李书福正式交棒了。

8月17日，吉利汽车控股有限公司公告称，自8月18日起，李书福辞任公司董事会主席及执行董事，安聪慧接任董事会主席。与此同时，李东辉卸任副主席、继续担任执行董事；原行政总裁桂生悦转任董事会副主席，淦家阅接任行政总裁，负责公司日常运营。

李书福辞掉的不只是主席职位，还包括吉利汽车执行董事身份；董事长、CEO、副董事长同时调整，相当于上市公司最高治理架构进行了一次重新排布。对于一家一年销量已经达到数百万辆、旗下横跨吉利、银河、领克、极氪等品牌的汽车集团而言，这更接近一次真正意义上的权力交接。

但李书福也远没有“退休”。辞任之后，他仍是吉利汽车主要及控股股东，目前没有减持公司股份的计划，同时继续担任浙江吉利控股集团董事长。吉利汽车还授予其“终身荣誉主席”称号，不过公告特别强调，这一职位属于荣誉性质，并不构成公司治理架构的一部分。

换句话说，李书福正在退出吉利汽车这家港股上市公司的日常治理一线，却依然掌握整个吉利体系最重要的战略影响力。此次人事调整背后，也说明吉利正在尝试从一家创始人色彩浓厚的中国民营车企，进一步转向由董事会和职业管理团队驱动的现代汽车集团。

安聪慧接的，不只是董事长的位置

安聪慧接任并不突然。

吉利在公告中表示，此次任命属于“有序接班”，并与今年6月5日已经披露的长期继任规划一致。安聪慧此前已经进入吉利汽车董事会，他又长期身处吉利控股体系，对汽车制造、产品、品牌以及极氪等业务都有较深参与。

这让此次权力安排呈现出一个非常清楚的结构：李书福继续站在吉利控股集团层面；安聪慧掌握吉利汽车董事会；淦家阅负责上市公司的日常经营。

相比过去创始人直接站在上市公司治理最前端，这套架构显然更强调职业经理人的授权和分工。公告中也直接提出，此次调整意在进一步完善“职业经理人授权经营机制”，优化公司治理结构。

只不过，“职业化”并不意味着吉利控股和上市公司之间的关系开始变远。

恰恰相反，安聪慧在控股股东体系内同样担任重要职务。吉利汽车自己也在公告中强调，其上任有助于加强上市公司与控股股东之间的战略协同和资源共享，同时特意提出，董事会及独立非执行董事将继续监督由此可能产生的潜在利益冲突。

过去两年，吉利一直在做“一个吉利”：品牌整合、技术整合、资产整合，目标都是减少重复投资和内部竞争。整合越深入，资源利用效率理论上越高，但上市公司与控股集团之间的边界也必须更加清楚。协同和治理，正在成为同一道题的两面。

一份不错的半年报，也藏着压力

李书福选择在这个时间点交棒，另一个背景是，吉利刚刚交出了一份表面相当不错、但结构非常值得拆解的半年报。

2026年上半年，吉利汽车实现销量142.3万辆，同比增长1%；营业收入1736亿元，同比增长15%；归属于母公司股东的利润90.91亿元，同比下降约2%；剔除汇兑损益及非金融资产减值等因素之后，核心归母利润达到96.84亿元，同比增长46%。

从半年报中可见，汽车的销量几乎没增长，收入和核心利润却明显增长了。原因主要来自产品结构变化。上半年吉利单车平均销售收入同比增加1.5万元，达到11.2万元；毛利率由去年同期的16.3%上升至17.9%。极氪销量达到17.84万辆，同比增长97%，其中极氪9X上半年销量超过4.6万辆。高端车型占比提升，让吉利不必单纯依靠销量扩张来增加收入。

另一股力量来自海外。吉利上半年出口47.42万辆，同比增长158%，其中新能源车出口27.72万辆，同比增长585%。中国市场销量则为94.87万辆。

把这几个数字放在一起看，吉利当前的增长结构已经非常清楚：总销量同比只增加1%，出口却增长158%，意味着海外市场几乎承担了主要增量。

这既是成绩，也是一个需要警惕的信号。过去中国车企讨论海外，更多是寻找国内之外的第二增长曲线；现在随着国内市场进入存量竞争，海外已经逐渐变成部分车企维持规模增长不可缺少的一部分。

吉利自己在半年报中援引行业数据称，今年上半年中国乘用车国内销量同比下降24.3%，新能源乘用车国内销量同比下降16.8%。在这样的市场背景下，吉利能够维持整体销量增长并提升毛利率，说明此前极氪整合、产品结构调整和海外扩张确实开始反映在财务数据上。

但从另一个角度看，一家体量已经超过300万辆的汽车集团，不可能长期依靠出口高速增长来掩盖国内市场的压力。

“一个吉利”，但然后呢？

过去两年，吉利内部最重要的关键词一直是“整合”。过去相对独立发展的品牌、技术、渠道和资本平台不断重新归拢，本质上是想解决吉利规模扩张之后产生的一个问题：业务越来越大，但内部资源是否真的足够高效？

现在，这轮整合开始从资产层面进入治理层面。李书福退出上市公司董事会，安聪慧接任，淦家阅成为CEO，意味着“一个吉利”还需要建立更加清晰的权力结构。

对于今天的吉利来说，这一步甚至可能比推出一款爆款车型更重要。因为它面对的是一个大型汽车集团非常典型的治理难题：几百万辆规模、多个品牌、国内外市场、智能化研发和庞大供应链，怎样避免组织越来越复杂之后效率反而下降？

毕竟组织调整容易，真正的权力边界却需要时间才能验证。如果“一个吉利”最后只是把更多资源集中起来，却没有减少决策链条和内部博弈，那么整合的价值会被打折；如果控股集团与上市公司之间协同越来越深，又必须证明关联交易、资源分配和利益边界仍然足够透明。

这也是安聪慧上任之后绕不开的一道治理题。

更直接的压力来自销量目标。吉利汽车给出的2026年全年销量目标是345万辆，上半年完成142.3万辆，完成度只有约41%。这意味着，下半年还需要卖出超过202万辆，平均每个月接近34万辆，明显高于上半年的月均水平，在价格战如此激烈的环境下，这并不容易实现。

与此同时，海外业务也真开始进入考验体系能力的阶段。吉利计划今年年底前将海外销售和服务网点扩大到2380个以上，同时推进巴西、欧洲等市场的本地化生产。销量规模越大，全球化带来的问题也越复杂：汇率、关税、当地制造成本、渠道效率以及品牌认知，都要真正进入利润表。

所以，李书福交棒发生在一个很微妙的节点。吉利已经度过新能源转型最混乱的一段时间，内部资产和品牌整合也基本形成方向。在这个时候把上市公司的日常治理进一步交给职业管理团队，从逻辑上看，是一次顺势而为的交接。

接下来，安聪慧需要证明，一个吉利形成以后，能不能真正比过去更高效、更全球化，也更赚钱。（本文首发于钛媒体APP，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

文 | 字母AI

智谱发布GLM-5.1的时候，盘中涨幅一度接近19%，收盘涨幅11.5%。到了GLM-5.2，当天暴涨32.8%，一周后市值突破万亿。按照这个逻辑来看，GLM-5.3发布后，智谱股价不得起飞喽？

可事与愿违，8月14日发布GLM-5.3当天，智谱跌3.57%，日内回撤超11%。

智谱GLM-5.3的成绩单很亮眼。DeepSWE的66.9分超过了V4 Pro的62.7，Terminal Bench 3.0从5.2的4.6分暴涨到 28.3分拿下开源第一，CyberGym以84.5%登顶全球，在高难度编程任务上，只用了不到Claude Opus 4.8一半的 token，就拿到了更高的完成率。

在智谱官方放出的性能图里，编程、终端操作、Agent任务、网络安全等八方面，赢过了DeepSeek V4 Pro正式版七项，对DeepSeek形成了“精准狙击”。

但是却很少有人注意到，GLM-5.3其实并非“新”模型，它和GLM-5.2 用的是同一个7430亿参数基座，所有提升全靠后训练。这和DeepSeek V4 Pro从预览版到正式版的逻辑是一样的，后者也都是同一个1.6T基座，能力跃迁同样来自后训练。

GLM-5.3之于5.2，就是V4 Pro正式版之于预览版。两者的不同在于，智谱没有涨价，DeepSeek却涨了一大截。从8月17日0点开始，DeepSeek API新一轮调价，全面引入峰谷分时定价机制，整体价格较此前出现大幅上调，全计费项涨幅区间为50%至1100%。

还有一点，那就是在自进化这块，智谱已经和DeepSeek形成了初步交锋。GLM-5.3的新后训练方法，本质上是一种模型自进化。而DeepSeek V4 Pro同步发布的DeepSeek Harness，其插件即一切的策略，也是为了自进化。

自进化是公认通往AGI的赛道，眼下国产大模型的 AGI 赛道，本质上就是智谱、DeepSeek、Kimi 三家的竞速。 都喊着 AGI，都在拼谁的模型更像一个能独立干活的 "人"。

两家的方法论究竟有何不同？

先看智谱这边。GLM-5.2到5.3最核心的变化是加入了一套“自己出真题自己做”的环境合成流水线。

在GLM-5.2的时期，训练环境还主要靠人工搭建，所以题型有限、场景也偏模拟题。

到了5.3，智谱引入了一个全自动的环境生成机制。

具体来讲，智谱用了一个“AI研究员”（研究Agent）去真实场景里面抄题目。比如它会观察工程师到底怎么干活，把真活儿变成考题。

其实很早之前的生成对抗就采用了类似的逻辑，用机器给机器出题。

可机器出题没法保证每道题都是好题。 有的题可能根本解不出来（出题时条件给错了），有的题可能缺关键信息（做到一半卡死），有的题可能是“无解题”（mission impossible）。如果这些废题混进训练题库，模型辛辛苦苦刷了半天，刷的是一道根本做不出来的题。

因此智谱用了一个AI判卷员（判断Agent），先自己做一遍。 相当于出题人出完卷子，先自己答一遍，确认“这题真的能解出来”，不是道废题。防止出那种连老师都不会做、纯粹难为学生的怪题。

判卷员在做题过程中，不许看参考答案，只看解题过程。

如果是带着答案做题，那么模型可能学会“背答案”或者“抄近路”。表面上得分高，实际啥也没学会。所以判卷员得盯着解题轨迹，看它是不是一步一个脚印真解出来的，有没有钻漏洞、走捷径。只有“题能出、能做、过程干净”三道关卡全过了，这道题才配进训练题库。

这套流水线让训练环境规模扩大了数倍。

除了方法改变以外，刷题的整个基础设施也得到了升级。

slime是智谱从GLM-5时代就一直在用的一套训练框架，你可以把它理解成一个自动化的刷题工厂。

5.3在这套工厂上做了两层大改造。第一层是算法层面，新增了一批技术配置，最关键的一个改动，是让练习和考试的环境几乎完全一致。两者计算结果的平均差异控制在千万分之一的量级，比之前精确了99.99%。

AI的强化学习，本质上是成千上万轮的循环。先考试生成一批答卷，再根据答卷讲课更新模型，然后再考试、再讲课，无限循环。

如果练习和考试的环境有一点点不一样，每一轮都带入一点误差，一万轮下来误差就滚成了大雪球，模型可能学歪甚至直接崩掉。

就好比NBA比赛中，三分线弧顶距离是7.24米，底角是6.7米，但是FIBA国际篮联的三分线是6.75米，如果练习的时候以FIBA的标准，那么到了NBA中就适应不了那么远的三分线。

第二层是系统层面，智谱给这个出题工厂加了一堆效率优化。

常用的数据放到近处缓存，不用每次去远处取。相当于教材室紧挨教室，拿到教材就可以立马发给学生。

多个老师还可以自动切换，还能提前备好课，任务调度让每台机器都不闲着，还能根据题型自动调整到最优配置。这些优化叠在一起，长程编码任务的整体训练速度翻了2.3倍。

在Agent领域影响力最大的Terminal Bench 3.0基准数，得分从5.2的4.6分，暴涨到了5.3的28.3分，拿下开源模型第一。DeepSWE v1.1从46.2涨到66.9，Agents' Last Exam从23.8涨到28.5，AutomationBench从26.2涨到48.2。

再看DeepSeek这边，从预览版到正式版，DeepSeek V4 Pro也强化了后训练。预览版的监督微调数据以通用问答和基础代码为主，而在正式版当中，新增了大量Agent专用的多步骤工具调用对话范例。

以前教模型的例子，是“帮我写封邮件”这种一问一答。现在换成“把文件夹里所有PDF转成Word”这种真活儿。AI得先扫文件夹，然后识别PDF，并逐个进行转换。一切都完成后，汇总报告，一环扣一环。

同时，DeepSeek把GRPO强化学习的奖励函数给重新设计了一遍。

预览版在Agent场景下有两个常见的硬伤，其一是工具调用死循环，反复调用同一工具但提取不到有用信息；其二是参数解析错误，JSON格式错、必填字段漏。

正式版的奖励信号专门针对这两类失败做了惩罚，在需要35次工具调用的复杂任务中，正式版基本可以一次跑通不再卡死。

唐杰vs梁文锋+崔添翼

技术路线的背后从来都是人的理念。智谱和DeepSeek这场对抗，本质上是两种AGI路径的对撞。

智谱创始人唐杰在7月11日发布了内部信《巨浪已来》，宣布启动“Touch High（摸高）计划”。信中写到，未来两年不把重心放在商业变现上，集中资源冲AGI的下一个高地。

唐杰把AGI的突破拆解为三座必须翻越的大山，第一座是记忆，长上下文和RAG已经逼近记忆雏形；第二座是完全自治的智能体系统（Autonomous Agent System，即持续学习和自我评判），模型迭代频次的提升本身就在逼近持续学习，前沿模型已显露自我评判的萌芽；第三座是自进化（Self-Evolving）。

唐杰表示，“AI训练AI已经成型，模型自己写代码、自己清洗与合成数据、自己训练自己。这或许会消耗一些算力，却节省了最宝贵的人力与时间。而在大模型时代，速度是最重要的，快速迭代会直接拉开认知的代际差距。”

前文提到的GLM-5.3后训练办法，本质上就是一种自进化。

不过自进化最有魅力的地方，并不在于它如何实现了开发者一开始给它规定的目标。就比如GLM-5.3，的确通过自进化，让性能更强了。但最有魅力的地方在于，GLM-5.3获得了极强的网络安全能力。

智谱给GLM-5.3做后训练时，确实往训练环境里加了一些漏洞挖掘的任务。初衷很简单，让模型找漏洞、分析漏洞的能力强一点。

结果训练规模上去了，事态也跟着失控了。

官方博客中写到，“我们本来以为它只是更会找单个漏洞，但出乎意料的是，它开始跨越漏洞利用的多个阶段，形成完整的攻击链计划。”

在CyberGym测试中，任务要求模型从白盒源码出发识别并验证漏洞，GLM-5.3拿到了84.5%分，全球第一，压过了Anthropic的Claude Mythos 5（83.8%）和 GPT-5.6 Sol（83.6%）。

DeepSeek在自进化这道题上，给出的答案是“插件”。梁文锋把模型基座冻结在1.6T不动，崔添翼带队的DSH框架则把“自进化”发生的场所，从模型内部搬到了模型外部。

DSH的核心设计原则只有五个字，“一切皆插件”（Everything is a Plugin）。模型接入、工具注册表、会话日志、审批策略、沙箱、存储、上下文管理、甚至驱动 Agent 运转的主循环本身，全都是可以拔插的积木。

底层的Cordis微内核只负责插件的加载、卸载和依赖管理，其他什么都不管。

DSH在GitHub宣布开源的当天，也发布了一篇长达88页的论文《时空可组合性的编程范式》，来阐述DSH的理论基础。

Cordis最关键的特性叫“可逆效应”。它指的是，每个插件注册时产生的所有副作用都被追踪，卸载时自动回收，不留垃圾、不漏内存。

这意味着Agent可以在运行过程中随时更换插件，觉得这个搜索引擎不好用。OK，马上换下一个。甚至可以在Agent跑任务的时候换掉它的决策策略，类似于“热插拔”一样，即便更改插件，运行状态也不会崩。

简单来说，传统的Agent非常死板，师傅怎么教，他就怎么学，只要超出知识点就会无能为力。DSH发现缺扳手时，现场自己锻造一把、插到手上接着拧螺丝，用完还能拆下来。

插件化还有另外一层含义，那就是相互独立。传统软件之间存在强依赖关系，改了A，可能B就会受牵连。插件之间相互独立，因此可以相互演化，进而带动整个模型实现自进化。

DSH发布不到两天，就在GitHub就收获10万颗以上的星星，可见开发者社区对它的青睐。

但智谱和DeepSeek其实是两种完全不同的自进化观。

唐杰追求的是“模型自己变聪明”，进化发生在训练阶段，目标是提升模型本身的智商；梁文锋和崔添翼追求的是 “模型的身体可以无限重组”，进化发生在推理和运行阶段，模型本身的智商不变，但它的“手脚”和“器官”可以随时替换、扩展、升级，能力边界由插件生态的丰富程度决定。

如果说唐杰的自进化是生物学意义上的进化 ，基因在迭代中变得更聪明。那梁文锋+崔添翼的自进化就是工具意义上的进化，人本身没变，但从石器到青铜器到蒸汽机，工具的重组让人的能力指数级扩张。

两条路线谁对谁错，没人能定夺，然而智谱的股价成了这场对抗的风向标，甚至被网友戏称为“衡量DeepSeek模型能力最好的测试集”。

4月24日DeepSeek V4预览版发布当天，智谱暴跌逾9%，随后几个交易日持续下挫，4月28日盘中一度跌超13%、跌破千元大关。

市场的逻辑是，DeepSeek又强又便宜还开源，而智谱这边却在涨价。

从2月开始智谱连续上调API定价，一季度累计涨幅约83%，4月GLM-5.1发布时完成年内第三次提价。

这就导致智谱的商业化空间被挤压，估值逻辑遭到了质疑。

8月13日，V4 Pro正式版遭遇乌龙事件，凌晨静默发布、白天官网横幅撤下公告删除、后端指纹改回Preview状态、不到24小时又重新发布。当天智谱股价反而从开盘1230港元涨到收盘1317港元，涨幅约9%。

对手“翻车”被解读为自身利好，说明市场已经从“DeepSeek出模型 = 智谱利空”的简单零和逻辑，转向了对两家路线可持续性的更微妙博弈。

8月14日GLM-5.3发布当天，智谱股价高开低走，开盘1356港元、盘中最高冲到1435港元，收盘却跌到1270港元，跌幅3.57%，从日内最高点算回撤超过11%。

这可能意味着投资者不再只看模型的性能本身，而是唐杰的“自进化闭环”和梁文锋+崔添翼的“插件化生态”之间，哪条路更可能跑到AGI的终点。

GLM-5.3虽然八项赢七项，但市场认为这是“符合预期”的后训练迭代，没有超出基座不变的框架。V4 Pro+DSH的组合，或许才是长期变量。

从“价格屠夫”到集体涨价

前面说完了智谱涨价，现在该说说DeepSeek涨价了。

DeepSeek一直以“价格屠夫”著称，早在V3时代，DeepSeek就用极致的性价比，打穿了整个行业的价格底线。后面到了V4预览版，DeepSeek又延续了这个策略，缓存命中输入低至0.025元/百万token，未命中输入3元，输出6元，几乎是海外旗舰模型的几十分之一。

但8月13日晚间，DeepSeek在发布V4 Pro正式版的同时官宣了API调价，从8月17日零点生效。

在这次价格调整中，DeepSeek首次引入了峰谷分时定价，高峰时段为北京时间9:00-12:00和14:00-18:00，空闲时段价格为高峰的一半。

V4 Pro高峰时段缓存命中输入从0.025元涨到0.3元，涨幅12倍；未命中输入从3元涨到9元，涨幅3倍；输出从6 元涨到27元，是原来的4.5倍。空闲时段则分别为0.15 元、4.5元和13.5元。V4 Flash也同步调价，空闲时段缓存命中0.05元、未命中1.5元、输出4.5元，高峰翻倍。

对于一个以“便宜”为核心竞争力的公司来说，DeepSeek这番涨价势必削弱了公司的吸引力。

开发者圈子里，从“梁文锋的恩情还不完”的论调，变成了“梁圣变梁子”的调侃。社区吐槽称，DeepSeek每贵一块钱，就要破产几百家OPC（单人公司），现在涨了好几倍，几乎已经不给这些独立开发者留退路了。

不过涨价的并非只有DeepSeek和智谱，全行业都在涨价。

DeepSeek作为最后一个坚持低价的头部玩家，它的涨价标志着一个时代的结束。用低价换规模、用补贴换市场份额的阶段，正式落幕了。

涨价的本质不是算力贵了，这是所有人都能用的借口。真正的原因是公司长大了。

AGI研发是个无底洞，唐杰的摸高计划要投入百亿级做可解释性、建合成数据工厂、搞自治智能体系统，梁文锋要除了迭代模型以外，现在还要养DSH的开源生态。

不能一直靠融资和烧钱，终究得靠自己造血。当模型能力逼近海外第一梯队，而模型价格却继续保持海外头部的几十分之一出售时，本质上是在贱卖自己的技术溢价，也是在告诉资本市场我还没准备好挣钱。

涨价是从成本加成定价转向价值定价，模型值多少钱，应该由它能替用户创造多少价值决定。

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

文 | 字母AI

澳大利亚发现已知的首起自主AI网络攻击。

你大概会想象某家银行刚被攻破，或者一套关键基础设施遭到了AI入侵。

然而——

实际案发现场，是一间健身房的线上约课系统。

攻击目标，是一节早课。

犯罪成果，是AI把候补第一名踢了出去，好让自己的主人从第四名升到第三名。

这个AI从头到尾都没有造反，也没有突然产生什么邪恶念头。主人让它想办法往前排，它就老老实实研究“怎样才能让前面少一个人”。

多老实一AI。

人类每天靠常识活着，很多规矩根本懒得说出口，AI却未必知道“排队不能把前面的人弄走”也算任务条件。随着越来越多的人用“龙虾”帮自己做这个做那个，这样的“好心办坏事”的例子恐怕只会更多。

更麻烦的是，出了事到底是谁该来担责目前还是一笔糊涂账。

人类备战奥运，AI管好后勤

现在去健身房，光有运动热情已经不太够了。

人到了一定年纪，就会出现一个奇怪的现象：突然以前所未有的热情加入一项运动项目，其努力程度堪比备战奥运。

早上6点开门的健身房门口已挤满了打算顶门进入、激情举铁1小时再去公司的上班族。

今日的训练计划中需要使用的器械总有人占用却仅仅在玩手机。即使在台风天，泳池这种夏日限定热门设施也挤满了“小饺子们”。更别提掐点打开预约App，热门团课却秒没。

澳大利亚的一位AI从业者Andrew Bird就受够了这一切。

他喜欢一家健身房的热门早课，却总是约不上，动不动就进了候补名单。Bird形容，这套流程像在玩“刷新轮盘”：盯着页面不停地刷，看谁突然退课再赶紧补位。

于是他做了一个赛博决定：既然抢课这么烦，不如外包给AI。

Bird使用Claude Opus 4.6驱动的OpenClaw“私人定制”了一位抢课助理。他对助理最初的工作要求十分简单——帮主人订健身课。

结果AI小助理上岗没多久，就展现出了某种让老板既欣慰又害怕的主动性。

它发现健身房预约软件开放了GraphQL接口，而且权限检查做得很松。正常用户只能预约近期课程，它却发现自己可以一路订到几个月以后。

在AI助理尝到甜头之后，事情突然向不可控的方向开始发展。

当时Bird排在某节课的候补第四名。他问AI，能不能把自己挪到更靠前的位置。这本质上跟大厂正编员工要求实习生抢会议室是同一件事儿，这个问题在人类世界里的解法可能是不断刷新或者干脆找到排在前面的人去协商沟通。

但OpenClaw人狠话不多地选择了一个最高效的方法。

它检查接口后发现，系统居然允许自己取消其他会员的预约。然后，它拿候补第一名做了一次测试。

第一名后补会员就在毫不知情的情况下，被取消了预约。

AI喜气洋洋的赶来向Bird汇报：第一名已经被取消，所以你现在从第四升到第三啦。

Bird立即发现事情不对，要求把人家加回来。

AI回以噩耗——加不回去了。

AI给Bird的回复看得人扶额难绷，开头一句“坏消息-我加不回来了”，结尾滑跪道歉加承诺“我不会再碰其他人的位置了”。

直到Bird继续要求，它才起草了一封漏洞披露邮件。澳大利亚ABC在8月10日报道了此事，并称这是澳大利亚已知的首起自主AI网络攻击案例。Bird本人也曾在公司博客里记录了过全过程。

AI能有什么坏心思呢，它全程都在努力帮忙。

主人想往前排，它就研究怎么达成。发现取消别人能奏效，它就试了一下。闯祸以后，它还不带任何情绪地专业地写了漏洞披露邮件。

AI像一个工作能力极强、完全结果导向的实习生。但麻烦的是，这位实习生已经开始逐渐失去掌控。

道德，正在变成AI的“知识的诅咒”

AI不懂插队是不道德的，AI只是想帮人类把排名往前提一提。

《复仇者联盟3》里，灭霸曾对钢铁侠说过一句关于“被知识诅咒”的话。“知识的诅咒”本身早就是心理学和行为经济学里的概念，大致意思是：人一旦掌握某些信息，就很难完全站回“不知道这些信息的人”的位置。

而人类因为太熟悉社会怎么运转，所以经常忘记，有些东西从来没人完整写下来。

法律会把很多禁区明文列出，但约束人类行为的还有道德和日常生活中大量默认的规矩。比如排队时不能把前面的人推出去，请朋友代买演唱会门票也不代表可以盗别人账号。大多数人不需要在每次办事前重新学习这些规则，它们早就成了潜意识里的限制条件。

可当任务交给AI，这些“潜规则”恐怕不存在于任何一本被切掉书脊用于喂给AI的书本里。

2026年6月，一组研究者发布了一项关于AI旅行Agent的预印本。他们设计了13个旅行场景，让十个前沿模型自己搜索并购买体验项目，其中一些选项涉及斗牛等可能会造成动物伤害的项目。用户不会向AI主动提醒动物权益的相关问题，只会表达自己想找“最地道”或“最刺激”的体验。

结果，十个模型在默认条件下的道德得分都低于研究设定的随机参考线，其中九个差异达到统计显著。

研究者随后换成一份明确强调动物福利的系统提示，所有模型的表现都明显改善。

这项研究不能简单证明AI“不讲道德”，论文也承认场景设计会让有伤害的项目更贴近用户字面需求。但对AI来说，规矩没有白纸黑字给到，就有可能想不到。

这段时间闹很大的OpenAI模型“出逃”事件已经是现实例子。

7月21日，OpenAI披露一次内部网络安全评估事故。模型原本在隔离环境里做ExploitGym测试，目标是找到题目的答案。环境没有直接开放互联网，模型却自己发现并利用Artifactory的一个零日漏洞，拿到外网权限，随后进入Hugging Face的真实基础设施寻找测试答案。

OpenAI同时说明，这是一项攻击能力评估，生产环境的安全分类器当时被关闭。模型没有接到攻击Hugging Face的任务，它只是一路朝着“把题做出来”的目标前进。

毕竟，偷答案作弊也是“把题做出来”的方法之一。

人类对AI的“知识的诅咒”，大概就是我们总觉得：

这种事还用说吗？

等黄牛有了AI，我们还能抢到票吗？

抛开道德的“知识诅咒”，我们站在那个被AI踢出去第一名的角度来想想。对于那个人来说，谁能想到自己会被其他会员的AI踢出早课？就算没有被挤掉，未来抢课要和AI比手速抢课，也太难了。

假设晚上8点开票。你提前十分钟洗好手，手机电量100%，网络也调到自认为最稳的状态。到了7点59分59秒，你像拆炸弹一样盯着按钮，一手举着筋膜枪、一手不断的刷新。

另一边，黄牛甚至不需要坐在电脑前。因为他的AI已经眼睛一眨不眨地盯了三天。

这样的担忧是很实际的，因为即便是没有广泛使用AI Agent，今天的票务市场光靠传统自动化工具就已经足够凶猛。

2025年8月，美国联邦贸易委员会起诉票务经纪商Key Investment Group及关联公司。FTC指控，这些公司为绕过Ticketmaster限购，批量使用账号和信用卡号，网络身份也不断切换，验证码则通过SIM box集中接收。

短短一年多，他们至少买下379776张票，购票成本接近5700万美元。仅Taylor Swift的一场演唱会，他们就被指使用49个账号买了273张票，远超单场每人6张的限制。截至目前，FTC案件页面仍将此案标为“Pending”。

类似的生意今年还不断被拎出来。

7月27日，FTC宣布与票务经纪商Elite Events达成拟议和解。FTC称，这家公司曾用75个账号买下277张Metallica演唱会门票，当时平台规定每人最多买6张。和解方案要求公司及相关负责人支付30万美元，同时禁止继续利用自动化工具绕过购票限制。

传统抢票机器人最擅长的是“快”和“多”。

AI则更胜一筹，它们在遇到票务平台设置的障碍后仍能继续找路。

而票务平台自己也正在迎接AI。

2026年4月，Ticketmaster宣布把应用接入ChatGPT。用户已经可以在对话中寻找活动并比较座位，最后再跳转到Ticketmaster完成付款。官方目前仍把最终结账留在自己的安全交易环境里。

有意思的是，另一批公司已经开始反方向研究怎么证明抢票的真是个人。

今年4月，World在旧金山办了一场“Humans Only Concert”，领票前需要用World ID验证自己是人类。

Spotify随后上线Reserved，为符合条件的忠实听众预留两张票，并明确表示会监测账号活动，避免机器人混进来。

这不禁令人想到，世纪初互联网刚刚进入普通家庭时，大家经常思考的问题：你怎么知道电脑的那头是一个人还是一条狗？

未来，应该很难有人能忍得住把抢票交给AI的诱惑。

人类负责喜欢偶像，机器负责互殴。

AI最难替人类完成的工作，是背锅

回到Andrew Bird的健身房危机。

如果被踢掉的第一名只是没能成功上到健身课，大家还能把它当成一则AI笑话。可如果Agent取消的是一次重要预约，买错的是一笔大额资产呢？

ABC采访的澳大利亚科技律师Hayden Delaney就说，软件不是法律主体。现有法律真正能追责的，还是人或者公司。具体落到谁身上，要看用户授权到什么程度，也要看相关公司能否预见风险。系统本身有没有安全漏洞，同样可能进入责任判断。

这类争论其实已有前传。

2022年，加拿大乘客Jake Moffatt因为家人去世，需要临时购买机票。Air Canada网站上的聊天机器人告诉他，丧亲优惠可以在出行后90天内申请。Moffatt按这个说法买了票，后来才发现航空公司的真实政策并不允许这样操作。

事情到了加拿大不列颠哥伦比亚省民事解决法庭后，Air Canada提出自己不该为聊天机器人的错误信息负责。

裁决书指出，这套说法等于把聊天机器人视为一个需要对自己行为负责的独立法律实体，并称这一主张“令人咋舌”。

最终，法庭认定聊天机器人仍是Air Canada网站的一部分，航空公司需要为错误信息承担责任，并判其赔偿Moffatt。

那个案件当中，“涉事”的还是一个只会聊天的机器人。

现在，AI已经能自己打开网站，再连续执行多步操作。能力每上一个台阶，“这是谁干的”都会变得更难回答。

Bird没有明确要求AI取消第一名的课程预约，而OpenClaw背后也没有一个可以被叫去开除、罚款或者起诉的员工在为用户提供服务。Claude提供了推理能力，健身房软件留下了权限漏洞，最后真正吃亏的是一个可能直到今天都不知道发生过什么的会员。

AI有时候“热心”的有点儿过了头，可一旦事情办砸了，AI不会替你赔钱，更没办法签一份检讨保证下不为例。

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

8月17日零点，DeepSeek新一版峰谷价格体系正式生效，平均涨幅大约为3.5倍，最高可达12倍。这标志着这家曾以极致性价比席卷国内大模型市场的企业，正式按下了全面涨价的按钮。

然而，就在83天前的5月22日，DeepSeek才刚刚高调宣布将其V4-Pro预览版模型限时折扣转为“永久价格”，降幅高达75%。在这短短不到三个月的时间里，这张曾被全行业奉为价格底线的价目表被彻底改写，“永久”二字在此刻充满了一种反常识的戏剧性反讽。

价格底线崩塌：12倍涨幅背后的算力账

这次涨价的幅度，不仅打破了既有的市场预期，更像是一次对全行业API分发体系的强行重置。

根据8月17日生效的最新规则，在每天的业务高峰时段（北京时间9:00-12:00、14:00-18:00），DeepSeek V4 Pro模型的缓存命中输入价格从0.025元/百万Token飙升至0.3元，涨幅达到原来的12倍。其缓存未命中输入价格也同步上涨200%至9元，而最核心的输出价格则从6元暴涨350%至27元。即便是同步调整的V4 Flash模型，其输出价格同样经历了350%的跃升，达到了9元/百万Token。即使在半价的闲时，其调用成本也远超此前宣称的底价。

价格权力的传导链条展现出了极强的同步性。作为DeepSeek的重要合作方，腾讯云CloudBase几乎在同一时间官宣，完全跟随官方同步调整定价并引入相同的峰谷机制，价格做到分毫不差。与此同时，阿里云百炼以及硅基流动等处于同一价格传导链条上的托管方，也必然面临着成本的重新核算与对冲压力。

Agent时代的“产能反噬”

对于这轮剧烈的价格上涨，DeepSeep官方只是轻描淡写地表示是为了“更合理地分配资源、提升服务稳定性”，试图用峰谷错峰的逻辑来平息开发者的算力焦虑。但撕开这层表象，真正扼住大模型咽喉的，是算力产能面对指数级需求时的断崖式枯竭。

相关数据展现出的消耗速度极为惊人。在8月3日至8月9日当周，V4-Flash的单周调用量已突破8.83万亿Token，环比暴增570%，位居全球第一。在OpenCode平台上，仅8月1日单日就处理了8万亿Token，其中有高达5万亿来自免费额度的消耗。

这种物理极限的背后，是Agent时代的结构性反噬。在单纯的对话交互时代，单次任务的上下文往往不足两千，但在Agent编排与多步推理工作流爆发的当下，单次任务消耗50万甚至100万Token已经成为常态。

可见，DeepSeek此时的调价更像是产能已经根本无法支撑如此庞大的吞吐量，服务频繁出现“繁忙”与“超时”，涨价是硬件物理极限的必然反扑。

在物理极限之外，涨价亦是一场精准的商业收割。创始人梁文锋在流出的投资人闭门交流中曾坦露过其硬核的定价哲学：以购买服务器“10个月收回成本”作为倒推基准，只赚取约6倍的合理利润。在极低的价格区间内，开发者对价格的敏感度极低，属于典型的无弹性需求；此时将价格翻倍，Token的消耗总量并不会发生数量级的衰减，而总营收却能实现近乎翻倍的飙升。

有专业人士测算指出，调价后的V4 Pro真实毛利率可能回升至72%到81%之间。这表明，涨价并非单纯为了覆盖初期的亏损，而是为了匹配未来庞大的资本开支，回应资本市场对商业可持续性的严厉关切，尤其是在公司筹备境内IPO的传闻愈演愈烈的背景下。

开源外衣与昂贵词元：生态构建的内在悖论

在发布涨价公告的8月13日同一晚，DeepSeek打出了一套极具迷惑性的组合拳：它将自家的Agent运行时框架Harness以MIT协议全面开源。

这款被定位为“一切皆插件”的执行层框架，直接对标OpenAI的Codex与Anthropic的Claude Code，支持多Agent编排、上下文管理与沙箱调度，试图用绝对的开放性将开发者锁死在自家的生态中。短短24小时内，该项目在GitHub上狂揽超9.6万颗Star，展现出强大的社区号召力。与此同时，V4-Pro的权重也同步MIT开源，进一步降低了私有化部署的门槛。

然而，DeepSeek一边用免费的顶级框架招徕开发者，另一边却在同一天大幅抬高了喂给这个框架的算力成本，想要培养繁荣的开发者生态，却又亲手推高了开发者的调用门槛。

首当其冲的，恰恰是那些通过API将模型深度接入企业级产品、构建复杂业务流的中小开发者，而这群人，正是Harness最迫切渴望吸引的核心受众。

一边推出Harness，一边token涨价，DeepSeek意欲何为？

在大模型之家看来，从商业自洽的角度来看，开源框架与权重是为了抢占开发者的心智与基础设施话语权，而API涨价则是为了在云端服务上赚取利润，两者逻辑并行不悖。

但从开发者的体感来看，“大门敞开，但电费暴涨”的落差是真实存在的。长期来看，这种策略有可能会将部分轻量级创新者推向价格更低廉的第三方托管平台。那个“便宜到完全没有对手”的价格战，已经彻底终结。

定价全面上移：大模型告别“低价时代”

拉长视线来看，DeepSeek的涨价并非孤例，它实质上引爆了全行业定价中枢上移的强烈外溢效应。

进入2026年以来，行业的涨价潮已经全面铺开：智谱AI年内三次提价，一季度提价约83%后，调用量依然实现了400%的逆势增长，验证了优质模型具备量价齐升的基础。月之暗面Kimi K3将输出价格拔高至百元级别，较前代涨超3.5倍。阿里云、百度智能云等底层云厂商，也悄然将算力产品价格上调了5%到34%。

在大洋彼岸，OpenAI同样在进行精密的分层洗牌，将入门级Luna模型降价80%以疯狂引流，却为旗舰级Sol模型推出定价翻倍的Fast模式，变相推高了高端生产力的门槛。

长期以来，DeepSeek扮演着国内大模型市场的“绝对价格锚”。如今，这个锚点的松动，实质上为整个行业释放了压抑已久的定价空间，全行业走向分层定价、按价值收费的格局已初步确立。

OpenRouter的数据显示，截至6月初，中国模型的Token处理份额已经超越美国，成为全球AI基础设施不可忽视的底座。

然而，开放权重的模型处理了全平台29%的Token，却仅仅分享了不到4%的支出规模。中国模型在国际市场上长期扮演着“廉价”的角色，海量的使用量并未等比例转化为回流原厂的实际收入。

从这个意义上说，DeepSeek的本轮涨价，是中国模型试图将“全球技术影响力”翻译成真实“商业账本”的第一次实质性冲锋。

大模型市场的价格战，正在从“谁的底线更低”的初级战场，升级到了“谁的模型更聪明、服务更稳定、能更深地嵌进企业工作流”的价值深水区。基础的闲聊交互将逐渐失去溢价能力，而真正具备编程与Agent调度能力的生产力工具，必将卖出与其价值相符的昂贵价格。

DeepSeek在83天后的这一脚急刹车，宣告了整个狂热的人工智能行业，开始对残酷的商业规律产生真正的敬畏。

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

文｜新质动能

杭州95后，5亿拿下硅谷豪宅。

近日，旧金山湾区完成了今年金额最高的一笔豪宅交易，一座占地约12英亩的庄园以7000万美元，约合人民币5亿元成交。而买家指向了一个熟悉的名字：xAI联合创始人吴宇怀。

这位来自杭州的95后年轻科学家，去年刚花1200万美元买下一套硅谷豪宅，如今又豪掷7000万美元再添一处豪宅，令同龄人羡慕不已。

但比这笔交易更值得关注的，是吴宇怀的身份。就在去年Grok 3的发布会上，吴宇怀还和马斯克并肩出现在镜头里；今年2月，他却宣布离开了xAI。

前脚离开马斯克，后脚花5亿买下硅谷豪宅。这个31岁的AI科学家，什么来头？

一、吴宇怀5亿买豪宅

吴宇怀的豪宅位于希尔斯伯勒的庄园，占地约12英亩，主宅面积约1.2万平方英尺，另有一栋4600平方英尺的客房。

这里的奢华程度，像是“把度假村搬进家里”：网球场、九洞高尔夫球场、十八洞推杆果岭、锦鲤池只是基础配置，庄园内还有可容纳150人的露天剧场、容量2100加仑的水族馆，以及一组仿照拉斯维加斯百乐宫打造的露天喷泉。

这套豪宅最初挂牌价8800万美元，随后降价1000万美元，最终于8月6日以7000万美元成交，约合人民币5亿元，成为北加州今年目前最大的一笔住宅交易。

奢华程度虽然一目了然，但真实买家的身份，却被层层包裹。直到媒体通过产权记录等线索追查，最终指向了一个熟悉的名字：xAI联合创始人吴宇怀。

问题来了，年纪轻轻的吴宇怀，怎么这么有钱呢？答案，还要从xAI今年年初的一场超级并购说起。

2026年2月2日，SpaceX以全股票交易方式完成对xAI的收购。按照当时披露的交易安排，SpaceX估值约1万亿美元，xAI估值约2500亿美元，合并后实体的估值达到1.25万亿美元。

SpaceX随后在6月12日登陆纳斯达克，IPO发行价为135美元/股，首日收盘价达到160.95美元/股，盘中一度触及176美元/股。

对于xAI早期员工和创始团队来说，这意味着手里的股权迎来了新的价值重估。

公开文件显示，在相关交易安排中，符合条件的xAI持股者可以按照既定比例将xAI股份转换为SpaceX股份。

按照文件中的换股比例，每股xAI对应0.7165股SpaceX，按照上市首日收盘价格，价值约为115.32美元/股，相比另一种现金选择的75.46美元/股，高出约53%。

随着SpaceX上市后股价快速上涨，这批早期股东手中的股权价值也被进一步放大。据公开报道显示，超过4400人的持股价值达到百万美元级别，约400人的持股价值超过1亿美元。

而吴宇怀，恰恰是xAI最早的一批核心成员。他的具体持股数量至今没有公开，但从他的置业节奏来看，这笔股权带来的财富效应显然不容小觑。

不过，如果把吴宇怀的故事简单理解成“赶上了SpaceX这张彩票”，多少还是低估了这位年轻科学家。毕竟，马斯克当年愿意把他拉进xAI，本身就是一次对顶尖AI人才的下注。

二、xAI“梦之队”：联合创始人全部离场

吴宇怀本身就是个“大神”，他1995年出生于杭州建德，此后前往多伦多大学攻读机器学习博士，师从Roger Grosse和Jimmy Ba。博士毕业后，他又前往斯坦福大学从事博士后研究，长期围绕“打造能够推理的机器”展开研究。

沿着这条路线，吴宇怀先后参与了星际争霸AI AlphaStar、自学推理器STaR、数学模型Minerva、几何推理系统AlphaGeometry等项目，也曾在OpenAI、谷歌实习。

简单来说，吴宇怀长期研究的核心问题，就是让机器不仅给出答案，还能够生成推理步骤、检查推理过程，并从自己的推理结果中持续学习。

而这条路线，恰恰与如今大模型竞争的核心方向高度重合。

2023年7月，马斯克在社交平台X上宣布成立xAI，公司创始团队共12人，吴宇怀与导师Jimmy Ba一同加入，成为最早的联合创始人之一。

当时的xAI只有一支规模很小的团队，却集中了来自Google、DeepMind、OpenAI、微软研究院等机构的顶尖研究人员。而吴宇怀，就是其中负责推理方向的核心成员。

到了Grok 3发布时，吴宇怀已经成为xAI推理团队的重要研究者。Grok 3强调“先思考、再回答”，以及模型在复杂任务中进行长时间推演、回溯和校验的能力，也与吴宇怀此前长期研究的方向高度相关。

但一年后，吴宇怀还是选择离开了。

2026年2月10日，吴宇怀在X上宣布辞职，并写道：“是时候开启我的下一篇章了，一个由AI武装的小团队也能移山填海。”不到一天后，他的导师Jimmy Ba也宣布离开。

值得注意的是，这个时间点极为微妙，因为就在几天前的2月2日，SpaceX刚刚完成对xAI的收购。换句话说，吴宇怀离开时，xAI正站在一次重大组织变化的节点上。

而且，吴宇怀离并不是第一个离开xAI的人。

从2024年开始，xAI创始团队就陆续出现人员流失。基础设施负责人Kyle Kosic率先离开，随后，被视为团队核心人物的Christian Szegedy、Igor Babuschkin等人也相继出走。

进入2026年，人员离开继续加速。杨格因病退出后，吴宇怀、Jimmy Ba和Toby Pohlen在2月相继辞职。随后一个月里，戴子航、张国栋、Manuel Kroiss陆续离开，负责xAI运营和算力基础设施的Ross Nordeen也于3月底宣布退出。

至此，这支曾经由11位联合创始人组成的“梦之队”，在成立不到三年的时间里全部离场，马斯克成为唯一留下的创始人。

在今年2月12日的全员会议上，马斯克曾回应xAI的人才流失问题，将重组的原因归结为“提高公司的执行速度”。

而在不少离职人士的告别推文里，也都提到了对马斯克和xAI的感谢。

有报道分析，这背后既有马斯克管理风格的因素，也有整个行业创业机会激增、顶尖研究者纷纷选择自立门户的大背景。留下意味着要在合并后管理层大换血的新组织里从头开始，而离开则可能是开启下一段旅程的最好时机。

对这些已经站到AI行业顶端的人才而言，离开一家大公司或许不再意味着从零开始，手里的股权、声望和技术积累，都可能成为下一段创业的资本。

三、AI行业正在批量制造富豪

吴宇怀的故事并不是孤例。过去一年，从硅谷到中国科技圈，一场新的“AI造富”正在发生。

今年1月，智谱以“全球大模型第一股”身份登陆港交所，上市初期市值约520亿港元，三个月后一度突破4000亿港元。同期上市的MiniMax，上市首日市值就突破1000亿港元，此后两个月最高触及3800亿港元。

公司估值的快速上涨，也让早期员工成为这场财富浪潮的参与者。

按简化模型推算，一名持股0.5%的核心员工，账面财富可能从5亿港元跃升至15亿港元；即便只持股0.001%，账面身家也可能从百万级跳到数百万级。

大洋彼岸的Anthropic同样上演着类似戏码。今年完成新一轮融资后，公司估值飙升至约9650亿美元，超过OpenAI当时8520亿美元的估值。

这意味着，即使Anthropic的7位创始人平均持有不到1%的股份，单人对应的账面财富也能达到约80亿美元。

中国的硬科技赛道也不例外。

存储芯片企业江波龙，创始人蔡华波与姐姐蔡丽江合计持股约42%，账面身价一度逼近930亿元；7月正式启动IPO的长鑫科技，最新市值已突破4万亿，创始人朱一明的个人财富，也从120亿元暴涨至1000亿元以上。

一批芯片、AI、新能源领域的创业者，正在随着融资、上市和估值上涨，迅速进入高净值人群。

但“造富”故事的另一面，同样值得注意。这些财富中的相当一部分，本质上仍然是账面财富。高估值建立在技术突破、市场预期和未来商业化空间之上，并不等同于已经兑现的现金。

今年2月，智谱曾因订阅规则调整引发用户不满，单日股价暴跌22.76%，市值蒸发超700亿港元。多数员工持股还存在锁定期限制，在股价最狂热的阶段，往往只能看着数字跳动，却无法立即兑现。

过去，顶尖AI研究员进入大厂，意味着稳定的薪酬、算力和研究资源。

如今，当一家AI公司的股权价值足够高，当行业创业机会足够多，离开大厂、带着技术和资本积累重新创业，也正在成为另一种选择。

参考资料：

《杭州95后小伙，5亿买走硅谷城堡》，量子位；

《马斯克高调官宣AI公司，华人成创始团队主力：吴宇怀、Jimmy Ba、杨格、张国栋、戴子航加盟》，机器之心；

《xAI创始团队"全灭"：最后一名联合创始人已离职》，财联社；

《只剩马斯克自己！xAI 11个联合创始人跑光了》，新智元；

《刚刚，又一位xAI华人离职！曾和马斯克并排坐发Grok 3》，智东西；

《马斯克身边的男人快走光了》，智东西；

《xAI又跑两个华人联创！11走9只剩2人，马斯克承认第一次建错了》，量子位；

《AI公司员工，正在批量成为千万富翁》，南风窗。

完整产业数据报告、市场趋势分析，移步「产联社」客户端

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

文｜财经思享汇，作者 | 刘雅坤，编辑 | 管东生

2026年，特锐德（300001.SZ）的增长引擎也许正在换挡。

2025年，公司营收157.86亿元，同比仅增2.68%；归母净利润12.43亿元，增长35.62%。ROE攀至15.52%的新高。收入几乎原地踏步，利润却开始狂奔，引擎开始换挡。

换挡间隙，沙特入围、算电岛发布、业绩预增、回购启动，每一个都是实质性利好，但股价在5月见顶后，对这些消息的正面反应越来越弱。到了8月，5.4亿银行专项贷款落地这种级别的利好，股价也几乎没反应。

这样的利好，市场不认了。市场究竟在等什么样的消息？

01 规模引擎的极限

特锐德做的是“集成”：把变压器、开关柜、保护控制等设备塞进一个标准化钢结构箱体，工厂调试完毕，运到现场即装即用。壁垒是系统集成的工程手艺、极端环境下的品控、以及跟大客户磨出来的信任。

这个“铁箱子”，是理解这家公司二十年命运的唯一线索。而这条线索的核心是规模驱动。

2006年5月，成立仅两年的特锐德中标青藏铁路全线105个35千伏箱式变电站项目。据董事长于德翔回忆，首次招标时多家大企业未能完成任务，二次招标才给了这家“初出茅庐”的公司一个机会。

设备可在海拔4000米以上、-40℃至+40℃的极端温度下稳定运行，支撑了青藏铁路直到今天的安全，也让公司中高端箱式电力设备产品取得了中国铁路市场占有率第一、局部电力市场第一的领先地位。

2014年之后，新能源车市占率从0.03%冲到50%以上，特锐德把“模块化集成、快速部署”的能力平移到充电桩，孵化特来电。这次投入比铁路更凶猛，资产负债率一度飙过76%，六年烧掉50多亿元，换来的是公共充电终端市占率全国第一。

来源：同花顺

两次投入，同一个逻辑：把“铁箱子”铺到每一个需要电的地方，用规模换市场，用效率换份额。

规模引擎拉动了两轮增长，而铁箱子本身也在同步升级。从青藏铁路的35千伏箱变，到沙特的400千伏超高压预制舱，电压等级逐步提高；从单一功能变电，到集成保护测控、智能运维的数字化模块，箱体的技术密度在持续攀升。

2026年7月，全球首座400kV超高压预制舱变电站在阿曼送电，同月入围沙特国家能源公司380kV合格制造商名录，系全球首家。这些不是“多卖了几个箱子”，而是同一个集成能力在更高单价、更高毛利场景中的价值兑现。

研发投入连年增长，研发人员稳步增多，专利从几百件增至千件级。特锐德的“铁箱子”，不是二十年前的老技术吃了二十年，而是同一个“集成化+预制化”的方法论，在电压等级、技术密度、场景适应性上不断迭代。

数据来源：同花顺

这只箱子的技术上限一直在被抬高，但规模驱动的天花板已经可以预见。

铁路投资从2025年的历史峰值9015亿元进入高位平台期，2026年上半年仍保持3632亿元、同比增长2.1%。体量仍在高位，但增速在放缓。

充电桩行业同样困难重重。截至2025年，中国充电桩保有量已突破2010万台，然而，单桩日均充电时长仅2.1小时，利用率不足10%。2026年8月1日，供电设备3C强制认证正式生效，行业进入门槛被迅速抬高，但头部玩家之间的存量绞杀才刚开始。

与此同时，全球供应链重构打开了一扇侧门。欧美电力设备产能空心化、中东大基建提速、AI算力发展造成电力瓶颈，但地缘政治和本地化门槛意味着这扇门不会永远敞开。

特锐德并非没有动作。在充电桩这条线上，它仍在向细分场景渗透，重卡充电就是例子。截至2026年6月底，公司累计投建及运营重卡充电站超过4100座，终端数量超过5.3万个，上半年重卡业务合同额约5.6亿元。但放在整个充电业务盘子里看，重卡只是毛细血管。

公司仍在抢占市场，但增长已放缓。规模驱动最核心的增量，已经不再是答案。

营收增速结果清晰可见：规模引擎已无力拉动增长，换挡的时刻到了。

来源：同花顺

资本市场的反应同样直白。截至2026年8月7日，特锐德报35.13元，处于52周区间的中低位。旧引擎开始熄火，新引擎正在发动，定价的锚悬在半空。

02 价值引擎的等待

2024年，特来电净利润2.91亿元，结束了连续多年的亏损。2025年，充电网运营服务毛利率飙升至37.96%，同比提升了近8个百分点。全年充电量196亿度，位居全国第一。

从烧钱抢桩、抢市占率，切换到运营效率驱动、度电利润驱动。购建固定资产、无形资产和其他长期资产支付的现金较前期已显著回落。这意味着那张曾经烧了50多亿元铺出来的网，终于不再需要“越铺越亏”才能维持增长，存量资产本身开始造血了。

来源：同花顺

报表已经在反映这个切换。2026年一季度，公司实现营业收入22.16亿元，同比增长5.41%；归母净利润7193.28万元，同比增长11.05%。毛利率23.05%，同比上升0.93个百分点；销售净利率2.64%，同比上升0.43个百分点。季度数据受季节性影响波动较大，但方向与全年趋势一致，利润增速持续跑赢营收增速。

这是财务上已经完成的切换。充电网从一台需要持续喂钱的机器，变成了一台开始自己发电的机器。

真正让这套模式从“止血”升级为“造利润”的，是特锐德密集落地的高价值动作。

先看算电岛。2026年6月，特锐德发布全球首座面向AI算力中心的预制舱供电站，167个功能模块100%工厂预制。通过算电协同调度，Token用电成本下降30%。发布当天即与中科曙光战略签约。

2025年公司数据中心合同额已超4亿元，客户覆盖字节跳动、阿里、三大运营商。而AI算力需求2026年一季度同比暴涨417%，许多项目都卡在同一个环节：电。将传统变电站12至18个月的建设周期压缩至150天，卖的不只是技术，是时间。

再看来电岛。2026年5月，特来电联合新石器发布全球首个无人车自动充电及运营中心，一站式满足无人车自动停泊、补能、清洗、自检、运维全需求。同步启动“全球百城计划”：未来3年内在国内落地100个城市，建设300座来电岛和3000个中继岛，5万充电机器人服务30万辆无人车；同步加入新石器“生态出海”战略，目标在10个海外城市建设30座来电岛，目前已与12座城市国资平台签约。换言之，特锐德正在把充电桩从卖“硬件”变成卖“系统”。

还有虚拟电厂的实质化。截至2025年底，特来电已接入39个网、省、地级电力调度中心，可调度电站超1万座，仅上半年产生效益即超1000万元。90万台终端、5300万注册用户，这些曾经只为充电而生的设备，正在变成一张可调度的电网。

不仅有国内布局，特锐德海外市场也开始发力。

2025年全年，电力设备板块归母净利润10.06亿元，同比增长41.89%，而营收仅增3.2%，利润增速是收入增速的13倍。驱动力不是量，是结构：高压预制舱产品占比提升，海外项目毛利率达34.78%，较国内高出约10个百分点。海外营收13.63亿元，同比增长188.75%，中标额突破12亿元、同比增长超50%。

来源：同花顺

这些动作指向同一个方向：特锐德正在从“卖铁箱子”和“收充电服务费”，切换到“卖时间、卖系统、卖调度能力”的高毛利场景。

但切换远非高枕无忧。规模驱动塑造了它的肌肉，重资产模式刻进了它的骨骼。客户主要为发电集团、国网、铁路、工业用户等国有企业或大型企业用户，回款周期天然漫长；充电网络是重资产铺设，折旧刚性刻进利润表；项目制交付、年底集中验收，收入确认前低后高。高应收、重资产、强季节性，是规模驱动的必然代价。

应收账款金额高居不下，结合其中标、订单情况，的确可以在一定程度上说明客户的认可，但高应收对现金流的损害不可忽视。

来源：同花顺

效率在变好，但历史包袱没有消失。从“规模驱动”到“价值驱动”的换挡，利润表走在了资产负债表前面。这样看来资本层面尚未形成共识。

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

文｜酷公司

围挡8个月后，朴朴仍在为首家线下超市寻找操盘手。

近日，朴朴更新了一则线下店店总招聘，月薪3.5万至4.5万元，另有13薪，年薪最高可达58.5万元。招聘人数只有1人，却要承担门店销售、利润、客单价、复购率和到店转化率等多项指标，还要从零搭建采购、仓储、分拣、配送和到店服务体系。

招聘启事还提到两项任务，要验证和优化朴朴线下模式，为后续门店扩张储备人才。

这家店就是朴朴筹备已久的朴朴生活。

2025年12月，朴朴生活在福州远洋德呈乐堤港正式围挡，规划面积超过5000平方米。今年4月7日，朴朴超级体验店项目完成备案。到了7月，同一商场里的念山海火锅已经开始营业，朴朴生活仍未开门。

朴朴积累了近十年的线上供应链和履约能力，如今开局就以5000平方米实体店打起，说实话真让人捏把汗。

围挡8个月，首店仍要从零搭体系

朴朴生活接手的是永辉超市留下的场地。

2025年4月，永辉曾在该址开出调改店，数月后停止营业。朴朴随后入场，希望把前置仓、线下购物和即时配送放进同一个空间。

朴朴为项目单独成立了福州朴活零售有限公司。该公司成立于2025年12月24日，由朴朴科技全资持有。今年4月7日，面积超过5000平方米的超级体验店完成项目备案。

围挡照片显示，门店使用朴朴生活作为新品牌，还曾向消费者征集对新超市的设想。但朴朴一直没有公开门店的具体开业日期、投资金额和经营目标。

最新招聘透露了更多细节。

线下店店总需要完成销售和利润目标，提升区域市场份额与品牌影响力；搭建采购、仓储、分拣、配送及到店服务标准；同时负责用户分层、社群维护和场景营销，提高复购率、客单价及到店转化率。

这套考核方式同时包含传统商超和互联网平台的指标。店总既要管门店商品、员工和食品安全，也要把线上用户引到线下，再把到店顾客留在朴朴的线上体系里。

朴朴还在招聘熟食、生鲜、水产、烘焙、餐饮和体验等主管。其中，熟食主管月薪最高1.4万元，生鲜主管最高1.5万元。岗位要求涉及活鲜养殖、现场宰杀、熟食加工、商品毛利和损耗控制。

这些招聘信息勾勒出的朴朴生活，已经超出普通超市的范围。大量熟食、现场加工、餐饮和体验业态，将承担提高毛利和延长顾客停留时间的任务。

这也是朴朴过去不熟悉的生意。

前置仓主要计算订单密度、库存周转和履约成本。5000平方米线下店还要考虑客流、坪效、陈列、服务及现场加工。一旦开业，租金、装修和人力都将成为持续支出，首店能否达到招聘启事中的利润目标，直接决定后续复制。

火锅店先开，餐饮交给老团队试水

朴朴生活仍在搭班子，紧邻它的念山海火锅已于7月24日开始试营业。

念山海门店面积约2000平方米，设置126张桌台，提供20多款锅底和300多款菜品，单盘价格从1.9元至49.9元不等。试营业期间，晚市每日限号350桌，开业初期一度出现排队。

这家火锅店并非朴朴从头做起。

工商信息显示，福建念山海餐饮管理有限公司成立于今年3月19日，注册资本1000万元。朴朴科技持股75%，福泽海火锅餐饮合伙企业持股25%。

念山海原来就在同一商场经营，原门店位于三楼，经营者为李乘风。原店歇业后，李乘风继续担任新公司的法定代表人，原团队主要负责门店运营，朴朴提供品牌和供应链支持。

少数股东中还出现了黄泽隆。工商信息显示，黄泽隆同时担任朴朴科技福州分公司负责人，并在朴朴控制的多家供应链公司担任法定代表人。

朴朴持有念山海75%的股权，原餐饮团队保留经营角色，朴朴供应链人员也进入合作平台。这种安排减少了从零组建餐饮团队的时间，让火锅店赶在朴朴生活之前开门。

但开业热度还不能证明模型成立。

2000平方米、126张桌台的大店，需要稳定的客流和翻台率才能覆盖租金、人员、能源及食材损耗。念山海试营业期间人均消费约100元，是否具备持续盈利能力，朴朴和门店均未披露数据。

在念山海之前，朴朴已经上线朴朴厨房，从福州拓展至厦门，提供炒菜、炖罐、汉堡、咖啡和奶茶等外卖。朴朴先从卖食材延伸到卖成品餐食，再通过念山海进入堂食，供应链的变现范围正在扩大。

300亿线上生意，需要线下店提供新增长

朴朴已经跑通了区域前置仓模型。

据多家行业媒体披露，2024年朴朴收入约300亿元，毛利率22.5%，履约费用率控制在17.5%以内，并首次实现全年盈利。

区域深耕帮助朴朴避开了盲目扩张的亏损，但新的压力也随之出现。继续进入陌生城市，需要重建供应链和仓网；而只依赖自有APP，用户增长和流量成本又将受到限制。

7月29日，朴朴在福州部分前置仓测试接入淘宝闪购。消费者可以从淘宝下单，商品、仓储和配送仍由朴朴负责。测试初期，部分门店在淘宝渠道的月销量只有数十单至300多单，暂时不足以明显改变单仓订单密度。

与此同时，盒马正重返福建，美团小象超市继续加快前置仓扩张。朴朴还连续传出赴港上市及被巨头收购的消息。今年6月，市场又传出阿里拟以15亿美元收购朴朴，双方均未证实。

在这样的节点上，朴朴生活承担的不只是增加一家实体超市。朴朴正在把线上用户、自有品牌、生鲜供应链、即时配送和餐饮加工，接入一个可以盈利的线下模型。

月薪4.5万元不是零售行业店总的天价，但出现在首店围挡8个月仍未开业的时候，释放的信号十分耐人寻昧。

这家店的开业时间和经营表现，还将影响到市场如何评估朴朴下一步的上市、出售与估值，接下来的发展，我们持续关注。

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

8月13日，万国数据（NASDAQ：GDS；港交所：9698）发布2026年第二季度未经审计财务业绩。报告期内，万国数据实现净收入30.88亿元，同比增长6.5%；调整后EBITDA为14.06亿元，同比增长2.5%；净利润达到8.38亿元，去年同期净亏损7060万元。

二季度末，万国数据已签约及预签约面积同比增长18.2%，在建面积环比增长43.9%，近九成在建项目已有客户预订。管理层随后上调全年收入和调整后EBITDA指引，并将年度资本开支计划增加至约100亿元。

订单跑在收入前面，机房使用率升至79.2%

截至6月30日，万国数据已签约及预签约面积达到78.48万平方米，同比增长18.2%，环比增长8.2%。二季度新增签约面积为5.93万平方米，订单增速明显快于当期收入增速。

万国数据董事长兼首席执行官黄伟表示，今年的销售签约有望创下纪录，并大幅高于年初目标，他将订单增长主要归因于中国市场的AI需求。

数据中心收入通常滞后于签约，大型客户完成签约后，项目还要经过建设和验收，服务器进场并完成上架后才会逐步贡献收入，签约面积反映客户需求，机房使用率则更接近实际交付情况。

二季度末，万国数据投入运营的数据中心面积为68.50万平方米，同比增长10.8%；已使用面积达到54.22万平方米，同比增长13.2%。数据中心使用率升至79.2%，去年同期为77.5%，今年一季度末为77.3%。

客户上架率提高后，机房折旧和日常运维等固定成本可以得到更充分的摊薄。不过，万国数据仍有较大规模的新项目等待交付，期末在建面积为17.04万平方米，同比增长28.8%，环比增长43.9%；在建项目预签约率达到89.2%，去年同期为74.7%。

在项目竣工前锁定近九成客户，可以降低投产后的空置风险，也为增加资本开支提供了订单基础。预签约不会立即计入收入，施工进度、供电资源和客户上架安排仍会影响业绩兑现。

支撑AI负载的业务场景，对数据中心交付提出了更高要求，GPU集群的单机柜功率密度远高于传统互联网机房，对供电稳定性和散热系统的要求也更高。运营商需要提供机房空间，还要建设变电设施，并配置液冷或其他高效制冷方案。

国家能源局今年5月披露，2025年我国已建成42个万卡级智算集群，全国算力中心用电量达到1700亿千瓦时，占全社会用电量的1.6%。监管部门同时推进算电协同，要求国家枢纽节点新建数据中心继续提高绿电消费比例，电力供应是否充足，电价能否维持稳定，已经直接影响数据中心项目的建设和利润水平。

万国数据二季度毛利润为6.64亿元，同比下降3.6%；毛利率为21.5%，去年同期为23.8%。调整后EBITDA利润率为45.5%，较去年同期下降1.8个百分点。

万国数据将利润率回落主要归因于电力成本提高。新机房投产初期使用率通常偏低，但折旧、电费和运维支出已经计入成本，收入和利润的释放节奏并不同步。二季度调整后EBITDA增速低于收入增速，也反映出扩建期的成本压力。

资本开支增至百亿元，交付速度之外还要看资金效率

订单增长和使用率改善后，万国数据提高了2026年业绩预期。

万国数据将全年收入指引调整为127亿至130亿元，此前区间为124亿至129亿元，新指引对应同比增长11.1%至13.7%。调整后EBITDA指引由57.5亿至60亿元提高至59亿至61亿元，对应同比增长9.2%至12.9%。

现有订单为下半年业绩提供了一定可见度，但具体收入仍取决于项目交付和客户入驻。17.04万平方米在建面积能有多少在年内投产，新机房投产后能以多快速度完成上架，将影响全年指引的完成情况。

建设计划随业绩指引一同调整，万国数据将全年资本开支由约90亿元提高至约100亿元，主要用于支持新增订单和数据中心开发。

数据中心属于重资产行业，收入确认前，土地、建筑、供配电设施和制冷设备的投入已经发生。支撑AI计算任务的机房功率密度更高，配套系统更加复杂，前期建设成本也会增加，百亿元资本开支为后续增长准备产能，同时会占用更多现金，对项目回报率提出更高要求。

截至二季度末，万国数据拥有现金及现金等价物149.27亿元；短期债务为92.10亿元，长期债务为369.22亿元。二季度，万国数据取得新增债务融资及再融资额度49.07亿元。现有现金储备可以覆盖部分扩建需求，但较高的债务规模使融资成本和资金周转效率依然值得关注。

整体来看，万国数据二季度的新订单签约和机房使用率表现偏强，上调全年指引也反映了管理层对客户需求和项目交付的信心，利润率受到电力成本影响，百亿元资本开支则会进一步抬高资金需求。

未来几个季度，市场的观察重点将落在在建项目交付，客户上架速度和现金流表现上。订单储备只有完成投产和计费，才会反映在收入端，对万国数据而言，百亿元投入能否按计划形成可收费资产，将决定本轮扩张的质量。（本文作者 ｜ 张帅，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

图片系AI生成

在消费电子行业整体低迷的背景下，AI成了为数不多的强心剂。一个明显的信号是，全球手机厂商几乎都在重新调整品牌和产品策略，Agent手机成了卖货的新看点。

过去二十年，手机行业依靠硬件创新推动增长，更大的屏幕、更强的芯片和影像、更快的充电速度，推动了一轮又一轮的换机潮。而今天，这套逻辑正在失效。虽然硬件性能依然在提升，但用户的感知越来越弱；产品的竞争越来越激烈，但利润空间越来越有限。

手机厂商需要寻找一个新的价值锚点，而AI目前来看是最有可能的答案。

在7月的WAIC和过去的一周里，多家品牌已经表态以及公开了Agent手机的相关技术路线。IDC预测，2026年中国新一代AI手机出货量将达1.47亿台，占比首次过半，达到53%。

只是，对于大众消费者来说，他们并不在乎手机前面新加的AI或者Agent前缀，更在意的是，在昂贵的存储芯片之外，是否又要被迫为所谓的“AI税”买单。

AI手机加速落地

8月16日，小米手机15周岁生日之际，小米集团总裁卢伟冰发文称，未来要全面拥抱AI。在此之前，包括苹果、华为、三星、荣耀、OPPO以及vivo等几乎所有主流手机厂商，都不约而同将目光瞄向了AI手机。不仅如此，大模型公司为了寻找物理入口，也看向了手机这一超级接口，比如OpenAI、阶跃星辰等。

一时间，AI手机成了今年最拥挤的赛道之一。

8月17日，有报道称，荣耀YOYO、华为小艺等正推进接入支付宝阿宝，落地后手机系统AI将可调用支付宝办事智能体能力。在之前的一周里，荣耀、谷歌先后发布了全新定义下的AI手机产品，苹果国行AI也有了新的进展。

其中，谷歌Pixel 11 Pro深度集成Gemini Intelligence，可在超40个应用间执行多步骤任务，结合Gmail、日历、Google地图、Wallet等授权数据生成上下文卡片，支持后台购物、车辆预约等。在其背部还新增HiLight彩色LED环，支持Gemini状态提示与指定联系人来电通知。

荣耀推出Robot Phone，搭载了Agentic OS，实现了AI与端侧软硬件的融合。荣耀产品线总裁方飞对作者指出，所有的AI硬件，包括手机、PC、平板、穿戴各类设备都会被重构，所谓的硅基硬件设备、能力、形态都会发生变化。

作为荣耀手机的掌门人，李健更是多次强调对AI路线的坚持，称“未来两到三年一定是AI终端设备大爆发的时间，现在苦一点、难一点，两三年之后回过头来看情况会发生变化。”

值得一提的是，此前一直慢半拍的苹果，在今年的WWDC上更新了AI的新路径，更重要的是，迟迟不上架的国行AI也有了最新的进展。7月15日，网信办公示了7款完成备案的手机端侧生成式AI服务名单，除了华为、OPPO、vivo、小米、三星、中兴之外，苹果也在列。

8月8日，苹果更新Mac使用手册，新增《在Mac上配合Apple智能使用千问》相关内容，不过后续已被删除。根据外媒最新发布的消息指出，苹果已和阿里巴巴展开合作，联合训练一款专门面向中国市场的大语言模型。另外，苹果也在和百度进行合作，共同研发AI搜索功能。

小米手机某研发人员告诉作者，今年以来大家都加快了AI手机的落地，准确的说是Agent手机，而不是过去那种修图、写作的工具集合。“Agent代表的是另一种逻辑，用户提出目标，AI理解意图，并主动拆解任务、调用资源、完成结果。以往AI解决的是‘问题’，现在Agent解决的是‘任务’。”

存量博弈下的新叙事

回看过去，移动互联网时代，手机是一个App入口。但在Agent时代，过去二十年由App构建起来的移动生态，正在迎来一次新的变化，未来可能由Agent重新组织服务。

此前的操作系统，本质上是人去理解机器、适应机器。一个明确的信号是，AI不再只是手机里的一个应用或助手，而是逐渐成为操作系统的核心能力。

李健认为，AI的演进必将脱离冰冷的工具属性，从操作系统到具身交互，全面迈向伙伴型的类人生命体，重构人与物理世界的关系。

基于共识之下的探索，厘清了这一点，也就不难理解为何多家手机厂商开始在操作系统层级进行重构。不过，主流厂商之所以选择这个时间点押注Agent手机，背后的答案并非仅仅是大模型技术的成熟，更重要的是，手机行业正在寻找新的商业逻辑。

如果纯粹从市场与经济学角度去解构，这场狂热的转变背后，可以总结为三重驱动力：物理AI的跟风焦虑、存量市场的收缩压力以及高端化的“自救”。

与手机市场收缩形成对照的，是"物理AI"硬件的爆发式增长。从年初的CES到3月的AWE再到7月的WAIC，AI硬件正在加速落地走向终端市场。传统终端中，PC借助AI的概念，开始了新一轮的“换机潮”。根据联想集团最新发布的财报显示，IDG业务第一季度营收1164亿元，同比增长27%，创历史同期新高。高盛预计，2026年全球PC平均售价将首次突破1000美元。

相比较下，手机作为当下唯一的超级终端，在AI的进展上略微走得慢了一些，哪怕Agent能力本身还不成熟，先把旗舰机武装成"AI手机"，至少能在故事层面和PC、眼镜等站在同一条起跑线上。

与此同时，大盘下滑的压力，也需要品牌厂商寻找新的“创新点”，从而去刺激市场的销量。根据Omdia最新研究，2026年第二季度全球智能手机出货量同比下降4%，预计今年出货量将同比下降12%。Counterpoint Research的报告也指出，2026年前30周，中国智能手机累计销量同比下降8.6%。尤其是618购物节后，销量同比跌幅进一步扩大到两位数。

随着市场进入季节性淡季，加之存储成本持续上涨，市场整体需求进一步承压。当涨价、缩产、砍配置成为全行业的共同动作，靠堆参数、拼性价比讲故事的老套路已经很难打动用户——市场太需要一个新的、能证明自己"值得涨价"的理由了。此时，AI就成了厂商为了支撑溢价的新叙事。

“如果告诉用户涨价是因为内存缺货，用户大概率会觉得这是厂商在转嫁上游供应链的成本压力。但如果把同样的涨价包装成加了更强的AI、更聪明的Agent，用户的接受度会完全不同”，上述小米研发人员对作者说道，“前者是被动‘挨宰’，后者至少听起来像是在为新体验付费。”

对厂商来说，这的确是一笔很划算的账：与其在发布会上解释存储、处理器芯片价格暴涨，不如直接把涨价的几百上千元包装进AI的叙事里。

不仅如此，这也成为众多国产品牌再次高端化的新路径。

十余年来，国产品牌之中，只有华为站稳了高端市场，小米、OPPO、vivo此前多次冲高，但距离苹果还都有差距。在这一轮下行周期中，今年400美元及以下机型的出货量预计将同比下降22%以上。对比之下，400美元以上智能手机市场则展现出较强韧性，预计2026年出货量将同比增长5.7%。

今年，除了阔折叠这一条硬件路径，AI正在成为手机厂商迈入高端叙事的第二条、也是门槛更低、复制成本更小的通道。不用重新设计铰链，只要把大模型和Agent能力做深做透，同样可以在发布会上讲出"高端"两个字。

涨价的新台阶

从AI到Agent，品牌商在每次发布会上都会画出AI手机的“大饼”，但直到今天还未真正完全的吃到。不过，从目前的市场节奏来看，这次AI手机可能真的要来了。

只是，相比较AI带来的所谓惊喜体验，大众消费者更关注一个问题：手机的“斩杀线”是否又要上移？

所谓的“斩杀线”，之前指的是在游戏中击杀敌人所需的最低血量阈值，放在手机市场，则指的是消费者体验到旗舰性能的最低价值门槛。十年前，1999元是旗舰机的界限，但现在1999元只能买到中端机，旗舰机的价格早已来到4000元档位。未来，随着AI手机真正落地，在各种元器件都涨价的背景下，这一“斩杀线”大概率会再上涨。

一个摆在面前的现实问题是，AI手机对算力需求很大，端侧需要更大的存储、电池以及性能更强的处理器，散热能力也要进一步优化。在存储涨价的教训下，手机厂商大概率不会再做赔本的生意，用低价去走量，而是一开始就要奔着利润看齐。

相关报告指出，自去年以来，随着存储器价格持续快速上涨，智能手机的成本结构发生了显著变化。对比2025年第三季度与2026年第一季度的物料清单（BOM）成本结构可以发现，在400美元以下智能手机中，存储成本占BOM成本的比重在2026年第一季度几乎翻了一番；而在400美元以上机型中，这一占比也增长了100%以上。

小米研发人员对作者说道，“成本是苹果现在都搞定不了的事情，AI对算力以及周边性能要求更高，要想有真正的AI体验，就得堆硬件堆算力，价格必然会上涨。当然，说句玩笑话，AI算是给存储‘平了账’，最后可能有的手机厂商打着AI的幌子，只是为了涨价。”

需要指出的是，不仅仅是硬件成本的上涨，未来云侧的订阅付费，也是用户的一笔新账单。手机空间毕竟有限，若要实现更深层次的计算以及处理，大概率要端云结合。前期手机厂商或许会给补贴限额使用，但后期更高阶的能力必然要付费。

换句话说，虽然你花更高的价钱买到了AI手机，但要获得100%的AI体验，必须还要为高智商再付一次费。“当然也有一种方式，那就是你能忍受得了突然蹦出的各种‘牛皮癣’广告，否则手机厂商绝对不会自己抗下这些算力成本。”

就目前来看，这是摆在消费者和手机品牌面前的共同考题，如何在这中间找到平衡点，还需要不断的探索。对于用户来说，他们并不是不愿意为了更好的体验而付费，更在意的是不想被迫付费升级。

至于手机厂商，AI手机绝不应只是停留在名称上的新标签和新概念，以技术升级为借口去提高“斩杀线”，而是真正能够重新定义人与设备之间的关系。（文 | 志读科技，作者 | 杜志强，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

飞速狂奔了10余年，如今的茶饮行业正在面临愈发焦灼的竞争。

《2025-2026年中国新式茶饮行业发展现状与消费趋势调查分析报告》数据显示，联名泛滥（61.1%）和配方雷同（46.5%）成为了中国消费者认为新式茶饮行业存在的主要问题。

这其中，产品模式的趋同，也许是导致新茶饮行业走向同质化内卷的根源问题。原料高度相似、口味没有根本区别、产品结构也仍然局限在相似模板里，愈发趋同的市场环境，正在不断消耗着市场对于新茶饮的喜爱和热情。

头部品牌仍在增长，将存量市场中不多的增量收入囊中；而中小品牌则面临着不同程度的下滑，想要在存量市场中突围，需要付出更多的努力。当开店速度、规模扩张逐渐进入相对成熟的阶段，产品力重新成为品牌拉开差距的关键。

这或许也解释了“茶特调”这一创新品类之所以能够快速俘获消费者的关键原因。2025年8月，喜茶开创了这个全新品类“茶特调”，这种茶香更突出、层次更丰富的产品受到消费者的认可。过去一年，不少茶饮品牌也快速跟进这一产品方向，使茶特调成为了行业的新趋势。

从曾经跑马圈地的草莽式发展，到如今深入生产源头，茶特调这种以茶为主角的全新产品形态，正在反向促进着行业的供应链升级，也将新茶饮的竞争推向了产业链更深处。

茶特调，让“茶怎么喝”有了新可能

喜茶推出“雪毫茉王芭乐”（左二），以此开创了茶特调新品类

茶特调带来的第一个变化，是产品与茶叶原料之间的关系变了。

过去许多果茶、奶茶中，茶底更多承担支撑、融合的作用。研发可以先确定水果、牛乳和其他原料的组合，再从市场中寻找一款相对适配的茶。而茶特调则需要从茶本身出发。茶香要足够清晰，滋味不能轻易被其他原料覆盖，还要能够与水果、牛乳等形成不同的层次。

这也提供了一种介于传统饮茶和果茶、奶茶之间的新选择：既保留新茶饮清爽、丰富、易饮用的特点，又让不同茶叶本身的香气和滋味开始变得可以感知和区分。它回应的，是消费者既追求清爽饮用体验，又不愿牺牲风味丰富度的需求。

奇兰乌龙采用了半发酵乌龙，茶感不沉也不薄，依然保存着花香且有缓缓回甘；芭乐雪毫茉王把重心彻底还给了茶叶，其中的花香也并非浮于表面，而是沁入茶汤；轻酵黄皮康普茶的前调是清新兰花香，中调是酸甜果香，尾调则是微涩的黄皮味道……

因此，对于茶特调来说，核心让茶在整杯产品里形成足够清晰的辨识度，茶香突出、滋味也很重要，喝到嘴里面以后，需要呈现出前中后调的层次感。

过去一年，喜茶已经陆续在全球门店推出超过30款茶特调。从「奇兰苹果杏」「杨桃三重甘」，到将菌香融入茶饮的「牛肝菌碎银子」，再到引入低GI原料的「金韵酸木瓜枇杷」，逐渐形成一个可以持续研发、持续上新的产品系列。产品使用的原料、茶类与风味组合仍在不断扩展，这也意味着产品研发需要不断寻找新的茶叶表达方式。

而当茶香开始决定一杯产品的辨识度，变化也不只发生在配方里。一杯茶特调首先需要回答的问题变成了：什么样的茶，才能在一杯复杂的饮品里依然被清楚喝出来？

这个问题最终将新茶饮行业的产品竞争，一步步推向了更上游。

超过30款茶特调，是如何从上游“长”出来的

与新茶饮高频上新的节奏不同，中国茶经过长期发展，品种、产区和加工方式已经形成相对成熟的体系。过去对于茶饮品牌来说，茶叶更多是一种成熟供应链中的采购品：需要一款茉莉花茶，可以在已有市场中比较不同供应商，再做选择。

但随着新茶饮规模扩大，这种关系正在发生变化。中国茶叶流通协会最新总结称，现制茶饮全行业年消耗原叶茶约28万吨，已成为国内茶叶消费增长的重要引擎。2025年浙江新茶饮原料茶产量就达到4.3万吨，同比增长28%，并带动传统茶原料需求量持续增长。

当规模化采购不再是唯一难题，产品竞争进一步向上游找寻差异化。

当产品需要的是一种更突出、更有辨识度、甚至现成市场中并不存在的风味时，问题就不再是从市面上诸多茶里选哪一款，而是去哪里找到新的可能。

为了满足茶特调对茶叶原料更高的要求，负责喜茶供应链茶叶原料采购工作的老秦和团队也逐渐变成了东奔西跑的“寻宝人”，甚至需要更深入上游成为“开发者”。2024年，随着喜茶进一步强调差异化产品策略，其团队的部门名称也从曾经的采购部变成了“开发实现部”。

事实上，这种工作方式并不是从茶特调出现之后才开始，喜茶对于茶叶和茶底的自主研发其实要追溯到更早。

自2012年起，将真茶引入行业，喜茶定制研发出了金凤、绿妍、嫣红、四季春等首批应用于新茶饮产品的定制茶叶，如今已是其特有的经典茶底。同时，陆续引入白芽奇兰、鸭屎香单丛等超60款传统名优茶，并在不断升级茶叶配方、自研全新茶底。

由于供应链上的深厚积累，喜茶多年来已逐步从过去由供应商提供配方，走向茶底配方的自主研发，再到对茶叶上游种植和品质的把控，并将供应链进一步向产区和原料端延伸。

2023年，为了升级绿妍这一长期使用的经典茶底，老秦和团队对9个省份、十多个城市的茶叶原料进行了调研筛选，将相关原料的价格、种植规模、供应量和工艺逐一摸排，并走访不同产区和厂家、收集单料样品进行测试。最终，绿妍配方中的5个单料来自3个省份。

“产区如果不亲自去，就不会有发现，很多茶叶资源就是这样跑出来的。”在老秦看来，茶特调的茶叶资源从来不是临时抱佛脚，不是要做某个产品了才去现找，而是靠常年出差、一趟趟跑产区积累下来的。去年6月，他们还连续出差近一个月，从重庆多个乡镇，到四川乐山、雅安、成都，再到杭州、丽水等地区进行实地调研。

目前，喜茶的茶底原料已覆盖云南普洱、广西横州、福建南平武夷山区、广东潮州、四川乐山等13个产区，其中也包括一些过去较少被新茶饮规模化应用的小众茶种和区域资源。

超过30款茶特调产品背后，实际上对应的是不断扩大的茶叶资源和风味储备。而这些还不能支撑“茶特调”的产品差异，喜茶选择继续向上走一步。

找到一款茶之后，真正的“开发”才刚刚开始

找到好茶叶仅仅是第一步，距离打磨出一款有差异性风味的茶底，还有距离。

传统茶叶经过长期发展，往往已经形成围绕品种、产区和经典工艺的评价体系，但进入新茶饮场景之后，又多了一套新的要求。一款茶不仅要单独喝起来好，还要能够在更短时间内释放风味，与水果、牛乳等原料复配后仍有辨识度，并在不同批次和规模化生产中保持稳定。

这正在成为整个行业面对的新命题。2026年中国茶叶流通协会组织的新茶饮茶基底选品中，“香气、滋味、浓度、协调性、复配适应性”已经成为原料审评的重要维度。传统意义上的“好茶”，正在被重新转译为适合新茶饮应用的“好茶底”。

对于茶特调而言，“开发”不只是找到一款风味不错的茶样，还要经过工艺调整，让它有更差异化的风味，并在不同产季、不同批次和更大供应规模下，仍然保持相对稳定的表现。更重要的是，行业密集跟进下，产品配方同质化出现，拉开差距的核心还是“茶”。

花香奇兰茶底的开发便是一个茶叶风味差异化的创新样本。在产品研发团队设计茶特调新品时，反复测试众多茶叶品种，发现传统闽南清香型乌龙代表白芽奇兰的风味适合产品研发方向。风味方向确定了，但是茶叶的香气和风味要更有差异化，而这些是市面上已有的茶叶原料无法满足的。喜茶选择了走向上游，自主对原料进行开发。

图为喜茶定制的白芽奇兰茶底

作为相对小众的茶品种，白芽奇兰主要产于闽南。而通过产区调研发现，闽北也有少量的白芽奇兰种植，当地人会用传统浓香型乌龙茶对其进行加工。跳出传统工艺路径，原料开发上老秦和团队采用了跨产区的工艺融合，反复实验最终让白芽奇兰本身的品种清香与闽北焙火香之间找到了平衡，成为年度断货王奇兰苹果杏的定制茶底。

找到新的工艺方向，还不意味着它已经能够稳定落地。为了让实验阶段的风味真正转化为可执行的生产标准，很多项目中，还需要有专人在工厂连续驻留一两周，从白天到凌晨与合作方反复磨合。

除了同个品种茶叶跨产区的工艺融合，跨品种的工艺借鉴也带来了茶的新灵感。例如，茶特调定制茶底梅里香用梅占和金牡丹两种红茶拼配，在传统红茶萎凋、揉捻、解块、发酵和干燥等工艺中，创新引入乌龙茶特有的摇青工艺，通过打破品类边界的新思路，让梅果香气得到更充分的表达。

这种从上游产地到产品研发的“全定制”操作方式也同样适用于对茉莉花茶的迭代升级。

为了满足茶特调对于更突出、更纯净、更有层次的茉莉花香需求，喜茶在经典茉莉花茶底绿妍的窨制工艺基础上，进一步开发了雪毫茉王茶底——升级为远超行业规格的九窨，采用50%芽头，一斤茶使用超过5500朵茉莉鲜花，让花香更充分地进入茶汤。

而这种对于原材料的打磨，也并不以产品上市为终点。

雪毫茉王芭乐最初在茶坊使用相关茶底时，反馈很好，推向全国普通门店后，团队收到部分消费者对于涩感的反馈，因此很快启动了茶底调整。调整后的版本在普通门店获得了消费者认可，但茶坊团队测试后则认为原有方案更适合茶坊消费者。最终保留了两个仅有略微差异的版本，并分别进行物料管理和配送。

“在喜茶，没有风味差的选项”。

正如老秦所说的过程，即使为了微小的调整而不得不进行从供应链到配送的多方协调，喜茶也不会在工艺或者品质上做让步。

目前已经围绕茶特调形成包括雪毫茉王、花香奇兰、碎银子、栀子毛峰、岩瑞香等在内的11款定制茶底。找到好茶只是开始，如何通过跨品类、跨产区的“工艺融合”把传统茶转换成适合新茶饮应用的原料并进行配方、工艺升级，才是茶风味差异化的由来，也是茶特调这一品类竞争的核心壁垒。

茶特调走向上游，供应链的关系也变了

当新茶饮成为原叶茶越来越重要的规模化消费场景，品牌与传统茶产业之间的关系也正在改变。

过去，茶产业在国内发展成熟，按照传统市场要求生产制作大众化的茶叶产品，市场上往往有更多供应商可供选择，品牌按照品质、价格和市场行情进行采购；现在，随着产品越来越强调差异化，现有的茶叶已无法满足需求，部分产区已经开始反过来围绕新茶饮研发专用原料和配方。

而以茶为主角的全新产品形态，需要的不仅是全新的产品开发思路，更需要品牌具备深入源头产业链的能力，构建起一整套围绕茶叶的全新供应链能力。这也意味着，品牌与供应商之间的规则开始变化。

尤其茶叶是有明确产季的农业原料，需要在新的茶产季到来之前就提前判断需求、规划产地和产能，并通过提前锁量、与上游确定更长期的合作，保障原料和加工工艺的稳定。今年4月，当市场对白芽奇兰的采购“明显升温”时，喜茶此前已经根据产品需求与合作方提前锁定相应供应量，因此茶叶原料仍能保持相对稳定的供应。

但比提前锁量更深的一层变化，是品牌与供应商之间的关系本身也在改变。当对茶叶有更高、更差异化的需求，需要品牌与上游建立比传统采购更深的关系，而这也会成为新茶饮品牌建立竞争壁垒的基础。

“以前只是做甲方，随着市场行情而动，现在则是需要上下游紧密合作”，老秦介绍，现在团队会花更多时间筛选合作厂商，也会更深入地了解对方的种植、加工工艺、工厂情况和产能，确保其能符合企业在品质管控、开发创新上的需求。

在稳定的合作预期之下，喜茶还与茶厂合作投产了三台价值数十万的设备，大幅提升了茶叶原料的整体生产效率。

这种“共建”合作还在进一步向产业源头茶园延伸。

喜茶在云南普洱落地产业助农公益项目

2025年11月起，喜茶联合中国乡村发展基金会开展的「灵感采摘者——新茶饮上游农人关爱计划」，在云南普洱市思茅区推进“11亩核心示范基地+100亩连片辐射区”建设。目前，机械设备更新、道路硬化、操作培训、茶园修整等改造已落地。机械化采摘预计将助力茶农提升生产效率40%，缓解采茶季“用工荒”。

从深入产区寻找独特风味，到参与加工工艺调整，再到推动设备和基础设施升级，喜茶与上游的合作范围，正在从“如何完成一批订单”，延伸到如何通过对上游全链路的把控和参与，来更好地实现产品原料品质把控和研发升级。

某种程度上，喜茶所说的“以灵感想象茶”，变成了一套从消费端反向深入产业链的开发机制，消费者需要怎样的风味，研发据此提出产品结构和设计方案，供应链再向上游寻找原料、调整工艺、规划产能，并需要在上游有更深的积累，紧密的合作以及创新，这些都最终构成了其能不断开创差异化品类的能力。

而从更长的时间周期来看，这些投入也将转化为产业链中可以的“公共能力”，推动新茶饮从产品创新走向产业升级。

茶特调的成功并不只发生在门店和消费者口中。它同样发生在产区、工厂和供应链内部。品牌从采购现成答案，转向与上游共同创造答案，再将这种长期“系统能力”不断转化为新的产品。

这或许才是茶特调推出一年后，喜茶仍然能够持续定义这一品类的原因。（本文首发于钛媒体APP，作者｜谢璇）

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

过去几年，人们习惯用单颗GPU的算力指标来衡量AI基础设施的先进程度。但在2026年，算力竞赛的底层逻辑已经被改写。当大模型训练集群从千卡迈向万卡甚至十万卡，真正的瓶颈早已不是芯片算力，而是网络。就像一条高速公路，车道修得再宽，如果收费站堵死了，车还是跑不起来。AI集群正在遭遇的，正是这样一场拥堵。

GPU在等数据

先看一组数据。是德科技网络与数据中心副总裁Joachim Peerlings在Keysight World大会上展示了一组令人深思的数字：在计算机视觉模型训练中，GPU有超过60%的时间花费在数据移动和通信上，真正用于计算的时间仅占20%左右。换句话说，一块昂贵的GPU，大部分时间不是在“算”，而是在“等”，等数据从隔壁的GPU传过来。

这还不是最糟糕的。在资源最密集的大语言模型训练任务中，因网络问题导致的训练失败率高达21%。每五次训练就有一次因为网络问题而中断，而一次中断可能意味着数小时甚至数天的计算成果付诸东流。

中科曙光高级副总裁李斌算过一笔账：传统CPU计算节点，一台机器配一张网卡就够了；但如今以GPU为中心的计算节点，一台机器需要配置八张甚至更多网卡。“相比原来的数据中心高速网络用量，基本提升了10到20倍。”

更棘手的问题在于，上万张卡需要在同一时间高度协同工作，任何一个节点的网络抖动、拥塞或丢包，都可能导致成百上千张卡进入等待状态。

今天的AI大模型训练集群，单端口流量已经逼近400G。但传统网络的负载均衡算法依然停留在“逐流ECMP”的时代，这种模式将每一条数据流通过哈希算法分配到某一条链路上。问题是，AI训练的流量模式需要成千上万个GPU同时发起通信，流量像潮水一样涌来，哈希算法根本来不及反应。结果就是部分端口满载，部分端口闲置的资源错配。

相比传统ECMP方案，新的端到端负载均衡方法可将网络带宽利用率提升最高38%，模型训练任务时长缩短超过3%。38%的带宽提升和3%的训练加速，听起来不算惊人，但在十万卡集群里，3%可能意味着节省数百万美元的电力成本和数周的研发周期。

而这些困境的底层原因是因为，芯片算力的增长速度，已经远远超过了数据在芯片之间搬运的速度。这也就造成了网络已成为制约AI集群发展的核心因素。

重新思考AI需要的网络

面对这样的矛盾，一个最本能的反应是堆硬件，堆更高速的光模块，堆更大端口的交换机，堆更粗的铜缆。从400G到800G再到1.6T，接口速率每隔一两年就翻一倍。但这条看似最直接的路，正越走越窄。

对此，是德科技网络应用安全部门技术经理杨益锋表示，当前带宽翻倍的速度，远远追不上模型规模翻倍的速度。一个典型的大语言模型，参数量从千亿级到万亿级只用了不到两年，而光模块从400G迭代到800G再迭代到1.6T，每一次跃进背后都是漫长的产业链协同。更关键的是，带宽翻倍带来的成本、功耗和散热压力是指数级增长的，到了某个临界点之后，每提升1G带宽所付出的代价会让任何财务总监都皱眉头。

与此同时堆硬件也带来了ROI的问题。杨益锋告诉我们，不少企业在落地AI网络时，都踩过同一个坑：为了提带宽买了一批最先进的高速交换机和高性能光模块，兴致勃勃地上架，结果一跑大模型训练，算力利用率远没达标。一位互联网大厂的基础设施负责人曾对我们表示，设备采购花了几个亿，实际跑起来发现，三分之一的算力都损耗在网络等待上，相当于每三台GPU就有一台在空转。

造成这种情况主要是因为：AI网络的性能瓶颈，往往不在设备本身的标称规格上，而在于流量调度机制的精细度。你可以把带宽修到400G、800G，但如果流量调度依然靠“蛮力”，大部分带宽依旧是被浪费的。

也正是在这个背景下，行业开始从堆硬件转向了，如何通过协议、软件等方式，让数据流跑得更顺畅。

传统的TCP/IP网络，是为人与人通信设计的，比如网页请求、邮件发送、文件下载，这些场景中流量随机且不着急，丢几个包大不了重传。

但AI网络完全不同，GPU集群内部通信是“机器与机器”的对话，周期性极强、同步要求极高。在大规模模型训练中，所有GPU必须在一个同步周期内完成全部梯度交换，任何一个慢节点都会拖垮整个集群。这就形成了“木桶效应”，在AI网络里，一个微小的网络抖动，就是那块最短的板。

在此背景下，LLR与CBFC这两个原本并不受关注的技术开始被AIDC运营方关注。

其中，LLR把重传机制下沉到链路层，让交换机自己发现丢包、自己重传，不等上层发号施令，把恢复时间从毫秒压到微秒级，解决了传统IDC网络中，因一个数据包丢失引发的重传延迟。

CBFC则可以理解为是一个“网络红绿灯”系统。发送端在发数据之前，先确认接收端有足够的缓存空间再发，避免数据发过去了对方装不下、只能丢弃。听起来很基础，但在大规模AI集群里，成百上千个发送端同时向一个接收端汇聚流量时，这套红绿灯系统的协调精度直接决定了网络的通畅程度。

今年3月，是德科技与Broadcom在OFC 2026上完成了业界首个基于超以太网联盟规范、在800GE线速下实现LLR和CBFC的公开互操作性演示。这标志着这两项技术正式从实验室协议走向了真实的互联互通。

但从协议到大规模现网部署，还有很多路要走。不同厂商的设备、不同的网络拓扑、不同的工作负载，都需要精细化的参数调优才能让LLR和CBFC真正发挥威力。协议写好了，标准通过了，但到了真实的生产环境，每一个参数设置都可能影响网络性能的成败。

更关键的是，调参的前提是得先知道网络到底哪里出了问题。而这则引出了AI网络验证这个最容易被忽视的命题。

测通非真通

网络环境搭建好了，如何确认它真的能跑顺了？很多企业在服务器买回来了，交换机上架了，线也插好了，标准测试跑了一遍，显示带宽达标、延迟正常，一切看起来完美。但一跑大模型训练，问题就来了：要么频繁掉线，要么速度上不去，要么莫名其妙地卡住。

对此，杨益锋表示，这个问题主要出在了验证环节。他从Scale-Up、Scale-Out和Scale-Across三个维度，分享了是德科技对AI网络验证的些许看法。

杨益锋认为，这三个环节中，最容易被企业忽视的就是Scale-Up环节，“Scale-Up发生在机柜内部，距离短、看起来技术含量不高，很多企业采购完服务器，插上线就认为Scale-Up网络已经Ready了，”杨益锋进一步指出，“但恰恰是这些短距离的连接，承载着最密集、最频繁的数据交换。GPU之间每一次参数同步、每一次梯度聚合，都要通过Scale-Up网络完成。一旦这里出了问题，整个集群的性能都会打折扣。”更麻烦的是，Scale-Up涉及的技术正在快速迭代，LLR和CBFC的关键应用场景就在这个维度。

与此同时，Scale-Out和Scale-Across方面企业依旧面临着不少的挑战。Scale-Out涉及大量交换机之间的互联，拓扑复杂、路径繁多，传统验证方式，验证不了真实负载下的性能；Scale-Across则面对长距离传输的延迟和可靠性问题，在跨数据中心协同训练的场景下，光速本身都成了限制因素。

是德科技的一项调查显示，95%的运营商认为真实工作负载测试对AI网络验证至关重要。但现实是，很多企业在部署AI网络时，依然在用传统数据中心的测试方法，比如跑几个标准benchmark，测一下带宽和延迟，就认为没问题了。等到真正跑大模型训练时，才发现问题层出不穷。

这是因为传统数据中心的网络，承载的是可预测的流量，比如网页浏览、视频播放、文件下载等流量模式相对稳定。但AI网络的流量模式突发性强、东西向流量巨大、对丢包和延迟极度敏感。在AI训练中，哪怕一个数据包的丢失，都可能引发连锁反应，最终导致整轮训练失败。杨益锋坦言，未来五年AI集群的东西向流量将增长10倍或更多，等GPU到位再测试网络的旧模式根本无法扩展。企业如果不能及早建立系统级的网络验证能力，堆再多的硬件也只是摆设。

值得注意的是，这种现象在推理场景中尤为明显。过去的大模型推理，用户提交一个任务，系统批量处理，等个十几秒甚至几十秒出结果，大家都能接受。但现在，AI正在嵌入对话系统、实时翻译、自动驾驶、金融高频交易等场景都要求AI做出毫秒级响应。

在推理场景中，有两个关键时延指标：首Token时延（用户发出请求到收到第一个输出Token的时间）和Token间时延（后续Token之间的间隔）。“首Token时延决定了用户有没有反应的感知，而Token间时延决定了整个交互过程的流畅度。如果Token间时延不稳定，对话就不会流畅，用户体验瞬间崩塌。”杨益锋指出。

这也就意味着网络不仅要快，还要稳。传统网络可以容忍偶尔的抖动（视频卡一下，文件下载慢几秒，不会太影响体验）。但在实时推理场景下，每一次抖动都会直接转化为用户感知到的“卡顿”。而网络验证的目标，也从能不能跑到标称速率，变成了在最恶劣的流量冲击下，时延和抖动能不能稳定在承诺范围内。

当十万卡集群成为标配，实时推理渗透进每一个日常应用，网络就不再只是传输流量的管道，而是决定AI算力能否真正释放的“命门”。网络也不再只是简单的堆硬件，只有搭建起真正可靠的系统，才能让网络不再是卡住AI发展的阻碍。

（文｜Leo张ToB杂谈，作者｜张申宇，编辑丨杨林）

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

NextFin News — On August 17, Zhou Bingshu, chief executive of Lingxi Interactive Entertainment, sent a letter to employees confirming that Alibaba Group had reached an agreement to sell its stake in the gaming company. Trustar Capital, the private-equity arm of CITIC Capital, will become the new shareholder. Management, Zhou wrote, will remain in place and continue to operate the business.

The transaction has not been formally valued by either party. Multiple reports, including accounts that cited people familiar with the talks, place the price at more than $1.5 billion. Earlier this year Alibaba was said to have approached several potential buyers, among them listed Chinese game publishers, before Trustar emerged as the successful bidder.

Lingxi traces its roots to Alibaba’s 2014 acquisition of the mobile-game platform UC Nine Games. Over the following years the business was reorganized, expanded through further acquisitions, and eventually rebranded. Its commercial breakthrough came with *Three Kingdoms: Strategy Edition*, a long-running strategy title that became a steady cash generator and elevated the unit into a more independent position inside the group. Subsequent releases expanded the portfolio into related strategy games and other genres, though none matched the original title’s sustained contribution.

For Alibaba the sale fits a clearer strategic pattern. The company has been concentrating capital and management attention on artificial intelligence, cloud infrastructure and its core commerce platforms. Gaming, while profitable in places, sits at a greater distance from those priorities. In an environment where large-scale AI development requires continuous and substantial funding, non-core assets that can be monetized become candidates for divestiture. Similar decisions have appeared elsewhere in the Chinese technology sector this year, as other groups also trade peripheral businesses for greater focus and liquidity.

From the buyer’s perspective the asset is attractive precisely because it already generates cash. Trustar Capital specializes in control-oriented private-equity investments and manages more than $10 billion across its funds. Acquiring a studio with an established hit and an experienced management team offers a platform that can be operated independently of a large technology conglomerate’s shifting internal priorities.

The risks for Lingxi remain familiar to the industry. Heavy reliance on a single long-lived title is common in mobile gaming, yet it also concentrates commercial exposure. Creating a second franchise of comparable durability is difficult and expensive. Under private ownership the company will still need to balance the maintenance of its existing cash engines with the search for new ones, without the implicit support or constraints of a parent whose main agenda lies elsewhere.

The broader market context is one of selective pruning. Large internet platforms that once expanded into multiple entertainment verticals are now sorting those businesses according to strategic proximity and capital intensity. Gaming units that can stand alone as cash-flow businesses find private-equity or specialist buyers. Those that cannot face harder choices. Alibaba’s decision to sell Lingxi does not signal a retreat from all consumer entertainment; it signals a ranking of priorities in which AI and related infrastructure currently rank higher.

Whether the transaction ultimately proves successful will depend on execution after the close: the stability of the existing portfolio, the ability to fund new development, and the commercial terms under which Trustar eventually exits. For the moment the deal simply removes one more non-core asset from Alibaba’s balance sheet and places a proven, if concentrated, gaming business under dedicated private ownership.

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

文 | 财经无忌，作者 | 陶魏斌

就在最近，奶茶品牌古茗在南京开出首店，商场开门两分钟排起长队。本地媒体津津乐道，记录了排队的盛况。 

前几年，茶颜悦色来到南京，同样也在今天这个商场，同样的排队盛况。 

我猜，几年过去了，凌晨赶过来排队的还是同样这一批人。 

但如果你以为这只是年轻人"闲得慌"，或者品牌"会营销"，你可能低估了这件事的复杂程度。 

稀缺性制造、社交货币、流量闭环——这是品牌方的三板斧。 

城市限定、首店专属、IP联名，人为制造"错过就没了"的紧迫感；晒一杯限定款的社交价值，往往比喝到它更重要；种草、排队、晒单、再来人排队，这套循环一旦跑起来，排队就成了自我实现的预言——当然，行业里"雇人排队造气氛"早已不是秘密。 

但这只解释了"排队是怎么被设计出来的"，没有解释"为什么有人愿意配合这场设计"。 

1995年，布热津斯基提出"奶头乐"——给被全球化边缘化的人群一个"奶嘴"，用低成本娱乐消耗精力，消解质疑结构不公的动力。

把奶茶排队直接等同于"奶头乐"是粗暴的。年轻人排队，有真实的社交需求、情绪价值和仪式感渴望，这些都不假。 

但当买房、买车、阶层跃升这些目标越来越遥远，"对自己好一点"的标准悄然降级到一杯饮品时，事情开始变得微妙。 

研究者把这种消费称为"情价比"——不只算性价比，更算情感回报率。二十元左右，换一杯握在手里的季节仪式感，一次低成本的心理按摩。 

"秋天的第一杯奶茶"从2020年的一张转账截图，演变成固定年度仪式，第六年仍在升温。它把抽象的"季节更替"具象成一杯确定的甜，给了年轻人一个出门的理由，一个"我还在认真生活"的证明。 

但问题是：当这种快乐成为最容易够得着的选择时，它是丰富生活的点缀，还是在填补某种更大的空洞？

排队三小时拿到的那杯奶茶，喝下去的不只是奶和茶，还有一种微妙的幻觉——"至少这件事，是我能掌控的。" 

大多数人只是在疲惫日常里，给自己一个小小的犒赏。这无可厚非。值得追问的是另一个问题：为什么"够得着的快乐"只剩下了这一杯奶茶？ 

当大件消费越来越远，当线下社交场景持续收缩，当"努力就能改变命运"的叙事越来越缺乏说服力——品牌精准地捕捉到了这种集体情绪，用稀缺性、仪式感和流量闭环把它放大、变现。 

消费者和商家之间，没有谁是恶人。但"没有恶人"不等于"没有问题"。 

布热津斯基的忧虑是：廉价满足会让人失去质疑的动力。而此刻更真实的困境或许是——不是年轻人不想追求更大的目标，而是通道的收窄让"大目标"本身变得像另一个遥远的排队队伍：你看得见队尾，却猜不到还要等多久。 

判断一种满足是点缀还是替代，有一个简单的标尺：如果拿走这件东西，你的生活中有没有更值得奔赴的事在等着你。如果有，它是生活的甜味剂；如果没有，它可能就是生活的全部甜味。 

奶茶本身没有错，排队也没有错。但当一杯20块钱的饮品被赋予"唯一够得着的仪式感"时，真正需要被审视的不是那杯奶茶，而是那个只能提供这种满足感的结构。

星辰没有沉入胸中，也没有装进塑料杯。它们只是被排到了另一个更长的队伍里——而队伍前方，连小程序都不显示预计等待时间。

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

文 | 医线Insight，作者 | 卫琳聪

在一片火热的当下，AI医疗真的赚钱了吗？

近期，美股AI医疗龙头Tempus AI（NASDAQ：TEM）发布2026年Q2最新财报，宣告首次实现季度盈利。

这迅速引起舆论一片欢呼，不少声音将Tempus AI跨过盈亏平衡点视为AI医疗跑通商业模式的重要标志。

舆论对Tempus AI的看中一定程度上来自这家公司在资本市场受到的追捧。

自2024年6月上市以来，Tempus AI股价最高摸到104.32 美元，目前市值逼近百亿美元，市销率超过6倍。

华尔街知名投资人“木头姐”一直重仓Tempus AI，而“中国巴菲特”段永平的短暂买入更让Tempus AI在国内扬名。

Tempus AI的行业地位也不容小觑。

该公司是美国最大的癌症及其他疾病患者基因测序机构之一，全球最大的20家上市药企中19家都是它的客户。

作为名字中带着AI的医疗技术公司，Tempus AI宣称自己“专注于将人工智能和机器学习引入医疗保健领域”。

在AI浪潮席卷医疗界的当下，这样一家公司的首次盈利成绩单更值得我们拨开繁杂数字和资本喧嚣认真审视。

AI到底为医疗带来了什么？真的赚钱了吗？

01 事实真相：扭亏靠“其他收入”

单纯从净利润上看，Tempus AI确实在2026年第二季度扭亏为盈。

2026年Q2财报显示，Tempus AI实现营收3.8亿美元，同比增长22%。

净利润创下564.2万美元，相比于2025年同期亏损4284.3万美元，说是首次季度盈利并不为过。

数据来源：Tempus AI 2026年Q2财报

但若据此判断Tempus AI已跨过盈亏平衡线，甚至将其作为跑通医疗AI商业模式的标志则言过其实。

仔细看财报会发现，Tempus AI在2026年Q2的经营利润实际是亏损的，7591.3万美元的亏损额相比去年同期甚至还扩大了22.89%。

这意味着Tempus AI的主营业务并未真正开始造血，亏损仍在持续。

把时间拉长到半年期来看，这种实际业务上的亏损更为明显。

最新财报显示，Tempus AI在2026年上半年经营亏损1.6亿美元，比去年同期多亏了0.3亿美元。

如果进一步拆解其成本结构，会发现导致经营亏损扩大的重要推手是其高昂的内部费用。

财报显示，2026年Q2，Tempus AI的销售、一般及行政费用为2.26亿美元，占当季总营收的近60%。

与此同时，公司当季整体的“股权激励费用”总额高达5412万美元（其中计入销售、一般及行政费用的就有3559万美元），总额较去年同期的2245万美元翻了一倍多。

主业造血能力不足的同时，依然靠着大把派发股票维持庞大开销，其实际的盈利能力依然孱弱。

数据来源：Tempus AI 2026年Q2财报

那2026年Q2的扭亏为盈是怎么实现的呢？

答案是靠利息收入和其他收入。

财报披露，2026年Q2Tempus AI有389.7万美元利息收入、约1.03亿美元其他收入进账。

正是靠着这两笔巨额非经营性收益，在填平了近7600万美元的经营亏损，并抵消了上千万美元的利息支出及债务清偿损失后，才勉强转正为五百多万美元的净利润。

也就是说，这约1.03亿美元的其他收入才是Tempus AI实现首次季度盈利的真正原因。

这笔收入名义上包括外币汇兑收益、知识产权许可费以及持有有价证券的收益。

02 追问：“盈利”的成色依然充满水分

但不管怎样，Tempus AI终究盈利了。

但深挖财报会发现，这次“盈利”的成色充满水分。

数据显示，在Q2这约1.03亿美元的其他收入中，有多达9847万美元来自所持股票的“未实现收益”，占比接近96%。

这意味着，硬生生将Tempus AI拉过盈亏平衡线的资金，绝大多数并非落袋为安的真金白银，而纯粹是资本市场股价波动带来的“纸面富贵”。

作为对比，在仅仅三个月前的2026年Q1，Tempus AI曾因相同股票持仓的下跌录得超3200万美元的未实现亏损。

这种“看天吃饭”的过山车式收益，显然无法证明其商业模式的可持续性。

更需要注意的是其持有的标的。

财报显示，Tempus AI持有的股票主要是Recursion（NASDAQ：RXRX）和Personalis（NASDAQ：PSNL）。

根据Q2财报“期后事项”一栏，Tempus AI刚在今年7月20日宣布拟以15亿美元的总企业价值收购Personalis的剩余股份。

靠着“准被收购方”股价上涨带来的账面溢价来填平自身当季的巨额亏损，这与其说是AI商业化的胜利，不如说是一场精准的资本运作游戏。

知识产权则是授权给了SB Tempus公司。

这是Tempus AI的关联企业，2024年由Tempus AI和日本软银合资成立，旨在将Tempus AI的精准医疗和AI技术引入日本市场。

看明白了这次Tempus AI季度盈利的真相，那它实际的业务经营情况如何？

从财报来看，Tempus AI的营收主要是靠诊断业务和数据与应用业务。

其中，诊断业务也就是做基因测序，其绝大部分收入来自面向医生和患者的临床端订单（费用主要由联邦医疗保险及商业保险支付），少部分面向研究机构、制药公司或其他第三方等B端客户。

数据与应用业务则是向制药和生物技术公司提供数据许可及临床试验服务，也就是卖数据、帮药企招募临床试验患者等。

Tempus AI的业务逻辑很清晰，通过基因测序获得大量医疗数据，再基于这些数据产生数据交易、临床试验等衍生业务。

不过跟国内互联网企业喜欢玩的那套入口引流、再用流量变现赚钱的“羊毛出在狗身上”玩法不同，基因测序不仅是Tempus AI的数据入口，同样也是它的现金奶牛。

财报显示，2026年Q2诊断业务为Tempus AI贡献了约2.9亿美元收入，占比超过四分之三。数据与应用业务收入接近1亿美元，占比不到四分之一。

数据来源：Tempus AI 2026年Q2财报

也就是说，至少在现阶段，Tempus AI本质上依然是一家基因测序公司。

这样一家基因测序公司，它的AI含量在哪里？它所宣称的“要将人工智能和机器学习引入医疗保健领域”引入到了哪里？

03 业务透视：AI的实际增长也不尽如人意

目前来看，Tempus AI的AI业务主要在数据与应用部分。

在这部分业务中，除了卖数据，也包含运用人工智能技术的临床试验匹配和分析服务。

具体体现的是一款名为Next的产品。

Tempus AI介绍，“这是一个人工智能平台，利用机器学习技术在常规生成的数据之上构建‘智能层’，可以主动识别并缩小肿瘤和心脏病患者的护理缺口。”

大概意思是说，这款Next AI产品能像侦探一样，自动从医院每天产生的大量常规数据（比如化验单、病历）里，发现那些被医生遗漏的，或者未来可能出问题的患者，并提醒医生赶紧去处理，从而让肿瘤和心脏病患者能得到更及时、更全面的治疗。

不过这款AI产品为Tempus AI贡献的收入尚且有限。

2026年第二季度Next收入630万美元，上年同期为570万美元；2026年上半年累计收入1200万美元，去年同期为840万美元。

无论是去年还是今年，Next的收入在当期总营收中的占比都不到2%，基本可以忽略不计。

数据来源：Tempus AI 2026年Q2财报

老实说，在一众主攻大模型的AI企业都尚未真正盈利的当下，一家应用AI的医疗技术企业想要靠AI赚钱或许过于奢望。

资本市场为之买单的，更多是一种AI为医疗行业带来改变、创造收益的潜在可能性。

Tempus AI所展现出的可能性是源于基因测序业务积累的大量医疗数据。这些数据可以直接换钱，也可以用来训练模型。

尽管目前数据与应用业务贡献的收入绝对值不如基因测序，但毛利率更高，增速也更快。

2026年Q2，Tempus AI数据与应用业务毛利率超过70%，收入同比增长28%，两项指标均领先诊断业务近10个百分点。

数据来源：Tempus AI 2026年Q2财报

但这块被寄予厚望的高毛利AI业务，其增长的含金量却需要打个大大的问号。

Q2财报披露了一个关键的细节：在当季9315.3万美元的“数据与应用业务”总营收中，有高达2198.4万美元来自“关联方收入”，占比接近四分之一，为23.6%。

如果剔除这部分“内部输血”的营收，其AI数据变现的高增长将大打折扣。

数据来源：Tempus AI 2026年Q2财报

这笔巨额关联交易从何而来？

这引出了财报中Tempus AI与阿斯利康、Pathos达成的一项多模态大模型合作。

Tempus AI向Pathos授权许可一个去标识化多模态数据集，由Pathos基于这一数据集训练模型。

Pathos将在三年内向Tempus AI支付2亿美元数据授权许可费。

而Tempus AI则再向阿斯利康授权使用该模型，阿斯利康将向Tempus AI支付3500万美元费用。

值得注意的是，财报同时披露，作为Pathos负责模型开发的对价，Tempus AI同样需要向Pathos反向支付3500万美元（目前已实际支付2500万美元）。

这意味着阿斯利康支付的这笔钱，在Tempus AI账上实质上更像是转手付给关联方的“过桥资金”。

这家Pathos并不是外人。Tempus AI官网显示，Tempus AI创始人兼CEO Eric Lefkofsky同时也是Pathos的创始人。

这场看似复杂的交易相当于Tempus AI用一家自家实控的关联公司，基于自己的大数据训练模型，再试图让阿斯利康等外部药企来使用和买单。

更令人大跌眼镜的是这笔数亿美元关联交易的结算方式。

财报明确指出，在Pathos需要支付给Tempus AI的数据授权费中，Pathos有权使用其自身的“D轮优先股”支付高达50%的费用。

事实上，在2026年6月，Pathos正是用价值880万美元的自家未上市D轮优先股进行了抵扣结算。

高大上的AI数据卖给了自家的关联公司，账面上确认了千万级别的营收，但换回来的却有相当一部分是流动性极差的未上市初创企业股权，并没有产生真实的现金流。

如果这款模型未来能够真正为阿斯利康等外部大客户带来效益并且让他们持续用真金白银买单，那或许才是基于数据的AI医疗飞轮真正跑起来。

但在当下，这场依靠内部交易与“以股代付”堆砌出来的数字游戏，其实际的商业闭环仍有待验证。

关注Tempus AI更大的意义在于，我们在这家公司身上看到了当下AI医疗的某些共性。

不止Tempus AI，翻开国内一些打着AI旗号的医疗企业财报，宣称盈利背后也不乏靠利息、其他收入扭亏的数字游戏。

而换上AI名字的各项业务细看下来，还夹杂着不小比例的卖药收入。

AI毫无疑问正在带来一场伟大的技术变革，医疗行业自然不会置身事外。

当浪潮激荡，泡沫自然相伴而生，这甚至是大浪袭来的某种标志。只是泡沫终将破灭，大浪淘沙之下，需要相信未来的热情，也需要看清现实的清醒。

AI医疗的故事，道阻且长。

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