（本文作者为 智客ZhiKer，钛媒体经授权发布）

PandaAI创始人 李昱琦

哥伦比亚大学金融工程本硕，某实盘期货大赛最年轻盘王，曾是管理规模超10亿的量化私募合伙人。当这些标签同时落在出生于1999年的李昱琦身上时，他似乎被定义为一位天选量化交易人，未来的发展路径也是确定的。

可是，2024年的时候，他决定跳出来。

“随着大模型能力的逐渐提升，量化交易行业的认知叙事会慢慢被消磨掉。当时就在想，还要不要继续留在这个行业。”李昱琦认为，量化交易行业本质上是一个靠资金积累、招揽人才、叠加物理壁垒，最终累积起来的认知叙事。独家数据源、低延迟交易通道、百人研究团队，这些壁垒构筑了机构的围墙，也定义了普通人与量化交易人才之间的距离。

另一个推动力来自一个观察：Cursor出来之后，编程效率提升了数倍，但做不好量化研究的人依旧做不好，瓶颈不在编程效率，而在思考力和判断力的边界。工具在变强，人的研究能力却没有随之线性提升。

于是，他想做一款AI交易产品，它会随大模型能力而不断进化。PandaAI由此诞生，用AI Agent帮人完成从因子研究到实盘交易的全链路。

如今这家公司七十余人，海内外用户超10万，举办了三届因子大赛累计3万人参与。近日，连续完成种子轮、天使轮及天使+轮三轮融资，累计融资金额达数千万元人民币。

在小红书上搜索AI交易，高赞笔记仍是骗子、割韭菜的新话术。评论区里有人晒亏损截图，有人质问“真有这么好你自己不用”。这道认知裂痕，也是理解PandaAI的起点。

没有共识，所以有机会

不信任的根源，不在于谁入场，而在于大众对于AI交易的概念并未形成共识。

根据李昱琦观察，大众对于AI交易的认识仍旧停留在AI帮你操盘、做投资决策、告诉你哪一款产品值得买，这一类的AI荐股领域，外加上市面上流行的AI交易产品，大多是大模型加一些简单的金融公式，背后甚至是人在操作。大众的认知与真实的AI交易之间存在一道鸿沟。

AI交易的定义是什么？它的边界在哪里？

李昱琦的回答是：目前的AI交易只是停留在研究层面，比如回测、数据分析、建模、基本面分析、事件驱动、舆情等等。市面上所谓的AI交易，只不过是把研究成果转化成交易记录而已。

在对 AI 交易未来发展的探讨中，他将其演进路径概括为L0到L4五个阶段。L0 完全依赖人工；L1是AI辅助，人仍然是主体；L2是单智能体闭环，实习生复现研报就属于这个层级；L3是真正的质变，多智能体协同（Agent-to-Agent），自主规划、相互制衡、持续迭代，能积累经验，也能根据实时市场学会新经验、调整自己的 harness；L4则意味着AI完成公开市场中的标准化研究与交易，人类只做风控和资金出入管理。

AI 交易 L0-L4：从执行力到独立思考力的完整进化路线

“当下的 AI 交易才刚刚走到L3的初期。走到L4，可能只需要1-2年，但真正的挑战不是技术，而是人们对于AI交易的信任。”李昱琦说道。

AI交易的演化将会带来资管行业的重塑。

重塑首先发生在投资流程上，瓶颈从“人力够不够”变成了“Agent 编得好不好”。决策机制从基金经理拍板，变成了多个 Agent 辩论与制衡，人的工作从“做决策”变成“审决策”。

AI 真正提高的不是交易效率，而是人的思考力与判断力。思考和判断是通用的，它可以被嵌进任何一套方法论里。人们可以用它蒸馏别人的策略，也可以用它蒸馏自己、进化自己。

李昱琦判断，交易行业是 AGI 无法绕行的必经之路。来源于公开数据的博弈，可能都会被Agent所取代，因为它面对的不是稳定态的物理规律，不像AI for Science 那样靠大量轮询就能跑出确定性结果。交易需要实时决策和动态博弈，需要面对市场不确定的分布。在这样的市场下面，对Agent能力的提升，可能比其他场景要重要得多。

竞争格局的重塑则更为深远，原来没有量化机构研究能力的一群人，也可以拥有量化机构的研究能力，大家的差距可能只剩下认知判断力。

从写代码，到管一支交易Agent团队

李昱琦认为：“真正的通用人工智能，从来不是一座堆砌静态知识的图书馆，而是一套在开放复杂系统中，持续自适应、持续决策、持续生存、持续创造的高阶生命式智能。它的核心能力，不在于熟记既定规律，而在于面对无固定规则、持续迭代演化、零和博弈竞争的真实世界，能够自主迭代、破局创新、长期存续。”

这个想法也反映在PandaAI的产品设计上，三条产品线，构成一级级向上的阶梯，从帮人写代码，到帮人做研究，再到帮人管一支Agent团队。

Qube面向入门用户。过去一个交易想法要变成可验证的策略，需要在数据、

代码、回测之间反复折腾；现在，用户只要用一句话说出想法，AI 就会把它拆解成数据获取、因子构建、回测等一个个节点，可查看、可调整、可复用。

Qube本质是一个可组合多种Skills的智能Agent，通过不断接入新的 Skills，持续扩展投研与任务执行能力，帮人把想法跑通。

但Agent 解决不了思考力的提升。于是有了EVO，业内有人把它称作“量化界的 Claude Code”。这是一款面向专业研究者的 AI 原生量化工作台，用户从研报或交易想法出发，在 AI 协作下完成因子构建、回测、风险检验和版本迭代，研究过程沉淀为可复用的资产。

再往上，是即将上线的OS。按照 A2A（Agent-to-Agent）架构，未来一个人可以同时使用多个Agent，一个负责因子迭代，一个负责组合优化，一个负责数据搜集。Agent与Agent之间的协作，让 AI 交易不再是单一模型回答问题，而像一支专业团队那样，通过分工、验证和反馈，共同完成一整条交易研究。

但OS的核心，不是让 AI 自主交易。李昱琦强调，Agent 要在明确的数据范围、工具权限、风险规则和人工授权下运行，根据回测结果和市场变化不断修正研究路径。

他更看重的是，持续积累的工作流运行数量，能够让越来越多的人和 Agent 在这套基础设施上共同探索，让新AI交易方法论持续涌现。在这个过程中，人依然是AI交易方法论中不可替代的一环。也因此，PandaAI持续搭建新一代AI交易者生态，让更多交易者能够真正参与到人与 Agent 协同创造交易方法的过程中。

为了搭起这个生态，PandaAI 做了两件事：开源、举办因子大赛。2026年6月，PandaAI 开源了首批 QuantSkills 量化能力库与 Agent 集群。

外界质疑，开源了还怎么赚钱？

李昱琦的回答指向一条铁律：任何公开的因子公式，随着使用者增多都会陷入拥挤，超额收益随之消失。但Agent不一样，同一个基础Agent，在不同人手里会被调教出完全不同的逻辑，底层共享，输出却千人千面。真正的壁垒在Harness 层，也就是对 Skills、智能体、约束规则的组合与调度。

DeepSeek的最新动作，为这一判断提供了一个行业注脚。它将 Harness 作为独立项目开源，核心理念是“一切皆插件”。模型决定了Agent 的基础能力，而 Harness 决定了它能调用什么工具、遵循什么规则、以什么方式完成任务。PandaAI正在金融场景里搭建这样一套垂直Harness，把金融数据、Quantskills、Agent、研究流程与约束规则组织在一起。“我们不怕抄袭，因为抄袭的速度，比不上大模型迭代的速度。”

因子大赛是另一条线索。第三届报名人数超过1.2万人次，累计提交因子超过 8000个。在这些上万名报名者中，真正出圈的是几个完全非科班出身的人。一位 40 岁的开发老兵，通过在PandaAI平台上持续学习与实操入门量化，拿下了第三届因子大赛IC榜冠军；一位普通双非的工科研究生，靠AI迈入量化之门，赢得了第二届因子收益率榜冠军。他们和机构专业选手的差距，远比想象中小。

这些赛事，不只是用户增长的渠道，更是为了验证产品能力，发现优秀研究者，沉淀因子与策略工作流做的积累。

在李昱琦的设想里，未来真正决定竞争力的，不再只是单个因子的有效性，而是谁能构建出持续学习、自主规划、协同工作的 Agent 系统。

真正值钱的那一层能力

PandaAI的技术架构由四层构成。

第一层是数据底座，整合海内外行情、财务及宏观数据。第二层是模型与专业能力，以自研的 CQ2 为核心，同时接入 DeepSeek、豆包等外部大模型，核心是把通用模型调教成能理解金融语义的专业能力。第三层是Agent工程与协作系统，通过 ADE（Agent Development Environment） 和 A2A 架构，把模型、数据、工具组织成可编排的交易智能体，Qube、EVO、OS 本质上就是这一层的封装。第四层是交易连接，期货柜台已全部打通，期货实盘客户端也已于6月正式上线。

“模型和数据可以买，但如何把它们编排成能跑通完整交易流程的智能体，是 know-how，无法直接复制。这也是PandaAI 认为真正值钱的一层。”李昱琦向钛媒体创投家表示。

和传统的量化平台相比，PandaAI想做的不是简单串联起量化交易的全流程，而是改变这条决策链路由谁推动，过去主要由人写代码、调用工具、分析结果；现在，Agent 开始参与任务拆解、工具调用和研究迭代。

但架构搭起来，只能说明产品可以运行。Agent能不能真正做好交易研究，还需要进一步验证。

PandaAI连续发表CQ2、A2A Self-Evolution、AlphaSchema 等前沿论文，将方法和实验公开出来，这对于一家刚成立两年的公司，并不常见。

CQ2 探索神经符号 LLM Agent 如何真正进入量化研究流程，让 AI 从理解金融知识进一步走向因子构建与研究验证；A2A Self-Evolution 关注Agora 因子与因子评价体系共同自进化的A2A架构；AlphaSchema 则试图用结构化交易语义框架拓展 Alpha 的探索空间。三篇论文层层推进，指向同一个问题，如何让 AI 从“会做研究”，进一步走向“AI如何真正理解交易“。

李昱琦给的第一重答案是共识，参照系是同花顺，它是在图表交易成为共识之后，才被广泛使用的。当下 AI 交易没有共识的方法论，发论文，就是给这个尚不存在的共识画一张施工图；第二重是生态。产品不是被提前预设的，而是要跟生态一起成长；第三重是人。论文是最硬的招募广告，PandaAI 很多核心开发，就来自最早探索 AI 交易的那批社区用户，后来从使用者、共建者变成了团队成员。

商业设计上，李昱琦认为，做B端交付可以积累经验语料和落地场景，机构的需求最复杂、数据最真实，做过这些项目，产品能力才能沉淀下来。做完B端，再做C端，是顺其自然的事情。

可是，他更爱C端用户，“PandaAI 想成为‘量化领域的 Claude code’，不靠卖 API 给机构，而是直接服务每一个想用 AI 做交易的个体。”C端用户集中在95后到05后，以AI Native为主，这批人不需要被教育什么是 Agent，他们天然习惯用 AI 完成工作。

目前，PandaAI海外版TQX两万注册用户，相当一部分来自东南亚和中东，这些市场没有成熟的量化基础设施，反而对AI原生交易工具的接受度更高。

李昱琦不想只用平权来定义PandaAI。

在他看来，AI 真正带来的变化，是让普通个体与专业机构之间原本巨大的研究能力差距开始缩小。过去只有专业团队能够使用的数据、研究方法和量化工具，正在被 AI 转化为普通人也可以调用的研究能力。它提升的不是赚钱的确定性，而是一个人理解市场、验证判断和构建策略的能力。相比过去单纯提高生产效率，AI 更重要的价值，是在提升人的思考能力。

（本文首发钛媒体APP，文 | 智客Zhiker，作者｜郭虹妘，编辑｜杨林）

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

（本文作者为 本原财经，钛媒体经授权发布）

文 | 本原财经

AI产业竞赛是重资产游戏，算力资本开支（Capex）的指数级扩张正在快速吞噬全球科技大厂的自由现金流。

海外四大科技巨头亚马逊、谷歌、微软、Meta，2026年合计算力相关资本开支预计超7500亿美元，整体规模较2025年接近翻倍；国内阿里、腾讯、字节、百度三家大厂单季度投向AI基建的资金，基本也逼近两千亿元。

风险和机遇最终都汇于同一个问题：未来需要投入多少钱，能产生多少实质性回报。

在业绩电话会上，阿里巴巴集团CEO吴泳铭倒是给了市场一个定心丸，他认为AI算力Capex的投资回报确定性较高，AI产品的平均毛利还在提升，「算力投入预计三年能回本，甚至可能缩短到两年半、两年」。

站在AI产业商业兑现的历史性窗口期，我们以「三年回本」为样本简聊一下这场饱和式投入。

全栈AI的账单

对于一家长期以效率为核心的公司来说，拥抱变化是常事，2027财年第一季度（自然年2026年第二季度）财报中，阿里在组织上做了新调整。

具体来说，蒋凡掌舵的电商合并成一个集团（含盒马和菜鸟部分商业）；平头哥并入云，组建起“AI云与算力服务”版块；模型实验室、千问2C事业部、千问办公从“所有其他”分部里拎出来，独立成“AI实验室与应用”；“其他分部”的游戏业务灵犀互娱被卖了，剩下阿里健康、虎鲸文娱、高德等业务。

在此之前还有三次值得关注的调整：3月成立ATH事业群，整合通义实验室、千问、悟空、MaaS和创新业务，CEO吴泳铭挂帅；4月通义实验室升级为通义大模型事业部，周靖人掌帅；6月合并通义大模型事业部与未来生活实验室，成立Token Foundry事业部，吴泳铭负责，周靖人升任首席科学家。

种种动作结合起来，都是在强化AI业务的重要性。

阿里是国内为数不多拥有全栈AI能力的玩家之一，这次把模型、应用、云和芯片集体放进AI版图，全链路打通，资源倾斜的思路更清晰了。

全栈AI最容易看懂、最出彩的账本是「云和算力」相关业务。

AI云及计算服务收入484.37亿元，同比增长45%，与摩根士丹利分析师Gary Yu给出的判断一致；利润端，经调整EBITA达到56.28亿元，同比增长133%，利润率从去年同期约7%提升至12%。

同一季度，Google Cloud增长82%，Azure增长43%，AWS增长37%，阿里是45%，这组数据也解答了此前市场对阿里AI投入的部分疑问。 

盈利改善得益于高利润率MaaS业务增长、自研芯片渗透率提升及运营效率优化。其中镇武系列芯片目前已经通过阿里云向超过20个行业、650多家外部客户提供训练、微调和推理等服务。

AI相关收入达124亿，同比增长超150%，年化ARR突破495亿元，可见国内对云算力的需求相当旺盛。

AI基础设施是离钱最近的，大厂都在疯狂扩产，阿里近年来也保持了相对激进的AI资本开支：本季度Capex增加至676.78亿元，涨了75%，远超市场预期的约360亿。

此前阿里曾提出未来三年至少3800亿元的开支计划，截至6月底季度已投入1900亿元。

首席财务官徐宏解释了全栈AI平台的商业逻辑，他认为无论是AI软件订阅、大模型API推理、GPU租用，还是训练与推理相关的软件服务，AI商业化都建立在算力中心等基础设施之上，因此「必须是Capex先行，才能获得后面的业务增长」。

面向消费者的下游AI应用，仍然处在重投入阶段。

反映到财报数据上，AI实验室与应用分部本季度收入为33.38亿元，同比增长16%，表现一般；经调整EBITA从去年同期的亏损32.24亿元，扩大到亏损138.61亿元。

亏损主要来自模型投入和千问App推理成本，说明AI应用的商业模式和变现还没跑通。

吴泳铭还给出了一个很重要的判断，假设目前AI产品的平均毛利水平可以维持，叠加自研芯片占比提升带来的毛利率改善，「当前Capex投入三年之内回本」，这也是阿里管理层第一次明确向外提供AI投入的回报周期。

同时他表示算力紧缺至少持续到2030年；2020年采购的A100到现在仍“近乎满载地被客户使用”。

摩根大通也算了笔账，假设阿里每投入100元AI Capex，成熟期ROIC约20%，设备按5年直线折旧，税后IRR约22.1%，大约2.95年回本。

不过，Capex回本的逻辑是，芯片自研能持续降低采购成本，模型开源能持续拉动云服务需求，AI应用反过来推高算力消耗，三者正反馈能循环起来，当然若中间任何一个环节出问题，都会拖累回本周期。

接下来需要重点关注的是三个指标：AI云收入/Capex的转化效率、增量利润率，以及成熟资产的ROIC。

当前算力Capex对自由现金流的吞噬，压力已经显现出来了，本季度在经营现金流小幅增长约11%的情况下，自由现金流已下探至近-450亿，去年同期仅为188.15亿元。

粮草继续努力

再回过头看阿里整体财报，本季度收入为2689.53亿元，同比增长9%；经营利润为151.61亿元，同比下降57%；经调整EBITA同比下降30%至273.29亿元，非公认会计准则净利润为207.15亿元，相较2025年同期的335.10亿元下降38%。

拆解费用端，营业成本同比提高了22%，研发费用提高了50%，都是因为加大了对云计算、AI方面的研发投入；管理费用提高72%，跟计提一项欧盟因《数字服务法案》处以的5.5亿欧元罚款相关的准备金有关。销售费用同比下降10%，外卖补贴大战放缓所致。

AI在前冲锋陷阵，军需粮草的储备也得跟上，阿里作为超级巨头，优势会更多一些。

谷歌有搜索，微软有Azure，Meta有社交，腾讯有游戏，每个大厂都有一个印钞机属性的老生意，对于阿里来说，电商业务依然是基本盘、压舱石和现金流来源。董事长蔡崇信今年曾披露，阿里核心电商业务每年能够产生约250亿美元自由现金流。

电商大势都清楚，这里只简单梳理下。

本季度电商业务整体收入2059亿元，同比增长4%；经调整EBITA为397.49亿元，同比下降1%。

其中淘天部门的客户管理收入同比下降7%，中国即时零售业务同比大涨45%，是整个电商集团增速最快的业务。国际电商收入小幅下滑1%，全球批发业务同比增长7%。速卖通本季度在经营层面实现盈利。

新被纳入电商集团披露口径的盒马，2026财年，GMV已超过1070亿元，连续两年实现全年经调整EBITA为正。

蒋凡提到，“即时零售板块预计在2029财年实现整体盈利，长期看，即时零售有望贡献平台整体交易额的30%，成为电商板块的第二曲线。”

阿里账上的现金储备还剩4700亿，AI重资产模式下，云已经能看到商业化回报，C端应用和模型距离盈利还有距离，电商在维稳守门。

676.78亿元的资本开支看起来数额大也别太怕，阿里持有的长鑫存储目前市值都上千亿了，再说，要是阿里都不花钱，还指望谁花呢。

若三年回本的路径能跑通，「芯、云、模型、应用」全栈AI的星辰大海，就近在眼前了。

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

（本文作者为 Edge AI Daily，钛媒体经授权发布）

硅谷前沿：

一、特斯拉的赌局：9月3日，一辆没有方向盘的车要上路了

1.特斯拉Robotaxi运营数据与Waymo差距悬殊：截至2026年Q2，特斯拉无人驾驶里程仅38万英里，Waymo达2.2亿英里（差距约580倍）；特斯拉实际运营车队约30-50辆，Waymo约3800辆（差距超100倍），马斯克试图用制造端的规模杠杆压缩技术端的经验差距。

2.Cybercab9月3日发布面临三重挑战：技术层面，38万英里无人驾驶里程不足以构建统计安全置信度，且FSD系统缺乏独立第三方安全评估；监管层面，无方向盘车型需获NHTSA豁免，特斯拉尚未确认是否已提交申请；资本层面，2026年资本支出预计超250亿美元，其中AI基础设施占48%，规模化节奏慢于预期将拉长回报周期。

3.特斯拉与Waymo路线截然不同：Waymo走激光雷达+高精地图+多传感器融合的渐进安全路线，近十年亿英里数据打磨；特斯拉走纯视觉+超级工厂产能的激进路线，Cybercab年安装产能已超12.5万辆但今年不会大规模量产，需等待FSD v15成熟（预计2026年底至2027年初），核心赌注是用制造规模倒逼技术进化。

二、255纳秒，英伟达最隐秘的护城河

1.GPU内存延迟层级：RTX 4090上一条LDG.E指令从发射到返回，若L1命中约15纳秒（40个核心周期），L2命中约127纳秒，DRAM命中约255纳秒——以2.52 GHz Boost时钟计算，单次DRAM miss可让GPU空转超640个周期。

2.缓存架构设计哲学：英伟达的缓存系统不追求最低延迟，而追求最高吞吐。L1采用奇偶校验哈希替代简单截取以均匀分布地址；96 MB L2被划分为36个独立slice，通过三哈希路由分配，跨12个内存控制器分段管理——每一项决策都在为吞吐服务。

3.护城河的本质：英伟达在微架构路径上已迭代15年（从2008年GT200到Ada Lovelace），每一代缓存系统、内存控制器和内部互联都经过重新设计。普通开发者通过高层API获得不错性能，但极限优化路径被锁定在cuDNN、TensorRT等闭源库中，形成知识不对称——这是AMD ROCm追赶乏力的深层原因。

三、世界模型能预测一切物理轨迹，却猜不对人的下一步动作

1.研究背景与核心发现：牛津大学与新加坡国立大学2026年7月论文指出，当前主流世界模型（Sora、Genie、JEPA、Marble等）仅模拟物理层，忽略人类心智状态（信念、意图、情绪），导致对人类行为预测失准——模型预测对场景却预测错行为。

2.量化效果与核心突破：在Menti-Bench数据集上，不建模心智的模型F1仅63.3，采用MWM（心智世界模型）框架后升至87.9，提升超24个点；且较弱的模型采用MWM后预测准确率反超更强但无心智建模的模型，证明架构选择比模型规模更关键。

3.最大瓶颈与未来方向：当前最薄弱环节为物理与心智的耦合演变（信念、情绪如何因动作改变），缺乏成熟的数学模型，贡献了81%的误差；MWM建议在部分可观测性、心智变量决定决策、动作具社会含义三个条件同时成立时启用，世界模型下一阶段将从模拟物理场景走向模拟在场景中行动的心智。

开源趋势：

四、一张二手显卡跑通AI编程Agent：本地Vibe Coding的平权时刻

1.Meta发布Muse Glimmer（300亿参数开源Agent模型，Apache 2.0许可），配合llama.cpp、DFlash投机解码和Pi终端编码Agent，在二手RTX 3090（约800美元）上实现本地Vibe Coding，推理速度从46 tok/s提升至127 tok/s，数据全程不离开设备。

2.本地方案在隐私（代码不出设备）、成本（一次性硬件投资vs持续API计费）、延迟（<100ms vs 云端500-2000ms）和离线能力上有不可替代优势，但编码质量仍逊于云端：Muse Glimmer的SWE-Bench Verified得分76.0，低于Qwen3.6-27B的77.2；其真正优势在于Agent能力（MCP Atlas 75.5 vs 62.5）。

3.2026年AI编程分化为云端与本地两个平行世界，互补而非竞争；Meta选择开源本地化路线，契合扎克伯格”AI能力应分布而非中心化”的主张；对中国AI从业者，在数据出境监管趋严背景下，800美元GPU+开源框架使本地方案从”实验室玩具”进阶为”生产可用”选项，RTX 3090二手持续热销对英伟达构成”甜蜜的烦恼”。

（广角观察、Edge AI Daily等综合整理）

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

（本文作者为 Barrons巴伦，钛媒体经授权发布）

一个长期通胀、且消费者信贷环境紧缩的经济形势，为典当行的蓬勃发展提供了再合适不过的背景。自从我们建议买入 FirstCash Holdings 的股票以来，该股回报率达到 61%，显著跑赢市场。尽管未来预期需更务实，但我们认为这只股票仍具备上涨潜力，尤其是在公司各项业务全速推进的背景下。

FirstCash的季度业绩超出预期，营收同比增长29%，调整后每股收益高出40%。典当需求依然旺盛，尤其是贵金属价格上涨推动了典当物品的价值。公司通过收购H&T和Ramsdens，成功拓展了欧洲市场，进一步巩固了其市场地位。

华尔街分析师对FirstCash持乐观态度，认为该股具备持续增长的基础，并有估值扩张的潜力。你是否也想了解FirstCash未来的投资机会？订阅巴伦创始菁英会员，阅读全文。

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

（本文作者为 数读社，钛媒体经授权发布）

文 | 数读社

不知不觉间，淘宝闪购上的奶茶，恢复到了外卖大战前的水平。

一杯瑞幸咖啡，特价情况下，也已经接近10元。

最新的财报，去年的重点即时零售只出现了8次，而AI出现了70次。

阿里再次调整了主要业务单元，一共罗列了三大主要业务，其中AI占了两项。只有这两项是两位数增长。

毫无疑问，接下来很长一段时间，除了AI，阿里都不会再选别的路。

即时零售最后的高光

从业务板块就能看出来阿里的侧重点。

2024年是淘天、阿里国际、云智能、菜鸟、本地生活、大文娱，AI相关的云业务只是六分之一，其他有4项是围绕淘宝、天猫两个APP展开的电商相关业务。

今年二季度，阿里国际、菜鸟、即时零售全部划到阿里电商集团，AI反而变成了两大独立业务，从六分之一变成了三分之二。

这项变动相当于画出了一条清晰的分界线，一边是传统电商业务，一边是新的AI业务。

传统业务在做减法，电商被划归成一个大的部门，不再分得过于详细。

这个策略有现实原因。除了即时零售，阿里的其他电商业务，几乎都处在下滑状态。

中国区电商业务营收1109亿，同比下滑8%。其中，直营物流营收283.5亿，下滑10%。客户管理825亿，下滑7%。

受困于国际环境和地缘政治的影响，国际电商业务，二季度营收277.6亿，下滑1%。

即时零售是唯一的遮羞布，二季度营收533亿（将天猫超市的即时配送业务纳入统计），同比大幅增长45%。这是非常亮眼的成绩，不过也需要看到，因为去年同期阿里刚刚参与外卖大战，即时零售业务并未大幅增长，基数相对较小促成了这项业务的高速增长。

在电话会上，蒋凡对于即时零售，主要的关注点是优化、亏损收窄，而此前阿里对即时零售的态度是，“三年不担心亏损，全力做大”。重点的变化意味着，即时零售不再是片面追求规模，而是注重良性发展。

在个思路的主导下，阿里即时零售已经出现了增速下滑。考虑到接下来同期基数变大，这项业务在未来几个季度会恢复低增长甚至是负增长的情况。

从任何角度讲，传统的电商业务都不具备投入重金的必要性。

电商三足鼎立的局面难以改变，阿里无法彻底压制拼多多和京东。

即时零售的这场战役已经证明，阿里同样无法彻底压制美团，投入重注回报率并不高，也不符合政策鼓励的方向，只会给整个商业生态徒增压力。

国际电商业务方面，地缘政治的不确定性、逆全球化的潮流，不是阿里所能改变，投入再多的资源也无法扭转局面。与出海四小龙其他三家一样，可以享受行业的β增长，但人为力量效果有限。

最明智的选择就是顺势而为，不过度在存量市场消耗资源。而真正的机遇就是AI。

王坚的“遗产”

2008年，当王坚提出要自主研发云计算操作系统”飞天”时，遭遇了内部的巨大阻力。”王坚是个骗子”在集团内部被悄悄说了多年。

主修心理学的王坚，毕业后留校任教10年，研究的方向也是工程心理学。做云计算业务，的确会让人产生这样的质疑。特别是，2010到2012年连续三年，阿里云的集团考核都是垫底。工程师一度离职8成，每年烧钱却看不到效果。

最终是马云亲自安抚团队，“我每年给阿里云投10个亿，投十年，做不出来再说。”

也正是马云的坚持，王坚的兑现承诺，2013年阿里云正式上线，阿里在电商之外，开辟出独立战线。

熬过了云计算早期的投入，阿里云增长飞轮开始转动。到今年一季度，阿里云在中国IaaS市场份额达到32.8%，大幅提升2.7个百分点，稳居中国市场第一，比第二第三之和还要多。

阿里云的今天，是阿里向AI进军的底气。

面对AI带来的行业巨变，阿里本季度进行了方向性调整，将AI划分为基础层和应用层。基础层，把云智能与平头哥合并，成为AI云与算力服务业务，提供基础设施和算力。

应用层主要是将AI模型实验室、千问消费者事业群及千问办公整合，成立AI实验室与应用业务，推进AI模型创新、消费者应用以及企业生产力解决方案。

在基础层，阿里已经真金白银砸了多年。

2020年，BAT先后宣布发力新基建。阿里宣布未来3年投入2000亿元，用于云操作系统、服务器、芯片、网络等核心技术研发和数据中心建设。

最近几个季度，阿里持续加大资本开支，二季度，其资本开支达到676.78亿元，同比大幅增长75%，投入的主要方向就是AI基础设施。

现阶段AI行业，真正能赚到钱的就是“卖水”生意，这是阿里云+平头哥的业务范围。

根据阿里对外透露的信息，最新一代AI处理器真武M890已通过阿里云，在自动驾驶、互联网等20余个行业的超650家外部客户中实现商业化应用。

上一代平头哥芯片已经生产超过50万颗并完成出货。最新一代芯片8月已经部署在阿里云AI云平台上，以Supernode形式提供服务。基于新一代平头哥芯片的“臻5 M890”超节点，已经与Kimi K3、千问3.8 Max有合作。大规模AI数据中心交付周期压缩至100天。

二季度，AI云与算力服务实现了484亿营收，同比大幅增长45%。盈利能力强悍，EBITA（息税折旧及摊销前利润）为56亿，同比大幅增长133%，是阿里在主营遭遇下行周期，AI应用层需要持续投入的情况下，唯一的利润支撑。

根据投行小摩的预测，阿里云目前约12%的利润率，可能尚未充分反映AI基础设施进入成熟运营阶段后的盈利能力。也就是说，阿里云还会在接下来继续维持营收、利润双增长的局面。这对于阿里是极大的信心支撑。

参考其竞争对手，电商显然不是AI产业的主角，而阿里能够维持竞争力，一部分功劳要归功于当初被称为“骗子”的王坚。

不过，相比于“卖水”业务的强势，在应用端，阿里跟其他竞品是同一起跑线。

用户基数短板

如果要说当下最具竞争力的大模型和Agent，千问完全可以与Kimi、智谱、DeepSeek相抗衡。但如果说用户基础最大的，千问可能并不如豆包，Agent使用度可能也不如workbuddy、kimiwork。

今年年初，阿里通过集五福试图为千问引流，但最终，由于抖音的巨大流量，同时阿里分神电商业务，导致在市场培育上，输给了豆包。

目前，千问相关的应用，依然围绕在阿里生态。根据财报， 千问App已经接入淘宝天猫、淘宝闪购等业务场景，截至目前，已有2.5亿用户通过智能体功能体验AI驱动的购物场景。

在企业市场，阿里推出千问办公，深度集成阿里云和钉钉的生态体系，希望通过AI模型和智能体能力进入企业生产力场景。

脱离不了阿里的生态，就无法获得更广泛的用户基础。这是阿里长期以来都没能解决的问题，在AI时代，这个问题同样突出。

在AI应用层，阿里没有必赢的把握。从技术端，阿里群狼环伺，除了竞争对手豆包、元宝，还有新兴的大模型公司KIMI、智谱、DeepSeek等，阿里曾经做到过领先行业，但最近几个月，唱主角的是Kimi K3、智谱GLM5.3、DeepSeek V4。 领先优势往往都只有半个月左右。

在应用层，阿里用户基本盘小于字节，千问办公突围的难度更大。

因此，这部分业务的商业化困境明显，投入力度却不敢停下。二季度，AI实验室与应用业务营收33亿，同比增长16%，虽然保持增长，但无论是规模还是增速，都远不如基础设施。

不仅如此，这30亿中，钉钉本身也是有基本营收在内的，根据《财经》，钉钉2025年营收40亿，相当于每季度平均有10亿左右的营收。这意味着，阿里在AI应用层商业化上，还远没到规模化的程度。

盈亏平衡则是遥遥无期，EBITA为亏损138.6亿，同比大幅扩大330%。这部分投入力度巨大，模型训练不敢停、不能停，而且看不到清晰且广阔的商业化场景，短时间非常难熬。

由此来审视当前阿里的发展状态，阿里云给AI基础设施带来基本盘，营收增长快、盈亏平衡已经实现。但这部分业务需要超前布局、持续保持资本性开支，从而巩固住优势。AI应用层一方面需要商业变现的探索，另一方面阿里不具备流量优势，想要具备电商这般的统治力，可能并不现实。而电商领域，整体已经处于追随宏观环境β增长，阿里无力靠一己之力改变格局。

阿里的资金不会再过多投向即时零售和电商，而是投向基础设施建设，投向大模型能力提升，静待后者的商业化爆发。从本季度开始，AI已经是阿里唯一的路。

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

第二届世界人形机器人运动会开幕：2056 台机器人齐聚「冰丝带」，666 支队伍竞技 51 赛项

8 月 22 日晚间，第二届世界人形机器人运动会在国家速滑馆「冰丝带」开幕。

本届赛事由北京市人民政府、中央广播电视总台、世界机器人合作组织、亚太机器人世界杯国际理事会联合主办。来自六大洲 16 个国家的 666 支队伍、2056 台机器人参赛，队伍数量较首届增长 138%，机器人数量翻了两番。

开幕式上，田径 100 米大型组预赛率先开跑。来自北京人形机器人创新中心的天工 Ultra 以 9.39 秒的成绩率先冲线，打破了博尔特保持的 9.58 秒人类百米世界纪录。

开幕式运动员入场环节，80 台加速进化 Booster T2 人形机器人迈着整齐步伐，每一台都可独立运算路径、动态调整姿态，行进中还集体变换阵型拼出「BEIJING」字样。

本届赛事赛项从首届的 26 项增加至 51 项，包含 30 项竞技赛和 21 项场景赛，共计 1301 场比赛。新增跳远、举重、拔河、乒乓球等高强度对抗项目；场景赛覆盖工业、物流、消防救援等领域，开展装配上料等赛项；还专门设置灵巧手赛项，包含粉末称量、开瓶撬盖等精细操作。

国内方面，157 家企业、200 所院校和科研机构的 641 支队伍、1975 台机器人参赛，27 所 985 高校踊跃参与。国际方面，美国、德国、日本等传统机器人强国积极参赛，巴西集结了五支机器人足球世界杯冠军队伍组建国家联队。（来源：IT 之家）

DeepSeek 调整 API 周末计费：周六日全天统一按低谷价收费

8 月 22 日消息，DeepSeek 宣布将于北京时间 2026 年 8 月 23 日 00:00 起调整 API 计费规则：周六、周日全天不再区分峰谷时段，统一按低谷时段价格收取调用费用。

此次调整距离 DeepSeek 于 8 月 17 日正式实施的峰谷定价机制仅相隔不到一周。根据此前公布的方案，高峰时段为北京时间 9:00-12:00 和 14:00-18:00，其余时段为空闲时段，空闲时段价格为高峰时段价格的一半。

以旗舰模型 DeepSeek-V4-Pro 为例，高峰时段每百万 tokens 输出价格为 27 元，空闲时段为 13.5 元。此次调整进一步简化了周末计费逻辑，将全天统一为最低价格档位。（来源：IT 之家）

神秘 Ox Alpha 模型限免：DeepSWE 跑分碾压 Claude Fable 5

全球最大 AI 聚合平台 OpenRouter 于 8 月 20 日上线匿名 AI 模型 Ox Alpha，免费开放 1 周时间，目前种种线索指向智谱公司。

开发者 Ben Davis 让 Ox Alpha 完成了 DeepSWE（该基准用于衡量 AI 读取真实代码库、识别漏洞并生成有效补丁的能力）的十项测试任务。

这个来历不明的匿名模型得分约为 80%，而 Claude Fable 5 为 65%，GPT-5.6 Sol 为 52%。Davis 本人也表示，鉴于该模型来源不明，这一结果令他困惑不解。

OpenRouter 的列表确认了以下规格：上下文窗口达 1,048,576 个 token，支持文本、图像和视频的多模态输入，每次响应最大输出 131,072 个 token。该模型在预览期间免费使用。

终端编程智能体 OpenCode 也通过其免费套餐提供该模型，并声称每日可处理 100 万亿个 token。（来源：IT 之家）

Anthropic 发力自研芯片，聘请前谷歌 TPU 负责人阿米尔 · 萨莱克

据彭博社报道，Anthropic 于周五透露，前谷歌 TPU 项目创始高管之一阿米尔 · 萨莱克（Amir Salek）将加入 Anthropic 的算力团队。

在 2022 年离职前，萨莱克曾长期负责谷歌的 TPU 业务，主导并交付了前七代 TPU 芯片。萨莱克还曾就职于英伟达，在离开谷歌后，萨莱克曾出任私募股权投资机构塞伯罗斯资本管理公司的高级董事总经理。

目前，Anthropic 的芯片主要采购自英伟达、谷歌以及亚马逊等多家供应商。不过，这家总部位于旧金山的公司近期已释放出打造内部自研芯片业务的信号，并已启动相关岗位的招聘。

与其他 AI 巨头类似，Anthropic 正全力扩充数据中心基础设施以支撑其发展野心。自研定制芯片不仅有望缓解供应链紧缺的压力，还能通过量身定制的硬件架构更好地匹配自身算法需求。

其竞争对手、ChatGPT 的母公司 OpenAI 也在布局相同赛道。OpenAI 此前已公布了与博通联合研发的自研芯片「Jalapeño」，并计划于今年晚些时候正式投入使用。（来源：IT 之家）

特斯拉官宣 9 月 3 日举办 Cybercab 发布会，有望开放首次公众试乘

特斯拉官方账号 8 月 22 日在 X 平台发布推文，宣布将于 2026 年 9 月 3 日在美国奥斯汀（Austin）举办发布会，主角是自动驾驶出租车 Cybercab。

在 2024 年 10 月召开的「WE,REBOT」活动，特斯拉正式宣布自动驾驶出租车 CyberCab，专为完全自动驾驶（无人驾驶）场景设计。

报道指出在过去几个月里，特斯拉一直在公共道路测试 Cybercab，并于上月（2026 年 7 月）让员工在奥斯汀总部附近的私有道路乘坐 Cybercab。

消息源还透露特斯拉近期已面向奥斯汀各地的急救人员完成培训，内容聚焦 Cybercab 相关事故和应急处置问题。

在本次活动中，特斯拉有望官宣 Cybercab 加入其 Robotaxi 自动驾驶出租车服务（目前主要为 Model Y 车型）。（来源：IT 之家）

OpenAI 宣布下调前沿模型 GPT-5.6 Sol 开发者定价超 20%

面对来自 Anthropic 及诸多中国人工智能模型的激烈竞争，ChatGPT 的母公司 OpenAI 于周五宣布，在未来三个月内，将对其前沿模型 GPT-5.6 Sol 的开发者定价下调超过 20%。

据悉，此次降价主要针对 OpenAI 的应用程序编程接口（API）生效，并将涵盖其代理 AI 产品 ChatGPT Work 以及代码生成工具 Codex 中符合条件的积分计划。与此同时，OpenAI 明确表示，Pro、Plus 以及 Business 版本的订阅价格将保持不变。

根据 OpenAI 最新公布的定价表，在标准短上下文使用场景中，GPT-5.6 Sol 模型现在的价格为每 100 万个输入 token 4 美元，每 100 万个输出 token 20 美元。相比之下，此前的价格分别为 5 美元和 30 美元，降幅显著。

在当前的行业竞争格局中，其主要竞争对手 Anthropic 的前沿模型 Claude Fable 5 定价为每 100 万个输入 token 10 美元、每 100 万个输出 token 50 美元；而另一款模型 Claude Opus 5 的定价则为每 100 万个输入 token 5 美元、每 100 万个输出 token 25 美元。OpenAI 此次的降价举措无疑将进一步增强其在 AI 大模型市场的价格优势。（来源：cnBeta）

马斯克：2030 年 SpaceX 星舰目标每天发射 30 次以上

8 月 23 日消息，埃隆 · 马斯克近日给出了他对 SpaceX 星舰项目未来发展速度的一个大胆预测。在美国总统特朗普签署备忘录，推动美国每年实现 1000 次航天发射和再入任务的第二天，马斯克在 X 平台上表示，SpaceX 的目标是到 2030 年实现每天 30 次以上的星舰发射，折合每年超过 1 万次。

需要注意的是，马斯克所说的每天 30 次以上发射，专门指仍处于研发阶段的星舰，而不是目前承担 SpaceX 大部分发射任务的猎鹰 9 号火箭。

星舰目前主要面向轨道任务和登月任务。今年以来，星舰仅进行了两次飞行，频率甚至低于 SpaceX 在 2024 年和 2025 年分别完成的 4 次和 5 次飞行。要从如今一年仅几次发射，提升至每天 30 次，意味着星舰项目必须实现极其巨大的跨越，而新的联邦政策正试图为这种增长扫清监管障碍。（来源：IT 之家）

英伟达提出分布式算力计划：16 块顶级 GPU 免费上墙, 让普通住宅变身微型数据中心

近日，英伟达（NVIDIA）推出了一项极具前瞻性的分布式计算计划，旨在让普通房主也能参与到由 AI 驱动的算力热潮中。据悉，英伟达计划将价值超过 25 万美元的顶级计算设备免费安装在用户房屋的外墙上，直接将普通民宅改造为微型 AI 数据中心。

对于被选中的试点家庭而言，安装这套设备享有「零元首付」的待遇，无需支付任何前期费用。不仅如此，英伟达和 SPAN 还将为这些设备运行所产生的电费和网费提供高额补贴。更具吸引力的是，房主还能从自家外墙上这套分布式计算系统所产生的收益中，获得一定比例的利润分成，不过具体的分成比例目前尚未公开。

需要注意的是，该试点项目目前仍处于初期阶段，仅在少数几个特定社区的约 100 户家庭中展开。如果该模式最终在商业上被证明是可行的，未来公众有望看到这种壁挂式计算模块出现在更多家庭的墙外。

业内预测，几年之后，这种分布式计算节点可能会像如今的屋顶太阳能电池板一样普及。在运行机制上，这些设备大概率会在夜间用电低谷期进行运算；或者在白天与家庭光伏系统联动，利用太阳能电池板产生的过剩电能来驱动算力，从而实现能源利用效率的最大化。（来源：cnBeta）

事涉儿童在线隐私保护，TikTok 支付 4 亿美元与美国司法部和解

当地时间 8 月 21 日，美国司法部宣布与 TikTok、字节跳动及其关联实体（统称「TikTok」）达成一项金额为 4 亿美元的和解协议，以解决有关其遵守《儿童在线隐私保护法》及其实施细则（COPPA）的诉讼。根据和解协议，TikTok 将立即支付 3 亿美元，并在法院撤销此前针对 TikTok 前身 Musical.ly 作出的同意令后，再支付 1 亿美元。该和解协议是 COPPA 案件中迄今获得的最大赔偿金额之一。

这起诉讼始于 2024 年 8 月。当时，美国司法部与美国联邦贸易委员会共同起诉 TikTok Inc.、ByteDance Ltd. 及其关联实体，指控其在明知用户未满 13 岁的情况下，仍允许儿童创建普通 TikTok 账户，并在未通知父母、也未获得父母同意的情况下收集和保留个人信息。（来源：第一财经）

苹果裁减超 200 个岗位：Vision Pro 游戏团队近乎解散

8 月 22 日消息，苹果开启新一轮内部团队重组裁员，Vision Pro 部门、Siri 与 AI 软件团队合计裁员约 200 人，其中 Vision 产品组裁员 100 人，Siri 及配套软件团队裁员 100 人。

其中，Vision Pro 原生游戏开发团队基本被关停，沉浸式视频自制内容团队大幅缩编。官方向员工表示，本次是依据用户实际使用情况重新规划业务优先级。

苹果自制沉浸式视频拍摄成本高达数百万美元，但设备实际用户使用率偏低，投入产出严重不及预期。

后续苹果仅保留少量内部制作，更多沉浸式 3D 内容将依靠第三方合作供给。

Siri 团队方面并非直接砍掉业务，而是围绕新一代 AI 版 Siri 重新设立岗位，将人力重点投向 AI 大模型相关能力开发，被裁员工仍可申请公司内部其他岗位。

苹果对外回应称，团队重组是为业务迭代升级，给用户带来更好体验。

本次人事变动不等于放弃 Vision Pro 与 visionOS 系统，头显本体与系统开发会继续推进。（来源：快科技）

大五座四驱增程 SUV 迎重量级玩家！小米澎程 N70 Max 配置公开：预计 9 月上市

8 月 20 日消息，近日，小米创办人、董事长兼 CEO 雷军在社交平台上发文，介绍小米澎程 N70 Max，预计将于 9 月正式上市。该车定位大五座四驱增程 SUV，此前已公布预售价为 25.99 万元，目前小订已开启，锁单用户享优先排产权。

车身尺寸方面，小米澎程 N70 Max 长 4960mm、宽 1998mm、高 1765mm，轴距 2950mm。动力系统搭载双电机四驱，峰值功率 310kW，零百加速 5.5 秒，最高时速 190km/h。

续航方面，N70 Max 搭载 76kWh 大电池和 45L 油箱，匹配小米昆仑 1.5T 增程器。CLTC 纯电续航 505km，CLTC 综合续航 1461km，WLTC 亏电油耗 6.1L/100km。

安全配置方面，N70 Max 标配 14 处 2200MPa 小米超强钢，形成一体式热成型门环和前地板骨架，内置 2200MPa 防滚架。

智能化方面，N70 Max 标配激光雷达和 4D 毫米波雷达，搭载 700TOPS NVIDIA Thor 芯片，标配小米 HAD 辅助驾驶，搭载小米 XLA 认知大模型。

从市场定位看，N70 Max 预售价 25.99 万元，直接对标理想 L6（24.98 万起）和问界 M7（27.98 万起）。（来源：快科技）

凯迪拉克全新 XT5 PHEV 首秀成都车展：Momenta R7 世界模型，预计 9 月初上市

8 月 23 日消息，凯迪拉克全新 XT5 PHEV 首秀 2026 成都车展，预计将于 9 月初正式上市。

新车将成为首款量产搭载 Momenta R7 世界模型的豪华混动 SUV，车身长宽高为 4888/1957/1685（1688）mm，轴距达到 2863mm。

全新 XT5 PHEV 采用搭载奥特能 5C 三元锂电池的双电机全路况插混系统，配备 1.5T 发动机（最大功率 115kW）及前后双电机（最大功率分别为 160kW 和 110kW）；采用全路况电动蜂鸟底盘。电池容量 35.5kWh，CLTC 纯电续航 215km，综合油耗 6.05L/100km。

公开资料显示，Momenta R7 世界模型于 2026 年 4 月发布，采用三层架构设计：世界模型预训练层压缩物理规律、仿真层推演长尾场景、强化学习层优化自主决策。与传统辅助驾驶系统侧重于道路及障碍物识别不同，R7 模型具备更深层次的环境理解能力，可解析物体物理特性、运动因果关系及潜在交互逻辑，并据此生成更符合真实物理规律的车速调节、路径规划与避让策略。（来源：IT 之家）

苹果 iPhone 18 Pro / Max 手机壳曝光：更窄边框、深灰 / 深樱桃红颜色

消息源 @saaaanjjjuuu 8 月 21 日在 X 平台发布推文，分享了一组适用于苹果 iPhone 18 Pro 和 iPhone 18 Pro Max 的手机壳渲染图。

消息源称基于最新曝光的手机壳渲染图，机身正面采用更窄的边框，其中 iPhone 18 Pro 似乎采用了深灰色，而 iPhone 18 Pro Max 则采用了深樱桃红 / 红色。

关于 iPhone 18 Pro Max，此前泄露的一份诊断日志显示，该设备可能搭载支持可变光圈的索尼 IMX905 主摄像头传感器。如果消息属实，这将是首款搭载可变光圈主摄像头的 iPhone。（来源：IT 之家）

宇树机器人「入职」理想汽车，担任讲解员等职位

理想汽车近日在微博发文称，宇树科技人形机器人「入职」理想汽车，担任的职位有讲解员、向导等。

本次「入职」理想汽车的宇树机器人名为「笨笨」，它将于 8 月 23 日在北京汽车博物馆三层迎宾、讲解理想 L9 Livis 汽车。每场电影散场时，笨笨还会带来观影彩蛋，献舞一曲。

同时，宇树机器人还将于 8 月 30 日-31 日现身珠海长隆海洋王国，与 L9 Livis 和机器人同上阵表演特技，并于每日 15:00 加入巡游队伍，和大小朋友们击掌玩耍。

此外，这台机器人还将于 9 月 5 日-6 日在理想汽车郑州东站 IP 体验中心担任讲解员，主动迎客、绕车讲解 L8 Livis 和 L9 Livis，并展示汽车底盘的未定型和机器人运动控制双重实力。（来源：IT 之家）