近日，通用餐饮具身机器人公司影智 XBOT宣布连续完成数亿元两轮融资。其中，A轮2亿元融资由香港简坤资本GPTX出资；B 轮融资为3至5亿元人民币，由多支政府基金、美元基金和产业投资方共同参与出资。

掌舵人唐沐，是一位不折不扣的产品老兵。2003 年加入腾讯，在此后十年间主导组建了腾讯用户研究与体验设计中心（CDC），亲手打造过QQ经典头像，也被媒体称为“QQ头像之父”。

2013 年，唐沐选择加入正处于高速成长期的小米，完成了从软件交互到智能硬件的关键一跃。在小米，他历任智能产品部总经理、生态链副总裁，主导了小米路由器和小爱智能音箱两条亿级产品线的从零到一。

2022 年，唐沐离开小米体系独立创业，11月创立北京影智科技有限公司。他的核心判断是，用消费电子产品的思路来做通用餐饮机器人，把机器人从实验室里的"展品"变成商业场景里可量产、可盈利的"产品"。

影智 XBOT的团队配置不同于典型的机器人公司，更像是一家成熟消费品公司与AI公司的结合。机器人技术板块由王嘉力主导，这位哈工大机电工程博士曾任航天科工、三一集团、新松机器人等企业高管。运营板块则由瑞幸系班底组成，包含曾负责大区超高体量门店连锁运营、品牌标准化体系搭建的曹锐锟、于涛等人。

创业之初，唐沐获得了腾讯高级副总裁张小龙、小米联合创始人黎万强等好友的天使轮投资。截至目前，影智 XBOT的咖啡机器人已在全球100多个城市落地超过1000台，累计产出咖啡超过400万杯，2025年，营收已突破 1 亿元。

唐沐透露，2026 年公司手握的订单金额已接近3至5亿元。

以下为对话全文，略有删减：

智客ZhiKer：2022 年决定创业时，您思考了哪些根本性问题？

唐沐：当时我反复思考了三个问题。

第一个问题：创新还是跟随。 在中国，创新特别难，你好不容易想到一个点子，大厂一跟进就把你拍死在沙滩上。但完全跟随，等于彻底没有机会。所以我选择了创新。

第二个问题：通用还是专用。 大家都在做人形机器人，但一个全知全能的人形机器人要产业化落地非常困难。历史上很少存在一个产品是完全通用的，你不能把冰箱做成洗衣机又做成烤箱。所以我选择做专用。

第三个问题：To VC 还是To C。To VC可以快速拿到钱，但那是短的钱、快的钱，也可能是债。所以我选择To C，哪怕一开始有些困难，只要产品在真实场景满足真实需求，就能走得很远。

智客ZhiKer：为什么最终选择了咖啡机器人这个品类？

唐沐：第一，民以食为天，无论经济如何，人总要吃总要喝。咖啡是一个在中国快速增长的大市场，即使有瑞幸、库迪，中国人均年度咖啡消费杯数仍远低于发达国家。

第二，效率革命的机会。咖啡师从早做到晚，连去洗手间的时间都没有，还要面对顾客的各种要求。我们希望用机器人来解放这些人，而不是取代他们。

第三，也是最关键的咖啡的标准化程度足够高。一杯拿铁的变量相对可控，萃取时间、奶泡温度、拉花动作，这些可以被结构化、被数据化。相比中餐炒菜，咖啡更适合机器人先切入。

智客ZhiKer：你们是希望替代咖啡师？

唐沐：我们的客户主要是非咖啡连锁的异业客户，奢侈品店、家居店、4S店、文博场馆。这些场景本来没有咖啡服务，或者咖啡只是配套服务，它们需要的是用咖啡留住客户，而不是用咖啡赚钱。

另外，影智XBOT的客户包括京东七鲜咖啡、菲柯机器人（FICO咖啡）、吉旅控股（吉林冰雪文旅）、博物天行（文博场馆）等，并与拥有四千多家门店的亚洲咖啡品牌共同探索海外市场。​

对这些客户来说，机器人不是替代一个咖啡师，而是创造了一个新的服务触点。这个逻辑和当年小米做IoT一样，不是替代传统家电，而是用新场景重新定义需求。

智客ZhiKer：从软件到智能硬件，这段经历对做机器人最大的帮助是什么？

唐沐：所有经历教会我一件事，在真实的场景里做有真实用户需求的产品，核心是满足用户的真实需求。无论你在做什么类型的产品，传统软件、互联网软件、智能硬件、机器人，只要抓住这一点，大方向就不会偏。

智客ZhiKer：机器人行业的主流创始人是技术出身，您会不会觉得自己是"异类"？

唐沐：确实，这个时代风口浪尖上的机器人公司，很多创始人来自技术、工程领域，我一个做产品的人有点像异类。但我一直在想：如果把具身智能跨越鸿沟进入商业场景，这究竟是一个技术问题，还是产品问题？

我的答案是，它有可能是一个产品问题。技术永远在不断发展，我们看到很多高精尖的技术一雪藏就是一二十年，因为找不到商业路径。要把具身智能变成一门生意，核心要解决的还是产品问题。

智客ZhiKer：您一直在强调“用消费电子的方式做机器人”，这具体意味着什么？

唐沐：现在的机器人基本都是偏实验室、偏展示、偏秀的方式。目前我们的XBOTC3咖啡机器人是一台工业级 6 轴机械臂机器人，能够左右双臂异步做两杯咖啡，10分钟可以做10杯咖啡，整个咖啡店微缩在2.5平方的机器人Box里。

在小米时定义一款成功的消费电子产品的标志是出货百万台，因为只有量产时会遇见挑战，产线是否完备、产业工人是否经过培训、机器人有没有经过各种使用场景的验证、有没有经过安全认证和 3C 认证，2025 年，我们迈出了这一步。

消费电子的方式更多是指产品思维，极致性价比、快速迭代、用户体验优先。比如我们的AI印花咖啡，用户上传照片，机器人在咖啡上做出专属印花。消费者拿到后本能反应是拍照发朋友圈，这种情绪价值带来的免费流量，是传统咖啡设备不会考虑的。

在咖啡机器人的基础上，我们泛化出了三款产品：

XBOT I3冰淇淋机器人，只花了一个月就做出来，售价 17.9 万元，每小时能做 60 杯冰淇淋。一台冰淇淋机器人的设计寿命是 25 万杯，按均价 10 元计算，250万的营收是它自身价值的近 20 倍。

XBOT X1通用餐饮人形机器人，配备双臂七轴结构，本地算力500 TOPS，断网状态下可稳定作业，覆盖取餐、制作、递送全流程，可完成煮面、调饮等多类操作，预计2026年底批量生产和销售。

XBOT CUBE机器人快餐车，搭载20度电池，占地8平方米，支持咖啡、冰淇淋、调酒及烤肠等功能，上市时间待定。

 智客ZhiKer：1000台机器人落地的过程中，有哪些让您印象深刻的场景？

唐沐：第一台进入天安门的机器人，是在2024年国庆前夕，天安门管委会的领导通过视频号看到我们的机器人，找到我们说马上国庆需要在广场为游客提供咖啡。

另一个是香港的第一台机器人，是廉政公署买的，从小看 TVB 电视剧，里面常说，廉政公署请你喝一杯咖啡，现在廉政公署的咖啡服务就是我们的 XBOT 提供的。

智客ZhiKer：为什么通用餐饮机器人XBOT X1没有腿？

唐沐：坚决不做腿。 在餐饮行业吧台下面长个腿别人也看不见，腿本身要消耗多余的算力和电量才能站稳。我们用底座加万向轮完成移动，存储仓作为下半身，做完东西直接放在存储仓里运送到顾客面前。

智客ZhiKer：你们为XBOT X1设计了衣服？

唐沐：给机器人穿衣服。 我们可能是全球第一个认真对待这个问题的公司。人形机器人如果真的要进入各种工作场景，不穿衣服是不可能的，会脏、会溅油、电路需要保护、食品安全需要保障。我们找到了北京服装学院的设计师（米兰冬奥会中国代表团入场方案的设计师），为每个工种设计了不同的工作服，咖啡师、调酒师、甜品师、面点师各有专属服饰。

智客ZhiKer：在数据采集和训练方面，影智XBOT的做法有什么不同？

唐沐：我们把1000台机器人落地的真实点位变成数据采集器，直接在商业现场采集数据。以战养战，既能更好地做数据采集和产品优化，又不需要多花冤枉钱去请人做遥操控制。

我们经历了三个阶段，第一阶段只花了200小时的数据收集，就让机器人从0到1学会了做咖啡。我们请顶级咖啡师到实验室，用 16 组摄像头记录他们的动作，用像素级复刻的方式让机械臂学会拉花。

第二阶段，1000台机器人落地、400万杯数据反哺回来。

第三阶段，我们用人类偏好对齐（RLHF）技术，基于人类反馈不断强化大模型和机器人。

智客ZhiKer：除了硬件，影智XBOT的核心竞争力是什么？

唐沐：我们叫做“一脑多形，万店统治”。

自研XOS 3.0“一脑多形”技术架构，可实现跨本体技能迁移，学过的操作能力在更换机器人形态后依然可以复用，真正做到“一次研发、万形复用”。

另外一个是AI Agent品牌“爱宝店长”。如果说XOS 3.0是负责学习与进化的“大脑”，爱宝店长就是这颗大脑走到用户面前的“那个人”。既负责前端用户交互，又负责后端运营管理。一个运营过1000家店的店长，认识数万个熟客，这样的店长你可能根本请不到。但我们可以把店长蒸馏出来，提供给每一位拥有我们机器人的合作伙伴。 

智客ZhiKer：商业模式是一次性售卖吗？

唐沐：推行RaaS模式（Robot as a Service，机器人即服务），合作伙伴可以低成本获得机器人，按照月度支付物料费用和 AI 店长辅助运营的订阅费，而不是一开始就支付高昂的机器人购买费用。

其中包含AI 连锁运营系统，用AI重构了新零售连锁选址，传统选址像看风水，现在用大模型跑出来的点位数据，与人现场勘测结果的吻合度达到 97% 以上。同时，我们还用 AI 重构了智慧门店系统，持续学习门店运营习惯，全程提供建议。

（本文首发钛媒体APP，文 | 智客Zhiker，作者｜郭虹妘，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 | 陆玖商业评论

长安汽车会效仿东风对待纳智捷、广汽对待三菱、上汽对待斯柯达那样，最终选择放弃长安马自达吗？

‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍“本来想着离家近，以后保养方便，所以买车时额外买了经销商公司的双保无忧，结果新车购买没多久，4S店关门了，只能去隔壁区进行，路程又远又堵。不久隔壁区的4S店也关门了，联系人让去隔壁现代4S店保养。”近日，一位四川的长安马自达车主在小红书无奈分享。

这不是一个人的故事。在小红书、懂车帝、车质网上，搜索“长安马自达4S店倒闭”“马自达双保无忧”等关键词，类似的帖子随处可见。从成都到重庆，从郑州到昆明，长安马自达的经销商退网潮，正在把一批又一批车主推入售后无门的窘境。

而这一切的根源，指向两个赤裸裸的现实：

一是销量上不去，经销商“卖一台亏一台”。2024年，长安马自达全年销量仅7.57万辆，距离2017年30.94万辆的高光成绩缩水超7成。“卖一台亏一台”成为常态，最终只能闭店止损。一位长安马自达北京经销商店经理向陆玖商业评论透露，他们店每月销售量仅两位数。且大多数是马自达的拥护者，像年轻人很少进入门店，且很少有人选择电动车。

二是厂家宣传太过于依赖传统高光点。当销售网络已摇摇欲坠，官方的传播重心却依然悬浮于“创驰蓝天”“人马一体”等传统话术，即使是EZ-6、EZ-60上市时，厂家则在发布会上大谈“人马一体”。经销商不知道怎么向进店客户解释“为什么花十几万买一台马自达电动车？”

与之相对的，是燃油老车主被抛弃的失落感。在长安马自达官方公众号今年6月28日发布的一条公益内容下方，一条高赞用户评论直白地写道：“我觉着你公众号发一发升级包、老款车的更新方法、维修保养知识更好一点，而不是一味的发广告。”

仔细梳理其官号的内容，在6月13日发布了关于重庆车展内容后的13条推文中，没有一条是直接讲车的。那些支撑起品牌过往的老车主，其最迫切的日常需求——如何让手中的车更好用、更耐用，抑或是新能源车何时OTA都在官方的沟通议程中消失了。

而这一切，都发生在合资品牌在中国市场集体退潮的大背景之下，当潮水退去，长安马自达面临的，是一个需要被如实记录的局面。

目标很激进，现实很骨感

“在矜持的合资车企中，我们是最激进的。”4月北京车展上，长安马自达新任执行副总裁王晓玲接受采访时表示。

她这句话早有预兆。

时间拨回一年前。2025年5月，时任长安马自达执行副总裁的邓智涛曾乐观放言，到2027年前，每年推出一款全新产品，冲击年销30万辆，新能源占比要达到90%。更早之前，同年4月，邓智涛在EZ-60首秀前更是直接下达“军令状”：EZ-60上市后到年底必须达成2万台销量。

从邓智涛到王晓玲，两任执行副总裁的发言如出一辙——激进，坚定，不留余地。

但口号喊得越响，落差的回声就越刺耳。根据易车销量数据，EZ-60于2025年9月上市，同年9-12月销量分别为3317辆、4565辆、3377辆、3123辆。并未完成4个月2万辆的销量目标。今年1-5月，长安马自达累计销量为39784辆，仅完成年销30万辆目标的13.3%。

当一个品牌需要用“激进”来标榜自己时，往往意味着它已经没有退路了。不过这要放在以前或很有可能完成。

有业内人士表示，以前马自达粉丝忠诚度还是比较高的。马自达6“弯道之王”横扫B级车市场，马自达3、CX-5以“人马一体”圈粉无数拥趸。

在那个合资品牌如日中天的时代，马自达凭借独特的操控基因和设计美学，培养了一批黏性极高的死忠粉，光“东瀛宝马”四个字就能够吸引很多人。

“当时，跟丰田、本田等日系品牌相比，马自达性价比更高一点，它的出现填补了当时燃油车市场的一个空白。”一位在马自达合资公司工作四年的资深汽车分析师对陆玖商业评论表示。

那为什么现在不行了？

上述分析师从行业的角度表示，在当下车企加速新能源转型的时代，一方面马自达没有跟上步伐，另一方面燃油车的研发掌握在日方手中，本土化话语权不足，加之当下中国品牌早已踏破了其赖以生存的性能、性价比门槛，竞品不断涌出挤压市场。

反观长安马自达的产品线，几乎可以用“停滞”来形容。目前长安马自达在售的主力车型，仍然是昂克赛拉、CX-5等“老面孔”。2019年9月，马自达3 昂克赛拉第四代上市，这是继2013年第三代之后的一次完整平台迭代。而截至2026年6月，在售的2025款、2026款均属于‌第四代的年度改款‌。

值得注意的是，以昂克赛拉为例，其大部分车型不支持苹果CarPlay无线连接，只有少数高配拥有L2级辅助驾驶。而竞品如比亚迪秦PLUS，早已在智能座舱、辅助驾驶上全面超越，价格却低了一大截。

上述分析师直言，长安马自达也被特斯拉比亚迪这些新能源干掉了。不是马自达变差了，是时代变得太快了。

当年“马粉”愿意为“驾控乐趣”买单，是因为在那个年代，同价位确实找不到第二家能把操控和设计做到这个水平的品牌。但现在新能源车把加速做到3秒级，智能底盘把过弯做到稳如轨道，十几万的国产车标配L2+级辅助驾驶。

为了增加竞争力，昂克赛拉曾降价3万“以价换量”，但未果，反而导致品牌溢价彻底崩塌。在小红书推荐长安马自达的帖子评论区，有用户直言：等它的新能源车降到10万以下可以考虑下。

二手车市场的数据更能说明问题。中国汽车流通协会和精真估联合发布了《2026年5月中国汽车保值率研究报告》显示，马自达三年保值率为53.8%，环比下滑，甚至不及比亚迪唐L、零跑C16等电动车，后两者均超过70%。

“现在都很少收到长安马自达的车了，市场上不多。”一位北京花乡二手车老板对陆玖商业评论表示，“保有量太少了，新车都很少有人买。”

“长安马自达现在就是在吃老本。”上述分析师对陆玖商业评论表示，“前段时间斯柯达退出中国市场了，长安马自达很有可能也这样。”

向长安“借魂”，换一张全球入场券

“目前长安马自达整个中国市场的销量比重大概只有其总销量的5%，对于它来讲就是有点无足轻重了。”北方工业大学汽车产业创新研究中心研究员张翔对陆玖商业评论表示。

所以当以北美为代表的海外市场依然能为马自达贡献稳定的燃油车利润时，持续失血、且需要巨额新能源资金投入的中国市场，在总部决策链上的优先级被无形后置。

这也解释了为什么长安马自达在华研发资源调用、车型导入速度总是慢半拍。此刻站在中国市场边缘，如果无法利用现有的电动化技术平台迅速撬动市场，找到新的生存支点，这家曾经以个性著称的特立独行者，大概率会步斯柯达的后尘，沦为下一个在华边缘化直至退场的合资标本。

不过相比于斯柯达等早已退场的昔日同行，长安马自达已经有了自己的电动车品牌。2023年，长安马自达与长安汽车建立全新合资模式。2024年10月，基于长安EPA平台打造的首款纯电轿车EZ-6上市，2025年9月，第二款新能源车型EZ-60推出。

在大多数合资品牌在新能源门槛前犹豫不决的当下，长安马自达能以这个速度拿出两款主流平台的电动车，转型姿态已经算得上坚决和体面。

但代价同样沉重。在急速求生的过程中，马自达把最核心的“灵魂”让渡了出去。两款新能源车型直接采用长安汽车EPA1电动化平台，完全由中国本土供应链提供，增程器来自长安主导开发，而马自达贡献魂动的外观设计以及“人马一体”的底盘调校。有业内人士评价，EZ-6和EZ-60本质上是“换壳”的长安深蓝车型。

这种将新能源核心部分交予中方的合资模式与日产采用自有智能电混技术（如e-POWER）研发并不相同，前者虽然在短时间内提升了销量，但它并没有像当年的日产那样，在主流新能源市场真正砸出响声、打开局面。

相反，把三电和智能化核心交给中方的模式，让马自达丧失了技术主动权。一是当消费者体验到的是与深蓝系列相似的智能化逻辑时，马自达传统高溢价的物理基础便不复存在。新一代电动车买家也难以将马自达与领先的电气化技术直接挂钩。二是由于核心零部件和技术平台源自中方体系，长安马自达在面对供应链波动、成本控制以及后续智能化升级的节奏时，其话语权与自主品牌相比显然不够直接和高效。

当陆玖商业评论向长安马自达内部人士求证“后续是否会采用马自达自有平台生产电车”时，得到的答案仅是未置可否的“尚不确定”。

如果马自达志不在中国新能源市场的本土决战，那么以牺牲“技术自主权”为代价推出这两款车的真实目的是什么？

“马自达不会为中国市场专门研发新车型。”张翔对陆玖商业评论直言道。至于为什么推出两款新车型，张翔表示，马自达对于中国的态度，更多是看中了这里的高研发水平和低成本优势，试图以此来开发面向全球市场的新能源车型。

这一战略考量在长安马自达南京工厂的定位变化上得到了印证。如今，这里不仅是马自达在海外设立的唯一一个新能源研发中心，更被提升为马自达全球新能源整车的出口中心。据悉，EZ-6的海外版本Mazda 6e，目前已规划并出口至欧洲、澳洲等20余个国家和地区。

成为“出海前沿阵地”，是长安马自达对日本总部能榨取出的最大价值，但这也意味着，它在中国本土对抗新能源攻势的战役，实质上已退到了边缘。

从“利润奶牛”到“失血点”，长安会放弃长安马自达吗？

从商业逻辑来看，面对销量连年下滑、新能源转型不彻底、市场存在感日渐稀薄的长安马自达，业界不禁产生疑问：长安汽车会效仿东风对待纳智捷、广汽对待三菱、上汽对待斯柯达那样，最终选择放弃长安马自达吗？

“在这个中国品牌有技术、有产品的当下，长安自主板块成为支柱，不再指望合资品牌来扮演‘利润输血者’的角色。如果长安马自达长期亏损，从商业逻辑来看，剥离或出售股权以实现及时止损。”张翔对陆玖商业评论表示。毕竟，在6月初，长安汽车便计划挂牌转让长安福特新能源汽车科技有限公司40%股权，如果成功转让，长安福特新能源将由长安福特100%控股。

不过，要想看出长安汽车对长安马自达的态度，还是要翻开冷冰冰的财务报表。

在过去很长一段时间里，长安马自达是长安汽车除了“长安福特”之外最稳定的利润支柱。 在2016至2017年的黄金期，凭借昂克赛拉、CX-5等创驰蓝天车型在终端市场的溢价红利，长安马自达汽车及发动机业务在2016年为母公司斩获了14.81亿元的投资收益；而在销量见顶的2017年，这一数字更是飙升至18.38亿元，几乎凭一己之力撑起了长安汽车当年近四分之一的净利润。

然而来到2025年，尽管在长安汽车财务报表中并未单独报道长安马自达单一品牌的具体亏损，但包含长安福特与长安马自达在内的合资板块对母公司的投资亏损为4.3亿元。曾经源源不断输送利润的“利润奶牛”，如今已沦为需要母公司持续输血的“慢性失血点”。

目前，合资板块这笔亏损，必须由长安汽车的自主板块利润来予以对冲和“填坑”。今年一季度，长安汽车净利润仅为3.51亿元，不仅排在了江铃汽车之后，位居传统车企净利润排行榜第七，在7家传统车企中，长安汽车净利润同比下跌也是最高的，达到了74.09%。

更糟糕的是，这场危机已经蔓延到了马自达全球体系。数据显示，2025财年，马自达销售额为4.92万亿日元，同比下滑2%，净利润为351亿日元，同比下滑69%。

回到问题：“从‘利润奶牛’到‘失血点’，长安汽车会放弃长安马自达吗？”张翔话锋一转直言，“短时间内不会。”

原因是在长安汽车的战略中，长安马自达正扮演着“试验田”角色，借联名合资之名，行“技术出海”之实。

为了护航这块“新能源试验田”，长安汽车并未放弃长安马自达。但“不放弃”的另一面，是内部近乎惨烈的重组与阵痛。

从2025年至今，长安马自达风雨飘摇中完成了四次惊人的核心高管更迭，一年之内，董事长、总裁、营销负责人、执行副总裁全部换了一遍。更值得玩味的是，长安马自达接连两任董事长——张德勇与倪尔科，均为深谙财务之道的“账房先生”，他们的职业底色都是“控制预算、规避风险”，这向外界传递出强烈的信号：长安马自达已经进入了“精打细算、降本增效”的防御性阶段。

只是，内部“勒紧裤腰带”的财务逻辑已经无法打赢一场需要持续烧钱、刺刀见红的新能源攻坚战。

可见，留给这位日系“东瀛宝马”的时间，真的不多了。

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 | DataEye

海外短剧市场最激进的玩家，又出手了。

DataEye研究院注意到，昆仑万维旗下第三款海外短剧App HotDrama已悄然上架。这意味着昆仑万维的海外短剧布局正式从"双轨"走向"三极"——在已长期霸占DataEye海外App素材投放榜TOP3的DramaWave和FreeReels之外，再落一子。

但问题来了：双轨并行的激进程度在行业内已属罕见，为何还要再加一轨？

HotDrama是什么？

HotDrama于今年4月先后上线Google Play与App Store，开发者与DramaWave、FreeReels一致，均为昆仑万维的新加坡业务实体Skywork AI。

产品层面，首页仅设"剧集"和"动漫"两个大类，动漫以2D/3D漫为主，热门短剧多为AI剧。功能上集成了竖屏Feed流、离线下载、多语言字幕等标配，同时继承了DramaWave的弹幕互动——用户可以"边看剧边发送实时浮动评论"，延续了昆仑万维"社交化观看"的产品基因。

更关键的差异在变现模式：HotDrama采用IAAP混合变现（付费订阅+插播广告），区别于DramaWave的纯IAP付费模式和FreeReels的纯IAA广告模式，是产品矩阵内唯一一款混合变现产品。

投流和收入数据方面：自5月6日开启投流，日素材量从0升至6月中旬的约2700组，后回落至约1600组。下载量和收入在6月初明显提速，6月15日达日下载峰值18654次，6月16日达日收入峰值18466美元。近30天双端累计收入20.76万美元（约合人民币140.3万元）。

值得强调的是，HotDrama虽与FreeReels设计相似，但绝非换皮或廉价版——它是一个有独立定位、瞄准不同人群的产品。

为什么需要第三款？

在HotDrama出现之前，昆仑万维的海外短剧布局可以用“双轨并行”概括：

DramaWave打“付费”：在欧美等高付费意愿市场，用精品短剧收“门票钱”；

FreeReels打“免费”：在东南亚、拉美等价格敏感市场，用免费爽剧赚广告费。

对于微短剧行业而言，这已经是较为激进的双轨布局。横向对比，枫叶互动（ReelShort）、短剧快照（DramaBox）、九州文化（ShortMax）等头部玩家，大多只有1个主力海外短剧平台，昆仑万维是少数能够在海外同时玩转IAP、IAA两种模式的玩家。

那么，“双轨”已成，为何还要推出第三款？

DataEye研究院认为，答案需要从三个层面解读：

其一，填补“夹缝市场”。

在纯IAP模式与纯IAA模式之间，存在着一个被忽视的“夹缝市场”：DramaWave在欧美等高付费意愿市场效率最高，美国也是海外短剧收入第一大市场；FreeReels借助免费优势在价格敏感型市场效率最高，实现大规模获客。但除此之外，还存在着一类“不喜欢广告、有一定付费能力与意愿但不算特别强”的用户构成的中端市场。

HotDrama的IAAP混合模式恰好瞄准了这个夹缝：用“免费+广告”降低获客门槛，再用付费订阅筛选其中的高价值用户。同时，这一模式也兼顾了高消费市场的部分低付费意愿用户，和价格敏感市场的部分高价值用户。

其二，瞄准结构性空白。

《2025海外短剧行业报告（全年度）》显示，2025年位列前十的腰部应用中，有5款APP出现下载和收入双降的现象。头部稳固、腰部松动，意味着中端市场存在结构性空白，为昆仑万维推出HotDrama提供了契机。

此外，在获客成本高企现状下，IAAP模式逐步成为行业主流。DataEye 5月海外短剧月报数据显示，2026年5月海外IAAP类短剧APP已增长至286款，环比上升7%，数量远超IAP和IAA模式。

HotDrama的上线既是顺应趋势，也为昆仑万维补上了海外短剧商业模式布局的最后一块拼图——付费、免费、混合三种模式同步展开，便于横向对比ROI、测试最优解。

其三，AI降本让“三极布局”成为可能。

同时布局三款不同的APP，最大的难点在于“成本”，过去海外真人短剧成本较高，如今恰逢AI短剧爆发，成本的降低让“三极布局”成为可能。

公开信息显示，昆仑万维较早布局AI赛道，凭借自研AI技术大幅降低了内容成本。昆仑万维2025年年报中明确提及：依托自研AI视频生成技术，构建短剧和AI短剧工业化生产与全球化分发体系，拟实现AI内容规模化、低成本、高质量产出，大幅降低内容创作成本。

目前，无论新平台HotDrama还是老平台DramaWave与FreeReels均上线大量AI短剧内容。

具体到数据方面，2025年昆仑万维短剧和AI短剧平台毛利率高达79.19%，这一数字远高于同行，为昆仑万维同时主推3款APP提供了成本支撑。

理想丰满，现实呢？

商业展望最终都要落地，那么昆仑万维所构想的“IAP+IAA+IAAP”三极布局，能否撑得起来？

从当下现状来看，昆仑万维核心产品DramaWave和FreeReels都非常亮眼。

昆仑万维2026年第一季度报告显示：2026年3月底，公司短剧及AI短剧平台单月流水超4800万美元，ARR超5.7亿美元，合计MAU稳居海外短剧市场第一，FreeReels下载量居海外首位。

但亮眼数据与激进投流的背后，离不开持续高投入作为支撑。

2025年，昆仑万维销售费用同比激增81.53%至41.82亿元，销售费用和研发费用合计58.58亿元，占总营收的71.46%。全年净亏损达15.93亿元，连续两年亏损。

从这一视角来看，DramaWave和FreeReels在2025年合计投放超110万组素材量，本质上仍处在“砸钱换市场”的范畴，一旦投放力度收缩，用户和流水大概率承压。

当然，业绩承压背景下，拐点也正在出现。

一方面，2026年一季度，昆仑万维归母净利润-8.87亿元，同比收窄15.34%，亏损幅度已经在收窄；另一方面，2025年公司短剧和AI短剧平台业务收入同比飙升864.92%，达16.17亿元，占总营收比重从2.96%上升至19.73%。这意味着随着微短剧业务收入规模的扩大和AI产品商业化落地，前期投入的拖累效应有望逐步减弱。

另一个不可忽视的点，就是昆仑万维高达80%左右的短剧和AI短剧平台业务毛利率，这一数据几乎较一些头部同行高出一倍！

综合以上数据，DataEye研究院认为昆仑万维正处于关键拐点期。DramaWave和FreeReels的海外短剧矩阵已经证明了其营收驱动能力，但新的“三极”布局能否在今明两年实现利润端的实际改善，还取决于两个变量：一是AI降本的效果是否能持续放大、并传导至利润端，二是这三款APP能否在各自市场建立起无需巨额投放支撑的自然增长。

对于HotDrama而言，其真正的重点也并不在于当下投放素材量、下载量如何，而是能否与DramaWave和FreeReels这两款产品实现真正的差异化分流，实现商业效益的最大化。

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 | 盘古智库

2. 电力供给：AI算力的"重要支撑"

如果说稀散金属是AI产业的"原材料命脉"，那么电力就是AI算力的重要基础。训练大模型需要消耗巨量电能——据多方公开研究测算，训练GPT-4级别的模型耗电约为数千万千瓦时量级（不同测算口径下约5000-6200万千瓦时）。随着大模型参数规模持续膨胀、AI应用全面渗透，数据中心用电量正呈快速增长趋势。在这个维度上，中国拥有规模优势和体系优势。

2.1 发电量：全球第一且仍在加速增长

2025年，中国电力基础设施交出了一组令世界瞩目的数据。国家能源局数据显示，2025年全国发电量达到10.58万亿千瓦时，同比增长4.8%；全社会用电量累计103682亿千瓦时（首次突破10万亿度），同比增长5.0%。中国由此成为全球首个年用电量超10万亿度的国家，用电总量已明显超过美国。2025年7月，中国全社会用电量首次实现月度突破万亿千瓦时大关，达到1.02万亿千瓦时，同比增长8.6%。

这种规模的电力消费，是AI算力扩张的重要底座。据媒体报道，马斯克2025年8月访华期间曾公开表示，中国是极具实力的竞争对手，在电力供应和硬件建设能力方面表现突出（具体措辞以权威媒体原始报道为准）。美国2024年全年全社会用电量约为4.2万亿千瓦时，月均仅0.35万亿千瓦时——中国单月用电量已接近美国月均水平的3倍。

中国的发电装机增长速度同样值得关注。截至2025年底，全国累计发电装机容量达38.91亿千瓦，同比增长16.1%。"十四五"期间（2021-2025年），全国新增发电装机共计16.90亿千瓦，其中风电、太阳能发电新增装机13.07亿千瓦，占新增装机的77.3%。2025年中国风电和太阳能发电新增装机容量合计超过4.3亿千瓦，这一建设速度在全球范围内位居前列。

2.2 新能源：装机爆发式增长，绿电占比持续提升

AI产业的可持续发展，不仅需要充足的电力，还需要清洁的电力。高耗能的数据中心若依赖煤电，不仅碳排放压力巨大，也与全球绿色转型的大趋势相悖。中国在这方面的布局同样领先全球。

截至2025年底，全国可再生能源装机总量达23.4亿千瓦，同比增长24%，约占全国电力总装机的60%。其中，太阳能发电装机12亿千瓦，风电装机6.4亿千瓦，风光装机合计18.4亿千瓦，占比47.3%，历史性超过火电装机。2025年，风电发电量1.13万亿千瓦时，太阳能发电量1.17万亿千瓦时，风光发电量同比增长25.8%，占全年总发电量的22%。

表2：2025年中国电力关键指标

从发电结构看，2025年全国可再生能源发电量3.99万亿千瓦时，同比增长15%，约占全部发电量的38%。火电发电量6.33万亿千瓦时，实现十年来首次下降，同比下降0.7%。全国新增可再生能源发电量5193亿千瓦时，已经覆盖全社会用电增量（5161亿千瓦时）——这意味着2025年中国全社会用电增量绝大部分由可再生能源提供。

对于AI数据中心而言，这意味着未来可以越来越容易地获取清洁、低成本的绿色电力。部分先进数据中心的绿电使用率已经达到80%左右，这与欧盟等地对数据中心碳排放的严格限制形成呼应，为中国AI产业的全球化布局提供了一定优势。

2.3 电网：规模领先、技术先进的输电网络

发电能力再强，如果无法高效输送，也难以充分发挥效用。中国能源资源与负荷中心存在天然的地理错配——煤炭、风能、太阳能资源富集在西部和北部，而电力需求集中在东部和中部。解决这一矛盾的核心工程，就是特高压（UHV）输电网络。

截至2025年底，中国累计建成投运45条特高压输电通道（24条直流、21条交流），"西电东送"输送能力达到3.4亿千瓦。这一规模的输电能力，足以支撑东中部地区约五分之一的用电需求。中国拥有能建设±1100千伏特高压直流输电的技术能力，特高压线路总长度突破5万公里，超过地球赤道周长（约4万公里）。

这张电网不仅规模领先全球，稳定性和先进性也经受住了严峻考验。2025年迎峰度夏期间，全国用电负荷峰值达到15.08亿千瓦的历史高位，7月、8月全社会用电量连续两月破万亿千瓦时。这张覆盖全国的电网从容应对，连续多年未发生大面积停电事故，供电可靠率达99.924%。

对于AI数据中心而言，特高压电网意味着可以将新疆、甘肃、内蒙古的低成本风电、光伏高效输送至算力密集的东部地区，让数据中心在不依赖城市高价电网的情况下，依然能获得稳定、充足的电力供应。这种"东数西算"的模式，目前也主要由中国以国家工程的形式系统推进。

2.4 数据中心用电：当前占比低，未来空间充裕

那么，AI数据中心目前到底消耗了多少电？中国信通院《绿色算力发展研究报告（2025年）》显示，2024年中国数据中心用电量达到1660亿千瓦时，占全社会用电量比例达到1.68%。北京理工大学能源与环境政策研究中心预测，到2030年全国数据中心总用电量约为5257.6亿千瓦时，用电量将占到全社会总用电量的4.8%。

图2：中国数据中心用电量及占全社会用电比例

即便按照最乐观的预测，到2030年数据中心用电量也仅占全社会用电量的约5%-10%。相比之下，美国数据中心2023年用电量已占总电力的4.4%，预计到2028年将消耗美国总电力的6.7%-12%。中国的数据中心用电占比明显低于美国，且电力总盘子远大于美国，这意味着中国电力系统对AI算力扩张的承载能力较强。

更关键的是增长弹性。2025年中国新增可再生能源发电量（5193亿千瓦时）已基本覆盖了全社会用电增量。即便数据中心用电量再大幅增长，中国也有较强的能力通过新增新能源装机来提供电力保障。据水电水利规划设计总院预测，到2030年风光大基地总装机容量将达到455GW（4.55亿千瓦），加上分布式光伏和海上风电的持续增长，电力供给的空间依然充裕。

综合而言，中国在电力供给方面的优势是三维叠加的：一是规模维度——发电量全球第一且增量最大；二是结构维度——新能源装机全球领先，绿电占比持续提升；三是系统维度——特高压电网实现跨区域优化配置，"东数西算"模式具有一定开创性。这三个维度叠加，构成了AI算力基础设施层面较为坚实的支撑条件。

需要说明的是，电力和资源优势虽能夯实算力扩张的基础设施底座，但难以完全替代先进制程芯片、EDA工具等环节的技术自主可控能力——这仍是当前中国AI产业链中最核心的瓶颈所在，电力优势更多是"必要条件"而非"充分条件"。

图3：中国电力装机容量与发电量结构（2025年）

（本文作者系盘古智库高级研究员周济、盘古智库高级研究员牛站奎。）

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

自李博杰称DeepSeek面试官说他写代码的时候作弊一事过后，许多程序员都在网上表示，自己在面试DeepSeek的时候，都要经历两轮非常严苛的代码能力面试。

简介为前阿里技术专家的视频号博主，ID为“军哥程序员”发视频表示，DeepSeek确实要面试两轮代码，并且还表示，DeepSeek的面试官几乎全程都在询问代码相关的问题，正常面试更是长达70分钟。

过去十几年，程序员面试早就形成了一套成熟的应试套路。背题、刷题、共享面经，一条龙服务，从几块钱的 PDF 到十几万的“包过内推”，每一个价位都有对应的产品。只要你花够时间准备，进大厂的概率不低。

但DeepSeek这套面试，把这些套路全废了。

你背的东西它不问，你刷的题它不出。它问的那些问题，你没在线上真刀真枪做过，就是答不上来。

由此可以看出一件事，DeepSeek奉行的是“代码即正义”。

DeepSeek的代码即正义

军哥程序员表示，面试官开了摄像头，直奔主题，只让他做了三四十秒的自我介绍，然后就立刻揪着简历上的项目开始连环追问。

DeepSeek的面试官问了军哥程序员许多问题，每一道题，都是那种在一线干过的程序员才经历过的。

我挑几个有代表性的问题，给你拆解一下DeepSeek招人的思路。

“你的会话记忆用的是message window还是token window，线上为什么这么选？”

大模型本身没有记忆，你跟它聊了二十轮，它不会自动记得第一轮说了什么。要让它“记住”之前的对话，得把历史消息塞回给它。

message window就是按条数存，最近N条消息全塞回去；token window是按字数存，在规定的字数以内可以保存，超过字数就会截断。

听起来简单，但线上选哪个，取决于你的业务场景。如果你是客服对话，那你的轮数多但每轮短，用message window就够了；如果是长文档或者整个代码库分析，那么每轮的内容会非常长，用token window效果更好。

这个问题没有标准答案，面试官要听的是你为什么这么选，选错了会怎样。

“Redis持久化的时候，会话过期策略怎么定的？”

用户跟AI聊天，会话存在Redis里，可Redis是要花钱的，因此容量是有限的，不可能永远存。多久过期？用户半小时没说话就清掉，还是保留七天？如果用户突然回来，发现之前聊的没了，体验好不好？这些都是线上才会遇到的问题，写demo的时候根本不用想。

这个问题是“有典故”的。程序员圈内有个很搞笑的故事，某个运维或开发在crontab里配了一条代码，为了让磁盘定期清理，所以每月30号凌晨清理一次日志。

可是2月没有30号，所以2月的数据没有清理，于是3月的某一天，由于日志量过大，导致磁盘被撑爆了。

“有没有遇到过并发会话冲突？”

这也是个随处可见的情况。你在手机APP上跟DeepSeek聊了一半，到公司打开电脑网页版DeepSeek继续聊。

两边登录的是同一个账号，都在往同一个会话里写消息。手机这边刚发了一句“帮我改一下这段代码”，电脑那边已经在读之前的对话历史了。

两边的会话状态都在写Redis，会不会互相覆盖？手机上最后发的那句话，电脑端能不能看到？如果用户在两边同时发了消息，上下文怎么拼？会不会读到脏数据？

“长期记忆用向量库存储，记忆越来越多，检索越来越不精准，怎么优化？”

这是最考功底的题目之一。向量库存的是把文字转成的一串数字，靠数学相似度来找最相关的记忆。刚上线几千条记忆时检索很准，等攒到几十万条，噪声记忆开始干扰，真正相关的那条可能已经被抛到很后面的位置了。

这道题是DeepSeek付费大户们经常碰到的。你两周前跟它聊过“我是做Java的，主要搞支付系统”，今天你问它“帮我写个重试机制”。

理想情况下，DeepSeek应该记得你是Java开发者，给你写代码的语言是Java。

但如果你跟它聊了几百轮，聊过生活、聊过python。这个时候当你再去管DeepSeek要代码，它很可能给你吐出来的是python。

看出来了吧，这些问题有一个共同特点，它们全部来自线上实战，没有一个能靠背书过关。

军哥程序员回忆到，面试官问他线上故障排查的一个点，他答得含糊，面试官连续追问了三个问题，一直追到具体改了哪块逻辑、效果提升了多少百分比才结束。

军哥程序员表示，如果你只是用LangChain写了个demo，没经历过线上项目的坑，那你“绝对撑不过二十分钟”。

“八股文”行不通了

军哥程序员在视频中提到一件事，说八股文一点用都没有。

什么是八股文？

“八股文”原本是明清科举考试的固定文体，文章八个部分、固定格式、题目出自四书五经，不需要有自己的思想，格式套对就行。

以往程序员面试都是背题，因此业内才会戏称面试为“八股文”。

比如HashMap的工作原理、JVM内存模型、synchronized和volatile的区别，诸如此类。题目出现次数多了，就有人专门整理成册，叫“程序员面试宝典”，在圈子里地位堪比考研押题卷。

网上搜“Java面试八股文”，几千篇文章清一色标着“大厂面试必背”“背完这篇拿offer”，牛客、CSDN 上甚至有“八股紧急背诵”专栏，按公司热度排序，标明哪些题在大厂面试中出现的概率高。

一些计算机培训机构，除了培训学员的代码水平外，也会专门开设课程培训面试技巧。在国内的各大社交媒体，经常有打着程序员名义的账号，售卖各种面试指南。

面试时间就一个小时，面试官要快速判断一个人的水平，最省力的办法就是问有标准答案的问题。你会背说明你准备了，你准备了说明你重视。至于你真会不会干活，入职再说。

于是形成了一条心照不宣的产业链：有人整理八股文，有人背八股文，面试官也知道你在背。

更魔幻的是“面经共享”，面完的人把题目发到网上，后来的人提前背好去面同一个岗位，同一套题所有人都用同一套方案来回答。

圈内人管这叫“面试造火箭，入职拧螺丝”。

在这个背景下，再来看军哥描述的DeepSeek面试，就知道它有多不一样了。

还有一点，程序员圈子里的一个潜规则，只有初级码农才面代码。

任何一个程序员，无论他在学校的绩点如何，他刚入行的时候，唯一能做的事，就是在框架里套现成代码。

但是当你积累了足够的经验，你就能看懂里面的实现逻辑，遇到业务痛点还能自己改、做优化。

到了后面，精力更重要的是考虑业务的整体、并发、线上bug这些事。

所以越是高级的人才，就越不会面试代码。

DeepSeek不这么想，不管你是应届生还是华为天才少年，前两轮就是纯代码面试。

这就叫代码即正义。

这套打法的好处很直白。

第一，筛选机制极度公平。代码写得出来就是写得出来，写不出来就是写不出来，没法靠包装简历过关。尤其是对于不善社交的程序员群体来说，这反而成了最友好的招聘方式，你只需要把代码写好，其他都不重要。

第二，团队基线高，过了代码这道门槛，意味着进来的人能力都在一条线以上，Code Review不用教基础，沟通不用翻译概念，不会出现“资深工程师写的代码还不如实习生”的离谱情况。

不过DeepSeek自己心里也明白，代码并不是一个人的全部。它只是把代码放在了最前面，当成了入场券。

军哥程序员表示，三面不问代码也不聊技术，全是聊认知和判断，比如你怎么看Agent这个赛道？它最大的瓶颈在哪？如果让你从零带一条线，你第一步做什么？

这再一次证明了，DeepSeek也是过来人，知道市场是个怎样的环境。所以无论高低贵贱，你都得会代码。

三家面试，三种哲学

大厂对于招人的态度是截然不同的。

先说字节跳动。

字节AI算法岗的标准流程是笔试加三轮技术面加一轮HR面，总共五轮。

笔试三道LeetCode Medium，技术一面就上手撕代码，要求速度和干净程度极高，过不了代码直接挂。一面还会深挖项目经历，然后出一到两道算法题。

二面开始问模型结构，比如Decoder-only架构、SFT/RLHF/DPO训练范式、LoRA原理，一个知识点能追到数学原理层。比如你提到RoPE（旋转位置编码），面试官会一路追问到旋转矩阵的推导过程。

三面是交叉面，聊工程系统，DeepSpeed ZeRO的并行策略、DP和DDP的区别、多卡训练的硬件利用率估算 。

你仔细看字节的这些题目，会发现一个特点：它们都是可以提前准备的。

这些知识点是固定的，网上有标准答案，你花时间背了就能答出来。字节的三面交叉面问的工程系统问题，本质上也是大模型领域的“高级八股”，刷过牛客面经的人都清楚。

字节的题你提前三个月刷LeetCode、背面经，是有可能蒙混过关的，答案有标准，刷多了总能碰到原题，书读百遍其义自现。

但DeepSeek的题，你没做过线上项目就是答不上来，你没法提前准备“你线上故障排查改了哪块逻辑、效果提升了多少百分比”这种问题，因为那是你自己的亲身经历，背不了别人的。

打个比方：字节像考驾照，科目一科目二科目三，每个环节都有标准流程，练够了就能过；DeepSeek考的是你遇到加塞、爆胎、追尾，这种真实路况你怎么处理。

再说腾讯。

腾讯AI算法岗的流程也是笔试加三轮技术面加HR面，核心岗加总监终面，最多五轮。但腾讯的风格跟字节完全不同。

腾讯最大的特点是层级递进。

一面的面试官是同组同事，考的是模型理解力，比如BERT、LoRA、位置编码这些大模型基础八股，加一道简单算法题。

二面的面试官是直属主管，开始聊底层优化和项目匹配，比如微调经验、DeepSpeed、增量预训练、业务场景结合。

三面的面试官是隔级主管，考的是系统设计和潜力判断。HR 面聊价值观和职业动机。如果有总监终面，那聊的是战略思维和长期适配性 。

腾讯的面试官职级逐轮升高，考察维度从“能不能干活”逐步过渡到“有没有潜力”。

代码权重在三家里最低，高级岗的算法题难度和占比都明显下降。

三家的招人哲学是不同的，各有各的好，不能简单的用一句“你代码查的少，所以你们发展的不好”来概括。但是，如果你享受编程和AI的整个过程，那DeepSeek确实是一个不错的选择。

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 | 松果财经

大模型行业的融资叙事正在加速变化。半年前，资本追逐的还主要是基础模型本身。如今，热钱正在流向一个更靠下游的环节：Token工厂。

本周五，2026世界人工智能大会WAIC将在上海开幕，Token经济也是本届大会的核心议题之一。而自6月底至今，Token领域已发生多起资本事件。

比如，刚刚宣布完成A轮融资的趋境科技半年内累计融资已超10亿元；硅基流动此前向港交所递交上市申请，平台单日Token吞吐量峰值已突破万亿，注册用户超千万；无问芯穹披露其Agentic MaaS平台Token调用量自去年底以来增长超20倍，背后站着近50家投资机构。

资本、产业，它们都认为AI产业的下一个核心瓶颈是可交付、可计费、能赚钱的服务。对推理服务的需求不再是峰值有多高，而是能不能稳定、低成本、持续地交付。谁在这个环节建立效率壁垒，谁就有机会成为AI产业链里绕不过去的基础设施层。

不过目前为止，这个行业到底怎么跑通还没有定论。硅基流动2025年收入5533万元，净亏损3.45亿元，毛利率-24%。其他大量公司则还没有持续验证商业模式。泡沫和真金，在同一条河里翻涌。

一、Token的商业模式：是什么，又不是什么？

要理解Token工厂的商业逻辑，首先要把Token本身是什么、不是什么讲清楚。

从技术层面看，Token是模型处理文本、图像、语音时使用的基本计量单位。用户问大模型一个问题，系统把输入和输出都折算成Token，据此计费。在这个意义上，Token之于AI服务，类似“度”之于电力——它是结算单位，是成本核算单位，也是资源消耗的刻度。

但类比到这里就该打住了。因为Token和电力有一个根本性的差异：电力是均质商品。什么叫“均质商品”？家庭照明用的一度电和工厂车间用的一度电，在物理属性上没有任何区别。

Token则完全不同。同一个模型产生的100万个Token，可能是一个闲聊对话的轻量生成，也可能是一次复杂代码重构的全量推理，还有可能是一遍遍无意义的重复输出。它们的计算成本、对精度和稳定性的要求，以及最终产生的商业价值，可能相差数个量级。

这个差异直接决定了Token工厂这门生意的特殊之处：它卖的不能只是Token数量，必须卖Token质量。只拼量，会陷入和传统CDN业务一样的不利局面——门槛低、价格透明、客户随时可以比价切换。只有拼质，才可能建立真正的壁垒。

趋境科技显然看明白了这一点。它把自己的定位明确表述为“高品质AI Token生产服务商”，并给Token做了分层：免费聊天机器人对应的是低速低稳定性Token，开发者套餐对应中速Token，企业核心生产系统需要的是顶速、高稳定、长上下文支持的高品质Token。不同层级的Token，对于Token延迟、生成速度、并发能力、输出稳定性、结构化调用可靠性的要求完全不同。

这并不是趋境科技自己发明的新概念。通信行业从2G到5G的演进逻辑本质上就是同一回事——所有代际都能传输信息，但企业级客户不会把核心业务跑在高延迟、低稳定的网络上。AI服务正在经历类4G到5G的过渡阶段，当AI从“能聊天”进入“能写代码、能审合同、能管项目”，Token质量开始比Token价格更重要。

硅基流动则在招股书中披露，自研推理引擎可将延迟降低最高达70%，吞吐量提升三到五倍，动态量化技术可将推理计算需求降低60%至80%。其意义在于，同样的算力硬件，经过深度优化后能产出更快的响应和更低的成本。

于是，大多数Token工厂的玩家都在强调深度优化而不是广泛接入。比如硅基流动并不和巨头比谁的模型数量更多，而是把重点放在少数真正有生产需求的头部模型上，通过模型切分、显存管理和异构协同，把单位算力的有效Token产出推到极致。这种能力与做一个模型超市、把上百个API打包转卖的中转站模式有本质区别。

二、烧钱换规模的窗口还没关上，但窗口期正在收窄

那么，如何看待当下Token产业的商业化发展？答案是短期谨慎、长期乐观。

以硅基流动的招股书数据为例，其平台注册用户从2024年底的12.7万暴涨到2026年4月的1028万，同期日均Token吞吐量从478亿攀升到5785亿。收入从2024年的735万元跳到2025年的5533万元，增速惊人。

不过，由于固定成本，硅基流动2025年仍净亏损3.45亿元，毛利率-24%，算力资源成本5962万元，营销开支8370万元，存在不小的拉新支出。

考虑到Token订阅用户有很强的后续变现价值，这显然是一种典型的“补贴换用户”策略。

硅基流动还以公有云服务作为引流入口，用极低甚至负毛利的价格吸引开发者和企业试用，寄希望于其中一部分用户转化为高毛利的专属实例或本地部署客户。2025年，其本地部署收入占比从85.4%下降到47.1%。

这和移动互联网时代的“闪电扩张”有相似之处，但AI基础设施这门生意和当年的滴滴、美团有一个根本差别：Token工厂的固定成本极高，但网络效应显然不可同日而语。原因也不复杂，算力往往是租来的，技术优化需要持续投入顶尖人才，客户不因为更多人在用某个平台就获得更好的体验。规模扩大带来的边际成本下降空间，远不如互联网平台那样陡峭。

所以，目前大多数公司都在追求一个真正健康的Token工厂商业模型，它应该是一个“效率飞轮”，而不是“融资飞轮”。

什么是效率飞轮？技术优化降低单位Token成本→以更低价格吸引更多客户→更多客户带来更多真实场景反馈→真实场景反馈帮助进一步优化模型和调度系统→优化后的系统进一步降低成本和提升稳定性。这个飞轮的核心润滑剂需要工程能力和场景数据，为此，Token工厂必须努力开拓下游应用。

而相对来看，如果效率优化生效，其效果也会在数据上得到明显反映。比如趋境科技目前披露的部分数据显示，其从春节以来单位算力生产效率提升3倍以上，高品质Token总产量提升30倍以上，部分成熟业务已突破成本线。

接下来，Token企业只需要证明当融资节奏放缓，当算力采购成本继续上升，这套效率引擎还能继续自转即可。只有穿越一个完整的压力周期，才能说Token工厂是一个可持续的商业模式。

三、算力之外，找到最稀缺的因子

过去三年，AI行业的叙事主轴是一个字：缺。缺卡、缺算力、缺电力、缺机房。这种“存在即短缺”的状态催生了一个巨大的算力基础设施投资热潮。每一座智算中心的建设，每一次万卡集群的交付，都是一次对未来AI需求的前置押注。

但2026年，市场已经开始寻找不一样的影响因子。

从底层供给看，随着全球算力供给持续扩张、国产芯片替代加速推进、模型推理效率不断提升，算力本身的可获得性正在边际改善。

需要注意的是，这并不是说算力已经过剩——高端GPU和使用权仍然紧张，但“纯粹的算力总量”正在从稀缺品变成大宗商品，这个过程中的电力等方面成本权重开始上升。而当一项资源不再稀缺，围绕这种资源构建的竞争壁垒就会开始松动。

所以，综合考虑商业模式、产出能力等因素后，这个行业最终考验的不再是谁手里有多少卡，而是谁能把同样的卡跑出更高的有效产出。这个指标在行业里有不同的叫法：Token生产效率、算力转化率、集群可用时长占比。叫法不同，但指向同一件事——AI基础设施的竞争逻辑，正在从资源占有型转向运营效率型。

这是一个值得警惕但又充满机会的阶段。智算中心建设在过去几年经历了一定程度的“重建设、轻运营”问题。机房建好了，设备上架了，但真正有付费意愿的客户并不充足。

在“算力为王”的叙事里，这个矛盾容易被未来需求会追上供给的预期所掩盖。但当前Token工厂的热潮，可能正在催生另一种形式的资源错配——把“算力空转”改名为“Token空转”。

建一个Token工厂不难，买算力设备、接入几套开源推理引擎、挂几个主流模型API，就能对外宣称有Token生产能力。难的是让这些Token真的有人买、真的能用、真的产生价值。

Token工厂能不能避免重蹈部分智算中心的困境，关键看谁在为这些Token买单。如果客户主要是短期补贴吸引来的免费用户和价格套利者，一旦补贴退坡或竞争对手出更低的价格，客户就会迅速流失。如果客户是真正把Token用在生产环节的企业，Token工厂才能成为生产力工具的一环。

从产业链的角度审视，Token工厂的本质是在做一件很多行业都经历过的事：把上游分散、复杂、非标准化的资源，组织成下游可直接使用、可计量、可规模化交付的标准服务。这和石油炼化把原油变成汽油、沥青和化工原料没有什么不同。

原油在油田里无法直接使用，必须经过一系列复杂的分解和重组，才能变成不同用途的成品油和工业原料。Token工厂要做的，是把“原油”变成不同品级的“成品油”。不同模型、不同芯片、不同场景之间，需要的“油品”完全不同：有的追求极致低延迟，有的追求最大吞吐量，有的追求长上下文的稳定输出。

总的来看，目前行业内的玩家大致可分为两条路径。一条走规模和广度，接入越多模型、越多芯片类型，覆盖面越广，追求成为Token层面的通用供应底座。另一条走深度和专注，围绕少数头部模型做极致优化，追求单位算力产出效率的最大化，用技术壁垒换取利润空间。

两条路径没有绝对好坏，但后者的竞争壁垒从产业逻辑来看更可持续——因为它的价值不依赖于“我有什么资源”，而依赖于“我能把资源用到什么程度”。前者靠规模壁垒，后者靠技术壁垒。规模壁垒在资本充裕时容易被追赶，技术壁垒的追赶需要时间和人才，难以速成。

因此，整个Token赛道的融资和上市热，本质上是在抢这个产业链还没有被固化的窗口期。

一旦巨头完成对推理环节的内部整合——阿里云、火山引擎等云厂商已经在把自己的模型服务打包进自家云基础设施，形成从芯片到模型到应用的一体化闭环——独立的Token供应商的空间就会被压缩。

不过，独立Token工厂拥有一个结构性优势：中立性。硅基流动支持的170多个模型来自不同的模型公司，趋境科技服务的客户覆盖头部模型厂商和互联网平台。它们不自己研发通用大模型，不和任何模型公司构成直接竞争，也不绑定任何单一芯片厂商。这种位置在行业分工还不够稳定的阶段，对客户而言是一种避险选择——谁也难以预料最终胜出的模型是哪一家的。

产业分工从来不是在理论推演中完成的，而是在市场竞争中经历无数轮试错后自然沉淀的结果。Token工厂今天的热度，无论其中掺杂了多少泡沫，至少说明AI产业链正在经历一次关键的价值重心下移。让模型真正服务于生产和生活，将是未来产业的主旋律。站在这个趋势的起点上，Token工厂的故事才刚刚开始。

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 | 博望商业，作者 | 天峰

2026年以来，A股半导体用稀土概念股持续暴涨，有研新材涨了200%，欧莱新材涨了350%，东方锆业一个月翻倍。

这并非简单的题材炒作，这背后，是中国在稀土领域主动卡位的战略升级——用美国的方式反制美国。

2025年4月，中国将七大类中重稀土列入出口管制，欧洲市场的氧化镝价格瞬间飙涨三倍。同年10月，管制再度升级，从7种扩大到12种，还搞了“穿透式管理”，美国“长臂管辖”的翻版，原封不动还回去了。

结果就是各种半导体稀土涨到了天价，国内外价差高达百倍。海外芯片厂要么接受天价，要么停产。停产就是丢份额，所以不管多贵都得捏着鼻子买。

这轮行情炒的不是当下业绩，而是中国从“规则接受者”变成“规则制定者”的整个预期。围绕“算力金属”的博弈，正在重写全球半导体产业链的利润分配。

从白菜价到核按钮，稀土的战略地位重塑

稀土的不可替代性，决定了它的战略高度。从电动车电机到战斗机发动机，从导弹制导到AI芯片制造，稀土无处不在。

但如此重要的战略资源，中国在很长一段时间里却是捧着金碗要饭。与此同时，美国、日本、韩国却利用中国廉价的稀土原料，加工成高端芯片、精密元器件后再高价卖回中国。

AI浪潮的爆发，让这种价值倒挂的荒诞感达到了顶点。

2025年，全球半导体行业迎来史无前例的丰收年。据美国半导体行业协会数据，2025年全球半导体销售额达到7917亿美元，同比增长25.6%，创下历史最高纪录，预计2026年全球销售额将突破1万亿美元。

在这场AI驱动的饕餮盛宴中，各国半导体企业的盈利状况却天差地别。

美国是最大赢家。英伟达2025财年全年营收达2159.38亿美元，净利润1200.67亿美元，美企半导体企业的全球市场份额超过60%。

韩国同样赚得盆满钵满，三星电子2025年全年营收333.6万亿韩元（约合人民币16246亿元），营业利润约合人民币2123亿元，半导体部门贡献了集团80%的营业利润。SK海力士2025年全年营收97.15万亿韩元（约合681.6亿美元），净利润约合301.3亿美元。

中国台湾凭借台积电一家独大，2025年台积电实现营收1224.2亿美元，净利润552.1亿美元。

而中国大陆呢？

2025年，A股177家半导体相关企业合计总营收7048.71亿元人民币（约合970亿美元），归母净利润457.4亿元人民币（约合63亿美元）。

这个数字是什么概念？177家中国半导体上市公司的净利润总和，还不到英伟达一家公司净利润的二十分之一，不到台积电净利润的九分之一。

这种格局的形成，根源在于全球半导体产业链的分工固化：美国主导芯片设计和设备，韩国主导存储芯片，中国台湾主导晶圆代工，而中国大陆虽然拥有全球最大的半导体消费市场，却在最赚钱的环节上长期处于弱势。

更荒诞的是，中国大陆还是全球稀土、镓、锗等关键半导体材料的主要供应方，我们以白菜价卖原料，再以天价买芯片。

这种局面正在被彻底扭转。

2025年4月，中国将七大类中重稀土列入出口管制。欧洲市场的氧化镝价格瞬间飙涨三倍。

2025年10月，商务部发布第61号公告，对境外相关稀土物项实施出口管制。限制范围不仅覆盖稀土元素本身，更延伸至技术、设备、原辅材料的全链条管控。新增了钬、铒、铥、铕、镱等5种稀土元素，使受限制的稀土种类达到12种。

更关键的是，管制措施引入了穿透性原则：若外国公司的最终产品使用了中国的设备或材料，即便交易不涉及中国企业，也需获得中国的出口许可证。这一规则，正是美国限制半导体相关产品出口的长臂管辖逻辑的复制。

这种管制的直接后果，是国内外稀土价格出现了令人瞠目的裂谷。国内氧化钇报价约5.5万元/吨，而鹿特丹港口价高达457.50美元/kg，欧洲市场价更是达到1175美元/kg——内外价差高达上百倍。

这种价差并下，海外企业要么接受天价，要么停产，而停产意味着失去市场份额。稀土管制对海外半导体企业不利，同时将有利于中国推动本土化替代。

谁在风口上？四只算力金属明星的生态位

当稀土从工业味精升级为科技安全盾牌，资本市场的定价逻辑也随之重构。比如以下四只个股的暴涨，折射出四种不同的卡位逻辑。

首先是有研新材，是半导体靶材的国家队选手。

有研新材的底层逻辑已经完成了从传统材料周期股到半导体靶材国产替代+AI算力材料+稀土战略金属三重叙事的切换。2026年以来，有研新材累计涨幅约200%。

作为国内规模最大、材料种类最齐全的高端电子信息用材料研发制造基地，其核心业务涵盖微电子光电子用薄膜材料、超高纯金属及稀贵金属材料、高端稀土功能材料等。

2026年一季度，公司营收29.57亿元，同比增长60.72%，归母净利润同比增长31%。半导体靶材业务实现12英寸钴/铜靶高端制程国产替代，获大基金二期3亿元增资扩产。客户包括京东方、台积电、芯联集成、长鑫存储、长江存储等一线大厂。

市场给的不是当下业绩的估值，而是中国靶材自主可控的战略溢价。

其次是欧莱新材，是AI专用内存HBM稀土供应的隐形冠军。

欧莱新材是这轮行情中弹性最大的标的之一，公司主营铜、钽、钨等高纯靶材，产品已进入面板及半导体领域主流厂商供应链。2026年以来截止目前，欧莱新材累计涨幅高达350%。

其核心逻辑HBM4新一代存储芯片量产带动靶材消耗较传统DRAM提升3-5倍，三星、SK海力士、美光正大规模采购特种靶材。2026年第一季度，电子靶材企业已普遍启动提价，常规靶材价格涨幅达20%，特殊小金属类靶材涨幅更是达到60%-70%。

公司全资子公司投资的明月湖半导体用高纯材料项目，聚焦超高纯无氧铜锭（6N纯度）、高纯钴锭两大核心品类，规划2026年第四季度竣工投产。一旦投产，将填补上游核心原材料自主供应的空白。

还有三祥新材，是锆与稀土的双料玩家。

三祥新材的上涨逻辑复杂，一方面，公司受益于稀土永磁概念的集体走强；另一方面，全球氧化锆核心供应商日本东曹宣布暂停对华供应氧化锆粉体，国产替代逻辑瞬间引爆。2026年以来，三祥新材累计涨幅已超过150%。

还有东方锆业，是当前战略小金属的资源锚点。

东方锆业上游矿区伴生稀土资源，同时锆本身属于关键战略小金属。受稀土供给受限影响，日本东曹、第一稀元素化学等全球龙头产量下滑，高端氧化锆市场供需缺口扩大。

电子专用高纯纳米氧化锆报价达50-65.7美元/公斤，钇稳定氧化锆粉体报价达50-150美元/公斤，方锆业一个月的时间涨幅已实现翻倍。

这四只个股的暴涨揭示了一个清晰的投资主线：在稀土全产业链管控升级的背景下，凡是能在算力金属供应链上占据不可替代位置的企业，都将获得系统性估值重估。

尤其是对AI产业的影响是深远的，半导体靶材是芯片制造中金属薄膜沉积环节的核心耗材，先进制程的靶材单位消耗量是传统工艺的3-5倍。稀土掺杂是提升半导体靶材性能的重要路径。

没有稀土靶材，就没有先进制程芯片；没有先进制程芯片，就没有AI算力。

涨价还远远不够

我们前面已经说了：177家中国半导体上市公司干一年，净利润加一块儿63亿美金，不到英伟达一家公司的二十分之一。

问题是英伟达DGX B300官方售价50万美元，搬到中国就直接翻倍，卖到700万人民币。而我们的稀土又卡着最上游的材料，最核心的资源，凭什么拿最小的一份？

所以，这件事的本质是，中国正在用稀土和关键材料，把利润的天平一点一点往回扳。毕竟我们掌握不可替代的上游卡口，天然拥有定价权。

以HBM为例，六氟化钨、电子级氢氟酸、高纯靶材、MLCC用的稀土氧化物，这些材料的全球产能一大半捏在中国手里。现在，中国正在把这些卡口一个一个拧紧。

2025年4月到10月，出口管制连续升级，从7种扩到12种，还搞了穿透式管理，你用了中国的材料或设备，哪怕全程不经过中国，也得向中国申请许可证。美国长臂管辖的翻版，原封不动还回去了。

结果是国内氧化钇一吨5.5万人民币，欧洲一吨卖到1175美元/公斤，价差上百倍。氧化镝内外差8倍，氧化钆40倍。

海外芯片厂要么接受天价，要么停产。所以不管多贵都得买，因为全球90%以上的分离冶炼产能在中国。

更关键的是，这是一连串卡口：

六氟化钨排第一，因为卡进了韩国人的存储芯片，三星和SK海力士一年HBM和DRAM赚1500亿美金利润，现在六氟化钨的高纯产能一大半在中国，造存储就得买中国的稀土材料。

排第二的电子级氢氟酸，卡住国外芯片刻蚀清洗的底牌。排第三的HAF前驱体，卡3nm以下逻辑芯片。排第四的高纯四氯化硅，卡AI数据中心的光纤光通信。排第五的电子布，卡AI服务器几十层的高端PCB板。排第十的氧化钇，卡AI高容MLCC电容，英伟达下一代GPU需求暴增的东西。

每一个卡口，对应一个被中国捏住的算力命门。而这些卡口的长期空间有多大？用最保守的算法来算，都很客观。

以氧化钇为例，全球高纯氧化钇市场现在约22.5亿美元，中国占全球产能93%以上。AI服务器MLCC用量是传统服务器的8到12倍，需求复合增长率高达39.6%。到2030年这个市场保守估计将突破35亿美金，内外价差只会比现在更大。

还有六氟化钨，全球需求量现在近9000吨，中国占全球产能超50%、钨矿占80%。日本两家主要供应商因为拿不到高纯钨粉，今年7月起永久停产，这两家公司合计占全球有效供给近30%。

直接导致六氟化钨价格从12万/吨涨到近200万/吨。到2030年这个市场预计达到14.2亿美金，年复合增长率15.8%。

而且随着HBM产能持续扩张，六氟化钨单片消耗量已比五年前翻倍，供需缺口只会越来越大。

还有电子级氢氟酸，全球市场4.31亿美金，但中国单市场就42亿人民币，2021到2025年复合增长率27.5%。到2030年中国市场预计达95亿人民币，年均增速超15%。这东西是芯片清洗刻蚀的刚需，用量最大、最绕不开。

还有溅射靶材，全球市场63亿美金，半导体贡献超45%。到2030年预计达79亿美金。先进制程靶材消耗量是传统工艺的3到5倍，AI芯片越高端，消耗越大。

把这些加在一起：全球稀土元素市场从81亿美金到近200亿美元，而且这还是保守估计，出口管制收紧、AI需求暴增、内外价差扩大三重共振，实际利润向中国转移的幅度只会更大。

以前是美芯中材棒存挖代，美国设计、中国出材料、韩国存储、台湾代工。现在我们不干了：你卡我脖子，我就卡你心脏，一来一回，天平开始往回扳。

从白菜价卖原料到天价卖卡口，中国在半导体产业链上的利润占比，正在被稀土重新定义。这轮行情炒的不是当下业绩，是中国从规则接受者变成规则制定者的整个预期。

用美国的方式反制美国，用二阶求导的逻辑重构全球半导体供应链——这，才是半导体用稀土概念暴涨的底层逻辑。

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 | 文娱先声，作者 | 王烨

周星驰执导的《功夫女足》爆了。

上映首日，电影便拿下2.6亿元票房，截至发稿，周末累计票房已经突破4.4亿元。同时，多家数据平台给出超12亿元的总票房预测，且数字依然在持续上调，基本锁定今年暑期档最大赢家。

这一成绩，延续了周星驰持续多年的票房号召力。观众纷纷表示，要走进电影院补上这张“欠下的电影票”。但与此同时，争议也随之而来，《功夫女足》豆瓣开分仅6.6分，围绕剧情、笑点、情怀消费等话题，网络评价明显分化。

一边是票房狂飙，一边是口碑争议。那么，《功夫女足》究竟是一部怎样的电影？在大导演集体失灵的当下，为什么周星驰依然拥有如此强大的市场号召力？而被观众反复提及的“欠票”情怀，又究竟还能兑现多久？

周星驰，这次有点偷懒

看完《功夫女足》给人一种很奇妙的感觉，仿佛周星驰明明能来个加速跑，却在终点前突然踩了一脚刹车。

电影的创作大方向没问题，但就是少了些细节、缺了些打磨，各个环节都差了最关键的一口气：故事讲明白了，却讲得不够漂亮；人物有成长，却没有真正立住；娱乐效果拉满，却少了一些深度。

《功夫女足》的剧情其实特别简单：中国女子足球队“峨眉队”参加“至尊无敌杯”，她们历经挫败、不断成长，最终成功夺冠。影片大部分篇幅都围绕比赛展开，几乎没有支线剧情。

概括一下，就是失意的人重新出发，一群针锋相对的人最终凝聚成团队，并完成逆袭。这个故事框架其实很扎实，既符合商业片逻辑，又复刻了周星驰最擅长的创作公式。

但问题是，电影拍得太急了，很多关键的起承转合都被一笔带过。

一般来说，成熟商业片普遍遵循三幕式结构，第一幕往往承担着交代背景、介绍角色、建立冲突的任务。但在《功夫女足》中，这个过程几乎被跳过了。影片开篇就直入正题，这导致观众对人物关系缺乏深入理解，前半段的观感略显混乱。

要知道，“峨眉队”队员并不少。她们虽然有记忆点，但直到后半段才开始体现出存在感，且单看初三、孖八、小燕等名字，依然很难让观众分辨出谁是谁。

再举个例子，双双（张小斐饰）和钰珑（迪丽热巴饰）作为影片的核心主角，在队内的第一次冲突应该是场重头戏。但由于影片开场对两人的关系铺垫不足，导致观众只看到了“为什么吵”，却没能看到背后的核心矛盾，使得这场戏的情感张力被削弱了大半。

看得出来，周星驰希望用最快的速度把故事讲完。这种处理当然保证了节奏，但也让影片少了些循序渐进的层次感。

更进一步说，《功夫女足》中的人物，其实也有深入挖掘的空间。

比如，双双从执着于“绝不能输”，到学会坦然接受失败，原本有一条非常清晰的成长线。围绕这一人物弧光，影片完全可以进一步讨论胜负、执念与自我和解，让“战胜自己”成为为全片的核心主题，而不仅仅是“赢得比赛”。

遗憾的是，电影只是点到为止。观众知道她“放下了”，却感受不到她究竟经历了怎样的挣扎，又是在什么时候真正完成了自我和解。

类似的遗憾，也发生在钰珑身上。电影只交代了她曾有过一段失败的婚姻，却没有继续向前深入一步，让这段经历真正参与人物塑造。

这也是《功夫女足》最可惜的地方。每个人物都有故事，每个人物都完成了自己的功能，却没有真正长成一个“有血有肉”的人。

这种“收着拍”的状态，贯穿了整部电影。

《功夫女足》具备一部商业片该有的全部元素：观众会因为徐风刮腿毛、盲人孖八打错人笑成一片；会因为雪野主动回归球队、徐风向双双告白鼻头一酸；也会为姑娘们在总决赛逆袭夺冠的瞬间热血沸腾。

但电影也主动放弃了让人深入思考的主题表达。过去的周星驰，总喜欢把生活的酸甜苦辣藏进电影里：《喜剧之王》讲的是小人物的尊严；《少林足球》讲的是普通人的梦想；《功夫》讲的是善良与救赎。相比之下，《功夫女足》更多停留在情绪层面，确实欠缺了一些深度。

从商业角度来看，这或许是一个非常聪明的选择。它让电影变得更具合家欢属性，也更容易覆盖最达人群的公约数。

但对于周星驰而言，这更像是一种“讨巧”的偷懒行为。他太了解市场需要什么，也太了解自己的受众喜欢什么，于是将人物塑造、价值表达、现实隐喻等更深层的内容收了起来。

正因如此，《功夫女足》呈现出一种颇为矛盾的观感：它是一部合格的商业片，却又不像一部真正有创作野心的周星驰电影。

一部电影，两种期待

目前来看，《功夫女足》的口碑呈现出明显的两极分化趋势。

一方面，电影在下沉市场收获了相当不错的评价。微博上，#功夫女足三观#、#功夫女足好看#等话题接连登上热搜；抖音官方账号今发布53条内容，累计获赞近2000万，相关话题获得22.6亿次；评论区里路人观众普遍给出正面评价，认为电影“笑点密集不尬”、“还是经典的味道”、“女性力量惊艳”。

但另一方面，电影在影迷和业内人士中的评价却不尽如人意。比如豆瓣上，给出一两星的观众不在少数，有人表示“周星驰还是重复以前的老梗，尬得一塌糊涂”，也有人感叹“给星爷走个面儿，从此不欠星爷电影票了”；东方卫视主持人林海也在微博晒出票根，直言“星爷，不欠你了，好难看”。

某种程度上，这种两极分化几乎是一种必然。它并非单纯源于电影拍得好坏，而在于不同观众对周星驰抱有不同期待。

对于大多数普通观众而言，《功夫女足》是一部标准的合家欢娱乐片。影片笑点密集、节奏明快，又有热血逆袭和积极向上的情绪价值，只要观影过程轻松愉快，这张电影票就算值回票价。

但对于资深影迷来说，他们期待的从来不只是一部合格的商业片，而是一个不断突破自己的周星驰。他们会不自觉地将《功夫女足》与《喜剧之王》《少林足球》《功夫》等经典作品比较，关注人物塑造是否足够丰满、主题表达是否足够深刻、创作上是否有新突破。当这些期待没有得到满足时，影片的问题就会显得格外明显。

而这，恰恰也折射出周星驰当下最大的困局。

首先，是情怀的“双刃剑”效应。周星驰积累数十年的国民情怀，既是他最稳固的票房底牌，也是衡量新作的一把尺子。观众愿意为童年回忆、周氏喜剧买单，但这份情怀也提高了老粉对新作的期待。当他们带着经典作品建立起来的标准审视新作时，任何不足都会被进一步放大。

其次，是周星驰越来越保守的创作倾向。如今的他，拥有数十年积累的个人品牌与强大的市场号召力，也深谙大众观影偏好和商业片市场逻辑。因此，相比冒险探索新的题材和表达，他更倾向于依托已经被市场验证过的内容和元素。

从后续动作来看，无论是出品、监制还是导演，他的工作更多聚焦于老IP再开发。因此，《功夫女足》并非不好看，而是太过稳妥，少了一些让人意外的创造力。

而观众对周星驰的“欠票”情怀，也受到了一些挑战。

过去，观众说“欠周星驰一张电影票”，欠的不仅是经典作品留下的青春回忆，更是这些作品一点点积累起来的创作信用。正是这种信用，让许多观众即使不了解新作质量，也愿意第一时间走进电影院。

但创作信用并不会无限累积，它同样会随着新作品不断被重新评估。近年来，周星驰导演作品的口碑有所起伏，也让越来越多观众开始争论“这张票是否已被还上”。毕竟，观众愿意为情怀买单一次、两次，却很难无限次买单。 

周星驰的“欠票”情怀还能持续多久，并不取决于过去留下了多少经典，而在于未来的新作品，能否继续回应观众的期待。

结语

如今的华语影坛，能够仅凭一个名字，就让观众走进电影院的导演越来越少。周星驰就是其中之一。

这种信任既是一种幸运，也是一种责任。观众愿意相信周星驰，是因为他曾经留下过太多无法复制的经典，但越是拥有这样的历史地位，越需要珍惜创作羽毛。

周星驰曾经说过：“其实没有人欠过我任何的电影票，但是你看到很多观众支持你的时候，你还是会常常觉得，好像欠观众很多。希望我可以把东西再做好一点，报答他们。”——这大概是对“欠票论”最温柔的回应。

当下，电影市场正变得愈发冷静，情怀可以是一次性的入场券，却无法成为永恒的护身符。

对于周星驰而言，最大的挑战或许不是证明自己曾经成功，而是在拥有辉煌过去之后，依然能够与今天的观众建立连接。

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

AI-generated image

TMTPOST — Huang Qiangshuai remembers the turning point vividly. Desperate to land a major account, he spent the night battling a sudden fever, knowing the client expected product samples within forty-eight hours. He finished an intravenous drip in the middle of the night and boarded an international flight just five hours later.

He secured the order. "But it hit me that under the traditional legacy model, we were entirely passive," Huang says. "We simply executed whatever the client threw at us. The company’s growth was completely bottlenecked by their rigid, unyielding specifications."

Huang is a second-generation manufacturer and the vice chairman of Zhejiang Shuaishuai Electric Appliance Co., Ltd. He began experimenting with Amazon during his university years abroad, where he discovered that customer review sections contained raw, unfiltered consumer feedback that never reached the factory floor. This direct line of sight became the exact leverage Shuaishuai Electric needed to beat its own clients to the punch with next-generation products.

The shift from passively taking orders to proactively defining products—and from a volume-heavy strategy of selling whatever is on hand to an innovative culture of designing around the user—marks the widening fault line between legacy merchants and a new generation of cross-border entrepreneurs.

According to data from the General Administration of Customs, China’s independent brand exports grew continuously in 2024 and 2025, capturing an additional 0.8 and 1.4 percentage points of total export value, respectively. By the close of 2025, proprietary brands commanded 23.2% of the country’s total exports.

Against the backdrop of China’s 26.99 trillion yuan ($3.72 trillion) total export volume in 2025, these independent brands accounted for a staggering 6.26 trillion yuan.

In the heyday of the digital traffic boom, cross-border e-commerce was an arbitrage game: sellers made fortunes simply by sourcing cheap items from platforms like 1688 and flipping them onto Amazon. Speed and low cost were the only prerequisites. Today, that runway has virtually disappeared.

The new guard thrives on a different playbook: identifying highly specific, underserved consumer segments, taking hands-on control of the supply chain, and deploying proprietary tech and algorithms to engineer entirely new categories.

Together, these three pillars form the defining edge of this new cohort: the absolute authority to define the product.

Leveraging the Factory Floor

By merging Shuaishuai Electric’s cross-border operations directly with its manufacturing infrastructure, Huang fundamentally upended the logic of both his contract manufacturing business and his proprietary brand.

When pitching to overseas clients, the company’s sales reps no longer offer the standard line: "Look how exceptional our product is." Instead, the approach is consultative: "Here is where your product is failing, and here is how we can engineer a fix."

Consider the household dishwasher, which has seen explosive adoption across Western markets over the past two years. Traditional metal cookware frequently oxidizes and corrodes in these harsh, highly alkaline environments. Under the old foreign trade framework, fixing a flaw like this was a bureaucratic nightmare: a consumer complains to a retail store, the store logs a return with the brand, and the brand eventually passes the complaint down to the factory—a loop that takes months to resolve.

By monitoring its own storefront on Amazon, Shuaishuai Electric captures these consumer pain points in real time. Armed with these insights, the company overhauled its materials science and manufacturing techniques to debut a line of dishwasher-safe, anti-oxidation cookware. Despite carrying a premium of $10 to $20 over standard alternatives, the line quickly became a top seller.

More remarkably, the proprietary brand has served as a stabilizer for the factory, driving capacity utilization from a sluggish 60% to a robust 85%. Previously, the assembly lines sat idle during off-season lulls. Now, the internal brand absorbs that excess capacity. Conversely, during massive spikes in overseas orders, the brand can nimbly outsource its own production to third-party facilities.

The independent brand has essentially become a shock absorber for supply chain resilience and the engine driving the company's R&D.

For Hakuna Matata, a baby apparel brand, the journey deep into the supply chain was sparked by a single, scathing review that kept founder Sun Xiang awake at night.

In July 2023, orders for the brand’s Tencel baby pajamas suddenly went parabolic. A dermatologist on a popular parenting forum had recommended two specific fabrics for infants suffering from eczema, and Sun’s Tencel line happened to be one of them. But shortly after rushing to restock, a review stopped him cold: "My son always wears your clothes, but this batch broke him out in a horrific rash."

An internal investigation revealed that the textile supplier had quietly swapped out the material. Fabric with a 97% Tencel blend is notoriously complex to weave, faces low market demand, and carries high production costs. Few factories are willing to run it, and those that do frequently cut corners by blending in cheaper, synthetic yarns—the exact trigger for the infant's allergic reaction.

Spurred by the crisis, Sun decided to take total control of his supply side. To guarantee raw material purity, his team traced the supply chain back to an organic plantation in Sichuan. To lock in exact specifications for spinning and dyeing, team members practically embedded themselves in the mills. When traditional apparel factories proved too clumsy to handle the ultra-soft, delicate fabric at scale, Sun partnered with a medical protective gear factory that had been looking to pivot post-pandemic. Together, they co-invested in specialized machinery, moving the most sensitive assembly steps into medical-grade cleanrooms and building an entirely new production standard for infant wear from scratch.

"The industry average return rate for apparel hovers around 30%; we managed to slash ours to 8%," Sun says. "An excellent product is just the ticket to entry. Winning requires obsessive optimization across every single step of production."

Unlike the previous generation of merchants who treated factories as mere vending machines, today’s cross-border founders hold the keys to the kingdom. This manufacturing leverage dictates exactly what goes into a product and how it is built, giving them the ultimate power to create. But the more critical question is: who are they building for?

Deciphering the Human Element Behind the Data

"Our growth isn't about chasing the next shiny object or jumping from category to category," Sun emphasizes. "It's about anchoring ourselves to a core demographic, understanding their environment, and systematically solving their problems to build lifelong customer loyalty."

Legacy cross-border players were obsessed with catalog depth and product selection, constantly stalking Amazon’s best-seller charts to copy what worked. The new guard is obsessed with context.

Sun’s entry into infant apparel was personal, inspired by his niece. The infant’s severe eczema failed to clear up even with premium organic cotton; only Tencel fabric offered relief. Sun launched his pajama line to address that specific niche, but he soon realized the problem ran deeper than textiles. Eczema caused infants to wake up screaming through the night—which meant exhausted mothers weren't sleeping either. That was the real, systemic issue.

In response, Hakuna Matata pivoted its brand identity from "treating eczema" to "engineering infant sleep." Centered on that specific ecosystem, the brand expanded into sleep sacks, specialized pajamas, and ergonomic cradle mattress pads.

The genesis of their second major product hit was even more serendipitous. A neonatal intensive care unit (NICU) nurse left a comment explaining that her department had spent months searching for clothing that could fit micro-preemies. It was a blind spot Sun hadn't considered: virtually all commercial baby clothes start at the zero-to-three-month sizing. Premature infants were slipping through the cracks of the apparel industry.

From a pure return-on-investment perspective, a premature infant line is a commercial dead end. The manufacturing complexity is identical to standard sizing, but the addressable market is tiny, compressing profit margins to near zero. Yet Sun greenlit the project anyway. "We did it so that when a mother is at her most vulnerable, we are the one brand she can universally rely on."

Sun reflects, "None of these breakout products were discovered by running data regressions. They were discovered because real people sat down and actually listened to what customers were saying."

Miao Jianzhang, founder of Elehear, took a similarly human-centric approach when he decided to disrupt the AI-powered hearing aid market.

According to the World Health Organization, roughly 1.5 billion people globally live with some degree of hearing impairment, yet the global adoption rate for hearing aids remains under 10%. Even in mature Western markets, penetration stalls at around 30%; in China, it drops to less than 10%.

Determined to diagnose the disconnect, Miao opened a physical, brick-and-mortar hearing aid clinic directly beneath his corporate offices. Instead of stocking his own developmental prototypes, he sold established competitor models, staffing the storefront with a rotating team of audiologists and engineers who spent every day interacting face-to-face with the hard-of-hearing community.

"We treated the storefront like an acoustic field laboratory," Miao says. "Those face-to-face conversations unearned subtle, deeply human frustrations that no digital survey or questionnaire could ever capture."

They discovered that older users with poor eyesight or limited dexterity deeply struggled to change the tiny, finicky button batteries used in traditional devices. They found that most mid-tier models lacked basic Bluetooth, disconnecting users from smartphones, phone calls, and digital media. And from a psychological standpoint, the bulky, medicalized design of traditional behind-the-ear devices carried such a heavy stigma that millions chose to suffer in silence rather than broadcast their disability.

Miao recalls a father and daughter who visited the clinic. The father had lived with severe hearing loss for two decades. In his youth, he had been a charismatic, sharp-witted conversationalist. Over the years, out of a fierce refusal to wear an unsightly, stigmatized device, he had slowly retreated from his social circles, retreating into total silence. His daughter told the team that if they had known him twenty years ago, they wouldn't recognize the man sitting before them.

"At that moment, we realized that a hearing aid isn't just a piece of medical hardware—it is a custodian of a person’s social life and basic human dignity," Miao says. "That is the emotional core of the category."

Only after understanding the person could they begin to design the machine.

When the Algorithm Becomes the Architecture

After a year of running the clinic and analyzing the market, Miao transitioned Elehear from an engineering-first firm into a user-obsessed powerhouse.

Prior to launching Elehear, Miao had steered a successful B2B acoustic AI enterprise. His firm specialized in machine-learning algorithms designed to eliminate background noise and maximize vocal clarity, countenancing clients like Xiaomi, OPPO, vivo, and Lenovo.

"The B2B universe is comparatively comfortable because the client hands you a defined problem. You are simply arriving at an optimized, objective answer. Success boils down to sheer execution and speed," Miao notes. "But in the consumer space, you have to invent the questions yourself. That requires an entirely different creative muscle."

When Miao founded Elehear in 2023, the brand's debut device, the Alpha, was admittedly a transitional product. Yet, putting it on the market gave the engineering team a live listening post to gather real-world data. Once they truly understood the nuances of customer behavior, they pulled the trigger on a massive technological overhaul.

For an engineer like Miao, the challenge lay in translation: users describe their frustrations in highly subjective, everyday terms ("everything sounds muffled," "it echoes in restaurants"). The engineering team had to translate those emotional inputs into cold technical parameters and software architecture.

The engineering constraints for hearing aids are far more brutal than those for smartphones or premium consumer earbuds. Because the devices are worn for over ten hours a day, power consumption must be exceptionally low. In live conversations, latency must be throttled to within a few milliseconds; any lag creates an unsettling echo effect where audio falls out of sync with lip movements. Furthermore, the microphones must lock onto voices from two to three meters away, requiring an incredibly high signal-to-noise ratio in chaotic environments.

These intersecting demands meant that commercial audio algorithms used in high-end smartphones were useless. The team had to rewrite the software from the ground up.

Elehear spent four years building its own proprietary algorithms, digital fitting systems, and hardware assembly lines from scratch, culminating in their second-generation flagship model, the Beyond. At its core sits the proprietary VOCCLEAR® AI acoustic algorithm, which executes approximately 500 environmental assessments and processes 450 million calculations every second on a fraction of the power required by standard chips. To bypass the traditional bottleneck of physical clinic visits, they designed an intuitive remote fitting system, allowing users to conduct diagnostic calibrations and adjust their profiles in real time via a smartphone app.

Following the launch of the Beyond, Elehear’s return rates plummeted to less than half of the industry average, establishing the brand as a formidable player in the category. Miao points out that their true moat isn't any isolated breakthrough or single patent; it is the self-contained, full-stack loop that seamlessly connects user empathy to rapid technological iteration.

This influx of hardcore scientific and engineering talent into the cross-border e-commerce space is rapidly becoming the new industry standard.

EcoFlow founder Wang Lei and Bambu Lab founder Tao Ye both cut their teeth as elite drone engineers at DJI before breaking out to build dominant global hardware brands. Over the past year, a steady stream of talent from DJI’s ecosystem has poured into frontier cross-border sectors, including robotics, consumer-grade exoskeletons, and embodied AI.

At the same time, legacy cross-border giants like Anker Innovations are heavily defending their turf, radically scaling up R&D budgets and engineering custom silicon to power AI-driven audio gear.

This shift in talent has triggered a structural revolution. International e-commerce is no longer an operational game of ad-spend optimization and search engine keyword stuffing. It has evolved into an intellectual property war: who can build the most uncopiable product, and who can solve the consumer's problems most elegantly?

Conclusion: The Race Beyond the Factory Gate

Throughout their journeys, Huang, Sun, and Miao all circle back to the same thesis: obsession with the user's reality. To a large degree, this has become the foundational consensus among this new class of global operators.

Cookware, infant apparel, and AI-driven medical devices share almost no operational overlap, yet these founders are prosecuting the exact same strategy: obliterating the old model of "selling what the factory makes" in favor of "making what the consumer genuinely needs."

Their grip on the supply chain allows them to dictate how things are engineered; their focus on specific user environments tells them exactly who they are building for; and their deep technical depth allows them to materialize products that were previously impossible. Blended together, these factors represent the product authority defining the new generation of global entrepreneurs.

Yet, as Miao readily admits, moving from industrial B2B contracts to consumer-facing brands means founders must learn to identify the right questions on their own. This is a steep learning curve for engineering-heavy teams. Technical brilliance can build a flawless piece of hardware, but getting that product discovered, cultivating an emotional brand identity, and nurturing a global community require an entirely different corporate playbook.

In an era defined by global oversupply, exceptional engineering alone is no longer enough to break through the noise. As Huang realized during that feverish flight years ago, the era of chasing international orders is over. The goal now is to build products that command attention on their own merits. Designing the product is simply the ticket to the stadium; the real race begins the moment it leaves the factory gate.

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 | 产联社CLS

苏州，早上8点，张月准时打卡上班。系鞋带、扫地、叠被子，这些家务她做了三十多年，但如今每一帧都被5个摄像头严格记录。她不是在拍vlog，而是在为机器人采集训练数据。日薪250元，拼命一天也只能拍出6小时有效素材。

产业链的另一端，光轮智能正以惊人的速度吸金。这家公司不造机器人，只做一件事：为机器人提供训练数据和仿真评测服务，定位是“物理AI时代的基础设施”。2026年5月，光轮智能估值突破150亿元，成为全球首个具身数据独角兽；6月再融10亿元，一季度新增订单5.5亿元，超过2025年全年。

数据缺口催生了97家具身数据玩家、44.7亿元融资、90个数采中心，以及一条从底层采集员到百亿估值数据商的完整产业链。国家政策在加码，资本在涌入，地方政府在投建，但产业链最底端的采集员们拿到的依旧是日结的、重复的、随时可能白干的报酬。

同一组数据，一端是廉价劳动，另一端是百亿资本。

数据缺口就是生意，人就是燃料

大语言模型有整个互联网当“图书馆”，但机器人面对的是物理世界，是一片荒漠。

觅蜂科技CEO姚卯青算过一笔残酷的账：具身智能要达到GPT-3.5级别的能力，需要约一亿小时训练数据。而截至2026年初，全球可用的高质量真实物理交互数据总共不过几十万小时。据澎湃新闻报道，物理AI数据量不足大语言模型的两万分之一。

文字和图片，人类在网上积累了数十年；但机器人需要的是抓取时的力矩、摩擦系数、角度偏差、触觉反馈，这些信息从未被系统记录过，也不会自然沉淀。缺口就是生意。

这条产业链的起点，是一个朴素的现实：机器人需要的“经验”，只能由人类一段一段喂给它。

“喂”这个动作的具体执行者，是数据采集员。打开招聘平台和社交平台，“具身智能数据采集员”的招募帖子随处可见，日薪250元左右。但钱并不好拿。

据Tech星球报道，苏州采集员张月每天早8点打卡，穿戴5个摄像头就要花半小时，设备动不动就关机、传感器失灵、镜头歪了也没人管，一天拼下来能用的素材不到6小时。

真机遥操作员赚得稍多。小陈在互联网大厂的数采中心上夜班，操纵机械臂把东西丢进垃圾桶，日薪370元。但头一天入职的人，十个里走掉六七个。理由就一个：太枯燥了。

张磊算是这个行当的“老手”。甲子光年记录了他的轨迹：2024年文科毕业，卖过房，经亲戚介绍入了这行，在千寻、松灵之间来回跳，机械臂戴过，VR眼镜挂过，摇杆也握过。工资算得门清：底薪200，加班80，交通补贴，夜班再加100，拼一点能过9000。问他图什么？“就是想赚点快钱。”

这些人大多通过劳务中介进来。中介以前给工厂招人吃差价，现在把同一套玩法搬到了数据采集上。据亿邦动力报道，一位30岁的全职妈妈2026年3月接了一份居家采集的活，一天拍满8小时，能用的不到一半，到手只有120块。

培训负责人跟他们说：“你们拍的每一帧，都是机器人看世界的眼睛。”话很漂亮。但对张月们来说，这不过是一份日结的、重复的、随时可能因为设备故障而白干的活。他们是燃料，不是炼金师。

百亿资本涌入，97家具身数据玩家卡位

据量子位统计，国内具身数据玩家已达97家，70家做采集，27家做基础设施。过去一年，15家独立数据服务商融资约44.7亿元。玩家分三类：独立服务商39家（40%）、国资平台25家（26%）、机器人公司24家（25%）。

光轮智能是估值最高的。据投资界报道，2026年5月估值超150亿，6月再融10亿，投资方包括中关村科学城基金、四川发展科创基金等。创始人谢晨来自英伟达、Cruise、蔚来自动驾驶仿真团队。

觅蜂科技走另一条路。据澎湃新闻报道，2026年2月从智元分拆独立，CEO姚卯青是原智元合伙人，种子轮加天使轮数亿元（红杉领投），6月再融数亿元（国方创投领投）。姚卯青的判断很直接：具身智能还没赚钱，数据先赚钱。

帕西尼感知科技以6D触觉传感见长。据36氪报道，3月完成超10亿元B轮融资，比亚迪为第二大股东，已在天津建成采集工厂，累计采集近8000万条数据，还计划在宿迁、武汉、自贡、赣州再建4座。

诺亦腾机器人依托全球七成份额的动作捕捉技术，6月完成数亿元Pre-A++轮融资。鹿明机器人自研的无本体采集系统把单条数据采集时间从50秒压到10秒、成本降80%，已被全球三分之二顶尖具身团队采用。灵初智能部署了100套数据手套，积累近10万小时手部操作数据。简智机器人2025年7月成立，4个月内密集完成三轮融资，蚂蚁集团、滴滴、德联资本都在牌桌上。

技术路线上，各家押注方向不同。

最贵的是真机遥操，人操控机器人采集数据，每小时500到1000元，保真度最高但成本最贵，22家公司主攻这条。

觅蜂、鹿明走无本体采集路线，人穿戴设备直接做动作，无需机器人参与，成本只有真机的三分之一，这条路线最年轻，15家公司扎堆，大多成立于2024年9月后。

光轮智能押注仿真合成，在虚拟世界生成数据，但仿真里学得再好，落地真实世界能力就打折扣，这道鸿沟至今没人能完全跨过。

枢途科技更极端，试图从互联网既有视频里“蒸馏”出机器人可用的动作数据，采集成本可降到行业平均的千分之五。

70家数采公司中30家同时走多条路线，没人把鸡蛋放一个篮子里。

资本已经等不及了。据QYResearch调研，2025年全球具身智能数据市场规模约10.3亿美元，预计2032年将达89.89亿美元，年复合增长率36.8%。上百亿资金涌入产业链上游，而产业链底端，张月们还在为时薪30元重复叠被子的动作。

中美印分工初现：美国做平台，印度做外包，中国做基建

资本和玩家在国内跑马圈地的同时，具身数据的生意也在全球范围内快速铺开。据艺恩数据《全球具身数据市场白皮书》，全球约有50家具身数据公司，分布在北美、欧洲和亚洲。

一类是数据基础设施平台，搭建采集硬件、数据产线、治理平台的全链路基础设施，简智机器人、光轮智能、觅蜂科技、诺亦腾是代表。

一类是“具身原生”数据服务商，成立之初主业就是具身数据，占国内玩家的67%。光轮智能、觅蜂科技、帕西尼感知科技、鹿明机器人均属此类，从零构建数据采集资产，没有历史包袱。

还有一类是“跨界转型”的数据服务商，从AI数据标注、自动驾驶、动作捕捉或工业领域转型而来。海天瑞声、数据堂把传统AI标注管线平移到具身领域；均普智能2026年7月发布工业具身智能数据平台，依托母公司全球百家工厂做采集。

以上三类构成了中国市场的核心力量。而海外市场则是另一番图景。

美国Scale AI是海外数据平台的标杆，从自动驾驶标注起家，深度绑定OpenAI做大模型评测，2026年3月与Universal Robots合作切入具身智能赛道。

印度则走的是“低成本劳动密集”路线。据印度经济时报报道，Human Archive、Neocambrian AI等初创公司已批量涌现，专门为具身智能采集第一人称视频数据。Neocambrian AI在诺伊达建立数据工厂，每月产出数千小时数据。

欧洲和美国本土的机器人公司也在自建采集能力。美国Apptronik获Google DeepMind和奔驰投资，2026年6月在德州启用了近9万平方英尺的“机器人公园”作为采集训练基地。挪威1X、瑞士Flexion等也在推进规模化部署。

一个清晰的格局正在浮现：美国有Scale AI等平台型公司和Apptronik等本体公司的数据工厂，中国有大量“具身原生”创业公司和国资数采中心，印度则凭借低成本劳动力成为全球数据采集的“外包基地”。

国家队入场与政策加码

海外玩家跑马圈地的同时，中国市场的竞争格局也在快速变化。与海外由创业公司和科技巨头主导不同，中国多了一股独特的力量：地方政府。

据Interact Analysis统计，截至2026年4月底，全国已有64个数采中心投用、在建至少90个，分布在23个省份，浙江最多。上海智元约200台机器人居首，四川自贡、广东惠州、江苏各有至少150台。北京人形机器人创新中心近5000平方米、120台机器人，已牵头制定国内首个具身智能数据集行业标准。这些数采中心的机器人来自全国至少30家制造商，至少30家用了智元，乐聚、宇树、优必选参与了10个以上。

但硬币有另一面。甲子光年采访的一位数采场负责人坦言，单项目投入“一个小目标（一亿元）以上”，基本没盈利，“采100个小时，筛选下来可能只有50个小时有效”。

更值得关注的是订单流向。钛媒体报道，2025年Q4优必选签下至少6笔数采中心大单，总计8.29亿元，其中防城港2.64亿、自贡1.59亿、九江1.43亿，清一色地方国资背景，占全年签约额的59%。闭环形成：机器人卖给数采中心，数采中心采集数据，机器人公司再买回数据。据IDC数据，2025年人形机器人出货中商演、科研和数采占78.4%，真正的工业需求远未释放。

国家层面的政策正在加码。2026年5月31日，国家数据局局长刘烈宏明确表示“2026年是数据要素价值释放年”，将推进行业高质量数据集建设，到2028年底建成一批覆盖重点领域的数据集。6月9日，工信部与国资委联合启动专项行动，目标年底形成万台级落地能力。截至一季度，全国已建成高质量数据集超11.6万个，总体量超960PB。

地方投入、国家政策、行业订单，三者交织，构成了当下具身数据产业的基本面。这个基本面既有基础设施建设的加速，也隐含着左手倒右手的隐忧。

“卖数据”到底是不是一门好生意？

伯恩斯坦在6月报告指出，在中国，单一技术创新的领先窗口通常只有一到两年。真正的护城河是数据飞轮：更多数据，更好性能，更广部署，更多数据。智元联合创始人彭志辉判断，2026年是拐点，“大模型智能、本体可靠、数据飞轮”第一次同时成立。

通用数据可以外包，但决定能力上限的核心数据，头部公司必须自己掌握。

但“纯卖数据”到底能不能赚钱，还没人验证过。据量子位统计，过去一年69家投资机构投过15家独立数据服务商，出手最多的只投了3次，63家只投了1次，没有一家公开过盈利数据。“接下来一两年，就是验证窗口。”

回到张月。她未必知道光轮智能估值150亿，也未必关心自己叠的被子喂给了哪家机器人。她只知道这工作门槛低、日结、能赚一天是一天。

从时薪不足30元的叠衣工到500元一小时的真机数据，从最底端的采集员到百亿估值的数据独角兽，在机器人真正走进家庭和工厂之前，它们还需要大量人类先替自己看世界。

这些人是采集数据的人，也是被机器人采集的人。

（文中张月、王雷、小陈、张磊均为化名。）

信息来源说明

数据来源：

Interact Analysis、艺恩数据、QYResearch、IDC、国家数据局、工业和信息化部、印度经济时报

研报来源：

伯恩斯坦（Bernstein）-《Humanoid Robotics: The True Moats》（2026年6月29日）

Interact Analysis-《全球人形机器人 2026》（2026年5月21日）

报道来源：

量子位-《近百名玩家涌入具身数据：一年融资44.7亿，谁能真靠“卖数据”赚钱？》（2026年7月12日）

投资界-《两周两轮20亿，全球最火具身数据公司爆发》（2026年6月23日）

澎湃新闻/36氪-觅蜂科技分拆及融资进展报道（2026年2-6月）

36氪-《双百亿！帕西尼再获超10亿融资，估值破100亿》（2026年3月5日）

硬氪-诺亦腾机器人完成数亿元Pre-A++轮融资报道（2026年6月15日）

硬氪-鹿明机器人自研无本体采集系统报道（2026年）

硬氪/投资界-简智机器人连续多轮融资报道（2026年6月1日）

Tech星球-《我给机器人当“燃料”：叠衣服时薪30元，卖数据估值150亿》（2026年7月13日）

甲子光年-《具身数据采集产业链调查：被机器人采集的人》（2026年6月29日）

亿邦动力-《日薪120元 全民数采 谁在训练下一个机器人保姆？》（2026年5月15日）

钛媒体-《起底机器人“数据采集中心”：左手倒右手的畸形繁荣》（2026年5月20日）

新华社-国家数据局局长刘烈宏“2026年是数据要素价值释放年”报道（2026年5月31日）

澎湃新闻-北京人形机器人创新中心牵头制定国内首个具身智能数据集行业标准报道（2026年6月）

免责声明：本文仅供参考，不构成投资建议。

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 | 世界模型工场

过去几天，AI圈又密集炸了一波： 

OpenAI把Codex和ChatGPT合并，顺便取消了Codex 5小时用量限制，还给用户重置额度；

Anthropic再次延长Fable 5的促销使用期，Claude Code周额度加50%的活动还在继续；

Grok 4.5口碑突然翻上来，不少人觉得比Opus 4.8还好用，马斯克这回要摸到第一梯队了；

腾讯混元Hy3只激活21B参数，也敢和更大的旗舰模型掰手腕了，WorkBuddy用户量还在快速上涨；

智谱启动"TouchHigh摸高计划"，未来两年砸长程任务、自治智能体、完全自我训练、安全治理。

新闻多得让人眼花缭乱，但拼在一起看，趋势的味道就出来了。

趋势一：前沿模型的领先窗口越来越短

前段时间，大家还在刷Fable 5和GPT-5.6的benchmark，现在Grok 4.5已经被很多人说“比Opus 4.8好用”；

腾讯Hy3也靠21B激活参数，在部分Agent和办公任务上打平旗舰水平。

在大家的印象里，Grok、混元这些模型的基础并不好，甚至经历过模型重构，之前离前沿模型有很大代差，结果几个月就追上来了，为什么？

这不是偶然。

目前模型的核心技术配方已经扩散，后训练门槛降低，代码和Agent任务又拥有天然的自动判分机制，让后来者找到了一条更快的追赶路径。

因此在传统知识问答和简单代码上，头部模型的分数越来越接近，已经很难体现真实体验差异。

更重要的是，用户用的不是裸模型，而是“模型+提示词+工具+记忆+重试机制”的完整系统。

一个稍弱的模型，配上好框架，完全能够在体感上打败更强的裸模型。

所以，过去一个新模型可以领先几个月到半年，但现在可能就领先几周甚至几天。

随着领先窗口越来越短，未来用户看的不再是全球唯一最强模型，而是能力分层，比如：有的擅长代码，有的擅长长程任务，有的擅长办公交付。

用户普遍会采用多模型路由，企业也不会把鸡蛋全放在一个篮子里。

趋势二：商业差距比模型差距扩大得更快

普通用户现在能明显感觉到，好用的模型突然变大方了。

比如，Anthropic延长Claude Fable 5使用期到7月19日，取消单独50%额度限制；

OpenAI直接临时取消Codex五小时用量限制，还重置额度，Codex活跃用户已达600万。

这和早期互联网烧钱抢流量一样，只不过现在烧的是GPU和Token，把赠送额度当获客费用。

模型厂商之所以愿意现阶段牺牲毛利，养成用户习惯，是因为现阶段主推的Agent产品的迁移成本，远高于聊天机器人。

一旦这波补贴战打完，剩下的就是真正愿意为长期价值买单的客户。

随着各家模型Benchmark越来越接近，未来商业差距可能扩大得更快。

用户数量、Agent任务数据、企业入口、推理成本、开发者生态、现金流……会让领先者的数据飞轮越转越快。

下一步，模型公司的真正敌人，不是更强的模型，而是对手快速复制能力后，用价格和入口抢用户。

趋势三：模型评价从参数榜单转向任务总成本

腾讯Hy3是典型代表：

总参数295B，激活只有21B，MoE架构，在Agent、办公生产力上强调实际表现和低成本，还塞进了微信生态。

像Hy3这种“高效架构+超级App分发”的模型，普通白领工作已基本够用，性价比直接拉满。

这也是为什么很多人说，腾讯这次是悄无声息的王炸，能力够用，入口巨大，成本可控。

这说明参数规模已经不是模型的炫耀点了，用户和企业更关心干一件事总共花多少钱、成功率多少、用起来顺不顺。

趋势四：护城河变成“模型-产品-数据”闭环

Grok 4.5和Cursor一起用真实软件工程数据训练；Hy3从腾讯50+产品反馈里迭代；Codex和Claude Code从大量Agent轨迹中学习失败案例……

这些真实交互数据，正在成为下一代模型最稀缺的燃料。

产品用得越多，数据飞轮转得越快，模型就越聪明，形成正循环。

当模型公司拥有海量真实用户、让模型每天执行任务、再把结果反哺训练，才是硬核护城河。

趋势五：中国大模型公司出现两种路线

腾讯代表向下扎进产品和场景。

强调激活参数、Agent成功率、WorkBuddy/CodeBuddy等实际产品，用反馈反哺训练，是典型的工程效率+超级入口路线。

智谱代表向上挑战智能上限。

智谱创始人唐杰在内部公开信《巨浪已来》里说，未来两年不追短期变现，重点投长程任务、自治智能体、完全自我训练、安全治理，还计划百亿级资源搞机械可解释性。

两家方向看似相反，目标其实高度一致，最终都会在Agent上相遇。

区别只是腾讯从产品往上迭代，智谱把技术上界拉高再往下开放，一个先重普及，一个先抓上限，两种路线都值得观察。

趋势六：下一代模型竞争会重新拉开差距

当这一代模型还在争夺用户时，下一代竞争其实已经开始了。

OpenAI正在投入新的预训练架构、合成强化学习、长程Agent、机器人和消费硬件；

Anthropic把重点放在长任务、AI辅助AI研发和机械可解释性；

Google继续推进世界模型、虚拟环境和机器人。

既然现在模型圈的后来者，几个月就能追上第一梯队，未来模型是不是只会越来越同质化？

事实上，下一代模型竞争，仍然可能重新拉开明显差距。

真正可能制造代差的，是长程Agent、AI研发自动化、世界模型和机器人。

尤其是世界模型和机器人领域的差距可能更大。

因为现实世界数据无法直接从网上抓取，需要机器人、传感器、仿真环境和长期部署积累。

谁先建立“设备-数据-世界模型-行动模型”的闭环，优势会比语言模型更难复制。

但这一方向发展也更慢。硬件成本、安全问题和真实部署周期，都决定它不会一夜爆发。

所以，下一次“GPT-4时刻”很可能会出现，但形态不同。

只是随着技术传播越来越快，模型领先窗口依然可能十分短暂。

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 | 破茧Bio

凭借伏美替尼的持续爆发，艾力斯成为近些年最受关注的中国创新药企之一。2026年一季度，公司营收再增44.19%，而伏美替尼单药贡献了公司94.57%的营业收入。财务数字光鲜，但若穿透财报，一个根本性的追问浮出水面：仅靠单一爆款撑起全部身家的药企，算不算真正意义上的成功？

纵观全球MNC药企的成长史，答案显然是否定的。

艾伯维在修美乐登顶全球“药王”之时，并未止步于此，而是通过并购艾尔建构建了涵盖免疫、美学、神经科学的多元化产品矩阵，在修美乐专利悬崖到来之前便完成了“后修美乐时代”的接棒布局。辉瑞更是将“持续制造爆款”刻入基因——从立普妥到沛儿疫苗，再到新冠时期的Comirnaty和Paxlovid，每一次爆款的退潮之前，必有下一波浪起。

MNC之所以能穿越周期，是因为它们深谙一个朴素而残酷的行业法则：爆款可以成就一家药企，但只有持续孵化爆款的能力，才能定义一家药企是昙花一现，还是基业长青。

从这个视角审视艾力斯：伏美替尼的爆发，证明了它有捕捉机会的眼光和执行落地的能力，但这只是“一时之功”。艾力斯能否真正迈入下一阶段，取决于它能否在伏美替尼红利消退之前，拿出第二、第三个足以接棒的“爆款”。而在目前的管线版图中，这一能力尚未得到验证。

国产替代红利，艾力斯吃到了

理解艾力斯的成功，首先要弄清楚它所处的赛道。

非小细胞肺癌（NSCLC）是全球最常见的肺癌类型，但其发病与多种驱动基因突变相关，涵盖EGFR、KRAS、c-MET、HER2、ALK等多种类型的基因突变，而EGFR正是NSCLC中最主要的驱动基因之一。在中国，EGFR突变约占全部NSCLC的32%～38%。这意味着，仅在中国，每年就有数十万新发NSCLC患者携带EGFR突变，这是一个极其庞大的目标人群。

基于EGFR的高突变概率，EGFR-TKI（酪氨酸激酶抑制剂）自诞生之日起就成为市场爆点，亦是这部分患者的靶向治疗基石。二十余年来，EGFR-TKI已历经三代更迭。第一代药物如吉非替尼、埃克替尼曾是主流，但往往在用药一年后会遭遇耐药性问题，而第二代药物在安全性上又存在局限，这直接导致第三代EGFR-TKI逐渐成为临床首选。

在这场三代对一代的替代浪潮中，全球首个获批的第三代EGFR-TKI奥希替尼无疑是最大赢家。2025年，奥希替尼全球销售额达72.54亿美元，已跻身全球销售额“TOP20”名单。

奥希替尼的成功，勾勒出了一个清晰的国产替代机会窗口。艾力斯，正是抓住这个窗口的幸运儿之一。伏美替尼于2021年3月获批二线治疗、2022年6月获批一线治疗，成为继翰森制药阿美替尼之后，第二款获批上市的国产第三代EGFR-TKI。

彼时，国产三代EGFR-TKI市场基本是阿美替尼和伏美替尼“双雄对峙”的格局。伏美替尼依托医保准入红利快速放量——2021年上市首年销售额仅2.36亿元，2025年直线飙升至51.20亿元。当然，阿美替尼销售业绩也并不差，助推翰森制药营收持续增长。

艾力斯的崛起，本质上是吃到了奥希替尼国产替代的结构性红利。在国内第三代EGFR-TKI供给稀缺的窗口期，伏美替尼作为唯二的国产品牌之一，承接了大量从进口奥希替尼转移过来的市场需求。

天花板正在逼近

然而，红利终有消退之时。

首先，第三代EGFR-TKI的市场渗透率正在逼近天花板。如今，三代产品在EGFR-TKI市场中的份额已高达88%，由一代向三代的替代空间已经所剩无几。整个EGFR-TKI市场的增速正在放缓，天花板已清晰可见。

更严峻的是，竞争正在急剧升温。

截至目前，国内已有9款第三代EGFR-TKI获批上市。除了阿斯利康的奥希替尼、艾力斯的伏美替尼和翰森制药的阿美替尼，还包括贝达药业/益方生物的贝福替尼、倍而达药业的瑞齐替尼、圣和药业的瑞厄替尼、奥赛康药业的利厄替尼、鞍石生物的安达艾替尼，以及强生的兰泽替尼。

从获批时间看，多达6款产品是在2023年之后获批，而阿美替尼和伏美替尼则拥有接近2-3年的先发替代期，在后续产品上市之前，它们已经拓展至多适应症，这也是为何它们业绩能持续爆发的原因。但现如今，同类竞品越来越多，每个产品的市场份额就注定会被摊薄，内卷正在向第三代EGFR-TKI蔓延。

近期，奥希替尼被纳入2026年版《国家基本药物目录》，这或将重塑第三代EGFR-TKI的市场天平。基药身份将帮助奥希替尼进一步巩固“金标准”地位，在医生处方和医院药品遴选时获得更大优势，给伏美替尼等后来者带来压力。

与此同时，针对奥希替尼耐药机制的第四代EGFR-TKI研发进展迅速。一旦第四代产品问世，第三代的市场格局将再次受到冲击。

艾力斯业绩长期与伏美替尼高度绑定，而这款拳头单品所处的赛道，正从蓝海迅速染红。

守城容易，破局难

面对增长天花板，艾力斯并非无动于衷。

随着后续第三代EGFR-TKI大军压境，艾力斯的核心战略是围绕伏美替尼强化竞争力，通过适应症拓展和联合用药构建起护城河。

目前，伏美替尼在全球范围内正在开展三项注册临床研究：EGFR 20外显子插入突变一线治疗、EGFR PACC突变一线治疗、以及非敏感突变术后辅助治疗。此外，针对EGFR敏感突变伴脑转移、EGFR非经典突变辅助治疗等适应症的注册临床也在推进中。在联合用药方面，伏美替尼已与c-MET ADC、TROP2/HER3 ADC以及口服PD-L1抑制剂开展联合用药临床研究。

与此同时，艾力斯也在大力拓展EGFR之外的驱动基因靶点，并通过BD合作引入产品。2024年8月，艾力斯从加科思引进了KRAS G12C抑制剂戈来雷塞和SHP2抑制剂JAB-3312。戈来雷塞已于2025年5月获批用于KRAS G12C突变NSCLC二线治疗。艾力斯与基石药业合作的RET抑制剂普拉替尼也已纳入医保。目前，艾力斯营销团队已扩充至超1700人。在内部研发方面，艾力斯还有一款针对C797S突变的新一代EGFR-TKI处于I期临床试验阶段。

然而，从战略层面审视，这些动作依然是以“守城”为主。适应症拓展，是在既有产品上挖掘剩余价值；联合用药，是延缓耐药、延长产品生命周期；license-in戈来雷塞和普拉替尼，是在EGFR靶点之外做补充，但这些突变的市场规模远不及EGFR。

艾力斯当前的情况，其实与当年艾伯维很像。很长的一段时间里，艾伯维都是靠修美乐（Humira）来打市场的，所以当时很多投资者都质疑，修美乐遭遇专利悬崖后艾伯维该怎么办？

对于这个问题，艾伯维的应对堪称经典。它一方面努力延续修美乐的巅峰周期，另一方面在修美乐即将进入巅峰期尾声时，孵化了Skyrizi和Rinvoq两大潜力产品。经过七年的孵化，这两款产品完美填补了修美乐留下的业绩空白，而且它们甚至有望成为超越修美乐的下一个爆款。

对比艾伯维，艾力斯正在努力围绕伏美替尼构建护城河，但后续的爆款目前并没有明显的布局。下一个伏美替尼在哪里？艾力斯所面对的核心问题依然没有得到解决。

红颜易逝花易老

伏美替尼无疑是艾力斯迄今最成功的产品。但一款爆款产品的生命周期是有限的——医保谈判持续降价、同类竞品不断涌入、耐药问题逐渐显现，这些因素都在压缩伏美替尼的增长空间。一旦伏美替尼达到营收天花板，艾力斯拿什么来接棒？

license-in固然可以补充产品线，但license-in很难复制伏美替尼式的成功。伏美替尼的成功，是天时（第三代EGFR替代第一代的结构性机会）、地利（中国庞大的EGFR突变患者群体）、人和（国产替代的政策红利）三重因素叠加的结果。这样的窗口，可遇不可求。

而艾力斯目前在研管线中，除了伏美替尼的适应症拓展和一款处于I期的新一代EGFR-TKI外，缺乏具备爆款潜质的自研核心管线。戈来雷塞是引进的，普拉替尼是合作的——license-in可以带来营收增量，但难以改变一家创新药企的估值天花板。

回到开篇那个追问：仅靠单一爆款撑起全部身家的药企，算不算真正意义上的成功？

暂时算！一时的爆款可以成就神话，但持续的爆款孵化能力，才是药企穿越周期、成为MNC的真正壁垒。伏美替尼让艾力斯尝到了业绩爆发的甜头，但真正的考验永远不会出现在‘顺风局’。当‘逆风’到来时，艾力斯的挑战才会开始。

红颜易逝花易老。伏美替尼的红利将逐渐消退，而艾力斯若想再上一个台阶，光靠license-in填补产品线远远不够。它必须证明自己有能力再次推出一个类似于伏美替尼的爆款——一个真正具备市场独占性、能够打开新增长曲线的自研重磅产品，亦或是并购有潜力的爆款产品。

但在目前的在研管线中，我们还看不到那个答案。而时间，正在流逝。

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

文丨深蓝财经，作者丨符小茵

2026年的半年报披露季，券商先交出了一份亮眼的预告。

财通证券（601108.SH）预计，上半年归母公司净利润为18.40亿元至19.50亿元，同比增长70%到80%。

中金公司（601995.SH）预计上半年归母净利润77.08亿元至82.27亿元，同比增加78%至90%。

招商证券（600999.SH）预计，上半年归母净利润100亿元至110亿元，同比增加93%至112%。

国泰海通（601211.SH）将迎来史上最好半年度业绩，预计上半年归母净利润为200.03亿元到205.11亿元，同比增加27%到30%。

超预期增长背后，不难发现，几家公司身上都有一个共同标签——它们都是科创投资链条上的重要参与者。通过深度绑定科创板，“科创券商”们已率先尝到战略红利。

而接下来的长鑫科技上市，又将有一批券商跟着吃肉。

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 | 食针研报，作者丨许诺

7月2日，苏州中级人民法院判茉莉奶白侵害Louis Vuitton七件四叶花卉图形商标，赔偿1030万元，全渠道停止使用侵权标识。

一审判决书写得很清楚：茉莉奶白logo直接踩进了LV商标的保护范围。法律上的"相同或近似"，不是"像不像"的问题。

不到一个月前，这家公司还在纽约南区联邦法院起诉当地合作方侵犯商标权。一边在国内被人告，一边在海外告别人——说明它懂维权，但合规意识没跟上扩张速度。

茶饮品牌在设计上翻车，茉莉奶白不是第一个。去年8月，茶颜悦色的联名账本被指设计未经授权挪用，此前零食包装也被指抄袭方大同专辑封面。茶颜悦色道歉、下架，事情过去了。

同样是品牌设计翻车，一个道歉了事，一个赔了1030万。

1030万不是小数。但放到2026年上半年的行业账本里——茶饮品牌在营销上烧掉的钱，远比这个数字大得多。

半年86次联名，多数连水花都看不见

雷报统计了17个主流咖啡茶饮品牌，截至7月初，上半年合计发起IP联名86次。折算下来，每天约1.5场联名在同步推进。

数据听着热闹，细看挺残酷。绝大部分联名上线后石沉大海——没话题发酵、销量波动小，连翻车带来的讨论度都成了奢望。

茶百道是联名数量最高的之一。2026年上半年，它延续了跟米哈游全系列深度绑定的策略——《未定事件簿》《绝区零》《崩坏星穹铁道》——同时在5月新增了《凡人修仙传》等国漫IP合作。原因不难理解：茶百道的咖啡业务6个月内从200家活跃店铺扩到2700家，咖啡侧还能跑，联名就是拉新最直接的工具。

但茶饮侧不一样。界面新闻5月发了一篇文章问"茶百道联名米哈游又翻车？"翻车的点很具体：限量周边品控差、线下门店备货不足、小程序崩了抢不到、店员面对突然涌进来的二游玩家的催单手足无措。

二游玩家对品牌的容忍度极低。联名做好了是"真爱"，做砸了不是"下次注意"，是"这辈子不喝了"。

奈雪的情况也让人引发思考。2025下半年到2026年Q1，奈雪把IP联名频率压到了Q1只做2场。但Q2又接连推出5场联名——麦兜、倩女幽魂等偏怀旧、偏小众的IP，没有再碰顶流。钱花了，联名做了，但并没有反映到股价上。

2021年6月30日奈雪以19.8港元/股的发行价，在港交所成功挂牌上市。发售结果显示亲雪此次全球发售2.57亿股，定价19.80港元/股，募资总额为50.89亿港元，筹资净额为48.42亿港元。全球发售完成后，总股本约17.15亿股，以发行价估算，公司市值约为340亿港元，五年过去，股价跌去96%，市值蒸发超过300亿港元。

《2026中国茶饮咖啡数据洞察报告》提供了一个更大的背景：国内茶饮门店总量已突破30万家，近11个月新开17.4万家、同期关闭13.7万家。开店和关店的数字几乎持平——一半在进场，一半在离场。

价格战打不动了，新品战也打不出下一款「生椰拿铁」

瑞幸和库迪的竞争，时间线比任何一家茶饮品牌都长。

先从价格战说起。

有一个数字值得细看：库迪咖啡每杯的硬成本被其内部招商管理层拆过——原料5.7元、包材1.5元、人工1.9元、水电0.2元、房租1.8元，合计11.1元。9.9元的售价，每杯都在亏。《IT时报》今年2月采访的一位咖啡从业者也给出了一致的测算：单杯综合成本大约在9到11元。

瑞幸呢？2026年Q1财报显示，当季营收119.95亿元，同比增长35.3%，但营业利润仅7.16亿元，同比下降2.6%。营业利润率从上年同期的8.3%跌到了6.0%。更扎眼的是，自营门店同店销售增长率首次转负——负0.1%，而去年同期这个数字是9.2%。公司CEO郭谨一的解释是，"过去一年高速扩张对单店表现产生了阶段性影响"。

营收涨了35%，利润反而在降。规模在涨，钱没跟着来。

加盟商更惨。"日销200杯也挣不到钱"，是大公快消今年5月一篇调查报道里库迪联营商说得最多的一句话。《IT时报》今年2月引用的极海品牌监测数据显示，截至2025年12月，库迪90天内新开1655家、关闭1009家，关店数超过了开店数的六成。价格战打的不是"谁少赚点"，打的是"谁先撑不住"。

价格战打了三年，打出了3万家门店的瑞幸、1.8万家的库迪。但消费者已经被锚定在了9.9元。价格一回调，用户就出走。艾媒咨询《2025年中国咖啡市场发展状况与消费行为调查数据》总结得很直接：消费者已从价格敏感转向品质与产品力敏感，低价策略的引流效率正在下降。

实际上两家都在退，只是退的时间不同。瑞幸更早看到问题——2024年3月就开始收紧9.9元范围，到2025年仅剩几款基础饮品保留低价。库迪硬撑到了2026年2月，才官宣取消"全场9.9元"，仅在特价专区保留3到7款产品延续低价，其余全部恢复到11.9到16.9元区间。

价格武器废了，那就卷产品。

瑞幸2025年推出超120款新品，平均每2.5天一款。36氪去年4月的一篇分析把这叫"腹泻式上新"。频率是其他品牌的数倍。但翻看它的上新记录会发现一个规律：两年来，凡是口感接近"厚重小甜水"的单品——椰咖、奶咖——好评率和声量就高；水果相关的创新几乎全军覆没。

答案绕了一圈，还是回到了2021年4月那杯生椰拿铁。五年过去了，瑞幸仍然没能找到第二款同等量级的产品。所有所谓的"上新"，本质上是防御——库迪、幸运咖都在抢"椰子"这个品牌心智，瑞幸只能用海量椰基新品淹没赛道，确保提到椰子，用户的第一个联想还是瑞幸。

瑞幸的问题不是"不知道做什么产品"，是没想通一个更根本的问题：营销爆品和复购爆品是两回事。瑞幸太擅长前者了——酱香拿铁首日破500万杯——但流量来得猛、走得也快。

真正的复购爆品，需要的不是联名、不是热搜、不是首日数据，是用户上瘾。

而生椰拿铁之所以能成为复购爆品，恰恰不是"营销"的功劳。是椰浆的天然甜味和细腻口感遮掩了咖啡的苦涩，让不喝咖啡的人也能接受，并且愿意第二天再来一杯。

这个逻辑，茶饮行业有人早就想明白了。

霸王茶姬的伯牙绝弦，单价超过16元，比瑞幸绝大多数产品都贵。从2021年上市到现在，一直是核心爆款。用户买的不是价格，是复购习惯——它用稳定的茶底配方、统一的门店品控，让"今天喝伯牙绝弦"变成了一个不需要犹豫的购买决策。

一直有人吐槽喝完睡不着觉——但换个角度看，选择喝伯牙绝弦的消费者，本来就不是那波打算早睡的人，也可能是因为什么原因不能睡。茶底够浓才有人反复买，同时又有购买的理由，复购率不会说谎。

五年了，茶饮新品一代接一代地换，霸王茶姬的伯牙绝弦和瑞幸的生椰拿铁还在卖。

这就是产品和营销的根本区别。营销制造冲动消费，产品制造消费习惯。消费习惯的天花板，远不止于此。

世界杯花钱买热闹，产品花钱买复购

今年5月到6月，瑞幸和库迪这对老对手换了一个从未进过的战场。

5月底，瑞幸官宣赞助西班牙和葡萄牙两支国家队。6月初，库迪跟进FIFA官方授权产品零售商加阿根廷国家队全球赞助商。

一个押C罗、一个站梅西。

从2023年到2026年，你一动，我必须跟上——节奏没断过。

但世界杯级别的营销砸下去，能换回来什么？两个赞助商，两个国家队，一整个夏天的营销费用——最后这笔账，要等到世界杯结束才能看到。赞助不是问题，问题是赞助完之后，品牌在和用户之间的日常触点里，有没有东西接住这波热度。

茶饮品牌就没跟这个风。

喜茶2026年上半年就力气花在了另一边：2月28日上海静安区丰盛里，HEYTEA LAB 2.0全国首店开业，茶饮、蛋糕、冰淇淋、烘焙四个板块集成在同一个空间里，首日排队4小时。不是联名拉来的流量——联名是借别人的IP加热度，LAB 2.0是喜茶自己的产品线和空间体验。

霸王茶姬也没签世界杯。5到6月，它推出的"茶拉朵"系列用的不是香草、巧克力，是伯牙绝弦、一抹山月、滇红玫瑰三种茶底。

海外也在提速：2026年Q1财报显示海外门店已进入马来西亚、新加坡、泰国、印度尼西亚、菲律宾、越南、美国等海外市场。管理层把2026年定位为"海外筑基年"，目标全年新增200家店。

世界杯最多热闹两个月。

世界杯最多热闹两个月。

同一行业，同一半年。

瑞幸库迪在世界杯上你追我赶，消费者被锚定在9.9元，价格一回调就走，新品一年120多款，同店销售额还是往下掉。茶百道半年联名一圈米哈游，被二游玩家做了避雷指南。奈雪花了钱联名，股价纹丝不动。茉莉奶白花了1030万，买了个商标距离的教训。

喜茶回去做LAB。霸王茶姬用茶底做Gelato、往海外开店。

两年前有人觉得，品牌设计出点差错很正常，道歉就完了。多年前有人觉得，世界杯级别的营销必须跟，不跟就是掉队。现在回头看，没跟的人也没掉队——它们在做一些世界杯结束之后还在管用的事。

茉莉奶白那1030万不是终点。是整个行业被摊开的其中一张账单。剩下的账单，等世界杯结束之后。

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 | 窄播，作者｜李威

过去几年，腾讯的AI产品布局一直给人一种「各有侧重」、甚至「九子夺嫡」的感觉。元宝、ima、WorkBuddy、CodeBuddy、QClaw、Marvis，再加上微信的小微、QQ浏览器中的QBot，这些产品往往来自不同团队，甚至使用不同模型，面向的人群和场景也不尽相同。

这种分散一度让外界难以判断，腾讯究竟想靠什么产品来建立AI时代的生存根基。但随着微信开始内测小微、姚顺雨团队发布Hy3正式版，两条相对清晰的路径正在浮现。

第一条路径由微信主导，面向日常生活。它依托微信庞大的用户基数，完善的小程序、内容、社交和支付生态，让AI帮助普通用户完成点餐、出行、购物、信息查询等生活场景中的任务。

第二条路径以Hy3和WorkBuddy为核心，面向泛生产力场景组织攻势。它强调模型与Agent产品的协同，通过调用文档、代码、浏览器、本地文件，打通企业协作工具，让AI直接完成任务，交付结果。

本周Hy3正式版的发布，让第二条路径变得更明确了：Hy3提供能力，WorkBuddy承接任务，腾讯文档、企业微信、腾讯会议、ima等产品则被组织成Agent可以调用的工具。与此同时，元宝也增加了PPT、HTML等文件的交付能力。

未来，这两条路径并不会简单合并，也不一定需要一个统一的「超级助手」来统筹。更可能的形态，是各自独立运行，同时通过用户信息与任务上下文形成松散但高效的连通。

一个服务生产力场景的模型

Hy3正式版的主要变化，不在参数，而在模型完成任务能力的提升。

从参数来看，Hy3正式版仍然采用融合快慢思考的MoE架构，总参数2950亿、激活参数210亿，支持最高256K上下文，与4月发布的Hy3 Preview基本一致。腾讯认为，现在的参数规模能够达到模型能力与推理效率之间的平衡点，让模型以更低成本进入大量真实业务场景。

任务执行方面，官方发布的博客文章介绍称，Hy3正式版在软件开发、办公协作、金融建模、前端设计、游戏制作等生产力任务上的进步尤其显著，可以成为高性价比的可靠选择；还优化了输出格式和工具调用稳定性、知识常识和抗幻觉能力、复杂上下文承接与多轮意图保持能力等一系列体验向能力。

腾讯公布的内部评测数据显示，在270名内部专家参与的真实工作盲测中，Hy3平均获得2.67分，高于GLM-5.1的2.51分，领先项目主要集中在前端开发、数据与存储、CI/CD等工作任务。其中，Hy3正式版的幻觉率从12.5%下降至5.4%，常识错误率从25.4%下降至12.7%，多轮对话问题率从17.4%下降至7.9%。

这些改进明显针对的是Agent落地时的更具体问题。生产力Agent往往需要连续执行多个步骤，一旦它错误理解约束、调用错工具，或者在长任务中遗忘最初目标，最终交付结果就可能失去实际价值。

在开发者社区和公开体验文章中，Hy3正式版在文档处理、资料整理、简单网页制作和本地部署方面已经表现出一定的吸引力；但在复杂代码工程和长链条企业任务方面，还需要更多的时间和实践来验证模型的能力。

Hy3正式版的变化，基本印证了姚顺雨接手混元后对外界表达的研发思路——更重视真实产品使用。腾讯集团高级执行副总裁汤道生曾表示，腾讯首席AI科学家姚顺雨推动混元将评估重点从外部Benchmark转向产品用户体验，并清理了一批规模可观、实际训练价值有限甚至可能产生负面作用的数据。

在姚顺雨看来，随着训练方法和基础能力逐渐扩散，真正稀缺的资源将包括：值得解决的问题、适合Agent运行的环境，以及高质量的用户上下文。只有进入真实产品，模型才会遇到公开Benchmark无法覆盖的错误，也才能知道哪些能力会真正影响用户完成任务。

这也是能充分利用腾讯积累的方向。在生产力场景中，腾讯拥有代码开发、在线文档、会议沟通、办公协作等产品，可以持续提供真实任务，并将执行结果重新反馈给模型。WorkBuddy是其中一个重要的试验场。它提供了Agent原生的复杂环境，使Hy3的工具调用和任务规划能力能够接受真实用户检验。

官方博客文章中表示，从1月底重建基础设施，到4月推出Hy3 Preview，再到7月发布正式版，混元完成了一次从底层训练、产品接入、用户反馈再回到模型优化的循环。

这个循环的完成，意味着腾讯在模型与产品之间形成了更明确的协作体系：混元负责理解、规划和调用工具，WorkBuddy等产品负责提供任务环境与交付载体。模型能力与产品场景之间的这套配合，会成为腾讯串联分散产品的起点，也可能会加速腾讯追赶领先模型的步伐。

生产力能串联起一条主线

这个起点对腾讯AI业务的意义，不只在于增加了一类产品。更重要的是，它为腾讯原本分散的办公产品和企业服务提供了一种Agent时代的组织方案。

腾讯在生产力领域并非没有积累。企业微信连接组织与客户，腾讯会议承载沟通，腾讯文档处理内容，CodeBuddy则开始进入软件开发流程，每个产品都负责完成一个环节的任务。

但在Agent时代，是由人提出任务目标，Agent负责拆解步骤、选择和调用不同的工具协同完成任务。文档、会议、代码和企业知识库就变成了任务流程中被调用的能力模块。

与需要在通用助手领域和豆包、DeepSeek、千问肉搏的元宝相比，WorkBuddy进入的是一个竞争格局尚未完全确定的市场。这也是为什么腾讯在更积极地推进WorkBuddy。

首先，元宝是一个面向C端用户的聊天机器人，它所扮演的角色未来有很大可能会被微信的小微取代。而WorkBuddy是一个围绕任务搭建的桌面Agent工作台，负责读取授权文件、浏览网页、调用模型和Skills，最终交付文档、表格、PPT、网页或分析结果，完成任务链条的组织。

其次，相较元宝的后发，在这种偏向任务执行的Agent中，WorkBuddy具备一定的先发优势。它建立在CodeBuddy的Coding Agent内核上，更早被推向市场，一开始就具备任务规划、工具调用和执行控制能力。CodeBuddy本身也是国内较早布局AI编程、并较早从代码助手升级到Coding Agent的产品之一。

最后，WorkBuddy的价值也不只是成为另一个入口，而是成为这些能力重新组合的节点。汤道生曾提到，腾讯文档的一项重要工作，是把过去积累的文档处理能力转化为WorkBuddy能够调用的Skill。沿着同一逻辑，腾讯此前在企业办公场景中积累的产品、用户，都可以被导入到WorkBuddy中。

从元宝到WorkBuddy的交接棒，也意味着腾讯在微信之外的AI业务，开始更聚集到了泛生产力的场景。在两个版本的Hy3发布之后，这种变化变得更为明确了。

现实的数据反馈也在验证WorkBuddy的潜力。数据显示，WorkBuddy上线三个月后人均Token消耗增长了10倍以上。Token使用量不能完全代表留存和商业价值，却可以说明用户交给Agent的任务正在变多、变长。对一个仍在投入期的产品而言，这也是判断模型、工具和工作流是否真正被使用的重要信号。

腾讯也明显加大了对WorkBuddy的推广力度。2026年以来，WorkBuddy在北京、上海、广州、深圳等城市的核心通勤区域进行了集中投放，也频繁地出现在公众号信息流广告中。这些广告更直接地展示写报告、做PPT、处理表格等能力，试图让更多用户选择WorkBuddy完成生产力任务。

在扩大用户规模之外，腾讯还在围绕WorkBuddy推出OPC激励计划和共创计划。前者面向创业者及一人公司，鼓励小团队把经营、内容、研发和客户服务流程交给Agent；后者则引入了美团、携程、中兴通讯、销售易、小鹅通以及多家模型公司，为桌面Agent工作台拓展更丰富的第三方能力生态。

最终，混元提供执行任务所需的模型能力，WorkBuddy组织工具和上下文，腾讯原有办公产品与外部伙伴则提供具体能力。三者共同构成的，才是腾讯试图讲述的完整生产力AI故事。

生产力与生活存在「弱连接」

生产力正在成为腾讯AI业务的一条主线，但它不是全部。

微信正在小范围内测原生AI助手小微，并向开发者开放微信AI调用小程序的能力。从已有功能看，小微可以理解文字和语音指令，查询微信内容，并调用小程序完成点餐、出行、购物和预约等任务。这意味着，腾讯把服务更广泛用户的生活场景押注在了微信身上。

因此，微信Agent与Hy3+WorkBuddy组合代表的是两条不同的路径：前者从高频生活入口出发，依靠微信生态建立AI时代的生活服务能力；后者从复杂生产力任务出发，依靠模型、工具和企业办公能力的协同，完成AI时代的「工作桌面」搭建。

两条路径可能最终并不会走向合并。生活场景和生产力场景对模型能力、权限、安全和执行环境的要求并不相同，微信与CSIG也拥有各自的模型和产品体系。完全合并两个成熟的体系，既可能损失生产力产品的专业性，也会放大隐私与误操作风险。

但两者也不会完全割裂。原因在于，无论工作还是生活，Agent服务的都是同一个人。真正可能把两条路线连接起来的，是能够追随人流动的上下文。用户会在微信里讨论出差，涉及聊天关系、交通、酒店和支付；进入工作环节后，又可能需要整理行程、制作材料、同步同事和处理报销。

这种连接看上去是「弱」的，因为产品、模型和权限仍然独立；但又具有较大的想象空间，因为用户不必被固定在某一个AI入口中。入口可以变化，专业Skill可以替换，但用户不必在每次切换时重新交代自己的身份、偏好、任务背景和当前进度。

同时，生活与生产力本身也在相互渗透。个人学习、旅行规划、内容创作和财务管理都包含生产力需求；企业办公中的差旅、采购、餐饮和客户服务，又会调用大量生活服务。传统互联网产品可以按照To C和To B划分，但Agent处理的是完整任务，任务往往会跨过这条边界。

没有历史包袱的豆包和ChatGPT，已经在产品上体现出了这种趋势。豆包在大众聊天入口之上增加专业版和办公任务模式，把更复杂的工作能力提供给高需求用户；OpenAI则把ChatGPT和Codex放入同一套产品体验，让聊天、工作、编程任务可以在同一界面内切换。

这些选择说明，通用AI产品正在吸收专业生产力能力。不过，腾讯未必需要采用同样的前台整合方式。豆包和ChatGPT需要把一个AI原生入口扩展成超级应用，腾讯则已经拥有微信这个超级应用，完全可以分工合作，只在需要时建立连接。

因此，生产力与生活共同构成了腾讯AI业务的完整图景：微信探索AI如何进入最大规模的日常服务，Hy3和WorkBuddy探索AI如何完成更复杂、更高价值的工作。两条路线暂时各自成长，也可能持续由不同模型和团队推进。

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 | X研究媛

一个热闹非凡的领域，聪明人扎堆的地方，往往意味着陷阱。保持耐心持续耕耘，从不被重视、蛰伏等待时机，再取得惊人的回报，最近的例子是英伟达。

早年在英伟达内部视为“吃闲饭”的边缘团队CUDA，被黄仁勋默许“三年又三年”不赚钱，持续受压，终于等到了Geoffrey Hinton、Ilya Sutskever和Alex Krizhevsky发明卷积神经网络AlexNet，在2012年ImageNet图像识别大赛上一战封神。

在那一年，“谷歌猫”（The Cat Neurons项目）团队动用了16000颗CPU，却仅获得74.8%的识别准确率。与之形成鲜明对比，AlexNet只用了4颗英伟达GPU，就达到了惊人的84%识别准确率，学术界和产业界彻底轰动了。

GPU从游戏显卡的配角，一跃成为深度学习时代的算力主角。英伟达的市值也从那时起一路狂奔，从百亿美元量级跃升至今天的近三万亿美元。

今天，同样的剧本正在另一个领域悄然上演。

光计算，这个在实验室里沉寂了多年的技术方向，正在大模型推理的算力饥渴中迎来属于自己的“AlexNet时刻”。2012年到现在，GPU接棒CPU是深度学习训练阶段的算力革命，接下来光计算接棒GPU，很可能就是大模型推理阶段的能效革命。

Transformer架构自2017年诞生以来，大模型的参数量从亿级膨胀到万亿级，推理时每个Token的生成都需要海量的矩阵乘法运算。而光计算，恰好在矩阵乘法和低功耗这两个维度上拥有天然的优势。它不是电计算的简单升级，而是一种计算范式的根本性重构——用光子替代电子，用光速替代电子漂移速度，用光场并行替代串行开关，已被验证在AI矩阵计算中速度提升8倍、百倍乃至千倍。

技术发展的历史从不重复。当旧的计算范式逼近物理极限时，新的范式就会在边缘处生长，直到需求爆发的那一天，它便成为主流。

光计算的这一天，可能正在到来。

AI 时代，电计算并非「AI Native」

2017年，一篇发表在《Nature Photonics》上的论文，同样在一个小圈子引发轰动。

Lightmatter创始人Nicholas Harris在这篇后来被广泛引用的论文中，验证了一个关键假设：利用光子进行矩阵计算是可行的。这篇以“由纳米光学回路实现的深度学习”为主题的论文，其核心贡献不在于立刻做出商用品，而在于第一次把“光子计算”从概念推进到可验证的工程路线。

这条路线包含两个层面的验证：一是硬件上，光学干涉网络可以承担可编程矩阵运算；二是算法上，可以围绕光学硬件的特点重构神经网络计算流程，尽量减少不适合光计算的部分。

为什么光计算天生适合AI？

深度学习的核心操作矩阵乘法 y=Wx，本质是每个输出分量都是输入分量按权重加权后求和。在电子芯片里，这需要一个个开关不断地搬运和累加数字；而在光路里，输入向量被编码成各个波导中的光场幅度和相位，通过马赫-曾德尔干涉仪（MZI）网络把这些光场按权重重新分配，最后在输出端通过干涉和探测完成“求和”。

一个标准MZI由两个50:50分束器和中间两臂的相位调制器组成，本质上是一个可调的2x2线性变换单元。单个MZI只能实现低维变换，但把很多MZI按特定拓扑级联起来，就能拼成高维矩阵网络。

真实光计算运行，假设有4路输入光信号，目标是做一个4x4线性变换，做法是把4路光分别送入一个由多个MZI构成的网格，每个MZI调成某个耦合比，经过若干级之后，4个输出端口的光强就对应矩阵乘法的结果。

光学网络做的不是逐项数字计算，而是利用波动叠加自然完成线性代数计算过程。

光计算的优势直观且清晰：低延迟，因为光传播速度极快；低功耗，因为不需要像电子芯片那样大量进行电荷搬运和开关翻转；对矩阵乘法天然友好，尤其适合大规模线性运算。

但要把这些优势从实验室带到真实世界，不同的公司选择了不同的技术路线。美国的Lightmatter和中国的光本位科技“两个代表”——其中，Lightmatter是MZI路线代表，光本位科技走光子存内计算路线。

Lightmatter选择MZI路线。MZI的优势在于可重构——通过热光或电光效应精确调控光信号的相位和振幅，级联构成复杂的干涉网络，实现任意酉矩阵的映射。这种架构适合构建可编程、高精度的光学神经网络和线性运算单元。

Lightmatter的核心产品Passage是全球首款3D堆叠硅光子引擎，能为XPU（如GPU、TPU）与交换机提供前所未有的带宽密度和能源效率。

2026年，Lightmatter推出了Passage L20光学引擎，这是一款6.4 Tb/s的3D堆叠光学引擎，预计2026年下半年开始量产。此外，Lightmatter还计划推出L200系列，由GlobalFoundries和Amkor生产，利用GF Fotonix硅光子平台将光子组件与CMOS逻辑集成到单一晶粒上。

但MZI路线的问题在于：它依赖热调谐、反馈校准和温度补偿来维持光学状态的稳定。这意味着持续的功耗和控制开销。传统硅光波导器件的易失性调谐方式需要持续功率供给维持光学状态，存在静态功耗高、权重单元尺寸大、算力密度低等问题，严重制约了光计算网络的规模提升。

来自中国的光本位科技开辟了另一条路。

2022年，两个未满30岁的年轻人熊胤江和程唐盛，像很多熟悉的故事那样，做了一系列在外人看来近乎疯狂的决定。熊胤江关掉了在美国的公司，程唐盛暂停了牛津大学的博士学业，两人在某个关键时间节点双双回国，创办了“光本位”公司。

熊胤江是芝加哥大学硕士，有多年大模型算法与AI Agent的工程化实战经验。程唐盛曾师从全球“相变材料光计算”第一人、英国皇家工程院院士Harish Bhaskaran。

促使他们创业的动机，是他们共同看到了一个正在逼近的拐点——AI需求的爆发就在眼前，而光计算芯片，或许能够真正突破摩尔定律，解决算力焦虑。

在最近的公开采访中，熊胤江和程唐盛说了一句耐人寻味的话：“特别不喜欢在人扎堆的地方去做一件事情。我们可能会天然地觉得那是一个陷阱。在一个事情最热的时候，我们是不敢去做它的，但相反，当我们有一些可能只有我们自己知道的一些advantage，在这个领域还没有起来，或者没有完全爆发的时候，才是去耕耘的时机。”

这种对timing的判断，贯穿了光本位的整个发展历程。

2017年，光计算奠基论文的横空出世虽然引发关注，但彼时国内外Fab制造、封装工艺等产业链环节尚未成熟，商业化落地难以推进。到2022年，AI爆发加上整体产业链逐渐走向成熟，恰恰需要设计公司下场，主动向前一步，通过需求牵引推动产业链加速迭代。光本位选择在此时入场。

放眼行业，大多数光计算方案与电计算相比，离真正可大规模、可通用、可稳定部署还有一定差距。

其中最突出的问题有两个：一是存储与计算仍然分离，AI推理时模型参数需要从外部存储频繁搬运到计算单元，存储带宽成为整个系统的瓶颈；二是规模化集成困难，受限于硅光平台在芯片尺寸、翘曲变形和互连密度上的物理约束，传统光计算方案扩展算力规模并不容易。

光本位科技的突破，正是从这两道门槛切入的。

光本位科技是目前全球唯一一家同时实现了光子存内计算和玻璃基光计算的公司。光子存内计算对AI推理有极大增益——大模型参数可以直接存储在芯片内部，彻底省去了存储与计算之间频繁搬运数据的环节，计算延迟降至传统光计算方案的十分之一。

基于存内计算的技术路线，光本位科技研制出了全球最大算力密度的光计算芯片。该芯片已多次流片验证，并实现“开箱即用”，成为真正打通行业链条与计算前后端的产品级应用。光本位在2025年已推出第一代光电融合计算卡，第二代计划于2026年内推出。

在已有的基础上，光本位同时在推进一条更具颠覆性的技术路径——选择用玻璃替代硅作为光计算芯片的衬底，将玻璃同时作为光路载体、封装基底和大尺寸可制造平台。这种模式为大规模光互连和光计算原生设计了一个更适合扩展的基底平台，从根本上突破了硅光平台在尺寸、翘曲和互连上的限制。

与技术公司的常规节奏相比，光本位的产品化进程速度快得惊人。公司成立后，快速完成16×16、25×25等矩阵规模的迭代，2023年做到了64×64矩阵规模的流片。2024年6月，光本位实现了全球首颗算力密度和算力精度达到商用标准的光计算芯片流片，矩阵规模为128×128，打破了行业内维持三年的矩阵规模天花板64×64。

2025年，光本位基于128×128光计算芯片的第一代光电融合计算卡已获得垂类大模型公司的大额订单，并完成了金融领域大模型部署——这是全球同类计算卡在大模型场景的首次落地。

Lightmatter和光本位，两条光计算路线，两种未来预判。Lightmatter追求“AI计算可重构、可编程的灵活通用”，光本位追求“更低功耗、AI推理存算一体的专用性”。而在一个特定的场景中，光本位更强调高效低功耗的AI推理计算，优势进一步被放大——那就是太空。

AI算力上天，光计算在太空中“接棒”GPU

2026年6月12日，SpaceX正式登陆纳斯达克。发行价135美元，募资750亿美元，一举刷新了全球IPO的历史纪录——超过了沙特阿美2019年294亿美元的募资规模。对应估值约1.77万亿美元。

市场正为一个极具扩张性的叙事买单。

SpaceX计划部署至多100万颗AI算力卫星，马斯克的预测极具野心：2027年底前实现每年1吉瓦（GW）太空AI算力的年化部署率，并寻求每年以数量级的速度扩展，最终达到1太瓦（TW）的算力规模。1吉瓦约等于一台大型核反应堆机组的容量。而1太瓦——届时，太空中的AI算力将超过地球上的总和。

同样看好“算力上天”还有英伟达。2026年GTC大会，黄仁勋宣布推出Space-1 Vera Rubin模组，这是专门为轨道数据中心设计的产品。相较于H100 GPU，该模块中的Rubin GPU在基于太空的推理方面实现了高达25倍的AI算力提升。黄仁勋在发布会上表示：“太空计算，这个最后的疆域，已经到来。任何生成数据的地方必须有智能存在。”

为什么是太空？马斯克算过一笔清醒的账——芯片、存储和能源。太空可以高效率、全天候地接收太阳光并转化为电能，意味着接近零电费的“无限能源”，太空环境同时本身接近绝对零度，有“天然散热”的优势，自家“星舰”还有超低发射成本。

马斯克明确表态，在太空中建立数据中心并不需要尚未发明的“魔法”，其面临的技术挑战甚至低于现有的星链业务。AI1卫星的设计思路沿用了Starlink V3卫星平台，去除相控阵通信天线，加装巨型太阳能板、双面散热器和可互换的AI芯片载荷。

但真正大规模发展太空计算，这条道路并不平坦。

真空散热的物理极限、数据延迟的固有缺陷、在轨维护的几乎不可能，都是需要正视的现实。散热问题即便在英伟达看来，也是太空数据中心最大的技术壁垒——在地球上主要靠传导和对流散热，在真空中只能依赖辐射，这意味着需要极其庞大的散热表面积，系统设计极为复杂。地面服务器坏了换个硬件就行，太空中的服务器一旦被宇宙射线击穿或硬件老化，几乎只能坐等它报废坠毁。

太空AI算力的竞争，美国拥有两条优势线：一是星舰和猎鹰9号带来的运力成本优势；二是英伟达等企业的先进制程芯片和抗辐射技术路径。

如果中国按常规路线堆砌传统逻辑电路芯片，在成本和时间上都将极为被动。而如果从更长远的计算范式的重构——芯片路线的选择，比如光计算芯片，诸多特性人眼前一亮，它简直专门为太空“原生定制”的AI芯片。

对于后发的中国来说，光计算芯片的出现，有直接改写游戏规则的潜力。光计算之所以在太空场景中具备战略意义，不是单纯意义上计算“更快”，而是整体更匹配适应太空物理约束。

中国光计算的路已经铺开。2025年5月14日，我国在酒泉卫星发射中心使用长征二号丁运载火箭，成功将太空计算卫星星座发射升空。这是“星算”计划首发星座，由国星宇航研制的12颗卫星组成，搭载之江实验室以“三体计算星座”标准研制的核心关键载荷。

2025年11月，国星宇航成功将Qwen3大模型部署至“星算”计划01组太空计算中心。千问大模型在太空中成功执行多次端到端推理任务，问题从地面上传至卫星，由大模型完成在轨推理，并将结果数据回传地面，全流程耗时不到2分钟。

2026年5月，上海东方天算科技有限公司与光本位科技宣布联合建设天基光计算创新中心，启动全球首颗天基光计算卫星的联合研制工作。这颗卫星以光子为计算和传输载体，可支撑在轨AI推理、星上大模型运行和万亿级硅基智能体协同服务。

光本位科技的光电融合计算卡目前单卡算力可达300 TOPS，支持多精度推理。东方天算联合上海交通大学、阿里云、光本位科技、沐曦股份等20余家单位，聚焦抗辐照计算芯片、空间新型能源、先进载荷、高效热控、太空计算云平台、星间激光组网、在轨智能服务七大核心技术。

目前，光计算芯片的太空先期验证已经完成，东方天算已打通从载荷研制、系统集成、卫星总装到在轨验证的全链条能力。

从地面到太空，再从太空回到地面

表面上，光本位科技与东方天算联合研制的全球首颗天基光计算卫星，是验证一颗光计算芯片能否在太空正常运行，但实操上，需要更加深谋和远虑。

它需要推动光计算载荷与星上能源、热控、通信等各个子系统之间形成完整的系统级验证，把天基计从一条技术路线，真正推进到一条可验证、可迭代的工程路线。

卫星送上天之后，这套技术底座将支撑在轨AI推理、星上大模型运行等场景，并通过与星间激光通信的协同，实现星内、星间的高效数据交互，为分布式天基算力网络的构建提供算力支撑。

以及，光计算还需要自己更长远的目标和更庞大的生态配套。与美国同行Lightmatter同时发现一个赛道，同时”起跑”，光本位意识到，从材料、封装到光芯片、电芯片，从计算节点到节点互联、再到完整软件栈的全套光计算系统——给客户提供基于实际需求的光算、光联、光传灵活组合的解决方案，这才是关键胜负处。

熊胤江对此有一个清晰的判断：“光替代电，在计算、通信、传感等层面将成为必然趋势。芯片与芯片之间的互联，从铜缆走向光互联，我判断大概三年内就会成为主流。而光计算的难度更大，我们力争在三年内实现大规模落地。从整体计算系统来看，我判断不到十年的时间周期，就会完成计算系统方面的‘光进铜退’，具备万亿级别规模的市场潜力。”

一旦在太空证明了光计算的高可靠性、高能效比与低成本优势，其成熟版本会回流到地面场景——基于大模型推理的各种场景、Token工厂、Agentic AI，都将受益。

从这个角度看，“太空算力”的角力，不仅关乎谁先建成轨道数据中心，更关乎技术路线的选择和切换。一边是延续电气时代的极致优化，一边是在光子层面重构基础逻辑。

两条路线的碰撞，将深刻影响未来全球科技产业格局。

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 | 食针研报

7月3日，隐身于塔斯汀、好利来、鲍师傅背后的酱料供应商百利食品北交所过会，敲开"西式复合调味品第一股"之门。年营收21亿、沙拉酱连续五年全国销量第一，光环之下，其不足1%的研发投入和84%的产能利用率，正在被重新审视。

2026年7月3日上午，北京证券交易所上市委员会2026年第64次审议会议结果出炉——广东百利食品股份有限公司首发申请顺利过会。

这家总部位于东莞的调味品企业，普通消费者对它几乎毫无印象。但翻开招股书，它的客户名单足以让餐饮从业者倒吸一口气：塔斯汀、华莱士、好利来、鲍师傅、泸溪河、沃尔玛——几乎半个中国连锁餐饮和烘焙赛道的头部玩家，都是它的客户。

百利食品主营西式复合调味品，产品线覆盖沙拉酱汁、调味酱汁、面包糠、调味粉等。2023年至2025年，公司营收从16.05亿元增长至21.49亿元，年均复合增速15.71%；归母净利润从2.22亿元增长至3.22亿元，年均复合增速20.30%。2026年一季度，归母净利润8000万元，同比增长16.47%。

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

“远景天机”气象大模型首次亮相FE赛场，通过分钟级的超高精度短期降水预测，为远景FE车队的轮胎策略与能量管理提供气象决策支持，助力车队在晴雨难定的天气条件下斩获季军，登上领奖台。

在比赛现场，远景车队工程师基于分钟级天气预测调整实时策略

出于可持续考虑，FE所有车队统一使用全天候轮胎，降雨不仅直接影响赛道抓地力，更直接关系到胎压设定、轮胎温度、能量管理策略以及进站窗口的选择。比赛前一天，“远景天机”气象大模型预判原定比赛时间强降雨及强对流天气，帮助车队精准研判赛事提前2-3小时举行，为车队精细调整比赛节奏争取了充分的准备时间。

“远景天机”气象大模型在赛前每个赛段的天气预报，为车队做赛前的总体策略方针模拟

比赛当日，上海湿热交织、晴雨难定，赛道路面随时面临干湿状态切换，对赛车调校和车队临场策略提出更高要求。“远景天机”气象大模型进一步提供高精度超短期降雨预测，即每12分钟滚动更新一次，连续3小时逐时研判降雨时段、雨量变化与强度走势，预测准确率超过85%。

基于这一数据支持，车队得以提前判断赛道温度、积水情况和轮胎升温变化，及时优化胎压策略和能量管理策略，在赛道干湿状态快速变化中提升临场应对效率，最终成功登上领奖台。

此次上海站也是“远景天机”气象大模型首次进入国际赛车赛事场景，验证了远景AI气象预测能力在高动态、高实时性场景下的应用价值。不久前，在2026年6月南方电网AI负荷预测比赛中，远景以第一名的成绩断层式领先，在国家电网AI负荷预测比赛中，远景同样表现亮眼，在总计6个赛道中斩获5个第一。

“远景天机”气象大模型赛前和赛中的精准分钟级气象预报，包括赛道温度、轮胎温度、地面湿滑等专业预测，供车队实时动态调整进站、胎压、能量管理等关键策略

“远景天机”气象大模型FE负责工程师告诉我们，从新能源功率预测、电力负荷预测到FE赛车场，远景正率先推动AI气象大模型从能源走向真实场景。远景将持续探索“天机”在赛车赛事、能源调度、极端天气应对等领域的应用边界，让AI预测能力成为复杂环境下提升决策效率、运行韧性和系统表现的关键基础设施。

据悉，经全球权威评测验证，最新一代“远景天机”气象大模型在全球顶尖气象AI评测中脱颖而出，远超全球顶级气象大模型。目前，“远景天机”已实现分钟级精准预测全球45天天气。这种“人无我有”的超高精度、超长周期预测能力，为FE等户外体育赛事提供了前所未有的技术支撑。

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