轻量旗舰模型市场迎来新竞争。 文丨申远 编辑丨赵磊 智谱发布旨在对标 DeepSeek V4 Flash 的轻量级旗舰模型 GLM-5.3 Flash ，调用超过 10 万张国产芯片集群用于该模型推理服务。据《晚点 LatePost》了解，其算力供应商或来自**、摩尔线程与海光，智谱官方没有评论这一信息。 GLM-5.3 Flash 拥有 300B 参数规模， 参数量约为 GLM-5.3 的 40%，与 DeepSeek V4 Flash 几乎持平。与同代小尺寸模型往往蒸馏自大模型不同，GLM-5.3 Flash 采用与 GLM-5.3 不同的架构设计，具有原生多模态能力，支持图像视频输入，这也是智谱战略聚焦 coding 以来第一次推出具有多模态能力的新模型。 随着 AI 模型能力持续提升，轻量旗舰模型能够负担越来越多的工作任务，这创造了新的增长空间，8 月 DeepSeek V4 Flash 的提价不仅证明了市场强劲需求，也预示了更激烈竞争的到来。 根据《晚点 LatePost》看到的智谱内部评测， GLM-5.3 Flash 的 Artificial Analysis Intelligence 分数为 57 分。这一分数超过上一代旗舰模型 GLM-5.2，和 Claude Opus 4.8 持平，也高于 DeepSeek 旗舰模型 V4 Pro 正式版的 53 分。 GLM-5.3 Flash 每百万 token 输入 0.8 元，输出 2.8 元，缓存命中价格 0.23 元，正好为 GLM-5.3 的十分之一。横向对比调价后的 DeepSeek V4 Flash，其谷时价格分别为 1.5 元、4.5 元 和 0.05 元。综合输入和输出成本，GLM-5.3 Flash 在绝大多数常规调用场景下更便宜。 智谱已经表示，上线前两周 GLM-5.3 Flash 会实行半

零跑晋升为全球新能源第四大品牌，背后是 18 座自建零部件工厂。 文丨郭瑞婵 8 月 24 日，零跑汽车发布 2026 年半年度业绩。今年上半年，零跑营收 381.1 亿元，同比增长 57.2%；净利润 2.1 亿元，连续三个半年度实现盈利。 今年以来，汽车行业整体面临下游需求不振、上游零部件成本又攀升的不利局面，陷入亏损的车企增多，零跑一季度也受此影响录得 3.9 亿元亏损，但二季度明显改善，扭亏为盈。零跑也成为唯一最近连续三个半年度盈利的新势力车企。 过去，零跑常被视为一家依靠性价比优势竞争的新势力车企，但纯靠拼价格，在外部承压的情况下，盈利更难以实现。零跑能在逆势中盈利，靠的是从成立之初就坚持的 “全域自研 + 深度自制” 的发展路线。 如果走进零跑的工厂，会更容易理解自研自制所发挥的作用：对核心技术的掌握，让零跑得以设计出性能、质量更好的零部件，提高产线自动化率与产品良率、减少浪费，既保证了产品力，又最大化控制了成本。 连续三个半年度盈利，零跑逐渐打开中高端市场 新车销量大增，是零跑营收增长最主要的动因。今年上半年，在国内乘用车整体零售量同比下滑 20.2% 的情况下，零跑一共交付了 35.65 万辆新车， 较去年同期增长 60.8%。 二季度，零跑 A 系列首款新车 A10 开始放量，为零跑提供了最大的销售增量。这款车型将车位到车位的高阶辅助驾驶下放到了 10 万元以下，二季度卖了超 6 万台。 海外市场也是一个新的突出增量。上半年，零跑海外出口 9.6 万辆，贡献了近 3 成的销量，已超过去年全年的出口总量。目前，零跑在欧洲市场发展最快，财报显示，它上半年在欧洲市场的营收为 88.75 亿元，占总营收超过 20%。 但零跑面对的外部环境是残酷的，不是卖得越多就能赚得越多。今年上游成本的上涨是全方位的，除了碳酸锂、贵金属价格的波动，还有存储芯片、PCB、电阻电容

“即便是天才，第一声啼哭也不会是美妙的歌声。” 文丨司雯雯 编辑丨赵磊 AI 竞争中，巨头和创业公司都前所未有地重视人才，也比过去都追求高效：薪水越高、耐心越少，这些聪明的年轻人最好不用培养、不必试错，来了就能解决问题。 一些年轻人不想做极致效率机器的一部分。他们更向往的环境是公司鼓励创新、有探索空间，个人的创新也能有助于公司。 面壁智能联合创始人刘知远相信，只要找到平衡点，这两者就能共存。他在清华大学任教十多年，2021 年参与智源研究院的大模型项目 “悟道”、训练千亿参数大模型，在一线研究 AI 的驱动中创业、成立面壁智能。一年后，和大多数公司对超大模型的追求不同，选择走差异化的端侧 AI 路线。最初不被看好，但等更多公司注意到端侧 AI 的应用和商业潜力时，面壁智能已经是走得最快的那个。 他说自己也不是小天才，面壁智能的发展得益于一个目标一致、互相鼓励、敢于信任的组织。做端侧 AI 的选择也让面壁智能避开最激烈的战场，在大厂拼数据、人力、算力时，把 “培养人” 当作一种组织能力。 面壁智能特意在公司保留 Frontier Lab 的气氛，从技术负责人到研究员、实习生以 “传帮带” 方式培养人，给实习生一定时间做前沿探索。这项人才计划命名为 “前进四”，在《三体》中意指 “全速前进”。 “我创业的一部分动力就是站在最前沿培养人。” 多年教职让刘知远有一种 “教师” 气质，总是笑得很随和，“优秀的人也要给足够多的机会，阳光充分了肯定可以灿烂”，他加重语气，“就算是天才，也不可能生下来第一声啼哭就是一首美妙的诗歌嘛。” 资源有限，更要培养人 面壁智能前沿探索方向 AI4AI 的核心骨干之一，是名实习生。李奇看起来很年轻，明年博士毕业，去年才加入面壁智能。他带领的团队几十人，是专门负责前沿方向的智能进化实验室里人数最多的一组。接近一半是正职研究员，比他在面壁智能更久、经验更

换电分离车价和电价，品牌留出更多定价空间。 文丨曾兴 编辑丨龚方毅 我们独家获悉，赛豆科技 AIVA 品牌或将采用宁德时代的换电方案。据知情人士透露，“AIVA 品牌与宁德在探讨换电模式，具体还在进一步规划中。” 另外，首款量产车 AIVA ME7 计划年内亮相，预计明年初开启预定，未来将面向国内及海外市场销售。目前，赛豆科技位于重庆光环商圈的首家旗舰店正在建设中。 从赛豆科技的股东构成来看，AIVA 选择换电并不意外。我们此前曾报道，赛豆科技前身为重庆蓝电科技，今年完成约 66.71 亿元增资扩股，重庆地方国资成为第一大股东，赛力斯为第二大股东，宁德时代也通过旗下投资平台参与其中。 赛力斯主要提供整车制造、供应链、质量体系及工程经验，产品将在赛力斯凤凰工厂生产，宁德时代则提供电池技术、安全及充换电体系支持，截至 2026 年 6 月 30 日，宁德时代官方披露巧克力换电站建成总量 2000 座，覆盖全国 31 省份、180 座城市。 新品牌接入成熟的公共换电网络，可减轻自建补能体系的资金压力、提升补能效率；更重要的是，电池租赁将电池成本从车价中剥离，缩小消费者实付价与产品定位的差距，为品牌留出更大定价空间。 6 月上旬，赛豆科技在北京发布品牌 AIVA，提出 “AI 定义汽车，先有 AI，再有车” 的产品理念。据我们了解，目前品牌的中文名还在商讨中。根据此前公布的规划，AIVA 全系列车型将覆盖 20 万元以上主流市场。 除股东方提供的产业资源外，赛豆还引入火山引擎和元戎启行等技术合作伙伴。其中火山引擎提供豆包大模型、智能座舱等能力，双方宣称采取 “联合定义、联合设计” 的合作模式，辅助驾驶则采用元戎启行的方案。 宁德时代对赛豆的投资发生在其大规模推进换电业务的阶段。早在 2022 年，宁德时代就推出换电服务品牌 “乐行换电”（EVOGO），但真正开始将换电作为规模化基

最亮的光，最宽的路。 文丨李赓 编辑丨唐健博 2026 年 8 月 14 日，光互连第一次以量产身份，进入了英伟达的产品线：其 Spectrum-X 以太网硅光交换机全面量产，产品已于当年 5 至 7 月间投入生产。这是全球首款量产的基于共封装光学技术（CPO，把光学引擎直接封进芯片旁边）技术路线构建的交换机，也是英伟达下一代 AI 超级计算集群的核心部件。 近几年风光无限的英伟达频频 “跳票” 和 “调整”，透露出重重阻力。新一代旗舰计算平台 Vera Rubin 因为海力士 HBM4 内存被延期重做；Rubin 平台的四内存芯粒高配版本，因为台积电中介层良率问题，发布就被砍为两芯粒；下一代计算集群关键的机架级解决方案 Kyber NVL144，因为一块 1 平方米的 PCB 无法搞定，已经跳票到 2028 年。 受阻的原因五花八门，背后共享一套底层逻辑：由于纯半导体芯片的摩尔定律已经失效，在最顶尖的 AI 集群里，芯片周边的部件开始承担起芯片间高速通信，将它们组合成一个虚拟的 “大芯片” 的职责。 周边部件强行 “上岗”，拓展了算力的发展，也造成了效率的下降：当成千上万颗 GPU 一起训练一个大模型时，数据搬运已占掉训练时间的 30% 到 50%。更极端的是耗能口径，数据中心 90% 的能耗花在搬运数据上，仅 10% 用于实际计算。 可预见的，未来挑战还会更大：芯片算力按面积增长，互联带宽只能按边长增长（芯片 I/O 一般分布在芯片四周边缘），两者的增速差出一个平方。 光互连，正是英伟达这家行业引领者给出的解决方案。2026 年 3 月，英伟达直接向三家光通信公司投资了 60 亿美元，黄仁勋更把互连层提为 “英伟达决定收入的关键路径”。Spectrum-X 这款共封装光学交换机展示了英伟达 AI 集群最新的变化：通过全新交换机的应用，单端口功耗从 30 瓦降至 9 瓦

车企用投资方式保持与 AI、顶级人才的连接。 文丨李安琪 编辑丨龚方毅 我们独家获悉，8 月 24 日， $蔚来(NIO)$ CEO 李斌在智驾全员会上宣布，智能驾驶负责人任少卿已创立物理 AI 基础模型和具身智能独立公司，蔚来将战略投资并与之开展合作。知情人士称，“会议很简短，没有提及组织架构变动。” 一位参与此次全员会的人士称，李斌和任少卿在会议上明确表示，任少卿将继续担任蔚来智能驾驶业务负责人。 随着新公司的成立，任少卿未来如何在蔚来智驾业务和新公司之间分配精力，会成为外界关注的问题。我们了解到任少卿创立的新公司已经完成注册，估值达到独角兽级别。 接近蔚来管理层的人士表示，蔚来长期关注 AI 前沿技术，以自主研发与开放合作并重的方式进行产业布局。近年来，蔚来在芯片、操作系统等关键技术领域持续投入并取得关键进展，同时通过战略合作、产业协同等方式围绕具身智能、算法模型、智能硬件、新能源与算力基础设施等方向持续支持创新企业发展。 2020 年加入蔚来后，任少卿推动蔚来高阶智驾的量产自研，经历了蔚来智驾算法从传统模块化方案向端到端、世界模型等新架构演进，也参与推动了蔚来自研智驾芯片神玑 NX9031 的量产落地，芯片硬件平台从 4 颗英伟达 Orin 芯片切换到 1 颗自研神玑芯片。 具体路径上，蔚来从 2023 年启动世界模型研发，2024 年发布应用于智能辅助驾驶的世界模型，2025 年开始量产推送。今年 6 月，蔚来完成世界模型新版本推送，覆盖超过 70 万用户。新版本将技术框架升级为 “世界模型 + 监督微调 + 闭环强化学习”，外采芯片和自研芯片平台同步发版。 除了在蔚来任职，2025 年 9 月，任少卿加入中国科学技术大学，担任讲席教授、博士生导师和通用人工智能研究所所长，研究方向包括

联影医疗的 48 倍市盈率，买的是设备，还是数据？ 文丨胡昊 近些年，关于 “联影” 容易产生混淆的，不是其产品和技术，而是这个主语（或主体）本身。 现在的联影正在向市场递上一张身份图谱，展现的是联影集团及其下属各个子公司的结构与业务，同时传递下一阶段集团层面的总体战略思路及规划。 按照公开信息，联影集团旗下有八大战略子公司，分别为， - 联影医疗（上市公司），核心业务是自主研发及销售医学影像与放疗设备； - 联影智能，专注医疗 AI 解决方案，服务临床诊疗、科研及设备工作流的优化； - 联影智融，聚焦手术机器人治疗与耗材，全覆盖临床需求； - 联影智慧，负责精准医疗健康管理及医学影像服务投资运营； - 联影微电子，从事医疗级模拟信号芯片和低功率 SoC 研发，提供医疗可穿戴设备； - 联影科学仪器，专注科学仪器，赋能基础与科研探索； - 联影研究院，开展前瞻性技术研究。 这张图谱的意思很明确，联影不再只把自己定义成一家影像设备公司，而要做成覆盖预防、诊断、治疗、康复的集团生态，同时将研发领域纵向延伸至底层芯片设计与终端可穿戴设备上。以此，联影在宣布其未来的战场将会从联影医疗所代表的医疗影像设备，重心逐步转移到其他子公司所在的领域，并在集团内部搭建与彼此的协同。 市场习惯把 “联影” 等同于科创板上市公司联影医疗，这当然是对联影医疗影像设备在国内取得高市占率的肯定，并且联影医疗也是现阶段集团里唯一能量化经营数据的大规模商业主体；但从集团层面，现在的联影医疗尽管仍然有较高的增长，但其 “设备商” 的强业务属性已经在某种程度上限制了市场对联影整个集团的发展想象，后者需要的是更大想象空间和增长叙事的平台型商业模式，而不只是把一台设备卖得越来越贵。 为此，联影集团近来将战略重心倾斜至旗下的联影智融和联影智能，因为这两家公司的业务属性相较于联影医疗而言，会更加具有明显的 “经常性收

具身大脑走向 “大一统”。 文丨江思远 北京人形大模型负责人鞠笑竹说，他们过去一段时间的训练工作里，频繁出现 “Aha Moment”——这让他看到了具身迈向 AGI 终局的可能性，让北京人形坚定了一种 “快速迭代” 的 “体系化” 的技术攻坚打法。 这种底气既来自于对自身模型团队工作的自信，同样也源于对身处快速发展期的具身技术发展规律的认知——越是早期，团队能做的事情就越多；越是有分歧，敢押注非共识就越珍贵。 本期播客中的三位嘉宾都是从大语言模型领域转投具身大脑和世界模型研究的。 北京人形多模态大模型资深专家代勇说，如果把具身的智能发展阶段和 LLM 的技术历史对比，今天的具身既不是在 GPT-1 更不在 GPT-3.5，反而更像是 Bert。 当 Transformer 出现后，人们先探索的是 Bert。而 Bert 则像是一种专有模型的解决方案。代勇说，在 Bert 技术框架下，会有 “各种各样的任务”，随后在 “预训练模型” 的基础上根据各种不同的任务微调。因此每一个任务和场景都会有自己的微调模型。 因此，GPT 其实可以看作是一种智能的 “统一时刻”。它消灭了 Bert 时期五花八门的模型，让一个模型可以适应各种不同的任务。 今天具身和 Bert 时期很像，因为它也处在一种范式尚未收敛，处在一个 “模型结构、训练范式、数据都没有统一” 的技术时期。 “处在 Bert 时代的人不知道自己在 Bert 时代”，前** AI 首席专家、前小艺大模型技术负责人唐都钰说，研究员根据不同的场景训练不同的模型，堆更多的数据喂给模型，Bert 能力也会上涨。由于 Bert 是双向 Attention，“所以在早期 Bert 上做理解任务，效果可能就是会比 GPT 还要好”。 今天具身行业对大脑路线的不确定性和共识并存。 模型缺少评测标准的基础设施、场景落地高度依赖后训练、对 V

父辈建立百亿公司，他接手面临一个新世界。 文丨管艺雯 徐煜萌 编辑丨黄俊杰 公司创始人二代接班天然带有争议。血缘可以让他们坐上那个位置，但不能回答他们为什么配得上。父辈不需要解释自己，但接班人的一举一动都被注视、评判。 2024 年 9 月，侯亚孟从父辈手中接过珀莱雅总经理一职。那一年珀莱雅成为首个营收过百亿元的中国美妆公司，比第二名高出一半。它天猫旗舰店成交额超过欧莱雅、雅诗兰黛，成为中国第一。 次年初，侯亚孟提出 “双十” 战略：未来十年，珀莱雅要跻身全球美妆行业前十。这是一个激进的目标，假设全球前十的公司未来完全不增长，珀莱雅也得保持每年 15% - 17% 的增速，才能在十年后追上。 从中国第一到全球前十，距离是从卖好单个产品变成有效经营一个品牌矩阵。欧莱雅自研独占成分、连续几十年卖好王牌单品、持续收购并催化品牌成长，让它能在全球分散配置业务，渡过一次次消费潮流改变、经济危机。中国美妆护肤公司想要穿越不确定的环境，也得获得这样的能力。 对侯亚孟的考验立刻就来了。2025 年，珀莱雅上市九年来首次营收利润双降，而上美、毛戈平依然还有超 30% 的增速。韩束和珀莱雅主品牌的营收差距从前一年的 30 亿缩小至仅 3 亿元。 珀莱雅的爆发是侯亚孟的父辈果断抓住 “看成分买护肤品” 的消费新趋势，做出超级大单品红宝石面霜，然后一个接一个踩中了淘宝直播、抖音电商、小红书带货等渠道红利。他接班的时候，同行都变成了 “成分党”，互联网平台拿走大部分利润。 侯亚孟接班两年，主导的很多事情还在验证中：引入多位国际背景高管，7.79 亿元收购花知晓，仍在问询阶段的港股 IPO。分析师认为珀莱雅今年能恢复增长 —— 大单品红宝石面霜推出含自研原料的新版本，618 期间超过韩束成为抖音国货美妆第一，子品牌 Off&Relax 和原色波塔增速超过 100%。但子品牌目前规模尚小，加起

融资、订单和估值环环相扣，真正等待验证的，仍是技术和需求。 文丨李梓楠 申远 徐煜萌 图丨黄帧昕 编辑丨赵磊 报道收尾时，编辑问，多少台机器人上产线干活能顶一个比亚迪的工人？我无法回答。 年初，在模拟的汽车工厂里，我看着一台人形机器人将四根手指排列成平面，托起箱子，转身走到 20 米外的货架前，把东西放下。全程用时大概 90 秒，效率可能只有人类的 30%。 上个月，在一家轴承制造厂里，另一台机器人伸出爪子，从托盘上捡起轴承，转身放到左边的塑料盒子里，这个动作人类 2 秒就能完成，它用了 70 秒，再快十倍也进不了厂。 造这两台机器人的公司，一个估值近 400 亿元；另一个估值超过 10 亿美元，成立至今不到一年，融了 5 轮。 最领先的工作机器人可能在特斯拉。为了搬起重物，它全身安装了二十八个高精度行星滚柱丝杠，每一根造价都要近千元。而一台全尺寸通用人形机器人平均售价 20 万，约等于一位比亚迪工人 40 个月的薪水，折旧时间不到 10 个月。如果用了高自由度灵巧手，一双造价超过 15 万，每天工作 8 小时，10 天就得返修。 显然，开 5000 月薪也能招到人的中国工厂目前暂时不会用这样的机器人，可前三名的灵巧手公司估值都到了 200 亿元。 根据摩根士丹利研报，去年中国实际出货的具身机器人超过万台， $宇树科技-W(688836)$ 卖了 5215 台。8 月 19 日上市后，宇树市值一度超过 4000 亿。目前，理想、蔚来、小鹏、零跑四家新势力车企的市值加起来也只有 3000 亿，去年它们卖掉了 175 万辆车。 根据 IT 桔子的统计，2026 上半年国内具身智能融资总额超过 900 亿人民币，估值超百亿的企业多达 22 家。资金从机器人本体涌向灵巧手、数据、关节模组和触觉传感

分化的尽头，是习惯的竞争。 文丨唐健博 “现代火箭的直径，由两千年前两匹马的屁股决定。” 这是工程界长时间流传着的段子。2016 年前，我国在役火箭通常由火车运到发射地，考虑到火车宽度、隧道宽度以及铁轨宽度的综合限制，火箭最大直径一直保持在 3.35 米。现今国际通用铁轨标准轨距为 1435 毫米，它沿自一百多年前的马拉轨道，马拉轨道沿自更早的罗马战车辙印，而罗马战车的车宽，刚好并排容得下两匹战马的屁股。 段子实际讲述的是路径依赖：约束一旦沉淀为标准，就会沿着产业链向下传递，后来者默认遵循，鲜有人追问为什么。 路径依赖是一种 “偷懒”，直板手机 “偷懒” 了近 20 年。 2007 年，第一代 iPhone 正式问世，正面仅有 3.5 英寸触摸屏和一颗按键，在当时可谓离经叛道。人们普遍认为 “手机高端程度与按键数量成正比”，约定俗成的观念被 iPhone 打破。三年后 iPhone 4 的爆火引来了更多的追随者，到今天，几乎所有直板手机都长着同一张脸，为了显示更多内容同时迁就手掌，屏幕比例越来越长，从 16:9，走到 19.5:9、20:9，再到 21:9。 直板机的同质化让上下游都产生了惯性：用户摆脱了键盘拥抱触摸屏，开发者适应了全新的适配框架，而供应链被商业逻辑推向标准化、提效降本，代价则是掉头的难度越来越大，下一代产品依旧遵循此路径。 James Utterback 在《把握创新》中勾勒的创新正指向这一点，同质化是下一场创新的起点。 2026 年 8 月 20 日，**带来全球首款阔直板——**Pura X View。它的屏幕比例为 16:9.5，比一众细长的手机显得胖一些，与此前**发布的 Pura X 与 Pura X Max 两款产品共享同一种设计语言，只不过面向更大空间的直板机市场。 从过去的阔折叠反馈来看，消费者对新形态会产生极大的好奇心。手机行业遵从了近

一名 60 后女性创业者走向舞台中央的故事。 文丨郭海惟 访谈丨宋玮 郭海惟 2019 年，51 岁的仇肖莘创立了爱芯元智。在此之前，她在国外生活了 28 年，有了丈夫、女儿以及一份博通副总裁的职务。她决定回国，起初是出于对 5G 的执念：博通放弃了手机主芯片业务，但她觉得自己 “5G 还没有做完”，所以 “一听到让我做 5G，就来了”。 七年以后，58 岁的仇肖莘在港交所敲钟，爱芯元智被市场称为 “边缘计算芯片第一股”。成为了横跨终端计算、智驾和边缘 AI 三大业务板块、在垂直领域覆盖高-中-低算力需求场景，累计出货量超 2 亿颗的 AI 芯片公司。 然而在爱芯元智之前，“创业” 从来没进入过她的人生规划里。 仇肖莘在博通经历了多任 CEO，但 “团队的工作方式没有发生过太大改变”。而回到国内后，仇肖莘却说很多事情她 “需要重新适应”。海外的职场环境习惯了直呼其名，但是在大洋此岸，人们习惯叫她 “仇总”。她一开始不适应，“纠正了很久，还是放弃了”。 从展锐 CTO 卸任后，元禾璞华陈大同对她说，如果真的还想做芯片，那么一定要留在中国，因为机会更多。那段时间，恰逢中国科技行业发生了很多足以载入史册的变化，“很多意外组合在一起，环境创造出来一个场景”，最终让仇肖莘成为了一名中国芯片的创业者，“就是想把这件事做成”。 有老员工说，仇肖莘像一株植物： 她情绪稳定，举止有涵养，想事情条理分明，生活秩序井然，没有那种旺盛到溢出来的 Ego，也从来没有停止过生长。 仇肖莘每天早上五点起床，处理隔夜的信息、跟家人打视频电话、跑步。她说 “跑步会让自己心情愉悦”、工作是自己 “最大的爱好”。她早上九点抵达公司，然后一直工作到睡觉。她保持定期拜访客户的习惯，学会了掼蛋，习惯了白酒，反思过去想当然的博通式的管理风格，主动理解和适应一种符合中国文化语境的管理风格与经营方式。 她开始读懂甚至预判

“集中资源，减少 overlap，内聚在一起。” 文丨陈佳惠 编辑丨高洪浩 我们了解到，字节跳动的大模型部门 Seed 已于上周完成了新一轮的组织调整。 其中最关键的部分是 Seed Foundation Model （Seed 基础模型）成立了四个新的一级部门： Pretrain Data，负责人李成刚。由原先分散在文本模型、编程、视觉理解和语音等方向的预训练数据团队合并而来，统一负责新 Omni 模型的多模态数据，以及超大模型预训练所需的数据工作。 Horizon RL，负责人唐晟宇。整合了此前散落在后训练、推理和视觉理解的后训练团队，主要负责强化学习，提升模型的基础智能上限。 Product Posttrain-Work，负责人秦禹嘉。新部门主要服务 B 端应用，负责 Agentic 模型的整合与发布，并针对办公场景优化模型的 Agentic 能力，包括支持豆包和 Dola 的任务模式。 原本由朱文佳负责的 Application 团队继续保留，并更名为 Product Posttrain-Chat，主要服务 C 端应用，负责对话模型的整合与发布，与 Product Posttrain-Work 分工协作。 四个新部门的负责人均向吴永辉汇报。此外，Seed 还为 AI 安全及其他前沿探索方向分别任命了负责人。 8 月初，字节跳动讨论训练一个参数规模超过 5 万亿的模型。同时，字节也希望下一代模型直接走向能处理更长、更复杂任务的全模态（Omni）。这也给了字节更强的动力和决心去打破原有的团队边界与分工模式。Seed 在这次调整公告中也提到：“合并相似工作、减少 overlap（重合），内聚在一起”。 过去，Seed 主要按照模态和研究方向划分团队，文本、代码、视觉、推理等方向都有自己的数据、后训练团队。这种组织方式在大模型研发早期有利于快速补齐不同能力，但随着研究方向

墨奇明年将实现千台级机器人交付。 文丨李安琪 2025 年底创业前，黄青虬花了几个月调研具身智能。他发现，机器人做家务的实际成功率远低于公开视频；看起来成熟的硬件，响应速度和一致性仍有问题；算法模型名词不断更新，但机器人稳定工作的能力进展有限。 他的结论是：自己用半年到一年，有机会赶上同行过去两三年的进度。 这个判断面对的是一个迅速拥挤的市场。到今年，一批更早成立的具身智能公司估值已经突破 200 亿元，人才、资金和产业资源也在加速向头部聚集。后发公司不仅要追技术进度，还要证明自己还有哪些机会。 黄青虬的自信很大程度来自过去五年的智能驾驶经历。2020 年，黄青虬以 “天才少年” 身份加入**，先后参与 ADS 1.0 到 ADS 4.0 的开发，做过激光雷达感知、BEV 融合，也参与搭建数据闭环。离职前，他担任 AI 模型开发部部长，管理 200 多人，是**智驾最年轻的技术管理者之一。 在**的五年，他经历了智驾从模块化、规则系统，到 AI 驱动、端到端模型的多次切换。具体技术会变，但技术审美、快速验证和迭代的能力可以留下。 他想把这部分经验带进机器人行业。十多年前，黄青虬在清华大学自动化专业就读期间，参加机器人足球比赛。那时，一台身高 1.6 米的机器人只要站在场上不倒，就有可能进入比赛前八；如果能走起来，有机会进入前四。 今天机器人已经开始尝试收拾酒店房间、操作柔性物体和连续工作。任务复杂了，真实世界暴露的问题也从一个单点技术，变成了模型、数据、软件和硬件之间的相互牵制。 2025 年底，黄青虬与高文礼共同成立墨奇智能。半年里，公司获得超过 10 亿元融资，团队扩张至 150 多人，同时投入模型、数据、软件和硬件。 今年 7 月，我们在深圳见到黄青虬。他说话很快但温和，偶尔流露出少年气。他说，墨奇的目标是做一台真正进入家庭、能够干活的通用机器人，但在实现路径上，公

工程没有弯道超车。 文丨李梓楠 黄俊杰 编辑丨黄俊杰 8 月 19 日早上 7 点 35 分，二十五层楼高、六百多吨重的朱雀三号火箭再次摆脱地心引力，飞入近地轨道。 两分多钟后，助推器和携带一颗卫星的二级火箭成功分离。发射不到十分钟，助推器经过两次反推减速，缓慢落在距离发射场 390 公里外甘肃民勤县的回收场。 继长征十号乙，朱雀三号成为中国第二枚成功入轨并回收一级助推器的可复用火箭。它的制造商蓝箭航天成为中国首家成功回收火箭的民营企业——中国商业航天 11 年的投入与等待终于有了回应。 这枚火箭的尺寸与 SpaceX 目前的主力猎鹰 9 号相当，整体技术路线与星舰类似，用不锈钢箭体和液氧甲烷发动机，这让它有可能实现比猎鹰 9 更低的发射成本。 朱雀三号采用了稍微牺牲运载能力的支腿落地回收方式，这能让它们在更短时间内修整然后再次发射，因为工程师只需要维护火箭，无需修整地面回收装置。 商业航天是当下最热门的科技赛道之一。目前中国有超过 20 家火箭公司和 80 多款火箭。 蓝箭航天 2015 年 6 月成立时，SpaceX 的猎鹰 9 号尚未成功回收复用，而中国航天业则刚向社会资本开放。一位投资人说，整个行业 “除了机会，什么都没有。” 现在蓝箭有超过 1200 名员工，估值超过 750 亿，是中国商业航天领域最成功的公司。 蓝箭的崛起得益于早而坚定的投入，以及高度自研的发展模式。蓝箭创始人张昌武很早意识到火箭的关键子系统 “靠买是买不来的。” 蓝箭从 2017 年开始自研发动机，也是业内最早自建试车台、发射场和火箭工厂的公司之一。这让蓝箭能掌握绝大部分关键技术，并在内部快速迭代，而不依靠外部供应链。 朱雀三号副总设计师董锴告诉我们，他第一次见到张昌武时问，“蓝箭要不要干可回收火箭。” 张昌武说自己一直都想做，但他不确定做成这件事要多少资源，蓝箭够不够格。 当时朱雀二号火箭

中国大模型的远征。 文丨李赓 编辑丨唐健博 2026 年 6 月 17 日，智谱发布 GLM-5.2，在 Artificial Analysis 智能指数中排名全球第三，富瑞发布研报称其为 “中国 AI 的发展里程碑”。 不到一个月，7 月 16 日深夜，月之暗面发布 Kimi K3。2.8 万亿参数，1679 分登顶 Frontend Code Arena，Artificial Analysis 智能指数 57 分——全球第三，开源历史最高。发布 48 小时内，用户请求量逼近算力集群的物理极限，月之暗面宣布暂停 C 端新订阅；72 小时内，美股 AI 板块蒸发 4700 亿美元，费城半导体指数一周下跌 12.5%。市场称之为 “DeepSeek 时刻 2.0”。 8 月首周，全球最大的 AI 模型调用平台 OpenRouter 上，排名前 10 的模型有 6 个来自中国。排第一的 DeepSeek V4 Flash 单周处理 8.2 万亿 tokens，环比上涨超过 999%。美国最强的 GPT-5.6 Luna 排在第五。该平台 47% 的用户是美国开发者，中国用户只占 6%。 a16z 合伙人马丁·卡萨多向《经济学人》透露：前来融资的硅谷 AI 初创公司中，使用中国开源模型的比例可能高达 80%。a16z 引用 Sensor Tower 上 Kimi K3 付费订阅数据给出的总结流传甚广：“America debates Chinese AI while the rest of the world buys it.”——美国人在争论，世界在下单。 在 “下单” 的还有资本。据了解，月之暗面 F 轮早在 6 月已经开始，大部分投资方的决策在 K3 发布前就已敲定，7 月底完成交割，融资额超 35 亿美元，约合人民币 250 亿（当时汇率）。在这份投资方名单中，涵盖了此

最好的一批智驾工程师都在离开车企去造机器人。 文丨李安琪 龚方毅 编辑丨龚方毅 黄俊杰 过去两年，“汽车” 和 “智驾” 在资本市场持续贬值。地平线股价一年跌去四成；上汽集团市值一度低于账上现金；更多公司长期市值低于净资产。 汽车品牌和供应商急着换标签：我们做的不是汽车，是 AI。Momenta 上市路演自称 “物理 AI”，德赛西威称要 “成为一家 AI 机器人公司”；做零部件的福赛科技，凭 “布局机器人”，股价一年涨了近五倍。 $理想汽车(LI)$ 是最早讲 AI 转型的公司之一。2022 年 9 月李想把 AI 定为公司最关键的长期方向，2023 年初确立成为全球领先人工智能企业的愿景。那时多数同行还在盯销量和价格战。 2026 年 1 月 26 日，李想在战略宣贯会上说：“2026 年是想要成为 AI 头部公司上车的最后一年。” 这场会原本只面向智能化团队，前一晚临时扩大到几乎全员。 两天后，理想重组研发体系：原本按智能驾驶、智能座舱等汽车功能划分的团队，改按基座模型、软件本体和人形机器人分工。智驾降为基座模型的下属团队，后者和机器人部门获得更高优先级。 但在李想不断抬高 AI 目标的两年里，超 20 名技术骨干离开。其中至少 6 人曾任高级管理者或关键技术负责人。据我们不完全统计，理想前员工创办、联合创办或加入的具身智能公司至少 6 家，其中两家估值已超 10 亿美元。 我们访谈了近 20 位理想在职和离职员工，还原了 AI 转型两年的来龙去脉，以及它如何催化人员变动。 “端到端” 后来居上，让理想认为 AI 可以加速技术追赶 理想 2023 年开始追赶城市 NOA（城市领航辅助驾驶），晚于小鹏、**，人也更少。传统智驾靠规则驱动——工程师为路上每一种情况手写应对逻辑，多个模块分别完成感

当 HBM 抬升、ASIC 合纵，英伟达正用连横反制重写 “AI 工厂” 的权力秩序。 文丨胡昊 刚进入 8 月，一系列关于 AI 产业的消息或传言陆续涌现， - 8 月 3 日，市场传出 $英伟达(NVDA)$ 调整其下一代 Rubin Ultra 平台规格，将 HBM 内存配置从 288GB 降至 192GB，以应对成本与功耗的现实约束； - 同日，随着美股云厂商财报季的全面解读，市场对 AI 的定价范式已发生根本性转变，不再奖励单纯的 Capex 资本开支竞赛，而是关注 AI 投入能否通过公有云业务快速转化为可验证的收入、订单和现金流，这已成为区分领跑者和落后者的关键； - 8 月 4 日，市场传出三大存储原厂 2027 年的 HBM 及 DRAM 产能已全部分配完毕，不仅覆盖了头部 CSP 的长期协议，甚至连中小客户的份额也已敲定，标志着供给侧的确定性锁死； - 同日，据中国新闻网援引外媒报道，美国政府正在起草一项禁令，禁止进口中国新型数据中心组件（光模块）的禁令，以保护国内正在大力发展的 AI 基础设施产业； - 8 月 5 日，马斯克在 SpaceX 财报电话会上首次明确了公司 AI 算力部署的激进目标，即到 2027 年底将部署接近 10GW 的英伟达 GPU 算力，这一规模远超市场此前预期的 1GW~2GW，并确认未来将独家采用英伟达 Vera Rubin 架构； - 8 月 10 日，英伟达宣布与 Apollo、贝莱德、黑石、博枫、高盛和 KKR 合作建立资金规模超 5000 亿美元的独立融资平台，以第三方资本的身份支持相关的 AI 基础设施建设。 上述信息传递的内容包括， - 目前英伟达正在（或正试图）将上游 CSP 资本开支的主要落点从内存芯片重新分配至光互联，以此提升系

项目还在早期阶段。 文丨李安琪 编辑丨龚方毅 我们从多个信源处获悉， $理想汽车(LI)$ 正在探索自研云端推理芯片，将采用与智驾芯片相同的数据流架构，项目还在早期阶段。 AI 数据中心普遍使用 GPU 完成模型训练和推理，也有数据中心部署云端推理芯片。一位芯片行业人士说，云端推理芯片可以承接部分原本在 GPU 上运行的推理任务，例如智驾模型的数据处理、测试、仿真，以及大语言模型的请求处理。模型训练中涉及参数更新的部分仍需训练芯片。 我们从业内人士处了解到，数据流架构从车端走向云端在技术上可行。一种路径是复用车端 NPU（AI 处理器）的计算设计，将多个 AI 计算晶粒封装在一起，配套高带宽内存和高速互联，组成规模更大的推理芯片。车端和云端由此可以复用部分设计和软件工具，分摊研发成本。 但云端芯片不是车端芯片的简单放大。车端模型、传感器输入和运行节奏相对固定，主要追求低功耗、低延迟和稳定执行；云端需要同时处理更多模型，模型更新更快，输入长度和并发请求波动更大，还涉及高带宽内存、多芯片互联、动态批处理和集群调度。 “一颗芯片做到某个性能指标不是最难的，真正困难的是让整套推理成本具备竞争力。“这位人士说。数据流架构从车端延伸到云端能否形成成本优势，取决于模型适配能力和系统运行效率。 SambaNova、Groq、Tenstorrent 等海外公司也在探索数据流架构。SambaNova 和 Groq 的核心团队分别来自斯坦福和谷歌 TPU（张量处理单元）项目，Tenstorrent 由曾负责特斯拉自动驾驶芯片的 Jim Keller 领导。与 GPU 相比，数据流架构在模型通用性、软件生态和规模化部署方面仍需验证。 在理想推进云端推理芯片的同时，《晚点 Auto》也从多渠道确认，理想芯片的软件研发负责人