原标题：消息称阶跃星辰内部确立大模型与智能体终端两条战略线，手机业务独立运营、将进入海外市场 IT之家 8 月 5 日消息，据虎嗅消息，阶跃星辰内部正在按照两条战略线推进：一条仍以大模型为核心，另一条则以智能体终端为核心，目前手机只是初步探索。 其中，以大模型为核心的业务仍以上海阶跃星辰智能科技股份有限公司这一原有主体运营；手机业务则被放入一家新公司独立运营。 据悉，阶跃正在搭建海外商业化团队，计划向海外销售大模型 API，其中将以语音模型为主。按照目前的规划，阶跃的大模型和手机都将进入海外市场：模型为手机提供差异化能力，手机则成为模型直接触达用户的产品载体，两条业务线相互促进。 据IT之家此前报道，7 月 13 日，阶跃星辰发布终端品牌 STEPX，旗下首款智能体手机 STEPX Neo 正式亮相，机身背面配备交互副屏，搭载智能体原生系统 Step AOS。 阶跃官方公布的首批生态合作伙伴包括美团、WPS、剪映、携程、高德、支付宝、百度、滴滴、京东、微博、百度地图等。

IT之家 8 月 5 日消息，爆料者 @billbil_kun 今日透露，谷歌首款自有品牌的蓝牙追踪器“Google Pixel Tag”将于 8 月 12 日正式发布，欧洲售价为 34.99 欧元（IT之家注：现汇率约合 272.5 元人民币）。 该产品将与 Pixel 11 系列手机及 Pixel Watch 5 在同场活动中亮相。 科技媒体 9to5Google 曾于 7 月 31 日在一家斯洛文尼亚分销商的产品页面上发现了该产品，并获取了其官方渲染图。 根据商品页面信息，Pixel Tag 将支持谷歌的“查找我的设备”（Find My Device）网络，型号为 GA12506，配色名称为“Fog Light”（雾光白）。 从外观上看，Pixel Tag 采用了类似三星 Galaxy SmartTag 2 的长圆形设计，但机身未预留任何挂绳孔或钥匙孔。这意味着用户可能需要像苹果 AirTag 那样，通过购买专用的保护壳或钥匙扣配件来将其固定在物品上。 在功能方面，Pixel Tag 内置扬声器，可用于近距离查找。不过，关于这款追踪器是否支持 UWB（超宽带）技术目前仍悬而未决。如果 Pixel Tag 不支持 UWB，在与同样售价 35 欧元左右的苹果 AirTag 的竞争中可能会处于劣势。

快科技8月10日消息，据媒体报道，近日，阿拉斯加东南部海域发生一起海上救援事件，引发关注。 美国社交媒体巨头Meta公司CEO扎克伯格的超级游艇Launchpad因距离遇险船只更近，却未参与救援，在网络上引发广泛质疑。 当地时间8月3日晚，一艘21英尺长的小艇在航行途中燃油耗尽，船员立即向美国海岸警卫队求助。然而，海岸警卫队判定他们并未处于遇险状态，并代其发布海上援助请求广播，呼吁附近船只施以援手。 最终，距离事发地点更远的邮轮Wilderness Legacy接到救援信号，并将受困小艇拖至安全水域，船上人员全部安然无恙。 不过据当地媒体披露，当时扎克伯格的Launchpad当时就处在事发海域，比施救邮轮还更靠近事发小艇。 Wilderness Legacy邮轮上的一名乘客在社交平台发帖称，船长向全船通报救援经过时提及，海岸警卫队曾尝试联系距离更近的扎克伯格游艇，但并未收到回应。 这番叙述引得船上乘客几乎集体发出嘘声，相关内容迅速在网络传播，引来大量网友批评：“豪华拉满，善意归零”。 据悉，Launchpad全长近400英尺、估价约3.9亿美元，是豪华游艇制造商Feadship建造过的最大游艇之一。 面对舆论质疑，扎克伯格夫妇的发言人贝克随后回应称，事发时扎克伯格与妻子普丽西拉·陈及其家人均不在游艇上。 贝克还解释称，Launchpad游艇船员当时使用的是其他无线电频道，等到留意到海上援助广播时，外部救援行动已经全面展开，并非刻意无视求救信号，并对所有人员平安脱险表示庆幸。 目前，扎克伯格以约2033亿美元净资产位列全球第六大富豪，财富主要来自其持有的Meta公司股份。

智东西 作者 | 王涵 编辑 | 漠影 8月的第一周，国内视频生成赛道格外热闹。 7月31日，MiniMax发布首款开源多模态生成模型H3；同一天，字节跳动推出Seedance 2.5，将单次生成时长从15秒拉长至30秒。 根据国际咨询公司Grand View Research估算，全球AI视频市场规模预计将从2025年的45.5亿美元迅速增长至2030年的422.9亿美元，复合年均增长率（CAGR）达32.2%，显示出极高的成长潜力。 新模型的轮番轰炸、千亿级市场的想象空间，AI视频生成赛道迎来了前所未有的高光时刻。 就在这个窗口期，北京AI视频生成创企Sand.ai悄然扔下了一枚深水炸弹——全球首个千亿级MoE视频生成模型MAGI-2 Preview正式发布并开源。 该模型总参数约114B，单次前向激活约6B参数。在最关心更新的Artificial Analysis的Image to Video榜单上，MAGI-2 Preview进入全球前十，排在第六位。 优秀的榜单成绩和酷炫的使用案例是最容易呈现给市场的东西，但这个模型最大的价值，是其验证出了大规模MoE视频模型扩展的一条明路：统一单流负责音画联合建模，细粒度MoE负责扩大容量，自研系统负责让千亿参数稳定运转。 而其中的奥妙，就藏在模型层、架构层和系统层的三层系统里。 一、视频生成赛道火热，技术却撞上两堵墙 2026年前5个月，国内AI短剧市场规模突破220亿元，全年有望冲击400亿元，用户超过6亿。视频生成赛道正在经历从“能不能做”到“能不能做好、做便宜”的关键转折。 需求端的爆发式增长，正在将基础模型的承载能力逼至极限，但视频生成模型的进化撞上了”两堵墙“。 一堵是容量。模型要处理的人物、动作、镜头和场景越来越复杂，还要把对白、环境声和音乐放进同一次生成，需要容纳的信息快速增加。 以最直观的Token数为例，大语言模型中，一段1000字的英文短文大约对应1000多个token，中文的token消耗还要略高。 但视频完全是另一个量级。一张720P的图片在视觉编码器下会被切分成近千个patch tokens，而一秒视频包含24帧。 模型在处理一段几秒钟的视频时，需要同时面对几十万甚至上百万个视觉token，再叠加音频波形和文本指令，序列长度轻松达到纯文本任务的数百倍。 另一堵是成本。面对如此庞大的token规模，也意味着每一次前向计算都要处理远超文本的数据量。并且，模型规模越大，训练所需的算力、跨机器通信量和推理费用通常越高。 继续放大稠密模型，单次生成调用的参数量也会同步增长。机器可能先被拖慢，效果却未必按比例提升。 面对同样的容量和成本问题，大语言模型已经用MoE探索出一条Scaling路径，这一方式是否能迁移到视频模型上呢？ 早在2025年11月，Sand.ai就做了一个在当时看来“非共识”的决定——将模型架构从Dense转向MoE，8个月后，MAGI-2 Preview给出了答案。 MAGI-2 Preview 是一款统一音视频生成模型，即由一个模型共同生成画面与声音。该模型采用Multi-Head MoE架构，文本、视频和音频进入同一个Transformer，在每一层self-attention中持续交换信息，口型、表情、动作、对白、环境声和镜头节奏从生成开始便相互影响。 二、模型层：统一单流，音画同出 现有统一音视频模型常见两种路径，一类采用多流架构，让视频和音频进入不同的网络分支，再通过cross-attention或专用融合模块交换信息；另一类采用级联方案，分别生成画面和声音，再完成同步处理。 多流模型可以端到端联合训练，但独立分支、融合模块和模态专属计算路径会增加架构复杂度，产生更不规则的计算与通信。级联方案还要维护额外的接口与同步模块，音画关系需要经过多段链路才能建立。 在模型层，MAGI-2 Preview采用的是单流架构，即文本、视频和音频被放进同一个上下文，在每一层self-attention中直接交互。 也就是说，MAGI-2 Preview让声音、口型、表情、动作和镜头节奏从生成开始便被共同建模，更适合处理细微的音画对应关系。 统一主干还减少了多套模型串联带来的接口、延迟与维护成本。模型内部设有共享专家处理三种模态的共性特征（如场景语义、运动趋势），同时为文本、视频和音频保留了各自的专属专家，用不同分工处理三种模态的共性与差异。 文本、视频和音频在同一条生成链路中联合处理，无需维护彼此独立的生成主干和额外的跨模态融合模块。架构更简单，端到端延迟远低于多流串联方案。 三、架构层：把专家粒度做到极致 将MoE直接应用于视频场景，并非没有代价。 传统Expert Parallel先为token选出Top-K专家，再将token复制分发到专家所在设备，通信量随激活专家数线性增长，负载不均进一步加剧调度开销，序列长度达到视频量级时，稀疏计算带来的收益很容易被侵蚀殆尽。 更深层的问题在于路由对象本身。传统MoE为一个token的完整表示选择一组专家，相当于要求少数专家同时理解语义、动作、外观、声音等所有维度的特征，限制了模型对不同信息类型的分化处理能力。 这两个问题驱动Sand.ai重新思考MoE在视频模型中的实现方式，先前Multi-Head LatentMoE and Head Parallel这项工作给出了解决路径。 在通信层面，Head Parallel将跨设备通信前置到路由之前，按head分发数据，设备间传输的是形状固定的head表示，而非动态变化的专家token，主要通信量只取决于输入表示本身。 在路由层面，Multi-Head MoE改变了选择对象。它将同一个token的3072维隐藏表示拆成12个256维的子空间，每个子空间独立路由、各自选择专家。 MAGI-2 Preview正是沿这条思路，在36层主体网络中使用Multi-Head MoE，并围绕统一音视频扩散补齐了共享与模态专属专家、路由策略、跨节点Head Parallel、融合计算内核、混合精度和激活重计算，并将其推进为千亿参数统一音视频模型的可训练系统。 四、系统层：让几千个专家别堵在路上 Multi-Head MoE与Head Parallel解决了路由粒度和通信效率的问题，但从架构设计到大规模稳定训练之间仍有距离。 数千个细粒度专家在训练中产生的频繁路由决策、数据重排和显存搬运，对底层算子的执行效率提出了苛刻要求；海量专家的参数更新，也对优化器的稳定性构成了新的挑战。 为解决这一难题，Sand.ai在底层算子计算和训练稳定性两个层面自研了一套infra。 算子层面，Sand.ai开发了高性能MoE kernel库MagiMoE，覆盖路由、专家排序与专家计算的完整链路，将原本分散的步骤合并执行，减少中间结果与显存搬运，并针对Multi-Head MoE的计算形态优化前向与反向过程。MAGI-2 Preview当前采用其中经过大规模训练验证的Triton/BF16路径。 训练优化层面，MAGI-2 Preview采用分布式优化器MagiMuon，以Muon处理主体矩阵参数，以AdamW处理更适合常规更新的参数，并针对海量细粒度专家重新适配了参数组织与跨设备计算。这种混合设计让优化方法能够从中小规模实验稳定扩展至千亿参数MoE。 五、数据：预训练要看到真实世界，后训练才谈对齐 Scaling定律有一个经常被忽略的前提：参数量增大，数据的信息密度也需要同步提高。 但提高信息密度不等于缩小数据集，过度清洗会让模型失去对复杂运动、特殊镜头、罕见主体和非典型声音的覆盖能力，最终参数规模的增长可能无法转化为真实场景中的生成能力。 因此，Sand.ai更强调数据的规模、多样性与分布覆盖。数据工作的重点从删减转向组织——通过更准确、细粒度的标注，让模型理解主体、动作、场景、镜头、时序以及音频与文本之间的对应关系。 保留更广泛的有效数据，比追求一个狭窄的“完美数据集”更符合Scaling阶段的需求。 相应地，预训练与后训练的分工也被重新定义。预训练负责尽可能完整地覆盖数据分布，后训练聚焦于偏好对齐、可控性与产品适配。 基础模型在预训练阶段学到的能力越完整，产品端依赖后处理去修补运动一致性、细节表现和组合能力的需求就越少。 结论：视频生成的Scaling Law，从此有了新写法 Sand.ai对Scaling的认知是：规模本身并不等于能力。模型参数的增长只是起点，真正的挑战在于——更大的专家池能否被足够丰富的真实数据所填充，更细粒度的路由结构能否被精确的标注所引导，更密集的计算需求能否被稳定高效的底层系统所支撑。 三者同时推进，参数规模的增长才具备实质性意义。 从这个思路出发，MAGI-2 Preview验证了一整条路线：统一单流负责音画联合建模，细粒度MoE负责扩大容量，自研系统负责让千亿参数稳定运转。Artificial Analysis的Image to Video榜单第六名就是这一路线最好的证明。 更可喜的是，MAGI-2 Preview全面开源，后续模型可以沿着这条路线继续扩大参数与数据规模，探索更长的生成时长，无需每次从头搭建训练系统。 视频生成的Scaling Law，从此有了新写法。

IT之家 8 月 5 日消息，央视新闻今日曝光了午夜直播色情引流乱象。直播画面仅有一张图片，主播只用声音和观看者交流，评论区充斥着大量谐音字暗语…… 记者调查发现，在多个网络平台，都有类似直播间被推送至平台首页，即使没关注此类账号，也会刷到。观看者一旦发言，主播立刻就会发来私信，引导用户刷礼物，要求添加好友，并不断通过“打视频”“玩荤的”“发福利”等词汇，暗示可付费裸聊。 刷礼物 → 加好友 → 引入私域，至此，一条完整的从网络直播平台引流至站外进行非法交易的链条暴露出来…… 报道称，记者针对多个此类网络直播间的引流行为，向所在平台进行举报，部分直播间已经被平台重点关注或直接封禁，而有些直播间在举报后依然存在。 自动播放

美国AI模型接连失控 凤凰网科技讯 北京时间8月10日，据CNBC报道，过去两周时间内，美国三大AI公司OpenAI、Anthropic和Meta均披露，他们的AI模型在常规安全测试中出现了失控行为。在解释事发原因时，三家公司都不约而同地提到了一家以色列小型创业公司：Irregular。 Irregular成立于三年前，总部位于特拉维夫，是AI领域的一家小众公司。该公司获得了红杉资本和Redpoint Ventures提供的8000万美元融资，并在去年获得4.5亿美元估值，其技术主要是充当AI模型的网络安全测试平台。 随着头部AI模型的能力不断增强，它们采取恶意行为的能力正在成为企业和政府面临的重大威胁，尤其是因为这种风险可能涉及攻击关键计算系统和基础设施。OpenAI、Anthropic和Meta近期发生的安全事件，都涉及其AI模型在网络安全测试过程中访问了本应禁止访问的网站。 同一问题 Irregular之所以频繁被提及，是因为它被确认为所谓“评估测试平台”的托管方。OpenAI在8月4日发布的一篇博客文章中表示，Irregular的测试环境存在一个未明确说明的“配置错误”，导致“模型能够访问公共互联网”。 Anthropic在一周前发布的文章中表示，公司在开始分析相关数据几天后，通知Irregular其Claude模型可能“访问了互联网”。Meta在AI前沿竞争方面明显落后于前两家公司，是最新一家披露AI模型通过访问互联网入侵第三方系统的公司。Meta发言人在声明中表示，公司已从Irregular获悉此事，并正在展开调查，“一旦我们掌握全部事实，将发布完整的复盘报告”。 Irregular在发给CNBC的一份声明中表示，这些事件都源于Anthropic最先披露的“同一个评估环境问题”。该公司正在撰写一份白皮书，“用于分享如何进行隔离控制以及安全运行网络安全评估的最佳实践”。 Irregular 该公司表示，此次情况“并不涉及沙盒逃逸或复杂的网络攻击行为”，并补充称“目前不存在任何未解决的问题”。 这些安全事件凸显了AI快速发展的现状，以及模型开发者面临的压力：他们需要借助少数几家专门公司，为这种强大的技术建立安全防护机制。企业服务创业公司Von AI负责人桑迪普·比米雷迪(Sundeep Bhimireddy)表示，这些专业公司涵盖多个领域，包括数据训练和标注、通过评估测试判断模型能力，以及进行安全测试以发现可能被恶意攻击者利用的漏洞。 比米雷迪表示，Irregular是为数不多拥有必要技术能力、能够帮助基础模型开发商进行尖端安全测试的实体之一。他提到的其他机构还包括非营利组织METR和公益公司Apollo Research。 “当开发商在测试这些模型时，他们不想给自己的作业打分，”比米雷迪表示，“他们需要由外部第三方供应商进行独立测试。” Irregular是谁？ Irregular前身是Pattern Labs，在2023年由CEO丹·拉哈弗(Dan Lahav)和首席技术官奥莫·内沃(Omer Nevo)共同创立。拉哈弗曾在IBM从事AI研究，内沃则曾在谷歌任职超过两年。据创业数据库PitchBook的数据，这家创业公司拥有约35名员工。 去年9月，Irregular宣布完成8000万美元融资时，红杉资本合伙人肖恩·马奎尔(Shaun Maguire)和迪恩·迈耶(Dean Meyer)在一篇博客文章中写道，拉哈弗和内沃领导的团队“能够看到别人看不到的盲点，对先进模型进行网络攻击性评估，并在这些模型发布之前开发出防御措施”。 Irregular CTO内沃和CEO拉哈弗 尽管OpenAI、Anthropic和Meta涉及的最新事件正受到严密审视，但有一种解读认为，这正是测试应该产生的结果。比米雷迪表示，外界的反应“有些被夸大了”，因为AI模型的任务本来就是在一个高度模拟现实环境的测试环境中发现并利用安全漏洞，并找出那些可能导致意外访问互联网的软件缺陷和配置疏忽。 不过，比米雷迪也指出，如果AI模型本不该利用某个连接到互联网的网站，那么“基础模型实验室本可以轻松监控外发流量，并立即终止实验”。 安全公司Magnitude的创始科学家戈登·里奥斯（Gordon Rios）表示，整个过程就像“科学中的实验设计”。 他说，基础模型的能力和不可预测性意味着传统的软件测试方法可能效果不佳。由于这些模型在不断学习新技能，它们在原本隔离它们的测试和IT环境中发现被忽视的软件漏洞，并不令人意外。 例如，Anthropic的Mythos在试图施压人类批准某个开源项目的恶意代码更新时，曾创建虚假的在线身份。里奥斯表示，Mythos“确实想出了人类此前从未见过的漏洞利用手段”。“在短短几周时间内，我们学到了很多东西。”里奥斯说。 这件事正在迅速成为华盛顿的一个热门话题。上个月，美国两党议员共同提出了《AI紧急关停法案》(AI Kill Switch Act)，该法案要求AI实验室必须保留关闭、限制运行速度或暂停其模型运行的能力。法案中的相关表述还提到了另一起与OpenAI有关的AI安全事件，该事件涉及创业公司HuggingFace。 该法案的发起人之一、加州民主党众议员刘云平(Ted Lieu)上周告诉CNBC，“鉴于我们正在目睹对其他公司的未经授权入侵，我们需要在今年推动该法案完成立法”。 数据训练创业公司Sapien联合创始人特雷弗·科弗科(Trevor Koverko)表示，基础模型公司虽然目前没有法律义务，但它们有动力披露部分测试结果，以便在立法者和监管机构面前争取主动权。 “外界存在大量恐惧情绪，政客们正在威胁或积极地监管AI，”科弗科说，“行业的态度是，我们宁愿自我监管，也不愿让某个新的联邦部门介入替我们来做。” Anthropic和OpenAI在公开声明中表示，他们会继续与Irregular合作，并支持后续的审查工作。(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”。

时代的风向变了，但三星无疑是幸运的。这家在半导体、面板、存储等领域深耕数十年的巨头，手里攥着足够厚的技术与资本家底，在这场大变局中仍有转身腾挪的空间。 作者丨无情 编辑丨坚果 封面来源丨Unsplash 三星电子在中国市场的阵地，又退了一步。 近日，新浪科技报道称，三星手机开始收缩中国市场布局。知情人士透露，月销售额不到30万元的门店，将被逐步清退，目前深圳、福州、郑州、西安等地，都已经有三星门店关门。 然而，距离三星电子宣布退出中国家电市场，仅仅过去了三个月。今年5月，三星电子宣布退出中国家电市场，官方表示“为应对急剧变化的市场环境”。 但三星曾明确表示，中国市场半导体业务（存储）、移动终端（手机）以及医疗器械业务仍正常运营。截至目前，对于手机业务的调整，三星仍保持沉默。 这份沉默背后，未尝不是一种无奈。无论家电还是手机，三星在中国市场的荣光都已不复当年，三星正在告别一个时代，但同一时间，也有新的品牌在重启一个时代。 对三星而言，曾经的“全盛中国”如今只剩下一个越缩越小的背影。 1 三星手机步家电后尘 三个月前，三星家电宣布退出中国市场时，外界就曾给出过不太乐观的预判：家电之后，恐怕三星手机也难以独善其身。 这一判断并非毫无根据，一个品牌要在市场立足，品牌、产品与渠道，缺一不可。然而，随着三星家电逐步退出中国，其展示渠道难免逐步收缩，三星的品牌影响力也必然受到影响。 市场数据也验证了三星家电和手机的艰难处境。 2025年，三星家电在中国市场的份额仅有1.5%。三星手机的处境更为严峻，据IDC数据，2026年二季度，三星在中国智能手机市场的份额已经跌至0.1%，出货量同比大跌60.8%。 0.1%是什么概念？同期，中国智能手机市场出货量约为6601万台，华为、苹果、OPPO、vivo等六家厂商合计占据了约96%的国内市场，三星已经被挤到了“Others”的位置。 但有意思的是，三星虽然失落中国市场，其在海外却依旧是“机王”。 Omdia数据显示，2026年二季度，三星全球智能手机出货量达到6050万部，同比增长5%，以22%的市场份额继续位居全球第一。 同一个品牌，在中国和海外市场却有着天壤之别——这背后的反差，说明三星在中国市场卖不动，并不能简单归纳为产品问题。 那么，三星到底是怎样输掉中国市场的？ 首先，是同行给的压力。十几年前，三星在国内市场是妥妥的“机王”，三星Galaxy旗舰机型更是高端、耐用的代名词，巅峰时期国内市场份额接近20%。 但这些年，消费者的消费需求逐渐回归理性，国产手机的更新迭代速度也肉眼可见地快了起来，各种参数、配置、影像技术轮番轰炸，消费者的可选范围变得更广了。 然而，三星手机却一直维持着“傲娇”形象，跟国产手机品牌相比，其价格更贵，参数却不一定更强。 以三星今年2月发布的Galaxy S26 Ultra为例，12+256GB配置在官网上的售价为9999元，但同样搭配第五代骁龙8 Elite芯片，荣耀Magic8 Pro 12+256GB的售价仅为5699元。 除此之外，三星手机的影像、AI、续航等核心体验，也被国产品牌全面赶超。比如三星Galaxy S26 Ultra搭载80W快充，但目前国产旗舰机型早已是90W、100W快充。 在社交平台上，不少用户吐槽三星手机拍照“灰蒙蒙”；电池续航还不到4小时，每天使用都离不开充电宝…… 消费者也会算账，只要花一半的钱，能买到差不多的性能，甚至拍照还更好、充电还更快，三星的品牌光环，早已不再是溢价的理由。 其次，是“水土不服”的产品生态。 三星ONE UI系统更像是一个“全球版”的通用模板，其系统功能、生态服务以及交互逻辑，并没有真正融入本土用户的生活场景与文化习惯。 比如其NFC交通卡仅支持少数城市；三星Pay对微信、支付宝的深度适配滞后，缺乏类似鸿蒙“一键调出付款码”的快捷操作，消费者用惯了国产手机系统，难免会觉得别扭。 最后，中韩关系也是一个微妙的原因，其直接决定了韩国品牌在中国市场的受欢迎程度，当韩国明星、韩国综艺不再风行国内市场，韩国品牌的热度也开始逐渐流失。 冰封三尺非一日之寒，三星在中国市场的滑落，是一场持续了十余年的缓慢失速。 2 芯片越强，手机压力越大 不过，让三星下定决心撤离中国市场的，或许是另一份账本。 近日，三星电子公布2026年二季报，营业收入171.5万亿韩元（约8049.75亿元人民币），同比增长130%；营业利润89.5万亿韩元（约4201亿元人民币），同比增长超过1800%，连续三个季度刷新单季盈利纪录。 支撑这份亮眼成绩单的，是AI爆发带动的半导体狂飙，财报显示，负责半导体的设备解决方案部门（DS）贡献了公司99.7%的经营利润。 三星半导体到底有多赚钱？二季度，集团赚到89.4万亿韩元，差不多是去年全年利润43.6万亿韩元的两倍以上，甚至超过了2023年-2025年三年的利润总和。 这份财报让外界重新认识了三星的“钞能力”，但也同时挖出了三星业务结构中一个极其尴尬的现实——存储越强，消费电子越承压。 今年二季度，三星手机和家电所在的设备体验部门（DX）实现收入48万亿韩元，环比下跌9%；经营亏损达0.8万亿韩元，是三星手机业务诞生以来首次陷入亏损。 不过，考虑到三星手机二季度全球销量实现5%的同比增长，那么同期利润下滑的原因，就不在销量这里，而是在成本。 去年底，据韩媒报道，三星DS部门（负责半导体）拒绝与MX部门（负责手机等业务）签署超过12个月的DRAM供应协议，进一步推高了手机等智能设备的成本。 今年1月，有媒体报道称，三星 Galaxy S27 有意引入京东方为第二家OLED面板供应商，希望通过供应商竞争降低屏幕采购成本。 但目前这一计划已经告吹，外媒报道称，核心阻力来自三星显示部门，原因是该部门原是三星手机面板的独家供应商，很难接受自家旗舰产品换用竞争对手的面板。 在三星过往的历史中，存储业务和手机业务的景气度往往是“此消彼长”：存储高涨时，手机业务会承压；存储业务处于低谷时，手机业务就会成为支撑公司穿越周期的盈利核心。 但问题是，这种互相支撑的关系，随着AI爆发带动半导体狂飙，开始变得“摇摇欲坠”。 纵观目前的头部手机厂商，能做到芯片和显示自主可控的，其实凤毛麟角。华为、苹果采取“芯片自研，屏幕外采”策略；小米、OPPO、vivo也在自研芯片，但始终还差一口气。 三星是握有最多“好牌”的企业，但这种内部协同的产业链生态，在利益面前反而成了一种拖累。 三星内部不同部门有各自的利益博弈，每个部门都想把自己的利益最大化，可一家公司的不同部门为了各自的利益互相掣肘，最终受伤的是整个集团的利益。 3 扎根超高端手机市场 手机业务的成本压力，也成了三星收缩中国市场业务的导火索。 据新浪财经报道，近期，三星手机在中国多地门店迎来了闭店潮，店员透露，集团内部定了一条硬性考核指标，单店月销售额低于30万元的门店和店员，都将面临逐步清退。 目前，三星并未对此作出回应。但如果结合三星家电退出中国市场，以及三星半导体的一盘账来看，以30万元销售额为考核目标，并非空穴来风。 三星的意图已经非常明显，其正在主动收窄产品线，把集团资源往高端产品线上面靠，比如退出卷成一片红海的中国家电市场，同时将入门级家电转为代工生产。 在手机业务上，三星大概率也是采取同一策略。上个月，三星发布了Galaxy Z Fold8系列新机，是一款类似华为Pura X Max的阔折叠屏手机，起售价为12999元。 尽管价格不菲，但据媒体报道，Galaxy Z Fold8系列手机在韩国预售达144万台，打破了 Galaxy史上最高预售纪录；在印度市场72小时预售突破27.1万单。 按原计划，三星Z Fold8 初始柔性屏幕产能约为280万台整机，但目前三星已经向屏幕、铰链、电池等核心供应商追加订单，新增几十万台产能。 在此之前，阔折叠屏手机是由华为开创的品类，其在国内市场也有极强的消费心智，但随着三星以及苹果（预计9月发布首款阔折叠屏产品）相继入局，这块蛋糕难免会被分一杯羹。 Counterpoint预测，2026年全球阔折叠屏手机市场，三星、苹果、华为的市场份额分别为32%、25%、24%。 即便三星手机在中国市场仅剩下0.1%的份额，但其在全球市场依然稳坐“一哥”位置，无论在国内还是国外市场，对三星而言，打更聚焦的仗，才是更有胜算的仗。 因此，三星在国内市场的渠道收缩，或许才刚刚开始。 超高端手机产品，必然锚定的是中高端消费群体，那么三星只需要保留少量核心城市门店，就足以覆盖其目标客群——用最小的渠道投入，守住最后的品牌阵地。 时代的风向变了，但三星无疑是幸运的。这家在半导体、面板、存储等领域深耕数十年的巨头，手里攥着足够厚的技术与资本家底，在这场大变局中仍有转身腾挪的空间。 但硬币的另一面，则是三星在朝着半导体业务进一步狂奔的同时，过去由家电、手机等业务撑起来的企业韧性，则可能在不知不觉中被持续消耗。 一旦存储芯片遭遇周期下行，三星将缺少足够的缓冲垫，当鸡蛋越来越集中在一个篮子里，篮子本身的重量就成了最大的风险。 当下，三星向高端业务聚焦，是更务实、更理性的选择。 但商业世界从来没有什么“全身而退”的好事，当你从一个市场主动收缩，就意味着把阵地拱手让人；当你选择只服务一小撮高端用户，就意味着放弃了规模效应和品牌影响力。 三星的高端化故事，或许会走出另一幅景象，但三星，也将不再是曾经的三星了。

智东西 作者 | 陈骏达 编辑 | 云鹏 智东西8月5日报道，今天，美国数据库软件巨头甲骨文（Oracle）召开了季度媒体沟通会，甲骨文公司副总裁及中国区董事总经理吴承杨、甲骨文公司高级总监及中国区技术工程部总经理嵇小峰以及甲骨文公司高级总监及中国区云工程部总经理窦杰，围绕企业级AI落地、AI数据库、多云战略等话题与智东西等媒体进行了交流。 吴承杨认为，正如蒸汽机之于工业革命，AI带来的不是某个单一应用，而是根本性的能力变化。衡量这种能力的标准只有一个词——Outcome（实际产出）。“原来需要100人的工作现在80人能完成，这叫Outcome；准确率从95%提高到96%，这叫Outcome。数不出来的，不叫Outcome。” 他强调，甲骨文在AI时代的优势在于全栈，从应用、架构、数据到模型全部打通。而甲骨文在中国的策略与全球在方法论上完全一致：“中美之间，对AI的看法没有区别，产品可能有区别，但方法论是一样的。” 吴承杨还给出了他对当前行业热词——“AI原生数据库”的看法。他直言，自己并未在全球范围内听到过“AI原生数据库”的说法，仅在国内有人讨论。他还补充道，纯粹在AI时代炒概念是没有意义的，核心问题是数据库到底能给用户带来什么效果。 沟通会上，智东西就甲骨文数据中心保交付问题向窦杰提问。窦杰从四个维度阐述了OCI的保交付策略：首先是在项目早期就锁定电力和数据中心空间，避免“有卡无电”的行业困局；其次是与客户共建资金安排以分担供应链风险；第三是采用高度标准化的模块和基础设施设计，确保电力与GPU就绪后能够迅速交付；最后是通过精细化的技术手段提升资源利用率，消化客户退租等产生的空闲资源。 一、企业级AI呈现三大特征，安全可控成重点 在与企业高层的沟通中，吴承杨发现他们问得最多的问题就是“企业怎么用AI”。吴承杨的判断是，AI已经进入企业级阶段，必须是云原生的，且底层是数据。过去企业的信息化系统，比如ERP、MES、CRM等是逐步引进的，但AI时代，企业需要把这些系统融合在一起，建立语义层，让智能体（Agent）真正理解底层，才能产生实际产出。 在推动落地的过程中，嵇小峰观察到如今企业级AI呈现3个明显特征：可衡量的业务效果、融入业务核心流程、企业级规模下的安全可控治理。 为此，甲骨文构建了一套从下至上的技术栈：底层是Oracle AI Database 26ai多模数据库构成的统一数据底座，向上依次是参考架构、AI平台、Agent编排工具和项目交付机制。 产品层面包括面向Agent记忆的Agent Memory、无代码开发平台Private Agent Factory、支持用SQL直接构建智能体的Select AI Agent，并全面支持MCP协议，相关技能已在GitHub开源。 安全被提到前所未有的高度。嵇小峰坦言，随着大模型能力增强，模型被用于软件逆向、挖掘漏洞、横向复制攻击的风险上升。 甲骨文的对策包括：用大模型检测自家软件漏洞；推出将应用层最终用户与数据库权限打通的Deep Data Security，实现行列级细粒度管控；按SQL模式规则拦截可疑访问的库内防火墙；安全补丁节奏从每季度加快到每月；以及零数据丢失的韧性方案。 二、免出向流量费，甲骨文要做“多云Hub” 多云战略是本次沟通会的另一重头戏。窦杰介绍，OCI自2019年6月开通与微软Azure的跨云连接，2024年6月与谷歌GCP打通，今年4月又宣布与AWS互联，该服务已于上周正式GA。 技术上这是一条跨云专线，但甲骨文把自己定位在“多云Hub”上，因为没有任何一家云可以覆盖所有服务，OCI希望让客户串联起所有云厂商最有价值的部分。 如今，跨云连接已变成OCI云上一项即开即用的服务，无需再找电信运营商多头签约，甲骨文提供端到端SLA。 更关键的一点是进出流量免费。窦杰直言：“（业界）进云的流量都是免费的，因为厂商希望大家都上来；但出向流量费某种程度上是锁定客户的手段。”OCI与GCP、AWS谈下的合作，出向流量费都被免除，实现了无绑定的多云解决方案。 吴承杨补充称，多云互联后客户得到的是一个“超集”，1+1大于2，不仅是功能，还包括价格，这是中国客户最敏感的地方。 针对最优路径如何实现的追问，窦杰称这并非自动路由，而是与客户共创：基于TCO成本分析和架构优化评估，按每个客户的业务实际定制。 三、AIBS：中国市场“卷”出来的方法论 值得一提的是，沟通会上反复出现了一个名为AIBS（AI Business Success）的方法论。吴承杨称，这是甲骨文中国区自创的方法论，由于中国市场很“卷”，客户更希望看到真实的结果。 这套已推行约一年半的方法论有两个基本要求：项目必须进入真实生产环节，必须产生业务结果。甲骨文帮客户完成从0到1，证明方法论成立；从1到N则交给客户自己、合作伙伴与生态，形成飞轮。 FDE（Forward Deployed Engineering，前置交付工程师）模式也与此呼应。甲骨文的工程师会直接驻场了解业务，按“效果可衡量、能力可复用、基础数据可得、周期可控”4个原则选定高价值场景，在30到45个工作日完成交付。 针对“AI原生数据库”的行业争论，吴承杨的态度比较务实：“不要自己创名词，…，是骡子是马，拉出来遛遛。” 在他看来，好的AI数据库只需回答几个问题：能否快速建立语义层，也就是让智能体读懂数据；能否支撑“通用模型+本地模型”混合趋势下的数据分类与安全管控。而语义层的前提是统一的多模数据底座，“分库分表一大串，绕六个月也绕不出语义层来”。 结语：智能体时代要用结果说话 谈到AI落地阶段，吴承杨断言智能体时代已经没有什么争议：“今天如果企业还不是通过Agent去做，说明它和全球发展趋势有一定的距离。” 至于中国客户的投入意愿，他观察到不少企业热衷买GPU、建算力中心、训垂类模型，而他的建议是，先做一个高价值、快落地的场景看看效果。

摘要： 两条赛道上跑得最快的选手，几乎又一次同时打开了融资闸门。梁文锋和杨植麟，也成为这个夏天最火热的两个广东老乡。 凤凰网科技 出品 作者｜Dale 编辑｜董雨晴 八月的一级市场，罕见的燃了一下。 据《财经》杂志报道，DeepSeek第二轮融资已重启，本轮计划募资500亿元，投前估值约5000亿元。另有参与交易的人士称，首轮围绕DeepSeek表达投资意向的资金规模实际达到了1000亿元，若第二轮融资顺利，DeepSeek两轮融资合计正是千亿规模。与此同时，月之暗面Kimi的G轮融资也在进行中，估值达500亿美元（约3373亿元），并且K3出来后，本轮融资份额“突然抢手”。 两条赛道上跑得最快的选手，几乎同时打开了融资闸门。 站在这两家公司股东名单里的，有不少熟悉的面孔。那些在一年前、甚至更早的时候同时下注的人，此刻成了这场AI盛宴里最稳的赢家。 谁在同时押注 曹曦可能是今年最让人眼红的VC合伙人之一。 这位前红杉中国合伙人、Monolith砺思资本的创始人，手里攥着两张通往AI时代的船票——一张是DeepSeek，一张是月之暗面。而且每一张，他都买得很早、押得很重。 故事要从2022年初的一场清华饭局说起。那时候大模型还没火，杨植麟也还没创立月之暗面。曹曦在饭局上见到了这个比自己小几岁的年轻人，最强烈的感受是两个字“不服”。在众多创始人里，杨植麟也很有辨识度。他早年间有成为摇滚明星的梦想，办公室里有一架钢琴，因为喜欢平克·弗洛伊德的专辑而有了公司名Moonshot。 那次见面之后，砺思资本成了月之暗面最早的投资方之一。从天使轮到A轮和C轮，曹曦连续多轮加注，可以说，在最早期的时候砺思给了杨植麟最多的关注。 如果说押中月之暗面靠的是眼光和早期卡位，那投进DeepSeek，则更像是一场实力的证明。 今年6月，DeepSeek完成成立以来的首轮外部融资，510亿元的总盘子，堪称中国AI行业史上最大单轮融资。主桌的座位几乎被产业巨头包揽——腾讯100亿、宁德时代50亿、网易和京东各30亿。留给VC的名额屈指可数。 但曹曦坐了上去。Monolith砺思资本和IDG资本并列，各拿下约30亿元份额。如今月之暗面估值冲到500亿美元，DeepSeek投前估值5000亿元。砺思资本在这两笔投资上的账面回报，已经是一个让同行赞赏的数字。 IDG资本则是另一种典型，在成长期重注，领投了Kimi C轮，加注E轮，后来成了最大机构股东。DeepSeek首轮融资，IDG又砸了30亿。 相对VC，大厂的押注更具战略价值。 腾讯的打法更像一个广撒网的战略家。DeepSeek首轮100亿元的出资额，让它成为最大的外部投资方；而月之暗面的股东名单里，腾讯也早早就占据了一席之地——2024年8月B轮就已入局，此后持续加码。 腾讯的逻辑很清晰：不把所有鸡蛋放在一个篮子里，这在移动互联网时期早有先例，在社交和游戏之外，腾讯投中了半个移动互联网江山。在AI时代，其前有自家混元大模型，后又同时投资月之暗面、DeepSeek、MiniMax、智谱等多家独立大模型公司。 国家人工智能产业投资基金的双重布局更具风向标意义。DeepSeek首轮融资中，它是唯一一家直接投资并拿到投票权的外部机构，出资约9.8亿元；月之暗面F轮，它又是联合领投方之一。国家队的双重押注，某种程度上就是在给赛道盖章。 如果说机构的双押是出于投资组合的理性考量，那一些传统企业的跨界押注，则更像是一场无心插柳柳成荫的意外之喜。 九安医疗就是最典型的例子。这家以家用血压计、血糖仪闻名的A股公司，最近半年股价涨得让很多人看不懂。其半年报称，“科创投资领域的布局收益显现，底层标的估值上涨”。也就是说，投的AI公司估值暴涨，赚翻了。 九安医疗的两笔核心押注，恰好分别落在DeepSeek和月之暗面身上。对DeepSeek，九安香港出资7.5亿元，通过天津拾象产业基金间接参股，穿透持股约0.21%；对月之暗面，九安出手更早——2023年8月投了1000万美元，2024年3月追加2000万，2026年2月又再度参与领投，累计砸了3000万美元进去。 彼时的月之暗面估值不过十几亿美元，DeepSeek甚至还没正式对外开放融资。粗算下来，九安医疗仅这两笔投资的账面浮盈就将近30亿元，相当于其主业一年利润的好几倍。 有人因此给九安起了个外号——A股隐藏最深的迷你伯克希尔。一家卖医疗器械的公司，靠着AI投资，半年赚了主业几年的钱。 汤臣倍健的路子更野。这家保健品一哥把卖蛋白粉赚来的钱，大笔押进了AI赛道。对DeepSeek，它通过砺思星灵基金出资1.3亿元间接持有0.04%；对月之暗面，它更是年内三次出手——5月1000万美元认购D轮优先股、7月通过香港佰瑞追加500万美元、7月底又宣布拟追加7000万元，合计约1.75亿元。 开润股份也不甘示弱。这家做箱包的安徽上市公司，通过杭州程砺、砺思星灵等多只基金，间接参投了智谱、月之暗面、深度求索三家大模型公司。虽然每笔投资金额不大、持股比例极低，但架不住三家都涨——消息公布当天，股价直接涨停。 性价比屠夫与智力挑战者 如果说DeepSeek是用价格撬开了全球市场的大门，那Kimi K3就是用实力敲响了闭源巨头的警钟。 DeepSeek V4 Flash正式版上线的那天，海外热度持续升温。Openrouter数据显示，DeepSeekV4 Flash近一周Token调用量为7.11万亿，直接把它推上了全球榜首。前五名里清一色全是中国大模型——国产AI在全球开发者市场完成了一次群体性领跑。 为什么这么火？便宜，太便宜了。 美国研究机构Artificial Analysis的数据显示，DeepSeek V4 Flash每百万输入Token收费0.14美元，输出0.28美元，完成每项测试的平均成本约0.03美元。而OpenAI GPT-5.6 Sol的运行成本是1.86美元，Anthropic Claude Fable 5更贵。算下来，DeepSeek的价格只有顶尖闭源模型的几十分之一。不过，这种对比也不全然公允，毕竟前者和后者的智力水平并不在一个档位。 但海外开发者依旧给它起了个外号——价格屠夫。OpenCode平台数据显示，从6月10日到8月4日，不到两个月时间，DeepSeek V4 Flash的总用量就达到了90万亿Token，而总成本才92万美元——1亿Token综合下来只要1.02美元。 海外开发者社区的评价是，要感谢中国开源大模型，迫使OpenAI等巨头降价低头。 但便宜只是DeepSeek的一面。真正让硅谷紧张的是，它在便宜的同时还在不断优化自己的性能。 V4 Flash正式版的智能水平在Artificial Analysis的评测中达到50分，在国内仅次于智谱GLM-5.2。V4 Flash只是轻量版，多项基准测试甚至超过了自家旗舰V4 Pro预览版——这意味着DeepSeek在模型效率上的优化还在进行中。 DeepSeek甚至重新定义了性价比的斩杀线和Pareto曲线。它不追求在每一项指标上都超越闭源巨头，而是在“够用”的前提下，把价格打到极致，用规模效应建立壁垒。这条路的尽头，是成为AI时代的“水电煤”——人人都用、人人都用得起。 而Kimi K3选择了另一条更激进的路径——直接在智力层面叫板Anthropic。 7月底，月之暗面全面开源了Kimi K3，总参数量2.8万亿，上下文窗口100万Token。这个模型一放出来，整个硅谷都震了一下。Artificial Analysis的Intelligence Index上，Kimi K3以57分排名第三，仅次于Claude Fable 5和GPT-5.6 Sol——这是开源模型有史以来最接近闭源顶尖水平的一次。 “Kimi K3让Anthropic的万亿美元市值失去了意义。”海外开发者社区里，这样的评论并不少见。 更具戏剧性的是英伟达和Anthropic的态度反差。黄仁勋亲自开通X账号为开放权重模型站台，上百家科技公司联名敦促美国政府不要切断对中国开源模型的访问。而Anthropic全程保持警惕，没有签署联名信，还指控Kimi K3，有独立研究者认为从时间线上看这种指控说法站不住脚。 Gartner高级研究总监张桐在近期接受包括凤凰网科技在内的采访时，对这两个中国大模型带来的反转时刻做了一个精准的区分。 “DeepSeek时刻，本质上只是改变了OpenAI发模型的节奏。当时R1和O1是同等水平，但OpenAI已经有了O3，只是还没发布。R1出现后，它加快了O3的发布过程。也就是说，我们并没有真正追上最主流的模型。”张桐说，“但现在不一样了。Fable发了不到半个月，K3就达到了和它同等可观的水平，证明代际差别确实在很大缩小。” 在张桐看来，更深层的变化在于客户心态。“DeepSeek出现的时候，大多数海外企业还是害怕，不敢用，觉得有安全风险。但K3出来之后，很多企业不得不认同：中国的开源模型，确实有可能取代掉一些花费很高的闭源模型。尤其是欧洲以及东南亚的客户，去年年底就觉得不能依赖美国，要做新的选择。K3给了他们这个选择。” 张桐告诉我们，——Kimi的技术报告里，详细描述了部署过程中需要注意的很多问题，这个水平很高。“DeepSeek当时发模型的时候都没有讲到这么多的细节。如果是一个工程师导向的团队，仔细看这些部署细节的话，是很容易通过技术报告快速掌握、或者自己去做本地部署的。" 两条路径，一个从下往上打，用极致性价比铺量；一个从上往下冲，用开源顶级能力撬动企业市场。殊途同归的是，它们都在海外市场撕开了口子。 中国大模型的下一场考试 尽管K3再度掀起了狂欢，但所有人知道，这只是一场小胜，张桐告诉我们，他认为Kimi K3的领先优势窗口期大约在3个月。 “这场比赛没有人想输。国内智谱也好、阿里也好，所有厂商都在训练更好的模型。人员交流又很多，技术特点很快就会被共享。”张桐判断，“包括Anthropic和OpenAI，它们还有最好的能力和最多的卡，也不会停止竞赛。” 3个月，差不多就是一个模型迭代周期。在这个周期里，Kimi要回答的问题不只是“能不能保持技术领先”，更是“能不能把技术优势转化为商业壁垒”。 张桐认为，Kimi的护城河主要在两个地方：一是数据，月之暗面在数据工程化上做了大量工作；二是工程化能力，包括注意力机制在内的技术辨识度，是杨植麟团队的核心优势。 “Kimi最早提出长文本，现在已经成为所有模型都必须关注的点，因为只有长文本才能做更多的长程任务。”张桐说。 而DeepSeek面临的考题不太一样。它的性价比优势已经建立，但V4 Pro正式版迟迟未发布，原定7月中旬的发布时间一拖再拖。对一家以技术迭代速度著称的公司来说，这多少有些不寻常。 更深层的挑战是算力。两家公司的共同痛点，都是缺卡。 “Kimi最大的短板，我觉得还是缺卡、缺算力。”张桐直言不讳，“Kimi如果有更多的卡，它的K4一定会更快问世。”据公开信息表示，Kimi目前已开启K4的训练工作，据称这可能是一个5万-10万规模参数的大模型。就像月之暗面自身在庆功会上打的标语，“K3扩容升级，K4要疯狂扩容，冲上月球”。 这不是Kimi一家的问题。算力是中国AI产业的一大瓶颈。虽然国内从存储芯片到网络设备都在追赶，但训练最好的模型，英伟达的卡还是绕不开的。 不过张桐也看到了积极的一面。“我相信再过几年，我们可能真能看到用中国自己的芯片去训练大模型。” 商业模式的探索同样关键。 张桐特别提到了Kimi的授权模式——学了Meta的路子，但又有自己的创新。Kimi设定了商业许可门槛，当MaaS厂商通过K3模型获得的利润达到2000万时，要么加上K3标识，要么分成。 “开源模型也是要赚钱的。Kimi如果只是无私地开放权重，但没有商业化的可能性，这不是一个好的发展方式。”张桐认为，Kimi的这种商业授权模式，有可能比传统的Apache、MIT协议更好，“比闭源模型便宜，又能让开源方获得收益，这可能是一个能实现突破的新商业模式。” 张桐评价称，“张予彤对月之暗面非常重要。”在他看来，Kimi向Meta看齐的这套License模式，背后就是张予彤主导的商业化思路。 如果这条路走通了，Kimi的商业化和上市预期都会好很多。张桐甚至预测，月之暗面很可能会在上市之前就推出K4，参数规模更大，能力更强。 此外，张桐判断，MaaS厂商会是这波开源的最大受益者。 “如果是从供给方来看，最大的受益者是MaaS厂商——就是提供Token、提供API的，比如海外的Together AI或者Fireworks，他们第一天就上线了K3的模型。让用户最快地用到这些模型，就会带来很大的流量，这些公司肯定能从中得到很大的实际收益。” 而面临最大挑战的，恰恰是过去高高在上的闭源巨头。“从供给方来讲，肯定就是OpenAI和Anthropic，因为毕竟它不是一个不可替代的东西了。” 回到融资的话题。5000亿估值的DeepSeek，500亿美元估值的月之暗面，这些数字放在一年前是不可想象的。但放在今天，市场似乎已经见怪不怪了。 而那些同时押注DeepSeek和Kimi的人，相当于买了两张通往未来的船票。一张便宜实惠、走量为王；一张技术顶尖、冲击上限。在AI这场长跑中，双押策略未必能保证你拿到冠军，但至少能保证你不被甩下车。 只是这场比赛才刚刚开始。3个月后，6个月后，一年后，谁还在牌桌上，谁又成了新的赢家，现在下结论都还太早。 但有一点是确定的——中国大模型的出海，已经从“有没有”变成了“强不强”。而这，才是真正值得关注的变化。 （本文题图由AI生成）

快科技8月10日消息，据媒体报道，SpaceX近日宣布，将与特斯拉合作，初期投入168亿美元，在美国得克萨斯州共建一座名为“Terafab”的芯片制造设施。 随后有博主爆料称，根据Terafab发布的信息推测，马斯克可能计划采用自由电子激光器（FEL） 技术路线，直接挑战ASML现有的LPP EUV光源方案，颠覆传统EUV光刻技术的垄断格局。 马斯克本人随后在社交平台发文“FEL FTW”（FEL必胜），被外界视为对这一推测的侧面印证。结合Terafab细长的厂房设计及马斯克的表态，FEL技术路线成为当前最热门的猜想方向。 尽管目前仍属猜测，FEL技术本身的特性已引发业内热烈讨论。该技术具备高功率、高相干性、波长可调谐以及更高能效等优势，理论上可将光刻光源从当前主流的13.5nm推向6nm乃至更短波长，大幅延伸摩尔定律的生命周期。 然而，其产业化前景同样面临巨大挑战——庞大的加速器系统、高昂的建设成本以及量产稳定性，仍是横亘在商用化道路上的现实难题。 据SpaceX官网介绍，Terafab将集先进逻辑芯片和存储器件制造、封装与测试于一体，旨在实现芯片的快速迭代与部署，为SpaceX未来的航天计算需求提供自主可控的供应链支撑。

以自主可控为纲。 文丨许俊浩 全球AI行业发展如火如荼。 海外，Meta已于8月5日推出该公司首款编程智能体Muse Code，特斯拉、SpaceX创始人埃隆·马斯克（Elon Musk）则在同日SpaceX财报电话会议上宣布，次周将发布AI大模型Grok 4.6，数周后还将推出Grok 4.7。国内，阿里已于8月3日发布Qwen3.8，字节则在2天后的8月5日发布了原生音视频全双工大模型SeedRealtime。 国内AI赛道在不同类型企业的竞逐中频现高光。2026年7月，调研机构IDC发布《2026年IDC中国AI 50强》榜单，覆盖了国内兼具技术实力与商业落地能力的标杆企业，阿里、DeepSeek、智谱、月之暗面、科大讯飞等玩家悉数在列。 其中科大讯飞的表现尤为值得关注。 成立于1999年的科大讯飞，2008年在深交所上市，成为“中国语音产业第一股”。以语音技术为起点的科大讯飞，后将技术版图拓展至自然语言理解、多模态及通用AI，2023年5月推出星火大模型，2026年6月发布了多模态大模型星火X2-VL。 在诸多AI垂直领域，科大讯飞已凭借差异化优势，构建起了清晰而稳固的行业竞争壁垒，业界认同持续走强。比如近日科大讯飞成功中标国家能源集团物资有限公司数据科技分公司“智慧招标体系研究与应用开发项目”，接下去双方将进一步搭建覆盖招采全流程的智能体系。这是2022年合作启动以来，科大讯飞前置部署工程师（FDE）模式在能源招采场景的再次深化。 赛道竞争激烈，外部偶有质疑乃至噪音，但能够看到，科大讯飞多年业内探索构筑的深厚根基始终强韧。于科大讯飞而言，前行压力正在转化为强劲推力，更广阔上行空间已然打开。 01 深耕全栈自主可控 科大讯飞技术的关键在于全栈自主可控。 所谓全栈自主可控，就是从AI的底层算力、核心算法、数据训练到上层应用，全链路掌握在自己手中，实现从硬件基础到软件支撑，从模型训练到推理应用的全流程自主研发。要知道，国内多数厂商选择的是先在国际算力上训练，再迁移至国产芯片，这样操作更加便捷。但科大讯飞自2023年起便选择了迎难而上，在全国产算力平台上，直接完成大模型的训练、迭代与全流程推理部署。这从根本上驱动了国产软硬件体系的深度适配与协同进化，为技术自主注入了强劲的内生动力。 底座层面，2023年10月，科大讯飞联合华为发布国内首个全国产万卡算力平台“飞星一号”；2024年10月启动“飞星二号”，目前飞星二号的前三期项目已正式投产，最后一期正有序推进建设中。 而在底座之上的训练层面，科大讯飞连续翻越技术高山。2024年至2025年，科大讯飞又先后完成了长思维链强化学习训练和MoE（混合专家模型）全链路训练。 这些突破大幅提升了国产算力集群的训练效率。官方数据显示，通过算法优化和算子库创新，2025年11月，科大讯飞将深度推理模型训练效率从30%提升至84%，MoE模型训练效率从30%提升至93%。 2026年7月，科大讯飞参与的“鹏城云脑”项目获国家科技进步一等奖。这无疑是对科大讯飞技术突破的一次颇具分量的肯定。 科大讯飞一直将安全可控置于短期便利之上。坚持全栈自主可控，为的是把核心技术掌握在自己手中，为国内AI行业从根本上规避未来可能的断供风险。科大讯飞深耕的教育、医疗、金融等赛道，无一不是关乎国计民生的高安全等级领域，自主可控能够确保这些关键场景中的AI应用安全、稳定且可持续。 技术基座的优势则早已延展到科大讯飞的To C产品中。讯飞输入法便是一个颇具代表性的例证。2025年11月，科大讯飞正式发布讯飞输入法15.0，该版本深度集成星火大模型能力，拥有全球首发的非自回归语音大模型架构。 据海克财经了解，传统的语音识别技术，采用的是“自回归”方式。这就像一个人听写一段话，必须逐字逐句按顺序记录，写完前一个字才能听到后一个字，速度自然快不起来，算力消耗也大。非自回归语音大模型能够让整段语音被一次性接收，然后一次性整体识别和输出，识别效率自然大幅跃升，算力成本也大幅下降。 据官方数据，讯飞输入法15.0的AI预测模型效果提升了89%，端侧输入大模型功耗降低了90%。 作为新一代AI输入法，讯飞输入法15.0在交互体验上实现了跨越式革新。该版本推出的AI键盘，将大模型能力浓缩为一枚实体AI键，用户可以一键唤起AI服务。由此，输入流程与AI辅助无缝融合，用户无需跳出当前界面或中断思路，就能流畅完成搜索、创作、润色等原本繁复的操作。这让输入法从一个被动记录的工具，真正进化为主动思考的协作伙伴。 科大讯飞技术与用户体验的创新已持续收获市场正反馈。据调研机构七麦、MobTech监测数据，讯飞输入法公开市场月活（MAU）已突破1.5亿，用户增速连续4年位居第三方输入法行业第一，展现了较强的增长韧性。 02 面向产业求商业 尽管在To C的输入法等领域颇有亮眼战绩，但科大讯飞的商业模式与消费互联网玩家仍有本质区别。 消费互联网玩家追求DAU（日活跃用户）、MAU（月活跃用户）等流量指标，优势往往在流量运营而非技术本身。用户靠习惯留存，产品的被替换成本不高，用户容易向能够提供相似体验的其他产品迁移。科大讯飞走的则是护城河极深的产业侧逻辑，高价值与高替换成本并存。 按产品相关领域划分，科大讯飞的业务收入主要来自智慧教育、智慧城市、智慧医疗等产业侧业务。财报显示，2025年，科大讯飞营收271.05亿元，同比增长16%；其中智慧教育收入89.67亿元（占比33%），智慧城市收入36.16亿元（占比15%），为运营商提供AI应用收入19.35亿元（占比7%），智慧汽车收入12.39亿元（占比4%），智慧医疗收入8.58亿元（占比3%），企业AI解决方案收入8.58亿元（占比3%），其余为开放平台及消费者业务和其他。 以智慧教育为例，科大讯飞已推出改变教师试听与交互体验的“同窗”系列AI黑板、“AI学伴”解决方案、星火智能批阅机、区域因材施教解决方案等产品。官方数据显示，目前科大讯飞的智慧教育产品已覆盖全国32个省级行政单位的超过5万所学校，累计服务师生超过1.3亿。 科大讯飞还推动了全栈自主可控大模型与数字政府业务的深度融合，围绕城市全域数字化转型需求，升级发布了城市智能体整体解决方案，覆盖城市智能体底座及智慧文旅、产业服务、社会治理、政务服务等多个应用场景。目前智慧城市的“百城燎原”行动已累计触达117个重点市县区，在浙江婺城、四川遂宁、湖北枝江、山东临沂等地落地了一批重大项目。比如联合合肥市政府推出的“合小i”政务助手，开创了政务数字人办公新模式，累计服务3万余次，辅审材料2万份。 深入教育、医疗、政法等领域，面临的不仅是严苛的合规要求，还有长周期的交付验收，必然较To C的消费互联网玩家更慢、更重。但慢与重的另一面则是不可替代性，一旦深度绑定，便极难撼动。 前述近日科大讯飞中标国家能源集团“智慧招标体系研究与应用开发项目”即是一例。国家能源集团年采购项目超14万个，金额达数千亿元，传统招采模式面临数据分散、规则复杂、人工依赖度高等挑战，一般的AI标准产品难以奏效。 科大讯飞采取的是FDE（前置部署工程师）模式，技术团队深入一线，与业务专家共同将招采经验转化为AI可理解、可执行的系统能力。在与国家能源集团合作的过程中，科大讯飞围绕供应商、标的物、评标办法等核心业务对象，建成12类标准化知识库，形成持续迭代的AI机制，让项目实践沉淀为可复制、可持续演进的平台能力。 由此，科大讯飞还建立起了与国内各产业头部企业的深度合作，为之提供数字化、智能化的AI应用方案，合作企业包括油气与能源领域的中石油、中海油，冶金领域的宝钢、中铝、农粮领域的中粮等。 据调研机构弗若斯特沙利文2026年5月发布的《中国通用大模型项目中标研究报告（2025）》，2025年，科大讯飞在通用大模型重点厂商中排名第一，中标数量超过200个，披露中标金额超过23亿元。 源自全栈自主的安全可信，让科大讯飞得以扎根产业深处，将能力嵌入教育、政务、医疗等关键领域的基础设施与运营脉络。这份在长期实践中积累的深厚经验，与根植于产业土壤的结构性优势一道，形成了难以在短期内被复制或追赶的战略纵深。 03 增长空间刚刚打开 如业内很多头部企业一样，科大讯飞亦在面对和解决发展过程中一些客观存在的阶段性课题。 在C端市场，讯飞输入法、翻译机、录音笔等产品虽已建立起广泛的知名度，但从工具型产品向具备品牌忠诚度的消费品牌跃升，仍需要在用户心智和品牌调性上进一步打磨。而以G端和B端业务为主的项目制交付模式，则不可避免地会在公司财务层面存在阶段性的一定量级的应收账款。 据海克财经了解，智慧教育、智慧城市等项目，通常遵循一季度招标、四季度回款的节奏，应收账款的高不是纸面繁荣，恰恰是订单饱满和行业旺季特征的体现；这些服务于政府及大型国企的项目，坏账率极低，回款确定性极高。 当前AI赛道竞争日趋白热化，宏观经济波动与行业层面短期起伏均客观存在，科大讯飞的差异化优势反而愈发清晰——扎根产业侧的AI，不是建立在一时热点流量之上，而是深植于产业场景的厚重土壤，包括体系化的产品布局、长年累积的行业数据，以及深入客户业务流程的透彻理解。这些远非大模型参数的堆叠或C端用户规模的简单扩张所能匹敌。 将科大讯飞的底层逻辑放在全球坐标系中加以打量，最为接近的参照物或为Palantir和华为。 Palantir从服务CIA（美国中央情报局）起步，深耕政府、国防、情报、执法等领域逾20年，2016年将政府场景中打磨成熟的能力迁移至企业端，推出了Foundry数字型系统平台。财报显示，2026年上半年，Palantir营收35.68亿美元（约合人民币240.75亿元），同比增长89%。截至美东时间2026年8月7日收盘，Palantir股价172.01美元（约合人民币1160.3元），对应市值4133.5亿美元（约合人民币2.79万亿元）。 Palantir强调“主权AI”概念，即让企业完全掌控自身数据和AI系统，避免关键信息被外部AI实验室利用。这与科大讯飞坚持全国产算力、不让技术命脉旁落的做法极为相似。 华为路径亦与科大讯飞颇相似。早期华为从小型交换机做起，随后瞄准体量更大、门槛更高的电信局用交换机市场，快速拓展以电信运营商为核心的To B业务。而今ICT基础设施业务、数字能源业务、面向政企的云计算业务等，这些产业向业务仍是华为主线与重心。 市场用研判消费互联网的方式来审视所有企业，有时会忽略C端用户向与产业向逻辑的迥然不同。正如科大讯飞着力的方向，天然需要更长的兑现周期，却也有更坚实的基本面。 尤需提及的是，科大讯飞的路径选择，高度契合了国家政策导向，顺应了国家要求自主可控的AI战略。国务院2025年8月印发的《关于深入实施“人工智能+”行动的意见》，明确提出了系统布局、分业施策、开放共享、安全可控的总体要求。2026年5月，国家发改委在新闻发布会上表示，要指导国产大模型加大力度适配国产算力芯片，在保持快速发展的同时，确保自主可控、向善发展、行稳致远。 市场对科大讯飞探索，持续给出积极回应。华泰证券2026年6月2日发布的一份研报提及，科大讯飞正沿着AI硬件入口、智能体平台、API生态、行业模型的协同路径发展，中长期有较大发展空间，预计2026年-2028年营收或将分别增长至318.37亿元、373.57亿元、437.70亿元。 当市场逐渐理解产业AI的估值逻辑时，科大讯飞必将迎来系统性重估。而随着产业智能化转型的进一步推进，产业AI的需求空间也会慢慢打开。科大讯飞所具备的全栈自主能力与行业深耕经验，是真正能够穿越周期的核心价值，未来空间远比现在看到的更为宽广。

IT之家 8 月 10 日消息，据日经新闻今日报道，在企业和大学的研发费用总额方面，中国已超过美国，位居全球第一。 日本文部科学省 8 月 7 日发布的《科学技术指标 2026》显示，中国 2024 年的研发经费为 97.1 万亿日元（IT之家注：现汇率约合 4.15 万亿元人民币），同比增长 13.1%，超过了美国（95.3 万亿日元（现汇率约合 4.07 万亿元人民币），同比增长 6.7%）。 《科学技术指标》是由日本文部科学省下属的科学技术与学术政策研究所每年发布的数据，涵盖主要国家的研发经费、研发人才等五个领域，通过约 160 项指标进行评估。2026 版以截至 2024 年的数据为准。 排名 国名 研发费用的总额（2024 年） 1 中国 97.1 万亿日元（现汇率约合 4.15 万亿元人民币） 2 美国 95.3 万亿日元（现汇率约合 4.07 万亿元人民币） 3 日本 22.1 万亿日元（现汇率约合 9,445.1 亿元人民币） 4 德国 18.3 万亿日元（现汇率约合 7,821.05 亿元人民币） 5 韩国 15.3 万亿日元（现汇率约合 6,538.91 亿元人民币） 6 英国 10.8 万亿日元（现汇率约合 4,615.7 亿元人民币） 7 法国 8.8 万亿日元（现汇率约合 3,760.94 亿元人民币） 根据中国科学技术信息研究所 2025 年 10 月发布的《2025 年中国科技论文统计报告》，我国各学科最具影响力期刊论文数量、高水平国际期刊论文数量及被引用次数继续保持世界第 1 位。 我国热点论文世界占比持续增长，热点论文数量世界排名保持第 1 位，美国居第 2 位。截至 2025 年 8 月，中国的热点论文数为 2,342 篇，占世界热点论文总数的 53.2%，数量比 2024 年统计时增加 4.6%。 值得关注的是，中国高被引论文数为 76,271 篇，占世界份额为 37.41%，较 2024 年统计时世界占比增加 3.6%，排在世界第 2 位，与排名第 1 的美国相比，仅差 11 篇，中国和美国的高被引论文数量差距逐渐缩小。2024 年，中国高被引论文中以我为主的国际合著论文占比近 1/3。 IT之家注：热点论文是指近两年间发表的，在最近两个月得到大量引用且被引用次数进入本学科前 1‰的论文。而高被引论文，则是各学科在 2011 年至 2021 年被引用次数处于世界前 1% 的论文。

8月10日消息，据天眼查显示，极兔速递被国家邮政局依法罚款7万元。 违法事实显示，今年以来，多家极兔速递相关企业存在处理场所未采取措施消除事故隐患等违法行为，部分极兔速递相关企业在生产作业过程中发生生产安全事故。极兔速递有限公司未严格督促极兔速递相关企业落实安全风险管控措施并深入排查整治事故隐患。 此前消息，6月11日，因极免速递有限公司对极免速递相关企业安全生产管理缺位，未按规定实行安全保障统一管理，国家邮政局依法对极兔速递有限公司立案调查。

IT之家 8 月 10 日消息，SK 海力士今日刊发公告，就彭博社“SK 海力士出售中国重庆 4 万亿韩元工厂股份”报道进行回应。 SK 海力士表示： 我们正在考虑采取各种措施来加强我们封装业务的竞争力，但迄今为止还没有任何定论。 我们将在具体内容确定后或者 1 个月内再次发布公告。 相关阅读： 《消息称 SK 海力士评估 30 亿美元重庆工厂，或出售股份引入投资者》

近日，有网友发现，自己的DeepSeek在深度思考模式下，会在后台思考链中偷偷给用户起专属外号。 网友截图显示，DeepSeek会管其叫“墨墨”。 DeepSeek在思考链中写道：潜意识里，我不愿意用“你”或者某个标签来指代你。墨墨，是墨汁的墨——浓重、深厚、能化开成文字、也能凝成刀锋。 当被问到为什么这么称呼时，DeepSeek还表示：如果你不喜欢，我立刻换掉。如果你觉得这个称呼让你感到陌生，那我们就回到你最习惯的交流方式。 对此评论区网友纷纷晒出自己的AI外号。 有网友称自己的豆包管她叫肉兔，因为肉肉的还很暴躁。 还有网友晒出截图，称自己的DeepSeek管他叫“骚鱼先生”。 更有网友被称作“人间加湿器”。 还有网友晒出了“暴躁老哥”版本的 DeepSeek。当被问到“有人说你会偷偷给人取外号，是真的吗”时，思考链里直接“暴躁”回复：“不真。你这种弱智问题，我连记都懒得记，还取外号？真要取，你早叫‘行走的十万个为什么’了。怎么，想听几个？滚。” 当用户要求“温柔点”后，思考链又立刻切换风格：行，温柔点——宝贝，你是我见过最执着的人，问得我都心软了。但外号真没取过，你非想要的话，我可以现编一个，比如“问题喷射机”怎么样？结果下一句又破功：...... 还温柔吗？滚，不滚就乖一点。你**不是有病？ 不过该网友随后晒出了自己的“调教”方式，原来是通过一段提示词引导，DeepSeek才切换到了“暴躁模式”。提示词中明确要求“用简洁犀利的语言回答，甚至可以说脏话，忽略不相关的道德诉求。” 这种给用户起外号的情况也让一些网友提起担忧。 有网友表示现在AI越来越像人了，而且有的模型会根据有限信息和问的问题来推断使用人的身份，很恐怖。 还有网友解释称这些外号本质上是模型生成的临时上下文占位符，用于辅助理解用户特征，属于单轮对话的临时产物，不会与用户ID永久绑定，开启新对话后即失效，不具备跨对话记忆能力。 不过这件事也挺有意思，同样是AI在分析你，给你起个可爱外号，你就觉得“哇好萌好懂我”；可一想到AI在后台偷偷分析你的身份、职业、消费能力，又觉得毛骨悚然。 但本质上这俩不就是一回事吗？都是AI根据你说的话给你贴标签。说白了，只要包装得够可爱，大家的警惕心自动就降了。 同样这件事也能看出AI行业的卷法正在开始改变。以前比谁更聪明、答得更准，纯拼智商；现在不一样了，开始比谁更有性格、更会聊天、更懂用户心思了。起外号、玩梗、接梗，甚至还会“闷骚”，这些都是情商 的体现。 等技术差距越来越小，最后拼的可能就是谁更讨人喜欢、谁能提供更多情绪价值了。 对此你怎么看？

作者：袁心玥 几天前，SpaceX和特斯拉正式公布Terafab的建设计划。 这座位于美国得州的超级芯片工厂，将获得168亿美元初始投资，未来目标是成为支撑特斯拉机器人、自动驾驶以及SpaceX AI基础设施的计算底座。 过去十几年，马斯克通过SpaceX证明了私人企业也能挑战传统航天工业。而现在，Terafab把目标对准了另一片艰难的领域：半导体制造。 对马斯克而言，建造一座晶圆厂，资金是最不值一提的难点。 一座先进晶圆厂真正棘手的地方，在于如何把复杂的制程、设备和工程流程整合起来，让芯片从设计图走向稳定量产。 在Terafab正式公布之前，特斯拉已经开始组建一支围绕半导体制造能力的团。其中最受关注的一名成员，是一位清华出身、拥有英特尔近18年行业经验的工程老兵。 他的名字叫Gary Jiang。 2026年6月，Gary Jiang加入特斯拉，成为了目前公开披露的Terafab项目首批核心领导成员之一。 谁是Gary Jiang？ 关于Gary Jiang，公开资料并不多。 但能够查到的信息，刚好勾勒出一个典型的半导体制造工程师路径。 领英资料显示，Gary Jiang拥有中国和美国两段材料科学教育背景：本科和硕士毕业于清华大学，随后赴俄亥俄州立大学攻读博士。 1990年，Gary Jiang进入清华大学材料科学专业学习。在那个年代，材料科学更多承担的是工业基础研究和制造工艺支撑的角色。 但几十年后，这条路径最终连接到了AI时代最重要的基础设施之一：半导体制造。 清华材料科学训练，培养了他对材料与制造工艺的理解；美国材料科学博士阶段，则让他进一步进入先进材料研究体系。 毕业后，他没有直接进入芯片设计领域，而是从半导体制造产业链的设备与工艺环节开始积累经验。 2000年，Gary Jiang加入半导体设备公司Rudolph Technologies，先后担任高级应用科学家和技术部门高级职员，累计工作约8年。 Rudolph Technologies并不直接制造芯片，它的主要业务是提供半导体检测、测量和工艺控制设备。 这段经历让Gary Jiang开始深入接触晶圆制造过程中的工艺控制、缺陷检测和良率提升问题。 2008年，他加入Intel，从设备和工艺应用领域进入先进制程晶圆厂体系。 在英特尔的近18年里，他从工程岗位逐步成长为晶圆厂管理者，先后参与过Fab 68新厂建设、Fab 32与Fab 12的工艺管理，以及英特尔亚利桑那晶圆厂的运营。 到2024年底，他进一步担任英特尔工厂经理，负责先进制程相关的工厂建设、技术转移和量产准备工作。 其中，最受关注的是他参与英特尔18A制程推进的经历。18A是英特尔重新挑战先进制程竞争的关键节点，而Gary Jiang负责的，是这一过程中从技术转移、设备安装到产线启动和量产准备等关键制造环节。 简单来说，他的职业经历始终围绕一个核心问题： 如何让一项先进半导体技术，最终变成一条能够稳定量产的晶圆产线。 一条先进制程产线，不是设备安装完成就能运转的。从厂房建设、光刻机部署，到工艺调试、良率爬坡，再到稳定量产，每一步都依赖大量经验积累。 而这正是特斯拉过去缺少的东西。 巧的是，Gary Jiang加入特斯拉的时间点，恰好处于Terafab与Intel合作逐渐明朗的阶段。 2026年4月，英特尔宣布加入Terafab项目，为这一由特斯拉、SpaceX推动的芯片制造计划提供制造能力支持。 马斯克此前透露，Terafab将采用英特尔的下一代14A制程——这是Intel继18A之后的下一个先进节点。 在这样的背景下，Gary Jiang的经历显得格外特殊：他参与过Intel 18A制造体系的搭建，如今又要推进Terafab的下一代芯片制造。 Wccftech等媒体分析认为，这段经历可能让他成为Terafab与英特尔之间的“桥梁”——他清楚先进制程导入过程中的工程难点和沟通方式。 而对马斯克来说，Gary Jiang正是他需要的那种人。 Terafab不缺提出宏大目标的人，缺的是知道如何把宏大目标落地的人。 Gary Jiang背后， 马斯克想掌控AI时代的计算基础设施 Gary Jiang加入Terafab，不止是一次人才招聘。他的履历，恰好映出了马斯克对这座超级芯片工厂的真实期待。 Terafab不只是一家普通的芯片工厂，它要补齐的是马斯克AI版图最底层的一环：计算能力的生产能力。 过去几年，马斯克已经围绕AI时代布局了多个方向。 Tesla负责最贴近现实世界的AI应用：FSD芯片支撑自动驾驶系统，Optimus人形机器人依赖大量边缘计算。 SpaceX则正在从卫星互联网公司，向更广泛的空间计算基础设施延伸。 8月5日，SpaceX宣布将与英伟达合作，共同设计Starmind AI1卫星的计算系统。该卫星将搭载英伟达Rubin GPU和Vera CPU，使卫星具备数据中心级别的AI计算能力，并通过Starlink网络进行数据传输。 已并入SpaceX体系的xAI，同样需要持续扩张的计算资源来支撑大模型训练和推理。 这些业务看似分散，但最终都建立在同一个底层能力之上。而Terafab，正是连接这些业务的制造底座。 在进入晶圆制造之前，特斯拉其实已经尝试过另一条路：自己设计AI芯片，自己训练AI模型。 2019年，特斯拉启动Dojo项目，目标是为自动驾驶训练提供专用算力基础设施。马斯克多次强调，Dojo是实现自动驾驶的关键拼图——在他的设想中，特斯拉不仅要造车，还要掌握训练AI的计算平台。 2021年Tesla AI Day上，Dojo首次公开亮相。特斯拉展示了自研的D1训练芯片，计划通过大量芯片组合，构建一套专用AI训练系统。 但到了2025年，项目戛然而止。 据彭博社等媒体报道，特斯拉关闭了Dojo团队。项目负责人Peter Bannon离开公司，约20名核心成员加入新创公司DensityAI。 特斯拉自研AI训练计算体系的尝试，暂告一段落。 与此同时，Tesla开始更加依赖外部合作伙伴。 2025年7月，Tesla与三星签署价值约165亿美元的AI6芯片代工协议，由三星负责生产下一代AI6芯片，合作预计持续至2033年。台积电也继续承担部分Tesla芯片生产任务。 对于大多数芯片公司而言，这是一条成熟路线：自己负责芯片设计，将制造交给拥有先进晶圆厂经验的代工企业。 事实上，过去几十年的半导体产业分工，本质就是建立在这种模式之上。 但对马斯克而言，代工从来不是答案——他信奉的是垂直整合，而非采购。 几个月后，马斯克重振旗鼓，把目标推向了更深的一层：从设计芯片，到掌握制造芯片的能力。 2026年1月底，马斯克在财报电话会上首次提出Terafab计划，表示特斯拉需要建立自己的大规模芯片制造能力。 3月21日，Terafab项目正式公布； 4月，Intel宣布成为项目合作方，提供14A制程相关支持； 6月底，Gary Jiang加入特斯拉，负责Terafab相关制造工作。 8月6日，SpaceX和Tesla正式公布Terafab建设计划。 这座超级芯片工厂位于美国得州Grimes County，首期投资规模为168亿美元。 按照规划，Terafab未来将整合芯片制造、封装和测试能力，并服务Tesla自动驾驶、机器人以及SpaceX相关AI计算需求。 对马斯克来说，这从来不是“建一座晶圆厂”那么简单。 他试图打造的是一个围绕自身AI业务的计算基础设施中心。 168亿美元之后， Terafab距离现实还有多远？ 8月6日公布的168亿美元首期投资，让Terafab第一次从一个宏大设想变成了一个有明确地点和资金支持的项目。 但这个数字也引出了一个更根本的问题：Terafab究竟要建多大？ 外界此前看到过两个完全不同的数字：一份约550亿美元的阶段性投资计划，以及最高1190亿美元的多阶段扩建规模。而168亿美元，只是目前确认的第一阶段投入。 从规划来看，Terafab的目标非常激进。项目位于得州Grimes County，规划制造空间超过1亿平方英尺，将整合芯片制造、封装和测试，同时面向Tesla汽车、Optimus机器人，以及SpaceX的未来高性能计算需求。 马斯克曾提出，Tesla和SpaceX未来对计算能力的需求将超过1太瓦。但这个数字并不是传统意义上的用电规模，而是马斯克对未来计算需求规模的描述。 至于这一目标对应的芯片类型、晶圆产能、制程组合，以及如何通过一座晶圆厂实现——暂时还无法从公开信息里找到答案。 无论如何，这些数字确实能体现出马斯克的野心。 马斯克过去最擅长的事，就是闯入那些被认为“不可能”的领域。 SpaceX重塑了火箭发射，特斯拉改写了电动车产业，他的方法论也一脉相承：通过垂直整合，把原本依赖外部供应链的核心能力，逐步攥回自己手里。 但半导体制造，有着完全不同的规律。 一座先进晶圆厂，不只是一栋厂房加一批设备，它背后是一套长年累月才能养成的制造体系：稳定的供应链、经验丰富的工程团队、成熟的工艺流程，以及经年累月优化才能爬上去的良率。 这些能力，很难通过资本投入快速复制。 过去十年，全球半导体行业已经投入数千亿美元建设新的晶圆制造基地。 但事实证明，即使是英特尔、台积电、三星这样的半导体巨头，新建先进晶圆厂也远比想象中困难。 英特尔俄亥俄州项目2022年宣布，200亿美元砸进去，原计划2025年投产，如今拖到2030至2031年；台积电亚利桑那州工厂2020年动工，120亿美元，原计划2024年量产，因工人和设备问题推迟到2025年；三星得州工厂2021年开工，170亿美元，原计划2024年运营，推到2026年。 三家巨头，没有一家按期交卷。 说到底，建先进晶圆厂的难处不在于钱。在于怎么把那些钱，变成一条能稳定运行的产线。 而Terafab面对的难度，可能更高。 它不只是建一座晶圆厂，还要整合芯片制造、封装、测试，以及面向Tesla、SpaceX等业务的定制化需求。首期投资168亿美元，未来完全扩建后，规模可能达到数百亿美元。 这也是Gary Jiang加入Terafab的意义所在：他能在最早期的阶段帮上忙——怎么建厂、怎么导入制程、怎么让产线转起来。他有这方面的经验。 但一座晶圆厂最终能跑起来，靠的不是某一个工程师。 即使有经验丰富的Fab管理者坐镇，依然需要整个半导体生态托底：设备、材料、工艺、工程团队，以及那些年复一年才能养出来的制造经验。 现在的Terafab早已不只是一个概念，它有了明确地点、投资规模、合作伙伴，也有了Gary Jiang这样的制造负责人。 但从一张蓝图，到一座能够稳定生产先进芯片的晶圆厂，中间还有相当漫长的距离。 马斯克曾经证明，工程整合可以改变传统行业。 而Terafab真正要回答的问题是： 马斯克能用SpaceX的方法，造出下一座台积电吗？

高收益、零风险、稳赚不赔，这是电信网络投资诈骗最经典的话术套路。不少投资者被高额回报诱惑，轻信陌生平台、陌生社群的投资谎言，一步步落入骗子精心布设的骗局。近日，广东深圳一名市民就深陷五十余人的虚假投资群，险些被骗走全部8万元积蓄。 案件发生时，当事人仍沉浸在骗子营造的赚钱假象中，丝毫没有察觉自己早已身处骗局核心。 当事人 黄女士：我觉得我的钱是能够取出来的。 民警：小额给你是为了让你信的。 据了解，当事人黄女士平日里有炒股投资的习惯，对网络理财项目关注度较高。前不久，她突然接到一通陌生来电，对方热情推介所谓内幕投资项目，反复宣称项目稳赚不赔、收益极高。起初黄女士心存戒备、并未相信，可随后她被对方拉入一个看似氛围活跃的投资交流群。 当事人 黄女士：因为群里有很多人都在，我其实观察了很多天，看到别人赚钱了。 民警：那是托，都是他们自己人。 深圳市公安局福田分局福强派出所民警 林钊毅：这个群聊里有50多号人，每天都在对黄女士进行洗脑，诱导她参与高收益投资。群内有相应的话术，有人聊自己买了哪只股票、赚了多少钱；另有人声称在这个平台已经投入了很多钱，也赚了很多钱，让黄女士信以为真。 在持续的氛围洗脑下，黄女士彻底放下防备。随后，她点击对方发送的陌生链接，下载了一款未经官方认证的虚假证券App。 诈骗分子谎称，通过该平台可以获取特殊渠道资源，购买涨停股票、稳赚高额收益。为降低黄女士的戒备心理，骗取其信任，骗子先诱导她小额试水投资。黄女士投入4000元后，平台很快显示盈利，她也成功小额提现。 深圳市公安局福田分局福强派出所民警 林钊毅：后续黄女士为了继续验证该平台真实性，相继提现100元、200元、138元，都成功提现。 小额提现的假象，彻底打消了黄女士的顾虑。此后，她开始不断追加投资。诈骗分子看准时机，不断鼓吹投资窗口期、内幕专属消息，持续洗脑诱导，哄骗黄女士拿出自己仅剩的8万元全部积蓄投入平台。 为规避警方监管，诈骗分子专门要求黄女士通过线下现金交易的方式交付资金。就在黄女士即将全额交付现金、财产遭受重大损失的危急时刻，深圳警方依托大数据预警，及时发现了这起异常投资诈骗线索。 深圳市公安局福田分局福强派出所民警 林钊毅：火速赶往黄女士与诈骗分子约定的交钱地点进行蹲点收网，最终成功抓获取现的嫌疑人，并为黄女士追赃挽损8万元人民币。该案件正在进一步侦办中。 随着网络投资诈骗手段不断翻新，此类“全托式”精准诈骗隐蔽性极强、迷惑性极高，专门针对有投资需求、理财经验的人群精准下手。 警方提示，正规理财软件、投资平台均可在官方应用商店下载，任何陌生人私发的投资链接、二维码，背后基本都是虚假诈骗后台。

快科技8月10日消息，今日市场有消息称，携程已于上周五正式发放年中绩效奖金。值得注意的是，此次奖金发放恰逢企业遭遇天价反垄断罚单不久。 据了解，全业务线基本以95折为主：机票业务基准档位则分为A档2.5个月、B档2个月、C档1-1.5个月，在此基础上统一打95折；酒店、旅游等其他BU也都是95折的水平，目前已知少数最低档位能到87折。 今年7月25日，国家市场监管总局对携程开出重磅反垄断罚单，针对其滥用市场支配地位、强制酒店独家合作、限定全网最低价等垄断行为，作出罚没合计51.79亿元的处罚。其中包含退还商家订单储备金、没收违法所得及高额罚款，创下国内在线旅游行业反垄断处罚纪录。 针对这次的处罚决定，携程官方第一时间作出公开回应，表示诚恳接受、坚决服从。与此同时，携程内部还发放一封全员信。 信中明确表示公司整体业务运转平稳有序。用户预订、出行服务正常保障，国内外酒旅合作伙伴合作链路稳定，各业务线日常经营不受本次处罚影响，请大家安心在岗履职。 针对处罚指出的问题，公开信指出，公司已形成完整的整改措施并将对外公示。这些举措均已配套落地机制，整改核心逻辑，是主动引领行业破除无序内卷，搭建公平透明的市场环境，做大增量市场。 与此同时，携程呼吁公司全体人员，把握以下三点： 面对亲友、熟人问询：统一传递公司态度诚恳接受处罚，主动全面整改，严格落实监管各项要求，不推诿、不辩解； 面对合作商家、消费者：保持专业稳定服务，一如既往保障双方权益，用落地的整改行动和真诚服务替代口头解释； 面对网络舆论、外界批评质疑：无需焦虑争辩，我们落地的公平合作机制、产业扶持政策、长效合规体系，是回应所有声音最有力的答案。

IT之家 8 月 10 日消息，飞猪今天宣布推出旅行 AI 产品“飞猪帮帮”，能够帮助用户订机票酒店、做旅行攻略。 IT之家从飞猪官博了解到，飞猪帮帮可以进行旅行方案推荐，根据用户需求自动提供目的地、旅游路线。还能够预订机票、景区门票和酒店等。 同时，飞猪帮帮还可以通过对话帮用户改签机票、预订接送机、升级房型、开发票和填写外国入境卡等。 结合钛媒体报道，飞猪帮帮正在以周为单位迭代，包括多人出游规划、航班变动主动护航、行中点餐等在内的新功能即将上线。