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
从混沌到秩序：具身智能的数据供给革命与技能结构化实践| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 大语言模型可以靠堆数据跑通Scaling Law，但机器人面对的是动态、多模态、强时序关联的物理世界，杂乱的数据堆在一起，训不出可靠的模型。从混沌到秩序的工业化路径，质量比数量更重要。\n机器人进工厂、进场景，真正的挑战不在模型本身，而在数据。徐良威指出，具身智能的数据不是时间、空间、任务意图紧密耦合的多模态资产。智域基石提出了五层数据编译管线模型，每一层都有明确的质量指标，唯有构建数据底座生态，让本体方、模型方、产业方各司其职，高质量物理世界的数据才能真正流通起来，支撑具身智能的规模化落地。 以下为演讲内容，经36氪整理编辑：\n徐良威丨智域基石CTO 大家好，我是智域基石的联合创始人兼CTO，今天我跟大家分享的是从具身智能的数据供给革命与技能结构化实践，标题是从混沌到秩序。为什么是从混沌到秩序？具身智能的到来让大家发现原先在大语言模型、自动驾驶或者在所有过去AI的数据实践在具身智能里不够用了，今天主要讲一下智域基石在上面做了什么样的工作，主要讨论两个话题，第一个事情我们在具身智能的数据上怎么去做标准化的工业化实践。第二个如何把数据和模型本体、产业、场景结合起来，变成一个生态，而不是单纯数据的事情。 我们直接到机器人的落地，2026年我们可以看到一部分的机器人已经从小样逐渐往产业里跑了，原先我们考虑到的是怎么把实验室里的算法用视频或者现场展示的方式展现出来，这个事情已经远远不一样了，我们把机器人从实验室里搬到真实的场景里，原先只要考虑让机器人动起来、完成指定任务就可以了。现在我们要考虑的事情是如何让机器人面对不确定的、动态的、多模态整个场景数据输入，还能够进行持续稳定和物理世界的交互，这时候我们就要考虑我们怎么产生稳定化供给。 原先有一句话说的很对，模型决定机器人的能力上限，模型决定了机器人能干什么，很难决定机器人在最差的环境下能做到什么程度，因为很多事情即使是人在新的场景里都不一定能够处理的好，这个时候就需要我们考虑怎么把真实场景里的数据，这个数据可能分为本体数据，机器人感知到的环境数据，甚至是机器人的任务，机器人的日志，这些信息都要能够送到机器人训练的整个闭环里，这时候才能够把原先在小样级别变成真正在产业里能够落地的事情。 原先大家做语言模型时，大家说Scaling Law，希望有越来越多的数据才能让模型变的越来越好，本身这个事情是没有问题的，具身智能不像原先是结构化的数据，我们在多模态跟持续强相关的数据领域里发现，我们如果单纯堆数据，把大量原先混杂在互联网的数据跟机器人操作相关的数据，不管什么样的仿真数据，把这些数据全部堆在一起，能不能让模型训练出来？有这个可能性，目前的结论，我们还很难说把一些杂乱的、毫无规则的数据堆在一起就能够训练出更好的模型，我们不仅考虑数量，还要考虑质量。这个质量一方面体现在采集，另一方面体现在数据的采集、质检、预标注、人态环路的闭环再到数据后处理，再到导出，最后进到模型训练，完成模型到数据的闭环体现在整个环节里，每个环节都需要质量，如果某一环节出了差错，不是说这个模型训练不出来，而是真正的模型落到本体再进入场景，如果这个场景出问题，���么回溯到我这个数据或者在原先的闭环里哪一部分出了问题，这是我们对于数据的要求，数量很重要，但我们要考虑质量，还要考虑质量在每一个环节里的重要性。 路线有很多，大家经常讲的VLA，以模仿学习为主，以视觉输入、语言指令再加上机器人的动作，一个机器人看到什么样的场景，我得到了指令，下一步输出什么样的动作，是一个轨迹层面的数据，以轨迹为主。另外一条路线，大家经常提起的世界模型，在world model中加一个action，最终要作用在物理世界里的，这里考虑的是我看到一个场景，我施加了一个动作，物理世界变成什么样，这时候考虑的是因果关系，这里面虽然VLA和world model有模型上的差异，需要的都是同一种底层资产，在真实世界里的结构化高质量数据，我定义了合理的或者适用于最终模型任务，通过一定手段把物理里的信息数字化，再经过结构化的过程，把它变成可以输入到模型里的东西，这时候原始数据是一样的，中间流程稍微有一些不一样，基于同一套数据底座。 数据底座是一整套把真实的场景、真实的任务、真实的成功/失败、真实的和整个环境交互全部都记录下来，从而能够输入到模型里，让模型能够在真实的世界里获得闭环。这一套数据输入有可能是机器人本体，大家看到很多数据采集工厂、数据实训厂，通过让人操控机器人获得和机器人有关的数据，直接作用于机器人不管是预训练、后训练，现在还有一些比较前沿的，让人带着第一人称视角记录人的数字化劳动，让人本身的劳动数字化到虚拟世界里，再去训练不管是VLA还是世界模型，让机器人学会人类技能，本质上都是把人类或者是机器人这样的一个本体和环境的交互，把物理的概念变成一套数字化的概念，智域基石就做了一套数据底座，不管前端是什么样的数据流入，我们都可以通过数据编译管线处理成模型可以使用的数据，最终完成数据本体，再回到场景再回到数据的闭环。 一个任务怎么把原始数据记录变成模型可以使用的数据，第一个流程，先定义好任务，先要采一个什么样的数据，先要知道机器人看到了什么，它做出什么样的动作甚至它听到了什么，还要关注前因后果，我之前的场景是什么样的，我在看到这个场景以后我做出什么样的决策，我又做出什么样的动作，如果我发生这个动作，我接下来的思考是什么，这个世界真实又会怎么变，一方面记录在真实世界里发生的所有传感器的记录，另外从任务记录，不是单纯从传感器得到的，是事前规划或者是事后推演，我通过把现场记录、任务整理搞起来，后面我们把它变成机器人、具身智能需要的一套数据资产，中间涉及到怎么采集、提取其中的关键因素，最后怎么把它沉淀到资产，也会涉及到成功/失败的处理，涉及到失败以后机器人怎么重试，重试策略是什么，重试之后导致的结果是什么，这都是从原始数据变成训练样本重要的步骤之一。 这是智域基石提出的五层数据编译管线模型，我们考虑到原始数据不是把数据采完了，把它存到硬盘里可以直接被输入到模型里训练，我们考虑到的是中间有非常多道流程，每一道流程都是有关键指标的。只有把每一步做好，才不是简单的数据存档，而是真正能够成为数据资产的东西，这一套数据资产下面可以进入到场景、模型，可以和本体结合，被真正的用起来。 第一个流程数据质检，首先是数据采集，采集后才能把真实物理环境里的模型信号变成数字信号，以数字化的形式存下来，raw data，是杂乱的、没有规则的、非结构化的数据，我并不知道好不好，也不知道能不能进入后面的处理流程里，第一步做数据质检，先看一看数据是否满足基本的数据处理要求。 数据满足后，进入数据处理管线里，下一步是数据对齐，机器人或者具身智能数据不是单纯的画面或者是简单的视频，其实是多模态和时序紧密结合的数据，完成空间、时间的对齐，完成时间、空间的结构化，不是单纯杂乱的数据，至少是被数据处理的算法和机器能够理解的数据，每处理一帧数据都可以完成横向、纵向的索引。完成以后，到了数据变成模型可用数据层次，从结构化数据里再提取出真正的语义或者因果关系部分，我们要知道数据在整个空间里怎么和环境交互的，跟意图\n文章来源 标题: 从混沌到秩序：具身智能的数据供给革命与技能结构化实践| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3819884983226497?f=rss 时间: 2026-05-22 11:10:14 +0800 核心内容 大语言模型可以靠堆数据跑通Scaling Law，但机器人面对的是动态、多模态、强时序关联的物理世界，杂乱的数据堆在一起，训不出可靠的模型。从混沌到秩序的工业化路径，质量比数量更重要。\n机器人进工厂、进场景，真正的挑战不在模型本身，而在数据。徐良威指出，具身智能的数据不是时间、空间、任务意图紧密耦合的多模态资产。智域基石提出了五层数据编译管线模型，每一层都有明确的质量指标，唯有构建数据底座生态，让本体方、模型方、产业方各司其职，高质量物理世界的数据才能真正流通起来，支撑具身智能的规模化落地。 以下为演讲内容，经36氪整理编辑：\n徐良威丨智域基石CTO 大家好，我是智域基石的联合创始人兼CTO，今天我跟大家分享的是从具身智能的数据供给革命与技能结构化实践，标题是从混沌到秩序。为什么是从混沌到秩序？具身智能的到来让大家发现原先在大语言模型、自动驾驶或者在所有过去AI的数据实践在具身智能里不够用了，今天主要讲一下智域基石在上面做了什么样的工作，主要讨论两个话题，第一个事情我们在具身智能的数据上怎么去做标准化的工业化实践。第二个如何把数据和模型本体、产业、场景结合起来，变成一个生态，而不是单纯数据的事情。 我们直接到机器人的落地，2026年我们可以看到一部分的机器人已经从小样逐渐往产业里跑了，原先我们考虑到的是怎么把实验室里的算法用视频或者现场展示的方式展现出来，这个事情已经远远不一样了，我们把机器人从实验室里搬到真实的场景里，原先只要考虑让机器人动起来、完成指定任务就可以了。现在我们要考虑的事情是如何让机器人面对不确定的、动态的、多模态整个场景数据输入，还能够进行持续稳定和物理世界的交互，这时候我们就要考虑我们怎么产生稳定化供给。 原先有一句话说的很对，模型决定机器人的能力上限，模型决定了机器人能干什么，很难决定机器人在最差的环境下能做到什么程度，因为很多事情即使是人在新的场景里都不一定能够处理的好，这个时候就需要我们考虑怎么把真实场景里的数据，这个数据可能分为本体数据，机器人感知到的环境数据，甚至是机器人的任务，机器人的日志，这些信息都要能够送到机器人训练的整个闭环里，这时候才能够把原先在小样级别变成真正在产业里能够落地的事情。 原先大家做语言模型时，大家说Scaling Law，希望有越来越多的数据才能让模型变的越来越好，本身这个事情是没有问题的，具身智能不像原先是结构化的数据，我们在多模态跟持续强相关的数据领域里发现，我们如果单纯堆数据，把大量原先混杂在互联网的数据跟机器人操作相关的数据，不管什么样的仿真数据，把这些数据全部堆在一起，能不能让模型训练出来？有这个可能性，目前的结论，我们还很难说把一些杂乱的、毫无规则的数据堆在一起就能够训练出更好的模型，我们不仅考虑数量，还要考虑质量。这个质量一方面体现在采集，另一方面体现在数据的采集、质检、预标注、人态环路的闭环再到数据后处理，再到导出，最后进到模型训练，完成模型到数据的闭环体现在整个环节里，每个环节都需要质量，如果某一环节出了差错，不是说这个模型训练不出来，而是真正的模型落到本体再进入场景，如果这个场景出问题，���么回溯到我这个数据或者在原先的闭环里哪一部分出了问题，这是我们对于数据的要求，数量很重要，但我们要考虑质量，还要考虑质量在每一个环节里的重要性。 路线有很多，大家经常讲的VLA，以模仿学习为主，以视觉输入、语言指令再加上机器人的动作，一个机器人看到什么样的场景，我得到了指令，下一步输出什么样的动作，是一个轨迹层面的数据，以轨迹为主。另外一条路线，大家经常提起的世界模型，在world model中加一个action，最终要作用在物理世界里的，这里考虑的是我看到一个场景，我施加了一个动作，物理世界变成什么样，这时候考虑的是因果关系，这里面虽然VLA和world model有模型上的差异，需要的都是同一种底层资产，在真实世界里的结构化高质量数据，我定义了合理的或者适用于最终模型任务，通过一定手段把物理里的信息数字化，再经过结构化的过程，把它变成可以输入到模型里的东西，这时候原始数据是一样的，中间流程稍微有一些不一样，基于同一套数据底座。 数据底座是一整套把真实的场景、真实的任务、真实的成功/失败、真实的和整个环境交互全部都记录下来，从而能够输入到模型里，让模型能够在真实的世界里获得闭环。这一套数据输入有可能是机器人本体，大家看到很多数据采集工厂、数据实训厂，通过让人操控机器人获得和机器人有关的数据，直接作用于机器人不管是预训练、后训练，现在还有一些比较前沿的，让人带着第一人称视角记录人的数字化劳动，让人本身的劳动数字化到虚拟世界里，再去训练不管是VLA还是世界模型，让机器人学会人类技能，本质上都是把人类或者是机器人这样的一个本体和环境的交互，把物理的概念变成一套数字化的概念，智域基石就做了一套数据底座，不管前端是什么样的数据流入，我们都可以通过数据编译管线处理成模型可以使用的数据，最终完成数据本体，再回到场景再回到数据的闭环。 一个任务怎么把原始数据记录变成模型可以使用的数据，第一个流程，先定义好任务，先要采一个什么样的数据，先要知道机器人看到了什么，它做出什么样的动作甚至它听到了什么，还要关注前因后果，我之前的场景是什么样的，我在看到这个场景以后我做出什么样的决策，我又做出什么样的动作，如果我发生这个动作，我接下来的思考是什么，这个世界真实又会怎么变，一方面记录在真实世界里发生的所有传感器的记录，另外从任务记录，不是单纯从传感器得到的，是事前规划或者是事后推演，我通过把现场记录、任务整理搞起来，后面我们把它变成机器人、具身智能需要的一套数据资产，中间涉及到怎么采集、提取其中的关键因素，最后怎么把它沉淀到资产，也会涉及到成功/失败的处理，涉及到失败以后机器人怎么重试，重试策略是什么，重试之后导致的结果是什么，这都是从原始数据变成训练样本重要的步骤之一。 这是智域基石提出的五层数据编译管线模型，我们考虑到原始数据不是把数据采完了，把它存到硬盘里可以直接被输入到模型里训练，我们考虑到的是中间有非常多道流程，每一道流程都是有关键指标的。只有把每一步做好，才不是简单的数据存档，而是真正能够成为数据资产的东西，这一套数据资产下面可以进入到场景、模型，可以和本体结合，被真正的用起来。 第一个流程数据质检，首先是数据采集，采集后才能把真实物理环境里的模型信号变成数字信号，以数字化的形式存下来，raw data，是杂乱的、没有规则的、非结构化的数据，我并不知道好不好，也不知道能不能进入后面的处理流程里，第一步做数据质检，先看一看数据是否满足基本的数据处理要求。 数据满足后，进入数据处理管线里，下一步是数据对齐，机器人或者具身智能数据不是单纯的画面或者是简单的视频，其实是多模态和时序紧密结合的数据，完成空间、时间的对齐，完成时间、空间的结构化，不是单纯杂乱的数据，至少是被数据处理的算法和机器能够理解的数据，每处理一帧数据都可以完成横向、纵向的索引。完成以后，到了数据变成模型可用数据层次，从结构化数据里再提取出真正的语义或者因果关系部分，我们要知道数据在整个空间里怎么和环境交互的，跟意图\n内容来源：ai 原文链接：https://36kr.com/p/3819884983226497?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：2026-05-22T06:00:58.976644+00:00\n
带着AI去赛场:AI+电竞全流程赋能 | 2026AI Partner·北京亦��AI+产业大会
原文摘要 AI的加入，让电竞的竞争维度从操作层面延伸到数据与策略层面。\nAI+电竞，不只是让电脑变强，而是让整个产业变聪明。赵鉴指出，在选手端，AI可分析操作习惯与决策模式，模拟不同风格的对手进行针对性训练；在赛事端，AI能理解比赛形势，生成风格化解说，并赋能赛事管理与商业运营；在产业端，AI驱动智能剪辑、虚拟主播和衍生品开发。 以下为演讲内容，经36氪整理编辑：\n赵鉴|北京中关村学院助理教授、AI+游戏/电竞负责人 尊敬的各位领导、各位朋友大家好，我是来自北京中关村学院的赵鉴，目前是一名大学的博士生导师，课题组从事AI+电竞+产业。 今天与大家分享的主题带着AI去赛场，AI+电竞全流程赋能。 电竞是第99个体育竞赛项目，首次入选杭州亚运会，沙特将筹办首届奥林匹克电子竞技运动会，据不完全统计，中国已经成为了全球最大的电竞市场，产业规模超过1500亿元人民币，电竞赛事不只是年轻人的娱乐方式，更成为推动数字经济发展的新动能。 在这样的背景下，人工智能技术的引入为电竞注入新的活力，主要体现三个方面： 一、在选手玩家端，传统的电竞训练依赖行为预测、模拟对抗，为选手提供精准的训练方案。AI可以分析选手的操作习惯、反应时间与决策模式，同时AI还能模拟不同风格的对手，帮助选手进行针对性的演练，提高训练效率， AI分析对手的英雄选择、出装偏好，这意味着电竞比赛不仅是操作的比拼，更是数据与策略的较量。 二、赛事端，AI能够给大众提供更好的服务，AI能够精准理解当前的比赛形式，生成风格化解说内容，满足不同人群的需要。除此之外，还能赋能赛事管理、粉丝行为分析、广告投放等等，提高赛事的商业价值与运营效率。 三、在产业端，AI在电竞内容领域同样发挥着重要的作用，比赛视频的智能剪辑和虚拟主播等，同时AI还能赋能电竞的衍生品开发。 由于时间关系，我不一一列举更多了。\n文章来源 标题: 带着AI去赛场:AI+电竞全流程赋能 | 2026AI Partner·北京亦��AI+产业大会 来源: ai 链接: https://36kr.com/p/3819893521666436?f=rss 时间: 2026-05-22 11:18:08 +0800 核心内容 AI的加入，让电竞的竞争维度从操作层面延伸到数据与策略层面。\nAI+电竞，不只是让电脑变强，而是让整个产业变聪明。赵鉴指出，在选手端，AI可分析操作习惯与决策模式，模拟不同风格的对手进行针对性训练；在赛事端，AI能理解比赛形势，生成风格化解说，并赋能赛事管理与商业运营；在产业端，AI驱动智能剪辑、虚拟主播和衍生品开发。 以下为演讲内容，经36氪整理编辑：\n赵鉴|北京中关村学院助理教授、AI+游戏/电竞负责人 尊敬的各位领导、各位朋友大家好，我是来自北京中关村学院的赵鉴，目前是一名大学的博士生导师，课题组从事AI+电竞+产业。 今天与大家分享的主题带着AI去赛场，AI+电竞全流程赋能。 电竞是第99个体育竞赛项目，首次入选杭州亚运会，沙特将筹办首届奥林匹克电子竞技运动会，据不完全统计，中国已经成为了全球最大的电竞市场，产业规模超过1500亿元人民币，电竞赛事不只是年轻人的娱乐方式，更成为推动数字经济发展的新动能。 在这样的背景下，人工智能技术的引入为电竞注入新的活力，主要体现三个方面： 一、在选手玩家端，传统的电竞训练依赖行为预测、模拟对抗，为选手提供精准的训练方案。AI可以分析选手的操作习惯、反应时间与决策模式，同时AI还能模拟不同风格的对手，帮助选手进行针对性的演练，提高训练效率， AI分析对手的英雄选择、出装偏好，这意味着电竞比赛不仅是操作的比拼，更是数据与策略的较量。 二、赛事端，AI能够给大众提供更好的服务，AI能够精准理解当前的比赛形式，生成风格化解说内容，满足不同人群的需要。除此之外，还能赋能赛事管理、粉丝行为分析、广告投放等等，提高赛事的商业价值与运营效率。 三、在产业端，AI在电竞内容领域同样发挥着重要的作用，比赛视频的智能剪辑和虚拟主播等，同时AI还能赋能电竞的衍生品开发。 由于时间关系，我不一一列举更多了。\n内容来源：ai 原文链接：https://36kr.com/p/3819893521666436?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：2026-05-22T06:00:51.799079+00:00\n
签约仪式：带着AI去赛场:AI+电竞全流程赋能战略发布仪式| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 邵斌丨北京中关村学院教授、中关村人工智能研究院院长 左伟丨首都体育学院副校长 叶靖波丨京奥电竞（北京）科技有限公司董事长 在今天的大会上我们还将举行一场重量级的三方签约。 中关村人工智能研究院致力于面向未来，致力于面向未来、具有产业价值和颠覆意义的人工智能与交叉学科领域的科学探索,推动创新成果产业化落地，北京中关村学院和中关村人工智能研究院两院一体两面，是北京人工智能领域的一面崭新的旗帜； 首都体育学院是北京高校首批本科电竞专业，为电竞产业培养大量的优质人才。 京奥电竞(北京)科技公司立足于北京经济技术开发区，深度运营北京智慧电竞中心，青年人才培养，行业资源整合及品牌传播，形成了以赛促产的特色发展路径，并参与了国内外顶级赛事的落地执行，如英雄联盟全球总决赛，三角洲烽火联赛。 三方将依托各自的优势，充分协作，实现产学研一体的全面突破。 下面我们正式进入签约环节，共同见证一场重量级的签约。允许我介绍以下嘉宾，让我们欢迎: 北京中关村学院教授、中关村人工智能研究院院长邵斌； 首都体育学院副院长左伟； 京奥电竞(北京)科技有限公司董事长叶靖波； 有请各位落座，签约，请领导留步，我们在台前进行合影留念。 签约仪式圆满结束，希望有更多AI+电竞的优质成果诞生在联合框架下，谢谢大家。 主持人：在AI从技术走向产业的关键路上，总有人率先出发，照亮前路。他们是AI场景落地的先行者，以远见与魄力，为整个行业趟出可行路径，成为穿越周期的灯塔。 有灯塔指引方向，更有勇者打破边界。他们打破AI落地壁垒、打通场景、创造增量，是当之无愧的破壁者！接下来将要发布2026 AI最佳场景渗透案例-特别致敬人物，请看大屏幕！ 尊敬的各位来宾，2026 AI Partner 北京亦庄AI+产业大会20日上午的议程已经结束！在此由衷感谢所有嘉宾的精彩分享，以及每一位在座您的全程参与。\n文章来源 标题: 签约仪式：带着AI去赛场:AI+电竞全流程赋能战略发布仪式| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3819898058330240?f=rss 时间: 2026-05-22 11:22:01 +0800 核心内容 邵斌丨北京中关村学院教授、中关村人工智能研究院院长 左伟丨首都体育学院副校长 叶靖波丨京奥电竞（北京）科技有限公司董事长 在今天的大会上我们还将举行一场重量级的三方签约。 中关村人工智能研究院致力于面向未来，致力于面向未来、具有产业价值和颠覆意义的人工智能与交叉学科领域的科学探索,推动创新成果产业化落地，北京中关村学院和中关村人工智能研究院两院一体两面，是北京人工智能领域的一面崭新的旗帜； 首都体育学院是北京高校首批本科电竞专业，为电竞产业培养大量的优质人才。 京奥电竞(北京)科技公司立足于北京经济技术开发区，深度运营北京智慧电竞中心，青年人才培养，行业资源整合及品牌传播，形成了以赛促产的特色发展路径，并参与了国内外顶级赛事的落地执行，如英雄联盟全球总决赛，三角洲烽火联赛。 三方将依托各自的优势，充分协作，实现产学研一体的全面突破。 下面我们正式进入签约环节，共同见证一场重量级的签约。允许我介绍以下嘉宾，让我们欢迎: 北京中关村学院教授、中关村人工智能研究院院长邵斌； 首都体育学院副院长左伟； 京奥电竞(北京)科技有限公司董事长叶靖波； 有请各位落座，签约，请领导留步，我们在台前进行合影留念。 签约仪式圆满结束，希望有更多AI+电竞的优质成果诞生在联合框架下，谢谢大家。 主持人：在AI从技术走向产业的关键路上，总有人率先出发，照亮前路。他们是AI场景落地的先行者，以远见与魄力，为整个行业趟出可行路径，成为穿越周期的灯塔。 有灯塔指引方向，更有勇者打破边界。他们打破AI落地壁垒、打通场景、创造增量，是当之无愧的破壁者！接下来将要发布2026 AI最佳场景渗透案例-特别致敬人物，请看大屏幕！ 尊敬的各位来宾，2026 AI Partner 北京亦庄AI+产业大会20日上午的议程已经结束！在此由衷感谢所有嘉宾的精彩分享，以及每一位在座您的全程参与。\n内容来源：ai 原文链接：https://36kr.com/p/3819898058330240?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：2026-05-22T06:00:44.480512+00:00\n
潮水退去，裸泳的一定不止五粮液
原文摘要 作者 |\u00a0谢芸子 编辑 | 张帆\u00a0封面来源 |\u00a0企业官微\u00a05月18日的临时股东大会，五粮液“真诚道歉”了，原因在于其创造的、最令A股错愕的“财务变脸”。 就在刚刚过去的4月末财报季，这家常年位于行业第二的白酒龙头企业，发布了一份“更正公告”，大幅抹去了公司去年前三季度超过50%的营收，以及近70%的净利润。 调整后的财报最终显示：2025年，五粮液实现营收405.29亿元，同比下滑54.6%；归母净利润89.54亿元，同比下滑71.9%。业绩大幅调整的原因指向财报中首次出现的两个新科目——49.07亿元的“监管商品”和263.15亿元的“监管商品款项”。 尽管五粮液至今未解释“监管商品”的含义，但多家券商机构将其理解为：“已发货、未实现终端动销的存货成本”，以及“已收款、未满足收入确认条件的预收款项，待终端销售完成后才会计入收入”。 “中译中”，经销商打款提走的货，只要还没卖到消费者手中，就不再被计入真实收入。从这一层面看，五粮液亲手戳破了白酒行业维系了数十年的增长范式。 只不过，这种堪称魔术般的财务调整，也动摇了资本市场对中国白酒行业的信任。 在雪球等交易平台上，已有股民戏称五粮液为“赖子王”。多家国际投行也看空五粮液。花旗银行直接表示，本次财务修正并非简单的会计差错，而是公司长期向经销商强制压货、虚增营收和利润的集中清算。过往靓丽的业绩存在明显水分，真实经营质量远低于市场认知。 有趣的是，国内券商机构仍看好五粮液未来的发展，普遍给予“买入”评级。 本次股东会议，五粮液管理层也再度掏出了“急救工具”，承诺在未来12个月内完成80亿至100亿元的股票回购，并严格兑现不低于200亿元的分红。 但这似乎没有打动投资者。 截至发稿前，五粮液收盘价85.35元，相比历史最高点跌去三分之二。进入5月以来，其股价已累计跌超12%。 库存高企，老二变“垫底” 想要理解监管商品的变动及由来，还要从白酒行业整体的发展模式切入。 长期以来，中国白酒的增长模式并不复杂，经销商根据“出厂价”先打款，厂商收到后再发货，货品一到经销商仓库，厂商的财务系统就多了一笔营收计入。这种“先款后货”的模式，维系了头部酒企们数十年的账面繁荣。 然而自2022年起，疫情导致线下停摆，原本的“蓄水池”变成“堰塞湖”。酒企们为保业绩，不断向经销商压货；经销商们为保住代理权，只能硬着头皮打款。供需失衡之下，高端白酒的市场价格下跌。 时至2025年底，这一现象变得更加荒诞，连飞天茅台也出现了价格倒挂，五粮液的价格体系更是陷入多重失效的局面。 在诸多媒体的报道中，彼时“普五”（第八代五粮液）的市场批发价已跌至每瓶810元，多地甚至跌破了800元。五粮液不得不“变相降价”，在维持出厂价的基础上，给予经销商“每瓶119元”的打款折扣，再加上扫码返利等政策，经销商的实际成本也降至每瓶800元。 但仍有经销商“卖一瓶亏一瓶”。 有五粮液华东地区的专卖店负责人告诉36氪，因为“打款价”高于“市场价”，其每年要垫付几百万元的价差，考虑到几十万元的银行利息，就算厂商会在年末返利，也是亏损的状态。\n36氪根据公开资料制表\n普五终端成交均价；图片截自“酒价内参” 财报的库存能更直观地反映出零售终端的动销失利。 2025年，五粮液产品的生产量为3.84万吨，同比下降10.96%；销售量为1.95万吨，同比下降53%；期末库存量为2.51万吨，同比暴增306.90%。 换言之，五粮液产品去年期末的库存已超过全年的销售量。销售端大幅收窄的同时，生产端却未放缓，库存出现明显累积。\n图片截自财报\n近年来五粮液存货情况，单位：亿元；36氪根据财报制图 把时间轴拉长，公司总体存货的攀升更为清晰。截至2025年末，五粮液的整体存货账面价值已由2022年末的159.81亿元，上涨到200.65亿元。在这样的情况下，“监管商品”算是彻底捅破了“白酒卖不出去，也不再那么值钱”的窗户纸。 但问题呼之欲出，叠加“换了层皮”、但实质也为库存的监管商品，五粮液的账面存货高达512.87亿元。 对于库存的消耗，白酒总不能像快时尚那样“烧衣服”，酒企们常见的做法是降低产量，同时以各种方式将卖不出去的货品腾挪至渠道，等待市场一点点消化。若价格持续倒挂，酒企们也只能不断增加对经销商的补贴力度，这也势必影响利润表现。 值得关注的是，若以2020年的营收为基数，在库存及“监管商品”的连年影响下，2025年五粮液的增速已跌落至“垫底”。\n以2020年营收为基数，头部酒企的增速对比；36氪根据Wind数据制图 “蓄水池”干了，信心还在吗？ 更深的裂缝，也蔓延至经销商的信心和现金流上。作为库存的连锁反应，五粮液财报的另一个关键科目——“合同负债”也在失效。 合同负债是酒企与经销商签订销售合同的预售货款，代表经销商的打款意愿。 旧规则下，经销商打款、酒企发货，随即计收，合同负债同步下降。新规则下，“未发货”的商品被拦在了营收之外，转为“监管商品款项”。五粮液的最新财报也显示，其合同负债确认为收入，截至2025年末，公司的这一数字为134.6亿元，同比增长15.14%。 表面看，经销商对五粮液的信心仍在。若拆开每一季度的业绩数据，情况则复杂得多。\n36氪根据Wind制表 2025年三季报，五粮液的合同负债为92.68亿元，同比增加31.1%；同期，公司的现金回款（即销售商品、服务换回的真实现金流）却与之背离，仅为71.41亿元，同比暴跌74.7%。经营活动现金流净额，更是从去年同期的163.7亿骤降至-28.89亿，由正转负。 多家券商曾明确表示，五粮液自三季度主动放弃强制回款，强调市场良性和价格表现。经销商的打款节奏也从“先快后慢”转为“更慢”。 这或许意味着，五粮液去年三季度乃至全年的合同负债虽同比增加，或也是前期积累的预收款以及后期打款大幅收缩的共同作用。仅从三季度的现金流来看，经销商的打款能力也已经见底。 当然，也不能“一棍子打死”。 华创证券研报指出，今年一季度，五粮液产品的累计动销为1.4万吨，终端进货商家数量增长60%，开箱率达70%，显示真实动销正在修复。只是这一修复的速度明显没有财报表现的那么“炸裂”。 2026年一季度报显示，五粮液归母净利润为80.63亿元，同比暴增82.57%。这一季度的利润水平已逼近2025年全年的水平。 但细看就会发现，2025年一季度的净利润基数，已从原报表的148.6亿元被大幅调降至44.16亿元。新一季度的“高增长”，也是“财报大洗澡”后，基数被刻意做低的数字游戏。 此外值得提及的是，在剥离监管商品后，五粮液2025年末的合同负债已大大瘦身。未来真正的利好消息，还要看监管商品款项能否逐季下调——这意味着263.15亿元的“悬空”营收能否被市场真正“喝掉”。 可以预见的是，当下的五粮液想要消化这些库存，仍需历经漫长的时间。 代际变迁，新瓶装不了旧酒 综上所述，还没有必要将现阶段的五粮\n文章来源 标题: 潮水退去，裸泳的一定不止五粮液 来源: ai 链接: https://36kr.com/p/3819884036051074?f=rss 时间: 2026-05-22 11:26:05 +0800 核心内容 作者 |\u00a0谢芸子 编辑 | 张帆\u00a0封面来源 |\u00a0企业官微\u00a05月18日的临时股东大会，五粮液“真诚道歉”了，原因在于其创造的、最令A股错愕的“财务变脸”。 就在刚刚过去的4月末财报季，这家常年位于行业第二的白酒龙头企业，发布了一份“更正公告”，大幅抹去了公司去年前三季度超过50%的营收，以及近70%的净利润。 调整后的财报最终显示：2025年，五粮液实现营收405.29亿元，同比下滑54.6%；归母净利润89.54亿元，同比下滑71.9%。业绩大幅调整的原因指向财报中首次出现的两个新科目——49.07亿元的“监管商品”和263.15亿元的“监管商品款项”。 尽管五粮液至今未解释“监管商品”的含义，但多家券商机构将其理解为：“已发货、未实现终端动销的存货成本”，以及“已收款、未满足收入确认条件的预收款项，待终端销售完成后才会计入收入”。 “中译中”，经销商打款提走的货，只要还没卖到消费者手中，就不再被计入真实收入。从这一层面看，五粮液亲手戳破了白酒行业维系了数十年的增长范式。 只不过，这种堪称魔术般的财务调整，也动摇了资本市场对中国白酒行业的信任。 在雪球等交易平台上，已有股民戏称五粮液为“赖子王”。多家国际投行也看空五粮液。花旗银行直接表示，本次财务修正并非简单的会计差错，而是公司长期向经销商强制压货、虚增营收和利润的集中清算。过往靓丽的业绩存在明显水分，真实经营质量远低于市场认知。 有趣的是，国内券商机构仍看好五粮液未来的发展，普遍给予“买入”评级。 本次股东会议，五粮液管理层也再度掏出了“急救工具”，承诺在未来12个月内完成80亿至100亿元的股票回购，并严格兑现不低于200亿元的分红。 但这似乎没有打动投资者。 截至发稿前，五粮液收盘价85.35元，相比历史最高点跌去三分之二。进入5月以来，其股价已累计跌超12%。 库存高企，老二变“垫底” 想要理解监管商品的变动及由来，还要从白酒行业整体的发展模式切入。 长期以来，中国白酒的增长模式并不复杂，经销商根据“出厂价”先打款，厂商收到后再发货，货品一到经销商仓库，厂商的财务系统就多了一笔营收计入。这种“先款后货”的模式，维系了头部酒企们数十年的账面繁荣。 然而自2022年起，疫情导致线下停摆，原本的“蓄水池”变成“堰塞湖”。酒企们为保业绩，不断向经销商压货；经销商们为保住代理权，只能硬着头皮打款。供需失衡之下，高端白酒的市场价格下跌。 时至2025年底，这一现象变得更加荒诞，连飞天茅台也出现了价格倒挂，五粮液的价格体系更是陷入多重失效的局面。 在诸多媒体的报道中，彼时“普五”（第八代五粮液）的市场批发价已跌至每瓶810元，多地甚至跌破了800元。五粮液不得不“变相降价”，在维持出厂价的基础上，给予经销商“每瓶119元”的打款折扣，再加上扫码返利等政策，经销商的实际成本也降至每瓶800元。 但仍有经销商“卖一瓶亏一瓶”。 有五粮液华东地区的专卖店负责人告诉36氪，因为“打款价”高于“市场价”，其每年要垫付几百万元的价差，考虑到几十万元的银行利息，就算厂商会在年末返利，也是亏损的状态。\n
5个月MaaS收入增长15倍，阿里云找到了做大Token生意的办法
原文摘要 文｜邓咏仪 编辑｜张雨忻 “阿里云MaaS业务的Token收入，在2026年的过去5个月里增长了15倍，月度Token收入已经达到数亿元级别。”这是阿里云在5月20日的发布会上给出的最新数字。而拉动这笔收入的最直接原因指向了一个词：Agent。 这一天，阿里云发布了新一代旗舰模型Qwen 3.7 Max等一系列产品，这距离Qwen 3.6 Max的面世仅仅过去了一个月。 为什么这么着急？随着今年2月OpenClaw的爆火，各家模型厂商都开始针对Agent做模型在Coding能力上的提升。大模型的Coding能力之争越来越白热化，阿里也必须端出一款在Coding方面能打的模型，保持自身MaaS业务的竞争力。“未来是Agent Cloud的时代。”阿里云公共云总裁刘伟光表示。 无独有偶，大洋彼岸的硅谷，Google I/O大会也在同一天举办，主题同样是Agent Cloud，Google新发布的芯片、模型、应用……几乎所有产品也都围绕Agent展开。 Agent Coding，已经成为全球现阶段的AI共识。\n△图源：阿里云 狠狠做Agent 发布会第一个端上来的新“千问云”官网，这是一个为Agent设计的网页，也是阿里云成立17年以来，第一次为单独业务做的独立官网。\n△图源：千问云 “千问云是为Agent设计的，而不是人类。”阿里云公共云事业部负责人刘伟光说，这来自2024年底，阿里云内部的一个判断：未来云计算产品的主要使用对象，也会逐渐从人类工程师变成Agent。 在过往，一个开发者或企业想要在云上部署服务，需要打开官网，注册之后，然后面对上百个产品分类，自己选机型、配网络、开实例、装环境、调API——每一步都需要人类工程师做判断，上手门槛不低。 但在千问云官网上线背后，动线会发生变化：Agent会先找模型，再找工具和skills，最后才是底层云资源。顺序反过来了。 一个例子是，在龙虾上线后，阿里云发现Agent可以在一天之内自动完成云计算资源的开通，这在过去，是人类要干两周的活。“未来不需要人来开通了，Agent自动就在后台把云计算资源激活了。”刘伟光说。 官网只是前菜。阿里云从上层的模型到Infra到底层的芯片，都围绕Agent重新完成了一次适配。 首先是新一代旗舰模型Qwen 3.7 Max的推出，这距离Qwen 3.6 Max的发布仅一个月时间。 尽管一直以来阿里在开源领域建立了不错的影响力和口碑，但相较国内的智谱GLM、Kimi，阿里的旗舰模型并没有享受到小龙虾带来的最大红利。 而Qwen 3.7 Max的发布，则阿里在Coding领域试图扳回一城的动作。 在目前业界最权威的代码能力测试中，Qwen 3.7 Max已经追平了DeepSeek的最强版本，在难度更高的复杂工程任务测试中，Qwen 3.7 Max也排到了第一的位置。\n△Qwen3.7-Max可独立执行长达35小时的长程复杂任务，工具调用数量也在各大模型中位于前列，图源：阿里云 相较上一代Qwen 3.6 Max Preview，Qwen 3.7 Max最大的升级是长周期任务能力的大幅强化——Agent可以自主执行跨越数十小时、上千步骤的复杂任务，而不需要人类中途介入。 长程任务能力越强，意味着Agent能够独立完成的任务复杂度越高、人类介入越少。这也是Claude Code、Gemini Deep Research等当下最强Agent产品的核心竞争维度。 阿里云CTO周靖人举的一个例子是：在平头哥的新芯片平台上，Qwen3.7-Max通过自主编程和超1000次工具调用，实现了平台关键内核的自我进化，推理速度较原版本提升10倍。 这意味着，模型能够像成熟的工程师一样，独立解决代码中间缺陷的问题，也可以帮助工程师开发复杂的功能。 而这些任务能够完成，也离不开芯片和Infra的适配：在芯片层，阿里云的新一代训推一体AI芯片真武M890，以及自研互联芯片ICN Switch 1.0，都搭载在超节点服务器上，主打的就是Agent的大规模并发场景。 而现在，阿里平头哥PPU芯片出货已经超过54万片，并且在悟空、秒悟等AI应用中已经开始提供推理服务。 怎么把Token生意越做越大 Agent爆发带来了Token消耗的爆发——Agent本质是代码生成，一次任务调用的Token量，是普通对话场景的十倍甚至百倍。 所以，Agent共识也直接演变成了模型市场的一场明牌战争：谁的模型在Agent场景下被调用得多，谁就能够迅速获得收入——当今市场的最大赢家无疑就是Anthropic，据华尔街日报，Anthropic的营收预计将在第二季度增长一倍以上，达到109亿美元。\n△图源：华尔街日报 阿里云也受益于此。2025年，阿里云自然年全年营收超1466亿元，当年营收增速28.6%，后者主要得益于AI产品的贡献。 阿里巴巴CEO吴泳铭在上周的财报电话会上透露，6月份季度，包含百炼MaaS平台在内的AI模型与应用服务年化经常性收入（ARR）将突破100亿元，年底突破300亿元。 不过，在这场Token战争中，阿里和字节选择了两种不一样的打法。 “Token带来的收入主要来自两端，一端是以Coding为代表的大语言模型，另一端是视频模型。但在过去一段时间，很多人会把两个市场的Token增量混为一谈，这是不合适的。”刘伟光强调。 字节占住了视频模型市场——有研究机构测算，Seedance 2.0爆火后，字节在视频模型市场的Token日均消耗已占整个市场的80%。2025年底火山曾立下目标——2026年MaaS服务收入超过100亿，但在Seedance 2.0爆火之后，这个目标已经再度上调。 相较之下，阿里云则在大语言模型上占据优势。“有开发者的公司，才会需要云，所以阿里云的存量客户（肯定有开发者）几乎都是Coding的潜在用户。”刘伟光说。 2025年底，阿里云曾喊出“2026拿下AI云市场增量的80%”的业务目标。阿里云将当下的业务火力，集中在了Coding领域。“今年前5个月，我们可以说，阿里云已经拿到了LLM模型市场增量的80%。” 为了配合这一目标，阿里云对销售的考核方式也在变——不是看谁卖出去的Token量最大，而是比谁卖出去的Token最值钱。 简单来说，阿里云现在追求的，并不是简单聊天产生的Token消耗，因为这类模型的价格已经到了地板价。 相反，阿里云如今的一个核心指标是：模型接入客户的核心业务系统数量。这意味着，阿里云希望卖出去的Token，是被客户用来写代码、做决策、跑流程。而一旦进入企业的核心生产流程，Token消耗量是指数级上升的，单价更高，复购更稳定，对应的也是更高质量的收入。 这源于Coding的Token消耗逻辑和视频并不一样。视频模型的Token消耗是一次性的——生成一段视频，任务结束。 代码场景则更像一个自我进化的过程：模型写出代码，代码变成应用，应用部署到云上，应用运行起来后又需要调用模型，模型再生成更多代码。 如今的大模型竞赛\n
新石器NewClaw：AI一体化解决方案，零门槛当无人车指挥官| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 管理一千台无人车需要多少人？答案是：一个人，一部手机，一句话。当自动驾驶逐渐“平权”，真正的瓶颈从技术转向了规模化运营。\n新石器用七年时间走完从合规落地、规模量产到万台运营的三级跳，如今推出AI Agent“Neo Claw”——让用户像聊天一样指挥车队，把单人管理效率从10台拉升到100台以上。颉晶华强调，AI的价值不在于写多少代码，而在于解放双手——让无人车管理从“专业操作”变成“说话就行”。 以下为演讲内容，经36氪整理编辑：\n颉晶华丨新石器无人车联合创始人兼CPO 各位好，我是新石器的颉晶华，很荣幸跟大家介绍新石器和我们在AI方面的应用与思考。 八年前新石器公司创立，到如今已经成长为全球无人配送赛道的领军企业。从这几年的进程来看，我们有三条主线，第一条线是公司发展的里程碑。三个重要的里程碑：第一、2019年我们完成了全球第一个L4级别无人车万台量产能力的工厂，；第二、2021年5月，北京亦庄当时授予新石器中国第一张无人配送牌照，开启了我们商业化部署的大门；第三、2025年我们达到了万台量级的无人车队，开始实现大规模运营。 第二条线是我们的拳头产品，X3、X6、H12，X3对应3个立方的装载，X6，6个立方的装载，H12，12个立方的装载。对商用车来说，用户最看重的是是降低使用成本，TCO（总拥有成本），这是我们最核心的价值。 第三条线，三个数字。1亿5千万公里，这是自动驾驶的累计运营里程；一个是1500个专利，基于自动驾驶行业的专利，50%以上的发明专利，一个是20个国家，除中国以外我们现在已经在海外19个国家开始做规模化部署、POC。 我们不单是一家做无人配送、新石器无人车的公司，物流行业里有三个重要的环节，运输、装卸、搬运，我们现在解决的只是运输这一个环节，装卸和搬运需要具身智能的装备来完成，我们正由新石器无人车向新石器机器人发展。 介绍完公司大概的脉络，我们整个技术基于L4级别自动驾驶的无图技术，Neolix VA视觉+动作大模型，前段时间有行业大佬谈到自动驾驶没有那么神秘，现在自动驾驶实现的方法无非是三个，虚拟仿真、端到端、强化学习，抓眼球的词语更多是为了营销。从我的体感也是这样，商业自动驾驶还是为了降本，三个核心点也是为了降本，第一个就是摆脱对高精地图的依赖，高精地图的整个部署成本非常高，采、建、制、验，每一个环节都会产生成本。通过无图方案，我们可以大幅度降低部署成本，快速进行部署；第二个端到端依托于国内丰富的城配场景，基于现有数据在多场景、全天候、全时段运营；第三，新石器生于物流、长于物流，在物流行业的Know-how，无论是软件、硬件开发都沉淀了很多的经验，为接下来大规模扩张做好了相关的准备。 RaaS是我们去年开创的新商业模式，之前无人配送行业主要以卖车为主，RaaS的意思是RoboVan-as-a-Service，我们希望提供给用户是即时服务，用户有运输需求的时候，可以很快叫到新石器无人车满足他运输的需求。无人配送车作为机器，是可以24小时运营的，有效运营的时间越长，边际成本越低，这就是我们开创RaaS模式的驱动力。 新石器出海近20个国家，包含了阿联酋、泰国、新加坡、日本、韩国包括欧洲、瑞士、西班牙，今年的目标是在中东地区部署超过一万台车，在这���区域建起一个无人配送网络。 AI，自动驾驶本身已经是AI了，新石器今年思考的一个新的关键方向是如何使用AI技术来管理和运营大规模无人车车队。全球最大的商用车车队是美国的UPS（United Parcel Service），拥有12万辆商用车，管理12万辆商用车需要6000-8000人，这个还不算司机，这几千人是做车辆管理、车辆调度。新石器这么大规模的无人车队，AI能够在车队管理和调度方面提供哪些帮助呢？，大家可以看一个介绍NeoClaw的视频。 NeoClaw是新石器全栈自研、行业首个无人车运营的AI Agent。春节时期很多行业都在养“虾”，我们也组建了产品研发团队。 我们认为接下来无人车的规模化部署、规模化运营难点会在于车队管理，不再是自动驾驶，自动驾驶基本上已经平权了。大家可以看到我们对于车队管理的核心功能已经集成在NeoClaw产品里。 还有一个问题，为什么是养“虾”而不是养“马”？Hermes最近很火，前段时间刚刚推出的开源、自进化的AI智能体，智能化程度非常高，但我们认为OpenClaw更适合物流行业。物流对确定性要求很高，它需要的不止是一个单体智能，单体智能可以理解很长的上下文，可以进行大量的数据处理，但物流行业最需要的是自动化的执行体系，OpenClaw更像执行体系，同时还是协调性的Agent——系统发出自动化解析命令，校验车辆状态，生成最后方案，最后批量执行，反馈结果，这是物流行业需要的。 我们认为，一个人、一部手机，一个NeoClaw未来可以轻松管理一千台以上的无人配送车。想用车时说句话就行，在机器人时代，跟机器人的交互不再是原来通过APP、接口，而是应该用自然语言。现在所有的交互方式，我们认为跟机器人交互用自然语言是效率最高的，对用户来说，几乎不需要培训成本，一线员工一分钟上手，真正实现人人会用，说话即可以控制。 NeoClaw本身也不是单个对话的记忆，OpenClaw是单个记忆，NeoClaw本身就是车辆管理人员，通过短记忆+记忆skill来完成整个大的RAG闭环，通过安全链路、安全网关传到云端数据，我们进入基于用户的所有权限以及持续输入的全局记忆，最终成为具备不断学习能力的智能体。 持续学习。持续学习的核心点不在于单独的用户行为，而是包含运营数据、场景数据、用户习惯，深度分析完这些运营数据后，最终会给用户提供最好的运营解决方案，输出优化建议，驱动运营体系的持续迭代。 对于NeoClaw不只是运营，更是具身智能的试验田。具身智能机器人未来要大规模落地，有点像现在自动驾驶大规模的落地，重点不止是单体的智能程度，更重要的是如何进行大规模的管理。NeoClaw让AI从虚拟对话走向物理执行，从辅助工具走向自主决策，真正打通感知、决策、执行、进化的具身智能闭环。 常用大模型的朋友一定知道，大模型总会在最后时刻跟大家说，我用一句话给你用最简单的方式表达你现在要问的问题。我也有一页PPT作为总结：NeoClaw带来的是十倍效率提升。 如果说单人管理无人车的天花板是十台，AI智能时代，天花板将升至100台以上。对于无人车队管理以及未来的机器人管理，十倍效率提升这是现在的数据，从我们的视角来看未来的管理效率应该是一百倍以上。 一旦能实现一百倍以上的效率提升，将会带来几个重要的突破：第一是管理模式和能力的跃迁；第二个全流程闭环，不再是单体智能，是全场景、全Agent智能；第三个会出现很多新的典型场景；最后是零培训成本，使用无人配送车不再存在门槛。 这也是新石器为之努力的方向，人工智能的价值不仅在于能写多少代码，更在于能解放多少双手，温暖多少人心。最后感谢北京亦庄、36氪和关注AI的所有朋友们和在场来宾，非常感谢！\n文章来源 标题: 新石器NewClaw：AI一体化解决方案，零门槛当无人车指挥官| 2026AI Partner·北京亦庄AI+产业大会 来源: tech 链接: https://36kr.com/p/3818927367046018?f=rss 时间: 2026-05-21 18:55:09 +0800 核心内容 管理一千台无人车需要多少人？答案是：一个人，一部手机，一句话。当自动驾驶逐渐“平权”，真正的瓶颈从技术转向了规模化运营。\n新石器用七年时间走完从合规落地、规模量产到万台运营的三级跳，如今推出AI Agent“Neo Claw”——让用户像聊天一样指挥车队，把单人管理效率从10台拉升到100台以上。颉晶华强调，AI的价值不在于写多少代码，而在于解放双手——让无人车管理从“专业操作”变成“说话就行”。 以下为演讲内容，经36氪整理编辑：\n颉晶华丨新石器无人车联合创始人兼CPO 各位好，我是新石器的颉晶华，很荣幸跟大家介绍新石器和我们在AI方面的应用与思考。 八年前新石器公司创立，到如今已经成长为全球无人配送赛道的领军企业。从这几年的进程来看，我们有三条主线，第一条线是公司发展的里程碑。三个重要的里程碑：第一、2019年我们完成了全球第一个L4级别无人车万台量产能力的工厂，；第二、2021年5月，北京亦庄当时授予新石器中国第一张无人配送牌照，开启了我们商业化部署的大门；第三、2025年我们达到了万台量级的无人车队，开始实现大规模运营。 第二条线是我们的拳头产品，X3、X6、H12，X3对应3个立方的装载，X6，6个立方的装载，H12，12个立方的装载。对商用车来说，用户最看重的是是降低使用成本，TCO（总拥有成本），这是我们最核心的价值。 第三条线，三个数字。1亿5千万公里，这是自动驾驶的累计运营里程；一个是1500个专利，基于自动驾驶行业的专利，50%以上的发明专利，一个是20个国家，除中国以外我们现在已经在海外19个国家开始做规模化部署、POC。 我们不单是一家做无人配送、新石器无人车的公司，物流行业里有三个重要的环节，运输、装卸、搬运，我们现在解决的只是运输这一个环节，装卸和搬运需要具身智能的装备来完成，我们正由新石器无人车向新石器机器人发展。 介绍完公司大概的脉络，我们整个技术基于L4级别自动驾驶的无图技术，Neolix VA视觉+动作大模型，前段时间有行业大佬谈到自动驾驶没有那么神秘，现在自动驾驶实现的方法无非是三个，虚拟仿真、端到端、强化学习，抓眼球的词语更多是为了营销。从我的体感也是这样，商业自动驾驶还是为了降本，三个核心点也是为了降本，第一个就是摆脱对高精地图的依赖，高精地图的整个部署成本非常高，采、建、制、验，每一个环节都会产生成本。通过无图方案，我们可以大幅度降低部署成本，快速进行部署；第二个端到端依托于国内丰富的城配场景，基于现有数据在多场景、全天候、全时段运营；第三，新石器生于物流、长于物流，在物流行业的Know-how，无论是软件、硬件开发都沉淀了很多的经验，为接下来大规模扩张做好了相关的准备。 RaaS是我们去年开创的新商业模式，之前无人配送行业主要以卖车为主，RaaS的意思是RoboVan-as-a-Service，我们希望提供给用户是即时服务，用户有运输需求的时候，可以很快叫到新石器无人车满足他运输的需求。无人配送车作为机器，是可以24小时运营的，有效运营的时间越长，边际成本越低，这就是我们开创RaaS模式的驱动力。 新石器出海近20个国家，包含了阿联酋、泰国、新加坡、日本、韩国包括欧洲、瑞士、西班牙，今年的目标是在中东地区部署超过一万台车，在这���区域建起一个无人配送网络。 AI，自动驾驶本身已经是AI了，新石器今年思考的一个新的关键方向是如何使用AI技术来管理和运营大规模无人车车队。全球最大的商用车车队是美国的UPS（United Parcel Service），拥有12万辆商用车，管理12万辆商用车需要6000-8000人，这个还不算司机，这几千人是做车辆管理、车辆调度。新石器这么大规模的无人车队，AI能够在车队管理和调度方面提供哪些帮助呢？，大家可以看一个介绍NeoClaw的视频。 NeoClaw是新石器全栈自研、行业首个无人车运营的AI Agent。春节时期很多行业都在养“虾”，我们也组建了产品研发团队。 我们认为接下来无人车的规模化部署、规模化运营难点会在于车队管理，不再是自动驾驶，自动驾驶基本上已经平权了。大家可以看到我们对于车队管理的核心功能已经集成在NeoClaw产品里。 还有一个问题，为什么是养“虾”而不是养“马”？Hermes最近很火，前段时间刚刚推出的开源、自进化的AI智能体，智能化程度非常高，但我们认为OpenClaw更适合物流行业。物流对确定性要求很高，它需要的不止是一个单体智能，单体智能可以理解很长的上下文，可以进行大量的数据处理，但物流行业最需要的是自动化的执行体系，OpenClaw更像执行体系，同时还是协调性的Agent——系统发出自动化解析命令，校验车辆状态，生成最后方案，最后批量执行，反馈结果，这是物流行业需要的。 我们认为，一个人、一部手机，一个NeoClaw未来可以轻松管理一千台以上的无人配送车。想用车时说句话就行，在机器人时代，跟机器人的交互不再是原来通过APP、接口，而是应该用自然语言。现在所有的交互方式，我们认为跟机器人交互用自然语言是效率最高的，对用户来说，几乎不需要培训成本，一线员工一分钟上手，真正实现人人会用，说话即可以控制。 NeoClaw本身也不是单个对话的记忆，OpenClaw是单个记忆，NeoClaw本身就是车辆管理人员，通过短记忆+记忆skill来完成整个大的RAG闭环，通过安全链路、安全网关传到云端数据，我们进入基于用户的所有权限以及持续输入的全局记忆，最终成为具备不断学习能力的智能体。 持续学习。持续学习的核心点不在于单独的用户行为，而是包含运营数据、场景数据、用户习惯，深度分析完这些运营数据后，最终会给用户提供最好的运营解决方案，输出优化建议，驱动运营体系的持续迭代。 对于NeoClaw不只是运营，更是具身智能的试验田。具身智能机器人未来要大规模落地，有点像现在自动驾驶大规模的落地，重点不止是单体的智能程度，更重要的是如何进行大规模的管理。NeoClaw让AI从虚拟对话走向物理执行，从辅助工具走向自主决策，真正打通感知、决策、执行、进化的具身智能闭环。 常用大模型的朋友一定知道，大模型总会在最后时刻跟大家说，我用一句话给你用最简单的方式表达你现在要问的问题。我也有一页PPT作为总结：NeoClaw带来的是十倍效率提升。 如果说单人管理无人车的天花板是十台，AI智能时代，天花板将升至100台以上。对于无人车队管理以及未来的机器人管理，十倍效率提升这是现在的数据，从我们的视角来看未来的管理效率应该是一百倍以上。 一旦能实现一百倍以上的效率提升，将会带来几个重要的突破：第一是管理模式和能力的跃迁；第二个全流程闭环，不再是单体智能，是全场景、全Agent智能；第三个会出现很多新的典型场景；最后是零培训成本，使用无人配送车不再存在门槛。 这也是新石器为之努力的方向，人工智能的价值不仅在于能写多少代码，更在于能解放多少双手，温暖多少人心。最后感谢北京亦庄、36氪和关注AI的所有朋友们和在场来宾，非常感谢！\n
氪星晚报｜马斯克旗下SpaceX启动史上最大规模IPO计划；全国首张综合性司机服务地图上线；海关总署在粤发布《海关支持粤港澳大湾区建设若干措施》
原文摘要 大公司： SpaceX据悉计划五年内实现每年1万次发射 据美国联邦航空管理局（FAA）局长周三透露，SpaceX正抛出一个宏大的计划，即在五年内实现每年10000次发射。但该机构对此表示，在批准此类扩张计划之前，政府官员需要看到其可靠性有所提升。今年1月，SpaceX公司还曾表示，其计划发射并组建一个由100万个卫星组成的星座，这些卫星将环绕地球运行，并利用太阳为人工智能数据中心供电。（财联社） 阿里股东信释放信号，即时零售已成为淘宝天猫核心战略支柱 5月20日，阿里巴巴集团主席蔡崇信与首席执行官吴泳铭联合发布致股东信。信中称，即时零售已成为淘宝和天猫平台升级的核心战略支柱。“我们看到即时零售在利用AI驱动获取新用户、增强用户粘性、满足多元消费需求、提升交易量和商业化水平的战略意义。” 东方甄选首家线下体验店正式开业，自营商品占比提升至50%以上 36氪获悉，5月21日，东方甄选首家线下体验店正式开业。据了解，“五一”假期试营业时自营品牌占比大约在40%，正式营业后已提高到50%以上。未来，东方甄选将依托新东方遍布各地的教学网点，在更多城市开设线下体验店。 ArtificialAnalysis：千问3.7问鼎国产模型冠军，全球前五 36氪获悉，5月21日，三方机构ArtificialAnalysis公布了最新的全球大模型榜单，阿里新发布的旗舰模型Qwen3.7-Max得分56.6分，性能接近GPT、Claude、Gemini的最强模型，位列全球第五、国产第一。据了解，Qwen3.7-Max即将上线阿里云百炼对外提供API服务。 AMD宣布采用台积电2nm工艺量产下一代霄龙处理器“Venice” 超威半导体（AMD）5月21日宣布，其代号为“Venice（威尼斯）”的下一代AMD EPYC（霄龙）中央处理器已正式开启量产，该芯片采用台积电最先进的2nm工艺技术，是业内高性能计算（HPC）领域首款投入量产的2nm产品。此外，AMD还计划将其数据中心CPU的2nm工艺延伸至后续新品“Verano”。（界面） 特斯拉最后一批Model S/X完成交付，原产线将量产机器人 随着最后一批特斯拉Model S/X在加州弗里蒙特工厂下线，这两款开启全球电动化浪潮的传奇车型正式退役。这里的Model S/X生产线将在4个月内完成拆除与重构，转型为特斯拉人形机器人的专用生产线，规划年产能达100万台；得州工厂正在筹备的第二代产线，目标产能直指千万台级别。（新浪科技） 投融资： 马斯克旗下SpaceX启动史上最大规模IPO计划 SpaceX官宣史上最大规模首次公开募股计划，这家横跨人工智能与航天火箭领域的巨头正式开启重磅上市浪潮，或将重塑华尔街格局。周三晚间，该公司向美国证券监管机构递交万众期待的招股说明书，投资者首度窥见其财务状况、马斯克对公司的掌控力以及各类潜在风险。本次募资金额与拟定估值暂未正式披露，据媒体此前消息，这家航天企业计划以 1.75 万亿美元估值募资约 750 亿美元。（新浪财经） 阿布扎比国家石油公司正投资1500亿美元，以满足全球能源需求 阿布扎比国家石油公司（ADNOC）正投资1500亿美元，以满足全球能源需求，同时推动人工智能、先进制造、物流与工业领域的国内增长。（财联社） 今日观点： 美国卫生部：未成年人屏幕时间过长已成公共卫生问题 美国卫生与公共服务部5月20日发布报告说，儿童和青少年过度使用电子产品，包括无休止地刷社交媒体、不停地发短信、长时间玩电子游戏等，已成为一个公共卫生问题。（新华社） 商务部：中美双方应为双向农产品贸易创造有利条件，推动恢复并不断拓展农产品贸易合作 商务部新闻发言人何亚东5月21日在例行新闻发布会上，回答有关中国采购美国农产品的相关问题时表示，农产品贸易是中美经贸合作的重要组成部分。经过近期经贸磋商，中美就推动解决双方部分农产品非关税壁垒和市场准入问题达成一系列积极共识，并原则同意将相关产品纳入对等降税框架安排，同时还设定了扩大农产品双向贸易的指导性目标。双方应为双向农产品贸易创造有利条件，推动恢复并不断拓展农产品领域贸易合作。（新华社） 其他值得关注的新闻： 全国首张综合性司机服务地图上线 36氪获悉，5月21日，中国交通运输协会城市交通分会等机构在京发布全国首张综合性司机服务地图。这张地图集纳全国超2100个司机驿站，及充电加油设施、政务资讯服务，后续将为出租车司机、网约车司机等新就业群体拓展更多服务。 海关总署在粤发布《海关支持粤港澳大湾区建设若干措施》 36氪获悉，海关总署在广州召开《海关支持粤港澳大湾区建设若干措施》新闻发布会。海关总署广东分署主任张格萍介绍，海关立足自身职责和大湾区实际，经过深入调研、广泛听取意见建议，制定《若干措施》，从融合发展、科创高地、新业态新模式、服务“双循环”、重大合作平台5个方面推出20项具体举措，全力支持建设富有活力和国际竞争力的一流湾区和世界级城市群。 国际资本持续流出印度股市，今年以来全球投资者从印度股市总计撤出约230亿美元 据彭博社报道，国际资本持续流出印度股市，进一步加大卢比贬值压力。数据显示，今年以来，全球投资者已从印度股市总计撤出约230亿美元。据路透社报道，这一数字超过去年全年印度股市的外资流出总量。 （央视财经） 韩国公布全球人工智能枢纽愿景 韩国政府周四公布了在该国建设全球人工智能枢纽的愿景，旨在汇集全球组织的人工智能 （AI） 能力，以应对疾病控制和气候变化等挑战。韩国财政经济部表示，政府宣布计划建立全球人工智能中心，旨在与九个全球性组织和五家多边开发银行合作，促进人工智能领域的跨境合作。（新浪财经） 美联储或因通胀高企收紧货币政策 美国联邦储备委员会20日公布的4月货币政策会议纪要表明，如果美国通胀持续高于目标水平，美联储可能采取一些收紧货币政策的措施。（新华社）\n文章来源 标题: 氪星晚报｜马斯克旗下SpaceX启动史上最大规模IPO计划；全国首张综合性司机服务地图上线；海关总署在粤发布《海关支持粤港澳大湾区建设若干措施》 来源: tech 链接: https://36kr.com/p/3816942732133510?f=rss 时间: 2026-05-21 21:14:15 +0800 核心内容 大公司： SpaceX据悉计划五年内实现每年1万次发射 据美国联邦航空管理局（FAA）局长周三透露，SpaceX正抛出一个宏大的计划，即在五年内实现每年10000次发射。但该机构对此表示，在批准此类扩张计划之前，政府官员需要看到其可靠性有所提升。今年1月，SpaceX公司还曾表示，其计划发射并组建一个由100万个卫星组成的星座，这些卫星将环绕地球运行，并利用太阳为人工智能数据中心供电。（财联社） 阿里股东信释放信号，即时零售已成为淘宝天猫核心战略支柱 5月20日，阿里巴巴集团主席蔡崇信与首席执行官吴泳铭联合发布致股东信。信中称，即时零售已成为淘宝和天猫平台升级的核心战略支柱。“我们看到即时零售在利用AI驱动获取新用户、增强用户粘性、满足多元消费需求、提升交易量和商业化水平的战略意义。” 东方甄选首家线下体验店正式开业，自营商品占比提升至50%以上 36氪获悉，5月21日，东方甄选首家线下体验店正式开业。据了解，“五一”假期试营业时自营品牌占比大约在40%，正式营业后已提高到50%以上。未来，东方甄选将依托新东方遍布各地的教学网点，在更多城市开设线下体验店。 ArtificialAnalysis：千问3.7问鼎国产模型冠军，全球前五 36氪获悉，5月21日，三方机构ArtificialAnalysis公布了最新的全球大模型榜单，阿里新发布的旗舰模型Qwen3.7-Max得分56.6分，性能接近GPT、Claude、Gemini的最强模型，位列全球第五、国产第一。据了解，Qwen3.7-Max即将上线阿里云百炼对外提供API服务。 AMD宣布采用台积电2nm工艺量产下一代霄龙处理器“Venice” 超威半导体（AMD）5月21日宣布，其代号为“Venice（威尼斯）”的下一代AMD EPYC（霄龙）中央处理器已正式开启量产，该芯片采用台积电最先进的2nm工艺技术，是业内高性能计算（HPC）领域首款投入量产的2nm产品。此外，AMD还计划将其数据中心CPU的2nm工艺延伸至后续新品“Verano”。（界面） 特斯拉最后一批Model S/X完成交付，原产线将量产机器人 随着最后一批特斯拉Model S/X在加州弗里蒙特工厂下线，这两款开启全球电动化浪潮的传奇车型正式退役。这里的Model S/X生产线将在4个月内完成拆除与重构，转型为特斯拉人形机器人的专用生产线，规划年产能达100万台；得州工厂正在筹备的第二代产线，目标产能直指千万台级别。（新浪科技） 投融资： 马斯克旗下SpaceX启动史上最大规模IPO计划 SpaceX官宣史上最大规模首次公开募股计划，这家横跨人工智能与航天火箭领域的巨头正式开启重磅上市浪潮，或将重塑华尔街格局。周三晚间，该公司向美国证券监管机构递交万众期待的招股说明书，投资者首度窥见其财务状况、马斯克对公司的掌控力以及各类潜在风险。本次募资金额与拟定估值暂未正式披露，据媒体此前消息，这家航天企业计划以 1.75 万亿美元估值募资约 750 亿美元。（新浪财经） 阿布扎比国家石油公司正投资1500亿美元，以满足全球能源需求 阿布扎比国家石油公司（ADNOC）正投资1500亿美元，以满足全球能源需求，同时推动人工智能、先进制造、物流与工业领域的国内增长。（财联社） 今日观点： 美国卫生部：未成年人屏幕时间过长已成公共卫生问题 美国卫生与公共服务部5月20日发布报告说，儿童和青少年过度使用电子产品，包括无休止地刷社交媒体、不停地发短信、长时间玩电子游戏等，已成为一个公共卫生问题。（新华社） 商务部：中美双方应为双向农产品贸易创造有利条件，推动恢复并不断拓展农产品贸易合作 商务部新闻发言人何亚东5月21日在例行新闻发布会上，回答有关中国采购美国农产品的相关问题时表示，农产品贸易是中美经贸合作的重要组成部分。经过近期经贸磋商，中美就推动解决双方部分农产品非关税壁垒和市场准入问题达成一系列积极共识，并原则同意将相关产品纳入对等降税框架安排，同时还设定了扩大农产品双向贸易的指导性目标。双方应为双向农产品贸易创造有利条件，推动恢复并不断拓展农产品领域贸易合作。（新华社） 其他值得关注的新闻： 全国首张综合性司机服务地图上线 36氪获悉，5月21日，中国交通运输协会城市交通分会等机构在京发布全国首张综合性司机服务地图。这张地图集纳全国超2100个司机驿站，及充电加油设施、政务资讯服务，后续将为出租车司机、网约车司机等新就业群体拓展更多服务。 海关总署在粤发布《海关支持粤港澳大湾区建设若干措施》 36氪获悉，海关总署在广州召开《海关支持粤港澳大湾区建设若干措施》新闻发布会。海关总署广东分署主任张格萍介绍，海关立足自身职责和大湾区实际，经过深入调研、广泛听取意见建议，制定《若干措施》，从融合发展、科创高地、新业态新模式、服务“双循环”、重大合作平台5个方面推出20项具体举措，全力支持建设富有活力和国际竞争力的一流湾区和世界级城市群。 国际资本持续流出印度股市，今年以来全球投资者从印度股市总计撤出约230亿美元 据彭博社报道，国际资本持续流出印度股市，进一步加大卢比贬值压力。数据显示，今年以来，全球投资者已从印度股市总计撤出约230亿美元。据路透社报道，这一数字超过去年全年印度股市的外资流出总量。 （央视财经） 韩国公布全球人工智能枢纽愿景 韩国政府周四公布了在该国建设全球人工智能枢纽的愿景，旨在汇集全球组织的人工智能 （AI） 能力，以应对疾病控制和气候变化等挑战。韩国财政经济部表示，政府宣布计划建立全球人工智能中心，旨在与九个全球性组织和五家多边开发银行合作，促进人工智能领域的跨境合作。（新浪财经） 美联储或因通胀高企收紧货币政策 美国联邦储备委员会20日公布的4月货币政策会议纪要表明，如果美国通胀持续高于目标水平，美联储可能采取一些收紧货币政策的措施。（新华社）\n