一份拓展中的 AI 地圖。

文丨程曼祺

3. 巨頭的 AI 之戰(zhàn)：字節(jié)、阿里、騰訊

關(guān)鍵詞：人才和組織之戰(zhàn)、To C 應(yīng)用大戰(zhàn)、即將到來的春節(jié)之戰(zhàn)

從本輪 AI 熱潮起點開始，《晚點》持續(xù)跟蹤報道互聯(lián)網(wǎng)大公司，尤其是中國大公司的 AI 動向，其中最有實力的是三家：字節(jié)、阿里、騰訊。

25 年，我們對這三家公司的 AI 動作有兩輪集中報道：春節(jié)后陸續(xù)發(fā)布的四篇報道：《騰訊在 AI 拐點到來前的 700 天》（高洪浩）、《字節(jié) AI 再創(chuàng)業(yè)：獨立組織、全鏈條的飽和出擊》（王與桐）、《重新認識阿里：大踏步邁向 AI》（管藝雯）、《字節(jié)、阿里、騰訊的 AI 人才競賽：2330 個研究者背后的共識與分歧》（賀乾明、黃幀昕），以及前不久發(fā)布的《字節(jié)、阿里、騰訊 AI 大戰(zhàn)全記錄：一場影響命運的戰(zhàn)爭》（高洪浩）。這些報道涵蓋我們觀察科技巨頭做 AI 的幾個關(guān)鍵視角。

人才和組織之戰(zhàn)

字節(jié)：創(chuàng)業(yè)方式做 AI，吸納 AI 原生人才

首先是人才和組織，這直接關(guān)系各公司最底層的模型實力。

字節(jié)的 AI 部門相對獨立，它試圖通過營造一個小環(huán)境，以創(chuàng)業(yè)公司的方式運行，從而擺脫十幾萬人龐大組織的重力。

25 年之前，字節(jié)成立了三個相對獨立的部門：負責產(chǎn)品的 Flow（豆包產(chǎn)品團隊隸屬于此）、負責模型研發(fā)的 Seed，以及提供后端研發(fā)支持的 Stone。這三塊業(yè)務(wù)最初的負責人均為字節(jié)老將：Musical.ly 創(chuàng)始人朱駿負責 Flow；2015 年從百度加入的朱文佳負責 Seed；同樣來自百度，2014 年入職的洪定坤負責 Stone。

今年，字節(jié) Seed 迎來了新的研發(fā)一號位——Google DeepMind 前研究副總裁吳永輝。業(yè)內(nèi)人士評價吳永輝是 “大佬級別的技術(shù)管理者”，能真正 “鎮(zhèn)得住場子”。

“鎮(zhèn)場” 能力之所以重要，與字節(jié)補充人才的順序有關(guān)。在吳永輝于 25 年 2 月入職前，字節(jié)在整個 24 年都在瘋狂吸納年輕技術(shù)骨干。這件事的起點可追溯至 23 年夏天，當時字節(jié)本打算投資 MiniMax 和階躍星辰，但在一次高層會議后，張一鳴明確表態(tài)：字節(jié)應(yīng)該、也能做好自己的大模型，無需對外投資。

緊接著，字節(jié)高層及張一鳴本人從 23 年底開始密集招人。我們在《字節(jié) VS 六小龍》那期節(jié)目里提到，24 年有投資人去拜訪頂尖論文的作者時，發(fā)現(xiàn)不少人都剛和張一鳴聊過。最終，字節(jié)招募了來自 Google 的蔣路、來自面壁的秦禹佳、來自零一萬物的黃文灝、智譜 AI 的丁銘，以及備受關(guān)注的阿里通義千問模型的前負責人 周暢。

當這些在業(yè)界有影響力、處于事業(yè)上升期的 Leader 匯聚一堂，吳永輝這樣一位有多年 管理經(jīng)驗的資深人士就成了符合畫像的領(lǐng)導者。這也讓 Seed 團隊中來自傳統(tǒng)搜推廣部門的人員比例降低，而像吳永輝、周暢這樣的 AI-Native 人才比例顯著上升。

不過，精兵強將也帶來了激烈的內(nèi)部競爭。以視頻生成為例，內(nèi)部有多個團隊在同步推進，部分人才（如蔣路）的流失。

一位技術(shù) Leader 對賽馬機制做了有趣的總結(jié)：健康的賽馬是多路探索，跑完這輪還有下輪，團隊有翻盤機會；但如果演變成 “拳擊”，敗者就只能退場。

阿里：人員相對穩(wěn)定、部分老人離場

自周暢離職加入字節(jié)后，阿里的 AI 團隊進入了一個相對穩(wěn)定的階段。

阿里的 AI 一號位始終是已入職十年的周靖人。他是阿里云 CTO 兼通義實驗室總負責人，也是阿里大模型開源的提議者和主導者。周靖人今年晉升為阿里合伙人，關(guān)鍵原因之一便是他帶領(lǐng)通義實驗室保證了 Qwen 系列模型的領(lǐng)先地位。

周靖人之下，通義實驗室有三個核心團隊：

- 負責主力模型 Qwen 研發(fā)的 “千問” 團隊，由 90 后林俊旸負責。林俊旸是阿里內(nèi)部培養(yǎng)的人才，2019 年從北大碩士畢業(yè)后即加入達摩院；

- 二是負責圖像、視頻生成的 “通義萬相” 團隊；

- 三是 25 年 2 月新加入的許主洪團隊，負責多模態(tài)交互模型。

與 Seed 不同，通義實驗室在此輪 AI 熱潮前已經(jīng)存在，由原達摩院多個實驗室合并而成。這導致其最初在薪酬激勵上沒那么獨立，但在 24 年底，通義對模型團隊普遍調(diào)升了薪資和職級，可以理解為對一種對市場行情的回應(yīng)。

這種并非 “高舉高打” 的起步，也帶來了意外之喜：研發(fā) Qwen 的團隊是從內(nèi)部相對邊緣的角落里自下而上生長的，規(guī)模精簡，卻通過開源大模型形成了極強的社區(qū)影響力，成為了一個自驅(qū)且強勢的團隊。目前，千問團隊也在探索具身智能 VLA、多模態(tài)等前沿領(lǐng)域，并上線了面向普通用戶的 Web 端產(chǎn)品 Qwen Chat（chat.qwen.ai）。

騰訊：總裁辦來了年輕人

25 年秋天，前 OpenAI 研究員、ReAct 作者姚順雨加入騰訊。12 月，騰訊官宣姚順雨出任總裁辦首席 AI 科學家，直接向總裁劉熾平匯報，并兼任 AI Infra 部和大語言模型部負責人。

1998 年出生的姚順雨是典型的年輕 AI 原生人才，24 年博士畢業(yè)后即加入 OpenAI。

他的加入已帶來了三個明顯變化：

- 以極高的頻率招攬新人（如從 DeepSeek 招募王炳宣）；

- 重塑目標，指出此前混元模型太盯著 Benchmark 刷榜而忽視了實際體驗；

- 組織調(diào)整，將 Infra 部門劃歸統(tǒng)一管理，強調(diào)協(xié)同設(shè)計。

相比字節(jié)先收骨干再引統(tǒng)帥，騰訊在招募姚順雨之前并無太多 AI 明星，而姚順雨本人也非常年輕，沒有太多管理經(jīng)驗。對穩(wěn)健的騰訊來說，這是一次激進的組織選擇，姚順雨更像是一條被引入的 “鯰魚”。這或許受到了 DeepSeek 的啟發(fā)：DeepSeek 證明了一群 95 后研究員同樣能做出驚艷世界的模型。騰訊這一輪調(diào)整的效果，將在 26 年得到驗證。

最后，一個中美差異是：在美國，OpenAI 等初創(chuàng)公司對人才的吸引力最大；而在中國，巨頭依然是頂尖人才的首選。正如 MiniMax 創(chuàng)始人閆俊杰所言：“客觀來說，字節(jié)的 AI 人才密度是最高的?！?/p>

To C 應(yīng)用大戰(zhàn)

對巨頭之戰(zhàn)的第二個觀察視角是各公司的應(yīng)用布局。

模型與產(chǎn)品團隊間的協(xié)作：字節(jié)更緊密，騰訊、阿里分屬兩個事業(yè)群

在 Sora App 發(fā)布后不久，Sand.ai 創(chuàng)始人曹越有一個對組織的觀察：Sora App 之所以能如此巧妙地利用模型特性開發(fā)新功能與交互，是因為 OpenAI 實現(xiàn)了從產(chǎn)業(yè)到模型的深度垂直整合，這是一種 “端到端” 的組織，產(chǎn)品需求可以高效地梯度回傳給模型。

如果以這個視角看，中國三家大公司中，字節(jié)跳動的模型與產(chǎn)品協(xié)作最為緊密。

這一年，我們通過與多位 Seed 研發(fā)人員和 Flow 產(chǎn)品團隊成員交流，綜合感受是兩個團隊協(xié)作頻次極高。Flow 的一些中層認為，Seed 的模型支持給力，有共同為產(chǎn)品服務(wù)的意識。

字節(jié)在 25 年初定下三個 AI 大目標：探索智能上限、探索新 UI 交互形式、加強規(guī)模效應(yīng)。

其中 “加強規(guī)模效應(yīng)” 值得細品。傳統(tǒng)軟件通過 “一次構(gòu)建，多次售賣” 來實現(xiàn)規(guī)模效應(yīng)，但大模型產(chǎn)品每次調(diào)用都消耗算力，更像是有 BOM 成本的制造業(yè)。字節(jié)的邏輯在于 25 年 1 月豆包 1.5 Pro 官博中提到的 “數(shù)據(jù)飛輪”：依托字節(jié)在推薦、搜索和廣告領(lǐng)域的 AB Test 經(jīng)驗，構(gòu)建了基于大規(guī)模用戶反饋的閉環(huán)優(yōu)化系統(tǒng)。

這里飛輪的兩端是「大規(guī)模用戶反饋」和 「模型實際使用體驗」，而不是模型性能本身。因為現(xiàn)階段，大量普通用戶的反饋不能直接提升模型能力，要讓模型變強，還是得靠研發(fā)人員的努力。

字節(jié)對規(guī)模效應(yīng)的表述，可能反映了，他們在努力發(fā)揮過去積累的移動互聯(lián)網(wǎng)經(jīng)驗和基礎(chǔ)設(shè)施，而且從豆包的增長看，確實取得了效果。

騰訊與阿里在 25 年都經(jīng)歷了產(chǎn)品團隊的重組。

騰訊方面，原本混元大模型與元寶 App 均隸屬于 TEG（技術(shù)工程事業(yè)群）。25 年初，騰訊總辦會決定整合分散的 AI 應(yīng)用，最終由湯道生負責的 CSIG（云與智慧產(chǎn)業(yè)事業(yè)群） 接手。元寶與原本在 PCG 的 QQ 瀏覽器、搜狗輸入法、ima 等應(yīng)用匯聚到了 CSIG，而混元研發(fā)團隊仍留在 TEG。這種模型與產(chǎn)品分屬不同事業(yè)群的架構(gòu)，考驗著跨部門的協(xié)作效率。

同時，騰訊最大的底氣——微信，始終是獨立的事業(yè)群。就在上周三，微信封掉了元寶 App 為春節(jié)大戰(zhàn)準備的 10 億元紅包分享鏈接，理由是 “整治過度營銷”。這個小插曲引發(fā)了一個疑問：面對 10 億級用戶，微信能在多大程度上深度參與騰訊的 AI 布局？

阿里的路徑更復雜。 23 年 10 月上線時，通義千問 App 與通義實驗室均在阿里云旗下。到了 24 年底，通義 To C 產(chǎn)品團隊被剝離，劃歸至吳嘉管理的智能信息事業(yè)群。這意味著產(chǎn)品與模型團隊從 “同屋” 變成了 “鄰居”。

字節(jié)是豆包、騰訊是元寶，阿里經(jīng)歷通義千問和夸克的雙線輪換

這種調(diào)整也伴隨著應(yīng)用布局的變動。相比字節(jié)豆包與騰訊元寶的品牌穩(wěn)定性，阿里經(jīng)歷了頻繁的 “輪換”：

同時起步：

“通義千問”App 24 年 10 月上線；同期，早在 2016 年就上線的夸克瀏覽器加入 AI 搜索等新功能。

夸克替代通義，成為阿里主力 AI 產(chǎn)品：

24 年 5 月，通義千問 App 改名為 “通義”；25 年 3 月，阿里將夸克定為 AI 旗艦應(yīng)用，提出 “AI 超級框” 概念。吳嘉曾說，希望夸克成為中國第一個日活過億的 AI 產(chǎn)品，但這一目標最終被豆包率先實現(xiàn)。

通義改名千問，“熹妃回宮”：

到 25 年底，原先被冷落的通義 App 再次更名為 “千問 App” 卷土重來，接通了阿里生態(tài)里的外賣、購物等生活服務(wù)。

阿里的這番調(diào)整，有些 “頭痛醫(yī)頭、腳痛醫(yī)腳”。

最初的通義千問 App 功能堆砌嚴重，展示層級缺乏重點，在整個 24 年，相比豆包、Kimi 等更具辨識度的 Chatbot 產(chǎn)品，表現(xiàn)始終不溫不火。

當時，管理該產(chǎn)品的阿里云，戰(zhàn)略重心在拓展 AI 云業(yè)務(wù)、大模型研發(fā)以及構(gòu)建模型生態(tài)。這或許解釋了阿里為何隨后將 To C 產(chǎn)品團隊悉數(shù)劃歸至吳嘉管理的智能信息事業(yè)群。阿里當時的邏輯是：Chatbot 會最先顛覆搜索，而從夸克這款瀏覽器入手改造搜索體驗，是通往 AI 產(chǎn)品最順理成章的路徑。

然而，當夸克在 25 年正式接棒后，表現(xiàn)卻差強人意。它確實吸引了大量嘗鮮者，但夸克龐大的老用戶群依然習慣于網(wǎng)盤、搜題等傳統(tǒng)功能。畢竟夸克已上線十年，承載了太多大模型時代之前的用戶習慣，難以在短時間基因突變。

近期通義 App 再次更名為 “千問 App” 卷土重來后，深度接通了阿里生態(tài)內(nèi)的生活服務(wù)，試圖成為一個能點外賣、能購物的全能 AI 助手。與此同時，阿里一改往日在投放上的克制，千問 App 的單日投放峰值達 1500 萬元。但一些阿里人士，對目前的打法持悲觀態(tài)度。他們認為，剛改頭換面的千問 App 尚不成熟，在產(chǎn)品力未打磨好的情況下大規(guī)模的投放，難以產(chǎn)生實質(zhì)留存，尤其是面對強勁的對手豆包。

字節(jié)跳動目前的布局則是 “一超多強”。 豆包作為中國首個日活過億的 AI 產(chǎn)品，不僅穩(wěn)居第一，還推出了海外版 Dola（日活破千萬）。在豆包之外，字節(jié)進行了飽和式攻擊：AI Coding 工具 Trae、智能體平臺 Coze、教育應(yīng)用 豆包愛學 等。

豆包已發(fā)展出獨特的 “人設(shè)”。它不像 ChatGPT 那樣是 “辦公室精英”，而是更親切、生活化、好玩。在抖音上，“和豆包互懟”、“讓豆包教穿搭” 的內(nèi)容已形成廣泛傳播。目前豆包已開始嘗試商業(yè)化，如 25 年 11 月上線 “商品卡” 功能。26 年，豆包如何平衡免費增長與變現(xiàn)將是核心看點。

騰訊的元寶則在 25 年春節(jié)迎來意外驚喜。 由于之前自研模型相對落后，騰訊成了大廠中接入 DeepSeek 最果斷的公司。元寶日活因此在 2 月底快速增長了 10 倍。元寶最新的嘗試是 “元寶派”，試圖通過分享鏈接將微信、QQ 的社交關(guān)系引入 AI 社交群。

總結(jié)三巨頭的 AI 策略：

- 騰訊：更重視應(yīng)用落地，策略是 “后發(fā)制人”，等待模型能力成熟的拐點。

- 阿里：強調(diào)從算力、云到模型的全棧整合，在開發(fā)者生態(tài)上積淀深厚。

- 字節(jié)跳動：建立了一個相對獨立的 “國中之國”，以創(chuàng)業(yè)公司的方式驅(qū)動模型與應(yīng)用齊頭并進。

春節(jié)之戰(zhàn)展望

今年春節(jié)的競爭態(tài)勢異常激烈：豆包已正式拿下春晚合作伙伴席位；元寶緊隨其后推出 10 億元紅包；而千問則宣布發(fā)放 30 億元紅包。

與此同時，懸在所有人頭上的最大變數(shù)是：DeepSeek-V4 究竟何時發(fā)布？效果又將如何？（補充：2 月 11 日，DeepSeek 網(wǎng)頁端已更新了底層的新模型，應(yīng)該就是 V4 的某一個版本。）

如果 DeepSeek-V4 選擇在節(jié)前發(fā)布，對騰訊的春節(jié)攻勢是個利好。雖然在現(xiàn)階段，第一梯隊模型之間的差異，大部分普通用戶可能已難以直觀感知，但 DeepSeek 有強大的品牌效應(yīng)，而元寶又是大廠產(chǎn)品中與 DeepSeek 綁定最緊的一個。

這個春節(jié)，各大公司的 AI 從業(yè)者們大概率又無法享受一個完整、愜意的假期了。

4. AI 創(chuàng)業(yè)公司們

關(guān)鍵詞：大模型第一股、5000 萬美元年收、全球化與中美之間

關(guān)于 AI 應(yīng)用的具體趨勢，前文已有討論。這一章會重點剖析 AI 創(chuàng)業(yè)的商業(yè)化進展，以及中國創(chuàng)業(yè)公司面臨的一個特殊議題：全球化。

大模型第一股：IPO 不是獎賞，而是續(xù)命的安全網(wǎng)

25 年至今，中國 AI 創(chuàng)業(yè)市場迎來一個節(jié)點事件：26 年 1 月，智譜 AI 與 MiniMax 前后腳登陸二級市場。

兩家公司上市，向公眾揭開了大模型創(chuàng)業(yè)公司的財務(wù)底牌，也能看到資本市場的短期定價。此前業(yè)內(nèi)的一種流行觀點是：中國頭部的模型能力并未被美國拉開代差，但估值卻差了兩個數(shù)量級——中國最貴的大模型公司估值在 30-40 億美元，而 OpenAI 與 Anthropic 的估值已分別飆升至超 7000 億和 3500 億美元。

然而，從財務(wù)情況也可以有另一種解讀，上周（2 月 9 日）收盤時，智譜市值約 114 億美元，MiniMax 約 185 億美元，與美方的差距縮小到了一個數(shù)量級。但看收入：智譜 25 年上半年收入約 2700 萬美元，MiniMax 前三季度約 5300 萬美元；對比之下，OpenAI 25 年營收遠超 130 億美元（Sam Altman 自稱），Anthropic 則達到 45 億美元（the Information 報道）。

當然，無論中美，基礎(chǔ)模型公司都在巨額虧損。一方面，技術(shù)競賽要求持續(xù)的研發(fā)投入；另一方面，大模型產(chǎn)品具有制造業(yè)式的 “BOM 成本”，每次調(diào)用都消耗算力。據(jù)伯恩斯坦分析師估算，OpenAI 僅在 25 年第三季度的虧損就可能高達 120 億美元。

最新市場消息是，OpenAI 和 Anthropic 計劃最早于 26 年底 IPO。中國 “大模型第一股” 的競爭比美國早了整整一年。原因很現(xiàn)實：中國一級市場的后續(xù)資金不及美國充沛，上市成了拓展定增、大規(guī)模融資的必要手段。所以在 MiniMax 上市當天的融資故事報道中，我們寫道：“大模型領(lǐng)域的 IPO 并不發(fā)生在大戰(zhàn)告一段落之后，它不是對勝者的獎賞，而是下一輪競賽的鼓點?！?更直接地說，IPO 是一張續(xù)命安全網(wǎng)。

好消息是，目前，仍堅持基礎(chǔ)模型研發(fā)且未上市的中國頭部公司已寥寥無幾，DeepSeek 依靠幻方的自有資金支持，而 Kimi（月之暗面）與階躍星辰則在近期分別完成了大額融資。

相比之下，歐美市場仍在涌現(xiàn)新成立的 Neo Lab，如 Ilya 24 年創(chuàng)立的 SSI、Mira 25 年創(chuàng)立的 Thinking Machines 等。而在國內(nèi)，由于資金門檻和巨頭競爭，23 年下半年起就很難再有新的基礎(chǔ)模型公司獲得初始融資。

這些創(chuàng)業(yè)者正在打一場 “極難模式” 的游戲。不同于移動互聯(lián)網(wǎng)時代有 iPhone 帶來的硬件紅利和自然增長，大模型目前仍運行在存量硬件上?，F(xiàn)存巨頭不僅掌握著流量入口，且均已親自下場自研模型，缺乏收購意愿。對于基礎(chǔ)模型創(chuàng)業(yè)者而言，僅僅維持生存是不夠的，不達到足夠體量的成功，也可以算是一種失敗。

5000 萬美元 ARR 的 AI 應(yīng)用公司有多少家？

據(jù)不完全統(tǒng)計，全球 ARR（年度經(jīng)常性收入，以一段時間的訂閱收入折算到一年的收入；當公司快速增長時，ARR 往往大于實際收入）超過或等于 5,000 萬美元的 AI 原生企業(yè)約有 40-70 家，主要集中在 AI Coding、內(nèi)容創(chuàng)作 Agent、法律及教育等場景。代表公司包括 Perplexity、Cursor、Runway、HeyGen、Harvey 等。

在中國背景或華人創(chuàng)立的公司中，達到或接近這一量級的公司有：

- Manus（蝴蝶效應(yīng)）：作為通用 Agent 的代表，于 25 年底以超過 20 億美元的價格被 Meta 收購。這對堅持創(chuàng)業(yè)十年的團隊來說是一個 “童話故事”。

- Genspark：由前小度 CEO 景鯤創(chuàng)立，25 年 9 月宣布 ARR 達到 5000 萬美元。

- OpenArt：由 Coco Mao 創(chuàng)立，20 人的精干團隊實現(xiàn)了 7000 萬美元的 ARR。

- PixVerse 與 Lovart：PixVerse 25 年總收入應(yīng)已超過 4,000 萬美元；Lovart 在 10 月時宣布，ARR 已突破 3,000 萬美元。

視頻與語音生成公司（如 ElevenLabs）之所以能殺出重圍，是因為多模態(tài)技術(shù)與大語言模型的主軸并不完全重疊，這為創(chuàng)業(yè)公司留下了獨特的空間。

這里推薦一個由一位創(chuàng)業(yè)者 Henry Shi 維護的 “Top Lean AI” 榜單。他相信 AI 會催生 “人數(shù)極少、收入極大” 的公司。榜單中收錄了許多人均創(chuàng)收超 100 萬美元的團隊，最新名單是 44 家，其中 14 家總 ARR 超過 5000 萬美元。

相比基礎(chǔ)大模型公司 “Go Big or Go Home” 的殘酷，AI 應(yīng)用團隊的活法更多樣：可以追求小而美的極致效率，可以尋求被巨頭收購，也可以在巨頭無暇顧及的縫隙里先立足。當然，再謀求縱深發(fā)展，比如 Cursor、Perplexity 都已在訓練自己的模型。

全球化與中美之間

想分享三個 AI 創(chuàng)業(yè)團隊的對比，它們恰好折射了開發(fā)者們在不同時間點做出的不同選擇。

HeyGen

前面提到過，這是一家年營收已突破 5,000 萬美元、主打視頻數(shù)字人生成的公司。HeyGen 創(chuàng)立之初，曾同時在舊金山和深圳設(shè)有團隊，國內(nèi)主體名為 “詩云科技”。然而，早在 23 年 12 月，詩云科技便已申請注銷。這是一個在 AI 浪潮還未全面破圈時，就敏銳察覺風向并早早做出抉擇的例子。

Manus

Manus 背后的 “蝴蝶效應(yīng)” 公司在 25 年 6 月將總部遷至新加坡。從地理和市場角度看，這是一個相對中庸且穩(wěn)妥的折中選擇。然而，在 25 年底官宣被 Meta 以 20 億美元收購后，26 年 1 月，中國商務(wù)部表示將會同有關(guān)部門對該項收購進行合規(guī)性審查。

MiroMind 中國研發(fā)團隊

MiroMind 是陳天橋在受 DeepSeek 啟發(fā)后，出資支持成立的 AI 團隊。當時梁文鋒向陳天橋推薦了代季峰作為研發(fā)負責人，代季峰曾長期在微軟亞研院和商湯工作，后任教于清華大學電子工程系。

26 年 1 月初，團隊發(fā)布了首個主打深度研究（Deep Research）的 30B 小模型 MiroThinker 1.5。然而，發(fā)布不到半月，代季峰便確認離職。據(jù)了解，由于法律合規(guī)及地緣因素，陳天橋難以繼續(xù)支持國內(nèi)的這部分研發(fā)力量，原中國團隊不得不突然尋求獨立融資或新的發(fā)展空間。

這三個團隊的境遇，折射了 23 年到 25 年間，AI 競爭已徹底成為大國博弈的核心一環(huán)。它不僅關(guān)乎算法與算力，更受到市場以外的諸多因素制約。

這是所有創(chuàng)業(yè)者必須直面的現(xiàn)實：美國也有公司不要中國市場，比如 Anthropic。

回到那些希望基于全球頂尖模型開發(fā)應(yīng)用的創(chuàng)業(yè)者，決策基點或許在于：

- 核心驅(qū)動力：全球最領(lǐng)先的模型在未來一段時間內(nèi)將由誰主導？

- 場景匹配度：你服務(wù)的場景需要的是最尖端的技術(shù)探索，還是極致的性價比？

- 發(fā)展策略：是優(yōu)先追求產(chǎn)品性能與規(guī)模、忍受長期虧損，還是尋求階段性盈利以自保？

開源社區(qū)與全球研發(fā)共同體之間依然存在著超越國界的協(xié)作。人類最重要的技術(shù)進展，很難長期被限制在某個狹小范圍內(nèi)。當然，這個 “長期” 到底是多久，將直接決定一批公司的成敗與生死。

5. 具身智能

關(guān)鍵詞：投資與上市潮、具身智能三要素、落地應(yīng)用

投資與上市潮：具身智能的中國優(yōu)勢

根據(jù)中國信通院《具身智能發(fā)展報告（2025）》，截至 25 年底，中國具身智能和機器人領(lǐng)域的年度融資總額已高達 735 億元。對比之下，幾家頭部大模型公司（含智譜、MiniMax IPO 融資）的同期融資總額約為 182 億元。

火熱也體現(xiàn)在估值上。在美國，具身公司的估值遠低于大模型公司，如最貴的 Figure 估值 390 億美元，是 OpenAI 的 1/20。而在中國，兩者并駕齊驅(qū)：銀河通用在 25 年底估值已達到 30 億美元；而即將于 26 年上半年 IPO 的宇樹科技，市場對其市值預(yù)期甚至直指 500 億乃至千億元人民幣。

同時，源源不斷的新具身團隊仍在涌現(xiàn)，25 年新成立的公司就有：從華為、百度自動駕駛部門走出的陳亦倫、李震宇創(chuàng)立了它石智航；曠視聯(lián)創(chuàng)唐文斌等人創(chuàng)立了 “原力靈機”；理想前自動駕駛技術(shù)研發(fā)負責人賈鵬等人創(chuàng)立的至簡動力；華為諾亞方舟實驗室前首席研究員李銀川創(chuàng)立的諾因知行；月之暗面前強化學負責人宋鴻涌創(chuàng)立的 Android 16；以及星海圖聯(lián)創(chuàng)許華哲，也正在籌劃新一次創(chuàng)業(yè)。

為什么具身智能在中國格外火熱？除了技術(shù)變化的驅(qū)動，還有三個原因：

1. 政策與制造業(yè)紅利：具身智能有硬件本體，是地方政府招商引資的 “舒適區(qū)”，能落地看得見的產(chǎn)線。全國已建成及在建的 “具身智能訓練場” 已接近 30 家，這種 “遙操作采集數(shù)據(jù)” 的場景本身就帶動了具身智能機器人的初期收入和應(yīng)用落地。
2. 供應(yīng)鏈比較優(yōu)勢：中國成熟的供應(yīng)鏈能顯著降低本體成本。例如，宇樹科技推出的 10 萬元級人形機器人，已成為全球?qū)嶒炇业闹髁鏖_發(fā)工具。
3. 更明確的退出路徑：中國二級市場對制造業(yè)更友好。除了宇樹，智元、銀河通用、星海圖等公司據(jù)傳均計劃在 26 年沖擊 IPO，他們多選擇港股。即使是像智元機器人收購上緯新材股權(quán)這種尚未完成實質(zhì) “借殼” 的動作，也能讓后者的市值從 30 億暴漲至 500 億以上。

一批具身公司計劃上市，港股宏觀行情可能發(fā)生波動，以及很多公司還在虧損——這幾個因素碰到一起——這場具身上市潮會如何發(fā)展？會成為 26 年非常值得關(guān)注的一個行業(yè)懸念。

具身智能三要素：數(shù)據(jù)、模型與本體

具身智能進展可被觀察的 3 個核心指標是：數(shù)據(jù)、模型和硬件本體。

其中，數(shù)據(jù)和模型，是和智能能力直接相關(guān)的。行業(yè)的共識是，數(shù)據(jù)是當前的最重要課題，更準確說，是如何規(guī)模化且相對低成本地獲取大量、有效的數(shù)據(jù)。

在怎么獲取數(shù)據(jù)上，現(xiàn)在是八仙過海、各顯神通。主要的方式有以下幾種：

- 通過遙操作來獲取真機數(shù)據(jù)，這個方式需要造很多機器人，投入比較大；

- 在仿真環(huán)境里獲得數(shù)據(jù)，再遷移到真機上，即 Sim-to-real；

- 從視頻里獲得數(shù)據(jù)；

- UMI（universal manipulation interface），主要是通過讓人在做任務(wù)時，戴上手套等可穿戴設(shè)備，來采集手部位姿、力控等數(shù)據(jù)。

- 讓機器人自己做任務(wù)，失敗后自己調(diào)整，即通過 self-play 獲得數(shù)據(jù)。

目前流派紛呈：有側(cè)重 “真機遙操作” 的，有側(cè)重 “仿真遷移（Sim-to-Real）” 的（如銀河通用、Hillbot），也有利用 “視頻學習” 或 “穿戴設(shè)備（UMI）” 采集數(shù)據(jù)的。盡管對于 “仿真數(shù)據(jù)是否是大坑” 仍有分歧，但組合多種數(shù)據(jù)源已成主流。

在模型上，當前行業(yè)相對主流的技術(shù)路線有 VLA、端到端，還有常被提及的世界模型，它們不是平行概念。

在 148 期，對它石創(chuàng)始人陳亦倫的訪談中，他對這幾個概念有清晰、簡單的總結(jié)，這里結(jié)合更多資料做了補充。

- VLA 模型（Vision-Language-Action）：目前的主流路徑，即通過多模態(tài) VLM 訓練出直接輸出機器人動作的神經(jīng)網(wǎng)絡(luò)。

- 端到端：試圖用一個深度神經(jīng)網(wǎng)絡(luò)解決從感知到規(guī)控的全過程。

- 世界模型：現(xiàn)在大家主要探索的方向是 “生成式的世界模型”——從世界的這一個狀態(tài)，預(yù)測和生成世界的下一個狀態(tài)。如果以 2D 視覺信息表達，是可以無限延續(xù)的視頻生成模型；所以當 OpenAI 發(fā)布 Sora 時，便有人認為這是世界模型的雛形。若以 3D 視覺信息表達，便是 Google 在 25 年發(fā)布的 Genie 3。它能生成一個可供探索的 3D 空間，并配合 Google 的另一個 AI 項目 SIMA 2，讓用戶創(chuàng)建的 Agent 在其中自由移動。而真正被期待的 “完整的世界模型”，是能實現(xiàn)與環(huán)境和物體的直接交互——比如當你戳破一只氣球或摘下一朵花時，系統(tǒng)能符合物理規(guī)律地預(yù)測并生成交互后的下一個狀態(tài)。

硬件本體則是一個多學科交織的復雜系統(tǒng)工程。

非常推薦《晚點》25 年 10 月發(fā)布的一篇報道：《特斯拉人形機器人再延期，因為雙手只能用六星期》（李梓楠），深入還原了第三代 Optimus 設(shè)計延期背后的供應(yīng)鏈細節(jié)，解釋了為何當時 Optimus 的靈巧手壽命極短、故障率高，且由于設(shè)計原因無法局部修理，一旦損壞只能整體更換。此外，整個機身還面臨著手臂與腿部關(guān)節(jié)的穩(wěn)定性、減重以及續(xù)航等重重挑戰(zhàn)。一位被 Optimus 屢次拖延的供應(yīng)商吐槽：“老馬（Elon Musk）的信譽分，現(xiàn)在恐怕連充電寶都借不出來了！”

落地應(yīng)用：從實驗室走向 “陪伴”

26 年初，智元機器人宣布實現(xiàn)了 5000 臺的銷量；而宇樹則稱其純?nèi)诵螜C器人 25 年的實際出貨量超 5500 臺（不含四足和輪式），本體量產(chǎn)下線已超 6500 臺。

目前的落地方向主有 5 個：

研發(fā)

目前的交付大頭依然是賣給具身智能訓練場、高校實驗室及研究機構(gòu)。研發(fā)需求也是真的需求。只是在 25 年這波訓練場建設(shè)熱潮中（中國已建成和在建的數(shù)采工廠已有 30 座），需要甄別那些名為 “智能訓練”、實為 “工業(yè)園地產(chǎn)” 的項目。

表演與展示

25 年 7 月，中國移動下達了總額 1.24 億元的人形機器人采購大單，其中智元拿到了 7800 萬，宇樹拿到了約 4600 萬。這些機器人除了用于機房巡檢，很大一部分功能就是展廳接待和營銷宣傳。

市場上也已出現(xiàn)專門租賃宇樹機器人的公司。據(jù)報道，靠商演收取的租金，最快兩周到一個月就能收回本體成本。不過很多視頻里機器人的酷炫動作，其實仍由真人近距離遙控完成，而非機器人自主完成。

商業(yè)與家庭服務(wù)：最熱門卻難啃

研發(fā)和表演需求都有階段性，也有比較明顯的規(guī)模上限，長期大家想實現(xiàn)的，還是讓機器人進入工廠、商店甚至家庭里，自己干活。

雖然 Sunday Robotics 或 1X 的原型機在視頻里表現(xiàn)驚人——比如疊衣服、拿高腳杯——但在真實的餐廳、酒店或家庭里，我們依然很難見到它們的身影。這需要機器人能處理多種家務(wù)、適應(yīng)不同家庭環(huán)境（一定的泛化性），更要極度耐用且安全。

工業(yè)生產(chǎn)：被寄予厚望的 “深水區(qū)”

工業(yè)場景相對封閉，非從業(yè)者可能難以及時判斷進度：

機會：對傳統(tǒng)機器難做（如處理線束、布料等柔性物體，或者電子設(shè)備精密組裝中需要精細力控）或人工太貴、缺工的環(huán)節(jié)，更通用的具身智能機器人有滲透的機會。

挑戰(zhàn)：在成熟的工業(yè)門類中，人形機器人面臨著 “專機”、傳統(tǒng)工業(yè)機器人的競爭?，F(xiàn)有方案在負載、精度和生產(chǎn)節(jié)拍上，短期內(nèi)超過人形機器人。

工業(yè)領(lǐng)域還存在有趣的 “三贏” 潛規(guī)則：具身公司向供應(yīng)鏈供應(yīng)商承諾訂單，供應(yīng)商反手買入具身機器人并在二級市場通過相關(guān)概念拉升股價。這可能會讓機器人在并未真正達到可用狀態(tài)時就銷量先行。

陪伴與娛樂：具身與 AI 硬件之間

陪伴需求不需要極高的智能和任務(wù)規(guī)劃。這類產(chǎn)品的邏輯更接近消費電子：不講長遠的技術(shù)故事，直接靠銷量和用戶口碑說話。它們不需要等待具身智能下一階段的突破，而是靠現(xiàn)有技術(shù)的成熟組合快速回本，再反哺長期研發(fā)。

宇樹的消費級機器狗 Go1 累計銷量已達數(shù)萬臺。而由地平線前副總裁余軼南等人創(chuàng)立的維他動力（Vbot），其超能機器狗在 26 年 1 月的預(yù)售期內(nèi)拿到了 6540 臺訂單。不過這些訂金在鎖單前可退，到 26 年 3 月正式鎖單并開啟交付時，能反映更實際的需求。

我們接觸的很多從業(yè)者都預(yù)言，26 年，具身領(lǐng)域會進入規(guī)?；瘧?yīng)用落地元年。接下來的 10 個月，我們會看到，這更多是一種期待，還是真的是一個判斷。

6. AI 硬件

關(guān)鍵詞：入口級 VS 多樣化、深圳

入口級硬件 VS 多樣化

計算機科學家 Alan Kay 在 1980 年代的一次演講中說過一句名言：那些真正認真對待軟件的人，應(yīng)該自己去做硬件。

這是做 AI 硬件的一種出發(fā)點：把硬件視為大模型軟件系統(tǒng)的載體，尋找下一個大規(guī)模的硬件入口。

入口級硬件：AI 眼鏡為何呼聲最高？

AI 眼鏡被很多人視為這個入口級硬件的備選：有望成為大量用戶每天高頻使用、能支撐繁榮應(yīng)用生態(tài)的硬件。

所以現(xiàn)在做 AI 眼鏡的公司很多，而且有不少是大公司。Google、Meta、阿里巴巴、小米、理想汽車等都已發(fā)布自己的 AI 眼鏡。

眼鏡之所以有潛力成為 AI 的入口級硬件，是因為在交互方式上，它具備手機做不到的兩個特點：hands-off 和 always-on。

- Hands-off 指可離手操作，通過說話直接下達任務(wù)；若結(jié)合顯示技術(shù)，還能快速、高效接收信息。

- Always-on 指眼鏡可全天佩戴。它是戴在臉上、最接近人感官中樞的傳感器平臺，可以采集接近人眼視角的視覺數(shù)據(jù)，也能獲得聲音數(shù)據(jù)。用戶層面的功能包括抓拍和錄音；技術(shù)層面的長期價值則是獲取設(shè)備此前難以獲得的真實世界的物理數(shù)據(jù)，這些數(shù)據(jù)有助于進一步開發(fā) AI 與理解用戶。

這個思路也讓人想到一個非眼鏡的 AI 硬件產(chǎn)品 Looki。Looki 由美團前智能硬件負責人孫洋創(chuàng)立。在《晚點》“100 個 AI 創(chuàng)業(yè)者” 系列中他提到：“互聯(lián)網(wǎng)上的數(shù)據(jù)已經(jīng)被大廠分得差不多了，但更大的數(shù)據(jù)在物理空間里?！?/p>

Looki 的形態(tài)是可貼在胸前的便攜相機，可抓拍并錄音全天生活片段，再自動總結(jié)成視頻或漫畫。和眼鏡一樣，它是傳感器平臺，只是更輕、更無感。

AI 眼鏡的新交互特性既能提升用戶體驗，又能因獨特數(shù)據(jù)反哺 AI 技術(shù)。《晚點》對 Viture 創(chuàng)始人姜公略的訪談中，對 AI 與眼鏡關(guān)系有更多討論。

AI 眼鏡的難點也在于當前技術(shù)下交互體驗仍不足。

- Hands-off：語音已相對成熟，但顯示技術(shù)仍存在清晰度、視角和眩暈問題。顯示重要性在于，語音是自然輸入方式，卻不是高效信息接收方式；若沒有顯示，多數(shù)場景直接戴耳機即可。行業(yè)甚至嘗試給智能耳機加攝像頭，先實現(xiàn)語音與拍攝，再解決顯示。

- Always-on：需要極高舒適度，而電池、傳感器和芯片帶來續(xù)航、重量與發(fā)熱問題，工程實現(xiàn)困難。

因此 AI 眼鏡仍處早期階段，產(chǎn)品形態(tài)尚未收斂：有的眼鏡帶拍攝，有的不帶；有的有顯示，有的沒有。

不同功能選擇對應(yīng)不同開發(fā)路徑：

- 一種是一步到位做完整產(chǎn)品，例如 Vision Pro，但其重量與價格已證明當前技術(shù)環(huán)境不支持。

- 另一種是從簡單功能做起。Ray-Ban Meta 經(jīng)過多年迭代：第一代反響有限，第二代功能相似但體驗明顯改善，銷量超過 300 萬臺；25 年 9 月第三代加入顯示，即 Ray-Ban Meta Display。媒體報道稱 Apple 也計劃在 26 年第二季度推出輕量化、不帶顯示的 AI 眼鏡。

- 還有 Google：其早在十多年前推出眼鏡設(shè)備，25 年底宣布與合作伙伴推出新 AI 眼鏡，Google 提供 Gemini 模型能力，合作伙伴提供硬件與其他能力，屬于眼鏡 OS 生態(tài)路徑，合作伙伴包括 Xreal 等中國公司。

多樣化

前面對入口級硬件的討論，是基于電腦到手機，再到下一個智能設(shè)備的推演和類比。而類比有時是危險的，AI 時代也有一種不同的可能：就是在智能手機之后，并不會出現(xiàn)一種規(guī)模巨大、形態(tài)相對單一的智能設(shè)備。

AI 的硬件形態(tài)可能就是分散和多樣化的：包括已經(jīng)存在的手機，甚至汽車。比如像階躍星辰、面壁智能等大模型公司，也在和車企合作；也包括一批利用大語言模型或生成式模型某些特性的單功能新硬件，從特定場景切入并做到極致。

典型例子是 Plaud。這是一款貼在 iPhone 背板上的錄音設(shè)備，本質(zhì)上類似錄音筆，但有兩點不同：

一是硬件形態(tài)解決 iPhone 不便通話錄音的痛點，通過振動收音實現(xiàn)錄音，并因貼附手機提升使用頻率。

二是錄音處理使用大模型技術(shù)，可生成場景化摘要與 To-Do 總結(jié)。

Plaud 第一代 23 年 6 月上市，立項早于 2022 年底 ChatGPT 發(fā)布，使其能在熱潮后迅速加入 AI 總結(jié)能力。團隊配置也有特點：創(chuàng)始人許高連續(xù)創(chuàng)業(yè)三次，非工程背景，但組建了硬件經(jīng)驗豐富的團隊，如曾在龍旗股份及 “糖貓” 項目工作的劉巍。公司成立時間不長，已有十位合伙人。據(jù)官方信息，Plaud 累計銷量已超過 100 萬臺。

這個案例說明，硬件成功核心仍是功能與需求匹配，而非是否使用 AI。

另一類資本市場關(guān)注度高且有銷量的 AI 硬件主打健康管理。例如曾在字節(jié)跳動負責 Coze、AI 眼鏡與豆包手機的潘宇揚推出 Odyss AI 項鏈，用多模態(tài)視覺記錄飲食并提供健康建議。他反對把 AI 硬件僅當作大模型載體，而忽視具體用途與用戶需求。

還有一些健康類硬件與大模型關(guān)系不大，如 2013 年成立的 Oura Ring，累計銷量 550 萬枚，可做睡眠與活動監(jiān)測，估值超過 100 億美元。另有 AI 祈禱戒指等結(jié)合宗教儀式的用途。

除實用能力產(chǎn)品外，還有強調(diào)情緒或陪伴價值的 AI 硬件?！锻睃c聊》訪談過 Haivivi 的李勇、Fuzozo 的孫兆志，測測創(chuàng)始人任永亮也計劃推出陪伴硬件或機器人。三位創(chuàng)始人的共識是：除語音質(zhì)量與延遲外，對話情緒體驗、角色設(shè)定與 IP 同樣關(guān)鍵。

以 Fuzozo 為例，其通過形象設(shè)計與對話反饋增強情感互動，例如根據(jù)對話生成情緒卡片與日記。但這類產(chǎn)品的持續(xù)使用率仍受用戶時間投入限制。

深圳，硬件創(chuàng)業(yè)的共性

關(guān)于 AI 硬件的第二個關(guān)鍵詞是深圳。不止 AI 硬件，這里已成為更廣泛科技硬件的全球高地。

今年《晚點聊》有三期相關(guān)節(jié)目：第 120 期訪談剛上市的影石 Insta360 創(chuàng)始人劉靖康；第 141 期訪談智能輪椅 Strutt 創(chuàng)始人洪小平；第 145 期訪談外骨骼公司極殼 Hypershell 創(chuàng)始人孫寬?！锻睃c》近期還發(fā)布了對拓竹創(chuàng)始人陶冶的專訪《對話拓竹陶冶：我們一群工程師，一起造一個樸素的硬核公司》（賀乾明、黃俊杰）。這些公司都在深圳。

這些訪談中都會談到 AI，因為具備一定門檻的硬件產(chǎn)品本質(zhì)是軟硬件結(jié)合產(chǎn)品，必然使用最新軟件技術(shù)，包括 AI。但這些公司的起點都不是 AI，創(chuàng)始人也不會強調(diào) “AI 原生”。

如果 Alan Kay 的那句話——所有認真對待軟件的人應(yīng)該自己造硬件——代表軟件中心視角，那么許多直接做硬件的公司有更樸素的出發(fā)點：做滿足用戶需求且技術(shù)可實現(xiàn)的產(chǎn)品。深圳匯聚了最多這樣的公司。

消費級硬件已成為熱門投資領(lǐng)域。尤其 25 年下半年，一級市場對硬件的關(guān)注度甚至超過 AI，這與 Insta360 上市后的股價表現(xiàn)及拓竹等公司的標桿作用有關(guān)。

深圳這批公司存在明顯共性。許多由大疆前員工創(chuàng)立：陶冶曾任 Mavic Pro 產(chǎn)品負責人，洪小平曾負責大疆激光雷達；庭院機器人公司松靈創(chuàng)始人魏基棟、戶外儲能公司正浩創(chuàng)始人王雷、AI 吉他 LiberLive 創(chuàng)始人唐文軒也來自大疆。這些公司在做事風格、人才構(gòu)成、產(chǎn)品追求上與大疆相似，地理上也集中在深圳西麗大疆總部 “天空之城” 周邊。

這些公司還與兩個機構(gòu)密切相關(guān)：李澤湘參與組建的深圳科創(chuàng)學院與東莞松山湖機器人基地。去年 11 月曾集中拜訪兩地?？苿?chuàng)學院位于大疆隔壁，一些辦公室可直接看到總部，被稱為 “疆景房”；松山湖基地提供共享工廠等創(chuàng)業(yè)支持設(shè)施。

不少新公司孵化于這兩個機構(gòu)，如自動泡沫軸云望創(chuàng)新、電助力自行車配件 Kamingo、家庭豆腐機極豆。

此前《晚點》也訪談過李澤湘，主題是如何培養(yǎng)科技創(chuàng)始人。李澤湘與機器人基地的一個思路轉(zhuǎn)變是從 B 端轉(zhuǎn)向 C 端。過往孵化經(jīng)驗使其意識到，年輕創(chuàng)始人更適合 C 端創(chuàng)業(yè)：B 端更依賴商業(yè)關(guān)系與管理經(jīng)驗，C 端可通過創(chuàng)新與產(chǎn)品定義快速打開局面；一旦形成品牌，又能反向拉動供應(yīng)鏈發(fā)展，而深圳及中國完善供應(yīng)鏈能支持這種創(chuàng)新嘗試，形成正循環(huán)。松山湖基地已梳理出完整創(chuàng)業(yè)流程，見《晚點》文章《我們要培養(yǎng)什么樣的工程師？李澤湘教授對三十年工科教育改革的回顧》。

這類公司已形成較穩(wěn)定的創(chuàng)業(yè)路徑：

- 面向高購買力歐美市場，以創(chuàng)新體驗和高品質(zhì)獲取較高毛利，再投入研發(fā)與競爭；

- 產(chǎn)品常通過 Kickstarter 眾籌首次亮相。

其主要服務(wù)需求大致分為幾類——松山湖基地展廳即按此分區(qū)：

- DIY Maker 類：3D 打印、桌面級 CNC；

- 戶外出行：戶外儲能、電助力自行車、攝影設(shè)備；

- 娛樂：智能樂器等；

- 家庭服務(wù)：桌面洗碗機、除草機、泳池機器人、寵物烘干機等。

- 發(fā)展路線可預(yù)測是這類創(chuàng)業(yè)的特點。但要成長到一定規(guī)模，普遍需要跨越兩道門檻。

一是從小眾市場擴散到大眾市場。無人機、消費級 3D 打印起初很少有人預(yù)料規(guī)?？蛇_百億級。除產(chǎn)品外還需關(guān)鍵應(yīng)用或生態(tài)：無人機找到了航拍場景；拓竹在推出消費級 3D 打印機時同步建設(shè) MakerWorld 模型社區(qū)，豐富模型生態(tài)成為普及關(guān)鍵。

二是后續(xù)競爭策略。優(yōu)秀品類必然吸引競爭者。掃地機器人需求廣泛，迅速完成創(chuàng)新擴散，短期內(nèi)成為紅海并出現(xiàn)淘汰。

Insta360 創(chuàng)始人劉靖康早期長期堅持 “平衡收益與風險”，在垂類市場積累利潤與能力，避免過早進入最激烈競爭。他在 23 年采訪中表示：“長遠看，激烈的競爭不可避免，但我的初衷是，這件事越晚到來越好”。但到 25 年訪談時，我們聊的最多的就是競爭，包括 Insta 360 在一些品類里從攻到守的變化。

如今隨著 Insta360 旗下影翎無人機發(fā)布，以及大疆推出全景相機，兩家影像公司在多個品類形成交錯競爭、互為攻守。

7. AI 中的人

關(guān)鍵詞：天價薪酬與大裁員、使用 AI、意義感

天價薪酬與失業(yè)

25 年 11 月在硅谷，一周內(nèi)聽到的故事高度兩極：有人拿到 Meta 上億美元 offer，有人創(chuàng)業(yè)即融數(shù)千萬乃至上億美元，也有人因股價與投資獲利；同時也有人清倉、做空虧損，或被裁員。

Amazon 在 25 年 10 月裁員 1.4 萬人，26 年 1 月再裁 1.6 萬人。Layoffs.fyi 統(tǒng)計顯示，Google、Meta、Microsoft 等 25 年共裁員約 6–8 萬人，多為白領(lǐng)崗位。

灣區(qū)是 AI 雙面影響的縮影：這里同時匯集快速增長的 AI 企業(yè)、天價人才競爭、屢創(chuàng)新高的股價，以及規(guī)模化失業(yè)。

關(guān)于 AI 對中國人才市場的影響，可見《晚點聊》第 133 期對脈脈創(chuàng)始人林凡的訪談。

從脈脈數(shù)據(jù)看，中國大廠在激進擴招 AI 相關(guān)人才：自 25 年 2 月開始，AI 崗位發(fā)布量的環(huán)比增速多月保持兩位數(shù)。

一些公司的員工氛圍也在變化?！锻睃c》在 24 年采訪林凡時，他說阿里員工沒那么高調(diào)了；到 25 年，隨著股價被 AI 預(yù)期推高，阿里士氣又回來了，“Make Ali Great Again”。

與此同時，部分崗位需求在縮水。林凡提到，中層管理崗的職位需求減少約 25%。

使用 AI 的人

《晚點聊》第 109 期對卡茲克的訪談中，他作為產(chǎn)品與設(shè)計背景的前金融科技從業(yè)者，從 23 年開始邊學邊做，逐步把工作流程 AI 化：抓取每日 AI 新聞并用模型排序篩選；尋找 “低粉高贊” 內(nèi)容并分析傳播特征作為選題參考。他還用 AI 組織線下活動：從報名留言中篩選真實參與者，并按復雜規(guī)則自動分組排座，過去需要多人做幾天的工作，現(xiàn)在顯著節(jié)省人力。

他的學習方法是 “干中學”：從真實需求出發(fā)；如果不知道做什么，就從工作中最不想反復做的部分開始——把重復三遍的事 AI 化。

意義感

我記得 23 年 AI 熱潮初期，有一天看到北大胡泳老師回答：AI 到來后，普通人會面臨什么挑戰(zhàn)？他當時說：人需要重新理解并感受到，人的意義并不在于工作。

社交媒體上常有 “不想上班、只想躺平” 的調(diào)侃，但對大多數(shù)人而言，自我認同、成就感與意義感的主要來源仍是工作。

我一直不太相信 “AI 解放工作時間，剩下的歲月就享受生活、愛與和平” 的許諾。我們的教育與環(huán)境并未充分鼓勵人們享受生活、尋找熱愛與激情?，F(xiàn)在 AI 來了，說工作我替你做，你去享受生活吧——很多人未必立刻具備這種能力。

如果被 AI 替代，首先是失業(yè)與經(jīng)濟問題；即便存在 UBI（全民基本收入），意義感缺失仍可能成為更長期挑戰(zhàn)。

在《晚點聊》第 116 期討論田淵棟小說《破曉之鐘》時提到：短期，人會因資源增加或無法勝過 AI 而產(chǎn)生空虛；隨后轉(zhuǎn)向 “獨特性競爭”，通過創(chuàng)意與個性證明價值，但過程痛苦，因為不是每個人都有創(chuàng)造獨特性的才華和能力。

但他相信長期可能是樂觀的，社會可能從 “教育—技能—工作—收入” 的循環(huán)，轉(zhuǎn)向興趣驅(qū)動的活動，最終出現(xiàn)職業(yè)多樣性的爆發(fā)，“更多人可能變得更快樂了一些”。

《晚點聊》第 121 期中，當時剛賣掉房子、清理了大量物品，和家人搬進一輛房車里的黃東旭給出的答案是：體驗——來到這個世界，體驗這段旅程，“大模型不能替你活過”。

自大模型熱潮以來，每個春節(jié)似乎都有意外發(fā)生：23 年是 ChatGPT，24 年是 Sora，25 年是 DeepSeek-R1，26 年春節(jié)，會是什么？

不管是什么，它都會出現(xiàn)在我們之后的節(jié)目和文章里。AI 的軌跡仍在延續(xù)，我們的記錄也是。

題圖來源：《少年派的奇幻漂流》