筛选标签：字节跳动 · 返回个性化推荐 · 清空筛选

小众软件发现频道全量开放 .md 格式内容，可让 AI Agent 直接访问

小众软件

对于嫌弃论坛访问慢的同学，可以使用 x.appinn.com 直达发现频道。

小众软件论坛的发现频道（faxian.appinn.com）主要收集由开发者/用户提交的各类软件、应用、AI 产品。目前已经放开了 .md 格式内容，非常方便 AI Agent 访问：

https://meta.appinn.net/c/faxian/10.md

只需要在发现频道 URL 的结尾，添加 .md 即可：

小众软件发现频道全量开放 .md 格式内容，可让 AI Agent 直接访问 7

如果带上请求头 Accept: text/markdown，也可以不改变 URL：

curl -L -H "Accept: text/markdown" https://meta.appinn.net/t/93080

小众软件发现频道全量开放 .md 格式内容，可让 AI Agent 直接访问 8

能够获取完整的单篇内容，包括分类、标签、发布时间，以及全部评论。

流量能节省多少？

一个好消息：使用 md 能过极大的节省流量，带宽。以上面这个例子为例，普通网页（第一次打开）需要下载 4.8MB 的文件：

小众软件发现频道全量开放 .md 格式内容，可让 AI Agent 直接访问 9

而如果是 .md，浏览器显示只需要 7 次请求，已传输 464 kB，471 kB 条资源，完成： 1.47 秒，DOMContentLoaded： 790 ms，加载： 1.01 秒。

但使用 curl 测得 Markdown 的 Gzip 响应体只有 4,654 字节（约 4.5 KiB）。

差了 1000 倍，理论上一次人类访问，可以让 AI 访问 1000 次。

当然 .md 不太适合人类直接阅读，还是交给 AI 的好。

原文：https://www.appinn.com/appinn-faxian-channel-markdown-ai-agent/

超级App的根基，藏在流量闭环之中

手机AI Agent的算力焦虑曾是行业两年多来的核心叙事，而它消散的速度超出了不少人的预期。

短短两年时间，端侧大模型参数规模实现了从数十亿到上百亿的跨越，旗舰芯片NPU算力密度实现大幅提升；内存带宽瓶颈、量化压缩算法、端侧推理框架等底层工程难题，在芯片厂商与手机厂商的联合攻坚下持续取得进展。

如今不少旗舰机型已经能够在本地承载语音交互、意图理解、图像识别这类基础AI能力，多模态模型对手机屏幕的感知也不再局限于识别按钮坐标，开始具备解析页面浅层语义的能力。

技术迭代的脚步仍在加速，但一个此前长期被行业低估的核心矛盾正迅速浮出水面：当AI初步具备看懂屏幕、模拟点击、跨应用拆解执行指令的能力时，决定手机AI Agent边界的早已不再是技术上限，而是应用生态的准入红线。

算力定义了AI Agent的能力天花板，而生态规则划定了它的实际活动边界。

二者的难度完全不在一个维度：算力瓶颈依托资本投入与技术迭代，存在持续改善的空间；但生态秩序的重构，撬动的是移动互联网沉淀十余年的商业利益底盘。

要读懂这批App集体关闭权限背后的动因，需要回到移动互联网运行十余年的核心商业模型：流量闭环。

过去十余年，移动互联网平台的价值链条始终围绕这套闭环体系运转：平台以内容、社交关系、商品供给、本地服务为锚点，将用户时长与注意力沉淀在自有App生态内，再通过信息流广告、搜索竞价、交易佣金、会员订阅等方式完成价值变现。

用户在App内的每一次浏览、点击、比价、下单都是流量价值的载体；广告主为曝光付费，商家为流量付费，用户为服务付费，平台则在每一层价值交换中抽取收益。

这套流量闭环之所以足够稳固，核心不在于技术壁垒，而在于它是一套被反复验证和自洽的商业模型。

搜索广告按点击结算，信息流广告以停留时长等指标衡量价值，电商平台按成交额抽佣，本地生活按到店核销分成——所有变现环节成立的前提，都是用户在App内完成完整交互链路。

平台对用户交互路径的控制权，本质上是其商业定价权的根基。谁掌握了用户的浏览路径、决策过程与交易入口，就拥有整条价值链的分配主导权。

技术可以被追赶，产品功能可以被模仿，但十余年用户习惯沉淀下来的流量分配权，构成了移动互联网的商业底盘。任何试图动摇用户在App内完成全链路动作这一前提的技术，都有可能冲击整条价值链的根基。

SAEP 协议的出现，是手机厂商针对这一商业现实搭建的协商机制。

它不再由手机厂商单方面决定屏幕读取与自动化权限，而是建立了一套事前声明机制：把是否允许AI助手对自身应用执行屏幕自动化操作的决定权交还给开发者。开发者可自主划定权限边界、设置操作限制，即便公示期结束，也能随时提交拒绝声明。

这套机制的设计思路类似PC互联网的robots.txt，由开发者自主划定可访问边界，再探讨合作可能性。但SAEP机制能够落地生效的前提，是开发者愿意配合。

从首批公示的结果来看，头部平台的配合度远低于行业预期。这场集体拒绝的背后，远非单纯针对某一手机厂商：不同赛道的超级App，都立足自身商业底盘，权衡开放权限的成本与风险，各有商业考量，拒绝都有对应的现实理由。

决策入口位移，平台面临前台到后端的角色变局

App顾虑的核心并非不信任AI技术本身，而是开放权限带来的商业损失缺少补偿机制。

社交与游戏平台的核心诉求是守住用户时长与沉浸式交互，而AI代操作降低了用户主动打开、浏览、交互应用的意愿，信息流广告赖以生存的用户时长，存在被分流的风险。对于依靠用户时长与广告变现的社交、游戏体系而言，这可能冲击其商业基本盘。

电商与本地生活平台的重点，在于守护交易链路与流量分配权。若AI代理深度介入，跨平台比价和自动下单有望成为一种潜在趋势，平台精心设计的搜索排序、广告展位、店铺流量分配机制，有可能在AI执行链路中被绕开。

倘若失去对用户决策路径的掌控，平台广告与佣金收入的根基便存在动摇的风险。

大模型厂商的顾虑，本质是同类产品之间的相互设防。AI产品天然存在直接竞争，若允许竞品智能体在自家应用内自动操作，用户行为、对话数据存在被对手间接采集的可能，产品能力边界也有被探测的风险。

在数据是核心资产的大模型赛道，这类开放行为近似于向竞争对手暴露自身底牌。

金融类App的顾虑，源于风控与合规层面的硬性约束。屏幕自动化场景下，交易责任划分、异常交易识别、对应的监管细则，目前仍缺少清晰标准。对金融机构而言，资金安全与合规优先级远高于体验效率提升，在相关规则明确前，关闭权限是风险最低的选择。

不难看出，拒绝开放的根源不在于AI技术本身不可靠，而是平台预判开放后核心利益可能受损，且缺少对应的补偿机制。社交平台担忧时长流失，电商担心交易链路被绕过，大模型厂商忌惮数据泄露，金融机构首要防范安全风险。

GUI自动化AI Agent对现有生态的真正冲击，不在于AI代为点击屏幕，而在于它可能从底层促成用户决策入口的迁移。

GUI自动化所描绘的理想场景是：用户给出一句自然语言指令，AI跨应用完成比价、下单、预约、查询等一整套任务流程。用户无需逐个打开App，也不会浏览首页推荐内容，原生广告或将失去触达机会，平台苦心搭建的搜索流量分配机制，在AI执行链路中可能被弱化。

对平台而言，这意味着角色变迁：从直接承接用户的业务前台，转变为被AI调用的后台服务。前台掌握流量、广告位与定价权，转为后台之后，只能被动响应调用请求，收益如何兑现是不少平台需要直面的难题。

更值得警惕的是，一旦形成这类用户习惯，后续扭转的成本会显著抬升。

平台的选择逻辑由此变得清晰：与其等待AI智能体逐步分流用户决策环节，不如提前划定边界。拒绝GUI自动化并非抵触技术进步，而是守住自身最核心资产——用户交互的主导权。

算力拥有持续优化升级的空间，但超级App历经十余年沉淀的用户习惯、流量分配权与交易链路，不会随技术迭代自动重构。

甚至会形成反向博弈：Agent能力越强、渗透场景越深，平台的戒备心理越强，生态壁垒或将持续加固。

AI Agent下半场：技术竞赛落幕，利益博弈登场

曾经被行业寄予厚望的全能Agent叙事，正在生态现实面前被不断修正。

第一条路线便是GUI屏幕自动化，也就是SAEP协议对应的方案。它的优势很直观，无需 App单独开发接口，落地门槛低，理论上可覆盖大量应用场景。

但其短板同样突出，这套能力高度依赖应用方的配合意愿，平台一纸声明即可切断功能；页面改版就可能造成识别失效，安全审计、权责划分等一系列问题至今没有定论。

这条路线更适配愿意开放权限的长尾应用，很难成为打通头部超级App的通用解法。

第二条路线为原生API协作模式：AI助手依托标准化接口调用平台服务。该方案交互稳定、权限可控、权责清晰，平台可自主选择开放能力范围，自主设计分润规则。

代价则是推进节奏缓慢，需要逐一对接商务、敲定接口规范、协商收益分成。而多数头部平台本身已有AI业务布局，未必愿意向外部AI助手开放核心接口。

行业更有可能走向中间形态：部分持开放态度的应用开放原生接口，AI在安全稳定场景中承接高价值任务；面对拒绝开放的头部超级App，AI仅能识别任务卡点，提示用户手动介入，完成跳转后不再自动执行后续动作。

一句话搞定全部事务的全能Agent叙事，其适用边界或将被生态现实持续压缩。手机厂商此前常以跨应用全链路操作描绘产品愿景，SAEP事件之后，这套叙事需要重新校准：阻碍并非来自技术能力，而是生态层面的约束。

手机AI Agent若要深度介入用户全链路操作，离不开三方核心主体：用户追求使用效率，AI厂商希望拓展能力边界、挖掘商业价值，平台则要守住流量与交易的主导权。三方诉求天然存在张力，现有的协议框架仅搭建起基础规则却没能解决最核心的利益分配难题。

平台开放权限本质是出让部分用户决策主导权，倘若没有对等的分润、流量置换或是价值共享机制，这种权限让渡便缺少商业层面的合理性。

拉长时间维度来看，手机AI Agent下半场的竞争重心或将不再是模型参数、算力这类技术指标，而是能否在既有的流量闭环体系内找到多方可接受的协作方案。

技术可以打造读懂屏幕和执行指令的智能体，但想要让它在真实移动生态里稳定为用户处理事务，本质是一道商业命题：平台打开这扇权限之门，能够收获什么？

算力竞赛仍会持续，但决定手机AI Agent最终发展上限的早已不是算力本身。

移动互联网筑起的从来不是技术围墙，而是商业围墙。只要围墙背后的收益分配问题缺少解决方案，再强大的算力也难以穿透超级App的流量闭环。

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

2026-11-02 02:27:04 · 大模型,算力芯片,AI应用,具身智能,政策监管,字节跳动,阿里巴巴,腾讯,DeepSeek,月之暗面,快手,语音音频,对话助手,多模态,Agent智能体,推理思考,搜索RAG,设计创意,金融,游戏,扩散模型,微调蒸馏,端侧AI,零售电商,营销广告,模型发布,产品更新,合作,财报,开发者生态

[程序员] 压缩的尽头是自指？从 LZMA2、PAQ8PX 到 zstd/ZIP/RAR Quine，我折腾了一遍“自包含压缩包”

V2EX

最近把之前关于压缩的各种折腾整理成了一篇长文，发在博客上，想搬来论坛和大家聊聊。

一开始只是想给博客离线包找更强的压缩算法：7-Zip 的 LZMA2 已经很能打，但我不信邪，又试了 ZPAQ 、PAQ8PX 、NNCP 、cmix 。结果挺有意思：

ZPAQ：一分钟左右把 16MiB 压到约 3.5MiB ，老算法但速度和压缩比还挺平衡；
PAQ8PX：压到约 3.1MiB ，本次冠军，但花了一个半小时、吃了 30GiB 内存，解压同样痛苦；
NNCP：FFmpeg 作者 Fabrice Bellard 的 Transformer 压缩算法，RTX 4090 上跑了一个半小时，结果 4.1MiB ，还没 LZMA2 高；
cmix：测试时压到一半崩溃，内存和耗时也很夸张。

结论大概是：追求极限压缩比，PAQ8PX 很强；日常使用，LZMA2 的 7-Zip 依然是最稳的选择；想在小文件上再挤一点，ZPAQ 可以试试。

更有意思的是后半篇：继续折腾“自包含压缩包 / Quine 压缩包”——也就是压缩包里包含一份和自身字节完全相同的副本。之前做过 7z Quine ，这次又让 AI 研究了：

zstd Quine：利用可跳过帧、RAW block 和 XXH64 校验值构造，最终做成 .tar.zst，Windows 资源管理器也能直接打开；文章里附了完整生成代码；
ZIP Quine：利用成员数据重叠绕过窗口限制，7-Zip 和 libarchive 能正常解压，但 Python zipfile 会因为检查压缩数据越过后续局部头而报错，算是一点兼容性代价；文章里也附了生成器；
RAR Quine：原理上也能做，AI 也生成出来了，但因为 RAR 不是开源软件，文章里只放了生成后的样例供研究。

文章里还有一段让我挺感慨的：这些代码我基本看不懂，但 AI 就是能把问题解决。复杂格式、校验值构造、兼容性坑，全都硬啃下来了。于是最后也忍不住写了点关于 AI 和“记录还有没有意义”的感想。

原文在这里：《关于压缩的各种探索》

感兴趣的朋友可以聊聊：

你用过最离谱但确实有效的压缩算法是什么？
极限压缩比和可用性之间，你会怎么选？
对这种“压缩包包含自身”的 Quine 玩法，有没有其他格式可以继续挑战？
AI 生成这种复杂但能跑的代码，你觉得是解放生产力，还是让人越来越看不懂基础设施？

欢迎拍砖、补充算法和格式，也欢迎试试文中的 zstd/ZIP 生成器～

2026-10-31 16:32:02 · 开源,政策监管,字节跳动,Transformer,招聘HR,基础设施

[程序员] 我在 2 核 2G 云主机上跑 OpenViking：一次关于云主机、模型选型与长期成本的真实复盘

V2EX

最近把自己的 AI Coding Agent 记忆底座迁移到了自建的 OpenViking 上（ OpenViking 真的满足我所有的要求：即是各种 Agent 的统一大脑自进化、又是知识库，检索的时候是两方面综合起来的）。RAG 相关的东西看着挺吓人，动辄推荐高配服务器和本地显存，实际上用下来，只要选型想清楚，一台几十块钱的入门级云服务器完全能跑得飞起。

这篇不是教你怎么敲命令的安装教程，只是聊聊折腾这一圈下来，在云主机、模型组合、算力开销上的一些真实心得和踩坑取舍。

1. 云主机：为什么我选 99 元的 2G ，不选友商更便宜的 4G ？

买云服务器时，第一眼很容易被一些友商“几十块钱买 4G 甚至 8G”的新客促销吸引。但我最终还是选了阿里云 99 元/年的 2 核 2G （ ecs.e-c1m1.large ）。

核心原因就一个：算长期的续费账，避开“首年低价、次年暴涨”的套路。

如果只是搭个无状态的个人博客，一年一换、到处搬家无所谓。但 OpenViking 是你的记忆数据库，里面存的是日常所有的会话轨迹、沉淀的项目架构、实体图谱和向量索引，是强状态资产。很多友商首年 60 块，第二年续费直接跳到 600 、800 甚至上千，一年后为了省钱被迫停机、跨云拷贝几千兆数据、重新配安全组和域名解析，折腾成本远超那点差价。

阿里云这款活动最大的诚意，是保证来年依然可以 99 元无套路同价续费。

2G 内存虽然紧凑，但只要做好 Swap 兜底，限制好容器内存，并把计算全都甩给外部 API ，机器本地只做存储检索，日常内存占用常态也就几百兆。拿稍微调优一下系统为代价，换一个每年只要 99 块、不用频繁搬家的稳定记忆底盘，这笔账怎么算都更划算。

2. 向量模型（ Embedding ）：花钱的大头，必须一步到位

整套系统跑起来，持续花钱的大头其实就是向量模型。但我从一开始就放弃了“白嫖免费模型”的想法，坚定选择花钱买商业服务，并且要“一步到位”。

为什么必须一步到位？

VLM 、意图分析、重排模型这些都是即时推理，今天觉得不好用，改一行配置重启一下直接就换了。但向量模型决定了数据库底层的空间几何特征。一旦以后你想换向量模型，哪怕输出维度一模一样，之前的向量也全都废了，必须全库全量重建索引（ Re-index ）。随着记忆越积越多，二次重构的代价和停机风险极高，所以向量模型选型必须一开始就选最好的。

为什么放弃 SiliconFlow 免费的 BGE-M3 ？

很多教程推荐用硅基流动上免费的 BGE-M3 。我们在实际做向量召回测试时发现，它的召回质量被新一代模型拉开了非常明显的代际差距。BGE-M3 是 2024 年 1 月的模型，底子太老，而且是个纯文本模型，图片只能当附件存，根本建不了索引，做不到“以文搜图”。

更关键的是，公用免费池已经被羊毛党挤烂了。我们在测试免费模型做路由时频繁遇到丢包、高延迟、无响应。作为核心基础设施的底座，把身家性命系在免费公共池上，纯属给自己找麻烦。

为什么选火山方舟的豆包 Vision （ 0.7 元），没选阿里千问？

最终我用的是火山方舟的 doubao-embedding-vision-251215，官方定价是推理输入 0.7 元 / 百万 tokens。

其实阿里百炼也有一款多模态向量模型（qwen3-vl-embedding），价格一模一样也是 0.7 元，但两者有个致命差距：

阿里千问的上下文窗口只有 32K；
火山豆包的上下文窗口高达 128K。

对于 Agent 场景，经常要塞入长篇开发规范、长上下文代码切片或者多张高清截图，128K 带来了整整 4 倍的安全容限，彻底不用担心超长切片溢出。加上 OpenViking 本身就是字节火山引擎开源的，原生 Provider 兼容最稳，同价位下显然选 128K 的豆包。

注：如果你完全没有图片、截图的检索需求，只做纯文本或代码笔记，阿里百炼的纯文本向量 qwen3.7-text-embedding 是个很好的省钱备选，价格只要 0.5 元/百万 tokens 。

3. 意图分析（ Query Planner ）：90% 的人都漏看的“隐藏开关”

很多人刚用 OpenViking 时都有个共同的困惑：“为什么这玩意儿响应这么迟钝？每次在 IDE 或终端里刚敲完一句话，光标都要卡顿个五六秒才开始有反应？”不少人甚至因此觉得是机器配置不够，或者系统本身设计笨重。

其实根本不是性能问题，而是绝大多数人压根没仔细看配置文档，不知道还能单独配一个意图分析模型。

官方默认示例里大家一般只填 vlm 和 embedding。但只要没在配置里显式声明 query_planner，OpenViking 在处理每一轮对话时，就会默认回退去调用主模型 VLM 来分析这轮对话是不是闲聊、要不要搜记忆、怎么提取关键词。如果你的 VLM 选了个大模型或者带思考链的模型（比如智谱 glm-5.3-flash），单次前置分析直接就能吃掉 6~7 秒，前端交互自然卡成 PPT 。

为了解决这个前置卡顿，起初我试图在主流的通用大模型里寻找替代方案。但跑了一圈下来非常沮丧：

阿里百炼官方的 Qwen3.7-Flash 默认带深度思考，跑一次要想 10 秒；
硅基流动上的 Qwen/Qwen3.5-9B 吞吐偏慢（常态 30 tok/s ），每次提问依然要停顿 4 秒；
硅基流动上的 Qwen/Qwen2.5-7B 格式飘忽，爱吐裸数组；
硅基流动公用免费池的模型（如 Qwen3.5-4B）更是被羊毛脚本挤爆，频繁丢包超时。

正当我们卡在通用大模型的选型瓶颈时，**我在阿里百炼模型广场里无意间翻出了一个宝藏模型——tongyi-xiaomi-analysis-flash（伶鹊-对话分析-flash ）**。官方介绍写得很朴实：专攻对话信息抽取、场景分类与低时延分析的领域模型。

我立刻把它拉进测试矩阵，和前面的候选模型来了一场同台竞技。需要特别说明的是，为了公平对比，我们在压测所有候选模型时，全都显式关闭了思考模式（开启非思维链模式，纯直接输出）。

在实际评估中，我们重点死磕了三个核心维度：响应耗时、生成结构、规划表现。在三项严苛检验下，这个意外淘到的宝藏模型给出了教科书级的表现：

维度一：响应耗时（时间预算必须死守在 1 秒内）

query_planner 处于用户敲下回车、模型真正回答前的关键阻塞路径（ Critical Path ）上，耗时哪怕多 1 秒，体感都是极其明显的卡顿。

阿里百炼 Qwen3.7-Flash：即使关掉思考模式（enable_thinking: false），单次分析依然要 1.1~1.4 秒（ 70~90 tok/s ），作为高频前置拦截还是略重；
硅基流动 Qwen/Qwen3.5-9B：关掉思考后，受限于供应商 30 tok/s 的生成吞吐瓶颈，跑完一段多轮分析依然需要 3.8 ~ 4.2 秒；
硅基流动免费池（如 Qwen3.5-4B ）：公用免费池常年被羊毛脚本挤占，延迟严重抖动甚至直接超时；
通义伶鹊（ Flash ）：首字延迟（ TTFT ）仅 0.31 秒，生成吞吐高达 200+ tok/s，整轮规划耗时直接干到了 0.8 秒左右，完美落在亚秒级预算内。

维度二：生成结构（严苛遵循 OpenViking 要求的 JSON 协议）

OpenViking 底层的意图解析器对输出格式有明确的契约要求：模型必须返回形如 {"queries": [...]} 的标准 JSON 对象结构（由内部代码直接反序列化提取检索意图），容不得半点格式偏差：

通用大模型的通病：喜欢画蛇添足加礼貌用语（“好的，为您规划如下”），或者在外面套一层 json ... 围栏，把本该干净的输出搞得拖泥带水，全靠系统写正则兜底去清洗；
硅基流动 Qwen/Qwen2.5-7B 的硬伤：虽然速度压缩到了 1.8 秒，但格式极其不服从规范，经常丢掉 OpenViking 要求的顶层 Key ，直接吐出一个裸数组 [...]。一旦丢了对象结构，极易触发解析异常导致检索失败；
通义伶鹊（ Flash ）：官方特性主打“自定义分析标准遵循”，实测下来对 OpenViking 要求的 JSON 协议做到了 100% 严格执行——输出纯净裸 JSON ，没有 markdown 围栏，没有前后废话，与 OpenViking 的反序列化契约严丝合缝。

维度三：规划表现评估（业务意图的决断质量）

意图分析模型绝不是盲目生成检索词，它必须具备清晰的业务场景决断力：

闲聊拒搜率：面对“你好”、“谢谢”、“帮我写个冒泡排序”这种无需长程记忆介入的输入，通义伶鹊能像防火墙一样在 0.4 秒 内果断断定无需检索，并输出空数组 {"queries": []}，避免了无意义的向量库查询与上下文污染；
多轮指代消解与实体抽取：在多轮对话中（比如用户追问“把刚才说的那个服务端口发我”），它能从历史上下文里把代词精准还原成具体的实体词（展开为“OpenViking 1933 端口配置”），提取出来的 Query 极其精准紧凑，绝不发散脑补。

事实证明，这个无意间淘到的宝藏模型绝非侥幸胜出，而是其专攻“对话抽取、场景分类、格式遵循”的垂直微调定位，正好与 OpenViking 前置路由的工程诉求完成了教科书般的精准对齐。

4. 重排序（ Rerank ）与 VLM：务实的经济账与容灾

最后说说剩下的两个组件：

重排序（ Rerank ）：我依然放在了硅基流动上，用的是 Qwen/Qwen3-Reranker-4B。之所以用它，是因为它走的是轻量商业计费通道（避开了免费池的排队），调用一次只要几厘钱。关键是我账号里还有送的 16 块钱代金券，不用白不用。实测 4 条文档打分 0.26 秒，30 条文档打分 0.57 秒，速度快而且打分很准，性价比拉满。
VLM （多模态语义抽取）：用的是智谱 Coding 套餐里的 glm-5.3-flash，顺便配了双 Key 主备容灾。这里有个极其关键的实战经验：配置里一定要把思考模式显式改为 reasoning_effort: "low"。我们专门做过多组 A/B 实测，默认不传参或者设为 high 时，模型会先深度思考大几十秒（耗时 20~48 秒，生成上千个无意义的思维链 Token ），而最终提取出来的实体和概览内容与 low 几乎毫无区别。记忆提取本质上是信息抽取和结构化归档，根本用不着复杂的数学逻辑推演，开 high 纯属白白浪费时间和算力。即使设为 low，单次抽取依然需要 4~6 秒（有底层基础思考和 20~30 tok/s 的吞吐上限），它也是目前系统唯一的耗时点。但因为 VLM 只在后台异步做会话归档和概览生成，完全不阻塞前端的提问交互；加上 Coding 套餐按年付费极度便宜，配合双 Key 容灾非常稳定，现阶段完全不需要花钱折腾换它。

5. 写在最后的一些大白话心得

折腾完这套配置，最大的几点感悟：

状态型服务，买服务器先看续费：做长期记忆库，宁可前期在 2G 上花点时间调优，也别为了贪图首年几块钱的便宜去买续费暴涨的机器，搬家真的很累。
核心资产一步到位，无状态节点随时优化：向量模型决定了你的底层空间，别贪免费，多模态 + 大上下文（ 128K ）直接锁死，避免以后二次重建；而 VLM 和 Rerank 这种纯推理节点，谁快谁便宜就换谁。
专用小模型在垂直场景吊打通用大模型：意图分析这种讲究“分类、提取、严格 JSON 格式、极速”的任务，微调过的对话分析小模型比动不动就写小作文、开思考链的通用大模型好用太多倍。

2026-10-31 16:52:23 · 大模型,算力芯片,AI应用,开源,政策监管,字节跳动,阿里巴巴,智谱,对话助手,多模态,Agent智能体,推理思考,搜索RAG,办公效率,设计创意,微调蒸馏,向量数据库,模型安全对齐,长上下文,招聘HR,基础设施,开发者生态

让AI拼我用了12天完成的1000片“纯白地狱”，它五小时就崩溃了

钛媒体

（本文作者为斯凯有话说，钛媒体经授权发布）

文 | 斯凯有话说

1000 片纯白地狱拼图，没有图案、没有色差、没有参考，人类玩家耗时 12 天完成。本以为擅长识别推理的 AI 可以轻松通关，没想到仅五小时就撑不住崩溃，纯白地狱为什么难住了人工智能？

引子

事情始于一次无聊的刷手机。

那天深夜我无意间在抖音刷到一个开箱视频：博主拆开一盒拼图，倒出来，画面里是一片纯白——不是大部分白，是全部白。1000片，没有图案，没有色块，没有边框参考图，每一片都长得一模一样。盒子上印着它的名字：纯白地狱。

作为重度手玩爱好者，这种无聊至极的游戏瞬间击中了我。第二天就下了单。到货后我开始体验，断断续续用了12天拼完。据玩家社群流传，人类最快纪录大约是160个小时，我属于中不溜的水平。

拼完的那晚，我盯着桌上那块纯白的板子，脑子里冒出的第一个念头不是成就感，而是一个问题：

这种活儿，不正是AI最擅长的吗？

拼图本质上是一个匹配问题：1000片，每片的形状独一无二（官方说的），规则封闭，答案唯一。不用理解画面，不用发挥创意，只需要看形状、做比对。这不就是把AI喂饱、让它支棱起来的标准场景吗？

于是我做了一个决定：用AI重新拼一遍这副已经拼好的纯白地狱，看看它到底要花多久。

我的方案

我的设计其实很朴素，也是任何一个理性人能想到的最优解：

在拼图桌上画一个20×50的格子，一共一千格，每格标上编号，1000片散片一片一格放好，拍成照片上传给AI。它要做的事只有一件——判断哪两片的边缘可以咬合。

照这个方案，原本需要160小时的盲目试错，理论上可以压缩成“照单抓药”：AI看图、提特征、算匹配、输出配对表，我负责动手验证。

我把照片传了上去。

第一个小时：它聊得头头是道

起初的对话相当愉快。AI准确地说出了纯白地狱的难点：“没有颜色线索，只能依赖边缘形状匹配。”它还主动帮我分析了“先拼边框片”的策略，语气像个经验丰富的拼图老师。

我让它判断照片里A12格和B07格这两片能不能拼。它回答：“从图片看，两片的边缘曲率呈现互补特征，大概率可以咬合。”

听起来很专业。我拿实物一试——拼不上。

第三个小时：我开始追问

我又试了几对，准确率惨不忍睹。于是我换了个问法，把两片的特写放大到极限再传上去。它依然在输出那种正确的废话：“边缘轮廓存在细微差异，需要更精确的测量。”

一句话点醒了问题所在：它在描述，不在测量。

它告诉我“这片凸得比较陡”，但拼图需要的是“凸点位于边缘37.2%处”。它可以每一次都言之凿凿，但两次描述同一片，措辞还会有出入。而对拼图来说，差之毫厘，就是拼不上。

更要命的是，当我让它连续推30片的拼接顺序时，它给出了一个“A接B、B接C、C又接A”的闭环。它做的是逐对的局部判断，没有能力维护一个全局自洽的拼图状态——每一步都像第一次看图。

第五个小时：我查到了一份“判决书”

不甘心的我去查了文献，然后发现了一个哭笑不得的事实：学术界早就拿拼图处刑过AI，而且用的题目比我的实验干净得多。

2026年8月，一个叫JigShape的研究测试了五个前沿视觉大模型。题目是计算机合成的拼图：形状数字化生成、每片严格唯一、图像完美清晰——没有我方案里照片模糊、光线不均这些干扰。结果：16片的拼图，五个模型里只有一个超过瞎猜水平；64片，集体回到随机；微调过的模型到144片，正确率不足5%。

研究者给这个现象起了个名字：规模悬崖。片数一涨，约束一多，模型全线崩塌。

我的五小时实验，本质上是在悬崖边上散了个步。

查到这篇论文的时候，我有点泄气——原来学术界早就把这件事研究透了，我的五小时实验，不过是给一个已知结论又添了一个 anecdote。但转念一想，知道一个结论，和用自己的手撞上这个结论，是两回事。前者是信息，后者是认知。而后来我才知道，这件事在 AI 研究圈更是早不是新闻——三十年前就有人总结过一个“莫拉维克悖论”：对机器来说，下棋容易，钉钉子难；推理简单，感知难。学界为此搞了几十年的神经符号结合研究。只是这些讨论，从来没有走出过论文的围墙——直到我用自己的五小时，替自己撞上了它。

为什么新AI做不到：卡住它的不是眼睛，是两样东西

实验失败后我一直在想：照片够清楚了，每片也确实不同，它到底卡在哪？

想明白之后发现，大模型输掉这场比赛，不是输在“看”，而是输在两个更底层的地方。

先说“测量”。大模型处理图像的方式，本质上是生成对图像的描述——这是它的出厂设定。它可以说“这条边有个凸起”，但说不出“凸点中心位于边缘37.2%处、曲率半径1.8毫米”这样的数字。而拼图的判定标准是物理咬合，容差以零点几毫米计。描述无法拼图，测量才能。更麻烦的是，它对同一片拼块的两次描述还可能措辞不一——一套输出无法复现的系统，做不了精密度要求为零误差的活。

再说“工作台”，这是我那个“A接B、B接C、C又接A”闭环的真正成因。人类拼图时，桌上已经拼好的部分是锚点：每拿起一片新拼块，你不是从一千片里盲选，而是对着一块已经成形的区域找位置，错了就换，拼对了就变成新的锚点。这是一个不断积累确定性、随时回溯修正的过程。而大模型没有桌子——它每回答一次，都是从零开始重新看图，已判断过的配对不会沉淀为“确定的事实”。上千条约束要在脑子里同时成立且互不打架，这种全局一致性，恰恰是它的架构里没有的东西。

“规模悬崖”说的就是这件事：16片时，几十条约束还能勉强糊弄过去；到64片、144片，约束数量指数增长，每一步的微小错误互相传染，最后满盘皆输。

人类赢的不是聪明，是手感和时间

想明白这些之后，我又反过来想了一个问题：那我12天是怎么拼完的？

论计算速度，人眼比对两条曲线的吻合度，远不如计算机在误差矩阵里搜一遍。但我有一样大模型完全没有的东西：触觉。

拼到最后几百片，我根本不怎么看。手指捏着拼块在已经成形的区域上滑动，凹是凹、凸是凸，卡进去的瞬间有一种轻微的“咬合感”——对了就是对了，手感会告诉你。这种反馈是实时的、物理的、零延迟的，大模型隔着一张照片，永远拿不到它。

除了手，还有直觉。拼了一百片之后，我对这套刀模的“性格”产生了肌肉记忆：这个厂的凸起偏圆、那类凹口偏深，拿到一片新拼块，手指一捻大概知道该去桌子的哪个区域找。这不是计算，是几千次试错压缩出来的模式识别。

以及最重要的——耐心。纯白地狱没有视觉反馈，拼一小时可能一无所获，支撑你继续的是“总会有进展”的信念。这不是能力，是意愿，而这恰恰是机器从来不需要具备、人类却随时可能丢失的东西。

所以这场较量真正的格局是：大模型有千里眼，但没有手指，也没有工作台；人类的手指是精密的测量仪，桌子是天然的存贮器，唯一的短板是耐心有上限。

反转：其实AI能拼，用的还是40年前的技术

写到这里，本该以“AI不行”收尾。但我多查了一步，发现了一个更有意思的事实。

自动拼图求解，是人工智能领域一个有几十年历史的老课题，论文就发表在IJCAI、AAAI这类正经AI会议上。经典解法一点也不玄：扫描每片，提取边缘轮廓，把每条边变成一串精确到像素的坐标；用欧氏距离计算两条边的吻合误差；得到一张1000×1000的误差矩阵后，交给搜索优化算法找全局最优解。这条路线上，数百片规模的无图案拼图早有自动求解的先例。

按AI教科书的定义——感知、知识表示、搜索、规划——这套系统是标准的AI。

所以准确的结论不是“AI拼不出纯白地狱”，而是：

AI能拼出纯白地狱，用“老AI”；拼不出它的，是“新AI”。

老AI把问题变成数学，然后算——它不需要看懂图片，它量。新AI从数据里学模式，然后生成——它不量，它谈。学出来的智能赢在开放和泛化，造出来的智能赢在精确和可靠。而纯白地狱这种“规则封闭、答案唯一、容错为零”的任务，恰好是造出来的智能的主场。

我的五小时崩溃，错不在AI，在于我把题目给错了对象——就像让一位博学的翻译去操作车床，不是他笨，是这活儿不归他。

真正值得警惕的事

这只是一篇人机分工的科普吗？其实我最想说的在后面。

麻省理工学院媒体实验室2025年做过一个脑电实验：54名参与者分三组写文章，一组用ChatGPT，一组用搜索引擎，一组纯靠大脑。四个月里，用AI的那组在神经、语言、行为三个层面的表现全面落后，大脑神经连接最弱，甚至难以准确引用自己几分钟前刚“写”完的文章。OECD在《2026年数字教育展望》里给这类现象起了个名字：元认知懒惰——把思考外包出去，制造一种“知识掌握的假象”。另一项覆盖666人的研究则发现，AI工具使用频率与批判性思维得分显著负相关，年轻人中最严重。

把这些研究和拼图放在一起，我看到的是一个方向性的错位：

我们正把本来会做的题外包出去，却指望AI去解它根本解不了的题。

写作、思考、判断——这些人类本来擅长的事，我们迫不及待地交给了大模型，然后认知能力一路滑坡；而纯白地狱这种该交给“老AI”的精确匹配问题，我们却在让大模型看图说话，然后失望于它猜不准。两头都搞反了。

而拼图给我的最大提醒是：在“外包思考”的名单上，手上的活儿其实排在最后。人类拼图靠的触感、直觉和耐心，是长在身体里的能力，AI夺不走它——真正在悄悄流失的，是我们坐下来动手做一件事的意愿。

结语

那块12天拼出来的纯白板子，现在挂在我的书房。

有人问我，拼它图什么？又不好看。以前我也说不清，现在我想明白了：它的价值就是那160个小时本身——在没有颜色、没有反馈、没有捷径的纯白里，你能依靠的只有自己的手、眼和那点不肯放弃的耐心。

AI时代，这种“看起来毫无必要的苦功”会显得越来越可笑，也会越来越珍贵。

真正该问的问题从来不是“AI能不能替我做这件事”，而是：这件事，本来该不该是我做的？

对了，那副拼图我最终没有让AI重拼。倒不是心疼它，而是我发现：用AI拼拼图这件事最大的悖论在于——如果你真的需要那块拼图，你就不会需要拼图。

‍ 本文事实依据：纯白地狱（Beverly「純白地獄」）片数版本与难度体验据玩家社群及媒体报道；JigShape论文arXiv:2607.27670（2026年8月）；MIT媒体实验室脑电研究arXiv:2506.08872（2025年，未经同行评审，结论为初步结果）；OECD《2026年数字教育展望》；Gerlich批判性思维研究（Societies，2025）。文中“160小时最快纪录”为玩家社群流传说法，未经官方证实；莫拉维克悖论、神经符号AI研究为领域经典共识。

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

2026-10-31 12:18:13 · 大模型,OpenAI,字节跳动,阿里巴巴,对话助手,推理思考,搜索RAG,办公效率,翻译字幕,设计创意,教育学习,游戏,扩散模型,微调蒸馏,工业制造,招聘HR,网络安全,模型发布,论文

果汁上下游集体押注，HPP果汁发起冰柜新战争

钛媒体

（本文作者为观潮新消费，钛媒体经授权发布）

文 | 观潮新消费

线下零售监测机构马上赢显示，2026年第三季度饮料销售额同比下滑幅度达到12.19%，其中即饮果汁下跌16.31%，是饮料大类中下滑最严重的品类之一。

在整体承压的饮料货架上，果汁正经历一场明显的结构性分化。NFC果汁逐渐成为商超货架的标配，HPP果汁则开始争夺更稀缺的冰柜。

从货架位置到渠道类型，果汁行业的竞争维度正在发生变动。不仅盒马、山姆、沃尔玛、朴朴超市、叮咚买菜等新零售平台争相上架HPP产品，连古茗、蜜雪冰城等新茶饮品牌也在加码布局。

消费者不是不爱喝果汁了，而是不爱喝过去那种“糖水”了，钱和注意力从低水果含量的产品，流向更贵、更“真”的产品。

所以果汁行业的产品概念层出不断，各类新品轮番登场。当然，热闹的上新只是表层现象，各品牌实质争夺的是消费者的下一次主动选择。

如何炼成“果汁界爱马仕”

在果汁饮料货架的方寸之间，隐藏着一条森严的等级链条。判断一瓶果汁的真实段位，配料表比花哨的营销话术更诚实。

处于链条底端的果味饮料，只是糖水与香精调配的产物，配方以水、白砂糖、酸度调节剂、色素、防腐剂为主体，果汁含量微乎其微，常温保质期长达一年便是其“科技狠活”的佐证。

这类2-3元的平价饮品，却是许多80后、90后的童年记忆。小孩攒点零花钱就能买，比如小时候春游带的美年达、夏天小卖部冰柜里的芬达、吃席时桌上的大窑或北冰洋。等长大后重新喝，可能会觉得“香精味重”。

往上走一步，便是符合国标定义的“果汁饮料”。根据GB/T31121-2014《果蔬汁类及其饮料》的规定，其果汁含量必须不低于10%。这意味着，即便是一瓶合格的果汁饮料，九成的配方依然可能是水与各类添加剂的混合物。

可口可乐2005年在中国推出的美汁源果粒橙便是典型代表。区别于普通橙汁饮料，其特别之处在于添加了真实橙肉，入口可咀嚼到果粒，也由此形成鲜明的口感记忆，助力其成为创造过辉煌销售纪录的国民级产品，但果汁含量仍仅刚过10%的及格线。

真正的分水岭，落在配料表是否标注“100%果汁”。而在纯果汁的内部，依照工艺代际差异，又分出FC、NFC、HPP三个梯队。

FC即浓缩还原果汁，生产流程分为浓缩、还原两个阶段：先在原料产地榨汁，经加热蒸发脱去大部分水分，制成浓缩果浆以便储存和运输；到了包装环节，再重新加水还原，经高温杀菌完成灌装出厂。

这也使得它的配料表中，水位列首位，浓缩汁紧随其后。这套工艺打通了大规模量产的瓶颈，但多次热处理会损耗鲜果原生风味。

依托成熟的规模化产能，产品得以维持相对亲民的定价，例如汇源100%果汁系列1L规格售价约10元。

源自淘宝平台用户评价分享

当配料表终于少了“水”，便进入了NFC非浓缩还原果汁的层级。鲜果直接榨汁，无需经过浓缩与还原环节，杀菌后直接灌装，更多原本的风味与营养得以保留。

原料干净提高了NFC果汁的身价。农夫山泉300mlNFC橙汁，天猫超市售价64.9元/10瓶，折合单瓶约6.5元；山姆17.5°NFC鲜榨橙汁，900ml两瓶装售价39.9元，折算单瓶约20元。

而站在金字塔尖的，则是HPP果汁，其可视作NFC果汁的进阶形态。

更准确地说，NFC对应的是果汁品类，HPP指代杀菌工艺。NFC果汁未必搭载HPP工艺，但市面上的HPP果汁，大多以NFC果汁为基底，二者存在交集。也就是说，通常果汁包装上标注了“NFC+HPP”，才意味着该NFC果汁使用了HPP工艺。

HPP果汁并非新近诞生的品类。早在2012年，上海源于意食品科技公司旗下品牌“维果清”就推出了HPP羽衣甘蓝果蔬汁，单瓶容量多为300ml，定价冲高至50元。

彼时产品渠道高度聚焦，专供万豪、香格里拉等高端酒店及私域市场，普通消费者很难接触，因此被冠以“果汁界爱马仕”的称号。

直到2020年维果清HPP果蔬汁入驻盒马，2022年盒马推出36.8元/750ml（现降价至29.9元）的HPP红心苹果汁，HPP果汁逐渐进入大众视野。

配料表能否做到只有鲜果，关键在工艺本身。

HPP全称High Pressure Processing，即超高压处理技术。该工艺最早应用于果酱、肉制品等食品加工领域，后来拓展到冷压鲜榨果蔬汁领域。

生产时，封装完成的果汁会被送入密闭杀菌舱，以水作为压力传递介质，施加400–600MPa的超高静水压力，这一压强相当于把一辆重型卡车的重量集中在硬币大小的面积上。

相较传统高温杀菌，这种物理施压能够精准破坏微生物细胞活性，却不需要对果汁进行加热，对维C等热敏性营养的破坏极小，从而最大程度维持水果原本的颜色、口味和营养成分，更像直接喝新鲜水果。

这份“鲜活”的代价并不低。据博研咨询2024年发布的报告，HPP设备投资门槛较高，单条生产线投入通常在1500万元以上，生产门槛高于FC、NFC等果汁。

高昂的硬件投入之外，工艺本身还带来另一重约束。HPP无法杀灭细菌芽孢和某些耐压酶，注定了HPP果汁天然属于短保品类，保质期通常在28-60天。

与NFC果汁可常温储运不同，HPP果汁必须全程冷链，对渠道周转速度提出了极高要求，从仓储到终端销售，任何一个环节出现周转迟滞，都可能推高损耗率。

这就构成了HPP果汁的商业悖论：昂贵的设备折旧与冷链成本需要巨大的销量来摊薄，但短保特性与高定价，又限制了其需求基数的扩张。成本难以分摊，规模效应也就无从谈起。

价格降了，渠道仍高度集中

短保、鲜榨、配方干净，HPP果汁这三个特征恰好切中了新零售和茶饮的集体焦虑：如何把“新鲜”做成标准化产品。

不同于无糖茶、气泡水、养生水等直接在成品层面做口味迭代，HPP是一套底层工艺底座，品类拓展的延展性更强，想象空间也更大。

盒马是最积极探索的新零售平台。

HPP红心果汁最初只是被盒马当成冬季限定试水市场，却凭借社交平台口碑出圈。头豹研究院的数据报告显示，2023年11月至2024年5月期间，该产品销售额同比增长400%，期间一度出现售罄、难抢等情况。盒马《2023年盒区房消费趋势报告》亦显示，当年其HPP果汁销量同比上年翻一倍。

单品爆款的表现，给了盒马持续拓展HPP产品边界的信心。

随着无糖茶热度走高，2024年冬季盒马将HPP工艺应用至茶饮品类，陆续上架了HPP冷萃金骏眉红茶、HPP冷萃白芽奇兰乌龙茶、HPP冷萃针王茉莉花茶等产品，验证了HPP工艺具备跨品类复制能力。

到2025年，盒马瞄准药食同源赛道，推出HPP姜黄生姜柠檬饮，上市当月吸引超过3000人下单。

盒马不断挖掘HPP的应用空间，构建起从果汁到功能性饮品的产品矩阵，其示范效应传导至其他零售商。

2024年底，山姆引入了维乐鲜品牌的HPP羽衣甘蓝复合果蔬汁，单月销量曾突破20万件，被许多会员列进“山姆必买清单”。

同年，朴朴超市推出1L装HPP羽衣甘蓝汁，叮咚买菜自有品牌V5连续上架羽衣甘蓝混合果蔬汁等产品，2025年11月沃尔玛自有品牌“沃集鲜”上线一系列HPP果茶，上市两周即成为沃尔玛茶饮品类前列。

新零售平台争相布局HPP产品，本质是争夺商品定义权。过去零售商销售果汁，仅是采购已有品牌成品。近年零售商大力发展自有品牌，深度参与产品研发，而HPP产品让品牌能够从水果选购、口味组合、规格设计到定价，实现自主把控。

新茶饮品牌打的则是另一个算盘。行业长期内卷，整体增速趋于平缓，各家早已纷纷探索第二增长曲线。HPP产品与新茶饮所追求的高新鲜度匹配，可有效扩宽消费场景，自然成为品牌的选项之一。

古茗率先布局，2025年12月在浙江部分门店悄悄上架HPP苹果汁和羽衣甘蓝果蔬汁，分别定价7.9元/瓶、9.9元/瓶。

发现门店客流测试测试反馈不错后，古茗在今年3月将HPP果汁推向全国门店，并推出泰橘汁、西瓜汁等新口味。

6月底，古茗将HPP果汁业务从门店副业升级为独立零售业务，推动产品进入永辉、老婆大人、十足便利店等零售渠道，售价落在9.9元至11.9元区间，覆盖更广泛的消费场景。

蜜雪冰城晚了一步，在2026年半年报里提到“正在探索HPP工艺的应用”，8月份在全球总部旗舰店上线HPP瓶装系列，既有奇兰乌龙、雪芽茉莉、玫瑰红茶等瓶装冷萃茶，也有红富士苹果汁、羽衣甘蓝复合果蔬汁，价格最低为7.9元，被网友称为“离开郑州必喝的一瓶”。

大量玩家涌入加剧了竞争，HPP饮品价格持续下探，从2012年50元的高价，降到10元以内。

但价格下沉并未快速打破渠道格局。HPP饮品渠道仍高度集中，大多出现在盒马、永旺、山姆等大型商超，以及罗森、711等连锁便利店，街边小店和传统便利店基本难觅踪迹。

渠道分化依然与严苛的储运条件相关。HPP产品从出厂、运输到上架都不能脱离冷藏环境，大型商超具备成熟的冷链物流体系和稳定的冷藏货架资源，小店受限于冷柜容量和损耗风险，难以承载这类高门槛产品。

供应链背后的鲜活生意

HPP的市场热度，正沿着产业链向上传递。零售商与新茶饮品牌在前端拓市，上游的代工厂也迎来发展机遇。

近期，山东唯可鲜食品集团股份有限公司（“唯可鲜”）拟在北交所上市，其主要经营现制饮品原料和HPP即饮饮品两大板块。

唯可鲜的成长轨迹，与现制茶饮行业的扩张高度绑定。蜜雪冰城和瑞幸是其最大的两位客户，2025年唯可鲜营收8.69亿元，两大客户合计贡献超58%的销售额。

2026年上半年，唯可鲜的营收同比增长25.23%至5.04亿元，净利润却同比下滑22.77%，属于典型的增收不增利。公司解释称，系争夺大客户订单下调部分产品售价，叠加鲜果原料、产线扩产带来的固定成本抬升，压缩了盈利空间。

新茶饮赛道增长见顶，HPP即饮饮品便成为唯可鲜重点打造的增长故事。据其援引尚普咨询出具的市场地位声明书，其HPP苹果汁、羽衣甘蓝汁拿下了2025年全国销量第一，并被认定为HPP冷萃茶的“开创者”。

2025年，唯可鲜HPP即饮饮品的收入为1.31亿元，2026年上半年同比大增68.07%，占总营收的两成左右。

盒马的HPP冷萃白芽奇兰乌龙茶、HPP羽衣甘蓝复合果蔬汁均是唯可鲜代工，单瓶零售价分别为约5.2元和7.2元。华润万家旗下高端精品超市Ole的自有品牌茉莉白芽HPP冷萃茶，生产商也是唯可鲜，每瓶450ml售价5.99元。

与此同时，唯可鲜加快布局C端，减少对B端客户的依赖，先后推出西瓜汁、冷萃茶、羽衣甘蓝汁、芭乐茉莉混合果汁等多种口味的HPP产品，在盒马、东方甄选、胖东来以及抖音、京东、天猫等线上线下渠道出售。

唯可鲜不想把全部身家押在少数几个客户身上，其实是大客户早已进行分散风险，以提高议价权，确保供应链的弹性和安全。

盒马的HPP合作商名单看起来有点长，让唯可鲜代工部分HPP果汁和冷萃茶，与维果清联合研发了特小凤西瓜汁、流星蜜瓜汁、苦瓜苦不苦等多款产品，还和味全、纯亭食品等公司进行代工合作。

公开资料显示，维果清拥有10万级净化车间的HPP超高压杀菌设备，已覆盖全国主流KA渠道，在全国布局了17个自有及合作种植基地，年营收超过5亿元。

与盒马开发出第一款HPP产品红心苹果汁的品牌“如果”，2021年成立，2024年销售额就超过3亿元。2025年，其签约了扬州HPP果汁加工项目，总投资8000万元，用于进一步扩大低温果汁的生产规模。

上下游协同布局，让市场对HPP细分赛道的增长空间生出更广阔的想象力。

据《2024-2029年中国果汁饮料行业报告》，中国HPP果汁市场规模年复合增长率超过20%，远超果汁行业15%的整体增速；全球HPP果汁市场规模预计到2035年将达到43亿美元，未来十年年复合增长率高达7.9%-9.1%。

HPP果汁创造了传统果汁无法覆盖的新需求场景，那些懒得自己榨汁的消费者，似乎终于找到了一个“看起来没有负担”的选择。

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

2026-11-01 02:57:22 · AI应用,融资,政策监管,字节跳动,京东,Agent智能体,设计创意,扩散模型,工业制造,零售电商,营销广告,物流供应链,模型发布,产品更新,合作,财报

一瓶芭乐汁含50克碳水，清蓝的“健康叙事”还能说服多少人？

钛媒体

（本文作者为创业最前线，钛媒体经授权发布）

文 | 创业最前线，作者 | 付艳翠，编辑 | 冯羽

“有人喝过清蓝的杨枝甘露吗？”小红书、抖音等社交平台上，不少饮品爱好者晒出这款新品。有消费者评价，这款产品入口芒果香气突出，瓶底沉着实打实的西米，嚼感丰富。对很多饮品玩家来说，拿它加冰、搭配其他原料DIY，也成了新的尝试。

只是，在一片尝鲜的讨论里，也不乏理性的质疑声。

有消费者指出，单论口感，这款产品尚可，但若细看配料表，除了饮用水、白砂糖和果葡糖浆，还添加了结冷胶、柠檬酸钠、柠檬酸、山梨酸钾、安赛蜜、甜蜜素等多种食品添加剂。因此，认为它更适合偶尔解馋的选择，而非日常高频饮用的健康饮品。

清蓝是叶瑞山在2004年创立的饮料品牌，扎根椰基赛道起家，椰+潮饮曾是品牌核心增长主力，爆款清蓝生椰牛乳全网销售超115万瓶，是其椰系产品的代表性产品之一。历经多年布局，品牌现已搭建起清蓝椰汁、清蓝果园、清蓝牧场等多条产品线。

眼下，这家依托椰饮基本盘跑出来的区域饮品企业，开始将重心投向竞争白热化的复合果汁赛道，希望借“水果+”风口，撬开新的增长空间。

赛道拥挤已是不争的事实。企查查数据显示，截至10月19日，国内现存果汁相关企业2.35万家，年内新增注册企业680家。

在刺刀见红的果汁赛道争夺增量，对清蓝饮品这家区域品牌来说，不只是一轮新品扩容，更是一场漫长且考验耐心的二次创业。

1、标签上的“0添加”

早些年，豆奶、燕麦奶、核桃乳等传统植物蛋白赛道逐渐进入存量竞争，椰饮则凭借清爽、天然、可塑性强等特点异军突起，成为众多品牌争相布局的热门品类。

清蓝在椰基赛道深耕20多年，曾借势推出NFC鲜椰汁，并以“0香精、0脂肪、0白砂糖、0添加剂”作为产品卖点，逐步在区域渠道建立认知。

但涌入的竞争者持续增多之后，椰饮赛道的短板逐步暴露，产品同质化严重，行业增速放缓，单靠椰风味单品，增长天花板清晰可见。

2023年前后，清蓝进一步提出“椰+”产品概念，陆续推出杨枝甘露、生椰牛乳、生椰啵啵等“清蓝椰+”潮饮系列，其通过“喜庆团圆”的节庆场景与品牌强绑定，在椰基潮饮市场打开知名度。

借着这套叙事，2026年3月，清蓝又推出“果+战略”，一边研发果汁茶、果汁+生牛乳、果汁+金银花这类跨原料复合饮品；一边扩充100%果汁矩阵，覆盖芭乐、荔枝、葡萄、百香果等鲜果口味。

与此同时，健康化、品质化，早已是饮品行业无法逆转的大趋势，“低糖”“新鲜”几乎成为爆款标配的宣传标签。站在这股风口上，清蓝也锚定健康主线，确立“专注健康新鲜好饮品”的品牌理念，正式落地“椰+向新，果+向鲜”战略。

清蓝品牌总监曹远智曾在采访中表示，用“真、鲜、足”三个字概括品牌初心：“真”代表真实原料，“鲜”指向产品新鲜度，“足”意在给到消费者饱满的饮用体验。

只是市场的审视，远比宣传话术苛刻。

随着健康意识提升，消费者对饮品标签的辨别力越来越强，不少人开始对“0添加蔗糖”“低卡”等宣传保持警惕。有消费者提出困惑：瓶身主打健康概念，细看配料表却含有赤藓糖醇等成分，难免让人质疑是否存在营销引导。

争议同样落在曾经出圈的生椰牛乳身上。

消费者琳琳发现，清蓝宣传“鲜榨椰汁”“浓醇牛乳”“0添加更纯净”的生椰牛乳配料包含饮用水、鲜椰肉汁、白砂糖、全脂奶粉以及酪蛋白酸钠、卡拉胶等多种食品添加剂。

（图 / 清蓝生椰牛乳配料表）

对此，清蓝客服向「创业最前线」解释，产品宣传的“三个0”指0香精、0防腐剂、0色素，椰汁为鲜榨，配料表合规，只是产品配方本身并非只有椰汁。

「创业最前线」发现，即便是公司主推的100%果汁产品线，糖分问题同样值得留意。以450ml装100%芭乐汁为例，整瓶碳水化合物达到50.85克。

（图 / 芭乐汁营养成分表）

对照《中国居民膳食指南》，成年人每日添加糖推荐摄入量上限为50克，理想控制值在25克以内，过量摄入糖分，会带来长胖、加速衰老等健康负担，对女性群体的影响更受关注。这也意味着，单喝完这一瓶芭乐汁，碳水对应的糖负荷，就已经超出全天推荐红线。

对清蓝而言，“椰+向新，果+向鲜”的战略，本质是用健康叙事打开第二增长曲线。

但一个现实问题摆在眼前：当宣传标签和配料、营养数据形成反差，品牌的健康故事，想要说服越来越懂配料表的消费者，并不容易。

2、全渠道布局，收效几何？

随着消费行为更加理性，渠道竞争更加激烈，传统的铺货、压仓、降价、促销等打法，边际效应正在递减。在此背景下，身处市场一线的经销商群体，焦虑感也被推至高点。

对多数经销商而言，代理一个非一线品牌的新品，始终绕不开“能不能动销”的顾虑，选品姿态也愈发保守。

“一定要做市面常见的产品，不要玩新品。”这是郑州经销商林杨在市场摸爬滚打总结出的实操经验，“眼下健康饮品赛道扎堆，大量品牌扎堆打出相近的健康概念，产品同质化愈演愈烈，新品铺下去卖不动、最终变成渠道库存的案例比比皆是。”

他以身边同行举例，清蓝部分产品即便消费者和经销商们都评价口感出众，却依旧逃不开代理之后动销疲软的困境，“新品好喝不等于终端好卖，这也是众多区域饮品品牌共同的现实困境。”

想要在各大终端抢夺稀缺的货架位置与曝光机会，清蓝需要同时直面传统饮品巨头与大批新锐区域品牌的双重挤压。

“传统一线品牌手握强大的品牌势能与消费者基本盘，不管是研发产能、规模化生产，还是渠道渗透、营销投放，都拥有碾压式优势。”林杨直言，清蓝在华南、华东等南方区域表现尚可，但北方市场动销表现却并不理想。

实际上，「创业最前线」在北方某城市通过美团平台随机搜索一家月售2000+且售卖清蓝产品的超市，其清蓝产品的销量仅有个位数。

（图 / 某超市清蓝销量）

渠道破局之路需要时间积累，为此，清蓝从2024年加码全渠道，针对电商、新渠道、折扣、大流通、大餐饮等不同渠道做了产品细分。

近几个月，清蓝“鲜行者”（一线市场团队）不仅走进了烘焙、商超、运动场馆、新零售、餐饮、零食连锁、自动售货等多元化渠道，并在华东、华中、华北、西南、西北、华南等全国多区域同步推进。

在渠道之外，清蓝又在致力于将产品创新与场景赋能深度绑定，试图让每一款产品都拥有清晰的场景定位。

“果汁+生牛乳”系列产品兼具果汁的清爽与乳品的饱腹感、营养感，天然适配早餐场景与下午茶场景。在家庭聚会、朋友小酌等社交场景中；“果汁+金银花”则瞄准夏季户外解暑需求，产品入口清爽微甜，带着草本独有的清凉回甘，适配通勤出行、运动补水、办公室燥热解燥等场景，打造出具备记忆点的饮用体验。

品牌还针对不同场景完成规格梯队的打磨。以椰子水为例，从245ml的随身装到1.25L的家庭装都有，场景覆盖得比较全——小瓶扔健身包，大瓶放冰箱日常喝。

不过，完整的场景矩阵、丰富的SKU与规格只是基础，蓝图能否落地，最终还是要看终端动销与经销商的接受程度。

3、涌入果+赛道

“椰子水与NFC果汁掺假事件发酵后，不少早年依靠椰风味潮饮走量的椰基品牌，纷纷调转方向，押注复合果汁赛道，像是回到了4、5年前。”逛完今年秋糖后，这成为很多饮品经销商直观的感受。

今年展位上最显眼的位置，已经不再是清一色的椰子单品。

椰谷在南京秋糖把HPP橙汁、苹果汁等高端果汁摆在椰子水旁同台展出；椰子泡泡则直接把“果汁”系列摆在C位，杨枝甘露、苹果汁、葡萄汁一字排开。

（图 / 椰子泡泡秋糖展台）

融合化、复合型的品类，正从展会的边角位置走向舞台中央。

放在几年前，果汁赛道的竞争主线，还停留在工艺比拼，各家围绕NFC、HPP杀菌技术轮番造势，比拼谁更贴近现榨鲜果，“新鲜”是品牌溢价最重要的筹码。

但随着椰子水、NFC果汁接连爆出信任风波，消费者对工艺概念的滤镜慢慢褪去，“新鲜”不再是稀缺卖点，而是大家默认的基础门槛。一众靠椰饮起家的品牌，不得不跳出单一椰味框架，寻找新的增长故事。

赛道内卷之下，创新的方向也越来越多元化。

盼盼近期推出“果+菜”思路下的脐橙胡萝卜复合果蔬汁，选用赣南脐橙搭配农科院选育的禧红202胡萝卜，主打果蔬原汁满配、0添加糖、0添水，试图依靠差异化配方跳出同质化竞争。

旺旺旗下FixBody推出“美好蔬醒100复合果蔬汁”产品，包含苹果山楂味、番茄胡萝卜味两种口味，干净配料表契合消费者对清洁标签的追求。

还有如创新品牌茶小开推出桂花雪梨冰酿乳酸菌气泡果汁饮料，融合果香、花香与乳酸菌风味，打造差异化口感；维果清在开市客推出的红颜草莓复合果汁，瞄准中高端消费市场，试图通过品类创新寻找市场突破口。

就连量贩零食品牌、快乐猴、沃尔玛等零售巨头也纷纷加码，进一步抢占市场。

与此同时，鲜果原料受季节、产区、行情波动影响大，芭乐、荔枝这类小众鲜果，供应链稳定性、成本控制，远比椰子更难把握。但换一个原料组合、换一句宣传话术，很容易被同行快速复刻。

企查查数据显示，国内现存椰子水相关企业386家，产业高度集中在华南、华东两地，占比分别达到56.48%、21.24%。注册节奏上，2023至2025年每年新增企业数量在30家至70家区间浮动，2025年注册量为33家；截至目前，今年新注册椰子水相关企业仅9家，椰基赛道的入局热情明显降温。

对比之下，果汁赛道则更加拥挤。

截至10月19日，国内现存果汁相关企业2.35万家，同样集中在华南、华东，占比依次为27.55%、25.79%。近十年果汁相关企业年注册量持续波动，2025年注册量达1023家，同比微升2.71%；截至目前，今年已注册680家相关企业，源源不断的玩家还在涌入。

这意味着，清蓝这类从椰饮转做“果+”的品牌，对手不只是椰饮同行，还有深耕果汁多年的老牌巨头、主打鲜果的新锐品牌，以及商超自有品牌。

媒体人刘小倩向「创业最前线」坦言，很多椰基品牌转做果+，本质是赛道承压后的被动选择。椰饮增长见顶，原有流量红利消失，大家抱着寻找第二曲线的心态下场，但果汁赛道的竞争逻辑和椰饮并不完全相同。

她表示，椰饮的认知简单统一，而鲜果口味分散，芭乐、百香果、荔枝各有受众，很难靠一款单品打爆全国市场。消费者的口味偏好、甜度接受度南北差异巨大，区域品牌想复制此前椰+领域的成功，难度不小。

一边是椰基赛道增量见顶、信任风波持续扰动，另一边是果汁赛道源源不断的新入局者。从椰+转向“果+”，已经不是清蓝一家品牌的单独选择，而是不少玩家共同的突围方向。

转型只是第一步。

对清蓝而言，它既要面对头部品牌的降维挤压，又要和一众同类型区域饮品品牌抢夺货架、争取经销商的资源倾斜。

显然，“果+”风口看起来热闹，实则门槛藏在供应链、成本、渠道和消费者心智里。当品牌们开始奔向同一条赛道，最后的竞争，终究会回到产品能不能持续打动消费者、能不能在终端稳定动销这件事上。

*注：文中题图来自清蓝饮品官方微博；其余未署名图片来自清蓝饮品官网。

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

2026-11-01 03:10:48 · 政策监管,字节跳动,对话助手,搜索RAG,办公效率,设计创意,医疗健康,扩散模型,零售电商,传媒内容,营销广告,物流供应链,模型发布

【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

钛媒体

（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

2026-11-01 03:32:27 · 大模型,算力芯片,AI应用,具身智能,融资,政策监管,OpenAI,Google,Anthropic,Meta,NVIDIA,字节跳动,阿里巴巴,腾讯,华为,DeepSeek,xAI,月之暗面,智谱,商汤,文生视频,语音音频,代码生成,对话助手,Agent智能体,推理思考,办公效率,设计创意,金融,游戏,扩散模型,世界模型,提示工程,工业制造,营销广告,招聘HR,网络安全,基础设施,模型发布,产品更新,收购并购,合作,财报,榜单评测,开发者生态

豆包：新用户可免费领一个月订阅 12:17

网易科技

2026-10-31T12:17:24+08:00 · 大模型,字节跳动

豆包：新用户可免费领取30天体验套餐 12:57

网易科技

2026-10-31T12:57:24+08:00 · 大模型,字节跳动

[推广] 智友社回馈 V 站新老客户，抽送第 12 波 5 个智友社的 GPTPLUS 稳定特殊渠道日区独享月卡成品号 6

V2EX

各位 V 友好，感谢大家一直以来对我们智友社的支持和关注。

我们智友社的初衷是帮大家寻找市面上稳定的主流 AI 特价渠道，鉴于目前国外主流 AI 的正价订购价格昂贵，我们发现市面上有不少的价格实惠的特殊渠道 AI 产品，可惜质量参差不齐，为了节省大家的时间跟金钱，我们花了不少精力对各个渠道商的特价 AI 进行了购买评测，再从中选取稳定的渠道上架出售，我们也欢迎各位佬友跟我们推荐稳定的特殊渠道 AI ，我们会自费购买进行稳定性测试，测试通过后也能让更多的人能受益！

由于目前国外 AI 并不能上架国内主流购物平台，所以我们只能把店铺开在了一个小众平台—链动小铺，您有问题可以随时联系我们 QQ 客服，我们会协助您一起解决。

我们的小铺地址： https://www.ldxp.cn/shop/282D9KDL 。我们的产品目前只要分成下面两种。

一：稳定特殊渠道特价商品：目前这几款我们测试下来都是很稳定，价格会随每天行情变化，请以平台价格为准。

GPT 系列：

GPTPlus 日区成品号（质保 24 小时） 60.88 | GPTPlus 东南亚区成品号（质保 24 小时） 60.88

GPTPlus 日区成品号（质保 28 天） 80.88 | GPTPlus 越南区成品号（质保 28 天） 80.88

GPTPlus 学生四月成品号（质保 24 小时） 218.88

Gemini 系列：

Gemini Pro 稳定特殊渠道三月成品老号 2 （支持反重力，支持 Gemini4.0 Argon ，仅限 RT 使用） 39.88

Gemini Pro 稳定特殊渠道 18 月成品老号 2 （支持反重力，不支持 Gemini4.0 Argon ） 49.88

Gmail 谷歌随机老号 16.88

Grok 系列：

Grok Plus 月卡成品号（不支持 Grok Bot 、X ，支持 Cursor ，质保订阅 7 天） 28.88

Grok Premium 月卡成品号（支持 Grok Bot 、X 、Cursor ，质保 24 小时） 38.88

Grok Ultra 月卡成品号（支持 Grok Bot 、X 、Cursor ，质保 24 小时） 588.88

Muse 系列：

Muse Ai 成品号（ 10 亿 Token ） 6.88 | Muse Ai 成品号（ 310 亿 Token ） 18.88

其他 AI 系列：

Lovable Pro 月卡成品号 1 （ 100 积分） 18.88 | Lovable Pro 月卡成品号 2 （ 10K 积分） 288.88

Kiro Pro 年卡成品号 1 （每月 1000 积分） 128.88

Capcut Pro 月卡成品号 1 （支持 seedance2.5 ） 18.88

Figma Pro 双年卡成品号 1 （每月 3000 积分） 58.88

二：稳定正规渠道特价商品：一般都是优惠区域的直充，这个系列您用大号也可以。

GPT 系列：

ChatGPT Pro 100 稳定正规渠道月卡直充 4 （支持覆盖升级） 649.88 | ChatGPT Pro 100 稳定正规渠道月卡直充 3 （需账号是免费无订阅） 648.88

ChatGPT Pro200 稳定正规渠道月卡续费直充 2 1068.88 | ChatGPT Pro 200 稳定正规渠道月卡续费直充 4 1328.88

ChatGPT Pro25X 稳定正规渠道月卡续费直充 1 3068.88

ChatGPT Plus 稳定正规渠道月卡直充 1 125.88 | ChatGPT Plus 稳定正规渠道月卡直充 4 135.88

ChatGPT Plus 稳定正规渠道年卡直充 1 1488.88

Codex 点数额度充值（ 250 点，仅限订阅用户购买充值） 86.88 | Codex 点数额度充值（ 500 点，仅限订阅用户购买充值） 166.88

Grok 系列：

Grok Plus 稳定正规渠道月卡直充 68.88 | Grok Premium 稳定正规渠道月卡直充 128.88

Grok Super 稳定正规渠道月卡直充 388.88 | Grok Ultra 稳定正规渠道月卡直充 738.88

Claude 系列：

Claude Pro 稳定正规渠道月卡直充 4 148.88

特别推荐下我们的 Plus 成品号：

智友社 GPTPlus 稳定特殊渠道独享月卡成品号 6 （日区，支持反代，购买 24 小时内非禁止网络账号问题可免费更换一次），欢迎您的试用反馈！（目前只是经营策略调整，跟之前质保 28 天是一样的渠道哦）

商品购买地址：购买请点我

目前 GPT 封控升级，您购买的账号 codex 登陆基本都会跳手机绑定，需要您自行购买我们平台的接码服务解决，请您同意在购买，感谢您的理解和支持！

TM 实体卡自助接码服务 3：购买请点我

美国实体卡自助接码服务 10：购买请点我

欢迎您加入：

我们的官方 QQ 开放交流 3 群：27078264

我们的官方 TG 开放交流群： https://t.me/+fzIWsUSbcq1kMDYx

我们的官方店铺地址： https://www.ldxp.cn/shop/282D9KDL

抽奖环节

奖品详情：

奖品：5 个智友社的 GPTPLUS 稳定特殊渠道日区独享月卡成品号 6

活动时间：

截止时间：2026 年 11 月 6 日晚 22:00 关贴后

参与方式：

在本帖下聊聊和分享下：您的 AI 智能助理本地化部署方案

** 抽奖规则：**

每位用户仅允许参与一次。用的 V 友 shoa 的开源项目： https://github.com/wcwac/v2ex-lottery ，在此感谢 shoa ！

注意事项：

中奖者将在活动结束后在本帖公布，请中奖的 V 友带上截图加我们官方 3 群 27078264 在群里私聊我们 QQ 客服兑奖。

2026-10-31 02:15:04 · 大模型,AI应用,开源,OpenAI,Google,Anthropic,字节跳动,xAI,代码生成,对话助手,教育学习,模型评测,零售电商,招聘HR,产品更新

[问与答] 算力销售赚钱吗

V2EX

刚才抖音看了一个女的说弄算力销售然后评论一个男的截图收入一百四十万税十七万，看到 V2EX 一个广告什么 claude 什么企业价一折看了网站是注册就可以用不用信用卡，行业应该是个大趋势如何获利了目的还是为了我那个 obd 项目的启动资金几万块就行

2026-10-31T04:29:01Z · 大模型,算力芯片,Anthropic,字节跳动,设计创意,营销广告,财报

[分享创造] 写了一个显示字节招聘官网发布时间的小工具

V2EX

之前写过一个大厂岗位监测工具，因为前端岗位锐减，导致项目没有继续更新。

但是本质上就是确保官网岗位的时效性，做了一个官网显示时效性的小插件。

效果：

DEMO

地址：

https://chromewebstore.google.com/detail/justjob/egeplmeababanmilhfhlfljjjklfchan

2026-10-31 04:38:26 · Google,字节跳动,招聘HR,模型发布,产品更新

:fire::fire:开源接口平台 v6.3.1 发布，新增超时时间

开源中国ApiGo 是一款在线接口开发和管理平台，多数据库插件化数据源框架、SQL2API 。支持 WorkBuddy、千问办公、Trea Work、豆包等 AI 办公平台 MCP 接入。支持接入（mysql、oracle、达梦、TiDB、DolphinDB、Hive、DuckDB ）等 SQL 或 NoSQL 数据源，在线可视化编写 SQL 快速发布接口，支持接口上下线、接口管理、接口限流、权限...

· 大模型,开源,字节跳动,阿里巴巴,Agent智能体,办公效率,模型发布,开发者生态

左颜右色拿下“国货男士护肤销冠”，还在焦虑什么？

钛媒体

（本文作者为创业最前线，钛媒体经授权发布）

文 | 创业最前线，作者 | 胡芳洁，编辑 | 蛋总

当前，男士护肤品也在“卷”功效。

今年9月，中国男士护肤品牌左颜右色在品牌峰会上发布《2026男士护肤生理分型与全场景选择科学白皮书》，并公布针对男性油脂问题的“微酸净油芯”科研技术成果。

据弗若斯特沙利文数据，这家以男士素颜霜（一种带有提亮肤色效果的面霜）打开市场，再拓展到男士护肤领域的品牌，2021年-2025年累计五年国货男士护肤品全国销量第一。

进入2026年，左颜右色一边加码研发，一边加速向线下延伸，并将2026年定义为线下渠道拓展的“启势元年”，试图将线上积累的品牌势能转化为线下资产。

销量TOP1的左颜右色，还在焦虑什么？

1、“易抹变帅”，成就男士护肤销冠

事实上，素颜霜这个品类面市已久，近十年前更是集中爆发，市面上男士素颜霜品牌众多，如欧莱雅、绿所、左颜右色、海洋之尊等，消费者覆盖广泛，也存在女士购买男士素颜霜品牌来使用的现象。

“我用过绿所的男士素颜霜，不卡粉好推开，很好用。”消费者赵妍（化名）对「创业最前线」表示。

不过她也进一步表示，虽然国产品牌价格便宜但是容量小，算下来单价也不比国际品牌低，所以现在也不怎么买了。

天猫旗舰店显示，绿所销量最高的就是这款素颜霜（修颜乳），分原初、轻雾、轻润三种，分别针对全肤质、油皮、干皮，优惠后30g售价96元-126元不等。

而左颜右色的大单品素颜霜，天猫售价约64元/50g，升级版45元/40g，只有绿所的一半左右。虽然价格更低，但使用体验依然在线。

有用户在社交平台分享道，用了男朋友的左颜右色素颜霜，很贴合皮肤，少量多次不会卡粉，质地很水润，皮肤状态不好的情况下也可以正常使用。

「创业最前线」在购买体验该产品后，也验证了这一点。这款素颜霜膏体接近面霜，润泽度高，几乎没有粉感，正如其“易抹变帅”的宣称，不习惯使用美妆工具的男士直接用手大面积涂抹，也能明显均匀肤色、提亮气色。不过，产品遮瑕力较弱。

（图 / 「创业最前线」）

实际上，正是这款素颜霜，打响了左颜右色进军男士美妆市场的第一枪。

公开信息显示，左颜右色品牌注册于2012年，最初做的是女性彩妆护肤，随着彩妆赛道竞争加剧，突围难度上升，品牌于2017年前后转向男士护肤。

彼时，男性护肤市场由曼秀雷敦、欧莱雅男士、妮维雅等少数外资品牌占据较大市场份额，这为国货新品牌进入提供了空间。

2016年左右，素颜霜在韩国市场火爆，带动国内市场各大品牌密集跟进，推出同类产品。据青眼统计，2016年3月-9月，国内新增含有素颜霜字样的产品备案548件，占到备案总数589条的93%。

素颜霜爆火，却鲜少有专门的男士素颜霜，这给了左颜右色启发，品牌避开竞争热度高企的男士洗面奶，选择男士素颜霜这一空白品类来破局。

2017年，左颜右色推出自然若真男士素颜霜，主打“易抹变型男”和“熬夜急救”，满足男性对于快速、简便上妆需求，还具备免卸妆、易抹匀等卖点。产品推出后一跃成为爆款，最火爆的时候在天猫一个月能卖出30多万瓶。

除爆款素颜霜外，品牌还推出面向油痘肌人群的洗面奶、头发蓬松喷雾、剃须膏等，向男士线全品类进发。

如果说对差异化需求的精准洞察，是左颜右色崛起的“左膀”，那么对移动互联网流量风口的快速捕捉，则是其“右臂”。

2017年3月，快手日活5000万，到了11月已突破1亿。左颜右色转型做男性护肤的时间线与快手爆发期高度重合，品牌通过与快手头部达人联合带货，吃到了平台增长红利，并积累了短视频电商经验。

此后抖音电商崛起，左颜右色也是较早入局的品牌之一。2021年左右，同行在抖快陷入存量竞争时，左颜右色又进军男性用户聚集的得物。借着平台东风，左颜右色在短时间内在社交平台快速种草，通过电商平台承接，迅速起量。

与其他护肤品牌青睐流量明星不同，左颜右色在品牌传播上选择与释小龙、郝劭文、郑恺、丁俊晖等影视、体育明星合作，借助童年情怀、体育精神、硬汉形象，让男性护肤理念被更多人接受。

据弗若斯特沙利文数据，2022年-2024年，左颜右色连续3年拿下国货男士护肤品全国销量第一。

但有趣的是，到了2025年，左颜右色对外宣称的市场地位认证变成了“2021年-2025年累计5年国货男士护肤品全国销量第一”，不再单独披露2025年市场排名。

（图 / 天猫旗舰店）

左颜右色怎么了？

2、同质化竞争与研发突围

素颜霜为左颜右色打开了市场，但时至今日，这一品类俨然已成为男士美妆品牌标配，左颜右色差异化优势明显减弱。

在天猫旗舰店，左颜右色销量最高的控油祛痘洗面奶销量10万+，素颜霜销量3万+，约排在第四位。

同为男士美妆品牌的海洋至尊，天猫旗舰店销量最高的三棱镜洗面奶，销量50万+，是左颜右色的五倍；海洋至尊素颜霜单链接最高销量3万+，和左颜右色不相上下。

（图 / 天猫）

而在抖音旗舰店，同样是大单品洗面奶，左颜右色单链接最高销量为100万+，海洋至尊为200万+。

可以看到，这些头部品牌最为畅销的单品依然是洗面奶，左颜右色已不可避免地陷入同质化竞争的泥潭中。

近年来，国货美妆品牌纷纷开拓男士护肤线寻找增量。在天猫，韩束男士美白洗面奶销量7万+，谷雨男士洁面乳销量3万+，溪木源男士洗面奶销量则达到6万+。国际品牌中，较早拓展男士护肤的欧莱雅男士，洗面奶销量40万+。

上有国际大牌、本土头部品牌，下有大批白牌，如何强化差异化优势，成为左颜右色接下来发展的关键。

在转型压力下，左颜右色展开了一系列动作，意图在研发体系上突破。

品牌对外宣称，早在2025年，左颜右色就基于5000多份调研数据，形成4M研发原则，分别对应Men's Skin（男性肌肤）、Men's Emotion（男性心理）、Men's Formula（男性配方）和Men's Functional Test（男性功效测试），解决“男士产品应当依据什么进行研发”的问题。

而2026年9月发布的MSP-3D™三维适配坐标系，则是以“生理分型+靶点解决+场景匹配”，解决男性护肤具体问题的识别与决策方法。

再具体到“微酸净油芯”专研科技，则是一套基于男性皮脂生理特征的精准协同体系，甄选五种活性成分（绿原酸、甘草酸铵、琥珀酸、HEPES、PDRN），实现多链路控油与皮肤微环境的整体重塑，解决技术转化与功效验证的问题。

可以看到，从研发原则（4M），到问题识别与决策方法（MSP-3D™三维适配坐标系），再到技术转化与功效验证（微酸净油芯），左颜右色正在形成一套系统化专研链路，推动男士护肤走向精准适配。

不过，创新构建男士功效护肤专研体系，规划虽好，能否落地并经受市场验证仍需时间。但左颜右色自身的发展局限，却已显现出来。

3、单一化困局与转型考验

左颜右色不仅过于依赖洗面奶单一品类，在渠道上也面临多元化难题。

据青眼情报数据，2025年上半年，在核心渠道抖音平台，左颜右色男士洁面产品以76.66%份额成为品牌支柱品类，排在第二的护肤套装占比仅8.59%。

贡献了大部分销量的洗面奶，主要依靠抖音平台卖出。

2025年上半年，左颜右色洁面产品以高达46.7%的市场份额在抖音居第一位，远超过第二名海洋至尊15.5%的份额。而在淘系平台，它的市场份额仅3.3%，居第五位。

品类上依赖洗面奶，渠道上依赖抖音，更值得关注的是，无论是在抖音还是淘系平台，左颜右色的市场份额均面临下滑压力。2025年上半年，其洁面产品份额在抖音同比下滑高达21.5%。

价格相对较低的洗面奶占主导，也限制了品牌整体溢价。据青眼情报，2025年上半年左颜右色产品结构中，50-100元价格带占比54.9%，0-50元占比39.2%，合计占比超94%。

左颜右色九成以上产品在百元以内，线上市场份额又面临挑战，在研发、功效、产品矩阵和渠道多元化上突破，才有机会带动品牌溢价与长期增长。

左颜右色加速研发创新的同时，也将线下渠道视为新的增长寄托，甚至将2026年定义为线下拓展的“启势元年”，宣称经过三年时间的团队搭建与模式打磨，完整的线下专业团队已经组建完毕。

截至2026年8月，线下经销商数量从2025年底的67家增长至181家，全国终端网点突破2万家，全面进驻沃尔玛、大润发、三福、名创优品等主流KA及CS连锁系统。

但「创业最前线」走访了北京中关村区域的名创优品、屈臣氏、WOW COLOUR、KKV、嗨特购等线下门店，均没有发现左颜右色的身影。

名创优品、WOW COLOUR店员表示门店内没有男士美妆品牌，当了解到消费者想找男士素颜霜后，名创优品店员直接推荐了babi的素颜霜，而WOW COLOUR店员则表示自然堂素颜霜颜色自然，男士用也很不错。

嗨特购和屈臣氏门店则有不少男士美妆产品。嗨特购店员推荐了吾诺和海洋至尊的男士洁面，并表示吾诺洁面有薄荷成分，洗完很清爽，还有磨砂颗粒，洗得很干净，他自己也在用，而海洋至尊这个牌子“比较火”。

屈臣氏门店有一整面货架的男士护肤品，包括欧莱雅男士、韩束男士、曼秀雷敦、妮维雅、百雀羚男士、奢睿等多个品牌。但屈臣氏和嗨特购门店均没有左颜右色的产品。

从当前的走访情况看，左颜右色宣称覆盖主流KA及CS连锁系统，在终端货架上尚未真正落到消费者面前。

当其他竞品借助各类线下渠道触达消费者时，线上份额正在遭受挑战的左颜右色却缺席了，这显然不是个好信号。

压力之下，左颜右色在强化研发实力的同时，在功效宣传与营销上也没有“手软”，但在功效护肤时代，科学传播能力往往与品牌价值直接相关，宣传过于激进反而会带来风险。

早在2025年，就有报道指出，左颜右色微酸洁面乳在商品详情页面显示7天净痘、油痘克星等绝对化承诺，以及96.67%祛痘率等数据，或涉嫌夸大宣传。

国家药监局网站该款产品备案信息显示，“96.67%”相关数据，准确表述应为“在使用产品1周后，96.67%的受试者认为痘痘（粉刺）体积变小”。96.67%指感受到痘痘改善的受试者占比，而不是痘痘数量减少了96.67%。

目前，左颜右色抖音旗舰店商品详情页上，上述信息已进行过调整，变为“7天改善痘痘”“痘痘-49.4%（指丘疹数据）”等更为严谨的表达。

男士护肤市场正在从“有没有”走向“好不好”，竞争的重心也从流量抢夺转向产品力与品牌信任的积累。

对于左颜右色而言，销冠的头衔能带来一时的光环，却难托起一个品牌的长期价值。从一款爆品到一个品牌，中间隔着的，是时间、耐心和对规则的敬畏。左颜右色正进入发展的关键时期。

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

2026-10-31 02:25:28 · 政策监管,字节跳动,快手,设计创意,扩散模型,零售电商,传媒内容,营销广告,招聘HR,模型发布,产品更新,合作,榜单评测

继续滚动加载更多…

流量能节省多少？

相关阅读

跨越分水岭：从“会说”的助手，到“能干”的数字员工

连接与底层：不卷参数，只做适合业务的“原生智能”

除了系统连接，模型本身也需要适配不同的业务任务。

长期主义的底气：AI不是增项收费，而是软件的基础设施

超级App的根基，藏在流量闭环之中

决策入口位移，平台面临前台到后端的角色变局

AI Agent下半场：技术竞赛落幕，利益博弈登场

1. 云主机：为什么我选 99 元的 2G ，不选友商更便宜的 4G ？

2. 向量模型（ Embedding ）：花钱的大头，必须一步到位

为什么必须一步到位？

为什么放弃 SiliconFlow 免费的 BGE-M3 ？

为什么选火山方舟的豆包 Vision （ 0.7 元），没选阿里千问？

3. 意图分析（ Query Planner ）：90% 的人都漏看的“隐藏开关”

维度一：响应耗时（时间预算必须死守在 1 秒内）

维度二：生成结构（严苛遵循 OpenViking 要求的 JSON 协议）

维度三：规划表现评估（业务意图的决断质量）

4. 重排序（ Rerank ）与 VLM：务实的经济账与容灾

5. 写在最后的一些大白话心得

引子

我的方案

为什么新AI做不到：卡住它的不是眼睛，是两样东西

人类赢的不是聪明，是手感和时间

反转：其实AI能拼，用的还是40年前的技术

真正值得警惕的事

结语

如何炼成“果汁界爱马仕”

价格降了，渠道仍高度集中

供应链背后的鲜活生意

1、标签上的“0添加”

2、全渠道布局，收效几何？

3、涌入果+赛道

观点

城堡投资Salame警示AI融资风险：浪潮之下“一些船会沉没”

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

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

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%

张一鸣以6700亿元登顶中国首富，刷新中国首富财富纪录

腾讯汤道生：腾讯云正加快全球数据中心建设

蚂蚁集团发布灵光2.0

宇树科技：第三季度净利润1.13亿元，同比下降17.37%

豆包工作升级电脑操作能力：支持技能录制与锁屏执行

豆包工作向企业客户开放配置三方模型

腾讯WorkBuddy上线“远程控制”

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

阿里巴巴与Apple达成合作，将千问集成至Apple智能

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

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

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

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

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

中科慧灵完成数亿元A++轮融资

超球面科技完成数亿元天使轮融资

趋境科技完成B轮超13亿元融资

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

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

中信证券：GPT-6 Astra进入机器人控制，物理AI迎来重大拐点

人形机器人应用持续拓展，核心零部件投资机遇受关注

SK海力士预计存储市场供不应求局面将持续至2030年

亚洲芯片股下跌，围绕大型科技公司的AI融资担忧加剧

抽奖环节

1、“易抹变帅”，成就男士护肤销冠

2、同质化竞争与研发突围

3、单一化困局与转型考验