近日，一位认证信息为上海知名电商员工的网友在社交平台爆料，称公司因不敢要求外籍员工加班，转而强制国内部门全体员工增加加班时长，以此补齐团队整体工时。 对此评论区网友纷纷讨论： 有网友称核心原因是让他们加班他们真会不干啊，另有网友直言：“不干有的是人干”。 谈到上班时长方面，有网友透露，拼多多外籍员工普遍执行早11晚6的工作制度，周日不上班。随即有网友开玩笑称“真可怜，早餐和宵夜都没法领了”。 也有网友保持相对中立的看法，认为这是国内互联网行业的普遍现象。并表示该厂至少尚未出现同岗位因国籍不同，在工时要求、绩效考核标准上区别对待的情况。 类似的情况并非孤例，据此前消息，某短视频平台海外员工在社交平台发布视频称晚上七点即可下班回家，同时“关心”国内同事有无下班。从而引发该公司国内员工不满。 不少网友在该内容下讨论： 有人直接发问 “中国人到底是不是人”，也有网友表示，到海外也是牛马的命。 有趣的是，海外工区的 “准点下班” 也未必是真轻松。有IP在新加坡的网友解释称：真呆不下去，新加坡的写字楼7点之后停止冷气供应，真的待不住人只能回家加班。 海外内部同样存在差异。身处新加坡的网友表示，真正能稳定7点下班的，基本是非中国员工占比更高的团队。自己所在的组大多是中国员工，连招的本地实习生都得跟着熬到晚上11点下班。 事实上，大厂的高强度工作文化早已是行业关注的焦点。此前已有多次爆料显示，这家电商公司多条业务线对员工月工时设有隐性要求，请假缺勤需通过额外加班补齐，大小周、深夜下班已是普遍状态。 对此你怎么看？

快科技6月16日消息，据报道，AMD董事会主席兼首席执行官苏姿丰正通过上游供应链投资与关键元器件采购，加速AI基础设施布局。 AMD已与奥地利PCB制造商奥特斯达成协议，支持后者在马来西亚居林工厂投资至多20亿欧元（约合人民币157亿元），用于扩建集成电路基板和先进PCB产能。 奥特斯本次扩建包含对2号工厂现有结构改造，并新建集成电路基板与先进PCB专用制造基地。AMD同步在光互连领域推进供应链布局。 据TrendForce集邦咨询报道，AMD正与激光芯片供应商洽谈高功率连续波激光芯片大额采购订单，以此保障AI硬件供应链自主可控，降低对英伟达及头部云服务商的依赖。 数据中心业务已成为AMD营收与利润增长的核心支柱。2026年第一季度AMD总营收103亿美元，毛利率55%；数据中心事业部单季营收58亿美元，同比增长57%。 AMD已向行业头部客户交付MI450系列GPU样品，整套Helios平台将于2026下半年启动批量出货，面向商用AI基础设施供货。 苏姿丰表示，市场对Helios平台需求旺盛，公司有信心2027年数据中心AI业务实现数百亿美元年度营收，完成长期增长目标。

小红书 凤凰网科技讯 北京时间6月16日，据外媒报道，两位知情人士称，小红书已聘请包括高盛和中金公司在内的投行，为其筹备可能在中国香港进行的首次公开招股(IPO)事宜。 目前尚不清楚此次潜在IPO的规模和估值，但另外两位独立知情人士表示，去年年底，小红书在私募二级市场交易中的估值高达500亿美元。 上述两位独立知情人士还表示，小红书最早可能在今年下半年上市。 彭博社在周一率先报道了小红书的IPO计划，并称该公司正准备于6月底前以保密方式向港交所提交上市申请。 知情人士称，小红书2026年的预期利润可能达到30亿美元。小红书在中国香港的IPO计划仍需获得中国证监会的批准，而证监会可能需要数月时间才能做出决定。 截至发稿，小红书尚未回复置评请求。高盛不予置评。中金尚未回复置评请求。(作者/箫雨) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

快科技6月16日消息，5月12日，国家市场监管总局发布公告，附加限制性条件批准腾讯控股有限公司收购喜马拉雅公司股权案。 5月18日，腾讯音乐公告称，公司已完成对喜马拉雅的收购。据公告，收购事项交割后，喜马拉雅已成为腾讯音乐的全资附属公司。 据“市说新语”微信公众号消息，今日（6月16日），国家市场监管总局召开2026年二季度例行新闻发布会。 期间，有记者提问：近期，市场监管总局附条件批准了腾讯收购喜马拉雅股权案。能否具体说说审查决定所附条件的考虑是什么？下一步如何确保所附条件落实到位，切实将执法红利传递到市场和消费者？ 市场监管总局新闻发言人、新闻宣传司司长王秋苹表示：本次交易是在线音频播放平台主要竞争者之间的合并，交易后市场占比超50%，市场格局影响深远，社会各界关注，也不乏对市场公平性的关切。 总局坚持审慎监管、科学研判原则，依法作出附条件批准决定，正如您所言，各方给予了积极正面评价，普遍认为能增进相关市场的竞争、创新和活力，实现了规模与竞争之间的有效平衡。 本次审查坚持严谨审慎、多方求证。我们发放调查问卷1.8万份，组织第三方专家开展经济学分析，广泛征求部门、协会、利益相关方意见，精准研判竞争影响。经审慎研判，收购集中可能对相关市场产生排除、限制竞争效果。 同时我们也注意到，人工智能技术应用、商业模式迭代创新在一定程度上弱化了本项交易对竞争产生的不利影响。考虑到集中显著改变相关市场结构，在一定时期内仍可能对市场竞争产生影响。 经多轮磋商，参与交易双方作出具有针对性的承诺，总局评估后认为这些承诺可以有效减少对竞争的不利影响，为此予以附条件批准。 腾讯、喜马拉雅作出的承诺主要包括：一是不提高平台服务价格、不降低服务水平。二是保障免费内容供给。三是解除独家授权。四是不向汽车厂商搭售。五是不限制主播入驻与内容分发。 这一系列承诺，全面保护消费者、创作者、版权方、车企多方权益，为“耳朵经济”公平竞争秩序和创新发展立规矩、划边界。 下一步，市场监管总局将全程盯、从严管、闭环督，逐条监督承诺确保落地见效，真正实现竞争更充分、创新更活跃、音频更好听，消费者更受益。

快科技6月16日消息，腾讯网盘官网目前已经悄悄上线，首页显示“COMING SOON”。 从官方介绍来看，这并不是传统的网盘，而是一款打通AI的新时代网盘产品，打通AI应用生态，实现多端数据互通与资产沉淀。 它可连接多款AI应用，聚合应用上下文，将各类AI生成的数据统一存储，形成可长期复用的数据资产，让数据能够跨场景持续使用。 可以看的出来，这款网盘以AI体验为主，与传统网盘区别非常大。 目前腾讯尚未官宣，还不确定何时上线，但官网已经上线，应该距离正式发布不远了。 官方功能介绍如下： 多应用数据互通：与腾讯文档、WorkBuddy等应用数据互通，落盘有归属，沉淀成资产。 OneID统一身份：一个账号通用网盘、文档、WorkBuddy；登录即认人，资产即调用。 跨应用全局搜索：一次搜索横跨多应用，快速检索图片、文件、文档等全部资产。 高效共享协作：按组织、项目、成员关系开共享空间，团队高效共创共维。 支持Agent调用：Agent应用通过CLI/MCP调用网盘数据，让AI真正用上数据资产。 多版本灵活交付：个人版、SaaS版、VPC版、私有化版，按需取用，灵活落地。

凤凰网科技讯 6月16日，小米大模型团队宣布，云端轻量化Agent产品Xiaomi MiMo Claw正式版上线。该产品基于OpenClaw框架打造，搭载MiMo-V2.5-Pro旗舰模型，并与金山办公生态打通，新增文档办公、Agent工具调用等多项能力，同时调整免费用户使用权益和订阅方案。 据了解，MiMo Claw已完成与OpenClaw框架的深度适配。官方介绍称，MiMo-V2.5-Pro支持MCP工具调用协议，并具备超长上下文处理能力，可适配复杂、多步骤任务场景。小米方面表示，该模型支持单会话内进行千次以上连续工具调用，以减少长流程任务中的上下文丢失问题。 在办公场景方面，MiMo Claw与金山办公实现联动，支持Word、Excel、PPT、PDF等主流文档格式处理，覆盖文档生成、在线预览和在线编辑等环节。用户既可通过自定义指令完成内容创作，也可调用预设模板生成标准化文档。 性能方面，小米披露，在ClawEval基准测试中，MiMo-V2.5-Pro任务达标率（Pass³）达到63.8%。同时，依托模型的Token利用效率优化，MiMo Claw在相同任务条件下的Token消耗较部分同类产品降低约40%-60%。 与本地部署方案不同，MiMo Claw采用云端托管模式运行，支持后台任务持续执行，并集成文件管理、多任务并行、异常修复等功能，用户无需进行本地环境配置即可使用Agent服务。 用户权益方面，小米同步升级免费方案。免费用户单次体验时长由1小时提升至4小时/天，并开放全部核心功能。针对高频使用需求，平台推出TokenPlan分层订阅服务，可叠加至Lite、Standard、Pro、Max等不同套餐。 价格方面，MiMo Claw订阅服务目前推出限时优惠活动，首次订阅价格为14.9元/月，限时优惠价格为19.9元/月或233.8元/年。小米表示，海外订阅服务暂未开放。

要不说 AI 圈都是造词大师呢，回看过去这一年，都已经造出了多少个新词了。 提示词工程火了，火完之后 Harness 工程，现在又轮到了循环工程。以前是把提示词写好最重要，模型的能力体现在我们喂给它什么样的提示词。后面是 Harness 重要，要想模型产出稳定的结果，给它套一个马鞍，让它在框架内运作很重要。 再到现在，Loop Engineering，循环工程，写提示词、写 Harness 都比不过写好一个循环。 龙虾之父在 X 发文，不要在 Coding Agent 类产品里面写提示词了，我们应该设计一些循环来使用这些 Agent。Codex 负责人 Tibo 也很快转发了这则推文，问网友是否已经开始写嵌套循环了。 Codex 的对家，Claude Code 产品负责人 Boris Cherny 也在接受播客采访时提到，「不跟 Agent 对话，跟 loop 对话，让 loop 替我来 prompt」。 Claude Code 的负责人 Boris Cherny，和产品负责人 Cat Wu 在 Claude 官方回顾 Claude Code 第一年的节目上，聊天过程中两人都表示很喜欢 loop，认为 Loop 是下一个 Leap（飞跃） 和 loop 对话？所以 loop 到底是什么。仿佛还没有看到所谓的 Loop Engineering 到底给一个项目带来了什么改变。例如用控制变量法，一个采用循环工程，一个不使用，两者最后的产出会有什么区别吗？ 这些术语就莫名其妙地出现在了社交媒体上，有人说不用管「loop 工程」是什么，它本质就是一种炒作和营销的手段。 一个正在使用 Agent 的用户，自然而然就实现了所谓的 loop 工程，而不是专门有一套流程，符合那套标准，需要被单拎出来，才可以被叫做是 Loop Engineering。 所以是新瓶装旧酒，一套过去的思维方法论，重新套上了新名词吗？ 人从写提示词，变成写循环 如果只看技术实现，Loop Engineering 其实没有发明什么全新的东西。Harness、Skill、Agent Workflow 这些系统，过去几年都在尝试让 Agent 自己规划、执行、反思和继续执行。 但今天大家重新开始讨论 Loop，是因为模型终于开始能把循环跑下去了。当 Agent 能连续工作几十分钟、几个小时，甚至跨天完成任务时，人和 AI 协作的单位，也开始从一次对话变成一个完整回路。 什么是 Loop Engineering，这个词听起来很新，讲的事其实很日常：你让 AI 写代码，它写完后你跑测试；测试报错，你把错误贴回去；它再改；你再跑。来回几次，直到代码能用。 这就是一个最原始的 loop：行动、观察、修正、再行动。 区别在于，过去每一轮都靠人手动推动。人要复制报错、追问原因、提醒它别改错文件、判断什么时候该停。Loop Engineering 做的事，是把这些反复发生的动作写成规则，交给系统去执行。 一个完整的 loop，至少要回答五个问题：AI 什么时候开始干活？它能调用哪些工具？它怎么知道自己做错了？它把每一轮结果记在哪里？它什么时候必须停下来交给人？ 所以 Loop Engineering 更接近一套工作制度：给 AI 设任务、设工具、设反馈、设记忆、设刹车；prompt 只是这套系统里最小的零件。 放到代码项目里，它可能是这样：每天早上，系统自动检查昨晚失败的代码提交。 AI 读日志，判断是测试波动、依赖问题，还是最近提交引入的 bug。能复现的，它在单独的 worktree 里尝试修复，跑测试，通过后开一个草稿 PR。原因不清楚的，它把现场、尝试过的方法和下一步建议写进一个文件，等人来接手。 放在我们的工作流里，它就是每天早上，AI 自动扫指定的新闻源、社交平台和公司博客。它挑出 5 个可能成稿的选题，补上来源、关键人物、争议点、可用截图和一句话判断。资料不足的地方，它标出来。到我们面前时，它已经整理成一张选题卡。 龙虾之父也在 X 分享了自己的循环工程实践，他让 Codex 维护自己的代码仓库，每 5 分钟唤醒一次并将工作分配给不同的线程。他说通过运用统筹能力，结合分类、自动审核和 Computer Use 技能，已经能让一些工作自主完成。 听起来也很像之前 Claude Code 主打的「做梦」机制，以及 Hermes Agent 的自进化功能，让 Agent 自己从过往上下文学习知识并完善所有的流程。 这也就是 Loop Engineering 的核心变化：Prompt Engineering 时代，人负责写一句好提示词。 Harness Engineering 时代，人开始给模型搭框架。 到 Loop Engineering，人的工作进一步后退了一层。 一个 loop 由什么组成 一个能跑起来的 loop，通常有几样东西。 根据 Google Cloud AI 总监 Addy Osmani 在 X 发布的循环工程文章，一套完整的循环工程，同样是五个积木加一个用来记录的记事本。 五个积木分别是定时任务、worktree、Skill、连接器、子 Agent，以及一个记事本叫状态文件。 定时任务，在 Codex 里它叫 Automations，在 OpenClaw 里面叫 HEARTBEAT，在 Claude Cowork 里面是 Scheduled。通过配置定时任务，我们可以选择对应的项目，自定义一段提示词，再设置对应的运行频率。 这是自动化循环的第一步。在设置定时任务时，也像使用 Codex 里面的 Goal 模式，让 Agent 自动跑，直到完成我们设定的目标。 Worktree 存在的意义，是给每个 Agent 一个独立的工作目录，可以确保 Agent 在循环工程中只是修改各自的分支。 有了 Skill，循环每一圈都可以不用猜测我们的项目是什么。Skill 通过把项目知识写在文件里：构建步骤、团队约定、「上次就是这么出事的，所以不允许这么做了」，让 Agent 有了更充分的记忆，去处理任务。 连接器的主要目的是靠 MCP 协议跳出这个单独的文件系统，获取外界的给定数据库和其他系统信息，来完善整个循环。 子 agent 也是整个体系里最重要的结构，写代码的和审代码必须是两拨人。换一个指令不同、甚至模型都不同的 agent 来挑刺，才能审核出真正的问题。 记忆也很重要。很多 AI 工作流每天都会重复，但每天都从零开始。昨天已经确认过的事实，今天还要再查一次；上周已经否掉的标题风格，这周又被生成出来；某个来源经常不可靠，但 AI 下次仍然引用它。 除了用 Skill 的更新来规范 Agent 的行为，循环还需要一个聊天框外的记忆位置。 记事本，一个状态文件，它在单次对话之外，可以是一个文档、表格、看板，也可以是一份项目规则。里面记录已确认的信息、踩过的坑、偏好的格式、禁用的表达、上次没解决的问题。AI 每次启动时先读它，就能接着往下走。 上手 Loop Engineering Loop Engineering 常被开发者讨论，是因为代码有天然的反馈机制：测试能不能过，程序能不能跑，错误日志在哪里。这让代码场景看起来特别适合 loop。 但就像 Coding Agent 最后变成了所有人的 Agent，loop 的适用范围也远不止编程。 内容工作里，它可以做选题筛选、资料整理、初稿生成、事实检查、标题优化和发布前检查。 客服工作里，它可以先读客户来信，判断问题类型，整理历史记录，生成回复草稿，并把敏感投诉留给人工处理。AI 不需要直接发出所有回复，它先把问题分好、材料备好，就已经省掉很多时间。 产品和运营工作里，它可以定期整理用户反馈、应用商店评论、社媒讨论和竞品更新。 研究工作里，它可以追踪一个主题下的新论文、新报告、新数据。每天或每周更新一次，把新增内容和已有判断放在一起。 这些场景共同点都是任务会反复出现，流程相对稳定，结果可以被检查，关键判断还在人的手里。 想要真正入门循环工程也不是一件容易的事情，它有个前提：token 管够。 循环会反复读上下文、反复重试、四处探索，不管最后有没有产出， Token 都在燃烧。拥有无限额度的人觉得循环是常识，就像龙虾之父、Claude Code 负责人、Google Cloud AI 总监，他们都有无上限的 Token。 但月付 20 美元的我们，循环跑了两天就达到了周限额。 还有，任务得每周都重复，如果是一次性的活，一句好提示词又快又便宜，重复太少，Agent 又无法从循环中学习到知识。 而反复的循环又得有自动验证、测试、类型检查、构建，需要确保 Agent 在没人盯着的时候可以把烂活拦下来。Agent 还得有高级工程师的素养：日志、复现环境、能跑自己写的代码。 随便缺这里哪一条，循环的成本可能就会高过回报。而 token 成本其实把这个热词拉回了现实，Loop Engineering 不会让 AI 协作变得无成本，它只是把成本从「人一轮轮盯着」的时间成本，转移到「系统一轮轮运行」Money 成本。 新的问题在于，随着模型越来越强，这笔账正在发生变化。 过去，一个任务失败了，人只能回来继续追问、补充上下文、重新解释需求。今天，很多时候 AI 已经能自己尝试、自己验证、自己修正，再把结果交回来。 如果一次循环消耗的 Token，已经接近一个人来回追问几轮的成本，那么真正值得优化的，可能就不再是某一句提示词，而是整个反馈回路。 所以 Loop Engineering 最值得讨论的地方，未必是它算不算一个新学科。 更现实的问题是，当 AI 已经能连续处理多轮任务，人还要不要继续把自己卡在每一次追问里。 有些工作，确实只需要一句好提示词。有些工作，则需要一套能反复运行、能留下记录、能及时停手的流程。 这个分界线，在当下看来，可能比「循环工程」这个名字本身重要得多。

“有内测码吗？” AI浪潮兴起后，全网求内测码的戏份已经上演过好几次，只是这一次，主角是国民级应用支付宝。 6月15日，科技媒体晚点LatePost发布稿件《解密 AI 版支付宝，20 年来最大改版即将发布》；6月16日，支付宝官宣AI 版支付宝开启邀测，并释放100个邀请码。每个获得邀请码的用户，进入AI版支付宝的用户，又能再获得至少3个属于自己的邀请码。 看起来走的是社交裂变最传统的路数，支付宝也是搞上二次创业了。 声势浩大，一码难求，传闻中的20年来最大改版，到底有多少真场景、真需求，又有多少AI应试表演的水份？刺猬公社实测后的结论是：AI版支付宝现在更像是一个半成品，问题很多，略显粗糙；但支付宝确实是阿里最适合做AI化转型的产品。 糊涂的会计，精确的分诊台 从内测版本看，支付宝的AI化战略不算激进。 底部原本五个固定tab的宽度被压缩，左下角挤进来一个圆形AI入口，上面印着AI版支付宝拟人形象“阿宝”的大头照。阿宝也是一位女士，和豆包女士形象的主要区别是，阿宝留着长头发，扎一个麻花辫，而豆包女士则一直留着齐肩短发。 多说一句，蚂蚁系的AI助手怎么都是阿字辈的——2025年底，蚂蚁推出的健康助手叫“阿福”。只不过阿福有“蚂蚁阿福”独立App，阿宝内置在支付宝产品里。实名建议蚂蚁再出一个服务建筑行业的AI助手，因为这样可以取名叫阿旁宫。 点击阿宝女士的头像，切换到AI版支付宝后，默认进入是与阿宝女士的对话框页面。在豆包、DeepSeek、千问等产品的持续努力下，对话已成为普通用户最习惯的AI交互方式。 除了头发长短，还有一种一眼区分阿宝女士和豆包女士的方法：阿宝女士的对话页面底部有四个常驻入口，分别是扫一扫、收付款、出行和理财，这四种功能也是支付宝的高频功能。 和阿宝对话，主要能实现两类功能。 第一种是分析支付宝账号的收支和理财数据，例如问她2026年我在淘宝花了多少钱。这一类需求，阿宝有一定的数据权限，能直接完成数据分析，并给出图文并茂的结论。 可惜她目前算的还是糊涂账，和所有AI助手一样，阿宝也有比较严重的幻觉问题。 第一次算账时，阿宝告诉我2026年我一共在淘宝系（包括淘宝天猫、淘宝闪购、闲鱼、盒马等）平台上支出2760.23元，甚至还给我画好饼图，提醒我餐饮消费的占比实在太高了。 阿宝分析得头头是道，实则数据遗漏问题严重：2026年，我在盒马消费累计386.93元，而在阿宝的统计中，这个数字是110元，遗漏了71.58%的支出。在我提出质疑后，阿宝迅速道歉，宣称将重新进行严谨计算，最终提供了一版更荒谬的支出统计。在阿宝宇宙里，山姆、小红书和天鹅到家似乎都已被阿里收购，并被纳入淘宝系平台的支出统计中。 刺猬公社在之前的文章《AI助手们，骗了人不能只说“对不起”》中提及，犯错和道歉正在成为AI助手们的系统性策略。在支付宝的AI场景中也不例外，即使涉及到用户资金有关的数据，AI在出现幻觉之后，道歉依然熟练。 只不过相比一般的问答场景，在涉及金融服务的时候，支付宝的AI是不是应该严谨点？ 比起记账，阿宝做第二种工作时似乎更得心应手：在对话框里输入想做的事，阿宝会调起对应页面。 输入“我想点外卖”，阿宝会调起淘宝闪购页面。 输入“北京挂号”，阿宝会调起医疗健康页面。 输入“打车去三里屯”，阿宝会调起高德打车卡片。 输入“请把我支付宝里的钱变成100万”，阿宝说这忙真帮不了，要是动动手指就能变出100万，她早就去环游世界了为什么还会在这里陪我聊天。可恶，她明明不用上班，为什么还假装上班很痛苦的样子。 总之，阿宝除了总结信息和陪聊，在提供服务上的能力，有点像是大医院的分诊台。支付宝原来就有的服务，她帮用户一键导航；支付宝原来没有的服务，她也不能吹口仙气变出来。 不过，这也并不是一件坏事。AI版支付宝在涉及金融的服务上相对克制，不会轻易给用户推荐具体的基金和理财产品。 用户确实可以通过对话，让支付宝AI想一想该如何让自己的现有资产保值增值。支付宝能做到的，是读取你的账户有多少钱——坏了，我有多少钱都被AI发现了，支付宝AI是第一个知道我财务状况的AI——并且给用户推荐分配比例，比如几成留在余额宝，多少买定投理财，多少买基金等等。 但是，不论用户怎么问，支付宝的口风很严，不会向用户推荐具体基金，只会给用户打开通往基金等理财渠道的入口，一键直达，买不买、买什么全看用户自己的选择。 能做的很多，能做到的很少 历经22年的功能堆叠，如今的支付宝已经变得非常“臃肿”。 根据QuestMobile此前公布的数据，支付宝小程序规模已超400万个，2026年3月，支付宝小程序的月活用户规模达6.44亿。分析支付宝Top100小程序的行业分布可以发现，生活服务是支付宝小程序的核心使用场景，占比高达47%。 当前AI能力的落地，主要可以划分为两种场景，一是生产力场景，二是生活服务场景。 CodeX、Trae、可灵、Coze、WorkBuddy 等产品面向的都是生产力场景，特点是用户使用场景集中，产品所需要的能力聚焦，需要垂且深。 AI版支付宝所瞄准的则是生活服务场景：核心场景集中，其他个性化场景庞大而分散，围绕着核心场景向外扩散。 支付宝起初的核心使用场景是收付款，并逐渐向外扩散到充话费、挂号、缴费、社保查询、理财、保险、地铁公交等外围场景；微信起初的核心场景是聊天，并逐渐向外扩散到红包、支付、充话费、挂号、缴费、社保查询、理财、保险、地铁公交等外围场景。没错，后面7条我是复制粘贴的。 很显然，在场景扩散过程中，头部APP之间会逐渐产生交集，甚至侵入对方的核心服务场景中。到现在，支付宝和微信都已接入海量小程序，覆盖生活服务场景的方方面面。 这种“臃肿”，给支付宝和微信做AI化提供了客观上的便利条件。很多AI产品面临的问题是空有AI能力，没有可干的事情，所以才需要拿着榔头找钉子，创造需求创造场景；而对支付宝和微信来说，能干的事情可太多了。 当一个产品内聚集太多分散的功能，如何让用户快速找到所需要的功能，就成为了交互设计中的核心命题。AI介入前，传统的交互逻辑是使用量越小的功能入口越深；到“对话即服务”的时代，AI助手可以平等地以同样的效率唤起生态内的所有服务，一个只有1万人使用的小众功能，和一个每天有1000万人使用的主流功能，两者的交互便捷度应该是一致的。 但从另一种视角看，在本就功能齐备的支付宝生态里做AI化，用户能感受到的体验升级其实不大，无非就是把“搜索+点选”的交互方式，切换成了“对话+点选”。“说句话就能帮你打好车”和“说句话就帮你唤起打车页面你自己接着打车”之间的区别，大概就像一辆奔驰和一张100元奔驰优惠券。 算账算不明白，链接服务又只能起到一些造型上的作用，当前的AI版支付宝，无疑还只是个半成品。 前不久，豆包上线了商品推荐功能，豆包推荐的商品链接，用户可以直达抖音商城购买。即便这种推荐方式不会成为电商用户主流的购买路径，但基于豆包庞大的用户基数，新链路也将带来可观的电商流量。 比起冲锋陷阵，支付宝的AI化转型更像是一种防御，在豆包和DeepSeek链接起更多电商和本地生活服务能力前，先稳住自己生态内的服务阵地。 如果“对话即服务”的时代没有到来，阿宝只需要默默退场，把首页左下角的空间还给被压缩的底Tab；一旦“对话即服务”的时代快速降临，家家户户真的都要买奔驰车了，用户至少也能想起来，自己领过一张100块钱的奔驰优惠券。

大促不再是增长的万能药，AI成了平台的新叙事。但技术没有普惠每一个人——头部品牌借AI越跑越快，中小商家仍在流量困境中挣扎。“618”从一个“卖货的节日”，变成了一个“技术的秀场” 文｜《财经》研究员 李莹 柯愉乐 记者 杨立赟 编辑｜杨立赟 还没等到“618”大促结束，6月10日晚，在一家中小快消品牌负责天猫渠道的李全良告诉《财经》，他被裁了。这是他入职新公司的第六个月，也是他入行电商的第十五年。 大促不再是一个需要加班的节点。李全良负责的天猫店铺，5月业绩环比没有增长，反而略有下降；公司倾注重兵的抖音直播团队，5月大促期的销售额直接比4月掉了六七成。毫无预兆地，老板拿他开刀，理由冷酷而简单：“项目亏钱，库存卖不掉。” “敌不过时代大势。”李全良形容。 李全良口中的“时代大势”，是电商行业正在经历的一场静默但剧烈的重构。国家统计局数据显示，2026年1月-4月，全国网上商品和服务零售额65308亿元，同比增长6.6%。其中，网上商品零售额41185亿元，增长5.7%。而十年前当电商大促如火如荼进行时，这个数字是30%以上。流量见顶、增长乏力、平台内卷，加上AI（人工智能）的强势闯入——这套组合拳打下来，曾经那个“只要敢想就能爆发”的草莽时代，已经彻底翻篇了。 在一个数百人的电商行业交流群里，无人对“618”兴奋，他们大多是中小商家。“懒得看了”“活动效果很一般”……他们并没有在这个漫长的大促周期里拿到让人意外的增长，有些甚至不如平日。 与此同时，也有头部品牌、新品牌在这场年中大促中骄傲地交出成绩单。医疗器械品牌“鱼跃医疗”的天猫运营总监宋念念告诉《财经》，今年“618”期间，鱼跃在天猫平台的所有品类基本实现超过日常50%的增长，个别品类的增长超过100%。脱毛仪品牌Beautigo美立得“618”期间在天猫的GMV（商品交易总额）同比增长389%；隐形眼镜品牌T-Garden在“618”期间新客户数增长了162%，整体销售额翻了3倍以上。 “大家疲惫的不是大促本身，而是过去那种以低价比拼、规模冲刺为单一主线的大促模式。”天猫方面对《财经》称，需求并没有消失，而是在加速分化。 大势变了，大促本身也随之变化。过去，“618”是销售冲刺窗口——商家清库存、冲销量，平台刷GMV、交答卷。从今年开始，“618”正在变成一个“技术演练场”——一个新的变量正在以前所未有的速度进入电商产业链——AI首次全面参与“618”。 “618”前夕，千问与淘宝全面打通推出AI购物，淘天也给商家提供了一系列AI工具。京东首次全场景、全产业融入AI技术，覆盖消费端、产业端及物流端。 各大平台尽管路径不同，但指向同一个方向：AI正在成为电商的新基础设施。平台在“618”集中推出AI工具，不是巧合。大促是流量最集中、用户行为最活跃的时间窗口，任何新工具的渗透率和使用数据都能在这期间被快速拉高。 在平台大张旗鼓推出官方AI工具之前，电商生态的毛细血管里，早就有一批嗅觉灵敏的“早鸟”商家，自发地把AI缝进了自己的生产线，并带来远高于人工的效率。 今年的这一场“期中考试”，平台用来测试AI工具的全链路能力，品牌用来验证AI战略的落地效果，更多商家则被迫卷入一场“不得不参加”的效率竞赛。 技术是中立的，但从结果来看，很难实现“普惠”。相反，AI的入局正在以一种隐蔽的方式，加剧电商行业的马太效应，重新编排财富的分配密码。2026年的“618”只是一个开始。 大促不再大水漫灌，分化加速 在杭州做了30年女装生意的老板陈林，今年“618”选择和淘宝“小二”一起“躺平”。 往年4月中旬，小二就会上门推销各种大促机制，催着报名，今年却没声音了。“小二不找我，我也不找小二。”陈林放弃了挣扎。 这是陈林应对日趋下滑的电商生意的一种无奈抉择。2023年，陈林的淘宝店达到业绩顶峰，净利润率30%，退货率40%。此后两年，利润率一降再降，退货率却不断攀升。目前，陈林还维持着淘宝和小红书两个平台的线上店，线上退货率整体保持在70%-80%的水平。 帮七家中小女装品牌做淘宝和小红书代运营的负责人谭敏也感受到了同样的寒意。她翻看推广数据发现，以往花10万元在小红书种草，能撬动80万元到100万元的销售额；今年转化率大幅下滑，同样投10万元，只能卖出60万元到70万元。 在多位商家及电商从业者的体感中，过往大促的成功经验和底层逻辑正在失效。 杨帆是一家腰部运动户外品牌淘宝店铺的直播运营，品牌在淘宝的旗舰店粉丝数在80万左右。去年“618”，她刚加入公司不久，运用上新的玩法组合加策略，在原先的业绩基数上做到了不错的增长。到了今年“618”，杨帆的业绩目标变得更高，之前验证过好用的玩法却失效了，直播间观看人数大幅下降，活跃度低，订单变少。 “以5月21日为例，去年是6万多（观看），今年就只有1.6万。再比如5月31日，去年是6.9万，今年只有1.8万。流量下降非常非常多，但我们的投流预算是增长的。”杨帆说，她也观察过同行的直播间，活跃度同样不高。 但是平台的统计数据显示，电商大盘并没有萎缩，依然在增长。天猫的数据显示，“618”前的3月到5月，新入驻天猫的品牌数量环比激增30%；“618”期间，有127个新品牌从小众市场冠军冲进行业前十。京东开门红四个小时，百大品牌成交额同比平均增长超5倍，首次参加京东“618”的1516个新商家成交额破百万元。 那么，究竟是谁在增长？ 李全良通过淘宝后台的“生意参谋”拉出同品类同等级店铺的平均数据发现，与他品牌同层级的店铺平均数据比不上母亲节，比不上4月底的月销，但是同品类中的头部商家，5月的销售额和访客量都在上涨。他得出结论：“（大促）流量向头部卖家倾斜。” 分化是不少从业者的共识。一位京东电商服务商告诉《财经》，“流量基本都往大店去了。” 流量和订单在向头部集中，但谭敏认为这不完全是平台流量导向的结果，更多是品牌自然的吸引力。“比如说你买2000块钱的包，逃不过‘山下有松’这种品牌。它的搜索流量和自然推荐流量就是很高。”系统会根据销量给权重——一个链接买的人多、点的人多，系统就会给它多推流。 品牌仍然会选择在“618”投入。据鱼跃品牌介绍，公司通常在上半年3月至5月密集发布新品，通过几个月的日常积累和市场测试，产品在6月会达到一个稳定期。而“618”作为一个公共流量的天然引力场，恰好能够接住品牌新品爆发的最高峰。比如今年，鱼跃除了高专业度的血压计、制氧机、呼吸机，还大规模上线了面向普通健康人群的健康戒指等智能穿戴新品。 “需求并没有消失，而是在加速分化。”这是天猫方面对《财经》的说法。 今年天猫“618”涌现出大量细分新赛道。所以对平台和商家而言，真正要做的，是更精准地满足这些越来越细化的需求，这才是更贴合当下消费趋势的解法。这也是今年以来淘天加大力度把资源投向新品创新、细分品类扶持和新锐品牌孵化的原因。 AI被嵌入平台生态 今年“618”，平台战报的叙事重心整体发生了微妙的偏移。 天猫不再只谈成交额，而是强调“超100万商家使用阿里妈妈AI工具提升经营效率，截至5月31日，AI被调用次数超30亿次”。京东则将“首次全场景、全产业融入AI”作为本届“618”的核心标签，强调JoyStreamer数字人直播带货成交额突破2.4亿元，物流超脑大模型带动库存周转效率提升30%至40%。 当传统玩法的红利逐渐消散，新技术成了平台和品牌的解题思路，也开启了大促的新一轮竞争。 淘天集团推出了一个行业标志性的动作——5月11日，通义千问App与淘宝全面打通。用户打开千问App可以直接“逛淘宝”，完成商品挑选、对比到下单的全闭环；打开淘宝App，则可以直接调用“AI购物助手”，进行AI试穿、一键算优惠和低价帮抢。 在今年“618”前，淘天升级了一个名为“生意管家”的AI经营产品。据淘天方面介绍，这是一个提供AI美工、AI数据分析、AI商品运营、AI营销、AI人群运营的产品，相当于给商家建了一个Agent（智能体）团队。据淘天方面数据，生意管家已累计服务超500万商家，帮助运营效率提升1.5倍。 家具行业头部品牌林氏家居的天猫旗舰店使用了AI生意管家。林氏方面告诉《财经》，这个工具重点部署了市场动态监控、用户原声洞察、店铺违规处理三方面功能。 在用户原声洞察方面，之前十个品类每周要花费25小时，在AI辅助下减至12小时。更重要的是，林氏把AI嵌入了整个业务流程。“在引入生意管家AI数字员工的过程中，我们看到的不是某个岗位省了几小时，而是整个组织围绕AI重新组合生产关系的可能性。”林氏家居品类负责人表示。 京东同样在利用AI重构平台生态。数字人主播JoyStreamer免费向超7万商家开放。据该平台称，“开门红”四小时，开播商家同比增长6倍，带货成交额突破7000万元。AI客服“京小智”服务超百万商家，大模型服务量同比增长14倍。京东物流的“超脑大模型”覆盖了超1000个核心场景，库存周转效率提升了30%到40%。 一家京东五金店铺运营负责人周声发现，京东“618”期间在部分推广工具上增加了平台全资承担的“智能补贴券”。在全站营销、智能投放的逻辑下，系统会向消费者随机发放不同面额的限时立减券，最大力度超过10%。但他同时提到，这个智能推广工具要投放广告才可以使用。 现阶段，周声对京东站内的AI工具并没有多少使用体验。京麦软件右上角有一个AI助手，可以分析推广工具的数据，周声用过一次后觉得效果一般，便再也没用过。 在京东平台上用AI搭建的直播间；受访者供图 抖音电商则与豆包进行了联动。豆包App导航栏内嵌了“帮你选”功能，用户可以在豆包内直接完成商品选购和下单。抖音电商推出的一站式智能营销体系“千川·乘方”，包含自动分配预算、AIGC创作、全域精准推荐三大模块。 在平台的光鲜叙事背后，也有不少商家的真实体验说明，“AI赋能生意”的逻辑远未完全跑通，平台之间的AI应用之争也才刚开了个头。 李全良只接触过淘宝提供的生成式工具，最大感受是“真实感、活人感太少了”。相较之下，他更愿意使用抖音团队直播剪辑出来的切片。 谭敏日常会用平台提供的AI运营工具，但她觉得功能偏“基础”。“它会汇总数据，告诉你哪些是推广潜力商品，但不会针对你特殊的品类、店铺当下遇到的实际困境去解决具体问题。”她说，“销量不好，没有爆款，AI没办法帮你做决策。” 在长沙做日用品电商的胡蓉则直言，她尚未使用平台的AI工具。此前她听说过阿里的“悟空”（阿里推出的一个企业级AI原生工作平台），“但价格太贵了，邀请码抢得也凶，我一直没抢上”。她认为，真正在用AI深度介入工作流程的商家，用的多是外部工具——Seedance2.0、ChatGPT、Claude，或是国外一些生图软件，而不是平台自带的这些。 陈林也是AI重度使用者，常用的是ChatGPT pro、Gemini pro和Claude——女装生意不好做了，他早已掉转船头用AI写代码，正在开发一款PC端游戏。对他而言，是否使用AI不是一个选择题，而是一个必选项，无论是电商平台给商家的AI工具，还是千问这样背靠阿里巴巴的国产大模型，都无法从根本上吸引他去使用并持续在电商里投入。 对他而言，根本问题是消费意愿低、退货率高，AI解决不了这些问题。 “哪还有做电商不用AI的？” 对于那些早早就用上AI的商家来说，平台的工具确实来得晚了一些。很多人在此之前就已经在用外部AI工具深度介入工作流程。 王皓在2022年底就开始用Stable Diffusion跑产品图，2023年5月花四五万元部署了本地服务器；安踏从2020年初就开始训练自己的智能客服模型，2023年研究数字人直播，2024年试点，到2025年迭代到2.0版本。 这些商家不是在平台推出AI工具之后才开始拥抱技术的，而是在平台尚未大规模部署时，就已经开始自建AI能力。 “哪还有做电商不用AI的？”王皓对于AI早就习以为常了，当他最近在社交媒体上看到依然有许多人讨论AI在电商领域如何落地的问题，不免感到费解。 王皓在广东河源经营着一家技工贸一体型的文创生产与销售公司，产品涵盖纸制品、亚克力、纸张本册等，拥有上千款自主设计的产品。由于他长期从事青少年科学科普工作，对前沿技术极其敏感，在2022年12月，开源图像生成大模型Stable Diffusion发布后仅四五个月，他就开始尝试本地应用。 王皓注意到，当时深圳水贝黄金珠宝商圈里的一些小团队，连夜用Stable Diffusion跑珠宝的效果图，代替原本昂贵的人工手模、腿模。“当时还很粗糙，但对一些便宜的饰品来说，已经够用了。”在了解到AI和电商流程打通后，他真正认识到了AI的威力。 王皓很快将这一流程引入自己的产品线。在平台官方大规模推广AI美工工具之前，他的公司已经用开源大模型进行过各种产品设计、图像处理流程应用与探索。 真正的投入是在2023年5月10日。王皓记得很清楚，那天他花了四五万元采购显卡，本地部署服务器。“（用的）矿卡，性价比极高。”他说。本地部署之后，消耗的就只有电费，跑图成本几乎可以忽略不计。后来的时间里，Stable Diffusion在他公司的服务器上跑了几十万张，甚至可能上百万张图片。 虽然这一阶段还没有立刻转化为明显收益，但王皓告诉《财经》，团队由此对人工智能技术形成了更深入的认知，也开始将AI能力反向嵌入到产品开发之中。 几乎同一时期，语言类大模型开始兴起，王皓第一时间带着团队用来写文案、做竞品分析、找灵感。AI Agent（人工智能体）“龙虾”上线后，公司有了四个“龙虾员工”——它们被当作真实同事来沟通，从市场分析到产品构思，再到调用各类模型执行具体操作，逐渐渗透到了业务流程中的多个环节。 效果是肉眼可见的。图像处理效率提升百倍以上，“以前一周要专门拍一天到两天，现在AI半小时搞定”，设计速度也有了几十倍的提升。 胡蓉一分钟内用ChatGPT生成的产品图，因为AI对她过往的产品图模板有记忆，所以描述被简化了；受访者供图 如果不是早早用上AI，王皓认为公司现在的处境会更差。他所在的文创和印刷行业近两年竞争异常激烈，不少同行离开。“AI让我们有更强的开发能力、更高效的执行速度，也只是保持增长，不能做到猛增。”前几年，公司还能高速增长，如今受到一些客观因素影响，增速已经明显放缓。 杨帆公司用上了数字人直播，一年花费4万元，主要用于填充凌晨、半夜这些无人直播的时间。同时，使用数字人一定程度上能增加店铺权重，有助于获取公域流量。 不过，杨帆提到，数字人直播不像真人那样互动感强，服务费较低的数字人也无法对评论区的问题做出反应，只会按照程序一个接着一个商品进行介绍。“数字人直播效果一般，带来订单较少，估计也就刚好覆盖采买的成本。” 即便如此，领导也没有叫停。“反正我们领导的意思就是，你要拥抱科技，拥抱AI。” 谭敏的团队在用AI，最大的价值在商品拍摄环节。原来凑够二三十个款一起拍，一次要花四五万元，加上修图，整个流程花费半个月。现在用AI把产品图做出来去测款，如果效果好，再真正投产。 在王皓看来，他们正在借助AI吃大厂看不上的“面包碎”，“人工智能帮我们吃得快一点”。 他解释称，市场里那些常规、稳定的存量生意，就像是地上零散的面包碎，留给中小商家的份额越来越少。但AI并非只会加剧失衡，它也制造出了许多不确定性，系统会随机掉落技术红利的“糖果”。 “我们在努力去捡糖果，但是哪怕捡不到糖果，这种效率增长，本身也是红利。”王皓说。 相比这些中小商家，安踏的AI革命来得更早，也更加深刻和彻底。 安踏从2023年开始研究AI数字人直播，2024年做试点，到2025年已经过了两轮迭代。安踏方面告诉《财经》，数字人直播实现了“24小时不打烊”。“凌晨0点到早上7点的时间段，也有6%（占货架电商直播间整体销售额）的生意在成交。以前主播不可能连轴转，这些订单就流失了。”安踏集团负责AI创新应用的高级总监李凌表示。 据安踏IT副总裁王宏星介绍，AI辅助下，电商商品开发周期缩短25天。2025年，AI辅助设计的商品订货金额超过90亿元。智能客服的咨询承接量已超过50%，准确率能做到90%以上，甚至95%。 安踏将“618”视作一场“小考”。尤其在今年，“618”站进了安踏的AI战略版图。 “618”期间，安踏将AI试穿、数字人直播、智能客服等一系列能力集中上线并接受检验。“618”，对安踏的技术团队来说也是一次锤炼。大促期间流量洪峰到来，客服模型、推荐算法都需要提前做算力扩容。“我们至少在预估峰值的基础上还会额外增加50%的冗余。”李凌提到。业务和IT组成联合战队，共同应对。 鱼跃医疗选择与平台深度共建AI能力。高阶版的AI店小蜜帮助鱼跃实现了24小时服务闭环，问题解决率提升了10个百分点。“618”大促带来的流量峰值，也恰好验证了AI系统的承压能力和转化效果。 平台的竞争：抢夺下一个入口 随着AI在电商日常经营和大促中的渗透愈加深入，它已经从商家的提效工具变成平台的战略叙事，“618”的意义也在被悄然重写。 技术大考考的不只是商家，更重要的是平台。平台对于站内AI生态的搭建呈现出前所未有的紧迫感。“618”前夕，千问与淘宝全面打通推出AI购物，京东则首次全场景、全产业融入AI技术。 在电商分析师、海豚社创始人李成东看来，AI工具从一两年前开始就已经在国内电商和跨境出海电商中渗透，从销售端审视，AI对GMV的拉动“还比较弱”。今年“618”平台对于AI的集中投入，李成东认为，核心逻辑是“抢入口”。 “它并不代表马上能产生交易，更多是培养用户心智。”他说，这就像十几年前移动电商刚刚兴起时，平台都在打新概念，目的是让用户形成“想购物就去我的平台”的习惯。 不过对于用户端的“AI购”，对话式购物是否真能替代传统的“搜索-浏览-比价-决策”路径，这个“618”只是起步，远未到“拐点”。 “大部分用户还是通过拼多多、淘宝、京东直接购买，不会先在AI问一遍再去选择购买。现在说AI影响很大，还早。”李成东说道。 陈林也有同感。他认为，即便千问背靠阿里的消费业务，在应用落地层面有优势，短期内也改变不了用户的习惯。但“除了春节前补贴奶茶，现在谁会去千问买东西？千问也无法打败目前淘宝首页推荐。” 一位购物节的资深用户告诉《财经》，每一年“618”“双11”这样的电商大促她都会积极参与，提前选购好商品，在一个合适的节点集中购买。她喜欢并享受挑选的过程，并不在意AI带来的购物效率提升，所以对使用AI购物兴趣不大。 不过，在平台的视角下，大促的“集中性”价值仍是不可替代的，也是进行AI练兵的好时机。 淘天解释称，尽管低价和服务这些基础供给已经日常化，但对消费者来说，“618”是一年中少数几个适合做集中决策、尝试新品类、叠加享受平台权益的窗口。对商家来说，它是新品打爆、心智沉淀、经营资产积累的关键节点。 现阶段对话式AI购物的用户心智尚未形成，但平台争夺“下一个入口”的排位赛已经鸣枪。一旦平台将流量分发权逐步移交给AI推荐和智能代理，中小商家若对此毫无感知，便会在下一轮规则洗牌中可能失去被看见的机会。 对于头部品牌，“618”是一个检验AI能力的“期中考试”；而对于更多中小商家，AI革命尚未真正降临，但并不意味着可以置身事外。或许他们在低头处理眼下退货率、高库存的时候，更需要在这个节点抬头看天。 （应受访者要求，李全良、陈林、杨帆、周声、谭敏、王皓为化名）

文丨高洪浩 陈佳惠 编辑丨黄俊杰 截至上半年，每天 2 亿多人使用的豆包应用每天收入不足百万元，主要来自电商佣金。 而到今年 5 月，豆包应用每天消耗数千万元——参照火山引擎公开 API 价格，结合豆包大模型的毛利率、豆包用户使用习惯推算。文字聊天不贵，按每天人均 15-20 分钟的使用时长，只要几分钱，但推理，以及图片识别、语音聊天、视频聊天等多模态功能需要的算力成本要贵几倍甚至几十倍。 这还没算为训练豆包模型搭建的算力中心成本。一座大型智算中心往往需要数万张 AI 芯片，还要配套数据中心、供电、网络、散热和运维等基础设施。根据《南华早报》报道，字节跳动计划将 2026 年的资本开支上调超 2000 亿元，相当于它 2025 年利润的约六成。 如果字节能获得更多训练必须的英伟达卡、国产推理卡产能更充足，豆包消耗的资源会更高。 豆包延续移动互联网时代做产品的路径，以免费应用吸引大批用户，再谋划商业变现。但由于 AI 的高昂成本，仅仅维持豆包正常运行需要的钱就超过了整个 Bilibili 的经营成本——豆包每天总用户使用时长不到 Bilibili 的 1/8。 据我们了解，两个月前，有字节高层到访 Anthropic，回来不久，字节开始调整 AI 资源分配，重心从豆包这类面向大众的产品，转向服务企业的产品。 过去半年，Anthropic 证明了 AI 编程能让巨额基建投入产生回报：Claude Code 2025 年 5 月上线，半年做到 10 亿美元年化收入，今年 2 月翻到 25 亿。靠为企业提供付费服务，每天只有 3000 万人用的 Anthropic 估值冲到 9650 亿美元，反超每周有近 9 亿消费者用 ChatGPT。 字节 Seedance 也证明了企业服务这条路走得通。据《晚点 LatePost》了解，字节这款视频生成模型当前年化收入（ARR）已达 20 亿美元（约 143 亿元），单月超 10 亿元——差不多抵消豆包的算力成本。Seedance 绝大多数收入来自企业客户。 知情人士告诉我们，字节大模型数据审核团队今年从约 1500 人扩到 3000 多人，为编程模型清洗训练数据；火山引擎的 MaaS 业务也被摆到更重要的位置，字节最高层定下了收入翻 10 倍、加快出海的目标。 曾经字节和快手自己就给过教训——今日头条不到两年就让广告与增长同步起量，快手慢半拍、等短视频红利见尾才系统卖广告，补课成本高得多。AI 演进更快，留给各家想清楚怎么赚钱的时间只会更短。 第一个赚到钱的 AI 业务：Seedance 2.0 目前，Seedance 毛利率达 70%——每卖出 10 元 API 调用，服务器和推理成本约占 3 元。一位业内人士根据 Seedance 2.0 的模型参数估算，一次完整训练成本在数亿元。 相比之下，语言模型通常有更多版本、更密集的迭代和更长的训练周期，总体训练成本可能是视频模型的 3 到 5 倍。Seedance 目前主要押注一个视频生成模型，训练投入更容易被后续收入摊薄。按这样的成本结构，“要实现盈利并不困难。” 上述人士说。 不过大模型的毛利率还取决于字节如何计算折旧。字节并非长期租用外部算力，主要成本来自自建数据中心和自购芯片。芯片按几年折旧会显著影响账面成本。类似争议在硅谷也存在：AI 芯片迭代太快，折旧年限到底该按传统服务器计算，还是按更短的技术周期计算，尚无定论。 这些都是更大的投入换来的。2025 年，业内主流判断是：沿传统的 DiT 架构（扩散式 Transformer）继续训，模型提升空间已经不大，多数团队转向后训练。业内头部的团队，有更多的资金、资源投入，做极致预训练模型。 经近一年优化，Seedance 2.0 成为第一个完整采用 MoE 的视频生成模型，参数 2000 亿，2026 年 2 月上线后迅速成为全球性能最强的视频模型。 今天的视频和语言大模型训练都必须用昂贵且难以买到的英伟达 GPU 或者 Google TPU。但训练完，上线使用时，视频模型对推理芯片的要求更低。语言模型一个词接一个词生成、每步都要回看上下文，对显存和卡间通信要求很高；视频模型的 DiT 架构能把一批数据一起算、分批输出，同样吃算力，但对卡间通信依赖低，很多国产芯片都可以跑。这是高毛利的基础。 Seedance 研发人力也更便宜。一位猎头说，多模态高阶人才薪资普遍比语言模型方向低 30% 左右。视频生成的竞争烈度低于语言模型，团队也精简——Seedance 核心算法成员仅十余人，绝大部分毕业就去了字节：总负责人曾妍是 2021 届博士毕业后加入，预训练负责人魏国强是 2023 届博士毕业，负责工程化的吴捷 2020 年从中山大学硕士毕业。 如今 Seedance 已经成为 AI 仿真人剧、漫剧的重要生产工具。制作公司借助它自动拆解剧本，生成分镜和提示词，再上传提前确定好的人设图、场景图，就能生成视频。人的工作主要变成检查结果，筛选出可用画面。 据我们了解，头部漫剧公司使用 Seedance 的算力成本在 5 万元左右。 向消费者收费的困境 字节最早把 AI 商业化的期待放在大众消费上，沿用移动互联网的老办法：先做大规模，再变现。2026 年豆包每天已有超 2 亿人使用，一边接入电商和生活服务、让人对话下单，一边推订阅收费——但两条路进展都有限。 问题在于，大多数购物是为了快乐，而不是省时间。AI 擅长替人筛选、总结，但拼多多创始人黄峥 2017 年就说过，购物更多是 “非目的性” 的——像逛商场，没目标，看到有意思的就买，浏览、比较、被推荐打动、慢慢挑，这些行为本身就带来快乐。他将购物比作迪士尼，大多数人不会想让 AI 代替自己逛迪士尼乐园。 大多数人也不像研究 AI 的工程师一般忙碌，愿意花钱省时间。不然也不会每天 8 亿多人刷两小时抖音，4 亿人刷快手，1 亿多人刷小红书。 据我们了解，豆包每天产生的电商交易额只有一千万元左右。对于一个每天有 2 亿活跃用户的平台而言，这并不算高。 豆包也在筹备付费版，但让大众为数字服务付费更难。 QQ 音乐、起点、爱奇艺花了很久，才让上亿人习惯为正版音乐、网文、长视频付费。可字节又用流量优势和更强的推荐技术，用免费的番茄小说、红果短剧，和汽水音乐（点两个广告就免费），颠覆了网络小说、短剧、音乐市场，快速蚕食腾讯等公司的份额。 连效率工具，国内都拼免费：当 Zoom 靠付费视频会议一年净赚 10 亿美元的时候，钉钉、飞书、腾讯会议长期免费开放核心功能，企业不必为基础工具付费。连高薪的金融分析师都自嘲说，腾讯视频开满一小时，金融业的标准做法是换个人发起。 大模型竞争更让订阅难上加难——DeepSeek 免费、开源，很多场景里效果已经够好，后来者再想靠 “更聪明一点” 收费，就得证明自己好得足够明显。 Seedance 让行业看到了 AI 赚钱的希望，但还没有证明这是一条可持续增长的路。 据我们了解，Seedance 的收入增速有所放缓；快手的可灵的 ARR 增长也在 5 月初冲到 5 亿美元后放缓。目前两家公司都有短剧外的新客群，但要让更多行业进入 AI 视频生成，还需要模型性能继续提升。能训练大模型的英伟达处理器依然是稀缺资源。 接入了 Seedance 的即梦，高峰期的日活跃用户数在 250 万左右，它的目标是成为新一代的大众内容消费平台。但目前，使用这款产品的主要仍是专业内容创作者。 字节面对的，也是所有大公司投入 AI 绕不开的问题。AI 算力中心已经烧掉数千、上万亿元的投资，它们怎么变成钱。Seedance 证明视频生成有高毛利，但它还需要走出短剧行业；豆包有庞大的用户规模，却难以产生有意义的收入；AI 编程的对手则是全球最领先的 Claude Code 和 OpenAI Codex。 在中国，又多了一个挑战：怎么在一个被免费喂大的市场，让人重新习惯付费获得服务。 题图来源：《黑客帝国》

凤凰网科技讯 6月16日，腾讯云发布公告，根据调整规划，原知识引擎原子能力平台和大模型服务平台TokenHub的DeepSeek-V3.2模型将于北京时间2026年7月16日00:00起正式下线，届时不再提供上述模型的接入服务。推荐迁移至能力更优的DeepSeek-V4系列模型。 据悉，若用户尚未完成迁移，系统将自动切换至DeepSeek最新模型，以确保服务调用。 据了解，6月3日零时起，腾讯云智能体开发平台对DeepSeek-V4系列模型进行价格下调。其中DeepSeek-V4-Pro模型的推理输入与输出价格降幅达75%，缓存命中价格降幅高达97.5%；DeepSeek-V4-Flash模型的缓存命中价格降幅达90%。

快科技6月16日消息，曾经在上世纪80年代叱咤PC行业的传奇厂商Commodore，近日以意想不到的方式重返消费电子市场，推出了一款充满Y2K年代气息的翻盖手机Callback 8020，起售价499美元（折合人民币约3371元）。 Callback 8020在硬件配置上刻意走"够用就好"的路线。 该机配备3.25英寸内屏，分辨率为480×640，搭载联发科Helio G81处理器，辅以4GB内存与64GB存储空间。 值得一提的是，手机还保留了3.5mm耳机接口和FM收音机天线。 这款手机最引人注目的并非硬件参数，而是其"反智能手机"的产品哲学。 Commodore为Callback 8020设定的核心目标是在基础功能与减少数字干扰之间寻求完美平衡。 系统默认完全屏蔽社交媒体应用和网页浏览器，甚至从技术层面阻断了对Facebook等社交平台服务器的访问。 手机运行注重隐私保护的Jolla Sailfish操作系统，理论上支持几乎所有安卓应用的运行，但品牌通过建立严格的应用白名单机制来管控生态 —— 用户可申请将特定应用加入官方商店，再由AI算法与人工审核团队共同决定是否放行。 即便如此，用户仍可通过侧载方式安装白名单之外的应用，品牌并未完全剥夺用户的选择权。 Commodore将Callback 8020定位为"夜晚与周末专用手机"，旨在帮助用户暂时脱离工作邮件、即时通讯带来的信息轰炸。 为了贯彻这一理念，整机在交互设计上也极尽克制：收到通知时，机身正面的5颗彩色LED灯会轻柔亮起；外屏仅显示时间、日期、电量和网络状态等最基础信息，最大限度减少不必要的注意力分散。 影像方面，该机配备4800万像素摄像头，足以满足日常记录需求。 配色方案提供米色、白色、银色三种基础选择，半透明蓝色特别版售价549.99美元，金色"创始人版"定价640美元。

智东西 作者 | 王涵 编辑 | 李水青 智东西6月16日报道，刚刚，马斯克旗下的商业航天、通信与AI巨头SpaceX宣布正式收购美国明星AI编程独角兽Cursor。 SpaceX称其已行使期权，以全股票交易方式收购Cursor。并且在过去几个月，SpaceXAI一直在与Cursor联合训练一个新模型，该模型将很快在Cursor和Grok Build中发布。 ▲SpaceX官宣推文（图源：X） 马斯克第一时间转发SpaceX的推文，称：“AI将实现Stockfish级别的编程能力和通用计算机使用能力。”（注：Stockfish是世界上最强的开源国际象棋引擎，常被用作“顶级水平”的代名词） ▲马斯克发推（图源：X） 监管文件显示，Cursor将以股票形式得到支付款项，不会动用SpaceX IPO的收益。该交易预计将于2026年第三季度完成。本次SpaceX收购Cursor的金额，按照Cursor隐含股权价值计算为600亿美元（约合人民币4056亿元）。 根据监管文件，如果该协议在特定情况下终止，SpaceX将支付100亿美元（约合人民币676亿元）的终止费。文件还称，如果由于反垄断问题导致交易失败，SpaceX将支付40亿美元（约合人民币270亿元）的“监管”终止费。 Cursor，前身为Anysphere，由Michael Truell、Sualeh Asif、Arvid Lunnemark和Aman Sanger于2022年在麻省理工学院就读期间共同创立，4位联合创始人均为00后。 其产品Cursor是一款面向软件开发者的明星AI编程工具，于2023年推出。它可以在开发者写代码时提供代码生成、自动补全、错误调试、代码库问答和Agent式编程等功能，帮助程序员更快理解项目、编写代码并修复问题。Cursor的加入，无疑会让马斯克的Grok在编程能力上有所加强。 自2022年创立以来，Cursor在不到四年的时间内完成了多轮融资，累计吸金约34亿美元，具体如下： 2022年4月完成40万美元的Pre-Seed轮融资； 2023年10月完成800万美元的种子轮融资； 2024年8月完成A轮融资； 2025年1月完成B轮融资； 2025年5月完成9亿美元的C轮融资； 2025年11月完成23亿美元的D轮融资。 4月18日，外媒TechCrunch报道称，知情人士透露，Cursor即将完成新一轮融资，预计将融资超过20亿美元（约合人民币135亿元），估值将达到500亿美元（约合人民币3380亿元）。若融资完成，Cursor将成为全球估值最高的开发者工具公司之一。 今年4月22日，SpaceX官推就曾发文称，今年晚些时候或将以600亿美元（约合人民币4056亿元）收购Cursor又或为双方的合作支付100亿美元（约合人民币676亿元）。 5月20日，据彭博社报道，知情人士透露，马斯克旗下SpaceX预计将在其股票公开挂牌交易30天后，推进收购Cursor的进程。 6月12日，SpaceX成功登陆纳斯达克。如今，距离SpaceX上市仅过去4天，这一交易就迎来了实锤。 6月16日美股开盘，SpaceX涨幅扩大至17%，在盘中最高市值一度达到2.97万亿美元（约合人民币20万亿），在全球上市公司市值排行榜中居第四位，仅次于英伟达、Alphabet、苹果。 截止发稿前，SpaceX最新股价为每股209.6美元（约合人民币1417元），总市值为2.76万亿美元（约合人民币18万亿）。 ▲SpaceX最新股价（图源：腾讯自选股） 6月16日早间美股收盘时，马斯克的身家已经上涨到1.3万亿美元（约合人民币8.8万亿），约等于8.8个巴菲特的身家，同期巴菲特净资产约1464亿美元（约合人民币9897亿元），马斯克也一跃成为全球首位身家达到万亿美元级别的富豪。

作者 | Tina 2026 年 6 月 15 日，Redis 之父 Salvatore Sanfilippo，也就是 antirez ，在 X 上发了一串推文，情绪罕见地激烈： “中国模型之所以强大，绝不是因为它们对美国模型进行‘蒸馏’（distillation）。通过 API 进行模型蒸馏是不可能的。如果有人告诉你相反的情况，那说明他们根本不懂机器学习。” 推文瞬间引爆了 X 网友们的敏感神经，于是一场争论又开始了。 因为他这番话，针对的正是过去一年美国 AI 圈很流行的一种说法：DeepSeek、Qwen、Kimi 这些中国模型进步这么快，都是靠用 API 去“套”美国顶级模型的回答，再拿这些回答来训练自己。 就在 antirez 发推的前两天，Anthropic 针对外国用户，在全球范围内暂停了其前沿模型 Mythos 和 Fable 5 的访问。这一极端举措无疑将“模型蒸馏”的讨论推向了新的高度。 而 Redis 之父，这位在技术圈德高望重的意大利程序员直接站出来说“你们搞错了”。 Redis 之父的“不可能三角” 昨天晚上，antirez 连续发了一长串推文，反驳“API 蒸馏”的说法。他认为首先是“API 给出的数据不够”，要蒸馏一个模型，需要访问海量的、带有完整 logits 的请求，包括思维链的所有中间输出。但通过公开 API，你只能拿到最终的文本结果（相当于看了一眼答案，反推推导过程）。 其次是数学上不成立，这就像在一个极其复杂的曲面上看到几个点，却妄想重现整个曲面。 再次是能力来源需要明确的信息路径。预训练需要数万亿 token，RL 需要探索的奖励信号，完整的 logit 从 o1 之后就不再提供——那所谓“蒸馏”的信息通道到底在哪里？ antirez 还特别提到 DeepSeek。DeepSeek 已经把自己怎么做预训练、怎么做 SFT、怎么做 RL 管线讲出来了，社区里也有人复现出了一部分结果。既然有公开方法，也有可验证的结果，为什么大家宁愿相信“它一定是蒸馏出来的”这种猜测，也不愿相信它真的有能力训练大模型？ 以下是 antirez 全部推文的翻译： 第一，真正的蒸馏需要访问极其大量的请求，而且这些请求必须带有完整的 logits，包括生成思维链时的 logits。但现在这些思维链通常已经被总结过了，你根本拿不到完整过程。 第二，通过 API 调用来蒸馏模型，就像你只看到了一个极其复杂曲面上的几个点，却还想把整个复杂曲面复原出来。从数学上讲，这简直是科幻。 第三，DeepSeek 在 R1 论文里做的那些蒸馏，确实提升了目标模型的能力。但那些目标模型本来就已经在大量 token 上预训练过，只是没有接受过“思考”训练而已。潜在能力本来就在那里。即便如此，这些蒸馏出来的模型也谈不上特别强。 第四，你真正能做的，是为强化学习流程获取一些高质量信号。这确实有点用，但并不是决定性的。首先，你得有一套真正跑得起来的 RL 流程，而真正的工程能力也就在这里。 第五，就算你已经拿到了模型，蒸馏仍然很难。现在有很多中国前沿模型是公开可用的，可许多实验室，包括欧洲的一些实验室，仍然做不出和它们对齐的模型。 第六，DeepSeek 已经公开了他们如何搭建预训练、SFT 和 RL 管线的细节。这些结果甚至已经被复现了。为什么你们更愿意相信那些跟风瞎扯的论调，却不愿意相信那些可复现、可获得的结果？他们已经证明了自己能把大模型训练好。 第七，如果还有人坚持这种机器学习上的荒谬说法，你就问他：你声称模型从某个来源学到了某种能力，那请你把信息路径拿出来。预训练？那需要数万亿 token。强化学习加验证器？也没有。那需要来自探索过程的奖励信号。完整 logits？那是老师模型的完整分布，而从 o1 或类似模型开始，这些东西根本就不给你。那么，信息通道到底是什么？ 最后他总结道：“别再重复这种胡话了。哪怕你的个人简介里写着‘AI 专家’，你也只是在向全世界证明你根本不懂机器学习。” 但这种表态很快也把火烧到了 antirez 自己身上，推文评论区简直惨不忍睹。有网友说， antirez 明显违反了推特的“第一性原则”：你不能表扬中国模型，永远，否则反对者就会像潮水一样把你淹没！ 有人甚至直接在评论区质问他：“谁付钱让你发这个？” 包括他在内的一些网友，是用“指令微调”来反驳 antirez：API 输出当然能训练模型，Alpaca 和 Vicuna 就是早期例子。Alpaca 使用 OpenAI text-davinci-003 生成的 5.2 万条指令数据微调 LLaMA 7B；Vicuna 则使用 ShareGPT 上用户分享的 ChatGPT 对话微调 LLaMA。 但这是实现黑盒蒸馏的操作手段之一：你不需要拿到模型的 logits 或内部概率分布，只需要通过 API 收集大量的 (指令, 输出) 对，就能拿去训练自己的模型。 而 antirez 从头到尾说的“蒸馏”，指的是经典知识蒸馏（白盒蒸馏），需要拿到教师模型的完整 logits 和内部概率分布。他反复强调“full logits”“完整思维链”，指向的就是这个技术范式。在这个定义下，API 确实给不了这些东西。 “蒸馏”这个词被刻意武器化了 还有一些网友引用 Anthropic 的报告作为自己结论的支撑。那份报告指出 DeepSeek 和 Moonshot AI 等实验室进行过大规模查询，很可能就是在收集训练数据。 但这份报告本身就有很大问题。我们曾专门拆解过：Anthropic 指控 DeepSeek 的约 15 万次交互属于“异常规模”。但一个普通 AI 聊天工具日均交互约 16 万次，按 Anthropic 的标准，任何正常产品一天就能“偷走”全部能力。另一个对比是技术评测产生的大量交互。以 SWE-bench 为例，两千多个任务、每个任务调用几十次工具，一轮测试就接近 12 万次。反复调参跑多轮，突破百万次是常态。这些交互完全可以来自正当的评测流程，而非所谓的“蒸馏攻击”。 不过还有两位业界专家不赞成 antirez 对“蒸馏”的定义。 一位是 Redwood Research 的首席科学家 Ryan Greenblatt ，他认为 antirez 的帖子“在事实层面明显错误”，点赞数这么高很离谱，应该加上 Community Note。 Ryan 的主要意见是，antirez 至少采用了一个在大语言模型语境下并不标准的“蒸馏”定义。他还补充说，只用不算很多的轨迹来蒸馏 RL 是很容易证明的，而且已经在很多地方被证明过，这明显和 antirez 这个讨论串的说法相矛盾。 但 Ryan 反驳的是 antirez 对“蒸馏”的狭义定义，本身并不涉及 DeepSeek 能力来源。 另一位是 AI2 研究员 Nathan Lambert，也是刚刚结束中国行的美国学者之一。 Nathan 认为，蒸馏本来是一种通用的后训练技术，但他们却用这个词来指代一个更具体的问题：破解 API，或者说让 API 越狱。另外，蒸馏确实有用，但如果是按预期付费使用 API，“哪怕这违反了服务条款，我也不会太同情前沿实验室因此推动政策行动”。 最关键的一点是，“蒸馏”已经成为了一个“道德术语”。假如真存在“以较少的投资迎头赶上竞争对手”的情况，那么这些企业就会想办法从道德上重新定义这个行为，以维护自身利益。 所以，“通过训练已经解出来的问题来提升模型”这个说法，听起来不够有煽动性。我们需要一个更恶意的词，比如“蒸馏攻击”。 “蒸馏”这个词很好，因为它会让人联想到私酒和 20 世纪 20 年代禁酒令时期那种地下交易的氛围。“攻击”这个词也很好，因为只有坏人才会攻击。于是，你就利用这样一个事实：过去人们把一种技术叫作“蒸馏”，也就是在能够访问大模型内部信息的前提下，用大模型来教小模型；然后你再给它加上“攻击”两个字，让它听起来更邪恶。 Nathan 进一步表示，如果中国模型算是被“蒸馏”出来的，那么 Cursor 对 Kimi 的微调，以及任何在其他模型输出上训练的模型，也都该算“蒸馏”——更何况如今大多数人类输出本身已有模型辅助。 也正因如此，Nathan 明确说，他不会把“在其他模型输出上训练”称为“蒸馏”，而主张叫它“基于模型输出的训练”或其他不带道德色彩的说法。他同时坦言，当前大语言模型的存在本就源于对版权法颇具争议的处理方式，只不过事后因其社会价值而被正当化；但我们绝不能让某些商业利益方，把自己的利益诉求包装成道德框架。 工程师文化，才是真正的答案 就在这场论战爆发前三周，Linux Foundation AI & Data 的 CTO Matt White 和 Nathan Lambert 各写了一篇文章，讲述他们为期八天的中国之行。他们的答案出奇一致，他们看到的中国 AI 实验室，不是一个躲在美国 API 后面抄答案的生态。 Matt White 写到，中国 AI 实验室普遍年轻、精简。他遇到的中国 AI 研究员平均年龄在 25 岁左右。研究员和工程师不太热衷个人品牌，更关心模型能不能真的变强。开源在许多实验室里不是宣传策略，而是默认选项。问题往往不是“要不要开源”，而是“哪些部分开源、什么时候开源”。 他对 DeepSeek 的描述尤其值得注意，“如果说有一个实验室在整个中国 AI 生态中获得普遍尊重，那就是 DeepSeek”。他访问的几乎每一家实验室都会提到 DeepSeek 的创新，尤其是 GRPO 算法和它们在推理训练上的独特方法。这种尊重不是嫉妒，而是对“改变了游戏规则的人”的认可。 Nathan Lambert 则在文章中写道，中国的 LLM 社区“感觉更像一个生态系统，而不是相互争斗的部落”。许多实验室都尊重 DeepSeek，认为它“拥有极佳的研究品味和执行力”。 这些 AI 实验室已经拥有世界级的预训练、RL 和后训练能力。DeepSeek 公布的 GRPO、Muon 优化器、VERL 框架，都被全球实验室采纳。今天构建最好的大模型，越来越依赖整条技术栈上的细致工作：数据、架构细节、RL 算法实现、评测、推理系统，每一个环节都可能带来提升。 从技术能力上，这已经足够说明中国实验室根本不需要靠蒸馏来追赶。中国实验室之所以追得快，很大程度上不是因为某个神秘捷径，而是因为这些团队非常适合做这种密集、复杂、需要大量非光鲜工作的工程优化。 这正好解释了为什么“蒸馏论”不足以解释 DeepSeek，也是 antirez 最不满的地方。 而且 antirez 不只是一个旁观者。不久前，他还亲自围绕 DeepSeek 做过推理工程，开源了 DS4 项目。这个项目是一个专门面向 DeepSeek V4 Flash 的本地推理引擎，优先为该模型优化，也支持在高内存机器上运行 DeepSeek V4 PRO。 也就是说，他真正摸过模型部署的底层问题：模型架构、MoE、长上下文、KV cache、硬件适配、量化、推理效率。对于一个系统程序员来说，一个模型到底只是靠输出样本堆出来的壳，还是背后有真实的架构和工程含量，感受会非常直接。 所以，总结来说，这场争吵最大的分歧在于“蒸馏”的定义。但问题的关键早已超出了技术范畴。真正让 antirez 发声的，是舆论场中一种根深蒂固的预设——只要是中国团队的进步，就必然来自某种“非正当手段”。这种预设无视了中国实验室在算力受限下做出的架构创新、算法突破和开源贡献，把所有进步都归因于“抄袭”。 参考链接： https://x.com/antirez/status/2066516853497684342 https://www.interconnects.ai/p/notes-from-inside-chinas-ai-labs https://huggingface.co/blog/matthew-d-white/ai-in-china

凤凰网科技讯 6月16日，荣耀全球首席营销官关海涛分享了Counterpoint FY26 Q1销量数据：荣耀2026年第一季度在马来西亚市场份额第一，超越苹果三星。 关海涛表示，荣耀Magic V6已在马来西亚和新加坡发布。同时，荣耀在马来西亚和新加坡高端市场表现较好，每三台大折叠屏手机中就有一台荣耀折叠屏。 据了解，国际数据公司IDC的2026年Q1国内折叠屏市场份额数据已公布。华为该季度位居国内折叠屏手机出货份额第一，独占60%，荣耀则以21%份额位居第二，OPPO、vivo、小米分列3至5位，份额分别为6%、5%、4%。

智东西 作者 | 王涵 编辑 | 李水青 智东西6月16日报道，今天上午，人工智能+生态大会（AIEC 2026）开幕，月之暗面创始人兼CEO杨植麟现身，在大会上分享了Kimi在开源生态上的工作进展。 他预测AI编程能力将在未来两三年迎来范式突破，模型进化将聚焦Token效率优化。新发布的Kimi K2.7 Code模型在未经特殊训练的基准测试上大幅提升，能以更少Token高效完成复杂任务。Kimi坚持Scaling策略，从Token效率、长上下文和Agent集群三个维度推进。 底层技术方面，Kimi优化了Adam优化器和Attention架构等传统技术，进一步提升Token效率。他认为开源模型正开始成为行业标准，并预测2026-2027年AI将主导研究。 浪潮信息董事长彭震提出，企业AI转型的核心是建立“Humagent（Human与Agent协同）”新型组织管理模式，核心在于将管理对象从人转向Agent，以最大化AI的智力贡献并确保运营的稳健高效低成本。 为此，浪潮搭建了元脑Humagent管理平台，对Agent进行身份、调度、绩效和风险的全周期治理，并重构人机流程。基础设施层面，针对Token消耗激增和数据隐私安全两大挑战，浪潮构建了涵盖物理层和软件层的专用Agent基础设施架构。 此外，本次AIEC 2026主论坛还有来自清华大学、美的、IDC、火山引擎、阿里云、腾讯以及素源矩阵的学界、产业专家登台分享。 一、月之暗面杨植麟：编程能力两年内范式突破，2027年AI将主导研究 杨植麟谈道，开源模型最重要的作用就是让前沿技术变得更加可获得，它不应该仅由一两个人或机构掌握，而是要将智能释放到每一个人手中，让更多的人能够获取和利用智能，从而构建更加灵活、民主的开源生态。 他提出，开源模型在技术定义上也正逐渐成为新的行业标准。例如，英伟达创始人兼CEO黄仁勋在公开场合多次使用Kimi模型进行演示，这说明开源模型通过更加透明的技术分享，开始渗透到全球技术生态的每一个环节。 杨植麟分享到，编程能力是AI生产力提升的起点，编程能力从程序员扩展到更多的工作者，他预测接下两三年，AI的编程能力会迎来范式突破。 杨植麟重点介绍了最新发布的Kimi K2.7 Code编程模型，该模型在基准测试上相较于上一代有极大提升。他强调，所选用的基准测试都是没有提前进行过特别训练的选择，能够更真实地反映模型的泛化能力和实际提升。 在困难任务上，K2.7可以用更少的Token数量完成更复杂的任务，效率更高。他认为，持续优化Token效率将是接下来模型进化的基本趋势，行业应更多关注单位时间或单位Token所能产生的性能，而非仅看绝对性能指标。 他透露，月之暗面在技术方面还是信奉Scaling，但其Scaling策略从三个维度展开： 1、Token效率Scaling 通过优化网络架构、优化器等，用更少的算力达到同等甚至更好的效果。这超越了传统意义上单纯增加算力和模型规模的理解。 2、长上下文Scaling 实验发现，随着上下文长度的提升，模型的参数损失可以持续下降。更强的上下文能力意味着可以完成更加复杂的任务。 3、Agent集群Scaling 通过增加Agent数量来提升能力。随着任务复杂度提升，多个Agent协作的效率提升远高于单个Agent。Kimi Agent集群可以进行规模化的输入、输出、执行和编排。 在底层模型方面，Kimi开始思考如何才能更有效地训练下一代模型，对此前的基础技术进行进一步优化。如Adam优化器和Attention基础架构等。他认为，大量底层技术将在未来2到3年内被重新改写，新的架构和优化方法将不断涌现。 杨植麟最后展望了AI研发的未来方向。他认为，大模型的研发正在发生范式转变：从2024年依赖互联网天然数据加人工标注的模式，转向2025-2026年基于可验证任务（如编程、数学）的大规模强化学习。他预测，到2026年下半年至2027年，AI将更多地主导研究。 二、浪潮信息彭震：定义“Humagent”模式，破解AI落地三大挑战 浪潮信息董事长彭震分享了浪潮AI转型中的实践。浪潮将新型企业组织管理模式定义为“Humagent”，核心目标是最大价值发挥AI在企业的智力贡献，从管理人转化为管理Agent，确保企业运营的稳健、高效和低成本。 浪潮建立了“元脑Humagent管理平台”，明确了Agent身份职责、严格Agent管理调度、建立Agent绩效评估，并对Agent进行风险治理。 在流程方面，他认为，人应该聚焦在系统性和前瞻性工作，发挥最终把关和责任兜底作用；Agent来承担高频执行和创新任务，并记录流程、通过数据积累持续优化。采用这一流程，浪潮效率提升170倍，很快地推出了Claw Manager产品。 在数据治理方面，浪潮的“元脑EPAI”可以建立Agent独立数据空间，保证Agent输出的数据可管、可控。 基础设施方面，彭震提出，企业遇到的第一个挑战就是Token的消耗量巨大，第二个挑战就是数据隐私安全，而这两个挑战要从基础设施层面解决。浪潮对此建立了Agent基础设施架构，在基础设施物理层有Agent主机、Token引擎、Agent存储和Agent网络；软件层涵盖了Token服务平台、数据中心管理平台和服务器操作系统。 彭震强调，企业AI转型不能仅依赖自身，还需要整个产业生态的协同。浪潮构建了“元脑生态”，链接“左手伙伴”（技术型伙伴）和“右手伙伴”（战略型、能力型伙伴），目前已对接600+算法厂商、8000+系统集成商和分销商。 三、Token成新“数字燃料”，AI算力将驱动万亿美元支出 国家信息中心信息化和产业发展部主任单志广认为，如今，Token成为新“数字燃料”，Token工厂则成为AI时代最重要的基础设施。他对发展Token经济提出4条建议： 1、大胆研究探索、建立Token经济特区； 2、强化顶层设计和探索实践、构建“人民币计价+国产电力+Token生产+全球供给”的产业链协同格局； 3、构建全栈技术体系，提供底层系统支持； 4、深化Token经济多边合作。 清华大学全球产业研究院院长彭凯平从人文角度分析了人类在人机协同时代的智能优势。他认为，智能时代下，审美感、创造力与同理心是人类的核心特质；AI的能力是提升效率，与人类天然互补。在企业AI转型当中，他提出了三条建议：1、“术”与“道”的博弈；2、组织管理变革；3、人才定义升级。 IDC中国区总裁霍锦洁分享称，2025年全球已经进入AI超级周期。在应用层，她认为，SaaS的市场影响在2031年将从25%降低到小于1%，SaaS正在被Agent重塑，发生入口消失、前端变薄、后端变厚的改变。她预测，在2028年将迎来推理的拐点，AI算力建设将驱动万亿美元基础设施支出。 美的集团首席客户成功官魏晓刚从美的自身出发，提出企业关注重点也从“使用AI”转向“如何让智能体贯穿并持续运行业务系统”。2025年，美的通过AI提效1350万小时，员工手搓了11870余个智能体，融合进了162个核心业务场景。 火山引擎企业解决方案高级总监安大鹏提出，AI原生时代企业有两条增长路径，即业务重塑+AI和业务创新AI+。对此，火山引擎为企业提供了从AI云原生基础设施到AI Agent的全栈能力，已在工程领域、电竞、AI偶像、AI短剧/漫剧/微电影等领域落地应用。 阿里云Qoder解决方案总监韩红娜系统介绍了Qoder系列产品能力。基于Qoder系列产品，阿里云设计了3个AI组织：1、AI军团；2、数字员工网络；3、智能闭环系统。在实际落地中，该组织架构将人均服务量提升一个数量级。阿里云内部每个员工都配置一台Mac mini训练其数字员工，不再手搓PPT、PRD、代码。 腾讯资深技术产品专家、CodeBuddy/WorkBuddy负责人汪晟杰分享称，腾讯在今年年初搭建了WorkBuddy智能体引擎，包含基础设施、智能服务、智能体引擎和智能体应用四层。在此基础上，腾讯推出了多Agent协作的超级团队、精细化上下文工程、场景智能体与管家、7×24h数字员工等企业AI转型基建。 素源矩阵创始人兼CEO韩家乐分享了其团队在AI进工厂方面的实践。其团队在一家水泥工厂中，用4周部署了一套工业智能体，产品合格率提升了3%，单吨综合成本下降2-3%。帮助工厂完成了预测、优化和学习的闭环。其底层模型是一个懂材料、懂工厂的行业机理模型，产品层预搭接入模板，可以通过产线数据等快速接入。 结语：人工智能+生态，首先是开放生态 这场大会勾勒出AI产业正在发生的深刻变化：Agent开始渗透工厂和办公室，每一个环节都在加速落地。 而开放，是贯穿所有讨论的核心逻辑。技术越开放，生态越活跃；生态越活跃，AI越能真正服务于人。 只有产业上下游齐心勠力、共同开放，才能乘上东风，让人工智能+进入千行百业。

快科技6月16日消息，华为常务董事、产品投资评审委员会主任、终端BG董事长余承东今天发布视频称，Pura X Max已经超越华为历史上所有折叠屏手机同期的销量。 Pura X Max受欢迎的一大原因就是采用了首创的大阔折比例，余承东详细介绍了这款独特比例手机的设计思路。 他介绍，早期折叠屏产品普遍采用外屏主导内屏的设计思路，产品形态更像是多块直屏拼接而成。 在经过多代产品迭代后，华为发现多数用户日常使用折叠屏时，更多时间是将设备合起当作直板手机使用，展开大屏进行操作的场景相对有限。为此，研发团队着手调整设计方向，希望通过硬件优化提升大屏的实际使用率。 在屏幕比例规划阶段，华为选择以展开状态下的内屏为核心进行设计。 当前视频、图片、照片等内容分别对应16:9、4:3、3:2等不同比例，为让各类内容在大屏显示时减少黑边、提升沉浸感，研发团队最终确定√2:1这一屏幕比例，该比例与A4纸张比例一致。 这个比例具备自相似特性，沿长边多次对折后比例依旧保持不变，落地到折叠屏手机上，内外屏切换时画面不会因比例变动出现变形，有效弱化了不同屏幕切换带来的体验割裂感。 屏幕尺寸方面，华为结合人体视觉数据完成标定，按照日常使用习惯，人眼与手机屏幕常规距离约30厘米，人眼舒适左右转动角度为30度，对应屏幕宽度约160毫米。 研发团队以此为基准确定机型展开后的屏幕长边尺寸，再搭配既定的√2:1比例，敲定整机屏幕最终规格。 硬件定型之后，软件生态适配成为折叠屏面临的主要难题，市面上绝大多数应用均基于传统直屏开发，全新屏幕比例对应用适配提出较高要求。 对此，华为联合生态伙伴开展大规模适配工作，同时依托鸿蒙系统的悬浮组件、滑动隐藏等功能，推动多款应用重构交互界面，优化后的应用不仅视觉效果得到改善，设备的有效显示面积也进一步提升。 余承东强调，阔折叠产品遵循“为内容而生”的设计理念，核心目标是提升折叠屏的实用性，大家才会更爱用。

智东西 作者 | 陈骏达 编辑 | 李水青 智东西6月16日报道，今天，红帽大中华区核心领导团队向外界解读了该公司在红帽2026全球峰会发布的最新业务进展，并接受了智东西等媒体的采访。 红帽全球副总裁兼大中华区总裁曹衡康观察到，在AI时代，企业落地相关技术存在众多挑战，包括预算有限、遗留系统阻碍以及企业内部的摩擦等等。因此，红帽打造了支持任何模型、GPU、云和智能体的企业级AI平台，以期帮助企业更好实现AI落地。 在红帽2026全球峰会上，红帽宣布了企业AI平台Red Hat AI 3.4版本的更新。红帽大中华区方案架构部总经理王慧慧称，红帽希望用这一平台支撑企业实现快速、灵活、高效的AI推理，并将企业数据连接到智能体，同时通过治理和控制机制扩展AI智能体。 在推理领域，红帽通过llm-d引擎帮助企业实现高效的分布式推理，同时将业界主流的vLLM作为其推理服务器的核心引擎。 红帽还与英伟达展开合作，成为Day 0支持英伟达新一代AI算力平台的操作系统提供方。红帽与英伟达合作推出了红帽和英伟达AI工厂（Red Hat AI Factory with NVIDIA）软件平台，这一平台最近进行了多项升级，包括英伟达Agent运行时OpenShell与红帽全栈AI平台的深度集成。 数据方面，红帽AI 3.4版本新增了提示词管理功能和评估中心。后者可从质量、准确性、安全性及风险维度统筹管理各类评估工作。 在智能体治理平台方面，红帽升级了其AgentOps能力，这一平台涵盖了集成式追踪、可观测性和评估功能，同时提供智能体身份管理及生命周期管理，让智能体可以在生产环境安全落地。 AI也对操作系统提出了新的要求。在红帽企业级Linux平台（RHEL）中，红帽推出了安全加固镜像和RHEL Forever。 安全加固镜像主要面向企业AI快速迭代的需求，提供安全加固的镜像操作系统，承诺零漏洞。这一镜像面向RHEL和OpenShift客户免费提供。 RHEL Forever的中文名是“RHEL长生命周期增强包”。这一增强包可以满足部分企业客户对业务稳定性的要求，延长相关基础设施的维护支持。 在自动化产品方面，红帽的企业级IT自动化平台Ansible现已支持桌面自动化任务、API自动化任务和Agent自动化任务的统一编排，提高自动化效率。 在采访环节中，智东西与红帽大中华区核心领导团队讨论了AI对安全带来的最新冲击。近期，IBM与红帽启动了Project Lightwell（光井计划），承诺将投入50亿美元、2万名工程师，为开源生态监测、修复漏洞，并将相关补丁在保护客户隐私的前提下，贡献给开源社区。 面临Skill投毒等新型AI安全威胁，王慧慧称，红帽已经推出了Red Hat Skill技能库，包含经过红帽安全扫描和审计的Skill。此外，红帽在OpenShift开发平台中提供了可信供应链，可对开源组件进行安全管控。 红帽大中华区首席技术官张家驹补充道，针对Agent这一新型工作负载，红帽在OpenShift中还提供了沙箱服务，并且正在不断丰富AgentOps的功能。 也就是说，红帽从供应链和环境两个维度，给AI安全上了双保险。 结语：走出尝鲜期后，企业AI落地还需闯过安全可信关 此次，红帽从操作系统层、平台工具层到生态合作层，给企业AI落地提供了一整套解决方案。 随着AI逐步走出企业尝鲜期，快速走入企业生产环境，安全治理、成本控制和全生命周期管理等要素，正成为企业大规模部署AI的重要前置条件。

智东西 作者 | 茄子 编辑 | 程茜 智东西6月16日报道，6月14日，华院计算技术（上海）股份有限公司（以下简称“华院计算”）向港交所递交招股书，联席保荐人为银河证券和建银国际。 ▲华院计算递表 华院计算成立于2002年4月，该公司的产品通过整合数据和专业领域内的知识，在工业环境中执行推理、决策和持续优化，将企业数据、专家经验和业务流程融合为智能化工作流。该公司2024年被评定为国家级专精特新“小巨人”。 其产品主要面向企业，帮助重资产或复杂运营的企业把人和数据结合起来，用AI代替一部分高级工程师的脑力劳动去调度资源和决策。 根据弗若斯特沙利文的资料，按2025年收入计，华院计算是中国第四大企业认知智能算法服务提供商，也是中国最大的独立企业认知智能算法服务提供商。 ▲按收入计算，2025年中国前五大认知智能算法企业排名 华院计算此前经历了多轮融资，在2026年5月完成上市前最后一笔存量股权转让后，该公司的估值约为27.5亿人民币。 招股书显示，华院计算此次IPO的募资净额将用于科技创新：推进认知智能底层算法研究、开发AI操作系统平台；产业创新：建设产业智能体体系，支持认知智能在产业侧的应用落地；行业与全球扩张：推动商业模式升级、拓展开外市场；营运资金及企业一般用途。 一、连续三年亏损，研发投入超3亿 华院计算的主营业务主要包括认知智能算法平台、工业级智能体和运营决策智能体等。 2023年、2024年、2025年，华院计算的收入分别为达到6557.4万元、1.35亿元和4.74亿元，年内净利润分别为-1.24亿元、-1.56亿元、-0.53亿元。 招股书显示，华院计算的亏损主要原因是在快速成长期没，对基础研究以及构建认知智能算法平台及产品作出的大量前期投资。在2023年至2024年净亏损增加的原因是因为该公司扩展技术基础级客户覆盖范围，研发以及销售及营销开支增加所导致。 2023至2025三年间，该公司的研发投入分别为8300万元、1.07亿元和1.14亿元，占同年总收入的126.9%、79.6%和24.1%。 ▲2023年至2025年华院计算营收、净利润、研发支出情况（单位：亿元）（智东西制表） 该公司的毛利三年间分别为2221.3万元、4325.7万元、1.75亿元，对应的毛利率分别为33.9%、32.1%、37.0%。 该公司不同产品营收中，三年间，华院计算认知智能算法平台的营收占比从2023年的31.2%增长至2025年的50.2%，经营决策智能体营收占比从2023年的从40.1%降至23.5%。 ▲2023年至2025年华院计算各产品营收及占比 从客户数量及客户平均消费来看，该公司认知智能算法平台客户数量从2023年的14名增长至2025年的57名，客户平均开支则从145.9万元提升至417,4万元，运营决策智能体的客户数量虽然下降1名，但客户平均开支从2023年的58.4万元增长至252.6万元。 ▲2023年至2025年华院计算各产品客户数目及平均开支 2023年、2024年、2025年、华院计算来自政府补助的收入分别为657.1万元、362.1万元和533.1万元。 华院计算年度综合现金及现金等价物分别为-0.16亿元、0.9亿元、-0.47亿元。 ▲华院计算年度综合现金及现金等价物情况 二、自研认知智能技术底座，打造工业、经营两大智能体 华院计算的认知智能能力基础设施建设依靠三项核心技术： 一是基于非线性期望的算法框架，能够仅从少量带卷标样本中实现小样本学习，同时在复杂、动态的数据条件下保持强大性能； 二是基于知识本体的融合推理范式，将领域知识与数据驱动建模相结合，将输出结果锚定于已验证知识，从而提升可解释性并减少误差； 三是神经符号认知规划与决策系统，在死循环流程中结合神经生成、符号验证及强化学习，以分解复杂任务并提升高风险场景中的决策可靠性。 依托认知智能基础设施，华院计算开发了三个产品： 认知智能算法平台将计算资源、数据及算法模型整合至一个统一的环境中，用于开发、训练、部署及管理智能应用，且截至最后实际可行日期，包含一个拥有逾20万个算子及模型的标准化库。 ▲认知智能算法平台 工业级智能体依托认知智能算法平台打造，聚焦长流程工业的流程控制，融合行业运营知识，整合生产数据与流程知识，自动监控、优化多环节复杂生产流程。 该智能体拥有智能配煤、缺陷检测、连铸质量预测等功能，可沉淀工艺知识、自主优化生产，提升生产效率与产品质量，减少对工人经验的依赖，主要服务钢铁、冶金、有色金属行业，提供对应的智能体产品与配套服务。 ▲工业级智能体应用于连续铸造工艺控制 运营决策智能体贯穿企业全业务流程，具备认知理解、企业知识图谱、多系统集成、自主分析决策、规则自动化五大核心能力，拥有自主决策、数据知识双驱动、闭环自优化三大技术特点。 该智能体融合多源数据与行业知识，通过大小模型互补、多智能体协同完成复杂任务推理，安全可控；可服务生产、财务、风控、品牌文旅等场景，打通数据孤岛，自主分析研判并迭代优化经营策略。 ▲运营决策智能体的差异化技术 华院计算的研发成员共有118名，占该公司成员总数的62.1%，团队专业背景涵盖基础数学、计算数学、计算机科学、认知科学、运筹控制及统计学等交叉学科领域。 ▲华院计算研发人员占比 三、客户多元化，供需端依赖度逐年下降 华院计算的客户群多元化，涵盖工业制造、文化旅游、信息技术服务、科学研究以及公共服务等领域。2023年至2025年，华院计算每年来自五大客户的收入分别为2106万元、6364万元、1.26亿元，分别占同年总收入的32.1%、47.2%、26.7%。 ▲2023年至2025年华院计算前五大客户收入及占比 供应商方面，华院计算主要采购技术服务、硬件、部署服务和设计服务。 三年间，其向前五大供应商采购的金额分别为1597万元、4825万元、7835万元，分别占同年总采购金额的30.9%、36.4%、23.0%，其中其向最大供应商采购的金额分别为566万元、1310万元、2027万元，分别占同年总采购金额的11.0%、9.9%、5.9%。 ▲2023年至2025年华院计算前五大供应商购买额及占比 四、创始人深耕AI算法三十余年 华院计算执行董事兼董事会主席宣晓华持股35.58%，上海瀛町持股0.85%，宣晓华及上海瀛町将构成一组控股股东；上海慧为持股16.09%，执行董事兼首席执行官许荻枫女士持股4.04%，红杉聚业持股11.08%，上海吾苜持股5.83%，其他上市前投资者合计持股26.54%。 截至最后实际可行日期，宣晓华为上海瀛町的普通合伙人。因此，根据证券及期货条例，宣晓华被视为于上海瀛町所持的股份中拥有权益。 ▲华院计算主要股东 华院计算创始人为宣晓华，其在2002年4月创办华院计算。他在算法、数据科学、人工智能及计算机科学领域拥有超过35年的研发与管理经验。1989年，他加入纽交所上市公司慧与并担任研发工程师；1997年4月，他进入梅特勒‑托利多仪器（上海）有限公司任技术总监；2000年4月，加入易保网络技术（上海）有限公司，担任副总经理兼技术顾问。 ▲华院计算创始人宣晓华 华院计算董事会目前由七名董事组成，包括三名执行董事、一名非执行董事及三名独立非执行董事。董事会任期三年，经重选及重新委任后可连任，并负责管理及主理该公司的业务并对此拥有一般权力。 截至2025年，董事会成员的薪酬情况如下表所示： ▲华院计算董事会成员薪酬情况 结语：认知智能赛道复合年增长率超40%，企业盈利承压 弗若斯特沙利文数据显示，中国企业认知智能算法市场增长迅猛，预计2025至2030年复合年增长率达39.0%，行业发展空间广阔。 ▲中国企业认知智能算法市场2021年至2030年（估计） 华院计算作为国内头部认知智能服务商，营收连续三年大幅攀升，产品落地多个行业，客户规模与单客价值同步提升。 但该公司现阶段仍存在明显发展短板：一是长期大额研发投入导致企业持续亏损，盈利压力突出；二是行业竞争激烈，需持续巩固技术壁垒、留存拓展客户；业务扩张带来供应链、现金流等多重考验。三是加大研发投入、打磨产品能力、优化经营将成为企业破局关键。 这也是当前认知智能行业科技企业普遍面临的共性难题。