IT之家 3 月 7 日消息，据科技媒体 Android Authority 今天报道，虽然谷歌 Pixel 11 系列手机离发布还很遥远，但目前已经出现一些零散的爆料，例如有传闻称谷歌正在考虑加入屏下红外摄像头，提供更安全的人脸解锁体验。 不过手机壳制造商 ThinBorne 已在官网列出了 Pixel 11 Pro XL 的手机壳，包含两张非常早期的渲染图。 从这些渲染图中我们可以看到，Pixel 11 Pro XL 的机身尺寸、厚度基本上与前代机型 Pixel 10 Pro XL 一致，不过壳中相机模组的开孔边缘比较矮，暗示着这款手机的后摄突起可能减少，背部更加平整，放在桌子上时不会像“跷跷板”一样。 IT之家在此援引 Android Authority，该手机壳的相机模组形状相比 Pixel 10 Pro XL 也有变化，整体的圆角矩形程度更高，模组也变得大一些。 不过需要注意的是，目前 Pixel 11 的爆料仍处于早期阶段，我们很可能要等多几个月才能看到它的外观。

IT之家 3 月 7 日消息，科技媒体 Android Authority 今天（3 月 7 日）发布博文，报道称三星 Galaxy S26 Ultra 手机的 5 倍长焦镜头启用 ALoP（棱镜上置镜头）技术，并在营销中弃用“潜望式”概念。 IT之家援引博文介绍，ALoP 全称为 All Lenses on Prism，是一种新型智能手机相机架构，将镜头元件直接放置在用于折射光线的棱镜上方，而非传统的前后排列。 通俗理解就像把原先平铺开的放大镜折叠起来叠罗汉，既节省了手机内部空间，又能放入更大的镜片来增加进光量。 而潜望式镜头（Periscope Lens）是指利用棱镜将光线折射 90 度，从而在手机轻薄机身内实现长距离光学变焦的镜头设计。通俗理解：原理类似潜水艇的潜望镜，通过镜子拐弯看风景。 三星为了凸显这一重大的硬件架构变革，在官方宣传材料中，彻底抹除了以往标志性的“潜望式镜头”字眼。对于普通用户而言，这项底层架构升级，会直接改善夜景与人像拍摄体验。 科技媒体 GSMArena 分析指出，由于光线进入相机后最先接触的不再是矩形的棱镜切面，Galaxy S26 Ultra 的 5 倍长焦镜头如今能够呈现出更加平滑、柔和的圆形散景，完美解决了上一代 Galaxy S25 Ultra 在拍摄失焦光源后，容易形成生硬矩形光斑的视觉痛点。 不过该媒体也指出，新架构在带来极致进光量与绝美散景的同时，也在物理光学特性上做出了妥协。实测数据显示，Galaxy S26 Ultra 这颗 5 倍变焦镜头的最近对焦距离，从前代的 26 厘米退化至 52 厘米。 对于热衷于使用长焦镜头捕捉花卉、昆虫等近距离特写画面的摄影爱好者而言，这无疑削弱了手机的微距创作能力。

IT之家 3 月 7 日消息，消息源 @Evleaks 昨日（3 月 6 日）在 X 平台发布推文，分享了一组渲染图，展示了 OPPO Find N6 折叠手机的 3 种颜色，其中最值得关注的是全新的橙色配色。 外观方面，OPPO Find N6 手机首发“无痕钛合金铰链 + 自修复记忆玻璃”，通过莱茵“全球最平整”折叠机认证，官方称其折痕“一马平川”，即便久用也几乎无感。 IT之家查询相关资料，该机内屏预估为 8.12 英寸 2K LTPO UTG 大屏，外屏预估为 6.62 英寸，整机重量约为 225g 左右，支持 IP56/58/59 级防水。 影像方面，消息称 OPPO Find N6 将配备哈苏 2 亿超清四摄系统，此外为提升色彩真实度，有望搭载 200 万像素丹霞色彩还原镜头（多光谱传感器）。 规格方面，该机预估配备高通第五代骁龙 8 至尊版芯片，内置约 6000mAh 双电芯电池，支持 80W 有线快充。存储组合方面，提供 12GB/16GB RAM + 最高 1TB 存储方案。

快科技3月7日消息，近日有问界M7车主连发三条视频控诉爱车“刹不住”导致撞墙，然而评论区网友几乎清一色地站到了车企一方。 自动播放 从行车记录仪、地库监控拍摄的画面看，此事发生在今年2月14日，当天这台M7在下地库后正常行驶，进入车库一层后可以看到地面上出现明显的水痕。 驾驶员继续开车往地下二层去，需要经过一个陡坡，等到升降杆抬起后，这台M7继续往下走，速度很快就超过了10km/h。 然而让人没想到的是，车主竟然在此时选择踩踏加速踏板，使得车速超过30km/h，二层地面积水更多，加上环氧地坪，即便车主踩刹车想要制动但为时已晚，最终一头撞到了墙上，撞车时车速也有20km/h。 车主将视频分享到网上后，并表示新车刹不住，没想到评论里几乎没有人支持她，网友纷纷表示，有水的环氧地坪还敢开到30km/h，胆子是真的大，技术是真的菜。 据了解，不少地下车库普遍采用环氧地坪，这种材料优点非常多，耐磨、易打理、反光强、不起尘。 然而它是致密光滑的树脂涂层，表面无孔隙、不吸水，一旦有水，水分无法渗入地面，会在车轮与地坪之间形成一层连续薄水膜，相当于液体润滑层，直接把两者物理接触隔开。 制动时，原本靠接触产生的静摩擦，瞬间变成阻力极小的滑动摩擦，抓地力大幅丧失，就和在冰面刹车同理，制动力基本失效，使得打滑和刹不住的风险会成倍升高。 因此建议大家雨天开车进环氧地坪的地库时一定要放缓车速，严格按照限速5km/h的标准，不要急加速、急刹车、猛打方向，谨防车辆失控。

快科技3月7日消息，近日，比亚迪重磅发布了全新的闪充桩，号称是“对用户最友好的充电桩”。 一位虚岁63岁的花甲老太对这种闪充桩进行了实测，老人单手便能轻松完成充电枪的滑动操作，插拔也不用跟充电线较劲，打破了大功率充电桩操作费力的固有印象。 常规快充桩对女生很不友好 比亚迪这款闪充桩采用全球首创的滑轨悬吊T型桩设计，2公斤枪线始终保持悬空状态，彻底摆脱传统充电桩线缆拖地、冬季硬化的问题。 顶部滑轨可灵活左右滑动，适配不同车辆的充电口位置，枪头还带有自动转向功能，无论是插拔还是移动，单手就能轻松完成，即便是老人也能操作自如。 自动播放 除了操作便捷，这款闪充桩的性能同样亮眼，单枪最大功率达1500kW，整站最高2100kW，充电5分钟就能为车辆补充400-500公里续航，补能速度堪比加油。 内置的储能电池能缓冲电网压力，让建设成本比传统兆瓦超充桩降低六成，还支持功率智能分配，双枪独立控制可同时为两辆车充电。 搭配比亚迪闪充App，该充电桩还能实现即插即充、无感支付等功能，不仅适配比亚迪全系闪充车型，还兼容第三方1000V高压车型。 据规划，比亚迪今年内将建成4000座闪充站、15000个合作站点，让便捷的闪充体验覆盖更多出行场景。

IT之家 3 月 7 日消息，蔚来旗下乐道汽车今日宣布，乐道 L90 黑骑士专属曜黑套装现已上线，售价 12,000 元。三月购乐道加推购置税全兜底政策，同享 7 年超低息。 官方海报显示，这款套装包含曜黑车头品牌标识、曜黑车尾品牌标识及字标、曜黑车窗饰条、曜黑环车下包围饰条、21 英寸多辐曜黑轮圈等配置，仅支持六座及七座版的 Max 和 Ultra 版型选装，且需与「静岳黑」车色进行绑定。 IT之家汇总乐道 L90 主要信息如下： 乐道 L90 于去年 7 月 31 日上市，该车整车购买方案售价 26.58 万元起，电池租用方案售价 17.98 万元起。其采用大六座布局，还拥有后排娱乐屏、沙发床、小桌板、车载冰箱、二排零重力座椅、三排大空间等配置。 乐道 L90 的车身尺寸为 5145mm 长、1998mm 宽、1766mm 高，轴距达到 3110mm，定位为大型 SUV。此外，乐道 L90 还配备了容积为 240L 的电动前备厢，支持智能开启、电动闭合和开合高度记忆等功能，底部还设有排水口。 新车基于 900V 纯电架构打造，提供两驱、四驱两种动力，后桥电机为蔚来 ET9 同款，最大功率 340kW，四驱版车型则是 440kW。新车标配 85kWh 电池组，CLTC 续航分别为 605km、570km。

IT之家 3 月 7 日消息，荣耀今天在微博宣布 Magic V6 手机搭载 6400 万像素长焦镜头，「远景」更清晰。 据介绍，这颗镜头的防抖等级达到 CPIA6.5，支持 AiMAGE 原色引擎，号称能让「色彩」更真实。 IT之家附荣耀 Magic V6 手机官方确认参数如下： 京东方 OLED 内外双屏，均支持 2K+ 分辨率、外屏 6000 尼特 / 内屏 5000 尼特峰值亮度和高频 PWM 调光 7150mAh 青海湖刀片电池，能量密度 985Wh/L 整机重 219g（白色）/224g（其他颜色），折叠后厚度 8.75mm、展开 4.0mm 第五代高通骁龙 8 至尊版（骁龙 8 Elite Gen 5）芯片 两颗 5000 万像素的广角镜头、 64MP 潜望长焦（豪威 OV64B，1/2"，CIPA 6.5 级防抖） 提供赤兔红、旭日金、雪域白和绒黑色四种配色

快科技3月7日消息，中国汽车流通协会与精真估联合发布的2月纯电车型保值率数据，为新能源汽车市场提供了最新价值参考。 在一年车龄的纯电车型榜单中，问界M9以82.1%的保值率稳居榜首，展现出强劲的市场抗跌能力。 紧随其后的是极氪009与理想MEGA，分别以81.6%、80.8%的保值率位列第二、三位，高端纯电车型的价值稳定性可见一斑。 特斯拉Model Y、Model 3也表现不俗，分别以79.0%、78.0%的成绩跻身前五，延续了品牌在二手市场的认可度。 小米SU7以76.0%的保值率排在第七位，虽较此前榜单排名有所下滑，但仍保持在主流纯电车型的第一梯队。 榜单中，吉利星愿、阿维塔12、乐道L60等车型也悉数上榜，整体保值率均维持在70%以上，打破了“电动车落地对半折”的传统认知。

快科技3月7日消息，知名汽车行业分析师崔东树表示，中国汽车消费已正式进入高端化周期，市场对单纯降价正在脱敏，但对含金量越发敏感。 当下超三成消费者将下一辆车的预算设定在30万元以上，成为这一趋势的直观印证。 崔东树预测，2026年新能源车市场渗透率将突破50%，首次成为市场主导力量，叠加价格战被政策规范，行业竞争从价格博弈转向价值竞争。 政策层面，新能源车置换补贴改为按车价百分比计算，购买20万元左右车型才能拿满补贴，直接引导市场向中高端倾斜。 消费端数据同样佐证，国内乘用车零售均价从2019年15.1万元升至2024年18.4万元，2026年1月进一步回升至18.6万元，20-30万元价位车型市场份额也有所提升。 与此同时，消费者对汽车的需求也发生转变，对单纯降价逐渐脱敏，不再盲目追求品牌或科技新鲜感，而是注重座椅舒适度、智驾实用性等“实在豪华”的体验。 这也推动了高端配置的集体下放，双腔空悬、激光雷达智驾等曾出现在豪车上的配置，如今已进入20万主流区间。

快科技3月7日消息，近日，全国政协委员李萌娇受访时称，建议完善针对手机AI助手权限的安全管理体系，保证既要快速发展、又能守住安全底线。 她认为，目前手机AI助手存在过度收集个人信息的问题，需要制定行业标准、弥补技术漏洞，并对相关法律法规进一步规范，加大对过度收集个人用户信息的惩戒力度。 李萌娇委员举例称，当下有一种手机AI助手，基本可实现“接管手机”，通过“视觉读屏﹢模拟点击”，直接调用手机底层系统权限，连续操作数十个界面，在用户缺乏感知的情况下自主执行多个关键操作，甚至一封恶意邮件就能“骗过”手机AI助手，直接把用户银行验证码发给攻击者，给用户人身和财产安全造成巨大威胁。 而且，这种手机AI助手对用户行为与个人信息的了解更为全面，其信息获取权限的无边界扩张甚至会造成“数字上帝”的出现，即“比用户本人都更了解自己的数字档案”。 对此，抖音集团副总裁李亮回应称：“感谢李萌娇委员对AI安全的关注。但这段发言应该是受到了某些的误导，把黑客恶意攻击行为和手机AI助手的合规技术能力混为一谈。” 他强调，正规AI手机助手的所有操作都需要用户主动发起，整个过程用户都是可感知、可查看、可随时接管的。 涉及账号登录、身份验证、交易支付等敏感环节，AI会停止自动操作，由用户接管亲自操作。 李亮表示：“AI安全是AI产业健康发展的生命线，我们欢迎所有基于客观事实、专业认知的监督与建议。如果李委员有兴趣，我们可以提供测试版的手机供调研了解。只有了解客观事实，才能更好地建言献策。”

小米又搞大动作！国内首个手机端类OpenClaw（昵称“龙虾”）Agent应用——Xiaomi miclaw正式发布，直接打破手机AI“只会聊天不会干活”的魔咒。 先说说它的颠覆性有多离谱！和普通AI助手不同，Xiaomi miclaw是基于小米MiMo大模型打造的系统级智能体，不是简单陪聊，而是能真正“替你干活”。它能调用小米全生态设备和系统应用，封装了50+系统能力，连续执行20步复杂操作都不脱节，还能记住你的使用习惯，越用越懂你。比如自动读取短信、识别重复扣费的视频会员，年底给你推退订建议，每年能省近400元，联动米家设备更是不在话下。 最受关注的就是它和OpenClaw的关系，小米直言理念同源，但比后者更接地气——不用复杂操作，普通用户也能快速上手，还不会用模拟点击，被判定为“外挂”的概率几乎为零。安全方面小米也反复强调，核心隐私本地存储，高敏操作每次都要确认，没有用户授权绝不能付款、发敏感消息，甚至雷军都亲自表态，全程守住隐私底线。 但争议也随之而来！首先是小范围邀请制封测，仅支持小米17系列5款机型。其次，小米也坦诚，这款产品还在优化，稳定性不足、复杂任务可能失败，高强度使用会耗电发热，甚至不推荐普通用户在主力机上安装，让不少人吐槽“半成品就敢拿出来测”。更有人质疑，断网就用不了，端侧能力不足，根本配不上“颠覆性AI”的噱头。 不过客观来说，Xiaomi miclaw确实迈出了关键一步，把AI从“摆设”变成了真正的助手，尤其是联动小米人车家全生态的能力，放眼国内手机圈确实独一份。目前首月使用免费，后续优化后能否开放公测、解决现有槽点，才是关键。

既要、又要、还要的 AI 管理难题。 文丨 陈佳惠 管艺雯 贺乾明 程曼祺 编辑丨程曼祺 林俊旸提交离职引发一系列后续：阿里数名管理层连夜紧急讨论；第二天（3 月 4 日） Qwen 召开全员会；昨天（3 月 5 日）上午，吴泳铭给 Qwen 全员发邮件，称已批准林俊旸辞职；昨天下午，林俊旸回到阿里北京办公区，给部分团队成员做 1on1。 《晚点 LatePost》独家了解到，3 月 4 日凌晨，阿里管理层主要讨论了两个内容：怎么解决问题？林俊旸的离开会给公司带来哪些影响？ 他们达成了共识：这样的行为不可接受，公司组织制度必须得到维护。 据我们了解，林俊旸发出离职状态时，阿里并未回应他的离职请求。 一位阿里人士称，“制度是不能碰的，而他在挑战公司制度。” 这里的 “制度” 指 —— 在阿里，所有人都是公司员工，升和降都由公司决定，如果不满可以正常沟通，但不能没沟通就到社交媒体公开发声，不能开这样的先例。 林俊旸在阿里工作了 7 年，这是他的第一份工作。林俊旸意料之外的骤然离职，背后是每一个深度参与 AI 竞争的大公司都会面临的管理难题。 一边是推动 AI 发展的开拓精神、超级个体和极致效率，一边是大公司的整体目标和对业务协同的强调，二者之间的张力在此时的阿里集中爆发。 林俊旸提交离职的 48 小时，对阿里、对他本人都是一个意外 “无颜再带领大家。” 林俊旸 3 月 3 日下午在有 100 多名 Qwen 成员的钉钉群中发出消息。 这之前不到 24 小时，林俊旸还在继续他作为 Qwen 负责人和 “最强开源布道师” 的日常活动：加班加点发布 Qwen 的新模型和技术报告，凌晨在社交媒体上推广刚上线的 Qwen 3.5 小模型系列，转发马斯克的相关评论。 而 3 月 3 日下午的一场沟通改变了林俊旸的轨迹。突如其来的强烈离职意愿，可能对他本人来说都是一个意外。 据了解，当天下午，阿里云 CTO 周靖人和林俊旸连线开会，向他传达了可能发生的 Qwen 的调整。每年 3 月底，阿里传统上会做绩效年度考核和架构调整，这场沟通很可能是为 1 个月后的变化做铺垫。 当时提到的调整方向是将 Qwen 团队重组，从涵盖不同训练流程和模态的垂直整合体系，变成预训练、后训练、文本、图像、语音等一个个分开的水平团队。 “下午开会的时候，林俊旸的情绪已经很激烈。” 接近此事的人士称。 当天下午，还发生了另一件事。3 月 3 日刚好是 Qwen 原后训练负责人郁博文的最后一个工作日，在 HR 召集的后训练团队 “欢送会” 上，该团队第一次得知，2026 年 1 月新加入阿里的周浩将参与管理 Qwen 的后训练成员。周浩此前是 DeepMind 高级资深研究员，曾领导针对 Gemini 3.0 的多步骤强化学习。 据我们了解，林俊旸在本周之前并不知晓周浩已入职，周浩汇报给阿里云 CTO 和通义实验室负责人周靖人。 阿里相关人士称，之所以周浩入职一事之前没有同步 Qwen 团队，是因为引入海外人才有一定敏感性，保密等级较高。 当天下午稍晚，在周靖人和林俊旸的沟通后不久，林俊旸在 Qwen 钉钉群里发出了 “无颜再带领大家” 的信息，表示自己只能离开了。 到这一步，整个事件还在阿里公司内部。而 3 月 4 日凌晨林俊旸的那条社交媒体动态则直接向外界宣告了他的离职意向。 13 小时后，3 月 4 日下午 1 点。阿里召开 Qwen 团队的全员会，阿里 CEO 吴泳铭、CPO 蒋芳、阿里云 CTO 周靖人出席。在杭州的团队集中在线下参会，北京和上海团队接入视频会议参会。 “这个会本来也是要和大家开的，只不过现在稍提前了一些。” 阿里 CEO 吴泳铭说。全员会持续约 1 个半小时，吴泳铭在会议开头重申了在集团战略上会全力支持 AI，此后大部分时间留给团队提问、答疑。 Qwen 团队成员关心的核心问题有： - 林俊旸的离开是否有转圜余地？ 蒋芳说：集团会挽留林俊旸。在数个 Qwen 成员表达了林俊旸的重要性后，蒋芳又回应，不能神化个人，不能不计代价和不理性地挽留。她随后问团队：那么大家期待以什么代价来挽留俊旸呢？没有人回答这个问题。 - 团队是否会调整？周浩加入为什么没有提前告诉大家？ 周靖人回应，周浩加入并不是要替代谁。周浩加入这件事没有提前告诉大家，是因为当时团队在忙着训练 Qwen 3.5，所以暂时没沟通。 - 关于 Qwen 团队缺少资源 吴泳铭说，他是中国最激进寻找算力的 CEO，可能一些问题没有及时反馈到他这里。 团队也反映，Qwen 3 的 Coding 能力欠佳，与没有得到足够的训练环境等资源有关，这需要 CPU 资源和 Infra 人才支持。周靖人回应，资源问题和 Infra 支持不到位有 “历史原因”。 全员会上，吴泳铭还承诺，之后每半个月到 1 个月，他会和 Qwen 团队或 Qwen 核心人员开会，及时了解需求或问题。蒋芳说大家可以直接在钉钉上私信吴泳铭、蒋芳、周靖人，反馈问题。 当天下午 2 点，林俊旸发布朋友圈：“qwen 的兄弟们，按照原来安排继续干，没问题的”。 全员会第二天，3 月 5 日上午。吴泳铭给 Qwen 全员发送邮件，称已接受林俊旸离职。邮件还提及，阿里会继续坚持开源模型策略；周靖人会继续带领通义实验室；吴泳铭、周靖人和阿里集团 CTO 吴泽明（范禹）会共同协调集团资源，支持基础模型建设。 林俊旸的离职引起一连串外部反应。Google DeepMind 的开发者体验负责人在社交媒体上邀请 Qwen 成员加入：“如果你想找到构建好模型和贡献开源社区的新家”。 Omar Sanseviero 曾任职于 Hugging Face，现任 Google DeepMind 开发者体验主管。 有其它公司高招人员在林俊旸宣布离职的那晚整夜没睡，挨个给认识的 Qwen 团队成员发工作邀请；有猎头想联系林俊旸，列出了具体哪些公司有岗位找他。 不少投资人在寻求 Qwen 核心人员的联系方式，他们认为可能有更多离职发生，可能有人会创业。 当小团队开始承担更大的组织目标 2023 年以来，AI 成为阿里的战略重点。新上任的掌舵者吴泳铭当年 11 月第一次作为 CEO 参加财报会，提了 40 次 AI。阿里集团内一度有多个团队尝试 AI，如淘天就曾有 20 个 AI 团队。2022 年底到 2023 年初，达摩院多数团队重组为通义实验室，也是要整合各种力量来做 AI。 在这个大环境下，Qwen 是一个相对独立的小团队，它脱胎于这轮 AI 热潮之前的达摩院智能计算实验室的 M6 项目。当时周靖人是智能计算实验室负责人，而 2019 年入职阿里的林俊旸是 21 年 3 月发布的大模型 M6 的一作。 到 2023 年初，同在通义实验室的 M6 团队和 NLP 团队一度在赛马做大模型，起步时都有约 500~1000 张 GPU 算力资源。同年年中，通义实验室以 M6 团队为主聚集了人员和算力资源，Qwen 在此次变动前的核心成员——林俊旸、刘大一恒、郁博文、惠彬原等人在此时组队，其中刘大一恒、郁博文、惠彬原原本在 NLP 团队。 周靖人作为通义实验室整体负责人，给了 Qwen 团队相对独立的空间。多位曾在 Qwen 工作的人士告诉我们，“感谢靖人给我们充分发挥的空间”。 同时，吴泳铭和周靖人都支持 Qwen 团队的开源想法。这是一个重大的战略决策，必须得到自上而下的认可。 Qwen 目前有 100 多名成员，整个通义实验室有 600 多人。字节模型研发团队 Seed 目前则有超过 1500 人。 相对独立的另一面是，整个阿里云和阿里集团的 AI 布局并没有完全押在自研基础模型上。阿里当时的思路是做 AI 基础设施：提供 AI 云、MaaS（Model as a Service）服务，建设魔搭模型社区等生态。 阿里投资了中国多家大模型公司，为它们提供算力。这一定程度引发了内部团队的不满：算力如此珍贵，为什么还要大量供应给外部？ 字节跳动则在 2024 年年中明确决定，不对外投资任何大模型创业公司，集中资源到 Seed 团队，自研大模型豆包，并支持字节自己的豆包等 AI 产品。 资源相对有限，但空间足够时，团队能力和闯劲成为关键变量。Qwen 的两任负责人周畅、林俊旸都有 “自驱的高强度工作状态”。 2024 年以来，阿里开源的 Qwen 系列大模型在全球的影响力持续提升。当年 10 月，其衍生模型数量达到 8 万多个，超过更早开源的 Meta Llama 系列。 Qwen 以丰富的尺寸受到中小创业公司和研究机构的喜爱，不少知名公司，如 Cursor 等都会基于 Qwen 系列模型做微调和后训练；Qwen 的多模态开源系列也是一众中国具身智能公司选择的基模。DeepSeek、字节跳动也会在部分研究项目中使用 Qwen 的小尺寸模型。 周靖人在 2025 年成为阿里合伙人，进入阿里最高集体决策机构；林俊旸在 25 年成为阿里最年轻的 P10 级高管。阿里管理层认为，通义实验室努力保证了 Qwen 模型的领先地位，“这非常不容易”。 但也是 2025 年，有了更大影响力的 Qwen 开始承载更多期待，小团队原本的目标和整个阿里集团的 AI 战略开始分叉。 阿里集团看中 AI 云的商业化增长和 25 年下半年逐渐白热化的 AI 超级 App 卡位战。 2024 到 2025 年，阿里云的收入增速不断提升，但和基模的协同并不直接：增长主要来自阿里投资的多家大模型公司的算力采购，和更多行业 AI 应用带动的云服务消耗。 2025 年 9 月，阿里集团决定重点推进千问 App，这需要基础模型团队与应用团队更紧密地协作。我们了解到，Qwen 团队并没有把支持千问 App 放在高优先级。而负责千问 App 的智能信息事业群也有自己的模型研究团队。有阿里人士认为，Qwen 团队对云的其它业务、对千问 App 的支持不够。 Qwen 则希望持续训练出更强、更高效的模型。 Qwen 扩展了语言之外的更多模态，以顺应原生混合多模态的技术趋势，陆续发布 Qwen-image、Qwen-audio。这与同属通义实验室的通义万相（主要做多模态生成）和百聆（主要做语音模型）有重合。 从 25 年年中起，Qwen 也开始招聘一些 Infra 人才。有 Qwen 团队成员称，当时 Qwen 在训练新一代核心模型的大尺寸版本时发现，阿里云 PAI 团队已很难提供足够的 Infra 支持。这让为阿里云带来收入的 PAI 团队处境尴尬，如果内部业务都不用他们，在竞争激烈的市场中会更难自证实力。 同期，2025 年至今发布的 Qwen 3 系列和 Qwen 3.5 系列的训练过程都遇到波折，部分核心能力指标不突出。 原本计划在节前发布的 Qwen 3.5 Max（每一代 Qwen 中尺寸最大的旗舰版）没能准备就绪。Qwen 在除夕当天开源的 Qwen 3.5 Plus 模型，也被一位阿里高层视作 “半成品”。 小团队的特立独行和对技术领先的追求，集团期待更多战略成果，竞争升级的外部环境，叠加模型训练眼下的波折，出乎意料的人事震荡在此刻掀起风暴。 林俊旸其人：一个 “非典型” 大模型团队负责人 在中国几家大公司基础模型团队的负责人里，林俊旸是特别的存在。他并非典型意义上的 “科班” 出身：本科是文科，硕士转入更偏技术的交叉学科方向。 林俊旸的硕士导师、北京大学外国语学院副教授苏祺曾评价他：“人文社科的学生也能从事，而且很好地从事跨学科研究工作。” 林俊旸生于 1993 年，本科就读于国际关系学院英语文学专业，并同时学习日语、俄语、德语和法语，被同学称为 “多语言学霸”。 本科期间，他担任国关的模拟联合国大会负责人。在当年的校园媒体访谈中，他说自己带社团的核心是，不论社员负责什么工作，“idea 才最重要”。他还把紧凑的活动场地设计视为特色，认为这有利于模联各团队的沟通，既能提高协作效率，也能减少不必要的劳力。 本科毕业后，林俊旸考入北京大学外国语学院，师从苏祺和北京大学计算语言学研究所副教授孙栩，攻读计算语言学硕士。读研期间，他总共发表了 11 篇第一作者或共同一作论文，还担任一个研究项目的负责人。 计算语言学是用可计算的方法，建模语言结构和语言使用方式。它要求研究者理解语言本身，又要求他们掌握算法、数据和建模能力。到了大语言模型时代，这个方向成为重要的研究人才来源之一。我们在 2025 年初分析 DeepSeek 数十位研究人员履历时就发现，其中有 8 位出自北大计算语言学研究所。 2019 年硕士毕业后，林俊旸加入成立仅两年的阿里达摩院，担任高级算法工程师，研究自然语言处理。那时大模型技术路线正加速成形：Transformer 架构提出已两年，OpenAI 的 GPT 系列模型开始展现超出预期的能力。 一年后，达摩院内有两个团队开始研究大语言模型。一个是由资深自然语言处理专家黄非负责的 AliceMind 项目；另一个则是由杨红霞、周畅、林俊旸等人参与的 M6 项目，向周靖人汇报。最终，M6 的性能更强，也成为通义实验室 Qwen 系列模型的基础。 杨红霞在 2022 年从阿里达摩院离职。通义实验室成立后，林俊旸负责 Qwen 模型开源工作，向周畅汇报。也正是在这个阶段，他逐渐从一个更偏研究和内部协作的角色，走向更容易被外部看见的位置。他开始频繁活跃在海内外社交媒体，推广 Qwen 系列模型，解释模型更新，回应开发者反馈，推动社区认知。 随着 Qwen 系列模型持续进步、影响力不断扩大，以及周畅离职后他接替更核心的位置，林俊旸逐渐成了 Qwen 在技术社区鲜活和有说服力的推广者。 “他不是那种苦大仇深的负责人。” 一位接近林俊旸的人士说。多位不同公司的大模型研究者，都用这个词向我们形容过自己的部门负责人。 上述人士告诉我们，在条件有限的情况下，林俊旸认为首要任务不是追求完美，而是确保事情能落地，先把结果做出来，再谈优化和迭代。 他并不认为负责人必须精通软件编写的每个细节；在他看来，更重要的是理解底层的 “物理逻辑”——知道事情为什么这样运转，知道如何抓大放小。 正因为如此，林俊旸更倾向于设定明确的 “靶子”，让一个团队尽可能把事情都做了，尽可能减少不确定性，“不能让团队 ‘陷入虚无’。” 既要、又要、还要的 AI 管理难题 公司强调组织、流程、集体目标、指哪儿打哪儿的战略执行力；而 AI 一线研究员是这个时代最聪明、自驱、有创造力和野心的个体。 公司要在多大程度上包容个人意志，AI 研发团队是否要自建全栈闭环，以研发为核心的团队要如何支持扑面而来的商业化阶段和产品竞争，这些难解的题目没有标准答案。 OpenAI 元老杰瑞·特沃雷克（Jerry Tworek）近期离职后说：OpenAI 已没有做高风险研究的空间，“所有主要 AI 公司都面临多重压力，既要驱动用户增长，又要承担昂贵的 GPU 成本，还要拼模型的第一。” 风波之后，有管理层后来在内部提议，公司以后要加强管控高管们的个人社交媒体账号，减少 “造神” 行为。一位接近阿里的人士对我们说，“原来是开放的时代，但管理层发现，真出事了怎么办？” “组织要往前走，事情要发展，不能做调整了么？经历一些调整，就用这种方式，放在任何地方都说不过去吧。” 一位阿里人士称。 极端情况下，阿里亮出了底线：个人意志要服从组织需求。 曾经，林俊旸拥有的是阿里为其主动留出的表达空间，带有 “阿里最年轻 P10” 的标签，他在境内外社交媒体上频频发声，既开拓了 Qwen 基础模型的开源影响力，又能作为已成立 27 年的阿里年轻化的最佳代表。阿里在研发人才心中的印象为之一变。这个组织也为开源精神和技术理想留出了足够的弹性。 而林俊旸从提出离职到在公开社交媒体上发声只有半天，没有给阿里管理层继续沟通和反应的空间。他对 Qwen 要自建闭环的想法，他希望集中有限资源做模型，Qwen 团队暂难支持 AI 产品的事实，也被阿里其它团队认为合作意识不足。 如果没有这份执念和对核心目标的聚焦，可能 Qwen 一开始就难以自证；但当团队更大，阿里集团需要基础模型团队承担更多角色，AI 竞争也进入新阶段后，Qwen 团队不得不重校目标，调整与公司、与其它团队的关系。 这是公司组织和年轻的 AI 技术负责人共同面临的成长课题。 以往，阿里常常处于过于严厉和过于宽松的两端。一位接近阿里技术高层的人士说：“Qwen 不能算阿里的边缘业务，而是早期就得到重点投入，甚至优先级高于部分阿里云业务。后期 Qwen 忽视业务，同时展示出 ‘自建一切’ 的倾向，恰恰是因为早期重点投入带来的特权意识和大厂政治。如果前期就更加平衡纯研究、工程和业务之间的协作，事不至此。” 某种程度上，这几天的剧烈冲突剧目，是阿里自己按下的启动键。一直以来，对一家大公司，可控永远是红线。 题图来源：Severance

作者｜林易 编辑｜重点君 在AI冲击下，SaaS行业正经历一场前所未有的信任危机。过去这段时间，市场中关于SaaS末日的恐慌情绪不断蔓延，许多老牌软件公司的股价遭遇重挫。投资者们集体陷入焦虑：如果AI能够自动完成所有的企业任务，那些以高昂订阅费为生的SaaS公司，是否会彻底走向消亡？ 3月6日，知名投资机构a16z与软件公司Atlassian的CEO Mike对此进行了深度探讨。他们核心观点是：如果SaaS企业无法适应新的定价模型和人机交互范式，确实会被淘汰；但那些掌握了企业核心业务逻辑的系统，反而会借助AI构筑起更深的护城河。 我们梳理了这场访谈的重点信息： 1.软件的本质正在发生十年来的最大跃迁：从静态文件柜变成主动执行者 纵观1960年到2022年的软件发展史，从早期的IBM Saber航空预订系统，到后来的CRM和ERP，本质都只是在做一件事：把现实世界中的实体文件柜变成了数字化的数据库。过去的软件是被动的，无论界面多么精美，依然需要人类员工去检索文件、阅读信息并执行操作。 但在AI时代，这些文件柜第一次具备了自主思考和执行任务的能力。未来的软件不再仅仅是记录数据的容器。例如，过去的QuickBooks只是让财务人员从中提取收据来做账，而现在的AI加持下，QuickBooks可以直接自主完成对账和催款任务。从被动存储向主动执行的跨越，是这一轮软件革命的真正核心所在。 2.SaaS行业并没有迎来末日，生存概率取决于定价模式和业务逻辑的深度 市场之所以无差别地抛售SaaS股票，是因为投资者没有看透SaaS公司之间的底层差异。Alex指出，面对AI的冲击，SaaS公司将出现严重的两极分化： 许多SaaS是按账号座席（Seats）收费的，且这些座席直接与工作产出挂钩。例如一旦企业部署了AI客服，大部分终端问题能被直接解决，企业对人工客服账号的需求就会趋近于零。这类SaaS极度危险，如果不改变商业模式，其现有的订阅收入将面临毁灭性打击。 而像Workday等人事财务核心系统的处境就比较安全。它们虽然也按员工人数收费，但并不与具体的工作产出直接挂钩。更重要的是，它们不仅仅是一个数据库，更是企业数十年复杂业务流程、合规要求和隐性规则的集合体。AI不仅无法摧毁它们，反而会让它们更有价值。比如，当企业要在Workday录入一名新员工时，AI可以直接调用Workday里的数据去自动完成背景调查和前雇主电话核实。AI成为了这些核心系统的放大器。 3.Vibe Coding只会是核心系统的补充，绝非替代品 目前行业内有一种声音认为：既然普通人可以通过向AI下达自然语言指令来自己写代码，那企业为什么还要花大价钱买SaaS？大家自己写一个管理系统不就好了吗？ Mike认为，这种想法完全脱离了真实的商业环境。真实的商业世界充满了无数极其复杂的边缘场景和特殊法则。例如，你可以轻易用AI写一个员工请假应用，但当你的印第安纳州分公司有员工休产假时，当地特殊的法律法规、税法差异该如何处理？这些隐性知识深深嵌入在大型SaaS的底层代码中，是普通人无法通过几句提示词就能复刻的。 因此，Vibe Coding的真正价值，绝不是去颠覆核心的SaaS软件，而是降低长尾需求的开发门槛。比如，行政人员可以利用Vibe Coding，基于Workday的底层数据和规则，低成本地为自己的小团队开发一个会议室预订小工具。这不但不会取代核心SaaS，反而会使其在企业内部的粘性变得空前强大。 4.当前AI落地的最大瓶颈已经不是模型智商，而是产品设计与人机信任 技术界往往对大模型的参数和跑分极其狂热，但Mike指出：现在AI大模型的能力，已经远远超出了实际被用户利用的价值。 开发者如果只给用户一个无所不能的空白聊天框，只会导致用户陷入选择瘫痪。要让AI真正融入工作流，需要类似于从PC端到移动端那样的革命性UI/UX设计。 而企业级AI落地的最大阻碍是员工的不信任。AI Agent在一秒钟内自动处理了15封邮件和审批，用户的本能反应并不是开心，而是恐慌：“它到底发了什么？有没有出错？”。因此，优秀的AI产品必须设计合理的断点与回路，它需要允许用户在工作流中实时提问“你正在做什么”，并在关键决策前停下来询问人类的意见。只有在不打扰用户的前提下，建立起透明的信任机制，AI才能真正成为生产力工具。 面对这一轮技术更迭，我们无需为SaaS行业的阵痛而过度悲观。AI在商业软件中的终局，不是建立一座全知全能、彻底淘汰人类和现有系统的神殿，而是像基础设施一样，深深融入到现有的工作流与核心业务中。在这场变革中，懂得利用AI重构交互、深挖业务逻辑壁垒的软件公司，将迎来比过去十年更加辉煌的黄金时代。 以下为a16z访谈实录： 1.SaaS风险水平已上升 Alex：从1960年到2022年，软件的全部历史就是把文件柜变成数据库。第一个例子是1960年IBM与美国航空合作开发的SABRE系统。它取代了以前由众多秘书管理、存放在保险柜里的纸质预约系统，将这些数据存入了早期的数据库中。要知道，在那个年代，10MB的硬盘可能要花费数亿美元。电子健康档案的发展也是如此，马萨诸塞州综合医院（Mass General Hospital）开发了最早的系统MUMPS。同样地，Salesforce以及1987年成立的第一家CRM公司也是如此，它们本质上都是把文件柜变成了数据库。 这种做法确实有好处，但并没有让世界变得多高效。以前如果要找Eric的资料，你会让专人去人力资源部的文件柜里调取。现在虽然数据都在Workday里了，但你必须设立首席信息安全官以防系统被黑，还需要IT人员在单点登录系统中为你配置账号（seats）。只有在跨地区协作时效率才有所体现，人们现在可以协同工作，并在数据库上执行复杂的连接查询，这在纸质文档时代要困难得多。但本质上，从1960年到2022年的软件依然只是静态的，因为文件柜本身无法思考。 而如今AI领域正在发生的最酷的事情，就是文件柜可以自己干活了。比如QuickBooks现在实际上可以独立完成某项任务，而不再仅仅依赖人类从系统里检索文件，这就像彻底告别了16世纪老派会计部门去档案柜翻找资料的时代，非常有趣。 Erik：这确实是个很好的切入点。大家现在都在讨论“SaaS末日”甚至“SaaS大灾难”，这显然是指公开市场上正在发生的事情。关于它的重大意义，很多人都有不同的观点。我想听听你们两位是如何解读的？到底发生了什么？更重要的是，我们该如何理解这一切？为什么大家对此感到如此恐惧？ Mike：我认为，全世界目前都在试图弄清楚，在这个高度颠覆性的阶段，该如何对软件业务进行评级或估值。每个人对未来会是什么样子都有自己犀利的见解。不同的观点描绘出了两种极端的未来：对整个软件行业、某些特定公司或类别而言，要么极好，要么极坏。毫无疑问，目前的风险水平已经上升了。 从投资者的角度来看，SaaS曾经是一个非常稳定的类别，现在由于风险变高，人们会选择退后一步保持观望。正如我经常说的，投资者并不一定是在试图通过现金流折现模型来计算一家公司历史上所有的利润，他们其实是在揣摩其他投资者会怎么做，或者说，他们押注的是别人眼中的未来走向。 目前的恐慌其实有些脱离现实。大家总是在想：“如果AI在两三年内就能实现某个功能，那意味着什么？”我认为这种担忧源于一种非常静态的思维方式，仿佛人们不会去适应、世界不会改变，就好像只有AI这一项技术在变，而其他所有事情都将保持静止。所以现在的局面很有趣：像我们这样的企业依然表现出色，已经连续三个季度业绩优异。尽管我们不是在这里为整个软件行业辩护，但就我们自己的业务而言，我们对当前的机会感到非常乐观，这也是我们不断展示出的数据和结果所证明的。 当然，这并不意味着我们不需要去适应。我们正在像过去几年一样，彻底、迅速地改变我们的工作方式。许多人误以为我们无法改变或应对，这显然是不对的，虽然前路确实有许多战略上的变数。现实情况是，并非每一家SaaS公司都能在未来十年中繁荣发展。就像从Windows时代跨越到互联网时代，有一大批公司未能成功转型云端一样，不可能100家SaaS公司都能挺过难关并继续壮大。也有人认为软件在某种程度上会消亡，或者最终只沦为一种现金收入流。但我可以代表我们公司发言：这是我们业务中发生过的最好的事情。我们身处一个知识的世界，拥有利用知识进行探索和行动的工具，以此来完成客户雇佣我们去解决的任务。这在逻辑上是非常完美的，但我们必须在转型过程中将其付诸实践向人们证明，毕竟让市场保持耐心是很困难的。 2.三类SaaS公司 Erik：Alex，你呢？你对最近发生的事情有什么反应，或者你如何理解正在发生的事情？ Alex：我希望从长远来看我的判断是正确的，因为现在发生的一切实在太疯狂了。几周前我就此发过一条推文，我初步观察发现，目前市面上大概有三种不同类型的SaaS公司，但公开市场无法区分它们。其中一种公司的账号（seats）权限是与产出挂钩的，账号（seats）由真正使用系统的人占据，这就好比又回到了刚才那个文件柜的比喻。 在深入探讨之前，我想先退一步回答你的问题。丹·艾瑞里（Dan Ariely）写过一本非常棒的书叫《怪诞行为学》。我以前常把这本书发给公司的所有产品经理，让他们通过学习这本书来搞清楚我们该如何向用户收费。书中有一个很经典的例子：想象一下，半夜12点你被锁在公寓外面，你叫了一名锁匠。他1分钟就赶到了，花了30秒帮你开了门，然后向你收费500美元。你心里肯定会想：“就干了90秒的活，居然收我500美元？搞什么鬼！”于是你会在Yelp上给他留个一星差评，不给小费，甚至可能向信用卡公司申请撤销这笔扣款。 现在想象一下另一个平行时空：锁匠来了，花了9个小时尝试帮你开门。他中途回办公室拿了更多工具，折腾到早上9点半，终于让你进了家门。此时你会对他花了九个半小时帮你开门感激涕零，不仅给了他200美元的小费，还在Yelp上留了五星好评。 这个例子基本上说明了，人类在某种程度上能够并且愿意为“无能”买单。很多定价策略其实关乎心理上的公平性。我们觉得给那个折腾了一晚上的人多付钱是公平的，哪怕他完全不称职；而面对那个能力极强的同行，我们却因为觉得他收费过高而感到极其愤怒。这在逻辑上毫无道理，但在情感上却让人感觉很公平。 如果你回想一下我们是如何演变成SaaS模式的，比如按人头每月计费这种。当你免费提供时，很多情况下的数字化配置成本几乎趋近于零。这并非针对所有事物，大家只是觉得这样才公平。比如你有500个账号（seats），你支付的费用自然比只有一个账号（seats）时更多，尽管后台运行的机制其实大同小异。 所以我认为SaaS公司可以大致分为三类。第一类是你原本需要账号（seats）来产出某些工作要素，但现在不再需要了。Zendesk就是这里的“一号病人”。如果Zendesk客户现在使用Sierra、Decagon或者选择自研方案，他们需要的账号（seats）可能就是零。因此对于Zendesk来说，我们谈论的是未来现金流的现值。他们正处于危险之中，因为如果只针对现有产品按每月每账号（seats）收费，永远不对代码或定价做出任何改变，那项收入流百分之百会归零。但另一方面，如果他们转向基于结果的定价并放弃原有模式，收入也可能会翻三倍或四倍。这仍然受制于公平法则和可预测的非理性。像Zendesk这样的产品可能上涨也可能下跌，但除非发生改变，否则默认路径就是走向归零。 第二类是按账号（seats）付费的定价，这感觉很公平，但账号（seats）并没有绑定到某个结果上。比如Workday有这样一个很棒的定价模型，由于你有34万名员工，我就按每人每月向你收费。为什么收费？我不知道，只是觉得这样公平。但是GE的那些员工并不是在使用Workday来产出成果。我觉得Workday挺好的，这其实涉及到你可以用AI工具做什么。比如在GE招聘员工时，HR必须去查看Workday中的文件并致电那三家前司来进行背景调查，确保候选人的履历真实。但AI工具完全可以做到致电公司这一点，前提是你必须是核心业务系统。目前IT领域下跌了45%，但没有人会弃用QuickBooks。这两个支柱就是按账号（seats）计费且与某种工作量挂钩，账号（seats）只是一种聪明的定价策略。 第三类是处于中间状态的产品，比如Adobe。你可能需要更多或更少的账号（seats），但情况既不像Zendesk那样极端，也不像Workday那样脱节。 在这些情况之外还存在一种认为用AI能编写所有代码的潜流，作为一名资深软件开发人员，我认为这简直荒谬。我想引用经济学家大卫·李嘉图在1817年提出的比较优势理论。比如你可以自己种粮食或焊接铝材，但即使是这些简单的例子也不恰当。这就好比在和你一起录制播客这件事上我拥有比较优势，我做这个能赚得更多，即使我可能比水管工更有生产力，我还是应该专心做播客。 更重要的是那些隐藏在底层的边缘情况。理论上我可以通过AI自动编程搞定一些Workday的流程，但如果印第安纳州的那个员工离职了且当时正在休产假呢？除非你亲身遇到过，否则你根本无从知晓这些边缘情况。 许多软件其实是一套经过数十年学习积累而成的确定性规则，这些规则并未公开且内嵌其中，你无法直接复制，需要通过经验来复现。如果这是一个非常简单且没有边缘情况的子任务，AI确实可以胜任。 但我认为真正的核心业务系统、具有粘性、人们所依赖且内置了所有边缘情况的软件将会大有作为。它们将开始增加由AI完成工作的功能，比如询问你是否需要进行背景调查或催收逾期的应收账款。你不需要雇佣人工，雇佣你的软件即可完成这些任务。当这一切真正发生时，未来的现金流将会大幅增长，这令我震惊。 许多公开市场投资者无法区分这些不同的范畴，他们对AI非常兴奋，却不知道必须通过作为核心业务系统的软件来部署AI。我认为现在正是每个人回归商业本质第一性原理的迷人时刻。 Mike：我个人很讨厌“核心业务系统”这个说法，因为它听起来就像是一个静态的数据库，把东西放进去再取出来。这种将业务视为文件柜归档系统的观点，是处于一种非常工业化的时代背景下，与前工业时代的商业模式截然不同。 我明白为什么会有这个术语，但这感觉有点像我们还在用实体软盘图标作为保存按钮。孩子们根本没见过实体软盘，却一直用着这个图标。我质疑这一点是因为对我来说，业务是一套基于流程的系统，而不是记录系统。 Alex刚才所说的一切完全正确，企业中存在诸如背景调查或其他类似流程。你能以尽可能低廉、高效且快速的方式协调一系列流程发生，这实际上是知识型业务的核心。在知识时代的业务中，我有上万名每天走进大楼带着大脑工作的员工，下班离开时又带走大脑。我没有任何原子资产、钻头或钢材，甚至连文件柜都没有。我所做的一切都是关于协调那一套套的流程，我认为大多数现代企业可能都是如此。 谈到这一点与Alex的评论有什么关系？我认为这完全正确。我们在业务中有不同类型的流程，我喜欢将其称为输入受限型和输出受限型流程。以Zendesk的客户服务为例，那就是输入受限。你的客户会提出一定数量的问题，你处理这些问题的速度关系到运行该队列的效率、成本、速度和质量。如果你处理的速度快了10倍，你并不会因此得到10倍数量的问题，因为客户数量是固定的。你面临的问题是该如何让他们减少提问，或者更快地处理问题。实际上，企业中有很多流程都属于输入受限型。 我总是拿我们的法务团队举例，他们的工作不是去主动创造法务工作，而是去响应和处理这些工作。比如我们有多少份租赁合同？有多少份NDA保密协议？有多少份常规合同？这就像是一个固定的总量。为了完成那项工作，我正试着尽可能高效地进行，这部分属于有着完整执行进程的输入受限工作。但随后我也会面临某种输出受限的工作，比如创意、营销甚至是软件开发和技术领域，在这些领域理论上我可以完成无限的任务。 我的瓶颈在于我的创造力，或者说取决于我能想到多少可以做的事情，以及我能为客户交付多少价值。这些才是我获取效率提升并且产出更多内容的地方，而不是仅仅在范围内限制输入来让公司盈利。 关于印第安纳州的说法完全正确，因为有些流程必然受到外部规则的约束，比如法律、治理和合规性要求。在印第安纳州我必须为员工履行某些特定程序，这些流程既是我希望业务运行的方式，也是它必须运行的方式，企业实际上就是所有这些流程组合在一起的集合。从某种角度来看，我们拥有记录系统和执行系统。我的想法是大多数企业的实际运作方式并非如此，但我们通常是这么理解它的。 Alex：我完全同意，我认为这是一个非常棒的框架。我很喜欢Intuit就像TurboTax那样，既然税法是公开出版的你完全可以去下载所有规则，它具有高度的确定性，你可以让报税和那些乱糟糟的下载文件夹同时处理。在这种情况下一切规则都是透明的，但我认为边缘案例被公开发布出来其实是一种相当罕见的情况。 企业是有价值的，理论上有很多偏向知识经济的企业，他们所有的资产每天晚上都会乘电梯下楼回家，但这些业务确实具有核心价值。比如McKinsey在脱离所有员工之后是否还具有价值？因为那是一家靠知识经济产出成果的业务，它与劳动力深度挂钩而不像实体产品那样。尽管如此，他们可能拥有一本绝密的内部手册，规定了如何运作、如何招聘解雇员工以及如何为客户带来成果。我还没见过这种手册，正因为没见过所以也无法复制，而它可能已经建立并延续了一百多年。 非数字、非软件公司的产品是什么？他们的产品可能就是长达几个世纪或几十年的知识积累。我喜欢去日本，你会看到有些面馆大约从1587年就开了，能传承这么久肯定是有名堂的。这是一种长期积累而成的文化、知识和技能诀窍，当然也会有一份制作面条的食谱清单。做面条可能稍微简单些没有那么多边缘情况，但也可能会遇到极端情况。比如如果面粉用完了你会怎么做？面馆是如何在1623年的大面粉饥荒中幸存下来的？他们必然采取了某些措施，而这些经验就这样积累在那本秘而不宣的诀窍之书中，而不是去复制那些已经向公众公开的东西。 Mike：这就是我认为它如此迷人的地方，它迫使我们重新思考自己的业务。真的是Intuit在为你填写税法吗？还是说Intuit对税法的了解程度已经达到了无人能及的地步？。他们所提供的核心价值是帮助你处理生活数据并梳理你的理解，向你提出正确的问题，从这点来看Intuit现在更像是一家McKinsey。这是他们的特殊能力，即如何向你提出正确的问题来填写税务表格，而不是单纯地去填表。 现在所有企业都不得不重新审视自己，也许我内部有50个流程曾被我认为是独一无二的核心秘诀，但实际上只有20个是真正的核心。我现在必须认真考虑在这些流程中哪些确实是独特的而哪些不是，因为我们以前从未需要以这种方式进行思考。 Alex：我认为这在某种程度上是一个关于如何平衡的问题。关于这是否值得亲力亲为，如果你采用第三方工具，它不是不可触碰的红线而更像是一种独立的变量。我现在应该用Claude Code自己写代码吗？如果某家公司对软件收费过高甚至会导致我的业务失败，且自己开发已经能完成99%的需求并覆盖成本，那么自己写代码就是有意义的。但如果那个软件每年只需一美元那自己开发就没有意义了。 而且并非所有的记录系统价值都是相等的。我倾向于将记录系统看作是某种业务的原子单位。比如日历是时间的记录系统，ERP是库存的记录系统，你拥有所有这些不同维度的记录系统。我给别人举过一个例子，比如我在迈阿密有一个不经常去的办公室，那里有一套像Google Calendar一样的会议室登记系统，我是否愿意花精力去更改那个系统？显然愿意，因为那个办公室一年才去一次谁在乎它稳不稳定呢？ 相比之下有些系统可是会直接影响我收入的，而且它们本身并不昂贵。我真的要为了吃饭自己去种粮食吗？采用农业隐喻的话去餐厅吃饭其实要便宜得多。如果我只是想要一个汉堡，肯定没必要自己去买一头牛然后喂养等待，由于比较优势和规模经济的作用在餐厅消费大量的食物实际上成本更低。 所以存在一些记录系统更容易受到影响，仅仅是因为它们的定价过高，或者就其存储和记录的内容而言它们的价值并没有那么高。Carta为很多公司追踪管理股权结构表，你多久查看一次股权结构表？虽然不怎么频繁但它非常重要绝对不能搞砸。所以我很可能愿意继续使用Carta因为他们收费并不高，而且它不是那种日常高频使用的产品，所以它甚至不在被替代的考虑维度上。 3.Vibe Coding替代论难实现 Mike：我觉得vibe coding这件事太迷人了，作为软件圈子里的人，感觉人们以后直接靠氛围写代码vibe code就能把那些传统工具全替换掉。但转念一想如果我靠氛围写代码来搞定一整天的工作然后直接运行它，那简直太可怕了。这背后依然得有一些真正聪明的工程师兜底才行，首先我有其他更重要的事情要让他们去做，其次我觉得彻底依赖这种方式目前对我来说弊大于利。然而这就是所谓的替代论趋势。 不可否认的是，我们看到内部在软件的可扩展性方面通过使用AI coding等方式获得了巨大的提升。大多数此类应用程序都具有高度的可配置性和可定制性，在我们的案例中甚至实现了真正的可扩展性。你可以编写运行在平台之上的、涵盖各种不同领域的软件应用程序片段，许多客户也确实是这么做的，但以前他们需要投入一支庞大的技术团队来完成这项工作。 现在他们利用vibe code的能力，就可以针对特定用例去扩展和高度定制应用程序。比如我想要一个为迈阿密Miami团队开发的会议室预订App，由于迈阿密有一些奇怪的HR政策，所以那个供20人使用的App需要随时查看Workday以及其他各种系统。过去我肯定负担不起让内部团队投入IT资源构建它的成本，因为账单金额会太高，但现在我也许可以轻松构建它。这个App在底层使用了Workday在全球的数据和规则，但它给了我一个非常定制化的interface，去为迈阿密前台完成一些非常针对他们需求的特定工作。这非常强大，但它并不能完全取代人类的工作。 说起来可怜的Workday，我觉得Aneel就像是这些概念性示例中经常被调侃的对象。但这其实真的很强大，它实际上让Workday在企业级市场中更具粘性也更有价值，因为你可以基于它构建所有这些定制应用程序，这就是AI、Vibe Coding和创造力的力量，使底层系统能更贴合我的具体需求。 但我们必须非常谨慎地处理稳定性、规则流程与高度定制化之间的平衡。你甚至可以认为像openclaw之类的例子就是为了给个人量身定制非常私人化的App。构建这些应用的人大多数并不是软件开发人员，他们只是在Gmail之上构建仅供自己使用的App或者其他小工具。但这仍然是将Gmail作为轨道，他们依然需要去Gmail阅读和处理邮件，只不过他们为自己构建了一些特定的东西来解决只有自己才会遇到的问题。其中有几个项目可能会演变成公司，但大多数仅仅是在解决他们自己需要处理的事情，这确实非常强大。 4.定价的公平性 Alex：这就是为什么我对前端与后端不一致带来的定价公平性感到好奇。以Salesforce为例他们是按许可证收费的，我想我们公司大概有600人，可能就买了600个Salesforce许可证。我其实从没登录过Salesforce但我敢打赌公司也为我付了费，然而我有时确实会使用它的输出，因为它实际上是我们的记录系统。不想过度使用这个词但它确实存储了我们所有的业务关系，而我就像是关系型数据库表table里的一部分，比如我是422号userid。 每当我与一家公司对接时就像在另一个数据库中匹配上了，但我们其实只想为一个底层数据库付费。现在就像是在一个前端与后端逐渐分离的世界里，事实就是这样。我觉得Workday想出了一个非常聪明的定价策略，这是一种强大且让人感觉公平的定价范式。你的员工越多付费就越多，为什么那样才公平？因为GE的利润显然比一家10人的公司要多，GE理应为此支付更多的费用，而这笔钱对他们来说仍然只是九牛一毛。它的定价完全处于最理想的黄金区间，我认为没有人会对此产生异议。他们未来将增加大量AI营收，但最重要的是他们的底座定价让人感觉很公平。 然而对于这些前端与后端在某种程度上已经分离的产品，我不知道什么是公平的定价模式，也不确定未来的软件定价会发生什么变化。显而易见如果没有人愿意买账，大家都去编写自己的代码而不再有任何竞争，那么定价逻辑将保持不变，但你可以想象未来人们都在定制化的前端上构建东西然后直接从底层数据库中读取数据。因为所有的记录系统都有一个数据库代表了底层的一切抽象层，那么这些类别中的任何一个是否会面临价格压力？ 对我来说如果前端不再等同于后端，它会比紧密交织在一起的情况面临更大的易感性和冲击。比如QuickBooks是由小微企业使用的，他们没有账号（seats）概念，企业主直接登录QuickBooks即可，所以它的前端在某种程度上就是后端。相反就像Salesforce你可以想象虽然没有人会彻底弃用它，但他们可能会大幅减少账号（seats）数量，因为底层的后端依然必不可少但对昂贵前端的需求减少了。他们不会消除或者对后端做任何改动，只会优化前端的成本。 Mike：我一直认为定价的公平性和客户观感非常重要，人们需要理解他们为何付费，并觉得他们所支付的费用在某种程度上与其真实的使用情况相关联。一家拥有1万名员工的公司在购买Workday时很可能要支付两倍以上的费用，外加一些批量折扣，因为他们购买的量更大且业务具有两倍的复杂度，他们自己也认为这很公平。这里看起来合理的原则就是：我愿意按员工人数为我的HR系统付费。 我认为这类事情的核心问题在于它不仅仅是一个数据库，它是一个数据库加上一组复杂的进程，在我成长的那个年代我们管这叫业务逻辑。这些业务逻辑绝非无关紧要，为什么企业会有这些逻辑？因为企业本身就是作为一系列流程的集合来运行的，而且管理者追求标准化以在某种程度上实现流程化。这是为了让不同的团队以同样的方式工作，以便有人可以管理、理解他们并精准追踪输出。 就像如果我拥有一堆汽车工厂，我想要持续跨越它们去追踪进出的汽车总数，业务逻辑被嵌入其中的地方在某种程度上就是护城河和价值所在。就传统方式而言那里的销售额实际上非常巨大，你为销售团队制定的那些流程对你来说极具价值，而且你会认为这是一种公平的付费方式。但问题在于你的销售协作团队即那些协作者而非核心用户，他们究竟有多大程度需要这些流程又在多大程度上不需要？ 我假设Salesforce Sales Cloud有一个MCP server，那个MCP server并不直接访问数据库，它主要涉及你的业务流程以及执行过程中的规则。现在的争议点是某些销售相关人员如果在市场部门或客户成功职能，他们是否需要那些沉重的流程、治理、控制和规则。比如系统规定我们在日本只为客户提供X服务、为该地区的客户提供Y服务之类的事情，甚至连他们的MCP server都需要专门开一个账号（seats）。至于客户是否认为这种捆绑收费公平，那就是另一个悬而未决的问题了。 没错，挑战在于这该如何定价。我想告诉你，在讨论消费型定价或按需计费定价时，基于结果的定价在很多领域都是合理的，但我绝对不认为它会成为主流的软件定价方式，或者说不适用于所有的SaaS软件。 因为当你与客户交流时，你会发现他们非常讨厌这种方式，他们真的很反感星号附加条款。这与他们认为自己投入的价值无关。比如我对Splunk采用的是按量计费，如果我发送给他们的日志量翻倍，我就得付更多的钱。我明白这个逻辑，但日志记录是由我决定的。我可以多记一些，也可以少记一些。我可以对团队说，你们为什么记录这么多日志，这太贵了，而且你们真的在用这些日志吗？我是可以控制我投入的数据量的。这与存储和S3或其他典型服务的模式相同。我存入1GB或2GB都没问题。问题在于，这些对于我作为客户来说是相对可转移且可控的。 但人们给出的许多关于基于结果或基于消耗定价的例子，作为客户我是无法控制的，而且它们也是不可兑换的。所以AI Token的世界和AI积分的世界，对客户来说真的非常困难。他们会觉得不明白你给我的这种代币或筹码到底是什么。 我可以从AWS获取1GB的存储空间并将其部署到Azure，而且我知道他们会收我多少钱，因为每GB的费用基本上是固定的。但当我拥有这些AI额度时，我不知道你的额度是否和别人的一样。供应商一直在增加新功能，我的用户在使用这些功能，所以消耗了我的额度。但我不知道他们用这些额度做了什么。 这并不是公司主动选择去使用它们，而是供应商在添加那些让软件变得更好的功能，而这些改进似乎是自然而然发生的。我可以让我客户的额度消耗在一夜之间翻十倍，仅仅通过添加一大堆类似为你生成很棒的摘要这样的功能。客户会觉得我并没有要求做那个。 所以我觉得在谈论基于成果的使用计费时，当你和客户沟通，他们还是想要按账号（seats）计费。这可能是因为他们现在更理解这种模式，并且他们被很多按量计费模式坑过，这种模式会导致账单金额大幅飙升，他们会不知道该如何控制。 是的，这需要一些时间来适应。它肯定会出现在很多类别中。我们在Atlassian的业务涵盖了很多领域，你可以称之为基于用量的定价，或者字面意义上的按需计费。但我们尽量专注于那些客户业务量翻倍时，他们能获得两倍的价值同时也支付两倍费用的领域，而且这一切都在他们的控制之下。许多其他定价模式并不在客户的控制范围内。 基于结果定价的最后一个例子是，这些结果也是动态的。比如在客户服务方面，我为你节省了成本。你过去在客服上花20块，使用我们的工具你只需要花10块。在第一年这是一个非常棒的销售说辞。但到了第二年，客户会说我只花了10块，现在我想花5块，否则你没有提供任何价值。而供应商回答说如果把我踢出局，你得花20块。客户就会觉得但我现在只花10块。所以每年能为客户省钱的能力从结果的角度来看很难衡量，即使我正在消除一些繁琐的任务。 Alex：我认为从销售的角度来看也是如此。我创办过两家支付公司。我非常羡慕Workday，我常会和我的销售团队谈起Workday，因为他们对外部情况了如指掌。他们知道能从GE赚多少钱。他们会说GE有33万名员工，也许我们每个月向他们收取每位员工5美元，这就是能从该账户中赚到的钱。 如果你在销售一款软件产品，这样去规模化组建销售团队要容易得多。因为你知道那家公司会付给我们300万美元。相比之下，当我们刚创办公司时，签约了1800个公司，我们完全不知道能从他们身上赚多少钱。结果真正让业务运转起来的是Casper这家床垫公司。你根本无法预测。你以为拿下了沃尔玛这样的大客户，但刚开始进展得并不顺利，反而是签下Casper后业绩惊人。 Workday具有这种双向的可预测性，对于出资方的客户而言是可预测的，对于管理团队来说也是可预测的。你能明确应该把时间花在争取签下GE这样的客户上，而不是签约一家10人的公司，因为GE规模更大。但在互联网世界里情况却非常疯狂，Stripe从一家10人公司赚到的钱可能比从GE赚到的还要多。在那种模式下你可以获得更高水平的可预测性。 但采用基于结果的定价或者基于消耗的定价，虽然基于消耗的定价本身并不坏，但如果你无法从外部了解一个账号（seats）能赚多少钱，扩展销售和营销团队就会变得呈指数级困难。 5.为什么在AI时代，客户信任如此艰难 Eric：作为一名企业家，我想回到的一点是，在这个时代，你能分享一下这对你来说最主要的体现方式是什么吗？以及它是如何让你改变业务的？ Mike：我们的看法是，我们销售的是解决人类协作问题的协作工具。在许多不同的领域，包括服务团队、广泛的业务团队、人力资源、财务、软件团队等，许多不同类型的团队通过我们购买不同的应用套件和组合。从根本上说这些都是涉及大量文本的协作问题。这对我们非常有利。那些人在做什么才是最重要的部分。 技术世界往往趋向于重塑一切，并认为这是未来的方向。从中长期的视角来看这通常是正确的。但我们面临的挑战始终是，我们拥有大量以现有方式工作的客户，如今各种App中的工作流其实并不怎么智能。他们想要迈向未来，但同时也必须带动大量的用户。所以当我们构建AI功能时，首先考虑的是我们需要理解这项技术是什么，以及它能如何帮助我们。其次，我们需要构建什么样的基础平台组件来应对未来的变化，因为这些技术的发展速度实在太快了。 这就是我们开发AI Gateway、团队协作图谱以及企业级合规性与控制功能的初衷。你必须将这些内容与你在特定App中为客户构建的功能区分开来。那么你把这些功能放在哪里？这些功能具体是什么？其中很大一部分存在于现有的工作流中，旨在帮助客户更快、更好、更高质量、更高效地完成现有的工作流。这些功能往往非常平淡无奇，这就像X平台上那段30秒的动画GIF走红一样。但这对于客户来说非常令人兴奋，因为他们现在就可以使用，他们现有的工作方式变得更出色了，他们会觉得这太棒了。在AI世界里我却觉得那其实挺简单的，而且这在今天确实能给他们带来巨大的帮助。 我常对内部人员说，光举一个服务方面的例子还不够，你需要利用他们现有的工作流程，结合新应用或者查看新的工作流来处理问题。所以我们必须完成所有这些。如果你看Jira这个典型的例子，在我们的HR和IT服务管理产品的服务集合中，正在进行工单总结。这是我们可以做得比以往任何时候都好得多的事情。 内部大概有四五个人在处理同一个工单，试图解决一个问题。当第四个人介入时，已经有了大量的附件和对话记录。通常情况下他们可能需要花费30分钟才能读完所有内容并理解到底发生了什么，这样才能发挥专业知识来解决问题。总结并不只是简单地将内容输入到LLM中然后获取摘要。上下文对模型来说非常强大，但客户的工作流程却没发生哪怕一点点改变。它仍然是Alex对Eric说你能来帮我处理一下这张工单吗？Eric走过来必须先将大脑中所有的相关信息进行加载。这就像是一个现有的工作流，我们可以利用LLM让客户体验变得更好，而且他们非常喜欢，对这类功能赞不绝口。但这些功能通常不具备智能体特性。 那么我们可以说，对于那个服务工作流，我们需要在各个环节中加入智能体。大多数人正在处理一个工作流，然后发现这一步经常让人栽跟头，耗费大量时间。我们能让这一步变得更快吗？这绝对是我们必须亲自为智能体框架提供的功能。 我们有一个非常棒的智能体框架供整个团队使用，结合图谱和你已经拥有的所有上下文。这非常简单，价格也非常亲民。或者你也可以自带智能体框架。我认为大多数企业内部都会运行三到五个大型智能体平台。他们可能会说我用Agentforce来处理这个，或者我用Gemini来处理那个。把那个智能体带过来，我们会把它放入工作流中让它运行起来。我们必须能够做到这一点。 但你仍然完全处于现有的工作流世界中，只是在现有的工作流中执行一种新的高效的任务。接着你会遇到这样的人，他们会问如果服务工单根本不存在会怎样？所以你正在重新构思整类软件到新的工作流。我们必须帮助客户跨越这一鸿沟，因为他们通常不只有一个服务团队，他们有数百个。如果他们运行着数百个不同的服务台，他们可能会说这20个将以新方式工作，但他们必须对所有这些进行管理。所以我们正尝试将团队协作图谱中的数据与此结合起来，并且是从客户驱动的角度出发。这一点经常被忽略，我们正试图带他们走向5年后的未来，但我们的职责是切实带他们走向1年后、2年后以及5年后的未来。 最后我想说的是，我们在设计方面投入了大量精力。在任何对话中这一点总是被忽略，因为在它的运作机制中有很多基础性的设计工作要做。如果回顾移动互联网时代，第一批应用基本上只是将桌面端或网页端的内容直接搬到手机上，然后我们才演进出了新的交互模式和体验。 不仅仅是视觉层面的演进，还包括我们该如何使用这些东西。推送通知最初是用来做什么的？下拉刷新是一个非常显而易见且简单的例子，它是一个非常经典的设计模式。整个过程就像是我该如何让移动端和桌面端协同工作，该如何来回切换。我们有如此多的设计挑战需要解决。这实际上是帮助普通用户理解其中的内容。他们并不想深究，如果AI对他们来说不存在也无所谓，他们想要的是AI带来的结果，不需要了解所有的技术细节。我们的工作就是隐藏这些细节，直接把结果交给他们，或者使任务更有效、更高效。在技术领域，有时我们太痴迷于模型质量之类的东西了。 现在说模型已经远远领先于实际交付的价值几乎成了陈词滥调。未被充分利用的潜能是如此巨大。这其中的一部分实际上在于设计和体验。我该如何获得这个？给人们一个拥有无限能力的聊天框，他们却只会说给我讲个冷笑话。这就像是拥有无限的力量，但很难帮助他们利用这种力量。这也是我们面临巨大挑战的地方，即如何将智能体及其所有能力引入工作流和协作循环中，并让人类与智能体协同工作。 Alex：我喜欢拟物化设计(skeuomorphic)。早期Web的形态就像你拥有几张实体纸一样，这也是它被称为网页(web page)的原因，就好比一张8.5x11英寸的纸。后来到了移动端，大家最初的设想只是做一个微缩版的网页。但事实证明，如果你不局限于拟物化思维，而是基于第一性原理进行思考并充分利用设备的性能，你就能创造出全新的交互方式。比如下拉刷新，这就是伴随移动端诞生的新概念。我前几天还在琢磨这件事。你试过Nano Banana 2吗？ Mike：试过。 Alex：没错。我的一位同事刚跟我说，他用它为去日本旅游的美国游客做了一份关于注意事项的信息图表。那种一键生成(one-shot)的效果简直令人惊叹。但这引出了一个问题：你该如何编辑这些输出结果？现在的编辑方式感觉非常拟物化，依然是那种经典的GUI操作逻辑，比如点一下这里，再修改一下那里。所以我想问你，关于编辑AI输出的内容，你认为目前业界的最高水是什么样的？或者说理想状态应该是什么样的？既然你提到了设计，最近你在这方面有什么深层思考？ Mike：这是一个非常棒的问题，我想先退两步来回答它。首先，在AI领域建立客户信任是非常困难的。我们在做用户调研时发现，人们害怕AI并不是因为它的能力有多强，而是因为它的运作像个黑盒。比如你的AI助手瞬间清理了收件箱、发了十几封邮件，用户的第一反应往往是：“我怎么知道它做对了没有？”为了赢得信任，AI必须向用户及时反馈它的意图并请求确认，但同时又不能频繁到让人觉得烦躁，否则用户会觉得还不如自己动手。所以交互频率和信任机制本身就是一个完整的系统设计问题。 其次，AI的训练和应用离不开大量数据与不断的迭代。现在社交媒体上充斥着关于神级提示词的炒作，仿佛念一句哈利波特的咒语就能让AI自动帮你经营一家十亿美元的公司，这太离谱了。一键到位固然有用，但在现实业务中，你通常需要不断去修改输入和输出。比如你让大语言模型(LLM)写篇论文，生成后你发现方向不对，这就需要通过改变输入来进行迭代。但如果你曾尝试通过纯聊天的方式来迭代编辑图像，你会发现体验非常令人沮丧，因为你很难精准控制AI不擅自改动其他部分。这本质上也是一个关于输入的体验设计问题。 以我们公司的产品为例，我们的团队协作图谱拥有海量的组织知识和极高的准确度，甚至能记住我十几年前写过的代码。但如果因为AI知道我有计算机科学背景，就自动用极其硬核的技术语言回答我的所有问题，这其实是没用的。如果我们在界面上设置一堆勾选框，让用户自己决定“是否搜索网络”或“是否搜索组织数据”，这也完全违背了设计初衷。 AI应该具备主动预判的能力。你在Deep Research等工具中能看到一些这类尝试，但有时也很让人沮丧。这就好比你手下有50个实习生，虽然能干很多活，但他们每分钟会问你50个问题，导致你整天什么也干不成，全在回答问题了。 此外，在企业环境中实现工作流的迭代要困难得多。比如头脑风暴通常需要团队协作，在我们的Whiteboard和Confluence中，你可以引入智能体来辅助。它们非常擅长从组织内部提取知识并生成优秀的方案。但如果没有任何人工干预直接让AI包办一切，就会失去团队的信任。正常的流程应该是我们先开会收集想法，加入人类的直觉判断，筛选出有用的部分，然后再把这些反馈给另一个智能循环。因为AI的输出质量具有很强的非确定性，这就注定了系统必须包含一个人工介入循环。没错，如何把握这个人工介入的度是个极大的设计考验。循环确认的步骤太多会让人感到沮丧，步骤太少又会失去用户的信任。 我们刚在Jira中发布了Agent功能。当你把任务分配给Agent时，它就会去执行。但用户往往会问：“它现在到底在干什么？”如果你给他们展示上千个底层执行步骤，他们又会觉得你在给他们塞废话。所以仅仅是将AI引入工作流，就面临着海量的设计挑战。 回到实际的业务审批流程上来，比如一项交易需要经过安全、会计、财务和销售等多个部门的审核，你该如何用AI优化这个工作流？当你将任务分配给Agent时，你需要非常小心地设计用户体验：它什么时候返回结果？以什么方式返回？用户能否在它工作时主动询问进度？ 我们相信，允许用户随时查看进度有助于在短期内建立信任感。但从长期来看，如果这个Agent连续二十次都出色地完成了任务，用户最终会选择完全放权。这些全都是根本性的基础设计与体验问题，而不是纯粹的技术问题。核心挑战在于如何让每天使用App的数百万用户对产品产生信任，并消除那种黑盒感。盲目承诺“我可以为你做任何事”，只会让用户无所适从。 Alex：这确实还是一个悬而未决的问题。因为未来的理想交互方式显然既不像过去那样单纯地点击鼠标，也不像现在这样只是不断地重新输入提示词，它更像是两者的结合。 只要工具是为人类服务的，就一定离不开人类的参与。你需要让用户能够直观地深入理解模型内部的运作逻辑，无论是出于建立信任的目的，还是为了方便后续的修改迭代。这本质上是一个设计问题，而且我认为目前业界可能还没有人完美解决它，我们正处于这一探索过程的最早期阶段，大家都在为如何更好地调整和编辑那些一键生成的内容寻找最优的设计方案。 Mike：我想举一个文档编写的例子。知识工作者几十年来都习惯了以固定的模式写文档：打开一个空白页面，输入标题、打字、列出符号或者插入表格。现在我们推出了Create with Rovo功能，你完全可以从一个提示词开始，让AI根据模板生成内容，甚至让它先去调研各个维度的信息并整合带回。 但要改变用户根深蒂固的习惯是非常困难的。现在界面变成了左右两部分，左边是文档实体，右边是聊天窗口。想象一下这是一个没有任何工具栏、只能通过对话来排版的Word。我们需要鼓励用户：“你可以直接在左边修改任何文本，也可以在右边输入指令，比如让它添加一个新章节、去研究其他资料并补充到摘要后面。” 当我们观察那些高级用户时，发现他们非常享受这种模式，他们能熟练地在两种操作间来回切换，领会了这种全新的范式。他们可以下达贯穿整篇文档的全局指令，比如“把所有标题变成蓝色”，这在传统编辑器里是很难一键做到的。他们甚至可以要求AI从董事会成员的视角来重新评估并精简这份文档。 但对于普通的商务用户来说，他们的第一反应往往是困惑：“所以我只需要在左边打字就行了？”这实际上是一场深刻的范式转移。我怀疑随着AI工具的普及，就像移动互联网时代刚到来时那样，大概两到五年后，这种全新的交互方式会变得非常普遍。这就好比大家第一次看到Excel时，也会茫然地问“我该在哪里输入段落”，但现在所有人都知道Excel是怎么运作的了。 我们面临的最大挑战，就是如何将所有这些强大的AI能力自然地融入到极简的界面中，去协助人们真正调用整个组织的知识来生成文档。我知道这在底层算法和数学逻辑上是完全可行的，但要通过优秀的体验设计来引导用户接受并掌握它，依然充满挑战，同时也令人无比兴奋。我们需要花费大量时间来不断完善这些体验。 Eric：这是一个非常适合作为结尾的话题。Mike，非常感谢你参加我们的播客，这是一次非常精彩的讨论。 Mike：好的，没问题，伙计们。希望这些分享能对大家有所帮助。

IT之家 3 月 7 日消息，鸿蒙智行前天发布了问界 M6 全新「活力橙」配色，这款配色采用了“高饱和度纳米色浆”及“高亮铝粉”，主打“橙色被唤醒出活力的立体感”。 今日，鸿蒙智行又公布了全新的「流光青」配色，相比高饱和度的「活力橙」更显通透。 晨光漫过清冷釉面，光影在微米级的铝粉间悄然流动。不堆砌饱和，只保留青色最本真的呼吸感。极低浓度色浆调配出的通透，目光所及，皆是心动。 参考IT之家此前报道，华为终端 BG 董事长余承东于 2 月 27 日宣布问界 M6 全色系登场，提供橙、白、黑、银、青、紫、蓝等多款车色。 新车采用俯冲动感姿态设计，搭载顶置激光雷达、半隐藏式门把手、晶耀大灯等，车尾配备 AITO 发光尾灯。车长 4960mm，宽 1985mm，高 1736mm，轴距为 2950mm。 工信部信息显示，问界 M6 增程版将提供三种纯电续航里程版本，分别为 180 公里、260 公里和 272 公里三种（测试工况未知），新车将会在今年春天正式发布。

IT之家 3 月 8 日消息，当地时间周六，OpenAI 在接受 Sources.news 采访时表示将再次推迟“成人模式的上线”，以便“专注于当前对更多用户来说更重要的工作”。 OpenAI 发言人对 Axios 解释称，目前公司优先推进的工作包括“提升智能水平、改善对话个性、增强个性化体验，以及让交互变得更加主动”。不过，他同时强调，公司“依然相信应当在原则上把成年人当作成年人看待，但要把整体体验打磨到位，需要更多时间”。 图源：Pexels 这已是 OpenAI 第二次推迟该功能的发布。2025 年 10 月，OpenAI CEO 萨姆 · 奥尔特曼（Sam Altman）首次透露，公司将在更全面地推出年龄分级机制的同时，基于“把成年人当成年人对待”的原则，向经过验证的成年用户开放更多内容，包括“情色内容”。当时奥尔特曼表示这一功能将在 2025 年 12 月上线。 然而，这一计划在内部被紧急叫停。据知情人士透露，奥尔特曼要求团队将资源优先集中到 ChatGPT 核心体验上。随后在 2025 年 12 月的一次简报会上，OpenAI 应用部门 CEO 菲吉 · 西莫（Fidji Simo）向媒体确认，成人模式将推迟至 2026 年第一季度推出。 如今第一季度即将结束，OpenAI 再次按下暂停键，且未给出新的时间表。 值得注意的是，OpenAI 已于今年 1 月开始逐步推广其年龄预测工具，这可能与未来的成人模式密切相关。IT之家注意到，该工具通过分析账户活跃时长、使用时段、使用模式等多种因素，自动判断用户是否可能未满 18 岁。如果系统判定用户可能为未成年人，将自动应用针对性的安全防护措施。被误判的用户可以通过第三方身份验证服务 Persona 提交自拍照完成年龄核验，从而恢复完整访问权限。 本月初，科技媒体 Android Authority 对 ChatGPT v1.2026.055 解包发现了名为“Naughty Chats”的字符串。代码描述显示，“该设置允许 ChatGPT 在您提出请求时使用更辛辣、成人主题的语言”，并确认该功能仅面向 18 岁以上用户开放。这进一步印证了 OpenAI 仍在持续推进相关功能的开发。 奥尔特曼此前曾强调，成人模式不会默认开启，只有在用户主动请求时才会提供相关内容。这意味着用户需要手动启用该开关，并主动要求 AI 聊天机器人进行成人主题对话。

卡利诺夫斯基 凤凰网科技讯 北京时间3月8日，据彭博社报道，OpenAI机器人团队负责人凯特琳·卡利诺夫斯基(Caitlin Kalinowski)在周六宣布辞职，原因是该公司达成了一项协议，将其AI模型部署到美国军方的机密网络中。 卡利诺夫斯基在X上发帖称：“做出这个决定并不容易。AI在国家安全中扮演着重要角色。但是，在未经司法监督的情况下监控美国人，以及在没有人类授权的情况下让AI拥有自主致命攻击能力，这些都是未经充分商议就触碰的红线。” OpenAI在一份邮件声明中证实了卡利诺夫斯基的离职，并表示公司相信与美国国防部达成的协议“为在国家安全领域负责任地使用AI开辟了一条可行之路，同时明确了我们的红线：不进行国内监控，不用于自主武器。” “我们认识到，人们对这些问题有着强烈的不同看法。我们将继续与员工、政府、民间社会以及全球各界进行讨论。”OpenAI表示。 根据卡利诺夫斯基的领英资料，她在2024年11月加入OpenAI，担任公司机器人技术团队的成员，此前她曾领导Meta的增强现实眼镜开发工作。 在特朗普政府与AI公司Anthropic的谈判破裂后，OpenAI在2月底与五角大楼达成了协议。Anthropic此前一直争取获得保证，即其技术不会被用于对美国民众进行大规模监控，也不会用于研发完全自主的武器。OpenAI尚未说明其向五角大楼提供的服务是否会取代此前由Anthropic负责的工作。(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”。

封锁加码本土突围 ASML在芯片设备领域那可是响当当的角色，主要生产光刻机，帮助全球厂家刻出那些细小电路。从2023年起，美国就开始推动出口管制，不让先进EUV光刻机卖到中国大陆。 荷兰政府也跟着行动，2024年1月吊销了NXT:2050i和2100i型号的许可证，9月又撤销了更多DUV设备的出口许可。中国企业只能拿到一些老款机器，用来维持成熟工艺的生产线。 这种管制其实是步步紧逼，每当中国技术有点起色，美国那边就加码。结果呢，中国大陆市场成了ASML的最大客户，2025年第三季度交付量占总数的42%，比第二季度27%还高出不少。 这些设备大多去了三星和SK海力士在大陆的合资厂，帮着生产传统芯片，保持全球供应链运转。ASML前任CEO彼得·温宁克早就在电视节目上说过，完全隔离中国没戏，他们会自己钻研出路。 台积电前高管林本坚也提过类似观点，中国团队面临压力时，总能找出新办法绕过封锁。实际情况就是这样，中微半导体已经在刻蚀机上拿下5nm工艺，进了台积电生产线。 北方华创、盛美半导体这些本土企业，也在沉积设备和清洗机等领域发力，集中资源攻克卡脖子环节。上海微电子的分支芯上微装，更是专注光刻机研发，早早就开始布局。 美国的策略其实是“你封锁我突破，我突破你再封”，形成一种循环。中国企业没闲着，投入大量资金和技术人才，目标就是实现设备国产化。 ASML的财报显示，2024年中国销售占29%，但管制让交易越来越复杂。大家都知道，这场拉锯战会推动中国创新加速，谁也挡不住。 稀土反击供应链警 2025年10月15日，ASML的财报电话会议上，CEO 直言不讳，中国市场风险大，虽然现在需求还旺，但企业已经在开发自家光刻机，准备逐步替换他们的产品。 订单数据亮眼，5.4亿欧元，包括EUV部分，但中国部分让大家捏把汗。Fouquet说，2026年中国销售会明显下滑，比2024和2025年弱得多。 他还提到，中国加强稀土供应链出口控制，现在还没直接影响ASML，但如果持续下去，会严重冲击业务。稀土是光刻机磁铁和激光部件的关键，中国产占全球90%以上。 CFO 补充，公司有库存，能撑几个月，供应链有准备。不过，这种管制更多是警告信号，一旦美方继续加压，中国就会用稀土反制。 实际情况看，中国商务部2025年10月9日宣布收紧稀土出口规则，包括某些元素和技术审批。ASML团队紧急评估，短期无碍，因为有备用来源。但全球反应快，美国那边呼吁更严管制，股价波动大。 中国企业像SMEE，已经交付步进扫描机，本土设备采用率2025年达35%，订单421台，总值8.5亿人民币。 Fouquet在访谈中承认，中国创新能力强，不会接受被切断AI芯片供应。他们建成EUV原型，目标2028年产芯片，虽然专家说需要很多年，但进展超预期。这让ASML警觉，中国囤积设备应对管制，但长远转向本土，会削弱他们的市场份额。 博弈升级创新不止 中国企业集中资源，针对光刻机弱点投入，SMEE原型测试已完成，逆向工程部件推进中。2025年底，本土替代加速，订单纪录高。设备商如拓荆科技扩展生产线，攻关沉积设备。中微半导体5nm刻蚀机工艺，直接影响芯片良率，尹志尧视察时强调这点。 稀土管制暂停，美中协议延期实施，ASML供应链松口气。预计2026年销售平或微增，EUV拉动平衡中国下降。中国创新强，找出路，ASML需应对。全球芯片链调整，拉锯持久。 美方管制层层加码，其实是逼中国企业自强。结果呢，本土设备商崛起，中微等公司在三大关键设备上夺高点。稀土作为王牌，起到震慑作用，没直接出手，但随时能反击。ASML承认，这会削弱自身位置，但也推动全球技术进步。 中国手中稀土资源，占全球主导，管制一出，供应链就警铃大作。ASML有长周期库存，短期稳住，但长期需多元来源。 实际情况，中国已建成EUV原型，招募前ASML工程师，签约奖金高。目标虽是2028年，但可能延到2030年。说到底，这场博弈，谁也说不准，但中国坚持发展道路，集中力量办大事，成效明显。

快科技3月7日消息，日前，比亚迪王朝网首款D级旗舰大唐正式官宣，该车定位全尺寸家用SUV，提供六座和七座两种版本，集成了比亚迪最为尖端的技术。 该车纯电版搭载第二代刀片电池，CLTC纯电续航950km，系全球最长的纯电SUV，“充一次电等于同级油车加两箱油”。 全球首搭最强闪充技术，5分钟充好、9分钟充饱（97%SOC），-30℃也只比常温状态在多充3分钟。 中国首创2+2+3 MPV式座椅布局，前排配双零重力座椅，二排还提供双零压航空独立座椅。 此外还配有17.3英寸后排吸顶屏，并搭载7.1.4声道帝瓦雷27扬声器。 底盘部分，新车系王朝首搭云辇-A智能空气车身控制系统（双腔空悬），并首搭后轮转向技术，使得5.25米车长的转弯半径仅5.2米。 动力方面，该车四驱版零百加速3.9秒，在D+级纯电SUV里成绩排第一。

IT之家 3 月 7 日消息，昨日，长城汽车董事长魏建军就“魏牌 V9X 海报创意涉嫌抄袭路虎海报”一事进行了道歉，承诺将承担全部法律与经济责任。 今日，揽胜 RangeRover 官方微博公开发布回应：真诚和担当是最好的代言，也是揽胜品牌最珍视的品质。坚持原创，祝长城汽车越来越好。 参考IT之家此前报道，长城汽车 3 月 5 日宣布董事长魏建军成为魏牌全新旗舰车型 V9X 代言人并发布海报，但随后有网友指出其海报创意涉嫌抄袭路虎海报。