隨著2026春節假期結束，中國國產AI“億級俱樂部”也正式宣告上線。根據機構最新統計及各家官方最新披露資料，豆包、元寶、千問、DeepSeek這四款應用的月活躍使用者（MAU）均已穩穩突破一億大關。也就是說，這個春節之後，國產 AI 已經正式走出了實驗室的象牙塔，越過了極客圈層的窄門，成為了真正的國民級應用工具。站在2026農曆新年的節點上回頭來復盤生成式人工智慧這近四年時間，技術的進展多少是有點“時間玄學”的。從ChatGPT在2023年1月之後開始席捲全球，到2024 年從矽谷到中國的“百模大戰”，再到2025 年春節前後DeepSeek轟動全球，可以說幾乎每一年的農曆春節，AI都出現了堪稱爆炸性的變化。2026年春節，也沒有例外。隨著中國一眾國產AI爭相上春晚、發紅包、不斷刷新應用程式商店下載記錄，這也直接意味著，2025年年末一度興起的AI泡沫論可能要暫時告一段落，人工智慧，這一次是真的開始要改變人類世界了。2013年上映科幻電影《Her》中經典場景，元寶AI生成最佳化。01拆掉AI門檻回顧網際網路發展史，任何一項新技術想要實現“全民普惠”，都必須經過春節這個中國社交能量爆發最極致的洗禮。當年的微信支付如此，短影片如此，今天的AI亦然。雖然這一輪AI革命到今年已經三年多時間，但對於絕大多數人來說，AI到底怎麼用、能用來幹嘛？大多數人還是不清晰的。更重要的是，ChatGPT一直都還有付費門檻，這把更多人擋在了門外。因此，AI想要真正成為科技革命，還有關鍵一關要過，那就是下沉。而中國網際網路科技公司最擅長什麼？從歷史經驗來看，答案很明確，那就是拆掉技術落地的門檻。在這一輪AI行銷中，率先掀起紅包浪潮的騰訊元寶，應該是這一輪“AI普惠下沉”浪潮中的典型樣本。在此之前，AI應用的普及率雖然在提升，但主要集中在職場白領與學生群體。今年春節前夕，元寶先是通過“10億紅包”的強力槓桿，利用騰訊獨特的社交生態，將AI推向了更廣泛的普通使用者和下沉民眾。除了發紅包之外，騰訊元寶還開啟了新功能元寶派。在“元寶派”的邏輯裡，AI 變成了群聊裡的“高情商搭子”和“社交潤滑劑”。它可以自動總結群組裡幾百條碎碎念，提煉出有效資訊；也可以在你和朋友陷入沉默時突然“拋梗”調解氛圍。據報導，在元寶裡領紅包的網友，有近一半來自三四線及以下城市。此外，使用者通過元寶累計完成超10億次AI創作，產品團隊在21天內迭代了159個功能。這個量級說明，大量使用者不只是被動領紅包，而是開始養成了AI的使用習慣。阿里旗下的千問，在春節前推動的用AI點奶茶邏輯和元寶是類似的。因為大家都看到了同一件事：春節只是AI應用場景的開篇，當AI真正成為了國民級技術，其競爭維度也就從演算法和智能層面的比拚，下沉到了對人類生活場景滲透率的較量。其實對於普通使用者來說，他們並不關心大模型的參數到底是多少，也不在意技術架構的演進，他們真正在意的是——AI能不能幫我一鍵生成一個有我全家名字的春聯？能不能在我忙的時候一句話幫我點一杯奶茶？能不能在群聊裡幫連電話都害怕接的賽博社恐患者回那些尷尬的親戚問候？這些在日常生活中真實存在的需求，才是AI產品革新的真正動力來源。2026 年春節的這場AI行銷大戰，說到底是一場關於“AI 互動習慣”的大規模心智植入。紅包、奶茶其實都是形式，本質是強化技術的擴散，AI 廠商們成功地讓甚至不曾聽說過“大語言模型”的下沉市場使用者，也能夠熟練地輸入提示詞，甚至通過簡單的語音指令指揮 AI 幫自己完成繁瑣的任務。更直接點說，國產AI這個春節最大的成就，是讓爺爺奶奶輩的那些以往可能連AI是什麼都不知道的使用者，開始用上了AI。02億級俱樂部今年另一個肉眼可見的變化是，AI不止是戰場變了，玩家也變了。如果說上一輪AI“百模大戰”中誕生了曾經被寄予厚望的“AI 四小龍”，那麼到了2026年的今天，行業已經進入了真正的“四強爭霸賽”。豆包、元寶、千問、DeepSeek，這四家擠進“億級俱樂部”的玩家，代表了四種完全不同的底層邏輯和進化路徑。首先來看豆包。無論是短影片使用者原創的情緒互動，還是春節前seedance2.0突破了視訊製作的新可能，它的核心邏輯是明確的，那就是內容消費的延伸，讓 AI 成為短影片生態中的新型創作者和互動者。而2025年春節的黑馬DeepSeek，則是這一輪格局中的“極客之王”。一定程度上，它甚至是“反使用者”的存在。就在過年前，關於DeepSeek最熱門的話題是，這款AI為了性能，和使用者互動時開始變得冷淡了。但從另一面來看，這證明技術本身的“純粹性”依然能夠開闢出一塊巨大的、高粘性的專業版圖。而作為阿里系的代表千問，走的是一條“AI 驅動商業閉環”的道路。從一分錢外賣奶茶到阿里的電商生態聯動，千問正在探索如何讓 AI 直接觸達消費者的錢包。它試圖回答的是：AI 到底能不能幫人買東西、幫商戶賣貨？騰訊元寶所選擇的，看起來簡單，但事實上是AI在落地處理程序中最難的一部分——AI社交。這條路，早在2025年11月OpenAI就試圖嘗試過，但ChatGPT的群聊功能上線後，並沒有帶來太多的水花，畢竟在不菲的付費牆中，它依然是極客圈層的遊戲。而從今年春節元寶的成績來看，元寶很快通過技術普惠，利用圖生圖這一類似表情包的傳播模式，打開了AI社交的更多想像空間。資料顯示，自 2 月 1 日活動上線以來，元寶的 AI 生圖能力日均呼叫量增長了30倍。除夕當天，全網通過元寶 AI 生成的微信紅包封面、拜年金色朋友圈海報成為了社交場上的“硬通貨”。這種“零門檻”的創作體驗，讓新使用者與元寶的平均每天互動問答超過了8輪。使用者通過“創作”欄完成的AI任務累計超過 10 億次。其實，從元寶到整個國產AI億級俱樂部的對比背後，也暗藏的也是國產AI與美國AI的路徑選擇分化。ChatGPT和Gemini更多聚焦於模型智能的絕對峰值，追求的是“上帝視角”下的通用解決能力，但問題是，他們都有不菲的付費牆門檻。而對比之下，中國 AI 則更多聚焦在“技術擴散”層面，即如何將最前沿的技術以最低的成本、最自然的形式接入到現有的社交、消費和內容體系中。這不僅是市場環境的差異，更是中國網際網路基因中對“應用層創新”的極致追求。也正因為這樣，可以預見的是，2026年將會是“億級俱樂部”四強的主戰場。這一年真正的考驗是，能不能在各自的賽道把產品價值做到極致。當然在億級俱樂部之外，未來也一定會湧現出更多細分、垂直的AI物種。但無論如何，2026 年的春節一定會被視為AI技術發展史上的一個分水嶺：AI從此不再是實驗室裡的程式碼，而是群聊裡、飯桌前那個不可或缺的存在。03物種大爆炸相信很多人都有類似的感受：此刻的我們，彷彿再一次站在了2011年移動網際網路萌動之初的場景之下。那幾年裡，人們還在討論KIK、米聊，用的最多的即時通訊工具，可能還是營運商的簡訊和飛信。沒人能想到，最終是一個名叫“微信”的應用，通過整合社交關係鏈、內容生態和支付體系，徹底重塑了中國人的生活。今天的AI網際網路生態，也非常類似當年微信誕生前後的“物種大爆炸”階段。從矽谷的Openclaw風行到國內的AI社交、點單，如今的AI主打一個“能用”。而且，現在的AI革命已經進入了一個技術革新和模式革新雙重驅動的階段。首先是底層技術邏輯正在發生躍遷。姚順雨加入騰訊後，在一次內部會議中的分享點出了行業未來的關鍵：未來AI to C應用的瓶頸不再是更強的模型，而是 Context（上下文）和場景（Scenarios）。當各家的基礎模型能力都達到一定水位後，技術本身就不再是不可踰越的壁壘，真正的決勝點在於：誰能更精準地捕捉、理解並利用上下文。這或許也是為什麼騰訊將重心放在了“Context Learners（上下文學習者）”這一方向。在群聊這樣高度碎片化、流式資料的社交場景中，AI所面臨的挑戰是極度苛刻的。它不是在回答一個單純的問題，而是在處理一段連續的且充滿了潛台詞以及人際關係的對話流。如果AI不能理解使用者在一個不斷有數百條消息產生的群聊中的細微語境，它就永遠無法成為真正意義的社交夥伴。比如在元寶派，當使用者試圖在一個擁有數百條消息的群聊中讓AI總結重點，或者在一段長達數月的私聊記錄中尋找某個約定的細節時，AI 面臨的挑戰是：它必須在不依賴外部通用知識的前提下，精準地理解這段封閉對話中特有的語境、人際關係和隱含邏輯。這個核心問題正是騰訊AI首席科學家姚順雨領銜的混元團隊正在重點攻克的難關。但相信技術的進化會越來越快。隨著2026 年春節這一波億級使用者的洗禮，AI的資料回饋回路已經閉環。海量的、帶有強烈中國本土社交特徵的資料，正在喂養出更懂中國人的AI模型。另外，模式創新的進化也在同步加速。除了使用者本身圖生圖的工具屬性之外，在元寶公佈的最新AI應用場景中，在元寶派裡，已經可以實現“一起看視訊”“一起聽歌”類似的強社交行為。這也意味著，AI正在超越工具、成為現實人際關係中的一個節點。從目前來看，最符合人性的AI時代的社交，一定不會是讓機器模仿人說話，而是讓機器更好介入人與人的互動。站在這個視角看，對AI取代人類的擔憂目前或許還是為時過早，因為從社交角度來觀察，AI依然是在加深人與人的連結，而非取代人類社交本身。無論如何，2026年一定會是一個關鍵時刻。就像當年移動網際網路生態的成長過程一樣，最初的領先者未必是最終的定局者，在這個物種大爆炸的時代，一切都充滿了不確定性。如果非要在當下找到確定性，那就是——AI 已經徹底改變了數字世界的運行邏輯。從這一年開始，AI網際網路的新世界，已經為我們拉開了帷幕。 (深水研究)

幫打工人做PPT的時間，從幾小時壓縮到1分鐘，步驟簡化到一句話、一個按鍵，AiPPT.com躥紅速度驚人。只用20個月，就做到2000萬使用者，其訪問量跑至國內AI原生PPT工具市場第一、全球第二，最新使用者量已逼近3000萬。“再花十幾個月，幹到全球第一。”2月上旬，像素綻放PixelBloom創始人趙充向《21CBR》記者表示。像素綻放 PixelBloom（AiPPT.com）創始人&CEO趙充採訪當天，其團隊行銷方案Agent“小方同學”開啟公測，野心是替代年薪20萬的策劃經理崗位。趙充是85後，曾就職於新浪、搜狐，有兩段創業經歷：26歲離開大廠，他拉上高中同桌創辦微夢傳媒，10年前新三板掛牌；四年前，創辦像素綻放PixelBloom，孵化AI辦公工具，已完成7輪融資，戰略投資方包括視覺中國、智譜等。“那怕一年只收一萬塊，也是百倍價值的提升。”趙充對新產品有信心。全球辦公軟體市場，高達5000億元，是微軟、金山等巨頭的統治區，一家新公司，如何找到縫隙跑出來？這是一個老道創業者精準卡位的故事。1單點打透AiPPT.com的核心價值，總結起來就是11個字，一句話、一分鐘、一鍵生成PPT。PPT是職場表達的重要載體，匯報工作、論文答辯、展示方案，諸多環節都離不開它，也讓打工人苦PPT久矣。拆解完傳統PPT流程，趙充團隊發現，使用者往往要面對200多個按鈕和一堆功能，可能花4小時排版，只留1小時思考內容，“手動操作，本質上把人當工具用了。”這種典型的“重複性體力勞動”，很適合交給AI搞定。在PPT賽道，微軟PowerPoint作為工具鼻祖壟斷多年，地位難撼。趙充研究了一圈，判斷仍有機會，“微軟只賣全家桶”，這給專注單品的公司，留下一道可通行的窄門。像素綻放要做的，是盤活有限資源，圍繞AI PPT單點打透，“在一釐米寬的地方，砸出100米的深度”。他手裡有早就打磨好的、變形即可用的“鏟子”。幾年前，團隊做了“愛設計”，一款拖拉拽就能作圖的工具，底層能力是一套圖像處理引擎。當初打的技術功底，讓團隊切入AI PPT賽道，較對手快1年多。趙充意識到，PPT受眾和word、excel的人群，未完全重疊，AiPPT.com不必正面硬剛微軟，去搶專業使用者，只要佔住小白和AI工具的位置，全球有15億白領，加上老師、學生群體，這是一個更大的潛力市場。不搞宏大敘事，該產品的打法務實。其初期由不到10人的小團隊作戰，快速試錯、驗證後，再追加資源，同時，團隊火速購置AiPPT.cn和AiPPT.com域名，搶佔品類認知。趙充還為AiPPT.com加入一項大殺器，版權。通過愛設計，團隊攢下大量素材範本，以及供給內容的創作者體系，同時引入視覺中國投資，擔任戰略合作夥伴。視覺中國手握5億版權素材，像素綻放用圖搜的方式，將其嵌入AI生成流程。由此，使用者生成的內容自帶版權授權，視覺中國與像素綻放按流量分成，互惠互利。2新的山頭AI PPT產品的增長速度，超出趙充等人預期。2023年8月上線後，AiPPT.com只用3個月，收入就達到單月100萬元，目前使用者規模接近3000萬，穩居國內AI榜單前十。趙充打造了一個包含硬體、軟體和端側裝置廠商等在內的金字“朋友圈”，擁抱所有大廠生態，產品上線2個月後就開放API，打包輸出給所有合作夥伴。這是個聰明做法。PPT屬於剛需、中低頻場景，在大廠們眼裡，投入產出比低，與像素綻放化結為聯盟，合作更有性價比。核心合作模式有三種，分銷、API開放平台和企業定製化部署。具體來看，硬體領域，牽手聯想，AiPPT.com嵌入其AI智能體小天，PC瀏覽器和應用程式商店及中；軟體領域，合作釘釘，使用者生成匯報大綱後，借助AiPPT.com的能力，自動生成PPT。趙充透露，AiPPT.com在國內的市場滲透率，已經超過10%。在他看來，創業公司要做的，就是不停地尋找無競爭的新市場，吃第一波紅利。怎麼圍繞PPT賽道的“錯位競爭”往下延伸，他的新視線，落在垂類Agent上。“小方同學”，一個行銷方案Agent，復用Ai PPT的技術底座，並加入可信資料來源，專業行銷行業知識庫和工具鏈，直接出策劃、寫方案。該產品仍在公測期，據《21CBR》記者體驗，其採用像素綻放一貫的極簡互動設計。比如，輸入某品牌的推廣方案需求，“小方同學”會理解意圖，拆解、做市場分析，包括競品分析、使用者洞察等，再做傳播執行分析，給出預算規劃，最終交付高可行性的方案，而非簡單的PPT工具。其帶來的價值，是幫像素綻放從AI tool，升級到AI worker。做AI PPT的工具，像素綻放收訂閱費，C端個人使用者年費100元；轉到行銷方案Agent，小方同學對標的是有20年資歷的奧美老江湖。其潛在客戶，包括廣告公司480萬從業者，6萬多家的中大型企業的市場部，以及6000萬想請卻沒錢請CMO崗位的中小企業老闆。像素綻放一下從做小白使用者，跳到打“專業中的專業”人群。趙充的底氣，源於這是他最熟悉的領域。他創立並長期經營的4A數字行銷公司微夢傳媒，聚焦新媒體行銷，幾乎服務所有網際網路大廠，幫其做使用者增長。來源：趙充微博做行銷方案Agent的想法，就來源於微夢一位事業部總經理。Agent團隊拆解頂尖策劃總監的能力後，將其“程式碼化”，微夢十多年沉澱的行業know-how，成為產品最深護城河。趙充向《21CBR》記者提出一個大膽構想，“從策劃總監這一層往下數，策劃經理、策劃執行，未來可能都沒了。”他表示，之前一個100萬元的項目，需要三、四個人的團隊分頭蒐集資料、寫方案，花上三四天，以後可能是“拿到客戶的brief-跟小方同學Agent對話-直出結果”，也不需要設計師了。3孵化一切AiPPT.com項目啟動的第一個500萬元，是趙充自掏腰包投的。某種程度上，他既是創業者，也是投資人；像素綻放是AI原生工作站，也是一個AI應用孵化器。除了AiPPT.com，公司旗下還有十幾款產品。趙充透露，目前有五、六條產品線同時在跑，每條產品線都採用“特種兵作戰”模式，先5-10人小團隊驗證，達到百萬級月收入後再增兵。AI的重構，延伸至辦公場景之外。比如做AI穿搭的“愛搭衣櫥”，使用者拍攝日常穿著，系統自動建一個虛擬衣櫥，根據場景，智能推薦穿搭。該產品收入有望很快達到1億ARR（年經常性收入）。起名神似“字節跳動”的像素綻放，效仿字節App工廠的打法，承載著趙充AI時代做產品的野心，通過孵化和收購，建構一個AI視覺敘事平台。現有的幾個核心單品，都與視覺表達有關。其矩陣已有AI文生圖表工具AiBiao.com，AI資料生圖表產品AiBiao.cn，AI音視訊轉圖文工具Ai好記Aihaoji.com，均掛鉤生產力。其中，“Ai好記”為投資項目。換個角度來看，“AI Office全家桶”，已現雛形。“我們有近3000萬使用者，意味著工作台左側的按鈕介面，開放個口子給新產品，就能讓一個小創業公司盈利。”趙充向《21CBR》表示。接下來，趙充要帶領團隊，走得更快，走得更遠。他很早就意識到“不出海就是死路一條”，已在北美市場開打紅包戰，欲推動AiPPT.com更上一層樓，儘早拿下AI PPT賽道的全球第一。2026年，海外業務將貢獻過半收入，整體收入有望翻倍增長。價格來看，微軟Copilot年費為360美金，全球AI PPT第一Gamma，收費98-216美金一年，AiPPT.com低得多，在印度、巴西收20美金，日本、中東，歐美則是30-60美金。“產品體驗上，超越矽谷同行。”趙充表示，1-2年內，目標實現AiPPT.com的1億美元ARR。趙充今年已到創業第15個年頭。從大廠打工，到公司收入破10億，他走了10年，如今步入“二次創業”階段，最大感受是興奮。“像衝浪一樣，興奮在於，總有新東西不斷湧現出來，而你有機會參與其中，做成以前從未想過的創新。”趙充說。 (21世紀商業評論)

11月27日，索尼半導體解決方案公司宣佈將推出一款1/1.12英吋、約2億像素、並在晶片內部整合AI推理電路的CMOS感測器—— LYTIA 901。這是全球首批將AI圖像復原、電路級演算法處理與成像結構融為一體的移動影像感測器。眾所周知，圖像感測器是攝影攝像中最重要的部件，它負責將光線轉換為電訊號。在圖像感測器領域，索尼是當之無愧的引領者。自上世紀70年代起，索尼便開始研發CCD圖像感測器，即“電子眼”，並在80年代率先將其商業化。此後，索尼在該領域始終保持領先地位。2004年，索尼開始著眼於高畫質（HD）的未來，大力發展高速、低功耗的CMOS圖像感測器。自此，索尼不斷研發融合新技術的高性能CMOS圖像感測器，至今仍引領著圖像感測器領域的發展。那麼，此次索尼的這款AI CIS會不會再次引發影像革命？傳統影像路線已走到盡頭回顧智慧型手機影像的發展，我們會發現，這是一個不斷對抗物理限制的技術演化史。從鏡頭到演算法，再到堆結構，行業試過所有能走的路徑，如今，這條路已經接近盡頭。第一個階段是光學時代（2010–2016），這一時期的影像升級邏輯非常簡單：硬體越強，畫面越好。從800萬像素到1200萬像素，再到更大的光圈、更長的焦距、更厚的模組，幾乎每一代旗艦手機都能在夜景、細節、色彩上帶來直接肉眼可見的差異。但很快行業意識到：手機不是單反，它受體積限制，鏡頭和感測器不可能無限做大。至此，第一條路走到了天花板。接著來到了計算攝影時代（2017–2023），用演算法彌補物理上的限制。從Google Pixel 2 開始，行業出現第一句真正意義上的影像趨勢口號：不是硬體決定畫質，是演算法決定畫質。於是，HDR、夜景模式、多幀融合、語義識別、AI降噪、RAW域處理等等些技術改變了智慧型手機的成像方式，讓手機能夠拍出“看起來比肉眼還清楚”的畫面。這時，影像不再只是感測器採集的結果，而變成了硬體+演算法+晶片算力協同發力。但問題隨之出現：隨著算力需求翻倍增長，多幀堆疊導致拍攝延遲，處理耗電顯著增加，因此就讓演算法繼續變強，但成本也繼續飆升，瓶頸再次出現。然後又來到了結構堆疊時代（2021–2024），多攝系統開始上場。由於單攝難以覆蓋廣角、中焦、長焦需求，各大廠商開始加超廣角、加2x人像鏡頭、加5x/10x潛望式鏡頭、加ToF深感模組輔助演算法。當然這不是為了畫質才需要這麼多攝影機，而是為了繞過物理焦段限制。然而,隨著這一路線持續推進，行業又遇到了三個尖銳現實：1）眾所周知，現在的手機攝影機越來越多，佔據的面積也越來愈大，手機的影像模組已佔整機體積的25–40%；2）隨著攝影機數量的不斷增加，每新增一個鏡頭，演算法工程量不是線性增加，而是幾何級增加；3）HDR疊幀、夜景、超解析度演算法，每一步都需要ISP/NPU參與，這意味著手機發熱更高、續航下降、視訊錄製時長受限，而消費者已經不願意為手機影像犧牲續航和機身厚度。換句話說，性能投入曲線越來越陡，但使用者感知曲線越來越平。通過堆料換體驗，已經無法繼續驅動影像革命。所以問題出現了，如果不能再堆光學硬體，那影像體驗還能怎麼提升？如果說過去十年行業解決的問題是——手機如何拍得更真實？那麼，未來十年要解決的是——裝置如何在成像時就理解真實？而AI進入感測器——就是這條新路線的起點。AI進入感測器，是技術路線的重大拐點索尼 LYTIA 901最大的突破，並不是“2億像素”，而是AI第一次從後端演算法棧，進入前端採集層，這是移動影像架構的部分重構。為了充分發揮約2億有效像素的高解析度優勢，這款新產品採用了四倍四倍拜耳編碼（QQBC）陣列，其中16個（4×4）相鄰像素通過相同顏色的濾鏡進行聚類。在正常拍攝時，這16個聚類像素的訊號作為一個像素單元進行處理，使相機即使在夜間或昏暗的室內拍攝條件下也能保持高感光度。另一方面，在變焦拍攝時，一種稱為重馬賽克的陣列轉換處理會將聚類像素還原為普通的像素陣列，從而實現高解析度成像。索尼指出，將QQBC陣列還原為普通像素陣列的陣列轉換處理（重馬賽克）需要極其複雜的計算過程。針對這款產品，索尼開發了一種基於人工智慧學習的全新QQBC陣列重馬賽克技術，並將處理電路整合到感測器內部，這再次刷新了索尼在業界的紀錄。這項新技術能夠處理通常難以再現的高頻份量訊號，從而更出色地還原精細圖案和文字等細節。此外，將基於人工智慧學習的重馬賽克技術直接整合到感測器中，實現了高速處理，並在4K解析度下以最高4倍變焦拍攝時，能夠以高達30幀/秒的速度進行高品質視訊錄製。一句話總結：過去是拍到什麼就處理什麼，現在是邊拍邊理解、邊復原。要知道，過去傳統演算法能力取決於手機廠商，如小米調色味道、蘋果HDR策略、華為夜景演算法等等，然而感測器整合AI意味著：演算法從手機廠“私有能力”，變成影像硬體的“原生功能”。因此，未來手機廠之間的差距，將更多來源於生態閉環與場景理解能力，而不是HDR曲線怎麼調。此外，這也將帶來延遲與能耗斷崖式改善。傳統上，高倍變焦、夜景演算法、超解析度處理，傳統方案需要SoC調度ISP/NPU，整個鏈路功耗巨大。當AI處理直接發生在Sensor側：ISP壓力下降、NPU無需介入每一幀變焦處理、持續錄製能力、散熱表現顯著提升。當然，這不是說感測器內 AI 永遠更省電，而是說它在“高吞吐、頻繁呼叫、資料搬運佔主導”的任務上更划算。尤其在視訊變焦與即時預覽場景中：若每幀都要 SoC 端承擔重建與重馬賽克，DRAM/頻寬/調度開銷會顯著上升；感測器端完成一部分重建，相當於“把高頻任務前移”，對整機功耗與延遲更友好。這為XR裝置、長時錄製、多鏡頭同步採集打開了現實路徑。誰將受到影響？在索尼的宣傳文案中，有一句值得深思：“即使在單目相機上進行高達4倍的變焦，也能實現高畫質影像品質，為移動相機拍攝帶來全新的體驗價值。”這一句話對手機產業可能意味著：多攝體系依賴正在鬆動，光學變焦不再必須靠物理焦段。長期以來，多攝主要是為瞭解決長焦 vs 超廣角視角衝突、光學定焦鏡頭無法覆蓋連續變焦、感測器無法在縮放時維持紋理質量等問題。而AI重建 + 大底 + 高像素 = 連續變焦方案替代多攝結構。因此，產業鏈層面會可能出現兩個變化：第一是鏡頭數量下降的壓力，從“三攝/四攝標配”向“二攝/三攝”回歸；第二，模組結構重新排序，主攝的價值進一步上升，次攝的邊際價值下降。這會讓一些依賴長焦模組出貨增長的環節（鏡頭、模組、VCM馬達、校準服務）面臨壓力。（圖源：索尼）除此之外，ISP/演算法團隊與手機品牌影像“話語權”也可能會發生動搖。如前文所述，感測器整合AI意味著演算法的一部分從手機端（ISP/NPU）下沉到感測器端。影像權力中心可能從“手機演算法團隊”部分回歸到“感測器廠 + 端側模型棧”。索尼也將這款產品看的很重，因為索尼在新聞稿中提到，為了提高 LYTIA 產品品牌的知名度，從“LYTIA 901”開始，所有未來以該品牌推出的產品都將遵循統一的命名格式“LYTIA（產品編號）”。結語從產業演進規律看，每一次CIS路線轉折都發生在舊路徑的邊際收益顯著下降之時：硬體堆疊越來越貴、演算法融合越來越複雜、功耗與體積越來越難以妥協。索尼最新的 LYTIA 901，把 AI 推理電路直接整合到 CMOS Sensor 內部，標誌著移動影像從“像素競賽”邁入“AI 原生成像”的新階段。它撬動的並不是某一顆鏡頭的市場，而是整個影像系統的工程範式：手機影像正在從“多模組堆疊”轉向“單攝計算平台”，由感測器在採集瞬間完成更多復原與重建，把計算鏈路前移到最靠近光訊號的地方——這正是其效率、延遲與功耗優勢的根源。 (半導體行業觀察)

科技巨頭紛紛搶佔AI硬體入口，一場圍繞智能終端的商業變革正在開啟。本月科技圈迎來兩款重磅AI產品：字節跳動與中興通訊合作的AI原生手機即將在12月初發佈，主打高權限Agent能力；華為首款AI情緒陪伴玩具“智能憨憨”開售即秒罄，二級市場最高溢價50%。這兩款產品背後，是科技巨頭爭奪AI硬體入口的白熱化競爭。01 高權限Agent引領手機互動革命字節跳動與中興通訊的合作AI手機即將在12月初亮相。這款產品由字節跳動主導AI互動功能定義和豆包大模型的植入，中興通訊則負責硬體研發、設計及生產製造。與傳統“智慧型手機+AI應用”模式根本不同，這款手機主打高權限AI Agent能力。系統內嵌的智能代理擁有超越普通應用的系統級權限，能夠實現跨應用的複雜指令執行。比如，手機可以理解“我要去上海出差”這樣的模糊指令，然後自動完成查詢航班、預訂酒店、安排會議行程等一系列操作。這種深度整合的背後是字節跳動的全端AI佈局：火山引擎提供算力支援，豆包大模型作為核心能力，抖音、豆包等超級App提供應用場景，而AI手機、耳機、眼鏡等則建構物理入口。02 華為AI玩具售罄，情感經濟爆發幾乎在同一時間，華為於11月28日開售的首款AI情緒陪伴玩具“智能憨憨”瞬間售罄。這款售價399元的產品在華為商城和京東等平台均顯示“暫時缺貨”。在京東平台上，三款配色的“智能憨憨”累計售出超過6500件。二級市場溢價明顯，閒魚平台轉讓價格從499元至600元不等，最高溢價超50%。“智能憨憨”是華為與珞博智能聯合開發的情感陪伴產品，搭載華為自研小藝AI大模型，能實現真實對話、多模態互動和記錄專屬互動日記，主要滿足獨居青年、Z世代和家庭陪伴需求。這款產品的熱銷印證了AI情感陪伴市場的巨大潛力。據京東AI玩具白皮書研究資料分析，AI玩具市場規模預計到2030年將破千億量級。03 產業鏈相關A股公司迎來新機遇隨著AI硬體賽道升溫，相關產業鏈上市公司迎來業務增量機會。中興通訊作為字節跳動AI手機的硬體合作夥伴，其硬體研發和供應鏈管理能力得到認可。中興旗下的努比亞團隊在影像技術和性能調校上積累已久，此次合作有助於中興在AI手機時代尋找新的增長點。在元器件供應鏈方面，AI手機對感測器、晶片和儲存等零元件的要求更高，這將為舜宇光學、匯頂科技等手機供應鏈企業帶來新訂單。同時，AI玩具的爆發也為相關產業鏈帶來機會。華為“智能憨憨”的生產製造依賴智能感測器、語音晶片和微型電機等核心元件，相關公司如全志科技、瑞芯微等智能硬體供應鏈企業有望受益。內容生態方面，AI原生應用開發需求增加，中科創達、四維圖新等軟體和解決方案提供商將迎來新發展機遇。04 AI硬體競爭格局全面升級目前國內AI手機市場已初步形成三大梯隊：榮耀、OPPO和華為作為先鋒陣營，堅持全端自研大模型+作業系統級智能體；小米、vivo作為生態協同者，聚焦垂直場景與硬體創新；字節跳動與中興則成為跨界入局者，探索高權限AI Agent與新型互動。在AI玩具領域，除華為外，榮耀也宣佈與奧飛娛樂達成戰略合作，共同開發“AI互動潮玩機器人”等產品，探索“AI+潮玩”新賽道。科技巨頭紛紛佈局AI硬體，背後是對下一代人機互動入口的爭奪。字節跳動的硬體之路就是一條“尋找流量新入口”之路：從收購錘子科技到押注PICO，再到佈局AI耳機、眼鏡和手機，其核心邏輯從未改變——不再僅僅是一個寄生於他人作業系統之上的App開發者。華為則憑藉“智能憨憨”成功切入情感陪伴賽道，將其AI技術能力轉化為具體的消費級產品，在智慧型手機之外開闢了新戰場。05 挑戰與未來展望AI硬體仍處於早期階段，面臨諸多挑戰。高權限AI Agent的可靠性、隱私安全以及如何打破“App孤島”都是亟待解決的問題。但對於整個行業而言，這些產品的意義在於開啟了“場景驅動計算”的新時代。過去我們需要打開不同的App來完成任務；未來，將是AI Agent感知到我們所處的場景，自動調動全網服務，無縫完成整個流程。字節跳動與中興的AI手機，以及華為的AI玩具，只是這場變革的開始。隨著技術成熟和市場需求進一步釋放，AI硬體賽道將迎來更多創新產品，為整個產業鏈帶來全新機遇。隨著AI技術不斷進步，未來還將出現更多打破傳統界限的智能硬體產品。人機互動方式正從“點選圖示”向“意圖識別”轉變，一個由AI驅動的智能硬體新時代正在到來。 (吐故納新溫故知新)

當世界仍在爭論“AI能做什麼”時，矽谷的前沿創業者們正在問一個更深的問題：AI時代，怎樣的公司才會勝出？當世界仍在爭論“AI能做什麼”時，矽谷的前沿創業者們正在問一個更深的問題：AI時代，怎樣的公司才會勝出？矽谷的眾多AI大會上，這個詞頻頻被提及：AI Native(AI原生)。十年前，我們討論“網際網路原生企業”；今天，矽谷正在形成新的判斷標準：未來最具競爭力的公司，不是“會用AI”，而是“以AI為生命結構”活著。這意味著，從技術架構、人才結構，到組織邏輯與文化底層，企業正經歷一場從線性工具邏輯向“內生智能系統”的遷移。換句話說，AI不是外接能力，而是公司新的“DNA”。從“用AI”到“以AI為本體”在傳統企業，AI往往作為後置選項出現：先做業務、建團隊、跑流程，再尋找能否接入AI最佳化。和當年流行的“網際網路+” 的概念相似，很多企業現在尋求“AI+” 作為企業轉型的方向。然而，“AI-Native” AI 原生，則意味著完全不同的邏輯：公司從第一天起，就是圍繞AI而設計。微軟在一份研究中寫道，AI-Native企業並非在組織中“加入AI”，而是將組織架構直接建立在AI之上。世界經濟論壇也指出，這類公司從產品架構到資料系統，都是圍繞智能反饋與模型迭代而建構，從而在商業驗證和擴張速度上展現顯著優勢。最形象的一句話來自矽谷投資人、Blitzscaling Ventures合夥人Jeremiah Owyang。他在今年TED AI演講台上說：“AI-Native企業的運作邏輯是：先找AI，找不到就自己造AI，最後才招人。”“這是一種獨特的文化，思維方式和社群，是矽谷特別的地方“，Owyang先生和我交流時說道。這不是技術細節，而是一種文化宣言：人不是生產線起點，而是AI的訓練者、監督者與方向設定者。僱傭兵打不過傳教士矽谷有這樣的說法 - “傳教士終將戰勝僱傭兵”。 OpenAI創始人Sam Altman在之前和Meta如火如荼的“人才大戰” 中，也引用了這一著名的觀點來撫慰軍心。這個邏輯解釋了一個科技史上的反常識事實：為什麼是十幾人的OpenAI，而不是十萬人的Google或Meta，率先推出GPT？理由也許並不神秘——不是巨頭缺資源和人才，而是傳統組織結構無法承載新的智能範式。獵豹移動創始人傅盛曾觀察指出，OpenAI就是AI-Native的企業代表，不是“業務+AI”，而是“AI作為組織本體”的公司，從組織架構和流程，都是以AI為核心。這句話道出了核心：不是加一層智能，而是以智能為起點。而這裡面更深的邏輯，是團隊原組織都是builders, 是AI的信仰者，都有強烈的使命感和驅動性，這個和大企業僱傭或者挖來的人才，有本質的區別。矽谷的投資風向也隨之改變。上一時代的投資邏輯是“資本驅動規模擴張”，這一代的邏輯則轉向“智能密度”：最強公司，不是人多，而是模型強、反饋快、學習速度高。資料也印證了這一點。市場研究顯示，頂尖AI初創企業的人均收入已達傳統SaaS公司的數倍。組織不依賴人力擴張，而依靠AI智能擴張。企業形態，正在像神經系統一樣進化。中國語境：從跟隨技術，到定義範式中國曾經歷網際網路的“原生時刻”：阿里、騰訊、字節並不是把網際網路“加進去”，而是用網際網路重新定義商業邏輯。AI時代同樣如此。中國擁有資料、場景和工程力量。但真正的AI-Native企業，將取決於組織能否完成從流程治理思維到智能演化思維的轉變：不只追求業務規模，而追求智能反饋循環規模；不把AI當成部門，而是企業的運行邏輯；不只看管理能力，更看模型監督與系統自迭代能力。技術之外：人性與使命的坐標軸而在矽谷，經常和創業者和投資人交流，看著一張張朝氣蓬勃的面孔，熱情的討論AI大模型路線，自動化團隊結構與資料代謝機制等有趣話題，我心裡也浮現一個問題：當AI重塑公司，我們要如何重塑我們自己？AI-Native或許可以帶來“智能規模化”，但在智能高速演化的同時，人類更需要“使命(Purpose)規模化”，技術可以放大能力，但是使命與價值才是決定能力的方向。也許，在AI-Native時代，我們更需要同時成為Human-Native——保留選擇、判斷、共情與倫理的能力。也許，兩者的結合，才是未來真正卓越公司的DNA。AI-Native不是一陣風口，而是一次文明底層的重寫。企業正從流程型系統向學習型系統轉變；從人力堆疊向智能密度前進； 從“擴張組織”走向擴展智能。下一代偉大的公司，將同時擁有兩種力量：駕馭演算法的能力，和守住人性的理由。 (FT中文網)

當許多人都紮堆進入整車業，卷生卷死時，弋途科技CEO吳小航選擇了一條「窄道」－大模型+汽車，做一個AI原生的車載操作系統。「AI原生車載操作系統」這句話或許有點抽象，吳小航用一句話解釋了未來的汽車互動—“No Touch，No APP”。從汽車業出來的創業家有許多，但極少能找到像吳小航這樣，做新一代互動系統創業家。因為這件事情在過去行動互聯網時代就被證明了極難實現商業化，即便是現在，斑馬可能也是國內為數不多的做車載軟體的公司。8月的上海，持續高溫，溫度從鋼筋水泥滲進大樓。我們在閔行區弋途科技的辦公室見了一面。吳小航身著印有弋途logo的黑色T恤衫，把辦公室裡的風開到幾乎最大，他還覺得很熱，如同如今的AI浪潮一般，熱到會讓人迷失。但吳小航對此不焦慮，汽車，幾乎佔據了這位創業家十幾年大部分職業生涯，又在中國少有的做操作系統的公司——斑馬智行呆了8年。弋途科技創辦人吳小航創業之後，吳小航常能聽到許多不同的聲音，例如很多人問他為什麼不做AI硬體，而是選擇這條難走的路？也有很多汽車業的同行，「下餃子」般跳入具身智慧的大潮。畢竟，相較於機器人的火爆，做汽車軟體，乍聽之下沒那麼性感。我們聊天的同時，斑馬智行向港交所正式遞交上市申請。這家代表著行動互聯網時期中國汽車智慧解決方案的公司宣佈IPO。10年前，行動網路的風吹到汽車產業，中國的汽車在經歷了國產化到自主化後，綢繆創新。斑馬智行正是在那樣的背景下成立，此時，走出了一波行動互聯網+汽車的人，吳小航就是其中一個。他們在2014年9月29日啟動，就走了一條「小範圍迭代，快速起跑」的冷啟動路線。但讓吳小航感到遺憾的是，當時他們那波人，只是把移動互聯網的互動方式搬到車上，卻沒有真正適配汽車場景做互動——當你一邊開車，一邊需要用手點擊和觸摸APP，這根本是“反人類”。ChatGPT出現之後，吳小航還清楚記得那是世界盃決賽，一個周日，也是他新冠陽性的第一天，他在賓館看到GPT-3.5發布的消息，接下來的一周，斑馬智行就讓核心管理層一起思考斑馬的未來。「我有種回到十年前的感覺。」吳小航說，大語言模型憑藉著超強的意圖理解能力，讓人和車實現真正意義上的自然語言對話。另外，以Transformer為架構的大語言模型又能解決創造力和效率的問題，「產業一定會發生巨變」。2023年6月，弋途科技成立。許多從大廠出來的高階主管，習慣做確定性的事。吳小航是個例外。當AI時代，每個人都焦慮於未知，有人把未知當焦慮，有人把未知當作挑戰。吳小航屬於後者，“如果一件事能一眼看到頭，毫無意思。真正值得回味的，都是那些有挑戰和波折的經歷，這才是人生中最美好的東西。”一開始做什麼，吳小航只是有一個大概的方向，2023年，中國的大模型創業如火如荼，幾乎沒有人做應用，而AI+汽車究竟會是什麼形態？沒人說清楚。2023年7月，吳小航遇到了雲啟資本合夥人陳昱，聊了半小時，雲啟當即決定投資。這是弋途獲得的第一筆投資。投資的邏輯很簡單，陳昱覺得，透過吳小航，可以看到未來十年中國汽車產業智慧發展的方向。此後的融資，都很順利。吳小航笑稱，“被投資人練出來了。”一年後，新一輪的融資處於交割階段。訂閱制這件事，在行動互聯網+汽車時代並不成立，因此做汽車的軟體作業系統賽道並不擁擠，但當模型驅動，並在持續提供不可替代的價值時，訂閱制就變得「天經地義」。弋途不做多產品線擴散，吳小航說，現在資源有限，他們選擇抓“高頻剛需”，在汽車中，高頻剛需的是地圖，因此他們選擇先做地圖的AI化。弋途的產品團隊每2年-3年就會迭代一次，因為吳小航認為，一個人接觸新事物的時間是2年-3年，之後容易陷入經驗主義，弋途的產品團隊需要與年輕人深度綁定。作為一個汽車空間智慧解決方案供應商，對弋途最重要的就是生態，吳小航把生態分為三類，一類是“模型生態”，已經相對成熟；一類是內容與服務生態，這又分成兩類，一是超大APP，二是中小服務商；第三類是晶片生態。2027年，對吳小航和弋途科技來說，是至關重要的一年，如果不出意外，弋途科技這幾年所做的佈局，將會在2027年爆發。吳小航說自己坦然面對一切發生，他不擔心弋途的大方向，但最大的挑戰是對於節奏的把控，未來十年產業鏈的每一層，晶片、應用、軟體、互動都會變，什麼時候介入是關鍵。這個介入，不是追上，而是提前。創業：為什麼選擇走窄道虎嗅：你在斑馬智行8年，對你有什麼影響？這些影響後來有體現在創業嗎？吳小航：斑馬對我的影響蠻大的，但不是產品層面，反倒是創新和產業鏈這兩個面向。 2011 年我從上海交通大學畢業就進入了汽車產業，當時業界已經有車聯網的概念了，以安吉星為代表的服務就是早期車聯網的型態。不過那時候的車聯網，核心還是解決2G、3G 網路環境下的車輛上網問題，即便有一些線上服務，功能也比較基礎，我正是從那個階段開始接觸車聯網領域的。影響最大的是2014年，當時行動互聯網發展得非常迅猛，而中國汽車產業在完成了國產化、自主化的階段後，開始思考新的方向—— 怎麼創新？怎麼把行動互聯網和汽車真正結合？我們算是業界第一批做「行動網路+ 汽車」 探索的人。其實更早之前，在2013 年底，我們就已經開始研究，去矽谷看蘋果、Google的技術趨勢，在國內也去研究BAT 的模式，之後上汽和阿里才正式啟動斑馬的籌備工作。2014 年我們剛開始做行動互聯網與汽車的結合設計時，其實完全沒有可參考的路徑，根本不知道最終要做出什麼樣的產品。2014 年9 月29 日專案正式啟動，直到2016 年，第一代產品正式上市，它搭載在車輛上，基於當時的雲端OS 作業系統，建構起了一套完整的車聯網解決方案。那段將近兩年的探索經歷，對我影響特別大，它讓我學會了在一個沒有先例的全新時代裡，如何從零開始定義並打造一款產品，這對我後來創業的思路影響很深。在產業鏈上，我們當時的核心業務是做作業系統，而這個作業系統在整個汽車產業鏈裡，剛好處於中間層的位置。這個位置很關鍵－往上走，我們能直接對接應用生態和雲端服務；往下探，又能觸達晶片廠商和各類硬體供應商。正因為有這樣的“中間層視角”，我們這些做操作系統出身的人，對產業鏈的分層邏輯會看得非常清晰：能明確知道產業鏈從下到上每一層都有那些玩家，他們各自的核心業務是什麼，彼此之間如何協作。更重要的是，在這個過程中，我們也能直觀地觀察到整個產業鏈的技術迭代和格局變遷，例如某一層的技術突破如何影響上下游，或是市場需求變化如何推動產業鏈角色的調整。虎嗅：也就是說，斑馬的經歷，讓你感受到行動網路時代汽車作業系統的樣貌，決定創業，做一家AI原生的汽車作業系統公司，這是源自於什麼契機？你看到了什麼？吳小航：很多投資人會問我，為什麼要創辦弋途科技，到底看到了業界的什麼問題？其實我梳理過去十年產業變化後發現，最大的變數就是「Android上車」。在行動網路時代，主流作業系統就是Android，幾乎不存在「iOS 上車」。而Android一旦進入汽車領域，直接帶來了產業鏈的連鎖反應：像高通、聯發科這些原本聚焦手機和消費電子晶片的企業，順勢進入了汽車晶片賽道，這對瑞薩、TI 這類傳統汽車晶片廠商的市場地位形成了直接衝擊。硬體層面的變化也很明顯。以前的車機螢幕大多是不可觸摸的小螢幕，Android上車後，大屏、可觸摸屏成了主流，直接推動了汽車螢幕的技術革命。像是海信、TCL 這些企業，最初也是從汽車螢幕業務切入，逐步參與汽車產業鏈當中。應用層一樣發生了變化，過去車機裡的應用基本上都是車企自己開發的，而現在，QQ 音樂、愛奇藝、高德這些專業的內容服務商直接把應用搬到車機上。這些內容服務商的“上車”，又催生了一批新的產業鏈角色，比如原本做手機、平板業務的公司，現在汽車相關業務的收入差不多佔了他們總營收的一半；另外，像高德這樣做演算法引擎的公司，還有專注視覺演算法的企業，也都紛紛加大了在汽車領域的佈局。而這一切變化的根源，其實都是「Android上車」 帶來的。我們在2020 年就研究過相關技術，當時有個很強烈的感受：未來的車機互動，不應該是現在這種「點擊——打開APP」 的模式，而更應該是「服務流」 的形態——也就是服務主動找到用戶，而不是用戶主動尋找服務。但那時候條件還不成熟，要實現主動推薦只能依賴固定規則，沒辦法形成用戶信任的閉環。這種想法一直擱置，直到2022 年12 月，GPT3.5 的出現給了我巨大衝擊，我才覺得之前設想的「服務流」 形態，終於有了落地的技術基礎。虎嗅：還記得GPT3.5出來的時候，你在做什麼嗎？吳小航：我記得特別清楚，那是我新冠陽性第一天我在賓館隔離，而且當天還是世界盃決賽日，是個周日。我在賓館裡看到了GPT-3.5的新聞，一開始還沒太強烈的反應。也是在那時候，斑馬讓我們核心管理階層一起思考斑馬未來的發展方向。虎嗅：因為GPT-3.5的出現，才觸發了這次討論？吳小航：可以這麼說。當時我就有種回到了十年以前的感覺，就是當我們再去看一個破壞性的技術和技術革命會給行業帶來的變化時，就會發現以前因為技術做不到的事，突然就變得可行了。例如我們以前做了將近十年的語音互動，但車子還是聽不懂人說話。其實之前的語音互動一直在解決喚醒率、辨識率這些問題，但都沒突破核心。因為用的都是小模型，本質上就是關鍵字匹配。你把關鍵字餵進去，用戶說的話裡有關鍵字，它就能回應；要是沒有，就完全聽不懂。所以那時候根本不是人訓練車，而是車訓練人，人得照固定範式說話，車子才能聽懂。但GPT這種大語言模型帶來了超強的意圖理解能力，能讓人和車子實現真正的自然語言對話。這就像人會說話和不會說話的差別，一個人聰不聰明，核心就是理解力。除此之外，以前做產品會遇到很多重複性的工程問題，尤其是UE、UI這種，而生成式AI又解決了創造力和效率的問題。既有理解力，又能解決創造力和效率問題，在我看來，它就是未來的第一生產力。當時我基於這個判斷，覺得產業一定會大變動。虎嗅：決定下場創業，親自擁抱這個變化，而不是在原有的平台裡做，這是為什麼？畢竟斑馬在原來的生態裡已經有不少累積。吳小航：2023年我準備創業，前後就花了兩個月。大年初三我們就開始開戰略會，還是圍繞在作業系統討論。但很快就意識到：傳統作業系統的窗口期已經過了。在Android本身已經有了很強的市場影響力的時候，再做類似的系統就沒辦法做。這種創新如果還是圍繞著原來的傳統作業系統阿里OS展開，就不可能有突破，這和我想做的完全是兩條路。虎嗅：2023年的時候，很多做AI應用的公司都還在摸索階段，不知道未來AI應用的落地方向在那，你當時想好了嗎？吳小航：其實沒想明白具體要做什麼。我只確定了大方向——圍繞著「大模型+汽車」去做，先找人組團隊做運營，做些前期研究。畢竟2023年上半年這個領域還太早了。2023年3月份我開始關注研發，4月訊飛的星火大模型就發表了。我們公司是2023年6月成立的，2023年成立的還有兩個團隊，我相信這兩個團隊一定會被載入史冊的－DeepSeek團隊和豆包團隊。虎嗅：如果沒想明白要幹嘛的話，當時怎麼去融資，跟投資人解釋要做的事？吳小航：當時對外有個說法，不過現在已經不提了。一開始我們討論過要不要做一家大中間件公司？但後來決定不做應用，也不做底層軟體業務。接著提出了三層中間件、兩橫一縱的框架：第一橫是面向未來車駕融合時代，需要新的通訊和調度方式，這是偏底層的基礎問題；第二橫是服務中間件，其實更多是在探討未來的演算法。我覺得當時很多演算法都應該開始革新，用通用型演算法，而不是傳統的規則來判斷。我認為通用演算法能解決許多傳統演算法無法兼顧的大數據問題。 “一縱”，就是AI中間件，我當時就覺得，未來模型與汽車的結合應該是端雲一體。大的運算就放在雲端上，和隱私相關、即時相關的就放在終端機。虎嗅：第一筆融資是怎麼拿到的？吳小航：7月底我碰到了陳昱（雲啟資本合夥人），他投我們的邏輯特別簡單，就是覺得我想法和別人不一樣，他認為透過我能看到未來十年中國產業智能化的發展方向，半個小時（投資）就定了。虎嗅：現在回看會覺得被低估了嗎？吳小航：我從來沒糾結過估值。我只關心兩點：一是當時我們需要多少錢，二是稀釋比例能不能接受。估值高低其實是策略層面的事，最後如果公司沒做起來，再高的估值也沒用；做得好，估值自然會上去。所以我覺得當時的估值不高不低，融資過程也比較順利。我記得特別清楚，7月22號之前見的投資人都沒投，7月22號之後見的投資人都很爽快。虎嗅：為什麼？吳小航：可能是我被前面的投資人訓練出來了吧，我發現他們問的基本是那幾個問題，後來我回答得更精準了。虎嗅：為什麼陳昱說你的想法跟別人不太一樣？吳小航：我現在做的很多事，在別人看來可能是小眾的，我會主動避開一些看似比較大的賽道。現在某個領域很多人擠進去，像“下餃子”，但再發展一段時間，行業就會細分，到時候裡面的人根本走不出去，因為太擠了。我會先選擇走窄道，尤其是「大模型+車」這個領域，我覺得最重要的不是賽道大小，而是把握住未來智慧化最核心的要素。這樣當這個市場打開，你會發現它是一個無比寬廣的賽道。我們現在就是找那些別人覺得不夠大、不願進或不敢進的細分方向，但走著走著就會發現，這些方向成長特別快。虎嗅：汽車產業兆市場不是廣闊陽關道嗎？吳小航：汽車市場確實大，但一提到汽車軟體，很多人就頭痛：一方面覺得汽車業太卷，另一方面覺得中國用戶對軟體付費的接受度還不夠，所以很多人進來後發現這事特別難。我一直覺得，現在創業要是做共識的事，根本拼不過大廠。既然是大家都認可的大賽道，大廠為什麼不做？例如智慧眼鏡，我就覺得新創公司沒機會，因為大廠已經在做了。手機領域也是同理，現在新創公司做手機基本上沒機會。虎嗅：但汽車智慧型作業系統，小鵬、理想等這些車企自己不是也在做嗎，你不擔心？吳小航：車企的情況要​​分情況看，在中國，我覺得不能用一個觀點去涵蓋所有市場特性，但你要知道你的客戶需要什麼。我原來把市場分成三類，現在簡化成兩類了。原來的三類是：完全自主研發的車企，例如理想，他們從底層架構就自己改、自己建；第二類是自主可控車企，國內一些大自主品牌會強調可控性，自己做一部分研發和定義；第三類為合資品牌，目前其在華發聚焦方向與全球聯合化需求的適配仍在深化過程中完善，同時在國內研發系統中完善，同時在國內開發系統中也持續完善，同時在國內研發體系中完善，同時在國內研發系統中也持續完善，同時在國內開發系統中也持續完善，同時在國內開發系統中也能完善本土化。基於對方案成熟度與落地效率的綜合考量，這類品牌多傾向與第三方專業機構攜手，採用經過市場驗證的整體解決方案，以更好地契合當前階段的發展需求。在我看來，不自己做的都是我的客戶，自己做的基本上不是我的目標客戶。但現在看來，原來不是目標客戶的現在反而已經成為了我們的客戶，這說明不同的時期，客戶的策略也一直在調整。虎嗅：除了車企，華為會做嗎？小米，或者字節會下場？你是否擔心過這類的問題？吳小航：要看它的最終定位，就知道它是不是真的要深耕這個領域，也能判斷自己該和誰合作、誰是目標客戶。我認為只有2.5家公司會堅持自研：一家是理想，一家是小鵬，這兩家從一開始就沒把自己定位成單純的汽車公司，而是人工智慧公司，所以肯定會重研發；還有0.5家就要看小米和蔚來會怎麼走，小米本質上是偏硬體的公司，而蔚來如果L90和ES8090.除了這2.5家，其他車廠基本上都不會自己做深度研發。看一家公司得從公司的核心定位和定位的市場出發，不能只看它當下做了什麼、沒做什麼，關鍵要判斷它最終會做什麼。如果理想只把自己當汽車公司，就不會在AI上砸那麼多錢；但其定位就是人工智慧公司，就必然會重視AI，就像最近新聞說理想要發AI眼鏡。華為，它要做中國的輝達，而不是做中國的OpenAI，這也是我看問題和別人不太一樣的地方。一年多快兩年前問我華為會不會做？我說華為如果做了，怎麼還有機會？所以對於華為，我的判斷一直沒變：華為要做中國的輝達，我又不做中國的輝達，為什麼不能合作？躬身入局：“我不相信運氣，而相信行業判斷”虎嗅：創辦弋途的過程中，丟掉舊的產業包袱和固有思維慣性，花了多久時間？有沒有試錯的過程？吳小航：我沒有花太多時間專門調整。其實原因很簡單，2014年我就是第一批做「行動網路+汽車」的人，那時候也不知道具體要做什麼，但我清楚如果不跟上趨勢，遲早會被淘汰。你看現在很多原本做傳統汽車的朋友，都不知道未來該往那裡走。2014年我之所以敢加入一家前景不明的公司，就是因為我是那種特別目標導向的人，也別是針對未來方向的事情，只要我判斷清楚就會堅定不移地走。虎嗅：回頭看2023年創業初期，有沒有什麼決定讓你覺得後悔？吳小航：談不上後悔不後悔，更多是節奏問題。我們公司的決策都是放在整個產業鏈背景下考慮的，需要隨時調整。2023年我曾判斷，2025年可能會是艙駕融合的關鍵節點，但這個判斷好像不對。因為端到端的自動駕駛、VOA、世界模型建置比我預想的快很多。 2023年之前，沒有大模型的時候，業界對自動駕駛普遍比較消極，覺得沒辦法做創新，當時不少公司開始考慮性價比，既然技術難突破，就想在成本上嘗試。但2024年的產業變化讓我調整了判斷——2024年開始，大家都在推端到端的一段式模型、一段式解決方案，就是在做VLA。我認為中國的創新還是集中在高端上，沒人真的會沉下心做中段的性價比。你看今年的產業主旋律，就是VLA大戰，VLA和華為的世界模型競爭。所以我覺得，判斷和認知必須結合大產業趨勢來看，要關注超級變數帶來的影響。我們公司最強的生命力，就是對產業的洞察和快速調整能力，這是最關鍵的任務。虎嗅：公司的方向是基於你的判斷，那你的判斷從那裡來？吳小航：有時候還需要一點基於數據的直覺。2025年DeepSeek落地後，我去年的許多認知都改變了。年初我還覺得業界百團大戰還在混戰的狀態。我們之前做產品時，一開始想做“可插拔架構”，能無縫對接不同模型。但DeepSeek出來後，我發現這種架構已經沒意義了，因為大模型時代是強者愈強，跟不上的自然會被淘汰。虎嗅：選擇模型合作方的考量是什麼？吳小航：我們選合作方是綜合考量的，有幾個維度：第一，模型在汽車相關場景的能力表現；第二，成本；第三，成長潛力；第四，開放程度；第五，對方是否把汽車當成比較重要的業務。我們會按這幾個維度打分，找最匹配的。虎嗅：怎麼確保模型能力一直是最好的？吳小航：我從來沒說要“確保某個模型最好”，也沒這個能力。我們只看兩點：第一是看成長性，第二是看它能不能讓我們的產品達到一個可交付的狀態。例如豆包一些頭部大廠的模型，去年看和現在看完全不一樣，現在的能力強多了，而半年前它的表現並不好。現在呈現的效果，其實是半年前團隊投入的結果，未來半年又會有新變化。所以只要模型有成長性，且能滿足目前產品落地的要求，對我們來說就夠了。虎嗅：也會做自己的垂類模型嗎？吳小航：會的，我們會用自己的數據做微調。而且車其實是一個模型矩陣，不是單一模型能搞定的，像是大語言模型、多模態模型、Agent模型、推理模型等等，要把這些模型和雲端能力整合起來，形成一個整體。虎嗅：模型矩陣的話，我們內部有專門針對不同垂類模型的團隊嗎？吳小航：我們有個模型團隊負責去看市面上的模型：例如不同模型的天花板在那？那些模型適合我們的場景？怎麼評測、選擇？然後，針對具體的引擎開發，例如把大語言模型和動態模型結合，做端側的感知引擎，感知引擎又會由做模型工程和做模型的人一起負責。虎嗅：與這些大廠合作，怎麼掌握「度」？吳小航：我有兩個原則：任何人都可以合作，但要看定位——如果是戰略客戶，就拿出戰略級的合作態度；如果只是階段性合作夥伴，我在資源可控的情況下不虧錢就行。別人說某大廠會“白嫖”，但我一點都不擔心。就像比亞迪，它會做各種模具、做電池，但它不會去做大晶片。那些說會被大廠「白嫖」的人，得先看清自己的認證和定位：如果你的業務只是簡單的模具，那人家現在沒精力做，先和你合作，等它有空了自己做，把你換掉也很正常。它在做戰略內的事，只有來不及涵蓋的領域才會找合作。和它合作時，不能覺得別覺得合作了就是一輩子，人家遲早會自己做核心業務。你要做的就是把自己的事做好，借來合作磨練自己的體系，放寬心。我從不會覺得合作了就一輩子綁定。虎嗅：剛開始談客戶的時候，遭到最多的質疑是？吳小航：他們問得最多的是「你們的方案怎麼跟我們現有系統融合」；其次是產品的體驗效果。他們不會考慮太多未來趨勢的內容，也不知道最終能做成什麼樣子。但沒人懷疑趨勢本身，大家都認同這是產業變革的必然方向。未來的車載系統：“No touch、no APP”虎嗅：弋途的產品到現在迭代了幾次？底層邏輯是什麼？吳小航：沒法說迭代多少次，迭代是行動互聯網時代很重要的一個主題，基於數據回饋去迭代。我們的產品邏輯分三個層級，既有關聯性，也有階段性。我常跟團隊說一句話：在中國做產品，最難的是「用C端的思維做B端的業務」。我們的產品邏輯有三個核心輸入：第一個是使用者的痛點，第二是客戶的痛點，第三也是最重要的一點是未來趨勢。使用者的痛點其實很明確：例如第一代產品要解決語音互動的智慧化問題──不僅要聽懂，還要會服務。用戶說一句話，就能觸發完整服務，還能依需求調整，甚至帶點情感化的回應。這就是第一代產品的核心邏輯。第二個輸入是客戶的痛點。當前中國車企在專案推進中，普遍對專案主導性與系統可控性有較高關注—— 他們期望系統能部署於自有平台，以實現模型迭代、服務商調整的靈活自主，從而更好地掌握業務發展主動權。從實際落地角度來看，車企對「可控」 的追求具有明確合理性，但在系統深度自主運作、靈活調整所需的技術支撐層面，部分企業仍處於持續完善的過程中。我們的核心方向，正是在充分尊重並回應車企對「可控性」 需求的基礎上，同步深度解決終端使用者的核心痛點。畢竟在市場實踐中，若僅聚焦車企需求而未兼顧用戶體驗優化，或僅側重用戶痛點解決而未匹配車企對可控性的關注，都難以實現產品的有效落地與價值兌現。第三個輸入是未來趨勢，必須用第一原理來思考。真正偉大的產品都源自於第一原理：解決使用者、顧客的痛點，只是在解決技術性問題；要創造偉大產品，必須回歸本質，去定義未來的汽車互動應該是什麼樣的。過去十年，我有比較成功的事情，也比較大的遺憾。成功的是，我們真的在行動互聯網時代就定義了一代車聯網產品。現在其他車企做的產品，基本上都有我們當年的影子，例如把地圖當作桌面、用語音互動、打開QQ音樂或愛奇藝這些模式。遺憾的是，我們只是把移動互聯網的互動方式“搬到了車上”，卻沒真正適配汽車場景。開車時用點擊、觸摸去操作，根本反人類，不僅夠不著，還影響安全。所以第二代產品要解決的，是「空間互動」問題：打造一套真正屬於汽車的人機互動系統，實現「no touch, no APP」——使用者表達需求後，系統直接呈現結果，載體可以是座椅按摩或彈出來的一個什麼東西，反正不是固定的。車子其實也是有機的生命體，例如車子看到前方有大坑，它會主動提醒你。所以我們的第二代產品就是要基於第一原理，打造真正適合汽車的互動系統，這件事如果能做成，我覺得就沒白乾。虎嗅：關於商業模式，你剛才也說，中國軟體在付費上很吃力，你怎麼解決這個問題？吳小航：過去兩年總有人問我為什麼不做硬體，我說我為什麼要做傳統硬體？我做這個沒有機會，我不可能比現有的企業做得好。上一個「行動網路+汽車」時代，訂閱制不成立，為什麼現在「AI+汽車」時代可能會成立？我們得去思考本質性的問題。原來軟體在中國難收費，但高德地圖、語音引擎，為什麼它們能收費？因為車子賣出去後，高德還要在雲端給用戶算路徑、更新地圖，一直在產生價值，所以能收訂閱費。但如果軟體裝上車就不用升級、不用雲端支援，那客戶一定只買一次，不會訂閱。我們的產品是「模型驅動」的，需要持續的雲端支援和迭代，所以訂閱制是天經地義的。虎嗅：現在AI 2.0時代，都在提“按結果付費”，在考慮這個訂閱和商業模式的時候，有考慮過這一點嗎？吳小航：行動網路時代的「按結果付費」不成立，因為用戶在手機上買了服務，在車上還要再買一次，反人類——比如聽歌，手機和車機的內容是一樣的，卻要付兩次錢。但AI時代所有終端都會AI化，手機的角色會下降，每個垂直領域會有專屬服務，這種「垂域專屬服務」是可以按結果付費的。例如我們正在做的「音訊串流服務」。不是再造一個喜馬拉雅，而是結合開車40分鐘的場景做專屬服務。現在是知識大爆炸但有效資訊難取得的時代，大家很焦慮：怎麼快速找到有用的知識？怎麼用碎片化時間吸收？我們的音訊串流服務就是解決這個問題。例如你關注了很多公眾號，睡前想全部看完，但有的文章很長，要花25分鐘，根本沒時間，從頭聽到尾也很長，我們的服務能把這些公眾號內容整理壓縮，以播客形式推送給你——你要20分鐘就給20分鐘版本，要3分鐘就給3分鐘，剛好匹配開車場景。聽的時候如果想深入瞭解某個點，跟AI對話它就能告訴你。你說這樣的服務，每天付1塊錢，你願意嗎？核心是找到用戶願意付費的需求。虎嗅：我們在產品迭代中有沒有「做減法」的過程？吳小航：有。我們不能拒絕客戶提客製化需求，我們會評估：如果只是為了賺錢，且不偏離大方向，就做；但如果影響核心產品的迭代，就拒絕。這些客製化需求不是我們真正想做的產品，只是「生意」。虎嗅：我們有路線收斂的過程，還是一直照規劃節奏走？吳小航：因為我們從零起步，所以不存在收斂。我們其實資源有限，沒法多條線並行。我跟團隊說，看問題要抓“高頻剛需”，上一個時代​​我做產品很重要的一個理念就是畫四個像限，優先高頻剛需，這點AI時代依然適用。虎嗅：還是高頻打低頻。吳小航：對，但AI時代的第一象限內容變了。因為我們原來很多東西都受制於本質對這件事的判斷，本質判斷不可能，那放在第一象限也沒用。所以關鍵是判斷新的第一象限是什麼，優先投入資源。虎嗅：那你現在判斷第一象限是什麼？吳小航：例如地圖的AI化，就是我們認為的第一象限，非常重要的事。因為地圖是連結物理世界和虛擬世界的核心載體，必須做好。我們會明確優先級，不會什麼都想做。我們也不會閉門造車，依第一象限規劃後，會拿給客戶看，聽他們的回饋，因為你的判斷可能只代表你自己，尤其是我們偏年輕化。虎嗅：「提前看到未來」很重要。但怎麼確保自己看到的未來​​是對的？吳小航：看大方向這件事，我從來沒擔心過對不對，關鍵是「節奏」：在每個階段，用什麼樣的商業化手段和產品方案去匹配趨勢。另外，我們公司很重要的一點是會快速調整。因為未來的細節可能不確定，但方向是明確的。我們要做的，是用最靈活的組織去應對變化，而不是死守一個固定的計劃。確保方向沒錯，剩下的就是調整節奏。虎嗅：現在弋途還是照您設想的節奏在走嗎？吳小航：對，整體是符合預期的。未來：“如果一件事能一眼看到頭，我覺得毫無意思”虎嗅：組織架構需要足夠的彈性與創新，怎麼保證團隊的靈活、快速執行與迭代？吳小航：核心是選人。我招核心員工時，會重點看他有沒有「打破地盤意識」的素養。例如今天給他50個人帶，明天就縮到2個人，他能不能接受？很多人接受不了，覺得這件事很難操作，這種人我絕對不要。只有不招這種人，組織才能靈活。虎嗅：建立創始團隊時，有什麼標準？吳小航：我跟團隊說過，公司裡只需要四種人，沒有第五種：第一種是和我一樣「有夢想」的人；第二種是「盲從」我的人；第三種是有執行力的人，就是他希望這個平台能提供給他足夠的發展，產生社會價值；第四種是給100塊能創造100塊價值的人。第四種不是核心，因為每個崗位需要的人不同：例如有的崗位需要有思想地執行的人，給指令就能立刻落地；探索創新類崗位需要有夢想、有野心的人，能主動突破。不可能要求一個人兼具所有特質，關鍵在於「人崗匹配」。虎嗅：公司有KPI或OKR嗎？怎麼保證目標完成？吳小航：這個沒有。公司還在動態發展，很多運轉模式沒定型，這種時候用KPI就是災難。不確定性業務絕對不能用KPI，爆發成長型業務要偏鼓勵性評估。例如我們現在處於轉折點期，可能創造一個新模式就會帶來爆發式成長，這時候用KPI框死，大家就不敢創新了。KPI的問題在於結果導向會扭曲行為。例如我讓他做2億營收，他就照2億的邏輯做；讓他做100億，就照100億去做。 KPI適合確定性任務，能保證結果達成；但要創新、要爆發成長，就一定要培養創新的土壤，一定要讓創新變成不確定，然後去碰撞。我們看過程而不是結果，因為說不定過程中就走出第三條路了。確定性任務要重結果，不確定性任務要重過程。如果對創新業務也要強調成果，一定會扼殺創新。虎嗅：你現在還會親自抓產品團隊嗎？吳小航：我現在不參與具體產品決策，只看方向，具體交給產品負責人和團隊。但我們的產品團隊每2年-3年會迭代一次，因為一個人接觸新事物2-3年，做具體產品容易陷入經驗主義。我覺得經驗主義適合用來判斷產品方向，但真正做產品需要年輕人。他們更懂AI時代的互動，也更懂目標使用者的需求。虎嗅：有沒有年輕人提出的想法，是你沒想到或跟你認知相違背的？吳小航：倒不是沒想到，更多是去看方向上該不該幹。像一些很大的概念，他們很快就會拿一個比較fashion的方案給你，然後這個方案可能跟我以前的知識是相關的。例如我說要做“最好的音訊串流服務”，他們提出用“對話播客”的形式來和用戶互動。這個方案不是我提的，但我覺得很好。現在我坐飛機就會聽播客，因為裡面有些主理人的觀點，不一定都認同，但比看書輕鬆。年輕人能想出這樣的方案，就是因為他們更懂當下的內容消費習慣。所以大方向我來把握，具體方案交給他們。虎嗅：怎麼瞭解產業的最新變化？會看很多新聞或外網資訊嗎？吳小航：最好的方式是跟人溝通。我讓幾個年輕人去看，有人看美國市場，有人看國內動態，有人盯蘋果、特斯拉這些公司。定期找他們吃飯聊天，聽聽看他們看到了什麼，就知道產業趨勢了。我不用做基礎研究，抓核心變化就好。虎嗅：聊的人是公司員工還是朋友？吳小航：大部分是投資人，而且是30歲以下的年輕投資人。他們接觸新事物快，想法也新。找他們吃個飯，問問“最近在看什麼、研究什麼”，就能獲得很多資訊，他們也願意跟我交流，互相分享觀點。虎嗅：很多創辦人說創業有「反人性」的地方，尤其是從大廠出來做確定性業務的人，很難適應創業的不確定性。你有沒有這種時刻？吳小航：我倒沒有。以前常從早上9點開會到晚上10點，要求特別嚴；但現在我基本上不開會。因為只要選對人、統一目標，能閉環的人自然會給結果，需要商量時他們會主動找我。不用像保母一樣盯著，否則團隊會越來越僵化，創新也會被壓制。我跟團隊說的是「樂觀規劃、微觀執行、問題導向、閉環思維」。虎嗅：這都是你自己悟出來的？吳小航：其實就是「少雜念」。這兩年最大的感觸就是我特別平靜，遇到任何事都要心如止水。虎嗅：允許一切發生，這個心態在創業的創辦人身上挺少見的。吳小航：因為做的是「自己熱愛、有使命感」的事，就不會把過程中的困難和未知當成負擔。虎嗅：很多人焦慮就是因為“看不見未來”，尤其是AI產業，不知道下一步怎麼走。吳小航：每個人對「未知」的態度不同：有人把未知當焦慮，有人把未知當挑戰。我就覺得如果一件事能一眼看到頭，我覺得毫無意思；真正值得回味的，都是那些有挑戰、有波折的經歷，這才是人生最美好的東西。虎嗅：你在斑馬待了八年，表示當時也有值得挑戰的事。吳小航：斑馬是中國少有的做操作系統內部（解決方案）的公司，2014年我就說過，這輩子要為中國汽車工業貢獻一點力量。當你從產業價值和社會價值的角度看問題時，格局就不一樣了。前幾天有人晚上打電話，聊創業的事。我說如果能通過我們的努力，讓中國汽車工業在AI時代領先，帶動整個產業鏈升級，這是特別酷的事，我能對這個社會有價值，對這個產業有價值。虎嗅：你覺得弋途的時間窗口期還有多久？如果競爭者越來越多的話。吳小航：本質上，現在產業已經形成了「超級模型」格局，我們合作的車廠平台覆蓋了百分之八九十的市場。除非我的判斷有致命錯誤，我認為後來者很難有機會。兩年前大家沒看懂這個方向，現在看似有機會，但其實已經沒空間了。這就是深耕兩年後形成的壁壘，後來者再想進來，會發現根本繞不開。虎嗅：什麼時候弋途的營收或數據會明顯成長？吳小航：我覺得最大的拐點會在明年第三季度，真正的營收爆發應該在2027年，那時我們的戰略佈局和垂直領域的深耕都會見效。虎嗅：這個判斷是基於對生成式AI產業的整體預判嗎？吳小航：對，也基於我們現在陸陸續續做的事，到2027年就會集中爆發。虎嗅：拉長時間看，弋途未來最大的挑戰是什麼？吳小航：大方向我不擔心，應該會照我判斷的走，最大的挑戰還是節奏的把控。畢竟我們是一家新創公司，而未來十年產業鏈的每一層，晶片、應用、軟體、互動都會改變，我們想做更多事、服務更多環節，但什麼時候介入才是關鍵。虎嗅：要在發展之前的節點提前佈局。吳小航：例如去年6月我提出要做AI Box，當時很多人覺得是上一個時代​​的東西，但今年各市場都在發AI box，市場需求爆發了。如果今年6、7月能推出AI box完整產品，就能拿下這個市場。很多時候，等看到需求再做，就太晚了；但沒有市場需求的時候，很多人又不敢做這個事。虎嗅：如果有一天弋途失敗了，您覺得可能是什麼原因？吳小航：我沒考慮過。因為我不知道怎麼定義「成功」和「失敗」。例如有人問我「斑馬算成功嗎？」我當時就反問他們：「你們知道斑馬對這個產業有多少貢獻和價值嗎？」他們一下子就懵了。我跟他們說斑馬是中國第一代開發軟體公司，我當年負責的就是斑馬第一個產品平台。過去這七、八年，很多企業其實都藉鏡了這套產品邏輯。它培養了大量汽車軟體人才，正因為有這些積累，中國汽車軟體才能領先歐美。我自己很少去糾結「成功」和「失敗」的定義。我也不知道弋途這家公司最後能做成多大規模，但只要它能為產業創造價值、培養人才，對我來說就是成功的。虎嗅：如果再融資，會優先選擇什麼類型的投資人？吳小航：主要看三點：第一是戰略協同，我們需要能在產業層面提供資源的戰略投資者，而不是掛著“戰略”名頭做財務投資的；第二是能提供洞察，能給我們行業見解，在企業發展中幫上忙，這點很重要；第三是產業結合度比較深，比如如果我們要佈局芯片領域，就會找芯片產業基金合作，通過他們對接更多優質資源。 （虎嗅APP）

過去幾年，OpenAI 一直被視作全球大模型的代表，與微軟在雲端緊密繫結，如今它正把觸角伸向硬體。最新消息顯示，OpenAI 已與蘋果主要代工廠商立訊精密達成合作，將由後者承擔至少一款新裝置的組裝工作。這意味著 OpenAI 正在把模型能力裝進一台隨身終端，試圖讓 AI 從“線上服務”變成“口袋裝置”。這一合作不僅標誌著 OpenAI 在硬體領域的正式落地，也讓立訊精密在全球 AI 終端產業鏈中獲得了新的位置。中國供應鏈再一次成為新興技術擴展的核心推手，從裝配到聲學模組，整個鏈條都可能因 OpenAI 的產品定義迎來新的增長機會。對於全球科技產業來說，這一合作的真正價值，在於它開啟了一條“模型—終端—使用者”的直達路徑。▍合作框架與產品形態OpenAI 與立訊精密的合作，首先鎖定在“誰來把原型做成量產商品”這一關鍵環節。多方報導顯示，立訊精密已與 OpenAI 達成製造協議，拿到至少一款裝置的組裝合同，形態被描述為口袋大小、強調上下文感知並與模型深度耦合的消費級硬體。這意味著 OpenAI 正把長期線上的模型能力，封裝進一台隨身可用、以語音與環境理解為核心的“AI 原生”終端。立訊精密的價值，在於覆蓋整機裝配、模組整合到自動化產線的全鏈路能力，這些在 iPhone、AirPods 等大體量產品中已被反覆驗證。對 OpenAI 而言，與成熟代工方合作，比自建產線更能在 2026 年末至 2027 年初的窗口期兌現上市節奏，降低試錯成本與供應鏈不確定性。從形態設定看，外界描述集中在“口袋尺寸、可感知情境、深度繫結模型”的裝置，部分資訊將其比擬為“無屏智能音箱”的極簡版本，同時保留向眼鏡、錄音筆、胸針式穿戴延展的開放性。核心不在屏，而在‘常伴 + 低打擾’的人機介面：隨時喚起、隨時響應、隨時記錄。上游環節，OpenAI 已與歌爾股份接洽，包括揚聲器模組在內的聲學部件被列入候選清單。聲學與麥克風陣列承擔著輸入與輸出的雙向要害，既要拾音降噪，也要在微型腔體內實現清晰回放。一旦聲學鏈路跑通，無屏裝置的即時反饋品質將決定其是否具備替代手機部分互動的能力。時間表上，The Information 報導給出“2026 年底或 2027 年初”的上市目標窗口，這意味著 2025–2026 年需要完成設計凍結、模組確認與小批驗證。窗口期越清晰，對供應鏈資源鎖定與產線預定的要求越高，也越需要一家能在極短周期內完成良率爬坡的主力廠商。組織側，OpenAI 近期從 Apple 持續引入硬體與系統工程人才，並與 Jony Ive 牽頭的團隊保持緊密協作。設計與製造分離的分工，使概念定義到工程妥協的循環更快閉環，但也對供應商 NPI 響應速度提出更高要求。從立訊精密視角看，切入新一代 AI 終端帶來兩層槓桿：其一是增量客戶與新品類避險手機周期性，其二是爭取定義型客戶早期合作的學習權。首發代工不僅是產值，更是“把設計語言翻譯成工程語言”的方法論沉澱。產業對比維度上，近兩年“去屏化”創業項目屢見不鮮，但多數折在“頻次不夠、反饋不穩、場景不連貫”。OpenAI 的差異點在於擁有模型與代理棧的原生能力，以及雲側迭代速度。硬體不是模型的外包裝，而是人機關係的重新設定；只有當裝置讓人‘忘記它的存在’時，留存才會發生結構性變化。需要注意的是，相關公司對細節未予正面置評，且圍繞 Jony Ive 硬體實體的商標糾紛仍在進行。在量產節點到來前，產品定義與供應鏈名單仍可能調整，關鍵在於“功能—功耗—成本—良率”的動態收斂。▍供應鏈與角色分工OpenAI 與立訊精密的合作，核心是讓原本停留在概念與原型的 AI 終端進入量產階段。立訊精密已獲得至少一款裝置的組裝合同，承擔整機製造環節。這一點對 OpenAI 意味著，它可以把精力集中在產品定義與軟體生態上，把複雜的生產良率和供應鏈爬坡交給一家具備大規模驗證經驗的廠商。立訊的優勢在於“整機整合能力”，從連接器、模組到結構件的打通，再到自動化產線偵錯，其能力已經在 iPhone、AirPods 等消費電子產品上反覆驗證。這種能力直接決定了 OpenAI 能否在預設的 2026 年末至 2027 年初窗口期內，把新裝置從工程樣機帶到市場。在上游環節，歌爾股份被傳出與 OpenAI 接觸，涉及揚聲器模組等聲學部件。聲學模組是無屏裝置的核心關節，一旦拾音和回放不穩定，整機體驗就會坍塌。 這一點也解釋了為什麼 OpenAI 會同時選擇立訊和歌爾：前者解決整機裝配與量產，後者強化聲學鏈路。對立訊精密來說，承接 OpenAI 的新項目具有雙重意義：一方面，它能拓展除蘋果以外的核心客戶群，減少對單一客戶的依賴；另一方面，它可以在下一代 AI 終端的早期周期內獲得議價權和經驗積累。對於代工廠而言，首發代工不僅意味著產值，還意味著設計語言到工程語言的轉譯經驗，這種方法論一旦建立，會在後續衍生機型的快速複製中放大優勢。供應鏈結構還透露出 OpenAI 對風險分散的考量：在聲學、感測器、連接件等環節都有不同潛在廠商的加入。這使得 OpenAI 不會被單一供應商“卡脖子”，同時也讓整個產業鏈提前進入博弈與磨合期。整體上，這一合作不僅是 OpenAI 與立訊精密的雙邊關係，更是整個消費電子產業鏈在 AI 終端上的一次提前佈局。供應商的分工與繫結，預示著新裝置量產後，誰能獲得更大份額、誰能在後續迭代中站穩腳跟。▍戰略意義與產業影響這次合作被視作 OpenAI 從“雲端模型”走向“端側硬體”的關鍵轉折。過去它更多依賴微軟 Azure 等雲基礎設施來釋放算力，如今則通過立訊精密這樣的消費電子代工廠，把能力延伸到隨身裝置。 這種跨界不僅讓 OpenAI 的商業模式更完整，也為中國供應鏈打開了新的增量窗口。立訊精密長期是蘋果核心代工廠，如今承接 OpenAI 的訂單，意味著中國供應鏈正在提前介入下一代 AI 硬體生態。這不僅讓代工廠獲得了早期設計與量產的第一手經驗，也可能幫助它們在未來 AI 終端的行業標準中擁有更高話語權。 對比來看，OpenAI 並未選擇完全依賴美國本土的製造力量，而是沿用了消費電子產業鏈的成熟模式，這對國內相關廠商是一種現實利多。這種合作還會帶來更深層次的溢出效應。聲學模組、感測器、微型電池、低功耗晶片等環節，都有望在 OpenAI 的產品定義推動下找到新的增長點。如果 AI 終端真能像智慧型手機一樣形成“高頻日用”的生態，那麼整個鏈條會在 2–3 年內迎來一輪類似當年智慧型手機浪潮的放量。對全球競爭格局而言，OpenAI 的動作等於在蘋果、Meta、Google 等大廠之前率先明確了 AI 硬體的量產時間表。一旦 2026–2027 年窗口兌現，OpenAI 將擁有“先發終端 + 原生模型”的雙重優勢，這對其他廠商而言是巨大壓力。 這也解釋了為什麼近期有超過 20 位蘋果硬體人才流向 OpenAI，它們要在產業鏈與設計層面打出協同。對立訊精密自身來說，繫結 OpenAI 帶來的價值不僅是新增訂單，還在於產業地位的重塑。它正從“蘋果代工廠”轉向“新一代 AI 終端的定義者之一”，這種身份轉變有助於其在未來爭奪更高的利潤空間與戰略客戶關係。從行業角度看，AI 模型與硬體結合的趨勢已成定局，而中國代工廠的優勢不再只是成本，而是整機整合與良率管理。OpenAI 把“首發終端”交給立訊精密，也是在用市場投票驗證這一點。 (有新Newin)

Matrix Origin MOI對標Databricks與Snowflake，AI原生多模態資料智能平台正式發佈。2025年9月13日，Matrix Origin正式推出AI原生多模態資料智能平台MatrixOneIntelligence（MOI）以及超融合異構雲原生資料庫MatrixOne（MO）。此次發佈標誌著資料智能領域邁出關鍵一步，特別是在人工智慧與資料基礎設施的深度融合方面。MOI的推出旨在通過技術創新加速AI在企業中的落地，為行業帶來更高效、智能的資料處理與分析解決方案。超融合架構 + Data Git：MO的核心優勢MatrixOne的核心在於其超融合架構，旨在解決企業長期存在的資料孤島問題。通過整合不同類型的資料來源，MO可提供統一的資料訪問與管理平台，從而簡化資料處理流程、降低營運成本。MO創新性地引入了“Data Git”概念，該功能顯著縮短AI項目的開發周期，尤其在處理複雜資料場景時，大幅提升項目敏捷性。這一版本控制機制使團隊能夠更高效協作、追蹤資料變更，並快速回滾至歷史狀態，對AI模型迭代與資料治理至關重要。MOI：下一代資料基礎設施的戰略佈局MOI被定位為下一代Data Infrastructure，其核心目標是為企業提供一站式AI資料智能平台。該平台支援自然語言驅動的工作流，意味著使用者可通過自然語言指令運算元據、進行分析與決策，極大降低使用門檻。技術上，MOI對標Databricks與Snowflake，後兩者在資料智能領域已取得顯著成就。Matrix Origin此次戰略舉措旨在通過技術創新縮小與行業領先者的差距，為企業提供更具競爭力的解決方案。Matrix Origin深耕資料智能多年，客戶涵蓋網際網路、金融、能源、製造、醫療等多個行業，表明MOI具備廣闊的應用前景，能夠滿足不同領域對資料智能的多樣化需求。Matrix Origin在資本市場亦展現出強勁的增長勢頭。公司已於2024年5月完成數百萬美元Pre-A輪融資，並於2025年8月獲得超過2億元人民幣的資金，目前正在進行新一輪融資。這表明資本市場對Matrix Origin的發展前景持樂觀態度，為MOI的持續研發與市場拓展提供了充足的資金支援。隨著人工智慧技術的不斷發展，對資料智能平台的需求將持續增長。Matrix Origin有望憑藉其技術優勢與市場經驗，在這一領域取得更大突破。MOI的發佈不僅展現了Matrix Origin的技術實力，也預示著資料智能行業將迎來新一輪變革。未來，資料智能平台領域的技術創新將圍繞以下幾個主流方向展開：1. 生成式AI與增強分析：通過自然語言互動、自動生成洞察與決策建議，降低分析門檻，實現“人人可用”的 analytics。2.多模態資料融合與即時處理：支援文字、圖像、語音、時序等多模態資料的統一儲存、索引與即時計算，滿足AI應用對多樣化資料的需求。3.Data as Code（資料即程式碼）：借鑑DevOps理念，實現資料版本控制、CI/CD、可觀測性，提升資料開發效率與治理水平，類似MO的“Data Git”。4. 邊緣智能與雲邊協同：將AI能力下沉至邊緣節點，實現低延遲、高隱私的資料處理，同時與雲端協同，最佳化資源利用。5.智能體（Agent）編排與自動化決策：通過多智能體協作、任務規劃與執行，實現從資料到行動的閉環自動化，推動企業營運智能化。6. 資料安全與隱私計算：在資料共享與分析過程中，融合差分隱私、聯邦學習、同態加密等技術，保障資料合規使用。7. 量子計算與AI融合：探索量子計算在複雜最佳化、特徵提取等AI任務中的應用潛力，提升計算效率。這些趨勢將共同推動資料智能平台向“AI原生、多模態、自動化、可信任”方向演進，成為企業數位化轉型的核心基礎設施。 (壹號講獅)