ProSearch: Benchmarking Multi-Constraint Protocol Retrieval in Experimental Science
Recycle only when you have to!
CryoAtlas: A Large Curated Dataset and Unified Benchmark for Cryo-EM Atomic Model Building
不设限的年轻科学家：三年200万、不设考核，何享健基金在赌什么
2026年10月24日，佛山顺德美的全球创新中心。20位青年科学家接过何享健青年科学家资助证书。
场面并不喧嚣。整场揭晓环节只用了不到20分钟：一位院士致辞，20位青年科学家分批上台领取证书，合影，结束。没有铺垫，没有"花红柳绿"。
这份克制，和这份资助本身的气质是吻合的。2023年5月，美的集团创始人何享健以个人名义出资30亿元设立科学基金；本期项目共资助医学与生命科学、能源环境与气候变化两大领域20位青年科学家，每人200万元科研资金、分三年拨付。
比数字更值得关注的，是这笔钱怎么给。
不设方向限制、不设考核指标、不设经费用途比例，把做研究的自由真正交还科学家。何享健科学基金把这套资助逻辑浓缩成五个字：年轻不设限。
在科研资助体系里，“不设限”是稀缺品。多数项目要求申请人提前证明“我能做成”，用中期考核、结题指标、经费科目把研究过程框定得足够清楚。但真正原创的科研，往往无法在申请书上被完整预言。越是可能改变行业的问题，越需要长期投入、允许失败、容忍不确定。
何享健基金押注的，正是这段没人愿意轻易买单的区间。
不设限，才敢向难而正确的问题出发
传统科研资助体系中，纵向课题体量大，但部分介于基础与产业化之间的研究很难获得充分支持；企业横向课题又大多聚焦已经落地的产业问题。于是形成一块空白，成果已经在实验室冒头，但距离产业化还有一段距离。
这段距离，恰恰可能是重大创新的温床。
南方科技大学陈卓昱拿贝尔实验室、IBM研究院作类比：这些机构过去大量布局该区间，诞生过诸多重量级成果。国内现在0到1原始创新在追赶，100到1000的规模化落地能力很强，但1到100的成果转化环节仍有明显短板。何享健基金会的定位，就是往这个短板里填资源。
这不是撒钱式公益。它更像一笔“耐心资本”：不要求科学家在三年内交出可量化的产业合同，也不逼他们把基础研究包装成马上能落地的项目。
这批年轻科学家做的题，大多不轻松。
陈卓昱研究氧化物外延、薄膜生长，同时冲击沉寂三十余年的133K常压超导纪录。他并不回避不确定性：“三五年之内存在突破机会，但只能说是机会，无法保证一定实现。”基础研究如果只做确定能成的事，0到1就无从谈起。
清华大学董岩皓给下一代电池正极材料设了很高的性能边界：实际能量密度要超过高镍三元理论上限，循环性能要对标磷酸铁锂，还要避开镍、钴等低丰度资源。他表示，在何享健科学基金的资助下，可以沉下心做长期、扎实的科研工作。这句话背后，是耐心，也是底气。
浙江大学付晨光的发现更像长期积累后的自然溢出。团队深耕半赫斯勒材料近二十年，最初聚焦热电转换，后来从理论层面意识到这类材料可能具备压电响应，最终发现宽温域压电效应。不是刻意挑战教科书，而是在长期积累中顺着材料潜在性能往前走。
北京大学胡鸿杰把传统超声探头改造成邮票大小的柔性贴片，让超声从医院里的短时检查变成24小时连续监测；又借此切入非侵入式超声脑机接口，探索癫痫、帕金森等脑功能疾病的新干预路径。脑机接口对他而言是新赛道，此前没有相关成果，基金提供的是启动资金和初始信任。
中国科学技术大学王柳做介入式软体机器人，直径仅1毫米左右、形态类似蚯蚓，希望让医生在手术室外远程操作，规避X光辐射，也让基层急症患者有机会在本地获得救治。血管介入机器人属于三类医疗器械，整体落地周期可能长达十年。
这些研究的共同点是：周期长、风险高、短期难见经济效益。它们最怕“限期交卷”。而“不设限”给了它们最需要的东西：自由探索的空间和长期主义的耐心。
不设限，不等于没门槛
但“不设限”不等于“没门槛”。它依然有多轮评审、院校推荐、外部调研发掘，只是把科研人员从海量申报材料、反复答辩、层层自证中解放出来。
付晨光对此感受很深：“申报流程负担很轻，不需要海量申报材料、反复答辩和大量自证材料，有点类似诺贝尔奖的遴选模式”。
与传统项目相比，差异集中在：不追最热赛道，不唯已有头衔，不把资源继续堆向已经拿到大量荣誉的学者；而是主动平衡学科覆盖，给尚未充分被看见的年轻人机会，避免“马太效应”。
王柳的项目经费中，一半以上用于人才培养，远高于常规科研项目的人员费比例；董岩皓也表示，经费将用于扩充制备设备、招聘博士后等。钱不是奖金，而是科研的“启动器”和“稳定器”。它让年轻PI先活下来，再去做那些可能失败、但值得做的事。
更关键的是，这一代青年科学家，也在改变做科研的方式。
在陈卓昱看来，这一代科研人员相对幸运，基本生存、温饱压力已经缓解，因此更有条件从“重要、有价值的科学问题”出发，倒推需要开发的技术和设备。传统路径是先积累能力，再在能力边界内选题；逆向路径则是从重大科学问题出发，逼出新工具、新方法、新技术。
付晨光的选择逻辑是，不必一味追逐最热赛道，热点会迭代，真正能长期坚持的，是自己既擅长又热爱的事。王柳把力学作为团队根基，再吸纳影像、机器人控制与临床医生，形成跨学科配置。胡鸿杰则把学术会议和产业交流视作科研灵感的重要来源，脑机接口项目正是在跨领域交流中逐渐成形。
他们不再把“成果转化”简单理解为发论文、拿专利，而是主动面对产品一致性、长期安全性、临床匹配、产业生态链适配等现实难题。
这种务实的探索，恰恰印证了“不设限”的另一层含义：不预设年轻人只能走某一条路，也不预设基础研究必须立刻变成产品。有人冲击超导纪录，有人做下一代正极，有人把超声贴片送进脑科学，有人让软体机器人游进血管。路径不同，但都在向原创性、突破性、应用性的方向生长。
结尾
从首期到第二期，何享健科学基金持续为青年科研力量托底，自第三期起，还将新增智能科学领域资助方向。它用公益之力链接青年人才与产业需求，也用“不设限”的耐心，守护那些可能失败、但值得一试的课题。
对产业端而言，这类资助的价值不在短期回报，而在于提前埋下技术变量。今天实验室里的宽温域压电效应、无钴高丰度正极、柔性超声贴片、磁控软体机器人，未必都能在三年内变成产品；但只要其中少数跑通1到100，就可能改写消费电子散热、动力电池、医疗器械甚至脑机接口的竞争格局。
年轻不设限，科学才有更多可能。
把自由还给科学家，把耐心交给原创，把时间拉长到科学真正需要的尺度，这或许比200万本身，更接近创新应有的样子。
在代谢酶网络里，默达生物找到了一个让坏细胞「吃不饱饭」的开关
“相较于复杂的生物学预测，我们目前更看重AI在海量筛选方面的应用价值。” 作者丨周蕾
编辑丨岑峰
【编者按】被誉为"医药界诺贝尔奖"的美国盖伦奖（Prix Galien USA），于10月29日公布了2026年度获奖名单。
值得注意的是，晶泰科技孵化的创新企业已连续两年入围该奖项提名。去年，希格生科凭借全球首款弥漫性胃癌靶向药SIGX1094获得"最佳生物技术产品"提名；今年，莱芒生物与默达生物双双入围“最佳初创公司”提名——前者在晶泰研发助力下，以千分之一常规剂量的代谢增强型CAR-T疗法获得提名，后者则与晶泰合作研发了全球首款口服LDH抑制剂MP-5342，瞄准全球超千亿美元的自免市场。
在奖项揭晓之后，雷峰网AI科技评论先后与希格生科、莱芒生物、默达生物进行了深度对话，以下是默达生物篇。
2021年春天，康奈尔医学院的许柯收到两份邀请。两位在免疫领域颇有声望的美国教授，各自创办了一家免疫治疗公司，都邀他作为联合创始人加入。
待遇优厚，方向明确，一切准备就绪——许柯拒绝了。
“我为什么不去做我自己的东西？”
彼时，在康奈尔和纪念斯隆-凯特琳癌症中心的联合培养项目中，许柯已经花了近八年时间研究免疫与代谢的交叉地带。他手里有一组数据，关于免疫细胞在发动攻击前如何改变自己的代谢基础。这组数据的潜力，在他看来，比任何现成公司的offer都大。
默达生物的CTO鲜于安今，当时还在美国最大的病人数据公司PatientsLikeMe做数据科学总监，薪资极高。但许柯说服鲜于安今时，并没有花多少力气，“我的数据，他看一看，就知道这是多好的东西。”
两人一拍即合，决定回国创业。晶泰科技是他们最早的投资人之一，两人回国后就直接落脚在晶泰的办公楼里，成为“楼上楼下”的创新伙伴。
许柯瞄准的免疫代谢赛道，即便在国外，也仍处于持续探索阶段。代谢网络中的酶种类繁多，但针对免疫细胞代谢开发新药，仍面临选择性与安全性等难题。
代谢太基础了，干预它意味着牵一发而动全身，安全性风险难以预测。但许柯从2013年开始就在这个领域深耕，他观察到一个关键现象：部分参与自免疾病的免疫细胞，在异常激活过程中会发生 “代谢重编程”——增加葡萄糖利用，以支持细胞功能。
“坏细胞干坏事之前，得先吃饱饭。”许柯这样比喻。默达生物希望通过干预特定代谢环节，调节异常免疫反应，探索自身免疫性疾病及代谢性疾病的新治疗方式。
默达研发的口服小分子LDHA抑制剂MP-5342，相当于“饿着”免疫系统的坏细胞，通过抑制糖酵解通路，降低免疫细胞的代谢活性，让免疫反应回归稳态，而不是像传统免疫抑制剂那样把免疫系统猛压到谷底。
这种“饥饿疗法”带来了超过600倍的安全窗口，远超行业常规安全阈值（通常为>40倍）。正常细胞平时并不依赖这条通路，只有处于应激状态的病理细胞才高度需要它。相比之下，年销售额曾接近200亿美元的修美乐（阿达木单抗），以及当下的JAK抑制剂，都带有黑框警告——严重感染风险，甚至心血管风险。
默达没有从病人基数最大的银屑病或特应性皮炎入手，而是首选炎症性肠病（IBD）。这种疾病的现有药物普遍面临临床缓解率不足40%的困境，严重患者一天可能需要上20次厕所，甚至出现肠穿孔等并发症。此外，原发性胆汁性胆管炎、多发性硬化症等仍有未满足临床需求的领域也在拓展清单上。
基于同样的免疫代谢底层生物学机制，默达生物发现了一系列代谢蛋白酶的全新靶点，这些靶点处在代谢网络的关键节点，具有拓展至多种不同适应症的潜力。除了自免疾病，默达还在推进针对原发性高草酸尿症的全球首创（First-in-Class）口服小分子抑制剂 META-001-PH——一种儿童期多发的罕见遗传性代谢病，患儿体内草酸不断累积，多数在青春期前进入肾衰竭。许柯告诉我们，这种病国内尚无特效药。
在研发路径上，默达选择了与传统方法“相反方向”的方式。传统药物研发多是从细胞或动物模型往人身上推，默达则反过来，
盖伦奖提名一年后，希格生科的边界、验证与野心
“五年前我们把这页PPT放出来，很多人都说这是在‘画饼’。但现在我们和晶泰合作研发的全球首款弥漫性胃癌靶向药，已迈向关键临床验证。” 作者丨周蕾
编辑丨岑峰
【编者按】被誉为"医药界诺贝尔奖"的美国盖伦奖（Prix Galien USA），于10月29日公布了2026年度获奖名单。
值得注意的是，晶泰科技孵化的创新企业已连续两年入围该奖项提名。去年，希格生科凭借全球首款弥漫性胃癌靶向药SIGX1094获得"最佳生物技术产品"提名；今年，莱芒生物与默达生物双双入围“最佳初创公司”提名——前者在晶泰研发助力下，以千分之一常规剂量的代谢增强型CAR-T疗法获得提名，后者则与晶泰合作研发了全球首款口服LDH抑制剂MP-5342，瞄准全球超千亿美元的自免市场。
在奖项揭晓之后，雷峰网AI科技评论先后与希格生科、莱芒生物、默达生物进行了深度对话，以下是希格生科篇。
2025年，希格生科凭借与晶泰科技合作研发的全球首款弥漫性胃癌靶向药SIGX1094，获得盖伦奖“最佳生物技术产品奖”提名，成为当届唯一获该奖项提名的中国生物制药企业，也是全球首个获得盖伦奖提名的AI创造分子。
这款药的分子编号是094，意味着“AI+类器官”的研发模式在合成到第94个分子的时候，就已经找到了最理想的候选分子。这也代表着AI和机器人的结合闭环，能非常快地在100个分子以内就找到目标的候选分子。
一年过去，这条针对弥漫性胃癌的FAK/SRC双靶点抑制剂将完成临床一期，由于其拿到了孤儿药认证以及快速通道双认证，所以最早有机会明年完成二期临床后就获批上市；公司与信达生物合作，用于KRAS-G12C突变阳性非小细胞肺癌（NSCLC）的Ⅱ/Ⅲ期联合用药临床试验（IND）已正式获得国家药品监督管理局（NMPA）批准。第二条管线SIGX2649——泛TEAD抑制剂，靶向Hippo通路，已获得中美药监部门的双批准，预计11月启动临床试验。两条管线的临床试验分别由消化道肿瘤权威专家沈琳教授与肺癌治疗领域权威专家吴一龙教授牵头。
支撑这些进展的，是希格与晶泰科技共同搭建的“类器官+AI”技术平台。二者共同形成的BT+IT（生物+信息）模式，试图打通“AI分子生成—自动化合成—类器官测试—反馈优化”的闭环。晶泰负责AI分子生成与自动化合成，希格用类器官完成接近病人的疾病模型测试，实验获得的真实药效与安全性数据再回流给AI模型，形成构效关系迭代。
希格生科CTO卓鉥认为，类器官的核心价值，是真实的数据生成能力：把干细胞分化成组织，全过程数据可被AI学习和梳理，弥补传统动物模型与人之间的鸿沟。
监管层面也在同步推进。国家药监局正开展类器官替代动物实验的方法学验证，希格作为第一批七家单位中唯一的企业，已完成心脏、肾、肝、肠及肿瘤五个模型的验证工作。FDA推动类器官与器官芯片落地，其立项由美国国会推动，每年须向国会汇报，在卓鉥看来，国内的监管层进展与FDA的布局基本同步，“国内如果不做转型，到时候国外药企基于新模式申报的资料提交过来，我们将无法评审，会与国际脱钩。”
AI制药经历高峰与低谷的周期里，卓鉥更在意的是技术融合何时能真正替代传统路径。
他回忆起五年前希格对外讲述自己的时候：“当年我们把这页PPT放出来，很多人说我们是画饼，在炒概念——现在慢慢跑通了。”
以下是希格生科CTO卓鉥与雷峰网AI科技评论的对话节选，有不改变原意的编辑：
01
管线进展：两条管线年内启动新试验
▎AI科技评论：希格的管线现在进展到哪一步了？
一天造300万个沙盒，10万张卡自己写系统：2026年国产 RSI 到底有多野？
国产 RSI 的真实水位：没人敢真动模型权重，但所有人都在改 "造 AI 的机器"。 作者丨高允毅
编辑丨岑 峰
RSI，即 AI 造 AI，成为了 2026 年各家模型厂商争相晒的内部成绩单，也是国内一级市场最热的方向之一。只要BP带上 "Self-Training" 的字眼，估值至少多两成。
但真正的 RSI ，不止是 AI 改进 AI ,它还得把经验沉淀下来，让学习方法本身跟着进化。
今年 9 月，上海交大、清华、字节、商汤等机构的 35 位研究者发了篇论文《The Last AI Built by Humans》，给整个行业立了把标尺，它 RSI 分 L1 到 L5 五层，结论令人扎心：
全球前沿大厂的系统大多处于 L1 到 L2 的过渡阶段，L3、L4 在特定垂直领域（如软件工程、科学发现）有零星雏形，而真正的 L5 闭环仅存在于极少数受限的实验室原型中。
如果用这把尺子去丈量九、十月份国内模型厂商晒出的RSI实验成果，包括训练流程、推理系统、 GPU 算子、 Agent 脚手架；但目前没有一家厂商敢去用AI真正改写底层模型权重。也就是说，目前大家距离传说中的“AI 自己发明下一代 AI（L5）”，甚至连门槛都还没摸到。
那么在这场RSI热潮中，国内各大厂与明星创业公司究竟各自卡在了什么生态位？他们分别在让 AI 改进什么、做到哪一步了？以下我们梳理了国内模型厂商最新 RSI 情况。
01
智谱 RSI ：跑在 10 万张国产卡上，
能自我优化的推理系统
智谱是国内首个把 RSI 真正跑进生产环境的案例。它的 RSI 第一步没碰模型权重，先落在了最脏最累的底层推理系统上；跑通之后，智谱又把目光放到了 Agent 的 Harness上。前者降本，后者增效，全是实打实的工程活。
先说推理基础设施。一个新模型要真给用户用起来，中间隔着一大堆脏活累活，怎么榨干芯片的算力，怎么把庞大的任务拆分给成千上万张卡同时跑，怎么高效管理对话时产生的海量临时数据等等，这些事过去是 Infra 工程师一行一行调出来的。
智谱这次直接让 GLM-5.3 驱动的“Infra Agent”接管了这一切。9 月 17 日，唐杰在 X 上发了一篇长文《通往递归自我改进》，表示由 GLM-5.3 驱动的 Infra Agent，在 10 万张国产芯片组成的集群上，仅用两周就从零搭起了 GLM-5.3-Flash 的生产级推理服务。
智能驾驶进入物理AI时代？7位行业嘉宾给出最新判断
10月26日，第八届智能驾驶大会暨2026环秀湖物理AI产业发展推介会在苏州相城举行。
上一届，车路云一体化、智能驾驶出海和无人驾驶商业化是讨论重点，而到了今年，大会的讨论边界进一步从智能驾驶向物理AI延伸。
世界模型、强化学习、端侧智能、虚拟仿真、Robotaxi之外，机器人、低空飞行器等不同形态的物理智能开始出现在同一场大会上。这背后，是智能驾驶行业正在面对的一组新问题。
一方面，高阶辅助驾驶已经进入规模化上车阶段，Robotaxi也开始从技术验证走向运营和商业化；另一方面，当AI真正进入汽车、机器人、飞行器等物理设备，如何获得足够的数据、如何训练和验证模型、如何降低开发成本，以及如何保证系统在真实世界中的安全性，正在成为新的技术难题。
当天，包括Momenta、曹操出行、面壁智能等企业，以及高校和科研机构的多位嘉宾，从世界模型、强化学习、端侧大模型、虚拟仿真、车路云和物理AI基础设施等方向给出了自己的判断。
总结这些发言不难发现，智能驾驶正在成为物理AI最早进入现实世界的一块试验场。而从一辆车的自动驾驶，到机器人、低空飞行器以及城市交通系统，不同技术路线正在回答同一个问题：AI如何从数字世界真正进入物理世界，并形成可以规模化运行的产品。
中国工程院院士，清华大学车辆与运载学院教授、智能绿色车辆与交通全国重点实验室主任 李克强
关键词：智能驾驶安全、车路云一体化、单车智能瓶颈
李克强认为，汽车智能化已经进入大规模应用和商业闭环阶段，当前首要问题是智能驾驶系统安全。仅依靠单车自身的传感器和计算能力存在物理边界，高级别自动驾驶需要从单车智能进一步向车云协同、车路云一体化演进。
他将当前自动驾驶产业的瓶颈归纳为三类：一是部分产品定义与国家、国际标准存在偏差；二是高安全、高可靠自动驾驶的关键技术仍待突破；三是行业投入与商业产出仍不匹配。
技术层面，他认为主要存在三个问题：
感知能力仍有边界。如果车辆“看不见、看不远、看不全”，再强的AI决策也无法弥补信息缺失，因此需要通过超视距感知、数字信号上车和协同感知增加信息来源；
AI模型训练数据仍不完整。自动驾驶正在进入多模态和大模型阶段，但数据类型和场景覆盖不足仍可能产生安全问题；
开发效率较低。当前大量系统仍采用“烟囱式”架构，缺乏统一底座，存在开发门槛高、复用率低和验证周期长等问题。
李克强提出，车路云一体化可以提供两类核心能力：一是建立标准化“数据轨道”，向车辆提供广域、多维、实时交通信息；二是形成面向AI大模型的数据服务体系，为模型持续提供高可靠数据。
目前相关方案已经进入产业化验证。包括北京、重庆在内的城市正在开展车企协同开发，应用场景覆盖前方静止障碍物、“鬼探头”、绿波通行等。部分项目已经进入量产阶段，今年已有7家车企推进相关应用，中国一汽也已公布量产导入。
他认为，高级别自动驾驶未来需要解决三个问题：正视安全瓶颈、突破单车智能的物理边界，并通过车路云一体化降低开发成本、提高研发效率。
欧洲科学院院士，清华大学车辆与运载学院教授 曲小波
关键词：物理AI、数字孪生、飞行汽车、需求响应公交
曲小波认为，物理AI正在推动数字孪生从“映射和监视现实世界”，进一步走向“理解、推演并实时控制现实世界”。
传统数字孪生主要完成物理实体到数字实体的映射，但数字端推演往往需要数秒，很难实时控制物理系统。相关国家重点研发项目希望重点解决四个问题：实现具有泛化能力的数字推演、将推演时间压缩到100毫秒以内、建立数字端与物理端互操作机制，以及通过跨尺度、多层次架构降低末端执行误差。
其技术体系分成三个层级：
组件级：提高电机等执行机构的设计效率和执行精度。通过物理AI学习既有电机数据，可以在约10%误差下，将部分单点计算从小时级缩短到毫秒级；
载具级：解决Sim-to-Real Gap、不同机型与动力学适配以及快速验证，应用于自动驾驶、飞行器自主巡航和工程机械自主作业；
系统级：实现多种异构载具之间的协同，包括需求响应公交、低空交通管控、矿山工程机械等。
在飞行汽车方面，团队与奇瑞合作开发了自主巡航复合翼模块化飞行汽车，由机翼、座舱和底盘组成，可以分别组合成自主巡航飞行器和自动驾驶汽车。
工程机械方面，通过世界模型生成候选轨迹并完成轨迹选择，同时优化起铲点和卸料位置，使工程机械能够完成环境建模、铲装、运输和卸料的连续作业。
需求响应公交目前已在湖南株洲职教城常态化运行18个月。当地约有10万名师生，超过50%已经注册使用。与出租车相比，点到点行程时间只相差约2分钟，但平均单次成本约为2元，对比出租车约9.16元。
低空交通方面，则通过构建起降区域全息环境，进行冲突预测、起降排序和资源调度，目前已经在重庆将通航机场改造成飞行汽车起降测试场。
汤元科技CEO 任冬淳
关键词：世界模型、仿真训练、合成数据、虚实闭环
任冬淳介绍了Yootta WorldLoop世界模型，这是一套面向智能驾驶和物理AI的虚实融合闭环训练与评测系统。
整个系统覆盖数据采集、数据生产、算法训练、算法评测、真机验证和数据回流，并由场景生产与编辑、算法训练、仿真评测与真机验证三个平台组成。
其核心技术包括四个模块：
CAD和3D结构数据物理化；
生成式世界模型；
4D数据渲染器；
仿真物理引擎。
其中，3D资产除几何和颜色信息外，还会加入质量、摩擦力、弹力和材质等物理属性，使机器人能够真正与虚拟资产发生交互。
目前相关系统已经覆盖家居、工业、商业零售、智能驾驶行车和泊车五类场景。
在具身智能场景中，可以加载不同机器人的URDF模型，并设置抓取、导航等任务。任冬淳表示，如果通过真机采集1000条抓取数据，每条需要约1分钟，总耗时超过1000分钟；采用GPU并行仿真，可以将同等规模的数据生产和训练缩短到数分钟至十几分钟。
智能驾驶方面，可以利用车端或路端传感器重建真实道路环境，再改变天气、光照、车辆数量等条件，用于行车和泊车算法训练与验证。
目前Yootta已经与尚品宅配开放500套家居场景，每套包含数百至上千个可以与机器人交互的资产。下一阶段计划构建5000个虚实对应场景，发布100万个真实资产、500万小时合成数据，并适配约50款机器人硬件本体。
曹操出行CEO 龚昕
关键词：RoboX、Robotaxi、物理AI Agent、天地空一体化出行
龚昕认为，AI时代出行行业的竞争正在从流量入口转向一体化供给能力。
曹操出行由此提出RoboX战略，希望把网约车、出租车、巴士、低速物流车、货运卡车和eVTOL等不同移动能力，统一封装成可以被AI Agent实时调用的服务。
在这一体系中，用户未来可能不再需要单独打开叫车APP，而是由AI根据日程、位置和个人需求，自动选择并调用相应出行服务。
曹操出行将物理AI在出行领域的商业模式分为四类：
基础出行服务：统一调度Robotaxi、高铁、低空飞行器等交通工具；
超级物理AI Agent：让车辆成为旅游、餐饮、娱乐等现实服务入口；
实时立体数据服务：利用车内外传感器形成实时环境数据，在合规前提下服务企业和城市管理；
分布式算力：进一步利用车辆闲置算力。
支撑RoboX战略的是Robo OS，负责连接线上AI Agent与线下移动载具，并将用户偏好、出行场景、履约结果、位置和路线等真实数据反馈给AI。
目前曹操出行Robotaxi已经覆盖六座城市，车队规模超过200辆；Robo One在长沙、成都部署超过50台，并计划进入苏州。RAS远程中心已经在杭州和苏州落地。
按照规划，到2030年，曹操出行计划在苏州投放数千台Robotaxi和Robo One，实现7×24小时常态化运营。
其发展路径分为三个阶段：2026年跑通Robotaxi和Robo One载人、运货的准入和运营闭环；2027年随着正向研发Robotaxi车型下线开始规模复制；到2030年，将苏州模式向全国及海外市场推广。
爱思人工智能科技有限公司董事长 杨通
关键词：Agnes Harness、物理AI、Test Time Training、硬件协议
杨通认为，AI正在出现三项变化：通用大模型进入更多垂直领域，模型开始通过Skill和训练反馈实现自我进化，以及大模型开始直接连接物理设备。
基于这一趋势，爱诗人工智能开发了Agnes Harness，希望降低通用模型向垂直智能体和物理AI应用迁移的成本。
Agnes Harness采用前后端解耦设计，将模型能力与MaaS、记忆、沙箱、搜索与工具、上下文管理、团队协作等能力封装起来，再通过Plugin和Skill机制适配不同应用。
在物理AI层面，其核心能力之一是MHS，即通过标准硬件协议，让大模型能够用自然语言连接显微镜、医疗设备、摄像头、无人机等可编程设备。
目前已经进行小车与机器狗协同实验，两台设备依靠摄像头感知环境，再由大语言模型直接参与决策，不使用传统遥控，也不需要完整预设动作流程。
另一个重点是ISI，主要包括两部分：
将模型运行过程中的能力持续沉淀为Skill；
通过TTT（Test Time Training）让模型在实际运行过程中继续更新。
杨通表示，传统模型数据采集、训练和推理由不同团队完成，模型上线以后往往长期不变；TTT希望把数据采集、执行反馈和模型更新连接起来，使模型能够针对具体环境持续适应。
目前相关实验使用约0.9B参数模型进行验证，部分模型约每半小时更新一次。在游戏测试中，持续积累Skill后，部分任务胜率从约3%提升到90%，三对三场景从0提升到约60%。
目前爱诗人工智能模型月调用量约65万亿Token，月图片生成量约5000万张，视频生成量约1.7亿秒。Agnes相关系统已经被用于芯片设计、算子优化、无人机集群、蛋白质合成等场景。
Momenta副总裁 顾功尧
关键词：高阶辅助驾驶、世界模型、强化学习
顾功尧认为，中国高阶辅助驾驶已经进入快速上量阶段，城区NOA方案开始进入10万元及以下车型，全球市场则整体晚于中国数年。
Momenta的业务模式可以概括为“一飞轮、两条腿”：一条是量产辅助驾驶，另一条是L4规模化无人驾驶。量产车型持续产生真实道路数据，再反哺Robotaxi等L4产品。
目前，搭载Momenta辅助驾驶系统的乘用车已经超过130万辆，累计定点超过240个，交付120多款车型，累计真实行驶里程约200亿公里。
Momenta将物理AI理解为“世界模型+强化学习”。
其R7世界模型主要分为三个阶段：
预训练：利用上百亿公里真实道路数据，让世界模型学习物理规律、交通行为和道路常识；
仿真推演：模拟自车和其他交通参与者的行为变化；
强化学习：在世界模型构建的仿真环境中进一步训练车端驾驶模型。
Momenta目前使用统一模型架构支撑L2++到L4产品，量产辅助驾驶、Robotaxi等产品共用同一条模型和数据主线，只根据法规和安全要求设置不同冗余。
R7已经应用于多款量产车。例如复杂山路中，系统需要同时处理骑行者、隔离带和对向车辆，寻找短暂的安全超车窗口；在夜间城区绕过违停车辆时，还需要提前识别远处隔离墩，并规划重新回到原车道的轨迹。
Momenta正在预研下一代R9世界基础模型。R7参数规模约10亿级，R9计划提升到约千亿级，同时车端芯片算力也从百TOPS级向千TOPS级演进。
R9希望进一步理解更加细微的物理变化，例如不仅识别山体落石，还能够推演落石后续运动是否符合自由落体规律。
面壁智能联合创始人兼首席科学家 刘知远
关键词：密度法则、端侧智能、全模态感知、物理AI
刘知远认为，大模型过去八年的核心变化并不只是参数规模持续扩大，而是形成了一套可以不断吸收不同类型数据的通用技术路线。
随着模型继续扩大，数据和算力正在成为新的约束。
在数据侧，从2024年前后开始，大规模强化学习推动模型由模仿学习向探索式学习发展，使模型可以主动探索并生成新的训练数据。
而在算力侧，如果仍然只依靠扩大参数规模提升能力，计算需求最终难以持续。因此，大模型还需要提高“智能密度”，即使用更少参数和算力达到相同智能水平。
面壁智能由此提出“密度法则”。
根据其观察，全球开源大模型的智能密度大约每100天提升一倍，即大约每100天就可以用一半参数和一半计算量，实现此前相近的智能能力。
刘知远认为，这类似于半导体行业的摩尔定律。未来模型一方面会不断变小，手机、汽车、机器人等终端算力另一方面会继续提高，两条趋势最终交汇，使过去只能运行在服务器上的大模型逐步进入终端。
他将未来AI分为三种形态：超级智能、云侧智能和端侧智能，其中端侧智能将成为物理AI的重要载体。
人工智能进入物理世界还存在三个趋势：
高智能密度：降低模型运行所需的参数和算力；
全模态感知：通过视觉、声音和其他传感器理解现实世界；
自主智能体：在开放环境中持续决策、学习和行动。
面壁智能已经将端侧模型应用到手机、汽车座舱、卫星和机器人等场景，并与华为、三星等企业开展合作。
按照密度法则推算，如果智能密度继续维持约100天翻倍的速度，不到两年时间，同等能力所需的参数量和算力可能下降两个数量级，使原本万亿级模型的部分能力压缩到百亿级，并部署到终端设备。
刘知远认为，未来大模型将持续进入手机、PC、汽车、机器人、可穿戴设备和IoT等终端，端侧智能将成为AI进入物理世界的重要路径。雷峰网雷峰网
从“懂回答”到“能执行”：Zoho如何让AI走进企业业务
10月20日，在以“助力中国企业全球化成长”为主题的Zoho北京媒体沟通会上， Zoho不仅向外界展示了其最新的企业级AI全景战略，更试图回答一个当前行业的普遍痛点：当AI大模型喧嚣了两年之后，为什么大多数企业在业务中依然觉得AI“用不起来”？
Zoho全球副总裁Mathivanan一针见血地点出了症结所在：“太短的决策周期，太多的备选工具，从一开始就造成了太多的数据孤岛。”当企业盲目堆叠各种带有AI标签的软件，不仅没有打破原有的信息孤岛，反而催生了“AI孤岛”。
Zoho中国COO夏海峰在随后的主题演讲中直言不讳：“如果AI只能回答问题、提供信息，却无法参与实际业务流程，它对商业的价值就微乎其微。”
这也揭示了企业AI应用面临的一道关键门槛：能够回答问题，不等于能够完成任务。AI要真正参与业务，不仅需要理解用户的需求，还需要获取相关数据、调用业务系统，并在权限和流程约束下完成具体操作。
为了跨过这道从“懂回答”到“能执行”的鸿沟，Zoho在此次会上系统展露了其沉淀多年的AI全景三层架构：底层给数据，中间层做连接，上层管执行。
跨越分水岭：从“会说”的助手，到“能干”的数字员工
在Zoho的AI全景图中，最上层是直接触达业务的核心。Zoho认为，真正的AI分水岭在于它能不能接下任务，并跑通多步骤流程。
首先是原生嵌入业务场景的对话式AI助手AskZia。它并非独立的外挂工具，而是深植于CRM、财务、客服等系统内。用户可以通过自然语言获取信息、分析业务数据，并在相应功能支持下完成内容起草与润色等工作。
但“会说”只是第一步，“能干”才是企业真正的刚需。Zoho推出了预置智能体Zia Agents，销售教练、SDR机器人等上百个开箱即用的角色，专门处理那些有规律、可复用、吃经验的工作。
而对于规则极其复杂、个性化极强的场景，Zoho提供了Agent Studio低代码平台。例如，一家汽车零部件客户就利用该平台，开发了专属于自身的成本预测智能体，有效应对国际贸易中由关税、运输等因素造成的材料成本波动。这种让非技术人员像搭积木一样定制专属AI的能力，正是Zoho区别于标准化SaaS产品的差异化护城河。
从Ask Zia到Zia Agents，再到Agent Studio，三者分别对应信息获取与处理、特定任务执行，以及面向个性化流程的智能体构建。它们的区别不只在于AI能力的强弱，更在于AI参与业务的方式发生了变化：从辅助员工完成工作，逐步延伸到承担特定任务。
连接与底层：不卷参数，只做适合业务的“原生智能”
如果说AI执行层是冰山露出水面的部分，那么数据和连接则是水面之下的庞大基座。在中间层，Zoho通过MCP（模型上下文协议）打通了内外生态。
夏海峰在会上描绘了这样一个场景：用户在WorkBuddy、豆包工作、千问办公等支持MCP的客户端中，配置自定义连接器，接入Zoho MCP，即可在外部直接对话操作Zoho CRM，实现数据的自动更新。Zoho MCP目前兼容Claude、ChatGPT等主流大模型与智能体，并提供300余款第三方服务的集成清单。通过标准化协议，Zoho不仅让自家的业务能力能够被各类外部智能体调用，更确保了敏感数据在离开系统前就被遮蔽与鉴权，实现了真正的开放与安全并行。
MCP的意义，在于为AI工具连接外部应用提供标准化的交互方式。对企业来说，这意味着AI的使用场景不必局限于单个软件内部，也可以向跨应用的工作流程延伸。
除了系统连接，模型本身也需要适配不同的业务任务。
在算力与模型动辄追求百亿甚至上万亿参数的今天，Zoho在底层选择了一条极为务实的路径。Mathivanan表示，Zoho的投入不跟风竞争对手的烧钱规模，而是按客户真实需求决定。相较于消耗巨大资源的通用大模型，Zoho更倾向于自研部署在自有数据中心的中小模型。“例如自动回复邮件、图片内容总结或者情感分析等场景，只需要部署适合的模型即可，这不仅提高了业务精准度，也极大降低了推理成本。”
这种对业务边界和成本的极致把控，也体现在AI编程的应用上。面对AI写代码是否会取代传统软件的疑问，夏海峰用“冰山理论”给出了回答：AI编程只是冰山上露出水面的一角，源码托管、权限设计、安全运维、底层数据治理这些看不见的部分，才是真正下功夫的地方。Zoho将AI编程能力赋能给用户，是为了让他们在现有的、稳固的业务底座上做扩展，而非凭空去造一个悬在半空的应用。
长期主义的底气：AI不是增项收费，而是软件的基础设施
在商业模型上，Zoho的选择同样“反直觉”。当部分厂商试图将AI能力作为独立套餐向客户收取高昂费用时，Zoho在会上主张，将AI融入产品体系，而不是简单地将其视为一项独立的增值功能，目前并不会向客户额外收AI费用。
这一决定的背后，是Zoho坚持了30年不融资、不上市的长期主义底气，对于企业级AI而言，底层投入的意义不仅在于提供算力，还在于支持产品运行、数据管理和不同业务应用之间的协同。
数据安全则是另一项不能绕开的基础要求。Mathivanan将其定义为“过渡期的底线”：不管是用企业自带的API Key接入外部模型，还是使用Zoho自研的模型，Zoho都承诺不拿客户数据训练通用模型，所有的技术探索最终都指向一个目标——保护客户的数据安全与隐私。
因此，企业部署AI不能只关注模型能力，还需要结合实际应用场景评估数据处理方式、权限配置和外部服务的接入边界。对软件厂商而言，AI能力的开放程度与数据保护机制并不是相互独立的两件事：只有明确访问范围和执行权限，企业才更有条件将AI用于真实业务。
正如夏海峰在演讲最后所总结：“随着智能体具备调用API和自主执行任务的能力，企业软件不再只是供人操作的功能工具，同时成为承载智能体开展业务的底座。企业上AI，不是选一个更聪明的模型，而是决定把哪些环节交给机器，以及为此准备好什么样的底座。Zoho要做的是把"AI + 自主执行"真正落地到企业全场景，而不是讲故事。“
从AI助手到智能体，从模型选择到系统连接，Zoho正在将AI能力融入企业现有的产品与业务流程，让AI从辅助信息处理，逐步走向具体任务的执行。
AI正在改变企业软件的使用方式，也在推动SaaS重新思考自身的价值。未来SaaS的竞争，不仅在于提供多少功能，还在于能否让AI真正参与业务，并将技术能力转化为实际的业务价值。
雷峰网
超智融合如何决定下一个十年科技发展丨ToB产业观察
如果把科研计算想象成一条流水线，那么过去几十年，这条流水线的节奏是由人来把控的，科研人员找到工具、写脚本、提交作业、盯着排队、排错重跑，最后再把结果一格格归纳出来。算力本身很强大，但喂给算力任务的方式却始终停留在手搓时代。
阿里云高性能计算&性能加速负责人游亮告诉我们，在当前的科研流程中，数据准备、环境配置、任务编排、结果分析等环节，80%以上的时间仍然依赖人工流转，真正用于计算执行的时间不到20%。
超智融合已是必然趋势
随着AI大规模进入科研流程，过去以HPC高精度计算为主的工作负载，如今叠加了AI训练、AI推理、智能体的通用计算，甚至还有智能体沙箱计算。
近年的诺贝尔奖已经出现了多个与AI直接相关的获奖成果，AI不再是科研的辅助工具，而是逐步进入观测、模拟、猜想与实验的各个环节，成为科研流程的关键组成部分。与此同时，传统HPC的高精度科学计算和AI模型的训练推理，正在同一个研究项目里并行出现，同一份研究，既离不开高精度的物理仿真，也离不开大规模的模型训练。IDC与浪潮信息联合发布的《中国人工智能计算力发展评估报告》显示，2024年中国智能算力规模达到725.3 EFLOPS，同比增长74.1%，远高于通用算力20.6%的增幅；该报告预计到2028年中国智能算力规模将达2781.9 EFLOPS，长期保持高速增长。IDC发布的另一份智算服务市场跟踪报告也显示，2024年上半年中国智算服务市场同比增长近八成，其中生成式AI基础设施服务增速超过200%。
在游亮看来，多种计算类型同时涌向同一个算力平台，传统HPC架构很难让它们同时做到性能最优、成本最低。更麻烦的是调度，传统HPC的调度逻辑是以作业为单位的，Slurm或PBS知道一个任务要多少核、多少内存、预计跑多久，但它不知道这个任务在科学上要解决什么问题。一个生物信息学研究者提交一个变异检测作业，调度器看到的是一个计算作业，看不到它处在一个从FASTQ到候选突变的完整链条里的哪一环，失败了应该换工具还是调参数，结果出来之后下一步该跑什么，这些判断全部留给人。
而现在，系统要同时调度HPC作业、AI训练推理、智能体任务和沙箱任务，这些负载的特征差异极大，高精度仿真吃双精度浮点性能和内存带宽，AI训练吃互联带宽和显存容量，Agent的工具调用和沙箱任务吃的是轻量、快速启停和弹性。传统HPC集群按照单一负载设计的架构，做不到让每一类计算都跑到最优，此时，传统的单一种类调度方式显然撑不住了。
如今，科研的流程正在从人驱动工具，走向人定目标、智能体自主执行，而这个新流程对算力的要求是：既要能跑HPC，又要能跑AI，还要能跑智能体，且必须统一调度、统一计量。谁能把这三种胃口不同的负载喂到一张桌子上，谁就拿到了下一代科研基础设施的入场券，而这也是超智融合得以被推到台前的原因。
超智融合难在哪？
超智融合看上去是将超算的服务器和智算的服务器连接起来，协同工作，但真做起来并不是那么简单。超智融合最直观的难点在精度和数据流动。气象预报、流体仿真、分子动力学通常需要FP64双精度来抑制累积误差，大模型训练和推理大量使用FP16、BF16甚至FP8，而Agent的沙箱和工具调用又涉及大量碎片化、短生命周期的轻量计算。传统算力体系将高精度计算与低精度计算割裂分离，难以满足混合精度计算、AI4S等复合型业务需求。精度不是“选一个档位”的问题，而是同一条科研链条上要在不同档位之间无缝切换。
游亮与我们分享了阿里云的解法，他表示，具体可以拆成三层来看。
第一层，让不同的算力各得其所，又连成一张算力网络。游亮介绍，阿里云的思路是面向不同的工作负载提供最匹配的实例类型。比如，面向传统HPC，提供HPC优化实例，面向AI训练和推理分别提供对应的AI加速实例，面向智能体提供通用计算和容器实例等。关键在于，这些异构实例通过云上统一的虚拟网络串联成一张“算力网络”，并借助CIPU 2.0架构实现无虚拟化损失的资源调度，再通过统一的开放OpenAPI，让所有算力可以被统一创建、调度和编排。
在CPU层面，阿里云打造了hpc9a，其搭载第五代AMD EPYC（Turin-C）处理器，最高睿频5GHz，128个物理核心，内存可达3TB，依托CIPU2.0架构消除虚拟化损耗，配合200G的低时延eRDMA网络，相比上一代性能提升约30%。
游亮介绍，hpc9a专门面向CAE仿真、电子设计自动化这类对计算性能、内存带宽和网络时延都极度敏感的场景。AI侧则交出了平头哥自研芯片的成绩单：M890P相比上一代性能提升至3倍，新一代V900又在此基础上再提升至3倍性能。配合超节点架构和弹性算力，E-HPC可以为科研场景提供从单卡到大规模集群的AI加速能力。
在智算方面，阿里云则在自研芯片的道路上有所收获，其推出的M890P相比上一代性能提升至3倍，新一代V900又在此基础上再提升3倍。配合超节点架构和弹性算力，E-HPC可以为科研场景提供从单卡到大规模集群的AI加速能力。
性能与成本的平衡靠两条腿走路。一是多代实例并存，客户按工作负载选择性价比最高的实例规格；二是云的弹性，客户在业务波峰需要上千台实例，波谷可能只需要几十台，传统模式必须按峰值预留资源，云上则可以按需创建和销毁，让性能与成本同时逼近最优。游亮与我们分享了一个案例：阿里云与国内某头部乘用车公司深入合作，通过HPC优化实例、弹性eRDMA低延迟网络，叠加CPFS并行存储优化，端到端帮助客户节省了约25%的计算周期，大幅提升了工作效率。
第二层是让数据跑得比算力快。算力再强，数据喂不上就是空转。游亮介绍，eRDMA负责让节点之间沟通速度越来越快，CPFS负责让HPC计算、分布式AI训练和推理等负载，用最快的时间拿到数据，让计算饱和运转，把昂贵算力的浪费降到最低。存储侧的优化包括冷热分层，把常用数据放进缓存层，使用时不必再从远端存储拉取，以及让网络邻近、存储邻近的计算节点做亲和性调度。
第三层是让智能体替人跑完执行流程。围绕超算与智算持续融合、AI在科研中作用攀升、人工流程成为瓶颈等趋势，阿里云推出了E-HPC智能体平台，其架构从上到下分为四层：最上层是面向具身智能、生命科学、CAE、EDA、量化、渲染等行业的智能体；行业接入层把行业知识和专家方法沉淀为Skills，供智能体调用，同时提供命令行、开放API和SDK；中间是统一的Agent Runtime，负责理解科研目标、规划任务、用skills实际执行、依据日志和结果反馈再规划；往下是E-HPC执行层，统一承担作业编排、异构资源调度、环境与数据准备以及状态日志管理，并调度CPU、GPU、eRDMA网络、镜像软件与安全治理资源。
通过搭建这三层架构，目前阿里云已经在超智融合方面有所收获。在具身智能场景，RoboAgent打通了端侧数据采集、数据处理标注、模型训练推理、远程仿真到部署回传的完整链路，一站式降低数据准备成本；某具身领域头部企业借助这套方案，实现了从真机采集上传、多模态标注处理到QwenVL等多类算法训练的快速闭环。
在生命科学场景，BioAgent根据研究目标自动编排WDL工作流，自主识别FASTQ、PDB等数据格式并推荐分子模拟参数，调用GATK、GROMACS等工具并智能匹配CPU/GPU资源，让生信与药研流程可复用、可解释、可持续迭代；最具代表性的是上海科学智能研究院旗下格物智研的“浑天绫”，这个编排出140多个科研skills的物质科学智能研发平台，与阿里云E-HPC的弹性算力底座配合，把分子筛选任务从数据检索、算力调用、分子对接、FEP计算到自动化合成，这些以前由人工串联的环节，现在全部由智能体自主完成。
在CAE场景，工程师只需聚焦设计判断，前处理、求解、诊断、后处理与参数探索由Agent自主贯通。
要实现这些也并不是一蹴而就的，游亮也坦言，最大的挑战在于不同行业对算力、精度、实现方式的需求各不相同，需要把各行业的专家经验和行业知识沉淀为skills，同时把E-HPC在调度、编排、任务识别、资源匹配上的专家能力也沉淀为平台skills，再通过统一的Agent Runtime承接两者，并解决行业skills与E-HPC skills的协同、海量算力拉起、行业负载与算力负载最佳匹配等难题。他的总结是：行业Agent可以非常稳定、弹性、可观测、可治理地调用阿里云的HPC服务，而这背后需要反复打磨每一层。
更值得关注的是，E-HPC已经不只是通用算力平台，而是针对芯片设计、AI4S与生命科学、具身智能三个重点行业形成了专属解决方案。面向芯片设计，E-HPC混合云可以无缝对接企业现有的LSF、Slurm、PBS调度环境，云上云下统一调度、按队列自动扩缩容，工程师无需改变使用习惯，就能在仿真验证高峰随时补齐算力；针对STA、PR等大内存作业，大内存HPC实例可以直接承接，帮助芯片团队守住流片周期、优化整体拥有成本。面向AI4S与生命科学，E-HPC预集成AlphaFold3、OpenFold3、RFDiffusion、GROMACS、GATK等主流科研软件，开箱即用，客户自有的科研Agent还能通过CLI、API或Skill直接调用弹性算力，把药物发现、基因分析从繁琐的环境搭建中解放出来。面向具身智能，HPDA Robotics将采集、管理、标注、训练、仿真、推理串成一条完整数据闭环，内置APAK加速引擎，多模态数据处理的性价比可提升2.1至5倍，显著缩短数据准备与模型迭代周期。三套专属方案共享同一张弹性算力网络和同一套调度、存储与安全能力，既能开箱即用，也能平滑接入客户现有环境。
更值得关注的是，E-HPC已经不只是通用算力平台，而是针对芯片设计、AI4S与生命科学、具身智能三个重点行业形成了专属解决方案。面向芯片设计，E-HPC混合云可以无缝对接企业现有的LSF、Slurm、PBS调度环境，云上云下统一调度、按队列自动扩缩容，工程师无需改变使用习惯，就能在仿真验证高峰随时补齐算力；针对STA、PR等大内存作业，大内存HPC实例可以直接承接，帮助芯片团队守住流片周期、优化整体拥有成本。面向AI4S与生命科学，E-HPC预集成AlphaFold3、OpenFold3、RFDiffusion、GROMACS、GATK等主流科研软件，开箱即用，客户自有的科研Agent还能通过CLI、API或Skill直接调用弹性算力，把药物发现、基因分析从繁琐的环境搭建中解放出来。面向具身智能，HPDA Robotics将采集、管理、标注、训练、仿真、推理串成一条完整数据闭环，内置APAK加速引擎，多模态数据处理的性价比可提升2.1至5倍，显著缩短数据准备与模型迭代周期。三套专属方案共享同一张弹性算力网络和同一套调度、存储与安全能力，既能开箱即用，也能平滑接入客户现有环境。
智能体将成为科研的操作系统
通过阿里云所搭建的三层架构，可以看出当前超智融合的发展路径。技术侧，算力会继续变大，传输通道会继续变长。 游亮透露，在Scale Up方向上，阿里云上超节点由几十到上百颗AI芯片组成，未来超节点支持更大规模；在Scale Out方向上，通过弹性RDMA网络实现跨节点、跨可用区的互联。
超节点本质上可以被看作一个巨大的AI算力节点，其规模上限的持续抬升，将直接决定大规模训练与仿真的效率。与此同时，eRDMA与传统RDMA的区别在于它能承载更广泛的互联，从超节点内部延伸到跨可用区场景，这正是“算力网络”想象的物理基础。
应用侧，智能体将从可选项，变成行业标配。阿里云 E-HPC的产品逻辑已经从单点智能体走向体系化：各个行业Agent负责各自领域的专业执行，WorkAgent则把分散在各行业的智能体统一收敛成一套目标驱动的执行闭环，科研人员只需要说清“算什么、要多准、多久出结果、花多少钱”，WorkAgent负责翻译成计算任务和验收标准，自动拆解流程、引入专家经验、匹配算力网络与存储资源，最后解析日志收敛曲线与关键指标，定位失败并给出改进方向。“人只需要给目标、做判断，重复的工作流程交给智能体自主完成。这一步的意义在于：企业不必重复建设行业智能体和算力底座，而是像水电一样接入。”游亮如是说。
阿里云是超智融合领域最具代表性的企业之一，但并不是唯一家。传统超算阵营里，国家超算中心与硬件厂商正沿着各自平台推进HPC与AI方法的深度融合；AI厂商则以智算集群和万卡训练平台为主攻方向；运营商大规模建设智算中心。IDC数据显示智算集成服务市场正以超过150%的增速扩张，市场格局远未定型。
值得注意的是，各家的打法虽不同，但方向高度一致：让HPC与AI在同一个平台里协同工作，让智能体成为科研的默认操作系统。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
抄底两家破产工厂，恒力夫妇跑出3020亿财富版图
（本文作者为 融中财经，钛媒体经授权发布）
文 | 融中财经
一对来自传统制造业的江苏夫妻，成了今年“最大黑马”。
10月27日，胡润研究院发布了《2026胡润百富榜》，恒力集团创始人陈建华、范红卫夫妇以3020亿元财富首次跻身前十，位列全国第六，蝉联江苏首富的位置。过去一年，两人的财富增长了1120亿元，涨幅59%，财富增量仅次于张一鸣。
2026年10月发布· 胡润百富榜
在今年3月发布的《胡润全球富豪榜》上，这对夫妇以2500亿元的财富位列全球第52位。
2026年3月发布 · 胡润全球富豪榜
从今年的榜单来看，AI造富成为了主线。DeepSeek创始人梁文锋首次上榜就排在第七，寒武纪创始人陈天石也跻身前十。相比这些科技新贵，陈建华、范红卫夫妇的财富主要来自纺织、石化和造船等制造业。
从369万元接手一家濒临倒闭的织造厂，到坐拥3020亿元财富。这对江苏夫妻是如何走到今天的？
3020亿，“最意外的夫妻档”
“今年最令我意外的是苏州恒力陈建华、范红卫夫妇。”胡润在榜单资讯中表示。
事实上，陈建华最早在2005年就登上了胡润百富榜，当时个人财富为8.5亿元。2015年，陈建华、范红卫夫妇以300亿元位列第49位。到了今年，两人的财富达到3020亿元，排名从去年的第13位跃升至第6位。
比财富数字更加直观的，是恒力集团如今的体量。
据全国工商联今年9月发布的《2026中国民营企业500强》，恒力集团以2025年8990.69亿元的营业收入位列全国第三，仅次于京东和阿里巴巴。在制造业民营企业500强中，恒力更是超过华为、比亚迪，排名第一。
2026中国民营企业500强
从纺织厂起家，恒力如今已形成以石化、化纤、新材料和造船为核心的产业布局，同时恒力系还涉足了地产、酒店旅游及贸易等业务。
恒力目前拥有两家A股上市公司：恒力石化（600346.SH）和松发股份（603268.SH）。
恒力石化主要从事炼油、化工及新材料生产，拥有年加工2000万吨原油的能力，以及1660万吨的PTA年产能，产品广泛应用于服装、包装、汽车和家电等领域。
松发股份则于2025年完成重组，由陶瓷制造企业转型造船，主要生产大型油轮、散货船、集装箱船等，并具备船用发动机生产能力。
据财报，恒力石化前三季度营收1510.75亿元，同比下降4.01%；但它的归母净利润为102.56亿元，同比增长104.20%。营收有所下滑，净利润却实现翻倍。
松发股份的增长更为迅猛。今年前三个季度，公司实现营收377.74亿元，同比增长221.25%；归母净利润66.73亿元，同比增长424.87%，造船业务正成为恒力新的增长点。
两座老厂的“逆袭”
1994年，23岁的陈建华花369万元，买下了江苏吴江南麻镇一家濒临倒闭的镇办织造厂。
陈建华出生在江苏吴江，13岁时因家境困难辍学，曾经当过泥瓦匠，后来靠做蚕丝生意，在几年间攒下了200多万元。为了凑齐收购款，他还借了一部分钱。
妻子范红卫原本在当地纺织企业做会计，后来辞职与陈建华一同创业，1994年至2001年，她担任吴江化纤织造厂总经理。此后，她又参与化纤业务经营，并于2016年起担任恒力石化董事长。
第一步：369万元，盘活老厂
上世纪90年代，中国乡镇企业正经历市场化改革，一批经营困难的集体企业开始寻找出路，吴江化纤织造厂便是其中之一。
陈建华接手时，工厂只有三亩三分地、27名员工，还背负着大量三角债。
为了扭转局面，他要求销售尽量现款结算，减少赊账，同时更新设备、改革管理，并坚持每月15日按时发工资。
效果很快显现。1995年，工厂盈利超1000万元，1996年进一步增至2700多万元。
短短两年，陈建华将一家濒临倒闭的老厂重新盘活。
第二步：金融危机，逆势扩产
1997年，亚洲金融危机爆发，纺织行业受到冲击，不少企业收缩生产。
陈建华却判断纺织需求终将恢复，选择继续投资。1998年初，他购入306台先进喷水织机，随后市场进一步低迷，他又趁设备降价追加了500台。
随着纺织市场逐步回暖，恒力凭借新增设备扩大产能，企业规模迅速增长。据陈建华回忆，到1999年前后，喷水织机已从创业初期的88台增加至6000台。
随着织造规模扩大，原料供应成为了新的问题。当时，国内部分高品质涤纶纱线依赖进口，需要从日本、韩国等地采购。为了减少对外部供应的依赖，陈建华决定自己生产化纤。
2002年，恒力投资22亿元建设化纤项目，2003年正式组建恒力集团。
但生产涤纶需要PTA，生产PTA又离不开更上游的PX。恒力因此继续向产业链上游扩张。
2010年，恒力在大连长兴岛建设PTA生产基地。2015年12月，年加工2000万吨原油的炼化一体化项目开工，2019年全面投产。次年，150万吨乙烯项目也投入运营。
此后，恒力继续拓展化工新材料业务，通过旗下康辉新材生产聚酯薄膜、工程塑料等产品，并布局锂电池隔膜。
从织布到炼油，看似跨越多个行业，背后却是同一套逻辑：掌握上游原料，降低成本，减少对外部供应的依赖。
第三步：两笔收购，拿下A股平台
随着产业规模扩大，恒力也开始借助资本市场发展。
2015年，恒力集团以约11.7亿元取得上市公司大橡塑29.98%的股权，随后通过重大资产重组，将旗下化纤资产注入上市公司。2016年，重组完成，恒力由此拥有了首个A股上市平台。
2018年，恒力又以约8.2亿元的协议价款，取得松发股份29.91%的股权，成为其控股股东。
不过，松发股份当时主要经营日用陶瓷和教育业务。恒力最初看中的是其“陶瓷+教育”模式，并非为了布局造船。
但这笔投资没有达到预期。
随着陶瓷行业竞争加剧、2021年校外培训行业政策调整，松发股份在2021年—2024年连续四年亏损。2023年，公司曾经尝试收购动力电池企业安徽利维能的控股权，但因为交易双方未能就关键事项达成一致而终止。
第四步：17.29亿元，买下破产船厂
2022年，陈建华把目光投向了大连长兴岛一座闲置多年的大型船厂。
这座船厂原本由韩国STX集团投资建设，拥有大型船坞、码头、厂房和生产设备。受此前造船市场低迷及企业经营问题影响，相关企业陷入破产，资产历经多轮拍卖仍无人接手。
造船投入巨大，旧设施需要修复，还要重新建立生产团队、争取订单。但恒力看中的，正是这些重新建设起来耗资巨大、耗时漫长的工业设施。
2022年7月，陈建华、范红卫通过旗下投资公司设立恒力重工。同月，恒力重工以17.29亿元竞得原STX大连13家企业的相关破产资产，计入税费后的资产取得总成本约21.1亿元。
买下船厂后，真正的考验才刚开始。
陈建华在接受央视财经《经济半小时》采访时回忆，刚接手时，厂区道路下沉，杂草长到齐腰高。由于缺乏造船经验，恒力起初拿不到外部订单，只能先为旗下企业造船。
2023年3月，恒力开始建造首艘6.1万吨散货船，历时385天，于2024年4月交付，随后由旗下企业租用。随着造船能力得到验证，外部船东的订单逐渐增加。
与此同时，恒力还开始建设船用发动机生产能力，以减少关键设备对外部供应的依赖。
为了让老船厂恢复生产，恒力投入的资金远不止最初的收购款。截至2024年9月底，恒力又累计投入约32.11亿元，用于旧设施修缮和新增生产资产。
随着造船业务逐步走上正轨，此前急需转型的松发股份也迎来了新的机会。
2024年10月，松发股份宣布重大资产重组，计划剥离原有陶瓷业务，置入恒力重工100%股权。2025年5月，交易完成，恒力重工成为松发股份的全资子公司，松发股份由此转型为船舶及高端装备制造企业。
这笔重组既为松发股份带来了新的主营业务，也让恒力重工拥有了A股融资平台。
此时恰逢全球造船业进入新一轮景气周期。此前多年行业低迷，部分船厂退出市场，随着老旧船舶更新、新船需求增加，造船产能难以迅速跟上。
恒力接手并修复的船厂，正好赶上市场回暖。
据松发股份2026年半年报，今年上半年，公司新承接船舶订单207艘，超过2025年全年的115艘；同时交付40艘船舶，交船计划已排至2030年。
当然，造船仍是重资产生意，未来盈利还取决于订单交付和成本控制。
回看恒力三十多年的发展，陈建华几次逆势出手，背后有着相似的逻辑：在行业低谷中寻找机会，再通过改善经营、持续投入，把资产转化为生产能力。而从织布、化纤到炼油、造船，恒力也始终在补齐产业链上的关键环节。
如今，恒力的下一代也开始参与经营。
陈建华、范红卫的女儿陈逸婷已担任恒力集团副董事长；2001年出生的儿子陈汉伦则于2025年出任松发股份董事、总经理，参与造船业务的管理。
传统制造业，依然能打
AI正在创造一批新富豪，但今年的胡润百富榜上，传统制造业出身的企业家同样表现亮眼。
美的何享健家族以3100亿元财富位列第五，同比增长12%；荣盛控股李水荣的财富增长34%，达到805亿元，排在第63位；亨通集团崔根良、崔巍父子财富增长111%，达到635亿元；扬子江船业任元林的财富也增长了68%。
这些企业家的经历，与陈建华夫妇有着不少相似之处。
李水荣从8台织机起家，在1997年行业低谷时逆势扩产，随后向化纤、PTA、炼化领域延伸，与恒力的发展路径十分相似。
同样起步于江苏吴江的崔根良，曾担任乡镇乳胶厂厂长，1991年在当地政府推动下转向通信电缆产业，随后逐步拓展光纤光缆、海缆等业务。任元林则在亚洲金融危机后推动老船厂改制，通过扩大产能、开拓海外市场，将扬子江船业发展为大型造船企业。
这些企业虽然身处不同领域，却都在原有业务的基础上建立了新的竞争优势。荣盛、恒力通过向上游延伸，增强对原料和成本的控制；亨通、扬子江则依靠技术、设备和交付能力，逐步形成较高的行业门槛。
当然，制造业始终无法摆脱周期。行业景气时的大规模投资，也可能在需求下滑时带来成本和资金压力。
因此，真正决定这些企业能否穿越周期的，不是能否每次都精准抄底，而是能否在市场变化中持续提升生产效率、技术能力和产业链竞争力。
对恒力来说，369万元的织造厂和17.29亿元的破产船厂都是起点。真正决定它们价值的，是收购之后持续多年的经营与投入。
结语
回看陈建华夫妇三十多年来的创业路，他们并非每一次选择都正确，也不是每次都能赶上好行情。但恒力几次真正做大的关键，都在于抓住了产业变化中的机会，再通过持续投入和经营，把机会变成实际的生产能力。
买下一座工厂，只需要一次决定；让它重新焕发生机，却需要无数个日夜。
3020亿元，是财富榜单给恒力的阶段性答案。AI正在改写财富版图，而中国制造业，仍在以自己的方式，书写新的篇章。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
以九号为样本：两轮电动车行业到了去故事化阶段
（本文作者为 锦缎，钛媒体经授权发布）
文 | 锦缎
10月27日，两轮电动车明星股九号公司发布了第三季度财报，录得营业收入75.85亿元，同比增长14.1%，录得毛利17.79亿元，毛利率约为23.5%，归母净利润录得3.43亿元。
（财报一图流如下图所示，单位：亿元，来源：企业财报，财报纪整理）
以财报发出的时间点回推，过去一年间，尽管两轮车行业整体的跌幅也不小，但九号公司的回撤接近50%，远高于同行，这显然已经不能用新国标政策或者消费市场来搪塞预期的变化了。
藉以这份财报，我们来分析下九号预期断崖下滑的主要原因在哪。
先说结论：在经营层面，九号的实际经营表现其实并没有与预期相差太多，只不过此前讲的科技消费的概念并没有落在基本面上，两轮车的高科技溢价，变成了以价换量的红海战；机器人（割草机）依然要通过更大的渠道投资来维持增量。
因此最终估值会回到行业中枢。个中逻辑，如下所述。
新国标“红利”期，两轮车业务逆市上涨
从营收表现来看，今年九号的表现并不差，第一、第三季度都录得了双位数增长，第二季度的增速甚至达到了28%。
这其中最核心的增量之一是电动两轮车，今年九号在两轮车业务上的表现横向来看不可谓不优异，今年行业大背景是新国标落地后的政策切换期，各家两轮电动车的销量都出现了不同程度的下滑，雅迪电动自行车销量下滑37.8%，爱玛的处境比雅迪更陡。电动自行车销量同比下滑47%。
但是九号的表现并不差，上半年整体的电动两轮车销量284.4万台，同比增长19%，营收74.9亿元，同比增长10%。
很明显，如果说新国标对于爱玛雅迪而言，是对价格带和产品矩阵的冲击，那么对于九号而言，新国标的落地就是纯粹的红利，原因有二：
其一，合规成本对三家是“同额不同痛”。新国标带来的3C认证项目从38项扩充到112项对于低价格带的爱玛、雅迪而言，这笔成本是叠加在极薄单车利润上的净侵蚀。而对于售价相对更高的九号而言，同样的合规成本，放在更高的单价基数上，对毛利率的稀释幅度天然更小。
其二，新国标对电自的限速、限重和防篡改要求趋严，电动自行车的产品空间被压缩，需求开始向电摩迁移。雅迪和爱玛被迫从电自的阵地上撤退到电摩。九号进入这个行业时，电摩占比就已经在结构上更高。
因此，新国标落地对于九号而言，是一个相对利好的红利期，也就不难理解为何两轮业务今年能够逆势上扬。
割草机的表现也不差，已经成为利润贡献的核心
今年上半年，九号机器人业务营收录得36.55亿元，同比高增了66%。并且更关键的是利润，服务机器人及配件板块毛利率46.57%，接近两轮车的三倍，以集团约17.8%的收入贡献约29.0%的毛利。
但割草机器人的竞争压力并不算小，胡斯华纳面向2026年新品计划推行的较快， 传统巨头富世和宝时得合计仍占据全球割草机器人市场的多数份额，九号的优势集中在“无边界”这个技术路线上。
而无边界技术正在成为同行竞争的共同方向，九号需要靠复杂场景中的实际作业效果，持续支撑高端产品的定价。但富世华已经在2025年推出13款无边界产品，传统巨头的追赶正在发生。
不过反向来看，割草机器人在技术迭代后，行业渗透率还有没有到顶。
为抓住红利期，九号付出的代价并不小
一季报到中报期发布之前，九号的市值其实经历了一波小幅回弹，但是近两个财报季后，股价再次回到了下行的区间，从基本面来看，主要的原因就是利润下滑。2026年上半年，九号归母净利润为10.08亿元，同比下降18.8%；利润总额为12.21亿元，同比下降29.2%，而第三季度，净利润率较去年同期再次下滑360bp。
拆开财报来看，主要的原因有三：
（1）两轮车主动“以价换量”，毛利下滑明显
九号扩大两轮车销量，依靠的是更密的门店网络和更广的产品价格覆盖。
N、Q系列中的入门级铅酸车型，零售价落在3000至4000元区间。这一价位车型在上半年的销售占比提高，让九号承接了更多大众市场的购车需求。但相对应的是单车UE下滑。
二季度台均确认收入约2544元，较上年同期下降10.8%。低价位车型占比提高，使新增出货更多落在单车收入较低的产品上，销量扩张因此伴随着平均收入回落。
把整个上半年放在一起看，平均每台车确认的收入较上年同期减少约217元，台均营业成本反而增加约6元。收入端的回报下降，成本端又没有提供相应缓冲，单台毛利由约676元降至453元，减少约三分之一。
很明显，九号不仅仅想趁着政策红利期承接消费者需求升级的增量，同时也想尽可能多的攫取到更多下沉的变量，以价换量便成为核心决策。
同时，销售网点也在扩张。截至6月底，国内两轮车专卖门店超过1.15万家，上年同期为8700多家。更多门店与更大众的价位相互配合，扩大了产品触达消费者的范围。
（2）割草机器人原材料成本陡增，渠道建设花费不小
芯片及其他原材料涨价，同样在挤压割草机器人的毛利空间。其实对于下游芯片需求较强的行业，过去一年间主要的逻辑是“强库存”逻辑，如果在2025年前产品库存占比较高，那么对于企业而言这一轮整体涨价潮中，就是抬高ASP，保毛利的窗口期。
而对于此前库存占比较低的企业，只能承担原材料涨价，还不得不溢价采购的困难期，九号显然属于后者。
从趋势来看，九号从2025年第四季度才开始集中拉高库存，这时候已经处于芯片价格的相对高位了，而到了今年前三季度，周转天数明显下滑。
正因如此，九号的整体毛利率表现很一般，并且可以预见的是，生产成本在未来一段时间内，依然会给九号带来不小的压力。
（3）海外业务占比较高，费控压力明显较大
我们前文中也提到过，贡献利润近三成的机器人业务，主要的销售渠道还是在海外，今年上半年海外销售占比提升了6.18%，带来了三项成本的增项：
第一是渠道扩展的费用。销售费用增加约2.96亿元，其中人工与宣传广告开支合计增加约2.15亿元。国内门店和海外渠道持续拓展，需要销售团队与市场推广支撑。
其二就是研发费用，现阶段割草机器人的竞争相对激烈，为维持产品的竞争力研发投入也相对较高。研发人员数量由上年同期的1786人增至2646人，研发费用增加约2.28亿元，其中人工成本增加约2.19亿元。
除此之外，海外经营还带来了外币资金敞口。合并汇兑及外汇衍生工具损益后，相关项目净损失约3.23亿元，上年同期为净收益约2.16亿元，同比形成约5.39亿元的税前不利变化。
在机器人竞争压力相对较大的情况下，九号依然选择了抢份额的“以价换量”打法，势必要付出更大的代价，最终导致了基本面相对表现较差。
九号的估值困境，主要来自于预期的“到期重置”
单从基本面的表现来看，九号肯定不是这个赛道最差的。虽然成本压力仍在，费控较差导致利润下滑明显，但两轮车横向对比还有增量，机器人也没有触及到天花板，市场需求仍在。
我们认为，这轮九号的估值下杀，最终的问题在于预期的“到期重置”。
诺贝尔经济学奖得主席勒在《叙事经济学》中提出，驱动资产价格的往往是像病毒一样传播的“故事”。当一个宏大叙事天然带有不可证伪性时，它就会赋予资产极高的估值溢价。在财务上，这表现为投资者愿意为尚未出现在资产负债表上的未来状态付费。
叙事溢价内含一个隐性的时间窗口——市场愿意等叙事兑现。但“到期重置”的残酷之处在于，当支撑溢价的事件节点（比如季报发布、增速验证期）到期时，市场不再关心故事本身，转而用现实数据去校验叙事。
如果现实是，九号无法证明叙事的独特性和兑现能力，此前讲的高溢价，高科技，高附加值的故事，基本都可以在基本面中找到叙事逻辑背离的点：
两轮车的高科技溢价，变成了以价换量的红海战；机器人依然要通过更大的渠道投资来维持增量；亦或是作为科技消费的明星企业，没有像联想或者一些手机品牌一样，保持对科技市场的敏感性，以至于库存地位要承担额外的原材料压力。
正因如此，基于叙事支付的溢价就会被强制性地从股价中剥离。这个过程不一定是“泡沫破裂”式的暴跌，更常见的是估值中枢的下移——溢价被重置而不是被消化掉了。
从市值的跌幅来看，九号显然要高于行业，但从九号的估值中枢来看，目前26年预期市盈率估值倍数在13.7倍，爱玛和雅迪分别是11倍和8倍，其实只是回到了行业估值的中枢。
如果九号证明不了自己的“科技”属性，无论是以价格换市场，还是说账面上的研发投入更高，其实都很难换回过去两年的估值水平。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
.png)
[分享创造] [称伴]上次只做了体重同步，这次补上饮食 AI 记录和健康数据读取
10 月发过一帖，讲怎么把 云麦体脂秤的的体重同步进 Health Connect。这半个月继续改，补上了饮食 AI 记录和健康数据读取，同时也支持了更多的称，单独开一帖说明现在的样子。
1. 称重
还是蓝牙直连：站上去自动接收，读数稳定后 5 秒自动保存，倒计时里可以取消重测。支持的型号多了（云麦、小米、PICOOC 、荣耀、realme 、Etekcity 、FITINDEX 、OKOK ）
2. 饮食
拍一张或多张照片，AI 按菜品给出热量、蛋白质、碳水和脂肪。可以补充「两个人吃」「饭剩了一半」这类说明，应用按你实际吃下的部分展示和保存，不按人数二次换算。结果页能改食物、份量和营养，也能把被误拆的几项合并成一道菜；确认之后才加入记录。
3. Health Connect
饮食和体重分别授权写入，支持健康数据读取：今天的睡眠、心率、步数、运动、营养等指标和近期趋势，只读在系统里实际授权的类别
4. 应用更新
支持了应用检测更新能力，有预览版和正式版两渠道
项目地址： https://github.com/rccoder/ScaleMate
欢迎感兴趣的 V 友 体验
相比二代掌权的通化东宝，甘李药业更像一家创新药企
（本文作者为 源媒汇，钛媒体经授权发布）
文 | 源媒汇，作者 | 胡青木
通化东宝与甘李药业，开始活出各自想要的样子。
2026年前三季度，甘李药业营收33.69亿元，同比增长10.57%，归母净利润8.58亿元，同比增长4.86%。单看这组数据，很容易把其继续当成一家成熟的仿创药企。
截图来源于公司公告
拆开来看，甘李药业海外收入5.72亿元，同比大涨超60%，除三代胰岛素制剂的海外销售外，博凡格鲁肽在拉美、印度、韩国的授权确认特许权收入落地，扣非净利润与经营活动现金流均取得了双位数的增长。
换句话说，它的增量并非靠国内集采份额博弈换来，而是海外商业化与管线BD协同生长出来的。
对比“老朋友”通化东宝，其今年三季度净利润下跌56.20%，甘李药业自然拿到了更高的估值。
这份差异，本质是两家胰岛素领域龙头，两种经营策略的体现。或许，相比“父子相传”的通化东宝，甘李药业更像创新药企了。
转折点上的不同抉择
估值定价背后的分化逻辑，或与两家不同的治理选择分不开。同样面对集采后的胰岛素红海，两家公司走出了不同的路。
甘李药业走的是分步放权的交棒模式。2020年，创始人甘忠如先行卸下总经理职务，到2025年5月，进一步卸任董事长，仅保留董事席位，负责战略护航，不再介入日常经营决策。
接棒的陈伟博士，拥有美国密歇根大学医学院博士后经历，2019年加入甘李药业，一路从研发线成长为首席开发官，既不是创始人亲属，也不是财务或销售出身的管理者。
这次交接也释放一个信号：甘李药业要走职业经理人模式。
随后，甘李药业开始搭建起一支职业经理人的高管班子，且押注出海业务。比如负责全球BD的首席战略官王强、曾任职中信投行的CFO王琦、拥有诺和诺德全球临床经验的CMO贾婷，覆盖临床、资本、海外商务的关键环节。
日常经营决策权虽交给了职业经理人，天眼查显示，甘忠如目前通过直接及间接方式共持有甘李药业39.6%股权，依然保留控股地位。
截图来源于天眼查
通化东宝则是循序渐进的家族式传承。
2019年3月，创始人李一奎辞去东宝集团与上市公司董事长职位，先由儿子李佳鸿接任东宝集团董事长；上市公司层面则设置了长达五年的过渡期，由深耕胰岛素业务的冷春生出任董事长、总经理，稳住上市公司经营基本盘。
直到2024年3月，李佳鸿才当选通化东宝董事长；2025年8月，他进一步兼任总经理，集团到上市公司的家族传承正式落地，二代正式完成接班。李一奎家族牢牢锁定着通化东宝经营决策、股权的控制权。
尽管职业经理人与家族传承，难言孰优孰劣，然而甘李药业、通化东宝发展路径开始越来越明显。
甘李药业是股权持有权与经营决策权的分离，实控人把判断新药、布局全球的经营命题交给研发与商务团队；通化东宝则是股权、经营权完成内部过渡期后，更偏向产业基业的平稳接续。
特别是同处集采后的胰岛素红海，两者在管线投入、资源分配的取舍，差异早已有迹可循。
一个押注海外，一个守住现金流
对甘李药业而言，利润不再优先用于分红，而是让步给了投入，重金押注全球化布局的成长概率。
研发层面，从近年数据看，甘李药业研发费用率维持在13%以上，持续加码代谢创新管线；周制剂GZR4完成和依柯胰岛素的头对头研究，双周GLP1博凡格鲁肽也拿到了国内NDA受理，管线从传统胰岛素延伸至减重降糖大赛道。
BD端的全球化授权是甘李药业这套策略的关键，博凡格鲁肽管线先后落地拉美、印度、韩国，再延伸至欧洲多国；欧洲合作对应的6200万欧元首付款已于10月到账，该笔合作潜在总金额可达7.26亿欧元。
这套打法的逻辑是一次研发、多区域多次变现，用广阔的海外市场摊薄国内集采带来的价格与份额波动风险，收益虽具备不确定性，但上行空间更大。
通化东宝的选择，则是深耕存量，优先兑现确定性现金流。
国内市场上，通化东宝三代胰岛素保持较快渗透，持续对二代胰岛素完成产品结构替代；经营端持续优化费用，三季报销售费用率下降5个百分点，带动净利率抬升至19%以上，盈利质量明显改善。
费用化口径下，通化东宝研发费率维持在5%左右，低于甘李药业，投入节奏偏克制。
海外方面，其与健友股份合作开发的门冬胰岛素已于2026年7月拿到FDA批准，同时在多个新兴市场推进注册准入；但整体海外业务体量仍然有限，公司基本盘依旧在国内，创新方向以改良型品种为主，较少向高风险全新靶点倾斜。
它的逻辑是线性稳健增长，优先守住现金流，赚三代胰岛素国产替代的确定性复利，风险低、回报可预期。
甘李药业选择押注全球管线的远期弹性，通化东宝则深耕存量、压缩成本兑现当下利润。二者没有绝对优劣。只是，甘李药业比通化东宝更像创新药企了。
甘李药业也是有挑战的
创新药企的典型，就是敢于牺牲短期利润、持续押注前沿管线，借助全球授权、里程碑分成分摊研发风险，信达、恒瑞的多款管线出海BD交易，都是这套模式的代表。
当然，甘李药业这套模式，不等于天然永续的创新护城河，它还要面对家族传承之外另一重治理考验——职业经理人存在考核周期的约束。
甘李药业多期限制性股票激励方案中，解锁门槛主要绑定年度净利润指标，2022年激励目标为2023-2025年净利润分别不低于3亿、6亿、11亿元；2024年激励延续目标，新增2026年不低于14.3亿；2026年最新激励继续锚定净利润，要求2027年净利润不低于15.73亿元。
截图来源于公司公告
管理层的股权收益取决于每年利润能否达标，而GLP1、长效胰岛素这类全球管线的临床、注册、商业化周期漫长，很难在单个会计年度兑现收益。长期创新离不开耐心试错，可激励、股价与市场预期，都在按年给管理层施压。
这种周期错配和创始人主导的创新药企不同，创始人可以忍受数年的投入空窗，只为押注一个颠覆性分子；但职业团队在压力之下，更容易偏好确定性更高、兑现更快的BD授权，回避周期更长、失败概率更高的源头创新。
甘李药业在业务上的取舍也能窥见一二。出海授权是高效的变现路径，一次研发、多国分成，短期就能贡献首付款与报表增量。
与此同时，甘忠如作为控股方，仍是最终战略的压舱石。
这套架构的优势，在于创始人不以控股身份干预管线研发判断；但软肋在于，平衡权握在创始人一人身上。一旦后续没有成熟的独立董事、长期股东制衡体系，管理层的战略偏好，就可能慢慢偏移。
反观通化东宝，二代李佳鸿天然和企业长期价值深度绑定，缺点是风险偏好保守，优势是不容易出现短期化的机会主义决策。
比通化东宝，甘李药业虽更像创新药企，但不等于已成为稳定成熟的创新平台。创新药企不止要有高研发费率、出海BD，更要有一套能穿越多轮管线周期、抵御短期业绩诱惑的定力机制。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
易鸿智能冲刺港股IPO：宁德时代撑起七成收入，存货却超全年营收
（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 | 希波，编辑 | 冯羽
在锂电池生产线上，有一类设备并不直接制造电池，却决定着电池生产过程中的“良品率”。
比如，一卷锂电池极片生产出来后，设备需要判断它的厚度是否达标、表面有没有缺陷；电芯装配过程中，也需要持续检查尺寸、位置以及其他关键指标。一旦发现异常，系统需要及时识别，并进一步控制生产设备进行调整。
广州市易鸿智能装备股份有限公司（以下简称“易鸿智能”）做的，正是这类业务。
近期，易鸿智能在港交所递交了招股说明书，申报在港交所上市。值得注意的是，宁德时代贡献了公司超七成收入，且公司机器视觉业务毛利率大幅下滑，存货规模也持续攀升。此外，公司在IPO前夕因未能按约定期限提交合资格上市申请，向多名投资者转让股份作为补偿。
从机器视觉到智能装备，易鸿智能能否摆脱对头部客户的高度依赖，将营收增长转化为更稳定的盈利与现金回流，仍有待检验。
1、押注智能装备，IPO前夕股权补偿协议触发
易鸿智能的起点，可以追溯到2014年。
2014年4月11日，公司前身广州市易鸿机械制造有限公司成立，初始注册资本为200万元。其中，王刚出资80万元，张权和许卓夫分别出资60万元。
创业早期，易鸿智能主要围绕机器视觉检测能力展开布局。
对于锂电池生产而言，极片、焊接部位、电芯等环节都涉及大量高速、精密的检测需求，而机器视觉就是给工业生产线装上一双“眼睛”，通过摄像机、光学系统、传感器以及算法，对生产过程中的材料和产品进行拍摄、识别和判断，从而发现缺陷、测量尺寸或判断位置是否准确。
因此，机器视觉能够进入锂电池生产流程，帮助电池企业减少人工检测，提高生产效率和良率。
随着新能源汽车和动力电池产业快速发展，易鸿智能逐渐把机器视觉能力集中到锂电池生产场景，并持续向更复杂的检测设备和智能制造解决方案延伸。
2015年至2018年，易鸿智能进入宁德时代供应链，且完成数千万元A轮融资，由源渡创投领投，融资资金主要用于核心技术研发和业务拓展。
近年来，公司开始把视觉检测能力进一步嵌入生产设备中，从发现问题的“眼睛”转向发现问题后直接控制生产设备的方向进行延伸。
目前，易鸿智能的智能装备主要包括辊压分切一体机、激光模切卷绕一体机等。
其中，辊压分切一体机可以理解为先把电池电极材料压实、压薄，再将宽幅材料切成符合生产要求的窄条；激光模切卷绕一体机则负责把电极材料精准切割成特定形状和尺寸，并进一步将正极、负极及隔膜等材料卷绕成电芯。
此外，易鸿智能在2025年还完成了第一条全极耳圆柱电芯高速自动装配线的销售和交付，进一步从单一检测设备向更复杂的电池制造装备延伸。
按2025年收入计，易鸿智能在国内锂电池机器视觉检测解决方案中排名第二、在全球大宽幅辊压分切一体机市场中排名第一。
易鸿智能成立后，曾经历多轮融资和股权转让。2026年2月股权转让完成后，公司的投后估值达到13.43亿元。
值得一提的是，公司部分历史投资协议中存在与投资人权益保护及退出安排相关的特殊机制。不过，易鸿智能在本次港股IPO递表前，已经进行了一轮较为集中的股份补偿。
2026年5月10日，包括百咖地坤、北京新动力、源慧睿泽创业投资、福州晨粒、南京经纬壹号、三亚榕泉、海南源渡三期、天津源渡、温州捷琰、无锡砺行、珠海隐山等在内的多家投资者，以零代价获得了来自王刚、张权以及其他相关股东的共计121.78万股补偿股份。
这意味着，对于易鸿智能而言，过去融资过程中与投资人之间的特殊权益安排，并不是简单停留在“纸面上”，而是切实补偿了股份。
2、宁德时代贡献超七成收入，客户集中风险突出
中国是全球最大的锂电池智能装备市场，市场规模预计由2025年的340亿元增长至2030年的800亿元。此外，2025年我国按出货量计算的前三大锂电池厂商产能利用率近90%，其中最大的锂电池厂商呈现产能供不应求的态势。
依托锂电池产业链发展机遇，锂电池配套厂商易鸿智能近年业绩逐年增长。
招股书显示，2023年至2025年（以下简称“报告期”），易鸿智能的收入分别为2.94亿元、3.94亿元和5.52亿元；年内利润分别为70.9万元、5127.5万元和6966.6万元。
2025年，全球锂电池辊压分切一体机市场规模总计13.2亿元。据招股书披露，易鸿智能在全球前五大锂电池辊压分切一体机制造商中位列第三，市占率为21.1%。
在锂电大宽幅辊压分切一体机市场中，全球前三厂商合计占据95.1%份额。2025年，易鸿智能在该项业务中按收入计位居全球第一，市占率为42.1%。
易鸿智能能够快速推动智能装备收入增长的重要原因之一，就是绑定了宁德时代等大客户。
招股书显示，报告期内，公司来自前五大客户的收入占公司总收入的比例分别为98.7%、97.2%和94.4%。其中，来自最大客户也就是宁德时代的收入分别为2.53亿元、2.64亿元和4.19亿元，占各期总收入的比例约为86.0%、67.1%和75.8%。
可见，易鸿智能的客户结构相当集中。
依赖单一大客户有其优势。一般来说，像宁德时代这样的大客户订单规模大、项目周期长，一旦设备进入其供应链体系，易鸿智能有机会伴随客户扩产持续获得订单。
然而，在大型电池厂面前，设备供应商往往拥有相对有限的议价能力。
招股书显示，报告期内，易鸿智能的毛利率分别为19.6%、30.9%和26.2%。2024年公司的毛利率大幅增长，但是2025年却再度下滑4.7个百分点。值得一提的是，易鸿智能机器视觉业务毛利率从2024年的40.8%跌至2025年的14.4%。
毛利率起伏背后，易鸿智能的盈利稳定性仍经受考验。易鸿智能也在招股书中坦言，公司核心客户多为头部电池与新能源企业，这类客户在合作中具备较强的议价权。
因此，如果想扩大头部客户订单，就可能需要接受大客户较强的议价权；如果想维持较高毛利，则需要不断推出具有技术差异化的设备，这也对易鸿智能的研发能力提出了更高要求。
截至2025年末，易鸿智能研发团队有191人，占员工总人数的25.9%，涵盖机器视觉、人工智能、精密机械、自动控制和工艺工程等专业方向。
报告期内，易鸿智能的研发开支分别为3760万元、4150万元和4940万元，占当年收入的比例分别为12.8%、10.5%和8.9%。
这意味着，随着公司收入规模扩大，研发投入并没有保持同样的增长速度。对于一家强调AI算法、机器视觉和智能装备的企业而言，研发费用率的下滑尤其值得关注。
一旦产品进入成熟期，设备之间的差异化下降，价格之间的“内卷”式竞争就有可能重新出现。
3、应收账款、存货“双高”，资金回收压力加剧
对智能装备企业而言，拿到订单只是生意的开始。从采购原材料、组织生产，到设备交付、客户验收，再到货款回收，每个环节都需要资金支撑。
近年来，易鸿智能收入规模持续扩大，但存货与应收款项同步增长，也让这家企业的资金周转效率备受关注。
招股书显示，报告期各期末，公司的存货金额分别为5.16亿元、5.13亿元和6.78亿元，2025年末，公司存货规模较上年末增长约32.3%，相当于当年5.52亿元营业收入的约1.23倍。
也就是说，公司账面存货已经超过全年收入，资金占用规模不小。此外，2026年一季度末，存货金额更是增长至8.82亿元。
存货周转效率同样值得关注。报告期内，易鸿智能的存货周转天数分别为788天、690天和534天。报告期内存货周转天数逐年下降，说明公司存货周转有所改善，但截至2025年，周转天数仍超过500天。
对此，易鸿智能在招股书中解释道，公司销售锂电池智能装备及机器视觉系统，通常需要在取得客户出具的验收证明后确认收入，因此导致公司存货金额的水平较高。
这意味着，设备完成生产甚至已经交付，并不代表易鸿智能可以立即确认收入。这与易鸿智能近年来的业务结构变化有关。
2023年，公司智能装备业务收入占比为32.7%；到2025年，这一比例已升至83.6%，成为公司最主要的收入来源。随着业务重心从机器视觉检测解决方案转向辊压分切一体机、激光模切卷绕一体机等智能装备，项目生产、交付和验收环节对资金周转的影响也更加突出。
不仅如此，易鸿智能的应收款项进一步体现了公司的回款压力。
报告期各期末，易鸿智能的贸易应收款项及应收票据分别约为6923.7万元、9025.8万元和1.94亿元。截至2025年末，公司应收账款规模较上年末增长超过一倍，应收款项的增长速度明显快于收入增长速度。
不仅如此，报告期内，公司贸易应收款项及应收票据的周转天数分别为126天、78天和97天。易鸿智能在招股书中表示，公司来自行业顶尖电池客户的订单占比提高，该客户通常依赖银行承兑票据或商业承兑票据，导致收款周期延长。
截至2026年3月31日，公司2025年12月31日的未偿清贸易应收款项中，仅有32.6%已被结清。
当存货规模扩大、应收款项增长，而部分应收款项又暂时无法收回时，易鸿智能就需要持续投入营运资金来支撑业务运转。
不过，易鸿智能的经营现金流并非持续恶化。招股书显示，报告期各期，公司的经营活动所得现金流量净额分别为-1.37亿元、5895.3万元和2.01亿元。可见易鸿智能近两年的经营现金流已经有所改善。
截至2025年末，易鸿智能拥有现金及现金等价物2.62亿元，计息银行及其他借款则为1.21亿元，公司现有资金储备足以覆盖全部计息债务。
不过，随着机器视觉业务毛利率下滑、智能装备成为新的增长支柱，易鸿智能还需要证明，新增订单能够在合理周期内完成交付与验收，并最终转化为现金回流。
招股书显示，随着锂电池制造从规模扩张向精益化升级转变，易鸿智能计划继续围绕核心工艺控制能力进行布局，研发重点包括固态电池设备及干法电池相关技术。
此前，公司已交付首条纯锂新能源聚合物固态电池中试生产线全工序整包工程，并开始将客户范围拓展至欧洲、北美电动汽车整车厂以及韩国锂电池制造商。
然而，新产品研发、产能扩张和市场拓展都需要资金与时间投入，而易鸿智能现有业务仍面临机器视觉业务盈利能力下滑、存货规模较大以及回款周期拉长等现实考验。其港交所IPO能否顺利落地，「创业最前线」也将持续关注。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
透视A股三季报：AI算力领跑，材料量价齐升，地产和消费寻底｜看财报
（本文作者为 价值刻度，钛媒体经授权发布）
10月31日，A股2026年三季报宣告收官，5572家上市公司合计实现营收56.65万亿元，比上年同期增长5.42%；归母净利润5.10万亿元，同比增长7.76%。超六成公司录得营收增长，逾七成实现盈利，整体情况良好，韧性凸显。
不过，Q3单季来看，总体营收19万亿元，同比仅增长2.22%；归母净利润1.53万亿元，同比下滑11.02%。
分板块来看，分化明显，行业冷暖一目了然：最赚钱的依然是金融业，工商银行以3431.10亿元净利润继续领跑A股；日子最难过的还是房地产，合计亏损531.87亿元。
盈利增长和下滑的行业则近乎五五开。科技赛道强势领跑，在AI算力产业链带动下信息技术板块的营收、归母净利润分别录得31.95%和140.25%的增速；材料板块不遑多让，量价齐升催化叠加低基数效应，营收、净利分别录得14.06%、54.03%的增速，排名第二；日常消费则净利增速下滑最多，主因生猪、白酒等集体承压。
金融依然最赚钱，房地产日子最难过
从营收来看，前三季度共有3437家上市公司实现同比正增长，占比超过62%。其中，416家增长超50%，138家增长超100%。首药控股-U（688197.SH）、领先股份（603991.SH）、行云科技（300209.SZ）分别以4561.73%、1977.44%、1896.66%的营收增速，位列前三。三者分属不同行业，且均有偶发因素、基数偏低，并不具备代表性。
盈利层面，共有4076家公司实现盈利，占比超过73%。其中，增速超50%的高达1208家，超100%的769家。赚钱能力最强的依然是金融业，前三季度合计赚了2.27万亿元，但增速略微下滑1.51%。国航远洋（920571.BJ）、澳福科技（688021.SH）、德明利（001309.SZ）分别以98070.64%、34856.86%、32399.91%的增长率，摘得前三甲。
分行业来看更能说明问题，11个wind一级行业中，7个录得营收正增长，包括信息技术、材料、能源、医疗保健、工业、日常消费和金融；5个盈利录得同比增长，包括信息技术、材料、房地产、能源和医疗保健。
营收最拉胯的还是房地产行业，同比减少24.93%，公用事业、通讯服务、可选消费均只是微降。
盈利方面分化更强，日常消费、公用事业、通讯服务、可选消费分别同比下降32.36%、21.96%、16.72%、10.69%，工业、金融微降3.82%和1.51%；但日子最难过的依然是房地产，合计亏损531.87亿元。
值得注意的是，日常消费中，生猪板块全部巨亏，11家生猪养殖公司合计亏损达到222.17亿元；向来高毛利的白酒也在深度调整中寻底，均给板块增速带来负面影响。
信息技术盈利暴增140.25%，AI算力产业链领跑
延续2025年强势表现，信息技术在2026年前三季度拔得双头筹，且增速显著放大。
前三季度，信息技术板块实现营收6.14万亿元、归母净利润2191.59亿元，分别增长31.95%、140.25%，遥遥领先。而2025年，该板块营收、净利的增速分别为15.26%、32.93%，彼时的排名分别为第一、第二。
具体到信息技术板块内的1109家公司中，共有770家营收正增长，占比接近七成。其中，增速超50%的达145家，超100%的49家。前五名分别为长鑫科技（688825.SH）、大普微-UW（301666.SZ）、东芯股份（688110.SH）、联讯仪器（688808.SH）和普冉股份（688766.SH），增速均在300%以上。
营收领跑同时，信息技术的盈利增速也很夯。板块内576家实现归母净利润正增长，占比过半，其中，实现翻倍的高达222家，10倍以上的25家。前五名分别为德明利、佰维存储（688525.SH）、长江通信（600345.SH）、国科微（300672.SZ）和利扬芯片（688135.SH），增速均在45倍以上。
再细分来看，带领全行业业绩暴增，主要是AI算力产业链，比如存储、芯片等居前。长鑫科技前三季度实现营收2690.24亿元，同比增长738.51%；归母净利润1320.40亿元，同比增长2600.77%。业绩暴增源于在AI、智能终端等新兴应用的带动下，存储芯片市场景气度不断攀升，强劲的终端需求直接拉动了公司产品的出货量与产出规模的稳步扩大。且公司在最新的业绩会上直言，“预计明年营收仍将保持增长。”
同为存储赛道的德明利、佰维存储等亦为TOP级选手，盈利增速分别高达323倍和287倍。国海证券研报指出，当前存储板块处于Al驱动的结构性景气周期，高端HBM、服务器存储供需趋紧，普通消费级存储弹性减弱；行情由前期单纯张价预期驱动，逐步转向业绩兑现验证阶段。
利扬芯片、国科微、必易微（688045.SH）等芯片环节也表现强劲，净利增速均在32倍以上。中原证券研报表示，当前AI应用正在加速渗透至编程、影视游戏、数学研究、网络安全等领域，物理AI的突破进程也在加速。Agent自主化的执行意味着模型被调用的频次也在大幅增长，让算力供应持续不足，算卡租赁价格继续呈现走高趋势。相对而言，受到缺芯因素的影响，国内算力紧张程度更高。随着2027年国产卡产能的释放和新卡的推出，国内算力需求有望得到更好的满足。我们继续对国内AI算力产业发展持乐观预期，建议持续重点关注AI产业链的上游及中游环节，包括半导体设备、芯片、存储、光通信、服务器、AIDC、云计算等环节。
周期发威，材料向上
信息技术之外，材料板块的业绩也可圈可点。前三季度，该板块共实现营收8.76万亿元，同比增长14.06%；归母净利润5053.32亿元，同比增长54.03%，均排在第二名。
具体到板块内部，875家材料企业中有651家营收实现正增长，占比超74%；增速超50%的有90家，超100%的有27家。前五名分别为领先股份、融捷股份（002192.SZ）、丰元股份（002805.SZ）、佛塑科技（000973.SZ）、盛新锂能（002240.SZ），增速均在275%以上。
盈利方面，共有467家录得正增长，占比过半；增速超50%的261家，超100%的179家。前五名分别为山东玻纤（605006.SH）、赣锋锂业（002460.SZ）、东岳硅材（300821.SZ）、恒光股份（301118.SZ）和万里石（002785.SZ），增速均在36倍以上。
需要注意的是，材料行业包括了有色金属、锂电材料等多个细分行业，而他们均属于周期性行业。前三季度的业绩大增，多数是受益于下游需求扩容带来的量价齐升。
以锂盐企业赣锋锂业、天齐锂业举例，前三季度盈利分别录得195倍、30倍的增长，核心驱动是锂产品的量价齐升。碳酸锂期货价格从年初的10万元/吨上方震荡上行，5月15日盘中摸至年内新高20万元/吨，之后虽震荡下行至Q3末的11万元/吨，但相较去年1-9月均在5-9万元低位区间，同比升幅明显。同期，多公司产能释放，进而实现营收、净利的双增。同为锂电产业链上的湖南裕能、恩捷股份、龙蟠科技等亦属此类。
“有矿的”各色金属企业同样受益。今年以来，与AI算力、半导体等强相关的锗、铟、锑、钽、钼等战略小金属涨幅领跑；工业金属里铜、铝、锌、锡的价格也有所上涨；轻稀土在供给管控和海外磁材补库驱动下，价格中枢抬升。
以云南锗业为例，前三季度录得营收13.64亿元、归母净利润1.76亿元，同比增长70.71%和869.79%，主要就得益于其磷化铟、锗产品等量价齐升。SMM数据显示，截至10月23日，国内4英寸、3英寸、2英寸磷化铟衬底均价分别为7100元/片、3900元/片、1275元/片，年初至今涨幅分别为64.9%、97.0%、5.8%。
值得一提的是，材料板块的多企业业绩暴增，实际还叠加了低基数效应。比如山东玻纤、恒光股份及多家锂盐企业2025年前三季度其实录得亏损。
另外，周期威力不仅在上行期体现，下行时亦很明显。比如在笔者此前文章《锂周期再摇摆：锂企前三季度业绩炸裂，Q3环比转弱｜行业风向标》中就曾提到，今年第三季度，随着锂价快速回落，锂企Q3业绩环比普遍承压。若后续锂价继续不乐观，该板块的业绩将集体回落。（本文首发于钛媒体APP，文｜价值刻度，作者｜桃子）
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
具身智能的钱，流向机器人的“皮肤”
（本文作者为 机器最前线，钛媒体经授权发布）
文 | 机器最前线
2026年的具身智能赛道，融资风向正在发生变化。
IT桔子统计显示，2026年10月具身智能赛道发生33起融资、总额101.05亿元，而9月这个数字是60起、110.28亿元，下降趋势显著。
不过，资本追逐本体制造和大模型的热闹场面虽然有所降温，但还有一部分投资人开始选择把目光向上游迁移，灵巧手、触觉传感器、电子皮肤这些决定机器人“身体能力”的核心零部件，成为少数仍在逆势吸金的环节。
（图源：矩侨工业官网）
10月29日，山东柔性织物触觉传感企业矩侨工业宣布完成亿元A轮融资，由蚂蚁集团领投，老股东零以创投、威海港融及青岛和信跟投。这是蚂蚁在触觉赛道上的第二次出手，两个月前，它刚领投了视触觉路线的戴盟机器人。
可需要注意的是，触觉赛道技术路线高度分散，一家成立不到三年的公司拿到亿元级融资，究竟是行业拐点的信号，还是阶段性的资本卡位？
01 具身智能的融资逻辑变了
具身智能的融资逻辑似乎正在从“造一个聪明的身体”转向“让身体感知世界”。
毕竟，视觉可以靠互联网视频喂养，语言可以靠文本喂养，唯独触觉数据几乎无法从现成语料中获得。切向力、材质纹理这些物理量，仿真引擎很难高保真地生成，必须依靠真实操作一帧一帧采集。
有行业数据显示，在价格方面，触觉数据的价格比视觉数据多两倍左右，视觉等视频数据价格可能在小几百元每小时，而触觉数据价格在大几百元。
这种差异直接反映在融资数据上。2026年前七个月，国内人形机器人传感器领域发生了近20起融资，合计超过31亿元，仅7月单月就吞下约15.6亿元。某种程度上，这也意味着，接下来谁能提供高效率、低成本、可规模化的触觉数据采集入口，谁就卡住了现阶段具身智能的“数据隘口”。
不过现阶段国内触觉赛道并非只有一条统一的技术路线，以帕西尼为代表的霍尔磁传感方案，偏向灵巧手指尖的高精度多维力检测；以戴盟机器人为代表的视触觉路线，分辨率更高，触觉分辨率能做到每平方厘米数万个感知点，输出图像数据，天然适配端到端网络。
还有一种就是以矩侨工业为代表的织物路线。它的技术逻辑是把导电、压阻结构一路拆到纤维层面，用功能纤维直接织成传感网络，外力触碰时纤维内的导电通路变形，采集系统读信号、算法转成触觉数据。
这三条路线不是互相替代的关系，反而更像各自对应不同的任务。比如指尖和灵巧手要求高分辨率、多维力与快速响应，视触觉和霍尔磁传感方案现阶段更有优势；躯干、机械臂、足底等大曲面则需要大面积、可弯折、透气和成本可控的覆盖，织物路线似乎更容易铺开。
所以短期内很难有一条路线通吃，行业更可能走向按部位分层的混合方案。也正因如此，资本的下注逻辑不是赌某一项技术最终胜出，蚂蚁的两次出手恰好对应了这种分化，戴盟机器人代表视触觉的高精度方向，矩侨工业代表织物路线的大面积覆盖能力。这也解释了为什么在具身智能融资降温的背景下，一笔亿元级资金仍会落在“一块布”上。
02“反常识”的技术路径
资本同时下注两条路线，并不等于两条路线都已跑通。要判断这笔亿元级融资是行业拐点的信号，还是阶段性的资本卡位，需要回到矩侨工业本身。
这家公司成立于2023年底，创始人张景淇毕业于英国约克大学电子工程系，曾担任小米生态链公司CTO，拥有多项相关发明专利。核心团队也主要来自中科院及智能硬件大厂，具有深厚的技术积累以及智能硬件产品定义和量产经验。
公司的技术路径颇具“反常识”色彩。传统压阻薄膜的结构，是将柔性基底、感压层、导电层逐层叠加在一起，但矩侨工业选择以尼龙作为纤维内芯，把压阻材料、电极分别做成独立功能纤维。
这套方案的优势在于，其织出来的传感布料可裁、可折、可快速改版，能贴合机器人复杂曲面。这一创新成功推动织物形态电子皮肤真正走向规模化量产。2025年5月，公司对外披露卷对卷产线年产能20万片、良率95%；7月，威海临港区报道订单已排到10月，投产首年产值近千万元；9月，第1000套人形机器人织物电子皮肤下线，公司称产品上市不足半年，已有近百家海内外客户下订与复购，包括但不限于宇树、松延动力、零次方等。
不过，织物路线的短板同样明显，其单点精度不及视触觉方案，决定了它更适合躯干、足底、机械臂等大面积覆盖场景，而非指尖高精度操作。所以公司也在向精细交互延伸，推出了触觉皮肤2.0，通过调整织造结构并结合模型训练，进一步拓展对受力方向、滑动趋势和切向受力的感知能力，但能否在精度上满足灵巧手的高端需求，还有待验证。
更深层的挑战在商业模式上，据悉，矩侨工业当前的产品矩阵横跨三条赛道，其中，机器人电子皮肤作为估值锚，确立了公司的技术标杆地位，不过现阶段业务高度依赖宇树等少数头部客户，订单持续性有待观察。
智慧康养作为现金流业务，2024年订单已超千万元，并落地泰康之家、国投健康、华润润家等知名机构；至于汽车智能座舱则是作为增长杠杆，支撑业绩。
因此，这笔亿元级融资更准确的含义，不是资本已为矩侨工业的织物路线投下“确认票”，而是在触觉技术路线尚未收敛、数据入口尚未定局的窗口期，提前卡位一个具备量产交付能力的差异化玩家。
它真正要检验的，是公司能否把先发的工艺优势转化为稳定交付、标准化模块和模型可用的触觉数据；若这一步走通，织物路线有机会成为机器人全身触觉的基础设施，若走不通，资本窗口也可能被后来者迅速压缩。
03 谁能抢占人形机器人感知制高点？
矩侨的融资之所以会引起行业的关注，背后其实折射出了机器人皮肤正在发生的变化。
过去，机器人穿衣服或包覆软皮，更多被理解为外观和防护问题。现在，这层外覆盖件正在同时承载安全、亲和、场景适配和触觉感知四重功能。
在商场、康养、家庭等近人场景，用户碰到的是坚硬金属还是柔性包覆，直接决定人机共处的体验；在工业场景，耐高温、防腐蚀、防粉尘、防静电是刚需……
这也使得赛道增速尤为显著，根据行业预测，2030年我国人形机器人电子皮肤市场需求将达152.5万平方米，对应整体市场规模约274亿元。传统纺织企业、专业传感器企业、材料企业正在加速入局，产业链上下游联动效应明显。
可热度背后，产业发展仍处于早期。标准化缺失是最突出的痛点之一，不同品牌、不同型号的机器人结构各异，电子皮肤大多需要一机一版定制开发，模具和版型无法批量复用，成本高、周期长。
高端电子皮肤模组受封装工艺、传感芯片、材料成本限制，全套搭载价格仍让主打性价比的整机厂难以承受。此外，柔性传感产品在长期高频弯折、复杂工业粉尘、温变工况下，容易出现信号漂移、灵敏度下降、使用寿命缩短等问题，产品稳定性和一致性有待提升。机器人皮肤要真正从选配变成刚需，还要跨过一致性、可靠性和成本这三道门槛。
总而言之，一台机器要进入人的空间，最先被感知的往往不是算法和参数，而是它碰到人时是硬是软、是冷是暖，触觉的价值也正在于此。
但这条赛道的成熟标志，不会是一笔融资或一款新品，而是皮肤变成不显眼却不可缺的普通零部件。到那时，讨论的重点不再是技术路线谁更先进，而是谁能在真实工况下稳定供货、控制成本、配合整机迭代。资本今天押注的，正是这种确定性。至于哪条路线最终胜出，或许要等机器人真正走进日常之后才有答案。
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App
Ramanujan Challenge Results: AI-Assisted Evaluation Pipeline for Multi-Format Proofs
Things That Go Beep in the Night: Agentic AI Joins the Search for Extraterrestrial Signals
While science fiction lore tells us that humans will meet extraterrestrial life in the form of little green men, the detail that should raise hairs this Halloween is this: the search for extraterrestrial intelligence took a major leap forward with AI, and it increasingly focuses on AI agents built by humans listening for AI agents built by aliens.
Some scientists have suggested that extraterrestrial civilizations, if they exist, could be billions of years older than humanity. Such civilizations might have developed technologies far beyond humanity’s, including forms of AI.
Breakthrough Listen and the SETI Institute are bringing agentic AI into the daily search for extraterrestrial intelligence. At the Allen Telescope Array in Northern California, agents can now steer the instrument, enhance and correct incoming data, and apply AI models to the incoming stream — all from a single natural language request. The NVIDIA Holoscan platform processes the massive streams of sensor data, giving agents live data to act on.
The result is a faster, more adaptable search for potential signals from extraterrestrial life and technologies.
“As our new agentic observatories reach out into the universe, what they find may have much more in common with themselves than with the humans who created them,” said Andrew Siemion, Bernard M. Oliver chair for SETI at the SETI Institute and principal investigator of Breakthrough Listen. “But this isn’t something to fear. Rather, it’s a breakthrough in translation.”
Terabits a Second, Processed in Flight
Radio telescopes generate enormous volumes of data, creating a challenge for scientists who need to identify potentially interesting signals as observations unfold.
At the Allen Telescope Array, DAQIRI, a Holoscan platform library, enables the telescope to pull terabits per second of sensor data straight into GPU memory so observations are processed in flight rather than filling hard drives. CyberEther, a signal-processing framework developed at the SETI Institute, does the math using NVIDIA CUDA-X libraries including cuFFT and cuBLAS.
Nexus, a web-based observatory orchestrator, acts as the agent harness. It gives agents a single source of truth for instrument state, compute resources and pipelines and lets researchers monitor packet loss, read live spectrograms and rewrite signal-processing blocks — all by prompting in natural language. The system can handle 2.4 terabits per second on NVIDIA RTX PRO 6000 Blackwell GPUs, with inference running on premises, next to the instrument.
Put together, the system enables an agent to steer a telescope’s antennae, calibrate and focus the instrument for a clean signal, catch and fix data errors and plot the result. Agents compress what would take humans weeks or years into hours.
Science Fact, Not Fiction
The pipeline has already proven itself, achieving the first real-time AI detection of a pulsar — a rapidly spinning stellar remnant that pulses like a cosmic lighthouse — in the Crab Nebula.
Next, the team is evaluating open models including NVIDIA Nemotron for cases where data locality and turnaround matter most and for observatories that may someday run offline on the far side of the moon.
Learn more about NVIDIA AI for science.
[推广] 想用 Grok Bot， X 联合会员选 Premium 还是 Super？
先说结论： 如果你刚开始尝试 Grok Bot ，还没有形成稳定的高频需求，建议优先从 Premium 起步；只有当你需要让它持续运行任务，或者每周的共享额度经常提前耗尽时，再考虑升级 Super。
我们在 ChongGrok 提供 X 联合会员代订阅服务，本文基于截至 2026 年 10 月 31 日核对的官方规则，为你拆解选档时最关键的几项差异（文中提到的 Premium 与 Super 均指新版 The X Subscription 联合会员）。
一、 购买前先确认两件事：防重复购买与明确任务边界
在决定选哪个档位之前，建议先完成以下两项核对，避免花冤枉钱：
- 先查现有账号是否已有权限（避免重复购买）： 在新版 X 联合会员体系中，基础的 Plus 档不含 Grok Bot ，只有 Premium 、Super 和 Ultra 三个档位包含 Grok Bot 的使用权限。但需要注意的是，部分旧版 Cursor 、SuperGrok 等存量订阅本身仍可能还有 Grok Bot 的使用权限，建议先登录现有账号核实，确认没有权限后再新开（详见官方 Bot 权益说明）。
- 先想清楚交给它什么任务（有权限不等于能包揽一切）： Grok Bot 拥有一台持续保留状态的云端电脑，能够在云端帮你处理文件、调用工具并执行多步任务——例如帮你整理一批资料，或排查某个代码问题，完成后再交由你验收结果。不过，“能用上 Bot”并不代表它能替你完美搞定所有工作，购买前最好先明确准备让它做什么、以及如何验收结果（可参考官方用途示例）。
二、 核心账本对比：Super 每月多花 $70 换来了什么？
对于准备新开 X 联合会员的用户，Premium 与 Super 在价格和额度上的核心差异如下：
| 比较项 | Premium | Super |
|---|---|---|
| 官方月付价格（美元、未税） | 30 / 月 | 100 / 月 |
| Grok Bot 权限 | 包含 | 包含 |
| 每周共享用量（以 Plus 为基准） | 4 倍 | 15 倍 |
从表格可以看出，Super 每月比 Premium 多付 $70 ，换来的是 Premium 3.75 倍的每周共享额度（ 15 倍 vs 4 倍），同时享有高峰时段模型优先访问等附加权益。在看这组数字时，有两点必须注意：
- 额度倍数不等于固定的“每日完成任务数”： 实际能跑多少个任务，取决于任务的复杂程度、处理的材料体量以及具体的运行方式。此外，上表为官方美元未税原价，ChongGrok 的人民币服务报价需在服务页单独查看（官方规则详见官方档位与价格）。
- 额度是“三端共用”的，而非 Grok Bot 独占： 在新联合会员下，Grok Bot 、Grok 应用和 Cursor 编辑器中纳入套餐的用量，全部从同一个每周额度池里扣除。这三款产品并不是各自拥有一份互不干扰的额度——你在 Cursor 编程或 Grok 聊天上用掉越多，留给 Grok Bot 的额度就越少（详见共享用量说明）。
正因如此，同样购买 $30 ／月的 Premium ，不同人的体感会截然不同：如果平时只偶尔让 Bot 整理资料，额度往往绰绰有余；但如果同时高频使用 Grok 聊天、用 Cursor 写代码，还要让 Bot 持续在后台跑任务，就必须把这三部分的消耗加在一起评估。
三、 对号入座：三种典型使用场景怎么选？
你可以根据自己目前所处的阶段，按以下标准做决定：
- 场景 1：刚开始尝试，还没有固定任务——先选 Premium 。 先用范围明确的小任务测试 Bot 的产出结果是否符合预期，同时观察额度消耗速度。如果它连任务本身的质量要求都达不到，单纯花钱升档加额度也解决不了问题。
- 场景 2：平时够用，只是某一周集中赶工不够用——不必急着升 Super 。 遇到单周偶发的额度见底，可以先去后台看距离每周额度自动重置还有几天，再对比“等几天重置”与“临时买一点额外用量”哪个更划算。偶尔一次不够用，并不代表你以后每个月都需要固定支出 $100 的高档位。
- 场景 3：已有持续稳定的重度需求，经常提前用完周额度——算清差价后再升 Super 。 你可以把一段时间内为超额部分实际花掉的额外用量费用，与升级 Super 每月多出的 $70 固定订阅费放在一起对比。如果 Super 多出的每周额度刚好能覆盖你的超额需求，且总成本符合预算，再考虑升级（但需注意，即便升到 Super 也依然存在用量上限）。
查账避坑提示： 平时可以进入 Grok Dashboard 的 Usage 页面，查看本周已用额度、重置时间以及各产品的消耗占比。算账时请务必分清“往账户里充了多少钱”和“实际消耗了多少钱”——账户里还没用完的预付余额（剩余额度），不能算作你当月已经花掉的成本。
四、 避开两个最容易混淆的计费与扣款误区
在实际使用 Grok Bot 和额外用量时，以下两条费用规则最容易被误解：
1. 误区一：看到 Grok Bot 调用了 Claude/Opus ，以为会像 Cursor 一样额外扣费
Grok Bot 内部自动调度模型，与你在 Cursor 里手动选择第三方模型，执行的是完全不同的两套规则：
- 在 Grok Bot 中（自动路由不改变单价）： Grok Bot 界面上没有手动模型选择器，系统会根据任务自动匹配模型。根据 Bot 计费 FAQ 说明，即便 Bot 在后台把你的任务路由给了 Opus 处理，也不会因此改变每 token 的计费价格，实际消耗依然只随完成任务所需的工作量浮动。因此，不要看到 Bot 内部调用了第三方模型，就误以为会套用 Cursor 的额外收费规则。
- 在 Cursor 中（手动选第三方模型从首次起另计费）： 如果你在 Cursor 编辑器里手动切换到 Claude 、GPT 等第三方模型，这部分用量从第 1 次使用起就会另外计费，不会因为你买了 $100 的 Super 档就变成套餐内免费额度（详见 Cursor 模型与费用说明）。
2. 误区二：以为关掉“自动充值（ Auto Top-up ）”就能锁死当月消费
当每周共享额度用完后，系统可以扣减你账户里的预付余额（ Prepaid Balance ）继续工作，但在控制预算时要分清两个开关的区别：
- 关闭 Auto Top-up （仅停止自动续充）： 关掉它只会阻止系统在余额不足时自动从银行卡扣款续充，但你账户里已经存在的预付余额依然会被继续消耗。
- 设置每月额外用量上限（真正锁死当月超额消费）： 如果你想严格限制某个月的额外花费，必须单独设置“每月额外用量上限（ Spending Caps ）”——一旦达到设定的上限金额，即便账户里还有预付余额，系统也会立即停止消耗额外用量（详见预付余额与自动充值与每月用量上限）。
五、 国内办理方式与风险提示
如果你已经确认需要开通包含 Grok Bot 的新版 X 联合会员，并希望通过支付宝或微信付款，可以前往 ChongGrok X 联合会员服务页 查看当前人民币实时报价，并在核对好账号条件、交付方式与售后说明后再行办理。如果你手头已有旧版会员，请先核对现有权益；ChongGrok 不办理将旧会员合并（转）为联合会员的服务。
六、 参考资料与延伸阅读
1. 官方一手参考文档（ xAI / Cursor ）
- Grok Bot 权益与每周共享用量说明 (xAI Docs)
- The X Subscription 官方档位与价格说明 (xAI Docs)
- Cursor 模型选择与第三方模型费用说明 (Cursor Docs)
2. ChongGrok 开源排障知识库核心延伸
- Grok 联合会员（ The X Subscription ）怎么选：四档价格与国内开通指南
- 为什么开了 Grok 会员还是用不了 Grok Bot ？权限解锁与每周额度池指南
- X 联合会员下使用 Cursor 编程怎么计费？ Grok 额度池与 Claude/GPT 扣费规则解析
3. 服务与核销入口
- ChongGrok X 联合会员服务页 (chonggrok.com/x-subscription)[cite: 1]
- ChongGrok AI 会员指南总门户 (guides.chonggrok.com)
合规与风险声明： ChongGrok 是独立的第三方服务网站，与 X 、Grok 、Cursor 无任何官方隶属关系。