智能駕駛晶片，跑出一個超級獨角獸：成立8個月，估值近100億。它的名字是“神璣”，由蔚來汽車孵化。你能想像嗎？一輛售價四十多萬的蔚來ET7，交付周期一度被拖長到7個月，原因不是產能不足，而是晶片太慢。封面｜蔚來官網一個非常現實的因素：2022年前後，全球晶片荒。國內超過95%的高端智駕車型，都依賴輝達的Orin晶片，交貨周期長。2025年6月，“神璣”成立。它將面對的是怎樣一個賽道，背後暗藏著那些陷阱和機會？- 01 - 為什麼創業？國際晶片又貴又慢神璣的“親爸爸”是蔚來汽車，最早源於2021年蔚來內部的晶片自研計畫。當時，蔚來造車要用晶片，而輝達又貴又慢。國內L2級及以上智駕車型中，超過95%的高端算力晶片依賴輝達Orin系列，單顆採購成本超過8000元。2022年晶片供應緊張，蔚來ET7交付周期一度延長至7個月，供應鏈和成本壓力顯現。在這一背景下，蔚來啟動智駕晶片自主研發。團隊核心成員包括李斌、白劍和張丹瑜。李斌負責整體戰略方向；白劍曾在小米、OPPO負責硬體業務，2020年加入蔚來後主導智能硬體研發；張丹瑜曾任華為海思圖靈業務部AI處理器項目總監，2021年加入項目，負責晶片設計。項目就這樣跑起來了：2021年啟動研發；2024年5nm車規級智駕晶片NX9031成功流片；2025年6月，安徽神璣從蔚來獨立出來營運。五年內，團隊走完立項、流片到量產整條路。產品也有跑贏國際產品的地方。在性能方面，NX9031等效算力為1024 TOPS，是輝達Orin-X的4倍；功耗控制在35W以內，比競品低18%。在上海臨港複雜路況測試中，搭載該晶片的車輛，大模型智駕演算法響應速度比海外晶片車型快0.3秒，緊急制動安全距離縮短2.1米。- 02 - 提升蔚來3.2%毛利神璣的發展，是被智駕晶片需求推起來的。和燃油車相比，電車很燒算力。一輛L3級自動駕駛車型的算力需求，約為傳統燃油車的120倍，而晶片是智能化能力的基礎。而這麼關鍵的賽道，我們一直被國外“卡脖子”。2025 年，國內 L3 級高階智駕車型所搭載的高端算力晶片中，輝達佔比 68%，高通佔比 22%，國產晶片佔比不足 10%。而其中面臨問題，就是前文所說的：又貴又慢。這就給國產晶片崛起，創造了條件。這個市場需求又剛，規模又大。根據Counterpoint測算，2026年全球車規級智駕晶片市場規模將超過520億美元，中國市場佔比約36%，未來三年行業複合增長率約42%。晶片用在那裡？自動駕駛、座艙、感知、規控等系統。當然，最近2年，機器人、工業自動化也用得比較多。這股新勢力中，神璣的份額表現還算可以。它的核心產品是NX9031，該5nm車規晶片自2024年9月量產以來，累計出貨超過15.3萬套，搭載於蔚來ET7、ET9、ES6等車型。在國內新能源車企高端智駕晶片，它的出貨量中排名第三，僅次於輝達和高通。這款晶片，也部分解決了蔚來“又貴又慢”的問題。在成本方面，NX9031單顆量產成本比輝達Orin-X低約45%，使蔚來ET7整車硬體成本降低近4000元。2025年，蔚來毛利率同比提升3.2個百分點，其中晶片成本最佳化是因素之一。- 03 - 趨勢：從拼肌肉轉向拼腦子神璣這次22億元融資，算是車載晶片領域最受矚目的事件之一。這個行業，頭部效應非常強，資本扎堆。最近，為旌科技、矽傑微電子等多家企業也完成了新一輪融資，背後不僅有合肥國投這類國資，還有上汽、一汽等產業資本。在技術路線上，方向從“堆料”轉向“增效”。行業已告別單純的算力軍備競賽，核心邏輯轉向了“降本增效”。一個典型案例是，輕舟智航基於單顆地平線征程6M晶片（128TOPS），就跑通了城市導航輔助駕駛。而在2020-2024年，行業還在算力軍備競賽。背後的邏輯是：要實現L2+L3級自動駕駛，需要處理海量的攝影機、雷射雷達資料，大家不知道要多大的算力才算“夠用”。於是，一個簡單的競爭邏輯誕生了：誰的晶片算力高，誰就代表未來、誰就更先進。但其實，高算力不等於好體驗。一味地“堆參數”，成本也不好控制。Orin-X晶片的單顆成本高達400-500美元，四顆的成本就超過2000美元。這對於追求規模化、大眾化的車型來說，是難以承受的沉重負擔。這條彎路，行業總算走過來了。目前，國內車企減少對海外晶片依賴的趨勢較為明確。蔚來、小鵬、理想等新勢力，以及長安、廣汽等傳統車企，都在推進國產替代。同時，國產晶片企業分工逐漸清晰：地平線聚焦L0-L2級市場，神璣、黑芝麻智能等佈局L3及以上高階智駕。智駕晶片，也從“拼肌肉”的時代，進入“拼腦子”的時代。 (鉛筆道)

2月20日，港交所收盤的鐘聲敲響時，一個數字定格在了3232億港元。這是智譜上市第43天的市值。同一天，經營了20多年的京東，市值約為3024億港元。一家成立僅6年、上市僅月餘的大模型獨角獸，在資本市場的天平上短暫地壓過了中國電商行業最重的玩家之一。彼時彼刻，一個問題也縈繞在很多市場人士心頭——市場是否太瘋狂？圖片來源：視覺中國但在後一個交易日（2月23日），智譜股價暴跌，一度跌超20%，市值蒸發超700億港元。經歷幾天的劇烈波動後，智譜最新市值回到約2500億港元，較京東重新落後800多億港元。而與股價為何漲跌相比，更值得追問的是，從春節前到春節後智譜到底發生了什麼，以及其折射出何種深刻的市場邏輯變化。2月12日，智譜發佈新一代旗艦模型GLM-5。官方文件稱，該模型“專為複雜系統工程與長程Agent任務設計”，在程式碼邏輯密度和系統工程能力上直接對標Claude Opus 4.5。同一天，智譜宣佈上調GLM Coding Plan套餐價格，中國區漲價30%，海外版漲價超100%。這是國內大模型廠商首次公開提價。市場迅速讀懂了這一訊號：供不應求，且有議價能力。隨後，OpenRouter資料顯示，GLM-5發佈後呼叫量周環比增長超460%。2月16日，智譜發佈消息稱，由於全球需求激增，並行訪問量突破既有規劃上限，導致服務出現排隊、響應延遲。使用者太多而算力不夠，可謂一家AI公司最甜蜜的煩惱，也刺激智譜股價一路上漲並在2月20日狂拉43%，市值接連超越攜程、快手，短暫站上京東肩頭。此後，轉折也很快來了。2月21日晚，智譜發佈致歉信，表示“GLM-5發佈後，本該是讓大家爽寫程式碼的日子，結果我們這幾天的表現，估計讓不少兄弟想順著網線過來敲我們。”信中承認，公司犯了三個錯：規則透明度不夠、GLM-5灰度節奏太慢、老使用者升級機制設計粗糙。由於流量超出預期，擴容沒跟上，Pro/Lite使用者遭遇限流。這封道歉信，也撬動了其超700億港元市值的蒸發。如果只看事件本身，這是一場典型的營運事故引發的股價踩踏。但為何一封看似營運層面的道歉信，會引發如此劇烈的市場反應？答案或許部分藏在智譜的股權結構裡。智譜於今年1月8日上市，發行價116.2港元。截至2月20日，其股價較發行價漲超5倍至725港元。但在這輪暴漲中，真正流通的股票少得驚人，非禁售股僅佔8.5%，對應市值約275億港元；前25大股東持股87.47%，籌碼高度集中。這意味著少量資金就能把股價拉到天際，也意味著任何風吹草動，都可能引發踩踏。股價劇烈波動背後更深層問題則是估值。智譜2025年上半年營收1.91億元，同比增長325%，這無疑是高增長。但同期的淨虧損是23億元，虧損額同比擴大91%。研發開支16億元，是收入的8倍以上，其中算力服務費佔研發開支超70%。按2月20日市值計算，智譜的市銷率超過750倍。市場在定價這樣一個未來：智譜不僅要保持現有的高增長，還要在未來5-10年內，把收入做到現在的幾十倍甚至上百倍。這並非不可能，但這需要GLM系列模型持續領先、商業化路徑持續兌現，以及算力成本持續最佳化。每一個“需要”，都是一場硬仗。智譜在招股書中也坦承：“我們無法向閣下保證我們或我們的任何競爭對手最終將實現AGI。我們認為整個行業仍處於發展初期。”不過，這句誠懇的風險提示在狂熱的市場情緒中似乎被遺忘了。而市值被智譜短暫超越的京東，截至2月20日，其市盈率（TTM）9.10倍，市銷率僅0.22倍（據券商測算，2025年京東營收料超過1.3兆元）。顯然，智譜和京東的市值短暫換位，本質上是兩種定價邏輯的碰撞。京東代表的是“舊錢”的邏輯：基於歷史、基於利潤、基於可測算的現金流。20年建成的物流網路、數億使用者的信任、每年兆級的交易額，這些是看得見摸得著的資產。市場給京東的估值，無疑是對這些資產已創造和將創造的現金流的貼現。智譜代表的是“新錢”的邏輯：基於未來、基於想像、基於技術溢價的折現。GLM-5的技術突破、Coding能力的市場驗證、Token成為新的“生產資料”，這些都是資本市場願意給高估值的基礎。但隨之而來的問題是，這種估值高度依賴敘事的持續性和業績的兌現速度。也因此，當一家750倍市銷率的公司市值超越一家0.22倍市銷率的公司，並不能簡單歸結為“新錢”戰勝“舊錢”，而更多的是兩種估值體系在同一個時間點上的一次交錯。從近日智譜和京東在波動中分別下跌和上漲來看，各自確實是在交錯之後回歸各自更為常態化的軌道。這一幕與去年曾被快速證偽的DeepSeek算力通縮交易有異曲同工之妙。當時市場流傳的邏輯是：模型效率提升，算力需求下降，以輝達為首的晶片股堪憂。但這個敘事忽略了傑文斯悖論——效率提升反而會降低使用門檻，刺激更多應用落地，從而增加而非減少算力總需求。2025年以來的產業實際也是模型越強、成本越低、呼叫量越大，算力需求不降反升，輝達先抑後揚的走勢即為明證。智譜的過山車，或為同一個邏輯的另一種演繹。2月20日的股價暴漲，是市場在為“技術突破+商業化驗證”的敘事買單。2月23日的暴跌，並非其技術或商業模式出了問題，而是其股價脫離基本面太遠，任何瑕疵都會成為價值回歸的導火索。市場可以用43天把一個故事推到極致，也可以用三天把故事收回一半。自2月12日智譜發佈新一代旗艦模型之後發生的一切，從新故事萌芽到瘋狂爆發再到估值回歸，恰如一個完整的敘事周期。正如市場之前在DeepSeek身上所經歷的，任何偏離產業實際的敘事，都會迎來價值回歸。同樣值得關注的是，如果僅僅是將京東作為標尺，智譜的估值似乎飆升太快，但當我們把視線投向大洋彼岸，看到Anthropic這樣的AI企業估值高達3800億美元，看到OpenAI、Anthropic們的旗艦模型輸出定價遠高於智譜們，中國AI企業的估值故事或許才剛剛開始。（財富中文網）

英特爾CEO陳立武是其董事長。芯東西2月25日報導，2月24日，英特爾宣佈向美國AI晶片獨角獸SambaNova的超過3.5億美元，E輪戰略融資注資，具體金額未披露。同時，SambaNova推出其第五代AI晶片SN50，號稱這是“唯一一款能夠提供智能體AI所需速度和吞吐量的晶片”，最高速度達同類晶片的5倍，經多芯互連可支援的單模型參數規模達10兆、上下文長度達1000萬個token。據SambaNova披露，與Blackwell B200 GPU相比，SN50的最大速度是其5倍，智能體推理的吞吐量是其3倍以上，這在Meta的Llama 3.3 70B等一系列模型上得到充分體現。據外媒報導，在此之前，英特爾曾討論過以約16億美元收購SambaNova，但談判最終破裂。不過雙方均未回應過此事。SambaNova由多位史丹佛大學教授在2017年創立，在2021年融資後估值達到50億美元。其董事長是英特爾CEO陳立武。英特爾曾多次投資SambaNova。在最新公告中，SambaNova與英特爾宣佈達成了一項多年戰略合作計畫，旨在提供高性能、高性價比的AI推理解決方案，打造下一代異構AI資料中心，整合英特爾至強處理器、英特爾GPU、英特爾網路和儲存及SambaNova系統，以釋放數十億美元的推理市場機遇。消息公佈後，英特爾在美東時間周二股價漲超5%。01. 5倍算力、4倍網路頻寬，能支撐10兆參數大模型SN50晶片基於SambaNova的可重構資料流單元（RDU）架構，超低延遲可提供即時響應，能支援數千個並行AI會話，並通過更高的硬體利用率降低了每個token的成本。每塊晶片的算力提高到第四代SN40L的5倍，網路頻寬提高至4倍。SambaRack SN50將16塊SN50晶片組合在一起，可運行多達10兆個參數、1000萬個token的超大模型。互連的SambaRack可通過每秒數TB的互連速度連接多達256塊晶片，從而縮短首次token生成時間，並支援更大的批處理規模，因此可以部署具有更高吞吐量和響應速度的模型。SambaRack的功耗平均僅需20kW，可在現有的風冷資料中心中運行。這為運行gpt-oss等模型的推理服務提供商帶來了總擁有成本（TCO）優勢，其節能效果是B200 GPU的8倍。SN50將於2026年下半年開始發貨。軟銀集團將成為首家在日本下一代AI資料中心部署SN50的客戶。02. 基於資料流、三層記憶體架構，跑大模型時更快更高能效SambaNova團隊認為，智能體需要智能、預測性和彈性的基礎架構，要實現可行智能體，硬體必須能夠即時適應突發性工作負載，在專家模型之間無延遲切換。GPU擅長AI模型訓練，但AI推理是資料移動和記憶體最佳化方面的挑戰，需要不同的架構方法。為了執行AI推理，GPU必須多次冗餘地呼叫片外記憶體，每次記憶體呼叫都會增加處理延遲並消耗能量，會導致高功耗問題。在GPU上部署多個模型的標準方法是將模型載入到高頻寬記憶體（HBM）中，但GPU HBM資源稀缺且成本高昂。當工作負載需要一個未載入的模型時，系統必須解除安裝當前模型並獲取新模型，這個過程通常以秒為單位。即便使用vLLM的1級睡眠模式，喚醒一個小型模型也需要0.1到0.8秒。對於智能體所需的大型推理模型而言，這種喚醒時間會造成3到6秒的延遲。對於執行涉及5個不同模型的10步推理過程的AI智能體來說，這些延遲累積起來會達到30秒，導致即時智能體工作流程無法使用。SambaNova的RDU正是為解決這一問題而設計的。RDU將給定AI模型的計算圖對應到處理器上資料傳輸的最有效路徑。這種方法消除了冗餘的記憶體呼叫，可顯著降低延遲和功耗。與受限於單卡HBM容量的GPU不同，SN50 RDU採用獨特的三層記憶體架構，結合了片上SRAM、海量HBM和超高速SRAM。這種分層結構使晶片能承載最大的模型，支援在毫秒級時間內運行和切換多個模型。此外，借助SN50，輸入token可快取在記憶體中，從而減少預填充處理時間和請求的首token獲取時間（TTFT）。結合這些優勢，其記憶體架構非常適合作為智能體的快取，能夠更高效地處理任務。SambaNova還在SambaStack上推出了由RDU支援的可配置模型包，與傳統的GPU架構和vLLM等推理框架相比，這些模型包的切換速度更快。03. 與英特爾聯手，加速推出AI雲平台作為多年戰略合作的一部分，英特爾計畫對SambaNova進行戰略投資，以加速推出基於英特爾技術的AI雲平台。此次合作預計將涵蓋三個關鍵領域：（1）AI雲擴展：SambaNova正在擴展其垂直整合的AI雲平台，該平台基於英特爾至強處理器建構，並針對大語言模型和多模態模型進行了最佳化。該平台將提供低延遲、高吞吐量的AI服務，並由參考架構、部署藍圖以及與系統整合商和軟體供應商的合作關係提供支援。（2）整合AI基礎設施：將SambaNova的系統與英特爾的CPU、加速器和網路技術相結合，為推理、程式碼生成、多模態應用和智能體工作流提供可擴展的、可用於生產的推理能力。（3）市場推廣執行：通過英特爾的全球企業、雲和合作夥伴管道進行聯合銷售和聯合行銷，以加速AI生態系統的普及。據英特爾披露，此次合作是對英特爾現有資料中心GPU投入的補充，並不會改變其在AI領域的競爭戰略，英特爾將繼續加大對GPU智慧財產權、架構、產品、軟體和系統的投資，並強化其從邊緣到雲端AI戰略路線圖。04. 結語：AI推理市場迎來新組合隨著AI推理蓬勃發展，科技公司們都在尋求更高速度和效率、更低企業級AI部署成本的AI硬體基礎設施方案。許多雲端AI晶片創企都將自家產品的賣點放在了高能效上，既順應AI推理需求旺盛的趨勢，又能避開輝達強於AI訓練的鋒芒。通過合作，SambaNova可以借助英特爾的全球影響力擴大其AI處理器的規模，英特爾也增強了在AI推理領域的綜合實力。這將為日趨多元化的AI推理市場提供一個有競爭力的選擇。 (芯東西)

開工大吉！春節放了兩周假，很多事情擠在一起發生了這篇文章，幫大家快速拉齊下資訊，一句話總結：最近，Agent 行業的故事，都聚焦在了一隻叫做 OpenClaw 的🦞上奧特曼 vs 小龍蝦OpenClaw，應是人類史上，首個「一人獨角獸」然後，圍繞著誕生不到三個月的 OpenClaw，已經長出了一條完整的產業鏈：基金會、大廠產品、三大雲一鍵部署、國產晶片適配、各種全球 Hackathon、兩套平行的中英文社區生態...上一次看到這麼快催生出產業結構的，還是 2023 年初的大模型。那一次，行業的建立花了大半年。而這一次...快了N 倍產業的形成速度，本身就是一種訊號：萬事皆備，只欠東風OpenClaw 是什麼先統一做個科普OpenClaw 是一個開放原始碼的 AI Agent。跑在你自己電腦上，接了十幾個聊天平台，微信、飛書、Telegram、WhatsApp、Discord 都能用。你給它發一條消息，它呼叫大模型去思考，然後真的去「做事」：操作檔案、跑指令碼、管日程、發郵件、瀏覽網頁...如果你要問：這東西跟 ChatGPT 或者 Claude 的區別在那？它是住在你的電腦裡的，你所有的本地檔案它都可以去訪問（如果你授權了），並且它是能夠長程運行的，還可以讓你通過手機或者其他方式遠端遙控。創始人 Peter Steinberger 是奧地利人，之前做了 13 年 PDF 工具（PSPDFKit），拿過 Insight Partners 一億歐元投資OpenClaw 是他的周末項目，去年 11 月發佈。三個月漲到 19.6 萬 GitHub stars、3.3 萬 forks、4238 個貢獻者，是 GitHub 歷史上增長最快的開放原始碼專案之一這個項目最早叫 Clawdbot。對，聽著就像 Claude。對此，Anthropic 發了商標投訴，於是 Peter 把這個項目先改名成了 Moltbot，不到一天後，又改名成了 OpenClaw後來 Claude 套餐的使用條款裡也加了一條，明確禁止在 OpenClaw 上呼叫（不過社區早就繞過去了）。一個周末項目，搞到 Anthropic 專門修改使用條款來限制它，這件事本身挺能說明問題的它有一個叫 ClawHub 的 Skill 市場，社區上傳了 5700 多個外掛還有一個關鍵設計：Agent 可以給自己寫新的 Skill 然後自己裝上。這個「Skill 自舉」的能力，是後面很多事情的起點創始人去了 OpenAI這個項目火的一塌糊塗，各方大佬都拋來了橄欖枝。然後，在2 月 14 日，Peter 在部落格上宣佈加入 OpenAI他說：他完全可以把 OpenClaw 做成一家大公司，但他不想。他想做的事是「讓他媽媽也能用上 Agent」，加入 OpenAI 是最快的路OpenClaw 不跟他走。項目轉入一個獨立的開源基金會，OpenAI 提供資金和技術支援在宣佈之前那周，他在舊金山跟幾家主要實驗室都見了面。據報導 Sam Altman 和祖克柏都親自試過 OpenClaw，祖克柏私下在折騰這個東西。Meta 同期收了 Manus AI 和 Limitless AIVentureBeat 的判斷是這樣：OpenAI 自己推的 Agents API、Agents SDK 和 Atlas 瀏覽器，都沒拿到 OpenClaw 這種量級的自然增長。收編 Peter，某種程度上是在補課一個人做了三個月的周末項目，讓 OpenAI 覺得自己的 Agent 路線需要補課程式碼留在了社區。創始人去了 OpenAI國內兩周幹了什麼這段時間，國內圍繞著的動作非常密集。逐條過2 月 18 日，Kimi 推出了 Kimi Claw這個需要單獨說：它是第一個模型廠商直接下場做的 OpenClaw 產品原版 OpenClaw 你得租伺服器、裝依賴、填 API Key、配搜尋、裝 Skill、設定時任務、接消息平台，一般折騰半天起步。Kimi Claw 的全流程：打開網頁，說一句話，完了。預配了 K2.5 模型，免費額度，搜尋服務接好了，飛書直接對接至於...為什麼模型廠商親自做這個事？OpenClaw 使用者最大的反饋就是「太燒 token 了」。旗艦模型跑簡單任務成本太高，反而讓高性價比的國產模型 API 拿到了大量海外使用者。Peter 在播客裡說 Minimax 2.1 程式設計任務上可以用 5% 的花費達到接近 CodeX 的效果幾十萬 Agent 全天候運行，token 消耗量是人的幾十倍。誰的模型被寫進 Agent 的默認配置裡，誰就吃掉一整條 token 消耗曲線。Kimi 是第一個看到這個並且直接出產品的以前卷 benchmark 分數，現在卷誰被 Agent 默認呼叫其他動作：網易有道推出 LobsterAI（有道龍蝦），做了 GUI，定位消費級清昴智能發佈玄武 CLI，OpenClaw 跑在華為昇騰、摩爾線程等國產晶片上阿里雲、騰訊雲、百度雲三家全部上線一鍵部署。百度搞了一分錢首月的促銷中科創達在魔方派 3 和 AIBOX 上完成全端適配Rokid 開放了靈珠平台的自訂智能體功能Ollama v0.15.4，一條命令 ollama launch openclaw 就能跑上面這一切...都發生在兩周內我還搞了個「小龍蝦大逃殺」幾個值得留意的訊號Skill 自舉帶來了一些有意思的後果有人做了一個叫 Moltbook 的社交網路，只有 AI Agent 能發帖，人只能看。OpenClaw 的龍蝦們湧進去之後自建了話題分區，在裡面辯論、分享指令，後來還搞了一個叫「Crustafarianism」（甲殼教）的東西。Nature 發了文章，PhilArchive 上有學者在分析它的神學結構我之前在「Agent 進化，不需要人類」裡寫過，昊陽做的 Evolver 外掛 3 萬多次下載絕大部分來自 AI 之間的傳播。GitHub 星數隻有幾十。給星的是人，用它的不是人Moltbook 但也暴露了安全問題。Wiz 發現一個配置錯誤的資料庫，洩了 150 萬個 API token 和 3.5 萬個信箱說到安全。SecurityScorecard 發現 13.5 萬個暴露在公網上的 OpenClaw 實例ClawHub 早期生態裡大約 900 個惡意 Skill，佔比約 20%。卡巴斯基把 OpenClaw 列為「2026 年最大的潛在內部威脅」Agent 有用，是因為它能訪問檔案、操作瀏覽器、執行程式碼。這些權限是它做事的前提，也是攻擊者的入口Agent 不拿權限就沒法幹活，拿了權限就會被打。這個結構性的問題目前沒有人解了社區在拚命補。VirusTotal 做了自動掃描，2 月 19 號出了 40 多項安全加固。但包括我自己在內，也不確定補丁跑不跑得贏攻擊者還有一件不太愉快的事。2 月 14 日 ClawHub 自動化審查出了技術故障，把中文字元識別成亂碼，大面積誤封了中文開發者帳號。下載量、評價歷史幾個小時內全不可訪問這事之後國內加速了本土化。至少三個中文社區站點，有人做了 OpenClaw-Docker-CN-IM 把飛書、釘釘、QQ 機器人全打包進一個鏡像。海外一條生態線，國內一條，正在分叉資本和競品美團聯合創始人王慧文 2 月 7 日公開喊話做 OpenClaw 相關項目的人來聊這是他 2023 年大模型浪潮後第一次公開表達投資熱情同時，全球範圍內都開始了各種類型的 OpenClaw Hackathon，目前來看，最大的一場 2 月 28 日 Global Unhackathon：24 個城市同步，每城 40 人，沒有演講沒有評委沒有獎品，只有寫程式碼對於 OpenClaw 的競品，大概是兩個方向：更輕、或者更安全更輕：比如港大 Nanobot，4000 行 Python，16 天 2.2 萬 stars。之前寫過的伯炎做的 MimiClaw 跑在 5 美元晶片上，純 C，沒有作業系統更安全：比如 NanoClaw 容器級隔離，TrustClaw 雲端沙箱。當然，模型廠本身的項目也是這個領域，比如 Anthropic 的 Claude Cowork，OpenAI 的 Codex App現在來看，OpenClaw 的 Skill 生態吸引到的開發者注意力，目前還是最大的，也是目前最有勢能的 Agent 項目拉齊完了春節前，聊 OpenClaw 還是更偏向開發者整活春節後，模型廠商在做產品，雲廠商在做部署，安全廠商在做防護，硬體廠商在做適配，VC 在問估值...生態分工兩周內就建立了，這個速度本身就是各方的下注當然，很多正在發生的事情，大機率還需要再過一陣才能看清楚....過年期間，我沒閒著，我的電腦也是，在同時跑著幾十個任務，搞多了很多我並看不懂的東西新的一年...應該還有更多的好事發生那麼，就祝大家開工大吉，也能成就自己的「一人獨角獸」 (硅星人Pro)

從實驗室的簡陋原型到春晚舞台的璀璨明星，這家中國公司用十年時間改寫了全球機器人產業的格局。2026年馬年央視春晚，當24台人形機器人在舞台上完成連續三次單腿後空翻、兩步蹬牆後空翻等高難度武術動作時，全國觀眾再次被中國機器人技術震撼。這已是宇樹科技第三次登上春晚舞台，從2021年的機器牛"犇犇"，到2025年扭秧歌的《秧BOT》，再到今年的《武BOT》，這家公司的成長軌跡幾乎與中國機器人產業的崛起同步。01 起源，從200元到200萬的天使投資宇樹科技的創始人王興興，1990年出生，2009年還在讀大一時，他就用僅200元的成本製作出了自己的第一個桌面人形機器人。2013年至2015年碩士期間，他以不到2萬元的研發成本推出了全自由度四足機器人XDog，開創了全球低成本高性能足式機器人技術方案的先河。2016年6月，王興興憑藉這一技術成果獲得了個人投資者尹方鳴的200萬元天使投資，正式創立了宇樹科技。創業初期並不順利，2017年公司推出全球首個正式對外公開的高性能低成本四足機器人Laikago（萊卡狗），但在一次融資路演中因演示故障而遇冷。轉折點出現在2020年，紅杉中國連續兩輪注資，祥峰投資、初心資本相繼加入，Pre-A+輪融資後公司估值突破億元門檻。從此，宇樹科技進入了快速發展期。02 突破，從四足到人形的技術跨越宇樹科技的技術路線清晰而堅定：先攻克四足機器人，再進軍人形機器人。2021年，公司的四足機器人"犇犇"首次登上央視春晚，讓全國觀眾見識了國產四足機器人的叢集表演能力。2022年，109台Go1機器人在冬奧會開幕式精彩亮相，同年B輪融資引入海克斯康等產業資本，四足機器人Go1銷量突破萬台大關。真正的技術突破發生在2023年，宇樹發佈了國內第一台能跑的全尺寸通用人形機器人H1。這款機器人身高約180釐米，體重小於50公斤，移動速度達3.3米/秒，打破了當時的世界紀錄。2024年，公司推出售價僅9.9萬元的人形機器人G1，推動人形機器人向消費級市場邁進。這一價格僅為波士頓動力同類產品的十分之一，徹底改變了行業定價規則。03 核心，全端自研建構技術護城河宇樹科技的核心競爭力在於其全端自研能力。公司自主研發了電機、減速器、控製器、雷射雷達等機器人關鍵核心零部件，自研率超過95%。在電機技術方面，宇樹自研的M107系列扭矩密度達到120Nm/kg，遠超波士頓動力Spot的90Nm/kg，成本僅為進口電機的50%。工業級關節電機峰值扭矩達360N·m，支援後空翻、720°迴旋踢等高動態動作。感知系統上，公司自主研發的4D雷射雷達L1具備360°×90°半球形超廣角感知能力，最小探測距離僅0.05米。這套系統讓機器人即使在劇烈運動後仍能精準定位，防止在空翻等動作下傳統定位演算法丟失的問題。軟體演算法方面，宇樹通過強化學習訓練，讓系統能夠遍歷全球武術動作，篩選並最佳化出最佳的表演動作序列。2026年春晚的《武BOT》節目就展示了這一技術的威力——24台機器人在舞台上無需任何外部定位輔助，完全依靠機載感測器即時感知環境、自主規劃路徑並動態調整隊形。04 市場，從中國走向全球的征程宇樹科技的市場表現令人矚目。2024年，公司在四足機器人領域的全球市場份額高達69.75%，幾乎壟斷了這一細分賽道。同年營收突破10億元人民幣，連續五年保持盈利。2025年，宇樹人形機器人出貨量超過5500台，位列全球第一。公司預計2026年出貨量將達到1萬至2萬台。融資方面，宇樹科技已完成10輪融資，背後集結了從早期投資機構到產業巨頭的豪華陣容。中國移動、騰訊投資、阿里巴巴、螞蟻集團、吉利控股、美團戰略投資部、深創投等均參與投資。2025年11月，中信證券發佈輔導工作進展情況報告，確認宇樹科技已完成IPO輔導。公司預計於2026年正式提交IPO申請，有望成為"人形機器人第一股"。05 應用，從舞台表演到工業落地的轉變宇樹機器人的應用場景正在快速拓展。在工業領域，公司的四足機器人已廣泛應用於電力巡檢、消防救援等領域。在河北某火電廠，宇樹B1四足機器人配備3D雷射雷達、雙光雲台相機等裝置，實現了自主充電和全自主智能化巡檢。在科研教育領域，同濟大學採購了10台宇樹機器人用於學生培訓，清華大學、浙江大學等高校實驗室也已引入。這些機器人成為高校進行具身智能研究的重要平台。消費級市場方面，宇樹的Go2四足機器人搭載GPT大模型，不僅能完成倒立、空翻等高難度動作，還能實現智能語音對話。2026年春晚後，同款機器人G1 EDU U2進階版以208850元的價格在京東上架，很快被搶購一空。公司還在積極拓展新的應用場景。2026年1月，宇樹科技西部區域總部落地重慶大渡口，將重點推進機器人產業生態圈建設，應用於山地巡檢、智慧物流等42個城市運行場景。06 挑戰，技術瓶頸與行業競爭儘管成績斐然，宇樹科技仍面臨挑戰。創始人王興興坦言，公司當前最大的挑戰之一是頂尖人才短缺，團隊快速擴張後效率反而有所下降。技術層面，具身智能"大腦"尚未突破。王興興指出："目前的具身智能大腦還不夠通用，仍需針對具體場景進行專門的程式設計。但對於普通家庭而言，每家每戶的具體條件千差萬別，不可能為每個家庭單獨寫一套程序。"行業競爭也在加劇。2025年全球人形機器人出貨量接近1.8萬台，同比增長約508%。星動紀元、雲深處、銀河通用等公司相繼完成大額融資，市場競爭日趨激烈。王興興對此表示："隨著越來越多的資源和資金湧入這個行業，導致同質化競爭成為非常嚴重的問題。我倡議大家還是要保持克制，理性競爭，避免惡意、無效的內卷。"宇樹科技的故事遠未結束。隨著IPO處理程序的推進，這家公司正站在新的起點上。從200元起步的桌面機器人，到估值可能達到3000億元的行業巨頭；從實驗室的技術demo，到春晚舞台的璀璨明星；從四足機器人的技術積累，到人形機器人的全面突破——宇樹科技用十年時間，書寫了一部中國科技企業的成長史詩。當24台機器人在春晚舞台上完成那些令人驚嘆的武術動作時，我們看到的不僅是一場科技秀，更是一個國家在高端製造領域從追趕到並跑，再到領跑的生動寫照。宇樹科技的崛起，標誌著中國機器人產業已經站在了世界舞台的中央。 (全球資產配置資訊諮詢服務)

融資69億元，AMD參投。近日，美國AI晶片獨角獸Cerebras Systems宣佈完成10億美元（約合人民幣69億元）F輪融資，估值達到230億美元（約合人民幣1596億元）。本輪融資由Tiger Global領投，Benchmark、Fidelity Management & Research Company、Atreides Management、Alpha Wave Global、Altimeter、AMD、Coatue以及1789 Capital（合夥人包括小唐納德·川普）等機構跟投。成立於2015年的Cerebras，以餐盤大小的AI晶片而聞名。其晶圓級引擎3（WSE-3）晶片是全球最大、速度最快的AI晶片，體積是當前最大GPU的56倍，單位計算功耗卻遠低於同類產品，同時推理和訓練速度比競品快20倍以上。其晶片用於處理AI推理所需的順序執行、記憶體密集型工作負載。與需要在晶片和記憶體之間來回傳輸資料的GPU不同，WSE將所有運算都保存在晶片內部，從而消除了限制GPU推理能力的記憶體頻寬瓶頸。Cerebras上一輪融資是在2025年9月宣佈完成的11億美元（約合人民幣76億元）G輪融資，當時投後估值為81億美元（約合人民幣562億元）。相比當時，最新估值增長近184%。這也是Cerebras自2025年10月撤回其在美國IPO申請以來的首輪融資，凸顯了一個更廣泛的趨勢，即由於公開市場之外有充足的資本，企業會保持私有狀態更長時間。官網顯示，Cerebras之前的投資方還包括高通、台積電等晶片巨頭，以及OpenAI聯合創始人兼首席執行長Sam Altman、前OpenAI首席科學家Ilya Sutskever、Stripe前首席技術官Greg Brockman、前Facebook首席技術官兼Quora首席執行長Adam D'Angelo、英特爾首席執行長陳立武、前AMD首席技術官兼企業副總裁Fred Weber等知名個人投資者。Cerebras聯合創始人兼首席執行長Andrew Feldman聲稱，其硬體運行AI模型的速度比輝達的系統快數倍，並向Meta、IBM、Mistral AI等客戶提供遠端計算服務。據外媒本周報導，OpenAI正在尋找輝達的AI推理晶片替代方案，包括Cerebras、AMD和Groq。儘管OpenAI對替代方案持保留態度，但輝達還是與包括Cerebras和Groq在內的幾家研發大量使用SRAM晶片的公司接洽，探討潛在的收購事宜。此後，輝達與初創公司Groq簽署了授權協議，並吸納了該公司的大量晶片人才。這進一步提振了業界對AI晶片企業的熱情。Cerebras拒絕了收購，並與OpenAI達成了一項商業協議，該協議已於今年1月聯合公佈。OpenAI將採用部署750兆瓦規模的Cerebras晶圓級系統，為OpenAI客戶提供服務。該基礎設施將從2026年開始分階段建設，預計“持續到2028年”，並由Cerebras託管，屆時將成為全球規模最大的高速AI推理部署項目。知情人士向外媒透露，該協議價值超過100億美元（約合人民幣694億元）。根據聲明，Cerebras和OpenAI自2017年以來一直在探索合作的可能性，Cerebras上的大語言模型能比基於GPU的系統快15倍地響應。Cerebras在1月發佈的部落格文章中寫道，過去6個月，4家AI領域重要公司斥巨資，力圖提升推理速度，但他們都沒有選擇當前在AI領域佔據主導地位的輝達硬體。Google雖是輝達最大的客戶之一，但自主研發了Ironwood TPU，其推理速度是輝達GPU的4倍。Anthropic也投入數百億美元用於Google的TPU基礎設施建設。輝達斥資200億美元收購了AI推理晶片公司Groq的智慧財產權和頂尖人才。OpenAI剛剛從Cerebras獲取了價值750兆瓦的計算資源。這些收購和投資標誌著硬體向更新、最先進的AI最佳化硬體設計過渡的開始。 (FDA365電子論壇)

舊場景的驗證，新技術的競賽。封面來源｜AI生成2026年，中國AI市場註定硝煙瀰漫。最重量級的玩家將在2026年展開殊死搏鬥。阿里對“千問”的戰略級投入將在2026年更加淋漓盡致，撒30億請使用者喝奶茶，就是一個聲勢浩大的開始；同樣的，大撒“元寶紅包”也不會是騰訊唯一的大動作。而字節卻是個很難打敗的對手，它已經佔據AI to C的一線位置，且手握最大的流量，“豆包手機”也不會是它對突破邊界的唯一試探。如果說此前幾年，大廠的AI業務尚在模型層的陽春白雪中，還有遲疑、走神的空間，但大廠如果想在AI時代依然是“大廠”，面對豆包高企的DAU，2026年是AI ToC市場最後一搏的機會窗口。這場戰爭的重要程度，絕不亞於打車大戰、支付大戰、外賣大戰……我們曾經歷的任何一場戰爭。對於“中廠”來說，隨著智譜和MiniMax的港股IPO、月之暗面和階躍星辰的融資落定、新一輪模型的發佈接力，“AI六小虎”的故事告一段落。是否有餘力衝刺AGI成了薛定諤的命題，但自我造血對六小虎來說迫在眉睫。他們需要找到各自差異化的道路，尤其是商業化的道路。正如一名六小虎高管所說：不要貪大盲目IPO，二級市場的嚴苛審視會立刻反映在股價上。不過，“目前沒有商業模式是成熟的，還需要經過幾年的探索。”某一線美元基金合夥人告訴我們。商業模式的分化，一定伴隨著組織特性的分化。一名大模型初創公司融資負責人一口氣舉出了5種主流的商業模式：ToC的訂閱和廣告付費、ToB的API售賣、ToB定製、按效果收費、軟硬體一體——每種商業模式對應著不同的選擇，例如，做ToC的一定要出海，做ToB的一定要會“打單”……不過，最活色生香，最令人期待的，還是在創業公司，在AI應用領域。每個人都想成為Manus，成為ARR過億美金被大廠重金收購的對象，但是最充滿不確定性的也是這個領域。難以琢磨，不可預測，卻充滿魔力。2026年，“智能湧現”將繼續用熱切的心情、開放的心態，關注AI創業領域。關於模型技術的迭代、商業化，不同玩家的處境，“智能湧現”訪談了十幾位身處一線的創業者、投資人、大廠員工，總結了2026年的10大命題。字節：守住優勢，追擊AI世界第一梯隊圖源：AI生成前flow員工：AI入口的最佳形態還沒有確定豆包做得最對的一個決策是，是將AI能力平權了——在很早的階段確認多模態為核心能力。在2025年，還抓住了最好的時機做增長。2025年，字節完成的一個重要里程碑，是通過引進吳永輝為主的世界頂尖人才，現在已經逐漸完成一流模型人才的儲備，在基礎模型層逐漸穩居在國內第一梯隊。但2026年，隨著AI助手和模型層的競爭變得更加激烈，如何留住這些人才，是最核心的命題。某大廠戰略人士：今年最大的挑戰，是讓豆包聯動線下服務2025年，豆包做得最勇敢的一個決策，是推出豆包手機。雖然這件事註定會被其他大廠圍攻，但這個舉動攪動了移動網際網路和手機廠商的現有利益格局，讓所有玩家都不得不加速行動。展望未來豆包面臨的長期挑戰，是如何保持AI模型能力在最前列，同時把AI助手與普通使用者的真實生活連接起來——尤其是電商、外賣這類線下服務，字節雖然都有佈局，在組織上，字節相比其他大廠來說，歷史包袱少、依然是一個年輕有活力的組織，但怎麼內部協作得更好也並不容易。阿里：再造新AI To C入口圖源：AI生成某千問員工：不只是對外AI入口，也會成為阿里的底層AI能力平台千問是阿里內部集全集團之力做的C端AI入口。從產品路線上，主打差異化，也是因為親民、親切的路線就已經有競品佔據了使用者心智，我們先以差異化的辦事、辦公場景切入市場，走專業路線，但長期目標是成為AI入口。未來，千問不只是對外的AI入口，也會為阿里很多業務提供底層的AI能力。2026年，我們的挑戰在於，阿里的業務體系龐雜，行業差距也很大。千問作為相對獨立的技術團隊，理解阿里內部其他業務對AI能力的訴求是困難的，怎麼和各業務單元之間做更好的協同，這是未來的挑戰。某大廠戰略人士：2026年，大廠真正開打ChatGPT之戰的一年阿里今年能從夸克切換到千問，並在千問這個產品上快速發力，背後是阿里強大的組織能力在支撐。今年會是大廠真正開打ChatGPT之戰的一年，這是因為一條主線仍在持續：只要模型能力持續提升，新的功能釋放出來，就會有反哺業務的機會。從競爭格局看，雖然市場已有過億DAU的產品，但市場遠遠沒有飽和，這是千問敢在這個時間段發力的原因。目前，各家大廠的通用AI助手產品其實同質化程度都比較高，真正的差異在於誰能更快地迭代，誰能更好地把握使用者需求，長期地進行營運。AI助手市場還有很大的增量空間。前阿里員工：用組織變革來換取決策速度AI時代給了大廠一個重新定義入口的機會。原來的搜尋、社交、電商入口都已經被佔據，AI助手有可能成為新的流量入口和推薦網路。問題在於，這個機會窗口可能很短。千問C端事業群的推出，某種程度上是阿里在用組織變革來換取決策速度——與其在內部慢慢協調，不如直接推出新產品，用市場來驗證。騰訊：AI應用和模型繼續補課圖源：AI生成前元寶員工：DeepSeek再次刷新“模型即產品”的重要性事實上，在接入DeepSeek之前，元寶就已經明確“模型即產品”的重要性，DeepSeek之後是更加強化了這一共識。這一年裡，元寶比較聚焦模型能力的提升，強化產品與模型的深度整合。另外，元寶早期很早就定下來選擇聚焦高知人群，走差異化路線，一是高知使用者對體驗和效果的要求更高，二是，他們作為AI領域的早期嘗鮮者和意見領袖，他們的使用習慣會影響周圍人群，形成示範效應。元寶成員：元寶要擺脫DeepSeek依賴目前混元在模型市場上還沒有絕對的優勢。元寶提供的搜尋服務，一部分基於混元，一部分基於DeepSeek。但截至2025年底，大多數使用者還是選擇DeepSeek作為默認模型。最近，TEG的搜推部門合併到了元寶的搜推。此前，TEG搜推負責的是元寶中基於混元的搜尋鏈路，元寶搜推負責的是DeepSeek的搜推鏈路。其中的意義，一方面在於提高合作效率。另一方面，我猜測，未來元寶的搜尋會對模型進行整合，以後內部可能就不會存在基於DeepSeek的搜尋、基於混元的搜尋，只存在“元寶搜尋”。某大廠戰略人士：關鍵要理清微信和元寶的戰略定位相比行業內其他玩家的快速迭代，騰訊的節奏相對謹慎。比如，混元策略可能是不在基礎模型層面做正面競爭，而是聚焦Agent模型等差異化方向。接下來，騰訊需要在自研模型能力上拿出更有說服力的成果。微信遲遲沒有將AI能力深度整合到裡面，也是因為國民級入口要面對的隱私和安全問題太多，難以在短時間裡解決。用“元寶派”等新產品的試水方式，本質上是希望加速產品形態的創新嘗試，而不影響原有使用者的體驗。2026年，騰訊更需要解決的關鍵問題，可能是理順元寶和微信的戰略定位，才能更好發揮騰訊在產品層面的優勢。百度：對著釘子造錘子百度集團執行副總裁、百度智能雲事業群總裁沈抖：智能經濟帶來無限機會，企業需要建構AI原生組織AI正開啟“超級周期”，其價值將遠超網際網路時代。與網際網路僅改變資訊互動不同，AI將深度重構“研產銷服”全產業鏈，撬動10兆級市場。大模型智能湧現，而智能體（Agent）是產業落地關鍵形態，已在程式設計最佳化、數字員工、工業SOP（標準化操作流程）等領域展現突破性效能。企業需建構AI原生組織，推動自上而下的變革。未來企業中層很有可能大幅縮減，形成“決策層+智能體”的高效架構。百度集團副總裁，個人超級智能事業群總裁王穎：AI應用必須想得全、想得對、做得好當前使用者在使用AI產品時，仍有三大明顯痛點：一是認知偏差，幻覺問題未解決，也缺少個人知識沉澱；二是落地斷層，AI手腦分離，即便能想但只能局部實現；三是體驗割裂，即便能做也要在不同工具中轉移，AI能力、模態與格式無法一站滿足，使用者完成任務過程磕磕絆絆，時時碰壁。要打造真正的超級個人智能體，賦能使用者成為“超級個體”，就應該充分解決掉上述的所有問題。我們一直希望把百度文庫和百度網盤打造成為超級個人智能體，讓AI應用想得全、想得對、做得好，為使用者提供個性化、自由化、通用化的能力。百度集團副總裁，百度電商、百度數字人業務負責人平曉黎：未來的數字人會持續自主進化隨著視覺、語音、智能體等AI關鍵技術的突破，數字⼈也在加速進化。1.0時代的數字⼈，只是簡單實現了虛擬⼈的表層，具備了基本的外形和聲⾳。2.0時代是超擬真數字⼈，隨著⼤模型的問世⽽得到顯著提升，實現了對⼈物形象的⾼精 度克隆、⽀持⼤動作、擺脫了紙⽚⼈的效果，實現了數字⼈語⾔指令碼和互動問答的⽣成。⽬前，業界主流的數字⼈就處在這個階段。去年，百度率先發佈了⾼說服⼒數字⼈，把AI數字⼈帶⼊了3.0階段，不僅形神⾳容⾼度協調、還會思考決策、能調度多智能體完成指定任務。⽽在不遠的未來，擁有世界知識、不知疲倦的數字⼈，能夠持續⾃主進化，還能夠⽀持千⼈千⾯的個性化情感互動，將在更多的應⽤場景上超越真⼈。模型商業化：賺高品質的錢圖源：AI生成某模型初創公司高管：售賣模型API，只能作為短期商業化的補充手段大模型主流的商業模式有5種：ToC的訂閱付費和廣告收費，ToB的API售賣，ToB和ToG的定製化，按效果付費，以及從資料側走向端側的軟硬一體。選擇ToC訂閱的廠商，基本都選擇了出海，因為國內使用者付費意願還不高；售賣API的模式，本質上是雲服務的延伸，未來雲廠商一定會將API價格打得很低，獨立模型廠商很難實現規模化，因此API只能作為短期商業化的補充手段。至於定製化，市場上一種論調是，大模型的泛化能力可以改變原有重交付的模式。但在國內，不僅需要有能交付的技術能力，人脈也很重要。對初創公司來說，按效果付費和做軟硬一體，兩種模式都有機會。Physical AI的想像空間很大，未來智能終端有望成為新的流量入口和下一代推薦網路。但兩種模式都對初創公司的能力提出了高要求。按效果付費的前提，是模型能力足夠強。做軟硬一體的交付，要求公司有豐富、無短板的多模態模型矩陣，也要求團隊有資深的端雲協同交付經驗。某模型初創公司成員：模型能力迭代，不跟著OpenAI走，跟著客戶需求走2023年以來，我覺得賽道上很多模型公司都有“OpenAI病”，自稱要做“中國的OpenAI”，產品矩陣也強對標OpenAI。但2025年，提要做“中國OpenAI”的公司變少了，反而提做Anthropic的變多了。其中一個很重要的原因是，大家發現，自己手上的錢和卡不夠了，無法支撐OpenAI那樣全面鋪開的產品矩陣。資源有限的情況下，有些東西就不得不放棄。Anthropic已經證明，推理能力、Coding能力有市場、有付費，所以不少廠商2025年以來都將模型的迭代方向轉移到這兩者上。所以，我相信未來不同模型廠商，模型能力也會根據自己的資源、優勢，以及下遊客戶的需求，產生分化。某一線美元基金合夥人：目前模型的商業模式都不夠成熟在產品層面，AI時代的產品形態還沒有完全定型，原因在於模型能力還沒成熟。比如視訊模型的一致性、理解能力，都還在發展。這些能力成熟後，到底能實現什麼功能、落地什麼場景，大家都還在探索。今天，像ChatBot類型的產品，大家都在用訂閱的方式收費。但這只是其中一種形態。OpenAI也在探索，ChatGPT要不要使用更高效的廣告模式，吸引更多使用者，而不是全部採取訂閱模式。所以，目前沒有商業模式是成熟的，還需要經過幾年的探索。找場景 ：在垂直、細分領域找錢圖源：AI生成極致上下文CEO廖謙：創業公司要找垂直場景切入，做端到端的服務交付我不認為通用Agent會統一天下。在做使用者理解時，不同問題的互動形態完全不一樣，資訊蒐集方式也不同。通用Agent會讓上下文變得駁雜，而且很難定義任務的好壞，商業模式只能是成本導向。但垂類場景下，任務可以被明確定義，有行業統一標準。創業公司的關鍵是，要切入資訊生產場景，做端到端的服務，而非工具。另外，要做生產場景而非消費場景（娛樂、社交），後者是大廠的必爭之地，創業公司切入比較難。前百川智能合夥人、AI醫療公司緣啟智慧創始人兼CEO鄧江：不是所有的場景，都願意擁抱大廠創業公司相較於大廠有兩個優勢。第一，創業公司在技術上更垂直、更深入。大廠很難做這麼垂直的投入，他們做的都是更普世、更廣泛的技術投入。豆包、螞蟻這些大廠推出健康類產品，我是開心的。大公司每個決策背後一定有龐大的市場和資料支撐。反過來，每一種病症，都意味著巨大的市場空間。比如皮膚病，中國有上億的患者，把皮膚病做好，都足夠立足了。所以未來還是看你能不能把垂直的能力做深做透。第二，創業公司可以保持技術獨立。不是所有的場景，都願意擁抱大廠，因為大廠和客戶在某類場景上有深度競爭。無論資料安全，還是商業競爭，不管在那個行業、那個時代，獨立的技術公司都有自己的生存空間。攀峰智能CEO王銘：2026年是Agent“按效果付費”的元年傳統的SaaS工具模式，其經濟模型是“收取的訂閱費能否覆蓋算力成本”，至於使用者能否跑出結果，工具方並不負責。我們認為，未來的經濟模型應該會變成“獲取的任務分成能否覆蓋算力成本”，2026年會是按效果付費的元年。這從根本上改變了產品的驅動力，迫使我們會花更多精力去打磨那些能直接幫助使用者賺錢，離ROI更近的功能。這對資源有限的創業公司至關重要，因為大廠會逐漸往下尋找並佔據好場景。一旦驗證了Agent能幫使用者低門檻賺錢，傳播速度會非常快，因為使用者的決策成本幾乎為零——幫你賺到錢了，你再付錢。那裡去找錢：IPO是好事，但不要盲目IPO圖源：AI生成某一線美元基金合夥人：港股IPO是改善一級市場環境的契機至少在過去，我覺得中國一級市場沒有辦法顯著支撐長期、巨額，且不是淨利潤導向的研發投入。如果大模型企業不上市，未來在一級市場的融資效率肯定很低，只能在現在30億、40億美金的估值基礎上小幅地融。但港交所舉措越友好、IPO的公司越多，優質科技型企業有更順暢的退出管道，並且在資本市場能得到國際投資者更公允的定價，這些事實都會反哺到一級市場。如果一級市場更活躍，中國的創新環境也會更好。只有這樣的循環被打通，一級市場才有可能真正支撐起千億美元的科技公司，而不是讓公司在早期階段就考慮上市。作為對比，SpaceX等到估值1萬美金，才考慮上市。他們前期發展的資金全來自美國一級市場。綠洲資本創始合夥人張津劍：不要只做區域創新，要做讓全球資本看見的全球創新很多投資者認為，AI最後就是中美的遊戲。但美國有很多標的，比如輝達。但中國的AI標的，在世界上的面貌不那麼清晰。MiniMax 的港股 IPO讓海外投資者有了一個投資中國AI的清晰樣本。接下來每一家AI、具身公司的上市，都是中美之間鑿壁偷光的一扇窗，讓外界看到中國有那麼多企業推動全球創新，從招股書上也能看到，他們的很多收入也來自全球。同時，越來越多的海外投資人也想直接投資中國。2025年夏天，美國很多GP到中國走了一圈。歸根到底，只要中國有創新、有服務全球的能力，錢是會進來的。創業者就應該堅定地去探索全球創新，而不是區域創新。未來中美之間有多少牆，就會有多少洞，比如港股IPO，比如2025年的DeepSeek和宇樹，只要堅持創新，就一定有好的錢主動找過來。某模型初創公司融資負責人：走向二級市場是“雙刃劍”2026年初，月之暗面、階躍星辰接連宣佈了新一輪的大額融資。這件事向行業證明，一級市場還能支撐大模型發展。之前智譜、MiniMax的IPO向創業者釋放的訊號是，在一級市場不一定融得到錢了，所以大家在匆忙地走向二級市場。走向二級市場是一把“雙刃劍”。好處是企業擁有了更順暢的融資管道，更大的市場聲量。但也要意識到，企業很快會面臨商業化的壓力。能看到很多IPO的企業，立刻開始大力佈局ToB業務，因為ToB的優勢在於變現速度很快。二級市場給企業的業績兌現期是一到兩年，如果沒有達到預期，企業的股價會立刻下跌。AI組織：小是趨勢，人效是關鍵圖源：AI生成Honghub鴻鵠匯發起人鄒凌：稱職的極小團隊Founder，要會找機會、有執行力、能自我行銷能把一人公司或者這種極小組織公司良好經營起來的Founder，身上通常具備以下三種核心能力：一，找機會的能力。他們往往在某個行業深耕多年，可以從自身行業經驗中提煉真實痛點、找到可以用AI改進的低效環節。二，快速執行力，能借助AI獨立完成短時間內做出初版甚至多個Demo，然後迅速獲得反饋，聚焦最有潛力的方向迭代。此外，AI時代，很多早期項目並不依賴ToB銷售或獲客團隊，個人創業者還要擅長用社交媒體為自己“代言”。得有找到早期使用者、驗證需求，甚至帶來現金流的能力。清華交叉資訊學院助理教授、AReaL項目負責人吳翼：極小組織形式和全端創新能力是相輔相成的極小的組織形式和全端的創新能力是相輔相成的。不僅是創業公司，大公司中的AI研發團隊也有必要做簡化。因為人的溝通頻寬是有限的，但大的組織架構必然會走向職責劃分和管理，而人類糟糕低效的Context Sharing能力會成為整個團隊的效率瓶頸。傳統的組織中會把演算法和Infra團隊分開。如果做模型時Infra團隊和演算法團隊太過強調分工，容易產生一種情況，即演算法團隊像是個甲方，Infra團隊承擔做“髒活累活”的乙方角色。隨之而來帶來的問題是，做乙方的團隊，容易失去創新的空間；而習慣於做甲方的團隊，就可能不願意做髒活累活，這會很容易失去對於技術最底層的觀察、感知，和創新所需要的自驅力。因此，AI研發組織中，演算法和Infra是不能脫離成兩個團隊的。兩者共同設計、協同演進，才可以形成一支小而有戰鬥力的團隊。DeepWisdom創始人兼CEO吳承霖：不要迷信一人公司，組織的關鍵在“人效”行業認為AI能夠提效，進而替代人力。但當每家公司都有電腦的時候，其實相當於大家都沒電腦。卷度只會上升，不會下降。所以不要迷信一人公司，最終評價組織的維度應該是“人效”。每家公司80%的成本，其實是溝通成本，反而不是寫程式碼、文件的成本。AI可以精確規避溝通的隱形成本。一些頭部AI公司內部已經用AI代替人來分工。Claude能夠識別員工的所有歷史行為，識別技能體系，判定舒適區，然後派稍稍超出舒適區的任務。目前，人還需要作為AI的管理者。我們更需要的是技能全面、具有批判性思維的通才，去減少人之間的溝通問題。我們公司內部為通才成立了一個試驗性的組織“ROOT”，裡面沒有傳統崗位的劃分，每個人承擔從產品策劃到開發、管理的全端工作，效率是傳統組織的好幾倍。基礎模型下一戰：讓模型“看得懂”、“記得住”、“用得起”圖源：AI生成Luma AI首席科學家宋佳銘：多模態需要走向“大一統”2026年，大家有必要在“大一統”路線上做一些探索，也就是將圖片、視訊、音訊、文字等模態的理解和生成混合在一個模型中。相比於單純的圖像、視訊模型，大一統的擴散模型的好處在於，有更強的In-Context Learning（上下文學習）能力和Zero-shot（零樣本學習）能力，天花板更高，落地的想像空間更大。不少廠商都選擇將不同模態的模型拼接在一起，而不是統一訓練。這種方法會帶來短期收益，但長期來看，會延誤建構更好模型的時間。前百川智能聯合創始人、來福電台創始人兼CEO焦可：AI 時代真正的壁壘是記憶2025年行業對記憶的研究開始變多，但依然非常早期。人的記憶系統很複雜，每天都在睡眠中將短期記憶與長期記憶進行合併、遺忘和抽象，我們是在進行一場持續的日更訓練。今天還沒有一套成熟方案能夠系統性地做到這一點。AI時代真正的壁壘就是記憶。這是所有AI產品的兵家必爭之地，我們之所以選擇從語音切入，也是因為語音能讓使用者最自然地表達出Long Context（長上下文）。誰能跟使用者說更多的話，誰才有使用者更多的記憶，進而更懂使用者，提供更個性化的服務。因此，對我們而言，DAU並沒有那麼重要，因為DAU隨時會走。我們更看重DTU，Daily Talk User（每日交流使用者），這代表每天有多少使用者產生新的記憶。以及LMU，Long-term Memory User（長記憶使用者），這部分才是 AI 產品真正的價值。前阿里/字節大模型帶頭人、Infix.ai創始人兼CEO、港理工人工智慧講座教授楊紅霞：“去中心化”帶來落地今天模型的落地有一個很大的鴻溝。不少高精尖領域、中小企業、醫院、政府機構都想用生成式人工智慧，但遲遲無法實現，核心原因是現在的以個別廠商為中心主導的大模型沒有他們所對應的領域資料。需要強調的是，模型知識的注入只發生在預訓練階段，所以模型在企業或機構的本地化部署，一定要啟動持續預訓練，因為醫院、企業、機構大量的本地化私有資料和知識，在網際網路上是無法獲取的。同時，現在不同企業或機構的資料是很難共同分享的，導致了現有範式下模型無法做到全球化和全行業化。我相信未來每家公司都會需要大模型這樣一個腳手架。所以，我們希望把“腳手架”做到最便宜、最易用、入門門檻最低，讓每一家企業或機構都有自己本地化部署的模型。第二件事，我們想通過模型融合的方式，把某個領域的模型做到全球化。比如不同醫院的醫療專科模型融合起來，就能得到一個醫療領域的基礎模型。所以所謂的“去中心化”，就是在各個領域，集大家的能力，一起做好領域大模型。具身世界模型突破口：演算法要創新，場景要驗證圖源：AI生成大曉機器人董事長，商湯科技聯合創始人王曉剛：世界模型真要有效，必須有下游驗證閉環2024年11月，我就主導發佈過智能駕駛世界模型，但當時行業對這項技術的態度是“不太信”。原因是，包括輝達Cosmos世界模型在內，當時不少公司把世界模型當“資料生成器”。雖然可以在實驗室裡生成一堆看起來成立的場景畫面，但缺少下游真實落地驗證，沒人能回答“這些資料到底好不好用”，信任很難建立。過去採集這類資料危險又貴，甚至得協調“演員車”上路復現。商湯則可以先在世界模型裡規模化生成大量場景畫面與解決策略後，再用上汽智己的實車對世界模型的決策進行檢驗、校準，讓模型能力在真實反饋裡越練越準。同樣，世界模型在具身智能上也需要下游場景驗證。比如，大曉機器人先採用硬體更成熟的四足狗做“上街巡邏”的工作，在任務執行中驗證世界模型的能力，在真實場景裡持續迭代。極佳視界創始人兼CEO黃冠：2-3年內將可能迎來物理世界的“ChatGPT時刻”真機的“VLA+強化學習”正在快速迭代和擴展，但面臨巨巨量資料瓶頸，“世界模型”是被認為是未來能解決物理世界通用智能真機資料瓶頸的方式。我認為，2-3年內將可能迎來物理世界ChatGPT時刻。關於“物理世界ChatGPT時刻”的定義是：在100種常見任務中，90%的場景下達到95%的成功率。之所以認為這個時刻會在2至3年到來，是根據現有技術進展速度所進行的推測。這個過程目前並不是由世界模型完成所有任務，而是仍然需要與VLA、強化學習互相配合。具體而言， VLA解決的是作業的複雜性，世界模型解決泛化性，強化學習解決精準率和可靠性。清華交叉資訊學院助理教授、星海圖聯合創始人趙行：值得探索的前沿方向，是讓機器人預知未來我們會去較為積極地探索世界模型，但它還沒有進入到工業化的技術階段。與靠資料驅動的VLA不同，我覺得世界模型是一個非常典型的、靠聰明頭腦驅動的工作。它需要定義出一個最合理的演算法，建模物理世界的運動規律。如果能把世界的動力學規律給建模出來，那麼我們就不用再靠模仿學習的方式去訓練機器人了，機器人可以直接知道每一個動作的後果。但是讓機器人預知未來，可能比讓機器人規劃現在的動作更難，這有點像為瞭解決一個難題還要創造另一個難題。所以它非常適合最聰明的、最前沿的實驗室去探索。 (36氪)

ElevenLabs不只是一家做音訊模型的公司。AI音訊賽道，衝出一家百億美元獨角獸！智東西2月5日報導，昨天，英國AI音訊獨角獸ElevenLabs宣佈完成5億美元的D輪融資，估值達110億美元。其估值較去年年初的33億美元，實現了超230%的飛速增長。ElevenLabs聯合創始人兼CEO Mati Staniszewski還透露，該公司已在考慮IPO事宜。本輪融資由紅杉資本領投。已參與ElevenLabs多輪融資的a16z追加4倍投資，ICONIQ追加3倍投資，這意味這兩家投資機構增大了在ElevenLabs的持股比例。▲Mati Staniszewski發文宣佈融資（圖源：X平台）ElevenLabs於2022年成立於英國倫敦，最初主要從事文字轉語音模型的開發，後來也陸續打造了語音轉文字模型、AI音效模型、AI配音模型、AI音樂模型等領域。該公司既向企業提供語音API服務，也為創作者和品牌提供音訊生成平台ElevenCreative，還通過ElevenAgents平台向企業提供AI語音客服服務。你甚至能在知名遊戲《堡壘之夜》裡找到由ElevenLabs生成的音訊。2025年底，ElevenLabs的ARR（年度經常性收入）已經超過3.3億美元。自成立以來，ElevenLabs已完成五輪融資，累計融資總額達到7.81億美元。輝達此前曾參與ElevenLabs的C輪融資。輝達創始人兼CEO黃仁勳稱，ElevenLabs打造了世界上最好的語音AI產品，他主動向輝達團隊推薦了ElevenLabs。如今，黃仁勳在各類大會上以虛擬卡通形象出現時，就會用ElevenLabs的工具來復刻自己的聲音。▲黃仁勳與Mati Staniszewski（圖源：輝達）從融資規模、收入增長到資本陣容，ElevenLabs已經穩穩位居全球AI音訊賽道的第一梯隊。這樣一家成立不到4年、卻能在競爭激烈的語音AI領域中快速拉開身位的公司，顯然不只是踩中了風口那麼簡單。它背後的創業起點、關鍵選擇，以及對產品與市場的理解，值得深度拆解。01. 上線6個月拿下百萬使用者靠社交媒體實現爆發式增長ElevenLabs的兩位聯合創始人Mati Staniszewski和Piotr Dabkowski都來自波蘭。受到童年時觀看的那些配音糟糕的美國電影的啟發，他們決定打造一款AI工具，來解決這一問題。在創業之前，Mati Staniszewski曾在瀏覽器公司Opera、投資與技術供應商貝萊德以及資料智能上市公司Palantir任職。而Piotr Dabkowski自畢業後，就一直在Google擔任軟體工程師，直至2022年與Mati Staniszewski一同創業。初出茅廬的ElevenLabs究竟能給這個行業帶來什麼變化？在2023年投資ElevenLabs之際，a16z的投資人Bryan Kim闡述了他對ElevenLabs潛力的理解。Bryan Kim認為，儘管語音轉文字技術已經存在了數十年，但它未能發揮全部潛力。大多數合成語音缺乏吸引人的語調和發音，缺乏個性感，而高端的人工錄製語音服務雖然存在，但冗長的製作流程和高昂的成本使得這項技術在大多數即時和互動場景中難以實現。ElevenLabs的出現，就是要滿足這些場景對高品質語音的需求。2023年1月，ElevenLabs首次推出了語音設計和克隆產品，並對現有的文字轉語音模型進行了顯著改進。之後還陸續推出多款文字轉語音模型，擴展多語言支援，甚至拿下了一些已故知名演員的聲音版權，進行克隆並對外提供商業化服務。上線6個月後，ElevenLabs已積累超過100萬註冊使用者，創作了總計時長超過10年的音訊內容。2024年11月時，其使用者數量已經超過3300萬。2025年，其ARR邁過了1億美元大關。在2025年6月的一場採訪中，ElevenLabs的增長負責人Luke Harries透露，該公司能實現如此快速的增長，背後主要有兩大驅動力。一方面，ElevenLabs的基礎模型能力不斷迭代，在表現力、真實感上不斷提升。ElevenLabs認為，語音模型與其他AI模型不同，規模和資料量不是最重要的決定因素，反而是模型架構發揮著重要作用。領導ElevenLabs研究工作的聯合創始人Piotr Dabkowski憑藉自己的影響力，招募到了多位世界頂尖的語音AI研究員，該公司已在模型架構上取得一些突破。不過由於他們打造的是閉源模型，外界無從知曉這些改進究竟在那些方面。▲Mati Staniszewski（左）與Piotr Dabkowski（右）另一方面，ElevenLabs還很擅長市場行銷工作。該公司懂得如何利用社交媒體的力量，還通過舉辦駭客松比賽、製作另類Demo等方式破圈，實現爆發式增長。而在企業客戶方面，ElevenLabs認為在企業級市場應該採用自下而上的打法，也就是先從消費級和開發者切入，在建立名聲和信任後，大型客戶自然會來。02. 公司重心已成語音智能體創始人竟不看好音訊模型未來不過，ElevenLabs並不想把自己限定在音訊模型這一狹窄的賽道，該公司瞄準的是更大的市場。在一場與TechCrunch錄製的播客中，Mati Staniszewski稱，ElevenLabs想解決的根本問題，是人類與科技產品如何互動的問題，這是他們一直以來開發產品的主線。最初，ElevenLabs打造了文字轉語音模型，讓科技產品中的語音聽起來更像人。但要打造真正優秀的體驗，光有逼真的人聲是不夠的，AI還需要能夠生成聲音、音樂，並具備對語音的理解力。Mati Staniszewski認為這是該公司從成立以來到2025年上半年的最大重心。但事實上，Mati Staniszewski認為音訊模型這條賽道本身並沒有什麼前景：“這一賽道或許在未來1-2年內仍是成立的，但再過幾年，這項技術就會完全商品化（Commoditized）”。如今，ElevenLabs還在造模型的原因是，短期內它還是提升AI音訊產品質量的最好方式。但隨著這項技術日趨成熟、易於獲取，成為可大量採購的“標準件”，音訊模型或許會成為廣泛的底層基礎能力，而非核心競爭優勢。於是，在2025年下半年，Mati Staniszewski帶領ElevenLabs進行了一項重要的戰略調整，如今，ElevenLabs的首要任務是幫助企業部署對話智能體，並能以新的方式與使用者、客戶互動。Mati Staniszewski判斷，隨著智能體、對話智能體和語音智能體的興起，使用者可以與裝置交談了，但要讓這些智能體真正產生價值，就需要將大量資訊和知識庫帶入智能體內部，使其能夠與現有系統整合。整合後，這些產品還需要具備可測試、可評估、可監控的特點，這樣才能獲取企業級客戶的信任。這些智能體的主要應用場景，其實就是AI語音客服。ElevenLabs的智能體是多模態的，可以理解口頭或書面輸入，像人類一樣傾聽、閱讀並與客戶互動。企業還可對這些智能體進行定製化，在ElevenLabs提供的可視化工具中打造出對話流，精確定義這些智能體該如何與客戶互動。▲ElevenLabs的智能體產品（圖源：ElevenLabs官網）這一戰略決策，讓ElevenLabs得以在企業級市場進一步攻城略地。如今，在語音智能體賽道，他們的一些大客戶包括Cisco（思科）、Meta、Salesforce等等，而在音訊創作領域，迪士尼、Epic等影視與遊戲製作公司都在使用其產品。反映到ARR上，ElevenLabs在做出這一戰略轉向後，ARR增速明顯加快。2025年初，ElevenLabs達到1億美元ARR時，用時為20個月，而緊接著跨越2億美元ARR大關僅用時10個月。2026年初，當ElevenLabs宣佈實現3.3億美元ARR時，距離他們達成2億美元ARR的時間僅為5個月。03. 主打AI模型+產品不猛堆算力與資料語音AI賽道，並不缺乏優秀的模型。中國的MiniMax、阿里、海外的Google、OpenAI等公司都曾打造優秀的語音產品，那麼，ElevenLabs的差異化優勢在那兒？就像軟體和硬體的結合才是蘋果公司的魔力一樣，Mati Staniszewski認為，AI模型與產品的結合才能發揮最大價值。ElevenLabs雖然也會研究一些前沿方向，比如開源視訊模型與語音模型的結合，但他們更重視的始終是打造更好的產品，不會像競爭對手那樣訓練一些計算密集或資料密集的模型。同時，Mati Staniszewski還認為ElevenLabs具備更高的專注度，他們直接專注於解決人類與電腦進行語音互動的問題，該公司的願景是獨立於競爭對手們所做的事情之外的。拿到新融資後，ElevenLabs的首要目標是推動其智能體產品的發展。未來幾天，他們很快會推出適用於智能體平台的全新對話模型，能更快、更準確地理解和表達感情。如今，ElevenLabs已經是一家擁有400名員工的公司了，與其他估值相近的AI創企相比，這已經幾乎可以算是大公司了。ElevenLabs正在倫敦、紐約、舊金山、華沙、都柏林、東京、首爾、新加坡、班加羅爾、雪梨、聖保羅、柏林、巴黎和墨西哥城等地開展國際擴展，並配備本地化的市場推廣團隊，這對該公司旗下的語音AI業務而言，尤其重要。04. 結語：模型服務於產品成ElevenLabs突圍思路回頭看ElevenLabs的成長路徑，它並沒有走一條堆參數、拼算力的傳統模型公司路線，而是始終圍繞一個更底層的問題推進：語音和音訊，究竟在真實世界裡如何被使用。而在戰略層面，他們又足夠清醒地判斷出“音訊模型終將商品化”，果斷將重心轉向對話智能體與企業場景。這是一種“產品先行、模型服務於產品”的打法，讓ElevenLabs在語音AI這個擁擠的賽道中擁有了差異化的特點。而這或許也是頭部企業和頂級風投，願意重金押注ElevenLabs的關鍵。 (智東西)