在全球数字经济和人工智能快速发展的背景下，基础设施服务商正经历深刻的范式重构。作为中国CDN领域的先行者，网宿科技（300017.SZ）近年来主动优化业务结构，剥离非核心资产，聚焦边缘计算与安全等高价值领域，推动战略重心向边缘智能与安全服务转移。

2026年一季度财报显示，尽管表观营收同比略有下滑，但剔除2025年二季度剥离MSP的影响，公司同一合并范围口径下实现收入同比增长16.60%；整体毛利率升至37.08%，创近9年新高；剔除股份支付及汇兑损失影响后的净利润为2.71亿元，同比增长33.05%。“收入与毛利双增长”的背后，是公司持续优化业务结构、强化核心能力建设的成果体现。

更值得关注的是，网宿科技在AI推理、边缘计算与大模型安全等前沿领域的布局已进入收获期。依托全球超2800个边缘节点和全栈技术能力，公司不仅构建起面向未来的智能基础设施底座，更通过高毛利的安全及增值服务打开第二增长曲线。

主业造血能力稳固，毛利率创9年新高

财报显示，2026年第一季度，网宿科技实现营业收入11.16亿元，同比下降9.66%。需要明确的是，这一表观营收下滑并非主营业务经营承压所致，而是源于2025年第二季度公司主动剥离了MSP等非核心业务。若剔除合并范围变动影响，在同一可比口径下，公司一季度核心业务收入同比增长16.60%。这意味着剥离行为并未削弱主营业务的增长势头，反而印证其内生增长动力强劲。

此次瘦身并非被动收缩，而是战略聚焦的主动选择，背后蕴含着清晰的长期发展考量。从业务属性来看，MSP业务虽具备一定规模，但其重运营、低毛利、回款周期长的特点，与公司“边缘智能及安全服务”的战略方向协同性较弱。通过剥离低关联度资产，网宿科技得以将资源集中投向高附加值、高协同性的核心赛道，为AI时代的新一轮扩张夯实基础。

业务结构持续优化的成效，已体现在盈利指标之上。2025年全年，公司整体毛利率由上一年的31.36%提升至35.54%，为2017年以来最高水平。2026年第一季度，毛利率进一步升至37.08%，同比提高6.12个百分点，说明公司业务结构调整已进入收获期，盈利质量显著提升。

这一结构性改善的核心驱动力，来自高毛利业务占比的持续提升。其中，安全及增值服务已成为关键增长引擎。财报显示，2025年，该板块实现收入13.80亿元，同比增长18.65%，占总营收比重达29.61%；其毛利率高达77.24%，同比再增1.26个百分点。安全业务不仅具备极强的盈利属性，更与CDN、边缘计算等基础设施形成天然协同，构成公司“第二增长曲线”。

累计分红17次，分红率位居A股科技板块前列

若仅观察合并报表层面的净利润数据，难以全面、真实反映网宿科技的核心经营成色。

事实上，公司2026年一季度受两项非经营性因素扰动较大：一是股权激励产生的股份支付费用8605.83万元（同比增加7905.53万元），二是汇兑损失6371.03万元（同比增加5773.09万元），这两项合计影响利润近1.5亿元。若剔除上述因素，公司一季度归母净利润为2.71亿元，同比增长33.05%，充分说明其主营业务“造血能力”不仅未受剥离子公司影响，反而更加稳健高效。

此外，资产处置亦带来积极财务效应。通过出售MSP股权，公司确认资产处置收益超1亿元，不仅直接增厚当期利润，改善现金流，也提升资金运营效率。截至2026年一季度末，公司账面货币资金及交易性金融资产合计约73.5亿元，为后续研发投入、市场拓展提供了充足“弹药”。

主营业务造血能力稳固、盈利质量显著提升，为高比例分红提供坚实支撑。公司拟2025年度每10股派发现金红利2.5元，合计拟派发6.15亿元，占当年归母净利润的76.90%，延续以往高比例现金分红传统，既体现了公司对股东现金回报的高度重视，也反映出管理层对公司未来经营发展的坚定信心。

值得一提的是，网宿科技的分红能力与分红诚意，在A股科技板块中表现突出。自上市以来，公司累计实施现金分红17次，总额达27.84亿元，分红规模与持续性在同行业中处于前列。从近三年分红表现来看，2022年-2024年公司股利支付率分别为63.49%、98.83%、90.59%，长期维持在较高水平，远超A股科技板块平均股利支付率。

锚定边缘智能与安全服务，打开成长空间

多重权威数据显示，AI智能体商业化进入爆发期，同时催生海量AI安全增量需求，为网宿科技核心业务布局提供了广阔市场空间。

据中国信通院数据，2025年国内已有超25%的企业部署生成式AI智能体，预计2027年这一比例将达50%；Gartner进一步预测，到2026年底，40%的企业应用将嵌入任务型AI智能体。IDC则预测，中国企业活跃智能体数量将在2031年突破3.5亿，年复合增长率超135%，增速领跑全球。

与此同时，AI安全需求同步激增。摩根士丹利测算，当前全球网络安全市场规模约3000亿美元，占IT预算的6%-7%；随着企业大规模部署AI模型与智能体，保护新型数字资产将催生高达2200亿美元的增量安全市场。

围绕AI产业发展浪潮，网宿科技持续加大技术研发与产品创新投入，提升“网络+智算+安全”一体化平台能力，在边缘智能与安全两大核心引擎上继续产品创新。

公司推出了大模型全球智能加速方案，以“SD-WAN智能组网+全球安全加速网络”为核心底座，覆盖“调用—聚合—训练”全场景，在多区域、多路径、多模型并发条件下实现统一运营的加速与安全能力网，为AI业务提供全链路保障；上线OpenClaw、Hermes镜像，提供从算力资源到模型服务的一站式支持，帮助开发者和企业高效部署和使用AI Agent；上线AI漫剧网关，以一站式的模型接入、管理与调用能力，破解AI漫剧规模化生产困局，推动AI内容生产工业化落地。

报告期内，网宿边缘AI已接入诸多行业客户，包括人工智能、互联网科技、自动驾驶、教育、游戏娱乐、电商、消费电子等领域，为传统领域智能升级以及新兴AI场景的落地提供技术支撑。

在安全方面，网宿安全推出AI Agent原生防护，通过CWPP夯实基础设施运行时防护、WAAP防护对外AI服务、SASE保障内部AI应用访问安全，为企业构建AI Agent纵深防御体系；升级AI Agent防控体系，通过资产清点、风险收敛、纵深防护、审计溯源的闭环，构建覆盖Agent全生命周期的体系化安全运营能力，让AI生产力安全可控。

这种技术领先性与商业可行性的结合，正不断强化市场对网宿科技的认可。在边缘计算社区日前发布的“2026中国边缘计算企业20强”榜单中，网宿科技凭借全栈边缘AI技术实力与规模化商业实践，蝉联榜单并晋升至TOP5，标志着公司在边缘AI领域已处于核心领跑位置。

此外，公司旗下CDN、边缘计算、安全、智算云等核心产品均通过SOC1、SOC2 Type II国际权威安全审计，在产品安全、服务高可用性及数据保护等方面达到国际领先标准。网宿安全46个细分领域入选中国信通院《数字安全护航技术能力全景图》；网宿安全全站防护平台凭借AI驱动的智能化防护架构与广泛的市场应用价值，荣获上海市高新技术成果转化项目最高等级“A级”认定，并成为前四名中唯一的网络安全类项目。

短期来看，网宿科技业务结构优化持续释放盈利韧性；长期来看，公司边缘智能+安全双支柱体系，将持续承接AI产业与数字经济发展红利，推动公司实现价值重估与高质量发展。（文｜公司观察，作者｜马琼，编辑｜曹晟源）

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 潜水鱼X，钛媒体经授权发布）

文 | 潜水鱼X

总说要咽气的长剧，又总能不定期刷新出黑马。

最近的黑马是一部中年偶像剧——由朱珠钟汉良主演的《蜜语纪》。开播第二天云合热度就超过了同期两部有流量生花坐镇的古偶《白日提灯》和《月鳞绮纪》，鹅桃双平台站内数据都不错，还在不停加广。反观同期古偶，广告位却是一路缩水，《冰湖重生》开播甚至直接裸播。涨势之猛让一堆业内人又开始直呼中偶春天来了，芒果立刻把积压了四五年的《夏末初见》（明道+黄奕）抬上来跟风。

《蜜语纪》、《夏末初见》

小鱼也立刻去围观了这部被网友玩梗为“霸道总裁爱上离婚当保洁的我”的《蜜语纪》，看过之后小鱼表示不理解，这明明就是一部彻头彻尾的中年大土偶啊，剧情套路那都是看过百八十回盘包浆的，这剧里最不土的应该就是浑身散发着名媛和精英气质的朱珠和钟汉良。

但就是这么一部大土偶，成了最近市面上最争气的长剧。小鱼忍不住要问：长剧的底盘，是不是已经只剩土偶能守了？

土偶的壳子，打工人的魂

要说《蜜语纪》的剧情，虽然不至于真的是霸总爱上离婚当保洁的我，但也差不离。朱珠演的女主许蜜语离开渣男老公后去酒店应聘，因为没工作经验只能从最底层的客房服务员做起，相当于一个大龄管培生，然后一路升级打怪同时还攻略了顶头上司——钟汉良演的酒店总经理纪封。这种离婚后事业爱情两手抓的套路快十年前的《我的前半生》就已经爆红过一次了，韩剧里也是层出不穷，在短剧就更是泛滥成灾，所以说它土着实也是土得其所。

《蜜语纪》

但该说不说，土的东西它就是有一种致命的吸引力。之前《骄阳似我》播出的时候，小鱼就曾经分析，顾漫的好嫁风如何十数年如一日地霸占观众的心智成为现偶硬通货，而同期更fancy的《轧戏》，却只能落得个不尴不尬的境地。

两个赛级男女极其顺理成章地踏入婚恋，是小年轻们的终极幻想，而到了中偶地界，则需要在这个基础上加点儿被生活毒打的佐料，女主必须要在上一段婚姻里脱层皮，然后才会开启人生的下一春。

看看许蜜语开始都窝囊成什么样了？捉奸后还不耽误给渣男老公煮粥喝，但观众一边吐槽一边还是继续打开下一集。反之女主如果一开始就是完成体的杀伐果断女强人形象，和男主势均力敌，没法被男主引导或拯救，那中偶观众们的浪漫幻想也无处安放了，大女人的口号大家都是要跟着喊一喊的，可是口味还是很诚实的，当年宋佳在《纵有疾风起》里可是把靳东搞到破产说我养你，够大女人了吧？但是这部剧的热度并没跟上女主的觉悟。

《蜜语纪》、《纵有疾风起》

不过，小鱼也发现了《蜜语纪》的华点——土偶壳子下包裹着的打工魂，极大中和了它的土。这部剧里的感情戏其实并不多，开头几集女主迅速离婚后就开始职场升级路，和男主的感情戏份也不多，两个人公事公办甚至到二十集才加上微信。剧里主要角色热爱上班的程度都令人发指，牛马指数也高得吓人。

钟汉良这个充满了精英霸总气质的男主，第一集登场就是在帮着女主的出轨前夫打掩护，为了房间里出现的小三内裤不停道歉，原因是渣男是他的甲方。而回国后成为五星级酒店话事人的他，也依然浑身乙方味儿，哪里霸道得起来嘛。

《蜜语纪》

可见，经济下行期的霸总这个物种也难免要经历一场系统性的降级，权力缩水是第一层，个性上也变得更弹性了。古典霸总可以任性可以霸道，但骨子里是清高的，不屑于干脏活，而纪封这类高级牛马为了留在牌桌上，得先把体面放一放，工作属性压倒一切。回想一下《我的前半生》里靳东其实本质上也是个高级打工人，但是看着就气定神闲游刃有余，霸总范儿是很够的；现在再看纪封，殚精竭虑、亲力亲为、全员服务意识——这哪是降级的何以琛，这分明是新物种：乙方型同谋者，工友霸总。

当然，霸总都霸气不足了，其他人的牛马感就更是冲出天际。《蜜语纪》里许蜜语天天忙得跟救火队长一样，把爱岗敬业发挥到极致，渣男前夫也是个工作狂，要不是得了胃癌他能工作到死，李梦演的小三更是事业脑了，天塌下来都不能动摇她上班的决心，上次看到这么拼的小三还是《夜色正浓》的牛马鸡乔海伦。

《夜色正浓》

小三的追求都是上班了，国产剧的牛马感真是腌入味儿了。而一旦涉及打工牛马，那观众们可就都不困了。这大概是这个爱情下行时代，长剧尚能找到的和观众深度链接的出口。

长剧的底裤，竟是土偶？

但霸总降级，全员牛马化，也会导致一个问题，那就是拧巴。

霸总既然当牛马了，那苏的程度就被大大弱化了，哪怕他是钟汉良，小鱼也不想看他自己动手在酒店里倒酒换床单。而女主呢，前几集觉醒离婚搞渣男斗小三看着要爽起来了，结果憋屈的事儿还是没完没了，在酒店谁谁都能给她使绊子，每次都是憋屈完了才小发雷霆。

《蜜语纪》

按理说，这种缝合怪应该两头不讨好，爽感只有短剧的三成，长剧的细腻感和扎实感也打了折扣，但《蜜语纪》偏偏成了，这事儿就值得品一品了。

它用长剧的制作规格托底，朱珠和钟汉良的表演质感，以及形象气质在短剧里是没有代餐的，特别是朱珠在这部剧里美貌惊人，钟汉良老了但是气场还在，何况一颦一笑还是有点何以琛和慕容四少的影子，比一些短剧里奇形怪状的男演员和仿真人如出一辙的假脸还是好一些的。

而另一方面，它虽然不像短剧那样每隔几分钟都有爽点，但是因为长剧的容量够长，能把一些事儿翻来覆去掰开了揉碎了说，也还是能给观众一些情绪余味。这是之前长剧被嫌婆婆妈妈的东西，但处理得当，反而也成了在被短剧的情绪过山车碾压之后，难得的一种正常的追剧体验，所以一直吐槽不断的小鱼，居然也追到了足足二十集。

《蜜语纪》

这其实就是当下创作者的真实处境：他们已经不敢再赌观众的耐心了，能做的就是把所有被市场验证过的成功元素拆碎了，再一点点缝在一起。土偶的套路要留，打工人的情绪要加，短剧的节奏要学，长剧的制作不能丢。听起来像无奈之举，但小鱼想问一句：这种四向兼容，长剧里别的品类干得了吗？

干不了。古偶想学短剧，得先放弃精致——《墨雨云间》算是近年最成功的古偶短剧化样本，但代价是整部剧的色调被压暗、节奏被打碎，传统古偶的审美底子基本舍掉了。正剧学不了短剧，题材气质本就互斥。悬浮精致剧学短剧更尴尬，它本来就要端着，放下身段就什么都不是了。

《墨雨云间》

但土偶向短剧兼容毫无心理负担——因为短剧本来就是土偶的子辈。所谓子不嫌母丑。而在观众层面，土偶也从不端着，观众对它的预期本来就包含狗血和爽点，兼容进来没有审美落差。

而一个很微妙的事实是，钟汉良本人其实就是土偶的代言人。《何以笙箫默》2015年是首部单日网播破3亿的剧，他演的何以琛是古典霸总的教科书范例。11年过去，他现在演纪封——一个浦荣饭店的乙方总经理。同一个演员，自己走完了“从清高霸总到工友霸总”这条弧线。说明土偶这个品类正在向下扩容。古典顾漫型守着大学生和白领女性，纪封型把离婚中年女性也吃进来。能扩容的品类才是底盘，僵死的类型早就被市场淘汰了。

《何以笙箫默》、《蜜语纪》

所以，你笑土偶太疯癫，人家笑你看不穿。2026了，能主动选择被观众看穿才是一种本事。它只是稳定在一个低度，用自己的底盘稳稳地接住观众。

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 影子备忘录，钛媒体经授权发布）

文 | 影子备忘录

在社交平台上，这场对垒被冠以各种戏剧化的标题——“最强开源双雄的正面较量”、“DeepSeek与Kimi的听牌时刻”、“AI赛道的冰与火之歌”……人们热衷于用一切的二元对立来概括这一切，仿佛只有用一种极致化的叙事，才能匹配这场注定被写进中国AI编年史的竞争。

但在这些喧嚣的表面之下，一个更值得追问的问题浮现出来：当DeepSeek用15个月的沉默换来V4的炸场，坐在对面的杨植麟，真的有闲情逸致享受这场竞争吗？

如果说DeepSeek的焦虑是“选择焦虑”——是选择继续保持沉默还是复出融资、是选择闭源深耕还是拥抱生态——那么月之暗面杨植麟的焦虑，更像是一种包围圈的缩窄：一种被技术、商业、资本三股力量同时锁定，进退维谷的“生存焦虑”。

而这种焦虑的表达，不仅仅是个人层面的不安，更是一家初创公司在一个万亿美金级别的赛道中，面临“既要又要”的战略困境时的真实写照。

这不是一篇唱衰Kimi的文章。恰恰相反，或许正是因为Kimi站得足够高、承担得足够重，杨植麟的焦虑才具有普遍意义——它折射出的是所有中国独立大模型初创公司的集体困境。

两个创始人，两种“天花板”

要理解杨植麟的焦虑，不能只盯着月之暗面一家公司看，必须将它放在与DeepSeek的比较框架中。这两家公司不仅是技术上的竞合对象，更在叙事层面形成了奇妙的镜像关系。

2023年初，当投资人讨论“谁是中国最有技术理想的人”时，杨植麟的名字占据了一半的回答。这位清华计算机系本科生、卡内基梅隆大学语言技术研究所年级第一的毕业生，以第一作者或共同第一作者身份参与提出的Transformer-XL和XLNet，至今仍是预训练模型发展史上绕不开的名字。

2026年3月，杨植麟站在英伟达GTC大会的主舞台上，与OpenAI、DeepMind的负责人并列而坐。他是台上唯一独立大模型创业公司的代表，其余均为科技巨头旗下的项目负责人。这张照片传回国内时，月之暗面的估值刚在三个月内翻了两番，成为十角兽企业。

杨植麟GTC大会上发言

这是杨植麟的光环，但光环的另一面是“天花板”。

DeepSeek的创始人梁文锋则走上了一条截然不同的路径。2025年1月，DeepSeek R1的发布被华尔街称为AI界的“斯普特尼克时刻”——英伟达市值单日蒸发近6000亿美元，硅谷工程师彻夜研读技术报告。

但随后，进入漫长的15个月静默，DeepSeek几乎从主流视野中消失。直到2026年4月24日，V4预览版上线，用1.6万亿参数、百万上下文和低至每百万token输出0.28美元的价格，重塑了整个开源模型的竞争格局。

梁文锋用15个月的闭关，换来了一个更强大的技术叙事。他在极少数公开场合说过一句话：“我们不做用来讲故事的产品，我们做技术本身。”

而杨植麟呢？他身上正在形成一种很典型的创业者光环，但正是这层光环，让他承受了一种独特的压力。这种压力不是被忽视的焦虑，而是被过度期待却又无法完全兑现的焦虑。

互相借鉴的竞合美学

技术层面，月之暗面和DeepSeek可能是全球大模型领域最有趣的一对竞合关系。

2026年4月的这一周，两家公司上演了一场近乎完美的“隔空握手”。周一，Kimi发布K2.6；周五，DeepSeek V4上线。但在这套表面竞争之下，隐藏着一个更本质的事实：这两家公司在以共享开源成果的方式，共同定义着国产大模型的技术边界。

Kimi在2025年7月推出的K2模型，在底层架构上首次大规模验证了二阶优化器Muon，同时采用了DeepSeek首创的MLA（多头潜在注意力）机制。到了2026年4月，DeepSeek V4在架构上也跟进采用Muon优化器，取代了过去已经使用了十年的Adam优化器。有评论形象地概括了这一现象：“你用我的架构，我用你的优化器”。

这种相互借鉴绝非偶然。开源正是中国AI公司加速追赶全球领先者的关键杠杆。中国目前唯二总参数超过万亿、已权重公开的模型，正是DeepSeek和Kimi。

但它们的技术侧重点形成了差异化的分工。

DeepSeek V4的核心突破在于百万上下文的成本重构。它采用全新的混合注意力机制，结合Token维度压缩和DSA稀疏注意力（DeepSeek Sparse Attention），将单token推理计算量压缩到V3.2的27%，KV Cache降至10%。

这不仅仅是技术指标的提升，更是将百万上下文从技术演示变成“所有官方服务标配”的基础设施。与此同时，V4在Agent能力上做了专项优化，还自建了名为DSec的沙箱平台，单集群可并发管理数十万个沙箱实例，用以支撑Agent强化学习训练和测评。

Kimi K2.6的方向则更偏向长程编码和Agent集群。它在Kimi Code Bench内部评测中得分68.2，相较K2.5的57.4提升约20%，最高可支持300个子Agent并行完成4000个协作步骤。K2.6可持续自主运行长达五天，在单次运行中即可独立完成从文档到网页、PPT及表格的多产物端到端交付。

这两种技术路线，宛如在给一栋大厦同时灌注地基和砌砖——DeepSeek想的是如何把地基建得更宽更稳（百万上下文的普惠化），Kimi想的是如何让房子盖得更高更智能（多Agent协同的根本性进化）。各有所长，但也都各有极限。

值得留意的是，这种技术上的两条腿走路，恰恰构成了国产大模型最宝贵的资产配置。

烧钱买量还是技术造血？

如果说技术上的相互借鉴为双方建立了某种“英雄惜英雄”的默契，那么商业化的比拼则撕开了这一切浪漫幻想。

Kimi是独立大模型公司中明星产品光环最亮的，但这本身也是它最大的包袱。根据业内人士透露的信息，月之暗面手握的资金、人才在国内属于第一梯队，但核心产品只有Kimi助手，这导致其收入来源极其有限，免费用户占绝大多数，付费订阅转化率低，API调用量远不如专注于B端的公司。

2025年，月之暗面做出了一项重大的战略调整——退出了烧钱买量的军备竞赛，投流费用从前一年的7亿元骤降至不足10万元，转而聚焦基座模型迭代与Agent产品开发，在半年内发布了K2、K2 Thinking、K2.5三大版本。这种“壮士断腕”式的转向，本质上是对商业化困境的直接回应。当用户增长无法转化为收入，唯有通过技术造血证明自己的真实价值。

但“技术造血”不是一日之功。杨植麟在2025年11月的内部信中坦言，Kimi海外API收入增长了4倍，海内外付费用户月环比增速超过170%——但即便如此，从估值来看，月之暗面仍面临巨大的尴尬：一旦投资人觉得它无法快速变成收入机器，二级市场能否买单就变成了巨大的未知数。

更棘手的是，大模型公司在C端面临巨头的降维打击。有业内人士透露，月之暗面卷入了与大厂的竞争中，结果是在国内没有打过字节跳动旗下的豆包，同时又错过了海外市场开拓时间点。

海外相对还是充分竞争的市场，不止GPT和Gemini。如果有大量全球客户愿意为国产大模型买单，仍存在巨大市场机会，但目前有效出海的领域集中AI视频领域，而月之暗面在这一赛道上并无突出优势。

DeepSeek虽然理论上也面临类似的问题，但它的处境截然不同。梁文锋过去对外部资金持克制立场，甚至被视作刻意远离资本市场的行为艺术。但这种被动的“稀缺性”反而为其赢得了议价权。

有消息称，DeepSeek正寻求融资，目标估值已从最初的至少100亿美元上调至超200亿美元，超过了月暗的180亿美元估值。

估值的天平正在悄然摇摆——2023年杨植麟被视为“最值得投的人”，不到三年，资本方的注意力优先序已经出现了显著移动。

国际博弈中的镜像

把目光放得更远一些，DeepSeek和Kimi的一切故事，都嵌套在一个更大的坐标系中——中美AI竞争和中国开源与闭源的生态博弈。

2026年4月，斯坦福大学HAI发布的《AI指数报告2026》，几乎在每一篇中文媒体的总结中都突出了一组数字：中国顶尖模型与美国顶尖模型的Elo评分差距仅为2.7%。这意味着中美AI模型性能差距已经几乎消失，中国的大模型已经在多个维度追平美国的最强产品。

而在中美追平的过程中，DeepSeek和Kimi都扮演了关键角色。全球市值最高的英伟达公司在展示下一代芯片性能时，选用的模型正是来自DeepSeek和Kimi。以Kimi K2.5为代表的开源模型，已成为全球芯片厂商测试硬件性能的“基准标尺”——新芯片发布后，需要通过Kimi等模型评测性能提升幅度。

更进一步看，DeepSeek还有一个关于“生态自主”的故事。DeepSeek V4打破了过往长期依赖英伟达芯片的格局，全面选用华为最新昇腾系列芯片作为核心算力底座。对此，英伟达CEO黄仁勋曾在采访中直言，DeepSeek基于华为平台开发的新模型“对美国来说将是一个糟糕的结果”。

由此，中国AI产业正在形成两条相互交织的主线：一条是Kimi的“技术出海路径”——通过开源模型影响全球研究社区；另一条是DeepSeek的“算力自主路径”——推动芯片替代和国产算力生态成熟。两者殊途同归，但背后的驱动力各不相同。

创始人话语体系

在创始人的宏观叙事上，杨植麟和梁文锋的风格形成了有趣的对照。

杨植麟在2026年密集发声，几乎每一次都能成为行业焦点。

在英伟达GTC大会上，他系统披露了Kimi的技术路线图，用三个关键词概括其Scalin策略：Token效率、长上下文、Agent集群。他强调，要推动大模型智能上限的持续突破，必须对优化器、注意力机制及残差连接等底层基石进行重构。

在中关村论坛上，他则押注了“开源”和“AI自主研究”两个更宏观的命题。他提出开源模型正成为全球AI产业的新“标准”，并给出了极具争议的判断——“最终如果模型能力达到同等水平，开源会是绝对的胜利者”。他还将AI研发划分成三个阶段：2023—2024年的天然数据与人工标注阶段，2025年的人工精选可验证任务阶段，以及2026年起的AI主导研究阶段。

在2025年底全员信中还明确了2026年的目标：在产品和商业化上聚焦Agent，不以绝对用户数量为唯一目标，持续追求智能上限，创造更大的生产力价值，营收规模实现数量级增长。

梁文锋的公开表达则稀缺得多。但每一次出口，都掷地有声。

在去年底关于中美AI差距的追问中，他曾这样坦言：“表面上中国AI与美国比可能仅有一两年的技术代差，但真实的差距是原创和模仿之差，如果这个差距不改变，我国永远只能是追逐者，不能做颠覆者……”而在另一次关于AI记忆的讨论中，他提出上下文学习与记忆变得可靠的时刻，或许是2026年核心主题。

这背后的差异也恰恰揭示出：梁文锋可以选择以“消失”的方式换取更深度的零到一创新，而杨植麟作为一家独立创业公司的掌舵者，其每一个战略转向、每一次公开发声，都成为资本市场消化的信号。

为什么杨植麟不得不焦虑

“焦虑”不仅是形而上的问题。在实打实的资本战场，杨植麟的处境正变得越发微妙。

从数据看，月之暗面的融资轨迹足够惊艳——从2023年6月天使轮的3亿美元估值，到2026年初的43亿美元（C轮），再到2月的100亿美元，三个月内又进一步攀升至3月后的180亿美元。涨幅惊人，估值已逼近200亿美元级别。

但硬币的另一面是，一级市场的高估值传递到二级市场时的接受度存在巨大不确定性。有业内人士表示，去年底的月暗内部弥漫焦虑情绪——面对智谱和MiniMax接连在港股上市，部门员工难免士气低落，很多人觉得大模型的窗口期很短，上市机会稍纵即逝。

杨植麟在2025年底还曾在内部展现出不急于上市的坦然，但仅过去了三个月，市场风向就迎来180度转弯——月之暗面紧接着被爆出“考虑赴港IPO”的传闻。

转变得如此之快，答案几乎只有一种可能性：资本不给足够长的时间“等一等”了。

更关键的是，上市不是简单的“变现退出”，它意味着更多约束、更多财报追问、每一季度都要向股东交代业绩。而Kimi目前的变现模式仍处于艰难的爬坡阶段。从收入结构看，月之暗面C端年收入预计约2亿，API收入虽有增长但在高180亿美元估值面前显得杯水车薪。即便K2.5在发布不到20天内创造了比过去一整年还多的收入，也仍然不足以将其带上健康的盈利路径。

如果把月之暗面比成一家正在修建一座摩天大楼的公司——地基在大肆宣传中被看成最坚固的，但实际上楼内极缺租赁客户。上市就是向投资市场开放样板间，可在大堂里只有零星的参观者，没有真正愿意长期付款的“租客”。届时，资本市场的耐心能维持多久？

尽管两家公司各走各路，但从投资者的视角看，DeepSeek的估值叙事形态已经对月之暗面形成制约。虽然月之暗面在某些场景被看作中国最具技术竞争力的独立模型厂商，资本却开始寻找参照系——DeepSeek R1的引爆效应让人看到了另一个逻辑：完美闭环（爆款模型→全球影响力→生态吸引力→融资回归）是可以由一家相对低调的公司完成的。

有消息称，DeepSeek目前正以月之暗面的部分估值作为参照基准，但估值目标已调至超200亿美元，超过了月暗的180亿。这本身就说明了一个现象：资本市场愿意给De epSeek出更高的溢价，或许是因为后者更接近“零到一颠覆者”的叙事。

2026年的中国大模型市场，不再是一个由Kimi独占话语权的时代。某种意义上，DeepSeek已经成为月之暗面在融资和估值叙事上的天然精神对手——尽管两家公司的商业模式和战略方向不尽相同。

而一场无声的“估值地震”不会因为基本面上双方各有所长就能被消除。当Kimi准备IPO、DeepSeek也在筹划融资时，这场座次的排序更有可能被公开讨论。如果说杨植麟有什么焦虑是无法回避的，那便是在这场赛跑中，失去了“独一无二”的标签后该如何确立自己的不可替代的价值锚点。

结语

尽管用了如此长的篇幅去剖析杨植麟的焦虑——DeepSeek的V4追赶、商业化变现的压力、上市窗口的逼迫——但在文章的最后，必须坚定不移地表明一种态度：竞争从来不是坏事。恰恰相反，在当前的国际AI博弈格局下，中国最需要的就是DeepSeek与Kimi的持续“互相追赶”。

回顾过去几年，从Kimi从长文本开局，到最近两年齐头奔向底层架构创新，二者今天已经让中国的开源模型走到了世界前列。根据OpenRouter 2025年的调研数据，全球约有三分之一AI模型的使用量来自中国，OpenRouter的数据表明，仅仅两年前这个份额还是不可想象的，而DeepSeek在这一份额中处于领先位置。

中国的大模型产业正在经历一个前所未有的“多极格局”。有的公司选择闭源深耕，有的选择开源协作；有的主攻C端超级应用，有的着眼于B端工具开发；有的自研Agent框架开发出集群智能，有的把记忆、上下文作为未来三年核心主战场。

有专家曾言：未来五年开源模型占比可能达到80%，闭源模型约20%左右——中国在开源模型方面全球领先。更有行业报告指出，中国独立大模型厂商凭借决策灵活性，有望与互联网大厂呈现分层竞合、互补共生的格局，大厂以算力、数据、生态主导通用基座与C端场景，独立厂商则聚焦于垂直技术突破和开源创新。

现在，DeepSeek与Kimi的代表性已经超越了国内范畴——英伟达用它们测试下一代芯片，全球OpenClaw社区投票将Kimi K2.5设置为其官方主力模型，顶级闭源产品也在性能评测中被两家奋起直追。但是，未来的关键在于：仅靠两家公司跑在中国AI浪潮的最前排依然不够。想让国产大模型持续性地缩小和国际顶尖模型的距离，需要更多优秀的模型生产者涌现，让基座模型的性能变得更加多元。

从更广阔的视角看，中美两国顶尖模型在Elo评分上只差2.7%。如此微小的差距意味着，任何一家中国模型公司率先抵达下一座性能高地的机会窗口是敞开的。中国大模型的历史，实际上是在竞争性多元化催生下才逐步写得精彩——百模大战不是贬义词，而是产业趋于成熟的信使。

从这个意义上说，杨植麟的焦虑或许是月之暗面未来走向更成熟的必经一步。但它不该成为公众唱衰Kimi的理由。相反，我们应该向这两位创始人不谋私利、一心向前冲的技术精神致敬——梁文锋如是，杨植麟亦如是。

2026年4月已经走到尾声。从硅谷GTC大会回到中关村论坛的杨植麟，或许已经无暇顾及外界关于“究竟DeepSeek和Kimi谁更强”的无休无止的口水战。

因为他很清楚，最终决定哪一株小草率先迎来阳光的，不是狂风暴雨的到来与否，而是根扎得有多深、根扎得有多广。

在这场国产大模型的暗夜并肩赛跑之中，杨植麟带出了一条从学术精英到企业领军人物的实战磨砺路径。有资可融、有人可用、有产品可迭代、有Agent可畅享的未来图景——Kimi离它如今并不遥远。而从“暗月”走到“追光的月亮”，或许只需要在多走一段布满焦虑与质疑的暗黑隧道之后的第一步。

隧道尽头的光亮，来自DeepSeek们，来自Kimi们，也来自更多本土大模型的后发后来者们。

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 窄播，钛媒体经授权发布）

文 | 窄播，作者 | 麻花

在小红书上，lululemon信徒最常讨论的话题有以下几个：第一，追忆过去，怀念很多年前的老款，认为先锋前卫又好看；第二，新品判官，不明白它最近上新的款式或者配色/花纹为什么那么平平无奇或者难以理解；第三，寻找共鸣，问大伙儿「你有多久没在逛lulu的时候有『必须要拿下』的冲动了」。

lululemon在二级市场最大的黑粉头子、投行Jefferies的分析师Randal Konik也在美国市场感到了巨大的不对劲：三四年前，lululemon还有90%的商品是全价销售，一些热门款式甚至一件难求，但在去年冬天，他发现其应用程序上有超过1200件商品在打折，这同样说明了lululemon的商品对消费者失去了吸引力。

但估计消费者和分析师都没想到，lululemon最新想出来的方法，是在公司的CEO空缺了好几个月、各方利益集团的代理人之争也吵了好几个月之后，找来了耐克的老将Heidi O’Neill，做公司的新掌舵人。

对lululemon还有感情的人，希望它能找个懂产品创新的人救公司于水火，但它最终找了一个看上去懂怎么给大公司带去稳定增长、而不是让公司继续保持酷的人。

新CEO的人选好不好，二级市场已经率先用脚投票——任命公布前，lululemon刚经历了产品安全性的舆论风波，它部分衣服被曝含有可能带来健康风险的化学物质PFAS，但这丝毫没有影响它在二级市场的表现，股价甚至稳中有升。然而，Heidi O’Neill的任命公告就像一枚炸弹，只用一晚上，就炸没了lululemon 超13%的股价。

最致命的创新问题

要理解为什么Heidi O’Neill的任命会带来lululemon的股价暴跌，我们需要先给这个曾经最风光的女性运动品牌诊诊脉。

早在lululemon的积病还没有完全爆发之前，它的创始人Chip Wilson就已经数次公开批评公司在产品创新能力上的乏力。前几年，lululemon不断扩充品类，把产品从瑜伽延伸到运动休闲，从女装延伸到男装和鞋。Wilson对此多次强调，lululemon的董事会和前任CEO Calvin McDonald只懂得怎么和华尔街对话，不再聚焦于品牌最核心的Super Girl群体，逐渐失去酷感，以及打造新的明星产品的能力。

Lululemon的创新乏力似乎已经是不争的事实。有媒体做过统计，它有多款热销产品，至少已经诞生了10年，比如首发于2004年的Scuba卫衣，首发于2015年的Align瑜伽裤，以及在2016年上市的Define夹克。这在推陈出新快如小鸡啄米的运动鞋服市场，就像是在单脚走钢丝。

但从电话会的记录看，lululemon的高管对这一问题太过后知后觉。

2024年的某次电话会，lululemon管理层首次坦陈公司在女装业务上出现了问题，但他们认为症结在于：团队在核心商品的颜色、图案和装饰方面，没有给到足够的创新，错过了让顾客增加复购的机会。

整整一年之后，管理层才表示，公司的困境不是因为老本吃得不好，而是有40%的产品组合都太过吃老本：「顾客对核心款式中的季节性色彩更新的反馈不如我们预期……很多核心品类的产品生命周期过长，尤其是在休闲领域，产品过于循规蹈矩，错失了创造新潮流的机会」。

对创新问题认知的不足，给lululemon带来了什么？根据25财年第四季度财报，它整体营收至微增了1%，运营利润大幅下滑18.8%，大本营北美的营收和同店销售继续双双下滑，库存价值却增加了整整18%。它的男装业务曾被视作第二增长曲线，但在最新的成绩单里，营收只同比增长了3%，增速甚至还不及基数更大的女装。

lululemon如今摆在明面上的问题无疑是创新，但它背后折射出的深层问题则是，公司未来希望靠什么来驱动增长。

《华尔街日报》曾在一篇文章中指出，Chip Wilson希望lululemon能回归本源，以Super Girl，也就是年轻、受过教育的职业女性为品牌基点来设计产品。但lululemon董事会和前CEO McDonald, 却把公司的目标用户换成了「正念运动员(Mindful Athlete)」，他们指的是一群目标明确、积极活跃、混搭运动和日常着装的人群，不分男女老幼也不分年龄，管理层想用扩人群、扩场景的方式，给公司带来更大体量。

即使是在McDonald离开lululemon之后，Chip Wilson和公司董事会的增长路线分歧也并没有得到妥善解决，甚至升级成了连续剧般的代理人之争。

代理人之争，O’Neill是个好选择吗

过去一段时间，Chip Wilson提名过三名独立董事候选人来参加董事会选举。他们分别是深谙深谙运动产品创新和新一代运动品牌运作的昂跑前联席CEO Marc Maurer，曾把游戏产品做成全球文化现象、有跨界创新视角的动视暴雪前CEO Eric Hirshberg，以及曾供职于全球最大体育媒体、有极强品牌营销能力的ESPN前CMO Laura Gentile。

如果说这三人都代表了Wilson的意志，那这个意志便是对创意和品牌的打磨，优先于短期业绩增长。

基金投资者Elliott Investment Management在25年底成了lululemon最大的机构投资者之一，它推荐的则是拉夫劳伦的前CFO和COO Jane Nielsen，后者擅长在成熟品牌陷入增长困境时，通过优化库存、精简架构等方式来释放利润空间，曾经帮助拉夫劳伦和Coach母公司Tapesty转危为安，是典型的财务派。

人们本来以为这场代理人的终局，是lululemon董事会要么选产品创新，要么选运营优化，没想到它选了看似什么都沾边、又看似什么都不沾边的「稳妥派」 Heidi O’Neill。

先看看O’Neill的职业履历：她1998年加入耐克，从市场营销总监做起，先后负责过市场营销、女性业务、美国服装、门店和DTC直销，20-23年担任耐克消费者与市场总裁，23-25年则成为了消费者、产品与品牌总裁。

lululemon在任命声明里称，O’Neill在品牌重塑、缩短产品开发周期以及加快产品上市方面发挥关键作用。另外也有声音认为，她是耐克体系内少数能同时横跨消费者、产品、品牌三大板块的核心人物，更懂得如何在大公司里调和多方利益。

可惜从O’Neill的履历、结合耐克近年发展轨迹来看，她算不上一个既懂产品创新、又懂女性市场的人：

O’Neill确实管过耐克的女性业务，但那已是12年前的事——彼时女性运动市场的竞争远不如今天激烈。2020年以来，耐克陆续推出了Nike Infinalon、Nike Zenvy、Nike Go等女子系列，但消费者很难立刻想起其中有什么让人印象深刻的产品。它们更像是耐克作为全品类、全人群品牌「应该做」的产品线，而非什么值得骄傲的亮眼业务。

O’Neill的确主导了耐克与顶流网红卡戴珊的个人品牌SKIMS合作的NikeSkims的发布。但这个子品牌过于性感、偏离专业的女性形象，包括Lisa那支广告，都和耐克新CEO回归过后，想要强调的、耐克生而为赢的竞技体育精神不太相符。

在O’Neill担任耐克全球消费者、产品与品牌总裁期间，她主导了公司男子、女子、童装三大团队的整合，并「制定了新的产品引擎」——而这恰恰是耐克近年来产品失去吸引力的关键转折点。

在前任CEO John Donahoe的力主下，耐克将原本按篮球、足球、跑步等具体运动类别划分的组织架构，改为了按人群划分，直接导致产品开发团队对运动员真实需求的洞察出现缺失。新任CEO Elliott Hill回归后，迅速逆转了这一架构，试图重振各核心运动领域的专注度与执行力，也等于否定了前任的改革。

也正好是从2000年开始的、O’Neill最大权在握的这几年，耐克先后经历了疫情后的库存危机、前任CEO在DTC渠道革新上的矫枉过正，以及与产品创新能力的严重退化，它也变得过度依赖经典款球鞋，而久久没有推出让市场为之兴奋的新品。这个过程中，你可以说John Donahoe 才是失误决策的主导者，但O’Neill毫无疑问是诸多决策的重要参与者和执行者，在Elliott Hill回归之后，本来被认为是耐克新CEO有力争夺者的O’Neill，也最终离开了公司。

或许这些，才是投资者们最大的顾虑所在，一个过度依赖经典款、导致创新丧失的公司，要怎么靠来自另一家同样依赖经典款、同样创新乏力的公司的高管来拯救。

那么选中了O’Neill的lululemon，看中的到底是她的什么能力？

lululemon想找怎样的掌舵者

在诟病lululemon丧失创新能力之外，我们也得客观承认，整个运动鞋服行业里，它是继耐克和阿迪达斯之后，唯一一个能把公司规模做到100亿美元的运动品牌。

在lululemon之前，Under Armour巅峰时期到过50亿美元，一度被视作「下一个耐克」，现在泯然众人。彪马作为和阿迪达斯同一时代的OG，年营收到过85亿美元，最新进展是被安踏拿下。

诸多运动品牌都有一个横在头顶上的百亿魔咒——百亿之下，还能做一个高速增长、特立独行的品牌——就像当下的昂跑、HOKA、Alo Yoga。但一旦冲破百亿门槛，问题就变成了：如何持续增长？又该付出什么代价？

从这个角度讲，lululemon的前任CEO Calvin McDonald绝不算是失败者。正是在他掌舵期间，lululemon营收规模增长了两倍多，业务扩张到了全球30多个地区，并将中国内地市场发展为了它全球第二大市场。

Chip Wilson想坚持的Super Girl理论也不一定正确。毕竟在他完全退出董事会、不再参与公司决策的2015年，lululemon的全年营收才不到21亿美元，在全球还只有300家门店，还不需要面对太多左右为难的「生长痛」。

lululemon已经是个成熟的上市公司，它无法像走家族企业路径的New Balance或Brooks一样完全按照自己的意愿发展，自然也无法兼顾，在只服务于一小波群体的同时，还能满足股东对公司高速发展的期待——顺便一提，诞生于1906年的New Balance，很可能在2026年成为全球第四个超过百亿美元规模的运动品牌，且从33亿到百亿，仅仅是近六年的事。

如果明白了lululemon如今不上不下的百亿魔咒，Heidi O’Neill似乎的确有自己独特的从业履历。

她在耐克27年，亲历多轮行业周期，领英上写着「见证公司从90亿到500亿美元」。这或许正是lululemon希望她回答的问题：当品牌跨过百亿门槛，从小众走向大众，下一步该怎么走？能给出答案的人不多，靠更年轻、更小众品牌的方法论来纠偏，也不现实。

只不过，无论是阿迪还是耐克，它们穿越百亿魔咒、获得更多增长的方法论，很难完全复制到lululemon身上。

作为运动品牌行业的Top 2，阿迪达斯生于50年代，耐克生于70年代，它们拥有足够多的时代红利，在没有那么多竞争对手的情况下稳步长大，并凭借对世界杯、欧洲杯、NBA等国际大型赛事的绑定，以及传媒传播行业的发展，稳步树立品牌形象，这与lululemon目前所在的，竞争对手环伺、消费者注意力又极度分散的环境截然不同。

此外，上述两家品牌在跨越百亿魔咒之时，都把发展中国市场作为了重要支柱，但很显然，lululemon已经提前透支了这方面的潜力，甚至，它在中国的打折商品也变得越来越多。

对lululemon自身来说，还有一个重大的挑战在于，它以女性运动产品起家，定位更偏「女装」，顾客群体容易受趋势潮流、竞品动向的影响而转身离开，保持产品创新能力、保持消费者对它的渴望程度，保持「酷」，永远是最重要的。

遗憾的是，仅从新任CEO的人选看，lululemon董事会选择了「平庸着增长」，而非「独特且伟大」。哪怕「独特」这一点，对一个女性运动品牌来说，无与伦比的重要。

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 达摩财经，钛媒体经授权发布）

文｜达摩财经

历时15个月，浙商大佬仇建平入股温州民商银行终于得到获批。

4月21日，国家金融监督管理总局浙江监管局批复文件显示，同意浙江杭叉控股股份有限公司（下称“杭叉控股”）受让浙江富通科技集团有限公司（下称“富通科技”）持有的温州民商银行19800万股股份。股权受让后，杭叉控股将以9.9%的持股比例，成为温州民商银行第三大股东。 

富通科技为富通集团的全资子公司，是温州民商银行的发起股东之一。富通科技出资1.98亿元，持有温州民商银行9.9%的股份，成为该行的并列第三大股东。

富通集团是国内光通信以及电力线缆领域的知名龙头企业，是上市公司富通信息（现已退市）的控股股东。2025年，富通集团旗下多家核心子公司申请破产重整，陷入债务与经营困境。

此次接手温州民商银行9.9%股权的杭叉控股与富通科技早有纠葛，其为富通科技的债权人。

因双方的借款合同纠纷，富通科技持有的温州民商银行股权在2024年被冻结，并于2025年1月登上拍卖台。启动拍卖程序后，作为债权人的杭叉控股，以低于出资额的1.92亿元价格，竞得这笔股权。当初富通科技被杭叉控股申请执行标的为2.95亿元，温州民商银行股权转让后，富通科技仍有超1亿元的债务未进行偿还。

由于司法拍卖流程的特殊性，这笔股权变更持续了近15个月才迎来监管方面的批复。

相较于富通科技来说，杭叉控股的名气更为响亮，其为上市公司杭叉集团（603298.SH）的控股股东，实际控制人是浙商大佬仇建平。 

仇建平现年65岁，是杰出的浙商代表。其于1993年创立巨星控股集团，从五金工具开始，逐步发展成为具有工具、轮胎、叉车、柴油发动机、机器人五大核心产业的国际化大型制造企业集团。官网披露，巨星控股集团2024年营业总收入859亿元，位列中国企业500强第296位。

巨星控股集团在资本市场的版图也极为庞大，仇建平通过旗下企业现控制4家上市公司，分别为巨星科技（002444.SZ）、杭叉集团（603298.SH）、中策橡胶（603049.SH）以及新柴股份（301032.SZ）。目前，上述4家公司的总市值超过1100亿元。

在《2026胡润全球富豪榜》上，仇建平、王玲玲夫妇以380亿人民币排名第822位。

巨星控股集团过往的业务主要在传统制造业，近几年开始向新兴产业进军。2025 年，集团整合旗下国自机器人、杭叉智能、奥卡姆拉、汉和智能，组建浙江杭叉国自智能科技机器人有限公司，将“AI + 智能物流”划入其核心产业中。

巨星控股集团对金融业也早有涉猎，集团现持有浙江祐邦小额贷款有限公司10%股份，旗下巨星科技现为宁波东海银行第六大股东，持股6.33%。

温州民商银行营收连续下滑

相较于宁波东海银行，温州民商银行的体量要大不少，截至2025年末，温州民商银行的资产规模为524亿元。宁波东海银行目前仅披露了2024年报，资产规模不足200亿元。

温州民商银行于2015年3月开业，是国内获批的首批民营银行之一，也是全国首家正式营业的民营银行。

温州民商银行的股权较为分散，现有13家民企股东，正泰集团和华峰化学（002064.SZ）为该行的主发起人，现分别持有温州民商银行29%和20%股份，但该行并没有实际控制股东。

值得一提的是，虽然杭叉控股在股权受让后将成为温州民商银行第三大股东，但其持股比例与森马集团、奥康国际（603001.SH）、浙江力天相同，并列第三大股东，因此并不会在该行经营中起到决定性的影响作用。 

而且，受到“两参一控”的监管要求，巨星控股集团亦不会对其参股的两家银行实现控股。因此，巨星控股集团对两家银行的投资大概率出于战略投资角度考虑。

温州民商银行近两年营收承压。Wind数据显示，2025年，温州民商银行实现营业收入9.18亿元，同比下降16.31%；实现归母净利润3.28亿元，同比增长16.76%。

温州民商银行去年净利润增长，是在低基数上实现的。2024年，该行录得成立以来首个“双降”业绩，营收10.97亿元，同比下降1.01%；净利润2.81亿元，同比下降44.32%。 

除了富通科技外，温州民商银行的不少股东目前亦面临经营压力。奥康鞋业2022年至2024年连续亏损，公司预计去年将再亏损2.37亿元，四年合计亏损超10亿元。华峰化学的盈利能力亦从2022年起持续下滑，净利润从28亿元降至2025年的18亿元。

不过，温州民商银行的股东为温州民商银行提供了较多资金支持。截至2024年末，温州民商银行的关联方存款余额为49.3亿元，占总存款的16.69%；关联贷款余额约5亿元，占全部贷款余额的1.85%。

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 新品略财经，钛媒体经授权发布）

文｜新品略财经，作者｜吴文武

山姆正在中国市场狂飙，赚麻了，对比之下，开市客（Costco）门店数量少，开店缓慢，差距明显。最近出现了“两家”开市客，上演真假美猴王，开市客忙着“打假”。

更重要的是，开市客在中国市场应该思考及改变经营策略，如何才能追上山姆？

01 山姆狂飙赚麻了

被誉为是“美食之都”的广东顺德，因为网红美食博主刘雨鑫探店带火了莫氏鸡煲，狠狠地火了一把。

顺德近期的另一个热点也值得关注。4月23日，山姆会员店佛山首店在顺德开业。

和其他城市山姆门店开业一样，顺德山姆店开业也上演了爆火的场景。据佛山新闻报道，顺德山姆开业人山人海，大排长龙，才能进入门店购物。

消费者不仅买爆了山姆门店的商品，开业当天甚至连购物车都得靠“抢”，有网友感叹评论称：顺德人的消费力太强了。

顺德山姆开业的背后，是山姆2026年在中国市场继续按下开店加速键，保持扩张节奏的真实写照。

2025年，山姆当年内新开了10家门店，创下年内新开门店数量的历史峰值，这让山姆在中国市场的门店数量当年增加至63家。

据《零售圈》报道，2026年山姆计划新开13家门店，覆盖10个城市。这意味着2026年山姆新开门店数量会超过2025年，将会再创新高。很显然，山姆在中国市场猛踩油门，继续狂飙开店。

随着山姆门店数量的逐年增多，山姆中国的业绩表现也相应增长。据行业分析估算，山姆中国贡献了整个沃尔玛中国超过70%的营收，不断支撑沃尔玛中国的业绩保持逐年增长。

据《商业观察家》报道，山姆中国2025年业绩超过1400亿元，同比增长40%。山姆中国的业绩表现同样在狂飙。

按照山姆的规划，到2026年年底，山姆中国的门店数量将会达到76家，整体业绩数据将会相应增长。

山姆在中国市场加速开店，在同一个城市开首店、二店，甚至是更多门店。最新市场动向显示，山姆正在加速拓展北方市场及强消费下沉市场。

1996年，山姆和沃尔玛一同进入中国市场，在传统大卖场时代，沃尔玛是主角。从2016年开始，山姆在中国市场进行关键战略转折，按下加速发展键。从2020年开始，山姆在中国市场开启了狂飙模式。

当前的山姆在中国市场上演了开店速度狂飙、业绩增加狂飙等场景，赚得盆满钵满。

在中国的仓储会员制超市赛道里，山姆一骑绝尘，无友商能及。

02 开市客却忙着“打假”

和山姆在中国市场狂飙形成鲜明对比的是，在美国市场作为山姆直接竞争对手的开市客，最近在中国市场却有点烦。

过去，在中国市场运营开市客门店的主体是开市客中国，可最近一家开市客北京国际商业发展有限公司（以下简称：北京开市客），说自己是开市客中国区总部，负责全面统筹在中国市场的业务发展与全国门店布局。

北京开市客通过其公众号发文表示，计划将“中国区总部”首批将重点布局北京、成都、武汉、广州、天津、合肥六大核心区域城市。

开市客中国发表声明称，北京开市客及发布的消息并非开市客官方，开市客中国和北京开市客无关，说自己才是开市客在中国市场的合法运营主体。

开市客中国指责北京开市客冒用商标、虚假宣传。北京开市客说没有，已经起诉了开市客中国。

就这样，在中国市场上演了“两家”开市客，陷入了纠纷和口水仗，上演了“真假”开市客疑云，如同《西游记》里的真假美猴王。

开市客2019年才进入中国市场，当年在上海闵行区开了中国首店，开业也上演了爆火场景。两年后第二家门店才在苏州开业。

和山姆在中国市场高歌猛进不同，开市客在中国的门店新增和发展步伐表现得很另类，不慌不忙。

截至目前整整六年，开市客在国内市场一共只有7家门店，大部分集中在长三角的江浙沪地区，深圳有一家开市客门店。

因为开市客和山姆在中国市场经营的时间长短、门店数量、市场规模及发展模式等方面明显不同，两者在业务体量上差距明显。

开市客全球和开市客中国并没有对外单独公布业绩数据，但据媒体报道及市场研究机构预测，开市客中国2025年的业绩估算约为200亿元至250亿元。

以门店数量及总销售额来看，开市客在中国市场稳健发展，单店业绩表现不差，经营还是很成功的。

开市客不是不开新店，比如其2026年计划的泉州店将会开业，没有对外公布新的拓展计划，也鲜有报道其开店计划。

对比山姆的狂飙，开市客显得十分低调，两者形成了极为鲜明的对比。现在开市客在中国市场陷入“真假”疑云，多少会让市场摸不着头脑。

03 开市客是该“拜师”山姆了

山姆在中国市场狂飙多年，已经是超头部玩家，开市客虽然进入中国市场的时间没几年，目前已经开了7家门店，算是已经在中国市场成功立足。

在《新品略财经》看来，现如今，开市客是时候该去思考及改变在中国市场的经营发展策略，或者从某种程度上来说，开市客是时候该“拜师”山姆了。

第一，在开店策略上，开市客应该像山姆一样采用更灵活的开店模式。

山姆早期也是在中国市场采用自主拿地、投资建设仓储式卖场，或者收购现有物业改造，从2020年之后，山姆的开店模式就灵活，采用轻资产租赁和定制开发的模式，山姆不拿地、不建楼，由地方城投、国企和开发商定制建设符合山姆标准的物业，山姆长期租赁并自主运营。

现在开市客在中国市场也是采用重成本、重资产的自建模式，通常先买地，再建店，再到开店，从选址到开业通常需要2.5年至3年。

开市客现在的模式其实山姆早期也走过，现在山姆改变了，也就有了山姆近些年在中国市场的狂飙。

开市客应该借鉴和参考山姆开店模式，采用重资产和轻资产相结合的模式，因地制宜。

第二，在运营模式上，开市客应该进一步加速在中国市场的本土化。

山姆在中国市场的运营模式已经十分本土化，采用门店和前置仓相组合的模式，特别是在电商、即时配送等方面，和本土互联网企业没有任何差别，甚至优于不少本土超市品牌。目前山姆中国的线上销售额业绩占比已经超过50%。

目前开市客虽然开通了同城配送业务，但配送时间和效率方面和山姆差距不少，而且还收运费。开市客要想在中国市场取得更好的业绩表现，真的需要多补补电商课。

第三，在会员及客户服务方面，开市客还有优化的空间。

据媒体报道，目前开市客在中国估算有150万至200万会员，但会员续费率约60%，远低于其全球的90%的水平。

对比之下，山姆中国2025年底有超过1070万会员，普通会员续费率约为80%，卓越会员续费率为92%。

有消费者在社交媒体上吐槽称，开市客品控在下滑，价格却在不断上涨。例如瑞士进口的巧克力，“价格从139.9元涨到了235.9元，现在一包同样重量几乎可以买以前两包了。”

第四，在门店拓展方面，开市客需要按下加速键。

目前开市客门店主要集中在长三角地区，但中国区域城市消费力强，比如北上广等城市及新一线、二线及强省会城市，比如成都，这些城市消费力强。

而现在开市客还未进驻这些城市，而很多城市山姆已经进入或准备进入，一个城市所能容下的仓储会员制超市数量有限，如果一个城市山姆有一家或两家及多家门店，市场空间就会小。

第五，在商品组合方面，开市客要保持一定进口商品的比例，这也是开市客的一大竞争力。

目前山姆的供应链本土化持续发力，本土商品占比增加，相比而言，开市客也做大做深本土供应链，增加本土化产品，但开市客应该保持较高比例的进口商品，实现一种平衡，也能吸引会员去消费。

此外，开市客开新店，要从旧店调度员工。据公开资料，开市客上海闵行店开业之初，至少有60名至70名员工来自开市客在中国台湾的门店，开市客开新店要调动现有门店的员工到新店，需要时间，这也制约了开市客的开店速度。

所以，开市客应该进一步扩大本土化管理团队，全球团队和本土团队相组合，培养更多本土门店管理运营人才。

暂不论接下来“真假”开市客事件会走向何方，但开市客在中国市场是该做出新改变了，不说能否追上山姆，至少要多进入些核心重点城市。

参考资料：

[1] “真假”开市客疑云，界面新闻

[2] 开市客中国发布声明称与“北京开市客”无关，北京商报

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 AIX财经，钛媒体经授权发布）

文 | AIX财经，作者 | 雷晶，编辑 | 金玙璠

AI圈近期动作频频，腾讯混元Hy3 preview也正式亮相。

4月23日，腾讯混元正式发布并开源了新一代语言模型Hy3 preview。据官网介绍，该模型采用快慢思考融合的混合专家架构，总参数295B、激活参数21B，最大支持256K上下文长度。这是被官方称为混元迄今最智能的模型。

三个月前，姚顺雨带着ReAct框架和OpenAI的实战经验加入腾讯，主导完成了预训练和强化学习基础设施的重构。Hy3 preview是重建后的首份答卷。官方表示，该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体等能力均实现大幅提升。

从官方披露的数据和评测结果来看，Hy3 preview在多项基础测试中展现出亮眼的实力，虽然未必在所有维度都达到行业顶尖水准，但足以满足多数场景下的实用需求。

在实际运行效率和稳定性方面，Hy3 preview也有所突破。官方数据显示，这款模型的首Token延迟降低54%，端到端时长降低47%，大幅提升了响应速度。同时，任务成功率也有所提升，已能稳定驱动复杂的Agent工作流，覆盖文档处理、数据分析等多种业务场景。

此外，它的推理成本也有所下降。在腾讯云API输入低至1.2元/百万Tokens，个人套餐最低28元/月，在同尺寸模型中属于最低价梯队。目前，Hy3 preview已在腾讯云、元宝、WorkBuddy等腾讯核心产品中上线。

接下来，我们将根据官方提到的四个方向，实测混元大模型在实际应用中的表现。

推理能力：复杂逻辑能拆解，陷阱识别仍需加强

我们首先测试了模型的推理能力。逻辑推理题是网友最喜欢拿来测模型“智商”的类型之一。在这一环节中，我们先用经典的“洗车问题”在元宝内进行测试。

在这个经典陷阱题中，Hy3 preview起初并未答对。它给出了条理清晰的推理来建议步行，而忽视了重点在于“洗车”。在再次提醒需要洗车后，它才给出正确答案。

需要注意的是，在其他网友的实测中，Hy3 preview出现过能直接答对的情况，说明它的陷阱识别能力稳定性不足。

我们再来试一道脑筋急转弯题。在这个问题中，需要理解现实逻辑，碎了、煎了、吃了的是同一批鸡蛋。但Hy3 preview没有意识到这一点，它认为煎了的鸡蛋依然存在，可以吃掉。

随后，我们加大难度，用一道推导过程更为复杂的逻辑题来考验它。这道题的难点在于没有直接的定位信息，需要靠隐性条件来做排除，容易遗漏关键信息。

在这一场景中，Hy3 preview给出了正确答案。它先逐条拆解线索、提炼人物与职业的互斥关系，再通过排除法锁定身份。接着，它依次确定部分岗位的归属，再结合规则逐步补全。

综合来看，Hy3 preview常规理性逻辑推演能力较强，但逆向思维、陷阱识别与生活场景变通思考能力仍有不足。面对陷阱类脑筋急转弯时，容易局限于字面常规逻辑，忽略题目陷阱与现实场景，反应欠佳。但在面对条件隐蔽、推导繁琐的复杂逻辑推理题时，它能够拆解线索，层层推演，逻辑分析和分步推导能力表现扎实。

上下文学习和指令遵循 ：提取信息，干扰场景下表现稳定

这一环节考验模型的两个基本功：能否抓住真正的指令，以及能否快速理解指令。

腾讯在官方博客中给出了项目规划、旅游总结、读书记录等五个场景，我们选取两个场景来实测。

场景一：内容杂乱的会议纪要信息提取

我们给了一段混乱的会议录音转写，混杂着插话、跑题、反复修正等情况，要求其摘录三类信息。

Hy3 preview给出的答案准确地列出了这三类信息，信息抓取能力表现不错。

场景二：理解并遵循新的语言规则

我们自创了一个简单的语言，通过实例向它展示规则，并给它三个新的句子让它翻译。

在这一轮中，Hy3 preview能够准确完成相关要求，每个细节都能按规则执行。

综合来看，Hy3 preview能理解指令要求，有效排除干扰信息，适合繁杂信息干扰、信息抓取等实用场景。

代码和智能体：工具调用较成熟，任务交付完整性不足

代码能力与智能体能力，是评判一款AI助手是否好用的重要维度。这既考验模型对用户需求的理解深度，也检验Agent在多步骤任务中的规划、工具调用及任务闭环能力。这一环节，我们为WorkBuddy（腾讯旗下AI助手）设计了三个任务。

第一个任务，我们要求WorkBuddy爬取五个城市近一年的空气状况，并基于空气质量数据生成一份分析报告。

从页面呈现来看，成品表现合格。季节切换、雷达图、趋势图、相关性热力图等板块结构完整，视觉呈现有序，图表也具备基本的交互功能。这表明它在前端呈现这一层面的执行力达标。

但问题主要有两个，一是由于数据获取阶段受阻，Hy3 preview只拿到了224天的有效数据，缺口较大，影响了后续表格的可信度；二是提示词中明确要求写一段分析结论，Hy3 preview虽在页面上保留了对应板块的区域，但实际内容是一片空白。这意味着，它有任务闭环意识，但最终的交付能力仍有不足。

第二个任务，我们让它搭建一个贪吃蛇小游戏。

最终结果较为成熟，画面精美、逻辑完整，可以正常运行。但需要指出的是，贪吃蛇属于规则封闭类任务，需求明确且无需调用外部数据，评价标准比较明确，是智能体较擅长的应用场景。WorkBuddy在该任务中的表现只能体现在舒适区内的能力，验证了其具有一定的实用价值。

第三个任务，我们将难度提高，让它分析一个开放式复杂任务：分析AI Coding行业的商业模式演变，盘点2023年至今的发展历程，并找出行业关键转折点及核心驱动因素。

这是一个开放式复杂任务，没有统一的标准答案，成果质量取决于Agent的判断力、信息筛选能力与表达能力。

在执行层面，WorkBuddy能够自动调用多个工具，先修订执行计划、再落地推进计划，整个过程大概耗时半个小时。

但最终结果并不算惊艳，它只是搭建了一个基础框架，实际内容不够扎实。可以看出，虽然它掌握了拆解研究问题的方法，却不懂得如何将这些维度进一步提炼为有价值的研究论点。

总的来说，WorkBuddy已具备日常编码助手该有的能力，但在复杂任务的深度执行和最终交付上，还有提升空间。

自然对话：AI味明显减弱

最后，我们再来看看元宝有没有“人味”。这一轮通过两个场景来测试：闲聊对话与创意写作。

场景一：闲聊对话

官方文档中提到，Hy3 preview更能理解用户的倾诉意图，能承接用户情绪，避免说教式、模板化的回复。

实际测试下来，Hy3 preview的表现确实贴合这一定位。它没有一上来就罗列一堆建议，而是先客观分析背后的可能原因，再询问是否遇到什么事情。整体语气温和，较有分寸，有闲聊场景里的自然感。

场景二：创意写作

在这一环节中，我们设计了两个任务，考验它的叙事与表达能力。

我们先让它写一个主角全程未出场，但读者读完能清晰知道他是谁、经历了什么、为何重要的故事。

元宝交出的成品，全文逻辑自洽、叙事流畅，完成度较高，几乎读不出AI写作常见的套路感。

接着，我们再让它模仿《明朝那些事儿》的文风，撰写其他朝代的人物历史故事。

AI写作时容易将文风复刻表现为刻板的模仿，仅停留照搬行文框架，而不能吃透文章风格。但从生成结果来看，Hy3 preview文风复刻能力较强，整体符合要求。它抓住了原书通俗讲史的风格，较好地呈现了整个故事。

这一轮评测，最让人意外。整体来看，Hy3 preview在自然语言的表达上，已经摆脱了正确却无味的套路腔，能够写出可读性较高的文本。

结语

四个维度测下来，Hy3 preview给人的感觉是“稳而不惊”。

它没有在某一项上拿出碾压式的表现，但它也几乎没有明显的短板。放在整个国内大模型的排位里，它未必是最惊艳的一款，但符合能干活的实用型模型标准。

把视角拉远一点，Hy3 preview真正的意义或许并不在模型本身。

过去两年，腾讯在大模型战场上较为被动。今年1月底，马化腾在年会上公开承认，腾讯AI动作慢了。技术节奏相对较慢、没有一个能让外界记住的标杆模型，是腾讯面临的两大问题。而Hy3 preview的发布，让腾讯的AI故事有了转折点，也让腾讯有了整个生态都能用的AI模型。

目前Hy3 preview还只是一个预览版本，开源社区的反馈还在收集中，元宝、QQ、腾讯文档等产品的实际调用体验也还需要时间检验。据官方披露，后续会发布参数规模更大的模型。

但至少，腾讯AI已经开始撕掉过去两年“被动”的标签了。

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

（本文作者为 华夏能源网，钛媒体经授权发布）

文 | 华夏能源网

超级强大的“宁王”，投下重金来进一步加固自己的城池。

华夏能源网获悉，近日，锂电&储能双龙头宁德时代（SZ：300750）官宣，拟投资设立全资子公司时代资源集团（厦门）有限公司（暂定名，以下简称“时代资源集团”），注册资本高达300亿元，公司业务将主要聚焦在锂矿资产上。

4月22日，时代资源集团正式获得工商注册，并于当天在厦门市高新区举行了隆重的成立揭牌仪式，中国矿业联合会党委书记、会长程利伟现场见证，宁德时代联席董事长潘健、宁德时代首席矿业顾问陈景河等共同出席。

此前宁德时代将主要精力放在锂电池研发、制造上，虽然也在锂矿资源有所涉足，但均以对外投资为主，并未成立公司独立运作。如今，注册资本高达300亿的时代资源集团设立，正式宣告了“宁王”大举进入锂矿资源，打通锂电全产业链。

宁德时代明确：此番成立的时代资源集团定位为公司新能源矿产领域的专业投资运营与管理平台，该平台将围绕公司电池产业布局及需求，整合现有矿业相关资产，积极拓展海内外优质矿产资源项目，保障主营业务原材料供应与产业链安全。

宁德时代为何在此时大举布局锂电全产业链？这会给上游合作伙伴、给锂电行业带来什么影响？

补齐产业链最后一块“拼图”

当前，锂电行业虽然处于高景气期，下游订单量大幅增加，全产业链价格普遍上涨。但是，由于上游碳酸锂价格上涨过快，中下游企业面临巨大压力。

例如，3月31日，阳光电源（SZ：300274）发布2025年财报。虽然全年营收达到891.84亿元，但第四季度净利润却同比减少55.39%、环比减少61.73%，这主要是由于碳酸锂价格上涨带来的成本攀升，在存量项目中未能及时实现价格传导。

同样，宁德时代今年一季度的毛利率为24.82%，较去年全年的26.27%有所下滑，原因之一也是原材料价格的上涨。

对电芯企业来说，如何才能减少上下游价格波动对公司业绩的影响？行之有效的方法就是，打通全产业链，将上游、中游、下游的资源全部一手掌控。对宁德时代来说，不仅有这个需求，更有这个实力。

目前，宁德时代在中游锂电池制造环节，无论是技术还是市场，已经处于断崖式领先地位。在下游，宁德时代成立了时代绿色能源有限公司（简称“时代绿能”），已对外投资120余家企业，控制130余家企业，业务聚焦新能源风、光、储电站的投资、建设及运营，已开发并运营了多个大型风电、光伏及储能项目。如今，只剩产业链上游是宁德时代的薄弱环节。宁德时代虽然已经拥有几处锂矿，并参股了多家锂电材料企业，但运营比较分散，没有统一、独立的运营机构。

正因为如此，补齐上游原材料短板，宁德时代是早已有意。这对宁德时代来说，不仅可以解决原材料供应的问题，更能在锂电行业上行周期中获得更丰厚的利润。

2022年，公司锂电池供不应求，即便不断涨价，下游车企依然上门疯抢。当年，宁德时代营业收入首次突破3000亿元大关，净利润也几乎翻倍。也正因此，公司遭到部分车企领导人的“炮轰”——“车企都在为宁德时代打工”。

但实际上，上游锂矿企业才是最大受益者。2022年，天齐锂业（SZ：002466）的净利润同比增长了约‌10.6倍；赣锋锂业（SZ：002460）营收规模和净利润也创历史新高，毛利率增长了10个百分点；藏格矿业（SZ：000408）碳酸锂产品毛利率达到92.2%，堪比茅台。

Q1锂矿上游主要上市公司业绩增长情况

如今，四年前的“剧本”再度上演。去年下半年以来，碳酸锂价格一路攀升，近期大有突破20万元/吨的气势。今年一季度，天齐锂业盈利最高预增18倍，赣锋锂业预告净利润达16亿元—21亿元（上年同期亏损3.56亿元），天华新能（SZ：300390）则预告近利润最高暴增321倍。

整合上游资源，对宁德时代来说是必走的一步好棋。与其大把的给锂矿企业送钱，不如把这块业务自己干了。

非同一般的高规格开局

华夏能源网注意到，实际上，宁德时代对锂矿资源的布局早已开始。

早在2021年9月，宁德时代与宜春市政府签署合作协议，将共建新型锂电池生产制造基地项目，同时深耕产业链上下游。次年4月，宁德时代通过子公司以8.65亿元的报价竞得江西枧下窝矿区陶瓷土（含锂）探矿权。

2024年1月，宁德时代又斥资64亿元，拿下斯诺威矿业相关权益，而该矿最初的起拍价仅为2亿元。

此外，宁德时代还通过参股等形式，布局了非洲的刚果（金）Manono锂矿和南美洲的玻利维亚乌尤尼、科伊帕萨盐湖及阿根廷多个盐湖项目。

除锂电池主要原材料锂以外，宁德时代还加大了对磷、镍、钴等其他元素的布局。

例如，宁德时代通过入股洛阳钼业（SH：603993），获得了刚果（金）KFM铜钴矿部分资源；通过子公司获得湖北江家墩、贵州大坪磷矿探矿权；还与印尼电池公司IBC组成联合体投建了印尼镍资源项目。

如今宁德时代成立时代资源集团，是个标志性事件，这意味着公司开始从之前的多点布局走向集约化管理，此前拿到的这些矿产资源会集中起来放到一个篮子里，由时代资源集团负责运营。

当然，要运营、管理好这些资源，并且将上游业务做大做强，也并非易事。对于上游业务，宁德时代并非说说而已，而是在实实在在的、大张旗鼓地布局，资源投入非同一般：

时代资源集团成立暨揭牌仪式（图源：官网）

一方面，充足的资金准备。

时代资源集团300亿的注册资本，在国内锂矿企业中是傲视群雄的存在，是目前注册资本最高的盐湖股份（52.92）的5.7倍，比目前A股16家锂矿上游上市公司的注册资本总和（214.53亿元）还要多90多亿。宁德时代在公告中表示，300亿的注册资金通过货币及股权出资方式完成。

当然，宁德时代还有更强大的家底可以用。数据显示，截止2025年底，公司全年经营活动产生的现金流量净额达1332亿元，期末货币资金及交易性金融资产合计达3925亿元，这为公司在锂矿资源上的后续布局预备了充足的弹药。

另一方面，一流的人事安排。

华夏能源网注意到，宁德时代派出了公司目前的“二号人物”潘健‌任时代资源集团董事长。潘健自2014年11月‌加入宁德时代担任董事，此后历任副董事长等职，2025年1月开始担任联席董事长，与董事长曾毓群共同领导公司。

此外，宁德时代还“挖”来了紫金矿业（SH：601899）创始人、前董事长陈景河出任矿业部门顾问，以帮助拓展上游矿产供应链业务。陈景河是教授级高级工程师，享受国务院政府特殊津贴，被誉为“‌中国金王‌”和“一代矿业宗师”，于1993年创办了紫金矿业，并将其打造成了市值万亿的跨国矿业集团，业务涉及锂矿、铜矿、金矿等等资源。

一边是充足的现金准备，一边是矿业大佬坐镇，宁德时代高资源投入、高规格开局，注定了要在锂矿上游搅起江湖风云了！

过度“一体化”亦有风险

宁德时代向上游进军，布局“一体化”之路，从公司战略上看有必要，但在经营中也并非没有弊端。

一方面，掌控上游资源端，可避免“卡脖子”问题，但是锂矿行业也会有亏损风险。如在行业低谷期的2024年，锂电龙头赣锋锂业和天齐锂业双双巨额亏损，合计亏损近百亿。宁德时代在大举投入后，如何平滑锂价大幅波动的影响是难题。

另一方面，“一体化”与“专业化”都有各自的优点和缺点，宁德时代这步棋的对与错，需要更长时间的评判。

例如，在光伏行业前几年火热之时，组件企业被硅料企业卡脖子，更艳羡硅料企业的高利润，于是纷纷开始做一体化。结果从2023年下半年行业步入下行周期后，硅料企业成了亏损的重灾区，搞一体化的企业更是损失惨重，上中下游业务全面失血。

很多企业规模发展到一定程度，都喜欢往上下游延伸，做得大而全，搞“一体化”，不少优秀企业也正因为如此出现问题，最终垮掉。对宁德时代来说，实力虽然足够强大，但也并非无所不能，也很难确保能做好锂矿。

实际上，对宁德时代这样规模体量的企业，把一些环节让给合作伙伴来做，建设好行业生态更有价值。毕竟，想要赚到每一个铜板是疯狂且愚蠢的。

此外，锂矿行业面临国际化难题。无论是锂、镍还是钴，中国的资源并不丰富，因此很多国内矿企都远赴海外投资开发。而当前，受国际局势影响，许多国家都收紧了关键矿产的开发，这对走向海外的中国矿企风险巨大。

例如，2018年天齐锂业曾以40.66亿美元收购全球第二大锂生产商SQM公司23.77%股权，成为其第二大股东。SQM拥有全球储量最大的锂盐湖智利阿塔卡马盐湖的采矿经营权，天齐锂业的入股当时被认为是高明的一招。但2023年，智利政府推动锂资源国有化，SQM不再拥有智利阿塔卡马核心锂业务的控制权，天齐锂业的利益严重受损。

宁德时代布局锂矿，走向海外拿矿是必然的，解决好国际化的风险与挑战是“必答题”。

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 字母AI，钛媒体经授权发布）

文 | 字母AI

Meta要是在AI时代不出负面消息，大家可能都忘了马克·扎克伯格曾经是最招人厌的科技富豪之一。

三天内连出两个大新闻，Meta凭自身实力招黑，重回互联网上被人讨厌的位置。

周五，Meta宣布：从5月20日开始，将裁减约10%的员工，涉及近8000个岗位，同时将冻结原计划的6000个空缺岗位招聘。

Meta的首席人力资源官珍妮尔·盖尔，在各种公开访谈和公司备忘录里都表示：裁员是必要的，目的是“让公司更高效地运营，并抵消公司在其他领域的投资成本”。

公司备忘录称，“这不是一个容易做出的取舍，此举意味着要送走那些曾在Meta公司任职期间做出过重要贡献的人”。

虽然Meta的备忘录措辞依依不舍，剩下一大半篇幅在说对离职员工的补偿和交接安排。但语焉不详的“其他领域”，还是在社交媒体上引发了不满声浪：扎克伯格又要拿员工做代价来加码AI。

网友们纷纷替Meta员工抱不平：“只有忠诚雇员，没有忠诚雇主”，“年营收过两千亿美元，年净利润过600亿美元，然而还得裁8000人来省钱搞AI”。

结合周三的热门消息“Meta蒸馏员工动作来训练AI”来看，这家硅谷大厂自我矛盾到滑稽：一面要把员工当成矿藏往绝处开发，一面又把员工当赔钱包袱恨不得尽早踢掉。员工们闹不清楚自己到底是富矿还是矿渣。

记录员工鼠标移动和按键、截取员工电脑屏幕、大裁员，72小时内接连传出这种消息，可想而知，Meta又一次风评被害。在全网一片骂扎克伯格黑心的声音里，中国社交媒体上的网友很有幽默感，用经典电视剧《潜伏》的素材来嘲笑Meta的措置失当。

图注：中国网友让《潜伏》里的吴站长对扎克伯格做出指示

不过Meta作为字面意义上富可敌国的经济实体，老板和高管们就算冷血了点，肯定不是有意搞笑的滑稽戏演员。他们决策如此招怨，有不得不然的缘故。

内忧：AI不会推理，只能靠真人键鼠数据

Meta通过内部公告宣布从自家员工鼠标移动、键盘输入、点击位置和录屏监视中收集数据，来构建更强大、更高效的AI。公告的具体措辞里，有这么几句：

“我司推出的Muse Spark是新一代大语言模型系列的第一个……在某些基础层面上，仍然无法像人类一样使用电脑，比如从下拉菜单中选择选项、使用快捷键等。

要让智能体真正理解人类如何完成日常任务，我司需要用真实的示例数据来训练模型。这正是所有 Meta 员工可以通过日常工作帮助模型变得更好的地方。”

有用的信息往往藏在细节中，这是Meta在自承自家的AI远不能像竞品一样自动操作电脑单机上的软件。

从事数据科学家类型工作的Meta员工裴孚通（化名）表示，同事们在收到此通知时，普遍情绪是混杂着不解的愤怒。

“键鼠移动轨迹，有何追踪记录的价值？人类使用键鼠输入，目的是为了向单机软件发布指令。都2026年了，谁家的AI还要拿人类的鼠标键盘干活？OpenAI和Anthropic的agent能用CLI界面、能从手机上用电脑，咱们搞得鸡飞狗跳，是为了训练出一堆只会挪光标的agent？”

然而通过公开渠道的各种信息，Meta厂的AI可能真的还不会使用单机软件。

4月中Muse Spark发布时，字母AI在《汪滔的第一款大模型，让Meta终于重新上桌了》一文中提到，为了显得跑分好看，Meta给出的图表太混淆视听。在这张图表中，Muse Spark的分数排在第一列并且全部标成高亮色，掩盖其中很多项目的低分现实。

在抽象推理的ARC AGI 2一栏，Muse Spark的得分是42.5。与之对照的，是几大竞品的亮眼成绩：Gemini 3.1 Pro有76.5分、GPT-5.4得76.1分、Opus 4.6是63.3分。

这种对比度，让Muse Spark的名字像一个恶意的玩笑。被命名成“缪斯的灵光”的AI如此不灵光，如果现实发生在神话世界里，象征沉思与记忆的缪斯女神们多半会诅咒如此亵渎的人变成虫豸或禽兽。

AI模型的抽象推理不行，不只是跑分难看，直接会让智能体无法直接办公。现在Codex和Claude Code都能用代码在命令行界面直接操作单机电脑上的软件和文件，Meta家的AI还要模仿人类键鼠动作、在图形界面上来攀登这个目标，技术落后已经很显著。

现在“蒸馏”这字眼成为新的通词膨胀对象，使用者经常闹不清楚词频统计和训练数据集体采集的区别。Meta这次搞的是很经典的数据集采，那么最近，还有哪些公司用同类方法做数据集采、采来的数据干啥呢？

答案是：现在还如此集采的一般是人形机器人和自动驾驶厂家，或者服务它们的外包公司。

AI口吐人言后，市场上的热钱都在押注具身智能马上能达到同样高度。然而按某业内人士的说法，现在具身智能还在“GPT-2时代”，已有显著进步，但远未到缩放定律产生智能涌现、可观测出抽象推理能力的程度。

按“AI教母”李飞飞的观点，自动驾驶也属于简单的具身智能，只需让机器不碰撞、行进稳就可以。

既然具身智能尚未突破“GPT-2阶段”，那么硬堆人类动作数据让AI去照猫画虎就显得可行。为了帮AI和机器人系统理解物理世界，各个大厂和劳务外包企业都开始类似的项目：

美国外卖平台DoorDash搜集和出售配送员的日常任务或使用外语的视频。

优步让司机和外卖配送员记录行程动作的视像和音频数据，转卖给合作伙伴。

特斯拉让数据采集员在头盔和背包上搭载五台摄像头，每班要收集至少四小时的可用视频素材，重复数百次拿杯子、擦桌子、拉窗帘等机械动作。

尼日利亚和印度的工人把摄像头绑在头上，记录下的家务和工作动作数据被买主转卖给AI企业。

无法从推理中学习的AI，才要亦步亦趋地照搬人类刻板动作。Meta的大模型，智能程度可能真的只和数年前的竞品相当。

外患：Meta之前买训练数据的外包厂被黑，得中断合作

社交媒体上有人指出，他联系到的Meta员工之所以愤怒，是因为记录键鼠数据这种事，以前只会发生在劳力外包商和他们的雇员之间。

在这种商业模式中，大家做的都是一锤子买卖。要采集数据的项目结束，打零工的雇员走路，外包商再找下个活。

过去稳定的大厂雇员电脑上要是装上了键盘记录器和录屏软件，是雇主不信任的表现，怀疑雇员有窃密或摸鱼嫌疑。

Meta员工裴孚通对我也说，同事们不满的缘由还有一个，是监控将覆盖Gmail这些工作可能涉及的个人账号。隐私泄密、个人数据被拿去炼AI，让大家敢怒不敢言。

Meta这下又欺压员工、又裁减员工，一下把公司内部士气打到不如外包苦力的程度。其实如果能选，Meta很愿意把这些招怨的任务外包给其他供应商。不巧的是，之前承揽这业务的供应商出了重大生产安全事故，不能继续合作了。

在Meta连出负面消息的同时，Mercor这家过去的Meta合作方、AI训练数据的重要来源之一，也被爆出负面消息：Mercor的零工们，在美国北卡罗莱纳州的法庭提起集体诉讼，称Mercor用各种手段掠夺了他们的私人数据。

这是Mercor在一年时间内第八次收到类似的集体诉讼。在原告们的控诉里，Mercor常年做着Meta一做就会挨骂的事：

面试时录屏，搜集求职者的面部表情动作和生物数据信息；

兼职零工电脑上装监控，把零工各种日常工作和数码生活的动作数据、可能属于其他企业的数据全部打包扒走；

每次排班的工时过长；

项目未结束就无故解雇零工，然后给零工提供另一个项目的工作机会，当然，薪酬显著更低。

既然Mercor把脏事都做了，Meta何必亲自做呢？因为本月初Mercor被黑客攻破，Meta闻讯后紧急中断了合作关系，AI训练数据的来源骤然缩减。

4月1日，Mercor公开承认自己被LiteLLM项目的供应链攻击影响，内部数据外泄。

黑客组织在未及时更新的Github开源项目注入了恶意代码载荷。然后通过引用链条，侵入热门开源API代理库LiteLLM，让此项目成为分发恶意代码的感染中枢。

使用LiteLLM的Mercor成为第一家中招的大公司，内部数据被窃走后，在暗网上被公开叫卖。被兜售的数据包括939GB 的平台源代码、超过 211GB 的用户数据、约 3TB 的存储桶内容，内含大量的求职者视频面试录像、零工的护照扫描件和证件照等身份验证材料。

此事一出，Meta迅速宣布“无限期暂停”与Mercor的数据协作合同。

还好Meta跑得快，隔离速度不够的Anthropic，可能已经被连累了。坊间传闻，盛名远扬的Mythos模型被未被授权的外部用户登录，就是因为Mercor被黑。黑客们通过Mercor数据训练项目的登录信息细节，拼凑出了Anthropic的内部登录网址。

外包断了，那就只好打自家员工的主意。Meta员工一下就体会到了外包零工被承包商骑脸的不适，而且还没法退出。

据称监控员工的决策官宣时，有Meta员工在公司内部平台上问该怎么退出，Meta的CTO安德鲁·博斯沃思斩截回复：“在公司提供的笔记本电脑上，没有退出此设置的选项” 。

不过底层打工人的智慧是压制不住的，有人在社交媒体上建议Meta员工在工作机器上安装老游戏“吃豆人”，每天让程序自动跑几小时，AI你就学去吧。

裴孚通和他的朋友们觉得在公司电脑上装游戏太不体面。大家表示上Temu买个几十块钱的鼠标抖动器，不破坏公司电脑，又是自己的私家物理资产，挺好。

图注：Meta员工和朋友间发的搞笑哏图

扎克伯格花过百亿美元造AI，员工花几十块钱给AI提供模拟鼠标的无规则抖动轨迹。你有狼牙棒，我有天灵盖。你有科技，我有神功。

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

预见能源获悉，近日，SPI Energy申请破产保护，这是彭小峰16年间经历的第三次重大破产。从赛维LDK到绿能宝再到SPI，他的每一次创业都精准踩中了政策红利的时间窗口，又都在补贴退潮后迅速崩塌。

2025年以来，美国Sunnova、Pine Gate Renewables接连倒下，Meyer Burger关闭亚利桑那工厂，这些案例指向同一个事实——IRA动辄数十亿美元的补贴承诺，正在制造一场光伏行业的虚假繁荣。彭小峰三次以几乎相同的方式走向破产，本身就是一个关于“政策套利能否替代真实竞争力”的极限测试。答案，三次都是否定的。

32岁身家400亿，12家银行230亿打水漂

2005年，彭小峰创立赛维LDK，切入多晶硅片制造。那是中国光伏产业爆发的前夜，欧洲补贴政策催生了巨大的海外需求。赛维LDK两年后登陆纽交所，成为当时中国企业在美国规模最大的IPO，32岁的彭小峰以400亿元人民币身家登上胡润百富榜第六。

转折来得很快。2011年底，欧美对中国光伏产品发起“双反”调查，全球多晶硅价格暴跌。赛维LDK彼时负债率高达227%，仅短期负债一项就达27.47亿美元。此后债务持续膨胀，至2012年底全口径负债总额已攀升至54.2亿美元，公司实质资不抵债。2012年11月，彭小峰被免去董事长职务。赛维旗下四家子公司进入破产重整，银行债权合计271亿元，12家银行最终损失超230亿元。普通债权清偿率不到15%，银行资金几乎血本无归。

外界曾将赛维的崩塌归因于大环境和激进扩张。但细看时间线会发现：赛维扩产最凶的阶段，恰恰是欧美补贴最慷慨的时期。预见能源认为，补贴制造的虚假需求掩盖了真实竞争能力的缺失。当“双反”戳破了这个气泡，赛维在成本上完全无法与产业链更完整的对手抗衡。这不是一次意外失手，而是一套商业逻辑的第一次完整验证。

从光伏大佬到被批捕，他做了什么

赛维破产后不到两年，彭小峰推出“绿能宝”。这个平台打着“绿色能源+互联网金融”的旗号，说是把光伏电站项目的未来收益拆分成理财产品卖给普通投资者，本质上是一个在光伏领域玩P2P的资金游戏。

2017年4月，绿能宝爆出兑付危机。平台披露数据显示，被拖欠的应收账款总额超6亿元，逾期项目融资总额达4.30亿元。2018年，苏州警方以涉嫌非法吸收公众存款立案侦查，彭小峰被批准逮捕。昔日的“新能源首富”，最终被公安机关通缉。

值得注意的是，绿能宝并非一个纯粹“走偏了”的金融故事。它的底层资产是光伏电站的融资租赁业务，包装的是一个真实的行业需求：分布式光伏电站建设需要大量资金，而传统银行渠道并不畅通。但问题在于，彭小峰试图用金融手段绕开制造业的硬门槛。他以为只要融到钱、建好电站、坐等电费收入就够了，却忽略了电站的实际发电收益远不足以覆盖他向投资者承诺的回报。当这个缺口被曝光，平台就从一个光伏故事崩盘为一个金融黑洞。这不是方向错了，是逻辑从一开始就不成立。

赌徒的终局：一家工厂被关停，一家从未开工

彭小峰2011年就买下了SPI Energy的控股权。一个需要澄清的关键事实是：SPI早在2015年便在纳斯达克上市，而绿能宝本身就是SPI旗下的业务平台——两者并非先后独立的创业项目，而是母子公司关系。2017年绿能宝崩溃后，彭小峰于2019-2020年前后将业务重心转向SPI在美国的实体扩张，试图借助美国的政策红利卷土重来。2021年，美国通过IRA法案大搞光伏制造本土化，提供税收减免和补贴。SPI迅速买下破产的安装商PetersenDean的合同和Solar4America品牌，在加州接盘了一条组件组装线，信誓旦旦要把产能干到700MW。

现实很快翻了脸。加州工厂2023年还有约100MW的销量，2024年直接腰斩，不到50MW。到2025年1月，工厂仅剩80名员工，当月被正式关闭。南卡罗来纳州那个号称投资6590万美元、2.4GW的电池片工厂，从头到尾只留在了图纸上。

财务数据方面，SPI清盘人向美国法院提交的文件显示，SPI申报资产2.31亿美元、收入2.71亿美元，但账面上显然已经填不平窟窿了。2025年1月15日，SPI从纳斯达克退市，股价跌到不足2美分。2026年4月，在开曼群岛进入清算程序后，SPI向美国法院申请第15章破产保护。听证会定在5月27日。

SPI的破产不是一家公司的失败，而是折射出IRA补贴逻辑的深层问题。IRA的确有补贴，但美国本土供应链不完整，辅材、设备、人工成本都远高于亚洲，中小制造商很难跑通盈亏平衡点。同期美国本土组件价格一度跌至0.25美元/瓦的历史低点，即便是享受到IRA优惠的本土组件，售价也远不足以覆盖高昂的制造成本。2025年以来，Sunnova申请破产、Pine Gate手握30GW项目储备仍倒在44亿美元债务下、Meyer Burger关闭亚利桑那工厂。在一个政策高度不确定的市场里，赌补贴本身就是最大的风险。

彭小峰16年的创业轨迹，把一个问题重复验证了三次：当一个企业的商业计划高度依赖某一种外部馈赠，它究竟是在做制造业，还是在做政策套利？

他显然有极强的商业嗅觉，三次创业都踩在行业爆发的前夜。但嗅觉不等于判断力。每一次，他都在顺周期时把杠杆拉到最大，赌市场永远向上、赌资金链永远不会断、赌政策窗口不会关上。2008年金融危机时赌，2012年“双反”时赌，2015年做绿能宝时赌，2021年押注IRA时还在赌。一次赌对了是英雄，连续赌错就是赌徒。

SPI破产后，一家名为Amerisun的公司接盘了加州的工厂，但当地媒体调查发现，它用的产品规格属于其他公司，大概率根本没有在那里生产任何东西。这个荒诞的结局像是一个隐喻：有人倒下，有人接盘，但工厂里始终没有真正造出有竞争力的产品。

制造业的核心问题，终究不是谁能拿到更多的补贴，而是谁能用更低的成本造出更好的产品。彭小峰三次破产给出的答案很简单：他一直没有回答好这个问题。

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

地平线创始人余凯

北京车展期间，地平线打算把自己往前推一步。

地平线发布中国首款舱驾融合整车智能体芯片“星空”、整车智能体操作系统KaKaClaw咖咖虾，以及全场景辅助驾驶系统HSD V1.6，相比之前在产业链的的角色，这次地平线的野心显然更大了。

过去几年，地平线最清晰的标签是智驾芯片公司。车企需要算力，需要辅助驾驶量产方案，地平线提供征程系列芯片和配套软件。但这一次，它讲的不再只是芯片算力，变成了舱驾融合、中央计算、操作系统和整车计算平台。

它意味着，地平线正在试图从供应商的位置向上走，除了给车企提供某个零部件，也希望成为智能汽车时代的底层平台。

用更直白的话说，地平线不想只卖芯片了，它想进入汽车的“操作系统层”。

一、从智驾芯片，到汽车的“操作系统层”

地平线这次最核心的产品，是“星空”芯片。

星空基于5nm车规制程，星空6P芯片BPU算力达到650 TOPS，内存带宽273GB/s，可以同时支持座舱数字交互和高阶辅助驾驶模型部署。通过统一内存架构和统一底软，地平线称其能够让空间占用缩小50%，单车综合成本降低1500至4000元，研发交付周期从18个月缩短至8个月。

余凯的判断是：智能汽车行业不会长期保持今天这种百花齐放的底层技术格局。整车品牌可以很多，但芯片和软件平台不会太多。

他用PC、手机和数据中心AI计算作类比。他认为，历史上底层硬件芯片平台和软件平台往往最早收敛，因为这类业务研发投入高、周期长。以地平线为例，每一代芯片从项目启动到车型量产，基本都要三年以上。

地平线总裁朱威（左）、地平线创始人&CEO 余凯（中）、地平线副总裁、首席架构师苏箐（右）

地平线副总裁兼首席架构师苏箐还有一个更具体的判断，他认为汽车和手机市场很像：“车的平均单价约是手机的10倍，销量约是手机的1/10，市场体量大致相当。手机行业最后收敛成安卓生态、苹果自研生态，以及高通、MTK等少数芯片玩家。汽车底层技术也会经历类似收敛。”

这解释了地平线为什么要做舱驾一体、AI OS和智能体框架。单看它们是新产品，如果合在一起看，的确有点做平台的意味。

余凯回顾公司名字“Horizon Robotics”时说，地平线从第一天起想做的就是“Horizontal platform for robotics”，也就是为机器人打造计算平台。汽车只是这个目标的第一个落脚点，而计算平台的核心一直是两件事：芯片和操作系统。

在这个逻辑下，地平线做舱驾一体的逻辑，是认为汽车不该有两个大脑、三个大脑。未来汽车会走向统一计算芯片和统一操作系统。谁掌握芯片和OS，谁就更接近智能汽车产业链的“平台位”。

 二、舱驾一体不是省钱故事

外界讨论舱驾一体时，最容易落到成本逻辑：一颗芯片替代两颗芯片，少用DDR，少用电源和外围器件。但地平线想讲的不只是降本。

苏箐解释“星空”时表示，“判断一件事要不要做，不是先问市场需不需要，而是看集成度能否提高、元件数能否减少、在当前工艺和投资水平下能否做出来。”

他认为，计算系统的本质是对信息的处理。系统能获得的信息范围越大，访问频率越高，决策能力就越强。舱驾分离时，座舱和智驾像两个割裂系统，各自有内存、算力、缓存和预留资源。系统切得越碎，浪费越多。

所以，舱驾一体不只是省DDR，而是把座舱、智驾等相关信息压到同一个内存和缓存平面里，让计算资源统一调度。地平线试图把“舱驾一体”从成本故事，改为架构层面的故事。

这背后还有汽车产品定义权的变化。苏箐提到，机械部件的体验在十年周期里变化并不大，但计算机不同，十年前的手机今天已经很难忍受。车上的计算系统从交付那一刻开始，就必须为未来三到五年的软件复杂度和体验升级预留空间。

这对车企来说很现实。今天选算力，不能只看今天够不够，而要看第三年、第五年够不够。未来同样一辆车，传统机械和内饰部分的成本权重会被压缩，计算系统的权重会提高。

三、地平线要“外卷”，但用户愿意付钱吗？

地平线现在面对的矛盾，也是整个汽车供应链的矛盾：车企强降本，供应商高研发，用户又希望体验越来越好。

余凯把这种局面称为“三输”：车厂同质化竞争，价格压力传导给供应商；供应商利润被压缩后，很难持续开发新技术；最后消费者得到的也不会是更好的产品，而是被成本压扁的体验。

所以他提出，地平线要做“外卷型企业”。所谓外卷，不是参与价格内卷，而是通过智能化创造新增价值。比如一辆16万元的车，能不能因为智能化卖到19万元，并且用户愿意开心付钱？在余凯看来，这件事必须做到。只有车厂卖出更高价值，供应商有利润继续研发，消费者觉得钱花得值，系统才能转起来。

在L3、L4讨论上，余凯也不太看重标签。他认为真正重要的是“智驾里程占比”。如果用户从上车到下车都在使用自动驾驶，即便外界把它叫L2，也不影响它的商业价值。

这也是地平线判断智驾收费的前提，余凯认为，智驾里程占比超过50%是一个心理拐点，说明用户开始更信任自动驾驶。只有到了这个阶段，企业才有资格讨论C端收费。

这套逻辑指向一个更远的商业模型：未来三到五年，地平线仍然是To B公司；但如果自动驾驶走向L4，C端按里程付费可能出现。余凯用了一个生活化比喻：如果一段自动驾驶里程带来的自由感，只需要付出一瓶农夫山泉的钱，用户未必不会接受。

四、开放生态中的边界难题

地平线现在的矛盾在于，它一边往全栈走，一边强调开放生态。

当它只做芯片时，边界很清楚：方案商、集成商和车企都知道它的位置。但当地平线同时发布芯片、操作系统、HSD和整车解决方案时，外界自然会问：它会不会挤压合作伙伴？

余凯的回应是，开放生态是“强者的游戏”。只有一家企业在芯片、供应链、软件、行业资源等方面都能赋能别人，生态伙伴才有理由跟它合作。

他以轻舟智航为例，称双方是互相成就。轻舟在地平线J6M平台上成长很快，而J6M在对应档位上缺少直接竞争对手，出货量很大。轻舟是平台受益者，地平线也是生态受益者。

这种平衡在大众合作上体现得更明显。余凯说，地平线和大众经过两年多合作，已经建立信任。今年大众将有七到八款车型搭载地平线通过酷睿程交付的L2++系统。他甚至判断，大众在智能化上已经从相对落后进入“同向而行”，未来两三年通过与地平线合作，有可能成为领先者。

余凯说，地平线对自身角色的定位，是要成为“全球车企底层技术的赋能者”。

这套关系的关键，是地平线必须掌握一个微妙平衡：既要足够强，能够定义底层平台；又不能过度前台化，把生态伙伴的空间全部吃掉。

五、汽车智能化仍是系统工程

在大模型热潮下，自动驾驶公司都要回答一个问题：如果大模型公司进入物理AI和自动驾驶，原有智驾公司会不会被降维打击？

苏箐对此表示，所有人都在寻找一颗黄金子弹，但星空不是黄金子弹，大模型也不是。真正的产品不是解决一个炫酷问题，而是把用户体验里的坑一个个填掉。

余凯也补充说，车载计算和普通大模型问答不同。汽车是“失之毫厘，谬以千里”的系统，关乎生命安全。软件、硬件、可靠性、稳定性都需要长期打磨。他用iPhone举例：没有人会认为iPhone有某个单独的“银子弹”，但交互流畅性是苹果长期投入形成的护城河。

这也是地平线当前路线的底层逻辑。它并不否认大模型的重要性，KaKaClaw咖咖虾本身也可以接入不同模型能力。但在汽车场景中，模型只是系统的一部分。芯片、操作系统、交互、功能安全、数据闭环和工程交付共同决定最终体验。

这正是汽车智能化最难的地方，它看起来像AI问题，最后往往变成系统工程问题。

从智驾芯片走向整车计算平台，是地平线的一次位置上移，也是一场风险更高的扩张。它需要更高研发投入、更强工程交付、更复杂的生态关系，也需要在车企降本压力背景下找到新的商业闭环。

但这个答案能否成立，还需要更多量产项目和用户使用数据来验证。（作者｜李玉鹏，编辑｜杨林）

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 Alter，钛媒体经授权发布）

文 | Alter

4月24日上午，姗姗来迟的DeepSeek V4终于显露真身。

当天，DeepSeek-V4-Pro即登顶Hugging Face开源模型榜，两个“核弹级创新”被津津乐道：

一是百万级的超长上下文，但KV cache只有V3.2的10%，被亚马逊工程师盛赞将解决HBM短缺问题；

二是对国产芯片的适配，在研发过程中与华为紧密合作，并第一时间适配了昇腾、寒武纪等国产芯片。

巧合的是，Hugging Face开源模型榜排名第二的，正是4月20日深夜发布并开源的Kimi K2.6。

如果是在太平洋对岸，两个万亿参数模型的“撞档”，免不了为了估值、商业版图互相攻讦，国内却上演了截然不同的一幕：没有互揭老底的戏码、没有暗流涌动的公关战，甚至在技术底层进行了“换防”。

“不寻常”的背后，暗藏了中美在AI技术路线上的分歧：硅谷疯正在狂“竖起高墙”，试图用闭源守住既得利益；国大模型厂商则选择“拆掉围墙”，在开源的土壤上走向了协同进化。

01 硅谷深陷“权力的游戏”

不同于国内大模型百花齐放的开源路线，OpenAI、Anthropic、谷歌Gemini为代表的硅谷AI头羊，无不是闭源的拥趸。

当前沿的技术创新被锁死在各自的数据中心里，面对算力成本的重压和资本市场的期待，以开放与协作著称的“硅谷精神”渐渐消亡，玩家们不可避免地陷入了零和博弈的“权力游戏”。

过去两年里，技术“暗战”已经演变成公开互撕，最典型的手段就是互相“抢风头”：在竞争对手发布新产品的关键节点，迅速抛出自家的重磅更新来遏制对方的声量，已经成为硅谷的常规操作。

早在2024年5月，OpenAI和谷歌就曾同时发布AI新品，一方说GPT-4o全球领先，一方说Gemini家族能覆盖全生态全路径。最后两家公司的CEO都坐不住了，公开在社交媒体上嘲讽对方。

不只是和谷歌的“缠斗”，OpenAI与Anthropic的较量也进入了白热化：就在4月16日，Anthropic刚发布了新模型Claude Opus 4.7，OpenAI在两个多小时后便宣布Codex大幅更新，喊出了“Codex for（almost) everything”的口号。明眼人都看得出来，时间上的撞档绝非巧合，而是OpenAI针对Anthropic精心策划的一场“狙击”。

除了舆论场上的“文斗”，互相“揭老底”的“武斗”也成了硅谷的常态。

Anthropic在4月7日高调宣布年化收入达到300亿美元，成功超越OpenAI的250亿美元。

一个礼拜后，OpenAI首席营收官在给全体员工的内部信中直言不讳地指出：Anthropic对外宣称的300亿美元年化营收存在严重水分，因为它采用的是“总额法”，把分给亚马逊、谷歌等云服务商的抽成，也全额算进了自己的总营收里，导致年化收入被高估了约80亿美元。

内部信中给对手拆台的做法，在科技行业并不常见，目的无非是想告诉投资人——Anthropic的增长神话是注水的。

而一旦敌意滋生，会无孔不入地影响每一个决策。

Anthropic因拒绝删除合同中的特定安全条款与五角大楼“闹掰”后，OpenAI几个小时后就高调宣布已与美国国防部达成合作。

在2026年的“超级碗”上，Anthropic重金投放了一条广告，内容是“广告正在进入AI领域，但不会进入Claude。”可以说是对着刚开始测试广告功能的OpenAI“贴脸开大”.......

为何昔日的“同门兄弟”，走到了水火不容的地步？

根源在于闭源商业模式的固有逻辑：闭源的生存根基在于构建护城河，而构建护城河的前提就是阻断技术扩散，垄断最先进的生产力。再加上技术路线不兼容、产品叙事对立，自然而然地形成了一个纳什均衡：谁先“停火”，谁的品牌叙事就会坍塌，最终在内耗的泥潭里越陷越深。

02 开源阵营的“协同进化”

将视线转回国内，剧本的走向完全不同。

时间回到一年多前，DeepSeek-R1的横空出世，为狂奔的大模型创业赛踩了一脚刹车，进入决赛圈的大模型“六小虎”首当其冲。和硅谷最大的区别，DeepSeek没有扮演吃掉池子里所有鱼的“鲨鱼”，而是像鲶鱼一样激活了整个中国大模型生态，大家纷纷拥抱开源。

直接的例子就是和DeepSeek的成长轨迹高度重合的月之暗面 都是2023年起步的初创团队，都保持着人数极少但人才密度极高的团队结构，并且都是Scaling Law的坚定信徒。

2025年7月，月之暗面发布了全球第一个万亿参数的开源模型Kimi K2，在技术报告里毫不掩饰的说采用了DeepSeek开源的MLA架构。对于大模型来说，处理超长文本最大的噩梦是显存墙，而MLA架构的颠覆性在于，巧妙将KV Cache的压缩率做到了惊人的93%以上。

有了DeepSeek贡献的“业界标准”，月之暗面在内的大模型团队不需要重复造轮子，快速降低了推理成本。

故事并未止步于此。

翻看DeepSeek V4的技术文档，详细描述了模型的架构，其中一个重要升级是把大部分模块的优化器从AdamW换成了Muon，实现了更快的收敛速度、更优的训练稳定性。

在Kimi K2.6的技术文档中，同样提到了Muon优化器，在相同的训练量下实现了2倍的效率提升。

两个模型都提到的Muon优化器，最早由独立研究者Keller Jordan在2024年底的博客里提出。同样被AdamW困扰的月之暗面团队，在2025年初对Muon进行了关键的工程化改进，增加了Weight Decay、RMS控制等能力，并命名为MuonClip。

月之暗面在Kimi K2上率先验证了Muon优化器的稳定性，实现了预训练全程“零Loss Spike”。DeepSeek在训练V4大模型时，同样采用了被验证过的Muon优化器。

需要说明的是，开源大模型的“协同进化”并未陷入同质化，正在走向一条“和而不同”的道路。

比如DeepSeek-V4聚焦基础模型的核心能力攻坚，进一步筑牢了全球开源大模型的性能天花板，为全行业提供了性能比肩闭源旗舰的基础底座；Kimi K2.6深耕Agent工程化落地，解决了大模型长程自主执行的痛点，为大模型进入真实生产场景打通了关键路径。

整个过程中，没有旷日持久的商业谈判，没有剑拔弩张的专利博弈。在开源阵营里，技术创新正在像水一样自由流动，谁做得好，大家就用谁的。

在开源生态中汲取养分，在技术路线上互补。中国的大模型厂商，用行动向世界示范了硅谷之外的另一种可能。

03 美国在“造墙”，中国在“修路”

赞叹开源协同进化的同时，必须直面一个商业现实。

目前OpenAI和Anthropic的年化收入均达到了百亿美元以上，而国内头部大模型厂商的营收，刚跨过年化一亿美元的大门。

OpenAI在二级市场的估值约8800亿美元，Anthropic的估值已经飙升到了1万亿美元左右，而Kimi和DeepSeek新一轮融资的估值，分别为180亿美元和200亿美元。

有人高呼中国大模型厂商的市值被低估了，也有人认为：“能否将技术口碑转化为真金白银，是摆在中国厂商面前的生死大考。”一时间，关于开源“性价比”的讨论甚嚣尘上。

想要看清终局，或可以从大模型的竞争阶段着手：

第一阶段是“拼参数、拼Benchmark”。到了2026年4月末，这个阶段基本结束，各家在榜单上的跑分已经拉不开实质性差距。

第二阶段是“拼训练效率、拼推理成本、拼架构创新”。正是当下所处的赛段，也是算力成本倒逼下的必然结果。

第三阶段将是“拼Agent体系、拼生态、拼开发者”。当Token从免费流量变成执行任务的“燃料”时，生态的繁荣度将决定生死。

国内的开源大模型处于什么生态位呢？我们找到了两组直观的对比数据。

一个是训练成本。

2025年8月发布的GPT-5，训练成本超过5亿美元；同期的Kimi K2 Thinking，训练成本约460万美元；DeepSeek没有公布V4系列模型的训练成本，但V3模型仅花费了557.6万美元......国内大模型厂商只用了不到OpenAI零头的资源，训练出了同等水平的模型。

另一个是调用量。

进入2026年后，多模型聚合平台OpenRouter的数据显示：在OpenClaw代表的Agent产品的带动下，全球的Token消耗量呈现出了指数级增长，中国的“开源梦之队”，凭借“好用又便宜”的口碑，调用量已经连续多周超越美国。

原因并不难解释。

中国开源阵营已经跑通了“正反馈飞轮”：A公司开源底层技术，B公司采用并进行工程优化，再将优化的结果和经验反哺给整个生态。如果说闭源模型的进化是建立在海量算力堆砌上的线性增长，等待开源路线的，将是技术创新相互碰撞带来的指数级扩散。

按照摩根大通的研报，2025-2030年间中国AI推理token消耗量将实现约330%的年复合增长率，将从2025年的10万亿token，激增至2030年的3900万亿token，增长规模达370倍。

也就是说，2026年仍处于AI爆发的初期，未来5年里还有数百倍的增长机会，远未到盖棺定论的时候。

恰恰是对长远机会的自信，在硅谷巨头们拼命造墙时，中国的大模型厂商选择用协同补位的方式，不断夯实通往AGI的路。

04 写在最后

这场轰轰烈烈的AI浪潮，谁会笑到最后？答案不仅关乎模型，还关系到算力的自主可控。如果把模型比作“原子弹”的话，摆脱外部技术封锁的国产算力，就是将原子弹送上天的“火箭”。

让人欣慰的是，国产模型和国产算力的融合越来越紧密：DeepSeek V4的技术文档中，将昇腾NPU与英伟达GPU并列写入了硬件验证清单；月之暗面在最新的论文中将大模型推理的预填充和解码运行在了不同芯片上，为国产芯片大规模参与模型推理打开了大门。

2025年初，DeepSeek R1为国产大模型争取到了上牌桌的机会；到了2026年，中国的开源大模型阵营，正在协同合作中不断创造更多定义牌桌规则的硬资本。

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

Momenta CEO 曹旭东

很长一段时间里，自动驾驶行业喜欢讨论路线之争。

端到端、世界模型、VLA、大模型、强化学习、无图、轻图……每隔一段时间，行业都会出现一个新的关键词。车企发布会上的技术名词越来越密集，供应商之间的表达也越来越接近。乍一看，大家都在往同一个方向走。

但 Momenta CEO 曹旭东认为，真正的差距并不在这些单点技术名词上。

在北京车展期间的交流中，他多次提到一个判断：自动驾驶行业真正的壁垒，已经不再是某个单点算法，而是架构、体系和组织能力。算法可以被学习，人才会流动，技术概念也会快速扩散，但一家企业能不能把数据变成能力，把能力变成产品，把产品变成商业闭环，才是决定行业格局的核心。

他用了一个很形象的比喻：数据不是金矿，而是“含矿量很低的铁矿石”。拥有海量原始数据，只是价值源头的10%，剩下90%的价值，来自如何把贫矿变成富矿，再把富矿变成钢铁、发动机，最终装到车上。

这也是 Momenta 在这轮自动驾驶竞争中想强调的东西：自动驾驶的下半场，不是堆数据和喊模型，而是体系战争。

过去两年，中国智能驾驶供应商开始密集进入国际车企体系。Momenta 已经与奔驰、大众、丰田、本田、日产、通用、福特等全球主流品牌建立量产合作关系。曹旭东说，和国际 OEM 合作，最常见的挑战是“中国速度”和“国际标准”的冲突，但只要围绕用户价值共创，很多矛盾可以找到创新性的解法。

与此同时，自动驾驶也被他放进了一个更大的坐标里：物理 AI。

在曹旭东看来，自动驾驶很可能是物理 AI 最先跑通规模化闭环的领域。因为它已经率先实现了数据闭环和商业闭环，而这两者一旦互相正反馈，就可能推动能力快速跨越人类水平。机器人也会走向类似方向，但距离规模化闭环还需要更长时间。

“物理 AI 是需要门票的。”曹旭东说，这张门票不是一个漂亮的技术概念，而是能支撑长期研发的现金流业务。

以下是北京车展期间与 Momenta CEO 曹旭东的交流内容整理，略经编辑：

“原始数据只是价值源头的10%，剩下90%来自体系”

问：Momenta一直强调数据驱动。现在行业里也有一种说法，数据本身并不难，难的是用好数据。你怎么看？

曹旭东：数据这件事情，不是单单的数据本身。你可以认为数据是矿石，而且是含矿量很低的铁矿石。你要真正把数据用起来，首先要把贫矿变成富矿。

比如我刚才分享的，高速上三只小狗排队横穿高速，这样的场景真的是万中无一。你怎么把这个数据挑出来？这本身就是大海捞针级别的难度。

但这只是第一步。你要把贫矿变成富矿，再从富矿变成钢铁，钢铁又变成发动机，发动机最终装到车上，这才是最终价值。

所以，整个数据飞轮是一个体系能力。拥有原始数据，哪怕拥有海量原始数据，也只是价值源头的10%，剩下90%来自体系。

问：那 Momenta 是怎么把数据真正用起来的？

曹旭东：我们的大模型细节不能说太多，但可以分享一个大致过程。它分为预训练和 Post-Training 两个阶段。

预训练阶段，数据来自我们量产车的大规模数据。现在我们已经有80万台量产车，这些量产数据里包括大量长尾场景。我们会通过 World Model Pre-Training 预训练模型。

预训练让模型具备物理常识，但有物理常识不代表它是一个好司机。大量数据里面有好的驾驶行为，也有很多不好的驾驶行为。这一点和数字 AI 里的大模型训练类似，海量数据可以让模型具备世界常识，但不意味着它有好的行为。

所以还需要 Post-Training，把模型的行为激发出来，或者说对齐到人类好的驾驶行为上去。

“单点算法没有长期壁垒，真正的差距在体系和组织”

问：今年车展上，很多车企都在强调辅助驾驶技术路线，比如小鹏的 VLA、华为乾崑 ADS。Momenta 世界模型最大的特点是什么？

曹旭东：我觉得更重要的不是单点算法，而是架构能力。

架构能力比单点算法能力更强。因为一旦涉及架构，就一定涉及取舍。不是所有创新都能放到同一个架构里面。好的架构能实现更好的积累和合力。

架构之上还有体系。这个体系包括数据迭代体系、训练体系、验证体系，也包括整个迭代体系。体系之上，则是组织和文化。

根本上，企业之间的差距来自组织、文化和体系建设。单点算法当然很重要，每一代算法架构创新都会带来大的进步。但坦率来说，在中国环境下，知识流动和人才流动都很快，仅仅靠单点算法，并不存在特别大的长期壁垒。

有壁垒的是体系和组织能力。

所以你会发现，大家说的可能是同样的单点算法方向，但最终做出来的效果可能差一代甚至两代。背后不是单点算法的差距，而是体系和组织的差距。

“中国技术出海，反向合资会是一个共赢模式”

问：现在全球汽车产业出现一种新的趋势，越来越多海外车企看重中国科技公司，甚至出现所谓‘反向合资’。你怎么看？

曹旭东：中国技术正在从中国走向世界，速度非常快。进入欧洲等海外市场时，中国技术可以给当地用户带来更领先的产品价值，但另一方面，也会对当地公司、就业和税收产生冲击。

比较好的解决方案，就是借鉴中国之前的发展模式，做反向合资。

反向合资之后，一方面让当地用户享受到中国高科技带来的好产品和好体验；另一方面，中国技术也能赋能当地企业，给当地带来更多发展机会、就业机会和税收。这是一个共赢模式。

问：Momenta 与外资车企合作时，最大的挑战是什么？

曹旭东：我们现在已经是全球品牌的共同选择。全球顶尖品牌里，德系的 BBA、大众，日系的丰田、本田、日产，美系的通用、福特，都已经是我们的量产合作客户。

挑战最常见的是，中国速度和国际 OEM 标准之间有时会矛盾和冲突。但这个矛盾和冲突，只要围绕客户和用户价值去共创，很多时候都能找到更好的创新方法，带来更好的结果。

“自动驾驶是物理 AI 的序章”

问：物理 AI 最近非常热。你觉得 Momenta 在物理 AI 里处于什么位置？

曹旭东：物理 AI 是大势所趋。

数字 AI 有很大优势。第一个优势是数据能够快速、大规模获得。比如 GPT 所需要的是互联网数据，互联网数据天然就是大规模的。第二个优势是数字 AI 的验证成本更低、周期更短。Agent 调用一个工具，可能只需要一个接口。

但机器人要调用一个工具，就要先把机械手造出来，再抓取工具、使用工具，难度和复杂度都大很多。

我们所处的世界既有数字部分，也有物理部分，而且物理部分可能更大。所以当数字世界取得巨大进展后，很多成功经验和方法自然会进入物理世界。

现在只是物理 AI 的序章刚开始。

讲到物理 AI，最核心的是两个闭环：数据闭环和商业闭环。这两者是互动的。

我有一个观察：任何一个人工智能应用，一旦接近人类水平，就会在很短时间内大幅超过人类水平。AlphaGo如此，人脸识别也是如此。前面接近人类可能花了十年、二十年，但超过人类，可能只需要一两年、两三年。

背后的逻辑，就是数据闭环和商业闭环的正反馈。先有数据闭环，才有足够好的体验；体验一旦接近甚至超过人类水平，就能实现爆发式商业化；商业化又带来数据爆发式增长；数据增长再推动模型能力继续增长。

自动驾驶正在进入这个阶段。机器人还需要一段时间。自动驾驶是物理 AI 的序章，因为它最先实现了规模化的数据闭环和商业闭环。

“物理 AI 是需要门票的，门票就是现金流业务”

问：为什么你认为自动驾驶会比机器人更早进入物理 AI 的规模化阶段？

曹旭东：自动驾驶要实现规模化 L4，我判断累计投入至少是百亿美金级别，而且这可能还是创业公司的研发效率。如果是大公司，可能不只是百亿美金，而是几百亿美金。

通用机器人需要多少钱？我的判断可能是几百亿美金到千亿美金级别，而且这也可能还是创业公司的研发效率。

所以，物理 AI 是需要门票的。这个门票就是你需要有现金流业务。

虽然现在中国具身智能资本市场非常活跃，但长期来看，靠投资、靠融资去追踪做成通用物理 AI，或者物理世界 AGI，是不现实的。一定要有现金流业务支撑物理 AI 研发。

这个现金流业务可以是自动驾驶，也可以是物理 AI 的某个方向，或者来自数字 AI 的现金流业务。无论如何，一定要有现金流业务支撑长期研发。

“一个自动驾驶大模型，可以覆盖所有垂直场景”

问：今年 Momenta 的 L4 业务有什么进展？Robotaxi 赛道玩家越来越多，Momenta 的优势是什么？

曹旭东：Momenta 的 L4 不只做 Robotaxi，也会做 Robovan，也就是物流。我们十年前的愿景里，就有物流和出行效率翻倍。实际上物流放在更前面，出行放在后面。明年我们还会做 Robotruck，今年不会做，但明年会做。

背后的底层逻辑，是我们相信一个自动驾驶大模型能够实现所有自动驾驶垂直应用，并且做得更好。

这件事我们已经在 Robotaxi、Robovan 和乘用车上验证过，并取得了很好的效果。

它带来的价值是，每一个 vertical 的研发成本会大幅降低。每个应用场景、每个垂直领域的经验和数据，又可以汇总、吸收到同一个大模型里，让每个垂直领域做得更好。

这就是平台优势。

有点像十年前互联网行业有垂直电商，也有平台电商。最后胜出的往往是平台电商，重要原因就是平台效应。

我们的判断是，自动驾驶大模型领域也存在很强的平台效应。一个大模型能够覆盖所有垂直领域，每个领域成本更低，效果也会更好。

“自动驾驶会比芯片行业更快收敛”

问：你怎么看智驾供应商格局？未来会一直是华为、Momenta 和少数玩家，还是会有更多供应商赶上来？2030年会不会迎来终局？

曹旭东：自动驾驶有非常强的规模效应和先发优势，而且这个效应会比芯片行业更强。

回顾历史，PC 芯片时代全球主要就两家，手机芯片时代全球也就两家，高通和 MTK。自动驾驶因为是软件，边际成本是零，所以规模效应更强。

它的规模效应不只是成本上的规模效应，还有体验提升上的规模效应。

另一方面，面向主机厂也有很强的先发优势。汽车行业很多业务都是敲门敲三年。从见到客户到拿下合同，国内 OEM 可能需要三年，国际 OEM 可能需要五到七年。

比如奔驰。2017年奔驰投资了我们，当时 Ola Källenius，也就是现在奔驰董事长，觉得 Momenta 很有活力，选择投资我们。但我们和奔驰的第一个量产项目真正上市，是2025年后半年，整整经历了八年时间，而且这已经算加速了。

2017年到2020年是 POC，2020年到2022年是 Pre-SOP，2022年到2024年是小批量量产开发，到了2024年才拿到奔驰所有电车和油车业务，2025年底才真正量产。

所以这个行业有非常强的规模效应和先发优势。我还是维持原来的判断：中国最终可能只有2到3家，全球可能只有3到4家，会非常快速地收敛。

“创业十年，最重要的是和志同道合的人做真正喜欢的事”

问：今年是 Momenta 成立十周年。从创业到现在，你最大的感受是什么？

曹旭东：我觉得自己蛮幸运。

一路走来，最重要的还是跟志同道合的人，去干真正喜欢的事情。这会让你的人生生机勃勃。

创业过程中有很多困难和挑战。每一年你都会觉得，今年可能是最难的一年，过了今年明年会更好。但实际上不是。

所以，如果你不享受发现问题、解决问题的过程，不享受和身边志同道合的人一起探索、面对困难、解决困难，创业中的这些困难很难坚持下去。

咬着牙坚持一年、两年、三年可能可以，但很难坚持十年。

你一定要找到志同道合的人，去干喜欢的事情，让自己的人生生机勃勃。

（作者｜李玉鹏，编辑｜杨林）

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 AIX财经，钛媒体经授权发布）

文 | AIX财经，作者 | 李梦冉，编辑 | 魏佳

没有发布会，没有倒计时，DeepSeek V4就这样直接上线了。

这已经是DeepSeek惯用的节奏。但这次不一样的地方在于，他们在技术报告里主动写下了一句话：V4的能力水平仍落后于GPT-5.4和Gemini-3.1-Pro，发展轨迹大约滞后前沿闭源模型3至6个月。

这句话放在国内AI圈的语境里，显得有些格格不入。大多数模型发布，标配的是“全球领先”“行业第一”。DeepSeek反过来，主动划出差距。

但如果细看这次发布的内容，就会发现这并不是谦虚，V4压根没打算在“谁最强”这个问题上和GPT-5掰手腕。V4想做的，是把百万token的超长上下文变成所有用户的标配，同时把价格打到竞品的三分之一以下。

这篇文章我们想说清三件事：V4是什么、它能干什么，以及这次发布背后值得关注的信号是什么。

01.V4最大变化：超长文本全系标配

V4模型按大小分为Pro和Flash两个版本，在官方网页端和APP界面分别是专家模式和快速模式。

Pro是旗舰版，主打能力上限，对标的是GPT-5、Gemini这类顶级闭源模型，适合对效果要求极高的复杂任务。Flash是轻量版，速度更快、价格更低，推理能力接近Pro，但世界知识储备稍逊一些。

两款模型都支持同一件事，也是这次发布最值得普通用户关注的变化——百万token的超长上下文，全系标配，不分版本，不加价。

“上下文”这个词听着技术，简言之就是“AI一次能读多少内容”。按照100万token大约是75万汉字换算，差不多把整部《三国演义》喂给V4，它都能完整理解和分析。

这源于V4采用了CSA（压缩稀疏注意力）和HCA（重度压缩注意力）的混合架构。同样处理一百万字的内容，V4只需要前代模型四分之一的算力和十分之一的显存。

以前这个能力不是没有，但价格都很贵，得单独付费或者升级套餐。V4把它变成了所有用户默认就有的基础能力。对日常使用来说，感知最明显的一点是：使用者不再需要把一份长报告剪来剪去分段喂给AI，整份材料可以一次性丢进去，让它直接处理。

此外，V4提供了三档推理强度：

Non-think直出模式，AI直接给答案，适合简单问答和日常对话，速度最快；在网页和APP上关闭深度思考即可。

Think High是常规深度思考，AI会在脑子里推导一遍再回答，适合需要分析计算的场景；

Think Max则适合极难推理，但耗时更长，消耗的token大约是普通模式的两倍。思考的强度，由模型根据问题的复杂程度自动判断，或者使用者可以通过API参数手动指定为High或Max。

定价方面，V4延续了DeepSeek一贯的激进风格。

V4-Pro每百万token输入1元（缓存命中）或12元（缓存未命中），输出为24元；V4-Flash为每百万token输入0.2元（缓存命中）或1元（缓存未命中），输出为2元。

粗算下来，DeepSeek的定价大约是竞品的三分之一甚至更低。另外，V4同时支持OpenAI和Anthropic两种API接口格式，对开发者来说，切换只需要改一个参数，迁移成本几乎为零。

02.三个场景实测：长文本、写代码、复杂推理

在实际使用中，V4表现如何？我们围绕三个高频使用场景对其展开测试：长文本处理、代码生成与调试和复杂推理。

场景一：长文本处理

长文本处理是V4此次核心卖点，我们直接选用某上市公司2025财年年度报告作为测试材料。这份年报篇幅为324页，涵盖财务报表、附注及股东信息等多个模块，信息密度高、数据分散，是测试长文本理解能力的理想素材。

我们的测试问题分两层：第一层要求提炼年报核心要点；第二层追问两个藏在文档深处的具体数据——该年度回购股份的总数量与总对价，以及管理人员酬金排名第三的具体人员与金额。这两个问题的答案分别散落在年报第212至213页和第311至313页，位置偏后，必须完整阅读文档才能准确定位。

V4响应时间约19秒，给出的答案完全符合原报告。

此外，在追加提问短期银行借款利率区间时，我们关闭了“深度思考”，选择Non-think模式，V4同样准确找到年报数据，信息来源同样精确到页码。

从整体表现来看，快速模式下V4对这份300余页年报的处理相当稳定。数据定位准确、跨章节关联清晰、单位换算无误，且在回答过程中主动识别了潜在的口径歧义并加以说明，并没有因为文档体量大而出现答非所问或信息遗漏的情况。

对于需要快速从大体量文档中提取特定数据，V4的长文本处理能力已经达到了实际可用的水准，且在快速模式下便能完成，不需要开启深度思考来换取准确性。

场景二：代码生成与调试

这一场景我们分两步进行测试：

第一步，让V4生成一段含有隐藏Bug的Python代码，要求故意埋入2至3个常见错误但不提示位置；

第二步，将这段代码重新交回V4，要求找出所有问题、修复代码并逐一解释原因。两轮分别在开启和关闭深度思考的模式下各跑一次。

开启深度思考模式响应时间15秒。V4在思考过程中主动梳理了代码的所有潜在问题，最终给出了6项错误分析，超出原题预设的2至3个范围。除了最核心的数据类型错误和文件未正确关闭之外，还额外识别出除零错误、列名不存在时的KeyError等。

关闭深度思考模式明显更快，直接输出结果，没有可见的思考过程。识别出的问题同样是文件未正确关闭、列数据类型错误、除零错误、列名不存在等，与开启深度思考的核心结论基本一致。

对于不懂代码的用户来说，日常的代码调试任务，关闭深度思考已经足够可用，速度也更快；如果是生产环境的代码审查，或者需要考虑各种异常边界，开启深度思考会给出更完整的分析。

场景三：复杂推理与分析

对于复杂推理测试，我们设定为一家中高端护肤品公司的经营困境分析：三年收入年均增长18%，但净利润率从12%腰斩至6%，同时面临库存积压、营销费用失控、电商渠道落后和竞争对手低价抢市等多重压力。

要求V4以商业顾问身份，识别核心问题、按紧迫程度列出三个优先风险并说明判断依据，随后在同一对话中追问：若公司决定优先发力电商渠道，可能面临哪些新风险。

深度思考响应用时9秒。V4在思考过程中先完成了问题拆解：将所有负面信号归类为现金流威胁、盈利能力恶化、市场结构性风险三个维度，再依据“若不立即处理会导致现金流断裂或持续亏损”的紧迫性标准完成排序，逻辑链条清晰可见。

最终它给出的三个优先风险依次是：库存积压与现金流风险排第一； 盈利能力持续恶化排第二，中端市场被抢占与渠道结构性短板排第三，并均给出了充分理由。

为了验证连续推理能力，我们追问发力电商渠道的风险，响应用时仅3秒，直接在第一轮建立的背景基础上继续推导，V4识别出五项新风险。

关闭深度思考后结果也差不多，不过结论呈现上更结构化，增加了“止损时间窗口”，落地感更强，某种程度上比深度思考版本更像一份可以直接拿去汇报的分析文件。

这一轮测试最值得关注的有两点：一是推理的连贯性。前后两轮的分析形成了完整的逻辑链；二是结论的落地性。风险分析不停留在“可能会有影响”的泛泛层面，每条都给出了具体的传导路径。

比如它指出高端产品依赖线下BA服务和专柜体验来支撑溢价，一旦在电商大力促销，消费者会形成“不降价就不买”的预期，进而打击线下门店的正价销售能力，最终形成恶性循环。测试结果显示出推理逻辑连贯性和缜密性。

03.V4的真正影响力，在模型之外

DeepSeek主动说自己“落后3到6个月”，这不是谦虚。DeepSeek的牌是开源、是价格，承认差距，反而让这张牌打得更稳。

一位长期关注大模型领域的从业者对「AIX财经」称，“当一个开源模型把百万上下文变成标配、把API价格打到竞品的三分之一，你会发现闭源模型的护城河其实没有想象中那么宽。”V4最大的价值是让用户在成本可控的前提下，把很多以前想做但做不起的功能做出来了。

也因此，开源加低价，可能会动摇整个行业的定价逻辑。

对普通用户和中小开发者来说，顶级推理能力的使用门槛被大幅拉低。以前要用上好模型，要么付高额订阅，要么承受居高不下的API成本，现在这个壁垒被打薄了；对大厂来说，当一个性能接近的开源模型以极低价格提供服务，闭源模型的溢价空间会被持续压缩，而且这个压力是长期的，不会因为下一个版本发布就消失。

此外，V4技术报告里，首次把华为昇腾和英伟达GPU并列写进了硬件验证清单。

更值得注意的是，V4选用的FP4精度格式，恰好是华为今年新发布昇腾950芯片原生支持的精度，两者之间的适配不是巧合。DeepSeek官方表示，等下半年昇腾950超节点批量上市之后，V4-Pro的价格还会继续大幅下调。

在英伟达出口管制持续收紧的背景下，这次技术协同释放的信号很清晰：DeepSeek在主动构建一条不依赖英伟达的算力通道。这件事的战略意义，比V4本身的产品发布要深远得多。

上述从业者称，昇腾这条线如果真的跑通，对整个国内AI生态意义巨大，现在大家都在英伟达这根管子上排队，一旦有一套可以平替的硬件基础设施成熟起来，算力的定价权和供给稳定性都会发生根本变化。DeepSeek愿意在技术报告里公开背书昇腾，这个动作本身就不是普通的商业合作，更像是一个方向性的表态。

下半年随着昇腾950上量、价格进一步下探，V4的实际影响力可能才会真正显现。

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 雷达财经，钛媒体经授权发布）

文 | 雷达财经，作者 | 彭程，编辑 | 孟帅

120亿身家的芯片大佬蒋学明，近期在A股资本市场上动作频频。

在短短数日时间，与蒋学明存在千丝万缕关系的企业接连出手，相继在休闲零食和刀剪赛道落子。

4月8日，休闲零食上市公司来伊份发布公告称，其控股股东拟将10%的股权以3.84亿元的价格转让给东合恒一，而后者的最终受益人为蒋学明。

仅仅9天后的4月17日，张小泉通过公告披露，由蒋学明名下公司担任执行事务合伙人的瀚朋启琛，被确定为张小泉集团的重整中选投资人，并于4月21日签署《重整投资协议》。

据悉，瀚朋启琛确认参与张小泉集团重整（取得重整资产控制权）的重整对价款项为7.5亿元。

雷达财经注意到，被蒋学明相继盯上的来伊份、张小泉，近来的业绩表现不尽相同。

其中，来伊份在2024年录得归母净利润亏损0.75亿元后，预计去年再度亏损1.7亿元；张小泉则预计于去年录得归母净利润0.48亿元至0.68亿元，同比大幅增长91.67%至171.53%。

不过，乡镇企业出身、后坐拥多家上市公司的蒋学明，被外界视为典型的“困境资产猎手”。

此番跨界零食、刀剪赛道，外界普遍认为，这位曾在纺织、水泥、芯片等多个领域腾挪的资本大佬，正在切换至消费赛道“抄底”。

而就在今年3月出炉的《2026胡润全球富豪榜》中，蒋学明父女以120亿元的财富登榜。

值得注意的是，蒋学明频频跨界扫货的同时，其旗下核心上市公司东芯股份正面临一定的业绩压力。2025年，东芯股份录得归母净利润亏损1.95亿元，连续三年身陷亏损泥沼。

短短几天密集出手，蒋学明开启扫货模式

短短数日，芯片行业赫赫有名的资本大佬蒋学明，在A股资本市场频频出手。

4月8日晚，休闲零食巨头来伊份的一则公告，率先引发外界关注。

公告显示，来伊份控股股东爱屋企管及其一致行动人拟将合计3344.24万股股份（占总股本10%），以每股11.48元的价格转让给苏州东合恒一投资合伙企业（有限合伙）（简称东合恒一），转让总价约3.84亿元。

天眼查显示，股权穿透后，东合恒一背后站着的正是蒋学明。蒋学明为东合恒一的最终受益人，其掌控的东方新民控股有限公司为东合恒一的执行事务合伙人。

此次交易完成后，东合恒一将持有来伊份10%的股份，一举成为来伊份的第二大股东。

值得一提的是，受让方东合恒一承诺，在本次受让股份过户完成后18个月内不进行减持。

同时，东合恒一还承诺，交易完成后12个月内，不会以发行股份购买资产、重大资产置换、现金购买资产等方式将东合恒一控制的资产、业务注入上市公司或由上市公司进行收购。

而仅仅几天之后，蒋学明便再度出手。4月17日，头顶“百年刀剪老字号”光环的张小泉发布公告称，公司收到管理人出具的《告知函》，获悉张小泉集团重整投资人招募工作已取得阶段性进展。

4月14日，管理人在法院的监督指导下召开投资人遴选评审会。经评审，确定由杭州富阳瀚朋启琛自有资金投资合伙企业（有限合伙）（简称瀚朋启琛）为张小泉集团的中选投资人。

截至公告披露日，张小泉无控股股东、无实际控制人。张小泉集团持有上市公司4404.37万股股份，占公司总股本的28.23%，是张小泉持股5%以上的大股东。

天眼查显示，瀚朋启琛的执行事务合伙人为苏州东通信息产业发展有限公司，而后者的实际控制人正是蒋学明。

倘若此次重整能够顺利完成，瀚朋启琛将成为张小泉集团的控股股东，进而成为上市公司张小泉的间接股东。

据张小泉4月22日发布的公告，4月21日，张小泉集团、富春控股管理人与富阳瀚朋签订《重整投资协议》。

公告显示，富阳瀚朋确认参与张小泉集团重整（取得重整资产控制权）的重整对价款项为7.5亿元，该对价款项由富阳瀚朋支付给管理人。

雷达财经注意到，被蒋学明相中的这两家上市公司，近期业绩表现呈现出截然不同的态势。

今年1月，来伊份放出2025年年度业绩预亏公告，公司预计去年的归母净利润为-1.7亿元。而这是其自2024年录得0.75亿元的亏损后，再次身陷亏损泥沼。

与之形成鲜明对比的是，张小泉预计去年录得归母净利润0.48亿至0.68亿元，同比增幅高达91.67%至171.53%，业绩呈现出良好的增长态势。

不过，张小泉此前也并非一帆风顺，一度深陷“断刀门”风波，品牌形象因此受到一定程度的冲击。而其昔日控股股东张小泉集团名下的迈巴赫，则在今年初被“贱卖”。

120亿芯片大佬，频秀资本绝技

近期接连在A股资本市场出手的蒋学明，到底是何来头？

公开资料显示，蒋学明1961年出生于江苏吴江，早年从乡镇色织厂厂长起步。在乡镇企业转制为民营企业的历史大潮中，他顺势将企业改制为吴江东方制衣集团，完成原始积累。

在纺织行业成功掘得第一桶金后，蒋学明并未满足于现状，而是将目光投向了基建领域。1996年，他以中外合作模式投资318国道江苏吴江段。

2003年，蒋学明通过东方国际集团斥资19亿元拿下合巢芜高速经营权，其“公路大王”的名号就此传开。

同样是在2003年，蒋学明在苏州创立东吴水泥，主营水泥和熟料生产销售，为当地唯一一家使用新型干法生产工艺的水泥企业。

与传统实业经营者有所不同，蒋学明在资本运作方面堪称高手。千禧年前后，蒋学明靠投资泰山石油而在资本市场声名鹊起。

2005年，蒋学明成立东方恒信，这成为他从实业正式迈向资本市场的关键转折点。

2008年金融危机期间，在资源性行业行情低迷之际，蒋学明逆势在加拿大投资阳光油砂。

随着后续油价的上涨，阳光油砂的发展迎来转机。2012年，阳光油砂在香港成功上市，蒋学明则在上市后逐步退出。

同样是在2012年，蒋学明还推动东吴水泥登陆港股。

2013年，蒋学明又通过东方恒信入主新民科技。当时的新民科技正处于困境，公司披星戴帽，前景堪忧。但在蒋学明的主导下，新民科技走出阴霾，经营状况逐渐改善。

2015年，南极电商借壳新民科技上市，随后退场的蒋学明借此收获颇为可观的浮盈。

2014年，蒋学明进军芯片行业，在上海成立东芯半导体（东芯股份前身）。

2015年，东芯半导体收购韩国知名存储芯片厂商Fidelix，快速建立起技术、人才和客户体系。2021年，东芯股份成功登陆科创板。

如今，蒋学明手握东芯股份、东吴水泥等多家境内外上市公司，形成以东方恒信为核心的产业与资本矩阵。

值得一提的是，2025年，东方恒信集团以371.77亿元的营业收入，位列江苏民营制造业第40位、民营企业第53位。

据江苏省地方融媒体介绍，东方恒信下辖近20家公司，主营业务分为投资与实业两大板块。

其中，投资类业务以PE股权投资为主，实体业务聚焦芯片半导体、稀土、军工、纺织等产业，形成多元协同的产业布局。

而此次接连入局来伊份和张小泉，意味着蒋学明这位资本操盘手或将资本版图进一步延伸至消费领域。

频遭控股股东减持，东芯股份三年亏超6亿

作为蒋学明商业版图中的核心上市平台，东芯股份近期频繁被他控制的控股股东东方恒信减持。

据东芯股份发布的公告，去年8月25日至27日，东方恒信通过集中竞价方式减持约841.15万股，占公司总股本的1.9%。以加权均价100.46元/股计算，此次套现约8.45亿元。

同年10月16日，东方恒信及其一致行动人东芯科创通过询价转让方式各减持公司663.37万股股份，合计减持1326.75万股，占公司总股本的3%。

此次询价转让的价格为82.5元/股，东方恒信与东芯科创借此合计套现约10.95亿元。

今年4月13日，东方恒信又通过询价转让方式减持东芯股份442.25万股，占公司总股本的1%。按100元/股的询价转让价格计算，前者可套现约4.42亿元。

据此计算，仅上述三笔减持，东方恒信及其一致行动人累计套现约23.8亿元。

针对市场普遍关心的“东方恒信转让东芯股份股份所获得的资金，是否会被用于购买张小泉的资产”这一疑问，东芯股份董秘办人士表示，东方恒信转让东芯股份股份的资金，与购买张小泉资产之间没有必然联系。

而频遭控股股东减持之际，东芯股份还正经历着“增收不增利”的业绩困境。

据东芯股份最新披露的年报，2025年，公司全年实现营收9.21亿元，同比增长43.76%，但同期归母净利润却录得亏损1.95亿元。

而将时间线进一步拉长，这已是东芯股份连续第三年身陷亏损泥沼。在此之前的2023年、2024年，公司分别录得归母净利润亏损3.06亿元、1.67亿元，三年累计亏损达6.68亿元。

与此同时，东芯股份经营活动产生的现金流量净额更是连续四年告负。2022年至2025年，公司的该项指标分别为-2.61亿元、-3.02亿元、-2.78亿元、-1.58亿元。

此外，东芯股份的存货规模也有所攀升。截至2025年末，公司的存货规模为10.66亿元，较上年末增长19.41%，占总资产的比例为27.75%，存货规模及占比相对较高。

东芯股份在2025年年报中提到，公司存货主要由原材料、委托加工物资、库存商品等构成。公司主要根据已有客户订单需求及对市场未来需求的预测情况制定采购与生产计划。

存储芯片作为通用型电子产品，受宏观经济周期、下游终端需求波动及供应链产能变化等因素影响，产品价格呈现周期性波动的特征。

公司按照会计政策，基于存货成本与可变现净值孰低的原则对存货计提跌价准备，2025年末公司存货跌价准备余额为7648.09万元。

东芯股份坦言，若未来宏观经济环境发生不利变化、下游终端市场需求不及预期、市场竞争格局加剧，或公司未能有效拓宽销售渠道，可能导致产品滞销、存货积压，从而导致存货跌价损失增加，进而对公司的盈利能力产生不利影响。

一边是旧主业持续“失血”，一边是新赛道豪掷重金，蒋学明的这轮“抄底”能否复刻往日传奇？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

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