相比七月初增长约 200 万，开发者产品 ZCode 上线 1 个月用户突破百万。 文丨申远 编辑丨赵磊 《晚点 LatePost 》独家获悉，智谱 MaaS 开放平台注册用户（即 API 用户）近 700 万，相比七月初增长约 200 万，其中包括 2.3 万家企业客户，对标 Codex 的开发者产品 ZCode 上线 1 个月用户突破百万。 今年以来，智谱 ARR 增长 15 倍，根据我们了解，在 Kimi 和阿里新模型发布后，智谱 ARR 增速没有受影响。有投资人透露年底预期 ARR 来到 20 亿美元，但智谱官方已经否认，接近公司的人表示，实际数字应该更高。 若按 20 亿美元口径计算，注册用户当月平均在智谱开放平台花费约 160 元人民币。 7 月 21 日，市场传出智谱已建成规模 1 GW 的国产 AI 算力基础设施，据《晚点 LatePost》了解，有超过 5 万块国产算力芯片已经启用，以缓解日益增长的推理需求，7 月 31 日，智谱长期限售的 Coding Plan 在大幅涨价后已开放购买。 算力受限，但 Infra 效率还有很大的提升空间 ARR 迅猛增长受益于编程场景需求的快速攀升和前沿模型的强大引力。作为对比，智谱 2026 年 2 月初 GLM-5 模型发布前 ARR 约为 1 亿美元左右，根据《晚点 LatePost》了解，GLM-5 发布后智谱 ARR 在短期内即实现翻倍。根据 Artificial Analysis 的评测，GLM-5 发布时位居全球第四，仅次于 Claude 当时最先进的两款模型以及 OpenAI 的 GPT-5.2。 通过先进模型发布牵引收入抬升的剧本在中美两国都已跑通。 Anthropic 年化收入在 2025 年底为 90 亿美元，半年后已迅猛增长到 500 亿美元（根据 SemiAnalysis 的测算，7 月已超过

迈瑞已成为压力暴露面最广的那家公司。 文丨胡昊 过去十年，迈瑞医疗靠三件事跑成了中国最大的医疗器械公司：医疗新基建的窗口期、国产替代的政策东风、设备加耗材的闭环模式，到了 2025 年，这三件事同时变了。 这一年的财报，把迈瑞的问题摆到了台面上，2025 年营收 333 亿元，同比下降 9%。分区域看，国内收入 156 亿元，同比下滑 23%；海外收入 177 亿元，同比增长 7%，海外占比首次达到 53%，历史上第一次超过国内，但这一增速并不高，无法对冲国内业务的跌幅。 在业务线上，生命信息与支持作为迈瑞的起家业务（包含监护仪、呼吸机、麻醉机等），收入 98 亿元，同比下降 20%；体外诊断 IVD 作为迈瑞过去几年增长最快的业务引擎（包含化学发光、生化检测、凝血分析），收入 122 亿元，同比下降 9%；以超声为主的医学影像业务则录得 57 亿元收入，同比下降 18%。三条线全部负增长，这个局面在迈瑞历史上没有出现过。 过去十年，迈瑞的增长模型是总有一两条业务线在高速增长，即使某条线增速放缓，整体营收也能保持两位数的增幅。2019 年到 2024 年，迈瑞的营收增速分别是 20%、27%、20%、20%、16% 和 11%。虽然逐年放缓，但始终在增长，而在 2025 年这个模型彻底失效。 那么，行业内可比公司的表现究竟如何？ - 2025 年联营医疗营收 138 亿元，同比增长 34%，其主要做 CT、核磁、PET-CT 等大型影像设备，这些设备单价高，采购决策周期长，按理说对医院预算收缩应该更敏感，但联影的增速反而比上一年还快了几个百分点； - 2025 年开立医疗营收为 23 亿元，同比增长 15%，其主力产品为超声和内镜，虽然体量比迈瑞小得多，但增速表现更加稳健； - 主营高值耗材的微创医疗，2025 年总营收为 78 亿元，同比增长为 7%，其中海外业务增长达

大模型现在还不是科学，但它终将变成科学。 文丨程曼祺 “理想主义气质” 由什么构成？它又如何与 “固执” 区分？ 作为一名 AI 研究者，田渊栋过去多年的选择和表达都与主流保持着距离。 他不止一次说：如果 Scaling Law 就是未来的全部，那会是一个悲观而无聊的未来。 这不仅是因为 Scaling Law 获取智能的方式耗能巨大，更因为这个未来少了 “智识上的突破”。 除了从海量数据中学到一种稳定的模式，宇宙中至少还有另一种更高效的学习方式：从少量的数据中捕捉精准而细微的联系，产生新知。 优秀人类研究者的这种能力，未来会不会发生在一个 AI 系统上？ 这是去年下半年以来田渊栋正在做的事。离开 Meta 之后，他与前 Salesforce 首席科学家 Richard Socher，长期研究开放式学习和自我改进的 Tim Rocktäschel、Jeff Clune 等人联合创立 Recursive Superintelligence，希望让 AI 自己改进 AI。Recursive 公司目前估值 46.5 亿美元。 今年春天至今，相似的想法逐渐成为硅谷最受关注的方向之一，它被概括为 RSI（Recursive Self-Improvement）递归自进化或 Autoresearch 自动化研究。 Anthropic 发布长文《当 AI 建造自己》（When AI Builds Itself），梳理他们当前在 RSI 上的进展；Thinking Machines Lab 联创翁荔重回 OpenAI，据报道将负责 RSI。最近半年浮出水面的相关创业公司还有 OpenAI 前研究副总裁 Jerry Tworek 联合创立的 Core Automation 和 Anthropic 前 Discovery 团队联合负责人 Behnam Neyshabur 创立的 Mirendi

开拓者的一体两面。 文丨李赓 编辑丨唐健博 2026 年 7 月，法国竞争管理局对英伟达发起反垄断指控，理由是 AI 开发者被 CUDA 锁定，几乎无法转向其他硬件。这是全球第一个对英伟达采取反垄断行动的监管方。就在前一周，欧盟法院驳回谷歌上诉，维持 41.25 亿欧元的罚款，这已是欧盟十年间开给谷歌的第三张罚单。 但比起罚单，更常围绕在两家公司身边的，是外界对它们 “强势” 的议论。英伟达既被批用闭源的 CUDA 生态 “绑定” 全球开发者，又被指一边向 AI 云公司投资、一边把芯片卖给他们——“既当裁判又当运动员”；谷歌则被开发者抱怨 “店大欺客”：应用商店抽成一度高达 30%，还得捆绑自家的支付通道，产品更是说关就关。 这似乎就是开拓者的宿命：走在最前面的人，往往影子最长。 同为 “开拓者” 的英伟达和谷歌，在各自的领域都有着突出贡献。例如英伟达 2006 年推出 CUDA（全球 600 万 AI 开发者赖以开发的编程平台），把显卡从游戏配件变成通用计算平台。自动驾驶、数字孪生、气候预测、机器人等领域随之发展，构成了 AI 赛道的基础。而谷歌的贡献主要在算法和技术创新。2016 年 DeepMind 的 AlphaGo 击败李世石，被视为 AI 时代的导火索；2017 年谷歌团队发表 Transformer 论文，成为今天大模型的原点…… 如果没有两位的 “开荒”，大模型的进展很可能没今天这么快。但成果不是凭空产生的：技术萌芽刚出现、不确定性还很高的时候，就需要重资产、长周期的资本持续投入。也正因英伟达长期保持 75% 上下的毛利率，才养得起这些十年以上才能兑现的技术。 结果就是，产业链中最关键的开拓者公司，往往同时拥有高利润和无可避免的高争议。 “开拓者” 应得的高利润 这种宿命在电池行业同样存在。电池和芯片一样，重资产、长周期、高不确定性：从原理验证到大规模制造

一颗机器人大脑值多少钱？ 文丨江思远 采访进行到一半，一位记者讲起他上周在浙江看到的场景。一间仓库里，机器人叉车正把货物从架子上取下来。同样的动作，工人三十秒能完成，机器人要一分钟还多，遇到没见过的情况，它会停下来，似乎是在想什么。 问题被抛给台上：装了大脑的机器人，什么时候能追上人工？ “脱离成功率谈效率，意义不大。” 蚂蚁灵波 CEO 朱兴回答。在他看来，慢是一个确定性的技术问题，因此一定有解法，更关键的是机器人能不能把任务完成，这意味着机器需要对广泛复杂的真实世界有很强的理解力，或者说泛化能力，而按照蚂蚁灵波的观点，泛化的挑战本质来自数据。 这是 7 月蚂蚁灵波的一场闭门沟通会。这家蚂蚁集团旗下的具身智能公司连续发布了六款模型，覆盖视觉、空间感知、VLA、世界模型和世界动作模型。再算上今年早先发布的，成立一年半的灵波已经拿出了十余款模型，组成了 1.0 和 2.0 两代全栈大脑，其中包括行业首个具身原生世界动作模型 LingBot-VA 2.0。 日前，灵波也正式宣布启动首轮融资，拟募资 15 亿元，并计划在今年年底前推进第二轮融资。这也把一个问题推到了台前：当一家公司不押注机器人本体，资本究竟在为什么定价？ 最直接的参照来自海外。Physical Intelligence 和 Skild AI 都不以制造机器人硬件见长，却凭借跨本体模型和物理智能获得高估值。与此同时，即使是以本体和运动控制见长的宇树，也已将具身智能模型和机器人大脑研发列入 IPO 募投方向。 “大脑”，是过去一年具身行业最热的词。 但在 2024 年底蚂蚁灵波成立时，行业的资金和注意力还更多集中在本体与小脑。它当时选择专注机器人大脑。进入 2026 年，随着具身行业的焦点逐渐转向智能层，这个一度逆向的选择开始显出前瞻性。 语言是有局限的。李飞飞在那篇 From Words to Worlds 里将

AI 时代最稀缺的能力，不是把事情做得更快，而是做正确的事情。 文丨祝颖丽 “对绝大多数企业而言，AI 效率红利就足够了，但对创新公司来说，哪怕代码 90% 是 AI 写的，也不是 AI Native”“线上企业，如果还在严重依赖文档和群聊协同，公司大概率不是 AI Native”……智能精准学创始人杨仁斌在 7 个多小时的访谈里，提出了大量像这样的反常识判断。 杨仁斌早期参与过阿里云 “飞天” 项目，后主导手机淘宝 “猜你喜欢” 的产品落地——这是阿里较早将 AI 技术大规模应用于消费产品的尝试之一。此后，他创办智能精准学，推出 AI Agent 形态的 “寒雪老师”，继续探索 AI 在具体场景中的产品化路径。 2024 年，阿里向智能精准学战略投资近 2 亿元，这是当时它在 AI 垂直应用领域最大的手笔之一。 精准学的产品 “寒雪老师” 是一个定价近七千元的AI家教，但这个此前没有任何知名度的新产品，2025 年上线 4 个月就在抖音卖出近亿元，年底单月过亿，一年增长十倍。 但 “如何在红海里做爆品” 并不是我们这次访谈的关键，对创业公司来说，更重要的命题是，能依靠什么持续复制这个增长结果。换句话说，对一家 AI 教育企业来说，一个人、一家公司，以及今天的孩子，如何在 AI 时代保持竞争力？以下是我们这次对话的主要内容。 AI Native 组织，才是创新型公司的活路 晚点：你们的产品去年双十一卖了 1 个亿，回头复盘你觉得算是已经验证了 PMF 吗？还有哪些东西没有被验证？ 杨仁斌：如果跟我们对未来的判断 “每个学生都有一个自己专属的 AI 家教” 相比，这相当于马拉松只跑了 1000 米，一切皆有变数。 但一个全新的品类，在大品牌竞争最激烈的赛场上，这个体量本身验证了用户需求和产品匹配，给了我们莫大的信心。 我们深深地感受到，这是一个你把产品做多好，增长就多快的市

Seed 想弯道超车。 文丨陈佳惠 高洪浩 编辑丨高洪浩 《晚点 LatePost》独家了解到，字节跳动正在讨论训练一个参数规模超 5 万亿的模型，它超过阿里的 Qwen 3.8-Max（2.4 万亿参数）和月之暗面的 K3（2.8 万亿参数），也是目前国内已知参数规模最大的模型。通常而言，模型规模越大，智能水平往往越高。不过该计划仍处于早期阶段，并不代表模型最终一定会发布。 新模型将由 Seed Foundation 负责人项亮主导，与大语言模型预训练数据负责人沈科合作。为此，Seed 正在重新梳理组织，划分职责，分配资源。 项亮与沈科均是字节跳动人工智能及大模型研发体系内的核心骨干，均出自字节的 “搜广推” 体系。项亮本科毕业于中国科学技术大学，博士就读于中科院自动化所，2016 年加入字节，曾负责机器学习中台 AML 团队，后调任豆包大模型 Foundation 团队任负责人。沈科 2018 年清华毕业后，加入字节跳动，现主要负责 LLM 预训练数据。 自字节入局大模型以来，Seed 一直被视为国内最有希望的团队之一。豆包有今天超过 2 亿日活的用户体量，很大程度上也归功于 Seed 。但今年，质疑声开始出现。 2 月中旬，吴永辉执掌 Seed 后推出的关键模型 Seed 2.0 正式发布，但市场反响有限。几乎同一时间，智谱开源的 GLM-5 被市场视为国内第一个能与 Anthropic Opus 系列比肩的模型；7 月，月之暗面的 Kimi K3 发布，多项第三方评测认为，它已接近海外闭源旗舰。 多位字节人士告诉我们，上半年，Seed 许多团队也在不断反思。这是字节讨论训练超 5 万亿参数模型的原因之一，与其在现有尺寸上继续追赶，不如把参数规模一次推到同行的数倍，争取领先位置。“像一场赌博。” 一位接近 Seed 人士说。 就在两周前，字节跳动创始人张一鸣与 Se

开源了权重，没开源产生权重的 “流水线”。 访谈丨程曼祺 整理丨实习生付自文 7 月 27 日，Kimi 公开了 K3 的完整权重和技术报告。这是首个接近 3T 规模的开放权重（开源）模型：总参数量 2.8T，激活参数 104B，支持原生多模态和百万上下文。 本期《晚点聊 LateTalk》邀请 RadixArk 创始成员赵晨阳和华盛顿大学博士生曾致远，从推理与算法两条线拆解 K3：它真的比肩 Fable 5 吗？3T 模型规模、“线性-全局混合注意力” 等改进意味着什么？开源厂商们无法开源的竞争力是什么？ 我们也延展讨论了 K3 在美国 AI 界和更广泛的投资市场引起的巨大关注，以及与 K3 直接相关的开源大辩论。 赵晨阳此前曾在《晚点聊》163 期节目中，从 Infra 角度解读了 DeepSeek-V4。在 UCLA 读博期间，他成为开源推理框架社区 SGLang 的核心开发者。SGLang 第一时间适配了 DeepSeek-V4、GLM-5.2、K3 等中国开源模型。 曾致远目前在华盛顿大学读博士二年级，研究大语言模型，师从 Hannaneh Hajishirzi 教授和 Pang Wei Koh 助理教授。 *欢迎对 Kimi K3，DeepSeek V4，GLM 5.2 等领先模型有推理需求的从业者联系赵晨阳（微信号：LoveDeathAndLLM），对 SGLang 项目提出反馈。 使用体感、开源之辨、Transformer 的 “忒修斯之船” 晚点：在讨论具体技术前，我们照例聊一些相对宏观的问题，方便大家进入。两位可以先讲讲自己使用 K3 的感受？ 曾致远：K3 在多数场景下的体验与 Claude Opus 4.8 相当，部分任务更好，在 Agent 框架中持续执行复杂的长程任务，不易跑偏，最终交付质量较高。不过响应偏慢，期待及时反馈的用户的体验不够好；此

具身智能热闹背后，谁来解决数据瓶颈？ 文丨江思远 具身智能无疑是当下最热闹的赛道，没有之一。 在上个月结束的 WAIC 上，具身智能展馆始终是人流最密集的区域。表演打拳和跳舞的机器人才刚刚褪去新鲜感，递咖啡、叠衣服的交互尚能引人围观，而更深刻的变化已经发生，一批机器人开始走进 1:1 复刻的工厂产线，在搬运、分拣、装配等真实生产环节连续作业。 展馆外，资本、人才和互联网大公司的注意力，也在同时向这里聚集。据第三方数据，2026 年上半年，国内具身智能及相关上下游已经发生超过 300 起融资，搅动了超 900 亿元的融资额；今年前四个月，具身智能岗位量增长 15 倍；互联网公司、车企、手机厂商和传统机器人公司，分别从模型、本体、数据和应用场景切入。 但在这些繁华与喧嚣的另一侧，几乎所有站在一线的创业者和投资者，心里都悬着同一个隐忧：数据。 过去的三年，瓶颈一路迁移。算力曾经限制模型的规模，算法曾经限制模型的能力，今天，数据开始限制模型的上限。对于具身智能而言，没有足够的数据，机器人就无法学习新的技能、适应新的环境，更难形成真正的泛化能力。 难点在于，训练机器人对数据的要求很高，这些数据无法像互联网内容一样天然产生，单一方式生成的数据也都存在它们的边界。 所以，从去年开始，行业的投入重点开始发生变化。一批围绕数据而生的新基础设施开始出现：有人试图用世界模型降低真实数据需求，有人通过仿真环境批量生成训练数据，也有人开始搭建机器人数据采集、管理和验证体系。 无问智科走出了一条新的路径。围绕数据，无问智科构建了一套完整的基础设施：从真实数据采集、到数据清洗、自动标注、质量评估，再到合成数据生成、仿真模拟，再到测评和闭环验证，把原本分散的数据生产、使用、验证环节连接成了一个持续运转的迭代进化系统。 “无问智科是行业首个提出并实践，用世界模型构建具身智能数据基础设施”，无问智科的创始人

70% 市场，属于一家公司。 文丨沈方伟 图丨黄帧盺 编辑丨黄俊杰 $携程网(TCOM)$ 加上去哪儿（它控股）、同程（它是第一大股东），GMV 占整个在线酒店预订市场 70% 左右。剩下的：美团约 20%、飞猪约 5%-7%，抖音约 3%。抖音卖掉的客房，相当一部分来自携程和同程。 互联网平台生意里，少有这样的集中度。美团外卖份额最高时也有七成，但只持续到去年的外卖大战前。电商现在没有一家市占率超过 40%。 携程跟阿里巴巴同年成立，2004 年赴美上市成为中国互联网行业走出泡沫破灭阴影的标志。但它近十年上新闻通常因为消费者对捆绑销售、大数据杀熟的质疑，或者其创始人梁建章对人口的评论。商战太多了，电商、外卖、搜索、社交……每个规模都比旅行大得多。 疫情后，旅行行业的利润分配改变了。携程 2025 年经营利润接近 158 亿元。中国互联网公司里，只有字节、腾讯、阿里、拼多多、网易五家更高。这年结束时，携程市值已经在互联网公司里排第七，超过京东、百度等。但当平台上的参与者赚钱越来越难，甚至亏损时，平台高涨的利润也被重新审视。 占据最大份额，而且是最赚钱的那一块 中国有大约 57 万家酒店和民宿，携程是接入商家数量最多的平台。靠超过 8000 人的线下地推人员和 14000 人的线上客服，携程跟酒店频繁接触，争取到最低价。 携程不只是市场份额第一，它占据的那部分也更值钱。我们了解到，2025 年上半年，美团仅在 200 元/晚价位以下的经济型客房销量领先。除此之外，携程是每一档位的销量第一，并且越贵的价格带，携程越领先。1000 元/晚以上的豪华酒店，携程的客房销量接近美团、飞猪、抖音之和的五倍。 据欧洲酒店业协会 Hotrec 调查，Booking 在欧洲在线旅行渠道（所谓 OTA）占比在 20

从提供增长工具，到交付增长结果。 文丨江思远 短短一周内，阿里巴巴正式把 QoderWork、悟空和 MuleRun 整合为千问办公，飞书产品被并入豆包产品，腾讯把 QClaw 并入 Workbuddy，同时剑指办公 Agent。 从编程 Agent 到通用 Agent，从程序员群体扩散到数量不止十倍于此的白领工作者：这是各大巨头都已看到的必争之路。 与此同时，另一种 B 端 Agent 正在逐步迎来 “Coding 时刻”——那是一个只看增长数字、面向企业专业场景的竞技场：专门为一些专业性强、高价值的岗位打造助理乃至自动化员工。 这条路更慢、更难：它的扩散，无法靠好体验带来的自来水式安利，必须让花大钱采购的老板们看到实际业务价值。 同在阿里体系的瓴羊选择了第二条路，他们切入了直接与收入和增长挂钩的重要环节：营销、售前、销售和售后等。 “我们的 AI 投手帮助某母婴品牌的投放 ROI 提升了 20% 。” 阿里云智能集团瓴羊 CEO 朋新宇说。朋新宇在 2004 年加入阿里巴巴，主要负责阿里的数据中台，服务淘宝、天猫等业务增长。2021 年，瓴羊从阿里原有业务体系中独立出来后，他出任 CEO。 相似的例子还有：一家家电品牌使用瓴羊的 AI 客服后，售前咨询准确率从 60% 提升至 90% 以上、售后咨询准确率提升到 80% 以上。一家入驻天猫不到一年的美妆品牌使用瓴羊 AI 营销员工后，会员成交贡献从 50% 提高到 70% 以上。 瓴羊把这些不同行业客户的营销、销售、客服等环节抽象成了标准化的产品基础：AgentOne ，一个企业级 Agent 平台。它在去年 9 月正式上线，在今年模型能力和 Harness 框架提升后又经历重要升级，推出了数个全自动化的 AI 员工。 整合千问办公，是阿里在办公 Agent 战场的出手和野心，瓴羊则是阿里对企业客户 Agent 形态的

汽车在使用过程中就能顺带为智驾系统提供优质数据，但机器人不能。 文丨赵宇 编辑丨龚方毅 今年初，白宇利离开蔚来创办补天石科技（Potentia），公司中文名取自女娲补天，被用来指代具身智能的数据环节；英文名则取 Potentia 拉丁语含义：“潜能”。 创业前，白宇利先后在 Momenta 和蔚来搭建智驾数据系统。在 Momenta，他与团队用 9 个月采集约 5 亿帧真实道路图像，供初代感知算法训练。2020 年 8 月，他加入蔚来，继续参与真实道路数据的采集和模型训练，搭建出一套涵盖上百万辆量产车的数据系统。 白宇利说，现在具身行业不缺硬件制造、算力和人才供给，但规模化、低成本的真实数据仍稀缺，没法像智驾那样汽车跑在路上就顺路把数据采集了。他觉得这是补天石能做的。 被问到如何避免像 Scale AI 那样规模不经济时，白宇利说 Scale AI 前期数据标注业务成本随用户和数据量增长而增加，后期才有语言模型上的数据定义、生成和交互工具等有复利的东西。 这也意味着补天石必须跑得足够快：在巨头意识到具身数据这件事的潜力、带着更多资源进场之前，先把效率提上去，把标准工艺和核心算法沉淀下来。 在补天石，白宇利和团队正在工厂、家庭等场景采集人的操作数据，用于具身模型训练。补天石的一次数据交付从客户的模型需求开始，确定传感器配置、采集场景和处理规则，用自研硬件记录视觉、触觉和肢体动作，经标注和评测后交付客户；也可用于其自研的物理 AI 平台，平台再把新的数据需求下发回硬件。 7 月的最后一个周末，我们与白宇利聊了两个小时，话题从具身数据为何稀缺、行业究竟需要多少数据，到他在智驾行业做了十年的数据闭环，再到补天石与同行的异同，以及他对中美具身产业竞争的看法。 补天石团队现在超过 30 人，多位核心成员是他在蔚来和 Momenta 的老同事，在获得由 Granite Asia 投资的

三家公司在办公上重新站回了起跑线。 文丨高洪浩 赵梓昕 编辑丨管艺雯 7 月初， $阿里巴巴(BABA)$ 的 QTeam 团队收到通知：以后周末不用加班了。当时，他们正在为办公智能体（Agent） QoderWork 半个月后的重要发布冲刺，多项功能已进入上线前的最后阶段。按照原本的规划，QTeam 还计划至少再集中投入几个月资源，与腾讯 WorkBuddy 正面竞争。 突如其来的调整打断了所有节奏。QoderWork 连同十余名员工被划出 QTeam，与钉钉孵化的悟空、阿里云内部创业的 MuleRun 合并成一款面向企业生产力场景的 AI 产品，后被命名为千问办公，负责人是 1992 年出生的钉钉一号位陈宇森。 调整当晚，部分员工便搬到了位于杭州未科的钉钉总部园区；一周内，千问办公团队完成了全部人员的线下办公区迁移。 不到一个月，字节跳动也开启了相似的整合。被整合的是飞书 —— 产品团队并入豆包，销售、市场和客户服务团队并入火山引擎。大多数员工几乎与外界同一时刻才知晓了变动，飞书负责人谢欣对他们承认，“调整来得很仓促。” 接下来，他将向豆包负责人赵祺汇报。 过去一年，飞书力推的 AI 智能体 Aily 售卖情况并不理想。豆包的处境也不轻松。据我们了解，6 月豆包专业版上线后，付费用户只有小几十万。截至上半年，Token 消耗上，豆包超过 70% 的使用场景来自视频生成，PPT、文档等办公场景占约 15%。豆包方面表示数据不实，和实际数字差异较大。 今年 7 月初，飞书的销售们突然接到通知，除了卖飞书，还要同时售卖豆包的企业版。 字节对飞书的这次调整，正处于它状态最好的时刻 —— 2025 年飞书的收入增速仍在增长，而钉钉已经出现下滑。但这些都不重要了。“智能体出现后，钉钉、飞书、

该融资若如期完成，将突破具身领域创业公司的融资速度。 文丨赵磊 晚点独家获悉，蚂蚁集团旗下具身智能公司灵波科技（以下简称 “蚂蚁灵波” 或 “灵波”）已启动首轮融资，首轮拟募资 15 亿元，目标在今年年底完成二轮融资。该融资若如期完成，将突破具身领域创业公司的融资速度。 灵波过去一年公开展示出来的路线是全球少有的完整布局：Vision 、Depth 、Mapping、Video、World Model 、VA 、VLA，几乎把机器人感知、理解、行动的大脑链条都覆盖了。 据悉，当前资本市场对具身领域的投入，一半资金流向本体公司，一半流向具身大脑，且后者占比在加速提升。知情人透露，正因为蚂蚁灵波的独特布局被认为是具身智能发展的关键，所以早在灵波启动融资之前，已有投资机构开始主动接触灵波。在刚刚结束的世界人工智能大会（WAIC）上，甚至有投资人直接去到灵波展台，探访技术和产品发展情况，表达投资意向。 蚂蚁灵波的路线和美国 Physical Intelligence 如出一辙。全球具身智能赛道，Physical Intelligence 是公认的大脑层（Brain Layer）代表公司之一。Physical Intelligence 做的不在于让机器人学会一个动作，而在于让机器人获得一种可迁移、可泛化、可持续学习的物理世界智能。这也是为什么一家几乎没有机器人产品的公司，能够获得超过 110 亿美元估值的核心原因。 资本今天越来越相信：机器人最大的价值，不在身体而在大脑。因为，身体未来可以采购，甚至标准化。但是，世界模型、动作模型、数据这些不能买。所以全球现在估值最高的公司 Physical Intelligence 、Skild AI 几乎都不是因为机器人硬件，而是因为大脑层。 这一点，行业已形成共识。机器人大脑已经被宇树明确写进了 IPO 募资方向，这也是宇树招股书里最值得关注

单个会话低于 100 TPS 的场景是国产 AI 芯片竞争的红海区。 文丨刘伊伦 编辑丨赵磊 梁军坐在我们对面讲了将近四个小时。一个做了 25 年芯片的工程师，用 “场”“因果密度”“认知空间的二阶曲率” 这些物理学概念来解释他正在造的东西。讲到兴起时，他的声音会变得高亢，下一秒又笑着说：“这个在外面看来就是民科的狂妄。” 但他不是那种只会妄想的人。梁军 2000 年加入**，17 年间从工程师做到麒麟 SoC 总架构师，量产芯片超过一亿颗。2017 年加入寒武纪任 CTO，主导了思元系列 AI 芯片研发。2022 年因与创始人产生分歧离职，震惊芯片行业。2024 年，他以 CEO 身份出现在一家叫昉擎科技的创业公司里。 晚点独家获悉，昉擎科技近期完成近 10 亿元 A1 轮融资，本轮投资方包括上海徐汇资本、珠海科技产业集团等多家地方国资和产业资本，投后估值超百亿，这是昉擎成立以来规模最大的一轮融资。梁军去年提出的 “分离式架构” 方向，与英伟达今年 3 月在 GTC 上发布的 LPX 系统方向一致，他对 AI 芯片有着非常多前瞻性的判断，这也是他信心的来源。 但这次与我们的交谈里，他说的远不止芯片，而是一种理解智能的全新视角。他说智能的本质是一种物理场，跟电磁场一样；美国管制 AI 芯片本质上是在管制物理规律，“就好比立法管制光线不能传播”，必定会失败；他认为目前市场上追求无限扩大超节点规模的技术路线存在局限性；他说 DeepSeek 的 DeepEP 不是最优解；国内大部分人对 LPU 的公开认知都是错误的。 基于这些判断，他给昉擎设置了 “下限” 和 “上限”。下限是 “在基于分离式架构的计算系统领域，领先行业所有公司两年以上”。上限是 “一家能在智能时代留下自己名字的公司”。 50 岁，从大公司最高技术决策者变成一个创业者，在打一场行业瞩目的官司，同时在挑战整个芯

三寡头的铁律正在被撬动。 文丨李赓 上市一周， $长鑫科技(688825)$ 的市值已稳稳站在了 3 万亿元以上区间，这是一个 A 股半导体公司从未到达过的位置，也是中国半导体存储行业的历史时刻。 市场相信长鑫的原因很简单：上市首年就有望成为 A 股半导体板块利润最高的公司之一，并且存储行业的供给结构造成的短缺远没有到尽头。 2022-2023 年，疫情所导致的消费电子市场低迷，让 DRAM/NAND 价格暴跌，2023 年三星、海力士、美光利润率全线跌至-5% 至-15%，最终不得不集体在产能投入上急刹车：三星 CapEx 下降了 20%，美光和海力士更狠，分别下降了 36% 和 58%。 随即迎来的却是 AI 需求的暴增，在 AI 全产业链 CapEx 猛涨、最消耗存储产能的 HBM 成为抢手货的情况下，半导体存储的供需缺口被拉到了一个夸张的幅度：DRAM 供需缺口 5%-12%、NAND 缺口 1%-14%。尽管三星、海力士、美光已经尽可能将先进制程产能转向 HBM/DDR5，手头的产能依旧一路锁定到了 2028 年。 集体转向 HBM/DDR5 的拥挤操作，甚至让 “落后” 的 DDR4 出现了比 DDR5 更高的溢价，也让原本计划在 2026 年彻底退出 DDR4 生产的三家寡头，在今年都停下了脚步，选择保留更多的 DDR4 产能。 就在这一片行业红火、供需混乱、存储三寡头暴涨之后反复熔断的氛围中，长鑫终于迎来了上市。 以 2025 年 DRAM 收入计，三星约 723 亿美元、SK 海力士约 521 亿美元、美光约 372 亿美元，而长鑫约 86 亿美元，三星是它的 8.4 倍。在机构给长鑫的估值模型里，对 2026 年营收的预测最高不过 200 到 220 亿美元区间，仍只是

AI 几乎让整个半导体产业都赚到了钱，除了硅片。 文丨胡昊 过去两年，AI 几乎重塑了整个半导体产业并带来红利。 然而，在产业链最上游，一个看似同样不可或缺的环节，却交出了一份完全不同的成绩单。 作为芯片制造最基础的材料，硅片几乎参与了每一颗芯片的生产。按理说，当 AI 推动晶圆需求增长时，硅片企业理应率先受益。但现实却恰恰相反。过去几年，国内多家硅片企业一边扩产、一边提升国产化率，收入和出货量不断增长，利润却持续承压，甚至陷入亏损。 为什么会出现这样的反差？ 是硅片行业没有需求吗？显然不是。是国产替代失败了吗？同样不是。事实上，无论从国家产业安全还是长期市场空间来看，国产硅片的发展方向都十分明确。 真正的问题在于，产业成长并不等于企业盈利。 对于任何一个高端制造行业来说，从技术突破到商业成功，都需要经历一个漫长而艰难的过程。客户认证、价格竞争、产能爬坡、折旧压力、行业整合，这些因素共同决定了利润不会随着需求同步增长，而往往会在竞争最激烈的阶段被不断压缩。 硅片行业正处于这样的阶段。 因此，这篇文章想讨论的，并不仅仅是硅片为什么亏损，更希望借助硅片这个案例，回答一个更具普遍意义的问题：为什么一个长期前景明确的产业，在成长最快的时候，反而最难赚钱？又是什么因素，最终决定了哪些企业能够穿越周期、分享到产业升级的长期价值？ 全球 AI 牛市里，为什么硅片成了最惨的一环？ 2025 年，全球半导体行业迎来了一场久违的繁荣。 英伟达市值不断刷新纪录，HBM（高带宽存储）供不应求，台积电先进制程产能持续满载，围绕 AI 建立的新一轮产业周期几乎成为整个科技行业最确定的主线。全球半导体销售额重回增长通道，资本市场重新开始相信，这一轮景气或许才刚刚开始。 但在这场看似全面复苏的浪潮中，产业链最上游却呈现出完全不同的景象——硅片行业并未同步受益。 全球主要硅片厂商利润集体承压，除了日本信越

“我这种焦虑型性格，可能是被这个时代选中了。” 文丨董慧 访谈丨小晚 董慧 为什么一家看起来中国最成功的 AI 应用公司，同时也可能是最危险的一家？ 演语科技 Evoken，旗下有 Liblib、Lovart、LibTV 三个产品，ARR（年度经常性收入） 超过 3 亿美元。在 AI 应用融资最艰难的时候，它以 20 亿美元估值，一笔融了 3 亿美元。 围绕这家公司的争议也同时达到顶峰：有人质疑它缺少原创；有人认为它靠激进定价换增长；离开的人说它不够技术、不够创新，甚至有投资人判断，它迟早会爆雷。 这种矛盾可能不只属于 Evoken。 这代 AI 应用公司有一种特殊处境：最大的机会，来自模型能力与用户需求之间的空缺；最大的危险，也来自同一个地方——模型还在快速进化，今天属于应用的价值，明天可能就被模型覆盖。成功不意味着离安全更近，有时只意味着，获得了些许喘息时间，去寻找下一块安全的地方。Evoken 就是一个典型样本。 和 Evoken 创始人陈冕对话，最先让人注意到的是他的笑声。洪亮、密集，说到兴奋处会大笑，甚至有点结巴。他极度焦虑，觉得公司 “完蛋了” 时会哭，想通新的方向后，又觉得一切都有可能。 他觉得自己这种 “焦虑型人格” 恰好被 AI 时代选中了，“timing 来的时候，要像狼一样扑上去”。 焦虑、速度和侵略性，是陈冕的性格，也是 Evoken 的生存策略。他将这种策略用到了极致——过去三年，这家公司就这样活下来：一个方向出现，迅速扑进去；模型能力变化，原来的空间开始坍塌，就再寻找下一个。 创业三年，陈冕做了三个不同产品——图像生成社区 Liblib、图像设计工具 Lovart、视频工具 LibTV。陈冕说，如果不是他来做，它们可能会变成三家不同的创业公司，而三家公司各自 “survive” 的机会可能更渺茫。 他说，应用的时代还没有到来。只有当 token

安全、合规第一，“大家都在摸着石头过河”。 文丨郭瑞婵 编辑丨龚方毅 出海是这两年中国汽车公司和产业链常说的机会，其中，智驾一度被视为相对容易在海外推进的业务。据我们了解，一家头部软硬一体智驾供应商也将采用外部算力芯片跟随车企出海，问界、阿维塔都在推进高阶辅助驾驶在中东的路测；小鹏第二代 VLA 模型计划 2027 年开始向海外用户交付，吉利的千里浩瀚 G-ASD 计划通过莲花品牌在欧洲上路。 理论上智驾模型属于垂类模型，云端大模型的参数量通常为数十亿，从参数和公共安全性角度，远不及 AI 公司的千亿级别大模型。但实践中，高阶辅助驾驶出海的难度并不亚于整车。 为了争取欧洲车企的海外车型定点，一家中国头部智驾供应商在总部附近租下办公室，以便随时沟通、演示、申请认证，高峰期外派规模超过百人，前后历时近两年。更多供应商这两年才开始在海外设办公室，主要是前期难招到合适的人。一位国际智驾供应商的客户负责人在小范围的沟通会中告诉我们，“中国公司海外招人非常难，必须要向候选人解释你是谁，并说服对方为什么要来你这。” 信任是中国智驾产品需要解决的另一个问题，但这事也快不起来。前不久我们在小鹏 Mona L03 海外发布会上，遇到位第一次接触中国智驾产品的德国媒体人，这位从事汽车报道超过 30 年的同行告诉我们，许多德国人都对自动驾驶持保留态度。“对自动驾驶来说，driving is believing（开过才信）。只有看到、坐到、开到，人才会相信。” 他说，并认为目前以智驾为卖点进入德国市场的中国品牌车型，保有量仍然有限，尚未形成口碑。 从技术架构看，国内智驾方案进入海外市场时通常可以沿用国内的技术栈，即云端、车端都用同一套算法架构。但不同于商品出口，智驾出海除了同样要面对新的政策环境与不同用户偏好，还要涉及数据跨境传输与合规问题。 “国内比拼速度与技术上限，海外尤其欧洲更看重合规、安全

在巴西待了 10 天，聊了 20 多位当地中国人后，我们整理了 81 个只有真正落地才会知道的细节。 文丨沈方伟 管艺雯 图丨黄帧昕 编辑丨管艺雯 黄俊杰 动荡时代，几代人树立的消费金钱观 44 巴西人不爱储蓄，什么都分期，是几代人的创伤。 1980 年代，巴西经历了现代金融史上最严重的恶性通胀，全年通胀率逼近 3000%，超市要安排专人整天拿标签枪改价，工资一到手必须立刻花光；政府换了一茬又一茬货币，直到 1994 年雷亚尔登场才把物价压回个位数。 贬值没停：2010 年 1 美元兑 1.7 雷亚尔，2026 年已逼近 1：5 —— 出口靠大宗商品、资本自由进出，像临近的阿根廷一样，巴西不能控制货币价值。 岳建伟 2011 年来到巴西。他记得那时候 1 雷亚尔能换 4 块多人民币。等他干到 2022 年，1 雷亚尔只值 1 块 3 了。所以很多在巴西的中国人，他们手上的雷亚尔够日常周转就好，剩下的钱换成了美元和黄金。 更折磨人的是日常波动。他做批发生意，给下游商家放账，通常一个月账期。在这一个月里汇率能跑出巨大的差价：“比方说卖出去那天 1 雷亚尔值 3 块 5 人民币，等收钱那天就剩 3 块了。” 听起来一单只差 5 毛，但乘以几百万、上千万元的交易量，几十万就没了。生意做得好好的，汇率一抖，利润就蒸发了，一个月白干。 几十年的反复沉淀成几代人的肌肉记忆：不储蓄、提前消费、什么都分期。趁价格还没涨先买下来。 世界银行 2024 年的数据显示：巴西人均 GDP 约 1 万美元，中国约 1.3 万美元，差了近三成。但巴西居民消费占 GDP 的比重是 64%，远高于中国的 39%。 于是分期付款成了全民习惯。走进任何一家巴西商场，价签上最醒目的数字不是总价 “1000 雷亚尔”，而是 “5×200”，五期，每期 200 雷亚尔。衣服可以分，家电可以分，去超市买一周的菜也可以