铃阅时讯
❌

阅读视图

好书推荐 | 谁在制造世界?隐秘的全球经济命脉与产业变革

点拾投资 2026-10-24 19:18 山西

2026 年,“全价值链出海”成了中国制造业朋友圈里最高频的词。过去我们谈出海,更多是把货卖到更远的地方;而今天,从金风科技把风电装备铺向全球、中集集团用集装箱标准连接世界,到青山控股把不锈钢产业链延伸到海外——中国企业正在从“世界工厂”走向“全球布局者”。这早已不只是某家企业的战略选择题,而是紧扣“制造强国”新战略、关系中国制造转型升级的必答题。

但出海越是深入,一个事实就越清晰:我们最熟悉的“成本与规模”打法,正在悄悄失效。全球制造正处于从"效率优先"向"范式优先"的结构转型阶段——当地缘博弈、贸易壁垒、产业链安全成为新的硬约束,光靠低成本产能已经不够;真正决定胜负的,是企业对那张"看不见的深层依赖"网络的理解深度:一颗芯片的流片捏在谁手里、一段物流被哪条运河卡着、一项 ESG 标准由谁制定。而这,恰恰是中国企业出海必须补的一课。

蒂姆·明沙尔是剑桥大学制造研究院(IfM)院长——一个把全球顶尖制造研究、欧洲最成功的"剑桥集群"(ARM、阿斯利康皆出于此)与产业落地串在一起的人。在《谁在制造世界?》中,他认为全球制造已演变为高度依赖、深度嵌合的格局——数十亿物品在全球范围内无缝、快速、低成本流动,其生产能力异常强大,但其复杂性和脆弱性也越来越突出。一条运河被堵、一次贸易争端升级、一场疫情危机……任何一个环节出问题,整个系统都将被迫停摆。从日常物品入手,拆解从纸巾到芯片背后隐藏的全球制造链。

01 看不见的网:

最简单的东西,最惊人的复杂

一张再普通不过的卫生纸,背后竟藏着一条跨越国界的隐形协作链:远方的林木先被制成木浆,化工厂的柔软剂与漂白剂来自另一片大陆,再到成型、分装,经跨国物流层层分拨,最后摆在零售货架上等你取走。你从不在意它,可它早已绕了半个地球才到你手上。

如果可以的话,请暂时放下手上的电子设备,去找一卷卫生纸。撕下一张并仔细观察它:这张大约 10 厘米 ×12 厘米的长方形纸片表面可能有一些图案或字母,短边会有些微的毛边,那是压痕线,可以使我们用恰到好处的力量撕掉纸张。你可能还会注意到纸张的表面有一些纹理,或者略微起皱——这是在生产过程中添加的一个功能,目的是提高吸水性。

你如果捻开纸的边缘,通常能将它分成两层、三层或四层,如果是高端纸品,甚至可能达到五层。捻开纸层后,试着用手指触摸每一层的表面,你可能会察觉到轻微的纹理差异,这是用来黏合各层的胶剂造成的。它也反映出每一层纸含有不同的纤维——一层纸可能来自北欧的木材(用于增强韧性),另一层来自南美的木材(用于增强柔软性),通过混合两种木材的纸浆,确保韧性与柔软性达到最佳平衡。

工程师与科学家经过数十年的研究,才得以制造出此刻你手中正在拆解的产品。为了将这一基础产品以符合预算和品质要求的价格交付给你,无数人员参与了设计、制造和运输环节。在那些卫生纸被广泛使用的国家,普通消费者每年大约会使用超过 100 卷。每一张卫生纸都经历了一段非凡的旅程,才抵达你的手中。

树木生长速度非常缓慢,林业是一个生产周期非常长的行业。从播种到砍伐需要经历几十年的时间——根据树木种类和木材的用途,周期在 40 年至 150 年不等。

数十年的生长,在 60 秒内终结。一旦这些伐木“变形金刚”完成其“钢铁使命”,树干便会被卡车运往锯木厂进行加工,留下一地狼藉,就像是被大型机械反复碾过后的采伐迹地。

部分木屑被送往纸浆厂,进入制造卫生纸的下一流程。在这里,木屑会经历高温高压化学处理,分离出木材的三大主要成分:木质素、半纤维素以及卫生纸的核心成分——纤维素纤维。它们会被分解并制成干纸桨板。这些干纸浆板被打包成行李箱一样的包裹,跨越国界,运送到遥远国度的滚轧厂继续作业。

在实现购买前,卫生纸会在一个外观平淡无奇的大型建筑里待上一段时间,这个地方被称为分销中心或配送中心。这些巨大的、没有窗户的仓库通常集中建在“战略要地”,即交通枢纽地带。乘车途经商业或工业园区时,你一定见过这些波纹立面的庞然大物。大宗商品批量运抵这里,然后经过分拣、存储,会像空中交通调度一样,精确地按小批量发送到其他仓库,或者直供工厂、商店或家庭。

自 20 世纪 50 年代超市成为经济生活中的常见业态以来,多数人已经习惯了一站式便捷地购买所有日常必需品。超市之所以能够保证货架上商品的持续供应,依赖于数百家制造与物流企业的无缝衔接、协同运作。因此,超市代表了更多供应链的终端,这可能是公众所能接触到的最为明显常见的供应链终端。

02 制造业的本质是一场“旅程”

正如我们现在所了解的,即使是像卫生纸这样看似简单的产品,也需要经过一系列极其复杂的旅程才能最终送到消费者手中。而对于更复杂、拥有更多精密零部件的产品,其物流网络则更加复杂。以自行车为例,这虽然是一个中等复杂的组装产品,但如果把每一颗螺母和螺栓都算上,则完成组装大约需要 100 个零部件。想象一下,要制造和交付手机或客机这类包含成千上万甚至数百万个零部件的产品,所需的物流体系又该有多复杂?对于这些真正复杂的工业制成品,其外部物流体系与我的新自行车究竟有何不同?

以手机为例,关键差异在于零部件在全球各地往返运输的频次。为何这么说?对于手机而言,其精密的内部系统所涉及的高度专业化技术并不全都集中在同一个地方。没有任何一家企业具备制造现代手机所需的全套精密技术,包括通信、传感、处理器和驱动子系统。因此,半成品材料、元器件和子系统必须在全球各地的公司之间流转,以便完成特定的精加工工序或装配关键的精密零部件。

这一切意味着什么?艾德华·休姆斯在《门到门时代》(Door to Door)一书中估算,一部苹果手机及其所有零部件在送达用户手中之前,总旅程至少 25 万千米——相当于绕地球六圈还多,比我的新自行车旅程的 12 倍还多……而我本来觉得两万千米已经漫长得不可思议了。

对于一架客机来说,其物流复杂性首先源于零部件数量庞大。每一个零部件都必须完美无瑕,且质量必须可以全程追溯,无论是折叠桌卡扣失灵这类小问题,还是整架飞机坠毁这样的重大事故,一旦发生任何故障,都必须能够准确定位供应链中的责任环节,以确保同样的问题不会再次发生。

以典型的远程宽体客机为例,比如空中客车 A350,它装备了两台重量约 6 吨的发动机,每台发动机的风扇(这是你在发动机前端可见的核心运转部件)直径约 3 米,轴向长度约 3 米。飞机的单侧机翼长约 32 米(总翼展超过 64 米),而起落架组件(包括制动系统、轮组、轮胎、减震装置等)总重超过 10 吨。不难想象,工厂管理者在这些庞然大物的内部物流协调上所面临的挑战——必须确保所有零部件按照正确的顺序和流程组装在一起。同时,和自行车、手机一样,飞机的许多零部件并不是在最终的工厂生产的,而是由不同的供应商制造好后运送到最终的工厂组装——空客 A350 就是在运抵法国南部的图卢兹后完成总装的。

03 为什么必须转型:

世界正在改变制造业

在制造业中,将零部件分散在不同地点生产是非常常见的做法,但空客飞机的特殊性在于,地缘政治因素对其外部物流的设计产生了额外影响。

空中客车公司成立于 20 世纪 70 年代,是由欧洲多家飞机制造企业联合组建的财团。当时,人们意识到,开发一种现代远程商用客机的成本极其高昂,任何一家单独的公司都无法与强大的美国波音公司抗衡。因此,欧洲各国决定联合起来,这无疑是明智之举,但同时也给物流负责人带来了不少难题。

由于空中客车公司将飞机制造任务分配给财团内的不同企业,这意味着飞机的主要部件分散在不同的工厂生产,这些工厂往往相距甚远,且大多远离法国南部图卢兹的总装厂。因此,A350 的一些大型组件是在世界不同地区制造,然后通过船舶或特别改装的飞机运送至图卢兹进行总装的。具体运送哪些组件呢?例如发动机,如果客户选择通用电气的发动机,那它们会从美国制造并发货;如果客户选择劳斯莱斯的发动机,那它们会从英国发货。这很合理,因为喷气发动机的制造高度专业化,必须由专门的供应商生产,而不能自行研制。

考虑到飞机机翼体积和重量庞大,你或许认为直接在图卢兹总装厂或其附近生产更为合理,以避免远距离运输这个庞然大物。但实际上,这些机翼是在 700 千米以外的威尔士生产的,然后通过专用的运输飞机运送到德国不来梅,在那里安装后缘襟翼、前缘缝翼等能让飞机保持低速安全飞行的高升力系统,最后运往法国南部,与机身的其他部分进行总装。

而且,不只是机翼需要这样辗转运输。A350 的机身后端和垂直尾翼产自德国北部,水平尾翼产自西班牙中部,起落架则根据具体型号的不同,分别在英国或加拿大生产。

这种地理上高度分散的生产协作,需要达到惊人的精准度才能进行。正是由于这种高效且精细的协调运作,欧洲才拥有了一个蓬勃发展的航空航天产业,创造了超过 40 万个就业岗位。作为最终的受益者,你我可以乘坐这些可靠且安全的飞机出行,而航空公司也得以在可控的制造成本下实现盈利并维持正常运营。

这种分散协作在平稳年代是效率奇迹,一旦地缘生变、贸易壁垒高筑,便成了最脆弱的环节——这也正是“效率优先”失效、“范式优先”登场的底层逻辑,中国企业出海,先得看懂这张网的脾气。

推荐阅读

IMG_256

《谁在制造世界?隐秘的全球经济命脉与产业变革》

[英]蒂姆·明沙尔(Tim Minshall)

2026年10月

中信出版集团

和往常一样,48小时内点赞留言前三我们将免费赠送一本给粉丝!

- end -

按姓名首字母排序

上下滑动阅读更多内容

安   昀 | 鲍无可 | 包承超 | 包斅文| 贲兴振 | 薄官辉

毕天宇 | 曹   晋 | 曹   霞 | 曹文俊 | 常亚桥 | 常   蓁

常   远 | 崔建波 | 陈   博 |陈璇淼 | 陈一峰 | 陈   栋

陈   平| 陈   媛 | 陈立秋 | 陈  军 | 陈觉平 | 陈   浩

陈文扬 | 陈   宇 | 陈金伟| 陈国光 | 陈思靖 | 陈  鹏

陈   玮 | 陈乐天 | 陈轶平 | 陈良栋 | 陈连权 | 陈怀逸

陈圆明 | 陈   文 | 陈昆才 | 陈思行 |成念良 | 程   彧

程   洲 |程  琨 | 程  涛|崔   莹 | 蔡嵩松 | 蔡   滨

蔡   晓 | 蔡宇滨| 蔡志鹏 | 蔡志文 | 丁靖斐 | 代云峰

邓炯鹏 | 邓心怡 |董伟炜 | 董   超 | 董   梁 | 杜晓海

杜   洋 | 杜   沛 | 杜   广 | 冯明远 | 冯   帆 |傅奕翔

付   斌 | 付   娟 | 付伟琦 | 费   逸 | 范   洁 | 范庭芳

范   杨 | 范   锐 | 方钰涵 | 方   纬 | 方   抗 | 方   建

方   昶 | 高兰君 | 高   远 | 刚登峰 | 葛   晨 | 顾耀强

顾益辉 | 谷琦彬 | 归   凯 | 管嘉琪 | 郭   锐 | 郭   堃

郭相博 | 郭昀松 |巩怀志 | 韩   冬 | 韩海平 | 韩   冰

韩   林 | 韩贤旺 |郝旭东 | 郝   淼 | 何   帅 | 何晓春

何   琦 | 何以广 | 贺   喆 |侯振新 | 侯   梧 | 侯   杰

洪   流 | 胡昕炜 | 胡鲁滨 | 胡宜斌| 胡   涛 | 胡   伟

胡志利 | 胡   喆 | 胡   颖 | 胡   迪| 胡   奕 | 胡   彧

黄   峰 | 黄   力 | 黄立华 | 黄   波 | 黄   晧 | 黄垲锐
黄莹洁 | 黄立图 | 姜   诚 | 姜   英 | 蒋   鑫 | 蒋   璆
蒋   娜 | 江   勇 | 江   琦 | 江   虹 | 纪文静 | 焦   巍
焦文龙 | 贾   鹏 | 贾   腾 | 金晟哲 | 金笑非 | 金梓才
季新星 | 季   鹏 | 匡   伟 | 孔令超 | 孔宪政 | 阚   磊
劳杰男 | 蓝小康| 雷   鸣 | 雷   敏|雷志勇 | 李德辉
李   琛 | 李晓西 |李晓星 | 李元博 | 李耀柱 | 李玉刚
李健伟 | 李   建 | 李佳存 | 李   巍 | 李   竞 | 李   君

李振兴 | 李   欣|李少君| 李   瑞 | 李文宾 | 李   彪
李宜璇 | 李子波 | 李   倩 | 李   燕 | 李   崟 | 李怡文
李   海 | 李禹成 | 李劭钊 | 厉叶淼 | 黎海威 | 廉赵峰
梁   浩 | 梁   辉 | 梁   力 | 梁永强 | 梁文涛 | 梁   鹏

廖瀚博 | 林   庆 | 林剑平 | 林   森 | 刘   斌 | 刘   波
刘   迪 | 刘   冬
 | 刘   辉银华 | 刘   辉东方红 | 刘格菘
刘   江 | 刘莉莉
 |刘晓龙 | 刘   苏 | 刘   锐东方红|刘   锐中信保诚

刘   平 | 刘   潇 | 刘   兵 | 刘   晓 | 刘开运 | 刘元海

刘心任 | 刘志辉 | 刘伟伟 | 刘   鹏 | 刘宇涛 | 刘万锋

柳世庆 | 柳万军 | 陆   彬 | 陆政哲 | 陆   欣 | 陆   航

陆   奔 | 陆文凯 | 罗春蕾 | 罗世锋 | 罗佳明 | 罗远航

罗   雨 | 骆   莹 | 吕佳玮 | 吕越超 | 闾志刚 | 楼慧源

马   翔 | 马   龙 | 马   磊 | 毛从容 | 毛一凡 |莫海波

苗   宇 |闵良超 | 明   朗 |牛   勇 | 倪权生 | 农冰立
彭凌志 | 彭成军 | 
彭   玮| 潘中宁 | 潘   明 | 蒲世林

齐   皓 | 祁   禾 | 钱睿南 |邱璟旻 | 邱世磊 | 丘栋荣
邱   杰 | 钱伟华 | 钱亚风云 | 钱建江 |秦   毅 | 秦绪文

曲   径 | 饶   刚 | 任琳娜 | 任   明 | 任   峥 |桑   磊
宋海岸 | 宋   华 | 宋   洋 | 岁   寒 | 石海慧 | 石   波沈   楠 | 沈雪峰 | 沈   怡 | 史   伟 | 是星涛 | 苏谋东
苏俊杰 | 苏玉平 |孙   芳 |孙  伟民生加银 | 孙  伟东方红

孙轶佳 | 孙浩中 | 孙梦祎 | 孙   蒙 | 孙文龙 | 邵   卓

邵佳民 | 邵蕴奇 | 盛震山 | 唐颐恒 | 唐   华 | 唐   晨

提云涛 | 汤   慧 | 谭冬寒 | 谭鹏万 | 谭   丽 | 田彧龙
田   瑀 | 
田宏伟 | 田俊维 | 屠环宇 | 陶   灿 | 万建军

王大鹏 | 王东杰 | 王   刚 |王君正 | 王   涵 | 王   俊王   培 | 王   鹏 | 王   栩 | 王延飞 | 王宗合 | 王克玉
王   景 | 王诗瑶 | 王晓明 | 王晓川 | 王奇玮 | 王筱苓
王园园 | 
王   垠 | 王文祥 | 王  睿中银 | 王  睿中信保诚

王海涛 | 王登元 | 王   健 | 王德伦 |王艺伟 |王浩冰

王   斌 | 王晓宁 | 王   浩 | 王星星 | 王   开 |魏晓雪
魏   东 | 魏建榕 | 魏玉敏 | 韦明亮 | 翁启森 | 吴   星
吴   达 | 吴培文 | 吴丰树 | 吴   印 | 吴   渭 | 吴   越

吴   弦 | 吴   坚 | 吴   悠 | 吴江宏 | 伍   旋 | 武   杰

肖瑞瑾 | 肖威兵 | 肖   觅 | 谢书英 | 谢振东 | 谢   恒

徐荔蓉 | 徐志敏 | 徐   成 | 徐   斌 | 徐   博 | 徐志华
徐习佳 | 徐   爽 | 徐智翔|许文星 | 许   炎 | 许望伟

许利明 | 薛冀颖 | 夏   雨 | 颜   媛 | 闫   旭 | 杨   栋

杨   光 |杨   浩 | 杨   瑨 | 杨锐文 | 杨   帆 | 杨岳斌

杨   明 | 杨   飞 | 杨晓斌 | 杨   鹏 | 杨   梦 | 杨立春
姚   跃 | 
姚志鹏 | 尹海影 | 尹粒宇 | 殷   哲 | 叶   松
叶   展 | 叶   丰 | 叶予璋 | 易智泉 | 
易小金 | 于   渤

于   洋 | 于善辉 | 于浩成 | 于   鹏 | 于   蕾 | 俞晓斌

袁   宜 | 袁   航 | 袁   曦 | 袁   玮 | 袁多武 | 袁争光
余小波 | 
余芽芳 | 余科苗 | 张   芸 | 张丹华 | 张东一

张   凯 | 张  峰富国| 张  峰农银汇理 | 张   锋 | 张汉毅

张   晖 | 张   慧 | 张金涛 | 张翼飞 | 张   骏 | 张剑峰
张   竞 | 张   萍 | 张   帆 | 张延鹏 | 张迎军 | 张益驰

张鸿羽 | 张   弘 | 张   航 | 张   寓 | 张宇帆 | 张   杨

张   堃 | 张仲维 | 张   勋 | 张   靖| 张   亮 | 张西林
张晓龙 | 张浩佳 | 张亚辉 | 张   腾 | 张   英 | 张   明
张馨元 | 张建胜 | 章   恒 | 章   晖 | 章旭峰 | 章秀奇

章鸽武 | 詹  成 | 赵大震 | 赵晓东 | 赵   强新华 | 赵   强富达

赵   剑 | 赵浩添 | 赵   伟 | 赵鼎龙 | 赵隆隆 |查晓磊

庄   园 | 曾   刚 | 曾海林 | 郑澄然 | 郑慧莲 | 郑   科

郑   磊 | 郑巍山| 郑   伟 | 郑泽鸿 | 郑   日 | 郑   宁

郑小兵 | 郑宇尘 |周   晶 | 周应波 | 周克平 | 周   良

周雪军 | 周   云 | 周   杨 | 周   崟 | 周寒颖 | 周智硕

周文群 | 周宗舟 | 朱   平 | 朱   赟 |朱晓亮 | 朱晨曦
钟   赟 | 钟   帅 | 朱   熠 |左金保 | 赵   蓓
 | 智   健
邹立虎 | 邹维娜 | 邹   唯 | 邹   曦 | 邹新进

跳转微信打开

  •  

AI 数据供应商转向机器人部署,Mecka 想做新一代系统集成商

原创 有新 2026-10-24 18:16 浙江

机器人模型正在为预训练数据打开一个采购市场。大语言模型实验室主要自行从互联网获取这类数据,而机器人需要的许多操作记录,还得有人组织采集、处理和验证。Mecka 创始人兼 CEO Josh Gao 认为,这个差别给专业数据供应商留下了空间。

“我们所能知道的,多于我们所能言说的。”——迈克尔·波兰尼《The Tacit Dimension》

机器人模型正在为预训练数据打开一个采购市场。大语言模型实验室主要自行从互联网获取这类数据,而机器人需要的许多操作记录,还得有人组织采集、处理和验证。Mecka 创始人兼 CEO Josh Gao 认为,这个差别给专业数据供应商留下了空间。

Mecka 将人类的操作过程加工成训练数据,通过授权提供给客户。10 月 7 日,Mecka 宣布完成 6000 万美元 B 轮融资,由 Sequoia Capital 领投,英伟达、微软旗下 M12、Qualcomm Ventures 和三星等参投。

这家公司的业务已经远远超出招募人来拍视频。截至今年 6 月,Mecka ARR 已超过 1 亿美元。根据创始人 Josh Gao 介绍,Mecka 自行开发传感设备,将设备分发到数千户家庭和数千家企业,再完成上传、质量检查和数据处理。从找到采集者,到交出可用的训练材料,中间还有大量需要公司自己承担的工作。

10 月 20 日,Josh Gao 在投资方 Sequoia 的《Training Data》播客中表示,支付给采集者的报酬,并不是让数据变得可用的最大成本。硬件、运营和软件能力,才是他认为供应商能够建立差异化的地方。他也希望 Mecka 进一步参与机器人部署,通过现场数据和后训练,让已经安装的机器继续获得新能力。

▍模型需要的数据还在变

Josh Gao 不认为机器人会长期依赖某一种训练数据。一年前,行业里还存在只有 UMI 数据有用、或者只有第一视角数据有用的争论;在他如今的观察中,不同来源正在进入同一套训练组合。

他描述的现阶段配方,大致包括约百万小时、涵盖第一视角等不同模态的人类数据,数万小时机器人数据,再加上来自目标领域、符合目标分布的遥操作数据。最后一部分用于弥合具体场景中的差距,在某些情况下,可能只需几小时示范。

这不是一个已经定型的组合。Josh Gao 认为,触觉数据甚至还没有充分进入其中,而机器人要学习转动门把手需要多大的力,就必须获得相应的信息。仿真也会成为配方的一部分,供应商需要随之开发新的数据产品。

Mecka 最早押注第一视角数据,理由是它有机会弥合人类与机器人之间的一部分视觉差距。团队先用手机应用,请中国的叔叔阿姨记录做饭、打扫等活动,随后又尝试 UMI 等方式。与基础模型实验室共同迭代后,采集设备也开始变化:只有视频,无法获得足够丰富的操作信息。

触觉手套因此进入了 Mecka 的产品开发。Josh Gao 提到,手腕摄像头虽然能观察接触发生的时刻,但用它推断拉动椅子、拧开瓶盖所需的力,仍是间接的变通办法。公司于是研发供人佩戴的手套,采集执行任务时的施力信息。

数据需求还可能沿着技能水平继续细分。他把第一视角数据视为一种 SKU:今天采集普通餐馆的操作,未来可能需要米其林餐厅的技能;今天记录一般网球选手的动作,未来可能希望接近费德勒。在他的设想中,机器人能力提高后,值得采集的技能和生产这些数据的方式也会变化。

他也没有把人类示范视为机器学习能力的终点。用 AlphaGo 作类比:先从人类棋谱学习,再通过自我对弈探索新策略。机器人未来也可能结合真实世界与仿真,继续发展超出已有示范的能力。

但物理世界还没有一个能完整重现各种细节的模拟器。第一视角数据既用于基础行为学习,也能帮助构建未来的世界模拟器。随着模型与训练方法演进,数据供应商需要不断调整所提供的经验,而不能只扩大同一种产品的产量。

▍数据能拍下来还得能交付

如果数据供应商只是连接采集者与买家,大型竞争者提高报酬、直接争抢采集者,便可能挤压中间环节的利润。贡献者费用只是端到端成本的一部分,真正有用的数据还需要硬件、运营和软件共同生产。

以触觉手套为例,市面上没有可以直接采购、可靠测量日常施力并转化成所需训练数据的现成产品。团队需要投入工程能力,经历三至四轮产品迭代,再扩大生产。Mecka 还开发了带摄像头与传感器的帽子,以及连接手套、外置摄像头等配件的中央集线装置。

设备之外,Mecka 还要组织分散的采集来源。个人可以通过 App 注册、登记职业,领取打扫卧室、做早餐等任务;企业合作则进入面包店、PCB 制造产线等专业场景。家庭之外的数据,需要公司建立企业招募能力,才能持续补充。

Mecka 用热力图跟踪职业、行业和数据多样性的覆盖情况,再寻找欠缺的来源。Josh Gao 提到,过去一些大型数据工厂在仓库中反复执行任务,但研究带来的认识是,多样性不足时,继续堆叠数据会遇到饱和。采集人数增加,并不自动带来更完整的经验覆盖。

随着网络扩大,新的质量问题也不断出现。有人曾录下 YouTube 上麦当劳员工的第一视角工作视频,冒充自己的采集成果提交。Josh Gao 表示,公司既要设置检查规则、建立快速处理问题的机制,也必须到现场观察数据如何产生,并通过激励设计鼓励高质量贡献。

传输和处理同样是一项持续投入。按照他的介绍,Mecka 已在许多运营地点铺设 100 Gbps 上传线路,以承载其处理的数百 PB 数据。记录上传后,还需要经过质量把关和计算机视觉处理,才能成为模型可用的数据集。

Josh Gao 对长期利润的解释,落在这套生产体系上:即使贡献者报酬的竞争加剧,供应商仍有机会凭借合适的设备、运营方式和软件,在大规模交付时保持可验证的质量。Mecka 希望出售的,是已经完成这些工作的数据产品,而非把原始视频转手交给模型实验室。

▍先有商业任务再扩大能力

供给可以组织起来,需求端还有另一笔账:如果机器人最终需要的数据规模比今天大出许多个数量级,行业能否一直承担采集与处理的成本?

Josh Gao 的判断是,机器人会在能力扩展的途中逐步实现商业应用。先通过基础训练获得一定的泛化能力,再采集特定领域、特定任务的示范,通过后训练弥合差距。简单的抓取、放置等工作可以先被解决,更复杂的长尾任务随后推进。

数据容易获得的场景,未必适合机器人最先落地。红杉美国合伙人 Sonya Huang 指出,家庭活动人人都可以拍摄,家庭却可能是最困难的部署环境之一。Josh Gao 表示,家庭需要格外谨慎,并以机器人不能倒下来伤及婴儿为例说明安全要求;早期更适合推进的,是目标明确、已有标准作业流程的工作。

Mecka 团队曾花费一年半以上研究衣物折叠。对于传统机器人尚未解决的部分流水线抓取、放置和包装任务,他预计未来一至两年有望解决。工业清洁等专用机器人,也是他看好的早期类别。

这条商业化路径并不要求所有能力都集中在一种机器人或一个模型中。Josh Gao 同时看好垂直体系与开放生态:有的公司围绕特定任务,把硬件、模型和数据放在一起;也可能有多种机器人形态与开放模型长期共存,而专业模型有机会在少数任务上获得更高的能力与可靠性。

进入真实部署之后,失败案例和人工纠正又会成为新的数据来源。Josh Gao 希望 Mecka 在这一过程中,为企业采集领域数据、开展后训练,并提供部署支持。他也明确表示,成熟的数据反馈机制仍需要时间,取决于哪些任务先被解决,以及还有多少能力需要补齐。

他用现代机器人系统集成商描述未来的角色。传统安装业务竞争激烈、利润较薄,新的空间在于产品安装之后,仍然可以依靠数据提高生产力。数据供应商的工作,也可能因此从模型训练延伸到机器持续运行的过程。

✦精选内容✦

当 Personal Agent 有了记忆,Today AI 尝试主动跟进

当 AI 健康应用开始赚钱,「豆包工作」让我们重新思考垂直 App 的价值

YC 华裔团队造了一台本地 AI 电脑,1799 美元三天售罄

「深创超导」获数千万元天使轮融资,布局 AI 用电需求背后的聚变材料

成立半年,源策未来想让一份数据服务更多机器人

跳转微信打开

  •  

独家|字节AI应用再整合:小云雀并入即梦

原创 邓咏仪 2026-10-24 17:19 江苏

模型能力快速提升,市场对应用的评估逻辑也随之改变。

文|邓咏仪

编辑|张雨忻

《智能涌现》从知情人士处获悉,近期剪映内部完成了一次业务整合,AI短剧创作平台小云雀并入智能创作平台即梦,产品仍保留独立入口。

我们了解到,此次调整主要是资源整合,目前即梦已经接入了小云雀短剧相关能力。调整后,小云雀的运营由即梦运营和市场负责人陈欣然负责,产品团队没有变化。

剪映这一轮业务整合的原因主要是增长空间受限,以及需要聚焦资源。一位前剪映人士告诉《智能涌现》,即梦、小云雀这样的AI原生产品虽然依旧保持增长,但用户增长尚未有效转化为与投入相匹配的回报,而市场上大量视频Agent产品的兴起,也在持续压缩自有产品的差异化空间。

这轮调整背后更重要的是一个背景:在大厂将力量重新集中到基础模型后,大家都对AI应用的优先级进行了重新评估。字节则是其中速度最快、调整最激进的一家大厂——在即梦和小云雀团队的合并之外,他们还在讨论其它的AI产品合并的可能性。

仅仅在两年前,即梦还承载着字节对AI应用的另一种期待。

2024年初,张楠卸任抖音集团CEO后,转向负责剪映和CapCut。同年5月,剪映推出即梦。彼时正值Sora横空出世,AI视频产品和Chatbot谁会成为下一个超级应用或入口,并没有明确答案——这是字节同时投入豆包和即梦的原因。张楠也曾公开表示,“希望即梦不只是一个创作工具,也能探索AI时代的内容社区。”

此后,即梦的产品重点几经变化。立项之初,即梦设想的分工类似剪映和抖音:Web端做创作工具,App端承载消费;而在Seedance模型推出后,App端还尝试过类似Sora的真人出镜、数字分身互动。

而随着模型能力提升,很多普通用户在抖音、豆包里就能完成AI创作。即梦所搭载的产品能力,也因此从文生、图生视频,延伸到首尾帧、智能画布等Agent编辑能力,逐渐向专业创作者靠拢。

据《智能涌现》了解,今年国庆前,即梦已经缩减了App端投入,推动App与Web端合并,未来资源将集中到面向专业创作者的Web端。此后,即梦也会加大海外版Dreamina的投入,以及商业化。

这两年间,模型能力快速提升,市场对应用的评估逻辑也随之改变。Coding Agent打开AI办公市场后,“模型即应用”的说法日渐主流。字节在2026年2月推出Seedance 2.0后,体系内模型和应用的关系也发生了微妙的变化。

早在Seedance 2.0发布之前,小云雀、即梦、剪映、豆包之间就有争抢Seedance首发权的现象。一位火山人士对《智能涌现》表示,这一情况在2.0发布后变得更加激烈——模型已然成了话语权更强的那一方。

产品增长有限,也间接导致了近两年剪映系的“创业潮”,一批资深产品和运营高管陆续离职创业,包括陈冕(前剪映及CapCut全球商业化和运营负责人)、明超平(剪映移动端剪辑负责人)、闹闹(剪映产品经理)、张琪智(剪映产品负责人)等。2024年底,我们也曾独家报道,剪映产品负责人张逍然离职,她后来加入了原剪映创始人郭列的创业公司Flova.ai。

与此同时,火山在大力开拓Seedance的MaaS服务,国内几乎所有视频Agent、短剧漫剧工作流都接入了Seedance。我们了解到,在Seedance系列模型上,火山MaaS服务带来的收入远高于即梦、小云雀等产品。

这直接改变了字节衡量自有AI应用价值的逻辑。当市场上大量视频应用能够接入模型、找到付费用户,像小云雀、即梦这样的自有AI视频应用就需要证明:它们在获客、留存和变现上能带来多少额外回报,彼此之间又有多少差异化?

图片来源|AI生成

跳转微信打开

  •  

分享会抢票|Ai时代,品牌设计师须知!

原创 BranD School 2026-10-24 12:00 广东

限量100席!11月1日下午15:00—17:00在杭州BAC社区见!

从前,品牌设计案包括品牌标识(Logo)、品牌字体、配色等基础元素,随着媒介发展和商业业态变化,品牌设计案不仅有平面的内容,还延展到空间、产品或交互体验等各个方面。在做品牌设计时,工作内容可能要不断在平面、动态和空间之间切换,设计师应该怎么做才更好地传达品牌的内涵并实现具体功能?

BranD带着这个亟待讨论的议题,首次在杭州举办设计对谈讲座!这次邀请了.Oddity Studio、MAUM Studio、AFFORDANCE和Foreign Policy等四个亚洲一流设计工作室的创始人,他们将带来丰富又翔实的案例,解答设计师的困惑。例如,品牌如何以有力的概念展开设计,如何用故事推动设计,设计元素如何抉择,品牌空间应该怎么安排导视标识等。

扫码报名

“一旦你脑中有了清晰的概念,颜色、字体或构图的选择就不再是问题。你几乎会自然而然地知道下一步该怎么做,这就是美妙之处。”——Alice Mourou

  Alice Mourou(HK)

现居香港,Alice凭借另类实验思维结合创意与商业而闻名,擅长将抽象概念转化为字体、符号、图形及完整视觉系统。她的作品兼具实验性、艺术感与商业传播力,广受媒体关注,近年来还受邀担任D&AD评委。Alice拥有敏锐的创意洞察力与商业嗅觉;除设计师身份外,她亦是知名香水品牌Oddity Fragrance的联合创办人,统筹产品设计、视觉传达与商业运营相关工作。

有一种设计常态一直影响着设计的深度:当我们接到一项设计委托,往往还没花几分钟去思考品牌背后的理念,就急于为其选定风格。即便可以做出视觉好看的设计,但作品很难具备启发性,想要打造出受人欢迎的品牌,机会就更少。原因在于,大部分设计师直接跳过了品牌设计的核心阶段:从概念出发推敲设计。

Alice认为品牌设计应概念先行,她将在讲座中分享其工作室.Oddity Studio一系列成熟的设计案例,更具象化地说明制定好准确的视觉决策,设计有了内在依据,就不再是单凭感觉或罗列参考。

作品精选

Via .Oddity Studio

“我认为有故事的设计才是直观的,能让人们通俗易懂,也能让世界变得更温暖。”—Lee Dalwoo

  Lee Dalwoo(KR)

韩国知名设计工作室MAUM STUDIO创始人及创意总监。将视觉语言拓展至多元媒介,打造具备沟通力与体验感的设计,是Lee Dalwoo的日常创作实践。他曾为韩国国立现代美术馆、NAVER、首尔市政府、Centre Pompidou Hanwha等文化机构、公共机构及商业企业服务,项目覆盖品牌视觉、公共视觉、空间与展览设计等多个领域。

平面设计如何超越二维平面?Lee Dalwoo的做法是借助空间、物体与日常生活,和大众建立联结。从平面设计出发,去扩张它的领域,也就是一种超越平面设计的状态,他把图形的思维扩展到物体、家具和空间。他认为在这个用方式去扩展的过程中,一定会有想要表达的自己的故事。而这样的故事能让多少人产生共鸣,才是核心所在。

比起去体验整个设计的框架,Lee Dalwoo更聚焦于可以带着什么样的自我概念和风格,去延展自己的设计语言,最终找到属于自己的设计风格。在本次分享中,他将以此为概念基础,讲述部分代表作品如何运用图形语言表达个人故事,探索平面设计如何借由多元媒介实现拓展,打破自身固有的创作惯性。

作品精选

Via MAUM Studio

“AI改变的是节奏,而不是工作本身,你仍然需要审美眼光、判断力,辨别哪里不对劲的能力”—平野笃史

 平野笃史(JP)

日本著名平面设计师、艺术总监,也是日本多摩美术大学副教授,于2016年创立设计工作室AFFORDANCE。他的创作以平面设计为核心,涵盖品牌、CI/VI、导视、包装、编辑、插画、产品及空间设计;代表项目包括 HOT PEPPER Beauty、太田市美术馆・图书馆VI及导视、金泽21世纪美术馆原创商品、Onwardotton等。曾斩获 Tokyo TDC奖、经济产业大臣奖、JAGDA新人奖、SDA奖、CS设计奖等多项荣誉。

很多人做设计倾向先决定风格,而平野笃史则相反,他先判断什么值得被留下。面对设计需求,他会去实地看、去感受空间原本的样子,再根据对方真正想传达的核心思想,决定哪些内容是必须关注的。他希望设计最终是简洁的,但不平庸;是统一的,但不单调。每一个元素被放进去,都有它的理由,也都能让人在反复观看中,发现新的妙处。

长期以来,他的创作跨越平面、空间与导视系统,在设计研究中捕捉幽默与偶然性,并将其转化为富有深度的视觉方案。在本次分享中,他将以此为出发点,分享自己的多个经典设计案例,讲述从品牌视觉到空间视觉设计的构思流程。

作品精选

Via  AFFORDANCE

“我们不能盲目地只把东西那么漂亮、好看,尤其是做品牌设计的,他一定要有能让人可以共鸣的一些故事或者一些感受。”—Yah-Leng Yu

Yah-Leng Yu(SG)

国际平面设计师联盟AGI成员,同时担任新加坡设计协会主席。2007年Yah-Leng与Arthur Chin联合创立Foreign Policy Design Group同时担任创意总监至今,长期深耕品牌策略、视觉识别、空间、编辑及文化项目设计,探索设计如何联结商业、文化与日常生活。作品斩获D&AD、TDC、Tokyo TDC、ADC、AIGA等多项国际设计大奖。

导视设计不只是方向指引——它塑造人们感知、移动与体验空间的方式。应该探究字体、符号、色彩、材料与平面设计,如何借助物体、界面与空间发挥作用,为真实场地打造专属导视系统。余雅琳会聊聊导视系统为什么是品牌设计中被客户忽略的一环,品牌与空间语言不合,正是她开始做导视的原因。

Yah-Leng还想和中国设计师分享自己的多元文化背景,创立工作室、发出独立声音的初衷。她认为品牌设计不能只把东西做得漂亮,一定要有能让人共鸣的故事和感受,并以具体案例聊聊品牌出海如何表达在地文化,视觉策略怎么帮助老品牌活化,设计怎么重新叙述传统。

作品精选

Via  Foreign Policy

🛒购票

⏰TIME

2026年11月1日 15:00-17:00

📍ADD

杭州市西湖区象山路131号BAC社区

A幢3楼学习中心

🎟️PRICE

68元

仅设100个名额

活动规则:

  1.  本次活动无固定座位,入场采用签到制,经工作人员核票后方可入场

2. 门票一经售出,原则上不退不换。如主办方的特殊原因,或不可抗力等不可避免、无法预见且无法克服的客观原因,导致活动无法按原计划正常举办,我们将统一安排退票事宜。

跳转微信打开

  •  

得物技术er,专解“不像技术”的问题 | 1024程序员节快乐!

互动有奖 2026-10-24 12:00 上海

以下文章来源于:得物App招聘

得物App招聘

得物App(上海得物信息集团有限公司)官方招聘平台

致每一位用代码创造美好的人,1024程序员节快乐!如果你也期待把新的技术做成影响数亿用户的真实体验,欢迎来得物,和我们一起探索。

阅读原文

跳转微信打开

  •  

AI助理争夺战:解析Muse、Grok Bot与Instinct背后的产品布局、入口生意与盈利难题

原创 硅谷101 2026-10-24 10:49 上海

AI助手,值钱在哪?

10月21日,Anthropic发布Claude Duet,加入个人AI助理的竞争。还有此前Meta推出了Muse,SpaceX旗下的Grok Bot想打造一支数字同事团队,OpenAI也宣布了自己的助理Dots,Instinct则把私人助理放进苹果iMessage,成立仅一年,就以100亿美元估值完成了10亿美元的C轮融资。

在国内,Manus上线2.0版本,腾讯的WorkBuddy也从整理资料、处理表格切入办公场景,还有千问、豆包也都推出agent产品。

AI助理正在接手过去需要人亲自完成的一整串任务,比如订机票、酒店,或者在二手平台发帖、定价,和买家讨价还价,甚至预约取件。

随着Agent开始干活,也带来了新的算力需求。它们在云端的虚拟电脑里打开浏览器、运行程序、处理文件,都需要CPU、内存和存储支撑,AMD和英特尔的股价,也在过去这个月水涨船高。

但更多任务、更多算力,并不自动等于更多利润,这背后的生意,并不好做。这期内容,我们采访了包括Grok Bot设计师在内的几位Agent从业者,来回答下为什么大厂和创业公司都在抢着做AI助理?他们争夺的入口,最后又能不能成为一门赚钱的生意?

本文为视频改写,欢迎大家收看以下视频

如果年初你也折腾过OpenClaw,看到这些Agent的用法,可能会觉得很熟悉:这些事情,“小龙虾”不是就能做了吗?

接入邮箱、管理日程、操作电脑,再让它在后台24小时持续运行,主动提供服务。今天这些个人助手的基本思路,在OpenClaw身上已经能看见。

Howie Xu

Gen首席AI与创新官

OpenClaw背后代表的是一个架构,代表的是技术的成熟度。所以,我们今天看到Grok Bot,包括Meta推出的Muse,背后肯定不是用OpenClaw,但是是在用OpenClaw的思维去做这些架构的应用。

不过,虽然OpenClaw证明了架构可以用、技术已经成熟,但它始终没有走进家家户户,是有原因的。它的技术门槛确实很高,所以才会有人卖课,也有人付钱请人上门安装。从另一个角度看,这也恰恰说明了需求。

Peng Zheng

SpaceXAI设计师(Grok Bot)

大家对这样的个人助理型、能够替你真正完成任务的形态是有需求的,但是又对它的门槛有一些望而却步。

所以,从OpenClaw到Muse,并不是突然出现了一套完全不同的想法。这批产品在尝试把一个方向,变成普通人能够使用的服务:电脑由平台准备,不需要你给Agent准备一台Mac mini或者虚拟机;运行环境由平台维护,你只需要连接必要的账户,告诉它要做什么,比之前在本地设置方便得多。

降低门槛只是第一步,更重要的是,后台的能力也开始跟上了。最开始我们用AI时,是在用一个聊天机器人,聊完还得自己干活。

这背后,有两件事在同时发生。首先是Harness(智能体运行框架),以及模型处理连续行动的能力增长。

回到卖家具的例子,写介绍可能只是第一步。它还要查价格、找到正确的页面、填写信息,处理买家的回复。如果事情没有按计划发展,还得决定下一步怎么办。这些步骤之间存在依赖,如果前面出错,后面的操作可能全部白做。

模型之外,还需要一整套系统,帮Agent连接工具、保留进度、安排后续任务,在出错前重试,或者把任务交给别人。

Homin Luo

Mapier.ai创始人

它就像冰山一样,你能看到的、跟你交互的执行只有一点点。但后面有大量harness,有大量与sandbox(沙箱)相关的工作和执行。比如怎么去跑很多subagent,其实都是在背后运行的。

第二,一部分任务现在可以用更便宜的模型完成。这对需要持续运行的Agent来说尤其重要。

Howie Xu

Gen首席AI与创新官

另外,尤其是最近半年,模型的能力和开销都在大幅度变好。

今天OpenAI的Luna模型,我觉得遥遥领先一年前最先进的模型,甚至可能领先9个月前最先进的模型,而它的开销是前沿模型的十分之一,大约低一个数量级,这就变得非常可用了。

因为我们自己也在开发类似于Muse或者Bot的产品,我对消耗非常了解。虽然还是很贵,但至少可以开始讨论用得起、用不起了。9个月前太贵了,根本不用讨论。

为什么成本这么关键?因为我们现在交给Agent的都是长程任务。做一件事,背后需要反复调用模型;我们休息时,它也在不断工作。这样叠加的成本,就更需要经济的模型。

当然,一次调用变便宜,也不等于一个助手的总成本一定下降。它能做的事情越多,用户可能交给它的任务也越多。

到这里,就可以理解为什么这些Agent产品变得可用了。本质上,它们是在沿着OpenClaw的逻辑,做更适合大众的产品。回过头来看,在OpenClaw爆火之后,就出现了一批这样的产品。

一开始,Anthropic推出Claude Cowork,把Coding Agent的执行方式带到更广泛的办公任务里:读取你授权的文件、整理资料、处理表格,交付可以检查和修改的成果。这在当时,也引发了资本市场的一轮SaaS焦虑。

腾讯也在二月推出了WorkBuddy,探索类似的办公路径。逐渐地,我们还看到了更多面向消费者的产品。比如Town,就在尝试从你日常使用的软件里理解个人工作模式,把任务自动化。

这些产品的共同点是,背后都连接了一个能干活的执行环境。有的直接使用你的电脑,比如WorkBuddy;有的有虚拟机,在云端工作,比如最新的Instinct、Grok Bot和Muse;也有的调用本地工具。

它们可以处理文件、运行程序,也能在你授权后进入其他软件和服务。尤其是与聊天机器人相比,更大的变化是,它们有跨对话的记忆。

但不同的是,它们如何让用户第一次尝试产品,又如何让用户持续使用。接下来,我们以最近流行的几款产品为例,看看它们的不同设计和目标。

▍Instinct

Instinct这个产品,很多人可能还没拿到邀请码,风险投资人就已经给它开出了100亿美元的估值。

到现在,Instinct仍然采用邀请制,但用户已经超过十万。早期用户大部分是硅谷的创业者和投资人,也正是这些资深用户的主动宣传,为Instinct吸引了一波关注。

创始人Noah Shinn是一名23岁的大学辍学生。2023年,他就发表了一篇叫作Reflexion的论文,研究的问题与今天的Agent非常相关:AI做一件事失败了,下一次能不能少犯同样的错误?

他们提出的方法,是让Agent根据任务反馈,把经验总结成文字,保存在记忆里,下一次尝试时再拿出来参考。这里不需要每次都重新训练模型,而是通过记录和利用反馈,改善后续的决策。

后来,在Sierra担任研究员期间,他又参与了τ-bench(τ基准测试)的研究。这套测试进一步追问:一个Agent,究竟怎样才算真的把事情办好了?

比如在模拟的航空客服场景里,它需要理解用户的要求,调用系统里的工具,同时遵守公司的业务规则。更关键的是,同一个任务重复执行,它能不能持续做对?一次成功的演示,距离可靠地替人办事还有多远?

在个人助手流行之前,Noah就已经在研究Agent的两个核心问题:出错之后如何改正,以及能不能稳定地把事情做完。这也能解释为什么这位年轻创始人会受到关注,拿下10亿美元的C轮融资,甚至在两个月内融资三轮。

在产品设计上,Instinct选择了一个我们很熟悉的入口:短信。你可以像联系真人一样,把要办的事情发给它。对用户来说,不需要重新建立打开一个应用的习惯;对厂商来说,这也极大地降低了获客成本。

Howie Xu

Gen首席AI与创新官

我觉得未来的应用很有可能是没有应用的,你跟它打交道,就是发消息、对话。你要告诉它的是结果,而不是经过什么工作流,点这个、点那个。

我们被上一代或者前几代的软件培养坏了,要订一个餐馆、买样东西,就要点这个、点那个,凭什么呢?你就告诉它我要什么东西,让模型或者软件来告诉你要做什么,而不是你去做。

把Agent变成一个能帮你办事的联系人,也不是Instinct首先想到的。

今年三月,一款叫作Poke的产品就开始探索这条路:接入邮箱、日历,把助手放进用户熟悉的消息对话里。不用打开一个独立的AI工作台,只要发条消息,就可以让它处理工作。

但入口简单了,又出现一个新问题:面对一个什么都能做的助手,普通人未必知道应该让它做什么。换句话说,一个助手具备某种能力,与用户愿意把事情交给它,是两回事。

Homin Luo

Mapier.ai创始人

Instinct火起来,其实是因为Twitter上有很多power user(硬核用户)、pro-sumer(产销合一者)。这些人先告诉你:“我用Instinct做了很多原来Poke或者GPT做不了的事情。”

很多人觉得非常有意思,过来试一下,发现它能完成这个使用案例。于是,有很多非常有想法的用户去尝试,但并不是所有用户都非常有想法。

所以,具体的使用案例对这类产品非常重要。早期用户分享用法,可以说是在帮产品做市场教育,但这也带来了一个难题:发布两个月内靠资本捧起来的流量,能不能持续下去?

Howie Xu

Gen首席AI与创新官

Instinct在我看来就是新一代的Clubhouse,这个判断不是从产品出发,而是从创始人或者公司的打法来看:它是高举高打,就像当年的Clubhouse。

高举高打本身没有问题,有的公司高举高打成功,有的公司相对低调。问题是,高举高打的时候,你要意识到自己在这么做,能够伸缩自如,知道什么时候伸、什么时候缩,这对创业者是一个很大的挑战。

新鲜感过去后,我们已经很少打开Clubhouse了,Instinct也面临同样的问题。创始人说过,他不打算让用户付费使用产品,这意味着要通过广告赚钱。热度退去后,这个商业模式可行吗?这是创业公司面临的最大挑战。

当然,能让这么多人争相获得邀请,本身就是一种成功。只是靠融资烧Token,之后会走多远,变量仍然很多。

最近Meta Muse的发布,也给Instinct带来了一波热度。这两款产品要解决的问题很类似,面临的条件却不一样:Instinct需要让大家先认识自己,Meta却已经有了庞大的用户网络,也就是Facebook、Instagram、WhatsApp等现存的社交平台。这是大厂与创业公司之间最大的区别:分发渠道。

Howie Xu

Gen首席AI与创新官

Grok和Meta的Muse,至少有分发渠道。尤其是Meta,它的分发渠道特别广。所以我觉得,在今天这个时代,当一家公司的分发渠道好的时候,很难做得太烂。

▍Meta Muse

Muse在今年9月8日向公众开放。截至10月初,已经超过660万次下载,多次冲到App Store免费应用榜单第一。

除了在独立应用上使用Muse,人们还可以在WhatsApp里和Muse对话,也可以连接Facebook和Instagram账户。这就是Meta天然的优势。它已经参与了用户发现内容、产生兴趣、联系他人的过程,现在希望进一步承接这些行为之后要办的事情。

还是以卖家具作为例子,这不是写一条帖子的一次性任务,而是一个长期的委托关系。我交给Muse的是一个需要长期跟进的指标,直到东西被卖出去为止。这类任务,在我的Muse界面上,放在一个叫作Goals(目标)的页面里。

根据Meta对Muse的介绍,它希望承接的就是这一类任务:理解用户的目标,协调时间和资源,在用户离开以后继续推进,并在需要批准或出现变化时回来联系用户。它还会记住用户的偏好,为后续任务提供参考。

要让这种委托越来越省事,助手就需要记住你之前说过什么。否则,每次安排旅行,都要重新介绍预算、住宿偏好和家里人的时间,你还是得花很多精力交代背景。从商业上看,这种积累有机会形成留存。换一个助手,就意味着重新介绍自己、重新磨合,也重新建立信任。

Meta对于Muse的商业设想是:现在先提供较大的免费额度,让用户尝试把任务交给它;未来让Muse帮用户赚钱、省钱,Meta再从中抽成。

马克·扎克伯格

Meta董事长

我们之所以选择这样做,是因为我们非常有信心:对于那些利用这款产品经营小企业,或者从事交易和商业活动的人来说,这款产品能够帮助他们赚到很多钱。

长期来看,我们的商业模式实际上会非常简单,只是从每笔交易中抽取一小部分佣金,把一门大生意做得很轻巧。这笔佣金甚至不一定需要由用户自己支付,也可以由与他们合作的商家来承担。

要让Agent与用户建立这种长期的信任关系,背后的技术要求是什么?

Muse用的是Meta自己的Muse Spark模型。扎克伯格提到,个人助手需要一些专门的能力,而这些能力应该从模型训练阶段就开始培养。

边界感就是Muse团队特别关注的一种能力。比如,你把怀孕这件事告诉Agent,它帮你订餐厅时,就可以据此寻找提供合适饮食、无酒精饮品的地方。但这并不意味着,它需要把你怀孕这件事也告诉餐厅。它要能够利用自己知道的信息帮你办事,同时判断哪些信息没有必要向外透露。

Meta为什么愿意在Muse上投入那么多?这就要回到这一章开头提到的分发。Meta已经掌握了社交媒体里的内容分发,现在想进一步掌握任务的分发。具体来说,它想成为用户使用软件、购买服务的第一站。

假设你让Muse安排一次旅行。以前,你自己打开几个平台,比较酒店,再决定在哪里下单。现在,你先告诉Agent时间、预算和偏好,由它查找、筛选,再把方案交给你确认。在这个过程中,助手有机会影响哪些酒店进入候选名单,也有机会参与后面的预订。如果它确实帮商家带来了订单,Meta再向商家收取费用,这就是扎克伯格口中的生意逻辑。

对于Meta这样玩转广告业务和精准推送的公司,Agent更能带来得天独厚的价值。

Xiaoyin Qu

AgentSky创始人及CEO

我以前就在Facebook工作,Facebook广告本质上是兴趣和冲动消费型的广告:你刷到这个东西,一冲动就赶紧买。谷歌更多是你有一个强烈的需求,去搜索。所以我觉得,Muse对于Facebook的优点是,它在很多情况下能非常明确地捕捉这种强烈的意图。在你还没有想到去谷歌搜索的时候,Muse就已经跟你聊天,把这件事解决了,相当于绕开了谷歌那道广告,直接在Facebook上解决。

扎克伯格说的盈利模式,是我替你买东西,然后收一个百分比的佣金。我认为,即使不替你买东西,Facebook了解了我的邮件、联系人和所有意图,再给我推荐信息流和广告,也会变得更加精准,转化率也会更高。

假设推荐的转化率提升一倍,那收入也乘以一倍。对于Facebook来讲,这是很大的钱。相比之下,这个算力本身不算什么。

从这里看,就很容易比较Instinct和Muse了。它们都希望用户形成一种习惯:生活里有事要办,先找这个助手。不同的是,Meta有社交软件优势,Instinct需要积累用户,所以选择了短信这个大家更熟悉的入口。

不过,这些还是生活中的场景。到了工作场景,你可能会提出另一种要求,其中很重要的一点是分工。你一边让AI整理客户资料,一边让它做市场调研,还要让它跟进报销。这些工作都有各自的进度、文件和需要记住的细节。把它们全部放进同一个对话里,事情一多,你就得重新花时间整理。

SpaceX夏天推出的Grok Bot,就是从分工这个角度出发的多Agent协作产品:把长期委托组织成一支数字团队。

▍Grok Bot

在采访中,郑芃用无人驾驶来解释人类为什么会成为Agent工作的瓶颈。

Peng Zheng

SpaceXAI设计师(Grok Bot)

现在,这个行业的大部分人已经步入了指挥一群Agent、甚至一个Agent团队去做任务的阶段,但是大家很快意识到,我们自己才是瓶颈。就好像无人驾驶,如果你必须把手一直搭在方向盘上,它对于人的时间利用并没有太大价值。你还是得坐在驾驶员的位置,注意力不能放到别的事情上。

在数字世界里也一样,我们指挥Agent完成事情,在执行层面,它可能已经替代了我们亲自去做。但如果我还是需要一直盯着它,通过一次次往返来完成事情,就只是把我们的时间放到了管理者的角色上,并没有真正解放时间。

所以,我们希望把角色抽象出来,把它做成你的数字同事。通过这种形态,可能可以把人与Agent的交互往更自动化、更长程的方向推进。

使用过Grok Bot的人会发现,它的界面设计与其他Agent产品有些不同。聊天框左侧是多个Agent,或者说Bot,有各自的名字、头像和分工,很像我们上班时与团队交流的方式。

这些Bot能够在云端使用电脑,进入工作工具,彼此传递信息,也可以在群聊里协作。比如,一个负责客户跟进,一个负责市场内容,再有一个帮你协调任务。

这种设计挑战了我们与AI对话的默认形式。在几乎所有AI产品里,我们会看到三个面板:左边是历史聊天记录,中间是当前对话,旁边展示任务和结果。有了新任务,我们就新开一个对话,交代要求,再来回检查、补充和确认。但这些对话结束以后,我们很少再回头看,更不用说把其中的经验整理下来,留给下一次任务。

在这种模式下,AI虽然已经能替我们执行,人却仍然需要持续推动工作。任务一多,我们就从亲自干活的人,变成了不断切换对话、检查进度的管理者。人的注意力,以及每天醒着的时间,也就成了Agent继续工作的瓶颈。

所以,Grok Bot尝试把产品的组织单位,从一次对话变成一个长期存在的Bot。

Peng Zheng

SpaceXAI设计师(Grok Bot)

我们把左边的任务面板,变成了以角色与身份为中心的Agent清单。通过这样的界面变化,推动用户去想:拿到一个任务时,我的第一反应不应该是又开一个新对话,自己完成任务、监控结果,而是应该怎样把它交给我的数字同事。

怎么把任务自动化?怎么在跟它一次次完成任务的过程中,把经验沉淀下来?我希望设计的可能不是一次性的来回交互,而是一个系统,让它能够尽量自动化,尽量把人的因素从这个循环里省略掉。

多Agent协作,还有一个很有意思的设计问题。在人类团队里,我们分工是因为不同的人有不同的专业能力。但在Agent团队里,为什么还要分出一个设计师、一个工程师,再加一个项目经理?关键在于,它们需要记住的事情不一样。

Peng Zheng

SpaceXAI设计师(Grok Bot)

这更多是我怎么样把上下文限制在合理的边界,怎么样划定它的区分到底在哪里,实际上是把相关的上下文封装在同一个Bot里面。所有的Skills(技能)、插件都是每个Bot共享的,但所有的记忆、个性化设置是单独的,每个Bot都有自己的记忆和偏好。

这里的上下文,就是Agent执行任务时参考的信息,比如你的要求、之前的对话,以及它已经积累的工作经验。比如,设计Bot需要知道你喜欢什么样的视觉风格;负责客户沟通的Bot,则需要记住你与客户交流的方式。如果把这些信息全部放到一起,就需要不断判断:哪些要求适用于眼前的任务,哪些只是另一个项目里的特殊情况。这种信息相互干扰的问题,就是“上下文污染”。

所以,角色也成了整理记忆的一种方式。你把一类工作持续交给同一个Bot,它就能围绕这类工作积累经验,减少每次重新交代的负担。

这种分工也不需要固定不变。你可以把几个相关的Bot拉进群聊,让它们围绕同一个项目协作;同一个Bot,也可以同时参与不同项目。

但这里也有一个问题:如果有了数字团队以后,我们又要花很多时间管理它,人的瓶颈不就还在那里吗?所以,Grok Bot的另一部分设计,是尽量减少用户需要学习和配置的东西。

团队曾经尝试把Agent的电脑和操作过程展示得更明显。但在用户研究中,他们发现,很多人想确认的是:任务有没有被接收?现在还在运行吗?有没有卡住?什么时候需要我回来?

于是,他们用头像的不同动画,表达Bot正在工作、等待处理或者已经完成等状态。这些看起来很小的设计,承担着一个很实际的任务:给用户足够的信息,让人可以放心离开一会儿。Grok Bot想建立的关系是,你知道它还在做事,也知道需要判断的时候,它会回来找你。更详细的过程,可以在你离开的时候再展开。

如果这种合作真的能建立起来,用户的工作习惯就会发生一个更深的变化。

Peng Zheng

SpaceXAI设计师(Grok Bot)

我觉得目前正在发生的一件事是,大家与数字世界之间开始增加了一层Agent,好像额外隔了一层。比如我个人的日常工作,很多时候不再主动亲自使用Figma、Notion或者Slack这些SaaS工具,而是指挥我的Agent去使用。

这也把我们带回了这一期的主线:入口。就像生活中用不同的软件订机票、找房子一样,在工作中,我们也有不同的SaaS软件。所有Agent产品,都在潜移默化中让用户通过它们来使用这些软件。

所以,从Instinct、Muse到Grok Bot,它们争取的是相似的位置,切入方式却有所不同。Instinct希望成为消息列表里那个随时可以联系的助手;Meta希望借助原有的社交生态,进一步承接用户要办的事;Grok Bot则从工作分工入手,让不同的数字同事成为可以持续委托的对象。最后,它们都希望建立同一个习惯:有任务,先来找我。

但当Agent真的站到用户与软件、商家之间,新的问题也就出现了。用户能不能放心放手?原有平台愿不愿意让它代替用户操作?那些没有消失的监督、执行和协调成本,最终又由谁承担?

随着使用Agent的人越来越多,媒体报道中也出现了各式各样的“恐怖故事”。比如,让Instinct查看航班条款,它却直接取消了航班,造成300美元损失;让Muse卖键盘,它却未经允许就让买家上门取货,买家没见到人,最终给了差评。

这些案例不能直接告诉我们,Agent出错的概率有多高,但暴露了一个很具体的问题:在不知不觉中,我们到底给了Agent多少授权?Agent的第一个隐藏成本,就是隐私和安全边界。

Howie Xu

Gen首席AI与创新官

我觉得最重要的可能还是安全性和可靠性,因为这是用户很容易疏忽的。新鲜事物刚出来时,大家关心它有多少吸引人的功能,能够做什么:“我就说一句话,就帮我把机票订好了。”但一个新鲜事物要真正长久地进入千家万户,对安全性、可靠性的要求肯定还是比较高。

这里有两个不同的问题:一个是,助手会不会超出你的授权去行动;另一个是,你交给它的数据会被谁看到、保存,又会被怎样使用。

扎克伯格透露,他和Nat Friedman亲自招募了加密通讯软件Signal的创始人Moxie Marlinspike,让他参与Muse的机密虚拟机项目。这是为了把用户交给Muse的信息放进受保护的云端运行环境,目标是连Meta自己也无法查看里面的内容。

Meta和扎克伯格最近的举动,也颇令人寻味。由于Hugging Face和OpenAI的事故,最近公众对AI安全的关注度很高。在这个节点,扎克伯格发了一条推文,表示为了保证Muse的安全性,Meta将发布时间比原计划推迟了几个月。

另外,Meta还加入了一个叫作Sentinel(哨兵)的监控Agent,检查进出的信息,并在需要时触发用户审核。

但即使解决了谁能看到数据,也还没有完全解决助手会拿数据做什么。它仍然可能在一次正常任务里,发出一条不该发的消息,或者做一项未经你批准的任务。

Homin Luo

Mapier.ai创始人

我们能够从基础设施层约束自己,但没有办法约束我们的客户:当他们用到这些用户数据以后,会怎么做。

第二个问题,是原有平台是否愿意让Agent进来。

Muse火起来后没多久,亚马逊就封锁了Muse,禁止它代替用户购物。亚马逊表示,Muse没有公开表明Agent身份,并提出了账户访问和凭证处理方面的安全担忧。它认为,替用户在其他商家处购买东西的第三方服务,应该公开运行,并尊重商家是否参与的决定。

这里的分歧是:用户同意助手替自己操作,是不是就足以让另一个平台接受这个助手?从用户的角度,我有账户,也愿意花钱,只是换了一个操作方式。

但从平台的角度,进入账户、读取信息、执行交易的,还包括另一家公司提供的系统。它希望知道这个系统是谁、会做什么,出了问题又怎么处理。

在安全和访问规则之外,这里还有一层商业利益的冲突。Meta希望从内容分发进一步走向任务分发,但这些任务原本就发生在其他平台上。如果你自己打开购物网站,平台可以通过搜索、推荐和广告影响你的选择。如果先让Muse比较商品,再由它完成购买,一部分选择过程就可能转移到Muse那里。

原有平台仍然可能获得订单,却无法像之前那样直接接触用户、影响购买决定,广告收入也有可能减少。这就是这场冲突中可以看到的商业压力:Agent给平台带来交易的同时,也可能把客户关系带走。

隐私安全与平台冲突,让一个Agent接管所有任务的设想变得更复杂,尤其是在企业层面。

讲到这里,还有最后一个问题:这些Agent,最终能成为一门赚钱的生意吗?

在我们撰写这篇文章时,已经有不少关于用户增长、融资和估值的报道,但还没有看到Muse、Instinct和Grok Bot各自清晰的收入和利润披露。

在分析Instinct和Muse这两个主攻消费端的Agent时,我们已经提到,它们的盈利前景完全取决于现有的分发渠道。

对Meta这样已经拥有成熟业务的公司来说,可以选择先投入,让用户形成习惯,再逐步寻找收入来源。像Instinct这样的独立创业公司,也可以通过融资补贴使用,但下一轮融资能否继续,最终还是要回应增长、留存和商业模式的问题。

Xiaoyin Qu

AgentSky创始人及CEO

我认为,消费端Agent最后就是比谁钱多、能烧。即使Instinct的体验更好,如果不能做到100%免费,我认为它就没有未来。

在Agent生意里,还有一个特别的矛盾:用户越喜欢它,越愿意把事情交给它,就意味着要调用更多次模型,公司的服务成本也可能跟着增加。

Xiaoyin Qu

AgentSky创始人及CEO

所以我觉得,最终你会发现,这个支出是指数型增长的。我不认为这是一个初创公司能够玩的游戏。

这也解释了为什么很多Agent产品会从办公场景切入。

Peng Zheng

SpaceXAI设计师(Grok Bot)

办公场景有更多很清晰的交付物,比如我要跟进一个PR,或者做每周的简报、日程协调。企业用户的付费意愿更强,也能够更好地证明这种需求:我把一个任务委托出去,然后直接给我结果。

如果一个助手能稳定完成每周的报表,或者持续处理客户跟进,企业就比较容易衡量:它节省了多少工时,是否值得付费?但付费意愿更强,也不意味着钱就更容易赚。数据保护、权限管理和系统接入,都可能增加企业的成本。

不管怎么说,这场Agent产品之争才刚刚开始。

Instinct、Muse和Grok Bot,有的想成为私人助理,有的想组成一支数字团队。产品形态和切入点不同,核心逻辑却一样:抢占人们执行任务的入口。这个入口过去是软件,今天则是Agent,它想成为我们与数字世界之间的桥梁。

当然,今天的形态未必就是未来的答案。其中一种可能的变化,是专业Agent的诞生。目前我们看到的还是通用Agent,未来可能出现专攻细分领域的Agent,服务企业甚至消费者的不同需求。现在的模型多样化,可能就是未来的Agent多样化。

Xiaoyin Qu

AgentSky创始人及CEO

每个员工分别用同样的生产线,可能用多个Agent。这些Agent之间怎么合作,生产线怎么搭建,我觉得才刚刚开始。围绕这些事情,什么样的Agent在什么情况下做什么事,什么时候我们在乎价格,什么时候在乎质量,什么时候在乎迭代速度,这些东西都会逐渐出现。现在还是非常早期的阶段。

但像Instinct这类公司的高估值,已经反映出资本对一种可能性的押注:当我们习惯先把需求告诉助手,再由它调用软件、寻找服务,助手就有机会成为新的入口。

谁能赢得这份长期的信任,谁就有机会改变我们使用软件、购买服务的方式。这也是我们会持续关注这场竞争的原因。

注:部分图片来源于网络

【本期节目不构成任何投资建议】

跳转微信打开

  •  

无码科技十周年

原创 Fenng 2026-10-24 10:01 广东

是的,都十年了。

大家好,无码科技成立十周年了。

十年前,我写了一篇文章:是的,我开始创业了。现在看起来,还是有点莽撞的。

当时当然希望这家公司能做得久一些,但对于十年究竟有多长,并没有太具体的概念。先把公司做起来,找到一起做事的人,做出一些有人愿意用的产品,有很多眼前的问题需要解决。

怎么让一家公司活 10 年?就这么一年一年做下来,就十年了。距离百年企业,还有 90 年。

今年的公司周年庆,照例组织团队出游。忙碌了一年,得停下来几天,看看风景,吃点东西,聊聊天。我一直觉得,能和同事们一起换个地方玩几天,就是件值得高兴的事。

创业公司的日子,自己知道。能走到十年,的确不容易;还有很多事情没做好,也是客观事实。

不过,十周年,还是允许自己高兴一下吧。

十年前,我们想做一点「小而有趣」的事情。组建团队的过程中充满了各种巧合,再加上一点运气。

做产品也类似,有的产品一做就火,有的产品在开发过程中让我们屡次受挫。业务合规也需要持续投入,对我们这样的团队来说,是很重的负担。

从第一款产品 Readhub,到抽奖助手,医疗数据与服务,再到成分查查、就诊问问,我们一直在探索产品能力的边界,看看究竟能帮人解决些什么问题。

去年,成分查查成为我们正式发布的第一款移动应用,就诊问问也进行了新一轮的产品探索。今年,我们或许也会发布就诊问问的移动应用。希望不要遇到再多的不可抗力。

时间过得比想象中快,事情做起来却比想象中慢。尤其是我们没有大公司那样充足的资源,很多事情得取舍,也有一些弯路,只能走过之后才知道。

10 年里,我们做了不少解决具体需求的产品。有些需求,看起来很小,只有到了真正需要它的人那里,才知道价值。

做好产品,需要我们愿意倾听反馈、愿意改进,努力保持自己的初心。工程师很容易对技术产生兴趣,对自己的方案产生感情,但用户没有义务理解我们的投入。

把东西做好,把问题解决之后,还得推广出去。怎么让有需要的人知道我们,仍然是需要补的功课。

这一年,AI 对我们的影响比过去几年都大。

过去几年,团队围绕 AI 和医疗健康做了不少探索。如今技术进步太快,过去需要花很长时间才能完成的事情,现在可能很快就能做出原型。不只是我们,别的团队也都能做到。

作为工程师,能在这样的时期做产品,是幸运的。作为创业者,在这个时候,是很慌的。

我们需要重新想一想,这些年积累的能力,哪些仍然有价值,哪些需要更新。过去觉得难以实现的事情,现在有没有机会?过去习惯的做事方式,是不是已经有了更好的选择?

在医疗健康领域,模型能力在迅速提高,产品也必须随之改进,很多细节仍然要一点点打磨。

我希望我们能继续探索新技术,多动手尝试,也有耐心把那些不太容易展示、却影响实际使用的工作做好。

在医疗行业,和中小公司比,像我们这样既懂技术、又重视产品体验的团队,少之又少;和大公司比,能像我们这样沉下心来,在具体需求上长期投入、耐心打磨的,同样少之又少。这是我们团队的底气,也是无码科技的核心竞争力。

经过又一年的实践,我相信,这个团队能在 AI 时代做出独特的东西。

把自己的活儿干好,拿出去给人用,不能丢手艺。这句话,十周年时仍然想再说一次。

走到十年,我们积累了一些经验,也逐渐形成了自己的习惯。经验能让事情做得更顺手,但有时候,也会让我们太快地说出「以前试过」「这样不行」。

希望有同事提出新想法时,我们能多听一听。做了很多年的产品,也值得重新看看,有哪些地方已经不好用了,有哪些需求过去没有认真理解。

过去做过的产品,或许都值得用 AI 改进打磨。过去那些受限于能力和资源、没能实现的想法,现在也可以拿出来试试。

希望我们珍惜十年的积累,也保留重新开始的勇气。

我过去常说,希望无码团队能成为长期的乐观主义者。现在仍然这样想。

有些事情不能只靠坚持,但创业越久,越知道坚持的力量。做得对的事情,多一点耐心;发现做错了,就尽早调整。不能因为已经花了很多时间,就舍不得承认。

对于我自己,还有很多需要学习的地方。

过去犯过的错,主要责任在我。有些判断不够准确,有些问题没有及时处理,也有些事情,原本可以做得更好。十周年不会让这些问题自动消失,还得继续补课。

我们做对用户有价值的产品,也需要获得商业回报,让团队的投入能够持续。我希望自己能少犯一些本来可以避免的错误,让同事们的努力得到更好的结果,让客户和用户的信任得到更好的回应。

公司走过十年,每个人参与的时间并不一样。有些同事很早就加入了,有些在团队没那么久。还有一些伙伴已经去了别的地方发展,希望他们一切都好。

谢谢大家把各自生命中的一段时间,投入到这里。谢谢你们做出来的产品、解决过的问题,以及在许多不那么顺利的时候,仍然愿意一起想办法。

我希望大家在这家公司工作是开心的,有成长和收获,对自己的工作有成就感,同事之间有信任。多年以后回想起来,除了忙碌,还能记得一些有趣的人和事,也有几样让自己觉得做得不错、值得拿出来说说的东西。

这对我来说,是经营这家公司很重要的一部分。

我仍然希望,我们能运营一家「正常」的公司。认真做产品,对客户负责,对同事诚实,在努力获得商业回报的同时,也能坚持自己的价值观。

这些愿望,十年前说出来并不难。十年之后,知道了其中的难处,仍然想继续做下去。

这个过程,很快乐。


感谢无码科技的每一位同事,也感谢曾经一起工作过的伙伴。你们很了不起。谢谢你们。

感谢我们的投资人一直以来的信任与支持。谢谢你们给团队时间和耐心。

感谢客户与合作伙伴,愿意把需求交给我们,信任我们,也给我们改进的机会。

感谢每一位用户。你们的使用、建议和批评,让我们更清楚自己的产品应该往哪里走。

谢谢微信开放平台。你们是真正开放、也几乎是唯一称得上开放的平台,让我们的产品有机会被更多人看见和使用。

感谢十年来一直关注、支持无码团队的朋友们,也感谢创业路上帮助过我们的每一个人。

十年过去,我们仍然想把这家公司做下去,把产品做好。

十年过去,我们仍然是一家处于创业中的创业公司。

十年过去,我们仍然有刚开始创业的热情与乐趣。

还有很多事没做好,也还有很多事想去做。希望接下来的日子,我们能更聪明一点,更有韧性一点,也继续做出一些让自己和用户都觉得不错的产品。

祝无码科技十周年生日快乐。🎂

万物之中,希望至美。

跳转微信打开

  •  

工程师的节日能有多精彩?小米技术嘉年华给你答案

小米技术 2026-10-24 10:00 北京

秋意正浓,热情滚烫。在这个属于工程师的十月,由集团技术委员会、集团行政部等多部门共同打造的第六届小米 1024 技术嘉年华如约而至。

今年技术嘉年华以「创造,正在发生」为主题,聚焦每一个正在发生的突破,从芯片到汽车,从算法到架构,从实验室到量产线。年度技术峰会、1024 数字化大会、Poster Show、硬核技术成果展、AI 人格线上互动测试、汽车模拟器挑战赛、嘉年华员工场……系列活动在北京、武汉、南京、上海、深圳等全国多个工区同步展开,为工程师们搭建了技术交流的平台,让每一位小米人都能近距离触摸技术的温度。

01

创造,此刻正在发生

▍年度技术峰会:六大专场接力,技术、人与故事的三重奏

技术为本是小米永不更改的铁律,工程师文化是小米基因里的底色。作为小米工程师们技术对话交流的重磅平台,今年的年度技术峰会迎来全新升级。

硬件、软件、AI、信息技术、汽车、开源六大垂直领域专场落地小米各区域总部,现场设置硬核技术分享、人物故事和大咖对谈三大环节,聚焦高价值硬核议题,挖掘项目背后的决策思考,让技术背后的人和故事更加立体。从硬核技术拆解到一线实战经验,不同领域的技术探索汇聚于此,共同打造一次有深度、有温度的技术人创新聚会。

左右滑动查看更多

▍1024 数字化大会:AI 共生,共创未来

1024 数字化大会始终关注技术如何创造真实价值,今年的数字化大会以「AI 共生」为主题,聚焦 AI 技术在实际业务中的落地实践。AI 正在以前所未有的速度融入我们的工作与生活,从个人助理到数字员工,AI 不再只是回答问题,更开始与我们一起完成任务、创造价值。

一个个来自业务一线的鲜活故事,让我们看见技术从解决具体业务难题,到重塑协作方式、提升管理效率的持续探索。AI 正在一步步走进小米的真实业务现场。AI 的价值,不只是节省了多少时间、提高了多少效率,更在于让工程师有更多精力投入技术创新,让每个人都能借助AI创造过去难以想象的价值。

▍Poster Show:与技术主创面对面

Poster Show 活动今年全面升级,以艺术画展的视觉形式呈现,与产学研硬核技术的主题形成跨界碰撞,让技术之美跃然墙上。围绕顶会论文成果、高校联合研究、前沿预研项目三大板块,项目与论文主创人员亲临现场,面对面拆解技术背后的细节与思考。

在现场火热的氛围里,一张海报就是一个话题入口,主创团队和同学们之间跨团队、跨领域的交流,就在这样轻松开放的氛围里自然发生。现场还特别设置了合作意向收集渠道,为内部合作与校企资源的精准对接搭建了桥梁。

▍硬核技术成果展:核心赛道技术集中亮相

作为本届嘉年华新增的线下展示板块,硬核技术成果展聚焦公司前沿底层技术与落地创新成果,打造了一个沉浸式、可体验、可感知的硬核科技空间,实验室里的“看家本领”如今成了眼前可以近距离感受的展品,吸引了现场的同学们驻足。

本次展览覆盖芯片、AI、OS、汽车、机器人和智能制造等核心方向,背后是小米工程师们对技术创新的不懈追求,呈现了小米“技术为本”的长期坚持与持续迭代之路。

02

好玩,也是正经事

▍AI 协作人格测试:三分钟,测测你的“AI搭子”

AI 时代,人人都有自己的 AI 协作方式。今年嘉年华特别推出了 AI 协作人格测试:12 道趣味题目,从用户视角、创造路径、决策逻辑、协作模式四大维度,三分钟测算出你的专属 AI 协作人格。

每个人格都有专属 Q 版形象、四维倾向分析、核心能力解读,甚至还能匹配你的「互补搭子人格」。北京工区还特别设置了实体 AI 协作人格香片兑换,让每个人独特的 AI 协作人格有了实体纪念。

▍模拟器大赛:每一圈,都在创造

今年的 1024 模拟器大赛把赛道搬进了工区。本次挑战赛的最大看点是人挑战 MARS:MARS 是小米全栈自研的赛道无人驾驶项目,YU7 GT 曾凭其拿下纽北全球首个无人驾驶官方计时圈速。这一次,MARS 被迁移至模拟器,同学们在模拟器上驾驶小米 Vision GT 与不断变强的 AI 竞速。

与此同时,赛事体验也重磅升级,光子赛车正式加入,带来「物理 AI × 远程具身智能」跨域竞速新体验。1:7 真实拉力赛车,实现北京、上海、南京、武汉多城联动、同场竞速。

03

1024,工程师是老大

▍健康嘉年华员工场:好动玩家健康局来袭

今年的嘉年华员工场,好动玩家·快闪能量站同步落地北京、上海、武汉、南京、深圳五大城市 10 个职场,午休时段即可到场打卡体验,解锁实用健康小技巧。

好动镜像站打卡、趣味闯关、健康福利轮番亮相,将体重管理知识寓于互动,让大家在玩乐中收获健康知识。好好工作的同时,也要健康生活。

▍甜蜜派送:1024主题糖霜饼干

今年 1024,小米的节日氛围直接拉满——印有“码上暴富”“吃好睡好,身体棒棒”“工程师是老大”等节日祝福语的定制糖霜饼干从 10 月 20 日起陆续上线,相继亮相北京、南京、武汉、深圳、上海多地技术峰会会场,并覆盖硬核技术成果展、Poster Show等多个展区。活动现场,由小米工程师手搓的两台小机器人为大家派送这份甜蜜惊喜,和同学们一同欢度节日。

1024,不只是一串数字,更是每一位小米技术人共同的节日暗号。从技术分享的思想交锋,到线下活动的欢乐体验,在这场属于工程师的嘉年华上,代码被当作作品,工程师被当作主角,技术背后的努力,被认真地摆到台面上被看见、被记住。

创造,正在发生。嘉年华落幕,但技术创新的探索不会停止,它在每一行被敲下的代码里,在每一次技术的分享讨论里,在每一圈被刷新的圈速里,也在每一位小米工程师身上。

每一位小米技术人,都是这场创造的参与者与见证者,下一场创造,期待与你共同见证。

END

跳转微信打开

  •  

华裔物理学家叶军获沃尔夫奖:钱涌向量子计算,订单先落在原子钟上

原创 SVTR 2026-10-24 10:00 美国

同一棵技术树上,钱流向哪里,订单又先落在哪里。

SVTR 编者按:10 月初,JILA 物理学家叶军与 Immanuel Bloch 分享 2026 年沃尔夫物理学奖。外界习惯把他叫作“原子钟专家”,量子投资也习惯把钱押在量子计算机上。这篇从他实验室外溢出的几家公司出发,回答一个更实际的问题:同一棵技术树上,钱流向哪里,订单又先落在哪里。

10 月初,沃尔夫基金会宣布,美国国家标准与技术研究院(NIST)和 JILA 的华裔物理学家叶军(Jun Ye,生于上海,1989 年毕业于上海交通大学物理系),与德国马普量子光学所的 Immanuel Bloch 分享 2026 年沃尔夫物理学奖,理由是二人在“控制超冷原子体系”上做出了广泛适用的突破。

叶军最出名的是锶原子光晶格钟。但从投资角度看,他的实验室更像一个技术源头:围绕原子控制、精密光谱和超稳激光积累的底层能力,已经外溢到量子计算、导航授时和医疗诊断。

叶军在 JILA 实验室调试锶原子钟的激光系统。图:J. Burrus/NIST

我们的判断是:这条技术线上,风险资本押注的是量子计算,成规模的订单却先落在时钟和传感器上。 计算侧单家公司动辄融到数亿美元,传感侧不少公司还在千万美元量级。

钟准到一定程度,就变成了传感器

光晶格钟的原理是:用激光把几万个锶原子固定在光做成的“格子”里,再读取它们的跃迁频率来计时。它的频率比铯原子钟(现行国际标准“秒”的依据)高约 4.7 万倍。跃迁频率越高,时间分辨能力越强。

NIST 曾用一个极端的尺度形容叶军团队的钟:误差要经过数百亿年才会累计到一秒。2022 年,团队在同一团原子里测出了约 1 毫米高度差对应的引力红移,即爱因斯坦广义相对论预言的效应:离地心越近,时间走得越慢。

到了这个精度,钟就不只是钟了。比较两地的时间快慢,可以反推地下的质量分布、海拔变化。钟变成了测量引力的传感器。

2025 年,团队利用量子纠缠降低测量噪声,把单台钟的精度推进到 1.1×10⁻¹⁸,突破了标准量子极限(单靠增加原子数所能达到的精度上限)。它和量子计算共享同一类核心能力:制备、保持并操控多个原子之间的量子关联。

同一套能力,长出两类公司

量子计算的一条主流路线叫“中性原子”:用激光把单个原子排成阵列,每个原子当一个量子比特。冷却原子、用光固定原子、延长原子保持量子态的时间、用激光精确操控它们,这正是叶军实验室二十多年反复解决的问题。

因此,中性原子量子计算与 JILA 之间,除了技术相邻,人才谱系也有直接交集:

· Atom Computing(做中性原子量子计算机):创始人 Ben Bloom 是叶军的博士生,在组里做的正是锶原子钟;叶军现任公司科学顾问。今年 6 月,公司完成 Third Point Ventures 领投的 $1 亿 C 轮,并与美国商务部签了另外 $1 亿资助的意向书。

· Infleqtion(中性原子计算与量子传感):2007 年从 JILA 另一位研究员 Dana Anderson 的实验室分拆,原名 ColdQuanta,今年 2 月通过与特殊目的收购公司(SPAC)合并在纽交所上市。它的产品线里,量子计算机和光学原子钟、惯性传感器并排摆着。

新的钱还在加速进来。Caltech 背景的 Oratomic(中性原子量子计算机)7 月拿到 $3 亿 A 轮,10 月 8 日又完成 $4.75 亿 B 轮,成立当年累计 $7.75 亿。法国的 Pasqal 8 月在纳斯达克上市。中国这边,2025 年成立的不筹量子科技、原子矩阵各自已融到约 $1.4 亿。

资本追计算,订单先落到钟上

表 1|中性原子量子计算与原子钟、量子传感公司:累计融资对照(截至 2026-10-23)

公司

做什么

累计融资(百万美元)

最新一轮(百万美元)

量子计算 · 6 家合计

中性原子路线

约 1,883

Oratomic

2026 年成立

775

B 轮 475(2026-10)

Atom Computing

容错量子计算机

300

C 轮 100(2026-06)

Pasqal

法国,已上市

300

纳斯达克上市(2026-08)

QuEra

云与现场部署

230

230(2025-02)

不筹量子科技

整机

约 139

A 轮,数亿元人民币(2026-08)

原子矩阵

全栈方案

约 139

战略投资,未披露(2026-10)

原子钟与传感 · 已披露 2 家合计


约 29

Mesa Quantum

不依赖 GPS 的芯片原子钟

约 16

11.8(2026-09)

Atomionics

量子重力仪,用于找矿

12.7

A 轮 12.7(2025-09)

国测量子

芯片原子钟、稳频激光器

未披露

B 轮,超亿元人民币(2026-07)

数据:SVTR AI 创投库,截至 2026-10-23。

按这张表,中性原子计算一侧 6 家合计约 $18.8 亿,其中美欧 4 家约 $16.1 亿、中国 2 家约 $2.8 亿;时钟与传感一侧,能查到金额的两家合计约 $2,870 万,不到 Oratomic 一轮的十分之一。

到了采购端,市场呈现出另一种节奏。做光学原子钟和导航授时设备的 Vector Atomic,被收购前已拿到超过 $2 亿政府合同;IonQ 去年 10 月以全股票交易收购了它。今年 8 月,DARPA 在原有合同上给 IonQ 追加 $2,800 万,订购最多 125 台紧凑型光学原子钟:首批 25 台,另外 100 台是选择权,对应另一笔 $3,000 万。订单开始从研发走向量产。

GPS 容易受到干扰和欺骗,而通信网络、数据中心、电网、金融基础设施和国防系统又高度依赖精确授时。在卫星信号不可用或不可信时仍能保持时间基准,是一个今天就存在、而且已经有预算的需求。

计算侧也已经有客户和商业部署,Atom Computing 与微软合作的机型已经对外商用。但要形成与数十亿美元资本投入和估值相匹配的大规模企业需求,仍高度依赖容错量子计算(能自动纠正运算错误)真正落地。

硅谷硬科技投资机构 DCVC 同时出现在 Atom Computing 和 Mesa Quantum 的股东名单里,是两端都下注的一个例子。

呼吸检测:Flari 卖的是肺癌筛查

叶军实验室的另一件工具是光学频率梳:把激光变成成千上万条间隔精确的频率线,像一把刻度极细的光尺。用它照一口呼气,能同时读出上千种分子的浓度。

叶军和团队成员 Qizhong Liang 把这套方法用在疾病筛查上,研究覆盖慢阻肺、肺癌等方向。围绕它成立的 Flari Tech 拿了 2024 年 CU Boulder 实验室创业大赛冠军、2025 年 DARPA $40 万奖励,今年入选 CU 的深科技加速器。

Flari 对外不讲“量子公司”,讲的是肺癌呼吸检测。如果最终进入临床,医院买到的是一套能评估疾病风险的诊断工具,精密光谱技术封装在产品内部。这条路的难点也和量子无关:要做临床试验、过美国食品药品监督管理局(FDA)审批,周期按年计。

这可能才是很多量子技术商业化后的样子:技术仍然是量子的,产品却不再需要叫“量子”。

再往前看两步

· 核钟:用钍-229 原子核内部的能级计时,受外界电磁干扰更小。2024 年,叶军团队与维也纳工业大学等合作者首次把钍核跃迁频率与锶原子钟直接比对;2026 年发表在《自然》的研究显示,两块不同掺杂的钍晶体在 7 个月跨度上的核跃迁频率重复性达到约 1.1×10⁻¹³。但温度、晶体环境等系统误差仍待解决,距离商业产品很远。

· 月球上的激光:今年 5 月,叶军与德国联邦物理技术研究院(PTB)等研究者在 PNAS 提出,在月球南极永久阴影区约 50 开尔文的环境里放一块硅光学腔,做成超稳激光,为月面导航和测距提供时间基准。目前只是概念提案。

这个判断可能错在哪

· 时钟市场天花板低:授时设备的买家集中在国防和关键基础设施,单一大客户依赖重,很难长成量子计算那样的估值故事。

· 传感可能只是功能,不是公司:Vector Atomic 最终被 IonQ 收购,Infleqtion 也把计算与传感放在同一家公司里。如果这是常态,独立的传感公司更像收购标的,回报上限有限。

· 计算一旦突破,回报格局会反过来:容错量子计算如果在几年内落地,今天投在计算侧的钱回报会远高于传感侧。Oratomic 三个月内两轮融资,说明资本正在提前为这个结果下注。

看实验室,先问它让什么第一次变得可测

测量精度提高几个数量级之后,最先变现的往往是已经有人在为“测不准”付钱的场景:GPS 失效时的授时、地下找矿、癌症早筛。最宏大的应用反而排在后面。

评估一个前沿实验室,与其问它能做什么产品,不如问两个问题:它刚让什么东西第一次变得可测或可控?今天谁在为“测不出来”付出代价?第二个问题的答案,往往决定了第一家公司的落地方向。

SVTR AI 创投平台 · 入驻申请

阅读原文

跳转微信打开

  •  
❌