IT之家 3 月 30 日消息，外媒安卓 Authority 今天（3 月 30 日）下午爆料称，安卓系统内置的“Quick Share”有望很快迎来一次关键升级，目标直指苹果隔空投送（AirDrop）。 这一判断来自多次系统拆解的持续跟踪，而不是单一发现。综合目前的信息，安卓正在构建一个覆盖全平台的“贴贴互传”能力。 最早的线索出现在 2025 年 9 月。当时 One UI 8.5 中已经出现基于 NFC 的文件共享雏形，用户可以通过将设备靠近来触发传输。不过这一功能当时仅存在于实验区，更像是三星内部测试。 在最新泄露的 One UI 9 版本中，这一功能已经被明确命名为“Tap to share”，操作逻辑也非常直观：将手机顶部靠近另一台设备即可发送文件。同时，系统代码中也出现了多条关键字符串： CODERequesting to %1$sSent to %1$sTap your phone with someone 上述代码信息进一步确认，三星正在推进基于 NFC 触发的文件传输方案。 ▲ 图源 Android Authority，下同 这项能力很可能不会局限于三星。此前在谷歌的 Google Play 服务中发现的“Gesture Exchange”功能，可以通过设备贴近来交换联系人，与 NameDrop 相似。最新发现显示，这一机制也出现在 Quick Share 中，用途正扩展至文件传输。 整体逻辑已经逐渐清晰：NFC 预计将负责触发，Quick Share 则负责传输。 与此同时，在安卓 17 测试版和 Canary 版本中，还出现了名为“TapToShare”的系统级服务。这一功能位于系统底层，并依赖谷歌 Play 服务运行，有望成为安卓的通用能力，而不是某一家厂商的独占功能。 综合这些信息来看，三星与谷歌很可能正在共同推进这一方案，把“贴贴互传”整合进 Quick Share。最终呈现的效果，很可能就是安卓版的 AirDrop—— 设备靠近即可完成跨设备、跨品牌传输。 IT之家从报道中获悉，该功能的具体发布时间仍未确定，但考虑到 One UI 9 中已经存在部分踪迹，则有可能在安卓 17 正式版发布时同步推出，并有望在三星设备率先落地。

IT之家 3 月 30 日消息，华为智能汽车解决方案 BU CEO 靳玉志今天在微博发布视频，宣布 ADS Pro 城区领航辅助 NCA 功能今天将开启推送，鸿蒙智行问界新 M7 Pro+、奇瑞捷途旅行者 C-DM、长安全新深蓝 S07、五菱华境 S 等车型都将搭载。 据靳玉志介绍，ADS Pro 搭载激光视觉 Limera（IT之家注：Lidar+Camera），能够物理级融合 2D 图像信息 +3D 点云信息，行业首创一镜双目架构已率先落地车载商用。 原理方面，当 Limera 开始工作时，激光会从发射镜头发出，碰到物体后形成带空间位置信息的激光、带着图像信息的可见光，一同进入接收镜头。 接下来，这两路光线会进入 Limera 的分光棱镜，其采用业界领先镀膜工艺，可实现激光和可见光的精准分光，互不干扰。再通过华为乾坤的前融合算法，图像为点云信息补上纹理、点云信息为图像补上深度，两者互相校验、纠错，能够协作配合，让感知系统变得更准、更稳、更可靠。 目前 Limera 已经配置在 ADS Pro 增强版上，小目标检测、主动安全能力都有提升，号称比“业界 120 多线的激光雷达方案都强”。

“我和老伴从去年就开始预约参观小米汽车工厂了，约了好几次都没抢到名额，这次终于约上了。”63岁的游客李华（化名）近日对中新经纬说。 看机器人造车，亲手触摸机械零件实物，近距离感受前沿“智造”科技，一趟行程下来仿佛置身科幻大片……工业旅游，正成为备受追捧的新兴旅游方式。 20个名额万人抢 3月中旬，中新经纬来到位于北京市亦庄经济技术开发区的小米汽车工厂。公开信息显示，小米汽车工厂占地面积共71.8万平方米，自2024年11月开始开放参观，2025年3月底开启常态化参观。 参观行程约花费一小时，前半段游客在讲解员的陪同下在综合楼展厅内了解工厂采取的制造技术，后半段乘摆渡车游览制造车间。尽管是工作日，但工厂综合楼的大厅内已经挤满游客，每个参观队伍大约20余人。现场游客以年轻人为主，还有三个亲子家庭。 汽车生产现场 受访者供图 李华和她的老伴是这个团里仅有的老年游客。李华说：“我们不是小米的用户，也不打算买车。去年在小红书上刷到这家工厂可以参观，看起来非常有科技感，很有意思。” 参观全程，李华和她的老伴不断向讲解员提问，从机器人的运作原理到工厂员工数量，事无巨细。“不是只有年轻人对这些感兴趣，我们也想亲眼看看。” 小米集团工业旅游部讲解员陈茜介绍，工厂一经开放便广受欢迎，甚至出现过20个参观名额被1万人报名的情况。游客绝大多数为孩子和年轻家长，老年人相对较少。 据工作人员介绍，截至目前，小米汽车工厂已经累计接待游客将近20万人次，客群年龄覆盖6岁到65岁，大部分游客并非小米用户。除了普通游客，还有高校研学团、国内外政企考察团、科技爱好者和汽车发烧友等。 今年3月，小米汽车工厂共计开放参观144场，工作日每天开放2场，周末每天开放14场，几乎每隔半小时就有一场，单场最多可达60人。3月1日，小米汽车工厂卡丁车体验中心也正式对外营业。 工厂车间里的物流机器人 受访者供图 参观过程中，车间部分是最受欢迎的环节。整洁的车间里，机器人的数量比真人员工多得多，透明的墙壁和大量的窗户让汽车生产过程一览无余。看着形似大号扫地机器人的物流机器人忙碌搬运车身零件，巨大的机械臂上下挥舞安装车门，李华和她的老伴比年轻游客还要兴奋。 “大家可以直观看到机器人协作装配和高精度自动化的造车过程，视觉冲击力很强，游客都说像看了一部科技大片。”陈茜说。 在工厂内，中新经纬还注意到现场有车辆模型、马克杯、冰箱贴等多款文创产品出售，价格从29.9元到799元不等。据现场工作人员介绍，起初工厂并未打算设计文创衍生品，因游客在参观后纷纷表示想带纪念品回去，才决定推出。产品上线后，有购买意愿的游客不在少数，工厂食堂的特色餐饮也成为热门消费产品。 小米汽车工厂也吸引了不少外国游客。据工作人员介绍，目前，工厂已接待来自全球70多个国家的入境游客，以美国、澳大利亚、韩国等为主，为此工厂专门设置了3位中英双语的讲解员。 工厂车间变身“大卖场”，有游客当场购车 不再满足于逛名胜、看风景的消费者，让工业走上了一条体验经济的“新赛道”。 据山东省青岛市工业和信息化局信息，近年来，青岛博物馆将传统工业旅游与现代体验、文化、娱乐等元素深度融合，推出实景穿越剧、夜游产品，跨界布局烘焙、茶饮、冷饮赛道，孵化“膨胀酵主”面包坊、“茶愉酒”茶饮等品牌。今年春节假期，青岛啤酒博物馆游客接待量创历史新高，连续多日门票提前售罄，总接待人数超7万人次，同比增长超40%。 家住辽宁的居民张晓正是冲着青岛啤酒博物馆的剧游，3月初特地前往青岛游玩三天，算上交通总开销约2500元。 “我是剧游爱好者，博物馆里的剧游非常少见，所以一直想去。”张晓告诉中新经纬，“实际体验下来，这个剧游的动线安排很合理，和参观路线基本一样，一边玩游戏，一边不知不觉就把博物馆逛完了。” 类似提供深度体验的工厂游如今已不在少数。在广西柳州市螺蛳粉产业园，游客可以体验自制柳州螺蛳粉；在河南焦作温县的蜜雪集团·大咖国际茶饮梦工厂，可以亲手DIY一杯奶茶；中山工厂一日游，可以做饼干、做巧克力，打卡酱油味雪糕等。 2025年，贵州省政府工作报告明确提出加快“卖酒向卖生活方式转变”。据仁怀市文化旅游局数据，截至2025年12月，茅台渡口所在地仁怀已培育工业A级旅游景区7家、星级酒庄20家。2024年，仁怀接待游客1036.47万人次，实现旅游综合收入128.57亿元。 “对企业而言，工业旅游首先有助于盘活闲置资产，避免资源浪费。其次，提升品牌价值与透明度，通过让消费者走进工厂，直观了解生产流程和品控过程，将‘生产现场’变为‘销售场景’。第三，它创造了新的利润增长点，通过门票、体验项目、文创产品和直接销售（工厂店模式）开辟‘工业+文旅’多元化收入渠道。”尚游汇文旅董事长钟晖向中新经纬表示。 陈茜也告诉中新经纬，曾有游客在参观完工厂后，当场下单购买了一辆小米SU7汽车。 “未来工业旅游的开发，可以更多借鉴体验经济的玩法，通过情感链接创造消费场景。”钟晖建议，企业可以打造拟人化的成长故事线，让游客体会到企业发展历程的方方面面，建立情感共鸣。体验经济的核心是让消费者为“难以忘怀的体验”付费。在工业旅游中，消费者购买的不再是标准品，而是“亲手创造”的唯一性的艺术品，产生高溢价。 作为工业旅游综合体的代表项目，北京首钢园已从旧厂区发展成为集“科技体验、文化创意、旅游休闲、体育娱乐”于一体的创新示范区。据首钢集团公众号消息，2026年2月15日至2月23日（春节前夕至正月初七），首钢园累计入园客流30万人次，总消费额约2000万元，2025年全年客流量突破1400万人次。 据中研普华产业研究院发布的《2024-2029年工业旅游产业现状及未来发展趋势分析报告》预计，未来五年中国工业旅游产业将保18%的年均增速，到2029年市场规模有望突破3000亿元。 文：郑艺佳 编辑：李晓萱 责编：常涛 罗琨

3月30日，近日，有小鹏车主在社交平台发文称，自己驾驶的小鹏汽车因智驾误判红灯急刹，导致三车追尾。 对此，交警判定后方车辆全责。 该车主表示，3月13日下午，自己在驾驶小鹏汽车的过程中，因智驾系统误判红灯急刹，导致三车追尾，后车气囊弹出、车辆受损严重。 同时，车主称，交警判定后车全责，但厂家已确认是系统误判造成急刹，目前还在沟通中。 最后，车主提醒各位驾驶员使用辅助驾驶时一定要谨慎，也希望品牌能重视这类安全问题，尽快优化系统。 从车祸现场视频截图来看，车主驾驶的小鹏汽车遭到撞击后，车尾严重凹陷。 而位于中间“腹背受敌”的白色货车，前脸格栅和引擎盖区域明显变形、翘起，前保险杠右侧破损下垂。车尾亦产生严重变形、凹陷。 位于最后方的银色车辆损伤最为严重，引擎盖严重向上弯折、变形，前保险杠碎裂，右侧大灯灯罩破损，前格栅也被撞毁，车内安全气囊弹出。 对此，有网友表示，小鹏在识别红绿灯方面，一直存在大概率错误。 还有网友认为，目前，智驾只是工具，必要时还是需要驾驶员介入，无论如何，都要以安全为重。

【CNMO科技消息】3月30日，理想汽车CEO李想发文表示，理想马赫100芯片研发团队的论文被2026 ISCA Industry Track录用，他对谢炎及其团队表示祝贺。 全新一代理想L9 李想介绍称，此次获得全球权威学术评审认可的马赫100芯片，采用了为AI原生设计的数据流架构。与传统由指令驱动的GPGPU不同，传统架构下数据在计算单元和全局内存间反复搬运，规模扩大时瓶颈愈发明显。而马赫100的数据流架构由数据驱动，计算单元直接传输数据，执行效率大幅提高，能带来更高的有效算力。并且它完全可编程，不同于将算法固定的ASIC，能随AI的进化而进化，灵活性显著提升。 ISCA作为计算机体系结构领域全球最顶级的学术会议之一，自2020年设置独立的Industry Track，该轨道仅面向工业界，要求第一作者及大部分作者来自企业，每年入围论文数量仅有个位数。此前，仅有DeepSeek、Google、Meta、NVIDIA等企业的论文在该轨道发表，理想汽车成为汽车行业首家获此殊荣的企业。 据悉，全新一代理想L9将首发搭载马赫100芯片，实现从实验室到生产线的创新落地。

《F1:狂飙飞车》在两周前拿下了奥斯卡最佳音效奖，对于没能在电影院体验顶级视听体验的人来说，位于上海张园的杜比之家，是一个能完美弥补遗憾的地方。 前不久杜比之家和梅赛德斯-AMG 联合打造的疾速沉浸空间在此启幕，用户可以在这里开启杜比全景声 + 杜比视界体验，聆听《F1：狂飙飞车》电影原声，感受引擎轰鸣与环绕声浪的共振。 而对于 BLACKPINK 粉丝来说，上海的杜比之家（Dolby House Shanghai）是本月月初最值得打卡的地点。这个在全球范围内最有影响力的 K-Pop 女子组合的全新迷你专辑《DEADLINE》快闪主题限时体验馆正选在这里。 在流媒体音乐极为发达的 2026 年，去一个固定的线下空间听歌，看 MV 是一件显得庄重且有仪式感的事情。除去粉丝经济或者互动打卡的因素之外，杜比之家可能确实就是在音乐视听层面上最好的地点之一。 一切都可以总结成两个字：体验。 2026 年 3 月 27 日，杜比实验室宣布首家全球旗舰体验中心——上海杜比之家（Dolby House Shanghai）正式启幕。上海杜比之家跨越两层空间，设有 11 个体验区。参观者可在一系列精心规划的空间中开启精彩探索，从沉浸式聆听空间和杜比娱乐体验长廊，到涵盖多种娱乐类型和智联设备的互动演示。每一项体验都旨在展示杜比全景声和杜比视界等杜比视听科技如何在各个触点提升娱乐内容体验。 在这个感官体验极度充盈的空间里，我们和杜比实验室全球市场营销部亚太区副总裁 Ashim Mathur 聊了聊为什么杜比之家会选择落子上海，杜比想通过这家体验中心传达什么？ 为什么在上海，为什么在中国？ 想要理解上海杜比之家的重要性和特殊性，可以从 2 个方面入手，第一，这是杜比在全球的首个旗舰体验中心；第二，它坐落于寸土寸金的上海张园，位于上海南京路商圈范围。 或许可以加上第三点信息：这里并不售卖任何产品，仅仅提供「体验」。 Ashim Mathur 告诉我们： 之所以选择在中国上海，是因为我们认为杜比在中国的生态系统非常完善。首先在中国有很多以中文创作的杜比版本的本土化内容，并且有很多平台和内容服务商分发这些内容。与此同时，在体验端还有很多设备支持杜比视听体验，保证以杜比格式创作和分发的内容能够通过多样化的消费电子设备，原汁原味地呈现给消费者。正是这样完善的娱乐生态系统，让我们有机会在中国打造这样的体验空间，将沉浸式体验变为现实。 另外我们观察到中国的消费者对沉浸式体验有很强烈的需求，而杜比的合作伙伴也积极拥抱视听创新科技来为消费者提供更优质的沉浸式体验。 不管是在电影院，还是在家中，在外出途中，甚至在车里，这些不同的场景在中国都已经发展得非常成熟，为我们提供了一个契机，可以打造这样的沉浸式体验空间，以轻松有趣的方式展示给消费者。 中国目前是汽车保有量，智能手机保有量以及电影银幕数量最大的国家，在关乎视听体验的消费电子市场，中国更是研发生产和销售的绝对中心。 这些土壤，也就是 Ashim Mathur 所说的「杜比在中国的生态系统」的土壤，对于任何一家想要革新视听体验的品牌来说，中国市场都是绝佳的主阵地。 相比于市场规模，出货数量等显而易见的因素，「节奏」是一个更深层次的关键词，这里的消费者对新技术新体验接受度更高，在这里耕耘的品牌也有着快节奏的技术更新落地周期。这一切，才能构成生态。 Ashim Mathur 说： 中国市场在内容、平台以及消费电子设备领域一直走在前列。这让我们能够通过这个空间拉近艺术家和粉丝相互之间的距离。未来我们将在这里举行很多活动以及合作伙伴的项目，真正把这种沉浸式体验带入生活。 …… 我觉得内容体验的发展在中国非常独特、与众不同，而且速度极快，也正因如此，我们能够与内容平台、流媒体平台以及消费电子设备，乃至汽车厂商进行越来越深入的合作。 所以这就是为什么开头所说的梅赛德斯-AMG 疾速沉浸空间和 BLACKPINK 快闪主题限时体验馆能够落地于此的原因。 杜比走出影院 时至今日，我依然记得多年前我评测电脑时感受到的一个「魔法时刻」：一台支持杜比全景声的笔记本电脑通过并不硕大的扬声器模组，模拟出了鸟类在热带雨林里飞行的声音轨迹。闭上眼睛之后，我甚至可以感觉到我自己就身处雨林当中，鸟儿扑腾着翅膀从我左前方飞往右前方，最后飞到我身后去了。 这种身临其境的感受，就是 Ashim Mathur 所说的「沉浸式体验」。 早些年想要获得这样的奇妙体验，则需要到配备有杜比全景声系统的电影院才行，现在除了电影院，在客厅，汽车座舱乃至移动设备上，都可以体验到杜比全景声。 上海杜比之家正是杜比走出影院的一个例证，反过来，在杜比之家，用户又能获得影院般的杜比全景声体验，就像开头说的，没在电影院看《F1：狂飙飞车》的用户可以在杜比之家获得同款体验。 不过对于用户来说，并不是所有场景和设备都能达到杜比全景声影院或者杜比之家的软硬件水平，在较小的扬声器或者耳机上的体验很可能达不到前者的体验，对此，Ashim Mathur 告诉我们： 杜比不会做不同场景下体验的比较，比如我们不会直接把在影院的效果和在家里客厅的效果进行对比。我们所做的是当你在影院当中我们来提供最好的影院体验效果，在客厅的时候提供最好的客厅体验效果。我们通过与合作伙伴密切协作，确保在任何设备上——无论是手机、电视、电脑、平板、汽车还是影院——都能呈现出最佳的体验。这也是我们业务发展的模式。 另外，也是杜比看来最重要的一点，就是我们对内容创作者的承诺。我们会忠实还原创作者对于作品的构想，并将他们原始的创作意图传递到消费者端。这是我们的核心信念，也是我们给内容创作者的核心承诺。所以，不管你是手机端、平板、电视，还是在影院观看同一部影片时，我们都会确保你所获得的体验是原汁原味、没有妥协的，是完全按照创作者最初的设想来呈现的。这并不是在比较小屏幕与大银幕，而是在强调：无论在哪种设备上，消费者所获得的，都是该场景下最好的体验。 媒介即信息，媒介的不同很大程度上决定了信息的形态，对于杜比来说，当信息跨越不同媒介，不同设备形态的时候，他们的主要工作就是保证信息能够忠实地跨越差异，保证尽可能忠实的体验。 技术会拓展媒介的边界，未来可能还有成熟的眼镜显示，甚至脑机接口等等，只要有这些感官体验，就会有杜比视界，杜比全景声这样的技术标准来作为一根准绳，来把所有的娱乐影音体验维持在基准上。 这就是为什么会有这么一个杜比之家的重要原因，杜比需要让用户知道，在这里，在这个 2 层的空间里，在 11 个体验区，包括车载娱乐体验区，客厅体验区、手机体验区等等空间里，不同的杜比娱乐体验之间，有何相通之处。 杜比是一个技术品牌，也是一个体验品牌 杜比的体验可以空间和设备类型区分，比如影院，汽车座舱或者客厅空间，也可以用内容形态进行区分，就像 Ashim Mathur 说的： 从内容体验的角度来看，不同的兴趣点也在迅速变化和发展。不管是游戏、音乐、UGC 个人创作、体育，还是电竞，这些领域都在快速迭代。而我们的优势在于，一旦用户体验过杜比的沉浸式效果，就很难再回到过去的普通体验——这种现象在中国体现得尤为明显。 虽然杜比和英特尔，高通这些品牌类似，不直接生产和销售终端产品，但对终端产品的体验有很大影响，所以无论是 Intel inside 的品牌标识，还是骁龙「有龙则灵」的品牌心智传递，都是希望树立一个技术品牌。 但杜比要更特殊一点，杜比视界或者杜比全景声和直接的感官体验挂钩，虽有技术参数的部分，但打动人的自然不是色域亮度这些亮化的东西，而是伴随着某一个设备某一部电影去传递杜比理念的。 这就是「体验」如此重要的根本原因。Ashim Mathur 说： 我们的确希望和消费者进行更直接的沟通和交流。其实不仅仅是 Dolby House Shanghai，在过去的一年、一年半，甚至两年的时间里，我们在中国做了很多和消费者直接沟通和对话的工作，开展了很多市场活动。比如在去年我们开展的「更杜比，更热爱」系列活动中，携手陶喆带来了杜比全景声音乐体验，与《黑神话：悟空》携手带来杜比全景声游戏体验，以及近期与合作伙伴一起举办的众多线上线下活动。这些都旨在直接与消费者对话。 如果只用语言讲述杜比的故事是非常难的，最好的方式是用体验来讲述我们的故事。 Ashim Mathur 告诉爱范儿，杜比不仅希望消费者知道杜比的影音体验，还希望帮助消费者如何获得这些体验，在哪些场景哪些设备哪些内容领域获得这些体验。杜比之家就是让各种杜比体验「活起来」的地方，也是让这些体验聚起来的地方。 实际上，想要获得这些体验并不是一件简单的事情，比如杜比视界对显示设备的亮度和色域色深都有很高要求，但对于消费者来说，技术细节并不重要，杜比想要传递的是体验很重要，但技术的事情虽然重要，但消费者不需要考虑太多。Ashim Mathur 说： 我们是一个科技品牌，还是一个体验品牌？回顾杜比的历史，我们一直致力于将最好的体验提供给消费者，这一切都是和科技的发展紧密地结合在一起的。可以说科技创新是创造这些体验的基础。 杜比致力于不断地来提升用户最好的体验，同时这些体验都是和科技的发展有着千丝万缕的联系。

2026.03.30 本文字数：3989，阅读时长大约6.5分钟 作者 | 第一财经 陈姗姗 肖逸思 黄琳 “一些新能源车企把整个行业的生态颠覆了，春节期间我们走访了7、8家汽车主机厂，都在诉苦成本压力越来越大，还有这种情况下如何管控好产品的质量。” 说这话的是国内某汽车行业技术服务支持的负责人刘力，他告诉第一财经记者，几乎每周都能收到关于车身各种“失效问题”的咨询和技术支持需求，要么是还在生产组装现场的，要么是已经投入市场的整车。 “失效问题”比较多的是在生产过程中热成型的零件开裂，以及整车投入市场后较短时间内出现部件腐蚀等现象，这时候，汽车厂往往会首先想到是汽车板材料的质量不过关。 在汽车的生产制造中，钢板是用量最大的材料，是整个车身和上百个零部件的主要用料来源。2024年，重点企业汽车板产量达4000万吨，其中冷系汽车板（含冷轧和镀锌）产量约2900万吨。 近年来，车企价格战的“狂欢”，正在将成本压力向产业链上游传导，各种车身零件“失效”问题出现的背后，是汽车制造整个产业链所面临的降本和质量管控压力，进而带来生产成本、质量成本、管理成本等隐形成本的急剧增加。 汽车零件组装中已开裂 刘力还清晰地记得一个月前，一家汽车厂来咨询的失效问题。车企称在生产焊接过程中就发现问题，热成型的零件有些地方已经裂开了。 出问题的汽车下车体的一个横梁 这些材料由零部件厂采购，制作成零件后再交付整车厂进行焊接组装。交付零部件时，相关用材的质保书会跟零部件一同送达整车厂。 然而，当刘力与汽车厂一起再回头查看这批零件的质保书时，才发现是从二级品市场购买的现货钢材。 一般来说，钢厂会将略有瑕疵的产品投入二级品市场销售，相比进入主流供货渠道的钢材会打6-8折，但二级品市场的很多钢材是不能用于制造汽车的，而如果不仔细查看每一份质保书，就无法确保钢材的真实来源。 “以前整车厂对买哪家的材料是有严格要求指定的，由整车厂统一采购材料，然后卖给零部件厂，零部件厂做成零件后，再把零件卖给整车厂，以确保材料供应的品质，”刘力说，但一些汽车厂则是另一种采购模式，他们允许零部件厂自己采购材料，并对使用谁的材料不指定，有些提的唯一要求是满足设计强度。 多家整车厂内部人士也告诉记者，过去有些品牌拥有完善的汽车供应链，他们会直接与钢厂签署合作协议，并输送原材料给自己关联的零部件公司，这类品牌会筛选符合他们质量标准的原材料厂，并对出厂的钢板有检验标准。进入这些品牌的供应链周期比较长，需要检验3年才能签署长期稳定供货协议，而一旦进入供应体系，车企不会轻易更换供应商。 但从10年前开始，国内绝大多数车企已趋向于让一级零部件供应商自行购置钢板，标书会规定采购成本的范围、质量要求、强度参数要求等，满足条件的供应商都可参与招标。后期，车企质量部对进厂钢材也会有抽检环节，但无法每个钢板都仔细检查。 “很多汽车厂采用的招标模式是最低价中标，甚至会做五六轮招标，这对钢厂和零部件厂来说的影响是：如果我坚持材料质量和管理要求，成本就会比别人高，我就没法中标，除非某个零部件企业具有独一无二的技术优势。”刘力说，并且招标很多是一年招一次，目前一款新车型生产周期一般是3年，3年内每年都换不同供应商，如何保证产品质量的一致性？ 一家零部件公司的销售总监也透露，汽车主机厂会有集采规划，具体到零部件厂购买哪家的钢材，以及怎么买，主机厂并不管。“出现这种情况的原因是利润透明的背景下，所有厂都在上下游寻找挤利润的方法。” 这正是上述主机厂在焊接组装阶段就发现了材料问题的原因。有车企质量部人士透露，尽管零部件厂交付产品时会提供质保书，但一般是走个形式，除非生产环节出了问题，才会想到复核质保书。 一家小型零部件企业的负责人也告诉记者，关于“零部件交货给汽车厂时基本不查材料质保书，即使查，零部件厂也用假的质保书应对”的情况，确实存在，“只要便宜，搞定车企SQE（供应商质量工程师）就行。” 但也有车企表示会严格遵守入库查质保书、生产制造前再复查，“如果不提前查清楚，后面造成的损失更大，严重可能会召回，不如前面多花点时间复核好零部件质量问题。” “现在一些品牌在与竞争对手对标成本时，发现差距主要在采购，并开始对集中采购的模式有所动摇：大家都招标了，我还有必要坚持集中采购吗？零部件厂会跟我说，我买的比你集中采购来的便宜，”刘力告诉记者，一些品牌车厂随着规模的扩大，发现质量不稳定的情况越来越多，又开始考虑是否要进行集中采购。 在2025年12月举行的一场汽车用钢供需座谈会上，中国钢铁工业协会副会长骆铁军在发言中就提到，近年来随着新涌现汽车主机厂的快速壮大，对传统汽车用钢供需格局与供应链模式带来变化，出现招标采购汽车板等定价模式，易引发钢企之间“内卷”，不利于汽车板产品持续创新和品质提升，也不利于形成长期稳定的供货模式，最终将损害广大汽车消费者的利益。 汽车板持续降价背后 骆铁军所说的“钢企内卷”，在供应汽车板的过程中也有体现。 对于单重比较重的零件，很多整车厂也会直接向钢厂采购，然后与零部件厂供应的零件再进行焊接组装，因此，钢厂也会直接参与汽车厂的部分招标。 由于汽车用钢属于强度和技术要求更高的高端钢材，多年前国内只有宝武、鞍钢、首钢等个别钢厂可供应，不过最近几年，随着国内钢厂的技术升级和结构转型，越来越多钢厂上线普通汽车板生产线。通过低价中标先挤进汽车厂的供应商库，成了新进者的策略。 这也导致汽车板的价格持续下滑，以汽车使用频繁的镀锌板为例，现在的成交价比过去三年下降1000元/吨以上。甚至去年9月其他钢材品种的价格都有反弹之际，冷轧汽车板的价格依然在一路下滑。 2025年6月，中国钢铁工业协会就曾发文《维护产业链整体利益 共同抵制“内卷式”竞争》，提到2024年以来，部分主机厂要求钢厂汽车板供货降价诉求超过10%，远远超出钢厂可接受的能力。在当前的钢铁市场环境下，汽车板作为钢铁行业头部企业的拳头产品，目前已基本没有毛利，而汽车企业还在要求钢厂降价。 中钢协进一步指出，以往钢厂通过先期介入（EVI）、加工配送等模式，与汽车厂深度合作，更加突出产品质量、供货及时、售后服务等，但部分自主品牌汽车厂通过招标采购汽车板，按照一般的钢铁产品给汽车板定价，引发了钢厂之间的“内卷”，并且基本是“最低价中标”。汽车板原本属于“高技术、高难度、高投入”的高附加值钢铁产品，招标模式按照一般的钢铁产品进行采购，全面否定了前期的研发投入和服务体系，不利于汽车板产品的持续创新，其对质量和研发投入的不利影响马上就将体现在用户身上。 多位行业内人士告诉记者，同样是镀锌板，涂层涂什么，怎么涂，都对钢板的售价和后续的质量保证有直接影响，而产业链上下游为了降本，一直在做用成本更低的钢板做替代的尝试。 以某自主品牌的多车型为例，其曾将热镀锌GI钢材替换为低铝锌铝镁ZM钢材，因为钢厂供应商说可以每吨便宜很多，但生产投入市场后，车辆批量发生门内板包边区域条状起泡问题，最终该车厂还是切换回热镀锌GI钢材，并禁止后续使用低铝锌铝镁材料。 “现在的汽车厂更倾向用更便宜的薄镀层铝硅热成形材料，热成形零件主要是安全结构件，但其实薄镀层铝硅热成形材料只能替代无镀层热成形，并不满足常规电泳涂装后严格的膜下腐蚀要求，但因为便宜，能够降成本，很多车型在使用。”刘力补充说。 来自车质网的统计数据显示，近7年（2019年到2025年）来的汽车质量问题投诉是波动上升的趋势，其中关于车身生锈、部件开裂的投诉位居前8位。位居前三位的同样集中在车身附件及电器方面，包括影音系统故障、部件老化、仪表台开裂等。 产业链内卷如何破 这背后，反映了汽车上下游产业链极度内卷，渴望通过持续降本来维持利润的焦虑。 2023年3月，一则“雪铁龙C6直降9万元”的消息，将汽车行业价格战全面点燃。随后，比亚迪、吉利、长安等自主品牌迅速跟进，战火从新能源车迅速蔓延至整个乘用车市场。2024年和2025年分别有227款和117款车型降价。 随之而来的是，整个汽车行业利润的流失。2025年，汽车行业销售利润率仅4.1%，低于下游工业企业5.9%的平均水平，创下历史新低。 整车厂价格战背后，是整个供应链以罕见的速度降成本。“2023年还是‘年降’，但2024年以来降本周期已经缩短到以季度为单位。”一家头部自主车企的大型供应商管理人员向记者表示。 正常情况下，车企每年都会要求供应商进行“年降”，幅度一般在3%-5%左右，这几乎已成为行业惯例，而当下车企和零部件企业“谈年降”已是“天方夜谭”。 国内某头部新能源汽车曾以“新能源汽车市场竞争将更加激烈”为由，要求供应商2025年降价10%。随后，也有车企跟进要求供应商降价10%。 近年来为了应对价格战，不少车企提出要打“价值战”，但现实是只要车企不降价，市场份额很快就被其他对手分食殆尽。而车企的内卷向上游供应链蔓延，导致零部件厂和钢厂在无序低价竞争下也压力倍增，甚至以次充好。 过去一年，我国车市进入“反内卷”浪潮。今年初，瑞银中国汽车行业研究主管巩旻接受媒体采访时表示，车市确实出现价格环境阶段性的稳定，政府政策在短期有一定效果，但拉长时间看，企业正通过改款、调整配置甚至更改命名等方式进行变相价格调整，而政府无法阻止市场这只“无形的手”。要真正改善“内卷”问题，必须提升行业集中度。 对于如何破解整个产业链的内卷，骆铁军则指出，单靠某一行业难逃“内卷”困局。汽车和钢厂要多沟通，一起组织轻量化、高强钢、低碳研发，不能光比低价，应该把研发投入和技术创新纳入采购评价体系，低价恶性竞争只会让双方日子都不好过。 据记者了解，在去年12月的那场汽车用钢供需座谈会上，中钢协与汽车协会提出“反内卷”协同路径：一是建立“有质量的保供机制”，推动上下游协议锁价；二是联合研发轻量化材料等关键技术。 不过，协同机制能否真正落实，还有待进一步观察。 【文中刘力为化名】 微信编辑 | 七三

快科技3月30日消息，据媒体报道，深圳人工智能高质量发展迎来新突破：由深圳市投建的11000P智能算力集群正式点亮，叠加去年先期点亮的3000P，该集群已全面建成14000P智能算力。 这是全国首个采用全国产先进芯片构建的万卡级全栈自主可控智算集群。 此次点亮的智能算力集群，也是全国首个万卡昇腾910C超节点智算集群，标志着深圳在构建自主可控算力底座上取得突破性进展。 该项目全部采用国产先进芯片，依托全栈自主可控技术，打造具备国际竞争力的“昇腾+CAAN”自主软硬件生态，有效引导人工智能底层技术创新，推进关键技术国产化进程。 项目部分关键技术指标达到国际领先水平。故障率大幅降低，一阶段3000P集群实测智算设备日平均故障率为0.3‰，显著低于Meta等顶尖企业集群水平。 同时，线性度显著增强，实现Pangu-718B大模型训练线性度93.12%，性能比肩谷歌等国际头部企业集群；绿色集约高效，采用自然冷源、智算设备全液冷、一体化电源等节能方案，全面开展机房能耗调优，持续降低运营成本。 依托高安全性的设施部署、低成本的训力支持、高质量的数据语料供给、市场化的生态运营，该项目将为加快构建全国一体化算力网，推动国产大模型和芯片高质量发展提供有力支撑。

快科技3月30日消息，奇瑞与路虎联合打造的“FREELANDER神行者”品牌将于明天正式发布，届时首车会亮相。 今日上午，FREELANDER神行者与华为乾崑智能汽车解决方案官方联动，而从配图看，首车将用上华为最新一代、全球量产最强线束的896线激光雷达。 这款激光雷达于本月初发布，代表着感知能力从“点云级”正式迈入“图像级”，其采用华为乾崑首创的双光路专利技术，内部集成两个不同焦段的激光接受单元，可在120米外超远距识别14cm目标（碎石、锥桶、低矮障碍）。 896线双光路架构单帧点云量相当于128线的7倍，轮廓清晰，让车辆对小目标的识别距离大幅提升，面对鬼探头、静止故障车这些极端场景，感知更精准、反应更及时。 除了华为乾崑，FREELANDER神行者还将引入宁德时代、高通骁龙等世界知名供应商，其首车定位方盒子新能源SUV，有点路虎发现的感觉，前脸大部分为封闭样式，大灯为方块状，同时还在角落布置有单独的光源，和早期的发现有一定的传承。 车内配多功能方向盘为三辐结构，采用了滚轮控制，中控台宽大非常，还布置有类似阿维塔的远端屏，悬浮式中控屏尺寸不小，下方还设置有一排实体按键。 同时该车将采用电子坏档杆，配有双无线充电面板，下方区域进行了掏空处理，可放置一些随身的物品，2+2+2的六座布局，从安全带的位置看，二排右侧座椅将支持零重力模式

快科技3月30日消息，来自“小迪快报”消息，比亚迪储能再获2.6GWh海外大单，与西班牙清洁能源龙头企业Grenergy达成全新战略合作。 此次合作中，比亚迪储能将为智利Gran Teno、Tamango、Planchon、Monte Aguila四座光储电站，交付468套MC Cube-T储能系统。 该系统搭载新一代储能专用电池，采用全球首创超级集成CTS技术，兼具高安全、高集成、长寿命等优势，能充分适配智利当地的光储应用场景。 目前，Gran Teno电站所需的168台储能柜已在深圳完成装船，预计4月中旬运抵项目现场，剩余设备正按计划发运，这座电站有望在2026年二季度实现并网投运。 这并非比亚迪与Grenergy的首次合作，2025年5月双方曾联手打造拉美规模最大的3.5GWh储能项目。 截至2025年，比亚迪储能系统累计出货量超135GWh，成功落地650余个储能项目，业务版图遍及全球110多个国家和地区。

《科创板日报》3月30日讯（记者 李明明） “脑控”倒水、意念打字、瘫痪患者重获行走希望……这些曾经只存在于科幻电影中的场景，正在北京举办的2026中关村论坛年会上变为现实。 作为2026年中关村论坛最受瞩目的前沿领域之一，脑机接口不仅首次被明确写入中国政府工作报告，更在本届论坛上完成了从“科幻概念”到“医疗实用”的展示，然而，在技术狂飙的同时，关于安全、伦理与临床普及的深层博弈也成为了专家热议的焦点。 《科创板日报》记者现场观察到，2026中关村论坛向世界传递了一个清晰的信号：中国脑机接口产业已结束“单兵突进”，进入了“集团作战”的规模化新阶段。 （北脑一号最新进展 记者李明明在2026中关村论坛现场拍摄） 中国力量崛起：从“北脑一号”到全球首发 脑机接口技术是一种变革性的人机交互技术。其作用机制是绕过外周神经和肌肉，直接在大脑与外部设备之间建立全新的通信与控制通道。它通过捕捉大脑信号并将其转换为电信号，实现信息的传输和控制。 今年全国两会，脑机接口首次被写入政府工作报告，明确与量子科技、具身智能等领域一同被列入核心未来产业之一，这意味着脑机接口正式上升为国家战略科技方向。 走进中关村论坛展览现场，脑机接口专区人头攒动。脑机接口专用芯片、康复辅助治疗系统等多款脑机接口产品吸引了许多观众驻足。其中，由中国自主研发的“北脑一号”“北脑二号”智能脑机系统产品广受关注。 《科创板日报》记者在2026中关村论坛现场获悉，“北脑一号”智能脑机系统，已实现患者通过‌意念控制机械臂‌完成倒水、喝水等动作，且过程流畅精准，这不是演示或特效，而是临床患者的真实操作场景 。 中国科学院院士、国家神经系统疾病临床医学研究中心主任赵继宗在论坛上透露了最新进展：作为全球首个实现百通道以上高通量、无线半侵入式脑机产品，“北脑一号”目前已完成7例人体植入，患者恢复良好，成功实现了运动和言语功能的重建。 （中国科学院院士赵继宗现场演讲 记者李明明在2026中关村论坛现场拍摄） 赵继宗还透露，为加速脑机接口技术的临床转化与产业化，天坛医院制定《脑机接口临床试验五年规划（2025-2030）》： 2025年：完成6例患者“北脑一号”植入； 2026年：“北脑一号”完成脊髓损伤植入40例，侵入式“北脑二号”升级为无线版，工程定型后进入临床IIT验证阶段； 2025-2030年：“北脑一号”推进注册临床试验，启动第三类医疗器械注册证申报；侵入式“北脑二号”进入注册临床试验，国内10家医院完成50例临床研究（卒中偏瘫20例、截瘫20例、渐冻症10例），总结经验并发表论文，参与国际学术会议； 2027-2030年：“北脑一号”“北脑二号”获第三类医疗器械注册证，在三级甲等医院推广；制定《中国脑机接口临床指南》与中国脑机接口技术标准；启动国际多中心临床试验，为全球脑机接口安全应用提供“中国方案”。 与此同时，中国在产业化落地上已经抢得先机。就在本月中旬，国家药监局批准了全球首款侵入式脑机接口医疗器械上市。这款适用于脊髓损伤瘫痪患者的产品，标志着中国在脑机接口医疗器械领域迈入了“全球首发”的新阶段。 “2026年可以说是脑机接口产业的‘临床应用元年’。”在论坛现场，多位脑机接口领域专家和展商告诉《科创板日报》记者，随着上海、北京等地相继将脑机接口纳入医保收费目录，曾经昂贵的“黑科技”正在打通商业闭环，正式进入医疗快车道。 品驰医疗总经理郝红伟对《科创板日报》记者分析，中国在脑机接口领域的优势，在于人口基数大、患者群体多、临床需求旺盛，同时具备集中力量办大事的组织化科研体系，从政府顶层规划到产业界落地执行，优化意识强、执行效率高、团队整体勤奋务实，为技术快速迭代和应用落地提供了坚实支撑。 北京打造“脑机硅谷” （记者李明明在2026中关村论坛现场拍摄） 技术突破的背后，是整条产业链的崛起。本届论坛期间，中关村（海淀）脑机接口产业集聚区正式揭牌。 北京市海淀区副区长林航介绍，根据国家“十五五”战略发展规划，海淀区明确提出“AI赋能医药健康产业先导区”与“医工交叉产业创新示范区”两大产业发展定位。脑机接口产业作为国家前瞻布局未来产业的重点方向，已在海淀区集聚27家脑机接口核心企业，占全国核心企业总量近60%，在算法、算力、临床数据等方面形成独特综合优势，初步构建起“基础研究—技术攻关—产品研发—临床应用”全链条创新生态。 此外，中关村（昌平）脑科学与脑机接口产业集聚区也已正式揭牌启用，同时设立3亿元专项基金帮助企业孵化。 目前，集聚区已集聚30家重点企业，9款产品获批医疗器械证，实现“北脑一号”“北脑二号”的就地转化。 北京市已将脑机接口明确列为“未来健康”板块的核心方向之一。根据2026年3月发布的《北京市未来产业2026年工作要点》，全市在未来产业6大领域实施122项细分任务，其中脑机接口与细胞与基因治疗、合成生物并列。 与此同时，“AI+脑机”已被纳入北京市重点战略布局，北京正在大力推进脑科学与脑机接口尖端技术实现从科研到临床再到产业的快速转化，力争在该领域走在世界发展前列。 总体而言,北京正在形成从基础研究、核心器件到临床转化的全链条生态。正如中国工程院院士顾晓松所言，脑机接口已成为新质生产力的典型代表。 繁荣之下，挑战待解 尽管前景光明，但《科创板日报》记者在论坛上与众多嘉宾交流中发现，专家们并没有被热度冲昏头脑。 参会的国内头部脑机专家们对《科创板日报》记者普遍判断，到2030年前后，脑机接口有望成为神经系统重大疾病（如瘫痪、癫痫、帕金森病）的常规治疗选项；但对于公众期待的“意念上网”“记忆增强”等增强型应用，应保持理性——现阶段的核心使命依然是“修复”，而非“超能”。技术、伦理、法规需要同步建设，才能让脑机接口真正安全地飞入寻常百姓家。 脑机接口要真正飞入寻常百姓家，至少要跨越两道门槛： 首先，是技术与临床的“硬骨头”，赵继宗在2026中关村论坛上对包括《科创板日报》记者在内的媒体指出，尽管脑机接口专科门诊的落地，标志着这项技术正逐步从实验室走向临床应用、贴近病患群体，但咨询可及性与实际可及治疗之间仍存在明显差距。现阶段，相关治疗单例成本仍维持在数十万元级别，且尚未被完全纳入医保报销范围，经费来源多以科研项目为主。 “整体来看，脑机接口依旧属于高投入技术，海外产品定价差异显著，早期预估仅数千美元，目前已逼近五万美金。国内单名患者全程治疗花费约在二十万元，对普通家庭而言经济压力较大，普及难度较高。由此可见，现阶段的脑机接口门诊仍以探索性、研究性服务为主，核心价值在于为后续标准化、规范化应用积累经验与数据，尚不具备大范围临床推广的条件。现阶段脑机接口的作用更多是辅助康复，并不能替代传统康复治疗，更像是在原有基础上多提供一条路径。” 郝红伟也认为，国内脑机接口领域从临床需求到产品转化的速度较快，但核心瓶颈仍在于基础研究突破不足：诸多脑部疾病的发病机制尚未阐明，关键神经核团、作用靶点尚不明确，成为制约技术从实验室走向大规模临床应用的主要障碍。 其次，是安全与伦理的“红线”，侵入式与非侵入式之争，核心在于“创伤”与“效率”的博弈。相关专家指出，只要涉及开颅或血管介入，就存在感染、排异或血栓风险，没有绝对安全的最优解，只有针对病情的个性化权衡。 更令人警惕的是“神经数据”隐私问题。随着脑机接口技术的发展，神经数据已能一定程度反映情绪、意图甚至潜意识内容，其敏感性远超普通生物信息，若缺乏有效监管，极可能引发隐私泄露、商业操控与社会不公等深层危机 。 针对行业发展，赵继宗在论坛上提出三大政策建议： 一、制定数据管理条例，脑机接口的数据传输、存储和分析处理必将面临新的挑战。越来越多的人脑与智能设备建立起各种连接，数据的传输，如何确保数据的安全、不流失并能有效保护用户隐私等问题，面临新的挑战。 二、建立符合国情的伦理制度，从长远看，脑机接口实现“数字化永生”将成为可能。将患者的脑电数据导入另一位愿意接收的健康人脑中，可能产生诸如“你是谁”、“你从哪里来”等伦理问题，对现实的法律体系也会带来多方面的冲击。 三、临床推广应用需审慎，脑机接口处在从临床试验向规范化临床应用的过渡期，远期效果尚需观察。尚待建立技术路径、行业标准、伦理规范与医疗支付体系等。建议目前局限于高水平临床机构开展研究和验证。做好科普工作，避免夸大宣传。

在持续两年的空调价格战后，低价策略的边际效应已显著递减，厂家继续降价不仅难以提振销量，更可能将企业所剩无几的利润打穿。 今年以来，由于原油价格上涨带动化工原料等成本持续攀升，家电行业掀起了新一轮的涨价潮，家电零售价普遍出现了10%以上的涨幅。 其中，空调行业更是由去年12月就开始悄然涨价。不少消费者表示，去年还是千多元的空调，如今都涨至两千元以上，就连一向以实惠著称的奥克斯，产品也涨了数百元不等。 但涨价也是无奈之举，在2025年成功上市的奥克斯，首份成绩单却亮起了红灯。 根据业绩预告，2025年奥克斯电气（以下简称“奥克斯”）实现收入约300亿元，较 2024年同期的297.59亿元微幅增长；但归母净利润仅为22亿元，同比大幅下滑 24.4%，打破连续三年利润正增长的纪录。 奥克斯解释，盈利减少主要由于原材料价格持续上升，渠道库存水平较高以及终端消费需求疲软，对空调售价造成下行压力。 但如今，家电行业涨价成了不可逆的趋势，在躺不平，又卷不动的市场环境里，被称为“价格屠夫”的奥克斯，还能使出什么新招，消费者又是否愿意继续买单？ 1 靠低价策略崛起 奥克斯并非籍籍无名之辈，上世纪90年代，当空调还是普通家庭眼中的奢侈品时，奥克斯却凭着“低价”二字，硬生生闯出一片天地。 奥克斯的创始人郑坚江，本是一名只有初中学历的汽修工人。不过，上世纪的国内市场黄金遍地，他首次创业便通过钟表生意赚到了第一桶金。 后来，郑坚江创立了宁波奥克斯电器厂，正式进入空调制造业。只是，彼时国内的空调市场虽然空间很大，却被春兰、华宝，以及日本品牌等牢牢占据，奥克斯并不被市场认可。 郑坚江意识到，要制胜只能出奇招。2001年，奥克斯喊出“比进口空调便宜60%，比国产空调便宜30%”的口号，用最简单粗暴的方式，从被竞争对手垄断的市场中撕开一道缺口。 次年，奥克斯高调发布了《空调成本白皮书》，称一台1.5匹冷暖型空调成本只需1800元，而其他厂家的零售价却高达两三千元，暗指同行溢价太高，趁势再对旗下产品降价20%。 奥克斯比同行便宜20%-30%的价格，为其带来了可观的销量增长，从2001年不足90万台猛增至2004年的325万台，跻身行业第四。 奥克斯也因此一战成名，收获了“价格屠夫”的名号。只是，奥克斯此举也相当于直接撕开了空调成本的“外衣”，虽然讨好了消费者，却也埋下了跟同行之间的恶斗伏笔。 在首战告捷之后，郑坚江很快将目光投向了线上渠道。 当格力、美的还在与国美、苏宁等线下渠道巨头深度绑定时，奥克斯早早就拥抱了京东、天猫，瞄准更能压缩渠道成本的电商模式，线上渠道已经成为其主要的出货渠道。 从2013年-2018年，奥克斯空调的线上收入从不足5亿一路飙升到数百亿。2018年，奥克斯空调线上市场的份额高达26%，超越了美的和格力两大巨头。 但奥克斯跟同行之间的矛盾也越积越深。仅在2017年-2023年间，格力就对奥克斯发起共27次专利侵权诉讼，且全部胜诉。 2017年，格力因涉嫌侵犯专利将奥克斯告上法庭，最终，法院判决奥克斯赔偿格力电器4000万元，创下了彼时空调行业专利索赔最高纪录。 此后几年，格力和奥克斯之间不时隔空开打“口水战”。 2019年，格力董事长董明珠公开举报奥克斯空调部分型号的能效标识作假，还怒斥奥克斯天天往自家挖人，奥克斯家电事业部总裁冷泠却称格力此举是“诋毁”。 但在次年4月，浙江省宁波市市场监督管理局对奥克斯作出“责令改正”和“处罚款十万元人民币”的行政处罚决定，无疑让奥克斯狠狠打脸。 空调巨头的恩恩怨怨之下，是奥克斯这种极致的低价模式，从一开始就埋下的隐患。 近年来，空调市场增速明显放缓，竞争日趋白热化。低价策略不再是奥克斯的护城河，而长期深陷专利纠纷，更给奥克斯的品牌声誉蒙上了阴影，公司也逐渐走入“下坡期”。 2 空调价格不得不涨 根据奥维云网数据，在2025年7月中国空调全渠道市场份额市场排名中，美的、格力、海尔、小米分别位列前四，奥克斯则以8%的市场份额位居第五，市场地位难复昔日荣光。 市场空间被压缩，也进一步挤压奥克斯的利润空间。截至2025年上半年，奥克斯、格力、美的毛利率分别为19.53%、33.2%、28.52%，奥克斯的毛利率显著低于同行。 此外，奥克斯这三年，虽然依然保持营收和净利润的正增长，但增速均出现明显下滑。2025年，奥克斯的净利润更大幅下滑24.4%，打破了连续三年增长的纪录。 不过，奥克斯早就意识到业绩下滑的压力，也曾尝试改变，只是步伐太慢，方向走偏，终究未能扭转颓势。 一方面，传统空调品牌的业务早已走到空调机之外，奥克斯也曾尝试拓展白电业务，但在过去三年，家用空调业务依然占整体收入约88%。 奥克斯在招股书中提到，相较于空调行业其他主要企业同时经营多个品类，公司将所有资源集中在空调产品上，可以深耕专业化和品牌化。 虽然精耕细作值得鼓励，但家电行业竞争激烈，奥克斯缺乏其他家电品类作为缓冲垫，其在面对市场周期调整时就会变得更加被动，一旦空调业务受阻，整个公司都将陷入停滞。 另一方面，近年在国内市场逐渐卷不动的奥克斯，也将目光投向海外市场。 但需要注意的是，奥克斯出海的主要模式为ODM模式，过去三年，其ODM业务收入占海外业务收入的比例高达80%以上，占公司总收入的比例则从2022年的36.3%提升至2025年上半年的44.1%，几乎是半壁江山。 但众所周知，ODM模式的毛利率并不高，奥克斯近年海外业务的占比还在不断加大，这也导致其陷入了“越努力，赚的越少”的怪圈。 除此以外，奥克斯更早在2018年就开始筹备A股上市，并于2023年6月完成辅导，其或许早就有意引入资金改变困局，但最终却不了了之。 一直到2025年，奥克斯再次转战A股市场，并在同年9月成功登陆港交所。但带着这样的成绩单，资本市场也难以为其喝彩，至今其股价跌幅约为40%。 内忧外患之下，奥克斯要自救，“涨价”是不得不走的一步。 事实上，受到以铜为代表的原材料价格上涨压力，包括海信、美博、志高、TCL等多家空调企业，已从去年12月开始陆续向代理商下发调价通知，涨价幅度在3%-10%不等。 其中，奥克斯是主流品牌中调价最早的企业，旗下家用及家用中央空调全系上调5%-8%，在整个行业中，涨幅处于中间水平。 但目前来看，尽管涨价已经成为空调行业的共识，但在终端市场中，经销商和消费者却未必愿意买账。 有空调经销商表示，虽然厂家已经通知涨价，但到底涨不涨，还是要观望消费情绪。 陈龙（化名）表示，“近两年空调市场整体疲软，但主打性价比的小米没涨价，格力也明确不涨价，自己涨价的话不好卖，目前经销商就是夹在厂家和消费者中间，压力也很大。” 在社交平台上，也有不少消费者表示“再观望一下” “暂时不购买”。如此看来，“涨价”只是暂时缓解了奥克斯的盈利压力，但并不能真正解决奥克斯被市场边缘化的风险。 3 奥克斯的机会还有多少 中国空调市场经历了三十多年的发展，如今空调的普及率已经处于较高水平。 奥维云网数据显示，2025年中国空调市场零售额达2356.6亿元，较上年同比下降0.4%；零售量为7604.3万台，较2024年上涨4.7%。 在这样的背景下，无论涨价还是降价，对空调企业而言都是难题。 在持续两年的空调价格战后，低价策略的边际效应已显著递减，厂家继续降价不仅难以提振销量，更可能将企业所剩无几的利润打穿。 然而，想涨价也是举步维艰，尤其是格力、小米凭借规模和供应链优势维持“不涨价”，中小厂家就难免被拉入“要利润还是要客户”的博弈中。 要解决这一问题，空调企业就要“涨价，也涨质量”——不是简单堆砌配置，或借成本之名盲目涨价，而是真正让消费者感受到空调品质的提升。 但这也恰恰是奥克斯的短板。在《界面新闻》的报道中，有业内人士指出，空调行业需要工厂、经销商和技术的沉淀，但奥克斯的实力还有欠缺。 一直以来，奥克斯都被诟病“重营销、轻研发”。 2025 年上半年，奥克斯的销售及营销开支、行政开支、研发开支分别为 8.07 亿元、5.42 亿元、3.12 亿元，研发投入在三大支出中垫底。 跟同行相比，2025年上半年，奥克斯的研发费用率为1.55%，低于格力电器的4.01%、美的集团的3.47%。过去几年，奥克斯的研发支出占营收比例也一直维持在2%附近。 研发投入不足，直接掣肘了奥克斯的核心竞争力。 比如作为空调核心零部件的压缩机，奥克斯此前主要采取外购模式，一直到2025年6月，其位于芜湖的压缩机工厂才正式投产；在智能化方面，奥克斯在去年发布的奥知音II Pro空调，但只是将重点放在语音对话NFC交互等表层功能上，更像是花哨的宣传噱头。 在黑猫投诉平台上搜索“奥克斯空调”，更有超过2400条投诉，主要涉及空调容易坏、制热制冷效果不好、售后服务差等方面。 不过，在AWE 2026展会上，奥克斯发布了全新的奥克斯智能空调，其中，AI调温能根据室温和用户习惯自动调节温度；AI调风能识别人所在的位置调整送风口等。 这一系列新功能也带来了不少惊喜。但不能忽视的是，如今家电行业已普遍将重心从“单品智能”转向“全屋智能”，在这样的背景下，一台孤立的智能空调能讲的故事实在有限。 况且，在硬件趋同的背景下，竞争对手的智能生态规模越大，就越容易锁定用户对智能家电的需求，并在无形中带动换新需求，后来者将越来越难撬动存量市场。 虽然，奥克斯当下所面临的问题，并非只是单纯的“低价策略”失灵，而是整个商业逻辑跟不上市场节奏。在行业集体向中高端、智能化转型的浪潮中，奥克斯的赛道已是越走越窄。 从2006年喊出“价值战”转型至今，二十年过去了，但奥克斯的转型之路却依然步履蹒跚，核心技术、智能升级、品牌价值……它需要补的课实在太多了。 但留给奥克斯的时间，却不多了。这一次迭代AI智能空调，能否给奥克斯争取到多一点时间，它会是突围者还是会出局者，市场终会给出答案。

【科技圈De那点事-深度】这几天#我国芯片研发重要成果发布 上全网热搜了！2016年11月15日凌晨三点。中国科学院青年创新促进会学术年会的酒店房间里，两个年轻的研究员靠在各自床头，越聊越清醒。中科院计算所的包云岗和软件所的武延军，话题只有一个：一种叫RISC-V的开源指令集架构。它2010年诞生于加州大学伯克利分校实验室，那时候几乎没人在意这个名字。 全球芯片市场被两座大山牢牢压着。英特尔主导的x86架构统治了所有PC和服务器。ARM公司的ARM架构通过授权模式占据了几乎全部移动设备。两套架构各自经营了几十年的生态壁垒，后来者想挤进去，要么花天价买授权，要么从零开始造轮子。 "过去我们主要在别人主导的x86、ARM生态中布局，难以实现超越。"武延军后来回忆那个夜晚时说，"RISC-V是中国实现'三分天下有其一'的历史机遇。" 两人当晚约定：一个做硬件，一个做软件，用RISC-V解决中国芯片的底层依附问题。 十年后的2026年3月26日，中关村论坛年会。中国科学院正式发布了"香山"开源高性能RISC-V处理器系统和"如意"RISC-V原生操作系统。台下坐着中兴、阿里、腾讯等几十家企业的代表。台上宣布的数字是：全球唯一、国际纪录、产品级交付。 这不是一颗芯片的发布。这是一套新规则的宣告。 两座绕不过的山 要理解RISC-V为什么重要，得先看清那两座山有多高。 指令集是芯片和软件之间的"通话语言"。硬件必须听得懂，软件必须说得出，两者才能协同工作。过去六十年出现过几十种指令集，最终活下来的只有两种：英特尔的x86和ARM公司的ARM。它们不只是技术标准，更是商业帝国的基石。 x86的规则很直接：要用就得买英特尔或AMD的芯片，自己设计CPU这条路基本被堵死。ARM稍微灵活，允许企业购买授权后自行设计芯片。但授权费动辄数百万到数千万美元，还附带严格的功能限制和使用条款。苹果、高通、华为都是ARM的大客户，每一颗移动端芯片出货的背后，都有一笔流向ARM的版税。 更深层的问题不是钱，是控制权。选择一种指令集就意味着绑定了整个技术栈的演进路径，同时必须接受背后的商业规则。微软绑定x86统治了PC，谷歌绑定ARM主导了安卓。后来者几乎没有翻盘的余地。 2019年，一系列"断供"事件把这个问题从学术讨论推到了台前。当一家中国企业可能因地缘政治原因失去ARM的架构授权时，整个产业链才真正清醒过来：建在别人地基上的高楼，承重墙随时可能被抽掉。 RISC-V的价值恰恰在这里。作为完全开源的指令集架构，它从诞生第一天就写进了一条底层规则：任何人都可以免费使用、自由修改。没有授权费，没有使用条款。没有某个公司能在某天早上决定把钥匙收回去。 但开源不等于好用。2016年的RISC-V还只是个学术项目。没有成熟的处理器核，没有配套的操作系统，更没有能跑得动商业应用的生态。把它从实验室里的好想法变成一条能承载产业的真实赛道，需要有人愿意从零修路。 从"笑话"到16.5分 2019年6月，美国亚利桑那州凤凰城。包云岗参加了一场关于开源硬件的研讨会，讲完报告才发现自己是在场唯一一个来自美国之外的报告人。"多少显得有些势单力薄。" 从凤凰城回来之后，他选定了攻关方向。先后启动了"一生一芯"计划、开源EDA工具链，以及开源高性能RISC-V处理器核"香山"。 挡在面前的不是技术问题，而是观念壁垒。在软件行业，开源早已是共识，96%的软件包含开源代码。但在芯片设计领域，尤其是高端芯片，开源代码的占比几乎为零。包云岗说，直到2022年，仍有业界专家直言："'香山'就是个笑话。" 笑话没有停下来。 2022年，"香山"第一代处理器核"雁栖湖"完成流片，成功运行Linux操作系统。这是从"0"到"1"的跨越，证明了开源高性能芯片可以从图纸变成硅片。 2024年，第二代"南湖"问世。性能指标对标ARM阵营中广泛用于中高端手机的Cortex-A76。摩尔线程和芯动科技先后将"南湖"集成到自家芯片中，其中摩尔线程出货量达数万颗。开源处理器核第一次以量产芯片的形式进入真实供应链。 2025年下半年，第三代"昆明湖"完成面向系统级芯片的产品级交付。芯片实测SPEC CPU 2006分值达到16.5分/GHz，刷新了RISC-V处理器在该基准测试上的国际纪录。相比三年前的"雁栖湖"，性能提升了两倍。 与"昆明湖"一同亮相的还有两个开源项目。面向数据中心的片上互连网络"温榆河"，面向终端设备的片上互连IP"珠江"。片上互连是处理器核、内存、加速器之间的数据通道，以前这类核心IP高度封闭。现在全部开源。从处理器核到互连网络再到开发工具链，"香山"体系实现了全栈开源。 "性能提升两倍，背后投入的人力远不止八倍。"包云岗解释说，处理器性能每提升10%，工程工作量就是指数级增长。中科院为这个项目汇聚了全球规模最大的600余人RISC-V处理器核研发团队和400余人基础软件研发团队。这个数字本身就是一种回答，回答那些说"开源芯片只是学术玩具"的人。 产业端的验证也在密集到来。芯动科技、进迭时空、蓝芯算力等企业已基于"香山"开发了自有芯片产品。3月24日，阿里达摩院宣布旗下玄铁团队将参与下一代"香山"V3处理器核的联合研发。当行业巨头开始往一个开源项目里投入核心研发资源的时候，"笑话"这个词就已经翻篇了。 需要说明的是，"香山"不是一颗完整的芯片，而是芯片的"大脑设计图纸"——处理器核IP。企业拿到这份图纸后，可以将它集成到自家的系统级芯片中，用于数据中心服务器、AI推理加速、智能终端等不同场景。以往，获取一颗高性能处理器核IP需要向ARM支付高昂的授权费和版税。"香山"完全开源，企业可以免费使用、自由修改，甚至针对自身业务做深度定制。配合"温榆河"和"珠江"两套开源片上互连方案，从芯片核心到内部数据通道全部可控，不存在被卡脖子的环节。这意味着，中国企业第一次拥有了一套从底层IP到互连网络的完整开源芯片设计底座。 硬件决定下限，软件决定上限 芯片行业有句老话：硬件决定下限，软件决定上限。 x86和ARM之所以难以撼动，根本原因不是处理器多强，而是几十年积累出来的"生态护城河"。全球的开发者习惯了在这两套架构上写代码，海量用户习惯了基于它们的应用。换一个架构，意味着编译器、操作系统、应用软件全部要重新适配。这项工程的规模让大多数企业望而却步。 "基建工程往往投入多、周期长、短期回报低，企业独自承担代价太高。"武延军直言，"这恰恰是'国家队'该干的。" 武延军带领中科院软件所的团队，选了最笨也最扎实的路径：从底层一层一层往上搭。先深度参与RISC-V国际基金会的标准工作组，在规则制定层面争取话语权。然后对GCC编译器、OpenJDK虚拟机、V8引擎等全球性基础软件逐个做RISC-V适配，确保开发者最常用的工具能在新架构上运行。再围绕国产开源操作系统openEuler持续迭代。2024年6月，openEuler实现了一个里程碑：同一套源代码生成x86、ARM和RISC-V三个架构的发行版。 但适配现有操作系统终究是"借鸡下蛋"。这些系统的设计重心仍然是x86和ARM，RISC-V的独特需求得不到优先响应。它需要一个以自我为中心的发展空间。 转折点出现在2024年底。中科院牵头，软件所联合数十家企业和高校，发布了"如意RISC-V社区"，一个完全以RISC-V为核心的原生开源社区。2026年3月26日发布的"如意"操作系统就诞生于这个社区。 "如意"的核心价值有三点。第一，原生支持RISC-V国际基金会2024年10月发布的RVA23高性能标准，让不同厂商的处理器不再各自为战。第二，与"香山"系列处理器做了深度软硬件协同适配，让芯片性能充分释放。第三，构建了统一验证平台，终结了芯片厂商在多个操作系统间重复适配的碎片化困境。 对开发者来说，"如意"最直接的价值是集成了RuyiSDK软件开发工具集。编译器、调试器、模拟器、性能分析工具打包在一起，开发者不用再从十几个开源社区分别下载、逐个适配。一套工具，从代码编写到芯片验证全流程覆盖。2025年2月，如意社区启动了"RISC-V内核同源"计划，更进一步解决了生态碎片化的难题。openEuler、OpenAnolis、openKylin等多个国产操作系统2025年发布的RVA23版本，全部使用了同源内核成果。芯片厂商只需适配一次内核，就能跑通所有兼容系统。这在x86和ARM的世界里不算新鲜，但在RISC-V生态中是第一次。目前，RISC-V平板电脑已在政企办公、云桌面等场景投入使用。 软硬件协同听起来抽象，用一个产品就能说清楚。2024年玄铁RISC-V生态大会上，软件所展示了一台"如意BOOK"笔记本电脑。这是RISC-V架构第一次以个人PC的形态走向终端消费者。不是开发板，不是演示机，是一台能开机、能办公的笔记本。"在欧美市场是看不到这么多RISC-V终端产品的。"武延军说。 AI是引爆RISC-V的奇点 包云岗最近和武延军又聊了一次。话题从"要不要做RISC-V"变成了"临界点什么时候到来"。 包云岗的判断很明确："RISC-V for AI是确定的方向。" 逻辑不复杂。AI应用爆发带来了海量推理需求，每种场景对算力的要求都不一样。大语言模型需要矩阵运算，自动驾驶需要实时感知，端侧设备需要极低功耗。通用芯片在灵活性和能效比上越来越力不从心，市场需要能针对特定场景深度定制的"场景芯片"。RISC-V的可扩展设计天然适合这件事，任何企业都可以在标准指令集上加入自定义扩展，为自己的AI应用量身打造一颗芯片。 武延军看到了另一面：AI不仅是RISC-V的应用场景，也在改变RISC-V生态本身的建设方式。未来大量基础软件可能由AI智能体直接生成和维护。"我们必须打造一个不仅对开发者友好、还对AI友好的RISC-V生态。" "开发者就像流水，顺势而为。哪里有机会、有资源、是增量，就会流向哪里。"武延军判断，一旦标杆案例足够多、商业回报开始兑现，生态的迁移不会是线性的，而是在某个临界点突然加速。 规则重写之后 从2016年那个酒店房间到2026年的中关村论坛，十年。 "香山"和"如意"走过的路径，与1990年代Linux的崛起有一种结构性的相似。都从学术界发起，都经历了"不被看好"到"产品级交付"的漫长验证，都依赖一个不断壮大的开源社区来对抗成熟商业生态的惯性。有关专家评价说，"其意义堪比Linux操作系统首次企业部署"。 但与Linux不同的是，"香山"和"如意"面对的不只是技术竞争，还有地缘博弈。在芯片授权随时可能成为谈判筹码的时代，开源的价值不是"免费"两个字能概括的。它的核心含义是：没有任何一个国家、一家公司、一个组织，能在某天早上决定把这条路封掉。 中科院副院长丁赤飚在发布会上的措辞是"中国方案"。这四个字的分量在于，它不是在别人画好的地图上找出路，而是铺了一张新的地图。"一生一芯"计划已覆盖1100多所高校、27000余名参与者，核心研发团队超过一千人且还在持续扩大。路已经修出来了。接下来是让更多的车跑上去。 规则重写之后，游戏才刚刚开始。

　　2026年是中国国民经济和社会发展第十五个五年规划（简称“十五五”规划）的开局之年。总台环球资讯《全球洞察》栏目记者对话国际政、商、学界人士，以全球视角展现中国发展成就的世界意义。 　　本期《全球共话“十五五”开局》专访嘉宾：英国知名学者、剑桥大学政治与国际研究系前高级研究员马丁·雅克 　　3月发布的中华人民共和国国民经济和社会发展第十五个五年规划纲要（下称“十五五”规划纲要）提出，“十五五”时期，中国发展环境面临深刻复杂变化。世界百年变局加速演进，国际力量对比深刻调整。大国博弈更加复杂激烈，外部环境的不确定性不稳定性明显增强。 　　“十五五”规划纲要指出，中国倡导践行真正的多边主义，坚定维护以联合国为核心的国际体系、以国际法为基础的国际秩序、以联合国宪章宗旨和原则为基础的国际关系基本准则，拓展全球伙伴关系网络，引领国际秩序朝着更加公正合理的方向发展。 　　在专访中，马丁·雅克表示，中国正在以冷静和理性的方式，来应对充满不确定性的动荡世界，而做到这一点的基础，在于实力。  　　马丁·雅克： 　　我们正生活在一个危险的、不可预测的时代。我认为中国从这一切中取得了经验：无论发生什么，都不要火上浇油，尽可能保持国与国之间稳定、友好的关系。这一点可以从当前中美关系中看得很清楚。 　　中国在贸易问题、关税问题上拒绝妥协。迄今为止，可以说世界上几乎没有其他国家有能力做到这一点，或者敢于这样做。部分原因在于，基于自身实力而言，只有中国具备这样做的能力。 　　中国在新的动荡时代，在处理大国关系的过程中找到了自己应对的方式，那就是以冷静的态度处理，不为挑衅所动，致力于维护双边关系处于相对平稳的状态，这非常重要。 　　面对全球单边主义、保护主义抬头，霸权主义和强权政治威胁上升。 “十五五”规划纲要提出，坚持开放合作、互利共赢，以开放促改革促发展，倡导平等有序的世界多极化、普惠包容的经济全球化，与世界各国共享机遇、共同发展。 　　在马丁·雅克看来，虽然面临巨大挑战，全球化仍是时代发展的大势所趋。中国所倡导的共建“一带一路”倡议，正是新时代背景下全球化进程的成功案例。  　　马丁·雅克： 　　全球化是一种长期的历史发展趋势，这一点是确定的，但这并不意味着全球化始终处于健康发展的状态，也不意味着它不会遭遇挫折。自2016年以来，我们看到美国出现了一股新的反全球化、反自由贸易的浪潮。而在特朗普政府开启第二任期后，我们看到美国近百年来首次实施如此大规模加征关税的政策。我们现在正处于全球化进程被放缓，甚至在某些关键方面被逆转的时期。 　　与此同时，全球化正在以新的形态发展。中国共建“一带一路”倡议就是一种非常重要的新型全球化形态，并且取得了巨大成功。 　　“十五五”规划纲要还明确指出，中国将继续深化文明交流互鉴，广泛开展国际人文交流合作，加强多层次文明对话，推动中华文化更好走向世界。 　　对此，马丁·雅克表示，中国是推动文明交流互鉴的典范，在推动文明发展和倡导不同文明之间相互尊重方面做得非常出色。他认为，中国在“全球文明倡议”提出的主张极具预见性。  　　马丁·雅克： 　　当今世界和人类社会发展最显著的特征之一，就是产生了极其丰富的文化传统与文明形态。而这些文化传统与文明形态，对于其发端的人类社会而言，同样具有极其重要的意义，因为它们丰富了人类的生活，让每一个个体都从中受益。 　　中国在重视推动文明发展，以及倡导不同文明之间相互尊重方面一直做得非常出色。在我看来，中国是推动文明交流互鉴的典范，中国本身更是伟大文明的延续与体现。 　　中国在“全球文明倡议”当中提出的主张非常重要且极具预见性。中国以此向全世界，特别是发展中国家发出呼吁，倡导文明的复兴与繁荣，强调尊重文明差异的重要性。 　　策划：陈濛 　　记者、编辑：杜慧琴 　　签审：陈濛 　　监制：邹浩宇

 　　春拂大地，满目新绿。又到一年植树时。 　　“良好生态人人共享，也需要合力共建。要组织动员全社会广泛参与植树造林，为山川大地增添锦绣，让中国式现代化的底色更加亮丽。”3月30日，习近平总书记来到北京市昌平区百善镇参加首都义务植树活动，同在场的干部群众、少先队员亲切交谈并发表重要讲话。 　　习近平总书记的重要讲话，充分肯定党的十八大以来我国生态文明建设取得的重要成就，深刻指出新形势下推进国土绿化的方针原则、工作导向、实践要求，为我们在新征程上全面推进美丽中国建设指明了努力方向。总书记身体力行、率先垂范，必将有力引领社会各界积极投身到全民义务植树活动中来，共同谱写人与自然和谐共生的中国式现代化新篇章。 　　党的十八大以来，在习近平生态文明思想指引下，我国积极推进大规模国土绿化行动，持续筑牢中国式现代化的生态根基。截至目前，我国森林面积达36.14亿亩，森林覆盖率达25.09%，森林蓄积量达209.88亿立方米。其中，仅“十四五”时期，我国就造林1.85亿亩，面积与福建省相近。五年间，全国退化草原面积缩减近2.8亿亩，草原综合植被盖度稳定在50%以上，完成沙化土地治理1.52亿亩……我国森林面积和蓄积量持续“双增长”，荒漠化和沙化土地面积持续“双缩减”，是全球增绿最多最快的国家，天蓝地绿水清已经成为常态。 　　增绿就是增优势，植树就是植未来。持续推进国土绿化，不断加强生态文明建设，是关系中华民族永续发展的根本大计，对于我国加快经济社会发展全面绿色转型，推动高质量发展，增进民生福祉，维护国家生态安全，具有重要意义。 　　“要更加注重提质、兴业、利民，实现种与管共抓、生态与产业共促、人与自然共生。”习近平总书记的重要指示，为新时代新征程推进国土绿化高质量发展指明了方向。我们要沿着总书记指引的方向奋发努力，统筹利用绿化空间，因地制宜做好增绿文章，下更大气力加强管护，全面提升林草质量和功能。要畅通生态产品价值转化渠道，壮大林草产业，同步提升经济价值和生态效益。要协同推进城乡绿化美化，见缝插针增加群众身边的绿地，让城乡居民有更多的绿色获得感。 　　以法典之名，护锦绣山河。前不久，我国颁布生态环境法典，进一步筑牢了美丽中国建设的法治基石。生态环境法典规定：“植树造林、保护森林，是公民应尽的义务。”我们要更好发挥法治固根本、稳预期、利长远的重要作用，引导全社会牢固树立环保意识、生态意识，以行动植绿、以法治护绿、以全民守绿，一茬接着一茬干、一代接着一代干，不断增厚“绿色家底”。 　　人不负青山，青山定不负人。我们要以习近平生态文明思想为指引，咬定青山不放松，立足当下、着眼长远、接力奋斗，把植树造林这件利国利民的大事扎实做好，建设生态文明，全面推进美丽中国建设，加快推进人与自然和谐共生的现代化，实现中华民族永续发展。 　　央视评论员

　　校园是孩子们学习生活的主阵地，从课堂教学的安全保障到课间活动的秩序维护，从校园交通的规范通行到食品安全的严格把关，校园安全涉及方方面面，关乎每一位学生的切身利益。 　　在第31个全国中小学生安全教育日来临之际，让我们一起学习校园安全知识，让安全意识入脑入心，为孩子成长保驾护航。 　　食堂就餐安全 　　就餐时有序排队，按需取餐。牢记自身食物过敏史，不食用致敏食物，不食用外观异常或有异味的饭菜，发现问题立即告知食堂工作人员或老师。 　　校园饮水安全 　　优先饮用校园直饮水或自带干净饮用水，不喝生水；发现校园饮水设备异常及时告知老师。 　　个人饮食卫生 　　饭前便后认真洗手，不与同学共用餐具、水杯。远离高油高糖高盐的零食。就餐或饮水后若出现腹痛、呕吐、腹泻等不适，第一时间告知老师并及时就医。 　　养成良好习惯 　　日常勤洗手，多通风，咳嗽或打喷嚏时用纸巾或肘部遮掩口鼻，不随地吐痰。在呼吸道传染病高发期科学佩戴口罩，不与患病同学密切接触，避免交叉感染。 　　科学应对身体不适 　　如出现头痛、发热、咳嗽、腹痛、呕吐、腹泻等不适症状，第一时间告知老师，不硬扛、不带病上课，及时回家休息、就医，痊愈后再行返校。 　　规范接种疫苗 　　规范全程接种国家免疫规划疫苗，鼓励在知情自愿前提下接种流感疫苗等非免疫规划疫苗。 　　积极与人交往 　　主动与他人沟通，学会尊重与包容，建立和谐人际关系。 　　学会情绪调节 　　出现情绪波动是正常现象，学会接纳负面情绪。可通过运动、倾诉、听音乐等方式调节情绪，不采取极端方式发泄。当负面情绪持续较久时，主动向心理老师、家长求助。 　　防范校园欺凌 　　坚决不参与、不围观任何形式的欺凌。若自己遭遇欺凌，寻找机会求救，以保证自身安全为首要原则。发现同学被欺凌，应在力所能及的情况下提供帮助或报告老师。 　　课间活动守规 　　课间不追逐打闹、不攀爬围栏或翻墙、不触碰电箱插座和未知物品。上学放学遵守交通规则，不去野外水域玩耍，放学后按时回家。 　　课堂活动循矩 　　体育课、实验课等应在老师指导下规范进行，不擅自摆弄器材、违规操作。体育课前做好热身，运动中若感到不适，立即停止并报告老师。 　　集体活动有序 　　集体活动听从指挥，遇到突发情况时，冷静听从老师安排，避免拥挤，防止发生踩踏事件。 　　文明规范用网 　　上网不浏览不良信息、不点击陌生可疑链接，不信谣传谣。 　　防范网络风险 　　不轻信陌生网友，不泄露个人信息、验证码，不传播他人及校园隐私。遇到不良信息告知老师和家长协助处理。 　　爱护网络设备 　　在老师指导下规范使用校园网络设备，发现设备故障或网络异常，及时告知管理老师。

 习近平在参加首都义务植树活动时强调 为山川大地增添锦绣 让中国式现代化底色更加亮丽 李强赵乐际王沪宁蔡奇丁薛祥李希参加 　　3月30日，党和国家领导人习近平、李强、赵乐际、王沪宁、蔡奇、丁薛祥、李希等来到北京市昌平区百善镇参加首都义务植树活动。这是习近平同大家一起植树。 　　中共中央总书记、国家主席、中央军委主席习近平30日上午在参加首都义务植树活动时强调，良好生态人人共享，也需要合力共建。要组织动员全社会广泛参与植树造林，为山川大地增添锦绣，让中国式现代化的底色更加亮丽。 　　首都北京春风和煦、万物生发。上午10时40分许，党和国家领导人习近平、李强、赵乐际、王沪宁、蔡奇、丁薛祥、李希等集体乘车，来到昌平区百善镇，同干部群众一起参加义务植树。 　　植树点为规划公园用地，公园建成后将为群众提供生态休闲空间。 　　3月30日，党和国家领导人习近平、李强、赵乐际、王沪宁、蔡奇、丁薛祥、李希等来到北京市昌平区百善镇参加首都义务植树活动。这是习近平同大家一起植树。 　　看到总书记来了，正在植树的干部群众纷纷热情地向总书记问好。习近平向大家挥手致意，拿起铁锹走向植树现场，同在场的北京市、国家林草局负责同志和干部群众、少先队员一起忙碌起来。 　　3月30日，党和国家领导人习近平、李强、赵乐际、王沪宁、蔡奇、丁薛祥、李希等来到北京市昌平区百善镇参加首都义务植树活动。这是习近平同大家一起植树。 　　挥锹铲土、培土围堰、提水浇灌……习近平接连种下油松、北京牡丹、榆叶梅、杜仲、元宝枫等多棵树苗。他一边植树，一边询问孩子们的学习生活、劳动锻炼和参加植树情况。习近平强调，青少年像小树苗一样充满活力和希望，要从小树立远大志向，爱知识、爱劳动、爱自然，德智体美劳全面发展，努力成长为栋梁之材。现场气氛热烈，一派繁忙景象。 　　3月30日，党和国家领导人习近平、李强、赵乐际、王沪宁、蔡奇、丁薛祥、李希等来到北京市昌平区百善镇参加首都义务植树活动。这是习近平同在场的干部群众、少先队员亲切交谈。 　　习近平同在场的干部群众亲切交谈。他说，党的十八大以来，我国森林面积和蓄积量持续“双增长”，荒漠化和沙化土地面积持续“双缩减”，是全球增绿最多最快的国家，天蓝地绿水清已经成为常态。前不久，我国颁布生态环境法典，进一步筑牢了美丽中国建设的法治基石。植树造林是美丽中国建设的一项重要任务，要咬定青山不放松，立足当下、着眼长远、接力奋进，把这件利国利民的大事扎实做好。 　　3月30日，党和国家领导人习近平、李强、赵乐际、王沪宁、蔡奇、丁薛祥、李希等来到北京市昌平区百善镇参加首都义务植树活动。这是习近平同在场的干部群众、少先队员亲切交谈。 　　习近平强调，今年是“十五五”开局之年，也是全民义务植树运动开展45周年。新形势下推进国土绿化，要更加注重提质、兴业、利民，实现种与管共抓、生态与产业共促、人与自然共生。要统筹利用绿化空间，以地定绿、以水定绿，因地制宜做好增绿文章，宜树则树，宜草则草。要下更大气力加强管护，分区分类开展森林可持续经营，有力有效推进草原保护修复，全面提升林草质量和功能，防火防虫护好绿化成果。要畅通生态产品价值转化渠道，壮大林草产业，同步提升经济价值和生态效益。要协同推进城乡绿化美化，见缝插针增加群众身边的绿地，让城乡居民有更多的绿色获得感。 　　3月30日，党和国家领导人习近平、李强、赵乐际、王沪宁、蔡奇、丁薛祥、李希等来到北京市昌平区百善镇参加首都义务植树活动。这是习近平同在场的干部群众、少先队员亲切交谈。 　　在京中共中央政治局委员、中央书记处书记、国务委员等参加植树活动。

马俊杰是中国内地知名男艺人，现为时代少年团队长、主场兼 C 位，2002 年 12 月 12 日出生于河南郑州。 刚刚那段话是从某个 AI 大模型工具里复制粘贴下来的，是关于问题「马嘉祺是谁」的回答。 没错，是马嘉祺，但 AI 会自动替换成「马俊杰」，有时候也会替换成「马杰伦」、「马祺祺」等。 可能有朋友说，这就是 AI 在胡编乱造。还真不是，除了名字以外，其他的信息都非常正确。 作为人类我们也会有类似的事情，经常我们会说，「你记不记得那个谁，就那个谁，练习时长两年半，喜欢唱、跳、Rap、篮球，哎叫啥来着」。 就是你能说出很多精准的细节，但就是想不起那个名字，这在心理学上叫「舌尖现象」。 我们说话时大脑要走两个步骤：第一步，语义提取——大脑锁定了这个「东西」的所有属性，长相、功能、感觉。第二步，音韵提取——大脑去「档案柜」里找对应的那个名字发音。 舌尖现象的核心在于：你已经完成了第一步（理解了它），但卡在了第二步（没找到那个词）。因为我们人类就是要先去理解世界，然后才能去表达世界。 这个事情再继续讨论下去，就是维特根斯坦那句「我语言的局限，意味着我世界的局限。」这就会变得很复杂，但我想知道的是，那 AI 呢？「马嘉祺」这样的错误，是不是也跟它如何理解世界有关系？ AI 理解世界，跟人差不多是正好相反的。我特别简化地来说，人是得先有具体的东西，然后才有一张词汇表；AI 是先有一张词汇表，然后去找对应的描述和概念。 这么说比较抽象，我举个例子。 小时候，你看到一个红色的、带小点的东西。你摸到它坑洼的表皮，闻到那股特殊的清香，咬下去感受到酸甜的汁水。你的大脑里形成了一个关于这个事物的完整综合体——颜色、形状、气味、味觉、手感。大人们告诉你，这个综合体叫「草莓」。 当你突然说不出「草莓」这两个字时，你脑子里依然有那个红色的影子、那个味道、那种口感。 但 AI 不一样。 AI 的「大脑」——也就是模型——里先有一张巨大的清单，里面有个词汇叫「草莓」，或者 strawberry。AI 在训练中读了亿万次带有 strawberry 的句子，它发现 strawberry 经常和 red、sweet、fruit 出现在一起。通过这些统计概率，AI 在自己的数学模型里「拼凑」出了一个关于草莓的描述。它并没有真的见过、闻过、尝过草莓，它只是通过这个标签背后的数据关联，「模拟」出了它应该是什么样子。 甚至，在 AI 的词汇表里，都没有「草莓」或者「strawberry」这个词，它有的只是一串编号，我随便说，这个编号可能是 23764。这个编号，就叫做 Token，也就是大模型理解世界的开始。 用大模型，尤其最近装小龙虾 OpenClaw 的人，对这个词肯定非常熟悉。不管你在 AI 里做什么，都需要消耗 Token，很多大模型也都是按 Token 计费的。每次你跟 ChatGPT 对话、用 Claude Code 写代码、让 AI 帮你翻译一段话，你消耗的就是 Token。你买的会员，本质上是在买 Token 的额度。 现在 Token 这个词已经大大超过了科技里的含义，有的人说 Token 可以当员工福利，还有的人说 Token 可以当工资——当然了，说这话的无一例外都是老板。而更大的老板，NVIDIA 的 CEO 黄仁勋在 2026 年 3 月 17 号 GTC 大会上说了一句话：Token 将会是一个万亿美元市场的基础。万亿。Trillion. 最近，Token 也有了中文译名，叫词元。这个翻译我觉得并不好，原因后面会说。不过为 Token 寻找中文译名这个行为本身，说明这个词的影响正在超出从业人士而走向大众——一个中文名字总比英文名字用起来方便，而且更方便出现在各类政策、规定甚至法律当中。 为了方便，在这里我们依然还是叫 Token。那问题是，Token 到底是什么？ 现在常见的用法，Token 有三个含义。 一个是令牌的意思，就是你登录一个网站之后，服务器发给你的一串随机字符，证明「这个人验证过了」。它本身没有任何含义，但代表了你的身份。这个概念从 1970 年代就有了。 第二个是加密货币里的 Token，也就是代币。2017 年 ICO 热潮的时候，这个词几乎天天上新闻。各种加密货币、数字代币，本质上就是一串代码，没有任何物理实体，但代表了某种价值。 第三个，就是我们今天要聊的——AI 大模型里的 Token。如果用最简单的话来概括，Token 是语言的替代物。 要搞清楚 Token 是怎么变成今天这个样子的，我们得从头讲起。 1906 年，美国哲学家查尔斯·桑德斯·皮尔士（Charles Sanders Peirce）在一篇论文里提出了一个区分，叫 Type-Token distinction（类型-标记区分）。 皮尔士是干什么的呢？他是美国符号学的奠基人，也是一个逻辑学家。他当时在做一件很有野心的事情：发明一套用图形来做逻辑推理的系统，他管它叫「存在图」（Existential Graphs）。 这个理论极其复杂，没办法在这里展开讲。简单来说，皮尔士试图把人类的逻辑都用图示的方式表达出来。就像将军打仗要看地图一样——皮尔士自己就举过这个例子——你不会说「国土就在那里啊，要地图干什么？」地图让你看到地形里隐藏的关系，逻辑图让你看到思维里隐藏的关系。 在存在图里，基本上就是圈圈套圈圈的形式，但它遇到一个问题。比如他在图上画了一个圆圈，代表「否定」。然后他在另一个地方又画了一个圆圈，也代表「否定」。现在问题来了——这是「两个圆圈」还是「同一个圆圈出现了两次」？ 如果你说是两个圆圈，那它们之间是什么关系？它们为什么意思一样？如果你说是同一个圆圈出现了两次，那那个「同一个」的圆圈在哪里？它不在纸上的任何一个具体位置。 这不是在抬杠。对于一个试图把逻辑推理严格形式化的人来说，这是一个地基级别的问题。如果你连「这个图上有几个东西」都说不清楚，你怎么去定义推理规则？ 皮尔士用了一个很日常的例子来解释他的解决方案。他说，你翻开一本书，一页纸上大概有二十个 「the」。如果你在数这本书有多少字，那这二十个 the 就是二十个词。但从另一个意义上说，英语里只有一个 「the」。那二十个只是它的二十次出现。 那个唯一的、抽象的 「the」——不存在于任何一页纸上、不能被任何声音说出来的那个 「the」——皮尔士叫它 Type（类型）。而纸上每一个具体的、印在那个位置的 the，他叫它 Token（标记）。 Type 是规则，Token 是实例。Type 是抽象的形式，Token 是那个形式每一次具体的、物理的显现。 用他自己的话说——Type 不存在，但它决定了存在的东西。 这个区分解决了他的问题。从此他可以精确地说：逻辑图上的一个符号是一个 Token——一个特定位置上的具体实例；而这个符号所遵循的规则是一个 Type——一个不依赖于任何具体位置的一般法则。两个圆圈是两个 Token，但它们是同一个 Type 的两次出现。 那这个区分的效果怎么样？ 说实话，皮尔士的存在图在他活着的时候几乎没有引起什么反响。他的论文写得太晦涩了，而且那个年代数学家和逻辑学家们更习惯用线性的代数符号来做推理，觉得画图是绕远路。 但皮尔士无意间抓住了一个比逻辑图更根本的问题：任何符号系统——不管是语言、代码还是逻辑——都同时存在于两个层面。一个是抽象的规则层面，一个是具体的实例层面。你必须同时追踪这两个层面，否则你什么都说不清楚。 于是 Type-Token 这对概念被其他领域的人拿走了。1930 年代，哈佛的语言学家齐普夫（George Zipf）用 Token 来数每一个词每一次出现，用 Type 来分类每一个不重复的词形，然后把词按频率从高到低排列。 他发现了一个规律——排名第一的词出现的次数，大约是排名第二的两倍，是排名第三的三倍，是排名第一百的一百倍。排名乘以频率，几乎是一个常数。这就是齐普夫定律（Zipf‘s Law）。它不只是英语的规律——中文、法语、日语、拉丁语，几乎所有人类语言都服从同一个分布。 紧接着，1944 年，心理学家约翰逊提出了 Type-Token Ratio（类型-标记比）——用来衡量一段文本的词汇丰富度。这个指标到今天还在用。皮尔士那个「一页纸上有几个 the」的哲学问题，就这样变成了可以量化、可以画曲线、可以发现规律的科学工具。 然后，计算机来了。 1960 年代，编译原理。这是 Token 在数字世界的第一次生命——它成了语法的替身。 当你写下一行代码——比如「int x = 5;」——计算机并不能直接读懂它。编译器做的第一件事，就是把这行代码切碎。「int」是一个 Token，代表「整数类型」。「x」是一个 Token，代表变量名。「=」是一个 Token，代表赋值。「;」也是一个 Token，代表语句结束。 编译器不理解代码的「意思」。它只需要把连续的字符流切成一个个有身份的小单元，再按规则组装。这个过程就叫 tokenization（词法分析）。 有意思的是，编译器里的 tokenization 和皮尔士的 Type-Token 完全对应。编译器先定义一套 Type——关键字、加减乘除这些运算符号、变量名这些类别——然后在代码中识别出每一个 Token，也就是这些 Type 的每一次具体出现。第一个「int」和第一百个「int」是同一个 Type 的不同 Token——和皮尔士数 「the」 的逻辑一模一样。 到这里，就和我们现在使用的 Token 意思基本差不多了——都是把一种语言分割，然后方便计算机识别。但还有一个问题是之前没有遇到的：到底怎么分割自然语言？ 编译器切代码，其实是很幸福的一件事。因为代码是人造的，它有严格的语法规则。「int」就是「int」，分号就是分号，空格就是分隔符。你不需要猜，规则——也就是那个 Type——已经预先确定好了，替你决定了从哪里切。 但自然语言不是人造的。或者说，它是几十亿人在几万年里「合造」的，没有人坐下来写过一份规格说明书。 英语还好一点。单词之间有空格，你至少知道从哪里切。「I love cats」 三个词，三个 Token，清清楚楚。 但这个「按空格切」的方案，一碰到现实就碎了。三堵墙同时堵在路上。 第一堵墙：词表爆炸。英语里 cat 是一个词，cats 是一个词，love、loved、loving 也都各是一个词。如果每个词形都算一个独立的 Token，英语光是有记录的词形就有几十万个。德语更夸张，它可以把几个词黏在一起变成一个超长的复合词——你可能见过那个著名的例子，Rindfleischetikettierungsüberwachungsaufgabenübertragungsgesetz。这是一个关于牛肉标签监管职责转让的法律用语，六十三个字母黏在一起算一个词。你的词表要不要收录它？如果要收录，那类似的复合词有多少个？词表需要无限大。 第二堵墙：未登录词。你用训练数据建了一张词表，里面有十万个词。然后用户输入了一个不在词表里的词——一个品牌名、一个网络流行语、一个拼写错误。怎么办？早期的做法是把所有不认识的词统一标记成一个特殊符号「UNK」，意思是「未知」。这就形成了一个悖论：比如「蔡徐坤」不在词表里，你去问 AI「我想了解蔡徐坤」，AI 看到的是「我想了解 UNK」。你整句话里最关键的那个信息，对 AI 来说是一片空白。 第三堵墙：很多语言没有空格。中文没有空格，日语没有空格，泰语没有空格。全世界大多数人说的语言，词和词之间是不分开写的。比如「乒乓球拍卖了多少钱」，从哪里切？乒乓球、拍、卖，还是乒乓球、拍卖？「了」算一个词还是一个语法标记？这不是一个有标准答案的问题。中文分词到今天都是自然语言处理里的经典难题。 所以你看，「按空格切」这个最直觉的方案，只在很有限的条件下管用。 大家想了别的办法。往上走，词干提取，把 cats 还原成 cat，把 loving 还原成 love，这样词表就小了。但你得为每种语言手写规则，英语的不适用于德语，德语的不适用于中文，对非欧洲语言基本没用。往下走，按字母切。「hello」 切成 h、e、l、l、o，词表只有 26 个字母加一些符号，绝对不会爆炸，也绝对不会碰到未登录词。但代价巨大——序列太长了。一个句子按词切只有 50 个 Token，按字母切可能有 300 个。序列越长，训练越慢，效果越差。 上也不通，下也不通，中间也没有通用的方案。 直到 2016 年。 2015 年到 2016 年，神经机器翻译——就是用深度学习做翻译——正在快速崛起。Google、百度都在押注这个方向。效果比传统的统计翻译好了一大截，但有一个问题始终解决不了：生词。 神经翻译模型需要一张固定的词表，通常是三万到五万个词。但翻译天生就是一个开放词汇的问题——你永远不知道用户会输入什么。一个德国城市的名字、一个新成立公司的名字、一个刚发明的科学术语，只要它不在词表里，模型就只能输出 「UNK」——「我不认识」。 之前的解决办法是「查词典兜底」——碰到不认识的词，就去词典里找对应的翻译硬塞进去。但这个做法很笨拙。首先你得有词典，其次词典里也不一定有这个词，最后硬塞进去的翻译经常和前后文格格不入。 爱丁堡大学的 Rico Sennrich 和他的同事——Barry Haddow 和 Alexandra Birch——意识到一件事：其实很多「生词」并不是真的全新的。人名可以通过音译处理，复合词可以拆开翻译，同源词可以通过形态变换识别。也就是说，很多词的翻译可以在比「词」更小的单位上完成。 问题是：这个「更小的单位」是什么？怎么切？ Sennrich 的思路很简单：别让人来决定怎么切了，让数据自己决定。他用了一个叫 BPE 的算法——Byte Pair Encoding（字节对编码）。 这个算法也不是 Sennrich 的原创，事实上在 1994 年就有人提出来了，作者叫 Philip Gage，文章发表在 《The C Users Journal》杂志上。这不是一个学术期刊，而是一本面向 C 语言程序员的实用技术杂志，主要刊登编程技巧和小工具。放在今天大概相当于在 Medium 或者某个技术博客上发了篇帖子。 这也不是一个很好的压缩方案。Gage 在论文里自己就承认，BPE 的压缩率不如当时已经广泛使用的 LZW 算法——就是 zip 文件使用的那种算法。 他说 BPE 的优势是解压程序特别小、解压速度特别快，适合一些内存有限的场景。多有限呢？比如早期的工业控制器、某些专用仪器、资源极其受限的微处理器。这些设备可能只有几 KB 的内存，一个标准的 LZW 解压库放不进去，但 BPE 的解压代码几十行 C 就能搞定。 但更广泛的场景——也就是个人电脑里——虽然内存远远不能跟现在相比，但也已经是 MB 级别的了，反而硬盘空间和网络带宽紧张，需要更高的压缩率。 它的唯一优势（解压程序小）只在极少数人关心的场景里有意义，而它的劣势（压缩率不如主流方案）在大多数人关心的场景里很明显。 这就好比说，你有一台冰箱，制冷不行，耗电也不行，唯一的优势是这是个大象形状的，方便把大象装进去。 现在大象来了。 整个人类的语言库，就是那头巨大无比的大象。Sennrich 看出了一个关键的类比：数据压缩在做的事情——找到重复出现的模式，用更短的符号代替它——和语言切分需要做的事情，在结构上是一样的。一个在极小众场景里发明的压缩算法，就这样被搬到了自然语言处理。 把这头大象装进去，总共分三步： 第一步：把所有文字打散成最小的单位——字节。英文字母一个字节，中文汉字在 UTF-8 编码（一种通用的字符编码标准）下通常是三个字节。这一步不需要任何语言学知识，不管你是什么语言，到了字节这一层，大家都一样。 第二步：扫描整个训练语料，统计哪两个相邻的字节出现在一起的次数最多。比如在英文里，t 和 h 经常挨着出现，因为 the、that、this、think 这些高频词都以 th 开头。好，把 t 和 h 合并成一个新的符号 th，分配一个新的编号。因为 0 到 255 已经被基础字节占了，所以第一个新符号从 256 开始。 第三步：在合并之后的基础上，再统计。th 和 e 经常一起出现——合并成 the，编号 257。th 和 a 也经常一起——合并成 tha，编号 258。 如此反复，迭代几万次。每一次迭代，都把当前出现频率最高的一对合并成一个新的符号。 原理就是如此。没有语法分析，没有词典，没有任何人类对语言的理解。就是数数。 最终你会得到一张词表——通常是几万到十几万个 Token。这张词表里有什么？常见的英文单词，比如 the、and、is，各自是一个完整的 Token。常见的中文汉字，比如「的」、「是」、「我」，也各自是一个完整的 Token。 但不常见的字、不常见的词、不常见的组合——它们没有攒够足够的频率被合并成独立的 Token，就只能留在碎片状态。比如 「Krzyzewski」——前杜克大学篮球主教练老 K 的姓——会被拆成五六个碎片。 但关键是：它不会消失。不管多生僻的词，BPE 都能把它拆成已有的小碎片来表示。永远不会输出「UNK」。 还记得前面的三堵墙吗？词表爆炸、未登录词、没有空格——BPE 一次性全部推倒。词表大小可控，几万个就够；任何新词都能用现有碎片拼出来；不需要空格，因为切分完全由统计驱动。 如果你还记得前面说的齐普夫定律——少数词出现频率极高，大量词出现频率极低——你就会发现 BPE 在做的事情，本质上就是把齐普夫定律翻译成了一张编码表：高频组合变成短编码，低频组合留在长编码。和信息论的精神一脉相承：常见的东西应该占更少的空间。 讲到这里，值得思考一个问题：BPE 和之前拆 Token 的方式，最本质的不同是什么？ 从皮尔士到齐普夫到编译器，我们都首先需要去理解规则，也就是理解 Type，才能去做分析和拆分。皮尔士说 「the」 是一个词，那是人类的语言规范。编译器说 `int` 是关键字，那是程序语言设计者写下的规则。 一百一十年来，Token 可以是任何东西的替身，但 Type——那个定义「什么是一个有意义的单位」的权力——始终在人类手里。 但 BPE 不一样。 BPE 根本不问「什么是一个词」。它不关心语法，不关心词根，不关心任何人类对语言的理解。它只做一件事：数字节对出现了多少次。the 成为一个 Token，不是因为有人告诉系统 「the 是英语里的定冠词」，而仅仅是因为 t-h-e 这三个字节碰巧在训练数据里反复挨在一起。 换句话说——BPE 的词表里没有 Type。或者更准确地说，BPE 用 Token 的统计分布取代了 Type。它不需要人类来定义什么是一个有意义的语言单位，它让频率自己「涌现」出有意义的单位。 这也是为什么 BPE 是一件极其强大的武器——它不依赖任何语言学知识就能处理所有语言，因为它根本不需要知道什么是「词」。Sennrich 在论文里解决的那个问题——生词——也因此被彻底消解了：当你的系统不再以「词」为单位，就不存在「词表里没有的词」这回事。任何文本都可以被拆到字节层面，然后从字节往上合并到它在词表里能达到的最高层级。 但这还不是终点。 2018 年，OpenAI 发布 GPT-2 的时候，对 Sennrich 的 BPE 做了一个重要的改进。 Sennrich 原版的 BPE，起点是字符——英文字母、中文汉字、标点符号这些。这意味着你得先告诉系统「这些是英文字符、这些是中文字符、这些是阿拉伯文字符」——虽然比「告诉系统什么是一个词」要简单得多，但你仍然需要一套字符表，而且不同语言的字符表不一样。 OpenAI 的做法是再往下走一层：不从字符出发，从字节出发。 什么是字节？计算机里所有的东西——文字、图片、音乐、视频——在最底层都是 0 和 1。每 8 个 0 和 1 组成一个字节。一个字节能表示 256 种不同的状态，从 0 到 255。 在 UTF-8 编码下，一个英文字母恰好是一个字节。字母 A 是字节 65，B 是 66，z 是 122。一个中文汉字需要三个字节。比如「马」这个字，在 UTF-8 里是三个字节：229、184、172。不是一个数字，是三个数字拼在一起。 改进版被称作 Byte-level BPE，简称 BBPE，起点就是这 256 个基础字节。不管你输入的是英文、中文、阿拉伯文、缅甸文还是 emoji，到了字节这一层，大家都是 0 到 255 之间的数字，没有区别。然后 BPE 在这个基础上做合并——高频的字节对合并成新符号，再合并，再合并，迭代几万次，生成最终的词表。 BPE 的处理对象还是自然词汇，但 BBPE 不再需要知道世界上有多少种文字。它不需要一张字符表，不需要知道中文和英文的区别，不需要任何关于语言的先验知识。万物皆字节，字节皆可合并。 这就是为什么 GPT 系列模型能「处理任何语言」——不是因为它学过所有语言，而是因为它的起点足够低。低到了字节。在字节面前，所有语言一律平等。 听起来很美好，美好到不现实，对吧？ 不平等在训练之前已经发生了。 英文字母一个字节就是一个字符，BPE 从一开始就在处理有意义的单位。而中文汉字需要三个字节，BPE 得先把这三个碎片合并回一个字，才能开始处理「有意义」的东西——它的起跑线就比英文靠后了一步。 再加上训练数据里英文内容占绝对多数，英文的字节组合有大量的统计支撑去合并成完整的单词甚至短语，而中文的字节组合能合并回单字就不错了，更别说词组。 举个例子。在 GPT-5 的 Tokenizer 里，「字节跳动的短视频平台抖音」，总共 12 个汉字，需要用 11 个 Token；而英文版 「ByteDance‘s short video platform Douyin」 有 40 个字母，只需要 9 个 Token——要注意，ByteDance 和 Douyin 甚至都不是真正的英文单词，但在英文里依然效率更高。 我们可以仔细看一下「字节跳动的短视频平台抖音」是怎么变成 Token 的。「视频」和「平台」都是一个 Token，「抖」占了两个 Token。 这里多解释一下，为什么一个汉字会占据两个 Token。像前面所说，BBPE 不是面向字符编码，而是面向字节编码。「抖」对应的编码是 230、138、150，很可能在数据库里，230 与 138 的组合是高频的，但再加上 150 的话频率就没那么高了，所以编码 230、138 对应了一个 Token，而编码 150 单独对应一个 Token。 每个字单独编码，偶尔两个字能合并，但也有些字需要拆分。总体上，中文的 Token 消耗就是比英文高。 那这意味着什么呢？ 大模型是按 Token 计费的。OpenAI 的 API，每一千个 Token 收多少钱，白纸黑字写在价格表上。你消耗更多的 Token，你就付更多的钱。 而且不只是付钱的问题。大模型有上下文窗口（context window，模型一次能「记住」的内容量）——就是它一次能处理的 Token 总量上限。GPT-4 的上下文窗口是 128k 个 Token。 这意味着如果你用英文，你可以在一次对话里塞进去大约十万个英文单词——差不多一本中等篇幅的小说。但如果你用中文，同样的 128k 个 Token，你能塞进去的内容就要少很多。 同样的窗口，中文用户能说的话更少。 付更多的钱，得到更少的空间，获得更短的回答。这就是 Token 不平等的经济学。 但中文至少还算「大语言」。训练数据里中文内容虽然不如英文多，但也有相当的规模，足以让常用汉字被合并成独立的 Token。 真正惨的是那些小语种。 近年来，多项研究对这个问题做了系统的测算。他们发现，同样的语义内容，用不同语言表达所消耗的 Token 数量差异可以达到十几倍。 英文是基准——消耗最少的 Token，中文大约是英文的 1.5 到 2 倍，日语、韩语类似，缅甸语、藏语、阿姆哈拉语等语言，同样的内容可能需要英文 5 到 10 倍的 Token 为什么？因为这些语言在训练数据里几乎不存在。BPE 在训练的时候没有见过足够多的缅甸文，所以缅甸文的字节组合从来没有机会被合并——它们永远停留在最碎的碎片状态，每一个字都被拆成三四个字节碎片，每个碎片各占一个 Token。 想象一下：一个缅甸语用户和一个英文用户买同样的 API 额度，但缅甸语用户只能用英文用户五分之一的信息量。同样的钱，五分之一的服务。 这跟电报很像。 电报编码——莫尔斯码——是这样设计的：最常用的字母用最短的编码。E 是一个点，T 是一个划，A 是一点一划。而不常用的字母用更长的编码——Q 是两划一点一划，Z 是两划两点。 但莫尔斯码是基于英文字母频率设计的。当电报技术推广到全世界的时候，其他语言怎么办？中文怎么发电报？汉字不是字母，你不能直接用点和划来编码。 解决方案是：给每个汉字分配一个四位数字编码——0001 到 9999。发电报的时候，先把汉字翻译成数字，再把数字翻译成莫尔斯码发出去。一个汉字就是四个数字，每个数字都要用莫尔斯码逐个发送。 一个英文字母平均需要 2 到 3 个莫尔斯码信号。一个汉字呢？四个数字，每个数字平均需要 5 个信号——总共大约 20 个信号。 同样一个意思，中文电报的信号量是英文的七八倍。电报是按字数或者按信号量计费的，所以中文电报比英文电报贵得多。直到八九十年代，小学生写作文还有个练习，就是写电报，看谁能用最少的字把事情说清楚。 类似的事情不停在重复。 打字机在 1870 年代发明，但却是为拉丁字母设计的。最早的中文打字机是什么样子？一个金属托盘上排着几千个铅字，打字员用小杆子一个一个找，速度是英文的十分之一。当时很多人，包括鲁迅在内，得出结论说中文是落后的文字，中国想要走向文明，汉字就得拉丁化。 对这段历史有兴趣的朋友，可以看看墨磊宁的《中文打字机》这本书，我就不展开了。我想说的是，近现代以来，每一次人类发明一种新的信息编码系统——电报、打字机、计算机、AI——都会重新制造一次语言不平等。而且这种不平等的方向几乎每一次都是一样的：英文最便宜、最高效、最方便，然后按语言与英文的「距离」递减。拉丁字母语言其次，东亚语言再次，南亚和非洲语言最末。 谁的语言最先被编码，谁就是标准；后来者永远在适配。 当然，你可能说，技术是中立的，这不是故意歧视。BPE 不是故意歧视中文或者缅甸语，它只是按频率统计做了最优压缩。 对。完全对。没有人故意歧视。你不需要故意歧视，你只需要选择一个「合理的」起点——比如「按频率统计」——然后让系统自动运行。不平等会自己涌现出来。 因为「频率」不是一个客观的自然属性。它是由谁在生产内容、谁的语言在互联网上有最多的文字、谁的文化有最发达的出版和传播体系来决定的。 BPE 把这种历史性的权力不对称，通过一个看似中性的算法，编码进了 AI 系统的最底层。然后这个系统给全世界所有人使用。每一个人，每说一句话，都在为这种不平等付费。而他们中的大多数人甚至不知道 Token 是什么。 当然这个事情也在改善。 我做了一个测试。打开 OpenAI 的 tokenizer 工具，输入同一句中文：「马嘉祺是时代少年团队长，蔡徐坤不是。」然后切换不同版本的 tokenizer 看看各需要多少 Token： GPT-3.0 的 tokenizer：38 个 Token， GPT-3.5 和 GPT-4.0 的 tokenizer：26 个 Token， GPT-5 的 tokenizer：15 个 Token 同一句话，三代模型，Token 消耗从 38 降到了 15，降了 60%。 这说明 OpenAI 在每一代模型中都在给中文更多的词表席位，让更多的汉字和常见词组被完整保留，而不是拆成碎片。 中文用户有十几亿人。市场够大，商业动力够强，所以 OpenAI 愿意优化。中国自己的 AI 公司也在做同样的事。豆包、千问、月之暗面等等——这些国产大模型都在自己训练 tokenizer，策略很简单：在词表里给中文更多的「席位」，让更多的中文字符组合被合并成独立的 Token，减少中文被拆碎的概率。 但词表总容量是有限的。GPT-5 的词表大约 20 万个 Token。你给中文多一个席位，就得给其他语言少一个。中文有大公司撑腰。但前面提到的那些小语种，没有人为它们做这件事。 缅甸语有五千多万人在说。藏语呢？宗卡语呢？这些语言的 tokenizer 效率，从 GPT-3 到 GPT-5，大概率没有同等幅度的改善。因为没有商业动力，没有十几亿用户的市场在那里等着。 语料配比——用多少英文、多少中文、多少缅甸文来训练 BPE——本质上是一个隐性的决策：谁的语言更值得被高效表示？这个决策没有人公开讨论过。它埋在技术文档的某一行参数里。但它决定了数十亿人使用 AI 的成本和体验。 BPE 用频率取代了 Type。它不再由人类来定义什么是一个有意义的单位，而是让统计数据自己决定。这个选择带来了语言不平等——高频的语言被完整保留，低频的语言被碎成碎片。 但这个后果不只发生在语言和语言之间，它同样发生在同一种语言内部。 回到马嘉祺。 我还是不能给出确切的结论，究竟为什么大模型不认识「马嘉祺」，但可以肯定与 Token 生成有关。想象你在玩拼图游戏。常见的图案——比如「天安门」、「长城」——厂家会给你完整的大块拼图，一块就能拼出来。但生僻的图案——比如某个小众景点——厂家没有专门的大块，你只能用很多小碎片拼凑。 「祺」这个字就是那个小众景点。它在训练数据里出现的频率不够高，BPE 算法没有给它分配一个完整的 Token，而是把它拆成了两个小碎片。这两个碎片单独看都没什么意义，就像拼图的边角料。 现在问题来了。当 AI 要生成「马嘉祺」这个名字时，它需要先找到「马」，再找到「嘉」，最后找到「祺」的那两个小碎片，把它们按正确顺序组装起来。但 AI 在训练时很少见过这个组合——「马嘉」加上那两个特定碎片——出现的次数太少了。 相反，「马俊杰」、「马杰伦」这些组合，每个字都是完整的大块 Token，而且这些组合在训练数据里出现过更多次。对 AI 来说，这些组合就像是一条被走过很多遍的路，路面平整、标记清晰。而「马嘉祺」就像是一条几乎没人走过的小路，路标模糊、碎石遍地。 当 AI 要生成答案时，它会自然而然地选择那条更平整的路。不是因为它「不认识」马嘉祺，而是因为在它的 Token 系统里，「马嘉祺」这条路从一开始就没有被修好。 类似的问题还有很多，在大模型领域有个专门的名词，就叫 Glitch Tokens（故障词元），意思是那些会让大模型运行出问题的 Token。 你可能会想：那把模型做大一点、做强一点，不就解决了？刚刚不也说，从 GPT-3 到 GPT-5，确实中文 Token 效率在提高。 很不幸，不能。 2026 年 1 月有一篇关于 Token 的论文《Say Anything but This: When Tokenizer Betrays Reasoning in LLMs（什么都能说，就是不能说这个：当 Tokenizer 背叛了大模型的推理能力）》。 研究者发现了一件事：tokenizer 给模型提供了一条「阻力最小的路径」。当模型需要生成某个答案的时候，如果词表里恰好有一个现成的 Token 能直接输出，模型就会走这条捷径，而不是真正去推理。 我举个例子让你感受一下。假设模型需要回答「52 加 37 等于多少」。正确答案是 89。但如果词表里恰好有一个 Token 对应 「88」，而且这个 Token 在模型的内部空间里离 「89」 很近、出现频率很高——模型可能就会滑向 「88」。不是因为它不会算，而是因为 「88」 这条路更丝滑。 研究者做了一件反直觉的事：他们把这些捷径堵住了——强制移除那些容易造成混淆的 Token，逼模型走推理的路。 结果呢？模型反而表现更好了。 这说明什么？说明模型本身有推理能力。问题不在「脑子」——在「眼睛」。Tokenizer 是在模型训练之前就冻结的感知器官，模型再强也改不了它。 这就好比你给一个天才画家戴上一副度数不对的眼镜，而且这副眼镜焊死在脸上了，这辈子摘不下来。他画技高超，构图、色彩、光影都对，但远处那个人名字里的生僻字，他就是看不清。 不是脑子的问题，是眼睛的问题。 论文得出结论：模型变大不能解决这个问题，Scaling 无效。因为问题在架构层面——tokenizer 在模型训练之前就固定了，模型再大、参数再多，也是在一个被固定的感知框架里训练出来的。 眼睛的分辨率，在出生前就定了。这就是 BPE 放弃 Type 的真正代价。 当 Type 是人定义的时候——比如在编译器里——人可以确保每一个被定义的类别都是完整的、精确的、没有歧义的。`int` 就是 `int`，绝不会和 `integer` 混淆，因为设计者明确规定了它们的区别。 但当你把 Type 的定义权交给频率统计，你得到的「类别」就不再有这种保证了。高频的组合被识别得又快又准，低频的组合就模糊、破碎、容易混淆。 不是均匀的不完美，而是有一条清晰的断裂线——沿着频率分布的长尾画下去。 这意味着什么？ 意味着你叫「张伟」，AI 不会写错你的名字。但你叫「马嘉祺」，它可能每次都写错。你用英文问它问题，它的回答精准而流畅。你用缅甸语问同一个问题，它的回答碎片化、不连贯、甚至可能是错的。 这不是两种不同的 AI。是同一个 AI，用同一个 tokenizer，在频率曲线的两端展现出的两张面孔。 在高频的那一端——英文、常用词、热门话题——它看起来无所不知、无所不能。这是你在社交媒体上看到的那个 AI，是科技公司在发布会上展示的那个 AI，是黄仁勋说价值万亿美元的那个 AI。 在低频的那一端——小语种、生僻字、冷门知识——它变得迟钝、模糊、不可靠。但这一端的用户，恰好是那些最缺少替代信息来源的人。 在 Token 的世界里，「罕见」和「不重要」在统计上是同一件事。 这就是为什么法律文本用 AI 辅助的时候，罕见的术语可能会被模糊处理。医疗诊断用 AI 辅助的时候，罕见病的名字可能会变成碎片。教育内容用 AI 生成的时候，少数语言的知识可能会被磕磕绊绊地拼凑。不是有人故意忽略了这些——而是这个系统从一开始就没有能力区分「罕见」和「不重要」。 AI 最不准确的地方，恰好是人们最需要它准确的地方。 这也是为什么我在开头说，「词元」不是一个好的翻译。 「词」字暗示 Token 是一个「词」层面的单位。但你现在已经知道了，Token 不是词。它可以是一个完整的词，也可以是半个字，也可以是一串毫无意义的字节碎片。BPE 生成的 Token 不遵循任何语言学上对「词」的定义——事实上，BPE 的全部意义就在于放弃了「词」这个概念。 「元」字有「基本单位」的意思——元素、单元、元件。这暗示 Token 是一个稳定的、自然的、有明确边界的基本粒子，好像它是语言内在结构的一部分，甚至是词的某种本质特征。但 Token 的边界不是由语言的自然结构决定的，而是由训练数据的频率分布决定的。换一批训练数据，同一个字可能从一个 Token 变成两个 Token，或者从两个变成一个。它是一个统计产物，不是一个语言学概念。 前面说过，Token 是语言的替代物——它不是语言本身，更不是语言的某种本质，它只是一个代替语言被计算机处理的编号。但「词元」这个译名恰恰把这层关系遮蔽了。这就好比你造了一辆没有方向盘的自动驾驶汽车，然后给它起名叫「方向盘号」。 但不管叫它什么，Token 已经在这里了，还成了黄仁勋口中所说的「万亿美元市场的基础」。他说，NVIDIA 的 AI 芯片是「Token 的铸造机」。 你可能会想：既然 Token 有这么多问题——bug、不平等、幻觉——为什么它还能成为万亿美元市场的基础？ 因为权力的基础，从来就不是完美的东西。 美元。1971 年之前，美元和黄金挂钩——一盎司黄金 35 美元，白纸黑字。那时候美元有一个「本体」在支撑它：黄金。1971 年，尼克松取消了金本位。从那以后，美元靠什么？靠大家相信它有价值。 2008 年金融危机，全世界发现——度量衡没变，但桶里是空的。那些评级为 AAA 的金融产品，底下是一层一层的次级贷款。替身看着光鲜亮丽，本体早就烂了。 但美元崩溃了吗？没有。它继续是全球储备货币。为什么？因为在它崩溃之前，替代它的成本已经高到没人承受得起。全世界的贸易合同用美元结算，全世界的央行用美元储备，全世界的大宗商品用美元定价。你可以说美元有问题，但你拿什么替代它？欧元？人民币？每一种替代方案的切换成本都是天文数字。 比特币。一个算法加一群人的信仰。能耗荒谬，价格剧烈波动，每秒处理的交易量还不如一家县城超市的收银台。但没有阻止它成为一种权力载体。 甚至语言本身。汉字笔画顺序谁规定的？英语拼写为什么这么不规则？为什么 Wednesday 中间有一个不发音的 d？为什么 island 里有一个不发音的 s？没有人「设计」了这些。都是历史偶然的层层累积——某个世纪的某个抄写员写错了一个字，后人将错就错，错误凝固成了规范。但语言照样运转，照样承载了人类全部的文明。 Token 的故事不是一个骗局，也不是一个幻觉，它只是一个偶然中诞生又在历史里起起伏伏最终拥有了权力的词语。 1906 年，皮尔士在研究逻辑图时提出了 Type-Token 区分，他只是想数清楚纸上有几个圆圈。 1994 年，Philip Gage 在《C Users Journal》上发表了一个压缩小工具，他只是想在内存有限的工控设备上节省几个字节。 2016 年，Rico Sennrich 把这个压缩算法用到了神经机器翻译，他只是想解决翻译中的生词问题。 2018 年，OpenAI 把 BPE 改成了 Byte-level，他们只是想让 GPT-2 能处理更多语言。 每一步都是合理的。每一步都是局部的。每一步都解决了当时的问题。 这就是权力最常见的诞生方式，不是有人坐下来精心设计了一个统治系统——而是一连串当时看起来合理甚至无关紧要的选择，在没人注意的情况下，凝固成了新的秩序。 我们都知道，现在是一个历史转折时刻，不仅仅是通用人工智能取代人类，也是人类正把什么是意义、什么是规则的定义权交给统计数据。 我们所有人，正站在这个转折的中间，还没来得及想清楚这意味着什么，就已经在拥抱它了。

　　3月30日，美国和以色列对伊朗发动的军事打击进入第31天。战事日紧，但同时也有和谈的消息传出。虽然目前美伊是否和谈还迷雾重重，但预计巴基斯坦将作为调停人进行相关斡旋工作。在去年的多轮美伊谈判中，阿曼是最主要的中间人。那么，为什么现在换成巴基斯坦？巴基斯坦有哪些优势呢？  　　中国现代国际关系研究院中东研究所副所长秦天认为，在围绕美伊和谈诸多的不确定性中，巴基斯坦作为主要的调停人是难得的一点确定性。而巴基斯坦能扮演该角色，他认为是离不开各种主客观条件的。 巴基斯坦拥有“置身战外”的比较优势 　　秦天分析指出，首先，相比于之前在美伊之间扮演劝和促谈作用的阿曼、卡塔尔，巴基斯坦拥有“置身战外”的比较优势。阿曼、卡塔尔实际上已成为这场战争的受害者。 　　中国现代国际关系研究院中东研究所副所长 秦天：在这种情况下，阿曼再去扮演美伊之间的调停者，在国内政治上是说不过去的，可能也得不到海湾地区如沙特、阿联酋这些国家的支持，而巴基斯坦就不是这场战争中的交战方。 巴基斯坦与美伊都有可靠的沟通渠道 　　中国现代国际关系研究院中东研究所副所长 秦天：而且，巴基斯坦和美伊双方都保留了较通畅的沟通渠道，能够得到美伊双方一定程度的信任。这种优势放眼全球也不是特别多见的。 　　巴基斯坦历史上发挥过重要调停作用 　　秦天认为，第二，从历史的眼光来看，巴基斯坦曾发挥过多次调停、促和的作用，有时候还承担秘密外交的角色。这方面巴基斯坦有不少成功的案例。 　　中国现代国际关系研究院中东研究所副所长 秦天：比如，远可追溯至20世纪70年代初，巴基斯坦在中美之间发挥了传话、促和的作用。尤其是1971年，美国时任国务卿基辛格途经巴基斯坦秘密访华，打开了中美关系缓和的大门，产生了非常深远的国际影响。 　　中国现代国际关系研究院中东研究所副所长 秦天：近的话如2020年，巴基斯坦在阿富汗塔利班和美国之间也发挥了传话、促和的作用，最终促成了美国从阿富汗撤军。 　　中国现代国际关系研究院中东研究所副所长 秦天：所以，在这些历史的积淀之上，我相信巴基斯坦也能够在美伊之间发挥一定的调停作用。 巴基斯坦劝和止战的积极性很高 　　巴基斯坦之所以能发挥调停作用，不仅因为其有独特的优势，也因为其有真切的诉求，有去调停、促和的积极性。 　　巴基斯坦欲缓解国内能源危机和安全关切 　　中国现代国际关系研究院中东研究所副所长 秦天：巴基斯坦是一个缺少能源的国家，其70至80%以上的原油消费、汽油消费乃至液化天然气的消费，都来自海湾国家的进口，要通过霍尔木兹海峡。所以劝和促谈、停火止战有助于巴基斯坦实现能源安全和社会稳定。 　　中国现代国际关系研究院中东研究所副所长 秦天：同时，巴基斯坦还和伊朗有漫长的边界。在边界两侧生活着俾路支少数族群，这个族群经常对巴基斯坦中央政府发动袭击、制造麻烦。所以，如果伊朗发生混乱、失控的情况，俾路支跨境民族的问题有可能成为巴基斯坦国家安全的一个负担。 　　综合以上因素，巴基斯坦无论是出于其独特的优势，还是其迫切的诉求，都值得在这场美伊战争中发挥劝和的作用。