在全球5G技术领域竞争力的重要指标，它一定程度上反映了企业在5G技术创新、研发投入以及标准制定中的地位和影响力。 在全部授权专利族中，具有经中国国家知识产权局、欧洲专利局、美国专利商标局、日本专利局或韩国专利局(简称“IP5局”)任一局授权的专利族占比高达99.93%，仅不到0.1%的授权专利族中的授权专利未在中美欧日韩五局获得授权。 企业在IP5局任一授权族中的占比排名相比有效专利族排名略有差异，华为的占比为13.15%，依然是断层领先，遥遥领先位列第一，排名第二的高通仅有8.83%，差距不小。 第三位至第十位的企业依次是LG(7.85%)、三星(7.28%)、中兴(6.63%)、爱立信(6.32%)、诺基亚(6.10%)、OPPO(5.31%)、NTT DOCOMO(3.49%)和小米(3.38%)。

英特尔发布2026年Q1财报后，盘后股价先涨超15%。 等到美东时间4月24日正式开盘，涨幅继续扩大，最终收涨约23%-24%，股价站上82.5美元，盘中最高冲到85.22美元，直接突破2000年互联网泡沫时期留下的历史高点。 华尔街懵了，市场也懵了。 更夸张的是，去年8月白宫刚入股英特尔时，它的股价还不到25美元。也就是说，如果你当时上车，短短几个月，账面收益已经翻了三倍多。 问题是，英特尔的财报真有这么好吗？ 从表面看，市场给出的解释很简单：AI需求爆发，陈立武改革见效，英特尔终于从低谷里爬出来了。 但这个解释有个明显漏洞。 同样是AI叙事，同样是全球裁员，同样是在讲效率和重组，微软今年1月发布Q2财报时，营收同比增长17%，股价当天却跌了约7%，之后继续跳水，跌幅一度超过10%。 微软手里有Azure，是OpenAI和Anthropic背后的算力底座，AI故事比英特尔更好讲。可微软跌了，英特尔却暴涨。 实际上，英特尔这轮重新定价背后，还有一条暗线。 其操盘手，是一位刚从台积电退休、随后加入英特尔的老将。 他叫罗唯仁。 早在2025年11月，台积电就以违反保密协议、竞业禁止约定，并“高度可能”将台积电营业秘密或机密资讯带到英特尔等理由，起诉了这位前资深副总经理。 虽然英特尔CEO陈立武极力否认，但台积电仍然维持诉讼。 01 罗唯仁其人 罗唯仁出生于台湾省云林的军人家庭，台湾大学物理系毕业，后来在加州大学伯克利分校拿到固态物理与表面化学博士学位。 博士毕业后，他先在摩托罗拉做工程师，之后转去施乐公司研究材料科学。 1986年，他加入英特尔，从技术开发工程师做起。这么一干，就在英特尔待了18年。 这18年里，罗唯仁升到先进技术发展协理暨CTM厂长，参与建设了英特尔首座兼具研发和制造的8英寸晶圆厂，成功量产Intel 486处理器。 英特尔先进制程从研发到量产的全流程，他都经历过。 2004年，台积电创始人张忠谋亲自邀请他加入台积电。 在台积电的21年里，罗唯仁历任研发副总经理、先进技术事业与制造技术部门副总经理，最后升任技术研发暨企业策略发展资深副总经理。 他的职位横跨研发、先进技术、制造技术和企业策略。 换句话说，半导体制造业里，所有核心的技术环节和商业逻辑，他都深度参与过。 外界普遍把他视为台积电先进制程体系中的重要人物。EUV、2nm以下技术路线、研发组织和制造落地之间的衔接，这些决定一家芯片制造企业能否在技术竞赛中保持领先的关键环节，都和罗唯仁强相关。 不过得澄清一件事，台积电之所以在今天能成为全球最大的芯片代工厂，其主要原因是张忠谋建立的完整体系。 对客户需求的精准把握、持续的资本开支、严格的工程文化和组织纪律，这些因素综合起来，才造就了台积电今天的地位。 罗唯仁的价值体现在另一个地方。 他理解先进制程从研发到量产的真实难度。他知道一个代工体系如何把技术、良率、客户信任和产能节奏整合起来。 先进制程的研发和量产之间存在巨大鸿沟。实验室里能做出来的技术，未必能在工厂里稳定生产。即使能生产，良率也可能低到无法商业化。即使良率达标，如何说服客户相信你的产能和交付能力，又是另一个问题。 罗唯仁在台积电的职位横跨研发、技术和策略。他不仅懂技术本身，还懂得如何把技术转化为可交付的产品，如何在商业层面说服客户。 2025年7月，罗唯仁从台积电退休。 退休后不久，他转赴英特尔担任执行副总裁。 听到这则人事变动，台积电立刻提起法律诉讼。 台积电指控罗唯仁可能违反保密和竞业义务，担心商业秘密外流。这个担忧有道理。罗唯仁在台积电工作了21年，接触过大量核心技术信息和商业机密。 罗唯仁知道台积电所有的技术路线、制造流程、客户关系，甚至他还清楚台积电未来的战略规划。 对英特尔来说，罗唯仁不只是技术专家，更是能够帮助英特尔理解台积电打法的战略顾问。 英特尔曾经是半导体制造业的领导者，但在10nm、7nm制程的研发和量产上接连遇到困难。这直接导致英特尔大量的客户全都转去了台积电。 英特尔需要补课。而最快的方式，就是找到懂先进制程、懂量产、懂台积电打法的人。 02 英特尔为什么值得被重新定价 罗唯仁加入英特尔之后，英特尔在先进制程上的进展明显加快。他最直接的成果，就是英特尔最新的18A制程。 制程是芯片制造的精度单位，数字越小意味着晶体管越小、芯片性能越强、功耗越低。 18A中的“18”代表1.8纳米级别，“A”是英特尔新命名体系中的代号。 这个制程相当于台积电的2纳米制程，代表了当前半导体制造业的最前沿技术。能否掌握这个级别的制程，直接决定了一家芯片制造商能否在AI芯片、数据中心处理器等高端市场上竞争。 虽然说在罗唯仁加入英特尔之前，英特尔就已经有18A制程了，但其效果并不好。 英伟达在完成18A所有工艺测试后决定，不将18A工艺用于任何量产产品。 时间一转来到今年3月，罗唯仁加入英特尔小半年时间。 英伟达相关人士透露，英伟达可能会在2028年的Feynman架构中，将部分I/O芯粒交由英特尔的18A或14A工艺制造。 “当年你对我爱答不理，现在的我你高攀不起！” 英伟达就这么上演了芯片版的“真香”。 英特尔的Xeon 6+将会是首个使用18A制程的服务器产品。英伟达最新的DGX，使用的是上一代的Xeon 6。除此以外，谷歌其实也和英特尔在Xeon进行了长时间的合作。 这才导致英特尔在Q1财报中表示“爆单”了。 英特尔以前是IDM文化，核心逻辑是“我设计、我制造、我卖自己的芯片”。但想要实现台积电那样的芯片代工，必须学会台积电的运营逻辑。 一切都要围绕客户的芯片、客户的时间表、客户的IP安全、客户的良率目标。 罗唯仁的价值就在于，他懂台积电如何服务苹果、英伟达、AMD、高通这类大客户。 哪怕他不带走任何商业秘密，他也知道顶级客户会怎样评估一家代工厂，比如设计支持、PDK成熟度、封装协同、产能承诺和长期信任这些很难被量化的因素。 但18A制程只是技术层面的突破。 英特尔股价的暴涨，背后还有更深层的逻辑。 2025年8月，特朗普政府曾以89亿美元投资Intel普通股，以每股20.47美元购买约4.333亿股，持股约9.9%。资金主要来自此前已承诺但尚未支付的CHIPS法案补贴，以及Secure Enclave项目资金。 特朗普政府的观点是，国家必须控制关键产业的生产能力，比如芯片、钢铁铝材。 这套逻辑把半导体制造业从一个纯粹的商业问题，转化为一个国家安全问题。 英特尔最特殊的地方在于，它是美国本土少数仍具备先进逻辑制程野心和制造能力的IDM，也就是设计与制造一体化公司。 美国可以吸引台积电赴美建厂，也可以依赖三星在美国投资。但这些公司终究不是美国公司。 它们在美国建厂，可以缓解美国对海外芯片供应链的依赖，但它们的核心技术和决策权仍然在海外。 真正属于美国本土体系、同时能承接国防、AI、数据中心和先进制造叙事的核心企业，只有英特尔最接近这个位置。 这个定位让英特尔获得了远超普通科技公司的战略价值。它不再只是一个芯片制造商，而是美国先进制造能力的象征。 这个认知的转变，直接影响了市场对英特尔的估值逻辑。 过去，投资者把英特尔当作一个周期性的科技股来看待。 它的股价随着半导体行业的景气周期波动。 但现在一切都变了。这种资产的价值不只取决于它的盈利能力，还取决于它在国家战略中的地位。 罗唯仁的加入，还强化了英特尔作为“美国本土先进制造方案”的叙事。特朗普政府看重的，是其本土先进制造能力，并非英特尔的CPU业务。 而罗唯仁的职业经历刚好对上了这个需求。 也就是说，英特尔市值的增长，很大一部分来自于美国版的“国字头溢价”。 投资者不再只看英特尔的季度财报和技术路线图。他们还看美国政府对半导体产业的政策导向，看地缘政治环境的变化，看英特尔在国家战略中的位置。 这种定价逻辑的转变，才是英特尔股价暴涨的根本原因。 03 台积电和英特尔之间的博弈是什么？ 台积电最害怕的，其实并不是罗唯仁把某几份文件带到英特尔。台积电围绕芯片的一整套先进制造流程，绝对不是说几张图纸就能复制下来的。 真正值钱的东西，是罗唯仁跟了台积电这么些年，他所积累的一整套工程判断。 什么时候该加大开支？什么时候该放弃这条技术路线？良率爬坡卡住时该先改材料、设备还是流程，以及面对苹果、英伟达、AMD这样的客户时，如何让他们放心的把订单交给我？ 这才是台积电成为全球第一的关键所在。 但话又说回来了，英特尔和台积电之间真正的博弈，也远不止罗唯仁一个。 过去十几年，台积电赢英特尔，赢的不是某一个节点，而是其完整的商业模式。 正如前文提到的，英特尔的IDM限制了他们自己，英特尔只会自己去定义产品，自己安排节奏，代工客户只能围着英特尔转。 台积电则完全相反，它把自己打造成了全球芯片公司的“摇篮”。 可能苹果要稳定，英伟达要速度，AMD要性价比，高通要低功耗。 然而无论客户的要求合理还是不合理，台积电都尽可能地把这些需求拆进制程、封装、产能和交付节奏里。 所以英特尔今天要追赶台积电，表面上追的是18A、14A这些制程节点，实际上追的是一种组织能力。 这也是为什么罗唯仁的加入会被市场放大。 英特尔知道怎么做芯片，但它必须重新学习怎么给客户做芯片。它过去是帝国，今天要学会当平台。 台积电也不是没有反击能力。它最大的护城河仍然是客户信任。 苹果、英伟达、AMD这些公司不会因为英特尔用一个台积电老兵，讲了一个漂亮故事，就立刻把最核心的产品线迁过去。 先进制程不是买菜，客户赌上的是几百亿美元的产品周期。一旦良率、交付或保密出问题，损失不是一季财报能承受的。 所以接下来的关键，是英特尔要向市场证明，它能不能连续几个季度、几个产品周期稳定交付。 只要有一次大客户真正把核心芯片交给英特尔量产，台积电的垄断就会被撕开一道口子。反过来，如果18A迟迟停留在“看起来有希望”，英特尔今天的估值重定价，也可能只是又一次华尔街式的透支。 英特尔如今重新回到了牌桌上。

IT之家 4 月 27 日消息，脉脉 CEO 林凡前天在自家平台发文，就 ChatGPT Images2.0 生图工具发表个人见解。 林凡表示： 我感觉整个互联网的信任崩塌了，但实名社交的黎明来了 据IT之家此前报道，ChatGPT Images 2.0 生图工具发布于上周（4 月 21 日），基于 GPT Image 2 模型打造，核心升级在于引入“思考能力”。 该模型发布后随即引发网友热议，许多用户发现这款模型只需要输入简单的提示词，就能生成“以假乱真”的 AI 宣传图。图片的文字、人物元素很少出现传统 AI 生图模型的穿帮迹象。 ▲ ChatGPT Images 2.0 生成的图像

快科技4月27日消息，近日，作家余华做客与辉同行直播间，以“从文学走到人间”为主题，展开约2小时访谈。据直播数据显示，访谈期间《活着》纪念版，销售额达100万—250万元。 访谈中，余华多次以风趣、幽默的为年轻人支招，在谈及工作职场时，余华称要学会适当的“精神离职”，这样有空间可以做自己兴趣方向的事情。 谈及短视频时，余华表示自己和莫言一样，每天都在刷短视频，从短视频里也能学习到一些东西。他直言短视频和冰美式每天必不可少。 事实上，余华此次直播间的观点，与其历来传递的生活工作理念高度一致。 就在刚过去的第三十一个“世界读书日”，余华与莫言在一场对谈活动中，针对网友提出的“年轻人初入社会陷入‘奥德赛时期’该如何应对”的问题，分享了自身经历与感悟。 余华坦言，自己的“奥德赛时期”是做牙医的5年，同时他暖心提醒，迷茫和焦虑并非年轻人的“专利”，而是会伴随人一生的常态。 他还分享，去年底开通短视频账号后，有学生网友因期末考试出分焦虑求助，他给出了“先好好睡一觉，醒来再焦虑”的实用建议，直言焦虑无法推开，但可以尽量缩短其占据生活的时间，多向生活学习、多经历，才能与迷茫挫折较量，记住愉快、忘掉不快，延长快乐、缩短烦恼。 追溯更早之前，余华在接受采访时曾直言“不要在工作中寻求生活的意义”，这一通透观点当时也引发网友广泛共鸣，被称赞“戳中当代年轻人的职场困境”。

快科技4月27日消息，百度文库与网盘联合发布通用智能体GenFlow4.0，全面升级Office Agent，用户可在网盘内一键部署OpenClaw，把文库网盘直接变成跨端可用的AI工作台。 百度还宣布将在百度Create大会上发布视频剪辑Agent，5月底推出团队版Agent协作军团。 自去年4月GenFlow 1.0上线以来，一年内已迭代4个版本，目前月活用户突破1亿，月任务交付量达2亿次。 这次升级把办公三件套彻底打通了。Office Agent支持一句自然语言指令并行调用PPT、Excel、Word三个子智能体，跨模态内容理解、元素级自由编辑全部到位。 PPT Agent支持专业和创意两种生成模式，可用行业数据一键生成万字市场报告或卡通故事，并支持一键美化老旧草稿PPT。 Excel Agent率先实现用自然语言操作复杂表格处理，一句“保留三位小数、红色标注异常数据”就能让AI自动完成清洗、图表和区域分析。 Word Agent能快速生成万字学术长文，自动抓取行业数据并生成结构化图表。 产品形态上，GenFlow4.0深度兼容OpenClaw框架。用户在网盘PC端或APP端零门槛一键部署，不占本地内存，手机端可发起任务、调用授权文件让AI在电脑端执行。 此外，GenFlow4.0还提供PPT、Excel、创意写作等预置Skills，并支持接入开源生态Skills。 截至目前，百度网盘累计服务超过10亿用户，平台已聚集超24万开发者、6000余家生态企业。

IT之家 4 月 27 日消息，奇瑞墨甲全球发布会在安徽芜湖举行，墨甲产品矩阵 —— 人形机器人墨茵、智警机器人、导医机器人、机器狗等亮相。在现场，智警机器人也完成了 110 台交付及 1030 台签约。奇瑞集团董事长尹同跃表示：这标志着墨甲已经全面迈入规模化商用新阶段。 奇瑞集团董事长尹同跃在致辞中指出，奇瑞始终坚持“T+T”战略，既向 Toyota（丰田）学习极致质量与体系能力，也向 Tesla（特斯拉）学习创新精神与颠覆式思维。“我们最不希望被定义为一家汽车公司，而是一家面向未来的高科技、具身化、创新公司。” 他表示，奇瑞做机器人的最大优势在于，机器人与智能汽车在感知、规划、控制等底层技术上高度同源，智能汽车就是移动的机器人。奇瑞主要做三件事：一是把机器人的可靠性、成本、寿命做到能批量应用的水平；二是在全球 50 多个国家、100 多个真实场景里反复打磨；三是在今天实现墨甲智警机器人百台交付、千台签约。“这标志着墨甲已经全面迈入规模化商用新阶段。” 据IT之家了解，奇瑞墨甲机器人总经理张贵兵也正式发布了墨甲机器人全新战略愿景：墨甲机器人将坚持“场景驱动、协同共荣”的发展路径：以清晰场景定义技术方向，以真实应用验证产品价值，再通过技术迭代反哺场景拓展。

快科技4月27日消息，据媒体报道，近日，最高法院作出判决，认定露韦美公司针对宇树公司旗下“A2机器狗”和“Go2机器狗”提起的系列专利侵权诉讼构成恶意诉讼。 法院判决显示，露韦美需向宇树公司赔偿合理开支8万元，同时承担案件受理费用共计3700元。 据悉，2025年7月以来，露韦美公司依据一项名为“一种电子狗”的发明专利，连续起诉宇树公司旗下多款热销的机器狗产品专利侵权 此后，宇树公司发起反诉，针对的是涉及“Go2机器狗”和“A2机器狗”的两件专利侵权诉讼。 2026年年初，最高人民法院在涉宇树科技机器狗案件二审判决书中，对明显有违诚信诉讼行为进行了严肃谴责，引起广泛关注。 2月，针对露韦美公司起诉宇树科技专利侵权一案，最高法院不仅驳回了原告的上诉，维持了宇树科技不构成侵权的判决，更在判决书中直接点名批评原告的行为：“可谓既精心算计、又反复无常”。 此外，今年3月12日，露韦美公司提起诉讼所依据的“一种电子狗”发明专利权被国家知识产权局宣告全部无效，原因是不具备《中华人民共和国专利法》规定的“创造性”。 最高法院判决指出，显而易见，相较于露韦美公司恶意诉讼给宇树公司造成的实际损失，宇树公司在本案中反诉主张的8万元赔偿数额可谓微乎其微，仅系象征性赔偿，且有证据证明，应予支持。

IT之家 4 月 27 日消息，据韩联社今天报道，韩国政府与谷歌旗下 AI 企业 DeepMind 签署谅解备忘录，携手构建合作体系。 据报道，韩国科技部（科技技术信息通信部）与 DeepMind 签署的合作协议涵盖 AI 联合研究、AI 人才培养及负责任使用 AI。双方将围绕技术、基础设施、研究人员交流等领域展开实质性合作，保障创新项目“K-Moonshot”顺利实施。 IT之家注：“K-Moonshot”是韩国科技副总理裴庆勋今年 3 月启动的一项计划，意图让国家在 AI 领域取得技术竞争力，以应对中美两国在 AI 领域的主导地位。计划在 2035 年前，攻克生物、未来能源、物理 AI、太空、材料等八大领域的国家级难题。 同时，双方还将在生物科技、气象、气候、AI 科学家等诸多领域深化合作，以 5 月启动的国家科学 AI 研究中心为核心，积极开展联合研究。 此外，双方还将成立工作组，每季度举行视频会议、每年举行线下会议，保持沟通。