新凱來旗下深圳市萬里眼技術有限公司（下稱“萬里眼”）發佈65GHz採樣示波器新品，國產光通訊領域光模組測試儀器再現新進展。4月23日-25日，2026九峰山論壇暨中國光谷國際化合物半導體產業博覽會在中國武漢光谷科技會展中心舉行。《科創板日報》記者在現場獲悉，萬里眼正式發佈65GHz採樣示波器，其能夠支撐1.6T高速光模組研發與大規模製造場景，並提供關鍵測試能力。萬里眼65GHz採樣示波器萬里眼CEO劉桑表示，從數字經濟到積體電路，再到半導體設計製造，有“一代技術、一代工藝、一代裝置”的發展邏輯。在這一嚴密鏈條中，測量儀器是所有裝置的基礎，被行業稱之為“裝置的裝置”，是負責定量和校準的“龍眼”。“沒有精準的測量，就不可能有高性能的裝置和產品。”據劉桑介紹，萬里眼此次發佈的65GHz採樣示波器，實現了三大核心突破：一是效率。憑藉業界領先的500kHz採樣率，測試效率對比傳統方案提升了100%，大幅縮短產品生產周期；二是代際演進。65GHz超高頻寬支援單波200G光測量，為1.6T光通訊提供底座，且模組化架構支援未來向更高速率演進；三是超高精度。低至12μW（典型值）的超低光功率噪聲，精準捕捉微弱訊號，保障高品質生產與產品交付。國產光模組測試能力快速趕上《科創板日報》記者在現場瞭解到，萬里眼此次發佈的65GHz採樣示波器，採用了該公司的自研晶片，以實現12μW（典型值）的超低光功率噪聲和65GHz頻寬。該採樣示波器在測試效率的大幅提升則是來源於演算法與架構的創新，引入了先進的平行計算架構和流水線技術，實現“采算同步”，大幅縮短資料處理時間。“來自中國的頭部光模組企業，製造能力已經佔據全球市場的55%，並持續增長。產能規模大、製造成本高，因此製造環節的測試效率至關重要。”萬里眼時域產品線總經理崔天宇在九峰山論壇現場接受《科創板日報》記者採訪時表示，萬里眼的採樣示波器支援4個通道的同時測量，每個通道的採樣率支援500kHz，較其他類似產品具有差異化競爭力。銀河證券分析師魯佩在今年4月發佈的研報觀點稱，國產電測儀器廠商迎來增量市場國產化新機遇。全球電子測量儀器市場長期被美國的是德科技Keysight、德國的羅德與施瓦茨Rohde & Schwarz、日本安立Anritsu等海外龍頭主導，中國通用電測儀器行業起步相對較晚，在高頻寬、高頻率等產品方面仍存在一定差距。資料顯示，近年來國產電測儀器廠商大力推進自研產品開發，並在高端化戰略佈局下不斷取得突破。國產高端新產品實現快速放量，國產品牌市場份額已由2020年的8.4%提升至2024年的16.8%。崔天宇表示，從業內視角來看，國內與海外頭部公司的技術差距，主要體現在產業鏈中工藝、材料、晶片等根技術的差距與標準生態建設等方面。並且，在新的測試儀器產品匯入過程中，國產儀器廠商需要與客戶共同開展全方位驗證，逐步破除對海外品牌裝置的心理依賴。“在光器件的半導體晶圓級測試裝備領域，國外企業起步早、積累深，具備更多的優勢；在模組級測試上，國內企業已經形成聯合突圍之勢。”崔天宇稱，“當前AI驅動下的光通訊相關市場增長迅速，產業規模龐大，為許多國內企業創造了新的成長空間。”除萬里眼此次在九峰山論壇上發佈其65GHz採樣示波器，國產儀器廠家中，聯訊儀器同樣可提供通訊測試儀器、光電子器件測試裝置和電性能測試儀器。據瞭解，目前聯訊儀器已具備400G、800G、1.6T高速光模組核心測試儀器，其中大規模供貨面向400G、800G高速光模組測試需求的50GHz採樣示波器，其滿足1.6T光模組測試需求的65GHz採樣示波器也已供貨。聯訊儀器4月24日在科創板成功上市，上市首日股價漲幅達875.82%，體現了市場對光模組測試所需儀器這一產業關鍵環節的認可。頭部光模組測試儀廠訂單拉滿根據LightCounting預測，2026年全球數通光模組市場規模有望達到228億美元，到2030年將增長至414美元，2025-2030年復合增速達到20%。同時2026年起800G和1.6T光模組將迎來快速放量，合計市場規模有望達到146億美元，佔整體光模組市場的約 64%，而3.2T光模組有望自2028年逐步起量。據業內人士透露，今年國內外具有高速光模組測試儀器業務類股的公司，訂貨量已被拉滿。整體來看，隨著半導體、通訊、新能源等下遊行業的快速發展，光模組下游應用多點開花，高速光模組蓬勃發展催化測試儀器增量市場空間。“當下，高速光模組的應用既在營運商網路傳輸、大型資料中心高速互聯上擴大升級，也在網際網路廠商、大模型公司中急劇增長。”崔天宇表示，隨著數位技術高速迭代與多行業智能化升級加速，AI智算中心超高速互聯測試、CPO先進封裝測試、車載高速光通訊測試、前沿科學研究等，都是光通訊相關測試儀器新的增長點。據介紹，上述前沿賽道技術門檻高、迭代速度快，兼具代際內旺盛的增量需求與長期迭代的成長空間。下游應用的全面擴容，將直接帶動光模組全產業鏈升級，進而拉動配套測試裝置的採購與迭代需求。根據Frost&Sullivan資料，2024年全球電子測量儀器市場規模為129.3億美元，預計2029年將進一步增長至183.8億美元；國內儀器類企業將會有更大的發展空間。 (科創板日報)

2026年4月19日上午7點30分，北京亦莊，發令槍響。一道醒目的紅色機體衝了出去，髖關節大幅度外擴，步幅雖不及人類，但步頻極快，快得像在擊鼓——後來我們才知道，它的瞬時速度一度飆到了7米每秒以上。兩個多小時後，當人類男子組冠軍趙海傑以1小時07分47秒沖線時，他頭頂的電子計時牌上，機器人組的成績已經定格在50分26秒。榮耀“閃電”，來自齊天大聖隊。這個成績不僅把去年冠軍天工Ultra的2小時40分42秒甩開了整整110分鐘，更超越了烏干達名將基普利莫57分20秒的人類男子半馬世界紀錄。事實上，機器人組前三名——50分26秒、50分56秒、53分01秒——全部被榮耀“閃電”包攬，且操作方式全部為自主導航。但這還不是最讓產業側目的畫面。在官方“最佳步態”評選中，榮耀的另一台機器人“元氣仔”以116萬票奪得第一，北理智行者第二，松延動力N2第三。速度與步態，一台像鴕鳥般暴力突進，一台像人類般絲滑還原。在觀察者網科工力量的直播間裡，北京智源研究院的趙仲夏盯著螢幕感嘆：“榮耀這次太驚豔了，刷新認知。”同一廠家，同一屆賽事，兩種截然相反的工程取向，恰恰揭示了具身智能發展的兩個關鍵方向：“超越人類的效率”與“還原人類的精度”。然而，這不僅僅是技術實力的展示。在直播間裡，一條彈幕被趙仲夏念了出來：“經濟體量到了一定程度，社會產生剩餘，需要把資源投向機率大的方向——那怕現在看起來沒什麼用。”他接了一句：“這就像寫文章的閒筆，閒筆落得越遠，當它收束回來的時候，能量越大。”這兩句話，無意間為這場亦莊機器人半程馬拉松定了調。當機器人還不能替你洗碗、不能替你擰螺絲的時候，讓它跑21公里，看起來是一記標準的“閒筆”。但榮耀的“雙冠”成績單，以及那極具識別度的紅色塗裝與鴕鳥步態，共同構成了一份硬核的“實驗報告”：一場關於如何將“社會剩餘”高效轉化為技術突破的產業實驗，正在給出初步答案。1、實驗報告：50分26秒，證明了什麼？榮耀“閃電”的50分26秒，首先是一份關於中國供應鏈工程整合能力的極限測試報告。從2小時40分到50分26秒，一年時間，成績壓縮了將近70%。這不是演算法的線性最佳化，而是人工智慧浪潮使具身智能的可能性大增，進而啟動了中國工業與供應鏈的潛力。直播中有一個細節。鏡頭給到補給點維護的機器人時，趙仲夏突然說：“這是在加冰降溫嗎？我腦子裡全是我的顯示卡液冷。”這個脫口而出的聯想，恰恰點出了今年賽事最隱秘的技術跨越——熱管理。去年首屆，風冷被動散熱跑3公里以上核心關節溫度就衝到70℃-80℃，是很多隊伍退賽的直接原因。而今年，液冷成為了關鍵詞。上海團隊帶來了液冷關節模組配合微通道閉環散熱；山東泰山隊針對發熱與機械疲勞做了結構增強和能耗最佳化。榮耀工程師杜曉迪賽後透露，“閃電”奪冠的關鍵在於液冷系統，而且這套方案復用了榮耀手機的模擬技術來提升整機結構可靠性。手機液冷和結構模擬，曾經是消費電子科技樹上的普通分支，現在因為一場馬拉松賽事而被引入具身智能賽道。這令人想起F1賽車如何作為尖端技術的試驗場，將空氣動力學、材料學和能源管理推向極限，最終反哺民用汽車工業。半馬，正成為具身智能的“F1賽場”。這種“炸裂”不止於散熱。絲槓、諧波減速器、行星減速器——這些原本服務於汽車工業、航空航天的精密部件，因為人形機器人對“更大力量、更小空間”的需求，被重新拿出來做了一遍。產業人士觀察指出，在精密部件領域，日本的積累依然深厚，但中國在工程化整合、散熱適配和成本控制上正在形成自己的差異化路線。實驗的第二項證明，是關於技術路線引導的規則設計是有效的。賽事規則明確：遙控組成績需乘以1.2係數。這並非簡單的公平補償，而是一個精妙的難度加權——它承認了在複雜的長距離比賽中，實現穩定、高效的自主導航，其技術挑戰遠高於遙控操作。規則並非否定遙操，直播中將其定義為現階段不可或缺的學習與驗證手段，而是通過數學方式，對不同技術路線的完成難度進行量化區分。這一設計的直接效果是，為技術探索提供了更清晰的激勵框架。對比去年賽事多數依賴遙操的情況，本屆有近40%的賽隊申報了自主導航。最終，榮耀包攬前三的機體全部為自主導航，天工隊也以完全自主的方式完賽。這在一定程度上表明，規則成功地鼓勵了更多團隊向更高難度的全自主技術發起挑戰，並驗證了其可行性。從“遙控為主”到“自主佔比顯著提升”，這本身就是賽事推動技術進步的一個直觀註腳。而榮耀同一賽事拿下“速度”與“步態”雙冠，則揭示了消費電子大廠降維打擊的另一種邏輯：對“品牌力”的精準駕馭。“閃電”的紅色塗裝與鴕鳥步態極具視覺衝擊力和識別度，這不僅是工程取捨，更是品牌符號；“元氣仔”以116萬票拿下步態冠軍，則是公眾對其“人類資料還原度”的無意識投票。榮耀用多SKU思維，同時驗證了工程性能的極限與公眾接受度的邊界。這種將技術實力轉化為品牌認知的能力，恰是中國許多行業從“中國製造”向“中國創造”、從“中國產品”向“中國品牌”轉變過程中所稀缺的，也是中國科技產業亟需打造的“科技名片”。2、實驗設計：為什麼是“無用”的半馬？一個根本性的產業拷問是：當機器人還不能進廠打工、不能服務家庭時，為什麼要耗費巨資讓它跑一場看似“無用”的21公里半馬？答案隱藏在產業發展的死循環裡。要訓練出足夠智能的機器人，需要海量、多樣化的真實場景資料；要產生這些資料，需要大量搭載模型的“本體”在複雜環境中持續運行；在智能不完善的時期，這種運行本質上是一種“學習”而非“勞動”，往往是一種不計成本的投入。但如果不願投入，就沒有足夠的資料用於迭代模型，也無從迭代本體，也無法通過規模效應降本。而要支撐大量本體的製造與部署，又需要有願意買單的成熟應用場景；而成熟場景的出現，最終又依賴於足夠好用、可靠的智能水平。實驗室給不了答案，而追求效率的真實工廠和家庭，沒有理由為“未成熟、高成本、低可靠性”的通用本體支付溢價。為了打破這個“先有雞還是先有蛋”的死循環，就必須引入超越短期經濟核算的社會資源，人為創造出能夠“喂養”資料和驗證技術的“准場景”。這正是亦莊半馬的本質——一場精心設計的產業實驗。它的核心功能是：堆本體量、降製造成本、養資料資產。為什麼半馬是理想的“准場景”？趙仲夏在直播中的分析很透徹。首先，它是低成本、高烈度的試煉場。對比昂貴的汽車流水線，半馬提供了容錯率更高的“育嬰室”，能讓105支隊伍、300余台機器人同時接受極限壓力測試。其次，它是稀缺的資料富礦。21公里約等於25萬次關節運動，提供的是長時序、多地形、帶疲勞特徵的連續運動資料，這是訓練“具身智能”最寶貴的養料。最後，它還是高效的公眾介面。116萬張步態票，在無意識中完成了對技術路線的早期市場教育。因此，亦莊半馬的真實意義，是中國工業體系在產生“剩餘”後，對前沿技術進行的一次規模化、有組織的“非功利性投資”實驗。它要驗證的命題是：通過設計一個“無用”的極限場景，能否高效動員社會資源，強行打通從技術研發到資料積累的產業閉環？3、實驗過程：科技樹如何被“炸裂”？實驗的初步成功，最直觀的體現就是科技樹多個沉默分支被同時“炸裂”。需要理解的是，這不是“因為有了新技術所以跑得快”，而是“為了跑完21公里這個‘無用’任務，倒逼存量技術從其他領域被‘炸’進機器人產業”。最典型的案例是熱管理。去年，散熱是長距離奔跑的“阿喀琉斯之踵”。今年，液冷從消費電子和顯示卡領域被強行引入。榮耀“閃電”的液冷系統直接復用了手機的技術與模擬能力；上海、山東等多支隊伍也帶來了各自的液冷或強化散熱方案。這個“無用”的場景，催生了一個迫切的工程需求，並迅速牽引了跨行業的技術遷移。同樣被啟動的還有精密製造領域。絲槓、諧波減速器、行星減速器，這些服務於汽車、航空的“工業母機”技能點，因為機器人對力量密度和空間效率的極致追求，被重新拿出來進行工程化適配。趙仲夏甚至判斷，人形機器人這波需求，最終“炸掉”的可能是材料學——當機體要求更大力量、更快速度、更小空間時，現有材料的極限將被反覆衝擊。這場實驗也清晰地展示了不同技術路線的分化。榮耀“閃電”的鴕鳥步態是為速度特化做出的生物力學取捨；天工則追求更擬人的步態；元氣仔的步態則被評價為“非常絲滑”。這些差異不是美學分歧，而是同一套人類運動資料，在不同工程目標下的分化演繹。它們共同驗證了趙仲夏的觀點：“人形是消化最大量人類資料的結構。”跑步半馬，是在為AI的“逆向工程”提供最高頻、最連續的“動作語料”。4、實驗的規則與未來：定義“耐力賽”的新節奏這場產業實驗的成功，不僅依賴於參與者的技術投入，更得益於一套精心設計的“遊戲規則”。遙控組成績乘以1.2的係數，其深層意義是對技術發展階段的精妙微調。它承認並接納了遙操在現階段不可或缺的價值——作為“開卷考”，是教會機器人“人類怎麼跑”的重要方式；同時，它又明確鼓勵自主導航這一“閉卷考”的終極方向，引導資源流向更具長期價值的資料沉澱。這為未來通用智能的訓練積累了最原始的資產。而大廠的下場，特別是榮耀的“雙冠”表現，為實驗注入了新的變數。這不僅僅是“華為系”或消費電子巨頭的資源投入，更是一種成熟方法論的外溢。榮耀將手機產業的模擬、液冷、多SKU產品定義與品牌塑造能力，系統性地注入機器人賽道。其“閃電”與“元氣仔”的雙線驗證，本質上是將消費電子領域已驗證的“性能+體驗”雙輪驅動模型，在機器人產業進行復刻。需要進一步觀察的是，這種“飽和式”投入在技術遠未收斂的當下，利弊如何。在技術路徑排列組合仍多的混沌期，以大量資源集中押注少數路線，固然能加速工程化，但也伴隨著巨大的錯配風險。這正是當下賽道中仍有大量初創公司存在機會的原因——它們憑藉小體量與敏捷性，可以在多條岔路上快速試錯。當然，正如趙仲夏在直播中所言，純粹“大而全”的創業窗口正在縮小，機會正變得更垂直、更細分。體系內多主體的平行探索，是能形成內部賽馬加速收斂，還是可能造成資源內耗，將是影響未來格局的一個重要變數。實驗的基礎設施也在同步夯實。北京人形機器人創新中心的中試驗證平台，以9700平方米的規模、1小時/台的組裝節拍，為“表演賽道”催生出的本體需求提供了量產化的出口。星海圖明確2026年啟動萬台級放量，表明“閒筆”開始產生真實的商業回報。從實驗到量產的通路正在被打通。5、21萬公里，值得期待的閒筆收束比賽臨近結束時，直播彈幕裡有人感慨：“回首過去一二百年，人類工業文明處理程序中被淘汰、被束之高閣的發明實在太多了。”趙仲夏回應說，很多被凍結的發明，會在新的技術革命中被重新啟動。從160分鐘到50分鐘的暴力進化，從風冷到液冷的沉默炸裂，從消費電子模擬到工業母機技能的重新啟動，所有這些都指向同一個結論：當經濟體量產生剩餘，當社會敢向“閒筆”投資，當被束之高閣的技術分支敢在極限場景中炸裂，產業進步的飛輪就已經開始轉動。50分26秒和116萬票不是終點。它們是閒筆落向遠方的墨跡。榮耀的紅色“閃電”以其極具辨識度的方式，為這場實驗寫下了第一個醒目的註腳。這場“無用之用”實驗的終極意義在於，它為中國在具身智能這場漫長的“耐力賽”中，贏得了探索路徑、積累資料、打磨品牌的寶貴時間。趙仲夏的判斷或許揭示了最終圖景：今天在21公里複雜路況中的驗證與資料積累，正是為了明天人類無法到達的21萬公里深空、深海或極端環境。當閒筆收束，能量回歸，它的落點，將是人類能力邊疆的又一次拓展。 (觀察者網)

中國自動駕駛規模化應用經歷了一場系統性的“壓力測試”。3月31日，武漢數十輛由百度營運的“蘿蔔快跑”自動駕駛計程車（Robotaxi）在繁忙路段集體臨停。次日凌晨，武漢市公安局交通管理局發佈警情通報：初步判斷為系統故障所致，乘客均安全下車，無人員受傷。圖片來源：視覺中國這一場景並非孤例。2025年12月，舊金山因變電站火災導致大面積停電，交通訊號燈失效。Google母公司Alphabet旗下的Waymo無人車車隊觸發了“最小風險策略”，在十字路口原地停滯，導致城市交通樞紐癱瘓數小時。從武漢到舊金山，自動駕駛行業正處於從“技術可行性”向“營運韌性”過度的深水區。這兩起事件揭示了行業共同面臨的系統性鴻溝：在極端邊緣場景下，現有的安全冗餘機制正在轉化為城市公共管理的成本負擔。蘿蔔快跑是百度自動駕駛平台Apollo的商業化營運主體。在百度的整體業務版圖中，Apollo承擔了底層架構研發的職能，而蘿蔔快跑負責將這些技術轉化為可規模化的出行服務。自2021年8月發佈以來，蘿蔔快跑已成為百度尋求“第二曲線”增長的關鍵之一。武漢則是其全球範圍內營運密度最高的城市。自2022年落地以來，營運範圍已實現全無人化與7×24小時覆蓋。作為百度自動駕駛技術重要商業化實驗，蘿蔔快跑在武漢的擴張速度與其承載的商業壓力成正比。業內分析指出，此次車輛集體停滯，極大機率是車輛在複雜路況下觸發了安全自檢機制。這並非傳統意義上的“當機”，而是系統保障安全的主動策略。在自動駕駛的邏輯中，當感知層或決策層出現置信度不足的情況時，原地停滯是保障乘客安全的最高優先指令。然而，這種基於單車安全的邏輯，在規模化營運時，往往會演變成區域性的交通風險。自動駕駛系統的脆弱性是全球性課題，不具備國別特徵。Waymo在舊金山的停滯與蘿蔔快跑在武漢的表現，其底層邏輯完全一致。2025年12月的舊金山事故中，訊號燈失效迫使Waymo車輛進入了當地法規要求的“最小風險策略”狀態。根據加州對L4級自動駕駛車輛的監管規定，當車輛無法通過遠端協助或自主決策判斷後續路徑的安全性時，必須選擇原地停滯以防範碰撞風險。這種策略是自動駕駛行業的“底線邏輯”。其核心矛盾在於：車輛安全與系統效率的對立：為了確保“零傷亡”，人工智慧選擇最保守的決策。其實，無論是Waymo還是百度，都配備了遠端應急響應團隊。當區域內大量車輛同時觸發安全自檢並行出人工接管請求時，後台人力頻寬會被瞬間擊穿，導致響應延遲，加劇道路擁堵。卡內基梅隆大學自動駕駛技術專家菲利普·庫普曼（Philip Koopman）對此指出，如果企業無法在發生此類停電或系統波動的突發狀況時提供快速清場方案，那麼監管機構將面臨重新評估營運許可的壓力。連續發生的集體故障為全球自動駕駛公司敲響了警鐘。這不僅是技術的提醒，更是營運邏輯的重塑。喬治梅森大學自主與機器人研究中心主任米西·卡明斯（Missy Cummings）也強調，監管機構應出台針對遠端操控技術的容量標準。這意味著企業在車隊規模擴張時，必須按比例配備冗餘的接管資源和備用通訊方案。此外，有安全專家認為，自動駕駛公司需要建立類似航空業的災難響應機制。當數位化電網或通訊網路發生波動時，如何通過物理手段，比如特定的清障團隊或手動啟動載入器等，迅速移動車輛，將成為企業獲取大規模營運牌照的前提條件。武漢與舊金山的這兩場意外，是技術演進過程中的必然陣痛。它在不斷提醒行業：自動駕駛的終局並非徹底擺脫人類，而是在更高的維度上實現人機協同。目前，蘿蔔快跑在武漢的營運已恢復正常，調查仍在繼續。這些在路中央“陷入沉思”的車輛，是技術在探索社會邊界時的真實寫照。對於自動駕駛公司而言，未來的競爭不再僅僅是單車演算法的精密度，而是誰能在系統崩潰的邊緣，通過更成熟的應急程序與勞動力保障體系，守住城市運行的安全底線。而在技術真正走向成熟之前，社會必須學會在這種周期性的故障中，通過制度冗餘與技術迭代，尋找效率與安全的平衡點。（財富FORTUNE）

趨勢不可逆，底線不能退。“速成車”踩剎車2026年一開年，監管部門再一次收緊了對汽車開發的要求。這讓不少“老汽車人”鬆了一口氣。一名頭部車企的軟體總工告訴36氪，在他十餘年的從業生涯裡，從未經歷過去幾年的激進時刻：原本需要適配兩年才能上車的新架構，現在10個月就得上車；之前機械驗證要做的兩次冬測試、兩次夏測，被壓縮成了一次冬測、一次夏測。原本要驗證4個月的整車控制軟體，現在2個星期就可以上車。他這種內行人才知道的隱憂還有：看似測試環節都在，但壓縮時長伴隨著高強度加班，實際操作中，需要測200次的項目最後可能只測了30次；測完10次，員工便可能說已經測過100次了。“有些問題就會測不出來，其中可能包含高安全相關問題。比如經常車賣出去，門把手出不來等等B類問題還有一堆。”因為智能電動車普遍的特點是可以空中升級，不少車交車時，一些軟體還未開發完成，公司就寄希望於後續推出軟體更新，這自然包括使用更新來修復驗證不充分導致的問題。一位頭部造車公司的輔助駕駛人士說，“為了改進剎車體驗，雖然有一版軟體帶有制動時機偏晚的安全隱患，也被推了出去。”“因為覺得反正可以OTA（Over-the-Air遠端線上升級），智駕老大頂住壓力推了新版，結果撞車事故馬上增加。”據36氪瞭解，因數次倉促OTA造成質量問題，這名智駕負責人也不得不引咎離職。在手機行業，華為的旗艦機型Mate系列、小米數字系列手機的研發周期，約為12-18個月，一款機型的生命周期約為2年。而如今，在拳拳到肉的車市競爭下，汽車行業一輛整車的開發節奏，已經普遍從3-5年，被壓縮至一年半，甚至更少；汽車產品兩年一換代，每年一升級，也已經成為主流車企的共識。這種“中國速度”即是中國新造車業的競爭法寶，讓人引以為傲；另一方面，無節制的卷生卷死，也帶來了車輛的質量問題。去年8月，監管部門推出OTA備案規定，首先遏制速度競賽帶來的軟體亂象。今年初，開始從整車層面對“速成車”的監管進行收緊。1月29日，工信部修訂發佈了《道路機動車輛產品准入審查要求》，一個核心變化在於：要求傳統燃油車需完成3萬公里可靠性測試，新能源汽車需完成1.5萬公里。這是國家首次將可靠性測試納入強制性規定。如果說軟體驗證不充分，尚可通過線上升級加以補救，但硬體驗證不充分，一旦有質量問題，車企則要付出沉重代價。以新能源車上最關鍵的零部件——動力電池為例，36氪從一位電池總工處瞭解到，幾年前他所在的企業，測試電池循環壽命的方法是，讓電池衰減到70%的健康度，再統計中間經歷了幾輪充放電循環，循環次數過關才能量產。但如今，一方面宥於整車開發周期，另一方面電池技術也在成熟，“有的電池廠商可能衰減到80%，有些甚至90%，就開始量產了”。這位電池工程師表示，這些電池目前尚未出現大規模質量問題，但“有時候電池的問題，就是需要以年為單位才會暴露的”。去年10月，理想MEGA召回就是在驗證上“掉以輕心”的典型案例。爆燃事件刷屏全網，理想花費11億元召回1.14萬輛MEGA，更沉重的代價是，理想MEGA和純電車i8此後的銷量，開始斷崖式下降。這起事故的起因正是被當作成熟工藝、大部分車企不再特別關注的冷卻液。多位參與理想MEGA項目的工程師告訴36氪，理想和供應商，都未對新採用的低電導率冷卻液與冷卻鋁板之間的腐蝕問題，進行充分驗證。去年9月，小鵬因方向盤鎖死，對部分P7+車型發起的召回，是行業一起重大召回案例。接近小鵬的人士告訴36氪，方向盤鎖死，線束接觸不良是一方面。另外，小鵬曾對轉向系統某子零件做了一定設計變更，卻沒有進行更充分的耐磨性測試。“一次設計變更後的可靠性驗證測試，零部件端至少需要1-2個月，整車廠系統等級也需要1個月。”產業人士告訴36氪，“但現在大部分企業都沒法像以前一樣做轉向耐久了。”而2026年一開年的新規，就將監管重心瞄準了整車驗證。有研發人士告訴36氪，家用汽車的年均行駛里程通常在2萬公里左右，而主流企標通常測試10萬公里水平——所以新法規暫未對行業構成實際壓力。但監管部門的這一舉動已經向外界傳達了一個訊號：耐久與可靠，必將成為今後監管的重點。速度之鞭，抽動汽車行業對速度的飢渴是中國車市高強度競爭的縮影。這個殘酷的行業底色，比亞迪董事長王傳福在2023年時有過形象的比喻：“行業不是大魚吃小魚，可能是快魚吃慢魚。”深諳行業競爭法則的比亞迪，自然會在產品節奏上突出一個“快”字：比亞迪海洋網部分車型半年左右推出一年度改款，兩年左右進行一次大換代。車海戰術+快速迭代，正是比亞迪產品席捲新能源車行業的方式之一。除了比亞迪，曾經的民營車企銷冠吉利，也很清楚“快”對自己而言意味著什麼。有吉利人士告訴36氪，吉利的產品策略就是跟進、對標，友商發佈一款爆款車型後，吉利只有在半年內跟進，才不會失去市場時機。所以吉利每年有上百款車型，很多車的開發周期都在18個月，甚至更短。反之，理想汽車就在2025年吃到了速度慢的大虧。理想增程系列一度引領新能源車大型SUV市場，但是當公司把節奏規劃為4年一次大迭代後，立馬被同行追上。公司成為在2025年唯一銷量下滑的新造車公司。“過去多年，我們最大的教訓，就是沒有建立起產業壁壘：我們給供應鏈定點的東西，供應商會馬上賣給其他車企，連定點程序都不走。”理想汽車一位高管向36氪表示，而一個硬體的追趕節奏，普遍只在半年到一年時間。華為、小米等頭部消費電子品牌的跨界造車，讓這場關於速度的遊戲持續升維。小米汽車在2024年4月推出了SU7車型，這款新車上市24小時，大定訂單便突破8.9萬台。爆品勢能下，小米於2025年6月推出的SUV車型YU7，更是開售3分鐘攬下20萬大定訂單。有市場人士告訴36氪，過去的市場競爭，更像是零星幾個頭部品牌友好商量如何瓜分市場。“就拿20萬-30萬來說，現在特斯拉和小米佔掉一半市場，贏不了他們，就只能和其他十幾個品牌一起平分剩下的小份蛋糕，我們只能選擇快速跟進它們”。速度之鞭抽動整個行業，品牌勢能強如特斯拉，也不得不應對這樣的競爭態勢。一家特斯拉供應商人士向36氪回顧了煥新Model Y車燈的開發過程。規劃煥新Model Y時，特斯拉並沒有想到，貫穿式大燈很快會成為中國市場的消費主流。特斯拉煥新Model Y項目在2022年底啟動，“已經開發了一年，特斯拉突然要求改變尾燈樣式，要做貫穿式的漫反射尾燈”，該人士向36氪表示，當時特斯拉注意到比亞迪、理想等品牌新車都在用貫穿式尾燈。從發起設計變更到最終量產，新款車燈最終的落地周期不足15個月。“外觀是汽車開發周期中首先要確定的東西，現在中國市場燈光技術和汽車設計都在快速變化，3-5年的開發周期後，已經確定的設計很有可能還沒量產就已經過時”，有產業人士告訴36氪，“為了產品不過時，車企也必須加快節奏”。車企們正陷入追求速度的“囚徒困境”：對手快，自己只能更快；對手放低可靠性標準，自己也很難堅守——“囚徒困境”往往以雙輸/多輸結尾。速度與安全能否兼顧？中國車企們怎樣才能避免走入集體性失利的局面？趨勢不可逆，底線不能退“速度”已經成為中國汽車業不可逆的趨勢。汽車工業老人們對於“耐久性”的執念，有其特定的歷史背景。以德國市場為例，由於車速高、修車貴，有老車和二手車文化，德國的平均換車周期是14-15年。在這樣的市場，容易壞、不耐開的車根本賣不出去。所以德國品牌反覆宣傳其耐久測試里程長達百萬公里。但中國市場現狀截然不同。中國汽車流通協會資料顯示，新能源汽車的平均換車周期已從燃油車的6–8年縮短至3–5年。面對AI大模型上車、L3級自動駕駛逐步落地的技術浪潮，消費者否還願意使用一輛車長達15年，答案已經不確定。“3萬公里耐久測試，成本就是百萬元級”，該人士表示，“消費者只需要一輛開10萬公里的車，企業做500萬公里的測試，額外的成本誰來承擔？”剎車驗證也要看地區特性。中國道路最高限速均在120km/h以下，與德國不限速的用車環境差異巨大。所以，在德國賣車，必須保證車輛任何時候在260km/h下都能剎停，但在中國，消費者們最多隻開到130km/h。有研發人士告訴36氪，因此個別中國車企在剎車性能上的內控標準僅為140km/h，“這能大幅縮短周期，反正超速事故的責任主要是在駕駛人本身”。因此，中國新能源車的耐久性標準，本就不應該比照傳統標準。速度與可靠性，也並非完全對立。一個“兩全其美”的辦法，是採用零部件標準化、供應鏈共用率高的汽車架構平台——這正成為如今最主流的、加速產品開發的手段。有供應鏈人士告訴36氪，吉利旗下的單車項目，從供應商定點到SOP，最短的僅用6個月時間，“底盤有些系統甚至直接復用，整車零部件復用率應該超過70%了，這可以省去3-6個月的開發驗證時間”。企業對平台化的進一步追求，體現在“前端定義”與“技術預研”上。以最耗費時長的底盤調校為例，有研發人士向36氪表示，目前絕大部分企業都是造一輛車、調一輛車。騾子車階段調兩輪1個月，確定風格；DV階段精調3個月、PV階段一致性調節1個月；試生產後還需要1.5個月用以最後調校，“一家有功底的企業都需要6個月時間”。平台化後，研發部分前期便可以對平台內所有車型進行統一設計，底盤調校周期可以縮短至少50%，最短2個月即可完成，“過去一車一調太費時間，這種模式正在成為行業主流”。在對速度的追逐中，汽車從業者們的工作強度也捲到極限。吉利一位工程師向36氪回顧旗艦車型極氪9X的交付前夕，“當時參與極氪9X項目的，有數千人。趕項目節點的時候，幾千人的團隊，每人每月的日均工時達到了12-13個小時，很多時候半夜12點都回不去”。去年年中，極氪9X上市前幾個月，眉山工廠每天都有人兩班、三班地輪流倒班測試。有一撥人專門在夜裡工作，從晚上8點幹到早上8點。“因為用來測試的工程車就那麼多，時間又緊，只能這樣輪流用。”反觀汽車開發周期仍長達3-5年的外資品牌，其員工的工作狀態截然不同。“寶馬北京辦公室晚上基本不亮燈；奔馳德國團隊，今天還能一周居家辦公3天”，有行業人士告訴36氪。競爭壓力下，外資品牌想在中國市場生存，也在加快周期。有奔馳研發人士告訴36氪，2023年啟動的長軸距版純電CLA，本地化開發工作共用時兩年多，“2026年即將推出的長軸距版GLE，從項目啟動到SOP，目前規劃市場僅為13個月”。汽車正不可逆轉的向智能化終端靠攏，開發工具也在持續進化，疊加流程最佳化，以及最大限度擠出工時水分等多重因素，汽車開發周期的縮短也正成為不可逆的產業趨勢。但對於速度競賽之下的質量底線，車企同樣不容退讓。2010年，豐田因“剎車門”在全球範圍內召回超1000萬輛車，時任社長的豐田章男曾親口承認，豐田擴張太快、罔顧人才培訓與質量檢驗，為汽車質量問題埋下隱患。該事件後，豐田口碑面臨信任坍塌，多個地區銷量多年下跌。2013年，大眾汽車在中國年銷達到歷史性的327萬輛。銷量狂奔背後，公司壓縮驗證周期，導致變速箱隱患集中爆發。不僅在當年315晚會被曝光，更是在國家質檢總局的要求下，召回近百萬輛車，成為中國汽車產業監管領域的標誌性事件。當今，汽車產業已成為中國國民經濟的重要支柱，其中智能電動車領域更是在技術與市場規模上雙雙引領全球，不僅為中國契合科技出海開闢了道路，也為中國在全球技術競爭中贏得關鍵話語權奠定了堅實基礎。但這只是階段性的突破，監管必將步步跟隨，確保已經取得的產業碩果長青式發展。 (36氪)

記者10日從中國科學院大連化學物理研究所獲悉，該所陳忠偉院士團隊在黑龍江漠河完成超低溫鋰電池實地測試，標誌著中國自主研發的電池技術已能支撐各類裝置在極端低溫下實現“即插即用”，破解了極寒地區電池能源供給難題。團隊低溫電池技術負責人張盟副研究員介紹，團隊自主研發的超低溫電池技術及配套人工智慧電源管理系統通過創新性地設計耐低溫電解液、開發准固態功能性隔膜，並融合先進的AI電池管理演算法，解決了傳統鋰電池在低溫下活性驟降、續航銳減甚至無法工作的行業痛點。據悉，該成果在零下34攝氏度的極寒環境中，無需任何外部保溫措施的鋰電池，靜置超過8小時後仍能保持超過85%的有效容量，並成功驅動工業級無人機完成長續航飛行與多項任務模擬。據介紹，超低溫電池技術與人工智慧電源系統未來在廣泛應用於3C電子產品的同時，也可保障物流無人機、巡查無人機、特種機器人等戶外作業終端在寒冷季節與地區作業不再受限。 (科技日報)

別再爭論AI 什麼時候能趕上人類了。頂刊《Nature》剛剛發文宣佈：不用等了，就是現在。如果說 1950 年阿蘭·圖靈（Alan Turing）提出的“模仿遊戲”只是一個天才的腦洞，那麼 75 年後的今天，這個腦洞已經被矽基生物徹底填平。今天，一篇發表在《Nature》上的重磅文章引爆了科技圈。這就好比《皇帝的新衣》裡那個誠實的小孩，來自加州大學聖地亞哥分校等機構的頂級哲學家、認知科學家和電腦專家們聯名站出來，指著那個名為“通用人工智慧（AGI）”的房間大聲宣佈：“別找了，AGI 就在這兒。它已經誕生了。”01 別再自欺欺人：圖靈測試已成“過去式”還記得一年前，2025 年的3月， OpenAI 發佈 GPT-4.5的那個春天嗎？當時業界還在為參數和算力爭吵不休，但在一個最古老的測試場上，勝負已分。在嚴格的圖靈測試中，GPT-4.5 被人類受試者判定為“真人”的比例高達 73%。諷刺的是，在同一場測試中，真正的人類被判定為“人”的比例，竟然比 AI 還要低。這意味著什麼？意味著在“像人”這件事上，AI 已經比人更像人了。更別提現在的讀者們，比起人類專家寫的晦澀文章，他們甚至更愛讀大語言模型生成的文學作品。然而，奇怪的事情發生了。儘管事實擺在眼前，根據 2025 年的一項調查，仍有 76%的頂級 AI 研究人員認為 AGI 遙遙無期。《Nature》這篇文章的作者們毫不留情地指出：這種認知錯位，不是因為 AI 不夠強，而是因為人類“不敢承認”。因為恐懼被取代，因為商業利益的糾葛，我們不斷地移動球門，給 AGI 設下各種不可能完成的定義。但現在，是時候撥開迷霧，承認現實了。02 別再叫它“學舌鸚鵡”：鐵證如山的進化階梯曾幾何時，嘲笑 AI 是我們的一大樂事：“它連小學數學都算不對”、“它就是個只會機率預測的隨機鸚鵡（Stochastic Parrots）”、“它經常一本正經地胡說八道（幻覺）”。但在這個2026 年的開端，如果你還抱著這些老黃曆看 AI，那你可能已經成了那個“活在舊時代的人”。文章作者並沒有空談哲學，而是根據一系列硬核證據，建構了一個評估 AGI 的“三級階梯”。對照一下，你會發現我們正處於什麼位置：Level 1：圖靈測試級（已通關）這是幾年前的標準。能通過學校的基礎考試，能進行像樣的對話，能做簡單的推理。那時的 AI，或許還只是個“聰明的復讀機”。Level 2：專家級（Current Level，當前已達成）這就是我們現在面對的怪物。數學：它們不僅拿下了國際數學奧林匹克競賽（IMO）的金牌，還能與頂級數學家合作證明未知的定理。科研：它們生成的科學假設，已經在現實世界的實驗室裡被驗證為真。全能：它們能通過多學科的博士資格考試，能幫專業程式設計師寫出無 Bug 的複雜程式碼，能精通幾十種語言創作詩歌，還能同時和全球數億人聊天。對比：科幻電影《2001太空漫遊》裡的超級電腦 HAL 9000 曾是我們的噩夢，但現在的 LLM 在知識廣度上，實際上已經超越了 HAL 9000。Level 3：超人類級（正在逼近）這要求 AI 做出人類完全做不出的革命性科學發現。雖然 AI 還沒完全做到這一點，但作者強調：這不是 AGI 的必要條件。畢竟，能不能拿諾貝爾獎並不是衡量一個人是否“有智能”的標準。面對這些成就，那些質疑聲顯得越來越蒼白。每當 AI 攻克一個新堡壘（比如做出了從未見過的數學題），懷疑論者就會立刻把標準提高：“哦，那不算，它得能理解情感才行……”對此，文章中有一句精彩的“打臉”：“面對每一次成功都在不斷後退的假設，預測下一次一定會失敗……這根本不是有說服力的科學理論，這只是對‘永遠懷疑’的一種教條式堅持。”不管是做數學題、寫程式碼，還是理解物理世界的因果律（比如它知道枕頭掉地上不會碎，而玻璃杯會），現在的 AI 都表現出了圖靈當年所定義的“通用認知能力”。AGI 的大門已經被踢開了。無論你是否準備好，我們都已經和一種“異類智能”生活在了同一個屋簷下。03 為什麼專家還在裝睡？因為我們把 AGI 神話了既然證據確鑿，為什麼還有 76% 的專家搖頭說“不”？為什麼我們在社交媒體上還在爭論 AI 是不是“人工智障”？文章指出，問題出在我們對“智能”的定義上，我們太自戀了，也太苛刻了。誤區一：AGI = 全知全能的神很多人潛意識裡覺得，AGI 必須是一個完美的“六邊形戰士”。它得有愛因斯坦的物理頭腦，莎士比亞的文采，還得像甚至不像任何一個人類那樣犯錯。但作者反問：“居里夫人不懂數論，愛因斯坦不會說中文，難道他們就沒有通用智能嗎？”人類都不是全能的，我們憑什麼要求 AI 必須是神？真相：真正的通用智能，看的是廣度（Breadth）和深度（Depth）。只要它能像普通人類一樣在不同領域間切換，並且在這些領域達到專家水平，它就是 AGI。誤區二：AGI 必須像人一樣思考我們總覺得，只有像人類那樣有肉體、有情感、會生老病死，才叫智能。真相：這是一種“碳基生物的傲慢”。就像章魚的神經系統分佈在觸手裡，外星人可能通過無線電波交流——智能是功能，不是形態。只要它能像人一樣解決問題，它是不是矽做的、有沒有身體，根本不重要。04 精彩辯論：十大質疑，逐個擊破這篇《Nature》文章最精彩的部分，莫過於作者化身“終極辯手”，對目前市面上最流行的反 AI 觀點進行了逐一反駁。試舉幾例。質疑 A：“它只是個隨機鸚鵡（Stochastic Parrots），只會拼湊訓練資料裡的詞，根本不懂邏輯。”《Nature》反駁：這個說法在幾年前可能成立，但現在已經過時了。如果它只是拼湊舊資料，怎麼可能解出從未發表過的全新數學題？怎麼可能幫助科學家發現新的物理定律？這不叫拼湊，這叫推理。如果這也叫鸚鵡，那人類可能也不過是一隻比較複雜的鸚鵡。質疑 B：“它沒有身體，無法感知物理世界，所以沒有真正的理解。”《Nature》反駁：這是一個巨大的誤解。史蒂芬·霍金（Stephen Hawking）在晚年幾乎完全失去了身體的行動能力，通過語音合成器交流，難道他的智能就消失了嗎？再者，問問 AI：“把玻璃杯和枕頭扔到瓷磚地上，會有什麼不同？”它能精準地告訴你結果。能進行反事實推理（Counterfactual Reasoning），就證明它腦子裡已經有了物理世界的模型。質疑 C：“它沒有自主性（Agency），你不給指令它就不動。”《Nature》反駁：智能不等於意願。古希臘神話中的德爾斐神諭（Oracle），只有在你提問時才回答，但誰敢說神諭沒有智慧？自主性關乎“道德責任”，而不關乎“智力水平”。一個隨叫隨到的超級智囊，依然是超級智囊。質疑 D：“它學得太慢了，小孩看幾次就懂，AI 要喂幾兆的資料。”《Nature》反駁：別忘了，人類小孩的大腦裡預裝了祖先們進化了幾十億年的“出廠設定”（本能和大腦結構）。AI 是從零開始的。而且，一個練了 10 年才成為大師的棋手，和一個練了 1 年就成為大師的棋手，他們的棋力是一樣的。效率不代表能力。05 越早承認越好，這是一種“異類”的降臨看到這裡，你可能還是覺得那裡不對勁。“可是，它連‘Strawberry’裡有幾個‘r’有時候都會數錯啊！”沒錯，這正是文章最後強調的關鍵點：我們面對的，是一種“異類智能”（Alien Intelligence）。這就像是一個外星人降臨地球。它在某些我們覺得很難的事情上（比如讀完 1000 篇論文並寫出綜述）易如反掌，卻在某些我們覺得很簡單的事情上（比如數數、常識判斷）顯得笨手笨腳。但這不代表它不是智能，只能說明通往智能的道路不止一條。人類的智能是為了生存、為了繁衍、為了在叢林裡不被吃掉而進化出來的；而 AI 的智能是從語言的海洋中湧現出來的。2026 年的今天，正如 Reddit 網友所熱議的那樣：“我們原本以為 AGI 會像《終結者》裡的天網，結果它更像是一個有些偏科、但智商爆表的‘外星圖書管理員’。”06 結語：別再試圖爬樹登月了在文章的結尾，作者引用了一個著名的舊日比喻。1965 年，哲學家休伯特·德雷福斯曾嘲諷早期的 AI 研究，說他們試圖通過“爬樹”來“登月”。意思是方向徹底錯了，爬得再高也離月球很遠。幾十年來，我們都以為他是對的。但今天，當我們抬頭仰望，卻發現我們真的爬上了月球。原來，只要樹足夠高，資料足夠多，結構足夠精妙，簡單的學習規則真的能湧現出理解世界的智慧。這是一個哥白尼式、達爾文式的時刻。哥白尼告訴我們，地球不是宇宙的中心；達爾文告訴我們，人類不是生靈的主宰；圖靈和今天的 AI 告訴我們，人類的大腦，也不是智慧存在的唯一形式。文章末尾寫道：“承認 LLM 為 AGI 是一個警鐘。這些系統不是“將要到來”，而是“已經存在”。用評估“窄工具”的框架來衡量 AGI 是遠遠不夠的。當涉及的不再是工具而是通用智能時，共存、責任、歸屬和治理等問題將進入全新的維度。”全文的最後一句振聾發聵：“機器不是正在趕來，它們已經到了。”（The machines aren't coming; they've arrived.）與其像鴕鳥一樣把頭埋在沙子裡，假裝這一切沒發生，不如抬起頭來，正視這個新夥伴（或者對手）。畢竟，在這個星球上，我們第一次不再是孤獨的智慧生物了。 (不懂經)

2026 年 1 月 20 日，OpenAI CFO Sarah Friar 公佈了一組資料：2023 年，0.2 吉瓦算力，對應 20 億美元年收入；2024 年，0.6 吉瓦，收入 60 億；2025 年，1.9 吉瓦，收入突破 200 億。三年時間，算力和收入都翻了近 10 倍。這個增長來自一個循環：算力支撐更強的模型，模型吸引更多使用者，使用者帶來更多收入，收入再投入算力。問題在於，這個循環要持續轉動，對算力的投入需求是指數級的。僅靠訂閱收入，增速跟不上算力需求的增速。OpenAI 需要新的收入來源。最近，OpenAI 宣佈：將在美國對 ChatGPT 免費使用者測試廣告。但這不是簡單的“加廣告”。OpenAI 給出了幾個原則：只放在回答底部明確標註、不影響模型輸出不售賣對話資料，使用者可以關閉個性化Sarah Friar 說：商業化要融入體驗。如果不能創造價值，就不該存在。這句話背後，是 OpenAI 對 AI 商業化的理解：不是簡單地賣軟體或貼廣告，而是讓商業化本身成為產品價值的一部分。第一節｜廣告要像功能，不能像橫幅為什麼廣告必須這樣設計？Sarah Friar 舉了個例子：當你問 ChatGPT 我周末想去聖地亞哥，它不僅給你路線和天氣，還能順手推薦 Airbnb 的房源，甚至跟你討論那個更適合帶孩子。這不是在推銷，而是在繼續幫你完成任務。不是那種跳出來的彈窗，不是搜尋結果上貼個贊助商標籤。而是當你需要做決定時，它恰好出現，幫你更快做出選擇。使用者感受到的不是打擾，而是幫助；不是廣告位，而是使用場景的一部分。但廣告能融入場景，不代表可以影響答案本身。Sarah 明確表示 ：使用者永遠得到的是最好的答案，而不是付費的答案。不管有沒有廣告，ChatGPT 給出的始終是模型判斷最優的內容。廣告可以出現在回答下方，但不能干預模型的判斷，不能改變推薦順序，更不能誘導使用者選擇。這是對信任的堅守。有了這個底線，廣告就不再只是收入方式，而是產品能力的一部分。這讓 OpenAI 可以做兩件事：服務更多免費使用者，讓智能真正普及；建構更穩定的收入來源，不必讓每個人都先交錢才能用上 AI。第二節｜AI 賺錢看結果，不看時長幫使用者完成任務，體現在什麼地方？Sarah Friar 做了個對比：Netflix 按觀看時長賺錢，但 ChatGPT 不是。她舉了個自己的例子：她女兒有特殊飲食需求，以前去餐廳要反覆問服務員菜單裡的成分，常常吃得很焦慮。現在拍張菜單給 ChatGPT，它就能告訴你那些菜適合，那些需要避開。這是幫一個人做決策。但到了專業場景，影響要大得多。更明顯的例子在健康領域。Sarah 說，她兄弟在蘇格蘭愛丁堡的一家醫院做重症監護醫生，負責處理那些症狀複雜、難以確診的病人。這類病人的問題是：可能同時有多種症狀，也可能是罕見病，醫生需要在有限時間內做出判斷。比如，一個人在當地度假，突然發燒、頭痛，出現在急診室。按常規思路，醫生會往流感、感染這些方向想。但如果這個人其實是被蚊子咬了，得了瘧疾呢？在蘇格蘭，瘧疾極其罕見，醫生很可能不會第一時間往這個方向想。這時候 ChatGPT 能做什麼？醫生輸入症狀和旅行史，ChatGPT 能快速列出包括瘧疾在內的可能診斷，提示相關的檢測方法和藥物衝突。這不是替代醫生的判斷，而是幫醫生擴展診斷思路，減少遺漏。同樣的事也在企業裡發生。Sarah 講了自己財務團隊的例子。以前，收入管理團隊每天要做的事情之一，就是下載前一天簽的所有合同，一份份看，確保裡面沒有特殊條款會影響財務入帳。公司越大，合同越多。唯一的辦法就是多招人。而這些人的工作就是每天看合同、看合同、看合同。現在用 OpenAI 的工具，所有合同一夜之間被提取出來，放進資料庫，AI 自動看一遍，不僅告訴你那些是標準條款、那些要注意，還能幫你發現問題：這個特殊條款是銷售為了簽單讓步太多了？還是它其實說明客戶需求在變，我們的商業模式該調整了？要不要把這條變成新的標準合同條款？團隊從“每天看合同”變成了幫公司發現問題、找機會。能不能幫使用者完成任務，決定了這個 AI 產品值不值錢。餐廳點菜、醫療診斷、財務稽核，本質都一樣。使用者要的不是答案，而是把事情做成。AI 的價值，不在回答，而在行動。第三節｜算力投資跟著收入走算力和收入，幾乎是一比一的關係。用 ChatGPT 的人越多，用得越頻繁，對算力的需求就越大，收入也漲得越快。瓶頸出現了：算力跟不上需求。OpenAI 首席經濟學家的報告顯示：那些用得最多的公司，使用量是普通公司的 6 倍。而這些重度使用者，還遠遠沒到上限。有的企業 CEO 說，公司 60% 的程式碼已經是 AI 寫的，但他們還想要更多。Sarah 說：“我們今天的增長，不是算力太多，而是算力不夠。如果現在有更多算力，可以發佈更多產品，訓練更多模型。”算力決定了增長速度。所以 OpenAI 在廣告、訂閱之外，還要花大量時間去談晶片、建資料中心、簽大單。有人會問：這麼大的投資，會不會是泡沫？1999 年網際網路泡沫時，人們從網際網路獲得的價值很有限。你看不出它如何改變生活。但今天不一樣。AI 的價值是立刻就能看見的。麥肯錫的研究顯示，用 AI 用得好的那 25% 公司，生產力提高了 27% 到 33%。這不是概念，是實實在在的效率提升。Sarah 強調：泡沫是需求還沒起來就搶先投資，最後錢打了水漂。但 OpenAI 是跟著需求在投，甚至現在的投資還跟不上需求增長。這就是為什麼要引入廣告。更多收入意味著更多算力，更多算力支撐更多使用者，形成增長循環。在 Sarah 眼裡，算力不是成本，而是生產工具，是 OpenAI 服務全世界的發電機。第四節｜從廣告到分成，收入越來越多元要支撐這麼大的算力投資，OpenAI 需要更多元的收入來源。廣告能快速帶來收入，但還不夠。Sarah Friar 在訪談裡重點談的，是一種更長期的賺錢方式。她舉了個例子：一家藥企用 OpenAI 的模型幫忙研發新藥，等藥品上市大賣了，OpenAI 能從銷售額裡分成。不是按用了多少次模型收費，而是按最終的商業成果分錢。她把這種模式叫作“授權分成（licensing）”。傳統軟體是按月交錢，用多用少都一個價。但授權分成不一樣：客戶越成功，OpenAI 賺得越多，雙方利益綁在一起，更像是合夥做生意。這種合夥關係，讓 AI 能進入那些以前很難碰的領域。醫療、金融、能源這些行業，過去 AI 很難真正用起來，因為項目周期長、風險高，企業不願意按月付費去試。但授權分成意味著風險共擔，企業更願意投入做長期項目。授權分成只是其中一種。實際上，OpenAI 的收入方式正在變得越來越多元。Sarah 把 OpenAI 的商業模式比作“魔方”。一開始只有一個產品 ChatGPT，一種定價方式（訂閱），一個合作方（微軟），一種晶片。現在變成了：多個產品（ChatGPT、Sora、API），多種定價（訂閱、按量、積分、授權），多個合作方和晶片供應商。魔方可以不斷組合出新玩法：好晶片 + 快速寫程式碼 = 高端訂閱服務好晶片 + 快速生成圖片 + 免費使用者 = 廣告平台不同場景，不同組合，都能賺錢。而在所有這些收入來源中，企業市場最大。OpenAI 用 1.5 年就拿到了 100 萬家企業客戶，這個速度是史上最快的。但調查顯示，今天只有 14% 的企業在用 AI 智能助手來幹活。 90% 的企業說他們正在用或者打算在未來一年內用 OpenAI。這說明什麼？現在看到的盈利模式，只是個開頭。Sarah 最後說：“讓收入跟著 AI 創造的價值一起增長，這才是長期的做法。”這話說得簡單，但說透了 OpenAI 整個商業策略。結語｜把定價綁在價值上Sarah Friar 沒有講一套“如何賣廣告”的方法論。她講的是一個更本質的問題：如果 AI 真的能幫使用者完成任務，錢怎麼收才合理？廣告是一種答案，但不是唯一答案。OpenAI 的邏輯是：智能做到那一步，收入就跟到那一步。幫你點菜，可以插入廣告；幫企業審合同，按使用量收費；幫藥企研發新藥，等藥上市了分成。AI 的價值在行動，定價也應該跟著行動走。這不是廣告的勝利，是把商業模式和產品能力綁在了一起。當別人還在想怎麼多賣一點，OpenAI 想的是：這個智能到底創造了多少價值？ (AI 深度研究員)

2025年12月23日，中國最大的晶圓代工廠中芯國際（SMIC）向部分客戶發出漲價通知，對部分產能實施約10%的價格上調。這一消息迅速在業內引發震動。此次漲價並非全面鋪開，而是主要集中於8英吋BCD工藝平台，並已向多家客戶發出正式函件。一家晶片上市公司人士向媒體證實：“我們已經接到了漲價通知，每家客戶漲價情況不盡相同。”01 漲價實錘，並非空穴來風中芯國際此次漲價，是多重因素擠壓下的必然結果。從表面看，這是一次成本驅動的價格調整，但其背後，是全球半導體供需結構、地緣政治與產業周期三重力量交織的複雜圖景。根據中芯國際2025年第三季度財報，其產能利用率已攀升至95.8%，生產線處於供不應求的狀態。華虹公司的產能利用率甚至高達109.5%，超過滿載。“整體來說，當前公司產線仍處於供不應求狀態，出貨量還無法完全滿足客戶需求。”中芯國際聯合首席執行長趙海軍在業績說明會上坦言。02 三重推力：成本、產能與安全此次漲價的動因，可以歸結為三個相互強化的邏輯。首先是成本端的剛性上漲。 半導體製造的“變動成本”正在經歷劇變。高端光刻膠、電子特氣等關鍵材料仍高度依賴海外供應商，受匯率波動及地緣政治影響，價格普漲。同時，封裝關鍵材料ABF載板的上游原材料與石油、銅價深度掛鉤，大宗商品周期的共振進一步推高了成本。其次是產能的結構性錯配與極度緊張。 這並非總量短缺，而是由AI需求爆發引發的“擠出效應”。AI伺服器需要大量電源晶片，佔用了大量BCD工藝產能。與此同時，全球代工巨頭台積電確認整合併計畫關停部分8英吋生產線，轉向先進製程，導致成熟製程的供給缺口進一步擴大。產業調研資料顯示，頭部模擬晶片廠商在中芯國際的晶圓交期，已從標準的6-8周惡化至12-14周，2026年的產能預定已近乎“爆單”。最後是“供應鏈安全溢價”成為新的定價基石。 在當前地緣政治背景下，國產替代已從“可選項”變成了國內系統廠商的“必選項”。華為、小米、比亞迪等公司制定了更為激進的“本土製造比例”指標，過去可以找聯電、格羅方德代工的訂單，現在正回流到中芯國際、華虹等國內代工廠。客戶沒得選，這賦予了本土晶圓廠前所未有的議價底氣。03 產業鏈的傳導：誰將受益，誰將承壓？中芯國際的漲價如同一塊投入湖面的石子，其漣漪將沿著半導體產業鏈層層傳導，對上下游企業進行一場殘酷的“壓力測試”。最直接、邏輯最順的受益者，是半導體裝置與材料公司。 晶圓廠盈利改善後，將有更強的動力和能力進行資本開支擴張，以增加產能。這直接利多國產裝置龍頭如北方華創、中微公司、拓荊科技，以及材料供應商如安集科技、滬矽產業、江豐電子等。這些公司與中芯國際合作緊密，是國產替代的核心賽道。其他晶圓代工廠將迎來“水漲船高”的行業性利多。 作為中國大陸第二大晶圓代工廠的華虹半導體，以及華潤微、晶合整合等，有望跟隨漲價或改善盈利環境。晶片設計公司的命運將劇烈分化。 這對於設計公司而言是成本壓力測試。具備強大技術壁壘和議價能力的龍頭公司，如專注於汽車電子、高性能模擬的細分龍頭，因其產品毛利率高（通常在40%-60%），且下遊客戶對價格不敏感，有能力將部分成本傳匯出去。然而，對於依賴成熟製程、產品同質化嚴重、毛利率僅20%-30%的通用晶片設計公司（如低端MCU、消費類電源管理晶片廠商），這可能是毀滅性打擊。上游漲價、下游砍價，其淨利潤可能直接歸零。2026年，或將成為這批缺乏核心競爭力的設計公司的“出清之年”。04 戰略轉折：從價格接受者到定價參與者中芯國際此次調價，其意義遠超一次簡單的財務行為。它標誌著中國半導體產業正在進入一個新階段：從“以價換量”的卑微追趕者，轉變為擁有一定“定價權”的區域性寡頭。就在不到一年前，行業還在擔憂產能過剩帶來的價格壓力。2024年中國新增了18座晶圓廠，業界曾預測2025年成熟製程價格將繼續承壓。中芯國際管理層在2025年初也曾表示，由於產能增長和同業競爭，預計全年平均售價總體將下降。然而，市場的快速變化超出了預期。AI需求的爆發性增長、地緣政治導致的供應鏈重構，以及國際巨頭產能策略的調整，共同扭轉了供需天平。中芯國際此番漲價，不僅是對成本上升的被動應對，更是在產能成為稀缺資源時，主動進行客戶與產品結構最佳化的戰略舉措。通過價格機制，優先保障高價值、戰略性的客戶與訂單。當市場還在爭論漲價能否持續時，另一家平台型晶片設計公司的從業者透露，他們已同時接到中芯國際和世界先進（VIS）的漲價通知。“未來免不了其他幾家主流的晶圓廠跟風漲價。”一位業內人士如此判斷。全球成熟製程晶圓代工的新一輪漲價潮，或許才剛剛開始。 (SEMI半導體研究院)