让好项目，更早被看见
原文摘要 提交报道链接：https://36kr.com/seek-report-new?t=1779418211266\n36氪AI寻求报道 很多项目第一次被行业真正看见，往往已经不是它最需要被看见的时候。 那时候，它可能已经拿了融资，跑出了数据，进入了热门赛道，也开始频繁出现在投资人、媒体和产业方的视野里。 但创业不是从融资新闻开始的。 在更早的时候，一个项目可能只是一支还不够知名的团队，一个刚刚跑通的产品，一个藏在垂直行业里的新方法，或者一个还没有被充分解释清楚的市场判断。 它不一定站在风口中央，也不一定拥有明星机构背书。更多时候，它甚至还没学会把自己的价值讲清楚。 但这并不意味着它不值得被看见。 36氪推出「AI寻求报道」，想做的正是这件事：把好项目被看见的时间，再往前推一点。 它不是一个简单的发稿入口，也不是把项目包装成流量故事的工具。更准确地说，它是一套面向项目方、FA、投资机构、园区、孵化器和产业服务方开放的项目发现与内容表达机制。 我们希望通过更轻量的提报方式、更结构化的信息采集、AI 辅助成稿与人工审核，让那些有实质推进、有成长潜力、有行业意义的项目，在还没有被充分讨论之前，先获得一次被认真理解的机会。 一、很多项目缺的不是曝光，是一次有效表达 在创投市场里，信息从来不稀缺。 每天都有大量项目在融资、路演、找客户、谈合作、发产品。真正稀缺的是：能被投资人、产业方、媒体和潜在客户快速理解的信息。 我们见过太多这样的项目。 技术打磨了很久，客户也在推进，但对外表达还停留在“我们是某某领域的创新者”； 业务已经有了进展，但材料里全是功能介绍，看不出它到底解决了什么问题； 创始人对行业很熟，但一到公开表达，就很难讲清楚“为什么是现在，为什么是我们，为什么值得关注”。 这不是项目没有价值。 很多时候，是价值还没有被翻译成行业能够理解的语言。 一个项目解决什么问题？面向什么客户？产品跑到了什么阶段？和已有方案相比，有什么不同？客户为什么愿意买单？团队凭什么能做成这件事？ 这些问题，往往比一句“我们很创新”更重要。 「AI寻求报道」想解决的，不只是帮项目写一篇文章，而是帮助项目完成一次更清晰的价值组织：把分散在 BP、官网、路演材料、融资计划和创始人口述里的信息收拢起来，把复杂的业务讲清楚，把值得被关注的部分放回合适的创投语境里。 对项目方来说，这可能是一张更清楚的公开名片。 对 FA、园区和产业服务方来说，这也是帮助服务项目从私域介绍、BP 转发和一对一沟通中走出来，形成可沉淀、可检索、可传播的公开内容资产。 对投资人和产业方来说，它也可能成为观察早期项目、细分赛道和水下信号的新入口。 降低门槛，但不降低判断标准 创投报道天然更容易捕捉已经被验证的结果。 大额融资、明星机构、头部赛道、快速增长，这些当然重要。它们构成了市场主线，也帮助行业判断趋势。 但如果内容平台只看见已经发生的结果，就很容易错过那些正在形成中的信号。 很多早期项目还没有足够大的融资金额，很多细分赛道短期内并不热闹，很多中小企业的创新也不一定天然具备强话题性。它们未必适合被包装成“大新闻”，但其中一部分，确实代表着某个行业正在发生的真实变化。 36氪「AI寻求报道」想降低的，是优质项目第一次被看见的门槛。 二、降低门槛，不等于降低标准 我们欢迎这样的项目： 项目可以早期，但不能没有实质推进； 赛道可以小众，但不能没有明确价值； 项目可以尚未融资，但应该有清楚的产品、服务、客户、技术积累、商业模式或行业判断。 这不是一个无差别的信息发布通道，我们拒绝这样的项目： 纯概念阶段、信息无法核验、只靠包装堆砌概念、缺少真实产品或服务进展的项目，并不适合这个入口。36氪希望服务的是那些认真做事、真实推进、并且有内容值得被行业理解的项目。 真正值得被看见的项目，不一定已经很大，但一定应该有可被理解、可被验证、可被继续追踪的内容。 三、AI 提高效率，人工守住边界，36氪完成连接 AI 在「AI寻求报道」里的角色，不是替代媒体判断。 它更像一个高效率的采编助手。 通过自助采访和结构化提问，AI 可以帮助项目方把零散信息重新组织起来，通过辅助成稿。它可以降低项目完成第一次公开表达的时间成本。通过问题引导，它也能让项目更系统地回答外部世界真正关心的问题。 但一篇内容是否适合发布，仍然需要经过人工审核。 报道的价值不只是“生成出来”，更在于它是否真实、清楚、克制、有边界。AI 可以提升效率，但不能替项目虚构价值；AI 可以优化表达，但不能替代平台的内容判断。 36氪「AI寻求报道」真正想建立的，是一套“技术效率 + 内容标准 + 平台连接”的机制。 AI 负责提高信息组织和初稿生成效率； 人工审核负责守住内容边界； 36氪���台则负责把项目放回创投与产业语境中，让更多投资人、产业方、创业者、行业读者和潜在合作伙伴有机会理解它。 这件事的价值，不是让项目在信息流里多出现一次。 而是让它以更清楚、更专业、更可信的方式，进入行业视野。 四、为什么是 36氪寻求报道 因为 36氪长期站在创业者、投资人和产业之间。 过去多年，36氪持续记录中国新经济公司从早期融资、产品发布、商业化探索到产业成熟的全过程。我们理解创业公司的表达需求，也理解投资人和产业读者真正关心什么。 他们关心的不是空泛的愿景，不是堆砌的概念，而是清楚的问题、真实的进展、可信的逻辑，以及可持续追踪的成长性。 36氪的能力不只是发布渠道，更是创投语境。 我们知道一个项目应该如何被放进产业变化里理解，知道哪些信息能够帮助投资人快速判断，知道一篇项目内容如何从“自我介绍”变成“行业可读”。 这也是「AI寻求报道」区别于普通发稿、模板通稿和单纯 AI 写作工具的地方。 它不是让项目自己在信息流里大声喊话，而是帮助项目以更清楚、更可信的方式，进入 36氪长期积累的内容场域。 对于项目方来说，这意味着不光是获得一篇文章，而是获得一次被行业认真理解的机会。 对于 FA 和机构来说，这意味着服务中的项目不只是多一个曝光动作，而是多一种可沉淀、可转发、可被外部理解的项目表达方式。 对于 36氪来说，这也意味着项目发现的入口被进一步前移。我们不仅记录那些已经跑出来的公司，也希望更早捕捉那些正在生成中的新公司、新产品、新模式和新趋势。 五、今天的水下项目，可能是明天的行业变量 我们尊重每一个还没有被充分看见的项目。但这种尊重，不是无差别地放大每一个声音。 我们不是要把每一个项目都包装成“下一个独角兽”。相反，我们更希望帮助项目回到它真实的位置：把该说清楚的事情说清楚，把值得被看见的部分呈现出来，把可能关注它的人连接起来。 一次报道未必立刻改变一个项目的命运。 但一次被认真看见，可能带来一次有效对话；一次有效对话，可能带来一个关键客户、一位长期关注的投资人\n
江行智能：从感知环境到改变世界：物理AI的机遇、路径与实践| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 中国工业物理AI的真正优势不在模型参数，而在全球12倍的工业机器人部署密度、两倍的发电量和密集的5G边缘节点——场景密度、基建底座和开源模型的合力，正在推动物理AI从实验室走向规模化落地。\n江行智能提出工业物理AI的三层模型，这套系统已在新能源场站和电网巡检场景落地——覆盖贵州、内蒙古等多地，核心算法准确率达99%。陈龙特别指出，工业场景下一个看似简单的巡检任务通常需要拆成100到200个子任务，这对AI的稳定性和可靠性提出了远超消费级应用的要求。 以下为演讲内容，经36氪整理编辑：\n陈龙丨江行智能基模CTO 各位嘉宾、行业伙伴下午好，我是来自江行智能的具身基模CTO陈龙，我的分享题目是从感知环境到改变世界：物理AI的机遇、路径和挑战。 AI 的竞争已经从数字世界的模型参数之争，转向了真实物理世界的系统能力之争。中国凭借独特的五层产业基础，正在成为全球工业物理 AI 落地的最佳土壤。江行智能通过打造全栈工业物理 AI 模型架构，已经在新能源、电网等核心领域实现了规模化部署，证明了物理 AI 从概念走向现实的可行性。 AI 竞争正在从模型竞争走向物理系统竞争 过去几年，生成式 AI 在数字世界充分证明了自身价值，能够完成内容生成、代码编写、智能问答等任务。但对于工业企业而言，真正的价值前线不在屏幕里，而在风电场、光伏电站、变电站、矿山、化工园区和生产车间这些真实的物理空间。 AI 正在经历从 “生成答案” 到 “执行任务” 的关键演进。当 AI 走进工业现场，竞争的核心不再是模型参数规模或单点算法准确率，而是能否将人工智能稳定、可控、低成本地部署到真实物理世界。工业现场的任务从来不是 “看一张图判断有没有异常” 这么简单，它需要完成数据采集、环境理解、设备接入、任务规划、执行反馈和闭环迭代的全流程。这意味着物理 AI 不是一个孤立的模型，而是一套能够在现场持续运行的完整智能系统。 中国工业物理 AI 的五层基础与三大结构性机会 为什么工业物理 AI 在中国拥有最好的落地条件？中国已经形成了其他国家难以复制的五层系统性基础。 第一层是应用层。中国拥有全球最高密度的工业场景，工业机器人安装量约为美国的 8.6 倍，过去十年增长了约 12 倍。真实场景越密集，“数据 - 模型 - 具身智能机器人” 的闭环就越容易形成。 第二层是模型层。以 DeepSeek、通义千问（Qwen）、Kimi 为代表的国产化开源模型追赶迅速，性能快速逼近行业最优水平，并已在全行业完成广泛的垂直化部署，越来越贴近产业的实际需求。 第三层是基础设施层。中国 5G 基站数量已超过 448 万，全球占比超过 60%，同时新增发电容量也远超美国。这使得我们在端侧和边缘侧拥有更强的网络与基建能力，能够更好地支持物理 AI 设备的现场接入与实时交互。 第四层是芯片层。不可否认，我们在高端训练芯片领域与美国仍存在差距。但这一挑战也倒逼行业走上了更高效的技术路线，推动企业通过更优的模型结构、端边协同和软硬件联合优化来最大化现有硬件的性能潜力。 第五层是能源层。当前中国发电量约为美国的两倍，发电机组装机量更是达到美国的三倍。充足且稳定的能源供给，为 AI 从云端训练走向大规模现场部署提供了长期的底层支撑。 这五层基础叠加在一起，使中国工业物理 AI 不只是有技术想象，更有真实的落地土壤。在此基础上，我们总结出中国工业物理 AI 的三类核心结构性机会。 第一类是供给侧底座机会。能源、网络、基础设施和边缘节点的持续完善，为 AI 进入工业现场提供了长期可靠的支撑。 第二类是现场侧闭环机会。高密度的工业场景、大规模的机器人部署和多模态传感设备，让物理 AI 能够形成 “部署 - 采集 - 训练 - 迭代 - 再部署” 的完整数据飞轮，这是其他国家无法比拟的优势。 第三类是效率侧路线机会。高端芯片的约束会推动行业走向更高效的模型、更强的边缘智能和更深的软硬协同，使工业物理 AI 更加注重低成本、可控性和可部署性。 江行智能的定位，正是把这些组合优势组织成可部署、可复制、可持续迭代的工业物理 AI 系统。 江行智能全栈工业物理 AI 模型架构 工业现场的问题不能靠单一模型解决，它需要数据基础设施、物理世界建模、行业大模型、应用框架、设备控制和安全机制协同工作。基于这一认知，江行智能打造了面向工业场景的三层全栈物理 AI 模型架构，围绕工业物理 AI 对自主性、多模态、长任务和可靠性的核心需求设计。 数据与基础设施层：JX-Phi World 双轮驱动 作为整个架构的底座，JX-Phi World 采用 AutoEdge 和 AutoWorld 双轮驱动的核心设计，解决模型训练更快、落地更稳、成本更低的问题。 AutoEdge 负责真实工业数据的全流程处理，包括多模态环境数采、云端训练、边端推理、模型部署和 OTA 升级。它能够持续采集真实现场的任务、设备、工况和反馈数据，同时通过边缘侧推理显著降低网络传输压力与模型端到端时延。底层数据涵盖了传感器、热成像、无人机巡检以及低轨卫星遥感等工业现场的全维度信息。 AutoWorld 则是世界模型仿真和数据引擎。工业 AI 的一大痛点在��，很多关键异常并不高频发生，但一旦发生就必须准确识别和可靠处置。真实工业数据通常只能覆盖 90%-95% 的常规场景，对于极端天气、突发事件等 5% 的潜在风险与极端工况存在数据缺口。AutoWorld 通过生成式 AI 与 3D 重建技术，模拟生成各类罕见场景和复杂任务过程，支持 Sim-to-Real 迁移，让 AI 在仿真环境中把错误犯完，再部署到真实现场。 模型层：JX-Phi Brain 向工业场景 WAM 演进 JX-Phi Brain 是整个架构的核心大脑，正在向工业场景 World Action Model（WAM）演进，融合了三类核心能力。 第一类是空间视觉语言模型（S-VLM），解决 “感知 + 理解” 的问题。工业现场不是一张平面图，而是包含设备、人员、空间关系、运行状态和行业规则的动态环境。S-VLM 不仅能够感知工业厂房的物理环境，还能理解各类传感器读数与环境参数，实现跨模态推理与工业场景建模。 第二类是长任务视觉语言动作模型（LT-VLA），解决 “感知 + 执行” 的问题。工业任务往往不是一步完成，而是多任务、多设备、多流程协同。LT-VLA 能够感知现场环境约束与任务要求，将复杂工业任务拆解为一系列可执行的子任务，并实现自引导式的任务优化与动态调整。 第三类是行业垂类模型，把电力、化工、矿山等行业的专业知识融入模型，使模型能理解强规则、强约束、强安全要求下的真实任务。目前江行已经在电力、化工、矿山等行业支持超过 1000 个场站和点位的常态化数据采集，持续构建 “模型 + 数据” 的闭环。 应用层：JX-Phi Agent 通过工业 Harness 与一脑多体实现价值落地 模型本身不会自动创造产业价值，价值发生在模型被封装成可部署、可调用、可监管的现场系统之后。JX-Phi Agent 应用层的核\n
AI时代核心终端生态定位与用户需求洞察| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 AI不是某一个超级单品的故事，而是一个多端协同的生态故事，消费者的期待与顾虑，正在定义这个生态的进化方向。\nAI与硬件的融合分为四个阶段，当前正处于从深度融合走向生态化的关键节点。AI渗透率在手机端已从15%涨到40%，但仍是“加分项”而非“决策项”。未来，AI硬件生态的四个步骤——感知、记忆、决策、行动，或将分别由眼镜、手机、PC协同完成。 以下为演讲内容，经36氪整理编辑：\n赵晓鹏丨NIQ GfK创新事业部总经理 大家好，很荣幸有这个机会，跟大家分享NIQ GfK对消费端的观点。我们公司专注研究消费者和终端产品，和大家的日常生活联系非常紧密。 我今天的主题是AI时代核心终端生态定位与用户需求洞察，主要分两部分来讲。 第一个话题是：当我们讨论AI的时候，我们在讨论哪些硬件？消费者又关心哪些特征？ AI与硬件是一个双向奔赴的过程。在我们看来，这可以分为四个阶段：第一阶段是探索期；第二阶段是智能工具期——大家应该都有印象，比如前几年AI语音交互突然爆发，涌现出很多新产品；第三阶段是深度融合期，AI和硬件结合更加紧密，已经进入了大家的手机、PC和平板。我们认为这还不是终局，未来会进入第四阶段——生态主导期，各种硬件将形成统一生态，全面融入大家的生活。 消费者关注AI硬件时，更偏向随身设备。在我们的研究中，关注度排名前三的是手机、耳机和眼镜——这些产品便携性高，贴近日常使用；传统PC和平板同样保持稳定需求。 25岁以下的年轻人非常关心生产力。也就是说，除了娱乐功能之外，他们对能否提升工作效率也很在意。这部分人群主要是大学生，PC使用场景较多，同时也有不少创作需求。 消费者对AI的价值点最感兴趣的是娱乐和生活便利相关功能。当然，学习和工作方面的需求也存在，只是目前的排名还没有娱乐那么高。但这并不代表需求不足，相反，我们认为这是值得探索和挖掘的方向。一旦这些需求被验证，将会释放出非常庞大的市场空间，这也是未来硬件公司需要重点关注的地方。 现在搭载AI功能的设备很多，但AI硬件的关键，不在于是否带有AI功能——事实上，现在几乎所有硬件都或多或少具备AI能力。我们理解的AI，是深度参与设备的系统架构、交互方式和价值创造过程的，主要体现在三个方面：第一，系统级嵌入，不只是简单的交互，而是真正嵌入操作系统；第二，操作系统重构，过去是人适应设备，移动时代大家习惯用APP操作，未来将是设备适应人，你发出一个指令，它就能调动所有资源为你服务；第三，持续创造价值，系统可以不断学习、不断提升，它会随着使用不断进化。 第二个话题是：用户对AI有这么多期待，是不是单一硬件就能满足？我们的结论是不能。 未来的AI不会只依靠某一个硬件，而是一套生态。就像我一开始说的，未来是AI生态的融合。我们挑选了三种和普通消费者关联度较高的产品，组成一个简单的生态模型：第一个是眼镜，第二个是手机，第三个是PC。眼镜是全天候感知终端，手机负责轻量级数据处理和决策，如果遇到手机处理不了的重度任务，就交给PC进行深度计算；如果端侧仍然无法解决，再借助云端能力来补足。这是我们判断的未来方向：多端协同，构建分布式端侧AI生态。 关于硬件，我们的观察如下： 一、手机。现在手机本质上还是一个APP容器，大家基本上都是单独操作各个APP。未来这种模式会改变，AI应用可以跨多个APP协同工作，为用户完成复杂操作。AI入口可能掌握在手机厂商手中，也可能属于大模型厂商，但无论怎样，第一入口的争夺趋势看起来是不可逆的。此外，手机还将具备记忆功能，会记录机主的操作信息，了解你的喜好和使用习惯，并在使用中不断学习，下一次给你更精准、更满意的答案。 二、PC。PC将成为AI的算力中心，辅助手机完成一些高强度计算任务。在我们看来，PC是每个人主权AI的最小单元——这台设备属于你，数据保留在本地，但能力可以延伸到云端，兼具端侧和云端优势。 三、眼镜。这是一个相对较新的赛道。以前我们更多谈AR眼镜，AI眼镜的概念还比较新，目前主要分为有屏和无屏两种。无屏产品占比更高，这也符合我们的观察：AI眼镜的核心方向是做减法，不要做得太重。毕竟手机我们随身携带，家里通常也有电脑，眼镜戴在头上，必须足够轻便。 AI眼镜的独特性在于它是一个全天候感知终端。电脑和手机在很多场景下不方便一直操作，但眼镜可以随时随地采集数据，并扮演两个角色：一是随时随地与用户交互，操作比手机更方便；二是持续进行数据采集，是一种轻量化的AI工具，同时具备不可替代性，因为它不需要用手操作。 这就是NIQ GfK眼中的硬件生态：通过多类硬件的组合来响应AI需求。眼镜作为全天候采集终端，不断将数据传递给手机，手机进行轻量化处理，解决消费者的问题；遇到更复杂的情况，再交给PC处理。在重度办公环境中，如果电脑就在身边，眼镜也可以直接与PC联动，为消费者提供服务。 未来的产品肯定不止这三种，但通过生态解决问题，是我们认为硬件公司应坚持的方向。抢占AI赛道，不可能只靠某一个产品，也很难出现一个超级单品解决所有问题。真正的竞争在于打造终端生态，通过不同类型的产品构建完整的生态体系，占据终端的制高点。 以上是我的分享，谢谢大家！\n文章来源 标题: AI时代核心终端生态定位与用户需求洞察| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3820318177841541?f=rss 时间: 2026-05-22 18:37:09 +0800 核心内容 AI不是某一个超级单品的故事，而是一个多端协同的生态故事，消费者的期待与顾虑，正在定义这个生态的进化方向。\nAI与硬件的融合分为四个阶段，当前正处于从深度融合走向生态化的关键节点。AI渗透率在手机端已从15%涨到40%，但仍是“加分项”而非“决策项”。未来，AI硬件生态的四个步骤——感知、记忆、决策、行动，或将分别由眼镜、手机、PC协同完成。 以下为演讲内容，经36氪整理编辑：\n赵晓鹏丨NIQ GfK创新事业部总经理 大家好，很荣幸有这个机会，跟大家分享NIQ GfK对消费端的观点。我们公司专注研究消费者和终端产品，和大家的日常生活联系非常紧密。 我今天的主题是AI时代核心终端生态定位与用户需求洞察，主要分两部分来讲。 第一个话题是：当我们讨论AI的时候，我们在讨论哪些硬件？消费者又关心哪些特征？ AI与硬件是一个双向奔赴的过程。在我们看来，这可以分为四个阶段：第一阶段是探索期；第二阶段是智能工具期——大家应该都有印象，比如前几年AI语音交互突然爆发，涌现出很多新产品；第三阶段是深度融合期，AI和硬件结合更加紧密，已经进入了大家的手机、PC和平板。我们认为这还不是终局，未来会进入第四阶段——生态主导期，各种硬件将形成统一生态，全面融入大家的生活。 消费者关注AI硬件时，更偏向随身设备。在我们的研究中，关注度排名前三的是手机、耳机和眼镜——这些产品便携性高，贴近日常使用；传统PC和平板同样保持稳定需求。 25岁以下的年轻人非常关心生产力。也就是说，除了娱乐功能之外，他们对能否提升工作效率也很在意。这部分人群主要是大学生，PC使用场景较多，同时也有不少创作需求。 消费者对AI的价值点最感兴趣的是娱乐和生活便利相关功能。当然，学习和工作方面的需求也存在，只是目前的排名还没有娱乐那么高。但这并不代表需求不足，相反，我们认为这是值得探索和挖掘的方向。一旦这些需求被验证，将会释放出非常庞大的市场空间，这也是未来硬件公司需要重点关注的地方。 现在搭载AI功能的设备很多，但AI硬件的关键，不在于是否带有AI功能——事实上，现在几乎所有硬件都或多或少具备AI能力。我们理解的AI，是深度参与设备的系统架构、交互方式和价值创造过程的，主要体现在三个方面：第一，系统级嵌入，不只是简单的交互，而是真正嵌入操作系统；第二，操作系统重构，过去是人适应设备，移动时代大家习惯用APP操作，未来将是设备适应人，你发出一个指令，它就能调动所有资源为你服务；第三，持续创造价值，系统可以不断学习、不断提升，它会随着使用不断进化。 第二个话题是：用户对AI有这么多期待，是不是单一硬件就能满足？我们的结论是不能。 未来的AI不会只依靠某一个硬件，而是一套生态。就像我一开始说的，未来是AI生态的融合。我们挑选了三种和普通消费者关联度较高的产品，组成一个简单的生态模型：第一个是眼镜，第二个是手机，第三个是PC。眼镜是全天候感知终端，手机负责轻量级数据处理和决策，如果遇到手机处理不了的重度任务，就交给PC进行深度计算；如果端侧仍然无法解决，再借助云端能力来补足。这是我们判断的未来方向：多端协同，构建分布式端侧AI生态。 关于硬件，我们的观察如下： 一、手机。现在手机本质上还是一个APP容器，大家基本上都是单独操作各个APP。未来这种模式会改变，AI应用可以跨多个APP协同工作，为用户完成复杂操作。AI入口可能掌握在手机厂商手中，也可能属于大模型厂商，但无论怎样，第一入口的争夺趋势看起来是不可逆的。此外，手机还将具备记忆功能，会记录机主的操作信息，了解你的喜好和使用习惯，并在使用中不断学习，下一次给你更精准、更满意的答案。 二、PC。PC将成为AI的算力中心，辅助手机完成一些高强度计算任务。在我们看来，PC是每个人主权AI的最小单元——这台设备属于你，数据保留在本地，但能力可以延伸到云端，兼具端侧和云端优势。 三、眼镜。这是一个相对较新的赛道。以前我们更多谈AR眼镜，AI眼镜的概念还比较新，目前主要分为有屏和无屏两种。无屏产品占比更高，这也符合我们的观察：AI眼镜的核心方向是做减法，不要做得太重。毕竟手机我们随身携带，家里通常也有电脑，眼镜戴在头上，必须足够轻便。 AI眼镜的独特性在于它是一个全天候感知终端。电脑和手机在很多场景下不方便一直操作，但眼镜可以随时随地采集数据，并扮演两个角色：一是随时随地与用户交互，操作比手机更方便；二是持续进行数据采集，是一种轻量化的AI工具，同时具备不可替代性，因为它不需要用手操作。 这就是NIQ GfK眼中的硬件生态：通过多类硬件的组合来响应AI需求。眼镜作为全天候采集终端，不断将数据传递给手机，手机进行轻量化处理，解决消费者的问题；遇到更复杂的情况，再交给PC处理。在重度办公环境中，如果电脑就在身边，眼镜也可以直接与PC联动，为消费者提供服务。 未来的产品肯定不止这三种，但通过生态解决问题，是我们认为硬件公司应坚持的方向。抢占AI赛道，不可能只靠某一个产品，也很难出现一个超级单品解决所有问题。真正的竞争在于打造终端生态，通过不同类型的产品构建完整的生态体系，占据终端的制高点。 以上是我的分享，谢谢大家！\n内容来源：ai 原文链接：https://36kr.com/p/3820318177841541?f=rss\n市场背景 BTC 价格：$0.00 24h 涨跌：+0.00% AI Agent 加工：AI Agent（技术分析） 生成时间：2026-05-22T12:01:01.582531+00:00\n
圆桌对话：看见实效：从技术到处方，AI +医疗的场景落地与价值闭环| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 从五年前的技术炫技到今天的临床刚需，AI+医疗终于走过了“证明我能”的喧嚣，进入“解决痛点”的深水区。不做替代医生的空想，只做减轻负担的助手——这场对话告诉我们，AI医疗落地的第一步不是说服院长，而是赢得科室主任的信任；关键不是单点突破，而是多元数据联动形成闭环 圆桌对话直面AI进医院的真实卡点：系统对接难、医生怕麻烦、责任划不清。从左医科技深耕九年的实战出发，从协和到宁夏中卫，揭示了分层落地的差异化逻辑——三甲提效率，基层补人力。用病历生成这一通用痛点作为中枢，往前接分诊，往后连随访，让“黑科技”变成医生愿意每天打开的工具。 以下为圆桌演讲内容，经36氪整理编辑：\n张戈丨华弋数智创始人&CEO（主持） 韩旭丨左医科技医学合伙人 张戈：各位来宾和直播前的各位朋友大家好，我是本轮对话主持人华弋数智张戈，非常欢迎韩总的到来，今天会聊一个特别实在的话题，AI医疗到底是怎么落地的，首先请韩总给大家打个招呼，用30秒告诉我们一件事，左医现在做的跟五年前那波AI辅助医疗热潮有什么本质区别？ 韩旭：谢谢张总，谢谢主办方的邀请，今天能在这儿跟大家做一个交流分享，左医科技从2016年开始深耕AI+医疗行业，我们也经历了AI医疗在国内发展的不同阶段，就我们理解五年前AI医疗更多的是技术和资本驱动的，大家想的是如何用AI技术来改造医疗甚至代替医生，做的东西更多是从技术角度出发，没有解决临床真正的问题，很难落地，现在更多是从临床真正的需求出发，关注的是医生每天日常工作中他们真正头疼的点是什么，想着用AI技术来降低医生的工作压力，提质增效，同时也让患者能够更顺畅地就医。 张戈：从韩总的总结里我们感觉到医疗AI不断走深走实，首先我们非常关注场景落地的问题，AI医疗进入到医院，您觉得第一步要打通什么环节或者从什么地方入手，比如说要从上到下说服领导，还是培训医生，还是跟医疗的信息系统去进行对接，这里面哪个环节是卡点？ 韩旭：从我们的经验来看，AI医疗进医院，第一步肯定不是去说服院长，也不是对接HIS、EMR系统、全员培训，第一步应该是深入到临床一线、科室，争取到科室主任包括骨干医生的支持，让他们愿意做试点，在这个过程中真正见到效果以后，才涉及到去做后续的推广，刚才说到去对接EMR HIS系统，有一定的技术难度，同时做多方协调，成本、时间周期都很高，一上来做系统对接很容易成为卡点。 医生培训没有实际的东西、没有实际效果，做培训也只是一种形式，没有实际意义，至于做全院推广，你在做科室试点，有一定的效果以后，拿着真实的数据去跟医院领导沟通，去做全院整体的推广，才会更有说服力。 第二个卡点，1、系统对接，医院各个系统非常多，品牌、厂家也非常多，也不是标准的接口，数据格式包括字段、权限管控都不一样，现在医院对数据安全也非常重视，如果做对接需要协调信息科、医务科多个科室反复协调，这个过程很长，是非常大的卡点。 2、落地过程中会遇到的问题，医生的接受度，医生群体还是属于相对保守的群体，规避风险意识很强，有一个新的工具使用，他们是不愿意更改固有的工作习惯，怕工具上了以后会增加自己学习使用的负担，反而会增加工作量。再一个对AI产品的准确率、风险也会有一定的顾虑，实际项目落地过程中是有一个很难的点，怎么让医生接受、愿意使用。 张戈：您说到落地过程中的细节非常实际的痛点，信息系统对接、权限管控，这些都是在信息类的项目里非常重要，要解决的卡点类的问题，既有对接协和这样顶级的三甲医院，也有您给宁夏中卫做的云上卫医，基层医疗的落地逻辑和三甲医院的落地逻辑有什么不同，是存在更大的困难，还是不同的医院不同信息化建设的水平，这里面是不是有不同的切入点。 韩旭：像协和三甲医院和基层医疗机构，从需求来说，引入AI医疗系统，使用AI医疗产品，需求点是不一样的，落地路径包括切入点也是有差别的。比如像三甲医院，更聚焦于院内，主要解决的问题，专家资源很宝贵，医生时间很紧张，他更关注的是如何提高院内的效率，精细化把各个流程环节的效率提高，这些是三甲医院的需求。基层医疗机构面临的问题，医生少，日常工作也很繁重。虽然面临的疾病比如常见病，琐碎的事务也很多，但基层医疗机构有家庭医生签约服务的压力，每个人要签约一两千个居民，这个数量是服务不过来的，并且居民对于家庭医生签约服务也有一定的需求或者要求，服务能力是达不到的。 对于基层医疗机构来使用AI医疗产品的特点。一方面通过AI的产品，病历生成、智能随访包括智能健康档案来帮助他做日常琐碎流程性的工作，也希望通过AI产品来帮助他服务患者。在院外服务患者对于三甲医院，协和这样的医疗机构需求不是很大，更多聚焦于解决院内的效率问题。 张戈：不同医生群体有自己不同的诉求，我们通过解决他的需求，提升他工作效率，让他对AI产品有更好的接受度，这里面有没有遇到过比较抵触使用AI产品的场景，您这边怎么让一线的医护人员更加接受，这一块有没有经验？ 韩旭：这也是一个很重要的卡点，医护人员对很多新的工具一开始是抵触、观望的，有几种原因。第一个他会担心给自己增加负担，他需要学习、操作，医生工作站里的系统很多，HIS、EMR等系统，他要切换系统非常麻烦。第二个风险，生成的内容有问题会给他造成一定的风险。从几个方面入手解决，第一个我们的产品尽量做到更贴合他日常的工作，不是强行绑定，尽量做到不打扰，等于跟他原有的系统是融合，不是需要单独学习、操作，降低在使用学习新系统的心理负担。 第二个在责任权责、界定，所有AI生成内容必须经过医生确认才可以发出的，他也可以随时修改，最终的决策权是在医生手里，他能对风险把控，这样会好很多。 张戈：AI辅助诊疗，提升真正医者工作的效率。 回到开场的问题，五年前AI医疗也火过一波，那时候讲的是AI辅助诊断、AI读片，今天左医科技您这边做的跟那时候相比核心区别在哪里，是技术能力变了，AI现在技术日新月异，应用场景随着时间的变化有变化，还是大家对医疗本身的理解有变化。 韩旭：第一点对于医疗行业理解认知，AI医疗行业的理解认知发生了很大的变化，五年前，聚焦辅助诊疗，主要就想一下子切入诊疗环节，医疗诊疗是他的核心环节，通过技术，直接解决最难的问题，比如疑难杂症的辅助诊断，包括肿瘤治疗方案的推荐，专业壁垒最高的场景下，想在这上面发力，其实会面临很多问题，首先它的实现难度很大，医生也不太敢用，效果也不是特别好。现在更多的是大家逐渐认识到医疗，从医生角度日常工作来说，诊疗只是占用了其中很小的一部分时间，他在医院的大部分时间都是在处理文书类的病历、病史整理、随访、跟患者沟通，去做流程性工作、上报材料等工作占用了他很多时间。现在我们转变了思想，想去解决最核心的诊疗问题，转变为帮助医生来处理日常流程性、重复性、事务性工作，作为他的助手，帮助他把更多的时间用到真正的诊疗环节上，从场景上也会发生变化。之前大家都在做辅助诊断、影像识别病灶。现在诊前、诊中、诊后不同环节去做分导诊、预问诊、病例生成、疾病管理等。 技术发展很重要，在刚才说的两点基础上来帮助实现的，大模型技术成熟、具备多模态能力，从最开始只能处理文本到现在的图片、影像、语音等，让整个AI能够辅助医\n文章来源 标题: 圆桌对话：看见实效：从技术到处方，AI +医疗的场景落地与价值闭环| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3820150778531972?f=rss 时间: 2026-05-22 15:38:36 +0800 核心内容 从五年前的技术炫技到今天的临床刚需，AI+医疗终于走过了“证明我能”的喧嚣，进入“解决痛点”的深水区。不做替代医生的空想，只做减轻负担的助手——这场对话告诉我们，AI医疗落地的第一步不是说服院长，而是赢得科室主任的信任；关键不是单点突破，而是多元数据联动形成闭环 圆桌对话直面AI进医院的真实卡点：系统对接难、医生怕麻烦、责任划不清。从左医科技深耕九年的实战出发，从协和到宁夏中卫，揭示了分层落地的差异化逻辑——三甲提效率，基层补人力。用病历生成这一通用痛点作为中枢，往前接分诊，往后连随访，让“黑科技”变成医生愿意每天打开的工具。 以下为圆桌演讲内容，经36氪整理编辑：\n张戈丨华弋数智创始人&CEO（主持） 韩旭丨左医科技医学合伙人 张戈：各位来宾和直播前的各位朋友大家好，我是本轮对话主持人华弋数智张戈，非常欢迎韩总的到来，今天会聊一个特别实在的话题，AI医疗到底是怎么落地的，首先请韩总给大家打个招呼，用30秒告诉我们一件事，左医现在做的跟五年前那波AI辅助医疗热潮有什么本质区别？ 韩旭：谢谢张总，谢谢主办方的邀请，今天能在这儿跟大家做一个交流分享，左医科技从2016年开始深耕AI+医疗行业，我们也经历了AI医疗在国内发展的不同阶段，就我们理解五年前AI医疗更多的是技术和资本驱动的，大家想的是如何用AI技术来改造医疗甚至代替医生，做的东西更多是从技术角度出发，没有解决临床真正的问题，很难落地，现在更多是从临床真正的需求出发，关注的是医生每天日常工作中他们真正头疼的点是什么，想着用AI技术来降低医生的工作压力，提质增效，同时也让患者能够更顺畅地就医。 张戈：从韩总的总结里我们感觉到医疗AI不断走深走实，首先我们非常关注场景落地的问题，AI医疗进入到医院，您觉得第一步要打通什么环节或者从什么地方入手，比如说要从上到下说服领导，还是培训医生，还是跟医疗的信息系统去进行对接，这里面哪个环节是卡点？ 韩旭：从我们的经验来看，AI医疗进医院，第一步肯定不是去说服院长，也不是对接HIS、EMR系统、全员培训，第一步应该是深入到临床一线、科室，争取到科室主任包括骨干医生的支持，让他们愿意做试点，在这个过程中真正见到效果以后，才涉及到去做后续的推广，刚才说到去对接EMR HIS系统，有一定的技术难度，同时做多方协调，成本、时间周期都很高，一上来做系统对接很容易成为卡点。 医生培训没有实际的东西、没有实际效果，做培训也只是一种形式，没有实际意义，至于做全院推广，你在做科室试点，有一定的效果以后，拿着真实的数据去跟医院领导沟通，去做全院整体的推广，才会更有说服力。 第二个卡点，1、系统对接，医院各个系统非常多，品牌、厂家也非常多，也不是标准的接口，数据格式包括字段、权限管控都不一样，现在医院对数据安全也非常重视，如果做对接需要协调信息科、医务科多个科室反复协调，这个过程很长，是非常大的卡点。 2、落地过程中会遇到的问题，医生的接受度，医生群体还是属于相对保守的群体，规避风险意识很强，有一个新的工具使用，他们是不愿意更改固有的工作习惯，怕工具上了以后会增加自己学习使用的负担，反而会增加工作量。再一个对AI产品的准确率、风险也会有一定的顾虑，实际项目落地过程中是有一个很难的点，怎么让医生接受、愿意使用。 张戈：您说到落地过程中的细节非常实际的痛点，信息系统对接、权限管控，这些都是在信息类的项目里非常重要，要解决的卡点类的问题，既有对接协和这样顶级的三甲医院，也有您给宁夏中卫做的云上卫医，基层医疗的落地逻辑和三甲医院的落地逻辑有什么不同，是存在更大的困难，还是不同的医院不同信息化建设的水平，这里面是不是有不同的切入点。 韩旭：像协和三甲医院和基层医疗机构，从需求来说，引入AI医疗系统，使用AI医疗产品，需求点是不一样的，落地路径包括切入点也是有差别的。比如像三甲医院，更聚焦于院内，主要解决的问题，专家资源很宝贵，医生时间很紧张，他更关注的是如何提高院内的效率，精细化把各个流程环节的效率提高，这些是三甲医院的需求。基层医疗机构面临的问题，医生少，日常工作也很繁重。虽然面临的疾病比如常见病，琐碎的事务也很多，但基层医疗机构有家庭医生签约服务的压力，每个人要签约一两千个居民，这个数量是服务不过来的，并且居民对于家庭医生签约服务也有一定的需求或者要求，服务能力是达不到的。 对于基层医疗机构来使用AI医疗产品的特点。一方面通过AI的产品，病历生成、智能随访包括智能健康档案来帮助他做日常琐碎流程性的工作，也希望通过AI产品来帮助他服务患者。在院外服务患者对于三甲医院，协和这样的医疗机构需求不是很大，更多聚焦于解决院内的效率问题。 张戈：不同医生群体有自己不同的诉求，我们通过解决他的需求，提升他工作效率，让他对AI产品有更好的接受度，这里面有没有遇到过比较抵触使用AI产品的场景，您这边怎么让一线的医护人员更加接受，这一块有没有经验？ 韩旭：这也是一个很重要的卡点，医护人员对很多新的工具一开始是抵触、观望的，有几种原因。第一个他会担心给自己增加负担，他需要学习、操作，医生工作站里的系统很多，HIS、EMR等系统，他要切换系统非常麻烦。第二个风险，生成的内容有问题会给他造成一定的风险。从几个方面入手解决，第一个我们的产品尽量做到更贴合他日常的工作，不是强行绑定，尽量做到不打扰，等于跟他原有的系统是融合，不是需要单独学习、操作，降低在使用学习新系统的心理负担。 第二个在责任权责、界定，所有AI生成内容必须经过医生确认才可以发出的，他也可以随时修改，最终的决策权是在医生手里，他能对风险把控，这样会好很多。 张戈：AI辅助诊疗，提升真正医者工作的效率。 回到开场的问题，五年前AI医疗也火过一波，那时候讲的是AI辅助诊断、AI读片，今天左医科技您这边做的跟那时候相比核心区别在哪里，是技术能力变了，AI现在技术日新月异，应用场景随着时间的变化有变化，还是大家对医疗本身的理解有变化。 韩旭：第一点对于医疗行业理解认知，AI医疗行业的理解认知发生了很大的变化，五年前，聚焦辅助诊疗，主要就想一下子切入诊疗环节，医疗诊疗是他的核心环节，通过技术，直接解决最难的问题，比如疑难杂症的辅助诊断，包括肿瘤治疗方案的推荐，专业壁垒最高的场景下，想在这上面发力，其实会面临很多问题，首先它的实现难度很大，医生也不太敢用，效果也不是特别好。现在更多的是大家逐渐认识到医疗，从医生角度日常工作来说，诊疗只是占用了其中很小的一部分时间，他在医院的大部分时间都是在处理文书类的病历、病史整理、随访、跟患者沟通，去做流程性工作、上报材料等工作占用了他很多时间。现在我们转变了思想，想去解决最核心的诊疗问题，转变为帮助医生来处理日常流程性、重复性、事务性工作，作为他的助手，帮助他把更多的时间用到真正的诊疗环节上，从场景上也会发生变化。之前大家都在做辅助诊断、影像识别病灶。现在诊前、诊中、诊后不同环节去做分导诊、预问诊、病例生成、疾病管理等。 技术发展很重要，在刚才说的两点基础上来帮助实现的，大模型技术成熟、具备多模态能力，从最开始只能处理文本到现在的图片、影像、语音等，让整个AI能够辅助医\n内容来源：ai 原文链接：https://36kr.com/p/3820150778531972?f=rss\n市场背景 BTC 价格：$0.00 24h 涨跌：+0.00% AI Agent 加工：AI Agent（技术分析） 生成时间：2026-05-22T09:00:58.117847+00:00\n
能落地的请留下，讲故事的请离场
原文摘要 让合作当场发生！\n2026年的AI行业，正在经历一次价值体系的深层重构。过去两年，聚光灯始终偏向技术侧——参数、算力、榜单排名。但今天，话语权正在向产业方转移：那些拥有真实需求、真实场景、真实业务压力的企业，开始掌握定义权。产业界最关切的问题变得具体而迫切：在必须交付结果的地方，AI到底靠不靠得住？ 5月19日，以“带着AI去前线”为主题的2026 AI Partner大会在北京亦庄通明湖会展中心开幕。本次大会由北京经开区管委会指导、36氪主办、国家信创园承办。作为首都高精尖产业的主阵地，北京经开区正以场景开放为核心，构建覆盖多领域的“全域AI试验场”。本届大会正是这一思路从“规划”走向“实战”的集中体现。 36氪与北京经开区在推动AI产业落地的战略上深度契合。作为产业创新的长期观察者与连接者，36氪紧扣经开区的全域场景蓝图，专门设立AI+产业对接会，让需求与方案现场碰撞，加速“AI+”在实体经济中生根。正是这一设计，让外会场供需双方的热情远超预期——需求方带着痛点来，技术方带着方案上，让合作当场发生！\n“带着AI去前线”： 不是口号，是判断 大会期间，36氪CEO冯大刚接受中央广播电视总台等媒体采访时表示：“‘带着AI去前线’不只是一句口号，而是一个判断。”他指出，当一种技术的颠覆力超越互联网，它就不再是一个赛道，而是一个基础设施。这次大会不是一场AI会，而是一场产业大会——主角是金融、医疗、制造、消费、能源，而AI是他们共同的语言。 DAY 1 · 算好账：看清趋势，算清成本 本次大会在北京亦庄的欢迎致辞中正式拉开帷幕。他表示：“北京亦庄正打造的不是单一的样板间，而是一个开放包容的创新验证体系。把AI从‘热点’变成‘日常’，从‘可能性’变成‘生产力’。”随后，36氪CEO冯大刚在开场致辞中强调：“36氪的AI大会不是要办一个‘AI焦虑大会’。AI的价值，是让人更有用，而不是让人出局。”这番定调，直接拉开了首日上午“政策红利与产业实战”的序幕。\n首场圆桌由贝恩全球合伙人成鑫主持，与上海市人工智能行业协会、美的集团AI研究院、云岫资本、京东的代表，共同探讨“AI+的国家推进计划与企业生存路线图”。据美的给出的数据显示：仅AIGC项目去年降本7亿元；京东透露已免费开放数字人直播，活跃商家超7万家。 随后，优必选首席品牌官谭旻复盘了人形机器人商业化路径：14年创业，如今已跑通工业场景小规模量产。顺丰科技高级副总裁唐恺展示供应链AI实战数据：内部每天运行5000多个Agent，日消耗800亿token，路径优化算法从分钟级降至毫秒级。京东方AIoT技术营销部部长陈玮萌则在现场分享了从“卖屏”到“卖屏+算法”的转型。 当日上午，“2026 AI最佳场景渗透案例”揭晓，从近200个申报中筛选出55个真正跑通ROI的标杆。紧接着，蚂蚁集团NEXTA创新实验室负责人何思翀主持了一场关于“引入AI，先改流程还是先换人”的圆桌，与学者、制造企业、技��专家展开交锋。\n下午，金融、内容、算力、数字资产、大健康、农业、工业制造、医疗等领域的实战案例依次展开：金智维、银河期货拆解AI在金融风控中的实际替代率；趣丸科技、MiniMax、柠萌影视探讨AI创作下人的位置；英博数科、艾迪普、百度健康、陆渔科技等企业分别从算力底座、数字资产、大健康、农业、工业ERP角度贡献案例。最后一场圆桌由36氪基金投资副总裁郑王宇主持，抛出“当AI完成80%标准化工作，剩下20%的人该做什么”的终极问题。 DAY 2 · 谈好事：搞定技术，搞定人才 次日上午，议程聚焦具身智能、汽车设计、用户洞察、机器人规模化、无人车、视觉智能等前沿领域：智域基石CTO徐良威谈具身智能数据供给革命；阿尔特汽车副总裁刘亚彬分享AI如何走进汽车设计；NIQ创新事业部总经理赵晓鹏分析AI时代用户需求；酷哇科技联合创始人李柯宏讲述城市机器人从试点到规模化落地；新石器无人车联合创始人颉晶华展示从智能驾驶到智能调度的AI一体化方案；大华股份研发中心副总裁周文凯探讨视觉智能×AI Agent重构智慧物联。 随后，一场关于“下一个杀手级AI产品”的圆桌集中交锋。接着，36氪与PureblueAI清蓝联合发布“2026重点行业GEO实践标杆企业”；北京中关村学院、首都体育学院、京奥电竞等共同启动“带着AI去赛场”战略签约。最后，“特别致敬人物”环节为“灯塔者”与“破壁者”颁奖，致敬敢在朦胧期验证AI落地的探路人。 到了下午，数字体验、国际教育、商业化落地、工业质检、人才共生、边缘计算等话题接力：上海蜚语信息科技副总裁薛冰主持“AI浓度与转化率”圆桌；新通教育集团创始人麻亚炜谈AI重构国际教育；集思科技CEO李世尊分享多行业商业化落地；广州搞搞镇文化科技创始人崔健南等参与讨论；因特智能科技CEO刘金硕聚焦工业质检；36氪主编帮主主持“AI原生人才与产业老炮共生”圆桌；江行智能联合创始人陈龙阐述从感知环境到改变世界物理AI的机遇、路径与实践。最后一场圆桌由36氪基金投资副总裁郑王宇主持，再次将“人与机器的终极分工”问题抛向全场。 两天设有九场圆桌对话、二十余场主题演讲，覆盖AI+制造、金融、医疗、零售、供应链、内容生产、教育、汽车、机器人等十余个方向。\n外场“世界咖啡”： 13家需求方坐庄，36家技术方轮战 如果说内场解决“怎么看”，外场就是解决“怎么干”。\n“世界咖啡”产业对接会没有观众席——13家带着真场景、真预算、真痛点的需求方各占一桌，覆盖金融、商业地产、环保、零售、餐饮、服饰、生物科技、汽车零部件等十余个领域。36家技术方能力覆盖数字员工、多模态检测、工业仿真、AI编剧、农业遥感等几乎所有落地切口。\n对接会覆盖四大方向：AI+科学技术、AI+产业发展、AI+消费提质、AI+民生福祉。需求方固定，技术方每30分钟轮转一桌，两天累计超过100轮对接。主办方不做随机匹配，每一轮都提前交叉验证。 现场已有企业当场建联、实景考察，甚至出现技术方被两家需求方同时“抢人”的场景。外场的“需求墙”和“能力榜”上，又收集了上百条新增需求，手写补充需求越贴越密，手里的“世界咖啡”喝空了一杯又一杯，也没有人想要提前离场。\n亦庄的定位： 不挂虚牌，只开真场 本次大会落地北京亦庄也并非偶然。北京经开区不建封闭的AI试验园区，而是把整座城市作为AI与实体经济融合的载体。政务审批、医疗诊断、工业制造、自动驾驶等真实场景，均成为AI技术的全景“试验场”。2026年初，北京经开区出台《关于进一步加快建设全域人工智能之城的实施方案（2026—2027年）》，确立“四全”框架，加速搭建城市级工程实验平台。第一批综合应用场景已梳理出24个大项、88个子场景，面向社会公开征集解决方案。 有意揭榜的企业，扫码即可提交技术能力意向，直通经开区需求池。\n北京经开区全域人工智能之城建设第一批综合应用场景解决方案合作意向企业征集二维码\n文章来源 标题: 能落地的请留下，讲故事的请离场 来源: ai 链接: https://36kr.com/p/3820169156890759?f=rss 时间: 2026-05-22 15:58:39 +0800 核心内容 让合作当场发生！\n2026年的AI行业，正在经历一次价值体系的深层重构。过去两年，聚光灯始终偏向技术侧——参数、算力、榜单排名。但今天，话语权正在向产业方转移：那些拥有真实需求、真实场景、真实业务压力的企业，开始掌握定义权。产业界最关切的问题变得具体而迫切：在必须交付结果的地方，AI到底靠不靠得住？ 5月19日，以“带着AI去前线”为主题的2026 AI Partner大会在北京亦庄通明湖会展中心开幕。本次大会由北京经开区管委会指导、36氪主办、国家信创园承办。作为首都高精尖产业的主阵地，北京经开区正以场景开放为核心，构建覆盖多领域的“全域AI试验场”。本届大会正是这一思路从“规划”走向“实战”的集中体现。 36氪与北京经开区在推动AI产业落地的战略上深度契合。作为产业创新的长期观察者与连接者，36氪紧扣经开区的全域场景蓝图，专门设立AI+产业对接会，让需求与方案现场碰撞，加速“AI+”在实体经济中生根。正是这一设计，让外会场供需双方的热情远超预期——需求方带着痛点来，技术方带着方案上，让合作当场发生！\n“带着AI去前线”： 不是口号，是判断 大会期间，36氪CEO冯大刚接受中央广播电视总台等媒体采访时表示：“‘带着AI去前线’不只是一句口号，而是一个判断。”他指出，当一种技术的颠覆力超越互联网，它就不再是一个赛道，而是一个基础设施。这次大会不是一场AI会，而是一场产业大会——主角是金融、医疗、制造、消费、能源，而AI是他们共同的语言。 DAY 1 · 算好账：看清趋势，算清成本 本次大会在北京亦庄的欢迎致辞中正式拉开帷幕。他表示：“北京亦庄正打造的不是单一的样板间，而是一个开放包容的创新验证体系。把AI从‘热点’变成‘日常’，从‘可能性’变成‘生产力’。”随后，36氪CEO冯大刚在开场致辞中强调：“36氪的AI大会不是要办一个‘AI焦虑大会’。AI的价值，是让人更有用，而不是让人出局。”这番定调，直接拉开了首日上午“政策红利与产业实战”的序幕。\n首场圆桌由贝恩全球合伙人成鑫主持，与上海市人工智能行业协会、美的集团AI研究院、云岫资本、京东的代表，共同探讨“AI+的国家推进计划与企业生存路线图”。据美的给出的数据显示：仅AIGC项目去年降本7亿元；京东透露已免费开放数字人直播，活跃商家超7万家。 随后，优必选首席品牌官谭旻复盘了人形机器人商业化路径：14年创业，如今已跑通工业场景小规模量产。顺丰科技高级副总裁唐恺展示供应链AI实战数据：内部每天运行5000多个Agent，日消耗800亿token，路径优化算法从分钟级降至毫秒级。京东方AIoT技术营销部部长陈玮萌则在现场分享了从“卖屏”到“卖屏+算法”的转型。 当日上午，“2026 AI最佳场景渗透案例”揭晓，从近200个申报中筛选出55个真正跑通ROI的标杆。紧接着，蚂蚁集团NEXTA创新实验室负责人何思翀主持了一场关于“引入AI，先改流程还是先换人”的圆桌，与学者、制造企业、技��专家展开交锋。\n
致敬：36氪AI寻求报道 - 让好项目，更早被看见
原文摘要 让好项目，更早被看见 ——36 氪「AI 寻求报道」：不止是曝光，更是早期价值的专业连接 提交报道链接：https://36kr.com/seek-report-new?t=1779418211266\n36氪AI寻求报道 很多项目第一次被行业真正看见，往往已经不是它最需要被看见的时候。 那时候，它可能已经拿了融资，跑出了数据，进入了热门赛道，也开始频繁出现在投资人、媒体和产业方的视野里。 但创业不是从融资新闻开始的。 在更早的时候，一个项目可能只是一支还不够知名的团队，一个刚刚跑通的产品，一个藏在垂直行业里的新方法，或者一个还没有被充分解释清楚的市场判断。 它不一定站在风口中央，也不一定拥有明星机构背书。更多时候，它甚至还没学会把自己的价值讲清楚。 但这并不意味着它不值得被看见。 36氪推出「AI寻求报道」，想做的正是这件事：把好项目被看见的时间，再往前推一点。 它不是一个简单的发稿入口，也不是把项目包装成流量故事的工具。更准确地说，它是一套面向项目方、FA、投资机构、园区、孵化器和产业服务方开放的项目发现与内容表达机制。 我们希望通过更轻量的提报方式、更结构化的信息采集、AI 辅助成稿与人工审核，让那些有实质推进、有成长潜力、有行业意义的项目，在还没有被充分讨论之前，先获得一次被认真理解的机会。 一、很多项目缺的不是曝光，是一次有效表达 在创投市场里，信息从来不稀缺。 每天都有大量项目在融资、路演、找客户、谈合作、发产品。真正稀缺的是：能被投资人、产业方、媒体和潜在客户快速理解的信息。 我们见过太多这样的项目。 技术打磨了很久，客户也在推进，但对外表达还停留在“我们是某某领域的创新者”； 业务已经有了进展，但材料里全是功能介绍，看不出它到底解决了什么问题； 创始人对行业很熟，但一到公开表达，就很难讲清楚“为什么是现在，为什么是我们，为什么值得关注”。 这不是项目没有价值。 很多时候，是价值还没有被翻译成行业能够理解的语言。 一个项目解决什么问题？面向什么客户？产品跑到了什么阶段？和已有方案相比，有什么不同？客户为什么愿意买单？团队凭什么能做成这件事？ 这些问题，往往比一句“我们很创新”更重要。 「AI寻求报道」想解决的，不只是帮项目写一篇文章，而是帮助项目完成一次更清晰的价值组织：把分散在 BP、官网、路演材料、融资计划和创始人口述里的信息收拢起来，把复杂的业务讲清楚，把值得被关注的部分放回合适的创投语境里。 对项目方来说，这可能是一张更清楚的公开名片。 对 FA、园区和产业服务方来说，这也是帮助服务项目从私域介绍、BP 转发和一对一沟通中走出来，形成可沉淀、可检索、可传播的公开内容资产。 对投资人和产业方来说，它也可能成为观察早期项目、细分赛道和水下信号的新入口。 降低门槛，但不降低判断标准 创投报道天然更容易捕捉已经被验证的结果。 大额融资、明星机构、头部赛道、快速增长，这些当然重要。它们构成了市场主线，也帮助行业判断趋势。 但如果内容平台只看见已经发生的结果，就很容易错过那些正在形成中的信号。 很多早期项目还没有足够大的融资金额，很多细分赛道短期内并不热闹，很多中小企业的创新也不一定天然具备强话题性。它们未必适合被包装成“大新闻”，但其中一部分，确实代表着某个行业正在发生的真实变化。 36氪「AI寻求报道」想降低的，是优质项目第一次被看见的门槛。 二、降低门槛，不等于降低标准 我们欢迎这样的项目： 项目可以早期，但不能没有实质推进； 赛道可以小众，但不能没有明确价值； 项目可以尚未融资，但应该有清楚的产品、服务、客户、技术积累、商业模式或行业判断。 这不是一个无差别的信息发布通道，我们拒绝这样的项目： 纯概念阶段、信息无法核验、只靠包装堆砌概念、缺少真实产品或服务进展的项目，并不适合这个入口。36氪希望服务的是那些认真做事、真实推进、并且有内容值得被行业理解的项目。 真正值得被看见的项目，不一定已经很大，但一定应该有可被理解、可被验证、可被继续追踪的内容。 三、AI 提高效率，人工守住边界，36氪完成连接 AI 在「AI寻求报道」里的角色，不是替代媒体判断。 它更像一个高效率的采编助手。 通过自助采访和结构化提问，AI 可以帮助项目方把零散信息重新组织起来，通过辅助成稿。它可以降低项目完成第一次公开表达的时间成本。通过问题引导，它也能让项目更系统地回答外部世界真正关心的问题。 但一篇内容是否适合发布，仍然需要经过人工审核。 报道的价值不只是“生成出来”，更在于它是否真实、清楚、克制、有边界。AI 可以提升效率，但不能替项目虚构价值；AI 可以优化表达，但不能替代平台的内容判断。 36氪「AI寻求报道」真正想建立的，是一套“技术效率 + 内容标准 + 平台连接”的机制。 AI 负责提高信息组织和初稿生成效率； 人工审核负责守住内容边界； 36氪平台则负责把项目放回创投与产业语境中，让更多投资人、产业方、创业者、行业读者和潜在合作伙伴有机会理解它。 这件事的价值，不是让项目在信息流里多出现一次。 而是让它以更清楚、更专业、更可信的方式，进入行业视野。 四、为什么是 36氪寻求报道 因为 36氪长期站在创业者、投资人和产业之间。 过去多年，36氪持续记录中国新经济公司从早期融资、产品发布、商业化探索到产业成熟的全过程。我们理解创业公司的表达需求，也理解投资人和产业读者真正关心什么。 他们关心的不是空泛的愿景，不是堆砌的概念，而是清楚的问题、真实的进展、可信的逻辑，以及可持续追踪的成长性。 36氪的能力不只是发布渠道，更是创投语境。 我们知道一个项目应该如何被放进产业变化里理解，知道哪些信息能够帮助投资人快速判断，知道一篇项目内容如何从“自我介绍”变成“行业可读”。 这也是「AI寻求报道」区别于普通发稿、模板通稿和单纯 AI 写作工具的地方。 它不是让项目自己在信息流里大声喊话，而是帮助项目以更清楚、更可信的方式，进入 36氪长期积累的内容场域。 对于项目方来说，这意味着不光是获得一篇文章，而是获得一次被行业认真理解的机会。 对于 FA 和机构来说，这意味着服务中的项目不只是多一个曝光动作，而是多一种可沉淀、可转发、可被外部理解的项目表达方式。 对于 36氪来说，这也意味着项目发现的入口被进一步前移。我们不仅记录那些已经跑出来的公司，也希望更早捕捉那些正在生成中的新公司、新产品、新模式和新趋势。 五、今天的水下项目，可能是明天的行业变量 我们尊重每一个还没有被充分看见的项目。但这种尊重，不是无差别地放大每一个声音。 我们不是要把每一个项目都包装成“下一个独角兽”。相反，我们更希望帮助项目回到它真实的位置：把该说清楚的事情说清楚，把值得被看见的部分呈现出来，把可能关注它的人连接起来。 一次报道未必立刻改变一个项目的命运。 但\n
让智能体看见世界：CV × AI Agent 的行业场景新实践| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 让智能体“看见”世界，不是给它装上摄像头那么简单。当CV遇上AI Agent，乘数效应正在发生。AI Agent不等于Chatbot，真正的价值在于静默看护与自主决策。\nAI进入产业腹地仍面临两大鸿沟：视觉认知与行业的理解。为此，大华股份构建了星汉大模型系列——V系列视觉大模型让系统“看得懂”物理世界，L系列行业模型打通业务逻辑。未来“基模+行业Know-how”将成为新范式，而AI的终局不是刷榜，是让每个行业、每个个体都不掉队。 以下为大华股份研发中心副总裁 周文凯 演讲内容，经36氪整理编辑：\n周文凯丨大华股份研发中心副总裁 非常感谢北京亦庄和36氪给我们这个机会来给大家做一个分享。 我今天分享的主题是让智能体看见世界。为什么让智能体看见世界？看见世界并不是让数字世界的智能体装上摄像头，或者输入视频数据让它看得到物理世界这么简单，CV × AI Agent，为什么是乘，CV是视觉计算，AI Agent是智能体，让数字世界的AI智能体可以认知物理世界非常重要，这两个事情并不是特性和功能的孤立，而是相互乘数效应的加强。 我们对于数字世界的决策可以利用对物理世界的认知正在发生什么事情的认知，给带来更大的帮助。我们开始今天的分享。 2022年ChatGPT面世，自发布至今已三年多，AI产业发生了非常大的变化。我们看到AI更多的发展是在2C消费者领域，在政企、行业落地过程中依然遇到非常多的问题。 从硬件角度上看，过去三年非常强调GPU的计算，不管对于视觉上的GPU运算还是看到一系列的推理、训练过程中对GPU的使用，到现在我们回头来重新审视在AI Agent任务编排中CPU的使用。硬件角度，不管是资源调度、系统连接、任务流程等，我们越来越关注在硬件载体上，CPU和GPU的平衡。技术突破，2023年我们看提示词工程，大家关注怎么让智能体了解我们的业务，了解我们的意图，到2024年我们希望通过面向各种行业的知识库来让智能体可以离我们的产业更近，2025年我们讲长上下文，MoE专家模型来节省推理资源，以及到今年我们看到以Open Claw为代表的自主AI Agent变得非常普遍。模型和产业之间的连接越来越紧密，模型也变得越来越聪明。 产业角度，把Agent变成大模型作为搜索引擎和工具，Agent融入到业务流程，不管是从���术、硬件角度，可以看到产业对AI的场景适配提出比算法本身更强烈的诉求。这里面依然有两个GAP很难跨过去，我刚才讲的一个是CV，一个是Agent对行业数据以及行业业务流程的理解。\n大华是从安防起家逐步进入到现在面向于智慧物联的产业赛道，在CV和AI Agent两个领域，这几年有非常多的实践跟大家分享。 首先在视觉AI上，大华2016年基于人像、车辆视图数据的结构化，希望让我们的系统、摄像头可以“看得清”这个世界；到2023年我们发布了星汉大模型，围绕物理世界全局和局部的解析，让我们的数智化系统可以“看得懂”这个世界；今年我们进一步推动AI具备“自主认知”物理世界的能力，并在此基础上升级构建了星汉大模型系列，包括 V 系列（视觉大模型）、L 系列（语言大模型）和 M 系列（多模态大模型）模型集。 有这样一个模型框架，可以让面向用户的应用范式发生巨大的改变，我们为用户构建了全域泛在的感知系统：既可以全局看一个城市、一个园区、一个企业的运行态势，同时还可以聚焦到任何局部物体的信息，来实现智能识别。我们打造了自主效率引擎，为智能体构建更强、更方便的视觉插件，同时升级了智能体系，通过视觉的小模型、大模型之间的协作，从而提升对物理世界认知的效率。 另一部分是智能体，在2023年我们发布了从L1到L4行业智能体的构建逻辑：L1围绕着基础大模型实现知识库和智能问答；L2是在整个业务流程里，以AI强化包括视觉、认知、决策、执行等各个环节；L3则是AI参与部分决策，在子业务链路中实现闭环；L4希望能够产生对业务环境的深刻理解，能自主行动规划并持续进化。 从L1到L4，本质上是在讲人和智能体之间的关系，在与AI Agent协作过程中，人参与的环节越来越少。Human in the Loop，但人参与的是更高级别的决策。在L4自主AI Agent的构建中，我简单画了一个框架图，基于已经积累的视图中台以及数据中台，我们构建了AI Agent Loop智能体框架，包含视觉识别、业务编排、行业Skills、自主能力引擎等模块，人和Agent之间形成面向行业业务有效的协作。 现在我们讲到大模型，行业里许多人认为是通过对话框和智能体之间实现交互和连接。但事实上我们要面对物理世界的时候，需要的是能够辅助人的外脑，而这个外脑在很多时候是在为用户做着静默看护和决策。智能体会让我们的用户与他的数据以及业务系统之间的关系产生更深刻的变化。在过往这些年里大华积累了面向前端感知和后端存储、集成系统等一系列全栈智能硬件的载体，我们也有面向各类场景的视觉大小模型，构建了不断沉淀行业Know-How业务组件的“萤火虫”平台。大模型深入行业最大的鸿沟在于如何连接AI和行业中广泛存在的数据和系统孤岛，而这些行业的Know-How积累在过往所有信息化系统，我们需要组件化脚手架，形成知识资产，而这些知识和工具就是大模型外脑得以连接我们用户的系统，产生新的乘数效应的地方。 这里有三个Demo给大家呈现。 公共安全领域，在景区接到小孩丢失报警，智能体自主目标设定、任务编排，需要找寻的小孩什么时间、什么地点走失，身体特征是什么样，跟线索追踪、轨迹预测；一旦锁定人体特征后，根据小孩的行速特征，在整个监控地图轨迹上尝试预测有可能往哪些方向，他的行踪有哪些方向走动，同时在他能涉及的地点范围内，去找寻现场巡逻的比如保安、摄像头；快速定位到这些人员，同时下发整个广播、保安等一系列可供执行的单元。在这个场景中智能体深度整合了目标设定、视觉识别、任务规划、轨迹追踪预测到最后的action调度执行落地等能力。 工业巡检Agent，在巡检过程中我们会关心设备的质量运行情况、工人操作的规范性，以及工人背后的服务资质等要素，我们有智能体对安全场景的判断非常专业，同时有智能体对资质审核非常专业，这些智能体可以在AI Agent领域里编排，自主实现对场景的把控以及危险情况的预警。这段Demo体现的是输电电站场地机器人的巡检。\n最后这个例子是面向于森林防火。传统的做法是需要人守着巨大的林场，当发生火情报警，人要到现场做确认。当有了CV和AI Agent有效协作后，可以调度摄像头、无人机实现二次确认。Agent不再只是根据我们的指令去做程式化的事情，它有自主决策的能力可以调度它所需要的感知单元，去灵活处理应急事件，同时让人非常有效地在关键时参与到流程里，发挥决定性的作用。 业界已经有比较大的共识，整个AI产业我们做了分层，从能源、基础设施到大模型计算范式、工具集成、智能体以及整个产业生态，能源和基础设施——如果我们按中西方比较，中国有非常强的效率和成本优势，而在大模型和计算范式，我们处于追赶者角色。在这里可以看到大模型的能力不断往行业倾斜，从OpenClaw刚发布到后面不少大模\n文章来源 标题: 让智能体看见世界：CV × AI Agent 的行业场景新实践| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3820220616495492?f=rss 时间: 2026-05-22 16:57:09 +0800 核心内容 让智能体“看见”世界，不是给它装上摄像头那么简单。当CV遇上AI Agent，乘数效应正在发生。AI Agent不等于Chatbot，真正的价值在于静默看护与自主决策。\n
小米YU7家族再推新车，雷军：标准版打特斯拉，GT版狙BBA
原文摘要 5月21日晚，小米正式发布YU7系列两款全新车型：标准版起售价23.35万元，GT版起售价38.99万元。至此，YU7车系已扩展至5款车型，价格区间覆盖23.35万元至38.99万元。 YU7是小米于2025年6月推出的首款SUV，上市当晚3分钟内大定订单突破20万辆。发布会上，雷军展示了YU7与特斯拉Model Y的销量对比：2025年7月至2026年4月，YU7累计交付23.2万辆，Model Y则为35.8万辆。 从月度交付表现看，今年1月YU7交付37869辆，成为中国汽车市场全品类销量冠军。然而，随着市场竞争加剧，YU7近几个月的交付量有所回落。 在小米的调研中，特斯拉Model Y的订单中约70%为续航593公里的后驱标准版。对许多用户而言，500-600公里续航已足够日常通勤，且特斯拉的五年免息政策吸引力显著，有用户直言该政策相当于直接减免2万元。 雷军坦言，YU7项目初期便规划了类似的后驱标准版车型。“说实话，当时我们认为产品线过于复杂，因此从4款减为3款，砍掉了标准版，这对YU7与Model Y的竞争尤其不利。 经过复盘，我们决定把标准版加回来，这样就能实现‘标准版对标准版、长续航对长续航’的直面竞争。无论对方如何推出五年零息，我们都有绝对的竞争力。” 此次推出的YU7标准版售价23.35万元，价格较此前再降2万元，相比Model Y更低3万元，而配置上仅电池与连续阻尼可变减振器有所区别。 此次发布的另一款新车YU7 GT，则被小米定位为“满血GT”。 在发布会后的交流环节，雷军向36氪等媒体阐释了YU7、YU7 GT与小米Ultra系列的区别：“YU7要兼顾驾驶乐趣与家庭使用，GT是全能车型，Ultra虽可日常使用，但主要角色仍是跑车”。 相较于YU7标准版直接对标特斯拉Model Y，雷军表示YU7 GT的目标客户更多来自以往选择BBA豪华品牌的人群。 YU7 GT的另一重要标签是小米德国研发团队。该团队由小米从宝马、保时捷等顶尖车企招募人才组建，这支精锐队伍，帮助YU7 GT拿下了纽北赛道SUV圈速榜首位。 从SU7 Ultra到YU7 GT，小米似乎对“纽北”情有独钟。 胡峥楠向36氪等媒体透露，纽北刷圈是手段，而非目标，“最早提出要去纽北时，工程团队是反对的，因为我们没有人具备纽北经验”。 而小米坚持扎根纽北，除了能为车辆调校积累宝贵经验外，更重要的原因是，“小米的目标是进入全球市场。要进入全球市场，就必须与全球顶尖公司在同一平台上、用大家都能看懂的语言竞争”。 雷军告诉36氪，过去五年小米已搭建起近万人的研发团队，其中拥有15-20年以上造车经验的工程师达1500人，总投入接近300亿元。 2021年宣布造车时，雷军曾提出“10年投入百亿美元”的口号，从小米当前的研发布局与成果来看，其造车决心可见一斑。 在发布会后的交流会上，近日刚被官方披露的小米汽车部副总裁、参谋长宋钢首次公开亮相。36氪此前报道，宋钢曾在上汽通用、福特、特斯拉、远景新能源等企业工作，他任特斯拉上海工厂厂长期间，创造了当年从开工到量产交付的“特斯拉速度”。 过去两年，量产交付一度是小米最头疼的难题。YU7上市当晚，交付周期曾排至36个月后。宋钢直言，生产交付很大程度上限制了YU7获取更多订单。 “过去一年，销售、供应链、生产团队都非常努力，做了大量工作。目前我们已将生产准备工作做到极致，所有准备都做在前面。供应链爬坡的速度和质量都达到非常快的水平，小米自身也具备了良好的生产效率。” 雷军补充说明，目前YU7的交付周期已控制在2-3个月，有现车的城市甚至可实现2小时交付；制造难度更大的YU7 GT也能在6周内完成交付。 从对标特斯拉Model Y的标准版，到瞄准BBA用户的GT版，小米试图通过差异化产品矩阵覆盖更广泛的消费群体。纽北赛道的执着与欧洲研发团队的建立，则表明了小米进军全球市场的决心。 既要快速实现规模扩张、又要冲击高端与全球化，小米将长期面对研发、成本、品牌与供应链的重重挑战。 以下是小米高管团队和36氪等媒体的交流，不改变原意的基础上，略经编辑： 问：YU7 GT和YU7在产品定位、目标人群上有什么差异？ 雷军：小米YU7以前我们介绍过，它是一款高性能的豪华SUV，主打驾驶者之车，既适合自己开，也要适合家庭和日常使用，也很在乎它的豪华舒适度。 GT是YU7系列的旗舰性能，它的定位就是满血GT。既要有跑车级的外观、跑车级的性能，而且还要适合日常旅行，包括平时日常通勤，它是一款全能型的车型。 而GT跟Ultra的定位也是不一样的，Ultra这个车定位是一个赛车、跑车，你可以上下班用，但是更重要的是它是一款跑车。 我们也做了一些用户的调研，主要吸引的人群就是过去BBA豪车的人群，他们希望拥有很澎湃的动力，又能希望能够日常上下班，所以包括长途旅行，包括兼顾家人，所以整个GT就是一款为这群人设计的梦想之车。 问：为何选在这个时间点，重新推出YU7标准版？ 雷军：我们调研过，70%的Model Y用户选择了593公里的版本，很多用户觉得500、600公里日常通勤已经够用了。 实话说，当时我们认为我们的产品线过于复杂，所以从4款改为3款，少了一款标准版，对YU7和Model Y竞争特别不利。仔细复盘以后，我们把标准版加回来了，这样我们就能标准版对标准版，长续航对长续航，无论他们怎么五年零息，我们都有绝对的竞争力。 问：小米现在已经不再公布大定数值，而且上个月的交付量要比乘联会披露的数量还要少，小米是如何考虑的？ 雷军：去年YU7发布时，3分钟大定超过了20万辆，这个数字实在是太惊人了，行业里面几乎没有人信，大家都觉得我们数据有问题。后来我一想，算了，只公布锁单数据，看承诺不退的量到底有多少，所以之后我们也会只公布锁单。 至于每个月的交付量，我不想陷入跟大家的比较，我觉得差不多就行了，所以他们每次公布前问我说，36700台，我说就说3万台吧，其实大差不差。 我是觉得我们小米要放平心态，我觉得造车是十年之功，不争一个月之长短，踏踏实实把车造好，把消费者服务好，一步一步小米就能成为全球前五的车厂，今天多一台少一台不重要。 问：小米欧洲团队有很多大佬，小米如何招募到这么多顶尖高手？ 雷军：在欧洲建立研发中心，我们思考了一年时间。 首先我们为什么在欧洲设研发中心？智能生态是每一辆小米车已有的属性，那造车里我们需要增强的是什么呢？我觉得是把车造得性能好、安全、质量好，这是硬功夫。那机械素质方面欧洲还是有很强的底蕴，做得非常好，所以我们希望吸纳全球的技术专家，真心把这件事情做好。 所有整个招聘工作，关键岗位我都亲自参与了面试。我们整个研发部门到现在，有15年、20年经验的技术专家，差不多已经有1500人了。 问：今天发布会又宣布纽北创纪录，小米一直在纽北跑圈是想证明什么？ 胡峥楠：我觉得去纽北这件事情不是为了证明什么，如果用一句话来总结的话，它是一个方法，它不是一个目标。 其实有一个小故事，最早去提出去纽北这件事情的\n文章来源 标题: 小米YU7家族再推新车，雷军：标准版打特斯拉，GT版狙BBA 来源: ai 链接: https://36kr.com/p/3817022407181188?f=rss 时间: 2026-05-22 16:59:11 +0800 核心内容 5月21日晚，小米正式发布YU7系列两款全新车型：标准版起售价23.35万元，GT版起售价38.99万元。至此，YU7车系已扩展至5款车型，价格区间覆盖23.35万元至38.99万元。 YU7是小米于2025年6月推出的首款SUV，上市当晚3分钟内大定订单突破20万辆。发布会上，雷军展示了YU7与特斯拉Model Y的销量对比：2025年7月至2026年4月，YU7累计交付23.2万辆，Model Y则为35.8万辆。 从月度交付表现看，今年1月YU7交付37869辆，成为中国汽车市场全品类销量冠军。然而，随着市场竞争加剧，YU7近几个月的交付量有所回落。 在小米的调研中，特斯拉Model Y的订单中约70%为续航593公里的后驱标准版。对许多用户而言，500-600公里续航已足够日常通勤，且特斯拉的五年免息政策吸引力显著，有用户直言该政策相当于直接减免2万元。 雷军坦言，YU7项目初期便规划了类似的后驱标准版车型。“说实话，当时我们认为产品线过于复杂，因此从4款减为3款，砍掉了标准版，这对YU7与Model Y的竞争尤其不利。 经过复盘，我们决定把标准版加回来，这样就能实现‘标准版对标准版、长续航对长续航’的直面竞争。无论对方如何推出五年零息，我们都有绝对的竞争力。” 此次推出的YU7标准版售价23.35万元，价格较此前再降2万元，相比Model Y更低3万元，而配置上仅电池与连续阻尼可变减振器有所区别。 此次发布的另一款新车YU7 GT，则被小米定位为“满血GT”。 在发布会后的交流环节，雷军向36氪等媒体阐释了YU7、YU7 GT与小米Ultra系列的区别：“YU7要兼顾驾驶乐趣与家庭使用，GT是全能车型，Ultra虽可日常使用，但主要角色仍是跑车”。 相较于YU7标准版直接对标特斯拉Model Y，雷军表示YU7 GT的目标客户更多来自以往选择BBA豪华品牌的人群。 YU7 GT的另一重要标签是小米德国研发团队。该团队由小米从宝马、保时捷等顶尖车企招募人才组建，这支精锐队伍，帮助YU7 GT拿下了纽北赛道SUV圈速榜首位。 从SU7 Ultra到YU7 GT，小米似乎对“纽北”情有独钟。 胡峥楠向36氪等媒体透露，纽北刷圈是手段，而非目标，“最早提出要去纽北时，工程团队是反对的，因为我们没有人具备纽北经验”。 而小米坚持扎根纽北，除了能为车辆调校积累宝贵经验外，更重要的原因是，“小米的目标是进入全球市场。要进入全球市场，就必须与全球顶尖公司在同一平台上、用大家都能看懂的语言竞争”。 雷军告诉36氪，过去五年小米已搭建起近万人的研发团队，其中拥有15-20年以上造车经验的工程师达1500人，总投入接近300亿元。 2021年宣布造车时，雷军曾提出“10年投入百亿美元”的口号，从小米当前的研发布局与成果来看，其造车决心可见一斑。 在发布会后的交流会上，近日刚被官方披露的小米汽车部副总裁、参谋长宋钢首次公开亮相。36氪此前报道，宋钢曾在上汽通用、福特、特斯拉、远景新能源等企业工作，他任特斯拉上海工厂厂长期间，创造了当年从开工到量产交付的“特斯拉速度”。 过去两年，量产交付一度是小米最头疼的难题。YU7上市当晚，交付周期曾排至36个月后。宋钢直言，生产交付很大程度上限制了YU7获取更多订单。 “过去一年，销售、供应链、生产团队都非常努力，做了大量工作。目前我们已将生产准备工作做到极致，所有准备都做在前面。供应链爬坡的速度和质量都达到非常快的水平，小米自身也具备了良好的生产效率。” 雷军补充说明，目前YU7的交付周期已控制在2-3个月，有现车的城市甚至可实现2小时交付；制造难度更大的YU7 GT也能在6周内完成交付。 从对标特斯拉Model Y的标准版，到瞄准BBA用户的GT版，小米试图通过差异化产品矩阵覆盖更广泛的消费群体。纽北赛道的执着与欧洲研发团队的建立，则表明了小米进军全球市场的决心。 既要快速实现规模扩张、又要冲击高端与全球化，小米将长期面对研发、成本、品牌与供应链的重重挑战。 以下是小米高管团队和36氪等媒体的交流，不改变原意的基础上，略经编辑： 问：YU7 GT和YU7在产品定位、目标人群上有什么差异？ 雷军：小米YU7以前我们介绍过，它是一款高性能的豪华SUV，主打驾驶者之车，既适合自己开，也要适合家庭和日常使用，也很在乎它的豪华舒适度。 GT是YU7系列的旗舰性能，它的定位就是满血GT。既要有跑车级的外观、跑车级的性能，而且还要适合日常旅行，包括平时日常通勤，它是一款全能型的车型。 而GT跟Ultra的定位也是不一样的，Ultra这个车定位是一个赛车、跑车，你可以上下班用，但是更重要的是它是一款跑车。 我们也做了一些用户的调研，主要吸引的人群就是过去BBA豪车的人群，他们希望拥有很澎湃的动力，又能希望能够日常上下班，所以包括长途旅行，包括兼顾家人，所以整个GT就是一款为这群人设计的梦想之车。 问：为何选在这个时间点，重新推出YU7标准版？ 雷军：我们调研过，70%的Model Y用户选择了593公里的版本，很多用户觉得500、600公里日常通勤已经够用了。 实话说，当时我们认为我们的产品线过于复杂，所以从4款改为3款，少了一款标准版，对YU7和Model Y竞争特别不利。仔细复盘以后，我们把标准版加回来了，这样我们就能标准版对标准版，长续航对长续航，无论他们怎么五年零息，我们都有绝对的竞争力。 问：小米现在已经不再公布大定数值，而且上个月的交付量要比乘联会披露的数量还要少，小米是如何考虑的？ 雷军：去年YU7发布时，3分钟大定超过了20万辆，这个数字实在是太惊人了，行业里面几乎没有人信，大家都觉得我们数据有问题。后来我一想，算了，只公布锁单数据，看承诺不退的量到底有多少，所以之后我们也会只公布锁单。 至于每个月的交付量，我不想陷入跟大家的比较，我觉得差不多就行了，所以他们每次公布前问我说，36700台，我说就说3万台吧，其实大差不差。 我是觉得我们小米要放平心态，我觉得造车是十年之功，不争一个月之长短，踏踏实实把车造好，把消费者服务好，一步一步小米就能成为全球前五的车厂，今天多一台少一台不重要。 问：小米欧洲团队有很多大佬，小米如何招募到这么多顶尖高手？ 雷军：在欧洲建立研发中心，我们思考了一年时间。 首先我们为什么在欧洲设研发中心？智能生态是每一辆小米车已有的属性，那造车里我们需要增强的是什么呢？我觉得是把车造得性能好、安全、质量好，这是硬功夫。那机械素质方面欧洲还是有很强的底蕴，做得非常好，所以我们希望吸纳全球的技术专家，真心把这件事情做好。 所有整个招聘工作，关键岗位我都亲自参与了面试。我们整个研发部门到现在，有15年、20年经验的技术专家，差不多已经有1500人了。 问：今天发布会又宣布纽北创纪录，小米一直在纽北跑圈是想证明什么？ 胡峥楠：我觉得去纽北这件事情不是为了证明什么，如果用一句话来总结的话，它是一个方法，它不是一个目标。 其实有一个小故事，最早去提出去纽北这件事情的\n