4天内，亚马逊宣布250亿美元追加投资，谷歌宣布最高400亿美元投资——两家直接竞争对手，在同一家AI初创公司身上押注超650亿美元。比起从VC角度审视Anthropic的发展，不如将其视为云战争最新回合的开始。

谷歌和亚马逊在全球云市场是直接竞争对手，两家同时押注同一家模型公司，本身就是一个反常信号——他们宁可互相牵制，也不愿让对方独占这个战略资产。这里面可能有三个隐藏信号：

1. 巨头投资Anthropic，买的不是股权，是算力预售订单。 亚马逊和谷歌给出的650亿美元，每分钱都带着回扣条款——Anthropic拿到的钱，必须以千亿美元量级花回投资方的云服务和芯片上。这场交易的本质，是算力供应商在给自己的产能找大客户。
2. 云市场的竞争逻辑已经彻底改写。 以前企业选云看的是价格和稳定性，现在选的是“谁的云上跑着最好的模型”。模型把算力绑架了，谁失去模型层的锚点，谁就失去企业客户。OpenAI被微软焊死，Anthropic成了谷歌和亚马逊唯一的争夺标的。
3. 中美AI基础设施正在呈现出不同的演化倾向——但这不是简单的“封闭vs开放”二元对立。两个市场都同时存在闭环和开放两条线，差异在于主导力量的比例和绑定深度。DeepSeek的开源路线给了中国市场一个不同于美国三极闭环的替代选项，但这个选项的持续性尚待验证。

“投资”二字，遮蔽了真正的交易结构

650亿美元，流向同一家公司，同一个对手，争夺的，是一个不能失去的锚点。

翻译成商业语言拆解来看，亚马逊的条款是：先到账50亿美元，后续200亿美元按“特定商业化里程碑”兑现。作为对价，Anthropic承诺未来十年在AWS技术产品上投入超过1000亿美元，涵盖亚马逊自研AI芯片Trainium的现有及新一代产品。

谷歌的条款是：先到账100亿美元，若Anthropic达到业绩目标，后续追加300亿美元，同时谷歌云在未来五年提供约5吉瓦算力。这5吉瓦是什么概念？相当于一座中型发电站的输出功率。

钱是双向流动的。

Anthropic拿到了融资，但拿到钱的同时，它也必须把钱花回去——花在投资方的云服务上，花在他们的芯片上，花在他们建设的算力集群里。这不是VC那种“给钱让你去烧”的模式，更接近算力供应商融资：巨头用投资锁定一个大客户，本质上是给自己的算力产能拿预售订单。

更直白一点：谷歌和亚马逊在赌的不是Anthropic的估值涨到多高，他们在赌Claude能持续消耗多少算力。

这其中，“为什么是Anthropic”，比“为什么投这么多钱”更值得回答。

要理解为什么谷歌和亚马逊必须押注Anthropic，先要理解微软已经拿下了什么，以及为什么他们没有第二个选择。

微软早在2019年就开始深度绑定OpenAI，彼时10亿美元注资加上Azure独家算力支持，换来了OpenAI模型在Azure云上的优先部署权。此后，随着GPT-3、GPT-4的爆发，无数企业客户为了使用最先进的模型而迁移到Azure——不是冲着微软的服务器，而是冲着OpenAI的模型。算力的选择权，已经被模型绑架了。 而且，微软与OpenAI的关系在近年持续深化，排他性条款使得其他云厂商几乎无法介入。

云市场的竞争，已经从“谁的服务器便宜”上移到了“谁的云上跑着最好的模型”。谁失去了模型层的锚点，谁就失去企业客户的迁移成本。OpenAI这个锚点，长期被视为微软的囊中之物，但实际上过去一年两者关系正在出现裂痕——OpenAI已在多云分发上动作频频，并推进自身算力基础设施的独立布局，不再将Azure视为唯一的商业化出口。

这反而让谷歌和亚马逊更加焦虑：他们押注Anthropic，不只是因为拿不到OpenAI，更是因为OpenAI正在自己长大、自己建算力，谁都无法永远独占它。

谷歌有Gemini，亚马逊有Nova，但这两款自研模型在企业端的渗透率远不及Claude和GPT。在这一代模型的窗口期内，加速追赶的性价比未必高，绑定一个已经跑出来的模型公司反而更务实。Anthropic的Claude，正是这个窗口里唯一值得绑定的标的。

一个数字足以说明问题：2026年4月7日，Anthropic披露其年化收入（ARR）已达300亿美元，较2025年底的90亿美元增长233%。300亿美元ARR不是PPT上的愿景，是付费合同堆出来的收入——Claude已经成为企业级AI市场上最不可替代的非自研模型。

而就在本月，Anthropic还以约4亿美元收购了成立仅8个月的生物技术AI初创Coefficient Bio，首次向生命科学领域延伸。Anthropic的故事已经不只是一家模型公司——它正在成为一个横跨多个垂直行业的AI基础设施层。

这就是为什么，谷歌和亚马逊宁可“养着一个竞争对手”，也不能让它被别人绑走。

为什么是现在——云战争再“圈地”

如果说2023年大模型的爆发是技术元年，2025年是多模态和Agent的落地元年，那么2026年的主线已经变成了：AI资源向头部平台加速集中，云战争的格局正在被改写。

过去数月发生了几件值得记录的事：

• 2025年9月，Anthropic完成130亿美元F轮融资，估值飙升至1830亿美元；
• 同月，Anthropic宣布与谷歌、博通合作，打造3.5吉瓦级别的TPU集群；
• 2026年2月，Anthropic完成G轮融资（金额不详），估值约3500亿美元；
• 2026年3月12日，Anthropic宣布Claude Partner Network，1亿美元投资构建企业落地生态；
• 2026年4月6日，博通SEC文件披露，Anthropic与谷歌、博通签署协议，自2027年起获得约3.5吉瓦下一代TPU算力，协议延续至2031年。

这一系列动作指向同一个结论：Anthropic已经度过了“证明自己行”的阶段，进入“规模化扩张”的轨道。它的需求是算力、人才和客户；云巨头的需求是锁定这个客户、阻止对手锁定它。双方的利益在此时此刻精准交汇。

3500亿美元——被亚马逊和谷歌在4天内独立验证的这个数字——是市场给这场圈地战的定价。

对Anthropic来说，这两笔钱当然是利好。ARR破300亿、两大云厂保驾护航、IPO筹码空前充足——这是最好的光景。

但硬币的另一面同样真实。

第一重约束：独立性正在被侵蚀。 同时被两个直接竞争对手参股，这在商业史上极为罕见。谷歌有Gemini，亚马逊在推Nova，他们与Anthropic既是合作关系，也是潜在竞争关系。当利益出现分歧时——比如Anthropic的产品路线与投资方的自研模型发生直接冲突——Anthropic需要在两个“房东”之间走钢丝。

2023年谷歌以3亿美元首轮入局Anthropic时，拿下了约10%股份，此后持续加注。如今两大巨头同时在董事会里有了话语权，Anthropic的每一次战略决策，都要在两条利益线的夹缝中寻找平衡点。

第二重约束：安全叙事正在承压。 Anthropic以“宪法AI”立身，以“安全优先”与OpenAI划清界限。但本月引发白宫破例部署的旗舰模型Claude Mythos，恰恰是因为其强大的网络攻防能力引发了国家安全的复杂考量。更早之前，2026年2月特朗普政府曾下令联邦机构停用Claude。安全叙事的双刃效应正在显现——Anthropic第一次因为模型太强而无法按自己的原则行事。随着商业压力持续增大，“安全边界”的坚守会越来越难。

第三重约束：IPO的达摩克利斯之剑。 3500亿美元估值的背后，是投资人需要退出路径。公开市场对增长故事的耐心是有限的，当“Dario的理想”遭遇季度财报的压力，“公益公司”的叙事能撑多久，这是留给2027年的悬念。市场有声音估算，若按常规稀释比例估算，Anthropic IPO的募资规模或达数百亿美元级别——而这一估算尚未得到官方确认。

中国AI产业：同样的两条线，不同的比例

回到产业层面，这两笔交易的深远影响或许要在多年后才能被充分评估。

一个背景需要交代：Anthropic的Claude和OpenAI的GPT一样，走的是闭源商业路线——模型权重不开放，企业只能通过Anthropic官方API或合作云平台（AWS Bedrock、Google Cloud Vertex AI）调用。这意味着，当全球最大的三家云服务商——微软、谷歌、亚马逊——都在通过资本手段绑定闭源模型公司时，形成的是三组“模型-云”的排他性绑定：OpenAI只能在Azure上获得最优部署条件，Claude的算力承诺要把钱花回AWS和Google Cloud上。

企业客户如果只是简单调用Claude的API做文本生成，换一个模型改几行代码就能完成，迁移成本并不高。但如果已经将Claude深度嵌入业务流程——基于Claude构建了完整的Agent系统、prompt工程全部为Claude调优、内部知识库与Claude Enterprise深度集成、同时使用了AWS配套的合规和审计服务——那换模型的成本就不只是换一个API endpoint了。Agent行为会因为模型差异而不可预测，prompt需要重新调优，tool调用链需要重写，合规体系需要重新适配。

随着AI在企业端的集成深度持续增加，这种迁移成本只会往上走。AI基础设施的格局，正在向“三极闭环”演化。每一极内部，模型、算力、云服务形成内循环，对深度集成的企业客户而言，选择空间在收窄。

但这不是美国的全貌。Meta的Llama模型一直是开源的，拥有全球最庞大的开源模型生态；马斯克2025年开源了Grok；Mistral也走开源路线。这些开源模型同样可以被任何云厂、任何企业自由部署。美国的AI版图上，“三极闭环”和“开源公共品”两条线并存，只是前者在商业规模和资本投入上目前远大于后者。

把目光拉回国内。

阿里和腾讯联合投资DeepSeek——一家以开源模型见长的公司——这件事在时间点上与谷歌亚马逊联投Anthropic几乎同步，很容易被读成同一个故事的中美版本。但底层逻辑差异极大。

先看模型本身的性质。 Claude是闭源的，模型权重从未开放，企业只能通过Anthropic官方API或特定云平台调用。DeepSeek走的是开源路线，模型权重公开发布，任何云厂、任何企业都可以自行部署。这个根本差异决定了两笔投资的博弈结构完全不同：闭源模型可以被云厂独占、用来锁定企业客户；开源模型天然不具备排他性，任何云厂都可以部署它，不存在“独家模型权”这种东西。

再看交易结构。 谷歌和亚马逊的650亿美元投资是算力预售：Anthropic拿到的每一分钱都附带云服务采购承诺，亚马逊侧是未来十年超千亿美元的AWS支出，谷歌侧是五年约5吉瓦算力消耗。钱从左边进，从右边出，形成闭环。投资方要的不是股权升值，是被投方持续消耗自家算力。

而阿里腾讯对DeepSeek的投资，目前披露的信息更接近纯股权投资，没有出现类似的算力采购绑定条款。两种结构解决的问题不同：算力预售解决的是云厂的产能去化，纯股权投资解决的是战略席位的锁定。

但同样需要承认的是，中国云市场也存在闭源闭环的力量。阿里有通义千问，腾讯有混元，百度有文心，华为有盘古——四大云厂的自研模型同样是闭源API调用模式，同样在各自云平台上形成“模型-云”的绑定关系。智谱的核心产品ChatGLM也提供闭源API。中国企业客户如果深度集成了某家云厂的自研模型，同样会面临迁移成本递增的问题。

差异在于比例和制衡力量。

更值得关注的，是这种松耦合模式可能带来的生态效应。 美国正在走向“三极闭环”：微软+OpenAI、谷歌+Anthropic、亚马逊+Anthropic，每一条闭环都是闭源模型与特定云平台的排他性绑定。

开源模型作为AI基础设施层的“公共品”，降低了整个行业的模型使用门槛，让更多中小企业和应用开发者能够参与AI创新。从这个角度看，DeepSeek的存在，确实给了中国市场一个不同于纯闭环路线的替代选项。

但这个选项能否持续，取决于三个条件：DeepSeek的开源路线能否在商业化压力下坚持、阿里腾讯的投资不会逐渐演变为排他性的算力绑定、以及中国独立模型公司在算力多元化的追求上能否持续投入。

目前来看，这三个条件都还没有确定的答案。

4天650亿美元，买的不是Anthropic的未来。买的是：在AI重新定义一切的时代，不想被定义成“旁观者”的门票。

而这张门票，正在变得越来越贵——贵到没有哪家巨头敢缺席，也没有哪家创业公司敢只靠自己撑下去。（本文首发钛媒体APP，作者 | AGI Signal，编辑 | 秦聪慧）

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 高恒说，钛媒体经授权发布）

文 | 高恒说，作者 | 王震

OpenAI新一代图像生成模型image-2，因为惊人的生图效果在全网爆火。很多人第一次发现，自己只要输入几句话，就能得到一张像广告、像海报的图片。

最先被推到问题中央的，是设计师。他们被问到的不是“这个工具好不好用”，而是“你们是不是要失业了”。

这一次，兴奋的不只是技术圈。公司运营、小店老板、自媒体作者、品牌市场，甚至只是想给朋友圈配一张图的普通用户，都开始在对话框里输入类似的要求：帮我根据这个东西生成一张海报，年轻一点，高级一点。几秒钟之后，一张图出来了。它有光影，有排版，有产品，也有接近商业视觉的完整感。它未必真的能直接用，却已经足够让人产生一种新鲜感：原来一张“像样的图”，可以来得这么快。

这种新鲜感很快变成了追问。

小红书上，有人发帖把问题问得很直接：“有没有设计行业的人出来说说？你们的天是不是要塌了？”配文里说，自己用image-2做了几张图，已经“完全看不出来真假”，设计似乎也“完全用不上了”。另一个帖子则问：“AI生图发展到image-2如此真实的程度是不是基本快到头了？”

评论区里，设计师、甲方、艺术生和普通用户各自给出答案。有人说，客户的需求这么多年还是“字大一点、间距宽一点、元素往右挪三公分”这类很基础的要求，但是AI做不到，依旧是设计师改到厌倦；也有人说，老板在乎的从来不是艺术，而是成本；也有人承认，AI 能出底图、给方向，但最后能不能过稿、能不能落地，仍然要看人的经验和判断。

image-2真正改变的，不只是出图速度，而是外界理解设计师工作的方式。当“出图”变得越来越容易，设计师需要重新解释：自己提供的，到底是不是一张图。

01:第一张图变便宜了，后面的活更难被看见

林夏，27岁，杭州，小型消费品公司平面设计师

林夏第一次明显感到image-2带来的压力，不是因为它生成了一张多么惊艳的图，而是老板把一张AI生成的促销图发给她时，后面跟了一句：“这个方向挺好，你再优化一下，很快吧？”

她在杭州一家小型消费品公司做平面设计。公司十几个人，她是唯一的设计。公众号封面、直播间促销图、电商主图、招商PPT、节日海报、老板临时要发朋友圈的配图，最后都会流到她这里。

过去，她最常听到的话是“就改一下”。字再大一点，间距再宽一点，促销感再强一点，但不要太廉价；要高级，但用户一眼能看懂；要像大牌，但不能太像；这个元素往右挪一点。image-2火起来后，这句话换了一种说法：AI都出了，你再修一下。

老板发来的那张图，第一眼确实像那么回事。商品放在画面中间，背景有光影，促销文案也摆了上去。如果只是发在工作群里看一眼，很多人会觉得已经能用。老板的判断也很自然：既然AI几秒钟就能做到这个程度，设计师再“专业化一下”，应该不会太久。

但林夏真正开始动手，问题才一层层冒出来。图里的产品包装和公司真实包装不一致；促销字看起来像字，但不能直接用；品牌色和过去几个月的活动视觉接不上；主标题和价格没有层级，用户第一眼不知道该看新品还是看优惠；背景虽然好看，却无法顺利延展，一旦改成小红书竖图，左右两边就空了。如果再做成直播间背景，又要重新适配。

更麻烦的是，这张图不是源文件。它没有图层，不能像PSD一样拆开改。林夏最后做的，不是简单修图，而是照着AI给出的“感觉”，重新搭了一版能发出去的图。

她不否认AI好用。以前找参考图、拼情绪板、试风格，可能要花半小时甚至更久。现在用image-2等软件，很快能拿到几个方向。它能让老板、运营和市场更快看到一个大致结果，沟通也更直观。

让她不舒服的是，AI把第一张图做得太完整，反而让后面的工作显得不值钱。在老板眼里AI已经完成了80%，她只是做剩下的20%。可林夏知道，真正费时间、真正决定这张图能不能发布的，往往就是这20%。

后来，老板再发来AI图，她不会立刻动手改。她会先把问题列出来：产品不对、文字不可用、尺寸要重做、品牌色偏了。她需要先证明，这不是“修一下”。

AI不会进工作群，也不会在复盘会上挨骂。图出了问题，最后被追问的还是人。

02:好看的包装图，不等于能生产的包装

周铭，32岁，广州，食品与日化包装设计师

周铭看到一张AI生成的包装图时，第一眼看的不是它漂不漂亮，而是它能不能做出来。

他在广州做包装设计，长期服务食品、饮料和日化客户。对外行来说，包装设计像是在给一只瓶子、一只盒子做一张好看的脸。但在周铭的工作里，包装首先是一件要被生产出来的东西。盒型、刀版、卖点区、条形码、配料表、生产信息、印刷色差、纸张材质、覆膜、烫金、UV、压纹、打样和货架陈列，每一步都会影响最后的结果。

image-2火起来后，有客户拿着一张AI生成的包装效果图来找他，说：“这个很好看，你照这个做一版就行。”

那张图确实好看。盒子正面有大面积留白，产品名很醒目，背景带着高级的渐变光，看起来像一款已经完成的新品包装。但周铭看了几分钟，就知道它只是“像包装”。

AI图里展示的是一个类似包装的立体效果，却没有真实的刀版逻辑，也没有展开面。要把它变成可以交给工厂的文件，周铭还要重新确定盒型尺寸、展开结构、正背侧面的信息区，以及具体印刷工艺。

有些问题一眼就能看出来。字体太细，印刷出来可能会糊；颜色太满，打样后可能发脏；正面卖点没有层级，消费者扫一眼抓不到重点；配料表、净含量、执行标准、生产信息和条形码没有留位置。对客户来说，那是一张漂亮的包装图；对周铭来说，那只是一个还没有进入现实的效果图。

包装设计和一张线上视觉图不一样。后者只要信息清楚、尺寸正确、风格不离谱，很多时候就算完成。包装却要落到真实商品上，被印刷、被裁切、被折叠、被摆上货架，也会被消费者拿在手里。它不仅要好看，还要合规、可生产、可运输、可陈列。

周铭并不排斥AI。他现在也会用image-2、NanoBanana、即梦等做前期方向。客户想看“轻奢感”“儿童化”“国潮”“环保感”“高端礼盒感”，过去要找大量参考图，现在可以很快生成几版视觉氛围，让客户先判断自己到底想要什么。

但他不会直接用AI图。在他看来，AI像一个很会画效果图的实习生，能把想象变得具体，却不知道生产线是什么，不知道印刷厂会怎样处理颜色，也不知道一排同类产品摆在货架上时，消费者的视线会先落在哪里。

周铭最常做的事，是把一张“像包装”的图拆回现实：这个颜色能不能印，这个字体能不能读，这个卖点放在哪里，刀版怎么走，成本能不能接受，打样之后会不会偏色。

AI改变的是包装设计的前半段。它能更快给出一个看起来成立的方向，却不能替周铭完成后半段，把一个漂亮想法，变成真正能生产、能上架、能被消费者买走的包装。

03:客户有了AI方向，报价就变难了

阿哲，29岁，成都，自由职业设计师

阿哲的变化更直接：价格变了。

他在成都做自由职业设计，接品牌小案子、电商视觉、社媒视觉和活动物料。过去客户找他，通常会说：“帮我做一套视觉。”现在，越来越多客户会先发来一张AI图：“我已经有方向了，你帮我修一下就行。”

这句话改变了整单生意的起点。

过去，阿哲从需求开始收费。理解品牌、找参考、做风格、排版、配色、改稿，这些都算在项目里。现在客户拿着AI图来，默认前面的工作已经完成。设计师只是最后那个“润色的人”。

但阿哲也发现，修AI图有时并不比从零做更简单。

客户发来的图没有图层，不能拆分修改；图里的文字要全部重排；产品边缘不干净，要重新抠；背景无法延展，做横版还行，改成竖版就崩；人物手部、阴影和空间透视有问题；客户还要不同平台、不同尺寸、不同场景的交付版本。最后他做的工作，接近重做一遍。

客户却不愿意按完整项目付费。客户看到的是一张已经成形的图，设计师看到的是一张不能落地的半成品。阿哲最难解释的地方就在这里：AI让客户以为设计已经完成了一大半，但实际交付要从文件、尺寸、内容和场景重新整理。

阿哲更愿意把AI当成草稿机，它能快速给出方向，减少前期沟通，让客户更快理解“冷色调”“促销感”“高级感”这些抽象词。但他不会把AI结果直接交付给客户。真正能收钱的东西，还是要回到软件里，重新处理成可编辑、可延展、可上线的文件。

后来再遇到拿AI图来“修一下”的客户，阿哲会先问清楚：要几个尺寸，能不能接受重做，源文件算不算交付，修改轮次怎么算。报价也不再按“修图”算，而是按“重新整理一套可用物料”算。

更矛盾的是，阿哲遇到的甲方并不总是鼓励使用AI。也有不少甲方和市场在抵触AI，一些项目合同及事前交流时直接要求不允许使用。原因并不复杂：版权归属不清，品牌不想和模板化视觉混在一起，也担心商业物料被质疑“AI味太重”。

这让阿哲的处境变得更尴尬。客户会拿AI图来压低价格，却又要求最后交付的东西不像AI，AI被用来降低成本，但风险仍然要人兜底。

04:还没学会判断，练手机会先少了

陈雨，23岁，杭州，电商公司助理设计师

陈雨最怕的不是AI比她强，而是自己还没来得及变强。

她视觉传达专业毕业，在一家电商公司做助理设计。她每天做的事情很基础：抠图、修图、改尺寸、套模板、做活动视觉、批量改详情页、整理素材、做店铺banner。

这些活不高级，甚至有些机械。但对陈雨来说，这是她进入设计行业的入口。

她通过改尺寸学会不同平台的视觉规则，通过套模板理解信息层级，通过修图理解产品质感，通过反复改活动图学会什么叫“让用户先看到价格”。那些看起来重复、低级的工作，正是新人积累判断的地方。

image-2火起来后，她发现自己最常做的基础活，正是AI最容易覆盖的部分。以前主管会让她根据一场618活动做十张banner，从里面挑两张继续改。现在，主管可能先用AI生成几个背景，再让她把商品、价格、卖点和按钮套进去。她不再从空白页面开始理解一个设计，而是从一个已经生成的结果开始修补。

资深设计师可以说，AI是工具。品牌设计师可以说，真正值钱的是判断。可陈雨还没有到能卖判断的阶段。她的问题是：判断本来就是从基础劳动里练出来的。如果基础劳动被压缩，新人靠什么成长？

一位进修过心理学和传播学的艺术生陈浩把这种变化说得更直白：低端设计需求被ai堵死是时间进程问题，目前看不到改变的迹象；中端被技术发展而淹没已然成趋势了，ai进步的速度比预想的要快很多，虽然目前还需要真实的人类来进行干预与维护；高端要理解真实的人类的认知和社会形态的变化所带来的视觉感受的变化，然后再设定品牌应该选择怎样的设计进行呈现。在选择的过程中可以ai快速验证，再训练ai进行修正，然后由人来完整的审核整套设计的内在逻辑、视觉感受与潜在传播能力。

陈雨能理解这句话，但它对新人并不友好。因为她还没有进入“理解品牌”“理解人群”的阶段，她还在通过抠图、排版、改尺寸和活动页，学习什么叫重点、留白和商业转化。

一个行业的成熟，不是从大师开始的，而是从大量低级任务开始的。设计师不是一毕业就会做品牌系统、视觉策略和商业转化。很多人都是从抠图、排版、改稿、套模板、做活动物料开始，在一次次被要求调整信息层级、产品位置、色彩关系的过程中，慢慢理解什么叫重点、留白、审美和商业落地。

AI最先替代的，恰恰是这些训练场。陈雨知道自己必须学AI，也知道不能只会基础软件。但她仍然感到一种提前到来的压力：她还没学会判断，练手机会先少了。

05:当风格变便宜，判断就更贵了

许行，35岁，北京，品牌设计师与美术指导

许行是最早使用AI的人之一。

他在北京做品牌设计和美术指导，服务过消费品牌、展览项目和内容平台。image-2出来后，他很快把它放进自己的工作流：做情绪板、找风格参考、生成广告分镜、模拟产品场景、探索KV主视觉、辅助提案。

他不把AI当敌人。相反，他觉得这是一个反应很快的助理。过去前期提案要找大量参考图，现在可以快速生成十几个方向。

他会把AI出来的方向分成三类：可以做色彩参考的，可以放进情绪板里的，看起来惊艳但必须删掉的。太像模板、太像广告、太光滑的东西，会被他先筛掉。真正进入提案时，他还要把留下来的局部构图、色彩关系和氛围，重新整理成品牌自己的视觉语言。

在他看来，一张图好看，不代表品牌成立。

一个品牌不能今天像瑞幸，明天像苹果，后天像蕉下。品牌设计不是每次生成一张漂亮图，而是在不同渠道、不同活动、不同季节里，让用户持续认出你。这背后是字体规范、色彩系统、图形语言、品牌一致性、跨渠道延展、商业转化和长期资产。它们不如一张AI图直观，却决定一个品牌能不能真正被记住。

许行最近也注意到，很多AI图已经有了自己的“气味”。有人在小红书上问，为什么ChatGPT 生成的图片里总有一种模模糊糊的点状噪点，主体上也有说不清的痕迹。另一个设计账号回复说，从设计角度看，噪点本身也是一种风格。

图源：小红书

许行觉得，这正是AI图有意思的地方。它不只是会生成风格，也开始形成自己的风格。过度完整、过度光滑、过度像广告，第一眼很惊艳，看多了反而会变成一种模板感。

当所有人都能生成一张“很像真的”图片，“像真的”本身就不再稀缺。真正稀缺的，可能变成某种有生活痕迹、有情绪判断、不那么标准化的设计。

许行认为，AI让“风格”变得便宜了。过去设计师要花很多时间探索风格，现在AI能很快给出各种视觉样式。但风格越便宜，选择什么风格、保留什么风格、什么时候不该追求风格，就越重要。

AI可以出图，但它不知道为什么这个品牌不能这样表达；AI可以生成“高级感”，但它不知道这个产品到底该不该高级；AI可以模仿某种流行趋势，但它不知道这个趋势对品牌长期资产有没有伤害。

06:老板不一定少要设计，但想少等一点、少花一点

王老板，40岁，郑州，本地消费品牌主理人

王老板不是设计师，也不打算每天自己做图。

他在郑州经营一家本地消费品牌，团队二十多人。公司常年需要促销物料、门店物料、社群转发图、直播间背景、PPT和短视频封面。过去，这些需求要么找外包，要么让市场同事整理需求，再交给兼职设计或合作设计师。

对他来说，最麻烦的不是设计不好看，而是慢：一版节日物料要沟通两三天，一版门店物料要反复改，外包接单也要排期。有些东西在他看来并不复杂，只是上新品、搞促销、发个活动通知。他不一定追求顶级审美，只想要快、便宜、能发、能卖。

image-2火起来后，他第一次发现，自己不用真正会设计，也能先拿到一个“方向”。

他不是要亲自把图做完，而是把AI生成的图当成沟通草稿。以前他只能说“要年轻一点”“要高级一点”“促销感强一点”，这些词到设计师那里经常要来回理解；现在他可以让市场同事先用AI试几版，再把其中一版发给设计师：“就照这个感觉走。”

过去是设计师先理解需求、找参考、出方案；现在是老板或市场先拿AI生成一个大概方向，再让设计师把它变成能上线的视觉。

王老板不会用“艺术”来评价这些图。他更关心发出去有没有人点，投放后有没有转化，门店物料能不能让用户看懂，社群图能不能带来咨询。对他来说，AI不是审美革命，而是一种降低试错成本的工具。

如果AI出来的东西落地不行、没有效果，那再便宜也没意义；如果它能解决临时物料和初稿方向，他就会继续用。

那些只发在社群里的促销图、临时活动通知、节日祝福物料，他会觉得AI已经够用了；但真正要印刷、投放、上门店、代表品牌的东西，他还是会找人把关。

他的矛盾也在这里：AI能降低试错成本，但不能替他承担风险。产品图不对、字体侵权、品牌跑偏、投放效果差，最后还是要有人负责。

所以王老板不是不需要设计了，而是开始把设计分层：有些图可以便宜解决，有些图必须交给专业的人。

结语：设计师的天没有塌

image-2让“会出图”不再稀缺，也让设计师重新证明自己的价值

林夏还在把老板发来的AI图拆成一张修改清单；周铭继续把漂亮包装图还原成刀版、材质和打样问题；阿哲开始在报价前先问清楚尺寸、源文件和修改轮次；陈雨还在基础活里寻找练手机会；许行继续用AI出方向，但不把最后判断交出；王老板也没有真的放弃设计师，他只是更细地计算，哪些图可以便宜解决，哪些东西必须有人负责。

所以，设计师的天塌了吗？

没有。至少现在没有。

真正塌下来的，是设计行业里那层最薄的地板：基础执行、低价商单、重复物料，以及外界对设计劳动本就不多的耐心。

image-2没有让设计失去价值，它只是让“出图”这件事从专业能力变成了公共能力。

设计师以后要证明的，可能不再是自己比AI更会画，而是自己更懂为什么这张图不能这么用：为什么它不适合这个品牌，为什么用户第一眼看不到重点，为什么一张漂亮图还要变成可以执行、可以延展、可以负责的商业结果。

当所有人都能生成一张图，设计师要重新证明的，不是图片，而是判断、经验和责任。

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： XYY的读书笔记 ，作者：肖俨衍，原文标题：《【读书】【硬件篇】ARM发展史：退一步海阔天空》

前言：如今，ARM内核芯片几乎垄断90%的智能手机市场，其也成为了研究芯片绕不开的话题。ARM退一步海阔天空——从芯片设计制造一体化到芯片IP授权的独创商业模式，更是开启了一个新的时代。本篇，我们来看看ARM如何从一家摇摇欲坠的落魄公司，成长为以移动通讯设备为核心、横跨多赛道的芯片底座的发展历程。

书籍：《Mobile Unleashed》这本书作者是半导体专业媒体semiwiki的创始人，这本书比较系统回顾了ARM从创立、崛起到中兴的全过程（到2015年），前一半聚焦ARM，后一半则落笔到苹果、三星、高通三家公司对ARM生态的重点贡献。

风雨飘摇中的Acorn，进军PC失败

Acorn成立于1978年英国，其核心创始团队来自剑桥大学（很深度学术背景，后来几位创始人又回大学当教授了），当时股东是BBC（英国央视），其成立最早是基于成熟的MOS公司6502芯片打造计算机产品，6502基于其他产品一半的时钟周期能够运行相同指令，好处就是可以使用更便宜的内存和其他辅助设备。然而，当时的PC时代，Intel的X86系列已经初出茅庐，和IBM，微软合作使得其逐步成为行业标准（详见【读书】Intel发展史：“三剑客”如何铸就芯片龙头？），并且在80286产品中加入了内存管理单元，进一步增强了对于客户的吸引力。相对来看，MOS公司后来被Commodore（一家计算机生产商）收购，使得6502对行业吸引力下降（框架性技术所有者不能和自己客户竞争，否则就很难成为行业框架）。此外，6502没有32位架构，以及内存管理模块，Acorn公司开始寻找别的解决方案。

RISC精简指令集开始普及，Acorn开始研发ARM1。与此同时，在UCBerkeley一种名为RISC的精简指令集开始流行，相对Intel X86的CISC（复杂指令集），其基于Load/store精简的指令集架构，获得了更高的效率，还有更低的能耗——当时80286的功耗是3W，而摩托罗拉的68000功耗是1.4W，伯克利的RISC架构CPU将拥有显著更低的功耗。基于前期6502的经验和技术，以及RISC的概念，Acorn在1983年成立了RISC项目组（由Sophie Wilson和Steve Furber带领）。当时芯片设计EDA等都尚未流行，Acorn除了拥有指令集外，需要完成其他所有研发设计研发工作。此外，当时大公司为了避免bug都会将芯片设计工作重复5-10遍，Acorn没有这样的资金和实力，其简化了整个研发过程（还是花了1年），而简化的流程有个意想不到的效果，虽然当时性能（MIPS，每秒执行指令数量）仍然是核心聚焦，但节能也成为产品意料之外的优点（当时不太看重），1985年4月，ARM1正式推出，其主频为6MHz。与此同时，伯克利的RISC产品重启了4次，显示了开发的难度。ARM1测试完成后，公司想找一些媒体来报道，记者却表示不信这家小公司能完成这样高技术产品。

Acorn进军PC，却完全没有竞争力。ARM1拥有杰出的产品，然而作为CPU这样的行业底层基础设施，一旦成为标准，优秀的产品将打败杰出的产品。早在1983年，Acorn就推出了Acorn Business Computer（简称ABC），为了进军计算机市场。公司初期的产品例如Cambridge Workstation 32016在英国教育市场获得一定客户认可，然而和当时主流的Win-tel联盟的PC，包括苹果推出的Macintosh等产品比较来看，Acorn的产品完全没有吸引力，更不用谈没有应用生态支撑。到1985年，Acorn陷入了财务危机，BBC将公司卖给了Olivetti，后者对Acorn不断加强控制，持股比例达到75%，并且改变了公司管理层和文化。

RISC开始在工作站等赛道流行，ARM2推出。1986年开始，RISC架构的CPU开始在商用工作站流行（这些机器不需要Win-tel的应用生态，反而需要计算效率、能耗等），IBM、惠普等行业巨头都推出了RISC内核的CPU驱动的商用计算机工作站。被收购后，Acorn重新开发PC产品，除了ARM芯片外，其他操作系统等都处于研发状态。1986年，ARM2推出，其拥有2.5万个晶体管，基于VLSI的2.5微米制程，其最大的改进是基于图形界面的行业趋势，新的产品不仅支持通用计算，而且支持多媒体呈现，包括图像和声音。然而，在加州操作系统开发团队ARX却变成了研发黑洞，一再延期，Acorn后来不得不让英国团队重新开发了RISC OS。1987年，公司的Acorn Archimedes（如下图）系列PC产品正式推出，其搭载ARM2芯片，RISC OS操作系统。然而，Archimedes系列最大的问题是产品定位不清晰：对于教育客户，其定价太高；对于企业客户，其兼容性不够。当然，其作为一个工作站或者满足一些发烧友的需求仍然存在一定价值，但是相比其他竞争对手产品，以及Acorn高预期，其仍然表现让人失望。

ARM3推出。然而，Archimedes系列产品不及预期，使得股东Olivetti开始考虑出售Acorn变现，尤其是ARM的芯片技术。他们Pitch了Intel，后者Pass了；找到了西门子，但后者觉得连Olivetti自己（他家也是个历史悠久计算机制造商）都不用ARM芯片，这个技术也没什么价值。当然，Olivetti作为Acorn的股东最大的功劳可能就是没有干扰ARM系列芯片的研发，正是在这种动荡中，1989年，ARM3正式推出，其主频33MHz，基于VLSI 1.5微米制程，其增加一个SWP指令集，用来执行原子读写操作，与其他RISC芯片相比，ARM3具有明显能耗优势。然而，即使有优秀的产品，Acorn在销售能力上的缺失，仍然使得ARM3当时没有用武之地。相比于同类产品如MIPS R3000和AMD的29000，不仅在商用工作站得到了应用，甚至在一些专用的设备上得到新的应用。然而，是金子总会发光，ARM的机会就在不远处。

峰回路转：与苹果结缘，成立合资公司

Acorn因口碑与苹果结缘。实际上，ARM开发者系统已经在学术界诸多编译器和软件项目中证明了自己，而这些口碑也开始传到了苹果公司研发人员耳中。苹果公司1986年（乔布斯被离职后，详见【读书】乔布斯的“心学”：大道至简，直觉开路）成了了ATG（Advanced Technology Group），主要聚焦尖端技术应用的研发。ATG内部两名工程师Pittard和Gavarini在内部做了个Mobius项目，即基于ARM2、6502、摩托罗拉的68000等不同芯片运行苹果所有程序，结果发现ARM2表现超越其他两款芯片。Mobius项目有一定的技术收获，然而，MOS和摩托罗拉当时都是苹果重要合作伙伴，这个项目后来就不了了之了。

Newton项目最终采用了ARM芯片。1980年代后期，Sculley掌舵时代的苹果面对业界“No Vision”的指责，针对性推出Knowledge Navigator的项目，其意抓住信息高速公路（Information Superhighway，可以粗略理解为互联网的前身）的大机遇，Sculley在一次Keynote中提出大愿景——于是，苹果很快从一家只有产品没有愿景的公司，跻身为只有愿景没有产品的公司。开个玩笑，承载这个愿景产品被命名为Newton，其定位（如下图）为信封大小，搭载触摸屏、硬盘和红外接受装置，售价在6000-8000美元的平板电脑（当时叫掌上电脑PDA，太先进了）。然而，Newton最开始找错了处理器合作伙伴，他们选择了ATT的Hobbit。很快，苹果就发现后者定价太高，且拥有诸多Bug。1990年苹果内部高管更换，使得Newton项目负责人基本全换，他们准备寻找一款新的合适的处理器。

Connecting the dots，ARM正式成立。实际上，ARM与PDA的结缘从1977年Acorn还没成立就开始了——Acorn创始人Hauser，后来成为Olivetti研发实验室负责人是一位记性不好的学者，他经常幻想自己有一台能够放进口袋的电子记事簿。此后他甚至自己创业，成立Active Book打造对应产品。1989年，他购买了ARM芯片的技术，并且聚焦能耗优化，推动ARM2aS推出，其具备了静态设计，能够在不用时关闭时钟，从而做到节能，经过6年优化，这项技术成为ARM中核心的基建，当然，当时还没有派上大用处，等到Newton项目开始找到了ARM芯片。

Saxby成为ARM掌舵人，奠定核心业务模式。当时Acorn几位创始人Wilson、Furber觉得自己更多对学术研究感兴趣，对商业经营兴趣一般。当苹果公司前来寻求合作的时候，他们开始产生退意（后来都去大学当了教授），当时Acorn创始人想基于ARM技术退出，而苹果需要处理器，VLSI（ARM的代工厂）对于ARM芯片前景看好。于是1990年，三方成立了合资公司，苹果投资150万欧元，获得了主要股权和董事会席位；VLSI投资25万欧元和提供开发工具和代工支持；Acorn贡献了ARM的IP（价值150万欧元）和开发团队，新公司名称为Advanced RISC Machines（简称ARM）。当然，新公司还需要一位掌舵人，他们找到了Robin Saxby，前者主要职业经历是摩托罗拉，并且参与了68000等芯片开发，并且掌管Embedded部门的芯片销售工作。此外Saxby还拥有创业企业经历，其后来在一家欧洲的半导体企业就业。Saxby和Acorn创始人Hauser也是多年好友，Saxby在摩托罗拉时候曾经提议公司设计和运营分开，这个建议没有被公司采纳。实际上，Saxby真正奠定了ARM的IP授权的业务模式，Saxby基本放弃之前ARM在商用计算机的尝试，制定了ARM成为全球embedded（当时应该指PC等计算机以外的智能设备）系统芯片标准的目标。

为Newton定制芯片。有了苹果作为客户对ARM来说是重要转折点，即使Newton产品最后失败，对ARM来说也是不小的销量数字，更不用说可能就是其跨越鸿沟的口碑传播的起点。ARM开始为苹果定制一款新的PDA的应用芯片，ARM610，这是一款全新设计的产品，其拥有36万个晶体管，主频是20MHz，使用1微米的制程，其拥有一个新的内存管理单元、以及一个新的寄存器。1991年10月，ARM610进入Newton项目组进行测试。Newton最开始尺寸有“大中小”三种方案，小尺寸最大的问题就是电路迷你化，要在狭小空间布局众多电子设备，苹果找到了夏普，最终其选择最小的，能够放进口袋的尺寸。1992年，Sculley在CES上发布了Newton第一代，并且声称PDA市场未来市场空间达到3万亿美元。1993年8月，成型的产品发布（如下图），售价699美元，7个月后搭载新操作系统的产品售价调低到499美元。

Newton系列并不成功。1994年，苹果的Newton系列销量是6万台，每台机器里面都搭载了价值20美元的ARM芯片，其致命问题是手写输入的问题，对于长单词比较顺畅，但是对于or和is这样的单词却经常读写错误这个销量位列行业第三，当时最大的竞争对手HP 95LX，其搭载Lotus操作系统，芯片是NEC V20，销量达到10万台。实际上，也不能说Newton的表现不及预期，因为当时公司就是预测这款产品最开始接受的用户可能是技术极客、行业垂直商业用户比如医疗、保险等。当时用户调研还发现通话功能是当时用户普遍的需求，但是考虑到成本太高，苹果很快就放弃了增加通话功能，苹果显然与当时移动通讯市场从模拟转向数字的浪潮中绝缘。最后，说句题外话，PDA市场如果说最后有赢家，那就是Palm，这是一款定位为PC的辅助设备（而不是替代），具备日历、通讯录、备忘录等功能，而且大小只有Newton的三分之一，售价是300美元，而且其开发建议输入法graffiti，2001年Palm销量达到2100万，占据了掌上电脑70%市场份额。

移动通讯市场：ARM最佳归宿

新市场靠发现、而不是靠规划。很显然，对于PC和商用计算机市场，前者Intel一统天下，后者群雄逐鹿状态，ARM当时都机会渺茫。Saxby定位Embedding设备，实际上是排除法，却没办法准确说ARM适合进军哪个特定赛道。然而，这样的赛道往往并不是规划出来的，而是尝试着来的。PDA的尝试不算成功，但也小有成就，帮助ARM在行业开始赢得口碑。然而更重要的趋势却不是PDA，而是移动通讯，首先让我们简单回顾了移动通讯的发展简史。

从0G到1G，移动通讯市场模拟时代。实际上，最早发明移动通讯设备的是ATT和摩托罗拉，就是我们经常在抗战剧中看到的士兵背着的可以移动通讯的设备，其原理和当时广播无线电类似，二战后从军用转为商用，主要针对一些公共基础设施、运输卡车、记者等专用场景。其在每个城市树立一个大的发射装置，辅助一些小的设备，其最大的问题是通话效率低，以纽约为例同一时间仅允许12个用户通话，用户经常需要等30分钟才能通上话，这就是移动通讯的0G时代，当时在美国大概有4万用户，在此后40年里0G通讯开始在全球各地普及。之后是1G时代，其发展驱动力是计算机和RF射频技术普及，此外最大变化就是美国FCC专门针对移动通讯放宽了频谱，相对于0G时代很窄的频率使用范围，1974年FCC开放了40MHz专门用于移动通讯，和广播无线电分开，这些发展奠定了移动通讯设备商、网络基础设备、运营商三大产业链环节，这就是1G网络，其仍然是模拟通讯，但相比于0G用户拨打电话是自动接通的，不用等待。且随着通讯网络密度增加，通话质量和网络容量也明显增加，越来越多的企业用户意识到移动通讯带来的价值。然而，1G时代仍然有诸多遗留问题，比如通话是不加密的，只要你有设备调到相应频率就能接收到（想想那些谍战剧）；此外，国际漫游仍然不可能，因为不同地区运营商采用不一样的设备；随着使用设备增加，频道变得拥挤，互相之间干扰增加；接受模拟声音需要很大功率，因此设备通话时间普遍小于1小时，且这种辐射危险越来越成为隐患。

2G开始发展，移动通讯数字化。基于1G的诸多问题，更是基于对美国垄断地位的挑战，欧洲在1980年代初率先推动移动通讯数字化转变，也即2G GSM时代来临——TDMA网络，其将一个频道拆分为多个时点，而多个通讯用户使用不同时点，所以通话不冲突。此外，这些传递信号从模拟信号转变为数字信号，且不通话时候不需要传递信号。2G时代相比1G时代有6个优点：1.更高效频谱使用；2.通讯设备有更大开发潜力；3.数据传输潜力更大；4.手机成本更低；5.基础设施成本更低；6.通话质量更好。最后，2G时代除了通话，还引入了短信功能，允许用户通过类似数字传输模式发送文字信息。1987年，欧洲13个国家的15个运营商在哥本哈根签署协议，正式推进基于TDMA的GSM 2G数字移动通讯标准。

TI成为2G时代ARM重要的客户。和欧洲GSM标准一起兴起的芯片公司首先是德州仪器，我们曾经在【读书】德州仪器（TI）发展史：专用技术，专有场景提到过，TI搞定了爱立信、摩托罗拉、诺基亚等几大2G时代移动通讯巨头，其DSP处理芯片成为行业标准，随着智能机时代到来，TI又准备集成应用处理芯片，1992年TI开始和ARM谈论授权的事项，而这次合作内部产生比较大的阻力——当时TI的EVP Rhines的问题也很有道理，既然TI有自己设计制造芯片的能力，为什么不自己做应用芯片呢？ARM的解法是直接Pitch诺基亚，其专门基于ARM7开发了Thumb指令集，其是16位指令集（常用指令集是32位），用来实现通用功能。使用Thumb指令集，其代码可以压缩65%，同时是基于16位内存代码效率的160%。Thumb指令集最终获得了诺基亚的信任，TI最终同意采购ARM芯片，并且集成自己的DSP芯片。此后，诺基亚的崛起，与TI系列芯片（包括后来智能机时代的OMAP）都和ARM内核的CPU分不开。

客户接踵而来，收入初见规模。ARM的第三个客户是夏普，后者正是从苹果Newton产品使用ARM中产生了兴趣，而夏普的大客户任天堂的兴趣也是背后驱动力。当时主机游戏通用解决方案3DO也是基于ARM的芯片设计，其意在打破任天堂和Sega的垄断，但最终没有成功（具体可见【读书】美国主机游戏30年：内容和生态定座次）。此后是三星（第六个客户），其重金投入购买了ARM的版权（关于三星后续还会详细说），1995年NEC成为ARM的第十个客户。一系列新的客户授权，也使得ARM开始产生了稳定的收入，将敌人转化为朋友——ARM基于IP授权、定制化产品的商业模式也最终定型，最大化通用部分，将定制化部分拆分开，也使得这一套模式更加稳固（兼容了通用的网络效应，而定制化的高效）。此后，随着Fabless模式兴起，ARM的授权更加精细化，分为特定内核的授权，或者指令集标准的授权，ARM从一家芯片设计公司更像一家咨询公司了。

手机市场迎来新玩家。1995年，ARM推出了ARMv4指令集。同年推出了ARM8，主频72MHz，0.5微米制程。手机市场也迎来了新玩家，Hitachi和NEC宣布搭载微软推出的Windows CE操作系统，此后LG，飞利浦，Casio等厂商都宣布会推出支持其OS的设备。1997年，ARM和Sunday Microsystem在JavaOS上达成合作，基于网络就是计算机的理念，JavaOS当时开始流行，而ARM架构芯片则成为这类设备内核。1998年，爱立信、摩托罗拉和诺基亚宣布成立合资项目塞班，其后来成为半智能机时代行业标准。当然，这里面最大的赢家还是诺基亚，1997年Nokia 6110推出，其第一年销量就达到300万台，推动诺基亚成为1998年全球手机销量第一。与此同时，曾经的移动通讯领先者摩托罗拉却还在死守模拟通讯，公司高管觉得4300万模拟手机用户不会犯错，他们还借鉴ARM开发了M-Core芯片。而等美国意识到2G时代不可避免之后，他们拥抱了CDMA技术，后者专利属于高通，摩托罗拉也不在里面。

ARM趋势已成，IPO上市。1997年，ARM的营收为2660万欧元，同比增长59%，利润是500万欧元，同比增长35%，员工数量274。ARM架构授权当年芯片出货量是980万，位列行业第三，第一第二分别是MIPS和Hitachi SH。1998年4月，ARM在伦交所和纳斯达克两地IPO，发行了1173万股股份，募资3640万欧元。当时苹果持股比例达到42.3%（上市前），为了挽救当时其艰难的财务困局，其迅速出售了持股的18.9%，卖了2400万欧元，10月又卖了3200万欧元，总持股比例降到19.7%。ARM另外一位股东VLSI也出售部分股份（VLSI后来被飞利浦收购了）。1998年，ARM架构芯片销量达到5100万（同比5倍）：高通也在这年成为ARM的客户，他们在开发MWM3000芯片（集成了基带和芯片）。ARM7TDMI芯片也被爱立信用在集成蓝牙功能芯片上，显示了其灵活性（使用多个场景）这么迅猛的增速使得ARM股价涨到了天上（当时也是dotcom期间）。1999年，ARM架构芯片出货量1.8亿（同比3倍），前景仍然广阔，因为37个授权方只有19个已经出货，其他还在研发当中。Saxby估计有50%左右的芯片用在手机上，ARM锁定了Embedded RISC行业领军者的地位。

智能机趋势兴起。1999年，ARM9E推出，其采用ARMv5TE指令集，具有基础的DSP功能，基于0.25微米制程。ARM也开始采用收购增强自身能力，包括110万欧元收购25个经验的软件工程师，收购邻居Micrologic Solutions，这些都是增强自身软件能力，基于行业对算法优化的需求。2000年，ARMv5TEJ增加对Java的优化，其相比于ARM9在支持Java性能上提升了9倍。ARMv6增加了对于多媒体消费的支持，性能提升了75%，此外还增加诸多向CISC借鉴的功能（互相学习）。2000年，Intel也成为了ARM的客户，其基于ARM架构推出XScale Core，主要竞争对手是TI OMAP（也是ARM的内核，Intel这个系列不成功，主要受到销售的阻力，同时销售PC和移动两套设备实在太难。2006年XScale系列以6亿美元卖给了Marvell）。此外国内的中兴也在2000年成为ARM的客户。进入2000年，手机智能化的趋势明显，2001年诺基亚9210搭载了ARM9架构内核处理器（TI OMAP）和塞班6.0系统，其支持用户自主下载应用程序。索尼和爱立信合并成立了索爱，继续进军手机市场。2000年ARM出货量4.2亿，同比又超过翻倍，越来越成为行业基建。最后，2001年Saxby担任11年CEO后宣布退休（功成身退），接班的Warren East（1994年加入公司）。

不管行业如何变，ARM稳坐钓鱼台。2001年ARM出货量为4.2亿，同比微增（dotcom泡沫破裂，肯定有影响）。手机行业继续风起云涌，RIM推出的黑莓手机，搭载ARM7EJ内核，基于Java平台开发了OS，具备全键盘，2002年发布，能够实现通话、邮件、日历等功能，深受商务人士喜爱。此外，拍照功能越来越成为行业标配，Nokia 6600就搭载640*480像素相机。摩托罗拉仍然选择和微软捆绑，但是其手机也开始搭载TI OMAP系列芯片（实际上也包含ARM内核）。而2003年，Andy rubin成立公司开始研发安卓，其最开始研发研发一款基于地理位置进行个性化定制的设备，后来发现市场太小，于是转头开发智能手机OS，2005年被Google收购。此外，2004年Mobileye也成为了ARM客户，其核心产品是ADAS（辅助驾驶系统），此外华为也成为ARM的客户。2004年，ARM交货量是13亿，公司还以9.1亿欧元估值收购了Artisan Components，极大提升了公司SoC能力（以后卖更多东西了，提高ARPU），员工数上升至1171人。ARM当时产品也被分为三个系列，其中Cortex-A系列定位是应用处理器，Cortex-R系列定位实时的embedded系统，Cortex-M则定位单片机。2006年，ARM Cortex A8获得了行业称赞，当年公司出货量达到24.5亿。

苹果、三星、高通——ARM生态三大主要贡献者

ARM这种生态打法，早期靠的是技术（能耗低，性能高），初期靠的是产品（赢得了Newton亲睐），而爆发期则靠的是生态（标准，兼容性，定制方案等）。而生态的构建就不仅仅是ARM一家公司的事情了，其实际上是生态各个参与方共同构建的——而苹果、三星、高通就是ARM生态中三个最重要的推动者。

苹果：iPod到iPhone，从采购到自制。1997年，乔布斯正式回归苹果，准备力挽狂澜，他上任三把火是：1.和微软和解，并获取后者1.5亿美元投资；2.聚焦少数产品，砍掉多余产品线（包括牛顿），聚焦四款产品（专业/业余，台式/笔记本）；3.强调工业设计，包括挽留了Jone Ive。此后，iPod一炮而红，而其中采用PP5002芯片采用的就是ARM内核，其支持AAC这种高质量的数字音频格式。此后就iPhone，在移动通讯领域，苹果是新兵，他们首先和摩托罗拉合作开发一款支持iTunes的音乐手机，结果乔布斯觉得产品太差劲。后来和运营商Cingular（后来被ATT收购）谈合作，后者答应了每台新机给苹果10美元返利，且iTunes购买版权费归苹果等协议，苹果又开发了iOS（因为当时Mac OS对手机来说太大了，10倍差距，如今这俩系统正在融合），初代iPhone用的是三星的芯片（S5L8900），其基于ARM1176JZF内核，主频为412MHz。2007年的手机市场总销量是11亿部，诺基亚市占率37.8%，摩托罗拉14.3%，三星13.4%，此后是索爱和LG。2008年，苹果以2.8亿美元价格收购一家PA Semi的芯片设计公司，后者当时主要基于IBM的Power架构设计芯片，此后，苹果就开启了自研芯片的进程，2008年苹果和ARM签订一项持续多年，横跨多款产品，且赋予苹果深度定制架构的合约。2010年，苹果推出了A4芯片，由三星代工，基于45nm工艺，主频为1GHz，其搭载在传奇产品iPhone4上。2013年，苹果的A7领先行业采用64位架构，A8芯片开始和台积电合作，采用20nm工艺。此后，苹果CPU性能上开始引领行业。2014年，全球手机销量达到19亿部，三星市场份额达到20.9%，苹果9.9%，联想（收购摩托罗拉）4.5%，其他品牌都成为了其他。关于苹果的详细故事，可以详见【读书】乔布斯的“心学”：大道至简，直觉开路）

三星：纵向一体化模式的胜利。三星成立于1938年，其最早的主业包括糖、纺织、建筑、保险等。三星不是韩国最早进入电子领域的公司，当时有一家Goldstar（LG的前身）1958年就成立，其产品包括收音机、黑白电视等。1960年代，美国众多科技公司开始在韩国投资建厂，这里面包括Fairchild、摩托罗拉等。1969年，韩国政府推出电子支持法案，对相关公司提供激励，以鼓励国家从农业转型。三星就是这这种时代背景下考虑进入电子行业，1968年，其和日本Sanyo电子成立合资公司，此后又和NEC合资，核心是向日本学习相关技术。1970年，三星电子开始生产真空管支持的12英寸黑白电视（落后产品），1973年开始生产19英寸晶体管电视。三星进军电子行业的战略是垂直一体化，即从制造加工开始学习，然后直接做到消费产品，因此诸多三星的客户，也是三星的竞争对手。而从制造开始也注定三星相对重资产的投资模式，其创始人Lee氏家族深谙先播种，后收获的商业基本道理。1977年，三星收购一家由在摩托罗拉工作过韩国工程师创立的半导体公司，成为三星半导体的前身。此后三星进入DRAM内存市场，1983年购买了Micro公司的版权，生产64K DRAM，此后三星不断拓展内存市场布局，并于1993年成为了全球最大的内存生产商（美国打击日本，韩国受益）。此外，1983年，三星发布了一款PC产品，SPC-1000，小试牛刀。

三星布局手机市场——从“山寨”到行业领先。1984年韩国推动了自己的0G移动通网络，年底订户数达到2658户。而三星在手机领域的探索是从山寨开始的，其reverse engineering东芝的Car Phone开始的。1988年三星SH100手机出来后公司送了2000台给VIP客户，结果手机出现质量问题，尴尬。1990年代，三星手机业务掀起了提升质量的改革，在给李氏老板汇报新机器SH700时，后者先把手机往地上一扔，拿起来后发现正常使用，才放行产品，惊出开发团队一身冷汗（还记得诺基亚砸核桃的典故吗）。SH700于1994年月销量达到1.6万部，很快三星就成为韩国国内手机第一。此外，韩国也在1990时代进入2G数字通讯时代，韩国拥抱了美国高通的CDMA标准，当时支持CDMA的手机不多，三星1997年在CDMA手机市场份额达到55%。1994年，三星成为ARM客户，当时采买ARM芯片主要用于DVD产品。此后，三星手机产品基本采用ARM芯片。

2002年三星和ARM公司进一步加深合作关系，三星采购了“all-you-can eat”全家桶套餐，其赋予了三星使用ARM现有以及未来开发所有IP的永久使用权。进入智能机时代，三星产品策略有点像“鸟枪法”，拥有多条产品线，且拥抱多种操作系统，包括Windows，PalmOs，以及公司开发Tizen等，而三星持续从Fab制造端重金投资也确实加速了公司学习，其中最重要的学习对象毫无疑问是苹果，2007年iPhone开始爆发后，三星不仅直接受益于代工收入增加，而且其旗舰产品开始孕育。2010年，Galaxy S系列推出，其采用三星自研Exynos 3110芯片（和苹果A4很像）。2014年，Galaxy S4成为爆品，第一个月就销售1000万台，成为三星有史以来最畅销的手机。而2015年高通骁龙810系列芯片发热问题，而三星Galaxy S6采用自家Exynos 7420芯片完美避过。关于三星的详细故事，我们以后还会单独细说。

高通：Viterbi算法，以及CDMA技术。高通创始人之一Viterbi（博主就是USC Viterbi学院毕业的，respect）是MIT毕业生，之后进入美国NASA下面的JPL工作，1966年Viterbi发明一种从噪音中提取有效信号的方法（理论），并且于1967年发表。高通另外一位创始人Jacobs当时在MIT任教，他的学生Jerry Heller通过实验测试了Viterbi的算法。而Jacbos和Heller开始商量基于这个实践案例成立公司，将技术商业化，Linkabit于1968年成立。1971年，Linkabit发布一款基于Viterbi算法的解码器，其最终应用到卫星信号解析场景中，这项技术最终被美国军方看中。Linkabit年营收增速达到60%，1980年公司被MA COM收购，此后公司研发一款VSAT小型卫星通讯体系，其成为HBO等有线电视网兴起的基础设施（传统电视网通过电线杆发射信号，每年成本高达2500万美元。而租个卫星，几万美金就搞定了，于是1980年代美国有线电视网开始井喷，具体可以看【读书】美国有线电视50年：产业重构背景下，新旧巨头的崛起&救赎）。然而，一些意外的高管变动使得Jocobs想把公司从MA COM中剥离开，但没有获得股东同意。1985年，Jacobs宣布辞职，此后Viterbi也辞职。1985年，Jacobs和Viteri带领下，高通正式成立（Qualcomm，字面意思是高质量通话，quality communication），高通首要科技发明就是研发了CDMA，相比于TDMA分时，CDMA采用分频技术，打个比方，TDMA是一群人在房间说话，但每个人说话瞬间都不同，所以不干扰；而CDMA则是每个人都说的不同语言，所以也不干扰。CDMA另外一项优点是安全，因为信号都被调制为不同频率，外部没有解析代码的设备接受到信号跟噪音差不多。最后CDMA相比TDMA单基站能承载通话密度更高，因为TDMA基于固定通道进行分时，因此单基站允许的通话密度有限，而CDMA则采用分频操作，覆盖同样面积，需要基站投资更小。然而，正如前文所说，通讯标准这种东西和CPU类似，关键是谁能建立生态，不是完全看产品好坏、技术高低。

掌控CDMA完整专利，技术开始普及。最早，高通的技术在一个卡车卫星通话系统中得到了良好的应用，此后有人推荐高通进入移动通讯领域，此前高通技术被军方用于通讯，这和民用通讯相似度很高，唯一差别就是移动通讯基站密度高，需要相关射频技术抵抗基站信号互相干扰。2G时代，美国最早采用的2G标准同样是基于TDMA改进版D-AMPS，而没有选CDMA，也正是因为无人问津，高通得以全面注册了CDMA在移动通讯完整专利。1989年，一家洛杉矶小的运营商遇到基站不足问题，他们发现CDMA技术频谱利用效率是TDMA的20倍，于是找高通合作，高通还专门自制一款CDMA手机来满足其需求。这时候，高通开始着手解决CDMA在移动通讯中三大问题，首先是信号远近问题，高通通过动态调整，即离基站近的低功率，离得远的高功率，这样到达基站的信噪比就差不多。第二个是掉线问题，TDMA系统用户在跨基站通讯时候偶尔会掉线，而CDMA提前建立和下一个基站连接；第三个是动态解码，用户不说话时候就不会发送信号，从而提高线路使用效率，而TDMA没有这个功能。CDMA逐步普及过程中，由于高通几乎垄断了相关专利，很多公司不愿意和高通合作，摩托罗拉和爱立信这种巨头主要支持TDMA，也分散布局了一下CDMA，且表示了对高通专利垄断担忧和质疑（1999年美国专利局确认了高通专利权）。只有韩国以及三星一头扎进高通怀抱，也享受但是，由于CDMA的优秀性能，其渗透率稳步提升，1991年高通宣布IPO，募资6800万美元。此后，ATT，诺基亚，摩托罗拉等都成为了高通的客户。1993年，CDMA正式和D-AMPS和GSM一起成为美国三个2G移动通讯标准选择。

高通核心产品基带+应用芯片。1993年，高通发布了CD7000手机（2000年，高通放弃了自己的手机业务，聚焦专利授权。目的是不和手机厂商直接竞争，当时高通授权费差不多是手机设备3%），其搭载MSM基带芯片，能够支持CDMA/AMPS两种2G标准通话。而在CD7000里面，同样也有一颗Intel的80C186应用芯片，高通最开始想集成Intel芯片，被后者拒绝，后来发现Intel芯片集成高通的MSM更简单，于是两家达成合作，1995年高通发布了MSM2和MSM2.2，在Intel的Fab生产，1997年6月销量达到600万颗。此后，高通开始自己研发CPU芯片，1998年其成为ARM授权客户，当年发布的MSM3000集成了ARM7TDMI内核，MSM6500则集成了当时所有通信标准，推出全网通的手机。2007年，高通推出了Snapdragon（骁龙系列），此后高通从AMD收购了ATI的移动GPU部门，进一步将GPU集成到了芯片上（SoC趋势），拥有通信基带芯片“流量入口”挟持，高通捆绑CPU、GPU等芯片策略获得成功，2008年后骁龙芯片开始成为安卓生态的标准，HTC、三星、摩托罗拉等都开始搭载骁龙芯片。2013年，骁龙芯片分成三个系列，其中800是旗舰、600是中端、400则是低端。只要未来移动设备还需要CDMA通讯功能，高通就是绕不开的巨头（比如车机），关于高通的故事，我们未来还会更详细来说。

展望未来：有生于无

变化中的不变——ARM。手机行业持续变化，Intel的Atom系列误解了“节能”的含义，且不整合基带，为了吸引厂商使用，Intel又使用老招数——返利，却带来了30亿美元亏损，却没见成效，最终惨败。微软的手机战略宣告失败后，靠Surface系列平板保留一定尊严，其本质还是Windows生态的延升（平板介于手机和PC之间），还是在自己最擅长领域获得了突破。摩托罗拉、爱立信、诺基亚等当年的统治玩家一个个都英雄暮年，显示了消费电子赛道的多变。而ARM则成为变化中的不变，传统的芯片公司是供给驱动思维，认为我生产的就是你需要的，而ARM更像为客户提供各种模块化工具，客户可以根据自己喜好定制化产品，且反而加深了整个行业的协作和共同繁荣。ARM仍然保持持续创新，提升产品的性能，增强产品安全性（ARMv8)，满足更多客户的需求。进入2015年后，智能手机行业创新速度也开始减缓，而针对可穿戴设备、智能家居、机器人等新型趋势（智能化一切），ARM也提出自身的解决方案（Cortex-M7）。2013年，ARM的营收达到13亿美元，员工数量达到3300名。

有生于无。与众多商业巨头尝试不断做闭环，做大自己的蛋糕的方式。ARM走出一条更具有中国哲学道路，尽可能让自己存在感降低，从一家芯片公司，PC公司退一步，变成芯片IP设计公司，或者芯片模块化工具提供商，把自己“无”掉，反而拥有了整个生态（当然，从微观来看，这些年来，ARM也不断在系统集成上下功夫（比如集成Mali GPU），以增加自己的Take rate，这就是事物的两面性）。实际上，对于任何ARM的客户，他们很难，也没有必要换掉ARM，这使得ARM被颠覆的可能性非常低，而ARM不断提升的收入和出货量也印证了这一点。2016年，软银集团以243亿欧元收购了ARM，2020年英伟达曾经想400亿美元收购ARM，但该交易最终被监管否决（其实ARM如果被某个巨头掌控，实际上可能毁了它，复归于无），预计2023年ARM将重新独立上市。

【TechWeb】4月26日消息，2026北京国际车展期间，Momenta举办"Momenta R7，物理AI序章"主题分享会，宣布R7强化学习世界模型实现量产首发。同时公布最新商业化数据：搭载Momenta系统的量产车辆规模超过80万台，累计交付车型超过70款，定点车型数超过200款。

技术架构：世界模型与强化学习

Momenta合伙人、CEO曹旭东在分享会上将物理AI的核心概括为两大支柱：世界模型与强化学习。世界模型通过预测物理世界未来的状态和交互逻辑，使系统理解物体的物理属性与运动因果关系；强化学习则让AI在真实或虚拟环境中通过反馈试错、自主优化。

Momenta合伙人、研发SVP夏炎进一步拆解了R7世界模型的三个层次：

第一层，世界模型预训练。通过海量真实驾驶数据的预训练，将物理规律、常识与因果关系压缩进模型，使系统形成对物理世界的基础认知；

第二层，世界模型仿真。将世界模型用于自动驾驶的闭环仿真，让系统能够推演自身行为变化时世界将如何演变，依托高效场景推演能力，对长尾场景进行性能评估；

第三层，在世界模型中进行强化学习。在前两层的基础上，为强化学习构建一个高度真实的虚拟训练场，让系统在接近真实的环境中反复探索与试错。

长尾极端场景下，提供极致安全安心的守护

Momenta合伙人、研发SVP孙刚强调，真正的物理AI，不只是让车辆在绝大多数日常场景中顺畅行驶，更要在万中无一的罕见极端场景中，依然为用户提供万无一失的守护。

孙刚举例称，日常行车中，如果遇到前车意外掉落一箱苹果，Momenta的物理AI能力，能够自主预判苹果滚落的轨迹与扩散范围，提前平稳减速、规划绕行路线，以更从容、更贴合人类驾驶逻辑的方式处理突发路况。传统端到端算法难以预设和覆盖的长尾极端情况，Momenta R7强化学习世界模型理解物理世界的运动规律与交互逻辑，而非依赖场景记忆与规则匹配。

量产车辆规模超80万台 Robotaxi加速全球落地

Momenta合伙人、市场商务SVP孙环介绍，搭载Momenta系统的量产车辆规模已超过80万台。量产速度实现质的跨越：2022年首个10万台量产耗时24个月，而今最快不到40天即可完成10万台交付，飞轮效应正在加速形成。

目前，Momenta已成功交付超过70款量产车型，累计定点车型数超过200款。本次北京国际车展，超过20个品牌、共60余款车型搭载了Momenta的智能辅助驾驶方案，涵盖自主品牌、中外合资品牌等多元矩阵，成为全球品牌的共同选择。

在全球化布局方面，Momenta的方案已在英国、挪威、新加坡、澳新等超过10个国家和地区实现落地。与此同时，Momenta Robotaxi全球生态持续扩大，已与包括享道出行、智己汽车、Uber、梅赛德斯-奔驰、AutoGo、Lumo和Grab等多家共享出行公司及OEM达成战略合作，共同推进自动驾驶商业化服务的规模化落地。（萧健）

（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

4月23日是网易旗下游戏《第五人格》“画家”角色艾格·瓦尔登的生日，也是部分玩家为抵制AI绘图而发起的“停氪日”。游戏官方发布了一条生日祝福微博，但在被“生日快乐”填满的评论区，依然能看到这样的留言：“抵制AI，尊重创作，尊重艺术家。”

事情的起因是，《第五人格》于4月11日发布了“幸运儿”和“先知”角色的时装海报，被指出多处存在AI绘图痕迹，例如“烧杯里插着三脚架”“一只鞋子直接拉长”“手指只有四根”等。一款因美术风格而加分的游戏，却疑似使用AI进行创作，这让一些玩家认为自己遭到了背叛，他们决定在4月23日停氪，即停止为游戏付费。

图片来源：《第五人格》官方微博

就在玩家停氪的两天前，爱奇艺宣布已有上百位艺人签署同意书，同意入驻旗下影视制作平台纳逗Pro的艺人库，便于AIGC创作者遴选艺人。艺人肖像授权原本就是敏感地带，叠加高管表述和部分媒体报道中的误传，舆论瞬间引爆。爱奇艺不得不紧急作出澄清，其创始人、CEO龚宇甚至连发四条微博进一步解释。

有意思的是，在爱奇艺陷入争议的同时，字节跳动被曝完成了一轮内部调整。前番茄小说产品、运营负责人金黄龙已被任命为抖音直播业务负责人，向抖音总裁韩尚佑汇报。迅速成长起来的番茄小说，也曾经因“AI训练补充协议”而受到作者诟病。

2026年，是抖音诞生的第十年。过去的十年里，字节系的免费内容对付费内容平台造成了全方位冲击。面向AI时代，后者越来越多地表现出对技术的迫切追求。毕竟，这既与成本把控有关，也意味着可能改变命运的机遇。只是，字节的速度明显更快、获得的宽容似乎也更多，而这些平台的包袱却更重——它们昔日的成就，源自无数次灵感的闪现，是创作者的心血；但对AI而言，那只是养料。

《第五人格》“停氪”风波

4月23日，在《第五人格》官方为“画家”角色艾格·瓦尔登发布的生日祝福微博下，一位巴西玩家评论：“这位身为画家的角色会为你感到羞耻，你至今仍对你使用人工智能的行为保持沉默，至今仍未向粉丝们做出回应，而且还解雇了公司里的几位艺术家。”

这位玩家所说的，是《第五人格》周年庆期间，相关宣传视频和海报出现的多处疑似AI绘图错误。在微博、小红书等社交平台，有玩家进行了详细的总结，包括但不限于：“拉拉队员”角色的圆眼睛被画成了倒三角眼；“幸运儿”和“先知”角色的左右手分别少了一根手指；书架上的书莫名其妙地连成一片；角色八周年生日头像“AI味儿很重”……

愤怒的玩家在《第五人格》官方微博账号下留言，要求游戏“停止使用AI”“停止试探”“重新画海报”，“拒绝生成式AI，不道歉就停氪，不为AI买单”。一些玩家选择在4月23日停止为游戏付费，这一天是“画家”角色艾格·瓦尔登的生日。角色的画笔能将美好留住，他们也希望得到来自官方的声明和道歉，换回人类画笔对游戏创作的主宰。

图片来源：电厂截图自《第五人格》微博评论区

毕竟，《第五人格》吸引玩家的一个关键要素就是美术风格。哥特式的画风暗黑而神秘，角色形象精美且富有艺术性，配饰、光影等细节极为贴合。不过，收集这一切需要花钱，从游戏内的皮肤到衍生出的玩偶等周边，除了手气，更离不开氪金。

截至发稿，玩家依然没有等到想要的结果。在一位2022年开始入坑、付费近2万元的玩家看来，现在是游戏视频、角色海报立绘使用AI，“后面会不会连建模和各种美工都被AI全包呢，这是对玩家、创作者热爱的践踏”。

她在呼吁玩家参与集体停氪的小红书笔记中写道：“我真的非常寒心和失望，我相信没有人想看到自推被融得看不出人形，《第五人格》你对得起那些真心喜欢这个游戏、这些角色，为了他们而创作的人吗？一下子被爆出来那么多情况，有时间去删除官号下抵制AI的几百几千条评论、有时间去修改AI的疏漏，也没时间给玩家一个交代吗？”

由于在“画家”角色艾格·瓦尔登的生日祝福微博下抵制AI，前述巴西玩家被一些喜爱该角色的玩家视为“在自推生日帖找事儿”“不尊重角色”。对此，他的回复是：“即使这篇帖子关乎我最喜欢的角色，我依然会抗议，因为只有当我看到这个角色被一家真正关心他们的公司所拥有时，我才会感到高兴……如果你喜欢这个角色，你也应该为让他留在一个没有AI的游戏中而奋斗……尤其是在他的生日这天。”

“艺人库”与短剧中的“明星脸”

网易是一家积极使用AI的游戏厂商。在2025年第四季度及全年财报及业绩会上，一个公开信息是：2025年，网易全面深化AI应用，“AI原生管线在美术、策划、编程、动画及质量保障等环节实现大规模部署，部分环节效能提升300%”。网易CEO丁磊表示，公司致力于打造“最懂游戏的AI专家”，实现全方位深度整合的高效AI应用，为此将继续在垂类模型、AI原生玩法及人才梯队上保持高强度投入。

降本和提效，通常是内容平台拥抱AI的主要出发点。和丁磊类似，爱奇艺创始人、CEO龚宇也在反复强调AI之于平台的作用，无论是在电视剧制作产业大会、网络视听大会还是爱奇艺举办的年度大会上都是如此。在宣布转型为“非中心化的社交媒体”之外，爱奇艺对旗下影视制作平台纳豆Pro开放商用，并将IP库、艺人库、数字资产库纳入其中。

图片来源：爱奇艺

这里的“艺人库”可以简单理解为明星IP的素材库，便于AIGC创作者遴选艺人，进而通过爱奇艺与之沟通合作。引爆舆论的争议正是由此而来。只是，当高管表述和部分媒体报道中的误传叠加之后，艺人忙于辟谣、网友急着批评，仿佛没有人在意爱奇艺原本的措辞以及那上百个头像究竟是谁，还有所谓的艺人库到底意味着什么。

在长视频平台将这件事摆上台面之前，短剧早已暗度陈仓。如果你是红果短剧的深度用户，那么你总会刷到几个撞脸明星的AI仿真人短剧角色。杨紫、易烊千玺、任嘉伦、王鹤棣、沈月等艺人的团队都曾经发布声明，坚决抵制“AI换脸”。

图片来源：电厂截图自微博

4月6日，红果短剧发布《关于持续治理AI短剧素材违规使用行为的公告》，针对近期AI短剧素材违规使用问题开展专项集中治理，已完成1.5万部作品的全面核查，依规处置违规作品670部，AI生成内容冒用演员形象就是典型案例之一。

但在下架之前，流量收割早已完成。有对此感到不满的粉丝说，甚至不知道自己点进去举报是不是也贡献了播放量。当然，举报还是有用的。一位AI仿真人短剧从业者提到，生成角色形象时，流量明星“绝对不碰”，因为“粉丝太多”。这句话的言外之意是，中腰部以下演员都可能被“AI换脸”盯上。

目前，一些艺人的粉丝后援会已宣布禁止AI内容生成等行为。事实上，“AI换脸”的核心争议在于对他人肖像权、名誉权的侵犯，必须获得权利人明确授权同意。影视行业不乏类似需求场景：特效动作等较高难度、风险的戏份拍摄；突发状况造成无法补拍，不得不借此还原等。但除了这些特殊场景，就像长信传媒董事长郭靖宇所说的那样：“真人能演的剧为什么非要让AI做个假人来演？有这个必要吗？”

AI全方位渗透，内容行业的选择

和图片、视频这两种媒介形式相比，AI对文字的侵蚀更广泛，影响也更深。每一款面向用户的AI助手，都“取之于用户、用之于用户”，嵌入AI能力的社交平台同样不能幸免——在微信公众号文章的评论区，让元宝总结文章的行为极为普遍；而微博智搜经过大量营销号的“投喂”，不仅会给出离谱的回答，甚至已逐渐成为假新闻的温床。

具体到创作流程，阅文集团旗下起点中文网、百度旗下七猫中文网、字节跳动旗下番茄小说等网络文学平台，各自的官方写作工具都内置了AI功能，用来辅助写作。番茄小说的特别之处在于，它是第一家在作品签约协议中明确指出将使用作者的作品内容等进行AI训练、继而引发大规模讨论的平台。当时，一位作者将这个过程形容为“资本将真人作者的孩子榨成骨泥、喂给AI，AI再反刍出来喂给读者”。

虽然番茄小说删除了协议中与AI相关的条款，并声明“没有发布过任何纯AI写作的作品，也不会违背作者个人意愿使用AI写作能力”，作者却很难真正松一口气。因为“流量变差”而“AI套路文变多”，“真人哪有AI能写，流量自然被分走了”。

2026年2月4日，番茄小说发布公告称，启动专项整治行动，重点打击大规模量产低质内容的违规行为，包括“滥用AI工具批量生成、拼凑内容，作品缺乏原创性、逻辑性，语言生硬、内容空洞，‘粗制滥造’”，以及“以‘大规模量产’为目的，单日批量更新多本低质作品，恶意抢占平台流量资源，忽视内容质量”等行为。

图片来源：番茄小说作家专区

过去十年时间里，字节携流量和算法、以免费的方式将内容行业重新“教育”了一遍，AI的发展使其又多了一样武器。相比之下，付费内容平台的包袱更重——它们借此起家，内容是一切的根基，AI将对内容造成怎样的影响，唯有一边尝试、一边调整。

一个矛盾的现象是，一些用户一方面惊叹于生成式AI带来的效率提升和情感安慰，另一方面却无法接受自己的内容消费对象经过AI参与。在使用行为与抵触情绪之间，是AI的全方位渗透和基于这种渗透产生的焦虑。

电影导演贾樟柯的观点或许可以作为一种参考。他的看法是，新技术的发展不可阻挡，但需要关注并考虑到产业链相关从业者的生存情况。以电影行业为例，此前无论技术如何革新，播映形式本身和创作群体样貌没有发生变化。然而，AI可能造成中间环节的缺失。

不过，如果群体性创作不复存在，AI是否能再次带来创作灵感交汇的时刻？在贾樟柯看来，无论是文学、美术还是电影创作，“我们都是带着实体的生命感受接触这个世界，那些闪亮的地方都是意外，甚至有时候是错误，是计划之外的事情”。这些问题，心有困惑的创作者不知道答案，而积极拥抱AI的平台还未曾回答。

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 吴怼怼，钛媒体经授权发布）

文 | 吴怼怼

这一轮芯片股，又涨疯了。

4月24日，费城半导体指数创出历史新高，走出连续18个交易日上涨，年内涨幅超过47%。

直接的导火索，是英特尔给出了一份远超预期的业绩指引，市场突然意识到：AI带来的算力需求，还远没有走到尾声。

当天，英特尔股价大涨，AMD、Arm、英伟达等也被一起抬升。

AI算力的故事讲了几年，市场似乎还没有听腻。英伟达继续站在全球科技股的中心，AMD、博通等产业链巨头也不断被重新定价，连一度被视为“掉队者”的英特尔，在换帅之后，也重新被市场放回观察名单。

涨幅背后，当然有AI需求、云厂商资本开支、先进制程、HBM、网络芯片、定制ASIC这些硬逻辑。

但如果把视线从K线图上挪开，会发现另一个很有意思的现象：

这一轮被市场反复奖励的芯片巨头，背后站着一批华人或亚裔背景的掌舵者。

英伟达的黄仁勋，AMD的苏姿丰，博通的陈福阳，英特尔现任CEO陈立武，都在各自公司的关键时刻，扮演了极其重要的角色。

黄仁勋把英伟达从一家图形芯片公司，推成了AI算力时代的核心基础设施公司；

苏姿丰接手AMD之后，让这家一度被边缘化的公司重新回到高性能计算牌桌；

陈福阳治下的博通，靠并购整合、大客户绑定和定制芯片机会，吃到了AI基础设施扩张的红利；

陈立武接手英特尔，则被市场寄予了“修复老牌芯片巨头”的期待。

为什么偏偏在AI算力时代，一批华人及亚裔背景的工程师型管理者，集中站到了全球科技产业最值钱的位置上？

芯片行业本来就不太相信一夜成名。它相信工程、相信周期、相信供应链，最后也相信那些在产业里熬过漫长低谷的人。

AI芯片时代重新奖励一批工程师型、供应链型、长期主义型的产业管理者。表面看，几位华人CEO站到了舞台中央；往深处看，这是半导体产业几十年人才迁移、工程训练、全球分工和AI算力周期的一次集中爆发。

芯片行业最先奖励的，是能把复杂系统跑通的人

过去十几年，互联网行业塑造了很多明星CEO。

他们擅长产品叙事，擅长用户增长，擅长平台生态，也擅长把一个商业模式快速推向大规模市场。

芯片行业的节奏完全不同。

一颗芯片从立项到量产，往往要经历数年周期。架构能不能成立，制程能不能配合，良率能不能爬坡，封装能不能承接，客户能不能导入，供应链能不能稳定，每一个环节都可能决定最终成败。

尤其到了AI时代，芯片公司的竞争已经不再只是单颗芯片参数的竞争。GPU、CPU、HBM、先进封装、网络互联、服务器、电力、数据中心、云厂商资本开支、软件生态，全都被卷进同一个系统里。

英伟达最强的地方，也不只是GPU本身。

它真正厉害的是，把GPU、CUDA、网络、服务器系统、软件生态和客户迁移成本，做成了一个完整的算力平台。

AMD的机会，也不只是做出一颗可以对标英伟达的AI芯片。它还要让客户相信，自己在软件、供货、路线图、功耗和系统稳定性上，能够成为长期可选项。

博通走的是另一条路线。它不一定站在聚光灯最中央，但它通过网络芯片、定制ASIC、大客户深度绑定，成为云厂商AI基础设施扩张里的关键玩家。

这些公司看起来路径不同，底层要求却很相似：

懂技术，懂客户，懂供应链，懂资本开支周期，还要懂组织执行。

芯片行业最终筛选出来的，往往不是最会讲故事的人，而是最能长期兑现的人。

这也是为什么这一轮走到台前的CEO，很多都有很强的工程师底色。他们更像一代半导体产业经理人。

华人及亚裔高管集中出现，背后是一代人的产业训练

为什么在半导体行业，华人及亚裔背景的管理者这么多？

这和过去几十年的全球人才流动有关。

20世纪后半段以来，大量来自东亚、东南亚和南亚的理工科学生进入美国高校，学习电子工程、计算机、材料、物理等专业。

毕业之后，他们进入硅谷，进入芯片公司，进入EDA公司，进入晶圆厂，进入设备、材料、系统公司。

这些人没有一开始就坐到CEO位置上。

更常见的路径是，在产业里一步步往上走。

先做研发，再做产品；
先做项目，再做客户；
先管技术，再管业务；
先理解一家公司，再理解一条产业链。

黄仁勋在创立英伟达之前，曾经在AMD和LSI Logic工作。苏姿丰长期深耕半导体和高性能计算。陈立武在加入英特尔之前，曾执掌Cadence，也长期参与芯片产业投资。

这批人的共同点，不是同一个身份标签。

更重要的是，他们都经历过半导体行业最枯燥、最漫长、也最有门槛的产业训练。

半导体不像消费互联网，不能靠一次流量红利迅速做大。它要求人长期待在产业链里，理解技术路线，理解客户信任，理解产能节奏，理解成本结构。

今天我们看到的“华人CEO带飞芯片巨头”，其实是几十年工程训练、人才迁移和产业分工之后的一次集中显影。

AI周期来了，这批人刚好站在了牌桌中心。

AI把芯片重新定价了，也把这批CEO重新定价了

如果只是普通芯片周期，这个现象可能不会这么显眼。

真正让它变得耀眼的，是AI。

AI把芯片产业从过去的“零部件生意”，推成了今天的“算力基础设施生意”。

过去，市场看芯片公司，很多时候看的是产品竞争、库存周期、下游需求和行业景气度。

现在，AI把芯片公司的战略地位抬高了。

算力成了大模型公司的粮食，GPU成了云厂商资本开支的核心去向，先进制程和封装成了AI服务器能不能持续放量的前提，网络互联和定制芯片成了大客户降本增效的关键变量。

这时候，芯片公司CEO要处理的问题，远比过去复杂。

判断技术路线，也要判断客户预算；
押注产品方向，也要管理供应链风险；
面对资本市场，也要面对云厂商的长期采购计划；
懂芯片本身，也要懂软件生态、系统架构和数据中心。

这正是华人及亚裔背景工程师型CEO容易被市场重新定价的原因。

很多人长期横跨几个世界：美国科技公司的创新体系，亚洲制造体系，全球大客户体系，以及资本市场的估值逻辑。

他们知道一颗芯片怎么被设计出来，也知道它怎么被制造出来；知道客户为什么愿意迁移，也知道客户为什么不敢迁移；知道什么东西可以靠愿景推动，什么东西必须靠工程兑现。

AI时代放大的，不只是芯片公司的估值，也放大了这类管理者的稀缺性。

英特尔找陈立武，是在找一个产业生态修复者

英特尔新任CEO陈立武，也是这个话题里值得观察的案例。

因为英特尔和其他几家公司处境完全不同。

英伟达是AI算力平台赢家。

AMD是重新回到牌桌的挑战者。

博通踩中了定制芯片和云基础设施扩张。

英特尔则更复杂。

它曾经是全球半导体行业的绝对王者，现在却要同时面对制程追赶、代工客户信任、AI加速器落后、数据中心竞争、资本开支压力和组织文化重塑。

这不是换一个CEO就能立刻翻盘的局。

陈立武被市场期待，重点在他的产业履历。

他做过EDA，懂芯片设计公司如何工作；做过投资，熟悉创业公司和技术路线。

他长期在半导体生态里，理解客户为什么选择一家公司，也理解客户为什么不敢把订单交出去。

英特尔现在最需要修复的，恰恰是信任。

客户信不信Intel Foundry能稳定交付？
工程团队信不信公司还能回到技术主线？
投资人信不信巨额资本开支能换来回报？
市场信不信这家老牌巨头还能重新变轻、变快、变聚焦？

陈立武真正要面对的，是一整套信任系统。

这也解释了为什么市场会对他的上任产生期待。

英特尔需要的是一个懂产业生态、懂客户心理、懂工程纪律、也懂资本配置的人。

这轮芯片牛市，真正奖励了什么？

所以回到最初的问题：

华人CEO为什么带飞芯片巨头？

如果只看身份，很容易得出一个标签化的答案。

如果往产业深处看，会发现市场奖励的其实是几种能力。

第一，是工程判断。

芯片行业最后还是要看产品、性能、功耗、良率和交付。概念可以点火，工程才能续航。

第二，是长期主义。

英伟达的CUDA生态，AMD的高性能计算路线，博通的并购整合和客户绑定，都不是短期结果。

第三，是供应链理解。

AI芯片已经不是单颗芯片的竞争，而是设计、制造、封装、内存、网络、服务器、数据中心之间的整体协同。

第四，是客户绑定。

今天最大的AI芯片客户，往往也是全球最大的云厂商和科技公司。它们看重的不只是参数，还包括路线图、交付能力、稳定性和迁移成本。

第五，是资本纪律。

芯片行业极度烧钱。先进制程、AI芯片、封装产能、数据中心产品线，都需要巨额投入。真正难的地方，在于知道什么时候下注，什么时候收缩，什么时候聚焦。

这一代华人及亚裔背景的工程师型管理者，很多人刚好在这些维度上完成了长期训练。

他们懂技术，也懂商业；
懂美国科技体系，也懂亚洲制造体系；
懂资本市场的期待，也懂工程落地的残酷；
懂如何讲一个足够大的故事，也知道这个故事最后必须被产品、订单和利润验证。

AI时代没有凭空制造这些能力。

AI时代把芯片产业推成了全球算力基础设施生意，而这一代华人及亚裔背景的工程师型管理者，恰好是最早同时横跨美国技术体系、亚洲制造体系和全球客户体系的一批人。

他们站到台前，不是偶然。

这是半导体产业长期训练出来的人，遇上了AI时代最需要他们的时刻。

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

硅谷前沿：

一、Anthropic的ＡＩ安全漏洞检测工具被Discord用户未授权访问

1.ＡＩ安全工具遭未授权访问：Ａｎｔｈｒｏｐｉｃ的Ｍｙｔｈｏｓ Ｐｒｅｖｉｅｗ（ＡＩ安全漏洞检测工具）被Ｄｉｓｃｏｒｄ用户通过猜测ＵＲＬ格式和利用承包商权限未授权访问，暴露ＡＩ模型安全管控风险。

2.电信监控漏洞持续存在：监控公司利用ＳＳ７等电信协议漏洞，通过三家小型电信运营商（０１９Ｍｏｂｉｌｅ、Ｔａｎｇｏ Ｍｏｂｉｌｅ、Ａｉｒｔｅｌ Ｊｅｒｓｅｙ）追踪高价值目标位置，显示全球电信网络基础安全脆弱性。

3.跨国电诈与数据泄露事件：美国司法部起诉两名中国公民在缅甸运营加密货币诈骗园区，冻结７亿美元资产；同时三家研究机构违规出售５０万份英国生物银行健康数据至阿里巴巴平台，凸显跨境犯罪与数据治理双重挑战。

二、GPT-Rosalind登场：OpenAI用AI重塑生命科学研究的新范式

1.AI技术正深刻变革生命科学研发：OpenAI于2024年4月发布首个生命科学专用AI模型GPT-Rosalind，整合1.2亿条蛋白质序列和600万篇生物医学论文，在蛋白质结构预测中TM-score达0.978，较通用模型提升18%，药物靶点预测准确率达89%，显著高于行业平均水平。

2.AI大幅降低药物研发成本与周期：据麦肯锡研究，AI可将药物发现周期缩短至传统模式的1/3，成本降低至1/10；布鲁金斯学会预测AI技术可使药物研发周期缩短30-50%，成本降低40%；GPT-Rosalind在抗生素筛选中效率较传统方法提升5倍，分子生成时间从数月缩短至数小时。

3.生命科学AI市场快速增长且竞争加剧：2024年市场规模22.7亿美元，预计2025年达26.3亿美元（年增15.8%）；DeepMind的AlphaFold 3在复合物预测上略优，Meta推出ESM-3专注酶活性预测；国内华为云盘古、字节跳动等积极布局，中国已有超10家AI药企管线进入临床阶段。

三、DeepMind子公司AI设计药物即将启动人体试验，目标攻克所有疾病

1.技术突破与临床里程碑：Isomorphic Labs依托DeepMind的AlphaFold技术（2024年诺贝尔化学奖成果），其AI设计药物即将在2026年启动首次人体试验，标志着AI制药从研发迈向临床应用的关键转折点。

2.行业合作与资金支持：公司已与礼来、诺华等制药巨头建立合作，并在2025年完成6亿美元融资，为临床试验提供资金保障，同时推进肿瘤、免疫等领域的17个药物管线。

3.效率革命与成本优势：AI技术有望将传统药物研发（通常耗时10年、成本数十亿美元、成功率仅10％）的效率提升“几十万倍”，通过FDA新规采用AI计算模型替代动物实验，预估可使研发成本降低80％。

四、OpenAI与伊夫合资AI硬件项目遭禁令 禁止使用"io"品牌

1.OpenAI与苹果前首席设计官乔纳森·伊夫合作推出AI硬件产品“io”，但遭iyO公司商标侵权诉讼；2026年4月24日加州北区地方法院批准初步禁令，禁止OpenAI使用“io”品牌，案件进入证据开示阶段，2026年5月29日前需提交进展报告。

2.法院判决认为双方“io”标识相似度高且都用于消费电子产品，存在明显混淆风险；OpenAI虽声明弃用该品牌但未能完全消除市场混淆，iyO胜诉概率较大，初步禁令可避免其品牌价值受损和投资计划受影响。

3.AI硬件市场竞争加剧：谷歌2026年3月推出Pixel AI Hub整合Gemini Ultra模型，苹果计划2027年第一季度发布自研AI终端；OpenAI的商标纠纷可能使其错失市场先机，在激烈竞争中处于不利地位。

五、微软推组策略允许企业批量卸载Windows 11 Copilot AI助手

1.微软在2026年4月24日补丁星期二更新中，为Windows 11 25H2系统推出“RemoveMicrosoftCopilotApp”组策略，允许企业IT管理员批量卸载终端设备上的Copilot AI助手，前提是设备同时安装了Microsoft 365 Copilot和Copilot应用且近28天未启动。

2.根据IDC 2026年第一季度《全球企业AI助手部署报告》，尽管全球企业AI助手部署率达62%，但38%的受访企业选择部分或完全禁用内置AI工具，主要原因为数据安全风险、合规要求和员工使用习惯差异。

3.微软此次策略调整旨在满足企业灵活管控AI工具的需求，与谷歌（Workspace Duet AI）和苹果（macOS 15 Siri管理）形成竞争态势，通过增强企业控制权来提升Copilot的市场接受度，同时其企业级版本Copilot for Security在2026年3月推出后付费用户数增长150%。

六、印度AI内容强制标签新规：合规成本分化与数字媒体格局重构

1.监管政策：印度信息技术部2026年2月20日生效新规，要求所有AI生成内容必须附上“持续且清晰可见的标签”，违规内容删除时限从36小时缩短到3小时，覆盖音频、视频和文本等多模态形式。

2.市场影响：合规成本分化明显，中小企业技术预算占比达12%至18%，而大型科技公司仅需3%至5%，导致新规生效一周内印度数字媒体指数下跌4.2%，中小平台股价平均下跌11.5%，大型科技公司股价上涨2.3%至3.1%。

3.全球趋势：印度监管与欧盟2026年3月发布的《人工智能生成内容透明度实践守则》第二稿形成协同，均要求数字签名元数据和不可感知水印，推动AI内容透明度全球标准统一，促使跨国科技企业调整全球合规策略。

七、Hut8拟发行32.48亿美元投资级债券 为谷歌关联方支持的AI数据中心融资

1.Hut8 Corp.宣布发行32.48亿美元优先担保票据，用于建设245兆瓦River Bend数据中心，标志着从加密货币挖矿向AI算力基础设施的彻底转型，获得惠誉"BBB-(EXP)"投资级评级。

2.数据中心获得谷歌关联企业Fluidstack的15年长期租约（价值70亿美元），提供可预测现金流，项目将提供超过2.4万台A100级别GPU的算力资源，满足大规模AI模型训练需求。

3.行业趋势显示加密货币挖矿企业集体转向HPC领域（如Cipher Digital、Riot Platforms），麦肯锡预测2030年全球数据中心容量需求接近当前3倍，其中70%来自AI工作负载，算力基建成为投资焦点。

八、OpenAI奥尔特曼就未通报枪击案嫌疑人正式道歉，承认安全流程存在漏洞

1.OpenAI因安全审核漏洞致歉：公司自动系统2025年6月已标记嫌疑人涉及暴力内容的ChatGPT账户并封禁，但高层未及时通报执法部门，导致今年2月加拿大枪击案（8人遇难）发生后引发争议。

2.OpenAI加强安全协议：首席执行官山姆·奥尔特曼承诺与各级政府合作，未来发现类似行为将直接移交执法部门，公司已强化安全措施以防止悲剧重演。

3.AI监管趋严与责任边界争议：2026年全球AI法规从自愿准则转向硬法约束，欧盟、中国、美国形成三大监管体系，违规处罚可达企业年收入4％－7％，OpenAI此类事件加剧对AI公司安全责任边界的法律讨论。

九、Visier与Amazon Quick集成：构建企业劳动力AI代理工作空间

1.技术集成方案：Visier劳动力智能平台与Amazon Quick Suite通过MCP（模型上下文协议）开放标准实现无缝对接，整合企业知识、商业智能与工作流自动化能力，为知识工作者打造统一工作空间。

2.核心价值体现：该集成提供统一的劳动力智能视图、自然语言员工数据访问、可重复工作流自动化、跨职能决策支持，以及安全合规的数据访问治理，大幅缩短洞察获取时间。

3.实际应用场景：HR与财务人员可通过对话快速获取数据与政策对比结果并生成简报，利用Quick Flows自动化每周劳动力健康评分，通过Quick Research生成行业基准报告，提升决策效率。

十、谷歌安卓Verified Email一键注册功能上线：简化验证流程提升转化率

1.谷歌于2026年4月22日在安卓平台推出Verified Email一键注册功能，通过Android Credential Manager API和W3C数字凭证标准实现，将用户注册时间从15秒缩短至3秒（成本降低80%），预计可减少15%-20%因验证流程导致的用户流失。

2.行业身份验证无感化趋势明显：苹果2026年3月更新Sign in with Apple支持第三方邮箱验证，微软一季度推出Microsoft Account一键登录扩展，Meta在4月中旬测试基于Meta账号的一键注册功能，计划三季度覆盖旗下应用。

3.麦肯锡2025年数字体验报告显示，约35%用户因验证步骤超过3步而放弃注册，导致应用平均转化率下降22%，这推动了行业对简化验证流程的技术创新需求。

十一、冈萨加大学与微软深化合作：技术赋能教育，打通职业路径新通道

1.合作模式：冈萨加大学与微软自2018年合作开发AI基础课程，累计培训5200余名学生；2024年推出“微软技术职业加速计划”，涵盖Azure云认证、Copilot教育应用及企业实习三大模块，覆盖计算机科学等6个专业方向。

2.技术价值与就业影响：Copilot基于GPT-4大语言模型，代码生成准确率达89%；参与合作项目学生就业率提升15个百分点，平均起薪提高12%；微软招聘成本可降低约20%。

3.行业趋势与竞争格局：2024年第一季度美国高校与科技企业合作项目数量同比增长32%，其中AI与云计算领域占比65%；竞品方面，苹果与MIT合作AR/VR实验室，亚马逊启动AWS云技能奖学金计划覆盖10所高校。

十二、微软重启Xbox独占策略：差异化布局瞄准主机市场颓势与品牌修复

1.微软Xbox 2026年4月宣布重启差异化独占策略，以应对主机市场份额下滑（据Omdia预测2025年Xbox份额将从17%降至14%），策略调整包括《光环》《星空》等叙事大作保持独占，而《我的世界》等多人游戏继续跨平台发行，旨在平衡硬件销售与用户生态。

2.独占策略与下一代主机Project Helix（预计2027-2028年上市）同步推进，为新品提供内容支撑，目标到2027年提升Xbox Series X|S销量15%并恢复市场份额至32%，同时应对索尼PS5 Pro（2026年第四季度上市）和任天堂Switch 2（2027年发布）的竞争压力。

3.行业数据显示独占内容对硬件销量拉动效应显著（据麦肯锡报告可达30%），而跨平台发行虽扩大用户基数却削弱主机独特性，微软此次策略调整旨在修复Xbox品牌价值，应对玩家流失（月活跃用户同比下降13%）和硬件竞争力下滑的核心挑战。

开源趋势：

十三、英伟达Blackwell适配DeepSeek双开源模型 高性能AI部署效率再升级

1.英伟达于2026年4月25日宣布其Blackwell计算平台已完成对深度求索（DeepSeek）两款大模型的全面适配，包括1.6万亿参数的DeepSeek-V4-Pro和2840亿参数的DeepSeek-V4-Flash，两款模型均采用MIT开源协议，支持百万Token上下文窗口与38.4万Token输出长度。

2.硬件适配显著降低AI应用开发门槛：通过NVIDIA NIM微服务实现一键部署，DeepSeek-V4-Pro在GB200 NVL72配置上单用户推理速度超150 tokens/秒，同时支持多节点扩展和工具调用功能，推动AI技术从实验室走向产业落地。

3.行业竞争加剧推动开源生态发展：麦肯锡数据显示全球开源大模型应用渗透率已从2025年的28%提升至2026年的35%，同时AMD和英特尔也在2026年4月分别宣布对Meta Llama 3 70B模型和主流开源模型的适配计划，硬件厂商正加速布局开源AI生态争夺市场主导权。

（广角观察、Edge AI Daily等综合整理）

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

4月25日，以“芯视野·新格局”为主题的润芯微战略与产品发布会在北京车展期间举行。作为行业稀缺的“芯片+操作系统+AI”全栈解决方案提供商，润芯微首次完整展示已打造的可应用于多端场景的“国产软硬一体AI智能基座”。本次发布会通过战略、技术、产品、生态的完整呈现，全面展现润芯微在多端智能领域的进展情况。从百万量产上车到openvela通过兼容性认证，从车载座舱到两轮车智能终端、机器人算力平台，体现润芯微“国产软硬一体AI智能基座”产品及解决方案的核心竞争力持续凸显。

 当天活动上，润芯微正式发布“1+4+N”战略体系。该体系是以知芯·国产计算平台+知微·AIOS+知润·端侧模型为核心，打造自主可控的国产AI智能基座，赋能车端、移动端、AI智能硬件、具身智能四大赛道。润芯微提及，将与合作伙伴一起推动智能向出行、工业制造等场景延伸，通过技术复用与生态协同实现场景智能规模化落地，致力成为中立开放的产业连接器。

 润芯微董事长刘青在致辞中表示，当前汽车产业进入智能驱动、自主可控新阶段，“核心技术卡脖子、价格内卷、供应链不稳”等行业痛点亟待破解，国产全栈技术的突破与规模化应用是产业发展关键。润芯微将依托全栈工程能力，深耕国产智能基座等核心方向，携手产业链推进国产技术规模化上车。

汽车行业存在普遍的“国产芯上车难”现状：不仅要突破车用芯的研发生态配套、稳定性易用性的技术门槛，还卡在芯片底软与车端OS、域控架构深度适配的缺失，现在更卡在端侧AI、多屏联动、全球手车互联等方面的一体化调优能力。而芯片厂懂硬件、主机厂懂整车，中间“软硬融合+体验翻译”的桥梁却长期由国际厂商占据，由此成为国产芯片规模化上车的最大瓶颈之一。

由润芯微自主研发的软硬一体国产智能基座的一些列产品，在汽车领域实现了稀缺的“垂直整合能力”：从芯片到系统、性能、交互，与车控服务全链路打通，有效破解国产替代落地周期长、适配成本高等核心痛点。其具备的“芯片+操作系统+AI”的全栈能力，可实现“芯片-系统-硬件-应用”深度协同，可大幅缩短车企等终端客户的研发周期。

依托该核心基座，润芯微成立五年即实现智能座舱量产上车百万台，配套上汽、北汽、东风等知名车企车型，覆盖乘用车、商用车多平台，月出货量稳步提升；目前已完成紫光展锐、杰发、地平线等主流国产芯片适配，润芯微C200智能座舱平台，已成为商用车领域“芯—舱—车”协同的行业领先平台。

凭借全栈技术实力及百万量产经验与开放生态，润芯微精准契合车企在智能座舱、舱驾融合等领域的增量需求，已获得多家车企车型定点。同时基于国产芯片的座舱方案，润芯微已实现多平台、全球化落地，并具备完善的量产交付与合规能力。

在本次发布会上，润芯微集中发布了可应用于全场景智能出行的核心产品矩阵。

在国产AI智能基座领域，润芯微发布了C200与X100��核心产品，其中C200作为主力量产底座，算力达60K~90K，国产化率90%，支持全场景互联与3D沉浸式交互；X100为舱驾一体高阶平台，算力达100K+80T，支持高速NOA、自动泊车等功能。其中C200平台已定点10余款车型。

AI与系统方面，润芯微发布智能体OS与知润端侧多模态模型。当AI正从“生成内容”走向“执行任务”，智能体OS将重构智能组织方式，通过“端云协同”实现可控执行与持续进化，三层AI能力体系可满足车载、工业机器人等场景的实时性、低功耗需求。

润芯微发布了最新一代知微·AIOS Lite（智能体OS）。该系统基于openvela构建，具备轻量、高效、智能、开放四大核心优势，应用于润芯微国产AI智能基座，包括两轮智能仪表，车载AIoT设备等出行所有需求，配套全链路工具链，完美诠释国产替代超高性价比，并保障用户体验的一致性。

润芯微发布了RideBrain M4智能仪表与知趣·智能码表的智能体。RideBrain M4以知微AIOS为核心，包括了OpenClaw（小龙虾），将AI主动服务深度融入产品，结合情感化交互设计，全方位升级用户骑行体验；知趣·智能码表则依托自身无缝互联能力，持续丰富IoT生态，拓宽智能设备的应用场景。

算力与机器人领域，润芯微发布了Rbox-S100商业级大小脑一体化算力平台，面向通用智能机器人，解决算力割裂、实时性不足等量产痛点。

发布会上，润芯微与openvela、深度机智举行了战略合作签约。润芯微表示，未来将持续深耕国产AI智能基座领域，以技术实力与工程能力为核心，以高国产化解决方案，助力汽车、AI智能硬件、具身智能等产业企业实现快速量产，携手产业链伙伴共建产业生态，共筑智能出行新生态。

作为小米生态IDH与openvela生态核心共建方，基于openvela技术底座与Gemini‑S1硬件支撑，润芯微已打造可商业化、可量产的全栈系统方案，落地AI Agent本地服务、车载AIoT智慧玲珑屏、两轮车智能仪表、智慧环境感知面板等多元场景。

小米Vela研发部总经理王爱军表示，润芯微在openvela生态建设中做出了关键贡献，润芯微自研Gemini-S1开发板是全球首款通过openvela官方兼容性认证的开发板。期待润芯微能以知微AIOS Lite的发布为起点,继续深耕出行场景的技术创新,探索更多轻量化智能交互的应用场景,让openvela的技术底座绽放更大价值。

润芯微与深度机智的深度合作，则将围绕具身智能产业生态构建、技术落地、场景赋能、产业升级等方面开展，双方将共同推动具身智能技术从底层创新走向规模化产业应用。

深度机智创始人陈凯表示，深度机智和润芯微的合作，是基于双方在具身智能产业化路径上的高度互补。深度机智专注于物理智能研发，以第一视角数据提取物理常识，打造通用基座模型与软硬协同技术体系，而润芯微则聚焦国产AI智能基座，具备国产芯片计算平台、AI操作系统、端侧模型及大小脑一体化算力平台能力。润芯微能够为深度机智的具身智能模型提供端侧部署、工业场景验证和规模化应用所需的底层算力与工程化支撑，帮助具身智能技术更快进入物料分拣、转盘、装配等典型智能制造场景。

4月24日，2026北京国际汽车展览会在京正式开幕。京东汽车与深蓝汽车联合推出的国民好车2.0——深蓝L06增程版登陆深蓝汽车展台，以行业首创会员购车折扣、车展专属权益及越级产品实力，吸引更多汽车用户关注。

官方图片

京东汽车联合深蓝汽车共同推出京东PLUS会员购车可享整车95折权益，将平台会员价值从日常消费延伸至整车购买、用车全链路，开创“电商+车企”合作新范式。深蓝L06增程版推出245Ultra激光版、245Ultra+激光版两款配置，官方指导价分别为 134900元、146900元。叠加京东 PLUS会员95折后，两款车型折后价分别低至127155元、138555元，高配车型至高直降7345元，优惠金额可覆盖用户全年油费与基础保养支出，真正实现高配不溢价。即日起至6月20日，用户下单99元限时首发权益且在6月20日前支付“深蓝L06增程版”定金，还可限时享1000元尾款抵扣权益，多重优惠叠加，进一步降低购车成本。

官方图片

为回馈车展观众，京东汽车与深蓝汽车特别推出北京车展专属权益。现场扫码预约深蓝L06增程版0元试驾，即可免费领取定制七鲜咖啡或京东JOY玩偶。所有北京车展观众登录京东APP搜索“北京车展专属礼”，凭北京车展门票可解锁“国民好车2.0北京车展专属礼”——价值100元的京东汽车618早鸟车品权益礼包及免费洗车服务。京东汽车“Open出发”120分钟上门深度试驾服务已经在济南上线，有效解决传统试驾场景单一、体验有限的问题，一站式优化看车、选车、试车体验。

深蓝L06增程版基于京东海量车主数据洞察，精准把握年轻用户对长续航、辅助驾驶功能、高安全、低能耗的核心需求，深蓝汽车从产品定义阶段便实现需求匹配，是20万以内少有的“满配”智能增程轿跑，打破了行业内高配车型普遍溢价的惯例。深蓝L06增程版CLTC综合续航至高1505km，纯电续航至高245km，NEDC馈电油耗低至3.46L/100km，兼顾长途出行与日常通勤。底盘搭载百万级豪车同款磁流变悬架，麋鹿测试成绩达85.6km/h，操控性能领先同级。新车还搭载激光雷达与双地平线J6M芯片，配备全球首发3nm车规级座舱芯片，保障操作流畅度与导航精准度。

此外，用户还可享受综合价值44359元购车权益，包含金融免息、免费全场景城区领航辅助、免费科技舒享包、999元购价值3999元充电桩（含30米基础安装）、终身免费基础流量、赠送1年京东PLUS会员等，进一步降低购车与用车成本。

目前，深蓝L06增程版已在京东APP全面开启大定，用户打开京东搜索“国民好车”，即可直达专属页面，锁定PLUS会员95折、限时抵扣、车展专属礼包等多重权益，轻松选购 20万内满配智能增程轿跑。

4月25日，在2026北京国际汽车展览会现场，京东汽车与212越野车宣布达成战略合作。京东汽车将作为线上独家渠道，销售212越野车首个越野生态系列METTA旗下全新车型——T01 METTA和T01 METTA巴丹吉林，新车上市指导价分别为18.99万元和21.99万元，京东PLUS会员购车更可享至高3000元购车补贴。同时，京东汽车还将联合越野e族发起“全民越野合伙人”招募计划，邀请合作伙伴共赢越野市场新机遇。即日起，在京东APP搜索“全民越野”，即可预订T01 METTA的全新车型。

官方照片

如今，越野早已不是少数人的专属。它的边界正在被不断拓展，可以是赛道的激情、远方的探索，也可以是日常生活的个性表达，越野产品正从出行工具属性转向生活方式属性。中汽协数据显示，过去5年间，中国硬派越野车销量从14.5万辆攀升至39.3万辆，市场规模增长率超过170%，越野文化也正加速走向大众。

基于这一洞察，212越野车于北京车展正式推出全新越野生态系列——METTA。承袭212品牌硬核越野基因，聚焦“越野生态与文化”广阔领域，METTA定位超越单一产品维度，致力于提供覆盖越野生活方式的综合生态服务。作为METTA序列的开山之作，T01 METTA/METTA巴丹吉林版本承载了广大越野爱好者对“纯粹、硬核与未来”的极致想象，成为名副其实的“全民越野车”。

官方照片

212 T01 METTA整车底盘采用前后整体硬桥加大梁结构，配备前后电子差速锁和分时四驱，构成一套经典而扎实的越野底子。动力方面，2.0T发动机配合采埃孚8AT变速箱组成的黄金动力组合，最大功率185kW，峰值扭矩410N·m，变速箱可承受扭矩500N·m，低扭强劲、换挡平顺。它搭载的博格华纳大分动器在4L模式下扭矩可放大2.64倍，相当于给车轮多叠加近两倍驱动力，爬陡坡、拽重物轻松应对。

除了硬核性能，T01 METTA还带来了更友好的越野体验。10种驾驶模式、蠕行模式、坦克掉头一键切换，适配从城市到荒野的全场景路况。驾乘感受同步升级，匹配360°全景影像带底盘透视，极大消除越野盲区；电动踏板、方向盘加热，以及主驾驶座椅加热、通风、按摩等舒适配置一应俱全，让长途远行同样面面周到。T01 METTA上市前历经366项性能测试、超100万公里验证，及±40℃、5500米高海拔、1万公里专项越野严苛测试，用可量化的测试，支撑安全可靠的底气。

官方照片

作为战略合作首款车型，T01 METTA在京东平台独家线上销售。目前，212官方旗舰店已上线京东。用户在京东APP搜索“全民越野”即可预订新车并享受多重专属权益，京东PLUS会员至高可获3000元购车补贴，还有机会获得豪华改装包。

值得一提的是，双方还将在车辆交付、售后等多方面进行深度合作。除212现有128家销售渠道及111家交付门店外，京东养车全国服务网络也将陆续接入该车售后服务网络，实现交付与售后双保障。目前，京东养车在全国已经拥有超4000家门店。今年，京东汽车还将新建超100家京东国民好车交付中心。依托京东汽车打造的“买、配、养、用、换”一站式汽车消费平台，京东将充分发挥供应链及服务优势，为“212 T01 METTA”打造更极致的消费体验。

活动当天，京东汽车、越野e族还联合宣布，面向越野e族的生态合作伙伴以及更多越野圈生态伙伴，发起“全民越野合伙人”招募计划，成为212 METTA生态“合伙人”。加入“全民越野合伙人”计划的生态伙伴，可通过京东平台，和212经销商及京东养车门店一起，为用户提供线上线下标准化的售车、交付及售后服务，助力行业创新发展，共赢越野市场新机遇！

36氪获悉，4月24日，在2026北京国际车展上，卡尔动力正式发布面向L4货运下一个十年的核心战略——KargoBot Inside。据介绍，这是全球首个面向干线货运的“AI+Robot+Service”全栈赋能战略。

作者 | 乔钰杰

编辑 | 袁斯来

当前，制造业正站在从“自动化”向“智能化”跨越的关键节点。

2026年是海康机器人成立十周年。作为工业智能化领域的创新者与实践者，海康机器人近年持续推进机器视觉、移动机器人与柔性制造技术的深度融合，构建起“眼、脚、手”一体化的全栈技术能力，形成了以机器视觉、关节机器人和移动机器人为核心的三大业务体系。

2025年全年，海康机器人营收突破64.52亿元，其中机器视觉类产品累计出货量超 1000 万台，移动机器人累计下线突破 18 万台。基于完善的硬件产品线，其自研工业软件授权用户超60万人次，全球服务客户超2万家。

2026年4月22日至24日，「海康机器人·智造大会2026」在杭州桐庐举办。海康机器人首席执行官贾永华提出“具身智造”的概念。他表示，传统自动化体系正面临灵活性不足的问题，难以适应需求碎片化与用工结构变化。“具身智造”需要通过两种能力来应对：一是具备多任务能力的高柔性设备，二是可快速复制的场景化应用能力，从而推动制造体系从“人适应机器”向“机器适应环境”转变。

大会期间，海康机器人除展示了机器视觉、关节机器人、移动机器人在制造、流通等行业场景的应用落地情况外，还并发布了超过35款新品，覆盖标准视觉（2D与2.5D计算光学）、高精度3D视觉以及AI智能视觉等方向，重点针对复杂场景成像、高精度测量及AI落地难等工程问题。

图源企业

面向未来，海康机器人也在积极推进AI融合与具身智能布局。

在接受36氪专访时，海康机器人副总裁张文聪介绍，公司自2016年起系统性推进AI技术在产品中的落地，目前已在多个产品线中实现规模化应用，并成为提升产品性能与工程效率的重要手段。

早在2019年，海康机器人用于调度移动机器人的RCS（机器人控制系统）就开始在路径规划和任务调度中引入强化学习与运筹优化方法，突破调度规模上限；到2021年初，已在一汽丰田单厂实现超1000台机器人跨地图协同运行。“接下来，公司也会探索AI进一步向工业深水区渗透的路径，包括更复杂场景下的质检能力。”张文聪表示。

在被问及具身智能在工业的应用，张文聪表示，“具身智能”并不代表产品都要做成拟人形态，“海康机器人现阶段把端到端的眼、手的协同做好，广义看也是朝向具身智能的很大进步，比如说机器视觉和关节机器人配合的视控一体应用就会有很大的提升。”

面向更长周期，张文聪表示，工业场景中，在高度标准化、高节拍的环节上，专用设备仍具效率优势；但在节拍要求相对宽松的场景中，具身智能具备“一机多能”的潜力。整体上，具身智能与现有自动化方案将更多形成互补关系，而非直接替代。

图源企业

以下是36氪与海康机器人副总裁张文聪的交流内容，略经编辑：

问：机器视觉、移动机器人和机械臂，这三个板块的营收占比如何？

张文聪：目前来看，我们的营收还是主要来自机器视觉和移动机器人这两大板块，机械臂这一块占比还不算大。主要原因是我们切入机械臂相对比较晚，虽然已经做了大概5年，但整个产品线还在持续丰富的过程中,目前整体营收规模还在爬坡阶段。

问：目前AI在我们的产品中有哪些实际应用？

张文聪：AI现在已经比较深入地用在我们的产品里面了，尤其是在机器视觉这一块。像读码、OCR识别这些场景，我们都已经用深度学习做了比较多的升级，以前很多识别算法是需要现场训练的，现在基本上可以做到“开箱即用”，大多数场景下不需要再做二次训练，效果也比较稳定。

另外一个重点方向是工业质检，我们这几年也在持续投入。从早期的小模型，到现在逐步引入大模型。以我们和一家国内大型医疗用品生产企业的合作举例，他们希望为生产的一次性医疗手套引入一套全自动、高精度、可追溯的质量检测系统。而手套属于柔性物体，容易变形，而且颜色类型非常多，这类缺陷检测其实难度很高。

我们在2021年最早用传统的CNN模型来做时，每上一条产线基本都要重新采样、重新训练，扩展起来比较慢。后来在23、24年切换到大模型方案之后，同一个车间内的多条产线可以快速复制，原来可能需要上万张样本，现在一两百张就够了。现在这套系统能稳定检出0.8毫米以上的缺陷，对污渍、破损等重要缺陷的检出率超过99.995%，一条线一天能检30万只，整个部署和交付效率提升非常明显。

问：整体来看，目前AI 类产品在工业场景的落地情况如何？

张文聪：AI在工业场景的落地仍然偏慢，核心原因在于成本与交付周期。一方面，工业质检等应用场景复杂，系统开发周期长，导致整体解决方案成本较高；另一方面，终端客户在评估投入产出比时，如果回报周期过长，往往会延迟或放弃部署。

针对这一问题，公司一方面持续提升算法能力，降低开发和部署成本；另一方面通过引入大模型、优化工程化能力，缩短交付周期，减少对样本数据和人工调试的依赖。整体目标是推动AI能力“普惠化”，让更多行业能够以可接受的成本使用智能化方案。

问：您如何看待人形机器人在工业场景的落地价值？

张文聪：我觉得是有价值的，但前提是要把“通用性”真正做出来。如果一台人形机器人能够一机多用，既能搬运、又能做简单质检，甚至还能做上下料，那在一些节拍要求没那么高的场景里，它的价值就很明显了，可以成为“多能工”。

但如果高度标准化、节拍很快的产线上，还是“专机”效率更高、成本更可控，所以两者更像是互补关系，而不是替代关系。从现在来看，人形在工业里的落地还比较早期，尤其工业对稳定性要求很高，目前很多能力还需要持续迭代。 

图源企业

问：海康机器人强调的“眼脚手”协同和VLA模型是什么关系？

张文聪：VLA（Vision-Language-Action）模型是一种理想的端到端范式，目标是通过单一大模型实现从感知到决策再到执行的全流程闭环。但从当前技术成熟度来看，这条路还在比较早期的阶段，真正落地还有不少挑战。

相比之下，我们提出的“眼脚手”协同更偏工程化路径：通过视觉（眼）、操作（手）、移动（脚）等模块的协同，实现具体任务的自动化。在实际落地中，我们更多是用多个小模型组合来解决问题，而不是完全依赖一个大模型。当然，VLA这个方向我们也在做，而且有专门的团队在投入。整体来看，我们的理解是：短期靠“小模型组合”实现落地，长期再往端到端的大模型演进，两条路线是并行的、互补的关系。

问：软硬一体布局为公司带来了哪些核心优势？

张文聪：软硬件一体化是公司核心战略之一。一方面，单纯做硬件容易陷入同质化竞争，缺乏差异化壁垒；另一方面，仅做软件在商业模式和客户粘性上也存在挑战。软硬件协同，可以实现相互促进：硬件带动软件销售，软件提升硬件附加值。

以机器视觉为例，我们的自研软件平台可以以模块化方式开放给客户进行二次开发，从而形成生态粘性。同时，软件还能帮助客户降低开发成本、提升效率，规避知识产权风险。整体来看也构建了更高的技术与商业壁垒。

作者丨欧雪

编辑丨袁斯来

硬氪近日获悉，工业智能体及高价值应用公司——智用开物已完成近亿元天使+轮融资。本轮由老股东瑞枫资本领投，创享投资跟投，同时获得战略级客户立讯精密家族办公室及高管团队的战略投资。资金将主要用于建设全球首个面向产业的“工业语义引擎”及制造业高价值岗位智能体研发。

这已是智用开物过去一年内的第三轮融资。2025年，公司先后完成由瑞枫资本、豫资涨泉��上市公司制造业数字化龙头企业赛意信息的投资。

智用开物2024年1月成立于广州，专注于通过“工业语义引擎+工业级多智能体系统”，将复杂的工业知识转化为AI可解析、可执行的逻辑，降低AI在工业场景的落地门槛。

硬氪获悉，智用开物的核心团队带有浓厚的“微软基因”。CEO管震曾任微软中国首席技术顾问，是国内知名人工智能应用专家，COO赵铭曾任微软全球CTO办公室首席架构师，CTO张善友是连续20届微软最有价值专家和腾讯架构师名人堂成员；团队其他核心成员也均来自微软、阿里、腾讯、IBM等企业。

与市面上多数停留在数字化层面的软件公司不同，智用开物已真正深入产线。公司产品能原生支持OPC UA等工业协议（基于C#语言），实现毫秒级响应；其多智能体系统已能协同产线上的机械臂与机台，完成复杂任务的自主规划、调度与智能工艺优化协作。

本轮资金将重点用于深化工业级多智能体操作系统 Agent Foundry的技术迭代，构建由“工业语义引擎（Ontology & Harness）”支撑的底座，并以此驱动“岗位智能体（NCREW）”在多个高价值工业场景的规模化应用。

目前，智用开物已形成三大产品矩阵：一是多岗位智能体：面向企业终端用户的标准AI员工产品。企业无需投入大量资源从AI基础开始研究，只需上传岗位SOP等资料，智能体便可通过自学习，在“N分钟”内完成上岗适应多任务。岗位智能体（NCREW）并非简单的对话机器人，而是基于企业SOP和工业逻辑自进化的“虚拟员工”。在特定场景下，其综合协同效能可提升数倍，并实现7x24小时的无间断精确执行。单个岗位智能体效能相当于6-10名人类员工。

二是工业制造领域的人工智能可赋能的高价值场景产品，基于和链主企业的产业私有化数据和场景的挖掘，在ICT,装备制造，汽车产业中的BOM管理，APS排产，供应链预测及管控等领域广泛服务客户。

三是多智能体操作系统“领航navi”+工业语义引擎的黄金底座：语义引擎承载企业核心业务逻辑、裁决机制与领域机理的“中枢大脑”。它解决不同系统间数据语义不一的问题，将隐性工业知识结构化，确保AI的输出符合制造规范与工艺约束，是实现智能体跨企业快速迁移的关键。多智能体操作系统，负责复杂任务的理解拆解、多智能体协同规划、动态调度与自我反思迭代，支撑智能体的全生命周期演化。

Navi劳动力智能体市场（图源/企业）

管震告诉硬氪，智用开物的价值已在头部客户处得到充分验证。以本轮战略投资方立讯精密等链主为例，智用开物的智能体已在其多条产线深度应用。

成果包括：单个AI排产员效能相当于六名人类员工；SOP自动化率达到80%；潮汐用工上岗培训时间从1.5天缩短至2小时；产线异常处理速度提升8倍；设备维护效能提升40%。接下来，公司计划今年内推出多款通用岗位智能体，覆盖工业企业中研发、排产、供应链风险、质量等核心场景。此外，公司将持续深化与多个产业链主企业的合作，共同推进装备制造，汽车零部件、精密电子加工等产业的工业语义引擎标准制定。

以下为硬氪与智用开物CEO管震的访谈节选：

硬氪：与互联网大厂及传统软件公司相比，智用开物的核心优势是什么？

管震：大厂的最佳商业模式是卖算力和模型，很难为单一工厂定制产线逻辑，边际成本太高。传统软件公司则有历史包袱，要自研多智能体系统投入巨大，容易失败。我们的优势在于三点。第一，真上产线。我们原生支持工业协议，无需转译，能实现毫秒级响应，这在工业现场很关键。第二，工业语义引擎。我们把80%的通用工业逻辑模型化，剩下20%的个性化知识由AI自学习，实现跨企业快速迁移，同时，我们利用Harness框架对工业流程进行了物理约束，这意味着AI不会产生“幻觉”，它的每一个动作都符合安全和工艺规范。这是我们敢说“半小时上岗”的底气。第三，多智能体协同。我们不仅做单点任务，更让产线上的机械臂、机台、质检系统像团队一样自主协作。检验标准很简单——你是不是真上了产线，能不能当6个人、10个人用。

硬氪：工业场景高度定制化，你们如何实现标准化和规模化？

管震：这正是我们今年主攻的方向。我们推出“岗位智能体”这种标准产品，企业不需要从选模型、买服务器开始。你只需告诉AI这个岗位是干什么的，上传SOP、历史数据等资料，它会通过自学习在半小时到几小时内完成上岗适应。我们把这套能力拆解为“工业语义引擎”——它把80%的通用逻辑预先抽象好，剩下20%的个性化部分用解析器自动对齐。就像一个人类员工入职，熟悉一下系统就能干活。我们不是在卷模型参数，我们是在卷工业逻辑的解析深度。大厂做的是“通才”，我们做的是“闭环的专才”。

硬氪：智用开物的商业化路径是怎样的？

管震：我们分三步走。第一步，服务大型链主企业，提供平台加高价值场景打造，目前已服务立讯精密等头部客户。第二步，与ISV（独立软件开发商）深度合作，帮助他们的传统软件升级为AI原生应用。第三步，面向中小企业推出标准化的岗位智能体，通过分销渠道快速覆盖。2026年，智用开物将通过“链主引领、ISV赋能、渠道下沉”三位一体的商业策略，实现业务的规模化爆发。目前公司合同额已呈现十倍级增长趋势，预计未来两年内将覆盖超千家制造业企业。

投资方观点：

瑞枫资本董事长令西普：瑞枫此次加码，核心在于我们对“无赋能，不投资”的贯彻执行。不同于财务投资人，瑞枫依托独有的产业生态圈及链主企业资源，持续为智用开物提供真实的工厂场景与一线需求。瑞枫始终通过产业一手信息筛选项目、判断项目、赋能投后项目，此次作为老股东追加投资，是对智用开物在链主企业落地能力的高度认可，更是瑞枫构建“产业生态圈”的战略延续，旨在通过资本与资源的双重加持，推动被投企业从技术验证走向规模化商业落地。

整理｜孟孟 

今日热点导览

铁路部门将实行老年旅客购票优惠

哈啰因未按规定备案、投放运营或者回收车辆再被罚款10万元

网友称用豆包提前查到事业编成绩，官方回应 

耐克将裁减1400个公司职位，主要集中在技术部门

中国再发现两种月球新矿物，嫦娥五号样品研究获新突破

TOP3大新闻

马斯克花4000多亿买下00后公司，SpaceX锁定Cursor补齐AI编程短板 

近日，SpaceX与AI编程初创公司Cursor达成一项收购协议：SpaceX获得以600亿美元（约合人民币4000多亿元）收购Cursor的选择权。Cursor由四名麻省理工学院辍学的“00后”学生于四年前创立，估值从2024年初的25亿美元飙升至2025年底的293亿美元，四位创始人每人所持股份价值至少13亿美元。

Cursor付费用户超过100万，超半数《财富》500强企业使用该产品，英伟达CEO黄仁勋曾将其列为“推动人机协同数字劳动力革命的六家核心企业”之一。但Cursor依赖OpenAI的GPT和Anthropic的Claude，自身无底层大模型。马斯克则公开承认xAI在编程方面“落后”，正在重建。SpaceX旗下xAI拥有强大算力却缺应用产品，Cursor有产品却缺自主大模型，双方形成互补：Cursor将接入SpaceX的Colossus超算，SpaceX则补齐AI编程短板。分析认为，此举旨在构建“算力+模型+工具”闭环，AI竞争正从底层算力向应用层延伸。（21世纪经济报道）

世界杯决赛门票，转手价近230万美元

国际足联官方门票转售平台日前出现了4张2026年足球世界杯（美加墨世界杯）决赛的门票，每张票要价接近230万美元。据了解，这4张票是7月19日在新泽西州东拉瑟福德大都会人寿体育场举行的世界杯决赛门票，每张标价2299998.85美元，座位位于124区下层看台球门后方，第45排，座位号33至36。当天，该平台上的决赛门票最低价为10923.85美元。按照美国方面说法，国际足联并不控制门票在转售市场上的售价，但会向每张票的买方和卖方各收取15%手续费。（央视新闻）

大公司/大事件

铁路部门将实行老年旅客购票优惠

据中国铁路公众号24日消息，铁路方面将实行老年旅客购票优惠。年满60周岁及以上的中国公民购买开车时间在5月30日至6月30日期间的非节假日周中时段（周一12:00至周五12:00）部分动车组列车车票，可享受执行票价9折优惠，实行“折上折”，铁路12306在相关优惠车次后标注“敬”字。年满60周岁及以上的持有残疾军人证、伤残人民警察证、国家综合性消防救援队伍残疾人员证的中国公民，在享受原有优待票价的基础上，可再享受9折优惠。老年旅客可同时享受普通常旅客会员的三倍积分优惠，积分可用于兑换火车票或办理座位升席业务。（中新经纬）

国家医保局全面进驻，湖南、河南被曝光串换药品药店

记者从国家医保局了解到，针对湖南、河南等地药店将化妆品、保健品和生活用品串换成药品使用医保卡结算的情况，国家医保局已于4月22日派出检查组前往两省进行调查核实，陆续进驻湖南省怀化市、衡阳市、株洲市、邵阳市，以及河南省郑州市相关药店进行检查。截至目前，已完成全部涉事机构进驻。（中新经纬）

哈啰因未按规定备案、投放运营或者回收车辆再被罚款10万元

4月24日，澎湃新闻记者注意到，上海市交通委官网显示，上海哈啰普惠科技有限公司（以下简称“哈啰公司”）因“互联网租赁自行车运营企业未按规定备案、投放运营或者回收车辆”被上海市交通委员会罚款10万元，处罚日期显示为4月22日。今年1月，哈啰公司因同样问题被罚款10万元。（澎湃新闻）

网友称用豆包提前查到事业编成绩，官方回应

4月23日晚间，有网友发帖称，“豆包查到2026山东事业编成绩了”，并附上一张成绩单，但成绩部分涂掉了。“不过好像只有津南槐荫区的能查，是不是属实咱也不知道，到底啥情况呀？”4月24日，扬子晚报记者联系上该网友了解到，帖子内容来自其他网友，但目前原帖网友已经删除了帖子。智灵动力（北京）科技有限公司副总裁郝雅婕分析告诉扬子晚报记者，应该是测试端口打开，被AI快速抓取到信息了。有可能是测试链接有一定规律，比如以 /kscj2025 年份结尾。豆包采集到往年的链接，按照往年链接的规律推断出来今年的成绩链接，可能和大模型幻觉和联想能力有关。（扬子晚报）

微软据报向7%的美国员工提供自愿退休方案

4月23日消息，据报道，微软首席人事官艾米·科尔曼在致员工的备忘录中推出了一项自愿退休计划，此举旨在为数千名长期任职的美国员工提供一个离职机会，并附带经济补偿及延长的医疗保健福利。该计划面向所有级别在67级（相当于高级总监级别）及以下的美国员工开放——但参与销售激励计划的员工除外——申请者的工龄与年龄之和必须达到70或以上，预计微软在美国的12.5万名员工中，约有7%（即约8750人）符合该计划的申请资格。（界面新闻）

挪威将禁止16岁以下儿童使用社交媒体

当地时间4月24日获悉，挪威政府将禁止儿童使用社交媒体，并将年龄限制设定为16岁。相关法案将于年内进行审议，如果获得挪威议会的批准，则可能于明年生效。（央视新闻）

英特尔CEO：半导体行业整体潜在市场规模已逼近1万亿美元

美东时间周四盘后，英特尔CEO陈立武在财报电话会上表示，在半导体行业迎来空前机遇的时代，英特尔处理器是企业取得成功、蓬勃发展的核心资产。在人工智能需求爆发式增长的驱动下，半导体行业整体潜在市场规模已逼近1万亿美元。英特尔凭借三大战略核心资产，充分把握这一需求机遇：x86中央处理器产品线、先进封装技术、庞大的制造网络。人工智能正走向现实世界，向分布式推理、强化学习工作负载延伸，如智能体、实体人工智能、机器人、边缘人工智能等。（财联社）

耐克将裁减1400个公司职位，主要集中在技术部门

耐克将裁员1400人，占其员工总数的不到2%。这家体育用品公司正努力使其扭亏为盈计划重回正轨。公司周四表示，此次裁员将主要影响耐克全球运营团队的技术岗位。首席运营官Venkatesh Alagirisamy在给员工的信中表示，耐克正在精简其组织结构并采用更先进的自动化技术。（新浪财经）

SpaceX招股书披露自造芯片计划

据快科技消息，SpaceX秘密提交的S-1招股书文件近期被披露，这份估值高达1.75万亿美元的IPO文件中，明确将“制造自有GPU”列为未来巨额资本支出的原因之一。文件指出，SpaceX目前与多数芯片供应商之间缺乏长期供应合同，为降低供应链风险，公司决定将部分关键芯片生产内部化。值得注意的是，SpaceX在招股书中使用了“GPU”一词，而非AI专用加速器（ASIC）。目前各大科技公司对AI加速器的命名各有不同：英伟达和AMD称GPU，谷歌叫TPU，微软叫Maia加速器。这一命名选择引发了业内广泛讨论，究竟是命名策略还是技术路线的真实信号，仍有待进一步验证。（快科技）

日本将从5月1日起释放第二批石油储备

日本经济产业省表示，将于5月1日开始第二轮从国家储备中释放原油。此次将释放约580万千升石油，价值约5400亿日元。并将交付给包括Eneos和出光兴产在内的炼油厂。（新浪财经）

中国再发现两种月球新矿物，嫦娥五号样品研究获新突破

4月24日，中国国家航天局发布嫦娥五号月球样品研究最新成果：中国科研人员从月球样品中发现了两种新矿物——镁嫦娥石和铈嫦娥石。其中，镁嫦娥石主要产出于月球钻取玄武岩碎屑中，呈柱状晶体，粒径仅2至30微米，约为人头发丝直径的三十分之一到三分之一。专家介绍，镁嫦娥石与此前发现的嫦娥石同属钙稀土磷酸盐矿物，但镁嫦娥石更富镁和稀土元素。另一种新矿物被命名为铈嫦娥石，其轻稀土元素铈含量更高。中国行星探测工程首席科学家、中国科学院院士侯增谦表示，铈嫦娥石记录了月球演化不同阶段的产物，有助于更好了解月球的形成与演化历史。

至此，中国已从嫦娥五号月球样品中发现3种新矿物，丰富了月球矿物种类库，为月球研究和行星矿物学提供了全新的研究对象，推动中国行星矿物学研究迈向更深层次。（央视新闻）

华纳兄弟1100亿美元卖给派拉蒙，合并后的公司将拥有超过15000部影片库

当地时间4月23日，华纳兄弟探索官网发布消息称，当天公司股东投票批准了与派拉蒙天空舞传媒公司（“派拉蒙”）的合并协议。这意味着这笔高达千亿美元的大型并购迈出了关键一步。

华纳兄弟和派拉蒙的此项交易是好莱坞规模最大的传媒业重组之一，或将打造全球最大电影制片厂。两家公司在声明中称，合并后的公司将拥有超过15000部影片库，以及《权力的游戏》《碟中谍》《哈利・波特》《神奇动物》《黑客帝国》等热门影视IP。（界面新闻）

上交所修订发布《上海证券交易所交易规则》，7月6日起正式实施

36氪获悉，经中国证监会批准，上海证券交易所近日修订发布《上海证券交易所交易规则（2026年修订）》。本次修订旨在优化证券交易制度，促进市场稳定运行，提升市场定价效率和流动性，更好满足投资者交易需求。《交易规则》修订内容主要包括：一是盘后固定价格交易方式适用证券范围由科创板股票扩展至全部A股和交易型开放式基金。二是基金收盘阶段交易方式由连续竞价调整为收盘集合竞价，并通过集合竞价产生收盘价。三是将主板风险警示股票价格涨跌幅限制比例由5%调整为10%。此外，根据规则变化与业务需要进行适应性修订，包括优化纪律处分等相关规定、完善部分规则表述等。《交易规则》于2026年7月6日起正式实施，为市场主体进行适应性调整、做好技术准备预留过渡期。

上市进行时

滨化股份

36氪获悉，中国证监会国际合作司发布关于滨化集团股份有限公司境外发行上市备案通知书，公司拟发行不超过404,944,000股境外上市普通股并在香港联合交易所上市。

天辰生物

36氪获悉，中国证监会国际合作司发布关于天辰生物医药（苏州）股份有限公司境外发行上市及境内未上市股份“全流通”备案通知书，公司拟发行不超过18,341,800股境外上市普通股并在香港联合交易所上市。公司31名股东拟将所持合计58,737,118股境内未上市股份转为境外上市股份，并在香港联合交易所上市流通。

AI最前沿

GPT-5.5发布

美东时间周四，OpenAI公布了其最新的人工智能模型——GPT-5.5。该公司表示，该模型在编程、使用计算机以及进行更深入研究方面表现更出色。此次发布距离 OpenAI 上次发布GPT 5.4仅不到两个月时间，这表明人工智能领域的发展速度之快已达到了前所未有的水平。OpenAI官方表示：“GPT-5.5是我们迄今为止最智能、最直观易用的模型，也是在计算机上完成工作的新方式的下一步。”“GPT-5.5 能更快地理解你的意图，并能承担更多工作。它擅长编写和调试代码、在线搜索、分析数据、创建文档和电子表格、操作软件，以及在不同工具间灵活切换直至完成任务。你无需精心管理每个步骤，只需将复杂且包含多个部分的任务交给 GPT-5.5，然后信任它能够自行规划、使用工具、检查工作、应对各种不确定性并持续推进。”

DeepSeek V4发布，海光DCU完成Day0适配

36氪获悉，4月24日，深度求索发布并开源DeepSeek V4。海光DCU同步完成对DeepSeek V4的Day0适配，以“模型发布—芯片适配—产业落地”的高效闭环，为全球开发者、企业客户提供即取即用的部署方案。

大公司财报

赤峰黄金：第一季度净利润9.88亿元，同比增长104%

36氪获悉，赤峰黄金公告，2026年第一季度实现营业收入35.54亿元，同比增长47.65%；归属于上市公司股东的净利润为9.88亿元，同比增长104.43%。业绩变动主要系公司持续优化生产组织与运营管理，并充分受益于黄金价格同比较大幅度上涨。

东阿阿胶：第一季度净利润4.55亿元，同比增长7.14%

36氪获悉，东阿阿胶公告，2026年第一季度实现营业收入18.14亿元，同比增长5.52%；归属于上市公司股东的净利润为4.55亿元，同比增长7.14%。

起亚公司第一季度销售额29.5万亿韩元，高于市场预期

4月24日，起亚公司公布第一季度业绩报告：第一季度营业利润为2.21万亿韩元，预估为2.3万亿韩元；净利润为1.83万亿韩元，预估为1.93万亿韩元；销售额为29.50万亿韩元，预估为29.33万亿韩元。（界面新闻）

投融资

人工智能初创公司Cognition AI进行融资谈判，估值达250亿美元

4月24日，据报道，知情人士透露，人工智能初创公司Cognition AI正就新一轮融资进行初步谈判，此轮融资将使其估值达到250亿美元。报道称，谈判仍在进行中，具体条款可能会有变动。（界面新闻）

维塔流动近日完成数千万元Pre-Seed轮融资

36氪获悉，维塔流动近日完成数千万元Pre-Seed轮融资，由锦秋基金领投，百度风投跟投。创始人曾是字节跳动早期产品高管之一，并曾任阶跃星辰C端产品合伙人。

AI图谱

全村的希望DeepSeek终于更新了，V4双版本重回开源第一梯队。

“休息现状”小调查

五一假期即将到来，在庆祝劳动节的同时，也请不要忘记好好休息！

当代打工人的终极向往，从来不是无休止内卷，而是拥有随心所欲的休息自由。努力工作，不过是为了好好治愈自己。有人偏爱短暂放空、快速回血，有人喜欢彻底躺平、慢悠悠静养。

你有充分的休息时间吗？你会如何利用自己的休息时间？你在休息时是否能完全放松，还是会被心头琐事和负罪感所支配？你是否能享受休息、或通过调休达成work-life balance？ 欢迎参与“打工人休息现状调查”，解锁我们理想的休息状态。

本文来自微信公众号“36氪”，36氪经授权发布。

建筑设计师陈敏的手机里有一份极其多元的“阅读清单”。清晨通勤的地铁上，她习惯戴上降噪耳机，在播客节目中了解行业前沿信息；午休时的餐厅里，她会利用等餐的碎片时间，快速翻阅手机上关注的几篇建筑美学推文。而在工作间隙，她喜欢走出办公室，在上海的街道上散步，观察那些历史建筑的肌理与城市空间的流动。对她而言，这同样是一种深度阅读。到了深夜临睡前，她又会回归那种更传统的体验，在平板电脑上追更一章连载网文。

事实上，如今的阅读早已不是一种需要正襟危坐的特定仪式，而是像空气一样，自然地渗入了生活的每一处缝隙。这种“随时随地”的阅读状态，在研究数据中得到了有力印证。新近发布的《2025年度中国数字阅读报告》显示，我国成年国民数字化阅读方式接触率已达80.8%。从通勤路上的音频播客到睡前陪伴的连载网文，阅读的时空界限被彻底打破，个性化、场景化、多感官的“泛在阅读”正在成为大众日常。

这种变革的背后，是汲取知识的行为模式正在发生深刻改变。数据显示，碎片化阅读已成主流，成年国民手机阅读时长（100.47分钟/天）已是纸质书阅读时长的近5倍。与此同时，阅读的边界正随技术与社交需求不断外延。AI技术飞速发展，一边重塑阅读效率，一边在重新定义阅读本身。

超过60%的用户渴望在不同场景中获得适配的个性化体验。越来越多的人选择通过听书和观看视频讲书的方式摄取知识，阅读正在从“个人的孤立修行”向“全感官、多模态探索”进化。

我们必须承认，阅读本质上是信息的“摄入”，媒介只是承载它的容器。数字阅读并非阅读的终结，相反，它以极高的效率和渗透力，成为了“泛在阅读”的先声，让我们开始思考：当知识获取不再局限于方寸之间，阅读的边界究竟在哪里？

KIC知识艺术节海报

4月23日在上海启幕的第四届KIC知识艺术节，正是对这一命题的深度回应。今年的主题是“阅读的X种可能”，旨在打破阅读的边界，让知识可以像呼吸一样自然地渗透到生活的每个角落。

当“阅读的X种可能”这一概念从杨浦区大学路的指路牌延展至每一处互动场景，它在提醒这座城市，阅读不只是眼球的移动，更是身体的参与。在KIC知识艺术节，去阶梯坐坐、去街道听戏剧，本质上是在用全身的感官“阅读”世界。从踏上“知识阶梯”的那一刻起，你便已置身于一座没有围墙的图书馆，在万物皆可读的过程中，重新掌握对生活的主权。

站着做人，躺着读书

阅读不应是特定场所才有的仪式感，而是一种随处可栖的生活状态。当我们的视线暂时从屏幕移开，会发现空间的“泛在”，正在消融阅读门槛，让知识获取变得无孔不入。

从4月23日世界读书日到五一假期，江湾体育场前的那座巨大阶梯将化身为醒目的“知识阶梯”。它被一层层闪烁着灵光的现实版弹幕墙包裹，仿佛在宣告：上海终于有了自己的清溪川户外图书馆。

知识阶梯图书馆

正如首尔清溪川将书架搬进溪谷、用懒人沙发取代硬质书桌一样，清溪川户外图书馆因其打破围墙、在自然中呼吸的自由阅读气质而闻名。而江湾体育场的“知识阶梯”与之异曲同工——它们都试图将阅读从静谧的室内转移到流动的城市日常中。

在大学路上，知识阶梯不只是一个物理装置，更像是一张开给每个步履匆匆者的“阅读处方”。这里的阶梯不是为了限制你必须坐下来，而是通过多场景渗透，让你在任何姿势下——无论是站着交谈、躺着放空，还是牵着绳遛狗时——都能顺畅地进入阅读状态。阶梯上层叠排布的金句弹幕，如“翻书的声音，是全世界最便宜的白噪声”，让有趣的思想在微风中发生共振。

知识阶梯图书馆

在KIC，阅读被彻底从书房的围墙中解放出来。你会看到酷炫的宣言：“站着做人，躺着读书”。在这里，“怎么读，都算数”，它打破了载体的唯一性，它可以是耳机的有声书，也可以是手机里的深度推文。现场的功能分区充满了对多元生活的体察：你可以钻进餐饮店或咖啡馆的“角落图书馆”，在闹市独享专注；或者带着“毛孩子”驻足于“宠物阅读箱”，在阳光下翻开趣味手册。

角落图书馆

这种对“泛在阅读”的探索，让知识像空气一样自然地融入了KIC全域的“痛街”日常。巨幅喷绘与金句便利贴墙共同构成了一座无墙的图书馆，当你走进餐饮区随手翻开治愈系漫画，或在咖啡馆通过二维码开启视听之旅，你会发现，知识的获取早已渗透进每一个随性的生活场景。

这种空间的重塑，最终指向一种极具沉浸感的“无限流”创意设定。与其在方寸屏幕里刷着虚构的副本，不如肉身进入这个代号为CR-0423的《无限阅读法则》现实副本。在KIC的设定中，参与者的使命便是通过完成具有隐喻性的任务，重新激活被忽略的阅读维度。

你可以在“弹幕台阶”上任选一种舒适的姿态，进行15分钟的深度阅读。这刻意的十五分钟，是名正言顺放下手机的真空期，也是从碎片化信息中夺回注意力的反击。只有完成这项关于专注的挑战，你才能领取那份至关重要的“无限流副本地图”。这张地图是你开启大学路“万物皆可读”探索之旅的入场券。从这一刻起，通过解析、感知、介入、创造这四种法则，去破译这座城市隐藏在街角巷弄里的知识密码。

本质上，“泛在阅读”是空间的激活。当阅读无处不在，城市就不再只是钢筋水泥的堆砌，而是一本可以被触摸、可以被进入、甚至可以被续写的百科全书。大学路的每一个等位区、每一间咖啡馆、每一个原本普通的楼梯间，都是一个阅读的世界。这种多元化的空间重构，让阅读不再是孤立的个人修行，而是一场打破认知边界、让城市恢复色彩的群体破局，一种真正与城市脉搏同频共振的生活方式。

知识痛街

大学路，“没有围墙的大学”

当我们讨论“泛在阅读”时，我们究竟在读什么？

“泛在阅读”，不仅是阅读载体的迁移，更是从视觉向全感官的认知升级。在传统的阅读逻辑里，眼球是信息的唯一入口，文字是唯一的编码；但在KIC创智天地的街区中，阅读被还原为一种生物性的本能——万物皆可读，世界即文本。

知识痛街

这种全感官的介入，帮助我们重新掌控自己的注意力。在数字化生存的今天，算法通过投其所好，精准地喂养我们的眼球，制造出一种逻辑自洽的多巴胺幻象，却也让我们陷入了感知贫瘠的困境。而“泛在阅读”要求的是身体的全面介入。它要求你亲身抵达，去嗅咖啡馆里那杯花朵芬芳特调背后的语义，去触摸市集上手工物件留下的匠人痕迹。这种身体性的参与，赋予了阅读前所未有的厚度。通过深度的店铺联动，比如品尝一份Mafia的美味工作餐，强行将你从15秒的碎片化算法中拽出来，让你在真实的咀嚼与交谈中，捕捉到那些带有呼吸感的、无法被数字化复刻的真实瞬间。

于是，阅读的内涵也随之变化，它从孤立的摄取信息，进化为了温情的发生连接。

在大学路灵感市集里，当你停下脚步与摊主交流，或者在墙面上参与一次拼贴诗的即兴创作，你其实是在随机阅读一段段鲜活的人生。这是一种基于连接的轻社交阅读，它让阅读告别了孤芳自赏的个人修行，转化为一场全域参与的文化共创。

所以，“泛在阅读”是人类在碎片时代对抗平庸的方式。 它证明了阅读不只是大脑的苦修，更是身体的犒赏。在KIC知识艺术节，这些无法被数字化复刻的瞬间在不断提醒我们，算法虽然能精准计算出你想要什么，但唯有当你亲自抵达、全情投入，现实世界才会向你展示它那更深邃、更迷人的褶皱与温度。

无限流副本

用心感受X种可能的世界

社交媒体上刷屏的笔记，绘制了当代青年的文化新图景。在知识阶梯上旁若无人地读完一章书，或是在大学路街角偶遇音乐剧卡司快闪，这些鲜活的画面，恰是当代人重构“泛在阅读”习惯的微缩样本，也是我们重构生活主权的开始。

如果你也想加入这场关于阅读的盛宴，那么最好的开始，便是去知识阶梯领取那份通关手册。

我们要明白，“泛在阅读”的终极目的，或许并不是为了在脑海中塞进更多艰深的知识，而是为了在这份万物皆可读的笃定中，找回对抗迷茫的底气。

知识痛街

走到城市街头，去感受这个充满“X”种可能的现实世界吧。4月23日至5月5日，KIC知识艺术节是我们对AI时代阅读困境的有力的回响。

在这里，阅读的触角延伸至每一个认知的盲区。你可以参加小宇宙的“求你读书日”的趣味互动；也可以走进圆桌智谈，与专家共话“AI赋能企业共创”，探讨如何将技术转化为智慧的插件。在这里，阅读的形式以前所未有的姿态跨界融合。你可以沉浸在上海大剧院《大彗星》系列线下沙龙中，感受戏剧对文学的深度重构；也可以在繁星室内乐团的音符、以及“擎天机器人”的街头漫游中，读懂艺术与前沿科技交织出的未来。

当算法试图为我们预设所有答案，当我们担心深度思考正被碎片化解构，大学路的每一处街角都在提醒我们，阅读，是我们在碎片时代抓取的生活锚点。

所谓“泛在阅读”，是一种在任何细微时刻都能与世界产生深层连接的能力。它让我们不再被动接受算法的投喂，而是主动在万物中提取意义。探索阅读的“X”种可能，就是在打破校门与围墙的藩篱，让整座城市化身为一座“无界的大学”。只要你在看、在听、在感受、在交流，你就在阅读。在这座没有围墙的图书馆里，愿我们都能通过无处不在的探索，重新找回生活的本真。

随着全球卫星星座计划加速部署，在轨卫星数量激增，太空交通安全问题正在从理论风险变成现实问题。

有数据显示，过去半年，全球最大的卫星星座仅半年内就实施了超过5万次主动避碰操作。而当未来星座建设规模达到数万颗、甚至百万颗体量，传统依靠地面站24小时人工监测管控的模式将会面临管理难度陡增、成本高企、传输受限等难题，高速率、高稳定、高安全的星间通信与智能化在轨管理成为技术趋势。

要实现这一目标，既需要高可靠的激光通信终端，也需要AI大模型自主分析、自主决策能力的加持。

在4月24日举办的“2026中国航天日”商业航天产业高质量发展论坛上，中科天塔正式发布了公司新一代星载激光通信终端。

中科天塔副总经理景振龙在会上提到，中科天塔此次发布的新一代终端，在传输速率、链路稳定性、环境适应性和数据安全性等方面实现全面升级。相比传统微波通信，激光通信具有带宽大、时延低、波束窄、保密性强、抗干扰能力突出等优势，可有效弥补地面测控短板，推动卫星测控体系由“地基”为主向“天地一体”升级。

中科天塔新一代星载激光通信终端

从技术沿革上看，中科天塔新一代激光通信终端源自西安光机所20余年的技术积累和科技成果转化，终端产品采用独立控制系统设计，不占用卫星主控资源，可靠性与兼容性更优——打个比喻，这意味着它就像“即插即用”的独立模块，可以适配不同的卫星平台。

据介绍，在2020-2025年期间，西安光机所自主研发的激光通信终端就实现了产品上星，在此期间创造了当时国内“最快建链”和“最长稳链”的纪录。

信息的桥梁有了，如果给卫星再装上一个AI大脑，让其接收数据后可提前进行数据处理、预警和风险规避，就有望让“太空智驾”成为可能——这也是中科天塔想要推动的技术演进和应用落地方向。

事实上早在2024年，中科天塔就依托公司过往航天数据与知识体系，推出了国内首个航天测控领域AI大模型，通过2年的迭代优化，陆续推出系列智能体，旨在解决大规模星座地面管控难等问题。

据中科天塔总经理曾伟刚介绍，目前其模型及智能体产品已和国内头部卫星公司、体制内院所达成合作，并在去年实现了千万级的订单收入。

通过AI+激光通信，中科天塔希望以“太空智驾”体系实现卫星管理模式的三级跨越。

“从人工使用软件管理，升级为软件自动化运行，再迈向AI智能体自主决策。”曾伟刚也提到，正如地面汽车的自动驾驶发展历程，未来太空中的卫星“智驾”，也将延续从辅助驾驶到完全自主驾驶这一逐步提级的发展路径。

接下来，在“大脑”侧，中科天塔将持续迭代其模型和智能体产品；在“身体”侧，会加快终端产品的规模化交付和应用。

据悉，目前中科天塔已在西安建设高标准洁净装配空间与全流程可靠性测试环境，配备专业化星载激光通信终端生产线，设计年产能超过500套，计划将于今年5月中旬正式启用。