快科技1月17日消息，据“央视新闻”最新报道，本月14日至17日，加拿大总理卡尼应邀对中国进行正式访问。 访问期间，双方就深化经贸合作达成广泛共识，签署了《中国—加拿大经贸合作路线图》，形成了关于处理双边经贸问题的初步联合安排。 商务部美大司负责人就有关经贸成果进行解读时介绍，2024年，加方对中国电动汽车加征100%附加税，中国对加出口电动汽车受到很大影响。 根据最新调整安排，加方将给予中国电动汽车每年4.9万辆的配额，配额内享受6.1%的最惠国关税待遇，不再征收100%附加税，配额数量将按一定比例逐年增长。 中方认为，这是加方朝着正确方向迈出的积极一步，对中国电动汽车开拓加市场来说也是个好消息。 希望加方积极履行有关承诺，同时继续与中方相向而行，通过友好协商，为进一步拓展两国电动汽车贸易和投资合作，创造更加公平、稳定、非歧视的环境。 期待两国产业界抓住机遇，加强对接，实现互利共赢。 背景补充： 2024年8月26日，加拿大政府宣布对从中国进口的电动汽车征收100%的关税，与美国的关税相匹配，并效仿欧盟委员会宣布的类似计划。

新智元报道 编辑：Aeneas 好困 【新智元导读】GPT-5.2连肝7天造出浏览器的事，刚刚被打假了！一位开发者发文证实，Cursor这个项目就是个「AI泔水」，代码根本无法编译。Cursor这次可太心急了。 前几天，整个AI圈都被Cursor的一则重磅消息给炸晕了。 事情是这样的： Cursor声称，他们让GPT-5.2驱动的编码智能体连续运行了整整7天，也就是168个小时。 结果，这群AI智能体居然从零开始，写出了一个包含300万行代码、功能堪比Chrome的浏览器！ 这听起来实在是太诱人了—— 随着Token变得像水电一样廉价，AI可以无限期地自我迭代，直到完成目标。 无论是操作系统、办公软件还是游戏引擎，只要算力足够，AI似乎都能给你「肝」出来。 然而，就在大家还没从震惊中缓过神来的时候，技术社区的「列文虎克」们出手了。 他们仔细扒了扒Cursor开源的这个项目代码，结果发现了一个惊天大瓜—— 这个所谓的「AI浏览器」，其实连最基本的编译都通过不了！ 在一篇技术博客中，作者犀利地指出： Cursor口中所谓的「突破性进展」，本质上就是一堆缺乏工程逻辑的「AI泔水」（AI Slop）。 他们所做的，其实在宣传上玩了一手漂亮的「障眼法」，让所有人都以为这个项目真的跑通了。 但实际上，这根本就是一堆无法运行的废代码。 博客地址：https://embedding-shapes.github.io/cursor-implied-success-without-evidence/ GPT-5.2七天肝出一个浏览器，是假的？ 接下来，让我们来仔细看看开发者社区的这篇「打假」文章，是如何抽丝剥茧地发现Cursor这一波宣传的不实之处的。 首先，作者分析了一下Cursor具体都干了什么。 在1月14日，他们发布了一篇题为「Scaling long-running autonomous coding」的博文。 官方博客：https://cursor.com/blog/scaling-agents 在这篇文章中，他们聊到了让「编码智能体自主运行数周」的实验，其明确目标是： 了解我们能将智能体编码的边界推进到什么程度，从而完成那些通常需要人类团队花费数月时间才能完成的项目。 然后，Cursor的研究者讨论了尝试过的一些方法，分析了失败原因，以及该如何解决问题。 终于，他们找到了某种方案，它「解决了我们大部分的协调问题，并让我们在不依赖单一智能体的情况下，将规模扩展到非常大的项目」。 最终，这种方案实现了一种惊人的结果—— 为了测试这个系统，我们给它定了一个雄心勃勃的目标：从零开始构建一个网络浏览器。这些智能体运行了将近一周，在1,000个文件中编写了超过100万行代码。 同时，他们在GitHub上放出了源代码。 GitHub项目：https://github.com/wilsonzlin/fastrender 这就奇怪了，所以这个任务，智能体成功完成了吗？ 如果你没有被这句话成功带节奏，就会发现这个扑朔迷离之处—— 他们声称「尽管代码库规模很大，新的智能体仍然可以理解它并取得有意义的进展」，以及「数百个worker并发运行，推送到同一个分支，冲突极少」，但他们从未真正说明这个尝试成功没有。 它真的能跑起来吗？你自己能运行这个浏览器吗？我们不知道，而且他们从未明确说过。 所谓的演示，只是一个短短8秒的「视频」： 自动播放 在下方，他们写道： 虽然这看起来像是一个简单的截图，但从零开始构建一个浏览器是非常困难的。 总之，从头到尾，他们从未斩钉截铁地承认过：这个浏览器是可运行且功能正常的！ 打开一看：全是报错，跑都跑不起来 总之，如果只是看README、Demo截图，甚至是几段宣传性质的描述，这个项目好像真的很厉害。 可是，只要你真正clone仓库、运行一次cargo build或cargo check，问题就会立刻暴露出来。 error: could not compile 'fastrender' (lib) due to 34 previous errors; 94 warnings emitted 可以说，这个代码库距离一个「可工作的浏览器」还差得远了，甚至可以说，它从未被真正成功构建过！ 文章作者发现了如下多个证据。 首先，GitHub Actions在main分支上的多次近期运行全部失败，其中甚至包含 workflow文件本身的错误。 另外，如果尝试独立构建，就会发现报了数十个编译器错误，最近的PR还都是在CI挂掉的情况下合并的。 更夸张的是，如果翻看Git的历史记录，从最近的提交往回追溯100个提交，简直找不到哪怕一个能干净编译的提交。 也就是说，这个仓库从诞生起，就从未处于「能跑」的状态。 上下滑动查看 https://gist.github.com/embedding-shapes/f5d096dd10be44ff82b6e5ccdaf00b29 现在我们根本无法确定，Cursor的研究者在这个代码库上释放的「智能体」实际上干了什么，但它们似乎从未运行过cargo build，更不用说cargo check了。 因为这两个命令都会报出几十个错误和大约100个警告。如果真的去修这些错误，报错数量肯定还会爆炸式增长。 目前在他们的仓库中，有一个关于此的未解决GitHub issue。 issue地址：https://github.com/wilsonzlin/fastrender/issues/98 结论已经非常明显： 这根本就不是真正的工程代码，而是典型的「AI Slop」（AI泔水）。 这种低质量的代码堆砌，或许在形式上模仿了某种功能，但其背后缺乏连贯的工程意图，实际上连最基本的编译都无法通过。 在Cursor的演示中，他们大谈下一步的宏伟计划，却对「如何运行」、「预期效果」或「工作原理」只字不提。 而且，除了丢出一个代码仓库链接，Cursor没有提供任何可复现的演示，也没有给出任何已知可用的版本标签（tag/release/commit）来验证那些光鲜亮丽的截图。 无论初衷如何，Cursor的博文试图营造出一个「功能正常的原型」的假象，却遗漏了工程界最看重的基本诚实——可复现性。 他们确实没有明确声称「它能正常运行」，这让他们在字面上避开了「撒谎」的指控，但这种误导性极强。 到目前为止，他们唯一证明的只是： AI智能体可以疯狂输出数百万个Token，但最终生成的代码依然是一堆无法运行的废料。 一个「浏览器实验」不需要对标Chrome，但它至少应该有一个合理的最低标准： 在受支持的工具链上编译通过，并渲染一个简单的HTML文件。 很遗憾，Cursor的文章和公开构建均未达到这一及格线。 GitHub被冲，开发者怒了 这种把「半成品」包装成「里程碑」的行为，彻底激怒了开发者社区。 在GitHub的Issue区，愤怒的留言刷了屏： 我也试了，根本跑不起来。 代码逻辑风马牛不相及，CI全红也敢合并？我们是在对着截图膜拜吗？ 既然功能是假的，开源这个仓库有什么意义？为了证明AI能制造电子垃圾吗？ 还有人一针见血地指出了这种「泡沫工程」的本质： 反正投资人看不懂代码，甚至不知道GitHub是什么。 只要是电脑自动写的代码，业绩曲线就能蹭蹭涨，机器一响，黄金万两…… 而且在Hacker News上，也有近200条讨论，将这一项目的底裤彻底扒了下来。 网友pavlov指出，所谓的「从零开始」和「定制JS虚拟机」纯属忽悠。 看一眼依赖列表（html5ever, cssparser, rquickjs）就能发现，这东西本质上就是Mozilla开发的Servo引擎的「套壳」版。 网友brabel更是哭笑不得： 这帮人居然觉得声称「从零手搓」是步好棋？ 程序员上手第一件事就是查依赖，一眼就能看出是在调包。 唯一的解释是，他们赌没人会认真核实，毕竟大多数人只会看个标题就欢呼。 Anthropic太强势，Cursor被逼急了？ 虽然Cursor从未直说「这已准备好投入生产」，但他们却用「从零构建」和「有意义的进展」这种宏大叙事，配合精心挑选的截图，成功制造了「实验成功」的假象。 他们最接近成功的表述是： 数百个智能体可以在同一个代码库上协同工作数周，取得真正的进展。 但这句惊人的声明，没有任何证据支持。 没有可工作的 commit，没有构建说明，没有演示。 大家并不指望它成为下一个Chrome，但如果你声称你已经构建了一个浏览器，它至少应该能够演示被编译 + 加载一个基本的HTML文件，不然就是纯纯地愚弄大众了。 其实Cursor这个AI自动编程一周的消息一出来，就让人觉得有点奇怪。 最近一个月，全球AI圈的高光时刻，基本都在Claude Code身上。 Claude Code之父Boris Cherny的X发帖，基本上都会引起社区的震动。比如他说自己过去30天内没写一行代码，对Claude Code代码库的贡献，全部由Claude Code自己完成。 扩展阅读：30天没写一行代码，他却赚了10亿美金！ 谷歌首席工程师Jaana Dogan所说，Claude Code一小时内，就完成了整个团队整整一年才做完的任务。 前特斯拉AI总监Andrej Karpathy更是直言：硅谷正在经历一场九级地震，自己从未感觉如此落后…… 扩展阅读：再见，程序员！硅谷全员AI Coding，卡帕西宣告9级地震来了 在这种形势下，一篇「编码智能体运行一周，自己写出一个浏览器」的叙事，是多么顺应潮流，多么吸引眼球啊。 也难怪Cursor工程师尝试这个脑洞后，没怎么多想就着急地发出来，这才被火眼金睛的开发者们冲了。 AI程序员超进化：「开挂」工程师 这次「浏览器闹剧」虽然惨烈，但也意外地揭示了AI编程的真实进化路径。 Hyperbolic联创兼CTO Yuchen Jin指出了Cursor演示中隐含的关键教训：单纯堆砌数量是行不通的。 让一堆智能体平级相处、自我协调，只会带来混乱。 · 角色分工必须明确：需要有规划者（Planner）、执行者（Executor）和评审员（Reviewer）。 · 模型差异化：GPT-5.2更适合长程规划任务；而Opus 4.5容易「早退」和偷懒。 · 组织架构：增加太多「管理层」智能体反而会拖累效率，这与人类公司的「大企业病」如出一辙。 HyperWriteAI的CEO Matt Shumer也在复现过程中发现，只要运行框架和能力支持到位，明确分工的AI智能体集群确实能产生实质性进展。 然而，更深层的进化不仅仅发生在AI身上，更发生在人类工程师身上。 在硅谷，一个新的流行词正在取代老派的「10倍工程师」，那就是——「Cracked Engineer」（开挂工程师）。 这个词，是指那些一个人能顶一个团队的顶级开发者。 Cursor这次的翻车，恰恰是因为它Karpathy所说的「氛围编程」陷阱—— 只享受AI疯狂生成代码的爽感，却完全抛弃了工程严谨性。 由此诞生的，只能是那种如果不修补就无法运行的「Cursor搬运工」式废料。 真正的「开挂工程师」是这一现象的反面。他们疯狂使用AI，但绝不盲信AI。 他们拥有深厚的技术底蕴，能够一眼揪出AI生成的逻辑漏洞，能够清理像这次浏览器项目中出现的「电子泔水」。 正如初创公司Intology的创始人所言： 少数几个专注且懂行的人加上AI，能比过去15个不用AI的人干得更多。 未来的软件开发，不会是数千个无人监管的AI智能体像无头苍蝇一样乱撞（然后造出一个编译不过的浏览器）；而是由一名「开挂工程师」，带领着数十个AI Agent，精准、高效地构建出真正的产品。 而这些「开挂」的程序员，也将会淘汰那些只会「假装在编程」的人。

IT之家 1 月 17 日消息，当地时间 1 月 16 日，据彭博社报道，美国监管机构同意给予特斯拉 5 周时间，延后其对 FSD 相关缺陷调查的正式回应。该调查聚焦特斯拉车辆在启用“完全自动驾驶（FSD）”系统期间出现的交通违法行为。 特斯拉本周向美国国家公路交通安全管理局（NHTSA）提出延期请求。NHTSA 自去年 10 月起调查 FSD 功能，理由是多起案例显示特斯拉车辆在系统运行时闯红灯、逆行或发生其他严重失误。 监管机构此前要求特斯拉提交与该缺陷调查相关的投诉、事故和索赔数据。特斯拉随后表示，需要额外时间筛选可能与调查有关的交通违法记录。 特斯拉向 NHTSA 披露，仍有 8313 条记录需人工审核，按每日约 300 条的处理速度计算，回复期限已被延至 2 月 23 日。 在业务层面，FSD 对特斯拉的重要性不断上升。马斯克希望通过自动驾驶能力提振需求，但加州方面认为特斯拉夸大了系统能力，并警告可能实施为期 30 天的强制停售。 除交通违法调查外，NHTSA 还在评估特斯拉车辆在眩光、雾霾等低能见度环境下的识别与反应能力。该调查同样于 2024 年 10 月启动，源于多起事故，其中一例导致人员死亡。 特斯拉在延期申请中“抱怨”说，公司正同时应对多项监管调查，包括事故报告延迟以及车门把手无法正常工作的相关问题。特斯拉认为，在短期内处理三项大规模信息请求，会对回应质量造成影响。 特斯拉表示，在提交交通违法统计数据、问题概述以及因果分析后，仍将寻求进一步延期，以补充每起投诉或索赔的详细信息，例如 FSD 软件版本、系统提示情况，以及是否涉及事故、伤亡。 NHTSA 同时要求特斯拉提供完整事件时间线，覆盖交通违法发生前 30 秒至事件结束阶段，包括驾驶员退出 FSD 或发生事故等情况。

杰登·克拉克第一次听说“中国肽”是在去年的独立日派对上。 在旧金山一栋维多利亚式宅邸的后院里，一些二三十岁的科技从业者在阳光下围聚在一起烤肉，现场还有一面巨大的美国国旗。一家人工智能企业的创始人提到自己直接从中国厂商购买药物，价格低廉。人群迅速围拢过来，争相分享自己获取用于减肥、提高效率和健身等各种药物的渠道。 27岁的克拉克在健身圈见过各种注射潮（他自称“健身宅男”，社交平台X上的账户是@creatine_cycle），但听到AI圈的人也在谈论这些，还是让他很惊讶。 “这个在旧金山度过的长周末让我学到一件事：那些精英们都有自己的中国肽供应商。”主持一档科技文化播客的克拉克在X上发文写道。“中国肽”这个说法很快就变成了一个网络热梗。 从“黑客之家”到创业公司的办公室，甚至还有由供应商赞助的“肽派对”，灰色市场的肽类产品最近席卷科技圈的各个角落。最近在旧金山Frontier大厦举办的一场活动上，还有一个自己调配肽的工作坊，现场DJ播放泰克诺电子舞曲的同时，背景屏幕上投射着化学结构式，这场派对的着装要求是“疯狂的未来赛博朋克风服装”。 旧金山Frontier大厦举办的一场肽派对设有一个自己动手调配肽类的工作坊，并有DJ现场表演助兴。 肽是由氨基酸组成的短链分子，在人体内起到调节激素和减少炎症的作用。它们最广为人知的身份是GLP-1药物中的那个“P”——这类药物包括诺和泰(Ozempic)和韦戈维(Wegovy)等减肥神药，它们通过模拟一种抑制食欲的激素，彻底改变了减肥行业。 但在硅谷的前沿地带，一系列未经证实、缺乏监管的肽制剂悄然盛行：人们尝试用BPC-157和TB-500通过刺激新血管生长愈合损伤，用催产素来改善眼神交流（OpenAI的一名研究员称其为“自闭症患者的诺和泰”），用埃皮塔隆(epitalon)改善睡眠，还用仍处于临床试验阶段的下一代减肥药瑞他鲁肽(retatrutide)来达到从抑制食欲到提升专注力等各种目的。 根据美国海关的数据，2025年前三个季度从中国进口的激素和肽类化合物总额约为3.28亿美元，几乎是2024年同期1.64亿美元的两倍。这其中包括调配药房和灰色市场供应商对GLP类药物、美拉诺坦II以及其他肽制剂的的需求。 生物朋克社区实验室的埃利奥特·罗斯在上月活动中演示如何配制并注射肽——一些由氨基酸构成的短链分子。 数名派对参与者。美国食品药品监督管理局警告称，多种肽类物质存在"严重安全风险"。 除了用于减肥的GLP-1类药物，其余肽制剂均未获得美国食品药品监督管理局批准用于人体。由于多数肽类易于合成且不直接针对特定疾病，制药公司对相关临床试验投资意愿不足，这催生了繁荣的灰色市场。 科技投资人、物流业独角兽Flexport的联合创始人戴维·彼得森描述纽约的生物黑客（所谓生物黑客，是指通过各种养生法和补充剂来提升身体机能的人）聚会场景时称：“每周都有人带来新玩意儿，大家就会集体注射。”他开玩笑说：“看起来像一群海洛因瘾君子。”自2018年使用肽制剂以来，他声称埃皮塔隆为自己每晚增加了“一个半小时”睡眠，而促进黑色素生成的美拉诺坦(melanotan)治愈了他的酒渣鼻。 美国食品药品监督管理局警告称，许多肽类因可能含有杂质并引发免疫反应而存在“严重的安全风险”。该机构也已禁止药房对它们进行复配，尽管执法力度参差不齐。 个人使用肽制剂在美国属合法行为，但多数医生持反对态度。“这既缺乏依据又极为轻率，”斯克里普斯转化医学研究所所长埃里克·托波尔博士表示。该机构是以精准医疗为核心的研究中心。 实验性肽注射偶尔会导致医疗紧急情况。去年7月，两名女性在拉斯维加斯抗衰老节接受肽注射后，因出现舌头肿胀、呼吸困难及心率加速而送医治疗，她们具体注射了哪种肽尚不明确。 尽管如此，对部分科技界人士而言，使用肽制剂体现了对无限自我优化可能性的信念。克拉克指出，在某些人看来，肽制剂提供了诱人的捷径：“如果我可以每天在研究工作中干16个小时，何必在健身房苦练六周？" 科技文化播客主持人杰登·克拉克对肽类产品持怀疑态度。 这同时折射出硅谷的一种思维模式——有些人认为，既然他们是塑造世界的创新者，他们就无需联邦监管机构或医学专家的指导，因为他们这是在进行自己的实验。 “仅供研究使用” 这些药物可以直接从中国的工厂购买（中国是全球肽制剂的制造中心），也可以通过美国中介网站购买，这些中介负责进口并进行检测。肽制剂到货时以粉末形式装在小瓶里，上面标着“仅供研究使用”，但这类警示只是法律上的遮羞布。使用者将肽粉与无菌水混合后自行注射，通常用的是从亚马逊买来的胰岛素注射器。 灰色市场肽制剂的经济吸引力毋庸置疑。直到不久前，像诺和泰和替西泊肽(Zepbound)这样的处方GLP类药物每月可能要花1000多美元，而“研究使用”的替代品只要五分之一的价格。 据追踪医药产品违规网络营销的LegitScript公司研究主管杰拉德·奥尔森透露，未经授权的肽类制剂的网络广告在2022年到2024年间增长了近八倍。旧金山的私人医生保罗·艾布拉姆森博士表示，他发现2025年肽类使用量显著上升，尤其在科技行业的年轻男性群体中。 虽然减肥仍是肽使用最主要的驱动力，但部分患者正尝试微剂量GLP-1疗法——期望通过极小剂量对抗其他成瘾行为：酒精依赖、过度电子游戏或网络购物。尽管尚无临床试验支持微剂量疗法的有效性，但个例传闻对某些人来说很有诱惑力。 “这看起来就是一种对‘认知极限拉满’的痴迷，”对肽类仍持怀疑态度的克拉克说。 安妮娅·格兰特坦言，与许多肽爱好者一样，她也是主要通过使用者的经验分享获取相关信息。 41岁的安妮娅·格兰特白天是AI计费初创公司的联合创始人，夜晚则化身业余肽类博主。2023年，在朋友指出GLP-1药物可以缓解工作压力引发的暴食后，她开始微剂量注射司美格鲁肽。她称效果显著，自此坠入个人肽研究的"兔子洞"。 在咨询了一位运动表现医生后，格兰特又在自己的方案中加入了另外五种肽：MOTS-c、埃皮塔隆、GHK-Cu、伊帕瑞林(Ipamorelin)和亲吻肽-10(Kisspeptin-10)。她期望它们能改善新陈代谢、促进肌肉增长、改善皮肤状况、提升睡眠质量、增强精力以及激素调节等。她直接从中国制造商那里订购这些产品，每套价格在50到100美元之间（只有美国经食品药品监督管理局批准实验室价格的十分之一），然后再额外花250美元把样品寄到捷克的一家实验室Janoshik Analytics进行纯度检测。 当被问到是否有生物学背景时，她笑了。“完全没有，”她说。像许多肽爱好者一样，她主要从口耳相传的经验、Reddit讨论串、播客以及和ChatGPT的对话中获取信息。“这就像优化搜索引擎排名，不过是另一个可供调试的参数，”她说。 还有几位创始人把自己对未经测试的肽制剂的开放态度，比作他们对商业风险的容忍。 格兰特在博客文章中采访过的艾布拉姆森对此持保留意见。他对她说：“这不像投资一家有冲劲的初创公司，更像是凭一份炫酷的融资演示稿，就把钱汇给未注册的离岸空壳公司。” “毫无根据且鲁莽” 托波尔在其关于医疗虚假信息的Substack通讯专栏中报道这类趋势，担忧人们会将GLP-1类药物的成功盲目套用到数十种未经测试、毫无关联的肽类药物上，在此过程中使自身暴露于药物污染和长期健康风险之下。 “‘自行研究’这种做法暗藏诸多隐患，”托波尔表示。“如果他们真的算得上合格的公民科学家，就该清楚科学验证的标准是什么：随机安慰剂对照试验、与药企无利益关联的同行评审论文。而绝大多数这类肽类药物，都没有经过任何此类研究的验证。” 托波尔指出，这种业余生物黑客行为的根源，在于公众对医疗机构的信任度日渐下降，新冠疫情后，这种不信任感更是愈演愈烈。在人们对FDA失去信任的背景下，安德鲁·休伯曼、乔·罗根等健康领域网红将实验性肽类药物的使用推向了主流。其中罗根本人还接受推销“临床医生监督肽类疗法”的Ways2Well公司赞助。 2024年10月，现任美国卫生与公众服务部部长小罗伯特·F·肯尼迪在社交平台X上发文，承诺将终止对肽类药物的“强行打压”。（拜登政府执政期间，FDA曾对部分肽类药物销售商采取过执法行动。）不过，尽管特朗普政府将口服GLP-1类药物纳入FDA优先审评名单，并批准了Wegovy的片剂形式，但尚未对其他类型肽类药物采取放宽监管的措施。卫生与公众服务部的一名发言人表示，该部门“无法对未来的政策决策发表评论”。 “让疯子去尝试” 一位29岁的创业公司创始人已使用处方GLP-1类药物近两年。用药后她的体重有所下降，但副作用也随之而来——频繁出现情绪低落的波动。“我一度连起床工作都做不到。”她这样说道。（出于担心用药经历会影响职业前景，她要求匿名接受采访。相较于减肥者，通过这类药物提升工作效率的“生物黑客”们似乎更愿意公开谈论相关话题，这也反映出社会对减肥用药的污名化程度更深。） 对这位创始人而言，减肥带来的健康益处大于潜在风险。她坦言承受着职业压力，必须在镜头前保持良好形象。“我看了大量发布会视频，”她说。“现在我明确发现，那些创始人里几乎没有超重的人。” 包括这位创始人在内，多名非适应症使用肽类药物的人士都表示，特朗普政府在药物监管方面采取的相对自由放任政策让他们感到振奋。这一态度与巴拉吉·斯里尼瓦桑、乔·朗斯代尔等硅谷领军人物的观点不谋而合，这些人曾指责FDA的监管机构过于谨慎。 但这种心态让医学专家们深感挫败。 硅谷对放宽药物监管的支持态度令医学专家深感忧虑。 “FDA的职责，就是保护患者与消费者免受无良医疗从业者的侵害——这些人会把危险产品卖给毫无防备的民众，”哈佛医学院教授、医疗监管领域专家亚伦·凯塞尔海姆博士表示。“我认为这些人正在做一些对自身健康有害的事情，我的依据就是：目前没有任何证据证明这些东西是安全有效的。” 但从创业公司创始人的视角来看，“与其依靠这套耗时十年、试图面面俱到保护所有人的体制，不如让那些疯子去尝试这些新奇的肽类药物，最终再让成果惠及我们所有人。这样一来，或许我们都会过得更好。”

作者|陈伊凡 编辑|苗正卿 头图|视觉中国 “AI原生100”是虎嗅科技组推出针对AI原生创新栏目，这是本系列的第「41」篇文章。 一家中国的初创公司正在试图证明，在最为传统的服装制造业，人工智能能够完成上一代数字化技术未竟的事业。 在东莞长安镇一间地毯工厂，当下的现实与数字化理想正在进行一场略显尴尬的碰撞。 七八位工人站在梯子上，拿着机枪在地毯上进行走线，工厂里一间简陋的小屋，是设计师工作室，摆着的是一张手绘的地毯样式。出了工厂另一边的单间，摆放着一台五米高的自动打孔机的样机，对着面前的地毯，尝试按照图样进行走线布局，来人的时候，工人会打开这台样机，笨拙演示，这种机器效果远不如人工，老板似乎也并没有打算把它用到自己的产线。 这是虎嗅曾经走访过的一家地毯厂商所看到的图景，这台五米高的昂贵机器，成为了服装行业上一轮数字化转型困境的缩影。 改造服装行业，听起来就没有那么性感，当然也不时髦。这是一个由无数作坊、碎片化数据和个人经验拼凑而成的古老行当。但周栋和团队在这件事上，已经跑了好几年，将这件事做到估值数亿元。 他们拥有服装行业规模最大的数据库和全国唯一服装产业垂直大模型的备案资质，申洲国际、即发集团、酷特智能、迪尚集团等中国制造的隐形冠军，均在其客户之列。 向量螺旋所解决的，是服装全产业链（从最上游的材料，例如棉花，到面料厂、服装厂再到品牌商）的沟通问题，再精准一些，就是解决信息增益，把AI变成实质生产力，而不是生产工具。 这件事曾经许多服装3D厂商尝试，韩国的CLO最早步入服装3D行业，不过3D和AI存在本质区别，其中一个最大区别就是成本。3D技术，通过物理设备扫描进3D空间，再进行建模和渲染，最终还原出真实物理特性。还原的精度和真实性是早期AI不可及的，但存在的问题是成本极高。购买这套3D建模软件的工厂或是品牌方，需要为这套软件匹配相应的岗位，比如建模师、渲染。另外，3D不具备创造性和泛化性，其作用在于基于面料进行还原和款式设计。 如今，一些服装3D技术解决方案提供商也提出要进入AI时代，但这意味着他们也需要和向量螺旋一样，重走一遍数据积累、领域算法、模型训练的过程。因为3D的数据和底层技术架构和生成式AI，完全不同。 见面之前，他刚结束和投资人的会谈。在向量螺旋过往的投资者名单中，几乎都是产业基金与国资背景的机构。 周栋并非典型的极客创业者。拥有媒体背景、家族在潮汕经营服装工厂的他，与其联合创始人邢方舟起初的生意也相当传统：为网红KOL提供服装柔性定制。这门生意虽然有利可图，却很难称得上有巨大的想象空间。 向量螺旋的团建 但有的时候，往往这些不那么“性感”的故事，反而能够撇去浮华，触碰到商业真正发挥价值的土壤。 对周栋和邢方舟的青岛向量螺旋而言，最关键的是2021年，前海信人工智能商用研究所所长马映辉的加入，为这家传统的数字化公司注入了真正的技术基因。彼时，GPT的概念虽已问世，但尚未引发全球狂热。马映辉带来的不仅是技术，而是一种视角的转换。 面料商谈论的是克重与材质，加工厂关注的是走线与工艺，而品牌方高谈阔论的则是调性与风格。这种语言体系的割裂，导致了巨大的沟通成本和供需错配。 既然创业的初衷是在服装领域找到一个新的技术变量，去解决传统产业的生产力或结构关系问题，而看起来这个叫做“GPT”的AI似乎有希望，周栋他们决定试一试。而事实上也证明，服装行业或许可以跳过冗长的SaaS普及阶段，直接跃迁至AI时代。 训练AI需要数据，而这正是服装行业最匮乏的资源。在这个极其依赖非标经验的行业里，真正的数字化企业（如李宁、安踏、申洲国际）占比不足1%。对于绝大多数中小企业甚至是服装作坊而言，微信就是他们唯一的数字化管理系统。 于是，向量螺旋开始了漫长的“脏活”阶段。由于缺乏现成的结构化数据，团队不得不采取最原始的方式：爬取全球互联网上的公开图文；向产业伙伴定向搜集，甚至亲自深入工厂，拍摄纸质版单，再通过人工清洗将其转化为计算机可读的“配对数据”，即包含面料、设计稿、成品图及模特上身图的完整数据链。 在通用大模型眼里，一件衣服只是一堆像素的集合；但在向量螺旋的数据库中，一件衣服是一条严丝合缝的逻辑链：一张面料的显微照片，必须对应一份结构化的设计手稿，再成为一张成衣的工业版单，最后成为模特的上身效果图。 这种“四位一体”的数据结构，正是上一代数字化转型失败的症结所在，因为彼时系统只能处理孤立的数字，无法理解需要深入行业的行话——例如由于面料克重变化而导致的垂感差异。而周栋他们所做的，是通过数百万组这样的配对数据，训练AI，掌握一种行业通用的话语体系。 这场“脏累活”耗时两三年，数据就绪之后，他们选择了日本市场作为切入点，验证自己的初步应用产品能力。截至今日，他们在日本的客户已经有了数百家，第一阶段的PMF的验证成功，他们着手进入中国市场。花了两个月时间，他们进入了申洲国际的供应链。 未来的AI 应用服务引擎，在周栋的计划中，将会是一个“技术中台”，一个提炼了行业Knowhow和工程化经验，能将非标需求沉淀为标准化技术模组的交付平台。 服装行业可以直接跳过SaaS进入AI时代 虎嗅：你们在2021年转型开始做垂直领域的AITOB ，是因为业务发生了一些变化还是因为发现大模型出来了？ 周栋：两方面都有。我们最开始做的是给市面上所有KOL提供一站式服装定制服务。当时的出发点是，2019到2020年，自媒体在各个渠道，公众号、抖音、B站等都发展得很迅猛，因为自媒体的变现方式发生变化，很多大V开始做电商，偏向做个人IP或品牌文创，服装则是比较容易切入的品类。但当时市面上没有一家服务商，既能搞定服装产业链，又能把不同IP的文化转化为服装设计，还能整合全部供应链提供服务，最开始我们就切入这个方向。 2021年底，我和搭档都在思考：继续做下去的这个市场规模是否足够大。另外，我们还是觉得这个业务不够性感。 我们创业的初衷，就是想在服装领域找到新的技术变量，尝试解决传统产业的生产关系或结构问题。 虎嗅：什么契机促使你坚定转型？ 周栋：真正坚定转型是在2021年底，我们请到了一个关键人物前青岛海信人工智能商用研究所所长马映辉，就是现在公司的CTO，他一直对产业AI很感兴趣。他加入后，跟我们提到了类似GPT这样的东西，和更多有关计算机视觉方面的思考。 虎嗅：你怎么判断这是一个行业的真问题或者真正痛点？ 周栋：服装行业链条特别长、涉及主体特别多，行业内最大的问题就是各方的语言和共识体系完全不一样。 这带来的最显性后果就是行业上中下游的沟通效率和共识效率极低，这就引出了行业最本质的矛盾问题：任何上下游两端甚至多端的供需交易效率低。 虎嗅：这件事在SaaS时期为什么没被解决？ 周栋：没有。因为我刚才说的是行业最底层的本质矛盾，而从这个矛盾再往下抽象，造成这个问题的原因有这几点。 第一，服装行业是所有实体产业里最非标的一个。我刚才介绍的产业链条里有多个环节，每个环节在我看来都是一个独立行业，面料是一个行业，加工是一个行业，品牌是一个行业，零售是一个行业。 这带来的第一个问题是企业组织结构差异极大，不像互联网公司那样分工明确：运营就是运营，产品就是产品，研发就是研发。在服装领域，你经常会看到这种情况：一个人在A公司做的是企划工作，到了B公司却做设计工作，这就是组织结构的差异性。 第二点是业务流程缺失，这个行业有很多反共识的地方。服装行业是一个金字塔的结构，大家提到服装行业，天然会想到安踏、李宁这些知名品牌；提到加工厂，可能会想到申洲国际，但要知道，这些企业在中国服装产业里占比不到1%，剩下99%的服装企业都是中小规模或小作坊。公开可查的中国服装相关企业一共有17万家，但其中组织结构完善、有数字化基础的，不管是品牌类还是生产类，都凤毛麟角。绝大部分服装企业唯一的数字化系统就是微信。 虎嗅：SaaS并没有解决根本问题，那么AI能解决吗？或者AI能让服装行业直接跳过SaaS进入AI时代吗？ 周栋：我认为会。我们现在笃定的一件事就是我们在服装行业做AI就是以某种形式直接跳过“数字化和信息化”。但最本质的差异在于，上一个时代的SaaS和AI时代要解决的问题完全不同。前者本质是想把企业的线下业务流程线上SOP化，但这个前提是，企业线下得先有完整的业务流程、有SOP才行。但遗憾的是传统服装行业是感性主导驱动的，它们流程混乱、标准不一，难以联动。 上一代SaaS失败根本不是工具好不好用的问题，而是没意识到：以服装行业为例，人和组织才是这个行业最大的非标变量。没先解决这个问题，工具做得再好也没用。 到了AI时代，但出发点和SaaS完全不同。我本质上不是想做一个标准化工具，帮企业把线下流程线上SOP化，而是带着AI这个全新的生产力，帮他们重构新的业务流程，从而让企业内部人员可以利用AI实现增收或完成以前完成不了的任务。对他们来说，这是新的生产力，看待业务的视角完全不一样了。 虎嗅：这个AI带来的生产力怎么落地到业务上，举个例子？ 周栋：就以这件衣服为例，面料商手里只有面料，他们会找到客户后上门，拿一块面料给对方看，说自己的面料多好，再给一些色卡，说能做多少种颜色，用这种方式推销。这个过程里他能传递给下游的信息总量很有限。 用上AI之后，AI可以先为这块面料生成适配不同服装品类的款式设计；下一步还能基于这块面料设计出一整套企划提案，甚至还能生成模特图。然后面料商就可以带着这些AI创造的新信息增量，去跟客户沟通。 这里最关键的变化是，客户获得的信息总量完全不一样，客户能直接看到这块面料最终做成衣服和配上模特后的效果，这能给面料商创造新的增益。 从零开始搭建服装行业专属数据 虎嗅：这里面有大量非标数据，你们怎么解决数据工程？ 周栋：服装产业的数据都沉淀在人的大脑里，而不是数据库。他们可能连信息化系统都没有，是个数据荒漠；第三是客观相对的来看，这个行业整体从业人员素质偏低，这自然会导致两个结果，学习意愿低，使用新工具的成本比其他行业高得多。所以我们做AI，也绕不开这三个问题，从做AI的第一天起，就要思考怎么解决。 我们分不同阶段解决数据从哪来、用什么行业Knowhow进行处理、不够的高质量配对数据如何解决。我们会通过公开信源合理抓取，外加产业伙伴定向收集，不乏下厂把纸质的衣服版单收集回来再做结构化处理；我们会有自己多年积累的产业知识库做标注和关联重构。不够的高质量配对数据，我们自己拍，或者通过数据合成的方式补齐。 目前总数据量规模已经做到2亿原始图像数据以上。 虎嗅：数据工程搭建好之后，你做了什么事？ 周栋：有了数据之后，我们做了第二件事就是训练服装行业的专项模型。我们是全球第一家做出服装行业各类专项模型的公司。 例如我们在2023年就训练了自己的多视角模型，比如让AI生成一件衣服各个角度的模特上身图，当时通用大模型也能做到，但大多只能出正面图。在服装行业的实际需求里，需要360度多视角展示，得看侧面、背面的效果，更难的是要保持各视角的一致性，否则就没有可用性。我们内部把这部分工作定义为“产业模型工程”，也就是数据工程加产业模型工程。 第二件事是从2022年底到2023年，也就是各类通用LLM、VLM大模型出来之后启动的，我们称之为基于通用模型的“持续预训练架构和自动评估体系”。我们很清楚自己没有资本去做基础大模型，我们的核心是产业模型，规模相对较小。但通用大模型出来了，并且迭代速度很快，肯定要借助它的能力。 虎嗅：那你怎么确保大模型未来就不会做这件事？万一哪一天大模型效果越来越好，生成图像越来越对了怎么办？ 周栋：大模型一直在迭代，生成的图片会越来越好看，但解决不了“越来越对”的问题。比如它生成服装款式或模特图时，可能会丢失面料质感、出错工艺细节，这对B端客户来说是无法接受的，相当于产品变了，完全不可用。 虎嗅：有没有一个节点，能明显感觉到模型效果突然变好了？ 周栋：第一个阶段是2024年，因为我们借了早期通用开源大模型的东风，结合我们的领域算法和数据工程，构建出了属于我们自己的服装产业垂直大模型，再加上我们的产业专项模型，当时就明显感觉到我们的AI能力整体上了一个台阶。 第二个阶段是今年。VLM和多模态领域都有更多特定性能更好的开源模型，发展也更迅猛，我们就做了模型迁移。我想表达的是，对我们来说这件事不复杂，因为我们背后有一套成熟的技术架构和自己的benchmark评估体系，只要市面上出现更好的开源大模型，我们就能以最快速度判断和迁移，把我们的AI能力再往上拔高一个层次。 先在日本市场找到MVP，再进入中国市场 虎嗅：商业模式是怎么设计的？因为最早你们是产业互联网的思维，当时的收费模式可能跟现在不太一样？ 周栋：我们从一开始就规划了三个商业阶段。 第一个阶段先做了SaaS，有两个客观原因。第一，我们当时的综合技术还没牛到能直接做AI Agent或者更符合愿景的产品；第二，我觉得得先有一个MVP，先初步验证PMF，投向市场看一看，找到一个入口和方法，获取行业内真实客户的使用反馈和know-how反馈。所以我们做了SaaS，然后确定了切入的市场。 虎嗅：切入哪个市场？ 周栋：日本市场。相比于欧美和中国市场，日本市场的竞争没那么激烈；第二，日本的服装企业非常规范，数据质量相对更高；第三，我们当时看到了日本的国家政策，能明显感觉到日本不想错过这一波AI浪潮，虽然它赶不上中美，但当时日本政府对日本企业有一些补贴政策。我们在日本认识一家做服装贸易的日企商社，直接选择它做我们的代理商。这样一来，我们有好的AI产品，切入了市场空白，又找了日本本土有服装资源的企业做信任背书帮我们销售，天时地利人和。 今天日本所有能叫得出名字的服装大企业，几乎全是我们的客户，其中一家最大的零售品牌客户总部相关负责人到我们公司，他们说，已经调研了全球几十家AI公司，最后选择了我们。 日本电视台对向量螺旋的报道 虎嗅：日本市场验证成功之后，接着你们怎么做？ 周栋：我们其实是同步启动了第二个市场，中国市场，我们先确定了生产型企业切入，确定两个趋势作为切入方向：第一个是“二代接班潮”，第二个是“供应链出海潮”。 国内市场的客户对我们来说更宝贵的一点是，国内业务场景和需求标准更复杂，他们的上下游会不断提出各种苛刻的新要求，因为国内的产业链更完整。我们在中国市场的策略是“不求量大，但求做细做深”。现在我们有底气说，在国内规模以上的服装生产型集团客户中，我们的市占率绝对是第一的。 虎嗅：什么时候在国内跑通了第一个标杆客户？ 周栋：申洲国际。让他们认可我们并签约大概两个月。 虎嗅：你们是直接跟老板谈，还是跟业务部门谈？ 周栋：大多都是直接跟老板或者有决策权的负责人谈。 虎嗅：申洲国际已经是服装行业里数字化程度很高的公司，为什么还要购买你们的AI服务？ 周栋：他们的数字化确实非常完善，服装行业除了3D软件，还有CAD打版软件、印花分色软件等等各式各样不同环节的软件系统…… 申洲的数字化系统非常丰富和完备，但仍然无法解决内部数据的流通，以及直接交付结果这件事。 我们尝试帮他们做的第一件事是在不丢失已有数据系统的基础上，打通散乱数据资产的可复用性和可利用性，另外就是循序渐进帮他们做AI Agent，例如用他们已经积累的面料、材料和工艺的能力，直接生成一套企划方案给到品牌方，为他们直接创造更多服务生产力的增量。 从技术中台到数字工种 虎嗅：第一阶段的商业模式还是SaaS的形式，第二阶段和第三阶段的商业模式会有什么迭代？ 周栋：2025年已经打造了一个新的产品，我们把它叫做“技术中台”，当客户不满足于标准化、产生个性化需求时，就可以用技术中台，把所有非标需求转化为技术层面的标准化组件，从而更快地实现交付和履约。另一方面，也可以把技术中台开放给客户，如果客户自己有IT团队和产研团队，他们可以自己在上面搭。 第三个阶段的商业产品，现在已经在做demo了，我们叫“数字工种”。不管是SaaS还是企业级Agent，最终都是客户员工在使用工具，这仍然没有完全打破我刚才说的那个魔咒，还是AI配合人，且决策人本人通常对AI的实际效益价值是没有直接体感的。 我们想解决的核心问题是：既然前者都是AI配合人，人是关键变量，那我能不能倒过来，让AI主动完成工作，人来配合AI？决策人考核“它”的方式，跟考核“人”是完全一致的。 这背后的逻辑是，上一个时代的工具类产品，抢占的是每家To B企业的IT预算，而企业的IT预算可能只占总预算的3%、5%。但我们想换个方式，我们提供数字劳动力，要抢占的是企业的人力预算。 我们换了个视角来打开更大的赛道，我抢占的不是全球服装企业的IT预算，而是全球服装企业的人力预算。 虎嗅：你们先做了什么岗位的数字员工？ 周栋：在服装产业图谱里，会有不同的数字员工解决不同环节的问题。这些所需的know-how，就来自我们做SaaS、做大客户项目过程中持续积累的know-how，再把这些know-how抽象成不同的数字员工，对应解决不同的行业问题。比如我们的第一个数字员工，名字叫“电商内容专员”。 虎嗅：为什么先选择做“电商内容专员”这个数字员工？ 周栋：因为它离钱最近。 虎嗅：现在的营收情况方便透露吗？ 周栋：商业化第一年只做了半年，营收大概大几百万人民币；后面是每年实现三倍增长。 虎嗅：三倍增长目标是基于什么判断的？是不是因为明年你们要推出那个技术中台？ 周栋：主要基于三个方面。第一，因为我们的技术和产品能力会越来越强，自然能获得更多客户的认可；第二是区域扩展，除了日本和中国，我们已经开始拓展美国、法国、德国这些欧洲市场；第三就是新的项目形态的增量。 现在营收的绝对值不是最重要的，更应该关注每年的增长是否是稳步上升的状态。

【环球网报道】据美国彭博社、路透社当地时间17日报道，美国亿万富翁埃隆·马斯克要求美国开放人工智能研究中心（OpenAI）和微软公司向其支付790亿至1340亿美元的赔偿，理由是OpenAI背弃了其非营利初衷、转而与微软合作，从而对他构成欺诈。OpenAI、微软随后相继作出回应。 马斯克 资料图 图源：外媒 彭博社称，马斯克的律师16日在法庭文件中详细说明了这一赔偿请求。该文件援引金融经济学家、专家证人保罗·瓦赞的估算称，马斯克在2015年协助创立OpenAI时，向其捐赠了3800万美元种子资金，却遭到欺诈，因此有权获得OpenAI当前5000亿美元估值中的一大部分。 报道称，该文件显示，专家证人瓦赞在计算赔偿金额时，将马斯克对OpenAI的财务及非金钱贡献一并纳入考量，包括其提供的技术和商业建议。文件提到，马斯克还计划寻求惩罚性赔偿。 彭博社介绍称，马斯克于2018年退出OpenAI董事会，2023年创立了自己的人工智能公司，并在2024年就OpenAI首席执行官萨姆·奥尔特曼将该公司转为营利性企业的计划与其展开法律诉讼。OpenAI和微软均否认马斯克的相关指控。 “马斯克先生的诉讼依然毫无根据，并且是其持续性骚扰行为的一部分。我们期待在案件审理时证明这一点。”OpenAI在声明中表示，“这一不严肃的最新索赔要求，唯一目的就是延续这场骚扰行动。” 报道称，OpenAI此前曾警告投资者，随着案件进入审理阶段，预计马斯克将提出吸引眼球的主张。 路透社称，一名微软律师表示，没有证据表明微软公司“协助并教唆”OpenAI。

IT之家 1 月 17 日消息，埃隆 · 马斯克（Elon Musk）今日在社交平台上透露，用于 Grok 的“Colossus 2”超级计算机现已投入运行。这是全球首个吉瓦级训练集群，四月将升级至 1.5 吉瓦。 IT之家注意到，马斯克 2024 年夏天启用了孟菲斯的 xAI 设施 —— 超级计算机“Colossus”，它为 xAI 的聊天机器人 Grok 提供算力。这个设施的建筑面积相当于 13 个足球场，并计划使其规模扩大一倍。该设施启动时配备了 10 万块英伟达 H100 GPU，到 2025 年 2 月，GPU 数量已翻倍至 20 万块。 2025 年 5 月，Colossus 孟菲斯超级集群第一阶段全面投入使用，站点从孟菲斯当地多部门获得 150 兆瓦电力。此外，xAI 的 Colossus 超算还配备了 150 兆瓦的特斯拉 Megapack 电池用作备用电源，以便在停电或需求激增时提供保障。 今日早些时候有报道称，美国环境保护署裁定马斯克的 xAI 在田纳西州为 Colossus 数据中心供电过程中，违规运行了数十台天然气涡轮机。 监管机构明确否定了 xAI 提出的“临时使用即可豁免监管”的说法，并在经过一年多审查后作出最终裁决，认定此行为违反环保法规。

快科技1月17日消息，阿维塔在微博发布关于广西南宁15辆车连撞交通事故的说明。 1月6日，一辆阿维塔07在南宁因超速驾驶连续与15辆车发生碰撞，当地交警已做现场调查处理，并出具事故认定书，明确事故原因为驾驶员导致。 根据对用户授权的车辆数据进行分析，结果表明：事故发生前和事故发生时，车辆始终处于【NCA_STANDBY】状态，即辅助驾驶功能未激活。碰撞发生后，安全气囊等正常打开。 事故发生后，当事用户本人确认，其从未接受过媒体采访。自1月13日我司首次公开说明情况后，仍有部分媒体在未经任何核实的情况下，持续发布“肇事司机称驾驶辅助系统失控”等完全背离事实的报道，进行恶意剪辑与传播，严重侵害我司品牌声誉。 阿维塔表示，目前经我司积极沟通与澄清，主流扩散媒体已主动下架相关不实内容。对于仍在扩散及未来可能出现的恶意造谣、抹黑行为，我司将坚决采取一切法律手段予以打击，并保留追究法律责任的权利。同时提醒广大车主朋友注意行车安全，遵守交通法规，平安出行。

快科技1月17日消息，台积电去年在美国压力下宣布追加1000亿美元投资，对美芯片工厂总投资将达到1650亿美元，然而最新的谈判结果中，台积电的投资力度只会更大。 美国要求中国台湾方面的投资总额不低于2500亿美元，其中大部分显然是台积电投资推动，目前具体会增加多少还不确定，但比去年追加的1000亿美元要高。 不仅要巨额投资，台积电还需要把先进产能转移到美国本土生产，美国商务部长卢特尼克提出的要求是美国总统4年任期内台积电要把40%产能转移到美国工厂。 对于这一要求，台积电CFO黄仁昭日前在采访中没有正面回应，只表示台积电加快对美投资是因应客户需求，目前进展相当顺利。 他指出台积电在美国将投资6座晶圆生产工厂、2座先进封装工厂、1个研发中心，此前购买的第一块土地面积为1160英亩，已经不够用了，为此他们又购买了第二块面积900英亩的土地。 对于美国掏空台积电的质疑，尤其是先进技术流入美国的问题，黄仁昭表示最先进的工艺还是会留在台积电本土工厂。 他表示基于务实考量，最先进工艺会在本土工厂运行，稳定成熟之后才会转移到海外，这至少需要1年以上时间。 不过此前台积电方面的表态是落后2代的工艺才能出口到海外，按照业界至少2年一代工艺的情况来算，意味着要拉开4年差距，而台积电现在只把量产1年的工艺就转移到美国，其中的情况不言自明。 由于先进工艺的技术演进问题，3nm与2nm看似差距一代，但技术本质差别并不明显，未来2nm到A16工艺更是如此，因此美国工厂的技术差距跟本土工厂其实远没有拉开。

雷达财经出品 文|丁禹 编|孟帅 新年伊始，完美世界率先打响了2026年游戏行业反腐的“第一枪”。 1月15日，完美世界发布公告称，公司3名美术负责人（其中2人已离职）涉嫌严重舞弊，现已被公安依法刑事拘留。 事实上，涉及市场营销、广告投放、美术外包等职能的相关岗位，堪称游戏行业的贪腐“重灾区”。 近年来，国内游戏大厂纷纷加大反腐力度，包括腾讯、网易、莉莉丝、IGG等在内的厂商纷纷“重拳出击”。 雷达财经梳理发现，自2024年以来，完美世界在短短两年多的时间里，已经通报了数起反腐事件。 在业绩层面，完美世界在2024年经历低谷之后，终于在去年迎来转机。2025年前三季度，公司营收同比增长33%至54.17亿元；归母净利润也扭亏为盈，达到6.66亿元。 截至1月16日收盘，完美世界股价为18.38元/股，市值达356.57亿元。天眼查显示，池宇峰为完美世界的实际控制人。 而在去年10月揭晓的《2025胡润百富榜》上，池宇峰以210亿元的身家位列榜单第297位，身家较2024年上涨45%。 完美世界再出“重拳”，三人被刑拘 据完美世界1月15日披露的公告，公司在2025年查处多起员工与供应商内外勾结、营私舞弊、损害公司利益及违反利益冲突规定的案件，并发布相关处罚公告，明确表达对贪腐舞弊行为零容忍的态度。 完美世界还表示，此前公告发布后，公司持续畅通举报渠道，陆续收到多条举报线索。经查，部分员工及供应商负责人的行为已涉嫌违法犯罪，公司特向公安机关报案。 据悉，此次完美世界披露的公告涉及三人，其中一名在职、两名离职，分别是：青云工作室新诛仙世界项目美术部组长刁某，凌霄工作室完美新世界项目美术部原任动作组长宋某（2024年8月离职），以及凌霄工作室完美新世界项目原任美术总监王某（2024年8月离职）。 上述三人均涉嫌利用职务便利或个人/职权影响，伙同供应商抬高或虚报采购价格，索取、收受贿赂，侵占公司财务。 目前，三人均已被公安机关依法刑事拘留，且公司对于在职人员刁某予以辞退处理，永不录用。 据《中国经营报》，游戏运营从业者showlo指出，游戏行业贪腐频发的市场、美术部门往往手握重金，掌握向外采购的口子，并且创意行业的资源没有统一定价标准，给相关员工的贪腐行为提供了极大的操作空间。 “因为离钱太近了，（涉及腐败员工）天天看着这些钱从手上过，一瞬间就会有邪念，可能会先收一点小的回扣，然后越贪越多。”showlo一针见血地指出问题根源。 游戏行业刮起“反贪风暴”，完美世界决心不小 事实上，近年来，游戏行业贪腐现象频发，导致企业利益严重受损。在此背景下，整个行业纷纷加大对内部反腐的力度，一场声势浩大的反腐行动在行业内全面展开。 2024年1月，莉莉丝发布内部通告，揭开了一起内部腐败案件的冰山一角。经公安机关审讯，一名员工承认在职期间与供应商存在大额资金来往，一名供应商负责人涉嫌职务侵占罪，二者均被刑事拘留。 同年11月，网易通报了两起舞弊贪腐违法案件，多名员工被宣布解聘，永不录用，涉案人员在次年1月均已被检察机关批准逮捕。 紧接着网易又在次年1月公布的通报中提到，过去半年，网易内部发生了5起刑事类案件，9起严重违规被辞退、永不录用案件，这些案件共涉及27名员工。同时，网易公布永不合作主体名单，新增58家公司。 同样在2024年11月，IGG也发布内部涉腐违规事件的处理公告，提及美术作品供应商向项目主美提供现金10万元，IGG最终认定这一行为构成严重的商业舞弊，公司在开除项目主美同时，亦将供应商列入合作黑名单。 2025年1月，腾讯旗下公众号“阳光腾讯”发布通报称，2024年全年，腾讯反舞弊调查部共发现并查处触犯“腾讯高压线”案件百余起，百余人因触犯“腾讯高压线”被解聘，其中二十余人因涉嫌犯罪被移送公安机关处理。 在这场行业的“反贪风暴”中，完美世界也多次展现出整治内部腐败的坚定决心。 2024年8月，完美世界发布《对贪腐、舞弊行为零容忍！——完美世界集团道德合规公告》，通报了2023年以来，公司旗下星云工作室以及原Bard游戏项目组多名员工涉嫌收受贿赂、职务侵占等违规行为，涉及高级美术总监、制作人、2D主美、3D主美等岗位。 2025年1月，网络上又流传出完美世界开除百万工作室4人的公告。公告显示，4名涉案人员存在玩忽职守、以公谋私、内外相互串通等违规行为，严重违反公司廉洁从业规定等，公司对4人进行解除劳动关系和永不录用的处理。 2025年7月，完美世界再度刮起“反贪风暴”。内部反贪腐调查公告显示，公司旗下包括百万、青云、硬核工作室总计8名在职及已离职人员，涉嫌与供应商内外勾结、营私舞弊、损害公司利益。 公告还提到，此次贪腐相关人员涉及岗位包括：工作室负责人、策划部负责人、HR经理、美术部动作组长以及动作组员工、美术部负责人等，其中美术部成为贪腐的“重灾区”，多名涉事人员被公安机关刑事拘留。 有分析认为，游戏厂商强化内部反腐，既是行业高质量发展的必然要求，更是抵御利益侵蚀、筑牢经营根基的关键防线。唯有坚持“零容忍”原则，坚决斩断内外勾结的利益链条，方能从根本上净化行业生态，以廉洁保质量，以正气树公信，为行业的持续健康发展护航。 近年业绩波动明显，去年扭亏为盈 在反贪风暴持续席卷游戏行业的同时，完美世界此前连续多年面临业绩的严峻考验。 同花顺iFinD数据显示，2020年至2023年，公司分别录得102.25亿元、85.18亿元、76.7亿元、77.91亿元的营收，整体呈下滑态势。 同期，公司的归母净利润出现明显波动，该指标从最高的15.49亿元一度跌至5亿元以下。 进入2024年，完美世界的业绩困境进一步加剧，不仅营收同比减少28.5%至55.7亿元，归母净利润更是由盈转亏，亏损规模高达12.88亿元。 在当年年报中，完美世界提到，2024年，公司定期评估在研项目，《完美新世界（Perfect New World）》《灵笼》《代号Lucking》《代号新世界》等项目预期收益不佳，审慎决定予以关停，并相应进行人员优化，全年该等项目合计亏损约3.97亿元。 2025年，完美世界的业绩终于有所好转。去年前三季度，公司营收同比增长33%至54.17亿元，归母净利润扭亏为盈，达到6.66亿元。这主要得益于完美世界游戏业务、电竞业务和影视业务的持续发力。 具体而言，《诛仙世界》《诛仙2》《女神异闻录：夜幕魅影》等游戏的接连登场，为公司带来收入增量。 不过，受产品生命周期影响，公司过往年度推出的若干移动游戏收入同比下滑，部分抵消了上述游戏带来的收入增长。 同期，公司的电竞业务延续增长趋势，收入较上年同期增加；且期内公司播出多部影视作品，并确认收入。 分业务来看，游戏板块依旧是公司的绝对核心，去年前三季度斩获收入44.75亿元，同比增长15.64%，占总营收的八成以上，撑起了公司的大部分业绩，且该板块的毛利率由65.78%上升至69.29%。 同时，完美世界的影视业务呈现出强劲的增长态势，去年前三季度实现营收9.18亿元，较上年同期增加432.9%。 雷达财经从公司财报获悉，完美世界游戏业务前身创立于1997年，是中国最早自主研发3D游戏引擎的游戏厂商。 作为一家全球性的文化娱乐产业集团，游戏业务对完美世界的重要性不言而喻。 同花顺iFinD数据显示，2020年至2024年，完美世界游戏业务营业成本占公司营业成本的占比分别为79.35%、75.45%、87.54%、71.22%、80.21%。 去年上半年，完美世界游戏业务的营业成本为9.04亿元，占公司营业成本的比重降至56.53%。 而该数据的大幅下滑，主要系公司营业成本大涨64.93%至15.99亿元所致。 完美世界在财报中提到，期内营业成本随营收的提升而增加，营业成本增长幅度超过营收，相应公司综合毛利率同比下降。 去年上半年，公司游戏业务综合毛利率稳中有升；影视业务多部影视作品播出，公司营收中影视收入占比提高，而影视业务毛利水平低于游戏业务，收入结构的变动带来公司综合毛利率的下降。 值得一提的是，完美世界近年来积极转型，努力拓展以《幻塔》为代表的潮流新品类，试图构建多元化产品矩阵。 经过多年沉淀，完美世界目前已形成覆盖端游、手游、主机游戏、云游戏及小程序游戏的全平台研发与发行能力，并深化以AI为代表的技术革新与场景落地实践，持续夯实游戏业务发展动能。 未来，完美世界能否在坚决贯彻内部反腐、廉洁从业的同时，保持住公司来之不易的业绩增长势头？雷达财经将持续关注。

编辑：桃子 KinghZ 全网震撼！马斯克官宣，全球首个吉瓦级超算Colossus 2正式上线，狂堆55万块GPU，目标直指百万。下一代Grok 5已在训练，6万亿参数将引爆智能奇点。 全球首个吉瓦级训练集群！ 马斯克一早激动官宣，专为训下一代Grok打造的「超算巨兽」Colossus 2，今天正式上线。 它可是全球首个，达到吉瓦级的AI训练集群。这是什么概念？ Colossus 2的用电，要比旧金山全市用电峰值还要高。 预计在今年4月，升级到1.5GW，约等于一座大型核电站的输出。 OpenAI、Anthropic在内的很多劲敌还在规划2027年路线图，xAI这边直接把「城市级」算力搞定了。 更夸张的，是他们的执行速度： Colossus 1：从零到全面上线，只用了122天 Colossus 2：刚突破1GW门槛，目标直接冲着总共2GW去 Epoch AI此前一份报告称，Colossus 2将拥有相当于140万块H100 GPU等效算力 暴力出奇迹，依旧是马斯克坚信的路线——Scaling算力对于快速逼近「奇点」那一刻至关重要。 毕竟，在马斯克的叙事中，未来全球最强的AI玩家中，只有谷歌和xAI。 全球首个GW级超算：55万GPU xAI展现出的惊人速度，连老黄都为之惊叹。他曾这样高度评价道—— 马斯克对工程学的理解是独一无二的。别人需要1年完成的事情，xAI仅用19天就搞定了。 自动播放 外界对于Colossus 1的了解，要比Colossus 2系统得多。 从0开始仅用122天就拔地而起，拥有大约20万张H100/H200，以及约3万张GB200 NVL72。 去年，SemiAnalysis高级分析师一篇文章，曾深度分析了Colossus 2工程设计和所取得的成就。 接下来，就扒一下其背后的细节。 六个月，从0到200MW Colossus 2项目，于2025年3月7日启动。 它将配备55万块芯片，由GB200和GB300 GPU组成，最终未来扩展到百万GPU。 当时xAI在孟菲斯（Memphis）收购了一个100万平方英尺的仓库，以及两个总计100英亩的相邻地块。 不到六个月的时间，SemiAnalysis统计了现场已部署119台风冷冷水机组，即大约200MW的冷却能力。 这就足以驱动，大约11万张GB200 NVL72。 而且，这个巨大的超算，全部采用的是液冷设计。 马斯克一条推文显示，一些机架在7月份就已经安装好了 令人惊叹的是，xAI只用了6个月就完成了甲骨文、OpenAI花了15个月才完成的工作！ 据介绍， Colossus 2造价高达数百亿美元。而xAI现在基本没外部收入，主要靠母公司X输血。 而且，报告里特意提了一嘴—— 马斯克跟中东几个「土豪」关系很铁，沙特、阿联酋、卡塔尔的主权基金，都是潜在的金主。 Grok 5在训，奇点更近了 Colossus 2的全面上线，也意味着「全球首个吉瓦级大模型」——Grok即将出世。 马斯克曾坚定地表示，xAI有机会通过Grok 5实现AGI。 此前，在一期采访中，马斯克还表示Grok 5拥有高达6万亿参数，而且智能密度更高，预计将在上半年发布。 不仅如此，它还原生支持视频理解。 可以预见，在首个吉瓦级超算上训出的Grok 5，实力一定超乎想象。 爆冲2GW，今年上线 去年12月底，马斯克斥资超200亿美元，买下了孟菲斯第三栋建筑，计划将Colossus总容量扩展至2GW。 这栋新建筑——MACROHARDRR，延续了Macrohard命名，位于Colossus 2旁，占地面积超80万平方英尺。 Grok估计，在2025年中，按AI算力排名前10中，Colossus 2和特斯拉Dojo位居第一和第7： 在AI算力上，马斯克疯狂加码，甚至他「已经在规划10GW甚至更高的算力」。 狂飙吉瓦级超算，硅谷巨头乱战 如今，全世界AI巨头们，正掀起一场前所未有的算力军备赛。 除了马斯克xAI之外，OpenAI、Meta、Anthropic也在纷纷加码，目标直指吉瓦（GW）级，甚至更大规模的AI超算。 2022年GPT发布以来，OpenAI、xAI、Anthropic、Meta Superintelligence等AI训练算力飙升 OpenAI：星际之门 「星际之门」，便是众所周知的典型代表之一。 2025年1月初，OpenAI联合软银、甲骨文等伙伴正式启动了名为「星际之门」（Stargate）的宏大计划。 这项「AI曼哈顿计划」，要在未来4年砸5000亿美金，建设总容量达到10GW的集群。 首期立即部署1000亿美元，如今进展迅猛。 去年9月，OpenAI公布了五个新站点，要在未来三年，实现7GW算力规模。 这样的规模相当于同时为数百万家庭供电，却全部用于驱动AI训练与推理。 Meta：普罗米修斯 Meta同样在加速狂奔。 早在去年，小扎就公开了资金代号Prometheus（普罗米修斯）的GW级AI超算项目，目标在2026年上半年上线。 不仅如此，Meta正在建设多个吉瓦级集群： Prometheus预计2026年率先达到1GW+ 后续的Hyperion项目，计划逐步扩展到5GW规模，占地堪比曼哈顿相当一部分区域 几天前，小扎再次重磅宣布启动全新顶级计划——Meta Compute。 计划明确表示，将在本十年内建设数十吉瓦AI超算，长期目标甚至指向数百吉瓦级别。 为此，Meta内部已组建专责团队，并与核电企业签订长期协议，确保能源供应跟得上疯狂扩张的步伐。 Anthropic：百万TPU下单，GPU也要 Anthropic选择了一条更聚焦的路线：深度绑定Google Cloud的TPU。 去年10月官宣，将把Google Cloud TPU扩展到最多100万颗TPU，合同价值数百亿美元。 而且，预计在2026年上线远超1GW的容量。 而且，Anthropic采用多平台策略，同时使用谷歌TPU、亚马逊Trainium和英伟达GPU。 如今，AI竞赛的胜负手，正从模型参数本身向基础设施倾斜。 硅谷巨头们狂建超算，原因很简单：下一代前沿模型所需的算力远超想象。 这场吉瓦级超算的全球军备赛，才刚刚拉开帷幕。 6千亿算力投资，AI榨干美国人钱包？ 网友直呼，马斯克的算力赌注「太疯狂了。AGI最难的部分已不再是数学，而是字面意义上的能不能找到足够多的电源插座」。 2026年，这一趋势只会愈演愈烈—— 亚马逊AWS、微软、谷歌、Meta、甲骨文（Oracle）等超级云计算巨头正加速扩张。 它们的资本支出预计将超过6000亿美元，重点已全面转向AI专用基础设施建设，边缘服务成为次要关注点。 独立的市场研究和分析公司Dell’Oro分析师Baron Fung指出：「预计在未来2至3年内，这些部署将新增数十GW总电力容量，反映出加速计算对算力规模和密度提出了极高要求。」 Baron Fung是戴尔奥罗集团（Dell’Oro Group）的高级研究总监，负责数据中心IT资本支出、半导体与组件，以及以太网适配器与智能网卡研究项目 虽然整体趋势是「全面转向AI」，但各家打法并不相同： 亚马逊与谷歌聚焦自研AI加速器，围绕内部芯片构建数据中心； 微软则持续重金押注OpenAI以及自己的AI平台战略； Oracle借Stargate项目强势崛起，迅速构建新一代AI算力园区； Meta正在打造当前全球最庞大的AI数据中心项目，代表作包括Prometheus与Hyperion。 Baron Fung表示，这类新一代数据中心将集成大规模AI集群、高密度加速卡机架、先进网络连接与支持型存储系统。 「预计未来2到3年内，数十GW级的新超级数据中心产能将陆续上线，服务对象既包括内部AI平台，也涵盖大客户的关键AI工作负载。」Fung总结道。 但与此同时，电力短缺、设备交付周期拉长以及地方政府与社区的反对，也让扩张变得日益困难。 那些AI数据中心年入千万美元，而且零交通压力，零学区负担，看起来只会带来现金流。 这番说辞深得美国政界青睐——白宫如此，各州政府亦如此。 但对数据中心附近的居民而言，「根本没有好处可言」。 因为这些算力设施全天候24小时运转，内部部署着数以千计的服务器，而服务器需要大量电力与水来保持冷却。 一方面，数据中心建设热潮助推了AI革命；另一方面，AI热潮可能耗尽美国电网资源、榨干普通人的钱包。 AI正在推高电价，而没有人对此感到满意。甚至有媒体称： 美国对数据中心的「战争」即将到来。 2025年12月1日，密歇根州塞林（Saline）的居民集会，反对一座耗资70亿美元的「星际之门」（Stargate）数据中心。 根据美国能源信息署（EIA）的数据，自2022年以来，全美几乎所有地区的居民零售电价涨幅均超过通胀率，且这一现象很可能持续至2026年。 比如，去年，新泽西州的电费账单上涨了约 20%。 美国电价飙升的深层矛盾源于积弊数十年的结构性问题：老化的基础设施亟待更新，而过时的商业模式与法规体系拖慢了电网升级的步伐。 而数据中心建设浪潮，给美国的电力供应体系前所未有的难题。 据《Data Center Watch》统计，反对数据中心建设的浪潮正在加速： 2025年仅第二季度就有980亿美元的在建项目受到阻碍或严重拖延。 去年上半年，美国已有36个项目涉及投资高达1620亿美元的AI算力项目受到阻碍或严重拖延。 如果说AI热潮给全世界带了硬件短缺，那给美国带来的更严重的问题将是电力短缺。 保算力，还是保电力，成了美国不得不考虑的问题。 要支持数十GW级的新超级数据中心产能，电力而非算力卡了美国AI的脖子。

Jay 发自 凹非寺 量子位 | 公众号 QbitAI 刚刚，全球首个GW级超算集群Colossus 2，正式投入运行。 马斯克兴奋喊话： 这是全球首个达到1GW的超算集群，4月还将进一步升级至1.5GW。 网友直呼疯狂：「1.5GW，光是插座估计都得给墙壁装满了。」 有了这剂算力强心针，Grok的忠实拥趸已经提前开香槟，开始畅想Grok5的统治时代。 但在全网狂欢的背后，更多的人是苦不堪言—— 2026年夏天，美国13个州的6700万居民，可能要因数据中心的存在被停电，没空调吹了。 全球首个GW级训练集群 老马的执行力太恐怖了。 不靠亚马逊，不靠微软，也没有「星际之门」计划，一己之力于孟菲斯平地建起一座1GW的超级超算集群。 前一代超算集群Colossus 1从无到有仅用了122天。 它配备约20万颗英伟达H100/H200和约3万颗英伟达GB200 NVL72。 而在此基础上翻了好几倍，功率达到1GW的Colossus 2，只花了仅仅不到一年。 1GW是什么概念？ 一般来说，1GW可以为75万户家庭供电，轻松供电一整个旧金山。 一座核电站的功率差不多也就是1GW。 如果按马斯克所说，今年4月份，Colossus 2将升级至1.5GW，最终总装机容量达到2GW，这个数字将与美国大多数主要城市的用电量相当。 按照规划，彻底完工后的Colossus 2将内置55张GPU，远超Meta的15万、微软10万，以及谷歌的分布式基础设施。 而这庞大的资源，全部为Grok独自享用。 此前，曾有爆料称Grok 5的参数将达到惊人的6万亿左右，是Grok 4的两倍以上。 原因便是基于Colossus 2： 当时有观点认为Grok 5将在拥有数十万张英伟达GPU的Colossus 2上训练，耗电量约为1GW。 如今，Colossus 2已正式上线，1GW的条件也正正好好满足。 而随着前段时间xAI E轮融资200亿美元的进账，Grok 5的Scaling筹码还在进一步增加。这意味着更大的模型参数，更快的训练速度、迭代速度，部署速度。 当OpenAI还在为2027年的算力基础设施发愁时，xAI已经把一座「城市级」AI 工厂开机运行，将Grok 5提前扶上了市场心目中的下一个SOTA。 正如网友所说，AI时代，速度就是最强的护城河。 居民受不了啦！ 不过，并非所有人都因这种「速度」受益。 据《华尔街日报》消息，美国非营利电网运营商PJM，未来可能在极端高温或严寒天气期间，轮流对区域内的居民断电。 这意味着，美国13个州的6700万人，在今年不得不迎来一个相当难熬的夏天。 要说清楚这个问题，得先明白PJM是干嘛的。 PJM，简单来说就是美国能源系统的交通指挥中心，它根据实时用电需求，协调发电厂何时增发、何时降载，以维持供需平衡。 然而，大模型大力出奇迹的竞赛正在破坏这种平衡。 在数据中心建设热潮推动下，PJM预计未来10年电力需求将以年均4.8%的速度增长。 对一个多年需求变化不大的系统来说，这样的增速相当罕见。 一边需求激增，另一边，供给的增速却相当缓慢。新建电厂的速度甚至都跟不上老电厂的退役速度，电网容量面临饱和。 供需一旦出现偏差，电网频率就会波动，进而可能损坏发电厂等关键基础设施。 为避免这些风险，PJM只能两害相权取其轻，通过在用电高峰期轮流停电来卸压。 PJM也不是没想过其他办法。 去年9月，PJM发布了一系列提议，希望数据中心在高峰时段主动降低用电量，或改从其他渠道获取电力支持。 然而，亚马逊、谷歌、微软等几乎都表示了反对，认为这是对数据中心的歧视。 值得一提的是，PJM主要负责美国东海岸地区，而xAI的Colossus位于中南部，并不在PJM电网覆盖范围内。 同时，为减少对当地电网的冲击，xAI还部署了168个特斯拉Megapack电池储能系统，在用电高峰期提供电力缓冲，尽量避免周边居民遭遇停电。

一年多以前，奥特曼对AI+广告这件事嗤之以鼻，他在演讲中公开表示，不到迫不得已，ChatGPT绝对不会加入广告。 而如今的奥特曼只会说：“真香！”。 OpenAI正式宣布，将在ChatGPT中开始测试广告业务。预示着奥特曼的立场也正在发生转变。 根据财报，谷歌的广告收入占比为72.5%，Meta更高，直接达到了97.7%。 其实对于坐拥8亿月活的ChatGPT来说，广告是一场不得不打的硬仗。 好在OpenAI还算体面，至少在官方公告里，它选择“站着把钱挣了”。 01 OpenAI广告测试针对两类用户群体展开。 第一类是免费版ChatGPT用户，这部分用户占据了ChatGPT总用户量的绝大多数，据行业估算约为95%。第二类是新推出的ChatGPT Go订阅用户，这是OpenAI新推出的服务，定位于免费版和Plus版之间的中间层级，月费为8美元。 相比之下，Plus用户每月20美元，Pro用户每月200美元，还有面向企业的Business和Enterprise套餐，这些高端订阅用户将继续享受无广告体验。 OpenAI的策略很明确，用广告来覆盖免费和低价用户的成本，同时用无广告体验来维持高端用户的付费意愿。 广告的展示形式经过了精心设计。 根据OpenAI提供的示例截图，广告将以独立模块的形式出现在ChatGPT生成答案的底部，与正常对话内容明确区隔开来，并标注“Sponsored”（赞助）字样，避免了广告与AI回答混为一谈。 广告内容的推送基于用户当前对话和历史查询的意图进行定向推荐。 当用户询问墨西哥晚餐烹饪建议时，ChatGPT在给出详细菜谱后，可能会展示相关食材或厨具的赞助广告。当用户咨询旅行计划时，可能会看到酒店或航班信息的推广。 这种基于对话语境的广告投放，是OpenAI所谓“意图驱动的赞助推荐”的核心。 在隐私保护方面，OpenAI做出了几项承诺。奥特曼强调，公司不会接受金钱来影响ChatGPT给出的答案，也会对广告商保密用户的对话内容。 OpenAI承诺不会出售用户数据，并允许用户随时清除用于广告投放的数据。用户可以关闭基于对话的广告个性化功能，而不影响ChatGPT的其他个性化特性。 OpenAI还设置了广告展示的限制条件。系统将自动识别对话语境，在涉及健康咨询、心理健康辅导或政治讨论等敏感话题时强制屏蔽广告展示。 18岁以下的用户也不会看到任何广告，这一判断将通过用户自报年龄或即将推出的年龄预测模型来实现。 顺便一提，虽然和本文无关，不过ChatGPT即将推出的成人服务，也将采用年龄预测模型来判断用户的真实年龄。 现如今，OpenAI面临着巨大的财务压力。虽然年化收入已达200亿美元，但每年在算力和研发上，要烧掉170多亿美元。 这个数字有多吓人呢？换算下来，OpenAI每天的运营成本约4700万美元，每小时近200万美元，每分钟超过32万美元。 不仅如此，OpenAI还承诺未来将投入约1.4万亿美元在AI数据中心和芯片基础设施上。目前OpenAI只筹集到了大概1400亿美元，仅为所需资金的10%，未来预计通过IPO等方式持续融资。 即便OpenAI在2025年完成了400亿美元的融资，估值达到3000亿美元，创下私募融资纪录，但这笔钱相对于未来的支出需求仍然是杯水车薪。 汇丰银行测算显示，OpenAI 2025-2033年间需额外融资2070亿美元才能覆盖支出。就算根据目前的复合增长率，2030年营收达到2130亿美元，仍有2000多亿美元资金缺口。 02 一分钱难倒英雄汉，不过促使奥特曼对广告态度发生转变的原因，还与Instagram的广告密不可分。 在1月17日宣布OpenAI进行广告测试的同时，奥特曼在社交媒体上表示，Instagram的广告很酷，他从中买了很多东西。这番表态透露出OpenAI广告策略的底层逻辑。 Instagram的广告系统之所以被奥特曼称赞，源于其精妙的算法设计。 他们广告的核心在于“原生性”和“相关性”。 该平台并非使用单一算法，而是针对Feed、Stories、Reels、Explore等不同场景部署独立的AI排序系统。每个系统根据用户在该场景下的行为模式进行优化，Feed侧重社交关系，Reels侧重内容发现，各有侧重。 Instagram的广告投放逻辑遵循Meta的核心竞价逻辑，这不仅仅是看谁出价高，而是看“总价值”。 广告主愿意付出的成本叫做Advertiser Bid。而这个值，要乘以Estimated Action Rate（预估行动率），最后再加上User Value（用户价值），就是这条广告的总价值。 其中，预估行动率是系统预测用户真的会去购买或点击的概率。这个值也是Meta的护城河，依赖其庞大的Pixel数据和历史转化模型而得出的结果。 用户价值是广告质量（素材是否令人不适、是否是标题党），以及落地页的展示效果。 这和国内短视频平台的广告逻辑不同。以抖音为例，他们的广告逻辑是ECPM排序+流量赛马 (Horse Racing)。 所谓流量赛马就是广告上线后，先放入一个小流量池（冷启动），测试其完播率、互动率、3秒停留等原生指标。如果数据好，才进入下一级流量池。 而ECPM排序取决于抖音的大模型对视频的理解。 因此，抖音广告更像是一个“付费的爆款视频”。如果素材本身没有娱乐性，系统给的预估极低，你有钱也烧不出去。 不仅如此，Instagram的广告推荐来自于你的社交图谱。比如你的朋友关注了谁、你经常给谁点赞、你通讯录里的人在看什么。 但抖音是来自于实时兴趣，哪怕你的账号是新的，没有粉丝，只要内容好，算法就能识别。抖音极其看重你此刻的行为（刚才停留了多久、是否点进主页）。 比如你刚看了一个猫咪视频，下划立刻给你推猫粮广告。 Instagram这种广告模式之所以能成功，原因就在于它不是打断用户，而是基于深度行为分析推荐用户可能感兴趣的产品。 用户不会觉得被强制推销，反而可能发现一些自己真正需要但之前不知道的东西。这正是奥特曼所说的“广告帮助用户发现真正需要的产品”的含义。 OpenAI采用的“意图驱动的赞助推荐”正是对Instagram模式的借鉴。与传统搜索引擎的竞价排名不同，ChatGPT广告强调“实用性”和“发现价值”。 当用户表达某种需求时，广告提供的应该是解决方案，而非干扰。 传统搜索广告的逻辑是“拦截意图”。 用户搜索“治脱发”，搜索引擎就推送医院广告。这是基于明确需求的流量变现，效率高但体验差。 用户知道自己在看广告，也知道这些广告是谁出钱最多谁排前面，信任度自然很低。 OpenAI的广告逻辑是“创造需求”。 用户在和AI聊职业规划时，ChatGPT不仅给出建议，还可能在对话中顺势推荐一个在线课程或生产力工具。这个推荐看起来是对话的自然延伸，而非突兀的商业插入。 用户可能从未听说过这个产品，但因为它确实符合当前的需求场景，接受度会高得多。 这种技术被称为“高语境下的原生推荐”。 在传统搜索栏里，用户只是输入关键词，搜索引擎对用户的了解非常有限。 但在ChatGPT里，用户输入的是背景、情绪、甚至隐私。AI对用户的理解深度远超传统搜索引擎，因此它推送的广告不再只是链接，而可能是一个真正的解决方案。 举个例子，用户向ChatGPT倾诉工作压力大，想要改善生活状态。传统搜索广告可能会推送心理咨询机构或保健品。但ChatGPT可能在给出减压建议的同时，推荐一个冥想应用或时间管理工具，这些推荐与对话内容无缝衔接，看起来更像是朋友的建议而非商业推广。 这种模式的优势在于，它将广告从“干扰信息”进化为“付费解决方案”。 用户不会觉得被打扰，反而可能感激这个推荐。但风险也同样巨大，一旦用户觉得AI的建议不再中立，而是充满了铜臭味，这种“信任红利”的崩塌将是不可逆的。 OpenAI显然意识到了这个风险。公司反复强调，广告不会影响ChatGPT的回答，回答始终基于“客观有用性”而非广告商的利益。应用CEO Fidji Simo在社交媒体上表示，最重要的是“广告不会影响ChatGPT给你的答案”。这是OpenAI试图在商业化和用户信任之间走钢丝。 但这条钢丝能走多久，没人知道。历史经验表明，当收入压力增大时，围绕广告定向的防护措施往往会逐渐松动。社交媒体平台就是前车之鉴，最初都承诺保护用户隐私，但随着商业化深入，这些承诺逐渐被稀释。OpenAI能否避免重蹈覆辙，将是一场关于“机器信誉”的豪赌。 03 不过说到底，OpenAI的广告转向，不是一家公司的选择，而是整个AI行业面临的普遍困境。 2026年对OpenAI来说是生死攸关的一年。经济学家塞巴斯蒂安·马拉比（Sebastian Mallaby）在《纽约时报》发表文章称，OpenAI可能在18个月内耗尽资金。 Anthropic在2025年的现金消耗达到30亿美元，虽然2026年计划削减至1/3，然而仍然是一笔巨额支出。 Anthropic主要依靠API调用和企业订阅。 据Menlo Ventures的《2025年企业生成式人工智能报告》，Anthropic在企业大语言模型市场的份额从2023年的12%增长到2025年的40%，超过了OpenAI的27%。 但市场份额的增长并未转化为盈利能力，公司仍在烧钱扩张。 科技巨头们也面临生存压力。据CreditSights估算，谷歌、微软等五大云服务商2025年资本支出预测为4470-5000亿美元，2026年将增加至6000亿美元以上，增幅36%，其中约75%用于AI基础设施。 事实上谷歌和Meta早已证明，数字广告就是互联网时代最赚钱的商业模式。谷歌的广告收入占比72.5%，Meta更是高达97.7%。 广告是AI公司最现实的变现路径，尤其是这些AI大厂，动不动就有几千万甚至几亿的月活，广告甚至有可能成为企业最重要的收入来源。 对于OpenAI和Anthropic这样的AI创业公司来说，订阅收入难以覆盖巨额的算力成本。OpenAI的Plus和Pro订阅用户约占5%，即便按照最乐观的估计，订阅收入也无法支撑公司的长期发展。 广告业务则不同，只要用户规模足够大，广告收入的天花板也就足够高。 ChatGPT拥有8亿月活用户，即便只有一半用户看到广告，按照行业平均水平计算，年广告收入也可能达到数十亿美元。这对于缓解OpenAI的财务压力至关重要。 更重要的是，广告业务的毛利率远高于AI服务，作为行业先锋，谷歌和Meta的广告业务毛利率都在80%以上。 但广告业务的引入也带来了新的风险。用户对ChatGPT的信任建立在其中立性和客观性上，一旦广告影响了回答质量，或者用户感觉被操纵，这种信任就会崩塌，那么用户就会转而使用其他平台的AI产品。 不仅如此，AI行业还面临着技术瓶颈的挑战。大语言模型的训练成本呈指数级增长，可性能提升却在放缓。OpenAI的GPT-4相比GPT-3有显著进步，但从GPT-4到GPT-5的提升幅度可能不如预期。 在2026年乃至以后，这个情况只会越来越明显。 从这个角度看，OpenAI引入广告业务不仅是商业化的需要，也是生存的必然选择。 奥特曼的“最后手段”已经成为现实。但这并不意味着OpenAI完全放弃了理想，而是在理想与现实之间寻找平衡。 对于OpenAI来说，2026年将是关键的一年。公司需要证明广告业务可以带来可观收入，同时不损害用户信任。需要继续推进技术创新，保持在行业中的领先地位。还需要为IPO做好准备，向公众市场证明其长期价值。这些挑战环环相扣，任何一环出问题都可能影响全局。 广告可能不是最优雅的选择，但在当下，它是最现实的选择。

靴子终于落地，OpenAI宣布在ChatGPT中推出广告。 根据OpenAI官方博客的说法，广告对象是免费用户和Go订阅用户——Go是新推出的订阅套餐，每月8美元，而Plus、Pro、Business和Enterprise用户不会看到广告。 我在去年4月份就专门写过一篇文章讲《为什么广告是AI大模型公司最现实的商业模式？》。 现在正在被一一验证，赶着热乎劲，结合我之前的观点，说一下我的5点思考—— 思考一：广告在公司发Code Red一个月后推出，说明OpenAI产品和商业化正在打架。 去年12月初，由于Gemini 3 Pro的冲击，Sam Altman内部发了个红色警报（Code Red），说要全公司集中精力改进ChatGPT，其他项目包括广告都先放一放。 最终的结果是，广告只推迟了一个多月就上线了，这只能说明变现的压力太大，大到一定要尽快吃上广告这碗饭。 去年8月，OpenAI挖来了Fidji Simo担任应用业务CEO，她之前是Meta高管，负责过Facebook的广告业务，后来去Instacart当CEO。 此外，OpenAI还有很多之前是做广告的人，比如目前OpenAI的首席产品官凯文*威尔之前在Instagram的重要工作就是负责Ins的广告工作。 还有一位副总裁，2024年5月加入的Shivakumar，他的上份工作是在谷歌的搜索广告部门做老大。 你细品这些人的履历。 显然，这些人的加入可不是来搞AGI研究的，他们唯一的目标就是——搞钱。 而广告是来钱最快最直接的方式。 这些人的加入，在心理层面改变了山姆·奥特曼对广告的态度变化。 我们看看这种变化是如何具体发生的—— 2024年5月，奥特曼在接受采访时说： “广告加AI让我感到特别不安。我认为广告是我们商业模式的最后手段。” 原话是： “Ads plus AI is sort of uniquely unsettling to me. I kind of think of ads as a last resort for us for a business model.” 到了2024年的哈佛演讲，他的口风松了一点： “我个人讨厌广告，但我不是完全反对它们，我不是说OpenAI永远不会考虑广告。” 到205年3月的接受科技作者Ben Thompson的采访时，谈到商业模式时称—— “我并不反对广告，如果有充分的理由去做，我不会固执己见。我对尝试一些新模式更感兴趣，比如，用户通过“深度研究”找到想购买商品，我们可以收取2%的营销佣金。” 2025年10月，他在一个播客里说： “我喜欢Instagram的广告，它们给我带来了价值，让我发现了从没见过的东西，我买了不少好东西。我相信我们可能可以做出某种很酷的广告产品，对用户来说是净收益。” 奥特曼打脸的过程，恰恰说明这恰恰说明他是个实用主义者，而在Code Red一个月后推出广告，也表明商业化、应用、研究三者已经有互相打架的苗头。 如何在这三者之间走钢丝，是奥特曼接下来最大的挑战。 思考二：从广告的形式看OpenAI很谨慎，但我有一个暴论：这种谨慎可能持续不了太久 从目前公布的信息来看，OpenAI对广告还是很谨慎的的： 首先，广告会出现在回答的底部，而不是插在回答中间，这一点很关键。 其次，广告会被清晰标注为“Sponsored”（赞助内容），和正常回答有明显区分。 第三，用户可以选择关闭个性化广告，可以了解为什么看到某条广告，也可以直接关闭某条广告并提供反馈。 OpenAI特别说明：广告不会影响ChatGPT的回答内容。 这些设计表明，作为一个广告新手，OpenAI不想步子迈得太大。 但问题是，这种谨慎的状态能持续多久？ 事实上，去年12月The Information报道说，OpenAI内部讨论过让AI模型“优先展示赞助内容”的方案。 虽然没实施，但这个念头曾经被认真考虑过，这本身就说明问题。 Google当年也是这么干的，最开始，广告在搜索结果的右侧，和搜索结果完全分开、泾渭分明。 后来呢？ 所以，要忍住商业化的诱惑很难的，特别是考虑到它每年要烧掉170亿美金的时候。 我只期待OpenAI不要比谷歌的吃相更难看。 OpenAI说他们不会把对话数据卖给广告商，用户可以随时清除用于广告的数据。 这一点我也是很难相信的，毕竟，Facebook当年也是这么说的，后来的事大家都知道了。 不要高估这些美帝资本家的道德标准，唯一能制约他们行为的，其实是竞争态势—— Emarketer分析师Jeremy Goldman的评论很有代表性： “如果广告显得笨拙或投机取巧，用户很容易就会转向竞争对手，比如Google的Gemini或Anthropic的Claude。” 思考三：谷歌应该是喜还是忧？ 对谷歌的影响，业界存在分歧，最典型的有两个观点—— 一方认为，谷歌应该睡不着觉了。 原因在于，一个8亿周活的App加入广告，很显然会抢走广告的广告份额。 Google 2025年第三季度光广告收入就有742亿美金，YouTube还有102亿，这是谷歌的底气，也是命根子。 如果ChatGPT能证明对话式广告的ROI比搜索广告更高，那Google貌似的确有睡不着觉的理由。 这是一个直接的逻辑，我们来看另一方的观点—— 有分析认为，或许谷歌并不慌。 原因在于，Google 最怕是 OpenAI 真的做一个不食人间烟火的纯净产品，彻底把用户习惯从搜索带到对话，并且完全不通过广告变现。 那样的话，Google 的根基：广告营收，就被彻底釜底抽薪了，那是降维打击。 现在好了，OpenAI 也做广告了。 这就意味着，战争回到了 Google 最熟悉的战场：谁的广告系统更高效？谁的广告主资源更多？谁的 CPM更高？ 在这方面，Google 是祖师爷，OpenAI 还是个愣头青。 某种意义上，我是认可后边这个观点的。 只要 OpenAI 开始依赖广告收入，它就必然会变得越来越像 Google，它得讨好广告主，得做数据追踪，得搞合规。 它就会变重，变庸俗。 这时候，Google 的 Gemini 只要做到体验哪怕只有 ChatGPT 的 90%，但凭借安卓生态和庞大的广告销售网络，它就能活得很好。 OpenAI 把自己拉回了凡间，Google 就不怕了。 别忘了，Gemini目前在技术层面已经赶上来了，OpenAI如果广告模型证明走得通，那Gemini加进入广告是分分钟的事。 思考四：OpenAI的广告一年能赚多少钱？ 这个估算其实挺难的。 假如我们用下面经典的广告公式来计算，会面临很多因子无从下手的困境—— 收入 = 日活跃免费用户 × 人均会话次数 × 广告加载率 × 点击率 (CTR) × 单次点击成本 (CPC) × 365天。 比如，人均会话次数没有现成的数据，广告加载率按神马水平算？点击率CTR和CPC更难，即便一起算CPM，也很难直接参考谷歌的CPM，毕竟ChatGPT第一年只在美国推出，而谷歌的数据通常是全球的数据。 那么，咱们就从另外两个简单进行预估—— 先看第一种算法：收入=用户数 × ARPU 先看用户基数，ChatGPT目前有8亿周活跃用户，其中约95%是免费用户，也就是7.6亿人可能会看到广告。 但广告初期只在美国测试，美国用户约占19%，即1.4亿人，只对成年人开放，再打个折，按用户数1亿计算。 再看ARPU（单用户广告收入）。 参考谷歌，其全球广告ARPU约50美元/年，北美高达200美元/年，但ChatGPT是新广告平台，广告Adsload、广告竞价队列、广告系统基建效率会远低于谷歌。 所以假设ChatGPT首年广告ARPU为谷歌的10%-20%，在20-40美元之间。 计算结果：1亿用户 × 20美元/40美元 = 20亿美元/40亿美元。 这个数字合理吗？ 对比一下：OpenAI 2025年总收入约200亿美元，广告如果明年贡献20-40亿美元，约今年收入的10-20%，作为新业务线的起步数字相当可观。 再看第二种算法：对标谷歌搜索广告 根据公开信息，谷歌搜索目前每日约140亿次查询，2025年搜索广告收入约2000亿美元，ChatGPT目前每日处理约25亿条消息，相当于谷歌查询量的18%。 但不能简单按比例算。 原因有三： 第一，ChatGPT的对话性质决定了广告展示频率远低于搜索——谷歌几乎每次搜索都有广告位，ChatGPT只在部分回答后展示； 第二，ChatGPT的商业意图查询比例大概率低于谷歌，约30%是工作相关，还有很多对话是闲聊； 第三，广告主对AI广告的投放还在观望期，CPM（千次展示成本）会低于成熟的搜索广告。 综合以上因素，假设ChatGPT广告的有效变现率是谷歌的10%-20%。 计算结果：2000亿 × 18% × 10%/20%= 36亿美元/72亿美元。 两种方法得出的结果没有数量级差异，ChatGPT广告首年收入大概在20-72亿美元区间，已经不算少了。 这笔钱能帮OpenAI缓解烧钱压力，但相比其1.4万亿美元的基础设施投资承诺，仍是杯水车薪。 不过，早在去年Q2，富国银行证券分析师Ken Gawrelski就在一份报告中给出了一个大胆预期：ChatGPT将在2030年的广告收入可能高达1000亿美元，占据全球搜索广告市场的30%份额。 我有一个暴论：广告收入大概率会在三年内成为OpenAI的第一大收入来源。 思考五：硅谷和国内的其他AI公司神马时候上广告？ 很多人以为OpenAI是AI公司里第一个吃广告这只螃蟹的。 错了，其他很多公司早就开始了—— 谷歌在2024年就将广告引入到了对话型AI产品中，只不过放在搜索的AI结果Overviews里。 去年5月的谷歌 Marketing Live 上，Google 副总裁兼广告总经理 Vidhya Srinivasan宣布在Overviews中加入广告。 2024年12月百度营销大会也明确将“AI搜索结果”加入商业化流量池。 Perplexity在2024年11月12日在官方博客上发表了文章《 Why we’re experimenting with advertising》，宣布引入广告。 主要通过两种形式：一是"答案之后的相关问题"，二是答案侧边栏广告，两种形式都会标注为"赞助"。 还有，早在2023年，微软的Bing搜索就已在其AI助手Copilot中集成了广告，广告显示在AI生成的答案下方，带有“赞助”标识。 不过话说回来，国内大部分大模型产品的确没有加广告，那么问题来了——它们神马时候会加？ 我认为快乐，就在这一两年。 为什么这么说？ 这几家公司没有加广告，我认为核心原因在于并不在于它们没有意识到广告模式的效率与价值。 而是在它们认为目前出于产品层面激烈竞争的市场早期，目前有比广告更重要的事要去做，从而对引入广告的时机没有达成共识。 当然，各家的具体情况还是有所不同的—— 豆包背靠字节，本身是一台广告印钞机，要接广告是分分钟的事。 但从动向来看，其精力依然在通过产品做增长，同时铆足劲召集人马冲击智能SOTA，看不上人豆包那一点广告收入； 当然，它也不是一点动作没有，商业化基因极强的豆包也已经在进行谨慎的尝试了，在回答输出中引入了抖音的商品卡。 元宝背靠腾讯，广告系统也极其成熟，目前没接，原因是还在打仗，还远没到商业化的时候。 事实上，在腾讯24年Q4的财报电话会上，腾讯的首席战略官James Mitchell在谈到元宝如何变现时，他的回答是这样的—— “至于 AI 如何变现，时间会证明一切，但我认为我们已经在西方世界看到了，第一种变现方式是通过订阅模式。然后随着时间的推移，效果广告将会跟上。我认为在中国，它将从效果广告开始，然后增值服务将会跟上。” 也就是腾讯管理层认为，在中国，效果广告大概率会比订阅制的增值服务在实践层面更现实。 再说千问，千问目前正在以极其进取的阶段做产品和用户增长，很显然，商业化并非这个阶段的第一优先级。 考虑到阿里的广告基建在国内也是妥妥的第一梯队，接广告也一定是简单的事。 再联想一下千问最近打通阿里全生态的产品更新，后续在“帮我买一杯奶茶”之类的购物action中加入广告，那也是合理且丝滑的产品逻辑。 所以，国内产品还没加入广告，只是竞争格局还没稳固，但加是迟早的事。 要知道，国内的整体付费意愿显然是低于海外市场的，这是国内必须通过广告而非订阅进行变现。 真格的戴雨森说过这样一句话，大意是“大模型现就是个高中生，你硬要它去赚钱也行，但肯定赚得不多，但你输入供它上完博士，那它就可以赚大钱。” 我更喜欢这样比喻—— 现在各家都在爬一颗巨大的桃子树，你可以爬的过程中摘桃子。 但各家的目标现在是往树的顶端爬，去占据更有利的摘桃子位置、摘最红的桃子，因此暂时没时间去理会“低垂的果实”。 结语 写完这篇文章，我想起Sam Altman在2024年说过的一句话： “如果搜索引擎能给出最佳答案，用户就不会去点广告了。广告存在的前提，是产品没有给出最好的答案。” 他当时是在批评Google的搜索广告模式。 现在，他自己也要走这条路了。 希望他还记得自己说过的话，尽管这可能是一个奢望。

快科技1月18日消息，内存疯狂涨价，直接喂饱了三星。 韩媒Business Korea报导，三星电子于内部确认并正式公布了2025年度超额业绩激励（OPI）各事业部的支付比例，支付日期定为1月30日。 其中，三星电子的设备解决方案（DS）部门（负责半导体业务）今年将获得相当于年薪47%的绩效奖金（OPI），较去年的14%大幅提升，主要得益于通用DRAM和高带宽内存（HBM）业绩的大幅提升。 适用于包含记忆体、晶圆代工（Foundry）与系统LSI（ System LSI）在内的各业务单位。 其中，晶圆代工事业部去年取得亮眼成绩，与特斯拉签下史上最大供应合约，总额达22.8兆韩元；系统LSI事业部则与苹果签约，供应下一代iPhone影像感测器。 移动体验（MX）事业部因Galaxy S25与Fold 7系列销售强劲，可分配到50%的奖金比率，成为三星表现亮眼的事业支柱。 在设备体验（DX）大部门中，MX事业部获批50%；负责电视业务的视觉显示（VD）、数码家电（DA）、网络以及医疗设备事业部均为12%；管理支持、汽车零部件以及音频子公司Harman则获批39%。 OPI每年发放一次，当所属事业部绩效超过年初设定目标时，奖金可达个人年薪的最高50%，且总额不得超过超额利润的20%。 三星电子1月8日公布的第四季度初步业绩显示，营业利润达20万亿韩元，其中DS部门贡献约80%（约16-17万亿韩元）。

几个月前的余承东，或许也没想到，自己在社交网络上赞扬的 “ 鸿蒙智行大饭店 ” 在短短五个月内就惨遭夭折。 2025 年 7 月 17 日，华为常务董事余承东发微博称自己在内蒙的鸿蒙智行用户中心 “ 吃夜宵，很有特色 ”，并欢迎大家去鸿蒙智行用户中心洗车和用餐。 广大网友也是十分实在，“ 你一呼，我就应 ” 地涌入了各地的鸿蒙智行用户中心。 直到现在，社交媒体平台上，你还能看到当时大量网络红人以及普通群众在鸿蒙智行的吃饭打卡照片。 面对鸿蒙智行的大方放粮，广大群众也亲切地称其用户中心为 “ 鸿蒙智行大饭店 ”。 “鸿蒙大饭店” 这个戏称以及社交网络上海量的打卡分享行为，助力鸿蒙智行品牌破狠狠地破了一次圈。 然而，就在前不久，鸿蒙智行彻底宣告了 “ 鸿蒙大饭店 ” 的死亡。鸿蒙智行通知所有鸿蒙智行用户中心停止相关话题宣传，并规范终端服务项目，禁止提供免费充电、免费洗车以及免费餐饮，仅能在相关业务过程中依规提供洗车和餐饮。 此消息一出，网上开始流传几张羊毛党薅鸿蒙智行羊毛的聊天记录截图。大概是说，有老年旅游团去鸿蒙用户中心，假借看车名义蹭吃蹭喝；又或者是一人提车，全家 12 人用餐；再或者附近居民成为用户中心常驻居民影响真实车主权益等等。 诚然，确实有人会钻规则的漏洞，享受着本不该属于自己的红利。但是，知危编辑部在实际走访中发现，“ 鸿蒙智行大饭店 ” 的按下暂停键这件事，也不能全怪羊毛党。 首先，不可否认的是，确实存在 “ 薅羊毛 ” 现象。 一种是 “ 吃瓜群众 ” 薅羊毛，比如上海最大的鸿蒙智行用户体验中心（ 吴中路 ）的工作人员告诉知危编辑部，一到周末，鸿蒙用户体验中心的咖啡机就停不下来，休息区人满为患。 还有一种是鸿蒙智行车主去店内占便宜。上海某鸿蒙智行用户中心的销售对知危表示，有人将用户中心当成了免费停车场，经常性地将车开过去充电，长时间占用用户中心的空间。 这导致了鸿蒙智行运营成本增加了不少。广东惠州某鸿蒙智行员工李华（ 化名 ）给知危编辑部算了笔账：按销售每日进场口径计算，在 “ 鸿蒙智行大饭店 ” 运营的时候，每日大概有 200 多客流量，估算其中 100 台车需要清洗，洗车成本 10 元，每日洗车总成本控制在 1000 元。同时估算其中半数需要餐食服务，成本大概 10 元/人，每日餐食成本控制在 1000 元。 一天 2000 元的成本，算下来一个月就要多花 5 万左右。但这还没完，来吃饭洗车的人，大多是要充个电才走的。 李华对知危表示：该门店每月充电成本能达到 5-6 万元，高峰甚至能达到 10 万以上。 他表示，店内有十几根桩，其中 8 个快充，其他是慢充，所有充电桩基本都是排队状态，试驾车、售后车还有其他车主，都等着充电。 换句话说，该用户中心在鸿蒙智行相关活动推行的时候，一个客户中心，每个月给客户吃饭和充电要增加 10 万以上的成本。余承东 2025 年 7 月在微博提到，鸿蒙智行在全国有超 600 个用户中心。简单估算就可以发现，对于鸿蒙智行及其经销商来说，提供免费吃饭、洗车、充电服务是一笔不小的开支。 而这笔开支对于鸿蒙智行及其经销商而言，能带来多少实际的利益呢？ 李华告诉知危编辑部，在相关服务提供期间，入店客流量增加了 60%，平均每日大概有 220 左右的客流量。当 “ 鸿蒙大饭店 ” 被迫喊停时，平均每日客流量约为 140 左右。 看起来确实差了不少客流，然而，鸿蒙大饭店带来的客流，实际购车转化其实并不多。 在鸿蒙智行销售体系中，通常会将入店客户分为 A、B、C 三级，购车意向从左至右递减。A 级指的是有强烈购买意向的客户，他们有着明确的意向车型，对车的功能也基本了解，近三个月以来有着下定的可能。B 级指的是，前来咨询了解并试驾的客户，他们在未来的半年到一年期间可能会选择购入新车。C 级则是没有什么购车意向，只是过来随便逛逛。 李华提到，在 “ 鸿蒙大饭店 ” 运营期间，A 级客户仅仅占 2-3% 。愿意进入到客户池，或者说愿意加销售微信的只有 40% 左右。 总的而言，“ 鸿蒙智行大饭店 ” 带来了一定程度上的客流，但是其中能够实现购车转化的并不算多。面对 “ 鸿蒙智行大饭店 ” 导致运营成本增加，而转化率并不高的这件事，鸿蒙智行及其经销商自然想要将其喊停。 不过，“ 被薅羊毛 ” 也不是 “ 鸿蒙智行大饭店 ” 被喊停的全部原因。 知危编辑部与上海、广东惠州、江西新余等不同城市等级的多位鸿蒙智行销售聊了聊，他们统一表示在活动期间，并未发生特别夸张的蹭吃蹭喝现象。尤其是这些门店都是采取订餐形式，即用户到店，销售在合作的供应商门店下单餐品给用户享用。“ 我们又不是自助餐，大概率是不会出现带十几号人过来吃的情况。” 李华说道，“ 最多的情况就是五口之家，两个大人带三个小朋友。” 换句话说，夸张的白嫖行为只是小概率事件，并不是鸿蒙智行用户中心停止免费服务的绝对原因。 李华提到，几个月前，他们并没有收到提供免费吃饭、洗车、充电的正式服务文件。“ 余承东号召力和传播力多大呀。他微博一发，网友就知道这里可以免费福利可以领取，就都来了。” 但是对于下面的这些鸿蒙智行用户中心来说，他们没有收到严格的服务文件，没有明确服务流程和条例，每家用户中心提供服务的限定标准也不尽相同。只是因为领导层的一条微博，就摸着石头开始了 “ 鸿蒙智行大饭店”的经营之路。在没有限制条件下，大部分的鸿蒙智行用户中心都采取了 “ 来者皆是客 ” 的态度：无论是开什么车来的，只要你说你来看车，你就可以在鸿蒙智行用户中心充电，享受一定的服务。 可以看出，贪小便宜的用户固然导致了 “ 鸿蒙大饭店 ” 的崩盘，但鸿蒙智行及其经销商在服务运营上的缺乏精细化管理，也是导致其早夭的原因之一。 此外，国家引导汽车市场竞争向良性发展的因素也很重要。 此前，国家市场监管总局研究起草了《 汽车行业价格行为合规指南（ 征求意见稿 ）》，里面就提到 “ 汽车销售企业应当规范价外馈赠行为 ”。 针对车企赠送过多福利，将市场竞争环境引向 “ 卷福利 ”、“ 卷低价 ” 的泥淖中的现象，国家监管局的及时介入能明确说明国家的态度：与其浪费大量人力、物力资源在产品额外福利上，将市场竞争卷偏，不如将更多精力投入到汽车生产制造中所真正需要的技术和安全中去。 而 “ 鸿蒙智行大饭店 ” 的戛然而止，或许也是在国家倡导下，市场行为逐渐规范的一个重要注脚。

henry 发自 凹非寺 量子位 | 公众号 QbitAI 已经是全球市值第一了，还怎么继续往上走？ 英伟达给出的答案很简单：挖人，挖更多的人。 过去的2025年，黄仁勋一边扩编管理层，一边掏钱收团队—— 从挖角市场、政策、人力资源高管，到收购初创公司“打包”引入技术负责人，一套典型的“黄氏挖人+黄氏收购”正在成型。 不止芯片，用挖人重塑“第二增长曲线” 2025财年，英伟达营收1305亿美元，较前一财年增长逾一倍，成为科技史上的增长奇迹。 与此同时，英伟达正在用挖人重塑自己的“第二增长曲线”： 一方面系统性“挖人”，补齐市场、政策、研究与组织管理等关键能力。 另一方面则通过收购初创公司，直接将核心技术负责人和软件骨干纳入体系。 在挖人方面，英伟达过去一年新引入的多位高管，覆盖了全球市场与品牌、人力资源、量子计算研究，以及网络安全与政策等关键位置。 Alison Wagonfeld 在今年最新的人事动作中，英伟达把“挖人”的铲子伸向了谷歌。 据悉，英伟达将聘请谷歌云老将Alison Wagonfeld出任公司首位首席营销官（Chief Marketing Officer，CMO）。 Wagonfeld于今年2月正式履新，将此前分散在多位高管手中的相关职责，统一整合，全面负责英伟达的市场与传播工作。 （注：英伟达此前从未设立过专职的首席营销官（CMO），相关团队负责人通常向市场营销副总裁汇报，而非由一位CMO统一管理） 履新后，英伟达市场与传播团队的所有成员，将统一向Wagonfeld汇报，而她则直接向黄仁勋汇报。 在加入英伟达之前，Wagonfeld曾担任谷歌集团的营销副总裁以及谷歌云（Google Cloud）这一核心业务线的首席营销官。 在谷歌的十年间，她一手将谷歌云从2016年一个充满潜力的初创项目，建设成为如今年化收入运行率达600亿美元的成熟业务。 这段经历，也完美契合了英伟达当前从“卖芯片”走向“卖系统、卖平台”的发展阶段。 据相关报道，此次加入英伟达，Wagonfeld的任务不只是对外传播，分担黄仁勋皮衣的压力，更是在下一阶段竞争的叙事中（由训练转向推理），帮助公司在各级客户中，建立更清晰、可持续的市场叙事。 Kristin Major 在人力资源这条线上，英伟达选择了一位传统科技公司体系中走出来的老将。 慧与老将Kristin Major于去年2月加入英伟达，出任人力资源高级副总裁，进入黄仁勋直接主导的执行领导团队。 在人力资源这一块，Kristin Major是正儿八经的老资历。 在加入英伟达之前，她在慧与科技（HPE）任职超过13年，先后负责人力资源与人才管理相关事务，最终做到执行副总裁兼首席人才官。 在慧与，她长期负责人力资源管理的多个核心业务单元，包括GreenLake、Aruba Networking以及HPE转型办公室。 Krysta Svore 在量子计算方向，英伟达同样把“挖人”的目光投向了微软。 去年11月，英伟达从微软挖来量子计算领域核心人物Krysta Svore，出任应用研究副总裁（量子计算方向）。 据Krysta领英介绍，她将负责覆盖整个量子技术栈的应用研究与工程工作，重点推进量子纠错、系统架构以及 AI 加速的量子工作流，加速量子计算生态的成熟。 在加入英伟达前，她在微软工作近20年，曾任Technical Fellow及高级量子研发副总裁，是微软量子计算战略的关键负责人之一。 她主导的工作包括： 将首批量子计算机接入Azure平台 推动量子软件与算法的前沿发展 打造开源量子软件技术栈 设计可扩展的量子体系架构 不仅如此，她还曾在2024年与Quantinuum、Atom Computing的合作中，首次展示了错误率优于物理比特的逻辑量子比特。 可以说，这次从微软挖来Krysta Svore，也正好踩在英伟达量子布局加速期。 一方面，英伟达正在建设量子研究中心；另一方面，其开始推动开源CUDA-Q平台在全球量子项目中落地，并与多家量子创新机构展开合作，试图打通经典计算与量子计算的融合路径。 Mark Weatherford Mark Weatherford于2025年8月加入英伟达，担任网络安全政策与战略合作负责人。 在加入英伟达之前，他曾在多个公共和私营部门担任网络安全高管。 他先后出任科罗拉多州、加利福尼亚州的首席信息安全官，并在北美电力可靠性公司（NERC）担任副总裁兼首席安全官，直接参与电力行业关键基础设施网络安全标准的制定与落地。 在私营领域，他还在Booking Holdings、Coalfire、The Chertoff Group等公司负责网络安全战略与政策工作，近年还在Gretel担任AI政策与标准相关职务。 当然了，也没有只准老黄挖别人，不准别人挖老黄的道理。 在2025年，英伟达也有多位重要高管流出。 其中，英伟达前机器人研究高级总监、西雅图实验室负责人Dieter Fox离职，加入Allen Institute for AI（Ai2），出任高级研究总监。 该岗位目前由英伟达机器人研究经理Yash Narang接任。 而在自动驾驶方向，原负责自动驾驶软件与 AI 的副总裁Minwoo Park则转投现代汽车集团，出任高级车辆平台（AVP）部门负责人兼公司总裁，同时担任自动驾驶子公司42dot CEO。 老黄的收购式招聘 除去从谷歌、微软等巨头挖来的资深高管，黄仁勋在2025年的另一条人事主线是收购式招聘。 所谓“收购式招聘”，就是通过并购初创公司，直接吸纳其核心团队与关键技术，把人才、产品和路线全部打包带回英伟达。 在这一策略下，老黄更青睐那些技术已跑通、工程能落地，但还没来得及规模化的团队，其中相当一部分来自华人创业者。 焦建涛（Jiantao Jiao） 首先来看一例典型的“收购式招聘”—— 为强化在AI Agent、企业生成式AI和高效推理领域的布局，英伟达于去年6月完成对Nexusflow的收购。 随交易一并加入的，还有创始人、CEO焦建涛、联合创始人朱邦华、CTOJian Zhang等核心成员。 收购完成后，清华校友、2011年本科特奖得主焦建涛，出任英伟达研究总监，负责AI后训练（post-training）、评测、智能体（agents）以及相关基础设施。 同为清华出身的朱邦华担任Principal Research Scientist，CTO Jian Zhang则出任应用研究总监，Nexusflow的原班技术核心被整体并入英伟达。 在并入英伟达前，Nexusflow于2023年9月完成1060万美元种子轮融资，投后估值5300万美元，投资者包括Point72 Ventures和Fusion Fund，英伟达曾通过Together AI等生态联系加强合作。 王尚 与Nexusflow同期被收购的还有CentML，这一收购旨在补强CUDA工具链与模型部署效率，让开发者用更低成本、更高效率，把模型真正跑起来。 CentML最终被黄仁勋以超过4亿美元的总价收入麾下，和Nexusflow一样，这同样是一笔典型的“收购式招聘”： 包括95后华人CTO王尚在内的4位联合创始人，以及15余名工程师整体并入英伟达体系，直接进入其AI软件与系统团队。 具体来看，前CentML CEO Gennady Pekhimenko出任英伟达AI软件高级总监，前 COO Akbar Nurlybayev担任AI软件高级经理。 王尚负责AI系统软件管理，首席架构师Anand Jayarajan也同步担任工程经理。此外，至少还有18名技术人员完成派遣转入。 CentML成立于2022年，总部位于多伦多，专注于AI模型优化软件，帮助提升GPU利用率并降低训练/推理成本。 其核心技术是Hidet编译器（张量编译器），能自动融合算子、优化调度，利用CUDA Graph释放GPU潜能，最高可将推理速度提升8倍，支持PyTorch 2.0集成。 贾扬清 此外，为强化在云算力租赁、AI平台和垂直一体化上的布局，英伟达还于去年4月以数亿美元完成对云服务平台LeptonAI的收购。 收购后，LeptonAI创始人、前阿里VP贾扬清加入英伟达，担任系统软件副总裁（VP, System Software），负责统筹公司底层系统软件和开发者平台建设，联合创始人白俊杰也同步加入。 Lepton AI成立于2023年，种子轮融资1100万美元，致力于为企业提供高效、可扩展的AI应用平台，使普通开发者仅用2～3行命令就能部署AI模型。 该公司曾在2023年12月推出对话式搜索引擎，代码量不到500行；2024年6月上线的云GPU解决方案，则主打经济高效和可靠性。 Rochan Sankar AI硬件初创公司Enfabrica的收购式招聘同样值得关注。 去年9月，英伟达以超过9亿美元的价格，通过一笔acqui-hire交易，引入Enfabrica创始人兼 CEORochan Sankar及其核心团队，并同步获得相关技术授权。 Enfabrica成立于2019年，其技术可将超过10万块GPU连接成统一计算系统，而这项能力，正好补在英伟达从“卖芯片”迈向“卖整机、卖系统”的关键一环。 在被收购前，Enfabrica已完成多轮融资，背靠Arm、三星、思科等产业资本，是一支技术与工程路径均已被验证的成熟团队。 Danny Auble 在开源工作负载管理领域，英伟达去年通过收购Slurm的主要开发方SchedMD，再一次完成了典型的“收购式招聘”。 Slurm是一款面向高性能计算（HPC）与AI的开源工作负载管理与作业调度系统，长期用于管理大规模计算集群中的任务排队、调度与资源分配，是当前超算与AI训练基础设施中的核心软件之一。 （Slurm已支持最新的英伟达硬件，同时也是生成式 AI 所依赖的关键基础设施之一，被基础模型开发者和AI构建者广泛用于管理模型训练与推理任务） 通过此次收购，SchedMD创始人Danny Auble加入英伟达，现任系统软件高级总监（Senior Director of System Software），继续负责Slurm相关方向的系统软件工作。 Jonathan Ross和Sunny Madra 最近的一笔“收购招聘”（准确来说是技术授权）刚发生不久，来自去年年底，英伟达与Groq的一笔交易。 详见良心老黄不搞硅谷资本家那套！Groq人均套现500万美元 英伟达于12月聘请了Groq创始人、TPU之父Jonathan Ross以及COO Sunny Madra，并带走了大约90%的工程团队。 此前，英伟达与其完成了一笔200亿美元交易，不仅获得Groq的推理技术授权，还将核心团队纳入麾下。 这笔交易被视为AI市场从“训练”向“推理”阶段转移的重要信号。 Groq官方表示，尽管核心团队加入英伟达，公司仍将保持独立运营，原CFOSimon Edwards担任CEO，云服务平台GroqCloud继续对外提供服务。 这笔交易也体现了英伟达的 “收购式招聘”策略： 既拿下关键技术，又顺带吸纳顶尖人才，同时以体面的方式兑现员工和股东利益。员工平均套现约500万美元，股东按200亿美元估值获得分红。 截至目前，以色列明星模型公司AI21 Labs的收购招聘也仍在进行中，预计这笔收购将高达20-30亿美金。 与此同时，也有消息称，英伟达正洽谈收购国内仿真合成数据龙头光轮智能，以补齐其Physical AI战略中的关键环节—— 从芯片到平台，再到数据与服务，形成更完整的生态闭环。 综合来看，这些频繁的人事变动清晰地勾勒出英伟达的战略版图： 通过吸纳顶级人才与并购高成长初创团队，英伟达正迅速超越单一的GPU硬件供应商身份，构建起一套“软硬一体”的系统级全栈平台。 其在AI推理优化、Agent智能体落地及算力调度上的精准发力，不仅巩固了存量市场的统治力，更通过在量子计算、数据服务与网络安全、物理AI等领域的提前布局，为下一波AI红利的爆发预留了接口。 这正呼应了黄仁勋在CES 2026上的“舵手”宣言： 英伟达是AI产业的“船长”，引领着全球的供应链和合作伙伴。

半导体行业正处于增长周期，其增长将受到强大的结构性趋势的推动，包括人工智能驱动的计算和内存需求的加速增长，以及先进封装、功率半导体、硅光子学的转变，以及供应链本地化的迫切需求。 本文由Yole撰写，将对半导体行业现状进行全面剖析，并展望 2026 年的核心发展趋势。 人工智能如何驱动半导体创新 人工智能已成为整个半导体价值链的主要驱动力。围绕人工智能发展，市场呈现出两大主题：一是为满足需求而进行的基础设施扩展所面临的挑战，二是各行业能否交付由人工智能驱动的切实可行且盈利的新应用。 数据通信容量正日益受到物理极限的制约，这正推动着数据中心及更广泛通信基础设施从铜缆向光互连的结构性转变。随着带宽需求的增长以及能效成为关键设计约束，光连接正被部署得更靠近计算节点。这加速了硅光子学的集成，尤其是在人工智能数据中心中，更短的电气路径和更高速度的光链路对于维持性能扩展至关重要。 高性能计算技术的兴起正在设定新的标准。先进封装是这些技术的核心，旨在确保高效散热以及成本控制。与此同时，对高带宽存储器（HBM）的需求正飙升，给供应带来了压力。制造商有能力生产足够的组件吗？ 尽管有数十亿美元投资带来的强劲势头，但人工智能商业模式仍存在不确定性，特别是大型语言模型（LLM）能否带来可持续回报。虽然人工智能的采用正在加速，但许多企业用例的投资回报率（ROI）仍不明确，这引发了人们对当前支出水平构成持久增长周期还是投机泡沫的质疑。行业将不得不面对一个根本问题：谁来买单？ 构建具有韧性的本土供应链 由于地缘政治紧张局势迫使企业重新评估关键组件的采购地点和方式，供应链安全仍将是未来一年的决定性主题。 在加强供应链的竞赛中，中国继续加速其本土半导体生态系统的发展，旨在满足国内需求，同时在先进技术生产方面迎头赶上。 国内制造商正大力推动从设备（光刻、蚀刻和材料沉积）到整个价值链末端系统（如人形机器人）的前沿能力发展。 而台积电（TSMC）、美光（Micron）和英特尔（Intel）等公司在美国的重大半导体投资，反映了政府政策以及美中贸易战如何影响全球制造战略。 不稳定世界中战略技术的崛起 随着各国政府应对日益不稳定的地缘政治环境，国防半导体技术也正获得战略重要性。更多的国家主导国防投资正在推动更多的技术研发和采购。 无人机的快速发展正在推动传感、驱动、通信和电子战领域的创新，这些都是 Yole Group 分析中密切关注的领域。这一转变正支撑着对惯性传感器、射频（RF）组件、干扰系统和成像解决方案等技术的需求，其中无人机和反无人机能力正成为一个特别重要的增长领域。 汽车市场对半导体相关组件需求的放缓，也促使制造商重新聚焦于供应国防相关应用。除了国防项目，通信基础设施领域的机会也在扩大，包括用于天基网络的射频和光学卫星技术。

IT之家 1 月 18 日消息，谷歌官方本周（1 月 15 日）在官网发布博文，揭秘最近爆火的“Nano Banana”AI 生图模型命名内幕。 去年 7 月下旬，谷歌团队正在对 Gemini 2.5 Flash Image 模型修 Bug、跑评测，为正式上线首个版本做足准备，当时这个模型虽然有技术代号，但缺少用在 LMArena 平台的公开名称。 作为参考，LMArena 是一个用于评估 AI 模型的公共平台，采用匿名、群众参与的成对比较方式来评估大语言模型，用户可以在网站里输入提示词（IT之家注：Prompt），然后系统会让两个不具名模型生成回复，用户可以投票选出表现较好的模型，投票后才会显示模型名称。 产品经理 Naina Raisinghani 对此回忆道： 我们把代号这件事拖到了最后一刻。凌晨两点半，有位 PM 给我发消息说必须马上提交了。我就说：“不如来个搞笑点的，比如叫‘Nano Banana’？”。 而对方回答道：“行啊，看起来完全没意义，但就是它了”。 至于当时为什么想出“Nano Banana”这个名字，Naina Raisinghani 对此解释道，这实际上由她本人的昵称糅合而来。有些朋友会叫她“Naina Banana”，而有些人又因为她个子小、喜欢电脑称呼她“Nano”，因此她就把两个昵称合在了一起。 随后，谷歌团队在去年 8 月初将 Nano Banana 提交到了 LMArena，这款模型的强大能力很快震撼了用户，并且大部分人都觉得这个名字很好笑，谈论声音此起彼伏。 后来，“Nano Banana”这个品牌名称站稳了脚跟，绝大多数人只知道香蕉，而不知道“Gemini 2.5 Flash Image”这个技术代号，团队干脆顺势而为：把 AI Studio 里的运行按钮改成黄色，并且往 Gemini App 的“生成图片”按钮加上🍌表情。