铃阅
❌

阅读视图

杨植麟,要敲钟了

原创 思齐 2026-11-16 18:37 北京

把生意做到了海外

作者丨思齐

编辑丨子钺

图源丨月之暗面

杨植麟的IPO,又有新进展了。

2025年底,这位年轻的创业者还告诉员工,月之暗面短期内不着急上市。彼时,公司刚刚完成5亿美元融资,现金储备超过100亿元人民币。杨植麟认为,一级市场仍能提供充足资金,足以支持公司继续研发。

然而不到一年,杨植麟改变了主意。

11月13日,据《华尔街日报》报道,月之暗面正在推进上市前的股权架构重组,涉及原有开曼群岛控股架构,以及早期美元投资者的持股安排。此前,公司已被曝秘密提交香港IPO申请,计划争取2027年第一季度上市,潜在募资规模最高可达50亿美元。

与此同时,月之暗面的估值一路飙升。

2025年底,公司估值约43亿美元。到了今年10月,其最新私人融资估值已经达到500亿美元,约合人民币3335亿元。不到一年时间,估值增长超过10倍。

站在这场资本故事中央的,是1993年出生的杨植麟。

这位清华毕业、曾在Google和Meta从事AI研究的年轻科学家,2023年创办月之暗面,凭借Kimi长文本能力迅速出圈,一度成为中国AI大模型领域最受关注的创业者之一。

但此后两年,DeepSeek横空出世,字节、阿里、腾讯等巨头加速入场,Kimi的流量优势遭遇挑战。

就在外界担忧其商业化前景时,月之暗面却交出了一组惊人的增长数据:据媒体报道,公司年化收入已经达到10亿美元,年底冲击20亿美元。

杨植麟的底气从何而来?

杨植麟

三年融资数百亿

杨植麟的融资能力,在国内大模型创业圈相当突出。

2023年4月,月之暗面成立,两个月后便拿到近20亿元人民币天使轮融资,红杉中国、真格基金、今日资本等机构集体入局。

2024年2月,阿里巴巴领投月之暗面超过10亿美元融资,公司估值达到25亿美元。半年后,腾讯也加入投资阵容,月之暗面估值进一步升至33亿美元。

2025年12月,月之暗面完成5亿美元C轮融资,估值约43亿美元;2026年2月,再获超过7亿美元融资。此后,公司估值从200亿美元、350亿美元一路攀升,10月达到500亿美元。

三年多时间,杨植麟身后站满了中国科技投资圈的重量级机构。

多轮融资也带来了复杂的股权安排,上市前,月之暗面还需要完成股权架构调整。

早期美元基金主要通过开曼控股公司投资月之暗面,形成了典型的红筹架构:境外投资者持有离岸主体的股份,而公司的核心业务和团队都在境内。随着港股IPO推进,月之暗面需要进一步梳理境内外主体之间的股权关系、实际控制权及投资者权益,以满足上市审核和信息披露要求。

这次调整的核心,是重新安排早期美元投资者的持股路径,将部分境外股权权益转移至境内。11月13日《华尔街日报》披露的重组安排,涉及早期美元投资者股份回购、境内实体再投资等事项。对于一家经历多轮融资的公司而言,不同投资者的持股成本、优先权以及上市后权益,都需要协调。

2024年11月,杨植麟曾持有北京月之暗面科技有限公司约78.97%的股权。此后,公司经历多轮融资及工商变更。现有工商信息显示,杨植麟在境内主体的持股比例约为51.83%。不过,境内工商持股仍不能直接等同于IPO架构下的最终经济权益和投票权。

对于早期投资人来说,月之暗面上市意味着等待三年多的投资即将迎来公开市场定价。

而杨植麟必须回答另一个问题:一家成立三年多的大模型公司,凭什么值500亿美元?

杨植麟

把生意做到了海外

月之暗面的收入,突然跑起来了。

据媒体披露,2026年3月,月之暗面的年化收入突破1亿美元;6月达到约3亿美元;到了8月,这个数字已经升至约10亿美元。

相比之下,2025年底,商业数据机构Sacra估算其年化收入只有1500万美元。按照这两个时点计算,八个月增长约66倍。

这场收入爆发,背后是Kimi商业模式的转向。

2024年,Kimi凭借长文本处理能力迅速走红。为了争夺用户,月之暗面投入大量营销预算。公司当年在消费端营销上投入约1亿美元,Kimi月活跃用户一度超过2000万。

但随着DeepSeek崛起,以及豆包、千问、元宝等大厂产品持续扩张,国内大模型市场竞争日趋激烈。到2025年底,Kimi月活跃用户已回落至约900万。

继续依靠广告投放争夺国内用户,对一家独立创业公司来说,成本越来越高。

杨植麟开始把更多资源投向基础模型、编程能力和开发者生态,并将Kimi推向全球市场。

这条路很快带来了回报。

6月底,据《上海证券报》报道,Kimi的API收入已占整体收入七成以上。7月21日,月之暗面B端负责人黄震昕进一步披露,在企业端收入中,API调用业务占比达到70%。

另据Sacra研究,2026年2月,月之暗面的海外收入首次超过国内;Kimi K3发布后,超过70%的新增用户来自中国以外市场。

Kimi的海外生意并不复杂。

开发者可以直接调用Kimi API,也可以通过Fireworks AI、Together AI等推理平台使用模型。对于不愿自行部署模型的客户,托管推理服务提供了付费选择;月之暗面则通过直接收费或合作分成获得收入。

这套模式帮助Kimi借助海外现有的开发者生态触达客户。随着AI编程、智能体等应用普及,模型调用需求持续增长,Kimi也有机会从其他AI产品的增长中分得一杯羹。

今年7月,Kimi K3系列模型发布后,付费需求一度超过服务承载能力。据媒体报道,月之暗面一度因算力容量承压而暂停接受新的C端付费订阅用户。

这也让投资人看到了新的增长空间。

不过,海外开发者市场同样竞争激烈。DeepSeek、阿里通义等公司不断推出更便宜的模型,第三方平台还要分享部分收入。调用量增长的同时,推理算力成本也在增加。

月之暗面已经展示了收入增长速度,接下来还需要证明,这些收入能够留下多少利润。

大模型IPO大考来了

10月30日,据《21世纪经济报道》报道,DeepSeek第二轮融资募集资金达到1055亿元人民币,投后估值高达6155亿元。腾讯、宁德时代以及多家半导体、互联网和制造业企业被报道参与投资。

另一边,月之暗面的最新报道估值达到3335亿元。两家公司的估值合计约9490亿元,已经接近万亿元人民币。

一级市场热闹非凡,已经上市的同行却在二级市场经历了一轮剧烈的股价调整。

今年1月,智谱和MiniMax先后登陆港交所,上市之初,两家公司都受到热捧。

1月8日,智谱以116.2港元/股的发行价上市,首日上涨约13%,市值约580亿港元。一天后,MiniMax上市首日股价暴涨109%,收于345港元/股,市值达到1067亿港元。

今年6月,智谱股价一度冲上2980港元/股的历史高点,市值突破万亿港元。然而截至11月16日收盘,智谱股价已回落至353.6港元/股,总市值缩水至约1724亿港元。

MiniMax也经历了类似的起伏。上市首日,股价大涨109%,市值达到1067亿港元;今年3月,其股价一度冲上1330港元/股,市值突破4100亿港元。但截至11月16日,股价已经跌破发行价至124.9港元/股,市值约440亿港元。

资本市场开始重新计算大模型公司的价值。

11月初,摩根大通将智谱目标价从每股2000港元下调至1200港元,将MiniMax目标价从每股300港元下调至200港元。随后,汇丰也下调智谱目标价,并将其预计实现盈亏平衡的时间从2027年推迟至2029年。

大洋彼岸,另一家大模型巨头也走到了上市前夜。

11月10日,Anthropic向美国SEC提交更新版招股书,拟发行8.25亿股A类股票,发行价区间为每股70至78美元。按照这一价格计算,公司完全稀释后估值最高约1.41万亿美元,预计于11月19日登陆纳斯达克。

与月之暗面一样,Anthropic也在争夺全球开发者和企业客户。但从商业化规模来看,两家公司已经拉开了相当大的距离。

据招股书披露,Anthropic在2025年实现收入45.85亿美元,2026年前九个月收入达到332.42亿美元,九个月的收入规模已是上一年全年的七倍以上。相比之下,月之暗面目前披露的最新数据仍是约10亿美元的年化收入。

即便拥有这样的收入规模,Anthropic依然面临高昂的算力投入和持续的经营亏损。

大模型公司的商业化能力正在快速提升,但资本市场对增长质量和盈利前景的审视也越来越严格。

这给杨植麟提前上了一课。

眼下,月之暗面最有分量的筹码,是快速增长的海外收入。但客户留存、推理毛利率、算力投入和现金流,仍然是尚待公开财务数据回答的问题。

三年多前,杨植麟凭借Kimi长文本能力打开市场。此后,他经历了产品爆红、流量竞争,又带着团队转向全球开发者市场。

如今,33岁的杨植麟,已经把月之暗面带到了3335亿元估值的门口。

这位大模型浪潮中的年轻造浪者,正等待资本市场为他开出新的价格。

跳转微信打开

  •  

高山新域王翔:Physical AI,吃不到互联网的数据红利

原创 创业邦 2026-11-16 18:37 北京

物理世界的数据鸿沟,比模型训练更难跨越。

在第五届全球数字贸易博览会“数贸创投日”上,高山新域创始合伙人、原小米合伙人、总裁、原高通公司全球高级副总裁、大中华区总裁、引航陪跑教练王翔参与了题为《Physical AI,重新定义生产力》的对话,分享了他对Physical AI产业落地、数据积累和技术发展规律的思考。

王翔认为,Physical AI真正进入社会、进入家庭,可能是一个分阶段推进的过程。现在已经看到一些机器人提供公众服务,比如咖啡机、自动售货机,但真正大批量进入人们的生活,还有相当长的路要走。尤其是进入家庭,机器人大脑和Physical AI核心模型的能力仍有很长的路要走。

今年,第五届全球数字贸易博览会“数贸创投日”首次与创业邦DEMO CHINA联动,共同探讨科技创新与产业转化的现实命题。

以下基于现场对话内容,经创业邦整理后发布。

Physical AI

走进家庭

路阻且长

Physical AI真正进入社会、进入家庭,可能是一个分阶段推进的过程。

现在已经看到一些机器人提供公众服务,比如咖啡机、自动售货机。但真正大批量进入人们的生活,还有相当长的路要走。

尤其是进入家庭,它不单单仰仗机器人的能力,更核心的是机器人大脑的能力,也就是Physical AI核心模型的能力,而这方面的技术仍有待进一步突破。

Physical AI

不只是基座模型

我理解的Physical AI,讲的并不仅仅是基座模型,而是一个生态、一个解决方案。

有了大脑,还需要找到真实的应用场景。找到场景,把它落地,从一个技术到一个产品,还是有非常多工作要做。

今天具身智能产业远远没有走到这一步,还在努力,尤其大脑这方面还在探索中,整个业界都在解决世界模型,或者Physical AI的基础模型。

同时,模型大脑不是孤岛,推动产业发展要有大脑,还有本体。本体可能有不同的形式,不一定是人形,这是一个非常复杂的形态。

也许根据人类文明进步过去的经验,通常是找到一个相对简单直接的应用场景切入,闭环切入。解决一个问题,再解决一个问题,等到“GPT时刻”才会出现爆炸性的增长。

物理世界的

数据积累

比语言数据更难

大语言模型从数据角度是相对容易实现的。今天的大语言模型基本几千亿Token量,如果到了视频,可能要多几个数量级。

如果到Physical AI,它应该是大6个数量级,比千亿的量多几十万倍。难度更大,因为人类文明发展几千年积累了大量语言数据,互联网也有很多语言数据,培训了今天的ChatGPT等大语言模型。但在物理世界,这个数据基本上是0。

最高效的数据采集方法,以自动驾驶为例,最好是在驾驶过程中就能采到真实数据。数据的真实性非常重要,没有真实数据,就训不成Physical AI的基础模型。

现在还有一种新模式,是解构肌电信号,做每一个动作。比如拿水杯、叠衣服,从脑决策到控制手,肌肉电信号产生变化,把这些信号采集、规范、标记下来。

如果能产生更好的标记化,可能也是一个革命性的方法,能够推动整个Physical AI生态的发展。

创业者和投资人

都要有耐心

长期主义不仅仅是针对投资机构和投资人讲的,创业者、科学家们也要有耐心。

科学攻关,尤其在前面没有路的时候,需要很长时间。以大语言模型为例,人工智能有好几十年历史,从图灵或者更早的概念,到深度学习、AlphaGo,再到GPT时刻,真正爆发是最近几年的事,实际上过去是非常多年整个人类各国科学家的不断探索。

现在Physical AI有这么多优秀的科学家和创业者一起做这个事,除了资本、投资人有耐心以外,创业者也要有耐心。

急于求成是做不成的,一定是技术难关一个个攻破。没有收敛,但最终会收敛,双方都要有耐心。

跳转微信打开

  •  

博世中国总裁徐大全谈“速成车”:电动汽车开发速度比冰箱还快;理想汽车:网传“动力电池召回”“4000元赔偿”均属虚构丨汽车交通日报

睿兽分析 2026-11-16 18:37 北京

每日汽车交通资讯速递。

1.【博世中国总裁徐大全谈“速成车”:电动汽车开发速度比冰箱还快】11月16日消息,博世中国总裁徐大全近日在接受采访时,谈及了“速成车”话题。他表示,现在电动汽车开发速度比冰箱还快。采访中,徐大全提到,中国现在最快的,一辆崭新的车(开发周期)一年半,博世曾经一台冰箱要三年时间。他认为,不管怎么说,电动车比博世的冰箱还是要复杂一点点吧。(第一电动网)

2.【理想汽车法务部:网传“动力电池召回”“4000元赔偿”均属虚构,所附网址为诈骗网站】11月16日消息,理想汽车法务部今日通过官方微博发布声明,有不法分子冒用车企名义制作、传播虚假召回通知,以“动力电池召回”为由声称车主可领取“4000元赔偿”,并引导车主访问所附网站或扫描二维码、联系所谓“在线客服”登记信息。声明称,相关通知所称的理想汽车“动力电池召回”事项及“4000元赔偿”均属虚构。上述通知并非理想汽车官方通知,所附网址为诈骗网站,相关二维码及所谓“在线客服”均非理想汽车官方服务渠道。(钱江晚报)

3.【丰田联手小马智行,第七代铂智4X Robotaxi在广州开启示范运营】11月16日,小马智行与丰田合作研发并量产的第七代铂智4X Robotaxi在广州正式投入示范运营,面向公众开放L4级自动驾驶服务。据介绍,目前,小马智行与丰田已在北上广深四座一线城市落地Robotaxi服务。铂智4X Robotaxi投入示范运营,标志着双方在中国市场的L4战略合作迈入新阶段。(每日经济新闻)

4.【鸿蒙智行享界V8旗舰MPV连发100张预热海报,新车11月20日发布】11月16日消息,鸿蒙智行享界汽车官方今日一口气发布享界V8旗舰MPV的100张海报,逐条释放了百个家用设计。根据规划,这款新车将在11月20日正式发布。据介绍,享界V8拥有674L超大后备箱,宣称满载7人仍有宽敞储物空间;该车还采用黄金三线设计,主打车身线条流畅灵动;辅以730mm超大侧滑门开度,拥有宽敞出入空间,可轻松上下车。新车全系标配华为智擎800V高压碳化硅平台,纯电、增程动力均支持高效补能;车内铺设五防隐藏式地轨,可减少零食碎屑、饮料泼洒带来的影响;全系标配后风挡安全气囊,为第三排增加安全防护。(凤凰汽车)

5.【效率提升300%,长安汽车数实融合无人化测试系统亮相】11月16日消息,据长安汽车官方,近日召开的2026世界智能网联汽车大会上,由长安汽车牵头,国汽智控、赛目科技等共同打造的全球首例车路云一体化数实融合无人化试验场配套测试系统,在“车路云一体化”城市实践与应用展区正式展出。据介绍,该测试系统以大模型为核心驱动,打通数字仿真与物理场地边界,具备场景智能生成、全要素无人化执行、数实双向映射、云端实时调度四大核心能力,支撑L2-L4级车型验证,为AEB、NOA等关键功能量产提供高效低成本的验证保障,推动测试范式从“人控”迈向“云控”,是长安汽车面向高阶辅助驾驶安全验证打造的全新基础设施。依托该系统,长安汽车测试能力大幅升级:平均测试效率提升300%,极限工况覆盖率提升至80%。(IT之家)

6.【国家统计局:10月新能源汽车产量同比增长17.1%】11月16日,国务院新闻办举行新闻发布会,介绍10月份国民经济运行情况。国家统计局新闻发言人、总经济师、国民经济综合统计司司长付凌晖表示,10月份高技术制造业增加值同比增长17.6%,比上月有所加快。绿色转型不断深入,清洁能源生产和消费占比提升,绿色产品产量高速增长。10月份当月,新能源汽车产量同比增长17.1%,在前些年我国新能源汽车快速发展的基础上,还保持了较快增长。(金融界)

更多汽车出行资讯……

扫码可订阅产业日报👇👇

欢迎加入睿兽分析会员,解锁AI、智能制造等相关行业日报、图谱和报告等。👇👇

跳转微信打开

  •  

劝爸妈别刷AI短剧,我太难了

定焦One团队 2026-11-16 18:37 北京

以下文章来源于:定焦One

定焦One

深度影响创新。

删掉App、设了限额,都没用。

来源丨定焦One(dingjiaoone)

作者丨王璐 李梦冉 雷晶 金玙璠 王汉星

编辑丨金玙璠

删掉看剧的小程序,妈妈转头找邻居装了回来;关掉免密支付,妈妈学会了手动输密码,还把密码记在一个小本上;给微信设了限制,谎称是平台管控,但只撑过一个晚上……

这是几位子女劝爸妈少刷AI短剧的经历。讲道理、吵架、陪着父母下楼遛弯,能试的办法他们几乎都试过了,结果大多一样:手机放下没多久,又被拿了起来。

有位妈妈从医院看完眼睛出来,说“知道了,以后少看”,回家照旧从晚上七点半刷到十二点半;另一位妈妈在剧情里浸久了,转头再看自家孩子,居然觉得像剧里那个“白眼狼”;还有一位爱读书的父亲,被儿子说看的东西“没营养”,当场回怼:等你读的书跟我一样多,再来告诉我什么有营养。

2026年,AI彻底改写短剧行业。一个曾经依赖创意、拍摄与表演的行当,正变为流水线上的标准化产品。今年一季度,全国12.8万部微短剧集中上线,其中95%产自AI。不需要演员,不需要场地,甚至不需要一个完整的摄制组,几天之内便能“攒”出一部,成本则压缩到真人短剧的零头。

巨量而廉价的产能经由算法,流向时间富余、防备最少的群体。QuestMobile数据显示,截至2026年2月,仅短剧App一端,50岁以上用户的月活规模就已突破4600万,同比增速50%。这还没算上老人更集中的微信小程序。

监管已经下场。今年9月,新施行的《微短剧发展管理办法》明确禁止诱导沉迷的算法推荐,并要求所有AI生成的短剧逐集打上标识。但近期仍有多家媒体曝出老人看短剧被持续扣费:6元“解锁全集”实际是周卡首周价,之后每周扣29元;有老人两年为短剧花掉20多万元。

我们跟五位劝父母戒AI短剧的子女聊了聊,在他们的讲述里,沉迷AI短剧的父母,像是变了个人,怎么劝也劝不动。

以下是他们的讲述。

晓晓|山东 90后  文员

今年春节回到家刚吃完晚饭,我妈往沙发上一靠,手机举到眼前,我就看到了她手机屏幕里出现了一个穿围裙的“恶婆婆”正指着儿媳骂,下一句脏话还没说出口,她就划到了下一个视频。我告诉她这是AI短剧,她头也没抬,说不管真人假人,剧情好看就行。

我妈50多岁退休了,目前在家闲着没事就玩手机,除了打视频、刷抖音快手,剩下的时间几乎都在刷AI短剧。2025年10月她开始刷真人短剧,2026年春节前后,算法又把AI短剧推给了她,前后加起来她至少看了一年多。我第一次注意到,就是今年春节那会儿。

她追的都是婆媳矛盾这类AI短剧,最让她上头的是恶婆婆洗白,有代入感,看着爽,剧情又是她熟悉的。我其实觉得她不是在看剧,是在看自己熟悉的那套家长里短,一集接一集,像嗑瓜子。

我劝过很多次但都没用,删过她手机里看短剧的小程序,她转头让邻居帮忙找回来。我还偷偷关掉她的免密支付,管用了两周,她便学会了手动输密码,还把密码记在小本上。

她身边的朋友们也在看,广场舞队十几个人,至少一半沉迷短剧,群里一天转十几条链接,互相说这个婆婆比那个还坏,短剧已经成了她们的谈资。

我妈也有其他娱乐方式,比如赶集、看电视、在快手买货、跳广场舞,但空闲时间实在是太多,子女又不在身边。AI把短剧的制作成本压得很低,平台能源源不断地上新剧,再推到她这样有大把时间的人面前。

我妈第一次为AI短剧花钱是2026年初,她看到第18集,弹窗跳出来说6元解锁全集、免费看七天,她以为是买断就点了,其实是周卡首月价,之后每周20多元。她不会看细则,也弄不明白“连续包周”是什么意思,那种点到关键处就伸手要钱的设计,让她每次都以为自己只花了6块。

由于长时间看短剧,她的眼睛干到要去医院,颈椎也发僵。今年国庆的时候,我回家陪她去医院看病,出诊室后她看到花了很多钱说“知道了,以后少看”。

但现在她还在看,午饭后一场,晚上七点半到十二点半一场,一天好几个小时。不过,我的态度变了,从“妈你别看了”改成“你眼睛红了歇会儿”,因为我觉得她不是不懂,是真的需要打发时间。劝爸妈别刷AI短剧,难的不是拆穿套路,是填上他们空出来的时间,所以我平常会多打几个电话,跟我妈聊聊天。

秋雨|湖北 90后 自由职业

我现在最后悔的一件事,就是过年时候为了“讨好”我妈,手欠给她安装了个免费短剧App。

我妈今年58岁,退休前自己做生意。她不是那种跟不上时代的长辈,平时手机玩得比很多年轻人都溜,抖音刷得飞起,在看短剧之前,也经常看小说。

去年我看她经常在抖音看有广告的短剧,就给她安了专门看AI短剧的App。谁能想到,仅仅半年时间,那个曾经天天催我穿秋裤的慈母不见了,取而代之的,是一个重度短剧上瘾、随时准备在“宫斗”的钮祜禄·老妈。

她喜欢看婆婆儿媳对抗、亲戚争家产、虐待老人的剧,我每次坐在她旁边,看着手机屏幕里那些AI生成、表情僵硬,甚至连口型都对不上的数字人,一会儿喊着“把这个人给我拖出去”,一会儿在剧里疯狂打脸时,真的很想把她摇醒:咱家九子夺嫡只能夺雅迪,继承遗产只能继承花呗。

但我妈根本不管这些,她不仅自己看,还特别入戏。

现在我在家,稍不留神就会被我妈挑刺。

我在沙发上瘫一会儿,就能收获:“回来就知道躺着,半点不知道体恤长辈,真是养了个白眼狼!”的控诉;问一句今天晚饭吃啥,她立刻回怼:“吃吃吃!一天到晚就知道吃!你们这些做子女的,是不是成心要忤逆我?这日子没法过了!”

我觉得我妈现在完全活在短剧的剧本里了,她给自己设定了“委屈的当家主母”人设。稍微不顺她的意,她就开始脑补我如何虐待她。

为了这事,我跟她吵过。我说那都是AI瞎编的,一分钟一集的狗血剧,全是假的。她只说就算是假的看着也解气。

我算是明白了,这AI短剧简直是中老年人的“精神毒药”。它把那些婆媳矛盾、家庭伦理、阶层跨越放大了一百倍,直接塞给观众。以前她看电视剧还得等更新,现在只要一闲下来,AI短剧能二十四小时不停歇地给她洗脑。

这玩意儿看多了,人是真的会变得暴躁挑剔又没耐心。我实名呼吁:赶紧给中老年人上线一个“防沉迷系统”吧!

不过说归说,现在我也只能顺着她。我看过很多老年人沉迷短剧被骗钱、被诱导消费的新闻。对比起来,我妈在免费的App里看AI生成的狗血剧,其实算是一种“安全”的爱好了。

晓丽|广州 10后 学生

“我倒要看看,谁敢动我的人!”这句台词,我现在闭着眼睛都能接出下一句。不用看也知道,手机屏幕里又是那几张似曾相识的AI脸,尖尖的下巴、大大的眼睛,连生气时皱眉的样子都差不多。

快半年了,我家的客厅、厨房、卫生间,甚至我关着门的房间里,都回荡着这样的声音。因为我妈妈迷上了AI短剧。

一开始,我没太当回事。她平时上班挺辛苦的,回家看看短剧放松一下,也没什么不好。可后来,她看剧的时间越来越长,慢慢到了让我有点害怕的程度。

周末在家,她能一口气看七八个小时。早上七点,我还在睡梦里,就被短剧里吵吵嚷嚷的声音吵醒。凌晨起来喝水,客厅的灯已经关了,她却还躺在沙发上刷。做饭看,吃饭看,走路看,连上厕所也要带着手机,手机快长在她手上了。

她还特别喜欢外放,声音开得很大。每次都是那些主角受欺负、吵架的片段,一会儿有人被扇巴掌,一会儿又有人放狠话,隔着房门都能听得清清楚楚。

以前我和妈妈还会一起追剧,边看边讨论剧情。现在我想跟她说句话,都得叫好几声,她才会抬起头来,有时候还一脸茫然,感觉人是坐在面前,脑子却留在短剧里。

我劝她少看一点,尤其是晚上别总熬夜,但光靠提醒没什么用,她还是照看不误。

我想着,既然她爱追,不如找一部两个人都能看的,还能一起聊。前段时间我挑了部真人剧,兴冲冲拿给她,结果她看了一会儿就挑毛病,说演员不好看、剧情无厘头,转头回去刷她的AI短剧。

我当时就很不服气,她看的那些短剧,难道不是更无厘头吗?婆媳大战、真假千金、手撕渣男,翻来覆去就是那几种剧情。女主总是叫“如烟”,男主不是“傅氏集团”的总裁,就是“顾氏集团”的继承人。可她看得津津有味,我一吐槽,她就说:“你不懂。”

劝她少看,还有一个原因是担心她的身体。看久了,她会揉着眼睛说又干又酸,坐久了腰背也疼。有时候她还会念叨,感觉自己最近脑子不太灵光,反应也没以前快。我就提醒她,赶紧休息一会儿。可说完这些,她还是会拿起手机,接着点开下一集。

以前都是家长管孩子少玩手机,我们家情况却反过来了。我明明还是个学生,却天天操心妈妈刷手机的事,有时候连自己都觉得好笑。

劝得多了,我们还会吵架。

暑假的一个周末,妈妈又在从早到晚外放短剧,吵得我关上房门也不得安宁。到了晚上,我多玩了一会儿手机,她却板起脸让我赶紧睡觉,说熬夜对身体不好。我忍不住顶了一句:“你自己不也经常看到凌晨三四点吗?”没想到她一下子就生气了,甚至搬出短剧里的台词数落我,什么“辛辛苦苦把你拉扯大,你就这么跟我说话”,还说我跟剧里那些“白眼狼”没什么两样。

我当时都愣住了。明明只是拌了两句嘴,她却把我说得像短剧里不孝顺的孩子。我既生气又委屈,觉得她好像把剧里的情节带进了现实生活。

其实我也知道,妈妈有自己的爱好,我不能要求她不看。我也喜欢玩手机、追剧,碰上喜欢的内容,同样舍不得放下。我只是不希望她为了看剧,连身体和休息都顾不上。

周橙 |杭州 93年 电商运营

我妈今年56岁,之前在超市做理货员,我有了孩子以后,她就专心帮我带。女儿两岁四个月,平时白天都是我妈一个人看着。

我妈大概是今年6月前后开始看AI短剧的。最早在微信视频号里刷到,后来不知道谁给她推了个短剧小程序,就固定在那儿看了。她经常看的是那种萌娃剧,AI生成的小孩,脸都长一个样,声音又尖又黏,剧情是小孩帮受欺负的妈妈出气,打脸恶婆婆、手撕小三,一集几分钟。

我第一次感觉到不对劲,是有天晚上11点多,我加完班回到家,看到她蜷在床上,手机上播着短剧,人已经睡着了。孩子就在旁边睡,我觉得手机的光线肯定对孩子不好。

从那以后我注意到,她白天也经常边带孩子边刷,晚上哄睡了孩子,自己看到12点以后。叫她吃饭,她说等这集看完,再叫,她就烦。这些我都还能忍。她白天一个人对着一个两岁多的孩子,连个说话的大人都没有,肯定很无聊,我理解。

但真正让我害怕的,是她刷短剧已经影响到看孩子。入秋以来,我女儿脸上挂了三回彩,最重的一次磕在小区花坛的边沿上,眉骨青了一个多星期。还有一次我下班回家,看见女儿一个人在滑梯那儿玩,我妈坐在二十多米外的长椅上看手机。我说你看孩子的时候能不能别看手机,她说,小孩哪有不磕碰的,你们小时候磕得还少?

上个月,她说手机太卡,让我清理,我翻了下微信账单,里面有不少短剧扣款,6块、9块9、15块,加起来一百八十多。她不承认,说自己从来没花过钱,都是免费看的。我把账单指给她看,她也不认。我没再理论,直接把她的免密支付关了。

我劝过她不止一回。一开始好声好气地说,她嫌我烦。第二次,我趁她做饭,拿她手机把视频号里推短剧的号挨个点了不感兴趣,拉黑了十几个,但也没效果。第三次,我在手机系统里给微信设了未成年人模式,很快她就发现视频号不能刷了,她来问我,我骗她说可能是平台管控。第二天早上,她发现还是刷不了,开始找我闹,我没绷住,给解开了。这一轮算彻底失败。

吵得最凶的一次,就是孩子磕花坛那次。我说你再这么看下去,孩子迟早出大事。她把手机往沙发上一扔,说我咒她外孙女,开始不跟我说话。我们一没交流,她刷得反而更多了。

我也想过狠一点的,把她手机收了,或者干脆辞职自己带孩子,但都不现实。眼下我打算先把自己的时间调一调,能早下班就早下班,周末尽量自己带女儿,让我妈空出来。我准备撺掇她去楼下的广场舞队,她年轻的时候就爱跳,再让她在阳台养几盆花,总得有点别的事做。

张岳|北京 89年 销售

我爸大概是我认识的人里,最不像会迷上AI短剧的一个。

他喜欢读书,我印象中,他以前没事就爱抱着一本书看,有时间还会练练字、骑骑车。所以发现他每天花很长时间看AI短剧时,我挺意外的。在我的刻板印象里,他怎么都不像短剧的受众。

我和父母都在北京,结婚后就没跟他们一起住了,平时周末和节假日回去,每次待的时间不长。以前偶尔碰到他们刷AI短剧,我基本没在意。今年4月,家里一间卧室要改造,需要砸墙、做局部重新装修,我和老婆就搬回爸妈家住了两个月。

真正住在一起以后,我才发现,他们每天看AI短剧的时间都不短,而且我爸比我妈还爱看。

他看得比较多的是古装短剧,花钱倒不算多,他接受新鲜事物挺快,我也不觉得他是那种会稀里糊涂乱花钱的人。真正让我担心的是看的时间太长,有时候半夜两点多还在看,不睡觉。

我问过他为什么喜欢看,他说,节奏快,不用动脑子,不知不觉就看进去了。

一开始,我劝得很直接,让他少看点这些没营养的东西。我爸当场就嘲讽我,说我但凡能叫上名字的书,他都看过,等我看的书跟他一样多之后,再来告诉他什么有营养、什么没营养。我一时不知道该怎么接。

其实他要只是看看,我也觉得没什么,但熬夜看到凌晨2点多,总归不好。我又劝过几次,没什么效果。

后来听身边朋友说,老人刷短剧,可能是因为儿女陪伴太少,平时无聊。我觉得有道理,就改成每天晚上陪爸妈出去遛弯。但这个方法也没用。遛完回家,我爸接着看。

再后来,我干脆跟他一起看。他看,我在旁边吐槽。有几次他被我弄烦了,我们直接吵起来。最严重的一次,他摔门进了卧室,把自己反锁在里面继续看,连晚饭都没吃。

后来家里装修好之后我就搬回去住了,走之前我爸还是每晚都在刷AI短剧。

两周前,我回家吃饭,发现我爸从头到尾基本没碰手机。我很好奇,问他怎么不看AI短剧了。他说,看多了,觉得也没什么意思。这件事折腾了一圈,最后反而是他自己觉得没意思了,才主动放下手机。

所以,如果问我劝父母戒短剧有什么经验,我的答案可能有点泄气,除非老人自己想开了,否则别人劝,真的很难有用,子女想靠几句话改变他们的娱乐方式,也没那么容易。

*题图及文中配图均来源于pixabay。应受访者要求,文中晓晓、秋雨、晓丽、周橙、张岳为化名。

跳转微信打开

  •  

首发丨华瑞指数云再获超亿元投资, 为AI推理重新定义存储

原创 一川 2026-11-16 11:39 北京

为AI推理重做存储,为什么必须从底层开始?

AI推理的扩产,是否只能依靠增加GPU?

华瑞指数云披露的一项客户联合验证,给出了另一种可能:24张GPU加一个WQS存储节点,实现了与48张GPU方案相当的Token产能。这意味着,改善上下文的保存和调用,可以提高GPU的利用效率,让已有算力承担更多业务,为企业提供了新的算力扩产思路。

这一提升算力利用效率的技术新方向,也获得了资本的支持。近日,华瑞指数云宣布完成新一轮超亿元融资,由琮碧秋实投资与另一家基金联合领投,某国有产投基金跟投。本轮资金将重点投入AI原生KV Cache存储系统WQS的持续研发与规模化交付、软硬协同设计及全栈I/O(Input/Output)优化,以及市场与客户服务体系建设。

华瑞指数云选择从上下文入手,不只是能把更多数据存下来,而是让模型已经完成的中间计算都能够保留、共享和复用,并在需要时快速送回GPU。减少GPU的重算和等待时间,既有助于加快用户获得回答的速度,也能让已有GPU承担更多推理任务,降低单位服务的算力与能耗成本。

在华瑞指数云联合创始人兼CTO曹羽中看来,推理系统需要在满足响应速度要求的前提下,支撑更多业务。“上下文存得更多、取得更快,最终要体现为更多Token产出和更低的服务成本。”他认为,关键点在于GPU少等数据、多处理任务,才能在AI基础设施中占据关键位置。

上下文存储

正在成为

AI基础设施的新一层

过去,芯片数量一直是观察AI基础设施投入规模最直观的一个指标。但随着AI进入推理阶段后,芯片能承接多少任务,不仅受到数量影响,还受到上下文处理效率的影响。

因为推理场景会重复使用历史数据,尤其是多轮对话、代码助手、Agent在检索信息、调用工具和执行任务时,会不断积累上下文。随着应用深入业务流程,上下文持续增加,其中一些已经处理过的内容,还会被反复使用。

对已经处理过的内容,系统可以保存其中可复用的中间计算结果,保存在KV Cache(键-值缓存)中。在模型配置和上下文等条件匹配时可以直接调用,减少重复计算。

但问题在于,保存结果需要空间。GPU显存不仅容量有限、成本较高,还要同时容纳模型和活跃推理状态;随着会话变长、同时处理的请求增多,可用于保存缓存的空间就可能不足,超出单机能够承载的范围。

显存空间不足,会带来两种损耗:一是重复计算,即缓存被清理后,后续请求需要重复计算已经计算过的内容;二是数据等待,即缓存移到显存之外后,若取回速度跟不上,又会让GPU等待。尤其在长上下文、高并发和缓存复用密集的场景中,上下文读写与传输是决定系统效率的关键瓶颈。只是单纯增加GPU,并不能自动消除这两种损耗。

因此,存储不能只是推理系统的后台配置,还要支持实时服务。

产业巨头已经开始围绕这一变化调整架构。2026年1月,NVIDIA发布推理上下文存储平台,并在3月进一步介绍CMX架构:在GPU显存和主机内存之外,通过网络连接闪存,建立专门的共享上下文层,服务长上下文和Agent推理。

言下之意,上下文存储正在成为AI基础设施中一个明确的新层次。

而曹羽中敏锐地抓住了其中的机会。在他看来,随着推理进入各行各业,存储的投入也会持续增加,并逐步成为需要与算力并重规划的核心投资。“算力决定计算的能力,上下文I/O决定这些能力能否持续、高效地发挥。未来的基础设施建设,需要把两者放到同一个产能账本上。”

为AI推理重做存储

为什么必须

从底层开始

华瑞指数云看到的机会,是针对AI推理重新设计上下文存储系统,并推出了自研存储系统WQS,让同样的算力支撑更多业务。

一般而言,像通用存储和并行文件系统这些已有存储,都可以保存KV Cache。既然如此,为什么不能直接把上下文保存在这些已有存储中,而是要从底层出发重做出一套专用的存储系统?

原因还是在于,调用KV Cache的成本账。

尤其对实时推理来说,每次调用已有存储中的缓存需要多少时间、占用多少资源,会影响GPU利用率和服务成本。

以通用系统为例,通用系统要兼顾多种业务,负载的需求多样复杂,会通过分层、抽象和解耦,把数据管理和读写处理分成不同层次,方便适配不同应用,以获得兼容性与灵活性。但KV Cache经文件接口存取时,需转换为文件访问,再经过文件管理和通用I/O处理。部分步骤并非缓存读写所必需,其额外开销在高并发下累积,会影响Token吞吐量和响应速度。

而且推理场景本身的特点,就给重做存储系统提供了条件。

其上下文有着明确的I/O特征。比如,数据写入后就不会修改,读写的数据量可以预先确定,可以根据内容寻址等。

推理框架还掌握着很多可用于读写优化的信息:哪些计算结果能够复用,哪些缓存块已经写完,哪些数据即将被消费,哪些内容不再值得保留。如果这些信息只留在推理框架中,底层存储收到的仍是一串普通读写请求;而将这些信息传给存储调度,系统就能够围绕实际使用顺序安排读取、预取和回收,减少无效搬运与等待。

为此,华瑞指数云的推理存储系统WQS选择了原生KV路线。它建立在华瑞指数云自研的分布式存储引擎WiDE之上,直接面向KV对象寻址,并统一管理SSD上的空间分配、布局与回收。配合用户态RDMA数据通路,并通过原生KV接口,WQS让缓存读写绕过不需要的通用文件系统处理和复杂目录管理,减少数据访问中的中间环节,实现了极致高效的并行I/O处理系统。

这与CPU和GPU的分工类似:通用架构覆盖广泛任务,专门架构围绕特定模式集中资源。WQS依靠明确的访问模式,重新组织数据路径,以获得更高效率;通用存储则继续服务其他类型的数据与业务。

曹羽中表示,华瑞指数云提出的“为AI上下文重新发明存储”,不仅要低成本保存更多可复用的计算结果,也要改变存储服务计算的方式。

优化推理场景

的I/O链路

要贯通整套系统

要通过重新设计存储优化提高GPU的利用率,不能止于某单一组件的设计。因为推理框架调度、命中查询、网络传输、存储读写和GPU装载,都要围绕同一次上下文调用共同工作。

因此,WQS坚持全链路设计与软硬协同。

整条链路上,推理框架负责安排计算,也掌握下一步需要哪些数据;缓存组件管理计算结果的保存、查找和复用;存储引擎安排数据存放和并行读写;网络负责传输;DPU(数据处理器)还可以分担部分数据传输处理。

如果各层只通过通用接口各自工作,会丢失许多调度机会。而全链路协同设计,就能让数据一边加载,一边计算,减少GPU等待。例如,框架提前告知下一步需要哪些缓存块,系统就可以在当前计算进行时启动读取。部分读取时间与计算时间重叠,GPU接下来使用这些数据时,就能少等一段时间。缓存能够跨节点共享后,任务也不必只分配给保存了相关历史状态的那台服务器。

在缓存有效性、命中信息与可靠性得到保障的前提下,这既有助于减少重算,也能扩大集群的调度空间。

这种贯通,也在向硬件端延伸。

华瑞指数云正在推进与NVIDIA、AMD、昇腾等算力生态的协作,并与SSD及新型磁介质厂商开展协同设计,希望把上下文的访问顺序、生命周期和时延需求进一步用于介质优化。现有原生KV路径、全局共享和GPUDirect等能力已经用于客户联合验证;新型介质及面向不同算力平台的HBM到SSD的直通方案,是华瑞指数云研发重点发力的方向。

接入层面,WQS提供可共享的KV存储层,与vLLM、SGLang等推理框架,以及缓存管理和传输组件配合。华瑞指数云正推进相关生态对接,目标是让客户沿用现有框架,并根据业务需要,选择独立部署上下文存储,或将其与推理节点融合部署,获得AI推理的端到端加速效果。

“推理框架知道接下来要用什么数据,介质也有自己的并行能力。”曹羽中表示,“我们的工作,是让这些信息在整条链路上发挥作用,而不是在每一层都重新猜一次。”这样一来,减少各环节衔接中的等待,提高整套系统的推理效率。

性能翻倍

在客户的

产能账本上体现

软硬协同和全链路优化的收益,最终要看同样的算力能否在满足响应要求的前提下,支撑更多业务。

对Token工厂、模型API服务商和算力平台而言,首Token时延(TTFT)和Token平均输出间隔(TPOT)这两个指标,都要纳入考量。前者代表用户等待多久才能看到第一个输出,后者代表回答能否持续流畅。在满足这些要求之后,集群还能承接多少请求、输出多少Token,才是可以交付的产能。

在华瑞指数云披露的某大型Token工厂验证中,WQS采用独立存储节点部署,将可复用KV Cache从单机显存中扩展出来,供多台GPU服务器共享。在该项验证的模型与负载条件下,24张GPU加一个WQS节点,达到了与48张GPU方案相当的Token产能。

这一结果,为扩产提供了新的选择:企业可以比较增加GPU与增加上下文存储的效果,根据实际瓶颈分配预算。如果用较少GPU就能达到既定服务目标,除了设备采购,还可能节省相应的机柜、电力和散热支出。对客户来说,尽管要把新增存储、网络及运维成本一并计算才能得出最终收益,但客户决策的依据已经从“增加多少卡”,转向“怎样获得同样或更多产能”。

对于希望利用已有设备的企业,WQS还可以采用纯软件融合部署。在某大型企业的联合验证中,WQS以纯软件方式与现有推理节点融合部署,汇集内存和SSD资源构建共享KV Cache,无需新增硬件,首Token时延降低80%,Token吞吐量提升超过3倍。对于拥有自建推理系统的客户,这意味着可以先检验存量设备还有多少优化空间,再决定如何扩容。

两项案例,展示了上下文存储改善推理产能的不同部署方式。

面向不同客户、不同项目,华瑞指数云会结合模型、上下文长度、并发与缓存命中情况,衡量减少重算和数据搬运带来的端到端收益,让客户用实际业务检验ROI。

基于这些项目的积累,华瑞指数云面对不同客户时,就能洞悉到客户业务侧重点:对于Token服务商,是降低满足服务要求的单位Token成本;对算力平台和智算中心,是提高现有资源的服务能力;对金融等自建模型的企业,是让有限预算支持更多员工和业务。

六年底层研发+生产交付

铸造核心壁垒

这一系列性能提升,离不开底层存储能力的支撑——华瑞指数云自研的WiDE存储引擎。

2020年华瑞指数云创立之初,就启动研发了WiDE存储引擎。公司核心成员来自华为、腾讯、IBM、微软、EMC等企业,积累了底层系统研发与商业化经验。此后,团队基于WiDE引擎打造了WDS块存储、WFS文件存储和WQS推理上下文存储等产品,将同一套底层能力用于不同业务场景。

在曹羽中看来,从零自研底层引擎的价值,在新需求出现时尤为明显。面对AI推理提出的读写要求,团队可以直接调整引擎、数据结构与I/O路径,而不必局限于在既有产品外部增加适配层。这也是WQS能够采用原生KV架构的基础,而不只是给通用文件存储增加一层缓存接口。

这种底层能力曾通过公开评测得到检验。2023年,基于WiDE的WDS块存储,以2720万IOPS、该负载下0.217毫秒响应时延打破SPC-1企业级存储性能评测纪录;2025年,华瑞指数云自主研发的AI原生智能数据平台WADP也参加了MLPerf Storage v2.0公开评测,多项指标位居世界第一。

两项评测,分别检验了企业级存储与AI存储负载的读写性能,为团队开发推理专用系统提供了参考。

性能之外,华瑞指数云的另一大壁垒,来自长期生产交付实践。华瑞指数云介绍,WQS之外的块存储、文件存储等产品,已经运行在200余家客户的核心生产环境,覆盖金融、半导体、量化交易、自动驾驶和先进制造等行业。长期的生产环境实战运行,推动了团队持续完善故障恢复、数据保护、兼容适配和运维机制。

“做存储系统能够跑通I/O、跑出结果,可能只是做完了30分。”曹羽中说。剩下的工作,要在高并发、硬件故障、网络异常以及长期运行中完成。高并发和网络异常时,系统能否保持稳定;某个节点出问题时,服务会怎样恢复;框架和模型升级后,已有部署还能否稳定工作——这些问题,都需要在长期运行中检验和解决。

随着AI推理深入企业核心业务,这些积累也成为了WQS进入客户业务的重要基础,并构成华瑞指数云的核心工程壁垒。

从头部验证走向标准化

在新一轮AI Infra

架构选择中脱颖而出

如今,越来越多的企业业务环节,会涉及多轮对话、长上下文和Agent应用。推理会随着应用覆盖增加,持续服务更分散的企业和用户。

WQS瞄准的,正是这些需要提高推理效率的客户,比如模型API平台、Token工厂、智算中心和企业自建系统。虽然部署规模与硬件组合各不相同,但都需要应对上下文增长,并控制服务成本。对上下文存储而言,这意味着机会点既来自新增集群,也来自存量系统的改造与升级。

曹羽中判断,这个市场的增长空间,不只是增加SSD存储系统的采购,而是参与推理系统的架构选择。上下文如何留存、如何共享,算力和存储如何配置,将逐渐进入客户的常规建设规划。

因此在推理系统总体设计以及端到端性能优化过程中,WQS将作为独立产品位置存在,并把一次次联合验证变成可复制的部署与交付。

华瑞指数云认为,未来12至18个月是AI推理上下文KV Cache层方案与产品选择的重要窗口,希望抓住这一时期,推动更多项目从验证走向可复制的标准化交付。

据公司披露,2026年上半年华瑞指数云的合同额同比增长150%。在WQS方面,华瑞指数云正与多家头部大模型及Token服务厂商、头部金融企业和自建推理系统的行业客户推进合作,相关项目正在进入生产级PoC测试与验收推进阶段。

本轮融资将支持继续研发、部署适配和客户服务体系建设,推动WQS走向规模化交付。

“我们希望把WQS做成AI Infra建设中的基础组件和标准化产品。”曹羽中表示,客户应当能够根据算力规模和业务负载选择上下文存储配置,通过清晰的连接、组网和部署方式使用产品,减少对长期驻场调试和维护的依赖。围绕这一方向,华瑞指数云提出了未来12个月推动50家以上重点AI推理用户实现生产落地的目标,检验技术优势能否变成稳定的交付与服务能力。

当AI推理成为各行各业持续使用的服务,上下文存储的需求也有望伴随业务规模不断扩大。华瑞指数云希望争取的,正是这一新的基础设施位置:以规模交付的AI原生存储,服务越来越大的算力投入,实现极致的算力生产效率和推理产能。

跳转微信打开

  •  

启明创投沈劲:投具身智能,别用移动互联网的时间表

原创 创业邦 2026-11-16 11:39 北京

Physical AI的GPT时刻还需要耐心,安全将是最后难关

在第五届全球数字贸易博览会“数贸创投日”上,启明创投投资合伙人、原高通全球副总裁、引航陪跑教练沈劲参与了题为《Physical AI,重新定义生产力》的对话,分享了他对Physical AI发展阶段、产业基础设施和长期投资的思考。

沈劲提到,创新的传播有一个S曲线。如果具身智能最后能够达到100%的普及率,那么15%是一个重要节点。与此同时,Physical AI的发展还需要算力、数据工程、模型、仿真和合成数据、运行环境以及本体硬件等基础设施的支撑。

在他看来,安全将是Physical AI规模化商用的最后难关,物理世界的数据采集也尤为重要。面对尚未实现的技术突破,投资人和创业者都需要尊重硬科技的发展规律,耐心等待Physical AI的“GPT时刻”。

今年,第五届全球数字贸易博览会“数贸创投日”首次与创业邦DEMO CHINA联动,共同探讨科技创新与产业转化的现实命题。

以下基于现场对话内容,经创业邦整理后发布。

创新的传播

有一个S曲线

创新的传播有一个S曲线。如果具身智能最后能够达到100%的普及率,这个点在15%左右。

使用的人群不是猎奇的,也不是现在主要用户都是大专院校或者做机器人研发的,而是早期用户,就是15%。当然,现在不知道15%是哪一年。

安全是物理AI

最后的难关

互联网时代的基础设施是网络,AI时代的基础设施是算力,现在到了物理AI时代,有6大方面会成为新的基础设施。

3个比较熟悉:算力、数据工程、模型。这3块仍然非常重要,尤其是数据,相比大语言模型为基础的生成式AI,数据的重要性尤为突出。

另外三块是仿真和合成数据,主要解决快速训练模型的问题;运行环境,也包括安全;本体硬件,里面有很多传感器等。这些都构成了具身智能的Infra,也就是基础设施。

安全也非常重要,目前没有太多公司做。我们和硅谷的科学家讨论,认为安全将是最后的难关。

前面所有东西都解决了,都很聪明,什么活都能干,但无论是在家庭还是车间,如果安全解决不了,还是不能大规模商用。

物理AI数据采集

难在数据孤岛

大语言模型拿的是互联网的数据,物理AI数据保存得不太好,也有很多孤岛。

有的数据在老师傅手里,比如一个修锁的,他手里可能有数据,但不在共享平台上,没有被网络化和广泛普及,所以数据采集尤其重要。

物理AI的GPT时刻

还需耐心等待

长期主义做到还是非常难的。首先尊重事实。

移动互联网相对高速发展,企业从成立到上市也都是七八年。但硬科技,我们以前投的芯片、半导体,都是10年、15年。这是事实,不是说你能够快一点还是慢一点。上市也不是终点,只是中间一个里程碑,一个节点。

具身智能的事又比较难。真正的技术突破,我认为现在还没有达到。

黄仁勋搞大会,几十家具身智能企业合影。有一家说,“除了我们的机器人是走上去的,其他都是抬上去的。”

但在一定场景中,我们看到它蹦蹦跳跳,做咖啡、叠衣服,都觉得很有意思,进步也很快。但离GPT moment或者龙虾节点还是要耐心一点。

这就是长期主义。

跳转微信打开

  •  

世界首颗全集成一步求解矩阵方程模拟计算芯片问世;比头发丝还薄!天津大学团队研发0.01毫米柔性透明显示屏丨智能制造日报

睿兽分析 2026-11-16 11:39 北京

每日智能制造产业资讯速递。

1.【世界首颗全集成一步求解矩阵方程模拟计算芯片问世】模拟计算芯片公司安纳智芯自主研发的AX100芯片已于10月完成流片,为世界首颗全集成一步求解矩阵方程模拟计算芯片。经测试,单次矩阵方程求解时间小于100纳秒,单次计算功耗约80毫瓦,符合理论仿真与设计预期。(科技日报)

2.【东航C919新开“上海虹桥—郑州”航线】11月15日,东航新开国产大飞机C919“上海虹桥—郑州”航线,首航航班上午10:02平稳落地郑州新郑国际机场。(央视新闻)

3.【余承东:大折叠已成为千万人的主力机】华为常务董事、终端BG董事长余承东表示,今年是华为Mate X系列走过的第八年,大折叠已成为千万用户的主力机型,新一代华为Mate X8将在屏幕、影像和性能体验上有新突破。(IT之家)

4.【浙江人形机器人创新中心产线:正建设新工厂、储备万台产能】浙江人形藕池工厂人形机器人年产能已从数百台扩容至数千台,公司正新建集士港工厂进一步扩充产能,并通过与外部生产基地合作,预计未来可实现万台级产能。通用柔性作业机器人NAVIAI WA2已批量出货,今年市场订单较去年翻多倍。(中证金牛座)

5.【徐工2000吨级起重机落地泰国】徐工XCA2000全地面起重机近日在泰国完成交付,刷新当地全地面起重机吨位纪录。该设备具备卓越起重性能与复杂工况适应能力,可满足大型风电机组安装对起升高度、吊装重量及施工安全的严苛要求。(证券时报)

6.【比头发丝还薄!天津大学团队研发0.01毫米柔性透明显示屏】天津大学胡文平院士、汪天洋教授团队研发的0.01毫米柔性透明显示屏已实现量产,为全球最薄柔性透明显示屏之一。该屏幕采用光量子显示技术,实现本征零能耗自主发光,厚度仅0.01毫米,透明度超90%,支持超高分辨率显示,具备柔性和大面积制备能力,使用寿命可达30年。(快科技)

更多智能制造产业资讯……

扫码可订阅产业日报👇👇

欢迎加入睿兽分析会员,解锁AI、汽车、智能制造等相关行业日报、图谱和报告等。👇👇

跳转微信打开

  •  

没人比Alexandr Wang更懂向上管理

田密 2026-11-16 11:39 北京

以下文章来源于:AI故事计划

AI故事计划

人在AI时代的命运。这个编辑部致力于记录AI时代的真实故事。

Muse最大的受益人

来源丨AI故事计划

作者丨田密

封图丨张霞

Alexandr Wang(汪滔),一个懂得老板心思,能把老板的焦虑转换为晋升资本的男人。

两个月前,他带队做出Muse,让AI竞赛陪跑生扎克伯格,终于上了回牌桌。

在硅谷的科技巨头里,Meta下场做AI算早的。这几年,小扎做开源模型、做AI眼镜、买GPU、建数据中心,一年在AI上开支上千亿美元。

可要人有人、要钱有钱的Meta,始终挤不进第一梯队。直到汪滔出现。

自打去年空降后,汪滔便开始砍瓜切菜般重组起这家公司的AI业务。他一口气裁掉了约600名超级智能实验室的员工,其中包括华人科学家田渊栋。在Meta待了十二年的图灵奖得主杨立昆,也在这场调整中离开。

他重建模型训练的全流程,提前卡位,押注AI个人助手,让扎克伯格怒刷了一波存在感。

汪滔不是纯技术出身,曾被诟病不懂研究、太年轻、太商人。但对一家庞大臃肿、急需动刀的公司来说,一个精于计算、下手果断的职业经理人,才是眼下最需要的那种人。

靠着狠,他成了扎克伯格手里最趁手的一把刀。


临危受命

2026年4月,汪滔身边突然坐进来一位大人物。

Meta创始人马克·扎克伯格把办公桌搬进了AI实验室,坐到自己重金押注的两位负责人汪滔和纳特·弗里德曼身边。后者曾是GitHub的CEO。

扎克伯格不只是搬来一张桌子。他重新拿起代码,每周花5到10个小时参与AI项目开发、审查团队工作。Meta总裁迪娜·鲍威尔·麦考密克透露,他甚至“整天都在写代码”。

扎克伯格急了。

过去几年,他在下一代技术上没少花钱。Meta元宇宙的窟窿至今没填上,旗下Reality Labs自2021年以来,累计亏损已经超过800亿美元。

AI时代,他又迅速换了赌桌。买GPU、建数据中心、做大模型,不停从OpenAI和Google挖人。2026年,Meta的资本开支预期为1350亿至1450亿美元,接近上一年实际开支的两倍。

钱砸下去了,却没听到声响。Meta始终没能进入大模型的第一梯队。

2025年4月,Meta发布新一代开源模型Llama 4。开发者拿到模型后,发现编程表现不及预期,部分长上下文测试的实际效果也遭到质疑。而参数量接近2万亿的旗舰模型Behemoth,也迟迟没有发布。

有工程师形容公司进入了“恐慌模式”。Meta内部的编程工具链里早已出现竞争对手的模型,部分工程师已经不用自家的Llama写代码了,转而使用ChatGPT等产品。甚至,有人从领英履历中删掉了参与Llama 4的经历。

最初参与Llama项目的14位作者中,已有11人离开Meta,其中不少去了竞争对手那里。

汪滔就是这个时候走到台前的。

硅谷更熟悉他的英文名Alexandr Wang。2016年,19岁的他从麻省理工学院退学,联合创办Scale AI。这家公司不训练大模型,而是站在产业链的上游,为AI公司提供训练数据和模型评估。

早在2019年,Meta就已经是Scale AI的客户。Llama 4发布后不久,一次Scale员工会议期间,汪滔收到扎克伯格发来的WhatsApp消息,两人随后通了约44分钟电话。

电话结束两天后,汪滔给扎克伯格发去一份长篇备忘录,提出提高研究团队的人才密度,重新组织研发力量,必要时甚至从头开始。此时,Meta已经请来了大量研究人员,建起多个AI部门,他却认为,未必需要这么多人,关键是把最优秀的人集中在一起工作。

图|扎克伯格和汪滔在博客中回忆过去

扎克伯格后来回忆,那段时间,他几乎和所有顶级AI实验室的负责人、研究主管都聊过一遍。最后,他还是认定:“Alex就是那个人。”

2025年6月,Meta斥资143亿美元取得Scale AI约49%的无投票权股份。作为这笔交易的一部分,28岁的汪滔离开自己创办多年的公司,加入Meta,出任首席AI官,负责组建和领导超级智能实验室。

汪滔此前没有亲自训练前沿大模型的履历。他空降后,很多人并不服气。

一名Meta AI研究员,在被问到是否接受汪滔的领导时,只回答了一个字:“不(Nope)。”另一名前FAIR研究员说:“他不会轻易被接受。”

2026年3月,Meta新成立一支应用AI工程团队,直接向首席技术官安德鲁·博斯沃思汇报,独立于汪滔领导的超级智能实验室。《印度时报》随后打出标题,称扎克伯格可能要“放弃”这位Meta最高薪员工。

Meta发言人安迪·斯通公开否认,称这一说法“完全不是真的”。扎克伯格随后在社交媒体上发出一张照片,照片里他和汪滔勾肩搭背。

一个月后,新模型终于露面。Meta发布Muse Spark。这是汪滔接手超级智能实验室后推出的首个模型,内部代号“牛油果”。

按汪滔发布时的说法,过去约九个月,团队重建了模型训练所需的数据、基础设施和研发流程。

2026年9月,Muse个人Agent上线,很快冲上美国App Store免费榜第一。一年多前还在解释Llama 4为什么没打好的Meta,终于上了一次牌桌。

这些成绩还不足以证明Meta已经赢下AI战争,但对扎克伯格来说已经够重要了。过去几年,他不断往AI里加钱、加人、加算力,最缺的反而是一个能证明“这次可能押对了”的结果。

这种正反馈终于开始出现了。


一把快刀

2025年10月22日,加入Meta仅四个月的汪滔,向超级智能实验室约600个岗位挥下了裁员的刀。

裁员涉及FAIR、AI基础设施和产品等部门。汪滔在内部备忘录里解释,目的是打造“业内最敏捷、人才密度最高的组织”。团队规模缩小,做决定需要沟通的人就更少,每个人也能承担更大的责任。

被裁员工可以获得16周遣散费,每工作一年额外增加两周,公司还安排专门小组协助内部转岗。

两个月前,汪滔已经发出过一封内部信,重新划分超级智能实验室。他自己带领TBD,集中研究前沿大模型;纳特·弗里德曼负责产品和应用研究;原来的FAIR继续做长期研究;基础设施单独成为一个部门。

按照新安排,FAIR负责人罗布·弗格斯,以及Meta首席AI科学家杨立昆,都要向汪滔汇报。

到了10月,这场组织调整开始影响到具体的人。裁员名单里,包括在Meta工作多年的华人科学家田渊栋。

田渊栋不是普通的老员工。2025年1月底,Llama 4项目遇到困难,距离发布只剩两个月,他和强化学习团队临时接到任务,放下原来的研究,参与模型后训练和问题修复。

接活之前,他还认真算过一笔账。他列出一个2×2矩阵,把项目成功或失败、自己尽力或不尽力,分成四种结局。他觉得,即便项目最终没成,至少也算尽力而为。

10月22日,他和部分团队成员收到裁员通知。2026年1月,田渊栋在个人年终总结里重新提起那个矩阵,感叹最后发生的是“没在计算之内的第五种可能”。

汪滔亲自带领的TBD却是另一番景象。这支新团队聚集了从OpenAI、Google、苹果等公司挖来的研究员,不仅没有受到裁员影响,还拥有专门的办公空间,研究人员能获得更多算力资源。

图|成为“一把快刀”前的汪滔(右一)

一边裁掉老员工,一边花重金挖来新人,留在Meta的人开始有了怨言。

据《商业内幕》报道,新人的薪酬明显高于老员工,研究项目怎么分、算力先给谁、哪些人能进入核心团队,都成了摩擦的来源。几轮调整下来,内部甚至出现了职责划分不清、团队之间沟通不畅的问题。

不久后,在Meta待了十二年的图灵奖得主杨立昆也宣布离开。

当年,扎克伯格请杨立昆创办FAIR,这个部门一直保留着浓厚的学术研究传统,科学家可以发表论文、公开成果,研究那些短期内未必能变成产品的问题。

就研究观念而言,杨立昆本人并不相信,单靠扩大语言模型就能实现真正的智能,反而更看好让机器理解物理世界的“世界模型”。

汪滔带领的TBD却在集中资源追赶前沿大模型,FAIR原有的部分研究工作也受到调整,包括机器人研究。

杨立昆曾批评Meta新招来的那批研究人员“已经完全被大语言模型洗脑了”。

2025年11月,杨立昆宣布离开,准备创办一家研究世界模型的公司。Meta没有再任命新的首席AI科学家接替他。

离职后接受《金融时报》采访时,杨立昆谈到了汪滔。在他看来,这个28岁的年轻人缺乏科研经验,不了解研究是怎么开展的,也不知道什么能吸引或劝退研究人员。他也承认汪滔学得很快,知道自己不懂什么。

谈到研究员该如何被管理,杨立昆说:“你不该指挥一个研究员该做什么。你当然更不该指挥我这样的研究员该做什么。”

把账全算在汪滔头上,并不公平。

在不少员工眼里,这个28岁的年轻人太狠、太商人,科学家和实验室在他手里,成了可以按季度调整的资产。

但裁员的方向、组织的轮廓,背后其实是扎克伯格本人的意志。Meta终究是一家上市公司,他要对股东负责,对利润负责,需要更快的商业结果。

扎克伯格和科学家们的分歧,不是从汪滔出现后开始的。杨立昆对大语言模型的公开怀疑由来已久,FAIR的学术传统和公司的产品压力,在水面下已经碰撞多年。这不只是技术路线之争,更是两种时间表的错位。他们一边按论文的节奏走,一边按财报的节奏走。

汪滔做的,不过是把那颗捂了多年的脓疮挑破了。

2025年年底,在夏威夷,汪滔几次被Meta首席财务官苏珊·李拉到一旁。

她反复提醒他,如果模型最后没能成功,财务上的后果将“非常、非常严重”。

后来扎克伯格还拿这件事打趣:“我觉得苏珊把你吓得不轻。”汪滔回忆,每次聊到这件事,两个人都会开玩笑,希望一切顺利。

对名利的执念

这不是汪滔第一次在公司内斗里成功上位。

在Scale的故事里,是郭露西(Lucy Guo)最早把汪滔拉进创业。两个人在号称“美国知乎”的Quora认识,一起进入创投公司Y Combinator(后简称YC),最开始连做什么都没有想明白,折腾过几个方向,最后才转到数据标注。郭露西还是Scale最初的CEO,汪滔更多负责技术和客户。

A轮之后,位置开始发生变化。汪滔提出由自己来做CEO,理由是自己“更适合成为一家API公司的门面”。郭露西后来告诉媒体,她并不执着于头衔,所以接受了。头衔让出去之后,两个人对公司怎么管、往哪走的分歧并没有消失。

Scale开始接到越来越多自动驾驶客户,团队越来越大,麻烦也越来越具体。汪滔觉得郭露西没管好运营团队;郭露西则认为,汪滔连合同工付款混乱的问题都没有解决。

郭露西后来回忆,自己曾经和一个认识的人说,汪滔“应该被开掉”。她以为只是一句私下抱怨,没想到话很快传回了汪滔耳朵里。她一直怀疑,是一个原本信任的人把话递了过去。几年后再讲起这件事,她还记得那种感觉:“我有点被背叛了。”

董事会最后站到了汪滔一边。2018年,郭露西离开Scale,汪滔坐稳CEO的位置。关于这场分手后来一直有不同版本,郭露西强调自己并不看重CEO头衔,有报道则认为汪滔在权力斗争里占了上风。但结果没有争议,Scale从此只有一个真正说了算的人。

图|郭露西和汪滔的合照

多年以后,汪滔再被问到这场决裂,有些尴尬地笑了笑:“YC没人告诉你,创始人散伙原来这么常见。”

散伙之后,故事没有完全结束。

有报道称,汪滔后来因为员工流失率太高,一度不允许部分离职员工在二级交易中出售手里的Scale股份。他私下抱怨过Scale估值上涨,让已经离开的郭露西因为手里的股份不断增值而越来越有钱。Scale方面否认了后一种说法。

汪滔对名利有执念的传闻,一直在硅谷流传。

一位与他相熟的创业者在接受《The Information》采访时这样形容:“他需要成功,就像需要氧气一样。”

Scale发展到800多名员工时,汪滔仍坚持亲自批准每一次招聘。据报道,他还曾拒绝让共同基金参与公司融资。报道给出的解释是,这些机构需要定期披露持股估值,一旦Scale估值下跌,数字可能让他难堪。

自动驾驶退潮以后,Scale开始寻找新的收入来源。一次全员会上,有员工问,如果智能马桶公司想让Scale帮忙标注粪便照片,这种钱接不接?话题一路从粪便聊到武器,聊到公司的生意边界到底画在哪儿?

汪滔当场给这门生意画了线,他早年曾承诺不与国防客户合作。

2020年,Scale却拿下美国国防部一份五年9000万美元的合同。员工在全员会上继续追问,但汪滔的态度已经很明确,Scale当然会继续和国防工业合作。

2022年底,ChatGPT爆发,汪滔再次调整了Scale的业务。公司减少部分低成本海外标注业务,开始招募博士、律师和医生等专业人士,为大模型提供训练数据和评估服务。部分软件工具需要重新开发,外包人员的支付系统也要随之调整。

这一年,Scale的年化营收规模约为2.27亿美元。到了2023年,这个数字涨至6.8亿美元。

汪滔也开始越来越频繁地出现在硅谷之外。

2023年11月,他和纳特·弗里德曼在犹他州的瓦萨奇山脉举办了一场为期三天的AI国家安全闭门会。大约100名科技高管、投资人、军方和政策人士受邀参加。客人进门先量头围,定制一顶毡制牛仔帽。26岁的汪滔坐在一群头发花白的五角大楼高层旁边,聊中美AI竞争。

一位参会者后来告诉《财富》,这场活动更像一次大型销售会,汪滔是在向投资人和政府客户展示自己的人脉。另一位参会者则觉得,他对国家安全表现出的强硬态度有些刻意,像是在努力接近华盛顿的权力圈。

Scale的一名投资人这样形容汪滔:他不是靠坐在卧室里思考,就能判断世界往哪里走。他会花时间接触“对的人”,收集大量信息,再据此调整公司的业务方向。

2025年6月,Meta与Scale AI的交易公布后,汪滔回到公司位于旧金山南市场区的办公室。

消息来得突然,许多员工以为他已经离开。看到汪滔沿楼梯走进中庭,大家鼓起掌来。他站到员工面前,讲起创办Scale的日子,说着说着就哭了。

一名在场者回忆,他还忍不住自嘲:“真蠢,我这是在干什么?”最后,汪滔介绍了接班人,两人握手、拥抱,完成交接。

19岁开始创业,28岁离开,Scale几乎装下了他从青年到成年的全部过程。

后来接受《福布斯》采访时,汪滔说:“如果是在另一种人生里,我会非常期待继续留在Scale。”

总有功成名就的人,说想念另一种更简单的人生。汪滔把那个自己留在了平行世界,28岁的他选择登上Meta的大舞台,成了AI世界里最有权势的年轻人。

跳转微信打开

  •  
❌