晚点独家丨月之暗面向港交所秘密交表，正式启动 IPO 《晚点 LatePost》独家获悉，月之暗面（Kimi）已于本周以保密形式向港交所递交 A1 文件，正式启动港股 IPO 流程。A1 是企业申请在港交所上市时提交的正式申请表之一。 Kimi 方面回应上述消息称：“对于市场传闻不予置评，目前暂无可以披露的信息。” 同时据我们了解，Kimi 也正在以 500 亿美元的投前估值推进新一轮融资。这很有可能是 Kimi IPO 前的最后一轮融资。

过去数月，AI 领域的诸多线头指向同一个节点——蒸馏。 蒸馏到底是什么？大规模蒸馏如何实现？蒸馏能否成为一个模型研发团队的壁垒？又有何代价？ 我们访谈了近十位模型领域研究员、从业者，也结合公开研究和技术报告，还原蒸馏的过去、现状，和它正在带来的更多改变。

大模型的机会看上去正在重新回到创业公司手里，半年多前这一切还难以想象。Kimi 的估值徘徊在 30 亿美元左右，智谱和 MiniMax 的招股书则难以论述自身商业模式的合理性：一家 85% 的收入来自项目制的本地化部署交付；一家收入依赖 C 端订阅、二十多亿元收入对应十几亿元亏损。 C 端的战场看上去更是早已与独立模型厂商无关：豆包砸出了国民级的用户量，但字节每天都在以千万计地亏钱——免费换规模的移动互联网打法，找不到盈利闭环。 窗口期来自编程。Coding 浪潮把按 token 计费的需求真正引爆，算账的方式彻底改变了。 根据智谱 2025 年的年报，定价提高一倍，调用量反而涨了八倍，与海外前沿模型的价差也在逐渐缩小。Kimi 比智谱更激进，K3 模型 API 输出价为每百万 token 15 美元，与 Claude Sonnet 5 的标准定价一模一样。 窗口期的另一面是大厂的缺位：在长达半年的时间里 BAT 拿不出一个第一梯队的 coding 模型——2 月时，人们津津乐道的叙事甚至还是春节红包大战，而智谱在 2025 年春天就已经决定把研究方向聚焦到编程上来。 从这个角度讲，窗口期甚至还在拉长，字节已宣布不做蒸馏，等于亲手放弃了短期内快速追赶前沿模型的机会。 但窗口期不会一直敞开，对没有历史包袱的独立模型公司来说，更容易跟上新技术是它的优势，但这是一场关于速度的一遍遍重复的竞赛，大厂只要赢一次，整个叙事就可能重新改写，而字节在视频模型上已经拿出了 SOTA 的成果。如今它们对 Coding 的投入已肉眼可见地坚定。 更不用说大厂在算力采购与人力成本上的优势。今年 5 月的财报电话会上，阿里巴巴的吴泳铭表示对算力中心的投入规模将远超之前承诺的三年 3800 亿；腾讯 2026 年第一季度经营性资本支出同比增长了 18%，环比增长了 84%，“加快了对服务器基础设施的投资”。 与之相对照的是，独立模型厂商至今还囿于算力瓶颈，有时甚至向潜在的对手租用算力来应付庞大的训练和推理需求。 模型要保持在第一梯队，这样的投入没有一天能停。 更重要的是， coding 的商业模式本身也在发生快速变化。越来越多的公司开始搭建所谓 “内部路由”，按照任务的复杂程度把不同价位、不同性能的模型组合起来使用。Palantir 们则在教育每一个企业客户只用 API 而不要使用模型厂商提供的更多工具——这些工具本来是增强用户粘性的重要环节。 Palantir 的逻辑是，模型最终会大宗商品化，而数据和工作流是企业最珍贵的资产，企业不应该把珍贵的业务数据源源不断喂给模型厂商，等于出资供养一个终将替代自己的智能系统，因此更好的方式是把数据、业务逻辑和工作流留在公司内部，模型只是个随时可以插拔更换的零件。 这是 toB 生意的逻辑决定的：一切为效率让位。想在企业服务领域守住溢价，除了控制技术标准与格式、控制客户关系，就只能提供独一无二的服务——而大模型 API 的商业模式，看上去一条都不满足：领先模型守住位置的时间越来越短，用户在多个平台之间自由迁移，几乎没有壁垒。 假如 Scaling Law 的提升真的没有尽头，那意味着超级人工智能的实现，届时值得讨论的就不再是谁的毛利率高几个点了。但在 ASI 到来之前，眼下可以确定的似乎只有一件事，那就是以越来越快速度不断刷新的顶尖模型排行榜，这似乎是大模型玩家们目前能做的唯一应对策略。 窗口还开着，算力依旧紧缺，人们依然渴望新的顶尖模型出现——最好能赶上乃至超过美国前沿的闭源模型，而下一次发布，已经排上了日程。智谱和 DeepSeek 预计都将在 8 月发布新模型，战况会更加激烈。

API 毛利率持续改善，让卖 token 变成一门好生意 一道简单的计算题可以侧面说明大模型规模化部署效率提升的空间：即使是高速版 API 的 400 tokens/s，按照 8 卡 H200 服务器的内存带宽计算，也只用到硬件理论能力上限的四成。一位行业人士对《晚点 LatePost》估算，大模型 Infra 每轮优化仍有 15% 到 30% 的效率提升，而对智谱来说就更是如此，它本来就不以 Infra 优化见长。 这件事的商业价值比技术意义更大，让卖 token 这件事更像一个好生意：成本端推理效率有持续的优化空间，收入端用户需求持续增长。同时，编程的规模越来越大，项目越来越复杂，消耗的 tokens 越来越多。 智谱比别人更早看出来这是一门好生意，它是中国最早喊出 “模型即服务” 的公司， MaaS 开放平台的域名 早在 2022 年 ChatGPT 发布之前就已经注册，但它失误的地方在于没有在更早以更合适的价格锁定更多算力——哪怕拿不出最先进的模型，仅仅有能立刻使用的算力，转租出去也同样是门好生意，马斯克就是这么做的。 目前，AI 在生产力场景的扩散程度还不够高，因此 token 是一个纯粹的增量市场。 根据《晚点 LatePost》了解到的情况，7 月中旬 Kimi 发布 K3 时，智谱 API 用户增长情况几乎没有受到影响，ARR 增速也没有放缓。当下的时间点，每一个模型厂商的增长都不是以别家的萎缩为代价。 这给了各家提价的底气。 智谱在 7 月 31 号放开了 Coding Plan 的购买限制，除了引入积分制的计算规则之外，最引人注目的是价格上涨：推出时的入门价格每月 20 元，而现在 Lite 版已经来到 118 元一个月。 Coding Plan 本来是早期为了吸引用户而制定的策略，当时谁都没有料到 token 需求会井喷爆发。现在，智谱需要优先保供 API ，只能对个人用户提价。 即便如此，按照输入、缓存命中、输出大约 7:2:1 的价格计算，GLM-5.2 的混合价格大约是 8.8 元/百万 token，这显著低于美国同性能的模型。 不同的分析机构给出了各个模型厂商 API 毛利率的估算，SemiAnalysis 估计 Anthropic API 毛利率超过 80%，The Information 的独家报道中指出 DeepSeek 的 API 毛利率大约在 70% 到 80% 之间。据《晚点 LatePost》了解，智谱 API 毛利率在理想状况下，于自有算力设施上运转时可达 50% 到 60%。 这些毛利率的计算方式不涉及 API 服务的前期投入，而在大模型领域，前期投入恰恰是大头——海量的算力采购，加上庞大的人员成本。 7 月智谱宣布新一轮港股配售，这发生在基石投资人港股解禁的第二天，智谱股价不降反升。据一位接近智谱的人士说，整个配售认购的时间一下午就完成，最后募资超过 300 亿港元。根据智谱的公告，55% 用于研发，既包括算力采买，也包括人才队伍扩充。 API 静态毛利率得以维持的另一个前提是模型厂商提供的智能是有区别的，模型领先才有定价权。但许多人认为，开源会直接影响先进模型的定价权，从而影响厂商收入。 因此，不少厂商正在给开源上锁。智谱在 GLM-5.2 上仍沿用最宽松的 MIT 协议，而不止一家厂商正在酝酿或推行把开源授权变成一份商业合同，条款包括：开源版本是 “残血” 的，满血版只在官方 API 提供；年收入超过 2000 万美元的企业需单独申请授权；为模型提供托管服务的第三方，定价不得低于官方 API，部分方案还要求分成，比例最高可超过 30%。 另一些人则不这么认为。开放权重模型是免费的，理论上任何人买几台服务器就能部署，但第三方的价格无法把模型厂商的毛利打穿，原因如前所述：模型的结构、训练过程和推理效率日益紧密地结合在一起，第三方只能在模型之外做优化，而模型厂商则掌握最深的推理效能 know-how。 以 DeepSeek 为例，一个公开信息是，许多第三方提供的 DeepSeek 模型其效率无法达到官方宣称的程度，而 DeepSeek 已经是相对来说对技术最开放的模型厂商了。

算力受限，但 Infra 效率还有很大的提升空间 ARR 迅猛增长受益于编程场景需求的快速攀升和前沿模型的强大引力。作为对比，智谱 2026 年 2 月初 GLM-5 模型发布前 ARR 约为 1 亿美元左右，根据《晚点 LatePost》了解，GLM-5 发布后智谱 ARR 在短期内即实现翻倍。根据 Artificial Analysis 的评测，GLM-5 发布时位居全球第四，仅次于 Claude 当时最先进的两款模型以及 OpenAI 的 GPT-5.2。 通过先进模型发布牵引收入抬升的剧本在中美两国都已跑通。 Anthropic 年化收入在 2025 年底为 90 亿美元，半年后已迅猛增长到 500 亿美元（根据 SemiAnalysis 的测算，7 月已超过 600 亿美元）。除了编程场景需求跑通之外，Anthropic 连续推出超过 OpenAI 的领先模型被认为起到重要作用。 智谱是第一个把这个剧本在中国复制的公司，类似的故事月之暗面和阿里随后都经历了一遍。7 月 16 日 Kimi 发布 K3，次日 API 就因过载中断近六个小时，而 Kimi 甚至停止了新用户注册。8 月 3 日阿里发布 2.4 万亿参数的 Qwen3.8-Max，港股当天涨 7%，市值重回 2.4 万亿港元，从 6 月低点算起反弹超过四成。 但在 Anthropic 走通 coding 这条路之前，几乎没有人对算力供应瓶颈有充分的估计，甚至 Anthropic 自己也是如此。对中国大模型公司，算力紧缺更加严峻。 在物理硬件无法快速扩展的情况下，工程师们转而聚焦在通过算法提升已有模型的推理效率上，特别是针对长程任务的处理——这是编程需求的痛点。 过去智谱被认为在 Infra 上缺乏经验，但随着 GLM-5 带来的先发优势，智谱在过去半年飞速弥补 Infra 效率上的短板。智谱在 7 月已完成对中科加禾的收购，在此之前，双方已经联合办公了数月。 在技术博客中智谱表示，一个 Agent 干活时平均要往模型里塞 7 万多 token 的上下文，远超日常聊天内容，而通过分拆 KV 缓存，智谱和中科加禾的研究成果可以将单个推理服务吞吐随长程任务增长而最高提升达 132%。 在另一项名为 ZCube 的大模型推理网络架构方案中，智谱宣称它的研究成果可以提升整个生产集群的吞吐量高达 15%，同时降低 AI 基建中交换机与光模块需求多达三分之一。 5 月下旬，智谱推出了高速版 API，每秒生成 token 数达到 400，相比常规 API 服务速度提升约 8 倍，官方称其 “刷新当前全球大模型厂商 API 的速度上限”。这项研究成果来自与 TileRT 团队的合作，后者与 TileLang 来自同一团队——就是那份广为流传的梁文锋讲话里，被认为有潜力瓦解英伟达 CUDA 护城河的编程语言。 不少研究员都同意， Infra 上值得优化的东西实在太多。6 月 9 日，TileRT 团队又公布了与小米合作的成果，把 MiMo-V2.5-Pro 这个拥有 1 万亿参数的模型的速度推到了 1000 token/s。 随着编程需求的爆发，智谱新模型训练也越来越朝着长程任务的方向进行，同时在模型架构上尽可能照顾推理的需求，TileRT 在介绍与智谱合作的那篇博客上，把它列为下一阶段的任务：模型、编译器与硬件开始重新耦合。 5.2 的几项核心架构改动，几乎都在围绕推理成本设计。技术报告公开的包括 IndexShare——通过复用稀疏注意力层的索引器把百万 token 场景下单位 token 的计算量降低 2.9 倍；以及改进后的 MTP 草稿层，接受长度提升 20%，生成速度随之快约两成。 后训练阶段，智谱重新采用了 PPO（Proximal Policy Optimization，近端策略优化），并配套了名为 SAO （Single-rollout Asynchronous Optimization，单轨迹异步优化）的异步方法，让每条任务跑完立刻进入学习——行业方法通常在约一百六十步就崩溃的地方，它稳定训练了一千步；自研框架 slime 则能在约两天里把十几个专家模型合并成一个。 技术报告中没有公开的是推理引擎层面的配套改造，所有这些优化的最终结果是一张归一化图，如果把 GLM-5.1 处理 3.2 万 token 上下文时的吞吐看作基准的话，20 万上下文长度时，GLM-5.2 的吞吐能力为 4.7 倍，而 GLM-5.1 则为 2.77 倍，几乎高了 70%。 这也是目前模型公司共同的优化方向。Kimi 的 K3 在模型架构上更激进，它把四分之三的注意力层改成了所谓 “线性注意力”，相比于智谱的方法，这是一种 “有损” 的改动，带来的好处也是立竿见影：缓存体积大幅减少，吞吐能力同步提高。 一位投资人对《晚点 LatePost》表示，Infra 层优化将是未来一两年 AI 投资的重要主题：模型能力趋同之后，谁能把同样的卡跑出更多 token，谁的账就更好看。这让 Infra 人才的薪资增长飞快，1% 的效率提升放在大规模部署的算力设备中，节省下来的钱也是天文数字。

《晚点 LatePost 》独家获悉，智谱 MaaS 开放平台注册用户（即 API 用户）近 700 万，相比七月初增长约 200 万，其中包括 2.3 万家企业客户，对标 Codex 的开发者产品 ZCode 上线 1 个月用户突破百万。 今年以来，智谱 ARR 增长 15 倍，根据我们了解，在 Kimi 和阿里新模型发布后，智谱 ARR 增速没有受影响。有投资人透露目前 ARR 来到 20 亿美元，但智谱官方已经否认，接近公司的人表示，实际数字应该更高。 若按 20 亿美元口径计算，注册用户当月平均在智谱开放平台花费约 160 元人民币。 7 月 21 日，市场传出智谱已建成规模 1 GW 的国产 AI 算力基础设施，据《晚点 LatePost》了解，有超过 5 万块国产算力芯片已经启用，以缓解日益增长的推理需求，7 月 31 日，智谱长期限售的 Coding Plan 在大幅涨价后已开放购买。

字节自成立一直以来推崇 “大力出奇迹”：进入一个领域时，通常会成立不止一个团队，投入大量资源，同时推进多个项目。 2012 年，字节跳动刚成立时，上架了 13 个应用，最后内涵段子、今日头条获得大量用户，推动整个公司增长。2015 年开始，字节跳动陆续推出 20 多个应用进入海外市场；2016 年用 “火山”、“抖音”、“西瓜” 三路齐下短视频。最后，字节跳动在收获了今日头条后的增长曲线——抖音及 TikTok。后来的游戏和教育业务也延续了这个模式，推出数十款游戏和应用。 在 AI 上，字节也是投入最坚决的一家公司，资本开支最大、拥有最多的卡、招聘了最多的顶尖人才，穷尽所有业务方向，不放过任何可能性。 2025 年，视频生成领域的主流判断是：沿传统 DiT 架构（扩散式 Transformer）继续扩大预训练，提升空间已经不大，多数团队把重心转向后训练。据我们了解，快手可灵也曾尝试训练更大的模型，但没有做到极致，中途退了回去。 Seedance 选择反着来。他们决定投入更多资金和算力，把预训练做到极致。经过近一年优化，Seedance 2.0 成为第一个完整采用 MoE 架构的视频生成模型，参数 2000 亿。2026 年 2 月上线后，它迅速被公认为全球性能最强的视频模型。 今天，做大模型尺寸成为行业共识：7 月，月之暗面发布了 2.8 万亿参数的 Kimi K3，是国内迄今最大的开源模型；马斯克的 xAI 把 Grok 底座从 5000 亿参数扩到 1.5 万亿，并称下一代要做到 6 万亿；OpenAI 与 Anthropic 也曾传出要训练更大尺寸的模型。在语言模型上落后的字节，想用同样的方式赌一把弯道超车。 这不是件容易的事。视频模型整体所需的资源不算多，比如对推理芯片的要求低、研发人力也更便宜——Seedance 核心算法成员仅十余人。但更大参数的语言模型涉及到除了算法层面的创新之外，团队还要面临处理完全不同量级的系统工程，更大量、更多样的数据，以及需要组织各个部门之间深度配合。 不过变化正在发生。字节高层在 Seed 内部极力推动取消赛马机制，收拢在同一个方向上的资源，即使工作上有重合的地方也尽力明确划分职责。Seed 也尝试打破部门墙，让不同部门之间的人合作起来。 一位曾在 Seed 的人士提到：“字节的文化可能不适合创新，但非常擅于解题。”Seedance 解开了第一道题，字节现在想用同样的方法解下一道。

过去半年的 Seed：多模态领先、大语言追赶 过去半年，Seed 的多模态模型取得了显著成绩：今年 2 月上线的视频生成模型 Seedance2.0 和图片生成模型 Seedream 5.0 Lite 声量一度超过业内其他同类模型，迅速引发关注。Seedance2.0 成为火山引擎 MaaS 业务营收的基本盘。 同期发布的语言模型 Seed 2.0，市场反响却较为有限。它一度因较好承接春节期间涌入的 C 端需求，在内部获得好评。但春节大战中，Anthropic 凭借 Opus 系列的 Coding 能力迅速打开程序员和 B 端市场，ARR 很快逼近并反超 OpenAI。中国大厂这才意识到，自己错过了 Coding 的窗口期。与此同时，GLM-5 和 Kimi K2.5 的 Coding 能力也已明显领先。 模型能力的落后影响到了收入端。据我们了解，火山引擎目前是国内最大的模型 API 卖家，市场份额约占一半。火山引擎 2025 年的收入在 150 亿元左右，今年内部定下的目标是超 400 亿元。目标虽大，但并非没有隐忧。 火山引擎的 token 消耗能反应商业化的增长。多位接近火山引擎人士告诉我们，豆包大模型的 token 消耗中，超过一半来自 Seedance 和 Seedream 两个多模态生成模型系列，语言模型占比不高。 二季度以来，随着短剧行业增长见顶、经济大环境的变化，Seedance 的 token 消耗和收入增速放缓，并影响了火山 MaaS 的整体 token 增长——豆包大模型的 token 消耗，3 月为 120 万亿，6 月为 180 万亿，低于原计划的 250 万亿至 300 万亿目标。 智谱和月之暗面凭借持续提升的 Coding 能力，ARR 分别突破 10 亿美元和 3 亿美元。 为补课 Coding 能力，张一鸣亲自邀请，高薪吸引 DeepSeek 核心研究员郭达雅加入 Seed，负责模型 Coding 能力的专项训练。字节将 Coding 相关的研发资源收拢整合，统一划归给郭达雅。同期阿里千问基模团队也投入更多资源和人力专攻 Coding 训练。 训练好的模型更重要的是数据。大公司可以凭借推动内部业务线使用自研模型做开发，形成真实场景反馈数据。但仅有这些还不够。 我们了解到，Seed 内部曾激烈讨论过蒸馏路线的可行性，字节高层则担心蒸馏对 Seed 和技术带来的危害。据 The information，张一鸣在 Seed 的 all hands 会议上明确表示，即使不蒸馏意味着公司在技术上会短暂落后国内竞争对手，也不会采用这一捷径来推进其 AI 模型能力。 8 月 6 日，字节跳动举行公司全员会。豆包负责人赵祺在会称，大模型的市场潜力很大，因此不担心经济回报，但收入还是重要的。 在模型研发上，字节拥有国内最充足的算力储备、业内领先的基础设施能力和高密度的人才队伍，这些构成了它的底气。Seedance 的成功也让字节看到，模型能力一旦领先，便能迅速转化为商业护城河。 一位字节人士说，Seedance 证明，用户会自然流向能力最强的产品。只要能在关键节点做到行业第一，就有机会快速抢占市场，因此不必过度焦虑于短期的排名落后。

晚点独家丨字节讨论训超 5 万亿参数模型，张一鸣：不蒸馏、别被 Coding 这种短期热点影响 《晚点 LatePost》独家了解到，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。通常而言，模型规模越大，智能水平往往越高。不过该计划仍处于早期阶段，并不代表模型最终一定会发布。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。 自字节入局大模型以来，Seed 一直被视为国内最有希望的团队之一。豆包有今天超过 2 亿日活的用户体量，很大程度上也归功于 Seed 。但今年，质疑声开始出现。 2 月中旬，吴永辉执掌 Seed 后推出的关键模型 Seed 2.0 正式发布，但市场反响有限。几乎同一时间，智谱开源的 GLM-5 被市场视为国内第一个能与 Anthropic Opus 系列比肩的模型；7 月，月之暗面的 Kimi K3 发布，多项第三方评测认为，它已接近海外闭源旗舰 多位字节人士告诉我们，上半年，Seed 许多团队也在不断反思。这是字节讨论训练超 5 万亿参数模型的原因之一，与其在现有尺寸上继续追赶，不如把参数规模一次推到同行的数倍，争取领先位置。“像一场赌博。” 一位接近 Seed 人士说。

本期《晚点聊 LateTalk》邀请 RadixArk 创始成员赵晨阳和华盛顿大学博士生曾致远，从推理与算法两条线拆解 K3：它真的比肩 Fable 5 吗？3T 模型规模、“线性-全局混合注意力” 等改进意味着什么？开源厂商们无法开源的竞争力是什么？

携程的市场支配地位是怎么来的？ - 携程加上去哪儿（控股）、同程（第一大股东），GMV 占在线酒店预订市场的 70% 左右。美团约 20%、飞猪 5%-7%、抖音约 3%，而抖音卖掉的客房，相当一部分来自携程和同程。 - 互联网平台生意里少有这种集中度：美团外卖份额最高时也有七成，但只持续到去年的外卖大战前；电商现在没有一家市占率超 40%。携程 2025 年经营利润近 158 亿元，中国互联网公司里只有字节、腾讯、阿里、拼多多、网易五家更高，市值排在第七，超过京东、百度。 - 中国约 57 万家酒店和民宿，携程接入商家最多，靠超 8000 人线下地推和 14000 人线上客服频繁接触酒店、争取最低价。携程不只是份额第一，它占据的那部分也更值钱。2025 年上半年，美团只在 200 元/晚以下的经济型客房销量领先，除此之外，携程是每一档位的销量第一，而且越贵的价格带携程越领先，1000 元/晚以上的豪华酒店，携程客房销量接近美团、飞猪、抖音之和的五倍。 - 携程佣金率远低于国际巨头，同时又有着高利润率。2024 年携程综合佣金率 4.4%，不到 Booking（14.3%）、Expedia（12.3%）、Airbnb（13.6%）的三分之一，但经营利润率有 26.6%，基本与 Booking 持平，同期美团核心本地商业经营利润率只有 20.9%。原因之一是海外在线旅行平台偏重酒店，三五成的支出送去 Google 买流量。而携程是包括机票、铁路预订的一站式入口，自带旅行流量。更重要的原因是现在新开酒店多，相互竞争，酒店不断买广告，为在线旅行平台贡献利润。 - 携程 35% 的收入来自订票，但几乎没利润。卖票是为了提供一站式旅行服务，用火车票、机票吸引用户，顺便卖酒店客房赚到钱。高铁不用提，平台收不到一分钱佣金，收入来自 “抢票” 服务。经济舱一张客票，平台可以拿 5 到 15 元；动辄六七千元的境内头等舱，平台也只能拿到 60 元。消费者抱怨的层层搭售，恰恰因为平台从铁路和航空赚不到钱；能赚钱的酒店订房，就没那么用力推销附加产品。 - 携程的好生意是从供给爆炸开始的。2022 年底中国有近 28 万家酒店，之后两年分别新开 3.9 万和 4.5 万家。但消费反弹没能持续，2025 上半年北京市酒店平均每月利润约 6000 元，同比减少 93%。卖不出去，每空一间房就多一份损失，酒店只能降价、去平台打广告、买客流。同一区域酒店开得够多、客流不够，它们就必须降价，这就是在线旅行平台的生意逻辑：通过分配流量赚钱。 - 携程 2016 年建立的“特金牌体系”把商家分三档，佣金约 10% 到 20% 不等，档位越高换来的独家合作、流量权重、保留房比例越高。另一个被监管核查的重点是“调价助手”：要求金牌商家提供全网最低价，比价系统扫到同一家酒店在其他平台卖低价，就自动调低价格。美团、飞猪也有类似产品，结果同时入驻多个平台的商家，被各平台检测到更低价格来回调价，一降再降，有酒店遇到调价助手无法关闭，或关闭后被系统自动开启。去年监管认定特金牌机制违规处罚后，携程去掉强制独家条款，但原有约 4000 家特牌商家里约一半仍选择独家，取消独家后虽然没有流量扶持，可携程客流已够，入驻其他平台还得增加运营成本。 - 酒店行业多次反击都没成功。2014 年华住、如家、锦江联手施压逼平台停止超低价促销；2018 年华住等推动“断私连”，严查加盟商私下在 OTA 卖房。但到 2024 年，前四大本土酒店集团的中央预订率只有五六成，中小品牌和单体酒店更依赖平台。 - 中国酒店品牌没有足够的时间完善自己的会员体系。万豪开第一家酒店的时候，比尔·盖茨只有两岁。等微软孵化的 Expedia 在 1999 年分拆上市时，万豪的会员体系已经运行 16 年，产生了一批住满 1200 晚、消费超过 30 万美元的终身精英会员。现在万豪、希尔顿每年卖积分给合作方的收入就有数十亿美元。当本土酒店集团开始认真搭建自己的直营小程序、建常旅客会员计划，携程已经终结了最危险的挑战者，开始建自己的会员体系。 - 携程不是一直高效。 2012 年，艺龙靠订酒店返现金抢客，去哪儿用比价系统总是比携程便宜，同程、途牛从门票和跟团游围攻，携程股价一年多跌去约 3/4。2013 年梁建章回归，跟进价格战、同时发债引入投资。携程的底气在于对手业务都不完整：艺龙放弃了机票，没有流量；去哪儿机票占优，但机票不赚钱，不像携程能用酒店利润支持补贴。两年打下来，携程烧掉自己的利润也烧掉了对手出资方的耐心。先入股同程、艺龙成为大股东，2015 年 10 月与百度换股拿下去哪儿多数投票权，庄辰超在离职信里说这笔交易“并非管理层无数次推演的场景中的最优解 , 也不是次优解。” - 更有实力的挑战者错过了时机。2015 年美团设酒店旅游事业群，与外卖平级，地推团队很快接入全国酒店，疫情前客房销量已超过携程，但订单主要来自本地消费流量、价格低。美团 2017 年曾想建一站式旅游应用撬动商旅和高星酒店，但不到一年就放弃。阿里的飞猪做酒店集团“第二官网”，长期谈判后接入了万豪、希尔顿的会员体系，但平台没有话语权，只能接受品牌定价，且吸引来的消费者也没成为飞猪用户。 - 疫情后携程一年赚回三年亏损。据我们了解，美团曾计划 2025 年重点开拓中高端酒店追赶携程，但因外卖大战无限期搁置，二十多年，有资源做好酒旅的平台都有更重要的仗要打：阿里要守电商做云计算，美团做到店、外卖和即时零售。 - 牛津大学经济学教授 Mark Armstrong 在 2006 年的论文《双边市场中的竞争》中提出 “竞争性瓶颈”：消费者往往只用一个平台，但供给方却要入驻所有平台。于是平台间的竞争集中于满足消费者，对供给方收取的费用不会因竞争而下降。20 年后在酒旅行业应验，尽管美团、抖音、飞猪加入战局时不时补贴用户，平台向酒店抽取的营收比例反而增加了。供给增加、消费不增加，权力更偏向分配流量的一方。 - 2023 年起，从奶茶店、餐厅到酒店，供给都在激增，背后是很多人找不到更好选择，抱着“自己当老板”的想法把几十万到几百万投进加盟生意。产品没竞争力，就付高租金拿好位置、去平台打广告，买来自己可以做这门生意的错觉，这就是经典的“内卷”环境。到 2024 年，所有上市的中国互联网平台公司首次全部盈利。 - 今天的环境已经不再支持 “企业的唯一社会责任，就是为股东创造利润”。商业逻辑成立、可以获得高利润，并不等于企业可以持续赚取高利润。贝壳创始人左晖在 2020 年接受采访时，把中国大公司的挑战与 100 年前的洛克菲勒、摩根相比，“最终你会面对一个组织合法性的问题。你的组织除了创造 GDP、就业之外，到底还有什么样的价值。这是最终能完成合法性的过程。”

腾讯、阿里、字节的 AI 办公大战：赛马与变阵内幕 - 过去三年，AI 行业留下了两个教训：面向普通消费者的产品迟迟找不到商业模式，耗光了巨头的耐心；抖音、小红书、淘宝甚至微信则验证了另一件事，在原有产品里加 AI，影响有限，旧产品的功能、组织和商业模式早已成型，很难靠一个 AI 入口脱胎换骨。 - “智能体出现后，钉钉、飞书、企业微信已经是上一代的产物了。”一位钉钉人士说。这轮整合发生时，飞书收入增速还在涨、钉钉已在下滑，但都不重要了。上一轮办公战争打了近十年难言胜负，三家公司在办公上重新站回了起跑线。 - 最早下注的不是巨头。2025 年春节前 DeepSeek R1 发布，打乱了场上所有玩家节奏。月之暗面停止投放、把资源集中回模型本身，转向打造万亿参数模型和智能体方向。智谱在学 OpenAI 做科学家，还是学 Claude 做工程师两条路之间选了编程方向。 - 巨头们当时还在追 OpenAI：通用、聊天机器人、超级入口。字节高层判断 AI 最先颠覆的是搜索；腾讯管理层更关心 Perplexity。大厂的编程产品经历了漫长沉寂期：腾讯 CodeBuddy 只是个十人左右的 IDE 插件，字节的 Trae 虽已上线但投入不多，阿里的通义灵码投入很高收入却十分有限。 - 转折发生在去年年中。Cursor 年化收入超 5 亿美元、Claude Code 上线半年后年化收入达到 10 亿美元，编程突然被证明是数百亿元收入的生意。这改变了大公司的态度，阿里通义灵码团队封闭开发数月，新产品命名 Qoder；腾讯元宝将智能体列为优先级最高的业务方向，CodeBuddy 也在这一时期变成腾讯最受重视的 AI 项目之一，团队核心成员经常加班至凌晨两三点，算力资源也越来越多。 - 但是与美国相比，AI 编程在中国尚未形成同等规模的用户需求，用户规模始终没有明显增长。很快，大厂又回到追逐超级入口的老路。2025 年底，字节拿下春晚，腾讯准备 10 亿红包通过元宝发放，阿里投 30 亿让千问 App 免费送奶茶。 - 结果春节大战碰壁，元宝和千问日活冲到峰值后快速下滑，豆包日活破 2 亿、回落最小，但每天烧数千万元算力、收入不足百万元。春节后三家都开始收缩面向普通用户的投入。竞争再次回到智能体和 to B。 - 和之前不一样的是，今年三家公司都更坚定。马化腾在总办会提到应更重视编程与智能体，3 月 OpenClaw 爆火后，腾讯各大业务倾巢而出上线自己的智能体；字节高层赴美调研 Anthropic 后反思押注消费产品的策略，决定调整资源转向企业服务，但豆包由于娱乐心智太强，转型不顺；飞书转向更为激进，此前卖得比较顺利的智能会议纪要功能，一年只要一万多。而飞书智能伙伴及创建平台 Aily，价格升至近 10 万元甚至近 30 万元，买的人很少，销售团队后来用更强硬的策略：“不买 AI，就不给折扣。” - 阿里内部则至少有三条并行智能体产品线（QoderWork、悟空、MuleRun）在赛马，它们先要争取的是公司内部阿里云的支持，尤其是销售资源，于是得经常和销售吃饭喝酒拉关系，还通过各种办法做高 ARR。 腾讯的 WorkBuddy 是这轮跑出来的黑马。据我们了解，WorkBuddy 的日活跃用户数在周中与周末波动明显，但平均已达百万量级，超过所有国内的对手。这与团队一开始的决策有关。他们坚持做一个简单易上手的产品，只保留一个对话窗口，用户说出需求，系统自行执行，界面上没有任何开发者术语。 - 阿里的赛马因一场意外加速收场：6 月陈航（无招）因管理争议被免去钉钉 CEO 后离职，1992 年的陈宇森接手，上任第一周就整合悟空与 MuleRun，把悟空自研的 Harness 换成 Claude Code 的 Harness，效果明显改善。不到一个月，QoderWork 也被划入，统一为"千问办公"。Qoder 编程业务保留，吴泳铭希望把 Qoder CLI 逐步升级为阿里集团基础设施，未来阿里新推出的 Agent 都尽量复用。 - 字节最后完成整合。飞书在内部一直处于“需要不断证明自身价值的状态”，2023 年就讨论过与火山引擎销售合并， 直到 2026 年各家集中整合 to B 业务，飞书的独立地位才真正走到终点。 - 飞书和豆包在底层技术和产品生态上有大量可以打通的部分。飞书在云端闭环里加 My AI，豆包也逐步进入办公场景，两者出现了不少重合。飞书对 AI 态度相对保守：坚持在云端闭环做功能，不开放本地文件和系统权限，但这恰恰是 WorkBuddy、OpenClaw 这类桌面智能体的核心卖点。飞书在 AI 时代最应该开放的能力，恰恰是它组织基因里最抗拒的事情。 - 赵祺是这轮调整中上升最快的人：北大计算机博士，做过豆瓣产品经理，也创过业，2017 年加入字节后先后负责增长中台和穿山甲广告平台，被认为是字节「最会花钱的人」，2022 年转入 HR 部门为字节 AI 搭建人才体系，2025 年 9 月才回到业务一线接手豆包。 - 火山引擎负责人谭待则接手了飞书的战略、市场和销售体系。据我们了解，目前火山引擎超过 40% 的 Token 消耗量来自 Seedance；超过 10% 来自 Seedream；Coding 和 Agent 的占比不高。如何把模型能力转化为更多企业场景中的实际用量，也是谭待接下来要解决的问题。 - 三家巨头在半年内先后完成了办公 AI 的组织整合，但竞争才刚刚开始。 - AI 提供了重塑格局的机会，上一代办公平台以即时通讯为中心，而下一代大概率围绕 AI 和智能体展开。过去先讨论再动手，现在先出结果再评审对齐。沟通不会消失，但即时通信在办公中的权重可能大幅缩小，它有可能不再是工作的起点。企业微信目前最稳，靠微信关系链做销售客服私域，但智能体执行任务靠的是审批、文档、业务系统这些上下文，仅有关系链，在 AI 时代可能不够用了。 - 在国内做 SaaS 生意仍然是个难题。新产品要面对的，还是那些老问题：在国内，企业付费生态差。何况大多数人并不像研究 AI 的工程师那样忙碌到愿意花钱省时间——不然，也不会每天有 8 亿多人刷两小时抖音，4 亿人刷快手，1 亿多人刷小红书。 - 据我们了解，三个产品都计划出海，最大挑战是与 Anthropic 和 OpenAI 正面竞争，便宜的国产模型是手里为数不多的优势。“上一代的仗打完了，大家发现打下来的城池不值钱了。”这一次，所有人都有机会重新证明自己的价值。

晚点独家丨蚂蚁灵波启动首轮融资，拟募资 15 亿元，年底完成二轮融资 晚点独家获悉，蚂蚁集团旗下具身智能公司灵波科技（以下简称 “蚂蚁灵波” 或 “灵波”）已启动首轮融资，首轮拟募资 15 亿元，目标在今年年底完成二轮融资。该融资若如期完成，将突破具身领域创业公司的融资速度。 灵波过去一年公开展示出来的路线是全球少有的完整布局：Vision 、Depth 、Mapping、Video、World Model 、VA 、VLA，几乎把机器人感知、理解、行动的大脑链条都覆盖了。 据悉，当前资本市场对具身领域的投入，一半资金流向本体公司，一半流向具身大脑，且后者占比在加速提升。知情人透露，正因为蚂蚁灵波的独特布局被认为是具身智能发展的关键，所以早在灵波启动融资之前，已有投资机构开始主动接触灵波。在刚刚结束的世界人工智能大会（WAIC）上，甚至有投资人直接去到灵波展台，探访技术和产品发展情况，表达投资意向。 蚂蚁灵波的路线和美国 Physical Intelligence 如出一辙。全球具身智能赛道，Physical Intelligence 是公认的大脑层（Brain Layer）代表公司之一。Physical Intelligence 做的不在于让机器人学会一个动作，而在于让机器人获得一种可迁移、可泛化、可持续学习的物理世界智能。这也是为什么一家几乎没有机器人产品的公司，能够获得超过 110 亿美元估值的核心原因。 资本今天越来越相信：机器人最大的价值，不在身体而在大脑。因为，身体未来可以采购，甚至标准化。但是，世界模型、动作模型、数据这些不能买。所以全球现在估值最高的公司 Physical Intelligence 、Skild AI 几乎都不是因为机器人硬件，而是因为大脑层。 这一点，行业已形成共识。机器人大脑已经被宇树明确写进了 IPO 募资方向，这也是宇树招股书里最值得关注的信息之一。招股书显示，宇树此次 IPO 拟募集约 42 亿元，其中一个核心募投方向就是：智能机器人模型研发 、具身智能模型（机器人大脑）研发 。这也论证了具身大脑在机器人大规模落地中不可或缺的地位。 机器人大脑，将是具身智能角逐谁才是具身领域 OpenAI 的关键。 分析人士也向晚点透露，蚂蚁集团坚定布局具身智能方向，在灵波累计投入的资金已超一线创业公司的融资额。本轮融资后，蚂蚁灵波仍将是蚂蚁在具身和物理 AI 领域最核心载体，蚂蚁将在 AI Infra、数据资产和应用场景等资源上持续给予灵波最大支持，本次融资也是为了加快灵波具身大脑的发展。 不过，该人士也认为，尽管蚂蚁灵波作为国内机器人大脑的领军企业，但是最终估值并不会只取决于模型能力，而会取决于三个关键变量：是否证明 LingBot 系列模型在行业内具有领先的泛化能力；是否形成真实的大规模部署和数据飞轮；是否能从 “蚂蚁的具身智能团队” 成长为 “全球物理 AI 基础模型平台”。这三条路能否跑通将决定蚂蚁灵波在行业中的地位。如果这三个条件兑现，它未来的估值逻辑，将更接近 Physical Intelligence 这样的 “具身大脑平台”，而不是一家具身本体公司。

对话 Liblib 陈冕：关于活下来，以及所有接近死亡的时刻 为什么一家看起来中国最成功的 AI 应用公司，同时也可能是最危险的一家？ 演语科技 Evoken，旗下有 Liblib、Lovart、LibTV 三个产品，ARR（年度经常性收入） 超过 3 亿美元。在 AI 应用融资最艰难的时候，它以 20 亿美元估值，一笔融了 3 亿美元。 围绕这家公司的争议也同时达到顶峰：有人质疑它缺少原创；有人认为它靠激进定价换增长；离开的人说它不够技术、不够创新，甚至有投资人判断，它迟早会爆雷。 这场对话，我们想追问的问题是：在一个模型不断吞噬应用价值的时代，一家独立的 AI 应用公司，要怎样 survive 到应用时代真正到来的那一天？ - 这代 AI 应用公司有一种特殊处境：最大的机会来自模型能力与用户需求之间的空缺，最大的危险也来自同一个地方——模型还在快速进化，今天属于应用的价值明天可能就被模型覆盖，成功不意味着离安全更近，有时只意味着获得了些许喘息时间去寻找下一块安全的地方。 - Evoken 创始人陈冕是一个极度焦虑的人，他觉得公司“完蛋了”的时候会哭，想通新方向后又觉得一切都有可能；他自称这种“焦虑型人格”恰好被AI时代选中了，“timing来的时候，要像狼一样扑上去”，焦虑、速度和侵略性既是他的性格，也是 Evoken 的生存策略。 - 如何在模型厂商的缝隙里 survive？陈冕用了《三国》的比喻：模型厂商还在 “逐鹿中原”，他想要趁江东还不是主战场，先统一江东，再利用这段时间修出自己的 “长江天险”。那道天险究竟会是什么，“修出来才知道是不是。” - 陈冕觉得外界说他们投流厉害是误解，他解释说他们在主流视频媒体压根开不了户，收入只有 3%～4% 来自投流，每月投流花费不到百万人民币，大部分是无法计算来源的品牌投入。 - LibTV 目前有几十万付费用户，其中年付订单占总数百分之二三十，陈冕觉得要警惕的不是年付订单本身，而是年付订单带来的“不使用”，如果能锁定预付款保证 LTV（客户生命周期价值），收益一定更大，关键还要看留存和用户粘性。 - 被问及“你们是不是字节最大的代理商”，陈冕说：没有问题，我们的价值就是在模型上叠了一层——对齐；他的比喻是：模型是单反相机，普通人摁一下也能拍照，但想拍出专业作品得请摄影师，应用层就是那个摄影师；相比文字，多模态的需求更难说清，更依赖对齐层。 - LibTV 上线后最大的争议是原创度，陈冕承认 LibTV 不是第一个拿到 PMF 的产品，他的逻辑是“在人类科技竞争的历史上，第一个发现PMF和最终赢得这个市场，差着十万八千里”，商业社会没人因为你第一个找到 PMF 就把 PMF 让给你。 - 陈冕的核心策略是“先 build attention，再 build ability”——不认为找到PMF就结束了，如果市场增量爆发而你没抢到，存量就没有意义；他在内部常说的一句话是“这件事不急，但一定要快。” - 回到创业的第一场仗，陈冕说自己犯的第一个大错是拒绝所有融资——对手吐司（ 万美金天使轮，打得死去活来；为了打赢这场生死仗烧了 300 万美金，账户花到只剩 4000 块，战斗结束后开始疯狂见投资人，结果没人愿意投一个快倒闭的公司。 - 陈冕说让这场仗赢的关键决策是，只补贴设计类作者不补泛娱乐类——“在生产力赛道，不是用户多谁就赢，是谁掌握最高价值的生产谁才赢，到了 AI 这代更明显，大部分人用 token 产出的东西价值是不高的。” - 组织问题是 Evoken 的另一道伤疤：早期联创走了一半，原因之一是陈冕随意地给了大约10个人“联合创始人”的 title，陈冕说自己没把 title 当回事，但公司有一定影响力之后，大家会把 title 当做对他的认定。 - 有 Liblib 前员工说陈冕的口头禅是“你别干了滚”，但陈冕回应“肯定不是‘滚’，‘别干了’肯定说过，一个老板不可能没说过这三个字。” - 投资人最常问的问题是"应用会不会被模型吞掉"，陈冕的回答是：应用的时代还没有来，只有Token便宜、智能随手可得的时候才会来，可能是两三年或五年后的事；现在很多应用会被吞掉，活下来的没有几个，但未来还会诞生新的。 - 陈冕的精神图腾是金庸小说里的杨过，离经叛道的小子最终成为神雕侠，内心始终有理想主义情怀；他自己小时候也是离经叛道的网瘾少年，计算机奥赛是为了撬掉自习课去打游戏，高考加分取消后崩溃大哭，最后半年只做一件事——刷每一届的高考和模拟考的卷子 hack reward，才考回东南大学。 - 创业后陈冕修正了一个想法：以前认为时势造英雄，现在发现英雄也会改变时势，无法改变潮水的方向但可以影响浪潮的波动；如果没有 Evoken 可能会有三家更小的公司，需求不会变只是可能被大厂做掉了。 - 对于应用创业者的建议：拿到钱的人要守好口袋，不要在无效内卷上消耗现金流；GTM 不是一个孤立的市场能力，本质是“如何快速拿到PMF”，这个过程有两件事最重要，一是识别或打造能 PMF 的产品形态，二是抓住模型或技术范式改变带来的新体验。技术带来的新体验能获得 attention，但不一定带来留存；真正带来留存的，是找到当下用户需要的产品形态。大家觉得 GTM 难，往往是这两个都没做到。 - 最后陈冕说了一句放在结尾恰到好处的话：“创业就是开了一台超级快的车，边开边修，车上的人来来去去，窗外的风景也来来去去，但你没有时间停下来跟这些人say hello 和 say goodbye，也没有时间好好看风景。最后分开的时候，我回头看了他们一眼，他们可能觉得我是恨他，但其实那一眼是不舍。” #latepost# #ai#

独家｜豆包手机二代备货数十万台，AI 不再硬操作头部应用 《晚点 LatePost》独家了解到，新一代豆包手机调整了与阿里、腾讯等各家超级应用的合作方式，将不会在用户授权后读取屏幕，模拟点击、像人一样操作应用（所谓 GUI 技术）。只有这些应用自行提供 MCP 服务，开放部分数据、允许操控，豆包手机才能接入 MCP。 新一代豆包手机的备货量从此前的 3 万台提升到了数十万台，“手机不可能永远只停留在技术实验阶段，最终还是得卖出去。” 一位接近豆包手机人士说。 目前，豆包手机助手团队也在与各头部应用厂商谈判，争取对方开放可被 AI 调用的接口或服务能力。 另据了解，7 月 15 日，豆包手机助手软件拿到了一项生成式人工智能服务备案。一位手机行业人士分析，这一独立备案或意味着合规认可，为该系统未来拓展更多厂商合作预留了空间。

29岁姚顺雨空降：改造腾讯混元的 300 天 - 2024 年，腾讯的高招团队在一场顶级学术会议上认识了姚顺雨。当时这个 97 年的年轻人还是 OpenAI 的研究员，他被介绍给了腾讯总裁刘炽平。一年后，他回国，一跃成为了腾讯的大语言模型负责人。 - 姚顺雨的幸运之处在于，在他来之前，腾讯的最高决策者已经意识到 AI 可能是生死之战，而腾讯远远落后。马化腾在 2025 年的员工大会上说：“一年前我们以为上了船，后来发现那个船漏水了。”他们提前扫清了障碍——混元原先各岗位的关键负责人已悉数离场，姚顺雨可以直接向集团总办汇报，TEG 总裁卢山是一位温和的管理者，愿意最大程度放权。 - 初入腾讯时，姚顺雨向总裁刘炽平提了一个请求：从新模型发布起至少一年，希望总办不要看榜单 (benchmark)。一年大约是训练两代模型的时间。“Martin（刘炽平）同意了。” - 以顾问身份加入腾讯时，姚顺雨任务只有一个：排查混元大模型长期落后的原因。排查结果是：“简单来说，几乎每个环节都在漏水。” 混元过度追求榜单成绩，把打榜语料放进训练集污染了数据，模型变得很会考试，但在真实场景表现很差。当时数据标注准确率的验收线定在 95% ，实际却长期停留在 60%-70%，团队为了交差生产出大批无法使用的数据，算法团队默许了这一切。 - 混元从起步开始就不算顺利。2023 年立项时，项目组连一块 GPU 都没有，最后还是从广告部门匀来 2000 张。卡少导致混元的基础建设（Infra）先天不足，系统缺少针对大规模训练任务的设计。训练环节也不健全，混元几乎没有做过强化学习。竞争压力下，团队做了两个选择，一是换架构，冒险用 Transformer 与 Mamba 结合的混合架构这条路线在行业里尚未被充分验证，“但有噱头。”除了腾讯几乎没有大厂选它。另一条路是打榜，用分数向上汇报。 - 姚顺雨来后几个月内，混元预训练、后训练、评估、Infra 的负责人全部换人，新人来自字节、Kimi、DeepSeek、美团。招人不再看出身——目前混元的模型架构负责人还是一名在读博士生。字节 Seed 的招聘团队发现好几个候选人连 Seed 都没抢过。原因是：Seed 人才密度已经很高，年轻人更容易成为“螺丝钉”；而重建期的混元正是用人之际。 - 改革不是疾风骤雨。姚顺雨没有大量清退老人，但带来的压力更隐晦——他常在群里发论文聊技术，能跟上的人很少，有时甚至看不懂。“Peer 压力太大了。” - 部门层级被简化到只有三层：姚顺雨——方向负责人——研究员/实习生。不赶发版的时候，混元的强度并不大。另一边，混元也取消了部门年中考核，鼓励聚焦长期研发。偶尔也有例外。“只要哪个组来了 Seed 的人，那个组很快就会自发地卷起来。” - 姚顺雨用自己的旧东家 OpenAI 举例给团队鼓劲：直到今天，OpenAI 的基础模型也没有依赖过什么神秘的技术，做大模型没有魔法，也不要相信别人有魔法。真正难的是把最基础、确定能做对的事情都做对——做到这些，足以让混元挤进中国的第一梯队。 - 2026 年 5 月底，距离混元 Hy3 正式发布只剩一个月，因为一批提交上来的数据出了问题。姚顺雨少见地发了脾气，严厉告诫团队：“数据非常重要。如果下次再出现这样的情况，直接走人。” -混元 Hy3 是姚顺雨在年初带队开始训练一款大模型，也是他加入腾讯后的第一张成绩单，但内部抱的预期并不大。Hy3 并不是完全没有企图心。按照姚顺雨的设想，混元不需要在所有能力上正面击败 Claude Opus 这样的前沿模型。如果一个模型能以 Opus 1% 的价格，在 90% 的日常问题上做到与它一样好，甚至超过它，对大多数用户来说这就是一个更优的模型。Hy4 已经在训练中，混元团队的判断是 2027 年进入国内第一梯队。 - 在姚顺雨的构想中，模型与产品应该以联合设计（Co-design）的模式合作，即模型和产品从一开始就绑定在一起开发，模型可以第一时间拿到产品的真实场景和用户反馈，知道自己该往哪里改；产品也能及时向模型同步需求，不用等一个通用模型送上门，再调整、将就。姚顺雨清楚自己当前的主要任务是什么，就是和业务处好关系，把 Co-design 的想法落地 - 今天大模型行业普遍面临商业化难题，但腾讯的思路是，不一定要向外部客户收费，能帮业务提升收入，同样是混元的价值。“举个例子，《王者荣耀》一年收入几百亿，混元如果能帮它提升 1%，那就是好几个亿。” - 在腾讯，一个产品一旦受到高层重视，老板们就会开始密集提意见，其他辅助部门的人也随之加入，参与决策的人越来越多。去年腾讯集全公司资源扶持元宝，于是高层们总会不时提出非常具体的意见，某处的字体是不是太小了，对年长的人不太友好；某处设计为什么要用这种颜色。“上面一提，下面就开始揣摩，老板到底是什么意思，到底要不要改。” - 腾讯 2019 年引入过一批从 Google、Snapchat、Uber 来的工程和数据专家。他们大多没留下什么成果，陆续离开。今天姚顺雨有总办的授权，圈了一块地，一个人拍板负责。但当改革进入更深的地方，牵动更大利益、风险更高时，能替他扛住压力的只有总办。到那时，考验的不只是他，还有他和老板们之间的信任能否撑得住。改革走到最深处，从来就不只取决于改革的那个人。

独家｜智谱唐杰发内部信，称将开启 Touch High（摸高）计划，“不登顶，就是失败” 晚点独家获悉，今日智谱创始人唐杰发布内部信，阐述智谱对 AGI 接下来竞争的理解。唐杰在信中表示，智谱接下来将继续延续所谓 “反直觉” 路线，开启 “Touch High（摸高）计划”，即继续聚焦于 AGI 研究，而不是短期商业变现。通往 AGI 终点的道路上，有几座必须翻越的山峰，它们也正是今天技术浪潮最汹涌的地方，唐杰列出的四座高峰分别是： - 长程任务（Long Horizon Task） - 自治智能体系统（Autonomous Agent System） - 完全自我训练（Fully Self Training） - 极致安全治理 其中，极致安全治理被特别强调，智谱计划投入百亿级资源攻坚机械可解释性，这意味着厘清模型决策背后的神经元逻辑，推动黑盒系统向透明可解释系统转变。 *附内部信全文：

独家丨特斯拉三代 Optimus 初步定型，马斯克给供应链定下量产红线 多位特斯拉供应链人士告诉我们，特斯拉近期终于下发具体的 Optimus 零件采购指引，要求供应商在今年 9 月将产能提到 1000 台/周，随后在年底提升到 2000-2500 台/周。两位接近供应商的人士说，特斯拉会提前 2 个月左右下订单，现在他们已经看到 8 月数百台的具体订单。 以此估算，特斯拉的供应商们将在年底具备每年向特斯拉供应 10 万台 Optimus 零部件的能力。 我们也了解到，给供应链下单前，在六月底的一次高管会上，马斯克评审通过了 Optimus 的最新版本，这意味着 Optimus Gen 3 在研发三年多后，终于将走出实验室，进入量产阶段。 两位供应链人士都说，在这次会议上，马斯克@elonmusk 要求团队在年底前实现产能目标，否则他会开掉整个 Optimus 采购团队——这比任何订单和预期指引都更能给供应链、资本市场甚至整个机器人产业信心。 6 月底，一张马斯克在尚未完工的特斯拉加州 Optimus 工厂与工人的合影曾引发资本市场的波动。“虽然产线还没建完，但这张照片告诉我们 Elon 终于忙完 SpaceX 上市，要回来了。” 一位供应链人士说。

《晚点聊》具身季报系列第二期：分享具身智能行业季度 Top 5 事件： 1/ 人形机器人马拉松第二年，终端大公司身影浮现 - 4 月 9 日的北京亦庄人形机器人马拉松，荣耀包揽了冠亚季军。他们有接近一两百人的团队，研发投入量级显著高于另外的两大夺冠热门宇树和北人（北京人形机器人创新中心）。荣耀定制了比赛所需的大扭矩电机和精密的液冷机制，当其他公司的机器人因为长时间高速跑动，导致电机过热不得不休息，荣耀的液冷机制让电机温度在整个比赛中都能控制在较低水平。 - 更深一层的信息是，荣耀夺冠预示了未来的竞争格局：大厂认真投入的话，可以快速拿出有竞争力极强的人形机器人产品。而在中国，拥有荣耀这样组织能力、人才能力和资金能力的大厂还很多——小米、小鹏、理想已经开始严肃投入。人形机器人正在从单一技术见长的创业公司视角，演变成一种系统工程和系统作战能力的竞争。 2/ Figure AI 的 200 小时直播：为何物流是人形机器人的好场景？ - 5 月，Figure 连续直播200小时，这是第一次向全球公众展示人形机器人在工业场景的真实价值，三台人形机器人站在真实物流流水线旁做包裹分拣，把包裹翻面、让条码朝上，速度做到约3秒一个，。物流分拣是个好场景——重复、连续、长时间，不适合人类长期做。而之前的机器视觉加工业手臂的方案四五年来一直解决不好，因为快递软包裹上的二维码太容易遮挡和形变，不靠灵巧手很难处理那些长尾的corner case。 - 同期还有个插曲：成都舞者吴宇飞带着 8 台宇树 G1 在美国达人秀现场跳了一段舞，全票晋级。Figure 和这个节目的先后出现，让美国普通百姓非常直观的看到人形机器人怎么进入工业和商业场景。之前很多人看到中国春晚的机器人表演，还会怀疑是不是 AI 生成的、是不是录了很多遍。 - 物流场景在国内也有实质进展。星动纪元和中国邮政、顺丰做了长时间测试，已经能实现全自主的分包、翻面、扫描等一系列工序。中国公司在人形物流工业场景的落地能力，完全不亚于美国。 3/ 灵巧手与灵巧操作：舞肌可能成为灵巧手领域的 G1 - 灵巧手这个季度在 ICRA 维也纳会议上集中爆发。舞肌二代手20个自由度，体积只有全球头部玩家Sharpa的一半，反驱性能和散热大幅改进。舞肌的定位比较像宇树——专注于把一个低成本、高可靠性的硬件设备做到足够耐用，让大家在这个基础上做大量研究。过去一两个月，已经有大量中美创业公司基于舞肌的手发布了灵巧操作模型或工作进展。 - 灵巧操作模型的进展上， Genesis 发布了用定制五指手做的灵巧操作模型，他们公开称采集了约20万小时数据，用舞肌的手实现了拧魔方、做饭、弹钢琴等精细操作，被认为是目前高自由度灵巧操作的SOTA。 4/世界模型：英伟达发布 Cosmos 3，中国世界模型融资热 - 6月1日，英伟达发布 Cosmos 3，一个全开源的全能世界模型，可以原生处理文本、图像、视频、声音和动作，也可以输出这些模态。技术上用一个自回归 transformer 做推理、一个 diffusion transformer 做生成，中间靠共享注意力机制让两种模态相互影响。英伟达把机器人领域的世界模型分成三种：最底层是Video World Model ，本质底座是一个视频生成模型——根据条件或描述生成视频 、第二类是 Action-Conditioned World Model ，前提基于你的动作——给定一个动作，在这个条件下生成世界模型 和 World Action Model ，通过这个模型生成机器人的动作，可能同时也能生成未来的图像或视频。Cosmos 3 在这个分类里被英伟达放在 Video World Model 这一层，但它是一个 Omni-model，理论上三类任务都能做。 - 世界模型成了非常火热的创业风口。国内冒出大量新公司，有些今年刚成立就冲到10亿美元估值，截止到4月初，有人整理出来的世界模型公司名单已经有49家。 5/ Gen-1 和 π0.7 发布，不被 “VLA” 标签框定 - Physical Intelligence 的 π0.7 在一个传统 VLA 的基础上接了一个轻量世界模型，这个轻量的世界模型可以提供对未来任务图像的预测，用这个预测来影响生成模型生成相应的动作，用这个反馈去调整动作生成，类似于人扔纸团前会先脑补一下轨迹。 - Generalist 的 GEN-1 自己采集了50万小时的真实世界交互数据，不依赖预训练的 VLA 和视频生成模型，独立训练了一个端到端 transformer。这显示了对自家技术路线的极高自信，也展示了 Scaling Law 在具身数据上有效——从1万小时到50万小时，泛化能力持续提升。