昨天（7月25日），馬斯克在接受《經濟學人》專訪時拋出一個判斷：

“未來某個時刻，中國極有可能成為全球人工智慧的領導者。美國就算停用中國模型，也根本擋不住這個趨勢。”

這不是一句外交客套或情緒化的讚美之詞，而是馬斯克用商業與工程視角，穿透了當下不少人的認知盲區：

今天的AI競賽，表面看是晶片與演算法的爭鋒，底層卻是一場殘酷的“物理世界基礎設施硬碰撞”。

在華盛頓的敘事裡，彷彿只要掐斷最先進晶片的出口管道，就能鎖死對手的智力天花板。

但隨著AI演進，單顆晶片的性能提升正逼近物理極限。

而馬斯克不止一次點破了一個現實：人們嚴重低估了搭建電力基礎設施的難度。

每一個看似傳統的物理環節，在AI大模型時代，都成了能卡死兆算力的咽喉要道。

馬斯克拿自己的親身經歷揭了矽谷的底：

他在孟菲斯建造超算叢集，為了拿到1吉瓦（GW）的電網接入許可，整整協調了一年時間。

最後因為電網建設太慢，逼得他不得不靠臨時燃氣輪機和記憶體電池包去“拼湊”供電。

在今天的美國，那怕台積電和輝達把先進晶片如期交貨，許多頂級資料中心也只能眼睜睜看著算力機櫃發呆：因為電網根本帶不動。

而這，恰恰是中國幾十年如一日埋頭苦幹築起的最硬底牌。

據馬斯克估計，到了2026年，中國的總發電量將達到美國的三倍左右。

不僅如此，中國在太陽能、特高壓輸電和新能源儲能領域的佈局，幾乎是在現實世界裡玩“開掛模式”。

僅太陽能的年新增裝機，就達到了驚人的千吉瓦等級。

對於美國政府試圖通過停用中國AI模型、加碼晶片禁令的做法，馬斯克同樣潑了一盆冷水。

這類限制不僅無法減緩中國AI的發展，反而是一種自欺欺人的“行政幻覺”。

從國產大模型Kimi等產品的爆發可以看出：

即便在先進晶片受限的物理條件下，中國的研發團隊依然能通過演算法架構最佳化、工程細節創新，用更低的算力成本，實現對頂尖性能晶片的逼近與追趕。

更讓矽谷焦慮的，是馬斯克對供應鏈核心“光刻機”的現實預判。

西方封鎖的前提，是假設中國在短期內絕對無法突破先進光刻技術。

但馬斯克非常明確地預測：中國距離解決先進光刻技術問題，“比大多數人預想的要近得多”。

其實，從新能源汽車到動力電池，從太陽能產業鏈到特高壓，相同的反超劇本已經演過太多次。

光刻機與高算力晶片，無非是這個劇本裡的最新一章。

在這種背景下，強行禁止美國企業使用中國優秀的開源模型，不僅擋不住中國AI的腳步，反而會讓美國自身陷入閉門造車的孤立狀態。

馬斯克在專訪裡，不僅有中美科技角力的預警，也有對整個人類生產力變革的展望。

未來5年之內，AI的整體智能水平極有可能超越人類全部智能的總和；

未來10年之內，隨著AI大模型與具身智能（機器人）深度融合，社會將加速邁入“物質極大豐富”的階段。

馬斯克認為，人工智慧與人形機器人，最終將承擔絕大多數數字空間與實體世界的複雜工作。

從編寫程式碼、分析資料到工廠裝配、建房造陸，人類的物理勞動將從“生存所迫”徹底轉變為“自願選擇”。

當社會的物質生產力以指數級爆發，傳統經濟學中建立在“資源稀缺”基礎上的運行法則，將迎來劇烈顛覆。

馬斯克甚至預測，屆時貨幣作為交換介質的重要性將急劇下降，人類社會有可能真正迎來一個“全民富足”的全新時代。

但是，在通往這個“全民富足”的烏托邦之前，必定會經歷一場殘酷的底層基礎設施大比拚。

AI數字時代的主導權歸屬於誰？

歸屬於那個能率先提供兆級電能支撐模型演進的國家；

歸屬於那個能率先將AI演算法與龐大製造業供應鏈結合，把機器人成本降到極致，並大規模落地的國家。

這也就是為什麼馬斯克對中國的電力供給、製造產能如此讚揚，其實也是一種高度警惕。

市場有風險，投資需謹慎。本頁面資訊源於公開市場，公司不對其真實性、精準性等作保證。*行業分析、所有案例及個股僅等為市場資訊整理，僅供策略研究，不構成任何投資建議。過往業績不預示未來，個人經驗分享僅為個案，不代表公司觀點。本頁面所有內容均不構成投資建議或要約邀請，投資決策及風險由您自行承擔。頁面資訊由江蘇金百臨投資諮詢股份有限公司盧娜（A1210623100001）團隊進行整理！

有人說，股市是成年人的修羅場——有人暴富，有人爆倉。可就在這個“浮躁的江湖”裡，有個"財富園丁"。

她是那種——能一邊分析K線，一邊背李清照的人；能把“資產配置”，講得像“帶娃”一樣生動的人；服務於許許多多高淨值人群，卻依然願意蹲下來和你嘮嗑的人。

她不追熱點，不講神秘戰法，只教你聽得懂、用得上的“真話”。

如果你也厭倦了那些虛頭巴腦的預測、晦澀難懂的術語——

那就來這裡。她在股市的風雨裡，和你一起從從容容，笑談風雲。 (金百臨財富通)

【新智元導讀】全球第一！中國AI語音ViiTorVoice首創「局部編輯」神技：配音錯字告別重錄，像改Word一樣修語音。內附姆巴佩、哈蘭德爆笑實測，快來見證！

最近，在全球語音權威評測榜單 Seed-TTS 上，突然殺出了一匹令人膽寒的黑馬。

這個憑空出世的中國模型，將 Qwen3-TTS、CosyVoice3、Fish Audio 等一眾主流巨頭挑落馬下，徑直登頂綜合排名第一！

憑藉英文詞錯率（WER）1.32、中文詞錯率0.99的恐怖資料，它一舉擊穿了行業的極限天花板，成為當前評測體系中，全球首個中文詞錯率突破 1.0 大關的里程碑模型。

這個登上榜首的AI語音大模型ViiTorVoice，來自國產公司雲上曲率。它終結了長久以來的行業痛點：語音無法局部編輯。

這個全球首個具備「局部編輯」能力的AI，將徹底改變了整個行業！

Hugging Face Demo： https://huggingface.co/spaces/ZzWater/ViiTorVoice

GitHub： https://github.com/viitor-ai/viitor-voice-nar

模型權重： https://huggingface.co/ZzWater/ViiTorVoice-NAR

所以，ViiTorVoice的上手效果究竟如何？

我們用它做了一些實測，看看它到底能不能扛住整活界的考驗。

實測一：哈蘭德的最新梗——挪威隊伙食不夠了

昨天，全網都被這條新聞笑噴了。

挪威隊參加世界盃，帶了3名主廚去美國，還從本國空運食材，就為了喂飽哈蘭德。網友熱評：哈蘭德一個人吃掉了挪威隊的伙食預算。

我們立刻整活，找來最近哈蘭德最火的廣告，用ViiTorVoice把原廣告詞變成了：「哈蘭德要一頭牛，怕餓暈找哈蘭德」。

結果讓人笑瘋了。ViiTorVoice新生成的這幾個字，不僅音色跟哈蘭德一模一樣，還完美保留了他那種低沉的嗓音特質。

前後的呼吸節奏和重音分佈做到天衣無縫，新版廣告一出，效果絕了。

實測二：姆巴佩的「補水啦」，無縫植入任何正經場景

最近，姆巴佩廣告中那句魔性的「補水啦~ 」已經洗腦了無數網友。

那語調、那尾音上揚的「啦~」，堪稱2026年度鬼畜區預備役素材。

我們用ViiTorVoice直接把其中的台詞替換成「我駕馭未來，補水啦~ 」。

結果非常搞笑，ViiTorVoice生成的「補水啦~」三個字，完美繼承了原廣告裡魔性調調，尾音上揚的程度絲毫不差。

最絕的是，它還被無縫融合進了汽車廣告那種低沉穩重的旁白節奏裡，前後語句在呼吸氣口和背景底噪上，完全看不出拼接痕跡。

另外，網站上還有個「AI會說話的照片」功能。

那就讓哈蘭德向我們吐露一下心聲，為什麼在賽場上急得想吃人。

就如本文開頭所說，在真實環境中，更耗費時間的往往不是第一次生成，而是後期修改。

比如短劇已經完成配音，上線前發現角色人名需要調整；廣告文案臨時修改了產品名稱；課程內容更新了一個專業術語。

重新生成一句新的配音並不難，真正耗時耗力的，是如何讓修改後的內容與原有音訊保持一致，尤其在音色、情緒銜接、停頓突兀、時間軸同步這些細節上。

ViiTorVoice推出的片段級編輯能力，就解決了上述難題——你可以任意替換某個詞、某句話、某個片段。

從此，內容創作、廣告行銷、短劇配音、有聲書製作等全體語音生產工作流，都被徹底改變！

而且，ViiTor的網站上，還有多種實用功能。

比如這個視訊配音功能，讓鸚鵡小弟給黑道大哥講冷笑話，直接給它干崩潰了，語音效果自然逗趣，是網上玩梗的好素材。

下面是一對貓狗在分享對付人類的秘訣，輕鬆幽默的場景，非常適合替換台詞，創作寵物擬人化的搞笑視訊。

權威評測領先，多語種語音達到行業先進水平

為什麼ViiTorVoice會有如此驚豔的效果？成績來說話。

就如開頭所提，它的基準測試成績單十分亮眼。

在當前業界最嚴苛、公認度最高的 TTS 標準評測 Seed-TTS 中，ViiTorVoice 交出了一份驚豔的成績：英文詞錯率1.32，中文詞錯率0.99。

特別值得一提的是，ViiTorVoice 在中文詞錯率（WER）指標上取得當前公開評測最佳成績，在發音準確性和語義還原能力方面達到行業領先水平，為即時語音互動、視訊配音和Agent場景提供更可靠的語音基礎設施。

至此，它全面超越了包括 Qwen3-TTS、CosyVoice3、Fish Audio 等在內的主流競品。

錯詞率降到 1.0 以下，就意味著它極度穩定、幾乎不存在幻覺。而在如此恐怖的穩定性之上，ViiTorVoice 還帶來了市場上任何一家商業化產品都不具備的獨門絕技。

ViiTorVoice 最具顛覆性的核心能力，就是片段級定向編輯。

正如前文所述，行業內現有的 TTS 方案，無論是開源還是閉源，基本範式都是「整段重新生成」。

但 ViiTorVoice 實現了真正的局部修改：你可以指定某一個詞、某一個短語進行獨立重新生成，而音訊的其他所有部分——包括音色、節奏、背景底噪、前後文的情感連貫性，全部保持絕對穩定！

在 ViiTor 官方提供的 Demo 中，一段英文演講音訊，如果你把其中的部分詞句改成其他詞，重新生成後，那股特有的拖音、演講時的呼吸節奏、獨特的情緒起伏，完全一模一樣，只有那個單詞被「無縫替換」了。

影視製作、有聲書錄製、短劇出海，再也不需要因為改了一句台詞而重錄整集。

這對於影視後期而言，尤其具有革命性意義——因為它第一次將對白調整從「重資產、長周期的補錄流程」解放為「非線性時間線上的即時編輯」，讓導演的創作意圖得以實現。

在有聲書錄製中，如果錄錯專有名詞或口誤時，無需重錄整章，只需定向修改那一兩秒的音訊即可。幾十小時的有聲劇，後期修音時間能從幾天壓縮到幾十分鐘，且音色與呼吸節奏始終保持一致。

對於短劇出海，這個功能就更是意義重大，它解決了多語言版本「重錄成本高、周期長」的痛點，無需重新召集配音演員進棚。製作方只需在原始錄音上替換特定用詞，即可產出多個語言版本，每版聽感都像原生表演。

這種能力是如何實現的？這要歸功於 ViiTor 團隊在底層架構上做出的一種「反常識」的選擇。

為什麼只有它，能做到局部編輯？

當今市面上最火的語音模型（比如 CosyVoice 等），大多採用的是 AR（自回歸） 架構。

自回歸模型的特點是「逐幀生成」，也就是預測下一個 Token 是什麼。

這種模式的好處是順理成章，但致命弱點在於：它無法做到局部編輯。

因為當你改變中間的一個詞時，由於自回歸的鏈式反應，後續所有的 Token 都會發生改變。

此外，逐幀生成也導致了自回歸模型的推理延遲偏高，且容易在長文字中出現瑕疵。

為了攻克這個壁壘，ViiTor 團隊毅然選擇了難度極高的 NAR（非自回歸） 架構。

研發團隊用了一個精妙比喻，來解釋他們的技術路徑——「完形填空」。

ViiTor 使用的是類似於 Masked LM的方式。

當使用者需要修改音訊中間的 2-3 秒時，系統不需要從頭算起。它會將這需要修改的部分「挖空」，然後模型會根據這段音訊前面和後面的上下文，精準填補空缺。

正因為模型能夠「同時看到前後文」，它填進去的這個詞，不僅音色絕對一致，連前後情緒的銜接也能做到天衣無縫。

同時，非自回歸架構帶來了另一個巨大的紅利：極速的推理效率。

由於可以同時生成所有時間點的Token，ViiTorVoice 的首幀延遲被極大壓縮。在同等體量下，其他模型的延遲往往在 150ms-200ms 左右，而 ViiTor 的端到端首幀生成時間做到了 60 毫秒以內。

結合團隊在推理結構和算子層面的深度定製最佳化，以及一致性蒸餾（將推理步數從 32 步大幅壓縮至 4 步或 8 步），使得該模型在海量高並行環境下，依然能保持極低的計算成本。

很多人在刷短影片時都有一個痛點：只要一聽到那種千篇一律、缺乏生氣的AI 機器音，就會立刻劃走，甚至產生生理性噁心。

人類的語言之所以生動，不僅僅是因為說了什麼字，更因為包含了大量的副語言資訊——呼吸、氣口、笑聲、嘆氣、猶豫、甚至是微弱的哭腔。

現有的 TTS 模型大多隻能解決「說什麼」的問題，而 ViiTor 卻著重解決了「怎麼說」的問題，實現了令人驚嘆的副語言感知與控制能力！

它不需要你在提示詞裡寫上長篇大論的情感描述，而是可以通過插入特殊 Token（比如笑聲、嘆氣），實現詞等級的精準控制。

甚至同樣是生氣，模型未來還能區分是暴怒還是隱忍的憤怒，還能精準控制重音、弱讀。

為了做到如此細膩的控制，ViiTor 引入了在圖像生成領域大放異彩的 CFG 技術應用在音訊推理中。

在生成特定情緒或笑聲時，模型在推理時會同時走兩條路徑——

非條件路徑： 正常生成，不管笑聲。

通過將這兩條路徑的 Logits 做差值，模型能夠極大地強化笑聲這個條件的權重。

實測發現，這種機制的成功率和自然度，遠遠高於傳統模型僅靠自然語言去控制的效果。

這就是 ViiTor 在技術路線上與 ElevenLabs 等主流方案的根本差異，也是當前競爭格局下難以快速複製的核心壁壘。

無參考文字克隆：短劇出海的降維打擊

除了編輯和情緒控制，ViiTorVoice 還有一項絕殺技：首個可編輯、無參考文字（Zero-Shot）的跨語種語音克隆。

傳統的語音克隆，你需要提供一段說話人的音訊，以及對應的精準文字內容。模型本質上是在做「續寫」。

但在真實的商業場景中，這會遇到巨大的阻礙。比如短劇出海到巴西、中東，這些小語種（如葡萄牙語、阿拉伯語）的語音轉文字模型精準率較低，讓傳統克隆直接失敗。

ViiTorVoice的選擇是，直接甩開了文字的枴杖！

在訓練階段，團隊刻意丟棄了文字資訊，逼迫模型直接從音訊的聲學特徵中去學習說話人的發音習慣、音色和口癖。

結果就是：你只需要上傳一段純音訊，模型就能自動提取音色，並用這個音色生成中、英、日、韓等多個語種的內容。

這對於當前火爆的短劇出海、遊戲配音、電影解說來說，無疑是降維打擊！

不少國內頭部企業，已經成為這家公司的合作客戶。

目前，在真實的付費生產環境中，ViiTor每天已穩定處理數十萬小時音訊，形成成熟的商業模式。

開源與商業化並進，擁抱開發者生態

而且非常可貴的是，面對如此強大的技術壁壘，ViiTor 團隊展現出了極大的開放格局。

彙整鉅亨號中所有使用「中國模型」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`