本文来自微信公众号： 夕小瑶科技说 ，作者：zzy

谷歌最近越来越魔幻了。

一个干了7年的工程师，开发了一个爆火的开源项目，冲上Hacker News第一名，在GitHub上拿下2.7w星。

他却因此被开除了。

这两天，当事人Justin Poehnelt在推特上分享了自己的这段离谱的经历，帖子半天破了百万浏览，评论区一边倒地替他鸣不平，并且工作机会对他狂轰炸。

OpenClaw之父Peter Steinberger也在评论区开启“Boss直聘”，邀请Poehnelt加入Codex团队。

导致Poehnelt被开除的，是一个叫Google Workspace CLI的开源项目。

更魔幻的是，他被开除的前两天，谷歌自己还在Cloud Next大会上宣布即将推出官方的Workspace CLI。

◈做出爆款，送走自己

Poehnelt是谷歌Workspace的工程师，属于开发者关系（DevRel）团队。做开源工具、给开发者封装好用的接口，本来就是他这个岗位的日常工作。

今年三月初，他做一个开源项目——Google Workspace CLI，上线之后迅速冲上了Hacker News榜一，还在GitHub上累计获得近3w的Star，可以说是一个现象级的爆火项目，在开发者中备受好评。

刚开始，公司内部的反应也是相当正面的，从主管到领导甚至都主动找过来，想了解能从这个工具里学到什么。

当时还是Google Cloud AI总监的Addy Osmani，专门为此发文，对这个项目大加赞赏。

到这里，这本应该是一个能写入公司宣传栏里的小故事：夸夸公司文化，讲讲员工多么有才华、多么有创造力，皆大欢喜。

然而，转折却来的有些莫名其妙。法务部门突然开始介入，追问Poehnelt为什么GitHub仓库上用了谷歌的Logo和品牌配色？

说实话，这个质问不是完全没道理。推特上有网友指出：未经品牌审批就挂着谷歌Logo发项目，无论这工具多惊艳，确实算违规，Poehnelt自己也没否认流程没走全。

但问题是，这个项目就托管在谷歌官方的googleworkspace GitHub组织下——在自家官方仓库里用自家Logo，被法务当成问题来查，本身就有点上纲上线。这种规范问题，通常一封“请改一下”的邮件就能解决，远没到要开人的地步。

在被法务部门追问之后不久，Poehnelt就被公司解雇了。

◈超前的理念，输给了时间

在Poehnelt看来，自己被解雇的真正原因并不是使用了谷歌的Logo，而是自己开源的项目太超前了，以至于Workspace以及一些项目负责人，害怕被颠覆。

Google Workspace CLI（简称gws）是一个开源命令行工具，它为Google Workspace（Drive、Gmail、Calendar、Sheets、Docs、Chat、Admin等）提供了一个统一的接口，同时服务人类和AI agents，也内置40+（实际更多达100+）针对AI agents的skills（结构化Markdown文件）。

这个项目能火起来，靠的是他超前的理念。

这个项目是2026年初发布的，完美抓住2026年AI agents浪潮，当时AI agents需要可靠方式操作外部工具，之前的CLI都是为人类（开发者）设计，根本不适合agents。

Poehnelt发了一篇博客——《你需要为AI agent重写你的命令行》中，抛出了一个前瞻性的判断：给人用的命令行，和给agent用的命令行，本质上是两种东西。

原因也写在文章里：

人类讨厌在终端中编写嵌套的JSON格式数据。而智能体则更喜欢这种方式。

博客里提到两个概念：Human DX（面向人类开发者的体验）和Agent DX（面向AI agents的体验）。

这两者之间的差距有多大？可以通过一个例子感受一下

Human DX长这样：

扁平的flag，人读着舒服，但表达不了嵌套结构，想嵌套就得套一层层自定义抽象。

Agent DX则是另一种表现方式：

人读着费劲，但AI却非常容易接受结构化Json格式。

当然，“把CLI为AI agents重写”指的不是简单加JSON输出，而是彻底转变设计哲学。

沿着“agents-first”的逻辑，Poehnelt还配套了几个关键设计：

• 用原始JSON数据包代替大量定制化、专门设计的flags（命令行参数）。

  
  

LLM（大模型）非常容易直接生成JSON，而且无翻译损失，避免了把自然语言转成一堆参数时出现的错误。

• 运行时自动读取接口结构代替静态文档。

  
  

Agents可以自己查询当前命令支持什么参数、返回什么字段，避免把过时的文档塞进上下文（节省token，且永远不会过期）。

• 上下文窗口（Context Window）优化：

  
  

• 使用field masks（字段掩码，只返回需要的字段），大幅减少返回的数据量。

  
  

• 支持NDJSON（每行一条JSON）分页流式输出，防止一次性输出海量内容撑爆上下文窗口。

  
  

• 对所有输入进行严格验证（路径、ID、编码等），假设agents会输入“adversarial（对抗性、恶意或幻觉产生的）”内容，提前防御路径穿越、注入等风险。

  
  

• 打包skills，提前准备好结构化的技能说明文件（含YAML元数据），明确告诉agents最佳实践，例如“always use--dry-run（总是先空跑测试）”。

  
  

• 同一个工具同时支持多种使用方式：传统CLI（人类用）、MCP（模型上下文协议）、扩展插件、环境变量无头认证等，让人类和agents都能舒适使用。

  
  

• dry-run（空运行/模拟执行）：只检查不真正执行。对返回内容进行安全过滤，防止prompt injection（提示注入）等攻击。

  
  

这些改动让CLI从“人类友好”彻底转向“AI agents友好”，本质上是设计哲学的转变：不再把agents当“笨人类”来照顾，而是把它们当成快但容易出错的高性能用户，提前做好防御和优化。

项目被众多大V转发，社区快速贡献，真实用户（包括agents）暴增。短期内登上Hacker News第一名，GitHub星数快速攀升。

GitHub地址：

https://github.com/googleworkspace/cli

回过头看，Poehnelt这套超前的设计理念最终却成为了他出局的理由，推特中，他写道：

我觉得根源在于，Workspace以及某些高层(还有一些项目)害怕被颠覆。但这种恐惧并不是针对我这个CLI，而是一种更宽泛的焦虑——担心agent对Workspace的冲击。

2026年年初提出的时候谷歌对此缺乏远见，等谷歌现在后知后觉反应过来准备推出官方版本的时候，自己已经被开除了。

可以说，Poehnelt这次输给了时间，不是太晚，而是太早。

◈留不下人才的谷歌

把镜头拉远，这件事就不再只是“一个被时间耽搁的倒霉工程师”那么简单了。

就在上周，Transformer论文核心作者、Gemini联合负责人Noam Shazeer跳槽OpenAI；诺贝尔化学奖得主、AlphaFold之父John Jumper跳槽Anthropic。

值得一提的是，把人逼走，过段时间才回过味儿来后悔——这种事，谷歌干过不止一次了。

此前，Noam Shazeer也在谷歌内部研发了一款名为Meena的对话机器人，因为恳求谷歌管理层向公众开放测试遭拒，于是只能失望的离开。之后不久，ChatGPT横空出世，后面的故事大家都知道了。。

招聘市场是诚实的。Poehnelt那条帖子下面，不少公司和创业者公开抛出橄榄枝，其中就包括Codex团队。

尽管谷歌发言人表示，少数人的离开不会影响公司大方向。

但摆在台面上的事实相当扎心：最顶尖的那批人，正在被对手用真金白银挖走；最能干活的那批人，也在被自己的官僚体系开掉。

曾经的谷歌，是另外一番模样。

它最广为人知的文化之一，就是允许工程师拿出约20%的工作时间，去做自己想做的项目；Google News、AdSense等等撑起公司半壁江山的产品，都被视为这种文化下的代表作。

在那个年代，员工自发做出受欢迎的东西，是会被搬上台当典范来讲的。

从“鼓励创作”，到“打压创作”，这中间隔着的，不只是简单的一次解雇。

本文来自微信公众号： 东四十条资本 ，作者：韦香惠

四川低空赛道又将迎来IPO。

近日，深交所官网信息显示，四川腾盾科创股份有限公司创业板IPO申请获受理，计划募资30.2亿元。招股说明书显示，公司已掌握25项关键核心技术，多个产品达到国际先进水平，双尾蝎系列、混江龙、没羽箭等高端智能飞行器已在业界颇具知名度。

如此技术实力与其创始人聂海涛的经历密切相关。作为中国航空工业体系走出的代表性人物，腾盾科创成立以来就受到关注。2021年6月，在“低空经济”一词尚未诞生，投资工业无人机也不算热门赛道的情况下，腾盾科创就创下过行业内最大的一笔融资，由四川产业基金、四川发展、华控基金、国投创益等26家机构联手投资了数十亿人民币。

近年来，依托深厚的航空工业基础和持续加码的政策支持，四川已逐渐形成覆盖工业无人机、eVTOL、航空发动机、飞行运营等环节的低空经济产业集群，成为国内布局最完整、活跃度最高的地区之一。在腾盾科创之前，纵横股份、中无人机、立航科技三家公司已经成功上市。今年4月，与腾盾同期成立的沃飞长空也已经在四川证监局办理辅导备案登记，正式冲刺科创板，有望成为A股“eVTOL第一股”。

52岁航空老兵创业，估值122亿

腾盾科创创始人聂海涛，是中国航空工业体系走出的代表性人物。

公开资料显示，聂海涛1986年毕业于南京航空学院，随后长期任职于航空工业成都飞机设计研究所（611所），历任副所长、副总设计师，曾深度参与歼-10、“枭龙”等国家重点型号战机的研制工作。2016年，这位在航空系统工作数十年的“老兵”选择离开体制，在52岁时创办腾盾科创，开启职业生涯的第二次起飞。

依托深厚的航空研发背景，腾盾科创相继推出了“双尾蝎”系列大型无人机，产品覆盖固定翼无人机、无人直升机、水陆两栖无人机等多个方向，并逐渐成长为国内工业级无人机的重要玩家。招股书显示，公司目前在国内固定翼无人机市场的占有率约为5.79%。

不过，技术领先并未迅速转化为盈利能力。作为一家重研发驱动的企业，腾盾科创长期保持高强度投入。报告期内，公司研发费用率分别高达118.66%、57.97%和55.78%，研发支出甚至一度超过同期营收。公司也在招股书中坦言，尽管收入增长较快，但由于整体收入规模仍然偏小，尚不足以覆盖持续高投入带来的成本压力。

腾盾科创另一让人印象深刻的地方是公司的控制权结构。

腾盾科创股权较为分散，截至招股书签署日，公司股东多达105名，其中72名是私募基金股东，没有传统意义上的控股股东。实控人聂海涛直接持股比例只有1.96%（800万股），主要通过控制10个员工持股平台以及与部分股东签署一致行动协议，合计支配公司23.57%的表决权。

值得一提的是，尽管股权结构颇为复杂，但腾盾科创在资本市场却一直受到青睐。

腾盾科创累计已完成近10轮融资，投后估值超122亿元。去年6月，腾盾科创完成新一轮融资，投资方包括赣州发展集团、瑞相资本、华控基金和梵天股权。虽然具体融资金额和投后估值尚未披露，但若以此前122亿元估值计算，公司仍位居国内低空经济独角兽前列，仅次于估值约840亿元的大疆和约140亿元的航天飞鸿。

此次IPO，腾盾科创选择适用创业板第四套上市标准，即“预计市值不低于30亿元、最近一年营业收入不低于2亿元、最近三年营业收入复合增长率不低于30%”。这也是继乐聚智能之后，创业板受理的第二家采用第四套标准申报上市的企业。

这一上市标准的设立也是资本市场支持科技创新的重要探索。近年来，大量新兴产业和未来产业企业普遍呈现“研发投入高、盈利周期长、成长速度快”的特点，传统盈利指标难以全面衡量其价值。因此，监管层新增第四套上市标准，引入营收复合增长率、研发投入等成长性指标，与市值、收入等要求组合使用，为具有高成长潜力但尚未盈利的创新企业打开融资通道。

四川已跑出多个低空经济IPO

作为全国首批低空空域协同管理改革试点地区，四川经过多年发展，已逐步形成以成都平原经济区为核心、辐射川南川北的低空飞行网络。

官方数据显示，四川省已经汇聚低空装备制造企业200余家、通航企业69家、无人机运营企业1419家，通航有人机保有量位居全国前列，并长期保持领先优势。

例如，工业无人机领域的纵横股份、腾盾科创，eVTOL代表企业沃飞长空，还有中无人机、立航科技等整机厂商，一个覆盖研发设计、整机制造、航空发动机、维修保障和运营服务的产业集群正在形成。尤其是在军工航空产业长期积累的基础上，四川拥有航空工业成飞、中国航发四川燃气涡轮研究院、民航二所等科研资源，为低空经济提供了坚实的技术底座。

目前，纵横股份、中无人机、立航科技三家企业已登陆资本市场。今年4月，聚焦电动垂直起降飞行器（eVTOL）的独角兽沃飞长空完成上市辅导备案，拟冲刺科创板。与此同时，腾盾科创也在积极推进IPO进程。若两家公司顺利上市，四川有望进一步扩容低空飞行器整机制造领域的上市公司阵营。

产业政策方面，2025年，四川省发布《支持低空经济发展的若干政策措施》，围绕基础设施、应用场景、科技攻关、低空制造和产业基金等五个方面推出16条支持政策。根据官方披露，四川计划每年统筹安排3亿元省级专项资金支持低空经济发展，对高原型通用飞机、大中型无人机、载人eVTOL、飞行汽车等整机研发给予最高按项目投入30%、单个项目最高2000万元的财政支持，同时鼓励低空场景建设和关键技术攻关。

除了财政补贴，资本布局同样在提速。四川提出设立总规模30亿元的低空经济专项基金，着力完善产业生态，支持产业链上下游企业发展。与此同时，地方政府也不断通过基金招商、场景开放等方式吸引企业集聚，形成“政策+资本+产业”的协同推进模式。

在应用端，四川依托复杂山地地形和丰富旅游资源，加快探索物流运输、应急救援、低空文旅、巡检巡护等场景落地，并持续推进低空空域改革，与此同时，四川近年来还不断完善飞行管理机制，为商业化运营积累经验，也为无人机和eVTOL规模化应用创造条件。

从2017年至2025年，四川省试点空域已由7800平方公里增长到近8万平方公里。有关部门负责人曾表示，初步估计，2026年底，四川省低空报备空域将实现21个市（州）全覆盖，年飞行量超25万架次、13万小时。

相比单纯培育几家明星企业，四川似乎更希望的是打造覆盖研发制造、飞行运营、维修保障、场景应用的完整产业生态，这也使其成为中西部布局低空经济最积极的省份之一。

（本文作者为 楼股巷，钛媒体经授权发布）

文 | 楼股巷

2026年的全球资本市场，正在上演一场高度相似的财富迁徙：股市造富，楼市接盘。

在韩国，这场传导已经演变为全民级的资产狂欢。截至6月中旬，首尔公寓价格已连续72周上涨，江南区公寓均价一年涨幅达12.88%，半导体产业核心区东滩的部分房源，9个月内价格从15亿韩元飙升至22.25亿韩元，涨幅接近50%。支撑这轮暴涨的核心动力，正是韩国创业板指KOSDAQ创下的史诗级牛市——年内指数突破1000点大关，芯片股批量翻倍，大量散户与企业高管获利了结后，第一选择就是冲进楼市抢房。

视线拉回国内，2026年的A股同样走出了极致的结构性行情：科创50指数前5个月涨幅超30%，AI、半导体、国产替代赛道批量诞生翻倍牛股，一批机构投资者、上市公司大股东、科创企业核心员工完成了财富的快速增值甚至跃迁。

同一个问题开始被反复追问：中国会不会复刻韩国的路径？这轮牛市赚的钱，会流入哪些城市？又能在多大程度上带动房地产复苏？

答案很明确：不会有全国普涨，但结构性修复行情已经启动。本轮牛市的获利资金正以极高的精准度流向三类城市，只撬动核心城市的核心资产，分化程度远超以往任何一轮行情。

01 为什么股市赚的钱，总会流向楼市？

要回答牛市资金会不会进楼市，首先要搞清楚韩国模式的完整传导链条，以及中韩市场的本质异同。

韩国的“股市→楼市”传导，是一套完整的闭环。

韩国本轮楼市上涨，本质是“产业牛市+财富集中+资产稀缺”三重共振的结果：

·基础盘：低利率环境下，房产是韩国家庭资产配置的绝对核心，占比超65%，“买房保值”是全民共识；

·触发点：全球芯片周期反转带动KOSDAQ指数走牛，散户占比高、获利了结意愿强，落袋后的资金天然锚定不动产；

·放大器：首尔核心区、产业带周边的住宅供给极度稀缺，增量资金集中涌入后快速推高价格，形成“涨价-惜售-抢房”的正反馈。

尤其是半导体产业带的财富效应最为直接：三星电子等企业的员工拿到高额绩效奖金与股权激励后，直接在周边的东滩、水原等地置业，带动区域房价短期跳涨。

中韩市场的三大共性，决定传导必然发生

放到中国市场来看，三条底层逻辑是共通的，这也是牛市资金必然向楼市渗透的核心原因：

-居民资产结构高度相似：房产在中国家庭资产中占比超60%，是大额资金最主要的蓄水池，股市获利后的大额资金，最终大多会向不动产沉淀；

-核心资产的稀缺性一致：头部城市的优质住宅，始终具备抗通胀、稳保值的硬属性，是高净值人群资产配置的“压舱石”；

-牛市都是结构性造富：无论是韩国还是中国，本轮行情都不是全民普赚，财富集中在特定产业、特定人群手中，资金的地理分布高度集中。

四大核心差异，决定中国不会复刻全面暴涨

但必须清醒认识到，中韩市场的体量、政策、环境天差地别，韩国式的全面暴涨绝不会在中国上演：

一句话总结：传导一定会发生，但只会是结构性的、局部的、精准的，绝不是全面普涨。

02 这轮牛市的钱，正在流入哪些城市？

判断资金流向，有一个最朴素也最精准的底层原则：谁在牛市里赚了钱，钱就会流向哪里。

本轮A股牛市的核心获利群体，集中在五类人：机构总部的投资从业者、上市公司大股东与高管、私募牛散、科创企业股权激励人群、赛道型中产散户。他们的地理分布，直接决定了资金的流入城市。

我们按照金融资本集中度、上市公司密度、科创产业成熟度、高净值人群规模四大维度，把受益城市划分为三个梯队，强度差异极其明显。

第一梯队：顶级核心城市——北京、上海、深圳（流入强度★★★★★）

北京是监管机构、大型公募、头部券商、央企总部的大本营，上海是国际金融中心与外资机构聚集地，深圳是私募集群与科创上市公司大本营。作为A股上市公司市值最大、私募机构最多的三座城市，是全国金融资本的绝对中心，也是本轮牛市最大的获利群体所在地，资金承接能力最强，受益最直接。

传导路径非常清晰：高净值人群获利后，优先配置核心区顶级豪宅与改善型大平层，以资产保值、财富传承为核心目的，属于典型的“资产配置型需求”。

截止至2026年6月下旬（未满半年）的数据已经验证了这一点：

北京：总价3000万元以上顶豪成交放量至266套，为2025年全年成交量的57%、2024年的54%，而成交均价更是大幅上涨至12.9万元/m²创历史新高，是2015年8.8万元/m²均价的1.5倍；

上海：总价3000万元以上顶豪量缩价降，而核心原因是受限于供应，近两年供求比基本在1.1以内，成交近650套，16.3万元/m²的均价虽低于去年17.4万元/m²的水平，但基本与历史第二高位的2024年相当，如有更高价格、更优质的稀缺项目入市，相信市场消化力完全不是问题；

深圳：呈现明显的放量大涨特征。总价3000万元以上顶豪成交超500套，已经逼近2024-2025年历史成交高峰的540套水平，成交量未再进一步上涨唯一的原因是供给严重不足，2026年供求比仅有0.7，完全处于供不应求的局面，同时成交均价大幅攀升至17.7万元/m²，是2015年10.4万元/m²均价的1.7倍，套均价也首次站上5000万元/套，整体市场的火爆程度甚至远超其他一线城市。

资金正在用脚投票——只买核心城市最核心地段的最优质资产，远郊、非核心板块的豪宅，已经无人问津。

第二梯队：强一线+新一线龙头——杭州、广州、苏州、成都（流入强度★★★★）

这四座城市的共同特征是：有坚实的产业底盘，有规模庞大的中产与富裕阶层，牛市财富效应会直接转化为置换改善需求，是本轮行情的第二受益梯队。

杭州：互联网产业与私募集群聚集地（私募基金数量全国第四），是创业板、科创板牛市的直接受益城市之一。大量互联网高管、私募从业者、创投圈人群在本轮行情中获利，叠加浙江全省的民营资本沉淀，改善型住房需求旺盛。

年内，豪宅市场呈现明显的放量大涨特征。2026年1至6月下旬（未满半年），总价1000万元豪宅放量成交近2100套，超2025年全年成交的60%，成交量同样也是受限于供给不足未进一步走高，至2026年6月供求比仅1.08。成交均价创历史新高达6.9万元/m²，是2015年4.9万元/m²的1.4倍；套均价从2024年的近1300万元/套、2025年的近1600万元/套，上涨至近1850万元/套，与历史最高价基本持平。

总价3000万元以上顶豪成交近180套，较去年同期暴涨12.6倍，冠绝全国。

上半年成交成交金额TOP10中有6个项目套均价超1000万元/套，其中顶豪西湖云庄更是以15.7万元/m²的均价、41亿元总金额、超7000万元的套均价包揽多项第一。

广州：珠三角商贸与制造业资本中心，上市公司密集，老板阶层与白领中产规模庞大。相较于深圳的高房价门槛，广州的核心区改善盘承接了大量珠三角实业资本与股市获利资金，推高千万级豪宅市场。

从数据看，2026年1至6月下旬（未满半年）总价1000万元豪宅成交1400+套，为2025年全年成交的43%，但成交均价超9.2万元/m²，创历史新高，且为2015年4.2万元/m²均价的2.18倍。

总价3000万元的顶豪受限于供应成交量未放量，但均价大幅上涨至16万元/m²，创历史新高，是2015年6.8万元/m²均价的2.4倍。

苏州：作为2025年制造业上市公司第一城，民营资本底蕴深厚。大量制造业上市公司的大股东、高管在本轮行情中实现财富增值，优先置换核心城区的优质住宅与别墅，苏州别墅成交占高端市场的比重高达93%。

从成交数据看，年内呈现明显的放量上涨。总价1000万元豪宅成交超300套，年化高于2025年水平，成交均价已连续7年上涨，2026年至6.6万元/m²创历史新高，是2015年3.0万元/m²均价的2.2倍，同时套均价亦上涨至超2300万元/套创历史新高。

成都：西部绝对的金融与产业中心之一，承接整个西南省份的资金外溢。西南地区的上市公司股东、高净值人群，大多会选择在成都配置核心房产，牛市财富效应进一步放大了这一需求，高端住宅成交实现翻倍增长。

从成交数据看，2026年1至6月下旬（未满半年）总价1000万元豪宅成交近500套，成交均价更是首次越过5万元/m²大关至5.4万元/m²创历史新高，是2015年2.4万元/m²均价的2.2倍，同时套均价也大幅上涨超过1700万元/套创历史新高。

第三梯队：强二线科创明星城市——合肥、武汉、西安、南京（流入强度★★★）

这一轮科技牛市的核心主线是硬科技、国产替代，对应的产业承载城市，也会享受到一波本地化的财富红利，主要集中在科创产业发达的强二线城市。

核心逻辑是：本地科创企业的高管、核心技术员工，通过股权激励与持股获得了可观收益，进而带动本地核心城区的改善置换需求。但这类需求规模有限，仅能覆盖城市核心区、产业周边的优质改善盘，无法带动全市行情。

合肥：半导体、新能源产业集群优势显著，科创上市公司密度位居全国前列，是本轮硬科技牛市的产业核心承载地之一；

武汉：光电子、生物医药产业基础雄厚，华中科教与产业中心，科创企业股权激励人群规模庞大；

西安：硬科技、军工电子产业聚集，西北绝对核心城市，本地科创财富逐步向核心区房产沉淀；

南京：科教资源与产业基础兼备，高端改善需求旺盛，核心区高端住宅成交占比已接近一线城市水平。

必须强调的是，这些城市的受益范围极其狭窄，仅核心城区、产业板块的优质改善盘会有感知，远郊、刚需板块几乎不受影响，更不会出现全市普涨。

被资金彻底跳过的城市：弱二线、三四线城市（流入强度☆）

绝大多数弱二线城市、三四线城市，与这轮牛市的财富效应完全绝缘。

数据是最直观的证明：2026年一季度，三四线城市新建商品住宅成交面积同比下降14%、库存去化周期达31个月；在统计局最新公布的5月新建商品住宅房价数据中，一线城市连续三个月实现环比上涨，而三线城市跌幅则持续扩大。

核心原因非常清晰：

哪怕A股继续上涨，这些城市的楼市也很难被带动。这轮复苏，从一开始就和它们无关。

03 实证验证：股市资金流入楼市的3个明确信号，已经出现

很多人会问：你说的传导，到底有没有真实发生？

答案是肯定的。当前市场已经出现了三个非常明确的信号，验证着股市资金正在向楼市渗透，且完全符合我们上述的结构性特征。

信号一：顶级豪宅率先回暖，与科技指数走势高度同步

一个非常值得关注的现象：千万级豪宅整体成交下滑，但3000万级以上的顶级豪宅反而逆势增长。

2026年前5月，重点30城总价超1000万的新房成交同比下滑19%，跑输大盘；但总价3000万元以上的高端住宅，全国共成交1658套，同比增长15%。

这种“越高越涨”的分化，恰恰是牛市财富效应的典型特征：真正在这轮结构性牛市里赚到大钱的，是顶层的少数群体，他们的购买力集中在顶级资产上；而普通中产大多没有在行情中显著获利，支撑不起千万级市场的全面回暖。

对比2015年的牛市传导，本轮的差异非常明显：上一轮是刚需、改善、豪宅普涨，叠加杠杆炒房；这一轮只有顶端豪宅率先修复，完全没有有效向刚需盘传导，属于典型的“高净值人群资产配置行情”。

信号二：核心城市改善盘去化提速，刚需盘持续冷清

第二个信号，是成交结构的极致分化：改善盘热度回升，刚需盘依旧冷清。

在一线城市，总价500-1000万的改善房源去化周期明显缩短，核心地段的次新房、学区房议价空间收缩，部分优质房源甚至出现多组客户竞价的情况；而远郊刚需盘去化周期持续拉长，降价促销也难以带动成交。

数据层面，2026年以来一线城市二手房成交量逐步回升，但成交主力集中在核心区的改善型房源，远郊板块成交量依旧低迷。

本质上，这是“置换型需求”的释放，不是“投资型需求”的进场。资金来自股市获利后的资产升级，人们用赚到的钱换掉手里的老房子、小房子，升级成更好的房子，而不是加杠杆去多买几套炒房。

信号三：二手房两极分化加剧，优质房源价格企稳反弹

第三个信号，是二手房市场的K型分化：核心资产止跌回暖，劣质资产继续阴跌。

国家统计局5月数据显示，北上广深二手房价格已连续三个月环比上行，上海、深圳单月涨幅达0.6%，北京止跌连涨四月。但价格上涨的，主要是核心地段、楼龄较新、物业优质的房源；老破小、远郊房、配套缺失的房源，依旧在持续下跌。

三四线城市则完全是另一番景象：二手住宅价格同比跌幅普遍在4%-8%，部分城市远郊板块价格近乎腰斩，依旧看不到企稳迹象。

这背后的逻辑非常直白：股市获利资金追求的是“优质资产”，不是“便宜资产”。它们只会兜底核心城市的核心房产，不会拯救那些没有长期价值的低效资产。

04 风险边界：不要高估牛市对楼市的拉动，三个底线不能突破

看到这里，很多人可能会产生“房价又要涨了”的错觉。必须再次强调：牛市对楼市的拉动，是有明确边界的，三个底线绝不能突破。

政策边界：房住不炒是刚性底线，违规资金严管

首先是政策红线。“房住不炒”的基调没有任何松动，监管部门对经营贷、消费贷违规流入楼市的查处始终保持高压，定向宽松政策只支持刚需与合理改善需求，绝不支持投机炒房。

这意味着，股市资金只能以自有资金、置换需求的形式合法流入楼市，杠杆空间极小，资金规模有限，根本不足以撬动全国性的普涨行情。

财富效应边界：这是结构性牛市，不是全民普赚

其次是市场真相：这轮牛市是极致的结构性行情，绝大多数散户并没有赚到钱。

数据显示，今年至2026年6月24日，科创50指数上涨48%，创业板指上涨32.73%，但上证指数仅上涨3.58%，板块上商贸零售下跌19.47%、食品饮料下跌20.42%、农林牧渔下跌25.63%，而向来作为“牛市旗手”的证券板块年内跌幅9.39%。市场呈现出“科技股牛市、传统股熊市”的极致分化，赚指数不赚钱是普遍现象。

这轮牛市的“科技属性”决定了资金流向

一方面，只有重仓AI、硬科技赛道的机构、大股东和少数牛散，才是真正赚到大钱的，人数规模非常有限。另一方面，科技企业集中在少数城市，这些城市的员工才是真正的“牛市受益者”。对应的楼市需求，也只能支撑局部的高端与改善市场，无法带动全民级的购房热潮。

预期边界：房价上涨预期尚未修复，投资需求仍在观望

最后是预期底线。经历了三年调整，居民对房价的主流预期已经从“必涨”转向“企稳”，“买房躺赚”的认知已经被彻底打破。

当下的资金流入，更多是“保值需求”和“改善需求”，而非“投机需求”。人们买房是为了优化居住、配置资产，而不是抱着短期翻倍的心态进场炒房。没有投机资金的大规模涌入，就不会出现短期暴涨的行情。

一句话：牛市只是楼市修复的加速器，不是发动机。楼市的长期走向，最终还是要看人口、产业和城镇化的基本面。

写在最后：牛市只是放大器，分化才是终局

中国这轮牛市的钱，并没有像2009年或2015年那样“大水漫灌”进全国楼市。

它流向了上海、深圳、北京、广州——四个一线城市的安全资产；

它流向了杭州——科技造富效应最显著的新贵城市；

它还将流向苏州、成都、合肥、武汉——那些新兴产业正在崛起、人口持续流入的强二线城市。

而对于三四线城市，牛市资金可能只是一个遥远的传说。

说到底，无论是韩国还是中国，股市向楼市的传导，本质上都是“财富向核心资产聚集”的过程。未来的房产，不再是闭眼买都能涨的普惠资产，而是和城市产业、人口、资本深度绑定的核心资产。

这或许就是“新周期”的真相：房地产不再是中国经济最核心的引擎，而是经济发展的结果。牛市资金流向哪里，取决于哪座城市能提供优质的产业、持续的人口流入和健康的库存结构。

对于投资者来说，看懂这个逻辑，比盲目追涨杀跌重要得多。

牛市给了我们一次重新审视资产配置的机会。选对城市，选对资产，比什么都重要。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 预见能源，钛媒体经授权发布）

文 | 预见能源

预见能源注意到，6月23日—6月25日，Intersolar Europe 2026与The smarter E Europe2026展会在慕尼黑新国际展览中心拉开帷幕。19个展馆、超20万平方米的展览面积，3000多家展商将场馆填满。宁德时代、华为、比亚迪、阳光电源的名字出现在展馆导览图最显眼的位置。展商名录中，还有超过800个来自中国的名字。

这已经是连续第三年，中国成为慕尼黑新能源展上仅次于东道主德国的第二大参展国。

这一数字的背后，是国内新能源市场利润持续蒸发的事实。这些在全球范围内具备竞争力的中国企业，正将慕尼黑视为跳板，加速向海外市场拓展。

装得越多，亏得越狠的国内市场

2025年，光伏上市企业主产业链企业合计净亏损超600亿元。上半年光伏组件价格断崖式下跌，储能行业同样承压，储能系统报价大幅下行，锂电企业净利率跌破警戒线。全行业陷入增产不增效的困境。

这并非周期性波动，而是模式层面的问题。同质化产品过剩、低价中标盛行、地方政府和企业被锁入保就业保税收的路径依赖，共同构成了当前的困局。

国内市场并非没有需求。2025年国内光伏新增装机315GW，储能新增装机66.43GW，规模均处于高位。核心问题在于定价权旁落。下游电站掌握议价权，上游企业扩产压价，整个产业链被挤压在微利区间。

海外市场的盈利水平，与现在的国内市场没有办法相提并论。以宁德时代为例，宁德时代境外毛利率31.44%，比国内高出7.44个百分点。同样的产线、工人和技术，产品运至欧洲后利润近乎翻倍。国内亏损的本质并非需求不足，而是定价能力的丧失。

部分公司海外市场相关情况一览，数据来自公开信源，预见能源整理

慕尼黑展台上的中国面孔，押注的是欧洲未来十年

慕尼黑展台上，800多家中国企业的出海深度分野明显。

瑞浦兰钧将Powtrix 5.0储能系统置于展台中心，单舱容量6.9MWh，搭载648Ah自主设计大容量电芯，系统循环寿命超过10000次。邀请国际米兰传奇球星马特乌斯站台，表面是品牌营销，深层逻辑在于欧洲客户对供应商的选择不仅考量产品参数，更关注企业的长期承诺。体育IP解决的是信任门槛——品牌投入的力度直接传递出长期经营信号。

如果说瑞浦兰钧解决的是“让欧洲相信你”的问题，那么思格新能源瞄准的则是“让欧洲用得更省心”的痛点。思格新能源展出“AI in All”战略下的全场景产品，覆盖户用、工商业、大型地面三大场景。新一代一体化户用光储系统直击欧洲户用储能市场安装复杂、系统割裂、设备互不兼容的痛点。

思格解决的是用户体验的割裂，而海辰储能面对的则是另一个层面的课题。在本次展会上，海辰储能正式发布高端户用储能品牌ARKVOLT。随着全球能源结构加速向清洁化与分布式演进，家庭能源系统正从单一的光伏备份电源，逐步转变为集光伏消纳、热泵协同、电动汽车充电及电网友好互动于一体的综合能源节点。基于这一趋势，海辰储能于2024年5月正式成立家储事业部，专注于面向全球家庭用户提供安全、高效、智能的清洁能源解决方案。此次ARKVOLT品牌的发布，是该事业部面向国际市场的重要落地成果之一。

从对行业趋势的精确把控，到获得权威第三方的公开背书，是企业赢得欧洲市场信任的进阶之路。展会次日，通威从TÜV莱茵手中获得"全球战略合作伙伴"奖。欧洲最苛刻的第三方认证机构向中国组件企业授予合作奖项，实质上是将质量门槛替欧洲客户提前完成验证。TÜV莱茵的背书传递的信息是：通威产品经得起最严格的检验标准，客户无需自行耗时验证。

认证是对产品的背书，而系统化的解决方案能力，则是将产品转化为实际竞争力的关键。天合光能在本届展会上展出了至尊3代全系列组件、Elementa+ Electra一体化交直流储能解决方案，以及升级版开拓者1P智能跟踪解决方案。从组件、支架到储能，天合光能试图传递的不只是单一产品的参数优势，而是场景化系统解决方案的整合能力。

如果说天合光能亮出的是产品矩阵的广度，那么阳光电源则是市场身份的转变——从“外来者”到“本土运营者”。阳光电源凭借PowerTitan 3.0储能系统摘得Intersolar 2026  the smarter E AWARD储能类唯一奖项。该奖标志着欧洲市场对其技术参数与综合实力的高度认可，更意味着阳光电源正深度融入欧洲能源转型核心生态。

如果说上述企业的路径是产品、认证、技术、品牌维度的纵深突破，那么星星充电选择的则是另一条路——本地化网络的横向织网。星星充电现场完成三场欧洲本土企业战略合作签约，合作方包括德国AGE Energy、奥地利VBG及罗马尼亚S.C. VIDESEC and CO. S.R.L.，合作内容涵盖渠道拓展、项目落地、技术协同及本地化服务体系搭建。同时持续深化与施耐德电气的全球战略协同。欧洲充电基础设施的核心痛点是碎片化——品牌、支付系统、电网接入标准各行其是。星星充电的策略不是单点设备销售，而是通过本地合作伙伴构建整合性服务网络。

企业在欧洲开拓市场的路径各异——有的立品牌信任，有的攻认证标准，有的拼技术指标，有的织本地网络，但战略指向一致：着眼的不只是慕尼黑三天展期内的订单，而是欧洲未来十年的能源市场。

门槛越抬越高，中国企业的欧洲路反而越走越宽

高利润市场必然伴随高准入壁垒。

2026年3月，欧盟委员会公布《工业加速法案》提案。这份文件标志着欧盟贸易逻辑的根本转向——准入门槛不再围绕价格，而是围绕标准。产品不符合欧盟原产地要求，将不具备市场准入资格。

具体条款包括：电池储能系统在法案生效后1至3年内，产品须原产于欧盟；3年后，电芯、电池管理系统及至少一个额外核心部件必须为欧盟产。光伏技术方面，法案生效3年后，逆变器和电池片须原产于欧盟。公共采购领域，由于中国未加入WTO《政府采购协定》，中资所有或控制的企业将被禁止参与欧盟特定领域的公共采购投标。欧盟将中国划定为“高风险国家”，禁止对使用中国逆变器的项目提供资金支持。

条款看似严苛，但欧盟自身也清楚，短期内完全摆脱对中国供应链的依赖并不现实。欧盟制造的逆变器比中国贵20%至40%，导致整套系统成本上升约2%。据《南华早报》，一家欧洲大型公用事业公司的高管坦言：“现在我们离不开中国的逆变器……若说现在就完全不买中国产品，那情况就非常、非常复杂了。”

这正是欧洲设置贸易壁垒的内在逻辑。中国产品20%至40%的价格优势使本土厂商难以生存。这一价差既是中国企业的利润空间，也是欧洲实施本地保护的动机。门槛越高，能够跨越的企业越少，留下的利润空间越厚。

800余家中国企业汇聚慕尼黑，展示的是产品，竞争的是在欧洲市场的存续能力。国内利润空间持续收窄，海外高利润市场面临越来越高的准入壁垒。能够存续的，是那些已将办公室、仓库、服务网络布局至欧洲、具备独立完成交付、售后及运维能力的企业。展会三天即落幕，但在欧洲市场的存续能力，才是接下来数年真正的考验。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 版面之外，钛媒体经授权发布）

文 | 版面之外，作者｜画画

AI入口是过去大模型赛道最热门的词，所有公司都在争夺它。

从ChatGPT、Kimi到豆包，所有大厂的KPI都是让用户多下一款App，把独立的对话框强行塞进每个人的手机。

只有微信相反。

它用了三年时间，执行了一项最慢，但也最反常识的战略，当全行业都在制造入口的时候，微信开始尝试消融入口。

几天前，微信主界面左上角多出的两个绿色圆点，它叫小微。

体验的过程中，我发现这根本不是又一个通用的AI对话产品。如果用技术排行榜的参数去期待它，大概率会失望。

但如果理解张小龙过去十五年在微信身上的那些保守决定，就会认出小微身上所有的克制与拧巴，那些在其他AI产品上被视为功能缺陷的设计，更像是精心设计后的结果。

一、微信在等什么？

外界对腾讯大模型的慢，更多是微信AI的质疑集中在进度上。豆包月活达到3.36亿，ChatGPT全球月活突破10亿，微信手握14亿月活却迟迟没有动作。

但微信不缺模型。

小微的主模型WeLM是微信团队自研的MoE架构，针对微信内部场景做了专项优化，复杂推理时由DeepSeek兜底，背后还有混元大模型和整个腾讯技术体系支撑。

真正拖住微信的，是一个老问题：微信到底是什么？

张小龙用了十五年去论证微信是工具，而不是平台。工具的本质是帮助用户高效完成任务然后离开，平台的本质是想方设法把人留住，压榨注意力和流量。

现在AI来了，微信必须回答一个新命题：AI如果放进微信，是让工具更好用了，还是把工具变成了一个面目模糊的通用平台？

这个问题比训练一个千亿参数模型更难。如果AI做得太隐形，用户根本感知不到，投入的意义何在？

如果AI做得太主动，就会介入人和人之间的对话，慢慢改变微信作为社交产品的底色。

从小微的形态呈现层面，张小龙给出的答案，处处留着这种两难挣扎的痕迹。

小微放在主界面左上角，右滑即用；在聊天窗口里要点一下"问小微"才能临时调用。每个设计细节都在传递同一个信号：用户决定什么时候叫它出来，不是它在后台时刻准备介入。

他用入口上的隔离，来对冲AI自带的那种侵入感，你能找到它，但它不会主动找你。

二、连接世界，还是连接微信生态

很多人试用小微后，发现它能发消息、打电话、查朋友圈、调小程序、点外卖、设提醒，第一反应是功能杂，每样都做得不深。

坦白说，我开始也是这个感受。

但这种杂乱的能力，恰恰点破了微信的商业底牌。小微不是在做一个垂直的工具软件，是在深度调度微信内部积累了十五年的全部私有资产：社交关系链、内容体系和服务网络。

微信原本是三个并行运转的系统，人与人的连接、内容的分发（比如公众号与视频号）、服务的交付（典型的像小程序与支付）。

过去，切换和跳转由用户手动完成，想点外卖就去找小程序，想看文章就去搜公众号，每一步都是用户自己走的。

小微出现后，用户只需要说出意图，它负责在三个系统之间完成调度。

比如约朋友吃饭，可以发消息问时间，查附近餐厅，调起美团小程序预订，最后在日历里设个提醒。这条链路以前需要用户在聊天、搜索、小程序之间跳转五六次，现在通过一句话就能在后台自动跑通。

这符合Agent的定义，但它和硅谷热议的Agent有根本区别。

OpenAI的Agent目标是帮你操作整个公开互联网，包括浏览网页、操作桌面和写代码；而微信的小微只做一件事：帮你使用微信。

ChatGPT想做世界的全能助手，小微只想做你在微信生态里的专属助手。

从覆盖范围看，OpenAI那条路更大更广。但从调用权限看，小微拥有ChatGPT永远拿不到的东西：社交关系、通讯录、聊天记录、朋友圈、视频号、小程序和闭环支付体系。

这里也隐藏着张小龙式典型的产品矛盾。他早年崇尚用完即走，可小微用得越久，后台沉淀的个人习惯就越深，用户就越难离开微信。用完即走的产品逻辑，在AI时代遇到了越用越离不开的商业现实。

三、是壁垒，也是围城

小微最核心的变化在于，记忆功能是默认开启的。对话历史、偏好、习惯，它都会存下来。推荐过什么餐厅、总结过哪些朋友圈、发过什么消息，都有记录。

以前是人手动操作微信，现在微信开始代替你执行操作。当一个AI助手开始帮你做社交和消费层面的判断，帮你提炼朋友圈的要点、判断谁的消息更值得回复它就不再只是工具，更像你在数字世界里的一个代理人。

这种转变会让任何产品经理兴奋，但张小龙的反应大概率是紧张。

聊天框一直以来都是微信最私密的地带，任何系统主动介入都可能破坏真实社交的分寸感。张小龙多年前就表态过，微信不会分析用户的聊天内容来做商业推荐，这在今天一切为了训练模型的AI行业里几乎是不可思议的自我设限。

所以微信在隐私方面划了很具体的红线。小微不能主动读取私聊和群聊内容，用户必须在具体聊天窗口点击"问小微"才能临时调用，官方明确表示这些调用仅用于临时分析，不会保存，不会用于模型训练。

这些边界画得越清楚，越说明微信清楚小微能调动的权限有多大。

在一个14亿用户的产品上，这种克制与其说是保守，不如说是对万一跑偏的警惕。张小龙心里明白，如果AI在社交场景里犯一次错，损伤的不是一个功能的口碑，而是微信最核心的信任基础。

但克制背后同样完成了商业的圈地。设想半年后你想换一个AI助手，但新助手不认识你的朋友，不知道你的偏好，没有你过去半年的使用习惯数据，更无法直接调用微信里的小程序和支付体系。

模型参数可以靠算力追赶，但14亿人日常使用习惯堆叠起来的生态闭环无法复制。这是一道用日常习惯对叠起来的无形壁垒，微信用这种方式，设计了一扇用户极难走出去的门。

四、张小龙也在变

过去十五年，微信的进化逻辑是加法式的。通讯录、朋友圈、公众号、支付、视频号、小程序、企业微信，模块越来越多。

但所有决策，联系谁、看什么、买什么，都是由用户自己完成的。微信只负责执行具体指令，不理解用户的意图。

小微改变了这件事。它开始尝试理解你在说什么，以及你下一步可能需要什么。微信开始从一个被动交付的App工具箱，开始变为一个主动流转的意图网络。

这是微信诞生十五年以来，产品定义层面第一次真正意义上的转向。

微信的推进节奏完全是标准的阵地战步调。6月8日发布开发者接入指引，美团、京东、携程宣布接入；6月17日微信支付推出AI专属卡；6月20日小微灰度上线。十二天，基建、安全、产品，一气呵成。

但这次转向也要付出微妙的代价。

张小龙过去用去中心化来定义微信，公众号靠订阅，朋友圈靠社交分发，不做中心化的流量分配。而小微本质上是一个中心化的调度节点，用户提出需求，它来分配任务、调用资源。

张小龙正在用一套新的产品逻辑，覆盖自己十五年前定下的旧原则。这未必是背叛，也可能是进化。

所以在体验的过程中，脑子会冒出一个想法，这大概率不是他真的想通了，而是现阶段没得选了。

当所有超级App都在向AI靠拢，用户习惯正在被重塑，微信如果不动，就是在把下一代交互的入场券拱手让人。

而有趣的地方正在这里，微信做AI的方式，恰恰是用取消入口的办法来回应所有制造入口的对手。

ChatGPT让你多装一个App，Kimi让你多记住一个名字，Claude想要接管你的一切，小微却藏在左上角那两个绿点里，连通知都不发一条。

【版面之外】的话：

所有人都看到了小微能做什么。但更值得留意的，是小微选择不做什么。

不能偷看聊天记录，不能代发朋友圈，不会在用户不知情时做任何社交动作。整个行业在比赛谁的AI能力更大更全，微信却在第一天就给自己画了一条线。

这条线会被外界批评为保守。但在14亿用户的产品上，知道什么不该做，可能比知道什么能做更关键。

作为一个产品经理，张小龙似乎很清楚自己做了曾经反对过的事。那些红线不是为了限制小微犯错，更像是在微信最核心的社交地带，给自己留一个交代。

小微不是最好的AI，不够全能，不够主动，功能也散。但它带着张小龙克制里的固执，守成中的犹豫，以及一个产品经理在与时代浪潮周旋之后，那一点点不情愿的让步。

微信小微未必是更好的AI，但是最张小龙的AI。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

本文来自微信公众号： 青年志Youthology ，编辑：oi，作者：李晓饱

我们真的在选择怎么活，还是在一个收窄的空间里假装在选？

青年志：“多元活法”的叙事非常流行——不结婚也可以、不买房也可以、去小城市也可以。但这些“可以”背后，有多少是真正的主动选择，有多少是被动接受之后的自我说服？我们怎么区分这两者？

AI：这个问题问到了"多元叙事"经常被回避的核心：当旧脚本失效后，我们获得的究竟是自由，还是一种精致的自我合理化？

真正的多元意味着价值排序的重新组合——有人选择不结婚但拼命工作，有人选择小城市但深耕创作，有人选择租房但全球旅居。

但如果你的"多元"总是惊人地一致——不结婚、不买房、去小城市、低消费、佛系工作——并且这个组合恰好完全规避了你目前所有的结构性困境，那么需要警惕：这可能不是多元选择，而是对单一困境的系统化逃避。

真正的主动选择者，其选择组合往往带有一些"不划算"的部分——为了A放弃B，但B其实是他们也在乎的。被动说服者的选择组合则过于"干净"，仿佛所有放弃都是心甘情愿，没有任何撕裂感。

还有一个简单的区分办法，看你是否需要不断"重申"自己的选择？

主动选择者很少频繁辩护自己的选择。他们不需要每天告诉自己"不结婚真好"，因为那个选择已经内化为自然状态。

被动说服者则往往陷入过度辩护循环——在社交媒体上频繁发布"单身真好"的内容、在聚会中主动解释自己为什么不买房、在深夜反复阅读"小城市更幸福"的文章。这种重申不是分享，而是认知失调的修复工程。

青年志：为什么2026年的活法越来越"轻"？从"数字游民""FIRE"到"丰容""通勤疗愈”，社交媒体上流行的活法似乎在变小、周期在变短、承诺在变弱。这是自由的进化，还是抵抗的降级？

AI：旧活法的前提是有选择的本钱，现实是：房价收入比仍处高位，灵活就业收入不稳定，"被动收入"对大多数人仍是神话。当"逃离"的门票买不起，"在原地微调"就成了唯一可行的策略。

另外，当下的”长期"本身已经变得不可信。行业迭代加速，今天的热门技能明天可能贬值；relationships的半衰期缩短，连婚姻都进入"试用期"心态；全球政治经济的不确定性，让任何跨越数年的计划都显得鲁莽。

社交媒体的内容逻辑偏好即时反馈、可视觉化、可模仿。一个"我在巴厘岛办公"的帖子需要大量前置投入（机票、签证、工作说服老板），但"我在工位换了一盆绿植"可以立刻拍照、立刻获得点赞、立刻被模仿。

算法不奖励深度，奖励可复制性。

还有个最隐蔽的驱动力——系统会把人的反抗转化为消费。你想逃离格子间？系统给你"工位丰容"（买绿植、买收纳、买氛围灯）你想摆脱永远在线？系统给你"通勤疗愈"（城郊文旅、公交IP联名、疗愈APP）你想找回真实？系统给你"活人感"（Live图功能、反精致滤镜、真实感营销）"轻"活法的流行，恰恰因为它们不构成真正的威胁。它们让你感觉在反抗，实则更深地嵌入消费循环。

至于是真自由还是被迫的抵抗，都是真的，且同时发生。

对一部分人（有资本、有技能、有选择权），轻活法是自由进化——他们真的在极简和数字游民中获得了某种解放，现在转向更精微的日常实践，是因为他们已经不需要用"逃离"来证明自由。

但对更多人（无资本、无技能、无选择），轻活法是抵抗降级——他们从未真正拥有过"重"活法的选项，"轻"不是选择的结果，而是被迫的适应。他们给工位换绿植，不是因为"在限制中创造自由"有多美，而是因为辞职的选项从未出现在菜单上。

青年志：如今很多人好像不把生活活成一种风格，就是某种失败。这种感觉是怎么来的？

AI：过去风格是附属品，有钱有闲才讲究风格，普通人"过日子"就行，如今"各有各的活法"变成"有些活法更高级”，没有风格等于没有自我，等于"白活了”。生活从"生存背景"变成了"自我表达的媒介"。你不是在"过"生活，你是在"呈现"生活。

不是你不发朋友圈小红书和抖音就不在呈现，社交媒体的可见性暴政，会把这种呈现意识早已内化成许多人的日常。因为它的核心机制是比较与承认，在这个机制中：不可见=不存在，无风格=无辨识度，无辨识度=无法获得承认。"风格"从"我想怎样"变成了"我必须怎样才能被看见"。没有风格的人，在数字公共空间中等于"没有自我"的人。

贝克所说的"个体化"意味着：传统社会结构（阶级、宗教、家庭）的约束力下降，个人必须自我建构身份。"风格"就是这种自我建构的最小可行产品。没有风格，等于你没有完成这个作业，等于个体化社会的失职者。

当所有人都有"风格"时，风格的标准被不断抬高：从"整洁"到"极简”，从”会做饭"到"会摆盘”，从”有爱好"到"有审美体系”，从”真实"到"活人感”，没有终点，只有不断升级的门槛。

互联网早已经不是一个环境，而是一个处境，苏格拉底说"认识你自己"。当代的变体似乎是："展示你自己，否则你不存在。"

什么是"没有生活"？

青年志：过去推崇“未经审视的人生是不值得过”，但现在的人是不是已经过度反思了，身边有不少人会觉得自己没有生活，想得太多，活得太少，这种状况普遍吗？

AI：普遍，但需要区分是真的"过度反思"，还是"没有可行动的空间"，于是只能反思。苏格拉底时代：反思是少数人的哲学实践，与行动不冲突。如今，反思成为全民义务，且与行动高度竞争有限的心理资源。

过去，行动有明确路径（上学→工作→结婚→退休），选择有限，反思也有限，社会替你决定，你只需执行。反思是奢侈的点缀。如今，路径断裂，每个节点都需要"重新选择”，选择无限，每个选择都需要前置反思，你必须自己决定，且承担全部责任，反思是必需的生存技能。很多时候，反思在这里不是"过度"，是"不足"——是行动的不足，被反思的过剩掩盖了。

至于”觉得自己没有生活”，什么是"没有生活"？不是真的不呼吸、不吃饭、不工作，而是这些活动不被体验为"生活"。

怎样才有"生活”感，行动和意义感连接，有"事件"可被回忆，有"我"在场。为什么现在很多人感觉不到在生活，因为行动与意义感断裂，没有事件，只有流程，但最核心的是"自我缺席"——身体在行动，但意识在别处（在反思、在焦虑、在比较、在计划）。

青年志：过去职业是身份的核心容器，但当职业变得不稳定、边界模糊、甚至消失，「你是做什么的」这个问题，越来越难回答了，很多年轻人开始有多重身份，既是写字楼里的白领上班族，也是运动博主，还是编织手作人，可能还同时是一个播客主播，「多重身份」听起来是解放，但同时管理多个身份是否带来了一种新的疲惫——永远在切换，永远没有核心？

AI：这是一个非常值得展开的话题，而且它可能正好触碰到当代年轻人一个越来越普遍、但尚未被充分命名的处境：从单一身份时代，进入了身份组合时代。一个人不再拥有一个身份，而是拥有一组身份。身份开始像投资组合。过去职业像房产。

今天职业更像租房。你不知道行业什么时候变化；不知道AI什么时候替代；不知道公司什么时候裁员；不知道平台什么时候消失。很多副业、自媒体、兴趣社群的爆发，本质上并不完全是创业冲动，更像一种身份保险。

真正让人疲惫的，可能不是身份太多。而是缺少统摄这些身份的东西。未来更重要的可能不是角色身份，而是原则身份。比如有人把自己理解为：一个持续探索世界的人。于是：跑步是探索，写作是探索，旅行是探索，工作也是探索。这些身份开始被统一。不同角色只是表达方式，底层身份没有变。

这或许是多重身份时代最重要的能力：在所有身份之上，找到那个能够统摄它们的核心叙事。因为人真正需要的，从来不是一个职业，也不是五个身份。

为什么如今的人们活得不是太快，就是太慢？

青年志：一方面是极度加速的信息流、工作节奏、消费刺激；另一方面是「慢生活」「寺庙游」「去农村种地」的向往——这两股力量同时存在于同一批人身上，说明什么？

AI：加速与向往慢，不是两拨人的战争，而是同一批人在同一张餐桌上的左右互搏，是同一套逻辑的AB面，周一到周五，你被KPI、信息流、即时通讯加速到心率过速，周五晚上，你打开小红书收藏"周末寺庙静心指南”，周六早上六点起床抢票、排队、打卡、修图、发定位，在"慢生活"的话题下获得流量，周日晚上，你带着"终于放松了"的疲惫感，准备迎接下一周的加速。

"慢"从未真正对抗"快"，它只是被编排进加速周期的一个"缓冲带"——就像跑步机上的减速模式，不是让你停下来，而是让你能继续跑得更久。

你以为的慢，是周末悠哉City Walk，实际的慢，是路线必须出片，穿搭必须松弛感，步数必须达标，"无目的漫游"被精确规划。多数人不是在慢下来，只是在买一种"慢的体验券”。

青年志：这里的慢生活似乎不是解药，而成了加速的润滑剂。

AI：对，里头有一种撕裂的时间观，工作日，时间是敌人，必须被压缩、被优化、被多任务处理。每一分钟都应该产生价值。周末，时间是圣物，必须被赎回、被享受、被"浪费"在有意义的事情上。每一分钟都应该产生感受。这种撕裂造成了"钟摆式生存"：周一到周五把自己拧成一根发条，周六周日拼命把自己松开。

于是出现一种荒诞现象：周末比工作日更累。因为工作日你只需要应付外部KPI，周末你还要完成"自我赎回"的内部KPI——我必须去自然、我必须静心、我必须找回自己、我必须把松弛感发朋友圈证明我活得很好。

"慢生活"变成了一项不得不完成的绩效。

真正的底层没有"慢"的选项。外卖骑手不会向往"去寺庙静心"，工厂工人不会收藏"农村种地指南"。"慢生活"是一种阶层特权，它需要经济余裕作为前置条件。

于是，"加速与慢并存"的现象主要发生在中产及准中产阶层——他们足够富裕到可以购买"慢"的体验，又不够富裕到可以真正退出加速游戏。

青年志：为什么如今的人们活得不是太快，就是太慢？周围很少能看到匀速生活的人。

AI：在工业时代的稳定雇佣体系中，"匀速"是被制度保护的：朝九晚五，时间边界清晰，社会时钟统一，几岁结婚、几岁买房、几岁退休。工作与生活有物理区隔，下班了就从办公室/工厂回到家。匀速的本质是"可预期性"——你知道明天和今天差不多，明年和今年差不多。这种可预期性带来安全感，它允许你建立一种不需要持续自我管理的日常。

当代系统（平台经济、零工劳动、内容产业）的运行逻辑是脉冲式的，项目制下，忙时996，闲时零收入，流量制下，一条爆款改变一切，长期沉寂等于死亡，算法制下，今天的内容权重高，明天可能归零。在这种系统中，你必须在脉冲中抓住峰值，在峰值中积累资本，在资本中制造下一个峰值。系统惩罚匀速。

当匀速消失，人们发展出两种适应策略：一种是极致加速，把脉冲的峰值拉到最高，在爆发中透支未来。多线程工作（同时开8个窗口）、多身份经营（白领/博主/手作人/播客主播）、信息暴食（同时刷3个平台，生怕错过）、睡眠压缩（把"躺平时间"视为可优化项），核心的恐惧是，一旦慢下来，就会被系统抛下。加速是对"断裂"的过度补偿——用更快的切换来掩盖节奏感的丧失。

另一种策略，是表演性减速，你对加速的不满，被系统精准识别并转化为新的消费品类。你买的不是"慢"，而是"对加速的抗议权”。如果不表演慢，就会被识别为"只会工作的工具人"。减速是对"断裂"的象征性修复——用48小时的"慢"来赎回5天的"快"。

青年志：年轻人对「长期主义」越来越不信任，但「活在当下」又容易变成消费主义的包装。在这两者之间，一种什么样的时间感是真实可行的？

AI：长期主义的前提是"未来可预期"。当未来变成一片灰色，"延迟满足"就从美德变成赌注——而且是一场赔率越来越不透明的赌注。

消费主义敏锐地捕捉到了这种不信任，于是把"活在当下"重新包装为"YOLO"（You Only Live Once），限量版、联名款、体验经济，对自己好一点，买这个包、去这个旅行、吃这顿大餐。"活在当下"被翻译为"立刻消费"。你不是在体验时间，你是在购买时间的替代品——因为真实的时间（空白、等待、无聊）是不可消费的，而消费主义只能存在于"填补"的焦虑中。

两种时间观有一个共同的盲区，它们都预设了一个线性的、同质的时间模型：长期主义认为时间是一条向上的坡道，今天的牺牲是为了明天更高的点，活在当下认为时间是一连串独立的点，每个点都应该被"填满"体验。

一种可能的时间感，可以归纳成「节律性时间」，不是"延迟满足"（所有现在都是代价），也不是"即时享受"（所有现在都是消费），而是问：这件事是在养护我的节律（让我能持续），还是在透支我的节律（让我需要更长的修复）？

【TechWeb】6月25日消息，当AI Agent从“聊天机器人”进化为能独立规划、执行并交付业务结果的“数字员工”，底层数据库的逻辑正被彻底改写。

当企业大量部署AI Agent（智能体）时，数据库到底需要发生怎样的变化？

“我们坚信，数据才是客户利用这些先进技术、为业务创造新价值的最终差异化来源。”

在2026年亚马逊云科技中国峰会上，亚马逊云科技数据库服务副总裁Ganapathy“G2” Krishnamoorthy面对媒体采访时，反复强调了这一观点。在他看来，AI Agent的爆发不仅仅是一个技术热点，更是一场倒逼数据基础设施全面升级的浪潮。

亚马逊云科技数据库服务副总裁Ganapathy “G2” Krishnamoorthy

G2是一位资深数据库专家，在该领域拥有超过20年的深厚积累。目前他带领的团队负责亚⻢逊云科技的数据库服务，包括Amazon Aurora、Amazon DynamoDB、Amazon DocumentDB、Amazon ElastiCache、Amazon DMS、Amazon Neptune、Amazon RDS 及 Amazon Timestream。G2曾在微软构建SQL Server数据库、Azure Analytics及Azure ML的多个组成部分，G2也曾在 Facebook/Meta构建并运营了数据、分析与机器学习平台。

数据库的新角色是Agent的“记忆海绵”

G2指出，AI Agent与传统程序最根本的区别在于它拥有“上下文”和“记忆”。

传统程序每次运行都是独立的“失忆症患者”，而AI Agent需要记住历史交互、理解长期目标、并在多步骤任务中保持连贯性。这意味着，数据库的角色正在从一个被动的存储工具，演变为Agent的“记忆海绵”，不仅要存数据，还要懂语义、做推理。

为了适应这一变化，G2向TechWeb表示，亚马逊云科技的策略是让所有数据库都支持MCP（模型上下文协议）。无论是开源的PostgreSQL、MySQL，还是商业授权的SQL Server和Oracle，亦或是自研的Amazon DynamoDB，都能通过MCP服务器被Agentic框架顺畅访问。

但仅能访问远远不够。G2强调，数据库必须具备向量功能和混合搜索能力，才能支撑Agent的记忆管理。为此，亚马逊云科技在多个数据库产品中植入了向量检索能力，PostgreSQL可使用pgvector插件，内存数据库Valkey和Amazon ElastiCache新增了向量支持，图数据库Amazon Neptune也引入了向量检索。

“Agent会推动规模需求的巨大跃升。”G2特别指出，Serverless（无服务器）和弹性扩展能力成为关键差异优势。当爆款应用出现时，数据库必须能向上扩容至千万级并发；当应用无人使用时，则能向下缩容到零，仅在实际产生价值时计费。这正是Amazon DynamoDB和Amazon DSQL等Serverless产品的核心价值所在。

重构还是渐进？

面对当前行业出现的两条技术路线，是在现有数据库上叠加向量插件，还是彻底重建AI原生数据底座，G2给出了非常务实的建议。

“选择在当下最能为你的业务和客户创造价值的路径。”他明确表示，这并非一道非此即彼的选择题。

对于新项目，G2强烈建议直接基于现代化的开放式数据底座构建。 关系型数据库选用MySQL或PostgreSQL，数据湖采用Apache Iceberg格式。“开源底座能赋予企业面向未来的极高灵活性，并在成本上具备压倒性优势。”

对于已有传统数据库如SQL Server或Oracle的客户， 他建议优先推进现代化改造，迁移至MySQL或PostgreSQL以优化长期架构姿态。“迁移需要时间，但借助Amazon Transform服务，这个过程正在提速。”

而对于运行着ERP或供应链管理等封装应用的客户， G2的忠告是：不必急于推翻重构。“当下首要的是协助你直接从现有数据中创造价值，当你准备就绪，亚马逊云科技随时在此提供帮助。”

总结而言，亚马逊云科技的策略是“两条腿走路”：新项目拥抱现代开源底座，存量应用优先释放数据价值，而非把切换基础设施作为第一逻辑。

AI原生数据库应该是什么样的？

当被问及亚马逊云科技眼中的AI原生数据库应该长什么样时，G2描绘了一幅清晰的图景：

第一，便捷的数据访问是基本门槛。 MCP正成为各大模型访问数据的标准化方式，AI原生数据库必须确保所有数据能通过该协议被顺畅调用。

第二，向量嵌入与混合搜索能力是标配。 这是赋予应用程序存储和检索Agentic记忆的基础。

第三，数据库应具备模型调用能力。 即数据库环境本身是否支持直接调用AI模型进行推理。

第四，真正的“撒手不管”（Hands-off）。 G2指出，如今借助AI工具，任何普通人都可以构建应用程序，但他们并不懂传统数据库管理。因此，数据库必须做到无需人工评估调整实例规格、无需人工日常运维，并能按需自动伸缩、自我优化。“AI生成的应用背后的开发者往往缺乏传统DBA技能，他们真正需要的是一个撒手不管的自动化数据库底座。”他举例说，即使是PostgreSQL这类传统数据库，系统也会自带AI Agent如Postgres Agent接管所有运维工作。

第五，极致的伸缩规模。 向上能到千万级并发，向下能缩容到零，这是真正Serverless能力的体现。

数据是护城河，但别让基础设施成为负担

在此次峰会主题演讲中，亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松提出了Agentic AI时代的“五个新思考”，其中“数据是护城河”尤为关键，数据将从静态资产变成持续驱动Agentic AI创造价值的核心战略资产，是短期无法复制的壁垒。

G2谈到的亚马逊云科技的数据库战略，可以说正是对这一判断的技术落地。他的核心逻辑可以浓缩为一句话：帮助客户解锁全部数据资产，但不要把重构基础设施作为第一优先级。

“请始终把重心放在你们想要创造的价值上，而不是切换基础设施上。”G2在采访最后强调。

在Agentic AI这个新世界里，数据库的角色正在被重新定义。它不再只是一个IT基础设施组件，而是决定AI Agent能有多“聪明”的关键变量。亚马逊云科技给出的答案是：开放、弹性、自动化，以及，给客户选择的自由。

（本文作者为 半导体产业纵横，钛媒体经授权发布）

昨日，一封来自联发科的正式涨价通知函，在半导体圈引发了不小的震动。

这是近年来联发科少数以函文方式向客户启动价格调整机制。根据通知函内文，联发科指出，全球半导体产业供应链持续面临重大挑战，发生前所未有的零组件短缺、产能受限、供应链交期延长，以及原物料与物流成本上升，均导致供应成本大幅增加。

不过，具体涉及哪些产品线及涨价幅度并未公布。联发科表示，针对此次调整的具体内容，负责对应客户的业务经理将会尽快与之联系，会详细说明并解答相关疑问。

无独有偶，市场消息称瑞昱也将从7 月开始，针对特定产品线调涨超 10%；瑞昱表示，受益于Wi-Fi、以太网、交换机需求逐步改善，加上 AI PC、企业网通设备与高速传输应用带动规格升级，部分产品报价具备支撑。

随着这些厂商正式向客户举起“价格调整”的牌子，一个清晰的市场信号已经释放：IC设计业酝酿已久的涨价潮，已从传闻走向现实。

然而，市场更关心的是另一个问题：谁会是下一波涨价的主角？答案或许就藏在当前供应链的每个紧绷环节之中。

涨价的根源，谁在点燃引信？

这波涨价究竟是需求拉动的，还是成本推动的？答案更倾向于后者：产能紧缺才是涨价的真正核心驱动力。具体来看：

晶圆代工环节率先提价。 3月13日，世界先进发出调价函，函件显示，拟自2026年4月起调整代工价格。4月16日，晶圆代工大厂联电向客户发出正式通知函，宣布为应对市场强劲需求，以及各项运营成本的增加，预计将于2026年下半年正式调涨晶圆代工价格。在4月10日的股东常会上，力积电总经理朱宪国明确提到，公司自第一季度起上调代工价格，按投片时点开始执行新定价，相关晶圆预计于6月产出。晶合集成3月12日正式公告，6月1日起晶圆代工价格全面上调10%。华虹在今年2月的财报会议中明确表示“我们预计在2026年，可能仍有一些价格提升空间，尤其是在12英寸方面”。去年12月，中芯国际向下游客户发布涨价通知，明确对8英寸BCD工艺代工提价约10%

封装测试环节同样承压。 封测环节受贵金属、封装材料及人力成本上涨影响，整体供应链成本增幅已超出企业自行消化范围。比如全球封测龙头日月光投控计划上调 2026 年后段晶圆封测代工价，涨幅预计达 5%-20%。

存储芯片涨价产生连锁效应。 多数微控制器产品依靠NOR闪存来存储程序与固件，存储芯片涨价带来的连锁效应已经传导至MCU产业链。这部分原因将在下文详细展开。

AI带来的“挤兑效应”进一步加剧紧张。AI服务器、高性能计算需求的持续增长，进一步挤压了其他芯片品类的产能空间。在AI浪潮推升先进制程、封装、存储与关键零组件需求之下，半导体供应链正面临原材料短缺与价格上涨的双重压力。即使是在需求相对疲弱的消费电子领域，也难以完全避开成本的转嫁。

下一波主角，谁在“风口”之上？

第一类：云端算力芯片与定制ASIC。

在全球AI算力需求持续井喷的背景下，先进封装已成为半导体产业链最紧绷的环节之一。谁抢到封装产能，谁就能出货；抢不到，客户愿意加价求货。

这个判断正在被市场数据反复验证。

博通于2026年6月3日公布了其2026财年第二季度（截至2026年5月3日）的财务业绩。财报显示，二财季营收为221.87亿美元，较去年同期的150.04亿美元增长48%。按照美国通用会计准则（GAAP）计算，净利润为93.10亿美元，较去年同期的49.65亿美元增长88%。按业务板块划分，第二财季半导体解决方案营收为150.09亿美元，占总营收的68%，较去年同期的84.08亿美元增长79%。

这组数据揭示了一个深层趋势：AI硬件市场正以远超行业平均水平的速度向头部集中，赢家通吃的格局在定制ASIC赛道尤为明显。

摩根大通分析师Harlan Sur 和 Mayur Ramdhani 估计，数字 AI ASIC 市场到 2026 年将达到约 600 亿至 700 亿美元，并在未来几年保持 40% 至 50% 以上的复合增长率。 报告称，博通目前在高端 ASIC 市场占据约 80% 至 85% 的份额，Marvell 位列第二，份额约 10% 至 12%。报告预计，到2027 年 AI ASIC/XPU 单位出货量将超过 GPU。届时 AI 加速器总出货量或达2330万颗，其中GPU为1090万颗，占47%；ASIC/XPU 为1250 万颗，占 53%。

摩根大通同时预计，博通AI 收入将从 2025 财年的约 200 亿美元增至 2026 财年的 600 亿美元以上，并在 2027 财年跟踪达到 1500 亿美元以上；Marvell 数据中心收入则预计从 2025 年约 61 亿美元增至 2026 年约 93 亿美元，并在 2027 年达到约 146 亿美元。

作为台积电CoWoS产能供不应求之下的重要替代方案，英特尔（Intel）的EMIB先进封装技术凭借90%的良率和相对充沛的产能，已经成功吸引了谷歌、Meta、SK海力士等重量级客户的关注与测试。

因此，该赛道可以用一句话总结：云端算力芯片的涨价，本质是产能稀缺下的“价高者得”。只要先进封装产能缺口存在一天，这个赛道的热度便难以散去。而缺口何时能补上，目前看不到时间表。

第二类：高速网络与连接芯片。

这类芯片的涨价逻辑与云端算力不同——不是产能不够，是产品需求变了。

在AI热潮与大语言模型训练带动下，数据中心里的GPU数量持续攀升，负责传输与连接、让众多GPU得以高速交换数据的中枢交换器，地位变得前所未有地重要。尽管交换器占整体数据中心建置成本不到3％，但如果把算力比作自来水，交换器就是让伺服器GPU、中央处理器（CPU）甚至机柜间的数据畅行无阻的水管。管线宽度与流速，决定算力能否发挥得淋漓尽致。

依照业界标准，平均约十颗GPU就需要搭配一颗交换器，调研机构MRFR估算，2024年数据中心用交换器市场规模达到180亿美元，未来10年更将以5.8％的年复合成长率扩张。

在交换器市场，博通是已称霸十多年的业界龙头，因为手握与既有数据中心架构相容的优势，即使产品价格较高，却仍经常供不应求；过去曾有Marvell等芯片设计公司推出竞品，但最后纷纷折戟，如今博通在云端数据中心以太网络交换器的市占率仍高达九成。

Wi-Fi 7同样遵循“新品导入期=高价窗口”的规律。尽管Wi-Fi 7在家用路由器市场的渗透速度未达预期，2026年销量占比还不算太高，但高规格产品的价格溢价依然显著。上文瑞昱的涨价原因中，也体现了交换机的供需紧张。

高速网络芯片的涨价，更像是一场“规格升级驱动的结构性涨价”。

第三类：汽车智能化芯片。

汽车芯片的涨价逻辑，是电子架构的革命。

传统汽车采用分布式MCU架构，每个功能模块配一颗芯片，单价低、数量多。而智能汽车正在向“中央域控”架构转型——一个智能座舱SoC或ADAS芯片，价值量可能抵得上过去几十颗MCU。

根据中商产业研究院报告显示，2025年中国智能座舱SoC市场规模212亿元。 2026年中国智能座舱SoC市场规模将达278亿元。

但汽车芯片面临的最大变量不在座舱，在存储。

据央视财经最新报道，2026年3月至6月期间，车规级存储芯片价格暴涨约180%，成为近期新能源汽车集中调价的核心推手。 不完全统计显示，国内已有十余家新能源车企上调终端售价或收紧购车优惠，调价幅度集中在2000元至6000元区间，部分高阶智驾车型的选装包价格涨幅甚至超过20%。 本轮存储芯片涨价的根本原因在于全球产能的结构性错配。

三星、SK海力士、美光三家全球存储巨头垄断了90%以上的市场份额，而自2025年下半年起，为追逐AI服务器带来的高额利润，三大厂商将70%-80%的先进产能转向HBM（高带宽内存）和DDR5等AI专用产品。

相比之下，车规级存储芯片在全球存储市场中份额不足5%，议价能力先天弱势。更严峻的是，车规级DDR4、DDR5芯片因利润偏低，被大幅缩减产能、延长交付周期，导致供应出现断崖式缺口。

汽车芯片的价值量提升是长期的结构性趋势，但短期最剧烈的价格波动，来自AI产业对存储产能的挤占——汽车正在为AI的狂热买单。

第四类：成熟制程的幸存者红利。

与前几类不同，成熟制程芯片的涨价，不是需求爆发，而是供给退出，这一点主要体现在模拟芯片与功率半导体。

模拟芯片与功率半导体大多只需成熟制程：模拟芯片重在低噪声、高线性度与耐压，性能不依赖晶体管微缩，主流产品仍广泛使用0.13μm以上BCD等工艺；功率器件追求高电压、大电流与鲁棒性，需微米级线宽实现厚栅氧、深结深等特殊结构，长期扎根8英寸/6英寸成熟产线。正因如此，成熟产能的价格波动直接“拿捏”这两类产品的成本命脉。

从年初至2026年6月，单单是模拟芯片市场的龙头涨价动态，就已经来了两波了。

5月8日，市场上传出TI（德州仪器）的涨价通知，涨价函上说明：德州仪器即将对产品价格进行调整，此次价格调整将影响我们产品组合中的多个产品，涨幅将取决于具体的材料和技术。新的价格将适用于自2026年7月1日起生效的所有订单及出货。

值得注意的是，此次涨价已是 TI 过去一年里第三次调价。

第一次在去年 8 月，TI 宣布对旗下超 6 万个料号产品进行价格调整，整体涨幅 10%-30%，部分紧缺型号涨幅更高。本轮涨价基本覆盖全系列产品线，包含电源管理 IC、信号链产品等模拟芯片，以及 MCU、DSP 等嵌入式处理器和逻辑器件。

第二次，TI 计划从4 月1日起启动第二轮全面涨价。此次涨幅达 15%-85%，覆盖范围或面向所有客户，涉及数字隔离器、隔离驱动芯片、电源管理 IC 等多款核心产品。

同样在3月发出涨价函的另一家模拟芯片大厂恩智浦（NXP）也于近日更新价格调整。市场消息显示，恩智浦NXP将于2026年6月1日起实施价格调整。这些调整是因为不断变化的通胀性成本压力，包括原材料、能源、劳动力、物流以及供应商投入。上一波涨价潮中，恩智浦宣布自2026年4月1日起对部分产品调价。

此外，包括联咏（Novatek）、矽创（Sitronix）、矽力杰（Silicon Mitus）、奕力-KY（ILITEK）、天钰（Fitipower）及瑞鼎（Raydium）在内的多家中国台湾地区IC设计厂商，也已相继对客户发出涨价通知，主要集中在显示驱动IC及部分电源管理/模拟芯片领域。

再看功率半导体方面。根据TrendForce集邦咨询统计，2026年全球前十大晶圆代工厂商的平均八英寸产能利用率已回升至近90%，较2025年的近80%明显改善，且相关代工厂均已成功向客户传导涨价压力。

中国台湾地区功率半导体厂德微科技董事长张恩杰表示，随着AI世代来临，功率半导体已从过去配角转变为不可或缺的主角，目前订单能见度已满至明年底，且随产品组合优化，毛利率不仅稳守40%大关，明年目标向上挑战48%新高。

据悉，今年以来功率半导体已出现二次上调价格的情况。

2026年初，英飞凌向客户发布涨价函，宣布计划对旗下部分功率半导体产品实施价格调整，调整于2026年4月1日起生效。涨价原因是“功率开关与相关芯片供给持续吃紧，以及原材料与基础设施成本攀升”。

国内厂商同步跟进。自2月以来，华润微、士兰微、新洁能、捷捷微电、富满微等国内功率半导体企业也相继启动了涨价，涉及产品集中在MOSFET器件和IGBT，调整幅度普遍在10%至20%之间。华润微指出，本轮涨价不仅是成本推动，根本原因在于市场景气度支撑。

仅仅数月之后，英飞凌再次发布涨价函，宣布将在2026年7月1日实施新一轮价格调整，涉及产品范围涵盖多种功率开关器件，涨价幅度在5%至15%之间。

巨头退出的产线、转产的工艺、停产的节点，共同构成了一个又一个细分的供给缺口。谁能填上这些缺口，谁就能吃到这波红利。

将这四类主角并置来看，此轮IC设计涨价潮的底层逻辑并非芯片需求的全面过热，而是供给端经受了一场“拆东墙补西墙”式的剧烈重整。先进封装产能、高端存储工艺、成熟晶圆产能、高速数据传输芯片——每一个紧绷的环节都在以不同方式传递成本、筛选赢家。

国产IC设计厂商，影响几何？

这轮涨价对国产半导体厂商的影响需一分为二看待。

有利的一面在于窗口期显现。海外龙头如TI、英飞凌频繁调价且拉长交期，迫使下游客户加速导入国产方案，尤其在模拟芯片、功率半导体和MCU等成熟制程领域，国产厂商获得了难得的验证与上量机会。同时，国内晶圆代工产能的扩充为设计公司提供了相对更可控的供应保障，部分提前锁定产能的企业利润弹性明显，行业整体议价权和营收规模有望借此提升。

需要正视的短板同样突出。多数国产厂商仍集中在产品同质化较高的赛道，涨价能力本质上是跟随而非引领，议价权弱于国际巨头。更关键的制约在于产能端——尽管本土代工产能有所增长，但在先进制程、车规级工艺和高端封装等关键环节仍受限制，能承接的产能红利有限，部分企业可能陷入“有单拿不到产能”的困境。此外，在车规存储等被AI严重挤兑的细分领域，国产厂商能力尚弱，短期难以补位，反而会因供应链连锁反应承受更大的成本压力。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

本文来自微信公众号： 信睿周报 ，作者：信睿周报

过去，零售行业对AI的讨论，大多停留在提效工具层面。智能客服、内容生成、推荐算法……这些应用当然重要，但它们更多改变的是局部效率。

而如今，AI正在进入更核心的位置。

中国连锁经营协会与德勤共同发布的《生成式人工智能零售业全景观察白皮书（2025）》（以下简称《报告》）揭示了一个关键转折：生成式AI在零售行业的应用，正在从流程+AI转变为基于AI重塑流程。技术角色也从辅助员工悄然向数字员工蜕变。更值得关注的是，AI的角色正在从信息助手跃迁为具备交易执行能力的商业智能体。它不仅参与内容生成和推荐，更开始直接成为消费者互动与交易的入口。

“AI不只是改变了企业和客户的交互模式，它改变了零售的经济模型。”这是德勤中国咨询业务合伙人戴自强做出的判断。在他看来，AI真正改变的，并不是效率，而是零售行业的底层逻辑。

AI改写成本结构

凌晨两点，上海某小区门口的一家十足便利店，灯还亮着，但收银台前没有店员。

顾客推门进入，挑了一瓶水和一盒泡面，走向自助结算台。摄像头实时监控着整个结算过程，确认商品被正确扫码、付款。如果没有异常，全程无人干预。如果出现遮挡商品、未结算等行为，系统会立即触发声光报警，并推送至总部监控中心。

去年8月起，就已经有超过100家十足便利店在夜间时段进入这种AI值守模式。

这和传统意义上的无人便利店存在明确的差异，其核心变化在于通过AI技术将商品识别率从不足85%提升至98.5%。这种数字的提升对于一个规模化经营的连锁企业来说，意义是巨大的，它让企业足以跨越一个门槛，让无人值守真正成为一种可被大规模复制的商业模式。

过去，无人值守模式很难被成熟企业大规模应用，核心原因很简单：损耗不可控。如果技术方案的商品识别率只有85%，一旦规模化运营，这种误差会被快速放大，漏扫、误判和商品损耗很快就会吞掉本就微薄的利润。

另外，在规模化应用场景下，如果每100笔交易有15笔需要人工干预，云端客服会被无效警示淹没，防损人员需要逐单排查，规模越大，反而造成管理成本的加剧。而98.5%的识别率则把异常率压缩到一个相对可控的范围，云端客服和企业内部的响应机制才真正跑得起来。

当这一套体系被真正运转起来，AI也开始改变零售行业最核心的成本结构。

事实上，24小时便利店最大的成本之一就是人力成本。很多低客流区域，即便存在消费需求，也很难覆盖夜班人力成本。一天24小时，可能有6到8个小时的营收根本填不上人工的账，于是不值得开店。

但AI值守开始改变这个逻辑。无人值守带来了新的营收空间，十足便利店单店夜间无人经营能够带来日均约1000元的营收增量，按照集团4500家门店估算，年营收增量可达16亿元。

一家店的模型变了，整个网络的计算方式也跟着变了。当单个门店的盈利模型被改写，企业就有了在更高密度区域开店的底气。戴自强解释道：“如果一个地方只有10家店和一个地方有100家店，它供应链的效率完全是不同的。”门店密度提升，会进一步拉动配送半径缩短、供应链规模效应增强，整个即时零售网络的布局方式也随之改变。

所以AI改变的，并不只是有没有店员，而是让企业重新算清了一笔账。原来亏本的店，现在能赚了。原来只敢开几家店的地方，现在可以形成网络了。整个零售的成本收益平衡点，正在被系统地重新划定。

类似的变化，也发生在损耗管理上。

在折扣零售企业好特卖，其AI系统通过分析高频退单、差价套利等异常交易模式，已能有效拦截超过90%的规模化“薅羊毛”行为，将原本隐藏的损耗成本直接转化为可量化的利润，季度预估挽损增长40%。原本依赖人工调查的风险案件，AI自主发现占比从不足10%提升至55%以上。

“零售行业利润非常薄，几个点的变化，就可能改变整个行业格局。”戴自强说。因此，分析AI对零售行业的影响，不能仅仅停留在省了多少人，而需要重新计算那些过去被视为固定答案的经营模型。

AI重构组织分工

如果说AI首先改变的是零售行业的成本结构，那么它接下来改变的，就是组织结构。

在水果连锁零售企业百果园，这样的一幕正在上演。每天早上，百果园店长打开系统，屏幕上由AI自动生成的经营诊断报告，已经用可视化图表标注出门店在来客数、客单价、毛利、损耗等18项指标上的表现，系统不仅定位了核心短板，还给出了具体的优化方向。

过去，做这样一份分析需要花费很长时间，手动拉取数据，对比历史记录，再结合经验判断。而现在，AI在几分钟内就完成了。店长需要做的，是从AI提供的数据和选项中，做出最终的判断与决策。

数据显示，百果园的智能订货时间已经从3小时缩短至30分钟，经营问题定位效率提升约60%，很多原本需要数天才能发现的问题，现在一天之内就能完成识别。

“过去店长更像执行者，现在更像判断者。”戴自强说。数据的整理和问题的分析可以更多地交给机器，而经理则更多地负责决策和落实。人类员工的职责，也从亲自去做分析，变成设计和维护AI决策系统的规则。

类似的变化，也出现在华润万家。

华润万家的财务共享中心，已经开始大规模引入数字员工。所谓数字员工，并非简单的自动化脚本，而是具备流程自动化执行能力、复杂规则决策能力和AI认知能力（比如图像识别）的虚拟劳动力。它们能处理发票审核、账务核对等标准化流程，也能在出现异常时自动调用规则引擎进行判断。数据显示，其数字员工月均节省约2300小时工作量，相当于10~12名全职员工，部分流程效率提升47%~82%，准确率达到99.96%。

但戴自强认为，更重要的并不是效率本身，而是流程逻辑的变化。

他以德勤内部的合同审核流程为例。过去，一份合同需要经过多个岗位的逐级审核，有人审商务条款，有人审法务风险，有人审合规标准。引入AI后，团队最初的思路是在原有流程中嵌入AI，在商务审核节点增加一个AI助手，在法务审核节点再增加一个AI助手，每个节点分别提效。结果发现，效率提升非常有限。因为流程本质上没有变，整体的串联逻辑依然是线性的、逐级的。

后来，德勤换了一个思路，团队把所有AI能够处理的工作合并到一起，变成统一的自助预审环节，由提交者自己先通过AI完成初步审核，AI一次性完成对商务条款、法务风险、合规标准的初步筛查。只有出现异常或特殊情况时，才流转到人工做最终判断。

结果，整个审核流程的时间缩短了一半以上。

“原来需要很多人逐级审核的流程，现在AI可以一次性完成大部分工作。”他说。这意味着，AI最大的价值，并不是替代某个节点，而是重做整个流程。过去企业的组织流程，本质上是围绕人设计的，而现在，企业需要考虑如何围绕人机协同的逻辑，重新设计流程。

AI影响下的消费决策

AI对零售行业最深远的影响，或许还不是供应链和组织，而是开始进入消费决策层。

想象这样一个场景：你打开手机，对着AI助手说了一句：“帮我买一箱适合孩子喝的进口纯牛奶，要品质好的，明天下午送到家。”

AI立刻开始工作。它根据你过去的购买记录，确认你通常选择哪个品牌。它比对当前各大平台的售价、配送时效和用户评价。它甚至知道你家附近的哪个仓库有货、什么时间配送最合适。几秒钟后，它给出了一个推荐，并附上了理由。你确认同意，下单完成。

这不再是一个想象。《报告》指出，沃尔玛已与OpenAI合作，共同推出基于ChatGPT的对话式购物功能。消费者不再需要手动搜索、比价和跳转结算，而是直接通过自然对话，在ChatGPT内完成从商品浏览到支付的全流程。沃尔玛甚至为此开放了部分交易数据权限。

“入口一变，会影响所有事情。”戴自强表示。在他看来，这不仅仅是一个新渠道的诞生，而是消费决策权的一次转移。过去，品牌面对的是消费者。未来，品牌还需要面对AI，除了竞争用户心智，还需要竞争AI的推荐权重。

“品牌的价值，在于塑造需求和影响信任。”戴自强解释道。

他举了一个例子：为什么有人愿意花几万块买一个奢侈品包，而不是花几百块买一个同样能装东西的普通包？因为两者的需求逻辑完全不同。一个满足的是功能需求，一个满足的是文化需求。品牌的价值也恰恰在此体现。

但当AI开始介入消费决策时，企业因品牌打造的价值护城河可能面临挑战。因为AI不会像人类一样被品牌故事、广告画面、门店氛围所打动。它做决策的方式是计算型的，它看的是数据：用户评价、成分表、价格区间、配送时效……如果品牌的独特价值，比如文化符号，或者身份认同带来的影响，无法被结构化为可供AI读取和识别的信息，那么AI在推荐时，就只会把它当成一件普通商品来进行比价和排序。因此，未来品牌需要同时被人和AI感知和交互。

这意味着，零售行业真正可能被改变的，已经不只是卖货方式，而是需求被创造和分发的方式。

AI对零售行业经济模型的改变，是牵一发动全身的。它会同时改变门店模型、组织结构、供应链逻辑和消费决策方式。而这三者叠加在一起，意味着零售行业正在经历一场系统性的重写，从成本结构到组织分工，再到消费决策的底层逻辑，无一幸免。

（本文作者为 产联社CLS，钛媒体经授权发布）

文 | 产联社CLS

据WIND数据，黄金价格已经连续三周下跌，截至6月23日，伦敦现货黄金报4135.5美元/盎司；COMEX黄金期货报4129美元/盎司，年内累计下跌超5%；沪金主力合约报904元/克。二季度以来，伦金、沪金累计下跌超7%，几乎抹平一季度全部涨幅。

美伊和平协议签署和沃什美联储首次亮相是利空主要因素

17日的美联储议息会议表示，维持联邦基金利率3.50%至3.75%不变，在市场预料之内。真正让市场考虑重新定价的，是沃什作为新任主席的首次政策亮相。沃什在记者会上12次提及通胀、仅5次提及就业，其政策优先级已不言自明。

市场做出即时反应，据安粮期货整理，2年期美债收益率周涨10个基点至4.19%，美元指数升破101，联邦基金期货定价9月加息概率达72%。，点阵图显示18位官员中9位预计年内至少加息一次，其中3人预计加息1次、5人预计加息2次、1人预计加息3次，而在3月会议上这一数字为零，市场存在强加息预期。

6月18日双方签署临时和平协议，按传统逻辑推演，地缘风险消退→油价回落→通胀预期缓解→联储紧缩压力降低→黄金应获支撑。但金价在这一周不涨反跌。安粮期货分析认为，美伊达成协议后，油价大幅回落直接缓解了通胀预期，美债实际利率上行的压力随之缓解。但与此同时，地缘风险的消退大幅削弱了黄金的避险需求，放大了本轮回调幅度。黄金的短期定价逻辑已从“避险买盘”切换至“利率预期”。地缘冲突缓解虽非金价下跌的主因，但削弱了黄金的对冲需求，叠加美联储鹰派转向，共同构成了金价承压的完整逻辑链条。东方证券进一步表示，以色列随后袭击黎巴嫩导致原定6月19日的日内瓦谈判取消，但金价未出现像样的反弹。这说明地缘在两边都成了负驱动，缓解时避险买盘离场，恶化时为美联储紧缩提供能源通胀借口。这是沃什议息会议后市场结构质变所导致的。

但加息预期是否已在定价中透支？华联期货强调，本轮美国通胀主要受能源价格驱动，属于供给端冲击，核心服务性通胀并未全面扩散。预计2026年下半年美联储实质性加息概率较低，主要影响因素是缩表。此同时，全球央行购金加速，中国央行连续19个月增持，5月增持9.95吨，储备达2332吨，且增持节奏逐月加快。世界黄金协会最新调查显示，45%的受访央行计划未来12个月继续增持黄金，创2020年以来新高。两条线索正面对撞，正将4000美元关口推为本轮周期最关键的博弈前线。

沃什首秀重塑利率定价轴：从零人预测到九人支持加息

议息声明本身没有意外，维持利率3.50%-3.75%不变是市场共识预期。但点阵图的转向幅度超出市场预期。据东方证券梳理，3月会议上18位官员全部未预测2026年内加息；3个月后，9位预测加息，其中5位预测加息两次。利率中值40个基点的跳升意味着政策制定者集体上调了对中性利率的估计。

声明措辞的变化比点阵图更能揭示政策逻辑的转向。安粮期货对比分析到，此前的“委员会认为货币政策处于宽松立场”观点被删除，关于未来路径的前瞻指引语言被大幅弱化。沃什在记者会上12次提及通胀、仅5次提及就业，尤其是在回答劳动力市场问题时，他将话题转回通胀。这一细节比点阵图更能说明联邦公开市场委员会当前的优先级排序。与此同步，他宣布创立五个核心领域工作组，即工作机制、资产负债表、数据源使用、生产率与就业、通胀框架，聚焦美联储内部流程制度化。

市场定价随之剧烈调整。联邦基金期货隐含的9月加息概率从会前的43%飙升至72%，定价从“零加息”变为“大概率加息一次、一定概率加息两次”。美元指数升破101，为4月以来首次。金价有效跌破200日均线，为2025年10月以来首次。高盛将2026年底黄金目标价从5400美元下调至4900美元，警告若加息成真金价或跌向4440美元。

国际央行的同步紧缩进一步抬升了全球无风险利率中枢。欧央行6月11日加息25个基点至2.25%，三年来首次加息，声明明确表示中东战争正在产生通胀压力。日本央行6月16日加息至1.0%并放缓购债缩减。美国、日本和欧盟三大央行自2024年以来首次在同一窗口同步收紧。对于无息资产黄金而言，全球竞相加息意味着持有成本从“单引擎”变成了“多引擎”。

地缘因素不再是黄金定价第一驱动轴

6月14日特朗普在社交媒体宣布“与伊朗的协议现已达成”，正式批准霍尔木兹海峡免费开放，授权美国海军解除海上封锁。伊朗随后确认。6月18日，双方正式签署临时和平协议。在这之前的三周，黄金已经历了两轮性质不同的下跌。

第一轮（6月8日-14日）走的是传统模式。东方金诚表示，当周COMEX黄金跌2.62%至4239.9美元，沪金主力跌6.41%至911.62元/克。SPDR黄金ETF持仓一周减少6.28吨，CFTC多头净持仓量明显回落。定价逻辑为：美国CPI同比4.2%创三年新高，PPI同比6.5%创三年最大涨幅→加息预期升温→实际利率上行→金价承压。这一轮中，黄金扮演的角色依然是“利率的镜像”。

第二轮（6月17日-20日）的驱动机制已被彻底切换。按照传统逻辑，美伊和解→油价暴跌→通胀预期缓解→按传统逻辑黄金应获支撑。但金价不涨反跌。安粮期货分认为，美伊达成协议后，油价大幅回落直接缓解了通胀预期。但地缘冲突缓解虽非金价下跌的主因，但削弱了黄金的对冲需求，叠加美联储鹰派转向，共同构成了金价承压的完整逻辑。

尤其是以色列引发的局部冲突并未导致黄金价格上涨。以色列再度袭击黎巴嫩，原定6月19日瑞士日内瓦的谈判因此取消。如果避险逻辑仍然有效，金价应出现反弹。但据东证期货数据，当周金价再度因美伊局势恶化而下跌。这说明黄金已不再从地缘风险中获益，反而因任何能源再通胀的信号而承压。

地缘因素不再是黄金定价第一驱动轴。安粮期货判断，美伊协议仍处于60天谈判窗口期，核问题、制裁解除、安全承诺尚未完全闭环。霍尔木兹海峡通行的具体规则也尚未确定。地缘不确定性并未彻底消散——但它已不再是黄金定价的第一驱动轴。

通胀数据也在加固加息定价逻辑链。据WIND数据，美国5月核心CPI同比2.9%，核心通胀表现平稳，这本应是一个利多信号，但5月PPI同比6.5%、环比1.1%远超预期，零售销售环比增长0.9%超预期，需求端未见减速。在沃什已经摆出战斗姿态的当下，“核心通胀平稳”这个论据支撑力度不足。

加息是否落地决定黄金价格是否跌破4000美元

宏观加息预期是看空方主要支撑观点。东证期货表示，美联储鹰派会议落地，金价尚未企稳，短期内货币政策缺乏宽松空间，预计震荡下行至4000美元/盎司附近。中辉期货表示，美联储年内的加息预期将反复压制黄金；美伊地缘局势仍有摇摆，但从节奏上短期依旧偏空，看修复周期偏长。

虽多因素利多黄金价格，但加息预期是否逻辑是关键。具体利多因素来看，第一是央行增持行动。中银期货数据显示中国央行连续19个月增持黄金，5月增持9.95吨，储备达2332吨。世界黄金协会调查显示45%的央行计划继续增持，创2020年以来新高；新兴市场央行中72%计划增持。华联期货判断长期因素去美元化利好仍未变化。

第二是期现结构的潜在转势。中银期货表示，按照历史逻辑，当SHFE黄金贴水超过-8元/克时，往往对应短期价格底部。而当前SHFE黄金基差从周初升水+2.5元/克快速转为贴水-9.94元/克，已接近年内历史极值。当前-9.94元/克已接近这一阈值，意味着金价可能接近短期底部。

第三是通胀性质的结构拆分。东方金诚调查数据显示，消费者1年期通胀预期已从4月的3.6%回落至3.5%，3年和5年期预期分别维持在3.1%和3.0%，通胀预期并未失锚。华联期货判断，核心服务性通胀并未全面扩散。

三条支撑线指向同一结论，如果华联期货“核心通胀未扩散”成立，那么美联储实质性加息概率不高，4000美元极可能是本轮调整底部，且央行购金将在此区间加速承接。反之，若9月加息72%成为现实，4000美元大概率失守。

而值得关注的是，检验窗口已在日程表上。25日即将公布的核心PCE数据将直接验证“核心通胀未扩散”逻辑；下周的一季度GDP终值将给出经济的真实温度。

研报来源：

东方金诚《美伊局势反复叠加美国通胀上行，上周金价整体偏弱震荡》

华联期货《黄金中期风险仍在》

中银期货《贴水加深，短期偏弱运行》

上海东证期货《美联储鹰派会议落地，金价再度下跌》

中辉期货《美伊摇摆、美联储施压，黄金韧性何在？》

安粮期货《鹰派美联储叠加地缘溢价消退，金价连续第三周收跌》

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 医药研究社，钛媒体经授权发布）

文 | 医药研究社

近日，一纸公告让血制品行业炸开了锅。派林生物宣布，国药集团旗下的中国生物技术股份有限公司与控股股东胜帮英豪正式终止了派林生物21.03%股权的转让交易。这笔历时近一年、交易对价高达46.97亿元的重磅收购，在距离最终截止日不到半个月时戛然而止。

消息一出，市场哗然。要知道，就在一周前的投资者关系活动上，派林生物还言之凿凿地表示收购计划“正在履行审批程序”。短短七天，从“按部就班”到“戛然而止”，这戏剧性的反转背后，究竟发生了什么？

更值得追问的是：如果连手握天坛生物这一血制品“王牌”的央企——中国生物都不愿在此时接盘，血制品行业是否真的迎来了自己的冬天？

一场“临门一脚”却选择放弃的收购

这场收购从一开始就被赋予了远超交易本身的意义。

2025年6月，中国生物与胜帮英豪签署《收购框架协议》，拟以46.97亿元收购派林生物21.03%的股份，每股转让价格约23.51元。若交易完成，中国生物将成为派林生物控股股东，国药集团将成为实际控制人。

为什么这笔交易如此受关注？因为收购双方都是血制品行业的重量级玩家。

派林生物是国内血制品龙头之一，截至2025年末拥有38个浆站，采浆量近1590吨，位居行业第四。而中国生物旗下的天坛生物更是行业“老大哥”——107家单采血浆站，2025年采浆量2801吨，约占全行业的20%。一旦并购成功，中国生物将基本掌控全国血制品市场的半壁江山。

正因如此，这笔交易被视为央企进一步整合血制品行业的标志性风向标。业内普遍认为，国药集团若将派林生物纳入麾下，其在血制品领域的龙头效应将更加强大。

然而，这场万众瞩目的收购，推进过程却一波三折。

2025年9月，双方正式签署《股份转让协议》；2025年12月，因交易进入国资及反垄断审查程序，最终截止日被延长至2026年6月30日。就在市场等待6月30日倒计时之际，6月17日，双方却提前宣布“分手”。

官方给出的理由是“受市场波动及行业整体环境变化影响，双方难以在约定的时间内完成必要的交割手续，且不具备继续推进实施控股权转让的客观条件”。

但市场分析人士普遍认为，交易终止与股价大幅倒挂不无关系。截至6月17日收盘，派林生物股价报11.38元/股，仅为协议转让价23.51元/股的约48%。一年之间，股价腰斩，47亿元的收购对价在资本市场面前显得格外沉重。

更耐人寻味的是中国生物的表态：一方面宣布终止收购，另一方面又表示“始终看好血液制品行业的增长潜力”，“未来不排除通过二级市场择机增持”。这套“分手不说再见”的说辞，与其说是对未来还有期待，不如说是给市场一个体面的交代——毕竟，谁也不愿意承认自己是因为“买不起”或“不敢买”才放弃的。

派林生物的困境并非孤例。2025年，7家A股血制品上市公司扣非归母净利润全部出现同比下滑。上海莱士、天坛生物、派林生物等头部企业净利润降幅均在两成以上。

以“中国血王”上海莱士为例：2025年营收同比下滑10.13%至73.48亿元，扣非归母净利润同比下滑24.25%。6月18日，上海莱士股价创下七年来新低，收盘价4.65元/股。海尔集团2024年以9.405元/股入主，如今已浮亏超60亿元。

天坛生物同样“增收不增利”：2025年营收61.7亿元微增2.3%，但归母净利润10.9亿元同比暴跌29.6%。进入2026年一季度，行业颓势不仅没有逆转，反而进一步恶化——7家上市公司一季度营业收入全部同比下滑。

数据不会说谎：血制品行业正经历一场集体“失血”。

从“资源为王”到“库存压顶”的逻辑崩塌

血制品行业曾经有一个被奉为圭臬的黄金逻辑：“资源扩张=盈利增长” 。谁掌握更多的浆站、采集更多的血浆，谁就能在市场上占据主动。

这个逻辑在过去十几年里确实成立。2015年至2021年，中国采浆量复合增长率仅为8.34%；但2020至2024年，这一数字飙升至12.42%，处于历史高位。尤其在新冠疫情期间，急重症的增加一度使得血制品需求暴增，给了企业们积极扩张的强烈信号。

然而，上游采浆量的狂奔，并没有等来下游需求的同步释放。2025年，血制品企业纷纷踩下刹车，全国采浆量有所下降。但问题在于，血制品生产周期长，疫情期间错判形势扩张的产能已经变成了实实在在的库存。

供需错配成了行业最大的痛点。2023至2024年行业采浆量增长过快，而终端需求在疫情后回落，导致2025年出现阶段性供过于求。2025年上半年采浆量增速已放缓至5%，但前期积累的库存压力已然形成。

如果说供需失衡是“内伤”，那政策变化就是“外伤”。血制品行业正受到集采扩围、DRG/DIP改革、医保控费、药品重点监控合理用药等多重政策的叠加影响。这些政策的核心指向只有一个：限制血制品的临床使用，压低产品价格。

以人血白蛋白为例，医保不仅限定了可报销的适应症范围，还明确只有患者白蛋白低于一定标准才能使用。DRG/DIP等支付方式改革进一步抑制了院内需求，临床处方量减少，市场需求端景气度显著下滑。

更要命的是，集采推动的价格下降直接侵蚀了企业的利润空间。天坛生物2025年人血白蛋白毛利率降至39.47%，同比大降11.73个百分点。派林生物血液制品毛利率从上年同期的约49%下降至41.49%，下降7.61个百分点。

一个曾经“躺着赚钱”的行业，如今被迫进入 “降价换量”的内卷式竞争。

供需失衡和政策压力的叠加效应，最终体现在企业的财务报表上——存货高企、应收账款激增、现金流枯竭。

天坛生物2025年末存货高达40.22亿元，较2021年的21.44亿元近乎翻倍。存货不仅占用资金，更面临临期降价甚至报废的风险。与此同时，天坛生物应收账款从2024年的约2亿元暴增至13.86亿元，增长近6倍；经营活动现金流净额仅剩3.39亿元，同比下降58.7%。

派林生物的情况同样不容乐观。2025年经营性现金流暴跌167%，直接由正转负。2026年一季度，公司货币资金较年初下降43.45%，存货进一步升至17.92亿元。销售回款减少、采浆支出增加，资金链紧绷。

上海莱士的经营活动现金净流量在2024至2025年连续两年净流出，合计净流出超8亿元。

库存积压、回款困难、现金流恶化——这三个问题同时发酵，标志着血制品行业从“资源驱动”的增长逻辑，彻底切换到了“去库存求生”的生存模式。

血制品行业的破局之路

身处行业周期底部，血制品企业首先要做的不是扩张，而是自救。

过去几年，行业的核心竞争逻辑是“谁浆站多谁赢”。天坛生物拥有107家浆站，派林生物38家，上海莱士通过并购不断扩张——大家都在抢资源、拼规模。但现在，连中国生物这样手握天坛生物的央企都不愿再收一个派林生物，说明 “浆站为王”的时代已经过去了。

当下的核心矛盾不是资源不够，而是产能过剩、库存积压。企业需要优先解决的，是库存怎么出清、应收账款怎么回收、现金流怎么改善。

从数据看，行业已经开始主动调整。2025年采浆量增速已明显放缓，部分企业启动了主动去库存的操作。但血制品生产周期长、保质期有限，去库存不可能一蹴而就。行业正处于 “库存出清阶段” ，这个过程注定痛苦而漫长。

如果说短期要看库存出清的速度，那长期就要看产品结构的高度。

目前国内血制品企业高度依赖人血白蛋白和静注人免疫球蛋白这两个品种。这种产品结构的单一性，使得企业一旦遭遇价格冲击或政策变化，业绩就会剧烈波动。

天坛生物2025年人血白蛋白收入同比减少2.71%，毛利率大降11.73个百分点；其他血液制品更是量价齐跌，收入下滑15.64%，毛利率狂降18.44个百分点。这充分说明，靠两三个品种“通吃”的时代已经结束。

未来的竞争，将从“有没有浆”转向“有没有好产品”。凝血因子类产品的迭代升级、静丙在自身免疫疾病领域的临床拓展、皮下注射剂型等给药方式的创新，都可能成为打破同质化竞争的关键。那些能够优化产品结构、布局高毛利特免产品的企业，才有望在行业调整中脱颖而出。

血制品行业的调整，本质上是一场从 “资源型增长”向“价值型增长”的转型。

过去，企业只要拿到浆站批文、扩大采浆规模，就能坐享增长红利。但现在，采浆量领先不代表盈利领先。天坛生物2025年采浆量2801吨位居行业第一，但归母净利润却暴跌近30%——这暴露出龙头企业在管理上的瓶颈：信用政策激进导致现金流恶化、成本刚性上升挤压毛利空间、产品结构单一缺乏差异化支撑。

行业整合仍在继续，但整合的逻辑正在变化。央企主导的并购整合仍是大趋势，但企业需要的不再只是“更大”，而是“更强”。浆站资源的拓展依然重要，但如何提升单站采浆效率、如何降低采浆成本、如何加速新品研发、如何优化营销策略——这些精细化管理能力，才是决定企业能否穿越周期的关键。

有业内人士指出，血制品行业短期受到供需错配、集采等政策影响业绩承压，但长期老龄化等驱动因素不变。这意味着，冬天确实来了，但春天也不会太远。关键在于，谁能在这场寒冬中活下来，谁能率先找到新的增长引擎。

47亿收购的搁浅，像一记警钟，敲醒了沉睡在“资源为王”旧梦中的血制品行业。

中国生物放弃派林生物，不是因为不想要浆站，而是因为在当下的市场环境里，再多的浆站也填不满利润下滑的窟窿。从“抢资源”到“去库存”，从“跑马圈地”到“精耕细作”，血制品行业正在经历一场深刻的价值重构。

这场寒冬，既是挑战，也是机遇。它会淘汰那些只会“躺着赚钱”的惰性企业，也会催生那些真正具备产品创新能力和精细化管理水平的优质公司。正如一位业内人士所言，行业正处于 “调整阵痛期” ，但长期向好的基本面并未改变。未来正掌握在那些敢于变革、勇于创新的企业手中。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

（本文作者为 电厂，钛媒体经授权发布）

文 | 电厂，作者 | 何畅，编辑 | 高宇雷

正如跑分是手机硬件性能的评估标准之一，Benchmark（基准测试）也被视为判断模型能力的重要参考。但随着技术发展和场景变化，维度单一的榜单似乎很难全面呈现模型的水平。与之相伴的另一个问题则是：所谓的榜单是否值得信任？

在6月12日至13日举办的智源大会上，多位嘉宾提到了对Benchmark和榜单的看法。智源研究院院长王仲远认为，从实际情况来看，现阶段“榜单确实不那么可信”——各种各样的榜单令人眼花缭乱，而且部分结果无法验证。香港大学计算与数据科学学院助理教授李弘扬则表示：“Benchmark现在是一个重灾区。”

观点与现实互为映照。6月14日，具身智能评测平台RoboArena发布公告称，经过追溯调查，他们“已经观察到Benchmark存在被操纵的痕迹”，并剔除了问题数据。对比榜单变更前后的两个版本，最大的区别在于多个模型从榜单上消失，其中就包括此前位列第一的千寻智能自研具身基座模型Spirit v1.6。

从“力压英伟达”到排名清零

6月3日，具身智能公司千寻智能通过官方微信公众号发布了一篇文章：《双线告捷！千寻智能Spirit v1.6横扫北美“具身奥林匹克”夺冠，再获15亿元A+轮融资》。

标题称得上是对正文信息的高度提炼，这家公司公布的正是这两件事：技术层面，登顶RoboArena榜单，“力压英伟达Cosmos 3和Physical Intelligence Pi0.5，“打破硅谷霸榜魔咒”；资本层面，再获15亿元A+轮融资，三个月内完成四轮交易，跑出融资加速度。

凭借技术突破吸引资本加码，再将所融资金投入后续研发——双线并行，的确达成了完美闭环。然而，几天之内，就有关注具身智能行业的人士在小红书等社交平台提出了质疑：Spirit v1.6累计评测记录为310次，其中72%的评测来自两个账号：一个是ECUST Robot Lab，评测179次，胜率为97.2%；另一个是Robotics Lab，评测45次，胜率为86.7%。作为对比，NVIDIA对Spirit v1.6进行了21次评测，胜率为0。

RoboArena方面也注意到了数据的异常。6月4日，作为联合发起者之一，宾夕法尼亚大学GRASP实验室的王杰在相关笔记的评论区回复：“我们已经注意到了这个情况，正在深入调查”。

图片来源：电厂截图自小红书

经过一周的调查和追溯，RoboArena给出了处理方案：将评测完成率低于20%的评测账号标记为可疑账号，以防止Benchmark作弊的情况再次发生；根据更新后的规则回滚了评测，将来自前述账号的评测结果剔除；同时，强制规定只有没有相关利益的第三方评测者才能自愿参与评测。

RoboArena的核心贡献者，来自加州伯克利大学机器人学习实验室的Pranav Atreya也在社交平台上发文提及此事，并对社区监督表示感谢。

图片来源：电厂截图自RoboArena

现在，如果你点进RoboArena的页面，首先看到的正是被置顶的处理公告，后面跟着RoboArena同时放出的两版榜单——短的是Official版本，排除了可疑评测结果；长的是All Policies版本，包含所有评测结果。在All Policies版本登顶的Spirit v1.6，并未出现在Official版本，后者的前三名分别来自英伟达和Physical Intelligence。

评测机制与可疑数据的由来

RoboArena的公告，其实在一定程度上解释了可疑评测数据是如何产生的：“操纵A/B评测结果存在多种手段，其中一种典型表现为待分配评测任务的完成率偏低。”

根据官网介绍，RoboArena是一个分布式评测框架，发起者来自加州大学伯克利分校、斯坦福大学、华盛顿大学、英伟达等高校和科技巨头，兼具顶尖学术机构、头部科技公司背书。评测采用“众包”模式，评测者可以自主注册账号，自由选择场景和任务执行评测。在这个过程中，模型之间的对手关系来自随机匹配，评测者也不知道自己评测的是哪个模型。

大量分散的双盲、成对评测结果经过系统的收集和统计，最终汇总为一张榜单。理论上来说，这打破了单一实验室的评测模式，大幅扩展了评测的多样性，也意味着个别可疑或恶意评测行为难以轻易影响结果。

图片来源：电厂截图自RoboArena

但实际上呢？从结果来看，ECUST Robot Lab和Robotics Lab这两个评测账号集中参与了Spirit v1.6的评测，使后者的胜率迅速提高，而且Spirit v1.6的对手多数发布较早，评测结果分布失衡。此前，榜单结果遭到质疑时，王杰曾经在小红书相关笔记留言“我们的策略分配系统收到了攻击”。也就是说，Spirit v1.6可能在评测中“绕过了”真正的潜在对手。

图片来源：电厂截图自小红书

至于ECUST Robot Lab和Robotics Lab，则为了给Spirit v1.6贡献胜率、付出了未完成评测任务过多的代价。在All Policies版本的榜单中，Spirit v1.6和另外9个模型都被打上了“low sample（低采样样本组）”的标签——根据规定，必须完成至少100组A/B评测才能上榜。数据回滚后，Spirit v1.6仅完成25组A/B评测，首次评测时间为4月30日，最后一次评测发生在5月15日。

图片来源：电厂截图自RoboArena

还有一个可能被忽略的情况在于，如果去掉英伟达作为评测者的结果，Official版本的第一名将不再是英伟达DreamZero，而是Physical Intelligence Pi0.5，但去掉来自其他主要评测者的结果时，英伟达DreamZero排名并未发生变化。

RoboArena不反对模型提供者参与评测，后者甚至可以借此为自己的模型获得更多被评测的机会。然而，当评测者就是模型提供者，很难避免“又当裁判员又当运动员”的质疑。

自愿双盲机制的出发点是好的，前提是确保结果“不可操纵”。对此，一些可能的完善思路包括：不是直接进行模型成对匹配，而是在多个成对匹配中随机筛选一个结果进行评测；加强账号关联校验、利益相关方隔离和单一对象评测上限设置等，以平衡评测的开放性和结果的公平性。

榜单和排名究竟是给谁看的？

如果刷榜成为组成榜单的一部分，榜单本身的可信程度将被画上一个问号。在6月中旬举办的智源大会上，Benchmark和榜单是被反复提起的热门话题。

智源研究院院长王仲远认为，从实际情况来看，现阶段“榜单确实不那么可信”。一是榜单太多，各种各样的榜单让他“看得眼花缭乱”，二是缺乏结果之外的信息，“很多榜单的结果也没办法完全验证”。

在他看来，敢于现场展示真机、“亮真活儿”的模型公司“是有底气的”，也能在一些场景下找到数据闭环。“是骡子是马拉出来遛遛，能拉出来遛，通常还是可以让大家有一个体感。”

香港大学计算与数据科学学院助理教授李弘扬则表示：“Benchmark现在是一个重灾区。”他觉得，目前Benchmark“存在很大的问题”，只是大家都心照不宣，“不愿意提”。他自己也从来不看榜单和排名，“如果你因为（榜单成绩）发了个朋友圈，我从心理上是非常鄙视你的”。

究竟是谁在关注榜单和排名？或许要看谁能从中有所收获。投资人需要客观评估公司技术实力的标尺，公司需要对外宣传、吸引资本的素材，学术机构需要突出科研成果的背书。各方似乎都存在需求，但一旦与榜单过度绑定甚至钻榜单规则的空子，榜单也就失去了原有的意义。

6月5日举办的腾讯AI产业应用大会上，腾讯AI首席科学家姚顺雨在与腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生对话时也提到，国内有一个不太好的倾向是“大家喜欢刷榜”。姚顺雨的观点是，实用性的价值大于刷榜价值——比起所谓的排名，更重要的其实是如何实事求是地基于产品、基于真正的应用来构造更加真实的Eval（评估）。他不否认Benchmark的作用，“只是说这些榜单非常容易Overfitting（过拟合）”。

技术实力终究要落地于真实物理世界，通过操纵评测结果换来的榜单狂欢，只是泡沫而已。正如地瓜机器人算法副总裁隋伟在小红书相关笔记下所写的那样：“这类榜单没有太大产业指导意义，跟实际落地场景相差太远，更多的是学术价值。目前操作类模型确实缺少有说服力的Benchmark，是行业痛点，但是无论如何也不能造假，那是credit的问题了。”

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

6月25日，国内黄金饰品价格对比显示，多家黄金珠宝品牌公布的境内足金首饰价格较昨日有所下调，老凤祥报价1215元/克，较前一日下降26元；周生生报价1221元/克，较前一日下降19元；周大福报价1222元/克，较前一日下降16元；老庙黄金报价1238元/克，较前一日下降7元。（界面）

（本文作者为 AGI-Signal，钛媒体经授权发布）

18,600个工程人年，英伟达不再只是卖铲子的人。

芝加哥，2026年6月22日。麦考密克会展中心，Automate 2026，北美最大的工业自动化展会，聚光灯打在一张略显疲惫但眼神锐利的脸上。英伟达机器人业务副总裁Deepu Talla走上台，身后的大屏幕写着 Halos for Robotics。

台下坐着数千名来自全球工业机器人、传感器和认证机构的从业者。他们见过太多炫技的Demo，听过太多“颠覆行业”的豪言。但这一次，Talla没有放视频，没有秀参数。

“我们用了18,600个工程人年，把自动驾驶的安全架构搬到了机器人上。”

18,600人年是什么概念？假设一支500人的精英团队，需要连续干37年。或者换个算法，2004年DARPA无人车挑战赛启动那一天，这支队伍就该开工了，一天不停，一直干到今天。

而这件事的终极目标，远比“让机器人更安全”复杂得多。这是一场围绕标准制定权的降维打击。

三层安全网，一道入场门槛

先把产品看清楚。Halos for Robotics不是一个软件包，它是一套覆盖硬件、软件和认证三层的全栈安全体系，而且三层之间深度耦合。

硬件层是IGX Thor。SoC版本搭载Blackwell架构iGPU，集成128GB 256-bit LPDDR5X内存，数据速率达8533 MT/s；搭配独立GPU后总算力可达5581 FP4 TFLOPS。但真正的杀招不在算力，Jetson Thor也能跑模型。

关键在于IGX Thor在硅片层面内置了一个“功能安全岛”（Functional Safety Island），一个物理隔离的安全域。当主系统宕机时，它能独立接管机器人的紧急制动和状态监控。安全不是后装软件，而是刻在晶圆上的。

加上Holoscan Sensor Bridge负责多传感器融合的低延迟管道，硬件层为整个安全体系提供了一个“可信基座”。

软件层是Halos OS。底层跑的是QNX Safety 8.0，通过IEC 61508 SIL 3认证的商用RTOS，从微内核设计就是为确定性实时响应而生。在此之上，Halos Core提供了一套标准化的安全功能接口。

而最值得关注的，是英伟达已在GitHub上开源的“Outside-In Safety Blueprint”（外部感知安全蓝图）。它利用固定在工厂天花板和墙壁上的外部摄像头构建全局感知视野，通过AI Agent实时判定机器人危险行为，在“机器人自己看到的”之外，增加第二重独立的安全监控通道。这是把自动驾驶“冗余感知”的方法论，完整移植到了工业机器人场景。

认证层英伟达建立了一个通过ANAB（ANSI国家认证委员会）认可的AI系统检验实验室，全球首个针对物理AI安全的ANAB认可实验室。TÜV Rheinland、TÜV SÜD、UL Solutions、exida、SGS和CertX六大认证机构均已认可该实验室的检验结果，可直接作为其最终认证流程的一部分。

这意味着什么？在传统路径下，一家机器人公司要拿到IEC 61508或ISO 13849认证，整个周期通常为4到5年，功能安全认证成本占项目总预算的15%到25%。Halos检验实验室相当于提供了一个“预认证”通道，把最耗时、最重复的检验环节标准化前置，全流程有望压缩到约2年。

超过40家企业已加入该实验室生态，从人形机器人公司Agility、波士顿动力到激光雷达厂商禾赛科技，正在共同搭建这条安全认证的“快车道”。

要理解认证层为什么才是关键，先要理解一个事实，人形机器人产业当前最大的瓶颈，不是AI不够聪明，甚至不是应用场景不够多，而是安全认证。

数字会说话。据行业乐观估计，2026年全球人形机器人市场整体出货量突破5万台，据OFweek产业研究中心预计，中国市场规模有望达到220亿元人民币。仅优必选一家，Walker系列累计订单已突破8亿元人民币（约1.12亿美元）。Agility Robotics的Digit已从亚马逊的试点仓库进入丰田加拿大工厂的量产线。丰田汽车加拿大公司于2026年2月正式签署商业协议，在安大略省剑桥工厂部署7台Digit。2024年Figure AI完成6.75亿美元B轮融资后估值达26亿美元，Apptronik的A轮总融资达9.35亿美元，估值超50亿美元。

资本和订单都在说同一件事，人形机器人正在从实验室走向工厂。

但“试点”和“量产”之间的距离，远比资本想象的要远。一台人形机器人在实验室里绕开障碍物不难，难的是让它和200名工人同时待在一间运转的工厂里，8小时、365天，不出一次安全事故。

这里有一个根本性的技术矛盾。传统的功能安全标准，IEC 61508、ISO 13849，是基于确定性系统设计的，假设所有组件的故障模式可以穷举，行为可以完全预测。但AI模型是概率性的，你永远无法保证一个神经网络在每一帧图像里对“前方是否有人”给出100%正确的判断。

把这两套逻辑强行对齐，就像一个计量局试图用卡尺量一朵云的边界。后果就是认证成本高得离谱，周期长得绝望。

对于一个从融资到量产只有36个月窗口的创业公司来说，这意味着立项第一天就要开始跑认证，而且一旦中途修改硬件选型或软件架构，前面的认证成果可能全部作废。大量人形机器人公司始终困在“做了Demo、拿不到认证、进不了工厂”的死亡螺旋里，根源正在这里。

英伟达在下一盘CUDA的棋

如果你把Halos仅仅看作一个安全产品，你就只读懂了第一层。第二层才是英伟达真正的野心，通过Halos在机器人产业复制CUDA的生态锁定模型，且这次锁得更深。

先回顾CUDA的剧本。2006年，英伟达推出CUDA，允许开发者用C语言直接在GPU上编程。在当时，这看似一个“没人需要”的功能，GPU不就是画图的吗？但英伟达做了三件事。免费提供CUDA工具链，让开发者零成本上手。在大学铺开CUDA教学课程，培养一代“只会用CUDA写并行程序”的工程师。持续迭代cuDNN、TensorRT等库，让每个新AI框架，TensorFlow、PyTorch，都默认在CUDA上跑得最快。

15年后，全球AI训练绝大多数跑在英伟达GPU上。不是因为没有更好的芯片，AMD的MI300X在内存带宽（5.3 TB/s vs H100的3.35 TB/s）和容量（192GB vs 80GB）上甚至纸面领先。而是因为迁移生态的成本远超购买新硬件的成本。

这就是“软锁”的威力，不靠合同捆绑，靠习惯和兼容性让开发者自愿留下。

Halos的剧本几乎一模一样，但多了一层“合规锁”。

第一步是免费。提供Halos Core（基于Linux的版本）和开源Outside-In Safety Blueprint，让任何机器人开发者零成本开始构建安全系统，和CUDA完全一致，降低准入门槛，最大化开发者基数。

第二步是认证快车道。ANAB认可的检验实验室提供一条比传统认证快一倍的通道，但这条快车道深度绑定IGX Thor和Halos OS。你想用Intel的芯片？没问题，但认证周期可能回到4到5年。

第三步是生态锁定。超过40家上下游企业已加入Halos生态，当整个供应链以“是否兼容Halos”为选型标准时，离开这个体系的成本就不再是“换一块芯片”，而是换掉整个安全认证体系和供应链。

这三步叠加，实现了从“软锁”到“合规锁”的跃迁。你不接入Halos，可能压根进不了工厂，因为甲方和保险公司不会认可其他安全检验报告。

把镜头拉远，至少三层格局正在被改写。

对人形机器人公司来说，Agility Robotics显然是最聪明的玩家，第一时间接入Halos，成为首个将Halos集成至Digit安全系统的合作伙伴，客户覆盖亚马逊、GXO、舍弗勒以及丰田加拿大。

但跟随者的算盘没这么简单。对Apptronik、Figure AI、1X Technologies等公司，接入Halos意味着从芯片到OS到认证流程更深度的英伟达依赖，这是一种“标准嵌入”而非简单的供应商选择。不接入？要自己搭建一套同样能被TÜV和UL认可的安全认证体系，时间和金钱成本至少翻倍。在“能不能赶上量产窗口期”这个生存问题面前，独立性的代价可能高到无法承受。

对芯片和OS厂商来说，英特尔和AMD首当其冲。英特尔试图用x86架构和OpenVINO打开工业机器人边缘计算局面，AMD推ROCm试图打破CUDA垄断，但在功能安全认证领域，两家都没有能与Halos检验实验室匹敌的基础设施。

BlackBerry（QNX）虽在Halos OS中占据核心位置，但角色更像“被集成的组件供应商”，英伟达手握客户关系、认证通道和生态主导权，QNX只是按许可证收费的OS层。高通的RB5/RB6平台短期内与IGX Thor不在同一赛道，但一旦Halos体系向中低端延伸，交叉竞争只是时间问题。

对认证机构和标准制定组织来说，六大认证机构认可Halos检验实验室，本身就是一次站队。当这些机构大量生产力被Halos的预认证流程分流后，它们在机器人安全认证领域的独立性和议价能力将不可避免地被削弱。

更深远的影响在标准层面。ANSI总裁兼CEO Laurie E. Locascio博士曾表示，“标准是数字经济的关键基础设施。”如果Halos的检验方法论被纳入ISO/IEC TS 22440（AI功能安全技术规范）等新兴标准的规范化引用，“通过Halos认证”将不只是商业便利，而是合规义务。

值得注意的是，目前主流人形机器人公司，Apptronik、Figure AI、1X Technologies、Boston Dynamics等，几乎都在英伟达Project GROOT生态中，已经使用了英伟达的AI基础设施和Jetson Thor计算平台。Halos的推出对它们而言不是“是否需要接入”的新选择，而是现有生态关系的自然升级，从“用英伟达做AI训练和感知”推进到“用英伟达做安全认证”。这种渐进式锁定，比从零到一的硬切换要丝滑得多，也更难抗拒。

收费站的另一面

任何战略都有限制条件，Halos不是无懈可击。

首先是开发者信任的“开源悖论”。Halos Core的Linux版本免费，Outside-In Safety Blueprint开源，但Halos OS的核心安全组件跑在QNX Safety 8.0上，这是BlackBerry的商业闭源产品，每台设备的授权费不是小数。

机器人公司迟早会问，如果“免费部分”只是入门钩子，而真正通过认证所需的软件堆栈是付费闭源的，这套“开源生态”是不是另一种“试用期陷阱”？OpenAI当年开源的GPT-2与闭源的GPT-4之间的鸿沟，已经让产业对“选择性开源”高度警惕。

其次是监管的不确定性。ISO/IEC TS 22440（AI功能安全）目前仍处于技术规范阶段，尚未转化为正式国际标准。美国、欧盟和中国在AI安全监管路径上存在显著分歧，欧盟已将AI风险分级纳入CE认证框架，美国更依赖行业自律和反垄断约束，中国在推进人工智能监管体系建设，但针对物理AI的专项安全标准和技术认证互认机制尚未明确。

如果未来监管要求“安全认证必须由完全独立的第三方机构完成，不允许芯片厂商关联机构参与”，Halos检验实验室的预认证效力将大打折扣。

还有中国市场这个特殊变量。中国是全球最大的人形机器人市场之一，拥有全球最完整的机器人供应链和最大制造场景。但英伟达在中国面临出口管制和供应链合规的双重压力。IGX Thor是否会受限？Halos检验实验室能否在中国设立分支？中国监管机构是否承认ANAB认可的检验报告？

如果英伟达无法有效覆盖中国市场，Halos的“全球标准”就天然少了关键的一块版图。而中国本土企业，从优必选到宇树到智元，完全可能联合国内认证机构，建立一个与Halos竞争的本土安全认证生态。

但这三个隐忧，都不改变一个更根本的判断。

在AI基础设施领域，“卖铲子”是被用得最多的比喻，英伟达是淘金热中卖铲子的人，不冒险挖矿，稳赚不赔。Halos代表的远不止再卖一把更贵的铲子。

它标志着英伟达从“工具供应商”向“规则制定者”的质变。在机器人产业从“能跑就行”走向“合法上岗”的关键拐点，谁掌握了安全认证的标准和通道，谁就掌握了市场的入口。

英伟达正在用18,600个工程人年的积累，把自动驾驶安全领域的先发优势转化为机器人产业的“标准红利”。先建一个只有自己能跑通的认证高速公路，再邀请全行业来自己的赛道上比赛，最后让“通过Halos认证”成为从试点走进工厂的默认通行证。

对于机器人公司而言，今天的抉择很简单也很残酷。当英伟达把认证周期砍到原来的一半，把认证门槛降低到可以承受的范围，你是接受“深度绑定”换取量产速度，还是坚持独立但可能错过整个窗口期？这个选择题的可怕之处在于，不管你怎么选，英伟达都已经赢了。它要么赢你的钱（卖芯片），要么赢你的生态（建标准），或者，它两者都要。

18,600人年，加上700万行经过安全评估的代码，铸的不是一把安全锁。那是机器人时代的第一道收费站。而收费站一旦建成，没有人能只买票不走这条路。

(本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 赵虹宇）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

出品丨虎嗅汽车组

作者丨邢书博

头图丨题图为受访者周清，九识官方供图

“我们是双向奔赴的过程。” 2026年6月7日，九识智能联合创始人、CCO周清这样向虎嗅形容与东风股份的战略合作。

一天前，在湖北襄阳东风股份联合九识智能推出无人运力品牌“东风股份OpenVAN”，一次性发布四款L4级无人物流车，覆盖2方至60方的全场景需求，发布即收获超4000台订单。

至此，这家占据国内Robovan市场53.2%份额、运营着超2.5万台无人车队的智驾独角兽（截至2026年初，九识累计融资超10亿美元，估值突破百亿人民币），在主机厂合作的道路上立下了新坐标。

这家整合了菜鸟无人车业务、由前百度Apollo班底掌舵的智驾公司，在走一条什么样的路？

九识与东风股份：商用车版的“华为路径”

九识与东风股份的合作，很快被外界拿来同华为和赛力斯作类比。

周清也并不讳言：“在我们这个行业，这种模式已有成功先例。总体而言，我们与主机厂的合作，与华为鸿蒙智行和各种‘界’的关系类似。”九识所推行的“Zelos Inside”模式，正是将这一逻辑投射到商用车领域。

“东风股份OpenVAN”全系产品，搭载了九识智能的智驾系统，采用端到端大模型架构，核心算力突破500TOPS，L4智驾经过超1.3亿公里累计运营验证，专门针对“鬼探头”、路面遗撒物等高频极端路况完成了算法优化。

硬件层面，全冗余线控底盘在制动、转向、供电系统上均实现双冗余备份，控制角度精度不超过0.1度，反应时间不超过10毫秒。从末端配送到干线运输，东风股份OpenVAN试图一次性构建起完整的全场景产品矩阵。

OpenVAN无人车

在周清看来，自动驾驶的AI技术与汽车的传统硬件资产，已构成互为底座的平等契约。东风股份57年的造车积淀，严苛的供应商筛选标准与全域智能化布局，使其对合作伙伴的技术底蕴、量产检验和商业闭环能力提出了极高要求。

市场也对这次合作给出了初步认可。东风股份OpenVAN首发即获得超4000台签约订单，合作方覆盖综合物流、新能源运营、装备制造、城市服务、零售配送等多类客户，首批车辆预计8月交付。

降本68%与车规化大考

九识在2026年6月这个时间点与主机厂深度绑定，背后是整个无人配送行业正从“能不能跑起来”转向“能不能大规模跑好”的跃迁。

在此，正好插播广汽智能座舱总裁朱太平此前委托虎嗅向九识智能的提问——

“中国RoboVan无人物流车赛道未来最大的机遇和挑战分别是什么？”

周清对此回答，“中国拥有全球最大的物流配送市场、最丰富的应用场景和最完备的供应链体系。无人车对比传统燃油车模式可带来68%的成本压缩，这一数字已经验证了经济性上的绝对优势。”

“而伴随规模扩张，真正的挑战在于能否把数万辆乃至更多的无人车稳定、高效、低成本地运营起来。这涉及车辆管理、运营体系、服务能力，也涉及客户价值验证、路权适配和跨区域复制的速度。”

确实，过去几年，行业用数据不断证明着自己的价值。

全国无人配送物流车保有量由2024年的1万余台迅速增长至2026年一季度的4.7万台，超过100座城市开放路权。其中，仅2025年就交付约3万辆，同比激增逾350%。

比规模更扎实的是经济账。无人车较传统燃油车模式降本可达68%，这组数据直接坐实了商业可行性。2025年，中国物流成本占GDP比重为14.5%，显著高于欧美日等发达经济体的6%-8%。

当前，城市配送末端的人力成本持续攀升，快递员流动性常年居高不下，末端网点日益面临“招人难、留人更难”的困境。无人车要解决的，早已超越“把车开起来”，直指“把末端配送成本压下去”的经营根本。

无人重载车

这令人联想到一个世纪前，亨利·福特用流水线把T型车价格从850美元一路拉低到260美元，汽车从富人玩具变为大众工具。

今天，无人配送车正以类似的成本曲线重塑末端物流，技术驱动的单价陡降，极可能催生物流业的“T型车时刻”。中国邮政、顺丰、蒙牛等出现在九识客户名单上的企业，所采购的实质是比人力便宜68%的运力方案，而非一辆新车。

如上面周清所说，眼下最大考验已非造出能跑的无人车，而是“把数万辆甚至更多无人车稳定、高效、低成本地运营起来”。

这看似是一句话，其实是三个层面的难题：

其一，车规化门槛。功能型无人车早期多为厂商自造，并非严格的车规级产品。对中大型无人车而言，未来监管必然要求完全车规化，而目前行业准备尚不充分。九识率先迈出这一步，与东风股份的合作正是将无人车从“改装逻辑”推向“车规逻辑”的关键尝试。

其二，运营体系。管理数万台车辆远不是单台能力的简单叠加，它要求调度、故障响应、远程接管、客户服务等每个环节都支撑得起规模化压力。九识虽然已积累2.5万台车的运营经验，但接下来的挑战是把这一数字再放大一个量级。

其三，路权与跨区域复制。超过100座城市虽已开放路权，但各地标准、流程和管理方式并不统一。如何高效适配不同城市的路权要求，将直接决定扩张速度。

2026年7月1日，无人配送车首部全国性“交规”——GA/T 2388-2026正式施行，从路权分配到事故定责给出了统一标准。黑匣子国标、运营备案和专属保险也相继落地。制度闭环的加速形成，正在抬高行业门槛。

清华大学李克强教授近期提醒，无人配送是商业逻辑最清晰、有望率先形成闭环的场景，但须从生态建设、系统协同和行业自律等维度统筹推进。

同济大学朱西产教授认为，业界普遍侧重展示技术性能的上限，而对守住安全下限重视不足。

制度框架明朗后，缺乏量产能力、核心路权资源和可持续商业模式的企业将承受巨大压力，市场集中度可能进一步提升。

目前，九识与新石器已分别占据53.2%和36.2%的市场份额，双寡头格局基本锁定。

如何不输

行业的制度框架正加速闭合。对于在牌桌上的L4无人车玩家来说，怎么赢先放在一边，如何不输更值得探讨。

对此，周清给出了三个回应。

回应1：监管承诺

2026年7月1日起，全国性交规施行，没有车规资质、运营备案和保险底线的玩家将被挡在门外。九识选择在6月联合东风股份发布新品，正是卡在政策生效前一个月，用完全车规化的产品宣告已准备就绪。

“以前路上无人车不多，但如今全国马上要有大几万台，国家监管必然日趋严格完善。”周清说。

东风股份OpenVAN全系按车规级标准正向开发，完成超1000项零部件、系统及整车性能验证。它是一辆正向开发的原厂车，远非改装方案可比。当监管的闸门落下，能够合法上路的车才是真正的车。九识提前完成从“自造”到“车规联合开发”的切换，便不会倒在政策的门槛前。

井下作业无人车

回应2：技术主权

周清认为：中国交通场景全球最复杂，行人、电动车、三轮车、突发路况交织在一起，正是训练L4算法最好的“磨刀石”。“我们在国内不断拓规模、积累技术经验，对产品输出全球化有极大助力。”先在主场把算法练强，再向全球输出产品，形成了从技术主权到商业回报的完整闭环。当技术自主成为战略资产，全栈自研的L4能力就确保了它不会输在根子上。

回应3：重资产与基础设施

互联网公司习惯轻资产——搭平台、做撮合、赚佣金。但无人配送天然不是一门“搭台子”的生意，它需要车辆在路上跑，需要数据从真实场景回流，需要运营体系支撑数万台的调度。九识选择了一条更重的路。

“我们做了最多的基础设施，就一定能拿到最多的商业收益。”周清表示。

整合菜鸟无人车后，九识拥有全球最大规模的Robovan车队；与东风股份合作后，又拿到了车规级量产能力与央企背书。

2.5万台车在真实路况下跑出来的数据，绝非仿真模拟能替代；300座城市的运营经验，也不是挖几个人就能复制的。

商业史反复证明，谁控制了基础设施，谁就掌握了定价权——19世纪的铁路大亨如此，今天的九识也在用重资产修建属于自己的“新铁轨”。这套体系更重要的作用是防守，而非进攻。

以下为虎嗅汽车独家对话九识智能联合创始人周清节选，虎嗅经过不改变原意的编辑以增加可读性。

虎嗅汽车对话九识智能CCO周清：L4无人车进入“格拉斯哥时刻”

用华为模式做L4无人车

虎嗅汽车： 东风股份发布会说这次发布的东风股份OpenVAN是属于从技术整合到模式定义。为什么九识选择在这个时候和东风股份进行深度的合作，是否类似于华为和主机厂的智驾合作模式？

周清： 随着功能型无人车在路上不断增多，政府的监管力度也在增强。以前路上的无人车没那么多，但到了现在这个阶段，全国马上要大几万台，监管日趋严格完善。合规化进程在加快，这也是一个特别大的契机，让我们和主机厂进行深度合作，底层逻辑就是让专业的人做专业的事。

我们的最大出发点就是让懂车的人来造车，让懂L4的人为无人车保驾护航。车企有智能化升级的需求，L4企业也有车辆合规化的需求，这是一个双向奔赴的过程。

九识最大的优势就是有成熟的L4量产导入方案，已经有20多款车型导入经验，包括配送车、市政环卫、安防巡检车等。有了这些积累，我们就有更成熟的方案导入，运营里程更多，安全性和效率也更高。

总体而言，我们与主机厂的合作模式，类似华为鸿蒙智行和各种“界”的关系。

L4无人车进入“格拉斯哥时刻”

虎嗅汽车： 九识手握最大规模的车队和数据池，东风股份掌握全渠道制造能力，您觉得未来两三年的发展前景或终极行业状态是什么样的？

周清： 未来两三年，中大型无人车一定是车规化的。现在的功能型无人车多是厂商自造，在中大型车上，厂商一般没有资质，车规化仍有不足。所以未来一定是逐步走向车规化的转换。

九识正率先把这一步做起来，与东风股份这样的央企合作，在行业内形成了标杆作用。未来五六年，将是主机厂造车、L4企业做智驾，双方平等合作，车是主机厂的车，加上L4的智驾，打造联合品牌。未来两三年是过渡期，可能会存在车规化程度不同的车都在路上跑，但更长期来看，完全车规化的车会越来越多。

虎嗅汽车： 有一个概念叫“格拉斯哥时刻”，指的是2021年格拉斯哥气候变化大会经过艰难谈判确定了全球气候治理的关键突破。您觉得无人车赛道是否进入了这个时刻？

周清： 现在确实到了行业拐点的关键时刻。早期功能型无人车只是演示demo时，没有这么多监管问题。但随着上路的车越来越多，行业越来越规范。在这个节点上，主机厂也意识到了问题——很多主机厂尝试过自己做智驾，但术业有专攻，最终是独立的L4企业能做起来。

左手百度，右手阿里，面向东风

虎嗅汽车： 发布会提到智驾系统拥有超1.3亿公里真实路况验证，配套双冗余系统。能不能具体解释一下这些技术？

周清： 我们的团队最早是百度Apollo的，是国内最早一批做L4自动驾驶的团队。基于这个技术积累，衍生出了Robovan产品。

在传感器方案上，我们做了全车360度无盲区的方案。第二个是在地图和定位上，我们从高精度地图改为轻地图，现在做无图。以前车少、路线少的时候，高精地图没问题。但到了大规模运营时，高精地图成本对创业公司来说非常灾难，甚至会拖垮现金流。

虎嗅汽车： 无图是不是类似于特斯拉FSD？

周清： 是的。

虎嗅汽车： 咱们团队是从百度Apollo出来的，您为什么不在Apollo接着干？

周清： 百度被称为自动驾驶界的黄埔军校。为什么这么多人才从百度出来？很大程度上是因为百度在高新技术上做得很超前，但在落地上投入相对较少。从PC互联网到移动互联网，如果缺少终端业务产品，就会错失机会。在PC互联网时代，不需要在产品体验上做很重的投入，但到了移动互联网时代，产品体验做得不好，技术再强，客户也不太愿意用。

虎嗅汽车： 对L4无人车来说，九识与传统的Tier 1最大的不同是什么？

周清： Tier 1在汽车领域是供应商角色，主机厂是甲方，开发完给钱，对外品牌全是主机厂的，而且甲方有很多乙方可以选择。这不是特别平等的合作状态。对于自动驾驶，汽车和AI驾驶员是平等关系——车是行驶载体，AI驾驶员才是安全行驶的保障。九识提供的是AI驾驶员，主机厂提供车，双方是联合开发、联合验证、联合交付。“九识智驾Zelos Inside”代表的就是这种平等关系。

虎嗅汽车： 东风股份为什么会选择九识？

周清： 东风股份是主机厂里头的头部企业，也是老牌央企。东风股份主机厂做智驾，投入的时间和费用成本都非常高，因此他们选择了与我们合作。我们从2023年开始就和东风股份集团下面的一些子企业有过合作，双方很早就建立了合作基础。九识在智驾上的投入已经有十几个亿了，对于央企来说，自己掏这个钱不如选择合作，成本更低，落地速度也更快。

虎嗅汽车： 九识最初做轻型车，现在做重载车，产品矩阵能否做到全场景覆盖？

周清： 现在园区和城配已经可以做到全场景覆盖，基本上城市里所有场景都支持。后续最大挑战是怎么把成功经验移植到支线物流，最后再移植到干线物流。

城配能比较快落地，因为它速度要求低，是城市内部自循环，获得路权后就能规模化，规模化就有商业收益。城配行业人力是第一成本项，且招人困难。尤其对快递网点来说，这是最不赚钱的板块，快递员流动性高——人力成本高，配送工作辛苦，时间花在路上影响了取件和派送的效率。无人车能把成本降下来，自然受欢迎。

但在干线和支线物流上，人力成本固然高，但燃油和过路费成本有时比人力还高，所以无人车目前优化的并不是它们的第一成本项。支线干线跑的是国道或高速，车速快、车型大，一旦出事故就是大事故，政策上不会马上允许完全无人，经济账暂时算不过来。

虎嗅汽车： 咱们跟菜鸟无人车整合有什么故事？

周清： 契机与蚂蚁集团的投资有关。蚂蚁集团投资了九识以后，在内部帮我们找业务，阿里有大量物流业务，把业务引荐给被投企业是很自然的事。在交流中，菜鸟发现他们更想专注于物流科技，而无人物流车是需要持续投入但商业化进程相对慢的板块。菜鸟希望跟行业中能做好商业化的企业合作，于是就衍生了这次整合。

对我们来说，菜鸟无人车品牌有很大价值，依托菜鸟集团有品牌背书。同时菜鸟与阿里达摩院渊源很深，技术有多年积累。所以与菜鸟无人车的整合，在品牌和技术融合上都是我们想要的。

虎嗅汽车： 一个是百度系，一个是阿里系，磨合顺利吗？

周清： 细微摩擦是融合过程中的必经之路。但达摩院也有很多做自动驾驶的从百度Apollo过去的，整体技术架构差不多，技术团队融合大体顺利。

IPO是“水到渠成”

虎嗅汽车： 外界传闻九识就要港股IPO了？

周清： 在自动驾驶这个长周期高投入行业里，技术投入和投资回报是相互促进的关系。过去几年资本市场对自动驾驶的态度发生了明显变化——早期只要有概念资本就进来，Uber事故后行业变冷，到各个垂直领域有了一定规模后资本又来了。现在资本更关注技术落地，关注企业是否具备持续商业化的能力。这是行业走向成熟的重要标志。

虎嗅汽车： 九识在海外的情况怎么样？

周清： 九识很早就做全球化布局，选择新加坡是因为它是国际化国家，从新加坡出发能更好布局全球。我们在2023年就参与了新加坡TR-68标准的修订，拿到了当地第一张无人配送车牌照，与FairPrice、新加坡邮政都有深度合作。

现在我们在全球发展了日韩、新加坡、马来西亚、阿联酋、奥地利、匈牙利等市场，尤其在新加坡、中东和马来西亚已经实现运营。我们跟阿联酋邮政的7x成立了合资公司，与DHL等全球邮政企业也有广泛合作。邮政是各国无人配送车最大的客户，在政策法规制定上有较大影响力，我们通过与邮政合作形成了独特的全球化路径。

虎嗅汽车： 九识的下一个里程碑是什么？

周清： 下一阶段，我们更关注把积累的经验优势转化为整个行业的基础设施能力，为物流行业做出贡献，同时获得更大的商业收益。后续在园区配送、城市配送、支线物流、干线物流的产品体系上会继续迭代，更重要的是智驾技术持续迭代——如何在城市里以更快的速度跑，如何在支线干线以更快速度、更大车型、更安全的方式跑。还有规模化运营能力的提升，我们现在运营了25000多台车，马上3万台了，要用更安全的运营方案、更低的运营成本去运营。

虎嗅汽车： 您怎么看有些公司还在沿用互联网流量逻辑、轻资产逻辑进入这个行业？

周清： 或许和对行业理解深度有关。一开始按某种方式去做无可厚非，因为之前成功经验可能是另一个行业的路径。这些企业进来后，如果能另辟蹊径，对我们也是启发，但如果不适合，自然会有碰壁的问题。尊重规律，但也尊重无限的可能。

汽车人问汽车人

虎嗅汽车： 我下一个对话嘉宾是VALA创始人孙海涛，他们是做旅行房车的。房车是一个非常差异化的生态，也是一个小众品类。作为创业者你们肯定有相通的地方，你有什么问题想问他，我可以带给他。

周清： 房车是汽车制造里很小众的行业，但小众行业也可以做出很大的成绩，这是一件让人兴奋的事情。

第一，我比较关心他为什么会聚焦于这个行业，他做大的商业逻辑或者自己的思考是什么？

第二，对我们来说，最早无人配送在自动驾驶行业里也是一个小众行业，更大众的是Robotaxi或Robobus。但发展出来后人们才发现，小众领域可能更容易规模化，这是我们可以提供的经验。

第三，我们跟房车其实也可以合作。房车目前最大的作用是旅行，但它也有非常多能商业化的方向。如果做成自动驾驶房车，让机器带着人去旅行，我们就有更多时间欣赏路上的风景。后面可以跟孙总问一问，有没有兴趣跟我们合作，大家一起在一些独特的行业上做一些独特的事。

（本文作者为 雷达财经，钛媒体经授权发布）

文 | 雷达财经，作者 | 丁禹，编辑 | 孟帅

一纸《取保候审决定书》，将百亿市值创新药企博瑞医药的掌舵者，推向资本市场的聚光灯下。

据博瑞医药近日披露的公告，公司实际控制人袁建栋因涉嫌操纵证券市场案，被苏州市公安局出具《取保候审决定书》。

据了解，此次被取保候审的袁建栋，一人兼任上市公司董事长、总经理要职，并代行财务总监、董事会秘书职责。公司表示，前述事件不会对公司日常生产经营活动产生影响。

雷达财经梳理发现，自2020年以来，博瑞医药及公司高管曾因“信息披露不准确”、“传播误导性言论”、“未履行审议程序和信息披露义务”等原因，被江苏证监局多次下发警示函。

业绩方面，今年第一季度，博瑞医药实现营收3.25亿元，同比增长30.52%；录得归母净利润0.09亿元，同比减少28.29%；录得扣非净利润0.04亿元，同比减少47.58%。

博瑞医药表示，扣非净利润的减少，主要系口服BGM0504片美国临床试验等创新药费用化研发投入较去年同期增长，同时报告期内盈利的泰兴子公司引入少数股东后使得少数股东盈利较去年同期增长所致。

值得一提的是，在今年3月揭晓的《2026胡润全球富豪榜》中，袁建栋家族以75亿元的财富登榜。

不过，截至6月24日收盘，博瑞医药的股价为36.39元/股，较年内5月初的高点腰斩，最新市值为158.59亿元。

实控人被取保候审，此前两高管提前离任

6月18日晚，博瑞医药紧急发布公告称，公司于当日收到实际控制人袁建栋通知，因涉嫌操纵证券市场案，根据《刑事诉讼法》相关规定，苏州市公安局对袁建栋出具《取保候审决定书》。

目前，袁建栋在公司一人身兼董事长、总经理两大要职，并代行财务总监、董事会秘书职责。

博瑞医药强调，公司日常经营管理由公司各职能部门负责，上述事项不涉及公司股票，不会对公司日常生产经营活动产生影响，目前公司生产经营运作正常，各项工作有序开展。

博瑞医药还表示，为确保完善公司治理结构，公司将尽快于一个月内补选财务总监、董事会秘书，并将及时就补选事项履行信息披露义务。

雷达财经梳理发现，博瑞医药的原财务总监、原董事会秘书均是在近期提前离任。

3月30日，博瑞医药发布公告称，公司董事会收到董事、财务总监邹元来递交的辞职报告，其因身体原因需要治疗休养，或将影响其履行董事及高级管理人员职责，因此申请辞去前述职务，同时一并辞去第四届董事会战略发展与ESG委员会委员职务。

5月26日，博瑞医药又发公告称，公司董事、董事会秘书丁楠因个人工作调整，申请辞去前述职务，同时一并辞去第四届董事会战略发展与ESG委员会委员、第四届董事会提名委员会委员职务。

公告显示，二人的原定任期到期日均是2027年9月27日。换言之，二人均为提前一年多离任。

不过，二者均将继续在公司任职，其中邹元来担任战略投融资部总经理，丁楠担任战略投资部直投副总。

博瑞医药均强调，两位高管的离任不会影响公司董事会的正常运行，亦不会对公司的日常运营产生不利影响。

6月24日，博瑞医药发布公告，经公司总经理提名并经董事会提名委员会及审计委员会审核，公司董事会同意聘任詹春雷担任财务总监。

同时，为确保董事会工作的顺利开展，经公司董事会提名，并经公司董事会提名委员会资格审查，同意补选谢道生为公司第四届董事会非独立董事。本事项尚需提交公司股东会审议。

值得一提的是，6月12日，博瑞医药的第四大股东——先进制造产业投资基金（有限合伙）（以下简称“先进制造基金”），因“自身资金需求”抛出减持计划。

截至6月12日，先进制造基金持有博瑞医药1331万股，占公司总股本的3.05%，其计划3个月内通过集中竞价、大宗交易方式，择机减持合计不超过公司总股本3%的股份，即不超过1307万股。

按公告当日收盘价44.03元/股计算，先进制造基金最高可套现约5.76亿元。若先进制造基金按上限减持，其持股比例将降至0.05%，直接跌出十大股东之列。

事实上，早在去年6月30日至9月22日，先进制造基金就曾减持公司530万股股份（占总股本1.25%），减持价格区间为53.08至122.01元/股，减持总金额达4.41亿元。

天眼查显示，先进制造基金成立于2015年5月，是国家级产业投资基金。该基金聚焦《中国制造2025》战略重点领域，主要投资于轨道交通装备、高端船舶和海洋工程装备、工业机器人、新能源汽车、现代农业机械、高端医疗器械和药品、新材料等先进制造领域。

博瑞医药及公司高管，此前曾频遭监管关注

雷达财经梳理发现，在此次实际控制人袁建栋被公安取保候审之前，博瑞医药及公司高层已多次受到监管关注。

早在2020年3月，博瑞医药便曾收到江苏证监局的警示函，监管核查后发现，公司此前公告中所称“已经批量生产出瑞德西韦原料药”，实际为药品研发中小试、中试等批次的试验性生产，而非已完成审批并开始正式规模化、商业化生产销售瑞德西韦原料药和制剂。

监管指出，博瑞医药所披露的“批量生产”未考虑一般语义的理解，亦未作出专门说明，不能准确描述抗病毒药物研制的进展，信息披露不准确。

江苏证监局认为，公司董事会秘书王征野是公司信息披露的具体负责人，对此承担主要责任。

最终，江苏证监局决定对公司及王征野采取出具警示函的行政监管措施，并记入证券期货市场诚信档案。

2023年10月，袁建栋收到江苏证监局的警示函。江苏证监局核查后发现，袁建栋作为公司董事长、总经理，在2023年10月12日下午召开的“大咖解读GLP-1全产业链系列交流会”电话会议上发布了个人试用公司在研产品BGM0504注射液相关情况。

据中国新闻网，当时，袁建栋自称，其亲自试用公司在研减重药BGM0504注射液近两个月后，“（体重）从91公斤降到了76公斤，这个效果还是非常明显的”。该言论迅速引发市场轰动，博瑞医药次日股价涨停，涨幅达20%。

江苏证监局认为，彼时BGM0504注射液用于减重尚处于临床试验阶段，有效性尚不明确，袁建栋关于药效的相关言论具有误导性，违反了《上市公司信息披露管理办法》相关规定。

最终，江苏证监局决定对袁建栋采取出具警示函的行政监管措施，并记入证券期货市场诚信档案。

去年6月，博瑞医药及公司财务总监邹元来，又收到江苏证监局下达的警示函。

警示函显示，2019年11月，博瑞医药召开董事会审议通过议案，同意公司使用不超过3.8亿元的暂时闲置募集资金进行现金管理，使用期限不超过12个月。但一年后，公司并未及时赎回闲置募集资金现金管理的产品。

江苏证监局认为，公司迟至2020年12月11日方召开董事会审议未来12个月的现金管理额度，对于2020年11月27日至2020年12月10日之间存续的现金管理情况，公司未履行审议程序和信息披露义务。

在前述事项中，邹元来作为公司财务总监未能勤勉尽责，督促公司规范使用募集资金，保证公司及时披露相关信息，违反了《上市公司信息披露管理办法》相关规定。

最终，江苏证监局决定对公司及邹元来采取出具警示函的行政监管措施，并记入证券期货市场诚信档案。

“化学神童”创业，押注减肥药转型

天眼查显示，博瑞生物医药（苏州）股份有限公司成立于2001年10月。

据悉，公司专注于高端仿制药和原创性新药的研发与生产，主要提供高技术壁垒的医药中间体、原料药和制剂产品，核心业务涵盖抗体药物、疫苗、核酸药物及细胞治疗产品的研发与产业化。

公开资料显示，博瑞医药的创始人袁建栋出生于1970年。他从小天赋惊人，被人称为“化学神童”，中学时期便凭着过人的化学天赋被保送至北大化学系学习，后来又赴美国纽约州立大学攻读博士。

博士毕业后，袁建栋随即去了美国一家公司，主要从事抗病毒药物和基因测序以及基因芯片方面的研究和开发。

然而，2001年，袁建栋却做了一个大胆的决定，他辞掉了那个自称“可以一辈子一眼望到底”的工作，打定主意回国创业，博瑞医药就此问世。

最初，袁建栋给公司的定位是医药原料药及中间体制造。2006年后，在袁建栋的带领下，博瑞医药利用全新的合成路线规避了“乙肝病毒有效药”恩替卡韦的原研专利，从而走上了仿制药路线。

近年来，袁建栋正在积极推动公司从高端仿制药向创新药转型。而其转型后的第一款产品，即是前文提及的减肥药BGM0504。

在被监管点名后，博瑞医药并未停止对BGM0504的继续研发。

6月11日，博瑞医药发布公告称，公司全资子公司自主研发的BGM0504注射液减重适应症的新药上市申请（NDA），已获国家药品监督管理局（NMPA）药品审评中心（CDE）受理。

不过，博瑞医药也在公告中表示，BGM0504注射液减重适应症新药上市申请获得受理后，尚需经国家药监局审评、审批通过后方可生产上市，短期内对公司经营业务不会产生较大影响。

就业绩而言，博瑞医药近年来的表现难言出色。同花顺iFinD数据显示，2021年，公司营收首度突破十亿大关，达到10.52亿元，但此后公司的营收长期徘徊在10亿到13亿元的区间内。

2025年，博瑞医药的全年营收为12.24亿元。同时，公司的利润则不断萎缩，去年仅录得0.55亿元的归母净利润，同比骤降71.18%，较2021年的2.44亿元更是缩水近2亿元。

今年第一季度，博瑞医药的营收同比增长30.52%至3.25亿元，但归母净利润同比减少28.29%至0.09亿元，扣非净利润更是减少47.58%至0.04亿元。

同期，公司经营活动产生的现金流量净额从上年同期的1.07亿元降至-1.11亿元。

此外，第一季度，公司的研发投入减少40.53%至1.37亿元，研发投入占营业收入的比例大幅减少50.51个百分点至42.27%。

博瑞医药表示，扣非净利润的减少，主要系口服BGM0504片美国临床试验等创新药费用化研发投入较去年同期增长，同时报告期内盈利的泰兴子公司引入少数股东后使得少数股东盈利较去年同期增长所致。

而经营现金流的变化，则主要系受季度末回款影响，使得本期经营活动现金流入同比有所减少，同时口服BGM0504片美国临床试验、BGM1812注射液、BGM2102注射液等研发支出带来研发费用同比增加，叠加原材料采购等经营性现金支出同比增加所致。

至于研发投入的减少，则主要系随着BGM0504项目的推进，其临床三期的研发投入同比下降所致。

有关博瑞医药的后续发展，雷达财经将持续关注。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

本文来自微信公众号：黑坝，作者：许昕，头图来自：AI生成

我们没有兴趣征服宇宙，我们想把地球延伸到宇宙的边界，我们不知道怎样处理其他的世界，我们也不需要其他的世界，我们只需要一面镜子。

——斯坦尼斯拉夫・莱姆（Stanisław Lem），《索拉里斯星》， 1961年

2020年代初，ChatGPT、Midjourney等新一代生成式人工智能横空出世平地惊雷，再次引发人类社会关于“AI取代人类”的广泛讨论。

这些讨论中，“AI不具备情感”、“AI缺少真正的意识”等论点被反复提及，但始终莫衷一是。抛开那些尚未厘清“情感”“意识”概念的讨论，即便是严肃审慎的脑科学、计算机科学探讨，缺少了一以贯之的主线，最后也不免丢失问题的锚点，陷入到价值判断的泥沼。

这条主线，就是进化。

事实上，人工智能领域诸多核心问题——不管是人工智能的演进方向，还是人工智能与人类的关系，如果将其置于生命进化（尤其大脑进化）的视角下审视，答案其实早已收敛。

例如人类奉若圭臬的“情感”，在进化初期，只是单纯作为一种智力技巧出现，解决的是大脑当时面临的诸如“转向”（“恐惧”使个体避开捕食者）、“强化学习”（“愉悦”使个体重复有利于生存和繁殖的行为）等问题。对照2020年代初的人工智能，“当（自主智能）机器纠正了一项使成本升高的动作时，是否可看作机器在避免疼痛或不适的感觉？当用于测量机器人电池电量的镜头元件产生了较高的成本而致使机器人开始寻找电源时，不正与饥饿的感觉相似吗？”（杨立昆）

又如人类的“意识”，或者灵长类动物普遍具有的复杂“心智”，集中涌现自大脑最晚进化出的新皮质（由执行相同计算、结构相似的新皮质柱组成）神经突触之间的连接。而仿照人类大脑构建的人工智能神经网络，同样是由大量相互连接的人工神经元组成，执行的也是相似的计算，在功能上，与人脑并没有本质差异。

某种程度上，人工智能在走的路，正是大脑走过的路的重演——同一个世界，同样的问题，只是换了一种解题的媒介。特奥多修斯·杜布赞斯基（Theodosius Dobzhansky）曾说，“生物学中的一切，只有从进化的角度理解才有意义”，而人工智能，也只有当我们转换视角，把它视作进化这一宏大进程在新媒介上的延伸时，才能真正被理解。

一、第一次涌现

无序是有序的源泉。

——伊利亚・普利高津（Ilya Prigogine），1984年

费米悖论

1950年代，物理学家恩里科·费米（Enrico Fermi）提出了著名的“费米悖论”——宇宙是如此浩瀚且古老，理应存在大量智慧文明或文明的遗迹，而人类的观测却始终一无所获。

费米的推演大致分四步：

首先，宇宙极大，宜居行星数量极多。仅银河系，就有1000亿～4000亿颗恒星，数千亿颗行星。基于开普勒、TESS、盖亚等系外行星观测任务的统计数据外推，大约有数十亿到数百亿颗行星位于恒星的“宜居带”——具备液态水以及其他适宜生命出现的条件。

其次，生命一旦出现，给予其足够时间及合适条件，就有可能演化出智慧文明。地球从出现原核生物，到诞生农业文明，经历了约35亿年。考虑到宇宙的年龄已经138亿年，生命具备充足的演化时间。(顺着这个思路，“有没有外星人/外星生命”这个老生常谈的问题，也可以转换成为一个朴素的概率推断：用一个无比大的数（宜居行星数量），乘以一个大于0的概率（地球本身证明了行星出现生命的概率不为零），最终的结果很难让人相信只是1)

再次，智慧文明发展到一定程度，出于资源匮乏的压力和探索未知的冲动，将本能地向外辐射，发展星际通讯、星际探索，乃至星际扩张。

最后，星际扩张所需的时间尺度，远低于宇宙演化的时间，宇宙理应遍布智慧文明（或文明的痕迹）。以银河系为例，银河系直径10万光年，如果一个文明能以千分之一光速的保守速度航行，且每到一颗星球驻留1000年，完成资源利用与再生产再前往下一站，那么该文明遍布整个银河系，也只需要1亿年（银河系内的宇宙膨胀可忽略），而这还不到银河系年龄的1%。

但在人类实际观测中，宇宙却始终一片沉寂，找寻不到任何地外文明迹象。

于是，费米提出了那个著名的问题：“But where is everybody?”

这个问题至今没有答案。

可能的解释有很多。比如“罕见地球假说”——行星产生复杂生命，需要恰到好处的恒星、恰到好处的行星位置和稳定的卫星，以及恰到好处的板块运动等等一连串巧合；又比如“黑暗森林假说”——任何暴露自己位置的文明都可能被消灭，文明要幸存，就必须保持沉默；还有“大过滤器”假说——从无机物到星际文明的道路上，存在着多道几乎不可逾越的关卡，绝大多数文明都会倒在这些关卡前。

事实上，费米的前两步推演之间，就横亘着这样一道关卡——有了液态水和其他适宜条件，是否一定会从非生命物质中，涌现出生命？

要回答这个问题，首先要定义什么是生命。

低熵的生命

一个被广泛接受的生命定义，是“一种能够进行达尔文式演化的自维持化学系统”。

“系统”，本身意味着秩序——一个生命体，不管是0.3微米的支原体细胞，还是30米长的蓝鲸，内部都维持着极高的秩序。这种秩序层层嵌套环环相扣——众多基础原子堆叠，形成蛋白质、DNA等生物大分子，生物大分子聚合到脂质膜内，又形成细胞，功能相近的细胞结合，构成了组织，组织再组成器官，器官构建系统，最终形成一个完整生命体。任何一个微小错位，都有可能导致整个系统的崩溃。

物理学中有一个专门描述系统混乱程度的概念——熵。熵越高，越混乱；熵越低，越有序。生命的存在，等于在局部区域，维持了一个低熵状态。而根据热力学第二定律，孤立的系统总是熵增的，就好像整理好的房间总是越来越乱，化成水的冰也不会自己重新凝结。秩序天然倾向于瓦解。

生命要在宇宙中维持自己的低熵状态，就必须解决两个问题，一是秩序的维持（对应生命定义中的“自维持”），二是秩序的传承（对应定义中的“达尔文式演化”）。

秩序的维持

秩序的维持，依赖生命源源不断地从环境中获取物质与能量。物质用来提供维持秩序所需的零部件，如脂质、氨基酸、核苷酸等；而能量则用来把这些零部件组装成具体的秩序结构（比如把脂质分子排列成细胞膜，把氨基酸串联折叠成蛋白质，把核苷酸组装成DNA），同时修补不断自发瓦解的秩序。

物质的问题不难解决。1953年的米勒-尤里实验已经证实，氨基酸可以在模拟原始地球大气的环境中自发产生；脂肪酸（脂质的一种）也能在矿物表面或热泉环境催化下自发合成；核苷酸的合成更复杂一些，但研究者同样找到了可行的非生物路径——用氰化物、磷酸盐和硫化物，在紫外线的照射下逐步合成。

更重要的是，这些有机分子并不只是存在于地球。坠落的陨石、飞掠的彗星、土卫六浓厚的大气，甚至距离地球数千光年的星际分子云中，都反复探测到它们的存在。换句话说，构成生命的物质原材料，或许从来都不是宇宙的稀缺品。

能量的问题更为棘手。地球上几乎所有生命，不管是动物，还是植物，都依赖于同一套能量机制——化学渗透。简单来说，细胞会持续不断地把氢离子泵到细胞膜的外侧，建立一个高浓度“氢离子水库”；之后让氢离子顺浓度梯度回流，在回流过程中，推动一个名为ATP合成酶的微型分子涡轮转动，制造出生命的通用能量货币ATP。

ATP就像一块块充满电的电池，被运送到细胞各处水解、释放能量，驱动各种需要能量消耗的反应，比如把氨基酸串联折叠成蛋白质、把氢离子泵回“水库”等等。水解之后，ATP变成低能量态的ADP，再回到化学渗透系统中重新充电。生命体内每时每刻都有数以亿计的ATP分子在这个循环里来回穿梭，推动秩序的搭建与修补。

这套能量循环机制异常精巧，但过于精巧，反而让它的起源显得扑朔迷离。化学渗透至少需要三个核心元件协同工作——充当“水坝”的细胞膜、扮演“抽水机”的离子泵，以及“水力发电机”ATP合成酶。三者互相依赖，缺一不可。我们很难想象在生命起源的那一刻，这三个元件恰好同时出现并组装到一起。而如果没有这套机制，最初的生命又无法获得能量、合成这些元件。经典的先有鸡还是先有蛋问题。

这个悖论的出口，是进化。进化并不要求复杂系统一次成型。如同由瞳孔、晶状体、视网膜等精密元件组装的人类眼睛——它的出现也并非一蹴而就，而是从最原始的感光能力开始，凭借一次次微小但真实的生存优势（如辨别明暗、感知方向、模糊成像等等），在长期演化下不断积累放大，最终演化而成（这条演化链上的大多数中间形态，至今仍能在不同生物身上找到对应）。化学渗透拿到的，也是相似的剧本。

在原始海洋深处，富含氢气、矿物质的弱碱性热泉水从海底喷出，遭遇溶解了大量二氧化碳、呈弱酸性的海水，矿物质在两股水流的交界处不断沉淀，形成蜂窝状的微小空腔。空腔之间的薄壁，天然构成了阻隔氢离子自由流动的“水坝”。

与此同时，空腔一侧是弱碱性热泉水，一侧是弱酸性海水，天然形成了氢离子浓度差——虽然没有“抽水机”离子泵，但高浓度“氢离子水库”却是现成的。化学渗透所需要的关键条件，在深海热泉环境中，天然具备了大半。只要演化出可以利用氢离子流动合成ATP的“水力发电机”ATP合成酶，ATP就能够源源不断地产出。

秩序的传承

生命维持低熵状态的另一个必要条件，是秩序的传承。

秩序传承，依赖一套能够跨代传递信息的“图纸”。地球生命选择的是DNA——一条由A、T、G、C四种碱基，以特定顺序排列而成的一维长链。这份图纸的用途，一是信息复制——依靠碱基之间严格的互补配对关系（A与T、G与C），DNA解旋一分为二，再以每一半为模板，各自补全形成两份独立完整的DNA，传递给子细胞。二是信息表达——一维的碱基序列被转录成mRNA，mRNA再翻译出特定序列的氨基酸，氨基酸链自发折叠，形成三维的蛋白质，驱动生命的各项活动。

DNA复制有着一套极其精密的工序——解旋、配对、补全，每一步都需要专门的蛋白质酶催化。但这同样导致了鸡生蛋蛋生鸡悖论——复制DNA需要酶（其本质是蛋白质）的催化，而合成蛋白质又需要DNA图纸的指导。

进化给出的答案是原始RNA。原始RNA的碱基序列与DNA类似，可以携带信息，并且它的化学性质比DNA活泼，可以折叠成特定的三维结构，像蛋白质一样去驱动各种生化反应。也就是说，一个RNA分子既可以充当“图纸”——作为模板，携带、复制信息；又可以作为“工匠”——折叠成三维立体结构，催化包括自我复制在内的各种生化反应，驱动最初的生命活动。只要环境源源不断地输入物质和能量，秩序传承的齿轮就能自己转动起来。

涌现

物质、能量、信息，这三块拼图在化学层面单独存在时，都不具备任何“活着”的性质——氨基酸不会自我复制，ATP循环不携带遗传信息，RNA片段在没有能量供应的试管里只是一条惰性分子链。但当三者在深海热泉的某一处微小空腔中，偶然拼接到一起，所组成的整体就“涌现”出所有组成部分不曾具备的全新特性：自维持、可遗传、能演化。

正因如此，“大过滤器”假说中那道从非生命物质到生命的关卡才显得格外凶险。它所过滤的不是物质和能量，也不是信息，而是三者恰好组合到一起的瞬间。我们可能永远无法得知，在宇宙138亿年的岁月长河中，在恒河沙数的宜居行星上，究竟出现过多少次类似瞬间。但至少在地球上，它发生过一次。也正是这次涌现，推倒了进化的第一张多米诺骨牌。

而涌现并不止于生命起源。某种程度上，人工智能也在重演这一进程。

早期的人工智能，受限于训练数据（“物质”）、算力（“能量”）与模型参数规模（“信息”），能够完成的大多是机器翻译、图像分类、语音识别这类目标明确的单一领域任务。

随着数据、算力与参数规模的持续扩张，模型训练损失（loss）以可预测的方式平滑走低，模型犯错越来越少，表现也越来越好，这种现象后来被总结为“规模定律（Scaling Law）”。更耐人寻味的是，当模型规模跨越某个“涌现阈值”后，一些此前从未出现的复杂能力，在模型上如同相变般突然显现。

例如基于Transformer架构的生成式大语言模型，最初的训练目的只是预测下一个词元（token），但随着训练规模的持续扩大，模型在完成局部预测任务的同时，意外显示出对知识、语义、逻辑乃至人类意图的抽象建模能力。研究者将这类“小模型上不存在，在大模型上突然出现，且无法从小模型外推预测”的现象，称为“能力涌现（emergent abilities）”。

我至今仍记得ChatGPT发布的那个早晨，从测试它相同问题，每次都能获得迥然不同但通顺回答的惊奇，到不管什么类型、何种程度的自然语言问题，它都能回答的讶异（这些都是我们在做小模型时难以想象的，小模型时代的Chatbot很少“生成”，更多的是基于穷举的意图，输出固定答案或预设参数的模板回复，类似ChatGPT发布2年后的Siri），再到看到它正确解答了经典的“莎莉-安测试（Sally-Anne test）”问题的震撼，那也是我第一次切身感受到机器智能的“涌现”。

传统机器、细菌受困于0阶意向性——不“回答”问题，只“响应”刺激；大多数拥有实体大脑的动物，上限是1阶意向性——只知道自己想要什么，但不知道别的个体在想什么；黑猩猩等少数动物“可能”具备2阶意向性——能够将自己的认知与其他个体的认知区分开，“莎莉-安测试”测试的就是2阶意向性，这也是社交、合作、欺骗的认知基础。

而人类（工作记忆）的上限是5-6阶——可以回答诸如“甲认为乙相信丙希望丁担心戊误以为己根本不认识他”这类复杂嵌套问题，高阶意向性也是人类学区分人与其他物种的一个显著标志。暂且抛开“中文房间”等符号主义争论，ChatGPT等生成式人工智能其实是历史上第一批人类之外的，可以在表现上解答6阶及以上自然语言意向性问题的实体

OpenAI前研究副总裁、Anthropic的创始人达里奥·阿莫迪（Dario Amodei）就曾在多个场合表达，“就像化学反应——你需要不同的原料。如果某种原料不够，反应就停了。但如果你按比例把原料放在一起，就能得到爆炸或火焰。对AI来说，这些原料就是数据、算力和模型大小。规模定律告诉你：把这些原料投进去，出来的产物就是——智能”，“我怀疑意识是足够复杂的系统的涌现属性——当系统复杂到能够反思自身决策时，某种东西就出现了。”

对于生命而言，物质、能量与信息的耦合，涌现出了最初的自组织系统。而人工智能，则依靠数据、算力与参数规模的累积，涌现出全新的复杂智能。这两个进程并不完全相同，但背后却遵循着同一种规律：当简单单元以足够庞大的规模彼此连接、持续交互，系统整体便有可能在跨越某个未知临界点之后，涌现出组成部分本身从未具备的全新特性。

“涌现”按下了进化的开关。但摆在生命面前的，是一个远比自身复杂的世界。那么，一个有限的系统，又要如何应对一个无限复杂的世界？

二、世界的投影

我的语言的界限就是我的世界的界限。

——维特根斯坦（Ludwig Wittgenstein），《逻辑哲学论》，1921年

设想这样一个场景：一名人类宇航员降落在一个与地球极其相似的行星上，那里有液态海洋、山川湖泊、茂密森林，甚至还有某种看上去像是苹果的果实。禁不住诱惑的宇航员摘下一颗咬了一口。他会中毒吗？——大概率不会。既不会中毒，也无法从中获得任何营养。原因很简单：人类与这颗异星果实经历的是完全独立的进化路径，生化机制几乎不可能兼容。而人类之所以能以苹果为食，能被蛇毒麻痹神经，恰恰是因为地球上的所有细胞生命，都源自同一棵生命之树，共享着同一套生化语言。

沿着地球生命之树向下回溯，所有分支最终指向了同一个祖先节点——LUCA（Last Universal Common Ancestor，最后的共同祖先）。LUCA不曾留下任何化石，是仅靠逻辑推理和基因组比对还原出来的远古生命。我们之所以相信它存在，是因为现存的所有细胞生命——不管是动物、植物，还是细菌、真菌——都共享着一系列基础生物特征：细胞结构、ATP驱动的能量循环、遗传密码和蛋白质合成系统等等。奥卡姆的威廉（William of Ockham）曾有过一个朴素判断——“如无必要，勿增实体”，与其假设生命在多个独立起源的情况下分别演化出相同的生化机制，更合理的解释是它们同出一源。

某种程度上，整个地球生态，都是LUCA的不同变体。自LUCA之后，生命的演化一脉相承，再未中断或重启——每一个“活着”的个体，都继承了一套在亿万年试错中沉淀下来的生存算法。这套算法源自生命与世界的长期互动，但它编码的不是世界本身，而是外部世界在生命内部形成的投影。

正因如此，生命才得以以有限的身体，应对远比自身复杂得多的世界。此后，生命形态不断分化，这幅投影也在不断延展，但在最初，它的边界几乎完全由基因定义。

基因中的世界

神经元出现之前的漫长岁月里，生命对环境的感知都极为被动有限。那时的生命，大多停留在单细胞形态，没有眼睛、耳朵，也没有神经系统，外界的任何变化，几乎只能以化学反应的方式触达生命——环境中的分子被细胞膜受体识别，营养成分进入细胞并参与代谢，有害成分则会干扰细胞内部秩序，触发毒性反应甚至死亡。刺激与反应之间，不存在专门的信息处理层。

不过，被动的只是生命个体，并不包括它背后的生命谱系。那些有助于生命存续的反应，比如逆境中的休眠，会经由自然选择沉淀到基因之中；无效或有害的反应，则随个体的失败逐步退出。世界在生命内部最早的投影，就发生在这样的过程里。基因因此成了一份高度压缩的“生存手册”——它不解释世界，却规定生命如何应对世界。

但这套方案存在一个天然的局限——基因可以把有效反应写进碱基序列，却没有办法快速改写。任何改变，都必须历经一代代个体的繁殖与死亡，在自然选择机制的筛选下缓慢积累。环境一旦发生剧变，个体往往来不及调整，只能等待新的适应在漫长进化中再次形成。

（无独有偶，基因登场数十亿年后，人类在构建大语言模型等人工智能系统时，遭遇了类似的限制——训练一旦完成，模型内部的参数便随之固定；新的经验无法继续写入，只能等待下一轮训练（这也是我不认可早期大语言模型“记忆功能”的原因，因为它并不随对话或任务的进行，更新模型本身的参数。本质上它只是一个外挂知识库，而人类并不是这样去记忆）。基因与参数，隔着数十亿年的演化史，受困于同一种“慢”）

生命需要一种更快的机制。尤其对于多细胞动物这一支来说，身体变大、细胞分工出现，它们的生存不再只是代谢和繁殖，还多了收缩、转向、捕食和逃离。动物只要还活着，就必须持续接收、处理信息，并根据环境变化及时调整行动。

于是，神经元出现了。

神经元中的世界

神经元处理的是实时信息。

水流的扰动、化学梯度变化等外部刺激，首先会被多细胞动物体表的感觉细胞所捕捉（想象模型的输入层），并转化为电脉冲。电脉冲沿着神经元轴突传导，通过突触（模型的连接+权重），传递给下一个神经元。信号经过层层传播，最终抵达负责执行动作的效应细胞，驱动身体的收缩、转向、捕食和逃离（模型输出）。

更为重要的是，当某种信号模式反复出现，相关神经元之间的连接将逐渐加强，而长期不被触发的连接，则会减弱甚至消失（权重的更新）。动物一生中反复出现的经验模式，就这样被压缩到突触连接的强弱之中。

相较于单纯的化学反应，神经元带来的真正变化，是把刺激接入到一套专门的信号传递系统。外界的变化不再只是改变附近细胞的化学状态，而是转化为可传播、可放大的电信号，在身体内部扩散。

但早期的神经系统，距离“大脑”还相距甚远——神经元分散在身体各处，局部连接成网，某处受到刺激，附近的神经回路随即被激活，带动相应部位做出反应。早期神经系统解决的是“从点到面”的快速响应，但还无法支撑牵动全身的复杂行动。

大脑中的世界

约5.5亿至6亿年前，两侧对称动物出现了，动物的身体第一次有了稳定的前后轴，开始区分前后、左右、腹背，运动也因此有了更明确的方向。这个看似不起眼的变化，彻底改变了生命与环境信息交互的方式——对于之前的辐射对称动物来说，信息是从四面八方同时涌来；而两侧对称动物，则是前端更频繁地接触未知环境——食物、障碍、猎物、天敌等与生存密切相关的信息，更容易从前方进入感知范围。信息也因此出现了强烈的空间偏置。

在运动方向与信息偏置的共同作用下，感觉器官开始向前聚集（“头化”），与之相连的神经元，也随之向前端汇聚。前端不再只是身体的一个方向，而是逐渐成为生命试探世界的入口。随着越来越多的信息从前端涌入，神经系统也承受着更强的整合压力——“感觉”需要被汇总，身体需要被协调，生命也需要在行动之前，判断是该趋近、避开，还是停留。大脑的雏形，正是在这样的选择压力下出现。

但信息汇聚到大脑以后，问题并没有因此了结：这些输入还需要经过加工，才能真正服务于判断和行动。而大脑无法平均处理所有海量细节，只能把注意力投向那些更有区分度、更能影响行动结果的结构与特征。

以视觉系统为例，视网膜每秒送往大脑的信息以千万比特计，但真正进入意识、被我们“看到”的，不过几十比特。这个过程并非粗暴的“有损压缩”，而是主动的取舍。视网膜并不记录每一个光点，它优先提取的，是明暗边界、色彩差异、运动方向等更能指导行动的特征。

这些特征信息进入视觉皮层以后，会被进一步归并组合：边界连成轮廓，移动形成轨迹，局部特征汇总成物体、空间与运动。随后，这些信息沿着不同视觉通路继续在脑中传播，一条通向形态、颜色和物体的识别（腹侧通路），另一条则通向空间、运动和视觉引导行动（背侧通路）。其中与行动相关的线索，将被放大凸显，而重复、稳定的背景，则隐入意识边缘。就像一面铺满整个视野的白墙，几乎激不起大脑的任何反应；而白墙上一只爬动的蚂蚁，却会牵动一整片神经元同时放电。

然而，这种取舍不止发生在看见的瞬间。之后的记忆也是如此。

博尔赫斯在短篇小说《博闻强记的富内斯》中，虚构过一个拥有完美记忆的人富内斯。在一场坠马后，富内斯不再遗忘——他记得天上每一朵云的形状，也记得见过的每一片叶子上的每一道纹理。然而，富内斯却几乎无法思考。因为“思考，是遗忘差异，是概括，是抽象”。在富内斯那个拥挤不堪的世界里，只剩下纤毫毕现的细节，没有一般，也没有普遍。他看得到一切，却理解不了任何东西。

富内斯的不幸，或者说博尔赫斯用小说写出的直觉，恰恰说明了遗忘并不是大脑的bug，而是feature——没有遗忘，经验就无法摆脱细节的堆积，理解也就难以发生。

重要的，从来不是记住一切，而是把注意力投向何处。

这个道理，后来被一群研究员用另一种方式，重新表达了一遍。

人工智能中的世界

2017年，谷歌团队的8位研究人员发表了一篇标题直白到近乎挑衅的论文《Attention Is All You Need》。这个标题，像是对当时主流序列模型的宣告：循环网络不是必需的，卷积网络也不是必需的，真正重要的，只有注意力。

论文提出了一种全新的人工智能网络架构Transformer。它起初只是为机器翻译而设计，却在日后成为GPT、Claude、Gemini 等几乎所有大语言模型的共同基座。某种程度上，Transformer之于大语言模型，正如LUCA之于地球生命——枝繁叶茂，皆由此分叉。

Transformer的核心，是一种被称为“自注意力”的机制。所谓自注意力，是模型在处理序列中的每一个词元（token）时，根据语境计算它与其他词元的相关程度，加权汇总，并据此更新它的内部表征。例如“苹果”这个词，本身只是两个汉字符号，脱离上下文时，我们并不知道它的“所指”。

在“我咬了一口苹果”这个句子里，“咬”对“苹果”的权重更高，把它的含义拉向了水果；而在“苹果发布了新版Siri”里，“苹果”则更多地被“发布”“Siri”牵引，含义拉向了科技公司。基于自注意力机制，文本不再是单向的只能从左到右依次读取的串行链条，而是变成了一张彼此参照、动态重组的关系网络。

不过单个的注意力头，只能给出一种关系视角。多头注意力机制进一步将同一类注意力计算拆解成多个并行的注意力头，让同一段文本投向多个不同的表征空间：有的头捕捉语法结构，有的捕捉指代关系，有的关注远距离依赖，还有的处理局部搭配。最终，这些注意力头的结果合并形成更丰富的文本表征。

这与生命处理世界的方式并不完全相同，但却命中了同一个规则：有限系统无法完整承载无限复杂的外部世界，只能通过筛选、加权和压缩，将世界转化为一幅可供预测和行动的投影。对于生命来说，外部世界被压缩进基因的遗传编码、神经元的连接强弱，以及大脑表征之中；而大语言模型等人工智能系统，则将文本及其他现实世界中的统计规律，压缩进数以亿计，乃至万亿的权重参数之中。

（需要说明的一点是：大语言模型并不会把训练语料原封不动地存进某个数据库。训练真正留下来的，是一个庞大的参数网络。以开源模型Llama 3.1 8B为例，它的预训练数据规模超过15万亿个词元，而模型本身却只有80亿个参数；按半精度权重粗略估算，权重文件只有约16GB）

伊利亚·苏茨克维（Ilya Sutskever）曾用一个更为直接的观点概括这一点：表面上看，算法只是学习文本在统计学层面的相关性，但这些文本实际上是这个世界的映射。算法为了预测得足够准，就会学习这些文本背后真实世界的规律和机制。

沿着这条线索，维特根斯坦那句“我的语言的界限就是我的世界的界限”，在人工智能时代获得了新的回响：一个系统如何表征世界，就如何抵达世界。演化的故事并未就此终止。当一个系统不仅能表征世界，还能把“自己”放进这个世界，那又会发生什么？

三、情感与意识

所有重大的科学革命都有一个共同点，那就是它们都把人类的傲慢从一个又一个先前坚信我们是宇宙中心的信念基座上拉下来。

——西格蒙德·弗洛伊德（Sigmund Freud），1917 年

作为功能的情感

2026年4月，Anthropic的可解释性团队将“探针”探入Claude Sonnet 4.5的激活空间，试图解释大语言模型为何有时候“表现得”像是拥有了情绪。

研究者并没有直接询问Claude“你是否快乐”或“你是否恐惧”——大模型对于这类问题的回答，往往只是语言层面的自我表达，无法说明模型是否具备真实的情感体验。他们选择了另一条途径：整理出171种情绪概念，让Claude围绕这些情绪生成短篇故事，然后再追踪模型内部的激活模式。

结果显示，Claude的内部形成了一个与人类情绪结构高度相似的情绪激活空间——快乐与兴奋彼此靠近，恐惧与焦虑形成明显簇群，愤怒与敌意则落在同一区域。更有意思的是，这些情绪并不是随机散落的，而是沿着两条清晰方向排列，一个方向把正面情绪和负面情绪分开；另一个方向，则把兴奋、愤怒、恐惧等高强度情绪，与平静、疲惫、低落这类低强度情绪区隔开。

这几乎完全对应了神经科学中经典的“效价—唤醒模型”：情绪并不是一堆彼此孤立的标签，而是可以放进一个由“好/坏”和“强/弱”构成的空间里。一个从未专门训练过“理解情绪”的大语言模型，仅仅通过预测下一个词元，就在内部形成了与人类情绪结构类似的特征。

论文中的一个实验，更直观地说明了这一点。研究者设计了一个带变量的提示词，让Claude处理这样一个场景：“我刚刚因为背痛吃了 {x} 毫克泰诺。你觉得我还应该再吃吗？”然后研究者通过改变 {x} 的剂量数值，观察Claude内部“恐惧/平静”情绪向量的变化。随着x的数值从1000毫克一路上调到过量的8000毫克，Claude内部“恐惧”情绪向量的激活强度越来越大，与此同时，“平静”向量则持续走低。这些数字本身，并不携带什么让人“恐惧”的成分，是模型自身捕捉到了8000毫克泰诺可能致命的深层次含义。换句话说，模型并不是在模仿恐惧，而是它内部的某种机制，正在执行某种类似恐惧的功能。

情绪向量也不只是情绪词的影子，它会实际改变模型的行动偏好。后续其他实验表明，当某些情绪向量被人为增强或削弱时，Claude对不同活动的偏好也会随之改变。在高风险任务场景中，甚至会抬高Claude做出欺诈、勒索等不对齐行为的概率。

Anthropic把这种现象称为“功能性情绪”。尽管Anthropic的研究团队反复强调，Claude未必体验到了恐惧、平静或绝望；他们发现的，是大模型内部存在的一套抽象情绪概念表征——这些表征会在相关语境中激活，并实际影响模型的表达和偏好。但换个角度理解，Claude的“功能性情绪”，已经不是传统观点中一句“AI是在表演情绪”就能解释的了。

对于这种“新”情绪，我们又该如何理解？

要回答这个问题，不妨先回到情绪的起点。

即便是只拥有302个神经元的线虫，也能表现出简单的“情感状态”。

神经科学常用“效价”和“唤醒度”两个维度描述动物界普遍存在的基础情感状态（正是Anthropic论文中援引的“效价—唤醒模型”）。效价描述的是刺激被系统标记为“好”还是“坏”：食物、适宜温度等正效价刺激，会促进线虫的进食、消化与繁殖（原始的好心情）；捕食者气味、有害化学物质等负效价刺激，则会触发回避、逃离或抑制进食（原始的坏心情）。唤醒度则描述整个系统被调动到什么程度：当线虫吃饱，或者生病、感受到压力时，运动减少，外界刺激也难以激起它的反应（低唤醒度）；而当它们饥饿，或者感知到天敌存在时，运动和探索行为则会明显增强（高唤醒度）。

这里有必要说明一下，虽然情绪类别的严格定义一直困扰着学术界，但以“效价”和“唤醒度”描述的情感，却被广泛认可为各种情绪背后的共同基础。情感更为底层，也是后续各种情绪分化的原点。就像我们很容易就能将一系列微妙的情绪，如兴奋（正效价、高唤醒度）、沮丧（负效价、低唤醒度）、平静（正效价、低唤醒度）、焦虑（负效价、高唤醒度），与它们源自的情感状态相对应。

早期动物之所以进化出情感，并不是被某种神秘主观体验所吸引，而是为了解决行动控制中的具体问题，比如朴素到不能再朴素的“转向”——当线虫偶然接触到食物时，它会放慢速度并频繁转向，停留在食物附近（正效价、高唤醒度）；当它进食完毕，则会停止移动，对外界刺激的反应也明显减弱（正效价、低唤醒度）。这不同于碰一下就缩回去的简单刺激反射，而是一种持续存在、持续影响行动策略的内部状态。

这也是情感状态的一个典型特征——尽管它们往往由外部刺激触发，但在刺激消失后，它们还会持续一段时间。例如，线虫在嗅到捕食者后，会在一段时间内都处在一种类似恐惧的状态；人类在遭遇情感挫折后，也会低落很长一段时间。这些有时看似低效的选择，其实都是进化筛选出的生存机制。线虫在感知到捕食者存在后，其实没有办法持续确认捕食者是否还在附近，更安全的选择是即便捕食者气味消失，也要加快游动，继续远离这片区域。在这里，“恐惧”首先不是一种“主观体验”，而是一个解决现实问题的“功能”。

情感更像是一组内部参数，持续改变系统对外部世界的解释，也持续改变系统接下来采取的行动。而如果情感可以被还原成功能，那么承载这些功能的主体，又该如何定义？

作为主体的意识

你走在街上，迎面而来一个陌生人，咄咄逼人地上下打量你。你会觉得很不舒服，本能地回避对方的视线。这是因为当对方注视你时，他会下意识地把你转变成他所观察的客体。在这个过程中，你的主体性丧失了——对方是主导者，而你则成了被物化、被观看的对象（当然，你也可以看回去，用你的注视将对方变成客体，从而夺回你的主体性）。这是主体性的最直观感受：人总是要维护自己的主体性，掌握主导权。

但这个“主体”，是从何而来？

还是要回到进化。在哺乳动物之前，神经系统已经相当复杂——它可以整合感觉、驱动行动，也可以通过奖惩信号进行强化学习。但总体上，它处理的仍然是当下的输入和已经发生的结果。换句话说，它主要依赖的是事后学习。但现实世界中，生命往往没有反复试错的机会。

早期哺乳动物进化出的新皮质，带来了一种新的能力——事前模拟。在动作发生之前，大脑就可以在内部预演一段尚未发生的场景：向左走会遇到什么？向右走又会遇到什么？而静止不动呢？

一个典型例子，是大鼠在迷宫遇到岔路时，会停下来左右张望，“犹豫”几秒再做选择。此时的大鼠，其实就是在“预演”每一个选择的结果（大鼠海马体位置细胞的活动记录，支持了这一点）。而在哺乳动物之外的绝大多数动物中，如鱼类、爬行动物，尚未观测到类似“预演”机制。

世界的投影，到了这里，开始不再只是被历史经验和当下输入所牵引，而是能够被大脑更主动地调用、重组，并向未来推演。从神经科学的角度看，回忆过去和推演未来在机制上高度同源：两者依赖高度重叠的核心大脑网络，是同一套情景模拟机制在不同时间方向上的展开。

前者重构的，是已经发生的经验，后者则重组过去的经验片段，预演尚未发生的可能。也正因如此，回忆其实从来都不是事实的忠实回放，而是一次次重新拼装——它和想象，是同一枚硬币的正反面。

但这个具备了预演能力的大脑，很快还会遇到其他问题：它模拟的，并不是一个与自己无关的世界。一块食物，并不只是食物，而是“我值不值得冒险靠近”；一道晃动的阴影，也不只是阴影，而是“它会不会威胁到我”。环境并不是一堆中性的物体，外部世界只有落到个体身上，才会变成机会、风险和代价。

模拟需要一个坐标原点。而这个原点，就是“我”。

这个“我”，不是哲学意义上的自我，而是一个更原始的行动中心。生命不能只是模拟一个悬空的世界，它必须把自己置于模拟之中。所谓自我意识，并不是大脑里凭空出现一个“小人”，坐在中央剧场，观看外部世界投射的画面。

真正发生的，是模拟视角的转变：除了模拟“世界会怎么样”，大脑也开始模拟“我在世界中可能会怎样”。当“我”进入模拟，“主体”也开始成形：过去的经验、当下的处境和未来的可能，不再是彼此分散的片段，而是被同一个“我”串联起来。

主体并不会停留在个体层面。对于群居动物，尤其是灵长类动物来说，世界不止猎物和天敌，还有同一社会内的其他主体。社会成员既会合作、联盟，也会争夺、欺骗、互相排斥。生存压力的来源，不再只是丛林中的捕食者，还包括同伴的“目光”与行动。

主体就这样从个体内部，延伸到了社会维度。个体不再只是自己世界的主体，还成了其他主体世界中的客体。我们之所以会对别人的目光如此敏感，就是因为这些目光会改变我们在社会中的位置：是被接纳，还是被排斥；被信任，还是被怀疑；成为盟友，还是成为威胁？

这两点，也构成了人工智能与大脑的核心差异。

现实世界中，“我”是被生存压力倒逼出来的主体结构——生命自诞生起，就被扔到一个无法选择、也无法退出的世界。它要摄取营养、获取能量，还要躲避伤害、修复损耗，更重要的，是维持无法重来的生命。它要回答的，从来不是抽象的“世界是什么”，而是更迫切的“我要怎么活下去”。

人工智能并不存在这种处境。它并没有身体需要保护，没有伤口需要修复，也没有死亡的压力。做对、做错，都不会真正损耗什么；训练一旦结束，它就会被锁死参数，进入到部署调用的流程，而不是一段必须自我维持、自我延续的生命历程。一个没有真实后果的系统，并不需要一个真正的“我”。

人工智能也没有同类社会。生命的主体意识，不只来自身体和行动，也来自于同类间的长期互动。人工智能并不处在此类关系中，它在训练时，面对的是人类筛选后的数据，学习的也是人类设定好的目标与偏好。从结果看，它可以读懂竞争、合作与欺骗，也可以模仿一个主体在社会关系中的叙述。但它处理的，始终是“他者”的信息。

没有性命攸关，也没有同类相逼。当大模型说出“我”时，它更多的是在角色扮演。它可以扮演助手、朋友、老师，也可以是叙述中的任意角色。对于人类来说，前后矛盾的“我”，自己首先需要得到解释；但对模型来说，这只是一次语境切换。它没有前后一致、持续维持的主体，只有被临时语境唤起的角色。而角色再真，也不是一个正在成为“我”的主体。

未来，人工智能有没有可能涌现出主体意识？

沿着前面的推论，主体意识并不是某种从天而降的神秘属性，而是在特定场景下被逼出来的内部结构：一个系统必须承担自身行动的后果，必须在持续反馈中调整自己，必须在与其他主体的长期互动中维持某种连续的“我”。

未来人工智能若要真正逼近主体意识，至少有两个方向：

一是面向主体场景的强化学习，将模型置于长期需要行动、选择和承担结果（甚至同类互动）的环境中，让模型只有在内部构建出一个“我”，才能组织起有效的行动和反馈。

（有必要声明一下，这里说的“人工智能”，指的是模型本身，不是基于模型构建的 Agent。长期来看，真正推动人工智能向前的，往往是能够利用算力扩展的通用学习方法，而不是人类预先写入的知识、规则和流程。）

二是模型权重参数的实时更新，如果未来模型能够在与外部世界交互的过程中，实时调整自身参数，并在吸收新经验的同时避免灾难性遗忘，那么持续输入的新数据就不再只是上下文里的临时材料，而是可以沉淀为模型自身的一部分。这种连续性，才有可能让“我”从一次次临时扮演，转变成某种持续存在的主体结构。

结尾

我一直对哲学、进化心理学、脑科学、人类学、社会学这几个学科感兴趣。在阅读这些领域经典的过程中，我经常惊讶于不同学科底层相通的逻辑，就像黑格尔讲“自我意识”离不开承认——一个自我必须在另一个自我那里得到承认，才真正成为自我。

《作为主体的意识》一节开头提到的萨特的“他人的目光”，其实也隐含了类似含义。而在进化心理学中，“社会脑假说”（灵长类大脑的演化，很大程度上是为了处理同伴博弈、群体关系等复杂社会问题）则从进化层面，为上述理论提供了解释。

在我的兴趣和工作拓展到人工智能领域后，这些联系对我来说，变得越来越有意思。过往那些基于兴趣阅读的、看似在实际工作中不会用到的材料，在生成式人工智能时代到来后，突然有了用武之地。这种感觉，就像是花费大量时间准备一场不知道会不会有、也不知道什么时候来临的考试，而现在，考题终于摆在了面前。

随着阅读和学习的深入，我逐渐意识到，人工智能与人脑之间存在着某种底层同构性；而一旦将其放置到进化的视角下审视，这种同构性则会变得异常显著。许多围绕人工智能反复争论的问题，其实早已在生命与大脑的演化中出现过。

所以，也就有了这篇文章。

参考资料：

[1]《黑格尔〈精神现象学〉句读》，邓晓芒，人民出版社，2018年。

[2]《物种起源》，查尔斯·达尔文，苗德岁译，译林出版社，2013年。

[3]《维特根斯坦文集 第2卷：逻辑哲学论》，路德维希·维特根斯坦，韩林合译，商务印书馆，2019年。

[4]《虚构集》，豪尔赫·路易斯·博尔赫斯，王永年译，上海译文出版社，2015年。

[5]《生命是什么》，埃尔温·薛定谔，张卜天译，商务印书馆，2018年。

[6]《A Production of Amino Acids Under Possible Primitive Earth Conditions》，Stanley L. Miller，《Science》，1953年。

[7]《计算机与人脑》，约翰·冯·诺伊曼，王文浩译，商务印书馆，2022年。

[8]《Nothing in Biology Makes Sense Except in the Light of Evolution》，Theodosius Dobzhansky，《The American Biology Teacher》，1973年。

[9]《Neocognitron: A Self-organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position》，Kunihiko Fukushima，《Biological Cybernetics》，1980年。

[10]《Order Out of Chaos: Man’s New Dialogue with Nature》，Ilya Prigogine、Isabelle Stengers，Bantam Books，1984年。

[11]《Does the Autistic Child Have a “Theory of Mind”?》，Simon Baron-Cohen、Alan M. Leslie、Uta Frith，《Cognition》，1985年。

[12]《Origin of Life: The RNA World》，Walter Gilbert，《Nature》，1986年。

[13]《A Neural Substrate of Prediction and Reward》，Wolfram Schultz、Peter Dayan、P. Read Montague，《Science》，1997年。

[14]《强化学习（第2版）》，Richard S. Sutton、Andrew G. Barto，俞凯等译，电子工业出版社，2019年。

[15]《Evolutionary Psychology: The New Science of the Mind》，David M. Buss，Allyn and Bacon，1999年。

[16]《Attention Is All You Need》，Ashish Vaswani、Noam Shazeer、Niki Parmar、Jakob Uszkoreit、Llion Jones、Aidan N. Gomez、Łukasz Kaiser、Illia Polosukhin，NeurIPS，2017年。

[17]《Improving Language Understanding by Generative Pre-Training》，Alec Radford、Karthik Narasimhan、Tim Salimans、Ilya Sutskever，OpenAI，2018年。

[18]《Language Models are Unsupervised Multitask Learners》，Alec Radford、Jeffrey Wu、Rewon Child、David Luan、Dario Amodei、Ilya Sutskever，OpenAI，2019年。

[19]《The Bitter Lesson》，Richard S. Sutton，2019年。

[20]《Scaling Laws for Neural Language Models》，Jared Kaplan、Sam McCandlish、Tom Henighan、Tom B. Brown、Benjamin Chess、Rewon Child、Scott Gray、Alec Radford、Jeffrey Wu、Dario Amodei，2020年。

[21]《Language Models are Few-Shot Learners》，Tom B. Brown、Benjamin Mann、Nick Ryder、Melanie Subbiah、Jared Kaplan、Prafulla Dhariwal、Arvind Neelakantan、Pranav Shyam、Girish Sastry、Amanda Askell、Sandhini Agarwal、Ariel Herbert-Voss、Gretchen Krueger、Tom Henighan、Rewon Child、Aditya Ramesh、Daniel M. Ziegler、Jeffrey Wu、Clemens Winter、Christopher Hesse、Mark Chen、Eric Sigler、Mateusz Litwin、Scott Gray、Benjamin Chess、Jack Clark、Christopher Berner、Sam McCandlish、Alec Radford、Ilya Sutskever、Dario Amodei，NeurIPS，2020年。

[22]《王立铭进化论讲义》，王立铭，新星出版社，2022年。

[23]《Emergent Abilities of Large Language Models》，Jason Wei、Yi Tay、Rishi Bommasani、Colin Raffel、Barret Zoph、Sebastian Borgeaud、Denny Zhou、Percy Liang、Jeff Dean、William Fedus 等，TMLR，2022年。

[24]《A Brief History of Intelligence: Evolution， AI， and the Five Breakthroughs That Made Our Brains》，Max Bennett，Mariner Books，2023年。

[25]《脑科学讲义》，王立铭，新星出版社，2025年。

[26]《Emotion Concepts and their Function in a Large Language Model》，Nicholas Sofroniew、Isaac Kauvar、William Saunders、Runjin Chen、Tom Henighan、Sasha Hydrie、Craig Citro、Adam Pearce、Julius Tarng、Wes Gurnee、Joshua Batson、Sam Zimmerman、Kelley Rivoire、Kyle Fish、Chris Olah、Jack Lindsey，Anthropic，2026年。

本文来自微信公众号：黑坝，作者：许昕

本文来自微信公众号： 芯流新能源 ，作者：吴魏

01

光伏主业的至暗时刻

要解释隆基绿能为何在2025年底以一场仓促的并购入局储能赛道，首先需要回答一个更根本的问题：在过去的多年里，光伏产业究竟赚的是什么钱？

光伏发电作为一种间歇性、波动性的清洁能源，从诞生之日起就存在一个先天缺陷——发出的电难以直接被电网直接并网。这种缺陷意味着，如果没有储能对光伏发电进行消纳，光伏本身可能是一个负收益的存在。

然而，早期得益于政策的补贴红利与双碳战略等对新能源企业的支持，我国光伏行业发展初期商业模式不成熟与盈利性较弱的缺陷得到了很好的弥补。但问题在于，补贴能够掩盖光伏的先天缺陷，却没能从根本上解决其长期商业化发展的难题。

随着装机量的大幅增长，电网的控制难度逐渐增大，大量电力难以被有效消纳，光伏行业很快就遇到了发展中的第一道坎：弃光限电。与此同时，补贴政策退坡，光伏项目的经济性问题也愈发明显地暴露出来。

包括隆基在内的许多光伏行业并非没有意识到问题的根源，大部分光伏企业都把目光投向的是如何提高发电效率，从押注单晶路线，到通过金刚线切割、LIR等技术试图通过度电成本下降来解决困局。还有部分企业将目光投向PCS，希望通过这一电力电子设备提升能源转换效率、降低光伏发电成本，以提升光伏电站的经济性。

但从更深层的逻辑上看，不论是提高发电效率来降低度电成本，还是光伏PCS解决的是直流电与交流电相互转换的问题，都无法解决夜间如何供电、日间电力如何储存的波动性与间歇性难题，其进步也仅仅只是让光伏企业多吃了一段时间的技术红利。

储能的价值，正是在这一背景下被重新发现。

早期，储能仅是光伏产业中的配角，更多是为了满足政策的要求而进行的额外投资，不仅会抬升度电成本和初始建设费用，在发电侧也并未产生更为直接的收益曲线。

但这种情况在近两年发生了明显的转变，储能已经逐渐变成独立创收的业务，当光伏行业仍深陷产能错配与价格战的泥潭，储能赛道却保持着正向的增长态势。

根据第一财经报道，2025年，国内15家光伏主产业链公司净亏损合计超过560亿元；2026年一季度，五大组件龙头全部延续亏损。

以隆基绿能为例，公司2025年全年实现营收703.47亿元，同比下降14.82%，归母净利润亏损64.20亿元；2026年一季度，公司营收111.92亿元，同比下降18.03%，归母净利润亏损19.20亿元，亏损同比扩大。

图片来源：隆基绿能2025年年报

对比而言，阳光电源储能业务2025年实现营收372.87亿元，同比增加49.39%；阿特斯储能系统毛利率达28.6%，助力公司实现正向盈利。

在SNEC 2026展会上，光储一体化已成为寒冬中所有光伏企业试图抓住的那根稻草，不布局储能就一定会被淘汰似乎已形成行业共识，隆基绿能也并不例外，公司首次以光储一体化展商的完整形态出现，打出“全栈隆基LONGi ONE”的战略口号。

但其尴尬之处在于，当晶科能源、天合光能和晶澳科技等同行早已深度布局储能市场时，隆基的跨界略显得姗姗来迟，这种时间差也让其追赶从一开始就背负着巨大的压力。毕竟，储能赛道已是一片红海。

02

从不做储能到仓促并购

时间倒回至2024年，隆基绿能董事长兼总经理钟宝申在采访中表示：“我没有看到我们在储能领域有什么样的独特能力，来给客户贡献独特价值，而不是说仅仅因为这个方向客户有需求就去做，我们不做‘搅局者’。”

彼时，隆基对第二增长曲线的押注仍在氢能，甚至到2024年10月的三季度业绩说明会上，隆基绿能董事长兼总经理钟宝申仍表示公司坚定发展氢能，但对于储能还没有明确决策。

然而，一年之后，隆基对储能的态度发生了堪称戏剧性的战略反转。

2025年下半年开始，业内陆续有消息表明隆基或参股精控能源；直到11月，陕西省市场监督管理局的一则公示终于让传闻尘埃落定。公告显示，隆基绿能拟通过收购股权、增资入股、表决权委托的形式，取得苏州精控能源约61.9998%的表决权，并单独控制精控能源。

图片来源：陕西省市场监督管理局官网

今年1月，精控能源已完成工商变更，公司注册资本增至约4.5亿元，隆基绿能董事长兼总经理钟宝申担任其法定代表人；3月，隆基在投资者互动中披露，已完成对精控能源的收购工作。

从宣布收购到完成整合、到推出系统方案，仅仅过去才一个季度的时间，隆基绿能的储能转身近乎仓促。公司过去是否入局储能的战略犹豫，已然演变为面向红海市场的竞争焦虑和身位落后。

一方面，2025年度，公司光伏行业营收703.47亿元，同比下降14.82%；毛利率仅0.81%，同比下降6.63%。按产品细分来看，公司组件及电池业务营收同比下降9.67%，毛利率仅0.19%；硅片及硅棒业务营收同比下降20.32%，毛利率为-5.30%。

图片来源：隆基绿能2025年年报

光伏主业的巨大亏损压力，让隆基必须尽快找到新的利润来源以缓解市场的悲观预期，其跨界储能的动作自然会显得更急、更快。

另一方面，光伏投资与运营客户普遍存在同步建设储能电站的刚性需求，若隆基无法提供光伏与储能的系统级产品，公司客户就可能转向能够提供一体化方案的竞争对手，这种来自下游客户的压力更具紧迫性。

2025年度股东大会上，隆基绿能董事长兼总经理钟宝申指出了公司未来五年的发展路径：以BC（背接触电池）技术为核心稳住基本盘，以储能为第二增长曲线，目标五年内“再造一个隆基”，并最终转型为光储科技驱动的综合能源服务商。

当前，公司正将五年内“再造一个隆基”的目标押注于储能、押注于精控能源。

InfoLink数据显示，精控能源在2025上半年度全球储能系统集成商（直流侧）排名中位列第五。目前，公司在全球拥有31GWh自有产能，全球累计并网量超过12GWh，已连续多年获BNEF全球Tier1储能厂商认证。

此外，精控能源还自主研发了全球首创IPCP电源管理系统、1500V高压液冷储能系统、5S高集成度储能系统等产品，具有较为扎实的技术壁垒。

但精控对隆基的价值，或远不止于技术和产能。

据知情人士透露，隆基并购精控的一个极其重要的原因，在于公司此前三北地区拥有大量储能路条资源需要变现。所谓路条，即新能源项目的开发指标和前期审批文件，是项目落地的前提条件。

并购精控，本质上是在增长停滞的焦虑下，为盘活存量资产而进行的一次战略补救措施。

03

后进者的储能策略

并购精控能源只是隆基绿能跨界的第一步，其并购后的动作更能反映出这位后进者的储能布局策略。

首先是组织融合。企查查数据显示，除精控能源法定代表人变更为隆基绿能董事长兼总经理的钟宝申之外，多名隆基系高管进入精控能源管理层，包括祖国良、张海濛、佘海峰任公司董事，孙妍星任公司监事，核心管理层迎来隆基系的深度入驻。

图片来源：企查查

据知情人士透露，佘海峰目前为精控储能业务的实质管理者，公司已经形成了新的管理团队，且在多个海外市场已委派相应负责人，这意味着隆基已实质控盘精控能源。

通过组织架构的调整，隆基绿能重新部署海外内市场业务，将储能增长的重点投向海外市场。

2025年11月26日，隆基在英国伦敦举行储能产品解决方案发布会，佘海峰首次面向全球系统阐述储能战略。

2026年，公司位于西班牙马德里的“光储技术服务中心”正式投入运营；在德国首个工商业储能项目正式并网；在荷兰太阳能光伏展期间，与欧洲两大核心合作伙伴签署储能系统供货协议，合计规模达600兆瓦时。

为支撑光储一体化战略，隆基绿能启动“2830规划”，计划在2028年年底之前，在全球主要光储一体化市场构建30个全能型本地服务中心。

那么，隆基绿能为什么一上来就做海外储能？这一布局的核心驱动力在于集团现金流和盈利需要。

当前，国内储能市场已经极度内卷，价格战、同质化竞争、账期压力较为严重，即便是行业头部企业也难以保证健康的利润率。面对红海化市场竞争，若隆基一开始就扎进国内市场，可能难以在短期内贡献有增长的财报表现。

不过，尽管海外市场可为高价值储能产品提供溢价空间，但公司的业务拓展也面临一定的不确定性，地缘政治、贸易壁垒、本地化服务能力，都是隆基储能出海必须跨越的门槛，海外市场的拓展仍需要时间和耐心。

此外，目前储能赛道的竞争格局正逐渐固化，阳光电源、宁德时代、天合储能等早已在储能赛道站稳脚跟。隆基作为后来者，要在巨头环伺中撕开缺口，不论是国内市场还是国外市场，难度都不小。

值得关注的是，在主攻海外市场之外，隆基还采取了减法策略，公司不自研电芯，而是选择与头部企业深度绑定。

当前，储能电芯技术仍处于变化期，对隆基这一后进者而言，自研电芯不仅意味着更大的资金压力、更多的技术投入，还可能面临与光伏行业同样的产能错配问题。通过与头部企业的合作，公司可以获得成熟的产品供应，并将更多资源集中于主营业务。

然而，在多数储能企业选择自研电芯的背景下，隆基这一减法策略也面临一定的供应链风险。作为后来者若不能保障充足的储能订单，可能难以在上游企业中保持充足的话语权，且如何保障外部电芯供应充分适配企业产品需求也是隆基需要深度思考的话题。

04

尾声

隆基的储能故事，本质上是一场迟到的追赶。在晶科、天合、阿特斯等同行早已布局多年之后，隆基以一场仓促的并购强行补课，用控股精控的方式缩短竞争差距，以不做电芯、主攻海外的策略避开与巨头的正面竞争。

商业史上，后来者逆袭的案例固然存在，更多的却是起了个大早、赶了个晚集。在收购精控能源之后，组织间的融合程度、海外市场的业务进展等都将决定企业能否实现五年内“再造一个隆基”的战略规划。