註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 百万运镜
百万运镜 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 百万运镜 的搜尋結果
不少人现场参加完 Cybercab 的发布会后评价到:“虽然活动规模不大且邀请仓促,老马甚至都没上台,但亲眼看完整个活动后觉得,这绝对是 Model 3 之后特斯拉最重要的里程碑!” 现场看到的几个硬核细节: 开箱式生产:车身拆成 6 个模块并行组装,彻底告别传统白车身焊接与喷漆,产线占地大幅缩小。 全塑料车身:首款全塑料(RIM)量产车,色材一体,免去喷漆,耐刮又轻量,碰撞安全全靠内部钢骨架和一体压铸件。 极致内饰:无方向盘/踏板/后视镜,座椅大幅后移,屏幕全系最大,乘坐静谧度与舒适感远超现有 Robotaxi。 百万英里寿命:V5 线控制动、V5 无稀土电机加持;4680 电池与辅助电子模块皆可快速拆换,后勤运维成本极低。 模块化制造加上软件优势,特斯拉这次真的把底层制造重构了。开箱组装会改写低成本、高产量、高维修性、少配置的自动驾驶载具怎么造;传统乘用车不会一夜消失,但会被迫把喷漆、白车身、线性总装这些最贵的环节逐步拆掉。特斯拉这次赢在先把产品和工厂一起重写了。 Cybercab 本身就是下一代平台的第一款落地车。Unboxed、取消喷漆车间、模块化子系统,就是为这代架构准备的。最可能接着用的是 CyberSUV 或 Cybervan,以及后面那些更偏“被开”、少配置、高产量的新车。
顯示更多
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。
顯示更多
0
46
130
19
轉發到社區
黄仁勋和马斯克,对AI浪潮下人类未来的看法差别很大。黄仁勋认为AI数据中心建设会催生大量蓝领岗位,带动电力、基建。但视频提出,他说的百万岗位有夸大,大多只是建设期短期岗位,长期运维岗位不多,也回避了白领被替代的风险。 马斯克的视角更宏观,他觉得美国AI最大瓶颈是电力,提出自建电站、太空数据中心两套方案。他预判人类要先熬过AI转型阵痛,之后才会迎来丰裕社会。两人观点各有侧重,背后都藏着不一样的前提假设。
顯示更多
马克·扎克伯格透露他其实从未真正决定从哈佛退学: “达斯汀把我拉到一旁说,你知道我们的用户越来越多了,而且我们没有运维人员。哈佛有一项政策,允许你想休学多久就休学多久。所以我们就先休学了一个学期” “当然,我们从彼得·蒂尔那里筹集了资金,但我们把计划告诉了他,并解释说我们可能还会重返校园。我觉得他并不相信我们。那时我们还没有完全搭建好工具和自动化系统,所以决定再休学一个学期,然后最终在某个时刻,我们意识到自己已经彻底离开了。但到那个时候,我们已经拥有了数以百万计的用户”
顯示更多
如何给一款模型定价? “价格的本质是什么,我只回复一个词:价值。”《定价制胜》的作者赫尔曼·西蒙说。 但对大模型产品来说,技术在按月进化,应用却还没有充分验证,“价值” 仍难以量化、定价方式也很难类比其他成熟商品。 综合公开信息和多位大模型厂商商业化员工的说法,我们发现大模型产品目前基本只有两种定价方式:成本定价法和市场定位定价法。有些公司更偏成本端,比如 Deepseek 和小米 Mimo,其他大部分厂商更侧重市场定位。 成本定价法比较简单,公司算出持续提供服务需要花多少钱,再加上希望赚取的利润,算出一个价格。这笔成本主要包括推理算力、网络、存储和运维,不计算前期模型研发支出和销售、薪酬等其他经营费用。 DeepSeek 最为典型。今年 5 月,梁文锋在一场投资者交流会上解释过 DeepSeek 的定价原则:API 业务以十个月收回设备投入为目标。在他看来,这已经是可以接受的回报,没有必要把价格提高到收入或利润最大化的位置。 按照他的计算,⼗个⽉收回成本,5 年左右的折旧年限,⼤概对应的是六倍利润。做一个简化计算:假设成本只考虑折旧,对应的毛利率需要达到约 83.3%。根据《The Information》援引知情人士的报道,DeepSeek 今年前七个月的 API 业务毛利率为 82.9%,与这一测算相近。 这种思路也体现在后续的价格调整中。9 月发布 V4.1 Flash 时,公司表示,新架构把 KV Cache 对高带宽显存的需求降至上一代的四分之一,对 SSD 的需求降至八分之一。随后,缓存命中和输出 token 的价格也降了下来。 减少重复计算、压缩缓存、提高吞吐量,都能变成降价空间。但成本也并不是全部的解释,为了让算力和设备充分被利用,DeepSeek 也会根据需求来调整价格。 比如 8 月,DeepSeek 引入峰谷定价,闲时调用的价格,只有高峰时段的一半。9 月模型降价后,峰谷差价仍然保留。这种价格策略让高峰的拥堵得以缓解,闲置的设备也能挣到钱。 一位模型公司的商业化员工形容,DeepSeek 的定价有种 “以我为主” 的意味:“他去划定了一个特殊的产品类别空间,然后主导了这个产品类别空间里的变化。” 大部分其他模型厂商不这么定价。在推理成本外,他们首要考虑的是市场定位,是在诸多模型的性能、价格的参考坐标体系里找到自己的位置。 上述大模型厂员工称,每家定价时,想的都是要去到什么样的价格带,“本质上是模型定位嘛,大家都是朝着这个模型定位去做。” 一个新模型发布前,商业化部门通常要和 Infra 部门一起测算真实负载下的推理成本,再参考第三方评测、内测客户的反馈和业务目标。价格往往由多个部门一起决定。 以 Kimi 的 K3 模型为例,这是一款总参数 2.8T、每 token 激活参数约 104B 的大模型,运行成本不低。 英伟达分销商 Openzeka 曾用一台 8 卡 B300 服务器测试 K3。按测试结果折算,这台机器每小时可处理约 405 万输入 token 和 405 万输出 token。如果用 Runpod 上 B300 单卡每小时 8.99 美元的租金粗略计算,处理 “百万输入 token 加百万输出 token”,仅算力租金就约为 17.7 美元。 这与月之暗面的真实成本必然有出入,但已经足以说明,K3 很难成为一款廉价模型。 有了大致的成本范围,下一步是找对标产品。 7 月 17 日,Artificial Analysis 测算,K3 的综合能力接近 Claude Opus 4.8 和 GPT-5.5。当时,两款模型的输入价格分别为每百万 token 5 美元、4 美元,输出价格为 25 美元、20 美元。 Kimi 最终给 K3 定的价格是输入 3 美元、输出 15 美元。 这个数字还包含了公司的战略选择。K3 发布后,月之暗面的 B 端负责人曾公开表示,不希望中国模型一直被贴上低价标签。能力达到前沿水平,就应该卖出合理的价格。相比此前的模型,K3 希望保留更充足的毛利空间,尝试建立旗舰模型的溢价。 实际任务场景中的客户测试也会影响报价。一位模型厂商的工程师说,现在大家越来越重视 “单 Token 智能”,而不是纯粹的性价比。如果小范围的客户测试下来,一个任务能用更少 Token 完成,Token 的单位定价会提高;相反,则会往下调整。 Artificial Analysis 曾让 K3 和 GLM-5.3 执行同一项任务。K3 消耗约 1.6 亿 token,GLM-5.3 用了约 2 亿。K3 的 token 单价更高,两者完成任务的总花费相近。 成本、竞品、测试结果决定了大致价格。最后还会有一些更细的取舍。Kimi 就曾决定,同一个模型,中国市场的报价要比海外低,“哪怕只是 1 毛钱”。 渠道也会影响定价。除了原厂直接提供 API,模型也可以由云平台代销或托管,由聚合平台转接,或者由客户自行部署。原厂的公开报价相对固定。其他渠道则要考虑上游采购成本、设备价格、部署效率和运维支出。在许可允许的范围内,云厂商和算力服务商可以自行部署开源模型,按照自己的成本和效率报价,可能会挤压原厂的收入。 梁文锋在那场投资者交流会上谈到了这件事。他判断,原厂如果索取极高利润,即使第三方运行效率较差,也能通过低价抢走客户。DeepSeek 按十个月收回设备投入的标准收费,已经把价格压到一个第三方很难匹配的位置,能让官方 API 保持价格优势的同时留有利润。 据我们了解,绝大部分二级算力供应商都无法把 DeepSeek 模型优化到官方宣称的水平。
顯示更多
“别再拿‘每英里运营’去硬套 Tesla 了!它根本不需要在前端砸死 Uber。看清三层独立支撑的逻辑,才是真正的重估框架:” 特斯拉 Robotaxi 的破局运营与真实商业骨架 产品层:独立入口 + 双渠道并存Waymo 已验证独立无人车 App 的黏性。用户要 100% 无人体验时会直奔专用 App;需要混合匹配时,Uber 等平台依旧是巨大流量池。未来并不是“清场”谁,而是独立平台与聚合渠道并存,轻松吞下增量市场。 商业层:卖生产设备 + 软件抽成特斯拉最聪明的是“轻资产”模式:只做车辆制造、软件与网络,把充电、清洁、场地等重运维外包给车队运营商。把 Cybercab 打造为“可折旧的赚钱设备”,靠车队销售+FSD订阅抽成实现极其干净的高毛利现金流。 估值层:从期权看高额 Upside不必急着把 2030 年全部按数百万辆高毛利算死。把硬件混合利润率稳步抬升作为基底,Optimus / Semi 暂时看作零。只要未来 2–3 年内车队销售和 FSD 订阅的合同与毛利兑现,这就是一个比华尔街预期高出一截的巨大 Upside,开启从制造股到软件平台股的二次重估。 这绝不是“做个更好的 Uber”,而是“成为自动驾驶时代的精细化设备与基础设施提供商”。 大家觉得特斯拉这种“卖设备+抽软件”的轻资产模式,能多快在监管和产能上跑通?反正之前也算过,就算Optimus 和 Terafab什么的都算 0 甚至 Semi也不算,只要2030年百万车辆能上路,股票翻一倍多还是稳稳的。
顯示更多
石油行业的两家大企业,他都当过负责人。退休11年,还是没躲过去。傅成玉,1951年生,中国石油行业绕不开的一个名字。他先在一家石油企业干了近30年,一路干到掌门人。 后来又调到另一家,继续当负责人。两家大企业的一把手,他都干过,这在圈子里是数得着的高度。 说实话,2015年5月,他到龄退休,交棒离场。这一退,就是11年。 不少人心里都默认:退了休离了场,人就安全了。这些年他也安安静静,大家早都以为,这一页已经翻过去了。 石油项目的账本比人活得久。一口井从勘探到出油要十几年,管线、炼厂、混改协议动辄签二三十年,当年拍板的一支笔,痕迹都封在合同和审计底稿里。人离了办公室,事没离。 中海油、中石化不是普通公司,是资产规模数万亿的超级国企。一把手手里过的不是百万千万的生意,是千亿级投资、海外并购、工程总包。权力越大,经手环节越多,后面倒查一层层剥,谁都靠不住“当年功劳簿”。 这几年石油系统一直在翻旧账。中海油原副总袁光宇退休六年被诉,中石化原总会计师刘运退休九年多被处理,都不是在岗被抓。规矩已经变了:离任不注销责任,退休不冻结问题。 傅成玉过去推混改、搞重组,外界认他是“改革派”,但这和有没有违纪违法是两笔账。改革成绩不替个人免责,历史贡献也不替签字背书。 央企高管的“安全落地”从来不是时间熬出来的,是每一笔决策经得起回头看。位置再高,只要伸手,迟早在审计里原样还回来。
顯示更多
小马智行(PONY):多传感器重资产路线的商业化困局,与特斯拉纯视觉范式的代际鸿沟 提报:华尔街观察团队投研部 日期:2026‑10‑04 评级:规避 免责声明:本报告仅为行业逻辑推演,不构成投资建议,不针对企业生存能力下定论。企业存在战略转型的可能性,技术路线的困境不等于公司的终结。 执行摘要 国内Robotaxi在订单、里程、车队规模的数据层面实现全球领先,然而光环之下是残酷的单位经济学拷问。以小马智行为代表、连同Waymo为标杆的激光雷达主导多传感器融合路线,正在暴露结构性硬伤:高昂的硬件造价、永无止境的隐性运维成本,让规模扩张等价于亏损放大。即便车队扩张至管理层预设4‑5万辆的盈亏平衡门槛,重资产运维的长期负担依旧难以消解。我们的核心判断:如果不彻底重构技术范式,该类多传感器方案长期将难以对抗特斯拉原生纯视觉体系,技术路线层面存在被边缘化的风险。该结论仅指向技术路径,并非判定企业必然消亡,管理层转向Tier‑1套件供应商的调整,是求生的重要尝试。 2026上半年财报清晰揭示残酷现实:小马智行Robotaxi业务营收2064万美元,同比大涨534%,车队扩张至1975台。但每获得100元车费收入,同步产生125元的亏损,经营亏损率‑181.5%。市场直观的误解是,只要把车队规模做大,亏损自然被摊平。这种逻辑套用互联网平台的规模效应,却忽略自动驾驶属于物理世界的重运营生意,边际成本无法趋近于零。 隐性成本是压垮多传感器方案的核心枷锁,市场多数研报仅仅关注激光雷达的采购单价,却无视后端一整套配套开销。第一,远程云端安全员体系,车内取消驾驶员,只是把人力成本转移至后台监控中心,大量操作员7×24小时值守,人力开支长期刚性。第二,海量的数据存储压力,激光雷达配合摄像头每小时产出2‑4TB原始数据。行业广为流传的“数据骡子”模式,依靠每日凌晨拆卸固态硬盘完成数据搬运,只是权宜之计,规模化之后场站、运维人员、存储机房的开支将指数级上升。第三,精密设备的周期性校准,激光雷达、光学组件微米级的偏移就会带来识别偏差,企业必须维持千级洁净校准车间,定期返场检修,这部分维护开销不会出现在宣传叙事之中,却是长期固定支出。 出海进一步放大成本矛盾。小马智行布局克罗地亚、卡塔尔、新加坡等市场,GDPR法规要求三维点云数据不得跨境传输,迫使企业在每一个海外区域建立本地数据闭环。国内数千万公里的路测经验,无法直接复用,每进入一个国家几乎等于从零开始训练模型。合规约束之下,算法甚至出现误判:海报人像被识别为障碍物触发急刹,接管率抬升,运营成本再度上行。扩张越快,合规与本地化的负担越沉重。 与之形成鲜明对比,特斯拉Cybercab选择原生纯视觉架构,抛弃激光雷达,依托8颗摄像头与端到端神经网络完成决策,从硬件底层削减传感器的复杂冗余。原生车型面向无人驾驶设计,简化车身结构,制造端成本优势显著。更关键的是运维逻辑:更少的精密光学硬件,意味着校准、检修、备件维护的工作量大幅下降。特斯拉依靠全球海量特斯拉乘用车车队源源不断投喂真实路况数据,训练样本池的体量,是封闭Robotaxi车队无法比拟的。 两条路线的本质分歧浮出水面。Waymo、小马智行选择用硬件冗余换取短期安全上限,代价是昂贵的单车造价与繁琐的长期运维;特斯拉选择依靠极致算法,简化硬件,把重心放在神经网络迭代。前者是改装思路,在现有车辆上堆叠传感器;后者从车型诞生之初就为无人驾驶量身打造。多传感器方案可以实现局部场景优秀表现,但是高昂的综合成本,决定其很难完成千万级别的普及。当Robotaxi需要走向大众普及,制造、运维、备件、校准组成的长期账单,将成为难以逾越的鸿沟。 当然,这不代表小马智行没有出路。管理层提出转向轻资产Tier‑1供应商,为出行巨头交付自动驾驶套件,便是试图逃离自营车队的无底洞。但如果底层传感器架构不做出调整,套件本身的成本痛点依旧存在。 核心结论 短期,多传感器方案仍将在特定园区、限定区域维持落地。长期商业化普及的赛道上,若维持现有硬件框架,激光雷达为主的重感知路线,很难追上特斯拉纯视觉体系的成本曲线。资本市场已经提前反映悲观预期,小马智行年内股价深度回撤,本质是资本重新审视单位经济学。自动驾驶的终局竞争,比拼的不只是单次路况的表现,更是十万、百万、千万量级车队长期运行的综合账单。谁可以把运维的长期负担降到最低,谁才拥有走向普及的入场券。 风险提示:超预期政策扶持、大额战略融资、颠覆性的硬件成本突破,有可能改变现有推演结果。
顯示更多
⭐️为 Agent 定制的开源操作系统 Omarchy,正在成为硅谷 AI 基础设施的新叙事 它试图把 Mac 的完成度、Linux 的开放性和 Agent 的执行力放进同一台电脑。 > 50% Mac + 50% Linux ≈ {AI Agent OS} Omarchy ? Jack Dorsey、Brian Armstrong 等科技企业家,已向这个问世一年多的开源项目承诺捐赠 1260 万美元,其中多位个人各自出资 100 万美元。 为什么这些最熟悉平台价值的人,愿意为一个商业模式仍未显现的 Linux 项目捐出这种量级的资金? 我觉得这笔捐赠同时押注了两件事:Agent 会让操作系统重新成为个人计算的关键入口,以及 DHH 有能力把这个技术窗口整理成一套可以直接采用的默认方案。 Omarchy 把自由度很高、同时也很难配置的 Linux,整理成一套安装后即可使用的完整桌面环境:常用软件、工作界面、快捷操作和开发工具都已配置完成。 Mac 用统一封装换取稳定和一致,传统 Linux 把选择权与配置成本一并交给用户。Omarchy 先给出一套完成度很高的默认方案,再允许用户和 Agent 修改其中的每一层。 Agent 在这里已经成为系统入口。你可以让它安装工具、检查项目、调整界面、增加快捷操作,甚至读取程序崩溃留下的记录并寻找原因。 DHH 也在用 Agent 开发这套系统。他最近在 Lex Fridman 的访谈中说,Omarchy 最新大版本开发的最后两个月,随版本发布的新代码全部由 AI Agent 生成。他只负责确定方向、审查整体架构,并逐行检查关键代码。 于是形成了一个很少见的循环:Agent 参与开发操作系统,操作系统又继续扩大 Agent 的行动范围。 这场转向还有一层历史意味。2005 年,DHH 曾用一台 Mac,在大约 15 分钟内演示如何做出一个博客,这段视频影响了一代 Web 开发者。 TapTap 联合创始人戴云杰 @xdanger 看完视频后,很快买下了自己的第一台 MacBook,并开始学习 Ruby。21 年后,他向 Omarchy 承诺出资 100 万美元,希望重新出现一套「现代、鲜明、真正为开发者设计」的操作系统。 @dhh 所在的 37signals 也把 Mac 作为全公司默认电脑超过二十年。2024 年,这家公司开始把 Linux 设为开发者和系统运维人员的新默认平台。到了 2026 年,其技术团队已经迁往 Omarchy。 Omarchy 这个名字本身,也概括了它的产品哲学。日语 omakase 的意思接近「交给主厨决定」,再与它采用的 Linux 底座 Arch 结合,形成 Omarchy:系统先替用户做好一整套关键选择,用户仍然保留全面修改的自由。 随后加入百万美元赞助人名单的,还有 Stripe 联合创始人 Patrick Collison、Michael Dell、Shopify CEO Tobi Lütke、Dropbox 联合创始人 Drew Houston 等人。1Password 和 37signals 则各自承诺连续三年、每年提供 10 万美元。 这些资金进入新成立的非营利组织 Omacom Foundation。赞助人获得公开认可,不取得股权或产品决策权,基金会负责基础设施,也已经开始长期资助 Omarchy 所依赖的桌面界面、窗口系统和开发工具维护者。 用户增长同样很快。2026 年 8 月,Omarchy 最新版本发布后一周,官方记录超过 10 万次安装文件下载。 对一个尚无清晰商业模式的系统,1260 万美元首先买下的是验证时间:让 Omarchy 继续回答一个更大的问题,当 Agent 可以修改软件和系统,人们是否会开始期待一台能够通过自然语言持续重塑的电脑? 这个问题让 Linux 长期以来的开放性获得了新的产品价值。过去,修改系统要求用户理解命令和配置;现在,用户只需表达意图,Agent 负责把电脑改成需要的样子。 DHH 当年通过 Rails,为复杂的网站开发提供了一套清晰默认。Omarchy 延续同一种方法:先把一台开放的电脑整理成可以直接使用的成品,再让 Agent 按照每个人的需要持续改造。 如果这套方法成立,Omarchy 就有机会从一个 Linux 发行版,走向定义「人和 Agent」如何共同使用电脑的基础设施。
顯示更多
0
13
16
2
轉發到社區