行业分类:
加载中...
头条分类:
加载中...
为什么企业“会做营销”,成了反义词?
“都是营销出来的。”用户如果经常刷短视频的话,必然会在某些视频下面看到这类高热评论,即,有用户在评论中提到该视频是“营销出来的”,这种评论引发更多的人产生共鸣后,就有越来越多的人对该评论点赞,继而让这条评论成为站在前排的高热评论内容。 若将时间拉回到十几年前,外界对一家互联网公司或者传统企业的评价是“会做营销”,那么,必然是说这家公司营销做得好,是绝对的褒义词,对该企业的赞扬,甚至如果该企业确实会在网上做营销,那就会有一大波企业向这家企业学习营销的策略和方法,还会有人因为与这家公司的营销相关而成为“网络营销专家”,其他企业向“网络营销专家”学习的费用不菲,少则三五万,多则一二十万。 现在企业“会做营销”的评价,不仅仅是贬义词,更是一种反义词,用户在贬义的同时,还有着反讽的意味,为什么会出现这种情况?企业“会做营销”由曾经的宠儿、曾经众多企业竞相学习的对象,变成现在最普通的用户也很厌恶或者反讽的反义词,到底是哪些因素导致的这些情况? 1.信息不对称的“消失” 我曾在《网上的“信息不对称”永远存在》一文中提到过一个观点:网上的“信息不对称”永远存在,只要个体有差异性,信息差就会一直都在,而不是完全对称。这是面对的“信息不对称”的极端情况,而在如今大多数情况下,“信息不对称”消失了。 过去企业在网上做营销时候,面对的情况是从0到1的过程,其更多是解决品牌在网上的信息从0到1,让消费者和客户知道有这家公司,有这个品牌。在过去互联网上的信息比较缺失的情况下,用户对于信息的判断力不够,这就导致企业往往打一些“信息不对称”的牌,利用用户的“不知情”,故意搞一些“信息不对称”的营销案例,在移动互联网之前,这一手段是有效的,一方面,网上的信息比较缺失,另一方面,网民的规模也没有那么大,外界的判断力就比较受影响。 而随着移动互联网用户的暴增,国内网民基数进一步扩大,大多数品牌并不存在从0到1的问题,提到XXX品牌,用户可能没用过这个品牌的产品,但是一定听过这个品牌的相关信息。 在网民规模扩大的过程中,越来越多原本不上网的群体开始进入,特别是行业从业者的加入,他们既是普通网民,也间接参与了互联网内容的产生,也有越来越多的行业资深从业者成为行业科普作者。 汽车、食品、家电等各种各样的行业中,都有专业人士在网上进行科普和拆解,而企业在营销宣传中提到的304不锈钢、316不锈钢、健康、无糖、手工制作等等概念,都会有许许多多的人拆解和解读。包括企业故意利用专利来做营销,XXX关键词,竟然只是它的专利名称,最终却误导了用户。 过去这些典型的“信息不对称”,随着专业人士的加入而逐渐消失,只要用户有心去了解,就能看到更多企业在营销宣传上玩的“花招”。 2.营销脱离实际 追逐流量的人,最终会被流量所反噬,这是网上流传得非常广的一句话。对于企业来说,其在营销上也会出现类似的情况,即企业为了达到更好的营销效果,而坠入营销的陷阱之中。 为了营销而营销,这就是误入歧途。比如,明明是一组很普通的材料,故意将其宣传成一个非常了不得的东西,在企业PPT的一排排大字之下,看着非常好,但大字之下,竟然有一排排几乎看不清的“小字”。 过去的营销是为了让用户知道品牌、知道产品,现在的企业营销不仅包含品宣功能,还包含隐性竞争,在跟一众同类品牌竞争的过程中,企业为了能脱颖而出,能显得自己比较突出,往往就会采用一些比较夸张的营销方式和口号,这就导致其营销的东西和产品脱离了实际。 无论是产品功能,还是产品材料方面,都大大超出其宣传的点。企业将营销当成了重点,而忽略了产品本身的特点,它到底有没有企业宣传得那么好?那么强?当企业在营销上用力过大之后,用户在产品端用起来却不是这么回事儿,自然就对企业的营销祛魅。 汽车、食品、家电、手机等消费品还涉及到的一个问题是,就因为它的产品销量大,反而会出现一种情况——好事传天下,坏事也传天下,企业在更大范围内要保证的第一点就是产品品控,就像手机,一个季度出货量几千万台,如果本身品控不行,导致产品出问题,那么用户在产品端的“用户体验不好”也会扎堆,继而出现更多的负面营销。 在某个时间段内,短则半年,长则一两年,企业通过移花接木、把平凡的东西神奇化、用专利名套产品名等一系列营销方式都是非常有效的,但随着时间的推移,随着行业竞争的加剧,随着越来越多的人进行更细的、颗粒化的拆解和解读,再加上其产品表现,营销所带来的神奇效果都会烟消云散。 一个品牌、一家企业,要想长期靠营销技巧来“忽悠”近11.25亿网民,难度会非常非常高,最核心的还是一点:企业本身的产品和品控,有些企业老板会宣称,自家公司的营销不行,真的是这样吗?如果一个产品本身足够好、足够有优势的情况下,自然不会缺消费者,怕就怕这是企业老板自身的“骄傲自满”。 如果说过去流行的是“夸张”营销,当下其实更流行“朴实”营销。 3.“会做营销”与营销费用高挂钩 用户对“都是营销出来的”的揶揄之处还在于,用户认为企业在营销的过程中,花费了较高的营销费用,这并非空穴来风。一方面,企业在营销过程中邀请的明星代言;另一方面,企业铺天盖地的线上线下广告,这些营销广告固然增强了品牌和产品的曝光度,但对于用户来说,他的潜意识里就会认为,企业花费了较高的营销费用。 由于上市公司有财报要求,通过财报中的营销支出,用户也能看出一些企业在营销过程中的成本支出,在这种“硬数据”支持下,用户心理上也会认为,企业“会做营销”是指会“花钱”,而这种标签所引导的连锁反应就是,用户认为这些产品要么不值,要么不好。 一款产品如果它确实在营销上的成本较高,那么,其产品售价必然不低,而作为消费者,用户在买产品的同时,也间接支付了营销费用,这样一想,用户自然心里不爽,看到售价后,用户只能“避坑”。 企业“会做营销”的双重隐喻:一是暗含夸张宣传;二是产品在营销上花了较多的钱。现在企业如果被贴上“会做营销”的标签,那肯定不是什么好词儿。 反之,如果企业太“老实”、不会营销,是不是好事情呢?也不是。现在每个行业的竞争都很激烈,营销的本质就是在抢客户资源,如果你不做营销,那用户也不会因为你“老实”或不会营销就跑到你这儿来。 过去外界常常提到产业升级,其实在营销方面,同样存在这个问题,即营销的升级,这种升级当然不是靠移花接木、鱼目混珠、夸张搞信息不对称,而是实打实的,结合产品的实质来做营销。 过去企业的营销并不直面用户,而现在的企业营销,在互联网这个“放大器”之下,企业将直面11.25亿网民,它的难度更大,它的营销方式和手段也需要升级,这就需要企业对群体认同和普遍的消费心理做研究。 最近有些曾被贴上“会做营销”标签的企业出现营销“翻车”的情况,其本质原因就是,在企业面对用户群体扩大的时候,不够审慎;在宣传产品的时候,过于脱离实际,继而导致诸多用户恼羞成怒。 用户已经成长了,而企业,似乎还停留在“成功”的过去。
外卖降温,京东该打具身智能牌了
具身智能仍然处于发展早期,相比沉重的外卖业务,增长靠大环境的电商,京东在具身智能展现影响力的可能性更大。相比于传统的平台逻辑,扎根硬核科技或许更加有效。 作者 | 卢 梭 编辑 | 金 晓 5月14日开始,Figure AI开启了一场马拉松式的“枯燥”直播。 在镜头前,Figure 03人形机器人“机械地”进行着分拣包裹的工作。零人工干预、完全自主、无监督、工厂式轮班。 截至目前,直播已经进行了127小时,分拣了近16万个包裹。直观将具身智能对物流产业的影响展现了出来。 这场变革,应当是京东的主场。 最新的一季报,京东物流成为最亮眼的板块,营收增长29%,与之相比,新业务增长9%,零售仅微增1.8%。 相比需要持续输血的外卖业务,真正需要重视的潜在王牌其实是具身智能。 Part.01 外卖卷不动了 在一季度财报中,京东外卖业务失速。 去年同期,京东刚刚开打外卖战,新业务营收57.5亿,增长了18%,基数并不算高的情况下,今年一季度,京东营收63亿,同比只增长了9%。 横向对比可能更加直观,阿里以外卖为主的即时零售收入200亿,同比增长57%。 但与此同时,外卖对京东现金流、利润的打击依然在延续。 新业务经营费用达到122亿,同比增长389%。 由于费用开支较大,京东的利润受到了明显影响。在零售业务经营利润增长16%,物流业务经营利润增长6倍的情况下,新业务亏损103.5亿,直接将整体利润拉低。经营利润率为-164.9%,这是进军外卖业务以来的最差利润率表现。 归属净利润51亿,比2025年的109亿下滑了53%。 不仅如此,外卖业务当前也是京东妥妥的吞金兽,截至期末的现金及现金等价物等总计2157亿,比期初减少了97亿。自由现金流从376亿减少到216亿,同比下滑74%。 外卖业务是典型的低投入产出比的赛道,投入巨大,问题总是难以避免。4月17日,市场监管总局公布一批重磅处罚,众多平台因网络餐饮食品安全违法被集中罚款,其中京东被罚6.35亿元。 这样的状况,更像是京东在硬着头皮做外卖业务,前期大规模投放到现在,京东并没有太大的意愿进一步做大份额。对外,京东关于外卖的口径已经开始重视盈利。其财报显示,京东外卖的单均损益持续改善,总投入规模环比进一步明显收窄。 在财报会议上,京东CFO单甦明确表示,外卖业务最终一定会实现盈利。 审视京东的外卖业务,进一步抢下份额需要更多投入,已经不符合京东的策略。慢下来,经营好现有的份额,是京东的思路。 七鲜小厨是京东外卖扩张的主要抓手,截至第一季度末,七鲜小厨已覆盖北京、上海、广州、深圳、天津等多个城市。围绕着七鲜小厨,京东对外的期待,很难说是能抢下多少规模,更多是协同效应。 也就是财报所说的,“京东外卖持续释放与核心零售业务的协同效应,特别是用户增长、购频提升、跨品类购买等方面。” 做用户增长、复购率、带动即时零售,这是电商做外卖的主要价值所在。京东、淘宝皆是如此。 Part.02 零售业务沉重的增速 电商业务已经处于缓慢增长阶段,这是整个电商产业不得不面临的问题,外卖究竟能为此带来多大的增益,至少目前京东阿里都没有体现出来。 外卖业务的协同效应,京东在财报沟通会上提到了几个方面。 首先是消费端,包括用户规模、购物频次、购物行为。一季度,京东DAU和季度购买用户数同比增长均超过20%,年活用户规模历史新高。外卖业务带动了整体购物频次同比增长37%。商超等日百品类以及京东秒送业务上,外卖用户的跨品类购买行为在加强。 其次是供给端,丰富了餐饮、商超、日百等多品类商品和商家的供给。 第三是履约协同,平台正在打通、测试外卖履约和物流的协同效应,提升京东即时配送的能力和效率。 然而,这三项仍然抵不过大环境给电商业务带来的冲击。在外卖业务进展一周年后,京东一季度零售业务2686亿,同比微增1.8%。商品收入2448亿元,同比增长了1%。主营业务中,3C下滑了8.4%,若不是日用百货商品收入增长,整体零售业务很可能会出现下滑。 此前整体业务的增长,也并非外卖等新业务带来的帮助,而是“国补”带来的增长。2024年8月,国补启动,首期“8+N”主要便集中在冰箱、洗衣机、电视、电脑等家电和3C领域。京东是最大的受益者之一,从“国补”落地开始,京东就恢复了两位数增长。 而如今,“国补”造成的高基数,使得京东很难延续增长势头。全球存储成本上涨,抑制部分的消费需求,进一步导致3C业务承压。京东预计,“国补”更高基数的影响,再叠加涨价对手机、电脑品类的消费情绪影响,带电品类的销售预计还会阶段性承压。 日用百货是京东真正的增长动力,一季度收入1126亿,同比增长14.9%。最近几个季度,日用百货一直是双位数增长。但这并非外卖业务的帮助,而是京东策略的变化。 2023年7月,京东自营开放给第三方卖家。把自己流量最高的业务板块拿出来给第三方。2024年,京喜升级为京喜自营,推出“全托管”模式,京东承担定价、营销、交易、售后的环节。此外,“二选一”模式在明面上遭遇了打击,这些都让京东日用百货得到了发展机遇。 也就是说,虽然外卖业务的确可以带来业务协同,但真正决定京东电商业务发展的,还是宏观环境,外卖的盘子只有整体营收的2%,很难体现出作用。 为了这2%,京东牺牲了现金、牺牲了利润,代价巨大,投入产出比太低。而真正面向未来的产业,正在从京东的指尖溜走。 Part.03 具身智能的天然优势 相比外卖业务对现金、利润的巨大消耗,电商平台难以获得α增长,具身智能才是京东最可行的赛道。 具身智能已经被赋予了万亿规模的想象力。中商产业研究院披露的数据显示,2025年中国具身智能市场规模约9150亿元,同比增长20.4%。中商产业研究院分析师预测,2026年中国具身智能市场规模将达到10904亿元。 作为当前的热门题材,具身智能也是与京东最为贴切的产业。 一方面,京东对具身智能有明确的需求。截至2025年底,京东的仓储及配送人员达到62.3万人,同比增长了38%。短短一年增加了17.7万人。这里面,配送是绝对的多数。这全部签正式劳动合同,全额缴纳五险一金,需要巨大的资金。在仓储、分拣等环节,如果可以引入具身智能机器人,将很大程度上优化成本。 另一方面,京东在机器人领域已经有产业应用。京东早在2016年就开始布局机器人领域,其自主研发的仓储机器人日处理订单量超过百万级,配送机器人已完成超过200万公里的自动驾驶里程测试。 然而,直到目前,京东并不算是严格意义上的具身智能概念股。相比于宇树、智元、优必选等具身智能公司,小米、小鹏、荣耀等跨界公司,京东的立足点不在硬件,其目前最拿得出手的,是“异狼”机械臂,专为包裹抓取和码笼设计,有助于提升包裹的分拣效率。 对于具身智能行业,京东的思路是平台。具体而言,京东主做的是两个方向:平台交易、基础设施。 前者,去年8月的世界机器人大会,京东打出了“买机器人,上京东”的口号。 后者,京东启动“智能机器人产业加速计划”,计划投入超百亿资源,目标三年内助力100个品牌销售破10亿。 围绕着两个方向,4月16日,京东推出“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施,自研超高清采集终端JoyEgoCam、具身大模型JoyAI-RA、具身智能数据交易平台等。 京东VP此前表示,“我们希望打造开放的机器人生态,让机器的功能和体验更好、卖得更多,实现消费者、机器人品牌与京东的共赢。” 从这个视角看,京东基本不太可能下场做硬件,而是继续围绕着电商平台做服务。这并不是围绕着物流业务的横向扩张,而是围绕主营业务的品牌赋能思路。 无法做硬件的最大短板依然是研发。一季度,京东研发投入69亿元,同比大增49%。但占营收比重只有2.2%,远低于营销开支的3.5%,履约开支的7.4%。京东虽然在提升研发开支投入力度,但目前的投入规模,难免被具身智能硬件公司甩开。 现阶段,估值最高、想象力最丰富的领域是硬件。从国外的Figure AI、Optimus,到国内的宇树、智元、优必选等,硬件是真正站在具身智能舞台中心的企业。 “卖水”自然能够在热门赛道中获益,但电商严格意义上并不算是“卖水”,平台思路下,京东无法在产业链条上不可或缺,也无法通过产业链下游的主导地位,获得定价权。 但具身智能仍然处于发展早期,相比沉重的外卖业务,增长靠大环境的电商,京东依然有更大的可能性在具身智能展现影响力。相比于传统的平台逻辑,扎根硬核科技或许更加有效。
学习新语|国际博物馆日,听总书记讲文物故事
  “博物馆很重要,我从小就爱看博物馆”“我曾多次到国家博物馆参观,留下了深刻印象”“一个博物馆就是一所大学校”……对于博物馆,习近平总书记情有独钟。   从国内考察到出国访问,总书记常常走进不同类型的博物馆、纪念馆,有时更是亲自担任“讲解员”,以深厚的文化情怀躬身示范“让文物说话、把历史智慧告诉人们”。5月18日是国际博物馆日,一起听总书记讲文物故事。      向特朗普总统介绍中国历史文化   天坛和故宫,都是凝聚中国传统文化精髓、展现中华文明突出特性的重要标识。   2026年5月14日,习近平总书记陪同来华进行访问的特朗普总统参观天坛。参观中,总书记指出,2017年我们沿着北京中轴线参观了故宫。今天参观的天坛和故宫同龄,寓意“天圆地方”,展现出中国人的宇宙观和处世哲学。   特朗普总统对9年前的故宫之行记忆犹新。在参观故宫博物院时,总书记向特朗普总统介绍了故宫的历史,指出故宫是了解中国历史文化不可或缺的窗口。在太和殿,总书记一边走,一边向特朗普总统介绍太和殿的历史。这是中国现存最大的单体木构殿宇。明清两代的重大典礼以及春节等节日庆典都在这里举行。特朗普总统听得非常认真,称赞故宫布局宏伟,感叹中国历史文化源远流长,博大精深。      讲解纪念馆展品背后的故事   2019年8月,在甘肃考察的习近平总书记来到中国工农红军西路军纪念馆,瞻仰中国工农红军西路军纪念碑和阵亡烈士公墓,参观纪念馆,向革命先烈敬献花篮。   在纪念馆,总书记频频驻足,仔细阅读、观看展室内的图片、文字解说、文物等,在一些展品前,还为现场人员讲解了展品背后的故事。纪念馆工作人员印象深刻:“总书记非常关注和了解西路军的革命历史。”   “历史就是这么书写的:为有牺牲多壮志!他们作出的重大的不可替代、不可磨灭的贡献,永载史册。”总书记动情地说。      妙喻“陶瓷中的熊猫”   2019年5月,亚洲文明对话大会开幕式前,习近平总书记同出席开幕式的外方领导人共同参观正在国家博物馆举行的“大美亚细亚——亚洲文明展”。在参观中,他以“陶瓷中的熊猫”的妙喻为出席亚洲文明对话大会的外方领导人讲解元代青花瓶。   “元代的青花瓶保存下来非常少,这件藏品可以说是陶瓷中的熊猫。”面对精美文物,总书记信手拈来的幽默妙喻,给远道而来的外国领导人留下深刻印象。   灿若星辰的文化瑰宝,是中华文明的金色名片。总书记生动讲述文化瑰宝背后的中国故事,让这张金色名片闪耀世界。      像专家一样熟悉文物的细节   2016年,习近平总书记对秘鲁进行国事访问期间,在秘鲁国家考古人类学历史博物馆出席中拉文化交流年闭幕式并参观了“华夏瑰宝展”。活动现场,总书记饶有兴趣地讲起中国文物背后的文化故事,成就中拉人文交流史上的一段动人佳话。   西周“师载”铜鼎、秦朝铠甲武士俑、鎏金铁芯铜龙、唐三彩骆驼……百余件中华文化瑰宝串联起中华文明历史长河。在兵马俑前,总书记向一同观展的秘鲁领导人说,“这件文物来自中华文明的发源地,陕西。也是我的老家”。   对时任博物馆馆长伊万·盖齐而言,当时场景至今历历在目。“一位世界大国的领导人能像专家一样熟悉文物的细节,让我们这些考古学家感到很惊喜。”盖齐称他非常钦佩总书记对文明和历史的深刻理解和独到见解。      策划:石锋 吴丹   统筹:黄庆华 周年钧 陈诺   主笔:唐颢宸   制作:刘美子 夏园园   新华社新媒体中心制作   新华社出品
年终奖值一套房的韩国存储造富神话,快传到中国了
AI还在烧钱,但有人已经为了分钱“发愁”了。 在韩国,一场围绕“AI红利如何分配”的争论正在上演,SK海力士和三星靠AI存储赚得盆满钵满,员工盯着奖金,投资者盯着股价。 韩国总统府政策室长金容范甚至提出,每个韩国人都应该分钱。 当AI在上游制造出如此集中的财富,大家突然不知道该如何是好了。 AI带动的存储热潮不仅发生在韩国,就在5月17日,长鑫科技更新的科创板IPO招股书赫然显示,其一个季度净利润达到330.1亿元。 甚至连普通消费者,都能从各品牌旗舰手机较前代动辄1000元的价格涨幅里,看出存储芯片的抢手。 1 AI带来的巨额红利,让韩国人吵起来了。 一切的起点,是SK海力士夸张的奖金数字。 韩国金融信息机构Yonhap Infomax汇总17家券商报告后给出的共识预测显示,SK海力士2026年营业利润可能达到227.8万亿韩元。 光看这个数字可能没什么实感,但要知道,SK海力士的机制是“营业利润10%作为绩效奖金池”。 若以约3.5万名员工平均分摊,单名员工税前绩效奖金可能超过6亿韩元,约合人民币300万元以上。 都知道AI这个赛道发烫发热,但这一切从未如此直观——一家芯片公司的员工,可能拿到相当于首尔一套小房子首付的奖金。 即便最后实际发放金额会受到公司政策、利润确认和内部规则影响,这个预期本身已经足够刺激韩国舆论。 就怕同行眼红。三星员工很难不拿自己做比较。 三星员工方面希望获得更高工资,以及更明确的利润分配机制。相关行动预计在5月下旬展开。 三星同样是韩国半导体的代表,也同样受益于AI存储需求,但在HBM上过去一段时间并没有SK海力士那么顺。公司赚钱、行业景气、同行分红,这几件事叠在一起,共同促成三星内部围绕薪酬和奖金机制的谈判。 到这里,争议还只是企业内部的。 但争议很快扩大了范围。 如果AI存储这么赚钱,难道这只是几家企业、少数股东和芯片公司员工的功劳吗? 韩国总统府政策室长金容范就提出,韩国可以考虑建立一种“公民红利”机制,把AI和半导体繁荣带来的部分收益,以更结构化的方式返还给国民。 按照他的解释,韩国今天能在AI基础设施时代吃到红利,并不只是因为几家公司押中了HBM,也来自韩国过去几十年积累下来的产业基础、人才体系、制造能力和政策支持。 换句话说,AI存储的利润表面上是SK海力士和三星的,但支撑它们走到今天的,是整个韩国长期投入形成的产业土壤。 既然如此,当这轮繁荣带来额外收益时,韩国国民是否也应该分享一部分? 这个说法很快让市场抖三抖: 这什么意思?“AI暴税”要来了? 投资者担心,“AI”“半导体”“超额收益”“全民分红”几个词放在一起,可能意味着韩国政府要对三星、SK海力士等AI受益企业加征额外税负。 恐慌情绪立刻体现在韩国股市上,KOSPI指数盘中一度下跌5.1%,收盘跌幅收窄至2.3%。 随后,韩国总统李在明亲自出面降温。 他解释称,金容范讨论的不是把企业超额利润拿来分红,而是把AI领域超额利润带来的国家超额税收,以公民红利形式返还给公众。 怎么说呢,不管在语义上如何掰扯,外界感知到的核心论调貌似没有错——AI存储太赚钱,每个韩国人都应该从中获利。 AI存储热由此不再只是一个产业故事。 它先是推高了SK海力士和三星的利润,又推高了员工、股东和政府各自的预期。现在,韩国更是在讨论“全民分红”的可能性。 当AI开始在上游制造巨额收益,这笔钱到底该流向哪里? 2 怪就要怪一切变化太剧烈,一个原本靠价格周期吃饭的行业,突然被AI变成了财富机器。 过去,存储芯片是一门典型的周期生意。 手机、电脑、服务器卖得好,DRAM(Dynamic Random Access Memory,动态随机存取存储器,通常指电脑和服务器里的内存)、NAND(NAND Flash,闪存,常用于手机存储和固态硬盘)价格就涨;三星、SK海力士、美光这些厂商利润就上来;一旦需求转弱、库存堆高,价格很快下跌,利润也会跟着消失。 但如今,AI服务器开始大量消耗高端存储。 大模型训练和推理不只需要GPU,也需要大量高速读写的数据通道。HBM(High Bandwidth Memory,高带宽存储器)原本是一个相对专业的芯片品类,如今却成了AI服务器里的关键部件。 英伟达的AI芯片越卖越多,围绕它的高端存储需求也被同步拉高。存储芯片因此不再只是手机、电脑的配套零件,而成了AI基础设施的一部分。 SK海力士是这一轮最典型的受益者。 它较早进入英伟达AI芯片供应链,踩中了HBM需求爆发的窗口。 2026年一季度,SK海力士营收达到52.58万亿韩元(约合2366亿元人民币),营业利润达到37.61万亿韩元(约合1692亿元人民币),营业利润率高达72%,创下季度新高。 SK海力士正在逼近1万亿美元市值,有望成为三星电子之后下一家迈入万亿美元俱乐部的亚洲芯片公司。 而在16个月前,它的市值还不到1000亿美元。2025年它的股价上涨274%,2026年以来又上涨超过200%。 三星的情况稍微复杂一些。 在HBM上,三星过去一段时间被SK海力士压过一头。SK海力士更早进入英伟达供应链,也更直接吃到AI服务器扩张带来的红利。 但三星仍然是全球最大的存储芯片玩家之一。只要AI服务器继续消耗大量DRAM、HBM和NAND,三星就不可能被排除在外。 业绩表现已经说明了这一点。三星电子一季度营业利润达到57.2万亿韩元(约合2574亿元人民币),创下纪录;其中芯片部门营业利润达到53.7万亿韩元(约合2417亿元人民币),占当季总营业利润的94%。 公司也表示,客户持续投入AI基础设施,正在推高内存芯片价格。三星还称,已经在2月开始为英伟达Vera Rubin平台量产销售HBM4芯片,并预计今年HBM收入将比去年增加两倍以上。 两家公司股价的上涨,也直接改变了韩国股市的重心。 路透社称,KOSPI今年以来上涨超过86%,很大程度上由AI半导体行情推动。 3 韩国最先吵起来,是因为三星和SK海力士在韩国经济里的分量很重。但这轮存储热不止发生在韩国。 比如在美国,美光也成为了受益者。 它和三星、SK海力士一样,是全球少数几家大型存储芯片厂商之一,产品覆盖DRAM和NAND。 MarketWatch数据显示,美光股价2026年以来已上涨178.7%,同期费城半导体指数上涨69%,标普500指数上涨8%。 中国存储企业也在追赶这个窗口。 长江存储主要做NAND,长鑫科技主要做DRAM。据快科技长江存储最快可能在6月中旬向科创板提交上市申请,市场预期估值约3000亿元人民币。 长鑫科技也在推进资本化。据21世纪经济报道,长鑫科技计划A股上市,募资约295亿元人民币。据每日经济新闻,5月17日,长鑫科技披露的科创板招股说明书(申报稿),今年一季度,公司净利润突破330亿元,赚钱能力超越贵州茅台。 要知道,一年前的同一时期,长鑫科技还深陷亏损泥潭,净亏28.25亿元。 这些动作说明,AI存储热不只是在给老牌巨头送钱,也在给更多企业打开融资窗口。只要AI服务器继续推高高端存储需求,扩产、上市、融资,就会成为这个行业接下来很长一段时间里的关键词。 同一轮供需变化,让上游赚到更多钱,也让下游采购成本上升。 存储产能并不会因为需求猛增就“大变活人”。更多先进产能被分配给HBM、服务器DRAM和企业级SSD,留给手机、电脑等消费电子的供给就会变紧。 TrendForce预计,2026年第二季度,常规DRAM合约价将季增58%至63%;它还提到,AI服务器需求保持强劲,PC和智能手机厂商则开始调整产品配置,以控制NAND成本。 普通消费者也能感知到变化。 例如手机行业已经开始承压。《齐鲁晚报》报道,存储成本占手机物料成本的比例从以往的10%-15%骤增至30%-40%,多数国产厂商因缺乏供应链议价能力,只能被动转嫁成本,导致终端售价上涨。 自2026年3月以来,国内主流国产手机品牌已经纷纷上调售价。小米、荣耀、OPPO等品牌的旗舰机型涨价千元左右,多品牌中端机型也普涨300元到500元。元机市场集体退市,国产手机起售价普遍上探至1299元以上。 AI存储热在不同环节呈现出来的样子完全不同。它是相关企业的利润、股价和奖金;也可以是超额税收和“公民红利”的讨论;再往下游走,又变成手机厂商、电脑厂商和服务器厂商的采购成本。 钱沿着AI产业链一路流动,每经过一个环节,就换一副面孔。 随着AI继续推高存储、芯片和数据中心的成本,类似的争论还会反复出现。
Token经济时代,AI公司如何“反脆弱”?
3月中旬,在英伟达GTC 2026大会上,黄仁勋围绕Token的爆发式增长,做了一番令人振奋的发言:数据中心不再是文件仓库,而是生产Token的工厂。 “在Token工厂里,你的吞吐量和Token生成速度,将直接转化为明年的精确收入。”他说。 这番话并非虚无缥缈的畅想,而是对AI行业商业模式跃迁的精准总结——Token正在成为新时代的电力和石油,极具战略价值,且需求极为刚性;AI公司卖API、卖会员、卖广告,都不如卖Token有前途。 这套逻辑随后被冠以“Token经济”的名头,迅速席卷全球,并在AI行业激发广泛而深远的回响。 Token经济最直接的影响之一,是让AI公司售卖Token的基本商业模式,披上了充满想象力的外衣,并撑起了全球资本的热情。 今年以来,国内外许多头部AI公司完成上市,或拿到规模空前的新一轮融资,背后都有新概念加持的影子。 但在企业与资本的狂欢背后,隐忧开始浮现:Token经济,正在被简单地传导为“Token需要涨价。” 随着智能体取代Chatbot,AI服务的算力成本指数级上升。绝大多数AI公司倾向于把Token卖得更贵,以搭建一套符合逻辑、可持续运转的商业模式。 相对应地,各路资本追捧AI公司,同样基于这样的假设:Token经济时代,普通企业的Token消耗量一路飞升,而这会给AI公司创造源源不断的收入,稳定推升后者的长期价值。 Token涨价,似乎成为必然。 就在全行业大笔融资的同时,国内一些AI平台宣布涨价,或取消了较便宜的基础套餐,既包括字节、阿里、腾讯等老牌云服务,也有智谱这样的新贵。国外的OpenAI多次涨价,Anthropic也变相大幅提高了Claude Code的收费标准,引发大量吐槽。 然而在旺盛需求面前,AI公司通过涨价可以获得立竿见影的回报,也有可能造成供需两侧的矛盾:AI公司和普通企业都是Token经济的参与者,但一个雄心勃勃要涨价,一个却越来越不堪重负,期待价格平稳甚至下滑。 越来越贵的Token,正成为不少企业无法弃用,却又难以负担的“AI负重”。而AI公司依靠强势地位,强行涨价、逼迫客户多花钱,显然是一种非常脆弱的商业模式。只有在静如止水的理想竞争环境中,这种模式才有可能持续下去。 但日新月异的变化,恰恰是AI这条时代河流的最大特征。管理学大师纳西姆·塔勒布在《反脆弱》一书中指出:世界充满不可预测的“黑天鹅”事件。ChatGPT横空出世后的三年多里,AI行业的“黑天鹅”已经屡屡扇动翅膀,每一次都在全行业掀起变革浪潮。 AI公司不能祈求环境一成不变,依靠一套脆弱的商业模式赚钱,而是必须培育出“反脆弱”的能力,以适应变化、对冲波动,保持稳健的增长势头。正如《反脆弱》所言,脆弱者在波动中毁灭,强韧者仅能复原,而反脆弱者能从混乱、压力与不确定性中获益、变得更强。 AI公司需要回答一道难题:当Token经济时代全面到来时,该如何“反脆弱”,建立更有韧性的商业模式? 1 现阶段,Token到底是贵还是便宜? 一些AI公司的答案是“便宜”,还有上涨空间。 以智谱为例,它在今年2月宣布GLM Coding Plan涨价30%,原因是用户规模和调用量快速提升,市场需求持续强劲增长。其他公司在调价时大都采用了类似话术。 但对于任何一门生意而言,“因为不愁卖,所以要涨价”的商业逻辑,并不能长久运转下去。 充分竞争的行业终归会走向供需平衡,Token和AI也不例外。跑得更快的公司可以吃到先发红利,甚至暂时掌握“涨价权”;但当市场步入成熟期后,AI公司涨价的难度将越来越大,直至搁浅。 越卖越贵的Token,还掩盖了不少AI公司业务单一的短板。 这些公司把生产和销售Token作为唯一要务。企业除了购买API和MaaS,还需要自己搭建Agent矩阵、编排Skills,做业务适配和流程嵌入。 只知道卖Token的AI公司,很难培养起客户忠诚度,也无法构建用户生态。一旦别家Token更便宜、模型性能更强,客户就很可能流失。 也有一些AI公司认为,Token还是太贵了。 DeepSeek就持有这样的观点。 它在4月底发布V4预览版,各项技术指标十分出色,尤其是支持100万Token上下文,在长文本问答、减少幻觉等方面优势明显,完全有理由像同行一样涨价。 但出乎不少人意料,DeepSeek V4甚至比V3版本还便宜。发布48小时后,DeepSeek又将V4 Pro和Flash的输入价格(缓存命中)降低90%。 DeepSeek V4性价比惊人。根据OpenRouter的数据,处理相同长度的文本任务,DeepSeek V4的输出价格比GPT、Claude、Gemini等便宜了99%。 与此同时,DeepSeek还引入新技术,比如全新的混合注意力架构等,大幅降低了Token消耗量。据测算,在百万Token上下文设置下,V4-Pro每处理一个Token的算力消耗只有V3.2的27%,KV缓存占用只有10%。 以原生多模态大模型技术见长的商汤科技,也采取了类似策略。 不久前,商汤科技推出日日新SenseNova 6.7 Flash-Lite,一款全新的轻量化多模态智能体模型。与DeepSeek V4类似,商汤的新模型通过使用商汤科技的多模态大模型技术实现了Token消耗的大幅降低;在信息搜索等场景中,降幅可达60%。 同时,商汤还开启了免费试用活动。开发者选用SenseNova Token Plan,首月可免费获得无门槛调用配额,每5小时1500次调用额度。 商汤目的明确:既要降低Token单价,让企业用得起;又要降低Token消耗,让企业不担心一不留神“超标”。这两家AI公司采取的是“技术降本”策略,即通过迭代AI技术,以达到Token的大幅消耗,来降低企业使用成本,而非提价Token。 道理很简单:只有企业愿意用、用得起,AI公司才能玩转Token经济,才能“反脆弱”。只靠卖得贵来赚快钱,显然不是长久之计。 2 把Token成本打下来,是定价问题,更是技术问题。 一些公司选择追求SOTA,比如OpenAI、Anthropic,不仅要做到地表最强,还要比一比谁能首先实现通用人工智能,站在全人类的最前沿。 但也有许多公司的策略有所不同。 没兴趣刷榜的DeepSeek,把更多注意力放在了“AI+生产力”上。 根据DeepSeek的说法,V4在智能体任务、知识处理与推理能力方面表现突出,并针对Claude Code等主流AI编程工具进行了专项优化。 那么优化效果有多好?大模型评估平台Vals AI的测评结果显示,在代码生成方面,V4大幅领先所有其他开源模型。 可以说,DeepSeek做到了生产力场景下的SOTA。 商汤也采取了类似策略,选择了办公技能集(Skills)作为突破口。 它除了不断迭代新模型,还配套开发了全系列的办公Skills,且原生支持主流智能体框架。这样做的好处是,企业在应对不同场景、不同需求时,都可以快速搭建专属Agent,组成适合自身的AI工具箱,低成本快速部署和使用。 以SenseNova 6.7 Flash-Lite为例,这款轻量化多模态智能体模型原生支持OpenClaw、Hermes Agent等智能体框架,配合SenseNova-Skills,可以覆盖大多数办公场景,让企业快速形成端到端的复杂工作流,一键开启全自动办公。 比如,一家大型蔬菜企业希望让AI分析销售数据。SenseNova 6.7 Flash-Lite先是对连续3年的近90万行销售记录进行“数据审计”,确认数据正确后,再进行收入、成本、利润等财务指标分析,最终提供了“建立动态定价机制”和“调整品类结构”等五项精准建议,直接辅助企业管理层决策。 与DeepSeek相比,商汤对于生产力场景的理解更深入,打法也更有节奏:先抓住“稳”的高频场景,再探索“热”的场景。 “稳”的场景,就是打工人每天都在用的数据分析、深度研究、PPT创作、搜索等。这类场景业务流程清晰、容错率高、即时性较低,非常适合作为AI的首选“登陆场”。能够迅速打穿这类场景,来自于商汤在办公场景沉淀的知识和流程经验,以及在To B服务中积累的客户信任,当客户顺应AI势能而衍生新的技术赋能需求,商汤很快就抓住了。 “稳”的场景更高一层的则是“热”的场景,如视频生成、智能营销、具身智能等,与日常办公相比,其难度和要求上了一个数量级。再往上,则是金融、教育等要求极高的场景。 抓住这些从易到难的场景,就抓住了“AI+生产力”的本质。 同时,这也是AI公司接下来必须走的路。 AI大模型发展至今,“生产力”已经越来越重要。各类智能体取代Chatbot,成为核心落地场景。无论是个人还是企业用户,都希望用AI来干活、帮忙解决问题,而非只能聊聊天。 这也意味着,要想构建足够强韧的商业模式,AI公司必须以生产力为出发点,构建一整套低门槛、高上限的技术体系。 与单纯比拼大模型能力相比,手握这样一套“干活儿”的产品矩阵,AI公司才能尽可能抵消行业波动的影响,长期立于不败之地。 3 Token经济时代,AI公司需要改变经营范式和发展重心,而资本市场也正在调整对AI公司的估值逻辑。 过去四年间,资本更喜欢看哪家公司的大模型“刷榜”,谁的算力储备更多,哪家的AI App用户多等。 但如今,与生产力结合紧密的AI公司,越来越受到追捧。特别是在B端市场建立竞争优势的企业,堪称“当红炸子鸡”。 两大头部玩家仍在高歌猛进:OpenAI以8520亿美元的估值,完成了惊人的1220亿美元融资。最大对手Anthropic不甘示弱,最近被曝出融资300亿美元,市值达9000亿美元,首度反超OpenAI。在不少人看来,以AI编程见长的Anthropic,后劲比OpenAI更强。 “AI+生产力”,已经成为Token经济时代的企业价值催化剂。在这一块,DeepSeek和商汤已经站稳了脚跟,并逐渐得到认可。 5月初,DeepSeek被曝出寻求融资超500亿元人民币,有望刷新国内AI公司单轮融资纪录;投后估值更是突破3500亿元。 在许多投资者心目中,DeepSeek显然会比许多明星公司走得更远、飞得更高。 与一再震撼全球AI圈的DeepSeek相比,商汤低调了不少,但也具备自己的独特优势。商汤的“三位一体”战略包括了:算力基础设施(大装置)-大模型研发(日日新大模型)-AI应用,是AI行业不多见的全栈公司。 从2020年开始发力大模型,商汤一边推动模型和应用的研发,一边长期投入智算中心AIDC建设,打造了覆盖算力、模型与垂直应用的体系,实现了AI场景全栈覆盖,软硬协同,让商汤AI的综合实力位列行业一流。 而这一AI全栈能力,为商汤降低Token成本与价格奠定了根基。 与DeepSeek类似,商汤并非强行把价格打下来,而是“技术降本”,从源头上革新技术范式,为低成本Token创造空间。 以最新发布的SenseNova 6.7 Flash-Lite为例,它没有采用传统的“语言+视觉”拼接设计,而是通过原生多模态架构,取消了视觉转文本中间层。这样它能以更小的参数量完成任务,还可大幅降低推理过程中的Token消耗。在第三方权威机构Claw-Eval最新发布的测试中SenseNova 6.7 Flash-Lite进入全球TOP10,成为排名最高的轻量级模型。 此外,商汤具备一个独特优势:长期深耕B端。这让它拥有了应对不同层级客户、不同复杂场景的丰富经验。这些年来,尽管具体的业务形态发生了巨变,但商汤此前积累的行业认知和经营范式依然有效,为AI落地生产力场景奠定了良好的基础。 一个合理的判断是:商汤存在一定程度的低估,尚需具备长远眼光的投资者去真正“看到”。 再回到一开始的问题:AI公司该如何“反脆弱”? DeepSeek和商汤展现了“反脆弱”的禀赋。他们靠技术把Token价格降下来、帮助企业控制AI成本,同时又把“AI+生产力”作为出发点和目的地,跑出了一条独具特色的发展路径。由此产生的“反脆弱”能力,正在逐渐释放价值。 如今,DeepSeek的估值潜力刚被释放,就迸发出惊人光芒。与之类似,商汤虽然目前处于价值洼地,但随着“AI+生产力”场景愈发宽广,商汤也将释放行稳致远的增长潜力。AI行业的“反脆弱”,刚刚拉开序幕。
苏姿丰谈AI:在科技行业30余年,从未像今天这样为AI感到兴奋
凤凰网科技讯 (作者/许婧)5月19日,在今日举行的AMD AI开发者日活动上,AMD董事长兼首席执行官苏姿丰表示,当前人工智能的发展正处在令人振奋的历史节点。她坦言自己在科技行业已工作超过30年,但从未有过比今天更令人激动的时刻。 苏姿丰预测,未来五年内全球将有50亿人每天使用AI。而支撑这一规模的关键在于拥有合适的应用场景。她指出,不存在某一种单一应用或工作流能够满足所有人的需求,行业需要多样化的模型与工作流,才能真正利用AI改变生活和商业的方方面面。 她观察到,近几个月来AI的发展显著加速,大语言模型持续演进的同时,推理型AI也变得更加普及。企业界对AI的关注空前高涨,“每个国家的每一位CEO,无论企业规模大小,都在讨论如何利用AI更有效地影响业务。” 在技术层面,苏姿丰认为AI正在不断演变。开发者不仅需要处于核心位置的大语言模型,还必须赋予AI推理能力、学习能力以及数据流处理能力,使其能够持续推理、处理更多数据并不断学习迭代,这正是智能体的价值所在。 展望未来,苏姿丰判断GPU将无处不在,渗透整个生态系统,同时海量的CPU处理能力同样不可或缺。开发者需要完整的端到端计算体系,而这正是AMD的战略重点——提供从底层硬件到上层应用的全面计算能力。
学生用AI做作业行不行?清华这门课给出答案
快科技5月19日消息,现在很多学生写作业、写作文都爱用AI帮忙,到底能不能用、该怎么用,清华大学用一门必修课给出了答案。 清华写作与沟通课是全校大一新生都要上的通识必修课,今年春季学期,学校正式出台了AI使用指南,分成教师版和学生版,不直接禁止学生用AI,而是主动引导大家合理用好这个工具。 学校认为,与其强行禁止学生接触AI,不如主动规范用法。AI虽然能快速写出完整文章,但很容易让人产生能力幻觉,看似完成了作业,自身的逻辑思考和写作能力并没有真正提升。 这门课的核心不是凑出一篇文章,而是锻炼独立思考、整理思路、甄别信息的本事,这些都不能让AI全权代劳。 指南划定了清晰底线,要求学生坚守学术诚信,使用AI必须主动说明用途和使用环节,还要自己核实AI给出的资料和观点,不能照搬照抄。 老师也会刻意设计教学环节,让学生对比AI多篇文章,找出内容漏洞、文献虚构等问题,慢慢培养辨别能力。 课堂上老师也鼓励把AI当成参谋和助手,可以用来开拓写作思路、模拟访谈、拓展选题角度,但关键思考、查阅资料、论证观点必须自己完成。 不少学生会记录和AI的对话过程,方便老师判断是合理借用工具,还是直接偷懒让AI代做任务。 老师们也看得很清楚,AI随手就能写出及格水平的文章,但真正有思想深度、有独立见解的内容,还是要靠人自己沉淀和思考。 清华这门课的做法,就是让学生学会驾驭AI,而不是被AI替代,守住独立思考的能力。
杨立昆的一个转推,宣布Meta AI“已死”
文 | 象先志 前几天,Julia Kempe在X上发了一条告别帖:宣布即将离开Meta,下个月起加入牛津的Ellison Institute of Technology,继续做foundation models(基础模型)的基础研究。 但在杨立昆几小时内转推了她。 也许这位研究员并不为人所熟知,只要知道,他是杨立昆离职后,Meta内部研究方向最接近他的人,是纽约大学数学系Silver Professor(最高荣誉教席)就够了。 注意一个细节——杨立昆的页面上一直挂着一条签名式声明,第一句话是“I do not write posts on X.”(我不在 X 上发帖。)他几乎不原创发帖,一个月也转不了几条。但是这次他迅速转发了这条Meta的人事信息,似乎带有一种复仇的意味。 回到去年,小扎砸了 143亿美元请来的AI 急救方案亚历山大・王,加一个新建的Meta Superintelligence Labs(MSL)让杨立昆这样的传奇研究员不得不向一个 28 岁的年轻人汇报,从而导致了他从Meta愤然离职。而今天Kempa的离职,几乎已经宣判了小扎选择亚历山大・王的发展路径,已经走向绝路。 杨立昆的,就像给小扎和Meta下了一道判决:Meta的基础模型研究,永远也做不起来。 挖来的研究员,悉数离场 2025年6月,在Llama 4大模型发布后市场反响不佳的两个月后,Meta CEO马克・扎克伯格敲定了公司史上最大一笔对外投资:以143亿美元收购AI数据服务商Scale AI 49%的无投票权股份。此次交易对Scale AI 的整体估值为290亿美元,其创始人亚历山大・王(Alexandr Wang)个人所持股份对应价值约50亿美元。 此次收购案本质是一次人才收购,花143亿买王这一个人。Scale AI仍然独立运营,亚历山大・王保留原公司CEO身份,同时入主Meta 任新设立的 Chief AI Officer,直接向 Zuckerberg 汇报。 亚历山大・王只有28岁。 同步动作是大规模挖人。从OpenAI、Google、Anthropic、Thinking Machines Lab各家抢——光从Mira Murati的Thinking Machines Lab就一口气挖走5个创始人,包括传说中那个15亿美元的ghost engineer(业内多次报道,Meta 从未公开姓名)。 新成立的MSL被拆成4个组:亚历山大・王自己带的TBD Lab 做LLM、Rob Fergus带的 FAIR 改成MSL子团队做长期研究、Friedman带的 Products做消费集成、Aparna Ramani带的Infra做基础设施。 蓝图画得很大。Zuckerberg在2025年6月30日发的全员备忘录里把亚历山大・王称作 “this generation's most impressive founder”(这一代最让人印象深刻的创业者)。 然后9个月就走样了。 第一刀是2025年10月——亚历山大・王接手仅4个月,MSL砍掉 600个岗位。 第二刀是2026年1月——Reality Labs 准备裁员,让位给 AI。 第三刀是2026年3月——Meta 内部从“集中领导”改成“冗余领导”结构。新建Applied AI Engineering单元,由 Maher Saba 带,直接向CTO Andrew Bosworth汇报,不归王管。媒体当时的判断写得很直接:这一动作“ effectively strips Wang of absolute autonomy”(实质上剥夺了 亚历山大・王的绝对自主权)。 入主 9 个月,Zuckerberg自己开始收回授权。 接下来是 4 月。Muse Spark模型发布,被Wall Street描述为“有潜力,但投资者想看到战略”。然后是4月30日的Q1 earnings call——Bloomberg当天的报道标题:“Meta CEO Mark Zuckerberg Vague on Earnings Call About AI Revenue Plans.”(扎克伯格在财报电话会上对 AI 营收计划含糊其辞。)CEO自己也讲不清AI怎么变现。 到5月,出走潮开始。 至少8个MSL成员自去年7月以来已经离开。几个具体名字——Avi Verma:原OpenAI人,被Meta 高薪挖来,在MSL待不到一个月就跑回了OpenAI。 Ethan Knight:也回了OpenAI。 Rishabh Agarwal:在Meta 5个月后离开,去了Periodic Labs。 Julia Kempe也就是杨立昆转推的这位研究员:5月16 日宣布离开,下个月去牛津Ellison Institute做foundation models基础研究。 业内观察的原话是——越来越多前MSL员工正在对手公司浮出水面,OpenAI是常见目的地。 翻译一下:Zuckerberg斥巨资挖来的人,根本呆不住。Meta和小扎的急功近利,让所有专注研究的人都水土不服。 Kempa为什么重要? 简介来自纽约大学官网。 Julia Kempe是纽约大学数学系Silver Professor(最高荣誉教席),伯克利数学博士,2024年全职进Meta之前带过NYU数据科学中心五年。这种学术身份在硅谷工业实验室里是稀缺品。Meta把她挖进MSL,本身就是对外姿态——MSL不只是亚历山大・王的产品作坊,也有顶级学者愿意来。 她在MSL领导的是 Foundations of Reasoning Team(推理基础研究团队),专门给Llama装“会思考”的底子。Llama 3.3和Llama 4在推理上的能力提升,她是核心贡献者。 这个位置不能轻易换人——市场上不缺研究学者,缺的是同时具备学术声望、产品配合度、学术圈背书的人。她和LeCun同属一个学派,同在NYU Courant楼里,同样的欧洲数学背景,同样的研究品味。杨立昆年离开Meta之后,Kempe是Meta内部最接近他的那个替代者。 所以她离职不是一个研究员跳槽,而是Meta基础模型研究的崩塌。 她去的地方否决了亚历山大・王的整套打法,已经无法做成OpenAI、Anthropic那种工业实验室加规模扩张的路线,这是用自己的去向公开宣布:她不是放弃AI,她是放弃Meta的AI路线。 把她放回过去10个月MSL至少8个出走者的名单,她是沉没成本最大的那一个——其他人有的不到一个月就回OpenAI,可以解释为“水土不服”。Kempe待了将近两年,是看完内部运作之后做的判决。她都走了,剩下还在观望的研究骨干,门槛已经被她踩低了。 而Zuckerberg自己也在动摇。3月亚历山大・王已被部分削权,4月30日财报电话会被Bloomberg形容为“对 AI营收计划含糊其辞”。Kempe 5月16日离职,4天后Meta启动8000人裁员——这一切,很难被看作是巧合。 Llama 4开始,Meta就输了 回顾Meta的溃败,在去年初就已经开始了。 2025年1月,DeepSeek R1出来了性能逼近GPT-4,训练成本据称不到600万美金。硅谷震动。Meta慌了。 3个月后,2025年4月,Meta仓促发布Llama 4。当时业内的判断很直接:这是Meta对DeepSeek的回应。海外媒体当时的标题就是 “Meta's answer to DeepSeek is here.” Scout加Maverick两个模型先发,2T参数的Behemoth还在训练,号称做完会用蒸馏把能力下放给前两个。 然后Llama4翻车了。 Llama 4 Maverick在aider polyglot编码评测上只得了16%——同期Claude Sonnet 3.7 是60%上下。开源社区里Zvi Mowshowitz写了一篇推文标题就叫“Llama Does Not Look Good 4 Anything.”(Llama 啥都不行。)业内评价更直接:“Scout and Maverick feel like rushed responses to China, not tools for developers.”(Scout 和 Maverick 像是对中国的仓促回应,不是给开发者的工具。) 更难看的还在后面。Meta给LMArena提交的是一个叫 “Llama-4-Maverick-03-26-Experimental”的特殊版本——专门为human preference投票调过——一上线就刷到了LMArena 第一。社区识破后,LMSYS直接修改了leaderboard规则反制Meta。Meta自家的生成式 AI副总裁Ahmad Al-Dahle还得专门出来辟谣,但这个刷榜事件又让Meta再度抬不起头。 Llama 4不是技术失败,是节奏失败。 Meta想DeepSeek出来3个月就追上,做不到,所以选择刷榜。但刷榜被抓现行,比追不上更难看。 然后就是“牛油果计划”,但Meta在这个项目上的最新进展是:宣布延期。毫无疑问,难产的事实也完全做实。 更不必说最近Meta 对Manus的收购中止,整体看下来,虽然小扎对AI始终是望眼欲穿,但AI好像在追着Meta杀。所有的内部路线,几乎都走向了终结。 写在最后 横向对比来看——OpenAI、Anthropic、Google DeepMind 这三家,过去三年里没有任何一家用砸天价救场。OpenAI从Y Combinator时代慢慢长起来,Anthropic从OpenAI出走的几个人慢慢建队伍,DeepMind在Google内部默默搞AlphaFold搞了11 年。 只有Meta,一直在想花钱买条快路。现在这条路也接近终结。 这条路9个月就走不下去了。 更深一层的事是——Kempe这种人,离开MSL去牛津做基础研究,月薪可能不到她在 MSL package 的零头。学者用脚投票投的不是钱,是尊严。MSL给得起天价package,但给不出做研究的尊严。Kempe在 Meta 最后干的活是consumer agents,离她NYU实验室做的那种推理基础研究,已经相去甚远。 亚历山大・王接手后的MSL不是研究院,是一家急着出产品的公司。这种地方留不住有自己研究品味的学者。 这也不只是Meta一家的事。2025到2026这一年半里,整个硅谷都在抢人、砸钱、改名,所有公司都在向“应用导向 + scaling”靠拢。但有意思的是——最有水平的研究者反而在悄悄离场。 他们都不是去更大、更有钱的地方。他们是去更小、更安静、更纯粹研究的地方。 杨立昆用一个简单的转推,宣判了Meta AI模式的彻底死亡。 这一下转推,等于一封没有正文的离职信——离开 Meta 的不是 Kempe 一个人,是LeCun代表的整个纯研究派给扎克伯格交的一份联署信。 只有钱,买不来 AI 。

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。