（本文作者为 Chelsea_Sun，钛媒体经授权发布）

TMTPOST — China’s robotics startup X2 Robotics has confidentially filed an initial public offering application with the Hong Kong Stock Exchange (HKEX).

According to investment banking sources, a large number of embodied-intelligence companies are currently lining up at the HKEX, and X2 Robotics is the only robot maker positioning itself around a fully self-developed, full-stack, end-to-end embodied model.

In the embodied-intelligence space, most “in-house models” are essentially open-source models that have undergone post-training and then been repackaged. Behind X2 Robotics’ “original” label, however, its model was pre-trained entirely from scratch.

Mainstream VLA (Vision–Language–Action) models in embodied intelligence are, in essence, a patchwork of multiple independent modules. Information is passed along step by step like an assembly line—and it degrades with every handoff.

X2 Robotics, by contrast, was the first in the industry to explicitly propose a “World Unified Model Architecture” (World Unified Model, WUM). This architecture gives the model native multimodal capabilities from day one of training, eliminating the need for “message relaying” and translation between modules.

WUM is widely seen as a major leap for embodied foundation models—from a stitched-together VLA architecture to a natively fused multimodal architecture. Public information to date shows that X2 Robotics is the only company that has clearly proposed and put into practice a “World Unified Model Architecture.”

In May this year, X2 Robotics also open-sourced its embodied foundation model Wall-OSS-0.5, achieving a world-first: after pre-training, it can be deployed directly onto real robots without any task-specific fine-tuning.

Early in its founding, X2 Robotics’ founder Wang Qian chose to build China’s first large-scale robot data factory in Shenzhen. In July this year, X2 Robotics also released the QUANXTA Zero series—an embodiment-free data-collection solution. Starting from the real data requirements of model training, it reverse-designed data-collection equipment and built a complete data pipeline spanning collection, cleaning, automated labeling, and quality control.

System-level efforts such as original, innovative R&D; full-stack autonomy and controllability; and building an in-house data factory require substantial investment from X2 Robotics. At the same time, the infrastructure and capability-building have also helped make it a darling of the capital markets.

From late April 2026 to the end of June, in just a little over two months, it completed and closed four consecutive rounds of financing—B, B+, B++, and C—pushing its valuation rapidly from 10 billion to over 20 billion yuan.

Its fundraising drew lead investments from four internet giants—Meituan, Alibaba, ByteDance, and Xiaomi—as well as top-tier VCs such as Sequoia China and IDG Capital, alongside “national team” players including China Mobile and China Development Bank Capital.

This breakneck fundraising pace not only provided ample ammunition for X2 Robotics’ technology R&D, but the influx of top-tier capital also further validated its market value—paving the way for its eventual IPO.

In the view of investment bankers, Invariant Robotics has been highly sought after in the primary market, but a valuation of RMB 20 billion could mean higher difficulty and costs in raising funds. Going public is therefore an inevitable choice to open up a broader financing channel.

Even as Invariant Robotics confidentially submitted its listing application to the Hong Kong Stock Exchange and races toward the capital markets, it has not slowed down product iteration. TMTPost has learned from sources that Invariant’s third-generation robot product is set to be released in Q4. This embodied-intelligence company is pushing on two fronts—“technology + capital”—as it sprints at full speed along the industry track. (Reporting by Qian Yujuan and Editing by Yang Lin)

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 定焦One，钛媒体经授权发布）

文 | 定焦One（dingjiaoone），作者 | 李梦冉 王汉星 王璐 陈丹  雷晶，编辑 | 雷晶

FDE火了。

FDE，全称Forward Deployed Engineer（前线部署工程师）。现在，它更多指那些深入客户现场、负责把大模型接入业务流程的人。他们既要写代码、搭系统，也要跟老板和员工沟通，把企业一句“想用AI”的模糊需求变成真正能跑起来的产品和工作流。

其实早在2010年前后，美国科技公司Palantir就已经设立和推广FDE，但此后长期只存在于少数企业软件公司。大模型兴起后，企业发现，接入模型不等于拥有一套能用的AI系统。老系统连不上、数据散落在微信和Excel里、老板说不清需求，这些都需要有人来到现场解决。于是，连接AI产品与企业业务的FDE被推到台前。

招聘需求也在上涨。美国招聘平台Indeed数据显示，FDE相关招聘岗位从2025年4月的643个，增加到2026年4月的5330个，同比增长729%。在国内，类似的需求也在出现，主要来自两类玩家：一类是服务政企和大客户的模型公司，FDE负责模型的售后和落地交付；另一类是个人或小团队，为用不好AI的中小企业提供定制服务。

需求起来了，商业模式却还没定型。有人按项目报价，有人收咨询费或订阅费，也有人从降本金额中抽成，或者把方案做成模板重复出售。老板更容易理解的是“数字员工的年薪”，但改造一套工作流程究竟值多少钱，仍然没有标准答案。

争议也跟着来了。有人称它是AI时代最值钱的新职业，培训机构更是以“零基础三个月转行、年薪百万”为口号吸引用户；也有人认为，它不过是解决方案架构师、实施顾问和交付工程师换了一个新名字，甚至被认为就是外包岗位，没有含金量。

我们和五位FDE从业者聊了聊。他们中，有刚毕业就接下亿元营收企业项目的新人，有日薪200元、每周工作50个小时的实习生，也有自由职业者、产品经理和FDE社群发起人。

真正进入企业后，他们发现写代码只是工作的一部分，更多的时候他们要驻场、开会、培训员工，摸清混乱的数据和封闭的老系统。收入也没有传闻中的光鲜，有人接到数万元订单，却要承担获客、开发、返工和运维工作；有人频繁出差、熬夜交付，拿的仍是产品经理的工资。

五个人的判断相近：FDE有需求，但还算不上一个成熟的行业；企业想用A提效却说不清需求，他们需要承担大量沟通工作；收入不均，外界传的百万年薪，几乎没人真拿到。

01.公司第一位专职FDE，项目80%的活都要参与

冯又又｜00后 深圳 内容营销科技公司FDE

今年6月底，我入职了一家做B端内容营销的公司。面试的岗位是AI产品经理，结果入职一周，我就被派去外地驻场，开始做FDE。

我们是一支AI原生小团队，分工没有卡死，开发和前端岗位单独拆分，我是公司第一位专职FDE，也是对接客户最多的人。

传统AI产品经理主要负责画原型、写文档，再对接开发和验收，只参与项目的中间环节。FDE却要从头跟到尾，挖需求、去现场、梳理业务、做Demo、推动落地，最后还要把经验沉淀成可以复用的框架。算下来，一个项目里大约80%的工作，我都要参与。

现在我的日常工作是，六分沟通、四分技术，大半时间在外出差，最长一次驻场客户将近一个月。典型驻场节奏是上午和企业负责人开会，挖掘真实业务卡点；下午整理客户零散诉求，用各类AI工具快速搭建流程Demo；晚上熬夜优化方案，第二天和客户闭环验证，一轮轮反复调整，直到AI方案能落地。

Codex、Kimi、Copilot等各类工具我都会使用，它们能帮我整理资料、搭建项目框架、写文档。过去需要开发配合几天才能做出的原型，现在半天就能完成。但AI只能做执行，产品架构、业务取舍、和客户沟通谈判、最终落地决策，完全替代不了。

今年我的确感觉到FDE岗位突然变多了，但是薪资方面并没有网传那样夸张。我现在拿的还是产品经理的薪资。但我现阶段更看重的是能直接接触客户、主导项目、对结果负责的机会，这些经历在别的地方很难得到。

现在这个岗位还在探索期，各家公司的理解和要求都不一样。比如部分企业要求FDE全包前后端开发，但在我们公司，我只负责需求梳理、原型搭建、落地跟进，后端有专职开发配合。ToB内容营销客户决策链简单，负责人能直接拍板推进落地；如果是面向海量C端用户，用户诉求分散、平衡成本与体验难度会高出一大截。

我自己最焦虑的是，做的事情太多太广，但深度不够。沟通能力一直在提高，技术的判断力却可能没跟上。每天都在解决客户的问题，没太多时间思考怎么沉淀出可复用的产品能力。

AI行业名词迭代速度极快，Prompt工程师、Agent工程师一波波更新，但我相信这个岗位即使以后不叫FDE了，里面沉淀下来的能力——沟通、判断、落地，是能带走的。给想入行的人一个建议：别被“高薪”标签冲昏头，先低成本验证一下自己适不适合，比如从头到尾做一个产品，跟真实用户聊一聊。如果你对高不确定性、强沟通、动手干活这些事不排斥，那可以试试。

AI时代，FDE这个岗位会不会一直存在不好说，但能在一线把问题解决掉的人，应该永远有位置。

02.成为FDE之后，我每天先研究别人怎么工作

@82LSF｜ 30岁 广州 自由职业

我本科读的是计算机，毕业后在广东一家上市公司做金融风控软件，主要服务港交所这样的客户。

去年我开始做自由职业，接一些软件开发和AI项目的活儿。上个月，经朋友介绍，我去了一家传统的餐饮连锁公司做FDE。

严格来说，我更像一个OPC（一人公司）。我的想法很实际，先服务好这家公司积累案例，再去开发更多的客户。目前，我已经沉淀下10多个行业通用的skill，这是我最大的收获。

上岗第一天，我进入公司的企业微信群，没有急着写代码，而是先跟着运营、市场、配送、店长，看他们每天的活儿是怎么干的，把餐饮行业员工的日常工作流程摸清楚。这一步非常重要。很多时候，客户只能告诉你，他们希望“用AI提效”，但他们并不知道AI究竟应该用在哪个环节。FDE需要自己进入业务流程，观察员工每天填什么表、写什么报告、整理什么数据，再找出那些重复频率高、又不需要复杂判断的工作。

摸清之后我发现，这家公司大部分工作还是靠人力填表、做汇报、写合同，最多就是用一用豆包，所有办公流程极度依赖桌面办公。

我开始用WorkBuddy为每条业务线、每个部门开发专属的skill，把日常琐事简化，让没有价值的重复性劳动交给AI。比如每天自动抓取各门店营收数据的日报表、打卡异常表、进销存比价表。

这些活儿以前都是人手动填，每天要坐在电脑前半小时甚至一小时，现在基本由AI自动完成，每个人每天至少节省半小时。一个月下来，差不多省出一个人的工时。

现在skill跑通后，员工甚至不需要坐在电脑前办公，直接在移动端微信里发一条自然语言指令，就能完成绝大多数重复性的日常工作。

很多人问FDE到底需要什么能力。

我的体会是，首先要对底层技术有系统性理解，比如把握API、MCP协议的边界，尤其在企业里，不同岗位能接触的业务边界必须清晰，有些数据可以看，有些只能查不能写，有些甚至不能看。

其次要对你所服务的行业有所了解，这一点有点像咨询公司做的事。你得先理解客户怎么运转，才知道AI能用在哪里。

最后，也是最重要的，是沟通。相比技术，FDE的沟通能力可能更重要，如果一直理解不了客户的需求，或者不能快速解决问题，对方也会没有耐心。

但具备这些能力，也不意味着项目一定能跑通。以我的观察，FDE派到企业里、两三个月干不出来、最后黄掉的项目太多了。

至于未来，我并不焦虑。进一步看，我认为这一领域至少还需要三到五年的沉淀，甚至更久，才能真正构建起成熟的产品、方法论与服务生态。

03.实习每天200块，最忙时一周工作近50个小时

哲伟｜ 00后  北京  FDE实习生

入职一个月，我对FDE最直接的感受是，网上说的和实际完全是两回事，这是一份“理想”与“现实”对比鲜明的职业。

很多人对这个岗位的印象，停留在“年薪百万”“六分沟通四分技术”“靠AI提效就能躺赚”。但落到一线，外界吹得神乎其神的AI自动化，往往是大量繁琐的“脏活”。

作为一名FDE实习生，我的日薪是200块，最忙的时候，一周工作接近50个小时，每周有三天要驻场或者出差，性价比确实很低。

早上我通常要到客户现场，先开几个小时的会，确认需求是什么、安排后续如何交付，剩下的时间全部用来写代码。如果赶上工期紧，我可能要连续写七八个小时，甚至睡觉前还要给自己的Agent留一个超长任务，让它夜里继续跑，第二天我再验收成果。

当然，熬夜赶出来的东西质量不高。但现在大家觉得，既然有了AI，开发就应该是一天一个进度。可实际上，代码生成后还需要审核、测试，这些才是最耗时间的环节。加上AI变化很快，很多概念和新东西都要学。我常常觉得自己不像在打工，更像一个“科研民工”。

入行前，我以为FDE的工作是把客户的痛点梳理清楚，然后扔给AI，人做一点微调就行。真正开始工作后才发现，客户往往有一堆老系统，你得先摸清它的运行模式和开放程度；如果客户的数据很乱，还得先做清洗。但客户会不理解，觉得自己就想要个AI功能，为什么要做那么多铺垫。

有一次，客户想在公司内部搭一个飞书AI助手。这个任务的难点不是安装，是要把飞书AI助手、我们服务器上的程序和飞书的在线表格连接起来。而这三个东西要互相通信，得加一个中间服务才行。

为了实现批量修改文件和调整样式，我们又接入了外部工具“秒搭”。但工具越来越多，排查问题也越来越麻烦。一旦出了问题，我至少要在三个地方分别排查：是中间服务算错了？还是表格数据有问题？还是AI助手的设置没写好？

本来想借助工具省事，最后却因为接入太多工具，给自己增加了工作量。折腾到最后，还是放弃了这套方案，改回了老办法，在自己服务器上搭AI助手，再用其他工具调试，反而简单多了。

我觉得FDE不像外界说的那样是解决方案架构师或交付工程师换了时髦名字，它其实是在AI加持下，把很多传统岗位合并成了一个岗位。以前可能是几个人分工的事，现在全压在一个人身上，要求不仅要懂代码，还要比客户更懂业务细节和风险。

有人说，FDE是一个过渡性岗位，两三年后AI方案定型了就不需要这么多人了。我倒不这么看，只要企业的业务流程还在不断变化，只要有新的场景需要人去理解和落地，FDE就不会消失。只不过未来做FDE的门槛会越来越低，因为AI工具会越来越强。但门槛越低，真正稀缺的反而是那些能梳理复杂业务、敢拍板技术方案的人。

长远来看，我可能会转型去做独立开发者，搞个一人公司。给别人干，琐碎的事情太多，完全没有自己的节奏。同样是解决问题，我更想用自己的方式来做。

04.FDE是“六边形战士”，我自己也没做到满格

XIAO｜ 23岁 杭州 创业

我进入FDE这一行，可以说是误打误撞。从6月到现在，还不到两个月。

我本科在北邮，硕士在南洋理工。我最早在网上看到一位博主分享FDE，我觉得自己挺适合做FDE，沟通能力不弱，对AI也有自己的理解，后面才发现他是我的直系学长，现在还成了我的合伙人。

在学长的影响下，我开始尝试用AI改造企业工作流。他帮我拍了一条相关视频，发出去没多久，第一单就找上门了。一位“厂二代”当时在自己家合作的销售公司实习，把我介绍给了老板。对方想做一套定制化CRM系统。我们先在线上聊合作意向，也聊对这个行业的认知。到了周末，我就赶去温州，把之前做过的东西一样样摆给老板看。老板看重我们年轻人有技术，双方谈得很愉快。周日当天，我们就敲定了口头协议。

现在我接触的客户，年营收基本都在1亿元以上。其中一家年营收约2亿元的供应链企业，想做一套拍照识图系统，把识别的信息自动导入ERP。

听起来不复杂，但真正做起来完全是另一回事。真正考验FDE的，不是模型能不能识别一张图片，而是能不能把企业里混乱、模糊的需求，拆成AI可以执行的工作流。客户的数据可能散落在员工微信里，ERP没有API，老板也说不清自己到底需要什么。我要先驻场了解业务，培训员工、搭建知识库，再判断哪些环节适合交给AI。

有一次，我发现一名员工每天都要重复整理Excel表格。我花了半个小时弄清楚数据从哪里来、经过哪些步骤、最后要以什么形式呈现，当天下午就让AI接手了这部分工作。FDE的能力，往往就体现在这里：不是单纯写代码，而是迅速理解业务，再把问题转化成可执行的方案。

AI执行得很快，前期摸业务却省不了。即使面对同一行业，一套方案能做到30%标准化已经很不错，剩下的都要根据客户需求重新定制。我卖的不是一套现成产品，而是能持续交付结果服务。

我的收入也远没有传说中那么光鲜。获客、驻场、交付都要自己来，每天从早忙到晚，比进大厂更累。网上说这行在美国年薪能到百万美元，但我认识的人里，拿到这个数的一个也没有。国外可能愿意为过程付费，国内只对结果买单。产品没有真正跑起来，前面做了多少工作都没有用。

不过，这并不意味着FDE赚不到钱。这个行业还处在非常早期的阶段，标准没有建立，市场鱼龙混杂。真正能力强、能把项目做成的人，确实可以拿到与能力匹配的收入，甚至高于互联网行业里同等技术水平的岗位。但高收入来自技术、业务、沟通和交付能力的叠加，而不是因为挂上了FDE这个头衔。

在我看来，FDE是“六边形战士”：懂技术、懂业务、会沟通，还得行动快、迭代快。99%的人都做不到，我自己也没有做到满格。

FDE或许只是AI进入各行各业的过渡性载体。即使它会消失，我相信也会是软件岗位里最后消失的那一批。但如果只是听说高薪，别来；如果真的想做，先从用AI给自己提效开始。

05.跑完北上深杭，我发现FDE最缺的是信任

Lawted｜全国 26岁 Ha7ch FDE社群发起人

我开始做FDE，是在今年4月。

当时，一位朋友问我，有没有兴趣去一家货代公司帮忙装OpenClaw。到了现场我才发现，那位老板连豆包都不太会用。公司的跟单员每天在微信、Excel和PDF之间来回切换，读取单据、录入信息，大量工作全靠人工完成。

我觉得这些流程完全可以交给AI，于是接下第一个项目，想帮他们把整套系统换掉。

在老板和员工之间来回跑了一个月，我才一点点把流程搭出来。两个月后，系统做出来了。上传Excel、PDF等文件后，AI可以自动解析、建单和填单，员工只需要做最后的核对。

但东西做出来了，项目却黄了。老板问我，系统稳不稳定，出了问题谁负责，能不能提供24小时维护。作为单干的OPC，我没有能力保证一套系统长期稳定运行。

虽然项目没跑通，但那时FDE的概念开始火了。我把踩坑经历发到网上，分享FDE怎么工作、驻场会遇到什么问题，收获了一批流量。后来，我又在深圳、上海、杭州和北京连续组织了四场闭门会，接触了很多正在做企业AI落地的人。

跑完四座城市，我发现FDE目前只是一个“有生意、没行业”的职业。四个城市里，既有几百元、几千元的电商小单，也有几十万、上百万元的企业改造。但大项目需要组建团队，项目金额还要覆盖获客、开发、驻场、返工和运维的成本，真正到手的钱没有看起来那么多。

拿到项目也只是开始。客户只说想做AI，却讲不清需求；企业数据混乱，敏感信息难以打通；员工担心被替代，老师傅和业务部门抵制；单个任务看似跑通，串成完整流程后，准确率、模型成本和回款周期又可能失控。

但独立FDE最难的是让企业相信你。参加闭门会的人里，有六七成的第一单来自亲戚、朋友或过去积累的人脉。大厂FDE背后有公司和产品背书，可以直接进入客户现场，而独立FDE没有这些，很难获取信任。对传统企业老板来说，把业务数据交给一个陌生人，本身就是一件风险很高的事。独立FDE只能靠案例和一次次交付来证明自己。没有行业资源，也不愿意公开表达，只会闷头写代码的人，很难拿到第一张入场券。

为了解决这个问题，我开始尝试组织黑客松，让参与选手用48小时来解决企业的问题。我找来有AI改造需求的企业，也筛选想做FDE的人。由企业报销差旅，参与选手直接来到现场，在48小时内梳理需求、做出Demo。老板认可，双方就继续合作；不认可，项目就到此结束。

有一次，我们去一家律师事务所帮他们搭建系统。那里的实习生平时要处理五六百份扫描文件，再整理成一千多行Excel，差不多要花半周。而选手用AI完成识别和摘要，部分内容甚至比人工填写得更准确。48小时结束后，企业决定签下第一阶段合作，把工具稳定部署上线。

所以，在我看来，FDE更像是“AGI的补丁”，在AI还不能自己进入一家企业、理解环境并开始工作时，由人把它接进真实的业务流程。只有真正做出让企业能直观看到效果的成品，才能真正留住客户。

我觉得FDE的入门门槛没有想象中高，懂技术，也愿意进入企业理解需求，可以尝试。但真正把项目做成的门槛很高，你要让老板放心地交出业务和数据，还要在系统出问题时留下来兜底。

• 题图由AI生成。应受访者要求，文中哲伟为化名。

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 大模型之家，钛媒体经授权发布）

8月6日，DeepSeek在用户后台突然发布调价预告，宣布计划在近期对全部API接口服务进行整体提价，且预计涨幅较大。官方在公告中明确建议企业与个人开发者合理规划调用量、控制充值金额，具体调价细则与生效时间以后续正式公告为准。

这距离梁文峰上一次给行业带来“价格震荡”，仅仅过去了七天。

7月31日，DeepSeek在API文档里更新了一条日志，宣布DeepSeek-V4-Flash正式版上线公测。模型的架构与参数规模和4月24日开源的预览版完全一致，2840亿总参数、130亿激活参数的MoE架构，唯一重做的东西是后训练。

然而，正是这唯一的改动，让整个行业惊掉了下巴。在官方公布的9项Agent基准测试中，正式版全面越过自家旗舰V4-Pro预览版，指令遵循能力呈现出跨代际的提升。与此同时，DeepSeek首次原生支持Responses API格式，并直接向OpenAI的Codex亮剑。开发者可以直接在ChatGPT桌面端或是VS Code插件里，将底层引擎无缝切换为DeepSeek。

随后几天，各大榜单和开发者的时间线都被这个模型“血洗”了一遍。大模型之家也在第一时间对DeepSeek V4 Flash正式版进行了实测，进步确实不小，但它真正的杀伤力不在只跑分上。

实测：修复生产bug，仅需8毛8

实测的机会来得有些偶然。笔者自己搭建的舆情管理系统正好出了bug：信源匹配数量断崖式下跌，前一天还能匹配出10000多条数据，当天只剩不到2000条。

DeepSeek V4 Flash正式版在遍历遍历“屎山代码”之后，很快定位到匹配历史骤减的根源：每次遍历信源之后的归档写出环节存在错误，导致此后更新的历史库条目大幅下降。

从开始定位bug到给出解决方案，全程不到3分钟，并且一次修复成功，匹配数量从1966条恢复到了11020条。

在这个过程中还有一个计划外的收获。DeepSeek V4 Flash正式版甚至在检查代码时顺手揪出了信息条目重复的暗病，并附赠了去重方案。

而在一次修正的成果背后，DeepSeek V4 Flash正式版的消耗也是可圈可点：整个项目消耗了不到21.7万Token，缓存命中率高达99.8%。按照正式版的定价（输入1元/百万Token、缓存命中0.02元/百万Token、输出2元/百万Token）估算，这次在生产环境中debug的总成本，仅需要0.88元人民币（约0.13美元）。如果抛开后续的去重和项目归档，仅算最初的Bug定位与修复，成本仅为0.27元（约0.04美元），若通过第三方平台的Token Plan调用，价格还能再压一压。

在Agent时代全面到来之前，几毛钱修好一个生产环境的Bug，恐怕是难以想象的。

不过，DeepSeek V4 Flash正式版也并非没有短板。其API目前仍不支持多模态图像输入，这使得它在处理前端任务中会表现出“审美”不足，且284B总参数量、13B激活的体量，决定了它在复杂、长流程的任务规划中依然会感到吃力。单点定位、单次修复是它的绝对主场，可一旦拉长到多步骤、多分支的完整工程，其表现就会不可避免地下滑。

Agent时代难逃“真香定律”

凭借着不错的能力与极为出色的性价比，DeepSeek V4 Flash正式版发布后，“斩杀线”一说在AI圈里不胫而走，“干翻Claude”的说法铺天盖地。

根据第三方评测机构Artificial Analysis的综合智能指数显示，DeepSeek V4 Flash正式版得分50，在国内落后于Kimi K3的57分和智谱GLM-5.2的51分，排在第三。

值得注意的是，DeepSeek V4 Flash正式版的输出价格是每百万token 0.28美元（2元人民币），而GLM-5.2的输出定价是4.29美元，是它的15倍；Anthropic旗舰Claude Fable 5的输出定价更是高达50美元，是它的178倍。

Artificial Analysis按综合评测任务口径估算，DeepSeek V4 Flash正式版完成一项任务的平均成本约0.03美元，Kimi K3约0.86美元，Fable 5约3.15美元，最贵与最便宜之间差了105倍。

也许在单轮闲聊中，几毛与几分的差价毫无体感，但Agent场景会将其指数级放大。一个真实的软件工程任务，模型需要读仓库、改代码、调终端、查输出、发现错误再重来，动辄触发百次以上的调用。一次0.03美元和一次3.15美元，跑50次，就是一杯咖啡和一台咖啡机的区别。这不是倍数差，而是量级碾压。

这也是为什么，各大厂商立刻闻风而动。DeepSeek V4 Flash正式版上线前一天，OpenAI宣布GPT-5.6系列调价，入门款Luna降价80%；8月1日，智谱重新开放了一度需要抢购的GLM Coding Plan订阅。

虽然在瞬息万变的模型市场，我们很难把所有同行的降价都归因于DeepSeek，但在如此密集的动作背后，整个行业的价格锚点正在被重塑。这也恰恰是“斩杀线”的真正含义：性能比它强的，价格贵出一两个数量级；价格向它看齐的，性能又存在代差。

正因为DeepSeek V4 Flash正式版的出色表现，也让尚未露面的DeepSeek V4 Pro正式版备受行业期待。如果Flash的定义是“够用”，那么瞄准GPT-5.6 Sol一档的Pro，才会是DeepSeek真正意义上的正面进攻。届时，“国模一哥”的地位，也许会再次发生洗牌。

重启500亿募资，梁文峰的秣马厉兵

与DeepSeek产品侧的“抠门”形成对照的，是梁文峰在资本侧的胃口。

据报道，DeepSeek已重启第二轮融资，计划募资500亿元，投前估值约5000亿元。而就在两个月前，他们刚刚完成了中国大模型史上规模最大的首轮融资——拿走了包括国家人工智能产业投资基金、腾讯、宁德时代等在内的510亿元，是中国AI大模型史上规模最大的首轮融资。

大模型之家了解到，两轮合计超千亿的募资，将有超过六成资金用于自建智算中心与国产芯片适配，另有一条一年前已秘密启动的自研推理芯片产线，以及核心人才团队的稳定与扩充。这家曾经以“轻资产、重算法”著称的公司，正在被残酷的算力需求逼着变“重”。

梁文锋曾表示：采购一批服务器，大约10个月通过API收入收回设备成本，在DeepSeek内部，这已经算“合理利润”。也就是说，此前的低价不是靠补贴烧出来的战术，而是算法优化带来的成本结构性优势。

同一赛道的另一面是月之暗面。7月16日发布2.8万亿参数的Kimi K3之后，这家公司先以约315亿美元（折合人民币约2100亿元）的估值完成F轮融资，随即以500亿美元估值开启Pre-IPO轮，预计年内递表上市。K3的API定价比上一代K2.6涨了三到四倍，输出达到100元/百万token。一个涨价押注“更聪明”，一个降价押注“够用就好”。两条路线都拿到了巨额资本背书，市场还没有投出最终答案。

然而，8月6日后台那一纸突如其来的调价预告，无情地戳破了DeepSeek带来的这场低价狂欢的滤镜。它透露出大模型商业化进程中，触碰到了最冰冷的物理现实：算法的精妙固然可以压缩单位Token的算力成本，但算力集群的硬件天花板与现金流压力，无法被无限平抑。

DeepSeek V4 Flash正式版上线后，在OpenRouter榜单上创下了单周7.1万亿Token的恐怖消耗量。极低的价格引发了全网开发者的“报复性”调用，高峰期的并发请求直接让服务器集群不堪重负。在自建智算中心尚未完全交付的当下，通过价格杠杆筛选高价值客户、抑制低效高频消耗，成了防止服务器被彻底挤爆的唯一自救手段。

另一方面，则是重资产基础设施的现实账单。自建超大规模智算中心、深度适配国产芯片乃至自研推理芯片的产线建设，无一不是动辄百亿级的现金流黑洞。即便是手握千亿融资金额，面对硬件周期与供应链成本，DeepSeek也必须重新算账：如果长期维持临界状态的低毛利，硬件扩张与研发投入的血条终究难以为继。

写在最后

“8毛8修Bug”的故事固然动听，但8月6日的提价信号终归证明了一件事：即便是技术与成本控制极具天赋的梁文锋，也无法凭一己之力脱离算力硬件的客观物理规律。当强如DeepSeek都不得不踩下刹车、调头提价时，这场靠“价格战”互相放血的时代，或许真的要画上句号了。

而在另一边，阿里“千问办公”、腾讯WorkBuddy与字节豆包，正为了C端办公场景打得刺刀见红。对比之下，DeepSeek那个功能依然“简陋”的官网，克制得仿佛不属于这个时代。

克制的产品形态，极致的API定价，与千亿级别的重资产基建，构成了DeepSeek最真实的商业底色。DeepSeek踩下的这一脚刹车，与其说是向商业现实低头，不如说是整个行业在一场狂热的价格战后，对客观商业规律的第一次真正敬畏。

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 庄帅，钛媒体经授权发布）

文 | 庄帅

2026年的中国消费市场正在经历一场深刻的结构性变迁。根据国家统计局数据，2026年上半年社会消费品零售总额为248722亿元，同比增长1.3%。

消费大盘进入中低速增长的新常态，但同期乡村消费品零售额同比增长2.5%，增速比城镇高出1.3个百分点，下沉市场正在成为消费增长的重要引擎。

在这一轮下沉市场的消费升级浪潮中，零食量贩行业无疑是最具代表性的业态之一。

根据鸣鸣很忙官方公告，2026年7月21日，鸣鸣很忙签约门店突破3万家，成为中国零售行业第4个拥有超3万家门店的企业。

回顾其发展轨迹，2023年底鸣鸣很忙由零食很忙与赵一鸣合并而成，当时门店数为6585家，不到三年时间完成了近5倍的增长。

与此同时，财报数据显示，万辰集团（旗下品牌为好想来）2026年一季度营收达到166.34亿元，同比增长53.73%，归母净利润同比增长193.12%。

双寡头的快速扩张与利润释放，构成了当下零食量贩行业最引人注目的图景。

然而，3万家店是不是意味着行业正在逼近增长天花板，门店加密带来的同店压力如何化解，利润率提升的路径是否清晰？「庄帅零售电商频道」希望从这几个问题出发，去理清零食量贩行业未来走向的关键。

系统化的供应链重构

先看行业的基本盘。根据灼识咨询和中商产业研究院的数据，2025年中国零食加即饮软饮的市场规模为2.5万亿元，而零食量贩渠道的占比仅为8.7%。

换句话说，即便在这个已经高度渗透的赛道里，渠道替代的空间依然广阔。

华泰证券研报基于渠道渗透、量价拆分、可比业态三种方法做了综合测算，结果显示2029年行业门店空间有望达到9.0万至10.9万家，长期空间或超12万家。目前行业门店总数约6万家，距离天花板还有相当距离，两大龙头从当前各自约2万家门店提升至4万至5万家，是完全可以预期的。

再看行业竞争格局，2025年鸣鸣很忙与万辰集团合计GMV市占率已超过75%。2026年6月，鸣鸣很忙与万辰集团同步发布了反内卷倡议，标志着价格战时代的基本结束，行业从粗放扩张正式转向精细化深耕。

对于中小品牌而言，这意味着增量资源已经高度集中于头部，中小品牌的拓店基本停滞。

百联咨询创始人、零售电商行业专家庄帅认为，双寡头格局的形成并非偶然，毕竟零食品类的标品化程度高、周转快、损耗低，规模效应在这个行业里可以被极致放大。门店越多，采购规模越大，采购成本越低，终端价格越有竞争力，加盟商越愿意开店，这是一个自我强化的正向循环。

零食量贩的本质并不是简单的零食品类杀手，而是在成熟品类上，从盈利模式和经营模式进行的一场系统化供应链重构，它砍掉了层层经销环节，以规模化采购和数字化管理压缩成本。

根据华泰证券研报测算，零食量贩渠道的终端加价率约在50%以下，远低于传统渠道60%到90%的水平，而随着行业店数从6万家向10万家迈进，采购规模的进一步扩大还将释放更深层的成本空间。

店效之困与破局之道

门店加密带来的同店压力，是任何一个加盟连锁业态都无法回避的问题。不过，从2025年下半年以来，情况在发生变化。

2025年鸣鸣很忙单店日均单量同比增长6.4%，达到481单；万辰集团同比增长4.3%，达到419单。

一方面是因为门店结构在优化。

2024年补贴大战中开出的部分非优质门店，随着补贴分期付款在2025年下半年陆续结束，加快了迁址和出清，整体网点布局更加合理。

同时，消费习惯的培养也进入了收获期，在北方、西南等新布局区域，门店加密并没有简单地摊薄客流，反而带动了零食量贩消费的日常化。消费者从初期的尝鲜逐步转向稳定复购。

这种从尝鲜到刚需的转化，正是零食量贩业态区别于其他零售形态的核心竞争力所在。

另一方面是品类拓展，2025年以来，头部品牌开始探索潮玩、烘焙短保、冻品等新品类，推动门店向零食加N的方向进化。

万辰集团在2025年底将好想来品牌全线升级为零食乐园，实行零食加N战略；鸣鸣很忙则体系化推进热食，包括烤肠、蛋挞等即时消费产品，以及冷链能力建设，目标是将冷链食品的销售占比从目前的5%到6%提升至10%。

品类拓展的核心逻辑在于维持快乐消费这条主线，依托年轻人、女性和学生的核心客群来拉动新品类的动销。

拓品类不是盲目增加SKU，而是精准复用既有客流，以高频低毛利的零食基本盘作为引流抓手，带动潮玩、食玩、热食等情绪类新品的连带购买。

这种进化，本质上是在门店加密的背景下，通过提升客单价和进店频次来对冲客流摊薄的影响。

与此同时，运营端的精细化挖潜也在同步推进。

鸣鸣很忙加码数字化建设，搭建智能排班和AI巡店系统，落地AI视觉收银秤；万辰集团则整合收银、订货、仓储、财务等分散系统，搭建统一中台。

这些看似琐碎的运营优化，在万店规模下产生的效率提升相当可观。鸣鸣很忙的存货周转天数仅为12.6天，万辰集团为18.0天，远优于传统商超约50天的水平。

向上求与向内求提升利润率

如果说店效修复关乎行业的短期信心，利润率提升路径则决定了行业的长期估值天花板。

目前零食量贩龙头企业的净利率已触及低个位数区间。根据鸣鸣很忙2025年度业绩公告，公司经调整净利率为4.1%。根据万辰集团招股书及业绩公告，其量贩零食业务净利率为5.0%。

与海外折扣零售龙头相比，毛利率端仍有差距。Costco 2025年毛利率约为12.8%，奥乐齐约在22%到24%之间，而根据鸣鸣很忙2025年度业绩公告，其仅为9.8%。这中间的差距，恰恰是未来利润提升的空间所在。

在庄帅看来，零食量贩的利润率提升遵循向上求和向内求的双轮驱动逻辑。

向上求，指向供应链端的结构性优化。

与传统零售的长账期、高赊销模式不同，零食量贩以现款现货和短账期为核心采购原则，从根本上消除了上游货款回收的风险，显著改善了供应商的现金流。

这种高效回款机制，配合窄类宽品带来的规模出量优势，使得上游愿意接受更低的加价率。这不是简单的压榨，而是因为渠道方承担了物流、营销和库存风险，上游获得了更确定的订单和更快的资金周转。

规模效应的持续释放是另一个关键变量。截至2025年底，鸣鸣很忙已在全国布局56个现代化仓库，确保300公里半径范围内24小时完成配货。

随着区域门店密度的不断提升，仓配比的优化将带来单车满载率的提高和单店运输成本的摊薄。叠加智慧物流和冷链能力的复用，中后台履约费用仍有可观的压缩空间。

自有品牌和定制化产品的占比提升，是毛利率扩张的另一个抓手。截止2025年9月，鸣鸣很忙旗下定制化SKU占比已达34%；多家行业研报估算万辰集团在2025年前三季度自有品牌销售额占比达15%，自有/定制产品毛利率显著高于通货产品。

国内零食量贩龙头在自有品牌这条路上，才刚刚起步。

向内求，指向分润结构的微调和会员价值的挖掘。

目前零食量贩渠道的利润本质是赚取供应链差价，对加盟商的收费较为克制，主要为一次性加盟费和极低的技术服务费。但随着总部数字化中台和精细化赋能的不断深入，总部实质上已经承担了部分原本属于门店的管理成本。

参考成熟连锁业态的做法，连锁酒店通常收取营业额4%到8%的管理费，未来龙头也有能力通过阶梯式管理费收取来增厚利润。

会员体系的升级是另一条路径，从基础的积分兑换向付费会员制演进，参考Costco的会员费模式，将优质流量变现。

国内零食量贩龙头在毛利率端仍有结构性提升空间，规模效应驱动的盈利能力上行将是中长期的投资主线。

硬折扣业态的核心在于长期维系高性价比心智，零售端直接提价的空间极为有限。

利润率的优化必须向上和向内同步推进，向上深化供应链整合，向内优化分润机制与运营效率，从产业链内部挖掘利润空间，而不是简单地把成本转嫁给消费者。

结语

零食量贩行业正处在一个关键的升级阶段，可以明确地是，从6万家店到10万家店，鸣鸣很忙与万辰集团凭借规模、供应链和运营这三板斧，会持续整合市场。

店效修复的趋势已经明确，利润率提升的路径也日渐清晰，只是这条路上充满挑战，包括即时零售的崛起、硬折扣超市的跨界竞争、新鲜零食等新业态的分流，都在考验零食量贩的护城河深度。

零食量贩的优势在于性价比、便利性和体验感三者兼具，这种优势能保持多久，取决于头部玩家能不能持续把效率做到极致、把品类边界拓得更宽、把单店模型打磨得更细。

存量竞争的时代，谁的内功更强，谁就能守住链主的位置。

说到底，下半场拼的是基本功。

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 硅谷Tech news，钛媒体经授权发布）

一家市值4.6万亿美元的科技巨头，在24小时内失去了它最重要的四位AI科学家。

当地时间8月5日，谷歌的AI顶层权力架构被改写：首席科学家Jeff Dean携三位核心研究员集体离职，诺奖得主Demis Hassabis卸任DeepMind CEO——谷歌把“追产品的人、想未来的人、要自由的人”分成了三条路。这是AI竞赛进入新阶段后，谷歌重新定义自身组织方式的一次豪赌。

这场豪赌的代价，最先写在股价上。

消息公布后，Alphabet盘中一度下跌6%，最终收跌约4%，单日市值蒸发约1900亿美元。而更具冲击力的，是背景的层层叠加：改变整个AI行业的Transformer论文，其8位署名作者如今已全部离开谷歌；旗舰模型Gemini 3.5 Pro连续跳票三个月；公司自由现金流上市以来首次转负。三重压力同时袭来，这场改组远不止一次人事调整。

一夜之间，谷歌失去了四位核心科学家

8月5日凌晨1点40分，在谷歌深耕27年的首席科学家Jeff Dean在X平台发布长文，正式宣布离开。但走的不是一个，而是四个：Jeff Dean（首席科学家、Gemini联合负责人）、Sanjay Ghemawat（资深院士，与Dean结对编程近30年）、Oriol Vinyals（DeepMind研究副总裁、Gemini核心研发成员）、Quoc Le（Google Brain初代核心成员、AutoML开创者）。四人谷歌工龄合计超过80年。

同一天，谷歌完成了人事主链的换血：Google DeepMind创始人兼CEO、诺奖得主Demis Hassabis交出日常运营权，转任DeepMind董事长兼Alphabet首席科学家；原CTO、师从Yann LeCun的Koray Kavukcuoglu接任高级副总裁，直接向Alphabet CEO Sundar Pichai汇报，不再经过Hassabis这一层。

不过，这些明面上的职位交接，只是这场改组的一半。另一半，并没有挑明：

其一，谷歌并未任命新的DeepMind CEO，位子空缺。这折射出DeepMind正被彻底“谷歌化”整合，不再保持独立事业部地位。

其二，算力分配大权向TPU总设计师Amin Vahdat迁移。在算力成为AI竞赛最稀缺资源的当下，权力重心正从“模型算法”悄然转向“算力基础设施”。

其三，时机高度敏感。Gemini 3.5 Pro自5月19日I/O大会高调承诺“下月推出”后已延期三个月；6月又连失两将——Transformer作者Noam Shazeer转投OpenAI、诺奖得主John Jumper加入Anthropic；7月22日Q2财报显示自由现金流转负；7月竞品Claude Opus 5、GPT-5.6、DeepSeek V4 Flash密集发布，谷歌四面受夹。Dean早在7月25日YC Startup School上，就已对6000名创业者埋下创业伏笔。

Alphabet两次人才地震的市值冲击

为什么偏偏是此刻

要理解这场改组的紧迫性，必须回到谷歌AI过去一年半的真实处境。当一个组织同时出现产品跳票、人才出走、文化冲突与财务承压等多重问题时，任何一位CEO都必须有所动作，而Pichai选择在同一时间点，按下重组的按钮。

最直接的导火索，是旗舰产品的持续延期。Gemini 3.5 Pro因编程能力未达内部性能目标被推迟，而编程恰恰是AI商业化付费的第一驱动力；据Semafor报道，谷歌AI模型编程能力约落后前沿水平六个月。这给了对手可乘之机，Anthropic的Claude凭代码能力说服1000多家企业年消费超100万美元，估值一路水涨船高。

产品承压的另一面，是人才的持续流失，而这并非偶发。过去8年超20篇谷歌系里程碑论文的核心作者出走，仅2025年就有至少11名AI高管离职；DeepMind人才流向Anthropic与反向回流比例高达10.8:1。Transformer论文8位署名作者现已全部离开谷歌——大模型技术发源地的“人才光环”正在消失。2024年谷歌曾花27亿美元请回Shazeer，不到两年人又走了，巨额现金终究留不住顶级科学家。有前Google Brain研究员直言：“我们落后了。”

DeepMind人才净流向：Anthropic方向10.8:1

更深的裂痕藏在组织内部。2023年Google Brain与DeepMind合并后，两套文化始终未能真正融合，内部算力争抢白热化；Transformer作者Llion Jones直言“谷歌的官僚体系已发展到让我感觉什么事都推进不了”。谷歌将TPU算力卖给直接竞争对手Anthropic，进一步加剧了内部对算力分配优先级的质疑；4月与国防部签署军事AI协议，又引发员工因价值观分歧而辞职——“不作恶”的基因与商业现实之间的撕裂愈发明显。

而在这一切背后，还压着财务这根最现实的弦。Q2自由现金流-59亿美元，上市以来首次转负——谷歌靠搜索广告输血的时代正被AI基建吞噬；全年资本支出指引上调至1950亿至2050亿美元，平均每天烧掉近6亿美元。为支撑扩张，Alphabet增发融资496亿美元、发行203亿美元债券，并筹备400亿美元ATM股票发行。华尔街开始质疑这些数据中心与TPU能否产生足够回报。

把这几条线索放在一起，这场改组的底色便清晰起来：它不是一场“功成身退”，而是范式冲突的必然。Dean的野心是“十年甚至更久”尺度的科研——让AI自动循环“提出实验—实施实验—评估实验”，去攻克芯片设计、药物发现、材料科学；而上市公司的约束是“季度交付日历”，他的天才被钉在了Gemini能否按时上线的日历上。DeepMind正从“研究优先”转向“交付优先”——Pichai那句“将研究和产品之间的组织壁垒降至最低”，翻译过来就是：研究到产品的链条上，不需要Hassabis这个中间人了。

去向：Discovery Loop 与谷歌的“精巧分拆”

离去的四人，没有各自散落，而是整体搬迁到一家新公司，用自己的方式继续做同一件事——这正是这次离职最具分量的部分。

四人创办了AI科研自动化公司Discovery Loop，注册为公益公司（Public Benefit Corporation）——与OpenAI、Anthropic、SSI同一治理路径，可做出“不一定是公司最纯粹财务利益”的决策。融资盘面上，Radical Ventures与Khosla Ventures联合领投种子轮，Lightspeed、Kleiner Perkins、Doerr Capital参投；谷歌第一年提供算力支持，双方在机器学习系统与基础设施研究上持续合作。四人的融资材料极简——“就放了几页幻灯片”，但他们的名字本身就比任何商业计划书都有说服力。

野心信号来自Quoc Le接受Wired访问时的一句话：“有可能我们会发现一种不同的Transformer架构。”这句话对谷歌来说，大概比任何离职声明都更刺痛。

Hassabis则卸任日常管理，以Alphabet首席科学家身份专注AGI长期战略与Isomorphic Labs（AI制药），获得无需对季度交付负责的“豁免权”。他近期在全球AI政策领域颇为活跃，提出参照FINRA模式建立AI自律监管机构，卸任后可能从技术领袖转向政策影响力。

Koray接管后统一DeepMind研究—模型—产品链条，唯一KPI是把Gemini做出来、发出去、卖出去，直接向Pichai汇报、绕过中间层。他工程与工业出身的履历，也让外界预期其管理风格更贴近交付导向。

谷歌AI重组后人物去向与组织暗线

组织暗线由此清晰：不设CEO、TPU算力权上移——DeepMind正被彻底“谷歌化”整合进集团产品交付体系。谷歌的“体外孵化”策略，是以投资方和云合作伙伴身份持有期权，将离职人才转为生态合作伙伴而非纯粹竞争对手——但本质是“退路式”思维，并不解决“人为什么要离开”的根源问题。

股价、竞争格局与谷歌的未来走向

市场的反应，比任何分析都更直接。消息公布后，Alphabet盘中一度下跌6%，最终收跌约4%，单日市值蒸发约1900亿美元。但更值得注意的是，这已不是第一次人才地震：6月Shazeer、Jumper离职时，Alphabet一度蒸发约2000亿美元市值——两个月内两次地震，累计冲击巨大。市场的定价逻辑很清楚，它恐慌的不是一次人事调整，而是谷歌AI竞争力的前景。

这种前景的落差，在对手身上看得更分明。同样重金投入AI，微软凭借“算力-Azure-Copilot”三层变现体系，财报后股价大涨15.5%；而谷歌因Gemini延期、人才流失，信心持续承压。

股价之外，更值得警惕的是竞争格局的松动。行业正从三足鼎立走向梯队分化。据Anthropic官方公告，2026年4月其年化经常性收入已达约300亿美元，正式超越OpenAI（约240亿至250亿美元），差距此后进一步拉大；谷歌纯AI收入远不及，主要靠云基础设施和算力租赁。Anthropic估值9650亿美元进入IPO流程，两家均处人才吸引力峰值期，与谷歌的差距被不断拉大。

AI公司年度经常性收入（ARR）对比（2026年4月）

这样的分化，也写进了投行的预测里。摩根士丹利预计2027至2028年企业API市场份额OpenAI占41%、Anthropic占28%、谷歌仅17%排第三；高盛更判断谷歌“算力投入+顶尖人才绑定”的估值逻辑已断裂，Gemini迭代将从“按月”退回“按季度”。

比任何单一对手更棘手的，是一个正在自我强化的循环。正如Karpathy所点出的逻辑，“谷歌输出核心人才→两家AI原生厂商技术迭代加速→进一步吸引更多顶尖人才”的循环正在形成。

面对这一切，谷歌接下来要打的，是一场必须分秒必争的硬仗。短期看，三道必答题摆上台面：Koray能否在2026年内发布Gemini 3.5 Pro并缩小编程差距？新一代Gemini 4能否拿出真正有竞争力的旗舰产品？在人才持续流失下能否稳住核心团队、阻止连锁反应？

中期则需产品、科研、外延三线并行——产品线由Koray以“战时速度”追赶；科研线交给Hassabis，以“不对季度交付负责”的豁免权专注AGI与AI监管；外延线则是谷歌持股但不控制的Discovery Loop——但风险在于，若它真发现新的Transformer架构，谷歌将面临“自家围墙外长出更高墙”的悖论。

拉长到长期，谷歌仍是唯一拥有“TPU算力→云→前沿模型→应用”全栈的公司，但每一层都在承压：算力吞噬现金流、模型被竞品迭代超越、应用被Claude/GPT渗透。核心矛盾是既要不掉队，又不能放弃定义下一范式的资格。

人才争夺战与AI行业新范式

谷歌这场地震的震荡波，注定不会止于Alphabet一家公司——它把AI行业长期潜藏的多条暗线，一次性推到了台前。

首当其冲的，是人才争夺本身。这场人才战争的烈度，正在多个层面同时升级。最先白热化的是薪酬竞赛：顶级架构师薪酬报价上涨30%至50%，Meta开出六年15亿美元天价包；但当所有玩家都能开天价时，使命认同与算力供给成为新的差异化变量。紧接着是人才密度的较量：行业从“抢算力”进入“算力+抢顶级人才”的双重竞争阶段，没有核心研发团队的项目将快速失去估值支撑——人才密度正在超越算力规模。

而比薪酬与编制更难弥补的，是隐性知识的流失。你可以锁住模型权重，但构建它们的人带走的是隐性知识、训练直觉、安全权衡、架构模式和避坑经验——这是最难量化却最致命的损失。治理结构也在悄然趋同：Discovery Loop注册为公益公司，与OpenAI、Anthropic、SSI走同一路径——AI顶尖人才集体选择“非纯财务利益导向”的组织形式，本身就是对“大公司模式”的一次投票。

最后，军备竞赛第一次被明码标价：谷歌全年2000亿美元资本支出首次给出公开的“入场券价格”——付不起这个钱就出局，行业门槛被资本层层抬高。

人才之外，被这场地震重塑的，还有科研范式与组织模式。Discovery Loop“让AI成为研究员本身”的自举式科研，冲击芯片设计、药物发现、材料科学——对英伟达、AI制药及整个科研行业形成潜在传导。大厂“研究优先vs交付优先”之辩被重新点燃：当所有顶级实验室都转向交付优先，谁来做那些需要十年才见成果的基础研究？Discovery Loop的出现本身是一种回答——让不受季度KPI束缚的独立实体承担纯科研职能，但要求资本市场有足够耐心。“分拆式留人”（投资+云绑定、让科学家独立创业但仍留在生态内）正成为科技巨头应对人才流失的新打法——但如前所述，它治标不治本。

对产业乃至中国而言，这些变化指向同一个判断：人才争夺、治理结构、资本门槛三条线同时加速，AI竞赛正式从“模型之争”升级为“组织能力之争”。对中国AI产业，人才密度大于算力规模；使命认同大于天价薪酬；治理结构的选择本身就是战略声明；全栈优势需要每一层都不可替代。

谷歌的AI团队在一天之内完成了解体与重组。解体的不是能力，是旧结构；重组的不是人事，是这家市值4.6万亿美元的公司，在AI时代重新定义自己组织方式的一次豪赌。这场重构最终能否奏效，答案不在人事名单里，而在未来每一个季度的交付里、每一篇新的论文里，以及每一位顶尖科学家用脚投票的方向里。（本文首发钛媒体APP，作者 | 硅谷Tech-news，编辑 | 焦燕）

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

古尔曼爆料 OpenAI 首款 AI 硬件：甜甜圈造型、冰球大小，先进语音交互等

8 月 7 日消息，彭博社的马克 · 古尔曼（Mark Gurman）今天（8 月 7 日）发布 Power On 实时通讯，爆料称 OpenAI 的首款 AI 硬件为冰球（Hockey Puck，约 115.8 立方厘米）大小，售价预估在 300 美元到 400 美元（IT 之家注：现汇率约合 2,029 元到 2,705 元人民币）之间，有望 2027 年发布。

定位方面，这款 AI 硬件本质上是「没有显示屏的智能音箱」，面向家庭场景设计，用户可用单手在家中携带它移动，由 OpenAI 公司和前苹果设计师乔纳森 · 伊夫（Jony Ive）合作开发。

外观方面，消息称这款 AI 硬件外形呈「甜甜圈形」，大小约等于冰球。IT 之家查询公开资料，标准冰球（Hockey Puck）直径约为 7.62 厘米，体积约为 115.8 立方厘米。

硬件方面，古尔曼透露这款硬件配备可移动部件，其中部分部件可自动移动，用于提示设备正在响应或与用户互动。设备还将配备灯光、摄像头系统和其他传感器。

交互方式上，古尔曼透露该设备的运行机制，类似于手机端的 ChatGPT 语音模式，会使用更先进的模型，以支持更接近人类交流的互动。（来源： IT 之家）

科技媒体 @PatentlyApple 制作的渲染图

曝字节拟训练超 5 万亿参数大模型 参数规模超 Kimi K3

8 月 6 日消息，据《晚点 LatePost》报道，字节跳动正在讨论训练一个参数规模超 5 万亿的模型，它超过阿里的 Qwen 3.8-Max（2.4 万亿参数）和月之暗面的 K3（2.8 万亿参数），也是目前国内已知参数规模最大的模型。该计划仍处于早期阶段，模型最终不一定会发布。

报道称，新模型将由 Seed Foundation 负责人项亮主导，与大语言模型预训练数据负责人沈科合作。为此，Seed 正在重新梳理组织，划分职责，分配资源。

项亮与沈科均是字节跳动人工智能及大模型研发体系内的核心骨干，均出自字节的「搜广推」体系。项亮本科毕业于中国科学技术大学，博士就读于中科院自动化所，2016 年加入字节，曾负责机器学习中台 AML 团队，后调任豆包大模型 Foundation 团队任负责人。沈科 2018 年清华毕业后，加入字节跳动，现主要负责 LLM 预训练数据。

针对字节讨论训练超 5 万亿参数模型的原因，报道援引接近 Seed 人士消息称，Seed 团队认为，与其在现有尺寸上继续追赶其他大模型，不如把参数规模一次推到同行的数倍，争取领先位置。

两周前的 Seed 全员会上，字节跳动创始人张一鸣安抚了 Seed 的成员。他认为，训大模型本就是一件很难的事，团队不必过度焦虑。他明确一段时间内可接受模型落后于行业，希望大家以追求智能上限为目标，期待 Seed 模型能力能跻身世界第一梯队。

张一鸣认为编程是当前的关键方向，并表态自己反对蒸馏。在其看来，蒸馏能在短期内改善模型表现，但本质上仍是在复制 Claude 已有的能力。沿着这条路走，最多只能不断逼近对方，很难真正实现超越。

（来源：新浪科技）

宇树科技：本次发行价格 150.80 元/股，本次发行数量占发行后总股本 10%

8 月 6 日消息 宇树科技公告称，公司首次公开发行股票并在科创板上市，发行价格为 150.80 元/股。本次发行数量为 4044.6434 万股，占发行后总股本 10%。发行市盈率为 219.23 倍，高于行业平均市盈率 38.56 倍。预计募集资金总额约 60.99 亿元，净额约 59.17 亿元。战略配售获配 808.9286 万股，包括社保基金、深度求索、中国石油团等。网上申购日为 8 月 10 日，缴款日为 8 月 12 日。

公告中提到，本次发行价格 150.80 元/股对应的发行人 2025 年摊薄后静态市销率为 35.89 倍，高于同行业可比公司 2025 年静态市销率平均水平；本次发行价格 150.80 元 /股对应的发行人 2025 年扣除非经常性损益前后孰低的摊薄后市盈率为 219.23 倍，高于中证指数有限公司发布的行业最近一个月平均静态市盈率，存在未来 发行人股价下跌给投资者带来损失的风险。发行人和保荐人（主承销商）提请 投资者关注投资风险，审慎研判发行定价的合理性，理性做出投资。

此前，宇树科技启动科创板初步询价，计划 8 月 10 日开启网上、网下申购。宇树科技此次 IPO 拟募资 42.02 亿元，拟发行数量占发行后总股本比例为 10%；按此推算，宇树科技市值有望达到 420 亿元。（来源：新浪科技）

DeepSeek 拟上调 API 服务定价，预计涨幅较大

据 DeepSeek 最新公告，公司计划近期整体上调 DeepSeek API 服务定价，预计涨幅较大。公司建议广大用户合理安排使用，具体方案以正式通知为准。

近期，DeepSeek V4 Flash 预览版登顶全球 AI 模型聚合平台 OpenRouter 模型调用量全球榜单，最新发布的 DeepSeek V4 Flash 正式版也上升至第 8 位。

技术突破外，近期市场还传出 DeepSeek 重启第二轮融资，计划募资 500 亿元相关消息。据报道，伴随第二轮融资启动，DeepSeek 投前估值约 5000 亿元，并计划将在 8 月下旬完成签约。（来源：新浪科技）

小红书加大 AI 投入：布局 AI 社交方向，开启 AI 陪伴产品自研

8 月 6 日消息，小红书正全面提速 AI 战略，布局 AI 社交产品、AI 社区互动工具等方向，从后台技术应用转向前台自研、产品化与生态化全面竞速。

一位知情人士透露，「小红书正在高薪招募 AI 人才，投入系列 AI 产品自研，要找有强烈 Al Native 产品思维的人。」

新浪科技在招聘平台检索发现，小红书近日正密集招募 AI 应用研发人才。其中，「AI 社交产品经理」岗位职责包括：主导 AI 陪伴产品的设计与打造，探索 AI 在情感连接、兴趣匹配、个性化互动等维度的深度应用，构建有温度的 AI 陪伴体验。

今年 5 月，小红书发布内部信，宣布新一轮组织升级，其中核心变化就包括，成立 AI 一级部门 Dots 和企业智能部，从产品技术和组织两方面加大对 AI 的投入。

事实上，小红书早已在 AI 领域有所布局。今年 4 月，小红书集中开源 REDSearcher 搜索 Agent、FireRed-Image-Edit 多模态图像编辑工具、FireRed-OpenStoryline 视频创作模型三大 AI 技术。此前，小红书还全资收购生活场景 AI 搜索产品「点点」，实现内容平台向「内容创作+智能服务」的转型。（来源：新浪科技）

国产消费级 3D 打印机拿下全球 9 成份额，深圳诞生「四小龙」

8 月 6 日消息，国家统计局数据显示，2026 年上半年，国内 3D 打印设备产量同比增长 48.5%，增速在主要工业产品中排名第一。出口端表现更为突出，上半年我国累计出口 3D 打印机 362 万台，同比增长 90.2%，出口金额达 96.11 亿元，同比增长 109.3%。

据财联社今日报道，3D 打印资源库创始人谭文杰表示，按照目前的增速，2026 年全年 3D 打印机出口量有望达到 800 万台。据国泰海通研报数据，全球 3D 打印市场收入预计到 2034 年将达到 1,150 亿美元（IT 之家注：现汇率约合 7,776.54 亿元人民币），10 年复合年增长率达 18%。

报道还称，拓竹、创想三维、纵维立方、智能派四家深圳企业合计占据了全球消费级 3D 打印约九成的出货份额。谭文杰表示，目前，深圳 3D 打印「四小龙」已经几乎掌握了全球消费级市场的话语权。

工业级 3D 打印也在增长，但增速与消费级差距明显。CONTEXT 数据显示，2026 年第一季度，全球工业级 3D 打印机出货量同比增长 18%，中国市场增长 29%，同期国内消费级设备产量增速接近 50%。（来源：IT 之家）

小米徐洁云就「孩 go」言论回应，称有小米用户养的宠物名字叫「孩 go」

8 月 6 日消息，今日，有网友评论小米集团董事长特别助理、战略市场部副总经理徐洁云：「王腾比你强的不是一点点」，徐洁云转发后回应：「当然啊，创业者都非常了不起。」

我们注意到，有网友回评：「张口闭口 higo 的人都能做高管我是服气的。」随后，徐洁云就此进行了回应：「一位小米用户经常在网上晒她养的宠物，宠物名字叫『孩 go』。我看得多了互动问候下，这很合理吧？」

去年 11 月，原小米集团公关部总经理王化转岗小米武汉总部，徐洁云接任了小米集团公关部总经理一职。今年 1 月，小米创办人、董事长兼 CEO 雷军举行了新年的第一场直播，拆一辆小米 YU7 汽车，同时就网络热议话题进行了集中回应。（来源：IT 之家）

Bose 推出新一代 QuietComfort 头戴式耳机，加入有线无损播放、空间音频

8 月 6 日消息，音响品牌 Bose 正式推出新一代 QuietComfort 耳机，完成三年来首次硬件升级。新款不仅改善佩戴设计，还加入了空间音频、有线无损播放和更完善的降噪功能。

新款 QuietComfort 首次支持此前 QuietComfort Ultra 系列独占的 Bose 沉浸空间音频，系统会利用内置运动传感器模拟立体声场，让声音呈现出更明显的空间感。该耳机同步加入了影院模式，可在观看电影和电视剧时突出人声，让对白更加清楚。

通过 USB-C 连接后，该耳机可以播放最高 24 位 / 48 千赫兹的有线无损音频，同时保留无线连接方式。USB-C 还支持双向音频传输，使用视频会议软件时能够改善麦克风收音。即使正在充电，耳机也无需停止使用。

该耳机同时升级了降噪算法。开启通透模式后，系统面对突如其来的巨大噪声时，反应会更加自然。六麦克风主动降噪系统还可弥补耳罩与头部之间的密封缝隙，眼镜腿对降噪效果造成的影响也会相应减小。

外观和佩戴体验同样有所调整。Bose 升级了头梁，加入更厚实柔软的衬垫，并采用椭圆形耳罩。除常规黑色和白色外，新款 QuietComfort 还将推出多种限量配色。据 IT 之家了解，这款耳机将于 8 月 8 日开放预订，8 月 13 日正式发货。（来源：IT 之家）

可直接调用微距、长焦：微信 iOS 版灰度测试相机多焦段切换功能

8 月 6 日消息，据多名网友分享，微信 iOS 版正灰度相机多焦段切换功能。用户在聊天界面打开相机进行拍摄，可以直接在拍照页面选用手机的长焦、微距等。

从网友反馈的微信新版相机界面来看，在拍摄的时候会出现 0.5x、1x、2x 和 3x 不同的拍摄焦段，同时旁边还有一个花朵样式图标的微距按钮，和系统自带的相机非常像。

目前，该功能并非向所有微信账号和设备开放，部分用户尚未收到推送属于正常现象，后续将随着灰度范围的逐步扩大而覆盖更多设备与账号。（来源：IT 之家）

即日起，ChatGPT 可以调用 Adobe Photoshop、Lightroom 来修图、设计了

8 月 6 日消息，Adobe 去年底借助 OpenAI 的 Apps SDK，把 Photoshop、Acrobat 和 Adobe Express 带入 ChatGPT。时间来到今天，合作范围得到进一步扩大，新推出的 Adobe 插件几乎涵盖旗下整套创意软件。

用户安装插件后，可以直接在 ChatGPT 中调用 Photoshop、Premiere、Acrobat、Lightroom、Illustrator 和 InDesign 等 70 多款 Adobe 工具。

我们测试发现，用户可以打开 ChatGPT 设置菜单，在插件页面中添加 Adobe 插件。完成设置后，只需在提示词输入框中输入「@Adobe」和具体任务，便可调用相应工具。

Adobe 称，插件与 OpenAI 的 Codex 编程应用及近期发布的 Work 套件配合使用时效果最佳，用户不登录 Creative Cloud 账户也能使用基本功能，登录后则可保存不同会话中的工作进度，并直接访问云端文件。此外，Creative Cloud 账户还可用于调用 Adobe Firefly 提供的生成式 AI 模型。

Adobe 希望用户通过新插件完成照片编辑、营销视频制作和 PDF 生成等任务，同时也不会打算用 ChatGPT 取代现有专业软件。

Adobe Firefly 及智能体 AI 副总裁福雷斯特 · 基表示：「我们希望，无论人们在哪里工作，都能使用 Adobe 的专业级创意和生产力工具。ChatGPT 中的 Adobe 插件并不是创意专业人士每天依赖的旗舰应用的替代品。需要精确操作和充分掌控创作过程时，旗舰应用仍能提供更深入的功能。」（来源：IT 之家）

阿里全新一代视频生成模型 Wan3.0 公测：单次生成能 30 秒，号称万物皆可生视频

「阿里云」公众号 8 月 6 日宣布，全新一代视频生成模型 Wan3.0 开启公测。

Wan3.0 在生成时长、万能创作、全能参考与真实感等维度全面升级，单次可生成 30 秒视频，完整表达创作意图；在文本、图片、音频、视频四种基础模态之外，首次支持 doc、xls、ppt、pdf、md 等文档格式输入，号称将让「万物皆可生视频」。

Wan3.0 支持单段 30 秒视频生成，带来更大的创作自由度，令连续运镜、一镜到底等复杂镜头语言得以充分表达，从「生成一个镜头」走向「讲述一段完整的故事」。此外，Wan3.0 还支持智能时长功能，可根据提示词自动推荐合适时长；搭配视频延长功能，还能延展故事走向与剧情发展，让创意自然生长。

此外，为告别 AI 人物的油腻感与千篇一律，Wan3.0 文生视频模式中的人像力求「千人千面」：更敏锐地刻画五官与皮肤细节，人物情绪表达自然克制，微表情与肢体动作彼此联动；即便是群像场景，也能细腻呈现不同人物的复杂情绪。

在全能参考任务中，Wan3.0 可精准复刻参考细节，保持角色、道具、声音、空间关系、风格等关键维度的一致性。对于角色，五官、发型发色、形体、服饰、配饰等细粒度特征均可稳定保持，避免出戏；对于道具，多角度外观、硬件结构、Logo、材质细节均保持稳定；对于场景，准确处理角色站位与机位视角的关系；对于风格，精准渲染影视拍摄调性，多风格创作时也不易发生风格混淆。

即日起，Wan3.0 在阿里云百炼、万镜一刻、万相官网和千问创作 PC 端开启公测，在千问 APP 灰度开放，480P/720P/1080P 的 API 价格分别为 0.3/0.6/1.2 元 / 秒，API 接口将于近期全量开放。（来源：IT 之家）

美国祖父母热衷将孙辈写进 AI 生成童书，引发父母辈大量反感

美国一些祖父母正热衷于把孙辈写进 AI 生成童书，却让孩子父母大为反感，甚至引发家庭矛盾。

据《连线》杂志当地时间 7 月 29 日报道，美国各地不少父母陆续收到孩子祖父母送来的 AI 童书。祖父母原本只是想给孙辈准备一份充满个人色彩的礼物，结果往往适得其反。

在祖父母看来，用 AI 制作一本由孙辈担任主角的绘本「既新奇又可爱」。孩子父母却未必认同，尤其无法接受把孩子的照片和身份信息交给 AI 平台处理。

一名家长在 Reddit 帖子中大发牢骚。尽管自己已经多次明确反对，母亲仍没有停手。「我已经说过无数次，我不支持 AI 生成艺术，也明确划下红线：绝对不能把我们的任何照片输入 AI，更不能以任何方式使用能够识别我们身份的信息。可她仍然根据自己和我孩子相处的经历编故事，把角色设计得和我的孩子很像，还用我们家人的名字，让角色代表我们，好让我的孩子『在故事里看到自己的家人』。」

一门围绕 AI 个性化童书的生意也随之兴起。Imagitime、StoryWonderBook 和 Childbook.ai 等平台已经把制作流程做得极其简单，用户只需提供孩子的信息，便能把孩子直接塞进一个由 AI 编造的故事。

然而孩子似乎对自己收到的「专属故事」并不感冒。一名育有 7 岁和 3 岁孩子的父亲告诉《连线》，亲友送来的 AI 个性化童书只让两个孩子觉得「无聊」。「故事又长又啰嗦。只读过一遍，我的两个孩子就说：『行了，还是读《小蓝卡车》吧。』」（来源：IT 之家）