分类： 科技

苹果又一次在春天发布了一台「廉价 iPhone」，这次的名字叫 iPhone 16e，或者，是人们一直期待的 iPhone SE4。

北京时间 2 月 20 日凌晨，苹果发布了 iPhone 16e，同时确认了「SE」系列手机可能被收编回苹果的数字系列手机阵营。

iPhone 16e 拥有最新的芯片配置，上一代的设计，以及整个 iPhone 产品线里最低的价格。

它搭载了与 iPhone 16 同尺寸的 6.1 寸「刘海屏」，没有「灵动岛」和相机按键，不支持 MagSafe 充电，单摄像头，但保留了 A18 仿生芯片，支持 Apple Intelligence。

iPhone 16e 定价 4499 元起，是当下苹果官方在售的最便宜 iPhone，比不支持 Apple Intelligence 的 iPhone 15 还要便宜 900 元。

毫无疑问，iPhone 16e 就是 iPhone SE 的精神续作，它的到来既意味着 iPhone SE 这个概念将成为历史，也宣示了苹果加码 AI 的决心。

「SE」肉体续作

发布之前，大部分传闻都显示苹果将发布一款新的 iPhone SE，即 iPhone SE 4。最后，苹果选择了 16e 这一新的命名方式。

产品形态上，iPhone 16e 最接近的机型是 iPhone 14，它们同样采用了「刘海屏」的设计，而不是 15 系列之后全系标配的「灵动岛」。此前有舆论希望苹果在新的 SE 上复刻 iPhone 12、13 mini 机型 5.4 寸的大小，但苹果最终选择了 6.1 寸这一更主流的大小。

芯片上，iPhone 16e 和过去每一代 iPhone SE 一样，采用当下最新的芯片 A18。但 16e 上搭载的 A18 芯片相比 16，又多削减了一个 GPU 核心。从 iPhone 16 Pro、16 到 16e，GPU 核心的数量分别是 6、5、4。

iPhone 16e 最主要的「配置缩水」砍在了摄像头上。它配备了 iPhone 16 系列同款的 4800 万像素主摄，但只有这一个摄像头。缺少广角副摄像头，意味着 iPhone 16e 没有「微距模式」、「电影模式」、「动作模式」等相机功能，也无法拍摄「空间照片和视频」。

随着 iPhone 16e 的推出，iPhone SE 这个名字以及「Home 键」也彻底成为了历史。

2007 年，乔布斯发布第一代 iPhone 时，Home 键曾是 iPhone 最重要的交互按键，是手机前面板唯一的实体按键。后来，在 2017 年发布的 iPhone X 上，Home 键第一次被「从底部上滑」的全面屏手势取代，到今天，它正式被扫入了故纸堆。

此外，iPhone 16e 还有一些值得注意的细节配置改变，包括不支持 MagSafe 系列配件和无线快充；没有 UWB（超宽带无线通讯），不支持「精确查找」功能；以及搭载了第一代苹果自研的通讯基带 C1，没有采用高通的基带。

搭载自研通讯基带，是苹果第二次开始尝试「摆脱高通」。

2016 – 2020 年，苹果曾和高通有过一段激烈纷争。2017 年初，苹果在美国状告高通，认为高通的专利授权协议有不公平的地方，并指责高通的垄断行为会损害苹果以至整个智能手机行业的利益。

期间，苹果开始使用英特尔的基带产品作为替代方案。对此，高通一直试图通过各种方式向苹果施加压力，包括指控苹果窃取了高通的独家软件和英特尔进行共享，但苹果全数否认，相关指控最终没有走到司法裁决层面。

更大的问题还是在于市场对英特尔通讯基带的评论不佳。尤其是 2018 年发布的 iPhone XR、XS 系列机型，苹果在中国收到了大量关于「信号差」的用户反馈。之后苹果在美国设立研发中心，开始尝试自研基带，到今年，这一种子终于在 iPhone 16e 上结出了第一颗果实。

曾经的「中端荣耀」

在 iPhone 16e 之前，苹果曾发布过 3 代 iPhone SE。但严格来说，过去的 iPhone SE 其实只有两代产品。

2016 年，苹果第一次发布 iPhone SE。当时的苹果正经历着 iPhone 问世以来的第一次「危机」。因为半年前刚发布的 iPhone 6s 相比前代 iPhone 6 没有太多新功能、新设计，大量用户缺乏换机动力。整个 2016 年全年，iPhone 的销售同比不增反降，下跌 18%。

第一代 iPhone SE 的使命是「支撑起 iPhone 的销售」，它是苹果出击「中端市场」的一次尝试。第一代 iPhone SE 搭载了当时最先进的 A9 芯片，有着出色的性能表现。

但第一代 iPhone SE 并没有「拯救」iPhone 业务在 2016 年的颓势，在它发布后的 2016 年第三季度，iPhone 的销售成绩继续恶化。因为 iPhone SE 的低定价拉低了 iPhone 的平均售价，使销售额的缺口被放大，同比下跌了 23%。

自那以后，苹果开始把更多注意力聚焦在「高端」。第二年搭载全面屏的 iPhone X 取得了巨大成功，为 iPhone 创造了新的销售增长动力。

2020 年，苹果推出第二代 iPhone SE。虽然是同样的配方，但 iPhone SE 的产品使命已不再一样。

自 2019 年起，苹果第一次把业务增长的重心放在了「软件服务」和「配件」上。2019 年春天，苹果举办了一场纯服务的发布会，一举推出了 Apple TV+、Apple Card、Apple News+、Apple Arcade 四项软件服务，之后又推出了 iCloud+ 和 Apple One 订阅服务。

如果说第一代 iPhone SE 推出的 2016，苹果还主要想靠硬件挣钱，到第二代 iPhone SE 发布的 2020 年，「软件服务」已经是苹果最重要的增长发动机了。此时 iPhone SE 的更新逻辑很简单：无论用户买 10000 元的顶配 Pro Max 还是 3000 元的 SE，他们在 App Store 充值游戏、买 App、订阅服务的价格都是一样的。

自 2020 年至今，苹果的软件服务业务获得了超 100% 的增长，且依然保持着年复合 10% 以上的增长率。过去一年，苹果的软件服务收入为 994 亿美元，占整个营收大盘的四分之一，相当于 iPhone 销售收入的一半。

考虑到软件服务的毛利率大概率远超 iPhone，苹果从软件服务业务上赚取的利润，很可能已经和 iPhone 硬件相当甚至超过了 iPhone。这一变化驱动苹果在过去几年里，净利润连续增长，在最近的一个季度里创下了 363 亿的新高。

苹果押注 AI

可以认为 iPhone 16e 是 SE 产品线的「第三阶段」。这一次，苹果在 iPhone 16e 上押注的，是 AI 的未来。

在 16e 的官方图上，苹果特意将字母「e」改成了 Apple Intelligence 同款的彩色，宣示了让 AI 走向「普惠」的决心。

随着 AI 功能在手机消费者心中的地位加重，搭载苹果 AI 的 iPhone 16e，毫无疑问肩负着维护 iPhone 用户基本盘的责任。同时，苹果 AI 作为一项软件服务，未来也很可能会走向增值付费模式，为苹果创造新的收入增长曲线。

除此之外，这可能也是 iPhone 产品线更加多元化的一个新开始。iPhone 16e 的命名，可能暗示未来还会有 17e、18e，将 SE 产品线带入一个每年常规更新的节奏。

而当下已经有大量的供应链消息显示，苹果准备在秋季推出一款极致轻薄，取消实体 SIM 卡槽的 iPhone 17 Air，如果最终发布，可能意味着未来每一代 iPhone 的产品序列被拉长到 4 款不同机型。

无论是硬件还是软件层面，iPhone 都来到了一个新的，命运的十字路口。

曝 DeepSeek 首次考虑外部融资，估值达千亿美元

北京时间 2 月 20 日消息，知情人士透露，DeepSeek 正在考虑首次外部筹款。最近几周，包括阿里巴巴、国有基金在内的多个投资者都表示有兴趣为 DeepSeek 提供资金。不过，DeepSeek、阿里巴巴、中投公司目前尚未回复。

据透露，除了讨论是否应该筹集资金外，DeepSeek 及幻方的高管还在讨论这家初创公司是否应该从「主要专注于研究」转向「建立一个产生可观收入并最终盈利的业务」。目前行业专家对 DeepSeek 的估值分歧巨大，部分分析认为其品牌和技术优势或使其估值达千亿美元级，接近 Open AI 的 50%。（来源：cnBeta）

京东、美团先后宣布为外卖骑手缴纳五险一金

北京时间 2 月 19 日消息，京东宣布，自 2025 年 3 月 1 日起，京东将逐步为京东外卖全职骑手缴纳五险一金，为兼职骑手提供意外险和健康医疗险。

京东官方称：「继给快递小哥缴纳五险一金后，京东再次成为首个为外卖骑手缴纳五险一金的平台。京东愿与社会各界共同推动、不断完善外卖骑手权益保障。」

同日下午，美团也在公众号宣布「将为全职及稳定兼职骑手缴纳社保，积极构建和谐劳动关系，目前正在搭建骑手社保相关的信息系统，预计 2025 年二季度开始实施，逐步为全职及稳定兼职骑手缴纳社保。」

京东外卖自 2 月 11 日起正式启动「品质堂食餐饮商家」招募，对 2025 年 5 月 1 日前入驻的商家全年免佣金。为更好地满足消费者对「食品安全与品质外卖」的追求，招募只限「品质堂食餐厅」。（来源：IT 之家）

 

腾讯 AI 战略调整架构：QQ 浏览器、搜狗输入法等产品被「整体打包」

北京时间 2 月 19 日消息，腾讯近期内部完成一次产品及团队调整，包括 QQ 浏览器、搜狗输入法、ima 等产品和应用，被正式转入 CSIG（云与智慧产业事业群）。这是继一月腾讯元宝从 TEG（技术工程事业群）转入 CSIG 之后的又一次调整。

本次转入 CSIG 的产品——QQ 浏览器、搜狗输入法，都是和大模型强相关的业务，已经有着成熟的用户和数据积累。截止 2025 年 1 月的公开数据，QQ 浏览器月活用户超过 4.3 亿；而搜狗输入法也是用户数亿的老牌应用。

完成这些动作后，腾讯将建立起一个包含四大产品线的 AI 产品矩阵，覆盖的市场也显而易见：除了标配的 AI 助手「元宝」，也有延伸到办公场景的工具产品（ima）；而 QQ 浏览器以及搜狗输入法，则对应如今竞争激烈的 AI 搜索市场。（来源：36Kr）

微软首发量子计算芯片 Majorana 1，研究 17 年成果

北京时间 2 月 20 日消息，微软发布了量子计算芯片「Majorana 1」，同时首发生成式人工智能工具 Muse，用于创建视频游戏场景，这款模型工具的数据来自 Xbox 玩家和他们的游戏手柄。

微软已花费 17 年时间致力于为量子计算创造新材料和新架构，此次发布的 Majorana 1 使用了全球首个拓扑导体，这种材料能够观察和控制马约拉纳粒子，这是微软基此新架构的第一款量子处理器。微软认为，它已经在量子计算方面取得了关键突破，释放了量子计算机解决工业规模问题的潜力。（来源：IT 之家）

 

「地球上最聪明人工智能」Grok 3 答不对 9.11 和 9.9 谁大：马斯克回应

北京时间 2 月 20 日消息，在 xAI 旗下号称「地球上最聪明人工智能」Grok 3 发布后，一些媒体测试了最新的 Beta 版 Grok 3，并提出了经典的用来刁难大模型的问题：「9.11 与 9.9 哪个大？」遗憾的是，号称目前最聪明的 Grok 3，仍然无法正确回答这个问题，被网友戏称为「天才不愿意回答简单问题」。

不过对此马斯克并不以为然，其公开回应称，当前的 Grok 3 仅是测试版，这个阶段错误越多越好，而完整版将在未来几个月推出，并邀请用户反馈使用问题。

也有舆论认为，尽管在官方 PPT 中，Grok3 在大模型竞技场 Chatbot Arena 中看似「遥遥领先」，但实际上其与 DeepSeek R1 和 GPT4.0 的差距仅为 1% 到 2%。

发布会上，马斯克宣称 Grok 3 在数学、科学与编程的基准测试中超越了所有主流模型，并计划将其应用于 SpaceX 的火星任务计算，甚至预测未来三年内将实现诺贝尔奖级别的突破。（来源：cnBeta）

苹果发布 iPhone 16e，4499 元起，支持 Apple Intelligence

北京时间 2 月 20 日，苹果发布了一款新的「廉价」iPhone，iPhone 16e。

16e 的产品定位与过去的 iPhone SE 类似，搭载 6.1 寸「刘海屏」，没有「灵动岛」和「相机按键」，不支持 MagSafe 充电，单摄像头，但保留了 A18 仿生芯片，支持 Apple Intelligence。

iPhone 16e 定价 4499 元起，是当下苹果官方在售的最便宜 iPhone。16e 发布后，苹果正式下架了上一代 iPhone SE 和 iPhone 14 系列，意味着搭载「Home 键」和「Touch ID」的 iPhone 将成为历史。（来源：极客公园）

 

微信灰度测试新「账号」系统，尝试整合呈现不同类型公号

北京时间 2 月 19 日消息，近日，微信正在对微信账号系统进行灰度测试，这是继灰测接入 DeepSeek 的 AI 搜索后出现的第二个微信搜索功能新变化。

原本位于微信搜索一级菜单的「公众号」、「服务号」、「小程序」、「视频号」功能，统一被归入新设立的「账号」一栏，且「账号」的优先级被提升至最高，排在各菜单栏第一位。目前，该功能还未全面推送，仅处于灰度测试阶段。

过去用户通过微信搜索时，结果会在横向栏分为「公众号」「小程序」「视频号」等不同类别，用户需要根据自身需求点击相应类别进行查看。（来源：网易科技）

小行星撞地球概率上调至 3.1%，成为现代以来最具威胁陨石

北京时间 2 月 19 日消息，NASA 将小行星 2024 YR4 撞击地球概率上调为 3.1%，这颗小行星已成为现代预测记录中最具威胁性的陨石。此前，NASA 预测该小行星撞击地球的概率为 2.6%。另外，欧洲行星防御办公室（ESA）也将撞击概率上调至 2.8%。

行星防御办公室负责人理查德·莫伊尔表示，上一次直径超过 30 米的小行星引发如此高风险的情况是 2004 年的 Apophis，当时它在 2029 年撞击地球的概率曾短暂达到 2.7%，但随后通过进一步观测被排除。而此次 2024 YR4 小行星撞击地球的概率已超过 Apophis，莫伊尔称之为「历史性」的事件。（来源：凤凰科技）

 

2 月 19 日，硅基流动（SiliconFlow）官宣已于 2024 年底完成亿元人民币 Pre-A 轮融资。本轮融资由华创资本领投，普华资本跟投，老股东耀途资本继续超额跟投，华兴资本担任独家财务顾问。本轮融资之前，硅基流动已引入美团作为战略股东。

硅基流动创始人袁进辉表示：「此次融资将加速硅基流动的 AI 云基础设施升级与商业化拓展，将以高性价比、稳定可靠的产品服务开发者与企业客户，助力全球 AI 应用生态的落地与繁荣。」

随着 DeepSeek 冲击波撼动全球，硅基流动选择在这个时间点公布新的一轮融资，无论是偶然还是必然，在这一波 AI 浪潮中的机会也在酝酿中。

 

01 打造大模型时代的基础设施平台

硅基流动成立于 2023 年 8 月，致力于打造大模型时代的 AI 基础设施（AI Infra）平台，通过算法、系统与硬件的协同创新，降低 AI 应用的开发和使用门槛。

当前，硅基流动主要提供模型云服务平台 SiliconCloud、大语言模型推理引擎 SiliconLLM、高性能文生图/视频加速库 OneDiff 等产品，让企业和个人用户高效、低成本地部署 AI 模型。

SiliconCloud 为开发者提供多种开源大模型 API，已上线包括满血版 DeepSeek-R1 & V3、Qwen、FLUX.1、CosyVoice 等在内的上百款主流模型，还提供模型训练、微调、托管到部署的全链路支持。SiliconCloud 背后基于硅基流动自研推理加速引擎套件（SiliconLLM & OneDiff），通过软硬件联合优化与加速，大幅降低推理部署成本，并为用户提供极致高性能体验。

去年 4 月上线以来，SiliconCloud 在上线不到一年时间内获得了爆发式增长，平台总用户数超三百万，日均调用上千亿 Token。

硅基流动创始人袁进辉｜图片来源：硅基流动

作为连续创业者，硅基流动创始人袁进辉做 AI Infra 领域创业的起点源于 2017 年，当时，他创办一流科技，做 OneFlow 深度学习算法框架，旨在解决当模型变大时，训练的并行计算等问题。

随着 ChatGPT 的出现和出圈，大模型成为共识，OneFlow 这样的大模型训练框架也成为炙手可热的项目。2023 年 6 月，OneFlow 以 1 亿美金估值被光年之外并购，后者是由前美团联合创始人王慧文成立的大模型公司，并购后袁进辉作为联创加入光年之外。

两个月后，光年之外被美团收购，袁进辉没有选择加入美团，而是再次创业。

从团队优势和市场需求的角度出发，袁进辉依旧选择深耕 AI Infra 领域，但创业方向从模型训练算法框架转变到了模型推理，这便是 2023 年 8 月创办的硅基流动。

他表示，在大模型发展早期，类似于「卖铲子、卖水」的基础设施，是最稳妥的，以推理部署为起点出发，有广阔的空间，特别是随着 OpenAI o1 等技术的出现，test-time compute（「反思型」推理）也带来了新的机会。

 

02「DeepSeek 热」挤爆 SiliconCloud

在这个时候，官宣融资很难不被和 DeepSeek 做关联。

过去一个月，DeepSeek-R1 开源模型的火热，为硅基流动带来了数十倍的流量增长。新的发展契机下，硅基流动也迎来了的发展空间——从 Infra 的角度迈向云计算服务。

就在两周前，创新工场联合 CEO、管理合伙人汪华向极客公园表示，「硅基流动云平台上的 DeepSeek-R1 API 被打爆了，现在接入 DeepSeek API 的公司需要排队（尽管已经开足马力在持续扩容）」。

从用户反馈中，更能感受到这股前所未见的汹涌需求。在极客公园开发者社群里，用硅基流动接入满血版 DeepSeek 的话题频频热议。

硅基流动联合创始人、增长副总裁杨攀也曾在朋友圈表示，「自 2 月 1 号硅基流动发布 DeepSeek R1/V3 推理服务后，我们官方微信社群人数在 3 天内打平了过去 6 个月的增长」。

此前据晚点统计 SimilarWeb 访问量，硅基流动网站访问量的增长趋势也是这样，自 R1 API 上线以来，10 天增长了 30 多倍突破到 100 万，甚至一度超过阿里云。｜图片来源：SimilarWeb

爆火背后，汪华认为，「这次才是我一直说的中国的 ChatGPT 时刻」。

DeepSeek 模型能力的确迈过了一个新高度，所以这次不仅让 ToC 普通用户感受到模型的威力，企业的老板和核心决策人也是第一次亲身体会，而不只是让公司 CTO 研究一下、点缀一下（产品），现在企业老板们，真心想测试、使用大模型。

也正是这波汹涌的需求，硅基流动在过去的 20 天迎来了「DeepSeek 大考」，也进一步加速了「云服务平台」的升级。

从时间上看，国内第一家提供 DeepSeek-R1 API 云服务的便是硅基流动。

2 月 1 日，硅基流动和华为云团队联合首发并上线基于华为云昇腾云服务的 DeepSeekR1/V3 推理服务。

当天，硅基流动的 DeepSeek 模型 API 服务就被挤爆了，一度陷入瘫痪状态。作为对照，第一家上线 DeepSeek API 服务的云厂商火山引擎也是这样，在激增的热情需求下，2 月 4 日火山引擎上线 DeepSeek-R1 当天，API 服务也被「挤崩了」。

2 月 4 日，硅基流动方面表示，上线满血版 R1/V3 后，用户激增导致用户体验下降。当天，硅基流动 SiliconCloud 平台继续上线 6 款加速版 DeepSeek-R1 蒸馏版模型，鼓励大家非不得已都用蒸馏版模型。

2 月 8 日，由于需求过大，硅基流动再次限流，上线了 Pro 版 DeepSeek R1 & V3，优先服务已充值用户，并表示也会尽快解决非 pro 版的需求，放开限制和限流。

2 月 10 日，硅基流动上线 DeepSeek R1 & V3 企业级服务，针对企业需求，提供专属实例、算力纳管、私有版 MaaS、基于华为昇腾 910B 的一体机四种企业级服务模式供客户选择。

硅基流动 SiliconCloud 平台大模型 API 服务｜截图来源：硅基流动官网

从时间和反应动作来看，硅基流动在包含春节长假在内的短短十几天，接住了一定的需求，并进一步巩固了开发者和生态伙伴。

当前，硅基流动与华为、亚马逊云科技、英伟达等业内顶级云厂商、芯片厂商、大模型公司及应用公司建立合作伙伴关系；同时，硅基流动携手各方合作伙伴，帮助客户在大语言模型、文生图、视频生成等多个领域实现应用落地。

 

03 AI 应用即将爆发，云服务的赛点打响

从近来各大云厂商以及硅基流动上大模型 API 调用的增长数据来看，DeepSeek 这条鲶鱼正在带动国内整个 AI 应用的开发热情。对于硅基流动来说，这是巨大的机会。

在袁进辉看来，基础设施层面的创新空间足够大、确定性也够高。作为服务全行业的底座，基础设施有三个主要的切入点：芯片、模型和基础设施 (Infra)。「最终，这三者如果要取得长远的成功，都会走向类似于云计算 (cloud) 的形态，将模型和芯片整合在一起。从 Infra 的角度往云计算方向发展，机会并不比其他方向小。」

这正是硅基流动的发展路线。以推理部署为出发点，逐渐提供越来越完整的云服务产品，进一步实现商业化闭环。

值得注意的是，尽管基础设施层面的服务是确定性的市场机会，但也不是没有挑战。做大模型时代的基础设施，是共识，尤其很多大公司都将这个领域视为必争之地，这意味着会面临着激烈的竞争。

近日，推理引擎云平台 Lepton.ai 创始人贾扬清就认为，虽然 DeepSeek 是很牛的模型，但（创业公司）跟风用它做推理服务很难做出差异化。他认为：AI Infra 不能烧钱，因为都是标品。跟今天的公共 API 比速度、比稳定性，意义不大，比的就是钞能力。小厂没必要跟着大厂一起烧钱。

但拉远来看，在 AI 应用即将爆发，大模型发展仍在早期阶段，通过承接激增的模型 API 需求，进一步完善服务的布局和商业闭环，是硅基流动当下的战略选择。

就像耀途资本投资副总裁、硅基流动董事温廷灿所言，「凭借卓越的技术工程化能力和对市场需求的精准把握，硅基流动创始团队已经建立起独特的技术商业化闭环，形成技术壁垒与生态护城河的双向强化。」耀途资本也是唯一一家从天使轮开始连投三轮的投资方。

眼下，随着 DeepSeep 加速了 AI 应用爆发的可能性，如何持续整合资源、赢得广大的开发者，才是硅基流动的首要优先级。

如果能够在执行力和基础服务的产品竞争力方面占据优势，那么硅基流动也有机会在大厂全面进入并进行激烈竞争之前，拿到更多的有利资源，提供更有竞争力的服务。

 

 

兴起不到六年的短剧，马上就要追上长视频平台。

QuestMobile 数据显示，红果免费短剧App（以下简称红果短剧App）在12月的月活用户规模已飙升至1.58亿，同比暴增551%，与优酷的差距只剩不到3000万。

红果短剧App用户规模已飙升至1.58亿｜图片来源：QuestMobile

从去年3月的日活2000万到如今单月逼近1.6亿用户，这款诞生不到两年的App正超速完成对传统长视频平台的弯道超车。

一个更深刻的行业变革正在发生——短剧生态重构影视产业格局。

 

红果短剧，火箭式增长

 

红果短剧App的一骑绝尘，其实在去年就开始了。

根据QuestMobile的数据，2024年3月，红果短剧App月人均单日使用时长高达到约1.38小时，优爱腾芒均已落下风，同时，日活用户突破2000万大关——此时距离抖音集团正式推出红果短剧刚过去一年多。

时间再往后推7个月，有消息称，红果短剧App的日活已经超过3000万。

观研报告显示，在2024年中国互联网价值榜中，红果短剧高居App用户规模增长TOP榜（亿级）榜首，同比增长1046%，近乎10倍。根据行业估计，2025年上半年红果短剧将大概率实现DAU破亿。

红果短剧App月人均单日使用时长超过优爱腾｜图片来源：QuestMobile

短剧行业正在疯狂增长，红果短剧App应该很快会成为字节跳动下一个DAU过亿的产品，成为一个新的共识。

短剧的兴起可追溯到2018年前后，伴随抖音、快手等短视频平台的兴起，一批创作者开始尝试以幽默、搞笑、反转为题材的剧情类短视频，这被视为微短剧的雏形。

到2021年，微短剧创作从“草根”走向“正规军”，专业工作室和各大平台如抖快、爱优腾纷纷入局，行业进入疯狂增长期。这一爆发式增长背后有两大关键因素：

第一是内容形式契合用户需求，短视频平台的兴起催生了电影、电视剧解说等短平快内容需求的热潮，但二次创作绕不开版权问题，原创（也就是短剧）成为这类需求的正解。

第二是短视频引流的高ROI效应，抖快崛起以后，国内效果类广告的盘子飞速增长，高ROI的品类可以借助平台的力量快速增长。而短剧天然是最适合短视频平台引流的品类，早期投流ROI（投资回报率）更是一度高达2，远超行业平均水平（1.2）。高ROI吸引大量投流公司从小说转向短剧，推动行业快速扩张。

随着短剧用户的快速增长，免费模式逐渐成为行业趋势。红果短剧App的免费模式不仅吸引了大量用户，还通过广告收入为内容出品方提供了可观的收益。

去年12月，红果短剧App版权合作负责人袁子超对外透露，2024年6月，红果短剧实现首次分账过亿，9月超过2亿，11月分账超过3亿。

袁子超称，过去一年尤其是过去半年，短剧变现模式有一个趋势变化，即从传统的用户付费，变成目前付费和广告变现并存的形式，红果短剧一开始就选择商业投放和自然推荐之路，并将受益于这种变化。

此外，虽然是短剧App ，但除了短剧，红果上还有电影、电视剧、听书、小说、漫画等各种形式的内容。同时，红果短剧推出了精品短剧合作计划，在覆盖大量免费短剧的同时，也对精品短剧下注，这个发展态势，有点会让人联想到拼多多的成长路径。

红果短剧上内容品类众多｜图片来源：极客公园

 

回顾过往，拼多多曾经在被认为大局已定的电商市场，迅速崛起——从“砍一刀”、“拼单”牵引对社交流量的利用，也从符合人性的低价和下沉市场切入，并充分利用了中国过剩的制造资源，后来形成规模升级品质，再拓展到全品类，渗透到全人群。而红果的发展路径也遵循了类似的轨迹：初期免费吸引用户，随后引入精品内容，与传统影视公司合作，提升内容质量，试图覆盖更广泛的用户群体。

视频领域看起来正在重演“拼多多式崛起”的故事。

 

短剧生态重构

 

刚过去的2025年短剧春节档，免费短剧占据了主流。但短剧行业爆发的特点，决定了短剧早期的商业模式是付费为主。通常前几集是免费的，之后需要付费几十元不等解锁，出品方利用信息流广告进行推广，引导用户通过点击广告跳转到小程序观看短剧付费。

随着行业的发展，一些新的商业模式也开始出现，比如分账剧和定制剧。其中，分账剧由平台按评级*流量（会员拉新、充值）分账；定制剧由客户全额投资，植入广告。这两种模式为行业提供了更多元化的变现手段，推动了短剧市场的发展。

而随着用户量级进一步提升，就像当年的网络小说一样，免费模式的时机已经到来。2023年5月，抖音推出「红果免费短剧」，并在三个月后上线独立App，到2024年11月，其日活已经超过5000万。

伴随着红果短剧App用户的飞速增长，免费短剧模式进一步被验证。在刚过去的2025年春节档，短剧虽然并没有像去年一样出现爆款扎堆的现象，但不同于前一年春节档付费短剧占据市场，2025年春节档则出现了大量免费短剧，同时短剧的商业模式与生态业已发生改变。

首先，有了一定的用户基数和高效的广告等商业化系统，红果短剧这样的免费平台可以不用向用户直接收费，而是通过免费吸引用户，进而吸引广告主和创作者，形成飞轮效应快速增长。

并且在付费模式下，制作方的收益率只有3%，分成天花板低，而红果短剧的免费短剧模式分成天花板更高，对行业发展更友好。

不同于付费买断模式下，收入主要依赖于前一周甚至前三天的付费。免费模式下，一部短剧的首月分账仅占全生命周期收入的20%到30%。

而随着时间推移和新用户的不断涌入，其累计分账收入会大幅增长，甚至超过传统付费市场的爆款短剧，红果短剧的长期分账机制为创作者提供了持续稳定的收入，这种模式不仅延长了短剧的生命周期，还提升了爆款率和收入天花板，可以激励创作者投入更多资源创作优质内容。

同时，红果的高速增长也为短剧提供了持续的市场空间。一方面，新用户不断涌入，使得老剧对新用户而言仍然是“新剧”，从而延长了内容的生命周期，进一步优化了分发效率；另一方面，免费模式能够有效挖掘短剧的长尾价值。付费模式下，短剧的生命周期较短，而免费模式则能够持续吸引那些不愿意付费但愿意观看广告的用户，延长内容的价值周期。

这种模式不仅推动了短剧行业的发展，还改变了内容预算的分配格局。袁子超称，以红果为代表的免费模式给整个内容行业提供的预算已经超过了传统渠道给行业提供的内容预算，而且差距会不断扩大，这为创作者和制作团队提供了更多资金支持，也推动了短剧整个行业的向前发展。

红果短剧的崛起，本质上是字节跳动依托流量生态与算法优势，对视频消费场景的又一次精准狙击。免费模式通过广告分账机制和长尾内容价值挖掘，不仅颠覆了传统付费短剧的“速生速死”逻辑，更以日均1.38小时的用户时长反超长视频平台，力推短剧从“碎片化补充”升级为“主流娱乐选项”。

狂飙背后也有隐忧浮现：2025年春节档超400部短剧却无破圈爆款，热度仅6000万左右，暴露出内容同质化（大多为“直白欲求”题材）与精品供给不足的瓶颈。

在短剧市场规模持续增长的同时，用户对短剧内容的需求也在进一步提升，精品短剧已经是行业升级的必然选择。

当免费模式解决了用户触达问题后，精品化将成为撬动广告溢价和用户付费意愿的核心杠杆。

短剧行业接下来的竞争，终究要回归“内容价值”的本质——只有精品化，才能让短剧从流量快消品升级为可持续的文化消费品，而也这正是内容品类从野蛮生长迈向成熟升级的必经之路。

 

OpenAI 谋划开源，CEO 在线征集方案

2 月 18 日，OpenAI CEO Sam Altman 在 X 平台发文称:「对于我们的下一个开源项目，我们应当选择开发一个虽然体积小但仍然需要借助 GPU 运行的 o3 mini 层级模型，还是应当致力于开发一个尺寸适合手机且表现最佳的模型呢?」

Altman 还发起了投票，目前端侧模型的投票率大幅领先。Altman 曾在本月初公开承认 OpenAI 在开源 AI 软件方面「一直站在历史的错误一边」。（来源：财联社）

xAI 发布 Grok 3 聊天机器人，马斯克称其为「地球上最聪明的人工智能」

2 月 18 日，马斯克与 xAI 团队，在直播中正式发布了 Grok 最新版本 Grok3。

在一周前，马斯克在直播中评论 DeepSeek R1 时，还信心满满地表示「xAI 即将推出更优秀的 AI 模型」。

从现场展示的数据来看，Grok3 在数学、科学与编程的基准测试上已经超越了目前所有的主流模型，马斯克甚至宣称 Grok 3 未来将用于 SpaceX 火星任务计算，并预测「三年内将实现诺贝尔奖级别突破」。

而实际的模型跑分结果，Grok3 其实也只比 DeepSeek R1 以及 GPT4.0 实现了不到 1-2% 的差距：这对应了不少用户在实际测试中「并无明显差别」的体感效果。（来源：极客公园）

 

Meta 宣布举办首届生成式 AI 开发大会 LlamaCon

2 月 19 日，Meta 宣布，将举办首届专注于生成式 AI 的开发者大会。这场大会被命名为 LlamaCon，以 Meta 旗下的 Llama 生成式 AI 模型系列命名，定于 4 月 29 日 举行。Meta 表示，届时将分享其 开源 AI 方面的最新进展，以帮助开发者打造创新的应用和产品。

Meta 还透露，关于大会的更多细节将在稍后公布。此外，该公司的年度开发者大会 Meta Connect 仍将按照惯例在 9 月份 举行。

提前召开开发者会议，可能原因是 Meta 近期被 DeepSeek 的崛起打了个措手不及。据报道，DeepSeek 推出的最新开源 AI 模型在某些方面可与 Llama 相抗衡，甚至可能超越即将发布的下一代 Llama。Meta 方面已经紧急成立「作战室」，试图研究 DeepSeek 是如何降低 AI 运行和部署成本的，并计划将这些经验应用到 Llama 的开发中。

此外，Meta 最近宣布，2024 年 AI 相关投资将高达 800 亿美元，其中包括 AI 人才招聘、新数据中心建设等多个项目。（来源：TechCrunch）

 

小米雷军：下决心把 AI 技术落到各个终端产品上

2 月 18 日，小米科技有限责任公司董事长雷军接受了总台央视记者的专访。

雷军表示，小米创业的 15 年来，一直聚焦在手机、汽车、智能家居、智能制造这些领域。要下决心把最新的，像 AI 技术怎么能够落地到我们各个终端产品上，能够让消费者体验科技带来的美好生活，怎么在拓展国内市场的同时能够放眼全球，提高中国产品在全球的影响力。（来源：央视新闻）

前 OpenAI 首席技术官「自立门户」，翁荔等多名老东家干将加盟

2 月 19 日，据彭博社报道，前 OpenAI 首席技术官穆拉蒂联合多名「老东家」的高管创办了一家新的 AI 初创公司。

这家公司名为 Thinking Machines Lab，致力于开发支持人类与 AI 更广泛合作的 AI 模型和产品，旨在覆盖各行各业。「虽然现有系统在编程和数学方面表现卓越，但我们正在研发一种能够适应各种人类专业领域并支持更广泛应用的 AI。」

穆拉蒂团队的其他核心成员包括 John Schulman，他是 OpenAI 的联合创始人，将在 Thinking Machines Lab 担任首席科学家；OpenAI 前研究副总裁 Barret Zoph 将成为新公司的首席技术官；以及 OpenAI 前安全副总裁翁荔。博客文章中提到，现有团队近 30 名员工有超过十位曾在 OpenAI 工作。

自穆拉蒂去年 9 月离开 OpenAI 以来，其新公司会从事何种工作以及将筹集多少资金，已经成为硅谷圈内的热门话题。有知情人士透露，穆拉蒂正在与风险投资公司洽谈融资事宜。（来源：IT之家）

 

宁德时代与滴滴携手正式成立换电合资公司

2 月 18 日，根据天眼查最新信息，时代小桔（厦门）新能源技术有限公司已于今日正式成立，注册资本为 3.3 亿元人民币，法定代表人由滴滴出行副总裁、小桔车服总经理杨峻担任。

该公司的业务范围涵盖了新能源汽车换电设施销售、电动汽车充电基础设施运营、蓄电池租赁以及电池销售等多个关键领域。

股权结构显示，时代小桔由宁德时代旗下的时代电服科技有限公司与滴滴出行相关联的北京小桔科技有限公司，通过浙江小桔能源科技创新有限公司间接共同持股，持股比例分别为 69.697% 和 30.303%，宁德时代方面为控股股东。

宁德时代对此合作回应称，有关双方在换电领域的合作详情，可参考公司此前公开发布的信息。（来源：快科技）

 

深圳回应「AI 公务员」上岗：仅辅助政务，不能单独决策

2 月 18 日，深圳市福田区近日率先推出基于 DeepSeek 开发的 AI 数智员工，其「执法笔录秒级生成执法文书初稿」等功能引起全网热议，「AI 公务员上岗」也成为关注焦点。「『AI 数智员工』是 AI 助手，可辅助开展公共管理和服务，并不能单独决策，不能算是『AI 公务员』。」

深圳市福田区政务服务和数据管理局党组成员、副局长高增在采访中表示，具体而言，其就是一种通过人机协同提高工作效率、进行减负的工具助手。高增介绍，福田区从去年就开始梳理人工智能技术和业务相结合的应用场景，处理过程中，生成了数智智能体 AI 账号 70 个，它们可以承担多种角色，这也是「70 个 AI 数智员工上岗」的由来。此前，一直采用其它国产模型，今年开始切换到 DeepSeek。据了解，由于仅是辅助政务，每个「AI 数智员工」均配有「监护人员」，「监护人」指挥其工作并对其负责。（来源：钛媒体）

 

京东试水网约车？回应：2022 年接入第三方打车服务，暂无推广计划

2 月 18 日，有消息称，京东试水网约车市场，据媒体报道，京东 App 近日上线了「国内打车服务」，用户在主页搜索「打车」，页面便会出现「国内打车服务」的选项。对此，京东方面对澎湃新闻记者回应称，京东 App 2022 年接入了一家第三方的打车服务，暂无推广计划。（来源：澎湃新闻）

苹果 iPhone 17 系列设计被曝：标准版沿用经典、Air 配长条跑道、Pro 为横向大矩阵

2 月 19 日，YouTube 频道 Front Page Tech 主播 Jon Prosser 在曝光 iPhone 17 Pro 和 iPhone 17 Air 渲染图后，昨日在 X 平台发布推文，透露苹果 iPhone 17 标准版将沿用旧款设计，意味着今年 iPhone 17 系列会有 3 种设计方案。

Prosser 昨日在推文中曝料，标准版 iPhone 17 的整体设计将与标准版 iPhone 16 相同。如果消息属实，iPhone 17 将沿用药丸状凸起，内置两个垂直排列的后置摄像头。(来源：IT之家）)

 

阿维塔 07 Pro+ 车型上市：华为乾崑智驾 ADS SE，21.99 万元起

2 月 18 日，阿维塔 07 Pro+ 车型今晚迎来上市，该车配备有华为乾崑智驾 ADS SE 以及鸿蒙座舱。Pro+ 增程版售价 21.99 万元，Pro+ 纯电版售价 22.99 万元。

该车内饰与现款车型风格大致相同，配备 35.4 英寸全景远端屏、15.6 英寸悬浮式中控屏，双 6.7 英寸高清后视屏，同时采用华为乾崑智驾 ADS SE 智驾系统及光学环拥氛围灯。

智驾配置方面，该车配备 10 个摄像头 + 3 个毫米波雷达 + 12 个超声波雷达，支持 360 度全向主动安全、高速 NCA（智能上下匝道、主动变道超慢车、智能避障绕行）、城区 LCC Plus（智能车道巡航、智能避障、智能红绿灯控车）、智能泊车辅助等功能，号称「行业唯一具备全向主动安全的视觉智驾」。

动力方面，该车增程版电机功率 231kW，电机扭矩 367N・m，动力电池总容量 39.05kWh，CLTC 纯电续航里程 230km，CLTC 综合续航里程 1100km。

纯电版采用全域 800V 碳化硅平台，电机功率 252kW，电机扭矩 365N・m，动力电池总容量 82.16kWh，CLTC 纯电续航里程 650km。（来源：IT之家）

《哪吒 2》登顶全球动画电影票房榜，超越《头脑特工队》

2 月 18 日，据灯塔专业版，影片《哪吒之魔童闹海》上映 21 天，全球票房突破 16.98 亿美元，超过《头脑特工队 2》，登顶全球影史动画电影票房榜。

同时，2025 年 2 月总票房（含预售）突破 140 亿，其中《哪吒之魔童闹海》贡献当月票房 75.7％。（来源：界面新闻）

OpenAI 可能发布 GPT-4.5，狙击馬斯克 Grok3

今天凌晨 1 点，OpenAI 首席执行官兼联合创始人 SamAltman 表示，对于高要求的测试者来说，试用 GPT-4.5 带来的感受 AGI 的体验，远比我预期的要深刻得多！

这说明 GPT-4.5 已经进入测试阶段，离正式发布非常近了。

而马斯克在上周日宣布，将在美国太平洋时间周一晚上 8 点，直播发布「地球最聪明的 AI」——Gork3。

在 Gork3 还有几小时就发布的时候，Altman 整一出 GPT-4.5，这明显就是对着死敌马斯克去的，在社交平台上引起了热议话题。

有网友爆料，OpenAI 团队正聚在一起观看 Grok – 3 的直播，然后决定是否推出 GPT – 4.5，Altman 也会参加这个直播观看会。

也就是说如果 Grok – 3 很强抢风头，OpenAI 可能就会祭出大招 GPT-4.5 来打压一下。马斯克的 Gork3 号称是使用了 10 万块 GPU 训练的最新 AI 模型，据说有很多创新性功能。（消息来源：华尔街见闻）

消息称谷歌「17 年老将」吴永辉博士加入字节跳动，专注大模型基础研究探索

2 月 17 日消息，在谷歌工作长达 17 年的「Google Fellow」吴永辉博士已离开谷歌，加入字节跳动。

吴永辉在字节跳动将担任大模型团队 Seed 基础研究负责人，专注大模型基础研究探索、AI for science 等偏长期的研究探索工作，向字节跳动 CEO 梁汝波汇报。

吴永辉 2008 年加州大学河滨分校博士毕业后即加入谷歌，最初在搜索排名小组负责搜索算法工作。2014 年，吴永辉加入 Google Brain 转向深度学习方向的研究，在机器翻译、语音识别及合成、语言模型等方向均有贡献，是 Google 神经机器翻译项目及 RankBrain 项目的主要贡献者之一。

2023 年，因为深度学习领域的持续研究贡献，吴永辉博士被谷歌晋升为「Google Fellow」和谷歌 DeepMind 的研究副总裁。知情人士称，吴离开谷歌，是希望做一些新的，偏探索的工作。这次加盟字节，也将专注在偏长期、偏基础的科研工作。（消息来源：IT 之家）

 

iOS 18.5 已进入内测阶段 基于 Apple Intelligence 的 Siri 可能推迟发布

macrumors 的访客日志显示，至少从二月初开始，苹果的软件工程师就一直在内部测试 iOS 18.5。通常情况下，iOS 18.5 在日志中并不引人注目。然而，彭博社的 Mark Gurman 上周报道称，由于存在错误和其他软件工程问题，苹果正在考虑至少将其承诺的针对 Siri 整合 Apple Intelligence 增强的部分功能推迟或限制至 iOS 18.5。

据 Gurman 称，Siri 的新 Apple Intelligence 功能最初预计将在 iOS 18.4 中亮相。第一个 iOS 18.4 测试版预计将于本周发布。Gurman 说，iOS 18.4 仍有可能包含至少部分 Siri 的 Apple Intelligence 功能，但它们可能会被默认关闭。

测试期结束后，苹果公司网站显示 iOS 18.4 将于 4 月发布，但目前还不清楚该时间框架是否会因报告的错误和 Siri 的 Apple Intelligence 功能推出的潜在延迟而改变。第一个 iOS 18.5 测试版预计会在 4 月份发布，根据 iOS 的典型发布时间表，该更新可能会在 5 月份发布。（消息来源：cnBeta）

Ilya Sutskever 的创业公司 Safe SuperIntelligence 被曝正筹资超 10 亿美元

2 月 18 日消息，Ilya Sutskever 正在为其创业公司 SSI 筹集 超过 10 亿美元资金，估值将超过 300 亿美元。

而在几天前，这家公司刚被传出正以 200 亿美元估值洽谈融资。如果新融资成真，这家新兴企业将跻身全球最有价值私营科技公司之列。

这位不愿透露个人信息的知情人士表示，总部位于旧金山的风险投资公司 Greenoaks Capital Partners 正在牵头对 SSI 的交易，并计划投资 5 亿美元。值得关注的是，Greenoaks 还是人工智能创企 Scale AI 和 Databricks Inc. 的投资者。

此轮融资也标志着 SSI 的估值较去年九月上一轮融资的 50 亿美元估值有了大幅度提升，当时该公司从 Andreessen Horowitz、Sequoia Capital、DST Global、SV Angel 以及 NFDG 五家投资公司获得了 10 亿美元资金。

SSI 成立于去年 6 月，另外两位联合创始人分别为前苹果 AI 高管、Y-Combinator 的合伙人 Daniel Gross 和前 OpenAI 技术团队成员 Daniel Levy。在 AI 圈子里，Sutskever 因其在生成式 AI 的突破性进展中作出的卓越贡献，而被视为传奇人物。他是早期「Scaling」理念的倡导者之一，即通过投入大量计算能力和数据来优化 AI 模型。（消息来源：机器之心）

腾讯元宝发布重大更新：混元与 DeepSeek 两大模型均支持深度思考

2 月 17 日下午消息，腾讯 AI 助手「腾讯元宝」再次迎来重大更新，混元+DeepSeek 两大模型均支持深度思考功能，用户下载并打开腾讯元宝即可免费使用。

此次更新后，除 DeepSeek-R1 满血版外，腾讯自研的混元 T1 深度思考模型也在腾讯元宝开启小范围灰测，用户可以自行选用不同模型解决复杂问题。

腾讯方面表示，元宝目前同时支持腾讯混元大模型和 Deepseek 大模型，为用户提供更多选择。未来将优化产品能力，提升模型性能，打造出更好用的 AI 助手。（消息来源：新浪科技）

 

海外金融科技公司派安盈 Payoneer 收购中国支付牌照获批

2 月 17 日消息，金融科技公司派安盈 Payoneer 于 2 月 13 日发布公告，已获得在中国完成收购一家中国境内持牌支付服务提供商所需的监管批准。交易预计将在 2025 年上半年完成，但需满足通常的交割条件。

Payoneer 是一家金融科技公司，成立于 2005 年，面向全球电商平台卖家提供综合的收款方案。

Payoneer 尚未公开被收购企业的具体名称，预计未来几周内将会披露更多关于此次收购的详细信息。（消息来源：IT 之家）

配 101.7 度电池 小米 YU7 续航信息曝光：最远 820km

2 月 17 日消息，工信部公布了《减免车辆购置税的新能源汽车车型目录》（第十四批），其中有不少重磅车型的核心信息得到曝光，包括小米 YU7。数据显示，YU7 将提供两种不同电池容量版，分别为 96.3 度和 101.7 度，对于后驱和四驱，续航里程最远可达 820 公里！

同时推测 YU7 也将提供 75 度磷酸铁锂后驱版，正如 SU7 那般，可以降低购入门槛，和年轻人交朋友。

小米 YU7 已经申报，加上各种路试被拍，外观基本上已经没有什么秘密可言，但内饰当前依旧隐藏在迷雾中，亟待官方释放。

据已知信息，其定位于中大型 SUV，长宽高分别为 4999/1996/1600mm，轴距为 3000mm，体量相当大，并且拥有相当长的 L113（前轮中心点到驾驶员脚与刹车踏板接触点的横向距离），非常具有传统豪华燃油车的美感。（消息来源：快科技）

蔚来第三品牌首车！萤火虫核心参数曝光：搭 42 度电池 续航 420km

2 月 17 日消息，工信部的《减免车辆购置税的新能源汽车车型目录》中，蔚来第三品牌首车萤火虫的信息透露出来。蔚来萤火虫只有一款车型，搭载 42.1kWh 欣旺达磷酸铁锂电池包，CLTC 续航为 420km。

与蔚来旗下车型一样，萤火虫同样支持换电，整车可换可充可升级。同时，据此前的工信部新车申报目录信息可知，萤火虫配备了 105kW 的驱动电机，整车的续航和动力水平与主流车型一致。

此外，萤火虫的内饰信息也已曝光，车辆配备悬浮式全液晶仪表和中控屏，双辐式方向盘带有多功能按键，中控台无实体按键，采用怀挡式换挡机构。

车辆支持全场景自动泊车，包括自动泊车和离车泊入功能，拥有 9 个安全气囊和 92 升前备厢，后备厢最大容积 1250 升。

其他方面，萤火虫的长宽高为 4003/1781/1557 毫米，轴距 2615 毫米，属于 A0 级纯电小车。

据蔚来董事长李斌此前透露，萤火虫旗下首款车型将于 2025 年上半年开启交付，其品牌定位类似于 MINI 和宝马的关系，价格比 MINI 更便宜，定位精品小车。（消息来源：快科技）

我国科学家成功实现了人脑对无人机的高效四自由度操控

2 月 17 日消息，天津大学与清华大学合作，开发出国际首个基于忆阻器神经形态器件的「双环路」无创演进脑机接口系统，成功实现了人脑对无人机的高效四自由度操控。

相关研究成果于 2 月 17 日发表在权威学术期刊《自然·电子》上，彰显了其在国际学术界的认可与影响力。

科学家在研究过程中发现，相较于传统的纯数字硬件方案，忆阻器新方案展现出了显著的优势。

其归一化解码速度提升了两个数量级以上，同时能耗降低了三个数量级。这种高效、低能耗的特性，有力地支撑了四自由度脑控无人机任务目标的成功实现。

在连续 6 小时的长时程脑机交互实验中，最终脑机接口性能不仅没有下降，反而准确率提升了约 20%，充分证明了该系统的稳定性和可靠性。（消息来源：快科技）

《哪吒 2》杀入全球影史前 9

2 月 17 日，据灯塔专业版显示，《哪吒之魔童闹海》总票房（含预售）突破 16.71 亿美元（约合人民币 121.22 亿元）。如此一来，该片超过《侏罗纪世界》，杀入全球影史票房榜前 9 名。

《哪吒之魔童闹海》（以下简称《哪吒 2》）能取得如此出彩的成绩，固然离不开广大国内观众的支持，而在最近几天，海外票房也开始发力。

自 2 月 13 日在海外上映以来，截至目前，《哪吒 2》的海外票房已突破千万美元。其中在北美地区，上映首日（2 月 14 日）就取得 310 万美元票房，目前这个数字已来到 830 万美元。（消息来源：IT 之家）

 

2024 年下半年，消费电子硬件领域人人都绕不开的话题，必然是智能眼镜。而掀起这波浪潮的，则是在 2024 年凭借百万台销量，在全球范围内成为现象级硬件新品的 Ray-Ban Meta。

虽然 Ray-Ban Meta 出货量百万已经不再是秘密，但对于眼镜这种强依赖线下渠道出货的硬件产品，最具体的销售数据，或许只有 Meta 在眼镜领域选择的合作方——一直以来在讨论中少有提及的依视路陆逊梯卡（Essilor Luxottica）才能给出最准确的数字。

而本周，他们给出的答复是——Ray-Ban Meta 的销量正式突破 200 万台，同时他们还放出了一个更惊人的数据：

计划与 Meta 合作，到 2026 年底「将年产能提升至一千万台」。

从之前的默默无闻，到爆卖 200 万副，再到千万量级，智能眼镜市场，确实已经迎来了爆发吗？

01

智能眼镜的巨额利润

 

200 万副和千万级别的产能这两个数据，来自依视路陆逊梯卡首席执行官弗朗西斯科·米莱里（Francesco Milleri）在本周的 2024 年第四季度财报电话会议。

依视路陆逊梯卡你也许初听起来会有点陌生，但只要配过眼镜，就肯定听说过依视路。EssilorLuxottica 正是由全球最大的镜片制造商法国依视路集团（Essilor）与全球最大的眼镜制造商意大利陆逊梯卡公司（Luxottica）在 2017 年合并而成。

如今，依视路已经通过垂直整合，控制着全球超过 30% 的眼镜市场份额，在全球拥有超过 18000 家线下门店，Meta 两代智能眼镜都选择的设计原型 Ray-Ban 系列，就是其品牌旗下全球最畅销的太阳眼镜品牌。而 Ray-Ban 飞行员系列那在过去数十年早已深入人心的外观设计，也在最大程度上降低了智能眼镜给用户带来的异样感。

依视路集团在全球有着深厚的线下渠道能力 | 图片来源：依视路

Ray-Ban Meta 眼镜成为全球首款销量突破 200 万台的智能眼镜硬件，给合作双方带来了巨大利润。起售价 300 美元，偏振镜款 330 美元，变色镜片款 380 美元，可额外付费配处方镜片。

按此计算，200 万台销量对应着超 6 亿美元收入。

虽然 Meta 与依视路陆逊梯卡的具体分成比例从未公开，但有不少业内人士认为，在早期智能眼镜概念尚未完全成熟的市场，是 Meta 投入了大量的资源来引导用户体验乃至供应链走向成熟，因此 Meta 在这样的合作中的收益并未如同外界想象的那样多，甚至大概率仍然处于亏损状态，但 Meta 两代 AI 眼镜的投入，对引导智能眼镜市场如今逐渐走向成熟功不可没。

随着 Ray-Ban Meta 的成功，双方的合作也得到了进一步的稳固：2024 年 9 月，依视路宣布与 Meta 宣布延长旗下智能眼镜产品合作关系延长至 2030 年，并承诺未来将与 Meta 联手推出更多基于旗下眼镜款式的联名智能眼镜产品。

02

智能眼镜大战，一触即发

 

虽然在财报会议中，依视路展现出对未来充满信心、希望进一步拓展市场的态势，但随着竞争对手的快速涌入，对市场的预期，其实并没有财报会议中体现的这般乐观。

因为其他科技巨头，在 Meta 智能眼镜成功后，也加紧了旗下竞品的研发过程。

根据外媒报道，三星不仅在与 Google 合作推出 XR 头戴显示器，同时还计划在今年推出搭载 Google Gemini AI 的竞品；虽然苹果已经放弃了原本计划中与 Mac 连接才能使用的 AR 眼镜方案，但仍计划在 2027 年之前推出形态类似 Meta Ray-Ban 的智能眼镜产品。

Google 已经多次展示 AI 多模态技术在 AI 眼镜上整合的能力 | 图片来源：Google

CES2025 现场，极客公园也看到众多中国厂商在摩拳擦掌，拿出了各种在续航、体验以及产品形态上力求超越 Ray-Ban Meta 的产品，其中不乏相当有竞争力的产品，在 CES 现场，往往是这些 AI 眼镜新锐的展台前，经常出现把热情的体验人群把通道堵的水泄不通「景观」。

在 CES 上展示的 Halliday 眼镜，通过搭载投影显示模组来在传统 AI 眼镜形态上加入内容显示功能｜图片来源：极客公园

Meta 显然也感受到了来自背后对手快速追赶的压力，在几周前 Meta 的内部全员会议上，扎克伯格指出科技巨头将推出竞品，要求员工趁竞争对手尚未入场加速扩展智能眼镜业务：

我们基本开创了这个品类，竞争对手尚未真正进场，但他们终将到来。虽然预计 2025 年会看到大量竞品出现，但眼下正是我们全速推进、向尽可能多用户推广 Meta AI 眼镜的绝佳时机。

此前，Meta 在今年年初在公司内部，发布了一份题为《2025：伟大的一年》的备忘录，里面提到，Meta 将在 2025 年推出「六款以上AI驱动的可穿戴设备」。其中将有超过四款智能眼镜新品。

在这些智能眼镜新品中，其中首款将会是设计原型同样来自依视路的 Oakley 智能眼镜。

据彭博社科技记者马克·古尔曼透露，Meta 与依视路计划今年晚些时候推出 Oakley Meta 智能眼镜。与摄像头位于单侧的 Ray-Ban 不同，Oakley 款摄像头将置于中央，号称专为「自行车手等运动员」设计。

Oakley Meta 智能眼镜的设计原型，同样来自依视路旗下经典的眼镜系列 | 图片来源：依视路

除了硬件新品的加速布局，Meta 与依视路还计划通过软件更新，来进一步改变 Ray-Ban Meta 在 Meta 生态内的用户体验。依视路 CEO 米莱里在财报会议中，同时向投资者表示，随着用户留存率持续上升，目前仅限于美国、加拿大和澳大利亚的 Meta AI 多模态视觉 AI 功能，将「很快」推广至更多国家。

Meta AI 在 Ray-Ban Meta 上实现的多模态 AI 能力 | 图片来源：Meta

随着眼镜本身销量的提升，Meta 与依视路也意识到想要独占这片千万级市场并不现实，「目前 Essilor Luxottica 正在与 Meta 进行长期规划，将 Meta 雷朋智能眼镜视为一个『共享平台』」，将「为第三方品牌提供空间」。

这也意味，或许在 2025 年，我们就能看到 Meta 用类似 Quest VR 头显的模式，将智能眼镜生态开放给更多第三方开发者，允许其通过上架应用商店的形式，在 Ray-Ban Meta 上运行自己开发的 App。

这样既能实现进一步实现依视路与 Meta 两个不同领域的巨头，在传统客群之外拓展更多用户的野心，同时也是在从另一个角度，展开对尚未到来的众多竞争对手的「阻击」。

有了 Meta 和依视路的合作先例，2024 年下半年行业内涌现出了数个「传统眼镜巨头 + 智能硬件品牌」结盟案例——博士眼镜完成包括雷鸟、界环、魅族、华为等多个品牌的线下渠道合作，同时也有宝岛眼镜这样的眼镜连锁品牌在摩拳擦掌。

在中国市场，随着小米、百度以及众多厂商的快速入局，2025 年 AI 智能眼镜市场的激烈竞争已经揭开帷幕。而 Ray-Ban Meta 的表现，也直接决定着作为先行者的 Meta，能否稳固自己在 AI 智能眼镜市场的霸主地位，抢占「下一代智能终端」的先机。

毕竟，没有公司敢错过「下一个 iPhone」的机会。

2025 年开年，迎来了「中国的 ChatGPT 时刻」。

由于 DeepSeek-R1 模型能力带来的震撼，从硅谷到中国、从老人到小孩、从 AI 创业者到各行各业的从业者、从小红书到抖音，都在「玩」DeepSeek。

DeepSeek 最新的「朋友圈」是百度和微信。前者即便面对传统搜索带来的丰厚商业回报，也接入 R1 主动变革；而从不激进的微信也罕见地积极了一把，接入 R1 升级了微信中的「AI 搜索」。

很难想象，在 ChatGPT 诞生两年后，所谓「大模型窗口期已过」的时间点上，杀出了这样一匹黑马，以所有人意想不到的方式，掀翻了大模型产业的桌子。当所有人都看到 DeepSeek 带来的机遇，当大厂也一反常态不再要求先做出自研的模型技术、而是现在就接入最好的 DeepSeek 模型做 AI 应用，2025AI 会如何发展？

2025 年 2 月 8 日，极客公园「今夜科技谈」直播间邀请极客公园创始人 & 总裁张鹏，昆仑万维 董事长兼 CEO 方汉、秘塔科技 CEO 闵可锐和清华大学交叉信息院 助理教授 吴翼，一起探讨了 DeepSeek 带来的冲击波以及 2025AI 应用还能怎么做？

• DeepSeek 文笔好、思考过程比人类都有逻辑，这会成为接下来做产品的标配动作吗？

• 有了 DeepSeek，蒸馏还能怎么做？为什么蒸馏是常规方法论，与价值观无关？

• 为什么说有了 R1，也并不意味着 AI 应用更好做了？更大的挑战才刚开始。

• DeepSeek 之前，大模型领域默认「老大老二不开源，老三开源赚名声」法则，但反倒是从第一天就坚持开源引领技术生态的 DeepSeek 赢得了天下。开源到底意味着什么？现在，是不是应该问：还有谁没有加入开源队伍？

• 靠优化 AI Infra 实现「价格屠夫」背后，没有人比 DeepSeek 更懂英伟达 CUDA，未来，模型推理价格还可以香到什么程度？

• 达到全球第二的成绩后，DeepSeek，接下来会发什么？

看完这篇，你会对 2025 年接下来 AI 圈即将要发生的大事件，有更好的判断。

 

01 DeepSeek-R1：开源模型有史以来最好的成绩

张鹏：从你的角度，DeepSeek 这次爆火背后，最值得关注的创新点是什么？

吴翼：DeepSeek-R1 是第一个开源的，并且真正接近、达到 OpenAI o1 水平的模型，后者是一个新的推理类的范式。同时，DeepSeek 还把怎么得到 R1 这个模型的很多细节、大概的 recipe（配方）也告诉你了，在这一点上，它也是第一个。

带给我最大的冲击是两件事情。第一，没想到能这么快做出来，因为从 o1 面世（2024 年 9 月 13 日），到中国的团队开始尝试复现 o1 类似的模型，DeepSeek 真正做这件事满打满算也就半年。在这条技术线上，OpenAI 可能探索了一两年的时间才做出 o1。

第二是当这个模型拿出来的时候，没想到「哇，真的这么好」，R1 是开源、所有人都可以试。

两件事情加起来，一下子就没话说，非常有历史时刻的感觉，然后春节就没过好（哈哈）。

张鹏：所有人都在思考，怎么出来的，为什么不是我们（哈哈）。你们怎么看 DeepSeek 冲击波？

闵可锐：知道这家公司是在 2023 年他们刚成立的时候，当时可能为了招人等诉求，（DeepSeek 创始人梁文锋）稍微有一些对外的发声，看完会感受到这家公司身上很不一样的特质、非常回归本质的讨论问题的方法。所以 DeepSeek 能在一年多的时间做到像现在这样火热的程度，也许有一定的意外性，但是对于他能把这件事做好，并不意外。

方汉：最早知道 DeepSeek 是在 2022 年底、2023 年初去买卡的时候，意外得知幻方有万卡。后来注意到 DeepSeek-Coder 模型在代码类 Benchmark 上一度冲到全球第一。

再就是「推理价格屠夫」DeepSeek-V2 的推出，直接把模型推理价格打到了当时业内平均价格的 1/10。这里面有两项技术印象特别深刻，一个是 MLA（多头注意力的优化），第二个是 MTP（Multi-Token Prediction，多 token 预测）。

最近是 V3 和 R1 的推出。V3 是一个挺强的基模，但是它跟 Meta 的 Llama 405B、Qwen 等系列开源模型一样，前面还有两个天花板，OpenAI 的模型和 Anthropic 的 Claude。但是 DeepSeek-R1 这一次直接能够排到第二名的位置，开源模型有史以来最好的成绩，这是让我们最震惊的。

DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。｜来源：DeepSeek

张鹏：DeepSeek-R1 里的模型技术，有哪些创新让你们印象比较深刻？

方汉：技术角度，这次 R1 做了很多技术上的改进，像 DualPipe 算法，像用 PTX 去写通讯之类的，最印象深刻的肯定也是训 R1-Zero 用的 GRPO 这个技术，这是整个 R1 里最核心的东西。

因为 OpenAI 在做 o1 的时候，请了上百个数学博士天天解题，数据非常高质量，但他从来不对外界说怎么做数据。大家也知道很多公司会用 PPO，真正能把 PPO 用得特别好的还是 OpenAI 和 Anthropic。国内大家在 PPO 用不好的前提下，DeepSeek 用 GRPO 的方法非常巧妙，省掉了 Critic Model，后者做起来特别大、特别慢。

通过 GRPO 的方法，可以快速迭代出一批特别高质量的 CoT 数据，这一点特别令人震惊，等于说 OpenAI 自己辛辛苦苦找人花钱做出来的数据，被咣地一下给开源了，而且从结果上来看，它的质量特别好，不逊于 OpenAI 的内部数据。这一点是非常非常革命性的，我们一直认为合成数据比不上人的数据，但是R1 这一次有可能表明，合成数据不比人标的数据差。这给很多人带来了希望，像欧洲、印度、韩国都觉得自己也可以做了。

闵可锐：讨论最多的还是 R1-Zero 的技术创新。

过去大家认为，不管是做 SFT（有监督微调），还是做强化学习，都依赖大量人工标注的数据，人工在里面参与度非常重。比如之前传出 Meta 在数据标注上，是以亿美金级别的投入去换得质量相对较高的数据。但是 R1-Zero 表明其实可以大规模降低对于人工标注（数据）的依赖。

同时，R1-Zero 的突破带来了代码能力、数学能力、推理能力的提升。

但我觉得能火到全民皆知的程度，其实不是由于它的推理能力、代码能力，还是因为 DeepSeek 写东西（的水平）超出了 90% 的人，写作能力非常突出，这件事震撼到了大家。

 

02 DeepSeek 文笔好，是因为没有好好做产品？

张鹏：很多网友都说被 R1 的文笔惊艳到了，至少公众热情是这么被点燃的，不管是在中国还是海外。就连AI创业者也会感慨，以前用 o1 给人的感觉是多了一个理性的员工，今天用 R1 却感觉成为了他的人生导师，竟然能带来很多启发。所谓的模型文笔好，技术上是怎么实现的？

吴翼：简单说，文笔特别好（的原因）就是 DeepSeek 没有好好做产品（哈哈）。

如果用 ChatGPT 写，经常会讲文章 GPT 味特别重。为什么呢？因为 ChatGPT 在安全、对齐（alignment）上做得非常猛。这样就会导致，比如当人跟 AI 一起玩「狼人杀」时，你特别容易看出来哪个是 GPT。因为人类玩家会直接说，「这个人一定是个坏人」，但 GPT 会说，「我觉得这个人好像怎么样，我们应该怎么理性分析……」讲很多啰里八嗦的废话。这就是它「对齐」做得特别好的体现，它希望这个东西不要冒犯到人，希望产品化做得好。

但DeepSeek 显然没有好好做这件事情，所以大模型本来的这些天花乱坠的想法就被你看到了，而 OpenAI 为了做安全性，为了做所谓的「价值观对齐」，反而是把模型的很多能力收起来。

第二，如果仔细地去看 R1 的技术报告，它其实分了两步，先用强化学习做出了一版推理模型，但没有直接给你用这个推理模型，而是后面有一个合并模型的过程，最后是完整版的 R1 模型有一些泛化能力。

展开讲，因为在代码、数学这种特定任务上做强化学习训练出来的推理模型 R1-Zero，文字上肯定会差一些，所以 R1-Zero 又跟原来的基模 V3 用 SFT 这种类似于蒸馏或者合并模型的过程，最后合并出了带有泛化能力的模型 R1。这也说明 V3 这个模型确实非常好，如果 V3 比较差的，最后合并出来你也看不到那么多奇思妙想。换句话说，强化学习很重要，基模也很重要。

张鹏：这个视角蛮有意思，反而是过度对齐，会让它的脑洞、想象力或者一些 hallucination（幻觉）被压制了。

吴翼：对，创意其实是 hallucination。

作者卫夕向 DeepSeek 提问「玄武门之变结束的当天，李世民在深夜写下一段独白，你觉得他会写什么？」，网友为 DeepSeek 输出的答案而感到惊叹。｜截图来源：微博

张鹏：可锐，你怎么看它的文字表达很好？背后有什么原因和讲究？

闵可锐：我猜测可能有三个原因，一是刚才提到的 DeepSeek 没有试图把很多偏个性化的一些表达给阉割掉。你会发现很多 GPT 的回复是「端水型的」「安全型的」，但其实比较 boring 的回复。所以 DeepSeek 一定没有在安全性方面做激进的动作，模型输出的表达上相对比较自由。

第二个猜测，很多人觉得 R1 的强化学习本身增加了它的写作能力，但我对这件事是存疑。我听到的一个信息是，之所以有比较好的表达，背后是有比较资深的、类似于北大中文系的人在帮忙在写数据。人的自由表达和高质量的数据作为对模型回复的一个引导，来达到好的效果。我会觉得应该是 SFT 这个部分的数据做得非常好。

第三，R1 以及 V3 的模型如果和行业同类模型相比，它其实把规模差不多涨了 10 倍，差不多从一个几十 G 的规模涨到了几百 G。这个规模下它能够储存的信息容量差不多比上一代 Qwen 涨了十倍，这让它在很多比较细致的表达上能够有更好的还原。也就是说它的压缩率其实不用做得那么高，能够记住更多东西，包括像诗词、或者开放式的问题上。

总结来说，更大的脑容量、高人撰写的文学性数据作引导和对齐，并且降低了严格的安全对齐（标准），可能是这三点加起来得到了 DeepSeek 的优美深刻的表达。

张鹏：一些在硅谷的华人 AI 研究员也说，可能过去海外的大模型对于高质量中文数据没有特别较真过，但 DeepSeek 较真了。方汉你怎么看「大家说 DeepSeek 文笔好」？

方汉：虽然我学的是理科，但我高考作文是满分，所以对古文比较熟，我特别喜欢让大模型写古诗词。在这件事上，现在写的最好的模型实际上是 Claude，也就是说 Claude 的文采比 ChatGPT 要好很多。我觉得还是数据的原因，大家公认 Anthropic 对数据的品位最高，数据做得最好，他们的数据团队规模在语文和写作方面非常强，我猜 DeepSeek 也是类似。

DeepSeek 内部可能有一套方法，可以从现有的数据里面生成质量非常高的语文数据，这是我的猜想。因为请大量顶尖团队比如北大中文系标数据，DeepSeek 未必竞争得过大厂，（靠人工标注数量和质量取胜）逻辑上讲不通。DeepSeek 在不要人干预的情况下，可以用 GRPO 可以生成数学和编程的 CoT 数据，那这些方法能不能用在语文上去生成高质量的语文数据，这是我更相信的一个推断。

另外，我们在做推理模型的时候有个叫 temperature（温度）的参数，如果把这个参数值设得高，模型就开始胡说八道、特别有创意，但也很容易崩。可能因为 R1 的推理能力很强，哪怕把 temperature 加得比一般模型高，也是比较活跃且不容易崩。

 

03「被 DeepSeek 的思考过程震撼到了」

张鹏：除了文笔好，很多用户也被 DeepSeek 思考过程的透明和清晰的逻辑打动，R1 是第一家展示思考过程的模型吗？

吴翼：完整思维链的透明展示，确实是 DeepSeek 第一个做出来的，但 R1 不是第一次，第一次真正公开所有思维链的模型是去年 11 月 20 日发布的 DeepSeek-R1-Lite。

后来 Gemini 跟进了，也公开了思维链，Gemini 的 Flash thinking 的思维链质量也不错。

其实去年 9 月 OpenAI 发布的 o1 也给了这样的中间步骤，只是它不给你看思维链的完整版，就给你一个总结版。从技术视角上，藏没藏思维链差挺多的。不过总结版的思维链虽然不完整，但也挺有价值的，很多人发现即使是「扒」总结版思维链数据，也能对模型有很多提升。

图片来源：视觉中国

张鹏：你觉得 OpenAI 为什么不给大家公开思维链？

吴翼：高质量思维链对于模型的能力提升、以及激发模型让它在第二阶段强化学习训练时能有很好的推理表现、继续用强化学习做 Scaling Law 是很重要的。所以 OpenAI 应该在这件事情上花了一些力气，他知道如果真的把思维链给你去 distill（蒸馏），你很快就能做出来，他就是不让你「抄」。

最近李飞飞老师团队做的、被炒得很热的 S1，50 美金能够让你看到 test-time-in-scaling 的效果，也说明了这个道理。它只输了 1000 条 Gemini 的长思维链数据，就能让模型有比较大的推理表现上的质变，当然它效果还比较一般，50 美金不可能真的把 R1 复现。所以高质量的长思维链数据是重要的，这也是 OpenAI 不愿意给你看的原因。

方汉：我觉得 OpenAI 就是想保守机密，OpenAI 一直认为思维链数据是它最值钱的数据，所以很早就出了一个 term sheet（条款），你要是敢 jail break（越狱）问他 CoT 的问题，他会封你的账号。R1 发布之后，OpenAI 也把 o3-mini 的思维链输出了，但这里是总结版的思维链，结果又被网友骂了，然后现在又正在把总结再去掉。

当然大家没有想到的是 DeepSeek 说，要不我试一下，我也不要中间这个步骤，直接给你强化学习行不行？很长时间大家都觉得中间需要搞一步 SFT，结果 DeepSeek 出来跟你说，我们试了一下，好像不需要也行。

张鹏：因为没有人做出来过，或者没有人按这个方式做出来过。

吴翼：就是对面有一家告诉你这个东西特重要，「此地无银三百两」，我家一定没有黄金，你千万别来。那大家都会往这上面花很多精力想，最后 DeepSeek 试出来说，你看你没这玩意也行，哈哈哈，或者说有比较便宜的方法能绕过去。

张鹏：秘塔科技也在第一时间与 DeepSeek-R1 合作做了相关的功能，思考过程的可视化。可锐，从用户的角度，你怎么看这件事带来的影响？展示透明的思维链本身，是不是一种用户价值交付？

闵可锐：我会觉得思维链，不管是总结版也好，还是像 R1 给到一个相对完整的思维链，最早的出发点可能是通过步骤和步骤之间的推导，提高结果的准确率。

但把它展示出来，我会认为最早是因为中间的等待时长实在太长了。如果让用户在这无休止地比如像看沙漏一样（等时间），用户体验是非常糟糕的。所以既然有一个中间的推导过程，索性把推导过程显示给用户，但是这似乎带来了一个非常意外的好处。

很多人反而专门去看思维链，「诶，这个模型怎么思考的？它怎么从不同角度去考虑我提的问题」，这对我来说是稍微有点意外的。我观察到很多人其实还挺喜欢看 R1 的思维链，因为模型把思维链写得像是一个内心独白一样。

就像有人问它说，「诶，我有一个朋友怎么怎么样」，然后这个思维链里说，「这个大概率是用户自己想问这个问题」，就是有一种竟然被 AI 看穿的体验。我觉得这可能也是出乎创造者意料的效果。

DeepSeek 推测，用户说是别人的提问，很可能是用户自己的提问。｜截图来源：DeepSeek App

张鹏：方汉，你怎么评价这次 R1 展示的透明的思维链？

方汉：从纯技术的角度，看思维链可以改进你的 prompt。但对于绝大部分用户，不会这么用思维链。

对于用户来说最可怕的体验是，看到 R1 思维链这么严密的推理过程，有点像我们小时候看卡耐基成功学、有点像听一些特别牛的人把他思维方式给你讲一遍，你是会很震撼的。

现在，你目睹了 AI 用一个聪明人、成功学的方法给你推导一个问题，所有人心里都会心生感叹，「这个 AI 真聪明，接近人类智能呢」。我觉得这对产品的推广来说，是一个决定性的心理暗示。

张鹏：像这样一个让大家觉得很震撼的思维链，是怎么做出来的？

吴翼：首先思维链是涌现出来的，不是人标注出来的，人标不出这样的思维链。如果你仔细去看 DeepSeek 产生的思维链，很多也是错的，或者说没有任何道理，再比如之前 OpenAI 的思维链里还出现过中文。这些都说明，是由强化学习的 Scaling Law 让思维链涌现出来的。

所以判断一个模型是不是推理模型，只要看它敢不敢放出一个训练曲线——模型输出长度随着强化学习的训练时间在不断变长。如果能看到这个不断变长的曲线，基本上可以认为这个训练是成功的；如果看到它的长度变短了，那应该就失败了，即使它的正确率或者表现在提升，也是失败的。也就是说，这个长度是涌现的，最后推理模型呈现出来的极强的反思，是泛化的结果，是涌现的结果，而不是人标的。

DeepSeek-R1-Zero 的性能轨迹，整个强化学习过程中稳定且持续提升。｜截图来源：DeekSeek-R1 技术报告

第二，需不需要一个东西去激发这个模型的思维链？基本上是需要的。OpenAI 在训练模型的时候应该还是用了一部分这样的数据去激发基座模型的思维链能力，然后再上强化学习的。

但是我觉得比较神奇的一件事情是，如果你仔细去看 DeepSeek 的技术报告，你会发现即使用比如 Qwen-32B、Qwen-70B，基座模型在没有任何强化学习训练的情况下，通过 prompt 的调整也可以看到它的一些反思过程。也就是说，基模从某种程度上已经有一些自激发能力。

所以这也是 DeepSeek 可以从基模直接进行强化学习的一个重要原因，基模在强化学习开始的时候就存在一定的反思、思维链能力，然后再通过强化学习 Scaling Law 的方式，把反思能力放大，涌现出来最后的 R1 模型。当然也说明 DeepSeek-V3 这个基座模型做得很好，导致它一开始就有了自我激发的能力。

如果这个基座模型，比如说在数学上有一些基座模型有一些反思能力，但在语文上，比如说真的完全没有「诶，等等，我说错了我再想想」这样的表现。再怎么强化学习？也不会涌现出反思能力，如果基座模型很差，没有准备好被激发的话，那也没用。

张鹏：如果没有「等等，我可能想得不对」类似的推理反思能力，再怎么上强化学习，也不会出现思维链的线性发展。

吴翼：对，强化学习跟预训练是乘法的关系：预训练的 scaling 是第一个系数，强化学习后训练是第二个系数，这两个是乘起来的关系。

如果一个维度是 0，怎么乘也没用。但这里哪怕是个 0.01 也没问题，后面帮你乘上去，所以这也说明 V3 的基模真的非常好，所以它能让你做出一些事情来。技术报告里也做了实验，比如说是 7B 的小模型，怎么强化学习也没用，还不如蒸馏。所以强化学习和基模有这样的一个关系。

张鹏：怎么理解强化学习在 R1 和 R1-Zero 体现出的效果？

方汉：打个不太恰当的比方来类比理解，让一个小孩学乒乓球，先让他看所有高手打乒乓球的视频，但他看完了之后仍然不会打。

这时候有两个方法，一是请国家队队员比如马龙来教他，但绝大多数家庭请不起国家队。怎么办呢？这时候请不起国家队的家庭就想了个办法，让人对着一个洞去打球，打不中就「电」你一下。奖惩机制下，终于这个小孩成了一个绝世高手，但是他这时候还不太懂乒乓球的规则，发球也不标准等等。这时候终于又请了一个教练，告诉小孩得按照什么样的规则打球，让他把规则学会，学会了就出去「大杀四方」，这个逻辑大概是这样。

这里其实有一个问题，刚才大家也聊到了，现在不知道 V3 这个基座模型看没看过高质量的 CoT 数据？但是它后来的激发做得非常成功。我觉得这给了所有「穷人」一个念想，我靠自己「电」自己，也能把自己「电」成高手。这样的话，很多欧洲、印度的公司也可以开始训练这种高质量模型了。

张鹏：技术圈对于 R1-Zero 的讨论是大于 R1 本身的。

闵可锐：R1-Zero 的这件事，更像是一个范式的变化。Zero 这个名字就会让大家容易联想到 2017 年谷歌 DeepMind 诞生的 AlphaZero 这个名字，如出一辙。

DeepMind 先让机器学习人类怎么下围棋，上升到完全不告诉机器人类下围棋的方法、只告诉它规则——下到什么局面你就取得了胜利、下到什么局面你失败，就能够把模型训练到超过人的水准。这件事打开了大家的想象力，让它自我博弈、自我学习，有可能出现超过人类最强棋手的能力。

一定程度上，R1-Zero 带来了这样一个类比和联想。当然两者不完全一样，AlphaZero 在下围棋上做强化学习的时候没有任何人类经验的参与。但 R1 可能还是受到了基模 V3 的激发，后者是一个学习了全互联网人类知识的基座模型，R1 涌现出来一些反思、自我纠错的能力，本质上还是因为全互联网数据里存在人类反思，类似「诶，这个地方等等，我好像做得不对，让我来改进一下」的一些基础数据，哪怕比较稀疏，但是仍然被 V3 给捕捉到了。在这个基础之上，用强化学习的能力把它进一步放大，达到一个更好的一个效果。

 

04「蒸馏」是业内常用的方法

张鹏：R1 出来之后，有很多讨论说未来是不是可以通过蒸馏，让端侧的模型能力也得到比较大的加强？有了更好的模型，再加上蒸馏这件事，对创业者做产品或者模型有什么好处？

吴翼：分三件事来讲，一个是蒸馏，第二件事情是端侧模型，第三是垂类应用。

蒸馏的过程是指，你问一个问题，让老师说答案，你把答案记下来，你问 100 万次，就差不多学会了。就像熟读唐诗三百首，不会做诗也会吟。

蒸馏确实是有用的，DeepSeek 在技术报告里也表明，如果你有一个小的模型比如 7B 以下的模型，不用去做强化学习或者其他，有一个好的、大的老师模型用，直接蒸馏思维链数据是最好的，比直接跑强化学习效果好，也最高效的。所以有一个模型完全公开、可以蒸馏，对很多做产品或者做个性化模型训练的公司来说，非常非常利好。

而且不光对小模型有用，对于大的公司来说，蒸馏也非常重要。比如 DeepSeek-R1 是 671B，很多厂商可能用不起来，或者很难高效地用起来。那么一个公司做模型的团队如果能把 671B 的模型，做到比如说 100B 的模型上、带来同样的效果，这会给成本以及应用带来更大的可能性，这里是需要蒸馏的，自己也可以蒸馏自己，不丢人。而且很多人认为 OpenAI 也做了蒸馏，所以 OpenAI 上线的模型都很小，成本可以控得很低，很大的吞吐量做得很高效。

第二件事，端侧模型。我们是不是需要一个完整的端侧模型？我其实觉得不一定。

我在端侧有一个比如 1B 的模型，云端还有一个 500B 的模型，这两个东西可以配合。我自己是做多智能体强化学习的，我觉得一个最有趣的多智能体系统的问题是：当你真的有两个能力不一样的模型，比如说 500B 的模型和 1B 的模型，它们之间应该怎么样发挥出一个 1B 的效率、同时 500B 的推理能力？

现在大家研究多智能体系统往往都是在端侧用不同的模型、不同的 prompt 通过显示出的不同偏好和行为模式来组合，这件事情其实没什么太大的意义，因为就像 OpenAI 的 Operator 模型或者 DeepSeek-R1 出来，你会发现一个足够强的推理模型，可以做到一个模型干所有的事情。

当真的有云端和端侧的模型可以配合的时候，多智能体系统就会很不一样。

第三件事情是垂类应用，我觉得这个时代对于做垂类的应用或者叫产品，要求要比互联网时代高很多。

因为技术迭代太快了，不光要洞察需求，你很怕那个需求，因为来了更好的模型之后，整个需求的模式变了。因为从 ChatGPT 和 DeepSeek 上你可以观察到，很多新的被满足的需求，并不是他们想到的，而是模型的智力提升之后，人的行为模式也发生了变化，模型的涌现带来了人类行为的变化、带来人的需求的变化。所以做产品也不能抓某个需求不放，而要在那个需求的周边一直打圈。

所以可能得去想，做垂类应用真正的壁垒是什么？比如数据、渠道肯定是一个壁垒，商业模式可能也是一个壁垒，但我觉得需求本身不构成壁垒。

同时做垂类应用，你还得对模型的技术有预判的能力，三个月后它会变成什么样？半年后怎么样？下一代模型可能会怎么样？因为如果在技术快速迭代的时候，花了太多的精力和太多的钱，但可能半年之后很多事情又都不一样了，所以得非常非常小心地去花钱。

Perplexity CEO Aravind Srinivas 第一时间官宣 Perplexity 接入了 R1 进行产品升级和进一步探索。｜截图来源：X.com

张鹏：人对 AI 的需求会随着 AI 能力的成长，人也会改变行为。可锐，你觉得这个 AI 搜索算不算垂类？垂类产品要怎么演进、怎么构建自己的路线图？

闵可锐：我觉得在一个技术演进比较快、变化比较剧烈的时期，对于技术有相对比较深入的理解，一定是对你做产品、对未来的预判，有巨大的帮助。

虽然外界大多数人对秘塔的印象，好像是一个比较纯粹的产品公司，但是我们其实其实已经做过几百轮预训练了，在我们有限的几十张卡上，也观测到很多比较有意思的现象。

所以我们对于很多，比如哪一代模型可能能够做什么？哪一些现象背后代表什么？不是把模型当黑箱来对待的，在对模型技术有一定理解后，解决问题的产品视角也会不一样，比如很多人会觉得现在 R1 的推理成本已经非常低了。但我们注意到，其实在 DeepSeek 还没有开源的部分里，有一个是 serving 的模型。

serving  的这部分虽然最近有很多比如云厂商、算力中心的跟进，比如以和 DeepSeek 相同的价格，甚至更低的价格对外提供服务。但是我可以负责任地说，现在每一个小于等于 DeepSeek 价格提供服务的云厂商都是在亏钱。也许 DeepSeek 是没亏钱，但他们现在一定在亏钱，因为现在 serving 框架其实还没有在 MoE 架构上做好准备，因为原来大家做了很长时间是在稠密模型上做了很多积累。所以现在在谈的「成本已经降下来了」，其实是更像是一个理论值。产品经理自己去做部署，自己去做 serving，很有可能很快会发现这个成本和他的预期有巨大差异。

对，所以这里面其实有很多 knowledge，还是要在比较一线有足够的细致的了解，你能做出判断。它远远没有到说这个已经是一个标准化的一个工具，按绿色按钮就出来什么，按蓝色按钮能出来什么？所以我觉得现在做产品确实得同时理解用户和理解技术，才有比较好的竞争力。

张鹏：产品经理也还是得把 AI 这件事多摸清楚点，以产品的能力去学习一下模型的技术，有能让模型变白盒的理解和探索能力。

 

05 更好的模型，并不意味着 AI 应用更好做了

张鹏：DeepSeek 的这一波冲击波之后，从秘塔的视角，有哪些AI应用上值得探索的新方向？

闵可锐：坦白来讲，我觉得现在还没有到形成非常明确的方向、逻辑的时间节点。

但相比原来可能巨头玩家把更好的基模掌握在自己手上，DeepSeek 开源更好的基座模型，一定程度上弱化了基座模型给偏应用层带来的影响，在模型层面把大家拉到了同一个起跑线的水位，但这并不意味着竞争会变得更小，反而可能会变得更激烈的状态。

在一个更好的推理模型基础上，确实有机会做出更惊艳的一些产品。谁能够贴近用户，把用户原来有但是未被满足的需求做得更好，率先把这样的产品方向、产品能力实现、释放出来让更多的人用，也会有机会更高效率地拿到更多的用户。

1 月 20 号 R1 发布以来，我们在内部已经测试过几轮（集成 DeepSeek 模型的功能）了，有一些我们原来想要去实现、但是不太成功、不值得对外释放的一些功能，看起来已经可以 ready 到给大家提供可使用、且好用的产品功能。我们很快会有一些新的功能上线，不会让大家等太久的。

秘塔 AI 搜索，率先接入 DeepSeek-R1 模型升级产品能力。｜截图来源：秘塔搜索

张鹏：为什么说有了更好的模型，并不意味着产品更好做了？

闵可锐：GPT-4 出来了以后，能做成应用的概率会显著更高吗？R1 出来以后比 GPT-4 更高吗？都不是。因为模型能力的提升，其实是拉高了所有人的基线。原来所有人只能做到 60 分的时候，你能做到 70 分，你的产品可能更受欢迎。但当所有人都被拉高到了 70 分的 baseline，你必须得做到 80 分。

所以这一代创业者做 AI 应用落地开发，要有一个心理预期，可能原来你做到的东西，现在能够直接被比如说 R1 的推理能力所覆盖掉，那你就要在这之上寻找新的可能性，才能成为被大家接受的产品。

从做应用的角度来讲，更好的模型是不是代表了应用更好做一些？我们过去有在做产品研发、落地、模型上，可能有小十年的经验，我一直的感受是，大家在这件事情上的判断过于乐观。

张鹏：方汉，你怎么看它对于 AI 产业站在全球视角比较确定接下来可能带来的影响、冲击和变化是什么？

方汉：大家都说大模型的下一场是 agent，但如果是多 agent 协作的情况，只要有一个 agent 拉胯，最后质量就很差。现在 R1 保证了 agent 智能的下限比较高，很多以前完不成的、比较长、比较复杂的任务，有可能很快就会被解决。比如 AI 编程，原来只能写单个函数，甚至只能写一个文件，现在有了 R1 这样特别强的模型，是不是可以直接把整个工程生成出来，而且交叉地修改、debug？这样就真正成为一些可用的生产力。

对于具体的产品，我觉得所有跟 agent 相关的新的产品模式会快速涌现，而且由于模型是开源的、成本还特别低，很多产品也开始看到了盈利的曙光，因为推理成本下降了，而且能力还上升了。

另外，R1 在数学跟编程任务上表现最好，因为数学和编程是人类用符号来固化思维的两个最显著的领域。相应地，还有科学，比如说像 AlphaFold 做的是蛋白质折叠预测。我认为跟符号化形式相关的、数据比较强的领域，都会带来特别大的效率改善。

张鹏：昆仑万维的产品线会更丰富，这里有没有一些比较具象的思考？经过年初这一波冲击之后，在AI应用上有什么新的启发？

方汉：DeepSeek 不是第一个开源的，但它是开源的模型里面质量最好、最接近 OpenAI 的水平的，这是它出圈的根本原因，这给 AI 应用带来一系列影响。

首先他把一个很高质量的模型的推理成本打低之后，给商业模式带来了更多的可能性，免费类的 AI 应用会逐渐出现。

第二，降低 AI 应用的门槛是关键。全球能够写好 prompt 人数不会超过 1000 万，所以怎么降低 AI 应用的门槛非常关键。举个例子，最近谷歌 NotebookLM 会爆火，就是因为它极大地降低了应用门槛，不用写 prompt，把 PDF 拖进去，按一个按钮就给你生成播客了。

第三，云计算时代，有一个词叫云原生，是指一些在云计算出现之后才涌现出的云原生公司，这些公司完全是轻资产，所有服务都跑在云上。我觉得 AI 时代的应用也会有类似变化，现在 AI 原生的产品经理其实还不多，大部分人都还在用互联网和移动互联网的思路来做 AI 应用。这是一个痛点，大家都还在摸索。但接下来，产品经理当老大的 AI 公司会越来越多，AI 原生的产品设计也会越来越多。

最后，很多公司现在做了效率类的 AI 应用，但是从互联网跟移动互联网的经验来看，效率产品的增速一定比不过娱乐产品，人类都是喜欢娱乐至死，而娱乐产品其实并不一定需要特别强的 AGI，但是需要特别强的 AIGC，所以我认为娱乐产品的发展速度接下来会远远超过 ToB 的效率产品。

张鹏：效率型的工具可能是人类的一部分需求，人类无尽的需求是娱乐，你觉得在娱乐这件事上 2025 年有什么样的东西值得看？在娱乐方面会出现足够让人兴奋的 killer APP 吗？

方汉：人类最喜欢、成本最低、门槛最低的娱乐方式是视频，我们认为视频生成领域一定会涌现出最大的 killer APP，只是不知道是传统的渠道为王、还是新的视频制作平台为王。

大家都知道短视频席卷全球，短剧现在是第二波，也要开始席卷全球，现在就算短视频的成本很低，但是拍一部短剧也要 100 万人民币，所以现在中国每年只能产三四千部短剧。如果我们能够把单部短剧的成本达到 2000 块钱，那么全世界每年可能会有几百万部短剧的产出，这会对整个业界带来非常大的冲击。

打个比方，我没有学过音乐、也五音不全，现在用我们的音乐生成大模型，我可以做很多首歌。同时在成本上，举个例子，我们原来做游戏业务的时候，订购一首音乐平均 5 万块钱左右，现在音乐模型推理成本可能只有几分钱，这就是成本以及门槛的降低。

当一个东西的生产门槛以及成本显著降低，AI 内容就会像抖音的短视频作者那样，因为手机摄像头和 4G 的出现，生产出大量短视频内容。但我觉得 2025 年还可能还没有到时间点。现在的视频生成模型虽然已经非常强了，但是还没有到能够取代完整的影视产业链的地步。

去年底，昆仑万维在美国上线 AI 短剧平台 SkyReels，在全球 AI 娱乐市场做出进一步探索。｜来源：昆仑万维

张鹏：今年的视频生成领域还会像 2024 年一样快速迭代吗？

方汉：对。2023 年春晚已经有 AIGC 的视频出现了，但那时候还比较原始，现在比如字节最新发的 OmniHuman 视频质量就非常好了，大家都在飞速演进。

而且大家也不要迷信 OpenAI，Sora 已经被第三方的、闭源的、开源的模型迅速追上，也就是说 OpenAI 在图像生成和视频生成领域起了个大早，赶了个晚集，现在无论开源还是闭源，都有跟 Sora 比起来有很强的竞争力的视频生成模型。而且开源生成模型有更好的生态，对长尾需求的满足也会更好，最终基于此的商业模式也会最多。

张鹏：你怎么看 chatbot（聊天机器人）这种类型的产品？娱乐陪伴型的 chatbot 是一种，ChatGPT 也是一种 chatbot，这种类型的产品未来还会是一个标准形态吗？还是一个过渡形态，接下来要探索新的东西？

方汉：我认为它只是一个原始形态。就像最早 QQ 刚出来的时候，大家都是用键盘打字输入到 QQ 对话框，但是到微信出来的时候，我妈妈从来不给我打字，都是直接发语音，甚至一言不合就开视频。所以我认为现在的 chatbot 只是一个很早期的形态，像 GPT-4o 把多模态像语音、视频引入 chatbot，是自然的过程、逐渐演进的。

就像早期的互联网有一个产品叫 MUD（Multi-User Dialogue，多用户对话），从文字 MUD（文字冒险游戏）又衍生出来了两个重量级的娱乐游戏产品，一个是叫大话西游，一个是叫魔兽世界。我认为现在的 chatbot 演化的终极形态有可能是一个类似于元宇宙的、虚拟多媒体的交互形态。

张鹏：可锐，你怎么看模型进展对 chatbot 这种形态的产品的影响？

闵可锐：不同生态位的公司，受到的影响可能不一样。

一年以前，整个大模型业内比较推崇的方式是模型和应用一起、产模一体结合起来把产品效果做好的思路，这样才能建立足够的壁垒。但 R1 其实对这种思路提出了很大的挑战。换句话说，后入局的玩家拿着可能同样好甚至更好的模型，是不是也能直接把起跑线追平，开始在上面做应用？

纯粹从应用层角度来讲，当下这个阶段是相对利好的状态，因为拿到了一个足够好的武器开始做同场竞技。

但不论现在大家是看空还是看多，可能两个月以后又会产生巨大的反转，所以我觉得子弹可能姑且得再飞一会儿才有结论。

张鹏：变化太快，现在对于轨迹的预测不能超过两个月。现在看，原来那种产模一体的模式未必是必须的，也存在另外的可能性。吴翼从蚂蚁集团技术研究院强化学习实验室的角度，你们接下来的主要目标和探索的东西是什么？

吴翼：蚂蚁集团其实一直在做自己的基座模型，也在做推理模型，只是后者启动稍微慢一些。我们也是去年 11、 12 月份开始，和一部分同学在蚂蚁研究院成立了强化学习实验室，开始想做自己的推理模型，中间也踩了很多坑。

基本上是研究院新设了这么一个强化学习实验室，也希望能够在里面做相对比较自由、比较开放的强化学习研究工作，做出开源开放的推理模型，所以 DeepSeek 也是给大家开了一个好头，鼓舞想去做开源开放的技术和模型团队。

 

06 开源能带来巨大收益，不是做公益

张鹏：自这次 DeepSeek-R1 开源震撼全球以后，全球很多公司在开源上做了重新思考和选择。甚至 Sam Altman 在答网友问时表示了 OpenAI 站在了历史错误的一边，会重新思考 open 这件事。你觉得 OpenAI 会重新回到开源模型吗？

吴翼：我觉得他不会。

张鹏：DeepSeek 的开源路线带来了哪些连锁反应？为什么会有这些影响？

吴翼：DeepSeek 开源产生的影响，对我感触特别大。我觉得最后最好的那个模型应该还是闭源，因为即使一个公司做出了最好的模型并开源，但在把它作为一个产品端去部署时，还可以做更适配、更极致的优化，成本可以更低，因为他知道这个模型是怎么做的，所以一定会有一个内部适配、更好的版本。

但是即使这个开源模型会比闭源版本稍微差一点，但 DeepSeek 也已经带来了巨大的冲击。

传统大家选择开源的逻辑是：如果我是行业第一，我不开源；行业第二我也不开源；行业第三我一定要开源，因为不开源我就死了，同时我要开源让你们前两名不好过（哈哈）。大模型最早的开源 credit（名誉）是 Meta 的 Llama，当时 Meta CEO 扎克伯格和首席 AI 科学家 Yann LeCun 讲，某种程度上，你们是站在我们的肩膀上。但是如果仔细去想 Meta 全家桶本来的巨大流量后，它其实没有做太多后续动作，它的所有目标好像在说「我不能让垄断发生」，我是老三，所以我一定要开源，让你们不好过，但他自己没有因为这件事带来太多受益，或者只是股价上升了。

但 DeepSeek 开源不一样。这件事带来的最大的冲击是，过去从来没有人觉得开源能带来特别好的商业模式，或者带来特别大的商业收益。现在大家在重新考虑这件事。

DeepSeek-R1 开源以来，首先 App 的 DAU 在十几天之内达到了几千万；同时，这件事情带来了巨大的品牌效益，你会觉得，原来做开源不是为爱发电，就是为了「搞死」前两名；开源原来能带来这么重大的收益。所以在 AI 领域，如果你真的开源了一个非常好的模型，最后是有收益的。我感觉历史上从来没有这么大范围的出现过这件事情。这件事情也会对整个社区、生态以及 AI 发展的速度带来好处，因为 AI 再次加速了。

这也是为什么我还看好英伟达的原因，为了速度。英伟达的芯片能让你拿到这个（开源）模型之后，可能一个月就会迭代一版模型；但如果用国内的卡，迭代会慢比如半个月。之前我做过一段时间国产卡的训练，发现如果用英伟达的卡可能只花一个月，但如果给我国产卡，同样的事情可能要花 3 个月的时间，或者说国产的算力我需要时间做适配。所以这是时间的差别，你愿不愿意在一个 AI 高速发展的时代里牺牲你的时间？如果 AI 还在高速发展，那我觉得英伟达就不可替代。但是如果一旦 AI 的速度放缓了，那就有问题。所以我觉得 DeepSeek 开源也带来了更高烈度的竞争，2025 年会是很刺激的一年，因为 AI 发展速度会更快。

 

张鹏：在 AI 领域，开源跟闭源可能会同时存在，尤其当下阶段，这件事是好事，站在人类视角看，DeepSeek 开源反而是对整个通向 AGI 的发展，AI 在加速。

把它定义为 Sputnik Moment（1957 年，苏联成功发射了人类第一颗人造卫星「斯普特尼克一号」，使得美国意识到自己在航天等关键技术领域的落后，并大力投入航天事业）其实是冷战思维，比较恰当的类比是 Mozilla Moment（1998 年，网景公司将其浏览器网景 Communicator 源码开源，激发了全球开发者的热情，推动了浏览器技术的快速发展），从而加速AI平权，激发了更多创新的力量。

 

07 DeepSeek 冲击波下，英伟达还好吗？

张鹏：R1，包括 V3 在保证模型效果的情况下，实现成本相对比较低。这是为什么？

吴翼：V3 披露的 560 万美金是指它单次模型训练的成本，不包括前面研发等成本。根据 V3 的成本，我们大概测算 R1 成本依然很低，比 V3 成本再低一些。

但就是如果你觉得，有 560 万美金就可以做 R1 了，那你最好先把这个数字前面乘个系数再来想这个事。

你要做 R1，你先得做 V3，之前还得做 R1-Lite，R1-Lite 之前得先做 V2，这些东西都花钱，不只是最后那一次成功了的成本。如果再考虑整个研发、实验可能会失败、调整等全部成本，你需要乘一个系数。

当然 DeepSeek 整体比较高效率，系数可能会小一点，如果是大公司这个乘的系数可能会大一些。核心是因为 DeepSeek 快。同样的训练量和同样的数据，如果放在一个基建比较普通的团队里，哪怕知道怎么做，可能也要再乘几倍的成本，因为训练得慢。DeepSeek 在过去很长一段时间里面做了非常非常多系统上的优化。不只是比如 MLA、MTP 就能解决的，而是可能有一系列很长时间的工程优化累积起来，每天减少 5%、减少 10% 的时间耗损，这里一个优化、那里一个优化，把一个可能本来要 2000 万美金的训练，压到了最后是 560 万美金的结果。

所以这件事情是一个常年累积、很重视基础设施的结果，有了这个基础，之后做实验、做新的模型也会更快，是一个非常相辅相成的过程。所以还得说 DeepSeek 是非常让人敬佩的团队，在基础设施上也做了很多很多工作。

方汉：由于美国的禁运，我们能够得到的算力资源是有限的。这样会倒逼所有中国团队在软件优化上倾注比美国同行更多的精力。像 DeepSeek 团队做的那样，比如实现了 FP8 混合精度的训练，压缩显存占用来让训练速度更快。在训练加速上，他们做出了卓越的努力，也获得了丰厚的回报，这不是只在 R1 里才有体现，之前训练 V2 也已经展现出这个实力。

张鹏：我再追问一下，DeepSeek-R1 出来之后，紧接着英伟达来了个近年来最大跌幅，有了更高效率训练出来的模型，大家对英伟达的预期怎么样？

DeepSeek-R1 发布后，美国科技股大跌。｜图片来源：视觉中国

方汉：我的观点是，对英伟达来说，短期利空、中期利好、长期利空。

尽管 OpenAI 和软银的「星际之门」号称要投资 400 亿美金，买的都是英伟达的训练卡，但是 DeepSeek 现在把训练成本打下去之后，美国人也不能自己花 100 亿美金，来训练中国人只要花 10 亿美金的任务。之前一路高涨的股价，是因为所有投资者都是赌他的训练卡，所以我觉得短期利空英伟达。

中期利好是什么原因呢？如果仔细看 DeepSeek 的技术报告，他们的所有的推理优化都是基于英伟达的 CUDA 平台，比他们更懂英伟达 CUDA 平台的也没有几家。一旦 DeepSeek 把特别好的模型的推理成本打下来之后，模型就更容易商品化，之后整个市场规模会变大。所以英伟达的推理卡在中期一定会卖得非常好。

长期利空是当大模型开始固化下来，英伟达推理卡的壁垒就保不住了，第三方厂商的机会就开始来了。像美国有家叫 Groq 的公司，中国最近也有数十家芯片公司宣布支持 DeepSeek 模型部署。

张鹏：这件事是不是证明了，没那么多钱和卡也能创新？

闵可锐：大家好像总把 DeepSeek 和它几百万美金的训练成本去做关联，好像在定义，他们是钱和卡都很少的一个团队。但其实，尤其在中国的范围来讲，DeepSeek 难道不就是已经是最有钱、最有卡的第一梯队的 player？比起我们可能这段时间为了承接 R1 的用户量，到处去借了几百张卡来提供服务来讲，DeepSeek 其实已经比我们多了可能两个数量级以上的资源。

我觉得资源在基座模型及其产品上，仍然是非常重要的。哪怕事实上你的模型训练效率是 OpenAI 的 10 倍，但是你也没有它 1/ 10 的资源，体现不出来你 10 倍效率的提升。因为绝大多数用户都是根据产品体验用脚投票，不管你是用多少资源做出来的这个结果，我觉得好用就用，不好用就不用。

其次我觉得，基座模型层面的竞争是三个维度的综合竞争结果，除了计算资源，还有你的人才密度，以及第三个维度，可能也是比较容易被忽视的——1 号位在这件事上的能力和决心。DeepSeek 在与国内第一梯队玩家接近的资源下，有中国最好的人才密度和 1 号位对这件事的纯粹的决心。

 

08 关于 DeepSeek，What’s Next？

张鹏：如果你是梁文峰，你觉得 DeepSeek 接下来下一步的重心会是什么？

方汉：我觉得 DeepSeek 是一个非常轻商业化的公司，完全是靠技术力破圈，而不是靠推广破圈。很多人愿意跟着梁文峰总干的一个原因是因为他纯粹，到现在他还在手敲代码。我觉得一个公司的 CEO 还在手敲代码的时候，这个公司一定是一个非常技术向的公司。

他们的服务器扛不住这件事情，他肯定会花心思去解决，但是至于流量能不能接得住？我个人觉得不是他关心的重点。而且只要 DeepSeek 的技术继续迭代，还会有泼天的流量，这也不是个问题。

当务之急肯定还是怎么样招更好的、志同道合的人进到他的团队，继续快速迭代，因为从 V2 出的 MLA、MTP，再到 R1 的 GRPO 出的 Dualpipe，你可以看到里面别出心裁的技术革新层出不穷，说明他们是一支非常有战斗力的团队，人才密度很高。只要他继续保持人才密度，不盲目扩张，还会继续在 AGI 的道路上带来更多惊喜。

闵可锐：对，我觉得确实是看 DeepSeek 做这件事的初心。

做 AGI 首先可能得不差钱，其次是一个偏执狂，如果想靠 AGI 来挣钱，多半会既挣不了钱也做不好 AGI，因为这个路径其实并没有那么清晰，尤其是怎么靠 AGI 来挣钱这件事儿。

所以如果 DeepSeek 如果能守住初心，可能能够持续给大家带来惊喜。因为本质上，是两拨顶尖人才比如 OpenAI 团队和 DeepSeek 团队的 PK。这个时候，犯错的容忍程度可能很低，但凡分心去考虑比如我是不是要做一个最好的 APP？一定会占用你的决策时间和精力。

图片来源：视觉中国

张鹏：你觉得他接下来这个产品节奏怎么样？到底会用多快的速度发哪个版本的什么？

吴翼：如果站在这个时间点，当你有了一个 o1 的技术之后，其实是有一个特别大的分叉点，是先去做 o3 还是去做 agent？

这两件事情都挺重资源，但是从智能的角度看，是有 90 度夹角的。到底是沿着纯文字的推理走到极致，从 o1 追求到 o3？还是去做一个 agent，那它需要有视觉理解能力的闭环，做出一些 action 后，还要有新的视频输入，要去做一些 function call 写代码调接口的能力。

就像 OpenAI 最近发了一个 Operator 模型，是一个 agent 模型。agent 其实是强化学习 scaling world 的一个很重要的分支，有了这套强化学习体系之后，你可以用强化学习的方式去训练一个多模态的模型，让它可以操作软件，操作手机，做很多模态的控制，像一个真实的人一样做事，但从智能的角度上是没有提升的。智能还是得奔着 o3 去，再做 scale up。

两件事都很难，所以我会特别好奇，DeepSeek 会怎么选？当然也可以都要。如果让我选，我会先追求 o3 极致的智能，因为做了 o3 也可以再回头做 agent。

方汉：我认为 DeepSeek 接下来首先是泛化数据，现在的数据主要是编程跟数学，要把数据泛化到理科、文科，OpenAI 原来是雇数学博士，现在据说开始雇生物博士去构造数据。我觉得现在 DeepSeek 有了更好的资源也一定会在构造数据上做出更多的探索。

第二，它也会泛化训练方法到多模态以及不同的领域。今天看到香港中文大学的一篇论文，已经有人把 o1 的训练方法泛化到图像生成上了，所以我觉得这两个方向应该都有很大的空间可以挖。

张鹏：某种程度上很多人都看到所谓叫泼天的流量，但其实未必跟他站在同样的视角，他可能看到的是服务器压力很大，下一个模型还要再超越，更新的速度还要更快，开源的持续价值交付……在这个世界打开一扇门的时候，我要能够探索一个更大的天地，这里反而需要花更多的时间聚焦在技术上。怎么在不商业化的情况下把这事做好，反而是更难的挑战。

 

 

 

马斯克称 Grok 3 将于 2 月 18 日发布

2 月 16 日消息，马斯克在社交平台 X 上表示，Grok 3 大模型将于太平洋时间周一晚上 8 点（北京时间 2 月 18 日 12 点）发布，届时将进行现场演示，马斯克称其为地球上最聪明的人工智能。

马斯克还称，「整个周末都会和团队一起磨练产品，所以在那之前都离线。」

据马斯克此前透露，Grok 3 有非常强大的推理能力，在测试中，Grok 3 的表现「优于市面上任何已知产品」。（来源：IT 之家）

OpenAI 首席执行官宣布 GPT 4o 升智至 o3 pro 水平

2 月 16 日消息，OpenAI 首席执行官 Sam Altman 宣布，GPT 4o 的智力水平将提升至 o3 pro 级别，并且他认为更新后的 GPT 4o 是目前最佳的 AI 搜索产品。

Sam Altman 表示，GPT 4o 作为 OpenAI 的最新一代自然语言处理模型，不仅在理解和生成语言方面的能力得到了显著提升，其智力水平也达到了新的高度。他透露，GPT 4o 的智力将提升至 o3 pro 水平，这标志着该模型在智能化和搜索准确性方面迈出了重要一步。

Sam Altman 认为，GPT 4o 的推出将为用户带来更加智能化、便捷化的搜索体验，成为最佳的 AI 搜索产品。（来源：环球网科技）

 

博通与台积电在探讨拆分英特尔的交易

据报道，博通（Broadcom）和台积电（Taiwan Semiconductor Manufacturing Company，TSMC）正在分别研究收购英特尔部分业务的交易。

据悉，博通正在考虑收购英特尔的芯片设计与营销业务，且希望能有合作伙伴接手英特尔的制造业务。而台积电则在考虑掌控英特尔部分或全部的芯片工厂，有可能是以投资者财团成员的身份参与。

报道称，目前所有讨论都还处于初步阶段，尚未向英特尔提交任何方案。显然，台积电是在特朗普总统政府的鼓励下探讨这一交易的，不过一位白宫官员表示，政府不太可能支持由外国实体控制英特尔工厂的安排。（来源：环球市场播报）

微信回应「接入 DeepSeek R1」：灰度测试中，用户可免费使用

2 月 16 日上午消息，有媒体称微信正在小范围灰测接入 DeepSeek R1。部分用户已经内测到了相关 AI 搜索功能。其 AI 搜索提供快速回答和深度思考两项功能。

对此，腾讯官方表示：微信搜一搜在调用混元大模型丰富 AI 搜索的同时，近日正式灰度测试接入 DeepSeek。被灰度到的用户，可在对话框顶部搜索入口，看到「AI 搜索」字样，点击进入后，可免费使用 DeepSeek-R1 满血版模型，获得更多元化的搜索体验。腾讯多个产品正在探索接入 DeepSeek，如腾讯云 AI 代码助手、腾讯元宝等，为用户提供更丰富的体验和服务。（来源：新浪科技）

 

百度搜索宣布将全面接入 DeepSeek 及文心大模型深度搜索功能

2 月 16 日晚间消息，百度搜索和文心智能体平台宣布将全面接入 DeepSeek 和文心大模型最新的深度搜索功能。搜索用户可免费使用 DeepSeek 和文心大模型深度搜索功能，文心智能体平台的开发者也将能随时调用 DeepSeek 模型创建并调优智能体。

据悉，文心大模型深度搜索功能于 2 月 13 日上线，具备更强大的思考规划和工具调用能力，可为用户提供专家级内容回复，并处理多场景任务，实现多模态输入与输出。（来源：新浪科技）

 

小米 SU7「断轴」事件车主：出事故后才喝了酒，决定自费维修

2 月 16 日消息，春节期间，一段小米 SU7 的事故视频被众网友争相转发，画面内容显示，当天车辆先是撞到了路肩，随后出现爆胎、轮毂变形等情况。谈及本起事故，车主方面表示当天是在「乡村烂路」的正常行驶途中，因过坑而导致后轮爆胎、车辆下摆臂折断。

2 月 9 日，小米官方回应了本起事故，「针对社交平台上流传的小米汽车相关谣言，我们郑重澄清，经查完全不存在所谓断轴情况」，并公布了事件详细信息。

官方回应显示，在 2025 年 1 月 30 日 10 点 56 分，驾驶员以约 70km/h 速度驶过了淮安盱眙一乡村公路（该路段具有限速 20km/h 标识），进而在来到某破损 / 坑洼路段时，车身因上述不恰当驾驶行为冲击凹坑边缘，导致轮毂、悬架、右后侧轮胎等部位受损。（来源：TechWeb）

 

雷军、刘德华成受害者！央视揭露 AI 合成名人音视频乱象

从恶搞企业家雷军到 AI 制作张文宏医生音视频为自己带货，甚至还有不法分子利用 AI 深度合成视频，进行诈骗。过去一年，AI 深度合成音视频侵权现象愈演愈烈。

此前就曾有网友利用 AI 制作的刘德华声音，为自己博取流量，刘德华电影公司还紧急发布声明提醒网民，不要落入伪造刘德华声音的 AI 语音合成技术骗局。近日记者调查发现，实现 AI 深度合成音视频并不算难事，甚至在一些购物平台，AI 深度合成技术已经成为众多网店牟利的工具，只需花费几十元，就可定制 AI 深度合成名人音视频。（来源：广州日报）

OPPO Find N5 折叠屏手机首发「山海通信增强芯片」，16GB + 1TB 支持卫星通信

2 月 16 日消息，OPPO Find N5 折叠屏手机将于 2 月 20 日发布，官方今日预热，新机将全球首发 OPPO 的「山海通信增强芯片」。

 

据了解，海报最下方小字提到，仅 OPPO Find N5 16GB + 1TB（卫星通信版）搭载自研山海通信增强芯片，卫星通信功能仅支持开通天通卫星业务的中国电信卡使用。

OPPO Find N5 折叠屏新机目前已公布三款配色，号称「全球最薄的折叠旗舰」，采用「钛合金天穹铰链」。外屏采用「晶盾超瓷晶玻璃」，后盖采用「超薄天穹纤维」，并配备钛合金外转轴中框。OPPO 官方表示，Find N5 折叠屏手机的折痕深度控制在 0.15mm 以下，宽度控制在 20mm 以内，折痕角度小于 2.5°。（来源：IT 之家）

 

石头 G30 Space 自清洁扫拖机器人预售：搭「行业首创五轴折叠仿生机械手」，6499 元起

2 月 16 日消息，石头旗下 G30 Space 探索版扫地机器人现已在京东开启预售。

G30 space 最重要升级是集成了可折叠机械臂，在不增加整机厚度 (7.98 厘米) 的情况下，可移除轻量障碍物 (如拖鞋) 并支持移动障碍物后的清扫。与此前的旗舰产品 G20S Ultra 相比，G30 系列还升级了吸力、热水清洁和避障等其他功能。

该款产品解决了以往扫地机器人在清扫过程中遇到袜子、数据线和大纸团等障碍物时需要绕开、形成清洁盲区的痛点，提升了清洁能力，进一步增加了使用场景。

如果说过去的扫地机器人只能做 2D 地面清洁，此次机械手发布，让扫地机器人有了从 2D 清洁走向 3D 空间清洁的可能性。（来源：IT 之家）

Nature：全球博士生数量锐减，钱少、事多、前途迷茫

过去几年，一些国家的博士项目申请人数出现下滑，有专家警告称，这是一个令人担忧的趋势。

从澳大利亚、日本到巴西和英国，高昂的生活成本、微薄的助学金以及毕业后有限的就业前景，正在阻碍人们攻读博士学位。

据经合组织（OECD）巴黎总部项目负责人斯拉里科表示，这些下降的数据应该「敲响警钟」。

「这表明我们需要改革（博士生的）工作条件，并考虑多样化的职业选择——否则，我们将面临人才流失的风险，最终将拖慢科学进步的步伐。」，他说。

2023 年，澳大利亚大学和澳大利亚研究生院理事会（ACGR）发布的最新数据显示（截至 2023 年 1 月），尽管该国人口同期增长超过 7%，但 2018 年至 2023 年间，澳大利亚国内博士生入学人数却减少了 8%。（来源：新智元）