注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 年产能约百万台
年产能约百万台 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 年产能约百万台 的推特
恒立液压: 人形机器人零部件#再“立”潮头# 1)特斯拉:Optimus量产时间表:①26Q2:每周几十台;②26年九月:每周数百台;③26年底:每周1000台;④27年底:每周2万台,对应 #年产能约百万台# Optimus后续落地计划:未来1-2月内发布Optimus V3 #非预编程# 的演示视频;27年4月将AI5集成在Optimus中(目前AI5已完成流片);#27年底向外部客户发货# Open AI:计划自研制造人形机器人,将大脑作为现阶段研发重点,#2027年样机有望落地# 2)公司线性驱动项目年产高精度直线导轨36万米、年产精密磨削滚珠丝杠7万套,已实现规模化量产,新增客户超过千家 #行星滚柱丝杠已完成送样和初步量产# 风险提示:海外贸易摩擦;汇率扰动风险;管理层涉案风险
显示更多
为什么机器人一定要做成人形?因为不用再花几百年去改造我们现在的生存环境,黄仁勋说,我们是为自己造的这个世界。所以他主张做双足人形,可以最低成本接入现成的基础设施。 人形机器人的制造难度,马斯克说,介于 Model X 和星舰之间。现在根本没有人形机器人供应链,每个零件、每个执行器都得从零设计自研。 百万台年产的话,成本能压到2 万美金。这个价格能做饭、洗衣、叠衣服的机器人我是愿意买的,假设机器人能用 2 年,一年折 $1 万,比请菲佣便宜。要是它能用 10 年,就更好了! 而且我认为一定会有租赁订阅的服务,因为我没办法要求它 24 小时不停干活,机器人大部分时间是闲置的,个人买断不划算。就像现在的宇树租赁,商家半个月回本。 说回供应链,目前没有现成供应链,所以马斯克必须从零自研。而且造机器人最要命的稀土永磁体,产能高度集中在中国,中国一收紧稀土出口管制,Optimus 生产就会被卡脖子。 中国控制着全球人形机器人零部件供应链约 63% 的关键企业, 特别是精炼稀土占 88%。 如果机器人真的普及了,我认为会先通胀、后通缩。因为造这些机器人和背后的大模型,需要海量算力,一颗 Nvidia Jetson Thor 2,070 FP4 TFLOPS,开发套件 $3,499,单台机器人光 AI 芯片就 $5,000–6,000。 还有电,美国居民电价 2025 年涨了近 7%,是通胀率的两倍多。电价暴涨到底多少怪 AI我不知道,但肯定是巨大的影响。 人形机器人普及之后,长期一定会通缩。 高盛把人形机器人 2035 年的市场规模一次上调 6 倍到 $380 亿,出货量上调 4 倍到 140 万台,理由是成本本来预期年降 15–20%,结果直接降了 40%。跟汽车普及一样。 第二个原因是,劳动力替代压低服务价格的结构性通缩。马斯克的说法是商品和服务的成本会趋近于零,工作会变成可选项。 那,除非出现新需求,否则价格越来越低。汽车、PC、智能手机、光伏,价格塌了、渗透率爆炸、总市场做大。机器人只会更便宜,然后发展到我们今天根本想不到的场景里。 硬件终将便宜,会同质化。 电机、减速箱、电池、芯片,最后大家都差不多,就像大模型,Figure 自己说的,越来越聪明,但也越来越商品化,所以他2025 年干脆终止和 OpenAI 的合作,自研 Helix。 硬件卷到最后,真正的差异化在软件、在人格。这跟我今年上半年做 的AI 聊天陪伴一直在思考的问题一样,到底什么,才能让一个机器人更像一个真的人? 如果我有了自己的人形机器人,我不会让他先去叠衣服做饭,我一定要好好培养它一个好性格~
显示更多
0
35
53
1
转发到社区
Anthropic递交招股书当天,OpenAI发布新模型直接对标:单任务成本约为Claude Opus 5.5的九分之一,AI的定价权开始被摆上台面 周一AI行业最有戏剧性的一幕,不在股市,而在两家未上市公司之间。同一天,Anthropic公开了IPO招股书,OpenAI则发布了新模型GPT-6.1 Terra,并在官方博客里直接拿Anthropic的旗舰模型做比较。单看产品发布,这只是又一次模型迭代;但放在Anthropic准备上市的背景下,它触及的是这次IPO最核心的问题:大模型公司到底有没有定价权。 先看OpenAI官方披露的事实。GPT-6.1 Terra定位为快速、高效的模型,主打视觉推理、电脑操作和写作,即日起向ChatGPT Work和Codex的Plus、Pro、企业和教育用户开放,开发者可通过API调用。标准API价格为每百万输入Token 1美元、缓存输入0.05美元、输出5美元,比上一代GPT-5.6 Terra和GPT-6.1 Sol低50%。最关键的一句是:在Agents' Last Exam这项电脑操作基准测试中,最高推理强度下,Terra的Token效率是Claude Opus 5.5的三倍多,单Token价格只有其四分之一,折算下来每项任务的成本约低9倍。以上是OpenAI自己的测试结果,尚无独立第三方验证,Anthropic也未就此公开回应。 为什么这件事重要?因为Anthropic的招股书恰好把"定价权"暴露在了阳光下。我在早前的文章里梳理过,据招股书,Anthropic半年亏损约807亿美元,而未来几年锁定的算力承诺规模巨大。这些投入要靠持续的高价企业订单来消化。如果竞争对手能用九分之一的成本完成同样的任务,那么Anthropic要么跟进降价,压缩毛利;要么证明自己的模型在质量上值得溢价。 这和城堡证券Nohshad Shah在上周末宏观评论里提出的问题完全吻合。他写道,市场正在审视整条链条,其中一个问题就是"模型开发商能否保住足够的定价权"。他还引用Ramp的数据指出,8到9月企业Token支出几乎持平,而使用量在增长,原因是价格下降和效率提升。价格下行对用户是好事,对模型厂商的收入增速却是压力。 但我不认为这只是"OpenAI赢、Anthropic输"的简单故事。第一,OpenAI自己也明确承认,对于最复杂的编程任务,GPT-6.1 Sol和GPT-6 Astra仍是更好的选择,Terra是用来跑高频、标准化工作的"性价比模型",和Opus这样的旗舰并不完全在同一个价位竞争。第二,降价往往会刺激用量,如果用量增长足够快,总收入不一定下降。第三,企业客户切换模型有成本,包括流程改造、安全审核和合规,价格并不是唯一考虑。 对上市公司的影响主要在两头。一头是模型公司的大股东:微软 $MSFT 是OpenAI的主要投资者,亚马逊 $AMZN 和谷歌 $GOOGL 是Anthropic的重要投资者,模型价格战会影响它们持股的估值,但同时也会降低它们云客户的使用成本、刺激云业务用量。另一头是算力供应商:如果单任务成本下降9倍,市场会追问需要的算力是否也相应下降。从历史经验看,更便宜的推理通常会带来更多使用,这也是英伟达 $NVDA 等算力链公司最核心的需求逻辑。 风险和不确定性方面:一是厂商自测的基准结果常常偏向自身产品,实际表现要看第三方评测和客户反馈;二是价格战一旦全面展开,所有模型公司的毛利率都会受压,进而影响它们支付算力账单的能力;三是Anthropic路演期间如何回应价格竞争,可能直接影响IPO定价。 我接下来会看三件事:一是Anthropic是否在近期调整Opus或Sonnet系列的API价格;二是独立评测机构对Terra电脑操作能力的测试结果;三是本周云厂商财报中,AI推理收入和用量增长的拆分数据。 当一家公司在对手递交招股书的当天,把对方旗舰模型的成本差距写成"九倍",你觉得这是一场会持续下去的价格战,还是只是营销层面的精准狙击? 苹果1999美元的折叠屏刚上市三天就曝出内屏开裂:传闻增产44%至1400万台之际,一根铰链成了最大变量 苹果 $AAPL 首款折叠屏手机iPhone Duo上周五(10月23日)开始在门店销售,起售价1999美元,首批线上订单几分钟内售罄。但首个周末刚过,社交媒体上就出现了大量内屏沿中间铰链开裂、出现横向亮线的帖子。周一苹果对CNBC和路透社确认:"我们注意到少量iPhone Duo的内屏存在问题。"苹果表示,用户如遇屏幕问题,可以联系AppleCare申请换机,但没有说明原因。苹果股价当天收跌约1.1%,报343.91美元,距离几天前创下的351.73美元历史高点不远。 这件事的关键不在于"有没有问题",而在于问题发生在什么时间点。据DigiTimes 10月22日援引供应链消息,苹果已把iPhone Duo未来12个月的出货目标从970万台上调约44%至1400万台;另据 Duo当作苹果下一阶段增长的抓手,而一旦良率或可靠性出问题,增产计划本身就可能受影响。 再看问题的技术层面。据路透社报道,维修机构iFixit利用拆解视频、专利和CT扫描建立了铰链的三维模型,模拟显示损坏集中在一根显示排线下方、中央支撑条附近;这根支撑条在折叠时可能没有及时让开,形成一个"小的应力热点"。iFixit CEO Kyle Wiens在X上说,铰链由几十个零件组成,精度要求极高,一点制造误差或一粒沙子都可能损坏它保护的脆弱屏幕。以上属于第三方推测,苹果没有就iFixit的结论发表评论。值得一提的是,iFixit同时认为iPhone Duo是它测试过的最容易维修的折叠屏手机。另据CNBC报道,苹果官网显示,过保机型的内屏维修费用是999美元,相当于整机起售价的一半。 我的判断是,这件事短期内更像是一个"品控事件",而不是"产品失败"。IDC副总裁Francisco Jeronimo对路透社表示,苹果迅速提供换机是"正确的第一步",并提到三星2019年初代Galaxy Fold也遇到过屏幕问题,快速透明的应对可以控制对整个品类的伤害。真正需要观察的是两个比例:受影响的设备占比到底有多少,以及换机是否会占用本就紧张的新机产能。据Benzinga报道,iPhone Duo全球平均等待时间已经达到79天左右。 从财报角度看,苹果将于11月2日公布截至9月的财年第四季度业绩,iPhone Duo的销售会落在12月季度,市场最关心的是12月季度的营收指引。分析师的分歧已经很大:据 Capital把苹果从"买入"下调到"持有",目标价从370美元降到330美元;MoffettNathanson把目标价下调到283美元;还有分析师提醒,AI数据中心推高DRAM和NAND价格,可能在2027财年明显挤压苹果硬件毛利率。这一点和今天SK海力士、美光 $MU 的记忆体超级周期是同一枚硬币的两面:记忆体厂的利润,有一部分就来自苹果这样的终端厂商的成本。 风险方面:一是如果问题比例超出"少量",可能演变成召回或延迟出货;二是换机和维修成本会直接计入保修费用,影响毛利率;三是苹果目前估值接近40倍市盈率,对任何不及预期的消息都更敏感。 我接下来会看三件事:一是苹果是否公布受影响设备比例或推出软件、硬件层面的修复方案;二是11月2日财报电话会上管理层对iPhone Duo供应和保修成本的表述;三是供应链是否传出铰链或屏幕供应商调整工艺的消息。 一台1999美元的手机,内屏维修要999美元,你觉得这次开裂事件会动摇苹果折叠屏的增长故事,还是只会成为又一个被快速遗忘的"首发小插曲"? 英伟达、AMD、英特尔传预付超千亿新台币抢IC载板,安靠财报里数据中心占比一年从19%升到26%:AI的下一个瓶颈正在往封装层转移 周一有两条看似不相关的消息,放在一起看很有意思。一条是据台湾《联合报》报道、并被多家媒体转引的传闻:英特尔 $INTC、英伟达 $NVDA 和AMD $AMD 合计向台湾高端IC载板厂预付超过1000亿新台币(约50亿美元),以锁定长期产能。另一条是总部位于美国的最大封测厂安靠科技 $AMKR 公布的三季度财报。前者是传闻,后者是公司披露的事实,但它们指向的是同一个趋势:AI芯片的瓶颈正在从晶圆制造,往封装和载板这些"后段"环节扩散。 先说载板的消息。据报道,这笔预付款的规模,与台湾三大载板厂欣兴、景硕和南亚电路板宣布的合计约1612亿新台币扩产计划相当。部分媒体还估算英特尔约占30亿美元,AMD和英伟达各约10亿美元,但相关公司均未证实具体金额,载板厂也表示不评论具体客户。IC载板是芯片和电路板之间的"桥梁",AI芯片尺寸越大、集成的高带宽记忆体越多,对高层数ABF载板的需求就越大。据Wccftech引述的此前报道,今年5月ABF材料曾传出约30%的涨价,最终载板价格预计上涨3%到6%;另有韩国媒体报道,英伟达和特斯拉 $TSLA 也在向三星投资,以锁定五年期的FC-BGA载板供应,其中特斯拉的部分用于自动驾驶和人形机器人芯片。 再看安靠的财报,以下来自公司公告。三季度营收19.91亿美元,与去年同期的19.87亿美元基本持平,但结构变化很大:计算类(数据中心、基础设施、PC和存储)收入占比从去年同期的19%升到26%,通信类(手机、平板)从51%降到37%。毛利率从14.3%升到18.3%,营业利润2.25亿美元,同比增长约41%,每股收益0.76美元。四季度营收指引19亿到20亿美元,毛利率18%到19%。全年资本开支更新为约25亿美元。资产负债表上,长期债务从去年底约12.8亿美元增加到约23.2亿美元。CEO Kevin Engel在公告中提到,不断扩大的客户承诺提高了业绩能见度,并支撑公司有纪律地投资。据财报电话会纪要的媒体摘要,客户预付款正在支持安靠的产能扩张,公司预计2027年资本开支会进一步增加。 我的理解是,这两件事共同说明了一种新的供应链关系:过去是芯片公司下单、供应商自己出钱扩产;现在越来越多的情况是,客户先掏钱,供应商再扩产。这和今天博通为客户融资兜底、SpaceX通过金融机构租入GPU的逻辑有相似之处,AI产业链的资金正在沿着瓶颈环节不断"往上游输血"。对供应商来说,预付款降低了扩产风险;对芯片公司来说,这是在用资产负债表换产能的确定性。 但风险同样明确。第一,预付款本质上是芯片公司在为需求做长期承诺,一旦AI资本开支放缓,这些预付款可能变成难以消化的产能和库存;第二,载板行业历史上周期性很强,2021年到2022年的缺货之后,曾经历过价格大幅回落;第三,安靠的营收总量还没有明显放大,手机业务的拖累仍在,增长更多体现在结构和利润率上。 我接下来会看三件事:一是载板厂下一次月度营收和法说会上,是否确认长期合约和预付款;二是安靠四季度两项新的2.5D网络和数据中心项目能否如期放量;三是本周云厂商财报中的资本开支指引,它决定了上游这些预付款最终能否兑现。 当芯片巨头开始提前几十亿美元"包下"载板厂的产能,你觉得这是AI需求依然紧张的最强证据,还是供应链在重演上一轮缺货周期的过度囤货?
显示更多
在Uber的天使投资中赚取了4400倍的 Jason Calacanis觉得未来的 Robotaxi 市场是特斯拉、Uber 和 Waymo 三足鼎立?老实说,真正的结局大概率是特斯拉独吞 90% 以上的份额! Waymo 的卡脖子死穴: 重改造与高成本:没有自己的造车厂,全靠 Magna 改装现有车型,每天出厂不到 10 辆; 供应链天花板:单车加装 4–6 个激光雷达(成本超 $2 万),但全球顶尖 LiDAR 年产能才 3 万套,想量产根本无货可用,每英里 $2–3 的成本更难下降。 Uber 的两难困境: 轻资产的硬伤:自身没有制造和自动驾驶技术,只能做第三方调度平台,同样被激光雷达产能锁死; 利润与模式吞噬:一旦车费降至 $1.5/英里 以下,传统网约车抽成模式彻底崩溃;就算掏 100 亿买 Cybercab 也补不上规模鸿沟。 特斯拉的绝对降维打击: 百万级硬件库存:路上已有 600 万辆 HW4 车辆,FSD 15 一发,软件升级一天增加的 Robotaxi 数量就能秒杀对手几年产能; 无敌单位经济性:无需昂贵激光雷达,Cybercab 运营成本低至 $0.2–$0.3/英里,直接彻底卷死传统打车软件。 硬件、工厂和供应链早已准备就绪,只要软件一开,这根本不是竞争,而是一场单方面的收割。 总结 : 特斯拉卖的是“极致的效率与生产力”,而 Uber 拥有的是“网络生态与线下触角”。如果 Uber 执意要在“造车”和“全自研 L4 算法”上跟特斯拉硬碰硬,基本没有胜算;但如果它能放下执念,迅速调整定位——从“网约车平台”退化并升维成“无人车队的通用操作系统与线下运营支撑底座”,它依然有可能在未来的自动驾驶时代分得一小块蛋糕。
显示更多
老挝生产的钾肥,算不算进口?答案分两层看。 1. 从海关说,必须算。 2. 站在我国保供角度,它是我国海外钾肥基地产的,既不是国产,也不是传统意义上的外国货。因为国内资源不足,我们必须走出去,在境外投资矿权、建工厂,把资源控制权抓在自己手里。 我国可供工业化开发的钾盐资源禀赋不好,2000年之前,自给率不足30%。国际钾肥价格一波动,国内农业就承压。为化解这个风险,国家依托两种资源两个市场,在十五期间逐步形成了钾肥三个三分之一的保供构想: 1. 1/3国内自产 2. 1/3国际贸易采购 3. 1/3中资海外基地返销国内 正是这个构想,指引了企业出海布局老挝钾盐。 2006年,中农矿业进入老挝做钾盐勘探,2009年拿到甘蒙省东泰矿区35平方公里采矿许可证,2011年开建10万吨验证示范工厂,当年年底建成,2012年工业化投产。 这是老挝第一套中资钾肥线,也是我国海外钾盐项目里第一个稳定工业化运行的项目。2020年启动百万吨级一期扩建,2021年投料试车,2022年3月正式达产。 如今这个基地氯化钾年产能已达300万吨实物量,还配套了颗粒钾生产线,2025年产量约200万吨,远期规划要扩到500万吨、700万吨规模。 老挝钾盐矿床主要分布在万象平原、甘蒙平原两大成矿带,属于古蒸发岩沉积,埋在地下的固体钾盐,不是盐湖。矿体大多埋在100到300米深,矿石以光卤石为主,伴生大量食盐。 生产方式是井工开采,把矿石破碎制成矿浆,注入分解槽,用冷分解法把光卤石分解成氯化钾和氯化镁,再加入浮选药剂,用正浮选把氯化钾从盐水中分离出来,经过过滤干燥,就是粉状氯化钾。 外观是乳白、米白色,带着浅灰和浅黄色调,白度不如察汗盐湖精制白钾,抓一把有明显粉尘,颗粒细匀,闻着无异味,摸着有干涩的盐质感。 所以最终结论很清楚:老挝产钾肥是进口钾肥,但属于我国自主可控的海外资源供应,是国家保供体系里的核心组成部分。 截至目前,老挝仍是我国唯一中资控股、自主建设、稳定量产的海外氯化钾生产基地。
显示更多
Token 经济与加密货币世界的 Tokenomics 有何异同? 为什么要关注Token?因为它让AI变成了一种可以计量、定价和交易的资源——就像“千瓦时”让电力有了价格,“桶”让石油有了期货市场。有了Token,AI经济就有了可以算账的单位。围绕这个单位,目前也正在形成一套全新的经济逻辑:有价格、有供需、有产业链、有国际竞争、有待解决的制度难题。 这就是Token经济学要讨论的事。Token 经济与加密货币世界的 Tokenomics 有何异同? 两个Token,两个世界 说起来,这个世界上真正混乱的事情不多,两个东西叫同一个名字却毫不相干,算是其中之一。AI的Token和加密货币的Token,就像两个叫”刘伟”的人,一个在北京开餐馆,一个在上海做期货,见面了也没什么好说的。雷锋与雷锋塔区别! 但这两个Token,最近都很热闹。热闹到让很多人以为它们是一回事。 Token这个词,到底是不是新营销词 先得承认,Token这个词确实有被滥用的嫌疑。每隔几年,科技圈就会造出一批新词,让人觉得时代变了,其实换汤不换药。“大数据”火的时候,什么都往大数据上靠;”云计算”火的时候,什么都上云;现在轮到Token了。 不过这次有点不一样。Token不只是一个营销标签,它背后有真实的计量逻辑在撑场子。 就像”千瓦时”让电力有了价格,“桶”让石油有了期货市场,AI的Token做的是同一件事:把原本看不见摸不着的”智能算力”,变成一个可以算账的单位。有了这个单位,才能定价,才能比价,才能有产业链,才能有国际竞争。 所以Token不只是营销词,它是一把尺子。问题在于,AI这把尺子,和加密货币那把尺子,量的完全是不同的东西。 AI Token:一个从技术后台走到聚光灯下的计量单位 Token这个概念在计算机里其实由来已久。编译器做词法分析,早就把文本拆成一个个Token。网络安全里,身份验证令牌也叫Token。这些都是幕后工作,从没人觉得它有什么经济价值。 转折点在2017年,Google发表了那篇著名的论文《Attention Is All You Need》,提出了Transformer架构。这篇论文之后,所有大语言模型处理信息的方式都统一了:输入进来的文字,先被切成Token序列,模型一个个处理,再输出Token序列。Token变成了AI”思考”的基本粒子。 但这时候Token还没有经济属性,只是工程师内部的技术术语。 2022年11月,ChatGPT横空出世。这是个分水岭。 2023年3月,OpenAI推出GPT-3.5的API,第一次采用按Token计费。输入多少Token,输出多少Token,分别定价。那时候GPT-4的价格是每百万input token收30美元,output token收60美元,按今天的标准看,贵得像天价。 从那一刻起,Token从技术单元变成了经济单元。Anthropic跟上,Google跟上,国内百度、阿里、腾讯全跟上,全行业默契地采用了这套计费方式。Token成了AI服务的通用货币单位。 价格这三年掉得惊人。GPT-4刚发布时,每百万input token要30美元。 从2022年底到现在,GPT-3.5级别的模型使用成本从每百万token约20美元跌到了0.07美元,整整降了280倍。照这个速度,a16z记录的数据显示,LLM推理成本每年约下降10倍,堪称摩尔定律的重生。 便宜了有什么后果?后果是用量爆了。 这里有个经济学里的老故事,叫Jevons Paradox。1865年,英国经济学家Jevons发现,蒸汽机效率越高,煤炭消耗反而越多,因为效率降低了门槛,用的人更多了。AI Token正在重演这个故事。企业AI云支出从2024年的115亿美元涨到了2025年的370亿美元,整整翻了三倍,而这期间token单价跌了超过95%。 Google内部的token处理量在十八个月内增长了130倍。 越便宜,用得越多。越用得多,总账单越大。 这背后还有个推手,叫Agent。以前是人在问AI,AI回答,一问一答,token消耗有限。现在Agent出来了,AI在自动跑任务,自己调用自己,一次任务可以消耗几十万甚至上百万token。这不是线性增长,是指数级的爆炸。 2026年3月,黄仁勋在英伟达GTC大会上把”Token”这个词说了超过70次,把数据中心重新定义为”Token生产工厂”,把评价算力的核心指标从FLOPS换成了”每瓦Token数”。同一天,阿里巴巴把通义、千问、MaaS等板块整合,成立了Alibaba TokenHub事业群。Token经济,在2026年正式被主流商业世界承认了。 AI Token的上下游:一条新的产业链 AI Token经济的有意思之处,在于它重塑了整个产业链的逻辑。 上游是能源和芯片。每生产一个Token,都要消耗真实的电力和算力。英伟达的GPU是目前最主要的Token生产设备,黄仁勋把它卖给全世界的数据中心,本质上是在卖”Token生产产能”。能源成本直接影响token成本,这让AI经济和能源经济绑在了一起。 中游是大模型公司。OpenAI、Anthropic、Google、国内的百度、阿里、腾讯,都在这个位置。他们把算力和模型打包,按Token卖给开发者。这一层的竞争极其激烈,价格战打得很惨,但总量在涨,所以大家还活着。 下游是应用层。各种SaaS产品、企业工具、消费者产品,把Token的成本打进自己的定价里,再卖给最终用户。Token成本在企业财务里已经是刚性支出,和房租、人力一起躺在成本表里。 这和传统软件经济的逻辑不一样。以前软件卖出去之后,边际成本趋近于零,用户越多越赚钱。AI服务不是这样,每次用户交互都有真实的Token消耗,规模大了,成本也跟着大。这是一个全新的商业模式,整个行业还在摸索怎么把它算清楚。 加密货币的Token:从一枚Coin开始的故事 要说清楚加密货币的Tokenomics,得从更早的地方讲起。 2008年金融危机,全球对银行体系的信任跌到低谷。这个背景下,一个叫Satoshi Nakamoto的神秘人物发布了Bitcoin的白皮书,2009年Bitcoin网络正式上线。2010年5月22日,程序员Laszlo Hanyecz用一万个BTC换了两个披萨,这是比特币历史上第一笔真实商品交易。这笔交易现在被称为Bitcoin Pizza Day,那一万个BTC今天价值近十亿美元。 Bitcoin是一个Coin,有自己的区块链,规则写在代码里,总量2100万枚,靠挖矿产生,四年减半一次。这是最早的加密货币逻辑:用数学创造稀缺,用共识创造价值。 Coin时代的Token概念很简单:就是一种数字货币,用来存储价值和转账支付。Bitcoin是Coin,Litecoin是Coin,它们都有自己的链,规则各不相同,互不兼容。 然后Ethereum出现了,把整个游戏改了。 Ethereum的核心发明是智能合约。有了智能合约,任何人都可以在Ethereum上发行自己的Token,不需要搭建新的区块链。2015年,开发者Fabian Vogelsteller提出了ERC-20标准,描述了一套技术规范,让所有基于Ethereum发行的Token都能互相兼容,在各种钱包和应用里无缝使用。ERC-20在2017年正式实施。 ERC-20的意义在于,它把发Token的门槛从”搭一条链”降低到了”写一个智能合约”。2017年ICO浪潮中,过了5分钟就能发出一个新Token,中心化交易所上架新Token的时间也从几个月缩短到几天。 这就引发了2017年的ICO大爆炸。 2017年到2018年间,数千个项目进行了Token销售,ICO在2018年前三个月就募集了63亿美元,是2017年全年的118%。项目方写一份白皮书,发出Token,散户拿着ETH来换,钱哗哗地流进来。其中有真正想做事的团队,也有大量的骗局和空气项目。监管机构随后介入,SEC把不少ICO认定为非法证券发行,这场派对才逐渐收场。 但ERC-20打开的大门就再没关上。从那以后,crypto世界的Token不再是简单的数字货币,开始承载更复杂的经济功能。Tokenomics这个词,就是在这个背景下诞生的。 Tokenomics:加密货币世界的经济设计学 Tokenomics这个词,是Token和Economics的合体,研究的是一个加密项目怎么设计自己的Token经济体系。它包括发行总量、分配比例、释放节奏、通胀通缩机制、使用场景、持有激励……本质上是在回答一个问题:凭什么有人要买我的Token,买了之后为什么不卖? 这些年发展出了几个有代表性的模型。 Governance Token模型是2020年DeFi夏天流行起来的。Compound和Uniswap在2020年普及了Governance Token,持币者拥有对协议方向的投票权,但没有直接的现金流权益。用白话说,就是持Token可以投票,但不能分钱。这个模型一开始很流行,因为绕开了监管对”证券”的定义,但后来大家发现,一个没有经济权益的治理权,价值有多大,很难说清楚。 veToken模型是Curve Finance搞出来的,后来影响了一大批DeFi协议。ve(3,3)模型是Andre Cronje在2021年1月提出的,融合了Curve的Vote Escrow机制和OlympusDAO的(3,3)博弈论。基本逻辑是:把Token锁仓,换成veToken,锁仓时间越长,获得的veToken越多,投票权和协议收益也越大。这个设计试图解决短期投机者砸盘的问题,鼓励长期持有。Curve用这套veCRV模型吸引了大量流动性,成为DeFi里流动性最深的DEX之一。 Deflationary模型是Bitcoin开创的,很多项目跟进。通过限制总量、定期销毁,制造通缩预期,支撑价格。以太坊在EIP-1559之后,每笔交易都会销毁一部分ETH,使得ETH在高使用量时期变成通缩资产。 这些模型各有各的玩法,但有一个共同点:它们的价值都依赖于市场共识。没有人相信,Token就没有价值。这和AI Token完全不同,AI Token的价值是真实算力消耗在背后撑着的。 两个经济体,两条路 说到这里,可以把这两个世界放在一起看了。 AI Token的产业链是垂直的、中心化的。英伟达造芯片,云厂商建数据中心,大模型公司训练模型,应用公司调API,最终用户买服务。每一层都是真实的成本和真实的价值。Token是计量单位,不是资产,用了就没了,没有任何金融属性。整个产业链最终服务的是实体经济,帮企业提升效率,帮开发者造产品。 加密货币的产业链是网络化的、去中心化的。矿工或验证者维护网络安全,协议层发行和管理Token,持有者通过投票参与治理,投机者在二级市场买卖。Token本身是资产,可以转让,可以交易,有金融属性,价格由市场供需决定,和外部实体经济的关联相对间接。 两套经济体,两条独立的价值链,两种完全不同的生态。 当然,有人在尝试把两者融合:用区块链来做去中心化的AI算力网络,把AI服务的计费和分润用Token来结算。Bittensor、Render Network、IO net都在这个方向探索。这是第三条路,但无论走到哪里,它骨子里仍然是加密货币的Tokenomics,只是应用场景叠加在了AI上。 有一件事可以确定:这两个Token,同名不同命。一个在工厂里量产,一个在市场上流通;一个代表消耗,一个代表持有;一个撑着AI产业的运转,一个撑着加密世界的信仰。 名字一样,生意不同。就像那两个都叫刘伟的人,一个卖的是饭,一个卖的是梦。饭是真实的,梦也未必是假的,只是得分清楚你在做哪笔买卖。 #AI# #AIAgent#
显示更多
截至上半年,每天 2 亿多人使用的豆包,日收入不足百万元,主要来自电商佣金。 而到今年 5 月,豆包应用每天消耗数千万元——参照火山引擎公开 API 价格,结合豆包大模型的毛利率、豆包用户使用习惯推算。文字聊天不贵,按每天人均 15-20 分钟的使用时长,只要几分钱,但推理,以及图片识别、语音聊天、视频聊天等多模态功能需要的算力成本要贵几倍甚至几十倍。 这还没算为训练豆包模型搭建的算力中心成本。一座大型智算中心往往需要数万张 AI 芯片,还要配套数据中心、供电、网络、散热和运维等基础设施。根据《南华早报》报道,字节跳动计划将 2026 年的资本开支上调超 2000 亿元,相当于它 2025 年利润的约六成。 如果字节能获得更多训练必须的英伟达卡、国产推理卡产能更充足,豆包消耗的资源会更高。 豆包延续移动互联网时代做产品的路径,以免费应用吸引大批用户,再谋划商业变现。但由于 AI 的高昂成本,仅仅维持豆包正常运行需要的钱就超过了整个 Bilibili 的经营成本——豆包每天总用户使用时长不到 Bilibili 的 1/8。 据我们了解,两个月前,有字节高层到访 Anthropic,回来不久,字节开始调整 AI 资源分配,重心从豆包这类面向大众的产品,转向服务企业的产品。 过去半年,Anthropic 证明了 AI 编程能让巨额基建投入产生回报:Claude Code 2025 年 5 月上线,半年做到 10 亿美元年化收入,今年 2 月翻到 25 亿。靠为企业提供付费服务,每天只有 3000 万人用的 Anthropic 估值冲到 9650 亿美元,反超每周有近 9 亿消费者用 ChatGPT。 字节 Seedance 也证明了企业服务这条路走得通。据《晚点 LatePost》了解,字节这款视频生成模型当前年化收入(ARR)已达 20 亿美元(约 143 亿元),单月超 10 亿元——差不多抵消豆包的算力成本。Seedance 绝大多数收入来自企业客户。 知情人士告诉我们,字节大模型数据审核团队今年从约 1500 人扩到 3000 多人,为编程模型清洗训练数据;火山引擎的 MaaS 业务也被摆到更重要的位置,字节最高层定下了收入翻 10 倍、加快出海的目标。 曾经字节和快手自己就给过教训——今日头条不到两年就让广告与增长同步起量,快手慢半拍、等短视频红利见尾才系统卖广告,补课成本高得多。AI 演进更快,留给各家想清楚怎么赚钱的时间只会更短。
显示更多
0
46
130
19
转发到社区
百万元 CAR-T 药物瑞基奥仑赛纳入医保,价格降至 30 万以内 129万元一针,过去的CAR-T常常让患者觉得这项治疗看得见、够不着。 现在价格降到了30万元以内,还进入了国家基本医保目录,这是一次非常有冲击力的降价啊。 不过,CAR-T最有意思的地方还在于,它是一种用患者自己的免疫细胞制造出来的药物。 CAR-T的全称是嵌合抗原受体T细胞免疫疗法(Chimeric Antigen Receptor T-cell Therapy)。简单理解,就是把患者体内负责免疫杀伤的T细胞取出来,通过基因工程技术给它们安装一个特殊的识别装置,让它们能够主动寻找并攻击肿瘤细胞。 瑞基奥仑赛就是其中一种靶向CD19的自体CAR-T产品。CD19是一种主要表达在B淋巴细胞表面的蛋白,许多B细胞淋巴瘤也表达这一靶点。改造后的T细胞能够识别CD19,激活自身杀伤功能,清除带有这一抗原的肿瘤细胞。 整个过程大致分为五步:采集患者外周血、分离T细胞、利用病毒载体导入CAR基因、体外培养扩增并进行质量检测,最后将制备好的CAR-T细胞回输患者体内。 因此,CAR-T也常被称为一种「活的药物」。回输后的细胞还能在患者体内继续扩增,持续发挥抗肿瘤作用。 瑞基奥仑赛由药明巨诺研发,商品名为倍诺达,2021年9月在我国获批上市。目前已经获得三项适应证,均针对成人复发或难治性淋巴瘤: 经二线及以上系统治疗后复发或难治性大B细胞淋巴瘤。 经二线及以上系统治疗后难治,或24个月内复发的滤泡性淋巴瘤。 接受包括BTK抑制剂在内的二线及以上系统治疗后复发或难治的套细胞淋巴瘤。 这三类患者通常已经经历过多轮治疗,传统治疗方案的效果有限,CAR-T为他们增加了新的治疗机会。 临床数据也值得看一看。 RELIANCE研究是瑞基奥仑赛治疗复发或难治性大B细胞淋巴瘤的关键临床研究。2023年发表于《Cytotherapy》的长期随访结果显示,接受治疗的患者中,客观缓解率达到77.6%,完全缓解率为53.5%,中位缓解持续时间为20.3个月。 换算成100名类似研究患者,大约78人出现肿瘤缓解,其中约53人达到完全缓解。 完全缓解意味着影像学评估时已经看不到可测量的肿瘤病灶,但患者仍然需要长期随访,后续复发风险仍需关注。CAR-T确实有机会让部分患者获得长期缓解,甚至实现临床治愈,但不能把所有接受治疗的患者都视为治愈。 这项研究规模为59名接受输注的患者,属于早期单臂临床研究,结果还需要结合更大规模的临床实践理解。 再说价格。 瑞基奥仑赛此前的公开定价为129万元/支。据媒体报道,医保谈判后价格已降至30万元/支以内。按照原价129万元和30万元上限计算,降幅至少达到76.7%。 患者最终自付金额还有望进一步降低。业内人士估算,医保报销后自付费用可能降至10万元以内,但最终支付标准并未公开,实际费用还受到参保地区、医保报销比例和支付条件影响。新版医保目录将于2027年1月1日起执行。 过去CAR-T价格居高不下,与其特殊的生产方式有很大关系。 普通药物可以通过规模化生产降低单位成本,一批产品能够供应大量患者。自体CAR-T则需要为每名患者单独制备,患者的细胞需要经过采集、分离、基因改造、培养扩增、质量检测和低温运输,整个流程对生产环境和质量控制要求极高。 其中,慢病毒载体是导入CAR基因的重要工具,也是生产成本的关键环节之一。过去相关技术和原材料对进口供应链依赖较高。药明巨诺近年来推进慢病毒载体自主研发和国产化生产,降低了关键原材料的供应成本,为价格调整提供了技术基础。 当然,CAR-T价格下降后,治疗过程中的安全性仍然需要重视。 细胞因子释放综合征(CRS)和免疫效应细胞相关神经毒性综合征(ICANS)是CAR-T治疗需要重点监测的风险。患者可能出现高热、低血压、缺氧,严重时甚至发生器官功能障碍;神经系统毒性则可能表现为意识混乱、语言障碍和癫痫发作。 RELIANCE研究中,3级及以上细胞因子释放综合征发生率为5.1%,3级及以上神经毒性发生率为3.4%。瑞基奥仑赛说明书对此设有黑框警告,患者需要在具备相应治疗经验的医疗机构接受治疗,输注后还需进行密切监测。 这类治疗通常还需要先进行淋巴细胞清除化疗,为回输的CAR-T细胞创造适宜的免疫环境。按照说明书要求,输注后建议住院监测两周,之后两周继续在医疗机构附近观察。 所以,CAR-T降价只是降低了经济门槛,患者还需要经过严格的适应证评估,并接受专业医疗团队的全程管理。 曾经长期停留在高价自费市场的细胞治疗,终于进入了基本医保的支付体系。价格下降超过七成,对患者家庭来说是非常实在的变化。 但CAR-T行业后续的发展,还要继续解决生产成本、产品质量、产能供应和治疗安全等问题。医保帮助患者跨过价格门槛,技术进步则决定这类治疗未来还能走多远。
显示更多
当机器人公司们还在探索模型、算法、数据和部署的时候,一家并不生产机器人的硅谷公司,把机器人数据做成了一门年化收入数亿美元的生意。 这笔生意,给硅谷具身数据公司Maxinsights带来了一年250倍的增长:它组织全球近4000名采集人员戴上摄像头,记录日常操作,再通过数据管线加工成机器人训练数据。据创始人袁宇光介绍,公司已积累约200万小时的人类第一视角数据,ARR(年化经常性收入)可达约2.5亿美元。 但拍下视频,只是数据生产的开始。手被挡住时,动作能否被准确追踪?设备戴歪了,怎样及时发现?从动作追踪、语言标注到质量检验,一段日常视频要经过复杂处理,才能成为模型的“教材”。这套生产流程,也成为数据公司的竞争壁垒。 本期《硅谷101》视频播客,我们对话Maxinsights创始人袁宇光,拆解机器人数据的生产与授权模式,了解Agent如何参与管理全球采集网络,也回顾他从工业机器人转向数据生意的创业经历,以及客户说需要、却不愿付钱的教训。 同一套数据授权给多家公司,模型的差异来自哪里?从百万小时迈向千万小时,怎样同时扩大产能、守住质量?当机器人走进真实场景,评估、后训练与部署,又会给数据公司带来哪些机会与挑战? 采访嘉宾: 袁宇光,Maxinsights创始人 主持人: 陈茜,硅谷101联合创始人
显示更多
希腊国防部长尼科斯·登迪亚斯称,希腊目前无人机年产能约为5000架;一年半到两年内,年产能将超过10万架;按希腊方面的预测,到2030年底,年产能将超过100万架。
显示更多