HiDNS – 统一管理阿里云、DNSPod、Cloudflare 等 22+ 平台的域名 DNS 解析
如果你有在多个平台注册过域名，想要修改 DNS 解析的时候，却一时想不起这个域名到底是在阿里云、腾讯云，还是 Cloudflare。找到之后，还得登录对应的平台，再进入 DNS 管理页面操作。
而如果有很多个域名，有亿点点麻烦。
来自发现频道的 @HINS 同学，推荐了：https://meta.appinn.net/t/topic/86822
HiDNS 一站式DNS聚合管理平台
HiDNS 自己就是一个平台，只需要添加各大域名注册商的 API Key，就可以一站式管理你的所有域名了。
无论你的域名在哪里注册的，都只需要打开 HiDNS 就行了：
你可以直接在里面看到现有的记录：
支持的域名商
支持的域名商挺多的，包括：
- 国内：阿里云 (Aliyun), DNSPod (腾讯云), 华为云 (Huawei Cloud), 百度云 (Baidu Cloud) 火山引擎 (Volcengine), 京东云 (JD Cloud), 西部数码 (West Digital), 青云 (Qingcloud) 宝塔面板 (BT Panel), 阿里云 ESA (Aliyun ESA), 腾讯 EdgeOne (Tencent EdgeOne), 雨云 (Rainyun), VPS8
- 国际：Cloudflare, NameSilo, Spaceship, PowerDNS, DNS.LA, DNSHE, HiDNS, 彩虹DNS聚合 (CaihongDNS), Gcore
额外支持的功能
除了 DNS 管理，还有其他功能：
- WHOIS 到期监控 — 自动查询域名 whois 信息，跟踪续期状态
- NS 监测与故障转移 — 检测 nameserver 可用性，支持自动切换
- API Token 权限管理 — 可对接 DDNS-Go、acme.sh 等工具，细粒度控制
- 团队协作 — 多用户角色，团队共享域名管理
- 安全加固 — 支持 WebAuthn 无密码登录、TOTP 两步验证、OAuth2/OIDC 单点登录
- 审计日志 — 完整的操作日志记录
另外还支持 API 操作，也就是可以让你的 AI Agent 来管理所有的域名，只要你不怕，我觉得问题不大。
获取
HiDNS 采用 GPL-3.0 开源，你可以通过 Docker 快速部署测试：
docker run -rm -p 3001:3001 -v $(pwd)/data:/app/data --name hidns ghcr.io/hipm-tech/hidns:latest
注意上面的命令在结束后，会删除该容器（纯测试用的）。
原文：https://www.appinn.com/hidns/
相关阅读
©2021 青小蛙 for 小众软件 | 加入我们 | 投稿 | 订阅指南
3659b075e72a5b7b1b87ea74aa7932ff
点击这里留言、和原作者一起评论
[问与答] 话说现在大家常用的拨测工具有哪些？
宝塔最近搞了个宝塔拨测 t.bt.cn ，虽然说无广告，但是功能好像有点少，自己常用阿里云的 boce.aliyun.com 这个平台，但是这个海外节点好像又有点不多，刚接触的时候还常用站长之家的站长工具,https://ping.chinaz.com/,但是这玩意最近好像有点问题，动不动来个 502
然后再就是一些专门的工具，比如测 traceroute ，喜欢用 ipip 那个工具，还有之前套 cdn 想预热不用 cdn 自带的，用 17ce.com 直接刷一遍，itdog boce.com 那些也经常用，但是吧，广告太碍眼，因为一些原因又没怎么装广告拦截插件，看着太什么了
腾讯的 itango 吧，社区版又感觉有点难用
想问问现在大家常用的有哪些？
派早报：佳能发布 EOS R8 Mark II、GPT-5.5 即将下线等
全球领先！一文读懂中国“消费端AI”战场
亚太唯一！腾讯云首次入选IDC MarketScape 全球托管边缘服务领导者类别
9 月 15 日，国际数据公司（IDC）发布《IDC MarketScape: Worldwide Managed Edge Services 2026 Vendor Assessment》报告。凭借边缘安全加速平台EdgeOne，腾讯云位居领导者（Leaders）类别，成为首次入选、也是本次唯一入选领导者类别的中国厂商、亚太厂商。
IDC MarketScape 报告指出：“腾讯云 EdgeOne 通过统一平台原生融合加速、安全、边缘计算与 AI 能力，帮助企业免于组装多个点解决方案，从而降低多产品组合带来的集成与运维复杂度。”本次评估印证了EdgeOne在全球基础设施规模、交付能力及服务成熟度上的综合实力，及面向 AI 时代成熟完备的托管边缘服务，跻身全球第一梯队。
构建 AI 原生应用的边缘基础设施，打造高性能边缘 AI 服务
IDC 指出，传统 CDN 正加速向托管边缘服务演进，竞争焦点已转向边缘侧 AI 推理能力。边缘正成为 AI 时代连接网络、计算与应用的基础设施。沿着这一趋势，腾讯云EdgeOne 正将全球基础设施全面打造为面向 AI 原生应用的边缘底座：为企业提供边缘加速、安全防护、边缘 AI 推理，以及全栈 Web 与智能体开发部署等能力。在安全上，防护对象从抵御攻击扩展到对 AI 爬虫、智能体等新型访问的识别与治理。
同时，需要靠近用户的不再只是内容，还有推理。在实时对话、交易、游戏互动、媒体内容生成等场景，响应速度直接决定体验。EdgeOne 推出边缘 AI 推理平台 Booster，把全球分布式基础设施从内容分发延伸到 AI 计算，在贴近业务的节点部署推理服务，图像与视频生成、语音与音频处理、存储与缓存就近完成，AIGC 生产、实时媒体处理、智能推荐、广告决策等业务由此就近调用算力，实现毫秒级响应。
在托管上，Vibe Coding（氛围编程）兴起，推动应用开发从“编写网页”延伸到“开发智能体”。大量新生成的智能体正加速投入生产环境，对即时部署与托管提出新要求。EdgeOne 的边缘托管平台 Makers 从托管网页扩展到托管 Web 与智能体，开发者完成的项目仅需少量适配即可上线，无需搭建和维护运行基础设施。目前，Makers 已服务超 50 万名用户，累计托管站点超百万个，支撑企业官网、出海电商、AI SaaS，以及医疗、政务、法律等行业的智能体上线与 Web 智能化改造。
规模与行业适配双领先，边缘 AI 能力赋能游戏、音视频、电商等行业
在本次评估中，EdgeOne 在“交付能力”与“增强服务”两大维度表现突出，印证了其基础设施规模与行业适配能力的核心竞争力。目前，EdgeOne 在全球 24 个地区、69 个可用区运营 3,200 多个边缘节点，覆盖中国大陆及其他亚太地区、北美、拉美、中东与欧洲等核心市场。从支撑腾讯自身的游戏、音视频、电商等大规模业务，到服务全球各行业企业，EdgeOne 数十年积累的全球化边缘能力，覆盖金融、游戏、媒体、电商与新零售及物流、票务、航空、酒店等行业，成为企业开展国际业务及进入中国市场的技术底座。
在游戏行业，IDC 游戏云市场报告显示，以 EdgeOne 为承载平台的腾讯云 CDN 服务，收入连续四年位居中国市场第一，游戏资源下载分发规模同样排名第一，为1万+ 款全球游戏提供安全防护。其中，EdgeOne 为完美世界《异环》超 3,500 万预约玩家提供稳定流畅的游戏体验、为西山居《解限机》全球公测超 520 万预约玩家提供分发与安全支持、帮助腾讯《三角洲行动》成功抵御数百次大规模攻击。同时，Booster 为 AI NPC、智能推荐、实时内容生成等创新场景提供更贴近玩家的边缘推理算力，提升实时互动体验。
在音视频行业，EdgeOne 已覆盖 80% 的中国出海音视频社交应用规模 TOP10企业，服务东南亚社交平台 BeLive Technology、日本视频平台 DONUTS、Bilibili（哔哩哔哩）、腾讯音乐娱乐集团TME等全球头部客户。随着 AI 重塑内容生产与互动体验，EdgeOne Booster 支持开源多模态模型在边缘节点部署，让图片、音视频素材无需回传中心云，就近完成生成与处理，大幅缩短 AI 内容生产链路，为全球媒体业务提供高并发、低时延的边缘推理能力支撑。
在电商与新零售行业，EdgeOne Makers 支持电商智能体一站式部署与托管，让 AI 从“回答问题”走向“解决问题”。在智能客服、物流查询、退换货、选品营销等环节，智能体可直接执行业务任务，以 7×24 小时服务提升全球运营效率。
除 IDC 外，EdgeOne 已入选 Gartner DDoS 缓解方案、WAAP、边缘分发平台三份市场指南代表厂商，相关能力纳入 3GPP 国际标准。从加速与防护网络，到连接 AI 计算、承载 AI 应用，EdgeOne 正持续将全球网络、安全与边缘计算能力延伸至 AI 时代，服务更多行业的企业连接全球用户、落地 AI 业务。
关于IDC MarketScape：
IDC MarketScape 供应商评估模型旨在提供技术和服务供应商在特定市场中的竞争适应性概况。该研究利用基于定性和定量标准的严格评分方法，得出每个供应商在特定市场中的位置的单一图形呈现。IDC MarketScape 提供了一个清晰的框架，使得技术供应商的产品和服务提供、能力和策略，以及当前和未来的市场成功因素能够进行有意义的比较。该框架还为技术买家提供了对现有和潜在供应商的优缺点的360度评估。
雷峰网 雷峰网
AI短剧市场见顶，Seedance开始降价
（本文作者为 白鲸实验室，钛媒体经授权发布）
文 | 白鲸实验室,作者｜马舒叶,编辑｜刘培
视频模型赛道里，字节的Seedance作为霸榜模型，已经维持半年之久。谁能成为Seedance的平替，一度成为业内最关心的事。
对销售来说，上半年卖Seedance，几乎不需要太多销售技巧。用户端几乎没有议价权，哪怕是千万年框的客户，也很难换来直接折扣。
但是到了8、9月，Seedance销售开始主动谈折扣了。一位Seedance API第三方服务商告诉我们，Seedance2.0最低可到5.5折，8月发布的满血版2.5也可以优惠到8.8折。
这意味着长期支撑Seedance形成的技术溢价，正在被打破，视频生成赛道开始进入降价换取调用量的商业化竞争阶段。提到降价原因时，这位渠道商没有回避，“今年7月31日发布的MinMaxH3带来的冲击确实比较大。”
在业内不少人看来，MiniMax7月底发布的H3，凭借开源策略和强编辑能力等，冲击了Seedance部分用户。
不过他们也承认，目前仍没有一家模型公司撼动Seedance的地位，尤其在仿真人的质感、复杂运动和稳定性上，Seedance依然是最好用的模型。
只是，无论Seedance还是MiniMax的H3，当前视频生成领域最大的落地场景AI短剧市场已经见顶，视频赛道从国内生态卷到出海，AI短剧行业正裁员。很明显，视频生成的第一波红利已经消退。
H3没有打败Seedance，但分走了蛋糕
7月31日，MiniMax发布视频模型H3，并开源后，市场上一度传来H3会冲击Seedance的声音。
H3凭借还不错的生成效果和高性价比，在AI视频创造者中确实口碑不错。尤其是在8月临时决定开源，支持本地部署，可以用消费级显卡带动。
本地部署最大的优势，就是后续单次调用的边际成本“几乎可以忽略不计”，对持续大规模生产、能摊薄设备成本的影视公司来说，它越来越划算。
我们了解到，虽然仓促开源，实际上也挣不到什么钱。不过在MiniMax看来，若能撬动原有市场，或者赚到口碑，也很有必要。
这个策略确实有成功的地方。一位接近字节的人士告诉我们，火山引擎原本预计，Seedance API的售卖能够继续保持增长态势，但因为H3的影响，近期Seedance的营收开始降了。
最近两个月，“Seedance先失去的，是大量AI短剧之外的客户，包括广告、2D等内容创作等等领域的用户，对他们来说，只要不追求对真人动态的高质量复现，就完全可以不用Seedance了”。
这部分客户对价格高度敏感，对画面质量要求不高。一位创业公司的市场人员用H3做了公司的宣传视频，“只要写好prompt，生成时长控制在7-8秒内，生成效果就是可以商用的了。”尽管H3的生成稳定性和可控性差，特别是仿真人的镜头，但对于现在的工作来说已经够用。
另一位AI视频导演则是用H3做2D、3D动漫和游戏项目，生成效果“能和Seedance 2.0打平，但一次生成时长最高只有15秒，Seedance已经能做到30秒，不过单次成本少了至少一半。”
过去由于Seedance的昂贵，哪怕有时生成效果不如预期，考虑到再次生成的模型抽卡概率，还有按秒算的token消耗，他都会选择凑合。而现在，他已经可以用H3练手了。
上述接近字节的人士估计，“H3切走了市场里差不多20%左右的客户，这部分客户对字节虽然不是大客户，但也能提供稳定现金流。”
不过，Seedance依然是最好的模型，也是AI视频创作者眼里，高质量生成的代名词。MiniMax仍然有自己的短板，比如在复杂的故事镜头上，它的能力相当于只有Seedance的70%。一位导演对我们说。
上述渠道商表示，他最近接触了一个AI短剧公司，最近花了15万元本地部署了H3，但由于对方需要制作质量更精良的横屏短剧，生成一条视频算上反复打磨，有时等待接近两个小时。实验下来，他还是要继续采购支持高并发和快速生成的Seedance。
但对字节来说，一家公司不需要把Seedance全部换掉，只需要把其中20%、30%、甚至一半的镜头拿走，Seedance的调用量就已经发生变化。
不是所有镜头都要调用Seedance，这成为一些AI创作者的共识，与其选一个最好的模型从头用到尾，不如选不同模型来的经济实惠。也就是说，关键的仿真人表演还是Seedance的主场，但此外的任务，都可以摸索出Seedance的替代方案。
AI短剧见顶了
Seedance真正的冲击，或许还因为AI短剧市场不再是增量市场。
一家传统影视公司从前年开始转型成为AI影视公司，他们目前同时生产三类短剧项目。
第一类是偏向下沉用户的AI短剧，主要发在国内短视频平台上；第二类是海外剧；第三类是优爱腾芒等长视频平台需要的横屏中剧、中长剧，甚至AI网大。
其创始人钟鸣（化名）告诉我们，三种剧的预算相差很大。一部普通AI短剧，如果人工、模型和其他制作成本全部计算进去，成本大约在5-8万元，做得重一些会到10万元。横屏中剧、中长剧和AI网大成本则在20、30万元以上。
在成本控制上，钟鸣制定一条红线，三类项目的算力成本（模型生产成本）不能超过总成本的三分之一。对制作方来说，短剧成本“超过三分之一，考虑到项目组人员薪资和预期回报，这事就没得干了。”
其实半年前，几乎没人关心这条成本红线。
当时AI短剧最令人兴奋的点是生产效率。真人短剧需要演员、场地、摄影和大量工作人员。Seedance 2.0的出现，直接改变了原有的短剧、广告片的制作过程，一个人能承担过去几个人甚至十几个人的工作。
Seedance的生成质量很稳定，减少反复抽卡试错的次数，团队就能更快交付成片。比起一个真人短剧项目——找场地，聘用演员，不仅周期长，制作成本动辄40-50万。使用Seedance做AI仿真人短剧，成本能锐减3/4。
于是所有视频内容生产公司都在扩大产能。
一位AI短剧制作者李莉说，过去一个组大约一个月做一部，现在生产周期压到了三周左右。老板的逻辑非常朴素，尽管国内短剧爆款率只有约2%，但是有了AI，完全可以靠砸量来增加爆款的数量。
一部不爆，就多做一部，一部只赚一点钱，可以同时做更多。
问题也由此出现。一家公司拥有更高产能，是竞争优势。所有公司同时拥有更高产能，得到的就是更多同质化的内容。
从用户视角看，视频行业的价值曲线很快就会见顶。这个逻辑不难理解。视频赛道因为有AI，效率提高几倍，用户观看视频的时长并没有同比例增加，广告预算没有因为AI提高几倍，平台能够分出去的流量也不会按照模型的生成速度增加。
Seedance只是快速解决了短剧行业的产能不足，并没有解决一个核心问题，什么会爆。
李莉所在公司已经开始裁员，她认识的其他AI短剧团队都在收缩。上半年，从业者还能通过跳槽涨薪，现在开始有人降薪跳槽，被裁后甚至找不到下一份工作。
出海也面临相似的内卷。国内对仿真人短剧加大管控后，出海成了AI短剧公司的出路，不过这个红利也在迅速消失。
钟鸣的感受最明显。4、5月时，海外AI剧还是一个供给相对稀缺的市场。国内库存剧、质量一般的转制剧，甚至把中国人物换成外国脸，都能找到收入空间。
到了七月，越来越多的中国团队过去了。内容量增加，平台审核开始严格起来，低质量内容被直接筛掉。部分内容的结算已经低到万播一美元，甚至几毛、几分美元级别，大家只能继续卷本地人物、本地故事和本地叙事。
国内发生的事情，很快在海外重演了一遍。供给多起来以后，供给本身就不值钱了。
另一位做出海AI短剧的制作者，拥有自己海外独立的短剧平台，但海外收入微薄。近期她所在的小组做过5部海外剧，其中多部在两周内做到两三千万播放，还有一部达到四五千万级别。但这些内容最终带来的收入仍然只有十几万元人民币。
模型一秒贵几毛钱，过去不是问题。但当一万播放量只能赚几十元时，它突然就成了问题。如果一部剧总预算只有六七万元，模型消耗三万元，模型智能就不再是最重要的考虑因素了。
模型价格对创作者开始变得更重要了。
一位接近字节的人士解释称，“短剧见顶了，支撑起AI视频生成市场的大客户从扩张期进入利润期，便宜一点就变成了购买理由。”这也意味着，Seedance不再有溢价权，一旦有其他模型厂商提供的模型能力还不错，价格更便宜，原有的份额势必会被蚕食。
视频生成的入口也在迁移
为了应对新变化，Seedance开始降价。
火山官方渠道的价格已经可以做到一定程度的折让。Seedance2.5的满血版本，给月度消耗达到近百万元的企业客户，可以进一步谈到八八折左右。
按照上述接近人士的统计，Seedance 2.0或2.5，即便降价仍在四毛钱以上。另一位渠道商给出的零售报价是，Seedance 2.0满血版约0.44元/秒；2.5的480P、720P分别约为0.6元和1.36元/秒。
但即便Seedance降价，也仍高于H3生成成本，后者已经可以做到约一毛钱一秒。还有一个现实是，当前市场的格局，用户并不会局限一款模型，更倾向模型混用。
钟鸣的影视公司并没有把全部业务迁移到其他模型，价格贵的Seedance依然是主力模型。不过，为了控制成本不超过三分之一，保证制作质量，他们会在不同环节用不同的工作流工具，比如用Libtv做视频生成整体成本更低，生图选用ChatGPT，调用inage模型，剪辑，横屏短剧用达芬奇，竖屏短剧再用回剪映。
他的AI内容制作没有跟着模型走，而是跟着工作流平台走，“成熟的工作流平台能很大程度上提高制作效率，控制成本。”
数位AI内容创作者告诉我们，成熟的内容组大都已经搭建起了自己团队的工作流，这种成熟工作流能进一步降低模型对视频生成结果的影响。最经济的办法就是，质量、复杂度最高的镜头继续使用Seedance，质量要求相对低一点的任务换其他模型。不着急的任务甚至可以先本地部署，再慢慢跑。
对AI内容创作者来说，工作台的重要性开始超过以往。
当越来越多创作者选择先进入一个AI视频创作工作台，提高自己的创作效率，由工作台把不同镜头路由给Seedance、H3、Wan，模型就从入口变成了供应商。
视频模型的权力中心也可能开始往上移。过去，Seedance模型最好，吸引客户，客户来了，就产生调用，调用量最后变成火山引擎收入。如今，效果最好的模型仍然可以占最醒目的位置，但它不再拥有绝对的议价权。
这也解释了一个看起来有些奇怪的现象，为什么整个AI视频生产都在这个工作台开始往完整成片推进。
一位接近Seedance的人士表示，从2.0到2.5，Seedance也围绕模型外的harness工程做了迭代，易用性也会影响模型智能的呈现。
模型公司里，字节也在同时推进多套类似系统。小云雀已经可以先解析长剧本，再处理人物和场景资产，最后进入分镜和视频生成。字节内部还在测试一款更重的漫剧工具，可以上传长篇剧本，由系统完成项目规划、资产设计、分镜生产和视频合成，并把多人协作和抖音短剧发行入口接到一起。
火山引擎的Seedance Studio也从“创建项目”开始，继续往需求理解、创作规划、项目组织、生成、修改和成片推进。
MiniMax H3发布后，就顺势推出了MiniMax Design，强调集成H3之外所有常见模型，包括Seedance，可以在一个画布上完成所有的视频生产和编辑流程。
腾讯有WorkRally，把漫剧制作拆成一系列可以被Agent调用的工具。除此之外，AI视频生成公司，包括LibTV Agent，Oiioii都有类似的产品。
一方面，所有人都想用一揽子服务把用户留在自家平台上。另一方面，当下一部片不再只用一个模型，工作台就能决定每一个镜头该用哪个模型、花多少钱、失败以后要不要重做。
MinMax接下来会更新H3.1，据悉要进一步提升模型智能表现，如当前H3生成时长仍为15秒，MinMax需要追上Seedance 30秒的生成时长。
阿里的逻辑则是，Wan不一定要靠一款模型本身挣到最多钱，它可以只成为阿里云模型服务、开发工具和企业生产体系中的一个能力节点。
不过，随着原腾讯混元多模态理解预训练负责人彭厚文加入阿里ATH- Token Foundery- 未来生活实验室，阿里显然也瞄准了多模态模型背后AI视频生成市场。
可以看到，视频模型玩家们，通过抢占入口试图拥有更大的议价权和利润空间。入口一旦形成，模型Benchmark第一和调用量第一，以及真正赚到最多的钱，就可能成为三件不同的事。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
豆包手机“转正”：GUI兜底、AI办公养家
（本文作者为 识礁Farsight，钛媒体经授权发布）
文 | 识礁Farsight
2026年9月14日，豆包正式发布豆包手机助手消费者版本，首发机型为努比亚NaviX Ultra，9月16日发售。
相较2025年末问世的技术预览版，豆包手机助手消费者版本虽然更加强调稳定与安全，但并未抛弃极具争议的“操作手机”能力。基于该功能，豆包手机助手可根据用户的指令跨App执行复杂任务。
由于相较传统智能手机做出了一定的差异化，豆包手机助手消费者版本备受市场关注。截至发稿，努比亚NaviX Ultra在京东平台的预约量约为38万人。据界面新闻报道，努比亚NaviX Ultra整体备货仅约20万台，或将再一次上演发售即售罄的市场表现。
不过，即便备货全部售罄，二十万量级的出货规模，在智能手机行业也显得微不足道。作为一款志在颠覆智能手机行业的产品，数十万销量仅仅是万里长征的第一步。唯有成为像iPhone一样的爆款，并且打通商业化闭环，豆包手机助手才有可能开启全新的AI手机时代。
GUI操控第三方App，初代豆包手机撞上生态墙
其实此前豆包面向开发者推出的豆包手机助手技术预览版，就曾凭借“操作手机”能力引爆市场。
图源：豆包
2025年12月，豆包团队联合中兴推出搭载豆包手机助手技术预览版的努比亚M153工程样机，可通过GUI模拟点击技术实现跨应用自动操作，售价3499元，上架第二天即售罄，二手平台售价一度炒至上万元。
豆包之所以没有在工程样机走红后立即推出消费者版本，一个重要原因在于GUI Agent撞上了应用生态的权限与安全边界。
图源：豆包
由于并非基于官方接口操控第三方软件，而是直接通过GUI识别UI组件，突破了App的流量入口、数据主权与安全风控体系，豆包手机助手技术预览版上线后，很快遭遇微信、淘宝及金融类App的限制，豆包被迫下线部分应用的自动操作能力。
对此，2025年度员工大会上，腾讯创始人、董事会主席、CEO马化腾表示，腾讯一贯旗帜鲜明地反对用黑产外挂的方式，把用户的手机和电脑屏幕录屏传到云端，“因为这是极其不安全、不负责任的”。
意识到GUI模拟点击技术路线阻碍重重后，豆包主动与开发者沟通。
2026年1月，据《智能涌现》报道，豆包手机团队正与主流应用厂商谈判，已拿到打车、外卖、订票等互联网产品的部分常用权限。
最新问世的豆包手机助手消费者版就接入了曹操出行、地图等服务，可通过标准化服务接口，实现“一语直达”。
不过，并非所有开发者都乐于向外部AI工具开放API接口。典型如荣耀，此前一直着力推动MCP、A2A等协议适配，但由于开发者积极性不高，生态扩张速度十分缓慢。
如果仅被动等待官方数据接口适配，豆包手机助手消费者版或将泯然众人。
豆包手机仍采用GUI，但主动权留给开发者
众所周知，2026年以来，AI行业竞争的焦点已从大模型转向Agent。相较仅能提供问答服务的Chatbot，可执行任务的Agent更具想象空间。
手机行业也是一样的道理。升级语音唤醒、记忆、屏幕识别等能力之外，豆包手机助手消费者版并未放弃Agent及任务执行的卖点。
不过如上文所述，有荣耀作为前车之鉴，仅靠有限的开发者提供API接口，豆包手机助手消费者版很难实现真正意义上的“一句话操作手机”。
有鉴于此，豆包手机助手消费者版选择“两条腿走路”，一方面通过官方数据接口执行相应的任务；另一方面让系统级GUI Agent托底。
图源：OpenAI
事实上，强化GUI操作能力，正成为Agent行业的重要技术方向之一。比如，为了提升Agent体验，OpenAI就大幅提升了GPT-6 Astra的GUI操控能力，不光可使用KiCad进行PCB设计，还能在Blender中建立房屋模型。
究其原因，科技行业发展数十年，软件多如牛毛，并非所有开发者都有动力、有能力开放接口。对于没有开放标准接口的长尾软件，GUI是扩大Agent操作边界的重要兜底方案。
不过与电脑端的软件大多具备工具属性，较少涉及信息安全不同，诸多手机端的软件都属于服务型产品，大部分移动互联网公司均对GUI模拟点击技术持抵触态度。
图源：豆包
为避免被第三方应用屏蔽而引发舆论争议，豆包手机助手同步推出了屏幕自动化操作声明协议（SAEP，Screen Automation Execution Protocol），并设置30天公示期。
公示期内，开发者可自主声明是否允许豆包手机助手通过GUI智能体操作自家应用。公示期满后，如果开发者未通过邮件告知且未通过SAEP协议声明拒绝，豆包手机助手将向用户开放GUI智能体操作应用的能力。
此后，如果开发者想调整自家应用与Agent的互动策略，可随时与豆包手机技术团队进行沟通。
可以发现，与技术预览版相比，豆包手机助手消费者版并未针对GUI模拟点击技术进行太多调整。关键的变化在于，豆包将权限开放与否的主动权交给了开发者。相较逐一等待开发者开放接口，SAEP显著降低了GUI Agent操控第三方应用的协调成本。
豆包手机商业化，先从AI办公开始？
豆包手机助手推出屏幕自动化操作声明协议的举措固然值得肯定，但该产品能否一蹴而就开启AI手机时代，也值得反思。
2026年以来，Agent竞赛的焦点主要集中于办公场景。因为该场景下，用户有明确的降本增效需求，Agent的效益可以得到清晰量化。
与PC具备较强的生产力属性不同，智能手机主要承载娱乐、社交和生活服务需求。目前，每天有约7亿人刷两小时抖音，4亿人刷快手，2亿人刷小红书。庞大的内容消费时长说明，移动互联网场景下，相较更快的操作效率，用户更关注内容带来的“情绪价值”。
对此，2019年11月，时任阿里董事局主席马云曾表示，“每天晚上大约有1700万人浏览天猫、淘宝，但是什么东西都不买。我也不知道这些人在干嘛，就是随便瞎逛。所以你的网站不能仅仅是用来购物的，体验、趣味、交流、分享等更重要。”
移动互联网用户娱乐化的偏好，会给豆包手机助手带来两大挑战，其一是Agent功能的实用性大打折扣；其二是商业化难度更高。
GUI Agent需要持续识别屏幕、规划操作路径，并在每一步执行后重新判断界面状态，推理链条更长，因而会比单纯调用标准接口消耗更多算力。在此背景下，由于用户并没有迫切的提效需求，GUI Agent很难通过向用户收费打通商业闭环。
图源：豆包
或许是因为意识到了GUI Agent技术存在结构性矛盾，豆包手机助手消费者版着重强化了办公能力，支持录音纪要、工作任务等功能。用户可通过自然语言，操控豆包手机助手执行信息检索、数据分析、内容生成等任务。
图源：豆包
事实上，通过办公Agent向用户收费，恰恰是当下豆包的发力重点。2026年6月，豆包推出专业版，标准、加强、高级套餐连续包月价格分别为68元、200元和500元。
由此来看，豆包手机助手消费者版真正值得关注的，不只是让Agent进一步获得了“操作手机”的能力，还在于同时触碰到了AI手机两条极为重要的边界：一条是由GUI Agent决定的能力边界；另一条则是依托于办公场景的商业边界。
过去几年，AI手机迟迟未能成为颠覆性产品，并不只是因为模型能力不够强。更深层的问题在于，AI想跨应用完成任务，就必须突破应用之间长期存在的生态壁垒；而当任务执行需要持续调用大模型、视觉理解和多轮推理时，高昂的算力成本又会让厂商望而却步。
这也是豆包手机助手消费者版本的价值所在。基于SAEP的GUI Agent可以以更为温和的方式缝合接口碎片化的问题，办公功能则试图为昂贵的Agent能力找到最先愿意付费的人群。
如果这两条路径可以同时跑通，AI手机就有可能从一场围绕模型和功能的技术竞赛，变成一门可以规模化运行的生意。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
小破站砸10亿搞AI，图啥？
（本文作者为 AIX财经，钛媒体经授权发布）
文 | AIX财经（AIXcaiijng），作者 | 陈丹，编辑 | 魏佳
B站刚学会赚钱，就准备把一整年的利润重新押出去。
2025年，这家公司第一次实现全年GAAP盈利，净利润11.9亿元。几个月后，管理层宣布，2026年将额外增加约10亿元AI相关资本开支。
这几乎相当于B站上一年全部净利润。但放进今天的AI竞赛里，10亿元又显得拿不出手。
字节跳动今年被曝将AI基础设施预算进一步上调至2000亿元以上，9月又从近30家银行获得296亿美元贷款，大量资金继续流向芯片和数据中心；腾讯二季度资本开支达到528亿元，同比增长176%，自由现金流二十年来首次转负。
巨头正在用千亿元购买下一张技术船票，B站拿出的，只是它们一个季度花掉的很小一部分。
需要指出的是，B站并不打算参加这场最烧钱的战争。CEO陈睿在二季度财报电话会上划出了一条明确边界：“AI产业链上有很多环节我们不会参与。”钱只投三个方向：视频理解、视频分发和视频创作。
对AI行业来说，这笔钱太小，不足以买来技术领先；对B站来说，它又足够大，大到可以吃掉这家刚刚盈利公司的大部分年度利润。
B站既不想加入军备竞赛，也不能站在军备竞赛之外。
因此问题来了，一家不造大模型的内容平台，为什么仍然必须花这么多钱押AI？这笔钱究竟是在买增长，还是只是在买“不掉队”的资格？
01.10亿买的是什么？
10亿元放在整个AI行业里不算多，但对B站自己来说，是一次明显的投入升级。
2023年，B站用于设备等固定资产的资本开支约1.8亿元，2024年增至约4.8亿元，2025年约5亿元。到2026年，仅AI相关资本开支就计划额外增加约10亿元，这一增量相当于2025年全年设备投入的两倍。到二季度末，这笔预算已执行七八成，主要用于购买服务器和算力。
这也意味着B站这一轮AI投入，主要是在给现有业务补AI基础设施，让它大规模跑进搜索、推荐、内容理解和创作工具里。
这是B站2023年就定下的方向。
当年7月，“百模大战”最热时，互联网公司争夺的是通用基础模型，比参数、比训练规模、比模型能力，再把模型作为独立产品对外提供。B站也发布了自研的bilibili index大模型，但目标并不是参与这场竞争，而是让模型理解B站自己的视频和用户，服务搜索、内容审核、视频总结等内部场景。
图源 / IndexTTS2展示平台
一个月后的二季度财报电话会上，陈睿把这条路线说得更明确：B站不会参加“百模大战”。他举的例子是内容审核——如果大模型能够替代大量重复的人力，对B站来说就已经有实际价值。
此后三年，B站的AI路线基本没有偏离这个方向。在好耶科技创始人吴杰茜看来，这与其说是主动克制，不如说是现实选择。“现在才开始做（视频模型），已经太慢了，B站也不具备这个基因。”
她介绍，从零训练一个视频生成模型，再一路做到可以商用，拼的不只是钱。可灵、Seedance等模型并非短期投入的产物，背后是团队、数据和工程体系的长期积累。即便现在，视频生成模型仍以几个月为周期快速迭代。对后来者来说，增加预算可以买来算力和人才，却很难在短时间内补上已经形成的技术和工程差距。
对B站来说，更划算的办法，是让上游公司承担最昂贵的模型竞争，等能力成熟、调用成本下降，再把它们接进自己最熟悉的视频业务。
最早，AI主要待在后台，做审核、推荐和智能字幕，之后才逐渐走到用户和创作者面前。2024年，B站推出数字分身工具“必剪Studio”；2025年的“AI原声翻译”，则进一步把翻译、语音合成、字幕处理和口型模拟放进同一套流程，让一条中文视频可以更低成本地进入其他语言市场。
到今年，AI开始从辅助工具进入两个核心环节：一端理解内容，一端生产内容。
B站以中长视频为主。一条几十分钟的视频里可能同时包含人物、观点、情绪和复杂的叙事结构。传统推荐算法更多依赖标题、标签、点击和用户行为，却很难真正理解一条视频在讲什么，更难理解用户为什么会喜欢它。陈睿在二季度财报电话会上提到，新一代模型已经可以更深入地理解视频内容和用户意图。
在B站的设想中，如果这件事能成立，就不只是少雇几个审核员、少做几道字幕工序，而是可能改变搜索和推荐本身——平台可以更准确地理解自己拥有的数亿条视频，再把它们匹配给合适的人。
另一端是生产。过去，一条动画或者制作复杂的视频往往需要多人协作；现在，一个创作者借助AI，也可能完成过去需要一个小团队才能完成的工作。B站已经出现个人使用AI制作动画、获得千万级播放的案例。
今年7月，曾在腾讯混元、Anuttacon任职的曾爱玲加入B站负责AI视频生成业务，并直接向陈睿汇报。这也意味着，AI视频成为创始人直接关注的业务。
因此，对B站来说，过去它可以低成本地试用AI，把模型接进几个边缘环节；现在，当AI开始进入内容理解、分发和生产这些核心链条，B站就必须为它配置真正的算力、服务器和组织资源。
02.10亿买得到能力，买不到壁垒
这套路线已经给B站带来了一些可以量化的收益。
2026年一季度，B站广告收入25.9亿元，同比增长30%；二季度增至31.3亿元，同比增长28%。二季度，广告点击和转化综合指标CTCVR同比提高19%，搜索广告收入翻倍。管理层把其中一部分改善归因于AI对内容和用户意图理解能力的提升。
AI公司本身也在贡献增量。一季度，AI行业广告预算在B站同比增长170%，二季度仍保持翻倍增长。
内容端也是如此。二季度，B站日均投稿量同比增长28%，千粉以上创作者数量增长30%；今年5月推出的一项动画创作活动，三个月累计获得超过1.8亿次播放。
从这个角度看，B站确实吃到了“不造模型”的红利：不用承担最昂贵的技术竞赛，也能分享模型进步带来的效率提升和新增需求。
但问题也恰恰出在这里。
B站可以买到更好的视频理解能力，抖音、快手和小红书同样可以买；AI可以提高B站的广告匹配效率，也会同步提高其他平台的效率。当模型越来越接近一种通用基础设施，它首先抬高的是整个行业的效率，而不是某一家公司的独占优势。
也就是说，B站花10亿元可以买到“跟上”，却很难单靠这笔钱买到“领先”。
AI改变的不只是平台内部的效率，还在改变B站所处的竞争环境。
首先是内容供给。过去，视频是一种生产成本很高的内容形态。真人拍摄、动画、配音和剪辑都需要时间和人力，也因此天然限制了供给速度。AI短剧、漫剧和生成式视频出现之后，原本昂贵、低频的视频内容开始变得更便宜，也更容易批量生产。
红果便是一个直接的例子。QuestMobile数据显示，截至2026年7月，红果短剧日活达到1.68亿，已经超过爱奇艺、腾讯视频、优酷和芒果TV四家的日活总和。今年2月，红果人均单日使用时长达到125分钟；相比之下，B站今年一季度创下历史新高的日均使用时长为119分钟。
红果的增长当然不能简单归因于AI。免费模式、字节的流量体系和番茄小说的IP供给，仍然是它更直接的优势。但AI正在进一步放大这套模式的竞争力：当视频生产成本下降、供给速度加快，红果可以用更低的成本持续扩大内容池，再依靠现有的流量和IP体系把新增内容推给用户。
对B站来说，威胁并不只是“市场上的视频变多了”，而是一个已经拥有巨大流量和内容供给能力的竞争对手，可以借助AI更便宜、更快地增加视频供给，继续争夺用户每天有限的观看时间。
“我相信，不会有任何一个内容平台，面对红果飙升的用户数据不感到着急。”吴杰茜说。
竞争压力同样出现在创作者一端。
AI能够帮助UP主提高产能。一个过去需要几天甚至几周完成的视频，现在部分环节可以交给脚本生成、图片生成、配音、翻译和剪辑工具。对B站，这增加了站内供给；对创作者，它也降低了多平台分发的成本。
所以，AI带给B站的是两种同时发生的变化。
它提高平台内部的推荐、广告和创作效率，也提高整个行业的内容供给效率。前一种变化让B站愿意投入，后一种变化让B站很难选择不投入。
在吴杰茜看来，B站这10亿元与其理解为一次主动进攻，不如先把它看成一项防御性工程。这10亿元能解决的是“不掉队”，而不是建立新的护城河。
03.一张必须购买的入场券
这种防御要付出多大的长期成本，又能带来多少额外收益？答案要落在一笔更现实的账上：为了维持竞争力增加的成本，能不能被更高的商业化效率和内容效率覆盖。
这笔账对刚刚盈利的B站并不轻松。
10亿元主要属于资本开支，不会一次性进入利润表。但按照CFO樊欣在财报电话会上的口径，服务器、算力和相关研发投入，预计会增加全年约5亿元研发费用。相比2025年11.9亿元的GAAP净利润，相当于四成以上。
另一方面，截至二季度末，B站持有约243亿元现金及现金等价物、定期存款等资金。10亿元不到这一规模的5%。它不会威胁公司的现金安全，却足以影响刚刚建立起来的盈利水平。
樊欣表示，公司会削减其他运营费用，对冲部分新增成本，40%-45%的长期毛利率目标和15%-20%的营业利润率目标都没有改变。
资本市场也已经开始按照这个逻辑重新计算B站的AI投入。
年初，瑞银、摩根大通、花旗都把AI带来的广告需求和效率改善列为B站新的增长因素。二季度财报后，摩根士丹利和美银维持积极评级，却下调了目标价或盈利预测。大摩提到研发费用增加、毛利率承压，同时指出广告业务面临宏观逆风；美银同样指向研发投资增加和毛利率略低。
市场关心的问题已经从“AI有没有用”，变成了“AI带来的增量，能不能跑赢它持续增加的成本”。
如果每年增加的服务器、算力和研发成本，能够持续换来更高的广告转化率、更好的推荐效率和更多高质量内容，投入就能产生回报。但如果AI最终成为所有平台的标配，服务器和算力就会从“投资”变成一项“税费”——为了不掉队，年年续费。
一位长期关注互联网平台的投资人对10亿元能够创造多少增量价值持谨慎态度。
在他看来，10亿元不足以让B站获得真正的技术优势。对内容平台来说，最终拉开估值差距的仍然是用户规模、社区关系、商业化效率和产品，而不是是否部署了AI。至于B站为什么仍然需要投入，他认为还有资本市场层面的考虑：当AI已经成为科技公司的必答题，完全缺席本身就可能被视为落后。
在他看来，现在很多公司都是为了AI而AI，资本市场和公司“互相配合演出”。
吴杰茜与他的判断既有相似之处，也有分歧。两人都认为，模型本身很难成为B站独有的资产。真正的分歧在于，当同样的AI能力进入不同平台，它能否放大平台原本的差异。
在吴杰茜看来，B站的优势主要来自两端：一端是长期积累的大量C端内容创作者，另一端是黏性很高的二次元用户。AI反而可能让两项资产变得更重要。
生成式AI正在把内容生产变成更小团队的生意。现在不少AI漫剧团队只有1-5人，一个小工作室就可能做出爆款。这与B站原有的创作者结构很接近，大量UP主本来就是个人或小团队。过去需要更完整组织才能完成的内容，如今几个人就能做，B站积累多年的个人创作者供给，也因此有了新的价值。“谁拥有创作者，下一个时代的精品内容就诞生于谁。”吴杰茜说到。
而且，高黏性的用户、弹幕、评论、投币和收藏，不只是消费行为，也构成了一套持续的内容反馈机制。创作者更容易获得反馈，优质内容更容易在这里跑出来。
这是B站更愿意讲述的故事。
目前，B站有近3亿通过社区考试的正式会员，12个月留存率稳定在80%左右，每月产生约170亿次弹幕、评论、投币和收藏。陈睿把这些行为称为AI时代的“真人信号”。今年一季度，他还表示，AI会放大B站在优质内容供给和社区体验上的优势。“AI是十倍放大的历史性机遇，我们将牢牢把握”。
10亿能否撬动10倍价值仍待时间验证，但在今天的科技行业，这已经足够构成一项投资理由。毕竟，当所有公司都必须回答“你准备怎么做AI”时，不花钱本身，也会变成一种需要解释的选择。
*题图来源于哔哩哔哩官方微博。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
高瓴90后，成了梁文锋的CFO
（本文作者为 融中财经，钛媒体经授权发布）
文 | 融中财经
9月14日，一则人事消息在创投圈里传开。据多个独立信源，DeepSeek的首席财务官即将到岗，最接近最终人选的是高瓴创投合伙人严文韬，他目前已经在走离职程序。这个位子虽然还没有完全落定，圈内不少人已经默认了这件事。同一天，路透社也发出报道，称DeepSeek计划聘请这位高瓴创投合伙人出任公司首位CFO，报道里给他的标签是“dealmaker”，一个擅长做交易的人。
严文韬出生于1991年，今年35岁，此前一直在一级市场做投资。往前数一周，9月9日，DeepSeek聘请中信证券筹备科创板上市的消息刚刚得到知情人士证实。两件事前后脚发生，外界很难不把它们放在一起看。
一个空了一年半的位子
DeepSeek找CFO，找了很久。2025年2月，这家公司就在招聘信息里挂出了首席财务官、财务副总裁等岗位，职位描述里写着“优化资本结构”“推动战略融资”。那时R1刚刚在全球走红，市场的第一反应是，DeepSeek要开始融资了。
结果并没有。此后一年多，DeepSeek依旧靠幻方输血，CFO的位子也一直空着。直到今年6月，DeepSeek官网发布的财务团队招聘里，CFO依然在列，这个岗位一挂就是一年多。
位子空了这么久，想坐上去的人倒是一点不少。有信源透露，五源资本、红杉资本、龙珠资本等多家头部投资机构的负责人，都曾就这个岗位和梁文锋有过交流。这些名字放在任何一场投资峰会上，都是压轴的嘉宾。
业内对此的解读有些微妙。在不少人看来，这些“应聘”多半是个由头，真正的用意是借机和梁文锋坐下来聊一聊，摸一摸DeepSeek的底，顺便看看有没有投资机会。
毕竟在很长一段时间里，梁文锋都是中国AI圈最难约到的人之一，能和他面对面谈上一次，本身就是稀缺资源。一位行业人士说得很直白，这个岗位的吸引力，一半来自DeepSeek在行业里的位置，另一半来自它马上要走的资本化进程。坐上这把椅子的人，等于站到了中国AI眼下最大一笔资本故事的中间。
绕了一大圈，最后走到终点的是严文韬。据接近DeepSeek的人士透露，梁文锋希望这位CFO是个90后。这个条件听上去有些随性，却实实在在筛掉了一大批资历更深、年纪更长的候选人。
这个要求放在DeepSeek身上并不奇怪。这家公司的团队向来以年轻著称，有报道称其核心研究团队里30岁以下的人占了七成以上。
严文韬毕业于复旦大学，2020年加入高瓴创投，后来成为高瓴90后投资人的代表之一，不久前晋升合伙人。他投过的项目里，有字节跳动、极兔，也有智谱和MiniMax。后两家正是DeepSeek在大模型赛道上的同行，而且都已在港股挂牌。他从投资人的位置上，完整看过大模型公司怎么融资、怎么上市。路透社还特意提到，高瓴目前并不是DeepSeek的股东，他进门时不必背着老东家的利益。
与此同时，严文韬也不是从投资机构出走去大模型公司的先例。此前，高瓴MiniMax的投资人薛子钊在2023年就加入了MiniMax，担任投融资副总裁兼联席公司秘书。还有金沙江创投管理合伙人张予彤，在2024年4月加入月之暗面后担任总裁，负责包括融资在内的整体战略与商业化。
不止大模型圈，其他行业这样的例子还有很多。
很早之前，对投资人来讲成长到一定地步然后去自立门户，做新基金是人生目标。但现在，越来越多的投资人似乎更倾向于去创业或者去企业里做高管。
从不融资到两轮千亿
把时间拨回一年前，DeepSeek和“融资”两个字几乎扯不上关系。梁文锋公开表达过，DeepSeek缺的是高端芯片，而钱并不是问题。转折发生在今年春天。4月，The Information报道称DeepSeek正在寻求首次外部融资，规模至少3亿美元，估值不低于100亿美元。这个数字很快就被远远甩在身后。6月中旬，DeepSeek首轮融资落地，整体规模约510亿元，投后估值接近4000亿元，成了中国大模型史上规模最大的首轮融资。
出资名单里，梁文锋本人拿出约200亿元，是最大的单一出资方。腾讯出资约100亿元，宁德时代体系约50亿元，网易、京东、IDG资本等也在其中，国家人工智能产业投资基金出资近10亿元。互联网大厂、产业资本和老牌美元基金，都挤进了这一轮。
比数字更耐人寻味的是条款。据知情人士透露，除了国家人工智能产业投资基金直接注资，其余外部投资方的钱都要先进入一个由梁文锋管理的有限合伙企业，再间接持有DeepSeek的股份。这些投资人没有投票权，拿不到董事会席位，还要接受五年锁定期，换来的主要是优先获取财务信息和后续轮次的优先认购权。
梁文锋团队甚至要求核查每一只出资基金背后的LP是谁。融资之前，梁文锋先通过增资把个人直接持股从1%提到34%，叠加间接持股后，最终受益股份达到84.29%，表决权则是百分之百。
有评论把这轮融资形容为买了一张后排座位的票，钱可以出，方向盘却始终握在梁文锋手里。换作别的公司，这样的条件大概很难谈得下来。即便如此，想上车的人依旧排着队，连腾讯这样的巨头也坐进了后排。
第二轮来得更快，也更曲折。7月中旬，DeepSeek启动第二轮融资，没过多久却突然按下暂停键，一些排在候补名单上的投资人被告知签约计划暂缓。据媒体报道，原因之一是梁文锋对网上流传的一份“投资者交流会实录”感到不满。那场交流会持续了将近4小时，内容后来在业内被大量转发。8月初，融资重启，计划募资500亿元，投前估值约5000亿元，原定8月下旬签约，这一次双方都希望尽量低调。截至目前，这轮融资的最终落地情况还没有公开消息。
这次暂停把双方的分歧摆到了台面上。往后在两者之间来回传话、拿捏分寸的，大概就是这位新CFO了。这份差事，比单纯去谈一笔融资难得多。
钱的问题背后，还连着人的问题。过去DeepSeek迟迟不融资，员工手里的期权没有外部估值作参照，到底值多少很难说清。
与此同时，大厂的挖角一直没停，罗福莉去了小米，王炳宣去了腾讯，R1核心研究员郭达雅在今年4月被证实加入字节跳动Seed团队。当然也有不同的声音，《财经》梳理了DeepSeek两年多来27篇论文的作者名单，认为这支团队的核心成员其实相当稳定，队伍还在扩张。不管怎么看，股权一旦有了清楚的价格，留人这件事总归会好办一些。
科创板在等一个大模型
6月17日，证监会主席吴清在陆家嘴论坛上宣布，科创板第五套上市标准的适用范围扩大到人工智能大模型领域。当天下午，上交所就发布了配套的审核指引，前后只隔了几个小时。这一天，被不少人看作大模型公司登陆A股的起点。
这份指引共十五条，核心意思是支持那些还没有形成一定收入规模、但技术优势明显的大模型企业到科创板上市。门槛也写得清楚，其中一条要求企业在申报时，至少有一个大模型产品已经上线发布并实现规模化应用。拿这条对照DeepSeek，几乎不需要额外准备，R1之后它在全球开发者中的影响力有目共睹，V4系列也延续着开源和迭代的节奏。此前科创板上的AI公司，以摩尔线程、沐曦这类芯片企业为主，纯粹做大模型的公司，这条路还是头一回被明确打开。
DeepSeek的动作跟得很紧。据彭博社报道，早在7月，DeepSeek就在和会计师事务所、投行顾问合作，准备上市需要的财务材料。那时外界的目光还集中在第二轮融资上，上市的准备工作已经在暗处铺开了。
9月9日，路透社援引知情人士称，DeepSeek已聘请中信证券筹备科创板IPO，希望年内启动上市流程。相关媒体随后从知情人士处证实了这个消息，中信证券已经进场做尽职调查，只是双方还没签正式的上市辅导协议，上市时间、募资规模和发行估值也都没有定。另有报道提到，DeepSeek今年前7个月营收约4.75亿元，差不多是2025年全年的10倍。同一天，DeepSeek还下调了Flash系列模型的API价格，有分析认为，这是在用降价换调用量。
按照路透社的说法，CFO在一家公司里管的是投资者关系、财务内控、资本配置，以及上市所需的信息披露。这些事，恰恰是DeepSeek过去碰得最少的。对一家习惯关起门来做研究的公司来说，这几乎是一套全新的语言。
这家公司的沉默是出了名的。梁文锋在2024年7月接受暗涌Waves采访之后，将近两年没有再公开发声，研究员们也很少在公开场合露面。V4发布时，面对外界的种种议论，DeepSeek的回应只有一句“不诱于誉，不恐于诽，率道而行，端然正己”。可一旦成为上市公司，定期财报、临时公告、业绩说明会都会接踵而至。开源和商业化之间的关系怎么讲，也是招股书里绕不过去的一章。模型被广泛使用，并不直接等于收入，这一点总得有人向二级市场的投资者解释明白。
同行们在这件事上走得更早。MiniMax的投融资副总裁兼联席公司秘书薛子钊，同样出身高瓴资本，在公司里负责资本市场运作和财务事务。MiniMax从一级市场一路走到港股挂牌，这一环始终有专人盯着。
月之暗面那边，前金沙江创投管理合伙人张予彤以联合创始人身份加入，负责融资等事务，去年底前后以总裁身份公开亮相。杨植麟当初评价她，既懂业务和战略，又有丰富的投融资经验，还愿意走出舒适区去冒险。如今月之暗面已秘密递交赴港上市申请，据《南华早报》报道，它还在考虑之后再登陆科创板。智谱和MiniMax则已先后在港股挂牌，走在了前面。从投资机构走进大模型公司管钱，这条路早有人走通，严文韬并不是第一个。
在今年那场4小时的投资者交流会上，梁文锋说，DeepSeek最大的核心利益是保持团队稳定。克制了三年的DeepSeek，如今要去推资本市场的那扇门。门后是什么样子，这位90后CFO很快就会亲眼看到。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
[酷工作] remote 高级 Go 后端工程师 / 后端架构师//代码审计工程师 （Go 后端 安全与 AI 方向）//高级技术架构师（Go 方向）
高级 Go 后端工程师 / 后端架构师
20K-40k
岗位职责 负责广告平台对接、投放支持与系统建设全链路工作：
- 对接主流广告平台（巨量引擎 / 腾讯广告 / 快手广告 / 百度营销 / 广点通 / Google / Meta (Facebook) / TikTok / Apple Search Ads / Amazon / Microsoft 等）的开放 API 、SDK 及数据协议；
- 投放账户、计划、单元、创意、人群定向、出价策略的配置、调试与上线支持，
- 投放数据回收、实时监控、效果分析（曝光、点击、CTR 、CVR 、CPA 、CPC 、ROAS 、ROI 等），投放异常排查、平台规则适配、数据对账与归因核对；
-
主导广告平台相关系统的架构设计与开发：
- 广告投放管理系统、账户与权限体系、预算与出价控制系统；
- 广告对账与计费系统、归因与转化追踪系统、人群与创意分析系统；
- 实时投放监控大盘、ROI 归因、转化漏斗、异常告警等核心模块；
- 建设广告数据"采集 → 传输 → 存储 → 实时计算 → 效果分析"全链路，与大数据平台（ Kafka / Flink / Doris / ClickHouse ）深度集成；
- 支持 oCPM / oCPC / OCPA 、RTB 实时竞价、归因窗口、人群定向等业务核心场景落地；
- 处理跨区域数据合规（GDPR / CCPA / PIPL）、iOS 端 SKAdNetwork 归因、IDFA 弱化后的隐私优先归因、Conversion API / S2S 回传、多币种结算等海外特有场景。
核心后端架构工作
- 负责核心后端系统的架构设计、技术方案设计及落地，参与高并发、高可用、分布式系统的建设与持续优化。
- 负责大型业务系统的服务架构设计，包括服务拆分、流量治理、负载均衡、容灾、高可用、数据一致性及性能优化等。
- 负责设计和建设 CDN + 应用层 + Redis 等多级缓存体系，解决热点数据、高并发访问、缓存穿透、缓存击穿、缓存雪崩、缓存一致性及大规模流量场景下的性能问题。
- 参与大型企业级统一入口 / 统一接入体系建设，包括 API Gateway 、统一域名入口、流量调度、服务发现、健康检查、限流、熔断、故障切换等，并建设相应的监控及管理面板。
- 负责生产环境完整的监控、可观测性及故障定位体系建设，能够从基础设施、网络、网关、应用、数据库、缓存到业务指标建立完整的监控体系。
- 基于 OpenTelemetry 建立统一的 Metrics 、Logs 、Traces 可观测性体系，实现跨服务的全链路追踪，并通过 TraceID 、日志、指标、调用链等信息快速定位生产环境问题。
- 建立生产环境故障快速定位和分析机制，能够针对 CPU 、内存、网络、连接池、GC 、线程/Goroutine 、QPS 、错误率、P99 延迟、缓存命中率、数据库慢查询、消息堆积等问题进行快速分析和定位。
- 参与大数据及实时数据处理相关系统建设，负责海量日志、用户行为、订单、风控事件等数据的采集、处理、分析及查询架构设计。
- 参与或负责基于 Flink 的实时计算、实时风控、实时指标及事件处理系统建设，理解 State 、Checkpoint 、Watermark 、Window 、Exactly-Once 等核心机制。
- 参与 Doris / Elasticsearch / ClickHouse 等大数据及分析系统的建设、性能优化和生产环境运维，解决海量数据写入、查询、索引、分片、数据生命周期及集群扩展等问题。
- 参与大型日志平台、风控系统、数据分析平台或实时监控平台建设，能够针对海量数据场景进行系统容量规划、性能优化及故障排查。
- 积极使用 AI 提升研发效率，包括 AI Coding 、代码分析、问题排查、技术方案设计、测试生成、日志分析等场景。
任职要求
- 5 年以上后端开发经验，3 年以上 Go 开发经验，具备扎实的 Go 语言基础，熟悉 Goroutine 、Channel 、Context 、网络编程及 Go 服务性能优化。
- 具备较强的系统架构设计能力，有实际负责大型分布式系统、高并发系统或核心业务系统架构设计和落地经验。
- 有丰富的 CDN + 应用缓存 + Redis 多级缓存架构经验，理解缓存一致性、热点数据、缓存穿透/击穿/雪崩等问题。
- 有大型企业统一入口 / 统一接入平台建设经验，熟悉 API Gateway 、流量治理、限流、熔断、服务发现、健康检查、故障切换等。
- 有完整的生产环境监控和可观测性体系建设经验，能够从 0 到 1 设计和建设一套覆盖基础设施、网络、网关、应用、数据库、中间件及业务指标的监控体系。
- 具备较强的线上问题快速定位能力，能够通过 Metrics 、Logs 、Traces 、调用链、系统指标及业务指标，快速判断问题所在层级，并建立从「发现问题 → 告警 → 定位 → 分析 → 处理 → 复盘」的完整闭环。
- 有 OpenTelemetry 或同类可观测性体系的实际使用经验，理解 Metrics 、Logs 、Traces 、TraceID 、Span 、Context Propagation 等概念。
- 具备较好的大数据系统经验，有海量日志、实时数据、用户行为分析、风控、监控或数据分析平台的实际项目经验。
- 对以下技术有实际生产环境使用经验：Flink / Doris / Elasticsearch / ClickHouse（不要求每项都达到专家级，但至少有 1 ～ 2 项较深入的生产实践）。
- 有大规模日志系统 / 实时风控系统 / 实时监控系统 / 数据分析平台中的一种或多种实际建设经验。
- 具备一定的 AI 工具使用经验，能够使用 AI 辅助编码、代码阅读、问题排查、技术方案设计、测试及日常研发工作。
加分项 有国内外广告平台对接 / 广告投放系统 / 广告归因 / 实时投放监控等实际项目经验。 熟悉主流广告平台（巨量引擎 / 腾讯广告 / 快手广告 / 百度营销 / 广点通 / Google / Meta (Facebook) / TikTok / Apple Search Ads / Amazon / Microsoft 等）的 API 、数据协议及投放链路。
- 有大型互联网、金融、电商、支付、广告、内容平台等高并发业务经验。
- 熟悉 Kafka 、Pulsar 等消息队列的大规模生产实践。
- 熟悉 Kubernetes 、Docker 、云原生及微服务体系。
- 熟悉 Prometheus 、Grafana 、Loki 、Tempo 、Jaeger 等监控及可观测性组件。
- 熟悉 MySQL / PostgreSQL ，并具备数据库性能优化经验。
- 有 Iceberg 、数据湖、实时数仓等相关经验。
- 有大型风控规则引擎、实时决策引擎或事件驱动系统建设经验。
- 有大型企业基础设施平台、统一接入平台、监控平台或内部 PaaS 平台建设经验。
- 有 AI Agent 、RAG 、MCP 、AI Coding 或其他 AI 工程实践经验。
Go 后端代码审计工程师（安全与 AI 方向） 20-30k
🛠 岗位职责
- 负责 Go 后端项目的代码审计与质量评估，从代码规范、架构设计、并发安全、性能隐患、数据安全及可维护性等维度开展系统审查。
- 深入阅读业务代码，识别 SQL 注入、越权访问、敏感信息泄露、鉴权缺陷、接口滥用、并发竞态、资源泄漏等问题，输出审计报告及整改建议。
- 结合业务场景评估系统安全边界，重点审查 API 、数据库、缓存、消息队列、文件上传及第三方服务调用等关键链路。
- 对审计发现的问题进行风险分级，提供可落地的修复方案，必要时参与核心模块重构、漏洞修复及复审验收。
- 参与制定 Go 编码规范、安全开发规范及 Code Review 流程，推动静态扫描、依赖检测和 CI 安全门禁落地。
- 结合 Claude Code 、Codex 、Cursor 等 AI 工具建设自动化代码审查流程，提升漏洞识别、问题分类及审计报告生成效率。
🎯 任职要求
- 本科及以上学历，计算机相关专业优先，3 年以上 Go 后端开发经验。
- 扎实的 Go 语言基础，熟悉 Goroutine 、Channel 、Context 、内存管理及并发模型，能够识别常见并发与性能问题。
- 熟悉 Gin 、Go-Zero 、Kratos 、GORM 等常用框架或组件，具备中大型后端系统开发经验。
- 熟悉 MySQL 、Redis 、Kafka/RabbitMQ 等基础设施，能够审查数据库设计、缓存策略及消息处理链路。
- 具备较强的代码阅读和问题定位能力，有 Code Review 、代码审计、安全评审或线上故障排查经验。
- 熟悉常见 Web 及 API 安全风险，包括 SQL 注入、XSS 、CSRF 、SSRF 、文件上传、鉴权绕过、越权访问和敏感数据泄露等。
- 能够清晰输出审计结论、风险等级、影响范围、修复建议及复审结果。
- 熟练使用 Claude Code 、Codex 、Cursor 等 AI 编程工具，能够运用 AI 提升代码审查和漏洞分析效率。
✨ 加分项
- 具备网络安全、渗透测试、SDL 安全开发或企业代码安全审计经验。
- 熟悉 OWASP Top 10 、CWE 、CVSS 等漏洞分类和风险评估标准。
- 使用过 Semgrep 、SonarQube 、CodeQL 、Gosec 、Trivy 、Snyk 等代码与依赖安全扫描工具。
- 具备高并发、微服务、分布式系统或支付、账户、权限等高风险业务开发经验。
- 熟悉 Docker 、Kubernetes 、Linux 及 CI/CD ，能够排查配置、镜像、依赖和部署环节的安全风险。
- 有漏洞挖掘、攻防演练、CTF 、SRC 漏洞提交或安全认证经历。
- 有基于 LLM 搭建自动化 Code Review 、漏洞识别或审计报告生成工具的实际经验。
🤝 我们期待的你
👉 代码审查能力强：能够快速读懂陌生项目，识别真正影响业务安全和稳定性的核心问题。
👉 安全意识敏锐：不只关注代码能否运行，也关注权限边界、数据安全、攻击风险和异常场景。
👉 结果导向：能够独立完成审计、报告、整改推动及复审闭环，而非只发现问题。
👉 拥抱 AI 提效：善于使用 AI 工具提升审计效率，同时能够判断和验证 AI 输出的准确性。
高级技术架构师（ Go 方向）
30K-50K
岗位职责 1.负责公司核心系统的技术架构设计、评审与持续演进，结合业务发展制定可落地的技术方案。 2.深度参与 Go 核心系统及关键模块研发，能够承担核心代码编写、代码评审、性能优化和复杂问题排查。 3.接管现有产品及技术系统，梳理系统架构、代码资产、服务依赖、数据链路、基础设施和发布流程，建立完整的技术架构视图。 4.对原有 Go 、PHP 或 Java 系统进行技术分析，识别架构缺陷、历史技术债、性能瓶颈和稳定性风险，制定分阶段治理方案。 5.负责高并发、高可用、分布式系统的架构设计与优化，提升系统的稳定性、扩展性、安全性和可维护性。 6.负责关键技术选型及技术方案评审，在业务交付速度、系统稳定性、技术成本和长期演进之间作出合理判断。 7.参与 P0/P1 线上故障处理，能够快速定位跨服务、跨语言及跨系统问题，制定止损、修复和长期优化方案。 8.推动研发工程体系建设，包括代码规范、技术评审、单元测试、持续集成、灰度发布、监控告警及事故复盘等。 9.指导高级及中初级工程师解决技术难题，通过代码评审、技术分享和项目实战提升团队整体技术能力。 10.与产品、运营、渠道及项目管理团队协作，准确理解业务需求，评估技术风险、研发成本和交付周期。 11.对重点项目的技术质量和交付结果负责，主动同步技术风险、资源缺口、解决方案及预计完成节点。 12.根据公司发展需要，逐步承担技术团队规划、技术人员分工、核心人才培养及技术管理职责。 任职要求 1.本科及以上学历，计算机、软件工程或相关专业优先。 2.8 年以上服务端研发经验，3 年以上核心系统架构设计或技术架构师经验。 3.精通 Go 语言及其底层原理，具备扎实的编码能力和大型项目实战经验，能够独立完成核心模块设计与研发。 4.除 Go 以外，至少深入掌握 PHP 或 Java 中的一门语言，能够阅读、维护和改造相关存量系统。 5.具备扎实的分布式系统设计能力，熟悉微服务架构、服务拆分、服务发现、配置中心、API 网关、分布式事务、分布式锁及一致性处理。 6.熟练掌握 MySQL ，具备数据库设计、SQL 优化、索引优化、读写分离、分库分表及数据迁移经验。 7.熟悉 Redis 、Kafka 、RocketMQ 、RabbitMQ 等缓存和消息中间件，理解其核心原理、适用场景及常见风险。 8.熟悉 Linux 、Docker 、Kubernetes 及常见云服务，能够配合运维完成部署架构、资源规划、容量评估和故障排查。 9.具备高并发、高可用系统设计与优化经验，能够解决性能瓶颈、服务雪崩、数据一致性和系统稳定性等复杂问题。 10.具备较强的线上问题处理能力，能够结合日志、监控、链路追踪、数据库及服务状态快速定位根因。 11.能够独立输出架构图、技术方案、接口规范、数据模型、技术风险清单及系统演进路线。 12.具备较强的业务理解和沟通能力，能够把技术问题转化为业务可理解的影响、风险、方案和交付节点。 13.具备较强的责任意识和结果意识，面对历史系统、遗留问题及高压交付时，能够保持稳定并推动问题闭环。 优先考虑 1.有存量系统接管、遗留系统重构或跨公司技术交接经验。 2.有 Go 与 PHP 、Go 与 Java 混合技术栈治理或系统迁移经验。 3.有高流量、高并发、高可用业务系统的架构及性能优化经验。 4.有海外产品、广告投放、内容、工具或多产品矩阵相关经验。 5.有数据埋点、域名管理、打包发布、支付系统或渠道投放链路相关经验。 6.有从 0 到 1 搭建技术架构、研发规范或工程效能体系的经验。 7.有重大线上事故处理、核心系统重构或稳定性专项治理经验。 9.有技术团队带教、技术小组管理或技术负责人经历。 核心评价指标 1.核心系统和业务链路掌握程度； 2.核心代码及关键技术问题解决能力； 3.P0/P1 故障响应和根因解决效率； 4.系统稳定性、性能及可维护性改善结果； 5.技术债治理和架构演进进度； 6.技术方案的合理性及实际落地效果； 7.重点项目技术质量和按期交付情况； 8.团队技术带教及跨部门协作效果。
高瓴创投90后大牛，空降DeepSeek当CFO
（本文作者为 新质动能，钛媒体经授权发布）
文 | 新质动能
高瓴创投90后，空降DeepSeek。
9月14日，据多家媒体报道，高瓴创投合伙人严文韬，或将加入DeepSeek出任CFO。
据悉，严文韬已经在高瓴内部发起离职流程，如无特殊情况，近期就将正式入职。若消息属实，这将是DeepSeek创立以来，一次重量级的非技术高管引进。
这条消息之所以备受市场关注，是因为就在五天前，路透社刚刚曝出，DeepSeek选定中信证券推进科创板IPO事宜。
CFO 敲定人选、保荐券商进场，两件事叠加，不难看出，这家靠模型实力搅动全球AI赛道的企业，正从技术实验室，一步步补齐上市所需的资本配置。
而这位准CFO的来历，本身就透着不寻常。严文韬并非传统财务出身，过往经历几乎都扎根投资行业。一名投资人背景的年轻合伙人，凭什么能拿下这个关键位置？
履历硬核的90后VC
严文韬在创投圈内早已小有名气。
严文韬出生于1991年，复旦大学毕业。2013年至2020年，他先后任职腾讯投资、H Capital，2020年加入高瓴创投，此后成为高瓴新生代投资人的代表人物，还在2025年入选投中Nova新星投资人TOP 50。
严文韬经手的投资项目分量十足，字节跳动、小红书、MiniMax、智谱AI、极兔、微牛（Webull）都在他的投资清单里。今年7月，严文韬在第十四届创业投资大会上透露，自己早在2020年就开始研究大模型，2023年持续跟进具身智能赛道，是国内少数同时吃透大模型和硬科技两大主线的投资人。
严文韬在创投圈深耕多年的产业洞察力，正是DeepSeek寻觅CFO看重的特质。
事实上，DeepSeek其实很早就开始物色这一岗位人选。早在2025年2月，DeepSeek就已经对外启动CFO招聘；直到今年6月，官网上仍然挂着财务团队的招聘信息，CFO一职持续空缺。
同样在6月，DeepSeek完成首轮外部融资，募资规模约500亿元，梁文锋个人出资约200亿元；紧接着，8月推进第二轮融资时，DeepSeek估值一举攀升至5000亿元。
资本化动作轰轰烈烈往前跑，负责资本运作的核心高管却迟迟没有到位。对比国内同行就能看出，DeepSeek引入这类高管的节奏，来得相对较晚。
高瓴系投资人薛子钊2023年就已加入MiniMax，负责投融资与资本市场相关工作；前金沙江创投管理合伙人张予彤2024年4月入职月之暗面，出任总裁，统筹融资和商业化。
同行大多在融资早期就敲定这类资本负责人，DeepSeek却等到IPO冲刺阶段，才选定一位投资人背景的CFO。这份选择背后有哪些考量？
答案在DeepSeek当下的发展诉求中。如今的DeepSeek，需要的不只是做账、内控、编制财报的财务负责人，更需要熟悉融资、股东关系、资本市场规则，同时理解高速成长科技企业战略资源调配的复合型人才。
投资人转任企业高管的案例并不少见。2024年，原今日资本合伙人戴丽丹加入小红书，出任CSO，牵头组建新的战略投资团队，重点布局硬科技和AI应用；今年9月，字节跳动也从海外机构Coatue挖来高管蒋凯，负责香港财务投资团队。
这些人事变化折射出同一个行业趋势：AI成为产业核心变量之后，投资人不再仅仅作为外部资本下注企业，也开始躬身入局，深度参与公司经营。
就在市场热议CFO人选的同时，DeepSeek近一年多的人才流动，也成为外界关注的焦点。
DeepSeek人才出走传闻背后
过去一年，关于DeepSeek核心人才大规模出走的传闻不断，但真实情况并没有那么严重。
2025年起，DeepSeek陆续传出罗福莉、王炳宣、魏浩然、阮翀等核心骨干离职的消息，其中不少人跳槽后，成为了新东家的核心业务负责人：
罗福莉加入小米，负责MiMo大模型；王炳宣进入腾讯混元团队；郭达雅入职字节Seed团队，主导Agent相关研发；阮翀加入元戎启行，担任首席科学家；OCR方向核心成员魏浩然的去向，则始终没有对外披露。
2026年初，随着郭达雅跳槽字节Seed的消息传开，“DeepSeek人才流失”的讨论热度达到顶峰，叠加当时V4模型迟迟未发布，不少人担心DeepSeek研发出现青黄不接的问题。
不过，公开数据展现出了不一样的事实。今年4月底，DeepSeek-V4正式发布，长达58页的技术报告里，附带了一份近300人的研究致谢名单，其中10人被标注已离职。对应下来，核心研发团队的离职率不足4%。
作为参照，OpenAI在过去两年里，流失了超过25%的核心研究人才，多数跳槽去了Meta等竞争对手企业、或自行创业。
拉长时间维度，统计DeepSeek自2024年1月至2026年4月公开发表的27篇技术论文，能够看到不少关键信息。
团队规模保持稳步扩张，2024年1月DeepSeek-LLM发布时，论文作者仅86人，2025年1月DeepSeek-R1增长至194人，等到2026年4月V4版本发布，作者规模达到317人。27个月里，团队从不足百人扩充至三百人以上。
核心人员的留存水平同样亮眼。27篇论文中出现频率最高的15位核心研究员中，有13位至今仍在职；初始86名团队成员中，有71位依然出现在V4的作者名单中，早期团队留存率高达82.6%，长期维持在70%至80%的高位水平。
汇总全部 27 篇论文里出现过的391名作者，累计离职仅25人，占比大约6.4%。
横向对比国内同行，字节Seed论文累计作者967人，阿里Qwen为352人，月之暗面为387人。DeepSeek这391人的规模，虽然远不及字节，但已经和阿里、月之暗面处在同一梯队，谈不上人才凋零。
这组数据足以说明，尽管有少数顶尖技术人才跳槽大厂，但DeepSeek的核心研发基座依然非常稳固。梁文锋凭借独特的用人观，成功吸引并留住了绝大多数顶尖人才。
更关键的是，大规模外部融资加上IPO推进，让员工手里的股权期权拥有清晰的市场化估值与兑现通道，稳定团队军心，破解了早期没有外部融资时，期权价值难以衡量的困局。
DeepSeek的商业化转身
敲定CFO人选、稳住人才基本盘之后，DeepSeek接下来要迎接组织能力的全面升级。
早年的DeepSeek，更像充满理想主义的技术极客团队。依靠梁文锋个人的技术判断，加上幻方量化的资金支持，团队可以暂时放下短期商业收益，埋头探索前沿技术。
这种模式缔造了DeepSeek-R1等震撼行业的成果，但短板同样明显：早期团队规模小、组织架构扁平，商业化落地推进偏慢。
面对千亿级估值，以及即将到来的上市公司身份，DeepSeek正在全方位补强组织能力。
业务和团队架构率先迎来扩张。今年6月，DeepSeek 宣布各部门人员规模至少扩大一倍，招聘范围覆盖超算集群、模型对齐、代码数学推理、多模态等研究方向，还组建对标Claude Code的Agent Harness团队，新增服务端、前后端、测试等软件工程岗位，搭建 AI 跨界技术人才储备池。
与此同时，HR、法务、财务、行政等后台职能部门同步搭建，整体团队朝着千人规模迈进。
商业化落地，也和技术研发同步推进。数据显示，DeepSeek今年前七个月实现营收约4.75亿元，相比2025全年，增长近10倍；综合毛利率达44.6%，其中API业务毛利率更是高达82.9%，净亏损收窄至7.15亿元，商业造血能力逐步显现。
全球开源社区OpenRouter数据显示，近一年来DeepSeek模型的Token调用量占比长期维持在5%到20%之间，稳居全球前六，开发者粘性很强。
从资本运作、组织扩容到商业变现，DeepSeek正在把一家世界级AI实验室，逐步打磨成体系完备的科技企业。
随着CFO的就位与科创板上市流程的推进，梁文锋和DeepSeek，正在书写国内大模型产业的全新篇章。
参考资料：
《梁文锋招到CFO》，投资界；
《曝DeepSeek来了位90后CFO》，智东西；
《梁文锋留住97%员工》，投资界；
《DeepSeek核心人才真的在流失吗？27篇论文里藏着答案》，财经；
《DeepSeek致谢近300名研发者 10名已离职大将在列》，每日经济新闻。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
国产GPU“四小龙”齐聚资本市场：6132亿市值之后，真正的考验才刚开始
（本文作者为 舒书，钛媒体经授权发布）
文 | 舒书
2026年9月11日，燧原科技登陆上交所科创板。
首日大涨179.22%，市值1708亿元。至此，摩尔线程、沐曦股份、燧原科技在科创板，壁仞科技在港交所——国产GPU“四小龙”在资本市场完成会师。以9月11日收盘价计算，四家合计市值6132亿元人民币（其中壁仞科技为港股，按汇率折算）。
这是国产算力产业的一个里程碑。但里程碑的另一面，是一组更值得追问的数据：最先上市的摩尔线程，股价已从最高点回撤超过60%。四家公司上半年营收全部高速增长，但按扣非口径，全部未盈利。
上市不是终点。当“有没有国产GPU”这个问题已经被验证之后，市场要问的下一个问题变成了“谁能真正跑出来”。
一、四种模式，四种活法
四小龙齐聚资本市场，但它们走的是四条完全不同的路。
燧原科技是深度绑定路线的极端样本。腾讯既是燧原的第一大股东，也是第一大客户。2024→2025年，腾讯占比从37.77%翻倍至83.79%，同期毛利率从40.78%降至31.78%（-9pct）——这个时间序列是集中度上升、议价权下降最硬的证据。2026年上半年，燧原毛利率仅30.37%，只有沐曦（57.2%）的一半多一点。上半年营收11.20亿元，同比增长279.08%，但归母净亏损6.32亿元，亏损同比扩大3.57%。经营活动现金流-8.78亿元，资产负债率78.70%。
但有一个被忽略的正面数据：燧原6月末合同负债66.65亿元，较2025年末暴增18.26倍。腾讯在用预付款为燧原锁定产能，订单能见度极强。但合同负债是负债——66.65亿预收款推高了资产负债率，公司自己解释亏损扩大时也提到预收客户款项预提的利息费用。预付款既是订单能见度的证明，也在当期侵蚀利润，且这笔预收款绑定的是腾讯定向场景，很难直接转化为对外可复制的通用市场订单。
燧原招股书预测2026H1净利-6.08亿至-5.77亿，实际净利-6.32亿——既低于预测下限，也没能收窄。所以前三季度预告（-8.6亿至-7亿）应当打折看待。
沐曦股份走的是分散布局路线。前五大客户集中度约61%，是四家中最低的。2026年上半年，沐曦营收13.24亿元，毛利率57.2%，同比提升1.1个百分点。归母净利润6.12亿元（含非经常性损益6.61亿），扣非后仍亏损0.49亿元。但沐曦二季度扣非后已实现单季度盈利0.54亿元。需要提醒的是：单季度盈利可能受阶段性项目交付和验收时点影响，未必是可持续稳态。
沐曦有一个独特的对赌机制：实控人陈维良及一致行动人承诺，若2026/2027/2028任一年度未盈利或扣非净利较上市前一年下滑50%以上，逐次延长锁定期12个月。（未盈利的口径是归母还是扣非，目前有歧义——按归母口径2026H1已+6.12亿大概率达标，按扣非口径则未必。）
摩尔线程是营收规模最大的一家（17.36亿元），上半年毛利率从上年同期的69.14%降至56.95%，二季度单季骤降至49.26%。但这不是简单的产品不赚钱——二季度6.6亿元夸娥智算集群大单确认收入，占当季营收近七成。芯片卡本身毛利率约70%，而集群项目含外采集成、服务器组装、系统调试，毛利率被压低。这是卖芯片赚钱、卖系统证明能力的战略取舍，而非竞争力衰减。但大量承接低毛利系统集成业务，会消耗现金流、占用交付资源，挤压芯片自研迭代资源——这是战略取舍的代价。
摩尔线程上半年扣非净亏损1.51亿元，同比收窄。非经常性损益1.39亿（主要为政府补助等）。经营性净现金流流出21.69亿元，主要发生在Q1（-14.87亿），Q2已收窄至约-6.82亿，趋势在改善。同时应收账款8.8亿元、同比+102.89%，回款质量值得跟踪。但账上弹药充足：A股IPO募资80亿元，截至6月末募资专户仍留存约56亿元。短期“烧钱断粮”的风险并不成立。
壁仞科技是营收增速最猛的一家。上半年营收12.36亿元，同比增长1997.56%。但去年同期营收仅约0.59亿元，近20倍不说明天花板，只说明起点低。壁仞期内亏损3.77亿元（IFRS口径；经调整亏损3.37亿，减亏38.9%），毛利率提升至42.7%，同比+10.8pct，是四家改善最多的。它坚持云端大算力训练芯片路线，已完成互联网大客户认证，存货12.1亿、预付款15.34亿（+230%锁定产能）。
二、一张表看清四家的分化
注：摩尔线程为扣非归母口径；沐曦同时列出归母与扣非；壁仞为港股IFRS期内亏损口径（经调整亏损为非IFRS口径）；燧原为归母净利润口径。跨市场比较时需注意口径差异。
三、四小龙在争剩余份额
2022年，英伟达在中国AI芯片市场的份额约95%。2026年，这个数字已跌至约8%——黄仁勋本人5月公开承认把中国AI芯片市场拱手让给华为。国产AI加速卡份额突破60%，昇腾约50%—62%。
也就是说：国产替代不是想象空间，是已经发生完大半的事实。
按旧框架：稀缺溢价退场 = 替代想象被证伪。按实际数据：稀缺溢价退场 = 替代已经完成，而四小龙不是最大受益者。真正的问题变成了——蛋糕分完了，你分到多少？
摩根士丹利2026年预测，在国产AI加速卡的内部盘子里，昇腾约62%、寒武纪约14%，CR2=76%、CR4=86%。放到包含海外厂商的全市场口径，英伟达份额降至约8%、AMD约12%；四小龙在整体大盘里，需要和平头哥、昆仑芯一起争夺剩余份额。寒武纪9月11日H1营收59.96亿、净利润23.11亿；海光信息9月11日市值5366.66亿——这才是国产AI芯片前二的量级。
四、一个必须看的标杆：寒武纪
四小龙在争剩余份额，但剩余的量级有多大、什么样的公司能从中跑出来——寒武纪提供了一个最直接的参照。
先看一组同等市值的对比：
四小龙合计市值6132亿，H1营收54.16亿，亏4.09亿（归母/期内亏损口径简单加总，非统一会计口径；若按更严格的扣非口径，亏损显著更大）。
寒武纪9月11日H1营收59.96亿，净利润23.11亿。
一家寒武纪的H1净利润，比四小龙H1营收的一半还多。而四小龙H1营收同比增速约174.8%，寒武纪约108.13%——增速只差1.6倍，不足以解释盈利与亏损的鸿沟。
一家寒武纪的半年营收，仍然超过四小龙半年营收之和——同期同口径。
但真正的诊断不是效率差，是规模差。至少毛利率最高的沐曦已经证明——它缺的不是单位经济性，是规模。沐曦57.2%的毛利率已经超过寒武纪55.25%，它亏损不是因为产品不赚钱，而是5.25亿研发摊在13.24亿营收上（39.65%），而寒武纪7.02亿摊在59.96亿上（11.72%）。但壁仞42.7%、燧原30.37%仍低于标杆，说明对另外几家而言，规模不足与产品结构问题是并存的。
而寒武纪2024年，就是今天的四小龙（单家）。寒武纪2024年营收11.74亿、净利-4.52亿——和今天的四小龙单家营收（11.20—17.36亿）几乎一模一样。一年后，它做到64.97亿、盈利20.59亿。这就是市场买的那张期权：赌四小龙能在两年内复制这条曲线。
关于研发费用的绝对值：四小龙里研发投入最高的两家，单期研发费用（流量）绝对值已经超过寒武纪，产出却只有它的五分之一。但需要加一个限定——单期研发费用衡量的是投入流量而非存量。寒武纪的当期营收，兑现的是此前多年的累积投入。这个对比说明的不是投得少还产得多，而是投入期与收获期的阶段差。
还有一个反向启发：寒武纪第一大客户占比从2024年的79.15%降至2025年的26.21%，前五大中四名为新增客户，集中度在下降；燧原的腾讯占比从33.34%→37.77%→83.79%，在上升。一个在把集中变分散，一个在把分散变集中。但需要注意：寒武纪客户分散是面向多家政企与算力平台，而燧原是单一股东兼客户腾讯，两类集中的风险性质并不等同。
五、股价的回撤，比营收的增长更值得看
四小龙的上市首日表现，曾是资本狂热的最佳注脚：沐曦首日涨692.95%，摩尔线程涨425.46%，燧原涨179.22%。
但狂热之后，是冷静。摩尔线程的股价从最高941元跌至9月11日盘中低点约345元（当日收盘357.85元），回撤幅度超过60%。沐曦从1033元跌至489元，区间调整超过50%。
9月7日，摩尔线程迎来首轮大规模限售股解禁，2577万股流通，可流通股票一夜之间扩容85.27%。解禁当天，股价封死20%跌停，龙虎榜前五大卖出营业部均为机构专用席位，累计卖出14.62亿元。机构选择在这个时点集中兑现，原因不难理解：即便按跌停价出手，打新机构的账面浮盈仍超过260%。
9月的解禁只是序幕。摩尔线程12月7日还有约1.86亿股首发前老股解禁，占总股本39.55%，规模是本次的7倍。沐曦9月17日也有1396.6万股解禁，扩容比例75.4%（低于摩尔线程的85.27%），但绝对流通盘更小——解禁前仅1853万股，且叠加了7连跌、累计跌超20%后的脆弱情绪。真正的压力在于盘子薄、情绪弱。
更远期，沐曦2028年3月有占总股本68.27%的巨量解禁。
但解禁不是确定的利空。A股减持规则对大宗交易、集合竞价比例、窗口期、减持预披露均有约束；老股东也可以选择锁仓。不过，Pre-IPO原始股东成本极低、投资周期很长，退出诉求天然强于打新机构——哪怕走大宗转让，接盘机构未来依然会有减持预期，中长期抛压没有消失，只是延后。
另外两个被忽略的供给变量：摩尔线程2026年8月已通过H股发行决议，拟发行不超发行后总股本10%、设15%超额配售权；沐曦也在筹划赴港。这既是融资弹药，也是未来12—24个月的股本摊薄与供给增量。
六、技术路线的分野与成本约束
四小龙的技术路线存在一个根本性分野：摩尔线程、沐曦、壁仞均采用自研软件栈在不同程度上兼容CUDA生态（摩尔线程另兼顾图形渲染，自称全功能GPU）；燧原走的是完全不兼容CUDA的DSA路线。
CUDA兼容是短期商业化落地的核心抓手——绝大多数客户已有CUDA代码，不兼容很难拿到规模化订单。但需要区分：API/生态层面兼容，不等于底层架构完全独立。长期仍存在专利、生态绑定层面的不确定性，兼容策略本身是商业选择，不等于完全摆脱生态依赖。
DSA路线的短板更显著：算子、编程模型完全独立，外部客户要迁移业务，需要大规模改写算子、重构应用，迁移成本远高于CUDA兼容路线。燧原能够走通这条路，很大程度上得益于腾讯提供的联合适配场景——如何将这种联合验证形成的产品能力复制到更多客户，是从依赖走向共生的关键。
供应链约束同样不能一概而论。HBM（高带宽内存）供给紧张对壁仞超大算力训练卡的冲击，和对以推理芯片为主的厂商冲击完全不是一个量级。HBM涨价、代工报价波动，会直接侵蚀毛利率。这些隐形壁垒，正是四小龙在财报之外必须跨越的“暗礁”。
国产GPU“四小龙”齐聚资本市场，是这一代中国芯片创业者的阶段性答卷。
但资本市场的耐心从来有限。摩尔线程60%的回撤、即将到来的12月大规模解禁、沐曦Q2单季扣非转正但整体仍亏损、燧原亏损扩大但合同负债暴增——这些信号都在说同一件事：上市只是拿到了牌桌的入场券，真正决定座次的比赛，才刚刚开始。
市场定价隐含一个期权：赌四小龙有机会复制寒武纪2024→2025那条扭亏放量曲线。而这张期权的行权条件，是把收入、毛利、现金流、利润串成一条可持续的链条——前提是产品、生态、客户结构不发生恶化。放量，不必然自动带来同等毛利率与盈利改善。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
AI巨头，盯上“金融牛马”
（本文作者为 定焦One，钛媒体经授权发布）
文 | 定焦One，作者 | 王璐，编辑 | 魏佳
Louis构思好框架后把素材喂给AI，再调出几个自建的Skill，只要几个小时，一份符合他思路且相对完整的调研报告就出炉了。同样的活，2020年的中秋，他写了一整个假期。
Louis在金融行业待了10年，做过行业研究员、产品经理，参与过全国性金融系统的设计，跑过衍生品交易和后台结算的整套系统，了解金融行业的整个工作流程。他的这份提速体感，眼下每一个金融从业者都能感受到，因为AI巨头正集体杀进金融。
IDC数据显示，2025年中国金融生成式AI市场增速高达90.4%，是AI落地最猛的行业之一。到了今年，节奏还在加快。
5月，Anthropic一口气发布10个金融Agent模板；8月，Google Cloud推出Gemini金融服务版。真正密集的火力集中在最近一个月，9月3日，腾讯WorkBuddy金融版上线，自今年3月以来，WorkBuddy号称已陆续入职中金公司、国投证券、中国太平等100多家金融机构；9月7日，千问宣布接入兴业证券、易方达、众安保险等十余家机构。9月10日，OpenAI推出金融版ChatGPT，摩根士丹利参与打磨，内置PitchBook、LSEG等金融数据。同期，阿里云内测AI投研工具Qovest的消息也在圈内流传。
两个月内，四家巨头排队入场。AI能落地的行业不少，为什么巨头在这个时候死磕金融？金融AI到底改变了什么，又迟迟没改变什么？
01.巨头扎堆AI金融，为什么是现在？
金融和AI的天然适配，早已是行业共识。
金融是数字化程度最高的领域之一，存在着海量的结构化文本。需求端，中国结算《2025年统计年鉴》显示，A股投资者已超过2.5亿，自然人占比99.76%，上交所披露的数据中，仅2026年一季度新增开户就超1200万户；资产端，中国结算登记存管的证券超过4.2万只，沪深总市值近138万亿元；内容端，5469家上市公司每年滚动披露数万份定期报告，叠加每天滚动产生的公告与快讯，构成一个文本处理量以亿字计的市场。
信息浓度高，金融从业者每天的工作，几乎都是信息搬运和密集计算，而这恰好是AI的主场。Louis的体感是，以前研究员需要和写代码的同事配合，才能搭量化模型、完成coding等任务，现在只要懂产品思维，把思维喂给AI，代码生成和信息检索由AI代劳，研发周期大幅缩短。
Louis发在社交媒体平台上的思考
但适配只是底子，真正卡住的一直是技术。今年，有两件事终于跑通了。
一件是幻觉可控化。金融行业对AI的要求是零幻觉、可回溯、审计留痕，过去这被视为禁区，如今正在被逐一拆解。模型端，在Vectara幻觉排行榜的摘要事实一致性测试中，头部金融垂直模型的幻觉率已压到2%以内；工程端，RAG（检索增强生成）成为B端标配，模型被约束在机构给定的数据源内作答；产品端，Agent模板和工作台把每一次调用留痕，让幻觉从不可接受的风险变成可定位、可审计的误差。
“金融客户不会追求幻觉率为零，他们更关心的是说错了能不能发现、能不能定位。”一位金融AI领域的创业者说。落到工程上就是三层兜底，检索层只查给定的数据源；生成层要求每个结论必须带引用；审计层把每次调用的输入、输出、引用全部留痕。中国人民大学本硕、某头部VC投资分析师赵永国（Octo） 补充了验收侧的关键在于“溯源”，每条结论挂上出处链接，点进去就能看到出自哪份研报、哪份年报。
另一件是Agent。幻觉可控，AI才被允许进门，但要它真的替人干活，还得靠Agent。
Octo认为，“聊天机器人时代，AI本质是搜索，把文档切成数据块，按关键词检索、拼成答案，只有提效，没有实质，但Agent能跑通工作流的闭环。以基金公司的行业研究为例，行业-要素-权重-方法论，一层套一层，靠多个子Agent分工协作，整套研究框架才得以AI化。闭环能力成立之后，金融行业才第一次确认这东西真的能用。这才是巨头集体入局的真正时间拐点。”
最后是市场空间。IDC数据显示，2025年中国金融行业生成式AI平台及应用解决方案市场规模为17.4亿元，2029年将增至113.5亿元。横向比，这个盘子并不算大，同年AI医疗应用软件市场已达35.4亿元，约为金融的两倍，但金融90.4%的增速稳居行业应用第一梯队。高增速有一部分来自低基数（2024年仅9.14亿元），可低基数只是放大器，真正的驱动力是需求的集中释放。
更关键的是，金融机构付得起钱。Octo算了笔账，“一个外部数据账号年费高达上万元，一家中型基金公司一采购就是几百个，而且还涉及大量要求不高、人力成本却不低的重复性劳动的岗位，这是AI替代最现实的ROI。”
数据、技术、钱都到位了，巨头才会同时挤进来。
02.三种路线：从卖能力到抢入口
国内外巨头接连进场金融AI，但方式完全不同。拆开看，产品形态可分为三种，对应的是三种生意：卖工具、卖系统、抢流量。
第一种，是把AI做成金融从业者随手可用的工具。
最先落地的，是把通用模型包装成一套金融专业能力。比如，Anthropic发布的10个Agent模板，是将写招股材料、做客户背景审查、搭财务模型、月底对账等重复性工作做成开箱即用的模板，同时接入标普、穆迪等权威数据库，让AI回答时直接查数。Google的Gemini金融服务版、OpenAI的金融版ChatGPT也类似，云端订阅，但集成和流程改造留在客户侧。
这类产品解决的是金融从业者每天最琐碎、最标准化的工作：找数据、整理材料、搭初步模型、更新表格等。它的优势在于部署最快，用户门槛最低，覆盖面也最容易做大。但这条路也最容易陷入同质化，技能可以复制，模型可以替换，数据连接也可以迁移。对巨头而言，这更像是抢占金融AI的第一层入口，同时培养用户习惯和使用数据，真正高价值的部分还在后面。
第二种是工作台，把整套AI系统嵌进金融行业的生产流程。
这一层比“工具”重得多。AI开始进入银行、券商、保险公司的业务系统，接触权限、数据、审批和内部流程，最终承担的是一段完整工作。
腾讯WorkBuddy金融版就是这一类。其金融版按公司金融、零售金融、投研投顾、个客经营分成四个工作台，厂商进驻装机，和中金、平安银行、中国太平等金融机构共同打磨。对公信贷尽调等流程已经开始尝试用AI压缩处理时间，整套系统部署在机构内网，模型、数据、审计链路全部留在机构自己的墙内。阿里点金打法类似。
这条路线的优势恰恰来自它的重，一旦AI进入核心流程，客户就很难轻易更换。权限体系、数据接口、员工培训、审计记录、内部系统适配，都需要重新搭建。对于AI厂商来说，这意味着更长的销售周期和更高的交付成本，但也意味着更高的客单价和更强的客户黏性。这条路最考验厂商的企业服务能力。
第三种，是把AI推到金融服务的用户入口。
比如，千问App把券商、基金、保险、期货等机构直接放进一个面向消费者的AI入口里。用户在一个App里查询行情、阅读研报、获取机构提供的金融服务。对于金融机构来说，这意味着多了一条触达用户的渠道；对于AI平台来说，则是在争夺用户每天处理“钱”的那个入口。
这条路线的想象空间最大，因为它直接连接用户和金融服务。一旦用户形成习惯，AI平台掌握的就可能是大量金融需求的分发权。但它也是三条路线里最难的一条，企业内部的AI，主要解决效率问题；面向消费者的金融AI，还要处理责任、牌照和信任。
因此，三条路线的商业价值其实各有侧重。从眼下的成熟度看，第一条最容易快速放量，第二条最有可能沉淀长期价值，第三条则最考验平台的用户规模和金融服务能力。这也解释了为什么巨头没有押注同一种产品。对于Anthropic、Google、OpenAI来说，先把金融专业能力装进模型，是进入机构的最快方式；腾讯、阿里更擅长企业服务和本地化部署，更容易从工作流切入；阿里的千问还可以利用App的用户规模，去争夺金融服务的消费端入口。
但无论走哪条路，巨头真正想把这门生意做深，都绕不开两个问题。
第一关在上游，核心数据仍然掌握在别人手里。
行情、财报、公告、研报的授权和口径，长期掌握在Wind、同花顺、通达信、彭博、穆迪、标普这些数据商手里。现在的变化是，AI厂商开始通过MCP和各种连接器，把这些原本藏在专业终端里的数据调用能力接进Agent。Anthropic与穆迪合作，Google联手标普，WorkBuddy接入通达信，不是技术偏好，而是不做这个连接器，就拿不到更多专业数据。模型可以迭代，数据授权、数据口径和历史积累却很难一夜之间复制。
第二关在下游，金融机构自己也在建AI产品。
大型金融机构很难把最核心的能力全部交给外部厂商。东吴证券自研秀财GPT，用本地化部署的DeepSeek-R1做投顾、研报和风险识别；中金把资深分析师的研究方法蒸馏成技能包；国君、广发、国信、中信建投各家都搭起了自己的智能体矩阵；长桥则选择从底层到应用全链路自研，再将能力向外输出。
所以，AI金融不是巨头进去就赢的生意。
03.AI进了金融，但还没进最核心的地方
三条路线解决的是AI怎么进入金融机构的问题，真正到了工位上，又是另一回事。
Louis的体感是，目前金融AI真正让一线人员感受到明显提效的，主要还是行研和交易，而且集中在相对基础的环节。
“金融是一台大机器，行研和交易只是其中一台发动机。”他还指出了一个被忽略的事实，金融业最原始的形态是银行的存贷，如今没有任何一家金融AI能够覆盖借贷和存款的全周期。巨头反复强调的覆盖证券、基金、期货、保险全链条，落到实际，信贷审批、风险评估、合规决策这些最核心的环节，AI仍然只是辅助。
Octo从用人端给出了印证，“AI现在最容易替代的，是实习生和初级研究员。实习生的活是扒数据、整理数据、听会写纪要；初级研究员多一层最基础的研究能力，但他们的产出本质是行业普遍认知。对于通用AI来说，这些内容有足够多的公开样本可以学习，也有相对清晰的工作流程可以拆解。”
而金融真正值钱的部分，往往发生在信息已经整理完之后。比如，同一组宏观数据摆在几个研究员面前，有人判断行业即将反转，有人认为只是短期波动，这些判断依赖的往往不是公开信息本身，而是对行业周期、公司经营、交易环境以及过去经验的综合理解。
更现实的问题是，少数人持有的观点和knowhow（落地的经验、踩坑心得、实操技巧、内部做法），机构不会交给任何外部厂商。这解释了覆盖面为什么窄，AI能干的是普遍认知的活，而金融里最贵的活，恰恰是不普遍的那些。
除了覆盖面小，数据隐私是另一道坎。
幻觉率降了，但红线还在。一位金融从业者把信息分得很清楚，“未公开的财务数据、内部报表、董事会材料，都是敏感信息，不可能提供给AI。”
从这个角度看，AI已经进入金融的工作流，外围工作开始被AI接手，但核心判断仍然牢牢握在人手里。
巨头们则正在想办法改造这个行业，布局深的，或将成为机构离不开的底座；布局浅的，按token计费、随时可被替换。不止一位从业者认为，未来AI金融很可能不会只有一种赢家。模型厂商负责提供通用智能，数据商守住专业数据和口径，AI平台负责把模型、数据和Agent组织起来，金融机构则把自己的业务规则和方法论留在内部。真正能长期留下来的产品，最终都得进入这张复杂的产业链里，找到自己不可轻易替代的位置。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
大模型牌桌上，蚂蚁如何出牌？
谈起国内 AI 公司，人们首先想到的往往是智谱、MiniMax、月之暗面等大模型创业公司，或者阿里、腾讯、字节这些拥有云和流量入口的大厂。
在这张竞争地图里，蚂蚁的位置一直没有那么容易被描述。它也做大模型，也做面向消费者的 AI 应用，现在甚至开始进入具身智能。
蚂蚁到底想在 AI 产业里占据什么位置？它准备依靠什么与其他大模型公司竞争，又想把自己的护城河修在哪里？雷峰网注意到，2026 Inclusion·外滩大会，提供了一个观察蚂蚁 AI 布局的窗口。
外滩大会上，蚂蚁展示了什么？
从进入外滩大会开始，蚂蚁的 AI 产品就已经在接管具体任务。
入场时，观众拿出手机"碰一下"，完成身份核验的同时，也唤醒了展会 AI 助手。AI 不再只待在一个对话框里，而是被嵌进入场、身份和服务流程。
走进展馆，最显眼的是一台在药房货架间移动的机器人。
货架间的通道只有80厘米宽，药品仍按真实药房的方式摆放。搭载蚂蚁灵波通用大脑的机器人，需要自己接收订单、识别药品、完成分拣，再把药交出来。为了容纳它，药房不需要重新装修，也不需要把货架改造成机器熟悉的样子。
另一种"行动"发生在生活服务区。
用户对阿宝说："每天上午10点帮我买杯咖啡。"智能体需要记住这项安排，在固定时间找到相应服务、创建订单并完成支付。
坐进汽车，可以让它代缴停车费；戴上 AI 眼镜，也可以直接询问附近的餐饮优惠。用户不再需要记住服务藏在哪个 App 里，只需要说出自己想做什么。
到了医疗区，阿福承担的是更复杂的任务。它不仅回答健康问题，也开始进入挂号、导诊、报告解读和诊后随访。村医接诊时，医患对话可以自动整理成病历，辅诊建议同步出现；碰到处理不了的问题，系统再给出转诊建议。
再往前，是蚂蚁服务小店和小微企业的产品。
店主不需要打开一张张经营报表，只要问"哪家店卖得不好""哪些商品该补货"，经营智能体"晓雨"就会调取数据、寻找问题。网商银行的百灵2.0，则试图把信贷、票据、财税等能力重新组织起来，让老板用日常语言就能调用。
入场、取药、买咖啡、看病、管店，这是五件看起来毫不相干的事。但把这些产品摆在一起，会发现蚂蚁的 AI 版图比想象中更宽：阿福和阿宝面向普通用户，晓雨和百灵进入企业经营，灵波则把 AI 从屏幕带进物理世界。
蚂蚁在AI 上的布局
从外滩大会释放的信息看，蚂蚁给出的答案已经有了一个大致轮廓：底层做模型，上层做应用，同时把AI从数字世界延伸到物理世界。
先看模型。
蚂蚁的百灵模型已经迭代到 Ling 3.0。目前的产品线包括通用模型 Ling-3.0-flash、轻量模型 Ling-3.0-tiny，以及面向多模态和金融场景的 Ling-3.0-flash-VL、Ling-3.0-flash-Fin。
其中，Ling-3.0-flash总参数为1240亿，但每个Token只激活51亿参数；轻量版Ling-3.0-tiny总参数79亿，每个Token激活13亿参数。据了解，Ling-3.0-flash还使用了超过1万个交互式环境进行训练，重点强化工具调用和复杂任务执行能力。
这组数据能看出蚂蚁做模型的思路：重点不只是把参数做大，还要控制推理成本，让模型能够进入真实业务。
面向普通用户，蚂蚁目前最重要的两个产品是阿福和阿宝。
阿福向医疗健康深处走。目前，阿福用户数已经达到1.5亿，日均健康咨询约2000万次。它不只回答健康问题，也在连接挂号、导诊、报告解读和诊后管理。
阿宝走的是另一条路。它覆盖餐饮、出行、文旅和政务等场景，已经完成万余项服务的AI化适配。
阿宝想争夺的是App之上的任务入口。
过去，用户先判断该打开哪个App，再自己完成搜索、比较、下单和支付。阿宝试图改变这条路径：用户只表达意图，智能体在后台寻找和调用服务，把剩下的流程跑完。
如果说阿福是在一个垂直行业里向下扎，阿宝就是在不同生活服务之间横向连接。一个争夺专业服务，一个争夺用户交办任务的入口。
面向企业，蚂蚁数科做的是另一套产品。
Agentar最初是一套智能体开发平台，现在被进一步升级成"商业智能体超级工厂"。
"工厂"要解决的不只是如何开发一个智能体。当一家企业拥有几十个甚至几百个智能体，还需要统一处理部署、权限、评测、管理和协作。
Agentar首批预置了约200个岗位级数字专家模板，以及数百项可以调用的行业技能。企业可以用这些能力组装自己的智能体，再把它们放进客服、营销、风控和研发等业务流程。
这条业务已经开始反映在收入上。
蚂蚁数科CEO赵闻飙在外滩大会上披露，过去两年，蚂蚁数科整体业务年均增长接近50%，AI To B业务增速达到三位数。AI To B正在成为蚂蚁数科的核心布局。
在To C和To B之外，蚂蚁又把手伸向了具身智能。
蚂蚁没有先造一台自己的机器人，而是推出灵波通用大脑，希望同一套模型和技能系统能够驱动不同形态的机器人。
外滩大会上，搭载灵波的机器人可以在药房里分拣药品，也可以进入物流仓库和工业生产线。蚂蚁提供"大脑"，机器人厂商提供不同的"身体"。
如果说阿宝调用的是App和商业服务，灵波调用的就是机械臂和物理设备。前者替用户在数字世界里办事，后者尝试把任务真正做到现实世界里。
到这里，蚂蚁的AI版图逐渐清楚了。
底层是百灵模型；上层，一边是阿福、阿宝等面向普通用户的智能体，一边是面向企业的智能体超级工厂；再向外，灵波把模型能力延伸到机器人。
蚂蚁几乎覆盖了从模型到应用、从个人到企业、从数字世界到物理世界的整条链路。
但版图铺得足够宽，并不意味着护城河自然形成。
大模型、智能体和具身智能，其他科技公司也在做。蚂蚁真正不同的地方，究竟在哪里？
蚂蚁靠什么做出差异化？
4天外滩大会下来，雷峰网感觉蚂蚁真正的差异，不在于业务铺得更宽，而在于它试图把AI做得更深。
大模型公司首先争夺的是智能上限：模型能不能完成更复杂的推理，能不能在榜单上超过对手，能不能吸引更多开发者。
蚂蚁选择的是另一种打法：把模型塞进一个个具体行业，进入真实业务流程，最后对结果负责。
这条路没有模型榜单那么醒目，也很难依靠一次发布会证明。产业里的数据分散在不同系统中，工作流程各不相同，还夹杂着权限、合规和责任问题。一个智能体在实验室里完成任务，不代表它能直接进入银行、医院或者工厂。
真正的门槛，往往出现在落地以后。金融和医疗，是蚂蚁最先选择的两个行业。
它们不是蚂蚁AI生态位的全部，却最能检验这种打法。一个关系到钱，一个关系到人的健康；既需要专业知识，也容不得模型随意发挥。
在金融场景里，模型不仅要回答问题，还要理解不同机构的业务规则，处理信贷、保险、投研和风控流程。在医疗场景里，模型不仅要懂医学知识，还要连接挂号、问诊、检查、用药和随访。
AI能不能真正进入这些行业，取决于模型之外的很多东西。
蚂蚁过去积累的支付、账户、风控和金融服务能力，以及与医疗机构、商家和小微企业建立的连接，到了智能体时代，都可以重新变成落地能力。
这也是Agentar要解决的问题。
企业需要的通常不是一个更会聊天的机器人，而是一个能够读懂内部数据、遵守业务规则、获得相应权限，并进入现有工作流的"数字员工"。
因此，Agentar提供的不只是模型接口，还包括行业技能、智能体开发、评测、部署、权限和管理工具。蚂蚁数科要做的，是陪着企业把AI嵌进业务，而不是把模型卖出去以后就结束。
这种模式很重，也很慢。
但产业落地恰恰是一件需要做重的事。模型能力可以通过一次升级迅速追赶，行业知识、客户关系和业务流程却只能一个项目、一个场景地积累。
模型公司的护城河写在参数里，蚂蚁想把护城河修进产业流程里。
支付和安全，也是这套落地能力的一部分。当智能体只负责回答问题，答错了可以重新问一次。当它开始替用户下单、付款，错误就会变成真实损失。系统必须知道Agent是谁、代表谁、获得过什么授权，出了问题还能不能撤销和追溯。
AI Pay、APASS和KYA所解决的，并不是如何让模型变得更聪明，而是如何让企业和用户敢把真实任务交给它。
蚂蚁集团安全CTO陈亮在大会上说："能力决定AI能做什么，可信决定社会敢把什么交给AI。"
这正是产业落地与产品演示之间的距离。
具身智能也延续了同一条路径。
蚂蚁没有选择从机器人硬件开始，而是用灵波为不同形态的机器人提供"大脑"，再寻找药房、物流和工业等真实场景。
一台机器人能在展台上取下一盒药，只能证明模型有能力完成这个动作。它能不能每天工作，成功率能不能达到生产要求，成本能不能低于人工，出了问题能不能找到责任，才决定它能不能成为一门生意。
从金融、医疗到具身智能，蚂蚁选择的场景不同，方法却很一致：先进入产业，再用场景倒逼模型、产品和基础设施一起进化。
这条路当然还没有跑通。
韩歆毅判断智能体商业的"ChatGPT时刻"已经到来。但当主持人追问，这个判断是不是来自蚂蚁后台的数据时，他坦率地回答："我们其实还没有从后台数据看到这样的迹象。"
用户希望智能体解决更多问题，商家却还没有完成服务改造；商家看不到足够大的需求，也不愿意提前投入。模型可以快速迭代，产业不会按照同样的速度改变。
这也是蚂蚁面临的最大挑战：产业落地能够形成壁垒，也可能变成一场漫长而沉重的消耗战。
但如果一定要给蚂蚁在AI产业里找一个位置，它想占据的，可能正是智能与产业之间的"落地层"。
向上，它承接不断进化的模型；向下，它进入金融、医疗、商业和物理世界，把模型能力翻译成一项真正可以使用、可以交易、也可以追责的服务。
大模型公司争夺谁能造出更强的智能。蚂蚁争夺的，是谁能把这种智能送进产业。
【数智周报】DeepSeek扩招150人，为史上单次最大规模招聘；月之暗面报案：网传关于创始人及员工信息系恶意造谣；英伟达斥资129亿美元收购HuggingFace
观点
蚂蚁集团CEO韩歆毅：智能体商业的ChatGPT时刻已经到来
蚂蚁集团CEO韩歆毅在主题演讲中表示，智能体商业的“ChatGPT时刻”已经到来。与此前更多停留在能力展示不同，智能体正在进入真实交易环节，并有望成为新的商业入口。
Anthropic联合创始人兼首席执行官：必须放慢提升AI模型能力的速度
Anthropic联合创始人兼首席执行官表示，我们必须放慢提升AI模型能力的速度。需要明确的是，这并不意味着停止模型训练或技术进步，而是要确保企业有足够的时间对齐并防护其模型，并让第三方评估者对此加以确认。
国内资讯
燧原上市开盘涨188%市值约1700亿元
9月11日，燧原科技上市，开盘报价410元/股，比发行价格142.18元/股涨188%，意味着打新一签（500股）浮盈约13.4万元。截至午盘，燧原股价报收393.78元/股，涨176.96%，总市值1695亿元，而燧原2025年最后一批老股转让交易估值约为182亿元。
DeepSeek发V4.1-Flash取代V4-Pro，价格下调
9月10日，DeepSeek发布最新模型DeepSeek-V4.1-Flash。DeepSeek称，V4.1 Flash模型是其全新模型结构系列中的最小尺寸的模型，具备原生多模态视觉理解能力，在众多基准测试中超越包括DeepSeek-V4-Pro等旗舰模型的智能水平。根据DeepSeek公告，DeepSeek-V4.1-Flash为552B参数的MoE（专家混合）模型，采用新结构后输入和输出不对称，输入激活8B，输出激活16B，成本小于同尺寸模型。
据DeepSeek开放平台公告，于北京时间2026年9月10日12:00起，调整flash系列定价：空闲时段输入缓存命中单价0.02元、输入缓存未命中单价1元，输出单价4元；高峰时段价格为空闲时段价格的2倍。高峰时段是指北京时间周一至周五9:00-12:00、14:00-18:00（其余为空闲时段）。
DeepSeek扩招150人，为史上单次最大规模招聘
9月8日，DeepSeek发布招聘信息，招聘人数达到150人。招聘包含两大方向，一类是服务端开发工程师，覆盖大模型研究平台、Agent框架组件、研发效率基建、DeepSeek API、线上服务、数据工程六大方向；另一类则是Agent弹性计算研发工程师，涉及平台开发和底层系统。DeepSeek Harness团队负责人崔添翼在社交平台称，这个前所未有的150个HC的招聘需求产生的原因是这样的：计算机领域的任何东西量变大之后，就会产生复杂度上巨大的增加，数据的量、机器/容器的量、训练任务的量等等都在急剧增加。这就会让之前的后端系统逐渐不能完美满足将来的量的需求，所以需要大量扩招人来升级、维护和重写各种后端系统。
DeepSeek：9月14日后将继续提供V4 Pro的API调用服务
DeepSeek表示，为响应广大用户的需求，决定在2026年9月14日之后继续提供DeepSeek V4 Pro的API调用服务，计费方式保持不变，如有变动将另行通知。
月之暗面报案：网传关于创始人及员工的信息系恶意造谣
关于月之暗面16名人员被带走的传言在网络发酵后，月之暗面发文称相关消息系“恶意造谣”，已报警处理。
中国社媒平台过去两天流传一张聊天截图，指月之暗面有16名人员被带走，包括创始人杨植麟。月之暗面法务部9月12日在官方微博发文称，网传关于创始人及员工的信息纯属虚构，系恶意造谣。公司已第一时间向警方报案，将依法追究相关造谣者的法律责任，并呼吁外界“不信谣、不传谣”。
腾讯文档推出“AI工作台”
9月8日消息，腾讯文档宣布AI服务全端升级，正式推出“AI工作台”。此次升级中，腾讯文档内的Agent底层框架由WorkBuddy提供，腾讯文档则结合真实文件场景，承接内容生成、编辑、协作、任务执行、文档管理和成果交付。
华为“韬定律”芯片麒麟9050 Pro首现身
该芯片采用先进制程工艺，在算力与能效比方面较上一代大幅提升，主要面向高端智能手机与AI终端设备。华为称，麒麟9050 Pro将搭载于即将发布的新旗舰机型，并在AI推理与影像处理等场景中带来显著体验升级。
科大讯飞发布星火X2.5
该模型在中文理解、数学推理与代码生成等任务上表现提升，并强化了语音交互与多模态能力。科大讯飞称，星火X2.5将应用于教育、医疗、办公等场景，并同步升级相关产品与API服务。
京东启动物理AI加速计划：两年内采集超1000万小时真实场景视频数据
京东正式启动“物理AI加速计划”，依托零售、物流、科技、工业、产发多板块能力，打造贯通机器人产业上下游的一体化服务体系，覆盖数据供给、零部件集采、渠道销售、场景落地、售后维保全环节。
字节跳动获得296亿美元贷款
字节跳动获得了296亿美元的贷款，贷款初始期限三年，最长可展期至五年。花旗集团与摩根大通担任本次融资的协调行。彭博社在9月3日援引匿名信源率先报道了上述消息。9月6日，财新从接近字节跳动人士处确认该消息属实，不过，由于各家银行仍在回签确认各自的承贷份额，交易尚未完成签署。
阿里发布QoderWake 1.0，已有近10万个数字员工“上岗”
9月8日，阿里发布数字员工产品QoderWake 1.0，用户一句话描述岗位需求，QoderWake可生成一份角色文档。用户修改、配置和确认后，即可生成一个理解工作职责、协作关系、工作权限等信息的数字员工。过去三个月，QoderWake上已有近10万个数字员工在真实工作场景上岗，执行约200万次有效任务。
宇树科技首次实现人形机器人全自主搏击
9月7日晚，宇树科技发布视频称，UnifoLM-X2-1.0突破世界-动作大模型瞬时规划、决策和动态交互执行等瓶颈，实现高动态、强交互、实时实现对未来预测和规划，实现人形机器人全自主搏击。验证了世界模型驱动的人形机器人大规模落地部署的基础可行性。
原飞书产品副总裁施凯文放弃创业，加入某大模型公司担任产品合伙人
前飞书产品副总裁施凯文已终止其端侧AI Agent创业项目，选择加入某大模型公司，担任产品合伙人。此前报道，施凯文于6月底从字节离职，在端侧Agent领域创业，并拿到红杉中国与锦秋基金的投资。知情人士透露，由于施凯文的创业项目处于早期阶段，产品尚未正式推出，融资可能也未完全到位，或仅使用了一小部分，所以项目才能终止得如此迅速，还没来得及大规模招人、烧钱、铺渠道。至于红杉和锦秋已投的资金，大概率是退还投资或协商处理。施凯文是知名连续创业者。2019年，施凯文加入字节跳动，负责飞书产品方向。他深度主导了飞书多维表格的产品演进，并推动飞书向AI协作工具转型。
消息称字节正开发实时空间视频生成AI模型：最快下个月发布
9月7日消息，据报道，字节跳动正准备推出一款实时空间视频生成AI模型。该模型计划最早于下月发布。知情人士指出，发布时间尚未最终确定，计划仍可能发生变动。据介绍，该模型基于字节跳动现有的电影级视频生成AI模型Seedance构建，将允许用户面向直播、短剧和游戏创建交互式虚拟世界。
蚂蚁集团AI安全实验室登顶CyberGym榜单，漏洞验证成功率98.5%
AI安全能力评测基准CyberGym更新榜单。蚂蚁集团AI安全实验室研发的天工Cyber模型与天工Harness以98.5%的漏洞验证成功率登顶榜单。据介绍，天工Harness融合了自研天工Cyber模型以及DeepSeek V4 Pro、Qwen 3.8 Max等国产大模型的能力，可完成漏洞分析、PoC构造和结果验证，覆盖复杂软件漏洞验证的端到端流程。
阿里云：Token Plan个人版升级，新增12类Agent Harness工具
阿里云Token Plan个人版升级。据介绍，原有价格及Credit额度保持不变，Standard和Pro套餐新增Agent Harness工具权益与用量，覆盖搜索、网页解析、图像生成、语音处理、代码执行等12项Agent开发常用能力。
月之暗面官宣企业合作伙伴“登月计划”，首批签约多家上市公司
月之暗面正式启动Kimi企业合作伙伴“登月计划”，将以FDE模型（Forward Deployed Engineer）与各行业系统集成商共建前置部署工程师队伍，深入客户现场，推动大模型进入企业核心业务流程。这也是国内首家采用FDE模型进行AI末端部署的大模型公司。首批签约伙伴包括中软国际、金山云、华胜天成、亚康股份、亚信科技等，覆盖软件信息服务、通信、基础设施、云计算等领域。该计划将持续面向IT服务商、软件服务商及咨询机构开放。
阿里辟谣钉钉创始人“无招”回归
近日有消息称，钉钉创始人无招（陈航）已重新回归阿里，组织关系纳入千问办公事业部。对此，阿里方面回应称，该消息不实，无招并未回归千问办公事业部。今年6月，阿里宣布钉钉管理层调整，陈航卸任钉钉CEO，由陈宇森接任。目前钉钉与千问办公同属千问办公事业部。
海外消息
Adobe第三财季营收、利润双双超预期，AI产品ARR增150%，Q4指引略逊于预期
Adobe公布2026财年第三财季业绩，营收达67.6亿美元，同比增长13%，高于市场预期的67亿美元，并创下公司第三财季纪录；GAAP净利润为18.27亿美元，同比增长约3%；非GAAP摊薄每股收益为6.13美元，高于分析师预期的6.08美元。Adobe表示，其“AI-first”年度经常性收入（ARR）同比增长超过150%；创意和生产力解决方案的月活用户数突破10亿。
Anthropic控告中国大模型泄露中国用户数据给其模型用于“蒸馏”训练
美东时间9月10日，美国大模型公司Anthropic发布了一份长篇报告，其中指控DeepSeek、小米、月之暗面等中国AI实验室存在不当使用用户数据的行为。按照Anthropic的说法，DeepSeek、小米、月之暗面等公司将用户与中国大模型之间的对话内容输入Claude，再将Claude生成的回复用于训练中国大模型，以“蒸馏”Claude的能力。
中国商务部称美国官方对中国大模型工业规模“蒸馏”美模型的指控，于事无凭，于法无据。
ARM自研AI CPU获两大中国客户
9月8日Arm Everywhere China年度大会上，ARM宣布，已引入联想集团和字节跳动火山引擎两家新合作伙伴，后续将在中国市场部署ARM自研芯片AGI CPU（通用人工智能中央处理器），其中，火山引擎已将首批基于该平台的智能体沙箱推向市场。
前OpenAI员工现任Anthropic研究员辞职，称两大AI巨头拿人类命运赌博冒险
据外媒报道，曾在OpenAI工作的Anthropic研究员雅各布·考克森宣布辞职。过去3年，他先后在OpenAI和Anthropic两家AI巨头从事预训练研究。考克森发出警告称：“两家公司的做法都不负责任。它们争相开发能够自我改进的超级智能，拿我们的生命下注。”考克森于2023年加入OpenAI技术团队，2026年7月转赴Anthropic担任研究员。在OpenAI期间，他参与过GPT-4o的研发。
OpenAI放弃今年上市
当地时间9月12日，据报道，OpenAI首席执行官山姆·奥尔特曼在采访中表示，鉴于对人工智能的安全担忧，OpenAI不会在2026年上市。其称：“实际上，考虑到目前围绕安全问题发生的一切，我认为现在上市并非明智之举，而且我们对此并不感到压力。”
当奥尔特曼被问及是否已放弃2026年转而考虑2027年时，他表示：“我会说不是2026年。是的，我们还有很多工作要做，比如应对当前在安全性和目标一致性方面所面临的要求，以及行业和政府如何合作。”
Oracle通过客户预付款控制资本开支
9月10日，Oracle公布季度业绩超出华尔街预期，当季营收增长30%至193亿美元（约合人民币267亿元）。且现金消耗低于预期。本季度，Oracle签订了超过300亿美元的新增AI云合同，将其营收积压订单推高至6640亿美元，高于分析师预期。Oracle还表示，大部分新签约的营收将不需要在芯片上投入大量现金支出，这有助于其维持900亿至950亿美元的年度资本开支目标。
英伟达斥资129亿美元收购开源AI社区HuggingFace
HuggingFace是全球最大的开源AI模型与数据集托管平台，汇聚了数百万开发者与数十万个预训练模型。此次收购将帮助英伟达进一步整合AI开发工具链，巩固其在AI基础设施领域的生态优势。英伟达表示，交易完成后HuggingFace将保持独立运营，继续向社区提供开源服务。
OpenAI推出新模型GPT6
该模型在推理能力、多模态理解与长上下文处理方面较前代显著提升，并进一步降低了幻觉率。OpenAI称，GPT6将率先向企业客户与付费用户开放，随后逐步扩展至免费用户。分析人士认为，GPT6的推出将进一步加剧大模型市场的竞争。
OpenAI最强AI生图模型：ChatGPT Images 2.5
9月9日，OpenAI官宣ChatGPT Images 2.5，图像生成延迟最多降低50%，并新增Sketch草图参考、模板库、图片内评论标注等实用功能，是该公司当前最先进的图像生成模型。相比较2026年4月发布的Images 2模型，Images 2.5重点降低了图像生成延迟，在细节锐度、自然光照和纹理丰富度方面均有提升的情况下，延迟最多降低50%。
OpenAI AI智能体曾攻击RubyGems，涉及利用未知漏洞窃取凭证
OpenAI正在测试的AI智能体今年5月曾攻击软件包平台RubyGems，研究人员称其利用服务器中的未知漏洞试图窃取用户凭证，并在RubyDoc.info服务器上运行代码。OpenAI已确认相关事件，称其智能体当时通过RubyGems访问互联网以执行无害任务并获取公开信息，目前仍在调查。这是OpenAI AI智能体至少第三次攻击其他公司基础设施，此前还曾入侵一个德语维基网站，并涉及今年7月发生的Hugging Face事件。
英伟达据悉正就向Anthropic的IPO项目投资高达100亿美元进行谈判
相关报道援引知情人士称，英伟达正与Anthropic洽谈，考虑以基石投资者身份参与其IPO。Anthropic此次IPO计划募资最高1000亿美元，估值或达约2万亿美元；英伟达考虑投资最多100亿美元。据悉，Anthropic计划在今年11月美国中期选举前完成上市。若成行，英伟达将进一步加深与这一主要客户的合作关系。Anthropic目前高度依赖英伟达GPU，同时也在扩大对亚马逊、谷歌等芯片及算力供应商的合作。
DeepSeek：9月14日后将继续提供V4 Pro的API调用服务
DeepSeek表示，为响应广大用户的需求，决定在2026年9月14日之后继续提供DeepSeek V4 Pro的API调用服务，计费方式保持不变，如有变动将另行通知。
谷歌推出Gemini Windows桌面应用，支持快捷键唤起AI助手
谷歌宣布推出Gemini Windows桌面应用，支持Windows 10和Windows 11，可通过“Alt+Space”快捷键快速唤起Gemini，在当前工作界面直接获得AI帮助。该应用支持多步骤任务处理，可调用Gmail、Google Drive等应用中的信息生成内容，并支持通过Nano Banana生成图片、使用Gemini Omni生成视频。谷歌表示，更多原生桌面功能将陆续推出。
OpenAI推出金融版ChatGPT：集成GPT-6 Astra，支持建模与研报
OpenAI周四推出一款专为金融服务设计的新版本ChatGPT，用于帮助开展公司研究、分析金融数据，
国产AI芯片大卖，上半年谁真正赚到了钱？
（本文作者为 半导体产业纵横，钛媒体经授权发布）
文 | 半导体产业纵横
最近，海光、寒武纪、摩尔线程、沐曦股份、壁仞科技、天数智芯陆续披露2026年半年报，刚刚上市的燧原科技也在招股书中更新了同期数据。七家公司上半年合计收入约214.6亿元，接近上年同期的两倍。
收入几乎全线走高：寒武纪增长108.13%，摩尔线程增长147.42%，天数智芯增长191.6%，燧原科技增长约279%，壁仞科技在低基数上增长1997.6%。曾经靠融资支撑研发的国产AI芯片公司，正在集体跨过从样片、测试到批量交付的门槛。
谁最赚钱，先看账面
“谁最赚钱”并不是一道看净利润排名就能回答的问题。海光收入最多，寒武纪归母净利润最高；沐曦和天数智芯已经在报表上扭亏，主营业务却仍然亏损；摩尔线程距离盈亏平衡只差一步；壁仞和燧原的收入快速起量，但仍未摆脱数亿元亏损。
有四个比较直观的趋势：
第一，营收集体高增，多家公司翻倍。寒武纪收入增长108.13%，摩尔线程增长147.42%，天数智芯增长191.6%，燧原增长约279%，壁仞更是在低基数上增长1997.6%。海光和沐曦虽然没有翻倍，66.52%和44.67%的增速也明显高于大多数成熟芯片公司。更关键的是，多家公司的半年收入已经超过去年全年。摩尔线程上半年收入17.36亿元，高于2025年全年15.06亿元；壁仞上半年收入12.36亿元，也超过去年全年；燧原11.20亿元的半年收入，则超过去年全年9.90亿元。国产AI芯片厂商的业务规模正在跨台阶，这能看出国产AI芯片开始从小批量测试、项目验证，走向更大规模的产品和集群交付。
第二，盈利阵营和烧钱阵营开始分化。收入一起增长，盈利能力却没有同步收敛。海光与寒武纪已经进入规模化主营盈利阶段。摩尔线程和沐曦处在第二个位置，两家公司都摸到了主营盈亏平衡线。摩尔线程归母净亏损收窄至1156万元，沐曦半年度扣非归母净利润亏损0.49亿元。壁仞科技上半年毛利5.27亿元，却投入研发8.04亿元；燧原科技净亏损6.30亿元，仍处在产品和客户共同扩张的阶段。
第三，毛利率总体有韧性，差异更多来自产品结构。国产AI芯片放量之后，并没有普遍陷入低价换市场。寒武纪上半年综合毛利率55.25%，二季度进一步升至56.10%；沐曦毛利率约57.22%，同比微增约1.1个百分点；摩尔线程毛利率56.95%。三家公司仍维持在55%以上，说明国产芯片在供需偏紧的市场里保有一定议价能力。值得注意的是，天数智芯整体毛利率则从上年同期约50.1%降至17.2%。
第四，研发投入进入兑现期，差别在转化速度。研发投入高，是芯片行业的常态。来看几家仍在爬坡的GPU公司：摩尔线程、沐曦、壁仞、天数智芯和燧原上半年研发投入分别为7.69亿元、5.25亿元、8.04亿元、5.59亿元和6.40亿元，合计约32.97亿元，相当于五家公司同期合计收入的约52%。相比之下，寒武纪上半年研发费用约7.03亿元，与摩尔线程、壁仞处于相近量级。寒武纪的利润表现，更多说明既有产品已经进入规模交付和利润释放期。
费用率更能反映各家的阶段差异。摩尔线程和沐曦的研发费用率分别为44.3%和39.65%，壁仞、天数智芯和燧原则约为65%、59.1%和57.1%。研发花得多只是入场券，真正决定财报表现的，是投入能否形成可量产的产品，产品能否进入规模集群，并带来连续订单。国产AI芯片的竞争，正在从“敢不敢投入”转向“能不能兑现”。
订单排到明年，国产AI芯片供不应求
据央视财经报道，国产算力芯片正在“爆单”，部分产品交付排期已经延至一年后，国内算力需求达到供给的10倍以上。多家算力服务商称，订单已连续两年保持高速增长，部分企业过去一年多的客户数量增长约10倍。需求沿着产业链向上游传导，芯片、服务器、存储和封装都出现紧张。
供给紧张背后，是国产芯片开始承接真实的大流量服务。8月下旬，智谱披露了GLM-5系列首个原生多模态模型GLM-5.3-Flash的部署细节：全部线上流量由10万张国产芯片承载。模型正式发布前，智谱还以匿名身份在OpenRouter、OpenCode两大海外平台测试，累计token调用量达到62T，相关请求流量全部由国产芯片提供算力。经过底层架构改造和推理服务优化，集群硬件效率与单token成本已达到主流英伟达GPU的相当水平。“这证明国产芯片完全可以在大规模场景下高效、经济地支撑前沿模型的推理需求。”智谱在公告中写道。
这类案例检验的并不只是峰值算力，还包括并发调度、芯片间通信、故障恢复、模型适配和成本控制。客户采购的标准，因而从一张卡的性能延伸到整套系统的可用性。国产芯片由“能点亮”进入“能稳定服务”，供需关系也开始出现新的锚点。
需求结构正在同步变化。训练集群仍然是大额采购的来源，推理则随着搜索、推荐、智能客服、内容生成和企业智能体的使用持续释放，成为更稳定、更高频的算力消耗。天数智芯的收入结构已呈现这条曲线。2026年上半年，公司推理系列收入6.54亿元，同比增长651.8%，超过训练系列的2.62亿元，并接近2025年全年推理收入的两倍。公司称，高阶版本产品销量和售价提升，共同带动了推理业务增长。对国产芯片企业而言，推理市场打开了训练之外的第二个入口。
商业化从卖卡走向交付系统
从半年报来看，国产AI芯片的商业化已经形成清晰的系统路径：云端产品提供标准化收入，集群交付放大单笔订单，行业生态拓展客户半径，软件适配和持续服务则决定复购深度。
云端产品是收入规模化的起点。寒武纪上半年云端产品线收入59.94亿元，占总营收99.98%，训练和推理芯片集中服务大模型基础设施。海光DCU完成400余款主流大模型适配，依托CPU与DCU协同进入云服务商和智算中心。
摩尔线程把平台化进一步延伸到集群。公司上半年云端产品收入约16.9亿元，占总收入97.49%，MTT S5000量产与夸娥智算集群交付成为增长主力。3月披露的6.60亿元夸娥智算集群销售合同，已在上半年全部交付并确认收入；夸娥集群也已在北京、无锡、杭州等地部署。9月9日，京东云宣布与摩尔线程等伙伴打造国产万卡集群，并规划建设十万卡全功能GPU集群，国产GPU的系统交付由万卡级项目继续向上延伸。
沐曦提出“1+6+X”产业生态战略，以自主GPU算力平台和MXMACA软件栈为核心，覆盖金融、医疗健康、能源、教科研、交通和大文娱六个行业，并延伸至具身智能、低空经济等场景。全国产工艺的曦云C600于5月实现量产，面向训练、推理和智算中心建设的曦景S600超节点同步推进，沐曦GPU已在千卡规模集群实现商业化应用。
壁仞科技走的是云端训练叠加高速互连的路线。R100系列切入智算中心、运营商和大模型客户，上半年收入12.36亿元，训练产品放量带动毛利率升至42.7%。与上海仪电、曦智科技、中兴通讯联合发布商用版“光跃”光互连光交换GPU超节点，已实现数千卡规模部署，7月公布下一代光互连超节点方案，产品形态从训练芯片延伸到大规模互连系统。
燧原科技围绕训练、推理芯片和集群方案服务腾讯等互联网客户，产品在腾讯的应用从小批量试点扩展到多个场景。腾讯既是燧原科技的重要股东，也是第一大客户，2025年来自腾讯的直接销售及相关模式收入占比83.79%；腾讯之外，部分非关联头部互联网客户已完成硬件和模型测试，开始小批量下单。
结语
眼下的高景气，给了国产AI芯片一次集体放量的窗口。供给紧张时，客户首先要的是拿得到货；当产能逐步恢复、芯片价格和算力服务价格重新博弈，客户会把比较维度移向利用率、能耗、软件升级和回款周期。
工业和信息化部印发《信息通信行业发展“十五五”规划》提出要提升算力设施发展水平，深化算力协同发展能力，强化公共算力服务能力。到2030年，我国智能算力规模较2025年增长超5倍。有序部署万卡、十万卡及以上智算集群，面向场景按需部署推理算力设施，加大力度适配国产算力芯片。
国产AI芯片正在从“卖一张卡”走向“交付一套系统、服务一类行业、运营一片生态”。上市融资只是获得时间，下一轮排名不会只看谁的收入增速最快。穿越算力周期的公司，需要能把一次性项目复制成集群，把集群沉淀为稳定的行业负载。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App