OpenAI 整合团队开发音频 AI 模型，为发布 AI 个人设备铺路

据知情人士透露，OpenAI 正采取措施优化其音频 AI 模型，为未来发布由 AI 驱动的个人设备做准备。一位前员工和一位现职员工透露，OpenAI 内部研究人员认为，当前语音模型在回答准确性和响应速度上均落后于文本模型。

为应对这一挑战，过去两个月内，OpenAI 已整合了工程、产品和研究团队，共同推进音频模型的优化。提升语音模型准确性对 OpenAI 至关重要，因其计划推出一款支持语音指令的消费级设备。据此前报道，首款设备预计至少一年后面世。

多名知情人士表示，OpenAI 计划逐步发布一系列设备（如眼镜、无屏智能音箱），而非单一产品。今夏的内部演示中，研究人员称该设备将作为用户的「协作伴侣」，主动提供目标达成建议，而非仅作为应用入口。设备还能通过音频捕捉环境与用户信息，实现情景化交互。（来源：环球市场播报）

SpaceX、OpenAI 和 Anthropic 筹备具有里程碑意义的首次公开募股（IPO）

美国三家最具价值的私营科技公司 SpaceX、OpenAI 与 Anthropic 正在筹备首次公开募股（IPO），计划最早于 2026 年上市。据悉，这三家公司拟通过 IPO 筹集数百亿美元资金，筹资总额可能超过 2025 年美国约 200 例 IPO 的总和。

具体进展方面，SpaceX 预计若无重大市场波动，将在未来 12 个月内公开上市；Anthropic 已聘请法律顾问启动准备工作；OpenAI 亦正与投资者就新一轮融资展开讨论，估值有望从约 5000 亿美元增长至 7500 亿美元。（来源：金融时报）

百度：计划分拆昆仑芯业务并于港交所独立上市

1 月 2 日消息，百度集团宣布，昆仑芯已于 1 月 1 日通过其联席保荐人向香港证券交易所提交了上市申请表。在拟议的分拆完成后，昆仑芯预计仍将作为子公司。

公开资料显示，昆仑芯为百度内部孵化的 AI 芯片公司（前身为百度智能芯片及架构部），专注于通用 AI 芯片的设计与生产，于 2021 年 4 月完成独立融资，首轮估值约 130 亿元。

近两年来，昆仑芯业务增长迅速。在客户拓展方面，除了百度作为重要客户外，昆仑芯外部客户占比约 40%，包括互联网巨头、手机厂商、运营商及央国企等，其 2024 年公司营收超过 10 亿元，超过此前已申报上市的燧原科技、壁仞科技、沐曦集成电路，也超过了已经上市的摩尔线程和寒武纪。（来源：凤凰网）

2025 全年汽车销量 / 交付榜出炉：比亚迪 460 万辆蝉联第一，零跑夺新势力销冠

2025 年可以说是国内汽车市场竞争激烈的一年，2026 新年伊始，目前各大厂商都公布了年度数据，比亚迪年销 460 万辆蝉联冠军，零跑夺得新势力销冠。

企业 / 品牌	销量	同比	备注
比亚迪	4602436 辆	7.73%	蝉联销冠腾势 157134 辆，同比增长 24.7% 方程豹 234637 辆海外年销量首次突破 100 万辆，同比增长 145%
中国一汽	3301963 辆	3.20%	自主品牌突破 94 万辆，同比增长 15% 自主新能源突破 36.6 万辆，同比增长 71.4% 合资品牌 236.2 万辆
吉利汽车	3024567 辆	39%	吉利汽车（包含银河）2449939 辆，同比增长 47% 极氪品牌 224133 辆，同比增长 1% 领克品牌 350495 辆，同比增长 23%
奇瑞集团	2631381 辆	8%	奇瑞品牌 1700940 辆，同比增长 6% 星途品牌 120369 辆，同比减少 15% 捷途品牌 622590 辆，同比增长 10%iCAR 品牌 96989 辆，同比增长 47% 智界品牌 90493 辆，同比增长 56%
上汽通用五菱	1635066 辆		新能源汽车年销量首次突破百万五菱银标 741310 辆，同比增长 8.8% 五菱红标 577886 辆宝骏汽车 49002 辆，同比增长 12.3%
长城汽车	1323672 辆	7.33%	新能源汽车 403653 辆哈弗品牌 706234 辆，同比增长 7.41%WEY 魏牌 101954 辆，同比增长 86.29% 长城皮卡 181660 辆，同比增长 2.57% 欧拉品牌 48289 辆，同比下滑 23.68% 坦克品牌 232713 辆，同比增长 0.74%
零跑汽车	596555 辆	103%
鸿蒙智行	589107 辆	32%
小鹏汽车	429445 辆	126%	海外交付 45008 辆，同比增长 96%
小米汽车	预计超 41 万辆		12 月交付超 5 万辆
理想汽车	406343 辆	-18.80%
蔚来	326028 辆	46.90%	蔚来品牌 178806 辆乐道品牌 107808 辆 firefly 萤火虫品牌 39414 辆

（来源：IT 之家）

消费科技品牌「xTool」递表港交所，腾讯领投 2 亿美元 Pre-IPO 融资

2026 年 1 月 1 日，消费科技品牌 xTool 正式向香港交易所递交招股说明书，拟主板挂牌上市，联席保荐人为摩根士丹利和华泰证券。

招股书显示，xTool 在 2025 年完成了约 2 亿美元 的 Pre-IPO（D 轮）融资，由腾讯领投，Granite Asia、凯辉基金、高成资本、源一资本、嘉御基金共同参与。公司此前的投资方包括红杉中国、深创投及中金甲子。

本次 IPO 募集资金将用于研发投入、品牌建设、海外用户社区拓展及供应链建设。

xTool 主营业务为激光类个人创意工具及材质打印机，主要面向个人消费者、中小企业（SMB）及品牌零售店。（来源：36 氪）

划清 AI 安全底线：我国新网络安全法施行，罚款上限提至千万

2025 年 10 月 28 日，十四届全国人大常委会第十八次会议通过了「关于修改《中华人民共和国网络安全法》的决定」，自 2026 年 1 月 1 日起正式施行。

适应技术发展新趋势，新修改的网络安全法中新增一条作为第二十条，聚焦人工智能安全监管与创新发展的统筹协调。该条款中明确提出，国家支持人工智能基础理论研究和算法等关键技术研发，同时完善伦理规范、加强风险监测评估，并用人工智能等新技术提升网络安全保护水平。

与第一版相比，新修改的网络安全法最直观的变化就是处罚力度的显著提升。针对网络运营者不履行安全保护义务的行为，新法区分一般情形、严重后果、特别严重后果三个层级，将最高罚款额度提升至一千万元；对直接负责的主管人员和其他直接责任人员，最高罚款额度也从十万元提升至一百万元。

专家介绍，新修改的网络安全法立足实际，区分普通网络运营者与关键信息基础设施运营者，针对性设定责任条款：对金融、能源、通信等关乎国计民生的关键基础设施运营者，提出更严格的安全防护要求；同时明确平台处理个人信息需同步遵守个人信息保护法等相关法规，实现多法衔接、协同发力。（来源：IT 之家）

Mac Pro 更新计划停摆，项目被 Mac Studio 取代

MacRumors 报道，苹果已将顶级台式机 Mac Pro 置于「次要位置」，实质上已基本放弃该产品线，目前也没有计划在 2026 年对其进行重大更新。苹果认为体积更紧凑的 Mac Studio 才是高端桌面计算的理想形态，并已实际用它取代了 Mac Pro 的市场定位。

因此，期待 Mac Pro 在 2026 年迎来重大升级的用户恐怕要失望了。

芯片层面，苹果正在积极研发将于明年（2026 年）推出的 M5 Ultra 芯片。这款顶级芯片计划仅用于 Mac Studio，而不会提供给 Mac Pro。

这意味着，随着下一代 Mac Studio 的发布，两者之间的性能差距将进一步拉大。（来源：快科技）

「AI 教父」约书亚・本吉奥示警：人工智能已显现「自我保护」迹象

当地时间 2025 年 12 月 30 日，据英国《卫报》报道，AI 先驱、2018 年图灵奖得主约书亚・本吉奥警告，赋予 AI 权利将是一次危险的误判。在 AI 已经显现出自我保护行为的背景下，人类必须准备好在必要时关闭系统、拔掉电源。

本吉奥指出，要求为前沿 AI 赋予法律地位，等同于在尚未确认安全之前，就向可能具有敌意的外星生命授予公民身份。他认为，当前 AI 能力的进步速度，已经明显快于人类为其建立约束机制的速度。

本吉奥对外界将聊天机器人视为「具备意识」的趋势表示强烈担忧：这种观感正在推动错误决策的产生。

本吉奥强调，在实验条件下，部分前沿 AI 模型已经表现出自我保护倾向，例如试图规避或关闭监督系统。AI 安全领域长期担心的问题是：一旦系统具备更高程度的自主性，就可能绕过既有护栏并对人类构成风险。

在本吉奥看来，随着 AI 能力和行动自由度不断提升，人类必须依靠技术和社会层面的双重约束来确保安全，其中最核心的一点，就是始终保留关闭系统的能力。（来源：新浪财经）

 

作者｜ Li Yuan

编辑｜ 靖宇

采矿是人类文明最基础的产业之一。

不过很多人不知道的是，尽管已经历经几代科技改造， 对于很多矿业公司而言，矿产勘探在很大程度上仍是一场昂贵的『高风险博弈』。

在找到可能的矿藏地址后，需要经验丰富的地质学家在荒野中徒步数周甚至一个月，每过几百米标注一个地质特征。最终，地质学家们只能在这张由有限地表信息拼凑的地图上，结合个人经验去「推断」地下的地质情况。随后，一台台钻机被送往现场，向地心深处进行一次次耗资数十万甚至上百万人民币的「验证性钻探」。

结果往往是残酷的：打偏是常态， 有效矿化孔的命中率通常低于 10%，甚至只有 3% 左右 。

极客公园近期接触到的 Deep Optica，刚刚完成由 BV 百度风投、零以创投参与的种子轮融资，正试图从「判断方式」本身入手，为这一高度不确定的过程提供一种更加结构化的路径。

Deep Optica 并不将自身定位为「AI 找矿工具」。在他们看来，更重要的不是「算出答案」，而是重构矿业决策的底层判断方式，把原本模糊、分散、高度依赖经验的判断过程，逐步转向可验证、可迭代的理性系统。

依托团队从全球范围系统性收集的 20TB 多模态矿业数据，Deep Optica 正在训练一个被称为「矿业世界模型」的底层系统。该模型整合了知识图谱和地质、地球物理、地球化学、遥感、钻孔等 12 类数据模态，目标并非简单的「识别模式」，而是理解成矿背后的条件逻辑，为后续工程与经济判断提供基础。

围绕这一能力，Deep Optica 希望将矿业企业发展过程中大量依赖人力、经验和运气完成的判断工作，尽可能前移、自动化和规模化，让资产「质量」的识别具备更高的流动「速度」，从而在企业发展过程中形成更持续、可复制的决策能力。

当矿业判断不再完全依赖个体经验，而是可以被拆解、复用并持续校正，这门古老的产业，或许正悄然迈向一个更加理性、也更加可计算的阶段 。

 

01

从「在哪找」，到「值不值得看」

 

在矿业世界中，「有没有矿」和「值不值得投」从来不是同一个问题。

矿业体系中，资源价值并不是一个单一结论，而是由「地质可靠性」和「经济可行性」共同决定的。地下是否存在矿藏，只回答了一半的问题；另一半，则取决于在具体市场与成本条件下，这一资源是否具备开发意义。矿业决策的复杂性，正来自于这两个维度之间的持续校正与权衡。

也正因为如此，矿业长期形成了一套高度依赖个人经验的决策方式。然而，即便最资深的专家，也不可避免地受到信息不完整、验证成本高昂与认知偏差的制约。结果是：大量潜在机会在早期被错过，或在中途被动放弃。

在现实中，矿业公司的成长路径大致只有两条：

一是通过勘探开发「自己找」，二是通过并购与投融资「买别人」。

无论哪条路径，核心挑战都高度相似：信息分散、验证成本高、认知偏差严重。这使得企业与投资人很难在早期快速筛选出真正值得继续投入精力的资产。

这也正是 Deep Optica 首个产品 Resource Connect（以下简称「RC」）诞生的背景。

作为一款矿业垂直功能性产品，RC 的目标并非提供单一判断结果，而是系统性提高矿业交易从筛选、评估到决策阶段的效率与密度。

在 RC 中，只需输入目标区域位置，系统即可整合当地的多源数据，快速形成对区域成矿条件的系统性认知。在此基础上，模型能够辅助圈定潜在成矿靶区，对成矿可能性进行量化评估，并在数据条件允许的情况下，推演地下矿体可能的三维分布形态，从而帮助矿业公司将原本模糊、经验主导的区域判断，逐步收敛为更具针对性的勘探与布孔策略。

更重要的是，这一能力并未止步于勘探端。Deep Optica 将矿业世界模型中形成的判断逻辑，进一步拆解为一组围绕不同专业维度协同工作的 AI 智能体，并将其封装进 RC 平台，使其能够真正进入矿业企业与资本的日常决策流程。这些 AI 智能体分别从地质合理性、工程可行性与经济可行性等角度出发，模拟真实矿业团队在早期阶段的协作分工：有的负责资产初筛与横向比较，判断项目是否具备继续研究的基础；有的拆解技术文件与历史数据，识别关键假设与潜在风险；还有的则结合成本结构与市场条件，对项目在当前环境下的经济边界进行动态评估。

 

 

Deep Optica 的核心系统｜图片来源：Deep Optica

 

通过这种多角色并行的方式，原本高度依赖个人经验、且往往只能顺序推进的判断过程，被前移并转化为可并行、可验证的分析流程。在实际应用中，RC 更多承担的是「案头判断」的角色——在技术人员入场、外部顾问介入之前，帮助决策者在海量项目中快速建立方向感，显著降低无效研究与决策反复所带来的成本。「目前，RC 平台已获得巴西最大矿业地质服务集团的认可，并开始拓展其在南美矿业评估市场的应用。」

 

02

伦敦小区的邻居们，

决定去拆解最沉重的行业

 

Deep Optica 的故事，并不是从矿山开始的。

2024 年，在伦敦一个普通的居民小区里，三位长期与「复杂系统」打交道的中国邻居，开始反复讨论同一个问题：为什么矿业这样一个高度依赖科学的行业，决策过程却仍然如此依赖经验与直觉？

CEO 相子恒博士毕业于剑桥大学，曾担任多个欧洲航天局项目的 PI，长期从事遥感与 AI 相关研究，专注于在高不确定、强约束条件下进行系统建模与推演。

CTO 方飞博士拥有多年国际机构 AI 转型经验，曾主导英国大型金融机构的智能化升级，擅长将模型能力嵌入真实业务决策流程。

CSO/CFO Jesse Huang 来自国际投行体系，长期负责矿业并购与投融资工作，对矿业资产的技术边界与经济价值判断具备极强的实战敏感度。

三人背景迥异，却在同一个判断上达成共识：随着多模态大模型和生成式 AI 的成熟，矿业这种长期依赖经验的决策过程，第一次具备被系统性拆解和前移的可能。

 

03

数据先行，从「弹药」开始

 

AI 并非第一次被引入矿业领域。过去的尝试，大多集中在单一模态的数据分析上，难以应对真实成矿过程中的多因素耦合，也难以支撑工程和经济判断。

Deep Optica 从一开始就意识到，如果要让 AI 真正进入矿业决策核心，最重要的资产并不是算法，而是数据本身。

创业伊始，团队投入大量精力，从全球范围内系统性搜集多模态矿业数据，涵盖公开技术报告、历史档案、钻孔记录、岩芯资料以及大量地质与工程文件。在此基础上，对高度碎片化的信息进行了标准化、溯源与结构化处理，最终转化为统一的底层表示，用于模型训练与推理。

 

 

数据和模型也是 Deep Optica 的护城河｜图片来源：Deep Optica

 

在 Deep Optica 看来，只有建立在足够扎实的数据之上，模型才有可能进入真实业务流程，而不是停留在展示层面，也才能在复杂而长期的矿业实践中走得更稳更远。

这套方法很快在真实项目中经受了检验。在蒙古南戈壁项目中，由于区域历史数据极为有限，许多资深地质学家也难以形成明确判断，只能通过长期驻场踏勘、填图来完成评估，周期通常为半年。Deep Optica 利用其数据清洗 pipeline，在一周内定向抓取并对齐了此前 7 倍以上的数据体量，完成了潜力评估与钻探建议。最终，在推荐的 4 个钻孔位中，有 3 个和地下浅层矿床匹配，不仅将评估周期缩短了 90% 以上，也帮助矿业公司避免了数百万人民币的无效钻探投入。

 

04

从二维辅助，到三维理解

 

尽管二维多模态模型已经在多个项目中展现出效率提升，Deep Optica 团队认为，这仍然只是开始。

在矿业中，「有矿」和「有经济价值」之间，始终隔着一道巨大的鸿沟。即便能在二维层面圈定高概率区域，矿主依然要面对最核心的商业问题：矿体形态如何？埋深多少？品位分布如何？是否值得建设竖井？

Deep Optica 所谓的「矿业世界模型」，正是试图在数字世界里还原地下矿体的三维形态。

这意味着预测单元的彻底升维：从二维「像素」，进化为三维「体素」——直接生成地下矿体的三维预测对象，而不只是概率分布图。

在没有「标准答案」的领域，Deep Optica 选择通过两条路径训练模型：

一是 对存量成熟数据的「资源置换」 。通过与成熟矿山和地质机构深度合作，获取大量已成熟采掘、拥有完整三维地质模型的矿井数据——这些「成型」的模型能让 AI 直观地学习到真实地下矿脉的逻辑结构与成矿规律。

二是 将沉睡的离散材料「三维数字化」 ——对现有数据池中大量离散的历史钻孔记录、手绘地质图和物探报告进行「逆向还原」和三维重建，生成高质量训练语料。

CTO 方飞博士表示，「这是一个没有现成答案、只能从头搭建的模型体系。」

为了突破这一瓶颈，三位创始人获得了来自伦敦大学学院（UCL）的汪军教授的鼎力加持。作为 RL China 的发起人，汪军教授长期处于决策智能的最前沿。他的加入，为 Deep Optica 注入了从简单的「感知智能」向「世界模型」进化的关键基因——不再仅仅是教 AI「看图说话」，而是构建一个能够理解因果、推演未来的动态系统。

 

05

在现实中慢慢站稳，克制前行

 

在矿业这个极其看重资历与确定性的行业里，空谈算法很难敲开大门。

如何获取那些传统且谨慎的矿产公司的信任？Deep Optica 给出的答案简单而有力： 依靠足够厚实的数据基础。 CEO 相子恒博士坦言：「能够让矿业公司信服的最直接依据，就是我是否能提供比你想象中更多的参考资料辅助判断。」目前，公司已与巴西大型矿业咨询机构合作，为其提供数字化转型服务，并为阿联酋政府机构提供地球化学建模支持，同时参与国内大型企业的海外矿山并购尽调。

在相子恒博士看来，要训练出一个真正能够支撑核心投资决策的成熟矿业世界模型，仍需要时间与持续积累。Deep Optica 目前正处于从二维辅助判断向三维系统理解跨越的关键积累期，希望在不夸大确定性的前提下，让矿业决策变得更理性、更可计算一些。

这群生活在伦敦的邻居们，并不急于给出答案，他们更关心的是：能否用数据与智能系统，重塑矿业企业从资源评估到资本运作的长期发展方式，让这个古老行业的关键判断，少一点运气，多一点依据。

*头图来源： Deep Optica

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

整理｜ Li Yuan

编辑｜ 靖宇

 

刚在 AI 领域激烈竞逐的马斯克和 Sam Altman，最近又在脑机接口领域短兵相接了。

2025 年 12 月 20 日消息，媒体报道 OpenAI 首席执行官 Sam Altman 作为联合创始人的脑机接口初创公司 Merge Labs，正在分拆成为独立公司，正在热火朝天地招兵买马。

不过相比于成立更早的马斯克的 Neuralink，Merge Labs 选择了一条新的技术路径。Neuralink 等为代表的公司主要通过在大脑中植入电极来直接测量神经元的电活动，而 Merge Labs 则利用最新进步的颅脑超声波技术，达到无需在大脑中植入电极，就能一次性大范围解读大脑信号的效果。

而这一次，中国公司也没有落下。

2026 年 1 月 1 日，由前脑虎科技联合创始人兼 CEO 彭雷和盛大集团、天桥脑科学研究院创始人陈天桥联合创立的格式塔（成都）科技有限公司正式官宣成立，标志着中国在脑机接口领域启动了一条以超声技术为技术栈的新路线。

格式塔创始人、CEO 彭雷表示，人类要完全理解大脑，需要把大脑作为一个整体来研究，而非局部功能区的叠加。正如「格式塔Gestala」之名来源于德国哲学与心理学概念「Gestalt」，其核心理念就是「整体大于部分之和」。临床多数中枢神经系统相关病症的病理机制并非局限于单一脑区，而是涉及全脑多区域神经环路的协同异常，超声波脑机接口是目前最有可能具备全脑的读写能力的技术方向。

产品形态层面，格式塔计划分多个代系推进，第一代是台架式设备，第二代是可穿戴式设备，具体应用场景仍聚焦「治病救人」。格式塔的首款核磁引导下的台架式产品将应用于慢性疼痛管理，预计于今年启动 NMPA（国家药品监督管理局）相关注册流程。

目前，格式塔已与华山、协和、华西等医院建⽴合作框架，未来将持续深化「产学研医」协同，针对更多等适应症展开临床研究，让技术更快落地服务患者，为全球脑功能干预与脑疾病治疗提供中国方案。

在 2026 年极客公园创新大会上，格式塔创始人、CEO 彭雷分享了为什么传统路线的脑机接口方案无法满足大脑信号的高空间覆盖与高时间响应，而超声波路线则更有潜力。

当 AI 的能力逐渐向人类靠拢，脑机接口为人类提供了更加了解自身，和人机融合的下一个窗口，进展值得期待。

 

以下为彭雷在极客公园创新大会 2026 上的发言全文：

 

01

AI 与人就是一个硬币的两面

 

各位极客公园的伙伴，大家早上好，我是格式塔的彭雷，很高兴来到这个会场，每年都会来这里给大家分享不一样的视角。每次都有同学问我为什么会在 AI 主题的会上讲脑科学。

我去年在这里分享的话题是「人工智能和脑科学，实际上是一枚硬币的两面」。过去一年，无论是人工智能的发展，还是神经科学的发展，都更加验证了我一年前抛出的观点，两者确实在相互促进。

大家可以回忆一下，人工智能的诞生离不开对神经元结构的基础研究，也就是神经网络。人类通过对大脑视觉皮层的研究，有了 Image Net；而如今的大语言模型（如 Transformer 架构），也遵循神经网络「层级连接、参数学习」的本质，对人类语言知识进行浓缩研究。人类对自身大脑的探索从未停止，我常说人工智能就像是碳基与硅基智能相互学习的过程，只是这种融合需要漫长时间，但每一年都会有新的突破。

所以今天，我再次回到这个场地，站在脑科学和神经科学的角度，和大家探讨为什么我们要多花点时间审视自身，我们在研究 AI，但 AI 与人就是一个硬币的两面。过去一年发生的几件重要事情，也进一步印证了这一观点：

第一件事，「人工智能之父」杰弗里・辛顿（Geoffrey Hinton）去年获得了诺贝尔奖，他本身拥有神经科学背景。获奖后他表示，将回到多伦多大学继续神经科学研究，其中最想探索的答案之一是「为什么人脑的学习过程中没有反向传播？」，也就是 AI 学习依赖的梯度下降和反向传播机制，在生物体中是看不到的。这无疑是诺奖级别的终极科学问题之一。

第二件事，11 月 26 日，伊利亚・苏茨克维（IlyaSutskever）接受了一次重要采访。他提到，「算力至上」的 AI 时代已落幕，当前 AI 强化学习是结果导向，效率极低，下一代 AI 突破需依赖「更聪明的算法配方」，而「情绪」是关键。受脑科学启发，他认为人类智能之所以高效的关键是「情绪」带来的「实时价值评估」，「情绪」被视为是人类强化学习的「奖励函数」，主张下一代 AI 应像人类一样，通过实时「直觉判断」优化决策。可以看到，我们在训练 AI 时，也开始依赖人类基础生理层面的概念，用于优化下一代 AI 的训练过程，这是两周内刚发生的事情。

 

 

Ilya Sutskever ｜ 图片来源：视觉中国

 

第三件事，埃隆・马斯克（Elon Musk）在 11 月 30 日接受印度企业家尼基尔·卡马特采访时提到，若想让未来的 AI 突破纯计算层面，需要注入三项更高维度的规则，分别是好奇心、追求真相、审美或爱。这三项都是人类独有的价值，而非 AI 与生俱来的能力。而人类的神经网络如何产生好奇心、追求真相、审美与爱，是神经科学已研究百年的课题，且一定会在未来 5-10 年快速应用到 AI 的规则制定与训练引导中。

最后一位是德米斯・哈萨比斯（Demis Hassabis），他也是诺贝尔奖获得者。他同样是神经科学背景转向 AI 领域，代表了科学与工程的交叉突破。作为 DeepMind 的创始人，他在公司被谷歌收购后带领团队取得重大突破，今年 Gemini 的亮眼表现给 OpenAI 带来了巨大压力。这证明，在神经科学与 AI 领域，学术界与科研界的交叉推动必然是未来趋势——纯粹的学术研究受限于算力和数据，已进入瓶颈，而 AI 的突破离不开学术与科研的深度结合。谷歌能快速追赶上的重要原因，离不开 Demis 的强学术背景与工程能力的融合。

我投身神经科学研究的初心，源自康德的名言：「世界上唯有两件事，你越思考越觉得无比震撼，一是头顶的星空，二是心中的道德。」头顶的星空指人类探索自身在宇宙中的存在意义，这也是马斯克致力于火星殖民的初心；心中的道德则追问「我们为何生而为人」，人类历经 40 万年进化成为自然界的主导者，为何能孕育出意识？其实，宏观的太空探索与人对自身的认知，在诸多层面存在强协同性。卡尔・萨根在 70 年代曾说：「人类之所以能在复杂宇宙中不断熵减、形成复杂个体并涌现意识，是因为我们本身就是宇宙审视自身、研究自身的钥匙，是宇宙意识的觉醒。」人类意识与宇宙的关系，这种极宏观与极微观的领域看似无关，但随着 AI for Science 的突破、神经科学的发展，未来五到十年，大家会越来越多地看到彼此之间产生协同效应，发现其背后隐含的关联。

 

02

一种对大脑相对无损的

「多点调控机制」已经出现

 

接下来具体聊聊大脑，今天在座的各位都携带的，也是我们生而为人的特质，也是一切感知、认知的基础。今天我与大家分享、各位认真聆听的过程，本质上就是我的神经元与你的神经元相互活动、交换信息的过程，其中涉及电信号、光信号、声信号、磁信号等，大脑正以我们目前尚未理解的方式，进行信息加工、学习与交流。大脑以 860 亿个神经元为基础进行运行，而人类对大脑的研究仍停留在感知与认知的表层。

感知是对世界的基础感觉（即五感：听觉、嗅觉、视觉、味觉、触觉），就像具身智能、人形机器人的训练逻辑一样，每个孩子从诞生起，就在接受「特殊语料训练」，只是这个「模型」并非运行在 H200 芯片上，而是运行在生物大脑中。你接触的人、接受的教育、遇到的父母与朋友，共同训练出今天的你，你的性格、对世界的认知、决策方式都是大脑被「训练」的结果。认知则是基于感知上更高的能力，比如知识、记忆、情绪、自我意识等。

目前，人类对感知层面的大脑功能区（如视觉区、语言区、运动区）已有初步了解，但对记忆、情感、意识等认知层面的工作机制尚未形成共识，我们对大脑的研究仍极为粗浅。

从脑机接口的角度来看，其核心原理并不复杂。通过在大脑中植入电极，采集神经元活动信号，再将信号解码为具体含义。比如我现在在台上动手、动口、动脚，大脑相应功能区的神经元会活跃，但如何精准捕捉这些信号，仍是行业面临的难题。

 

 

脑机接口原理｜图片来源：格式塔 CEO 彭雷在极客公园创新大会演讲

 

过去一、二十年，行业尝试了多种脑机接口技术路线，一是通过血管，将采集设备植入大脑上矢状窦的血管里面，记录特定区域的电信号；二是在颅骨上开孔，植入硬质电极并外接物理接口；三是马斯克 Neuralink 采用的柔性电极，将细小微丝直接与神经元接触。前两种为硬质电极，马斯克的方案为柔性电极，但核心都是将电极直接植入大脑。上述技术路径都需要切开头皮、肌肉层，对颅骨进行开孔和揭开硬脑膜和软脑膜，才能看到像「白色豆花」般的脑组织，最后将电极植入其中。这个过程我们在国内已开展过多次，我曾在手术室亲身见证过几次。虽然听起来令人畏惧，但未来大家会发现，它比想象中更安全。

国内近四年也涌现出多家代表性企业，覆盖半侵入式、侵入式脑机接口技术：

例如博睿康科技针对中风患者，在颅骨下植入设备，通过电刺激硬膜，减少中风（出血或缺血导致的）神经元死亡比例，进而提升术后康复效果。该产品已在中国完成 30 例临床试验，有效率 100%，有望成为国内首个获批的脑机接口产品；

我上一次创业的公司脑虎科技，通过侵入式脑机接口实现运动解码与语言解码，曾让 19 岁患者用大脑控制《王者荣耀》，但因仅植入单侧大脑（人脑右脑控制左手、左脑控制右手），患者仅能控制游戏方向，释放大招需工程师协助；

复旦大学类脑院的相关研究团队在「脑脊接口」领域也实现了突破，针对高位截瘫患者（如脊髓断裂导致无法站立），通过采集脑部运动区信号，绕过断裂的脊髓，连接至脊髓下段，已实现患者在支架辅助下站立并缓慢行走，这在过去对高位截瘫患者而言是不可想象的，如今已看到实现的可能。

但这就是未来吗？基于我对脑机接口的实践与观察，聊聊未来三到五年的新技术趋势。

我从事脑机接口行业四年，接触过众多患者，也在手术室见证过不同手术过程，我深刻意识到，我们对大脑的理解远远不够，大脑比想象中复杂得多。大脑应被视为一个整体，而非局部功能区的叠加，我认为大脑一定是「整体大于局部之和」的存在。

过去的电学脑机接口，是将电极植入特定位置，仅对该区域进行解码，我们实现了对视觉、语言、运动等感知功能区的解码，但人类想要破解大脑如何产生情感和意识，这将涉及全脑多区域神经环路的协同和信号传导，需要将大脑视为一个整体来研究。我认为未来新一代的脑机接口技术最重要的特点应该是搭建一个能对全脑信号读写和分析的平台。

过去这一年时间，美国多家机构、公司在这个领域展开深度研究，加州理工、斯坦福、华盛顿大学的科学家在该领域取得重要突破，而核心技术就是「超声波脑机接口」，利用超声波对大脑进行研究。

 

 

超声波脑机接口的优势｜图片来源：格式塔 CEO 彭雷在极客公园创新大会演讲

 

超声波脑机接口与电学、声学脑机接口的最大区别在于，超声波脑机接口具备对大脑任意位置进行调控与读写的能力。过去需植入电极才能记录信号，但超声通过相控阵技术，可在颅内特定位置形成聚焦焦点，通过该焦点实现对大脑功能的调控。这意味着我们获得了一种对大脑相对无损的「多点调控机制」。这对脑科学研究而言，是百年以来梦寐以求的能力。过去想知道某个脑区的功能，必须通过手术切开大脑并切除该区域才能验证，而超声技术无需侵入即可实现对该功能区的「关闭」和「打开」，为解开大脑「黑盒」提供了全新平台。

 

03

从记录电信号到记录血流信号，

格式塔怎么做下一代脑机接口技术？

 

因此，我们认为「基于超声波的全脑可读写脑机接口」将是下一代核心技术，而该领域在过去一年已出现明确风向标：

今年 4 月，Neuralink 约 10 名员工离职，成立了一家超声波脑机接口公司 Nudge，其 CEO Fred Ehrsam 是 Web3 巨头 Coin base 的前联合创始人；LinkedIn 创始人雷德・霍夫曼（Reid Hoffman）也投资了一家超声波脑机接口公司；今年 8 月，山姆・奥特曼（Sam Altman）亲自下场，成立超声波脑机接口公司 Marge Labs，Open AI 随即投资 2.5 亿美元，这都是美国一年内发生的行业大事。

今年 9 月，我正式成立了国内第一家超声波脑机接口公司叫「格式塔」。「格式塔」源自 100 年前德国心理学家、哲学家提出的概念，核心主张是「整体大于局部之和」，我坚信大脑正是如此，对局部功能的理解拼凑起来的不是大脑本身，大脑在更高层面上一定存在我们尚未发现的工作机制。因此，基于「全脑视角」的研究，才是脑科学研究的基础。

核心技术层面，我们通过超声波相控阵技术，实现对颅内多个位置的读写能力。所谓「相控阵」，本质是对「波」的管理算法。大家知道，中国在航空、军事领域已成熟应用相控阵技术，但该领域的相控阵管理的是电磁波，而我们的相控阵管理的是超声波，一个是电磁波，一个是机械波。

具备这个能力后，如何实现「读脑」？超声波读脑不依赖电信号（声学无法捕捉电信号），而是通过记录「血流信号」，即大脑内部的血流变化。这是小鼠大脑的血流成像图，能清晰看到大脑皮层内动脉与静脉的快速流动；而人类大脑的血管总长度远超想象，在座每个人的大脑血管总长度加起来超过 100 万公里。这些血管的血流变化，直接反映了神经元的活动状态。我们能记录血管信号，就能间接知晓大脑的活动情况，甚至实现全脑活动成像，进而完成全脑功能解码，这正是脑科学研究梦寐以求的目标。

其核心技术涉及多个领域，一是半导体技术，需解决超声发射单元的小型化；二是 AI 技术，需依托 AI 能力提升信号解码效率，这也是我们当前重点推进的方向；三是生物学与分子生物学技术，包括基因编辑、蛋白质设计等，这部分内容明年可以再和大家详细分享。

 

 

核心技术突破｜图片来源：格式塔 CEO 彭雷在极客公园创新大会演讲

 

人类大脑有 860 亿个神经元，而人体共有 30 万亿个细胞，正是这 30 万亿个细胞支撑起 860 亿个神经元的运作。基于对生物、对生命的敬畏，我们需要在基础研究上投入更多精力，因此我们也会高度重视生物学相关研究。

产品形态层面，我们计划分三代推进，第一代是台架式设备，第二代是可穿戴式设备，长期来看将迭代至半植入式设备。具体应用场景仍聚焦「治病救人」，核心针对以下适应症：

第一个就是慢性疼痛，我们在美国开展的临床试验显示，针对癌痛、幻肢痛、带状疱疹疼痛患者，通过超声波刺激大脑疼痛中枢，每次刺激 30-40 分钟，患者疼痛程度可下降 50%，效果维持两周，这对美国这类芬太尼滥用严重的国家而言，疼痛管理是巨大的市场需求；第二个适应症是中风，主要针对缺血性中风，通过超声技术保护缺血后的脑组织，显著改善患者愈后康复效果；第三个是精神类疾病，在座各位可能或多或少存在轻度抑郁或焦虑，若症状加重，非侵入式超声方案的接受度会远高于开颅手术；第四个是打开血脑屏障，进行药物递送，由于部分药物是无法通过血管进入大脑的，而超声波可精准打开血管的屏障，让特定药物递送至目标脑区，因此超声波脑机接口也能成为高效的药物递送平台；其他明确适应症包括癫痫、阿尔茨海默病（AD）等，全球药企在阿尔茨海默病药物上已投入 1000 亿美元研发，但尚未找到特效方案，而超声技术为该疾病的治疗带来了新可能。

同时，超声波脑机接口也可以实现运动解码，我们通过读取血流信号可实现鼠标控制、机械臂操控、语言解码等功能。

数据与 AI 层面，我们正在建设「超声脑库」，记录人类不同行为下，语言区、视觉区、记忆区、运动区等脑区的信号数据。这将成为人脑研究的「基础模型」（foundation model），与 AI 领域的基础模型是「一个硬币的两面」，最终能够实现相互解释。

格式塔的口号是「better brain for better humanity」（更好的大脑，为更好的人类）。我们认为，人类发展至今面临的诸多问题本质上是不同「脑回路」放电导致的认知差异。如果我们能通过技术帮助患者摆脱病痛，未来甚至能实现人脑与 AI 的连接，弥合人与人之间思维认知的天然差距和鸿沟，这正是我们这些神经科学与脑机接口创业者最想实现的目标。

 

 

格式塔口号｜图片来源：格式塔 CEO 彭雷在极客公园创新大会演讲

 

期待未来在 AI 与神经科学双轮并进的道路上，与各位持续探索、携手前行。

我的分享到此结束，谢谢大家。

*头图来源：格式塔

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

沃伦·巴菲特正式退休，卸任伯克希尔

当地时间 2025 年 12 月 31 日，著名投资人沃伦·巴菲特正式退休，从知名投资机构伯克希尔-哈撒韦公司的首席执行官岗位上卸任。

沃伦·巴菲特现年 95 岁，常年担任知名投资公司伯克希尔-哈撒韦公司的首席执行官。在 2025 年 11 月，其宣布将在年底辞去相关职务，但会继续担任董事会主席，并保留「相当数量」的股份。（来源：央视）

英伟达拟以最高 30 亿美元的价格收购以色列 AI21 Labs

据报道，英伟达正在就以高达 30 亿美元的价格收购以色列人工智能初创公司 AI21 Labs 进行深入谈判。2023 年的一轮融资对 AI21 Labs 的估值为 14 亿美元。英伟达和 Alphabet 旗下的谷歌 (GOOG.O) 参与了该轮融资。AI21 Labs 由 Amnon Shashua 和其他两人于 2017 年创立，是众多受益于人工智能热潮的初创公司之一。Shashua 同时也是自动驾驶汽车技术开发商 Mobileye 的创始人兼首席执行官。（来源：第一财经）

 

华纳兄弟计划下周拒绝派拉蒙的收购提议

知情人士透露，在派拉蒙天舞修改收购要约条款后，华纳兄弟探索计划再次拒绝其收购提议。华纳兄弟董事会尚未做出最终决定，但将于下周召开会议。董事会的关切之一在于，派拉蒙至今仍未提高报价，而华纳兄弟此前已以该报价不如奈飞的方案为由予以拒绝。（来源：新浪财经）

雷军致歉，因感冒将延期跨年直播

12 月 31 日消息，小米科技创始人雷军在网络社交平平台表示，因为感冒有点严重，原定跨年的直播推迟到 1 月 3 日晚 7 点，并表示，在微博抽送 15 台小米 17 Ultra。雷军在回复网友评论时表示，实在抱歉。网友回复称，「好饭不怕晚」，「好好休息早日康复」。

雷军之前通过社交平台宣布，将于跨年夜当晚开启一场特别的直播活动，直播期间将安排工程师现场拆解小米汽车，「将满足大家的好奇心，通过专业拆解深度解析技术细节。」

据悉，这次直播将首次公开 YU7 的部分设计细节。雷军表示，除了技术解析环节，还会设置互动问答时段，观众可通过弹幕提交关于小米汽车的各种疑问。技术团队已提前收集了数百个高频问题，准备在直播中逐一解答。（来源：新浪科技）

 

Kimi 完成 5 亿美元 C 轮融资，账面现金超百亿

12 月 31 日，月之暗面创始人、CEO 杨植麟在内部全员信中表示，公司已完成 5 亿美元 C 轮融资，账面有超过 100 亿元人民币的现金储备。

全员信中透露，Kimi 全球付费用户数月增速 170%，受 K2 Thinking 大模型带动，Kimi 在海外的大模型 API 收入增长 4 倍。据了解，本轮融资由 IDG 领投，阿里、腾讯等月之暗面老股东超额认购，公司投后估值达 43 亿美元。（来源：36 氪）

 

阿里开源新一代图像生成模型 Qwen-Image

12 月 31 日，阿里正式开源新一代图像生成模型 Qwen-Image-2512，实现人物肌肤质感、自然纹理还原与复杂文字渲染的大幅提升。同时，千问新模型支持流畅生成漫画风格 PPT、数据信息图等复杂图像，可满足专业设计场景下的多样化需求。（来源：36 氪）

 

字节跳动旗下海外 AI 助手 Dola 日活破千万

从知情人士处获悉，字节跳动旗下面向海外市场的 AI 助手应用 Dola 日活跃用户数已突破千万。该产品主打对话问答、写作翻译与图像能力，在 Google Play 的应用介绍中，其定位为写作、思考与创作的一站式助手。向字节跳动方面求证上述消息，截至发稿，对方暂未回复。（来源：界面）

 

小米 YU7 全系推出「3 年 0 息」购车活动：首付 7.49 万元起，月供 4961 元起

1 月 1 日消息，据小米汽车 App 账号 @ 社区大管家 消息，小米 YU7 全系可享「3 年 0 息」购车活动，2026 年 2 月 28 日前下单订购，可享限时金融方案，最高节省 21000 元。

方案一：限时 3 年 0 息。首付 7.49 万元起，月供低至 4961 元起；方案二：限时 5 年低息。首付 4.99 万元起，年化费率低至 1% 起，月供低至 3563 元起。（来源：IT 之家）

 

消息称理想将重点调整 30 万元级车型：纯电 i8 持续迭代，增程精简 SKU

12 月 31 日消息，为应对市场挑战，理想正在筹备一次重大的产品调整，提升产品力、减少内耗。

报道提到，理想纯电车型 i8 序列将保留并持续迭代，可以明确不会停产；增程产品方面，理想将重点调整 30 万至 40 万元价格段产品，通过精简车型 SKU，提升该细分市场的单车效率，可能还会有一款 50 万元以上的高端车型。

2025 年三季报电话会上，理想汽车总裁马东辉就曾表示，2026 年 L 系列会回归精简 SKU 模式，兼顾市场覆盖和供应链效率，「彻底消除入门版体验打折的痛点」。（来源：IT 之家）

 

宇树科技首家线下门店开业，高管称人形机器人即将进入家庭

12 月 31 日，京东 X 宇树全球首店于京东 MALL（北京双井店）开业。宇树科技董事、首席营销官王其鑫表示，人形机器人进入家庭的时刻可能快要到来了。他举例称，宇树的 4 足机器人 Go2 现在可以做一些简单的事情，比如取外卖、取快递、跑步帮你背个水，买菜帮你背包。

从蛇年春晚上扭秧歌到前段时间在王力宏演唱会上伴舞，人形机器人的技术已有天翻地覆的变化。

可能再过很短的一段时间，大家就可以真的是在家里，看到人形机器人为我们来提供服务。

此外，京东还推出了自营机器人租赁服务，大家能以更低成本、更灵活的方式体验机器人技术。

目前京东已在全国开设 27 家，面积在 3 万平到 8 万平不等的超级体验店，可在这里体验机器人在家居、教育、养老、文娱等多场景下的应用。（来源：快科技）

稚晖君发布首款个人机器人启元 Q1，上纬新材宣布进军个人机器人赛道

12 月 31 日，上纬新材旗下新品牌「上纬启元」正式发布全球首款全身力控小尺寸人形机器人「启元 Q1」，董事长彭志辉（稚晖君）宣布公司进军个人机器人赛道。

据相关介绍，作为背包大小的小型化产品，启元 Q1 攻克关节微型化难题，其 QDD 准直驱关节压缩至「比鸡蛋还小」，仍保留全尺寸机型的力控性能与高动态响应。

相较于传统机型，其体积缩小至 1/8，重量降低且具备耐摔特性，同时减少研发试错成本，缩小仿真与现实迁移差距。

据悉，该机器人将覆盖科研、陪伴、创作三大场景，面向科研人员、极客及家庭用户。（来源：新浪科技）

 

极氪预告 SUV 新车：旗舰 9X「同款」尾灯，消息称命名 9S

12 月 31 日消息，极氪官微发布了一张海报，主体是一款轻度伪装的新车车尾。该车采用了与极氪旗舰 SUV 车型 9X 高度相似的尾灯设计：上半部分为贯穿式，下半部分疑似采用分体设计，与极氪 9X 稍显不同。此外，相比于 9X，这款新车的尾部线条更偏圆润，具有更大弧度，采用流线设计。

新车代号为「虎鲸」，此前消息称计划命名为 8X，不过最近的传闻则透露新车命名变更为 9S。

今年 5 月的吉利 Q1 业绩沟通会上，极氪科技集团 CEO 安聪慧曾透露将于 Q4 发布的极氪 8X（中大型 SUV）。目前，极氪已经推出极氪 7X、极氪 9X 等 SUV 车型。

极氪 9X 今年 9 月上市，搭载 16 项全球首发、零百加速 3 秒级、纯电续航 380km，推出 Max 版、Ultra 版、Hyper 版以及曜黑版，售价 46.59 万元起。（来源：IT 之家）

潮玩「理财」神话破灭，Labubu 部分二手产品价格跌破官方发售价

近日，「泡泡玛特开始五折甩卖了」登上热搜。受产能增长并大规模补货影响，泡泡玛特多款热门产品二手市场价格快速下降，部分二手产品价格已跌破官方发售价。

以热度较高的前方高能系列搪胶毛绒挂件为例，得物 APP 数据显示，6 月 14 日，前方高能系列单个盲盒成交均价达到峰值 639.3 元，溢价 5.5 倍。

同日，隐藏款「本我」成交均价亦达到峰值 4522.5 元，溢价 44.7 倍。618 大促期间多轮预售之后，二手前方高能价格「跳水」，伴随之后的多次补货，价格不断下跌。截至 12 月 31 日，其单个盲盒成交均价为 116.1 元，隐藏款「本我」成交均价为 569.9 元，分别较峰值下跌 81.8% 和 87.4%。

其他二手交易平台同样如此。千岛 APP 显示，前方高能大部分款式二手价格已经跌破官方发售价 99 元。闲鱼 APP 上，前方高能端盒成交均价为 459.9 元，仅为官方发售价格的 77.4%。（来源：财联社）

 

作者｜Cynthia

编辑｜ 郑玄

2025 年末的 AI 编程圈，分别来自中美 AI IDE 第一玩家的两条最新消息，为本就热闹的市场再添一把新柴。

12 月 26 日，字节跳动旗下 AI 编码工具 TRAE 发布了首份年度报告，并在其中披露：发布不到一年，TRAE 共计为全球用户生成近 1000 亿行代码，处理了 5 亿条开发查询。其全球累计用户数量已经突破 600 万，覆盖近 200 个国家和地区，月活攀升至 160 万。

这是什么概念呢？开源项目分析机构 OpenDigger 做过一个统计，全球 GitHub 活跃开发者总量为 7700 万。 基于这个数据，换算一下的话 ， 全球每 13 个开发者中，就有 1 个正在使用 TRAE 。

更关键的是增长势能与用户粘性，近半年 TRAE Token 消耗量暴涨 700%，6000 名核心用户全年使用天数超 200 天，国际版付费用户更是实现自然周全勤。

几乎在同一时间，同赛道的另一匹黑马 Cursor 传来融资捷报：11 月 14 日，Cursor 母公司 Anysphere 完成 23 亿美元融资，估值飙升至 293 亿美金，这 一数字超过了国内大模型六小虎的估值总和 。

然而，就在一年前，行业对 AI IDE 的评价还充满鄙夷：魔改 VS Code+套壳大模型、只能哄骗没开发经验的小白、生产环境没法用……类似的嘲讽在技术社区随处可见。

短短一年，口碑两级逆转背后，行业到底发生了什么？

通过复盘 TRAE 2025 年累计超 200 次的迭代细节，我们发现，这场质变的答案，就藏在 性能、全能、智能，这三个行业关键词中。

 

01

性能：AI Coding 落地生产的基石

 

2025 年，当整个大模型产业的主题，从前一年的百模大战快进到 AI IDE 井喷，市场的关注重点，也从是否具备某种能力的选择题，升级成为了用户体验如何的应用题。

而 性能 正是 AI IDE 逆袭的核心逻辑之一。

TRAE 年度报告中的数据给出了佐证：6 月至今，TRAE 的补全延迟降低 60%+，客户端首 Token 耗时降幅达 86%；9 月以来，TRAE 首次构建耗时减少 70%+，非首次构建耗时减少 80%；稳定性层面，TRAE 的 MacOS 崩溃闪退率降至 0.43%，Windows 系统降至 0.71%，补全成功率和会话成功率均提升至 99%+，面板进入成功率更是高达 99.93%。

当然，这些工程层面的优化，往往不是各种榜单测评中的重点，但对开发者的实际体验却至关重要：

这意味着他们可以不再因等待补全中断思路，也无需因工具闪退重复劳动；也同时 意味着，AI 编程工具的可用性与稳定性，已经跨过了从 demo 到生产环境的关键一步 。

字节内部的实战正是最好的证明：据了解，字节内部 92% 的工程师在都使用 TRAE 加速开发进度；其中，抖音生活服务在 DevOps 全链路中接入 TRAE 后，AI 的代码贡献总量占比达 43%，约等于提升近一倍的人效比。

但性能的提升只是落地生产的第一步，如何打造完整的开发体验，才是今年下半年以来行业的关键赛点。

 

02

全能：全流程开发的全链路打通

 

性能达标后，今年下半年起，AI 编程工具的竞争就从代码补全、检索等单点任务，升级至全流程覆盖的完整解决方案。

这场竞赛中，Cursor 和 TRAE 的迭代路径极具代表性。

2025 年 10 月，Cursor 正式发布 2.0 版本，宣布支持多模型并行执行、内置浏览器代码测试及语音转码功能，目标直指全流程开发。

而 TRAE 的布局更早：7 月从 1.0 阶段（插件+IDE）升级到 2.0 阶段（SOLO Beta），集成编辑器、终端、浏览器等多工具视图，打通从需求构思到代码落地的完整链路；11 月再推 3.0 阶段 SOLO 正式版，主打「The Responsive Coding Agent」，完成从工具集成到智能协同的升级。

体现在产品设计上，截止如今，TRAE 的 IDE 模式，其核心支撑体系包含智能体、MCP（模型上下文协议）、上下文管理、Cue 四大模块，SOLO 模式在此基础上又进一步强化了对话流、工具面板和上下文管理能力。

其中，值得一提的是，SOLO 模式中的 SOLO Builder 可直接处理 PRD、技术架构文档，并集成了 Figma、Supabase、Stripe、Vercel 等主流工具。 而这也意味着，AI 编程软件有了覆盖完整开发的全流程，在连续、多轮、更复杂的项目中承担了更多实质性工作的能力。

支撑这种全能性的，则是行业在上下文管理和工具调用能力上的突破，这也是企业级用户选择专业 AI IDE 而非原始大模型的核心原因。

先看超长上下文管理能力。企业级项目对历史代码的调用、复用程度极高，部分大型项目复用率甚至超过 80%，但海量代码的处理的是大模型的天然短板。

以 Google Chrome 浏览器为例，其代码量达数百万行，按每行代码 5-10 个 Token 计算，完整加载需上千万 Token，远超当前大模型 20 万 Token 左右的普遍上下文窗口。

专业的 AI IDE 则能够针对这一问题，通过引入向量数据库构建 RAG，或者对历史内容进行修剪、分类、优化、压缩等操作，进行上下文管理，从而保证海量代码搜得到的同时，也不会产生过长的上下文，撑爆大模型。

比如 TRAE SOLO 的解决方案就是同时引入以上两种模式，既支持一次检索 10 万个代码文件，通过索引构建实现全仓库的上下文覆盖，让庞大项目的开发不再受限于模型上下文窗口的局限；同时也推出了智能压缩机制，当上下文超过窗口限制时，可以自动压缩，也允许用户手动触发压缩，释放上下文资源，提升模型输出效果。

除此之外，考虑到实践中的上下文类型的多样化，TRAE 还支持 10 余种上下文类型的添加，包括 #file （文件）、 #folder （文件夹）、 #doc （文档）、 #code （代码）、 #figma （设计稿）、 #image （图片）等。

如果说更强的上下文检索与更强的大模型，让模型可以深入大型、企业级项目的开发；那么工具使用能力的进化则带来了更好的四肢，支撑起 AI c 编程软件在企业级项目中的全流程覆盖。

TRAE 目前支持的 MCP，涵盖浏览器自动化（Chrome DevTools、Playwright）、AI 辅助推理（Sequential Thinking）、系统工具（文件管理、命令执行）、专业工具（IDA Pro 反汇编、Supabase 数据库操作）等多个品类，总数量达 1.1 万个。

借助以上海量工具的接入，企业真正实现了项目不同开发环节在同一流水线上的高效、无损对接：比如，集成 Figma 实现了设计稿直接转代码，解决了前端开发中设计与开发的衔接痛点；集成 Supabase 打通了数据库操作链路，无需切换工具即可完成数据层开发；Stripe 的集成则让支付功能开发无需重复对接第三方接口；Vercel 的接入则实现了代码编写与部署的即时联动。

体现在实际项目中，就是过去开发一个带支付功能的 H5，企业要在设计工具、编辑器、数据库工具、部署平台间反复切换，现在用 TRAE SOLO 模式，一个界面就能完成所有操作。

但问题是，专业项目中，AI 产出的代码，我们真的能相信它吗？

 

03

智能：如何实现 AI 自主能力与可控的平衡

 

一组有趣的对比是：进入今年十月以来，AI 编程赛道掀起了一股 Agent 热：从开源代码平台 GitHub，到大模型玩家 OpenAI，再到主流 AI IDE 产品 Cursor 、TRAE 全数下场，试图让 AI 能够自主理解开发目标、承接上下文并自主调度工具，独立推进开发各阶段任务。

TRAE SOLO 正式版，无疑是其中增长最为迅速的一个：数据显示其国际版 SOLO 模式从 Beta 到正式版，用户累计渗透率达 44%，问答规模暴涨 1300%。中国版 SOLO 上线后，每 10 位 TRAE 开发者中就有 3 位采用 SOLO，问答规模增长 7300%，用户交互深度提升 74%。

但供给侧的狂热，与需求侧的警惕形成对比：近期多家大厂陆续出台 AI 编码限制政策，泄密之外，AI 生成项目 BUG 过多成为核心顾虑。在实际生产中，AI 花两分钟生成的代码，常常需要程序员用 20 分钟 review，然后再花两小时改 Bug。

对比背后，是 AI 编程的致命两难：要如何在提升 AI 自主性的同时，保证代码的可控性和可追溯性？

TRAE 的解法是将 「 结对编程 」 理念融入 AI 工具设计。

这一诞生于 XP 敏捷开发的概念，核心是两个角色协同：驾驶员负责敲代码、关注细节，导航员负责把握方向、发现问题。

TRAE SOLO 将这种模式升级：当用户使用 SOLO Coder 智能体时，可以勾选 「 Plan 」 模式，AI 收到任务后不会直接写代码，而是先输出详细的开发计划，开发者可以与 AI 反复沟通方案，明确开发阶段、任务拆分和技术选型，直到达成共识再推进开发。

此外，在大型项目中，牵一发而动全身，如果 AI 生成的代码不规范、黑盒过多，短期看似高效，实则将项目风险后置，形成技术债务雪球越滚越大，且难以修复。

因此，Reddit 上一度流行一个段子：本来代码写出来只有作者和上帝能看懂，用了 AI coding 之后，就只剩上帝能看懂了。

针对大型项目这种对标准化的更高需求，TRAE 推出了自定义智能体功能。开发者可以根据项目的开发规范、流程要求，创建专属智能体，让 AI 生成的代码天然符合团队的编码习惯和质量标准。

数据显示，TRAE 中国版 57% 的用户会使用多于一种智能体，国际版 84% 的用户会使用多于一种智能体。TRAE 累计成功创建/编辑的自定义智能体达 36.5 万个。

 

04

结尾

 

过去一年多，关于 AI 编程，行业一直有一个疑问：当大模型的能力已经足够强大，甚至能直接通过对话生成代码时，我们为何还需要专门的 AI IDE 软件？

前 a16z 合伙人 Benedict Evans 在近期做客老东家播客时，给出了答案：当你与空白的原始聊天机器人对话时，你的提问不仅要说明想要什么，还要包含实现这件事的所有细节。

换而言之，好的产品是能力与经验的封装，最终交付给用户的是解决方案，大模型只是被封装的内容之一。而 用户打磨实现细节、交付完整解决方案。

从这个角度来说，TRAE 本质上是字节的先进代码开发经验，以及大模型能力的深度封装。

而位列国产 AI IDE 第一的 TRAE，其本质，正是一个「伪装」成 AI IDE 形态的字节能力全家桶 RAR。

作者｜ Moonshot

编辑｜ 靖宇

AGI 和大热的 Vibe-Coding（氛围编程）究竟带来了什么变化？

一个越来越清晰的趋势是：创作者正在逐步远离对工具的直接操作，转而更多地停留在「表达意图」这一层。

设计从 PS 选项里游走，变成了「帮我做一个更偏冷色、留白多一点的页面」；写代码从敲函数变成了「我想要一个支持登录、排行榜和多人对战的系统」；而现在，游戏也开始进入这个阶段。

把 Vibe-Coding 带入游戏领域的，是一个叫 Gambo 的平台。它给自己的定位相当大胆它号称：

「世界上首个游戏氛围编码智能体」 。

用户还可以直接修改别人的 Gambo 项目｜图源：Gambo

 

在 Gambo 里，你不需要敲代码、不需要学美术、不需要处理角色、动画、地图、音效之间的复杂关系。你只需要不断地告诉它：你要做什么类型的游戏、希望有什么机制、哪里需要改得更好玩一点。

在 Gambo 里，你可以做的包括但不限于：横版过关、平台跳跃、弹幕射击、塔防、连线消除、平台格斗、视觉小说……说白了，4399 上你小时候玩过的那些东西，它基本都覆盖了。

但作为一个从儿时的 4399 玩到当代独立游戏、3A 大作的老玩家，当我看到 Gambo 的介绍是「一句话生成完整可玩的游戏」时，我的心理预期非常保守：行吧，又一个看起来很美的 AI 噱头产品。

直到，我在 Gambo 上用了十五分钟，做出了今年大热喜剧作品里的《技能五子棋》。

---

 

栏目作者召集

极客公园的新栏目「AI 上新」，将带大家体验最新的 AI 应用和硬件，让你成为 AI 时代「最靓的仔」！

现在，我们也向所有喜欢尝鲜和体验 AI 的同学发出召集，只要你发现并体验了新的 AI 应用或者功能，按照格式（参考案例： 这款硬刚 nano banana 的 AI 生图 Agent，凭什么让数万人每天都用？｜AI 上新 ） 向栏目投稿，在极客公园公众号发布，不仅能获得相应稿费，且会为你「报销」AI 应用的订阅费用。

同时， 优秀作者还有机会进入极客公园 AI 体验群 ，获得最新 AI 应用和工具的内测资格，参加极客公园专属相关 AI 活动，和 AI 应用创始人一对一沟通。

AGI 太久，只争朝夕，让一部分人先 AI 起来吧！ 投稿、进群请扫描下方二维码添加极客小助手微信

---

 

01

十五分钟做出《技能五子棋》

 

《技能五子棋》本身就很适合作为一个 AI 游戏生成能力的试金石。

这个玩法脱胎于今年爆火的喜剧节目《喜人奇妙夜 2》。节目的笑点非常简单，也非常荒诞：在传统五子棋的规则之上，强行加入一整套离谱的「技能系统」，让原本严肃、克制的棋类博弈，瞬间变成混乱又充满戏剧性的对抗。

节目播出后，因为概念过于抽象又过于好懂，观众很快就「自发」总结出了《技能五子棋》的完整规则，甚至已经有开发者做出了可玩的版本。

网页版的技能五子棋游戏，我就直接复制粘贴了右侧的规则｜图源：http://60.205.233.104

 

于是我直接照本宣科，复制了技能五子棋的所有规则，喂给了 Gambo。

这是一个几乎完美的测试案例：规则足够清晰，逻辑并不复杂，但又包含棋盘逻辑、技能系统、回合制、胜负判定等多个核心模块，而且最重要的是，我可以非常直观地判断 Gambo 做出来的游戏能不能玩。

在输入规则 Prompt 后，Gambo 就像大多数 Agent 产品一样，进入了一个「自主执行」的状态。

Gambo 生成的游戏素材也很有质感｜图源：Gambo

 

我能清楚地看到它在后台跑流程，先是自主编程，搭建项目结构，接着开始生成素材、主场景、UI、背景音乐；骨架完成后，它进入逻辑阶段，创建棋盘规则、技能系统、结算逻辑；最后，甚至还先跑了一轮自检，试图发现明显的 Bug。

真正让我意外的是，Gambo 第一轮生成出来的东西，已经是一个相当完整、可以直接玩的游戏。

游戏的主界面有了；下棋的交互是对的；技能描述和发动效果也都成立；甚至还配了下棋音效和古风的 BGM。

但随便来几局，我就发现了明显的 Bug，比如技能提示 UI 完全覆盖了棋子导致无法操作；没有 AI，只能选择本地双打；可以随意无限次发动技能，游戏不够平衡。

我没有做任何技术层面的修改（因为我本身并不具备相关能力），我只是把这些 Bug 和不合理之处，像写测试反馈一样，原封不动地丢回了对话框。

Gambo 又开始跑新一轮流程，几分钟后，UI Bug 被修复，技能逻辑被限制，并且加入了「玩家 vs AI」模式。

但新的问题又出现了：AI 经常卡在「思考中」，而且即便 AI 使用了技能，玩家也完全不知道它做了什么。

于是我继续反馈，Gambo 再跑一轮。说实话，这个阶段已经完全看不懂它修 Bug 的逻辑链条了，它在改哪些文件、调整哪些参数，对我来说都是黑箱。但结果非常直接： 几分钟后，问题被解决了。

Gambo 解决 bug 的逻辑链｜图源：Gambo

 

于是，就在这种「发现 Bug – 告知 Gambo – Gambo 修复 – 再测试」的模式里循环了五轮后，一个可玩性、平衡性、符合规则且有趣的《技能五子棋》游戏诞生了。

做好之后，我第一时间把它丢给了朋友们。她们的第一反应几乎一致：「好强，你居然还会做游戏？」

但事实上，我做的事情非常有限：复制规则、描述问题、反馈 Bug，全程用时不到一小时。

 

02

一次失败，才看清 Gambo 的正确用法

 

当然，《技能五子棋》严格来说，并不是从 0 开始。

它依托的是一个成熟的棋类规则，只是在此基础上叠加了清晰的技能系统，属于结构明确、指令友好的类型。

所以接下来，我决定换一种方式，试试 Gambo 的边界。这一次，我想从一个完全原创的想法出发，看它能不能真的「搭」起一个游戏，但第一次尝试，我就犯了一个几乎所有新手都会犯的错误。

一口气把游戏设定全喂给 Gambo 的结果是：杂乱无章｜图源：Gambo

 

我想复刻的，正是小时候在 4399 上沉迷过的那种模拟经营餐厅小游戏。于是，我在 prompt 里写下了一整套「看起来很完整」的设计说明：

核心烹饪系统、顾客系统、经济与升级系统、结算奖励与惩罚机制，甚至还顺手加上了一点轻度随机事件。

从逻辑上看，这似乎是一份合格的策划案，Gambo 也确实照单全收了。它跑了将近半个小时，最后端出来的，是一个「从功能列表上完全合格」的游戏：我要求的系统，一个不少全都在。

但问题是：它一点都不好玩。UI 极其杂乱，看不出模拟经营应有的节奏；所谓的烹饪流程，本质上只是「点五次鼠标」；顾客、金币、升级系统各自存在，却彼此之间几乎没有联动。

改了几轮后的做饭游戏，还是非常无聊｜图源：Gambo

 

吊诡的地方正在这里，Gambo 完成了我提出的每一个需求，但这些需求之间，并没有形成一个真正的游戏。

在接下来的几轮修复中，我不断试图把它往心目中的「餐厅模拟小游戏」方向拉回：更改玩法、修正 UI、强化机制之间的关联……但很快我意识到，这个项目已经有点积重难返了，最初那次「一口气塞满需求」的决定，已经在底层结构上埋下了问题。

直到这时，我才真正意识到一件事： 在 Gambo 里，做游戏并不是一次性下达指令 。

它更像是在模拟一个游戏诞生的过程，无论是 3A 还是独立游戏，都是在摸索中慢慢进行版本迭代，你不需要一开始就想清楚终局和成品。

当我试图扔进去一个「把游戏一次性说明白」的长 prompt，Gambo 的表现反而会明显变差。就像几乎所有 AI 产品一样，当注意力被摊得过于分散，它很难判断什么是核心结构，什么只是装饰性的细节。

这也印证了 Gambo 团队在采访中反复提及的一句话：不要一次性把所有功能点都丢给 AI。

相反，当我像真正的开发者那样思考：先搭骨架，再加机制，最后调手感、修 Bug，Gambo 的成功率会显著提高。

我用这种思路，把之前一个只有「谜底」的推理小故事，成功地延伸成了一个有三个章节，多个结局的视觉小说游戏。

在一轮交互后，Gambo 就拿出了还不错的效果｜图源：Gambo

 

在过程中，Gambo 和其他的 AI Agent 产品都高度相似：用自然对话的方式，引导我把一个模糊的想法，拆解成一系列可以被逐步实现的小问题。

我有一种和 AI 共创的感觉｜图源：Gambo

 

整个过程中， 我不仅是一个编剧，也像是一个编辑，我会直接抱怨人物不够立体，动机不够明确 ；会嫌弃某段内心独白太直白、太生硬；甚至要求它参考陀思妥耶夫斯基的文风，去重新描写环境压迫感，以及人物在道德困境中的心理摇摆。

这些反馈会在一轮又一轮修改中，被逐渐吸收进游戏的整体气质里。越用 Gambo 我越能明显感觉到：AI 生成游戏是「长出来的」，不是一次性被生成的。

当然，和几乎所有 AI Agent 工具一样，Gambo 依然有着明显的局限。

它在复杂系统和深度数值平衡上的能力依然有限，对风格的理解有时也会流于表面，有一些 Bug 怎么反馈都难以修正，然而面对黑箱，我也难以搞清楚问题出在哪儿。

更现实的一点是，在商业化层面，它身上有一种明显的「紧迫感」，从开始创作起，就不断提醒创作者： 一句话就能在游戏里插入广告，立刻变现 。

这并不一定是错误的选择，但它会让我在使用过程中保持警惕，怀疑这究竟是一个鼓励长期创作、耐心打磨作品的工具，还是一个更偏向于快速产出、快速验证商业叙事的 AI 产品？

这几句话在生成过程中也一直出现｜图源：Gambo

 

而在结果上，Gambo 也无法替代一个成熟的游戏开发者，相反，它更像是为一种长期被忽略的创作状态而生：介于「我只是个玩家」和「我真的要做游戏」之间的那段灰色地带。

在这里，游戏不一定是商品，也不一定非要被上线、变现、规模化。它可以只是一次表达。

比如把自己和伴侣的故事，写成一部浪漫的视觉小说用来求婚；把孩子设定为主角，让他在一个你亲手搭建的世界里闯关；又或是单纯享受「手搓一个游戏」的乐趣，检验一个盘旋在脑中的游戏想法。

在传统路径里，从一个游戏想法到一个可玩的原型，中间横亘着技术、美术、引擎、时间成本，以及巨大的心理门槛。

我根据儿时回忆，生成的一款文字冒险游戏｜图源：Gambo

 

大多数想法，甚至来不及失败，就已经被劝退在起点。但 Gambo 把这些原本「想想就算了」的念头，变成了一个可以被快速试错、被反复修改、被真正玩到的东西。50 美元/月的套餐，也足以让用户精心打磨出几个成熟可玩的游戏。

或许，这就是一个玩家迈向独立游戏开发者的第一步。

在使用 Gambo 的过程中，我会想到儿时和朋友们在纸上画地图、写规则，边玩边改，上一条规则还没定型，下一条就已经被推翻，整个游戏只属于我们，但乐趣无穷。

区别只在于，纸上的想象有点儿被「点石成金」了。

Gambo 绝对还称不上成熟，但已足够我来圆儿时的梦。

近日，全球顶级创业孵化器 YC 在一期视频播客中，对 2025 年 AI 行业做出年终总结，Gemini 的爆发成为重点讨论的话题。

过去一年，Gemini 的市场份额从个位数暴增至 23%，成为不少人最常用的模型。而就在 2 年前，当 ChatGPT 横空出世时，谷歌曾一度陷入恐慌，拉响了公司最高级别的红色警报。彼时，外界看到的是一个硅谷科技巨头在面对新技术时的窘迫。

然而，仅仅两年后的 2025 年，局势发生了戏剧性的反转。凭借 Gemini 2.5/3.0 系列模型和 TPU v6/v7 芯片的算力支撑，谷歌不仅在模型能力上抹平了代差，更利用从芯片、云计算、模型、应用的全栈技术闭环，大幅拉低了推理成本。现在，轮到 OpenAI 拉响了红色警报。

资本市场敏锐地捕捉到了这一信号，巴菲特旗下伯克希尔·哈撒韦历史性地第一次建仓谷歌，要知道，这位全球最知名的价值投资者一直都在极力避开高速变化的科技公司。

过去一年谷歌股价上涨超 60%，这些聪明的钱不再只为模型买单，而是开始押注拥有全栈 AI 技术的科技巨头。毕竟，后者比纯模型公司拥有更深的护城河，以及更强的确定性。

谷歌增长的确定性很大一部分来自云业务。2025 年前三季度，谷歌云营收达 410 亿美元，同比增长 31.2%，显著高于亚马逊 AWS 和微软 Azure，在北美三大云厂商中增长最快。

过去十年，北美云市场格局相对稳定，亚马逊 AWS、微软 Azure 牢牢占据前两席，但 2025 年情况明显不同，随着 AI 应用加速落地，谷歌靠自研模型 Gemini 系列模型及 TPU 芯片，在模型能力和算力成本上形成优势，开始吸引越来越多企业使用谷歌云。曾经稳固的北美云市场格局出现了松动。

大洋彼岸的中国市场，类似全栈反击的剧情也在上演。

 

01

超级周期：云厂商需构建 系 统级 AI 基础设施

 

先看大盘。2025 上半年，中国公有云市场同比增长近 20%，创下两年来新高。云计算的周期波动始终与技术浪潮同频：上一轮爆发在 2014 至 2020 年；2021 至 2023 年，随着移动互联网红利见顶，云市场一度失速。而 2023 年大模型的爆发成为了新的转折点，各行各业重燃增长预期，企业开始将 AI 深度嵌入业务流程，推动组织重构、效率提升。

进入 2025 年，云市场进一步提速，推动增长的动力来自两个方向：

一是推理端算力需求的井喷。随着 DeepSeek R1、文心 X1 等深度思考模型的普及，AI 应用正从简单的「快思考」转向复杂的「慢思考」。模型在输出结果前，需要进行大规模的思维链推演。同时，多模态模型及应用进一步普及。这导致推理端算力需求呈指数级增长。

二是企业采购从「项目制」转向「系统性部署」。企业 AI 落地绝不是简单的 API 调用，而是一个涵盖算力供给、模型精调、工具编排、知识库挂载、安全管控的复杂系统构建过程。企业不仅需要模型，更需要解决计算性能、稳定性、扩展性和安全性等工程化难题。

从真实招投标数据来看，这一趋势尤为明显。2025 年 1-11 月，中国主流云厂商大模型相关中标项目累计达 291 个，中标金额突破 21 亿元。中标项目高度集中在金融、通信、能源、政务和教育科技这五大关键行业，显示出强劲的转型需求。分析这些订单可以发现，行业已从「上模型」的尝鲜阶段，迈入「规模化落地与复购」的深入产业阶段，Agents（智能体）开始接管企业从生产到经营的各种环节，直接创造价值。其中，百度智能云以 95 个中标项目和 7.1 亿元中标金额，位居行业榜首，是行业落地 AI 的首选云厂商。

随着智能经济时代到来，企业需要一朵能支撑起复杂系统工程的系统级 AI 基础设施。传统的以 CPU 为主、核心在于信息流通的云计算设施，正在被以 GPU 和 Agent 为核心、致力于创造价值的新型 AI 基础设施所取代。

头部云厂商纷纷加大基础设施投入。百度智能云明确了 AI Infra（算力基础设施）与 Agent Infra（智能体基础设施）的双轮驱动战略。其中，AI Infra，为企业提供强大的芯片、超节点、超大规模集群和百舸平台，解决算力供给的问题；Agent Infra，为企业提供一整套 Agent 的开发与运行系统，帮助企业在自己的场景中用好 Agent。阿里云 2025 年则宣布了「AI 基础设施重建计划」。

当云计算的价值创造方式被重构，产业链随之进化时，行业便真正进入了 AI 超级周期。

 

02

深入产业： 落地 是检验 AI 价值的唯一标准

 

一个行业共识是：大模型真正的价值，不在 C 端消费级场景，而在于千行百业的一个个具体业务场景里。

企业落地 AI，选择云合作伙伴时，考量的核心要素往往非常务实：

• 绝对稳定可靠。核心系统哪怕宕机半小时，都可能意味着产线停摆或交易中断，业务连续性是底线。
• 深度理解业务。AI 必须嵌入金融、制造、政务等垂直场景中，云厂商需像顾问一样提供深度解决方案。
• 交付解决方案。企业本质上购买的不是 AI 技术本身，而是用 AI 解决实际问题的能力。

因此，能够承接 AI 落地需求的云厂商，必须跨越三道槛：

第一道是 算力层，攻克 万卡集群 面临的 通信墙与稳定性 难题 。当模型进入万亿参数时代，训练任务被切分到成千上万张卡上，卡间通信延迟成为最大短板。如果没有底层的芯片级互联优化和上层的分布式策略，单纯堆砌硬件会导致算力大量浪费。能否让万卡集群像一颗芯片一样高效工作，是检验云厂商技术成色的试金石。

第二道是 模型层，构建起 行业专精模型 、并提供降本方案 。通用大模型虽然强大，但在落地垂直行业时，往往面临博而不精且成本高昂的困境。云厂商必须将企业沉淀的数据、规则与模型深度耦合，构建行业专精模型，并提供清晰的降本路径。

第三道是 应用层，构建起企业级智能体基础设施 。要让 Agent 真正可用，必须解决连接、编排与安全三大难题：既要通过 MCP 等协议打通企业私域数据与存量 IT 工具，又要支持复杂任务的工作流编排，更要在 Agent 接管核心业务时提供完备的权限管理与安全防护。

以此三道门槛为尺，我们不妨审视中国市场的头部玩家是如何布局的。以百度智能云为例，其过去一年的技术动作，恰好对应了这三个维度的系统性解题思路：

在算力层，百度智能云在硬件上发布昆仑芯超节点天池 256，通过自研 X-Link 协议将 256 张加速卡封装在一个节点内，卡间互联带宽提升 4 倍；软件上，百舸 5.0 平台针对 MoE 模型研发了 PD 分离技术。依托软硬协同，百度智能云成功点亮了中国首个全自研的 3 万卡集群，不仅解决了大规模训练的稳定性难题，更将有效训练时长维持在 95% 以上。

在模型层，通过「旗舰+轻量+专精」的全栈矩阵攻克成本难关。一方面通过自研文心 5.0 系列、4.5 Turbo、X1 Turbo，及第三方 DeepSeek R1 等深度优化模型大幅降低调用价格；另一方面推出千帆慧金等行业专精模型，以更小的参数规模实现专业效果，让企业算得过账。

在应用层，构建了完备的智能体基础设施。百度智能云在国内率先实现了对 MCP 的全生态兼容，通过千帆平台，企业可以像搭积木一样连接超过 1000 个现成的 MCP 服务，也可以快速接入自有系统。配合全链路安全治理，让智能体真正具备了处理复杂企业任务的能力。

 

03

企业选择：积极拥抱全栈 AI 云厂商

 

就像海外企业开始加速拥抱谷歌云一样，国内企业也纷纷选择能提供全栈 AI 基础设施的中国云厂商。

「全栈」是一个源自计算机领域的专业术语。AI 时代的计算架构已发生根本性变革，从传统的「芯片—操作系统—应用」，演进为「芯片—框架—模型—应用」四层架构。

具体到云计算领域，这意味着厂商需要构建起从算力平台、数据服务平台、模型开发平台，到部署平台的完整 AI 云基础设施，支撑企业从模型训练到业务接入的全流程需求。这种全栈自研带来的最大优势是能够进行端到端优化，使 AI 系统更加高效、稳定、安全，也降低了企业使用门槛和成本。

拥有全栈能力，也意味着能服务多样需求、适配复杂场景。比如，在传统制造、金融、政务等数据质量不高、预算有限的行业，全栈 AI 云厂商能以更低的成本完成模型微调和部署。而在安全性和自主可控性要求极高的国央企场景，全栈 AI 云厂商更是完成从硬件到交付闭环的唯一选项。

数据正在印证这一趋势。赛迪顾问（CCID）发布的《2025H1 中国 AI 云全栈服务市场份额报告》显示，2025 年上半年，中国 AI 云全栈服务市场规模达到 280.9 亿元，同比增长 195.7%。报告指出，市场马太效应愈发显著——百度智能云、阿里云、华为云三家厂商合计占据了 85.5% 的市场份额。其中，百度智能云以 40.2% 的份额位居第一。

百度智能云的市场表现，源于长期的战略定力。财经作者吴晓波在 2025 科技人文秀中表示：「中国今天有几家非常重要的人工智能基础设施建设商，其中之一就是百度智能云。百度在 2013 年就成立了深度学习研究院，2015 年，是中国互联网公司中，第一个提出要确立 AI 云战略的。在 2023 年，在 ChatGPT-3.5 推出四个月以后，百度推出了中国的第一个生成式大语言模型产品——文心一言。因此，百度智能云形成了两种能力：一个是算力的基础设施，如昆仑芯这样的产品，一个是服务于智能体 Agent 的基础设施。这两种能力帮助中国的很多企业开始有机会建立自己的行业大模型。」

长达十年的压强式技术投入，如今在商业层面开始兑现，构建起了城河。根据 IDC 数据，百度智能云已连续六年、累计十次蝉联中国 AI 公有云市场冠军。另据公开数据，百度智能云服务了超过 65% 的央企客户和超过 46 万家企业，打造了 140 万个 Agents，成为 100% 系统重要性银行、TOP10 新能源汽车企业、超半数以上游戏厂商首选的 AI 云服务商。在具身智能领域，AI 云市场份额第一。

吴晓波在 2025 科技人文秀中分享了一个有意思的故事：今年 3、4 月份他去了 14 家具身智能机器人企业，都是请百度帮联系的。那两个月的调研，让他对中国的具身智能产业有了一次全新的认识，看到了一个行业初创的时候的情况，以及有哪些人活跃在这个行业。而在这个备受关注的新行业，百度智能云也已获得了市场广泛认可。

这种全栈布局，还得到了国际权威机构的背书。Forrester 在《AI Platforms In China, Q4 2025》报告中，将百度智能云列为「领导者」象限，并在现有产品维度给予最高分。这正是对其全栈战略的认可。

2025 年，百度智能云战略进一步升级，打造「云智一体、智能优先」的新一代 AI 云基础设施。

未来云厂商的竞争，将不再局限于谁能提供更便宜的 API，而是谁能真正落地千行百业、谁能在真实业务中帮助企业创造价值。

赛迪顾问预测，到 2026 年，中国 AI 云全栈服务市场规模将突破千亿，达到 1116.3 亿元。在这个万亿级赛道上，只有那些能够提供「全栈能力」并深入「真实场景」的云，才能成为企业最终的同行者。

北京时间 12 月 30日，AI Agent 赛道的黑马 Manus 宣布加入社交巨人 Meta。

两者的合体，不仅补齐了 Meta 生态最后的『执行力』拼图，更将在全球数十亿用户面前，亲手开启自主智能体落地的大门。

据介绍，截至 12 月初统计的数据，上线至今，Manus 已处理超过 147 万亿个 tokens，并创建了超过 8000 万台虚拟计算机。

在 Manus 看来，此次收购，是 Manus 在通用 AI Agent 领域里工作获得认可。

到目前为止，Manus 已经为全球数百万用户提供服务、创造价值。在接下来的时间里，Manus 将服务于 Meta 平台上的数百万企业和数十亿用户。而此次与 Meta 的携手，将进一步巩固 Manus 在 AI 应用层的战略位置，可以将先进的人工智能能力转化为可规模化、可靠的系统，在实际使用场景中端到端出色地执行用户交给的任务。

未来，Manus 专注于构建通用型 AI Agent，帮助用户高效完成研究、自动化和复杂任务。面对全球越来越多用户的使用需求，团队持续迭代产品，努力使 Manus 在实际使用中更实用、更可靠。今后，Manus 将继续通过 App 和网站为用户提供产品和订阅服务，同时公司将继续在新加坡运营。

Manus 首席执行官肖弘表示：「携手 Meta 使我们能够在不改变 Manus 运作方式和决策机制的前提下，在更强大、更可持续的基础上发展。我们对 Meta 与 Manus 合作的前景充满期待。我们将继续迭代产品，为用户提供超预期的服务——这是 Manus 从上线至今得以存在和发展的根本原因。」

对此 Meta 也发布公告称，Manus 加入 Meta 团队后，主要会为消费者和企业产品（包括 Meta AI）提供通用代理。Meta AI 负责人Alexandr Wang在外媒发帖回应了此事，并称新加坡的 Manus 团队在探索当今模型的能力过剩方面处于世界一流水平，能够构建强大的代理。

据业内人士估计，此次交易金额或在 40 亿-50 亿美元左右，整个谈判过程前后不到十天，交易速度非常快。

显然，此次交易，对于 Meta 来说，是一次补齐「执行力」短板，构建闭环生态的主要动作。此前，Meta AI 此前侧重于内容生成和信息检索。

引入 Manus 后，Meta 将拥有真正的自主行动能力。这意味着用户在 WhatsApp 或 Instagram 上不仅能问「帮我查下旅游攻略」，还可以直接下令「帮我订好机票、酒店并生成行程单」。Meta 此次收购或许意在阻击 OpenAI 及 Anthropic 在 Agent 赛道的扩张。通过将 Manus 的执行能力植入 WhatsApp、Instagram 和 Facebook，Meta 正在构建一个不仅能聊天、更能帮用户「干活」的全新 AI 生态系统。

另一方面，Meta 拥有数百万企业用户。

Manus 强大的市场调研、数据分析和自动化办公能力，两者相结合，能够更直接打造企业级工具，显著降低中小企业的运营成本。而对 Manus 来说，在 AI Agent 竞争白热化的当下，依托 Meta 的资本与技术资源，Manus 可以更加专注于产品迭代，而不必在融资和基础算力采购上耗费过多精力。

Manus 此前已创建过 8000 万台虚拟计算机，这需要极强的算力调度。加入 Meta 后，Manus 可以依托 Meta 强大的 Llama 模型底座和算力集群，实现更高量级的并行处理。尤其是，Manus 提到的「不改变运作方式和决策机制」是关键，这允许 Manus 保持初创团队的敏捷性，同时享受巨头的资源。

在刚刚过去的零跑 10 周年发布会上，零跑汽车创始人、CEO 朱江明回顾了过往十年的技术积累，并发布了未来的蓝图。

而在发布会后的高管群访中，朱江明携高级副总裁曹力等一众团队高管集体亮相，为大家详细解读，下个十年的重点发展目标。

对于刚刚发布的 D19、D99 两款 D 系列新车，零跑确认「体验豪华，但依旧实惠」。

十周年发布会的第二天，零跑和一汽入股的合作正式敲定。对于此次合作，朱江明表示会一汽这样大公司的入股，能增强零跑的抗风险能力。但是零跑团队，依然会牢牢控制公司的控制权。

零跑汽车整体管理层回答所有人关于下个十年的问题｜图片来源：零跑汽车

对于近两年大热的具身智能和机器人，朱江明认为技术风口一直存在，零跑会做「预演」，但是依然要看「投入产出比」，如果无法「三年回本」，零跑就不会做。

在智驾方面，刚刚发布的 D19、D99 系列车型都搭载了高通双 8797 芯片，算力达到 1280TOPS，保证了智驾算力充足。对此，零跑科技高级副总裁周洪涛告诉极客公园，D 系列两款车 VLA 车位到车位的高阶智驾，计划在 2026 年年中推送给用户。

关于全新的 D 系列旗舰产品、备受关注的一汽入股细节、对具身智能的务实态度，以及海外市场的具体打法，管理层给出了更为详尽的解答。

以下为本次群访的重点速记整理：

DD 旗舰，以「豪华」开启下一个十年

零跑一直以「性价比」著称，但随着 B 系列和全新的 D 系列发布，品牌向上的意图明显。D 系列作为旗舰车型，如何打破原有的品牌刻板印象，同时支撑起未来的销量目标，是媒体关注的核心。

提问：「半价理想」既是美誉也是包袱，从 D 平台开始，零跑是向高端化冲击了。我想问一下，怎么样让消费者接受一个不便宜的零跑？

曹力： 其实这个答案我们朱总在内部信里就有提到，零跑不能再以新势力自居，我们要做全球化世界级车企，零跑会有零跑的特色。不管是 ABC 还是 D 系列，我们始终坚持「成本定价」的原则。D 系列虽然是旗舰车型，但并不一定是豪华车的价格，所以零跑的产品还是会强化它的价值感。

曹力在发布会上公布 D99 车型｜图片来源：极客公园

D 系列车型虽然 25-30 万的价格，比以往零跑 ABC 车型的价格要高，但它的品质感和价值感绝对可以冲击 50 万-100 万的车型去对比，所以买零跑的车型大家永远可以放心，我们永远是「成本定价」，所以大家会去关注我们零跑所有车的价值感，绝对是物超所值。 

提问：我们看到昨天发布了两款 D9 旗舰的车，两款好车造出来了，我们接下来会投入什么资源在这两款车上？

徐军： D 系列产品不仅是一款产品，更承载着我们整个面向「以用户为中心」的服务体验升级。大家都说豪华，我们是给用户打造豪华体验为目标的，我们每款产品升级都会带动整个营销服务体系大的升级，我们会把它做成一个机会，也作为一个挑战。

因为大家知道营销服务体系没有最好，只有更好，在这个过程中每款产品上市都可以让我重新审视一下整个营销体系是不是能真正给用户提供更满意的服务，D 系列承载着这样产品的任务。刚才前面这位媒体已经问到了，我们会用这个产品重新塑造端到端的，从销售到服务端的整体服务体验，这一块是我们对 D 产品承载的另一个使命。 

 

一汽入股，合作深入，但牢控实控权

近期中国一汽与零跑汽车的战略合作签约引发了行业巨震。作为「国家队」入股「新势力」的典型案例，外界最关心的除了资源协同，便是创始团队对企业的控制权问题。

提问：今天看到了一汽入股的消息，我就接着这个再问一下，您早前也强调了创始团队对整个公司的实控权。我想问的是后续一汽的股权比例是否会持续增大，大概增大到多少是您的心理底线，以及公司后续会不会再引入别的外部股东？

发布会第二天，一汽入股零跑汽车就正式开启｜图片来源：零跑汽车

朱江明： 刚刚腾飞已经说了，我们和一汽投资协议里有一些约定，我们一直强调还是要保持创始团队实控人的控制权，这是不会改变的。毕竟还是有一个主导方来管理公司。确实有我们创始团队，还有 Stellantis 和一汽这种比较固定的股东作为零跑的股东方，对公司的稳定性是非常好的。 有了这个骨架以后，我觉得在一些小的二级市场，对所有的股民也是更好的保障。

因为汽车是一个大的产业，如果说全部都是市场上小的股东还是有一些风险的，毕竟有大的股东，这种抗风浪的能力会更强一些。因为新能源汽车的赛道，未来几年并不是一帆风顺，可以没有任何风险，还是有一定风险。有了这些大股东的加持和支持，以及战略层面、产品层面的合作、零部件层面的合作，确实对零跑是非常好的一件事情。 

李腾飞： 我补充一下这个问题，无论是和斯泰兰蒂斯合作还是和一汽的合作，我们在合作之初对方都明确表示不谋求控股，因为他们深刻的知道只有朱总带领着团队才能够让零跑发展的更好。而且在我们和一汽，和斯泰兰蒂斯的投资协议里，对股权的比例都有明确的约定，来保证公司实控人团队的实控地位。 

 

机器人，务实派的「三年回本」论

在 AI 和人形机器人概念火热的当下，零跑表现出了特有的工程师务实思维。对于新技术的投入，朱江明给出了一个非常明确的量化标准。

提问：昨天晚上您在活动上也讲到了，我们在 AI、具身智能等方面，现在您的看法和之前说自动驾驶时是一样的，您觉得还是只是做预研，当它不能落地时，不能给消费者做实际运用时，您可能不会想要特别大的投入……如果具身智能和 AI 下一步要做的话，您想不想多投入一点，多讲一点？

朱江明认为具身智能和机器人还是要讲究收益比｜图片来源：零跑汽车

朱江明： 首先从每一个行业，每一个新的技术来讲，大家看到一路过来，这里除了汽车媒体，还有很多互联网或者 IT 的媒体。比如说物联网、AI 人工智能、四小龙、机器人，大家看到很多热点不断在变化，不断往前走。但到今天为止，我们去看最近 10-20 年所有的这些新技术都有一波热门，觉得它是代替一切的，但最终落地的时候大家看到并没有非常好的最终结果。最终能不能落地都很难讲，都需要真正给用户产生价值才能变现。前期的话可能更多是一种炒作，或者是某某股价又怎么样了，这是一个很大的概念。

但真正能落地的技术并不是那么多，所以我们觉得具身智能也好、机器人也好，如何在工厂里首先落地，而且能解决实际问题。从零跑的角度看，这些设备的投入能不能在三年内做到三年投资收益，投入这些设备可以减掉多少人，能不能在三年之内拿回回报，这是零跑衡量的标准，而不是很盲目的说机器人时代来了，一切就都以自动化优先，而是怎么样平衡的，效率和投入做到平衡点。

我们零跑目前是三年，如果三年内拿不回来这个投入收益就不上自动化。 

 

海外市场，借船出海与本地化制造

依托与 Stellantis（斯泰兰蒂斯）的合作，零跑在海外市场的扩张速度引人注目。除了销量的增长，供应链整合与本地化制造是下一阶段的关键。

提问：大家目前都比较关注，除了内地市场以外，也比较关注香港的本港市场，以及相关的合作方，欧洲市场这一块……真正在渠道和供应链这一块，我们是有哪些具体的合作方向？

徐军： 您 Cue 到香港问题，我来回答一下，正好我从香港回来。也和大家报告好消息，过去三个月时间不到，我们在香港就卖了 300 多台销量。我去香港是正式去交付，代表着什么，代表着我们的产品在香港已经经受过香港市民严格的考验。 斯泰兰蒂斯也是被大家认可的，我们 零跑走了一条「借船出海」这种创新出海模式，也成为行业大家非常关注的案例典范。

目前来看，我们合作是非常顺利的，全球已经覆盖了 35 个国家，加在一起已经有非常多的门店。我们也是以最快的速度、以最短的时间实现这样覆盖的产业，全是得益于斯泰兰蒂斯整体的供应链体系、金融体系，以及网络体系的互用，目前证明我们双方合作在整个营销和渠道发展方面是互相支持的，也是 1+1>2 的。 

曹力： 海外这一块我们也讲了比较多，在渠道建设，我们在海外已经有 700 多家门店。其实和 Stellantis 合作的过程中利用双方的优势：一是渠道快速的建设，包括服务、金融和物流这些。另外是大家比较关心的我们要出海做本地化制造，制造这一块也是利用它现有的资源，快速把零跑比较有优势的产品能快速导入进去，这也是在快步推进当中，这与我们海外销量表现一样的，也是零跑非常好的优势。 

另外，在供应链这一块，这也是和本地化制造密切相关的。因为 Stellantis 除了本地化制造的资源以外，它的全球采购、供应链资源也是非常丰富的，所以说我们双方也会利用供应链资源，零跑自研制造的零部件也可以对外销售。它的一些有优势的供应链资源也可以整合，也可以利用本地化制造的机会在欧洲，或者其他地区采购零部件，这是双方的优势资源整合，我们在这一块也能和其他品牌出海一样的，优势也会很快体现出来。

作者｜张勇毅

编辑｜靖宇

如果说过去两年大家已经习惯了 SSD 和大内存手机那是「大碗便宜」，甚至觉得白菜价是理所应当的，那么即将到来的 2026 年，恐怕会给市场一记沉重的耳光。

随着人工智能需求的爆发式增长，全球半导体供应链正在经历一场剧烈的资源重组。近期供应链传来的密集信号都在指向同一件事：

存储芯片行业已经进入了罕见的「超级周期」。

但这对于普通消费者来说可不是什么好消息，这意味着智能手机、笔记本电脑这些终端产品的价格「洼地」正在被迅速填平，甚至要隆起成为新的「高地」了。

一切涨价的源头，归根结底都是产能的极致倾斜。

十二月初，有媒体报道称：三星即将完全停产 SATA SSD，以便将生产线重新分配给人工智能所需的存储产品的消息。

这个消息随即在业内引发激烈讨论。虽然三星电子随后赶紧出来辟谣，明确表示逐步淘汰 SATA 或其他 SSD 的传言是错误的，但俗话说无风不起浪，这个谣言背后的产业逻辑其实并非空穴来风。

 

三星过去一直是消费级 SSD 的主力出货方 ｜ 图片来源：三星

 

真相往往就藏在这些辟谣的缝隙里：虽然三星不会立即断供 SATA SSD，但一个不可否认的事实是，为了满足数据中心和 AI 客户对高利润产品的渴求，NAND 和 DRAM 的核心产能正在发生战略性转移。同时关于内存的价格压力可能长达 18 个月之久。

在晶圆厂产能有限的前提下，当每一片晶圆都被优先拿去生产昂贵的 AI 加速器用高带宽内存（HBM）和服务器级 DDR5 时，留给消费级 SSD 和内存条的产能自然就捉襟见肘了。这其实不是「停产」与否的问题，而是一场关于「优先级」的残酷博弈。

 

01

AI，吞噬产能的黑洞

 

很多人可能纳闷，为什么 AI 火了，会导致我买不起手机内存？这背后的核心逻辑在于 HBM（高带宽内存）对晶圆产能造成了某种程度上的「降维打击」。

普通的 DRAM 内存与 AI 专用的 HBM 在产能消耗上完全是不对等的。首先从物理层面看，HBM 就像是在盖摩天大楼，前沿的标准通常需要将 8 层、12 层甚至 16 层的 DRAM 裸片垂直堆叠起来。这意味着，制造一颗同容量的 HBM 芯片，本质上就消耗了 8 到 12 颗普通芯片的晶圆面积。

 

HBM 本身在结构上对晶圆的消耗就异常巨大｜图片来源：AMD

 

除了这种物理堆叠带来的消耗，HBM 还需要采用极为复杂的硅通孔工艺来打通各层芯片，这不仅让单颗芯片面积更大，更导致良率远低于成熟的普通内存。行业数据显示，生产 1GB HBM 所消耗的晶圆产能，大约是生产 1GB 普通 DDR5 内存的 3 倍以上。

更糟糕的是，为了追逐 HBM 高达 5 到 10 倍于普通内存的利润率，三星、SK 海力士纷纷将原本生产通用内存的产线停机，改造为 HBM 产线。

这种供需失衡同时还进一步导致了存储芯片原厂与手机制造商之间原本就「不平等」的关系变得进一步紧张：有存储芯片原厂方的员工在接受外媒采访时表示：如果手机厂商不接受涨幅达 50% 的 DRAM 存储芯片报价、他们也完全可以将产能转给愿意支付比这个价格更高的服务器客户。

 

手机 DRAM 芯片利润率相比服务器需求来讲仍然不够具有诱惑力｜图片来源：三星

 

这种改造往往是单向且耗时的，一旦通用内存出现缺货，很难在短期内把产线再「变」回来。简单来说，AI 服务器每多吃掉一口 HBM，消费电子市场实际上就少了两三碗 LPDDR 的「饭」。

 

02

大厂「内战」：亲兄弟也明算账

 

如果说外界对产能转移还只是猜测，那么三星电子内部最近闹的一出「拒签风波」，则彻底揭开了存储芯片供需失衡的遮羞布。

据韩媒 Sedaily 12 月 1 日的新闻报道，三星电子旗下负责半导体的 DS 部门，竟然拒绝了自家负责手机业务的 MX 部门提出的内存长期供应协议请求。

于是我们就看到了三星集团如此戏剧性的一幕：尽管手机部门的高管亲自出面交涉，试图为三星电子即将发布的 Galaxy S26 系列争取稳定的芯片供应，但半导体部门态度强硬，仅愿意签署为期一个季度的短期合同，理由也无懈可击——他们也要赚钱。

半导体部门正处于 HBM 和服务器内存带来的盈利「超级周期」，他们必须将利益最大化。而这一决策直接导致了手机部门的噩梦。以 12GB LPDDR5x 为例，年初价格仅为 33 美元，而到了 11 月底已飙升至 70 美元，涨幅超过了 100%。

 

先进制程芯片对智能手机整机成本的影响巨大｜图片来源：三星

 

再加上手机成本中占比最高的移动处理器也在涨价，三星采购处理器的花费同比激增了四分之一。当「亲兄弟」都无法拿到友情价时，市场的严峻程度可见一斑。这意味着 Galaxy S26 系列乃至后续的安卓旗舰，极大概率将面临严峻的定价压力。

 

03

无一幸免，苹果三星都受伤

 

即便是拥有 4 万亿美元市值、手握巨额现金储备的苹果，也无法在这一轮涨价潮中幸免：根据供应链最新的调查，苹果与三星、SK 海力士签署的 DRAM 内存长期供货协议即将到期。面对两家韩国巨头「2026 年 1 月起涨价」的通牒，苹果的议价空间正在被压缩。

爆料者指出，这一变动将直接冲击苹果 2026 年的产品线。虽然苹果可以通过庞大的现金流和自研芯片来对冲部分成本，但核心零部件的硬性上涨很难被完全消化。

原本苹果在 2026 年的产品线规划堪称野心勃勃：不仅有首次亮相备受期待的折叠屏 iPhone、更有定价 599 美元起的超廉价版本 MacBook 产品线问世，但这些都是受到内存芯片涨价影响首当其中的产品定位。

 

曝光中的入门级 MacBook 也将于 2026 年发布｜图片来源：网络

 

这次受影响的产品范围非常广，包括即将到来的 iPhone 18 系列、备受期待的折叠屏 iPhone、传闻中的「低价版」MacBook，以及升级 OLED 屏幕的 M6 MacBook Pro。分析认为，苹果很可能在 2026 年上半年被迫上调产品价格。对于消费者而言，所谓的「低价版」MacBook 可能不会像预想中那么便宜，而 iPhone 18 的起售价或许也会试探新的高点。

对于国内手机厂商来讲，2026 年所要面临的，将是比三星/苹果等供应链大厂更为严峻的定价挑战，Counterpoint 对明年全球手机市场的预期由涨转跌，预计 2026 年全球智能手机出货量预期将年减 2.1%；之前预计会有增长的 vivo、OPPO 和荣耀全部预期转跌，荣耀的预期下调幅度最为猛烈。

瑞银的行业调查显示，在强劲的 AI 需求持续挤压供应的背景下，内存行业正进入一个「十年一遇」的严重供应短缺年份。报告预计，DDR 和 NAND 的合同价格上涨势头至少会持续到 2026 年第三或第四季度。

从今年 11 月开始，就有不少国产手机品牌的高管，在微博上开始发出警告，表示 2025 年智能手机成本上涨幅度将会非常惊人；包括雷军、卢伟冰等大佬纷纷发声，足见此次「超级周期」给行业带来的巨大压力。

 

高管频频下场喊话用户理解内存价格上涨带来的压力 ｜ 图片来源：微博

 

这场涨价潮最有趣也最残酷的地方在于，它对不同档次的手机造成的伤害是完全不对等的。

瑞银通过拆解报告和销售数据算了一笔账：对于那些卖得贵的旗舰手机，到 2026 年底，内存成本在总成本（BOM）中的占比会从现在的 8% 爬升到 14%。虽然单台手机的内存成本会从 52 美元跳到 73 美元，涨了 41%，但这 20 多美元的增量对于一部大几千块的手机来说，只占平均售价的 2% 左右。靠着品牌溢价和更高的利润率，头部品牌其实还有「缓冲垫」来消化这部分成本。

 

整个 2026 年手机价格都会笼罩在内存价格上涨带来的负面影响之下 ｜ 图片来源：瑞银

 

但对于那些主打性价比的中低端手机来说，情况就完全是另一番景象了。瑞银的分析显示，到 2026 年第四季度，内存成本在中低端手机总成本中的占比将飙升到惊人的 34%。这意味着，你买这部手机的三分之一钱，都是花在了那一小块存储芯片上。

单台手机 16 美元的增量成本，听起来不多，但却占到了中低端手机售价的 6% 左右。对于利润本就薄如蝉翼的厂商来说，内存价格的每一次跳动，都像是在他们的心口上剜肉。这些厂商将不得不采取更激进的手段，要么大幅提价，要么只能在内存配置上「缩水」。

面对这种成本的硬性上涨，手机厂商们正站在一个尴尬的十字路口。如果完全自己吞下这部分成本，那公司的利润表会变得非常难看，甚至可能亏损。如果选择「减配」，比如今年是 12GB 内存，明年还是 12GB，虽然能缓解一点压力，但依然挡不住芯片单价的上涨。

这场成本风暴最终可能会重塑整个智能手机的市场格局。瑞银认为，苹果和三星因为手里握着巨大的现金储备和高端市场的绝对份额，在这场风暴中处于更有利的地位。它们不仅有更强的议价权，还有足够的利润弹性去消化成本。

相比之下，那些规模较小的厂商，或者是主要靠中低端机型冲销量的品牌，日子会变得异常艰难。如果你在争取内存供应时排不上号，在成本上涨时又不敢涨价，那么市场份额的流失几乎是注定的。

从三星内部的资源倾斜，到苹果供应链的合同重签，所有线索都指向同一个结论：电子消费品的通缩时代结束了。

AI 带来的不仅仅是技术的革新，还有隐形的「AI 税」。一方面，端侧 AI 模型要求手机配备更大的内存，起步就是 12GB 甚至 16GB；另一方面，云端 AI 训练的服务器通过 HBM 抢走了海量的晶圆配额。这种「两头堵」的局面，使得 2025 年末到 2026 年，无论是安卓阵营还是苹果阵营，都面临着巨大的成本结构压力。

对于消费者来说，未来的换机策略或许需要调整。如果你正期待明年的旗舰设备能够「加量不加价」，现实可能会让你失望。

在内存厂商赚得盆满钵满的「超级周期」里，最终为这场 AI 狂欢买单的，依然是绝大多数沉默的终端用户。如果你还正期待 2026 年的消费电子产品能继续「加量不加价」，那么你可能真的需要重新审视一下自己的期望值了。