一天造300万个沙盒，10万张卡自己写系统：2026年国产 RSI 到底有多野？
国产 RSI 的真实水位：没人敢真动模型权重，但所有人都在改 "造 AI 的机器"。 作者丨高允毅
编辑丨岑 峰
RSI，即 AI 造 AI，成为了 2026 年各家模型厂商争相晒的内部成绩单，也是国内一级市场最热的方向之一。只要BP带上 "Self-Training" 的字眼，估值至少多两成。
但真正的 RSI ，不止是 AI 改进 AI ,它还得把经验沉淀下来，让学习方法本身跟着进化。
今年 9 月，上海交大、清华、字节、商汤等机构的 35 位研究者发了篇论文《The Last AI Built by Humans》，给整个行业立了把标尺，它 RSI 分 L1 到 L5 五层，结论令人扎心：
全球前沿大厂的系统大多处于 L1 到 L2 的过渡阶段，L3、L4 在特定垂直领域（如软件工程、科学发现）有零星雏形，而真正的 L5 闭环仅存在于极少数受限的实验室原型中。
如果用这把尺子去丈量九、十月份国内模型厂商晒出的RSI实验成果，包括训练流程、推理系统、 GPU 算子、 Agent 脚手架；但目前没有一家厂商敢去用AI真正改写底层模型权重。也就是说，目前大家距离传说中的“AI 自己发明下一代 AI（L5）”，甚至连门槛都还没摸到。
那么在这场RSI热潮中，国内各大厂与明星创业公司究竟各自卡在了什么生态位？他们分别在让 AI 改进什么、做到哪一步了？以下我们梳理了国内模型厂商最新 RSI 情况。
01
智谱 RSI ：跑在 10 万张国产卡上，
能自我优化的推理系统
智谱是国内首个把 RSI 真正跑进生产环境的案例。它的 RSI 第一步没碰模型权重，先落在了最脏最累的底层推理系统上；跑通之后，智谱又把目光放到了 Agent 的 Harness上。前者降本，后者增效，全是实打实的工程活。
先说推理基础设施。一个新模型要真给用户用起来，中间隔着一大堆脏活累活，怎么榨干芯片的算力，怎么把庞大的任务拆分给成千上万张卡同时跑，怎么高效管理对话时产生的海量临时数据等等，这些事过去是 Infra 工程师一行一行调出来的。
智谱这次直接让 GLM-5.3 驱动的“Infra Agent”接管了这一切。9 月 17 日，唐杰在 X 上发了一篇长文《通往递归自我改进》，表示由 GLM-5.3 驱动的 Infra Agent，在 10 万张国产芯片组成的集群上，仅用两周就从零搭起了 GLM-5.3-Flash 的生产级推理服务。
商汤开源 SenseNova Loop-9B-Preview：探索以计算深度释放模型潜力
商汤开源日日新 SenseNova Loop-9B-Preview。这是商汤面向下一代模型架构的一项前沿探索：它采用创新 Looped Transformer 架构，引入循环计算、扩展模型的有效计算深度，并探索更充分的信息交互机制，提升模型在复杂任务上的处理能力，在仅 9B 的有限参数规模下，媲美 27B 参数大小模型。
从参数规模到计算深度
随着大模型能力持续演进，模型能力提升不再只有扩大参数规模一条路径。如何在控制参数规模的同时，通过增加有效计算深度进一步释放模型潜力，正成为值得探索的方向。近期，循环计算正成为大模型架构研究的重点方向，国内外研究社区围绕 Looped Transformer 展开了攻关探索。但目前的探索多停留在学术研究层面，社区尚缺乏可直接面向日常使用的 Looped Transformer 模型。
此次开源的 SenseNova Loop-9B-Preview，为社区提供了一个 9B 级 Looped Transformer 的开源实践，既填补了这一空白，体现了商汤对下一代大模型架构的持续探索与思考。
不过，如何让多轮计算真正转化为模型能力的提升，尤其是在信息传递、特征交互和训练稳定性等方面，仍有进一步探索的空间。现有相关工作仍以研究验证为主，如何在更大模型规模下兼顾计算深度、模型能力与实际应用需求，也有待持续推进。
循环结构与信息交互机制
SenseNova Loop-9B-Preview 以 9B 尺度模型为基座，保留首尾各 4 层原始解码器模块，将中间层改造为参数共享的循环计算模块，通过多轮迭代扩展有效计算深度。
在此基础上，模型进一步探索循环计算中的信息传递机制，尝试引入 mHC（Manifold-Constrained Hyper-Connections），利用多路残差连接与受约束的信息混合，增强特征交互并维持信号传播的稳定性。整体设计旨在控制参数规模的同时，探索提升模型推理能力的新路径。
模型表现：在多类复杂任务中展现潜力
SenseNova Loop-9B-Preview 在保持 9B 级参数规模的同时，展现出较强的跨任务性能。在当前评测设置下，模型在代码生成、办公场景和智能体任务等多个方向上均优于其他模型，并在 WorkBuddy Bench、RaccoonPPT Bench 和 AutomationBench 等评测中进一步超过 Qwen3.5-27B。这些结果初步展现了通过扩展有效计算深度，提升小参数模型复杂任务处理能力的潜力。
商汤进一步通过消融实验评估了 mHC 的实际收益。采用该机制后，模型取得明显的性能提升，其中 GPQA Diamond 和 TeamBench 分别提高了 4.42 分和 13.34 分，展现出在复杂推理任务以及多步骤 Agent 任务中的应用潜力。后续还将继续探索 DSA、自适应迭代次数等机制，以提升模型的推理效率与任务表现。
持续探索下一代模型架构
SenseNova Loop-9B-Preview 只是起点。面向下一代 SenseNova，商汤将进一步探索 Looped Transformer 在更大模型规模下的 Scaling 潜力、自适应“快慢思考”机制，深度挖掘参数共享的更多潜能，以更灵活的计算方式、更高的参数效率，持续突破模型能力与推理效率的边界。
模型权重开源：
Github：https://github.com/OpenSenseNova/SenseNova-Loop
Hugging Face：https://huggingface.co/sensenova/SenseNova-Loop-9B-Preview
【数智周报】张一鸣以6700亿元登顶中国首富，刷新中国首富财富纪录；阿里巴巴与Apple达成合作，将千问集成至Apple智能；Anthropic提交IPO注册文件，拟以“ANT”为代码在纳斯达克上市
（本文作者为 ITValue，钛媒体经授权发布）
观点
城堡投资Salame警示AI融资风险：浪潮之下“一些船会沉没”
城堡投资联席首席投资官Pablo Salame表示，支撑AI革命的巨大资本需求，正与态度谨慎、不愿承担如此大风险的贷款机构发生冲突。他表示，这将迫使追求数倍投资回报的选股投资者与需要确保资金能够收回的债权人之间重新寻求平衡。Salame说，“AI浪潮虽会水涨船高，但也会让一些船沉没，而且这股浪潮还将充满起伏。”
马斯克与黄仁勋观点打架，摩根大通：超大规模AI数据中心运营商状况良好是市场共识
SpaceX首席执行官马斯克最新警告，200多家新云公司将大规模倒闭或合并，有些公司能挺过去，但不会很多。
而马斯克的这番警告与英伟达首席执行官黄仁勋此前的观点几乎截然相反。黄仁勋在GTC大会上指出，市场对新云的需求远超预期。他虽然也提到了目前新云公司亟需资金支持，而资金正面临短缺的问题，但他认为这一问题一定会得到解决。
杰富瑞分析师指出，马斯克的言论引发了新一轮的恐慌交易。摩根大通则认为，人工智能债务市场对人工智能基础设施变得更加挑剔，但对于更广泛的融资危机不以为然。摩根大通市场情报团队强调，信贷短缺令人担忧，但目前的共识是超大规模数据中心运营商状况良好，大型运营商将继续占据主导地位，包括新型云服务商在内的小型企业的投资回报率也仍然为正。
亚马逊CEO：预计AWS未来两年收入同比增速都将高于40%，5-10年有望成长为万亿美元营收规模业务
亚马逊首席执行官安迪·贾西在亚马逊财报电话会上，对其AWS云业务前景绘制了极为宏大的前景。他表示：“AWS的年化收入已达1840亿美元，但发展机遇依然巨大……我们预计AWS 2027、2028每年同比增速都将高于40%，未来5-10年有望成长为万亿美元营收规模业务。”
国内资讯
中兴通讯：第三季度净利润13.07亿元，同比增长394.46%
中兴通讯公告称，前三季度实现营业收入1168.38亿元，同比增长16.23%；归属于上市公司股东的净利润40.60亿元，同比下降23.71%。第三季度营业收入388.13亿元，同比增长33.99%；归属于上市公司股东的净利润13.07亿元，同比增长394.46%。
张一鸣以6700亿元登顶中国首富，刷新中国首富财富纪录
胡润研究院发布《2026胡润百富榜》。字节跳动创始人张一鸣以6700亿元第二次成为中国首富，刷新中国首富的财富纪录；DeepSeek的梁文锋首次上榜便以2800亿元财富，进入榜单前十。
腾讯汤道生：腾讯云正加快全球数据中心建设
在腾讯全球数字生态大会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生现场表示，腾讯云正加快全球数据中心建设。目前，腾讯云已在全球部署超200万台服务器，覆盖25个地理区域和70个可用区。过去一年，腾讯云在德国法兰克福、马来西亚、墨西哥、日本大阪、沙特利雅得及泰国新增或扩容了数据中心。未来一年，腾讯云将进一步扩展亚洲、中东、欧洲、美洲的整体布局，持续为客户打造高性价比的基础设施，以满足AI时代激增的通算与存储需求。
蚂蚁集团发布灵光2.0
蚂蚁集团发布灵光2.0，可支持在开放环境中调用MCP、CLI等工具。据了解，灵光App是蚂蚁集团推出的全模态通用AI助手，于2025年11月18日正式上线，目前已内置支付宝账单、会员、出行，以及钉钉、飞书、邮箱、米家等服务能力。
宇树科技：第三季度净利润1.13亿元，同比下降17.37%
宇树科技公告称，第三季度营业收入为6.65亿元，同比增长69.93%；归属于上市公司股东的净利润为1.13亿元，同比下降17.37%。前三季度营业收入为18.17亿元，同比增长55.71%；归属于上市公司股东的净利润为3.87亿元，同比增长270.54%。
豆包工作升级电脑操作能力：支持技能录制与锁屏执行
豆包工作升级电脑操作能力，屏幕点击精度与速度提升。用户授权后，其可自动查看屏幕并模拟键鼠操作。通过“更多技能”入口可录制电脑操作，演示一遍流程，豆包即记录鼠标点击、文字输入及窗口内容，整理为个人技能，实现同类任务快速复用。
此外，用户可在设置中开启“允许豆包在锁屏时工作”。开启后，豆包可在Mac锁屏后继续执行任务，支持手机下达指令及查看结果。
豆包工作向企业客户开放配置三方模型
豆包工作向客户开放三方大模型服务，首批将接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等系列模型。本次更新面向团队订阅版和企业订阅版客户开放。功能上线后默认直接开启，企业无需另行向模型厂商采购，也无需额外申请，后续按照用量扣除企业已有的AI点数，真正实现开箱即用。
腾讯WorkBuddy上线“远程控制”
腾讯WorkBuddy宣布正式上线“远程控制”，在手机上打开App，一键连上电脑，就能看到电脑桌面的实时画面，并直接动手接管。
华为将韬定律思想引入基站设计，发布新一代移动通信网产品及解决方案
在Decoding China 2026活动上，华为宣布首次将“韬（τ）定律”的时间缩微理念引入基站产品设计，并用“算不完、传不全”概括传统基带在单个TTI内面临的挑战。同时，华为发布OSCAR智能信道处理方案与新一代UBBPi基带系列。围绕单个TTI内的计算与传输约束，方向给出对整网协同的表述。
阿里巴巴与Apple达成合作，将千问集成至Apple智能
阿里巴巴与Apple达成合作，将千问集成至Apple智能，中国用户可以在Siri、写作工具及视觉智能中，直接调用千问的文本与图像理解、内容生成等能力。这些功能将于11月4日起随最新的iOS开发者Beta版开放测试，并将于12月iOS 27.3正式发布时面向中国用户推出。
海外消息
Anthropic提交IPO注册文件，拟以“ANT”为代码在纳斯达克上市
人工智能初创公司Anthropic向美国证券交易委员会提交S-1注册文件，计划首次公开发行A类普通股，并申请在纳斯达克全球精选市场以“ANT”为代码上市。文件暂未披露发行股数、发行价格区间及具体发行日期。
Meta预计2026年资本开支最高1450亿美元，计划通过股权融资等方式支持AI投资
Meta表示，预计2026年资本开支为1350亿至1450亿美元。公司称，AI投资已通过提升用户参与度、改善广告表现及提高变现效率带来实际回报，未来还将投资个人超级智能、消费级及企业级AI智能体、AI眼镜等业务。Meta计划通过经营现金流、投资级债务、战略合作及股权资本等多种方式为相关投资提供资金。2026年前三季度，公司经营现金流为970亿美元；截至三季度末，现金、现金等价物及有价证券约820亿美元。
甲骨文联合OpenAI推出企业AI产品套件，覆盖办公、开发与网络安全
甲骨文宣布与OpenAI扩大合作，将其模型、ChatGPT和Codex整合至甲骨文的应用、数据及云基础设施。双方推出多项企业AI产品，包括可通过ChatGPT调用企业系统的Oracle AI Workspace、利用AI模型检测和修复漏洞的Oracle AI Security Mesh，以及支持员工借助Codex开发企业应用的Oracle App Composer。
谷歌推出最新世界模型Genie 4，模拟时长翻倍至2分钟、首次实现音视频同步生成
谷歌DeepMind推出最新世界模型Genie 4，并宣称是其迄今最逼真、交互能力最强的世界模型。与主要根据提示词生成视频片段的传统视频生成模型不同，Genie 4能够根据文本指令构建可探索的虚拟环境，并在用户持续输入指令时实时调整场景。谷歌表示，其最长可以维持两分钟连贯不变的场景，时长约为上一代Genie 3的两倍。该模型还能生成和虚拟世界同步的实时音频，涵盖音乐、环境音以及可交互对话。
融资并购
Meta拟融资350亿美元并计划推出600亿美元股票发行计划
Meta宣布启动总规模约350亿美元的同步公开发行，包括225亿美元A类普通股和125亿美元强制可转换优先股存托股份，并计划于2027年第一季度推出最高600亿美元的场内股票发行计划。英伟达、AMD和博通已表示有意合计认购最高50亿美元的A类普通股，但尚未作出有约束力的承诺。
OpenAI据称将新一轮融资目标下调100亿美元，拟以1.25万亿美元估值融资200亿美元
OpenAI已将最新一轮融资目标下调100亿美元，计划融资200亿美元，对应估值1.25万亿美元。此前，该公司原计划以1.4万亿美元估值融资300亿美元。
中科慧灵完成数亿元A++轮融资
北京中科慧灵机器人技术有限公司，完成数亿元人民币A++轮融资。本轮融资由知来投资、涌铧投资、茂天投资、元禾辰坤、国科科智、鲁宁投资等机构联合投资。投资方涵盖市场化股权投资机构、专业母基金及产业投资平台，投资布局涉及人工智能、硬科技、先进制造等领域。
超球面科技完成数亿元天使轮融资
深圳超球面科技有限公司完成数亿元天使轮融资，由君联资本、某超一线美元基金、中科创星、商汤国香资本、华山资本WestSummit Capital、庚辛资本中国 等机构共同投资，庚辛资本中国担任独家兼长期战略财务顾问。公司由香港中文大学教授刘威杨创立，聚焦下一代基础模型研发。
趋境科技完成B轮超13亿元融资
AI Token生产服务商趋境科技（Approaching.AI）完成B轮融资，本轮融资金额超13亿元，今年内已累计募得24亿元。本轮融资由浙财资本、萧山资本、工银投资、中关村科学城、星连资本及钱江世纪城共同领投，云创资本、湖南高新纵横、建投华科、申万创新投、中信聚信、珠海科技产业集团、商汤科技、网宿科技、甘肃树帜、常金控、元智未来、清证星竹、小咖资本等跟投，老股东尚势资本继续追投。
文远知行子公司景烁科技首轮融资数千万美元，布局物理AI
文远知行旗下子公司景烁科技获得数千万美元Pre-A轮融资，投资方包括嘉御资本、HKSTP香港科技园、天狼星资本等。景烁科技主要布局物理AI数据与模型基础设施，目前已推出数据-模型一体化平台WorldEngine及世界模型GENESIS-Robotics。据公司披露，目前其在手订单金额达数十亿元，年收入增长超100%。
趋势
宇树科技：人形机器人行业尚处商业化早期，物理AI技术从实验室演示走向真实场景规模化落地仍面临多重挑战
宇树科技公告称，人形机器人行业尚处于商业化早期，技术成熟度、下游市场需求培育、产业链配套能力均存在不确定性。同时，物理AI技术从实验室演示走向真实场景的规模化落地仍面临感知精度、运动控制稳定性、数据积累及软硬件协同等多重挑战，相关技术路径与商业模式的成熟尚需时间验证。若行业大规模商业化落地进度不及预期，公司未来营收扩张及业绩释放可能受到不利影响，存在估值回归的投资风险。
中信证券：GPT-6 Astra进入机器人控制，物理AI迎来重大拐点
中信证券研报称，通用大模型正在从机器人的高层任务规划，进一步向动作生成和执行控制延伸。近期，NVIDIA、Stanford等研究机构陆续探索将GPT-6 Astra应用于机器人控制，尝试利用通用模型已有的视觉理解、空间推理和任务规划能力，减少对专用策略训练的依赖。Astra在具身任务的数据集上展现出了较好的泛化性，中信证券认为，展望2027年，通用模型进入具身任务领域将成为AI行业的下一个投入方向，而通用模型与专用模型短期更可能形成分工协同的局面。
人形机器人应用持续拓展，核心零部件投资机遇受关注
商务部发布的数据显示，今年前三季度，重点平台具身智能机器人销售额同比增长22.6%。从消费端需求增长，到具身智能整机及配套项目推进，机器人产业的应用与商业化进展受到关注。分析人士认为，人形机器人产业正处于量产验证与场景落地的重要阶段，投资机会有望向核心零部件、控制平台和数据基础设施等环节延伸。随着产业发展更加重视实际应用，应关注企业技术优势、成本控制和批量交付能力，以及订单落地与模型迭代进展。
SK海力士预计存储市场供不应求局面将持续至2030年
SK海力士表示，受先进制程技术难度提升及新建生产设施耗时较长等因素影响，存储市场供不应求格局预计将持续至2030年。公司计划加快扩产，预计第四季度HBM4在出货量和营收方面均将超过HBM3E；同时计划将321层NAND工艺占韩国本土产能的比重提升至50%以上，以增加高性能、大容量企业级固态硬盘供应。
亚洲芯片股下跌，围绕大型科技公司的AI融资担忧加剧
决定AI交易前景的关键财报季表现平平，导致全球芯片制造商股价下跌，投资者越来越担心成本飙升和需求的可持续性。最新触发因素包括亚马逊的大规模资本支出数字、英特尔因个人电脑处理器需求疲软发布低于预期的销售预测。这进一步加剧了投资者对AI热潮融资成本高昂以及这些巨额投资能否获得回报的担忧。亚洲芯片制造商普跌，其中，韩国SK海力士和日本爱德万测试跌幅最大，均超过6%。韩国Kospi指数一度下跌4.3%。
“本财报季对人工智能企业来说很艰难，大多数企业都受到了人工智能泡沫和通胀担忧的双重打击，”Floodlines Research创始人、投资策略师Anna Wu表示。“更高的融资成本和信用风险最终可能会迫使超大规模数据中心运营商放缓扩张步伐。”
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
中国MaaS市场TOP2，商汤大装置再度蝉联
趋境科技完成 B 轮融资，半年实现超十倍速增长，加速高品质 AI Token 规模化交付
近日，雷峰网获悉，高品质 AI Token 生产服务商趋境科技（Approaching.AI）完成 B 轮融资，本轮融资金额超13亿人民币；今年内已累计募得24亿人民币。多项核心经营指标在半年内实现超十倍速增长，持续获得产业和资本的高度认可。
本轮融资由浙财创新、萧山资本、工银投资、中关村科学城、星连资本及钱江世纪城共同领投。云创资本、湖南高新纵横、建投华科、申万创新投、中信聚信、珠海科技产业集团、商汤科技、网宿科技、甘肃树帜、常金控、元智未来、清证星竹、小咖资本等跟投，老股东尚势资本继续追投。
这是继今年 7 月完成 A 轮融资后，趋境科技短期内再获大额融资。截至今年10月，趋境科技已在 2026 年连续完成多轮融资。密集的资本跟进背后，既反映出市场对 AI 基础设施赛道长期价值的共识，更源于投资人对趋境科技战略聚焦、技术领先和商业化交付成绩等综合实力的肯定——过去半年，趋境科技不但全面跑通了从技术架构到规模化商业交付的全链路，更是持续引领推理行业的技术演进，以技术创新推动了国产算力的性能大跃升。
本轮募集的资金将重点投向高品质 AI Token 产能扩张、ATaaS（Approaching.AI Token as a Service）平台升级迭代、推理底层技术和新产品的研发，以及商业化合作与交付体系完善等方面。
投资者说 · 浙财创新董事长陈栋
“随着 AI 产业走向规模化应用，推理效率、成本与系统优化能力正成为商业化的重要基础。趋境科技在大模型推理领域具备持续的技术积累和工程交付能力。我们期待与公司长期同行，共同推动高效、普惠的 AI 基础设施建设与规模化应用。”
投资者说 · 萧山资本集团董事长祝利烽
“趋境科技是萧山布局 AI Infra 的标杆项目。早在行业聚焦训练时，公司便前瞻深耕推理赛道。依托清华系团队十余年的技术积累与自研 ATaaS 平台，将算力高效转化为可规模化生产的高品质 AI Token，推动国产算力进入核心生产环节。双方正携手推进万卡级人工智能 Token 工厂建设，加速形成‘芯模联动’产业闭环。萧山资本将以长期资本、耐心资本深度赋能，支持其把高品质 AI Token 工厂能力快速复制，为 AI 产业高质量发展注入持久动力。”
投资者说 · 星连资本创始管理合伙人张鸣晨
“星连资本自2024年天使轮成为股东以来，一路见证趋境科技在技术、产品、服务、战略和商业化等全方位不断创造远超预期的佳绩；更是在不到三年的时间里已经快速跃升为 AI 推理领域耀眼的一流企业。这也是星连资本在过往每一轮都持续大额追加投资的根本原因。我们看好趋境科技从技术与商业验证走向规模化建设和持续运营后的广阔成长空间，也期待陪伴团队持续引领 AI 推理行业的发展。”
从“粗放供给”到“品质服务”
｜高品质 AI Token 成为行业新风向
Token 市场发展初期，行业供给侧多“重 Token 数、轻服务品质”，以粗放扩量的方式快速做大供给规模。彼时大模型尚处在试点验证阶段，未深度嵌入企业核心生产链路，业务对性能、稳定性、模型质量的容错空间较大，这类供给模式得以被市场接纳。而趋境科技自创立之初，便坚持锚定生产级推理标准，持续投入推理系统原始创新，夯实工程底座，在行业内率先定义高品质 AI Token 服务理念。
趋境科技所定义的“高品质 AI Token”：锚定生产级场景，提供高智能、低时延、高速率、强稳定，兼具规模化交付能力与可控综合成本的 AI Token 服务。
伴随产业重心转向 Agent 驱动的业务闭环落地，大模型逐步承载生产级核心流程，AI 推理行业正迎来范式转变：企业对 AI Token 的智能水平、响应时延、输出速度、上下文完整性、服务稳定性提出了严苛的生产级刚性要求。这一转变与趋境一直以来坚持和倡导的高品质AI Token 服务理念不谋而合。
产业拐点显现，Token 市场快速形成清晰的品质分层：“可用即可”的粗放供给已难以匹配生产场景诉求，兼顾多维指标平衡的高品质 AI Token 供给稀缺、需求激增，成为市场刚需。作为高品质 AI Token 服务最早的布局者和深耕者，趋境科技凭借长期沉淀的推理系统底层技术与工程化能力，持续推进高品质 AI Token 服务的规模化交付。趋境科技现已成为高品质 AI Token 服务领域的领航者。
立足“少模型、深优化、高品质”
｜加速高品质 AI Token 规模化交付
高品质 AI Token 能够持续规模化交付，最终取决于两个核心命题：单位算力效能能否持续提升，规模化供给能力能否稳定增长。
围绕这一目标，为兑现高品质 AI Token 的生产标准，趋境坚持“少模型、深优化、高品质”的技术路线，聚焦市场需求明确、应用广泛的主流大模型，持续推进“异构推理”“以存换算”“虚实同构”等多项全球首创技术的工程落地，专注企业生产场景的高品质 AI Token 需求。
“少模型、深优化”解决的是“同一批算力能够生产多少高品质 AI Token”，稳定生产负载和跨集群运营解决的是“这些算力有多少时间真正处于有效工作状态”。“少模型”本身并不天然带来更高的利用率，只有单位算力产出和有效利用率同时提升，AI Token 业务的单位经济才有可能成立。
这一路线背后的商业逻辑非常明确：企业级客户最终为业务结果付费，而不是为模型兼容数量付费。
目前，趋境科技已经形成一套可复制的高品质 AI Token 工厂建设与运营模式：既有日均数万亿级 Token 产能的已投产项目，也有面向区域产业生态与头部客户的战略合作及在建布局。更重要的是，整体业务已经跨过成本线。以真实业绩验证了 ATaaS 平台的大规模交付与持续运营能力。
技术创新重构国产算力体系
｜性价比超越国际最领先算力
让国产算力能够支撑高品质 AI Token 的生产是趋境科技一直以来的目标。
面对国内外芯片的性能差异，趋境科技探索出一条以系统级技术创新实现算力效率突破的新路径，先后率先提出了“国产 Prefill-Decode（PD）异构协同”“高性能异构 KV Cache 转换”“异构算力计算融合”等一系列创新技术方案，重构国产算力计算模式和推理体系，并已在高标准生产场景中正式投产。
在真实生产级环境中，实现国产芯片承载万亿级头部大模型，并达成高品质 AI Token 规模化生产，同时整体性价比超越国际最领先算力。
趋境首创的异构协同推理技术，在保障模型输出质量、响应速度和服务稳定性的前提下，以更低的硬件投入实现更高的有效 Token 产出，稳定承接头部客户的真实业务需求。
这一突破具备双重开创性价值：在商业层面，构筑差异化核心技术护城河，为趋境规模化共建高品质 AI Token 工厂打开增长天花板，支撑业绩与资本价值持续跃升；在产业战略层面，有助于跳出单纯比拼硬件参数的技术竞争，重新定义国产算力价值标尺，让分散在全国、不同架构的国芯资产释放足额推理产能，为国家搭建自主可控、供给充沛、具备商业经济性的 AI 推理底座提供可落地的核心工程方案，进一步夯实我国大模型产业链安全与算力自主根基。
以技术拓产量
｜半年实现业绩十倍跃升
持续自主技术创新，是驱动趋境科技高品质 AI Token 产量实现指数级增长的核心动力。
半年来，伴随多项首创技术持续推出与工程打磨，公司平均单台算力的 AI Token 生产效率逐月攀升，持续引领行业；高品质 AI Token 日均产量增长超过百倍，并攀升至超万亿量级，年内业务收入已达到去年全年近十倍。
在产业格局上，趋境科技正推动 AI 基础设施从传统算力资源供给向高品质 AI Token 规模化生产与运营升级。依托 ATaaS 平台及 Token 工厂建设运营能力，公司在半年内携手产业伙伴推进十余个日均万亿级 AI Token 工厂项目，推动国产算力规模化应用，联合地方国资、产业龙头及生态伙伴，构建连接算力基础设施、大模型与行业应用的新型 AI Token 供给网络。
区域化基础设施布局
公司以河南、杭州、海南为重点，结合区域资源与产业需求，推进高品质 AI Token 生产与服务网络建设。在河南推进与地方国资联合运营，协同开展 Token 生产、销售与客户消纳；华东区域总部落地杭州钱江世纪城，规划建设万卡级 Token 工厂，服务长三角企业级推理需求；在海南探索地方国资建设、趋境提供平台与运营服务的合作模式。通过因地制宜的建设运营模式，推动算力投入转化为可持续的 Token 供给能力，带动本地运营能力与产业生态发展。
产业生态与共建共营
公司与商汤科技、并行科技、弘信电子、网宿科技、摩尔线程、沐曦股份、天数智芯等企业达成生态合作，推动高品质 AI Token 工厂建设与运营，探索基于国产芯片的高品质 AI Token 生产技术方案，共建自主可控的国产 AI 算力生态。携手商汤推进日均十万亿级 Token 工厂建设，共建产线已具备日均万亿级 Token 的生产与稳定消纳能力；联合并行科技打造日均万亿级 Token 工厂，打通算力基础设施、推理优化、标准化 Token 供给与产业应用全链路；与弘信电子完成其旗下燧弘华创无锡、厦门两大 Token 工厂的技术适配与试点落地；携手网宿科技，结合其全球分布式边缘资源与网络能力，开展推理优化和智能调度协同，提升高品质 AI Token 的生产效率与交付稳定性。
持续释放的技术效率红利，推动业务与资本同步迈入高速增长周期。融资节奏与业绩增长同频，年内多轮交割有序落地，保持平均两月一轮的节奏，单轮募资规模环比持续走高；今年内累计募资总额达24亿人民币，获得国资、产业资本与市场化机构持续重仓。系列融资落地后，股东结构进一步多元成熟，汇聚地方国资、金融资本、头部产业集团与一线市场化机构，为后续区域算力共建、国产异构生态协同、大规模行业交付提供坚实支撑。
顶尖科研与开源筑基
｜构筑系统级长期工程壁垒
商业化进展背后，是趋境科技在科研、开源工程与企业级生产交付方面的持续积累。
从前沿的技术探索到严苛的工程落地，贯穿始终的是一支兼具学术高度与产业经验的核心团队：公司管理团队由创始人兼 CEO 艾智远博士、总裁兼 CFO 武文洁博士、CTO 陈祥麟等组成，共同推进技术研发、资本协同、产业合作与项目交付；在技术研究层面，郑纬民院士担任首席科学顾问，武永卫教授担任首席科学家，为公司底层技术演进提供学术与技术支持；章明星副教授担任董事，指导技术战略与关键研发工作，推动前沿研究与工程实践衔接。
学术研究之外，趋境科技核心团队长期参与大模型推理开源生态建设，团队牵头发起 KTransformers，并参与 Mooncake 的发起与共建，为相关研究提供了面向不同模型、硬件和负载条件的工程验证环境，也推动团队围绕“全系统异构协同”“以存换算”“虚实同构”等方向持续探索。
从学术研究和开源工程出发，相关技术能力进一步沉淀至 ATaaS 平台，并在 AI Token 工厂的真实业务负载中持续检验。秉持“算力更高效、智能更普惠”的理念，趋境科技以真实需求牵引生产投入，以长期交付检验技术能力，正通过 ATaaS 平台和 AI Token 工厂，输出高品质 AI Token 的标准化生产体系，重塑 AI 推理供给范式，赋能千行百业生产级智能化升级。
趋境科技 CEO 艾智远表示：在算力转化为高质量生产力的赛跑中，真正的稀缺壁垒不是规模，而是单位能效与商用交付能力。过去半年，趋境科技以超十倍速的业务增长证明了“少模型、深优化、高品质”路线的巨大商业潜能。资本的持续加注，是对趋境科技业务交付成绩的肯定。面向未来，趋境科技将依托本轮资金加速产能扩张，深化国产 PD 异构方案落地，以更稳定、更高效、更具成本效率的高品质 AI Token 服务支持客户规模化应用，推动国产异构资源更充分地进入真实生产场景，与产业伙伴共同构建多元、稳定、可持续的 AI 推理供给体系。
当Agent“有工号”：从一人一工具到一人一团队，组织如何做好AI时代的分工与协作？
智能体也开始领“工号”了。8月31日，张江科学之门模力社区，智能体身份码节点管理平台正式上线，30家单位参与节点发放。越来越多的智能体将拥有可识别、可管理的数字身份。
但当Agent从个人电脑里的工具，变成能够跨系统调用、参与业务流程的“数字同事”，一个比技术更现实的问题随之浮现：谁给它派活，谁来验收成果，出了问题又由谁担责？这道题，考验的已不只是智能体的能力，更是组织的管理能力。
图1张江科学之门模力社区，身份码节点管理平台正式上线
活动现场，上海市人工智能行业协会与中国电子技术标准化研究院等单位协同发力，全面推进AIP智能体互联应用的推广与宣传，为行业数字化转型注入新动能。讲解人员将智能体身份码形象比作“数字身份证”，从身份申领、材料核验到跨主体互联调用，逐一拆解全流程操作。
智能体有了身份码，无异于在组织内获得“工号”。但工号仅是起点。过去“一人一工具”依赖个人选择；如今，一人背后可能站着一组智能体——谁派活、谁验收、谁担责？组织必须重新绘制分工版图。
一、先有身份：智能体正式入编组织“名册”
身份为何先行？智能体正从“回答问题”迈向“动手办事”，而要求AI“ 会办事、好办事、办好事”须先厘清：身份（我是谁）、代理关系（替谁办）、权限边界（做哪些），才能成为AI时代的“智能管家”。依据智能体互联系列国家标准，一个身份码精准对应一个智能体。
今夏规则密集落地。7月17日，在上海举行的2026世界人工智能大会上，国家网信办会同有关方面联合提出《智能体互信互联互操作全球合作倡议》，呼吁加大“智能体身份标识、协作互认等基础共性技术”研发投入；同步发布的《国际人工智能伦理治理行动计划》提出，围绕“工具调用权限、自主决策能力”等因素构建差异化风险处置规则，并明确开发者、部署者、使用者的“权责边界”。
国内政策同步指引。国家网信办等三部门印发的《智能体规范应用与创新发展实施意见》提出，探索建立智能体注册平台，提供“数字身份管理、检索发现、能力声明”等服务。张江上线平台正践行此路径——让每个智能体“报到”时有名有姓、有据可查。
上海亦加速“建档”布局。8月发布的《上海市“数字上海”建设“十五五”规划》明确，“建设政务智能体驾驶舱，实现工作空间与运行观测，促进人、智能体、系统多级高效协同”——智能体不仅要“有名字”，更要“看得见、管得住”。
身份码解决的是“认得出”，组织授权解决的是“管得住”，岗位分工解决的才是“用得好”。从数字身份到数字员工，中间还隔着一套组织管理制度。
二、再划分工：人机伙伴，一岗一助手
Agent身份确立后，下一步是定责。从辅助单个岗位，到承接完整流程，再到让业务人员直接调度专业能力，智能体正在改变企业内部能力的组织与调用方式。上汽帆一尚行，已累计上线数字员工超100个；计划排产助理输出模拟方案后，“交由计划员审核”。数字员工项目研发负责人陈宁博士强调：“数字员工的本质是能承接完整岗位职责的虚拟协作者，聚焦单一岗位实现全流程闭环。”分工线进一步延伸至经营判断。例如，商汤小浣熊让业务人员“仅需输入一句自然语言”，即可完成数据关联、趋势研判与报表生成。人从取数中解放，将精力聚焦于决策判断。分工是否清晰，不看助手数量，而看每段任务是否明确归属：哪些环节交由智能体，哪些必须由人把关。
图2 帆一尚行AI计划排产助理
三、人机混编大队：派活、验收、拍板、担责，如何落地？
组织形态同步演进。员工可携带多个智能体协同工作，人员围绕任务动态组合，任务完成后解散再重组。管理者的新增职责在于：设计人机分工，并为结果兜底。
在传统科层组织中，任务沿着部门和职级逐层传递；矩阵式组织让人员跨部门协作，但仍受相对固定的汇报关系约束。组织智能则进一步将组织单元转向任务与角色：一个员工可以调度多个智能体，不同专业人员围绕项目临时组合，任务结束后重新配置资源。组织智能不再只有固定的上下级关系，也拥有随任务变化的协作网络。
派活，须由懂业务者主导。国泰海通目标依托AI驱动组织架构变革、业务流程创新、经营模式升级，其AI应用已覆盖九大业务领域、260个细分场景，部署超1000个业务智能体；超500名员工参与搭建，其中业务一线人员超100名。
验收，需有规可循。人民网推出的001号AI数字员工，定岗为“办公室数字协同专员”，考核体系明确“严守授权红线，以任务完成度、验收通过率、操作合规性为核心指标”。
拍板，仍归于人。《智能体规范应用与创新发展实施意见》明确，厘清“仅限用户本人决策、需授权决策与智能体自主决策”的合理边界与权限，确保用户对智能体自主决策享有“知情权和最终决策权”。 任务可以委托，权限必须分级；决策可以授权，责任不能悬空。
担责，关键在搭好机制、选对人、搞好风气。设置“审核”按钮简单，难在责任实体化、制度化和人员化。当一项任务由多个智能体接力完成，风险也可能沿着调用链传递。一个智能体发起任务，另一个智能体调用系统，第三个智能体执行操作，一旦发生越权或错误，究竟该追溯哪一环？这要求企业不仅建立身份认证和权限控制，还要保留任务日志、操作记录和人工审批节点，让每次委托都有来源、每项操作都有边界、每个结果都有责任主体。带好人机混编AI大队，多出的不止效率，更是管理责任。
从给智能体发放身份码，到为数字员工划定全责，再到重构人机协作的管理机制，AI进入组织的每一步，都在催生新的专业服务需求。咨询规划、流程再造、系统集成、运营管理、安全治理，将共同构成智能体规模化应用的服务链条。
这也呼应了工信部开展人工智能应用服务商培育专项行动的方向。10月23日至25日，2026全球开发者先锋大会将在上海张江科学会堂举办。随着更多开发者、应用企业与专业服务商在这里汇聚，上海也将迎来一次关于智能体如何真正融入组织、形成生产力的集中交流。
给Agent发“工号”，只是组织变革的第一步。下一步，是重新回答一个管理学的老问题：人如何分工，事如何协作，责任如何落实。
日均6万亿Token服务背后，商汤大装置如何提升推理效能？
调度效率提升80%！商汤大装置助力上海量子城市首批智能体落地
比“大公司”更稀缺的，是定义规则的人——30家中国行业先锋
经济数据最擅长把退潮与涨潮，把旧产业的收缩与新产业的扩张，折算成一个看似温和的总量，让所有剧烈的变化，都显得波澜不惊。
然而，波澜不惊数据背后的冷热交替才是经济最真实的温度计。
国庆黄金周的数据，恰好印证了这一点：文化和旅游部10月9日公布，假期7天全国国内出游8.26亿人次，国内出游总花费7383.75亿元，按可比口径日均分别增长6.3%、4.3%。
但同一个假期，商务部的监测数据讲了另一个故事：10月1日至6日，重点平台具身智能机器人销售额同比增长1.3倍，智能眼镜销售额同比增长1倍。当机器人和AR眼镜成为黄金周里最抢手的消费品，产业升级就不再只是报表上的科目，而是购物车里的选项。
宏观景气也在确认这个方向。9月30日公布的9月制造业PMI为50.1%，时隔数月重返扩张区间；其中高技术制造业PMI达52.5%、装备制造业51.0%，均明显高于大行业均值。
假期结束，市场给出了自己的读法。10月8日节后首日，A股全天成交接近1.7万亿元；整个10月定档发行的新基金近百只，AI算力、智能眼镜、机器人等方向，成为资金回流的主线。
事实上，总量与结构的背离已经持续了一段时间。1—8月，全国固定资产投资同比下降7.2%，社会消费品零售总额仅增长1.1%——其中商品零售增长1.0%，服务零售增长4.9%。旧动能退潮与新动能补位，同样剧烈。资源正在从地产与旧基建撤离，涌向高技术制造与新兴产业。
价格端相似的剧本也在上演。8月PPI同比上涨3.8%，环比由降转涨0.4个百分点；其中与人工智能、数字经济相关的电子电路制造价格同比上涨6.6%，虚拟现实设备制造上涨6.0%。价格的流向，就是定价权的流向。当一类产业能够持续在出厂价上跑赢通胀，它就不再只是政策叙事里的"新兴产业"，而是经济账本上的"利润中心"。
产业升级的答案，不写在总量数据里——写在结构的裂缝里。由此，一个老问题的答案开始改写：什么是一家公司的行业地位？
过去，龙头的定义不外乎营收最大、员工最多、产能最高。但在结构置换的时代，规模不再自动等于话语权。真正稀缺的能力，是在细分赛道上掌握标准：产品以谁的技术路线为参照，价格以谁的成本曲线为锚，后来者以谁为对标。
我们把这种能力称为"行业定义权"。它大致可以通过三个问题来检验：市场份额是否第一，且持续扩大；核心技术是否构成他人绕不开的专利与工程积累；品牌是否在消费者心智中拥有真实的溢价。
巴伦中文网推出“Value Industry Benchmark 30·中国行业先锋30强”，寻找的正是这样的公司。它们未必是最大的，但在自己的赛道上，它们写规则，而不是遵守规则。
这份名单覆盖七大板块：物理AI与机器人、AI大模型与基础设施、AI应用、新消费、金融科技、医疗健康，以及服务与环保。它们有的上市多年，有的刚刚递交招股书；有的年营收数百亿，有的刚刚跨过5亿元。规模不同，阶段不同，但共同点只有一个：当别人还在讨论趋势时，它们已经把标准写好了。
物理AI与机器人：智能化的下半场，发生在真实世界
人工智能的竞争，正在从屏幕走向物理世界。这条赛道的门槛不在算法演示，而在量产能力与数据闭环。
自动驾驶是物理AI最先兑现的方向。Momenta是全球首个实现无图城市NOA全国覆盖、端到端大模型量产与强化学习量产的第三方智驾公司，其世界模型行业首个实现量产落地，持续定义行业最高标准。今年7月登陆港交所，成为“物理AI第一股”。它与全球26家车企建立合作，全球前十大车企全部在列，在第三方城市NOA供应商市场稳居第一，率先跑通了“数据-算力-模型-业务”的正向增长飞轮。
机器人一侧，宇树科技是全球率先实现人形机器人万台级规模化出货、核心硬件高度自研并搭建起全球开发者生态的机器人企业，2026年8月登陆科创板，成为A股“人形机器人第一股”。在行业多数企业仍停留在原型演示阶段时，宇树率先实现机器人万台级量产交付，凭借高自研核心部件构建起通用硬件底座，成为全球开发者普遍选用的机器人平台，主导人形机器人量产落地的行业事实标准。公司完成了从实验室样机到流水线规模化生产的跨越，将具身智能技术转化为商业化收入，走出一条硬件量产带动生态共建的发展路径。
更成熟的样本是大疆创新与追觅科技。大疆创新是全球消费级无人机绝对龙头，占据全球超七成市场份额。当行业还在打磨产品原型时，大疆定义了消费无人机的产品形态、影像标准与价格体系，把无人机做成大众熟知的消费品类。公司具备极强的内生造血能力，现金流充沛，护城河来自对品类的定义权。
追觅科技连续8年复合增长率100%，产品进入190多个国家和地区、覆盖超过12000家门店，2026年上半年扫地机业务全球销量第一，累计申请专利超过1.5万件——嵌入式基站、仿生机械足、自动换拖布，持续抬高清洁电器的体验上限。
商用场景里，普渡机器人以全球商用服务机器人出货量第一的位置，成为中国机器人出海的龙头；在2026年上半年中国机器人出口额同比增长359%的背景下，它的规模化交付正是"中国机器人卖给世界"的缩影。
云蝶科技是聚焦真实场景落地的具身智能企业，首创EEI具身环境智能新范式，推出全球首个系统级具身大脑RoboForge与WING任务型本体家族，遵循 “先定义岗位、再定义机器人” 的产品思路。不同于行业多数停留在原型演示的玩家，云蝶将环境作为核心变量，打通模型、本体、场景与数据的闭环迭代，在医疗、能源、酒店、社区等B端场景规模化落地，累计服务数千家。作为赛道内少数实现规模化营收并盈利的企业，它依靠“部署越多、数据越丰富、模型越强”的正向飞轮持续扩张，核心壁垒不在于单点技术，而在于整套系统在真实岗位中稳定交付与持续进化的能力。
AI大模型与基础设施：算力与模型，成为新的重工业
大模型的竞争已经进入重资产阶段：算力、数据与工程能力，共同决定模型的成本曲线。
DeepSeek凭借极致模型效率与开源策略重塑全球AI产业竞争格局。在头部厂商普遍走闭源路线、巨额投入算力的背景下，DeepSeek依托MoE架构、FP8精度与自研推理框架，以精简团队实现全球第一梯队大模型能力，大幅压低Token使用成本；通过开源权重文件，向全球开放前沿推理能力，重塑行业定价与技术路线，构建起独有的“中国效率”AI范式。
商汤科技是这条重资产路线的另一面。2026年上半年，其生成式AI收入占集团近80%，运营总算力达4.8万P，日均Token服务量2.4万亿、同比增长约22倍，并首次实现IFRS口径盈利。从视觉AI公司转型为"一座Token工厂"，商汤让大模型的规模效应第一次有了清晰的账本。
可灵AI是全球视频生成模型第一梯队企业。在AI视频赛道普遍尚处在商业化早期阶段时，可灵产品落地全球224个国家和地区，收获破亿用户与近5万家企业客户，海外贡献七成收入，成长速度领跑行业。它也是AI视频领域率先跑通规模化商业变现的中国资产，计划 2027年初递交港股申请，有望成为全球首家独立上市的视频生成模型公司。
沐曦股份属于国产高性能通用GPU第一梯队企业。公司坚持自主研发核心GPU IP、指令集与架构，围绕GPU芯片、MXMACA软件栈、MetaXLink高速互连技术构建全栈技术体系和计算平台，形成覆盖AI训练推理、图形渲染及科学智算的产品布局。随着GPU产品放量，商业化规模持续扩张，2026年上半年营收13.24亿元、同比增长44.67%，产品已落地国内十多个大规模智算集群，是国内智能算力自主可控赛道的核心力量。
AI应用：模型的价值，最终要在日常里兑现
模型能力的价值，最终要落回工作与生活的具体场景。这条赛道的分水岭，是能否从工具进化为平台。
金山办公是其中资历最深、护城河最宽的样本。WPS月活设备超过6.76亿台，公司38年始终处于行业第一梯队；2026年上半年营收33.13亿元、同比增长24.69%，WPS 365连续六个季度增长超60%。在AI办公赛道是当之无愧的规则定义者，从工具到平台的进化路径，为SaaS行业提供了可复制范式。
金蝶国际把这条路走成了国产化替代：它是唯一入选Gartner云ERP魔力象限的中国厂商，服务超半数中国500强，以AI原生ERP与aPaaS平台打破海外厂商壁垒，输出的不只是软件，更是行业模型与最佳实践。
BOSS直聘是国内规模最大的在线招聘平台，依托“直聊 + 智能匹配” 模式重塑招聘撮合体验，搭建起具备强双边网络效应的人力资源服务生态。公司采用轻资产平台模式，毛利率长期保持高位，销售费用率随品牌积累持续优化，经营性现金流稳健，在中小企业与服务业招聘市场构筑结构性壁垒。招聘业务本身作为经济先行指标，叠加优异的现金转化能力与稳定的股东回报，使其成为人力赛道稀缺的高质量现金流资产。
XREAL把AI应用在硬件形态上推向全球：XREAL是全球AR眼镜销售收入排名第一的企业。不同于行业多数玩家仍停留在参数比拼阶段，XREAL凭借多条成熟产品系列，销售网络覆盖40个国家和地区，海外收入占比超七成，是国内少见的自诞生起就面向全球市场的消费电子品牌。公司研发人员占比过半，成本重心投向技术研发，以硬件销售为核心收入来源，渠道结构均衡；目前仍处于技术投入换市场份额的阶段，持续投入来抢占全球 AR 消费市场，也率先用规模化海外营收，验证了中国AR产品面向全球消费者商业化落地的可行性。
Soul则证明了"情绪"也是一条真实的产品赛道：累计注册用户约3.9亿，以情绪感知与交互大模型为内核，DAU、日人均启动次数与30日留存率均居中国AI+沉浸式社交平台第一，自2023年起稳定盈利。用户对情绪价值服务的付费意愿，已经写进了它的财报。团队开源多款数字人、语音相关模型，搭建“自有应用-产业生态”双层体系，向外输出AI能力，切入具身智能、智能座舱等领域，构建起“模型 + 应用 + 治理”的完整商业闭环。
新消费：定价权，从功能转向情绪与文化
消费的定价权，正在从功能与渠道，转向情绪与文化。这条赛道的公司，把"中国制造"翻译成了"中国品牌"。
泡泡玛特以中国潮玩行业绝对龙头的位置，证明了"情绪价值"可以构建真实的定价权：Molly等核心IP形成强品牌壁垒，海外门店持续扩张，IP变现效率持续提升。
霸王茶姬把"东方茶"做成可复制的全球化消费品，海外门店覆盖东南亚与北美，精简SKU与标准化门店模型带来行业领先的单店效率与加盟回报周期。在茶饮行业普遍同质化的竞争中，它是少数同时具备品牌溢价与海外扩张能力的公司。
华住集团以30余个品牌和轻资产加盟模式扩张，RevPAR与在营门店数行业领先，会员直销占比高，显著降低对OTA渠道的依赖。酒店业供给侧集中化趋势下，它是ROIC与现金流质量突出的优等生。
金融科技：专业能力，正在变成普惠产品
金融行业的专业性，正在通过技术与产品化，变成普通人可获得的普惠服务。
九方智投定位为“新一代股票投资助手”，秉持“科技+投研”双轮驱动战略，以自研九章证券领域大模型为技术底座，构建覆盖用户投资全生命周期的智能投顾服务体系，并借助AI技术持续降低专业投研服务的获取门槛，推动证券投顾行业向普惠化发展。在AI技术应用方面，公司实现了全周期覆盖、个性化记忆、主动智能服务三大突破；随着九方智投AI股票机、九方智投AI灵犀等产品相继落地，公司产品体系进一步向特色化、品牌化升级。截至9月底，九方AI灵犀系列产品已服务百万级用户，累计服务次数突破2958.77万次，正在重新定义证券投顾行业的服务标准。
元保聚焦普惠型健康险，自建覆盖投保到理赔全流程的服务引擎，构建5100余个模型、可对超过5900个特征进行分析，落地产品推荐、智能助赔、智能客服等场景，持续摊薄运营成本，形成突出的运营效率。服务规模稳居行业第一梯队，助力普惠保障触达更多人群，实现用户 “买得起、买得到、赔得满意”，成为大众普惠保障的重要通道。
HashKey代表金融科技的另一条主线：数字资产。2025年12月在香港联交所主板挂牌，成为亚洲数字资产领域在港公开发行的第一股。公司紧抓数字资产向在岸化、链上化、机构化转型的结构性机遇，布局交易、链上服务、资管、RWA代币化四大业务板块，依托多法域合规牌照，搭建传统金融与链上金融互通的基础设施。坚持合规优先的发展路线，在行业交易活跃度显著下降的环境下，上半年收入仍同比增长20.6%，并率先加入DTCC数字资产咨询工作组。合规先行，是它参与定义行业规则的方式，深度参与重塑行业范式，成为亚洲数字金融的标杆样本。
医疗健康：升级发生在支付、诊断与制造的交汇处
医疗产业的升级，不只在实验室，也在支付体系、诊断网络与制造能力的交汇处。
镁信健康是国内规模领先的医药多元支付平台，以数据与AI为核心底座，连接创新药商业化、医疗支付与患者服务三大板块。面向创新药商业化落地惠及患者，保险保障从资金支付走向专业医药健康服务的实际需求，公司持续建设覆盖数据洞察、准入与多元支付、服务履约的全链条产业能力，推动创新药更可及、医疗保障更有实效。依托成熟的服务体系与AI商业化基建，平台现已合作药企超140家、保险公司超100家，累计覆盖保单超4亿件，平台GPV达502亿元，累计服务患者超200万，为患者节省医疗支出超83亿元，持续破解创新药的支付与可及性难题，在医药支付赛道具备长期成长潜力。
一脉阳光是中国第三方医学影像服务龙头、医学影像数智服务第一股，采用“影像中心 + 赋能解决方案 + 数智服务”一体化模式，以场景、数据、AI构建业务核心。公司重资产投入期已过，中心网络进入成熟运营期。医学影像是AI医疗最深度的数据入口，公司兼具全国性服务网络、临床级影像数据资产与AI技术平台三重稀缺性，数智化转型正在打开估值重估空间。
扬子江药业是稳居中国医药工业百强前十的民营药企龙头，以中药现代化与创新药业务双轮驱动发展。依托规模化生产能力与广泛渠道布局，公司拥有稳健的经营现金流，研发投入力度持续加码，在中药大品种打造、仿制药一致性评价领域形成规模化与质量管理体系优势。作为民营药企里少数同时兼具规模、产品质量与充沛现金流的企业，是国内医药制造板块稳健经营的标杆范本。
服务与环保：存量时代，增长来自边界的重定义
当流量红利退潮，服务业的增长逻辑从"获客"转向"效率"与"边界"。上榜的每一家公司，都在重新定义自己的生意。
宝尊电商是中国品牌电商服务行业的先行者与数字商业赋能者。经过三年战略转型，公司把发展重心从规模扩张转向增长质量与价值创造，将2028年非GAAP经营利润目标上调至至少7亿元，并宣布1000万美元回购计划——它验证的是技术、数据与运营经验叠加AI之后，电商服务行业向更高效率、更具可扩展性经营模式升级的路径。
虎牙从头部游戏直播平台向综合游戏生态服务提供商转型，2026年第二季度营收17.4亿元，连续六个季度同比增长，毛利率抬升，经营质效持续改善。公司扩大股票回购额度至1亿美元，彰显对长期发展的信心；游戏相关服务、广告和其他收入占比持续提升，以《鹅鸭杀》跑通“内容营销引领渠道”的发行模式。AI能力覆盖游戏工具、IP陪伴与AI直播场景，自研实时多模态数字人VAM有望优化内容生产成本结构、放大供给规模。依托成熟内容生态与稳健财务基本面，为公司带来长期增长与价值重估空间。
儒意电影是国内影视文娱行业领军企业，覆盖文娱全产业链，手握710余家直营影城、过亿会员，连续17年稳居全国票房市占首位，单银幕产出显著高于行业均值，具备强劲IP开发与发行实力。公司依托“超级娱乐空间2.0”战略重构影院商业模式，围绕“超级场景+超级IP”探索“电影+”新业态，搭建星级影城评级体系，以C2B2C内容运营模式创新多元经营，凭借“拼好片”落地影片、剧集、赛事等多品类长线放映。它不只是电影赛道的领跑者，更是影院商业价值边界的重塑者。
腾讯音乐是国内最大的在线音乐娱乐平台。公司手握华语市场最完整的音乐版权库与成熟艺人服务体系，在线音乐订阅收入与付费率稳步抬升，社交娱乐业务逐步企稳，毛利率、经营利润率处于历史较好区间，现金流充沛并持续实施回购。依托版权壁垒与订阅制带来的稳定现金流，叠加长音频、线下演出不断拓宽变现渠道，成为传媒板块内少数拥有稳定提价能力的优质资产。
同程旅行依托小程序赛道深耕下沉市场，搭建起差异化用户基本盘，是大众旅游线上化浪潮的核心受益者。截至2026年二季度末，平台年付费用户达到2.54亿，年累计服务20.4亿人次，用户体量与服务能力持续增长。作为低线城市旅游消费升级的确定性标的，公司实现规模扩张与利润率同步改善。
光大环境是全球规模最大的垃圾发电企业，年垃圾处理量接近2900万吨，手握91项核心授权发明专利。2025年营收有所回落，但归母净利润同比提升，毛利率改善、资产负债率下降，自由现金流已于2024年转正，现金流转化能力突出。依托持续改善的自由现金流与超5%的股息率，它是环保板块具备确定性溢价的标的。
规则先于周期被定价
30家公司，把它们放在一起看，会发现一个共同点：它们的领先，很少来自对风口的追逐，而来自在某个具体问题上扎得
7个月融4亿美刀背后，站着代季峰8人团
一家清华背景公司，成立 7 个月，三轮融资总额 4 亿美元，投后估值 14.2 亿美元。
创下如此记录之时，官网上却只有一句英文标语，竟然一张团队合影、一份产品介绍都没有。
这个创业团队没有接受过任何采访，低调到令人发指。这家公司叫 Naive AI，工商注册名是北京智衍慧生科技有限公司。搜索引擎搜公司名，只能搜到其创始人是清华大学电子工程系副教授代季峰。左林右狸频道这就为大家扒一扒，这家公司背后的代季峰8人团是怎么聚到一起的。
01 不是师徒，是同道中人
这里面绑定最深的肯定是朱锡洲。
看过我们前文我所知道的代季峰：从微软亚研7万次引用，到盛大3亿美金风暴的邻里肯定都有印象，代季峰这个人的起点，比大多数人想象的还要高。2014 年，代季峰博士毕业，进了微软亚洲研究院，业内叫 MSRA，绰号中国 AI 的黄埔军校。微软亚研首任创始院长是《时代周刊》全球百大李开复，二代目是有史以来最年轻的IEEE Fellow张亚勤，三代目是微软前全球执行副总裁、美国国家工程院外籍院士沈向洋，汤晓鸥、何恺明，半个中国 AI 产业的领军人物，都从北京知春路那栋希格玛大厦里走出来。代季峰进的视觉组，组长是孙剑。孙剑是 ResNet 的四位作者之一，残差网络把深度学习从十几层推进到上百层，后来回西安交大兼职做了人工智能学院院长，2022 年早逝，是这行公认的天才。代季峰进去的时机，正好赶上 MSRA 视觉组最高光的一年。2015 年，孙剑带队，用 152 层的深层残差网络，一口气拿下了 ImageNet 竞赛图像分类、定位、检测三项冠军，错误率压到 3.57%，第一次把机器的识别能力打过了人类 5.1% 的水平线。同年，MS COCO 物体检测竞赛第一届开赛，这是全球计算机视觉最权威的擂台，Facebook、谷歌、微软全都在场。冠军还是 MSRA。
代季峰而代季峰凭 DCN 家族在 2015、2016 连续两年拿下 MS COCO 一等奖，2016 年的 R-FCN 由他当一作，合作者是何恺明、孙剑。换句话说，代季峰进 MSRA 的第一年，就站在了世界之巅的一群人中间。代季峰自己也没闲着，很快就打出了自己的成名作，可变形卷积。那个时候，全世界做目标检测的人，都默认卷积核必须是方方正正的。代季峰偏要问一句，为什么不能根据目标的形状变长、变歪。科研就是这样，有时候提出问题，比解决问题更重要。他重塑了目标检测的底层逻辑，让可变形卷积成了后来 PyTorch 框架里的标准算子。就凭这一手，他在 MSRA 站稳了脚跟，也才有了后来带学生的资格。就是在这样的组里，代季峰认识了朱锡洲。朱锡洲是中科大与微软亚洲研究院的联合培养博士，这个项目只挑高校里最顶尖的博士生，放进 MSRA 由研究员手把手带。朱锡洲的 MSRA 导师就是代季峰。左林右狸频道此前一直以为，这对搭档的交集始于商汤。查了论文才发现，他们早在 2017 年就绑定了。那年朱锡洲以第一作者身份，和代季峰合发了一篇叫 Deep Feature Flow 的论文中了 CVPR。这篇论文在解决什么，值得展开说。那几年深度学习在图片上已经很能打了，但一遇到视频就抓瞎。视频有几十上百帧，逐帧跑一遍深度网络，慢到根本没法用，自动驾驶这种要实时反应的场景，更是想都别想。朱锡洲他们想了个办法，别每一帧都算，只在几个关键帧上跑昂贵的卷积，中间那些帧，用光流把特征“搬运”过去就行。
朱锡洲因为相邻两帧的画面变化很小，特征也长得差不多，搬过去误差不大。这一搬，速度直接翻了五倍，用更轻的光流网络，能快到十倍。准确率几乎不掉，Cityscapes 语义分割的分数只从 71.1% 降到 69.2%。这是业内第一次把光流和视频识别端到端联合训练，直接让视频识别从“实验室里的慢功夫”变成了“能上路的真本事”。那一年 ChatGPT 还没影，哪怕是 OpenAI 押注多模态也是2020年之后的事了，大模型这个词和现在的说法都不是一个意思。两个人在研究的，是视频识别这种最硬核的问题。朱锡洲后来一路当一作常客，靠的就是代季峰那套不手把手喂答案、逼学生自己想“为什么”的训练。从后来两个人的表达来看，这层关系不仅是师徒，更说明他们本来就是一路人。都信“简单有效”这四个字，都愿意在没人看好的硬问题上死磕。
02 512 张显卡上的 90 秒
2019 年，代季峰离开 MSRA，跳槽去商汤，朱锡洲跟着去了。在商汤，这对师徒打出了他们最重要的一篇论文，Deformable DETR。谷歌学术引用 1.2 万次，是代季峰团队被引用最多的成果，没有之一。可变形卷积和 Transformer 在检测任务上的融合，从此成了工业界的标准操作，朱锡洲是第一作者。这篇论文之后，工业界的检测模型基本都绕不开这一套。而在商汤，代季峰还碰到了一个跟他完全不一样的人，孙鹏。孙鹏是新加坡南洋理工的博士，在商汤干的是 AI Infra，说白了就是给大模型训练搭底座的。熟悉infra的人都知道，这个岗位本身在公司里，是很难有存在感的。2019 年，大模型的军备竞赛刚开打，各家都在拼谁能把模型训练得更快。当时训练 ImageNet 的世界纪录，是腾讯和香港浸会大学创下的，4 分钟。孙鹏带着团队，把这个数字砍到了 1.5 分钟。他们用 512 张英伟达 Tesla V100 显卡，搞了一套叫 GradientFlow 的通信后端，把 ImageNet 上 AlexNet 的 95 个 epoch 训练，压进 90 秒。换算一下，就是 1 秒一个 epoch。512 张卡上做到 410 倍的加速比，而当时主流的开源系统，在 64 张卡上只能做到 2.5 倍。这事惊动了外媒，The Register 专门写了篇报道，标题就叫“训练这个图像识别网络的时间，比泡一杯茶还短”。孙鹏的能力一下子显露出来，算法团队在前面出成果，他在后面保证这些成果能在大规模集群上稳稳地跑起来。这类工程能力论文引用不高，但大模型训练至关重要，根本离不开。商汤三年，会做算法的朱锡洲，会搞算力的孙鹏，都围在了代季峰身边。如果倒着来看，代季峰创业公司需要的人，在这里先齐了两个。
03 从自动驾驶感知到交互式世界模型
商汤还有一条线，自动驾驶。代季峰在这条线上，认识了陈韫韬，陈韫韬是中科院自动化所的博士，在图森未来、辉羲智能都做过自动驾驶感知，是这个圈子里的老兵。雷峰网之前写过图森前世今生，感兴趣的可以出门右转去雷峰网再看下。
陈韫韬陈韫韬后来做的一件事，值得单拎出来说。2024 年，陈韫韬作为通讯作者，推出了一个叫 DrivingDojo 的数据集。要理解这个数据集的分量，得先说一个正在发生的技术转向。Sora 火了之后，整个行业突然意识到，视频生成模型本质上是在模拟世界的物理规律。于是“世界模型”成了通往通用人工智能的热门赛道，自动驾驶更是把世界模型当成下一代的仿真器。但问题来了，训练世界模型，得有数据。以前那些自动驾驶数据集，nuScenes、Waymo，都是奔着“感知”去的，车在路上乖乖开，几乎没有车跟车打架、动物突然窜出来的场景。没有交互数据，世界模型就学不会真实世界的复杂动态。陈韫韬他们搞的 DrivingDojo，是全球第一个专门为“交互式世界模型”设计的数据集，1.8 万个视频，被 NeurIPS 2024 的 Dataset 赛道收录。里面有变道、急刹、并线、会车，也有突然窜出的动物、掉下来的水桶、路上的羊群。用一句话说，别人给世界模型的是“乖乖开车的录像”，陈韫韬给的是“真实的、会出事的马路”。这就是陈韫韬，一个让汽车先在脑子里把危险场景开一遍，再上路的人。顺带说一句，代季峰这条自动驾驶线，巅峰是 2023 年的 UniAD。这篇论文拿了 CVPR 最佳论文奖，是近四十年来，第一次有署名全部来自中国学术机构的论文，拿下这个奖。代季峰、朱锡洲、王文海，都在作者名单上。也就是说，这支队伍在自动驾驶上，也摸到过全球最顶的那一下。2022 年，代季峰离开商汤，回清华做副教授，同时进了上海人工智能实验室。这个实验室还有个名字，浦江实验室，2021 年成立的国家队，创始人是汤晓鸥。代季峰在浦江实验室工作的时候，王文海也在，他是最早一批去浦江实验室的研究员。InternVL，中文名书生·万象，就是这里出来的开源多模态大模型，号称开源界的 GPT-4V。代季峰身边的人，也在这里一下子多了起来。
王文海先说王文海，王文海是 InternImage 的一作，这篇论文拿了 CVPR 2023 Highlight 论文，在 COCO 上刷出了 65.4 的新纪录。（CVPR 2023 最佳论文是另一篇 UniAD，王文海、代季峰、朱锡洲恰好都是它的作者。）王文海手里 43 篇顶刊顶会论文，19 篇是一作或共一，引用 6.4 万次，是除代以外，引用里最高的。再说陈喆，陈喆是 InternVL 的一作，一个在读博士，负责了 InternViT-6B 视觉底座从零开始的预训练。这篇 InternVL 中了 CVPR 2024 Oral，拿了 2025 世界人工智能大会的青年优秀论文奖。左林右狸频道要特别说说这俩人的关系。王文海和陈喆，都是南京大学路通教授的博士生，是同门师兄弟。王文海本科读的是南京理工，陈喆本科读的是浙江科技学院，两个人都不是清北出身，是一路从普通学校杀进路通门下的。
陈喆他们不只是同门，还是老队友。早在上 InternVL 之前，两人就一起组队打过竞赛、拿过冠军，陈喆在 NAIC 遥感分割竞赛上赢的那次，奖金有 100 万。到了上海 AI Lab，两个人在 InternVL 上重逢，陈喆排一作，王文海排第三。一间实验室走出来的师兄弟，把一个开源模型做到了能跟 GPT-4V 掰手腕的水平。InternVL 背后的技术哲学，左林右狸频道也顺带提一句。上海 AI Lab 给它定的调子是，用更少的算力，做出接近闭源商业模型的水平。他们搞了一套“渐进式对齐”的训练策略，先拿小模型在海量数据上粗训，再拿大模型在精选数据上精调。据说只需要传统方法两成的算力，就能达到同等效果。这个“省算力”的执念，后来成了 Naive AI“不预训练、押后训练”思路的预演。
04 代季峰的博士后
王文海和陈喆之外，代季峰在上海 AI Lab 还带了个博士后，罗根。
罗根罗根的博士在厦门大学读的，师从纪荣嵘，那是厦大的人工智能研究院负责人、国家杰青。在厦大，罗根就负责过“思源”大模型，是科技部 2030 重大项目的成果。到了上海 AI Lab，罗根继续做书生·万象系列，还入选了博士后创新人才支持计划，业内叫博新计划，含金量不低。罗根做的 Mono-InternVL，解决的是原生多模态模型“灾难性遗忘”的老大难问题，部署时首字延迟最高能砍掉 67%。在 InternVL 3.5 这篇论文里，技术负责人那一栏，写的是王文海和罗根。一个博士后，能跟团队里引用量最高的王文海并列技术负责人，本身就说明了他在这个项目里的分量。InternVL 团队里，还有一个最年轻的。
王玮赟王玮赟，1999 年出生，哈尔滨工业大学本科，复旦博士还没读完。王玮赟的身份，左林右狸频道查了又查，最后在蔻享学术的一份讲者简介里找到了答案。他是复旦大学与上海 AI Lab 的联培博士，导师是代季峰和乔宇两个人。换句话说，王玮赟也是代季峰的学生。这个 1999 年生的小伙子，是 InternVL 3.5 的一作。他主导的 InternVL-Chat，在 HuggingFace 上的下载量破了 1000 万。InternVL 3.5 在他手里，MMMU 基准上拿了 77.7 分，是当时开源多模态模型里的最高分，把一票闭源商业模型都甩在了后面。一个还没毕业的博士生，把自己参与做的模型，下载量做到了千万级，还顺带刷出了开源第一的成绩。到这一步，代季峰门下的学生，已经有三个了。联培博士朱锡洲，博士后罗根，联培博士王玮赟。
05 陈天桥的算力，与一场 5 个月的蜜月
大模型的风口，最终把这支队伍卷进了资本的中心。陈天桥，盛大集团创始人，中国互联网最早的一代富豪，31 岁登顶过中国首富，后来隐退去做脑科学。陈天桥经人介绍认识了 DeepSeek 创始人梁文锋，萌生了做通用人工智能的念头，找到了代季峰。MiroMind 就这么成立了，公司名源自佛经里的“大圆镜智”，总部在新加坡，钱全来自陈天桥个人和家庭。陈天桥要代季峰的技术，代季峰要陈天桥的算力和耐心，一开始也两厢情愿，蜜月期是辉煌的。MiroMind 推出的 ODR 深度研究模型，在 GAIA 基准上拿了 82.4 分，一度超过 OpenAI 的 Deep Research。后来的 MiroThinker，提出“交互式缩放”，256K 的上下文能支撑 600 次工具调用。而 MiroThinker 的论文作者列表，是左林右狸频道最想给邻里看的东西。代季峰、朱锡洲、陈韫韬、陈喆、孙鹏，5个人，整整齐齐，第一次在一篇论文里同框。这几乎就是 Naive AI 的大部分班底了。蜜月只维持了几个月。2026 年 1 月，代季峰卸任技术顾问，退出工作群，双方隔空交火。这些撕扯左林右狸频道上一篇文章写过，这里不重复。真正值得说的是结果，双方虽然分手，但代季峰想做的事并没有停下。2026 年 2 月，Naive AI 成立。现在可以回答开头那个问题了，这家公司到底在干什么。它做的是 Agentic AI 和持续学习，说得再直白点，就是让 AI 变成能自己动手干活的智能体。技术路线上，Naive AI 不预训练，不从头烧算力做基础大模型。它拿一个现成的开源模型当底座，在上面做改结构、中期训练、强化学习，业内管这叫后训练。这套打法的底气，全在这支队伍身上。投资人愿意在公司成立第一天就砸下真金白银，看中的不是某一个天才，而是一支不需要磨合期的队伍。从 2017 年朱锡洲和代季峰合发第一篇论文算起，这些人已经合作了快十年。信任和默契，早就被一篇篇论文署名提前磨好了。最耐人寻味的，是王玮赟。王玮赟是唯一一个没出现在 MiroThinker 论文里的人，没跟着大部队去 MiroMind，而是留在上海 AI Lab 继续做 InternVL。等到代季峰拉起 Naive AI，他直接从 InternVL 那条线加入了。可能有人要问了，